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.
164 KAPITEL 3 SLUMPVARIABLER<br />
EXEMPEL 3.55<br />
2007-10-08 – sida 164 – # 168<br />
Antag att X1, X2, . . . är exponentialfördelade <strong>med</strong> intensitet 3 (Xi ∼<br />
Exp(3)). Vi vet från tidigare att detta <strong>med</strong>för att E(Xi) = 1/3 <strong>och</strong><br />
D(Xi) = 1/3. Om vi gör 10 observationer gäller alltså att 10 i=1 Xi är<br />
approximativt normalfördelad <strong>med</strong> väntevärde 10/3 ≈ 3.33 <strong>och</strong> standardavvikelse<br />
√ 10/3 ≈ 1.054 <strong>med</strong>an <strong>med</strong>elvärdet är normalfördelat <strong>med</strong> väntevärde<br />
1/3 <strong>och</strong> standardavvikelse 1/(3 √ n) ≈ 0.1054. Således gäller t.ex.<br />
att<br />
P (3.00 ≤<br />
10<br />
i=1<br />
<br />
4.00 − 3.33 3.00 − 3.33<br />
Xi ≤ 4.00) ≈ Φ<br />
− Φ<br />
1.054<br />
1.054<br />
≈ Φ(0.64) − Φ(−0.32) = 0.7389 − (1 − 0.6255) = 0.364.<br />
För <strong>med</strong>elvärdet får vi t.ex. att<br />
<br />
0.4 − 0.33 0.20 − 0.33<br />
P (0.2 ≤ ¯X10 ≤ 0.4) ≈ Φ<br />
− Φ<br />
0.1054<br />
0.1054<br />
≈ Φ(0.64) − Φ(−1.26) = 0.7389 − (1 − 0.8962) = 0.635.<br />
Varför är då centrala gränsvärdessatsen <strong>och</strong> dess approximation så viktig?<br />
Den kanske allra viktigaste orsaken är att många slumpvariabler som dyker<br />
upp i verkligheten i sin tur påverkas av ett flertal andra slumpvariabler (en<br />
individs längd beror på ett flertal gener samt näringsintag under uppväxten,<br />
ett fordons livslängd beror på alla dess körningar <strong>och</strong> väderpåverkan m.m.).<br />
Centrala gränsvärdessatsen säger då att om inflytandet från andra slumpvariabler<br />
är någorlunda linjärt så blir den studerade slumpvariabeln normalfördelad.<br />
En annan viktig orsak till centrala gränsvärdessatsens betydelse är när<br />
man vill dra slutsatser om en slumpvariabels väntevärde <strong>och</strong> man gör detta<br />
genom att göra ett antal oberoende observationer från fördelningen ifråga <strong>och</strong><br />
bildar <strong>med</strong>elvärdet av dessa, mer om detta i Kapitel ??.<br />
ÖVNING 3.99<br />
Betrakta slumpvariabeln X <strong>med</strong> täthetsfunktion f(x) = 2x, 0 ≤ x ≤ 1,<br />
<strong>och</strong> f(x) = 0 annars. Låt X1, . . . X20 vara oberoende <strong>och</strong> likafördelade<br />
<strong>med</strong> denna fördelning.<br />
a) Beräkna E(X) <strong>och</strong> D(X).<br />
b) Beräkna P (10.0 ≤ 20<br />
i=1 Xi ≤ 15.0) approximativt.