Pr(X<x0 ) = FZ
Transkrypt
Pr(X<x0 ) = FZ
1. Obliczanie wartości prawdopodobieństwa dla zmiennej losowej X o rozkÃladzie N (µ, σ 2): µ ¶ X −µ x0 − µ P r(X < x0) ≡ P r < σ σ Podstawiajac , Z = (X − µ)/σ otrzymujemy x −µ x −µ ) = FZ ( 0 ). P r(Z < 0 σ σ Tak wiec , ostatecznie: P r(X < x0) = x0−µ ¶ FZ σ µ 1 2. PrzedziaÃly 1-sigma, 2–sigma i 3–sigma dla zmiennej losowej normalnej Dla zmiennej losowej Z o rozkÃladzie normalnym N (0, 1) P r(−1 < Z < +1) = 0.6826 P r(−2 < Z < +2) = 0.9544 P r(−3 < Z < +3) = 0.9974 Analogicznie dla zmiennej losowej X o rozkÃladzie normalnym N (µ, σ 2) P r(µ − 1 ∗ σ < X < µ + 1 ∗ σ) = 0.6826 P r(µ − 2 ∗ σ < X < µ + 2 ∗ σ) = 0.9544 P r(µ − 3 ∗ σ < X < µ + 3 ∗ σ) = 0.9974 2 3. Trzy rozkÃlady normalne o tej samej średniej i różnych wariancjach 3 rozklady o tej samej sredniej i roznych wariancjach 0.4 sigma=1 sigma=2 sigma=3 0.35 0.3 gestosc p−stwa g(x; m, s) sigma=1 0.25 0.2 sigma=2 0.15 0.1 sigma=3 0.05 0 0 2 4 6 8 10 12 14 16 18 20 zmienna losowa X o rozkladzie N(10,1), N(10,22), N(10,32) Paramer ’sigma’ jest miara, rozproszenia wartości zmiennej losowej dookoÃla wartości oczekiwanej tej zmiennej losowej. Parametr ’sigma’ jest nazywany również precyzja, pomiarów. 3 4. Aproksymacja rozkÃladu binomialnego za pomoca, rozkÃladu normalnego E(Xbin) = np, V ar(Xbin) = npq. Aproksymujemy rozkÃladem N (µ = np, σ 2 = npq) P (Xbin < k) = P (Xnormal < k − 1 2 ). 4 5. Obliczanie kwantyli w rozkÃladzie normalnym N (0, 1) Niech Z ∼ N (0, 1). Dla danego α (’alpha’, wartości prawdopodobieństwa) szukamy takiej wartości zα, żeby P (Z < zα) = α 5 6. Obliczanie kwantyli w rozkÃladzie normalnym N (µ, σ 2) Rozważmy teraz ogólnie zmienna, X taka, że: X ∼ N (µ, σ 2). Mamy wyznaczyć kwantyl rzedu α, czyli taka, , wartość qα, że P (X < qα) = α. Postepujemy teraz nastepuj aco: , , , 1. Dla danego α wyznaczamy z rozkÃladu Gaussa– Laplace’a kwantyl zα. 2. Obliczony kwantyle destandaryzujemy, tzn. obliczamy qα = zα ∗ σ + µ. Wyznaczona w ten sposób wartość qα jest szukanym kwantylem rozkÃladu zmiennej X. 6