STATYSTYKA WYKŁAD wybrane rozkłady zmiennych lsoowych

STATYSTYKA WYKŁAD

~ PODSTAWOWE ROZKŁADY ZMIENNYCH LOSOWYCH ~

  1. Podstawowe rozkłady zmiennej losowej skokowej

  1. Rozkład dwupunktowy

  1. Wprowadzenie

  2. Przykładowy wykres funkcji prawdopodobieństwa rozkładu zero-jedynkowego

  1. Rozkład dwumianowy

  1. Wprowadzenie

  2. Uwagi

  3. Przykład

  4. Przykładowy wykres funkcji prawdopodobieństwa rozkładu dwumianowego

  1. Rozkład Poissona

  1. Wprowadzenie

  2. Przykładowe wykresy

  1. Podstawowe rozkłady zmiennej losowej ciągłej

  1. Rozkład jednostajny

  1. Wprowadzenie

  2. Przykładowy wykres

  1. Rozkład normalny

  1. Wprowadzenie

  2. Przykładowe wykresy funkcji gęstości rozkładu normalnego

  3. Własności funkcji gęstości rozkładu normalnego

  4. Przykłady wykresów rozkładu normalnego

  5. Wnioski z przykładu

  6. Przykład innego rozkładu

  7. Rozkład normalny standaryzowany

  8. Wykres funkcji gęstości rozkładu normalnego standaryzowanego

  9. Obliczanie prawdopodobieństwa w rozkładzie normalnym standaryzowanym

  10. Fragment tablicy rozkładu normalnego standaryzowanego

  11. Przykłady prawdopodobieństwa z wykresami

  12. Obliczanie kwantyli w rozkładzie normalnym standaryzowanym

  13. Prawdopodobieństwa w dowolnym rozkładzie normalnym N(μ ,  σ)

  14. Przykład zastosowania

  1. Rozkład chi-kwadrat

  1. Wprowadzenie

  2. Przykładowy wykres

  1. Rozkład Studenta

  1. Wprowadzenie

  2. Przykładowy wykres

  1. Podstawowe rozkłady zmiennej losowej skokowej

W teorii rachunku prawdopodobieństwa najczęściej rozpatrywanymi rozkładami zmiennej losowej skokowej są˛:

  1. Rozkład dwupunktowy

  1. wprowadzenie

zero - jedynkowy z parametrem p.

E(X) = p D2(X) = pq

  1. Przykładowy wykres funkcji prawdopodobieństwa rozkładu

zero-jedynkowego

Na osi odciętych zaznaczone są˛ dwie realizacje zmiennej zero-jedynkowej, tj. 0 i 1, natomiast pionowe odcinki reprezentują prawdopodobieństwa wystąpienia tych realizacji,

tj. q = 1 - p oraz p.

  1. Rozkład dwumianowy

  1. Wprowadzenie

Mówimy, że zmienna losowa X ma rozkład dwumianowy z parametrami n i p, jeśli jej funkcja rozkładu prawdopodobieństwa wyraża się wzorem:

$\mathbf{\text{P\ }}\left( \mathbf{X = x} \right)\mathbf{= \ }\left( \frac{\mathbf{n}}{\mathbf{x}}\mathbf{\ } \right)\mathbf{p}^{\mathbf{x}}\mathbf{q}^{\mathbf{n - x}}$ dla x = 0,1,…..,n

gdzie:

E(X) = np D2(X) = npq

  1. Uwagi

  1. Są dwa możliwe wyniki każdego doświadczenia, nazywane odpowiednio sukcesem i porażka˛.

  2. Prawdopodobieństwo sukcesu, oznaczane symbolem p, jest w każdym doświadczeniu stałe.

  3. Doświadczenia są˛ niezależne, co oznacza, że wynik jednego do świadczenia nie ma wpływu na wyniki pozostałych doświadczeń.

  1. Przykład

Przykład zastosowań rozkładu dwumianowego

  1. dokładnie dwie pralki są wybrakowane

  2. co najwyżej dwie pralki mają wady

  3. żadna pralka nie jest wadliwa

Rozwiązanie.

