3 NÁHODNÁ VELIINA. as ke studiu kapitoly: 80 minut. Cíl: Po prostudování tohoto odstavce budete umt

Transkript

1 NÁHODNÁ VELIINA as ke studiu kapitoly: 8 minut Cíl: Po prostudování tohoto odstavce budete umt obecn popsat náhodnou veliinu pomocí distribuní funkce charakterizovat diskrétní i spojitou náhodnou veliinu porozumt funkci intenzity potuch urovat íselné charakteristiky náhodné veliiny transformovat náhodnou veliinu

2 Výklad:. Definice náhodné veliiny Mjme pravdpodobnostní prostor (, S, P). Náhodná veliina X je reálná funkce X() prvk ze základního prostoru. taková, že pro každé reálné x (x R) je X( < x ) S, tj. náhodným jevem. Tedy náhodná veliina je množina { } zobrazení X : R takové, že pro každé x R platí: X - ((-, x)) { ω Ω X( < x )} Z definice plyne, že pro libovolné x R mžeme urit pravdpodobnost toho, že X( ω ) < x. S Základní prostor Ω Množina všech hodnot { x X( ω } ), se nazývá základní soubor. Prvodce studiem: Pro ty z Vás, kteí nemají rádi matematické definice, zkusíme vysvtlit pojem náhodná veliina ješt jiným zpsobem. Výsledkem náhodného pokusu je v mnoha pípadech reálné íslo (doba do poruchy, píjem státního zamstnance, poet žák v. tíd...). Pak je možno íci, že náhodnou veliinou nazveme takový výsledek náhodného pokusu, který je dán reálným íslem. Náhodné veliiny (NV) budeme oznaovat velkými písmeny z konce abecedy (nap. X, Y, Z nebo X, X,...). Jejich konkrétní realizace pak malými písmeny (x, y, z nebo x, x,...)

3 Píklad: Náhodná veliina X... Poet dtí ženy starší 8-ti let (obecn) x... Poet dtí jedné konkrétní ženy (konkrétní realizace NV X) Výklad: Jedním z úkol teorie pravdpodobnosti je vybudovat matematický aparát, který piadí všem zajímavým podmnožinám množiny reálných ísel R píslušné pravdpodobnosti.. Distribuní funkce Definice: Nech X je náhodná veliina. Reálnou funkci F(t) definovanou pro všechna reálná t, t R vztahem: F(t) P{X (-, t)} P(X < t) nazveme distribuní funkcí náhodné veliiny X. Distribuní funkce je tedy funkce, která každému reálnému íslu piazuje pravdpodobnost, že náhodná veliina nabude hodnoty menší než toto reálné íslo. Distribuní funkce má adu vlastností, které vyplývají pímo z její definice:. Distribuní funkce je nezáporné íslo menší nebo rovno jedné: F(x). Distribuní funkce je neklesající, tj. x, x R: x < x F( x ) F( x ),. Distribuní funkce F( x ) je zleva spojitá. lim F(x) ; lim F(x) x + x 5. a, b R; a < b: P( a X < b ) F( b ) - F( a ) 6. P X x ) lim F(x) F( x ) ( x x + Rozlišujeme dva základní druhy náhodné veliiny - spojitou (mže nabývat hodnot z njakého intervalu) a diskrétní (mže nabývat pouze konen nebo spoetn mnoha hodnot), pesnji eeno náhodnou veliinu se spojitým a diskrétním rozdlením.. Diskrétní náhodná veliina O diskrétní náhodné veliin hovoíme tehdy, jestliže náhodná veliina nabývá pouze hodnot z njaké konené i spoetné množiny. Jedná se nejastji o celoíselné náhodné veliiny, nap. poet student, kteí vstoupili do hlavní budovy VŠB TUO bhem dopoledne (,,,...), poet len domácnosti (,,,...), poet dopravních nehod za jeden den na dálnici z Prahy do Brna (,,,...), souet ok pi hodu temi kostkami (,,...,8) apod

