next up previous contents
Next: Unabhängigkeit zusammengesetzter Abbildungen Up: Funktionen von Zufallsvektoren Previous: Quadrierung   Contents


Summe, Produkt und Quotient von unabhängigen Zufallsvariablen

Theorem 3.16   Sei $ X=(X_1,X_2):\Omega\rightarrow\mathbb{R}^2$ ein absolutstetiger Zufallsvektor mit der (gemeinsamen) Dichte $ f_X$. Dann ist auch die Zufallsvariable $ X_1+X_2$ absolutstetig, und ihre Dichte ist gegeben durch

$\displaystyle f_{X_1+X_2}(z)=\int\limits ^{\infty}_{-\infty}f_X(t,z-t)\, dt\qquad\forall z\in\mathbb{R}\,.$ (44)

Falls die Zufallsvariablen $ X_1,X_2$ unabhängig sind, dann gilt insbesondere die sogenannte Faltungsformel

$\displaystyle f_{X_1+X_2}(z)=\int\limits ^{\infty }_{-\infty } f_{X_1}(t)f_{X_2}(z-t)\, dt\qquad\forall z\in\mathbb{R}\,.$ (45)

Beweis
 

Korollar 3.2   Falls die Zufallsvariablen $ X_1,X_2$ unabhängig sind mit $ X_1\sim$ N $ (\mu_1,\sigma_1^2)$ bzw. $ X_2\sim$ N $ (\mu_2,\sigma_2^2)$, dann ist auch die Summe $ X_1+X_2$ normalverteilt mit

$\displaystyle \mbox{$X_1+X_2\sim$\ N$(\mu_1+\mu_2,\sigma_1^2+\sigma_2^2)\,.$}$ (46)


Beweis
 

Beachte
 


Völlig analog zu Theorem 3.16 ergibt sich

Theorem 3.17   Die Zufallsvariablen $ X_1$ und $ X_2$ seien unabhängig und absolutstetig mit den Dichten $ f_{X_1}$ und $ f_{X_2}$. Dann sind die Zufallsvariablen $ X_1\cdot X_2$ und $ X_1/X_2$ absolutstetig, und ihre Dichten sind gegeben durch

$\displaystyle f_{X_1\cdot X_2}(z) =\int\limits ^{\infty }_{-\infty }\frac{1}{\vert t\vert} f_{X_1}(t)f_{X_2}(\frac{z}{t})\, dt \qquad\forall z\in\mathbb{R}$ (47)

bzw.

$\displaystyle f_{X_1/X_2}(z)=\int\limits ^{\infty }_{-\infty }\vert t\vert f_{X_1}(z\cdot t)f_{X_2}(t)\, dt\qquad\forall z\in\mathbb{R}\,.$ (48)

Beachte
 
Beispiel
$ \;$ Falls $ X_1$ und $ X_2$ unabhängig sind mit $ X_1\sim$ N(0,1) und $ X_{2}\sim$ N(0,1), dann gilt

$\displaystyle f_{X_1/X_2}(z)=\frac{1}{\pi (z^{2}+1)}\qquad\forall z\in\mathbb{R}\,.$ (49)

denn aus (48) ergibt sich, dass
$\displaystyle f_{X_1/X_2}(z)$ $\displaystyle =$ $\displaystyle \int\limits ^{\infty }_{-\infty }\vert t\vert
f_{X_1}(z\cdot t)f_{X_2}(t)\, dt$  
  $\displaystyle =$ $\displaystyle \int\limits ^{\infty }_{-\infty }\vert t\vert\frac{1}{2\pi }
\exp \Bigl(-\frac{1}{2}((z\,t)^{2}+t^{2})\Bigr)\, dt$  
  $\displaystyle \overset {\textrm{Symmetrie}}{=}$ $\displaystyle \frac{1}{\pi }
\int\limits ^{\infty }_{0}t
\exp \Bigl(-\underbrace{\frac{t^{2}}{2}(z^{2}+1)}_{=v}\Bigr)\, dt$  
  $\displaystyle =$ $\displaystyle \frac{1}{\pi (z^{2}+1)}
\underbrace{\int ^{\infty }_{0}e^{-v}\, dv}_{=1}
=\frac{1}{\pi (z^{2}+1)}\;.$  

Beachte
$ \;$ Eine absolutstetige Zufallsvariable mit der in (49) gegebenen Dichte heißt Cauchy-verteilt.


next up previous contents
Next: Unabhängigkeit zusammengesetzter Abbildungen Up: Funktionen von Zufallsvektoren Previous: Quadrierung   Contents
Ursa Pantle 2004-05-10