När du spelar tärning bryr du dig inte bara om huruvida du vinner eller förlorar - du vill veta hur mycket du kan vinna. En stokastisk variabel gör exakt detta: den kopplar ett numeriskt värde till varje möjligt utfall av ett slumpförsök. Istället för att säga 'krona eller klave' kan vi säga '1 eller 0'. Detta enkla steg öppnar dörren till hela den matematiska verktygslådan för att analysera slump och osäkerhet.

Fördjupning

En stokastisk variabel är en funktion som tilldelar ett reellt tal till varje utfall i ett utfallsrum. Denna abstraktion möjliggör matematisk behandling av slumpmässiga fenomen genom att transformera kvalitativa utfall till kvantitativa mått. Stokastiska variabler klassificeras som diskreta (ändligt eller uppräkneligt många värden) eller kontinuerliga (alla värden i ett intervall).

Definition och typer

En stokastisk variabel X är en funktion från utfallsrummet Ω till de reella talen ℝ. Vi skriver X: Ω → ℝ. Beroende på vilka värden X kan anta delar vi in stokastiska variabler i diskreta och kontinuerliga.

Tärningskast

Vid kast med en tärning kan vi definiera X = 'antalet prickar som visas'. Då är X(1) = 1, X(2) = 2, etc. Detta är en diskret stokastisk variabel med värdemängd {1,2,3,4,5,6}.

Sannolikhetsfördelning

Sannolikhetsfördelningen beskriver hur sannolikheten fördelas över de möjliga värdena för en stokastisk variabel. För diskreta variabler använder vi sannolikhetsfunktionen, för kontinuerliga använder vi täthetsfunktionen.

Fördelningsfunktion

Fördelningsfunktionen F(x) = P(X ≤ x) anger sannolikheten att den stokastiska variabeln tar ett värde mindre än eller lika med x. Den är definierad för alla stokastiska variabler.

Väntevärde och varians

Väntevärde och varians är de viktigaste måtten för att beskriva en stokastisk variabel. Väntevärdet ger det genomsnittliga värdet, medan variansen mäter spridningen.

Väntevärde för tärning

X = utfall vid tärningskast

E[X] = 1·(1/6) + 2·(1/6) + 3·(1/6) + 4·(1/6) + 5·(1/6) + 6·(1/6)

E[X] = (1+2+3+4+5+6)/6 = 21/6 = 3.5

Vanliga misstag

❌ Förväxla X med P(X)

X är variabeln själv, P(X = k) är sannolikheten för ett specifikt värde

Exempel: Skriv P(X = 3) = 1/6, inte X = 1/6

❌ Tro att E[X²] = (E[X])²

Väntevärdet av kvadraten är inte kvadraten av väntevärdet

Exempel: För tärning: E[X²] = 15.17 men (E[X])² = 12.25

Tillämpningar

Försäkring

Skadekostnader modelleras som stokastiska variabler för att beräkna premier

Exempel: Bilskador per år följer ofta en Poisson-fördelning

Finansiell analys

Aktieavkastning modelleras som stokastiska variabler för riskanalys

Exempel: Daglig avkastning antas ofta följa normalfördelning

Övningar

1 Lätt

En rättvis mynt kastas två gånger. Låt X vara antalet krona. Bestäm sannolikhetsfördelningen för X.

Tips

Lista alla möjliga utfall och räkna antal krona för varje

Visa facit

1. Utfall: KK, KK, KM, MK, MM
2. X=0: {MM}, P(X=0) = 1/4
3. X=1: {KM, MK}, P(X=1) = 2/4 = 1/2
4. X=2: {KK}, P(X=2) = 1/4

Svar: P(X=0)=1/4, P(X=1)=1/2, P(X=2)=1/4

2 Medel

För variabeln X i övning 1, beräkna E[X] och Var(X).

Tips

Använd formlerna för väntevärde och varians

Visa facit

1. E[X] = 0·(1/4) + 1·(1/2) + 2·(1/4) = 1
2. E[X²] = 0²·(1/4) + 1²·(1/2) + 2²·(1/4) = 1.5
3. Var(X) = E[X²] - (E[X])² = 1.5 - 1² = 0.5

Svar: E[X] = 1, Var(X) = 0.5

Sammanfattning

Stokastiska variabler transformerar slumpmässiga utfall till numeriska värden, vilket möjliggör matematisk analys. Väntevärde och varians är grundläggande mått som beskriver centrum och spridning. Fördelningsfunktionen ger en komplett beskrivning av variabelns beteende.