STATYSTYKA MATEMATYCZNA

ZMIENNA LOSOWA

Przestrzeń probabilistyczna
Przestrzenią probabilistyczną nazywamy trójkę (Ω, Α, P ), gdzie
a) Ω – pewien niepusty zbiór
b) A – pewna rodzina podzbiorów zbioru Ω o własnościach:
i.   
ii. Jeżeli B  , to Bc =  \ B  

iii. Jeżeli B1 , B2 ,... , to B
n =1
n 

c) P to funkcja P :  → [0,1] o własnościach:

i. P() = 1
ii. Dla B1 , B2 ,...   parami rozłącznych, tzn. Bi  B j =  dla i  j
  
P  Bn  =  P(Bn ) (przeliczalna addytywność)
 n =1  n =1

Zmienna losowa X to funkcja X :  → R spełniająca warunek:

X −1 (B )  A dla każdego zbioru borelowskiego B  R

Na potrzeby naszego wykładu wystarczy poniższa mniej formalna definicja zmiennej losowej:

Zmienną losową jest funkcja przekształcająca wynik eksperymentu losowego na liczbę

rzeczywistą, dla której określone są (teoretycznie) prawdopodbieństwa przyjmowania przez X
wartości z każdego dowolnego zakresu.

Rozkład zmiennej losowej określa z jakim prawdopodobieństwem zmienna losowa przyjmuje

poszczególne wartości.

Rozkład zmiennej losowej może być:

• dyskretny (jeżeli zmienna losowa przyjmuje skończenie wiele lub przeliczalnie wiele
wartości),
• ciągły, (jeżeli zmienna losowa przyjmuje dowolne wartości z określonego przedziału,
w szczególności cały zbiór R)

Strona 1
STATYSTYKA MATEMATYCZNA

ZMIENNA LOSOWA DYSKRETNA

Rozkład prawdopodobieństwa
P( X = xi ) = pi , gdzie i = 1,2,..., n ; 0  pi  1 ;
n

p
i =1
i = 1 gdy zmienna przyjmuje skończoną liczbę (n)wartości


lub p
i =1
i
= 1 w przypadku nieskończonej liczby wartości zmiennej losowej

Wówczas:
P ( X  A) = p i gdzie xi oznaczają punkty skokowe zmiennej losowej X
xi A

w szczególności P(a  X  b ) = p i
a  xi b

ZMIENNA LOSOWA CIĄGŁA

Dla zmiennej losowej ciągłej rolę rozkładu prawdopodobieństwa pełni funkcja gęstości - f (x) .
Funkcja gęstości zmiennej losowej spełnia następujące warunki:

1. f ( x)  0 ,

2.  f ( x)dx = 1 .
−
Dla zmiennej losowej ciągłej:

1. P( X = a) = 0 , gdzie a jest dowolną liczbą.

b
2. P(a  X  b) = P(a  X  b) = P(a  X  b) = P(a  X  b) =  f ( x)dx , gdzie a  b .
a

PARAMETRY ZMIENNEJ LOSOWEJ

• Wartość oczekiwana (przeciętna)

n
E ( X ) =  xi  p i dla zmiennej losowej dyskretnej
i =1

E( X ) =
−
 x f ( x)dx dla zmiennej losowej ciągłej

• Wariancja:
V ( X ) = E ( X − EX ) = EX 2 − (EX )
2 2

Dla zmiennej losowej dyskretnej:

n n
V ( X ) =  (xi − E ( X ) ) pi =  xi2 pi − (E ( X ) )
2 2

i =1 i =1

Dla zmiennej losowej ciągłej:

Strona 2
STATYSTYKA MATEMATYCZNA
 

V ( X ) =  ( x − E ( X )) 2 f ( x )dx = x f ( x )dx − (E ( X ) ) .
2 2

− −

• Odchylenie standardowe
 = V (X )

WŁASNOŚCI PARAMETRÓW ZMIENNEJ LOSOWEJ (SKOKOWEJ I CIĄGŁEJ)

1. E(C) = C , gdzie C jest stałą.

2. E(CX ) = CE( X )
3. E( X + Y ) = E( X ) + E(Y )
4. E( X − Y ) = E( X ) − E(Y )
5. E( X  Y ) = E( X )  E(Y ) , gdy X i Y są niezależne
6. V (C) = 0
7. V (CX ) = C 2V ( X )
8. V ( X + C) = V ( X )
9. V ( X + Y ) = V ( X ) + V (Y ) , gdy X i Y są niezależne
10. V ( X − Y ) = V ( X ) + V (Y ) , gdy X i Y są niezależne

Każda zmienna losowa jest charakteryzowana również za pomocą DYSTRYBUANTY:

F ( x) = P( X  x)

Własności dystrybuanty zmiennej losowej X

1. 0  F ( x)  1,
2. F (x) jest funkcja niemalejącą,
3. F (x) jest funkcja przynajmniej lewostronnie ciągłą
4. lim F ( x) = 0 oraz lim F ( x) = 1
x → − x →

Dystrybuanta dla zmiennej losowej dyskretnej:

F ( x) = P ( X  x) =  pi
xi  x

Dystrybuanta dla zmiennej losowej ciągłej:

x
F ( x) = P( X  x) = 
−
f (t )dt ,

Jeżeli gęstość f (x) zmiennej losowej X jest ciągła, wówczas zachodzi związek:

F ( x) = f ( x) ,

gdzie F (x) jest pochodną dystrybuanty F (x) .

