ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ

Σχετικά έγγραφα
ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΑΣ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια)

ΒΑΣΙΚΕΣ ΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ (Συνέχεια)

ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια)

ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ

ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ (Συνέχεια)

ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΑΣ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια)

ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια)

ΒΑΣΙΚΕΣ ΣΥΝΕΧΕΙΣ ΚΑΤΑΝΟΜΕΣ

ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ (Συνέχεια)

ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ (Συνέχεια)

ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ

ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ (Συνέχεια)

Τυχαίες Μεταβλητές Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου

ΤΥΧΑΙΑ ΙΑΝΥΣΜΑΤΑ. Θεωρία Πιθανοτήτων και Στοχαστικές ιαδικασίες, Κ. Πετρόπουλος. Τµ. Επιστήµης των Υλικών

17/10/2016. Στατιστική Ι. 3 η Διάλεξη

Περίληψη ϐασικών εννοιών στην ϑεωρία πιθανοτήτων

ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π

ΒΑΣΙΚΕΣ ΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ (Συνέχεια)

Τυχαίες Μεταβλητές (τ.µ.)

ΤΟ ΠΡΟΒΛΗΜΑ ΤΟΥ BAYES, Η ΙΑΜΟΡΦΩΣΗ ΤΟΥ ΟΜΩΝΥΜΟΥ ΘΕΩΡΗΜΑΤΟΣ ΚΑΙ ΕΦΑΡΜΟΓΕΣ

c(2x + y)dxdy = 1 c 10x )dx = 1 210c = 1 c = x + y 1 (2xy + y2 2x + y dx == yx = 1 (32 + 4y) (2x + y)dxdy = 23 28

Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του όγδοου φυλλαδίου ασκήσεων.

Θεωρία Πιθανοτήτων & Στατιστική

Ακολουθούν ενδεικτικές ασκήσεις που αφορούν την πρώτη εργασία της ενότητας ΔΙΠ50

(365)(364)(363)...(365 n + 1) (365) k

ΠΟΛΥΔΙΑΣΤΑΤΕΣ ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ

ΕΠΑΝΑΛΗΨΗ ΒΑΣΙΚΩΝ ΕΝΝΟΙΩΝ ΣΤΑΤΙΣΤΙΚΗΣ

Στοχαστικές Στρατηγικές

Βιομαθηματικά BIO-156

ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ στη Ναυτιλία και τις Μεταφορές

Βιομαθηματικά BIO-156. Τυχαίες μεταβλητές Κατανομές Πιθανοτήτων. Ντίνα Λύκα. Εαρινό Εξάμηνο, 2017

ΠΙΘΑΝΟΤΗΤΑ ΚΑΙ ΒΑΣΙΚΕΣ Ι ΙΟΤΗΤΕΣ ΤΗΣ (Συνέχεια)


Μέρος ΙΙ. Τυχαίες Μεταβλητές

ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΑΣ

3. Κατανομές πιθανότητας

cov(x, Y ) = E[(X E[X]) (Y E[Y ])] cov(x, Y ) = E[X Y ] E[X] E[Y ]

Επισκόπηση ύλης Πιθανοτήτων: Μέρος ΙΙ. M. Kούτρας

12xy(1 x)dx = 12y. = 12 y. = 12 y( ) = 12 y 1 6 = 2y. x 6x(1 x)dx = 6. dx = 6 3 x4

ΤΥΧΑΙΑ ΙΑΝΥΣΜΑΤΑ. Στατιστική Συµπερασµατολογία Ι, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών

Τυχαία μεταβλητή (τ.μ.)

Στατιστική. Ενότητα 2 η : Τυχαίες μεταβλητές, Συναρτήσεις Κατανομής Πιθανότητας. Γεώργιος Ζιούτας Τμήμα Χημικών Μηχανικών Α.Π.Θ.

5.1 Συναρτήσεις δύο ή περισσοτέρων µεταβλητών

ΤΥΧΑΙΑ ΔΙΑΝΥΣΜΑΤΑ F(x) 1, x n. 2. Η F είναι μη φθίνουσα και δεξιά συνεχής ως προς κάθε μεταβλητή. 3.

