Lösung Blatt 5
Lösung Blatt 5
Lösung Blatt 5
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
1<br />
Einführung in die Wahrscheinlichkeitsrechnung und in die induktive Statistik <strong>Lösung</strong>en zu <strong>Blatt</strong> 5<br />
Prof. Dr. Göran Kauermann, Dr. Marco Cattaneo, Dr. Michael Windmann, Felix Heinzl SS 2013<br />
Theorie: Stetige Zufallsvariablen<br />
• Begriff Stetigkeit: Eine Variable oder ein Merkmal X heißt stetig, falls zu zwei Werten a < b<br />
auch jeder Zwischenwert im Intervall [a, b] möglich ist. Falls die Werte von X als Ergebnisse eines<br />
Zufallsvorgangs resultieren, wird X zu einer stetigen Zufallsvariable.<br />
• Definition: Eine Zufallsvariable X heißt stetig, falls es eine integrierbare Funktion f : R → [0, ∞)<br />
gibt, so dass für jedes Intervall [a, b]<br />
P (a ≤ X ≤ b) =<br />
∫ b<br />
a<br />
f(x)dx<br />
gilt. Die Funktion f(x) heißt Dichtefunktion (oder Wahrscheinlichkeitsdichte) von X.<br />
• Eigenschaften der Dichtefunktion:<br />
(a) Nichtnegativität: f(x) ≥ 0 für jedes x ∈ R,<br />
(b) Normierungseigenschaft:<br />
∫ ∞<br />
−∞<br />
f(x)dx = 1,<br />
d.h. die Gesamtfläche zwischen x-Achse und der Dichte f(x) ist gleich 1.<br />
• Wahrscheinlichkeiten stetiger Zufallsvariablen:<br />
(a) Für stetige Zufallsvariablen X gilt<br />
(b) P (X = x) = 0 für jedes x ∈ R.<br />
P (a ≤ X ≤ b) = P (a < X ≤ b) = P (a ≤ X < b) = P (a < X < b),<br />
• Als Träger T der stetigen Zufallsvariablen X bezeichnet man die Menge aller Argumente x, für<br />
die f(x) > 0, d.h. T = {x : f(x) > 0}.<br />
• Verteilungsfunktion einer stetigen Zufallsvariable:<br />
F (x) = P (X ≤ x) = P (−∞ < X ≤ x) =<br />
∫ x<br />
−∞<br />
f(t)dt.<br />
• Eigenschaften der Verteilungsfunktion einer stetigen Zufallsvariable:<br />
(a) F (x) ist stetig und monoton wachsend mit Werten im Intervall [0, 1].<br />
(b) Für die Grenzen gilt<br />
(c) Für Werte von x, an denen f(x) stetig ist, gilt<br />
F (−∞) = lim x→−∞<br />
F (∞) = lim F (x) = 1.<br />
x→∞<br />
F ′ (x) =<br />
dF (x)<br />
dx<br />
= f(x),<br />
d.h. die Dichte ist die Ableitung der Verteilungsfunktion.<br />
(d) Für Intervalle erhält man<br />
P (a ≤ X ≤ b) = F (b) − F (a),<br />
P (X ≥ a) = 1 − F (a).
