]> Diszkrét eloszlások
  1. Virtual Laboratories
  2. 2. Eloszlások
  3. 1
  4. 2
  5. 3
  6. 4
  7. 5
  8. 6
  9. 7
  10. 8

1. Diszkrét eloszlások

Általános elmélet

Tekintsünk egy véletlen kísérletet a hozzá tartozó Ω eseménytérrel és valószínűségi mértékkel. A kísérlettől függő X valószínűségi változóra azt mondjuk, hogy diszkrét eloszlású, ha értékkészlete (amit S -sel jelölünk) egy megszámlálható halmaz. Tipikusan S n valamely n -re, így ha n 1 , akkor X vektor értékű. A következő ábrán a kék pontok ábrázolják valamely diszkrét eloszlás értékkészletét, azaz ezeket a pontokat pozitív valószínűséggel veszi fel a valószínűségi változó.

A discrete distribution

Diszkrét súlyfüggvény

Az X változó (diszkrét) valószínűségi súlyfüggvénye egy S -ből -be képező f függvény, amelyre

f x X x ,  x S .

Igazoljuk, hogy f -re igazak a következő állítások. Segítség: használjuk a valószínűségi mértékek axiómáit!

  1. f x 0 ,  x S .
  2. x S f x 1 .
  3. x A f x X A ,  A S .

A (c) tulajdonság azért is nagyon fontos, mert rávilágít arra a tényre, hogy egy diszkrét valószínűségi változót meghatároz a valószínűségi súlyfüggvénye. Fordítva, tetszőleges olyan függvény, amely eleget tesz az (a) és a (b) pontbeli feltételnek, egy (diszkrét) valószínűségi súlyfüggvény, és ebből a (c) pont segítségével meghatározhatjuk a hozzá tartozó valószínűségi eloszlást S -en. Precízen fogalmazva f az X valószínűségi változó számlálómértékre vonatkozó sűrűségfüggvénye S -en.

A discrete distribution

Mint már korábban említettük, S tipikusan egy nagyobb halmaz - mint például n valamely n -re - megszámlálható részhalmaza. Ilyenkor f mindig értelemszerűen kiterjeszthető a nagyobb halmazra úgy, hogy definíció szerint f x 0 , amint x S . Néha ez a kiterjesztés leegyszerűsíthet bizonyos jelöléseket.

Az olyan x S elemet, amelyre az f valószínűségi súlyfüggvény maximális, az eloszlás móduszának nevezzük. Ha csak egy módusz van, azt (kissé félrevezető módon, hisz ez nem feltétlen esik egybe a várható értékkel) néha nevezik az eloszlás centrumának is.

Szemléltetés

Egy diszkrét valószínűségeloszlásra gondolhatunk úgy, mint egy diszkrét tömegeloszlásra, ahol a teljes tömeg 1 egység. Ebben a megfeleltetésben S tömegpontok megszámlálható halmaza, f x pedig az x S pont tömege. Az 1. feladat (c) pontja ebben a megfeleltetésben egyszerűen annyit jelent, hogy az A halmaz tömegét úgy kaphatjuk meg, hogy a benne levő pontok tömegeit összeadjuk.

Tekintsük azt az összetett kísérletet, amely az eredeti kísérlet korlátlan sokszor való megismétléséből áll. Ebbe az összetett kísérletben független valószínűségi változók X 1 X 2 sorozatát kapjuk, ezek mindegyike ugyanolyan eloszlású, mint X (statisztikai szakkifejezéssel élve mintákat veszünk az X eloszlásból). Legyen

f n x 1 n i 1 2 n X i x ,  x S .

Ez nem más, mint x relatív gyakorisága az első n kísérlet között. Vegyük észre, hogy minden x -re f n x egy az összetett kísérlettől függő valószínűségi változó. A nagy számok törvénye értelmében f n x valamilyen értelemben konvergál f x -hez, amint n . Az f n x függvényt empirikus súlyfüggvénynek nevezik. A diszkrét változókkal foglalkozó appletek többségében megfigyelhetjük az empirikus súlyfüggvényeket.

Valószínűségi súlyfüggvények konstrukciója

Legyen g egy, az S megszámlálható halmazon értelmezett nemnegatív függvény, és legyen

c x S g x .

