Klausur

Stochastik und Statistik

4. August 2011

Prof. Dr. Bettina Grün

Institut für Statistik, LMU München

Wichtig:
ˆ Überprüfen Sie, ob Ihr Klausurexemplar vollständig ist. Die Klausur besteht aus fünf
Aufgaben, einem Deckblatt und der Standardnormalverteilung im Anhang.
ˆ Schreiben Sie Ihren Namen und die Matrikelnummer auf jeden Klausurbogen.
ˆ Verwenden Sie für Ihre Lösungen ausschließlich die Klausurbögen (Vorder- und Rückseite),
Zusatzblätter werden auf Anfrage ausgeteilt.
ˆ Als Hilfsmittel sind das ausgedruckte Skript bzw. die Vorlesungsfolien sowie ein nicht-
programmierbarer Taschenrechner zugelassen. Weiters darf ein einseitig beschriebenes
oder bedrucktes A4 Blatt mit einer selbst erstellten Formelsammlung verwendet werden.
Bücher, alte Klausuren und Übungsaufgaben inkl. Lösungen sind nicht zugelassen.
ˆ Bei Unterschleif erfolgt eine Meldung an das Prüfungsamt. Sie sind verpflichtet, durch Ihr
Verhalten jegliche Missverständnisse diesbezüglich auszuschließen.
ˆ Die Bearbeitungszeit beträgt 120 Minuten. In den ersten 30 Minuten und in den letzten
15 Minuten ist keine vorzeitige Abgabe möglich.
ˆ Halten Sie für die Ausweiskontrolle bitte Ihren Studentenausweis und einen Lichtbildaus-
weis bereit.

Ich habe die Anweisungen zur Kenntnis genommen und die Angabe auf Vollständigkeit über-
prüft.

Matrikelnummer:
Name:
Unterschrift:

Viel Erfolg!

Punkte: Note:
 Name:
Klausur Stochastik und Statistik Matrikelnr.:

Aufgabe 1

Für eine Zufallsvariable X sei eine diskrete Verteilung auf den Punkten 1, 2, 3 und 4
gegeben. Die Wahrscheinlichkeiten der einzelnen Punkte sind p1 = 0.1, p2 = 0.5, p3 = 0.15
und p4 =?.

(a) Bestimmen Sie p4 und zeichnen Sie die Verteilungsfunktion von X. (2 Pkt.)
(b) Berechnen Sie Erwartungswert und Varianz von X. (2 Pkt.)
(c) Berechnen Sie P (2 < X < 3), P (X ≥ 3) und P (X ≥ 3|X ≥ 2). (3 Pkt.)
(d) Berechnen Sie die Verteilungsfunktion von Y = X 2 . (2 Pkt.)

Lösung:

(a) 0.1 + 0.5 + 0.15 + p4 = 1 ⇒ p4 = 0.25

(b)

E(X) = 0.1 · 1 + 0. · 2 + 0.15 · 3 + 0.25 · 4 = 2.55

E(X 2 ) = 0.1 · 12 + 0. · 22 + 0.15 · 32 + 0.25 · 42 = 7.45
V ar(X) = 7.45 − 2.552 = 0.9475

(c)

P (2 < X < 3) = 0
P (X ≥ 3) = P (X = 3) + P (X = 4) = 0.15 + 0.25 = 0.4
P (X ≥ 3) 0.4 4
P (X ≥ 3|X ≥ 2) = = =
P (X ≥ 2) 0.5 + 0.15 + 0.25 9

(d) P (Y = 1) = 0.1, P (Y = 4) = 0.5, P (Y = 9) = 0.15, P (Y = 16) = 0.25



 0 für x < 1,
0.1 für 1 ≤ y < 4,



⇒ FY (y) 0.6 für 4 ≤ y < 9,
0.75 für 9 ≤ y < 16,




1 für y ≥ 16.


04. August 2011 Aufgabe 1 LMU München

 Name:
Klausur Stochastik und Statistik Matrikelnr.:

Aufgabe 2

Gegeben sei eine Zufallsvariable X mit stetiger Dichte


 λ + c · (1 − λ) · x für x ∈ [0, 1],
f (x) =
0 sonst.


und λ ∈ R.

(a) Bestimmen Sie die Konstante c. (2 Pkt.)

2 λ
(b) Zeigen Sie, dass der Erwartungswert E(X) = − . (2 Pkt.)
3 6
n
6X
(c) Überprüfen Sie, ob der Schätzer λ̂ = 4 − Xi erwartungstreu für λ ist. (1 Pkt.)
n i=1
(d) Bestimmen Sie P (X = 0.3). (1 Pkt.)

