Aufgaben:Aufgabe 4.5: 2D-Prüfungsauswertung: Unterschied zwischen den Versionen

Aus LNTwww
Wechseln zu:Navigation, Suche
Zeile 60: Zeile 60:
 
===Musterlösung===
 
===Musterlösung===
 
{{ML-Kopf}}
 
{{ML-Kopf}}
:<b>1.</b>&nbsp;und&nbsp;<b>2.</b>&nbsp;&nbsp;Die Mittelwerte <u><i>m<sub>t</sub></i> = 0.5 und <i>m<sub>p</sub></i> = 0.7</u> k&ouml;nnen aus der Skizze abgeschätzt und aus der angegebenen Gleichung exakt ermittelt werden. Die 2D&ndash;WDF der mittelwertfreien Gr&ouml;&szlig;e lautet:
+
'''(1)'''&nbsp; und '''(2)'''&nbsp; Die Mittelwerte $m_t\hspace{0.15cm}\underline{= 0.5}$  und $m_p\hspace{0.15cm}\underline{= 0.7}$ k&ouml;nnen aus der Skizze abgeschätzt und aus der angegebenen Gleichung exakt ermittelt werden. Die 2D&ndash;WDF der mittelwertfreien Gr&ouml;&szlig;e lautet:
 
:$$f_{\it t'p'}(\it  t', \it p') = \rm 13.263\cdot \rm exp\Bigg (-\frac{\it t'^{\rm 2}}{\rm 0.0288} - \frac{\it p'^{\rm 2}}{\rm 0.0072}+\frac{\it t'\cdot p'}{\rm 0.0090}\Bigg ). $$
 
:$$f_{\it t'p'}(\it  t', \it p') = \rm 13.263\cdot \rm exp\Bigg (-\frac{\it t'^{\rm 2}}{\rm 0.0288} - \frac{\it p'^{\rm 2}}{\rm 0.0072}+\frac{\it t'\cdot p'}{\rm 0.0090}\Bigg ). $$
 +
Zur Vereinfachung wird im Folgenden auf den Apostroph zur Kennzeichnung mittelwertfreier Gr&ouml;&szlig;en verzichtet. Sowohl $t$ als auch $p$ sind bis einschlie&szlig;lich der Teilaufgabe (4) als mittelwertfrei zu verstehen.
  
:Zur Vereinfachung wird im Folgenden auf den Apostroph zur Kennzeichnung mittelwertfreier Gr&ouml;&szlig;en verzichtet. Sowohl <i>t</i> als auch <i>p</i> sind bis einschlie&szlig;lich Aufgabe (d) als mittelwertfrei zu verstehen.
+
'''(3)'''&nbsp; Die allgemeine Gleichung einer mittelwertfreien 2D-Zufallsgr&ouml;&szlig;e lautet:
 +
:$$f_{\it tp}(\it  t, \it p)=\frac{\rm 1}{\rm 2\it \pi \cdot \sigma_{\it t} \cdot \sigma_{\it p} \cdot \sqrt{\rm 1- \it\rho^{\rm 2}}}\hspace{0.1cm}\cdot 
 +
\hspace{0.1cm}  \rm exp\Bigg\{-\hspace{0.1cm}\frac{\it t^{\rm 2}}{\rm 2 \cdot (\rm 1-\rho^{\rm 2})\cdot \sigma_{\it t}^{\rm 2}} \hspace{0.1cm}-\hspace{0.1cm}\frac{\it p^{\rm 2}}{\rm 2 \cdot (\rm 1-\it\rho^{\rm 2})\sigma_{\it p}^{\rm 2}}\hspace{0.1cm}+\hspace{0.1cm}\frac{\rho\cdot \it t\cdot \it p}{(\rm 1-\it \rho^{\rm 2})\cdot \sigma_{\it t}\cdot\sigma_{\it p}}\Bigg\}.$$
  