Igazoljuk, hogy ha 0 c , akkor f x 1 c g x ,  x S egy diszkrét valószínűségi súlyfüggvényt definiál S -en.

Nyilván c 0 pontosan akkor, ha g x 0 minden x S -re. Másrészt c csak akkor lehet, ha S végtelen. Amennyiben 0 c (és így megkonstruálható az f súlyfüggvény), c -t szokás normáló konstansnak nevezni. A feni gondolatmenet hasznos lehet, ha előre meghatározott tulajdonságú (például bizonyos alakú, vagy szimmetriájú) súlyfüggvényt akarunk előállítani.

Feltételes súlyfüggvények

Az X valószínűségi változó súlyfüggvénye természetesen nagyban függ az Ω eseménytéren tekintett valószínűségi mértéktől. Ez például lehet egy feltételes valószínűségi mérték egy adott E Ω eseményre vonatkozóan (ahol E 0 ). A szokásos jelölés

f x E X x E ,  x S .

A következő feladat arra világít rá, hogy a jelölést leszámítva nem jelenik meg új fogalom a feltételes eloszlások esetén. Így minden állítás, amely érvényes általában diszkrét valószínűségi súlyfüggvényekre, megfelelően kimondva iga lesz feltételes diszkrét valószínűségi súlyfüggvényekre is.

Igazoljuk, hogy fix E -re az x f x E függvény diszkrét valószínűségi súlyfüggvény. Azaz igazoljuk, hogy kielégíti az 1. feladat (a) és (b) pontját, a (c) pont pedig a következő formában lesz igaz:

X A E x A f x E ,  A S .

Tegyük fel, hogy B S és X B 0 . Igazoljuk, hogy X feltételes súlyfüggvénye amellett a feltétel mellett, hogy X B , a következő

f x X B f x X B x B 0 x B c .

Teljes valószínűség tétele, Bayes tétel

Tegyük fel, hogy X egy diszkrét eloszlású valószínűségi változó a megszámlálható S halmazon, valamint E Ω egy esemény. Legyen f az X változó valószínűségi súlyfüggvénye.

Vegyük észre, hogy X x x S egy partíciója az Ω eseménytérnek (azaz a fenti halmazok diszjunktak, és az uniójuk az egész eseménytér).

Az előző feladat következtében a teljes valószínűség tételének és a Bayes tételnek a következő feladatokban megfogalmazott változatai azonnal következnek a Feltételes valószínűségről szóló rész megfelelő eredményeiből.

Igazoljuk, hogy:

E x S f x E X x .

A fenti eredmény természetesen akkor hasznos, ha ismert X eloszlása, és E feltételes valószínűségei X különböző realizációi mellett. Ilyenkor azt mondjuk, hogy X -re feltételezünk (vagy kondicionálunk).

Igazoljuk a Bayes Tételt (melyet Thomas Bayes-ről neveztek el):

f x E f x E X x y S f y E X y ,  x S .

A Bayes tétel egy, az X változó E feltétel melletti valószínűségi súlyfüggvényét megadó formula. Mint az előző képlet, ez is akkor hasznos, ha a jobb oldalon szereplő mennyiségeket ismerjük. A Bayes tétel esetén X (feltétel nélküli) eloszlását a priori eloszlásnak, feltételes eloszlását pedig a posteriori eloszlásnak nevetik. A jobb oldalon szereplő nevező pedig csak egy normáló konstans, amely épp E .

Példák, speciális esetek

A következő három modellünk - a diszkrét egyenletes eloszlás, a hipergeometriai eloszlás és a Bernoulli próbák - mind nagyon fontosak. Amikor az utána következő feladatokat oldjuk meg, vegyük észre, ha a feladatra ráillik a három modell egyike!

Diszkért egyenletes eloszlás

Az S véges halmazból kiválasztunk egy véletlen S elemet. Az előző mondat kissé pontatlan: a véletlen kifejezés alatt azt kell értenünk, hogy minden elemet azonos valószínűséggel választunk.

  1. Igazoljuk, hogy X valószínűségi súlyfüggvénye f x 1 S ,  x S .
  2. Igazoljuk, hogy X A A S ,  A S .

Az előző feladatban látott eloszlás a diszkrét egyenletes eloszlás S -en. Sok mintavételezési, kombinatorikai feladatban felmerülő eloszlás az egyenletes eloszlás transzformáltja.

