ezek alapján kívánunk dönteni. Ez formálisan azt jelenti, hogy ellenőrizni akarjuk,

Hasonló dokumentumok
biometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert Hipotézisvizsgálat

Az átlagra vonatkozó megbízhatósági intervallum (konfidencia intervallum)

Statisztika 1. zárthelyi dolgozat március 18.

BIOMATEMATIKA ELŐADÁS

A statisztikai vizsgálat tárgyát képező egyedek összességét statisztikai sokaságnak nevezzük.

Intervallum Paraméteres Hipotézisek Nemparaméteres. Statisztika december 2.

A matematikai statisztika elemei

Statisztikai hipotézisvizsgálatok

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

Statisztika 1. zárthelyi dolgozat március 21.

3.1. A Poisson-eloszlás

Zavar (confounding): akkor lép fel egy kísérletben, ha a kísérletet végző nem tudja megkülönböztetni az egyes faktorokat.

2. egy iskola tanulói, a változók: magasságuk cm-ben, súlyuk (tömegük) kilóban; 3. egy iskola tanulói, a változó: tanulmányi átlaguk;

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

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

Sorozatok, határérték fogalma. Függvények határértéke, folytonossága

Komputer statisztika

6. feladatsor. Statisztika december 6. és 8.

A biostatisztika alapfogalmai, konfidenciaintervallum. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet

1 k < n(1 + log n) C 1n log n, d n. (1 1 r k + 1 ) = 1. = 0 és lim. lim n. f(n) < C 3

A szórások vizsgálata. Az F-próba. A döntés. Az F-próba szabadsági fokai

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

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

Valószín ségszámítás és statisztika

Feladatok és megoldások a 11. heti gyakorlathoz

Matematika B4 I. gyakorlat

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

1. A radioaktivitás statisztikus jellege

Statisztika. Földtudomány szak, geológus szakirány, 2015/2016. tanév tavaszi

Nevezetes sorozat-határértékek

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

Virág Katalin. Szegedi Tudományegyetem, Bolyai Intézet

VÉLETLENÍTETT ALGORITMUSOK. 1.ea.

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

Kalkulus I. Első zárthelyi dolgozat szeptember 16. MINTA. és q = k 2. k 2. = k 1l 2 k 2 l 1. l 1 l n 6n + 8

fogalmazva a nagy számok törvénye azt mondja ki, hogy ha vesszük n független és

KÍSÉRLETTERVEZÉS ÉS ÉRTÉKELÉS A MIKROBIOLÓGIAI GYAKORLATBAN

[Biomatematika 2] Orvosi biometria

Kétoldali hibás Monte Carlo algoritmus: mindkét válasz esetén hibázhat az algoritmus, de adott alsó korlát a hibázás valószínűségére.

Lajkó Károly Kalkulus I. példatár mobidiák könyvtár

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

2. LOGIKAI FÜGGVÉNYEK MEGADÁSI MÓDSZEREI. A tananyag célja: a többváltozós logikai függvények megadási módszereinek gyakorlása.

NUMERIKUS SOROK II. Ebben a részben kizárólag a konvergencia vizsgálatával foglalkozunk.

Megállapítható változók elemzése Függetlenségvizsgálat, illeszkedésvizsgálat, homogenitásvizsgálat

( a b)( c d) 2 ab2 cd 2 abcd 2 Egyenlőség akkor és csak akkor áll fenn

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

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

ANALÍZIS I. TÉTELBIZONYÍTÁSOK ÍRÁSBELI VIZSGÁRA

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

Populáció. Történet. Adatok. Minta. A matematikai statisztika tárgya. Valószínűségszámítás és statisztika előadás info. BSC/B-C szakosoknak

Barczy Mátyás és Pap Gyula

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása

Hipotézis-ellenırzés (Statisztikai próbák)

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

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

Statisztika elméleti összefoglaló

Statisztika (jegyzet)

ANALÍZIS I. DEFINÍCIÓK, TÉTELEK

MATEMATIKA I. KATEGÓRIA (SZAKKÖZÉPISKOLA)

Valószínűségszámítás alapjai szemléletesen

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

Intervallumbecsle s Mintave tel+ Hipote zisvizsga lat Egyminta s pro ba k Ke tminta s pro ba k Egye b vizsga latok O sszef.

