Professional Documents
Culture Documents
Valszàm
Valszàm
Matematika Tanszék
tantárgyi követelmény
véletlen tömegjelenségek értelmezése, kezelésmódjuk, az alapfogalmak
elsajátítása
adatokból történ½o következtetések levonása, statisztikai
gondolkodásmód el½okészítése
szimulációs lehet½oségek megértése
ha A bekövetkezik, de B nem
A = (A r B ) [ (A \ B )
∅ = (A r B ) \ (A \ B )
De Morgan azonosságok:
A[B = A\B
ω 2 A [ B () ω 2 / A [ B () ω 2 / A és ω 2 / B (mert ha
valamelyiknek eleme lenne, akkor az uniójuknak is) () ω 2 A és
ω2B () ω 2 A \ B
A\B = A[B
ω 2 A \ B () ω 2 / A \ B () ω 2 / A vagy ω 2 /B (mert
ha mindegyiknek eleme lenne, akkor a metszetüknek is)
() ω 2 A vagy ω 2 B () ω 2 A [ B
kA (n)
0 kA n)0 1
n
kΩ (n )
kΩ (n ) = n ) =1
n
ha A, B események, amelyekre A \ B = ∅,
akkor kA [B (n) = kA (n) + kB (n)
kA [B (n) k (n) kB (n)
tehát = A +
n n n
De…níció
Valószín½uségnek (valószín½uségi mértéknek) nevezzük a P : A !R
(eseményekhez valós számot rendel½o) függvényeket, ha teljesítik az alábbi
tulajdonságokat:
I. 0 P (A) minden A 2 A esetén.
II. P (Ω) = 1.
III. Ha Ai i=1,2,....2 A , amelyekre Ai \ Aj = ∅, i 6= j,esetén, akkor
∞ ∞
P ( [ Ai ) =
i =1
∑ P (Ai )
i =1
1 P (∅) = 0
2 Ha Ai 2 A, i = 1, 2, ....n és Ai \ Aj = ∅, i 6= j, akkor
n n
P ( [ Ai ) =
i =1
∑ P (Ai ) .
i =1
3 Ha A \ B = ∅, akkor P (A [ B ) = P (A) + P (B )
4 P (A) = 1 P (A)
5 Ha B A, akkor P (AnB ) = P (A) P (B ).
6 Ha B A, akkor P (B ) P (A).
7 P (A) 1 bármely A esemény esetén.
8 P (AnB ) = P (A) P (A \ B )
9 P (A [ B ) = P (A) + P (B ) P (A \ B )
10 P (A [ B ) P (A) + P (B )
11 P (A [ B [ C ) = P (A) + P (B ) + P (C )
P (A \ B ) P (B \ C ) P (A \ C ) + P (A \ B \ C )
n n
12 P ( [ Ai ) = ∑ P (Ai ) ∑ P (Ai \ Aj )
i =1 i =1 i <j 2f1,2, ,n g
+ ∑ P (Ai \ Aj \ Ak )
i <j <k 2f1,2, ,n g
.. ..
. .
( 1 ) n +1 P (A1 \ A2 \ ... \ An )
µ (A)
P (A) : =
µ(Ω)
De…níció
(Ω, A,P ) hármas egy valószín½uségi mez½o, ha
1 Ω egy nemüres halmaz
2 A egy szigma algebra
3 P egy valószín½uség (valószín½uségi mérték).
De…níció
Legyen P (B ) > 0, A-nak a B-re vonatkozó feltételes valószín½uségén a
P (A \ B )
P (AjB ) : =
P (B )
hányadost értjük.
Megjegyzés
A számlálóban a közös rész valószín½usége, a nevez½oben a feltétel
valószín½usége van.
∞ ∞
P ( [ Ai jB ) =
i =1
∑ P (Ai jB )
i =1
∞ ∞
P [ Ai \B P [( Ai \ B )
∞ i =1 i =1
Bizonyítás P ( [ Ai jB ) = = =
i =1 P (B ) P (B )
∞
∑ P (Ai \ B ) ∞
i =1
= ∑ P (Ai jB )
P (B ) i =1
MOE (PE MIK) MA1344B 32 / 103
A feltételes valószín½uség tulajdonságai
Például:
P (AjB ) = 1 P (AjB )
P (A r C j B ) = P (AjB ) P (A \ C j B )
P (A [ C j B ) = P (AjB ) + P (C jB ) P (A \ C j B )
......(Soroljunk fel még legalább kett½ot!)
