Stochastik 1 - Mitschriften von Klaas Ole Kürtz
Stochastik 1 - Mitschriften von Klaas Ole Kürtz
Stochastik 1 - Mitschriften von Klaas Ole Kürtz
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Damit ist für a > med(X) (und analog für a < med(X)):<br />
E(|X − a|) ≥ E(|X − med(X)|)<br />
Satz: Sei X Zufallsgröße. Dann gilt<br />
|E(X) − med(X)| ≤ √ Var(X)<br />
Beweis:<br />
|E(X) − med(X)| = |E(X − med(X))| ≤ E(|X − med(X)|)<br />
≤ E(|X − E(X)|) ≤ √ E((X − E(X)) 2 )<br />
= √ Var(X)<br />
9.2.1 Cauchy-Schwarz-Ungleichung<br />
Satz: Seien X, Y Zufallsgrößen mit E(X 2 ) < ∞ und E(Y 2 ) < ∞. Dann<br />
ist XY integrierbar, und es gilt<br />
E(|XY |) ≤ √ E(X 2 )E(Y 2 )<br />
Beweis: Es gilt 0 ≤ (− |X| + |Y |) 2 = X 2 + Y 2 − 2 |X| |Y |, also ist<br />
E(|XY |) ≤ E(X2 ) + E(Y 2 )<br />
2<br />
< ∞<br />
Für jedes c ∈ R gilt: 0 ≤ (−c |X| + |Y |) 2 = c 2 |X| 2 + |Y | 2 − 2c |XY |. Also<br />
folgt mit c = E(|XY |) · E(X 2 ) −1 (falls E(X 2 ) > 0):<br />
0 ≤ c 2 E(X 2 ) + E(Y 2 ) − 2c · E(|XY |) =<br />
E(|XY |)2<br />
E(X 2 )<br />
+ E(Y 2 E(|XY |)2<br />
) − 2<br />
E(X 2 )<br />
Die Behauptung folgt für E(X 2 ) > 0 also aus:<br />
E(|XY |) 2 ≤ E(X 2 )E(Y 2 )<br />
Für E(X 2 ) = 0 folgt P (X = 0) = 1, also P (XY = 0) = 1, also E(|XY |) =<br />
0 = √ E(X 2 )E(Y 2 ).<br />
65