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.
7.4 Varianzen e<strong>in</strong>iger Verteilungen 57<br />
7.4 Varianzen e<strong>in</strong>iger Verteilungen<br />
7.4.1 Gleichverteilung auf e<strong>in</strong>er endlichen Menge<br />
Sei Ω = {1, ..., n} und p(i) = 1 für alle i ∈ Ω. Weiter sei X : Ω → R e<strong>in</strong>e Zufallsvariable<br />
n<br />
und X(Ω) = {x 1 , ..., x n } ihr Wertebereich. Dann gilt:<br />
n∑<br />
n∑<br />
E(X) = 1 x<br />
n i =: x n , Var(X) = 1 (x<br />
n i − x n ) 2 .<br />
i=1<br />
i=1<br />
n∑<br />
n∑<br />
Da Var(X) = E(X 2 ) − [E(X)] 2 , gilt: 1 (x<br />
n i − x n ) 2 = 1 x 2 n i − x 2 n und damit<br />
i=1<br />
i=1<br />
n∑ ∑<br />
x 2 i = n (x i − x n ) 2 + nx 2 n.<br />
i=1<br />
i=1<br />
7.4.2 Bernoulli-Variablen und ihre Summen<br />
Seien X 1 , . . . , X n unabhängige Zufallsvariablen mit P (X i = 1) = p i und P (X i = 0) =<br />
1 − p i . Dann gilt: E(X i ) = p i und Var(x i ) = p i − p 2 i = p i (1 − p i ).<br />
∑<br />
Sei S n = n ∑<br />
X i . Dann ist wegen E(S n ) = n ∑<br />
p i und Var(S n ) = n ∑<br />
p i − n p 2 i .<br />
Sei p := 1 n<br />
i=1<br />
n∑<br />
p i . Dann gilt<br />
i=1<br />
i=1<br />
Var(S n ) wird maximal, wenn p i = p für alle i. In <strong>die</strong>sem Fall ist dann Var(S n ) = np(1−p).<br />
Beweis: Var(S n ) = np − n ∑<br />
7.4.1<br />
p 2 {}}{<br />
i<br />
i=1<br />
∑<br />
= np − (np 2 + n (p i − p) 2 )<br />
∑<br />
Die rechte Seite wird m<strong>in</strong>imal, falls n (p i − p) 2 = 0. Dies gilt genau dann, wenn p i = p<br />
für alle i ist.<br />
7.4.3 Poisson-Verteilung<br />
Sei X Poisson-verteilt mit Parameter λ. Dann gilt:<br />
E(X) = λ und Var(X) = E(X 2 ) − [E(X)] 2 = λ, denn:<br />
i=1<br />
∞∑<br />
E(X 2 ) = k 2 λk<br />
k! e−λ<br />
k=1<br />
∞∑<br />
= λ k<br />
λk−1<br />
(k − 1)! e−λ<br />
k=1<br />
= λ 2 ∞<br />
∑<br />
k=2<br />
= λ 2 ∞<br />
∑<br />
l=0<br />
= λ 2 + λ.<br />
i=1<br />
λ k−2<br />
(k − 2)! e−λ + λ<br />
λ l<br />
l! e−λ<br />
} {{ }<br />
=1<br />
Und damit ist Var(X) = λ 2 + λ − λ 2 = λ.<br />
+λ<br />
∞∑<br />
k=1<br />
∞∑ λ m<br />
m! e−λ<br />
m=0<br />
} {{ }<br />
=1<br />
i=1<br />
λ k−1<br />
(k − 1)! e−λ<br />
i=1