4 Definice: Budeme íkat, že náhodná veliina X má diskrétní rozdlení pravdpodobnosti práv tehdy, když:. konená nebo spoetná množina reálných ísel M{ x,..., x n,... } takových, že P( X x i ) > i,,...n. i P( X x i ) Funkce P( X x i ) P( x i ) se nazývá pravdpodobnostní funkcí náhodné veliiny X Distribuní funkce takového rozdlení je schodovitá se skoky v bodech x,..., x n,.. Pro distribuní funkci diskrétní náhodné veliiny platí: F( x ) P(X xi < x x ) i ešený píklad: Mjme náhodnou veliinu X definovanou jako výsledek hodu klasickou pravidelnou kostkou. Urete typ NV, její pravdpodobnostní a distribuní funkci (zakreslete). ešení: X... výsledek hodu kostkou Základní soubor NV X (množina všech možných výsledk): Ω {; ; ; ; 5; 6} Vzhledem k tomu, že základní soubor je tvoen konen mnoha (šesti) hodnotami, jedná se o diskrétní NV Pravdpodobnostní funkce této NV je uvedena v následující tabulce: x i P( X x i ) /6 /6 /6 /6 5 /6 6 /6 (nap. P(X) teme: pravdpodobnost, že výsledek hodu kostkou je ). V tabulce jsou pitom uvedeny pouze nenulové hodnoty pravdpodobnostní funkce. Je zejmé, že platí:

5 x i R \ Ω : P( X x ) (nap. P(X,5)P(X-)... ). Všimnte si zárove, že je splnna. ást definice diskrétní NV : P ( X ) ( i) x i Na následujícím obrázku pak vidíme grafickou podobu pravdpodobnostní funkce (izolované body). i P(x) /6 5 6 xx Dále se pokusíme na základ definice urit distribuní funkci. Z vlastností distribuní funkce vyplývá, že body nespojitosti této funkce jsou ty body, v nichž je pravdpodobnostní funkce nenulová (P( x x ) lim F(x) - F( x )). Proto si uríme hodnoty distribuní funkce na x x + všech intervalech vymezených body nespojitosti. nap.: x ( ; : F( x) P( X < x) (pravdpodobnost, že na kostce padne íslo menší než ) x ( ; : F( x) P( X < x) / 6 (pravdpodobnost, že na kostce padne íslo menší než ) x ( ; : F( x) P( X < x) / 6 (pravdpodobnost, že na kostce padne íslo menší než )... Hodnoty distribuní funkce na celém defininím oboru (R) jsou uvedeny v následující tabulce. x i F( x i ) (- ;> (;> /6 (;> /6 (;> /6 (;5> /6 (5;6> 5/6 (6; ) Na grafu distribuní funkce si všimnte jejich vlastností: neklesající zleva spojitá lim F(x) ; lim F(x) x + x - 9 -

6 P(x) 5 6 x P X x ) lim F(x) F( x ), tj.: ( x x + distribuní funkce je nespojitá v bodech, v nichž je pravdpodobnostní funkce nenulová velikost skoku v bodech nespojitosti je rovna píslušné pravdpodobnosti F(x) /6 /6 5 6 x. Spojitá náhodná veliina Jestliže náhodná veliina mže nabýt jakékoliv hodnoty z uritého intervalu, hovoíme o náhodné veliin se spojitým rozdlením. Jako píklad lze uvést: životnost výrobku (, ), délku uritého pedmtu (, ), náhodn vybrané reálné íslo (-, ) apod. V takovém pípad nelze jednotlivým realizacím náhodné veliiny piazovat pravdpodobnostní funkci, ponvadž tato pravdpodobnost je nulová. ešený píklad: Urete jaká je pravdpodobnost, že životnost žárovky bude pesn 5 hodin. ešení: Zkusme hledanou pravdpodobnost najít na základ klasické pravdpodobnosti, tj. jako pomr potu píznivých možností a potu všech možností. X životnost žárovky Poet píznivých možností: Poet všech možností: P ( X 5) " " Pravdpodobnost, že životnost žárovky bude pesn 5 hodin je nulová. Už je Vám jasné pro je pravdpodobnost toho, že nastane libovolná realizace spojité náhodné veliiny, nulová? - 9 -

