• Keine Ergebnisse gefunden

Ubungen zur Vorlesung ¨ Grundlagen der Stochastik

N/A
N/A
Protected

Academic year: 2021

Aktie "Ubungen zur Vorlesung ¨ Grundlagen der Stochastik"

Copied!
2
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

L¨ohr/Winter Wintersemester 2013/14

Ubungen zur Vorlesung ¨ Grundlagen der Stochastik

Ubungsblatt 5 ¨

Erwartungswert & Varianz

Aufgabe 5.1. (4 Punkte)

(a) SeiX Poisson verteilt mit Parameter λ >0. Welches ist der wahrscheinlichste Wert f¨ur X (also welchesk maximiertP(X =k))?

Bemerkung:Solch einkheißt ModalwertoderModus vonX.

(b) Seien X und Y unabh¨angig und geometrisch verteilt zum (selben) Parameter p ∈ ]0,1].

Definiere Z :=X−Y. Berechne die Wahrscheinlichkeitsmassefunktion pZ und den Erwar- tungswert E(Z) vonZ.

(c) Finde Zufallsvariablen X und Y mit E(XY) = E(X)E(Y), die jedoch nicht unabh¨angig sind.

Bemerkung:Gilt E(XY) =E(X)E(Y), so heißen X und Y unkorreliert.

Aufgabe 5.2 (Varianzen wichtiger Verteilungen). (4 Punkte) Berechne jeweils die Varianz Var(X) einer Zufallsgr¨oßeX, die

(a) binomialverteilt ist, mit Parameternn∈N undp∈[0,1], (b) Poisson verteilt ist, mit Parameterλ >0,

(c) geometrisch verteilt ist, mit Parameterp∈]0,1].

Hinweis:Gehe analog zur L¨osung von Aufgabe 4.4(a) vor.

Aufgabe 5.3 (Erwartungswert und Median als Minimierer). (4 Punkte) SeiX eine Zufallsgr¨oße mit VerteilungsfunktionFX undE(X2)<∞.

(a) Welche Konstantea∈RminimiertE (X−a)2

? Sei m1 := inf

x ∈ R

FX(x) ≥ 12 und m2 := sup

x ∈ R

FX(x) ≤ 12 . Der Wert m :=

1

2(m1+m2) heißtMedian vonX.

(b) Zeige, dass sowohlP(X ≤m)≥12, als auchP(X≥m)≥ 12.

(c) Gilt die Aussage aus (b) im Allgemeinen auch f¨urm1 stattm? Gilt sie im Allgemeinen f¨ur m2 stattm?

(d) Zeige, dass f¨ur allea∈Rgilt

E |X−a|

≥E |X−m|

.

Bitte wenden!

(2)

Aufgabe 5.4. (4 Punkte) Sei X eine Zufallsgr¨oße mit existierendem Erwartungswert E(X)∈ R, undFX die Verteilungs- funktion vonX. Zeige, dass

E(X) = Z

−∞

1R

+(x)−FX(x) dx, wobei1R+(x) = 1 f¨urx≥0 und 0 sonst.

Hinweis:Aus der Analysis ist der Satz von der monotonen Konvergenz bekannt: sind f, f1, f2, . . . (Riemann-)integrierbare Funktionen vonRnachR+mit0≤f1≤f2≤ · · · und f(x) = lim

n→∞fn(x) f¨ur x∈R, so gilt R

−∞f(x) dx= lim

n→∞

R

−∞fn(x) dx.

Abgabe bis sp¨atestens Di, 19.11. um 10:15 Uhr in den ¨Ubungskasten im Foyer

Aktuelle Vortr¨age im Probability Seminar:

Am12.11.findetkeinVortrag statt.

Am19.11.gibt Patricia Alonso-Ruiz (Universit¨at Ulm) einen Vortrag ¨uber

Dirichlet form and Laplacian on fractal quantum graphs via resistance forms Hierzu ergeht eine herzliche Einladung. Zeit:Di, 16.15 – 17.15. Raum: WSC-S-U-3.03

Referenzen

ÄHNLICHE DOKUMENTE

Aufgabe 13.4

Jedes mal, wenn Zahl kommt werden weiße B¨alle in die Urne gelegt, und zwar soviele, dass sich die Anzahl der B¨alle in der Urne verdoppelt.. Am Schluss wird ein Ball zuf¨allig aus

Ein h¨oflicher Partygast kommt in regelm¨aßigen Abst¨anden zum Buffet und will sich von dem Pudding nehmen; da er h¨oflich ist nat¨ urlich nicht alles, sondern nur die H¨alfte von

Es wird zun¨achst aus einer Urne mit n Zetteln mit den Aufschriften 0 bis n − 1 zuf¨allig ein Zettel gezogen und dann statt n-mal nur so oft geworfen, wie auf dem Zettel steht.

Aus Erfahrung weiß der H¨andler, dass jeder Kunde (unabh¨angig von den anderen Kunden) mit nur 90% Wahrscheinlichkeit tats¨achlich kommt, um den Hummer abzuholen.. Eventuell

gibt Mikhail Urusov (Universit¨at Duisburg-Essen) einen Vortrag ¨ uber On the processes that can be embedded in a geometric Brownian motion. Abstract: A process is equivalent to

W¨ahrend eines Zykluses bekommt jedes Individuum, unabh¨angig von allen anderen Individuen, eine zuf¨allige Anzahl von Nachkommen und stirbt anschließend. gibt Angelika

(b) Verwende die Normalenapproximation (also die Approximation durch eine Normalverteilung, die sich aus dem zentralen Grenzwertsatz ergibt) um abzusch¨atzen, wie groß n gew¨ahlt