Normalfordelingen - matematikfysik
Normalfordelingen - matematikfysik
Normalfordelingen - matematikfysik
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
© Erik Vestergaard – www.matematiksider.dk 9<br />
Definition 6 (Varians af stokastisk variabel)<br />
Variansen for en diskret stokastisk variabel X er givet ved følgende udtryk:<br />
(9)<br />
∑<br />
2<br />
i i<br />
Var( X ) = ( x −μ ) P( X = x )<br />
i<br />
hvor der summeres over de mulige værdier x1, x2, …,<br />
som X kan antage, og hvor μ<br />
angiver middelværdien af den stokastiske variabel. I tilfældet med en kontinuert stokastisk<br />
variabel X ser udtrykket for variansen således ud:<br />
(10)<br />
∞<br />
∫<br />
Var( X ) = ( x−μ) ⋅ f( x) dx<br />
−∞<br />
hvor f er tæthedsfunktionen. (10) er under forudsætning af, at integralet eksisterer.<br />
Man kan definere nye stokastiske variable ud fra allerede eksisterende. Specielt interessant<br />
er lineære transformationer Y = aX + b.<br />
Her gælder følgende sætning:<br />
Sætning 7<br />
Lad X være en stokastisk variabel, og lad Y = aX + b.<br />
Da er Y en stokastisk variabel<br />
med følgende middelværdi og varians:<br />
(11) EY ( ) = a⋅ E( X) + b<br />
(12)<br />
Var( Y) = a ⋅Var(<br />
X)<br />
Bevis: Vi vil kun bevise (11), og kun i tilfældet med en diskret stokastisk variabel. For<br />
et bevis i tilfældet med en kontinuert stokastisk variabel: se opgave 3.1.<br />
∑ ∑<br />
EY ( ) = y⋅ PY ( = y) = ( ax+ b) ⋅ PX ( = x)<br />
i i i i<br />
i i<br />
= ( ax1+ b) ⋅ P( X = x1) + ( ax2 + b) ⋅ P( X = x2)<br />
+ …<br />
=<br />
=<br />
ax1⋅ P( X = x1) + b⋅ P( X = x1) + ax2⋅ P( X = x2) + b⋅ P( X = x2)<br />
+ …<br />
a⋅( x1⋅ PX ( = x1) + x2⋅ PX ( = x2) + …) + b⋅ ( PX ( = x1) + PX ( = x2)<br />
+ …)<br />
= a⋅ x⋅ PX ( = x) + b⋅ PX ( = x)<br />
∑ ∑<br />
i i i<br />
i i<br />
= a⋅ E( X) + b<br />
I tredje lighedstegn er der blevet ganget ind i parenteser, i fjerde lighedstegn har vi sat a<br />
og b udenfor parentes. I sidste lighedstegn har vi udnyttet, at sandsynlighederne tilsammen<br />
giver 1: PX ( = x)<br />
= 1.<br />
Dette beviser (11).<br />
∑<br />
i<br />
i<br />
2<br />
2