Kilka zadań
-
- Użytkownik
- Posty: 562
- Rejestracja: 20 maja 2013, o 16:33
- Płeć: Mężczyzna
- Lokalizacja: Kielce
- Podziękował: 98 razy
Kilka zadań
Hej,
Mam parę zadań z którymi mam problem, proszę o wskazówki
1) Oblicz prawdopodobieństwo tego, że pierwiastki równania \(\displaystyle{ \displaystyle x^2 + px + q}\) są rzeczywiste, wiedząc, że \(\displaystyle{ \displaystyle p}\) oraz \(\displaystyle{ \displaystyle q}\) są niezależnymi zmiennymi losowymi o rozkładzie jednostajnym na odcinku \(\displaystyle{ \displaystyle (-1,1)}\).
2)Wykaż, że zmienna losowa \(\displaystyle{ \displaystyle \frac{\xi}{\xi + \eta}}\) ma rozkład jednostajny na przedziale \(\displaystyle{ \displaystyle (0,1)}\), o ile \(\displaystyle{ \displaystyle \xi}\) oraz \(\displaystyle{ \displaystyle \eta}\) mają taki sam rozkład wykładniczy i są niezależne.
3) Dla grupy \(\displaystyle{ \displaystyle n}\) osób znajdź oczekiwaną liczbę dni, które są dniami urodzin tych osób.
Mam parę zadań z którymi mam problem, proszę o wskazówki
1) Oblicz prawdopodobieństwo tego, że pierwiastki równania \(\displaystyle{ \displaystyle x^2 + px + q}\) są rzeczywiste, wiedząc, że \(\displaystyle{ \displaystyle p}\) oraz \(\displaystyle{ \displaystyle q}\) są niezależnymi zmiennymi losowymi o rozkładzie jednostajnym na odcinku \(\displaystyle{ \displaystyle (-1,1)}\).
2)Wykaż, że zmienna losowa \(\displaystyle{ \displaystyle \frac{\xi}{\xi + \eta}}\) ma rozkład jednostajny na przedziale \(\displaystyle{ \displaystyle (0,1)}\), o ile \(\displaystyle{ \displaystyle \xi}\) oraz \(\displaystyle{ \displaystyle \eta}\) mają taki sam rozkład wykładniczy i są niezależne.
3) Dla grupy \(\displaystyle{ \displaystyle n}\) osób znajdź oczekiwaną liczbę dni, które są dniami urodzin tych osób.
-
- Użytkownik
- Posty: 7918
- Rejestracja: 18 mar 2009, o 16:24
- Płeć: Mężczyzna
- Podziękował: 30 razy
- Pomógł: 1671 razy
Re: Kilka zadań
Zdanie 1
Równanie kwadratowe ma dwa pierwiastki rzeczywiste, gdy jego wyróżnik \(\displaystyle{ \Delta \geq 0.}\)
\(\displaystyle{ b^2 - 4ac \geq 0.}\)
Jeśli \(\displaystyle{ B}\) jest zmienną losową o rozkładzie jednostajnym i \(\displaystyle{ X = B^2}\) wtedy rozkład zmiennej losowej \(\displaystyle{ X}\)
\(\displaystyle{ P(\left\{ X \leq t\right\} ) = P\left( \left\{B \leq \sqrt{t}\right\}\right)}\)
Funkcja gęstości tej zmiennej losowej
\(\displaystyle{ f_{X}(t) = \frac{\set{1}_{[0,1]}}{2\sqrt{x}}}\) (1)
Podobnie, jeśli \(\displaystyle{ A, \ \ C}\) są zmiennymi losowymi niezależnymi o rozkładzie jednostajnym na odcinku \(\displaystyle{ [0, 1 ]}\) i zmienna losowa \(\displaystyle{ Y = A\cdot C}\) to
