TKK (c) Ilkka Mellin (2004) 1
Johdatus todennäköisyyslaskentaan
Diskreettejä jakaumia
TKK (c) Ilkka Mellin (2004) 2
Diskreetti tasainen jakauma Bernoulli-jakauma Binomijakauma Geometrinen jakauma Negatiivinen binomijakauma Hypergeometrinen jakauma Poisson-jakauma
Diskreettejä jakaumia
TKK (c) Ilkka Mellin (2004) 3
Diskreettejä jakaumia Mitä opimme? – 1/3
• Tutustumme tässä luvussa seuraaviin diskreetteihin todennäköisyysjakaumiin:
– Diskreetti tasainen jakauma – Bernoulli-jakauma – Binomijakauma – Geometrinen jakauma – Negatiivinen binomijakauma – Hypergeometrinen jakauma – Poisson-jakauma
TKK (c) Ilkka Mellin (2004) 4
Diskreettejä jakaumia Mitä opimme? – 2/3
• Tarkastelun kohteena ovat seuraavat jakaumien ominaisuudet:
(i) Jakauman määrittely (ii) Pistetodennäköisyysfunktio
(iii) Odotusarvo, varianssija standardipoikkeama (iv) Kuvaaja
• Tarkastelemme myös jakaumien yhteyksiätoisiin jakaumiin.
• Tarkasteltavien jakaumien odotusarvotjohdetaansuoraan odotusarvon määritelmään nojautuen.
• Todennäköisyysjakauman momentitsaadaan kuitenkin yleensä kätevimmin johdetuksi käyttämällä hyväksi jakauman momentit generoivaa funktiota; ks. lukua Momenttiemäfunktio ja karakteristinen funktio.
TKK (c) Ilkka Mellin (2004) 5
Diskreettejä jakaumia Mitä opimme? – 3/3
• Tarkastelemme Bernoulli-jakauman, binomijakaumanja Poisson-jakaumantapauksessa myös ko. jakaumaa noudattavien riippumattomiensatunnaismuuttujien summanjakaumaa.
• Lisätietoja riippumattomien satunnaismuuttujien summan jakauman määräämisestä: ks. lukua Satunnaismuuttujien muunnokset ja niiden jakaumat.
• Huomautus:
Tarkoitamme satunnaismuuttujien riippumattomuudellasitä, että yhdenkään satunnaismuuttujan saamat arvot eivät riipu siitä, mitä arvoja muut satunnaismuuttujat saavat; käsite täsmennetään luvussa Kaksiulotteiset todennäköisyysjakaumat.
TKK (c) Ilkka Mellin (2004) 6
Diskreettejä jakaumia Esitiedot
• Esitiedot: ks. seuraavia lukuja:
Satunnaismuuttujat ja todennäköisyysjakaumat Jakaumien tunnusluvut
TKK (c) Ilkka Mellin (2004) 7
Diskreettejä jakaumia Lisätiedot
• Todennäköisyysjakaumien momenttienmääräämistä tarkastellaan luvussa
Momenttiemäfunktio ja karakteristinen funktio
• Riippumattomien satunnaismuuttujien summan jakauman määräämistä tarkastellaan luvussa
Satunnaismuuttujien muunnokset ja niiden jakaumat
TKK (c) Ilkka Mellin (2004) 8
>> Diskreetti tasainen jakauma Bernoulli-jakauma Binomijakauma Geometrinen jakauma Negatiivinen binomijakauma Hypergeometrinen jakauma Poisson-jakauma
Diskreettejä jakaumia
TKK (c) Ilkka Mellin (2004) 9
Avainsanat
Diskreetti tasainen jakauma Odotusarvo
Pistetodennäköisyysfunktio Standardipoikkeama Varianssi
Diskreetti tasainen jakauma
TKK (c) Ilkka Mellin (2004) 10
Diskreetti tasainen jakauma
Diskreetti tasainen jakauma ja sen pistetodennäköisyysfunktio 1/2
• Olkoon X diskreetti satunnaismuuttuja, jonka mahdolliset arvot ovat
x1, x2, … , xn
• Oletetaan, että satunnaismuuttujan Xmahdollisiin arvoihin x1, x2, … , xnliittyvät todennäköisyydet ovat yhtä suuria:
• Huomautus:
Diskreetti tasainen jakauma liittyy sellaisiin otosavaruuksiin, joissa alkeistapaukset ovat symmetrisiä.
Pr(X xk) 1,k 1,2, ,n
= =n = …
TKK (c) Ilkka Mellin (2004) 11
Diskreetti tasainen jakauma
Diskreetti tasainen jakauma ja sen pistetodennäköisyysfunktio 2/2
• Satunnaismuuttujan Xpistetodennäköisyysfunktioon
• Sanomme, että satunnaismuuttuja Xnoudattaa diskreettiä tasaista jakaumaa.
