24.01.2013 Aufrufe

Klenke Wahrscheinlichkeitstheorie

Klenke Wahrscheinlichkeitstheorie

Klenke Wahrscheinlichkeitstheorie

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.

46 1 Grundlagen der Maßtheorie<br />

Beispiel 1.107. (i) Für θ, r > 0 heißt die Verteilung Γθ,r auf [0, ∞) mit Dichte<br />

x ↦→ θr<br />

Γ (r) xr−1 e −θx<br />

(wo Γ die Gamma-Funktion bezeichnet) Gamma-Verteilung mit Größenparameter<br />

θ und Formparameter r.<br />

(ii) Für r, s > 0 heißt die Verteilung βr,s auf [0, 1] mit Dichte<br />

x ↦→<br />

Γ (r + s)<br />

Γ (r)Γ (s) xr−1 (1 − x) s−1<br />

Beta-Verteilung mit Parametern r und s.<br />

(iii) Für a>0 heißt die Verteilung Caua auf R mit Dichte<br />

x ↦→ 1 1<br />

aπ 1+(x/a) 2<br />

Cauchy-Verteilung mit Parameter a. ✸<br />

Übung 1.5.1. Man leite (1.17) nach der Interpretation als Wartezeit kombinatorisch<br />

her unter Benutzung der Identität � � � � −n k n+k−1<br />

k (−1) = k . ♣<br />

Übung 1.5.2. Man gebe ein Beispiel an für zwei normalverteilte X und Y , sodass<br />

(X, Y ) nicht (zweidimensional) normalverteilt ist. ♣<br />

Übung 1.5.3. Man zeige mit Hilfe von Satz 1.101 (Transformationsformel für Dichten):<br />

(i) Ist X ∼N μ,σ 2 und sind a ∈ R\{0} und b ∈ R,soist(aX +b) ∼N aμ+b,a 2 σ 2.<br />

(ii) Ist X ∼ exp θ und a>0,soistaX ∼ exp θ/a. ♣

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

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!