Fra standard til vilkårlig normalfordeling
STX og HHX · A-niveau · mundtlig eksamen · Forklaret af gymnasielærer Kofi D. Mensah
Her gennemgår vi »Fra standard til vilkårlig normalfordeling« trin for trin, sådan som du skal kunne det til den mundtlige eksamen i matematik på A-niveau (STX og HHX). Undervejs bruger du standardnormalfordelingen, normalfordelingen og kædereglen.
Sætningen
Hvis Z er standardnormalfordelt, og \(\sigma\gt 0\), så er \(X=\mu+\sigma\cdot Z\) normalfordelt med middelværdi \(\mu\) og spredning \(\sigma\).
Det skal du kunne først
- Standardnormalfordelingen \(\varphi(x)=\frac{1}{\sqrt{2\pi}}\cdot e^{-\frac{1}{2}x^2}\) og \(\Phi(x)=P(Z\le x)\)
\(\Phi\) er fordelingsfunktionen, og \(\Phi'(x)=\varphi(x)\). - Normalfordelingen \(f(x)=\frac{1}{\sigma\cdot\sqrt{2\pi}}\cdot e^{-\frac{1}{2}\left(\frac{x-\mu}{\sigma}\right)^2}\)
En stokastisk variabel med denne tæthedsfunktion er normalfordelt med middelværdi \(\mu\) og spredning \(\sigma\). Tætheden er den afledede af fordelingsfunktionen: \(f(x)=F'(x)\). - Kædereglen \(\left(g(k(x))\right)'=g'(k(x))\cdot k'(x)\)
Beviset trin for trin
-
Definér X
\(\displaystyle X=\mu+\sigma\cdot Z\)Z er standardnormalfordelt, og \(\sigma\gt 0\). Vi finder fordelingsfunktionen for X og differentierer den.
-
Fordelingsfunktionen for X
\(\displaystyle F(x)=P(X\le x)\)\(\displaystyle =P(\mu+\sigma\cdot Z\le x)\)Definitionen af fordelingsfunktion. X erstattes af \(\mu+\sigma\cdot Z\).
-
Isolér Z i uligheden
\(\displaystyle P(\mu+\sigma\cdot Z\le x)=P\left(Z\le\frac{x-\mu}{\sigma}\right)\)Træk \(\mu\) fra og divider med \(\sigma\) på begge sider. Ulighedstegnet vender ikke, fordi \(\sigma\gt 0\).
-
Brug \(\Phi\)
\(\displaystyle F(x)=\Phi\left(\frac{x-\mu}{\sigma}\right)\)\(\Phi\) er fordelingsfunktionen for Z.
-
Differentiér med kædereglen
\(\displaystyle f(x)=F'(x)\)\(\displaystyle =\varphi\left(\frac{x-\mu}{\sigma}\right)\cdot\frac{1}{\sigma}\)Den ydre funktion er \(\Phi\) med den afledede \(\varphi\). Den indre funktion \(\frac{x-\mu}{\sigma}\) har den afledede \(\frac{1}{\sigma}\).
-
Indsæt forskriften for \(\varphi\)
\(\displaystyle f(x)=\frac{1}{\sigma}\cdot\frac{1}{\sqrt{2\pi}}\cdot e^{-\frac{1}{2}\left(\frac{x-\mu}{\sigma}\right)^2}\)x erstattes af \(\frac{x-\mu}{\sigma}\) i \(\varphi(x)=\frac{1}{\sqrt{2\pi}}\cdot e^{-\frac{1}{2}x^2}\).
-
Konklusion
\(\displaystyle f(x)=\frac{1}{\sigma\cdot\sqrt{2\pi}}\cdot e^{-\frac{1}{2}\left(\frac{x-\mu}{\sigma}\right)^2}\)Det er tæthedsfunktionen for en normalfordeling med middelværdi \(\mu\) og spredning \(\sigma\). Altså er \(X=\mu+\sigma\cdot Z\) normalfordelt med \(\mu\) og \(\sigma\).
∎ Dermed er sætningen bevist.
Det kan censor spørge om
Hvorfor skal \(\sigma\) være positiv?
Hvad sker der med grafen for tætheden?
Der er 4 censorspørgsmål til beviset i kurset.
Flere beviser til mundtlig eksamen
- Bevis for sammenhæng mellem den vilkårlige og standard normalfordelings tæthedsfunktionSTX og HHX · A-niveau
- Bevis for sandsynligheden for normale og exceptionelle udfaldSTX og HHX · A-niveau
- Bevis for, at tætheden er størst i middelværdienSTX og HHX · A-niveau
- Bevis for, at tæthedsfunktionen er symmetrisk om middelværdienSTX og HHX · A-niveau
- Bevis sammenhæng ml vilkårlige og standard fordelingsfunktionSTX og HHX · A-niveau
- Estimation af sandsynlighedsparameter i binomial eksperimentSTX og HHX · A-niveau