Tegyük fel, hogy n elemet választunk visszatevéssel az m elemű D halmazból. Legyen X a kiválasztott elemek rendezett sorozata. Lássuk be, hogy X egyenletes eloszlású az S D n halmazon, és így a valószínűségi súlyfüggvénye

X x 1 m n n ,  x S .

Tegyük fel, hogy n elemet választunk visszatevés nélkül az m elemű D halmazból. Legyen X a kiválasztott elemek rendezett sorozata. Lássuk be, hogy X egyenletes eloszlású a D halmaz n elemű permutációiból álló S halmazon, és így a valószínűségi súlyfüggvénye

X x 1 m n ,  x S .

Tegyük fel, hogy n elemet választunk visszatevés nélkül az m elemű D halmazból. Legyen W a kiválasztott elemek rendezetlen halmaza. Lássuk be, hogy W egyenletes eloszlású a D halmaz n elemű kombinációiból álló T halmazon, és így a valószínűségi súlyfüggvénye

W w 1 m n ,  w T .

Tegyük fel, hogy X egyenletes eloszlású az S véges halmazon, és B egy nem üres részhalmaza S -nek. Igazoljuk, hogy X feltételes eloszlása - amellett a feltétel mellett, hogy X B -, egyenletes B -n.

Hipergeometriai eloszlások

Tegyük fel, hogy egy populáció m egyedből áll, ezek közül r darab 1-es típusú, m r darab pedig 0-s típusú. Egy n elemű, visszatevés nélküli véletlen mintát veszünk a populációból. Jelölje Y az 1-es típusú kiválasztott egyedek számát! Igazoljuk, hogy Y valószínűségi súlyfüggvénye a következő:

f k r k m r n k m n ,  k 0 1 n .

Tegyük fel, hogy egy populáció m egyedből áll, ezek közül r darab 1-es, s darab 2-es, m r s darab pedig 0-s típusú. Egy n elemű, visszatevés nélküli mintát veszünk a populációból. Jelölje Y a mintában lévő 1-es, Z pedig a 2-es típusú egyedek számát. Igazoljuk, hogy Y Z valószínűségi súlyfüggvénye a következő:

g j k r j s k m r s n j k m n ,  j k 0 1 n 2 .

A 13. feladatban szereplő eloszlás az m , r és n paraméterű hipergeometriai eloszlás. A 14. feladatban definiált eloszlás az m , r , s és n paraméterű kétváltozós hipergeometriai eloszlás. Természetesen hasonló formula adható abban az esetben is, ha még több típusú egyed található a populációban. A hipergeometriai eloszlás és a többváltozós hipergeometriai eloszlás részletes tárgyalása a Véges mintavételezési eljárásokról szóló fejezetben található. Ebben a fejezetben sok, a diszkrét egyenletes eloszlásból származtatott eloszlás megtalálható.

Bernoulli kísérletek

A Bernoulli kísérletsorozat egy független, azonos eloszlású indikátor valószínűségi változókból álló X 1 X 2 sorozat. Az X i valószínűségi változó jelöli az i -edik kísérlet kimenetelét; az értéke 1, ha a kísérlet sikeres, 0, ha sikertelen. A Bernoulli sorozatot Jacob Bernoulli-ról nevezték el. Jelölje p X i 1 a siker valószínűségét, ami az egyetlen paraméter.

Igazoljuk, hogy az X 1 X 2 X n vektor valószínűségi súlyfüggvénye a következő:

f x 1 x 2 x n p k 1 p n k  amint   x 1 x 2 x n 0 1 n   ahol   k x 1 x 2 x n .

Legyen Y a sikerek száma az első n kísérlet között. Igazoljuk, hogy Y valószínűségi súlyfüggvénye a következő:

g k n k p k 1 p n k ,  k 0 1 n .

Az előző feladatban definiált eloszlás az n és p paraméterű binomiális eloszlás. A binomiális eloszlás részletes tárgyalása a Bernoulli kísérletekről szóló fejezetben található.