Lösung:

(a)
Z 1 Z 1 Z 1 Z 1
(λ + c · (1 − λ) · x) dx = λ dx +cx dx − cλx dx
0 0 0 0
h c i1  2 1
1 2 λx
= [λx]0 + x − c
2 0 2 0
c λc
= λ+ −
2 2
2λ + c − λc = 2
c(1 − λ) = 2(1 − λ)
⇒c = 2.

(b)
Z 1 Z 1
E(X) = x · (λ + 2 · (1 − λ) · x) dx = (λx + 2x2 − 2λx2 ) dx
0 0
 1  1  1
λ 2 2 2λ 3 λ 2 2λ 2 λ
= x + x3 − x = + − = −
2 0 3 0 3 0 2 3 3 3 6
n  
6X 6 2 λ
(c) E(λ̂) = E(4 − Xi ) = 4 − · n · E(Xi ) = 4 − 6 · − =λ
n i=1 n 3 6
⇒ λ̂ ist erwartungstreu.
(d) P (X = 0.3) = 0, da X eine stetige Zufallsvariable ist.

04. August 2011 Aufgabe 2 LMU München

 Name:
Klausur Stochastik und Statistik Matrikelnr.:

Aufgabe 3

Gegeben sei eine unabhängig identisch verteilte Stichprobe X = (X1 , . . . , Xn ) von stetigen
Zufallsvariablen Xi mit Dichte

x2i
 
1 −3 2
f (xi ; θ) = √ θ xi exp −
2 , θ > 0, i = 1, . . . , n.
2π 2θ

(a) Bestimmen Sie den Maximum-Likelihood-Schätzer für θ. (5 Pkt.)

(b) Bestimmen Sie den Standardfehler des Maximum-Likelihood-Schätzers. (3 Pkt.)
(c) Berechnen Sie ein approximatives (1 − α)-Wald-Konfidenzintervall für θ für das fol-
gende Zahlenbeispiel (α = 0.05): (2 Pkt.)

x = (x1 , . . . , x16 ) = (−2, 1, 0, −0.5, 2, 1, 0, 0.5, 2, −1, 0, 0.5, 2, 1, 0, −0.5)

16
X X16
mit xi = 6 und x2i = 21.
i=1 i=1

Lösung

(a)
n
Y
f (x; θ) = f (xi ; θ)
i=1
n
x2i
 
Y 1 −3 2
= √ θ 2 xi exp −
i=1
2π 2θ
 n 
n P 2
Y xi 
= (2π)−n/2 θ−3n/2 x2i exp − = L(θ; x)
i=1
2θ
n
n
x2i
P
n 3n X
l(θ; x) = − log 2π − log θ + 2 log xi −
2 2 i=1
2θ
n
x2i
P
0 3n
l (θ; x) = − +
2θ 2θ2
n
x2i
P
! 3n
0=− +
2θ 2θ2
n
P 2
xi
3n =
θ
n
x2i
P
⇒ θ̂ML =
3n

04. August 2011 Aufgabe 3 LMU München

 Name:
Klausur Stochastik und Statistik Matrikelnr.:

(b)
n
x2
P
00 3n
l (θ; x) = 2 − 3 i
2θ θ
n
x2i
P
00 3n
l (θ̂ML ; x) =  n 2 −  n
P 2 3

P 2
xi   xi 
2
3n 3n
(3n)3 (3n)3
=  n 2 −  n 2
P 2 P 2
2 xi xi

(3n)3 − 2(3n)3
=  n 2
P 2
2 xi

−(3n)3
=  n 2
P 2
2 xi
v  2
u n
2 √ P
u P n
u2 xi
2 · x2i
q
t
SE(θ̂ML ) = (−l00 (θ̂ML ; x))−1 = = p
(3n)3 (3n)3

(c) (1 − α) Wald-Konfidenzintervall:

[θ̂ML ± z1−α/2 · SE(θ̂ML )]

16
X
n = 16, x2i = 4(22 + 12 + 02 + 0.52 ) = 4 · 5.25 = 21
i=1
21
θ̂ML = = 0.4375
3 · 16
√
2 · 21
SE(θ̂ML ) = p ≈ 0.0893
(3 · 16)3
95% Wald-KI für θ: [0.4375 ± 1.96 · 0.0893] ≈ [0.2624, 0.6125]

