Eigenschaften diskreter Verteilungen
- Erwartungswert einer diskreten Zufallsvariablen:
- X diskrete Zufallsvariable mit Werten ai
und Wahrscheinlichkeitsfunktion p(ai)
- Erwartungswert E(X) (oder
μX)
- Beispiele:
- X Gleichverteilung bei Werten 1 ... N
- X binomialverteilt nach B(2, 0.1)
- X binomialverteilt nach B(n,p) → E(X) = n p
- Eigenschaften des Erwartungswerts:
- Transformation einer Zufallsvariable mit u: ℝ →
ℝ
- linear
- E(aX) = a E(X)
- E(X + Y) = E(X) + E(Y)
- normiert
- Anwendung: Erwartungswert bei B(n,p):
- Zufallsvariable Xi misst Erfolg bei i-tem
Versuch
- Erwartungswert von Xi
- für X ~ B(n,p) ist
- also Erwartungswert von X
- Quantile:
- Für p ∈ [0,1] ist das p-Quantil
von X ein Wert xp mit
- Das 0.5-Quantil heißt auch Median.
- lässt sich aus der kumulativen
Verteilungsfunktion F(x) ablesen
- zwei Möglichkeiten
- F(x) nimmt p nicht an ⇒ p-Quantil eindeutig
- F(x) nimmt p an ⇒ jeder Wert aus Intervall
ist p-Quantil
- man definiert dann den linken Endpunkt
- Beispiel Binomialverteilung
- Varianz und Standardabweichung:
- Wie stark streuen die Werte (genauer: Realisierungen)
einer Zufallsvariablen X um den Mittelwert?
- Varianz
- Standardabweichung
- Eigenschaften der Varianz:
- X Zufallsvariable, a, b, ∈ ℝ
- Beweis der ersten Formel
- andere ähnlich
- Berechnung der Varianz für X gleichverteilt mit
Werten {1, ..., N}:
- Berechnen zunächst E(X2)
- Erwartungswert von X von oben liefert
- damit erhält man
- Werte für Beispiel-Verteilungen:
- Aufgaben: