1
ZMIENNA LOSOWA
Wielkość, która w wyniku doświadczenia przyjmuje określoną wartość dopiero po zrealizowaniu
doświadczenia, a nie dająca się przewidzieć przed jego realizacją.
Definicja:
Zmienna losowa jest to taka zmienna, która w wyniku doświadczenia przybiera jedną i tylko jedną
wartość ze zbioru tych wszystkich wartości, jakie ta zmienna może przyjąć.
Oznaczanie zmiennych losowych:
- na ogół końcowymi literami alfabetu, np. X, Y, ...
Wartości zmiennej losowej
Wartości zmiennej losowej (realizacja), oznaczamy małymi literami, np. x, y, ...
Przykład 1.
Rzucamy jeden raz monetą. W wyniku realizacji doświadczenia, można otrzymać dwa zdarzenia:
E
1
– wyrzucenie orła,
E
2
– wyrzucenie reszki.
Przyporządkujemy zdarzeniu E
1
wartość 0, a zdarzeniu E
2
wartość 1. Liczby 0 i 1 są realizacjami
zmiennej losowej X, określonej na zbiorze zdarzeń E
1
i E
2
.
Z wartościami zmiennej losowej związane są określone prawdopodobieństwa, tak więc zmienna losowa
przybiera różne wartości z różnym prawdopodobieństwem:
P(X=x
i
)=p
i
przy czym
1
1
=
∑
=
n
i
i
p
Rodzaje zmiennych losowych:
zmienne skokowe (dyskretne),
zmienne ciągłe.
Zmiennymi losowymi skokowymi (dyskretnymi) nazywamy takie zmienne losowe, które mają
skończony lub przeliczalny zbiór wartości.
przykłady:
liczby urodzeń w Polsce,
ocena uzyskiwana przez studentów na egzaminie z wybranego przedmiotu.
Zmiennymi losowymi ciągłymi nazywamy takie zmienne losowe, które mogą przybierać dowolne
wartości liczbowe z pewnego przedziału liczbowego.
przykłady:
wzrost, waga, wiek człowieka,
wytrzymałość belki na zginanie,
opór przewodu elektrycznego.
2
Zmienna losowa typu skokowego (dyskretnego)
Definicja: Mówimy, że zmienna losowa X jest typu skokowego (dyskretnego), jeśli przyjmuje ona
tylko skończoną (lub przeliczalną) liczbę wartości
{
}
n
x
x
x
,
,
,
2
1
K
(tzw. punkty skokowe), tak, że dla
każdego
n
i
,
,
1 K
=
0
)
(
>
=
=
i
i
p
x
X
P
,
gdzie
1
1
=
∑
=
n
i
i
p
Oznacza to, że zmienna losowa X przyjmuje wartość
i
x
z prawdopodobieństwem
i
p
.
Funkcją
rozkładu
prawdopodobieństwa
(funkcją
prawdopodobieństwa,
rozkładem
prawdopodobieństwa) zmiennej losowej X nazywamy funkcję p określoną wzorem:
)
(
)
(
i
i
x
X
P
x
p
=
=
.
Funkcję prawdopodobieństwa p określoną na wartości
i
x
oznaczamy przez
i
p
, czyli
)
(
i
i
x
p
p
=
.
Innym sposobem określania funkcji prawdopodobieństwa zmiennej losowej X jest metoda tablicowa:
i
x
1
x
2
x
K
n
x
i
p
1
p
2
p
K
n
p
Przykład 2.
Poniżej przedstawiony jest wykres rozkładu prawdopodobieństwa zmiennej losowej X z przykładowej
tablicy:
i
x
-3 0 1
2
i
p
4
1
2
1
6
1
12
1
Wykresem rozkładu prawdopodobieństwa jest zatem zbiór punktów
)
,
(
i
i
p
x
.
