Sovellettu todennäköisyyslaskenta B

Samankaltaiset tiedostot
Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1

Johdatus todennäköisyyslaskentaan Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. TKK (c) Ilkka Mellin (2005) 1

Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Moniulotteiset satunnaismuuttujat ja jakaumat

Todennäköisyyslaskun kertaus. Heliövaara 1

Moniulotteiset satunnaismuuttujat ja jakaumat

Ilkka Mellin (2008) 1/5

Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 3

5/11 6/11 Vaihe 1. 6/10 4/10 6/10 4/10 Vaihe 2. 5/11 6/11 4/11 7/11 6/11 5/11 5/11 6/11 Vaihe 3

3. laskuharjoituskierros, vko 6, ratkaisut

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

Sovellettu todennäköisyyslaskenta B

Tilastomatematiikka Kevät 2008

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Sallitut apuvälineet: MAOL-taulukot, kirjoitusvälineet, laskin sekä itse laadittu, A4-kokoinen lunttilappu. f(x, y) = k x y, kun 0 < y < x < 1,

TODENNÄKÖISYYSLASKUN KERTAUS Peruskäsitteitä

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Sovellettu todennäköisyyslaskenta B

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

1. Kuusisivuista noppaa heitetään, kunnes saadaan silmäluku 5 tai 6. Olkoon X niiden heittojen lukumäärä, joilla tuli 1, 2, 3 tai 4.

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2

Verkot ja todennäköisyyslaskenta Verkko Verkko eli graafi muodostuu pisteiden joukosta V, särmien joukosta A ja insidenssikuvauksesta : A V V jossa

Gripenberg. MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Tentti ja välikoeuusinta

Harjoitus 2: Matlab - Statistical Toolbox

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

Sovellettu todennäköisyyslaskenta B

Satunnaismuuttujien muunnokset ja niiden jakaumat

4. laskuharjoituskierros, vko 7, ratkaisut

Johdatus tn-laskentaan perjantai

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Jakaumien tunnusluvut. TKK (c) Ilkka Mellin (2007) 1

D ( ) E( ) E( ) 2.917

Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Sovellettu todennäköisyyslaskenta B

Satunnaismuuttujat ja todennäköisyysjakaumat Kertymäfunktio

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

Sovellettu todennäköisyyslaskenta B

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I

Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia. TKK (c) Ilkka Mellin (2005) 1

0 kun x < 0, 1/3 kun 0 x < 1/4, 7/11 kun 1/4 x < 6/7, 1 kun x 1, 1 kun x 6/7,

Moniulotteisia todennäköisyysjakaumia

(b) Tarkista integroimalla, että kyseessä on todella tiheysfunktio.

Otosavaruus ja todennäköisyys Otosavaruus Ë on joukko, jonka alkiot ovat kokeen tulokset Tapahtuma on otosavaruuden osajoukko

Sovellettu todennäköisyyslaskenta B

Satunnaismuuttujan odotusarvo ja laskusäännöt

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

Mat Sovellettu todennäköisyyslasku A

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi. Viikko 3. Kaksiulotteiset satunnaismuuttujat

Sovellettu todennäköisyyslaskenta B

Olkoon R S otosavaruuksien R ja S karteesinen tulo: Satunnaismuuttujien X ja Y järjestetty pari (X, Y) määrittelee kaksiulotteisen satunnaismuuttujan:

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

Johdatus todennäköisyyslaskentaan Jakaumien tunnusluvut. TKK (c) Ilkka Mellin (2005) 1

031021P Tilastomatematiikka (5 op) viikko 7

Luento KERTAUSTA Kaksiulotteinen jakauma Pisteparvi, Toyota Avensis -farmariautoja

Miten voidaan arvioida virheellisten komponenttien osuutta tuotannossa? Miten voidaan arvioida valmistajan kynttilöiden keskimääräistä palamisaikaa?

Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia: Mitä opimme?

Mat Sovellettu todennäköisyyslasku A

8.1 Ehdolliset jakaumat

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Diskreetin satunnaismuuttujan odotusarvo, keskihajonta ja varianssi

Johdatus todennäköisyyslaskentaan Satunnaismuuttujat ja todennäköisyysjakaumat. TKK (c) Ilkka Mellin (2005) 1

Satunnaismuuttujan odotusarvo ja laskusäännöt

Matemaattisten tieteiden kandiohjelma / MTL Todennäköisyyslaskenta IIb Kurssikoe (kesto 2h 30 min)

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio

Miten hyvin mallit kuvaavat todellisuutta? Tarvitaan havaintoja.

