Statistik og Sandsynlighedsregning 2

Relaterede dokumenter
Program. Statistik og Sandsynlighedsregning 2 Middelværdi og varians. Eksempler fra sidst. Sandsynlighedstæthed og sandsynlighedsmål

Program. Statistik og Sandsynlighedsregning. Eksempler. Sandsynlighedstæthed og sandsynlighedsmål

Statistik og Sandsynlighedsregning 2

Elementær sandsynlighedsregning

Elementær sandsynlighedsregning

Statistik og Sandsynlighedsregning 2

standard normalfordelingen på R 2.

Sandsynlighedsregning Oversigt over begreber og fordelinger

hvor a og b er konstanter. Ved middelværdidannelse fås videre

Sandsynlighedsregning 11. forelæsning Bo Friis Nielsen

Sandsynlighedsregning Stokastisk variabel

INSTITUT FOR MATEMATISKE FAG c

Susanne Ditlevsen Institut for Matematiske Fag susanne

Opgaver i sandsynlighedsregning

Den todimensionale normalfordeling

Teoretisk Statistik, 16. februar Generel teori,repetition

Eksamen 2014/2015 Mål- og integralteori

Statistik Lektion 3. Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen

Sandsynlighedsregning: endeligt udfaldsrum (repetition)

Statistik og Sandsynlighedsregning 2

Supplement til kapitel 4 Om sandsynlighedsmodeller for flere stokastiske variable

Fortolkning. Foldning af sandsynlighedsmål. Foldning af tætheder. Foldning af Γ-fordelinger Eksempel: Hvis X og Y er uafhængige og. Sætning (EH 20.

Agenda Sandsynlighedsregning. Regneregler (kap. 3-4) Fordelinger og genkendelse af fordelinger (kap. 3-5) Simultane, marginale og betingede

13 Markovprocesser med transitionssemigruppe

Betingede sandsynligheder Aase D. Madsen

Definition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.

3 Stokastiske variable 3.1 Diskrete variable

Sandsynlighedsregning & Statistik

Statistiske modeller

Vejledende løsninger til opgaver i kapitel 6

Løsning til prøveeksamen 1

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)

Repetition Stokastisk variabel

Landmålingens fejlteori - Lektion 2 - Transformation af stokastiske variable

Sandsynlighedsregning 3. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 6. forelæsning Bo Friis Nielsen

Momenter som deskriptive størrelser. Hvad vi mangler fra onsdag. Momenter for sandsynlighedsmål

Program. Statistik og Sandsynlighedsregning 2 Normalfordelingens venner og bekendte. χ 2 -fordelingen

Løsning til eksamen 16/

Statistik og Sandsynlighedsregning 2

Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen

Sandsynlighedsregning & Statistik

Karakteristiske funktioner og Den Centrale Grænseværdisætning

CIVILINGENIØREKSAMEN Side 1 af 18 sider. Skriftlig prøve, den: PQ. juli 200Z Kursus nr : (navn) (underskrift) (bord nr)

Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable

Binomialfordelingen. Binomialfordelingen. Binomialfordelingen

Transkript:

Statistik og Sandsynlighedsregning 2 Uafhængighed og reelle transformationer Helle Sørensen Uge 8, mandag SaSt2 (Uge 8, mandag) Uafh. og relle transf. 1 / 16

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

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

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 3.6.1 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

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 6.2.1 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

Bevis Bevis i tilfældet n = 2. 1. 2. Hvad er det vi skal vise? Det er faktisk nok at vide det for produktmængder A 1 A 2 2. 1. Regn på P(X 1 A 1,X 2 A 2 ) 2. 3. Oplagt 3. 2. 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

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

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

Transformationer og uafhængighed Sætning 6.2.3 (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

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

Fordeling af sum for kontinuerte fordelinger Tilsvarende for kontinuerte stokastiske variable: Sætning 6.3.1 og korollar 6.3.2 (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 5.1.5. SaSt2 (Uge 8, mandag) Uafh. og relle transf. 11 / 16

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

Fordeling af Z = Y /f (X ) Det kan være nyttigt at kunne finde fordelingen af Z = Y /f (X ) for forskellige funktioner f. Sætning 6.3.4 (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

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

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

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