:<b>3.</b>&nbsp;&nbsp;Die allgemeine Gleichung einer mittelwertfreien 2D-Zufallsgr&ouml;&szlig;e lautet:
+
Die Standardabweichungen $\sigma_t$ und $\sigma_p$ sowie der Korrelationskoeffizient  $\rho$ lassen sich durch Koeffizientenvergleich ermitteln:
:$$f_{\it tp}(\it  t, \it p)=\frac{\rm 1}{\rm 2\it \pi\sigma_{\it t}\sigma_{\it p}\sqrt{\rm 1- \it\rho^{\rm 2}}}\hspace{0.1cm}\cdot  $$
+
*Ein Vergleich der beiden ersten Terme im Exponenten zeigt, dass $\sigma_t = 2 \cdot \sigma_p$ gelten muss. Damit lautet die WDF:
:$$\hspace{0.5cm}\cdot \hspace{0.1cm}  \rm exp\Bigg\{-\hspace{0.1cm}\frac{\it t^{\rm 2}}{\rm 2(\rm 1-\rho^{\rm 2})\sigma_{\it t}^{\rm 2}} \hspace{0.1cm}-\hspace{0.1cm}\frac{\it p^{\rm 2}}{\rm 2(\rm 1-\it\rho^{\rm 2})\sigma_{\it p}^{\rm 2}}\hspace{0.1cm}+\hspace{0.1cm}\frac{\rho\cdot \it t\cdot \it p}{(\rm 1-\it \rho^{\rm 2})\sigma_{\it t}\cdot\sigma_{\it p}}\Bigg\}.$$
+
:$$f_{\it tp}(\it  t, \it p)=\frac{\rm 1}{\rm 4\it \pi \cdot \sigma_{\it p}^{\rm 2} \cdot\sqrt{\rm 1- \it\rho^{\rm 2}}}\hspace{0.1cm}\cdot \hspace{0.1cm}\rm exp\Bigg\{-\hspace{0.1cm}\frac{\it t^{\rm 2}}{\rm 8\cdot (\rm 1-\rho^{\rm 2})\cdot \sigma_{\it p}^{\rm 2}} -\hspace{0.1cm}\frac{\it p^{\rm 2}}{\rm 2\cdot (\rm 1-\it\rho^{\rm 2})\cdot \sigma_{\it p}^{\rm 2}}+\hspace{0.1cm}\frac{\rho\cdot \it t\cdot \it p}{\rm 2\cdot (\rm 1-\it \rho^{\rm 2})\cdot\sigma_{\it p}^{\rm 2}}\Bigg\}.$$
 
+
*Aus dem zweiten Term des Exponenten folgt:
:Die Gr&ouml;&szlig;en <i>&sigma;<sub>t</sub></i>, <i>&sigma;<sub>p</sub></i> und <i>&rho;</i> lassen sich durch Koeffizientenvergleich ermitteln. Ein Vergleich der beiden ersten Terme im Exponenten zeigt, dass <i>&sigma;<sub>t</sub></i> = 2 &middot; <i>&sigma;<sub>p</sub></i> gelten muss. Damit lautet die WDF:
 
:$$f_{\it tp}(\it  t, \it p)=\frac{\rm 1}{\rm 4\it \pi\sigma_{\it p}^{\rm 2}\sqrt{\rm 1- \it\rho^{\rm 2}}}\hspace{0.1cm}\cdot $$
 
:$$\cdot\hspace{0.1cm}\rm exp\Bigg\{-\hspace{0.1cm}\frac{\it t^{\rm 2}}{\rm 8(\rm 1-\rho^{\rm 2})\sigma_{\it p}^{\rm 2}} -\hspace{0.1cm}\frac{\it p^{\rm 2}}{\rm 2(\rm 1-\it\rho^{\rm 2})\sigma_{\it p}^{\rm 2}}+\hspace{0.1cm}\frac{\rho\cdot \it t\cdot \it p}{\rm 2(\rm 1-\it \rho^{\rm 2})\cdot\sigma_{\it p}^{\rm 2}}\Bigg\}.$$
 
 
 
:Aus dem zweiten Term des Exponenten folgt:
 