\(\displaystyle{ P(\left\{Y \leq t\right\} ) = \int_{0}^{1}P \left( \left\{C \leq \frac{t}{u}\right\right\})du = \int_{0}^{1} min\left( 1, \frac{t}{u}\right) du = t - t\ln(t).}\)
Stąd
\(\displaystyle{ f_{Y}(y) = \set{-1}_{[0,1]}(y) \ln(y)}\) (2)
Na podstawie (1) i (2)
\(\displaystyle{ P\left(\left\{B^2 \geq 4AC\right\}\right) = \int_{0}^{1}\frac{1}{2\sqrt{x}} \int_{0}^{\frac{x}{4}}- \ln(y)dy dx = \frac{5 + 6\ln(2)}{36} \approx 0,2544134.}\)
Równanie kwadratowe ma dwa pierwiastki rzeczywiste, gdy jego wyróżnik \(\displaystyle{ \Delta \geq 0.}\)
\(\displaystyle{ b^2 - 4ac \geq 0.}\)
Jeśli \(\displaystyle{ B}\) jest zmienną losową o rozkładzie jednostajnym i \(\displaystyle{ X = B^2}\) wtedy rozkład zmiennej losowej \(\displaystyle{ X}\)
\(\displaystyle{ P(\left\{ X \leq t\right\} ) = P\left( \left\{B \leq \sqrt{t}\right\}\right)}\)
Funkcja gęstości tej zmiennej losowej
\(\displaystyle{ f_{X}(t) = \frac{\set{1}_{[0,1]}}{2\sqrt{x}}}\) (1)
Podobnie, jeśli \(\displaystyle{ A, \ \ C}\) są zmiennymi losowymi niezależnymi o rozkładzie jednostajnym na odcinku \(\displaystyle{ [0, 1 ]}\) i zmienna losowa \(\displaystyle{ Y = A\cdot C}\) to
\(\displaystyle{ P(\left\{Y \leq t\right\} ) = \int_{0}^{1}P \left( \left\{C \leq \frac{t}{u}\right\right\})du = \int_{0}^{1} min\left( 1, \frac{t}{u}\right) du = t - t\ln(t).}\)
Stąd
\(\displaystyle{ f_{Y}(y) = \set{-1}_{[0,1]}(y) \ln(y)}\) (2)
Na podstawie (1) i (2)
\(\displaystyle{ P\left(\left\{B^2 \geq 4AC\right\}\right) = \int_{0}^{1}\frac{1}{2\sqrt{x}} \int_{0}^{\frac{x}{4}}- \ln(y)dy dx = \frac{5 + 6\ln(2)}{36} \approx 0,2544134.}\)
- RafalMajewskiPL
- Użytkownik
- Posty: 17
- Rejestracja: 5 kwie 2017, o 19:44
- Płeć: Mężczyzna
- Lokalizacja: Gdańsk
- Pomógł: 1 raz
Re: Kilka zadań
3.
Jak można się dowiedzieć na Wikipedii rok trwa 365 dni 5 godzin i 48 minut ( \(\displaystyle{ \frac{43829}{120} dni=365.241(6) dni}\) ).
\(\displaystyle{ f(n)}\) to oczekiwana ilość dni dla \(\displaystyle{ n}\) osób.
Na początku zauważyłem następujące własności:
\(\displaystyle{ \lim_{n\to\infty}f(n)=\frac{43829}{120}}\)
\(\displaystyle{ f(1)=1}\)
\(\displaystyle{ 1<f(2)<2}\), bo jest mała szansa że dwie osoby mają urodziny w tym samym dniu.
Nie wiem co dalej robić, ale pomyślę.
Jak można się dowiedzieć na Wikipedii rok trwa 365 dni 5 godzin i 48 minut ( \(\displaystyle{ \frac{43829}{120} dni=365.241(6) dni}\) ).
\(\displaystyle{ f(n)}\) to oczekiwana ilość dni dla \(\displaystyle{ n}\) osób.
Na początku zauważyłem następujące własności:
\(\displaystyle{ \lim_{n\to\infty}f(n)=\frac{43829}{120}}\)
\(\displaystyle{ f(1)=1}\)
\(\displaystyle{ 1<f(2)<2}\), bo jest mała szansa że dwie osoby mają urodziny w tym samym dniu.
