Repetition Normalf¨ordelning CGS
Matematisk statistik 9hp F¨orel¨asning 7: Normalf¨ordelning
Anna Lindgren
29+30 september 2016
Kovarians, C(X, Y)
C(X, Y) = E{[X − E(X)][Y − E(Y)]} = E(XY) − E(X)E(Y) Korrellationskoefficient, ρ, ρ X,Y
ρ X,Y = C(X, Y) D(X)D(Y) R¨akneregler
E X
a i X i + b
= X
a i E(X i ) + b V (aX + b) = a 2 V(X)
C
X
i
a i X i , X
j
b j Y j
= X
i
X
j
a i b j C(X i , Y j )
V X
i
a i X i
!
= X
i
a 2 i V(X i ) + 2 X
i<j
a i a j C(X i , X j )
| {z }
=0 om okorrelerade
Repetition Normalf¨ordelning CGS Kovarians Stora talens lag
Stora talens lag
Om X 1 , X 2 , . . . , X n ¨ar oberoende och likaf¨ordelade med E(X i ) = μ s˚a g¨aller
P(| ¯ X n − μ| > ε) → 0, n → ∞ f¨or alla ε > 0.
Det vill s¨aga medelv¨ardet konvergerar i sannolikhet mot v¨antev¨ardet d˚a n v¨axer mot o¨andligheten!
Gauss approximationsformler i en variabel
Y = g(X). Taylorutveckla funktionen g kring μ = E(X) g(X) ≈ g(μ) + (X − μ)g 0 (μ) =⇒
I E(Y) ≈ g(E(X))
Standardiserad normalf¨ordelning
X ∈ N(0, 1), E(X) = 0, V(X) = 1, x α ≡ λ α
f X (x) = 1
√ 2π e −x
2/2 ≡ φ(x), x ∈ R
F X (x) = Z x
−∞
φ(t) dt ≡ Φ(x), x ∈ R
Φ(x) r¨aknas ut numeriskt eller tabell (1).
−4 0 −2 0 2 4
0.2 0.4
Täthetsfunktion för N(0,1)
φ (x)
−4 0 −2 0 2 4
0.5 1
Fördelningsfunktion för N(0,1)
Φ (x)
Repetition Normalf¨ordelning CGS
N(0, 1) N(μ, σ)Linj¨arkombination
Allm¨an normalf¨ordelning
Sats 6.1
Om X ∈ N(μ, σ), E(X) = μ, V(X) = σ 2 s˚a ¨ar X − μ
σ ∈ N(0, 1)
f X (x) = 1
√ 2πσ e −(x−μ)
2/2σ
2, x ∈ R
F X (x) = Z x
−∞
f X (t) dt = Φ( x − μ
σ ), x ∈ R
x α = μ + σλ α
T¨athetsfunktioner f¨or n˚agra normalf¨ordelningar
−2 0 2 4 6 8 10
0 0.5
µ = 4
x f
X(x)
σ = 2 σ = 1
−20 0 0 20 40
0.15
σ = 2
x f
X(x)
µ = 0 µ = 10
Repetition Normalf¨ordelning CGS
N(0, 1) N(μ, σ)Linj¨arkombination
Exempel
Om X ∈ N(0, 1), ber¨akna:
1. P(X ≤ 1) 2. P(X > −1) 3. P(X > 1.96) 4. P(−1 ≤ X ≤ 1.96) 5. x 0.025
Om Y ∈ N(2, 5), ber¨akna:
1. P(Y ≤ 7)
2. P(Y > −3)
3. P(Y > 11.8)
4. P(−3 ≤ X ≤ 11.8)
5. y 0.025
Linj¨arkombinationer av normalf¨ordelningar
Linj¨arkombinationer av simultant normalf¨ordelade s.v. ¨ar normalf¨ordelade.
Om X i ∈ N(μ i , σ i ) och Y =
n
X
i=1
a i X i g¨aller
Y ∈ N(E(Y), D(Y))
⇐⇒
Y ∈ N
n
X
i=1
a i μ i , v u u t
n
X
i=1
a 2 i σ 2 i
om alla X i ¨ar oberoende av varandra. (L¨agg annars till kovarianserna i variansen.)
Exempel: Ber¨akna P(3X 1 − X 2 > 2) om X i ∈ N(2, 1) och oberoende
samt om C(X 1 , X 2 ) = 0.5.
Repetition Normalf¨ordelning CGS Ex 1 Stora talens lag Ex 2 Delta metoden
Centrala gr¨ansv¨ardessatsen CGS
L˚at X 1 , X 2 , . . . , X n vara oberoende stokastiska variabler med samma f¨ordelning och E(X i ) = μ, V(X i ) = σ 2 (¨andliga).
D˚a g¨aller att:
P
P n
i=1 X i − nμ σ
√ n ≤ a
→ Φ(a) d˚a n → ∞ f¨or alla a
Observera att br˚aket i sannolikheten hela tiden har v¨antev¨arde noll och
varians ett.
Till¨ampning av Centrala gr¨ansv¨ardessatsen
Summa av oberoende likaf¨ordelade s.v. ¨ar ungef¨ar normalf¨ordelad om antalet termer ¨ar ”tillr¨ackligt stort”. Med E(X i ) = μ, V(X i ) = σ 2 f˚as
1. Om Y =
n
X
i=1
X i g¨aller
Y ∈ ∼ N(nμ, σ √ n)
2. Om X ¯ n = 1 n
n
X
i=1
X i g¨aller
X ¯ n ∈
∼ N(μ, σ
√ n )
Repetition Normalf¨ordelning CGS Ex 1 Stora talens lag Ex 2 Delta metoden
Applen ¨
Tag 25 ¨applen fr˚an ett ¨appeltr¨ad. L˚at X i vara vikten av ¨apple nr i. Vad ¨ar
slh att den sammanlagda vikten ¨overstiger 3 150 g om E(X i ) = 120 g
och V(X i ) = 400 g 2 ?
Hur snabbt konvergerar medelv¨ardet i stora talens lag?
Histogram f¨or X ¯ n − μ σ/
√ n , X i ∈ Exp(1) med μ = σ = 1.
−2 0 2 4 6 8
0 0.5
n=1
−2 0 2 4 6
0 0.2 0.4
n=3
−2 0 2 4
0 0.2 0.4
n=5
−2 0 2 4 6
0 0.2 0.4
n=20
−2 0 2 4
0 0.2 0.4
n=50
−2 0 2 4
0 0.2 0.4
n=1000
Repetition Normalf¨ordelning CGS Ex 1 Stora talens lag Ex 2 Delta metoden
1 2
3 4
5 6
7
8 0
10 20
30 40
50 0
0.1 0.2
k
Summa av tärningar
Antal tärningar pX(k)
Exempel: Sten, sax och p˚ase
Per och Lisa spelar sten, sax och p˚ase. Vinnaren f˚ar en krona av f¨orloraren, vid oavgjort h¨ander inget. Antag att det ¨ar samma sannolikhet f¨or vinst, oavgjort och f¨orlust.
a) Best¨am f¨ordelningen f¨or Lisas vinst i en spelomg˚ang.
b) Ber¨akna v¨antev¨arde och varians f¨or Lisas vinst i en spelomg˚ang.
c) Vad ¨ar sannolikheten att Lisa totalt vunnit minst 5 kr efter 50 spelomg˚angar?
−200 −15 −10 −5 0 5 10 15 20
0.02 0.04 0.06 0.08
Sannolikhetsfunktion Normalapproximation