Stochastik 1
WS 2018/2019, FSU Jena
Prof. Schmalfuÿ Robert Hesse, Verena Köpp
Ausgabetermin: 24.01.2019
Besprechung in den Übungen am 28.01.2019 und 30.01.2019
13. Übungsblatt
Aufgabe 1. (a) SeiY eineRd-wertige Zufallsvariable mitY ∼ N(a, S)undc= (c1, . . . , cd)T ∈Rd\ {0}. Zeigen Sie, dass dann
cTY =c1Y1+. . . cdYd∼ N(cTa, cTSc).
(b) SeienX1undX2unabhängige, auf[0,1]gleichverteilte Zufallsvariablen. Bestimmen Sie die gemeinsame Verteilung von
Y1:=p
−2 lnX1cos(2πX2), Y2:=p
−2 lnX1sin(2πX2).
Hinweis: Dieses Verfahren heiÿt Box-Muller Methode und kann zur Erzeugung von standardnormal- verteilten Zufallszahlen genutzt werden.
Aufgabe 2. Seif : [0,1]→Reine stetige Funktion. Um das IntegralI:=R1
0 f(x)dxmit der Monte-Carlo- Methode zu berechnen, betrachtet man In := n1Pn
i=1f(Xi), wobei X1, . . . , Xn unabhängige, jeweils auf [0,1]gleichverteilte Zufallsvariablen sind. Bestimmen SieEInund VarIn. Zeigen Sie, dassInein konsistenter Schätzer vonI ist.
Aufgabe 3. Eine weitere Methode zur Parameterschätzung ist die Maximum-Likelihood Schätzung. Der ur- sprüngliche Gedanke bei der Maximum-Likelihood Schätzung ist sehr einfach. Man betrachte ein Experiment mit diskreter Verteilung und unbekanntem Parameterθ, d.h.
P(X =xi, θ) =pi(θ), i= 1,2, . . . .
Gegeben sei die Stichprobe(ξ1, ξ2, . . . , ξn),n∈N. Dann ist der MaximumLikelihoodSchätzer θ∗fürθjenes θ, sodass die Wahrscheinlichkeit für die konkrete Stichprobe maximal wird:
θ∗= arg max
θ P(X1=ξ1, X2=ξ2, . . . , Xn=ξn, θ).
(a) Sei nunXi Poisson-verteilt mit unbekannten Parameterλ. Bestimmen Sie den MaximumLikelihood Schätzer λ∗ fürλbei gegebener Stichprobe(ξ1, ξ2, . . . , ξn),n∈N.
(b) Woher kennen Sie den Schätzer aus (a)?
Bedingungen für die Teilnahme an der Klausur: 50% der Punkte aus den Übungsserien und zweima- liges Vorrechnen an der Tafel.