Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...
Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...
Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
2.7 Momenti<br />
Neka je X slučajna varijabla, k prirodan, a c neki realan broj. k-ti moment od X oko c je<br />
broj<br />
E[(X − c) k ].<br />
Momenti oko ishodišta (c = 0) jednostavno se zovu momentima. Centralni momenti su<br />
momenti oko matematičkog očekivanja. Na primjer, matematičko očekivanje je prvi moment,<br />
a varijanca drugi centralni moment. Prvi centralni moment je identički jednak nuli.<br />
Korištenjem linearnosti očekivanja može se pokazati da za treći centralni moment µ 3 vrijedi<br />
µ 3 = E[X 3 ] − 3µE[X 2 ] + 2µ 3 ,<br />
gdje je µ = E[X]. Treći centralni moment standardizirane verzije Z od X, u oznaci α 3 (X),<br />
zove se koeficijent asimetrije od X. Dakle,<br />
( ) X − µ 3<br />
α 3 (X) = E[ ],<br />
σ<br />
gdje su µ = E[X] i σ = σ(X). Distribucija od X je simetrična ako je α 3 (X) = 0, negativno<br />
je asimetrična ako je α 3 (X) < 0, a pozitivno asimetrična ako je α 3 (X) > 0.<br />
2.8 Primjeri važnih distribucija<br />
Najvažnije svojstvo slučajnih varijabli za primjene je njihova distribucija opisana gustoćom<br />
ili funkcijom distribucije. U ovoj točki navedene distribucije prirodno se pojavljuju u<br />
mnogim područjima primjene. Uz precizno opisane razdiobe, navedena je i njihova interpretacija.<br />
2.8.1 Diskretne razdiobe<br />
Diskretne slučajne varijable najčešće se interpretiraju kao broj nečega, odnosno kao rezultat<br />
nekog procesa prebrojavanja (broj uspjeha, broj smrti, broj šteta po polici osiguranja i sl.).<br />
Uniformna razdioba<br />
Slučajna varijabla X ima uniformnu razdiobu na skupu S = {1, 2, . . . , k} (k je prirodni<br />
broj) ako je<br />
Tada je<br />
f X (x) = P(X = x) = 1 k<br />
za x ∈ S = ImX.<br />
E[X] = 1 · 1<br />
k + 2 · 1<br />
k + · · · + k · 1<br />
k = k + 1<br />
2<br />
E[X 2 ] = 1 2 · 1<br />
k + 22 · 1<br />
k + · · · + k2 · 1<br />
k<br />
⇒ Var[X] = E[X 2 ] − E[X] 2 =<br />
(k + 1)(2k + 1)<br />
6<br />
(k + 1)(2k + 1)<br />
=<br />
6<br />
− ( k + 1<br />
2 )2 = k2 − 1<br />
12 .<br />
Na primjer, u pokusu bacanja simetrične kocke neka je X jednako broju koji se okrenuo.<br />
Tada X ima uniformnu razdiobu na skupu {1, 2, 3, 4, 5, 6}.<br />
22