 
:$$\rm 2\cdot(\rm 1-\it\rho^{\rm 2})\cdot\it\sigma_{\it p}^{\rm 2}=\rm 0.0072\hspace{0.5cm}\Rightarrow \hspace{0.5cm} \it \sigma_{\it p}^{\rm 2} = \frac{\rm 0.0036}{\it({\rm 1}-\rho^{\rm 2})}.$$
 
:$$\rm 2\cdot(\rm 1-\it\rho^{\rm 2})\cdot\it\sigma_{\it p}^{\rm 2}=\rm 0.0072\hspace{0.5cm}\Rightarrow \hspace{0.5cm} \it \sigma_{\it p}^{\rm 2} = \frac{\rm 0.0036}{\it({\rm 1}-\rho^{\rm 2})}.$$
 
+
*Der Faktor $K = 13.263$ liefert nun das Ergebnis
:Der Faktor <i>K</i> = 13.263 liefert nun das Ergebnis
 
 
:$$K = \frac{\sqrt{\rm 1-\it\rho^{\rm 2}}}{\rm 4\it\pi\cdot \rm 0.0036}=\rm 13.263 \hspace{0.5cm}\Rightarrow \hspace{0.5cm}\sqrt{\rm 1-\it\rho^{\rm 2}}=\rm 0.6 \hspace{0.5cm}\Rightarrow \hspace{0.5cm}\hspace{0.15cm}\underline{ \rm \rho = \rm 0.8}.$$
 
:$$K = \frac{\sqrt{\rm 1-\it\rho^{\rm 2}}}{\rm 4\it\pi\cdot \rm 0.0036}=\rm 13.263 \hspace{0.5cm}\Rightarrow \hspace{0.5cm}\sqrt{\rm 1-\it\rho^{\rm 2}}=\rm 0.6 \hspace{0.5cm}\Rightarrow \hspace{0.5cm}\hspace{0.15cm}\underline{ \rm \rho = \rm 0.8}.$$
 
+
*Daraus ergeben sich die Streuungen zu $\sigma_t\hspace{0.15cm}\underline{= 0.2}$ und  $\sigma_p\hspace{0.15cm}\underline{= 0.1}$. Zur Kontrolle verwenden wir den letzten Term des Exponenten:
:Daraus ergeben sich die beiden Streuungen zu <i>&sigma;<sub>p</sub></i> <u>= 0.1</u> und  <i>&sigma;<sub>t</sub></i> <u>= 0.2</u>. Zur Kontrolle kann der letzte Term des Exponenten verwendet werden:
 
 
:$$\frac{(\rm 1 - \it \rho^{\rm 2})\cdot\it\sigma_{\it t}\cdot\sigma_{\it p}}{\it \rho} = \rm \frac{0.36\cdot 0.1\cdot 0.2}{0.8} = \rm 0.009.$$
 
:$$\frac{(\rm 1 - \it \rho^{\rm 2})\cdot\it\sigma_{\it t}\cdot\sigma_{\it p}}{\it \rho} = \rm \frac{0.36\cdot 0.1\cdot 0.2}{0.8} = \rm 0.009.$$
 +
*Dies stimmt mit dem vorgegebenen Wert &uuml;berein.
  
:Dies stimmt mit dem vorgegebenen Wert &uuml;berein.
 
  
:<b>4.</b>&nbsp;&nbsp;Der <u>Lösungsvorschlag 1</u> ist richtig. Im Grunde genommen ist (<i>t</i>, <i>p</i>) keine echte Gau&szlig;sche Zufallsgr&ouml;&szlig;e, da beide Komponenten begrenzt sind. Die Wahrscheinlichkeiten f&uuml;r die Ereignisse <i>t</i> < 0, <i>t</i> > 1, <i>p</i> < 0 und <i>p</i> > 1 sind somit Null. Bei Gau&szlig;schen Gr&ouml;&szlig;en mit den hier vorliegenden Mittelwerten und Streuungen ergeben sich jedoch
+
'''(4)'''&nbsp; Der <u>Lösungsvorschlag 1</u> ist richtig.  
 +
*Im Grunde genommen ist $(t, p)$keine echte Gau&szlig;sche Zufallsgr&ouml;&szlig;e, da beide Komponenten begrenzt sind.  
 +
*Die Wahrscheinlichkeiten f&uuml;r die Ereignisse $t < 0$, $t >1$, $p < 0$ und $p >1$ sind somit Null.  
 +
*Bei Gau&szlig;schen Gr&ouml;&szlig;en mit den hier vorliegenden Mittelwerten und Streuungen ergeben sich jedoch
 
