• Ei tuloksia

Mat-2.091 Sovellettu todennäköisyyslasku 6. harjoitukset/Ratkaisut Aiheet: Moniulotteiset jakaumat Avainsanat:

N/A
N/A
Info
Lataa
Protected

Academic year: 2022

Jaa "Mat-2.091 Sovellettu todennäköisyyslasku 6. harjoitukset/Ratkaisut Aiheet: Moniulotteiset jakaumat Avainsanat:"

Copied!
14
0
0

Kokoteksti

(1)

6. harjoitukset/Ratkaisut

Aiheet: Moniulotteiset jakaumat Avainsanat:

Diskreetti jakauma, Ehdollinen jakauma, Ehdollinen odotusarvo, Jatkuva jakauma, Kertymä- funktio, Korrelaatio, Korreloituneisuus, Kovarianssi, Odotusarvo, Pistetodennäköisyysfunktio, Regressiofunktio, Reunajakauma, Riippumattomuus, Riippuvuus, Tiheysfunktio, Varianssi, Yhteisjakauma

6.1. Heitetään kahta noppaa. Määritellään satunnaismuuttujat X = 1. nopan heiton tulos

Y = 2. nopan heiton tulos Z = X – Y

Määrää

(a) Satunnaismuuttujien X ja Z yhteisjakauma.

(b) E(Z) (c) Var(Z) (d) Cov(X, Z)

(e) Satunnaismuuttujan Z ehdollinen jakauma ehdolla X = 2.

(f) Satunnaismuuttujan X ehdollinen jakauma ehdolla Z = –3.

(g) E(Z| X) Ratkaisu:

(a) Satunnaismuuttujien X ja Y pistetodennäköisyysfunktiot fX(i) = Pr(X = i) = fY(i) = Pr(Y = i)

voidaan esittää seuraavana taulukkona:

i 1 2 3 4 5 6

fX(i) = fY(i) 1/6 1/6 1/6 1/6 1/6 1/6

(2)

Muodostetaan aputaulukko erotuksille Z = X – Y:

1. nopan heiton tulos X = i Erotus

Z = X – Y 1 2 3 4 5 6

1 0 1 2 3 4 5

2 –1 0 1 2 3 4

3 –2 –1 0 1 2 3

4 –3 –2 –1 0 1 2

5 –4 –3 –2 –1 0 1

2.

nopan heiton tulos Y = j

6 –5 –4 –3 –2 –1 0

Satunnaismuuttujan Z = X – Y pistetodennäköisyysfunktio fZ(j) = Pr(Z = j)

voidaan esittää seuraavana taulukkona:

j –5 –4 –3 –2 –1 0 1 2 3 4 5

fZ(j) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36 Satunnaismuuttujien X ja Z = X – Y yhteisjakauman pistetodennäköisyysfunktio

fXZ(i, j) = Pr(X = i ja Z = j)

voidaan esittää seuraavana taulukkona:

1. nopan heiton tulos X = i fXZ(i, j)

1 2 3 4 5 6

5 0 0 0 0 0 1/36

4 0 0 0 0 1/36 1/36

3 0 0 0 1/36 1/36 1/36

2 0 0 1/36 1/36 1/36 1/36

1 0 1/36 1/36 1/36 1/36 1/36 0 1/36 1/36 1/36 1/36 1/36 1/36 –1 1/36 1/36 1/36 1/36 1/36 0 –2 1/36 1/36 1/36 1/36 0 0

–3 1/36 1/36 1/36 0 0 0

–4 1/36 1/36 0 0 0 0

Z

= X – Y

= j

–5 1/36 0 0 0 0 0

(3)

(b) Luentokalvoilla on laskettu:

E(X) = E(Y) = 21/6 = 3.5 Yleisesti pätee:

E(X – Y) = E(X) – E(Y) Siten

E(Z) = E(X – Y) = E(X) – E(Y) = 0

(c) Luentokalvoilla on laskettu:

Var(X) = Var(Y) = 35/12 = 2.917

Jos satunnaismuuttujat X ja Y ovat riippumattomia, Var(X – Y) = Var(X) + Var(Y)

Siten

Var(Z) = Var(X – Y) = Var(X) + Var(Y) = 35/6 = 5.833

(d) Todistamme ensin aputuloksen

Cov(X, X – Y) = Var(X) – Cov(X, Y) Aputuloksen perustelu tapahtuu seuraavasti:

Voimme olettaa, että E(X) = E(Y) = 0 Tällöin:

Cov(X, X – Y) = E[X(X – Y)]

= E[X2 – XY]

= E(X2) – E(XY)

= Var(X) – Cov(X, Y)

Koska X ja Y ovat riippumattomia, niin Cov(X, Y) = 0.