2<br />
<strong>Lösung</strong> Aufgabe 27<br />
(a) FALSCH. f(x) kann auch größer als 1 sein.<br />
Beispiel: X ∼ U[a, b], dann ist f(x) = 1<br />
b−a<br />
> 1 für b − a < 1.<br />
(b) RICHTIG. Es gilt<br />
F (x) =<br />
∫ x<br />
−∞<br />
f(t)dt ≤<br />
∫ x<br />
−∞<br />
f(t)dt +<br />
∫ ∞<br />
x<br />
f(t)dt =<br />
∫ ∞<br />
−∞<br />
f(t)dt = 1.<br />
(c) RICHTIG.<br />
(d) RICHTIG.<br />
∫ ∞<br />
x<br />
f(t)dt =<br />
∫ ∞<br />
−∞<br />
∫ x<br />
f(t)dt − f(t)dt = 1 − F (x).<br />
−∞<br />
F (x i ) =<br />
∫ xi<br />
−∞<br />
f(t)dt ≤<br />
∫ xi<br />
−∞<br />
∫ xj<br />
∫ xj<br />
f(t)dt + f(t)dt = f(t)dt = F (x j ).<br />
x i −∞<br />
<strong>Lösung</strong> Aufgabe 28<br />
Die Dichtefunktion von X lautet<br />
⎧<br />
⎨ 1 + x, für − 1 ≤ x ≤ 0,<br />
f(x) = 1 − x, für 0 < x ≤ 1,<br />
⎩<br />
0, sonst.<br />
Dichte- und Verteilungsfunktion sind in Abbildung 1 dargestellt.<br />
Dichtefunktion f(x)<br />
Verteilungsfunktion F(x)<br />
f(x)<br />
0.0 0.4 0.8<br />
F(x)<br />
0.0 0.4 0.8<br />
−2 −1 0 1 2<br />
x<br />
−2 −1 0 1 2<br />
x<br />
Abbildung 1: Dichte- und Verteilungsfunktion zu Aufgabe 28<br />
(a) Wie man leicht sieht, ist f(x) ≥ 0 stets erfüllt. Für das Integral erhalten wir<br />
∫ ∞<br />
−∞<br />
f(t)dt =<br />
=<br />
∫ 0<br />
−1<br />
[<br />
t + t2 2<br />
(1 + t)dt +<br />
] 0<br />
−1<br />
∫ 1<br />
= −<br />
((−1) + (−1)2<br />
= 1 − 1 2 + 1 2 = 1.<br />
0<br />
(1 − t)dt<br />
[ ] 1<br />
+ t − t2 2<br />
0<br />
) (<br />
+ 1 − 1 )<br />
2<br />
2
3<br />
(b) Es gilt F (x) = ∫ x<br />
−∞<br />
f(t)dt mit<br />
⇒<br />
• für x < −1:<br />
• für −1 ≤ x ≤ 0:<br />
F (x) = F (−1) +<br />
• für 0 < x ≤ 1:<br />
F (x) = F (0) +<br />
• für x > 1:<br />
(c) Wir erhalten<br />
∫ x<br />
∫ x<br />
0<br />
−1<br />
F (x) =<br />
[<br />
(1 + t)dt = 0 + t + t2 2<br />
(1 − t)dt = 1 [<br />
2 + t − t2 2<br />
F (x) = F (1) +<br />
∫ x<br />
−∞<br />
] x<br />
−1<br />
=<br />
0 dt = 0.<br />
) (x + x2<br />
−<br />
2<br />
] x<br />
= 1 ) (x<br />
0<br />
2 + − x2<br />
−<br />
2<br />
∫ x<br />
1<br />
0 dt = 1 + 0 = 1.<br />
⎧<br />
0, x < −1,<br />
⎪⎨ x 2<br />
F (x) = 2 + x + 1 2<br />
, −1 ≤ x ≤ 0,<br />
⎪⎩<br />
− x2<br />
2 + x + 1 2 , 0 < x ≤ 1,<br />
1, x > 1<br />
(−1 + (−1)2<br />
P (|X| ≤ 0.5) = P (−0.5 ≤ X ≤ 0.5) = P (X ≤ 0.5) − P (X < −0.5)<br />
= F (0.5) − F (−0.5)<br />
= − 1 8 + 1 2 + 1 ( 1<br />
2 − 8 − 1 2 + 1 )<br />
= 3 2 4 .<br />
2<br />
)<br />
= x2<br />
2 + x + 1 2 .<br />
) (0 − 02<br />
= − x2<br />
2 2 + x + 1 2 .<br />
<strong>Lösung</strong> Aufgabe 29<br />
Theorie: Parameter stetiger Zufallsvariablen<br />
• Erwartungswert: Der Erwartungswert E(X) einer stetigen Zufallsvariable X mit Dichtefunktion<br />
f(x) ist<br />
E(X) =<br />
• Eigenschaften von Erwartungswerten:<br />
∫ ∞<br />
−∞<br />
xf(x)dx,<br />
(a) Transformationen: Sei g(x) eine reelle Funktion. Dann gilt für Y = g(X)<br />
E(Y ) = E(g(X)) =<br />
(b) Lineare Transformationen: Für Y = aX + b ist<br />
∫ ∞<br />
−∞<br />
g(x)f(x)dx.<br />
E(Y ) = E(aX + b) = aE(X) + b.<br />
(c) Symmetrische Verteilungen: Ist die Dichte f(x) symmetrisch um den Punkt c, d.h. ist f(c−x) =<br />
f(c + x) für alle x > 0, so gilt<br />
E(X) = c.<br />
(d) Additivität: Für zwei Zufallsvariablen X und Y ist<br />
E(X + Y ) = E(X) + E(Y ).<br />
Allgemeiner gilt mit beliebigen Konstanten a 1 , . . . , a n<br />
E(a 1 X 1 + . . . + a n X n ) = a 1 E(X 1 ) + . . . + a n E(X n ).
