UWAGI O ROZKŁADZIE FUNKCJI ZMIENNEJ LOSOWEJ.
X - dana zmienna losowa ciągła o gęstości f.Y = g(X) g - borelowska, tzn. g-1(B) ∈B(R) dla B ∈B(R), Wyznaczyć gęstość g(y) zmiennej losowej Y.
1) Jeśli g - ściśle monotoniczna i różniczkowalna w przedziale (a, b) koncentracji X to:
(
(
)
)
(
)
)
(
y
f
h
y
h
'y
g
=
gdzie h = g-1.
Należy pamiętać o przekształceniu przedziału koncentracji. Przykład. Y = aX + b, wtedy a a b y f y g( ) 1 − = , Przykład.
Jeśli X ma rozkład o gęstości
> ≤ = − 0 0 0 ) ( x e x x f x dla dla 2 − = X Y , wtedy h(y)= y
(
+2)
2, h′(y)=2(
y+2)
, g(0) = -2, g(∞) = ∞, − > + − ≤ = + − 2 ) 2 ( 2 2 0 ) ( ( 2)2 x e y x y g y dla dla ,2) Jeśli g - przedziałami ściśle monotoniczna i różniczkowalna w przedziale (a, b) koncentracji X to:
(
)
∑
==
k i i iy
h
y
h
f
y
g
1 ')
(
)
(
)
(
gdzie hi - funkcje odwrotne do g dla poszczególnych przedziałów,
k - liczba wartości funkcji odwrotnej odpowiadających danemu y.
Przykład. Y = |X|, wtedy g(y)= f
(
−y)
+ f( )
y y>0, Przykład. Y = X2, wtedy(
)
( )
0 2 1 2 1 ) ( = − + y> y y f y y f y g ,Jeśli X - skokowa, o funkcji prawdopodobieństwa P(X = xi) = pi, g - dowolna to funkcja
prawdopodobieństwa zmiennej losowej Y = g(X) ma postać:
g(x1) g(x2) ... g(xk)
p1 p2 ... pk
Po uporządkowaniu rosnąco wartości g(xi) i zsumowaniu odpowiednich prawdopodobieństw.
(
)
{ }(
)
{∑
= } {∑
= } = = = = = = = = = y x g i i y x g i i y x g i i i i i p x X P x X P y X g P y Y P ) ( : ) ( : ) ( : ) ) ( ( ) (U
Przykład.X - zmienna losowa skokowa o funkcji prawdopodobieństwa:
-4 -2 -1 0 1 2
0,4 0,1 0,1 0,1 0,1 0,2
wyznaczymy funkcję prawdopodobieństwa zmiennej losowej Y = sgnX . sgn(-4) = sgn(-2) = sgn(-1) = -1.
sgn(0) = 0.
sgn(1) = sgn(2) = 1.
Zatem funkcja prawdopodobieństwa zmiennej losowej Y jest następująca
-1 0 1
0,6 0,1 0,3
W niektórych zagadnieniach wyznaczania rozkładu funkcji zmiennej losowej najpierw wyznaczamy dystrybuantę rozkładu zmiennej losowej Y = g(X), wg schematu
(
Y y)
P(
g X y)
P(
X g(
y)
y)
Py
FY( )= < = ( )< = ∈ −1 (−∞, ) <
następnie jeśli to możliwe, wyznaczamy funkcję prawdopodobieństwa (gdy jest to rozkład skokowy) lub gęstość (gdy jest to rozkład ciągły).
Przykład. Jeśli X ma rozkład o gęstości
[
]
[
]
∈ ∉ = 3 , 0 3 1 3 , 0 0 ) ( x x x f dla dla (rozkład jednostajny na [0, 3])(
X)
Y =max 2, , wtedy(
)
(
)
> ≤ < ≤ = < = < = 3 y dla 3 y dla 2 y dla 1 2 3 1 0 ) , 2 max( ) (y PY y P X y y FYNie jest to ani rozkład skokowy ani ciągły. Nie można więc wyznaczyć ani funkcji prawdopodobieństwa ani gęstości.
