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.
156 KAPITEL 3 SLUMPVARIABLER<br />
2007-10-08 – sida 156 – # 160<br />
standardavvikelse 2g. Bestäm funktionen f(x) för vilket Y = f(X). Bestäm<br />
även P (Y = 0), P (1 < Y < 2) <strong>och</strong> FY (2).<br />
ÖVNING 3.82<br />
Låt X ∼ Exp(λ), dvs. X är exponentialfördelad <strong>med</strong> täthetsfunktion<br />
fX(x) = λe −λx , x ≥ 0. Bestäm täthet <strong>och</strong> fördelningsfunktionen för<br />
Y = X 2 samt beräkna E(Y ).<br />
ÖVNING 3.83<br />
Låt X ∼ Re[0, 10], dvs. X har täthetsfunktion fX(x) = 1/10, 0 < x < 10<br />
(<strong>och</strong> fX(x) = 0 annars). Bestäm X:s tredje <strong>och</strong> fjärde moment E(X 3 )<br />
<strong>och</strong> E(X 4 ).<br />
ÖVNING 3.84<br />
Antag som i Exempel 3.53 på sidan 153 att Y ∼ Po(λ) <strong>och</strong> att X | Y =<br />
k ∼ Bin(k, p). Visa att X ∼ Po(λp). (L)<br />
ÖVNING 3.85<br />
Låt X vara en diskret slumpvariabel <strong>med</strong> sannolikhetsfunktion pX(j). Definiera<br />
Y som Y = aX + b där vi kan anta att a <strong>och</strong> b är heltal så att även<br />
Y blir heltalsvärd.<br />
a) Bestäm pX,Y (j, k).<br />
b) Beräkna C(X, Y ).<br />
c) Beräkna ρ(X, Y ).<br />
ÖVNING 3.86<br />
Antag att X1, X2, . . . är oberoende <strong>och</strong> likafördelade slumpvariabler, <strong>med</strong><br />
E(Xi) = 10 <strong>och</strong> D(X) = 2. Låt ¯Xn = n i=1 Xi/n.<br />
a) Beräkna E( ¯X1), E( ¯X10) <strong>och</strong> E( ¯X100).<br />
b) Beräkna D( ¯X1), D( ¯X10) <strong>och</strong> D( ¯X100).<br />
c) Vad måste n minst vara för att D( ¯Xn) ≤ 0.1?