Grunnhugtök handahófsbreytna
Í tölfræði og líkindafræði eru handahófsbreytur eitt af grundvallarhugtökunum og brúa bilið á milli handahófskenndra atburða og mælanlegrar stærðfræðilegrar greiningar. Með handahófsbreytum getum við „þýtt“ niðurstöður handahófskenndrar tilraunar – sem upphaflega samanstanda af atburðum eða flokkum – yfir í tölur sem hægt er að vinna úr: reikna líkur þeirra, draga þær saman með meðaltölum, mæla dreifingu þeirra og jafnvel líkja þeim með sértækum dreifingum. Þessi grein fjallar um grunnhugtök handahófsbreyta, gerðir þeirra og lykilhugtök eins og líkindafall, uppsafnaða dreifingarfall, væntigildi og dreifni.
1. Hvað er handahófsbreyta?
Einfaldlega sagt er slembibreyta fall sem varpar hverri útkomu úr úrtaksrými yfir í rauntölu. Úrtaksrýmið er safn allra mögulegra útkoma úr slembitilraun.
Til dæmis, gerum ráð fyrir að við köstum sexhliða teningi. Úrtaksrýmið er {1, 2, 3, 4, 5, 6}. Við getum skilgreint slembibreytuna \(X\) sem „töluna sem birtist á teningnum“. Þá getur \(X\) haft gildi frá 1 til 6, með jöfnum líkum ef teningurinn er sanngjarn.
Annað dæmi: við köstum tveimur peningum. Úrtaksrýmið er {HH, HT, TH, TT}. Ef við skilgreinum handahófsbreytuna \(Y\) sem „fjölda höfuða (H) sem birtast“, þá:
– HH → \(Y = 2\)
– HT → \(Y = 1\)
– TH → \(Y = 1\)
– TT → \(Y = 0\)
Hér sjáum við að handahófsbreytur þurfa ekki að „endurspegla“ upprunalegu niðurstöðuna beint; þær eru leið til að úthluta tölulegum gildum til handahófskenndra niðurstaðna í samræmi við þarfir greiningarinnar.
2. Tegundir handahófsbreyta: stakrænar og samfelldar
Almennt séð eru handahófsbreytur skipt í tvo meginflokka:
a) Stakrar handahófsbreytur
Stafræn slembibreyta er slembibreyta sem hægt er að telja gildi hennar eitt af öðru (teljanlegt), venjulega í formi heiltalna eða sérstaks mengis af tilteknum gildum.
Dæmi:
– Fjöldi barna í fjölskyldu (0, 1, 2, 3, …)
– Fjöldi ökutækja sem fara í gegnum gjaldtökustöðina á 1 mínútu
– Fjöldi gallaðra vara af 10 vörum sem skoðaðar voru
Fyrir stakar handahófsbreytur er hægt að tákna líkindi hvers gildis beint í formi líkindamassafalls.
b) Samfelldar handahófsbreytur
Samfelld slembibreyta er slembibreyta sem getur tekið gildi á samfelldu bili á rauntalnalínunni (óteljanlegri), til dæmis öll gildi á milli 0 og 1, eða öll jákvæð raungildi.
Dæmi:
– Hæð manns
– Biðtími viðskiptavina við afgreiðsluborðið
– Lofthiti á ákveðnum tíma
Fyrir samfellda slembibreytu eru líkurnar á hverjum tímapunkti í raun núll. Þess vegna eru líkurnar reiknaðar yfir gildabil (t.d. á milli 10 og 12 mínútna) með því að nota líkindaþéttleikafallið.
3. Líkindaföll: PMF og PDF
Næsta mikilvæga hugtak er hvernig líkindi eru „tengd“ við gildi slembibreytu.
a) Líkindamassafall (PMF)
Fyrir stakræna slembibreytu \(X\) er PMF skilgreind sem:
\[
p(x) = P(X = x)
\]
með ákvæði um:
1. \(p(x) ≤ 0\) fyrir öll \(x\)
2. \(\summa_x p(x) = 1\)
Einfalt dæmi: sanngjarnir teningar
\[
P(X = k) = 1, 6, k = 1, 2, 3, 4, 5, 6
\]
b) Líkindaþéttleikafall (PDF)
Fyrir samfellda slembibreytu \(X\) notum við PDF \(f(x)\) þannig að líkurnar á bilinu \([a,b]\) eru:
\[
P(a ≤ X ≤ b) = ∫_a^bf(x)≥ dx
\]
með ákvæði um:
1. \(f(x) \ge 0\)
2. \(\int_{-\infty}^{\infty} f(x)\,dx = 1\)
Það er vert að leggja áherslu á: fyrir samfellda slembibreytu, \(P(X=x)=0\) fyrir hvert einasta gildi af \(x\). Líkindafræði hefur alltaf þýðingu þegar rætt er um svið.
