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.
140 KAPITEL 3 SLUMPVARIABLER<br />
2007-10-08 – sida 140 – # 144<br />
den A ∈ Ω för vilket g(X(u)) ≤ y är således samma mängd som mängden<br />
för vilket X(u) ≤ g −1 (y). Alltså har mängderna även samma sannolikheter:<br />
P (g(X) ≤ y) = P (X ≤ g −1 (y)). Detta är i sin tur detsamma som<br />
FX(g −1 (y)) vilket var satsens första påstående.<br />
Om g(x) är avtagande gäller i stället g(x) ≤ y om <strong>och</strong> endast om x ≥<br />
g −1 (y). Man får därför i stället FY (y) = P (X ≥ g −1 (y)). Om X är diskret<br />
(heltalsvärd) blir detta detsamma som 1 − FX(g −1 (y) − 1) <strong>med</strong>an det blir<br />
1 − FX(g −1 (y)) om X är kontinuerlig.<br />
När man härlett fördelningsfunktionen kan man lätt få fram sannolikhetsfunktionen<br />
respektive täthetsfunktionen. Vi visar endast resultatet för fallet<br />
att g(x) är växande, <strong>och</strong> överlåter det avtagande fallet åt läsaren (Övning<br />
3.87 på sidan 157). Det gäller att pY (k) = FY (k) − FY (k − 1) för det diskreta<br />
fallet <strong>och</strong> fY (y) = d<br />
dy FY (g −1 (y)) i det kontinuerliga fallet. För g(x)<br />
växande gäller därför pY (k) = FX(g −1 (k)) − FX(g −1 (k − 1)), respektive<br />
fY (y) = fX(g −1 (y))/g ′ (g −1 (y)). Det senare resultatet följer av att derivatan<br />
av en invers funktion är inversen av derivatan av den ursprungliga funktionen,<br />
tagit i motsvarande punkt, dvs d<br />
dy g−1 (y) = 1/g ′ (g −1 (y)).<br />
EXEMPEL 3.44<br />
Låt X ∼ Exp(2), dvs. X har täthetsfunktion fX(x) = e−2x , x ≥ 0. Låt<br />
vidare g(x) = 1 − e−2x vilket är en kontinuerlig strikt växande funktion.<br />
Vi ska nu härleda fördelnings- <strong>och</strong> täthetsfunktionerna för Y = g(X) =<br />
1 − e−2X .<br />
Fördelningsfunktionen för X ges av FX(x) = x<br />
0 2e−2tdt = 1 − e−2x .<br />
Inversa funktionen till g(x) är g−1 (y) = − ln(1 − y)/2. Vi får således<br />
följande fördelningsfunktion<br />
FY (y) = FX(g −1 (y)) = FX(− ln(1−y)/2) = 1−e −2(− ln(1−y)/2) = y.<br />
Eftersom X antar endast positiva värden så antar Y = 1 − e −2X värden i<br />
intervallet (0, 1). Om vi vill beräkna täthetsfunktionen direkt, utan att gå<br />
”via” fördelningsfunktionen, behöver vi g ′ (x) som blir 2e −2x , vilket ju är<br />
detsamma som fX(x). Vi får således<br />
fY (y) = fX(g −1 (y))<br />
g ′ (g −1 (y))<br />
= 1,<br />
för 0 ≤ y ≤ 1 (<strong>och</strong> fY (y) = 0 i övrigt). Eftersom vi redan visat att<br />
FY (y) = y, 0 ≤ y ≤ 1 får vi ju detta enklare genom att derivera detta.<br />
Vi ser således att vi erhållit den likformiga U(0, 1)-fördelningen som