Tétel
Legyen P (A \ B ) > 0. Ekkor
n
P ( \ Ai ) = P (A1 ) P (A2 jA1 ) P (A3 jA2 \ A1 ) .....
i =1
P (An jAn 1 \ An 2 \ ... \ A1 )
Tétel
Tegyük fel, hogy a B1 , B2 , .....események teljes eseményrendszert alkotnak,
valamint P (Bi ) > 0, i = 1, 2, 3, ....Ekkor minden A esemény esetén
∞
P (A) = ∑ P (AjBi ) P (Bi )
i =1
∞ ∞
Bizonyítás P (A) = P (A \ Ω) = P (A \ [ Bi ) = P [ (A \ Bi ) =
i =1 i =1
∞ ∞
∑ P (A \ Bi ) = ∑ P (AjBi ) P (Bi ) (mivel az A \ Bi események is
i =1 i =1
egymást kizárók)
MOE (PE MIK) MA1344B 35 / 103
Példa
Egy üzemben három m½uszakban gyártanak terméket. A termékek 45%-át
az délel½otti m½uszak, 35%-át a délutáni m½uszak, 20%-át az éjszakai m½uszak
gyártja. A délel½otti m½uszak által gyártott termékek mindegyike 0.04, a
délutáni m½uszak által gyártott termékek 0.06, az éjszakai m½uszak által
gyártott termékek 0.08 valószín½uséggel selejtesek.
Kiválasztunk egy terméket az üzemben gyártott termékek közül. Mennyi
az esélye, hogy a kiválasztott termék selejtes?
S = a kiválasztott termék selejtes.
B1 = a kiválasztott terméket a délel½ottös m½uszak gyártotta
B2 = a kiválasztott terméket a délutános m½uszak gyártotta
B3 = a kiválasztott terméket az éjszakai m½uszak gyártotta
B1 , B2 , B3 teljes eseményrendszert alkotnak
P (B1 ) = 0.45, P (B2 ) = 0.35, P (B3 ) = 0.2,
P (S jB1 ) = 0.04, P (S jB2 ) = 0.06, P (S jB3 ) = 0.08,
P (S ) = P (S jB1 ) P (B1 ) + P (S jB2 ) P (B2 ) + P (S jB3 ) P (B3 )
= 0.04 0.45 + 0.06 0.35 + 0.08 0.2 = 0.055
MOE (PE MIK) MA1344B 36 / 103
Bayes tétel
További kérdés: ha a kiválasztott termék selejtes, mennyi az esélye, hogy
az els½o, a második, illetve a harmadik m½uszak gyártotta?
P (B1 jS ) =?, P (B2 jS ) =?, P (B3 jS ) =?
Tétel
Tegyük fel, hogy a B1 , B2 , .....események teljes eseményrendszert alkotnak,
valamint P (Bi ) > 0, i = 1, 2, 3, ....Ekkor minden A esemény esetén, amire
P (A) > 0, teljesül
Bizonyítás
P (A \ Bi ) P (AjBi ) P (Bi )
P (Bi jA) = =
P (A) P (A)
P (AjBi ) P (Bi )
P (Bi jA) =
P (A)
Válasz a kérdésre:
0.04 0.45
P (B1 jS ) = = 0.327,
0.055
0.06 0.35
P (B2 jS ) = = 0.382,
0.055
0.08 0.2
P (B3 jS ) = = 0.291
0.055
De…níció
Az A és a B eseményeket függetlennek nevezzük, ha
P (A \ B ) = P (A) P (B ).
Tétel
Ha P (A) > 0, P (B ) > 0,valamint A és B függetlenek, akkor
P (AjB ) = P (A)
P (B jA) = P (B )
Bizonyítás
P (A \ B ) P (A) P (B )
P (A \ B ) = P (A) P (B ) ) P (AjB ) = = = P (A).
P (B ) P (B )
Állítás
Ha P (A) > 0 és P (B ) > 0, valamint A \ B = ∅, akkor A és B nem
függetlenek.
Bizonyítás P (A \ B ) = P (∅) = 0,
P (A) P (B ) 6= 0, P (A \ B ) 6= P (A) P (B ) ) A és B nem függetlenek.
Megjegyzés
Két esemény függetlensége és egymást kizárása nagyon különböz½o
fogalmak.
