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.
Für die Kovarianz gilt folgende Verschiebungsformel<br />
Kov(X, Y ) = E(XY ) − E(X)E(Y ).<br />
Es gilt stets −1 ≤ ρ(X, Y ) ≤ 1. Ist X = Y , so gilt<br />
Damit ist ρ(X, X) = 1.<br />
Kov(X, Y ) = Kov(X, X) = Var(X).<br />
Als Beispiel wollen wir die 2-dimensionale Normalverteilung betrachen. Bei ihr ist die<br />
Dichte der gemeinsamen Verteilung der <strong>Zufallsvariable</strong>n X <strong>und</strong> Y gegeben durch<br />
(+) f(x, y) =<br />
1<br />
2π(det Σ) 1/2<br />
( (<br />
1 (x − µX ) 2<br />
· exp −<br />
2(1 − ρ 2 )<br />
die Dichten der Randverteilungen sind<br />
f X (x) =<br />
f Y (y) =<br />
σ 2 X<br />
1<br />
√<br />
2πσ<br />
2<br />
X<br />
e −(x−µ X) 2 /2σ 2 X<br />
1<br />
√<br />
2πσ<br />
2<br />
Y<br />
e −(y−µ Y ) 2 /2σ 2 Y<br />
− 2ρ (x − µ X)(y − µ Y )<br />
− (y − µ ))<br />
Y ) 2<br />
σ X σ Y σY<br />
2<br />
Außerdem ist ρ = Kor(X, Y ) <strong>und</strong> σ XY := Kov(X, Y ) = ρ σ X σ Y . Die Matrix Σ ist gegeben<br />
durch<br />
∑<br />
( ) σ<br />
2<br />
=<br />
X σ XY<br />
.<br />
Es gilt natürlich<br />
Man erkennt, daß gilt<br />
∫<br />
σ XY =<br />
R<br />
∫<br />
R<br />
σ XY<br />
σ 2 Y<br />
(y − µ X )(y − µ Y )f(x, y)dxdy<br />
f(x, y) = f X (x)f Y (y),<br />
d.h. daß X <strong>und</strong> Y unabhängig sind, falls ρ = 0 bzw. σ XY = 0 sind.<br />
Abbildung 4.4: 2-dimentionale Normalverteilung<br />
53