Nie wiem co dalej robić, ale pomyślę.
-
- Użytkownik
- Posty: 7918
- Rejestracja: 18 mar 2009, o 16:24
- Płeć: Mężczyzna
- Podziękował: 30 razy
- Pomógł: 1671 razy
Kilka zadań
Zadanie 3
\(\displaystyle{ P(\overline{X_{1}}) = \frac{1}{n}.}\)
\(\displaystyle{ P(X_{1}) = 1 - \frac{1}{n}.}\)
\(\displaystyle{ P(\overline{X_{n-1}}) = \left( 1 -\frac{1}{n}\right)^{n-1}}\)
\(\displaystyle{ E( \overline{X_{n-1}}) = n\left( 1 -\frac{1}{n}\right)^{n-1}}\)
\(\displaystyle{ E( X_{n-1}) = n\left[ 1 - \left(1 -\frac{1}{n}\right)^{n-1}\right].}\)
\(\displaystyle{ P(\overline{X_{1}}) = \frac{1}{n}.}\)
\(\displaystyle{ P(X_{1}) = 1 - \frac{1}{n}.}\)
\(\displaystyle{ P(\overline{X_{n-1}}) = \left( 1 -\frac{1}{n}\right)^{n-1}}\)
\(\displaystyle{ E( \overline{X_{n-1}}) = n\left( 1 -\frac{1}{n}\right)^{n-1}}\)
\(\displaystyle{ E( X_{n-1}) = n\left[ 1 - \left(1 -\frac{1}{n}\right)^{n-1}\right].}\)
- Takahashi
- Użytkownik
- Posty: 186
- Rejestracja: 12 maja 2017, o 19:04
- Płeć: Mężczyzna
- Lokalizacja: brak
- Podziękował: 1 raz
- Pomógł: 22 razy
Re: Kilka zadań
Zapewne źle, ponieważ rozwiązanie powinno zależeć od liczby dni w roku. Abstrachując od tego, operator \(\displaystyle{ \mathbb E}\) działa na zmiennych losowych, natomiast \(\displaystyle{ \mathbb P}\) - na zbiorach mierzalnych, więc coś tu jest nie tak.
-
- Użytkownik
- Posty: 22211
- Rejestracja: 15 maja 2011, o 20:55
- Płeć: Mężczyzna
- Lokalizacja: Bydgoszcz
- Podziękował: 38 razy
- Pomógł: 3755 razy
Re: Kilka zadań
A tego pierwszego to z prawdopodobieństwa geometrycznego się nie robi?
Ad 3: szansa na to, że dwie osoby maja urodziny tego samego dnia już przy \(\displaystyle{ n>23}\) jest większa niż \(\displaystyle{ 1/2}\)
Ad 3: szansa na to, że dwie osoby maja urodziny tego samego dnia już przy \(\displaystyle{ n>23}\) jest większa niż \(\displaystyle{ 1/2}\)
-
- Użytkownik
- Posty: 7918
- Rejestracja: 18 mar 2009, o 16:24
- Płeć: Mężczyzna
- Podziękował: 30 razy
- Pomógł: 1671 razy
Kilka zadań
Zadanie 3
Z założenia
\(\displaystyle{ \xi \sim \lambda e^{-\lambda x}.}\)
\(\displaystyle{ \eta \sim \mu e^{-\mu x}.}\)
Niech \(\displaystyle{ s = x+y, \ \ r = \frac{x}{x+y} = \frac{x}{s}.}\)
Przekształcenie odwrotne:
\(\displaystyle{ x = rs, \ \ y = (1- r)s.}\)
\(\displaystyle{ J(r, s) = \left\left|\begin{matrix} s & -s \\ r & (1-r)\end{matrix} \right| = s.}\)
\(\displaystyle{ f_{R}(r) = \int_{0}^{\infty}f_{(R,S)}(r, s)ds = \int_{0}^{\infty}f_{(X,Y)}(rs, (1-r)s)ds = \int_{0}^{\infty} \lambda e^{-\lambda r s}\mu e^{-\mu(1- r)s} s ds = \frac{\lambda \cdot \mu}{[\lambda r + \mu(1-r)]^2} = \frac{1}{\frac{\mu}{\lambda}- r\left(\frac{\mu}{\lambda}-1\right)} \cdot \frac{1}{1 - r\left(1 - \frac{\lambda}{\mu}\right)}, \ \ 0 \leq r \leq 1.}\)
c.b.d.o.
