Uniformna raspodela

• 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

• Spp X ima osobinu koja

j se naziva odsustvo memorije.j
Za svaka dva pozitivna broja t i s važi:
P[X > t+s /X> t]=P[X > s]
• Ako sp X ima U(0,1) raspodelu, tada Y=-lnX i Z=-ln(1-X)
imaju eksponencijalnu ε(1) raspodelu.
Ak X:ε(λ) i Y=X+c
• Ako Y X , tada
t d jje gustina
ti za Y :

 0, u≤c
g (u ) =  −λ (u −c )
λe , u>c

• Ovakva raspodela je dvoparametarska

eksponencijalna raspodela, u oznaci ε(λ, c). 4
 Dvostrana eksponencijalna raspodela

• 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

• Sa povećanjem broja stepeni slobode, n, tačka lokalnog

ekstremuma, tzv. mod raspodele se pomera udesno.
7
Aproksimacije hi-kvadrat
hi kvadrat raspodele
• Za n≥30 hi-kvadrat raspodela
p se može aproksimirati
p
normalnom raspodelom N (n, 2n), a raspodela sp
χ 2n − n
2n
normalnom normiranom raspodelom.
• Može se koristiti i Fišerova aproksimacija po kojoj 2χ 2n
ima p
približno normalnu raspodelu
p N ( 2n − 1,1)

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

• Raspodela sp X = X 12 + X 22 + X 32 predstavlja kvadrat

brzine čestica. Brzina V = X 12 + X 22 + X 32 ima gustinu
 0, v≤0
07
0.7

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

• Normalna raspodela brže konvergira ka 0, nego

Studentova raspodela kada x→-∞ ili x→∞ i g(0)<f(0) ∀n∈N
16
 Fišerova raspodela
p Y : χ 2n i Z : χ 2k nezavisne,, tada sp
• Ako su sp p
Y
X= n
Z
k
ima Fišerovu raspodelu sa n i k stepeni slobode
u oznaci: X:Fn,k

• Ako X:Fn,kk tada Y 1/X ima raspodelu Fk,n

Y=1/X k , pa se u
tablicama daju parovi vrednosti n i k za koje je n>k.

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 )

gde su α i λ pozitivni realni brojevi, tada kažemo da X ima

gama raspodelu sa parametrima α i λ i pišemo
X: Γ(α, λ). Naziva se i dvoparametarska gama raspodela.
• Ako je X: Γ(α, λ), matematičko očekivanje je
α
E( X ) =
λ
• disperzija je
α
D( X ) = 2
λ 19
Gustina dvoparametarske
gama raspodele
d l
g(x))
g(
1.0

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