A peremeloszlások. Valószínőségszámítás elıadás III. alk. matematikus szak. Példa. Valószínőségi vektorváltozók eloszlásfüggvénye.

Hasonló dokumentumok
Bevezetés. Valószínűségszámítás 2 előadás III. alk. matematikus szak. Irodalom. Egyéb info., számonkérés. Cél. Alapfogalmak (ismétlés)

18. Valószín ségszámítás. (Valószín ségeloszlások, függetlenség. Valószín ségi változók várható

Valószínőségszámítás helye a tudományok között. Véletlen tömegjelenségek. Történeti áttekintés 1. Modellezés. Történeti áttekintés 3.

Megállapítható változók elemzése Függetlenségvizsgálat, illeszkedésvizsgálat, homogenitásvizsgálat

Áringadozások elıadás Kvantitatív pénzügyek szakirány 2012/13 2. félév

Sorozatok, határérték fogalma. Függvények határértéke, folytonossága

Matematikai statisztika

Példák 2. Teljes eseményrendszer. Tulajdonságok. Példák diszkrét valószínőségi változókra

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

Statisztika 1. zárthelyi dolgozat március 21.

Tulajdonságok. Teljes eseményrendszer. Valószínőségi változók függetlensége. Példák, szimulációk

Ismétlés: Visszatevéses mintavétel. A valószínőség további tulajdonságai. Visszatevés nélküli mintavétel. A valószínőség folytonossága

Abszolút folytonos valószín ségi változó (4. el adás)

f (M (ξ)) M (f (ξ)) Bizonyítás: Megjegyezzük, hogy konvex függvényekre mindig létezik a ± ben

ANALÍZIS 1. I. VIZSGA január 11. Mérnök informatikus szak α-variáns Munkaidő: 90 perc., vagyis z 2 1p = i 1p = ( cos 3π 2 2

? közgazdasági statisztika

Kopulák. 2 dimenziós példák különbözı összefüggıséggel. Példák. Elliptikus kopulák. Sőrőségfüggvények. ( u) 7. elıadás március 24.

Teljes eseményrendszer. Valószínőségszámítás. Példák. Teljes valószínőség tétele. Példa. Bayes tétele

I. Függelék. A valószínűségszámítás alapjai. I.1. Alapfogalamak: A valószínűség fogalma: I.2. Valószínűségi változó.

2. METROLÓGIA ÉS HIBASZÁMíTÁS

Matematikai statisztika elıadás III. éves elemzı szakosoknak. Zempléni András 9. elıadásból (részlet)

Valószínűségi változók. Várható érték és szórás

véletlen : statisztikai törvényeknek engedelmeskedik (Mi az ami közös a népszavazásban, a betegségek gyógyulásában és a fiz. kém. laborban?

Statisztika október 27.

Innen. 2. Az. s n = 1 + q + q q n 1 = 1 qn. és q n 0 akkor és csak akkor, ha q < 1. a a n végtelen sor konvergenciáján nem változtat az, ha

? közgazdasági statisztika

Feladatok és megoldások a 11. heti gyakorlathoz

Gazdasági matematika II. vizsgadolgozat megoldása A csoport

FELADATOK A KALKULUS C. TÁRGYHOZ

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk

Mérhetőség, σ-algebrák, Lebesgue Stieltjes-integrál, véletlen változók és eloszlásfüggvényeik

ELTE TTK Budapest, január

Valószínőségszámítás

2. gyakorlat - Hatványsorok és Taylor-sorok

= dx 0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05

Valószín ségszámítás (jegyzet)

1. előadás: Bevezetés. Számonkérés. Irodalom. Valószínűségszámítás helye a tudományok között. Cél

1. elıadás: Bevezetés. Számonkérés. Irodalom. Valószínőségszámítás helye a tudományok között. Cél

1. előadás: Bevezetés. Irodalom. Számonkérés. A valószínűségszámítás és a statisztika tárgya. Cél

V. Deriválható függvények

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:

4. Az A és B események egymást kizáró eseményeknek vagy idegen (diszjunkt)eseményeknek nevezzük, ha AB=O

Metrikus terek. továbbra is.

