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.
2007-10-08 – sida 133 – # 137<br />
3.10 NÅGRA VANLIGA FLERDIMENSIONELLA FÖRDELNINGAR 133<br />
Sannolikhetsfunktionen blir således<br />
j <br />
n − k pi<br />
pXi|Xj (j | k) =<br />
1 −<br />
j 1 − pj<br />
pi<br />
n−k−j ,<br />
1 − pj<br />
j = 0, . . . , n − k..<br />
Mer allmänt kan man på analogt sätt visa att hela resterande vektorn<br />
X1, . . . Xj−1, Xj+1, . . . Xr, betingat av att Xj = k är multinomialfördelad<br />
<strong>med</strong> parametrar n − k <strong>och</strong> p1/(1 − pj), . . . , pj−1/(1 − pj), pj+1/(1 −<br />
pj), . . . , pr/(1 − pj).<br />
EXEMPEL 3.42<br />
En stryktipsrad består av 13 matcher där man skall tippa 1, x eller 2,<br />
beroende på om man tror att hemmalaget vinner, det blir oavgjort, eller<br />
bortalaget vinner matchen. Statistiskt sett brukar hemmalagen vinna<br />
ca 50% av matcherna, oavgjort blir det ca 30% av matcherna, <strong>med</strong>an<br />
bortalaget vinner ca 20% av matcherna (gissade siffror). Under dessa<br />
förutsättningar, <strong>och</strong> förutsatt att man inte har ytterligare information<br />
om enskilda matcher, är antalet hemmavinster, oavgjorda <strong>och</strong> bortavinster<br />
på en stryktipsrad, (Y1, Yx, Y2) då multinomialfördelade <strong>med</strong> parametrar<br />
n = 13, p1 = 0.5, px = 0.3 <strong>och</strong> p2 = 0.2. T.ex. gäller då att<br />
P (Y1 = 7, Yx = 4, Y2 = 2) = 13 <br />
7 4 2 0.570.340.22 ≈ 0.065. Det gäller<br />
även att E(Y1) = 13 · 0.5 = 6.5, D(Yx) = √ 13 · 0.3 · 0.7 ≈ 1, 65, <strong>och</strong> att<br />
C(Yx, Y2) = −13 · 0.3 · 0.2 = −0.78.<br />
3.10.2 Tvådimensionell normalfördelning<br />
Vi definierar nu den tvådimensionella normalfördelningen som ofta kallas<br />
bivariat normalfördelning.<br />
DEFINITION 3.36 (BIVARIAT NORMALFÖRDELNING)<br />
Den kontinuerliga två-dimensionella slumpvariabeln (X, Y ) sägs vara bivariat<br />
normalfördelad <strong>med</strong> parametrar µx, µy, σx, σy <strong>och</strong> ρ (σx > 0, σy > 0<br />
<strong>och</strong> −1 < ρ < 1) när dess simultana täthetsfunktion fX,Y (x, y) för alla x<br />
<strong>och</strong> y ges av<br />
1<br />
fX,Y (x, y) = <br />
2πσxσy 1 − ρ2 exp<br />
1<br />
2(1 − ρ2 x − µx<br />
Qρ( ,<br />
) σx<br />
y − µy<br />
σy<br />
),