• Huomautus:
Funktio f(x) määrittelee todennäköisyysjakauman, koska ( ) Pr( ) 1,
1,2, ,
f x X x x xk
n
k n
= = = =
= …
1
( ) 1 1
n k k
f x n n
=
= ⋅ =
∑
TKK (c) Ilkka Mellin (2004) 12
Diskreetti tasainen jakauma
Odotusarvo, varianssi ja standardipoikkeama
• Diskreetin tasaisen jakauman odotusarvo:
• Diskreetin tasaisen jakauman varianssi:
• Diskreetin tasaisen jakauman standardipoikkeama:
1
E( ) X 1 n k
k
X x x
µ n
=
= = =
∑
2 2 2
1
Var( ) D ( ) X 1 n (k )
k
X X x x
σ n
=
= = =
∑
−2 1
D( ) X 1 n ( k )
k
X x x
σ n
=
= =
∑
−TKK (c) Ilkka Mellin (2004) 13
Diskreetti tasainen jakauma
Odotusarvon ja varianssin johto
• Suoraan diskreetin satunnaismuuttujan odotusarvon ja varianssin määritelmistä saadaan:
1
1
2 2
2 1
2 1
E( )
( ) 1 Var( ) D ( )
( ) ( )
1 ( )
n
k k
k n
k k
n
k k
k n
k k
X x f x
x x
n
X X
x f x
x x
n µ
σ µ
=
=
=
=
=
=
= =
= =
= −
= −
∑
∑
∑
∑
TKK (c) Ilkka Mellin (2004) 14
Diskreetti tasainen jakauma
Odotusarvon ominaisuuksia
• Diskreetin tasaisen jakauman odotusarvo
on satunnaismuuttujan Xmahdollisten arvojen x1, x2, … , xnaritmeettinen keskiarvo.
1
E( ) X 1 n k
k
X x x
µ n
=
= =
∑
=TKK (c) Ilkka Mellin (2004) 15
Diskreetti tasainen jakauma
Odotusarvon ja varianssin laskeminen:
Esimerkki
• Olkoon satunnaismuuttujan Xpistetodennäköisyysfunktio f(k) = Pr(X = k) = pk= 1/6 , k= 1, 2, 3, 4, 5, 6
• Odotusarvo:
• Varianssi:
• Standardipoikkeama:
6 6
1 1
E( ) ( ) 1
6
1(1 2 3 4 5 6) 3.5 6
k k
X k f k k
= =
= =
= + + + + + =
∑ ∑
D( )X = 2.917 1.708≈
6 6
2 2 2
1 1
2 2 2
D ( ) ( E( )) ( ) 1 ( E( ))
6
1(1 3.5) (2 3.5) (6 3.5) 35 2.917
6 12
k k
X k x f k k x
= =
= − = −
= − + − + + − = ≈
∑ ∑
TKK (c) Ilkka Mellin (2004) 16
Diskreetti tasainen jakauma
Pistetodennäköisyysfunktion kuvaaja
0 0.1 0.2 0.3
1 2 3 4 5 6
Diskreetti tasainen jakauma
• Kuva oikealla esittää diskreetin tasaisen jakauman
pistetodennäköisyysfunktiota.
• Jakauman odotusarvo:
( ) 1, 1, 2,3, 4,5,6 f x =6 x=
6
1
E( ) 1 3.5
6k
X k
=
=
∑
=E(X) = 3.5
TKK (c) Ilkka Mellin (2004) 17
Diskreetti tasainen jakauma
>> Bernoulli-jakauma Binomijakauma Geometrinen jakauma Negatiivinen binomijakauma Hypergeometrinen jakauma Poisson-jakauma
Diskreettejä jakaumia
TKK (c) Ilkka Mellin (2004) 18
Avainsanat Bernoulli-jakauma Bernoulli-koe Odotusarvo
Pistetodennäköisyysfunktio Standardipoikkeama Varianssi
Bernoulli-jakauma
TKK (c) Ilkka Mellin (2004) 19
Bernoulli-jakauma
Bernoulli-jakauma ja sen pistetodennäköisyysfunktio 1/2
• Olkoon AotosavaruudenS tapahtumaja Pr(A) = p.
• Tällöin Pr(Ac) = 1 −Pr(A) = 1 −p= q.
• Määritellään diskreetti satunnaismuuttuja X:
• Tällöin satunnaismuuttujan X jakaumaon 1, jos tapahtuu
0, jos ei tapahdu X A
A
=
Pr( 1) Pr( 0) 1
X p
X p q
= =
= = − =
TKK (c) Ilkka Mellin (2004) 20
Bernoulli-jakauma
Bernoulli-jakauma ja sen pistetodennäköisyysfunktio 2/2
• Satunnaismuuttujan Xpistetodennäköisyysfunktioon
• Sanomme, että satunnaismuuttuja Xnoudattaa Bernoulli-jakaumaa parametrinaan p.