4. Uppsafnað dreifingarfall (CDF)
Hvort sem um stakrænar eða samfelldar slembibreytur er að ræða, er hægt að lýsa þeim með dreifingarfalli (e. summative distribution function, CDF), sem er skilgreint sem:
\[
F(x) = P(X ≤ x)
\]
CDF hefur nokkra mikilvæga eiginleika:
– Gildi \(F(x)\) er alltaf á milli 0 og 1
– \(F(x)\) minnkar ekki (ekki minnkandi)
– \(\lim_{x\til -\infty}F(x)=0\) og \(\lim_{x\til\infty}F(x)=1\)
Fyrir stakar breytur er CDF stigalaga (hækkandi á ákveðnum punktum). Fyrir samfelldar breytur er CDF almennt slétt og er heildið af PDF-inu:
\[
F(x) = \int_{-\infty}^{x} f(t)\,dt
\]
5. Mælikvarði á miðlægri tilhneigingu: væntanlegt gildi (væntingargildi)
Þegar við þekkjum líkindadreifinguna viljum við oft draga saman handahófsbreytuna með einni tölu sem táknar „langtímameðalgildi“ hennar. Þetta er væntigildið eða væntigildið.
a) Væntingar um stakar breytur
Ef \(X\) er stakrænt:
\[
E[X] = \sum_x\,p(x)
\]
b) Vænting um samfelldar breytur
Ef \(X\) er samfellt:
\[
E[X] = \int_{-\infty}^{\infty} x\,f(x)\,dx
\]
Vænting er ekki alltaf það sama og „algengasta gildið“ (hamur) og er ekki alltaf það gildi sem er í raun líklegt til að koma fyrir, en hún er mjög gagnleg til ákvarðanatöku, spár og áhættugreiningar.
Dæmi um notkun: Í viðskiptum er hægt að nota væntingar til að reikna út væntan meðalhagnað af stefnu, með hliðsjón af ýmsum atburðarásum og líkum þeirra.
6. Mælingar á dreifingu: dreifni og staðalfrávik
Tvær tilviljunarbreytur geta haft sömu væntingarbreytur en mismunandi óvissustig. Þess vegna þurfum við mælikvarða á dreifingu, þ.e. dreifni og staðalfrávik.
Dreifibreytileiki \(X\) er skilgreindur sem:
\[
Vara(X)=E[(XE[X])^2]
\]
Staðalfrávikið er kvaðratrótin af dreifninni:
\[
\sigma = \sqrt{Var(X)}
\]
Hagnýtar formúlur sem eru oft notaðar:
\[
Vara(X) = E[X^2] – (E[X])^2
\]
Því meiri sem dreifnin er, því meiri er dreifing \(X\) gildanna frá meðaltalinu, sem þýðir meiri óvissu.
7. Algengar líkindadreifingar
Í reynd fylgja margar handahófsbreytur ákveðnum dreifingarmynstrum. Nokkrar vinsælar dreifingar eru:
– Bernoulli: tvær útkomur (árangur/misheppni), til dæmis satt-ósatt, lifandi-dauður.
– Tvíliða: fjöldi árangursríkra Bernoulli-tilrauna, til dæmis fjöldi nemenda sem útskrifast úr hópi 20 einstaklinga.
– Poisson: fjöldi atburða á tíma-/rúmsbili, til dæmis fjöldi innhringinga á mínútu.
– Jafnt samfellt: öll gildi innan bilsins eru jafn líkleg.
– Venjuleg dreifing (Gaussísk): mörg náttúrufyrirbæri og félagsleg fyrirbæri nálgast þessa dreifingu, svo sem hæð eða mælivilla.
Að velja rétta dreifingu hjálpar til við að gera líkön og greiningar nákvæmari.
8. Hvers vegna eru handahófsbreytur mikilvægar?
Handahófsbreytur eru undirstaðan fyrir:
– Ályktunartölfræði: mat á þýðisbreytum út frá úrtökum
- Tilgátuprófun: að ákvarða hvort fullyrðing sé studd með gögnum
– Vélanám: Óvissulíkön og líkur á spágerð
– Áhættustýring: að mæla líkur á tapi og öfgakenndum aðstæðum
– Verkfræði og vísindi: merkjavinnsla, áreiðanleiki kerfa, biðröðunarfræði
Með tilviljunarbreytum höfum við stærðfræðilegt tungumál til að tala um óvissu kerfisbundið.
Niðurstaða
Slembibreyta er kjarnahugtak í líkindafræði sem varpar niðurstöðum slembitilrauna í töluleg gildi. Slembibreytur geta verið stakar eða samfelldar og hver þeirra hefur mismunandi leið til að tákna líkur í gegnum PMF eða PDF. Ennfremur veitir CDF algengan hátt til að skoða uppsöfnun líkinda. Til að draga saman dreifingu er væntibreyta notuð sem mælikvarði á miðtilhneigingu og dreifni/staðalfrávik sem mælikvarði á dreifingu. Að skilja þessi grunnhugtök mun auðvelda nám í flóknari efni eins og líkindadreifingu, tölfræðilega mat, aðhvarfsgreiningu og áhættulíkön og nútíma gagnagreiningu.
Ef þú vilt get ég líka bætt við dæmispurningum og umræðum um þær (staklegar og samfelldar) til að gera hugtakið handahófsbreytur auðveldara að skilja.
