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.
110 KAPITEL 3 SLUMPVARIABLER<br />
2007-10-08 – sida 110 – # 114<br />
Bild saknas<br />
Figur 3.21. Täthetsfunktionen för en N(µ, σ)-fördelning för ett antal olika σ värden.<br />
fördelning har egna beteckningar ϕ(z) respektive Φ(z). Dessa definieras<br />
således av<br />
ϕ(z) = 1<br />
√ e<br />
2π −z2 /2<br />
, −∞ < x < ∞,<br />
Φ(z) =<br />
∞<br />
−∞<br />
1<br />
√ 2π e −t2 /2 dt.<br />
I Figur 3.22 visas täthetsfunktionen ϕ(x) för N(0, 1) <strong>och</strong> i Figur 3.23 dess<br />
fördelningsfunktion Φ(x). Att beräkna Φ(x) för ett givet värde x måste göras<br />
genom numerisk integration <strong>och</strong> kräver därför matematisk programvara. Av<br />
den anledningen finns Φ(x) tabulerad längst bak i boken (Tabell 4) vilket vi<br />
kommer att ha användning av om vi ska beräkna sannolikheter för utfall av<br />
normalfördelade slumpvariabler. Att dessa funktioner har fått egna beteckningar<br />
beror på att de används ofta. I själva verket är det så att det räcker att<br />
kunna räkna ut dessa för att kunna beräkna FX(x) för en godtycklig normalfördelning<br />
vilket vi nu skall se.<br />
Låt X ∼ N(µ, σ) <strong>och</strong> Z ∼ N(0, 1). Vi har tidigare visat att<br />
FX(x) =<br />
x<br />
−∞<br />
1<br />
σ √ 2π<br />
e− (t−µ)2<br />
2σ 2 dt.<br />
Genom variabelsubstitutionen z = (x − µ)/σ får vi att detta kan skrivas som<br />
FX(x) =<br />
(x−µ)/σ<br />
−∞<br />
1<br />
√ 2π e −z2 /2 dz = Φ<br />
x − µ<br />
σ<br />
<br />
.