1
Für die Erwartungswerte und Varianzen gibt es Formeln und Eigenschaften, die man hier ausnutzen kann.
Für die b) und c) kann man ausnutzen, dass die Summe (jede Linearkombination) normalverteilter ZV wieder normalverteilt ist. Du musst also nur ausrechnen, wie $X_3$ und $Y_3$ aussehen.
Für d) schaust du dir mal die mehrdimensionale Normalverteilung an.
Für e) und f) solltest du dir natürlich erstmal klar machen, was stationär bedeutet und was man da zeigen muss. Das weiße Rauschen ist bspw. ein stationärer Prozess.
Für die b) und c) kann man ausnutzen, dass die Summe (jede Linearkombination) normalverteilter ZV wieder normalverteilt ist. Du musst also nur ausrechnen, wie $X_3$ und $Y_3$ aussehen.
Für d) schaust du dir mal die mehrdimensionale Normalverteilung an.
Für e) und f) solltest du dir natürlich erstmal klar machen, was stationär bedeutet und was man da zeigen muss. Das weiße Rauschen ist bspw. ein stationärer Prozess.
Diese Antwort melden
Link
geantwortet
cauchy
Selbstständig, Punkte: 27.32K
Selbstständig, Punkte: 27.32K
Ich habe leider nicht so wirklich eine Wahl. Ich schreibe nächsten Samstag eine Prüfung zu dem Thema und muss es verstehen, sonst komme ich hier nicht weiter. ^^
Danke für deine Hilfe und den Tipp mit dem hochladen. Bei X würde ich schon sagen, dass die Varianzen für alle n so gelten. Bei Y unterscheiden sich die Varianzen, weil ich für Yn-1 die 25 eingesetzt habe und dadurch dann beim ausrechnen eine 30 raus kam. Ich muss ehrlich zugeben, dass mein Kollege und ich die meisten Probleme damit hatten für die Variablen Werte einzusetzen, da wir uns nie sicher waren ob das so richtig ist. Z.B. hat es für uns logisch keinen Sinn ergeben bei der Varianzrechnung für W1 und W2 den gleichen Wert, also 25 einzusetzen. Trotzdem haben wir damit gerechnet. Falls du mir hier bei dem Verständnisproblem helfen kannst muss ich mich definitiv wieder bei dir bedanken.
d werde ich mir nochmal anschauen. Ich schauen aktuell noch 2 Vorlesungen zu Zeitreihen und wollte mich danach, mit hoffentlich mehr Ahnung von dem Ganzen, daran versuchen. ─ justinwinfo 13.07.2022 um 22:20
Danke für deine Hilfe und den Tipp mit dem hochladen. Bei X würde ich schon sagen, dass die Varianzen für alle n so gelten. Bei Y unterscheiden sich die Varianzen, weil ich für Yn-1 die 25 eingesetzt habe und dadurch dann beim ausrechnen eine 30 raus kam. Ich muss ehrlich zugeben, dass mein Kollege und ich die meisten Probleme damit hatten für die Variablen Werte einzusetzen, da wir uns nie sicher waren ob das so richtig ist. Z.B. hat es für uns logisch keinen Sinn ergeben bei der Varianzrechnung für W1 und W2 den gleichen Wert, also 25 einzusetzen. Trotzdem haben wir damit gerechnet. Falls du mir hier bei dem Verständnisproblem helfen kannst muss ich mich definitiv wieder bei dir bedanken.
d werde ich mir nochmal anschauen. Ich schauen aktuell noch 2 Vorlesungen zu Zeitreihen und wollte mich danach, mit hoffentlich mehr Ahnung von dem Ganzen, daran versuchen. ─ justinwinfo 13.07.2022 um 22:20
Ich habe jetzt d nochmal nachgeschaut. Es wird ja der Erwartungswertvektor und die Kovarianzmatrix zusammen geschrieben. Da komme ich auf die Werte die ich vorher schon angegeben habe und auf die gleiche Verteilung, denn cov(X1,X2)=cov(X2,X1) und die var(X1)=var(X2). Wie genau sind die Verteilungen da falsch angegeben bei meiner Lösung?
Und bei e habe ich die Lösung, dass es schwach stationär ist, da E(Xn), Var(Xn) und Auto-cov(Xn,Xn+1) endlich und von n unabhängig sind.
Bei f ist es nicht stationär, da es unkorreliert ist ─ justinwinfo 15.07.2022 um 19:03
Und bei e habe ich die Lösung, dass es schwach stationär ist, da E(Xn), Var(Xn) und Auto-cov(Xn,Xn+1) endlich und von n unabhängig sind.
Bei f ist es nicht stationär, da es unkorreliert ist ─ justinwinfo 15.07.2022 um 19:03
Die habe ich beide auf meinem Zettel beim ausarbeiten stehen, habe sie aber hier nicht mit rein geschrieben sry. Trotzdem vielen Dank für deine Hilfe. Ich denke ich habe es jetzt mehr oder weniger verstanden und werde noch ein paar Übungsaufgaben dazu durchrechnen.
─
justinwinfo
15.07.2022 um 20:43
Leider scheint diese Antwort Unstimmigkeiten zu enthalten und muss korrigiert werden.
Cauchy wurde bereits informiert.
a) E(Xn) = 0, da Normalverteilung
Var(Xn)=Var(Wn)+(-0,5)^2*Var(Wn-1) = 31,25
E(Yn) = 0, da Normalverteilung
Var(Yn) = 0,2*Var(Yn-1)+Var(Wn) = 30
b) E(X3) = 0
Var(X3) = 31,25 ... X3~N(0, 31.25)
c) E(Y3) = 0
Var(Y1) = Var((0,2)^0,5*Y0+W1) = 0,2*1,25Var(W0)+Var(W1) = 31,25
Var(Y2) = 0,2Var(Y1)+Var(W2) = 0,2*31,25 + 25 = 31,25
Var(Y3) = 31,25
Y3~N(0, 31.25)
d) cov(X1,X2) = cov(W1-0,5*W0 , W2-0,5*W1) = cov(W1, -0,5W1) = 1*(-0,5)*cov(W1, W1) = -12,5 da cov(W1,W1) = var(W1)
(X1) ~ N2 ((0),(31,25 -12,5))
(X2) ((0),(-12,5 31,25))
cov(Y1,Y2) = cov((0,2)^0,5*Y0+W1 , (0,2)^0,5 * Y1+W2) = 0, da keine Variablenpaare entstehen
(Y1) ~ N2 ((0),(31,25 0))
(Y2) ((0),(0 31,25))
Für die Zukunft, kann ich hier auch irgendwie Dateien anhängen, falls ich Mal wieder eine Lösung oder einen Lösungsweg teilen möchte, denn das abtippen war sehr umständlich.
MfG Justin ─ justinwinfo 13.07.2022 um 17:39