Βασικά στοιχεία της θεωρίας πιθανοτήτων

Επισκόπηση ύλης Πιθανοτήτων Μέρος ΙΙ. M. Kούτρας

ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ. Κεφάλαιο 2 : Πληροφορία και Εντροπία Διάλεξη: Κώστας Μαλιάτσος Χρήστος Ξενάκης, Κώστας Μαλιάτσος

ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ - ΠΡΟΣΟΜΟΙΩΣΗ

P( X < 8) = P( 8 < X < 8) = Φ(0.6) Φ( 1) = Φ(0.6) (1 Φ(1)) = Φ(0.6)+Φ(1) 1

Δειγματοληψία. Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος n ij των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ ij συμβολίζουμε την μέση τιμή:

ΒΑΣΙΚΕΣ ΣΥΝΕΧΕΙΣ ΚΑΤΑΝΟΜΕΣ (ΣΥΝΕΧΕΙΑ)

10ο Φροντιστηριο ΗΥ217 - Επαναληπτικό

Βασικά στοιχεία της θεωρίας πιθανοτήτων

ΠΙΘΑΝΟΤΗΤΕΣ. Στατιστική Συµπερασµατολογία Ι, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών

X:S X(S) Έστω ότι στρίβουµε ένα αµερόληπτο νόµισµα δύο φορές και ενδιαφερόµαστε για τον αριθµό των Κ που θα εµφανιστούν.

Δειγματοληψία. Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος n ij των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ ij συμβολίζουμε την μέση τιμή:

p(x, y) = 1 (x + y) = 3x + 6, x = 1, 2 (x + y) = 3 + 2y, y = 1, 2, 3 p(1, 1) = = 2 21 p X (1) p Y (1) = = 5 49

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ

Στοχαστικές Μέθοδοι στους Υδατικούς Πόρους Τυχαίες μεταβλητές, στοχαστικές ανελίξεις και χρονοσειρές

f X,Y (x, y)dxdy = 1,

ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΑΣΚΗΣΕΙΣ

xp X (x) = k 3 10 = k 3 10 = 8 3

ΑΛΓΕΒΡΙΚΕΣ ΟΜΕΣ Ι. Ασκησεις - Φυλλαδιο 2

Αλγεβρικες οµες Ι Ασκησεις - Φυλλαδιο 2

Στατιστική Ι-Θεωρητικές Κατανομές ΙΙ

Κεφάλαιο 3 ΠΑΡΑΓΩΓΟΣ. 3.1 Η έννοια της παραγώγου. y = f(x) f(x 0 ), = f(x 0 + x) f(x 0 )

Πινάκες συνάφειας. Βαρύτητα συμπτωμάτων. Φύλο Χαμηλή Υψηλή. Άνδρες. Γυναίκες

Οι μελέτες φυσικών φαινομένων ή πραγματικών προβλημάτων καταλήγουν είτε σεπροσδιοριστικά

3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ

ΕΡΩΤΗΣΕΙΣ ΣΩΣΤΟΥ ΛΑΘΟΥΣ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΤΗΣ Γ ΓΕΝΙΚΗΣ ΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ

Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του τέταρτου φυλλαδίου ασκήσεων.

P (A B) = P (AB) P (B) P (A B) = P (A) P (A B) = P (A) P (B)

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ

2.6 ΟΡΙΑ ΑΝΟΧΗΣ. πληθυσµού µε πιθανότητα τουλάχιστον ίση µε 100(1 α)%. Το. X ονοµάζεται κάτω όριο ανοχής ενώ το πάνω όριο ανοχής.

II. Τυχαίες Μεταβλητές

ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ. Ασκησεις - Φυλλαδιο 4. ιδασκων: Α. Μπεληγιάννης Ιστοσελιδα Μαθηµατος :

Α. α) ίνεται η συνάρτηση F(x)=f(x)+g(x). Αν οι συναρτήσεις f, g είναι παραγωγίσιµες, να αποδείξετε ότι: F (x)=f (x)+g (x).

ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΚΕΦΑΛΑΙΟ 3ο: ΠΙΘΑΝΟΤΗΤΕΣ ΘΕΜΑ Α. α) Τι λέγεται δειγματικός χώρος και τι ενδεχόμενο ενός πειράματος τύχης;

ΠΑΝΕΛΛΑΔΙΚΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΠΑΡΑΣΚΕΥΗ 30 ΜΑΪΟΥ 2014

Ορισμός : Η συνάρτηση X : Ω είναι μετρήσιμη εάν 1. της τυχαίας μεταβλητής X : Ω, είναι το πεδίο τιμών της X. Δηλαδή είναι το υποσύνολο του { }

ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ

S T (x) = exp. (α) m n q x = m+n q x m q x. (β) m n q x = m p x m+n p x. (γ) m n q x = m p x n q x+m. tp x = S Tx (t) = S T (x + t) { x+t

ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 2015 ΕΚΦΩΝΗΣΕΙΣ

Pr(10 X 15) = Pr(15 X 20) = 1/2, (10.2)

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

Ορισμός : Η συνάρτηση X : Ω είναι μετρήσιμη εάν 1. της τυχαίας μεταβλητής X : Ω, είναι το πεδίο τιμών της X. Δηλαδή είναι το υποσύνολο του { }

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

Δισδιάστατη ανάλυση. Για παράδειγμα, έστω ότι 11 άτομα δήλωσαν ότι είναι άγαμοι (Α), 26 έγγαμοι (Ε), 12 χήροι (Χ) και 9 διαζευγμένοι (Δ).

