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 135 – # 139<br />
3.10 NÅGRA VANLIGA FLERDIMENSIONELLA FÖRDELNINGAR 135<br />
normalfördelningen vet vi dessutom att FX(x) = Φ( x−µx ), där Φ(·) är<br />
σx<br />
fördelningsfunktionen för den standardiserade normalfördelningen. Vi får<br />
därför att att eftersökt sannolikhet blir<br />
<br />
6 − 5 − 5<br />
Φ( ) − Φ(3<br />
2 2 )<br />
<br />
<br />
14 − 10 8 − 10<br />
Φ( ) − Φ( ) .<br />
3<br />
3<br />
Genom att använda Tabell 4 får att eftersökt sannolikhet blir 0.350.<br />
Vad som inte är lika lätt att visa, men som gäller även för fallet att ρ =<br />
0 är att de marginella fördelningarna för X respektive Y är ovan nämnda<br />
normalfördelningar.<br />
SATS 3.28<br />
Antag att (X, Y ) ∼ N(µx, µy, σx, σy, ρ). Då gäller att de marginella fördelningarna<br />
ges av X ∼ N(µx, σx) <strong>och</strong> Y ∼ N(µy, σy).<br />
BEVIS<br />
Det gäller att fX(x) = ∞<br />
−∞ fX,Y (x, y)dy. Om vi gör substitutionen z =<br />
<br />
(y − µy)/σy, låter C = 1/2πσxσy 1 − ρ2 , <strong>och</strong> bryter ut faktorer som inte<br />
beror av z får vi<br />
<br />
1<br />
fX(x) = Cσy exp −<br />
2(1 − ρ2 − µx<br />
(x )<br />
) σx<br />
2<br />
<br />
∞ <br />
1<br />
× exp −<br />
−∞ 2(1 − ρ2 <br />
z<br />
)<br />
2 <br />
x − µx<br />
− 2ρ z dz.<br />
σx<br />
Om man kvadratkompletterar exponenten innanför integralen får vi<br />
z 2 x − µx x − µx<br />
− 2ρ z = (z − ρ ) 2 − ρ 2 x − µx<br />
( ) 2 .<br />
σx<br />
σx<br />
Om man bryter ut den sista termen (<strong>med</strong> faktorn framför) kan man genom<br />
att lägga till lämplig konstant faktor få en endimensionell normaltäthet<br />
innanför integralen som således integrerar sig till 1. Utförandet av dessa<br />
manipulationer lämnas till läsaren (Övning 3.80). Kvar får man<br />
fX(x) =<br />
1<br />
√ e<br />
2πσx<br />
−(x−µx) 2 /2σ2 x,<br />
vilket just betyder att X ∼ N(µx, σx). Beviset för Y är av symmetriskäl<br />
helt analogt.<br />
σx