PARAMETRY CHARAKTERYZUJCE ROZKAAD ZMIENNEJ.
Zmienna losowa jest opisana w pełni przez swój rozkład prawdopodobieństwa. Względy
praktyczne dyktujÄ… jednak potrzebÄ™ znalezienia pewnych charakterystyk liczbowych
pozwalających porównać rozkłady miedzy sobą.
Wartość oczekiwana (średnia zmiennej losowej).
Definicja: Wartością oczekiwaną zmiennej losowej X o rozkładzie dyskretnym nazywamy
ozn
liczbę: m = E(X ) = pi , gdzie xi - wartość zmiennej losowej, pi = P(X = xi ), gdy szereg
"xi
i
xi pi jest zbie\ny. Je\eli szereg xi pi rozbie\ny to mówimy, \e zmienna losowa nie
" "
i i
posiada wartości oczekiwanej.
Definicja: Wartością oczekiwaną zmiennej losowej o rozkładzie ciągłym nazywamy liczbę
" "
ozn
m = E(X ) = x Å" f (x)dx o ile x Å" f (x)dx jest zbie\na. Je\eli caÅ‚ka jest rozbie\na to
+" +"
-" -"
mówimy, \e wartość oczekiwana nie istnieje.
Przykład: Wyznaczyć wartość oczekiwaną zmiennej losowej o rozkładzie dyskretnym, gdzie
x liczba orłów w rzucie dwoma monetami.
xi 0 1 2
1 2 1
pi
4 4 4
1 1 1
m = EX = 0Å" +1Å" + 2 Å" = 1.
4 2 4
Przykład: Wyznaczyć wartość oczekiwaną zmiennej losowej X o rozkładzie ciągłym, gdzie
1 1
funkcja gęstości wyra\a się wzorem: f (x) = , x " R .
Ä„ 1+ x2
" " "
x ëÅ‚ öÅ‚
1+ x2 = t
1 1 2x 1 dt
÷Å‚
dx = = =
+" +"1+ dx = ìÅ‚ +"
Ä„ 1+ x2 Ä„ x2 ìÅ‚2xdx ÷Å‚ Ä„ t
= dt
-" 0 íÅ‚ Å‚Å‚ 1
.
k
1 1 1 k 1 îÅ‚ Å‚Å‚
lim dt = lim[ln t ] = limïÅ‚ln k - ln1śł = +"
+" 1
k " k " k "
Ä„ t Ä„ Ä„
ðÅ‚ 0 ûÅ‚
1
Wartość oczekiwana nie istnieje.
Przykład: Wezmy dwa rozkłady zmiennych losowych X i Y.
X:
xi -1 0 1
1 1 1
EX = -1Å" + 0Å" +1Å" = 0
1 1 1
pi
3 3 3
3 3 3
Y:
yi -100 0 100
1 1 1
1 1 1
EY = -100Å" + 0Å" +100Å" = 0
pi
3 3 3
3 3 3
Uwaga:
Je\eli zmienna losowa Y jest funkcją zmiennej losowej X tzn. Y = g(X ) i znamy rozkład
zmiennej X, to mo\emy znalezć EY przy zało\eniu, \e ta wartość istnieje.
1) je\eli zmienna X jest zmienną o rozkładzie dyskretnym przyjmującą wartości x1, x2,... z
prawdopodobieństwami P(X = xi )= pi oraz )pi jest zbie\ny bezwzględnie, to
"g(xi
i
EY = g(xi )pi .
"
i
2) je\eli X jest zmienną losową o rozkładzie ciągłym i funkcją gęstości f i Y = g(X ) oraz
" "
g(x)f (x)dx jest bezwzględnie zbie\na, to wartość oczekiwana EY = g(x)f (x)dx .
+" +"
-" -"
Twierdzenie: Je\eli istnieje wartość oczekiwana EX, to dla dowolnych a,b" R zachodzi
wzór: E(aX + b)= aEX + b .
Dowód: Wezmy g(x)= ax + b .
E(aX + b)= + b)pi = pi + = a pi + b pi =aEX + b . %
"(axi "axi "bpi "xi "
i i i i i
EX 1
Wnioski: E(X + b)= EX + b dla a=1, E(aX )= aEX dla b=0, E(b)= b dla a=0.
