9. Sandsynlighedsregning - KennethHansen.net
9. Sandsynlighedsregning - KennethHansen.net
9. Sandsynlighedsregning - KennethHansen.net
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
j<br />
∑ ∑<br />
F( j) = P( x = m) = b( n , p ; m)<br />
m=<br />
0 m=<br />
0<br />
j<br />
I normalfordelingen er summeringen lidt mere besværlig, fordi normalfordelingen er<br />
kontinuert. I tilfældet med binomialfordelingen har vi kun et bestemt antal x-værdier, som<br />
man kan bruge, og derfor så summerer vi blot deres sandsynligheder sammen. Måden man<br />
summerer på, når fordelingen er kontinuert er mere besværlig, og kræver egentlig kendskab<br />
til integralregning, hvor man bl.a. i stedet for sumteg<strong>net</strong> ∑ bruger integralteg<strong>net</strong> ∫, dvs. uden<br />
yderlige forklaringer har vi<br />
j j<br />
∫ ∫<br />
−t<br />
2<br />
F( j) = ϕ(<br />
t) dt = 1 2 ⋅e<br />
dt<br />
−∞ −∞<br />
2π<br />
Da det er en tung måde at skrive fordelingsfunktionen, og vi ikke lærer integralregning før i<br />
3.g, så døber vi fordelingsfunktionen “store ϕ“ og skriver<br />
t −<br />
P( X ≤ t)<br />
= Φ( )<br />
μ<br />
σ<br />
Bemærk, at Φ faktisk er en stamfunktion til ϕ , dvs. Φ ′ ( x) = ϕ ( x)<br />
.<br />
En tabel over standardnormalfordelingen findes i Sigmatabellen side 28 og 2<strong>9.</strong><br />
Vi bruger tabellen og regner på samme måde som ved binominalfordelingen.<br />
Eksempel<br />
Lad X være standard normalfordelt, X ≈ n(<br />
0, 1 ) .<br />
Så får vi ved tabelopslag.<br />
P( X ≤ 05 , ) = Φ ( 05 , ) = 0, 691<br />
P( X ≥ 0, 5) = 1− P( X ≤ 0, 5)<br />
=<br />
1− Φ(<br />
0, 5) = 1− 0, 691= 0, 311<br />
På samme måde udregnes følgende<br />
P( X ≤ 0, 329) = Φ ( 0, 329) = 0, 999<br />
P( X ≤ − 173 , ) = Φ ( − 173 , ) = 0, 042<br />
P( X ≤ − 3, 39) = Φ ( − 3, 39) = 0, 000<br />
Generelt kan vi skrive for en standard normalfordelt variabel.<br />
52