Rachunek Prawdopodobieństwa Rozdział 5. Rozkłady łączne
5.1 Niezależność zmiennych losowych i sploty
Katarzyna Rybarczyk-Krzywdzińska
Niezależność zmiennych losowych Sploty
Przypomnienie
Niezależność
Zdarzenia A1 i A2 są niezależnie wtedy i tylko wtedy P (A1∩ A2) = P (A1) P (A2) Zmienne i zdarzenia
Dla wektora losowego (X1, X2) orazustalonych zbiorów borelowskich B1, B2 ⊆ R zbiory:
{X1 ∈ B1} = X1−1(B1), {X2 ∈ B2} = X2−1(B2) są zdarzeniami w (Ω, F , P).
P (X1∈ B1, X2 ∈ B2) = P ({X1 ∈ B1} ∩ {X2 ∈ B2})
= P (X1 ∈ B1) · P (X2∈ B2)
Przypomnienie
Niezależność
Zdarzenia A1 i A2 są niezależnie wtedy i tylko wtedy P (A1∩ A2) = P (A1) P (A2) Zmienne i zdarzenia
Dla wektora losowego (X1, X2) orazustalonych zbiorów borelowskich B1, B2 ⊆ R zbiory:
{X1 ∈ B1} = X1−1(B1), {X2 ∈ B2} = X2−1(B2) są zdarzeniami w (Ω, F , P).Te zdarzenia są niezależne, gdy
P (X1∈ B1, X2 ∈ B2) = P ({X1 ∈ B1} ∩ {X2 ∈ B2})
= P (X1 ∈ B1) · P (X2∈ B2)
Niezależność zmiennych losowych
Definicja
Mówimy, że zmienne losowe X1, . . . , Xn (określone na (Ω, F , P)) sąniezależne, jeśli
dla dowolnychborelowskich zbiorów B1, . . . , Bn⊆ R zdarzenia losowe:
X1 ∈ B1, X2 ∈ B2, . . . , Xn∈ Bn są niezależne,
innymi słowy, dla dowolnych borelowskich zbiorów B1, . . . , Bn ⊆ R P(X1 ∈ B1, . . . , Xn ∈ Bn) = P(X1∈ B1) · · · P(Xn∈ Bn)
Wszystko w przestrzeni (Ω, F , P)
Przypomnienie: σ–ciało generowane przez X
to najmniejsze σ–ciało podzbiorów Ω, względem których X jest mierzalna. σ(X ) = {X−1(B) : B ∈ B(R)}
Szczypta teorii miary itp.
(Def.) σ–ciała F1, F2, . . . , Fn (Fi ⊆ F ) są niezależne gdy dla dowolnych zdarzeń Ai ∈ Fi, i = 1, 2, . . . , n
P (A1∩ A2∩ . . . ∩ An) = P (A1) · P (A2) · . . . · P (An) .
Szczypta teorii miary itp.
Zmienne losowe X1, . . . , Xn są niezależne, wtw σ(X1), . . . , σ(Xn) są niezależne.
Nie jest konieczne rozpatrywanie wszystkich zbiorów borelowskich, lecz tylko zbiory typu (−∞, s], (−∞, t](Dlaczego?)
(Przypomnienie:
FX(s) = P (X ∈ (−∞, s]) , FY(t) = P (Y ∈ (−∞, t]) F(X ,Y )(s, t) = P (X ∈ (−∞, s], Y ∈ (−∞, t]))
Twierdzenie
Zmienne losowe X i Y są niezależne wtedy i tylko wtedy, gdy F(X ,Y )(s, t) = FX(s)FY(t)
zachodzi dla dowolnych s, t;
w powyższej równości FX(s) = P(X ¬ s) oraz FY(t) = P(Y ¬ t) to dystrybuanty rozkładów brzegowych
Niezależność dyskretnych zmiennych losowych
Twierdzenie
Załóżmy, że zmienne losowe X1, . . . , Xn są dyskretne skupione, odpowiednio, na zbiorach atomów SX1, . . . , SXn.
Wówczas są to zmienne losowe niezależne wtedy i tylko wtedy, gdy P(X1= s1, . . . , Xn= sn) = P(X1= s1) · · · P(Xn= sn) zachodzi dla dowolnego wyboru s1 ∈ SX1, . . . , sn∈ SXn.
W szczególności zmienne losowe dyskretne X1 i X2 są niezależne wtedy i tylko wtedy, gdy
∀s,tP(X1 = s, X2 = t) = P(X1= s)P(X2= t),
Przykład 1
Bolek, Lolek i Tola wstąpili do kasyna.
(A) Bolek postawił na „czerwone”, (C) Tola postawiła na pierwsze 12;
Jeśli Bolek wygra, to dostanie 1 żeton.
Tola za wygraną dostaje 2 żetony.
W przypadku przegranej tracą żeton.
XA – wygrana Bolka oraz XC – wygrana Toli.
Czy zmienne losowe XA i XC są niezależne?.
