43 opgaver i sandsynlighedsregning - Aarhus Universitet
43 opgaver i sandsynlighedsregning - Aarhus Universitet
43 opgaver i sandsynlighedsregning - Aarhus Universitet
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
8<br />
Opgave 26 (Fortsættelse af Opgave 17)<br />
Eksempel p˚a beregning af middelværdier, varianser, kovarians etc. for en to-dimensional<br />
kontinuert stokastisk vektor.<br />
1) Vis, at E X1 = 0 og E X2 = 2/3.<br />
2) Vis, at E X 2 1 = 1/6 og E X 2 2 = 1/2.<br />
3) Vis ved hjælp af 1), 2) og formel (6.20), at V ar X1 = 1/6 og V ar X2 = 1/18.<br />
4) Vis først, at<br />
<br />
E(X1X2) =<br />
R<br />
<br />
R<br />
x1x2f(X1,X2)(x1, x2)dx1dx2 =<br />
1<br />
0<br />
x2<br />
x2<br />
−x2<br />
x1dx1<br />
og dernæst, at E(X1X2) = 0 (idet værdien af det inderste integral er 0 for alle værdier af<br />
x2 ∈ [0, 1]).<br />
5) Vis ved hjælp af 1), 4) og formel (6.23), at Cov (X1, X2) = 0.<br />
6) Brug 5) og formel (6.19) til at vise at Cor (X1, X2) = 0.<br />
7) Vis, at X1 og X2 ikke er stokastisk uafhængige. (Betragt kriteriet i formel (5.62).)<br />
Opgaven giver alts˚a et eksempel p˚a at to stokastiske variable kan være ukorrelerede uden at<br />
være uafhængige.<br />
Opgave 27 Lad (X1, X2) betegne en to-dimensional stokastisk vektor, hvis fordeling er be-<br />
stemt ved tæthedsfunktionen f i Opgave 18:<br />
<br />
4x1x2 + 4x<br />
f(x1, x2) =<br />
2 2 hvis (x1, x2) ∈ A<br />
0 ellers.<br />
hvor A er firkanten bestemt af punkterne (0, 0), (1, 0), (0, 1) og (−1, 1).<br />
a) Vis, at tæthedsfunktionen for (Y1, Y2) = (X1 + X2, X2) er<br />
(Vink: Brug formel (7.7) i BPT.)<br />
f(Y1,Y2)(y1, y2) = 4y1y2, for (y1, y2) ∈ [0, 1] × [0, 1].<br />
b) Vis, at Y1 og Y2 er stokastisk uafhængige (brug formel (5.62) i BTP) samt at Y1 og Y2 har<br />
samme fordeling.<br />
Opgave 28 Antag, at X er uniformt fordelt p˚a intervallet ]0, 1[, dvs. X ∼ R(0, 1), og lad<br />
Y = X 2 . Vis, at fordelingsfunktionen, tæthedsfunktionen, middelværdien og variansen for Y<br />
er henholdsvis<br />
⎧<br />
⎪⎨ 0 hvis y ≤ 0<br />
√<br />
FY (y) = y hvis y ∈]0, 1[<br />
⎪⎩ 1 hvis y ≥ 1,<br />
<br />
dx2