Professional Documents
Culture Documents
• Sp
p X ima uniformnu raspodelu
p na intervalu ((a,b)
, ) ako jje
gustina sp X g(x) a b
1
1
, x ∈ [ a, b]
b−a
g ( x) = b − a
0, x ∉ [ a, b]
x
• Oznaka uniformne raspodele je X:U(a, b)
• Matematičko očekivanje i disperzija su: a+b
E( X ) =
2
• Koeficijent asimetrije je nula. (b − a) 2
D( X ) =
• Koeficijent spljoštenosti je f2=-1,2.
= 12 12
1
Eksponencijalna raspodela
• Slučajna
j p promenljiva
j X ima eksponencijalnu
p j raspodelu
p
sa parametrom λ, λ>0 ako je gustina raspodele sp X
oblika
0, x≤0
g ( x ) = − λx
λe , x > 0
g(x)
sa X: ε(λ)
2.0
O
Označavamo
č 1.8
1.6
1.4 λ= 2
1.2
1.0
λ= 1
0.8
λ = 2/3
0.6 λ = 0.5
0.4
0.2
0.0 x2
0 1 2 3 4 5 6
Eksponencijalna raspodela, disperzija
• Sl
Slučajna
čajna promenljiva
promenlji a X ima eksponencijalnu
eksponencijaln raspodelu
raspodel
X:ε(λ). Matematičko očekivanje je
1
E( X ) =
λ
• Disperzija je
1
D( X ) = 2
λ
• Koeficijent varijacije je 1, koeficijent asimetrije je 2, a
koeficijent spljoštenosti je 6.
3
Eksponencijalna raspodela, nastavak
0, u≤c
g (u ) = −λ (u −c )
λe , u>c
• Raspodela
p slučajne
j p promenljive
j sa g
gustinom
λ −λ x
g ( x) = e x∈R
2
je dvostrana eksponencijalna ili Laplasova raspodela.
• Primer. Odrediti konstantu k tako da data funkcija g(x)
bude gustina raspodele sp X, a zatim odrediti funkciju
raspodele, matematičko očekivanje i disperziju sp X.
−x
g ( x) = k e x∈R 1
1 x
0.9
x≤0
0.8
1 2e ,
0.7
k=
0.6
F ( x) =
F(x)
0.5
2 1
0.4
0
1 − e − x , x > 0
0.3
0.2
E( X ) = 0 D( X ) = 2 2
0.1
0
-5 -4 -3 -2 -1 0 1 2 3 5
4 5
x
χ2- raspodela
• Neka su sp
p X1,,...,, Xn nezavisne i sve imaju j N(0,1)
( , )
raspodelu. Za sp
X = X 12 + ... + X n2
kažemo da ima χ2 (hi kvadrat) raspodelu sa n stepeni
slobode, što označavamo
X : χ 2n
• Matematičko očekivanje je
E( X ) = n
• Disperzija je
D ( X ) = 2n
6
χ2- raspodela za različite vrednosti n
g(x)
0.25
n =1
0.20
n =4
0.15
n =8
0.10
n = 12
n = 20
0.05
0.00 x
0 5 10 15 20 25 30 35 40
8
Tablice za χ2- raspodelu
j vrednosti χ α za koje
2
• Tablice za hi-kvadrat raspodelu
p daju j
je verovatnoća
P ( X > χ α2 ) = α
gde je α zadato i jednako 0,99, 0,95, ..., 0,01, a sp X ima
hi-kvadrat raspodelu sa n stepeni slobode.
n α=0,99
0 99 ... α=0,01
0 01
1 0,000 ... 6,635 χ 2
Za sp X sa 17
2 ,
0,020 ... 9,210
,
P ( X > 33,409) = 0,01
... ... ... ...
17 6,408 ... 33,409 gde je α-prag
... ... ... ... značajnosti
č j ti
30 14,953 ... 50,892 9
Gustina raspodele sp X: χ2
• Gustina raspodele
p p X : χ 2n
sp
0, x≤0
1 n / 2 −1 − x / 2
g ( x) = x e , x>0
n/2 n
2 Γ
2
∞
Γ( z ) = ∫ e −t t z −1dt z ∈ R+ Γ ( z + 1) = zΓ( z )
0
Gama funkcija
• U specijalnom slučaju kada
je z=n∈N biće Γ ( n) = ( n − 1)!
10
χ2 - raspodela,
raspodela nastavak
• Ako su X i Y nezavisne slučajne
j p j , X : χ 2n , Y : χ 2m
promenljive,
tada je Z=X+Y slučajna promenljiva sa χ n+ m .
