Professional Documents
Culture Documents
보험수학입문 032123확률론-복습2 - 1
보험수학입문 032123확률론-복습2 - 1
03.21-23
Yoon Ji-Hun
결합분포와 조건부분포
두 개의 확률 변수 𝑋, 𝑌가 주어져 있다. 다음 등
식
𝐹𝑋,𝑌 𝑥, 𝑦 = 𝑃 𝑋 ≤ 𝑥, 𝑌 ≤ 𝑦 , 𝑥, 𝑦 ∈ 𝑅2
을 만족하는 함수 𝐹𝑋,𝑌 𝑥, 𝑦 를 𝑋와 𝑌의 결합분포
함수(joint distribution function)이라고 부른다.
1 𝑋와 𝑌를 이산확률변수라 할 때, 𝑋와 𝑌의 결합
확률질량함수(joint probability mass function)은
𝑝𝑋,𝑌 𝑥𝑖 , 𝑦𝑗 = 𝑃 𝑋 = 𝑥𝑖 , 𝑌 = 𝑦𝑗
로 정의되고, 다음 두가지 성질을 만족한다.
결합분포와 조건부분포
(a) 0 ≤ 𝑝𝑋,𝑌 𝑥𝑖 , 𝑦𝑗 ≤ 1,
(b)σ∞ σ∞
𝑖=1 𝑗=1 𝑝𝑋,𝑌 𝑥𝑖 , 𝑦𝑗 = 1
그리고,
𝐹𝑋,𝑌 𝑥, 𝑦 = 𝑝𝑋,𝑌 𝑥𝑖 , 𝑦𝑗
𝑥𝑖 ≤𝑥 𝑦𝑗 ≤𝑦
결합분포와 조건부분포
2 𝑋와 𝑌를 연속확률변수라 할 때, 𝑋와 𝑌의 결합
확률분포함수(joint probability distribution function)
은
𝑥 𝑦
𝐹𝑋,𝑌 𝑥, 𝑦 = −∞ −∞ 𝑓𝑋,𝑌 𝑢, 𝑣 𝑑𝑣 𝑑𝑢, 𝑥, 𝑦 ∈ 𝑅2
로 정의되고, 𝑓𝑋,𝑌 𝑥, 𝑦 를 결합 확률밀도함수(joint
probability density function)라 한다. 그리고 다음 성
질을 만족한다.
(a) 0 ≤ 𝑓𝑋,𝑌 𝑥 , 𝑦 ≤1
∞ ∞
(b) 𝑓
−∞ −∞ 𝑋,𝑌
𝑥, 𝑦 𝑑𝑥𝑑𝑦 = 1
결합분포와 조건부분포
𝐷를 𝑓𝑋,𝑌 𝑥, 𝑦 의 지지(support),
즉 𝐷 = {(𝑥, 𝑦) ∈ 𝑅2 |𝑓𝑋,𝑌 𝑥, 𝑦 > 0}이고 𝐴를 𝐷내
의 어떤 영역이면,
𝑃 𝑋, 𝑌 ∈ 𝐴 = ඵ 𝑓𝑋,𝑌 𝑥, 𝑦 𝑑𝑥𝑑𝑦
𝐴
*조건부 분포*
실수 −∞ < 𝑥 < ∞에 대하여, 다음과 같이
𝐹𝑋|𝑌 𝑥|𝑌 = 𝑦 = lim 𝑃(𝑋 ≤ 𝑥|𝑦 ≤ 𝑌 ≤ 𝑦 + ℎ)
ℎ→0
결합분포와 조건부분포
에 의하여 정의된 함수 𝐹𝑋|𝑌 𝑥|𝑌 = 𝑦 를, 𝑌 = 𝑦가
주어졌을 때, 𝑋의 조건부분포함수(conditional
distribution function)라 한다.
(1) 𝑋와 𝑌가 이산확률변수라 하고 한 사건 {𝑌 = 𝑦}
가 주어져 있다고 하자. 이 때,
𝑝𝑋,𝑌 (𝑥𝑖 , 𝑦𝑗 )
𝑝𝑋|𝑌 𝑥𝑖 𝑌 = 𝑦𝑗 = 𝑃 𝑋 = 𝑥𝑖 𝑌 = 𝑦𝑗 =
𝑝𝑌 (𝑦𝑖 )
결합분포와 조건부분포
에 의하여 정의된 함수 𝑝𝑋|𝑌 ∙ 𝑌 = 𝑦𝑗 를 사건 𝑌 =
𝑦𝑗 가 주어졌을 때, 𝑋의 조건부 확률 질량함수
(conditional probability mass function)라고 하고, 다
음 성질들이 성립한다.
