Warto±¢ oczekiwana, wariancja, odchylenie standardowe, mediana
Transkrypt
Warto±¢ oczekiwana, wariancja, odchylenie standardowe, mediana
Warto±¢ oczekiwana, wariancja, odchylenie standardowe, mediana, funkcja kwantylowa Krótkie praktyczne przypomnienie poj¦¢ z rachunku prawdopodobie«stwa Zastanówmy si¦, nad tym, ile mo»na ±rednio wyrzuci¢ oczek na sze±ciennej kostce do gry, przy czym chwilowo nie b¦dziemy jeszcze precyzowa¢, co znaczy ±rednio. By¢ mo»e 1 (1 + 2 + 3 + 4 + 5 + 6) = 3, 5. kto± na tak postawione pytanie udzieli odpowiedzi: 6 Przyjrzyjmy si¦ uwa»niej tej odpowiedzi. Zwró¢my uwag¦, »e powy»szy rachunek mo»na zapisa¢ inaczej: 1 1 1 1 1 1 + 2 · + 3 · + 4 · + 5 · + 6 · = 3, 5 6 6 6 6 6 6 1· oraz »e prawdopodobie«stwo wylosowania ka»dej liczby oczek spo±ród 1, 2, 3, 4, 5 i 6 1 wynosi wªa±nie . A jak wygl¡daªaby owa ±rednia, gdyby prawdopodobie«stwa uzyskania 6 poszczególnych mo»liwych wyników nie byªy równe? Na potrzeby dalszych rozwa»a« w±ród zmiennych losowych wyszczególnimy zmienne losowe dyskretne i ci¡gªe. Denicja 1 B¦dziemy mówili, »e zmienna losowa najwy»ej przeliczalny zbiór ∀x ∈ SX (tzn. SX ∀x ∈ SX ∃ε > 0 SX X jest taki »e dyskretna, je±li istnieje co (x − ε, x + ε) ∩ SX = {x} jest zbiorem punktów izolowanych), P (X = x) > 0, P (X ∈ SX ) = 1. Dystrybuanta dyskretnej zmiennej losowej jest schodkowa. Dyskretna zmienna losowa przyjmuje warto±ci tylko w miejscach wyst¡pienia skoków swej dystrybuanty. Rozkªad dyskretnej zmiennej losowej mo»na w sposób kompletny opisa¢ przez tzw. cj¦ prawdopodobie«stwa: pX (x) : SX → (0, 1], pX (x) = P (X = x). funk- Fakt 1 (Wªasno±ci funkcji prawdopodobie«stwa) P x∈SX pX (x) = 1, ∀x ∈ SX pX (x) = FX (x) − limu→x− FX (u). Bardzo cz¦sto zbiór Denicja 2 SX jest postaci {0, 1, 2, . . . , n} B¦dziemy mówili, »e zmienna losowa Warto±¢ oczekiwan¡ zmiennej losowej X dla pewnego X jest n∈N lub te» SX = N. ci¡gªa, je±li ma g¦sto±¢. oznaczamy jako EX lub E(X) lub te» E[X], przy czym je±li nie prowadzi to do niejednoznaczono±ci, zwykle opuszcza si¦ nawias. Denicja 3 (Warto±¢ oczekiwana zmiennej losowej) Je±li zmienna losowa dyskretna, to EX = X x∈SX x · pX (x) = X x∈SX x · P (X = x), X jest o ile ta suma jest zbie»na. W przeciwnym razie zmienna losowa kiwanej. Je±li zmienna losowa X nie ma warto±ci ocze- X nie ma warto±ci ocze- jest ci¡gªa, to X Z x · fX (x)dx, EX = R o ile ta caªka jest zbie»na. W przeciwnym razie zmienna losowa kiwanej. Je±li zmienna losowa X jest dyskretna i EX = n X SX = {0, 1, 2, . . . , n} k · pX (k) = k=0 Je±li zmienna losowa X EX = n ∈ N, to k · P (X = k). k=0 jest dyskretna i ∞ X n X dla pewnego SX = N, k · pX (k) = k=0 to ∞ X k · P (X = k). k=0 Widzimy, »e dla rzutu sze±cienn¡ kostk¡ do gry warto±¢ oczekiwana liczby wyrzuconych oczek