Przykłady do listy zadań 3
Transkrypt
Przykłady do listy zadań 3
Rachunek prawdopodobieństwa MAP1151 Wydział Elektroniki, rok akad. 2011/12, sem. letni Wykładowca: dr hab. A. Jurlewicz Przykłady do listy 3: Zmienne losowe dyskretne. Rozkłady Bernoulliego (dwumianowy), Pascala, Poissona. Przybliżenie Poissona rozkładu dwumianowego. Zmienne losowe typu ciągłego. Gęstość prawdopodobieństwa. Rozkład jednostajny, normalny, wykładniczy. Transformacje zmiennej losowej. Przykłady do zadania 3.1 : (a) Niech X oznacza ocenę z egzaminu (w czterostopniowej skali ocen: 2, 3, 4, 5) losowo wybranego studenta z dużej grupie studenckiej. Rozkład tej zmiennej losowej podany jest w tabeli: n xn pn 1 2 3 2 3 4 0,1 0,3 0,4 4 5 C Wyznacz stałą C i oblicz prawdopodobieństwo, że ocena jest wyższa niż 3. • pn 0 ⇔ C 0 • 4 P n=1 pn = 0, 1 + 0, 3 + 0, 4 + C = 0, 8 + C = 1 ⇔ C = 0, 2 • Oba warunki spełnione są dla C = 0, 2. • P (X > 3) = P (X = 4) + P (X = 5) = p3 + p4 = 0, 4 + 0, 2 = 0, 6 1 (b) Dla jakiej wartości stałej c ciąg pn = c ln 1 − 2 , n = 2, 3, . . ., określa rozkład pewnej n zmiennej losowej? Podać trzy różne przykłady takiej zmiennej losowej i wyliczyć dla każdego z nich prawdopodobieństwo, że zmienna ta jest większa od 5,2 i mniejsza od 7,9999. • pn 0 dla każdego n wtedy i tylko wtedy, gdy c ¬ 0 (bo 1 − • ∞ P n=2 pn = ∞ P n=2 1 n2 c(ln(n − 1) + ln(n + 1) − 2 ln n) = n→∞ lim c(ln 1 + 1 n < 1). − ln 2) = c(− ln 2) = 1 wtedy i tylko wtedy, gdy c = − ln12 . • Oba warunki są spełnione dla c = − ln12 . • Aby podać rozkład zmiennej losowej z wykorzystaniem pn trzeba jeszcze określić zbiór jej wartości, czyli różnowartościowy ciąg (xn ). Przykład 1. Zmienna losowa X, dla której xn = n dla n = 2, 3, 4, . . .. (Zbiór wartości to {2, 3, . . .}.) Wtedy P = P (X = 6) + P (X = 7) = p6 + p7 = (5, 2 < X< 7, 9999) 1 1 1 = − ln 2 ln 1 − 36 + ln 1 − 49 ≈ 0, 07. Przykład 2. Zmienna losowa Y , dla której xn = 12 dla n = 2, 3, 4, . . .. (Zbiór wartości to {6, 4, 3, 12 , . . .}.) n 5 1 1 Wtedy P (5, 2 < Y < 7, 9999) = P (Y = 6) = p2 = − ln 2 ln 1 − 4 ≈ 0, 415. Przykład 3. Zmienna losowa Z, dla której xn = 8+n2 dla n = 2, 3, 4, . . .. (Zbiór wartości to {12, 17, . . .}.) Wtedy P (5, 2 < Z < 7, 9999) = 0. 1 (c) Zmienna losowa X przyjmuje wartość xn = 2n, n = 1, 2, . . ., z prawdopodobieństwem pn 1 proporcjonalnym do n . Wyliczyć prawdopodobieństwo, że zmienna ta jest większa od 4,5 i 3 mniejsza od 6,3. • ciag {xn } jest różnowartościowy; c • pn = n 0 dla każdego n wtedy i tylko wtedy, gdy c 0. 3 ∞ ∞ X X 1 1 c c • pn = c = 1 wtedy i tylko wtedy, gdy c = 2. = · 1 = n 3 1− 3 2 n=1 n=1 3 • Wszystkie warunki na ciąg określający rozkład są spełnione dla c = 2, tzn. pn = • P (4, 5 < X < 6, 3) = P (X = 6) = p3 = 2 . 