7 Výklad: Mžeme však stanovit pravdpodobnost výskytu náhodné veliiny v libovolném intervalu. To znamená, že pro její popis mžeme použít distribuní funkci. Distribuní funkce spojité náhodné veliiny je definována takto: x ( t) dt pro < x < F( x) f, kde reálnou nezápornou funkci f(x) nazveme hustotou pravdpodobnosti. Hustota pravdpodobnosti je definována jako: F( x + x) F( x) P( x < X < x + x) f ( x) lim lim, x x x x tj. jako limita pravdpodobnosti, že veliina X padne do intervalu (x; x+x), vydlená délkou tohoto intervalu v pípad, že se tato délka blíží nule. Pro hustotu pravdpodobnosti platí: Dkaz: f ( x) t t f ( x) lim f ( x) lim F( t) t Dá se ukázat, že ve všech bodech, kde existuje derivace distribuní funkce, platí: f ( x) df( x) Známe-li tedy distribuní funkci, mžeme lehce urit hustotu pravdpodobnosti a naopak, známe-li hustotu pravdpodobnosti, snadno vtšinou spoítáme distribuní funkci... Pravdpodobnost výskytu spojité NV v njakém intervalu Jaký je tedy vztah mezi pravdpodobnosti výskytu spojité NV v njakém intervalu a distribuní funkci (pop. hustotou pravdpodobnosti)? - 9 -

8 Distribuní funkce v bod x je definována jako pravdpodobnost, že náhodná veliina nabývá hodnot menších než x (že náhodná veliina leží v intervalu (-; x). Z této definice plyne, že a, b R :. P ( X < a) F( a) f ( x) a. P ( X a) F( a) f ( x). P ( a X < b) F( b) F( a) f ( x) a F( x) P( X < x) P{ X ( ; x)} b a Jelikož pro spojitou náhodnou veliinu platí, že P ( X x), mžeme dále tvrdit, že:. P ( X x) 5. P ( X a) P( X < a) 6. P ( X a) P( X > a) 7. P ( a X < b) P( a X b) P( a < X b) P( a < X < b) Dkazy:. plyne z definice distribuní funkce (obecn a speciáln pro spojitou NV). P( X a) P( X < a) F( a) (jev ( X < a) je negací jevu ( a) X<a Xa X ) - a P ( X a) F( a) f a ( x) f ( x) f ( x). P( a X < b) P( X < b) P( X < a) F( b) F( a) f ( x) f ( x) f ( x) X<b X<a a b a b a - a b - 9 -

9 . plyne z definice spojité NV distribuní funkce spojité NV je spojitá funkce a proto P x x ) lim F(x) F( x ) ( x x + 5. P ( x a), P ( X a) P( X a) + P( X < a) P( X < a) 6. P ( x a), P ( X a) P( X a) + P( X > a) P( X > a) 7. P ( x a), P( X b), P( a X < b) P( X a) + P( X b) + P( a < X < b) P( a < X < b) P( a < X b).. Geometrická interpretace vztahu mezi pravdpodobnosti a hustotou pravdpodobnosti Pipomeme si (viz. geometrická interpretace integrálu), že integrál z kivky je vlastn velikost plochy pod touto kivkou. Víme že pro hustotu pravdpodobnosti platí, že: f ( x) Je tedy zejmé, že obsah celé plochy pod kivkou f(x) dává dohromady jedniku. To je analogické situaci u diskrétní náhodné veliiny, kde souet pravdpodobností všech možných výsledk rovnž dával jedniku. Zárove jsme si ukázali, že: P ( a X < b) f ( x) b a A proto mžeme íci, že obsah plochy pod kivkou f(x) pro x < a;b) je pravdpodobnost, že X nabude hodnoty z tohoto intervalu ( a, b R ). P(a X < b) f(x) x Obdobn mžeme znázornit pravdpodobnosti: - 9 -

10 a P ( X < a) f ( x), P ( X a) f ( x) a Píklad Logistické rozdlení pravdpodobnosti má následující distribuní funkci F(x) a hustotu pravdpodobnosti f(x): F( x ) -( + x) f ( x ) -( + x) -( + x) +e e ( + e ) ešený píklad: Nech Y je spojitá promnná definována hustotou pravdpodobnosti: c( y)( + y) f ( y) < y < jinde a) naleznte konstantu c, b) zakreslete f(y) c) naleznte a zakreslete distribuní funkci F(y), d) urete: P(<Y<), P(Y>,5), P(Y,) ešení: a) pro nalezení konstanty c využijeme toho, že: dt + c( t t + ct ) dt + + dt f ( x)

