www.vorkurse.de
Ein Projekt von vorhilfe.de
Die Online-Kurse der Vorhilfe

E-Learning leicht gemacht.
Hallo Gast!einloggen | registrieren ]
Startseite · Mitglieder · Teams · Forum · Wissen · Kurse · Impressum
Forenbaum
^ Forenbaum
Status Mathe-Vorkurse
  Status Organisatorisches
  Status Schule
    Status Wiederholung Algebra
    Status Einführung Analysis
    Status Einführung Analytisc
    Status VK 21: Mathematik 6.
    Status VK 37: Kurvendiskussionen
    Status VK Abivorbereitungen
  Status Universität
    Status Lerngruppe LinAlg
    Status VK 13 Analysis I FH
    Status Algebra 2006
    Status VK 22: Algebra 2007
    Status GruMiHH 06
    Status VK 58: Algebra 1
    Status VK 59: Lineare Algebra
    Status VK 60: Analysis
    Status Wahrscheinlichkeitst

Gezeigt werden alle Foren bis zur Tiefe 2

Navigation
 Startseite...
 Neuerdings beta neu
 Forum...
 vorwissen...
 vorkurse...
 Werkzeuge...
 Nachhilfevermittlung beta...
 Online-Spiele beta
 Suchen
 Verein...
 Impressum
Das Projekt
Server und Internetanbindung werden durch Spenden finanziert.
Organisiert wird das Projekt von unserem Koordinatorenteam.
Hunderte Mitglieder helfen ehrenamtlich in unseren moderierten Foren.
Anbieter der Seite ist der gemeinnützige Verein "Vorhilfe.de e.V.".
Partnerseiten
Weitere Fächer:

Open Source FunktionenplotterFunkyPlot: Kostenloser und quelloffener Funktionenplotter für Linux und andere Betriebssysteme
Forum "Uni-Stochastik" - Dichte vs. Verteilungsfunktion
Dichte vs. Verteilungsfunktion < Stochastik < Hochschule < Mathe < Vorhilfe
Ansicht: [ geschachtelt ] | ^ Forum "Uni-Stochastik"  | ^^ Alle Foren  | ^ Forenbaum  | Materialien

Dichte vs. Verteilungsfunktion: Frage (beantwortet)
Status: (Frage) beantwortet Status 
Datum: 13:52 Sa 11.09.2010
Autor: natascha

Aufgabe
Betrachte die Funktion f:R->R, x -> [mm] c(1-x)^{4}I_{x\in(0,1]}, [/mm] wobei für reelle a<b gilt [mm] I_{x\in(a,b]} [/mm] = [mm] \begin{cases} 1, & \mbox{für a a) Wann ist die Funktion f die Wahrscheinlichkeitsdichte einer Zufallsvariablen X?
b) Berechne die Verteilungsfunktion F(x) von X.
c) Drücke Var(5-2X) als Funktion der 2 ersten Momente von X aus und berechne anschliessend den Wert.
d) Betrachte Ereignisse A := {X [mm] \in [/mm] [-2,2]} und B := {X <= 1/2}. Sind diese Ereignisse unabhängig?

Hallo,

Ich habe ein paar Fragen zu dieser Aufgabe.

Bei a) habe ich das Integral zwischen 0 und 1 berechnet und somit c=5 erhalten. Die Funktion f ist als eine Wahrscheinlichkeitsdichte für c=5. Stimmt das so?

Bei b) habe ich jedoch nun ein Problem. Um F(x) zu berechnen, muss ich ja f(x) integrieren.  Muss ich das unbestimmte Integral berechnen, dann wäre F(x) ja:
F(x) = [mm] c*1/*5x^{5} [/mm] - [mm] c*x^{4} [/mm] + [mm] 2*c*x^{3} [/mm] - [mm] 2*c*x^{2} [/mm] + c*x, und da wir wissen, das c=5 wäre dass dann:
F(x) = [mm] x^{5} [/mm] - [mm] 5x^{4} [/mm] + [mm] 10x^{3} [/mm] - [mm] 10x^{3} [/mm] + 5x

Stimmt das soweit?

Danke!

        
Bezug
Dichte vs. Verteilungsfunktion: eigentlich alles in Ordnung
Status: (Antwort) fertig Status 
Datum: 14:06 Sa 11.09.2010
Autor: Disap

Huhu Natascha!