:$$\rm Pr(\it t < \rm 0) = \rm Pr(\it t > \rm 1) = \rm Q(2.5)\approx 6\cdot 10^{-3},$$
 
:$$\rm Pr(\it t < \rm 0) = \rm Pr(\it t > \rm 1) = \rm Q(2.5)\approx 6\cdot 10^{-3},$$
 
:$$\rm Pr(\it p > \rm 1) = \rm Q(3)\approx 1.3\cdot 10^{-3},$$
 
:$$\rm Pr(\it p > \rm 1) = \rm Q(3)\approx 1.3\cdot 10^{-3},$$
 
:$$\rm Pr(\it p < \rm 0) = \rm Q(7)\approx 10^{-12}.$$
 
:$$\rm Pr(\it p < \rm 0) = \rm Q(7)\approx 10^{-12}.$$
  
:Der Korrelationskoeffizient <i>&rho;</i> = 0.8 ist hier positiv. Hat der Pr&uuml;fling im theoretischen Teil eher gut abgeschnitten, so ist (zumindest bei dieser Aufgabe) zu erwarten, dass auch der praktische Teil gut l&auml;uft. Hier ist der Lösungsvorschlag 2 somit falsch. In der Praxis ist das sicher nicht immer so.
+
Der Korrelationskoeffizient $\rho = 0.8$ ist hier positiv. Hat der Pr&uuml;fling im Theorieteil eher gut abgeschnitten, so ist (zumindest bei dieser Aufgabe) zu erwarten, dass auch der praktische Teil gut l&auml;uft. Hier ist also der Lösungsvorschlag 2 falsch. In der Praxis ist das sicher nicht immer so.
 +
 
  
:<b>5.</b>&nbsp;&nbsp;F&uuml;r diese Wahrscheinlichkeit gilt mit &Delta;<i>t</i> = &Delta;<i>p</i> = 0.02:
+
'''(5)'''&nbsp; F&uuml;r diese Wahrscheinlichkeit gilt mit $\Delta t = \Delta p = 0.02$:
:$$\rm Pr\Bigg (( \rm 0.5-\frac{\rm\Delta\it t}{\rm 2}\le \it t \le \rm 0.5+\frac{\rm\Delta\it t}{\rm 2})\cap(\rm 0.5-\frac{\rm\Delta\it p}{\rm 2}\le \it p \le \rm 0.5+\frac{\rm\Delta\it p}{\rm 2})\Bigg)$$
+
:$$\rm Pr\left [( \rm 0.5-\frac{\rm\Delta\it t}{\rm 2}\le \it t \le \rm 0.5+\frac{\rm\Delta\it t}{\rm 2})\cap(\rm 0.5-\frac{\rm\Delta\it p}{\rm 2}\le \it p \le \rm 0.5+\frac{\rm\Delta\it p}{\rm 2})\right ] \approx  \rm\Delta\it t\cdot\rm\Delta\it p\cdot \it f_{tp}(t=\rm 0.5, \it p = \rm 0.5).$$
:$$\approx  \rm\Delta\it t\cdot\rm\Delta\it p\cdot \it f_{tp}(t=\rm 0.5, \it p = \rm 0.5).$$
 
  
:F&uuml;r die 2D-WDF gilt unter Ber&uuml;cksichtigung der Mittelwerte <i>m<sub>t</sub></i> = 0.5 und <i>m<sub>p</sub></i> = 0.7:
+
F&uuml;r die 2D-WDF gilt unter Ber&uuml;cksichtigung der Mittelwerte $m_t{= 0.5}$ und $m_p{= 0.7}$:
 
