ZMIENNE LOSOWE
JJ, IMiF UTP
27
Zmienna losowa
DEFINICJA. Załóżmy, że Ω jest przestrzenią zdarzeń elementarnych danego doświadczenia. Zmienną losową nazywamy funkcję X (e)
przyporządkowującą każdemu zdarzeniu elementarnemu e ∈ Ω dokładnie jedną liczbę X (e) = x .
Jeżeli zbiór wartości jakie przyjmuje funkcja X jest przeliczalny (tzn.
skończony lub równoliczny ze zbiorem liczb naturalnych), to zmienna losowa jest dyskretna (skokowa).
Jeżeli zbiór wartości jakie przyjmuje funkcja X jest przedziałem, to zmienna losowa jest ciągła.
Zmienna losowa
PRZYKŁAD 1A . Rzucamy raz monetą.
Zbiór zdarzeń elementarnych to Ω = {r , o}, gdzie r to zdarzenie
elementarne (nie dające się „podzielić” na zdarzenia prostsze) polegające na wyrzuceniu reszki, a o na wyrzuceniu orła.
Zmienną losową możemy określić inaczej, na przykład:
X (r ) = −30, X (o) = 50. Wtedy
P(X = −30) = P(r ) = 1 2 P(X = 50) = P(o) = 1
2.
Zmienna losowa
PRZYKŁAD 1A . Rzucamy raz monetą.
Zbiór zdarzeń elementarnych to Ω = {r , o}, gdzie r to zdarzenie
elementarne (nie dające się „podzielić” na zdarzenia prostsze) polegające na wyrzuceniu reszki, a o na wyrzuceniu orła.
Zmienną losową możemy określić inaczej, na przykład:
X (r ) = −30, X (o) = 50. Wtedy
P(X = −30) = P(r ) = 1 2 P(X = 50) = P(o) = 1
2.
Zmienna losowa
PRZYKŁAD 1A . Rzucamy raz monetą.
Zbiór zdarzeń elementarnych to Ω = {r , o}, gdzie r to zdarzenie
elementarne (nie dające się „podzielić” na zdarzenia prostsze) polegające na wyrzuceniu reszki, a o na wyrzuceniu orła.
Zmienną losową możemy określić jako
X (r ) = 1, X (o) = 0.
Wtedy
P(X = 1) = P(r ) = 1 2
P(X = 0) = P(o) = 1 2.
Zmienną losową możemy określić inaczej, na przykład: X (r ) = −30, X (o) = 50. Wtedy
P(X = −30) = P(r ) = 1 2 P(X = 50) = P(o) = 1
2.
Zmienna losowa
PRZYKŁAD 1A . Rzucamy raz monetą.
Zbiór zdarzeń elementarnych to Ω = {r , o}, gdzie r to zdarzenie
elementarne (nie dające się „podzielić” na zdarzenia prostsze) polegające na wyrzuceniu reszki, a o na wyrzuceniu orła.
Zmienną losową możemy określić jako
X (r ) = 1, X (o) = 0.
Wtedy
P(X = 1) = P(r ) = 1 2
P(X = 0) = P(o) = 1 2.
Zmienną losową możemy określić inaczej, na przykład: X (r ) = −30, X (o) = 50. Wtedy
P(X = −30) = P(r ) = 1 2 P(X = 50) = P(o) = 1
2.
Zmienna losowa
PRZYKŁAD 1A*. Rzucamy raz monetą.
Zbiór zdarzeń elementarnych to Ω = {r , o}, gdzie r to zdarzenie
elementarne (nie dające się „podzielić” na zdarzenia prostsze) polegające na wyrzuceniu reszki, a o na wyrzuceniu orła.
Zmienną losową możemy określić inaczej, na przykład:
X (r ) = −30, X (o) = 50.
Wtedy
P(X = −30) = P(r ) = 1 2 P(X = 50) = P(o) = 1
2.
Dystrybuanta
DEFINICJA. Dystrybuanta zmiennej losowej X to funkcja F (x ) = P(X ¬ x ).
WŁASNOŚCI.
1 F (x ) jest funkcją niemalejącą;
2 0 ¬ F (x ) ¬ 1;
3 limx →−∞F (x ) = 0;
4 limx →∞F (x ) = 1.
x y
0 1
Funkcja gęstości
UWAGA.