Uwaga:
Je\eli zmienne X i Y są określone na tej samej przestrzeni zdarzeń i EX i EY istnieją, to
E(X +Y )= EX + EY .
Definicja:
k
Liczbę mk = E(X )nazywamy k-tym momentem zwykłym lub momentem zwykłym k-tego
rzędu.
Definicja
k
LiczbÄ™ µ' = E((X - c) ) nazywamy momentem rzÄ™du k wzglÄ™dem staÅ‚ej c.
k
Je\eli c = m1 = EX , to momenty te nazywamy k-tymi momentami centralnymi lub
momentami centralnymi k-tego rzędu.
k k
Momenty centralne oznaczamy: µk = E((X - m1) )= E((X - EX ) ).
Definicja:
2
2
WariancjÄ… zmiennej losowej X nazywamy liczbÄ™ Ã = D2(X )= E((X - E(X )) )= µ2 .
Wariancja to średnia odchyleń kwadratów od wartości oczekiwanej.
2
öÅ‚ 2
1) X rozkÅ‚ad dyskretny D2 X = xi - EX Å" pi = - m) pi m = EX .
ìÅ‚ ÷Å‚
"ëÅ‚ "(xi
i íÅ‚ m Å‚Å‚ i
"
2
2) X rozkład ciągły D2 X = - m) f (x)dx .
+"(x
-"
Twierdzenie:
2
2
D2 X = EX -(EX ) .
2 2 2
2 2
Dowód: D2 X = E((X - EX ) )= E(X - 2EX Å" X -(EX ) )= EX - E(2EX Å" X )+ E((EX ) )=
2 2
2 2
= EX - 2EX Å" EX + (EX ) = EX -(EX ) . %
2
Uwaga: 1) X ma rozkład dyskretny D2 X = pi - m2 ; 2) X ma rozkład ciągły
"xi
i
"
D2 X = x2 f (x)dx - m2 .
+"
-"
Przykład 1: X rozkład liczby orłów w 2-krotnym rzucie monetą.
xi 0 1 2 EX=1
1 2 1 2 1
1 2 1
2
D2 X = pi -1 = 0Å" +1Å" + 4Å" -1 = =
pi
"xi
4 4 4 4 2
4 4 4
i
Przykład 2:
1 1 1
xi -1 0 1 X: EX = -1Å" + 0Å" +1Å" = 0
3 3 3
1 1 1
pi
1 1 2
3 3 3 D2 X = 1Å" +1Å" =
3 3 3
1 1 1
xi -100 0 100
Y: EY = -100Å" + 0Å" +100Å" = 0
3 3 3
1 1 1
pi
1 1 20000
3 3 3
D2Y =10000Å" +10000Å" = .
3 3 3
Przykład 3: Niech zmienna losowa o rozkładzie ciągłym ma taką funkcję gęstości:
0 x < 0
Å„Å‚
f (x)= .
òÅ‚
-x
ółe x e" 0
" "
-x
EX = Å" f (x)dx = dx
+"x +"xe
-" 0
u = x u'= 1
ëÅ‚ öÅ‚
-x -x
÷Å‚ = -xe-x + dx = -xe-x - e-x + c .
+"xe dx = ìÅ‚ ÷Å‚ +"e
ìÅ‚v' e-x
= v = -e-x
íÅ‚ Å‚Å‚
"
H
k k +1 1
EX = xe-xdx = lim[- e-x(x +1)] = limëÅ‚ +1öÅ‚=lim +1 =1
ìÅ‚ ÷Å‚
0
+"
k" k"
- ek Å‚Å‚ k" - ek
íÅ‚
0
" "
2
EX = x2 f (x)dx = x2e-xdx
+" +"
-" 0
ëÅ‚ öÅ‚
u = x2 u'= 2x
2 -x
÷Å‚ -x2e-x + 2 dx = -e-x(x2 + 2x + 2)+ c
=
+"x e-xdx = ìÅ‚ +"xe
ìÅ‚v' e-x
= v = -e-x ÷Å‚
íÅ‚ Å‚Å‚
îÅ‚ Å‚Å‚
ëÅ‚ öÅ‚
2 2
EX = limïÅ‚- e-k ìÅ‚k + 2k + 2÷Å‚ + 2śł = 2
ìÅ‚ ÷Å‚
k"
íÅ‚ 0 Å‚Å‚
ðÅ‚ ûÅ‚
2
D2 X = EX - m2 = 2 -12 = 1.