Z założenia
\(\displaystyle{ \xi \sim \lambda e^{-\lambda x}.}\)
\(\displaystyle{ \eta \sim \mu e^{-\mu x}.}\)
Niech \(\displaystyle{ s = x+y, \ \ r = \frac{x}{x+y} = \frac{x}{s}.}\)
Przekształcenie odwrotne:
\(\displaystyle{ x = rs, \ \ y = (1- r)s.}\)
\(\displaystyle{ J(r, s) = \left\left|\begin{matrix} s & -s \\ r & (1-r)\end{matrix} \right| = s.}\)
\(\displaystyle{ f_{R}(r) = \int_{0}^{\infty}f_{(R,S)}(r, s)ds = \int_{0}^{\infty}f_{(X,Y)}(rs, (1-r)s)ds = \int_{0}^{\infty} \lambda e^{-\lambda r s}\mu e^{-\mu(1- r)s} s ds = \frac{\lambda \cdot \mu}{[\lambda r + \mu(1-r)]^2} = \frac{1}{\frac{\mu}{\lambda}- r\left(\frac{\mu}{\lambda}-1\right)} \cdot \frac{1}{1 - r\left(1 - \frac{\lambda}{\mu}\right)}, \ \ 0 \leq r \leq 1.}\)
c.b.d.o.
- Premislav
- Użytkownik
- Posty: 15687
- Rejestracja: 17 sie 2012, o 13:12
- Płeć: Mężczyzna
- Lokalizacja: Warszawa
- Podziękował: 196 razy
- Pomógł: 5221 razy
Re: Kilka zadań
Zadanie drugie:
oczywiście z prawdopodobieństwem \(\displaystyle{ 1}\) mamy
\(\displaystyle{ \displaystyle \frac{\xi}{\xi + \eta}\in (0,1)}\), gdy \(\displaystyle{ \xi}\) i \(\displaystyle{ \eta}\) są jak w treści zadania. Niechajże \(\displaystyle{ t \in (0,1)}\) i niech \(\displaystyle{ \lambda \in \RR^+}\) - wspólny parametr zmiennych losowych \(\displaystyle{ \xi}\) i \(\displaystyle{ \eta}\). Wówczas:
\(\displaystyle{ \mathbf{P}\left( \frac{\xi}{\xi + \eta}\le t\right)= \int_{0}^{+\infty} \int_{0}^{+\infty}\mathbf{1}\left( \frac{x}{x + y}\le t \right)\lambda^2 e^{-\lambda x}e^{-\lambda y} \,\dd x \,\dd y=\\= \int_{0}^{+\infty} \int_{0}^{+\infty}\mathbf{1}\left( x \le \frac{ty}{1-t} \right)\lambda^2 e^{-\lambda x}e^{-\lambda y} \,\dd x \,\dd y=\\= \int_{0}^{+\infty}\lambda \ e^{-\lambda y}\,\dd y \int_{0}^{ \frac{ty}{1-t} }\lambda e^{-\lambda x} \,\dd x=\\= \int_{0}^{+\infty}\lambda \ e^{-\lambda y}\left( 1-e^{-\lambda \frac{ty}{1-t} }\right) \,\dd y=\\=1-(1-t) \int_{0}^{+\infty}\frac{\lambda}{1-t} \ e^{-\lambda \frac{y}{1-t} }\,\dd y=\\=1-(1-t)=t}\)
Zatem dystrybuanta zmiennej losowej \(\displaystyle{ \displaystyle \frac{\xi}{\xi + \eta}}\) to dystrybuanta
zmiennej o rozkładzie jednostajnym na odcinku \(\displaystyle{ (0,1)}\), co kończy dowód.