Μέρος IV. Πολυδιάστατες τυχαίες μεταβλητές. Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ15 ( 1 )

Συνήθεις Διαφορικές Εξισώσεις Ι Ασκήσεις - 19/10/2017. Ακριβείς Διαφορικές Εξισώσεις-Ολοκληρωτικοί Παράγοντες. Η πρώτης τάξης διαφορική εξίσωση

P A B P(A) P(B) P(A. , όπου l 1

Πανεπιστήμιο Πελοποννήσου

Αναγνώριση Προτύπων. Baysian Θεωρία Αποφάσεων ΕΠΙΣΚΟΠΗΣΗ-ΑΣΚΗΣΕΙΣ

0, x < 0 1+x 8, 0 x < 1 1 2, 1 x < x 8, 2 x < 4

Πιθανότητες Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου

ΤΥΠΟΛΟΓΙΟ ΣΤΑΤΙΣΤΙΚΗΣ

Εισαγωγή στην Τοπολογία

ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ. Λυσεις Ασκησεων - Φυλλαδιο 6

Αρµονική Ανάλυση. Ενότητα: Το ϑεώρηµα παρεµβολής του Riesz και η ανισότητα Hausdorff-Young. Απόστολος Γιαννόπουλος.

3.1 ΔΕΙΓΜΑΤΙΚΟΙ ΧΩΡΟΙ ΕΝΔΕΧΟΜΕΝΑ

Transcript:

ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ Χαράλαµπος Α. Χαραλαµπίδης 16 εκεµβρίου 2009

ΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ Ενδιαφέρον τόσο από ϑεωρητική άποψη, όσο και από άποψη εφαρµογών, παρουσιάζει και η από κοινού µελέτη δύο χαρακτηριστικών των δειγµατικών σηµείων. Στην περίπτωση αυτή µπορούµε να αντιστοιχήσουµε σε κάθε δειγµατικό σηµείο ένα Ϲεύγος πραγµατικών αριθµών. Η αντιστοίχηση αυτή γίνεται από ένα Ϲεύγος πραγµατικών συναρτήσεων µε (κοινό) πεδίο ορισµού τον δειγµατικό χώρο. Σχετικά ϑέτουµε τον ακόλουθο ορισµό.

ΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ Ορισµός Εστω Ω ο δειγµατικός χώρος ενός στοχαστικού (τυχαίου) πειϱάµατος. Ενα Ϲεύγος πραγµατικών συναρτήσεων (X, Y) που ορίζεται στο δειγµατικό χώρο Ω καλείται διδιάστατη τυχαία µεταβλητή. Το Ϲεύγος των συναρτήσεων αυτών αντιστοιχεί σε κάθε δειγµατικό σηµείο ω Ω ένα Ϲεύγος πραγµατικών αριθµών (x, y) µε x = X(ω) και y = Y(ω). Σηµειώνουµε ότι αν (X, Y) είναι µία διδιάστατη τυχαία µεταβλητή, τότε τόσο η X όσο και η Y είναι (µονοδιάστατες) τυχαίες µεταβλητές και αντίστροφα. Η συνάρτηση κατανοµής µίας διδιάστατης τυχαίας µεταβλητής ορίζεται, κατ αναλογία µε τη µονοδιάστατη περίπτωση, ως εξής:

ΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ Ορισµός Η συνάρτηση F(x, y) = P(X x, Y y) = P({ω Ω : X(ω) x, Y(ω) y), x, y R, (1) καλείται συνάρτηση κατανοµής της διδιάστατης τυχαίας µεταβλητής (X, Y) ή από κοινού συνάρτηση κατανοµής των τυχαίων µεταβλητών X και Y. Σηµειώνεται ότι, για συγκεκριµένους πραγµατικούς αριθµούς x και y, η F(x, y) = P(X x, Y y) παριστάνει την πιθανότητα του ενδεχοµένου {ω Ω : X(ω) x} {ω Ω : Y(ω) y} = {ω Ω : X(ω) x και Y(ω) y}, το οποίο συµβολίζεται και ως {ω Ω : X(ω) x, Y(ω) y} ή {X x, Y y}.

ΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ Η συνάρτηση κατανοµής, ως πιθανότητα, λαµβάνει τιµές στο διάστηµα [0, 1], δηλαδή 0 F(x, y) 1, < x <, < y <. (2) Επίσης ικανοποιεί τις οριακές σχέσεις F(, y) = F(x, ) = F(+, + ) = lim F(x, y) = P( ) = 0, < y <, x F(x, y) = P( ) = 0, < x <, lim y lim x + y + F(x, y) = P(Ω) = 1

ΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ και F(x, + ) = F(+, y) = lim F(x, y) = P(X x) = F X(x), < x <, (3) y + lim F(x, y) = P(Y y) = F Y (y), < y <. (4) x + Η συνάρτηση κατανοµής F X (x) = P(X x), < x <, της τυχαίας µεταϐλητής X, ϑεωρούµενη στο πλαίσιο της διδιάστατης τυχαίας µεταβλητής (X, Y) καλείται, ιδιαιτέρως, περιθώρια συνάρτηση κατανοµής της X. Οµοίως η συνάρτηση κατανοµής F Y (y) = P(Y y), < y < της τυχαίας µεταβλητής Y καλείται περιθώρια συνάρτηση κατανοµής της Y.

ΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ Παράδειγµα Ας ϑεωρήσουµε το στοχαστικό πείραµα της εξαγωγής ενός σφαιριδίου από µια κληρωτίδα που περιέχει 10 σφαιρίδια ϕέροντα τους αριθµούς Ω = {1, 2,..., 10} και τα ενδεχόµενα A = {1, 2} και B = {3, 4, 5, 6}. Εστω { 1, αν ο εξαγόµενος αριθµός ανήκει στο A, X = 0, αν ο εξαγόµενος αριθµός δεν ανήκει στο A, και Y = { 1, αν ο εξαγόµενος αριθµός ανήκει στο B, 0, αν ο εξαγόµενος αριθµός δεν ανήκει στο B, Να υπολογισθούν η από κοινού συνάρτηση κατανοµής F(x, y), x, y R, και οι περιθώριες συναρτήσεις κατανοµής F X (x), x R, και F Y (y), y R, των τυχαίων µεταβλητών X και Y.

ΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ Παρατηρούµε ότι το ενδεχόµενο {ω Ω : X(ω) x, Y(ω) y}, για τις διάφορες τιµές των x και y, ισούται µε: (α), αν x < 0, ή y < 0, (ϐ) {7, 8, 9, 10}, αν 0 x < 1 και 0 y < 1, (γ) {3, 4, 5, 6, 7, 8, 9, 10}, αν 0 x < 1 και y 1, (δ) {1, 2, 7, 8, 9, 10}, αν x 1 και 0 y < 1, (ε) Ω, αν x 1 και y 1, Ετσι, η από κοινού συνάρτηση κατανοµής των τυχαίων µεταβλητών X και Y, σύµφωνα µε την (1), δίνεται από την 0, x < 0, ή y < 0, 2/5, 0 x < 1, 0 y < 1, F(x, y) = 4/5, 0 x < 1, y 1, 3/5, x 1, 0 y < 1, 1, x 1, y 1.

ΣΥΝΑΡΤΗΣΗ ΚΑΤΑΝΟΜΗΣ Οι περιθώριες συναρτήσεις κατανοµής των X και Y, σύµφωνα µε τις (3) και (4), δίνονται από τις F X (x) = 0, x < 0, 4/5, 0 x < 1, 1, x 1, F Y (y) = 0, y < 0, 3/5, 0 y < 1, 1, y 1.

ΣΥΝΑΡΤΗΣΕΙΣ ΠΥΚΝΟΤΗΤΑΣ ΠΙΘΑΝΟΤΗΤΑΣ Ορισµός Μία διδιάστατη τυχαία µεταβλητή (X, Y) καλείται διακριτή ή απαριθµητή αν παίρνει, µε πιθανότητα 1, τιµές σ ένα πεπερασµένο ή αριθµησίµως άπειρο σύνολο R X,Y = {(x 0, y 0 ), (x 0, y 1 ), (x 1, y 0 ),..., (x i, y j ),...}. Η συνάρτηση f, η οποία σε κάθε σηµείο (x i, y j ) εκχωρεί την πιθανότητά του, f(x i, y j ) = P(X = x i, Y = y j ) = P({ω Ω : X(ω) = x i, Y(ω) = y j ), (5) για i = 0, 1,..., j = 0, 1,..., καλείται συνάρτηση (πυκνότητας) πιθανότητας της διδιάστατης τυχαίας µεταβλητής (X, Y) ή από κοινού συνάρτηση (πυκνότητας) πιθανότητας των τυχαίων µεταβλητών X και Y. Στις περιπτώσεις που υπάρχει κίνδυνος σύγχυσης η συνάρτηση πιθανότητας της διδιάστατης τυχαίας µεταβλητής (X, Y) συµβολίζεται µε f X,Y και η τιµή της στο (x i, y j ) µε f X,Y (x i, y j ).

