Zum Inhalt springen

Mathematik: Wahrscheinlichkeitstheorie: DW: K6: Erwartung von Funktionen von Zufallsvariablen

Aus Wikibooks

←  zurück   -  zum Inhaltsverzeichnis   -  weiter  →

K6: Erwartung von Funktionen von Zufallsvariablen

Diskrete Wahrscheinlichkeitsrechnung

6.3 Erwartung von Funktionen von Zufallsvariablen

[Bearbeiten]

Oft müssen wir die Erwartung einer Funktion einer oder mehrerer Zufallsvariablen bestimmen. Wir betrachten zuerst ein Beispiel.

Beispiel 1

[Bearbeiten]

Wir werfen eine faire Münze solange bis wir "Kopf" werfen. Die Zufallsvariable N bezeichnet die benötigte Anzahl Würfen und ist geometrisch verteilt mit Parameter 1/2. Wenn wir n Würfe brauchten, bekommen wir einen Betrag 2−n ausgezahlt. Die Ausbezahlung nennen wir X. Sie ist eine Funktion von N, und zwar X=2−n. Für die erwartete Ausbezahlung berechnen wir:

EX=∑x∈SXxP(X=x)=12P(X=12)+14P(X=14)+18P(X=18)+....

Nun ist

P(X=2−n)=P(N=n)=(12)n,

also ist:

EX=∑n=1∞(12)n(12)n=∑n=1∞(14)n=141−14=13.

Es zeigt sich, dass wir auf selbstverständliche Weise schreiben können:

EX=E2−N=∑n=1∞(12)nP(N=n),

wobei EX in der Verteilung von N ausgedrückt ist. Wir brauchen also nicht zuerst die Verteilung von X zu bestimmen.

Was wir im Beispiel sahen, gilt ganz allgemein, wie der nächste Satz zeigt.

Satz 6.3.1

[Bearbeiten]

Es seien X1,…,Xn Zufallsvariablen und g:ℝn→ℝ eine Funktion, dann ist

Eg(X1,...,Xn)=∑x1,...,xng(x1,...,xn)P(X1=x1,...,Xn=xn).

Dabei wird also summiert über alle möglichen Werte (x1,…,xn) von(X1,…,Xn).

Beweis.

Nenne X=(X1,…,Xn) und x=(x1,…,xn). Dann gilt für die Zufallsvariable g(X):

Eg(X)=∑s∈Sg(X(s))p(s)=∑xg(x)P(X=x)


Um die Erwartung einer Funktion Y=g(X) von X zu bestimmen, brauchen wir also nicht zuerst die Verteilung von Y zu berechnen, sondern können mit dem obigen Satz die Erwartung Eg(X) direkt mittels der Verteilung von X bestimmen.

Beispiel 2 (zweimal Würfeln (Fortsetzung))

[Bearbeiten]

Die Zufallsvariablen Z=X+Y und M=max⁡(X,Y) sind Funktionen der Augenzahlen X und Y zw. des ersten und des zweiten Wurfs. Wir berechnen:

EZ=E(X+Y)=∑x=16∑y=16(x+y)P(X=x,Y=y)=136∑x=16∑y=16(x+y)=7

und

EM=Emax⁡(X,Y)=∑x=16∑y=16max⁡(x,y)P(X=x,Y=y)=136∑x=16∑y=16max⁡(x,y)=
=136∑m=16m(2m−1)=16136.

Für die letztere Summe bedenken wir, dass es 2m−1 Paare (x,y) gibt, für die max⁡(x,y)=m.

Merke auf, dass E(X+Y)=EX+EY. In einem weiteren Paragrafen werden wir sehen, dass diese Beziehung allgemein gültig ist.

Wir vergleichen dieses Ergebnis mit einer Berechnung von EZ und EM mittels der Verteilungen von Z und M:

EZ=∑z=212zP(Z=z)=2×136+2×336+4×336+…+12×136=7

und

EM=∑m=16mP(M=m)=1×136+2×336+…+6×1136=16136.