Jármőtervezés és vizsgálat I. VALÓSZÍNŐSÉGSZÁMÍTÁSI ALAPFOGALMAK Dr. Márialigeti János

A tárgy címe: ANALÍZIS 1 A-B-C (2+2). 1. gyakorlat

Fourier sorok FO 1. Trigonometrikus. A diákon megjelenő szövegek és képek csak a szerző (Kocsis Imre, DE MFK) engedélyével használhatók fel!

Ingatlanfinanszírozás és befektetés

2. Hatványsorok. A végtelen soroknál tanultuk, hogy az. végtelen sort adja: 1 + x + x x n +...

Feladatok megoldással

Valószín ségszámítás 2 gyakorlat Alkalmazott matematikus szakirány

Kevei Péter november 22.

(A TÁMOP /2/A/KMR számú projekt keretében írt egyetemi jegyzetrészlet):

Komputer statisztika

Barczy Mátyás és Pap Gyula

Logika és informatikai alkalmazásai

Intervallum Paraméteres Hipotézisek Nemparaméteres. Statisztika december 2.

24. tétel A valószínűségszámítás elemei. A valószínűség kiszámításának kombinatorikus modellje.

Valószínűségszámítás és matematikai statisztika. Ketskeméty László

Sorozatok, sorok, függvények határértéke és folytonossága Leindler Schipp - Analízis I. könyve + jegyzetek, kidolgozások alapján

Valószín ségszámítás és statisztika

BIOMATEMATIKA ELŐADÁS

Együ ttes e s vetü leti eloszlá s, sü rü se gfü ggve ny, eloszlá sfü ggve ny

Autoregressziós folyamatok

Információs rendszerek elméleti alapjai. Információelmélet

Kalkulus II., második házi feladat

KOMBINATORIKA ELŐADÁS osztatlan matematikatanár hallgatók számára. Szita formula J = S \R,

Diszkrét Matematika 1. óra Fokszámsorozatok

Nemparaméteres próbák

Backhausz Ágnes 1. Bevezetés A valószínűség elemi tulajdonságai... 5

ANALÍZIS I. DEFINÍCIÓK, TÉTELEK

Logika és informatikai alkalmazásai

A statisztikai vizsgálat tárgyát képező egyedek összességét statisztikai sokaságnak nevezzük.

Valószínűségszámítás összefoglaló

3. SOROZATOK. ( n N) a n+1 < a n. Egy sorozatot (szigorúan) monotonnak mondunk, ha (szigorúan) monoton növekvő vagy csökkenő.

VÉLETLENÍTETT ALGORITMUSOK. 1.ea.

Logika és informatikai alkalmazásai

Integrálás sokaságokon

1. A radioaktivitás statisztikus jellege

Logika és informatikai alkalmazásai

Pályázat címe: Pályázati azonosító: Kedvezményezett: Szegedi Tudományegyetem Cím: 6720 Szeged, Dugonics tér

Valószínűségszámítás alapjai szemléletesen

Kutatói pályára felkészítı modul

Valószín ségszámítás 1. Csiszár Vill

Valószín ségszámítás és statisztika gyakorlat Programtervez informatikus szak, esti képzés

Készítette: Fegyverneki Sándor

A felhasznált térfogalmak: lineáris tér (vektortér), normált tér, Banach tér, euklideszi-tér, Hilbert tér. legjobban közelítõ elem, azaz v u

Logika és informatikai alkalmazásai

Tartalomjegyzék. Pemutáció 5 Ismétléses permutáció 8 Variáció 9 Ismétléses variáció 11 Kombináció 12 Ismétléses kombináció 13

Wiener-folyamatok definiciója. A funkcionális centrális határeloszlástétel. Norbert Wienerre, a második pedig egy Brown nevű XIX. században élt angol