ΣΥΝΑΡΤΗΣΕΙΣ ΠΥΚΝΟΤΗΤΑΣ ΠΙΘΑΝΟΤΗΤΑΣ Η συνθήκη ότι η (X, Y) παίρνει, µε πιθανότητα 1, τιµές στο σύνολο R X,Y, χρησιµοποιώντας την παράσταση R X,Y = {(x 0, y 0 )} {(x 0, y 1 )} {(x 1, y 0 )} {(x i, y j )}, µπορεί να γραφεί στη µορφή j=0 i=0 P(X = x i, Y = y j ) = 1. Σηµειώνουµε οτι η συνάρτηση πιθανότητας (5), όπως προκύπτει άµεσα από τον ορισµό της, είναι µη αρνητική: f(x i, y j ) 0, i = 0, 1,..., j = 0, 1,..., f(x, y) = 0, (x, y) R X,Y. (6) και f(x i, y j ) = 1. (7) j=0 i=0

ΣΥΝΑΡΤΗΣΕΙΣ ΠΥΚΝΟΤΗΤΑΣ ΠΙΘΑΝΟΤΗΤΑΣ Η συνάρτηση πιθανότητας f(x i, y j ) µιας διακριτής διδιάστατης τυχαίας µεταβλητής (X, Y) συνδέεται µε τη συνάρτηση κατανοµής αυτής F(x, y). Συγκεκριµένα F(x, y) = f(x i, y j ), x, y R, (8) και y j y x i x f(x i, y j ) = F(x i, y j ) F(x i, y j 1 ) F(x i 1, y j ) + F(x i 1, y j 1 ), (9) για i = 0, 1,..., j = 0, 1,..., όπου x 1 =, y 1 =.

ΣΥΝΑΡΤΗΣΕΙΣ ΠΥΚΝΟΤΗΤΑΣ ΠΙΘΑΝΟΤΗΤΑΣ Ορισµός Μία διδιάστατη τυχαία µεταβλητή (X, Y) καλείται συνεχής αν υπάρχει µη αρνητική συνάρτηση f(x, y) 0, x, y R, (10) µε f(x, y)dxdy = 1, (11) τέτοια ώστε για κάθε πραγµατικούς αριθµούς α, ϐ, γ και δ µε α < ϐ και γ < δ, P(α < X ϐ, γ < Y δ) = δ ϐ γ α f(x, y)dxdy. (12) Η συνάρτηση f(x, y), x, y R, καλείται συνάρτηση πυκνότητας (πιθανότητας) της διδιάστατης τυχαίας µεταβλητής (X, Y) ή από κοινού συνάρτηση πυκνότητας (πιθανότητας) των τυχαίων µεταβλητών X και Y.

ΣΥΝΑΡΤΗΣΕΙΣ ΠΥΚΝΟΤΗΤΑΣ ΠΙΘΑΝΟΤΗΤΑΣ Σηµειώνουµε ότι η (12) είναι ισοδύναµη µε την F(x, y) = y x f(t, u)dtdu, x, y R. (13) Αν η συνάρτηση f(x, y) είναι συνεχής στο σηµείο (x, y), τότε παραγωγίζοντας τη σχέση αυτή παίρνουµε f(x, y) = 2 F(x, y). (14) y x Οι σχέσεις (13) και (14) είναι οι αντίστοιχες των (8) και (9) για συνεχείς τυχαίες µεταβλητές. Σύµφωνα µε τον ορισµό της µερικής παραγώγου και χρησιµοποιώντας την (14) συνάγουµε, για µικρά h 1 > 0, h 2 > 0, την προσεγγιστική σχέση P(x < X x + h 1, y < Y y + h 2 ) f(x, y)h 1 h 2.

ΣΥΝΑΡΤΗΣΕΙΣ ΠΥΚΝΟΤΗΤΑΣ ΠΙΘΑΝΟΤΗΤΑΣ Ας επανέλθουµε στην περίπτωση µιας διακριτής διδιάστατης τυχαίας µεταϐλητής (X, Y) µε συνάρτηση πιθανότητας f(x i, y j ) = P(X = x i, Y = y j ), i, j = 0, 1,.... και ας ϑεωρήσουµε τη συνάρτηση f X (x i ) = f(x i, y j ), i = 0, 1,.... (15) j=0 Χρησιµοποιώντας τη σχέση P(X = x i, Y = y j ) = P(X = x i ), i = 0, 1,..., j=0 συµπεραίνουµε ότι η συνάρτηση αυτή είναι η συνάρτηση πιθανότητας της τυχαίας µεταβλητής X, f X (x i ) = P(X = x i ), i = 0, 1,..., η οποία ϑεωρούµενη στο πλαίσιο της διδιάστατης τυχαίας µεταβλητής (X, Y), καλείται περιθώρια συνάρτηση πιθανότητας της X.