Tekintsünk egy p paraméterű Bernoulli kísérletsorozatot. Legyen U az első sikeres kísérlet sorszáma, V pedig az első sikeres kísérletet megelőző sikertelen kísérletek száma. Igazoljuk, hogy

  1. U n 1 p n 1 p amint n ,
  2. V n 1 p n p amint n ,
  3. U V 1 .

Az (a) pontbeli súlyfüggvénnyel definiált eloszlást nevezzük -en értelmezett geometriai eloszlásnak (vagy optimista geometriai eloszlásnak), a (b) pontbeli súlyfüggvénnyel definiált eloszlás pedig az -en értelmezett geometriai eloszlás (vagy pesszimista geometriai eloszlás). Mindkét esetben p az eloszlás paramétere. A geometriai eloszlást részletesen a Bernoulli kísérletekről szóló fejezetben tárgyaljuk.

Golyók és urnák

Egy urnában 30 piros és 20 zöld golyó van. 5 golyót visszatevés nélkül kiválasztunk az urnából. Legyen Y a kiválasztott piros golyók száma.

  1. Határozzuk meg Y valószínűségi súlyfüggvényét!
  2. Rajzoljuk le a súlyfüggvény gráfját, és határozzuk meg a módusz(oka)t!
  3. Mennyi Y 3 ?

A golyók és urna kísérletben válasszunk visszatevés nélküli mintavételezést, és állítsuk be az m 50 , r 30 és n 5 paraméterértékeket! Szimuláljunk 1000 kísérletet (frissítsük az ábrát minden tizedik után), és figyeljük meg, hogyan konvergál Y empirikus súlyfüggvénye a valódi súlyfüggvényhez!

Egy urnában 30 piros és 20 zöld golyó van. 5 golyót kiválasztunk visszatevéssel. Jelölje Y a kiválasztott piros golyók számát!

  1. Határozzuk meg Y súlyfüggvényét!
  2. Rajzoljuk le a súlyfüggvény gráfját, és határozzuk meg a módusz(oka)t!
  3. Mennyi Y 3 ?

A golyók és urna kísérletben válasszunk visszatevéses mintavételezést, és állítsuk be az m 50 , r 30 és n 5 paraméterértékeket! Szimuláljunk 1000 kísérletet (frissítsük az ábrát minden tizedik után), és figyeljük meg, hogyan konvergál Y empirikus súlyfüggvénye a valódi súlyfüggvényhez!

Érmék és kockák

Egy olyan pénzérmét, amely p 0.4 valószínűséggel mutat fejet, feldobtunk ötször. Legyen Y a dobott fejek száma.

  1. Határozzuk meg Y súlyfüggvényét!
  2. Rajzoljuk le a súlyfüggvény gráfját, és határozzuk meg a módusz(oka)t!
  3. Mennyi Y 3 ?

Az érmedobás kísérletben állítsuk be az n 5 és a p 0.4 paraméterértékeket! Szimuláljunk 1000 kísérletet (frissítsük az ábrát minden tizedik után), és figyeljük meg, hogyan konvergál X empirikus súlyfüggvénye a valódi súlyfüggvényhez!

Feldobtunk két hagyományos igazságos dobókockát, és a dobott értékeket feljegyeztük az X 1 X 2 vektorba. Legyen Y X 1 X 2 a dobott számok összege, U X 1 X 2 , a kisebbik dobott szám, V X 1 X 2 pedig a nagyobbik dobott szám.

  1. Határozzuk meg X 1 X 2 valószínűségi súlyfüggvényét!
  2. Határozzuk meg Y valószínűségi súlyfüggvényét!
  3. Határozzuk meg U valószínűségi súlyfüggvényét!
  4. Határozzuk meg V valószínűségi súlyfüggvényét!
  5. Határozzuk meg U V valószínűségi súlyfüggvényét!
  6. Határozzuk meg U valószínűségi súlyfüggvényét amellett a feltétel mellett, hogy Y 8 .

A kockadobás kísérletben válasszunk n 2 igazságos kockát! Válasszuk ki a következő valószínűségi változókat, és figyeljük meg a súlyfüggvény alakját! Szimuláljunk 1000 kísérletet (frissítsük az ábrát minden tizedik után), és figyeljük meg, hogyan konvergál az alábbi valószínűségi változók empirikus súlyfüggvénye a valódi súlyfüggvényhez!

