Difference between revisions of "Aufgaben:Exercise 3.11: Chebyshev's Inequality"
m (Textersetzung - „*Sollte die Eingabe des Zahlenwertes „0” erforderlich sein, so geben Sie bitte „0.” ein.“ durch „ “) |
|||
Line 3: | Line 3: | ||
}} | }} | ||
− | [[File:P_ID139__Sto_A_3_11.png|right|Beispielhafte Tschebyscheffsch–Schranke]] | + | [[File:P_ID139__Sto_A_3_11.png|right|frame|Beispielhafte Tschebyscheffsch–Schranke]] |
Ist über eine Zufallsgröße $x$ nichts weiter bekannt als nur | Ist über eine Zufallsgröße $x$ nichts weiter bekannt als nur | ||
*der Mittelwert $m_x$ und | *der Mittelwert $m_x$ und | ||
*die Streuung $\sigma_x$, | *die Streuung $\sigma_x$, | ||
+ | |||
so gibt die <i>Tschebyscheffsche Ungleichung</i> eine obere Schranke für die Wahrscheinlichkeit an, dass $x$ betragsmäßig mehr als einen Wert $\varepsilon$ von seinem Mittelwert $m_x$ abweicht. Diese Schranke lautet: | so gibt die <i>Tschebyscheffsche Ungleichung</i> eine obere Schranke für die Wahrscheinlichkeit an, dass $x$ betragsmäßig mehr als einen Wert $\varepsilon$ von seinem Mittelwert $m_x$ abweicht. Diese Schranke lautet: | ||
− | $${\rm Pr}(|x-m_x|\ge \varepsilon) \le {\sigma_x^{\rm 2}}/{\varepsilon^{\rm 2}}.$$ | + | :$${\rm Pr}(|x-m_x|\ge \varepsilon) \le {\sigma_x^{\rm 2}}/{\varepsilon^{\rm 2}}.$$ |
− | + | Zur Erläuterung: | |
*In der Grafik ist diese obere Schranke rot eingezeichnet. | *In der Grafik ist diese obere Schranke rot eingezeichnet. | ||
*Der grüne Kurvenverlauf zeigt die tatsächliche Wahrscheinlichkeit bei der Gleichverteilung. | *Der grüne Kurvenverlauf zeigt die tatsächliche Wahrscheinlichkeit bei der Gleichverteilung. | ||
Line 19: | Line 20: | ||
Aus dieser Darstellung ist zu erkennen, dass die <i>Tschebyscheffsche Ungleichung</i> nur eine sehr grobe Schranke darstellt. Sie sollte nur dann verwendet werden, wenn von der Zufallsgröße wirklich nur der Mittelwert und die Streuung bekannt sind. | Aus dieser Darstellung ist zu erkennen, dass die <i>Tschebyscheffsche Ungleichung</i> nur eine sehr grobe Schranke darstellt. Sie sollte nur dann verwendet werden, wenn von der Zufallsgröße wirklich nur der Mittelwert und die Streuung bekannt sind. | ||
− | + | [[File:P_ID921__Sto_A_3_11_b.png|frame|Werte der komplementären Gaußschen Fehlerfunktion]] | |
+ | <br><br> | ||
''Hinweise:'' | ''Hinweise:'' | ||
*Die Aufgabe gehört zum Kapitel [[Stochastische_Signaltheorie/Weitere_Verteilungen|Weitere Verteilungen]]. | *Die Aufgabe gehört zum Kapitel [[Stochastische_Signaltheorie/Weitere_Verteilungen|Weitere Verteilungen]]. | ||
*Insbesondere wird auf die Seite [[Stochastische_Signaltheorie/Weitere_Verteilungen#Tschebyscheffsche_Ungleichung|Tschebyscheffsche Ungleichung]] Bezug genommen . | *Insbesondere wird auf die Seite [[Stochastische_Signaltheorie/Weitere_Verteilungen#Tschebyscheffsche_Ungleichung|Tschebyscheffsche Ungleichung]] Bezug genommen . | ||
− | * | + | *Rechts finden Sie eine Tabelle mit Werten der komplementären Gaußschen Fehlerfunktion. |
− | + | ||
+ | |||
+ | |||
Line 38: | Line 42: | ||
− | {Es gelte $k = 1, 2, 3, 4$. Geben Sie die Überschreitungswahrscheinlichkeit $p_k = {\rm Pr}(|x -m_x | \ge k \cdot \sigma_x)$ für die Gaußverteilung an. <br>Wie groß ist $p_3$? | + | {Es gelte $k = 1, 2, 3, 4$. Geben Sie die Überschreitungswahrscheinlichkeit $p_k = {\rm Pr}(|x -m_x | \ge k \cdot \sigma_x)$ für die <u>Gaußverteilung</u> an. <br>Wie groß ist $p_3$? |
|type="{}"} | |type="{}"} | ||
− | + | ${\rm Pr}(|x -m_x | \ge 3 \sigma_x) \ = \ $ { 0.26 3% } $\ \%$ | |
− | {Welche Überschreitungswahrscheinlichkeiten $p_k$ ergeben sich bei der Exponentialverteilung. Hier gilt $m_x = \sigma_x = 1/\lambda$. <br>Wie groß ist $p_3$? | + | {Welche Überschreitungswahrscheinlichkeiten $p_k$ ergeben sich bei der <u>Exponentialverteilung</u>. Hier gilt $m_x = \sigma_x = 1/\lambda$. <br>Wie groß ist $p_3$? |
|type="{}"} | |type="{}"} | ||
− | + | ${\rm Pr}(|x -m_x | \ge 3 \sigma_x) \ = \ $ { 1.83 3% } $\ \%$ | |
Revision as of 13:28, 12 August 2018
Ist über eine Zufallsgröße $x$ nichts weiter bekannt als nur
- der Mittelwert $m_x$ und
- die Streuung $\sigma_x$,
so gibt die Tschebyscheffsche Ungleichung eine obere Schranke für die Wahrscheinlichkeit an, dass $x$ betragsmäßig mehr als einen Wert $\varepsilon$ von seinem Mittelwert $m_x$ abweicht. Diese Schranke lautet:
- $${\rm Pr}(|x-m_x|\ge \varepsilon) \le {\sigma_x^{\rm 2}}/{\varepsilon^{\rm 2}}.$$
Zur Erläuterung:
- In der Grafik ist diese obere Schranke rot eingezeichnet.
