Exercise 3.2Z: Two-dimensional Probability Mass Function

• Return to book

Wahrscheinlichkeitsfunktion der 2D–Zufallsgröße  $XY$

Wir betrachten die Zufallsgrößen  $X = \{ 0,\ 1,\ 2,\ 3 \}$  und  $Y = \{ 0,\ 1,\ 2 \}$, deren gemeinsame Wahrscheinlichkeitsfunktion  $P_{XY}(X,\ Y)$  gegeben ist.

• Aus dieser 2D–Wahrscheinlichkeitsfunktion sollen die eindimensionalen Wahrscheinlichkeitsfunktionen  $P_X(X)$  und  $P_Y(Y)$  ermittelt werden.
• Man nennt eine solche 1D–Wahrscheinlichkeitsfunktion manchmal auch Randwahrscheinlichkeit  (englisch:  Marginal Probability).

Gilt  $P_{XY}(X,\ Y) = P_X(X) \cdot P_Y(Y)$, so sind die beiden Zufallsgrößen  $X$  und  $Y$  statistisch unabhängig.  Andernfalls bestehen zwischen diesen statistische Bindungen.

Im zweiten Teil der Aufgabe betrachten wir die Zufallsgrößen  $U= \big \{ 0,\ 1 \big \}$  und  $V= \big \{ 0,\ 1 \big \}$, die sich aus  $X$  und  $Y$  durch Modulo–2–Operationen ergeben:

$$U = X \hspace{0.1cm}\text{mod} \hspace{0.1cm} 2, \hspace{0.3cm} V = Y \hspace{0.1cm}\text{mod} \hspace{0.1cm} 2.$$

Hinweise:

• Die Aufgabe gehört zum Kapitel  Einige Vorbemerkungen zu den 2D-Zufallsgrößen.
• Ausgegangen wird hier von der gleichen Konstellation wie in  Aufgabe 3.2.
• Dort wurde die Zufallsgrößen  $Y = \{ 0,\ 1,\ 2,\ 3 \}$  betrachtet, allerdings mit dem Zusatz  ${\rm Pr}(Y = 3) = 0$.
• Die so erzwungene Eigenschaft  $|X| = |Y|$  war in der vorherigen Aufgabe zur formalen Berechnung des Erwartungswertes  ${\rm E}[P_X(X)]$  von Vorteil.

Fragebogen

1

Wie lautet die Wahrscheinlichkeitsfunktion  $P_X(X)$?

$P_X(0) \ = \ $

$P_X(1) \ = \ $

$P_X(2)\ = \ $

$P_X(3) \ = \ $

2

Wie lautet die Wahrscheinlichkeitsfunktion  $P_Y(Y)$?

$P_Y(0) \ = \ $

$P_Y(1) \ = \ $

$P_Y(2) \ = \ $

3

Sind die Zufallsgrößen  $X$  und  $Y$  statistisch unabhängig?

	Ja,
	Nein.

4

Ermitteln Sie die Wahrscheinlichkeiten  $P_{UV}( U,\ V)$.

$P_{UV}( U = 0,\ V = 0) \ = \ $

$P_{UV}( U = 0,\ V = 1) \ = \ $

$P_{UV}( U = 1,\ V = 0) \ = \ $

$P_{UV}( U =1,\ V = 1) \ = \ $

5

Sind die Zufallsgrößen  $U$  und  $V$  statistisch unabhängig?

	Ja,
	Nein.

Musterlösung

Solution

(1)  Man kommt von $P_{XY}(X, Y)$ zur 1D–Wahrscheinlichkeitsfunktion $P_X(X)$, indem man alle $Y$-Wahrscheinlichkeiten aufsummiert:

$$P_X(X = x_{\mu}) = \sum_{y \hspace{0.05cm} \in \hspace{0.05cm} Y} \hspace{0.1cm} P_{XY}(x_{\mu}, y).$$

Man erhält folgende Zahlenwerte:

$$P_X(X = 0) = 1/4+1/8+1/8 = 1/2 \hspace{0.15cm}\underline{= 0.500},$$

$$P_X(X = 1)= 0+0+1/8 = 1/8 \hspace{0.15cm}\underline{= 0.125},$$

$$P_X(X = 2) = 0+0+0 \hspace{0.15cm}\underline{= 0}$$

$$P_X(X = 3) = 1/4+1/8+0=3/8 \hspace{0.15cm}\underline{= 0.375}\hspace{0.5cm} \Rightarrow \hspace{0.5cm} P_X(X) = \big [ 1/2, \ 1/8 , \ 0 , \ 3/8 \big ].$$

(2)  Analog zur Teilaufgabe (1) gilt nun:

$$P_Y(Y = y_{\kappa}) = \sum_{x \hspace{0.05cm} \in \hspace{0.05cm} X} \hspace{0.1cm} P_{XY}(x, y_{\kappa})$$

$$P_Y(Y= 0) = 1/4+0+0+1/4 = 1/2 \hspace{0.15cm}\underline{= 0.500},$$

$$P_Y(Y = 1) = 1/8+0+0+1/8 = 1/4 \hspace{0.15cm}\underline{= 0.250},$$

$$P_Y(Y = 2) = 1/8+1/8+0+0 = 1/4 \hspace{0.15cm}\underline{= 0.250} \hspace{0.5cm} \Rightarrow \hspace{0.5cm} P_Y(Y= 0) = \big [ 1/2, \ 1/4 , \ 1/4 ].$$

(3)  Bei Unabhängigkeit sollte $P_{XY}(X,Y)= P_X(X) \cdot P_Y(Y)$ sein. Dies trifft hier nicht zu:     Antwort   Nein.

(4)  Ausgehend von der linken Tabelle   ⇒   $P_{XY}(X,Y)$ kommt man zur mittlere Tabelle   ⇒   $P_{UY}(U,Y)$, indem man gewisse Wahrscheinlichkeiten entsprechend $U = X \hspace{0.1cm}\text{mod} \hspace{0.1cm} 2$ zusammenfasst.

Verschiedene Wahrscheinlichkeitsfunktionen

Berücksichtigt man noch $V = Y \hspace{0.1cm}\text{mod} \hspace{0.1cm} 2$, so erhält man die gesuchten Wahrscheinlichkeiten entsprechend der rechten Tabelle:

$$P_{UV}( U = 0, V = 0) = 3/8 \hspace{0.15cm}\underline{= 0.375},\hspace{0.5cm} P_{UV}( U = 0, V = 1) = 3/8 \hspace{0.15cm}\underline{= 0.375},\hspace{0.5cm}$$

$$P_{UV}( U = 1, V = 0) = 1/8 \hspace{0.15cm}\underline{= 0.125},\hspace{0.5cm} P_{UV}( U = 1, V = 1) = 1/8 \hspace{0.15cm}\underline{= 0.125}.$$

(5)  Richtig ist die Antwort   Ja:

• Die zugehörigen 1D–Wahrscheinlichkeitsfunktionen lauten:   $P_U(U) = \big [1/2 , \ 1/2 \big ]$   bzw.   $P_V(V)=\big [3/4, \ 1/4 \big ]$.
• Damit gilt $P_{UV}(U,V) = P_U(U) \cdot P_V(V)$   ⇒   $U$ und $V$ sind statistisch unabhängig.