3n 2 ≈ 0, 0741. 33 Przykład do zadania 3.2 : (a) Wiadomo, że 1% skrzynek pomarańczy psuje się w czasie transportu. Z transportu w sposób losowy pobiera się 10 skrzynek i transport ten jest odrzucany, gdy więcej niż 10% badanych skrzynek zawiera popsute owoce. Jakie jest prawdopodobieństwo odrzucenia transportu? • Model: schemat Bernoulliego, sukces-wybranie skrzynki z popsutymi owocami, p = 0, 01 (1%), n = 10. • Niech X oznacza ilość skrzynek z popsutymi owocami wśród 10 badanych. X ma rozkład Bernoulliego B(n = 10, p = 0, 01), czyli przyjmuje wartość xk = k 10 z prawdopodobieństwem pk = k (0, 01)k (1 − 0, 01)10−k dla k = 0, 1, . . . , 10. • Transport jest odrzucany, gdy X > 10% · 10 = 1. Prawdop. zatem P (X > 1) = 1 − P (X = 0) − P (X = 1) = odrzucenia transportu wynosi 10 10 0 10 = 1 − 0 (0, 01) (1 − 0, 01) − 1 (0, 01)1 (1 − 0, 01)9 ≈ 0, 0043. (b) Na podstawie pewnych badań stwierdzono, że zmienna losowa X opisująca procent zanieczyszczeń w próbce rudy miedzi ma rozkład o dystrybuancie F (x) = 0 dla x ¬ 0, x3 (4 − 3x) dla 0 < x ¬ 1, 1 dla x > 1. Wybrano niezależnie cztery próbki. Wyznaczyć prawdopodobieństwo, że (1) dokładnie jedna próbka zawiera ponad 50% zanieczyszczeń; (2) co najmniej jedna próbka zawiera ponad 50% zanieczyszczeń. 2 • Model: schemat Bernoulliego, sukces-procent zanieczyszczeń w próbce jest większy niż 50%, czyli X > 0, 5; 11 , n = 4. p = P (X > 0, 5) = 1 − lim F (x) = 16 x→0,5+ • Niech Y oznacza ilość próbek z więcej niż 50% zanieczyszczeń wśród 4 badanych (czyli 11 ilość sukcesów w n = 4 próbach). Y ma rozkład Bernoulliego B n = 4, p = 16 , czyli przyjmuje wartość xk = k z prawdopodobieństwem k 4−k 11 pk = k4 16 1 − 11 dla k = 0, 1, . . . , 4. 16 • Mamy zatem (1) P (Y = 1) = 4 1 11 16 1 1− 11 16 3 ≈ 0, 084; (2) P (Y 1) = 1 − P (Y = 0) = 1 − 4 0 11 16 0 1− 11 16 4 ≈ 0, 99. (c) Rzucamy symetryczną kostką tak długo aż wypadnie „6”. Niech X oznacza liczbę wykonanych rzutów. Jakie są możliwe wartości X i z jakim prawdopodobieństwem przyjmuje każdą z nich? Wyznaczyć prawdopodobieństwo, że będzie potrzebna parzysta liczba rzutów. • Model: schemat Bernoulliego, sukces-wypadła „szóstka”, p = 61 . • X to czas oczekiwania na pierwszy sukces, który przyjmuje wartości k = 1, 2, . . . z praw k k−1 dopodobieństwami pk = P (X = k) = 1 − 61 · 16 = 15 · 56 . • Prawdopodobieństwo, że będzie potrzebna parzysta liczba rzutów, wynosi ∞ 2l P P 5 5 = 11 ≈ 0, 45. P (X parzyste) = pk = 15 6 k parzyste l=1 (Uwaga: jest ono różne od 0,5). (d) Gra polega na zarzucaniu krążków na kołek. Gracz otrzymuje ich sześć i rzuca je