Siten

Cov(X, Z) = Var(X) = 35/12 = 2.917

(4)

(e) Satunnaismuuttujan Z ehdolliset pistetodennäköisyysfunktiot, ehdolla X ( , )

( ) , 1, 2, , 6 , 5, 4, , 4,5 ( )

XZ Z X

X

f i j

f j i j

= f i = … = − − …

voidaan esittää seuraavana taulukkona, jossa ehdolliset jakaumat ovat sarakkeina:

1. nopan heiton tulos X = i fZ|X(j)

1 2 3 4 5 6

5 0 0 0 0 0 1/6

4 0 0 0 0 1/6 1/6

3 0 0 0 1/6 1/6 1/6

2 0 0 1/6 1/6 1/6 1/6

1 0 1/6 1/6 1/6 1/6 1/6

0 1/6 1/6 1/6 1/6 1/6 1/6

–1 1/6 1/6 1/6 1/6 1/6 0

–2 1/6 1/6 1/6 1/6 0 0

–3 1/6 1/6 1/6 0 0 0

–4 1/6 1/6 0 0 0 0

Z

= X – Y

= j

–5 1/6 0 0 0 0 0

Kysyttyyn ehdolliseen jakaumaan liittyvät osat taulukon luvuista on lihavoitu.

Esimerkiksi, jos x = 2 ja z = 4,

2

(2, 4) 0

(4) 0

(2) 1 6

XZ Z X

X

f f

= = f = =

Esimerkiksi, jos x = 2 ja z = –2,

2

(2, 2) 1 36 1 ( 2) (2) 1 6 6

XZ Z X

X

f f

= f

− = − = =

(5)

(f) Satunnaismuuttujan X ehdolliset pistetodennäköisyysfunktiot, ehdolla Z ( , )

( ) , 1, 2, , 6 , 5, 4, , 4,5 ( )

XZ X Z

Z

f i j

f i i j

f j

= = … = − − …

voidaan esittää seuraavana talukkona, jossa ehdolliset jakaumat ovat riveinä:

1. nopan heiton tulos X = i fX|Z(i)

1 2 3 4 5 6 5 0 0 0 0 0 1

4 0 0 0 0 1/2 1/2

3 0 0 0 1/3 1/3 1/3

2 0 0 1/4 1/4 1/4 1/4 1 0 1/5 1/5 1/5 1/5 1/5 0 1/6 1/6 1/6 1/6 1/6 1/6 –1 1/5 1/5 1/5 1/5 1/5 0 –2 1/4 1/4 1/4 1/4 0 0 –3 1/3 1/3 1/3 0 0 0

–4 1/2 1/2 0 0 0 0

Z

= X – Y

= j

–5 1 0 0 0 0 0 Kysyttyyn ehdolliseen jakaumaan liittyvät osat taulukon luvuista on lihavoitu.

Esimerkiksi, jos x = 2 ja z = 4,

4

(2, 4) 0

(2) 0

(4) 2 36

XZ X Z

Z

f f

= = f = =

Esimerkiksi, jos x = 2 ja z = –2,

2

(2, 2) 1 36 1 (2) ( 2) 4 36 4

XZ X Z

Z

f f

=− f

= − = =

(g) Kohdan (e) taulukosta (laskemalla tai symmetria-argumentin perusteella) saadaan ehdollinen odotusarvo E(Z| X) helposti esitettyä taulukkomuodossa:

E(Z| X) = ∑zfZ|X(j)

X = i 1 2 3 4 5 6

E(Z| X = i) –2.5 –1.5 –0.5 0.5 1.5 2.5

(6)

6.2. Olkoon satunnaismuuttujien X ja Y yhteisjakauman pistetodennäköisyysfunktio

Pr(X = 2¸ Y = 3) = Pr(X = 1¸ Y = 1) = Pr(X = –1¸ Y = 1) = Pr(X = –1¸ Y = –2) = 1/4 Määrää

(a) Satunnaismuuttujien X ja Y reunajakaumat.

(b) Cov(X, Y) (c) Cor(X, Y)

(d) Satunnaismuuttujan Y ehdolliset jakaumat.