2
Å„Å‚
ôÅ‚
x e" 1
Przykład 4: Obliczyć wariancję zmiennej losowej o funkcji gęstości: f (x)= .
òÅ‚
x3
ôÅ‚
0 x < 1
ół
îÅ‚ Å‚Å‚
k
" " k
2 2 2
îÅ‚- 2
Å‚Å‚
ïÅ‚ śł
EX = x Å" f (x)dx = x Å" dx = lim dx =lim = lim + 2 = 2
+" +" +"
ïÅ‚ śł
x3 k" x2 k" x k
ðÅ‚ ûÅ‚1 k"ïÅ‚- śł
-" 1 1
ïÅ‚ śł
ðÅ‚ 0 ûÅ‚
"
x f (x)dx
+"
-"
" " k
2 2 k îÅ‚ Å‚Å‚
2
EX = x2 f (x)dx = x2 Å" dx = lim dx =lim[2ln x] = limïÅ‚2ln k - 2ln1śł = +" .
+" +" +" 1
k" k"
x3 k" x
ðÅ‚ 0 ûÅ‚
-" 1 1
Definicja: Odchyleniem standardowym zmiennej losowej X nazywamy à = D2 X .
Własności wariancji:
1) D2c = 0 c-stała,
2) D2(cX )= c2D2(X ),
3) D2(X + b)= D2 X .
2
Dowód 1): D2(c)= E(c2)-(E(c)) = c2 - c2 = 0 .
Dowód 2):
2 2 2 2
2 2 2 2
D2(cX )= E(c2 X )-(E(cX )) = c2EX -(cEX ) = c2EX - c2(EX ) = c2(EX -(EX ) )= c2D2 X
.
2 2 2
D2(x+b)= E((+b) )-(E(x+b)) = E(X2 +2Xb+b2)-(E(X)+b) =
Dowód 3):
2
2 2
= EX + E(2Xb)+ E(b2)-((EX ) + b2 + 2bEX)= EX -(EX ) = D2 X . %
2bEX
b2
Wartość medialna (MEDIANA) i wartość modalna (MODA, DOMINANTA) zmiennej
losowej.
Definicja:
Wartością medialną lub środkową ozn. me nazywamy tę wartość x, dla której spełnione są
1 1
dwie nierówności: P(X e" x)e" , P(X d" x)e" .
2 2
1 1
me = x Ô! P(X e" x)e" '" P(X d" x)e" .
2 2
Twierdzenie:
1
Je\eli X na rozkÅ‚ad ciÄ…gÅ‚y o dystrybuancie F, to me = x Ô! F(x) = .
2
1 1
Dowód: me = x Ô! P(X e" x)e" '" P(X d" x)e"
2 2
1 1 1 1
1) P(X e" x)e" Ô! 1- P(X < x)e" Ô! 1- F(x)e" Ô! F(x)d" .
2 2 2 2
1 1 1 1
2) P(X d" x)e" Ô! P(X < x)+ P(X = x)e" Ô! F(x)+ P(X = x) e" Ô! F(x)e" .
2 2 2 2
0
1
Z 1) i 2) mamy F(x)= . %
2
W przypadku zmiennej o rozkładzie ciągłym wygodniej jest posługiwać się dystrybuantą.
Przykład: X rzut dwoma monetami (ilość orłów).
0 1 2
xi
1 2 1
pi
4 4 4
Przykład: Dany jest rozkład prawdopodobieństwa zmiennej losowej X typu dyskretnego
X:
xi 0 1 2 3 4
pi 0,15 0,2 0,1 0,25 0,3
0 x d" 0
Å„Å‚
ôÅ‚0,15 0 < x d" 1
ôÅ‚
ôÅ‚
ôÅ‚0,35 1 < x d" 2
F(x) = me = 3 mo = 4
òÅ‚
ôÅ‚0,45 2 < x d" 3
ôÅ‚0,7 3 < x d" 4
ôÅ‚
ôÅ‚
ół1 x > 4
Definicja:
Wartością modalną (m0) lub dominantą lub modą zmiennej losowej X o rozkładzie
dyskretnym nazywamy tę jej wartość, której odpowiada największe prawdopodobieństwo.
