1. Wahrscheinlichkeitsrechnung
2. Diskrete Zufallsvariable
3. Stetige Zufallsvariable
4. Grenzwerts¨atze
5. Mehrdimensionale Zufallsvariable
Zufallsvariable
Eine ZufallsvariableX beschreibt eine Gr¨oße, die (nur) vom Ergebnisω∈Ω eines Zufallsvorgangs abh¨angt:
X : Ω→R
Wennω∈Ω eintritt, heißt die ZahlX(ω)RealisierungvonX. Durch ZufallsvariableX,Y kann man Ereignisse definieren, z.B.:
{X >0}={ω∈Ω :X(ω)>0}
{X ∈[−1,5]}={ω∈Ω :X(ω)∈[−1,5]}=
={−1≤X ≤5}={X ≥ −1} ∩ {X ≤5}
{1<X ≤2,Y = 3}={ω∈Ω : 1<X(ω)≤2,Y(ω) = 3}=
={X >1} ∩ {X ≤2} ∩ {Y = 3}
Unabh¨ angigkeit
Die ZufallsvariablenX1,X2, . . . ,Xk heißen (stochastisch)unabh¨angig, wenn P(X1∈B1,X2∈B2, . . . ,Xk ∈Bk) =
k
Y
i=1
P(Xi∈Bi) f¨ur alle (messbare)B1,B2, . . . ,Bk ⊆R.
Verteilungsfunktion
Die (kumulative) Verteilungsfunktion einer ZufallsvariablenX ist die Funktion F :R→[0,1] mit
F(x) =P(X ≤x) f¨ur allex ∈R.
Charakterisierende Eigenschaften einer VerteilungsfunktionF :R→[0,1]:
1. F ist monoton steigend (d.h.x <y ⇒F(x)≤F(y)) 2. limx↓−∞F(x) = 0 und limx↑+∞F(x) = 1
3. F ist rechtsstetig (d.h. limy↓xF(y) =F(x))
Diskrete Zufallsvariable
Eine ZufallsvariableX : Ω→ X heißtdiskret, wennX ⊂Rendlich oder abz¨ahlbar unendlich ist.
Wahrscheinlichkeitsverteilung:f :X →[0,1] mitf(x) =P(X =x) f¨ur allex∈ X. Daraus folgt:P(X ∈A) =P
x∈A∩Xf(x) f¨ur alle (messbare)A⊆R. Insbesondere:F(x) =P(X ≤x) =P
x′∈(−∞,x]∩Xf(x′) =P
x′∈X:x′≤xf(x′) f¨ur allex∈ X (d.h. die VerteilungsfunktionF ist eine Treppenfunktion, die in den Stellenx∈ X um den Betragf(x) nach oben springt, w¨ahrend sie dazwischen konstant verl¨auft).
Die diskreten ZufallsvariablenX1,X2, . . . ,Xk sind genau dann unabh¨angig, wenn P(X1=x1,X2=x2, . . . ,Xk =xk) =
k
Y
i=1
P(Xi =xi) f¨ur alle m¨ogliche Wertex1,x2, . . . ,xk ∈R.
Erwartungswert
Erwartungswert der diskreten ZufallsvariablenX: E(X) =X
x∈X
x f(x)
Der Erwartungswert ist ein Lagemaß (E(X) ist der Schwerpunkt der Verteilung vonX).
Eigenschaften des Erwartungswertes f¨ur diskrete ZufallsvariableX,X1,X2, . . . ,Xk:
I E(g(X)) =P
x∈Xg(x)f(x) f¨ur alle Funktioneng :R→R(z.B.
E(X2) =P
x∈Xx2f(x))
I X =c konstant (d.h.X(ω) =c f¨ur alleω∈Ω)⇒E(X) =c
I Linearit¨at:E Pk
i=1αiXi
=Pk
i=1αiE(Xi) f¨ur alleα1, α2, . . . , αk ∈R
I X1,X2, . . . ,Xk unabh¨angig ⇒E Qk
i=1Xi
=Qk
i=1E(Xi)
Varianz
Varianz der diskreten ZufallsvariablenX mitµ=E(X):
Var(X) =E (X −µ)2
=X
x∈X
(x−µ)2f(x)
Standardabweichung vonX:
σ=p
Var(X)
Die Varianz und die Standardabweichung sind Streuungsmaße (Var(X) ist die erwartete quadratische Abweichung der ZufallsvariablenX von ihrem
Erwartungswertµ).