(e) E(Y| X) Ratkaisu:

(a) Satunnaismuuttujien X ja Y yhteisjakauman fXY(x, y) = Pr(X = x ja Y = y)

pistetodennäköisyysfunktio voidaan esittää seuraavana taulukkona:

fXY(x, y) x

–1 1 2 3 0 0 1/4 1 1/4 1/4 0 y

–2 1/4 0 0 Reunajakaumien

fX(x) = Pr(X = x) = ∑y fXY(x, y) fY(y) = Pr(Y = y) = ∑x fXY(x, y)

pistetodennäköisyysfunktiot saadaan tästä taulukosta rivi- ja sarakesummina:

x fY(y) fXY(x, y)

–1 1 2 3 0 0 1/4 1/4 1 1/4 1/4 0 1/2 y

–2 1/4 0 0 1/4 fX(x) 1/2 1/4 1/4 1

(7)

(b) E(X) =∑xfX(x) = 1/4 = 0.25.

E(Y) = ∑yfY(y) = 3/4 = 0.75.

Cov(X, Y) =∑∑(x – E(X))(y – E(Y)) fXY(x, y) = 1.8125

(c) Cor(X, Y) = Cov(X, Y)/(D(X)D(Y)) D2(X) = ∑(x – E(X))2fX(x) = 1.6875 D2(Y) = ∑(y – E(Y))2fY(y) = 3.1875 Cor(X, Y) = 0.7815

(d) Muodostetaan satunnaismuuttujan Y ehdolliset pistetodennäköisyysfunktiot, ehdolla X:

( , ) ( ) ( )

YX Y X

X

f y x

f y

= f x x = –1:

y –2 1 3 fY|X(y) 1/2 1/2 0

x = 1:

y –2 1 3 fY|X(y) 0 1 0

x = 2:

y –2 1 3 fY|X(y) 0 0 1

(e) Ehdolliset odotusarvot saadaan kohdasta (d):

E(Y| X = x) = ∑yfY|X(y)

x –1 1 2

E(Y| X = x) –1/2 1 3

(8)

6.3. Olkoon satunnaismuuttujien X ja Y yhteisjakauman tiheysfunktio f(x, y) = C(x + y)

jossa C on vakio, 0 ≤ x ≤ 1, 0 ≤ y ≤ 1.

Määrää (a) Vakio C.

(b) Pr(X ≥ Y)

(c) Satunnaismuuttujien X ja Y yhteisjakauman kertymäfunktio.

(d) Satunnaismuuttujien X ja Y reunajakaumat. Ovatko X ja Y riippumattomia?

(e) Tiheysfunktio satunnaismuuttujan X ehdolliselle jakaumalle ehdolla Y.

(f) Ehdollinen odotusarvo E(X|Y).

Ratkaisu:

(a) Koska

1 1 1 1

2

0 0 0 0

1

0

1 2

0

( ) 1

2 1 2

1 1

2 2

1 1 1

2 2

C x y dydx C xy y dx

C x dx

C x x

C C

 

+ =  + 

 

=  + 

 

=  + 

 

=  + = =

∫∫ ∫

niin C = 1.

(b)

( )

1

0 0 1

2 0 0

1

2 2

0 1

2 0

1 3

0

Pr ( )

1 2 1 2 3 2

1 1

2 2

x

x

X Y x y dydx

xy y dx

x x dx

x dx

x

≥ = +

 

=  + 

 

=  + 

=

 

=  =

∫∫

(9)

(c) Satunnaismuuttujien X ja Y yhteisjakauman kertymäfunktioksi saadaan

0 0

2 0 0

2 0

2 2

0

2 2

( , ) ( )

1 2 1 2

1 1

2 2

1 1

2 2

x y XY

x y

x

x

F x y u v dvdu

uv v du

uy y du

u y uy

x y xy

= +

 

=  + 

 

=  + 

 

= + 

= +

∫∫

(d) Kohdassa (a) suoritetusta integroinnista nähdään, että ( ) 1

2 ( ) 1

2

X

Y

f x x f y y

= +

= +

Satunnaismuuttujat X ja Y eivät ole riippumattomia, koska

1 1 1

( ) ( ) ( , )

2 2 4

X Y XY

f x f y =xy+ x+ y+ ≠ + =x y f x y

(e) Koska

( , ) ( ) ( )

2( ) 2 1

XY X Y

Y

f x y f x

f y x y

y

=

= + +

satunnaismuuttujan X ehdollinen jakauma ehdolla Y = y riippuu y:stä, jolloin esimerkiksi myös sen odotusarvo ja varianssi riippuvat y:stä.

