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.
58 KAPITEL 3 SLUMPVARIABLER<br />
2007-10-08 – sida 58 – # 62<br />
(eller motsvarande integraler i kontinuerliga fallet) så sägs X sakna väntevärde<br />
om ingen av summorna är konvergenta, <strong>med</strong>an väntevärdet är<br />
+∞ om E(X − ) är konvergent <strong>och</strong> E(x + ) ej är konvergent, respektive att<br />
väntevärdet är −∞ om det omvända gäller.<br />
ANMÄRKNING 3.11<br />
Observera att väntevärdet E(X) är ett reellt tal – ett siffervärde (förutsatt<br />
att det existerar). Detta till skillnad från slumpvariabeln själv som ju är<br />
en funktion på utfallsrummet <strong>och</strong> som kan anta olika värden.<br />
Den fysikaliska tolkningen av väntevärde är tyngdpunkt. Om man ritar upp<br />
tätheten/sannolikhetsfunktionen för en slumpvariabel X är E(X) positionen<br />
som gör att figuren balanserar (se Figur 3.10 nedan).<br />
[Täthetsfunktion <strong>med</strong> tyngdpunkt inritad]<br />
Figur 3.10. Täthetsfunktionen fX(x) <strong>och</strong> väntevärdet E(X). Observera att<br />
tyngdpunkten är det värde som gör att figuren ”väger jämt”.<br />
EXEMPEL 3.14 (Tändstickor, väntevärde)<br />
I Exempel 3.6 på sidan 45 definierades en slumpvariabel Z som angav antal<br />
tändstickor i en slumpvis vald tändsticksask Sannolikhetsdefinitionen<br />
definierades av pZ(47) = 0.02, pZ(48) = 0.08, pZ(49) = 0.20, pZ(50) =<br />
0.40, pZ(51) = 0.20, pZ(52) = 0.08, pZ(53) = 0.02 (se Figur 3.4 på sidan<br />
45). Väntevärdet blir för denna slumpvariabel E(Z) = <br />
k kpZ(k) =<br />
47·0.02+48·0.08+49·0.20+50·0.40+51·0.20+52·0.08+53·0.02 = 50.<br />
Om vi tänker i termer av tyngdpunkt bör det inte förvåna att tyngdpunkten<br />
är just 50 (se Figur 3.4). Man kan i själva verket visa att varje slumpvariabel<br />
Y vars fördelning (täthetsfunktion eller sannolikhetsfunktion) är<br />
symmetrisk kring ett tal c har E(Y ) = c förutsatt att väntevärdet existerar.<br />
Förutom att ett väntevärde kan tolkas som en fördelnings tyngdpunkt finns<br />
det också ett nära samband mellan väntevärde <strong>och</strong> <strong>med</strong>elvärde som vi nu