? közgazdasági statisztika

Kalkulus II., második házi feladat

Sorozatok október 15. Határozza meg a következ sorozatok határértékeit!

Kidolgozott feladatok a nemparaméteres statisztika témaköréből

1. Gyökvonás komplex számból

A kurzus teljesítésének feltételei. Az I404 kódú kurzus teljesítéséhez meg kell oldani egy otthoni feladatot, határidő április 30.

Egyszerő kémiai számítások

V. Deriválható függvények

forgási hiperboloid (két köpenyű) Határérték: Definíció (1): Az f ( x, y) függvénynek az ( x, y ) pontban a határértéke, ha minden

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

hogy alkalmas konstrukcióval megadható-e olyan sztochasztikus folyamat, melynek ezek

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:

kritikus érték(ek) (critical value).

Debreceni Egyetem. Kalkulus példatár. Gselmann Eszter

Hipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58

Normális eloszlás paramétereire vonatkozó próbák

A brexit-szavazás és a nagy számok törvénye

(d) x 6 3x 2 2 = 0, (e) x + x 2 = 1 x, (f) 2x x 1 = 8, 2(x 1) a 1

STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba

Dr. Karácsony Zsolt. Miskolci Egyetem november

Nemparaméteres próbák

3. MINTAFELADATSOR EMELT SZINT JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ

Méréstani összefoglaló

7. el adás Becslések és minta elemszámok fejezet Áttekintés

SZÁMELMÉLET. Vasile Berinde, Filippo Spagnolo

Diszkrét matematika II., 3. előadás. Komplex számok

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Leíró és matematikai statisztika gyakorlat 2018/2019 II. félév

Hipotézis vizsgálatok

Matematika I. 9. előadás

Szemmegoszlási jellemzők

Gyakorló feladatok II.

A FUNDAMENTÁLIS EGYENLET KÉT REPREZENTÁCIÓBAN. A függvény teljes differenciálja, a differenciális fundamentális egyenlet: U V S U + dn 1

Függvényhatárérték-számítás

Valószínűségszámítás

Matematikai statisztika gyakorlat 2018/2019 II. félév

Elméleti összefoglaló a Sztochasztika alapjai kurzushoz

Átírás:

A deceber -i gyakorlat téája A hipotézisvizsgálat fotos probléája a következő két kérdés vizsgálata. a) Egy véletle eyiség várható értékéek agyságáról va bízoyos feltevésük. Elleőrizi akarjuk e feltevés helyességét. Eek érdekébe éréseket végzük, és ezek alapjá kíváuk dötei. Ez forálisa azt jeleti, hogy elleőrizi akarjuk, X,..., X függetle egyfora eloszlású valószíűségi változók egy sorozata (ait itáak is evezük), µ várható értékű valószíűségi változókból áll-e. Feltételezzük, hogy ezek a valószíűségi változók orális eloszlásúak. (E feltételezés ögött a űszaki életbe hibatörvéyek evezett jeleség va.) b) Két külöböző véletle eyiség va, és ezek µ és µ várható értékét akarjuk összehasolítai. Va aikor arra vagyuk kivácsiak, hogy egyelőek-e ezek a várható értékek, va aikor arra, hogy igaz-e, hogy µ µ. A kérdés eldötése érdekébe függetle éréseket végzük. Bizoyos X,..., X µ várható értékű, és Y,..., Y µ várható értékű függetle éréseket végzük, és ezek alapjá kíváuk dötést hozi. Most is feltesszük, hogy a ért értékek orális eloszlásúak. Mid a két feladat vizsgálatába egkülöböztetük két külööző esetet. Az első (egyszerűbb) eset az, aikor iserjük a egfigyelt véletle érések igadozását érő szóráségyzetet, a ásodik (boyolultabb) eset az, aikor ezt e iserjük. Az első esetbe a cetrális határeloszlástétel segítségével tudjuk egadi az eljárást. Akkor, aikor iserjük a egfigyelt valószíűségi változó szóráségyzetét, az a) kérdésre adott eljárást egyitás U-próbáak, a b) kérdésre adott eljárást kétitás U-próbáak evezzük. (Va, ahol ezeket az eljárásokat Z-próbáak hívják.) Egyitás U-próba. Legye adva függetle orális eloszlású µ várható értékű és (isert) σ szóráségyzetű valószíűségi változók X,..., X sorozata. Készítsük el e valószíűségi változók X = X + +X átlagát és a U(X,..., X ) = X µ σ próbafüggvéyt. Az U(X,..., X ) próbafüggvéy a feti tulajdoságok teljesülése eseté stadard orális eloszlású. Eze összefüggés alapjá tuduk előírt ε elsőfajú hibával redelkező jó dötést hozi arról, hogy elfogadjuk-e az EX = µ vagy EX µ feltevést. Kétitás U-próba. Legye adva függetle orális eloszlású valószíűségi változók X,..., X sorozata µ várható értékkel és (isert) σ szóráségyzettel, illetve függetle orális eloszlású valószíűségi változók Y,..., Y sorozata µ várható értékkel és (isert) σ szóráségyzettel. Tegyük fel azt is, hogy az X,..., X és Y,..., Y valószíűségi változók sorozata függetle egyástól. Vezessük be az X = X + +X és Ȳ = Y + +Y átlagokat valait az U(X,..., X, Y,..., Y ) = X Ȳ σ + σ

próbafüggvéyt. Az U(X,..., X, Y,..., Y ) próbafüggvéy a feti tulajdoságok teljesülése eseté stadard orális eloszlású. Eze összefüggés alapjá tuduk előírt ε elsőfajú hibával redelkező jó dötést hozi arról, hogy elfogadjuk-e a µ = µ vagy µ µ feltevést. Ha e iserjük a szóráségyzetet, akkor érdees azt jól egbecsüli, és a(z iseretle) szóráségyzet helyett aak becsült értékével száoli. Eze alapul az egy és kétitás U-statisztika eljárása. Eek kidolgozása érdekébe oldjuk eg először a következő feladatot..) Legye adva függetle F (x) eloszlású valószíűségi változók ξ,..., ξ sorozata. Legye ξ = ξ k. Mutassuk eg, hogy az S = (ξ j ξ) kifejezés a k= szóráségyzet torzítatla becslése, azaz ES = σ. Továbbá Var S = ( E(ξ Eξ ) 4 3 ) (Var ξ ). Megoldás: Írjuk át az S kifejezést száukra alkalasabb alakba. S = = ξj Továbbá, E (ξ j ξ) = ξj ξ = Eξ, E ( (ξj + ξ ξξ j ) = ) ξ j = ξj Eξ j + ( ) j<k ξ j Eξ j ξ k = Eξ + ( )Eξ ξ = Eξ + ( )(Eξ ). Ie ES = Eξ Eξ (Eξ ) = Eξ (Eξ ) = Var ξ. A Var S szóráségyzetet száoljuk ki először abba a speciális esetbe, aikor Eξ = 0. Ekkor Var S = Var ( ) ξ j ξ i ξ j ( ) i<j = Var ξ j + Var ( ) ξ iξ j, i<j ert a ξ j és ( ) ξ iξ j valószíűségi változók korrelálatlaok. A i<j ( ) további korrelálatlaságok iatt Var ξ j = Var ξ = (Eξ4 (Eξ) ), és.

