Wykład 3 - E-SGH
Transkrypt
Wykład 3 - E-SGH
Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Wykład 3 Dwuwymiarowa zmienna losowa Jacek Kłopotowski Katedra Matematyki i Ekonomii Matematycznej Szkoła Główna Handlowa 28 lutego 2011 Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Definicja Najmniejszą σ-algebrę podzbiorów przestrzeni R2 zawierającą iloczyny kartezjańskie przedziałów (−∞, x1 i × (−∞, x2 i , gdzie x1 , x2 ∈ R, nazywamy rodziną zbiorów borelowskich na płaszczyźnie i oznaczamy przez B(R2 ). Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Definicja Najmniejszą σ-algebrę podzbiorów przestrzeni R2 zawierającą iloczyny kartezjańskie przedziałów (−∞, x1 i × (−∞, x2 i , gdzie x1 , x2 ∈ R, nazywamy rodziną zbiorów borelowskich na płaszczyźnie i oznaczamy przez B(R2 ). Definicja Niech (Ω, M, P) będzie przestrzenią probabilistyczną. Funkcję X : Ω → R2 nazywamy dwuwymiarową zmienną losową wtedy i tylko wtedy, gdy X−1 (B) ∈ M dla każdego B ∈ B(R2 ). Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Definicja Rozkładem prawdopodobieństwa dwuwymiarowej zmiennej losowej X : Ω → R2 nazywamy funkcję PX : B(R2 ) → R określoną dla dowolnego B ∈ B(R2 ) wzorem PX (B) = P({ω ∈ Ω : X(ω) ∈ B}). Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Definicja Rozkładem prawdopodobieństwa dwuwymiarowej zmiennej losowej X : Ω → R2 nazywamy funkcję PX : B(R2 ) → R określoną dla dowolnego B ∈ B(R2 ) wzorem PX (B) = P({ω ∈ Ω : X(ω) ∈ B}). Uwaga Funkcja PX spełnia aksjomaty definicji prawdopodobieństwa, jest ona zatem prawdopodobieństwem określonym na σ-algebrze podzbiorów borelowskich płaszczyzny. Tak więc dowolna dwuwymiarowa zmienna losowa X : Ω → R2 generuje nową przestrzeń probabilistyczną R2 , B R2 , PX . Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Każdą dwuwymiarową zmienną losową X możemy przedstawić w postaci X = (X1 , X2 ), gdzie X1 , X2 : Ω → R są jednowymiarowymi zmiennymi losowymi. Korzystając z tego przedstawienia rozkład prawdopodobieństwa PX możemy określić następująco PX (B) = P((X1 , X2 ) ∈ B), gdzie B ∈ B(R2 ). Przyjmując B = (−∞, x1 i × (−∞, x2 i otrzymujemy definicję dystrybuanty rozkładu prawdopodobieństwa dwuwymiarowej zmiennej losowej. Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Definicja Dystrybuantą rozkładu prawdopodobieństwa zmiennej losowej X : Ω → R2 nazywamy funkcję FX : R2 → R określoną wzorem FX (x1 , x2 ) = P(X1 ≤ x1 ∧ X2 ≤ x2 ). Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Definicja Dystrybuantą rozkładu prawdopodobieństwa zmiennej losowej X : Ω → R2 nazywamy funkcję FX : R2 → R określoną wzorem FX (x1 , x2 ) = P(X1 ≤ x1 ∧ X2 ≤ x2 ). Uwaga Wartość FX (x1 , x2 ) dystrybuanty FX jest równa prawdopodobieństwu zdarzenia, że zmienna losowa X przyjmuje wartości należące do iloczynu kartezjańskiego przedziałów (−∞, x1 i × (−∞, x2 i. Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Twierdzenie Funkcja F : R2 → R jest dystrybuantą rozkładu prawdopodobieństwa na płaszczyźnie wtedy i tylko wtedy, gdy: a) b) c) lim lim F (x1 , x2 ) = 1, x1 →∞ x2 →∞ lim F (x1 , x2 ) = F (−∞, x2 ) = 0 dla każdego x2 ∈ R, x1 →−∞ lim F (x1 , x2 ) = F (x1 , −∞) = 0 dla każdego x1 ∈ R, x2 →−∞ d) F jest funkcją niemalejącą i prawostronnie ciągłą względem każdej ze zmiennych x1 i x2 , e) F (b1 , b2 ) − F (a1 , b2 ) − F (b1 , a2 ) + F (a1 , a2 ) ≥ 0 dla dowolnych punktów a = (a1 , a2 ), b = (b1 , b2 ) takich, że a1 ≤ b1 , a2 ≤ b2 . Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Uwaga Warunek e) wynika z zależności P (a1 < X1 ≤ b1 ∧ a2 < X2 ≤ b2 ) = P (X1 ≤ b1 ∧ X2 ≤ b2 ) + − P (X1 ≤ a1 ∧ X2 ≤ b2 ) − P (X1 ≤ b1 ∧ X2 ≤ a2 ) + + P (X1 ≤ a1 ∧ X2 ≤ a2 ) = = F (b1 , b2 ) − F (a1 , b2 ) − F (b1 , a2 ) + F (a1 , a2 ). Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Przykład Niech funkcja F będzie określona wzorem 0 dla x1 + x2 < 0, F (x1 , x2 ) = 1 dla x1 + x2 ≥ 0. Łatwo można sprawdzić, że funkcja F spełnia warunki a) – d) twierdzenia. Dla punktów a = (−1, −1), b = (3, 3) mamy natomiast F (3, 3) − F (−1, 3) − F (3, −1) + F (−1, −1) = 1 − 1 − 1 + 0 = −1. Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Definicja Mówimy że zmienna losowa X = (X1 , X2 ) ma rozkład czysto skokowy wtedy i tylko wtedy, gdy istnieje skończony lub przeliczalny zbiór S zawarty w R2 taki, że: a) P(X = x) ≥ 0 dla każdego x ∈ S; P b) P(X = x) = 1. x∈S Uwaga Punkty zbioru S możemy przedstawić w postaci podwójnie (j) (k) indeksowanego ciągu (x1 , x2 ) . Niech (j) (k) pjk = P X1 = x1 ∧ X2 = x2 . Liczby pjk spełniają warunki PP pjk ≥ 0 oraz pjk = 1. j k Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Definicja Funkcję p : S → R określoną wzorem (j) (k) (j) (k) p x1 , x2 = P X1 = x1 ∧ X2 = x2 = pjk nazywamy funkcją prawdopodobieństwa zmiennej losowej X = (X1 , X2 ). Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Uwaga Jeśli zbiór S jest skończony, to dwuwymiarowe określamy często za pomocą tabeli postaci X1 (1) (2) x1 x1 ··· X2 (1) x2 p11 p21 · · · (2) x2 p12 p22 · · · ··· ··· ··· ··· (n) x2 p1n p2n · · · Jacek Kłopotowski Wykład 3 rozkłady skokowe (m) x1 pm1 pm2 ··· pmn Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Przykład Z talii 52 kart wylosowano jedną kartę. Niech X1 oznacza liczbę wylosowanych asów, X2 – liczbę wylosowanych pików. Podamy rozkład prawdopodobieństwa zmiennej X = (X1 , X2 ) i wyznaczymy jej dystrybuantę. Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Definicja Mówimy, że zmienna losowa X = (X1 , X2 ) ma rozkład absolutnie ciągły wtedy i tylko wtedy, gdy istnieje nieujemna funkcja f : R2 → R taka, że dystrybuantę F zmiennej X = (X1 , X2 ) można przedstawić w postaci Zx1 Zx2 F (x1 , x2 ) = f (u, v )dudv . −∞ −∞ Funkcję f nazywamy funkcją gęstości rozkładu prawdopodobieństwa zmiennej losowej X = (X1 , X2 ). Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Twierdzenie (własności funkcji gęstości) Jeśli f jest funkcją gęstości rozkładu prawdopodobieństwa o dystrybuancie F , to: a) f (x1 , x2 ) ≥ 0 dla każdego x1 , x2 ∈ R; ∂ 2 F (x 0 ,x 0 ) 1 2 w punktach ciągłości funkcji f; b) f (x10 , x20 ) = ∂x1 ∂x 2 R∞ R∞ c) f (x1 , x2 )dx1 dx2 = 1. −∞ −∞ Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Przykład Rozkład jednostajny w obszarze normalnym D takim, że 0 < |D| < ∞ f (x1 , x2 ) = 1 |D| 0 dla (x1 , x2 ) ∈ D, dla (x1 , x2 ) ∈ / D. W szczególności jeśli D = {(x1 , x2 ) ∈ R2 : a ≤ x1 ≤ b ∧ c ≤ x2 ≤ d }, to f (x1 , x2 ) = 1 (b−a)(d−c) 0 Jacek Kłopotowski dla (x1 , x2 ) ∈ D, dla (x1 , x2 ) ∈ / D. Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Przykład Dwuwymiarowy rozkład normalny o parametrach m1 , m2 , σ1 , σ2 , ρ ∈ R, gdzie σ1 > 0, σ2 > 0, |ρ| < 1 1√ × f (x1 , x2 ) = 2πσ1 σ2 1−ρ2 n (x1 −m1 )2 1 2 −m2 ) × exp − 2(1−ρ − 2 ρ(x1 −mσ11)(x + 2) σ2 σ2 1 Jacek Kłopotowski Wykład 3 (x2 −m2 )2 σ22 o . Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Przykład Dwuwymiarowa zmienna losowa X = (X1 , X2 ) ma rozkład jednostajny w obszarze D = h0, 1i × h1, 3i. Wyznaczymy dystrybuantę zmiennej X. Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Przykład Dwuwymiarowa zmienna losowa X = (X1 , X2 ) ma rozkład jednostajny w obszarze D = h0, 1i × h1, 3i. Wyznaczymy dystrybuantę zmiennej X. Przykład Dwuwymiarowa zmienna losowa X = (X1 , X2 ) ma rozkład o funkcji gęstości c dla (x1 , x2 ) ∈ D, f (x1 , x2 ) = 0 dla (x1 , x2 ) 6∈ D, gdzie D = {(x1 , x2 ) ∈ R2 : 0 ≤ x2 ≤ 2 − x12 }. a) Wyznaczymy stałą c. b) Obliczymy P(X2 ≤ X1 ). Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Definicja Rozkładem brzegowym zmiennej losowej X1 w dwuwymiarowym rozkładzie zmiennej losowej X = (X1 , X2 ) nazywamy funkcję P1 : B(R) → R określoną wzorem P1 (B) = PX (B × R). Analogicznie definiujemy rozkład brzegowy P2 zmiennej X2 . Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Uwaga Ponieważ P1 (B) = P ((X1 , X2 ) ∈ B × R) = P(X1 ∈ B ∧ X2 ∈ R), więc P1 (B) oznacza prawdopodobieństwo zdarzenia, że zmienna losowa X1 przyjmuje wartości należące do zbioru B, a zmienna losowa X2 przyjmuje dowolne wartości rzeczywiste. Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Twierdzenie Niech F będzie dystrybuantą rozkładu prawdopodobieństwa dwuwymiarowej zmiennej losowej (X1 , X2 ). a) Funkcja F1 (x1 ) = lim F (x1 , x2 ) jest dystrybuantą rozkładu x2 →∞ brzegowego zmiennej X1 . b) Funkcja F2 (x2 ) = lim F (x1 , x2 ) jest dystrybuantą rozkładu x1 →∞ brzegowego zmiennej X2 . Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Wyznaczymy rozkłady brzegowe zmiennych X1 , X2 , gdy zmienna (X1 , X2 ) ma rozkład czysto skokowy o funkcji prawdopodobieństwa (j) (k) p(x1 , x2 ) = pjk . (j) Zmienna losowa X1 przyjmuje wartości , x1 . Obliczając (j) prawdopodobieństwo zdarzenia X1 = x1 w rozkładzie brzegowym, otrzymujemy (j) pj. = P X1 = x1 ∧ X2 ∈ R = n o (j) (1) (2) (n) = P X1 = x1 ∧ X2 ∈ x2 , x2 , ..., x2 = X X (j) (k) = P X1 = x1 ∧ X2 = x2 = pjk . k k (k) Analogicznie p·k = P(X1 ∈ R ∧ X2 = x2 ) = Jacek Kłopotowski Wykład 3 P j pjk . Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Liczby pj· = P k pjk , p·k = P pjk są wartościami funkcji j prawdopodobieństwa rozkładów brzegowych odpowiednio zmiennej X1 i zmiennej X2 . Liczby te zapisujemy na brzegach tabeli określającej rozkład zmiennej dwuwymiarowej. X1 (1) (2) (m) x1 x1 · · · x1 X2 (1) x2 p11 p21 · · · pm1 p·1 (2) x2 p12 p22 · · · pm2 p·2 ··· ··· ··· ··· ··· ··· (n) x2 p1n p2n · · · pmn p·n p1· p2· · · · pm· Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Twierdzenie Niech f będzie funkcją gęstości rozkładu prawdopodobieństwa dwuwymiarowej zmiennej losowej (X1 , X2 ). R∞ f (x1 , x2 )dx2 jest funkcją gęstości a) Funkcja f1 (x1 ) = −∞ rozkładu brzegowego zmiennej X1 . R∞ b) Funkcja f2 (x2 ) = f (x1 , x2 )dx1 jest funkcją gęstości −∞ rozkładu brzegowego zmiennej X2 . Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Przykład Wyznaczymy rozkłady brzegowe zmiennych losowych X1 , X2 , gdy zmienna (X1 , X2 ) ma rozkład absolutnie ciągły o funkcji gęstości ( 1 jeśli x12 + x22 ≤ 1, π, f (x1 , x2 ) = 0 dla pozostałych (x1 , x2 ) (rozkład jednostajny w kole o środku w punkcie (0,0) i promieniu 1). Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Definicja Mówimy, że zmienne losowe X1 , X2 : Ω → R są niezależne wtedy i tylko wtedy, gdy P (X1 ∈ B1 ∧ X2 ∈ B2 ) = P (X1 ∈ B1 ) (PX2 ∈ B2 ) dla dowolnych zbiorów borelowskich B1 , B2 . Bezpośrednio z definicji wynika następujące twierdzenie. Twierdzenie Zmienne X1 , X2 są niezależne w dwuwymiarowym rozkładzie zmiennej X = (X1 , X2 ) wtedy i tylko wtedy, gdy F (x1 , x2 ) = F1 (x1 )F2 (x2 ) dla każdego (x1 , x2 ) ∈ R2 . Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Wniosek Jeśli zmienna losowa X = (X1 , X2 ) ma rozkład czysto skokowy o (j) (k) funkcji prawdopodobieństwa p(x1 , x2 ) = pjk , to zmienne X1 , X2 są niezależne wtedy i tylko wtedy, gdy pjk = pj· · pk· . Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Wniosek Jeśli zmienna losowa X = (X1 , X2 ) ma rozkład czysto skokowy o (j) (k) funkcji prawdopodobieństwa p(x1 , x2 ) = pjk , to zmienne X1 , X2 są niezależne wtedy i tylko wtedy, gdy pjk = pj· · pk· . Wniosek Jeśli zmienna losowa X = (X1 , X2 ) ma rozkład absolutnie ciągły o funkcji gęstości f : R2 → R, to zmienne X1 , X2 są niezależne wtedy i tylko wtedy, gdy f (x1 , x2 ) = f1 (x1 )f2 (x2 ) w każdym punkcie ciągłości funkcji f , f1 , f2 . Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Przykład Dwuwymiarowa zmienna losowa X = (X1 , X2 ) ma rozkład określony X1 −1 0 2 X2 tabelką . 1 3 −1 0 8 8 2 1 1 3 8 8 8 Wyznaczymy rozkłady brzegowe i zbadamy niezależność zmiennych X1 , X2 . Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Przykład Dwuwymiarowa zmienna losowa X = (X1 , X2 ) ma rozkład określony X1 −1 0 2 X2 tabelką . 1 3 −1 0 8 8 2 1 1 3 8 8 8 Wyznaczymy rozkłady brzegowe i zbadamy niezależność zmiennych X1 , X2 . Przykład Niech X1 , X2 będą niezależnymi zmiennymi losowymi takimi, że zmienna X1 ma rozkład jednostajny w przedziale (0, 1), a zmienna X2 ma rozkład wykładniczy z parametrem λ = 1. a) Wyznaczymy funkcję gęstości zmiennej X = (X1 , X2 ). b) Obliczymy P(X1 + X2 ≤ 1). Jacek Kłopotowski Wykład 3 Dwuwymiarowa zmienna losowa Rozkłady brzegowe dwuwymiarowej zmiennej losowej Twierdzenie Niech X1 , X2 będą niezależnymi zmiennymi losowymi. a) Jeśli istnieją wartości oczekiwane EX1 , EX2 , to istnieje wartość oczekiwana E (X1 · X2 ) oraz E (X1 · X2 ) = EX1 · EX2 . b) Jeśli istnieją wariancje D 2 X1 , D 2 X2 , to istnieje wariancja D 2 (X1 + X2 ) oraz D 2 (X1 + X2 ) = D 2 X1 + D 2 X2 . Jacek Kłopotowski Wykład 3