:$$f_{tp}(\it t=\rm 0.5, \it p=\rm 0.5) = \rm 13.263\cdot exp(-\frac{(-0.2)^{2}}{0.0072})\approx 0.0513.$$
 
:$$f_{tp}(\it t=\rm 0.5, \it p=\rm 0.5) = \rm 13.263\cdot exp(-\frac{(-0.2)^{2}}{0.0072})\approx 0.0513.$$
  
:Damit ergibt sich die gesuchte Wahrscheinlichkeit zu 0.02 &middot; 0.02 &middot; 0.0513 <u>&asymp; 2 &middot; 10<sup>&ndash;5</sup></u>.
+
Damit ergibt sich die gesuchte Wahrscheinlichkeit zu ${\rm Pr}[(0.49 ≤ t ≤0.51)∩(0.49≤ p ≤0.51)] =0.02 \cdot 0.02 \cdot 0.0513\hspace{0.15cm}\underline{\approx 2 &middot; 10^{-5}}$.
 
{{ML-Fuß}}
 
{{ML-Fuß}}
  

Version vom 20. März 2017, 14:40 Uhr

Betrachtete Gaußsche 2D-WDF

In einer Studie wurden die Meisterprüfungen für das Handwerk untersucht, die sich stets aus einem theoretischen und zusätzlich einem praktischen Teil zusammensetzen. In der Grafik bezeichnet

  • $t$ die Punktzahl in der theoretischen Prüfung,
  • $p$ die Punktzahl in der praktischen Prüfung.

Beide Zufallsgrößen ($t$ und $p$) sind dabei jeweils auf die Maximalpunktezahlen normiert und können deshalb nur Werte zwischen 0 und 1 annehmen.

Beide Zufallsgrößen sind zudem als kontinuierliche Zufallsgrößen zu interpretieren, das heißt: $t$ und $p$ sind nicht auf diskrete Zahlenwerte beschränkt.

Die Grafik zeigt die WDF $f_{tp}(t, p)$ der zweidimensionalen Zufallsgröße $(t, p)$, die nach der Auswertung von insgesamt $N = 10\hspace{0.05cm}000$ Abschlussarbeiten veröffentlicht wurde. Diese Funktion wurde mit Hilfe eines Auswertungsprogramms empirisch wie folgt angenähert:

$$f_{tp}(t,p) = \rm 13.263\cdot \rm exp \Bigg\{-\frac{(\it t - \rm 0.5)^{\rm 2}}{\rm 0.0288}-\frac{(\it p-\rm 0.7)^{\rm 2}}{\rm 0.0072} + \frac{(\it t-\rm 0.5)(\it p-\rm 0.7)}{\rm 0.0090}\Bigg\}.$$


Hinweise:

  • Die Aufgabe gehört zum Kapitel Zweidimensionale Gaußsche Zufallsgrößen.
  • Sollte die Eingabe des Zahlenwertes „0” erforderlich sein, so geben Sie bitte „0.” ein.
  • Die hier behandelte Thematik ist in zwei Lernvideos zusammengefasst:
Gaußsche Zufallsgrößen ohne statistische Bindungen
Gaußsche Zufallsgrößen mit statistischen Bindungen


Fragebogen

1

Wie groß ist der Mittelwert $m_t$ der im Theorieteil erzielten Ergebnisse?

$m_t \ = $

2

Wie groß ist der Mittelwert $m_p$ der im Praxisteilteil erzielten Ergebnisse? Geben Sie auch die WDF der mittelwertfreien Zufallsgröße $(t', p')$ an.

$m_p \ = $

3

Berechnen Sie die Streuungen (Standardabweichungen) $\sigma_t$ und $\sigma_p$ sowie den Korrelationskoeffizienten $\rho$ zwischen den beiden Größen an.

$\sigma_t \ = $

$\sigma_p \ = $

$\rho \ = $

4

Welche der folgenden Aussagen sind zutreffend?

Der Gauß-Ansatz ist für dieses Problem nur eine Näherung.
War ein Prüfling im Theoretieteil überdurchschnittlich gut, so ist zu erwarten, dass er in der Praxis eher schlecht ist.

