1. Wahrscheinlichkeitsrechnung
2. Diskrete Zufallsvariable
3. Stetige Zufallsvariable
4. Grenzwerts¨atze
5. Mehrdimensionale Zufallsvariable
Stetige Zufallsvariable
Eine ZufallsvariableX : Ω→Rheißtstetig, wenn es eine Funktion f :R→[0,+∞) gibt, so dass
F(x) =P(X ≤x) = Z x
−∞
f(y)dy f¨ur allex ∈R; eine solche Funktionf heißtDichtevonX. Daraus folgt:
I P(X =x) = 0 f¨ur allex∈R
I R+∞
−∞ f(x)dx= 1
I P(a≤X ≤b) =P(a<X ≤b) =P(a≤X <b) =P(a<X <b) = F(b)−F(a) =Rb
a f(x)dx f¨ur allea,b∈Rmita≤b
I die VerteilungsfunktionF ist stetig undf(x) =F′(x), wennf stetig an der Stellex ist
Die stetigen 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 allex1,x2, . . . ,xk ∈R.
Marco Cattaneo @ LMU M¨unchen Einf¨uhrung in die Wahrscheinlichkeitsrechnung
Erwartungswert
Erwartungswert der stetigen ZufallsvariablenX: E(X) =
Z +∞
−∞
x f(x)dx
Der Erwartungswert ist ein Lagemaß (E(X) ist der Schwerpunkt der Verteilung vonX).
Eigenschaften des Erwartungswertes f¨ur stetige ZufallsvariableX,X1,X2, . . . ,Xk:
I E(g(X)) =R+∞
−∞ g(x)f(x)dx f¨ur alle Funktioneng :R→R(z.B.
E(X2) =R+∞
−∞ x2f(x)dx)
I Dichtef symmetrisch umc (d.h.f(c−x) =f(c+x) f¨ur allex ∈R) und R+∞
−∞ x f(x)dx wohldefiniert ⇒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 stetigen ZufallsvariablenX mitµ=E(X):
Var(X) =E (X−µ)2
= Z +∞
−∞
(x−µ)2f(x)dx
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 stetige ZufallsvariableX,X1,X2, . . . ,Xk:
I Var(X) =E(X2)−(E(X))2
I Dichtef symmetrisch umc (d.h.f(c−x) =f(c+x) f¨ur allex ∈R) und R+∞
−∞ x f(x)dx wohldefiniert ⇒Var(X) = 2R+∞
0 x2f(c+x)dx
I X1,X2, . . . ,Xk unabh¨angig ⇒Var Pk
i=1αiXi
=Pk
i=1α2i Var(Xi) f¨ur alle α1, α2, . . . , αk ∈R
Marco Cattaneo @ LMU M¨unchen Einf¨uhrung in die Wahrscheinlichkeitsrechnung
Gleichverteilung
Eine (stetige) ZufallsvariableX heißtgleichverteiltauf dem Intervall [a,b] (kurz:
X ∼U(a,b)), wenn sie die folgende Dichte besitzt:
f(x) =
0 f¨urx<a
1
b−a f¨ura≤x≤b 0 f¨urb<x
Eigenschaften:
I F(x) =
0 f¨urx<a
x−a
b−a f¨ura≤x≤b 1 f¨urb<x
I E(X) = a+b2 (d.h.E(X) ist der Mittelpunkt des Intervalls [a,b])
I Var(X) =(b−a)12 2
Exponentialverteilung
Eine (stetige) ZufallsvariableX heißtexponentialverteiltmit Parameter λ∈(0,+∞) (kurz: X ∼Exp(λ)), wenn sie die folgende Dichte besitzt:
f(x) =
0 f¨urx<0 λe−λx f¨ur 0≤x
Eigenschaften:
I F(x) =
0 f¨urx<0 1−e−λx f¨ur 0≤x
I E(X) = λ1
I Var(X) =λ12
I Y ∼Exp(µ) unabh¨angig vonX ⇒min(X,Y)∼Exp(λ+µ)
Marco Cattaneo @ LMU M¨unchen Einf¨uhrung in die Wahrscheinlichkeitsrechnung
Normalverteilung
Eine (stetige) ZufallsvariableX heißtnormalverteiltmit Parametern µ∈Rund σ∈(0,+∞) (kurz:X ∼N(µ, σ2)), wenn sie die folgende Dichte besitzt:
f(x) = 1
√2π σe−(x−µ)22σ2
Eigenschaften:
I E(X) =µ
I Var(X) =σ2
I (αX+β)∼N(α µ+β, α2σ2) f¨ur alleα, β∈R
I X1,X2, . . . ,Xk unabh¨angig mitXi ∼N(µi, σi2) f¨ur allei∈ {1,2, . . . ,k} ⇒ Pk
i=1αiXi
∼N Pk
i=1αiµi,Pk
i=1α2i σi2
f¨ur alleα1, α2, . . . , αk ∈R
Standardisierung
WennX eine Zufallsvariable mitE(X) =µundVar(X) =σ2ist, heißtZ =X−µσ die zuX geh¨origestandardisierte Zufallsvariable.
