Στατιστική Ι-Θεωρητικές Κατανομές ΙΙ Γεώργιος Κ. Τσιώτας Τμήμα Οικονομικών Επιστημών Σχολή Κοινωνικών Επιστημών Πανεπιστήμιο Κρήτης 12 Δεκεμβρίου 2012
Περιγραφή 1 Θεωρητικές Κατανομές ΙΙ
Περιγραφή 1 Θεωρητικές Κατανομές ΙΙ
Ομοιόμορφη Η Ομοιόμορφη θεωρητική κατανομή ορίζεται όταν οι τυχαίες μεταβλητές x [a, b] είναι ισοπίθανες. Εαν μια τ.μ. X κατανέμεται Ομοιόμορφα στο διάστημα [a, b], τότε έχει συνάρτηση πυκνότητας πιθανότητας: P(X = x) = 1, x [a, b] b a Η μέση τιμή και η διακύμανσης μιας Ομοιόμορφα κατανεμημένης τ.μ. εκφράζεται ως: E(X) = (a + b)/2 V(X) = (b a) 2 /12
Εκθετική Η Εκθετική θεωρητική κατανομή ορίζεται όταν μια τυχαία μεταβλητή ορίζεται στον δειγματικό χώρο [0, ) με σχηματική παράμετρο λ, όπου η συνάρτηση πυκνότητας πιθανότητας έχει τη μορφή: P(X = x) = λ e λx, x [0, ) Η μέση τιμή και η διακύμανσης μιας Εκθετικά κατανεμημένης τ.μ. εκφράζεται ως: E(X) = 1/λ V(X) = 1/λ 2 Παραδείγματα για Εκθετική τ.μ 1 Ο χρόνος ανάμεσα σε κλίσεις κινητών τηλεφώνων 2 Ο χρόνος ζωής ηλεκτρικών συσκευών 3 Ο χρόνος ανάμεσα σε σεισμικά φαινόμενα 4 Ο χρόνος ανάμεσα σε κύμματα ροής αυτοκινήτων.
Εκθετική Η Εκθετική θεωρητική κατανομή ορίζεται όταν μια τυχαία μεταβλητή ορίζεται στον δειγματικό χώρο [0, ) με σχηματική παράμετρο λ, όπου η συνάρτηση πυκνότητας πιθανότητας έχει τη μορφή: P(X = x) = λ e λx, x [0, ) Η μέση τιμή και η διακύμανσης μιας Εκθετικά κατανεμημένης τ.μ. εκφράζεται ως: E(X) = 1/λ V(X) = 1/λ 2 Παραδείγματα για Εκθετική τ.μ 1 Ο χρόνος ανάμεσα σε κλίσεις κινητών τηλεφώνων 2 Ο χρόνος ζωής ηλεκτρικών συσκευών 3 Ο χρόνος ανάμεσα σε σεισμικά φαινόμενα 4 Ο χρόνος ανάμεσα σε κύμματα ροής αυτοκινήτων.
Κανονική(ή Gauss) Η Κανονική θεωρητική κατανομή ορίζεται όταν μια τυχαία μεταβλητή ορίζεται στονδειγματικόχώρο (, )μεμέσητιμή µκαιδιακύμανση σ 2,όπουη συνάρτηση πυκνότητας πιθανότητας έχει τη μορφή: όπου P(X = x) = 1 σ 2π (x µ) 2 e 2σ 2, x, µ (, ), σ (0, ). Η μέση τιμή και η διακύμανσης μιας Κανονικά κατανεμημένης τ.μ. εκφράζεται ως: E(X) = µ V(X) = σ 2
Γιατί η Κανονική; 1 Οι Gauss/Laplace την εισήγαγαν ως μια κατανομή που εκφράζει την κατανομή συχνοτήτων πλανητικών τροχιών. 2 Η κατανομή συχνοτήτων σε σχήμα καμπάνας είναι στην φύση των τυχαίων φαινομένων. 3 Εκφράζει τη συμμετρία στις συχνότητες που χαρακτηριιζει γεγονότα όταν αυτά δειγματοληπτούνται σε μεγάλο αριθμό(n 30). 4 Χρησιμοποιείται στον προσδιορισμό πιθανοτήτων για ενδεχόμενα (τυχαίες μεταβλητές) που δεν ορίζονται στο διάστημα (, ) ή ακόμη που είναι άγνωστο το πως κατανέμονται.
