Einführung in die Stochastik, Prof. Lerche - Abteilung für ...
Einführung in die Stochastik, Prof. Lerche - Abteilung für ...
Einführung in die Stochastik, Prof. Lerche - Abteilung für ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
6.2 Unabhängigkeit von Zufallsvariablen 47<br />
6.2.3 Beispiel (n-facher Münzenwurf e<strong>in</strong>er p-Münze)<br />
Beim n-fachen Münzwurf ist der Grundraum Ω = {ω = (ω 1 , ..., ω n )|ω i ∈ {0, 1}} und das<br />
dazugehörige Wahrsche<strong>in</strong>lichkeitsmaß P ({(ω 1 , ..., ω n )}) = p P ω i<br />
(1 − p) n−P ω i<br />
.<br />
Wir def<strong>in</strong>ieren <strong>die</strong> Zufallsvariablen X i : Ω → {0, 1}, X i (ω) = ω i für i = 1, . . . , n.<br />
Behauptung: X 1 , ..., X n s<strong>in</strong>d unabhängig.<br />
Beweis: Sei (ω 1, ′ ..., ω n) ′ ∈ Ω beliebig. Dann gilt:<br />
( n<br />
)<br />
⋂<br />
P {X i = ω i}<br />
′ = P ({(ω 1, ′ ..., ω n)}) ′ = p P ω i ′ (1 − p)<br />
n− P ∏ n<br />
ω i ′ = P ({X i = ω i})<br />
′<br />
i=1<br />
und damit s<strong>in</strong>d X 1 , ..., X n unabhängig.<br />
∑<br />
Sei nun S n = n X i . Dann gilt:<br />
i=1<br />
({ n∑<br />
})<br />
P (S n = k) = P X i = k<br />
i=1<br />
({<br />
})<br />
n∑<br />
= P ω<br />
X<br />
∣ i (ω) = k<br />
i=1<br />
= ∑<br />
P ({(ω 1 , ..., ω n )})<br />
ω| P ω i =k<br />
= ∑<br />
=<br />
ω| P ω i =k<br />
p k (1 − p) n−k<br />
( n<br />
k)<br />
p k (1 − p) n−k .<br />
i=1<br />
S<strong>in</strong>d also <strong>die</strong> X i Bernoulli-verteilt, d.h. P (X i = ω i ) = p ω i<br />
(1 − p) 1−ω i<br />
, ω i ∈ {0, 1}, so ist<br />
<strong>die</strong> Summe S n der X i nach b(n, p)-verteilt.<br />
Allgeme<strong>in</strong>er gilt: Seien X 1 , ..., X n unabhängig und b(1, p) verteilt und Y 1 , ..., Y m ebenfalls<br />
∑<br />
unabhängig und b(1, p) verteilt. Dann ist n ∑<br />
X i + m Y i b(n + m, p)-verteilt.<br />
i=1<br />
j=1<br />
6.2.4 Satz (Konstruktion e<strong>in</strong>es Wahrsche<strong>in</strong>lichkeitsraumes aus n unabhängigen<br />
Zufallsgrößen zu vorgegebenen Verteilungen)<br />
Seien (Ω i , P i ) Wahrsche<strong>in</strong>lichkeitsräume mit Ω i ⊂ R für i = 1, . . . , n und p i , <strong>die</strong> zu den<br />
Wahrsche<strong>in</strong>lichkeitsmaßen P i gehörigen Wahrsche<strong>in</strong>lichkeitsfunktionen.<br />
∏<br />
Weiter sei Ω = Ω 1 ×. . .×Ω n = {ω = (ω 1 , ..., ω n )|ω i ∈ Ω i , i = 1, ..., n} und p(ω) = n p i (ω i ).<br />
Seien X i (ω) = ω i für i = 1, ..., n Zufallsvariablen und sei P das zu p gehörige Wahrsche<strong>in</strong>lichkeitsmaß.<br />
Dann gilt:<br />
a) p(ω) ist e<strong>in</strong>e Wahrsche<strong>in</strong>lichkeitsfunktion auf Ω.<br />
i=1