aż do pierwszego celnego rzutu. Obliczyć prawdopodobieństwo, że po zarzuceniu krążka zostanie graczowi jeszcze co najmniej jeden krążek, jeżeli prawdopodobieństwo trafienia na kołek przy każdym rzucie wynosi 0,1. • Model: schemat Bernoulliego, sukces-trafienie na kołek, p = 0, 1. • Wyobraźmy sobie, że mamy nieograniczoną liczbę krążków, i oznaczmy przez Y czas oczekiwania na pierwsze trafienie. Wiemy, że Y ma rozkład geometryczny Geo(0, 1), czyli przyjmuje wartość xk = k z prawdop. pk = 0, 1 · (1 − 0, 1)k−1 dla k = 1, 2, . . .. • Graczowi zostanie co najmniej jeden krążek, gdy Y ¬ 5. Szukane prawdopod. wynosi zatem P (Y ¬ 5) = 5 P k=1 pk = 5 P 0, 1 · (0, 9)k−1 = 1 − (0, 9)5 ≈ 0, 41. k=1 3 Przykłady do zadania 3.3 : (a) Dla X o rozkładzie Bernoulliego B(n = 100, p = 0, 01) wyliczyć P (X > 2) i porównać otrzymany wynik z przybliżeniem Poissona. • Ze wzorów dokładnych dostajemy P (X >2) = 1 − (P (X = 0) + P (X = 1) + P (X = 2)) = 100 · 99 0, 012 0, 9998 ≈ 0, 0794. = 1 − 0, 99100 + 100 · 0, 01 · 0, 9999 + 2 • Z tw. Poissona otrzymujemy przybliżenie P (X > 2) ≈ 1 − p0 − p1 − p2 = 1 − 0, 3679 − 0, 3679 − 0, 1839 = 0, 0803, gdzie pk odczytane są z tablic rozkładu Poissona dla λ = np = 100 · 0, 01 = 1. Porównanie otrzymanych wartości P (X > 2): wzory dokładne z tw. Poissona 0,0794 0,0803 (Błąd przybliżenia istotnie nie przekracza tu np2 = 0, 01.) (b) Wśród ziaren pszenicy znajduje się 0.6% ziaren chwastów. Oszacować na podstawie przybliżenia Poissona, jakie jest prawdopodobieństwo, że wśród 1000 losowo wybranych ziaren znajduje się (1) co najwyżej 16 ziaren chwastów, (2) co najmniej 3 ziarna chwastów, (3) dokładnie 6 ziaren chwastów. Oszacować błąd przybliżenia. • Model: schemat Bernoulliego, sukces-natrafiono na ziarno chwastu, p = 0, 006, n = 1000. • Niech X oznacza liczbę sukcesów, czyli liczbę ziaren chwastów wśród 1000 ziaren. (1) P (X ¬ 16) ≈ 16 P pk = 0, 9998; k=0 gdzie pk odczytane są z tablic rozkładu Poissona z λ = np = 1000 · 0, 006 = 6. (2) P (X 3) ≈ 1 − p0 − p1 − p2 = 1 − 0, 0025 − 0, 0149 − 0, 0446 = 1 − 0, 0620 = 0, 9380; gdzie pk odczytane z tablic rozkładu Poissona z λ = np = 1000 · 0, 006 = 6. (3) P (X = 6) ≈ p6 = 0, 1606, gdzie p6 odczytane z tablic rozkładu Poissona z λ = np = 1000 · 0, 006 = 6. Błąd przybliżenia w każdym przypadku nie przekracza np2 = 0, 036. 4 (c) Prawdopodobieństwo, że dowolna osoba odpowie na przesłaną pocztą reklamę i zamówi książkę, wynosi 0,1. Reklamę wysłano do 20 osób. Obliczyć prawdopodobieństwo, że (1) dokładnie 2 osoby, (2) więcej niż 2 osoby przyślą zamówienia. Obliczenia wykonać metodą dokładną i przybliżoną z tw. Poissona. Porównać wyniki. • Model: schemat Bernoulliego, sukces-osoba odpowie na reklamę, p = 0, 1, n = 20. • Niech X oznacza liczbę osób, które zamówiły książkę, czyli liczbę sukcesów. (1) Wzór dokładny: P (X = 2) = 20 (0, 1)2 (1 − 0, 1)20−2 ≈ 0, 2852. 