04. August 2011 Aufgabe 3 LMU München

 Name:
Klausur Stochastik und Statistik Matrikelnr.:

Aufgabe 4
Eine Nachricht der Form “ja” wird durch mündliche Zwischenträger weitergegeben. Bei
jeder Weitergabe wird “ja” mit der Wahrscheinlichkeit 0.3 in “jein” und mit Wahrschein-
lichkeit 0.2 in “nein” abgefälscht; “nein” wird mit der Wahrscheinlichkeit 0.2 in “ja” und
mit Wahrscheinlichkeit 0.3 in “jein” verfälscht und ein “jein” wird mit der Wahrscheinlich-
keit 0.2 in “ja” und mit Wahrscheinlichkeit 0.3 in “nein” verfälscht. Dieses System wird
durch eine homogene Markov-Kette 1. Ordnung beschrieben, wobei Xn die Nachricht im
Schritt n (vor der (n + 1)-ten Weitergabe) darstellt.

(a) Geben Sie die zugehörige Übergangsmatrix P an. (1 Pkt.)

(b) Berechnen sie die Wahrscheinlichkeit dafür, dass nach zwei Zwischenträgern der
Empfänger die Nachricht “ja” erhält. (2 Pkt.)
(c) Berechnen sie die Wahrscheinlichkeit für folgenden Zustandsverlauf:

X0 = ja, X2 = ja, X4 = ja

(3 Pkt.)
(d) Zeigen Sie, dass nach einer sehr langen Reihe von Zwischenträgern mit einer Wahr-
scheinlichkeit von 0.2857 die Nachricht “ja”, mit einer Wahrscheinlichkeit von 0.375
die Nachricht “jein” und mit einer Wahrscheinlichkeit von 0.3393 die Nachricht “nein”
den Empfänger erreicht. (2 Pkt.)

Lösung:

(a)
ja jein nein
 
ja 0.5 0.3 0.2
P = jein  0.2 0.5 0.3 
nein 0.2 0.3 0.5


(b) Startverteilung: µ(0) = 1 0 0 (vgl. erster Satz der Aufgabenstellung)
   
0.5 0.3 0.2 0.5 0.3 0.2
µ(0) · P2 =


1 0 0 ·  0.2 0.5 0.3  ·  0.2 0.5 0.3 
0.2 0.3 0.5 0.2 0.3 0.5
 

0.35 0.36 0.29
= 1 0 0 ·  0.26 0.40 0.34 
0.26 0.36 0.38


= 0.35 0.36 0.29

Nach zwei Zwischenträgern bekommt mit einer Wahrscheinlichkeit von 0.35 der Emp-
fänger die Nachricht “ja”.
(c)

P (X0 = ja, X2 = ja, X4 = ja) = P (X0 = ja) · P (X2 = ja|X0 = ja) · P (X4 = ja|X2 = ja)
= P (X0 = ja) · P (X2 = ja|X0 = ja) · P (X2 = ja|X0 = ja)
(b)
= 1 · 0.35 · 0.35 = 0.1225

04. August 2011 Aufgabe 4 LMU München

 Name:
Klausur Stochastik und Statistik Matrikelnr.:

(d) Zu überprüfen ist, ob es sich bei der in (d) gegebenen Verteilung um die stationäre
Verteilung handelt, d.h. zu zeigen ist:

π·P=π (vgl. Skript Def. 7.3.1.)

 

0.5 0.3 0.2

0.2857 0.375 0.3393 ·  0.2 0.5 0.3  = 0.2857 0.375 0.3393
0.2 0.3 0.5

⇒ stationäre Verteilung.

04. August 2011 Aufgabe 4 LMU München

 Name:
Klausur Stochastik und Statistik Matrikelnr.:

Aufgabe 5

(a) Zwei Spieler A und B spielen folgendes Spiel: Es wird mit 4 Würfeln gewürfelt. Tritt
mindestens einmal die Zahl 6 auf, dann gewinnt A, sonst B. Ist das Spiel fair in dem
Sinne, dass im Mittel beide Spieler gleich oft gewinnen? (1 Pkt.)
(b) In einer Population leiden fünf Prozent an hohem Blutdruck. Von diesen fünf Prozent
trinken 75% regelmäßig Alkohol. Weiters sei bekannt, dass 50% der Menschen, die
keinen hohen Blutdruck haben, regelmäßig Alkohol trinken. Wieviele Prozent der
regelmäßigen Alkoholkonsumenten haben hohen Blutdruck? (2 Pkt.)
(c) Sei X eine stetige Zufallsvariable mit Verteilungsfunktion F und einem 0.25-Quantil
von 3. Welche der folgenden Aussage(n) ist/sind richtig? (1 Pkt.)
(i) F (3) = 0.25
(ii) F (0.25) = 3
(iii) F −1 (3) = 0.25
(d) Welche Verteilung hat die Zufallsvariable Y = 3X − 12, wenn X normalverteilt ist
mit Erwartungswert µ = 4 und Varianz σ 2 = 5 (1 Pkt.)
(e) Es wird ein Niveau-α-Test ψ für ein Testproblem H0 versus H1 durchgeführt. Die
Testentscheidung lautet, dass die Nullhypothese nicht abgelehnt wird. Welcher Feh-
ler kann durch diese Testentscheidung eingetreten sein? Kann eine maximale Wahr-
scheinlichkeit, mit der dieser Fehler auftritt, angegeben werden? (2 Pkt.)
(f) Es liegt eine große Anzahl unabhängiger Poisson-verteilter Zufallsvariablen mit glei-
cher Rate λ vor. Wie ist die Summe dieser Zufallsvariablen verteilt? (exakt oder
approximativ) (2 Pkt.)

Lösung:
5 4


(a) P (“B gewinnt”) = 6
= 0.4822531 6= 0.5 ⇒ Das Spiel ist nicht fair.
(b) Ereignis B: Person leidet an hohem Blutdruck.
Ereignis A: Person trinkt regelmäßig Alkohol.

P (B) = 0.05; P (A|B) = 0.75; P (A|B̄) = 0.5

P (A|B) · P (B) 0.75 · 0.05
P (B|A) = = = 0.073
P (A|B) · P (B) + P (A|B̄) · P (B̄) 0.75 · 0.05 + 0.5 · 0.95
(c) Aussage (i) ist richtig.
(d) E(Y ) = 3 · E(X) − 12 = 3 · 4 − 12 = 0
V ar(Y ) = 32 · V ar(X) = 9 · 5 = 45
⇒ Y ∼ N (0, 45)
(e) Es kann der Fehler 2. Art aufgetreten sein (Nullhypothese wird nicht abgelehnt,
obwohl die Alternative wahr ist). Die Wahrscheinlichkeit für den Fehler 2. Art ist
nicht begrenzt (vgl. Skript S. 73).
(f) Die Summe von n Poisson-verteilten Zufallsvariablen mit Rate λ ist wieder Poisson-
verteilt mit Rate nλ (vgl. Skript S. 46/47). Über den Zentralen Grenzwertsatz
lässt sich die Verteilung durch eine Normalverteilung N (nλ, nλ) approximieren (vgl.
Skript S. 144).

04. August 2011 Aufgabe 5 LMU München

 Name:
Klausur Stochastik und Statistik Matrikelnr.:

x Φ(x) x Φ(x) x Φ(x)

0.05 0.5199 1.05 0.8531 2.05 0.9798
0.10 0.5398 1.10 0.8643 2.10 0.9821
0.15 0.5596 1.15 0.8749 2.15 0.9842
0.20 0.5793 1.20 0.8849 2.20 0.9861
0.25 0.5987 1.25 0.8944 2.25 0.9878
0.30 0.6179 1.30 0.9032 2.30 0.9893
0.35 0.6368 1.35 0.9115 2.35 0.9906
0.40 0.6554 1.40 0.9192 2.40 0.9918
0.45 0.6736 1.45 0.9265 2.45 0.9929
0.50 0.6915 1.50 0.9332 2.50 0.9938
0.55 0.7088 1.55 0.9394 2.55 0.9946
0.60 0.7257 1.60 0.9452 2.60 0.9953
0.65 0.7422 1.65 0.9505 2.65 0.9960
0.70 0.7580 1.70 0.9554 2.70 0.9965
0.75 0.7734 1.75 0.9599 2.75 0.9970
0.80 0.7881 1.80 0.9641 2.80 0.9974
0.85 0.8023 1.85 0.9678 2.85 0.9978
0.90 0.8159 1.90 0.9713 2.90 0.9981
0.95 0.8289 1.95 0.9744 2.95 0.9984
1.00 0.8413 2.00 0.9772 3.00 0.9987
Tabelle 1: Verteilungsfunktion der Standardnormalverteilung.

04. August 2011 Anhang LMU München