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.
148 KAPITEL 3 SLUMPVARIABLER<br />
2007-10-08 – sida 148 – # 152<br />
Vad gäller variansen blir den V (10Y −15) = 100V (Y ) = 100(1−p)/p 2 =<br />
200 <strong>och</strong> standardavvikelsen blir således √ 200 ≈ 14.1. Slutsatsen är alltså<br />
att spelet i genomsnitt ger förlust, men eftersom standardavvikelsen är<br />
relativt stor finns det icke-försumbar chans att gå <strong>med</strong> vinst.<br />
Ett viktigt specialfall av Sats 3.33 är när slumpvariablerna är oberoende <strong>och</strong><br />
lika fördelade, eller åtminstone har samma väntevärde <strong>och</strong> varians, <strong>och</strong> då<br />
man betraktar summan av variablerna eller variablernas <strong>med</strong>elvärde.<br />
FÖLJDSATS 3.2<br />
Låt X1, . . . Xn vara oberoende, alla <strong>med</strong> samma väntevärde E(Xi) = µ <strong>och</strong><br />
standardavvikelse D(Xi) = σ. Låt ¯X = n i=1 Xi/n beteckna <strong>med</strong>elvärdet<br />
av slumpvariablerna. Då gäller<br />
<br />
n<br />
E<br />
<br />
= nµ<br />
<br />
n<br />
V<br />
<br />
= nσ 2 <br />
n<br />
D<br />
<br />
= √ nσ<br />
BEVIS<br />
i=1<br />
Xi<br />
i=1<br />
Xi<br />
E( ¯X) = µ V ( ¯X) = σ2<br />
n<br />
i=1<br />
Xi<br />
D( ¯X) = σ √ n .<br />
Resultatet följer direkt från Sats 3.33 genom att välja ai = 1 respektive<br />
ai = 1/n.<br />
Låt X ha väntevärde µ <strong>och</strong> standardavvikelse σ. Från Sats 3.33 inser<br />
man då att man genom att dra ifrån väntevärdet <strong>och</strong> dividera <strong>med</strong> standardavvikelsen,<br />
dvs. transformerar till (X − µ)/σ, får en slumpvariabel <strong>med</strong> väntevärde<br />
0 <strong>och</strong> standardavvikelse 1. Denna transformation är vanligt förekommande,<br />
bl.a. för normalfördelningen, varför den har fått ett eget namn.<br />
DEFINITION 3.38 (STANDARDISERAD SLUMPVARIABEL)<br />
Låt Y vara en slumpvariabel <strong>med</strong> väntevärde µ = E(Y ) <strong>och</strong> standardavvikelse<br />
σ = D(Y ). Då är Z = (X − µ)/σ motsvarande standardiserade<br />
slumpvariabel.