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.
58 7 ERWARTUNGSWERT UND VARIANZ VON VERTEILUNGEN<br />
7.4.4 Hypergeometrische Verteilung<br />
In e<strong>in</strong>er Urne seien r rote und s schwarze Kugeln. Davon werden n Kugeln ohne Zurücklegen<br />
gezogen (n ≤ r +s). Um <strong>die</strong> Varianz der Anzahl der schwarzen Kugeln <strong>in</strong> der Ziehung<br />
zu bestimmen { def<strong>in</strong>ieren wir für i = 1, . . . , n <strong>die</strong> Zufallsvariablen<br />
1 falls i-te Kugel Schwarz ist<br />
X i =<br />
.<br />
0 sonst<br />
∑<br />
S n = n X i sei <strong>die</strong> Anzahl der schwarzen Kugeln <strong>in</strong> der Ziehung.<br />
i=1<br />
Mit p := P (X 1 = 1) =<br />
s gilt E(X r+s<br />
1) = E(X1) 2 = p und damit Var(X 1 ) = E(X1) 2 −<br />
(E(X 1 )) 2 = p − p 2 = p(1 − p).<br />
Es läßt sich zeigen, daß P (X i = 1) = P (X 1 = 1) = p für alle i und P (X j = 1, X k = 1) =<br />
für alle j ≠ k ist. (Siehe Krengel, Kap 2.7: Austauschbare Verteilungen.)<br />
s<br />
r+s<br />
Damit ist: Var(X i ) = E(X 2 i ) − (E(X i )) 2 = p − p 2 = p(1 − p) = Var(X 1 ) und<br />
Kov(X j , X k ) = E(X j X k ) − E(X j )E(X k ) = P (X j = 1, X k = 1) − p 2<br />
= p s − 1<br />
r + s − 1 − p2<br />
1<br />
= −p(1 − p)<br />
für j ≠ k.<br />
r + s − 1<br />
Unter Verwendung von Satz 7.3.5 folgt daraus:<br />
( n∑<br />
)<br />
n∑<br />
Var(S n ) = Var X i =<br />
i=1<br />
Var(X i ) + ∑<br />
i=1 j≠k<br />
1<br />
= nVar(X 1 ) − n(n − 1)p(1 − p)<br />
r + s − 1<br />
1<br />
= np(1 − p) − np(1 − p)(n − 1)<br />
[<br />
r + s − 1<br />
= np(1 − p) 1 − n − 1 ]<br />
.<br />
r + s − 1<br />
Kov(X j , X k )<br />
Wenn wir alle r + s Kugeln aus der Urne ziehen, erwarten wir natürlich, daß wir alle<br />
schwarzen Kugeln ziehen und somit S n auf jeden Fall den Wert s annimmt. Für n = r + s<br />
erwarten wir also Var(S n ) = 0. E<strong>in</strong> Vergleich mit der Formel bestätigt <strong>die</strong>se.<br />
7.5 Die Tschebychew-Ungleichung und das Gesetz der Großen<br />
Zahlen<br />
Seien X 1 , X 2 , ..., X n unabhängig und X n = 1 n<br />
Var ( ( )<br />
) 1<br />
n∑<br />
X n = Var X i<br />
n<br />
i=1<br />
n∑<br />
X i . Dann gilt:<br />
i=1<br />
= 1 (∑ ) Satz 7.3.5<br />
n Var {}}{<br />
Xi =<br />
2<br />
1<br />
n 2<br />
n∑<br />
Var(X i ).<br />
i=1