Zadania ze statystyki matematycznej (Statystyka B) Rok akad. 2009/10, lista nr 2
1. Udowodni´c, ˙ze je˙zeli zmienna losowa X ma rozk lad Studenta t(n), to zmienna losowa Y = (1 + X2/n)−1 ma rozk lad beta B(n/2, 1/2).
2. Udowodni´c, ˙ze je˙zeli X i Y sa
‘niezale˙znymi zmiennymi losowymi o rozk ladzie jednostajnym U(0, 1), to
V =p
−2 log X cos(2πY ), W =p
−2 log X sin(2πY ) sa‘niezale˙znymi zmiennymi losowymi o rozk ladach normalnych N(0, 1).
3. Udowodni´c, ˙ze je˙zeli X i Y sa
‘niezale˙znymi zmiennymi losowymi o rozk ladzie normalnym N(0, 1), to zmienne losowe
V = X2+ Y2, W = arcsin(X/√
X2+ Y2)
sa‘niezale˙zne; V ma rozk lad wyk ladniczy Ex(2), a W ma rozk lad jednostajny U(−π/2, π/2).
4. Niech A1, A2, . . . , Ar be
‘da
‘ parami roz la
‘cznymi zbiorami otwartymi w Rn takimi, ˙ze P (X ∈Sr
i=1Ai) = 1 i niech g :Sr
i=1Ai → Rn be
‘dzie funkcja
‘o naste
‘puja
‘cych w lasno´sciach:
a) g ma cia
‘g le pierwsze pochodne cza
‘stkowe w Ai dla ka˙zdego i;
b) g jest wzajemnie jednoznaczna na ka˙zdym zbiorze Ai; c) jakobian przekszta lcenia g nie zeruje sie
‘ na ˙zadnym Ai. Udowodni´c, ˙ze je˙zeli fX jest ge
‘sto´scia
‘wektora losowego X, to wektor losowy Y = g(X) ma ge‘sto´s´c postaci
fY(y) = Xr
i=1
fX g−1i (y)
|Jθi gi−1(y)
|−1Ii(y) y ∈ g [r i=1
Ai
! ,
gdzie gi oznacza obcie
‘cie przekszta lcenia g na zbiorze Ai, Jgi oznacza jakobian przekszta lcenia gi, a Ii(y) jest indykatorem zbioru g(Ai). (Je˙zeli Ii(y) = 0, to ca ly sk ladnik jest r´owny zero, nawet w przypadku, gdy przekszta lcenie g−1i nie jest okre´slone.)
(Wskaz´owka. P[g(X) ∈ B] =Pr
i=1P[g(X) ∈ B, X ∈ Ai].)
5. Udowodni´c, ˙ze macierz kowariancji Σ wektora losowego X jest nieujemnie okre´slona.
6. Udowodni´c twierdzenie: Je˙zeli macierz Σ jest macierza
‘ kowariancji n-wymiarowego wektora losowego X, a C jest macierza
‘ sta la
‘ r × n, to CΣC‘ jest macierza
‘ kowariancji r−wymiarowego wektora losowego Y = CX.
7. Udowodni´c twierdzenie: Je˙zeli wektory losowe tego samego wymiaru X i Y sa
‘ stochastycznie niezale˙zne, a Σ i Λ sa
‘ odpowiednio ich macierzami kowariancji, to macierza
‘ kowariancji wektora X + Y jest macierz Σ + Λ.
8. Niech X = (X1, X2)0 be
‘dzie wektorem losowym o warto´sci oczekiwanej m = (m1, m2)0 i macierzy kowariancji Σ = (σij). Prosta
‘o r´ownaniu x1− m1 = σ12
σ22
(x2− m2) nazywamy prosta
‘ regresji zmiennej losowej X1 wzgle
‘dem zmiennej losowej X2. Liczbe
‘ β12 = σ12/σ22nazywamy wsp´o lczynnikiem regresji zmiennej X1wzgle
‘dem zmiennej X2. Podobnie okre´sla sie‘ prosta
‘regresji i wsp´o lczynnik regresji zmiennej X2 wzgle
‘dem X1. Liczba ρ12 = σ12/√ σ11σ22 jest wsp´o lczynnikiem korelacji zmiennych X1 i X2.
a) Udowodni´c, ˙ze proste regresji zmiennej X1 wzgle
‘dem X2 i zmiennej X2wzgle
‘dem X1pokrywaja sie ‘
‘ wtedy i tylko wtedy ρ212 = 1, natomiast proste te sa
‘prostopad le, gdy ρ12= 0.
b) Udowodni´c, ˙ze zmienne X2− m2 i X1− m1− β12(X2− m2) sa
‘nieskorelowane.
c) Udowodni´c, ˙ze prosta regresji zmiennej X1 wzgle
‘dem zmiennej X2 pokrywa sie
‘ z prosta
‘x1 = αx2+ β, kt´orej wsp´o lczynniki α i β minimalizuja
‘warto´s´c oczekiwana
‘E{[X1− (αX2+ β)]2}.
d) Liczbe
‘ σ1:22 = minα,βE[X1− (αX2+ β)]2 nazywamy wariancja
‘ resztowa
‘ zmiennej losowej X1 wzgle
‘dem zmiennej X2. Udowodni´c, ˙ze σ21:2 = |Σ|/σ222 oraz σ1:22 = σ11(1 − ρ212).
