27.08.2014 Aufrufe

Kapitel 4 Zufallsvariable und Wahrscheinlichkeitsdichten

Kapitel 4 Zufallsvariable und Wahrscheinlichkeitsdichten

Kapitel 4 Zufallsvariable und Wahrscheinlichkeitsdichten

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

Der bedingte Erwartungswert E(Y |X = x) von Y gegeben X = x ist deshalb gleich ρx.<br />

Damit ist E(Y |X) = ρX. Für die gemeinsame Dichte f von X <strong>und</strong> Y erhalten wir gemäß<br />

der Formel für die bedingte Dichte<br />

f(x, y) = f X (x)f Y (y|X = x)<br />

= √ 1 )<br />

exp<br />

(− x2<br />

2π 2<br />

=<br />

(<br />

1<br />

√<br />

2π(1 − ρ2 ) exp<br />

(<br />

1<br />

2π √ 1 − ρ exp − (x2 − 2ρxy + y 2 )<br />

2 2(1 − ρ 2 )<br />

)<br />

(y − ρx)2<br />

−<br />

2(1 − ρ 2 )<br />

)<br />

.<br />

Diese Formel stimmt mit der der Formel (+) auf Seite 53 überein, wenn man µ X = µ Y = 0<br />

<strong>und</strong> σ X = σ Y = 1 setzt. Dieser Ausdruck ist symmetrisch in x <strong>und</strong> y. Wir können also<br />

die Rollen von X <strong>und</strong> Y vertauschen. Damit gilt auch:<br />

a) die bedingte Verteilung von X gegeben Y = y ist N(ρy, 1 − ρ 2 ).<br />

b) E(X|Y = y) = ρy.<br />

Setzt man nun X = U−µ U<br />

σ U<br />

(<br />

1<br />

2π √ σU 2 σ2 V (1 − ρ2 ) exp<br />

−<br />

<strong>und</strong> Y = V −µ V<br />

σ V<br />

[<br />

1 (u − µU ) 2<br />

2(1 − ρ 2 )<br />

, so erhält man für U <strong>und</strong> V die Dichte<br />

σ 2 U<br />

− 2ρ (u − µ U)(v − µ V )<br />

+ (v − µ ])<br />

V ) 2<br />

.<br />

σ U σ V σV<br />

2<br />

Wegen V = σ V Y + µ V erhält man mit (∗) die bedingte Dichte<br />

⎛ ( ( )) 2<br />

⎞<br />

1<br />

f V (v|U = u) = √<br />

2πσ<br />

2<br />

V<br />

(1 − ρ 2 ) exp ⎜<br />

⎝− 1 v − ρ u−µ U<br />

σ U<br />

σ V + µ V<br />

⎟<br />

2 σV 2 (1 − ⎠.<br />

ρ2 )<br />

D.h., die bedingte Verteilung von V gegeben U = u ist eine Normalverteilung mit<br />

Mittelwert ρ u−µ U<br />

σ U<br />

σ V + µ V <strong>und</strong> Varianz σV 2 (1 − ρ2 ). Insbesondere ist<br />

Aus der Gleichung<br />

E(V |U = u) = ρ u − µ U<br />

σ U<br />

σ V + µ V .<br />

f U (u) =<br />

f(u, v)<br />

f V (v|U = u)<br />

ergibt sich, daß U N(µ U , σU 2 )-verteilt ist. Analog folgt, daß V N(µ V , σV 2 )-verteilt ist. Für<br />

unkorrelierte U <strong>und</strong> V gilt speziell f V (v|U = u) = f V (v). Dies bedeutet, daß unkorrelierte<br />

normalverteilte Zufallsgrößen unabhängig sind.<br />

Beispiel: Der Statistiker Karl Pearson hat die Körpergrößen bei 1078 Vater-Sohn Paaren<br />

bestimmt. Er stellte fest, daß die Väter im Mittel 5 Fuß <strong>und</strong> 9 Inch <strong>und</strong> die Söhne im<br />

Mittel 5 Fuß <strong>und</strong> 10 Inch groß sind. Die Standardabweichung beträgt jeweils 2 Inch <strong>und</strong><br />

die Korrelation ist 0.5. Man kann in guter Näherung annehmen, daß die Körpergrößen in<br />

einem Vater-Sohn Paar gemeinsam normalverteilt sind. Wie groß ist dann im Mittel der<br />

60

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!