Difference between revisions of "Aufgaben:Exercise 3.11: Chebyshev's Inequality"
From LNTwww
Line 60: | Line 60: | ||
{{ML-Kopf}} | {{ML-Kopf}} | ||
'''(1)''' Richtig sind <u>die Lösungsvorschläge 2 und 3</u>: | '''(1)''' Richtig sind <u>die Lösungsvorschläge 2 und 3</u>: | ||
− | *Die erste Aussage ist falsch. Die Tschebyscheffsche Ungleichung liefert hier die Schranke $1/9$. | + | *Die erste Aussage ist falsch. Die Tschebyscheffsche Ungleichung liefert hier die Schranke $1/9$. |
− | *Bei keiner Verteilung kann die hier betrachtete Wahrscheinlichkeit gleich $1/4$ sein. | + | *Bei keiner Verteilung kann die hier betrachtete Wahrscheinlichkeit gleich $1/4$ sein. |
− | *Für $\varepsilon < \sigma_x$ liefert Tschebyscheff eine Wahrscheinlichkeit größer als $1$. Diese Information ist nutzlos. | + | *Für $\varepsilon < \sigma_x$ liefert Tschebyscheff eine Wahrscheinlichkeit größer als $1$. Diese Information ist nutzlos. |
− | *Die letzte Aussage ist zutreffend. Beispielsweise gilt bei der Gleichverteilung: | + | *Die letzte Aussage ist zutreffend. Beispielsweise gilt bei der Gleichverteilung: |
:$${\rm Pr}(| x- m_x | \ge \varepsilon)=\left\{ \begin{array}{*{4}{c}} 1-{\varepsilon}/{\varepsilon_{\rm 0}} & \rm f\ddot{u}r\hspace{0.1cm}{\it \varepsilon<\varepsilon_{\rm 0}=\sqrt{\rm 3}\cdot\sigma_x},\\\rm 0 & \rm sonst. \end{array} \right. $$ | :$${\rm Pr}(| x- m_x | \ge \varepsilon)=\left\{ \begin{array}{*{4}{c}} 1-{\varepsilon}/{\varepsilon_{\rm 0}} & \rm f\ddot{u}r\hspace{0.1cm}{\it \varepsilon<\varepsilon_{\rm 0}=\sqrt{\rm 3}\cdot\sigma_x},\\\rm 0 & \rm sonst. \end{array} \right. $$ | ||
− | |||
'''(2)''' Bei der Gaußverteilung gilt: | '''(2)''' Bei der Gaußverteilung gilt: | ||
:$$p_k={\rm Pr}(| x-m_x| \ge k\cdot\sigma_{x})=\rm 2\cdot \rm Q(\it k).$$ | :$$p_k={\rm Pr}(| x-m_x| \ge k\cdot\sigma_{x})=\rm 2\cdot \rm Q(\it k).$$ | ||
− | Daraus ergeben sich folgende Zahlenwerte (in Klammern: Schranke nach Tschebyscheff): | + | *Daraus ergeben sich folgende Zahlenwerte (in Klammern: Schranke nach Tschebyscheff): |
:$$k= 1\text{:}\hspace{0.5cm} {\rm Pr}(|x-m_x| \ge \sigma_{x}) = 31.7 \% \hspace{0.3cm}(100 \%),$$ | :$$k= 1\text{:}\hspace{0.5cm} {\rm Pr}(|x-m_x| \ge \sigma_{x}) = 31.7 \% \hspace{0.3cm}(100 \%),$$ | ||
:$$k= 2\text{:}\hspace{0.5cm} {\rm Pr}(|x-m_x| \ge 2 \cdot \sigma_{x}) = 4.54 \% \hspace{0.3cm}(25 \%),$$ | :$$k= 2\text{:}\hspace{0.5cm} {\rm Pr}(|x-m_x| \ge 2 \cdot \sigma_{x}) = 4.54 \% \hspace{0.3cm}(25 \%),$$ | ||
Line 76: | Line 75: | ||
:$$k= 4\text{:}\hspace{0.5cm} {\rm Pr}(|x-m_x| \ge 4 \cdot \sigma_{x}) = 0.0064 \% \hspace{0.3cm}(6.25 \%).$$ | :$$k= 4\text{:}\hspace{0.5cm} {\rm Pr}(|x-m_x| \ge 4 \cdot \sigma_{x}) = 0.0064 \% \hspace{0.3cm}(6.25 \%).$$ | ||
− | + | '''(3)''' Ohne Einschränkung der Allgemeingültigkeit setzen wir $\lambda = 1$ | |
