26.07.2013 Views

G:\Statistiske grundbegreber-v8\s1v8-forside.wpd

G:\Statistiske grundbegreber-v8\s1v8-forside.wpd

G:\Statistiske grundbegreber-v8\s1v8-forside.wpd

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

1<br />

0,8<br />

0,6<br />

0,4<br />

0,2<br />

0<br />

0 2 4 6 8 10 12<br />

Fig 8.1 Eksponentialfordelingerne exp(1) og exp(2)<br />

115<br />

8.3 Eksponentialfordelingen<br />

Som det fremgår af beviset for sætning 8.2, er fordelingsfunktionen for en eksponentialfordelt<br />

variabel bestemt ved udtrykket<br />

x<br />

⎧ −<br />

⎪ µ<br />

F( x) = P( X ≤ x)<br />

=<br />

1− e for x > 0<br />

⎨<br />

⎩<br />

⎪0<br />

ellers<br />

På nedenstående graf er afbildet tæthedsfunktionen for eksponentialfordelingerne exp(1.0) og<br />

exp(2.0)<br />

Eksempel 8.2. Afstanden mellem successive revner i kabel.<br />

Vi betragter det i eksempel 5.1 omtalte problem, hvor man fandt, at antallet N af mikroskopiske<br />

revner i et kobberkabel er Poissonfordelt. Der var i gennemsnit 12.3 af den type revner pr. 10<br />

meter. Lad X være afstanden mellem to på hinanden følgende revner.<br />

Beregn sandsynligheden for, at der er mere end 1 meter mellem to revner.<br />

LØSNING:<br />

1<br />

Da der i gennemsnit er 1.23 revner pr. meter, må der i gennemsnit være = 0812 . meter mellem<br />

123 .<br />

to revner. Vi har derfor at X er eksponentialfordelt med µ = 0.813.<br />

1<br />

⎛ − ⎞ 0813 .<br />

−123<br />

.<br />

P( X > 1) = 1− P( X ≤ 1) = 1− ⎜1<br />

− e ⎟ =e<br />

= 0. 2923<br />

⎝ ⎠

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!