Rachunek prawdopodobieństwa MAP1151 Wydział Elektroniki, rok akad. 2011/12, sem. letni
Wykładowca: dr hab. A. Jurlewicz
Przykłady do listy 5: Zmienne losowe dwuwymiarowe. Rozkłady łączne, brzegowe. Niezależność zmiennych losowych. Współczynnik korelacji.
Sumowanie niezależnych zmiennych losowych. Prawo wielkich liczb.
Przykłady do zadania 5.1 :
(a) Wektor losowy (X, Y ) ma następujący rozkład łączny:
P (X = 0, Y = −2) = C; P (X = 0, Y = 0) = 0; P (X = 0, Y = 1) = 0, 2;
P (X = 2, Y = −2) = P (X = 2, Y = 0) = 0, 2; P (X = 2, Y = 1) = 0, 3.
Wyznaczyć stałą C oraz rozkłady brzegowe tego wektora losowego. Czy X i Y są niezależne?
• Stała C musi być nieujemna oraz spełniać warunek C + 0 + 0, 2 + 0, 2 + 0, 2 + 0, 3 = 1, co daje C = 0, 1
• Rozkład łączny wektora losowego (X, Y ) razem z rozkładami brzegowymi zmiennych lo- sowych X i Y możemy podać w postaci tabeli:
xn 0 2 r.brzeg.
yk Y
−2 0, 1 0, 2 0, 3
0 0 0, 2 0, 2
1 0, 2 0, 3 0, 5
r.brzeg.X 0, 3 0, 7 P= 1
• X i Y nie są niezależne, bo np. P (X = 0, Y = 0) = 0 6= 0, 3 · 0, 2 = P (X = 0)P (Y = 0).
(b) Znaleźć rozkład łączny wektora losowego (X, Y ), gdzie X i Y są niezależnymi zmiennymi loso- wymi o rozkładach P (X = −1) = 0, 1; P (X = 3) = 0, 9; P (Y = 0) = 0, 45; P (Y = 2) = 0, 55.
• Zmienne losowe są niezależne, zatem np.
P (X = −1, Y = 0) = P (X = −1)P (Y = 0) = 0, 1 · 0, 45 = 0, 045.
Podobnie obliczamy pozostałe prawdopodobieństwa łączne.
• Rozkład łączny wektora losowego (X, Y ) razem z rozkładami brzegowymi zmiennych lo- sowych X i Y podajemy w tabeli:
xn −1 3 r.brzeg.
yk Y
0 0, 045 0, 405 0, 45 2 0, 055 0, 495 0, 55 r.brzeg.X 0, 1 0, 9 P= 1
Przykład do zadania 5.2 :
(a) Dobrać stałą C tak, aby funkcja f (x, y) =
( C(x2y + y) dla 0 < x < 1, 0 < y < 2
0 poza tym. była
gęstością pewnego wektora losowego (X, Y ). Obliczyć następnie P ((X, Y ) ∈ ∆), gdzie ∆ to obszar 0 ¬ y ¬ 2, 0 ¬ x ¬ y. Wyznaczyć rozkłady brzegowe wektora losowego (X, Y ).
Czy X i Y są niezależne?
• f (x, y) 0 dla każdego (x, y) wtedy i tylko wtedy, gdy C 0 (bo dla 0 < x < 1, 0 < y < 2 mamy x2y + y > 0).
∞
R
−∞
∞
R
−∞
f (x, y)dxdy = CR1
0
dxR2
0
(x2y + y)dy = 83C = 1 wtedy i tylko wtedy, gdy C = 38. Oba warunki na gęstość są spełnione, gdy C = 38.
−0.5 0 0.5 1 1.5 2 2.5
−0.5 0 0.5 1 1.5 2 2.5
K
∆
K∩∆
1 2
y=x
• Oznaczmy przez K prostokąt 0 < x < 1, 0 < y < 2.