4<br />
• Modus: Jeder x-Wert, für den f(x) ein Maximum besitzt, ist Modus, kurz x mod . Falls das Maximum<br />
eindeutig ist und f(x) keine weiteren lokalen Maxima besitzt, heißt f(x) unimodal.<br />
• Median und Quantile: Für 0 < p < 1 ist das p-Quantil die Zahl auf der x-Achse, für die<br />
F (x p ) = p<br />
gilt. Der Median x med ist das 50%-Quantil, es gilt also<br />
F (x med ) = 1 2 .<br />
Für streng monotone Verteilungsfunktionen F (x) sind p-Quantil und Median eindeutig bestimmt.<br />
• Varianz und Standardabweichung: Die Varianz V ar(X) einer stetigen Zufallsvariable X mit<br />
Dichte f(x) ist<br />
σ 2 = V ar(X) = E((X − µ) 2 ) =<br />
∫ ∞<br />
−∞<br />
mit µ = E(X). Die Standardabweichung ist σ = + √ V ar(X).<br />
• Eigenschaften von Varianzen:<br />
(x − µ) 2 f(x)dx<br />
(a) Verschiebungsregel<br />
V ar(X) = E(X 2 ) − (E(X)) 2 = E(X 2 ) − µ 2<br />
(b) Lineare Transformationen: Für Y = aX + b ist<br />
• Lageregel:<br />
V ar(Y ) = V ar(aX + b) = a 2 V ar(X),<br />
σ Y = |a|σ X .<br />
symmetrisch unimodal, wenn x mod = x med = E(X)<br />
linkssteil, wenn x mod < x med < E(X)<br />
rechtssteil, wenn x mod > x med > E(X)<br />
Zur Aufgabe:<br />
Da f(x) symmetrisch um x = a ist, gilt f(a+(x−a)) = f(a−(x−a)) für alle x. Für den Erwartungswert<br />
erhalten wir damit<br />
E(X) =<br />
∫ ∞<br />
−∞<br />
xf(x)dx =<br />
Symmetrie<br />
=<br />
=<br />
∫ ∞<br />
−∞<br />
∫ ∞<br />
−∞<br />
∫ ∞<br />
−∞<br />
Durch Substitution von u := 2a − x mit du<br />
dx<br />
= −1 erhalten wir<br />
und damit<br />
E(X) = −<br />
∫ −∞<br />
+∞<br />
(2a − u)f(u)du =<br />
∫ ∞<br />
= 2a<br />
−∞<br />
∫ ∞<br />
xf(a + (x − a))dx<br />
xf(a − (x − a))dx<br />
xf(2a − x)dx<br />
(2a − u)f(u)du<br />
−∞<br />
f(u)du −<br />
} {{ }<br />
=1<br />
∫ ∞<br />
uf(u)du<br />
−∞<br />
} {{ }<br />
=E(X)<br />
⇔<br />
2E(X) = 2a<br />
E(X) = a
5<br />
<strong>Lösung</strong> Aufgabe 31<br />
Theorie: Stetige Gleichverteilung<br />
• Definition: Eine stetige Zufallsvariable heißt gleichverteilt auf dem Intervall [a, b], wenn sie die<br />
Dichte<br />
{ 1<br />
f(x) =<br />
b−a<br />
, für a ≤ x ≤ b,<br />
0, sonst<br />
besitzt.<br />
• Bemerkung: Eine auf [0, 1] gleichverteilte Zufallsvariable nennt man auch standardgleichverteilt.<br />
• Die Verteilungsfunktion einer gleichverteilten Zufallsvariable lautet<br />
⎧<br />
⎨ 0, x < a,<br />
x−a<br />