  1. Y , a dobott számok összege.
  2. U , a kisebbik dobott szám.
  3. V , a nagyobbik dobott szám.

A kocka- és érmedobás kísérletben feldobunk egy hagyományos, igazságos kockát, majd egy igazságos pénzérmét annyiszor dobunk fel, amennyit a kocka mutat. Jelölje N a kockával dobott értéket, X az érmékkel dobott értékek sorozatát, Y pedig a dobott fejek számát. Vegyük észre, hogy az X vektor hossza is függ a véletlentől.

  1. Határozzuk meg N valószínűségi súlyfüggvényét!
  2. Határozzuk meg X valószínűségi súlyfüggvényét!
  3. Határozzuk meg Y valószínűségi súlyfüggvényét!
  4. Határozzuk meg N valószínűségi súlyfüggvényét amellett a feltétel mellett, hogy Y 2 .

Szimuláljunk 1000 kísérletet a kocka- és érmedobás kísérletben, és frissítsük az ábrát minden kísérlet után. Figyeljük meg, a dobott fejek számának empirikus súlyfüggvénye hogyan konvergál a valódi valószínűségi súlyfüggvényhez!

Tegyük fel, hogy egy zacskóban 12 érme van, ebből 5 igazságos, 4 hamis, amelyek 13 valószínűséggel mutatnak fejet, 3 érmének pedig mindkét oldalán fej van. Kiválasztunk egy érmét véletlenszerűen a zacskóból, és feldobjuk kétszer. Jelölje V a kiválasztott érme esetén a fejdobás valószínűségét, és legyen Y a dobott fejek száma.

  1. Határozzuk meg V valószínűségi súlyfüggvényét!
  2. Határozzuk meg Y valószínűségi súlyfüggvényét!
  3. Határozzuk meg V valószínűségi súlyfüggvényét amellett a feltétel mellett, hogy Y 2 .

Hasonlítsuk össze a 26. feladatot és a 28. feladatot! Az előzőben egy olyan érmét dobunk fel véletlen sokszor, amely rögzített valószínűséggel mutat fejet, míg az utóbbiban a feldobások száma rögzített, míg a fejdobás valószínűsége tekinthető véletlennek.

Az érme- és kockadobás kísérletében először feldobunk egy igazságos érmét, majd ha az írást mutat, egy igazságos kockát dobunk fel, ha pedig fejet mutat, egy egy-hat irányban lapos kockát dobunk fel (ahol az 1 és a 6 valószínűsége 14 , a 2, 3, 4 és az 5 valószínűsége pedig 18 ). Határozzuk meg a kockadobás értékének súlyfüggvényét!

Szimuláljunk 1000 darab érme- és kockadobás kísérletet az előző feladat paramétereivel, és frissítsük az ábrát minden tizedik után! Hasonlítsuk össze a kapott empirikus súlyfüggvényt az előző feladatban meghatározott elméleti súlyfüggvénnyel!

Egy olyan érmét, amely p 0 1 valószínűséggel mutat fejet, feldobtunk annyiszor, amíg először fejet kaptunk. Jelölje N a feldobások számát.

  1. Határozzuk meg N valószínűségi súlyfüggvényét!
  2. Mennyi N n ?
  3. Mennyi N  páros ?
  4. Határozzuk meg N feltételes valószínűségi súlyfüggvényét amellett a feltétel mellett, hogy N páros!

A negatív binomiális kísérletben állítsuk be a k 1 és a p 0.2 paraméterértékeket! Szimuláljunk 1000 kísérletet (frissítsük az ábrát minden tizedik után), és figyeljük meg, a kísérletek számának empirikus súlyfüggvénye hogyan konvergál a valódi súlyfüggvényhez!

Kártyák

Egy póker kísérlet abból áll, hogy visszatevés nélkül kiválasztunk 5 kártyát egy hagyományos, 52 lapos pakliból. Legyen X a kiválasztott lapok között lévő pikkek, Y pedig a kőrök száma.

  1. Határozzuk meg X valószínűségi súlyfüggvényét!
  2. Határozzuk meg Y valószínűségi súlyfüggvényét!
  3. Határozzuk meg X Y valószínűségi súlyfüggvényét!

A bridzs kísérletben 13 kártyát választunk visszatevés nélkül egy 52 lapos pakliból. Figurának nevezzük az ászt, a királyt, a dámát és a bubit. A leggyakoribb pontozási rendszerben az ász 4 pontot, a király 3 pontot, a dáma 2 pontot, a bubi pedig 1 pontot ér. Jelölje N a kiválasztott 13 lap között a figurák számát, V pedig az összpontszámukat.

