Valószínűségszámítás előadás

informatika BSC/A szakosoknak és Konvolúció

matematika BSC-seknek  Független valószínűségi változók összegének
eloszlása
 Most: nemnegatív, egész értékű esetre.
k k
P( X  Y  k )   P( X  i, Y  k  i)  P( X  i) P(Y  k  i)
i 0 i 0
2019/2020 1. félév  Példák: X, Y függetlenek, binomiális eloszlásúak
Zempléni András (n,p), ill. (m,p) paraméterekkel. Ekkor
k
 n  m  k i
zempleni@caesar.elte.hu P( X  Y  k )     p i (1  p) ni   p (1  p) mk i 
i 0  i  k  i 
http://zempleni.elte.hu k
 n  m 
 p k (1  p) n mk   
 n  m
  p k (1  p) n mk  
i 0  i  k  i   k 

Példák Negatív binomiális eloszlás

Azaz X+Y is binomiális (n+m,p) paraméterekkel.  Legyen X= X1+ X2+… +Xr , ahol Xi p paraméterű
Spec.: X= X1+ X2+… +Xn, ahol Xi p paraméterű Pascal eloszlású változó, függetlenek. Ekkor X
indikátorváltozó, a tagok függetlenek is. Ebből is eloszlása:
 k  1 r
kijön, hogy E(X)=np, D2(X)=np(1-p). P( X  k )    p (1  p) k r
 r  1 
 Példa 2: X, Y függetlenek, Poisson eloszlásúak , ill. 
ha kr (különben 0). Elnevezés: r-ed rendű, p
paraméterekkel. Ekkor X+Y is Poisson, + paraméterű negatív binomiális eloszlás. Ez éppen
paraméterrel. annak a kísérletnek a sorszáma, ahol az r-edik sikeres
k
i e    k i e   e  (   ) k i  k i k! e  (   ) jön ki. Ez bizonyítja is a képlet helyességét
P( X  Y  k )      (   )k (formálisan is meg lehet kapni a konvolúciós
i 0 i! (k  i )! k! i 0 i! (k  i)! k! képletből indukcióval).
A negatív binomiális eloszlás

Valószínűségi változók
általános fogalma (ismétlés) Az eloszlásfüggvény
 X : ΩR függvény valószínűségi változó, ha  Az FX(z): R R függvény az X valószínűségi változó
eloszlásfüggvénye.
{ω: X(ω)B}A minden B Borel halmazra.  Tulajdonságai:
 0FX(z)1
 QX(B):=P {ω: X(ω)B} az X eloszlása.
 FX(z) monoton növő
 Ennek megadásához elegendő a félegyenesek  lim z FX(z)=1, lim z- FX(z)=0
valószínűségeit megadni: FX(z):=P(X<z)  FX(z) balról folytonos.

meghatározza QX(B) értékét tetszőleges B-re  Bizonyítás: Az első kettő triviális, az utolsó kettőhöz a
(nem bizonyítjuk). valószínűség folytonossága kell:
Ha A1 A2 ... akkor lim n P( An ) P( A)
ahol 
A   Ai
i 1

1
Bizonyítás Példák
 Az An= (-,-n) választással alkalmazva a  Tetszőleges 1-4 tulajdonságú F-hez létezik X, aminek
folytonosságot a Q X valószínűségre adódik a 3. F az eloszlásfügvénye (pl. Ω=R , P([a,b))=F(b)-F(a),
tulajdonság második fele. X az idenditásfüggvény
 A folytonosságot a komplementerekre alkalmazva  A c pontban elfajult eloszlás 0, ha z  c
kapjuk, hogy ha A1 A2 ... és F ( z)  

A   A akkor lim n P( An ) P( A) amit
eloszlásfüggvénye 1, ha z  c
i
i 1

An= (-,n) választással alkalmazva éppen a 3.

tulajdonság első felét kapjuk.  Az indikátorváltozó  0, ha z  0

eloszlásfüggvénye F ( z )  1  p, ha 0  z  1
 Végül a 4. tulajdonsághoz An= (-,x-1/n) a jó
választás, ekkor A= (-,x).  1, ha z  1


Folytonos eloszlások Exponenciális eloszlás

Definíció. X folytonos eloszlású, ha  0, ha z  0

F ( z)  
eloszlásfüggvénye folytonos. z
1  e , ha 0  z ahol >0 paraméter
 Példa: egyenletes eloszlás [a,b]
1.0

intervallumon:
0.8

0, ha z  a
l=1


l=2
l=0.5

z a
0.6

F ( z)   , ha a  z  b
x

b  a
0.4

 1, ha z  b
0.2
0.0

0 2 4 6 8 10

Valószínűségek kiszámítása Abszolút folytonos eloszlások

Ha létezik f, hogy F előáll f
P(aX<b)=F(b)-F(a)


integrálfüggvényeként:
P(X=a)= F(a+0)-F(a), azaz ha F z

F ( z)   f (t )dt
folytonos, minden egyes pont 0 

valószínűségű. akkor azt mondjuk, hogy F abszolút folytonos,

 P(a<X<b)=F(b)-F(a+0) f sűrűségfüggvénnyel .
 f tulajdonságai: f0,
 P(aXb)=F(b+0)-F(a) 


f (t )dt  1
 Ez elég is: minden ilyen f integrálfüggvénye
eloszlásfüggvény.

2
 Példák Exponenciális eloszlás
 Egyenletes eloszlás [a,b] intervallumon
 0, ha z  a Exponenciális eloszlás
 1 Asűrűségfüggvény =1 és =2 esetén
f ( z)   , ha a  z  b
b  a
2

0, ha z  b
exp(-x)
1.8


2*exp(-2*x)
1.6
1.4
1.2

 Exponenciális eloszlás 1
0.8
0.6

 0, ha t  0 0.4

f (t )   t 0.2

e , ha 0  t
0
0 1 2 3 4 5

A sűrűségfüggvény tulajdonságai
 Létezéséhez szükséges, hogy F folytonos legyen.
 Ha F abszolút folytonos, akor F’=f, ahol F deriválható.
 f nem egyértelmű (pl. véges sok pontban tetszőleges
értéket adhatunk neki), ezért a legegyszerűbb,
szakaszonként folytonos változatot választjuk.
 Szemléletes jelentése: b
P (a  X  b)   f (t )dt  f (a )(b  a )
a
azaz rövid intervallumokra a valószínűség közelíthető
a sűrűségfüggvény értékének és az intervallum
hosszának a szorzatával.