dana jest równaniem, od którego rozpocz¦li±my rozwa»ania. Chocia» powy»sza denicja jest sformuªowana osobno dla dyskretnych i ci¡gªych zmiennych losowych, to warto±¢ oczekiwana w obu przypadkach (a tak»e w przypadku zmiennych losowych, które nie s¡ ani ci¡gªe, ani dyskretne) jest wªa±ciwie tym samym (gdyby traktowa¢ j¡ na gruncie teorii miary i caªki). Zwró¢my uwag¦, »e caªka (przypadek ci¡gªy) zgodnie z konstrukcj¡ Riemanna granic¡ ci¡gu sum caªkowych (suma przypadek dyskretny). Najlepiej wi¦c nie my±le¢ o dwóch wzorach, ale traktowa¢ je jako przejaw tego samego obiektu matematycznego. Twierdzenie 1 (Wªasno±ci warto±ci oczekiwanej) oraz a∈R Dla zmiennych losowych X i Y mamy: E(X + Y ) = EX + EY , E(aX) = aEX , Ea = a, je±li zmienne losowe X i Y s¡ niezale»ne, to EXY = EX · EY . Warto±¢ oczekiwana oddaje nasz¡ intuicj¦ odno±nie ±redniej warto±ci w eksperymencie losowym. Z tego te» powodu jako synonimu terminu warto±¢ oczekiwana niejednokrotnie u»ywa si¦ sªowa ±rednia. Nale»y jednak zdecydowanie odró»ni¢ u»ycie sªowa ±rednia w tym znaczeniu od ±redniej arytmetycznej. Formalnym uj¦ciem faktu, »e warto±¢ oczekiwana realizuje ide¦ warto±ci ±redniej w eksperymencie losowym, jest poni»sze twierdzenie. Twierdzenie 2 (Mocne prawo wielkich liczb) Je±li le»nych zmiennych losowych o jednakowym rozkªadzie i n P 1X Xi = EX1 lim n→∞ n i=1 X1 , X2 , . . . E|X1 | < ∞, ! = 1. jest ci¡giem niezato Innymi sªowy, gdyby±my rzucali niezale»nie kostk¡ do gry niesko«czenie wiele razy, to ci¡g ±rednich arytmetycznych wyników uzyskanych od pocz¡tku eksperymentu do danego momentu byªby zawsze (to znaczy z prawdopodobie«stwem 1) zbie»ny do warto±ci oczekiwanej liczby oczek uzyskanej w pojedynczym rzucie. Denicja 4 Wariancj¡ EX) 2 zmiennej losowej X nazywamy wyra»enie V ar(X) = E(X − , o ile odpowiednia caªka (suma) jest zbie»na. Mo»emy powiedzie¢, »e wariancja intuicyjnie mierzy, jak bardzo ±rednio realizacje zmiennej losowej X X rozkªadu zmiennej losowej Fakt 2 X. s¡ oddalone (w sensie kwadratu ró»nicy) od warto±ci oczekiwanej szczególno±ci mo»na powiedzie¢, »e wariancja zmiennej losowej X W mierzy rozproszenie wokóª jej warto±ci oczekiwanej. Zachodzi nast¦puj¡ca to»samo±¢: V ar(X) = EX 2 − (EX)2 . Uwaga! W pierwszym skªadniku tradycyjnie opuszczono nawias przy warto±ci oczeki2 2 wanej. Wyra»enie EX nale»y wi¦c rozumie¢ jako E(X ) czyli jako warto±¢ oczekiwan¡ 2 zmiennej losowej X (która niekoniecznie jest równa kwadratowi warto±ci oczekiwanej X 2 czyli (EX) ). Denicja 5 Momentem (niecentralnym) rz¦du k zmiennej losowej X nazywamy EX k , o ile odpowiednia caªka (suma) jest zbie»na. Mo»emy zatem powiedzie¢, »e wariancja zmiennej losowej momentu zmiennej losowej X X jest równa ró»nicy drugiego i kwadratu jej pierwszego