9. Niech F be
‘dzie dystrybuanta
‘pewnej zmiennej losowej X, a F−1 funkcja
‘odwrotna
‘do niej, tzn. F−1(u) = inf{x : F (x) ≥ u}, u ∈ (0, 1). Udowodni´c, ˙ze
a) F (x) ≥ t ⇐⇒ F−1(t) ≤ x;
b) F (x) < t ⇐⇒ F−1(t) > x;
c) F (x1) < t ≤ F (x2) ⇐⇒ x1 < F−1(t) ≤ x2;
d) F (F−1(t)) ≥ t, przy czym r´owno´s´c nie zachodzi wtedy i tylko wtedy, gdy t nie nale˙zy do zbioru warto´sci funkcji F , okre´slonej na [−∞, +∞];
e) F−1(F (x)) ≤ x, x ∈ R, przy czym r´owno´s´c nie zachodzi wtedy i tylko wtedy, gdy F (x − ε) = F (x) dla pewnego ε > 0 ;
f) P [F (X) ≤ t] ≤ t, t ∈ [0, 1], przy czym r´owno´s´c nie zachodzi wtedy i tylko wtedy, gdy t nie nale˙zy do domknie
‘cia zbioru warto´sci F .
10. Niech F i G be‘da‘dystrybuantami n−wymiarowych wektor´ow losowych X i Y odpowied- nio. Je˙zeli F (x) = G(x) dla ka˙zdego x ∈ Rn, to m´owimy, ˙ze wektory losowe X i Y sa
‘stochasty- cznie r´owne, co oznaczamy przez X =st Y.
Niech FX be‘dzie cia‘g la‘dystrybuanta‘zmiennej losowej X, GY dystrybuanta‘zmiennej losowej Y , a U zmienna
‘losowa
‘o rozk ladzie jednostajnym na odcinku (0, 1), tzn. P (U ≤ u) = u, u ∈ (0, 1). Udowodni´c, ˙ze: a) U =st FX(X); b) Y =st G−1Y (U), gdzie G−1Y jest funkcja
‘odwrotna
‘do dystrybuanty GY.
11. Udowodni´c naste
‘puja
‘ce twierdzenie Scheff´ego:
Niech X1, X2, . . . i X be
‘da
‘zmiennymi losowymi o rozk ladach absolutnie cia
‘g lych wzgle
‘dem miary Lebesgue’a, a f1, f2, . . . i fX oznaczaja‘odpowiednio ich ge‘sto´sci. W´owczas je˙zeli fn → fX p.w., to Xn→D X.
12. Udowodni´c, ˙ze je˙zeli {Xn} jest cia
‘giem zmiennych losowych o rozk ladach dwumianowych odpowiednio b(n, pn) oraz npn→ λ > 0, gdy n → ∞, to Xn →D X, gdzie X jest zmienna‘losowa‘ o rozk ladzie Poissona π(λ).
13. Udowodni´c, ˙ze je˙zeli {Xn} jest cia
‘giem zmiennych losowych o rozk ladach hipergeome- trycznych odpowiednio H(r, n, M ) i n/M → p > 0, gdy n → ∞ i M → ∞, to Xn →D X, gdzie X jest zmienna
‘losowa
‘o rozk ladzie dwumianowym b(r, p).
14. Udowodni´c, ˙ze je˙zeli {Xn} jest cia
‘giem zmiennych losowych o rozk ladach ujemnych dwu- mianowych nb(n, pn) odpowiednio oraz npn(1 − pn)−1 → λ > 0, gdy n → ∞, to Xn→D X, gdzie X jest zmienna
‘losowa
‘o rozk ladzie Poissona π(λ).
15. Udowodni´c, ˙ze je˙zeli cia
‘g zmiennych losowych {Xn} jest asymptotycznie normalny N(an, b2n), to r´ownie˙z {Xn} jest asymptotycznie normalny N(αn, βn2) wtedy i tylko wtedy, gdy βn/bn → 1 oraz (αn− an)/bn→ 0.
16. Udowodni´c, ˙ze je˙zeli cia
‘g zmiennych losowych {Xn} jest asymptotycznie normalny N(an, b2n), to r´ownie˙z cia‘g {αnXn+ βn} jest asymptotycznie normalny N(an, b2n) wtedy i tylko wtedy, gdy αn→ 1 i [an(αn− 1) + βn]/bn → 0.
17. Niech {Xn} be
‘dzie cia
‘giem zmiennych losowych asymptotycznie normalnym N(m, σ2n).
Pokaza´c, ˙ze Xn →P m wtedy i tylko wtedy, gdy σn → 0 przy n → ∞.
18. Niech {Xn} be
‘dzie cia
‘giem zmiennych losowych asymptotycznie normalnym N(m, σ2/n) i niech {Yn} be
‘dzie cia
‘giem asymptotycznie normalnym N(c, v/n), c 6= 0, v > 0, oraz niech Zn =
√n(Xn− m)/Yn. Udowodni´c, ˙ze cia‘g {Zn} jest asymptotycznie normalny N(0, σ2/c2).
19. Udowodni´c, ˙ze cia
‘g {Xn} zmiennych losowych o rozk ladach odpowiednio χ2(n) jest asymp- totycznie normalny N(n, 2n).
20. Udowodni´c, ˙ze je˙zeli zmienne losowe Xnmaja‘odpowiednio rozk lady χ2(n), to cia‘g {√ 2Xn} jest asymptotycznie normalny N(√
2n, 1).
21. Udowodni´c, ˙ze cia
‘g {Tn} zmiennych losowych o rozk ladach Studenta t(n) odpowiednio, jest asymptotycznie normalny N(0, 1).
St09-10-lista2.tex
6.10.2010 r. J. Bartoszewicz