• Merkintä:
X∼Bernoulli(p)
• Huomautus:
Funktio f(x) määrittelee todennäköisyysjakauman, koska
( ) Pr( ) 1 , 0 1, 1
0,1
x x
f x X x p q p q p
x
= = = − < < = −
=
(0) (1) 1
f +f = + =q p
TKK (c) Ilkka Mellin (2004) 21
Bernoulli-jakauma
Komplementtitapahtuman todennäköisyys
• Olkoon Pr(A) = p
• Tällöin Pr(Ac)
= 1 −P(A)
= 1 −p
= q
S A
Ac
TKK (c) Ilkka Mellin (2004) 22
Bernoulli-jakauma
Odotusarvo, varianssi ja standardipoikkeama
• Olkoon
X∼Bernoulli(p)
• Odotusarvo:
E(X) = p
• Varianssija standardipoikkeama:
Var( ) D ( )2
D( )
X X pq
X pq
= =
=
TKK (c) Ilkka Mellin (2004) 23
Bernoulli-jakauma
Odotusarvon ja varianssin johto
• Suoraan diskreetin satunnaismuuttujan odotusarvon ja varianssin määritelmistä saadaan:
2 2 2
2 2
2
E( ) 1 Pr( 1) 0 Pr( 0)
1 0
E( ) 1 Pr( 1) 0 Pr( 0)
1 0
Var( ) E( ) [E( )]
(1 )
X X X
p q
p
X X X
p q
p
X X X
p p
p p
pq
= × = + × =
= × + ×
=
= × = + × =
= × + ×
=
= −
= −
= −
=
TKK (c) Ilkka Mellin (2004) 24
Bernoulli-jakauma
Odotusarvon ja varianssin ominaisuuksia
• Olkoon
X∼Bernoulli(p)
• Bernoulli-jakauman odotusarvo E(X) = p
yhtyy tapahtuman A todennäköisyyteenPr(A) = p.
• Bernoulli-jakauman varianssi Var(X) = pq= p(1 –p) = p–p2 saavuttaa maksiminsa
1/4 kun p= q= 1/2.
TKK (c) Ilkka Mellin (2004) 25 0
0.2 0.4 0.6 0.8 1
0 1
Bernoulli-jakauma
Pistetodennäköisyysfunktion kuvaaja
Bernoulli(0.8)
• Kuva oikealla esittää Bernoulli- jakauman
Bernoulli(0.8) pistetodennäköisyysfunktiota
pisteissä x= 0, 1
• Jakauman odotusarvo:
( ) 1
0.8 , 1
x x
f x p q
p q p
= −
= = −
E( )X = =p 0.8
E(X) = 0.8
TKK (c) Ilkka Mellin (2004) 26
Bernoulli-jakauma
Bernoulli-jakaumaa noudattavien satunnaismuuttujien summan jakauma 1/2
• Olkoot
X1, X2, … , Xn
riippumattomiasatunnaismuuttujia, jotka noudattavat samaa Bernoulli-jakaumaaparametrilla p:
X1, X2, … , Xn⊥
Xi~ Bernoulli(p) , i= 1, 2, … , n
• Tällöin satunnaismuuttujien X1, X2, … , Xnsumma Y= X1+ X2+ ··· + Xn
noudattaa binomijakaumaaparametrilla (n, p):
Y~ Bin(n, p)
TKK (c) Ilkka Mellin (2004) 27
Bernoulli-jakauma
Bernoulli-jakaumaa noudattavien satunnaismuuttujien summan jakauma 2/2
• Tulos perustellaan luvussa Satunnaismuuttujien muunnokset ja niiden jakaumat.
• Huomautuksia:
– Kaikilla Bernoulli-jakaumilla on oltava samatapahtuman A todennäköisyyttä kuvaava parametri p.
– Tarkoitamme satunnaismuuttujien riippumattomuudellasitä, että yhdenkään satunnaismuuttujan saamat arvot eivät riipu siitä, mitä arvoja muut satunnaismuuttujat saavat; käsite täsmennetään luvussa Kaksiulotteiset todennäköisyysjakaumat.
TKK (c) Ilkka Mellin (2004) 28
Bernoulli-jakauma
Bernoulli-kokeet ja
diskreetit todennäköisyysjakaumat 1/2
• Useat diskreetit todennäköisyysjakaumat saadaan toistamalla samaa Bernoulli-koettaniin, että koetoistot ovat riippumattomia:
(i) Binomijakaumasaadaan määräämällä
todennäköisyys sille, että tapahtuma Asattuu xkertaa, kun koetta toistetaan nkertaa.
(ii) Geometrinen jakaumasaadaan määräämällä todennäköisyys sille, että tapahtuma Asattuu ensimmäisen kerran x. koetoistossa.
(iii)Negatiivinen binomijakaumasaadaan määräämällä todennäköisyys sille, että tapahtuma Asattuu r.
kerran x. koetoistossa.
TKK (c) Ilkka Mellin (2004) 29
Bernoulli-jakauma
Bernoulli-kokeet ja
diskreetit todennäköisyysjakaumat 2/2
• Poisson-jakaumavoidaan johtaa binomijakauman raja- arvona, kun koetoistojen lukumäärän annetaan tiettyjen ehtojen vallitessa kasvaa rajatta.
Poisson-todennäköisyys voidaan tulkita toden-
näköisyydeksi sille, ettäharvinainentapahtuma Asattuu x kertaa pitkässä toistokoesarjassa.