P ((X, Y ) ∈ ∆) =RR
∆
f (x, y)dxdy = 38 R R
∆∩K
(x2y + y)dxdy = 38R01dxRx2(x2+ 1)ydy =
= 38R01(x2+ 1)(2 − x2/2)dx = 38(23 − 101 + 2 − 16) = 0, 9
• Wyznaczamy rozkłady brzegowe:
fX(x) =
∞
R
−∞
f (x, y)dy =
3
8(x2+ 1)R2
0
ydy = 34(x2+ 1) dla 0 < x < 1,
0 dla pozostalych x.
fY(y) =
∞
R
−∞
f (x, y)dx =
3 8yR1
0
(x2+ 1)dx = 12y dla 0 < y < 2,
0 dla pozostalych y.
• Ponieważ dla każdego (x, y) mamy fX(x)fY(y) = f (x, y), zmienne losowe X i Y są niezależne.
(b) Dobrać stałą C tak, aby funkcja f (x, y) =
( C dla (x, y) ∈ K
0 poza tym, gdzie K to obszar ograniczony krzywymi y = 1 − x2, y = 0, była gęstością pewnego wektora losowego (X, Y ). Obliczyć następnie P (0 < X < 0, 5; 0 < Y < 1). Wyznaczyć rozkłady brzegowe wektora losowego (X, Y ).
Czy X i Y są niezależne?
• K: −1 ¬ x ¬ 1, 0 ¬ y ¬ 1 − x2.
• f (x, y) 0 dla każdego (x, y) wtedy i tylko wtedy, gdy C 0
∞
R
−∞
∞
R
−∞
f (x, y)dxdy = C
1
R
−1
dx
1−x2
R
0
dy = C
1
R
−1
(1 − x2)dx = 43C = 1 wtedy i tylko wtedy, gdy C = 34.
Oba warunki na gęstość są spełnione, gdy C = 34.
−1.5 −1 −0.5 0 0.5 1 1.5
−0.5 0 0.5 1 1.5
K
∆
K∩∆
1
−1 0,5
1
0 y=1−x2
x=(1−y)1/2 x=−(1−y)1/2
• ∆ : 0 < x < 0, 5; 0 < y < 1
P (0 < X < 0, 5; 0 < Y < 1) =R00,5dxR01f (x, y)dy = 34R R
∆∩K
dxdy = 34R00,5dxR01−x2dy =
=R00,5(1 − x2)dx = 1132 = 0, 34375
• Wyznaczamy rozkłady brzegowe:
fX(x) =
∞
R
−∞
f (x, y)dy =
3 4
1−x2
R
0
dy = 34(1 − x2) dla − 1 ¬ x ¬ 1,
0 dla pozostalych x.
K: 0 ¬ y ¬ 1, −√
1 − y ¬ x ¬√ 1 − y.
fY(y) =
∞
R
−∞
f (x, y)dx =
3 4
√1−y
R
−√ 1−y
dx = 32√
1 − y dla 0 ¬ y ¬ 1,
0 dla pozostalych y.
• Ponieważ dla wszystkich (x, y) ∈ (−1, 1) × (0, 1) mamy fX(x)fY(y) 6= 0 w przeciwieństwie
Przykłady do zadania 5.3 :
Wyznaczyć wektor wartości oczekiwanych oraz macierz kowariancji wektora losowego (X, Y ) o po- danym rozkładzie. Obliczyć współczynnik korelacji zmiennych losowych X i Y , które są składowymi tego wektora.
