Statistik og Sandsynlighedsregning 2
|
|
|
- Vibeke Kjærgaard
- 9 år siden
- Visninger:
Transkript
1 Statistik og Sandsynlighedsregning 2 Uafhængighed og reelle transformationer Helle Sørensen Uge 8, mandag SaSt2 (Uge 8, mandag) Uafh. og relle transf. 1 / 16
2 Program I dag: Uafhængighed af kontinuerte stokastiske variable uafhængighed hvis og kun hvis simultan tæthed splitter op i produkt eksempler transformation og uafhængighed Fordeling af reel transformation af kontinuerte stokastiske variable fordeling af X + Y fordeling af Y /f (X ) fordeling af min(x 1,...,X n ). SaSt2 (Uge 8, mandag) Uafh. og relle transf. 2 / 16
3 Flerdimensionale kontinuerte fordelinger: repetition Funktionen p : R n [0, ) er en tæthed på R n hvis R n p(x 1,...,x n )dx 1 dx n = 1 Sandsynlighedsmål på R n med tæthed p: P(A) = 1 A (x 1,...,x n )p(x 1,...,x n )dx 1 dx n, A R n B Stokastisk variabel med fordeling P: P((X 1,...,X n ) A) = 1 A (x 1,...,x n )p(x 1,...,x n )dx 1 dx n R n Marginalfordelinger: integrér de øvrige koordinater væk, p(x 1,...,x k ) = p(x 1,...,x n )dx k+1...dx n R n k SaSt2 (Uge 8, mandag) Uafh. og relle transf. 3 / 16
4 Uafhængighed Husk Definition 2.4.1: X 1,...,X n er uafhængige hvis P(X 1 A 1,...,X n A n ) = P(X 1 A 1 ) P(X n A n ) for alle (pæne) delmængder A 1,...,A n R. Og husk sætning om uafhængighed mellem stokastiske variable med endeligt tilstandsrum: X 1,...,X n stokastisk uafhængige hvis og kun hvis sandsynlighedsfunktionen for (X 1,...,X n ) splitter op i et produkt. Kontinuerte fordelinger: Erstat sandsynlighedsfunktion med sandsynlighedstæthed så gælder samme sætning! SaSt2 (Uge 8, mandag) Uafh. og relle transf. 4 / 16
5 Uafhængighed af kontinuerte stokastiske variable (X 1,...,X n ) kontinuert med simultan tæthed p og marginale tætheder p 1,...,p n (som jo er veldefinerede hvorfor?). Sætning Følgende udsagn er ækvivalente: 1. X 1,...,X n er uafhængige 2. p(x 1,...,x n ) = p 1 (x 1 ) p n (x n ) for alle x 1,...,x n R 3. der findes n ikke-negative funktioner g 1,...,g n : R R så p(x 1,...,x n ) = g 1 (x 1 ) g n (x n ) for alle x 1,...x n R. Altså: hvis vi skal vise uafhængighed, så er det nok at indse at den simultane tæthed splitter op i et produkt funktionerne kan normeres til tætheder! SaSt2 (Uge 8, mandag) Uafh. og relle transf. 5 / 16
6 Bevis Bevis i tilfældet n = Hvad er det vi skal vise? Det er faktisk nok at vide det for produktmængder A 1 A Regn på P(X 1 A 1,X 2 A 2 ) Oplagt Hvad er de marginale tætheder? Husk at de marginale tætheder integrerer til 1 Regn på p(x 1 )p(x 2 ) SaSt2 (Uge 8, mandag) Uafh. og relle transf. 6 / 16
7 Eksempler 1. (X 1,X 2 ) kontinuert med tæthed p(x 1,x 2 ) = λ 2 e λ(x 1+x 2 ), x 1,x 2 > 0 Er X1 og X 2 uafhængige? Hvad er fordelingen af X1? Af X 2? 2. (X 1,X 2 ) kontinuert med tæthed p(x 1,x 2 ) = 1 2π e x2 1 /2λ 2 λx 2, x 1 R,x 2 > 0 Er X1 og X 2 uafhængige? Hvad er fordelingen af X1? Af X 2? SaSt2 (Uge 8, mandag) Uafh. og relle transf. 7 / 16