Jak coś trzeba wyjaśnić, to ewentualnie dopiszę.
Pozdrawiam.
oczywiście z prawdopodobieństwem \(\displaystyle{ 1}\) mamy
\(\displaystyle{ \displaystyle \frac{\xi}{\xi + \eta}\in (0,1)}\), gdy \(\displaystyle{ \xi}\) i \(\displaystyle{ \eta}\) są jak w treści zadania. Niechajże \(\displaystyle{ t \in (0,1)}\) i niech \(\displaystyle{ \lambda \in \RR^+}\) - wspólny parametr zmiennych losowych \(\displaystyle{ \xi}\) i \(\displaystyle{ \eta}\). Wówczas:
\(\displaystyle{ \mathbf{P}\left( \frac{\xi}{\xi + \eta}\le t\right)= \int_{0}^{+\infty} \int_{0}^{+\infty}\mathbf{1}\left( \frac{x}{x + y}\le t \right)\lambda^2 e^{-\lambda x}e^{-\lambda y} \,\dd x \,\dd y=\\= \int_{0}^{+\infty} \int_{0}^{+\infty}\mathbf{1}\left( x \le \frac{ty}{1-t} \right)\lambda^2 e^{-\lambda x}e^{-\lambda y} \,\dd x \,\dd y=\\= \int_{0}^{+\infty}\lambda \ e^{-\lambda y}\,\dd y \int_{0}^{ \frac{ty}{1-t} }\lambda e^{-\lambda x} \,\dd x=\\= \int_{0}^{+\infty}\lambda \ e^{-\lambda y}\left( 1-e^{-\lambda \frac{ty}{1-t} }\right) \,\dd y=\\=1-(1-t) \int_{0}^{+\infty}\frac{\lambda}{1-t} \ e^{-\lambda \frac{y}{1-t} }\,\dd y=\\=1-(1-t)=t}\)
Zatem dystrybuanta zmiennej losowej \(\displaystyle{ \displaystyle \frac{\xi}{\xi + \eta}}\) to dystrybuanta
zmiennej o rozkładzie jednostajnym na odcinku \(\displaystyle{ (0,1)}\), co kończy dowód.
Jak coś trzeba wyjaśnić, to ewentualnie dopiszę.
Pozdrawiam.
- Premislav
- Użytkownik
- Posty: 15687
- Rejestracja: 17 sie 2012, o 13:12
- Płeć: Mężczyzna
- Lokalizacja: Warszawa
- Podziękował: 196 razy
- Pomógł: 5221 razy
Re: Kilka zadań
Co proszę? To, że zmienne losowe mają taki sam rozkład, nie znaczy, że są równe.
Skorzystałem tu z założenia o tym, że zmienne losowe \(\displaystyle{ \xi}\) i \(\displaystyle{ \eta}\) mają taki sam rozkład wykładniczy i są niezależne. Wówczas wektor losowy \(\displaystyle{ (\xi, \eta)}\) ma gęstość łączną
\(\displaystyle{ f_{\xi, \eta}(x,y)=\mathbf{1}_{(0,+\infty)}(x)\mathbf{1}_{(0,+\infty)}(y)\lambda^2 \ e^{-\lambda(x+y)}}\)
oraz dla dowolnej funkcji mierzalnej \(\displaystyle{ \varphi: \RR^2 \rightarrow \RR}\) mamy
\(\displaystyle{ \mathbf{E}\left[ \varphi(\xi, \eta)\right] = \int_{\RR^2}^{} \varphi(x,y)f_{\xi, \eta}(x,y)}\)
Tutaj \(\displaystyle{ \varphi(\xi, \eta)=\mathbf{1}\left( \frac{\xi}{\xi+\eta}\le t \right), \ t \in (0,1) - \text{ ustalone}}\)
Skorzystałem tu z założenia o tym, że zmienne losowe \(\displaystyle{ \xi}\) i \(\displaystyle{ \eta}\) mają taki sam rozkład wykładniczy i są niezależne. Wówczas wektor losowy \(\displaystyle{ (\xi, \eta)}\) ma gęstość łączną
\(\displaystyle{ f_{\xi, \eta}(x,y)=\mathbf{1}_{(0,+\infty)}(x)\mathbf{1}_{(0,+\infty)}(y)\lambda^2 \ e^{-\lambda(x+y)}}\)
oraz dla dowolnej funkcji mierzalnej \(\displaystyle{ \varphi: \RR^2 \rightarrow \RR}\) mamy
\(\displaystyle{ \mathbf{E}\left[ \varphi(\xi, \eta)\right] = \int_{\RR^2}^{} \varphi(x,y)f_{\xi, \eta}(x,y)}\)
