Exercise 4.7Z: Generation of a Joint PDF
From LNTwww
Revision as of 18:50, 24 January 2022 by Guenter (talk | contribs) (Guenter moved page Aufgabe 4.7Z: Erzeugung einer 2D–WDF to Exercise 4.7Z: Generation of a "2D-PDF")
Ausgehend von statistisch unabhängigen Größen $u$ und $v$, die beide zwischen $-1$ und $+1$ gleichverteilt sind und somit jeweils die Varianz $\sigma^2 = 2/3$ besitzen, soll eine 2D-Zufallsgröße $(x, y)$ generiert werden, wobei für die Komponenten gilt:
- $$x = A \cdot u + B \cdot v + C,$$
- $$y= D \cdot u + E \cdot v + F.$$
Die zu erzeugende 2D–Zufallsgröße $(x, y)$ soll die folgenden statistischen Eigenschaften aufweisen:
- Die Varianzen seien $\sigma_x^2 = 4$ und $\sigma_y^2 = 10$.
- Die Zufallsgröße $x$ sei mittelwertfrei $(m_x =0)$.
- Für den Mittelwert von $y$ gelte $m_y = 1$.
- Der Korrelationskoeffizient zwischen $x$ und $y$ betrage $\rho_{xy} = \sqrt{0.9} = 0.949.$
- Die Zufallsgröße $x$ besitze eine dreieckförmige WDF $f_x(x)$ entsprechend der oberen Grafik.
- Die Zufallsgröße $y$ besitze eine trapezförmige WDF $f_y(y)$ entsprechend der unteren Grafik.
Hinweise:
- Die Aufgabe gehört zum Kapitel Linearkombinationen von Zufallsgrößen.
- Insbesondere wird Bezug genommen auf die Seite Erzeugung korrelierter Zufallsgrößen.
- Um Mehrdeutigkeiten zu vermeiden wird festgelegt, dass alle Koeffizienten $A$, ... , $F$ nicht negativ sein sollen.
Fragebogen
Musterlösung
(1) Aufgrund der angegebenen Mittelwerte muss gelten:
- $$ C = m_x\hspace{0.15cm}\underline{ = 0},$$
- $$ F = m_y\hspace{0.15cm}\underline{ = 1}.$$
(2) Unter Berücksichtigung von $\sigma^2 = 2/3$ gilt:
- $$\sigma_x^2 = \sigma^2 \cdot ( A^2 + B^2)= {2}/{3} \cdot ( A^2 + B^2) .$$
- Wegen $\sigma_x^2 = 4$ folgt $A^2 + B^2= 6$.
- Eine dreieckförmige WDF bedeutet, dass $A = \pm B$ gelten muss.
- Somit erhält man, da negative Koeffizienten ausgeschlossen wurden:
- $$ A = B = \sqrt{3}\hspace{0.15cm}\underline{ = 1.732}.$$
(3) Mit $ A = B = \sqrt{3}$ entsprechend der letzten Teilaufgabe verbleiben zwei Bestimmungsgleichungen für $D$ und $E$:
- $$\sigma_y^2 = \sigma^2 \cdot ( D^2 + E^2)= 10 \hspace{0.5cm} \Rightarrow \hspace{0.5cm} D^2 + E^2 = \frac {\sigma_y^2}{\sigma^2} = \frac {10}{2/3} \stackrel{!}{=}15,$$
- $$\rho_{xy} = \frac{A \cdot D + B \cdot E}{\sqrt{(A^2 + B^2)(D^2 + E^2)}} = \frac{\sqrt{3} \cdot (D + E)}{\sqrt{6 \cdot (D^2 + E^2)}} \stackrel{!}{=} \sqrt{0.9}.$$
- Daraus folgt weiter: $D + E = \sqrt{1.8 \cdot ( D^2 + E^2)} = \sqrt{27} = 3 \cdot \sqrt{3}.$
- Die Gleichung führt in Verbindung mit $D^2 + E^2 = 15$ und der Nebenbedingung $(D>E)$ zum Ergebnis:
- $$ D= 2 \cdot \sqrt{3}\hspace{0.15cm}\underline{ = 3.464}, \hspace{0.5cm}E= \sqrt{3} \hspace{0.15cm}\underline{= 1.732}.$$
(4) Die Zufallsgröße $x$ bzw. $y$ nehmen ihre maximalen Werte an, wenn jeweils $u= +1$ und $v= +1$ gilt:
- $$ x_\text{max}= A+B \hspace{0.15cm}\underline{ = +3.464}, \hspace{0.5cm} x_\text{min} = - A - B= -3.464.$$
- $$ y_\text{max}= D+E+F \hspace{0.15cm}\underline{ = +6.196}, \hspace{0.5cm} y_\text{min} = -D-E+F= -4.196.$$