Stochastische Unabhängigkeit von Zufallsvariablen
Zwei Zufallsvariablen X und Y heißen stochastisch unabhängig , wenn der Wert der einen nichts über die Wahrscheinlichkeiten der anderen verrät. Das ist die Übertragung der stochastischen Unabhängigkeit von Ereignissen auf Zufallsvariablen – nur muss die Bedingung jetzt für alle Wertepaare gelten. In der Tabelle der gemeinsamen Verteilung heißt das: Jedes Feld ist das Produkt seiner Randwahrscheinlichkeiten. X (Werte x 1, ldots, x n ) und Y (Werte y 1, ldots, y m ) sind unabhängig , wenn für alle x i und y j gilt: P(X = x i; , Y = y j) = P(X = x i) cdot P(Y = y j) Ist diese Gleichung auch nur für ein Paar verletzt, sind X und Y abhängig . In Worten: gemeinsame Verteilung = Produkt der Randverteilungen. Folgerungen für unabhängige X , Y : - E(X cdot Y) = E(X) cdot E(Y) - text{Var}(X + Y) = text{Var}(X) + text{Var}(Y) Vorgehen: Randverteilungen bestimmen, für jedes Feld das Produkt der Ränder bilden und mit dem Feld vergleichen. Ein einziges Gegenbeispiel genügt für „abhängig“. Beispiel 1: Zwei Würfel X = Augenzahl des ersten Würfels, Y = Augenzahl des zweiten. Für jedes Paar gilt P(X = i; , Y = j) = frac{1}{36} = frac{1}{6} cdot frac{1}{6} = P(X = i) cdot P(Y = j) X und Y sind unabhängig – die Würfel beeinflussen sich nicht. Beispiel 2: Roulette ohne Null X = Auszahlung für „ungerade“ (20 € oder 0 €), Y = Auszahlung für „1 bis 18“ (20 € oder 0 €). Jede der vier Kombinationen tritt bei 9 von 36 Zahlen ein, also mit frac{1}{4} . Die Randwahrscheinlichkeiten sind jeweils frac{1}{2
Worum geht's?
Formel mit Erklärung
Beispiele
Zusammenfassung
Jetzt üben
Kostenlose Aufgaben mit Lösungsweg zu diesem Begriff:
