Stochastik 1 - Mitschriften von Klaas Ole Kürtz
Stochastik 1 - Mitschriften von Klaas Ole Kürtz Stochastik 1 - Mitschriften von Klaas Ole Kürtz
n-dimensionale Glockenkurve: ( ) n 1 2 f(x 1 , . . . , x n ) = e − 1 ∑ n 2 i=1 x2 i 2π Es ist ∫ R n f(x)λ n (dx) = = ∫ n ∏ R n i=1 n∏ ∫ i=1 R ∀ (x1 , . . . , x n ) ∈ R n 1 √ 2π e − x2 i 2 dx1 . . . dx n 1 √ 2π e − x2 i 2 dxi = 1 Das zugehörige Wahrscheinlichkeitsmaß heißt n-dimensionale Standard-Normalverteilung. 8.3.3 Lebesgue-Integral Sei g : R → R stetig. Dann existieren das Riemann-Integral ∫ b g(x) dx und a das Integral von g · 1 [a,b] bezüglich des Lebesgue-Maßes λ: ∫ g dλ. Beide [a,b] sind „natürlich“ gleich: Sei a = x 0 < x 1 < . . . < x n−1 < x n = b eine Zerlegung Z des Intervalls [a, b] mit w(Z) = max {|x i − x i−1 | | i = 1, . . . , n}. Dann gilt: ∫ b n∑ g(x) dx = g(x i−1 ) |x i − x i−1 | Betrachte Dann gilt: a lim w(Z)→0 i=1 ∑n−1 g Z = g(a)1 [a,x1 ) + g(x i−1 )1 [xi−1 ,x i ) + g(x n−1 )1 [xn−1 ,b] ∫ i=2 g Z dλ = n∑ g(x i−1 ) |x i − x i−1 | i=1 Für eine Folge von Zerlegungen (Z n ) n∈N mit w(Z n ) −→ 0 gilt: g Zn −→ g·1 [a,b] . Mit dem Satz von der dominanten Konvergenz gilt: ∫ g Zn dλ −→ ∫ g · 1 [a,b] dλ, andererseits gilt ∫ g Zn dλ −→ ∫ b g(x) dx, also ∫ b g(x) dx = ∫ g dλ. a a [a,b] Deshalb schreiben wir statt ∫ g dλ zumeist ∫ g(x) dx. B B 59
8.3.4 Integration bzgl. durch Dichten definierte Wahrscheinlichkeitsmaße Schon kennengelernt: die Angabe von Wahrscheinlichkeitsmaßen durch Dichten: Seien (Ω, A) und µ gegeben, sei f : Ω → R meßbar, f ≥ 0 mit ∫ f dµ = 1. Dann definiert P (A) = ∫ f dµ ein Wahrscheinlichkeitsmaß. f heißt auch A µ-Dichte von P (f = dP ). Dabei gilt für eine Zufallsgröße X (regulär bezüglich dµ P ): ∫ ∫ X dP = X · f dµ Beweis: (a) Für X = 1 A steht auf der linken Seite ∫ 1 A dP = P (A), auf der rechten Seite ∫ 1 A f dµ = ∫ f dµ = P (A). A (b) Für X = ∑ n i=1 α i1 Ai ist die linke Seite ∫ ∫ X dP = n∑ α i 1 Ai dP = i=1 n∑ α i P (A i ) i=1 Die rechte Seite ergibt: ∫ ∫ ( ) n∑ Xf dP = α i 1 Ai f dµ = i=1 n∑ ∫ α i i=1 1 Ai f dµ = n∑ α i P (A i ) i=1 (c) Für X ≥ 0: Es existiert eine Folge (X n ) n∈N gemäß (c) mit 0 ≤ X n ↑ X. Es gilt: ∫ ∫ ∫ ∫ ∫ = X dP = lim X n dP = lim X n f dµ = lim (X n→∞ n→∞ nf) dµ = Xf dµ n→∞ 8.3.5 Integration bzgl. der Verteilung von Zufallsvariablen Sei Ω mit Wahrscheinlichkeitsmaß P gegeben, X : Ω → X und g : X → R. Dann ist ∫ ∫ Eg(X) = g(X) dP = g dP X Beachte: Beweis: Erwartungswertbildung ist Integration bezüglich des zugrundeliegenden Wahrscheinlichkeitsmaßes! 60
- Seite 13 und 14: möglichen Ergebnisse Ω, einem Sys
- Seite 15 und 16: Satz: Ω sei eine Menge, E ⊂ P(Ω
- Seite 17 und 18: 3 Rechnen mit Wahrscheinlichkeiten
- Seite 19 und 20: Für N = 5 ist P (B 0 ) = 36.7%, be
- Seite 21 und 22: 1. Da (A i ) i∈N wachsend ist, gi
- Seite 23 und 24: ¨ ¨ ¨ ¨ ¢ 4 Bedingte Wahrschei
- Seite 25 und 26: 4.1.1 Aussagekraft von medizinische
- Seite 27 und 28: Beweis: Es gilt: (( ) c ) P lim sup
- Seite 29 und 30: Das Borel-Cantelli-Lemma liefert 7
- Seite 31 und 32: 5.2 Hypergeometrische Verteilung Qu
- Seite 33 und 34: 5.7 Poisson-Verteilung −β βω F
- Seite 35 und 36: 6 Wahrscheinlichkeitsmaße auf R Be
- Seite 37 und 38: 6.1.2 Dynkin-Systeme Die Dynkin-Sys
- Seite 39 und 40: 6.1.3 Beweis der Eindeutigkeit (kor
- Seite 41 und 42: Falls diese Fragen mit ja! beantwor
- Seite 43 und 44: Die Normalverteilung (Gaußverteilu
- Seite 45 und 46: Die Cantormenge hat die Eigenschaft
- Seite 47 und 48: X -1 (B) X B (Ω, , P) (¡ , ¢ , P
- Seite 49 und 50: Ω A 1 A n A 2 A 3 X { α 1 , α 2
- Seite 51 und 52: 7.4.2 Praktische Erwägungen zur Ve
- Seite 53 und 54: Als mittleren Wert betrachtet man d
- Seite 55 und 56: 8.2 Erwartungswert Definition: Sei
- Seite 57 und 58: (b) Für a, b ∈ R gilt E(aX + bY
- Seite 59 und 60: Es gilt für jedes i = 1, . . . , n
- Seite 61 und 62: (c) Es ist X + Y = X + − X − +
- Seite 63: folgt: ∑ ∫ n A n X dµ = lim k
- Seite 67 und 68: 8.4 Varianz Der Erwatungswert ist a
- Seite 69 und 70: 9 Momente und stochastische Ungleic
- Seite 71 und 72: 9.2.2 Jensensche Ungleichung Satz:
- Seite 73 und 74: die Verteilung von X = X 1 + X 2 ?