11 y ( ) c( ) ( ) c. c,75 b) f ( y) ( y)( + y) < y < jinde Hustota pravdpodobnosti f(y),8,6,, - - -, y c) Distribuní funkci uríme z definice: F( y) f ( t) dt pro < y < Pro < y < : F( y) dt Pro < Pro y y y t y : F( y) dt + ( t ) dt + t ( y + y + ) t y < : F ( y) dt + ( t ) dt + dt + t y y + Distribuní funkce F(y),,8,6,, , F(y)

12 d) Pravdpodobnosti výskytu náhodné veliiny Y na uritém intervalu uríme pomocí píslušných vztah: P ( < Y < ) F() F() ( + + ) ~ 5% P ( Y >,5) F(,5) ( ( ) P ( Y,) +. + ) 7 5 ~ 5,6% Výklad:.5 Intenzita poruch Pro nezápornou náhodnou veliinu X se spojitým rozdlením definujeme pro F(t) (tj. F(t)<) intenzitu poruch λ(t) : λ ( t) f ( t) F( t) Pedstavuje-li náhodná veliina X dobu do poruchy njakého zaízení, pak intenzita poruch vyjaduje, že pokud do asu t nedošlo k žádné poruše, tak pravdpodobnost, že k ní dojde v následujícím okamžiku malé délky t, je pibližn λ( t). t : ( t X t + t X t) P < > f ( t) F( t) t λ( t). t Vzájemné pevody mezi f ( t), F( t), λ( t) udává následující tabulka: F(t) f(t) ( ) λ t t t F(t) F(t) f ( x) exp λ( x) df( t) t f(t) λ t exp λ x df( t) f ( t) t dt λ( t ) F( t) f ( x) λ ( t) dt f(t) ( ) ( )

13 .5. Jak vypadá nejastjší grafická interpretace intenzity poruch? Pokud zstaneme u pedstavy, že náhodná veliina X popisuje dobu do poruchy njakého zaízení, pak typický tvar intenzity poruch je zobrazen na následujícím obrázku. λ( t) t Kivka na tomto obrázku se nazývá vanová kivka a obvykle se dlí na ti úseky (I, II, III). I. V prvním úseku kivka intenzity poruch klesá. Odpovídající asový interval se nazývá období asných poruch (období zábhu, období poáteního provozu, období osvojování nebo období dtských nemocí podle analogie s úmrtnostní kivkou lovka). Píinou zvtšené intenzity poruch v tomto období jsou poruchy v dsledku výrobních vad, nesprávné montáže, chyb pi návrhu, nebo pi výrob apod. II. III. Ve druhém úseku dochází k bžnému využívání zabhnutého výrobku, k poruchám dochází vtšinou z vnjších píin, nedochází k opotebení, které by zmnilo funkní vlastnosti výrobku. Intenzita poruch je v tomto období pibližn konstantní. Píslušný asový interval se nazývá období normálního užití, i stabilního života. Ve tetím úseku procesy stárnutí a opotebení mní funkní vlastnosti výrobku, projevují se nastádané otesy výrobku z období II (analogie s nesprávnou životosprávou lovka), trhliny materiálu a intenzita poruch vzrstá. Píslušný asový interval se nazývá období poruch v dsledku stárnutí a opotebení..6 íselné charakteristiky náhodné veliiny Rozdlení pravdpodobnosti každé náhodné veliiny X je pln popsáno pomocí její distribuní funkce F(x), pop. podle hustoty pravdpodobnosti f(x). V mnoha pípadech je však výhodné shrnout celkovou informaci o náhodné veliin do nkolika ísel, které charakterizují nkteré vlastnosti této náhodné veliiny a rovnž umožují srovnání rzných náhodných veliin. Tato ísla se nazývají íselné charakteristiky náhodné veliiny X. Nyní se seznámíme s nkterými z nich

