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.
Vrijedi:<br />
E[X] = α + β<br />
(β − α)2<br />
, Var[X] = .<br />
2<br />
12<br />
Svojstvo te razdiobe je da su vjerojatnosti podintervala iste duljine jednake.<br />
Gama distribucija<br />
Kažemo da slučajna varijabla X ima gama distribuciju s parametrima α > 0 i λ > 0, i<br />
pišemo X ∼ Γ(α, 1/λ), ako je strogo pozitivna (ImX = ⟨0, +∞⟩) i gustoća razdiobe je<br />
{ λ α<br />
f X (x) =<br />
Γ(α) xα−1 e −λx za x > 0<br />
0 inače,<br />
gdje je Γ(α) = +∞ ∫<br />
0<br />
t α−1 e −t dt Γ-funkcija. Svojstva te funkcije su:<br />
(i) Γ(1) = 1, Γ(α) = (α − 1)Γ(α − 1) za α > 1, odakle slijedi da je Γ(n) = (n − 1)! za<br />
prirodan broj n;<br />
(ii) Γ(1/2) = √ π.<br />
Vrijedi:<br />
E[X] = α λ , Var[X] = α λ 2 .<br />
Eksponencijalna distribucija<br />
Ako je X ∼ Γ(1, 1/λ), tada kažemo da X ima eksponencijalnu distribuciju s parametrom<br />
λ > 0, i pišemo X ∼ Exp(λ). Dakle, eksponencijalna distribucija je specijalni slučaj gama<br />
distribucije kada je parametar α = 1. Prema tome, gustoća razdiobe i funkcija distribucije<br />
od X, te matematičko očekivanje i varijanca, su:<br />
f X (x) =<br />
{<br />
λe<br />
−λx<br />
za x > 0<br />
0 inače,<br />
F X (x) =<br />
E[X] = 1 λ , Var[X] = 1 λ 2 .<br />
{<br />
1 − e<br />
−λx<br />
za x > 0<br />
0 inače,<br />
Eksponencijalna distribucija se koristi kao jednostavan model za vrijeme trajanja nekih<br />
vrsta uredaja.<br />
Važna interpretacija te distribucije je kao modela za vrijeme čekanja T izmedu pojavljivanja<br />
dva dogadaja u Poissonovom procesu. Preciznije, ako Poissonov proces ima intenzitet<br />
λ, te ako je X broj dogadaja u vremenskom intervalu [0, t], tada je (zbog X ∼ P (λt)):<br />
P(T > t) = P(X = 0) = e −λt ⇒ F T (t) = 1 − P(T > t) = 1 − e −λt ⇒ T ∼ Exp(λ).<br />
Nadalje, za sve pozitivne s i t vrijedi:<br />
P(T > t + s | T > t) = P(T > s)<br />
što znači da ako vrijeme mjerimo od bilo koje ishodišne točke (ne nužno od vremena kada<br />
se zadnji dogadaj pojavio), da vrijeme čekanja ima istu eksponencijalnu razdiobu. Prema<br />
tome, kao i u slučaju geometrijske razdiobe, eksponencijalna razdioba ima svojstvo neimanja<br />
memorije.<br />
Može se pokazati da se Γ(k, 1/λ)-razdioba, gdje je k prirodan broj, može interpretirati<br />
kao zbroj od k nezavisnih Exp(λ)-distributiranih slučajnih varijabli. Drugim riječima,<br />
slučajna varijabla s tom gama razdiobom se interpetira kao vrijeme čekanja da se dogodi<br />
točno k dogadaja u Poissonovom procesu s intenzitetom λ.<br />
26