8 Eksempler 3. (X 1,X 2 ) ligefordelt på K = {(x 1,x 2 ) x 1 + x 2 1}. Hvad er tætheden for (X1,X 2 )? Hvad er tætheden for X1? For X 2? Er X1 og X 2 uafhængige? Husk sætning 2.4.2: X 1 og X 2 er uafhængige hvis og kun hvis P(X 1 A 1 X 2 A 2 ) = P(X 1 A 1 ) for alle (pæne) A 1,A 2 R med P(X 2 A 2 ) > 0. Kan vi bruge dette til at sige noget om uafhængighed mellem X 1 og X 2 ovenfor. Produktmængder! SaSt2 (Uge 8, mandag) Uafh. og relle transf. 8 / 16
9 Transformationer og uafhængighed Sætning (X 1...,X n ) kontinuert, funktion ψ : R n k R. Hvis X 1,...,X n er uafh. så er X 1,...,X k,ψ(x k+1,...,x n ) også uafhængige. Bevis: Hvad skal vi vise? Husk originalmængden til A: ψ 1 (A) = {(x k+1,...,x n ) ψ(x k+1,...,x n ) A}, delmængde af R n 1 Regn på P(X 1 A 1,...,X k A n,ψ(x k+1,...,x n ) A) Husk også: For ψ 1,...,ψ n : R R: ψ 1 (X 1 ),...,ψ n (X n ) er uafhængige For φ : R k R og ψ : R n k R: φ(x 1,...,X k ) og ψ(x k+1,...,x n ) uafhængige. SaSt2 (Uge 8, mandag) Uafh. og relle transf. 9 / 16
10 Fordeling af sum på endelige mængder Husk sætning 3.4.4: Hvis X 1 og X 2 er koncentreret på {0,1,...,n 1 } hhv. {0,1,...,n 2 }, og (X 1,X 2 ) har sandsynlighedsfunktion p, så har Y = X 1 + X 2 sandsynlighedsfunktion q(y) = y j=0 p(j,y j), y = 0,1,...,n 1 + n 2 Summerer sandsynlighederne for alle mulige par med sum y. SaSt2 (Uge 8, mandag) Uafh. og relle transf. 10 / 16
11 Fordeling af sum for kontinuerte fordelinger Tilsvarende for kontinuerte stokastiske variable: Sætning og korollar (X,Y ) kontinuert med tæthed p. Så er Z = X + Y kontinuert og har tæthed q(z) = p(x,z x)dx, z R Hvis X og Y er uafhængige: q(z) = p 1(x)p 2 (z x)dx, Integrerer over alle mulige værdier af (x,y) med sum z. Bevis: z R Regn på fordelingsfunktionen for Z og vis at F (z) = z q(u)du. Brug så sætning SaSt2 (Uge 8, mandag) Uafh. og relle transf. 11 / 16
12 Eksempel: foldning af normalfordelinger Foldning: sum af to uafhængige variable. Antag at X og Y er uafhængige og at de begge er N(0,1)-fordelte. Hvad er fordelingen af X + Y? Vi skal se på sagen igen på onsdag, på en lidt anden måde... SaSt2 (Uge 8, mandag) Uafh. og relle transf. 12 / 16
13 Fordeling af Z = Y /f (X ) Det kan være nyttigt at kunne finde fordelingen af Z = Y /f (X ) for forskellige funktioner f. Sætning (X,Y ) kontinuert med tæthed p og X koncentreret på mængde M. Givet funktion f : R R med f > 0 på M. Så er Z = Y /f (X ) kontinuert og har tæthed q(z) = p(x,f (x)z)f (x)dx, z R Bevis: Som for summen, men nu med ikke-lineær substitution u = y/f (x). Korollarer for tre vigtige specialtilfælde: f (x) = 1/x svarende til Z = XY. f (x) = x svarende til Z = Y /X. f (x) = x svarende til Z = Y / X. SaSt2 (Uge 8, mandag) Uafh. og relle transf. 13 / 16