Eötvös Loránd Tudományegyetem Informatikai Kar. Analízis 1. Írásbeli beugró kérdések. Készítette: Szántó Ádám Tavaszi félév

Megjegyzések. További tételek. Valódi határeloszlások. Tulajdonságok. Gyenge (eloszlásbeli) konvergencia

VIK A1 Matematika BOSCH, Hatvan, 5. Gyakorlati anyag

Játékszabályok. a keresett valószín ség:

[f(x) = x] (d) B f(x) = x 2 ; g(x) =?; g(f(x)) = x 1 + x 4 [

A valószínőség folytonossága

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Valószínűségelmélet. Pap Gyula. Szegedi Tudományegyetem. Szeged, 2016/2017 tanév, I. félév

A pályázat címe: Rugalmas-képlékeny tartószerkezetek topológiai optimalizálásának néhány különleges feladata

Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem.

min{k R K fels korlátja H-nak} a A : a ξ : ξ fels korlát A legkisebb fels korlát is:

Átírás:

y Valószíőségszámítás elıaás III. alk. matematkus szak 4. elıaás, szeptember 30 A peremeloszlások (X,Y) eloszlásából (elevezés: együttes eloszlás) következtethetük az egyes változók eloszlására: P(X)P(X,Y0)+P(X,Y)+P(X,Y2) Az egyes kooráták (alacsoyabb mezós vektorok) eloszlása: peremeloszlás. Az együttes eloszlás tehát meghatározza a peremeloszlást. Kapcsolat az együttes- és a peremeloszlás között Péla A peremeloszlások vszot em határozzák meg az együttest: (tetsz. a </4-re P(X)P(X-)/2 P(Y)P(Y-)/2) Kvétel: ha a kompoesek függetleek -2-0 2 o / 4+ a o / 4-a o / 4- a o / 4+ a -2-0 2 Polomáls eloszlás: a kísérletükek r külöbözı kmeetele lehet: p,p 2,...,p r valószíőségőek (p +p 2 +...+p r ). függetle, azoos körülméyek között végrehajtott kísérlet sorá az -ek eseméy bekövetkezéséek száma X. Az együttes eloszlásuk:! k k2 kr P( X k,..., Xr kr ) p p2... pr ( k + k2 +... + kr ) k! k!... k! 2 r x Tulajoságok Specáls esetek: r trváls r2: bomáls eloszlás (X, X 2 - X ) Az egymezós peremeloszlások (X eloszlása) bomáls (, p ) paraméterrel Péla: kockaobásál az egyes értékek gyakorsága (tt r 6). A kooráták em függetleek! (Pl. X eseté a több kooráta 0.) Valószíőség vektorváltozók eloszlásfüggvéye Az eloszlás megaásához elegeı a F X (z):p(x<z) valószíőségeket mega (z R ), a < relácó koorátákét érteı, azaz X<z potosa akkor teljesül, ha X <z me -re. Ezek meghatározzák Q X (B) értékét tetszıleges B-re.