Definicja:
Wartością modalną (m0) lub dominantą lub modą zmiennej losowej X o rozkładzie ciągłym
nazywamy tę jej wartość, której funkcja gęstości osiąga maximum.
Przykład: Zmienna losowa X ma rozkład ciągły o funkcji gęstości
1
Å„Å‚
sin x dlaî"0 < x d" Ä„
ôÅ‚
f (x) = .
2
òÅ‚
ôÅ‚0 w p.p.
ół
Wyznaczyć wartość medialną i modalną.
1) Wartość medialna:
x
Wyznaczamy dystrybuantÄ™: F(x) = P(X < x) = f (t)dt
+"
-"
x
x d" 0 wtedy F(x) = 0 = 0dt
+"
-"
x
x x x
1 1
îÅ‚
0 < x d" Ą wtedy F(x) = f (t)dt = f (t)dt = sintdt = costłł =
+" +" +"
ïÅ‚- śł
-" 0 0
2 2
ðÅ‚ ûÅ‚0
1 1 1
= - cos x + = [1- cos x]
2 2 2
x x
1
x > Ä„ wtedy F(x) = f (t)dt = sin tdt = 1
+" +"
-" 0
2
0 x d" 0
Å„Å‚
ôÅ‚1
ôÅ‚
F(x) = [1- cos x] 0 < x d" Ä„
òÅ‚
ôÅ‚2
x > Ä„
ôÅ‚
ół1
1
Mamy znalezć taki x gdzie F(x) = .
2
1 1 1 Ä„
F(x) = Ô! (1- cos x) = Ô! 1- cos x = 1 Ô! cos x = 0 Ô! x =
2 2 2 2
Ä„
me =
2
2) Wartość modalna:
1 Ä„
f `(x) = 0 Ô! cos x = 0 Ô! x = gdy 0 < x < Ä„
2 2
3) Wyznaczamy wartość oczekiwaną:
" Ä„ u = x u`= 1
1
EX = x Å" f (x)dx = xsin xdx = =
+" +"
-" 0
2 v`= sin x v = -cos x
Ä„
1 1 Ä„
Ä„ Ä„
ëÅ‚
= [- xcos x] + cos xdxöÅ‚ = (-Ä„ cosÄ„ +[sin x] )=
ìÅ‚ ÷Å‚
0 0
+"
0
íÅ‚ Å‚Å‚
2 2 2
Wartość EX = me = m0. Taki rozkład nazywa się rozkładem symetrycznym.
Inne parametry zmiennych losowych jednowymiarowych.
Charakterystyki liczbowe zmiennej losowej dzielimy na 3 grupy:
1) miary poło\enia:
wartość oczekiwana
kwanty rzędu ą ( w szczególności kwantyl dolny i górny oraz mediana )
moda
2) miary rozproszenia:
wariancja
odchylenie standardowe
odchylenie przeciętne
współczynnik zmienności
3) charakterystyki kształtu
współczynnik skośności (asymetrii)
współczynnik skupienia
Definicja:
Kwantylem rzędu ą gdzie 0<ą<1 zmiennej losowej X nazywamy liczbę qą zdefiniowaną
nierównością: F(qą) d" ą d" F(qą+).
Szczególnym przypadkiem kwantyla jest q0,5 mediana, q0,25 kwartyl dolny oraz
q0,75 kwartyl górny.
Kwantyl qą ma następującą interpretację:
ą masa prawdopodobieństwa zmiennej losowej X nie przekracza liczby qą
Uwaga: Je\eli zmienna losowa X ma rozkład ciągły, to
qÄ…
F(qÄ…) = Ä… Ô! f (x)dx = Ä…
+"
-"
Definicja: Odchyleniem przeciętnym (d) nazywamy liczbę:
d = xi - m pi gdy X ma rozkład dyskretny
"
i
"
d = x - m f (x)dx gdy X ma rozkład ciągły.
+"
-"
o ile szereg lub całka są zbie\ne.
Zarówno odchylenie standardowe jak i przeciętne mówi -o ile przeciętnie ró\nią się wartości
zmiennej od wartości oczekiwanej m.
Wygodnie jest czasem scharakteryzować rozproszenie nie za pomocą odchylenia
standardowego lecz jego stosunku do wartości oczekiwanej.