2 Przybliżenie Poissona: P (X = 2) ≈ p2 = 0, 2707; gdzie p2 odczytane z tablic rozkładu Poissona z λ = np = 20 · 0, 1 = 2. (2) Wzorydokładne: P (X > 2) = 1 − P (X = 0) − P (X = 1) − P(X = 2) = 20 20 0 20−0 1 20−1 = 1 − 0 (0, 1) (1 − 0, 1) − 1 (0, 1) (1 − 0, 1) − 20 (0, 1)2 (1 − 0, 1)20−2 = 2 = 1 − (0, 9)20 − 20 · 0, 1 · (0, 9)19 − 190 · (0, 1)2 · (0, 9)18 ≈ 0, 3231. Przybliżenie Poissona: P (X > 2) ≈ 1 − p0 − p1 − p2 = 1 − 0, 1353 − 0, 2707 − 0, 2707 = 0, 3233; gdzie pk odczytane z tablic rozkładu Poissona z λ = np = 20 · 0, 1 = 2. Porównanie otrzymanych wartości : wzory dokładne z tw. Poissona P (X = 2) 0,2852 0,2707 P (X > 2) 0,3231 0,3233 (Błąd przybliżenia istotnie nie przekracza np2 = 0, 2.) (d) Przy masowych prześwietleniach małoobrazkowych prawdopodobieństwo natrafienia na chorego na gruźlicę jest 0,01. Na podstawie przybliżenia Poissona oszacować prawdopodobieństwo, że wśród 200 ludzi prześwietlonych będzie nie mniej niż 3 chorych. Oszacować błąd przybliżenia. • Model: schemat Bernoulliego, sukces-pacjent jest chory, p = 0, 01, n = 200. • Niech X oznacza liczbę chorych. Mamy oszacować P (X 3). • Przybliżenie Poissona: P (X 3) ≈ 1 − p0 − p1 − p2 = = 1 − 0, 1353 − 0, 2707 − 0, 2707 = 0, 3233; gdzie pk odczytane z tablic rozkładu Poissona z λ = np = 200 · 0, 01 = 2. • Błąd przybliżenia nie przekracza np2 = 0, 02. 5 Przykłady do zadania 3.4 : (a) Czy można dobrać stałą c tak, aby funkcja f (x) = 0 x4/3 rozkładu probabilistycznego? Odpowiedź uzasadnić. • R∞ f (x)dx = c −∞ R∞ 1 c dla x ¬ 1, była gęstością pewnego dla x > 1 ∞ dx −1/3 = 3c = 1 wtedy i tylko wtedy, gdy c = 13 . = −3cx x4/3 1 • Dla takiego c f (x) 0 dla każdego x, więc wtedy oba warunki na gęstość są spełnione. • Odp. Tak, c = 31 . (b) Czy można dobrać stałą c tak, aby funkcja f (x) = rozkładu probabilistycznego? Odpowiedź uzasadnić. R∞ 0 c x1/3 dla x ¬ 1, była gęstością pewnego dla x > 1 R∞ dx jest rozbieżna do c · ∞ dla c 6= 0 lub zbieżna do 0 dla c = 0. 1/3 −∞ 1 x Zatem f (x) nie może być gęstością niezależnie od c. • Całka f (x)dx = c • Odp. Nie. ( 0 dla x ∈ / [0, a], była gęstością pew2 x dla x ∈ [0, a] nego rozkładu probabilistycznego? Odpowiedź uzasadnić. (c) Czy można dobrać stałą a tak, aby funkcja f (x) = • a 0 z postaci przedziału • f (x) 0 dla każdego x dla dowolnego a 0 √ a3 = 1 wtedy i tylko wtedy, gdy a = 3 3. 