Tutaj \(\displaystyle{ \varphi(\xi, \eta)=\mathbf{1}\left( \frac{\xi}{\xi+\eta}\le t \right), \ t \in (0,1) - \text{ ustalone}}\)
- Premislav
- Użytkownik
- Posty: 15687
- Rejestracja: 17 sie 2012, o 13:12
- Płeć: Mężczyzna
- Lokalizacja: Warszawa
- Podziękował: 196 razy
- Pomógł: 5221 razy
Re: Kilka zadań
No przecież stąd:
Ale wydaje mi się, że to wszystko po trochu nieporozumienie językowe, nieco podobnie jak tutaj:
348841.htm
Tylko że tam to pewnie prowadzący nie umie się posługiwać językiem polskim lub autor wątku niestarannie przepisał treść zadania, a tutaj (w wątku, którego dotyczy nasza dyskusja) może nie było oczywiste, co znaczy "taki sam rozkład" (no dla mnie było, wiele razy spotykałem się z tym sformułowaniem i zawsze oznaczało ono to, co przyjąłem tutaj).-- 1 sie 2017, o 13:24 --Aha, ponadto nie chce mi się niestety sprawdzać Twojego rozwiązania, bo jest troszkę za ciepło, ale coś w nim musi być nie tak, skoro przyjmujesz, że parametry mogą być różne, gdyż bez założenia o tym samym rozkładzie (tj. z tym samym parametrem) teza nie zachodzi.
Jeżeli jedna zmienna losowa \(\displaystyle{ X_1}\) ma rozkład chociażby normalny \(\displaystyle{ mathcal{N}(0,1)}\), a druga, nazwijmy ją \(\displaystyle{ X_2}\), też normalny, ale z innymi parametrami, choćby \(\displaystyle{ mathcal{N}(1,2)}\), to nie powiemy, że zmienne losowe \(\displaystyle{ X_1}\) i \(\displaystyle{ X_2}\) mają taki sam rozkład.Matiks21 pisze:mają taki sam rozkład wykładniczy
Ale wydaje mi się, że to wszystko po trochu nieporozumienie językowe, nieco podobnie jak tutaj:
348841.htm
Tylko że tam to pewnie prowadzący nie umie się posługiwać językiem polskim lub autor wątku niestarannie przepisał treść zadania, a tutaj (w wątku, którego dotyczy nasza dyskusja) może nie było oczywiste, co znaczy "taki sam rozkład" (no dla mnie było, wiele razy spotykałem się z tym sformułowaniem i zawsze oznaczało ono to, co przyjąłem tutaj).-- 1 sie 2017, o 13:24 --Aha, ponadto nie chce mi się niestety sprawdzać Twojego rozwiązania, bo jest troszkę za ciepło, ale coś w nim musi być nie tak, skoro przyjmujesz, że parametry mogą być różne, gdyż bez założenia o tym samym rozkładzie (tj. z tym samym parametrem) teza nie zachodzi.
- Takahashi
- Użytkownik
- Posty: 186
- Rejestracja: 12 maja 2017, o 19:04
- Płeć: Mężczyzna
- Lokalizacja: brak
- Podziękował: 1 raz
- Pomógł: 22 razy
Re: Kilka zadań
To nie jest takie proste
Ustalmy grupę \(\displaystyle{ n}\) osób. Szukamy wartości oczekiwanej zmiennej \(\displaystyle{ X_n}\), która zlicza różne dni, w które ktokolwiek obchodzi urodziny. Przyjmuje ona wartości \(\displaystyle{ k = 1, 2, \ldots, \min\{d, n\}}\) (\(\displaystyle{ d}\) to liczba dni w roku, u nas 365). Najpierw wybierzemy \(\displaystyle{ k}\) dni urodzin, a potem przypiszemy do nich konkretne osoby. W tym celu potrzebny będzie prosty lemat (patrz niżej).
