STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar
STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar
STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
128 KAPITEL 3 SLUMPVARIABLER<br />
2007-10-08 – sida 128 – # 132<br />
slumpvariabler X <strong>och</strong> Y är oberoende om fX|Y (x | y) = fX(x) för alla x<br />
<strong>och</strong> sådana y för vilket fY (y) > 0.<br />
Att de två definitionerna är ekvivalenta visas lätt. T.ex. gäller ju att om<br />
pX|Y (j | k) = pX(j) får man att från definitionen av betingad sannolikhetsfunktion<br />
(Definition 3.29) pX,Y (j, k) = pX|Y (j | k)pY (k) = pX(j)pY (k)<br />
vilket <strong>med</strong>för oberoende enligt den ursprungliga definitionen.<br />
Det påpekades ovan att betingade fördelningar verkligen är fördelningar i<br />
sig. Speciellt kan man beräkna väntevärden, varianser <strong>och</strong> standardavvikelser<br />
på samma sätt som för ”vanliga” fördelningar. Man brukar använda beteckningarna<br />
E(X|Y = y), V (X | Y = y) <strong>och</strong> D(X | Y = y) vilka alltså<br />
beräknas enligt följande formler:<br />
E(X|Y = k) = <br />
jpX|Y (j | k)<br />
j<br />
V (X | Y = k) = <br />
j 2 pX|Y (j | k) − (E(X|Y = k)) 2<br />
D(X | Y = k) = V (X | Y = k),<br />
j<br />
för det diskreta fallet <strong>och</strong> motsvarande integraler för det kontinuerliga fallet.<br />
EXEMPEL 3.40<br />
Antag att vi ska kasta två tärningar <strong>och</strong> är intresserad av summan S av<br />
antalet prickar. Låt X ange antalet prickar på den svarta <strong>och</strong> Y antal prickar<br />
på den vita tärningen. Vi ska nu studera fördelningen för summan av<br />
antalet prickar betingat av att vi vet antalet prickar X = k på den svarta<br />
tärningen. Man kan räkna fram att pS|X(s | k) = 1/6, s = k+1, . . . , k+6,<br />
eftersom den vita tärningen blir 1 till 6 <strong>med</strong> sannolikhet 1/6 vardera. För<br />
väntevärdet får vi<br />
E(S | X = k) =<br />
k+6<br />
s=k+1<br />
spS|X(s | k) = ((k+1)+. . .+(k+6))/6 = k+ 7<br />
2 .<br />
Det gäller vidare att E(S 2 | X = k) = ((k + 1) 2 + . . . + (k + 6) 2 )/6 <strong>och</strong><br />
efter lite räknande får man att V (S | X = k) = 35/12.