19. fejezet: Nevezetes folytonos eloszlások 167
19.1. Egyenletes eloszlás
Legyen[a,b]adott intervallum. Tekintsük azt azX valószín˝uségi változót, amelynek s˝ur˝uségfüggvénye:
f(x) = 1
b−a haa<x<b
0 különben
Ekkor azXváltozót az[a,b]intervallumonegyenletes eloszlásúnaknevezzük. Az elne-vezés onnan ered, hogy ilyenkor az[a,b]valamely részintervallumába esés valószín˝u-sége a részintervallum hosszával arányos.
19.1 Tétel.
• Az eloszlás paraméterei: a és b, a<b.
• Az eloszlás várható értéke:
E(X) =a+b 2
• Az eloszlás varianciája:
Var(X) =(b−a)2 12 .
Bizonyítás.Állításaink azonnal következnek a 17.10 és 17.15 Példák eredményib˝ol.
19.2 Példa. Legyen X olyan egyenletes eloszlású változó, amelyre E(X) =5 és Var(X) =3. Határozzuk meg aP(4<X<10)valószín˝uséget!
Az intervallum ismeretlenaésbvégpontjaira a feltételek szerint az a+b
2 = 5
(b−a)2
12 = 3
adódik, amelynek megoldásaia=2 ésb=8. Tehát
P(4<X<10) =P(4<X<8) =2 3 hiszen a[4,8]intervallumon túlnyúló rész 0 valószín˝uség˝u.
168 Tallos Péter: Matematika el ˝oadások
19.2. Exponenciális eloszlás
Legyenλ>0 adott valós szám. Tekintsük azt a valószín˝uségi változót, amelynek s˝ur˝u-ségfüggvénye
f(x) =
λe−λx hax>0
0 különben
Ekkor azXváltozótexponenciális eloszlásúnaknevezzük. A 9.3 Példában elmondottak szerintfvalóban s˝ur˝uségfüggvény.
19.3 Tétel.
• Az eloszlás paraméterei:λ.
• Az eloszlás várható értéke: E(X) =1/λ,
• Az eloszlás varianciája: Var(X) =1/λ2.
Bizonyítás.Tételünk közvetlenül következik a 17.12 és 17.14 Példák
egyenl˝oségei-b˝ol.
19.4 Példa.Tekintsünk egyXadottλ>0-paraméter˝u exponenciális elsozlású változót.
Határozzuk meg aP(X>E(X))valószín˝uséget!
Mivel tételünk szerintE(X) =1/λ, azért P(X>E(X)) =P
Az exponenciális eloszlást memória nélkülinek nevezzük az alábbi értelemben. HaX valamelyλ-paraméter˝u exponenciális eloszlású változó, továbbát,s>0 tetsz˝olegesek, akkor
P(X>t+s|X>t) =P(X>s).
Valóban, az{X>t+s}eseményb˝ol következik{X>t}, ezért a bal oldalon álló felté-teles valószín˝uség a következ˝oképpen írható
P(X>t+s|X>t) = P(X>t+s)
Ha példáulX a várakozási id˝ot jelenti két bekövetkezés (pl. két telefonhívás, vagy két ügyfél, stb) között, akkor a memória-nélküliség azt jelenti, hogy a további várokozás ideje nem függ attól, hogy el˝ozetesen mennyit vártunk.
19. fejezet: Nevezetes folytonos eloszlások 169
Fordítva, az is igazolható, hogy ha egy folytonos eloszlás memória nélküli, akkor az szükségképpen az exponenciális eloszlás valamilyenλ>0 paraméterrel.
Érdekes kapcsolat van a Poisson-eloszlás és az exponenciális eloszlás között. Ne-vezetesen, ha egy intervallumban egy véletlen esemény bekövetkezéseinek száma Poisson-eloszlású, akkor a bekövetkezések közötti követési távolság exponenciális el-oszlású ugyanazon paraméterrel. Ennek az állításnak a megfordítása is érvényes. Ezek-kel a kérdésekEzek-kel a 22. fejezetben foglalkozunk részletesebben.
19.3. A standard normális eloszlás
A standard normális eloszlás centrális jelent˝osége miatt a valószín˝uségi változóra, an-nak s˝ur˝uség, illetve eloszlásfüggvényére külön jelölést használunk.
19.5 Definíció. Azt mondjuk, hogy aZvalószín˝uségi változóstandard normális elosz-lású, ha a s˝ur˝uségfüggvénye
ϕ(x) = 1
√2πe−
x2
2 −∞<x<∞
A (9.2 egyenl˝oség mutatja, hogyϕ valóban s˝ur˝uségfüggvényt definiál. Gyakorlás-képpen vizsgáljuk meg aϕfüggvényt, és mutassuk meg, hogy rendelkezik a következ˝o tulajdonságokkal.
x→−∞lim ϕ(x) = lim
x→+∞ϕ(x) =0
továbbáϕszigorúan monoton növ˝o a(−∞,0)intervallumon, szigorúan monoton fogyó a(0,∞)intervallumon, és globális maximuma van azx=0 helyen.
A második derivált vizsgálata alapjánϕkonvex a(−∞,1)és(1,+∞) intervallumo-kon, valamint konkáv a(−1,1)intervallumon, és inflexiós pontjai vannak azx=−1 és x=1 pontokban. KÉSZÍTSÜNK ÁBRÁT!