Állítás
Ha A és B függetlenek, akkor A és B, A és B, valamint A és B is
függetlenek.
Bizonyítás
P (A \ B ) = P (A r B ) = P (A) P (A \ B )
= P (A) P (A) P (B ) = P (A) (1 P (B )) = P (A) P (B )
P (B \ A) = P (B ) P (A),
továbbá A és B függetlenségéb½ol
P (A \ B ) = P (A) P (B )
De…níció
Az A ,a B, és a C eseményeket függetlennek nevezzük, ha
P (A \ B ) = P (A) P (B )
P (A \ C ) = P (A) P (C )
P (B \ C ) = P (B ) P (C )
P (A \ B \ C ) = P (A) P (B ) P (C )
1 1 1
P (A) = , P (B ) = , P (C ) =
2 2 2
9
1 >
P (A \ B ) = P (f1g) = = P (A) P (B ) >
>
4 >
>
>
>
>
=
1
P (A \ C ) = P (f1g) = = P (A) P (C ) )páronként függetlenek
4 >
>
>
>
>
>
1 >
>
P (B \ C ) = P (f1g) = = P (B ) P (C ) ;
4
1 1
P (A \ B \ C ) = P (f1g) = 6= = P (A) P (B ) P (C )
4 8
De…níció
Az Ai i 2 I eseményeket függetlennek nevezzük, ha bárhogyan kiválasztva
közülük véges sokat, a kiválasztott események metszetének a valószín½usége
megegyezik a valószín½uségeik szorzatával, azaz minden n 1 egész, és
fk1 , k2 , ..., kn g I indexek esetén
De…níció
Kísérleteket függetlennek nevezünk, ha a egyes kísérletekkel kapcsolatos
események függetlenek.
Legyen adott
Ω az elemi események halmaza,
A az események szigma algebrája (események halmaza)
P valószín½uségi mérték
Tekintsük a
ξ:Ω!R
típusú függvényeket.
Megjegyzés
A ξ (ω ) érték a véletlen kísérlet eredményét½ol, az ω 2 Ω elemi eseményt½ol
függ, ezért ξ véletlen mennyiség (random variable), vagy másképpen
valószín½uségi változó (némi kés½obbi kiegészítéssel).
Megjegyzés
ξ értéke csupán 5 és -3 lehet, és
P (ξ = 5) = P (fF g) = 0.5, P (ξ = 3) = P (fI g) = 0.5.
Nyeremény valószín½usége: P (ξ > 0) = P (ξ = 5) = 0.5
MOE (PE MIK) MA1344B 47 / 103
Példák valószín½uségi változókra ii)
Szabályos kockát gurítok,
annyi Ft-ot nyerek, amennyi a dobott szám négyzete.
Legyen ξ a nyereményem nagysága.
Ω = f1, 2, 3, 4, 5, 6g ,
A = 2Ω (Ω összes részhalmazából álló halmazrendszer),
P a kombinatorikus valószín½uségi mérték
ξ (1) = 1, ξ (2) = 4, ξ (3) = 9, ξ (4) = 16, ξ (5) = 25, ξ (6) = 36,
tehát ξ:Ω!R ξ (i ) =i 2
Megjegyzés
ξ értéke 1,4,9,16,25 és 36 lehet, és
1
P (ξ = 1) = P (f1g) = 6 P (ξ = 4) = P (f2g) = 61
1
P (ξ = 36) = P (f6g) = 6
Nyereményünk legfeljebb 10Ft:
1
P (ξ 10) = P (ξ = 1) + P (ξ = 4) + P (ξ = 9) = 2
Megjegyzés
ξ értéke 0,1,2,3,4 és 5 lehet, és
6
P (ξ = 0) = P (f(1, 1), (2, 2), ....(6, 6)g) = 36 ,
10
P (ξ = 1) = P (f(1, 2), (2, 1), (3, 2), (2, 3), , (5, 6), (6, 5)g) = 36 ,
8
P (ξ = 2) = P (f(1, 3), (3, 1), (4, 2), (2, 4), , (4, 6), (6, 4)g) = 36 ,
6
P (ξ = 3) = P (f(1, 4), (4, 1), (5, 2), (2, 5), (3, 6), (6, 3)g) = 36 ,
4
P (ξ = 4) = P (f(1, 5), (5, 1), (2, 6), (6, 2)g) = 36 ,
2
P (ξ = 5) = P (f(6, 1), (1, 6)g) = 36
Az eltérés legalább 1, de kisebb mint 3:
1
P (1 ξ < 3) = P ( ξ = 1) + P ( ξ = 2) = 2
MOE (PE MIK) MA1344B 49 / 103
Példák valószín½uségi változókra iv)
Visszatevéssel választunk két számot a f1, 5, 12ghalmazból, ξ az összegük.
