Valószínűségszámítás előadás

informatika BSC/A szakosoknak és Szemléletes bevezetés

matematika BSC-seknek  Ha úgy közelítjük az abszolút folytonos
eloszlást (pl. az év egy adott napján 12
órakor Bp-en a hőmérséklet), hogy
egyre pontosabb eszközökkel mérjük
2019/2020 1. félév meg, akkor P(z<X<z+)/  f(z), azaz a
Zempléni András valószínűségekből határátmenettel
zempleni@caesar.elte.hu adódik a sűrűségfüggvény.
http://zempleni.elte.hu

Standard normális eloszlás g(X) eloszlása

 A standard normális eloszlás sűrűségfüggvénye:
1  x2
2  Legyen g: R R (mérhető) függvény. Ekkor
f ( x)  e g(X) is valószínűségi változó.
2
 Valóban sűrűségfüggvény, mert f>0 és  Abból, hogy X eloszlása abszolút folytonos,
 

2     x2 y 2
(  )
nem következik még g(X) eloszlásának
1
  f ( x)dx    f ( x)dx  f ( y )dy    e dxdy 
2 2
folytonossága sem: pl. g(x)=c esetén g(X)
  
       
2
elfajult eloszlású.

 2   r 
2
r2 2
1  r2 
 re ddr   re 2 dr   e 2   1
0 0
2 0   0
a polárkoordinátás helyettesítésből

Példák A normális eloszlás

FaX+b(z) = FX((z-b)/a), ha a>0 és  Legyen m tetszőleges,  pedig pozitív
FaX+b(z) = 1-FX((z-b)/a), ha a<0. valós szám. Ha X standard normális
Ebből adódik, hogy ha X abszolút folytonos, és
g(z)=az+b, akkor g(X) sűrűségfüggvénye
eloszlású, akkor az Y= X+m
faX+b(z)=fX((z-b)/a)/|a|. valószínűségi változó (m,) paraméterű
Általános eredmény: ha g szigorúan monoton, normális eloszlású. Ennek
folytonosan deriválható, g’0, akkor sűrűségfüggvénye az
f X ( g 1 ( z )) faX+b(z)=fX((z-b)/a)/|a| képletből
f g ( X ) ( z) 
| g ' ( g 1 ( z )) | 1 
( xm)2

f m , ( x)  e 2 2
2 

1
Normális eloszlások 0 várható értékű normális
sűrűségfüggvénye (m=0) eloszlások eloszlásfüggvénye
0.8
0.6
0.4
z

0.2
0.0

-4 -2 0 2 4

Abszolút folytonos eloszlású

valószínűségi változók várható értéke Tulajdonságok, példák
 Az előzőekben látott határátmenet  Mivel a diszkrét esetből határátmenettel
segítségével (egyre finomabb felosztással kaptuk a fogalmat, a tulajdonságok (pl.
közelítjük a folytonos eloszlást) E(aX+b)=aE(X)+b, E(X+Y)=E(X)+E(Y)
E(X)=zP(z<X<z+)zf(z) zf(z)dz stb.) most is érvényben maradnak.
Ebből a definíció: az abszolút folytonos

 Ha X egyenletes eloszlású az [a,b]-ben,
 akkor
eloszlású X várható értéke: E ( X )   yf X ( y )dy
b
b
y  y2  ab
 E( X )   dy    
ha az integrál létezik. a
ba  2(b  a)  a 2

További példák További eloszlások

 Ha X exponenciális eloszlású  paraméterrel, akkor  Gamma eloszlás, sűrűségfüggvénye a pozitív x
 

E ( X )   yey dy   yey   e

0
 y
dy 

1 értékekre:
0 0 (hN, λ>0 paraméterek)
 Ha X standard normális eloszlású, akkor  Lognormális eloszlás, sűrűségfüggvénye

  1  x2 
2 2
1  x2
E( X )   x e dx   e  0
 2  2  
 Cauchy eloszlás , sűrűségfüggvénye
 Ha a Z változó QZ eloszlása keverék-eloszlás (azaz pl. 1
f ( x) 
p valószínűséggel X-et, 1-p valószínűséggel Y-t  (1  x 2 )
figyeljük meg), akkor E(Z)=pE(X)+(1-p)E(Y).  Néhány nevezetes eloszlás