Definice Nechť $X$ je náhodná veličina. Střední hodnotou náhodné veličiny $X$ budeme nazývat číslo $EX$, definované vztahem: $$ EX = \sum_i x_ip_(x_i) \ \ \ \ \text{pro diskrétní n.v.} $$ $$ EX = \int_{-\infty}^{\infty} xf(x)dx \ \ \ \text{pro spojitou náhodnou n.v.} $$ Rozptylem (disperzí) náhodné veličiny $X$ rozumíme číslo: $$ DX = E[(X-EX)^2]. $$
Věta.
(a) Nechť $k$ je konstanta a $X = k$, potom $$ EX = Ek = k,\ \ \ E(kX) = k\cdot EX. $$ (b) Jsou-li $X,Y$ dvě náhodné veličiny, pak platí: $$ E(X+Y) = EX + EY. $$ (c) Nechť $X_1,\ldots,X_n$ jsou náhodné veličiny. Potom platí: $$ E(X_1 + X_2 +\ldots + X_n) = EX_1 + EX_2 +\ldots + EX_n. $$ (d) Nechť $X_1,\ldots,X_n$ je libovolná n-tice nahodných veličin, nechť $k_1,k_2,\ldots,k_n,b$ jsou libovolné konstanty a $n\in\mathbb N.$ Potom platí: $$ E(\sum_{i=1}^n k_i X_i + b) = \sum_{i=1}^n k_i EX_i + b. $$ (e) Jsou-li $Y,Y$ dvě nezávislé náhodné veličiny, pak platí: $$ E(XY) = EX\cdot EY. $$ Jsou-li $X_1,\ldots,X_n$ nezávislé náhodné veličiny a $n\in\mathbb N,$ potom platí: $$ E(\prod_{i=1}^n X_i) = \prod_{i=1}^n EX_i. $$
from IPython.display import HTML, display, Math, Latex
Náhodná veličina $X$ je tabulkou rozdělení pravděpodobností. Určete střední hodnotu náhodné veličiny $X$ a náhodné veličiny $Y$ definované vztahem $Y = 4X^2 - 1.$
$x_i$ | 0 | 2 | 4 | 6 |
---|---|---|---|---|
$p(x_i)$ | 0.2 | 0.3 | 0.4 | 0.1 |
import numpy as np
x = np.array([0, 2, 4, 6])
p = np.array([0.2, 0.3, 0.4, 0.1])
EX = np.dot(x, p)
display(Math("EX = \\sum_{i=1}^{%g} x_ip(x_i) = %g" %(len(x),EX)))
K výpočtu střední hodnoty n.v. $Y$ využijeme vlastnost (7) z Věty 1. Pak totiž máme: $$ EY = E(4X^2 -1)= 4EX^2 -E1 = 4EX^2 - 1. $$
E = np.dot(x**2, p)
display(Math("EX^2 = \\sum_{i=1}^{%g}\
x_i^2\\cdot p(x_i) = %g" %(len(x),E)))
print("A dále pokračujeme ve výpočtu: ")
EY = 4 * E - 1
display(Math("EY = 4EX^2 - 1 = 4\\cdot %g - 1= %g" %(E, EY)))
Při hře Člověče, nezlob se může hráč nasadit první figuru na hrací pole až tehdy, když mu padne na hrací kostce šestka. Definujme náhodnou veličinu tak, aby vyjadřovala počet provedených hodů do zahájení hry a vypočítejte střední hodnotu této náhodné veličiny.