Dystrybuantą zmiennej losowej skokowej X
jest funkcja F określona wzorem
∑
<
<
∞
−
=
<
=
x
i
x
i
p
x
X
P
x
F
)
(
)
(
,
gdzie sumowanie odbywa się po tych
i
x
, które spełniają nierówności
x
x
i
<
<
∞
−
.
UWAGA!!!
Mając dany rozkład prawdopodobieństwa możemy wyznaczyć jej dystrybuantę i odwrotnie, mając daną
dystrybuantę zmiennej losowej X możemy podać rozkład prawdopodobieństwa.
Przykład 3.
W pudełku jest 10 losów ponumerowanych od 1 do 10. Na los z numerem 1 pada główna wygrana 10zł,
na losy z numerami 2 i 3 wygrana pocieszenia 1zł, a za wyciągnięcie pozostałych płacimy
2zł(wygrywamy – 2zł). Załóżmy, że wyciągnięcie każdego z losów jest jednakowo prawdopodobne.
Doświadczenie polega na wyciągnięciu jednego losu.
-3
1 2
4
1
x
3
Przestrzeń zdarzeń elementarnych E={1,2,...,10} i jest skończona. Określmy funkcję
R
A
E
X
⊂
→
:
X będzie zmienną losową skokową oznaczającą wygraną, gdzie A={-2,1,10}.
Zauważmy, że:
X(1)=10, X(2)=X(3)=1, X(4)=X(5)=...=X(10)=-2.
Określmy
rozkład prawdopodobieństwa zmiennej losowej X:
P(X=10)=p
1
=
10
1
P(X=1)= p
2
+ p
3
=
10
2
P(X=-2)= p
4
+ p
5
+ p
6
+ p
7
+ p
8
+ p
9
+ p
10
=
10
7
Zapis tablicowy:
wartość zmiennej losowej w zł
-2
1
10
prawdopodobieństwo
0,7
0,2
0,1
Wyznaczmy
dystrybuantę zmiennej losowej:
Dla x
≤
-2
F(x)=P(X<x)=
∑
<
x
x
i
i
p
=0
Dla –2<x
≤
1 F(x)=
∑
<
x
x
i
i
p
=p
1
=0,7
Dla 1<x
≤
10 F(x)=
∑
<
x
x
i
i
p
=p
1
+ p
2
=0,7+0,2=0,9
Dla x>10
F(x)=
∑
<
x
x
i
i
p
=p
1
+ p
2
+ p
3
=0,7+0,2+0,1=1
Tak więc
10
10
1
1
2
2
1
9
,
0
7
,
0
0
)
(
>
≤
<
≤
<
−
−
≤
=
x
x
x
x
dla
dla
dla
dla
x
F
Przykład 4.
Do tarczy oddaje się w sposób ciągły niezależny 3 strzały. Prawdopodobieństwo trafienia wynosi ½
(trafi lub chybi). Niech zmienna losowa X oznacza liczbę trafień w tarczę.
Zbiór zdarzeń tego doświadczenia jest następujący:
{NNN, NNT, NTN, TNN, NTT, TNT, TTN, TTT}
Zmienna losowa przyjmuje więc wartości :
x
1
=0, x
2
=1, x
3
=2, x
4
=3
Obliczamy rozkład prawdopodobieństwa:
P(X=0)=p
1
=1/8
P(X=1)=p
1
=3/8
P(X=2)=p
1
=3/8
P(X=3)=p
1
=1/8
x
i
0
1
2
3
p
i
1/8
3/8
3/8
1/8
4
Obliczamy dystrybuantę F(x) zmiennej losowej X :
>
≤
<
+
+
+
≤
<
+
≤
<
≤
=
−
−
n
n
n
n
x
x
dla
x
x
x
dla
p
p
p
x
x
x
dla
p
p
x
x
x
dla
p
x
x
dla
x
F
1
0
)
(
1
1
2
1
3
2
2
1
2
1
1
1
K
M
czyli dla przykładu:
>
=
+
+
+
≤
<
=
+
+
≤
<
=
+
≤
<
≤
=
)
4
(
3
1
8
1
8
3
8
3
8
1
)
3
(
3
2
8
7
8
3
8
3
8
1
)
2
(
2
1
8
4
8
3
8
1
)
1
(
1
0
8
1
)
0
(
0
0
)
(
F
x
dla
F
x
dla
F
x
dla
F
x
dla
F
x
dla
x
F
Przykład 5.