momentu. Wniosek 1 EX 2 = V ar(X) + (EX)2 Twierdzenie 3 (Wªasno±ci wariancji) Dla zmiennych losowych X i Y oraz a ∈ R mamy: V ar(X) ≥ 0, V ar(a) = 0, V ar(X + a) = V ar(X), V ar(aX) = a2 · V ar(X), je±li zmienne losowe X i Y s¡ niezale»ne, to Denicja 6 Odchyleniem standardowym Denicja 7 Median¡ zmiennej losowej X P (X ≤ m) ≥ 1 i 2 P (X ≥ m) ≥ V ar(X + Y ) = V ar(X) + V ar(Y ). p V ar(X). zmiennej losowej X nazywamy nazywamy ka»d¡ liczb¦ 1 . tzn. tak¡ »e 2 FX (m) ≥ 1 i 2 m o tej wªasno±ci, limt→m− FX (t) ≤ 12 . »e Fakt 3 1 dla pewnego t 2 wtedy i tylko wtedy, gdy FX (m) = 12 . Je±li istnieje taka liczba zmiennej losowej X m, »e FX (t) = ∈ R, to m jest median¡ Je±li dystrybuanta zmiennej losowej diana zmiennej losowej równania X jest ci¡gªa i ±ci±le rosn¡ca, wówczas me- X jest wyznaczona jednoznacznie (jako jedyne rozwi¡zanie 1 ). 2 FX (m) = Je±li zmienna losowa X jest ci¡gªa (tzn. ma g¦sto±¢), to jej mediana jest wyznaczona jednoznacznie jako rozwi¡zanie (wzgl¦dem Z m ∞ Z fX (t)dt = −∞ m dowolnego spo±ród równa«: m Z fX (t)dt, m) Z 1 fX (t)dt = , 2 −∞ ∞ m 1 fX (t)dt = . 2 Denicja 8 Funkcj¡ kwantylow¡ zmiennej losowej X nazywamy funkcj¦ FX−1 : (0, 1) → R dan¡ wzorem: Liczb¦ FX−1 (t) = inf{u ∈ R : FX (u) ≥ t}. FX−1 (t) b¦dziemy nazywali kwantylem rz¦du t rozkªadu zmiennej losowej X . Twierdzenie 4 (Wªasno±ci funkcji kwantylowej) nego t ∈ (0, 1) Dla dowolnych x, y ∈ R i dowol- mamy: FX (x) ≥ t ⇐⇒ FX−1 (t) ≤ x, FX (x) < t ⇐⇒ FX−1 (t) > x, FX (x) < t ≤ FX (y) ⇐⇒ x < FX−1 (t) ≤ y , FX (FX−1 (t)) ≥ t, przy czym równo±¢ nie zachodzi wtedy i tylko wtedy, gdy t nie nale»y do zbioru warto±ci funkcji F, FX−1 (FX (x)) ≤ x, przy czym równo±¢ ε) = FX (x) dla pewnego ε > 0, P (FX (X) ≤ t) ≤ t, nie zachodzi wtedy i tylko wtedy, gdy przy czym równo±¢ nie zachodzi wtedy i tylko wtedy, gdy nale»y do domkni¦cia zbioru warto±ci funkcji Wniosek 2 Je±li funkcja cj¡ odwrotn¡ do FX . FX W szczególno±ci je±li zmienna losowa R, to funkcja FX−1 t nie FX . jest ci¡gªa i ±ci±le rosn¡ca, to funkcja ±ci±le dodatnia w caªym zbiorze Wniosek 3 FX−1 ( 12 ) FX (x − X FX−1 jest zwykª¡ funk- jest ci¡gªa i jej g¦sto±¢ jest jest zwykª¡ funkcj¡ odwrotn¡ do jest median¡ zmiennej losowej X FX . (niejedyn¡, je±li mediana nie jest wyznaczona jednoznacznie). miar poªo»enia miar rozrzutu. Warto±¢ oczekiwan¡ i median¦ zaliczamy do riancj¦ i odchylenie standardowe do Je±li zmienne losowe XiY rozkªadu natomiast wa- maj¡ taki sam rozkªad, to maj¡ te same warto±ci oczekiwane, wariancje, odchylenia standardowe, te same momenty odpowiednich rz¦dów (o ile wymienione istniej¡), równe funkcje kwantylowe i te same liczby s¡ ich medianami. Je±li zmienne losowe X i Y maj¡ taki sam rozkªad i s¡ dyskretne, to ponadto maj¡ tak¡ sam¡ funkcj¦ prawdopodobie«stwa.