− | '''(3)''' Ohne Einschränkung der Allgemeingültigkeit setzen wir $\lambda | + | ⇒ $m_x = \sigma_x = 1$. Dann gilt: |
− | ⇒ $m_x = \sigma_x = 1$. Dann gilt: | ||
:$${\rm Pr}(|x - m_x| \ge k\cdot\sigma_{x}) = {\rm Pr}(| x-1| \ge k).$$ | :$${\rm Pr}(|x - m_x| \ge k\cdot\sigma_{x}) = {\rm Pr}(| x-1| \ge k).$$ | ||
− | Da in diesem Sonderfall die Zufallsgröße stets $x >0$ ist, gilt weiter: | + | *Da in diesem Sonderfall die Zufallsgröße stets $x >0$ ist, gilt weiter: |
:$$p_k= {\rm Pr}( x \ge k+1)=\int_{k+\rm 1}^{\infty}\hspace{-0.15cm} | :$$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)}.$$ | {\rm e}^{-x}\, {\rm d} x={\rm e}^{-( k + 1)}.$$ | ||
− | Daraus ergeben sich | + | *Daraus ergeben sich für die Exponentialverteilung folgende Zahlenwerte: |
:$$k= 1\text{:}\hspace{0.5cm} {\rm Pr}(|x-m_x| \ge \sigma_{x}) \rm e^{-2}= \rm 13.53\%,$$ | :$$k= 1\text{:}\hspace{0.5cm} {\rm Pr}(|x-m_x| \ge \sigma_{x}) \rm e^{-2}= \rm 13.53\%,$$ | ||
:$$k= 2\text{:}\hspace{0.5cm} {\rm Pr}(|x-m_x| \ge 2 \cdot \sigma_{x})= \rm \rm e^{-3}=\rm 4.97\% ,$$ | :$$k= 2\text{:}\hspace{0.5cm} {\rm Pr}(|x-m_x| \ge 2 \cdot \sigma_{x})= \rm \rm e^{-3}=\rm 4.97\% ,$$ |
Revision as of 14:33, 25 November 2019
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 sind Werte der komplementären Gaußschen Fehlerfunktion ${\rm Q}_x$ angegeben.
Fragebogen
Musterlösung
(1) Richtig sind die Lösungsvorschläge 2 und 3:
- Die erste Aussage ist falsch. Die Tschebyscheffsche Ungleichung liefert hier die Schranke $1/9$.
- Bei keiner Verteilung kann die hier betrachtete Wahrscheinlichkeit gleich $1/4$ sein.
- Für $\varepsilon < \sigma_x$ liefert Tschebyscheff eine Wahrscheinlichkeit größer als $1$. Diese Information ist nutzlos.
- 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):
- $$k= 1\text{:}\hspace{0.5cm} {\rm Pr}(|x-m_x| \ge \sigma_{x}) = 31.7 \% \hspace{0.3cm}(100 \%),$$
- $$k= 2\text{:}\hspace{0.5cm} {\rm Pr}(|x-m_x| \ge 2 \cdot \sigma_{x}) = 4.54 \% \hspace{0.3cm}(25 \%),$$
- $$k= 3\text{:}\hspace{0.5cm} {\rm Pr}(|x-m_x| \ge 3 \cdot\sigma_{x})\hspace{0.15cm}\underline{ = 0.26 \%} \hspace{0.3cm}(11.1 \%),$$
- $$k= 4\text{:}\hspace{0.5cm} {\rm Pr}(|x-m_x| \ge 4 \cdot \sigma_{x}) = 0.0064 \% \hspace{0.3cm}(6.25 \%).$$
(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 für die Exponentialverteilung folgende Zahlenwerte:
- $$k= 1\text{:}\hspace{0.5cm} {\rm Pr}(|x-m_x| \ge \sigma_{x}) \rm e^{-2}= \rm 13.53\%,$$
- $$k= 2\text{:}\hspace{0.5cm} {\rm Pr}(|x-m_x| \ge 2 \cdot \sigma_{x})= \rm \rm e^{-3}=\rm 4.97\% ,$$
- $$k= 3\text\text{:}\hspace{0.5cm} {\rm Pr}(|x-m_x| \ge 3 \cdot\sigma_{x})= \rm \rm e^{-4}\hspace{0.15cm}\underline{ =\rm 1.83\% },$$
- $$k= 4\text{:}\hspace{0.5cm} {\rm Pr}(|x-m_x| \ge 4 \cdot \sigma_{x}) = \rm e^{-5}= \rm 0.67\%.$$