Zmienną losową skokową charakteryzujemy rozkładem (funkcją
prawdopodobieństwa), a zmienną losową ciągłą charakteryzujemy funkcją gęstości.
OZNACZENIE. Niech X będzie zmienną skokową.
Gdy zmienna X przyjmuje n (skończenie wiele) wartości,
to zapis Pi oznacza Pni =1, w przeciwnym razie Pi oznacza P∞i =1.
Funkcja gęstości
DEFINICJA.
Funkcja prawdopodobieństwa zmiennej losowej skokowej X , to
P(X = xi) = pi, gdzie Pipi = 1.
DEFINICJA. Funkcja gęstości prawdopodobieństwa zmiennej losowej ciągłej X , to funkcja f (x ) o dziedzinie R spełniająca warunki:
f (x ) 0, Z ∞
−∞
f (x )dx = 1.
WTEDY: Rabf (x )dx = P(a < X ¬ b) dla a < b.
Rozkład
PRZYKŁAD 2A.
Rzucamy sześcienną kostką do gry. Zbiór zdarzeń elementarnych Ω to zbiór wszystkich wyników. Jeśli wi oznacza „wyrzucenie i oczek”, to
Ω = {w1, w2, w3, w4, w5, w6}.
Zmienną losową określimy następująco:
X (wi) = i , dla i = 1, . . . , 6.
Rozkład tej zmiennej losowej jest taki:
P(X = i ) = P(wi) = 1
6 dla i = 1, . . . , 6.
Funkcja gęstości
PRZYKŁAD 3A.
Metro pewnej linii kursuje regularnie co 10 minut. Pasażer przychodzi w przypadkowym momencie na peron. Obliczyć prawdopodobieństwo zdarzenia, że czas oczekiwania będzie między jedną minutą a trzema minutami.
Oznaczmy przez X zmienną losową określającą czas (w minutach) oczekiwania na metro. Czas oczekiwania jest zmienną losową ciągłą przyjmującą wartości z przedziału [0, 10].
Funkcja gęstości
Funkcja gęstości:
f (x ) = 0, dla x < 0;
f (x ) = s, dla 0 ¬ x ¬ 10;
f (x ) = 0, dla x > 10, gdzie s = 101, ponieważ
1 = Z ∞
−∞f (x )dx = Z 10
0
sdx =sx100 = 10s.
x y
0 1 10
Funkcja gęstości
x y
0 1 3
P(1 < X ¬ 3)= Z 3
1
f (x )dx = Z 3
1
0, 1 dx =0, 1x ]31 = 0, 2.
Funkcja gęstości
x y
0 1 3
P(1 < X ¬ 3)= Z 3
1
f (x )dx = Z 3
1
0, 1 dx =0, 1x ]31 = 0, 2.
Dystrybuanta
DEFINICJA. Dystrybuanta zmiennej losowej skokowej X , to funkcja F (x ) = P(X ¬ x ) = X
xi¬x
pi.
DEFINICJA. Dystrybuanta zmiennej losowej ciągłej X , to funkcja F (x ) = P(X ¬ x ) =
Z x
−∞f (x )dx .
Dystrybuanta
PRZYKŁAD 2B.
Dysrtybuanta zmiennej losowej X z przykładu 2A, to F (x ) = 0 dla x < 1, F (x ) = 1
6 dla 1 ¬ x < 2, F (x ) = 2
6 dla 2 ¬ x < 3, F (x ) = 3
6 dla 3 ¬ x < 4, F (x ) = 4
6 dla 4 ¬ x < 5, F (x ) = 5
6 dla 5 ¬ x < 6, F (x ) = 1 dla x 6.
x y
0 1
Wartość oczekiwana
DEFINICJA.
Wartość oczekiwana (przeciętna) zmiennej losowej skokowej X , to
E (X ) =X
i
xipi.
DEFINICJA.
Wartość oczekiwana (przeciętna) zmiennej losowej ciągłej X , to E (X ) =
Z ∞
−∞
xf (x )dx .
Wartość oczekiwana
E (X ) =X
i
xipi.
PRZYKŁAD 2C.
