Institut für Mathematische Stochastik Universität Karlsruhe Prof. Dr. G. Last WS 2002/2003 19. 03. 2003 Klausur zum Fach Stochastik“ ” für Studierende des Lehramts Name: Vorname: Matrikelnummer: Hilfsmittel sind nicht zugelassen! Aufgabe Punkte Korrektor 1 (3) 2 (3) 3 (3) 4 (3) P (12) Aufgabe 1 (3 Punkte) X, Y seien zwei Zufallsvariablen mit Werten in {−1, 0, 1} bzw. {0, 1}. Ferner seien die Wahrscheinlichkeiten 5 1 P(X = −1) = , P(X = 0) = 12 3 sowie die bedingten Wahrscheinlichkeiten 4 , 5 3 P(Y = 1|X = 0) = , 4 2 P(Y = 1|X = 1) = 3 P(Y = 1|X = −1) = gegeben. a) Berechnen Sie den Erwartungswert EX. b) Berechnen Sie die Verteilung von Y . c) Berechnen Sie E[X · Y ]. d) Berechnen Sie die Kovarianz von X und Y . Sind X und Y unkorreliert? Lösung zu Aufgabe 1 a) Mit P(X = 1) = 1 − P(X = −1) − P(X = 0) = 1 − folgt EX = (−1) · 0.5 P 5 1 1 − = 12 3 4 5 1 1 1 +0· +1· = − . 12 3 4 6 b) Mit P(Y = 1, X = −1) = P(Y = 1|X = −1) · P(X = −1) = 3 · 4 2 P(Y = 1, X = 1) = P(Y = 1|X = 1) · P(X = 1) = · 3 P(Y = 1, X = 0) = P(Y = 1|X = 0) · P(X = 0) = 4 5 1 3 1 4 5 1 = , 12 3 1 = , 4 1 = 6 · folgt 1P P(Y = 1) = P(Y = 1, X = −1) + P(Y = 1, X = 0) + P(Y = 1, X = 1) 1 1 1 3 = + + = 3 4 6 4 sowie P(Y = 0) = 1/4. c) 0.5 P E[X · Y ] = (−1) · 1 · P(Y = 1, X = −1) + 1 · 1 · P(Y = 1, X = 1) 1 1 1 − + = − 3 6 6 d) Mit EY = 3/4 folgt 0.5 P 0.5 P C(X, Y ) = E[XY ] − EX · EY µ ¶ 1 1 3 1 = − − − · = − , 6 6 4 24 somit sind X und Y nicht unkorreliert. Aufgabe 2 (3 Punkte) Betrachten Sie folgendes Zufallsexperiment: Eine fairer (sechsseitiger) Würfel (mit den Zahlen Eins“ bis Sechs“) wird höchstens dreimal geworfen. Wird im ersten Wurf eine Sechs“ ” ” ” geworfen, wird der Würfel ein zweites Mal geworfen. Bei keiner Sechs“ wird der Würfel ” kein zweites Mal geworfen. Wird dann im zweiten Wurf eine Sechs“ geworfen, wird der ” Würfel ein drittes Mal geworfen. Bei keiner Sechs“ wird er kein drittes Mal geworfen. Die ” Zufallsvariable X1 ∈ {0, 1, 2, 3} beschreibe die Anzahl der geworfenen Zahlen Sechs“. ” a) Bestimmen Sie die Verteilung von X1 . b) Zeigen Sie: EX1 = 43 . 216 c) Das obige Zufallsexperiment wird nun n-mal in unabhängiger Folge durchgeführt. Die Zufallsvariable Xj bezeichne die Anzahl der beim j-ten Experiment (insgesamt) geworn P fenen Zahlen Sechs“. Ferner sei Sn := Xj die Gesamtzahl aller geworfenen Zahlen ” j=1 Sechs“. ³ ” n´ = 0. Zeigen Sie: lim P Sn > n→∞ 5 Lösung zu Aufgabe 2 a) 5 6 1 P(X1 = 1) = 6 1 P(X1 = 2) = 6 1 P(X1 = 3) = 6 P(X1 = 0) = 1.5 P 5 6 1 · 6 1 · 6 · = 5 36 5 5 = 6 216 1 1 · = 6 216 · b) 0.5 P 1P EX1 = 0 · 5 5 5 1 43 +1· +2· +3· = 6 36 216 216 216 c) Mit dem schwachen Gesetz großer Zahlen folgt