  1. Határozzuk meg N valószínűségi súlyfüggvényét!
  2. Határozzuk meg Y valószínűségi súlyfüggvényét!

Megbízhatóság

Tegyük fel, hogy 500 alkatrészünkből 20 selejtes, a többi jól működik. Véletlenszerűen kiválasztunk 10 alkatrészt, és megvizsgáljuk őket. Legyen X a kiválasztott selejtes alkatrészek száma.

  1. Határozzuk meg X valószínűségi súlyfüggvényét!
  2. Mennyi annak a valószínűsége, hogy a kiválasztott alkatrészek között lesz legalább egy selejtes?

Egy gyáregységben három különböző technológiával tudnak egy bizonyos alkatrészt előállítani. Az első módszerrel gyártják az alkatrészek 50%-át, és ez a módszer az esetek 4%-ában selejtes árut állít elő. A második módszerrel a termelés 30%-a zajlik, a selejtesek aránya itt 5%. A harmadik módszerrel az alkatrészek 20%-át gyártják, ahol a selejtesek aránya 1%. Véletlenszerűen választunk egy, a gyárban előállított alkatrészt, és azt megvizsgáljuk.

  1. Mennyi annak a valószínűsége, hogy az alkatrész selejtes?
  2. Feltéve, hogy az alkatrész selejtes határozzuk meg a feltételes valószínűségi súlyfüggvényét annak, hogy melyik módszerrel állították elő!

Ahogy már korábban is tárgyaltuk, a megbízhatóság elméletben egy n elemű rendszert tekintünk, ahol az elemek egymástól függetlenül vagy üzemelnek, vagy hibásak. Jelölje X i az i -edik elem állapotát, ahol 1 jelenti, hogy az elem működik, 0 hogy elromlott. Tehát a rendszer állapotát leírja az X X 1 X 2 X n vektor. Magára a rendszerre is értelmezett, hogy működik, vagy sem, attól függően, hogy a komponensei közül melyek működnek. Így a rendszer állapota, Y Y X egy indikátor valószínűségi változó, amely a rendszer elemeinek állapotaitól a struktúrafüggvényen keresztül függ.

Egy alkatrész megbízhatóságának nevezzük a működési valószínűségét. Legyen p i X i 1 az i -edik alkatrész megbízhatósága, p p 1 p 2 p n pedig a megbízhatóságokból álló vektor. A függetlenségre vonatkozó feltétel miatt a rendszer megbízhatósága csak az alkatrészek megbízhatóságától függ, a megbízhatósági függvényen keresztül: r p Y 1 . Ha minden alkatrész megbízhatósága azonos (jelölje ezt p ), akkor az alkatrészek állapotai egy n elemű Bernoulli kísérletsorozatot adnak. Ekkor a rendszer megbízhatósága egyszerűen p függvénye.

Tegyük fel, hogy az alkatrészek közös megbízhatósága p . Határozzuk meg az állapotokat leíró X vektor valószínűségi súlyfüggvényét!

Tegyük fel, hogy az alkatrészek közös megbízhatósága p , és jelölje Y a működő alkatrészek számát!

  1. Határozzuk meg Y valószínűségi súlyfüggvényét!
  2. Határozzuk meg az n -ből k elemű rendszer megbízhatóságát! Ez egy olyan rendszer, melynek n eleme van, és pontosan akkor működik, ha az elemek közül legalább k darab működik.

Poisson eloszlás

Legyen f n a a n n ,  n ahol a 0 paraméter.

  1. Igazoljuk, hogy f egy valószínűségi súlyfüggvény minden a 0 esetén!
  2. Igazoljuk, hogy f n f n 1 pontosan akkor, ha n a .
  3. Igazoljuk, hogy az eloszlás egyetlen módusza a , ha a nem egész, és két módusza van: a 1 és a , ha a egész.

Az előző feladatban adott súlyfüggvény az a paraméterű Poisson eloszlás súlyfüggvénye (ez az eloszlás Simeon Poisson-ról kapta a nevét). A Poisson eloszlás részletes tárgyalása a Poisson folyamat fejezetben található. Gyakran használják időbeli, vagy térbeli véletlen pontok modellezésére. Ez esetben az a paraméter arányos az adott időintervallum, vagy térrész nagyságával.