30A02000 Tilastotieteen perusteet

Varma tapahtuma, Yhdiste, Yhdistetty tapahtuma, Yhteenlaskusääntö

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Satunnaismuuttujat ja todennäköisyysjakaumat

Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi

Mat Sovellettu todennäköisyyslaskenta B

2. Jatkoa HT 4.5:teen ja edelliseen tehtavään: Määrää X:n kertymäfunktio F (x) ja laske sen avulla todennäköisyydet

0 3 y4 dy = 3 y. 15x 2 ydx = 15. f Y (y) = 5y 4 1{0 y 1}.

(b) Onko hyvä idea laske pinta-alan odotusarvo lähetmällä oletuksesta, että keppi katkeaa katkaisukohdan odotusarvon kohdalla?

Mallintamisesta. Mallintamisesta

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

5. laskuharjoituskierros, vko 8, ratkaisut

Ilkka Mellin Todennäköisyyslaskenta. Osa 3: Todennäköisyysjakaumia. Diskreettejä jakaumia. TKK (c) Ilkka Mellin (2007) 1

Sovellettu todennäköisyyslaskenta B

Mat Sovellettu todennäköisyyslasku A

Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1

Juuri 10 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

Sallitut apuvälineet: kirjoitusvälineet, laskin sekä käsinkirjoitettu, A4-kokoinen lunttilappu ja MAOL taulukkokirjaa

Satunnaismuuttujat ja jakaumat

Suotuisien tapahtumien lukumäärä Kaikki alkeistapahtumien lukumäärä

8.1 Ehdolliset jakaumat

031021P Tilastomatematiikka (5 op) viikko 2

Todennäköisyyden ominaisuuksia

Transkriptio:

Sovellettu todennäköisyyslaskenta B Antti Rasila 4. lokakuuta 2007 Antti Rasila () TodB 4. lokakuuta 2007 1 / 17

1 Moniulotteiset todennäköisyysjakaumat Johdanto Kaksiulotteiset satunnaismuuttujat Kaksiulotteisen diskreetin jakauman pistetodennäköisyysfunktio Kaksiulotteisen jatkuvan jakauman tiheysfunktio Kaksiulotteisten jakaumien kertymäfunktiot Kaksiulotteisten jakaumien reunajakaumat 2 Satunnaismuuttujien riippumattomuus 3 Kaksiulotteisen jakauman yleinen odotusarvo Reunajakaumien odotusarvot Antti Rasila () TodB 4. lokakuuta 2007 2 / 17

Johdanto Yksi satunnaismuuttuja ei riitä kuvaamaan kaikkia satunnaisilmiöitä. Jos ilmiöön liittyy useita satunnaisia tekijöitä, ovat näiden tekijöiden väliset riippuvuudet tilastollisen mallintamisen kannalta erityisen mielenkiintoisia. Näiden riippuvuuksien mallintaminen tapahtuu yhteisjakauman avulla. Esimerkki 1: Kahden nopan heiton yhteisjakauma. Esimerkki 2: Miten tupakoinnin määrä (1) ja kesto (2) vaikuttuvat keuhkosyöpään (3). Antti Rasila () TodB 4. lokakuuta 2007 3 / 17

Kaksiulotteiset satunnaismuuttujat Olkoot X ja Y satunnaismuuttujia, joiden otosavaruudet ovat R ja S. Toisin sanoen: X : R R Y : S R Olkoon R S otosavaruuksien R ja S karteesinen tulo: R S = {(r, s) r R, s S} Satunnaismuuttujien X ja Y järjestetty pari (X, Y ) määrittelee kaksiulotteisen satunnaismuuttujan: (X, Y ) : R S R 2 Antti Rasila () TodB 4. lokakuuta 2007 4 / 17

Kaksiulotteisen diskreetin jakauman pistetodennäköisyysfunktio Reaaliarvoinen funktio f XY : R 2 R määrittelee diskreettien satunnaismuuttujien X ja Y yhteisjakauman pistetodennäköisyysfunktion, jos 1 f XY (x, y) 0 kaikilla x, y, 2 x y f XY (x, y) = 1, 3 Pr(X = x Y = y) = f XY (x, y), Olkoon A R 2 jokin tapahtuma. Tällöin Pr((X, Y ) A) = f XY (x, y) (x,y) A Antti Rasila () TodB 4. lokakuuta 2007 5 / 17

Esimerkki Heitetään (virheetöntä) kolikkoa kolme kertaa. Olkoon X saatujen kruunien kokonaismäärä ja Y kahdessa ensimmäisessä heitossa saatujen klaavojen määrä. Nyt X saa jonkin arvoista 0, 1, 2, 3 ja Y jonkin arvoista 0, 1, 2. Karteesinen tulo S XY = S X S Y on joukko S XY = {(0, 0), (0, 1),..., (3, 1), (3, 2)}. Joukon S XY pistetodennäköisyydet voidaan helposti laskea, ja ne on käytännöllistä esittää kaksiulotteisena taulukkona. Antti Rasila () TodB 4. lokakuuta 2007 6 / 17

Kaksiulotteisen jatkuvan jakauman tiheysfunktio Reaaliarvoinen jatkuva funktio f XY : R 2 R määrittelee jatkuvien satunnaismuuttujien X ja Y yhteisjakauman tiheysfunktion, jos 1 f XY (x, y) 0 kaikilla x, y, 2 3 + + Pr(a X b c Y d) = f XY (x, y) dy dx = 1, b d Olkoon A R 2 jokin tapahtuma. Tällöin Pr((X, Y ) A) = f XY (x, y) dy dx A a c f XY (x, y) dy dx Antti Rasila () TodB 4. lokakuuta 2007 7 / 17

Kaksiulotteisten jakaumien kertymäfunktiot Satunnaismuuttujien X ja Y yhteisjakauman kertymäfunktio F XY määritellään seuraavasti: Diskreetille jakaumalle: F XY (x, y) = Pr(X x Y y) F XY (x, y) = Pr(X x Y y) = x i x Jatkuvalle jakaumalle: F XY (x, y) = Pr(X x Y y) = x y f XY (x i, y i ) y i y f XY (u, v) dv du Antti Rasila () TodB 4. lokakuuta 2007 8 / 17

Kaksiulotteisten jakaumien reunajakaumat Yksittäisten satunnaismuuttujien X ja Y jakaumia sanotaan yhteisjakauman reunajakaumiksi. Diskreetissä tapauksessa satunnaismuuttujien X ja Y reunajakaumien pistetodennäköisyysfunktiot saadaan seuraavasti: f X (x) = Pr(X = x) = y f Y (y) = Pr(Y = y) = x f XY (x, y) f XY (x, y) Vastaavasti jatkuvassa tapauksessa satunnaismuuttujien X ja Y reunajakaumien tiheysfunktiot saadaan seuraavasti: f X (x) = f Y (y) = + + f XY (x, y) dy f XY (x, y) dx Antti Rasila () TodB 4. lokakuuta 2007 9 / 17

Satunnaismuuttujien riippumattomuus, johdanto Olkoot satunnaismuuttujien X ja Y kertymäfunktiot F X (x) = Pr(X x) ja F Y (y) = Pr(Y y). Merkitään A = {X x} ja B = {Y y}. Nyt F X (x) = Pr(A) ja F Y (y) = Pr(B), sekä A B = {s S X (s) x Y (s) y}. Siten F XY (x, y) = Pr(A B). Tapahtumat A ja B ovat riippumattomia, jos Pr(A B) = Pr(A)Pr(B). Tällöin F XY (x, y) = Pr(A B) = Pr(A)Pr(B) = F X (x)f Y (y). Määritelmä: Satunnaismuuttujat X ja Y ovat riippumattomia, jos ja vain jos F XY (x, y) = F X (x)f Y (y) kaikilla x, y R. Antti Rasila () TodB 4. lokakuuta 2007 10 / 17

Satunnaismuuttujien riippumattomuus (yleisesti) Kaksi satunnaismuuttujaa ovat riippumattomia, jos ja vain jos seuraavat yhtäpitävät ehdot toteutuvat: 1 f XY (x, y) = f X (x)f Y (y) 2 F XY (x, y) = F X (x)f Y (y) Tässä F X (x) ja F Y (y) ovat reunajakaumien kertymäfunktiot ja f X, f Y vastaavasti tiheysfunktiot. Yleisesti satunnaismuuttujille X 1, X 2,..., X n, joiden yhteisjakauman pistetodennäköisyys- tai tiheysfunktio on f (x 1, x 2,..., x n ) ja reunajakaumien pistetodennäköisyys- tai tiheysfunktio ovat f i (x i ), i = 1, 2,..., n (sekä vastaavat kertymäfunktiot merkittynä F i :llä): 1 f (x 1, x 2,..., x n ) = f 1 (x 1 )f 2 (x 2 ) f n (x n ) 2 F (x 1, x 2,..., x n ) = F 1 (x 1 )F 2 (x 2 ) F n (x n ) Antti Rasila () TodB 4. lokakuuta 2007 11 / 17

Esimerkki (Laininen) 1/2 Pyöreä tappi ja reikä tehdään koneellisesti toisistaan riippumatta. Tapin halkaisija X on tasaisesti jakautunut välille (20, 21) millimetriä ja reiän halkaisija Y välille (20.5, 22) mm. Laske todennäköisyys, että tappi ei mahdu reikään. Tiheysfunktiot ovat: { 1, kun 20 < x < 21, f X (x) = 0, muuten, { 1/1.5, kun 20.5 < x < 22, f X (x) = 0, muuten. Satunnaismuuttujat X ja Y ovat riippumattomia, joten f XY (x, y) = f X (x)f Y (y) = 1/1.5, kun 20 < x < 21 ja 20.5 < y < 22. Muualla tiheysfunktio on nolla. Antti Rasila () TodB 4. lokakuuta 2007 12 / 17

Esimerkki (Laininen) 2/2 Tappi ei mahdu reikään, jos X > Y. Saadaan Pr(X > Y ) = = = 2 3 21 x 20.5 20.5 21 x 20.5 20.5 21 20.5 f XY (x, y) dy dx 1 dy dx 1.5 (x 20.5) dx = 0.083. Antti Rasila () TodB 4. lokakuuta 2007 13 / 17

Esimerkki (Niemi) 1/2 Olkoon f XY (x, y) = xy e x2 y 2. Funktio toteuttaa tiheysfunktiolta vaadittavat ehdot (1) ja (2), joten voidaan ajatella, että se on joidenkin jatkuvien satunnaismuuttujien X, Y yhteisjakauman tiheysfunktio. Reunajakaumat ovat f X (x) = = x e x2 0 xy e x2 y 2 dy = x e x2 y e y 2 dy ye y 2 dy + x e x2 ye y 2 dy = 1 2 x e x2 + 1 2 x e x2 = x e x2. 0 Antti Rasila () TodB 4. lokakuuta 2007 14 / 17

Esimerkki (Niemi) 2/2 Vastaavasti saadaan f Y (y) = y e y 2. Koska f XY (x, y) = xy e x2 y 2 = x e x2 y e y 2 = f X (x)f Y (y), satunnaismuuttujat X, Y ovat riippumattomia. Antti Rasila () TodB 4. lokakuuta 2007 15 / 17

Kaksiulotteisen jakauman yleinen odotusarvo Olkoon g : R 2 R jatkuva funktio. Tällöin diskreetissä tapauksessa: E(g(X, Y )) = g(x, y)f XY (x, y) x y Vastaavasti jatkuvassa tapauksessa: E(g(X, Y )) = + + g(x, y)f XY (x, y) dy dx Antti Rasila () TodB 4. lokakuuta 2007 16 / 17

Reunajakaumien odotusarvot Diskreetissä tapauksessa: E(X ) = xf XY (x, y) = x y x E(Y ) = yf XY (x, y) = x y y x y y x f XY (x, y) = x f XY (x, y) = y xf X (x) yf Y (y) Vastaavasti jatkuvassa tapauksessa: E(X ) = = + + + x + xf XY (x, y) dy dx f XY (x, y) dy dx = + xf X (x) dx Antti Rasila () TodB 4. lokakuuta 2007 17 / 17