Professional Documents
Culture Documents
promjenljive
Vjerovatnoća i statistika:Predavanje 4
Distribucija neprekidnih slučajnih promjenljivih
Iz definicije slijedi
𝑑𝐹(𝑥)
𝑃 𝑎 < 𝑋 < 𝑏 = 𝐹 𝑏 − 𝐹 𝑎 ,𝑖 𝑓 𝑥 =
𝑑𝑥
2 1 1
• Sada je 𝑃 0 < 𝑋 < 1 = 𝐹 1 − 𝐹 0 = − = .
9 9 9
Zajednička vjerovatnosna distribucija
• Ponekad u eksperimentima posmatramo više slučajnih promjenljivih,
npr. slučajne promjenljive X i Y.
Primjer: Kod studenata mjerimo visinu, težinu, prosjek ocjena u školi i
prosjek ocjena na fakultetu.
Vjerujemo da su visina i težina povezane slučajne promjenljive a takođe
i prosjeci ocjena na fakultetu i u školi.
Ako se posmatraju varijable X i Y tada možemo mjeriti vjerovatnoću da
će se pojaviti par vrijednosti (x,y) tj. distribuciju f(x,y).
Dakle u diskretnom slučaju
f(x,y)=P(X=y,Y=y)
Primjer:
1/2
1 3 𝑦 3𝑦 2 12 13
( + 𝑦)𝑑𝑦 = [ + ]1 =
10 5 10 10 4 160
1/4
Marginalne distribucije
• Pretpostavimo da su X i Y slučajne promjenljive sa zajedničkom
funkcijom distribucije f(x,y). Kako pronaći distribuciju g(x) slučajne
promjenljive X?
• Pošto ona ne zavisi od Y, ova distribucija se pronalazi sumiranjem
f(x,y) po svim vrijednostima od y.
• Slično, distribuciju h(y) od slučajne promjenljive Y dobivamo iz f(x,y)
sumiranjem po svim vrijednostima od x.
• Ovakve distribucije g(x) i h(y) nazivaju se marginalne distribucije.
• Sumiranje se vrši kod diskretnih slučajnih promjenljivih, a integracija
kod neprekidnih.
Definicija:
•𝑔 𝑥 = 𝑦𝑓 𝑥, 𝑦 ℎ 𝑦 = 𝑥𝑓 𝑥, 𝑦
u diskretnom slučaju i sa
•𝑔 𝑥 = 𝑦
𝑓 𝑥, 𝑦 𝑑𝑦 ℎ 𝑦 = 𝑥
𝑓 𝑥, 𝑦 𝑑𝑥
u neprekidnim slučaju.
Marginalne distribucije nastavak
xx 0 1 2 y 0 1 2
g(x) 5/14 15/28 3/28 h(y) 15/28 3/7 1/28
Primjer od ranije za neprekidne slučajne promjenljive
2
2𝑥 + 3𝑦 , 0 ≤ 𝑥 ≤ 1, 0 ≤ 𝑦 ≤ 1
• 𝑓 𝑥, 𝑦 = 5
0, 𝑢 𝑠𝑢𝑝𝑟𝑜𝑡𝑛𝑜𝑚
∞ 12 2 3 2 1 4𝑥+3
•𝑔 𝑥 = −∞
𝑓 𝑥, 𝑦 𝑑𝑦 = 0 5
2𝑥 + 3𝑦 𝑑𝑦 = [2𝑥𝑦 + 𝑦 ]|0 =
5 2 5
Za 0 ≤ 𝑥 ≤ 1, i g(x)=0 u suprotnom.
∞ 1
2 2 2 1
2 + 6𝑦
ℎ 𝑦 = 𝑓 𝑥, 𝑦 𝑑𝑥 = 2𝑥 + 3𝑦 𝑑𝑥 = [𝑥 + 3𝑥𝑦]|0 =
5 5 5
−∞ 0
Za 0 ≤ 𝑦 ≤ 1, i h(y)=0 u suprotnom.
Marginalne distribucije su distribucije slučajnih promjenljivih X i Y.
• Zaista, funkcija g(x) zadovoljava definiciju distribucije slučajne
promjenljive X. Imamo
∞
1. 𝑔 𝑥 = −∞
𝑓 𝑥, 𝑦 𝑑𝑦 ≥ 0 za sve x
∞ ∞ ∞
2. −∞
𝑔 𝑥 𝑑𝑥 = −∞ −∞ 𝑓 𝑥, 𝑦 𝑑𝑦𝑑𝑥 = 1
𝑏 ∞ 𝑏
3. 𝑃 𝑎 < 𝑋 < 𝑏 = 𝑎 −∞ 𝑓 𝑥, 𝑦 𝑑𝑦𝑑𝑥 = 𝑎 𝑔 𝑥 𝑑𝑥.
Slično i za diskretni slučaj.
f(x,y)/g(x)
• Neka je x fiksno. Posmatrajmo f(x,y)/g(x).
𝑃 𝑎<𝑋<𝑏 = 𝑓 𝑥 𝑦 𝑑𝑥
𝑎
slučaju neprekidnih slučajnih promjenljivih.