Rozkład: P (XA= −1, XC = −1) = 1337,P (XA= −1, XC = 2) = 376 , P (XA= 1, XC = −1) = 1237, P (XA = 1, XC = 2) = 376 Rozkłady brzegowe: P (XA = −1) = 1937, P (XA = 1) = 1837
P (XC = −1) = 2537, P (XC = 2) = 1237
niezależność zmiennych losowych o rozkładach ciągłych
Twierdzenie
Załóżmy, że każda ze zmiennych losowych X1, . . . , Xn ma rozkład ciągły o gęstości odpowiednio f1, . . . , fn
oraz (X1, . . . , Xn) ma rozkład ciągły z gęstością f ,
wówczas X1, . . . , Xn są niezależne wtedy i tylko wtedy, gdy f (x1, . . . , xn) = f1(x1) · · · fn(xn)
dla„prawie wszystkich”(x1, . . . , xn) ∈ Rn (tzn. poza zbiorem miary zero)
Przykład: rozkład jednostajny na [0, 1]
2/ prawdopodobieństwo geometryczne
Przykład 2
Wektor (X , Y ) ma rozkład jednostajny na kwadracie [0, 1]2 tzn. o gęstości (X , Y )
f (x , y ) =
(1 dla 0 ¬ x , y ¬ 1, 0 dla pozostałych (x , y ).
i rozkładach brzegowych fX(x ) =
(1 dla 0 < x < 1,
0 dla pozostałych x . fY(y ) =
(1 dla 0 < y < 1, 0 dla pozostałych y . Czy zmienne losowe X i Y są niezależne?
Przykład: rozkład jednostajny na trójkącie / prawdopodobieństwo geometryczne
Przykład 3
Wektor (X , Y ) ma rozkład jednostajny na trójkącie o gęstości (X , Y )
f (x , y ) =
(2 dla 0 ¬ 1 − x ¬ y ¬ 1, 0 dla pozostałych (x , y ).
i rozkładach brzegowych
fX(x ) =
(2x dla 0 < x < 1,
0 dla pozostałych x . fY(y ) =
(2y dla 0 < y < 1, 0 dla pozostałych y . Czy zmienne losowe X i Y są niezależne?
Przykład 4
Wektor (X , Y ) ma rozkład jednostajny na trójkącie o dystrybuancie
F (x , y ) =
0 dla x < 0 lub y < 0 lub y < 1 − x , (x + y − 1)2 dla 0 ¬ 1 − x ¬ y ¬ 1,
x2 dla 0 ¬ x ¬ 1 i y > 1, y2 dla x > 1 i 0 ¬ y ¬ 1, 1 dla x > 1 i y > 1.
i dystrybuantach brzegowych brzegowych
FX(x ) =
0 dla x < 0, x2 dla 0 ¬ x ¬ 1, 1 dla x > 1.
FY(y ) =
0 dla y < 0, y2 dla 0 ¬ y ¬ 1, 1 dla y > 1.
Czy zmienne losowe X i Y są niezależne?
Twierdzenie
Jeśli zmienne losowe X1, X2, X3, . . . , Y1, Y2, Y3, . . . są niezależne, to poniższe dwie zmienne losowe również są niezależne:
h1(X1, X2, X3, . . . ), h2(Y1, Y2, Y3, . . . ),
(gdzie h1 i h2 są pewnymi funkcjami mierzalnymi) Przykład 5
Rzucamy 100 razy kostką. Niech X będzie sumą oczek w
pierwszych 50 rzutach a Y iloczynem liczb oczek w 50 kolejnych rzutach. Korzystając z faktu, że liczby oczek w różnych rzutach są zmiennymi losowymi niezależnymi uzasadnij, że X i Y są
niezależne.
Bardziej ogólnie Twierdzenie
Załóżmy, że zmienne losowe X1,1, X1,2, . . . , X1,k1,
X2,1, X2,2, . . . , X2,k2,
· · · ,
Xn,1, Xn,2, . . . , Xn,kn są niezależne
Niech funkcje (mierzalne) φ1: Rk1 → R, . . . , φn : Rkn → R będą takie, że
Y1 = φ1(X1,1, X1,2, . . . , X1,k1), ...
Yn= φn(Xn,1, Xn,2, . . . , Xn,kn),
wówczas zmienne losowe Y1, . . . , Yn są niezależne
Splot
Definicja
Jeśli zmienne losowe X i Y są niezależne,
to rozkład PX +Y ich sumy nazywamy splotemich rozkładów PX ∗ PY = PX +Y
Przykład 6
Rzucamy dwa razy kostką.
Niech X i Y oznacza liczbę wyrzuconych oczek w pierwszym i drugim rzucie, odpowiednio.
Jaki rozkład ma zmienna losowa X + Y ?
Morał
Twierdzenie
Jeśli X i Y są niezależnymi zmiennymi losowymi o wartościach całkowitych
wówczas ich suma ma rozkład skupiony na liczbach całkowitych i P(X + Y = s) =
X
t
P(X = t) P(Y = s − t)
Splot rozkładów Poissona
Przykład 7
Oblicz splot Po(λ) ∗ Po(µ)
Wskazówka: rozkład Poissona z parametrem λ to rozkład P skupiony na nieujemnych liczbach całkowitych,
P({i }) = e−λλi i !
Przykład 8
Oblicz splot rozkładów dwumianowych Bin(n, p) ∗ Bin(m, p).
SPOSÓB 1: ze wzoru. Hmmm?
SPOSÓB 2: sprytnie.
Splot rozkładów ciągłych
Twierdzenie
Jeśli X i Y są niezależnymi zmiennymi losowymi o rozkładach ciągłych,
wówczas ich suma ma rozkład ciągły z gęstością będącąsplotem ich gęstości
fX +Y(t) = Z ∞
−∞
fX(s) fY(t − s) ds
Przykład 9
Oblicz splot dwóch rozkładów jednostajnych na [0,1].
Wskazówka: gęstość rozkładu jednostajnego na [0,1]
f (x ) =
(1 dla 0 ¬ x ¬ 1,
0 w przeciwnym przypadku