Niech zmienna losowa X ma rozkład prawdopodobieństwa
i
x
0 1 3 6
i
p
3
1
6
1
3
1
6
1
Wówczas dystrybuantę wyliczamy w następujący sposób (korzystamy z własności dystrybuanty –
przede wszystkim z lewostronnej ciągłości)
dla
0
≤
x
( ) (
)
0
=
=
<
=
∑
<
x
x
i
i
p
x
X
P
x
F
dla
1
0
≤
<
x
( )
3
1
1
=
=
=
∑
<
p
p
x
F
x
x
i
i
dla
3
1
≤
<
x
( )
2
1
6
1
3
1
2
1
=
+
=
+
=
=
∑
<
p
p
p
x
F
x
x
i
i
dla
6
3
≤
<
x
( )
6
5
3
1
6
1
3
1
3
2
1
=
+
+
=
+
+
=
=
∑
<
p
p
p
p
x
F
x
x
i
i
dla
6
>
x
( )
1
6
1
3
1
6
1
3
1
4
3
2
1
=
+
+
+
=
+
+
+
=
=
∑
<
p
p
p
p
p
x
F
x
x
i
i
Zatem możemy teraz zapisać dystrybuantę w uproszczony sposób:
5
( )
>
≤
<
≤
<
≤
<
≤
=
6
,
1
6
3
,
6
5
3
1
,
2
1
1
0
,
3
1
0
,
0
x
x
x
x
x
x
F
lub za pomocą tablicy:
x
(
]
0
,
∞
−
(
]
1
,
0
(
]
3
,
1
(
]
6
,
3
(
)
+∞
,
6
F
0
3
1
2
1
6
5
1
Problem ten możemy teraz odwrócić, tzn. mamy zadaną dystrybuantę zmiennej losowej X określoną
przy pomocy powyższej tabelki. Szukamy rozkładu prawdopodobieństwa tej zmiennej losowej.
Zauważamy, że punktami skokowymi są punkty 0, 1, 3, i 6 (jako punkty nieciągłości dystrybuanty),
których prawdopodobieństwa wyznaczamy za pomocą następujących zależności
(
)
( ) ( )
3
1
0
3
1
0
lim
0
0
1
=
−
=
−
=
=
=
+
→
F
x
F
X
P
p
x
(
)
( ) ( )
6
1
3
1
2
1
1
lim
1
1
2
=
−
=
−
=
=
=
+
→
F
x
F
X
P
p
x
(
)
( ) ( )
3
1
2
1
6
5
3
lim
3
3
3
=
−
=
−
=
=
=
+
→
F
x
F
X
P
p
x
(
)
( ) ( )
6
1
6
5
1
6
lim
6
6
4
=
−
=
−
=
=
=
+
→
F
x
F
X
P
p
x
Stąd rozkład prawdopodobieństwa przedstawia się jak w tablicy na początku tego przykładu.
Charakterystyki liczbowe zmiennej losowej skokowej
Przyjmijmy, że wektor losowy X typu skokowego przyjmuje wartości ze zbioru
{
}
n
x
x
x
,
,
,
2
1
K
, zaś
jego funkcją rozkładu prawdopodobieństwa jest p.
Wartością oczekiwaną (wartością przeciętną, wartością średnią, nadzieją matematyczną) zmiennej
losowej skokowej X nazywamy liczbę
∑
=
+
+
=
=
n
i
n
n
i
i
p
x
p
x
p
x
EX
1
1
1
K
.
Wartość oczekiwana jest to więc pewna średnia ważona wartości zmiennej losowej.
Własności wartości oczekiwanej:
1.
( )
c
c
E
=
2.