Daraus folgt:E(Z) = 0 und Var(Z) = 1.
Insbesondere:X ∼N(µ, σ2)⇒Z ∼N(0,1) (d.h.Z iststandardnormalverteilt).
Die Verteilungsfunktion der ZufallsvariablenZ ∼N(0,1) wird mit Φ bezeichnet (d.h. Φ(x) =P(Z ≤x)).
Daraus folgt:X ∼N(µ, σ2)⇒F(x) =P(X ≤x) = Φ x−µσ
f¨ur allex ∈R. Insbesondere:X ∼N(µ, σ2)⇒P(µ−cσ≤X ≤µ+cσ) = 2 Φ(c)−1 f¨ur alle c∈[0,+∞).
Marco Cattaneo @ LMU M¨unchen Einf¨uhrung in die Wahrscheinlichkeitsrechnung
Logarithmische Normalverteilung
Eine (stetige) ZufallsvariableX heißtlogarithmisch normalverteiltmit Parametern µ∈Rundσ∈(0,+∞) (kurz:X ∼LN(µ, σ2)), wenn sie die folgende Dichte besitzt:
f(x) =
( 0 f¨urx≤0
√ 1
2π σxe−
(log(x)−µ)2
2σ2 f¨ur 0<x
Eigenschaften:
I log(X)∼N(µ, σ2)
I F(x) = Φlog(x)−µ
σ
f¨ur allex ∈R
I E(X) =eµ+σ22
I Var(X) =
eσ2−1 e2µ+σ2
Chi-Quadrat-Verteilung
Eine (stetige) ZufallsvariableX heißtChi-Quadrat-verteiltmitn∈N Freiheitsgraden (kurz:X ∼χ2n), wenn sie die folgende Dichte besitzt:
f(x) =
( 0 f¨urx <0
xn2−1
e−x2
2n2Γ(n2) f¨ur 0≤x
Eigenschaften:
I Z1,Z2, . . . ,Zn u.i.v.
∼ N(0,1)⇒ Pn i=1Zi2
∼χ2n
I E(X) =n
I Var(X) = 2n
Marco Cattaneo @ LMU M¨unchen Einf¨uhrung in die Wahrscheinlichkeitsrechnung
Studentsche t-Verteilung
Eine (stetige) ZufallsvariableX heißtt-verteiltmitn∈NFreiheitsgraden (kurz:
X ∼tn), wenn sie die folgende Dichte besitzt:
f(x) = Γ n+12
√nπΓ n2
1 + x2 n
−n+12
Eigenschaften:
I Z ∼N(0,1) und Y ∼χ2nunabh¨angig ⇒ Zpn Y
∼tn I E(X) = 0, wennn≥2
I Var(X) =n−2n , wennn≥3
F-Verteilung
Eine (stetige) ZufallsvariableX heißtF-verteiltmit Freiheitsgradenm,n∈N (kurz:X ∼Fm,n), wenn sie die folgende Dichte besitzt:
f(x) =
0 f¨urx<0
mm2 nn2 Γ(m+n2 )
Γ(m2)Γ(n2)
xm2−1
(m x+n)m+n2 f¨ur 0≤x
Eigenschaften:
I W ∼χ2mundY ∼χ2n unabh¨angig⇒ Wm Yn
∼Fm,n I E(X) = n−2n , wennn≥3
I Var(X) =m2n(n−2)2(m+n−2)2(n−4), wennn≥5
Marco Cattaneo @ LMU M¨unchen Einf¨uhrung in die Wahrscheinlichkeitsrechnung