TKK (c) Ilkka Mellin (2004) 30
Diskreetti tasainen jakauma Bernoulli-jakauma
>> Binomijakauma Geometrinen jakauma Negatiivinen binomijakauma Hypergeometrinen jakauma Poisson-jakauma
Diskreettejä jakaumia
TKK (c) Ilkka Mellin (2004) 31
Avainsanat Binomijakauma Bernoulli-jakauma Bernoulli-koe Odotusarvo Otanta takaisinpanolla Pistetodennäköisyysfunktio Standardipoikkeama Varianssi
Binomijakauma
TKK (c) Ilkka Mellin (2004) 32
Binomijakauma
Binomijakauma ja sen pistetodennäköisyysfunktio 1/3
• Toistetaan samaaBernoulli-koettankertaa, jossa non kiinteä, etukäteen päätettyluku.
• Oletetaan, että koetoistot ovat riippumattomia.
• Tarkastellaan otosavaruuden Stapahtuman Asattumista koetoistojen aikana.
• Oletetaan, että Pr(A) = p
Pr(Ac) = 1 −Pr(A) = 1 −p= q
• Määritellään diskreetti satunnaismuuttuja X:
X= Tapahtuman Aesiintymisten lukumäärä n-kertaisessa Bernoulli-kokeessa
TKK (c) Ilkka Mellin (2004) 33
Binomijakauma
Binomijakauma ja sen pistetodennäköisyysfunktio 2/3
• Satunnaismuuttujan X pistetodennäköisyysfunktioon
• Sanomme, että satunnaismuuttuja Xnoudattaa binomijakaumaa parametreinaan nja p.
• Merkintä:
X∼Bin(n, p)
( ) Pr( ) , 0 1, 1
0,1,2, ,
x n x
f x X x n p q p q p
x
x n
−
= = = < < = −
= …
TKK (c) Ilkka Mellin (2004) 34
Binomijakauma
Binomijakauma ja sen pistetodennäköisyysfunktio 3/3
• Huomautus:
Funktio f(x) määrittelee todennäköisyysjakauman, koska binomikaavanmukaan
Siten binomijakauman pistetodennäköisyydet
toteuttavat yhtälön
( ) x n x, 0,1, 2, ,
x
p f x n p q x n
x
−
= = = …
0 0
( ) ( ) 1 1
n n
x n x n n
x x
f x n p q p q
x
−
= =
= = + = =
∑ ∑
0 1 2
0
1
n x n x n
x
p p p p n p q
x
−
=
+ + + + = =
∑
TKK (c) Ilkka Mellin (2004) 35
Binomijakauma
Pistetodennäköisyysfunktion johto 1/2
• Toistetaan samaaBernoulli-koettankertaa.
• Oletetaan, että koetoistot ovat riippumattomiaja tarkastellaan tapahtuman Asattumista koetoistojen aikana.
• Oletetaan, että toistokoesarjan tuloksena saadaan tapahtumajono jossa on xkpl tapahtumia Aja (n−x) kpl tapahtumia Ac.
• Koska Pr(A) = p
Pr(Ac) = 1 −Pr(A) = 1 −p= q
tarkasteltavan tapahtumajonon todennäköisyydeksi saadaan riippumattomien tapahtumien tulosäännönnojalla
c c
A A A A A…A
x n x
ppqpq…p=p q−
TKK (c) Ilkka Mellin (2004) 36
Binomijakauma
Pistetodennäköisyysfunktion johto 2/2
• Erilaisiajonoja, joissa on xkpl tapahtumia Aja (n−x) kpl tapahtumia Ac, on
• Erilaisettapahtumajonot ovat toisensa poissulkevia.
• Toisensa poissulkevien tapahtumien yhteenlaskusäännönmukaan todennäköisyys saada sellainen jono, jossa on xkpl tapahtumia Aja (n−x) kpl tapahtumia Acsaadaan laskemalla erilaistentällaisten jonojen todennäköisyydet yhteen.
• Siten kysytyksi todennäköisyydeksi saadaan
( ) , 1
0,1, 2, ,
x n x
f x n p q q p
x
x n
−
= = −
= …
n kpl x
TKK (c) Ilkka Mellin (2004) 37
Binomijakauma
Odotusarvo, varianssi ja standardipoikkeama
• Olkoon X∼Bin(n, p)
• Odotusarvo:
• Varianssija standardipoikkeama:
E( )X =np Var( ) D ( )2
D( )
X X npq
X npq
= =
=
TKK (c) Ilkka Mellin (2004) 38
Binomijakauma
Odotusarvon johto 1/2
• Olkoon X∼Bin(n, p)
• Tällöin
0 0
1
1
1 1
E( ) ( ) ! (1 )
!( )!
! (1 )
!( )!
! (1 )
( 1)!( )!
( 1)! (1 )
( 1)!( )!
n n
x n x
x x
n x n x
x n
x n x
x n
x n x
x
X xf x x n p p
x n x
x n p p
x n x
n p p
x n x
np n p p
x n x
np
−
= =
−
=
−
=
− −
=
= = −
−
= −
−
= −
− −
= − −
− −
=
∑ ∑
∑
∑
∑
TKK (c) Ilkka Mellin (2004) 39
Binomijakauma
Odotusarvon johto 2/2
• Kalvon 1/2 yhtälöketjun viimeinen yhtälö perustuu siihen, että
• Tämä seuraa siitä, että summassa lasketaan yhteen kaikki binomijakauman
Bin(n– 1, p) pistetodennäköisyydet
1 1
( 1)! (1 ) 1
( 1)!( )!
n x n x
x
n p p
x n x
− −
=
− − =
− −
∑
( 1)! 1
( ) (1 )
( 1)!( )!
x n x
f x n p p
x n x
− −
= − −
− −
TKK (c) Ilkka Mellin (2004) 40
Binomijakauma
Odotusarvon ja varianssin ominaisuuksia
• Olkoon X∼Bin(n, p)
• Binomijakauman odotusarvo
on suoraan verrannollinensekätoistokeiden lukumäärään nettätapahtuman A todennäköisyyteenPr(A) = p.
• Binomijakauman varianssi Var(X) = npq= np(1 –p) saavuttaa maksiminsa
n/4 kun p= q= 1/2.
E( )X =np
TKK (c) Ilkka Mellin (2004) 41
Binomijakauma
Pistetodennäköisyysfunktion kuvaaja
0 0.1 0.2 0.3 0.4
0 1 2 3 4 5 6 7 8 9 10 11 12
• Kuva oikealla esittää Binomi- jakauman
Bin(12, 1/3)
pistetodennäköisyysfunktiota
pisteissä x= 0, 1, 2, … , 12
• Jakauman odotusarvo:
E( )X =np=4 E(X) = 4
Bin(12, 1/3)
( )
12 , 1/ 3 , 1
x n x
f x n p q x
n p q p
−
=
= = = −
TKK (c) Ilkka Mellin (2004) 42
Binomijakauma
Pistetodennäköisyysfunktion kuvaaja:
Tapaukset p< 1/2, p= 1/2, p> 1/2
• p< 1/2: Binomijakauma on vino oikealle.
• p= 1/2: Binomijakauma on symmetrinen.
• p> 1/2: Binomijakauma on vino vasemmalle.
0 0.05 0.1 0.15 0.2 0.25 0.3
0 1 2 3 4 5 6 7 8 9 10 11 12 0 0.05 0.1 0.15 0.2 0.25 0.3
0 1 2 3 4 5 6 7 8 9 10 11 12 0 0.05 0.1 0.15 0.2 0.25 0.3
0 1 2 3 4 5 6 7 8 9 10 11 12
Bin(12, 1/4) Bin(12, 1/2) Bin(12, 3/4)
TKK (c) Ilkka Mellin (2004) 43
Binomijakauma
Binomijakauma ja Bernoulli-jakauma 1/3
• Toistetaan samaaBernoulli-koettankertaa, jossa non kiinteä, etukäteen päätettyluku.
• Oletetaan, että koetoistot ovat riippumattomiaja tarkastellaan tapahtuman Asattumista koetoistojen aikana.
• Oletetaan, että Pr(A) = p Pr(Ac) = 1 −p= q
TKK (c) Ilkka Mellin (2004) 44
Binomijakauma
Binomijakauma ja Bernoulli-jakauma 2/3
• Määritellään diskreetit satunnaismuuttujat Xi, i= 1, 2, … , n:
• Tällöin
Xi∼Bernoulli(p), i= 1, 2, … , n.
• Määritellään diskreetti satunnaismuuttuja X: X= Tapahtuman Aesiintymisten lukumäärä
n-kertaisessa Bernoulli-kokeessa
• Tällöin X∼Bin(n, p)
1, jos tapahtuu kokeessa 0, jos ei tapahdu kokeessa
i
A i
X A i
=
TKK (c) Ilkka Mellin (2004) 45
Binomijakauma
Binomijakauma ja Bernoulli-jakauma 3/3
• Selvästi
koska luku 1 esiintyy summassa ∑Xitäsmälleenyhtä monta kertaa kuin tapahtuma Asattuu n:n koetoiston aikana.
• Tämä merkitsee sitä, ettäbinomijakautunut satunnais- muuttujavoidaan esittääriippumattomien Bernoulli- jakautuneiden satunnaismuuttujien summana.
• Huomautus:
Binomi- ja Bernoulli-jakauman yhteyttä voidaan käyttää apuna binomijakauman odotusarvonja varianssinmääräämisessä; ks. >.
1 n
i i
X X
=
=
∑
TKK (c) Ilkka Mellin (2004) 46
Binomijakauma
Binomijakauman odotusarvon ja varianssin johto sekä Bernoulli-jakauma 1/2
• Olkoot Xi, i= 1,2, … , n riippumattomia satunnaismuuttujia, jotka noudattavat samaa Bernoulli-jakaumaaparametrilla p:
X1, X2, … , Xn⊥
Xi∼Bernoulli(p), i= 1,2, … , n
• Olkoon
• Tällöin X ∼Bin(n, p)
• Huomautus:
Tarkoitamme satunnaismuuttujien riippumattomuudellasitä, että yhdenkään satunnaismuuttujan saamat arvot eivät riipu siitä, mitä arvoja muut satunnaismuuttujat saavat; käsite täsmennetään luvussa Kaksiulotteiset todennäköisyysjakaumat.