Jest to rozkład mieszany skokowo - ciągły i zgodnie z twierdzeniem o rozkładzie dystrybuanty powyższą dystrybuantę można przedstawić w postaci
2 2 1 1F cF c FY = + gdzie c1 = 2/3, > ≤ = 2 y dla 2 y dla 1 0 ) ( 1 y F , c2 = 1/3, > ≤ < ≤ = 3 y dla 3 y dla 2 -y 2 y dla 1 2 0 ) ( 2 y F ,
Funkcje zmiennych losowych 2 wymiarowych. (X1, X2) - dana zmienna losowa ciągła o gęstości f.
Y = g(X1, X2) g - borelowska, Dystrybuanta tej zmiennej losowej ma postać
( ) 2 1 ) , ( 2 1 2 1 ) , ( ) (y f x x dxdx G y x x g
∫∫
< =gęstość g(y) wyznaczamy przez różniczkowanie. Przykład. Y = X1⋅X2 , 1 0 / 2 2 1 1 0 / 2 2 1 2 1 2 1 1 1 2 1 ) , ( ) , ( ) , ( ) (y f x x dxdx f x x dx dx f x x dx dx G x y x y y x x
∫ ∫
∫ ∫
∫∫
∞ ∞ − ∞ − ∞ < ⋅ + = = wtedy g( y)= dx x y x f x dx x y x f x∫
∫
∞ ∞ − + 0 0 ) , ( 1 ) , ( 1 Przykład.(X1, X2) - zmienna losowa o rozkładzie jednostajnym w kwadracie (0, 1) x (0, 1). Wyznaczyć rozkład pola prostokąta o bokach x1, x2 tzn. zmiennej losowej
Y = X1⋅X2 . ) ln 1 ( 1 1 ) ( 1 1 1 / 2 2 1 2 1 1 2 1 2 1 y y dx dx dx dx dx dx y G y y x y x x y x x − = − = − = =
∫∫
∫∫
∫ ∫
≥ ⋅ < ⋅ dla 0 < y ≤ 1 stąd < ≤ < − ≤ = y dla y dla y y y dla y G 1 1 1 0 ) ln 1 ( 0 0 ) (zatem g(y) = -lny dla 0 < y ≤ 1 Przykład. Y = X2/X1 , 1 0 2 2 1 1 0 2 2 1 1 1 ) , ( ) , ( ) (y f x x dx dx f x x dx dx G x y x y
∫ ∫
∫ ∫
∞ ⋅ ∞ − ∞ − ∞ ⋅ + = wtedy g y∫
xf x yxdx∫
∞xf x yxdx ∞ − + − = 0 0 ) , ( ) , ( ) ( Przykład.X1, X2 - niezależne zmienne losowe. X1 - N(0, σ1), X2 - N(0, σ2). Niech 1 1 1 ~ σ X X = , 2 2 2 ~ σ X X = (mają rozkład N(0, 1).
