Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του όγδοου φυλλαδίου ασκήσεων.

Σχετικά έγγραφα
Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του πέμπτου φυλλαδίου ασκήσεων.. Δηλαδή:

Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του τέταρτου φυλλαδίου ασκήσεων.

Λύσεις 4ης Ομάδας Ασκήσεων

ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια)

ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ (Συνέχεια)

x P (x) c P (x) = c P (x), x S : x c

Περιεχόμενα. Ιδιότητες του cov(x, Y) Ιδιότητες των εκτιμητών Παράδειγμα. 1 Συσχέτιση Μεταβλητών. 2 Εκτιμητές και κατάλοιπα

ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Π

c(x 1)dx = 1 xf X (x)dx = (x 2 x)dx = 2 3 x3 x 2 x 2 2 (x 1)dx x 2 f X (x)dx = (x 3 x 2 )dx = 2 4 x4 2 3 x3

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

Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του έβδομου φυλλαδίου ασκήσεων. f X (t) dt για κάθε x. F Y (y) = P (Y y) = P X y b ) a.

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

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

X i = Y = X 1 + X X N.

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

Θεωρία Πιθανοτήτων, εαρινό εξάμηνο Λύσεις του φυλλαδίου ασκήσεων επανάληψης. P (B) P (A B) = 3/4.

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

ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών

200, δηλαδή : 1 p Y (y) = 0, αλλού

4. Απαγορεύεται η χρήση υπολογιστή χειρός. Απαγορεύεται η χρήση κινητού, και ως υπολογιστή χειρός.

Βιομαθηματικά BIO-156

1 1 c c c c c c = 1 c = 1 28 P (Y < X) = P ((1, 2)) + P ((4, 1)) + P ((4, 3)) = 2 1/ / /28 = 18/28

Τυχαίες Μεταβλητές Γεώργιος Γαλάνης Κωνσταντίνα Παναγιωτίδου

Θεωρία Πιθανοτήτων & Στατιστική

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

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

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

ΚΑΤΑΝΟΜΕΣ Ι ΙΑΣΤΑΤΩΝ ΤΥΧΑΙΩΝ ΜΕΤΑΒΛΗΤΩΝ

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

Pr (a X b, c Y d) = c. f XY (x, y) dx dy, (15.1) Pr ((X, Y ) R) = f XY (x, y) dx dy. (15.2)

ΠΟΛΥΔΙΑΣΤΑΤΕΣ ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ

Ακολουθούν ενδεικτικές ασκήσεις που αφορούν την πρώτη εργασία της ενότητας ΔΙΠ50

Λύσεις 2ης Ομάδας Ασκήσεων

ΕΠΑΝΑΛΗΨΗ ΒΑΣΙΚΩΝ ΕΝΝΟΙΩΝ ΣΤΑΤΙΣΤΙΚΗΣ

ΒΑΣΙΚΕΣ ΙΑΚΡΙΤΕΣ ΚΑΤΑΝΟΜΕΣ (Συνέχεια)

3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ

Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών. ΗΥ-217: Πιθανότητες-Χειµερινό Εξάµηνο ιδάσκων : Π. Τσακαλίδης

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2015 ιδάσκων : Π. Τσακαλίδης

Περιεχόμενα 5ης Διάλεξης 1 Ανισότητα Markov 2 Διασπορά 3 Συνδιασπορά 4 Ανισότητα Chebyshev 5 Παραδείγματα Σωτήρης Νικολετσέας, αναπληρωτής καθηγητής 5

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

Πιθανότητες και Αρχές Στατιστικής (5η Διάλεξη) Σωτήρης Νικολετσέας, καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Πανεπιστήμιο Πατρών Ακαδημαϊκό Ετος

Υπολογιστικά & Διακριτά Μαθηματικά

P (A) + P (B), [Α,Β: ξένα µεταξύ τους] P (C A B) [P (A) + P (B)] P (C A) P (A) P (B) 3 4 ( ) 1 7 = 3 7 =

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΟΧΑΣΤΙΚΑ ΜΟΝΤΕΛΑ

P (M = 9) = e 9! =

ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ Ι (ΝΠΣ) ΠΙΘΑΝΟΤΗΤΕΣ Ι (ΠΠΣ) Φεβρουάριος 2010