- Der grüne Kurvenverlauf zeigt die tatsächliche Wahrscheinlichkeit bei der Gleichverteilung.
- Die blauen Punkte gelten für die Exponentialverteilung.
Aus dieser Darstellung ist zu erkennen, dass die Tschebyscheffsche Ungleichung nur eine sehr grobe Schranke darstellt. Sie sollte nur dann verwendet werden, wenn von der Zufallsgröße wirklich nur der Mittelwert und die Streuung bekannt sind.
Hinweise:
- Die Aufgabe gehört zum Kapitel Weitere Verteilungen.
- Insbesondere wird auf die Seite Tschebyscheffsche Ungleichung Bezug genommen .
- Rechts finden Sie eine Tabelle mit Werten der komplementären Gaußschen Fehlerfunktion.
Fragebogen
Musterlösung
- Die erste Aussage ist falsch. Die Tschebyscheffsche Ungleichung liefert hier die Schranke $1/9$. Bei keiner Verteilung kann die hier betrachtete Wahrscheinlichkeit größer sein, zum Beispiel $1/4$.
- Für $\varepsilon < \sigma_x$ liefert Tschebyscheff eine Wahrscheinlichkeit größer als $1$. Diese Information ist also nutzlos.
- Auch die letzte Aussage ist zutreffend. Beispielsweise gilt bei der Gleichverteilung:
- $${\rm Pr}(| x- m_x | \ge \varepsilon)=\left\{ \begin{array}{*{4}{c}} 1-{\varepsilon}/{\varepsilon_{\rm 0}} & \rm f\ddot{u}r\hspace{0.1cm}{\it \varepsilon<\varepsilon_{\rm 0}=\sqrt{\rm 3}\cdot\sigma_x},\\\rm 0 & \rm sonst. \end{array} \right. $$
(2) Bei der Gaußverteilung gilt:
- $$p_k={\rm Pr}(| x-m_x| \ge k\cdot\sigma_{x})=\rm 2\cdot \rm Q(\it k).$$
Daraus ergeben sich folgende Zahlenwerte (in Klammern: Schranke nach Tschebyscheff):
- $$k= 1: {\rm Pr}(|x-m_x| \ge \sigma_{x}) = 31.7 \% \hspace{0.3cm}(100 \%),$$
- $$k= 2: {\rm Pr}(|x-m_x| \ge 2 \cdot \sigma_{x}) = 4.54 \% \hspace{0.3cm}(25 \%),$$
- $$k= 3: {\rm Pr}(|x-m_x| \ge 3 \cdot\sigma_{x})\hspace{0.15cm}\underline{ = 0.26 \%} \hspace{0.3cm}(11.1 \%),$$
- $$k= 4: {\rm Pr}(|x-m_x| \ge 4 \cdot \sigma_{x}) = 0.0064 \% \hspace{0.3cm}(6.25 \%),$$
(3) Ohne Einschränkung der Allgemeingültigkeit setzen wir $\lambda; = 1$ ⇒ $m_x = \sigma_x = 1$. Dann gilt:
- $${\rm Pr}(|x - m_x| \ge k\cdot\sigma_{x}) = {\rm Pr}(| x-1| \ge k).$$
Da in diesem Sonderfall die Zufallsgröße stets $x >0$ ist, gilt weiter:
- $$p_k= {\rm Pr}( x \ge k+1)=\int_{k+\rm 1}^{\infty}\hspace{-0.15cm} {\rm e}^{-x}\, {\rm d} x={\rm e}^{-( k + 1)}.$$
Daraus ergeben sich folgende Zahlenwerte für die Exponentialverteilung:
- $$k= 1: {\rm Pr}(|x-m_x| \ge \sigma_{x}) \rm e^{-2}= \rm 13.53\%,$$
- $$k= 2: {\rm Pr}(|x-m_x| \ge 2 \cdot \sigma_{x})= \rm \rm e^{-3}=\rm 4.97\% ,$$
- $$k= 3: {\rm Pr}(|x-m_x| \ge 3 \cdot\sigma_{x})= \rm \rm e^{-4}\hspace{0.15cm}\underline{ =\rm 1.83\% },$$
- $$k= 4: {\rm Pr}(|x-m_x| \ge 4 \cdot \sigma_{x}) = \rm e^{-5}= \rm 0.67\%.$$