Next: Eigenschaften multivariater Verteilungsfunktionen
Up: Zufallsvektoren
Previous: Zufallsvektoren
  Contents
Definition, Verteilung und Verteilungsfunktion
Bei Anwendungen besteht oft die Notwendigkeit, nicht nur eine
Kennzahl
, sondern gleichzeitig mehrere Kennzahlen
von
zu
betrachten.
- Beispiele
-
- zweimaliges Würfeln
- Als Grundraum wählen wir so wie bisher
, vgl. Abschnitt 2.4.1.
- Sei
bzw.
die (zufällige) Anzahl, mit der die Augenzahl ,,6'' bzw. ,,1''
beim zweimaligen Würfeln erzielt wird.
- Dann gilt für
die Wahrscheinlichkeiten
bzw. für
die Einzelwahrscheinlichkeiten
und
von
und
:
- Aus der Tabelle kann man auch die Einzelwahrscheinlichkeiten
der Summe
erhalten. Beispielsweise gilt
- Analog ergibt sich
bzw.
- Analyse von Kommunikationsnetzen
- Betrachten
ein Kommunikationsnetz mit
Komponenten.
- Sei
, wobei
die Menge aller möglichen Momentanzustände
des Netzes und
die Menge aller möglichen Momentanzustände
der
-ten
Komponente bezeichnet;
.
- Dann kann beispielsweise
durch die Abbildung
die
Belastung
der
-ten Komponente
in Abhängigkeit vom Momentanzustand
des Netzes
modelliert werden.
- Die (globale) Belastung des gesamten Netzes kann
dann durch den Vektor
beschrieben werden.
Die gleichzeitige Betrachtung mehrerer Kennzahlen
von
führt zum
Begriff des Zufallsvektors.
- Definition
Sei
ein beliebiger
Wahrscheinlichkeitsraum, und sei
eine
beliebige Folge von Zufallsvariablen
;
.
Theorem 3.7
Die Abbildung

ist genau dann ein Zufallsvektor, wenn
 |
(22) |
Die Verteilung

von

wird eindeutig durch die Verteilungsfunktion

von

bestimmt.
Der Beweis ist analog zum Beweis der
Theoreme 3.1 und 3.4. Er wird deshalb
weggelassen.
Next: Eigenschaften multivariater Verteilungsfunktionen
Up: Zufallsvektoren
Previous: Zufallsvektoren
  Contents
Ursa Pantle
2004-05-10