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 53 – # 57<br />
3.4 KONTINUERLIGA SLUMPVARIABLER 53<br />
förvissa oss om att det är en täthetsfunktion, dvs. att ∞<br />
0 fX(x) dx = 1.<br />
Men, ∞<br />
0 2e−2x dx = [−e−2x ] ∞<br />
0 = −0− (−1) = 1 vilket alltså gör att fX(·)<br />
är en täthetsfunktion.<br />
Låt oss beräkna P (X ≤ 1) samt P (0.3 < X ≤ 1.2). Vi beräknar först<br />
fördelningsfunktionen.<br />
FX(x) =<br />
x<br />
0<br />
2e −2t dt = [−e −2t ] x<br />
0 = −e−2x − (−1) = 1 − e −2x .<br />
Från denna får vi P (X ≤ 1) = FX(1) = 1 − e −2 ≈ 0.865, samt P (0.3 <<br />
X ≤ 1.2) = FX(1.2) − FX(0.3) ≈ 0.650.<br />
[Bild saknas]<br />
Figur 3.8. Täthetsfunktionen fX(x) = 2e −2x , x > 0.<br />
Täthetsfunktionen för en slumpvariabel X är stor i områden där X relativt<br />
sett har stor sannolikhet att anta värden <strong>och</strong> liten i områden där X troligen<br />
inte antar sitt värde. I Figur 3.9 illustrerar vi en täthetsfunktion fX(x) <strong>och</strong> att<br />
P (a < X < b) = b<br />
a fX(x) dx = FX(b) − FX(a) är arean under täthetsfunktionen<br />
i intervallet (a, b).<br />
Det är dock inte så att täthetsfunktionens värde kan tolkas direkt som en<br />
sannolikhet på samma sätt som man kan göra <strong>med</strong> sannolikhetsfunktionen<br />
för en diskret slumpvariabel. I själva verket gäller för en kontinuerlig slumpvariabel<br />
X att P (X = x) = 0 för all värden på x! Sannolikheten att en<br />
kontinuerlig slumpvariabel antar ett bestämt enskilt värde är således 0 – detta<br />
följer av att integralen över ett allt mindre intervall går mot 0. Det gäller ju<br />
nämligen att P (X = x) ≤ P (x − h ≤ X ≤ x + h) = x+h<br />
x−h fX(t) dt <strong>och</strong> denna<br />
integral går mot 0 då h går mot 0.<br />
Eftersom sannolikheten att en kontinuerlig slumpvariabel X antar ett enskilt<br />
givet värde är 0 gäller det att man inte behöver skilja på ”