ΣΥΝΑΡΤΗΣΕΙΣ ΠΥΚΝΟΤΗΤΑΣ ΠΙΘΑΝΟΤΗΤΑΣ Ανάλογα προκύπτει και η περιθώρια συνάρτηση πιθανότητας της τυχαίας µεταβλητής Y : f Y (y j ) = f(x i, y j ), j = 0, 1,.... (16) i=0 Ο χαρακτηρισµός των συναρτήσεων πιθανότητας f X (x i ) και f Y (y j ) ως περιθωρίων, ϑεωρουµένων στο πλαίσιο της συνάρτησης πιθανότητας f(x i, y j ) της διδιάστατης τυχαίας µεταβλητής (X, Y), δικαιολογείται από τη σχηµατική παϱουσία τους στον Πίνακα 5.1. Σηµειώνουµε ότι στον πίνακα αυτόν τα στοιχεία της τελευταίας στήλης και τα στοιχεία της τελευταίας γραµµής προκύπτουν, σύµφωνα µε τις (15) και (16), µε άθροιση των στοιχείων των αντιστοίχων γραµµών ή στηλών.

ΣΥΝΑΡΤΗΣΕΙΣ ΠΥΚΝΟΤΗΤΑΣ ΠΙΘΑΝΟΤΗΤΑΣ f X,Y (x, y) y x y 0 y 1 y j f X (x) x 0 f(x 0, y 0 ) f(x 0, y 1 ) f(x 0, y j ) f X (x 0 ) x 1 f(x 1, y 0 ) f(x 1, y 1 ) f(x 1, y j ) f X (x 1 )..... x i f(x i, y 0 ) f(x i, y 1 ) f(x i, y j ) f X (x i ).... f Y (y) f Y (y 0 ) f Y (y 1 ) f Y (y j ) 1 Πίνακας 5.1. Η από κοινού και οι περιθώριες συναρτήσεις πιθανότητας.

ΣΥΝΑΡΤΗΣΕΙΣ ΠΥΚΝΟΤΗΤΑΣ ΠΙΘΑΝΟΤΗΤΑΣ Στην περίπτωση µιας συνεχούς διδιάστατης τυχαίας µεταβλητής (X, Y) µε συνάρτηση πυκνότητας f(x, y), x, y R, οι περιθώριες συναρτήσεις πυκνότητας των τυχαίων µεταβλητών X και Y δίνονται από τις σχέσεις f X (x) = f(x, y)dy, x R, f Y (y) = f(x, y)dx, y R. (17)

ΣΥΝΑΡΤΗΣΕΙΣ ΠΥΚΝΟΤΗΤΑΣ ΠΙΘΑΝΟΤΗΤΑΣ Παράδειγµα Ας ϑεωρήσουµε τις τυχαίες µεταβλητές X και Y του Παραδείγµατος 1. Η από κοινού και οι περιθώριες συναρτήσεις πιθανότητας των X, Y, οι οποίες υπολογίζονται σύµφωνα µε τον Ορισµό 4 και τις σχέσεις (15) και (16), δίνονται στον Πίνακα 5.2. f X,Y (x, y) y 0 1 x f X (x) 0 2/5 2/5 4/5 1 1/5 0 1/5 f Y (y) 3/5 2/5 1 Πίνακας 5.2. Από κοινού και περιθώριες συναρτήσεις πιθανότητας

ΣΥΝΑΡΤΗΣΕΙΣ ΠΥΚΝΟΤΗΤΑΣ ΠΙΘΑΝΟΤΗΤΑΣ Παράδειγµα Ας ϑεωρήσουµε µία διδιάσταστη τυχαία µεταβλητή (X, Y) η οποία κατανέµεται οµοιόµορφα στο τετράγωνο 0 x 1, 0 y 1. Να προσδιορισθούν οι από κοινού συναρτήσεις κατανοµής και πυκνότητας και οι περιθώριες συναρτήσεις πυκνότητας των τυχαίων µεταβλητών X και Y. Η υπόθεση της οµοιόµορφης κατανοµής της πιθανότητας συνεπάγεται ότι, για κάθε x 1, x 2 και y 1, y 2, µε 0 x 1 < x 2 1, και 0 y 1 < y 2 1, P(x 1 X x 2, y 1 Y y 2 ) = c (x 2 x 1 )(y 2 y 1 ), όπου c η σταθερά αναλογίας. Θέτοντας στη σχέση αυτή x 1 = y 1 = 0, x 2 = y 2 = 1 και επειδή συµπεραίνουµε ότι c = 1. P(0 X 1, 0 Y 1) = 1,