Τυχαίες μεταβλητές και μέση τιμή

Άσκηση 1: Λύση: Για το άθροισμα ισχύει: κι επειδή οι μέσες τιμές των Χ και Υ είναι 0: Έτσι η διασπορά της Ζ=Χ+Υ είναι:

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΟΧΑΣΤΙΚΑ ΜΟΝΤΕΛΑ

Τυχαία μεταβλητή είναι μία συνάρτηση ή ένας κανόνας που αντιστοιχίζει ένα αριθμό σε κάθε αποτέλεσμα ενός πειράματος.

f(y) dy = b a dy = b a x f(x) dx = b a dx = x 2 = b2 a 2 2(b a) b a dx = = (a2 + ab + b 2 )(b a) 3(b a)

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

ΗΥ-217-ΠΙΘΑΝΟΤΗΤΕΣ-ΧΕΙΜΕΡΙΝΟ ΕΞΑΜΗΝΟ 2016 ΔΙΔΑΣΚΩΝ: ΠΑΝΑΓΙΩΤΗΣ ΤΣΑΚΑΛΙΔΗΣ

P(Ο Χρήστος κερδίζει) = 1 P(Ο Χρήστος χάνει) = 1 P(X > Y ) = 1 2. P(Ο Χρήστος νικά σε 7 από τους 10 αγώνες) = 7

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 { }

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

Θεωρία Πιθανοτήτων & Στατιστική

ΣΥΝΤΟΜΕΣ ΣΗΜΕΙΩΣΕΙΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ ΘΕΜΗΣ ΜΗΤΣΗΣ TΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΗΡΑΚΛΕΙΟ

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

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 { }

Ενδεικτικές ασκήσεις ΔΙΠ 50

17/10/2016. Στατιστική Ι. 3 η Διάλεξη

Διάλεξη 5: Τυχαία Μεταβλητή Κατανομές Πιθανότητας

Δειγματικές Κατανομές

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

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

Τυχαία Διανύσματα και Ανεξαρτησία

Στατιστική Ι-Θεωρητικές Κατανομές Ι

ΠΑΝΕΛΛΑΔΙΚΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΠΑΡΑΣΚΕΥΗ 30 ΜΑΪΟΥ 2014

pdf: X = 0, 1 - p = q E(X) = 1 p + 0 (1 p) = p V ar(x) = E[(X µ) 2 ] = (1 p) 2 p + (0 p) 2 (1 p) = p (1 p) [1 p + p] = p (1 p) = p q

Κεφάλαιο 3: Τυχαίες µεταβλητές και κατανοµές πιθανότητας.

pdf: X = 0, 1 - p = q E(X) = 1 p + 0 (1 p) = p V ar(x) = E[(X µ) 2 ] = (1 p) 2 p + (0 p) 2 (1 p) = p (1 p) [1 p + p] = p (1 p) = p q

Τυχαίες Μεταβλητές (τ.µ.)

ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΑΣΚΗΣΕΙΣ

Διακριτές Κατανομές. Κώστας Γλυκός ΜΑΘΗΜΑΤΙΚΟΣ. Ασκήσεις για ΑΕΙ και ΤΕΙ. Kglykos.gr. σε Διακριτές Κατανομές. τεχνικές. 42 άλυτες ασκήσεις.

Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών Εθνικό Μετσόβιο Πολυτεχνείο. Ενδεικτικές Λύσεις Ασκήσεων. Κεφάλαιο 1. Κοκολάκης Γεώργιος

Επισκόπηση ύλης Πιθανοτήτων: Μέρος ΙΙ. M. Kούτρας

Άσκηση 1. (15 μονάδες) Να υπολογίσετε τα ολοκληρώματα: (ii) (i)

Περίληψη ϐασικών εννοιών στην ϑεωρία πιθανοτήτων

Y = X 1 + X X N = X i. i=1

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Εξετάσεις στο μάθημα ΠΙΘΑΝΟΤΗΤΕΣ Ι

Απειροστικός Λογισμός Ι, χειμερινό εξάμηνο Λύσεις έκτου φυλλαδίου ασκήσεων.

P(200 X 232) = =

Απειροστικός Λογισμός Ι, χειμερινό εξάμηνο Λύσεις έβδομου φυλλαδίου ασκήσεων.