X N(100, 10 2 ) Εστω Xμιακατά Gaussτ.μ.με µ = 100,και σ = 10,τότεέχειτη συνάρτηση πυκνότητας πιθανότητας: Histogram of x Density 0.00 0.01 0.02 0.03 0.04 0.05 60 80 100 120 140 x
Ιδιότητες μιας Κανονικής τ.μ. 1 ΜιαΚανονικήκατανομήείναισυμμετρικήωςπροςτονμέσο µ P(X = µ α) = P(X = µ + α), για α (, ),ήοσυντελεστήςασυμμετρίας a 1 = µ 3 σ 3 = 0. 2 Μια Κανονική κατανομή έχει κυρτοτητα που ισούται με τρία(3): a 2 = µ 4 σ 4 = 3.
Ιδιότητες μιας Κανονικής τ.μ. 1 ΜιαΚανονικήκατανομήείναισυμμετρικήωςπροςτονμέσο µ P(X = µ α) = P(X = µ + α), για α (, ),ήοσυντελεστήςασυμμετρίας a 1 = µ 3 σ 3 = 0. 2 Μια Κανονική κατανομή έχει κυρτοτητα που ισούται με τρία(3): a 2 = µ 4 σ 4 = 3.
Ιδιότητες μιας Κανονικής τ.μ. 1 ΜιαΚανονικήκατανομήείναισυμμετρικήωςπροςτονμέσο µ P(X = µ α) = P(X = µ + α), για α (, ),ήοσυντελεστήςασυμμετρίας a 1 = µ 3 σ 3 = 0. 2 Μια Κανονική κατανομή έχει κυρτοτητα που ισούται με τρία(3): a 2 = µ 4 σ 4 = 3.
Ανηγμένη Κανονική Εστω Z = X µ όπου X N(µ, σ 2 ),τότεητ.μ. Zείναιμιακατα Gaussτ.μ. σ με συνάρτηση πυκνότητας πιθανότητας: P(Z = z) = 1 2π e z2 2, z, (, ) Η μέση τιμή και η διακύμανσης μιας Ανηγμένης Κανονικά κατανεμημένης τ.μ. εκφράζεται ως: E(Z) = 0 επειδή V(Z) = 1, E( x µ σ ) = µ µ = 0, σ V( x µ σ ) = σ2 0 σ 2 = 1.
Ανηγμένη Κανονική(συν.) Εστω Zμιακατά Gaussτ.μ.με µ = 0,και σ = 1,τότεέχειτησυνάρτηση πυκνότητας πιθανότητας: Histogram of x Density 0.0 0.1 0.2 0.3 0.4 0.5 3 2 1 0 1 2 3 x
Πίνακας Αθροιστικών Πιθανοτήτων Ανηγμένη Κανονικής Κατανομής Πως μπορούμε να προσδιορίσουμε τις αθροιστικές πιθανότητες P(Z z) δεδομένης μιας κριτικής τιμής z ή πως μπορούμε να προσδιορίσουμε την z όταν είναι γνωστή η αθροιστική πιθανότητα P(Z z); Πως προσδιορίζουμε κριτικές τιμές z; 1 Πρώτον καθορίζουμε την πιθανότητα για την οποία ζητάμε την κριτική τιμή z. Παράδειγμα: Θέτουμε πιθανότητα 0.75. Επομένως ψάχνουμε για την zέτσιώστε P(Z z) = 0.75 2 Δεύτερον, αναζητούμε την πιο κοντινή στην πιθανότητα 0.75 εντός του πίνακα. Αυτό είναι το 0.7486 3 Τελικά, για να προσδιορίσουμε το z προσθέτουμε τον αριθμό που αντιστοιχεί στην γραμμη με αυτον που αντιστοιχεί στη στήλη την πιθανότητας 0.7486. Επομένως, έχουμε τον 0.60 + 0.07 = 0.67 4 Άρα P(Z 0.67) 0.75
Πίνακας Αθροιστικών Πιθανοτήτων Ανηγμένη Κανονικής Κατανομής Πως μπορούμε να προσδιορίσουμε τις αθροιστικές πιθανότητες P(Z z) δεδομένης μιας κριτικής τιμής z ή πως μπορούμε να προσδιορίσουμε την z όταν είναι γνωστή η αθροιστική πιθανότητα P(Z z); Πως προσδιορίζουμε κριτικές τιμές z; 1 Πρώτον καθορίζουμε την πιθανότητα για την οποία ζητάμε την κριτική τιμή z. Παράδειγμα: Θέτουμε πιθανότητα 0.75. Επομένως ψάχνουμε για την zέτσιώστε P(Z z) = 0.75 2 Δεύτερον, αναζητούμε την πιο κοντινή στην πιθανότητα 0.75 εντός του πίνακα. Αυτό είναι το 0.7486 3 Τελικά, για να προσδιορίσουμε το z προσθέτουμε τον αριθμό που αντιστοιχεί στην γραμμη με αυτον που αντιστοιχεί στη στήλη την πιθανότητας 0.7486. Επομένως, έχουμε τον 0.60 + 0.07 = 0.67 4 Άρα P(Z 0.67) 0.75