Primjer u diskretnom slučaju:
f(x,y) x Ukupno xx 0 1
0 1 2 po redu g(x) 5/14 15/28
0 3/28 9/28 3/28 15/28
y y 0 1
1 3/14 3/14 0 3/7
h(y) 15/28 3/7
2 1/28 0 0 1/28
Ukupno po koloni 5/14 15/28 3/28 1
x 0 1 2
f(x|1) (3/14)/(3/7)=1/2 1/2 0
𝑥(1+3𝑦 2 )
,0 < 𝑥 < 2,0 < 𝑦 < 1
• Neka je zadana zajednička gustoća 𝑓 𝑥, 𝑦 = 4
0, 𝑢 𝑠𝑢𝑝𝑟𝑜𝑡𝑛𝑜𝑚
• g(x)=f(x|y)=x/2 za 0<x<2
1+3𝑦 2
•ℎ 𝑦 = za 0<y<1
2
• Upoređivanjem
3 5 3
• 𝑓 0,1 = ≠𝑔 0 ℎ 1 = ∙
14 14 7
• Dakle slučajne promjenjljive X i Y nisu statistički neovisne.
Generalizacija :Kada imamo više slučajnih promjenljivih
• Posmatramo slučajne promjenljive 𝑋1 , 𝑋2 , ⋯ , 𝑋𝑛 . Neka je
𝑓(𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 ) zajednička vjerovatnosna distribucija. Tada možemo
definisati marginalnu funkciju distribucije sa
𝑔 𝑥1 = 𝑥2 𝑥3 ⋯ 𝑥𝑛 𝑓(𝑥1 , ⋯ , 𝑥𝑛 )
u slučaju diskretnih i
𝑥3 ⋯ 𝑥𝑛 𝑓 𝑥1 , ⋯ , 𝑥𝑛 , 𝑢 𝑑𝑖𝑠𝑘𝑟𝑒𝑡𝑛𝑜𝑚 𝑠𝑙𝑢č𝑎𝑗𝑢
• 𝑔 𝑥1 , 𝑥2 =
𝑥3
⋯ 𝑥𝑛
𝑓 𝑥1 , ⋯ , 𝑥𝑛 , 𝑢 𝑛𝑒𝑝𝑟𝑒𝑘𝑖𝑑𝑛𝑜𝑚 𝑠𝑙𝑢č𝑎𝑗𝑢
• Slično se definišu i ostale zajedničke marginalne distribucije.
• Možemo posmatrati i uslovne distribucije. Tako je npr. zajednička uslovna
distribucija slučajnih promjenljivih 𝑋1 , 𝑋2 , 𝑋3 uz uslov da je
𝑋4 = 𝑥4 , ⋯ , 𝑋𝑛 = 𝑥𝑛 definisana sa
𝑓(𝑥1 ,𝑥2,⋯, 𝑥𝑛 )
𝑓 𝑥1 , 𝑥2 , 𝑥3 |𝑥4 , ⋯ , 𝑥𝑛 =
𝑔(𝑥4 ,𝑥5 ,⋯,𝑥𝑛 )
Pri čemu je 𝑔(𝑥4 , ⋯ , 𝑥𝑛 ) zajednička marginalna distribucija od 𝑋4 , ⋯ , 𝑋𝑛 .
Statistička nezavisnost
𝑃 𝑋1 < 2,1 < 𝑋2 < 3, 𝑋3 > 2 = 𝑒 −𝑥1 −𝑥2 −𝑥3 𝑑𝑥1 𝑑𝑥2 𝑑𝑥3 = 0.0372
2 1 0
Matematičko očekivanje
• Neka se dva novčića bacaju 16 puta i neka je X slučajna promjenljiva
koja je jednaka broj glava koji se pojavio pri bacanju. Moguće
vrijednosti od X su 0,1 i 2. Neka su u eksperimentu vrijednost X=0
pojavila 4 puta, vrijednost X=1 pojavila 7 puta i vrijednost X=2 pojavila
5 puta. Srednja vrijednost ili moda je tada
4 0 +7 1 +5(2) 4 7 5
• = 0 + 1 + 2 = 1.06
16 16 16 16
• Primjetimo da vrijednost 1.06 se ne može pojaviti kao rezultat.
• Vrijednosti 4/16, 7/16, 5/16 odgovaraju relativnim frekvencijama koje
odgovaraju vjerovatnoćama.
Primjer:
• Ako jedan novčić bacamo dva puta skup ishoda je S={GG,GP,PG,PP}.
• Sada je P(X=0)=1/4 , P(X=1)=2/4=1/2, P(X=2)=1/4.
Srednja vrijednost pri bacanju novčića upotrebom relativne frekvencije
je
1 1 1
0+ 1+ 2=1
4 2 4
Dakle očekujemo da će se pri ovakvom bacanju pojaviti broj 1.
Ova srednja vrijednost se naziva ili srednja vrijednost slučajne
promjenljive ili matematičko očekivanje slučajne veličine X i označava
se sa 𝜇𝑋 𝑖𝑙𝑖 𝐸 𝑋 .
Matematičko očekivanje
• Neka je X slučajna promjenljiva sa distribucijom f(x). Očekivana
vrijednost ili moda od X je
• 𝜇 = 𝐸 𝑋 = 𝑥 𝑥𝑓(𝑥)
kada je X diskretna i
∞
•𝜇=𝐸 𝑋 = −∞
𝑥𝑓 𝑥 𝑑𝑥
kada je X neprekidna.