Var ( i<j ( ) ξ iξ j ) = ( ) (Eξ ), ahoa Var S = ( Eξ 4 3 ) (Eξ ). Ie következik a feladat állítása abba a speciális esetbe, ha Eξ = 0. Az általáos eset visszavezethető erre a speciális esetre a ξ j = ξ j Eξ j, ˆξ = ξ j változók bevezetésével az ( ξ j ˆξ) azoosság felhaszálásával. (ξ j ξ) = Abba az esetbe, ha e iserjük a egfigyelt véletle eyiségek szóráségyzetét, a szóráségyzet helyett aak becslését, az úgyevezett tapasztalati szóráségyzetet haszáljuk. Isertete a tapasztalati szóráségyzet defiicióját, illetve azt a tételt, aely a vizsgált kérdések egoldására javasolt ódszerek hátterébe va akkor, ha a a szóráségyzetet e iserjük. Ezeket a ódszereket egyitás és kétitás t-próbáak hívják. Tapasztalati szóráségyzet defiiciója. Legye X,..., X függetle egyfora eloszlású valószíűségi változók sorozata. Az S = (X j X), ahol X = X k (A) képlettel egadott kifejezést e valószíűségi változók tapasztalati szóráségyzetéek evezik. Az előző feladat célja aak egagyarázása volt, hogy iért érdees a tapasztalati szóráségyzet fet bevezetett alakját haszáli. Ez azt utatja, hogy a tapasztalati szóráségyzet a valódi szóráségyzet olya torzítatla becslése, aelyek a szóráségyzete agy ita esetébe kicsi, agyságredű. Függetle stadard orális valószíűségi változók esetébe további tartalas eredéyeket lehet bizoyítai a tapasztalati szóráségyzet viselkedését. Ezt odja ki a következő tétel, aely a t- statisztikák hátterébe va. Tétel. Legye X,..., X függetle stadard orális eloszlású valószíűségi változók sorozata. Ekkor az általuk az (A) képletbe defiiált S valószíűségi változó és az X = X j valószíűségi változók egyástól függetleek. Továbbá az ( )S valószíűségi változó eloszlása az szabadságfokú χ-égyzet, az változó eloszlása a stadard orális eloszlás. X valószíűségi A későbbi eredéyek egfogalazása érdekébe érdees bevezeti a Studet eloszlás defiicióját. 3

Studet eloszlás defiiciója. Legye X és Y két függetle valószíűségi változó, aelyek közül X stadard orális eloszlású, Y pedig szabadságfokú χ-égyzet eloszlású. Ekkor az X háyados eloszlása az szabadságfokú Studet eloszlás. Y Megfogalazo az egy és kétitás t-próbák alapjául szolgáló eredéyeket. Egyitás t-próba. Legye adva függetle orális eloszlású µ várható értékű és (iseretle) σ szóráségyzetű valószíűségi változók X,..., X sorozata. Készítsük el e valószíűségi változók X = X + +X átlagát és a t (X,..., X ) = X µ S próbafüggvéyt, ahol az S kifejezést az (A) képletbe defiiáltuk. A t (X,..., X ) próbafüggvéy eloszlása a feti tulajdoságok teljesülése eseté az szabadságfokú Studet eloszlás. Eze összefüggés alapjá tuduk előírt ε elsőfajú hibával redelkező jó dötést hozi arról, hogy elfogadjuk-e az EX = µ vagy EX µ feltevést. Kétitás t-próba. Legye adva függetle orális eloszlású valószíűségi változók X,..., X sorozata µ várható értékkel és (iseretle) σ szóráségyzettel, illetve függetle orális eloszlású valószíűségi változók Y,..., Y sorozata µ várható értékkel és (iseretle) σ szóráségyzettel. (Feltettük, hogy a két sorozat iseretle szóráségyzete egegyezik.) Tegyük fel azt is, hogy az X,..., X és Y,..., Y valószíűségi változók sorozata függetle egyástól. Vezessük be az X = X + +X és Ȳ = Y + +Y átlagokat valait az t + (X,..., X, Y,..., Y ) = X Ȳ ( + ) ( )S + ( )S + próbafüggvéyt, ahol az S valószíűségi változót az (A) képletbe defiiáltuk, és az S valószíűségi változót szité hasolóa defiiáljuk az (A) forula segítségével azzal a külöbséggel, hogy az Y,..., Y itát haszáljuk az X,..., X ita helyett. A t + (X,..., X, Y,..., Y ) próbafüggvéy eloszlása a feti tulajdoságok teljesülése eseté az úgyevezett szabadságfokú Studet eloszlás. Eze összefüggés alapjá tuduk előírt ε elsőfajú hibával redelkező jó dötést hozi arról, hogy elfogadjuke az µ = µ vagy µ µ feltevést. A következő, a MobiDIÁK köyvtár Feladatok a hipotézisvizsgálat téaköréből szárazó. példa az egy és kétitás U-próbára utat példát..) Egy kiterjedt épegészségügyi vizsgálat sorá egállapították, hogy az egészséges felőtt populáció eseté a diasztolés (alsó) véryoás értékek átlaga 84.8 higayilliéter, szórása pedig.8 higayilliéter. Az Alsóbezgeyei Atlétikai Klub hat 4

