Skript - Prof. Georg Hoever - FH Aachen
Skript - Prof. Georg Hoever - FH Aachen
Skript - Prof. Georg Hoever - FH Aachen
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
1. Grundlagen 13<br />
1.3. Zufallsvariablen<br />
Definition 1.5<br />
Beschreibt X ∈ R das Ergebnis eines Zufallsexperiments, so nennt man X auch<br />
Zufallsvariable. Ein konkretes Ergebnis nennt man Realisierung. Kann X nur endlich<br />
oder abzählbar viele Werte annehmen, so heißt X diskrete Zufallsvariable,<br />
ansonsten stetige Zufallsvariable.<br />
Beispiel 1:<br />
Die Summe der Augen bei einem Wurf mit 2 Würfeln ist eine diskrete Zufallsvariable.<br />
Entsprechend der auftretenden Wahrscheinlichkeiten sagt man z.B. ”<br />
X ist exponentialverteilt<br />
mit Parameter λ = 3“ oder ”<br />
X ist auf M gleichverteilt“.<br />
Beispiel 2:<br />
Sei X standardnormalverteilt (also µ = 0 und σ = 1). Dann ist P(X ∈ [−1,1]) ≈<br />
0.683 (vgl. die Bemerkung Seite 12).<br />
Bemerkung:<br />
Mit Zufallsvariablen kann man auch rechnen; z.B. ist mit X auch 2·X eine Zufallsvariable<br />
und mit X 1 und X 2 ist auch X 1 +X 2 eine Zufallsvariable.<br />
Speziell gilt:<br />
1. Ist X standardnormalverteilt, so ist Y = σ·X+µ eine (µ,σ 2 )-normalverteilte<br />
Zufallsvariable.<br />
2. Sind die Zufallsvariablen X 1 ,...,X n bernoulli-verteilt, also P(X i = 1) = p<br />
und P(X i = 0) = 1−p, und voneinander unabhängig (zur genauen Definition<br />
∑<br />
s. Abschnitt 2.1), so ist X = n X i binomialverteilt.<br />
i=1<br />
Dies ist klar, denn das Ereignis ”<br />
X = k“ kommt genau dann zustande, wenn<br />
k der X i gleich Eins sind.<br />
3. Sind X 1 und X 2 unabhängig und normalverteilt mit Erwartungswert µ 1 bzw.<br />
µ 2 und Varianz σ1 2 bzw. σ2 2 , so ist X 1+X 2 normalverteilt mit Erwartungswert<br />
µ 1 +µ 2 und Varianz σ1 2 +σ2 2 (s. auch Satz 2.6).