> Betrachte die Funktion f:R->R, x ->
> [mm]c(1-x)^{4}I_{x\in(0,1]},[/mm] wobei für reelle a<b gilt="">
> [mm]I_{x\in(a,b]}[/mm] = [mm]\begin{cases} 1, & \mbox{für a
>  
> a) Wann ist die Funktion f die Wahrscheinlichkeitsdichte
> einer Zufallsvariablen X?
>  b) Berechne die Verteilungsfunktion F(x) von X.
>  c) Drücke Var(5-2X) als Funktion der 2 ersten Momente von
> X aus und berechne anschliessend den Wert.
>  d) Betrachte Ereignisse A := X [mm]\in[/mm] [-2,2] und B := X <=
> 1/2. Sind diese Ereignisse unabhängig?
>  Hallo,
>  
> Ich habe ein paar Fragen zu dieser Aufgabe.
>  
> Bei a) habe ich das Integral zwischen 0 und 1 berechnet und

...und gleich 1 gesetzt und somit...

> somit c=5 erhalten. Die Funktion f ist als eine
> Wahrscheinlichkeitsdichte für c=5. Stimmt das so?

Ja
  

> Bei b) habe ich jedoch nun ein Problem. Um F(x) zu
> berechnen, muss ich ja f(x) integrieren.  Muss ich das
> unbestimmte Integral berechnen, dann wäre F(x) ja:
>  F(x) = [mm]c*1/*5x^{5}[/mm] - [mm]c*x^{4}[/mm] + [mm]2*c*x^{3}[/mm] - [mm]2*c*x^{2}[/mm] +
> c*x, und da wir wissen, das c=5 wäre dass dann:
>  F(x) = [mm]x^{5}[/mm] - [mm]5x^{4}[/mm] + [mm]10x^{3}[/mm] - [mm]10x^{3}[/mm] + 5x
>  
> Stimmt das soweit?

Bis auf den Tippfehler mit [mm] -10x^3. [/mm] Das sind natürlich [mm] -10x^2 [/mm] (ist dir ja eh klar, da du sonst [mm] 10x^3 [/mm] - [mm] 10x^3 [/mm] zu 0 zusammengefasst hättest)

MfG
Disap

> Danke!

</b>

Bezug
        
Bezug
Dichte vs. Verteilungsfunktion: Antwort
Status: (Antwort) fertig Status 
Datum: 14:14 Sa 11.09.2010
Autor: Arcesius

Hallo
<b gilt="">

> Bei b) habe ich jedoch nun ein Problem. Um F(x) zu
> berechnen, muss ich ja f(x) integrieren.  Muss ich das
> unbestimmte Integral berechnen, dann wäre F(x) ja:
>  F(x) = [mm]c*1/*5x^{5}[/mm] - [mm]c*x^{4}[/mm] + [mm]2*c*x^{3}[/mm] - [mm]2*c*x^{2}[/mm] +
> c*x, und da wir wissen, das c=5 wäre dass dann:
>  F(x) = [mm]x^{5}[/mm] - [mm]5x^{4}[/mm] + [mm]10x^{3}[/mm] - [mm]10x^{3}[/mm] + 5x
>  
> Stimmt das soweit?

F(x) ist definiert als [mm]P(X \le x)[/mm]. In deiner aufgabe ist [mm]x \in \left[0,1\right][/mm], somit musst du für F(x) das integral von 0 bis x berechnen.

Also [mm]F(x) = P(X \le x) = \int\limits_{-\infty}^{x}{f(x)dx} \overset{x \in \left[0,1\right]}{=} \int\limits_{0}^{x}{f(x) dx}[/mm]

>  
> Danke!


</b>

Bezug
                
Bezug
Dichte vs. Verteilungsfunktion: Frage (beantwortet)
Status: (Frage) beantwortet Status 
Datum: 14:25 Sa 11.09.2010
Autor: natascha

Super, danke für eure Antworten!

Ich bin jetzt bei Aufgabe c)
Var(5-2X) = 5-4Var(X), mit den Momenten ausgedrückt:
= 5 - [mm] 4E(X^{2}) [/mm] - 4 [mm] (E(X)^{2}) [/mm]

Doch wie berechne ich nun den konkreten Wert?
[mm] E(X^{2}) [/mm] = Summe für alle x von x²p(x), laut meiner Definition, jedoch scheint mir das eher für diskrete Wahrscheinlichkeitsvariablen zu sein als für stetige, oder?

Danke!