(
2)
0 2 / ~ 2 / 0 /2 ~ /2 ~ 1 1 2 2 2 2 ) ~ ( ~ 2 2 2 2 y dx e e x dx e e x y g x y x x y x + = ⋅ ⋅ + ⋅ ⋅ − =∫
∫
∞ − − ∞ − − −π
π
π
π
π
(rozkład Cauchy'ego)i korzystając funkcji liniowej od zmiennej losowej
2 1 ~ σ σ Y Y = mamy
+ = 2 2 1 2 1 2 1 1 ) ( σ σ σ σ π y y g Przykład. Y = X1 + X2 , 1 2 2 1 1 ) , ( ) (y f x x dx dx G x y
∫ ∫
∞ ∞ − − ∞ − = wtedy g( y)=∫
f x y xdx∫
f y x xdx ∞ ∞ − ∞ ∞ − − = − ) ( , ) , ( Uwaga.Jeśli X1, X2 - niezależne zmienne losowe to gęstość sumy wyraża się splotem gęstości brzegowych (p. dalej). Przykład. Y = X1 - X2 , wtedy
g
( y
)
=
∫
f x x y dx∫
f x y xdx ∞ ∞ − ∞ ∞ − − = − ) ( , ) , (Suma niezależnych zmiennych losowych. Własności:
1) X, Y niezależne skokowe zmienne losowe o funkcjach prawdopodobieństwa P(X = xi), P(Y = yj); wtedy funkcja prawdopodobieństwa zmiennej losowej X + Y wyraża się wzorem:
P(Z = zk) = ∑ P(X = xi)P(Y = zk - xj); (zk = xi + yj)
2) X, Y niezależne ciągłe zmienne losowe o gęstościach f1 i f2 ; wtedy gęstość zmiennej losowej X + Y wyraża się wzorem:
dt t f t x f dt t x f t f x f( )
∫
1( ) 2( )∫
1( ) 2( ) ∞ ∞ − ∞ ∞ − − = − =(splot gęstości składników).
Funkcje zmiennych losowych n - wymiarowych. Przykład.
System składa się n układów z których każdy ma czas bezawaryjnej pracy określony rozkładem wykładniczym Xi o parametrze ai niezależnym od pozostałych układów. Wyznaczyć rozkład bezawaryjnego czasu pracy całego systemu (system działa jeśli pracuje chociaż jeden układ).
Y = X1 + X2 + X3 + ....+ Xn, Przez indukcję pokazuje się, że Y ma rozkład o gęstości:
= ) ( y g
( )
(
)
∑
∏
∏
= ≠ = − = − − − n j n j k k k j y a n i i n a a e a j 1 1 1 1 1 dla y > 0wtedy G( y)=
( )
(
)
∑
∏
∏
= ≠ = − = − − − − n j n j k k k j y a n i i n a a e a j 1 1 1 1 1 1Otrzymany rozkład nazywamy uogólnionym rozkładem Erlanga n - tego rzędu Tn.
∑
∑
= = = = n k k n k i n a T E T E 1 1 1 ) (∑
∑
= = = = n k k n k i n a T D T D 1 2 1 2 2 1 ) ( gdy a1 = a2 = ... = an =λ to = ) ( y g(
1
,
)
0
)!
1
(
)
(
1>
−
=
−
− −t
t
n
P
e
n
t
t nλ
λ
λ
λ
λ dla y > 0 gdzie P(n-1, λt) jest rozkładem Poissona.Przykład. Y = min(X1 , X2 ) ) , ( ) ( ) ( ) (y F1 y F2 y F y y G = + − wtedy g( y)= f y f y
∫
y f y xdx∫
y f x ydx ∞ − ∞ − − − + ( ) ( , ) ( , ) ) ( 2 1 Uwaga.Jeśli X1, X2 - niezależne zmienne losowe to: ) ( ) ( ) ( ) ( ) (y F1 y F2 y F1 y F2 y G = + − ⋅
=
)
( y
g
f1(y)(1−F2(y))+ f2(y)(1−F1(y))Jeśli X1, X2 - niezależne zmienne losowe o takim samym rozkładzie to: )) ( 2 )( ( ) (y F y F y G = − wtedy