14 Eksempel 6.3.8: kvotient af to eksponentialford. X og Y uafhængige, begge eksponentialfordelte med parameter 1. Hvad er tætheden for Z = Y /X? SaSt2 (Uge 8, mandag) Uafh. og relle transf. 14 / 16
15 Eksempel: fordeling af minimum X 1,X 2,...,X n uafhængige med samme fordeling og dermed samme fordelingsfunktion, F. Hvad er fordelingen af Y = min(x 1,...,X n )? Kan ikke bruge nogle af sætningerne Regn på fordelingsfunktionen for Y : F Y (y) = P(Y y) = 1 P(Y > y) Hvordan kan Y > y udtrykkes vha. X i er? Specialtilfælde: X 1,...,X n ligefordelt på [0,1] (eksempel 6.3.9). SaSt2 (Uge 8, mandag) Uafh. og relle transf. 15 / 16
16 Resume Vigtige ting fra i dag: Kan vise uafhængighed ved at vise at den simultane tæthed splitter op i et produkt. Fordeling af X + Y og Y /f (X ): formlerne, men også bevismetoden, så I selv kan finde lignende fordelinger. På onsdag: Lineær transformation af linæer fordeling: Y = AX hvor X er en todimensional stokastisk variabel og A er en 2 2-matrix. Middelværdi, varians, kovarians, korrelation SaSt2 (Uge 8, mandag) Uafh. og relle transf. 16 / 16
Program. Statistik og Sandsynlighedsregning 2 Middelværdi og varians. Eksempler fra sidst. Sandsynlighedstæthed og sandsynlighedsmål
Program Statistik og Sandsynlighedsregning 2 Middelværdi og varians Helle Sørensen Uge 6, onsdag I formiddag: Tætheder og fordelingsfunktioner kort resume fra i mandags og et par eksempler mere om sammenhængen
Program. Statistik og Sandsynlighedsregning. Eksempler. Sandsynlighedstæthed og sandsynlighedsmål
Program Statistik og Sandsynlighedsregning Sandsynlighedstætheder og kontinuerte fordelinger på R Varians og middelværdi Normalfordelingen Susanne Ditlevsen Uge 48, tirsdag Tætheder og fordelingsfunktioner
Statistik og Sandsynlighedsregning 2
Statistik og Sandsynlighedsregning 2 Normalfordelingen og transformation af kontinuerte fordelinger Helle Sørensen Uge 7, mandag SaSt2 (Uge 7, mandag) Normalford. og transformation 1 / 16 Program Paretofordelingen,
Elementær sandsynlighedsregning
Elementær sandsynlighedsregning Sandsynlighedsbegrebet Et udfaldsrum S er mængden af alle de mulige udfald af et eksperiment. En hændelse A er en delmængde af udfaldsrummet S. Et sandsynlighedsmål er en
Elementær sandsynlighedsregning
Elementær sandsynlighedsregning Sandsynlighedsbegrebet Et udfaldsrum S er mængden af alle de mulige udfald af et eksperiment. En hændelse A er en delmængde af udfaldsrummet S. Den hændelse, der ikke indeholder
Statistik og Sandsynlighedsregning 2
Statistik og Sandsynlighedsregning 2 Sandsynlighedstætheder og kontinuerte fordelinger på R Helle Sørensen Uge 6, mandag SaSt2 (Uge 6, mandag) Tætheder og kont. fordelinger 1 / 19 Program Velkommen I dag:
standard normalfordelingen på R 2.