14 Momenty rozdlení Obecný moment r-tého ádu µ r ' znaíme µ r ' EX r (r,,, ), r pro diskrétní NV: x. P( x ) µ r,,,... r ( i) i i pro spojitou NV:, x r r. f ( x) µ r,,, (pokud uvedená ada nebo integrál konvergují absolutn) Centrální moment r-tého ádu µ r znaíme µ E( X EX ) (r,,,...), r pro diskrétní NV: ( x EX ). P( x ) r ( i), pro spojitou NV: ( x EX ). r µ r,,... r r f ( x) i µ r,,, (pokud uvedená ada nebo integrál konvergují absolutn) Stední hodnota ( expected value ) Stední hodnota NV je definována jako první obecný moment. Znaí se EX nebo µ. pro diskrétní NV: EX µ xi. P( x i ) ( i) pro spojitou NV: EX µ x. f ( x) Vlastnosti stení hodnoty:. E( ax + b) aex + b a, b R (tj. násobíme-li k X konstantou, násobí se jí i její stední hodnota; piteme-li k X konstantu, zvýší se o tuto konstantu i její stední hodnota). E ( X + X ) EX + EX (tj. stední hodnota soutu náhodných veliin je rovna soutu jednotlivých stedních hodnot). X X... nezávislé NV E( X. X ) E( X ). E( ), X (tj. jsou-li NV X, X nezávislé, pak stední hodnota jejich souinu je rovna souinu jednotlivých stedních hodnot)

15 . (Y g( X ); g( X ) spojitá f-ce) EY E( g( X )) pro diskrétní NV Y: EY g( x ). P( X ) i i x i pro spojitou NV Y: EY g( x ). f( x) Rozptyl ( disperze, variance ) Rozptyl je druhým centrálním momentem, charakterizuje šíku rozdlení a znaí se DX, pop. σ. DX µ ( ) ( ) E X EX EX EX Dkaz výše uvedeného tvrzení je založen na vlastnostech stední hodnoty. pro diskrétní NV: pro spojitou NV: Vlastnosti rozptylu: DX DX x. ( ) i P xi ( i) ( i) x. f ( x) x. f ( x) x. ( ) i P xi. D( ax + b) a DX, a R (tj. násobíme-li náhodnou veliinu konstantou, hodnota jejího rozptylu se vynásobí druhou mocninou této konstanty; piteme-li k náhodné veliin konstantu, její rozptyl se nezmní). X, X... nezávislé NV D( X + X ) DX + DX (tj. jsou-li NV X, X nezávislé, pak rozptyl jejich souinu je roven souinu jednotlivých rozptyl) Smrodatná odchylka ( standard deviation ) Smrodatná odchylka je definována jako odmocnina z rozptylu a znaí se σ x. σ x DX Šikmost ( skewness ) Je mírou symetrie daného rozdlení pravdpodobnosti, znaí se a a je definována jako: - -

16 a µ σ x Symetrii rozdlení (vzhledem k symetrii normovaného normálního rozdlení) pak posuzujeme takto: a symetrické rozdlení a <... negativn zešikmený soubor a >... pozitivn zešikmený soubor Špiatost ( kurtosis ) Je mírou špiatosti (plochosti) rozdlení, znaí se a a je definována jako: a µ σ x Špiatost rozdlení (vzhledem ke špiatosti normovaného normálního rozdlení) pak posuzujeme takto: a... normální špiatost (tj. špiatost normálního rozdlení) a <... menší špiatost než u normálního rozdlení ( plošší ) a >... vtší špiatost než u normálního rozdlení ( špiatjší ) Vzhledem k nepraktickému vyhodnocování špiatosti (vzhledem ke ) se mnohdy používá tzv. standardizovaná špiatost, která je definována jako: a a špiatost rozdlení je pak posuzována vzhledem k hodnot. Kvantily Znaí se x p a jsou definovány obdobn jako v exploratorní analýze dat. Modus pro diskrétní NV: p ; : x sup{ x / F( x ) p} p i i (tj. nejvtší z hodnot, pro které platí, že F( x p ) p ) pro spojitou NV: p ; : F( xp ) p Znaí se xˆ a je definován odlišn pro diskrétní a spojitou NV. pro diskrétní NV: hodnota, pro kterou platí: P( X x) P( X xi ), i,,... (tj. hodnota, které nabývá NV s nejvtší pravdpodobností) ^ - -