Ad.1. Prawdopodobieństwo, że dokładnie dwie pralki w wylosowanej próbie 20 sztuk są˛ wadliwe wynosi:


$$\text{P\ }\left( X = 2 \right) = \ \left( \frac{20}{2} \right)\left( 0,05 \right)^{2}\left( 0,95 \right)^{18} = \ \frac{20!}{2!18!}\left( 0,05 \right)^{2}\left( 0,95 \right)^{18}\ \approx 0,189$$

Ad.2. Prawdopodobieństwo, że co najwyżej dwie pralki w próbie 20 sztuk są˛ wadliwe wynosi:

$\text{P\ }\left( \ X \leq 2 \right) = P\ \left( \ X = 0 \right) + P\left( \ X = 1 \right) + P\left( \ X = 2 \right) = \ \left( \frac{20}{0} \right)\left( 0,05 \right)^{0}\left( 0,95 \right)^{20} + \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \left( \frac{20}{1} \right)\left( 0,05 \right)^{01}\left( 0,95 \right)^{19} + \ \left( \frac{20}{2} \right)\left( 0,05 \right)^{2}\left( 0,95 \right)^{18}\ \approx 0,925$

Ad.3. Prawdopodobieństwo, że w próbie nie będzie wadliwych pralek, wynosi:


$$\text{P\ }\left( \ X = 0 \right) = \ \left( \frac{20}{0} \right)\left( 0,05 \right)^{0}\left( 0,95 \right)^{20}\ \approx 0,358$$

E(X) = np = 20  0,05 = 1

Uzyskany wynik można interpretować´ następująco. Średnia liczba wadliwych pralek przypadających na każdą˛ 20-elementowa˛ próbę˛ (tj. próbę˛, która˛ potencjalnie można wylosować wynosi 1.

  1. Przykładowe wykresy funkcji prawdopodobieństwa rozkładu dwumianowego

Objaśnienia do wykresu – analogiczne, jak w przypadku wykresu rozkładu

3 . Rozkład Poissona

  1. Wprowadzenie


$$\text{P\ }\left( \ X = x \right) = \ \frac{\lambda^{x}}{x!}e^{- x}\ \ \ \ \ dla\ x = 0,1,2,\ldots\ldots$$

  1. Przykładowe wykresy

Aproksymacja rozkładu dwumianowego rozkładem Poissona

Wykresy funkcji prawdopodobieństwa rozkładu dwumianowego z parametrami n = 100, p = 0,01 i rozkładu Poissona z parametrem λ = np = 1

Uwaga: Na wykresie przedstawiono prawdopodobieństwa dla x = 0,1,…….,20, z pominięciem pozostałych możliwych realizacji x = 21,……, 100, ze względu na prawdopodobieństwa bliskie 0. Zauważymy, ˙ze prawdopodobieństwa wyznaczone z rozkładu Poissona w tym przypadku dobrze przybliżają˛ prawdopodobieństwa z

rozkładu dwumianowego.

  1. Podstawowe rozkłady zmiennej losowej ciągłej

Do podstawowych rozkładów zmiennej losowej ciągłej zaliczamy:

  1. Rozkład jednostajny

  1. Wprowadzenie


$$\text{f\ }\left( \text{\ x} \right) = \ \left\{ \begin{matrix} \frac{1}{b - a}\ \ \ \ \ dla\ x \in \left\lbrack a,b \right\rbrack \\ 0\ \ \ \ \ \ \ \ \ dla\ pozostalych\ x\ \\ \end{matrix} \right.\ $$


$$\text{E\ }\left( X \right) = \ \frac{b - a}{2}\ \ \ \ \ \ ,\ D^{2}\left( X \right) = \ \frac{1}{12}\left( b - a \right)^{2}$$

  1. Przykładowy wykres

Przykładowy wykres funkcji gęstości rozkładu jednostajnego

  1. Rozkład normalny

  1. Wprowadzenie


$$\text{f\ }\left( X \right) = \ \frac{1}{\sigma\sqrt{2\pi}}e^{- \ \frac{\left( \ x - \ \mu\ \right)^{2}}{{2\sigma}^{2}}\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ dla\ \ x\ \in R}$$

Gdzie μ i σ są˛ dowolnymi parametrami liczbowymi, takimi że μ 2 R i σ > 0.

  1. Przykładowe wykresy funkcji gęstości rozkładu normalnego

  1. Własności funkcji gęstości rozkładu normalnego

Załóżmy, ˙ze iloraz inteligencji w populacji dorosłej części ludzkości ma rozkład zbliżony do normalnego ze średnia˛ _ = 100. Z tego wynika, ze połowa ludzkości jest mądrzejsza od osoby przeciętnie mądrej (czego nie można powiedzieć o drugiej połowie).

  1. Przykłady wykresów rozkładu normalnego

  1. Załóżmy, że na koniec każdego miesiąca obserwujemy stopę˛ zwrotu z akcji XYZ. Na podstawie 12 danych zebranych w ciągu roku rysujemy histogram rozkładu.