g
( y
)
=
2f (y)(1−F (y)) Przykład. Y = max(X1 , X2 ) ) , ( ) (y F y y G = wtedy g( y)=∫
y f y xdx∫
y f x ydx ∞ − ∞ − + ( , ) ) , ( Uwaga.Jeśli X1, X2 - niezależne zmienne losowe o takim samym rozkładzie to: ) ( ) (y F2 y G = wtedy
g
( y
)
=
2f (y)F (y) Przykład.Jeśli X1, X2, …, Xn - niezależne zmienne losowe o dystrybuantach F1, F2, …, Fn, wtedy zmienna losowa a) Y = max(X1 , X2,…, Xn) ma rozkład o dystrybuancie ) ( ... ) ( ) ( ) , ,...., , ( ) ) ,..., , (max( ) ( ) ( 2 1 2 1 2 1 y F y F y F y X y X y X P y X X X P y Y P y G n n n ⋅ ⋅ ⋅ = = < < < = < = < =
Np. gdy X1, X2, …, Xn mają niezależne rozkłady jednostajne na przedziale (0, 1), to > ≤ < ≤ = 1 dla 1 1 0 dla 0 dla 0 ) ( y y y y y G n
Gęstość tego rozkładu wyraża się wzorem
< < ≥ ≤ = − 1 0 dla 1 0 dla 0 ) ( 1 y ny y oraz y y f n b) Y = min(X1 , X2,…, Xn) ma rozkład o dystrybuancie
[
(1 ( )) (1 ( )) ... (1 ( ))]
1 ) , ,...., , ( 1 ) ( 1 ) ( ) ( 2 1 2 1 y F y F y F y X y X y X P y Y P y Y P y G n n − ⋅ ⋅ − ⋅ − − = = ≥ ≥ ≥ − = ≥ − = < =Np. gdy X1, X2, …, Xn mają niezależne rozkłady jednostajne na przedziale (0, 1), to
> ≤ < − − ≤ = 1 dla 1 1 0 dla ) 1 ( 1 0 dla 0 ) ( y y y y y G n
Gęstość tego rozkładu wyraża się wzorem
< < − ≥ ≤ = − 1 0 dla ) 1 ( 1 0 dla 0 ) ( 1 y y n y oraz y y f n
Rozkłady funkcji od rozkładu normalnego. (X1 , X2 , X3 ,...., Xn) - rozkład normalny.
Y = g(X1 , X2 , X3 ,...., Xn), należy wyznaczyć rozkład Y. Przykład. Y = a1X1 + a2X2 + a3X3 +....+ a3Xn + b n = 2 2 2 2 ) ( 2 1 ) ( y y m y y e y g σ π σ − − = gdzie: my = a1m1 + a2m2 + b, 1 2 1 2 2 2 2 2 2 1 2 1 2 2 σ σ σ σ σy =a +a + a a r ,
Przez indukcję można pokazać, że dla dowolnego n Y ma rozkład normalny o parametrach: my = a1m1 + a2m2 + ... +anmn + b,
∑
∑
< + = j i j i ij j i i i y a σ a a rσ σ σ2 2 2 2 , Przykład. X1 , ..., Xn - niezależne, o rozkładzie N(0, 1). Yn=X12+ +Xn2.... ma rozkład chi kwadrat
N n∈ ≤ > Γ = − − 0 0 0 2 2 ) ( 2 2 1 2 x x n e y y f n y n EX = n; D2X = 2n
Przykład.
X - N(m, σ), Y = eX
Ma rozkład logarytmiczno-normalny.
Nazwa pochodzi stąd, że X = lnY ma rozkład normalny.
ZADANIA
Zadanie 1
Wyznaczyć rozkład sumy dwóch niezależnych zmiennych losowych o rozkładzie Poissona z parametrami λ1, λ2.
(odp. Jest to rozkład Poissona z parametrem λ1 + λ2) Zadanie 2
Wyznaczyć rozkład różnicy dwóch niezależnych zmiennych losowych o rozkładzie wykładniczym z parametrem a.