- Seite 75 und 76: Es ist P ((X 1 , X 2 ) ∈ A) = E(1
- Seite 77 und 78: 10.2.2 Summe zweier unabhängiger Z
- Seite 79 und 80: 10.2.4 Die Varianz der Summen von Z
- Seite 81 und 82: Sei nun X i = 1 {1} (Y i ) (d.h. nu
- Seite 83 und 84: Und für relative Häufigkeiten bei
- Seite 85 und 86: Dies ist wieder eine Umformulierung
- Seite 87 und 88: Beweis: Beachte zunächst mit der J
- Seite 89 und 90: Nun gilt mit dem Grenzwertsatz von
- Seite 91 und 92: Einschub: Konvergenzkriterium für
- Seite 93 und 94: Setze weiter S n = ∑ n i=1 Y i. D
- Seite 95 und 96: Definition: Seien Z, Z 1 , Z 2 , .
- Seite 97 und 98: Es gilt 1 {U∈Z c } · g(Fn −1 (
- Seite 99 und 100: 4. Zusammenfügen der ersten drei S
- Seite 101: Achtung! Hier fehlt noch das Ende d
n-dimensionale Glockenkurve:<br />
( ) n<br />
1<br />
2<br />
f(x 1 , . . . , x n ) = e<br />
− 1 ∑ n<br />
2 i=1 x2 i<br />
2π<br />
Es ist<br />
∫<br />
R n f(x)λ n (dx) =<br />
=<br />
∫<br />
n<br />
∏<br />
R n i=1<br />
n∏<br />
∫<br />
i=1<br />
R<br />
∀ (x1 , . . . , x n ) ∈ R n<br />
1<br />
√<br />
2π<br />
e − x2 i<br />
2 dx1 . . . dx n<br />
1<br />
√<br />
2π<br />
e − x2 i<br />
2 dxi = 1<br />
Das zugehörige Wahrscheinlichkeitsmaß heißt n-dimensionale Standard-Normalverteilung.<br />
8.3.3 Lebesgue-Integral<br />
Sei g : R → R stetig. Dann existieren das Riemann-Integral ∫ b<br />
g(x) dx und<br />
a<br />
das Integral <strong>von</strong> g · 1 [a,b] bezüglich des Lebesgue-Maßes λ: ∫ g dλ. Beide<br />
[a,b]<br />
sind „natürlich“ gleich: Sei a = x 0 < x 1 < . . . < x n−1 < x n = b eine Zerlegung<br />
Z des Intervalls [a, b] mit w(Z) = max {|x i − x i−1 | | i = 1, . . . , n}. Dann gilt:<br />
∫ b<br />
n∑<br />
g(x) dx = g(x i−1 ) |x i − x i−1 |<br />
Betrachte<br />
Dann gilt:<br />
a<br />
lim<br />
w(Z)→0<br />
i=1<br />
∑n−1<br />
g Z = g(a)1 [a,x1 ) + g(x i−1 )1 [xi−1 ,x i ) + g(x n−1 )1 [xn−1 ,b]<br />
∫<br />
i=2<br />
g Z dλ =<br />
n∑<br />
g(x i−1 ) |x i − x i−1 |<br />
i=1<br />
Für eine Folge <strong>von</strong> Zerlegungen (Z n ) n∈N<br />
mit w(Z n ) −→ 0 gilt: g Zn −→ g·1 [a,b] .<br />
Mit dem Satz <strong>von</strong> der dominanten Konvergenz gilt: ∫ g Zn dλ −→ ∫ g · 1 [a,b] dλ,<br />
andererseits gilt ∫ g Zn dλ −→ ∫ b<br />
g(x) dx, also ∫ b<br />
g(x) dx = ∫ g dλ.<br />
a a [a,b]<br />
Deshalb schreiben wir statt ∫ g dλ zumeist ∫ g(x) dx.<br />
B B<br />
59