Standard normalfordelingen på R 2 Lad f (x, y) = 1 x 2 +y 2 2π e 2. Vi har så f (x, y) = 1 2π e x2 2 1 2π e y2 2, og ved Tonelli f dm 2 = 1. Ved µ(a) = A f dm 2 defineres et sandsynlighedsmål på R 2 målet
Sandsynlighedsregning Oversigt over begreber og fordelinger
Tue Tjur Marts 2007 Sandsynlighedsregning Oversigt over begreber og fordelinger Stat. MØK 2. år Kapitel : Sandsynlighedsfordelinger og stokastiske variable En sandsynlighedsfunktion på en mængde E (udfaldsrummet)
hvor a og b er konstanter. Ved middelværdidannelse fås videre
Uge 3 Teoretisk Statistik. marts 004. Korrelation og uafhængighed, repetition. Eksempel fra sidste gang (uge ) 3. Middelværdivektor, kovarians- og korrelationsmatrix 4. Summer af stokastiske variable 5.Den
Sandsynlighedsregning 11. forelæsning Bo Friis Nielsen
Sandsynlighedsregning 11. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 28 Kgs. Lyngby Danmark Email: [email protected] Dagens nye emner afsnit 6.3 (og 6.4 Betingede
Sandsynlighedsregning Stokastisk variabel
Sandsynlighedsregning Stokastisk variabel I eksperimenter knyttes ofte en talværdi til hvert udfald. S s X(s) R Definition: En stokastisk variabel X er en funktion defineret på S, der antager værdier på
INSTITUT FOR MATEMATISKE FAG c
INSTITUT FOR MATEMATISKE FAG c AALBORG UNIVERSITET FREDRIK BAJERS VEJ 7 G 9220 AALBORG ØST Tlf.: 96 35 89 27 URL: www.math.aau.dk Fax: 98 15 81 29 E-mail: [email protected] Dataanalyse Sandsynlighed og stokastiske
Susanne Ditlevsen Institut for Matematiske Fag susanne
Statistik og Sandsynlighedsregning 1 Repetition MS kapitel 1 3 Susanne Ditlevsen Institut for Matematiske Fag Email: [email protected] http://math.ku.dk/ susanne Hvad er sandsynlighed? - beskriver systemer
Opgaver i sandsynlighedsregning
Afdeling for Teoretisk Statistik STATISTIK Institut for Matematiske Fag Preben Blæsild Aarhus Universitet 9. januar 005 Opgaver i sandsynlighedsregning Opgave Lad A og B være hændelser således at P(A)
Den todimensionale normalfordeling
Den todimensionale normalfordeling Definition En todimensional stokastisk variabel X Y siges at være todimensional normalfordelt med parametrene µ µ og når den simultane tæthedsfunktion for X Y kan skrives
Teoretisk Statistik, 16. februar Generel teori,repetition
1 Uge 8 Teoretisk Statistik, 16. februar 2004 1. Generel teori, repetition 2. Diskret udfaldsrum punktssh. 3. Fordelingsfunktionen 4. Tæthed 5. Transformationer 6. Diskrete vs. Kontinuerte stokastiske
Eksamen 2014/2015 Mål- og integralteori
Eksamen 4/5 Mål- og integralteori Københavns Universitet Institut for Matematiske Fag Formalia Eksamensopgaven består af 4 opgaver med ialt spørgsmål Ved bedømmelsen indgår de spørgsmål med samme vægt
Statistik Lektion 3. Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen
Statistik Lektion 3 Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen Repetition En stokastisk variabel er en funktion defineret på S (udfaldsrummet, der antager
Sandsynlighedsregning: endeligt udfaldsrum (repetition)
Program: 1. Repetition: sandsynlighedsregning 2. Sandsynlighedsregning fortsat: stokastisk variabel, sandsynlighedsfunktion/tæthed, fordelingsfunktion. 1/16 Sandsynlighedsregning: endeligt udfaldsrum (repetition)
Statistik og Sandsynlighedsregning 2
Statistik og Sandsynlighedsregning 2 Transformation af kontinuerte fordelinger på R, flerdimensionale kontinuerte fordelinger, mere om normalfordelingen Helle Sørensen Uge 7, onsdag SaSt2 (Uge 7, onsdag)
Supplement til kapitel 4 Om sandsynlighedsmodeller for flere stokastiske variable
IMM, 00--6 Poul Thyregod Supplement til kapitel 4 Om sandsynlighedsmodeller for flere stokastiske variable Todimensionale stokastiske variable Lærebogens afsnit 4 introducerede sandsynlighedsmodeller formuleret
Fortolkning. Foldning af sandsynlighedsmål. Foldning af tætheder. Foldning af Γ-fordelinger Eksempel: Hvis X og Y er uafhængige og. Sætning (EH 20.