véletleszerűe kiválasztott verseyzőjéél a klub sportorvosa az alábbi diasztolés értékeket jegyezte fel: 79., 64.6, 86.8, 73.7, 74.9, 6.3. a) A sportorvos ezek alapjá úgy godolta, hogy az atléták átlagos diasztolés véryoása alacsoyabb, it 84.8. Feltételezve, hogy az atléták diasztolés véryoása orális eloszlást követ, szórása pedig egegyezik a teljes populációra kapott értékkel (.8 higayilliéter), dötsö 95%-os szite arról, hogy igaza va-e a doktorak. Az Alsóbezgeyei Sakk Klub verseyzői szité eglátogatták a fet elített doktort, aki az ő esetükbe is feljegyezte hat véletleszerűe kiválasztott sportoló diasztolés véryoás értékét, aelyek az alábbiak: 84.6, 93., 04.6, 06.7, 76.3, 78.. b.) Hipotéziseit potosa egfogalazva dötsö 95%-os szite arról, hogy a sakkozók diasztolés véryoása agasabb-e, it az atlétáké! A sakkozók diasztolés véryoásáról szité feltehetjük, hogy orális eloszlást követ, szórása pedig egegyezik a teljes épesség körébe ért értékkel. Megoldás a) rész A feladat így fogalazható eg: H 0 : µ x = 84.8; H : µ x < 84.8. α = 0.05. egyoldali ellehipotézis Ekkor = 6, az átlag x = 73.5833, σ x =.8. A próbastatisztika: U = x µ x,0 σ x = 73.5833 84.8.8 6 =.465. A kritikus tartoáy U U(0.05) =.645. A kapott érték,.465 kisebb eél, ezért elvetjük a H 0 hipotézist. Megoldás b) rész A feladat így fogalazható eg: H 0 : µ x = µ y ; H : µ x < µ y. α = 0.05. egyoldali ellehipotézis Ebbe az esetbe = = 6, x = 73.5833, ȳ = 90.6, σ x = σ y =.8. A próbastatisztika: U = x ȳ 3 =.306. σ x + σ y = 73.58.33 90.6.8 A kritikus tartoáy U U(0.05) =.645. eél, ezért elvetjük a H 0 hipotézist. A kapott érték,.306 kisebb Az előbbi feladatsor.5 példája az egyitás t-statisztikára utat példát. 5

3.) Egy üze gyártósorá az egyik szerelési feladatra egadott szitidő 9 perc. Az e poto dolgozó alkalazottak ár több kérvéybe kérték a szitidő feleelését, ivel véleéyük szerit az e elegedő a feladat elvégzésére. Az üze vezetősége egy elleőrt küldött ki, aki véletleszerűe kiválasztott alkaloal egérte a feladat elvégzéséhez szükséges időt. Az eredéyek az alábbiak: 9.4, 8.8, 9.3, 9., 9.4, 8.9, 9.3, 9., 9.6, 9.3, 9.3, 9.. Hipotéziseit és az adatokra voatkozó feltételeit potosa egfogalazva dötsö 99%-os szite, hogy igazuk va-e a ukásokak! Megoldás: A feladat így fogalazható eg: H 0 : µ = 9; H : µ > 9. α = 0.0. egyoldali ellehipotézis Feltételezzük, hogy a feladat elvégzéséhez szükséges idő orális eloszlású. Ekkor a ita eleszáa =, az átlag x = 9.50, a tapasztalati szóráségyzet s = 0.0493, s = 0., A próbastatisztika: t = x µ s = 3.5093. Ha igaz a H 0 ull-hipotézis, akkor a próbastatisztika eloszlása t-statisztika ν = szabadságfokkal, aelyek értéke t (0.99) =.78. A ért érték eél agyobb, ezért elvetjük a ull-hipotézist. 4.) Legye ξ és η két függetle, a [, ] itervalluba egyeletes eloszlású valószíűségi változó, azaz legye ξ és η sűrűségfüggvéye f(x) =, ha x, és f(x) = 0 egyébkét. Száoljuk ki ξ + η sűrűségfüggvéyét. Megoldás: A ξ+η valószíűségi változó sűrűségfüggvéye a g(x) = f(y)f(x y) dy függvéy, ahol f(x) a [, ] itervalluba egyeletes eloszlás sűrűségfüggvéye. Ezért f(y)f(x y) =, ha y, és x y, azaz +x y +x, és ulla egyébkét. Ez azt jeleti, hogy a ξ + η összeg g(x) sűrűségfüggvéye az x potba egegyezik a [, [ ] + x, + x] itervallu hosszával. Ha x >, akkor a feti etszet üres, ezért ebbe az esetbe g(x) = 0. Ha 0 x, akkor ez a etszet a [ + x, ] itervallu, és eek hossza x, azaz ebbe az esetbe g(x) = x. Ha x 0, akkor ez a etszet a [, + x] itervallu, aelyek hossza + x = x, azaz g(x) = + x = x. Ez azt jeleti, hogy g(x) = x, ha x, és g(x) = 0, ha x >. 5.) Legye ξ stadard orális eloszlású valószíűségi változó. Száoljuk ki a ξ valószíűségi változó egyedik oetuát. Legye ξ egy várható értékű és kettő szóráségyzetű orális eloszlású valószíűségi változó. Száoljuk ki ξ sűrűségfüggvéyét és egyedik oetuát. 6

Megoldás: Eξ 4 = = x 4 e x / dx = π [ x 3 π e x / ] + = 3 x e x / dx = 3. π x 3 d ( ) e x / dx dx π 3x π e x / dx A ξ = ξ valószíűségi változó stadard orális eloszlású, és ξ = ( ξ + ), ahol ξ stadard orális eloszlású, ha ξ orális eloszlású várható értékű és szóráségyzetű valószíűségi ( változó. ) Ezért, it azt az előző órá egtárgyaltuk ξ sűrűségfüggvéye x ϕ = π e (x ) /4. Ezért E ξ 4 = x 4 π e (x ) /4 dx, ahoa u = x helyettesítéssel E ξ 4 = ( u + ) 4 e u /4 du = 4 π + 8 + 4 = + 0 + + 0 + = 5 u 3 π e u /4 du + u e u /4 du + π u 4 π e u /4 du u π e u /4 du π e u /4 du Valójába az E ξ 4 egyedik oetuot egyszerűbbe is kiszáolhattuk vola. E ξ 4 = E( ξ +) 4 = 4E ξ 4 +8 E ξ 3 +E ξ +4 ξ + = 4 3+0+ + = 5. 7