\(\displaystyle{ P(X_n = k) = \frac{{d\choose k} \cdot \sum_{i = 0}^{k-1} (-1)^i {k \choose i} (k-i)^n}{d^n}.}\)
To teraz wystarczy wysumować...
\(\displaystyle{ \mathbb E[X_n] = \sum_{k = 1}^{\min} k P(X_n=k) = \sum_{k=1}^{\min} \frac{
k d!}{(d-k)! d^n} \begin{Bmatrix}n\\k\end{Bmatrix} = \frac{d!}{d^n} \cdot a_{n}}\),
tylko że ten wzór nie ma zwartej postaci (ciąg \(\displaystyle{ a_n}\) ma wykładniczą funkcję tworzącą, \(\displaystyle{ \exp (\exp x + 2 x - 1)}\)). Ach, no i wspomniany lemat.
Lemat. Rodzina surjekcji ze zbioru \(\displaystyle{ \{1, \ldots, m\}}\) na zbiór \(\displaystyle{ \{1, \ldots, n\}}\) (gdzie \(\displaystyle{ m \ge n}\)) ma moc
\(\displaystyle{ \sum_{i = 0}^{n-1} (-1)^i {n \choose i} (n-i)^m}\).
Szkic dowodu. Reguła włączeń i wyłączeń.
Ustalmy grupę \(\displaystyle{ n}\) osób. Szukamy wartości oczekiwanej zmiennej \(\displaystyle{ X_n}\), która zlicza różne dni, w które ktokolwiek obchodzi urodziny. Przyjmuje ona wartości \(\displaystyle{ k = 1, 2, \ldots, \min\{d, n\}}\) (\(\displaystyle{ d}\) to liczba dni w roku, u nas 365). Najpierw wybierzemy \(\displaystyle{ k}\) dni urodzin, a potem przypiszemy do nich konkretne osoby. W tym celu potrzebny będzie prosty lemat (patrz niżej).
\(\displaystyle{ P(X_n = k) = \frac{{d\choose k} \cdot \sum_{i = 0}^{k-1} (-1)^i {k \choose i} (k-i)^n}{d^n}.}\)
To teraz wystarczy wysumować...
\(\displaystyle{ \mathbb E[X_n] = \sum_{k = 1}^{\min} k P(X_n=k) = \sum_{k=1}^{\min} \frac{
k d!}{(d-k)! d^n} \begin{Bmatrix}n\\k\end{Bmatrix} = \frac{d!}{d^n} \cdot a_{n}}\),
tylko że ten wzór nie ma zwartej postaci (ciąg \(\displaystyle{ a_n}\) ma wykładniczą funkcję tworzącą, \(\displaystyle{ \exp (\exp x + 2 x - 1)}\)). Ach, no i wspomniany lemat.
Lemat. Rodzina surjekcji ze zbioru \(\displaystyle{ \{1, \ldots, m\}}\) na zbiór \(\displaystyle{ \{1, \ldots, n\}}\) (gdzie \(\displaystyle{ m \ge n}\)) ma moc
\(\displaystyle{ \sum_{i = 0}^{n-1} (-1)^i {n \choose i} (n-i)^m}\).
Szkic dowodu. Reguła włączeń i wyłączeń.