(odp. Jest to rozkład Laplace'a: ( ) 2
y a ae y g − = ) Zadanie 3
System składa się z 2 układów z których każdy ma czas bezawaryjnej pracy określony rozkładem wykładniczym Xi o parametrze ai niezależnym od drugiego układu. Wyznaczyć rozkład bezawaryjnego czasu pracy całego systemu (system działa jeśli oba układy pracują). Y = min(X1 , X2 )
Odp. Jest to rozkład wykładniczy o parametrze a1 + a2. Zadanie 4
System składa się z 2 układów, czas włączenia tych układów ma rozkład wykładniczy Xi o parametrze ai niezależnym od drugiego układu. System zaczyna działać dopiero gdy włączą się oba układy. Wyznaczyć rozkład czasu rozpoczęcia pracy całego systemu. Y = max(X1 , X2 ). (odp. ( )= 1 1
(
1− 2)
+ 2 2(
1− 1)
>0 − − − − e a e e y e a y g ay a y ay ayNie jest to rozkład wykładniczy) Zadanie 5
Wyznaczyć gęstość rozkładu logarytmiczno-normalnego.
(odp. 0 2 1 ) ( 2 2 2 ) (ln ≥ = − − y e y y g m y σ π σ ) Zadanie 6
Wykonujemy niezależnie pomiar oporności R oraz prądu I (znamy błędy względne a R DR R= = δ , b I DI I= =
δ ). Następnie na tej podstawie chcemy ocenić poziom napięcia U = I⋅R, oraz wartość mocy P = I2R.
(odp. Y = (U, P) = T(R, I) gdzie = ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ = IR I R I I P R P I U R U T 2 2 , + + + + = 2 2 3 2 2 2 4 2 2 3 2 2 2 2 2 2 ) 4 ( ) 2 ( ) 2 ( ) ( R I b a R I b a R I b a R I b a KY , 2 2 2 2 2 2 4 2 b a b a b a + + + = ρ ) Zadanie 7
Przy równoległym łączeniu ogniw prąd w obwodzie określony jest wzorem:
n
W
R
E
I
+
=
E - siła elektromotoryczna ogniwa, W - jego opór wewnętrzny, n - ilość ogniw, R - opór zewnętrzny.
Wyznaczyć wartość oczekiwaną i wariancję prądu jeśli E, R, W są niezależne i dane są ich wartości oczekiwane oraz odchylenia standardowe.
Zadanie 8
X, Y - niezależne zmienne losowe o rozkładzie określonym funkcją prawdopodobieństwa P(X = 0) = 1/2, P(X = 1) = 3/8, P(X = 2) = 1/8,
Wyznacz funkcję prawdopodobieństwa zmiennej losowej X + Y.
Zadanie 9
a) X, Y - niezależne zmienne losowe o rozkładzie jednostajnym w [0, 1].
Wyznacz gęstość zmiennej losowej X + Y. Wyznacz parametry tej zmiennej losowej. b) X, Y, Z - niezależne zmienne losowe o rozkładzie jednostajnym w [0, 1].
Wyznacz gęstość zmiennej losowej X + Y + Z. Wyznacz parametry tej zmiennej losowej. Zadanie wykonaj stosując splot gęstości a wynik sprawdź za pomocą funkcji charakterystycznych.
Naszkicuj i porównaj wykresy gęstości zmiennych losowych
X, X + Y, X + Y + Z.
Zauważ, że gdy rośnie liczba rozpatrywanych składników, wykres gęstości staje się podobny do krzywej Gaussa.
Zadanie 10
X - zmienna losowa odpowiadająca mierzonej wielkości (zakładamy, że ma rozkład jednostajny w [0, 8]), Y - niezależna od X zmienna losowa opisująca błąd pomiaru (zakładamy, że ma rozkład normalny N(0, 1)).
Wyznacz gęstość zmiennej losowej odpowiadającej wynikowi pomiaru U = X + Y. Wyznacz parametry tej zmiennej losowej.
Zadanie wykonaj stosując splot gęstości a wynik sprawdź za pomocą funkcji charakterystycznych.
Naszkicuj wykres gęstości zmiennej losowej X + Y.