3 −∞ 0 √ • Oba warunki na gęstość są spełnione, gdy a = 3 3. √ • Odp. Tak, dla a = 3 3 funkcja f (x) jest gęstością. • R∞ Ra f (x)dx = x2 dx = 6 Przykład do zadania 3.5 : 0 dla x < −1, c(x2 − 4) dla −1 ¬ x < 1, dla 1 ¬ x < 2, Dobrać stałą c tak, aby funkcja f (x) = 0 była gęstością pewnej zmien c(x − 5) dla 2 ¬ x < 3, 0 dla 3 ¬ x nej losowej X. Wyliczyć P (0, 5 ¬ X < 1, 5) i P (X 2, 5). Wyznaczyć dystrybuantę tej zmiennej losowej. • f (x) 0 dla każdego x wtedy i tylko wtedy, gdy c ¬ 0 (wzory bez c dają funkcje ujemne na podanych przedziałach). 1 f(x), c=1 2 1 −1 3 0 x −1 −2 −3 −4 −5 −1.5 • R∞ f (x)dx = c −∞ R1 −1 −1 −0.5 0 0.5 1 1.5 2 2.5 3 3.5 R3 6 (x2 − 4)dx + c (x − 5)dx = − 59 c = 1 wtedy i tylko wtedy, gdy c = − 59 . 6 2 6 . • Oba warunki na gęstość są spełnione, gdy c = − 59 • P (0, 5 ¬ X < 1, 5) = 1,5 R 0,5 6 = − 59 1 3 −4− P (X 2, 5) = 1 3·8 R∞ 2,5 6 = − 59 9 2 − 15 − f (x)dx = − 59 +2 = 1 6 R (x2 41 236 − 4)dx = 0,5 x3 3 1 − 4x 0,5 ≈ 0, 174 3 6 R (x − 5)dx f (x)dx = − 59 2,52 2 6 − 59 = 2,5 + 5 · 2, 5 = 6 − 59 x2 2 3 − 5x = 2,5 27 236 ≈ 0, 114. 0.5 f(x), c=−6/59 P(0.5≤ X<1.5) 0.4 P( X≥ 2.5) 0.3 0.2 0.1 x 0 1.5 0.5 −0.1 −1.5 −1 −0.5 0 0.5 7 1 1.5 2.5 2 2.5 3 3.5 = Rx • Dystrybuanta ma postać F (x) = f (t)dt = −∞ = dla x < −1, 0 6 − 59 −6 Rx −1 R1 2 (t − 4)dt dla −1 ¬ x < 1, (t2 − 4)dt dla 1 ¬ x < 2, 59 −1 x 44 6 R + − (t − 5)dt 59 59 2 1 dla 2 ¬ x < 3, 44 dla 1 ¬ x < 2, 59 3x(10−x)−4 59 dla 2 ¬ x < 3, dla 3 ¬ x 0.2 0.2 0.1 0.1 0 0 x −1 F(x) 0.4 0.3 0 1 2 x −0.1 3 0.5 −1 0 1 2 3 0.5 F(x) 0.4 0.3 0.2 0.2 0.1 0.1 0 0 x −1 0 F(x) + 0.4 + 0.3 −0.1 dla −1 ¬ x < 1, 0.5 F(x) 0.3 −0.1 dla x < −1, 1 dla 3 ¬ x 0.5 0.4 = 0 2(x(12−x2 )+11) 59 1 2 3 −1 0 1 F(x) 1 1 x −0.1 0.8 44/59 ≈ 0,7458 0.6 0.4 0.2 x 0 −1.5 −1 −1 1 −0.5 0 0.5 8 1 2 1.5 2 3 2.5 3 3.5 2 3 Przykłady do zadania 3.6 : (a) Dobrać stałe A i B tak, aby funkcja 0 dla x ¬ 0, 2 F (x) = Ax + B dla 0 < x ¬ 1, 1 dla 1 < x była dystrybuantą pewnej zmiennej losowej X o rozkładzie ciągłym. Znaleźć gęstość f (x) tego rozkładu. • Z przykładu 2.3 (a) wiemy, że dla A i B spełniających warunki: 0 ¬ B, 0 ¬ A ¬ 1 − B funkcja F jest dystrybuantą. • Żeby mogła to być dystrybuanta rozkładu ciągłego, dodatkowo F musi być funkcją ciągłą, co ma miejsce, gdy 0 = F (0) = lim F (x) = B x→0+ A + B = F (1) = lim F (x) = 1, x→1+ czyli dla A = 1 i B = 0. Wtedy 0 dla x ¬ 0, F (x) = x2 dla 0 < x ¬ 1, 1 dla 1 < x. f(x) F(x) 2 1 x 0 x 0 1 dystrybuanta 1 gestosc • Taka dystrybuanta F (x) jest różniczkowalna poza co najwyżej punktami x = 0 i x = 1, zatem rozkład o takiej dystrybuancie jest ciągły o gęstości ( f (x) = F 0 (x) dla x 6= 1, = 0 dla x = 1; 9 ( 2x dla 0 < x < 1, 0 poza tym. 0 dla x ¬ −1, (b) Dobrać stałe A i B tak, aby funkcja F (x) = A + B arc sin(x) dla −1 < x ¬ 1, była dys 1 dla 1 < x trybuantą pewnej zmiennej losowej X o rozkładzie ciągłym. Znaleźć gęstość f (x) tego rozkładu. • Dla wszystkich A i B funkcja F (x) jest lewostronnie ciągła oraz lim F (x) = 0 x→−∞ i x→∞ lim F (x) = 1. • Żeby mogła to być dystrybuanta rozkładu ciągłego F musi być funkcją ciągłą, co ma miejsce, gdy 0 = F (−1) = lim F (x) = A − B π 2 x→−1+ π A+B 2 czyli dla A = 1 2 = F (1) = lim F (x) = 1, x→1+ i B = π1 . • Dla takich A i B funkcja F jest niemalejąca na całej prostej, zatem jest dystrybuantą. f(x) F(x) 1 1 x x −1 −1 1 1 gestosc dystrybuanta • Ponadto wtedy F jest różniczkowalna poza punktami x = ±1, zatem rozkład o takiej dystrybuancie jest ciągły o gęstości ( ( √1 dla − 1 < x < 1, F 0 (x) dla |x| = 6 1, f (x) = = π 1−x2 0 dla |x| = 1; 0 poza tym. 10 (c) Dobrać stałe A, B i C tak, aby funkcja Aex dla x ¬ 0, F (x) = Bx + 0, 25 dla 0 < x ¬ ln 2, C − e−x dla x > ln 2 była dystrybuantą pewnej zmiennej losowej X o rozkładzie ciągłym. Znaleźć gęstość f (x) tego rozkładu. • Z przykładu 2.3 (b) wiemy, ze funkcja F jest dystrybuantą dla C = 1 oraz A i B spełnia. jących warunki: 0 ¬ A ¬ 0, 25, 0 ¬ B ¬ 0,25 ln 2 • Żeby mogła to być dystrybuanta rozkładu ciągłego dodatkowo F musi być funkcją ciągłą. Musimy więc mieć dodatkowo A = F (0) = lim F (x) = 0, 25 x→0+ B ln 2 + 0, 25 = F (ln 2) = lim F (x) = C − 0, 5 = 0, 5 x→ln 2+ co daje A = 0, 25, B = 1 0,25 . ln 2 1 F(x) f(x) 1 0,25/ln 2 x 0 −8 0 ln 2 8 dystrybuanta x 0 −8 0 ln 2 gestosc 8 • Dla takich stałych A i B funkcja F (x) jest różniczkowalna poza - być może - punktami x = 0 i x = ln 2, zatem rozkład o takiej dystrybuancie jest ciągły o gęstości x 0, 25e dla x < 0, ( dla x = 0, 0 F 0 (x) dla x; 6= 0, x; 6= ln 2, 0,25 dla 0 < x < ln 2, f (x) = = ln 2 0 dla poza tym; 0 dla x = ln 2, e−x dla x > ln 2 11 Przykłady do zadania 3.7 : (a) Gracz rzuca kostką do gry i otrzymuje 25 zł za liczbę oczek podzielną przez 3, a płaci 5 zł za każdy inny wynik. Ma on możliwość wykonania co najwyżej 5 rzutów, a jednocześnie musi przerwać grę po pierwszej wygranej. Niech Y oznacza wynik gracza (w zł). Znaleźć rozkład zmiennej losowej Y . • X - czas oczekiwania na pierwszy sukces w schemacie Bernoulliego, sukces - liczba oczek podzielna przez 3, p = 31 • X ma rozkład geometryczny Geo( 13 ), P (X = k) = ( • Y = 1 3 k−1 2 3 dla k = 1, 2, . . . 