ΠΑΛΙΝ ΡΟΜΗΣΗ..Π.Μ.Σ. Μαθηµατικά των Υπολογιστών και των Αποφάσεων. Πάτρα, 27 Ιανουαρίου 2011

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

Θεωρία Πιθανοτήτων & Στατιστική

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

Dunamoseirèc A. N. Giannakìpouloc, Tm ma Statistik c OPA

ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ

Η διακριτή συνάρτηση μάζας πιθανότητας δίνεται από την

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

Π Α Ν Ε Λ Λ Η Ν Ι Ε Σ Μ Α Θ Η Μ Α Τ Ι Κ Α K A I Σ Τ Ο Ι Χ Ε Ι Α Σ Τ Α Τ Ι Σ Τ Ι Κ Η Σ

Στατιστική Ι-Πιθανότητες Ι

x. Αν ισχύει ( ) ( )

Συνεχείς Κατανομές. Κώστας Γλυκός ΜΑΘΗΜΑΤΙΚΟΣ. Ασκήσεις για ΑΕΙ και ΤΕΙ. Kglykos.gr. σε Συνεχείς Κατανομές. τεχνικές. 30 ασκήσεις.

Τυχαία μεταβλητή (τ.μ.)

ΣΤΑΤΙΣΤΙΚΗ ΠΙΘΑΝΟΤΗΤΕΣ

Transcript:

Θεωρία Πιθανοτήτων, εαρινό εξάμηνο 2017-. Λύσεις του όγδοου φυλλαδίου ασκήσεων. 1. Έστω F X, F Y οι συναρτήσεις κατανομής των τ.μ. X, Y και F X,Y η από κοινού συνάρτηση κατανομής τους. Αποδείξτε ότι (i) lim + F X,Y (, ) = F X (), lim F X,Y (, ) = 0. (ii) lim + F X,Y (, ) = F Y (), lim F X,Y (, ) = 0. (iii) lim + F X,Y (, ) = F X,Y (, ). (iv) lim + F X,Y (, ) = F X,Y (, ). (v) lim F X,Y (, ) = F X,Y (, ) P (X =, Y ). (vi) lim F X,Y (, ) = F X,Y (, ) P (X, Y = ). (i) Έστω ( n ) οποιαδήποτε αύξουσα ακολουθία στο R με n +. Θεωρούμε τα ενδεχόμενα A n = {ω Ω X(ω), Y (ω) n } και A = {ω Ω X(ω) }. Τότε A n A n+1 για κάθε n και + n=1 A n = A. F X,Y (, n ) = P (X, Y n ) = P (A n ) P (A) = P (X ) = F X (). lim + F X,Y (, ) = F X (). Έστω ( n ) οποιαδήποτε φθίνουσα ακολουθία στο R με n. Θεωρούμε τα ενδεχόμενα A n όπως πριν και τότε A n+1 A n για κάθε n και + n=1 A n =. F X,Y (, n ) = P (X, Y n ) = P (A n ) P ( ) = 0. lim F X,Y (, ) = 0. (ii) Ομοίως. (iii) Έστω ( n ) οποιαδήποτε φθίνουσα ακολουθία στο R με n. Θεωρούμε τα ενδεχόμενα A n = {ω Ω X(ω) n, Y (ω) } και A = {ω Ω X(ω), Y (ω) }. Τότε A n+1 A n για κάθε n και + n=1 A n = A. F X,Y ( n, ) = P (X n, Y ) = P (A n ) P (A) = P (X, Y ) = F X,Y (, ). lim + F X,Y (, ) = F X,Y (, ). (iv) Ομοίως. (v) Έστω ( n ) οποιαδήποτε αύξουσα ακολουθία στο R με n. Θεωρούμε τα ενδεχόμενα A n = {ω Ω X(ω) n, Y (ω) } και A = {ω Ω X(ω), Y (ω) }, B = {ω Ω X(ω) <, Y (ω) }, C = {ω Ω X(ω) =, Y (ω) }. Τότε A n A n+1 για κάθε n και + n=1 A n = B. A = B C και B C =. F X,Y ( n, ) = P (X n, Y ) = P (A n ) P (B) = P (A) P (C) = P (X, Y ) P (X =, Y ) = F X,Y (, ) P (X =, Y ). lim F X,Y (, ) = F X,Y (, ) P (X =, Y ). (vi) Ομοίως. { 1, αν + 0 2. Θεωρήστε την συνάρτηση F (, ) = Είναι η F συνάρτηση κατανομής 0, αν + < 0 μιας διδιάστατης τυχαίας μεταβλητής; Αν η F είναι συνάρτηση κατανομής μιας διδιάστατης τυχαίας μεταβλητής, τότε για κάθε ορθογώνιο [a, b] [c, d] ισχύει Αυτό δεν ισχύει για το [ 1, 1] [ 1, 1]. 0 F (b, d) F (a, d) F (b, c) + F (a, c) 1. 1