17 pro spojitou NV: hodnota, pro kterou platí: f ( x) f ( x) pro < x < (tj. hodnota, v níž hustota pravdpodobnosti nabývá svého maxima) ešený píklad: Vra me se k díve definované diskrétní náhodné veliin X hod kostkou. V jednom z výše ešených píkladu jsme si urili a zakreslili její pravdpodobnostní i distribuní funkci. x i P( X x i ) /6 /6 /6 /6 5 /6 6 /6 x i F( x i ) (- ;> (;> /6 (;> /6 (;> /6 (;5> /6 (5;6> 5/6 (6; ) Nyní ureme: a) stední hodnotu b) rozptyl c) smrodatnou odchylku d) medián e) modus ešení: a) EX µ x. P( ) , 5 ( i) i x i b) DX µ E( X EX ) EX ( ) EX EX xi P( x i ) ( i) DX EX ( EX ) , , c) σ x DX, 7 6 d) x,5? F ( x i ),5 x (; i - -

18 x sup{(; } (ovení: platí, že 5% hodnot náhodné veliiny je ),5 e) modus je hodnota, pro kterou platí: P( X x) P( X xi ), i,,... (tj. hodnota, které nabývá NV s nejvtší pravdpodobností) ^ Protože v našem pípad nabývá NV X všech hodnot se stejnou pravdpodobností, jedná se o vícemodální rozdlení s mody {;;;;5;6}. ešený píklad: A nyní najdeme vybrané íselné charakteristiky pro spojitou náhodnou veliinu. Zvolme si náhodnou veliinu Y definovanou takto: c( y)( + y) f ( y) < y < jinde Urete: a) stední hodnotu b) rozptyl c) smrodatnou odchylku d) medián e) modus ešení: Nejdíve bychom museli urit konstantu c ze vztahu: f ( y) dy My využijeme toho, že daný problém jsme již výše ešili a mžeme proto pímo pevzít výsledek, že c,75. y y (výsledek byl oekávatelný, protože hustota pravdpodobnosti NV Y je sudá funkce) a) EY µ y. f ( y) dy y.dy + y. ( y ) dy + y.dy + + b) DY EY (EY ) EY y. f ( y) dy 5 5 y.dy + y. ( y ) dy + y y.dy + 5 y

19 DY EY ( EY ) 5, 5 5 c) σ y DY, d) F ( y 5), 5, Znovu využijeme toho, že jsme s touto náhodnou veliinou pracovali již díve a bez optovného výpotu použijeme znalosti distribuní funkce F(y). F ( y) ( y + y + ) pro y < ( ) pro ( ) y pro y > Ze vztahu pro distribuní funkci je zejmé, že medián mže být pouze hodnota z intervalu (-;): ( y,5 + y,5 + ) ( y + y + ) y y,5,5,5 + y ( y + ),5,5,5,5 y y y,5,5,5 ( ;) ( ;) e) modus je hodnota, pro kterou platí: f ( xˆ) f ( x) pro < x < (tj. hodnota, v níž hustota pravdpodobnosti nabývá svého maxima) Pro maximum funkce platí, že první derivace v nm musí být nulová (nebo nedefinována) a druhá derivace v nm musí být záporná. Je zejmé, že rovnž modus budeme hledat na intervalu (-;): df ( y) dy ( y ), ( y) y bod podezelý z maxima - -

20 Zda se jedná o maximum bychom mohli ovit z druhé derivace f(y), ale my využijeme opt toho, že jsme s danou NV pracovali a pohledem na graf f(y) si ovíme, že hustota pravdpodobnosti f(y) skuten nabývá svého maxima v bod. y ˆ Výklad:.7 Funkce náhodné veliiny Definujme náhodnou veliinu Y g(x), kde g(x) je njaká prostá reálná funkce definovaná na základním souboru náhodné veliiny X. Odvodíme rozdlení náhodné veliiny Y: distribuní funkci H(y) a hustotu h(y), jestliže známe rozdlení náhodné veliiny X: dána distribuní funkce F(x) a hustota f(x). H ( y) P( Y < y) P( g( X ) < y) pro každé - < y < Jestliže k funkci g existuje funkce inverzní g -, pak platí: H ( y) P( g( X ) < y) P( X < g ( y)) F( g ( y)) pro g rostoucí a H ( y) P( g( X ) < y) P( X > g ( y)) P( X < g ( y)) F( g ( y)) pro g klesající. Pro spojitou náhodnou veliinu X a spojit diferencovatelnou funkci g je hustota h(y) náhodné veliiny Y rovna: h( y) f ( g d ( y)). g ( y) dy ešený píklad: Nech náhodná veliina W je definována jako lineární transformace náhodné veliiny Y.,75( y)( + y) f ( y) < jinde y < W 5Y