µ ¶ µ ¶ ³ 43 1 Sn 1 n´ = P Sn − n> n = P − EX1 > 0 ≤ P Sn > 5 216 5 · 216 n 1080 ¯ µ¯ ¶ ¯ Sn ¯ 1 ≤ P ¯¯ − EX1 ¯¯ > −→ 0, n → ∞. n 1080 Aufgabe 3 (3 Punkte) Der Zufallsvektor (X, Y ) besitze die gemeinsame Dichte f (x, y) = c e−λy 1{0<x<y} für ein λ > 0 und ein c = c(λ) > 0. a) Zeigen Sie: c = λ2 . b) Bestimmen Sie jeweils die Dichte der Randverteilung von X bzw. Y . c) Bestimmen Sie die Dichte der Verteilung von X + Y . Lösung zu Aufgabe 3 a) Wegen Z Z ∞ 1 = ∞ f (x, y) dxdy −∞ Z −∞ ∞Z ∞ e−λy dy dx ¸∞ Z0 ∞ · x 1 −λy = c dx − e λ 0 x Z ∞ 1 −λx = c e dx λ 0 · ¸∞ c 1 −λx c = − e = 2 λ λ λ 0 = c 0.5 P 0.5 P muss c = λ2 gelten. b) Für die Dichte fX von X gilt für x > 0 Z ∞ Z ∞ fX (x) = f (x, y) dy = λ2 e−λy dy −∞ x · ¸∞ 1 = λ2 − e−λy dx = λe−λx λ x (0, sonst), d.h. X ∼ Exp(λ). Für die Dichte fY von Y gilt für y > 0 Z ∞ Z y fY (y) = f (x, y) dx = λ2 e−λy dx −∞ = λ2 ye−λy 0.5 P (0, sonst), d.h. Y ∼ Γ(2, λ). 0 c) Für s > 0 gilt (Skizze des Integrationsbereichs!) Z s/2 Z s−x G(s) := P(X + Y ≤ s) = λ2 e−λy dy dx 0 x ¸s−x Z s/2 · 1 −λy 2 = λ − e dx λ 0 x Z s/2 £ −λ(s−x) ¤ = −λ e − e−λx dx £ 0 ¤s/2 = − e + e−λx 0 h λ i −2s −λ s −λs 2 = − e +e −e −1 −λ(s−x) λ = 1 + e−λs − 2e− 2 s . 1.5 P Somit erhält man für die Dichte g von X + Y ³ λ ´ g(s) = G0 (s) = λ e− 2 s − e−λs 1{s>0} . Aufgabe 4 (3 Punkte) Gegeben seien λ > 0 und die Funktion ½ 2 −λx λ xe , f (x) = 0, für x > 0, für x ≤ 0. a) Zeigen Sie, dass f eine Dichtefunktion ist. Es sei X eine Zufallsvariable mit Dichte f . b) Bestimmen Sie den Erwartungswert von X. c) Finden Sie eine auf (0, ∞) streng monoton fallende Funktion g : IR → IR mit der Eigenschaft Eg(X) = 1. d) Bestimmen Sie den Maximum-Likelihood-Schätzer λ̂ für λ auf der Basis von n unabhängigen Zufallsvariablen X1 , . . . , Xn mit Dichte f . Lösung zu Aufgabe 4 a) Z ∞ Z 2 −λx λ xe ∞ x · λe−λx dx 0 Z ∞ £ ¤ −λx ∞ λe−λx dx = λ −xe + 0 dx = λ 0 0 = 0+1 = 1 0.5 P b) Z Z ∞ 0.5 P x · λ xe −λx ∞ dx = λ x2 · λe−λx dx 0 Z ∞ 0 £ 2 −λx ¤∞ = λ −x e +λ 2xe−λx dx 0 0 Z 2 ∞ 2 −λx 2 = 0+ λ xe dx = λ 0 λ EX = 2 c) Es ist naheliegend, sich zunächst die Funktion ½ −1 x , für x > 0, h(x) = 0, für x ≤ 0 anzuschauen. Es gilt Z ∞ Eh(X) = 0 0.5 P ¤∞ £ λ2 e−λx dx = λ −e−λx 0 = λ. Also hat g(x) := λ−1 h(x) die gewünschte Eigenschaft. d) Die Likelihood-Funktion hat die Gestalt L(λ) = n Y f (Xi ) = λ 2n n Y i=1 log L(λ) = 2n log λ + Also löst 0.5 P 0.5 P n X log Xi − λ i=1 sowie Pn i=1 Xi . i=1 Damit ist 0.5 P Xi · e−λ n X Xi i=1 n d 2n X log L(λ) = − Xi . dλ λ i=1 2n λ̂ = Pn i=1 Xi d d die Gleichung dλ log L(λ) = 0. Für λ < λ̂ gilt dλ log L(λ) > 0 und für λ > λ̂ gilt d log L(λ) < 0. Also ist λ̂ eine Maximalstelle von L. dλ