170 Tallos Péter: Matematika el ˝oadások
19.6 Tétel.
• Az eloszlás paraméterei: nincs paraméter,
• Az eloszlás várható értéke: E(Z) =0,
• Az eloszlás varianciája: Var(Z) =1.
Bizonyítás.A 9.6 Példa szerint egyrésztE(Z) =0, másrészt a (9.3) egyenl˝oség alap-ján a második momentumE(Z2) =1. Tehát
Var(Z) =E(Z2)−E(Z)2=1.
amit igazolnunk kellett.
Jelölje a továbbiakbanΦa standard normális eloszlásfüggvényt, azaz Φ(x) =
Zx
−∞ϕ(t)dt.
Ez a függvény rendelkezik az eloszlásfüggvények tulajdonságaival, de érdekessége, hogy nem lehet elemi függvényekkel, vagy azok véges kombinációival explicit alak-ban el˝oállítani.
FIGYELEM! Lásd a 9. fejezetben mondottakat aϕprimitív függvényér˝ol!
Vegyük észre, hogyϕpáros függvény, azaz szimmetrikus azy-tengelyre. Ebb˝ol adó-dik, hogyΦ(0) =1/2, valamint
Φ(−x) =1−Φ(x) (19.1) bármelyxvalós számra.
19.7 Példa. A statisztikában és további alkalmazásokban betöltött központi szerepe miatt aΦeloszlásfüggény étékeire táblázatokat találhatunk a legtöbb valószín˝uségszá-mítással foglalkozó tankönyvben, illetve feladatgy˝ujteményben, továbbá a táblázatke-zel˝o programokban, mint például az MS Windows Office Excel alkalmazásban is. Lásd a Feladatgy˝ujtemény-2 338–339-ik oldalain található táblázatokat!
Ha példáulZstandard normális eloszlású valószín˝uségi változó, úgy határozzuk meg a
P(−2<Z<2)
valószín˝uséget. A Feladatgy˝ujtemény-2 339-ik oldalán található táblázatot használva P(−2<Z<2) = Φ(2)−Φ(−2) =Φ(2)−(1−Φ(2)) =2Φ(2)−1=
= 2·0.9772−1=0.9544 ahol kihasználtuk a (19.1) alatti szimmetriatulajdonságot is.
19. fejezet: Nevezetes folytonos eloszlások 171
19.4. Normális eloszlás
19.8 Definíció. Legyenekmésσ adott valós számok, aholσ>0. LegyenZstandard normális eloszlású változó, ekkor az
X=σZ+m
valószín˝uségi változót(m,σ)-paraméter˝u normális eloszlásúnaknevezzük.
A standard normális eloszlás, valamint a várható érték és szórás tulajdonságaiból (lásd a 17.11 Tételt) adódnak az(m,σ)-paraméter˝u normális eloszlásúXváltozó tulaj-donságai.
19.9 Tétel.
• Az eloszlás paraméterei: m,σ>0.
• Az eloszlás várható értéke: E(X) =m,
• Az eloszlás varianciája: Var(X) =σ2.
Vajon hogyan állíthatjuk el˝o ennek azX változónak az eloszlás, és s˝ur˝uségfüggvé-nyét? JelöljeFazXeloszlásfüggvényét, és legyenxtetsz˝oleges valós szám. Ekkor
F(x) =P(X<x) =P(σZ+m<x) =P
FIGYELEM! Fontos, hogyσ>0, hiszen így pozitív számmal osztunk, ezért az egyen-l˝otlenség iránya nem változik.
AzXváltozófs˝ur˝uségfüggvényét deriválással kapjuk: bármelyx∈Resetén f(x) =F0(x) = 1
a láncszabály alapján. Ennek a függvénynek globális maximumhelye van azx=m pontban, továbbá inflexiós pontjai vannak azx=m−σ ésx=m+σhelyeken. KÉ-SZÍTSÜNK ÁBRÁT!
19.10 Példa. Egy(m,σ)-paraméter˝u normális eloszlásúX változó esetén valamely intervallumba esés valószín˝usége mindig kifejezhet˝o aΦeloszlásfüggvénnyel.
172 Tallos Péter: Matematika el ˝oadások
Legyenek ugyanisa<btetsz˝oleges valós számok. Ekkor P(a<X<b) =F(b)−F(a) =Φ
b−m σ
−Φ a−m
σ
.
Például egym=10,σ=2 paraméterekkel rendelkez˝oXnormális eloszlású változóra P(7<X<13) = F(13)−F(7) =Φ(1.5)−Φ(−1.5) =2Φ(1.5)−1=
= 2·0.9332−1=0.8664
ahol felhasználtukΦszimmetriáját, és a Feladatgy˝ujtemény-2 339-ik oldalán található táblázatot is.
Otthoni tanuláshoz
1. A Feladatgy˝ujtemény-2 VI/1, VI/2, VI/3, VI/4, VI/5 és VI/6 szakaszainak feldol-gozása.
2. Házi feladatok: a VI/1 szakasz 533, 534, VI/2 szakasz 546, 558, 559, VI/3 sza-kasz 566, 568, 572, VI/4 szasza-kasz 581, 582, 583, VI/5 szasza-kasz 588, 598, 600, 603, VI/6 szakasz 622, 624, 630 és 632 feladatai. feladatai.
3. Tankönyv-2 4.8 és 4.9 szakaszai.