(a) Rozkład dyskretny podany w tabeli
xn 0 2 r.brzeg.
yk Y
−2 0, 1 0, 2 0, 3
0 0 0, 2 0, 2
1 0, 2 0, 3 0, 5
r.brzeg.X 0, 3 0, 7 P= 1
• EX = 0 · 0, 3 + 2 · 0, 7 = 1, 4;
D2X = 02· 0, 3 + 22· 0, 7 − (1, 4)2 = 0, 84;
• EY = −2 · 0, 3 + 0 · 0, 2 + 1 · 0, 5 = −0, 1;
D2Y = (−2)2· 0, 3 + 02· 0, 2 + 12· 0, 5 − (−0, 1)2 = 1, 69;
• EXY = 0 · (−2) · 0, 1 + 0 · 0 · 0 + 0 · 1 · 0, 2 + 2 · (−2) · 0, 2 + 2 · 0 · 0, 2 + 2 · 1 · 0, 3 = −0, 2;
Cov(X, Y ) = EXY − EXEY = −0, 2 − 1, 4 · (−0, 1) = −0, 06 ρXY = √Cov(X,Y )
D2X√
D2Y = −1,30,06√0,84 ≈ −0, 05.
• Odp. (EX, EY ) = (1, 4; −0, 1);
macierz kowariancji to
"
D2X Cov(X, Y ) Cov(X, Y ) D2Y
#
=
"
0, 84 −0, 06
−0, 06 1, 69
#
; ρXY = −1,30,06√0,84 ≈ −0, 05
(b) Rozkład dyskretny podany w tabeli
xn −1 3 r.brzeg.
yk Y
0 0, 045 0, 405 0, 45 2 0, 055 0, 495 0, 55 r.brzeg.X 0, 1 0, 9 P= 1
• EX = −1 · 0, 1 + 3 · 0, 9 = 2, 6;
D2X = (−1)2· 0, 1 + 32· 0, 9 − (2, 6)2 = 1, 44;
• EY = 1, 1; D2Y = 0, 99;
• Cov(X, Y ) = 0; ρXY = 0, bo zmienne są niezależne.
• Odp. (EX, EY ) = (2, 6; 1, 1); macierz kowariancji to
"
1, 44 0 0 0, 99
#
; ρXY = 0
(c) Rozkład ciągły o gęstości f (x, y) =
( 3
8(x2y + y) dla 0 < x < 1, 0 < y < 2
0 poza tym.
• EX =
∞
R
−∞
∞
R
−∞
xf (x, y)dxdy = 38
1
R
0
dx
2
R
0
x(x2+ 1)ydy = 169 ; D2X =
∞
R
−∞
∞
R
−∞
x2f (x, y)dxdy − (EX)2 = 38R1
0
dxR2
0
x2(x2+ 1)ydy − (169)2 = 1280107;
• EY = ∞R
−∞
∞
R
−∞
yf (x, y)dxdy = 38 R1
0
dxR2
0
y(x2+ 1)ydy = 43; D2Y =
∞
R
−∞
∞
R
−∞
y2f (x, y)dxdy − (EY )2 = 38R1
0
dxR2
0
y2(x2+ 1)ydy − (43)2 = 29;
• Cov(X, Y ) = 0; ρXY = 0, bo zmienne są niezależne.
• Odp. (EX, EY ) = (169 ;43); macierz kowariancji to
" 107
1280 0 0 29
#
; ρXY = 0
(d) Rozkład ciągły o gęstości f (x, y) =
( 3
4 dla (x, y) ∈ K
0 poza tym, gdzie K to obszar ograniczony krzy- wymi y = 1 − x2, y = 0
• EX = ∞R
−∞
∞
R
−∞
xf (x, y)dxdy = 34 R1
−1
dx1−x
2
R
0
xdy = 0;
D2X =
∞
R
−∞
∞
R
−∞
x2f (x, y)dxdy − (EX)2 = 34
1
R
−1
dx
1−x2
R
0
x2dy − 0 = 0, 2;
• EY =
∞
R
−∞
∞
R
−∞
yf (x, y)dxdy = 34
1
R
−1
dx
1−x2
R
0
ydy = 0, 4;
D2Y =
∞
R
−∞
∞
R
−∞
y2f (x, y)dxdy − (EY )2 = 34 R1
−1
dx1−x
2
R
0
y2dy − (0, 4)2 = 17512;
• Cov(X, Y ) = ∞R
−∞
∞
R
−∞
xyf (x, y)dxdy − EXEY = 34 R1
−1
dx1−x
2
R
0
xydy − 0 = 0; stąd ρXY = 0.