3. Ρίχνουμε δύο φορές ένα ζάρι και θεωρούμε το ζεύγος (i, j) των πιθανών ενδείξεων. Έστω X = i + j και Y = i j. (i) Είναι η (X, Y ) διακριτή; Βρείτε την απο κοινού συνάρτηση πιθανότητας f X,Y των X, Y. (ii) Βρείτε την συνάρτηση πιθανότητας της τυχαίας μεταβλητής E(X Y ) και υπολογίστε την E(E(X Y )). (iii) Βρείτε την συνάρτηση πιθανότητας της τυχαίας μεταβλητής E(Y X) και υπολογίστε την E(E(Y X)). (iv) Υπολογίστε τις E(X + Y ), Var(X + Y ), Cov(X, Y ). (i) Το σύνολο των πιθανών τιμών της X είναι το A 0 = {2, 3,..., 11, 12} και το σύνολο των πιθανών τιμών της Y είναι το B 0 = { 5, 4,..., 4, 5}. η (X, Y ) είναι διακριτή και το σύνολο των πιθανών τιμών της είναι το A 0 B 0. Στην πραγματικότητα, το σύνολο των πιθανών τιμών της (X, Y ) είναι μικρότερο από το A 0 B 0. Για παράδειγμα, το μοναδικό πιθανό ζευγάρι της μορφής (2, ) είναι το (2, 0). Τελικά το σύνολο πιθανών τιμών περιορίζεται στο C 0 = {(2, 0), (3, 1), (3, 1), (4, 2), (4, 0), (4, 2), (5, 3), (5, 1), (5, 1), (5, 3), (, 4), (, 2), (, 0), (, 2), (, 4), (7, 5), (7, 3), (7, 1), (7, 1), (7, 3), (7, 5), (8, 4), (8, 2), (8, 0), (8, 2), (8, 4), (9, 3), (9, 1), (9, 1), (9, 3), (10, 2), (10, 0), (10, 2), (11, 1), (11, 1), (12, 0)}. Κάθε άλλο ζευγάρι (, ) A 0 B 0 πιάνεται με πιθανότητα ίση με 0. Αν (, ) C 0, τότε το ενδεχόμενο X =, Y = είναι το ίδιο με το ενδεχόμενο i = + 2, j = 2. ( f X,Y (, ) = P (X =, Y = ) = P i = + 2 (ii) Για τις περιθώριες συναρτήσεις πιθανότητας έχουμε, j = ) = 1 2 3. f X () = f X,Y (, ), f Y () = f X,Y (, ). f X (2) = f X,Y (2, 0) = 1/3. f X (3) = f X,Y (3, 1) + f X,Y (3, 1) = 2/3. f X (4) = f X,Y (4, 2) + f X,Y (4, 0) + f X,Y (4, 2) = 3/3. f X (5) = f X,Y (5, 3) + f X,Y (5, 1) + f X,Y (5, 1) + f X,Y (5, 3) = 4/3. f X () = f X,Y (, 4) + f X,Y (, 2) + f X,Y (, 0) + f X,Y (, 2) + f X,Y (, 4) = 5/3. f X (7) = f X,Y (7, 5) + f X,Y (7, 3) + f X,Y (7, 1) + f X,Y (7, 1) + f X,Y (7, 3) + f X,Y (7, 5) = /3. f X (8) = f X,Y (8, 4) + f X,Y (8, 2) + f X,Y (8, 0) + f X,Y (8, 2) + f X,Y (8, 4) = 5/3. f X (9) = f X,Y (9, 3) + f X,Y (9, 1) + f X,Y (9, 1) + f X,Y (9, 3) = 4/3. f X (10) = f X,Y (10, 2) + f X,Y (10, 0) + f X,Y (10, 2) = 3/3. f X (11) = f X,Y (11, 1) + f X,Y (11, 1) = 2/3. f X (12) = f X,Y (12, 0) = 1/3. 2

