Professional Documents
Culture Documents
Stat H4
Stat H4
2
4.1: stochastische variabelen
Een stochastische variabele of kansvariabele X
is een variabele die numerieke waarden aanneemt die horen bij de toevallige
uitkomsten van een experiment.
Vb:
Experiment gooien met 2 muntstukken
‘Stochastisch’ betekent:
‘van het toeval afhankelijk’
Het aantal keren Kop bij het gooien van een
2 munten is van het toeval afhankelijk.
4
4.2 kansverdeling voor stochastische variabelen
1
P X=0 = P(M.M)=
4
1 1 1
P X=1 = P(M.K)+P(KM) =
4 4 2
1
P X=2 = P(KK)=
4
4.2 kansverdeling voor stochastische variabelen
2. p(xi) = 1
7
4.3: Verwachtingswaarde van discrete stochastische
variabelen: voorbeeld
1) Stel we gooien 10 keer met 2 munten en bekomen:
0 keer K: 5
1 keer K:3
2 keer K: 2
Gemiddeld aantal K:
xi
5 x 0 3 x 1 2 x 2
0.7
N 10
2) We doen dit experiment opnieuw en bekomen deze keer:
0 keer K: 1
1 keer K: 5
2 keer K: 4
Gemiddeld aantal K:
xi
1x 0 5 x 1 4 x 2
1.3
N 10
4.3: Verwachtingswaarde van discrete stochastische
variabelen: voorbeeld
Wanneer we dit experiment niet 10 keer maar duizend keer herhalen (in principe
oneindig keer) zal de relatieve frequentie van optreden naar een constant getal
evolueren = de kans en bijhorende kansfunctie.
Stel we gooien 1000 keer met 2 munten. Wat is dan het gemiddeld aantal keren dat
we K kunnen verwachten op basis van de theoretische kansfunctie?
xi
250 x 0 500 x 1 250 x 2
N 1000
250 500 250
0. 1. 2.
1000 1000 1000
1 1 1
0. 1. 2. 1
4 2 4
xi .p(xi ) xi .P ( X xi )
4.3: Verwachtingswaarde (gemiddelde) van de
populatie van discrete stochastische variabelen
E[ X ] xi p ( xi ) xi .P( X xi )
Opm: het is mogelijk dat een stochastische variabele nooit gelijk is aan de
gemiddelde waarde
10
4.3: Verwachtingswaarde (gemiddelde) van de
populatie van discrete stochastische variabelen
Analoog: verwachtingswaarde van een functie van X
E[ f ( X )] f ( xi ) p ( xi ) f ( xi ).P ( X xi )
Voorbeeld. X=aantal keer K (zie hoger) bij worp met twee
muntstukken
Y=2.X+5
? E[Y]
11
Levensverzekering: premie 290€/ uitkering bij
overlijden: 10.000€. Kans op sterven voor deze
leeftijdscategorie: 0,001
? Verwachte winst voor de maatschappij?
4.4: variantie van een discrete
stochastische variabele
zie eerder:
waarde gemiddelde
2
s
2
variantie
2 Var [ X ] E[( X )2 ] (xi )2 P ( X xi )
standaardafwijking
2
13
Extra: eigenschappen
W a bX cY met X en Y twee stochastische variabelen
E [W ] a bE [ X ] cE [Y ]
voldoende
afgekeurd
onvoldoende
goedgekeurd
x=
• aantal keren K bij 10 worpen p(x) ?
• aantal afgekeurde producten bij lot van 100
•…. 17
4.4: De Binomial stochastische variabele
Uit onderzoek blijkt dat slechts 10% van de amerikaanse volwassenen ouder dan
30 voldoet aan een conditietest.
Stel dat vier volwassenen willekeurig worden geselecteerd en elk van hen de
conditietest aflegt.