1 n
i i
X X
=
=
∑
TKK (c) Ilkka Mellin (2004) 47
Binomijakauma
Binomijakauman odotusarvon ja varianssin johto sekä Bernoulli-jakauma 2/2
• Satunnaismuuttujan X= ∑Xiodotusarvoon
koska satunnaismuuttujien summan odotusarvo on satunnais- muuttujien odotusarvojen summa.
• Satunnaismuuttujan X= ∑Xivarianssion
koska riippumattomien satunnaismuuttujien summan varianssi on satunnaismuuttujien varianssien summa.
1 1 1
E( ) E n i nE( )i n
i i i
X X X p np
= = =
=
∑
=∑
=∑
=2 2 2
1 1 1
D ( ) D n i nD ( )i n
i i i
X X X pq npq
= = =
=
∑
=∑
=∑
=TKK (c) Ilkka Mellin (2004) 48
Binomijakauma
Binomijakaumaa noudattavien satunnaismuuttujien summan jakauma 1/2
• Olkoot
X1, X2, … , Xk
riippumattomiasatunnaismuuttujia, jotka noudattavat binomijakaumiaparametrein (n1, p), (n2, p), … , (nk, p):
X1, X2, … , Xk⊥
Xi~ Bin(ni, p) , i= 1, 2, … , k
• Tällöin satunnaismuuttujien X1, X2, … , Xksumma Y= X1+ X2+ ··· + Xk
noudattaa binomijakaumaaparametrein (n1+ n2+ ··· + nk, p):
Y~ Bin(n1+ n2+ ··· + nk, p)
TKK (c) Ilkka Mellin (2004) 49
Binomijakauma
Binomijakaumaa noudattavien satunnaismuuttujien summan jakauma 2/2
• Tulos perustellaan luvussa Satunnaismuuttujien muunnokset ja niiden jakaumat.
• Huomautuksia:
– Kaikilla binomijakaumilla on oltava samatapahtuman Atoden- näköisyyttä kuvaava parametri p, mutta sen sijaan toistokokeiden lukumäärää kuvaava parametri saa vaihdella jakaumasta toiseen.
– Tarkoitamme satunnaismuuttujien riippumattomuudellasitä, että yhdenkään satunnaismuuttujan saamat arvot eivät riipu siitä, mitä arvoja muut satunnaismuuttujat saavat; käsite täsmennetään luvussa Kaksiulotteiset todennäköisyysjakaumat.
TKK (c) Ilkka Mellin (2004) 50
Binomijakauma
Binomijakauma ja otanta takaisinpanolla 1/5
• Olkoon perusjoukon Salkioiden lukumäärä n(S) = N
• Poimitaan perusjoukosta S satunnaisesti osajoukko B, jonka alkioiden lukumäärä on
n(B) = n
käyttämällä poiminnassa otantaa takaisinpanolla.
TKK (c) Ilkka Mellin (2004) 51
Binomijakauma
Binomijakauma ja otanta takaisinpanolla 2/5
• Otanta takaisinpanolla:
(i) Perusjoukosta Spoimitaan alkiot osajoukkoon Byksi kerrallaan arpomalla.
(ii) Poimittu alkio palautetaanaina ennen uuden alkion arpomista takaisinperusjoukkoon S.
(iii)Jokaisella perusjoukon S alkiollaon jokaisessa arvonnassa sama todennäköisyys
1/N
tulla poimituksiosajoukkoon B.
• Osajoukko Bmuodostaa yksinkertaisen satunnais- otoksenperusjoukosta S.
TKK (c) Ilkka Mellin (2004) 52
Binomijakauma
Binomijakauma ja otanta takaisinpanolla 3/5
• Otannassa takaisinpanolla arvonta voidaan toteuttaa seuraavalla tavalla:
(1) Pannaan uurnaanjokaista perusjoukon Salkiota vastaava arpalippu.
(2) Sekoitetaanarvat huolellisesti.
(3) Nostetaanuurnasta arpalippu, jota vastaava alkio valitaan otokseen B.
(4) Palautetaannostettu arpalippu uurnaan.
(5) Palataan vaiheeseen (2), kunnes haluttu otoskoko n on saavutettu.
TKK (c) Ilkka Mellin (2004) 53
Binomijakauma
Binomijakauma ja otanta takaisinpanolla 4/5
• Huomautuksia otannasta takaisinpanolla:
(i) Jokaisen perusjoukon S alkion todennäköisyystulla valituksi otokseen säilyy samanakoko poiminnan ajan.
(ii) Jokaisella perusjoukon Ssamankokoisella osajoukolla on samatodennäköisyys tulla valituksi otokseksi.
(iii) Sama perusjoukon Salkio voi tulla valituksi useita kertojaotokseen.