Az együttes eloszlásfüggvéy Az F X (z):p(x<z) R R függvéy az X valószíőség vektorváltozó együttes eloszlásfüggvéye. Az egymezós esettel aalóg tulajosága: 0 F X (z) F X (z) me koorátájába mooto övı lm F X (z), ha z me koorátájára z lm F X (z)0 ha z legalább egy koorátájára z - F X (z) me koorátájába balról folytoos. Téglatestek valószíősége P(a X < b) 0 me a < b R re. Ez kfejezhetı az X eloszlásfüggvéyével: 2-re: P(a X < b)f(b,b 2 )- F(b,a 2 )- F(a,b 2 )+ F(a,a 2 ). Általáosa: P( a X < b) ahol 0 ε {0, } εj εa(ε a, ε 2 a 2,..., ε a ) ( ) F[ εa + ( ε ) b] S P Bzoyítás Legye A : {X < a } és B: {X< b}. Ezekkel az eseméyekkel P a X < b) P( A A... A ( 2 B ( A 2... B) P( B) P(( A A2... A ) B + *( ) P(( A A2... A ) B) ( ) S ahol *( ) j < j2 <... < j P( Aj j2... B) ε {0,} εj mvel P(B)F(εa+ (-ε)b) az ε(0,0,...,0) vektorral, éppe a tételbe szereplı formulát kaptuk. j F[ εa + ( ε) b] ) ) Az eloszlásfüggvéy tulajosága Legye k k <k 2 <,...<k az {,,} részhalmaza. Ekkor ha z potosa az {,,}\k bel koorátákra, akkor lm F X (z) F X* (z*) ahol z* R potosa a z k-bel koorátából áll. X* s - mezós valószíőség változó, elevezés: az X peremeloszlása. Spec.: 2, : lm x F X,Y (x,f Y ( lm y F X,Y (x,f X (x) Tetszıleges, a felsorolt összes tulajosággal reelkezı F-hez létezk X -mezós vektorváltozó, amek F az eloszlásfügvéye. Sőrőségfüggvéy Ha létezk fq X /λ: R R függvéy, akkor X abszolút folytoos eloszlású. Ekkor F elıáll f tegrálfüggvéyekét: F ( z) z f ( t) t f: az X sőrőségfüggvéye. Az tegrál most -mezós, értelmezése: F( z) z z 2 z... f ( t, t2,..., t ) t... t2t A peremeloszlások sőrőségfüggvéye Legye 2. Ha (X,Y) abszolút folytoos, f(x, együttes sőrőségfüggvéyel, akkor X sőrőségfüggvéye g X ( x) fx, Y ( x, y Bzoyítás. z f x, yx F ( z, ) P( X < z) X, Y ( X, Y Ugyaígy Y sőrőségfüggvéye hy ( fx, Y ( x, x 2

Pélák Az egységégyzet 0<x<y< részé egyeletes eloszlásra a peremeloszlások meghatározása. Függvéy eloszlása: Tfh az A tartomáyo aott egy g, folytoosa erválható fügvéy, melyek létezk verze. Ha az X abszolút folytoos változó értéke A-belek, akkor g(x) s abszolút folytoos, sőrőségfüggvéye fg( X )( fx ( g ( ) J ahol J a g - függvéy Jacob etermásáak abszolút értéke. Valószíőség változók függetlesége eseméyreszer függetle, ha P ( A... ) ( ) ( )... ( ) A 2 k teljesül tetszıleges 2 k A A, A A,..., A k A 2 2 k eseméyekre, < 2 < < k exsorozatra és me 2 k számra. Def. Az X,,X valószíőség változók függetleek, ha az F X, F X2,,F X geerált σ-algebrák függetleek. A függetleség karakterzácó Ha X koorátá függetleek, akkor efícó szert F X (z)p(x <z, X 2 < z 2,..., X <k )F (z )F 2 (z 2 )...F (z ) (me z R re). Meg s forítható: F szorzatelıállításából következk a függetleség. Derválva: a függetleség abszolút folytoos változókra ekvvales a sőrőségfüggvéy f X (z)f (z )f 2 (z 2 )...f (z ) alakú elıállításával s. Péla: az egységégyzete egyeletes eloszlás sőrőségfüggvéye (f(z) ha 0<z<) elıáll f (z )f 2 (z 2 ) alakba, ahol f (z ), ha 0<z < (,2), ez éppe a [0,] tervallumo egyeletes eloszlás. Valószíőség változók függetlesége eseméyreszer függetle, ha P ( A... ) ( ) ( )... ( ) A 2 k teljesül tetszıleges 2 k A A, A A,..., A k A 2 2 k eseméyekre, < 2 < < k exsorozatra és me 2 k számra. Def. Az X,,X valószíőség változók függetleek, ha az F X, F X2,,F X geerált σ-algebrák függetleek. A függetleség karakterzácó Ha X koorátá függetleek, akkor efícó szert F X (z)p(x <z, X 2 < z 2,..., X <z )F (z )F 2 (z 2 )...F (z ) (me z R re). Meg s forítható: F szorzatelıállításából következk a függetleség. Derválva: a függetleség abszolút folytoos változókra ekvvales a sőrőségfüggvéy f X (z)f (z )f 2 (z 2 )...f (z ) alakú elıállításával s. Péla: az egységégyzete egyeletes eloszlás sőrőségfüggvéye (f(z) ha 0<z<) elıáll f (z )f 2 (z 2 ) alakba, ahol f (z ), ha 0<z < (,2), ez éppe a [0,] tervallumo egyeletes eloszlás. Tulajoságok. Az X,,X szkrét valószíőség változók függetleek, ha P (X x,..., X x )P (X x )... P (X x ) teljesül me x,...,x értékre. 2. Ha az X,,X valószíőség változók függetleek, a g,,g függvéyek Borelmérhetıek, akkor g (X ),, g (X ) s függetleek. 3. Ha az X,,X valószíőség változók függetleek, a h k-változós Borel-mérhetı fv., akkor h(x,, X k ), X k+,,x s függetleek. 3