Liebe Grüsse,

Natascha

Bezug
                        
Bezug
Dichte vs. Verteilungsfunktion: Antwort
Status: (Antwort) fertig Status 
Datum: 14:38 Sa 11.09.2010
Autor: Disap


> Ich bin jetzt bei Aufgabe c)
>  Var(5-2X) = 5-4Var(X), mit den Momenten ausgedrückt:
>  = 5 - [mm]4E(X^{2})[/mm] - 4 [mm](E(X)^{2})[/mm]

Nein. Es gibt (ähnlich wie die Rechenregeln mit dem Erwartungswert) auch hier Rechenregeln, die ich als "lineare Transformation" kenne.
D. h. es gilt

[mm]Var(aX+b) = a^2 Var(X)[/mm]

> Doch wie berechne ich nun den konkreten Wert?
> [mm]E(X^{2})[/mm] = Summe für alle x von x²p(x), laut meiner
> Definition, jedoch scheint mir das eher für diskrete
> Wahrscheinlichkeitsvariablen zu sein als für stetige,
> oder?

Genau!

Entweder gilt (X quadratisch integrierbare Zufallsvariable mit Dichte f und Erwartungswert EX):

$V(X) = [mm] \int_{-\infty}^\infty [/mm] (t- EX)^2f(t) dt$

oder für die reelle Zufallsvariable X (natürlich mit [mm] $EX^2 [/mm] < [mm] \infty$) [/mm]

$V(X) = [mm] EX^2 [/mm] - [mm] (EX)^2$ [/mm]

Und um sich jetzt noch deiner Frage zu nähern, gilt für X mit einer Dichte gerade

$EX = [mm] \int_{-\infty}^\infty [/mm] t*f(t) dt$

Für [mm] $EX^2$ [/mm] kannst du daher analog verwenden

[mm] $EX^2 [/mm] = [mm] \int_{-\infty}^\infty t^2*f(t) [/mm] dt$

Hilft dir das ein wenig weiter?

LG
Disap


Bezug
                                
Bezug
Dichte vs. Verteilungsfunktion: Frage (beantwortet)
Status: (Frage) beantwortet Status 
Datum: 15:35 Sa 11.09.2010
Autor: natascha


> > Ich bin jetzt bei Aufgabe c)
>  >  Var(5-2X) = 5-4Var(X), mit den Momenten ausgedrückt:
>  >  = 5 - [mm]4E(X^{2})[/mm] - 4 [mm](E(X)^{2})[/mm]
>  
> Nein. Es gibt (ähnlich wie die Rechenregeln mit dem
> Erwartungswert) auch hier Rechenregeln, die ich als
> "lineare Transformation" kenne.
>  D. h. es gilt
>  
> [mm]Var(aX+b) = a^2 Var(X)[/mm]

Oh ja stimmt, da habe ich wohl etwas verwechselt. Dann gibts natürlich
Var (5+2X) = 4Var(X)

>
> > Doch wie berechne ich nun den konkreten Wert?
> > [mm]E(X^{2})[/mm] = Summe für alle x von x²p(x), laut meiner
> > Definition, jedoch scheint mir das eher für diskrete
> > Wahrscheinlichkeitsvariablen zu sein als für stetige,
> > oder?
>  
> Genau!
>  
> Entweder gilt (X quadratisch integrierbare Zufallsvariable
> mit Dichte f und Erwartungswert EX):
>  
> [mm]V(X) = \int_{-\infty}^\infty (t- EX)^2f(t) dt[/mm]
>  
> oder für die reelle Zufallsvariable X (natürlich mit [mm]EX^2 < \infty[/mm])
>  
> [mm]V(X) = EX^2 - (EX)^2[/mm]
>  
> Und um sich jetzt noch deiner Frage zu nähern, gilt für X
> mit einer Dichte gerade
>  
> [mm]EX = \int_{-\infty}^\infty t*f(t) dt[/mm]
>  
> Für [mm]EX^2[/mm] kannst du daher analog verwenden
>  
> [mm]EX^2 = \int_{-\infty}^\infty t^2*f(t) dt[/mm]
>  
> Hilft dir das ein wenig weiter?

Danke, genau so eine Definition hatte ich gesucht. Ich rechne also
E(X) = [mm] \integral_{}^{}{xf(x)dx} [/mm] = [mm] \integral_{}^{}{cx(1-x)^{4} dx} [/mm] = [mm] 5/6x^{6} [/mm] - 4x{5} + [mm] 30/4x^{4} [/mm] - [mm] 20/3x^{3} [/mm] + [mm] 5x^{2} [/mm]
und analog für [mm] E(X^{2}) [/mm] = [mm] \integral_{}^{}{x^{2}f(x)dx} [/mm] = [mm] 5/7x^{7} [/mm] - 4x{6} + [mm] 5x^{5} -4x^{4} [/mm] + [mm] x^{3} [/mm]

Das heisst nach dem Einsetzen erhalte ich für die Var(X) einen Wert in Abhängigkeit von x. Ist das dann richtig so?

