Aufgabe 2.2Z: Diskrete Zufallsgrößen

Aus LNTwww
Wechseln zu:Navigation, Suche

P ID84 Sto Z 2 2.png
Gegeben seien drei diskrete Zufallsgrößen a, b und c, die als die Momentanwerte der dargestellten Signale definiert seien. Diese besitzen folgende Eigenschaften:
Die Zufallsgröße $a$ kann die Werte +1 und -1 mit gleicher Wahrscheinlichkeit annehmen.
Auch die Zufallsgröße $b$ ist zweipunktverteilt, aber mit $Pr(b = 1) = p$ und $Pr(b = 0) = 1 - p$.
Die Wahrscheinlichkeiten der Größe $c$ seien $Pr(c = 0) = 1/2$, $Pr(c = +1) = Pr(c = -1) =1/4$.
Zwischen diesen drei Zufallsgrößen bestehen keine statistischen Abhängigkeiten.
Aus den Zufallsgrößen $a$, $b$ und $c$ wird eine weitere Zufallsvariable $d$ gebildet:
$$d=a-\rm 2\it b+c.$$
Die Grafik zeigt Ausschnitte dieser vier Zufallsgrößen. Es ist zu erkennen, dass $d$ alle ganzzahligen Werte zwischen -4 und +2 annehmen kann.



Hinweis: Die Aufgabe bezieht sich auf Kapitel 2.2. Eine Zusammenfassung bietet das folgende Lernvideo:


Fragebogen

1

Wie groß ist die Streuung der Zufallsgröße a?

$\sigma_a$ =

2

Wie groß ist die Streuung der Zufallsgröße b? Setzen Sie p = 0.25.

$p\ =\ 0.25:\ \ \sigma_b$ =

3

Wie groß ist die Streuung der Zufallsgröße c?

$\sigma_c$ =

4

Berechnen Sie den Mittelwert md der Zufallsgröße für p = 0.25.

$p\ =\ 0.25:\ \ \ m_d$ = -

5

Wie groß ist der quadratische Mittelwert m2d dieser Zufallsgröße.

$p\ =\ 0.25:\ \ \ m_\text{2d}$ =

6

Wie groß ist die Streuung σd?

$p\ =\ 0.25:\ \ \ \sigma_d$ =


Musterlösung

1.  Aufgrund der Symmetrie gilt:
$$\rm \it m_{\it a}=\rm 0; \hspace{0.5cm}\it m_{\rm 2\it a}=\rm 0.5\cdot (-1)^2 + 0.5\cdot (1)^2{ = 1}.$$
Daraus erhält man mit dem Satz von Steiner:
$$\it\sigma_a^{\rm 2} = \rm\sqrt{1-0^2}=1 \hspace{0.5cm}bzw. \hspace{0.5cm}\it\sigma_a\hspace{0.15cm} \underline{=\rm 1}.$$
2.  Allgemein gilt für das Moment k-ter Ordnung:
$$ \it m_{\it k}=(\rm 1-\it p)\rm \cdot 0^{\it k} + \it p\cdot \rm 1^{\it k}=\it p.$$
Daraus folgt mit p = 1/4:
$$\it m_{\it b}= \it m_{\rm 2\it b}= \it p, \hspace{0.5cm} \it \sigma_{\it b}=\sqrt{\it p\cdot (\rm 1- p)}\hspace{0.15cm} \underline{=\rm 0.433} .$$
3.  Für die Zufallsgröße c gilt:
$$\rm \it m_{\it c} = \rm 0\hspace{0.1cm} (symmetrisch\hspace{0.1cm}um\hspace{0.1cm}0), \hspace{0.5cm}\it m_{\rm 2\it c}= \rm \frac{1}{4}\cdot(-1)^2+\frac{1}{2}\cdot 0^2+\frac{1}{4}\cdot (1)^2=\frac{1}{2}.$$
$$ \Rightarrow \hspace{0.5cm}\sigma_{\it c}=\rm \sqrt{1/2}\hspace{0.15cm} \underline{=0.707}.$$
4.  Nach den allgemeinen Regeln für Erwartungswerte gilt mit p = 0.25:
$$m_{\it d} = \rm E[\it a-\rm 2\it b+\it c]=\rm E[\it a] \hspace{0.1cm} -\hspace{0.1cm}\rm 2 \hspace{0.05cm}\cdot\hspace{0.05cm}\rm E[\it b]\hspace{0.1cm}+\hspace{0.1cm}\rm E[\it c] \\ = \it m_{\it a}\hspace{0.1cm}-\hspace{0.1cm}\rm 2\hspace{0.05cm}\cdot\hspace{0.05cm}\it m_{\it b}\hspace{0.1cm}+\hspace{0.1cm}\it m_{\it c} = \rm 0-2\hspace{0.05cm}\cdot\hspace{0.05cm}\it p + \rm 0 \hspace{0.15cm} \underline{= -0.5}.$$
5.  Analog zu Punkt 4. erhält man für den quadratischen Mittelwert:
$$m_{\rm 2\it d}=\rm E[( a-\rm 2\it b+\it c)^{\rm 2}] = \rm E[\it a^{\rm 2}]\hspace{0.1cm}+\hspace{0.1cm}\rm 4\hspace{0.05cm}\cdot\hspace{0.05cm}\rm E[\it b^{\rm 2}]\hspace{0.1cm}+\hspace{0.1cm}\rm E[\rm \it c^{\rm 2}]\hspace{0.1cm}\\ - \hspace{0.1cm}\rm 4\hspace{0.05cm}\cdot\hspace{0.05cm}\rm E[\it a\hspace{0.05cm}\cdot \hspace{0.05cm}b]\hspace{0.1cm}+\hspace{0.1cm}\rm 2\hspace{0.05cm}\cdot\hspace{0.05cm}\rm E[\it a\hspace{0.05cm}\cdot \hspace{0.05cm}c]\hspace{0.1cm}-\hspace{0.1cm}\rm 4\hspace{0.05cm}\cdot\hspace{0.05cm}\rm E[\it b\hspace{0.05cm}\cdot \hspace{0.05cm}c].$$
Da aber a und b statistisch voneinander unabhängig sind, gilt auch:
$$\rm E[\it a\cdot b] = \rm E[\it a] \cdot \rm E[\it b]= \it m_{\it a}\cdot \it m_{\it b} = \rm 0, \hspace{0.1cm} da\hspace{0.1cm} \it m_{\it a}=\rm 0.$$
Gleiches gilt für die anderen gemischten Terme. Daher erhält man mit p = 0.25:
$$ \it m_{\rm 2\it d}=\it m_{\rm 2\it a}+\rm 4\cdot\it m_{\rm 2\it b}+\it m_{\rm 2\it c}=\rm 1+4\cdot \it p+\rm 0.5\hspace{0.15cm} \underline{=\rm 2.5}.$$
6.  Für allgemeines p bzw. für p = 0.25 ergibt sich:
$$\it \sigma_{\it d}^{\rm 2}=\rm1.5+4\cdot \it p - \rm 4 \cdot \it p^{\rm 2}=\rm 2.25 \hspace{0.5cm}\Rightarrow \hspace{0.5cm} \it \sigma_{\it d}\hspace{0.15cm} \underline{=\rm 1.5}.$$
Die maximale Varianz ergäbe sich für p = 0.5 zu σd2 = 2.5.