P. 1
2. Zmienna losowa ciągła-DEF

2. Zmienna losowa ciągła-DEF

|Views: 104|Likes:
Publicado porkemes9103

More info:

Published by: kemes9103 on Apr 01, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

04/01/2011

pdf

text

original

Zmienna losowa ciągła

:

Zmienną losową X – nazywamy ciągłą, jeżeli zbiór wartości zmiennej X można przedstawić jako przedział liczbowy. DEF Funkcją gęstości zmiennej losowej X typu ciągłego nazywamy funkcję f(x) (o ile istnieje) określoną następująco:

f ( x ) = lim
Własności:

P( x < X ≤ x + ∆x ) ∆x → 0 ∆x

Z powyższej definicji wynikają ważne własności funkcji gęstości: 1.

f ( x) ≥ 0
b

dla każdego x∈R

2.

∫ f ( x)dx = P(a ≤ X ≤ b) = P(a < X < b) dla dowolnych a < b
a

3.

−∞

∫ f ( x)dx = 1
= a) = 0

4. P ( X 5.

Przykładowy wykres funkcji gęstości prawdopodobieństwa i graficzna interpretacja P(a < X ≤ b ) .

f(x)

P(a < X ≤ b ) = ∫ f ( x )dx
a

b

a

b

x

DEF Dystrybuantą zmiennej losowej ciągłej nazywamy funkcję:

F ( x) = P ( X < x ) =

−∞

∫ f (t )dt .

x

Własności dystrybuanty F(x) zmiennej losowej X typu ciągłego:
• •

0 ≤ F (x ) ≤ 1
x → −∞

dla

−∞ < x < +∞,
x → +∞

lim F ( x ) = 0

oraz

lim F ( x ) = 1,

F(x) jest funkcją niemalejącą i ciągłą.

Na podstawie dystrybuanty zmiennej losowej ciągłej można obliczyć prawdopodobieństwa:

P( X < x1 ) = F ( x1 )
P ( x 2 < X < x3 ) = F ( x3 ) − F ( x 2 )
P( X > x 4 ) = 1 − F ( x 4 )
Przykład 1 Funkcja gęstości zmiennej losowej czasu oczekiwania na autobus ma postać:

 0, dlax < 0,  f ( x ) = c, dla 0 ≤ x ≤ 5,  0, dlax > 5, 
gdzie c jest pewną stałą.

Wykres funkcji gęstości czasu oczekiwania na autobus oraz ilustracja graficzna P(1 < X ≤ 3): f(x)

1/5

0

1

2

3

4

5

x

Dystrybuanta czasu oczekiwania na autobus oraz ilustracja graficzna P(1 < X ≤ 3): f(x)

1

F(3)

2

F(3)-F(1)

F(1)

0

1

2

3

4

5

x

PARAMETRY ROZKŁADU: Wartość oczekiwana zmiennej losowej ciągłej:

E( X ) =

−∞

∫ xf ( x)dx

Wariancja zmiennej losowej ciągłej

D 2 ( X ) = ∫ [ X − E ( X )]2 f ( x)dx
−∞

MOMENTY DEF Momentem zwykłym (lub po prostu momentem) rzędu k k = 1,2,... zmiennej losowej X nazywamy wartość oczekiwaną k-tej potęgi tej zmiennej, tzn.:

(

)

mk = E X k

( )

∑ xik pi dla zmiennej losowej skokowej i  = ∞ k  ∫ x f ( x )dx dla zmiennej losowej ciąglej  −∞ 

DEF Momentem centralnym rzędu oczekiwaną funkcji

g ( X ) = [ X − E ( X )]k

k ( k = 1, 2,...)

zmiennej losowej X nazywamy wartość

tej zmiennej, tzn.:

uk = E [ X − E ( X )]k

∑ [xi − E ( x )]k dla zmiennej losowej skokowej pi i  =∞ k  ∫ [x − E ( x )] f ( x )dx dla zmiennej losowej ciąglej  −∞ 

Przykład 2

przeprowadzamy pomiar wagi pewnego typu odkuwek tłoczonych przez prasę hydrauliczną, waga pojedynczych odkuwek odchyla się w sposób przypadkowy od wagi nominalnej, tym samym wyniki pomiarów wagi odkuwek można traktować jako realizacje zmiennej losowej ciągłej, dokonujemy n pomiarów, grupując uzyskane wyniki w l rozłącznych przedziałach

(xi , xi +1 , gdzie i=1,...,l,

długość przedziału

(xi , xi +1

oznaczamy przez

∆x i = x i +1 − x i , natomiast liczbę

pomiarów, które trafiły do tego przedziału, przez ni,

przedstawiamy uzyskane dane w postaci histogramu, konstruując go przy następujących założeniach: - podstawy poszczególnych prostokątów reprezentują wyróżnione przedziały wartości pomiarów wagi podkuwek,

(xi , xi +1

- wysokości poszczególnych prostokątów ni

1 są ustalone w taki sposób, aby pola n ∆x i ⋅

n prostokątów były równe częstościom i : n

∆x i ⋅

Histogram wyników pomiarów wagi odkuwek

(l = 5, ∆xi = 1)

ni 1 n ⋅ = i n ∆x i n

ni n∆xi
0,4 0,3 0,2 0,1

x1

x2

x3

x4

x5

x6

x

Histogram wyników pomiarów wagi odkuwek

(l = 20, ∆xi = 0,25)

ni n∆xi
0,4 0,3 0,2 0,1

x1

x5

x9

x13

x17

x21 x

ROZKŁAD NORMALNY

DEF Zmienna losowa X ma rozkład normalny o parametrach m oraz σ, co w skrócie zapisuje się jako X : N m, σ , jeżeli jej funkcja gęstości wyraża się wzorem:

(

)

f (x ) =
przy czym σ > 0 .

1 e σ 2π

( x − m )2
2σ 2

,

− ∞ < x < +∞

DEF Rozkład normalny ze średnią m=0 oraz odchyleniem standardowym σ=1 nazywamy standardowym rozkładem normalnym i oznaczamy N(0,1)

WŁASNOŚCI KRZYWEJ GĘSTOŚCI ROZKŁADU NORMALNEGO

a) jest symetryczna względem prostej b) osiąga maksimum równe

x = m,

1 dla x = m , σ 2π

c) jej ramiona mają punkty przegięcia dla

x = m − σ oraz x = m + σ .

Przykład 3

POPULACJA

PRÓBY

Średnia z próby:

Odchylenie standardowe z próby:

Średnia z populacji: µ Odchylenie standardowe z populacji: σ Średnia dla prób: ≈µ Odchylenie standardowe dla prób:

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->