>  
> LG
>  Disap
>  


Bezug
                                        
Bezug
Dichte vs. Verteilungsfunktion: Antwort
Status: (Antwort) fertig Status 
Datum: 15:37 Sa 11.09.2010
Autor: Arcesius

Hallo

>  Danke, genau so eine Definition hatte ich gesucht. Ich
> rechne also
>  E(X) = [mm]\integral_{}^{}{xf(x)dx}[/mm] =
> [mm]\integral_{}^{}{cx(1-x)^{4} dx}[/mm] = [mm]5/6x^{6}[/mm] - 4x{5} +
> [mm]30/4x^{4}[/mm] - [mm]20/3x^{3}[/mm] + [mm]5x^{2}[/mm]
>  und analog für [mm]E(X^{2})[/mm] = [mm]\integral_{}^{}{x^{2}f(x)dx}[/mm] =
> [mm]5/7x^{7}[/mm] - 4x{6} + [mm]5x^{5} -4x^{4}[/mm] + [mm]x^{3}[/mm]
>  
> Das heisst nach dem Einsetzen erhalte ich für die Var(X)
> einen Wert in Abhängigkeit von x. Ist das dann richtig so?

Nein. Für den Erwartungswert muss du über den ganzen Raum integrieren (bzw. über den Raum, über den die Zufallsvariabel definiert ist).
Das unbestimmte Integral hilft dir hier nicht.. :)

> >  

> > LG
>  >  Disap
>  >  

Grüsse, Amaro

Bezug
                                                
Bezug
Dichte vs. Verteilungsfunktion: Frage (beantwortet)
Status: (Frage) beantwortet Status 
Datum: 15:39 Sa 11.09.2010
Autor: natascha


> Hallo
>  
> >  Danke, genau so eine Definition hatte ich gesucht. Ich

> > rechne also
>  >  E(X) = [mm]\integral_{}^{}{xf(x)dx}[/mm] =
> > [mm]\integral_{}^{}{cx(1-x)^{4} dx}[/mm] = [mm]5/6x^{6}[/mm] - 4x{5} +
> > [mm]30/4x^{4}[/mm] - [mm]20/3x^{3}[/mm] + [mm]5x^{2}[/mm]
>  >  und analog für [mm]E(X^{2})[/mm] = [mm]\integral_{}^{}{x^{2}f(x)dx}[/mm]
> =
> > [mm]5/7x^{7}[/mm] - 4x{6} + [mm]5x^{5} -4x^{4}[/mm] + [mm]x^{3}[/mm]
>  >  
> > Das heisst nach dem Einsetzen erhalte ich für die Var(X)
> > einen Wert in Abhängigkeit von x. Ist das dann richtig so?
>
> Nein. Für den Erwartungswert muss du über den ganzen Raum
> integrieren (bzw. über den Raum, über den die
> Zufallsvariabel definiert ist).
> Das unbestimmte Integral hilft dir hier nicht.. :)
>  

Du hast völlig Recht, so bringt das ja irgendwie nichts..in meinem Fall muss ich also das Integral zwischen 0 und 1 ausrechnen?

Grüsse,

Natascha

> > >  

> > > LG
>  >  >  Disap
>  >  >  
>
> Grüsse, Amaro


Bezug
                                                        
Bezug
Dichte vs. Verteilungsfunktion: Antwort
Status: (Antwort) fertig Status 
Datum: 15:47 Sa 11.09.2010
Autor: Arcesius

Hey!

> Du hast völlig Recht, so bringt das ja irgendwie
> nichts..in meinem Fall muss ich also das Integral zwischen
> 0 und 1 ausrechnen?
>

[ok]
Das ist richtig :)


> Grüsse,
>  
> Natascha

Grüsse, Amaro

Bezug
                                                                
Bezug
Dichte vs. Verteilungsfunktion: Mitteilung
Status: (Mitteilung) Reaktion unnötig Status 
Datum: 15:53 Sa 11.09.2010
Autor: natascha

Super, danke für die schnelle Antwort!

Liebe Grüsse,

Nati

Bezug
Ansicht: [ geschachtelt ] | ^ Forum "Uni-Stochastik"  | ^^ Alle Foren  | ^ Forenbaum  | Materialien


^ Seitenanfang ^
www.vorkurse.de
[ Startseite | Mitglieder | Teams | Forum | Wissen | Kurse | Impressum ]