5

Mit welcher Wahrscheinlichkeit hat ein Teilnehmer in der Theorie– und der Praxis–Prüfung jeweils zwischen $49\%$ und $51\%$ der Punkte erreicht?

${\rm Pr}[(0.49 ≤ t ≤0.51)∩(0.49≤ p ≤0.51)]\ = $

$\ \cdot 10^{-5}$


Musterlösung

(1)  und (2)  Die Mittelwerte $m_t\hspace{0.15cm}\underline{= 0.5}$ und $m_p\hspace{0.15cm}\underline{= 0.7}$ können aus der Skizze abgeschätzt und aus der angegebenen Gleichung exakt ermittelt werden. Die 2D–WDF der mittelwertfreien Größe lautet:

$$f_{\it t'p'}(\it t', \it p') = \rm 13.263\cdot \rm exp\Bigg (-\frac{\it t'^{\rm 2}}{\rm 0.0288} - \frac{\it p'^{\rm 2}}{\rm 0.0072}+\frac{\it t'\cdot p'}{\rm 0.0090}\Bigg ). $$

Zur Vereinfachung wird im Folgenden auf den Apostroph zur Kennzeichnung mittelwertfreier Größen verzichtet. Sowohl $t$ als auch $p$ sind bis einschließlich der Teilaufgabe (4) als mittelwertfrei zu verstehen.

(3)  Die allgemeine Gleichung einer mittelwertfreien 2D-Zufallsgröße lautet:

$$f_{\it tp}(\it t, \it p)=\frac{\rm 1}{\rm 2\it \pi \cdot \sigma_{\it t} \cdot \sigma_{\it p} \cdot \sqrt{\rm 1- \it\rho^{\rm 2}}}\hspace{0.1cm}\cdot \hspace{0.1cm} \rm exp\Bigg\{-\hspace{0.1cm}\frac{\it t^{\rm 2}}{\rm 2 \cdot (\rm 1-\rho^{\rm 2})\cdot \sigma_{\it t}^{\rm 2}} \hspace{0.1cm}-\hspace{0.1cm}\frac{\it p^{\rm 2}}{\rm 2 \cdot (\rm 1-\it\rho^{\rm 2})\sigma_{\it p}^{\rm 2}}\hspace{0.1cm}+\hspace{0.1cm}\frac{\rho\cdot \it t\cdot \it p}{(\rm 1-\it \rho^{\rm 2})\cdot \sigma_{\it t}\cdot\sigma_{\it p}}\Bigg\}.$$

Die Standardabweichungen $\sigma_t$ und $\sigma_p$ sowie der Korrelationskoeffizient $\rho$ lassen sich durch Koeffizientenvergleich ermitteln:

  • Ein Vergleich der beiden ersten Terme im Exponenten zeigt, dass $\sigma_t = 2 \cdot \sigma_p$ gelten muss. Damit lautet die WDF:
$$f_{\it tp}(\it t, \it p)=\frac{\rm 1}{\rm 4\it \pi \cdot \sigma_{\it p}^{\rm 2} \cdot\sqrt{\rm 1- \it\rho^{\rm 2}}}\hspace{0.1cm}\cdot \hspace{0.1cm}\rm exp\Bigg\{-\hspace{0.1cm}\frac{\it t^{\rm 2}}{\rm 8\cdot (\rm 1-\rho^{\rm 2})\cdot \sigma_{\it p}^{\rm 2}} -\hspace{0.1cm}\frac{\it p^{\rm 2}}{\rm 2\cdot (\rm 1-\it\rho^{\rm 2})\cdot \sigma_{\it p}^{\rm 2}}+\hspace{0.1cm}\frac{\rho\cdot \it t\cdot \it p}{\rm 2\cdot (\rm 1-\it \rho^{\rm 2})\cdot\sigma_{\it p}^{\rm 2}}\Bigg\}.$$
  • Aus dem zweiten Term des Exponenten folgt:
$$\rm 2\cdot(\rm 1-\it\rho^{\rm 2})\cdot\it\sigma_{\it p}^{\rm 2}=\rm 0.0072\hspace{0.5cm}\Rightarrow \hspace{0.5cm} \it \sigma_{\it p}^{\rm 2} = \frac{\rm 0.0036}{\it({\rm 1}-\rho^{\rm 2})}.$$
  • Der Faktor $K = 13.263$ liefert nun das Ergebnis
$$K = \frac{\sqrt{\rm 1-\it\rho^{\rm 2}}}{\rm 4\it\pi\cdot \rm 0.0036}=\rm 13.263 \hspace{0.5cm}\Rightarrow \hspace{0.5cm}\sqrt{\rm 1-\it\rho^{\rm 2}}=\rm 0.6 \hspace{0.5cm}\Rightarrow \hspace{0.5cm}\hspace{0.15cm}\underline{ \rm \rho = \rm 0.8}.$$
  • Daraus ergeben sich die Streuungen zu $\sigma_t\hspace{0.15cm}\underline{= 0.2}$ und $\sigma_p\hspace{0.15cm}\underline{= 0.1}$. Zur Kontrolle verwenden wir den letzten Term des Exponenten:
$$\frac{(\rm 1 - \it \rho^{\rm 2})\cdot\it\sigma_{\it t}\cdot\sigma_{\it p}}{\it \rho} = \rm \frac{0.36\cdot 0.1\cdot 0.2}{0.8} = \rm 0.009.$$
  • Dies stimmt mit dem vorgegebenen Wert überein.


(4)  Der Lösungsvorschlag 1 ist richtig.

  • Im Grunde genommen ist $(t, p)$keine echte Gaußsche Zufallsgröße, da beide Komponenten begrenzt sind.
  • Die Wahrscheinlichkeiten für die Ereignisse $t < 0$, $t >1$, $p < 0$ und $p >1$ sind somit Null.
  • Bei Gaußschen Größen mit den hier vorliegenden Mittelwerten und Streuungen ergeben sich jedoch
$$\rm Pr(\it t < \rm 0) = \rm Pr(\it t > \rm 1) = \rm Q(2.5)\approx 6\cdot 10^{-3},$$
$$\rm Pr(\it p > \rm 1) = \rm Q(3)\approx 1.3\cdot 10^{-3},$$
$$\rm Pr(\it p < \rm 0) = \rm Q(7)\approx 10^{-12}.$$

Der Korrelationskoeffizient $\rho = 0.8$ ist hier positiv. Hat der Prüfling im Theorieteil eher gut abgeschnitten, so ist (zumindest bei dieser Aufgabe) zu erwarten, dass auch der praktische Teil gut läuft. Hier ist also der Lösungsvorschlag 2 falsch. In der Praxis ist das sicher nicht immer so.


(5)  Für diese Wahrscheinlichkeit gilt mit $\Delta t = \Delta p = 0.02$:

$$\rm Pr\left [( \rm 0.5-\frac{\rm\Delta\it t}{\rm 2}\le \it t \le \rm 0.5+\frac{\rm\Delta\it t}{\rm 2})\cap(\rm 0.5-\frac{\rm\Delta\it p}{\rm 2}\le \it p \le \rm 0.5+\frac{\rm\Delta\it p}{\rm 2})\right ] \approx \rm\Delta\it t\cdot\rm\Delta\it p\cdot \it f_{tp}(t=\rm 0.5, \it p = \rm 0.5).$$

Für die 2D-WDF gilt unter Berücksichtigung der Mittelwerte $m_t{= 0.5}$ und $m_p{= 0.7}$:

$$f_{tp}(\it t=\rm 0.5, \it p=\rm 0.5) = \rm 13.263\cdot exp(-\frac{(-0.2)^{2}}{0.0072})\approx 0.0513.$$

Damit ergibt sich die gesuchte Wahrscheinlichkeit zu ${\rm Pr}[(0.49 ≤ t ≤0.51)∩(0.49≤ p ≤0.51)] =0.02 \cdot 0.02 \cdot 0.0513\hspace{0.15cm}\underline{\approx 2 · 10^{-5}}$.