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.
170 KAPITEL 3 SLUMPVARIABLER<br />
2007-10-08 – sida 170 – # 174<br />
Antag nu i stället att varken p eller 1 − p är så små, eller närmare bestämt<br />
att både np <strong>och</strong> n(1 − p) är någorlunda stora. Från tidigare vet vi att<br />
Y ∼ Bin(n, p) kan skrivas som summan av n Bernoullifördelade slumpvariabler<br />
(Y = n i=1 Xi), alla <strong>med</strong> samma p. Från normalapproximationen i<br />
föregående avsnitt vet vi därför redan att Y är approximativt normalfördelad.<br />
Väntevärdet är np <strong>och</strong> standardavvikelsen np(1 − p). Med halvkorrektion<br />
får vi följande approximation.<br />
METOD 3.6 (NORMALAPPROXIMATION AV BINOMIALFÖRDELNINGEN)<br />
Antag att Y ∼ Bin(N, p) där np(1 − p) > 10. Då gäller att X kan approximeras<br />
<strong>med</strong> N(np, np(1 − p)), <strong>med</strong> användning av halvkorrektion.<br />
Fördelningsfunktionen approximeras således av<br />
FY (k) ≈ Φ<br />
<br />
k + 0.5 − np<br />
np(1 − p)<br />
<br />
,<br />
där Φ(·) är fördelningsfunktionen för den standardiserade normalfördelningen<br />
som finns tabulerad i Tabell 4.<br />
EXEMPEL 3.58<br />
Vid en bilaffär efterfrågas färgen silvergrå av 30% kunderna i det långa<br />
loppet. Under en vecka har affären 97 besök som resulterar i beställning<br />
av bil. Antalet Y av dessa som beställer silvergrå är då Y ∼ Bin(97, 0.3)<br />
vilket alltså kan approximeras <strong>med</strong> N(97 · 0.3 = 29.1, √ 97 · 0.3 · 0.7 ≈<br />
4.51) eftersom np(1 − p) = 97 · 0.3 · 0.7 = 20.37 > 10. Om vi t.ex. vill<br />
beräkna sannolikheten att mellan 20 <strong>och</strong> 40 bilar beställs <strong>med</strong> silvergrå<br />
färg får vi<br />
P (20 ≤ Y ≤ 40) = FY (40) − FY (19)<br />
<br />
40.5 − 29.1 19.5 − 29.1<br />
≈ Φ<br />
− Φ<br />
≈ 0.978.<br />
4.51<br />
4.51<br />
Vi avslutar <strong>med</strong> en sista approximation som redan nämnts <strong>och</strong> som är ett<br />
specialfall av normalapproximation, nämligen för fallet <strong>med</strong> Poissonfördelningen<br />
då λ är ganska stort. Som tidigare nämnt kan ju t.ex. Poissonfördelning<br />
<strong>med</strong> väntevärde λ = n skrivas som summan av n oberoende Poissonvariabler,<br />
alla <strong>med</strong> väntevärde 1. Av detta följer att normalapproximation kan