(10)

(f) Koska

1

0 1

2 0

1

3 2

0

E( ) ( )

2( ) (2 1)

2 ( )

2 1

2 1 1

2 1 3 2 1 3 2 3 2 1 X Y xfX Y x dx

x x y dx y

x xy dx y

x x y

y y

y

+∞

−∞

=

= +

+

= +

+

 

= +  + 

= ⋅ + +

satunnaismuuttujan X ehdollinen odotusarvo ehdolla Y = y eli satunnaismuuttujan X regressiofunktio satunnaismuuttujan Y suhteen riippuu y:stä.

6.4. Olkoon satunnaismuuttujien X ja Y yhteisjakauman tiheysfunktio f(x, y) = Cxy

jossa C on vakio, 0 ≤ x ≤ 1, 0 ≤ y ≤ 1.

Määrää (a) Vakio C.

(b) Pr(0 ≤ X ≤ 1/2, 1/2 ≤ Y ≤ 1)

(c) Satunnaismuuttujien X ja Y yhteisjakauman kertymäfunktio.

(d) Satunnaismuuttujien X ja Y reunajakaumat. Ovatko X ja Y riippumattomia?

(e) Tiheysfunktion satunnaismuuttujan X ehdolliselle jakaumalle ehdolla Y.

(f) Ehdollinen odotusarvo E(X|Y).

Ratkaisu:

(a) Koska

1 1 1 1

2

0 0 0 0

1

0 1 2

0

1 2 1 2 1 4 1 1 4

C xydydx C xy dx

C xdx

C x

C

 

=  

=

 

=  

= =

∫∫ ∫

(11)

(b)

1 2 1

0 1 2 1 1 2

2 0 1 2 1 2

0

1 2 2

0

Pr 0 1 1, 1 4 2 2

4 1 2 4 3

8

3 3

4 16 16

X Y xydydx

xy dx

xdx

x

 ≤ ≤ ≤ ≤ =

 

 

 

=  

=

 

=   =

∫ ∫

(c) Satunnaismuuttujien X ja Y yhteisjakauman kertymäfunktioksi saadaan

0 0 2 0 0

2 0

2 2 0 2 2

( , ) 4 4 1

2 4 1

2 4 1

4

xy XY

x y

x

x

F x y uvdvdu

uv du uy du

u y x y

=

 

=  

=

 

=  

=

∫∫

(d) Kohdassa (a) suoritetusta integroinnista nähdään, että ( ) 2

( ) 2

X Y

f x x

f y y

=

=

Satunnaismuuttujat X ja Y ovat riippumattomia, koska ( ) ( ) 4 ( , )

X Y XY

f x f y = xy= f x y

(e) Satunnaismuuttujien X ja Y riippumattomuuden takia ( , )

( ) ( ) 2

( )

XY X

X Y

Y

f x y

f x f x x

= f y = =

joten satunnaismuuttujan X ehdollinen jakauma ehdolla Y = y ei riipu y:stä.

(12)

(f) Satunnaismuuttujien X ja Y riippumattomuuden takia

1

0 1 3

0

E( ) E( ) ( )

(2 )

2 2

3 3

X

X Y X

xf x dx

x x dx

x

+∞

−∞

=

=

= ⋅

 

=  =

6.5. Olkoot 2-ulotteisen diskreetin jakauman pistetodennäköisyydet Pr(X = +1, Y = 0) = 1/4

Pr(X = 0, Y = +1) = 1/4 Pr(X = –1, Y = 0) = 1/4 Pr(X = 0, Y = –1) = 1/4

(a) Ovatko X ja Y korreloimattomia?

(b) Ovatko X ja Y riippumattomia?

Selitä saamasi tulos.