( )
aEX
aX
E
=
3.
b
EX
b
X
E
+
=
+
)
(
4.
(
)
EY
EX
Y
X
E
+
=
+
5.
(
)
0
=
−
EX
X
E
(
)
bEY
aEX
bY
aX
E
+
=
+
.
6
Przykład 6.
Zmienna losowa X ma zadany rozkład:
i
x
-5
-1
0
3
i
p
0,2 0,1 0,45 0,25
Policzmy wartość oczekiwaną tej zmiennej losowej:
( )
35
,
0
75
,
0
1
,
0
1
25
,
0
3
45
,
0
0
1
,
0
1
2
,
0
5
1
−
=
+
−
−
=
⋅
+
⋅
+
⋅
−
+
⋅
−
=
=
∑
=
n
i
i
i
p
x
EX
Wartość oczekiwana zmiennej losowej X wynosi –0,35.
Przykład 7.
Czasem dwie różne zmienne losowe mogą mieć takie same wartości oczekiwane, np. dla zmiennych
losowych X i Y o rozkładach prawdopodobieństwa:
i
x
2
6
i
p
2
1
2
1
i
y
-21 3 30
i
p
3
1
3
1
3
1
W obu przypadkach wartości oczekiwane wynoszą 4 (
4
=
EX
,
4
=
EY
).
Jednak zmienna losowa X ma znacznie mniejszy rozrzut wartości (6-2=4) od zmiennej losowej Y (30-(-
21)=51). W celu dokładniejszego opisania zmiennej losowej wprowadza się nowy charakteryzujący ją
parametr – jest to wariancja.
Wariancją zmiennej losowej X nazywamy wartość oczekiwaną kwadratu odchylenia zmiennej losowej
X od jej wartości oczekiwanej
EX
, tzn.
(
)
2
2
EX
X
E
X
D
−
=
.
inaczej
(
)
(
)
(
)
n
n
n
i
i
i
p
EX
x
p
EX
x
p
EX
x
X
D
2
1
2
1
1
2
2
−
+
+
−
=
−
=
∑
=
K
.
Czasem wariancję zmiennej losowej X oznacza się przez
VarX
. Wariancja jest to więc miara rozrzutu
zmiennej losowej X.
Własności wariancji:
1.
( )
0
2
=
c
D
2.
( )
X
D
a
aX
D
2
2
2
=
3.
(
)
X
D
b
X
D
2
2
=
+
4.
(
)
Y
D
X
D
Y
X
D
2
2
2
+
=
+
5.
( )
( )
2
2
2
EX
X
E
X
D
−
=
Wygodniej jest obliczać wariancję na podstawie własności 5) wariancji zmiennej losowej.
Odchyleniem standardowym zmiennej losowej skokowej X nazywamy liczbę:
X
D
DX
2
=
(
X
D
2
=
σ
).
7
Przykład 8.
Policzmy wariancję i odchylenie standardowe zmiennej losowej X o rozkładzie prawdopodobieństwa:
i
x
-5
-1
0
3
i
p
0,2 0,1 0,45 0,25
W tym celu musimy najpierw obliczyć
( )
2
X
E
. Zapiszmy rozkład prawdopodobieństwa nowej zmiennej
losowej
2
X
2
i
x
0
1
9
25
i
p
0,45 0,1 0,25 0,2
Wówczas
( )
35
,
7
5
25
,
2
1
,
0
2
,
0
25
25
,
0
9
1
,
0
1
45
,
0
0
2
=
+
+
=
⋅
+
⋅
+
⋅
+
⋅
=
X
E
35
,
0
−
=
EX
możemy obliczyć wariancję
( )
( )
(
)
7,23
12
,
0
35
,
7
35
,
0
35
,
7
2
2
2
2
=
−
=
−
−
=
−
=
EX
X
E
X
D
Wariancja zmiennej losowej X jest zatem równa 7,23. Stąd odchylenie standardowe wynosi
68
,
2
23
,
7
2
=
=
=
X
D
DX
.