Várható érték Legye X valószíőség változó. A várható X ) X ( ω) P( ω) Ω ha létezk az tegrál. Néháy tulajoság: cx)cx) Ha X Y, és létezek a várható értékek, akkor X) Y). EX E X ha EX létezk. Dszkrét valószíőség változók várható értéke A p P (Xx ) eloszlással megaott valószíőség változó várható értéke X) p x + p 2 x 2 +, ha a sor abszolút koverges. Péla: Dobókocka: ay a yereméyük, ameyt obuk. Eek átlagos értéke /6(+2+ +6)2/63.5 De ha em szabályos a kocka, pélául az egyes helyett s 6 va, akkor az átlagos yereméy /6(2+ +5)+6/33/3. Pélák Az elfajult eloszlás várható X)cP(Xc)c. A p valószíőségő A eseméy kátoráak várható X)P(X) p Az (,p) paraméterő bomáls eloszlás várható k k k k X ) k p ( p) p p ( p) p k k k k Amerka rulett. Ha k számra teszük, a yereméyük 36/k. A várható yereméy (36/k) (k/38)- - 2/38. Pélák 2. A hpergeometra eloszlás várható értéke M N M M N M k k M k k M E X k ( ) k N k N N N A Posso eloszlás várható értéke X ) λ λ λ k e k e k e kλ λ λλ k k! k ( k )! k ( k )! λ A várható érték tovább tulajosága X ) X ( ω) P( ω) yq Ω R X ( Elıforulhat, hogy X + ) X - ), ekkor X) em létezk. Ha létezk EX, akkor me A Aeseméyre létezk Xχ A ) s. Ha létezk EX és EY és értelmes EX+EY, akkor X+Y) EX+EY. Ha X0 valószíőséggel, akkor EX0. Az atvtás következméye Bomáls eloszlás várható értéke p (függetle, azoos paraméterő kátorok összege) Péla. N ember letesz az eseryıjét a tartóba. Távozáskor véletleszerőe választaak egyet. Várható értékbe háya fogak a saját eryıjükkel hazame? Ugyaígy: hpergeometrkus eloszlás várható M/N. 4

Szt.Pétervár paraoxo Nem me valószíőség változóak va véges várható legye P(X2 k )(/2) k k,2, Ekkor X)+++. Azaz aak a játékak az ára, ahol 2 k Ft-ot kapuk, ha szabályos érmével k-akra obuk elıször fejet: végtele. Ez a Szt.Pétervár paraoxo; gyakorlatba persze em reáls így ez a játék, hsze cs az a bak, amely korlátla pézt tua fzet. 5