Eigenschaften der Varianz f¨ur diskrete ZufallsvariableX,X1,X2, . . . ,Xk:
I Var(X) =E(X2)−(E(X))2
I X =c konstant (d.h.X(ω) =c f¨ur alleω∈Ω)⇒Var(X) = 0
I X1,X2, . . . ,Xk unabh¨angig ⇒Var Pk
i=1αiXi
=Pk
i=1α2i Var(Xi) f¨ur alle α1, α2, . . . , αk ∈R
Gleichverteilung
Eine (diskrete) ZufallsvariableX heißtgleichverteiltaufX ={x1,x2, . . . ,xk}, wennP(X =xi) =1k f¨ur allei ∈ {1,2, . . . ,k}.
Eigenschaften:
I E(X) = 1k Pk
i=1xi (d.h.E(X) ist das arithmetische Mittel vonx1,x2, . . . ,xk)
I Var(X) =
1 k
Pk i=1xi2
−
1 k
Pk i=1xi
2
Bernoulli-Verteilung
Eine (diskrete) ZufallsvariableX heißtBernoulli-verteiltmit Parameterp∈[0,1]
(kurz:X ∼Ber(p)), wennP(X = 1) =pund P(X = 0) = 1−p.
Eigenschaften:
I E(X) =p
I Var(X) =p(1−p)
I (1−X)∼Ber(1−p)
Binomialverteilung
Eine (diskrete) ZufallsvariableX heißtbinomialverteiltmit Parameternn∈Nund p∈[0,1] (kurz:X ∼Bin(n,p)), wennP(X =k) = nk
pk(1−p)n−k f¨ur alle k ∈ {0,1, . . . ,n}.
Eigenschaften:
I X1,X2, . . . ,Xn u.i.v.
∼ Ber(p)⇒ Pn i=1Xi
∼Bin(n,p) (d.h. Bin(n,p) ist die Verteilung der Anzahl des Eintretens eines bestimmten EreignissesAmit P(A) =pin nunabh¨angigen Wiederholungen des Zufallsvorgangs)
I E(X) =n p
I Var(X) =n p(1−p)
I (n−X)∼Bin(n,1−p)
I Y ∼Bin(m,p) unabh¨angig vonX ⇒(X+Y)∼Bin(n+m,p)
Geometrische Verteilung
Eine (diskrete) ZufallsvariableX heißtgeometrisch verteiltmit Parameter p∈(0,1] (kurz: X ∼Geom(p)), wennP(X =k) =p(1−p)k−1 f¨ur allek ∈N. Eigenschaften:
I X1,X2, . . .u.i.v.∼ Ber(p)⇒
P(X =k) =P(X1= 0,X2= 0, . . . ,Xk−1= 0,Xk = 1) f¨ur allek∈N(d.h.
Geom(p) ist die Verteilung der Anzahl der unabh¨angigen Wiederholungen des Zufallsvorgangs bis zum Eintreten eines bestimmten EreignissesAmit P(A) =p)
I E(X) = 1p
I Var(X) =1−pp2
Hypergeometrische Verteilung
Eine (diskrete) ZufallsvariableX heißthypergeometrisch verteiltmit Parametern n∈ {1,2, . . . ,N},M∈ {0,1, . . . ,N}, undN∈N(kurz:X ∼Hyper(n,M,N)), wennP(X =k) =(Mk) (N−Mn−k)
(Nn) f¨ur allek ∈ {max(0,n+M−N),min(n,M)}.
Eigenschaften:
I Hyper(n,M,N) ist die Verteilung der Anzahl der Einheiten mit einer bestimmten EigenschaftE in einer Stichprobe von Umfangngezogen ohne Zur¨ucklegen aus einer Grundgesamtheit vonNEinheiten, von denenM die EigenschaftE besitzen
I E(X) =nMN
I Var(X) =nMN 1−MN N−n
N−1, wennN≥2
Poisson-Verteilung
Eine (diskrete) ZufallsvariableX heißtPoisson-verteiltmit Parameter
λ∈(0,+∞) (kurz: X ∼Pois(λ)), wennP(X =k) =λk!k e−λ f¨ur allek ∈N0. Eigenschaften:
I Xn∼Bin n,λn
⇒limn→∞P(Xn=k) =P(X =k) f¨ur allek ∈N0 (d.h.Xn konvergiertin VerteilunggegenX, kurz:Xn→d X)
I E(X) =λ
I Var(X) =λ
I Y ∼Pois(µ) unabh¨angig vonX ⇒(X+Y)∼Pois(λ+µ)