Loading [MathJax]/jax/output/HTML-CSS/fonts/TeX/fontdata.js

Difference between revisions of "Aufgaben:Exercise 3.12: Cauchy Distribution"

From LNTwww
Line 77: Line 77:
  
  
[[Category:Theory of Stochastic Signals: Exercises|^3.7 Weitere Verteilungen^]]
+
[[Category:Theory of Stochastic Signals: Exercises|^3.7 Further Distributions^]]

Revision as of 12:32, 20 December 2021

WDF der Cauchyverteilung

Die Wahrscheinlichkeitsdichtefunktion der Cauchyverteilung ist wie folgt gegeben:

fx(x)=12π11+(x/2)2.

Aus der Grafik ist bereits der extrem langsame Abfall des WDF–Verlaufs zu erkennen.




Hinweise:



Fragebogen

1

Wie lautet die Verteilungsfunktion  Fx(r)?  Mit welcher Wahrscheinlichkeit ist  x  betragsmäßig kleiner als  2?

Pr(|x|<2) = 

 %

2

Mit welcher Wahrscheinlichkeit ist  x  betragsmäßig größer als  4?

Pr(|x|>4) = 

 %

3

Welche der folgenden Aussagen treffen für die Cauchyverteilung zu?

Die Cauchyverteilung besitzt eine unendlich große Varianz.
Die Tschebyscheff–Ungleichung macht hier keinen Sinn.
Eine in der Natur messbare Zufallsgröße ist nie cauchyverteilt.


Musterlösung

(1)  Vergleicht man die vorgegebene WDF mit der allgemeinen Gleichung im Theorieteil, so erkennt man, dass der Parameter  λ=2  ist.

  • Daraus folgt  (nach Integration über die WDF):
Fx(r)=12+1πarctan(r/2).
  • Insbesondere sind
Fx(r=+2)=12+1πarctan(1)=12+1ππ4=0.75,
Fx(r=2)=12+1πarctan(1)=121ππ4=0.25.
  • Die gesuchte Wahrscheinlichkeit ergibt sich als die Differenz zu
Pr(|x|<2)=0.750.25=50%_.


(2)  Nach dem Ergebnis der Teilaufgabe  (1)  ist  Fx(r=4)=0.5+1/π=0.852.

  • Damit gilt für die "komplementäre" Wahrscheinlichkeit  Pr(x>4)=0.148.
  • Die gesuchte Wahrscheinlichkeit ist aus Symmetriegründen doppelt so groß:
Pr(|x|>4)=29.6%_.


(3)  Alle Lösungsvorschläge treffen zu:

  • Für die Varianz der Cauchyverteilung gilt nämlich:
σ2x=12π+x21+(x/2)2dx.
  • Für große  x  liefert der Integrand den konstanten Wert  4. Deshalb divergiert das Integral.
  • Mit  σx  liefert aber auch die Tschebyscheffsche Ungleichung keine auswertbare Schranke.
  • „Natürliche“ Zufallsgrößen (physikalisch interpretierbar) können nie cauchyverteilt sein, da sie sonst eine unendlich große Leistung besitzen müssten.
  • Dagegen unterliegt eine „künstliche“ (oder mathematische) Zufallsgröße  (Beispiel:   der Quotient zweier mittelwertfreier Gaußgrößen)  nicht dieser Beschränkung.