Ομοίως, f Y ( 5) = f X,Y (7, 5) = 1/3. f Y ( 4) = f X,Y (, 4) + f X,Y (8, 4) = 2/3. f Y ( 3) = f X,Y (5, 3) + f X,Y (7, 3) + f X,Y (9, 3) = 3/3. f Y ( 2) = f X,Y (4, 2) + f X,Y (, 2) + f X,Y (8, 2) + f X,Y (10, 2) = 4/3. f Y ( 1) = f X,Y (3, 1) + f X,Y (5, 1) + f X,Y (7, 1) + f X,Y (9, 1) + f X,Y (11, 1) = 5/3. f Y (0) = f X,Y (2, 0) + f X,Y (4, 0) + f X,Y (, 0) + f X,Y (8, 0) + f X,Y (10, 0) + f X,Y (12, 0) = /3. f Y (1) = f X,Y (3, 1) + f X,Y (5, 1) + f X,Y (7, 1) + f X,Y (9, 1) + f X,Y (11, 1) = 5/3. f Y (2) = f X,Y (4, 2) + f X,Y (, 2) + f X,Y (8, 2) + f X,Y (10, 2) = 4/3. f Y (3) = f X,Y (5, 3) + f X,Y (7, 3) + f X,Y (9, 3) = 3/3. f Y (4) = f X,Y (, 4) + f X,Y (8, 4) = 2/3. f Y (5) = f X,Y (7, 5) = 1/3. Η τ.μ. E(X Y ) έχει τιμές E(X Y = ) = f X Y ( ) = / f X,Y (, ) f Y () με αντίστοιχη πιθανότητα f Y (). Κάνοντας πράξεις: E(X Y = 5) = ( 7f X,Y (7, 5) ) 3 = 7. E(X Y = 4) = ( f X,Y (, 4) + 8f X,Y (8, 4) ) 3/2 = 7. E(X Y = 3) = ( 5f X,Y (5, 3) + 7f X,Y (7, 3) + 9f X,Y (9, 3) ) 3/3 = 7. E(X Y = 2) = ( 4f X,Y (4, 2) + f X,Y (, 2) + 8f X,Y (8, 2) + 10f X,Y (10, 2) ) 3/4 = 7. E(X Y = 1) = ( 3f X,Y (3, 1) + 5f X,Y (5, 1) + 7f X,Y (7, 1) + 9f X,Y (9, 1) + 11f X,Y (11, 1) ) 3/5 = 7. E(X Y = 0) = ( 2f X,Y (2, 0) + 4f X,Y (4, 0) + f X,Y (, 0) + 8f X,Y (8, 0) + 10f X,Y (10, 0) + 12f X,Y (12, 0) ) 3/ = 7. E(X Y = 1) = ( 3f X,Y (3, 1) + 5f X,Y (5, 1) + 7f X,Y (7, 1) + 9f X,Y (9, 1) + 11f X,Y (11, 1) ) 3/5 = 7. E(X Y = 2) = ( 4f X,Y (4, 2) + f X,Y (, 2) + 8f X,Y (8, 2) + 10f X,Y (10, 2) ) 3/4 = 7. E(X Y = 3) = ( 5f X,Y (5, 3) + 7f X,Y (7, 3) + 9f X,Y (9, 3) ) 3/3 = 7. E(X Y = 4) = ( f X,Y (, 4) + 8f X,Y (8, 4) ) 3/2 = 7. E(X Y = 5) = ( 7f X,Y (7, 5) ) 3 = 7. η τ.μ. E(X Y ) έχει μόνο μία πιθανή τιμή, την 7. Επομένως, E(E(X Y )) = 7. Η E(E(X Y )) μπορεί να υπολογιστεί και αλλιώς: E(E(X Y )) = E(X) = f X () = 2f X (2)+3f X (3)+ +11f X (11)+12f X (12) = 7. (iii) Ομοίως. (iv) Έχουμε: E(X) = f X () = 2f X (2) + 3f X (3) + + 11f X (11) + 12f X (12) = 7. 3