TKK (c) Ilkka Mellin (2004) 54
Binomijakauma
Binomijakauma ja otanta takaisinpanolla 5/5
• Olkoon Aperusjoukon osajoukko, jonka alkioiden lukumäärä on
n(A) = r
• Tällöin todennäköisyys poimia alkio joukosta Aon
• Otannassa takaisinpanolla otokseen poimittujen A- tyyppisten alkioiden lukumäärä Xon diskreetti satunnais- muuttuja, joka noudattaa binomijakaumaa parametreilla nja p:
X∼Bin(n, p) Pr( )A p r
= =N
TKK (c) Ilkka Mellin (2004) 55
Diskreetti tasainen jakauma Bernoulli-jakauma Binomijakauma
>> Geometrinen jakauma Negatiivinen binomijakauma Hypergeometrinen jakauma Poisson-jakauma
Diskreettejä jakaumia
TKK (c) Ilkka Mellin (2004) 56
Avainsanat
Geometrinen jakauma Bernoulli-koe Odotusarvo
Pistetodennäköisyysfunktio Standardipoikkeama Varianssi
Geometrinen jakauma
TKK (c) Ilkka Mellin (2004) 57
Geometrinen jakauma
Geometrinen jakauma ja sen pistetodennäköisyysfunktio 1/2
• Toistetaan samaaBernoulli-koetta.
• Oletetaan, että koetoistot ovat riippumattomia.
• Tarkastellaan otosavaruuden Stapahtuman Asattumista koetoistojen aikana.
• Oletetaan, että Pr(A) = p
Pr(Ac) = 1 −Pr(A) = 1 −p= q
• Määritellään diskreetti satunnaismuuttuja X:
X= Tehtyjen Bernoulli-kokeiden lukumäärä, kun Asattuu ensimmäisen kerran
TKK (c) Ilkka Mellin (2004) 58
Geometrinen jakauma
Geometrinen jakauma ja sen pistetodennäköisyysfunktio 2/2
• Satunnaismuuttujan X pistetodennäköisyysfunktioon
• Sanomme, että satunnaismuuttuja Xnoudattaa geometrista jakaumaa parametrinaan p.
• Merkintä:
X∼Geom(p)
• Huomautus:
Funktio f(x) määrittelee todennäköisyysjakauman, koska geometrisen sarjan summan kaavanmukaan
( ) Pr( ) 1 , 0 1, 1
1,2,3,
f x X x q px p q p
x
= = = − < < = −
= …
1
1 1 0
1 1
( ) 1
1
x x
x x x
f x q p p q p p
q p
∞ ∞ ∞
−
= = =
= = = = =
∑ ∑ ∑
−TKK (c) Ilkka Mellin (2004) 59
Geometrinen jakauma
Pistetodennäköisyysfunktion johto 1/2
• Toistetaan samaaBernoulli-koettankertaa.
• Oletetaan, että koetoistot ovat riippumattomiaja tarkastellaan tapahtuman Asattumista koetoistojen aikana.
• Tarkastellaan toistokoesarjaa, jossa tapahtuma Asattuu ensimmäisen kerran x:nnessä kokeessa.
• Toistokoesarjan tuloksena on tällöin ollut tapahtumajono
jossa on ensinsattunut (x−1) kpl tapahtumia Acja sitten tapahtuma A.
c c c c
A A A…A A
TKK (c) Ilkka Mellin (2004) 60
Geometrinen jakauma
Pistetodennäköisyysfunktion johto 2/2
• Koska Pr(A) = p
Pr(Ac) = 1 −Pr(A) = 1 −p= q
tarkasteltavan tapahtumajonon todennäköisyydeksi saadaan riippumattomien tapahtumien tulosäännönnojalla
mikä on kysytty todennäköisyys.