Ω = f(1, 1), (1, 5), , (12, 12)g , A = 2Ω , P a kombinatorikus val.
ξ ((1, 1)) = 2, ξ ((1, 5)) = 6, ξ ((5, 5)) = 10, .....
tehát ξ : Ω ! R ξ ((i1 , i2 )) = i1 + i2
Megjegyzés
ξ értéke 2,6,10,13,17 és 24 lehet, és
P (ξ = 2) = P (f(1, 1)g) = 19 ,
P (ξ = 6) = P (f(1, 5), (5, 1)g) = 92 ,
P (ξ = 10) = P (f(5, 5)g) = 19 ,
P (ξ = 13) = P (f(1, 12), (12, 1)g) = 92 ,
P (ξ = 17) = P (f(5, 12), (12, 5)g) = 92 ,
1
P (ξ = 24) = P (f(12, 12)g) = 9
1
Az összeg legalább 15: P (ξ 15) = P (ξ = 17) + P (ξ = 24) = 3
Megjegyzés
ξ értéke 1 és 5 lehet csak, és
2
P (ξ = 1) = P (ff1, 5g , f1, 12gg) = ,
3
1
P (ξ = 5) = P (ff5, 12gg) = ,
3
A minimum prímszám:
1
P (ξ 2 f2, 3, 5, 7, g) = P (ξ = 5) =
3
Megjegyzés
ξ értéke 1, 5 és 12 lehet csak, és
P (ξ = 1) = P (f(1, 1)g) = 19 ,
P (ξ = 5) = P (f(1, 5), (5, 1), (5, 5)g) = 93 ,
5
P (ξ = 12) = P (f(1, 12), (12, 1), (5, 12), (12, 5), (12, 12)g) = 9
A maximum páratlan szám:
4
P (ξ 2 f1, 3, 5, 7, g) = P (ξ = 1) + P (ξ = 5) = 9
ξ értékei felsorolhatók: x1 , x2 , x3 ,
Megadhatók a
p1 = P (ξ = x1 ), p2 = P (ξ = x2 ), p3 = P (ξ = x3 ),
valószín½uségek, és teljesülnek
0 p1 , p2 , p3 , (1)
1 = p1 + p2 + p3 +
Továbbá
P ( ξ 2 A) = ∑ pi A R (2)
x i 2A
speciálisan
P (ξ < x ) = ∑ pi x 2R (3)
x i <x
De…níció
A ξ valószín½uségi változót diszkrét eloszlásúnak nevezzük, ha ξ csak véges
sok vagy megszámlálhatóan végtelen sok értéket vesz fel.
Megjegyzés
Azt mondjuk a ξ diszkrét eloszlású valószín½uségi változónak megadjuk
az eloszlását, ha megadjuk a lehetséges értékeit (x1 , x2 , .....) valamint
a pi = P (ξ = xi ) i = 1, 2, valószín½uségeket.
x1 , x2 , x3 , . .
Jelölése:
p1 , p2 , p3 , . .
Az i)-vii) példában szerepl½o v.v-k diszkrét eloszlásúak.
A diszkrét eloszlás valószín½uségeivel
teljesül (1);
számolhatók (2) szerint események valószín½uségei, amihez nincs
szükség az ω 7! ξ (ω ) hozzárendelés ismeretére;
MOE (PE MIK) MA1344B 55 / 103
Példák valószín½uségi változókra viii)
Megjegyzés
ξ értékei a [0, R ] intervallumból kerülnek ki, tehát nem diszkrét eloszlású.
