Stochastik 1 - Mitschriften von Klaas Ole Kürtz
Stochastik 1 - Mitschriften von Klaas Ole Kürtz
Stochastik 1 - Mitschriften von Klaas Ole Kürtz
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
7.4.2 Praktische Erwägungen zur Verteilung <strong>von</strong> Zufallsgrößen<br />
1. Die Verteilung <strong>von</strong> Zufallsgrößen kann insbesondere festgelegt werden<br />
durch<br />
(a) Angabe der Verteilungsfunktion F X<br />
(b) Angabe der Dichte f X<br />
Von (a) nach (b) gelangt man durch Differenzieren, sei beispielsweise<br />
F gegeben mit I = {t | 0 < F (t) < 1} und F ∈ C 1 (I), ableiten ergibt<br />
f X = (F X ) ′ , auf I und f X = 0 sonst.<br />
Von (b) nach (a) gelangt man durch Integrieren, F X (t) = ∫ t<br />
−∞ f X (x) dx.<br />
2. Gegeben seien Abbildungen Ω −→ X<br />
R −→ g<br />
R, X besitze die Dichte f X ,<br />
welche Dichte hat dann g(X)(= g ◦ X)? Bei g streng monoton<br />
P (g(x) ≤ t) = P (X ≤ g −1 (t)) = F X (g −1 (t))<br />
Dichte durch Ableitung, falls F X stetig differenzierbar, g differenzierbar:<br />
Beispiel: Dichte <strong>von</strong> X 2 ? Es ist<br />
Durch Ableiten:<br />
f g(X) (x) = f X (g −1 (x))(g −1 ) ′ (x)<br />
P (X 2 ≤ t) = P (− √ t ≤ X ≤ √ t)<br />
f X2 (x) = f X ( √ x) ·<br />
= P (X ≤ √ t) − P (X < − √ t)<br />
= F X ( √ t) − F X (− √ t)<br />
1<br />
2 √ x − f X (− √ 1<br />
x) ·<br />
2 √ x<br />
Ist zum Beispiel X N(0, 1)-verteilt, so besitzt X 2 die Dichte (Gamma-Verteilung):<br />
1<br />
√<br />
2π<br />
e − x 2<br />
1<br />
2 √ x + 1 √<br />
2π<br />
e − x 2 ·<br />
1<br />
2 √ x = 1 √<br />
2π<br />
x − 1 2 e<br />
− x 2<br />
46