TU Wien:Statistik und Wahrscheinlichkeitstheorie UE (Levajkovic)/Übungen 2022W/HW05.4
Zur Navigation springen
Zur Suche springen
- Sum and average
Let X be a random variable with . Let be independent identically distributed copies of . Let be their sum and their average, i.e.
and .
- (a) Plot the density and the cumulative distribution function for .
- (b) What are the expectation and the standard deviation of and of ?
- (c) Use
R
to generate a sample of 50 numbers from . Plot the histogram for this sample. Do the same for a sample of 500 numbers from .
Dieses Beispiel hat einen unbekannten Lösungsstatus. Bitte editiere diese Seite und schreibe den dir bekannten Status ins Beispiel. Die möglichen Werte sind hier: Vorlage:Beispiel dokumentiert. Führe folgende Änderung durch:
{{Beispiel|1= Angabetext }}
oder
{{Beispiel| Angabetext }}
zu (im Falle einer korrekten, unverifizierten Lösung "solved". Auch möglich "unsolved", "wrong", "verified_by_tutor". Alle möglichen Werte sind hier: Vorlage:Beispiel dokumentiert.)
{{Beispiel|status=solved|1= Angabetext }}
Lösungsvorschlag von Amazingschnitzel[Bearbeiten | Quelltext bearbeiten]
--Amazingschnitzel 15:10, 4. Nov. 2019 (CET)
(a)[Bearbeiten | Quelltext bearbeiten]
x = seq(-10, 20, 0.1)
plot(x, dnorm(x, 5, 2), "l", col="blue")
plot(x, pnorm(x, 5, 2), "l", col="red")
(b)[Bearbeiten | Quelltext bearbeiten]
Daraus können wir den Erwartungswert () sowie die Standardabweichung ) herauslesen.
Dasselbe können wir für machen.
Daraus folgt einfach abgelesen:
(c)[Bearbeiten | Quelltext bearbeiten]
hist(rnorm(50, 5, 2))
hist(rnorm(500, 5, 2))
Lösungsvorschlag von Simplex[Bearbeiten | Quelltext bearbeiten]
# a)
x <- seq(-1, 11, 0.01)
y <- dnorm(x, 5, 2)
plot(x,y, type='l')
# b)
x_mean <- 5
x_sd <- 2
s_mean <- 50 * x_mean
s_sd <- sqrt(50 * (x_sd ^ 2))
x_avg_mean <- x_mean
x_avg_sd <- x_sd / sqrt(50)
# c)
x50 <- rnorm(50, 5, 2)
hist(x50)
x500 <- rnorm(500, 5, 2)
hist(x500)
--Simplex 14:28, 3. Feb. 2023 (CET)