Zufallsvariable/Lösungen: Unterschied zwischen den Versionen

Aus MM*Stat

Wechseln zu: Navigation, Suche
(Kinder)
 
Zeile 353: Zeile 353:
  
 
===Kinder===
 
===Kinder===
 +
 +
[[Datei:5-1_Kinder.xlsx]]
  
 
<ul>
 
<ul>

Aktuelle Version vom 3. Juni 2019, 08:52 Uhr

Ampeln

{Die –te Ampel steht auf grün}; ; Ereignisse sind unabhängig;
{Die –te Ampel steht auf rot}; ;

  • Auto fährt an keiner Ampel vorbei: ; {Auto fährt an 1. Ampel vorbei und muss an 2. Ampel halten},  ; analog folgt: ; ; ;

  • X: ”Anzahl der Verkehrsampeln, an denen das Auto bis zum ersten Halt vorbeifährt”; diskrete Zufallsvariable

    0 1 2 3 4
    0,5 0,25 0,125 0,0625 0,0625

Auslastung der Schiffe

,
, ; , , , ,

Bahnstrecke Berlin – Nauen

Klasse 0 - 30 30 - 60 60 - 90 90 - 120
0,35 0,45 0,15 0,05
0,35 0,8 0,95 1,00

Bauteile

  • Antwort: nein

Begründung:
Wenn X und Y unabhängig voneinander
Ist nicht erfüllt, da z.B.

Dichtefunktion einer Zufallsvariablen

Die Verteilung ist eine Gleichverteilung auf :
.

Dichtefunktion

  • Für eine Dichtefunktion muss gelten Da für , genügt es für die erste Eigenschaft, zu zeigen, die Nullstellen der nach oben geöffnete Parabel beide links oder beide rechts des Intervalls liegen. Wir verwenden die Formel, um diese Nullstellen zu berechnen und erhalten eine doppelte Nullstelle bei Damit gilt also sogar, dass die Parabel global nichtnegativ ist. Für die Normierung berechnen wir Also sind beide Eigenschaften erfüllt.
  • Wir berechnen die Verteilungsfunktion mithilfe der Definition im Foliensatz Zufallsvariablenfür : Für gilt , während für . Zusammengefasst gilt also:
  • Wir berechnen den Erwartungswert mit der Definition aus dem Foliensatz Zufallsvariablen: Analog gilt für die Varianz

Dichtefunktion und Erwartungswert


Diskrete Zufallsvariable

Zunächst prüfen wir, ob die Aufgabe wohlgestellt ist, d.h. ob überhaupt eine Wahrscheinlichkeitsfunktion vorliegt. Dazu ist zu prüfen, ob sie nichtnegativ ist und ihre Werte sich zu 1 aufsummieren. Aus der Definition ist klar, dass die Funktion, von der zu prüfen ist, ob sie eine Wahrscheinlichkeitsfunktion ist, nur nichtnegative Werte annimt. Wir berechnen Es liegt also in der Tat eine Wahrscheinlichkeitsfunktion vor.

  • Gesucht ist die Wahrscheinlichkeit . Mit der Definition der Wahrscheinlichkeitsfunktion gilt
  • Gesucht ist die Wahrscheinlichkeit . Mit der Definition der Wahrscheinlichkeitsfunktion gilt
  • Gesucht ist die Wahrscheinlichkeit
  • Gesucht ist die Wahrscheinlichkeit
  • Es gilt

Fachliteratur

  • Der Abbildung entnehmen wir, dass die Dichtefunktion im Intervall als affine Funktion dargestellt werden kann, d.h. für gilt wobei die Steigung und den Achsenabschnitt der affinen Funktion angibt. Wir verwenden die Formel für die Steigung der Geraden, indem wir die beiden bekannten Punkte und verwenden ( ist unbekannt): Für den Achsenabschnitt gilt damit In Abhängigkeit vom unbekannten Parameter gilt damit für , Aus der Skizze ist ebenfalls klar, dass für alle . Um zu bestimmen, müssen wir es so wählen, dass eine Wahrscheinlichkeitsdichte wird, d.h. nichtnegativ ist und sich zu 1 integriert. Die Nichtnegativität ist klar. Für die Normierung rechnen wir Damit ergibt sich Zusammengefasst erhalten wir also In der obigen Rechnung haben wir zudem die allg. Stammfunktion von berechnet, die noch von einer Konstante abhängt. Diese wollen wir nun so wählen, dass die Verteilungsfunktion stetig ist (d.h., dass sie keine Sprungstellen hat). Offenbar muss gelten für und für . Damit muss auch für die Stammfunktion der Dichte gelten, dass . Wir berechnen Also muss gelten damit an der Stelle stetig ist. Die Stetigkeit an der Stelle ergibt sich aus der Wahl von , die die Normierung der Dichtefunktion garantiert. Zusammengefasst ergibt sich
  • Um den Erwartungswert zu berechnen, verwenden wir die Definition aus dem Foliensatz zu Zufallsvariablen Für die Varianz von gilt mit der Definition aus dem Foliensatz
  • Um die gesuchten Wahrscheinlichkeiten zu berechnen, verwenden wir unsere Kenntnis der Verteilungsfunktion. Zunächst berechnen wir Für die nächste gesuchte Wahrscheinlichkeit gilt Für die letzte gesuchte Wahrscheinlichkeit gilt wobei wir im zweiten Schritt verwendet haben, dass eine stetige Verteilung vorliegt und daher jeder Punkt eine Masse von 0 besitzt.

Fernsehsendung


Für jede Runde gilt: .


Runde Antwort Gewinn Wahrscheinlichkeit
1 0
2 100
16
3 200
6,4
4a 300
1,92
4b 400
0,64



EUR

Feuerwehr

Die erwartete quadrierte Fahrstrecke ist minimal, wenn sich die Feuerwehr an der Stelle aufstellt, die dem Erwartungswert der Zufallsvariablen entspricht.
Herleitung:

1. Ableitung:


Punkt Wahrscheinlichkeit
-3 0,2 -0,6
-1 0,1 -0,1
0 0,1 0
1 0,4 0,4
2 0,2 0,4
1 0,1



Die Feuerwehr sollte sich an der Stelle aufstellen.

Gemeinsame Verteilung

a)
b)
c)
d)
e)
f)
g)
h)

Glücksrad

Zufallsvariable : Punkt, an dem der Zeiger des Glücksrades stehen bleibt. Die stetige Zufallsvariable kann alle Werte des Intervalls annehmen. folgt der Rechteckverteilung:

, da die Wahrscheinlichkeit, dass eine stetige Zufallsvariable genau einen Wert annimmt, stets Null ist.

Herstellung eines Gutes

  • EUR; [EUR]
  • EUR; [EUR]
  • : ”Gewinn”; EUR; [EUR]

ICE

Intervall–Bestimmung

  • ; ; ;
  • ;

Kinder

Datei:5-1 Kinder.xlsx

  • Zuerst werden die möglichen Merkmalsausprägungen der Zufallsvariable bestimmt. Die kleinste Summe an Kinder bei drei Ziehungen ohne Zurücklegen ist zwei, z.B. , und die größte Summe ist zehn, z.B. .

    Für jede Merkmalsausprägung zwischen zwei und zehn können wir die Wahrscheinlichkeit des Auftretens mit Hilfe der Wk. nach Laplace bestimmen. Zunächst halten wir fest, dass es Möglichkeiten gibt (Ziehen ohne Zurücklegen und ohne Beachtung der Reihenfolge, da die Addition kommutativ ist), 3 Personen aus 6 Personen zu ziehen.

