Zmienne losowe
dr Mariusz Grz ˛ adziel Wykład 12; 20 maja 2014
Definicja 1. Zmienn ˛ a losow ˛ a nazywamy dyskretn ˛ a (skokow ˛ a), je´sli zbiór jej warto´sci x
1, x
2, . . . , mo˙zna ustawi´c w ci ˛ ag.
Zmienna losowa X, która przyjmuje wszystkie warto´sci z zadanego przedziału (a, b), nie jest zmienn ˛ a losow ˛ a dyskretn ˛ a, poniewa˙z elementów tego przedziału nie da si˛e ustawi´c w ci ˛ ag ("ponumerowa´c").
- G. Cantor 1873— twierdzenie— wszystkich liczb rzeczywistych nie da si˛e ustawi´c w ci ˛ ag.
Rozkład dyskretnej zmiennej losowej
Zbiór warto´sci dyskretnej zmiennej losowej X— ci ˛ ag x
1, x
2, . . . , (sko´nczony lub nie- sko´nczony).
Rozkład zmiennej losowej dyskretnej X jest okre´slony przez nieujemne liczby p
1, p
2, . . . spełniaj ˛ ace warunki:
X p
i= 1, (1)
p
i= P (X = x
i). (2)
Dyskretne zmienne losowe— przykłady Przykłady:
• Rozkład U, sumy oczek w dwukrotnym rzucie kostk ˛ a;
• Rozkład Z, gdzie Z oznacza liczb˛e rzutów monet ˛ a, po której po raz pierwszy wypada orzeł (zdarzeniu polegaj ˛ acemu na tym, ˙ze orzeł wypadnie ju˙z w pierw- szym rzucie, odpowiada warto´s´c zmiennej Z równa 0).
z niezale˙zno´sci zdarze´n:
P (Z = k) = 1 2
k+1, k = 0, 1, 2, . . . .
Zmienna losowa Z przykład dyskretnej zmiennej losowej, dla której zbiór warto´sci:
{0, 1, 2, . . .} nie jest sko´nczony.
Dystrybuanta rozkładu dyskretnego
Przypomnijmy, ˙ze dystrybuant˛e F
Xrozkładu zmiennej losowej X okre´slamy wzorem:
F
X(t) = P (X ¬ t).
Mo˙zna udowodni´c, ˙ze dystrybuanta zmiennej losowej dyskretnej jest funkcj ˛ a:
• przedziałami stał ˛ a (schodkow ˛ a);
• prawostronnie ci ˛ agł ˛ a.
Przykład
Je´sli V ma rozkład Bin(2; 0,8), to jej dystrybuanta F
Vdana wzorem
F
V(x) =
0 x < 0 0,04 x ∈ [0, 1) 0,36 x ∈ [1, 2) 1 x ∈ [2, ∞)
Funkcja kwantylowa
Je´sli zmienna losowa X ma dystrybuant˛e ci ˛ agł ˛ a i rosn ˛ ac ˛ a na R (zbiorem warto´sci F
Xjest (0, 1)), to funkcj˛e kwantylow ˛ a Q
Xokre´slamy jako funkcj˛e odwrotn ˛ a do dystrybu- anty F
X.
Je´sli F
Xjest ´sci´sle rosn ˛ aca na przedziale I, a dla argumentów spoza tego przedziału przybiera warto´sci 0 lub 1, to funkcj˛e kwantylow ˛ a okre´slamy jako funkcj˛e odwrotn ˛ a do funkcji G
X, której dziedzina jest równa I, okre´slon ˛ a wzorem
G
X(t) = F
X(t), t ∈ I.
Przykład
Dla zmiennej losowej Y o rozkładzie jednostajnym U (0, 1), której g˛esto´s´c g dana jest wzorem
g(x) =
0 x < 0 1 x ∈ [0, 1]
0 x ∈ (1, ∞) funkcja kwantylowa Q
Yjest dana wzorem:
Q
Y(t) = t, t ∈ (0, 1).
Przykład
Dla zmiennej losowej W typu ci ˛ agłego, której g˛esto´s´c h dana jest wzorem
0 x < 0
funkcja kwantylowa Q
Wjest dana wzorem:
Q
W(t) = 2 √
t, t ∈ (0, 1).
Funkcja kwantylowa — c.d.
Dla dyskretnej zmiennej losowej X(i dla zmiennych, które nie s ˛ a dyskretne, ale nie spełniaj ˛ a wy˙zej wymienionych warunków) funkcj˛e kwantylow ˛ a Q
Xmo˙zna okre´sli´c wzorem
Q
X(u) = min{t ∈ R : F
X(t) u}, u ∈ (0, 1), gdzie F
Xoznacza dystrybuant˛e zmiennej losowej X.
Uwaga Definicj˛e t˛e mo˙zna stosowa´c dla dowolnej zmiennej losowej; w przypadku, gdy zmienna losowa ma dystrybuant˛e:
• rosn ˛ ac ˛ a na R;
• rosn ˛ ac ˛ a na przedziale I, a dla argumentów spoza tego przedziału przybiera war- to´sci 0 lub 1,
warto´sci funkcji Q
X(u) s ˛ a równe warto´sciom funkcji kwantylowej zdefiniowanej uprzed- nio dla tych szczególnych klas zmiennych losowych.
Przykład
Dla zmiennej losowej V funkcja kwantylowa Q
Vma posta´c
Q
V(t) =
0, t ∈ (0; 0,04];
1, t ∈ (0,04; 0,36];
2, t ∈ (0,36; 1);
Zmienne losowe typu ci ˛ agłego
Definicja 2. Mówimy, ˙ze zmienna losowa X jest typu ci ˛ agłego, je´sli istnieje nieujemna funkcja g taka, ˙ze dla ka˙zdych −∞ ¬ a < b ¬ ∞
P (a ¬ X ¬ b) = Z
ba
g(x)dx.
Funkcja g — to tzw. funkcja g˛esto´sci rozkładu zmiennej losowej X.
Zmienna losowa o rozkładzie wykładniczym
Mówimy, ˙ze zmienna losowa typu ci ˛ agłego X ma rozkład wykładniczy z parametrem λ > 0 je˙zeli jej funkcja g˛esto´sci g ma posta´c
g(x) =
( 0, x ¬ 0,
λe
−λx, x > 0. (3)
Zmienna losowa o rozkładzie wykładniczym: zastosowania
• czas bezawaryjnej pracy pewnych przedmiotów (urz ˛ adze´n), takich jak np. ˙za- rówka;
• czas oczekiwania na rozpad cz ˛ asteczki radioaktywnej;
• warto´sci maksymalne dziennego opadu w danym roku.
Mo˙zna uzasadni´c, ˙ze je´sli X ma rozkład wykładniczy z parametrem λ > 0, to F
X(t) = 1 − e
λtoraz
EX = λ
−1, V arX = λ
−2.
Rozkład wykładniczy: „brak pami˛eci”
Niech X b˛edzie zmienn ˛ a losow ˛ a o rozkładzie wykładniczym z parametrem λ > 0. Dla dowolnych a i b dodatnich prawdziwa jest równo´s´c:
P (X > a + b|X a) = P (X > b).
Istotnie
P (X > a + b|X > a) = P (X > a + b) ∧ P (X > a)
P (X > a) =
= P (X > a + b)
P (X > a) = exp [−λ(a + b)]
exp [−λ(a)] = exp [−λb] = P (X > b).
Interpretacja: X jest czasem bezawaryjnej pracy pewnego urz ˛ adzenia, to niezale˙znie od dotychczasowego czasu pracy tego urz ˛ adzenia, dalszy czas pracy ma taki sam rozkład jak „całkowity czas pracy” (czyli rozkład wykładniczy z parametrem λ).
Zmienna losowa o rozkładzie wykładniczym: przykład zastosowa ´n
Czas ˙zycia ˙zarówki X jest zmienn ˛ a losow ˛ a o rozkładzie wykładniczym z warto´sci ˛ a oczekiwan ˛ a równ ˛ a 10 (jednostk ˛ a pomiaru jest miesi ˛ ac). Chcemy obliczy´c:
• prawdopodobie´nstwo, ˙ze ˙zarówka b˛edzie „bezawaryjnie funkcjonowa´c” przez 15 miesi˛ecy;
• kwantyl rz˛edu 0,95 czasu ˙zycia ˙zarówki.
Rozwi ˛ azanie Zmienna losowa X ma rozkład wykładniczy z parametrem λ = 1/10.
P (X 15) = 1 − Z
150