F (x)<br />
⎩<br />
b−a , a ≤ x ≤ b,<br />
1, x > b.<br />
• Bemerkung: Die Dichte ist an den Stellen a und b unstetig =⇒ die Verteilungsfunktion ist dort<br />
nicht differenzierbar.<br />
• Der Erwartungswert lautet<br />
die Varianz lautet<br />
E(X) = a + b<br />
2 ,<br />
V ar(X) =<br />
(b − a)2<br />
.<br />
12<br />
Zur eigentlichen Aufgabe:<br />
Sei X der in Minuten angegebene Zeitpunkt, zu dem der Fahrgast den Bahnsteig erreicht. Dann gilt<br />
X ∈ [0, 60]. Da laut Aufgabenstellung X eine gleichverteilte stetige Zufallsvariable ist, gilt<br />
f(x) =<br />
{ 1<br />
60<br />
, x ∈ [0, 60],<br />
0, sonst.<br />
Die S-Bahnen fahren im Zeitraum von 7.00 Uhr bis 8.00 Uhr zu folgenden Zeitpunkten<br />
Richtung A Richtung B<br />
7.00 Uhr 7.07 Uhr<br />
7.15 Uhr 7.27 Uhr<br />
7.30 Uhr<br />
7.45 Uhr 7.47 Uhr<br />
8.00 Uhr<br />
Der Fahrgast fährt in Richtung A, wenn seine Ankunft in einen der folgenden Intervalle fällt<br />
{X = 0}, {7 < X ≤ 15}, {27 < X ≤ 45}, {47 < X ≤ 60}.<br />
Sei A das Ereignis, dass der Fahrgast eine S-Bahn in Richtung A wählt. Aufgrund der Disjunktheit der<br />
Intervalle gilt<br />
P (A) = P (X = 0) + P (7 < X ≤ 15) + P (27 < X ≤ 45) + P (47 < X ≤ 60)<br />
=<br />
∫ 0<br />
0<br />
1/60dx +<br />
∫ 15<br />
= 0 + 8 60 + 18<br />
60 + 13<br />
60<br />
= 39<br />
60 = 0.65.<br />
7<br />
1/60dx +<br />
∫ 45<br />
27<br />
1/60dx +<br />
∫ 60<br />
47<br />
1/60dx<br />
Mit einer Wahrscheinlichkeit von P (A) = 0.65 nimmt der Fahrgast eine S-Bahn in Richtung A.
6<br />
<strong>Lösung</strong> Aufgabe 32<br />
Seien U 1 , . . . , U n unabhängig und identisch verteilte Zufallsvariablen mit U i<br />
i.i.d.<br />
∼ U([a, b]) ∀i und Z n :=<br />
max{U 1 , . . . , U n }.<br />
(a) Für die Verteilungsfunktion von Z n erhalten wir<br />
(b)<br />
F Zn (z) = P (Z n ≤ z) = P (U 1 ≤ z, . . . , U n ≤ z)<br />
unabhängig<br />
=<br />
n∏<br />
n∏<br />
P (U i ≤ z) = F Ui (z)<br />
ident.ver.<br />
=<br />
i=1<br />
⎧<br />
⎪⎨<br />
⎪⎩<br />
i=1<br />
0, z < a<br />
(<br />
z−a<br />
b−a<br />
) n<br />
, z ∈ [a, b],<br />
1, z > b.<br />
P (Z n > a + 0.9(b − a)) = 1 − P (Z n ≤ a + 0.9(b − a)) = 1 − F Zn (a + 0.9(b − a) )<br />
} {{ }<br />
∈[a,b]<br />
( ) a + 0.9(b − a) − a n<br />
= 1 −<br />
b − a<br />
= 1 − 0.9 n ! > 0.99<br />
⇐⇒ 0.9 n < 0.01<br />
ln monoton<br />
⇐⇒<br />
⇐⇒ n ><br />
n ln(0.9) < ln(0.01)<br />
} {{ }<br />