Πίνακας Αθροιστικών Πιθανοτήτων Ανηγμένη Κανονικής Κατανομής Πως μπορούμε να προσδιορίσουμε τις αθροιστικές πιθανότητες P(Z z) δεδομένης μιας κριτικής τιμής z ή πως μπορούμε να προσδιορίσουμε την z όταν είναι γνωστή η αθροιστική πιθανότητα P(Z z); Πως προσδιορίζουμε κριτικές τιμές z; 1 Πρώτον καθορίζουμε την πιθανότητα για την οποία ζητάμε την κριτική τιμή z. Παράδειγμα: Θέτουμε πιθανότητα 0.75. Επομένως ψάχνουμε για την zέτσιώστε P(Z z) = 0.75 2 Δεύτερον, αναζητούμε την πιο κοντινή στην πιθανότητα 0.75 εντός του πίνακα. Αυτό είναι το 0.7486 3 Τελικά, για να προσδιορίσουμε το z προσθέτουμε τον αριθμό που αντιστοιχεί στην γραμμη με αυτον που αντιστοιχεί στη στήλη την πιθανότητας 0.7486. Επομένως, έχουμε τον 0.60 + 0.07 = 0.67 4 Άρα P(Z 0.67) 0.75
Πίνακας Αθροιστικών Πιθανοτήτων Ανηγμένη Κανονικής Κατανομής Πως μπορούμε να προσδιορίσουμε τις αθροιστικές πιθανότητες P(Z z) δεδομένης μιας κριτικής τιμής z ή πως μπορούμε να προσδιορίσουμε την z όταν είναι γνωστή η αθροιστική πιθανότητα P(Z z); Πως προσδιορίζουμε κριτικές τιμές z; 1 Πρώτον καθορίζουμε την πιθανότητα για την οποία ζητάμε την κριτική τιμή z. Παράδειγμα: Θέτουμε πιθανότητα 0.75. Επομένως ψάχνουμε για την zέτσιώστε P(Z z) = 0.75 2 Δεύτερον, αναζητούμε την πιο κοντινή στην πιθανότητα 0.75 εντός του πίνακα. Αυτό είναι το 0.7486 3 Τελικά, για να προσδιορίσουμε το z προσθέτουμε τον αριθμό που αντιστοιχεί στην γραμμη με αυτον που αντιστοιχεί στη στήλη την πιθανότητας 0.7486. Επομένως, έχουμε τον 0.60 + 0.07 = 0.67 4 Άρα P(Z 0.67) 0.75
Πίνακας Αθροιστικών Πιθανοτήτων Ανηγμένη Κανονικής Κατανομής Πως μπορούμε να προσδιορίσουμε τις αθροιστικές πιθανότητες P(Z z) δεδομένης μιας κριτικής τιμής z ή πως μπορούμε να προσδιορίσουμε την z όταν είναι γνωστή η αθροιστική πιθανότητα P(Z z); Πως προσδιορίζουμε κριτικές τιμές z; 1 Πρώτον καθορίζουμε την πιθανότητα για την οποία ζητάμε την κριτική τιμή z. Παράδειγμα: Θέτουμε πιθανότητα 0.75. Επομένως ψάχνουμε για την zέτσιώστε P(Z z) = 0.75 2 Δεύτερον, αναζητούμε την πιο κοντινή στην πιθανότητα 0.75 εντός του πίνακα. Αυτό είναι το 0.7486 3 Τελικά, για να προσδιορίσουμε το z προσθέτουμε τον αριθμό που αντιστοιχεί στην γραμμη με αυτον που αντιστοιχεί στη στήλη την πιθανότητας 0.7486. Επομένως, έχουμε τον 0.60 + 0.07 = 0.67 4 Άρα P(Z 0.67) 0.75
Παράδειγμα Εστω τ.μ. X που εκφράζει τη διάρκεια ζωής ελαστικών σε km κατανέμεται ωςμιακανονικήκατανομήμεμέσητιμή µ = 50καιτυπικήαπόκλιση σ = 5ή X N(50, 5 2 ).Ναβρεθεί: 1 Τιποσοστόελαστικώνέχειδιάρκειααπό 40εωςκαι 60 km; Λύση Μετασχηματίζωτην X N(50, 5 2 )σεανηγμένηκανονική Z = (X 50)/5, έτσι ώστε: 40 50 60 50 P(40 X 60) = P( Z ) = P( 2 Z 2) 5 5 = P(Z 2) P(Z 2) = P(Z 2) [1 P(Z 2)] = 2 P(Z 2) 1 = 2 0.9773 1 = 0, 9546