Foldning af sandsnlighedsmål Lad µ og ν være to sandsnlighedsmål på (R, B). Fortolkning Lad φ : R R være φ(, ) = + for (, ) R. Lad X og Y være to reelle stokastiske variable defineret på (Ω, F, P). Definition
Agenda Sandsynlighedsregning. Regneregler (kap. 3-4) Fordelinger og genkendelse af fordelinger (kap. 3-5) Simultane, marginale og betingede
Agenda Sandsynlighedsregning. Regneregler (kap. 3-4) Fordelinger og genkendelse af fordelinger (kap. 3-5) Simultane, marginale og betingede fordelinger (kap. 4) Middelværdi og varians (kap. 3-4) Fordelingsresultater
13 Markovprocesser med transitionssemigruppe
13 Markovprocesser med transitionssemigruppe I nærværende kapitel vil vi antage at tilstandsrummet er polsk, hvilket sikrer, at der findes regulære betingede fordelinger. Vi skal se på eksistensen af Markovprocesser.
Betingede sandsynligheder Aase D. Madsen
1 Uge 12 Teoretisk Statistik 15. marts 2004 1. Betingede sandsynligheder Definition Loven om den totale sandsynlighed Bayes formel 2. Betinget middelværdi og varians 3. Kovarians og korrelationskoefficient
Definition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.
Landmålingens fejlteori Lektion 2 Transformation af stokastiske variable - [email protected] http://people.math.aau.dk/ kkb/undervisning/lf12 Institut for Matematiske Fag Aalborg Universitet Repetition:
3 Stokastiske variable 3.1 Diskrete variable
3 Stokastiske variable 3.1 Diskrete variable Punktsandsnligheden benævnes P(x) = P(X = x). {x, P(x)} er en sandsnlighedsfordeling for den stokastiske variabel, X, hvis 1) P(x) $ 0 for alle værdier af x.
Sandsynlighedsregning & Statistik
Sandsynlighedsregning & Statistik for matematikstuderende Jørgen Larsen 2006 Roskilde Universitet Teksten er sat med skriften Kp-Fonts ved hjælp af KOMA- Script og LATEX. Tegningerne er fremstillet med
Statistiske modeller
Statistiske modeller Statistisk model Datamatrice Variabelmatrice Hændelse Sandsynligheder Data Statistiske modeller indeholder: Variable Hændelser defineret ved mulige variabel værdier Sandsynligheder
Vejledende løsninger til opgaver i kapitel 6
Vejledende løsninger til opgaver i kapitel Opgave 1: a) Den stokastiske variabel, X, der angiver, om en elev består, X = 1, eller dumper, X =, sin eksamen i statistik. b) En binomialfordelt variabel fremkommer
Løsning til prøveeksamen 1
IMM - DTU 020 Probability 2006-2-8 BFN/bfn Løsning til prøveeksamen Spørgsmål ) For en indikatorvariabel I A for hændelsen A gælder E(I A ) = P(A) (se for eksemepl side 68). Således er E(X) = P(N ) = =
Regneregler for middelværdier M(X+Y) = M X +M Y. Spredning varians og standardafvigelse. 1 n VAR(X) Y = a + bx VAR(Y) = VAR(a+bX) = b²var(x)
Formelsamlingen 1 Regneregler for middelværdier M(a + bx) a + bm X M(X+Y) M X +M Y Spredning varians og standardafvigelse VAR(X) 1 n n i1 ( X i - M x ) 2 Y a + bx VAR(Y) VAR(a+bX) b²var(x) 2 Kovariansen
Repetition Stokastisk variabel
Repetition Stokastisk variabel Diskret stokastisk variabel Udfaldsrum endelige eller tællelige mange antal elementer Sandsynlighedsfunktion f(x) er ofte tabellagt Udregning af sandsynligheder P( a < X
Landmålingens fejlteori - Lektion 2 - Transformation af stokastiske variable