Definicja: Stosunek odchylenia standardowego do wartości oczekiwanej nazywamy
µ2
à (x)
współczynnikiem zmienności i oznaczamy: V (x) = = .
E(x) m1
Uwaga:
Współczynnik zmienności jest odchyleniem standardowym, gdy EX=1 , inaczej mówiąc
współczynnik zmienności jest miarą rozproszenia, gdy za jednostkę przyjmiemy wartość
oczekiwaną. Mówi on o zró\nicowaniu wartości zmiennej X względem wartości średniej.
Często wyra\any jest w %.
3) Parametry kształtu mówią o kształcie funkcji gęstości (w przypadku zmiennych
losowych o rozkładzie ciągłym) lub te\ kształtu funkcji masy prawdopodobieństwa (w
przypadku zmiennych losowych skokowych).
Wiadomo, \e jeśli zmienna losowa ma rozkład symetryczny i skończoną wartość oczekiwaną,
to wartość oczekiwana jest środkiem symetrii. Wynika stąd, \e dla rozkładu symetrycznego
momenty centralne rzędu nieparzystego są równe zeru. W przypadku rozkładów
niesymetrycznych potrzebne jest czasem ustalenie stopnia asymetrii układu.
3
ëÅ‚ öÅ‚
E(X - m)
ìÅ‚Å‚ = µ3 = µ3 ÷Å‚
Definicja: Liczba ł = nazywa się współczynnikiem
3 3
3
ìÅ‚
à Ã
µ2 ÷Å‚
íÅ‚ Å‚Å‚
asymetrii lub współczynnikiem skośności zmiennej losowej X.
Uwaga:
Dla rozkładu symetrycznego ł=0, jeśli ł>0, to mówimy, \e rozkład jest prawoskośny lub ma
asymetrię dodatnią. Je\eli zaś ł<0, to rozkład jest lewoskośny lub ma asymetrię ujemną.
" Drugim parametrem kształtu jest kurtoza lub inaczej współczynnik spłaszczania lub
współczynnik stromości zmiennej losowej X.
4
ëÅ‚ öÅ‚
E(x - m) µ4 ÷Å‚
ìÅ‚
Definicja: LiczbÄ™ · = nazywa siÄ™ kurtozÄ… zmiennej losowej X.
4 2
ìÅ‚= ÷Å‚
à µ2
íÅ‚ Å‚Å‚
Im wy\sza jest wartość ·, tym wiÄ™ksza jest wysmukÅ‚ość rozkÅ‚adu. Inaczej mówiÄ…c: maÅ‚e
wartoÅ›ci · okreÅ›lajÄ… rozkÅ‚ad spÅ‚aszczony i przyjmuje siÄ™, \e dla rozkÅ‚adu normalnego ·=3,
dla spÅ‚aszczonego ·<3, a dla wysmukÅ‚ego ·>3.
Przy porównaniu dwóch rozkładów stosowana jest miara spłaszczenia zwana ekscesem.
Wartość ekscesy jest równa wartoÅ›ci kurtozy pomniejszonej o 3. JeÅ›li ·-3=0, to rozkÅ‚ad ma
ksztaÅ‚t normalny, je\eli ·-3<0, to rozkÅ‚ad ma ksztaÅ‚t spÅ‚aszczony w stosunku do normalnego,
jeÅ›li zaÅ› ·-3>0, to rozkÅ‚ad ma ksztaÅ‚t bardziej wysmukÅ‚y w stosunku do normalnego.
Eksces informuje, czy koncentracja wokół zmiennej jest mniejsza lub większa ni\ dla
rozkładu normalnego.
Wyszukiwarka
Podobne podstrony:
jurlewicz,probabilistyka, parametry zmiennej losowejPrzekształcenia ciągłe zmiennej losowejMPiS30 W05d Zmienne losowe IIPiS15 W03 Zmienne losowe II 12MPiS cw zmienne losowezmienne losowe22 09 AMPiS cw dwie zmienne losowe3 Zmienne losowe i ich rozkładyrozklad zmiennej losowe metodologia wyk2Rozklad zmiennej losowej zadaniaPiS15 W02k Zmienne losowe ISM15 W02k Zmienne losowe IPiS15 W02d Zmienne losowe Izmienne losowePiS15 W03k Zmienne losowe II2rozklady zmiennej losowejDwuwymiarowe Zmienne Losowe p29więcej podobnych podstron