(A) 0 ≤ 𝑝𝑋|𝑌 𝑥𝑖 𝑌 = 𝑦𝑗 ≤1
(B) σ∞
𝑖=1 𝑝𝑋|𝑌 𝑥𝑖 𝑌 = 𝑦𝑗 = 1
(C) 𝐹𝑋|𝑌 𝑥|𝑌 = 𝑦𝑗 = σ𝑥𝑖≤𝑥 𝑝𝑋|𝑌 𝑥𝑖 𝑌 = 𝑦𝑗
결합분포와 조건부분포
(𝑋, 𝑌)를 연속 확률 벡터라고 하자. 그러면 다음
식
𝐹𝑋|𝑌 𝑥|𝑌 = 𝑦
𝑥
정의 2.5.3 : 다음과 같이
조건부 기대값(Conditional
expectation)
정리 2.5.4 : 임의의 확률 벡터 (𝑋, 𝑌)에 대하여, 다
음식이 성립한다.
𝐸[𝐸 𝑋 𝑌 ] = 𝐸[𝑋]
그리고 𝐸 𝑌 =
∞ 12 1 12
−∞ 𝑦𝑓𝑌 𝑦 𝑑𝑦 = 0 𝑦 12
ln( )𝑑𝑦
𝑦
= 3.
마찬가지로, 𝐸 𝑋𝑌 = 𝐸 𝐸 𝑋𝑌 𝑋 에서,
𝑋 𝑋2
𝐸 𝑋𝑌 𝑋 = 𝑋𝐸 𝑌 𝑋 = 𝑋 ∗ =
2 2
𝑋2
따라서, 𝐸 𝑋𝑌 = 𝐸 𝐸 𝑋𝑌 𝑋 =𝐸 =
2
1 12 𝑥 2
조건부 기대값(Conditional
expectation)
(풀이) =24.
결국, 𝐶𝑜𝑣 𝑋, 𝑌 = 24 − 6 ∗ 3 = 6.
[예제] 2.5.8. 숙제
연속확률변수 𝑋가 확률밀도함수
결합확률밀도함수
만약 ℎ(𝑥, 𝑦)가 어떤 이변수함수이면, 확률 벡터
(𝑋, 𝑌)가 이산 혹은 연속의 경우에 따라서
ℎ 𝑥, 𝑦 𝑝𝑋,𝑌 𝑥, 𝑦 ,
𝑥 𝑦
𝐸 ℎ 𝑋, 𝑌 = ∞ ∞
𝑀𝑋 𝑠 = 𝐸 𝑒 𝑠𝑋 : 𝑋의 적률생성함수(moment
generating function)
적률생성함수를 이용한 예제(앞
으로 보험수학 이론에 중요한 예
제)
증명. (1) 먼저 𝑌의 적률생성함수 𝑀𝑌 (𝑡)를 구하
자.
𝐸 𝑒 𝑡𝑌 𝑁 = 𝑛 = 𝐸 exp 𝑡 σ𝑁
𝑖=1 𝑋𝑖 𝑁 = 𝑛
𝑛 𝑛 𝑛
= 𝐸 𝑁 𝑉𝑎𝑟(𝑋) + (𝐸[𝑁 2 ] − 𝐸 𝑁 2 )𝐸 𝑋 2
= 𝐸 𝑁 𝑉𝑎𝑟(𝑋) + 𝑉𝑎𝑟(𝑁)𝐸 𝑋 2
결합적률생성함수(Joint moment
generating function)
확률변수 𝑋와 𝑌의 결합적률생성함수 𝑀𝑋,𝑌 (𝑢, 𝑣)
를 다음과 같이 정의한다.
𝑀𝑋,𝑌 𝑢, 𝑣 = 𝐸[𝑒 𝑢𝑋+𝑣𝑌 ]
결합적률생성함수 𝑀𝑋,𝑌 𝑢, 𝑣 는 다음 성질을 만족
한다.
1) 𝑀𝑋,𝑌 𝑢, 0 = 𝑀𝑋 𝑢 , 𝑀𝑋,𝑌 0, 𝑣 = 𝑀𝑌 𝑣
𝜕
2) 𝑀𝑋,𝑌 𝑢, 𝑣 |𝑢=𝑣=0 = 𝐸 𝑋,
𝜕𝑢
𝜕
3) 𝑀 𝑢, 𝑣 |𝑢=𝑣=0 = 𝐸 𝑌
𝜕𝑣 𝑋,𝑌
𝜕𝑚+𝑛
4) 𝑚 𝑛 𝑀𝑋,𝑌 𝑢, 𝑣 |𝑢=𝑣=0 = 𝐸 𝑋𝑚𝑌𝑛
𝜕 𝑢𝜕 𝑣
결합적률생성함수
확률변수 𝑋와 𝑌가 서로 독립일 필요충분조건은
𝑀𝑋,𝑌 𝑢, 𝑣 = 𝑀𝑋 (𝑢) 𝑀𝑌 𝑣 , (𝑢, 𝑣) ∈ 𝑅2 이다.
[예제] 2.5.10. 숙제