ΣΥΝΑΡΤΗΣΕΙΣ ΠΥΚΝΟΤΗΤΑΣ ΠΙΘΑΝΟΤΗΤΑΣ Εποµένως η συνάρτηση κατανοµής F(x, y) = P(X x, Y y) της διδιάστατης τυχαίας µεταβλητής (X, Y) δίνεται από την F(x, y) = 0, x < 0 ή y < 0, xy, 0 x < 1, 0 y < 1, x, 0 x < 1, y 1, y, x 1, 0 y < 1, 1, x 1, y 1. Παραγωγίζοντας αυτή συνάγουµε, σύµφωνα µε την (14), τη συνάρτηση πυκνότητας της (X, Y): { 1, 0 x 1, 0 y 1, f(x, y) = 0, διαφορετικά.

ΣΥΝΑΡΤΗΣΕΙΣ ΠΥΚΝΟΤΗΤΑΣ ΠΙΘΑΝΟΤΗΤΑΣ Οι περιθώριες συναρτήσεις πυκνότητας των X και Y, σύµφωνα µε την (17), δίνονται από τις f X (x) = { 1, 0 x 1, 0, διαφορετικά, και f Y (y) = { 1, 0 y 1, 0, διαφορετικά, που σηµαίνει ότι τόσο η X όσο και η Y ακολουθούν οµοιόµορφη κατανοµή στο διάστηµα [0, 1].

ΕΣΜΕΥΜΕΝΕΣ ΚΑΤΑΝΟΜΕΣ Ας ϑεωρήσουµε µία διακριτή διδιάστατη τυχαία µεταβλητή (X, Y) µε συνάρτηση πιθανότητας f X,Y (x i, y j ) = P(X = x i, Y = y j ), i, j = 0, 1,..., και έστω f Y (y j ) = P(Y = y j ), j = 0, 1,... η περιθώρια συνάρτηση πιθανότητας της Y. Η συνάρτηση f X Y (x i y j ) = f X,Y (x i, y j ), i = 0, 1,..., (18) f Y (y j ) ϑεωρούµενη ως συνάρτηση του x i, µε y j δεδοµένη τιµή της τυχαίας µεταϐλητής Y για την οποία f Y (y j ) > 0, είναι µία συνάρτηση πιθανότητας. Συγκεκριµένα, σύµφωνα µε τον ορισµό της δεσµευµένης πιθανότητας, P(X = x i Y = y j ) = P(X = x i, Y = y j ), i = 0, 1,..., P(Y = y j ) και έτσι f X Y (x i y j ) = P(X = x i Y = y j ), i = 0, 1,....

ΕΣΜΕΥΜΕΝΕΣ ΚΑΤΑΝΟΜΕΣ Ορισµός Εστω (X, Y) µία διακριτή διδιάστατη τυχαία µεταβλητή µε συνάρτηση πιθανότητας f X,Y (x i, y j ), i, j = 0, 1,..., και f Y (y j ), j = 0, 1,..., η περιθώρια συνάρτηση πιθανότητας της τυχαίας µεταβλητής Y. Η συνάρτηση πιθανότητας (18) καλείται δεσµευµένη συνάρτηση πιθανότητας της X δεδοµένης της Y = y j, και ορίζεται µόνο για εκείνα τα y j για τα οποία f Y (y j ) > 0. Ανάλογα ορίζεται και η δεσµευµένη συνάρτηση πιθανότητας της Y, για δεδοµένη τιµή x i της τυχαίας µεταβλητής X µε f X (x i ) > 0, f Y X (y j x i ) = f X,Y (x i, y j ), j = 0, 1,.... (19) f X (x i )

ΕΣΜΕΥΜΕΝΕΣ ΚΑΤΑΝΟΜΕΣ Στην περίπτωση συνεχών τυχαίων µεταβλητών, οι δεσµευµένες συναρτήσεις πυκνότητας ορίζονται ανάλογα. Ορισµός Εστω (X, Y) µία συνεχής διδιάστατη τυχαία µεταβλητή µε f X,Y (x, y), x, y R, συνάρτηση πυκνότητας και f Y (y), y R, περιθώρια συνάρτηση πυκνότητας της Y. Η συνάρτηση f X Y (x y) = f X,Y (x, y), x R, (20) f Y (y) ϑεωρούµενη ως συνάρτηση του x, µε δεδοµένο y τέτοιο ώστε f Y (y) > 0, καλείται δεσµευµένη συνάρτηση πυκνότητας της X δεδοµένης της Y = y. Ανάλογα, ορίζεται και η δεσµευµένη συνάρτηση πυκνότητας της Y, για δεδοµένη τιµή x της τυχαίας µεταβλητής X µε f X (x) > 0, f Y X (y x) = f X,Y (x, y), y R. (21) f X (x)