    Für jede Merkmalsausprägung lässt sich nun angeben (ohne Berücksichtigung der Reihenfolge) wieviele Möglichkeiten es gibt sie zu erhalten:

    Ereignisse
    2
    3 , , ,
    4 , ,
    5 ,
    6
    7 ,
    8 , ,
    9 , , ,
    10
  • Um den Wert der Verteilungsfunktion an einer Stelle zu erhalten, genügt es, die Werte der Wahrscheinlichkeitsfunktion bis zu dieser Stelle zu addieren, da es sich um eine diskrete Wahrscheinlichkeitsverteilung handelt. Z.B. ist der Wert der Verteilungsfunktion an der Stelle 5 gegeben durch Es gilt ebenfalls da sich zwischen 5 und 6 kein Ergebnis befindet, das mit positiver Wahrscheinlichkeit auftritt. Die Verteilungsfunktion hat also die für diskrete Verteilungen typische Sprungstellen an den Stellen, an denen Ergebnisse mit positiver Wahrscheinlichkeit auftreten. Die Ergebnisse für die anderen Stellen ergeben sich mit analoger Rechnung zu

  • Die gesuchten Wahrscheinlichkeiten werden wir nun unter Rückgriff auf die Verteilungsfunktion berechnen. Wir erinnern uns daher nocheinmal an die Definition der Verteilungsfunktion als Gesucht ist die Wahrscheinlichkeit , die wir direkt aus der Tabelle der Verteilungsfunktion in Aufgabenteil b) als abgelesen werden kann. Nun wird die Wahrscheinlichkeit gesucht. Um diese Wahrscheinlichkeit auf die Verteilungsfunktion zurückzuführen, verwenden wir den Trick der Berechnung über die Gegenwahrscheinlichkeit: Um die Wahrscheinlichkeit zu berechnen, greifen wir wieder auf die Verteilungsfunktion zurück:

Konstante a

Konstanten

  • ;

Lostrommel

  • : “Gewinn”; ; ;

    0 2 5
    0,55 0,4 0,05

Maschinenbauunternehmen

Bezeichnet X die zufällige Anzahl der abgesetzten Anlagen, so ergibt sich die Zufallsvariable G, die den Gewinn in Mio. EUR (bzw. den Verlust im Fall von Realisationen kleiner als Null) beschreibt, zu

mit der Wahrscheinlichkeitsverteilung


Anlagenzahl x 0 1 2 3 4 5
, 0,05 0,15 0,25 0,30 0,15 0,10
Verlust/Gewinn -1,0 -0,5 0,0 0,5 1,0 1,5


oder Der erwartete Gewinn der Abteilung beträgt 325.000 EUR.

Mautpflichtige Brücke

MegaShop


Platten

: “Länge einer Platte”; : “Breite einer Platte”; : “Fläche einer Platte”


5 6 f(x)
8 0,1 0,1 0,2
10 0,6 0,2 0,8
0,7 0,3 1,0

mm

Qualitätskontrolle

Anwendung des allgemeinen Multiplikationssatzes,
Erwartungswert einer diskreten Zufallsvariablen:
; die Ereignisse sind unvereinbar (disjunkt);
gegeben:




Rechteckverteilung

  • ;
  • ; ;

Spielkasino

1. Durchgang:
Es gibt vier mögliche Ereignisse , , und , wobei die grüne Münze an 1. Stelle und die rote Münze an 2. Stelle genannt wird, mit jeweils der Wahrscheinlichkeit von 0,25.
tritt ein, wenn (Z,Z), (W,Z), (Z,W) eintritt, damit ist .
tritt ein, wenn (W,W) eintritt, damit ist

2. Durchgang:
Es gibt zwei mögliche Ereignisse: die rote Münze zeigt Z bzw. W jeweils mit der Wahrscheinlichkeit .

, da ein unmögliches Ereignis ist.
, da ein sicheres Ereignis ist.
da
, da

Ergebnis:

Umweltschützer

  • Fässer;
    Fässer

  • 0 1 2
    3 2/16 1/16 1/16 1/4
    4 4/16 4/16 0 2/4
    5 3/16 1/16 0 1/4
    9/16 6/16 1/16 1,0
  • nein

  • : “Anzahl der an zwei aufeinanderfolgenden Tagen in einer Region gefundenen Fässer”;
    ; : “Erlös von 2 Fahrten an zwei aufeinanderfolgenden Tagen in einer Region”;
    ; EUR

Würfelspiel

{Erscheinen der gesetzten Zahl beim Werfen eines Würfels};


Ereignis Spielgewinn
125/216 125/216
25/216
25/216 75/216
25/216
5/216
5/216 15/216
5/216
1/216 1/216

Wegen der Unabhängigkeit der einzelnen Würfelergebnisse Anwendung des Multiplikationssatzes für unabhängige Ereignisse zur Berechnung der . Die sind disjunkt; Anwendung des Axioms 3 zur Berechnung der . ist eine diskrete Zufallsvariable.