Strona 3
STATYSTYKA MATEMATYCZNA

WYBRANE ROZKŁADY DYSKRETNE

Rozkład zero-jedynkowy

To szczególny przypadek rozkładu dwupunktowego, w którym zmienna losowa X przyjmuje dwie różne
wartości, z prawdopodobieństwem odpowiednio p i (1-p).
W przypadku rozkładu zero-jedynkowego, w wyniku eksperymentu może pojawić się sukces (oznaczony 1)
lub porażka (oznaczony 0), przy czym prawdopodobieństwo sukcesu wynosi p.
X – zmienna losowa oznaczająca liczbę sukcesów.

Rozkład prawdopodobieństwa
P(X=1) = p
P(X=0) = 1-p

Dystrybuanta
0 dla x 0

F ( x) = 1 − p dla 0<x  1
1
 dla x>1
Wartość oczekiwana E(X) = p
Wariancja V(X) = p(1-p)

Rozkład dwumianowy (Bernoulliego)

n - liczba niezależnych prób; wynikiem w pojedynczej próbie jest sukces lub porażka
p – prawdopodobieństwo sukcesu w pojedynczej próbie
X – liczba sukcesów w n próbach.

X ~ B(n.p)

Rozkład prawdopodobieństwa
 n
P( X = k ) =   p k (1 − p ) n − k , gdzie k = 0,1,2,..., n i k jest liczbą sukcesów
k 
Dystrybuanta
n
F ( x) =    p k (1 − p) n − k
kx  k 

Wartość oczekiwana E( X ) = np
Wariancja V ( X ) = np(1 − p)

WYBRANE ROZKŁADY CIĄGŁE

Rozkład normalny

X ~ N (m, ) , gdzie m = E(X ) , a  2 = V ( X )

Funkcja gęstości
( x − m) 2
1 −
f ( x) = e 2 2
dla −  x  
 2

Strona 4
STATYSTYKA MATEMATYCZNA

Dystrybuanta
x ( x − m) 2
1 −
F ( x) =  e 2 2
dx
−   2
Uwagi:
1. Funkcja gęstości jest symetryczna względem prostej x=m.
2. Prawdopodobieństwo, że zmienna losowa X przyjmuje wartości z przedziału trzysigmowego
m − 3 ; m + 3  jest w przybliżeniu równe 1.
Standaryzacja:
1. Jeżeli dokonamy następującego przekształcenia zmiennej losowej X ~ N (m, )
X −m
T = ,

to otrzymamy zmienną losową T~ N (0,1) . Mówimy, że T ma standardowy rozkład normalny.

2. Rozkład zmiennej losowej T został stablicowany. Tablice podają wartości dystrybuanty dla
dodatnich wartości, tj.:
2
t
1 − t2
F (t ) = P(T  t ) = 
− 2
e dt , dla t  0 , dla t  0

.
3. Dla zmiennej losowej T przedział trzysigmowy jest równy [-3,3].

Twierdzenie
Jeżeli zmienne losowe X 1 , X 2 ,..., X n są niezależne o rozkładzie normalnym, tzn. X i ~ N ( i ,  i ) to
(
X 1 + X 2 +  + X n ~ N 1 +  2 +  +  n ,  12 +  22 +  +  n2 )
oraz
1 1 
X ~ N  (1 +  2 +  +  n ),  12 +  22 +  +  n2 
n n 

W szczególności jeżeli X i ~ N ( ,  ) mają taki sam rozkład normalny, to

X 1 + X 2 +  + X n ~ N n ,  n ( )
oraz
  
X ~ N   ,  .
 n
Twierdzenie
Jeżeli zmienne losowe X 1 , X 2 są niezależne o rozkładzie normalnym X 1 ~ N (1 ,  1 ) oraz
X 2 ~ N ( 2 ,  2 ) to
(
X 1 − X 2 ~ N 1 −  2 ,  12 +  22 )

Strona 5
STATYSTYKA MATEMATYCZNA

Rozkład chi-kwadrat

X ~ k
2
z k stopniami swobody
jeżeli X = X + X + ... + X oraz X 1 , X 2 ,..., X k są niezależnymi zmiennymi losowymi o
2 2 2
1 2 k
standardowym rozkładzie normalnym.
Wartość oczekiwana E( X ) = k
Wariancja V ( X ) = 2k

Uwagi:
1. Funkcja gęstości jest asymetryczna. Dla małych wielkości k jest to rozkład silnie asymetryczny,
w miarę wzrostu k staje się coraz bardziej symetryczny i podobny do rozkładu normalnego.
2. Jeżeli liczba stopni swobody jest większa niż 30, to korzysta się z rozkładu zmiennej losowej
2k2 , która ma rozkład zbliżony do rozkładu normalnego, gdyż dla k  30 :
2  k2 ~ N ( )
2k − 1,1 .

Strona 6