Náhodná veličina $X$ nabývá hodnot $1,2,3,\ldots$ Nejdříve vypočítáme pravděpodobnosti pro jednotlivé hodnoty: $P(\{X=k\}) = (5/6)^{k-1}\cdot (1/6), k = 1, 2, 3,\ldots$ $$ EX = \sum_{i=1}^{\infty} x_ip(x_i) $$
######### Zde je hlavička ################
import sympy as sym
from sympy.plotting import plot3d
from IPython.display import Math, display, Latex
import numpy as np
sym.init_printing()
# Numericky sečteme částečnou sumu (12)
def s(n):
x = np.array([i for i in range(n)])
p = np.array([(5/6)**(i - 1) * (1/6) for i in range(n)])
EX = np.dot(x, p)
return EX
s(50)
x_i = i
p_i = sym.Rational(5,6)**(i - 1) * sym.Rational(1,6)
suma = sym.Sum(x_i * p_i, (i, 1, n))
display(Math("\\text{Častečný součet je roven sumě: }\
s_n = \\sum_{i=1}^n\
x_ip(x_i) = %s" %sym.latex(suma)))
sn = suma.doit()
display(Math("s_n = %s = %s"\
%(sym.latex(suma), sym.latex(suma.doit().simplify()))))
EX = sym.limit_seq(sn)
display(Math("EX = \\lim_{n\\to\infty}\
(%s) = %s." %(sym.latex(suma), EX)))
Vypočtěte disperzi(rozptyl) náhodné veličiny $X$ z předchozího příkladu. Disperzi spočítáme podle vzorce: $$ DX = EX^2 -(EX)^2. $$
Spočítejme nejdříve střední hodnotu $EX^2.$
suma2 = sym.Sum(x_i**2 * p_i, (i, 1, n))
s_2n = suma2.doit()
display(suma2)
display(s_2n)
EX2 = sym.limit_seq(s_2n)
display(EX2)
display(Math("EX^2 = \\sum_{i=1}^{\infty}x_i^2p(x_i) = \
\\lim_n(%s) = %s" %(sym.latex(suma2),EX2)))
Nyní dosaďme do vzorce (13):
DX = EX2 - (EX)**2
display(Math("DX = EX^2 -(EX)^2 = %g - (%g)^2 = \
%g." %(EX2, EX, DX)))
Uvažujme náhodnou veličinu $X$, která má hustotu pravděpodobnosti danou předpisem:
[ f(x)= \begin{cases} \frac{-1}{12}(x^2 -5),\ \ \ x\in\langle -1,2\rangle\\ 0,\ \ \ x\notin\langle -1,2\rangle. \end{cases} ] (a) Nakreslete graf hustoty pravděpodobnosti a distribuční funkce.
(b) Spočítejme střední hodnotu n.v. X.
(c) Spočítejme modus a medián n.v. $X.$
x = sym.symbols('x')
y1 = 0
y2 = (-1/12) * (x**2 - 5)
y3 = 0
p = sym.plotting.plot(y2,(x,-1,2),show=False )
# p[0].label = '$%s$'%y
p.extend( sym.plotting.plot(y1,(x,-5,-1),show=False ) )
p[1].line_color = "r"
p.extend( sym.plotting.plot(y3,(x,2,5),show=False ) )
p[2].line_color = "g"
# p.legend = True
p.title = "Graf hustoty pravděpodobnosti"
p.show()
Nyní hledejme přepis distribuční funkce $F_X$ n.v. X. Zjistíme, že $$ F_X(x) = \begin{cases} 0, \ \ \ x\in (-\infty,-1\rangle\\ \frac{-1}{36}(x^3-15x-14),\ \ \ x\in(-1,2\rangle\\ 1, \ \ \ x\in(2,\infty). \end{cases} $$ Zde jak víme platí: $$ F_X(x) = \int_{-\infty}^x f(t)dt $$ a skoro všude platí, že $F_X'(x) = f(x).$
x = sym.symbols('x')
y1 = 0
y2 = (-1/36) * (x**3 - 15 * x -14)
y3 = 1
p = sym.plotting.plot(y2,(x,-1,2),show=False )
# p[0].label = '$%s$'%y
p.extend( sym.plotting.plot(y1,(x,-5,-1),show=False ) )
p[1].line_color = "r"
p.extend( sym.plotting.plot(y3,(x,2,5),show=False ) )
p[2].line_color = "g"
# p.legend = True
p.title = "Graf distribuční funkce F_X"
p.show()
(b) Spočítejme střední hodnotu n.v. X.
EX = 0 + sym.integrate(x * (-1/12) * (x**2 - 5), (x, -1, 2)) + 0
display(Math("EX = 0 + \int_{-1}^2 x\\cdot\\frac{-1}{12}(x^2-5)dx\
+ 0 = %g." %EX))
(c) Spočítejme nyní modus a medián n.v. $X.$ Pro spojitou n.v. $X$ definujeme medián jako číslo $m_e$ splňující podmínku: \begin{equation}\label{eq: median} F_X(x) = 0.5 \end{equation}
Řešme proto rovnici:
from sympy import *
x = symbols('x')
eq = Eq(S(-1/36) * (x**3 - 15 * x - 14), S(1/2))
display(eq)
solve(eq, domain = S.Reals )
Mediánem je bod (m_e \approx 0.2679.)
Zbývá určit modus n.v. X. Hledejme maximum funkce (f_X(x)) na intervalu ((-1,2)).
Budeme derivovat funkci: (f_X(x)):
f_X = (-1/12) * (x**2 - 5)
Df_X = diff(f_X, x)
display(Df_X)
Hledejme nulový bod 1. derivace v intervalu ((-1,2)).
nulBod = solve(Df_X)[0]
display(nulBod)
Funkční hodnota hustoty pravděpodobnosti je (f_X(0) = 5/12.) Modus je roven číslu 0.