Tegyük fel, hogy egy honlapon lévő elírások száma, N , Poisson eloszlású 2,5 paraméterrel.

  1. Határozzuk meg a móduszt!
  2. Mennyi N 4 ?

A Poisson folyamat kísérletében állítsuk be az r 1 és a t 2.5 paraméterértékeket! Szimuláljunk 1000 kísérletet (frissítsük az ábrát minden tizedik után), és figyeljük meg, hogyan konvergál az empirikus súlyfüggvény a valódi súlyfüggvényhez!

Zeta eloszlás

Legyen g n 1 n 2 amint n + .

  1. Adjuk meg azt az f valószínűségi súlyfüggvényt, amely arányos g -vel! Segítség: n 1 1 n 2 2 6 .
  2. Határozzuk meg az előző eloszlás móduszát!
  3. Határozzuk meg N 5 értékét, ahol N valószínűségi súlyfüggvénye f .

Az előző feladatban definiált eloszlás a zeta eloszláscsalád tagja. A Zeta eloszlásokat különböző tárgyak méretének modellezésénél szokták használni, részletesebben lásd a Nevezetes eloszlásokról szóló fejezetet!

Benford eloszlás

Legyen f d d 1 d 1 1 d , ahol d 1 2 9 . (Itt a logaritmus tízes alapú.)

  1. Igazoljuk, hogy f egy valószínűségi súlyfüggvény!
  2. Számítsuk ki f értékeit, és rajzoljuk le a gráfját!
  3. Határozzuk meg X 3 értékét, ahol X valószínűségi súlyfüggvénye f .

Az előző feladatban definiált eloszlást nevezik Benford eloszlásnak az amerikai fizikus, Frank Benford tiszteletére. A Benford eloszlás részletes tárgyalása szintén a Nevezetes eloszlások fejezetben található.

Vegyes feladatok

Legyen f n 1 n 1 n 1 ,  n 1 2 .

  1. Igazoljuk, hogy f egy valószínűségi súlyfüggvény.
  2. Határozzuk meg 3 N 7 értékét, ahol N egy olyan valószínűségi változó, melynek súlyfüggvénye f .

Legyen g n n 10 n amint n 1 2 9 .

  1. Határozzuk meg azt az f valószínűségi súlyfüggvényt, amely arányos g -vel!
  2. Mi az eloszlás módusza?
  3. Határozzuk meg 3 N 6 értékét, ahol N valószínűségi súlyfüggvénye f .

Legyen g n n 2 10 n amint n 1 2 9 .

  1. Határozzuk meg azt az f valószínűségi súlyfüggvényt, amely arányos g -vel!
  2. Mi az eloszlás módusza?
  3. Határozzuk meg 3 N 6 értékét, ahol N valószínűségi súlyfüggvénye f .

Legyen g x y x y ,  x y 1 2 3 2 .

  1. Vázoljuk g értelmezési tartományát!
  2. Határozzuk meg azt az f valószínűségi súlyfüggvényt, amely arányos g -vel!
  3. Mi az eloszlás módusza?
  4. Határozzuk meg X Y értékét, ahol X Y egy véletlen vektor, melynek valószínűségi súlyfüggvénye f .

Legyen g x y x y amint x y 1 1 1 2 1 3 2 2 2 3 3 3 .

  1. Vázoljuk g értelmezési tartományát!
  2. Határozzuk meg azt az f valószínűségi súlyfüggvényt, amely arányos g -vel!
  3. Mi az eloszlás módusza?
  4. Határozzuk meg X Y 1 2 1 3 2 2 2 3 értékét, ahol X Y egy olyan véletlen vektor, melynek valószínűségi súlyfüggvénye f .

Adathalmaz elemzések

Az M&M adathalmazban jelölje R a piros cukorkák számát, N pedig az összes cukorka számát. Határozzuk meg az alábbi valószínűségi változók empirikus súlyfüggvényét:

  1. R
  2. N
  3. R feltéve, hogy N 57 .

A Kabóca adathalmazban jelölje G a nemet, S az alfajt, W pedig a grammban kifejezett testtömeget. Határozzuk meg a következő valószínűségi változók empirikus súlyfüggvényét:

  1. G
  2. S
  3. G S
  4. G feltéve, hogy W 0,20 gramm.