Vizsgáljuk
P ( ξ < 0) = P ( ∅ ) = 0
T (R sugarú nyílt körlap) R2π
P (ξ < R ) = = 2 =1
T (Ω) R π
T (R/2 sugarú nyílt körlap) (R/2)2 π
P (ξ < R/2) = = = 0.25
T (Ω) R2π
T (x sugarú nyílt körlap) x2π x2
P (ξ < x ) = = 2 = 2 ha 0 < x < R
T (Ω) R π R
P (ξ < x ) = P (∅) = 0 ha x < 0
P (ξ < x ) = P (Ω) = 1 ha R x
Adott (Ω, A, P )
De…níció
A ξ : Ω ! R függvényt valószín½uségi változónak nevezzük, ha minden
x 2 R esetén teljesül, hogy
fω : ξ (ω ) < x g 2 A
Megjegyzés
Korábbi i)-viii) példáink ξ v.v.-i ilyenek.
De…níció
A ξ valószín½uségi változó eloszlásfüggvénye az F : R ! R függvény,
amelyre
1.0
0.8
0.6
0.4
0.2
-4 -3 -2 -1 0 1 2 3 4 5 6
1.0
0.8
0.6
0.4
0.2
-1.0 -0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4
MOE (PE MIK) MA1344B 61 / 103
Az eloszlásfüggvények tulajdonságai
Tétel
Ha az F : R ! R függvény teljesíti az el½oz½o B),C),D) tulajdonságokat,
akkor van olyan ξ valószín½uségi változó, aminek F az eloszlásfüggvénye.
P (ξ 2 ( ∞, a]) = P (ξ a) = P (fω : ξ (ω ) ag
= P (fω : ξ (ω ) < ag [ fω : ξ = ag)
= P (fω : ξ (ω ) < ag) + P (fω : ξ (ω ) = ag)
= F (a ) + P ( ξ = a )
Kaptuk:
P (a ξ < b ) = F (b ) F (a )
P (ξ 2 [a, b ]) = P (a ξ b ) = P (fω : a ξ (ω ) b g)
= P (fω : a ξ (ω ) < b g [ fω : ξ (ω ) = b g)
= F (b ) F (a ) + P ( ξ = b )
Kaptuk:
P (a ξ b ) = F (b ) F (a ) + P ( ξ = b )
Kaptuk:
P (a < ξ < b ) = F (b ) F (a ) P (ξ = a)
Kaptuk:
P (a < ξ b ) = F (b ) F (a ) + P ( ξ = b ) P (ξ = a)
Tétel
P (ξ = a) = lim F (x ) F (a )
x !a +
Következmény
Ha F folytonos az a pontban, akkor P (ξ = a) = 0.
Ha F folytonos minden x 2 R pontban, akkor ξ minden értéket 0
valószín½uséggel vesz fel.
f neve s½ur½uségfüggvény.
Megjegyzés
Ha ξ folytonos eloszlású, akkor F (x ) minden pontban folytonos, és
ahol f folytonos, ott F di¤erenciálható, és F 0 (x ) = f (x ).
Ha f értékét egy pontban megváltoztatjuk, az integrálfüggvénye nem
változik.
MOE (PE MIK) MA1344B 69 / 103
A s½ur½uségfüggvény tulajdonságai
Tétel
Ha a legfeljebb véges sok pont kivételével folytonos f : R ! R függvény
teljesíti a fenti I.) és II.) tulajdonságokat, akkor van olyan ξ folytonos
eloszlású v.v., amelynek f a s½ur½uségfüggvénye.
Megjegyzés
Miért s½ur½uségfüggvénynek nevezzük?
F (a + ∆a) F (a )
lim = F 0 (a ) = f (a )
∆a !0 + ∆a
Vagyis
P (a ξ < a + ∆a) f (a) ∆a
Zb Za Zb
Biz:P (a ξ < b ) = F (b ) F (a ) = f (t )dt f (t )dt = f (t )dt.
∞ ∞ a
Megjegyzés
F minden pontban folytonos, ezért P (ξ = x ) = 0 bármely x 2 R esetén.
Következmény
P (a ξ < b ) = P (a ξ b ) = P (a < ξ < b ) = P (a < ξ b )
= F (b ) F (a )
MOE (PE MIK) MA1344B 72 / 103
Példa s½ur½uségfüggvényre
Egy R sugarú körre lövünk, amit biztosan eltalálunk. Legyen ξ a találati
pontnak a kör középpontjától való távolsága.
8
>
> 0 ha x 0
< 2
x
F (x ) = ha 0 < x R
> 2
: R1 ha R < x
>
8
< 0
> ha x 0
2x
f (x ) = F 0 (x ) ha 0 < x < R
>
: R2
0 ha R < x
x = 0-ban deriválható F .
x = R-ben nem deriválható F .
