Es ist klar, dass der in (4) definierte
Erwartungswert
eindeutig durch die Verteilung der
Zufallsvariablen bestimmt wird.
In Theorem 4.1 hatten wir darüber hinaus gezeigt,
dass der Erwartungswert
einer diskreten bzw.
absolutstetigen Zufallsvariablen eindeutig durch die
Wahrscheinlichkeitsfunktion bzw. die Dichte von bestimmt wird.
Umgekehrt ist jedoch im allgemeinen die Verteilung nicht eindeutig durch den Erwartungswert
von
festgelegt.
Insbesondere ist die Wahrscheinlichkeitsfunktion bzw. die Dichte
einer diskreten bzw. absolutstetigen Zufallsvariablen nicht
eindeutig durch den Erwartungswert
von festgelegt.
Beispiel
(symmetrische diskrete Gleichverteilung)
Sei
eine beliebige natürliche Zahl und
eine diskrete Zufallsvariable
mit
für jedes
.
Dann gilt
Während der Erwartungswert
also nicht von
abhängt, sind die Werte von mit wachsendem immer
breiter um
gestreut.
Eine Charakteristik, die den Streuungsgrad der Werte
von um den Erwartungswert
misst, ist die erwartete
quadratische Abweichung
vom Erwartungswert
, genannt Varianz von ,
die bei diesem Beispiel gegeben ist durch
Beachte
Der Erwartungswert
der Zufallsvariablen wird manchmal
auch das erste Moment von genannt.
Völlig analog lassen sich die Begriffe der Varianz bzw. der
höheren Momente einer beliebigen Zufallsvariable einführen,
und zwar durch die Betrachtung des Erwartungswertes
entsprechend gewählter Funktionen
von
.
Definition
Sei
eine beliebige Zufallsvariable mit
.
Betrachten die Abbildung
mit
.
Dann heißt der Erwartungswert
der
Zufallsvariablen
die Varianz von (Schreibweise:
).
Für die Varianz von gilt also
(26)
Beachte
Die höheren Momente von Zufallsvariablen werden völlig
analog definiert.
Und zwar sei
und
eine beliebige
Zufallsvariable mit
.
Betrachten die Abbildung
mit
. Dann heißt der Erwartungswert
von
das
-te Moment von .
Betrachten die Abbildung
mit
. Dann heißt der Erwartungswert
von
das
-te zentrale Moment von .
Die Varianz
ist also das 2. zentrale Moment von
.
heißt Standardabweichung
von .
Die folgenden elementaren Eigenschaften ergeben sich unmittelbar
aus der Definitonsgleichung (26) der Varianz und aus
der Linearität des Erwartungswertes, vgl. Formel
(16) in Theorem 4.4.
Theorem 4.6
Sei
eine beliebige Zufallsvariable mit
. Dann gilt
(27)
und für beliebige
(28)
Beweis
Aus der Definitionsgleichung (26) der Varianz und aus
der Linearität des Erwartungswertes ergibt sich, dass