Technische Universität München Zentrum Mathematik Prof. Dr. M. Ulbrich Dr. M. Kaplan, Dr. G. Müller SoS 2008 Blatt 13 Höhere Mathematik 4 für Elektro- und Informationstechnik Zentralübung (7. Juli 2008) Z 25) Erzeugung von Zufallszahlen Ein Zufallszahlen-Generator erzeuge Realisierungen einer Zufallsvariable X ∼ R(0, 1). Sei F eine stetige und streng monoton wachsende Verteilungsfunktion. a) Zeigen Sie: Die Zufallsvariable Y := F −1 (X) hat die Verteilungsfunktion F . b) Ein Computer erzeugt in der Regel nur Zufallszahlen aus R(0, 1) und gewinnt Realisierungen aus anderen Verteilungen mit Hilfe geeigneter Transformationen. Wie könnten Sie z.B. unter Verwendung von a) aus rechteckverteilten Zufallszahlen solche erzeugen, die exponentialverteilt sind mit Parameter λ > 0? Z 26) Affine Transformationen von Zufallszahlen Sei X eine Zufallsvariable. Für beliebiges a > 0, b ∈ R definieren wir die Zufallsvariable Y := aX + b. a) Zeigen Sie: Var(Y ) = a2 Var(X). b) Sei nun X rechteckverteilt auf [0, 1]. Welche Verteilung hat Y ? Z 27) St. Petersburger Paradox Das sogenannte St. Petersburger Spiel funktioniert folgendermaßen: Man wirft eine Münze. Zeigt sie Kopf, erhält man 2 Euro und das Spiel ist beendet, zeigt sie Zahl, darf man nochmals werfen. Wirft man beim zweiten Wurf nun Kopf, erhält man 4 Euro und das Spiel ist beendet, wirft man wieder Zahl, so darf man ein drittes mal werfen. Hier erhält man bei Kopf 8 Euro und das Spiel ist aus, bei Zahl darf man ein viertes Mal werfen usw. Die Zufallsvariable X beschreibe nun den Gewinn bei diesem Spiel. a) Wie groß ist die Wahrscheinlichkeit, dass das Spiel nach genau n Würfen beendet ist? b) Wie groß ist die Wahrscheinlichkeit, dass das Spiel länger als n Würfe dauert? c) Wie groß ist die Wahrscheinlichkeit, dass das Spiel ewig dauert? d) Berechnen Sie den erwarteten Gewinn pro Spiel, d.h. E(X). bitte wenden! Tutorübungen und Hausaufgaben (9.-14. Juli 2008) T 44) Dichte und Verteilungsfunktion Plotten Sie jeweils entweder die Funktion x 7→ P (X = x) oder die Dichte für nachfolgende Fälle, sowie jeweils die zugehörige Verteilungsfunktion. a) X ∼ Bin(10, 0.2) e) X ∼ Ex(0.5) b) X ∼ Bin(10, 0.8) f) X ∼ Ex(5) c) X ∼ Poisson(0.5) g) X ∼ N(0, 1) d) X ∼ Poisson(5) h) X ∼ N(4, 4) T 45) Erwartungswert und Varianz der geometrischen Verteilung Für die Zufallsvariable G gelte P (G = k) = (1 − q)q k , k ∈ {0, 1, 2, . . .}, wobei q ∈ (0, 1). a) Geben Sie die Verteilungsfunktion FG : R → R von G an. b) Berechnen Sie den Erwartungswert und die Varianz von G. c) Welchen Erwartungswert und welche Varianz hat also eine (wie in der Vorlesung definierte) geometrisch verteilte Zufallsvariable X mit Parameter p? T 46) Snooker In den Snookerregeln (vgl. z.B. http://www.snooker4u.ch/SnookerRegeln.htm) findet sich folgender Satz: ”Die Bälle sollen [...] alle einen Durchmesser von 52.5mm mit einer Toleranz von 0.05mm haben”. Ein Hersteller solcher Kugeln hat festgestellt, dass seine Maschine Kugeln produziert, deren Durchmesser D (in mm) in jedem einzelnen Fertigungsvorgang durch folgende Dichte beschreibbar ist: für x < 52.4 0 5π cos[5π(x − 52.5)] für 52.4 ≤ x ≤ 52.6 fD (x) = 2 0 für 52.6 < x a) Skizzieren Sie fD und weisen Sie nach, dass es sich bei fD tatsächlich um eine Dichte handelt! b) Wie groß ist die Wahrscheinlichkeit, dass die Maschine bei einem einzelnen Fertigungsvorgang eine regelkonforme Kugel produziert? c) Geben Sie einen integralfreien Ausdruck für die Verteilungsfunktion FD des Durchmessers einer Kugel an! T 47) Tschebychev-Ungleichung a) Sei X eine Zufallsvariable mit Dichte f (x) und E(X) = µ ∈ R, Var(X) = σ 2 > 0. Beweisen Sie für ε > 0 die Tschebyschev-Ungleichung σ2 . ε2 b) Die Belastbarkeit X eines Stahlträgers in Tonnen wird als Zufallsvariable betrachtet. Bekannt ist, dass die Varianz beschränkt ist, genauer sogar Var(X) ≤ 4. Der Mittelwert µ ist in der Größenordnung von 100, ansonsten aber unbekannt. Schätzen Sie mit der Tschebyschev-Ungleichung die Wahrscheinlichkeit, dass X um weniger als 10 Tonnen vom Mittelwert abweicht. P (|X − µ| ≥ ε) ≤