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.
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