Noem X=“aantal volwassenen die slagen op de test (van deze 4)”
18
P(S)=0.1 P(Z)=0.9
P ( X 0) 0.9 4
P ( X 1) 4(0.1) (0.9)3
P ( X 2) 6(0.1)2 (0.9)2
P ( X 3) 4(0.1)3 (0.9)1
P ( X 4) (0.1)4 (0.9)0
Vanwaar 6?
combinatie regel:
aantal mogelijke combinaties
van 2 elementen uit verzameling van 4
4!
C 42 6
2!2!
1
4
3
P(S)=0.1 P(Z)=0.9
P ( X 0) 0.9 4
P ( X 1) 4(0.1) (0.9)3
P ( X 2) 6(0.1)2 (0.9)2
P ( X 3) 4(0.1)3 (0.9)1
n i P ( X 4) (0.1)4 (0.9)0
P( X i ) C x 0.1 0.9
n
i i
4.4: De Binomial stochastische variabele
Eigenschappen van binomiale variabele
i. experiment bestaat uit n identieke deelexperimenten
ii. Deelexperiment is te schrijven als een
uitkomstenverzameling met twee uitkomsten: Succes or
Mislukking V={S,M}
iii. P(S) = p; P(M) = q = 1 – p
iv. de deelexperimenten zijn onafhankelijk
v. de stochastische variabele X = ‘het aantal keren S in n
deelexperimenten’
ni n!
X ~ Bin(n, p ) P( X i) p(i) C p q
i
n
i
p i q n i
(n i)!i !
i : 0,1,..., n
23
De Binomiale stochastische variabele
E[ X ] i.P( X i) ..... np (zonder bewijs)
2 Var[ X ] (i )2 .P( X i) ........ npq (zonder bewijs)
24
POISSON-VERDELING
POISSON-verdeling: Eigenschappen
• Tellen van aantal keer dat een bepaalde gebeurtenis
voorkomt in een bepaald tijdsinterval, oppervlakte, volume,
afstand,…
• De kans dat een gebeurtenis voorkomt in een bepaald
tijdsinterval,… is even groot voor alle tijdsintervallen, … van
gelijke grootte
• Het aantal gebeurtenissen in een bepaalde eenheid van
tijd,… is onafhankelijk van het aantal dat in een andere,
hiermee disjuncte, eenheden voorkomt
• Het verwachte aantal gebeurtenissen in elke eenheid wordt
aangegeven met λ
=> Deze voorwaarden zijn moeilijk te verifiëren in praktische toepassingen.
Of dit model werkelijk geschikt is, is pas vast te stellen als de empirische
gegevens het model ondersteunen
POISSON-verdeling: Eigenschappen
• Tellen van aantal keer dat een bepaalde gebeurtenis voorkomt in een bepaald tijdsinterval,
oppervlakte, volume, afstand,…
• De kans dat een gebeurtenis voorkomt in een bepaald tijdsinterval,… is even groot voor alle
tijdsintervallen, … van gelijke grootte
• Het aantal gebeurtenissen in een bepaalde eenheid van tijd,… is onafhankelijk van het aantal
dat in een andere, hiermee disjuncte, eenheden voorkomt
• Het verwachte aantal gebeurtenissen in elke eenheid wordt aangegeven met λ
?)
?
?
POISSON-verdeling: Eigenschappen
met mogelijke waarden x: 0, 1, …, oneindig
i e
P ( X i ) p (i ) zonder bewijs
i!
E[ X ] i P ( X i )
i e
i e
i i i e
i 0 i! i 1 i! P( X i)
i i!
e
i 1
e
i 1 (i 1)! i 1 (i 1)!
j
e e e
j 0 j!
POISSON-verdeling: Eigenschappen
met mogelijke waarden x: 0, 1, …, oneindig
e
i
P( X i)
i!
E[ X ]
i e
lim Cni p i q ( n i ) met n p
n
p 0
i!
np cte
Poisson als limiet binomiale
Voorbeeld: