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.

2007-10-08 – sida 95 – # 99<br />

3.7 NÅGRA VANLIGA DISKRETA FÖRDELNINGAR 95<br />

ANMÄRKNING 3.23<br />

Det är förstås lite onödigt att införa två slumpvariabler för i princip samma<br />

slumpförsök. I viss litteratur skiljer man heller inte på de två utan<br />

använder de två som synonymer, då oftast för fallet att man räknar antal<br />

försök totalt (inklusive det lyckade). I engelskspråkig litteratur används<br />

endast benämning ”Geometric distribution” <strong>och</strong> syftar då oftast på vad<br />

vi ovan kallar ffg. Man bör alltså vara observant på vad som menas när<br />

dessa fördelningar nämns.<br />

I Figur 3.17 illustreras den geometriska fördelningen för ett par olika p.<br />

Bild saknas<br />

Figur 3.17. Sannolikhetsfunktionen för geometrisk fördelning för några olika val av<br />

p.<br />

EXEMPEL 3.32<br />

Erik lägger en patiens som går ut <strong>med</strong> sannolikheten 0.01. Han har gett<br />

sig sjutton på att den skall gå ut <strong>och</strong> fotsätter tills att den gör det. Antalet<br />

patienser han måste lägga X är då ffg(p = 0.01) <strong>och</strong> chansen att det skall<br />

ske efter exakt 10 försök ges av pX(10) = 0.01 · 0.99 9 = 0.00913. Om<br />

vi i ställer räknar Y som antalet misslyckade försök innan det lyckade är<br />

Y ∼ Geo(p = 0.01) <strong>och</strong> P (Y = 10) = 0.01 · 0.99 1 0 = 0.00904. Att de<br />

inte blir samma beror ju på att den första sannolikheten är för händelsen<br />

att vi gör 10 försök totalt <strong>och</strong> den andra att vi gör 10 misslyckade följt av<br />

ett lyckat (att patiensen går ut).<br />

Till skillnad från flera av de tidigare fördelningarna har fördelningsfunktionen<br />

FX(k) (respektive FY (k)) enkla uttryck. Det gäller nämligen att<br />

FX(k) = P (X ≤ k) = 1 − P (X > k), <strong>och</strong> P (X > k) är detsamma som

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

Saved successfully!

Ooh no, something went wrong!