  1. Ten sam histogram z licznościami względnymi na osi rzędnych. Krzywa reprezentuje tu funkcję gęstości rozkładu normalnego z wartościami parametrów μ i σ równymi odpowiednio ´średniej i odchyleniu standardowemu stóp zwrotu w badanym zbiorze. Dopasowanie krzywej rozkładu normalnego jest bardzo słabe.

  1. Gdyby obserwacje˛ stóp zwrotu prowadzić´ np. w połowie każdego miesiąca, wówczas zebrane wyniki byłyby inne. Poniżej przykładowy histogram.

  1. Ten sam histogram z licznościami względnymi na osi rzędnych. Dopasowanie krzywej rozkładu normalnego nadal słabe.

  1. Przypuśćmy teraz, że obserwacji stóp zwrotu dokonujemy z większą częstotliwością np. w wybranym dniu każdego tygodnia. Otrzymamy większa˛ liczbę˛ danych. Poniżej przykładowy histogram dla kilkudziesięciu obserwacji.

  1. Ten sam histogram z licznościami względnymi na osi rzędnych. Dopasowanie krzywej rozkładu normalnego nieco lepsze.

  1. Jeśli obserwacje przeprowadzać będziemy w innym dniu tygodnia, wówczas uzyskamy inny zbiór danych. Poniżej – przykładowy histogram.

  1. Ten sam histogram z licznościami względnymi na osi rzędnych oraz krzywa gęstości rozkładu normalnego.

  1. Prowadzać obserwacje˛ z bardzo duża˛ częstotliwością˛, np. kilka razy dziennie przez cały rok, zbierzemy kilkaset lub nawet kila tysięcy wyników obserwacji. Poniżej – ich przykładowy histogram.

  1. Ten sam histogram z licznościami względnymi na osi rzędnych. W tym przypadku dopasowanie krzywej gęstości rozkładu normalnego jest wyraźne.

  1. Wnioski z przykładu

  1. Przykład innego rozkładu

Krzywa gęstości rozkładu z prawostronna˛ asymetria˛

  1. Rozkład normalny standaryzowany


$$\mathbf{\varnothing = \ }\frac{\mathbf{1}}{\sqrt{\mathbf{2\pi}}}\mathbf{e}^{\mathbf{- \ }\frac{\mathbf{x}^{\mathbf{2}}}{\mathbf{2}}\mathbf{\text{\ \ }}}\ \ \ \ \ dla\ x\ \in R$$

  1. Wykres funkcji gęstości rozkładu normalnego standaryzowanego

  1. Obliczanie prawdopodobieństw w rozkładzie normalnym standaryzowanym

  1. Fragment tablicy rozkładu normalnego standaryzowanego

  1. Przykłady prawdopodobieństw z wykresami

  1. Prawdopodobieństwo P(U < x) w rozkładzie N(0, 1) Np. dla x = 1; 37 mamy bezpośrednio z tablicy: P(U<1; 37)=0; 9147

  1. Prawdopodobieństwo P(U x) w rozkładzie N(0, 1)

Dla x = 1, 37 mamy: P(U1, 37)= 1 - P(U < 1, 37) = 1 - 0, 9147 = 0, 0853

  1. Prawdopodobieństwo P(|U| < x) w rozkładzie N(0,1)

P(|U| < 1, 37) = P(-1,37 < U < 1,37) =P(U<1,37) - P(U<-1 37)=

=  ⌀ (1,37) - (-1,37)= (1,37) - (1- (1,37)) = 0,9147 - (1 – 0,9147)=0,8294

  1. Reguła 3 sigm w rozkładzie N(0, 1)

P(|U| < 3• σ) = P(|U| < 3) = P(-3 < U < 3) = P(U<3) - P(U< -3)=

= ⌀(3) - (-3) = (3) - (1 - (3)) = 0,9987 - (1 – 0,9987) = 0,9974

  1. Prawdopodobieństwo P(x < U < y) w rozkładzie N(0, 1)

Obliczymy prawdopodobieństwo P(x < U < y) dla zadanych wartości x, y.

Niech x = 0, y = 1,43. Mamy wówczas:

P(0 < U < 1,43) =P(U<1,43) - P(U<0)= ⌀ (1,43) - (0) = 0,9236 – 0,5 = 0,4236:

l) Obliczanie kwantyli w rozkładzie normalnym standaryzowanym

1. Na podstawie tablic rozkładu normalnego standaryzowanego możemy także łatwo odczytać, dla jakiego u zachodzi równość:

p = P(U < u)

gdzie p jest zadana˛ liczba˛ z przedziału (0,1).