Wartość oczekiwana zmiennej losowej X z przykładu 2A, to
E (X ) =
6
X
i =1
xipi
= 1 · 1
6+ 2 ·1
6 + 3 · 1
6+ 4 ·1
6 + 5 ·1
6 + 6 ·1
6 = 3, 5.
Wartość oczekiwana
E (X ) =X
i
xipi.
PRZYKŁAD. Zmienna losowa X przyjmuje wartość xi = 3−i z prawdopodobieństwem pi = 2−i dla i = 1, 2, . . . .
Wartość oczekiwana tej zmiennej to E (X ) =
∞
X
i =1
xipi =
∞
X
i =1
3−i· 2−i =
∞
X
i =1
1 6
i
= 1 6 · 1
1 −16 = 1 5.
Wartość oczekiwana
E (X ) =
Xn
x
np
n.
PRZYKŁAD. Zmienna losowa X przyjmuje wartość xn= 4n!n z prawdopodobieństwem pn= 21n dla n = 1, 2, . . . .
Wartość oczekiwana tej zmiennej to E (X ) =
∞
X
n=1
xnpn=
∞
X
n=1
4n n! · 1
2n =
∞
X
n=1
2n
n! = e2− 1.
Wartość oczekiwana
E (X ) =
Xk
x
kp
k.
PRZYKŁAD. Zmienna losowa X przyjmuje wartość xk = −1k · (−2)k z prawdopodobieństwem pk = 21k dla k = 1, 2, . . . .
Wartość oczekiwana tej zmiennej to
E (X ) =
∞
X
k=1
xkpk =
∞
X
k=1
−1 k
· (−2)k· 1
2k = 1 −1 2+1
3−1 4+1
5− · · · = ln 2.
Wartość oczekiwana
E (X ) = Z ∞
−∞
xf (x )dx .
PRZYKŁAD 3C.
Wartość oczekiwana zmiennej losowej X z przykładu 3A, to E (X ) =
Z ∞
−∞
xf (x )dx = Z 10
0
0, 1xdx = 1
20x2100 = 100 20 = 5.
Oznacza to, że jeżdżąc często tą linią metra przeciętnie będziemy czekali 5 minut.
Wariancja
DEFINICJA. Wariancja zmiennej losowej skokowej X , to liczba D2(X ) = E [X − E (X )]2 =X
i
xi − E (X )2pi
lub (równoważnie)
D2(X ) = E (X2) − [E (X )]2 =X
i
xi2pi − [E (X )]2.
DEFINICJA. Wariancja zmiennej losowej ciągłej X , to D2(X ) =
Z ∞
−∞
x − E (X )2f (x )dx lub (równoważnie)
D2(X ) = Z ∞
−∞
x2f (x )dx − [E (X )]2.
Wariancja
PRZYKŁAD 2D. Wariancja zmiennej losowej X z przykładu 2A, to D2(X ) = E [X − E (X )]2
= 1
6(1 − 3, 5)2+1
6(2 − 3, 5)2+1
6(3 − 3, 5)2
+ 1
6(4 − 3, 5)2+1
6(5 − 3, 5)2+1
6(6 − 3, 5)2= 2, 92 lub, z równoważnego wzoru,
D2(X ) = E (X2) − E2(X )
= 12·1
6 + 22·1
6 + 32·1
6 + 42·1
6 + 52·1
6+ 62·1
6− 3, 52
= 15, 71 − 3, 52 = 2, 92.
Odchylenie standardowe
DEFINICJA.
Odchylenie standardowe σ = D(X ) to qD2(X ).
PRZYKŁAD 2D’. Odchylenie standardowe zmiennej losowej X z przykładu 2A jest równe
σ = q
D2(X ) =p2, 92 ≈ 1, 71.
Odchylenie standardowe
PRZYKŁAD 3D.
Wariancja zmiennej losowej X z przykładu 3A, to D2(X ) =
Z 10 0
(x − 5)20, 1dx = 1
30(x − 5)3100 = 25 6 ,
σ = D(X ) = s
25
6 ≈ 2, 04.
Oznacza to, że odchylenie standardowe czasu oczekiwania (od oczekiwanego czasu 5 minut) wynosi 2,04 minuty.