STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar
STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar
STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
98 KAPITEL 3 SLUMPVARIABLER<br />
av<br />
pX(k) = P (X = k) =<br />
Man skriver X ∼ NegBin(r, p).<br />
EXEMPEL 3.33<br />
2007-10-08 – sida 98 – # 102<br />
<br />
k − 1<br />
p<br />
r − 1<br />
r q k−r , k = r, r + 1, r + 2, . . . .<br />
Vid en flygplats landar plan i tid (dvs. utsatt tid plus/minus 10 minuter)<br />
oberoende av varandra <strong>med</strong> sannolikhet 0.6. Då är antalet plan X som<br />
behöver landar för att 5 skall ha landat i tid NegBin(r = 5, p = 0.6). T.ex.<br />
är chansen att det behövs 10 landningar pX(10) = 9 4 0.650.45 = 0.1003.<br />
Det går att härleda väntevärde <strong>och</strong> varians utifrån definitionen <strong>och</strong> sannolikhetsfunktionen,<br />
men ett betydligt lättare sätt är att använda momenten för<br />
ffg-fördelningen tillsammans <strong>med</strong> insikten att en negativ binomialfördelad<br />
slumpvariabel är detsamma som summan av r ffg-variabler, alla <strong>med</strong> samma<br />
p. För att använda detta måste vi dock lära oss om egenskaper hos summor av<br />
slumpvariabler vilket behandlas i Avsnitt 3.11.3 på sidan 144. Beviset av satsen<br />
nedan sparas därför till det avsnittet, närmare bestämt till Exempel 3.48<br />
på sidan 147.<br />
SATS 3.18<br />
Om X ∼ NegBin(r, p) så gäller<br />
E(X) = r<br />
p ,<br />
V (X) = rq<br />
,<br />
p2 √<br />
rq<br />
D(X) =<br />
p .<br />
ÖVNING 3.41<br />
Låt X ∼ ffg(p = 0.3) Bestäm<br />
a) P (X = 4),