Discrete Kansrekening/Simultane kansverdelingen/Gelijkverdeelde stochastische variabelen: verschil tussen versies
sub |
|||
| Regel 1: | Regel 1: | ||
==5.5 Gelijkverdeelde stochastische variabelen== |
==5.5 Gelijkverdeelde stochastische variabelen== |
||
[[Categorie:Discrete Kansrekening]] |
|||
Twee s.v.-en X en Y kunnen, hoewel ze verschillend zijn en mogelijk op geheel verschillende kansruimten gedefinieerd zijn, toch dezelfde kansverdeling hebben. |
Twee s.v.-en X en Y kunnen, hoewel ze verschillend zijn en mogelijk op geheel verschillende kansruimten gedefinieerd zijn, toch dezelfde kansverdeling hebben. |
||
| Regel 16: | Regel 16: | ||
'''Voorbeeld 3'''<br> Laat X en Y o.o. zijn en beide binomiaal verdeeld met parameters resp. m en p en n en p. In de vorige paragraaf hebben we berekend dat X+Y ook binomiaal verdeeld is, maar met parameters m+n en p. We kunnen dit resultaat ook op eenvoudiger wijze verkrijgen. Laat Z<sub>1</sub>,...,Z<sub>m</sub>,Z<sub>m+1</sub>,...,Z<sub>m+n</sub> o.o. gelijkverdeelde alternatieven zijn met succeskans p, dus P(Z=1) = 1 - P(Z=0) = p. We weten al dat X ~ Z<sub>1</sub>+...+Z<sub>m</sub> en Y ~ Z<sub>m+1</sub>+...+Z<sub>m+n</sub> en dus, vanwege de onafhankelijkheid, dat (X,Y) ~ (Z<sub>1</sub>+...+Z<sub>m</sub>, Z<sub>m+1</sub>+...+Z<sub>m+n</sub>). We mogen nu concluderen dat X + Y ~ Z<sub>1</sub>+...+Z<sub>m+n</sub>, dus dat X + Y binomiaal verdeeld is met parameters m+n en p. |
'''Voorbeeld 3'''<br> Laat X en Y o.o. zijn en beide binomiaal verdeeld met parameters resp. m en p en n en p. In de vorige paragraaf hebben we berekend dat X+Y ook binomiaal verdeeld is, maar met parameters m+n en p. We kunnen dit resultaat ook op eenvoudiger wijze verkrijgen. Laat Z<sub>1</sub>,...,Z<sub>m</sub>,Z<sub>m+1</sub>,...,Z<sub>m+n</sub> o.o. gelijkverdeelde alternatieven zijn met succeskans p, dus P(Z=1) = 1 - P(Z=0) = p. We weten al dat X ~ Z<sub>1</sub>+...+Z<sub>m</sub> en Y ~ Z<sub>m+1</sub>+...+Z<sub>m+n</sub> en dus, vanwege de onafhankelijkheid, dat (X,Y) ~ (Z<sub>1</sub>+...+Z<sub>m</sub>, Z<sub>m+1</sub>+...+Z<sub>m+n</sub>). We mogen nu concluderen dat X + Y ~ Z<sub>1</sub>+...+Z<sub>m+n</sub>, dus dat X + Y binomiaal verdeeld is met parameters m+n en p. |
||
<!-- ----------- Hieronder onderhoudsmeldingen -------------- --> |
|||
{{sub}} |
|||
{{GFDL-oud}} |
{{GFDL-oud}} |
||
Versie van 25 aug 2009 10:33
5.5 Gelijkverdeelde stochastische variabelen
Twee s.v.-en X en Y kunnen, hoewel ze verschillend zijn en mogelijk op geheel verschillende kansruimten gedefinieerd zijn, toch dezelfde kansverdeling hebben.
Voorbeeld 1
We werpen een zuivere dobbelsteen en noemen het ogenaantal X. Als we Y = 7 - X stellen, is Y verschillend van X, maar heeft dezelfde kansverdeling als X.
Voorbeeld 2
Zij X binomiaal verdeeld met parameters n en 1/2, en stel Y = n - X; dan zijn X en Y verschillend, maar hebben dezelfde verdeling.
Definitie 5.5.1
We noemen twee stochastische variabelen of vectoren X en Y gelijkverdeeld (of isomoor) en schrijven X ~ Y, als X en Y dezelfde kansverdeling hebben, dus als SX = SY en pX = pY.
We kunnen soms handig gebruik maken van gelijkverdeelde s.v.-en. Als nl. X en Y gelijkverdeeld zijn, zijn ook X2 en Y2 of X-3 en Y-3 gelijkverdeeld. Algemeen geldt:
Stelling 5.5.1
Als X en Y gelijkverdeeld zijn, dan zijn ook g(X) en g(Y) gelijkverdeeld.
We geven een toepassing.
Voorbeeld 3
Laat X en Y o.o. zijn en beide binomiaal verdeeld met parameters resp. m en p en n en p. In de vorige paragraaf hebben we berekend dat X+Y ook binomiaal verdeeld is, maar met parameters m+n en p. We kunnen dit resultaat ook op eenvoudiger wijze verkrijgen. Laat Z1,...,Zm,Zm+1,...,Zm+n o.o. gelijkverdeelde alternatieven zijn met succeskans p, dus P(Z=1) = 1 - P(Z=0) = p. We weten al dat X ~ Z1+...+Zm en Y ~ Zm+1+...+Zm+n en dus, vanwege de onafhankelijkheid, dat (X,Y) ~ (Z1+...+Zm, Zm+1+...+Zm+n). We mogen nu concluderen dat X + Y ~ Z1+...+Zm+n, dus dat X + Y binomiaal verdeeld is met parameters m+n en p.