E(Y ) = Var(X) = f Y () = ( 5)f Y ( 5) + ( 4)f Y ( 4) + + 4f Y (4) + 5f Y (5) = 0. E(X + Y ) = E(X) + E(Y ) = 7 + 0 = 7. ( E(X)) 2 f X () = (2 7) 2 f X (2) + (3 7) 2 f X (3) + + (11 7) 2 f X (11) + (12 7) 2 f X (12) = 35/. Var(Y ) = ( E(Y )) 2 f Y () = ( 5) 2 f Y ( 5) + ( 4) 2 f Y ( 4) + + 4 2 f Y (4) + 5 2 f Y (5) = 35/. Τέλος, Cov(X, Y ) = E ( (X E(X))(Y E(Y )) ) = ( E(X))( E(Y ))f X,Y (, )., Κάνοντας πράξεις, βρίσκουμε Cov(X, Y ) = 0. Var(X + Y ) = Var(X) + Var(Y ) + 2 Cov(X, Y ) = 35/3. 4. Όπως στο προηγούμενο πρόβλημα, αλλά με X = i και Y = ma{i, j}. Η λύση είναι παρόμοια με του προηγούμενου προβλήματος. 5. Η συνάρτηση πιθανότητας της δ.τ.μ. (X, Y ) είναι η f X,Y (, ) = + 2 c για, = 1, 2, 3, όπου c > 0 είναι μια σταθερά. (i) Υπολογίσετε την c. (ii) Βρείτε τις περιθώριες συναρτήσεις πιθανότητας f X () και f Y (). (iii) Βρείτε την δεσμευμένη συνάρτηση πιθανότητας f X Y ( ). Βρείτε την συνάρτηση πιθανότητας της τυχαίας μεταβλητής E(X Y ) και υπολογίστε την E(E(X Y )). (iv) Υπολογίστε τις E(X + Y ), Var(X + Y ), Cov(X, Y ). (i) Υπολογίζουμε f X,Y (, ) = 1 ( + 2) = c c., Επειδή πρέπει να ισχύει, f X,Y (, ) = 1, συνεπάγεται c =. (ii) Ισχύει f X () = f X,Y (, ) = 1 ( + 2) = για = 1, 2, 3. f Y () = f X,Y (, ) = 1 ( + 2) = για = 1, 2, 3. Οι τιμές της E(X Y ) είναι E(X Y = ) = f X Y ( ) = f X,Y (, ) f Y () f X Y ( ) =, = + 2 3 4 ( + 2) 3 για, = 1, 2, 3. = + 2 3 για = 1, 2, 3

με αντίστοιχες πιθανότητες f Y () =. E(E(X Y )) = E(X Y = )f Y () = + 2 3 = 1 ( + 2) = 7/3. Ο υπολογισμός της E(E(X Y )) γίνεται και ως εξής: E(E(X Y )) = E(X) = f X () = 2 = 7/3. (iv) Είδαμε ότι E(X) = 7/3 και ομοίως E(Y ) = 7/3. E(X + Y ) = E(X) + E(X) = 14/3. E(X 2 ) = 2 f X () = 1 3 = οπότε Var(X) = E(X 2 ) E(X) 2 = 5/9. Ομοίως, Var(Y ) = 5/9. E(XY ) = f X,Y (, ) = 1, ( + 2) = 1/3., και Cov(X, Y ) = E(XY ) E(X)E(Y ) = 1/9 Var(X + Y ) = Var(X) + Var(Y ) + 2 Cov(X, Y ) = 8/9.. Έστω ότι η δ.τ.μ. Y ακολουθεί την κατανομή Poisson με παράμετρο λ και ότι η δεσμευμένη συνάρτηση πιθανότητας της δ.τ.μ. X όταν γνωρίζουμε ότι Y = είναι δυωνυμική με παραμέτρους, p. Βρείτε την κατανομή της X. Κατ αρχάς, f X,Y (, ) = f X Y ( )f Y () = ( )p (1 p) λ λ e! = e λ (λp)! (λ(1 p)) ( )! για = 0, 1, 2,... και = 0, 1,...,. f X () = + = λ (λp) = e! λ (λp) + (λ(1 p)) f X,Y (, ) = e! ( )! = + =0 (λ(1 p))! λ (λp) = e e λ(1 p) λp (λp) = e!! για = 0, 1, 2,.... Δηλαδή, η X ακολουθεί την κατανομή Poisson με παράμετρο λp. 5