Kapitel 4 Zufallsvariable und Wahrscheinlichkeitsdichten
Kapitel 4 Zufallsvariable und Wahrscheinlichkeitsdichten
Kapitel 4 Zufallsvariable und Wahrscheinlichkeitsdichten
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Ist g eine (stetige) Funktion von R n nach R <strong>und</strong> sind X 1 , . . .,X n <strong>Zufallsvariable</strong>n, dann ist<br />
g(X 1 , . . .,X n ) ebenfalls eine <strong>Zufallsvariable</strong>. Sind die <strong>Zufallsvariable</strong>n X 1 , . . .,X n gemeinsam<br />
stetig verteilt mit Dichte f, so erhält man den zugehörigen Erwartungswert E(g(X 1 , . . .,X n ))<br />
durch<br />
∫ ∞<br />
∫ ∞<br />
E(g(X 1 , . . .,X n )) = . . . g(x 1 , . . .,x n )f(x 1 , . . .,x n )dx 1 . . .dx n ,<br />
−∞ −∞<br />
falls<br />
∫ ∞<br />
−∞<br />
∫ ∞<br />
. . . |g(x 1 , . . .,x n )|f(x 1 , . . ., x n )dx 1 . . .dx n < ∞.<br />
−∞<br />
Wir betrachten nun den Fall n = 2 ausführlicher. Sei X = X 1 <strong>und</strong> Y = X 2 . Sind X <strong>und</strong><br />
Y gemeinsam stetig verteilt mit Dichte f, so gilt<br />
(∫ ) (∫ )<br />
P(X ∈ I 1 , Y ∈ I 2 ) = f(x, y)dy dx = f(x, y)dx dy.<br />
∫I 1 I 2<br />
∫I 2 I 1<br />
Insbesondere gilt für beliebige a <strong>und</strong> b<br />
∫ a<br />
(∫ b<br />
P(X ≤ a, Y ≤ b) =<br />
Damit folgt<br />
mit<br />
−∞<br />
f(x, y)dy<br />
−∞<br />
P(X ≤ a) = P(X ≤ a, Y < ∞) =<br />
=<br />
∫ a<br />
−∞<br />
f X (x)dx<br />
f X (x) =<br />
∫ ∞<br />
−∞<br />
) ∫ b<br />
(∫ a<br />
)<br />
dx = f(x, y)dx dy.<br />
−∞ −∞<br />
∫ a<br />
−∞<br />
f(x, y)dy.<br />
(∫ ∞<br />
)<br />
f(x, y)dy dx<br />
−∞<br />
Die Dichte von X ist also durch die sogenannte Randdichte f X gegeben. Analog erhält<br />
man<br />
P(Y ≤ b) =<br />
∫ b<br />
−∞<br />
f Y (y)dy mit f Y (y) =<br />
∫ ∞<br />
−∞<br />
f(x, y)dx.<br />
Die folgende Definition ist die gleiche wie für diskrete <strong>Zufallsvariable</strong>.<br />
Definition 4.5.3 X <strong>und</strong> Y seien <strong>Zufallsvariable</strong>n mit<br />
Dann heißt<br />
die Kovarianz von X <strong>und</strong> Y . Die Größe<br />
heißt Korrelationskoeffizient von X <strong>und</strong> Y .<br />
E(X 2 ) < ∞ <strong>und</strong> E(Y 2 ) < ∞.<br />
Kov(X, Y ) = E [(X − E(X))(Y − E(Y ))]<br />
ρ(X, Y ) = Kov(X, Y )<br />
σ(X)σ(Y )<br />
52