21 Naleznte: a) distribuní funkci G(w) náhodné veliiny W b) hustotu pravdpodobnosti g(w) náhodné veliiny W, c) stední hodnotu EW náhodné veliiny W d) rozptyl DW náhodné veliiny W. ešení: Stejn jako v pedchozích pípadech využijeme toho, že jsme již s NV Y pracovali (v opaném pípad bychom museli nejdíve najít F(y), EY a DY). pro y < ( ) F ( y) ( y + y + ) pro ( ) y, EY, DY, pro y > w 6 w 6 a) G ( w) P( W < w) P(5Y + 6 < w) P( Y < ) F( ) 5 5 Nyní uríme distribuní funkci G(w) tak, že do pedpisu pro distribuní funkci F(y) w 6 dosadíme za y výraz. 5 G ( w) w 6 5 w w 6 pro < 5 w 6 pro 5 w 6 pro > 5 G ( w) ( w 5 8w + w 6) pro w < pro w pro w > b) Hustotu pravdpodobnosti uríme jako derivaci distribuní funkce: g ( w) dg( w) dw g ( w) 5 (w 6w + ) pro pro w ( w < ) ( w > ) - 6 -

22 po úprav: g ( w) 5 ( w w + ) pro pro w ( w < ) ( w > ) c) Z vlastností stední hodnoty plyne, že: EW E( 5Y + 6) 5. EY d) Z vlastností rozptylu plyne, že: DW D(5Y + 6) 5. DY 5., 5 ešený píklad: Nech náhodná veliina X má spojitou rostoucí distribuní funkci F(x). Najdte distribuní funkci a hustotu pravdpodobnosti náhodné veliiny Y F(X). ešení: Y F(x) F(x) nabývá pro x R hodnot z intervalu <;> náhodná veliina Y nabývá rovnž hodnot z intervalu <;> pro pro y < H ( y) y > H ( y) pro y H ( y) P( Y < y) P( F( X ) < y) P( X < F ( y)) F( F ( y)) y H ( y) y pro y < pro y pro y > - 7 -

23 Hustota pravdpodobnosti náhodné veliiny Y h( y) h( y) dh ( y) dy pro y ; jinde Hustota pravdpodobnosti rovnomrného rozdlení,,8,6,, -,5 - -,5 - -,5,5,5,5 Náhodná veliina Y má tzv. rovnomrné (rektangulární) rozdlení v intervalu <, >. Shrnutí: Náhodná veliina je veliina, jejíž hodnota je jednoznan urena výsledkem náhodného pokusu (je-li tento výsledek dán reálným íslem). Jde o reálnou funkci definovanou na základním prostoru a charakterizovanou distribuní funkci. Distribuní funkce je definována jako F(x) P(X<x), jde tedy o funkci, která každému reálnému íslu piazuje pravdpodobnost, že náhodná veliina nabývá hodnot menších než toto reálné íslo. Pravdpodobnost výskytu náhodné veliiny na njakém intervalu urujeme na základ tchto vztah: P( X < a) F( a) P( X P( a X b) F( b) < b) F( b) F( a) - 8 -

