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.
146 KAPITEL 3 SLUMPVARIABLER<br />
2007-10-08 – sida 146 – # 150<br />
Vi gör nu motsvarande variansberäkningar. Vi börjar alltså <strong>med</strong> V (aX +<br />
b). Vi beräknar först E((aX + b) 2 ):<br />
E((aX + b) 2 ) = <br />
(ak + b) 2 pX(k) = <br />
(a 2 k 2 + 2abk + b 2 )pX(k)<br />
Variansen blir därför<br />
k<br />
= a 2 E(X 2 ) + 2abE(X) + b 2 .<br />
a 2 E(X 2 ) + 2abE(X) + b 2 − (aE(X) + b) 2 = a 2 V (X).<br />
För linjärkombinationen aX + bY + c får vi<br />
E((aX + bY + c) 2 ) = <br />
(aj + bk + c) 2 pX,Y (j, k)<br />
j,k<br />
= <br />
(a 2 j 2 + b 2 k 2 + c 2 + 2abjk + 2acj + 2bck)pX,Y (j, k)<br />
j,k<br />
= a 2 E(X 2 ) + b 2 E(Y 2 ) + c 2<br />
+ 2abE(XY ) + 2acE(X) + 2bcE(Y ).<br />
Från tidigare vet vi att E(aX +bY +c) = aE(X)+bE(Y )+c, så dess kvadrat<br />
blir<br />
(E(aX + bY + c)) 2 = a 2 (E(X)) 2 + b 2 (E(Y )) 2 + c 2<br />
k<br />
+ 2abE(X)E(Y ) + 2acE(X) + 2bcE(Y ).<br />
Om vi tar differensen av dessa två uttryck får vi således variansen<br />
V (aX + bY + c) = a 2 V (X) + b 2 V (Y ) + 2abC(X, Y ).<br />
Även här kan man lätt generalisera till flera variabler. Man får då<br />
V (a1X1 + . . . anXn) =<br />
n<br />
k=1<br />
a 2<br />
kV (Xk) + 2 <br />
aiajC(Xi, Xj).<br />
I fallet att variablerna är parvis oberoende försvinner kovarianstermerna. Vi<br />
sammanfattar våra resultat i följande sats.<br />
i