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.
2007-10-08 – sida 153 – # 157<br />
3.11 FUNKTIONER AV SLUMPVARIABLER 153<br />
vilket betyder att h(k) = V (X | Y = k). Låt oss nu beräkna V (g(Y )) +<br />
E(h(Y )) = V (E(X | Y )) + E(V (X | Y )). Vi tar termerna var för sig<br />
V (g(Y )) = E(h 2 (Y )) − (E(h(Y )) 2<br />
= E [E(X | Y )] 2 − (E(E(X | Y ))) 2 ,<br />
E(h(Y )) = E(E(X 2 | Y )) − E [E(X | Y )] 2 .<br />
Från detta får vi således att V (g(Y )) + E(h(Y )) = E(E(X 2 | Y )) −<br />
(E(E(X | Y ))) 2 . Vi har ovan visat att den andra termen är detsamma som<br />
(E(X)) 2 . Den första termen blir<br />
E(E(X 2 | Y )) = 2<br />
E(X | Y = k pY (k)<br />
k<br />
= <br />
<br />
<br />
j 2 <br />
pX|Y (j | k) pY (k)<br />
k<br />
k<br />
j<br />
j<br />
= <br />
j 2 pX,Y (j, k)<br />
pY (k) pY (k) = E(X 2 ).<br />
Detta <strong>med</strong>för att V (E(X | Y )) + E(V (X | Y )) = V (X). Vi sammanfattar<br />
våra resultat i följande sats.<br />
SATS 3.36<br />
Låt (X, Y ) vara en tvådimensionell slumpvariabel <strong>med</strong> ändliga varianser.<br />
Då gäller att<br />
E(X) = E(E(X|Y )),<br />
V (X) = E(V (X | Y )) + V ar(E(X | Y )).<br />
ANMÄRKNING 3.44<br />
För den ovane kan det vara något oklart vilket slumpvariabel som man ska<br />
beräkna väntevärde respektive varians <strong>med</strong> avseende på i uttrycket ovan.<br />
Vill man förtydliga detta kan man skriva Ey(Ex(X|Y )), Ey(V arx(X |<br />
Y )), <strong>och</strong> V ary(Ex(X | Y ).<br />
EXEMPEL 3.53<br />
Antag att ett slumpförsök upprepas ett Poisson-fördelat (Po(λ)) antal<br />
gånger, <strong>och</strong> att vart <strong>och</strong> ett av försöken ”lyckas” <strong>med</strong> sannolikhet p, samt