Mirror/latexandmore
1
0
Fork 0
mirror of https://gitlab.cs.fau.de/ik15ydit/latexandmore.git synced 2024-11-22 11:49:32 +01:00
Code Issues Projects Releases Wiki Activity

Dichte Verteilung Zufallsvariablen ergaenzt

Browse Source
This commit is contained in:
Christian Bay 2015-10-02 11:55:37 +02:00
parent 897d6e854a
commit 908844cbbd
1 changed files with 21 additions and 4 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

25
Public/m4/MaC4Cheatsheet.tex
View File

@ -371,8 +371,8 @@ $f(w) = L(\Omega) = \frac{1}{|\Omega|}$
Zufallsexperimente, bei denen man die Ergebnisse als Anzahlen von schwarzen Kugeln unter n gezogenen interpretieren kann. \\ Zufallsexperimente, bei denen man die Ergebnisse als Anzahlen von schwarzen Kugeln unter n gezogenen interpretieren kann. \\
$f(k) = H(N, K, n) = \frac{\binom{K}{k}*\binom{N-K}{n-k}}{\binom{N}{n}}$ $f(k) = H(N, K, n) = \frac{\binom{K}{k}*\binom{N-K}{n-k}}{\binom{N}{n}}$
\subsection{Geometrische Verteilung} \subsection{Geometrische Verteilung}
Die geometrische Verteilung beschreibt die Wartezeit für das erstmalige Eintreten eines Die geometrische Verteilung beschreibt die Wartezeit für das erstmalige Eintreten
Ereignisses unter der Annahme der Ged\"achtnislosigkeit. \\ eines Ereignisses unter der Annahme der Ged\"achtnislosigkeit. \\
$G(p) = f(n) = p*q^{n-1} \quad \quad m_1 = \frac{1}{p}$ $G(p) = f(n) = p*q^{n-1} \quad \quad m_1 = \frac{1}{p}$
\subsection{Uniform-Verteilung $\mathcal{U}(a,b)$} \subsection{Uniform-Verteilung $\mathcal{U}(a,b)$}
\textbf{Dichtefunktion}: \textbf{Dichtefunktion}:
@ -393,8 +393,25 @@ $G(p) = f(n) = p*q^{n-1} \quad \quad m_1 = \frac{1}{p}$
\section{Zufallsvarriablen} \section{Zufallsvarriablen}
\subsection{Dichten von Verteilungen von Zufallsvariablen} \subsection{Dichten von Verteilungen von Zufallsvariablen}
siehe L\"osungssammlung Aufgabe 98 ff. \textbf{Problembeschreibung}: Berechnung von Wahrscheinlichkeit des
Ereignisses $(X_1 > a * X_2)$ o.\"a.
Zufallsvariablen $X_1, X_2$ sind dabei stochastisch
unabh\"angig. Die Verteilungen von $X_i$ haben dabei die Dichten
$f_i$.\\
Somit gilt nach der Marginalsdichte: $f(x_1,x_2) = f_1(x_1)*f_2(x_2)$.
\begin{align}
P(X_1 > a * X_2) = \int \int_{x_1>a*x_2} f_1(x_1)*f_2(x_2) dx_1dx_2 := I
\end{align}
In Abh\"angigkeit von Reihenfolge, in der die Integration \"uber die Variablen
$x_1$ und $x_2$ durchgef"uhrt werden, ergeben sich zwei Darstellungen:
\begin{align}
I = \int_{-\infty}^{\infty} f_1(x_1)F_2(\frac{1}{a}x_1)dx_1\\
I = \int_{-\infty}^{\infty} f_2(x_2)(1 - F_1(ax_2))dx_2
\end{align}
Siehe auch L\"osungssammlung Aufgabe $98$ ff.
\subsection{Erwartungswert $\varepsilon$ diskreter Zufallsvariablen} \subsection{Erwartungswert $\varepsilon$ diskreter Zufallsvariablen}
Falls der Erwartungswert einer diskreten Zufallsvariablen $X$ auf Falls der Erwartungswert einer diskreten Zufallsvariablen $X$ auf
einem diskreten Wahrscheinlichkeitsraum $(\Omega, \mathcal{A}, P)$ existiert, einem diskreten Wahrscheinlichkeitsraum $(\Omega, \mathcal{A}, P)$ existiert,