• Odp. (EX, EY ) = (0; 0, 4); macierz kowariancji to
"
0, 2 0 0 17512
#
; ρXY = 0
Przykłady do zadania 5.4 :
(a) Zmienne losowe X i Y są niezależne, przy czym X ma rozkład wykładniczy E xp15, a Y rozkład normalny N (−1, 2). Znaleźć wartość oczekiwaną i wariancję zmiennej losowej Z = 2X −3Y −2.
• X ma rozkład wykładniczy Expλ = 15, zatem EX = 1λ = 5 i D2X = λ12 = 25.
• Y rozkład normalny N (−1, 2), zatem EY = −1 i D2Y = 22 = 4.
• EZ = 2EX − 3EY − 2 = 2 · 5 − 3 · (−1) − 2 = 11.
• X i Y są niezależne, więc D2Z = D2(2X − 3Y − 2) = D2(2X − 3Y ) =
(b) Niech Y = X + N , gdzie X ma rozkład zerojedynkowy z parametrem p = 0, 4; a N ma rozkład normalny N (1, 1), przy czym zmienne losowe X i N są niezależne. Obliczyć współczynnik korelacji ρXY.
• X ma rozkład zerojedynkowy z parametrem p = 0, 4, zatem EX = p = 0, 4 i D2X = p(1 − p) = 0, 24.
• N ma rozkład normalny N (1, 1), zatem EN = 1 i D2N = 1.
• EY = EX + EN = 0, 4 + 1 = 1, 4
• Zmienne losowe X i N są niezależne.
Zatem D2Y = D2X + D2N = 0, 24 + 1 = 1, 24 oraz
EXY = EX2+ EXN = D2X + (EX)2+ EXEN = 0, 24 + (0, 4)2+ 0, 4 · 1 = 0, 8.
• Otrzymujemy ρXY = EXY − EXEY
√D2X√
D2Y = 0, 24
√0, 24 · 1, 24 ≈ 0, 44.
Przykłady do zadania 5.5 :
(a) Zmienne losowe X1, X2, . . . są niezależne o jednakowym rozkładzie takim, że P (X1 = i) = 0, 75(0, 25)i−1, i = 1, 2, . . . .
Do czego jest zbieżna średnia arytmetyczna X1+ . . . + Xn
n ? W sensie jakiej zbieżności?
• Zmienne losowe X1, X2, . . . są niezależne o jednakowym rozkładzie geometrycznym Geo(p = 0, 75). Zatem EX1 = 1p = 43 istnieje.
• Zachodzi zatem mocne prawo wielkich liczb Kołmogorowa, czyli
n→∞lim
X1+ . . . + Xn
n = EX1 = 4
3,
• przy czym jest to zbieżność z prawdopodobieństwem 1.
(b) Niech X1, X2, . . . będzie ciągiem niezależnych zmiennych losowych o jednakowym rozkładzie jednostajnym U (0, 1). Zdefiniujmy
Yn=
( Xn2 z prawdopod. 0, 1;
Xn z prawdopod. 0, 9;
tzn. Yn = TnXn2 + (1 − Tn)Xn, gdzie Tn jest zmienną losową niezależną od ciągu (Xn) i taką, że P (Tn= 1) = 1 − P (Tn= 0) = 0, 1; ponadto T1, T2, . . . są niezależne.
Znaleźć granicę lim
n→∞
1 n
n
X
i=1
Yi z prawdopodobieństwem 1.
• Zmienne Y1, Y2, . . . zdefiniowane w zadaniu są niezależne o jednakowym rozkładzie.
Ponadto EY1 = ET1EX12+ (1 − ET1)EX1 = 0, 1(D2X1+ (EX1)2) + 0, 9EX1 =
= 0, 1
(1−0)2
12 +1+02 2
+ 0, 91+02 = 2960 istnieje.