1
dr in˙z Krzysztof Bry´s
Podstawowe teoretyczne rozk lady prawdopodobie´nstwa zmiennej losowej jednowymiarowej Typu skokowego
1. Rozk lad jednopunktowy.
Funkcja prawdopodobie´nstwa : P (X = c) = 1 dla pewnej sta lej c Warto´s ˙c oczekiwana: E(X) = c
Wariancja: D2(X) = 0
Interpretacja: Rozk lad dowolnej sta lej liczbowej X.
2. Rozk lad dwupunktowy (zerojedynkowy).
Funkcja prawdopodobie´nstwa : P (X = 1) = p, P (X = 0) = q = 1 − p Warto´s ˙c oczekiwana: E(X) = p
Wariancja: D2(X) = p · q = p · (1 − p)
Interpretacja: Rozk lad dowolnej zmiennej X, kt´ora odpowiada na pewne pytanie albo TAK (X = 1 - ”sukces”) albo NIE (X = 0 - ”pora˙zka”), rozk lad dowolnej cechy ”zero-jedynkowej” (obiekt albo j¸a posiada (X = 1) albo nie posiada (X = 0).
3. Rozk lad Bernoulliego (dwumianowy) - B(n, p) Schemat do´swiadcze´n Bernoulliego:
- n niezale˙znych do´swiadcze´n,
- w ka˙zdym do´swiadczeniu albo sukces z prawdopodobie´nstwem p albo pora˙zka (z prawdopodobie´nstwem q = 1 − p);
Interpretacja: Zmienna losowa X ma rozk lad B(n, p) je´sli m´owi o liczbie sukces´ow w schemacie n niezale˙znych do´swiadcze´n Bernoulliego z prawdopodobie´nstwem sukcesu p w ka˙zdym z nich. Jest sum¸a n niezale˙znych zmiennych losowych o rozk ladzie zerojedynkowym.
Funkcja prawdopodobie´nstwa : P (X = k) =nkpk· qn−k dla k = 0, 1, 2, . . . , n, q = 1 − p.
Warto´s ˙c oczekiwana: E(X) = np Wariancja: D2(X) = n · p · q 4. Rozk lad Poissona - Po(λ)
Funkcja prawdopodobie´nstwa : P (X = k) = e−λ·λk!k dla k = 0, 1, 2, . . . Warto´s ˙c oczekiwana: E(X) = λ
Wariancja: D2(X) = λ
Interpretacja: Rozk lad graniczny dla rozk laadu B(n, p) przy n → +∞.
Dla dostatecznie du˙zych n, zmienna losowa o rozk ladzie B(n, p) ma w przybli˙zeniu rozk lad Poissona z parametrem λ = n · p.
STATYSTYKA
Wykłady 4-5
2 Typu ci¸ag lego
1. Rozk lad jednostajny na przedziale (a; b) - U (a, b) Funkcja g¸esto´sci prawdopodobie´nstwa :
f (x) =
( 1
b−a , dla a < x < b 0 , dla pozosta lych x Warto´s ˙c oczekiwana: E(X) = a+b2
Wariancja: D2(X) = (b−a)12 2
Interpretacja Zmienna losowa X ma rozk lad U (a, b) je´sli przyj¸ecie przez t¸a zmienn¸a dowolnej warto´sci z przedzia lu (a; b) jest jednakowo prawdopodobne.
2. Rozk lad normalny (Gaussa) - N (m, σ)
Funkcja g¸esto´sci prawdopodobie´nstwa : f (x) = √1
2πσ · e−(x−m)22σ2 dla x ∈ R Warto´s ˙c oczekiwana: E(X) = m
Wariancja: D2(X) = σ2
Wykresem powy˙zszej funkcji g¸esto´sci prawdopodobie´nstwa jest krzywa Gaussa Zmienna losowa standaryzowa dla zmiennej losowej o rozk ladzie N (m, σ):
X = X − m σ ma rozk lad normalny standardowy N (0, 1).