-
- Użytkownik
- Posty: 7918
- Rejestracja: 18 mar 2009, o 16:24
- Płeć: Mężczyzna
- Podziękował: 30 razy
- Pomógł: 1671 razy
Kilka zadań
\(\displaystyle{ F _{(\xi, \eta)}(t) = P\left( \left\{ \frac{\xi}{\xi +\eta} \leq t \right\}\right) = P \left(\left\{ (1-t)\xi \leq t\eta\right\}\right) = \int_{0}^{\infty}\lambda e^{-\lambda x}\int_{\frac{1-t}{t}x}^{\infty}\mu e^{-\mu y}dy dx = \int_{0}^{\infty}\lambda e^{-\lambda x}e ^{-\mu \frac{1-t}{t}x}dx = \frac{\lambda}{\lambda +\mu \frac{1-t}{t}} = \frac{t\lambda}{t\lambda + (1 -t)\mu}.}\)
Sprawdzenie
\(\displaystyle{ f_{(\xi, \eta)}(t) =F' _{(\xi, \eta)}(t) = \frac{\lambda[t\lambda +(1-t)\mu] - t\lambda (\lambda -\mu)}{[t\lambda + (1-t)\mu]^2} = \frac{\lambda^2 t +\lambda \mu -\lambda \mu t -\lambda^2 t +\lambda \mu t}{[t\lambda +(1-t)\mu ]^2} = \frac{\lambda \mu}{[t\lambda +(1-t)\mu ]^2}.}\)
-- 2 sie 2017, o 17:15 --
Zadanie 3
\(\displaystyle{ \xi_{i} = \begin{cases} 1 \ \ \mbox{w i -tym dniu obchodzi urodziny co najmniej jedna soba}\\
0 \ \mbox {w pozostałych przypadkach.} \ \ \end{cases}.}\)
\(\displaystyle{ X = \sum_{i=1}^{365}\xi_{i}.}\)
Z liniowości wartości oczekiwanej
\(\displaystyle{ E(X(n)) = \sum_{i=1}^{n}E(\xi_{i}).}\)
\(\displaystyle{ p_{i}}\)- prawdopodobieństwo zdarzenia " co najmniej jedna osoba urodziła się w \(\displaystyle{ i-tym}\) dniu".
\(\displaystyle{ p_{i} = 1 - \left(\frac{364}{365}\right)^{n}.}\)
\(\displaystyle{ E(X(n)) = 365\left( 1 -\left(\frac{364}{365}\right)^{n}\right).}\)
\(\displaystyle{ n = 2, \ \ E(X(2)) \approx 1,97260,}\)
\(\displaystyle{ n =50, \ \ E(X(50) \approx 46,7863607.}\)
Sprawdzenie
\(\displaystyle{ f_{(\xi, \eta)}(t) =F' _{(\xi, \eta)}(t) = \frac{\lambda[t\lambda +(1-t)\mu] - t\lambda (\lambda -\mu)}{[t\lambda + (1-t)\mu]^2} = \frac{\lambda^2 t +\lambda \mu -\lambda \mu t -\lambda^2 t +\lambda \mu t}{[t\lambda +(1-t)\mu ]^2} = \frac{\lambda \mu}{[t\lambda +(1-t)\mu ]^2}.}\)
-- 2 sie 2017, o 17:15 --
Zadanie 3
\(\displaystyle{ \xi_{i} = \begin{cases} 1 \ \ \mbox{w i -tym dniu obchodzi urodziny co najmniej jedna soba}\\
0 \ \mbox {w pozostałych przypadkach.} \ \ \end{cases}.}\)
\(\displaystyle{ X = \sum_{i=1}^{365}\xi_{i}.}\)
Z liniowości wartości oczekiwanej
\(\displaystyle{ E(X(n)) = \sum_{i=1}^{n}E(\xi_{i}).}\)
\(\displaystyle{ p_{i}}\)- prawdopodobieństwo zdarzenia " co najmniej jedna osoba urodziła się w \(\displaystyle{ i-tym}\) dniu".
\(\displaystyle{ p_{i} = 1 - \left(\frac{364}{365}\right)^{n}.}\)
\(\displaystyle{ E(X(n)) = 365\left( 1 -\left(\frac{364}{365}\right)^{n}\right).}\)
\(\displaystyle{ n = 2, \ \ E(X(2)) \approx 1,97260,}\)
\(\displaystyle{ n =50, \ \ E(X(50) \approx 46,7863607.}\)