2. Punkt u spełniający powyższa˛ równość´ nazywamy kwantylem rozkładu normalnego standaryzowanego rzędu p.

3. Przykładowo, znajdziemy kwantyl rzędu 0,9 dla rozkładu normalnego standaryzowanego.

4. Z definicji, jest to taka˛ wartość´ u, dla której P(U<u)=0,9. Na podstawie danych w tablicy wnioskujemy, iż szukany kwantyl jest równy: u  ≈ 1, 28

Ilustracja graficzna

Równość P(U<u)=0; 9 zachodzi dla u  ≈ 1, 28

Wyznaczanie kwantyli dla rozkładu N(0, 1) – c.d.

Znajdziemy, jakiego rzędu jest kwantyl u rozkładu N(0,1), spełniający równość:

P(|U| <u)=1 - α dla zadanego α = 0, 05. Następnie znajdziemy ten kwantyl.

Mamy:


1 −   ∝   = P(|U|<u) = P(U<u) − P(U< −u) = P(U<u) − (1−P(U<u)) = 2P(U<u) − 1  

Oznaczając p = P(U<u), otrzymujemy:


$$\mathbf{2}\mathbf{p - 1 = 1 - \ \propto \ \ \ ,\ stad\ \ p = 1 - \ }\frac{\mathbf{\propto}}{\mathbf{2}}$$

Wynika z tego, ˙ze u jest kwantylem rzędu:


$$p\mathbf{= 1 - \ }\frac{\mathbf{\propto}}{\mathbf{2}}\mathbf{= 1 - \ }\frac{\mathbf{0,05}}{\mathbf{2}}\mathbf{= 0,975}$$

Na podstawie tablicy otrzymujemy natychmiast: u  ≈  1, 96.

  1. Prawdopodobieństwa w dowolnym rozkładzie normalnym N(μ ,  σ)


= 1  (1)=0,8413

Ilustracja graficzna

Prawdopodobieństwo F(8) = P(X < 8) w rozkładzie N(10,2)

Zmienna X po standaryzacji $\frac{\mathbf{X - 10}}{\mathbf{2}}\mathbf{\ }$ma rozkład N(0,1). Zaznaczone pola są˛ równe

  1. Przykład zastosowania


$$\text{P\ }\left( X < 0 \right) = P\left( \frac{X - 80}{45} < \ \frac{0 - 80}{45} \right) = P\left( U < \ - 1,75 \right) = \ \varnothing\left( - 1,78 \right) = 1 - \ \varnothing\left( 1,78 \right) = 1 - 0,9625 = 0,0375$$

  1. Rozkład chi-kwadrat

  1. Wprowadzenie


$$\mathbf{Z = \ }\sum_{\mathbf{i = 1}}^{\mathbf{k}}\mathbf{U}_{\mathbf{1}}^{\mathbf{2}}$$

gdzie U1,U2,…..,Uk są˛ niezależnymi zmiennymi losowymi, każda o rozkładzie N(0,1).

  1. Przykładowy wykres funkcji gęstości rozkładu chi-kwadrat

  1. Rozkład Studenta

  1. Wprowadzenie


$$\mathbf{t = \ }\frac{\mathbf{U}}{\sqrt{\mathbf{Z}}}\sqrt{\mathbf{k}}$$

gdzie U i Z są˛ niezależnymi zmiennymi losowymi, przy czym U ma rozkład N(0,1), natomiast Z – rozkład chi-kwadrat o k stopniach swobody.

  1. Przykładowy wykres funkcji gęstości rozkładu Studenta


Wyszukiwarka

Podobne podstrony:
Rajfura A, Statystyka Wyklad 04 ROZKLAD CIAGLY 2012 13
03 Wykład 3 Podstawowe rozkłady zmiennych losowychid 4224
STATYSTYKA WYKŁAD wybrane testy istotnosci
Wybrane rozklady zmiennych lsowych
rozkład zmiennych losowych itp., statystyka matematyczna(1)
statystyka wykłady, Wyklad5-6, Rozkład normalny
Rozkłady zmiennych losowych, Finanse i rachunkowość, Statystyka
statystyka, Rozklady zmiennych losowych, ROZKŁADY ZMIENNYCH LOSOWYCH SKOKOWYCH
Metodologia z elelmentami statystyki dr Grzegorz Sędek wykład 9b Rozkład normalny
Metodologia z elelmentami statystyki dr Grzegorz Sędek wykład 6c Rozkład normal
2Wb Wykład 03 03 2015 ROZKŁAD ZMIENNEJ
3Wa Wykład 13 03 2015 ROZKŁAD ZMIENNEJ
z 2Ca Wykład 13 03 I 20 03 2015 ROZKŁAD ZMIENNEJ
z 2Wc Wykład 06 03 2015 ROZKŁAD ZMIENNEJ

więcej podobnych podstron