Landmålingens fejlteori Lektion 2 Transformation af stokastiske variable - [email protected] http://people.math.aau.dk/ kkb/undervisning/lf12 Institut for Matematiske Fag Aalborg Universitet 1/31 Repetition:
Sandsynlighedsregning 3. forelæsning Bo Friis Nielsen
Sandsynlighedsregning 3. forelæsning Bo Friis Nielsen Anvendt Matematik og Computer Science Danmarks Tekniske Universitet 28 Kgs. Lyngby Danmark Email: [email protected] Dagens emner Stokastiske variable: udfald
Sandsynlighedsregning 6. forelæsning Bo Friis Nielsen
Sandsynlighedsregning 6. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: [email protected] Dagens emner: Afsnit 4.2, 4.3 og 4.4 Poissonprocessen/eksponentialfordelingen
Momenter som deskriptive størrelser. Hvad vi mangler fra onsdag. Momenter for sandsynlighedsmål
Hvad vi mangler fra onsdag Momenter som deskriptive størrelser Sandsynlighedsmål er komplicerede objekter de tildeler numeriske værdier til alle hændelser i en σ-algebra. Vi har behov for simplere, deskriptive
Program. Statistik og Sandsynlighedsregning 2 Normalfordelingens venner og bekendte. χ 2 -fordelingen
Program Statitik og Sandynlighedregning 2 Normalfordelingen venner og bekendte Helle Sørenen Uge 9, ondag Reultaterne fra denne uge kal bruge om arbejdhete i projekt 1. I formiddag: χ 2 -fordelingen, t-fordelingen,
Løsning til eksamen 16/
1 IMM - DTU 245 Probability 24-5-11 BFN/bfn Løsning til eksamen 16/12 23 Spørgsmål 1) 2 44% Man benytter formlen for skalering og positionsskift i forbindelse med varians og standardafvigelse, samt formlen
Statistik og Sandsynlighedsregning 2
Statistik og Sandsynlighedsregning 2 Den flerdimensionale normalfordeling, fordeling af ( X,SSD) Helle Sørensen Uge 9, mandag SaSt2 (Uge 9, mandag) Flerdim. N, ford. af ( X,SSD) 1 / 16 Program Resultaterne
Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen
Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: [email protected] Dagens emner afsnit 6.1 og 6.2 Betingede diskrete
Sandsynlighedsregning & Statistik
Jørgen Larsen Sandsynlighedsregning & Statistik for matematikstuderende 2006 Indhold Forord 5 Del I Sandsynlighedsregning 7 Indledning 9 Endelige udfaldsrum. Grundlæggende definitioner.....................
Karakteristiske funktioner og Den Centrale Grænseværdisætning
E6 efterår 1999 Notat 10 Jørgen Larsen 20. oktober 1999 Karakteristiske funktioner og Den Centrale Grænseværdisætning Karakteristiske funktioner som er nære slægtninge til Fourier-transformationen) er
CIVILINGENIØREKSAMEN Side 1 af 18 sider. Skriftlig prøve, den: PQ. juli 200Z Kursus nr : (navn) (underskrift) (bord nr)
CIVILINGENIØREKSAMEN Side 1 af 18 sider Skriftlig prøve, den: PQ. juli 200Z Kursus nr : 02405 Kursus navn: Sandsynlighedsregning Tilladte hjælpemidler: Alle Dette sæt er besvaret af: (navn) (underskrift)
Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable
Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable - [email protected] Institut for Matematiske Fag Aalborg Universitet 1/41 Landmålingens fejlteori - lidt om kurset
Binomialfordelingen. Binomialfordelingen. Binomialfordelingen
Statistik og Sandsynlighedsregning 1 MS kapitel 3 Susanne Ditlevsen Institut for Matematiske Fag Email: [email protected] http://math.ku.dk/ susanne Definition 3.2.1 Lad X 1, X 2,..., X n være uafhængige