24 Podle toho, jakých mže náhodná veliina nabýt hodnot (resp. z jakého intervalu), rozlišujeme spojitou a diskrétní náhodnou veliinu, pesnji eeno náhodnou veliinu se spojitým a diskrétním rozdlením. Diskrétní náhodná veliina je náhodnou veliinou, která mže nabývat pouze koneného nebo spoetn nekoneného množství hodnot (nap. výsledek hodu kostkou) Diskrétní náhodnou veliinu popisujeme prostednictvím pravdpodobnostní funkce, pop. distribuní funkce. Spojitá náhodná veliina je náhodnou veliinou, která mže nabývat všech hodnot z libovolného koneného nebo nekoneného intervalu (nap. životnost záivky) Pro popis spojité náhodné veliiny používáme distribuní funkci, hustotu pravdpodobnosti a v pípad, že jde o nezápornou spojitou náhodnou veliinu používáme také intenzitu poruch. Intenzita poruch má pro vtšinu výrobk z technické praxe charakteristický tvar vanové kivky. V mnoha pípadech je výhodné shrnout celkovou informaci o náhodné veliin do nkolika ísel, které charakterizují nkteré vlastnosti náhodné veliiny, pípadn umožují srovnání rzných náhodných veliin. Tato ísla se nazývají íselné charakteristiky náhodné veliiny. Mezi základní íselné charakteristiky adíme nap. stední hodnotu, rozptyl, smrodatnou odchylku, kvantily, modus, šikmost a špiatost. V pípad, že g(x) je njaká prostá reálná funkce, definovaná na základním souboru náhodné veliiny X, mžeme snadno odvodit rozdlení transformované náhodné veliiny Y g(x)

25 Otázky. Popište zavedení náhodné veliiny pomocí distribuní funkce, vetn nejvýznamnjších vlastností této funkce.. Jaký je vzájemný vztah mezi distribuní funkcí a pravdpodobnostní funkcí diskrétní náhodné veliiny?. Jaký je vzájemný vztah mezi distribuní funkcí a hustotou pravdpodobnosti spojité náhodné veliiny?. Co je to intenzita poruch a jak se dá vyjádit pomocí distribuní funkce a hustoty pravdpodobnosti? Jaký je její charakteristický tvar? 5. Které obecné a centrální momenty znáte? Co je to medián a modus? 6. Odvote pedpis pro distribuní funkci náhodné veliiny Y, je-li tato náhodná veliina definovaná jako Yg(X), kde g je prostá reálná funkce definovaná na základním prostoru náhodné veliiny X. - -

26 Úlohy k ešení. Náhodná veliina X je dána soutem potu ok pi dvou hodech klasickou hrací kostkou. Urete pro danou náhodnou veliinu: a) pravdpodobnostní funkci b) distribuní funkci c) stední hodnotu d) rozptyl. Nech náhodná veliina Z je definována takto: f ( z) < < + e + e z z z ( )( ) Naleznte distribuní funkci náhodné veliiny Z.. Bod je náhodn vybrán z koule o polomru R. Náhodnou veliinu X definujme jako vzdálenost tohoto bodu od poátku. Urete pro danou náhodnou veliinu: a) distribuní funkci b) hustotu pravdpodobnosti c) stední hodnotu d) rozptyl. Strana krychle má rovnomrné rozdlení na intervalu <;>. Urete distribuní funkci objemu krychle. 5. X je spojitá náhodná veliina s hustotou pravdpodobnosti x f ( x) e. Urete P ( X ). 6. Spojitá náhodná veliina X je definovaná hustotou pravdpodobnosti f(x): ( x) f ( x) pro x ; jinde Urete %-ní kvantil x a medián. Urete pravdpodobnost P(X>,5), P(X,) - -

27 ešení:. X diskrétní NV a) x i P(Xx i ) /6 /6 /6 /6 5/6 6/6 5/6 /6 /6 /6 /6 Pravdpodobnostní funkce 9/5 /5 7/5 /5 / P(x) /5 /5 /5 /5 6 8 x b) x i (-;> (;> (;> (;5> (5;6> (6;7> F(x i ) /6 /6 6/6 /6 5/6 x i (7;8> (8;9> (9;> (;> (;> (;) F(x i ) /6 6/6 /6 /6 5/6 Distribuní funkce,,8 F(x),6,, x - -

28 d) EX 7 e) DX / 6 5, 8 z e. F( z) + z e. X spojitá NV a) b) c) d). x F ( x) R f x x) R ( R EX R DX 8 F ( x) x pro x pro x ( ;) pro x ; R pro x ( R; ) ; R jinde pro x pro x ( ;) pro x ;8 ( 8; ) 5. P ( X ) e e 6. x α, x,5,9, P ( X >,5), 5, P ( X,) α - -