05.09.2013 Views

STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar

STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar

STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar

SHOW MORE
SHOW LESS

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.

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!