Fortgeschrittene Statistik Prof. Dr. Bernd Wilfling Dipl.-Volksw. Sarah Meyer Wintersemester 2014/2015 Übungsblatt 4 1. Betrachten Sie den 2-dimensionalen Zufallsvektor X = (X, Y )0 . Dieser sei multivariat normalverteilt µ= (µX , µY )0 sowie Kovari 2 mit Erwartungswertvektor σX σXY mit σY X = σXY = Cov(X, Y ). Es bezeichne anzmatrix Σ = σY X σY2 ρ = Corr(X, Y ) den Korrelationskoeffizienten zwischen X und Y . Zeigen Sie mit Hilfe der Definition der multivariaten Normalverteilung, dass für die gemeinsame Dichte von X und Y gilt: 1 1 p exp − fX,Y (x, y) = 2(1 − ρ2 ) 2πσX σY 1 − ρ2 (x − µX )2 2ρ(x − µX )(y − µY ) (y − µY )2 × − + 2 σX σX σY σY2 . 2. Betrachten Sie die gleiche Ausgangssituation wie in Aufgabe 1. Beweisen Sie die folgende Aussage: “X und Y sind genau dann stochastisch unabhängig, wenn ρ(X, Y ) = 0 gilt.” 3. Betrachten Sie die gleiche Ausgangssituation wie in Aufgabe 1. Zeigen Sie, dass für die bedingten Verteilungen von X und Y gilt X|Y = y ∼ N Y |X = x ∼ N σX 2 2 µX + ρ (y − µY ), σX (1 − ρ ) , σY σY 2 2 µY + ρ (x − µX ), σY (1 − ρ ) . σX 4. Es seien X1 , X2 , X3 unkorrelierte Zufallsvariablen mit identischer Varianz σ 2 . Bestimmen Sie den Korrelationskoeffizienten von X1 + X2 und X2 + X3 . 5. Es seien X1 , X2 unkorrelierte Zufallsvariablen mit Varianzen σi2 , i = 1, 2. Bestimmen Sie den Korrelationskoeffizienten von X1 + X2 und X2 − X1 . 1 6. Gegeben seien die stochastisch unabhängigen und identisch verteilten Zufallsvariablen X1 und X2 mit der Dichtefunktion 1, für x ∈ [0, 1] für i = 1, 2. fXi (x) = 0, sonst Bestimmen Sie die Dichtefunktion von Y = X1 + X2 . 7. Gegeben sei eine Zufallsvariable X mit Dichtefunktion fX (x) und Verteilungsfunktion FX (x). Betrachten Sie die Funktion g(x) = exp(a · x + b). Ermitteln Sie die Verteilungsfunktion und die Dichte von Y = g(X). 8. Es seien X1 , ..., Xn stochastisch unabhängige Zufallsvariablen mit Xi ∼ N (µi , σi2 ). Des Weiteren seien a1 , ..., an ∈ R konstante Zahlen. Bestimmen Sie die Verteilung P der gewichteten Summe Y = ni=1 ai Xi . 9. Es sei X1 , . . . , Xn eine einfache Stichprobe aus einer unbekannten Verteilung mit P µ und σ 2 < ∞. Ferner seien a1 , . . . , an ∈ R Zahlen mit ni=1 ai = 1. (a) Zeigen Sie, dass µ ist. Pn i=1 ai Xi ein unverzerrter Schätzer für den Erwartungswert (b) Zeigen Sie für den Fall n = 2, dass a1 = a2 = 0.5 die Varianz des Schätzers minimiert. 2