G:\Statistiske grundbegreber-v8\s1v8-forside.wpd
G:\Statistiske grundbegreber-v8\s1v8-forside.wpd
G:\Statistiske grundbegreber-v8\s1v8-forside.wpd
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
9.1 Indledning<br />
r<br />
En stikprøve af størrelsen n på en stokastisk variabel X = ( X X X defineres som<br />
1, 2,...,<br />
k )<br />
r r r<br />
( X1, X2,..., Xn) = ( ( X11, X21,..., Xk1),( X12, X22,..., Xk2),...,( X1n, X2n,..., Xkn)<br />
)<br />
r r r<br />
r<br />
hvor X1, X2,..., Xner statistisk uafhængige variable, der hver har samme fordeling som X .<br />
Eksempel 9.1. 2-dimensional stokastisk variabel.<br />
Et levnedsmiddel kan af en tilfældig forbruger bedømmes ved en karakter X 1 for smagen og en karakter X 2 for<br />
lugten. Karakteren X 1 kan antage værdierne 0, 1 og 2, mens X 2 kun kan antage værdierne 0 og 2.<br />
a) Antag, at man teoretisk kender tæthedsfunktionen f ( x , x ) :<br />
x 2<br />
125<br />
1 2<br />
f ( x1, x2)<br />
x1 0 1 2<br />
0 0.2 0.1 0.1<br />
2 0.1 0.2 0.3<br />
a1) Find de 1-dimensionale tæthedsfunktioner f ( x ) og f ( x ) .<br />
X 1<br />
X 2<br />
1 1<br />
a2) Er og statistisk uafhængige ?<br />
a3) Find middelværdierne µ 1 = E( X1)<br />
og µ 2 = E( X2)<br />
samt spredningerne σ1 = σ(<br />
X1) og σ 2 = σ(<br />
X 2)<br />
.<br />
a4) Find middelværdien E( X1, X2)<br />
.<br />
b) Antag, at man i stedet kender en stikprøve på ( X1, X2)<br />
:<br />
(1,2), (0,0), (2,2), (2,2), (1,0), (2,2), (0,2), (2,2), (0,2 ), (2,2).<br />
b1) Benyt stikprøven til at finde estimater for størrelserne i spørgsmål a3).<br />
LØSNING:<br />
a1) Ved summation ned gennem de lodrette søjler i tabellen for tæthedsfunktionen<br />
f ( x1, x2) ≡ P( X1 = x1 ∧ X2 = x2)<br />
fås den 1-dimensionale tæthedsfunktion f1( x1) =<br />
f1( 0) = 02 . + 01 . = 03 . , f1() 1 = 01 . + 02 . = 03 . , f1( 2) = 01 . + 03 . = 04 . .<br />
P( X1 = x1)<br />
:<br />
Ved summation hen gennem de vandrette rækker i tabellen for tæthedsfunktionen f ( x1, x2)<br />
fås analogt den<br />
1-dimensionale tæthedsfunktion f2( x2)<br />
:<br />
f 2( 0) 02 . 01 . 01 . 04 . , ( ) = . + . + . = . .<br />
2 2<br />
= + + = f 2 2 01 02 03 06<br />
a2) De variable X 1 og X 2 er statistisk uafhængige, hvis og kun hvis f ( x1, x2) = f1( x1) ⋅ f2( x2)<br />
for alle værdier<br />
af ( x1, x2)<br />
i definitionsmængden. Men da f.eks. f1( 0) ⋅ f2(<br />
0) = 03 . ⋅ 04 . = 012 . er forskellig fra f (,) 00 = 02 . ,<br />
er og ikke statistisk uafhængige.<br />
X 1<br />
X 2<br />
a3) Vi finder<br />
( ) ( ) 0 ( 0) 1 ( 1) 2 ( 2)<br />
= 003 ⋅ . + 103 ⋅ . + 204 ⋅ . = 11 .<br />
∑<br />
∑<br />
µ 1 = E X1 = x1 ⋅ f1 x1 = ⋅ f1 + ⋅ f1 + ⋅ f1<br />
µ 2 E X2 x2 f2 x2 f2 f2<br />
= ( ) = ⋅ ( ) = 0⋅ ( 0) + 2⋅ ( 2) = 0⋅ 04 . + 2⋅ 06 . = 12 .<br />
2 ( )<br />
2<br />
σ = σ ( X ) ≡ V( X ) ≡ E ( X − µ ) = ( x − µ ) ⋅ f ( x )<br />
1 1 1 1 1<br />
∑<br />
1 1<br />
2 2 2<br />
= ( 0 −11 . ) ⋅ 0. 3 + ( 1−11 . ) ⋅ 0. 3 + ( 2 −11 . ) ⋅ 0. 4 = 0. 69 = 083067 .<br />
2 ( )<br />
1 1<br />
2<br />
σ = σ ( X ) ≡ V( X ) ≡ E ( X − µ ) = ( x − µ ) ⋅ f ( x<br />
)<br />
2 2 2 2 2<br />
∑<br />
2 2<br />
2 2