05.09.2013 Views

STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar

STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar

STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

40 KAPITEL 3 SLUMPVARIABLER<br />

DEFINITION 3.1 (SLUMPVARIABEL)<br />

2007-10-08 – sida 40 – # 44<br />

En slumpvariabel (alternativt stokastisk variabel) X(u) är en reellvärd<br />

funktion definierad på utfallsrummet, X : Ω ↦−→ R. När slumpförsöket<br />

genomförts <strong>och</strong> ett utfall erhållits så sägs funktionens värde för utfallet vara<br />

en observation av slumpvariabeln. (Se Figur 3.1 för en illustration av en<br />

slumpvariabel <strong>och</strong> dess utfallsrum.)<br />

Ω<br />

u<br />

X(u)<br />

Figur 3.1. Illustration av en slumpvariabel X <strong>och</strong> tillhörande utfallsrum Ω.<br />

Slumpvariabler betecknas oftast <strong>med</strong> stora bokstäver: X, Y , Z <strong>och</strong> motsvarande<br />

observationer <strong>med</strong> små: x, y, z. När det inte är explicit nödvändigt<br />

utelämnas ofta funktionsargumentet <strong>och</strong> man skriver X i stället för X(u).<br />

Vi vill ofta kunna räkna ut sannolikheter av typen P (X ∈ A) där A kan<br />

vara en eller flera punkter, ett intervall eller någon annan delmängd av R.<br />

Rent formellt innebär detta att räkna ut sannolikheten för den händelsemängd<br />

i utfallsrummet Ω för vilken slumpvariabeln antar värden i A, dvs.<br />

P ({u ∈ Ω; X(u) ∈ A}), men oftast skriver man kort <strong>och</strong> gott P (X ∈ A).<br />

I bägge exemplen ovan var slumpvariabeln detsamma som själva utfallet<br />

av slumpexperimentet, på samma sätt som utfallsrummet för tärningskast är<br />

Ω = {1, 2, . . . , 6} <strong>och</strong> slumpvariabeln X som anger antalet prickar är identitetsfunktion,<br />

dvs. X(1) = 1, X(2) = 2 osv. Så behöver dock inte alltid vara<br />

fallet vilket visas <strong>med</strong> följande två exempel.<br />

EXEMPEL 3.3 (Kast <strong>med</strong> två tärningar )<br />

Betrakta försöket att kasta två tärningar <strong>och</strong> låt vår slumpvariabel Z definieras<br />

som summan av antalet prickar på de två tärningarna. Utfallsrummet<br />

består av de olika utfallen som tärningskasten kan resultera i:<br />

R

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!