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.

94 KAPITEL 3 SLUMPVARIABLER<br />

2007-10-08 – sida 94 – # 98<br />

kommer vi se att en rimlig modell för hur e-brev kommer till hennes ebrevlåda<br />

är Poissonprocessen. Denna modell <strong>med</strong>för att antalet e-brev hon<br />

för en tidsperiod av längd t är Poissonfördelad <strong>med</strong> parameter λ = 1.8 · t.<br />

a) Vad är chansen att hon får mer än 3 e-brev under en timme?<br />

b) Vad är sannolikheten att hon får högst 10 e-brev under en arbetsdag på<br />

8 timmar? (Använd det närmsta λ i Tabell 3.)<br />

3.7.8 Geometrisk fördelning <strong>och</strong> besläktade fördelningar<br />

Både för binomialfördelningen <strong>och</strong> hypergeometrisk fördelning var antalet<br />

försök bestämt (till n). I andra situationer är så inte fallet utan man upprepar<br />

försöket ända tills någon händelse inträffar. Vi har då att göra <strong>med</strong> geometrisk<br />

fördelning, eller för-första-gångenfördelningen, beroende på vad man räknar.<br />

Antag att ett försök kan utfalla på två sätt, ”lyckat” eller ”misslyckat”.<br />

Antag vidare att chansen för lyckat försök är p <strong>och</strong> att resultaten av försöken<br />

är oberoende. Detta försök upprepas tills dess att det för första gången blir ett<br />

lyckat försök. Låt X ange antalet försök som erfordras. För att X skall vara<br />

lika <strong>med</strong> k måste vi således ha k − 1 misslyckade i rad följt av 1 lyckat, <strong>och</strong><br />

enligt multiplikationsprincipen blir sannolikheten för detta således q k−1 p där<br />

q = 1 − p. Vi säger att X har för-första-gångenfördelning. Om vi i stället bara<br />

räknar de misslyckade innan det lyckade <strong>och</strong> kaller detta för Y kommer ju<br />

denna variabel vara 1 mindre än X. Vi får således att P (Y = k) = P (X = k+<br />

1). Denna variabel brukar kallas för en geometriskt fördelad slumpvariabel.<br />

Vi inför nu dessa definitioner.<br />

DEFINITION 3.21 (FÖR-FÖRSTA-GÅNGEN OCH GEOMETRISK FÖRDELNING)<br />

En diskret slumpvariabel X sägs vara för-första-gångenfördelad <strong>med</strong> parameter<br />

p (0 < p < 1) om sannolikhetsfunktionen ges av<br />

pX(k) = P (X = k) = pq k−1 , k = 1, 2, . . . .<br />

Man skriver X ∼ ffg(p).<br />

En diskret slumpvariabel Y sägs vara geometriskt fördelad <strong>med</strong> parameter<br />

p (0 < p < 1) om sannolikhetsfunktionen ges av<br />

pY (k) = P (Y = k) = pq k , k = 0, 1, 2, . . . .<br />

Man skriver Y ∼ Geo(p).

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

Saved successfully!

Ooh no, something went wrong!