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.
70 KAPITEL 3 SLUMPVARIABLER<br />
ÖVNING 3.21<br />
2007-10-08 – sida 70 – # 74<br />
Ge en övre begränsning på 0.05-kvantilen av en positiv slumpvariabel X<br />
<strong>med</strong> väntevärde 10.<br />
ÖVNING 3.22<br />
En slumpvariabel Y har väntevärde 0 <strong>och</strong> varians σ 2 = 4. Ge en uppskattning<br />
av sannolikheten absolutbeloppet |Y | ej överstiger 4.<br />
3.6 Blandade <strong>och</strong> singulära fördelningar<br />
Vi har studerat diskreta slumpvariabler i Avsnitt 3.2, <strong>och</strong> kontinuerliga<br />
slumpvariabler i Avsnitt 3.4, men dessa två huvudtyper täcker inte in alla<br />
förekommande typer av slumpvariabler. Till exempel kan man tänka sig<br />
slumpvariabler som är blandningar av diskreta <strong>och</strong> kontinuerliga variabler.<br />
3.6.1 Blandning av diskret <strong>och</strong> kontinuerlig fördelning<br />
EXEMPEL 3.25 (Väntetid vid trafikljus)<br />
I en gatukorsning <strong>med</strong> trafikljus är de röda <strong>och</strong> gröna perioderna lika<br />
långa, båda a sekunder. Vi bortser från den tid det tar för trafikljusen att<br />
slå om.<br />
Betrakta en bil som anländer till korsningen vid en slumpmässig tidpunkt<br />
<strong>och</strong> låt X = ”väntetiden till grönt ljus”.<br />
Då gäller uppenbarligen att P (X = 0) = 1/2 eftersom trafikljuset visar<br />
grönt hälften av tiden. Om bilen anländer under en röd period kommer<br />
däremot X att vara en kontinuerlig slumpvariabel <strong>med</strong> värde i intervallet<br />
(0, a).<br />
Låt Y := X | (X > 0), dvs. väntetiden givet att bilen får vänta. Om<br />
bilen anländer vid en slumpmässigt vald tidpunkt i ett rött intervall gäller<br />
uppenbarligen att P (Y ≤ t) = t/a, så att Y ∼ Re(0, a).<br />
Vi kan beskriva X som<br />
<br />
0 <strong>med</strong> sannolikhet<br />
X =<br />
1<br />
2 ,<br />
Y <strong>med</strong> sannolikhet 1<br />
2 ,<br />
(3.4)<br />
där Y ∼ Re(0, a), <strong>med</strong> E(Y ) = a/2 <strong>och</strong> E(Y 2 ) = a 2 /3.