G:\Statistiske grundbegreber-v8\s1v8-forside.wpd
G:\Statistiske grundbegreber-v8\s1v8-forside.wpd
G:\Statistiske grundbegreber-v8\s1v8-forside.wpd
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Flerdimensional stokastisk variabel<br />
+ ( 0− µ 1) ⋅( 2 − µ 2) ⋅ f ( 02 , ) + ( 1− µ 1) ⋅( 2 − µ 2) ⋅ f ( 12 , ) + ( 2 − µ 1) ⋅ ( 2 − µ 2)<br />
⋅ f ( 22 , )<br />
= ( 0−11 . ) ⋅( 0−1.. 2) ⋅ 02 . + ( 1−11 . ) ⋅( 0−12 . ) ⋅ 01 . + ( 2− 11 . ) ⋅ ( 0− 12 . ) ⋅ 01 .<br />
+ ( 0− 11 . ) ⋅( 2 − 1.. 2) ⋅ 01 . + ( 1− 11 . ) ⋅ ( 2 − 12 . ) ⋅ 02 . + ( 2 − 11 . ) ⋅ ( 2 − 12 . ) ⋅ 03 . = 028 .<br />
V( X1, X2)<br />
028 .<br />
ρ(<br />
X1, X2)<br />
≡<br />
=<br />
= 0. 3440 .<br />
σ( X ) ⋅σ(<br />
X ) 069 . ⋅ 096 .<br />
1 2<br />
b2) Stikprøvens værdier (1,2), (0,0), (2,2), (2,2), (1,0), (2,2), (0,2), (2,2), (0,2), (2,2) kan indtastes på en<br />
lommeregner, der finder tilnærmelser (estimater) til kovariansen V( X1, X2)<br />
og korrelationskoefficienten<br />
ρ( X1, X2)<br />
:<br />
n<br />
∑<br />
( x1i − x1)( x2i − x2)<br />
SAP12<br />
i=<br />
1<br />
V( X1, X2)<br />
≈ =<br />
= 0. 3111<br />
n − 1 n − 1<br />
ρ( X , X ) ≈ r ≡<br />
1 2<br />
SAP12<br />
SAK ⋅ SAK<br />
1 2<br />
=<br />
i=<br />
1<br />
n<br />
∑<br />
i=<br />
1<br />
n<br />
∑<br />
( x − x )( x − x )<br />
1i 1 2i 2<br />
( x − x ) ⋅ ( x − x )<br />
1i 1 j<br />
j<br />
2<br />
2 2 2<br />
= 1<br />
Det ses, at estimaterne har en vis lighed med de eksakte værdier i spørgsmål a5).<br />
9.3 LINEARKOMBINATION<br />
130<br />
n<br />
∑<br />
= 04015 .<br />
Når vi skal tage en stikprøve ( X1, X2,..., Xn) på en 1-dimensional stokastisk variabel X, så skal vi n gange skaffe et<br />
tal X fra et tilfældigt eksperiment. Derfor kan vi opfatte stikprøven som en n-dimensional stokastisk variabel<br />
r<br />
X = ( X X X .<br />
1, 2,...,<br />
n )<br />
X X X<br />
Vi bruger ofte stikprøven til at danne gennemsnittet X<br />
n n X<br />
n X<br />
n X<br />
1 + 2+<br />
... + n 1 1 1<br />
=<br />
= 1 + 2+<br />
... + n<br />
som er en speciel linearkombination af X1, X2,..., Xn. r<br />
Ved en linearkombination L for en k-dimensional stokastisk variabel X = ( X X X forstås et udtryk af formen<br />
1, 2,...,<br />
k )<br />
L = a0 + a1X1 + a2X2 + ... + akXk , hvor a0, a2, a3,..., aker konstanter.<br />
For middelværdien af L giver linearitetsreglen:<br />
E( L) = a0 + a1E( X1) + a2E( X2) + ... + akE( Xk)<br />
.<br />
Eksempelvis kan vi se, at et gennemsnit X altid har den “rigtige” middelværdi µ :<br />
1 1 1 1 1 1<br />
E( X)<br />
= E( X1)<br />
+ E( X2<br />
) + ... + E( Xn)<br />
= µ + µ + ... + µ = µ .<br />
n n n n n n<br />
For variansen af en linearkombination L gælder kvadratreglen:<br />
2<br />
2<br />
2<br />
V( L) = a ⋅ V( X ) + a ⋅ V( X ) + ... + a ⋅ V( X ) + 2<br />
a a V( X , X )<br />
1<br />
1 2<br />
2<br />
k<br />
k k i j i j<br />
i=<br />
1 j=+ i 1<br />
k<br />
∑ ∑<br />
.