2
0.6
v2
g (v ) = 2 2 − 2
πv e , v > 0
0.5
0.4
g(x)
0.3
0.2
0.1
Maksvelova
0
0 1 2 3 4 5 6
raspodela
x
11
Studentova raspodela
• Ako su sp p Z : χ 2n nezavisne,, tada sp
p Y:N (0,, 1) i sp p
Y
X =
Z
n
ima Studentovu raspodelu sa n stepeni slobode, u
oznaci:
i X: tn
• Ako su sp Y, X1, ..., Xn nezavisne i sve imaju normalnu
normiranu raspodelu N (0, 1), tada sp
Y n
X=
X 12 + ... + X n2
ima studentovu tn raspodelu.
12
Studentova raspodela
raspodela, disperzija
• Ako X: tn, onda je
j matematičko očekivanje
j
E( X ) = 0
• Disperzija je
∞, n≤2
D( X ) = n
, n>2
n − 2
13
Tablice za Studentovu raspodelu
• Tablice za Studentovu-t raspodelu
p daju
j vrednosti tα za
koje je verovatnoća
P( X > tα ) = α
gde je α zadato i jednako 0,99, 0,95, ..., 0,01, a sp X ima
t-raspodelu sa n stepeni slobode.
n α=0,9 ... α=0,01
1 0,158 ... 63,657 Za sp X sa t17 raspod.
2 0 142
0,142 ... 9 925
9,925 P (| X |> 2,898) = 0,01
... ... ... ...
17 0,128 ... 2,898 gde je α-prag
... ... ... ... značajnosti
č j ti
14
30 0,127 ... 2,750
Gustina Studentove raspodele
• Gustina raspodele
p sp
p X: tn jje:
n +1
Γ −
n +1
2 x 2
2
g ( x) = 1 + ,x∈R
n n
nπ Γ
2
gde je Γ(z) gama funkcija, a n pozitivan broj – ali je zbog
primena u statistici prirodan broj.
• Ukoliko je n≥30, tn raspodela se može aproksimirati
N (0,1) raspodelom. Zato u tablicama ne figurišu
vrednosti veće n od 3030.
15
Studentova raspodela za nn=66 i nn=11
0.4
0.4
n=6
n=1
0.35 n=1
0.35 norm. rasp.
2
0.3 0.3 1 − x2
f ( x) = e
2π
0.25 0.25
g(x)
g(x)
0.2 0.2
0.15 0.15
0.1 0.1
0.05 0.05
0 0
-6 -4 -2 0 2 4 6 -6 -4 -2 0 2 4 6
x x
17
Fišerova raspodela
raspodela, disperzija
Fn,k
• Ako X:Fn k tada jje matematičko očekivanje
j
k
E( X ) = E(X)→1, k→∞
k −2
• Disperzija je
2k 2 (n + k − 2)
D( X ) =
n(k − 2) 2 (k − 4)
• Kada k→∞, tada se Fn,kk može aproksimirati raspodelom
sp Y/n, gde je Y : χ 2n .
1 2 1 k
Označimo to sa Fn,∞ n∞ ≈ χ n . Odatle sledi F∞ k
∞, = ≈
n Fk ,∞ χ 2k
18
Gama raspodela
• Ako je gustina sp X
0, x≤0
α −λx α −1
g ( x) = λ e x
, x>0
Γ(α )
0.8
α=1,
1 λ=1
0.6
0.4
α=2,λ=1
0.2 α=4,λ=1
0.0
0 1 2 3 4 5 6 7 8
x
20
Gama raspodela
raspodela, nastavak
• Ako su sp p X1: Γ(α1, λ) i X2: Γ(α2, λ) sa g
gama raspodelama
p
sa istim parametrom λ nezavisne, tada i njihov zbir X1+X2
ima gama raspodelu Γ(α1+α2, λ).
Z α=1
• Za 1 se d
dobija
bij eksponencijalna
k d l ε(λ).
ij l raspodela )
• Za α∈N se dobija Erlangova raspodela.
• Za α=n/2 i λ=1/2 dobija se χ2 - raspodela.
raspodela
• Za λ=1 imamo tzv. jednoparametarsku gama raspodelu.
• Ako X:Γ(α,λ, ) i Y=X+c, tada je j gustina
g raspodele
p sppY
0, x≤c
α −λ ( x −c )
gY ( x) = λ e ( x − c) α −1
, x>c Troparametarska
Γ(α ) gama raspodela
Γ(α,λ,c) 21