25 + (−5) · (X − 1), gdy X ¬ 5, −5 · 5 = −25, gdy X > 5. • Zatem P (Y = 25 − 5(k − 1)) = 4 P P (Y = −25) = 1 − k=1 1 3 k−1 2 3 1 3 k−1 2 = 3 dla k = 1, 2, 3, 4, 5 5 2 3 • Rozkład Y możemy także podać w tabeli: X 1 2 3 4 5 >5 Y = yk 25 20 15 10 5 -25 pk 1 3 2 9 4 27 8 81 16 243 32 243 ≈ 0,3333 0,2222 0,1481 0,0988 0,0658 0,1318 (b) Zmienna losowa X ma rozkład wykładniczy Exp(1). Znaleźć rozkład zmiennej losowej Y = X 2 . ( • X ma rozkład wykładniczy Exp(1), czyli gęstość postaci fX (x) = 0, gdy x ¬ 0, e−x , gdy x > 0. • Dystrybuanta zmiennej losowej Z = X 2 to FZ (z) = P (Z < z) = P (X 2 < z) = ( = 0, gdy z ¬ 0, √ √ √ √ √ P (|X| < z) = FX ( z) − FX (− z + 0) = FX ( z) − FX (− z), gdy z > 0; 0 gdzie FX (x) to dystrybuanta zmiennej losowej X, tak że fX (x) = FX (x) dla niemal wszystkich x. 0 • FZ (z) odpowiada gęstości fZ (z) = FZ (z) dla niemal wszystkich z. Zatem fZ (z) = gdy z ¬ 0, 0, gdy z ¬ 0, √ √ 1 1 −√z = , gdy z > 0. √ e √ (fX ( z) + fX (− z)), gdy z > 0. 2 z 2 z 0, Zauważmy, że jest to rozkład Weibulla W 1, 12 . 12 (c) Promień kuli R ma rozkład jednostajny U(4, 9; 5, 1) cm. Kulę wykonano z żelaza o gęstości 7,88 g/cm3 . Znaleźć rozkład masy M tej kuli. ( • Gęstość R ma postać: fR (r) = gdy r ∈ / [4, 9; 5, 1], = 5, gdy r ∈ [4, 9; 5, 1]. 0, 1 5,1−4,9 • Masa kuli równa jest M = a−3 R3 , gdzie a = 4·7,88π −1/3 3 ≈ 0, 3117. • Dystrybuanta zmiennej losowej M ma postać FM (m) = P (M < m) = P (R3 < a3 m) = P (R < am1/3 ) = FR (am1/3 ), gdzie FR (r) to dystrybuanta rozkładu R. 0 • Stąd M ma rozkład o gęstości fM (m) = FM (m) dla niemal wszystkich m. ( Zatem fM (m) = gdzie m1 = a −2/3 m fR (am1/3 ) 3 4,9 3 a = 0, 5a −2/3 m , 3 ≈ 3883, 3190, m2 = 5,1 3 a gdy m ∈ / [m1 , m2 ], gdy m ∈ [m1 , m2 ], ≈ 4378, 5000. (d) Zmienna losowa X ma rozkład Cauchy’ego C(0, 1). Znaleźć rozkład zmiennej losowej Y = arctgX. • Gęstość rozkładu Cauchy’ego C(0, 1) ma postać fX (x) = 1 . π(1 + x2 ) Stąd dystrybuanta zmiennej losowej X ma postać FX (x) = Rx −∞ fX (t)dt = π1 arctgx + 21 . • Dystrybuanta zmiennej losowej Y = arctgX to FY (y) = P (Y < y) = 0, gdy y ¬ − π2 , 1 1 = P (X < tgy) = FX (tgy) = π y + 2 , gdy − π2 < y < π2 , 1, gdy y π2 . 0 • FY (y) odpowiada gęstości fY (y) = FY (y) dla niemal wszystkich y. Zatem fY (y) = 0, gdy y ∈ / − π2 , π2 , 1 , π gdy y ∈ − π2 , π2 . Jest to gęstość rozkładu jednostajnego U − π2 , π2 . • Wniosek: Y ma rozkład jednostajny U − π2 , π2 . 13 (e) NiechqX będzie zmienną o rozkładzie normalnym N (0, 1). Znaleźć rozkład zmiennej losowej Y = |X|. • X ma rozkład normalny N (0, 1), czyli gęstość postaci fX (x) = √ 1 − x2 e 2. 2π q • Dystrybuanta zmiennej losowej Y = |X| to FY (y) = P (Y < y) = ( = 0, gdy y ¬ 0, P (|X| < y 2 ) = FX (y 2 ) − FX (−y 2 + 0) = FX (y 2 ) − FX (−y 2 ), gdy y > 0; gdzie FX (x) to dystrybuanta rozkładu X. 0 • FY (y) odpowiada gęstości fY (y) = FY (y) dla niemal wszystkich y. gdy y ¬ 0, y4 4 − 2 2 2y(fX (y ) + fX (−y )) = √ ye 2 , gdy y > 0. 2π 0, Zatem fY (y) = 14