De…niálhatjuk a s½ur½uségfüggvényt x = R-ben 0-nak.
MOE (PE MIK) MA1344B 73 / 103
A s½ur½uségfüggvény gra…konja
Legyen az el½oz½o példában R = 1
2.0
y
1.5
1.0
0.5
-1.0 -0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4
x
y = f (x )
De…níció
A ξ és η valószín½uségi változókat azonos eloszlásúnak nevezzük, ha az
eloszlásfüggvényeik megegyeznek.
Állítás
ξ és η diszkrét eloszlásúak, és emellett azonos eloszlásúak, akkor
lehetséges értékeik halmaza megegyezik és azonos értékeket mindketten
megegyez½o valószín½uséggel veszik fel.
1 2 11 1 2 11
Pl: ξ : ,η:
0.4 0.25 0.35 0.4 0.25 0.35
Állítás
Ha ξ és η folytonos eloszlásúak, és emellett azonos eloszlásúak, akkor
ξ s½ur½uségfüggvénye megegyezik η s½ur½uségfüggvényével.
De…níció
A ξ, η valószín½uségi változókat függetlennek nevezzük, ha bármely x,
y 2 R esetén P (ξ < x \ η < y ) = P (ξ < x ) P (η < y ).
Megjegyzés
ξ és η függetlensége a fξ < x g és a fη < y g események függetlenségével
van de…niálva.
Tétel
Legyenek ξ és η diszkrét eloszlású valószín½uségi változók.Legyenek
xi i=1,...., ξ lehetséges értékei, yj j=1,...η lehetséges értékei.
P (ξ = xi \ η = yj ) = P (ξ = xi ) P (η = yj )
Tétel
Legyenek ξ és η folytonos eloszlású valószín½uségi változók.Legyen ξ
s½ur½uségfüggvénye f (x ), η s½ur½uségfüggvénye g (y ).
ξ és η pontosan akkor függetlenek,ha
∂2 P ( ξ < x \ η < y )
= f (x ) g (y )
∂x ∂y
1 várható érték
2 szórásnégyzet/szórás
3 módusz
4 medián
De…níció
x1 x2 x3 . .
Legyen ξ diszkrét eloszlású valószín½uségi változó, ξ :
p1 p2 p3 . .
ξ várható értékén az
∞
E (ξ ) = ∑ xi pi
i =1
∞
összeget értjük, amennyiben a ∑ jxi j pi végtelen sor konvergens.
i =1
x1 x2 x3 ∞
ξ: , E (ξ ) = ∑ xi pi
p1 p2 p3 i =1
Megjegyzés
Véges sok lehetséges érték esetén a várható érték egy véges tagszámú
összeg, amelynek végessége automatikusan biztosított.
∞ ∞
∑ jxi j pi végessége miatt ∑ xi pi = E (ξ ) véges.
i =1 i =1
E (ξ ) helyett M (ξ ) jelölés is használatos.
De…níció
Legyen ξ folytonos eloszlású valószín½uségi változó f s½ur½uségfüggvénnyel.
ξ várható értékén az
Z∞
E (ξ ) = x f (x )dx
∞
Z∞
improprius integrált értjük, amennyiben a jx j f (x )dx improprius
∞
integrál konvergens.
Megjegyzés
Z∞
jx j f (x ) dx végessége miatt E (ξ ) is véges.
∞
(
0 ha x 0 vagy R < x
f (x ) = F 0 (x ) = 2x
ha 0 < x < R
R2
Z∞ Z0 ZR Z∞
E (ξ ) = xf (x )dx = x 0dx + xf (x )dx + x 0dx =
∞ ∞ 0 R
ZR R
2x 2x 3 2R 3 2
x dx = = 0= R
R2 3 R2 0 3 R2 3
0
MOE (PE MIK) MA1344B 85 / 103
A várható érték tulajdonságai i)
Legyenek ξ, η v.v.-k, a, b, c 2 R
1 Ha ξ és η azonos eloszlásúak, akkor a várható értékük is megegyezik.
2 Ha 0 ξ, akkor 0 E (ξ )
3 E (ξ + η ) = E (ξ ) + E (η )
4 E (c ξ ) = c E ( ξ )
Következmények:
5 Ha ξ = c 1 valószín½uséggel, akkor E (ξ ) = c
6 E (a ξ + b ) = a E ( ξ ) + b
7 Ha a ξ b, akkor a E (ξ ) b
8 Ha ξ η, akkor E (ξ ) E (η )
10 továbbá 0 1
n
B i∑
ξi
=1 C
EB
@ n A=m.