Zufallsvariable X

Die Verteilungsfunktion von ist :


Zurückgelegte Strecke

Zufallsvariable
Erwartungswert km;Varianz (km); (km)
Da die Verteilung der Zufallsvariablen nicht bekannt ist, kann die gesuchte Wahrscheinlichkeit nicht exakt berechnet werden, sondern nur mittels der Tschebyschev–Ungleichung grob abgeschätzt werden:
mit bzw. für folgt: mit .

bzw.
Dies ist eine Abschätzung für die Wahrscheinlichkeit, dass die Zufallsvariable einen Wert außerhalb des 2–fachen zentralen Schwankungsintervalls annimmt. Die Formulierung in der Frage “um höchstens 24 (km) vom Erwartungswert abweicht” impliziert jedoch, dass Werte innerhalb eines zentralen Schwankungsintervalls annimmt:
mit .
Dies ist das Komplementärereignis zu , so dass das gesuchte Ergebnis wie folgt lautet:
bzw.
bzw.

Zweidimensionale Zufallsvariable

Wir charakterisieren zunächst die Wahrscheinlichkeitsfunktion der Summe. Dazu stellen wir zunächst fest, dass 2,3,4 und 5 als Summe von und dargestellt werden können. Nun müssen wir noch die jeweiligen Wahrscheinlichkeiten berechnen. Die Summe nimmt nur dann den Wert 2 an, wenn und beide den Wert 1 annehmen. Wir entnehmen der gemeinsamen Wahrscheinlichkeitsfunktion, dass dieser Fall mit einer Wahrscheinlichkeit von eintritt.
Die Summe kann den Wert 3 annehmen, wenn und (Wahrscheinlichkeit ist ) oder wenn und (Wahrscheinlichkeit ist 0,1). Damit ist die Wahrscheinlichkeit, dass die Summe den Wert 4 annimmt, . Analog werden die übrigen Wahrscheinlichkeiten berechnet. Die folgende Tabelle fasst die Ergebnisse zusammen:


2 3 4 5
0,1 0,4 0,3 0,2

Damit gilt für den Erwartungswert:

Zweidimensionale Zufallsvariable und Erwartungswert

Wir beginnen wieder mit dem Aufstellen der Wahrscheinlichkeitsfunktion von . Dazu stellen wir zunächst fest, dass das Produkt der Faktoren 1,2 und 3 mit 1,2 und 4 die Werte 1,2,3,4,6,8 und 12 annehmen kann. Nun müssen wir noch die jeweiligen Wahrscheinlichkeiten berechnen. Damit das Produkt den Wert 1 annimmt, müssen sowohl der erste als auch der zweite Faktor den Wert 1 annehmen. Da dies mit einer Wahrscheinlichkeit von 0,1 passiert, ist die Wahrscheinlichkeit, dass das Produkt den Wert 1 annimmt, 0,1 [1]. Es gibt zwei Ereignisse, die dazu führen, dass das Produkt den Wert 2 annimmt: Wenn und (Wahrscheinlichkeit ist ) oder und (Wahrscheinlichkeit ist 0,1) eintritt. Damit ist die Wahrscheinlichkeit dafür, dass das Produkt den Wert 2 annimmt, . Die anderen Wahrscheinlichkeiten werden analog berechnet und sind in der folgenden Tabelle aufgetragen.


y 1 2 3 4 6 8 12
f(y) 0,1 0,3 0,2 0,2 0,1 0 0,1

Damit ergibt sich für den Erwartungswert von

  1. Das gleiche Argument führt auf die Wahrscheinlichkeit, dass das Produkt den Wert 6 bzw. 12 annimmt.