ΕΣΜΕΥΜΕΝΕΣ ΚΑΤΑΝΟΜΕΣ Παρατήρηση (α) Σηµειώνουµε ότι η συνάρτηση f X Y (x y), η οποία ορίζεται από την (20), είναι µία γνήσια συνάρτηση πυκνότητας. Πράγµατι f X Y (x y) 0 και, λόγω της (17), f X Y (x y)dx = 1 f Y (y) f X,Y (x, y)dx = f Y (y) f Y (y) = 1. (ϐ) Σε αντίθεση µε τη διακριτή περίπτωση, η συνάρτηση f X Y (x y) δεν εκφράζει την πιθανότητα P(X = x Y = y) και γενικά δεν εκφράζει κάποια δεσµευµένη πιθανότητα. Η ϕυσική της σηµασία είναι ότι για µικρά h 1 > 0 και h 2 > 0 ισχύει κατά προσέγγιση P(x X x + h 1 y Y y + h 2 ) f X Y (x y)h 1.

ΕΣΜΕΥΜΕΝΕΣ ΚΑΤΑΝΟΜΕΣ Παράδειγµα Εστω (X, Y) µία διακριτή διδιάστατη τυχαία µεταβλητή µε συνάρτηση πιθανότητας f X,Y (x, y) = x + y, x = 1, 2, y = 1, 2, 3. 21 Να υπολογισθούν οι δεσµευµένες συναρτήσεις πιθανότητας της X δεδοµένης της Y = y και της Y δεδοµένης της X = x. Οι περιθώριες συναρτήσεις πιθανότητας των X και Y είναι 3 x + y f X (x) = 21 y=1 = 3x + 6, x = 1, 2, 21 και 2 x + y f Y (y) = 21 x=1 = 2y + 3, y = 1, 2, 3. 21

ΕΣΜΕΥΜΕΝΕΣ ΚΑΤΑΝΟΜΕΣ Εποµένως, σύµφωνα µε τον ορισµό, οι Ϲητούµενες δεσµευµένες συναρτήσεις πιθανότητας δίνονται από τις f X Y (x y) = x + y, x = 1, 2, (y = 1, 2, 3), 2y + 3 και f Y X (y x) = x + y, y = 1, 2, 3, (x = 1, 2). 3x + 6

ΕΣΜΕΥΜΕΝΕΣ ΚΑΤΑΝΟΜΕΣ Σηµειώνουµε ότι οι δεσµευµένες αυτές συναρτήσεις πιθανότητας δύνανται να δοθούν και στη µορφή πινάκων ως εξής: f X Y (x y) y 1 2 3 x 1 2/5 3/7 4/9 2 3/5 4/7 5/9 f Y X (y x) y 1 2 3 x 1 2/9 3/9 4/9 2 3/12 4/12 5/12 Πίνακας 5.3. εσµευµένες συναρτήσεις πιθανότητας

ΕΣΜΕΥΜΕΝΕΣ ΚΑΤΑΝΟΜΕΣ Παράδειγµα Εστω (X, Y) µια συνεχής διδιάστατη τυχαία µεταβλητή µε συνάρτηση πυκνότητας f X,Y (x, y) = 2, 0 x y 1. Να υπολογισθούν οι δεσµευµένες συναρτήσεις πυκνότητας της X δεδοµένης της Y = y και της Y δεδοµένης της X = x. Οι περιθώριες συναρτήσεις πυκνότητας των X και Y είναι f X (x) = f Y (y) = 1 f(x, y)dy = 2 x y f(x, y)dx = 2 0 dy = 2(1 x), 0 x 1, dx = 2y, 0 y 1.

ΕΣΜΕΥΜΕΝΕΣ ΚΑΤΑΝΟΜΕΣ Εποµένως, σύµφωνα µε την (20), η δεσµευµένη συνάρτηση πυκνότητας της X δεδοµένης της Y = y δίνεται από την f X Y (x y) = 1, 0 x y, (0 < y 1). y Κατά τον ίδιο τρόπο, f Y X (y x) = 1, x y 1, (0 x < 1). 1 x