28.03.2014 Aufrufe

Stochastik 1 - Mitschriften von Klaas Ole Kürtz

Stochastik 1 - Mitschriften von Klaas Ole Kürtz

Stochastik 1 - Mitschriften von Klaas Ole Kürtz

MEHR ANZEIGEN
WENIGER ANZEIGEN

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

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!