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.
EXEMPEL 3.46<br />
2007-10-08 – sida 143 – # 147<br />
3.11 FUNKTIONER AV SLUMPVARIABLER 143<br />
Låt X ∼ Po(5) <strong>och</strong> Y ∼ Po(3) vara oberoende Poissonfördelade slumpvariabler<br />
(se Avsnitt 3.7.7). Vi år då att Z = X +Y har sannolikhetsfunktion<br />
∞<br />
z<br />
pZ(z) = pX(j)pY (z − j) = pX(j)pY (z − j)<br />
=<br />
j=−∞<br />
z 5je−5 j=0<br />
j!<br />
j=0<br />
3z−je−3 (z − j)! = 8ze−8 z!<br />
z<br />
j=0<br />
z<br />
j<br />
5<br />
8<br />
j z−j 3<br />
8<br />
= 8ze−8 .<br />
z!<br />
Om vi hade ersatt 5 <strong>med</strong> ett godtyckligt a <strong>och</strong> 3 <strong>med</strong> ett godtyckligt b hade<br />
vi erhållit a + b i stället för ”8” ovan. Detta betyder alltså att om man har<br />
två oberoende Poissonfördelade slumpvariabler så är deras summa också<br />
Poissonfördelad <strong>med</strong> en parameter som är summan av de enskildas parametrar.<br />
Om man vill härleda fördelningen för det största eller minsta av två slumpvariabler<br />
kan detta göras relativt enkelt. Vi behandlar endast fallet att variablerna<br />
är oberoende. Sätt U = min(X, Y ) <strong>och</strong> V = max(X, Y ). Vi kan nu<br />
härleda fördelningsfunktionerna för U <strong>och</strong> V genom att observera att U > u<br />
om <strong>och</strong> endast om X > u <strong>och</strong> Y > u. På motsvarande sätt gäller att V ≤ v<br />
om <strong>och</strong> endast om X ≤ v <strong>och</strong> Y ≤ v. Av detta kan man lätt härleda fördelningsfunktionerna<br />
för U <strong>och</strong> V .<br />
SATS 3.32<br />
Låt X <strong>och</strong> Y vara oberoende slumpvariabler <strong>med</strong> fördelningsfunktioner<br />
FX(x) respektive FY (y), <strong>och</strong> definiera U = min(X, Y ) <strong>och</strong> V =<br />
max(X, Y ). Då gäller att<br />
FU (u) = 1 − (1 − FX(u))(1 − FY (u))<br />
FV (v) = FX(v)FY (v).<br />
Om X1, . . . , Xn är oberoende <strong>och</strong> likafördelade <strong>med</strong> fördelningsfunktion<br />
FX(x) har Y = min(X1, . . . , Xn) <strong>och</strong> Z = max(X1, . . . , Xn) fördelningsfunktionerna<br />
FY (y) = 1 − (1 − FX(y)) n<br />
FZ(Z) = (FX(z)) n .