STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar
STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar
STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
BEVIS<br />
2007-10-08 – sida 77 – # 81<br />
3.7 NÅGRA VANLIGA DISKRETA FÖRDELNINGAR 77<br />
Satsen följer direkt från definitionerna. Variansuttrycket får man <strong>med</strong> formeln<br />
V (X) = <br />
k k2pY (k) − (E(Y )) 2 = a2p+b 2q − (ap+bq) 2 vilket efter<br />
lite algebra blir formeln ovan när man utnyttjar att q = 1 − p.<br />
ÖVNING 3.25<br />
Ett lotteri kostar en krona att delta i. Med sannolikhet 0.005 tjänar man<br />
100 kr (dvs. man får 101 kr tillbaka) <strong>och</strong> <strong>med</strong> resterande sannolikhet förlorar<br />
man insatsen. Låt Z ange nettoresultatet för ett spel. Härled sannolikhetsfunktionen<br />
<strong>och</strong> beräkna väntevärde <strong>och</strong> varians.<br />
3.7.3 Bernoullifördelning<br />
Ett viktigt specialfall av tvåpunktsfördelningen är när a = 1 <strong>och</strong> b = 0.<br />
Man brukar ibland beskriva de två möjliga utfallen som ”lyckat” respektive<br />
”misslyckat”, <strong>och</strong> lyckat ger värdet 1 <strong>och</strong> misslyckat värdet 0.<br />
DEFINITION 3.16 (BERNOULLIFÖRDELNING)<br />
En slumpvariabel Z är Bernoullifördelad om P (Z = 0) = pZ(0) = 1 − p<br />
<strong>och</strong> P (Z = 1) = pZ(1) = p, för något 0 ≤ p ≤ 1. Man skriver detta <strong>med</strong><br />
beteckningen Z ∼ Be(p).<br />
ANMÄRKNING 3.17<br />
Bernoullifördelningen är uppkallad efter den schweiziske matematikern<br />
Jakob Bernoulli (1654-1705) som för övrigt hade flera nära släktingar<br />
som också var framstående matematiker.<br />
Som en direkt följd av läges- <strong>och</strong> spridningsmåtten för tvåpunktsfördelningen<br />
får vi motsvarande resultat för Bernoullifördelningen.<br />
FÖLJDSATS 3.1<br />
Om Z ∼ Be(p) gäller E(Z) = p, V (Z) = p(1 − p) <strong>och</strong> D(Z) =<br />
p(1 − p).