Dystrybuanta rozk ladu normalnego standardowego N (0, 1):
Φ(x) =
Z x
−∞
√1
2π · e−t22 dt dla x ∈ R
Z parzysto´sci funkcji g¸esto´sci prawdopodobie´nstwa rozk ladu N (0, 1) wynika, ˙ze:
Φ(−x) = 1 − Φ(x).
uα - kwantyl rz¸edu α zmiennej losowej o rozk ladzie N (0, 1) (tzn. Φ(uα) = α)
3. Rozk lad chi kwadrat o n stopniach swobody
Zmienna losowa χ2 = X12 + X22+ . . . + Xn2, gdzie X1, X2, . . . Xn zmienne o rozk ladzie N (0, 1) ma rozk lad chi-kwadrat o n stopniach swobody
Warto´s ˙c oczekiwana: E(χ2) = n Wariancja: D2(χ2) = 2n
Dla du˙zych n (n > 40) rozk lad chi-kwadrat o n stopniach swobody mo˙zna przybli˙za˙c rozk ladem N (n,√
2n).
χ2(α, n) = kwantyl rz¸edu 1 − α zmiennej o rozk ladzie chi-kwadrat o n stopniach swobody 4. Rozk lad t-Studenta o n stopniach swobody.
Zmienna losowa T = qX
χ2 n
, gdzie X zmienna losowa o rozk ladzie N (0, 1) a zmienna χ2 ma rozk lad chi-kwadrat o n stopniach swobody.
Warto´s ˙c oczekiwana: E(T ) = 0.
Wariancja: D2(T ) = n−2n .
Dla du˙zych n (n > 40) rozk lad t-Studenta o n stopniach swobody mo˙zna przybli˙za˙c rozk ladem N (0, 1).
t(α, n) = kwantyl rz¸edu 1 − α2 zmiennej o rozk ladzie t-Studenta o n stopniach swobody.
3 Twierdzenia graniczne
Tw. Poissona: Je˙zeli (X1, . . . , Xn) jest ci¸agiem niezale˙znych zmiennych losowych o rozk ladzie B(n, pn) oraz limn→+∞n · pn= λ, λ > 0, to ci¸ag rozk lad´ow zmiennych losowych X1, . . . Xnjest zbie˙zny do rozk ladu Poissona z parametrem λ.
Wnioski praktyczne z twierdzenia Poissona:
Dla ”du˙zych” n i ”ma lych” p (n ≥ 100 , p ≤ 0.1) zmienna losowa o rozk ladzie B(n, p) ma w przybli˙zeniu rozk lad Poissona z parametrem λ = n · p,
Tw. Lindberga- Levy’ego: Je˙zeli (X1, . . . , Xn) jest ci¸agiem niezale˙znych zmiennych losowych o jednakowym rozk ladzie, warto´sci oczekiwanej m i wariancji σ2 > 0, to ci¸ag dystrybuant zmiennych losowych Yn=
Pn
i=1Xi−n·m σ·√
n jest zbie˙zny do dystrybuanty Φ zmiennej losowej o rozk ladzie N (0, 1).
Wnioski praktyczne z twierdzenia Lindberga Levy’ego:
Je˙zeli X1, . . . , Xns¸a niezale˙znymi zmiennymi losowymi o jednakowym rozk ladzie, warto´sci oczekiwanej m i wariancji σ2 > 0, to dla ”du˙zych” n ( n ≥ 100 ):
1) suma tych zmiennych losowych czyli zmienna losowa Yn = X1+ . . . + Xn ma w przybli˙zeniu rozk lad N (m · n, σ ·√
n),
2)´srednia arytmetyczna tych zmiennych czyli zmienna losowa Zn= Ynn = X1+...+Xn n ma w przybli˙zeniu rozk lad N (m,√σn),
Tw. Moivre’a-Laplace’a: Je˙zeli (X1, . . . , Xn) jest ci¸agiem niezale˙znych zmiennych losowych o rozk ladzie B(n,p) to ci¸ag dystrybuant zmiennych losowych Yn = X√nn·p·q−n·p jest zbie˙zny do dystrybuanty Φ zmiennej losowej o rozk ladzie N (0, 1).
Wnioski praktyczne z twierdzenia Moivre’a-Laplece’a:
Dla ”du˙zych” n (n ≥ 100):
1) liczba sukces´ow w schemacie Bernoulliego czyli zmienna losowa X o rozk ladzie B(n, p) ma w przy- bli˙zeniu rozk lad N (n · p,√
n · p · q),
2) cz¸esto´s˙c wyst¸epowania sukcesu w schemacie Bernoulliego czyli zmienna losowa Y = Xn, gdzie X jest zmienn¸a losow¸a o rozk ladzie B(n, p), ma w przybli˙zeniu rozk lad N (p,qp·qn ).