1
1,2,3, qqq qp q px
x
= −
= …
TKK (c) Ilkka Mellin (2004) 61
Geometrinen jakauma
Odotusarvo, varianssi ja standardipoikkeama
• Olkoon X∼Geom(p)
• Odotusarvo:
• Varianssija standardipoikkeama:
E( )X 1
=p
2
Var( ) D ( ) 2
D( )
X X q
p X q
p
= =
=
TKK (c) Ilkka Mellin (2004) 62
Geometrinen jakauma
Odotusarvon johto 1/4
• Olkoon X∼Geom(p)
• Satunnaismuuttujan X pistetodennäköisyysfunktioon
• Pistetodennäköisyyksienf(x) , x= 1, 2, 3, …summaon
• Satunnaismuuttujan X odotusarvoon
( ) 1 , 1
1, 2,3, f x q p qx p
x
= − = −
= …
1
1 1
( ) ( ) (1 )x 1
x x
S p ∞ f x ∞ p −p
= =
=
∑
=∑
− =1
1 1
E( ) ( ) (1 )x
x x
X ∞xf x ∞x p −p
= =
=
∑
=∑
−TKK (c) Ilkka Mellin (2004) 63
Geometrinen jakauma
Odotusarvon johto 2/4
• Summan S(p) derivaatta muuttujan psuhteen on
2 1
1 2 1
2 1
1 1
1 1
1 1
1 1
( ) ( 1)(1 ) (1 )
(1 )
(1 ) (1 )
1 (1 )
1
1 (1 ) 1 (1 )
1
x x
x x x
x x
x x
x x
x x
x x
S p x p p p
p
x p p
p p p
x p p
p
p p p p
p p
∞ − −
=∞
−
= ∞ ∞
− −
= =
∞ −
=
∞ ∞
− −
= =
∂∂ = − − − + −
= − −
+ − + −
= − −
−
+ − + −
−
∑
∑
∑ ∑
∑
∑ ∑
TKK (c) Ilkka Mellin (2004) 64
Geometrinen jakauma
Odotusarvon johto 3/4
• Ottamalla huomioon yhtälöt
saadaan yhtälö
( ) 1 E( ) 1 1
1 1
1 E( ) 1
1 (1 )
0
S p X
p p p p
p X p p
∂ = − + +
∂ − −
= − +
− −
=
1 1
1 1
(1 ) ( ) 1
(1 ) E( )
x x
x x
p p S p
x p p X
∞ −
=
∞ −
=
− = =
− =
∑
∑
TKK (c) Ilkka Mellin (2004) 65
Geometrinen jakauma
Odotusarvon johto 4/4
• Geometrisen jakauman odotusarvo E(x) toteuttaa siis yhtälön
• Sitengeometrisen jakauman odotusarvoon E( )X 1
=p
1 E( ) 1 0
1 X (1 )
p p p
− + =
− −
TKK (c) Ilkka Mellin (2004) 66
Geometrinen jakauma
Odotusarvon ominaisuuksia
• Olkoon X∼Geom(p)
• Geometrisen jakauman odotusarvo
on kääntäen verrannollinen tapahtuman A toden- näköisyyteenPr(A) = p.
• Siten tapahtumaa Asaa odottaa keskimäärin sitäkauemmin mitäpienempion tapahtuman Atodennäköisyys.
E( )X 1
=p
TKK (c) Ilkka Mellin (2004) 67
Geometrinen jakauma
Pistetodennäköisyysfunktion kuvaaja
• Kuva oikealla esittää geometrisen jakauman
Geom(1/3)
pistetodennäköisyysfunktiota
pisteissä x= 1, 2, … , 12
• Jakauman odotusarvo: 0
0.1 0.2 0.3 0.4 0.5
1 2 3 4 5 6 7 8 9 10 11 12
( ) 1
1/ 3 , 1 f x q px
p q p
= −
= = −
E( )X 1 3
=p=
Geom(1/3)
E(X) = 3
TKK (c) Ilkka Mellin (2004) 68
Geometrinen jakauma
Geometrisen jakauman unohtamisominaisuus
• Olkoon X∼Geom(p)
• Tällöin
Pr(X≥a+ b |X≥a) = Pr(X≥1 + b)
• Siten geometrisella jakaumalla on seuraava unohtamis- ominaisuus:
Se, että tapahtuman Asattumista on jouduttu odottamaan akoetoistoa, ei vaikutatodennäköisyyteen joutua odottamaan bkoetoistoa lisää.
TKK (c) Ilkka Mellin (2004) 69
Diskreetti tasainen jakauma Bernoulli-jakauma Binomijakauma Geometrinen jakauma
>> Negatiivinen binomijakauma Hypergeometrinen jakauma Poisson-jakauma
Diskreettejä jakaumia
TKK (c) Ilkka Mellin (2004) 70
Avainsanat Bernoulli-koe Geometrinen jakauma Negatiivinen binomijakauma Odotusarvo
Pistetodennäköisyysfunktio Standardipoikkeama Varianssi
Negatiivinen binomijakauma
TKK (c) Ilkka Mellin (2004) 71
Negatiivinen binomijakauma
Negatiivinen binomijakauma ja sen pistetodennäköisyysfunktio 1/2
• Toistetaan samaaBernoulli-koetta.
• Oletetaan, että koetoistot ovat riippumattomia.
• Tarkastellaan otosavaruuden Stapahtuman Asattumista koetoistojen aikana.
• Oletetaan, että Pr(A) = p
Pr(Ac) = 1 −Pr(A) = 1 −p= q
• Määritellään diskreetti satunnaismuuttuja X:
X= Tehtyjen Bernoulli-kokeiden lukumäärä, kun Asattuu r. kerran
TKK (c) Ilkka Mellin (2004) 72
Negatiivinen binomijakauma
Negatiivinen binomijakauma ja sen pistetodennäköisyysfunktio 2/2
• Satunnaismuuttujan X pistetodennäköisyysfunktioon
• Sanomme, että satunnaismuuttuja Xnoudattaa negatiivista binomijakaumaa parametreinaan rja p.
• Merkintä:
X∼NegBin(r, p)
( ) Pr( ) 1 , 0 1, 1
1
1,2,3, ; , 1, 2,
x r r
f x X x x q p p q p
r
r x r r r
− −
= = = − < < = −
= … = + + …