Einführung in die Stochastik, Prof. Lerche - Abteilung für ...
Einführung in die Stochastik, Prof. Lerche - Abteilung für ...
Einführung in die Stochastik, Prof. Lerche - Abteilung für ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
6.2 Unabhängigkeit von Zufallsvariablen 45<br />
für A i ⊂ R, paarweise disjunkt. Denn:<br />
( ∞<br />
) ( (<br />
⋃<br />
∞<br />
))<br />
⋃<br />
P X A i = P X −1 A i<br />
i=1<br />
i=1<br />
( ∞<br />
)<br />
⋃<br />
= P X −1 (A i )<br />
=<br />
=<br />
i=1<br />
∞∑<br />
P (X −1 (A i ))<br />
i=1<br />
∞∑<br />
P X (A i ).<br />
i=1<br />
2. Sei e<strong>in</strong>e Wahrsche<strong>in</strong>lichkeitsfunktion p auf e<strong>in</strong>er diskreten Teilmenge W =<br />
{x 1 , x 2 , . . .} ⊂ R gegeben. Durch X : W → R mit X(x i ) := x i wird e<strong>in</strong>e Zufallsvariable<br />
auf W erklärt, deren Verteilung P X <strong>die</strong> Wahrsche<strong>in</strong>lichkeitsfunktion p<br />
hat. Denn:<br />
q(x i ) = P X ({x i }) = P ({z ∈ W |X(z) = x i }) = p(x i ).<br />
3. Wegen 2) spricht man von e<strong>in</strong>er Verteilung, wenn e<strong>in</strong>e Wahrsche<strong>in</strong>lichkeitsfunktion<br />
p auf e<strong>in</strong>er diskreten Teilmenge von R gegeben wird.<br />
6.1.3 Beispiele von Verteilungen<br />
1) B<strong>in</strong>omial-Verteilung b(n, p)<br />
b(n, p; k) = ( n<br />
k)<br />
p k (1 − p) n−k def<strong>in</strong>iert e<strong>in</strong>e Wahrsche<strong>in</strong>lichkeitsfunktion auf {0, 1, ..., n}.<br />
2) Bernoulliverteilung b(1, p)<br />
b(1, p; k) = p k (1 − p) 1−k für k ∈ {0, 1}.<br />
Die Bernoulliverteilung ist e<strong>in</strong> Spezialfall der B<strong>in</strong>omialverteilung für n = 1.<br />
3) Poisson-Verteilung pois(λ)<br />
pois(λ; k) = λk<br />
k! e−λ ist e<strong>in</strong>e Wahrsche<strong>in</strong>lichkeitsfunktion auf N ∪ {0}.<br />
4) Pascal-Verteilung pasc(r, p)<br />
pasc(r, p; n) = ( n−1<br />
r−1)<br />
p r (1 − p) n−r für n ∈ {r, r + 1, r + 2, ...}, r ∈ N.<br />
5) Geometrische Verteilung<br />
Speziell: Für r = 1 ergibt sich pasc(1, p; n) = p(1 − p) n−1 .<br />
6.2 Unabhängigkeit von Zufallsvariablen<br />
6.2.1 Def<strong>in</strong>ition (Unabhängigkeit von Zufallsvariablen)<br />
X 1 , X 2 , ..., X n seien Zufallsvariablen auf (Ω, P ) und<br />
X i (Ω) sei der Wertebereich von X i für i = 1, ..., n.