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.
104 KAPITEL 3 SLUMPVARIABLER<br />
2007-10-08 – sida 104 – # 108<br />
Lösningen till detta är ju exponentialfunktionen. Således får vi att 1−FY (y) =<br />
e −βy vilket <strong>med</strong>för att FY (y) = 1 − e −βy <strong>och</strong> fy(y) = βe −βy . Vi inför nu detta<br />
som definition.<br />
DEFINITION 3.24 (EXPONENTIALFÖRDELNING)<br />
En kontinuerlig slumpvariabel Y sägs vara exponentialfördelad <strong>med</strong> intensitetsparameter<br />
β om täthetsfunktionen ges av<br />
fY (y) = βe −βy , y > 0, (fY (y) = 0, y ≤ 0).<br />
Man skriver Y ∼ Exp(β).<br />
ANMÄRKNING 3.25<br />
I vissa böcker använder man en annan parametrisering, nämligen inversen<br />
1/β. Anledningen till detta är, som vi skall se, att väntevärdet är lika<br />
<strong>med</strong> 1/β. När man ser exponentialfördelningen bör man därför dubbelkolla<br />
om parametern som anges är intensitetsparametern (som i denna<br />
bok) eller väntevärdet.<br />
I Figur 3.19 visas täthetsfunktionen <strong>och</strong> fördelningsfunktionen för exponentialfördelningen.<br />
Vi har redan härlett fördelningsfunktionen <strong>och</strong> intensiteten<br />
Bild saknas<br />
Figur 3.19. Täthetsfunktion <strong>och</strong> fördelningsfunktion för exponentialfördelningen.<br />
för exponentialfördelningen <strong>och</strong> sett att dessa satisfierar<br />
FY (y) = 1 − e −βy<br />
<strong>och</strong> λY (y) = β.