Ratkaisu:

Satunnaismuuttujien X ja Y yhteisjakauman ja reunajakaumien pistetodennäköisyysfunktiot:

pxy –1 0 1 p.y

1 0 ¼ 0 ¼ 0 ¼ 0 ¼ ½ –1 0 ¼ 0 ¼

px. ¼ ½ ¼ 1

(a) Satunnaismuuttujien X ja Y kovarianssiksi saadaan

[ ]

Cov( , ) ( E( ))( E( )) Pr( , ) 1 ( 1) 0 0 ( 1) ( 1) 0 0 ( 1) 0 4

x y

X Y = xX yY X =x Y = y

= + × + × + + − × + × − =

∑∑

koska

E(X) = E(Y) = 0

(13)

(b) Satunnaismuuttujat X ja Y eivät kuitenkaan ole riippumattomia, koska esimerkiksi p11 ≠ p1. p.1

Selitys:

Satunnaismuuttujien riippumattomuudesta seuraa aina niiden korreloimattomuus, mutta satunnaismuuttujien korreloimattomuudesta ei välttämättä seuraa niiden riippumattomuus.

Satunnaismuuttujien korrelaatio mittaa niiden lineaarista riippuvuutta. Siten

korreloimattomien satunnaismuuttujien välillä voi silti olla jopa eksakti epälineaarinen riippuvuus.

Tehtävän tilanteessa jakauman määräävät pisteet ovat ympyrän

2 2 1

x +y = kehällä.

6.6. Olkoot 2-ulotteisen diskreetin jakauman pistetodennäköisyydet Pr(X = +2, Y = 4) = 1/3

Pr(X = −2, Y = 4) = 1/3 Pr(X = 0, Y = 0) = 1/3

(a) Ovatko X ja Y korreloimattomia?

(b) Ovatko X ja Y riippumattomia?

Selitä saamasi tulos.

Ratkaisu:

Satunnaismuuttujien X ja Y yhteisjakauman ja reunajakaumien pistetodennäköisyysfunktiot:

pxy –2 0 2 p.y

4 1/3 0 1/3 2/3 0 0 1/3 0 1/3 px. 1/3 1/3 1/3 1

(14)

(a) Satunnaismuuttujien X ja Y kovarianssiksi saadaan

Cov( , ) ( E( ))( E( )) Pr( , )

1 8 8

2 (4 ) ( 2) (4 ) 0 0 0

3 3 3

x y

X Y = xX yY X =x Y = y

 

=  × − + − × − + × =

∑∑

koska

E(X) = 0 ja E(Y) = 8/3

(b) Satunnaismuuttujat X ja Y eivät kuitenkaan ole riippumattomia, koska esimerkiksi p04 ≠ p0. p.4

Selitys:

Satunnaismuuttujien riippumattomuudesta seuraa aina niiden korreloimattomuus, mutta satunnaismuuttujien korreloimattomuudesta ei välttämättä seuraa niiden riippumattomuus.

Satunnaismuuttujien korrelaatio mittaa niiden lineaarista riippuvuutta. Siten

korreloimattomien satunnaismuuttujien välillä voi silti olla jopa eksakti epälineaarinen riippuvuus.

Tehtävän tilanteessa jakauman määräävät pisteet ovat paraabelin y x= 2

kaarella.

Viittaukset

LIITTYVÄT TIEDOSTOT

Aritmeettinen keskiarvo, Bernoulli-jakauma, Bernoulli-koe, χ 2 -jakauma, Frekvenssi, Harhaton estimaattori, Normaalijakauma, Odotusarvo, Otantajakauma, Otos, Otoskoko,

>> Kaksiulotteisten satunnaismuuttujien muunnosten jakaumat Riippumattomien satunnaismuuttujien summan jakauma Riippumattomien satunnaismuuttujien osamäärän

Valitaan ensimmäisen luokan alarajaksi jokin sopiva luku pienimmän arvon 147 cm alapuolelta, esimerkiksi arvo 145 cm (myös pienin arvo 147 cm on mahdollinen valinta).

diskreetti jakauma discrete distribution diskreetti satunnaismuuttuja discrete random variable ehdollinen jakauma conditional distribution ehdollinen odotusarvo conditional

diskreetti jakauma discrete distribution diskreetti satunnaismuuttuja discrete random variable ehdollinen jakauma conditional distribution ehdollinen odotusarvo conditional

diskreetti jakauma discrete distribution diskreetti satunnaismuuttuja discrete random variable ehdollinen jakauma conditional distribution ehdollinen odotusarvo conditional

diskreetti jakauma discrete distribution diskreetti satunnaismuuttuja discrete random variable ehdollinen jakauma conditional distribution ehdollinen odotusarvo conditional

Mitä suurempi on selitysaste, sitä suurempi on mallineliösumman (eli estimoidun mallin selittämä) osuus selitettävän muuttujan y kokonaisvaihtelua kuvaavasta neliösummasta ja