Einführung in die Stochastik Übungsblatt 12
Fachbereich Mathematik Sommersemester 2010
Dr. Robert Schlicht 6. Juli 2010
Dr. Mehdi Slassi
Dipl. Math. Andreas Fromkorth
Aufgabe 12.1 (Lösungsvorschlag)
a)
EX1= Z
R
x·f(x)d x
= Z2θ
θ
x· 1 θd x
=3 2θ. Tn(X1, . . . ,Xn)ist erwartungstreuer Schätzer fürθ,da
Eθ
Tn(X1, . . . ,Xn)
=Eθ
2 3·n
n
X
i=1
Xi
= 2 3·nEθ
X1
=2 3·3
2θ
=θ für alleθ >0.
b) Der Schätzer ist auch konsistent, da nach dem Gesetz der großen Zahlen gilt:
Tn(X1, . . . ,Xn)→f.s.2
3·Eθ(X1) =θ für alleθ >0.
Aufgabe 12.2 (Lösungsvorschlag)
Es gilt
E
Tn X1, . . . ,Xn
= 1 10·n
n
X
i=1
E
1[0,10] X1
= 1 10·n
n
X
i=1
1·P
1[0,10] X1=1
= 1 10·n
n
X
i=1
10·α
=α Es gilt nach dem starken Gesetz der großen Zahlen
Tn X1, . . . ,Xn
= 1
10·n
n
X
i=1
1[0,10] Xn
→ 1 10E
1[0,10] X1
=α fast sicher, womit der Schätzer auch konsistent ist.
1
Aufgabe 12.3 (Lösungsvorschlag)
0 2 4
x6 8 10
F5 x
0.2 0.4 0.6 0.8 1.0
empirische Verteilungsfunktion f?r n=5 mit Beobachtungen
X1
= 1,
X2= 3,
X4=
X3= 5,
X5= 7
a) Fürnfest istFnals Summe von Indikatorfunktionen von Intervallen der Form(−∞,x]streng monoton wachsend, rechtsseitig stetig und erfüllt
xlim→∞Fn(x) =1 und lim
x→−∞Fn(x) =0.
Also handelt es sich beiFnum eine Verteilungsfunktion.
b)
E Fn(x) = E 1 n
n
X
i=1
1(−∞,x](Xi)
!
= 1 n
n
X
i=1
E
1(−∞,x](Xi)
ident. vert.
= E
1(−∞,x](X)
=P(X∈(−∞,x]) =P[X≤x] =F(x).
c) DaX,X1,X2, . . . unabhängig und identisch verteilt sind, gilt dies auch für 1(−∞,x](X), 1(−∞,x](X1), 1(−∞,x](X2), . . . .
Die Indikatorfunktionen sind reellwertig und integrierbar. Nach dem starken Gesetz der großen Zahlen von Kolmo- goroff folgt nun
1 n
n
X
i=1
1(−∞,x](Xi)→E
1(−∞,x](X)s.o.
= F(x) f.s. (n→ ∞).
d) Die ZufallsvariableY=1(−∞,x](X)nimmt nur die Werte0und1an, wobei gilt
P[Y =1] =P[X≤x]undP[Y =0] =P[X >x] =1−P[X≤x].
Somit handelt es sich um eineb(1,p)verteilte Zufallsvariable mitp=P[X ≤x]. Daraus folgt, dassn·Fn(x)gerade die Summe vonnunabhängigenb(1,p)−verteilten Zufallsvariablen, alsob(n,p)−verteilt ist.
2
Aufgabe 12.4 (Lösungsvorschlag) a)
Eθ
|Tn−g(θ)|2
= Eθ
Tn−Eθ(Tn) +Eθ(Tn)−g(θ)
2
= Eθ
Tn−Eθ(Tn)
2 +Eθ
Eθ(Tn)−g(θ)
2
+2·Eθ Tn−Eθ(Tn)
· Eθ(Tn)−g(θ)
= Varθ(Tn) +
Eθ(Tn)−g(θ)
2+2· Eθ(Tn)−g(θ)
·Eθ Tn−Eθ(Tn)
= Varθ(Tn) +
Eθ(Tn)−g(θ)
2+2· Eθ(Tn)−g(θ)
·0
= Varθ(Tn) +
Eθ(Tn)−g(θ)
2.
b) WennTnErwartungstreu ist, gilt
Eθ(Tn)−g(θ) =g(θ)−g(θ) =0.
Mit dem zuvor gezeigten folgt dann
Eθ
|Tn−g(θ)|2
=Varθ(Tn).
c) Setzt man
n→∞limVarθ(Tn) =0
voraus, so erhält man mit der Ungleichung von Tschebyscheff Pθ
|Tn−g(θ)|> ε = Pθ
|Tn−EθTn|> ε
≤ 1
ε2Var Tn
→ 0 (n→ ∞).
3