27.08.2014 Aufrufe

Einführung in die Stochastik, Prof. Lerche - Abteilung für ...

Einführung in die Stochastik, Prof. Lerche - Abteilung für ...

Einführung in die Stochastik, Prof. Lerche - Abteilung für ...

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.

44 6 ZUFALLSVARIABLE UND IHRE VERTEILUNG<br />

6.1.2 Beispiel<br />

Wir betrachten <strong>die</strong> Summe der Augenzahlen zweier Würfelwürfe. Bei zwei Würfelwürfen<br />

ist der Grundraum Ω 2 = {ω = (ω 1 , ω 2 )|ω i ∈ {1, . . . , 6}, i = 1, 2}. Wir können nun jedem<br />

ω = (ω 1 , ω 2 ) ∈ Ω 2 e<strong>in</strong>e reelle Zahl X(ω) = ω 1 + ω 2 zuordnen. Dann ist X e<strong>in</strong>e Abbildung<br />

von Ω 2 → R und damit e<strong>in</strong>e Zufallsvariable.<br />

Für <strong>die</strong> Wahrsche<strong>in</strong>lichkeitsfunktion und das Wahrsche<strong>in</strong>lichkeitsmaß auf Ω 2 gilt:<br />

p(ω) = 1<br />

#Ω 2<br />

und P (A) = #A<br />

#Ω 2<br />

.<br />

Die zu X gehörende Wahrsche<strong>in</strong>lichkeitsfunktion q : R → [0, 1] hat folgende Gestalt:<br />

q(k) = P ({ω ∈ Ω 2 |X(ω) = k} = P ({ω = (ω 1 , ω 2 ) ∈ Ω 2 |ω 1 + ω 2 = k} = #{ω|ω 1+ω 2 =k}<br />

#Ω 2<br />

.<br />

q(2) = #{ω|ω 1 + ω 2 = 2}<br />

#Ω 2<br />

=<br />

q(3) = #{ω|ω 1 + ω 2 = 3}<br />

#Ω 2<br />

=<br />

.<br />

#{(1, 1)}<br />

= 1 36 36<br />

#{(1, 2), (2, 1)}<br />

36<br />

= 2 36<br />

q(7) = . . . = 6 36<br />

.<br />

q(11) = #{ω|ω 1 + ω 2 = 11}<br />

#Ω 2<br />

=<br />

q(12) = #{ω|ω 1 + ω 2 = 12}<br />

#Ω 2<br />

=<br />

#{(5, 6), (6, 5)}<br />

36<br />

#{(6, 6)}<br />

= 1 36 36<br />

= 2 36<br />

Sei A ⊂ R. Dann gilt für <strong>die</strong> Verteilung von X: Q(A) = ∑ k∈A<br />

q(k). Sei beispielsweise<br />

A = {k ∈ R|k ≤ 3}. So ist Q(A) = ∑ ∑<br />

q(k) = 3 q(k) = 1 . 12<br />

k≤3 k=2<br />

Bemerkungen<br />

1. Die Verteilung von X kann auch als Maß auf R angesehen werden. Man setzt<br />

P X (A) := P X (A ∩ X(Ω)) = P ( X −1 (A) ) für A ⊂ R.<br />

P X ist aber e<strong>in</strong> Wahrsche<strong>in</strong>lichkeitsmaß auf R. Denn<br />

P X (R) = P X (X(Ω)) = P (Ω) = 1<br />

und<br />

( ∞<br />

)<br />

⋃<br />

P X A i =<br />

i=1<br />

∞∑<br />

P X (A i )<br />

i=1

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

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!