C
E (ξ η ) = E (ξ ) E (η ) .
x1 x2 x3
12 Ha ξ diszkrét eloszlású valószín½uségi változó, ξ : ,
p1 p2 p3
g : R ! R függvény, amire g (ξ ) értelmes, akkor
∞
E (g (ξ )) = ∑ g (xi ) pi
i =1
Z∞
E (g (ξ )) = g (x ) f (x )dx
∞
R∞
feltéve, hogy jg (x )j f (x )dx integrál konvergens.
∞
Speciálisan, g (x ) = x 2 esetén
Z∞
2
E (ξ ) = x 2 f (x )dx
∞
E (ξ E (ξ )) = E (ξ ) E (E (ξ )) = E (ξ ) E (ξ ) = 0.
De…níció
r
p
ξ szórásán a D (ξ ) = D 2 (ξ ) = E (ξ E (ξ ))2 számot értjük.
Megjegyzés
(ξ E (ξ ))2 nemnegatív, ezért a várható értéke is az, vagyis a gyökvonás
elvégezhet½o.
MOE (PE MIK) MA1344B 91 / 103
A szórásnégyzet, szórás tulajdonságai i)
6 Ha ξ és η függetlenek, akkor
D 2 ( ξ + η ) = D 2 ( ξ ) + D 2 ( η ).
Figyelem!
D (ξ + η )6=D (ξ ) + D (η )!
7 Ha ξ 1 , ξ 2 , . . . , ξ n független, azonos eloszlású valószín½uségi változók,
közös szórásnégyzetük D 2 (ξ 1 ) = . . . = D 2 (ξ n ) = σ2 akkor
n
D2 ∑ ξi = n D 2 ( ξ 1 ) = n σ2 ,
i =1
továbbá
n p p
D ∑ ξi = n D (ξ 1 ) = n σ
i =1
∑ni=1 ξ i σ2
D2 = ,
n n
továbbá
∑ni=1 ξ i σ
D =p
n n
De…níció
Legyen ξ diszkrét eloszlású valószín½uségi változó. ξ móduszán azt a
lehetséges értékét értjük, amihez tartozó valószín½uség maximális a
lehetséges értékekhez tartozó valószín½uségek között, azaz
x1 x2 x3
ξ: jelöléssel ξ módusza xi , ha pi pj
p1 p2 p3
minden j = 1, 2, ... esetén.
Megjegyzés
ξ módusza nem feltétlenül egyértelm½u (többes módusz, multimodális
eloszlás).
Megjegyzés
Egy valószín½uségi változó felveszi a móduszát.
De…níció
Legyen ξ folytonos eloszlású valószín½uségi változó f s½ur½uségfüggvénnyel. ξ
móduszán f lokális maximumhelyeit értjük.
Megjegyzés
ξ módusza nem feltétlenül egyértelm½u (multimodális eloszlás).
y
0.20
0.15
0.10
0.05
0.00
0 1 2 3 4 5 6 7 8 9 10
x
MOE (PE MIK) MA1344B 97 / 103
Medián i)
De…níció
Legyen ξ v.v. ξ mediánján azt az x értéket értjük, amire P (ξ x) 0.5,
és P (ξ x ) 0.5
Állítás
A folytonos eloszlású ξ mediánja az x érték, ha F (x ) = 0.5.
1.0
F(x)
0.8
0.6
0.4
0.2
-5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10
x
x2 1 p
F (x ) = 2
= 0.5, x 2 = 3, x = 3 = 1.73
x +1
MOE (PE MIK) MA1344B 99 / 103
Medián ii)
Állítás
Ha ξ diszkrét eloszlású és F (x ) 6= 0.5, akkor ξ mediánja az az x érték,
amelynél F átugorja a 0.5 szintet.
F(x) 1.0
0.8
0.6
0.4
0.2
-5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10
x
Állítás
Ha ξ eloszlásfüggvénye F (x ) = 0.5 a < x b esetén, akkor ξ mediánja az
a+b
(a, b ] intervallum minden pontja. Hagyományosan -t szokták
2
alkalmazni a statisztikai számolásokhoz.
F(x) 1.0
0.8
0.6
0.4
0.2
-5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10
x