Kapitel 4 Zufallsvariable und Wahrscheinlichkeitsdichten
Kapitel 4 Zufallsvariable und Wahrscheinlichkeitsdichten
Kapitel 4 Zufallsvariable und Wahrscheinlichkeitsdichten
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Dies beweist man mit Induktion: (f ∗ ) n (z) ist die Dichte einer Gamma-Verteilung mit<br />
Parameter n <strong>und</strong> λ. Der Fall n = 2 wurde schon gezeigt. Sei die Aussage nun richtig für<br />
beliebiges n. Wir zeigen, daß sie für n + 1 gilt.<br />
(f ∗ ) n+1 (z) = f ∗ (f ∗ ) n (z)<br />
=<br />
∫ ∞<br />
−∞<br />
∫ ∞<br />
f(z − x)(f ∗ ) n (x)dx<br />
= λe −λ(z−x) 1 [0,∞] (z − x) λn x n−1<br />
−∞<br />
(n − 1)! e−λx 1 [0,∞] (x)dx<br />
∫ ∞<br />
= λ n+1 e −λz x n−1<br />
(n − 1)! 1 [0,z)(x)dx<br />
−∞<br />
= λ n+1 e −λz ∫ z<br />
= λ n+1zn<br />
n! e−λz 1 [0,∞] (z).<br />
0<br />
x n−1<br />
dx für z ≥ 0 <strong>und</strong> = 0 für z < 0<br />
(n − 1)!<br />
Eine Anwendung dieser Formel ist die Herleitung des Poisson-Prozesses.<br />
Der Poisson-Prozess<br />
Wir interessieren uns nun für die Anzahl der Atome einer radioaktiven Substanz, die<br />
in einem gewissen Zeitintervall [0, t] zerfallen. Wir nennen diese Größe N t . Sei T 1 die<br />
Zeitspanne bis das erste Atom zerfallen ist, T 2 die Zeitspanne, die nach T 1 vergeht bis das<br />
zweite Atom zerfallen ist, T 3 die Zeitspanne bis das dritte Atom nach T 1 +T 2 zerfallen ist,<br />
∑<br />
u.s.w. Wir nehmen an, daß alle T 1 , T 2 , T 3 u.s.w. unabhängig sind. Sei S n = n T i . Dann<br />
ist N t = max{k ≥ 1 | S k ≤ t}. Was ist die Verteilung von N t ?<br />
Unter Verwendung des vorangegangenen Resultats erhalten wir:<br />
P(N t = k) = P(S k ≤ t, S k+1 > t)<br />
= P(S k+1 > t) − P(S k > t)<br />
=<br />
∫ ∞<br />
t<br />
λ k+1sk<br />
k! e−λs ds −<br />
= −λ ksk<br />
k! e−λs ∣ ∣∣∣<br />
∞<br />
= (λt)k e λt<br />
k!<br />
t<br />
∫ ∞<br />
λ k<br />
t<br />
s k−1<br />
(k − 1)! e−λs ds<br />
Folglich gilt, daß N t Poisson-verteilt ist mit Parameter λ·t. Man nennt N t ; t ≥ 0 Poisson-<br />
Prozess zur Intensität λ. Es gilt E(N t ) = λ · t <strong>und</strong> Var(N t ) = λ · t.<br />
i=1<br />
4.6 Bedingte Verteilungen <strong>und</strong> Bedingte Erwartungen<br />
Wir wenden uns nun der bedingten Verteilung von X gegeben Y = y zu. Diese läßt sich<br />
über ihre Dichte festlegen. Zur Motivation betrachten wir zunächst kurz den Fall, daß X<br />
56