Kann mir jemand sagen, wie man die Verteilung des Produktes zweier normalverteilter Zufallsvariablen berechnet? Da Ergebnis nicht mehr normalverteilt ist, suche ich eine Näherung für die resultierende Varianz. Danke
Da würd ich mal instinktiv auf die Wurzel tippen. Und die sollte auch noch normalverteilt sein.
Kannst du deine Antwort noch etwas ausführen. A = N(ma,sa) ma=mean A sa=standard deviation A B = N(mb,sb) ma=mean B sa=standard deviation B Ich suche die Verteilung von A*B und eine Näherung für Var(A*B)
Ich schau spaeter mal in meinen Unterlagen nach. Var(A*B) ist ziemlich uebel... das findet man in der "normalen" Literatur aus diesen Gruenden wohl eher selten.
Hi, Var(AB) = sa^2*sb^2 + ma^2*sb^2 + mb^2*sa^2 E(AB) = ma * mb (klar) bin grad in der Klausurvorbereitung auf genau das Fach... Du rein zufällig auch? Gruß Christian
Christian Axtmann wrote: > Hi, > > Var(AB) = sa^2*sb^2 + ma^2*sb^2 + mb^2*sa^2 Was soll das sein? Benutze mal [math]. Und was soll hier m, a, b und s sein?
> Und was soll hier m, a, b und s sein? Schau einfach mal ein paar Beiträge weiter drüber. TOM hat für die zwei Zufallsvariablen A und B vorgegeben: > A = N(ma,sa) ma=mean A sa=standard deviation A > B = N(mb,sb) ma=mean B sa=standard deviation B Also Erwartungswerte ma und mb und Varianzen sa und sb (Eigentlich das griechische Mü und Sigma). Und die Varianz von A*B (=AB, klar) ist wie oben geschrieben. So schlimm sieht das zwar nicht aus finde ich, trotzdem nochmal mit math: (Hoffe es klappt)
Und nochmal in griechisch:
Muss mich gleich noch korrigieren: sa und sb sind nicht die Varianzen, sondern die Standard-Abweichungen. Wobei die Angabe von TOM mich etwas zum stutzen bringt. Normalerweise sind Normalverteilte ZV mit
verteilt (Betonung auf dem Quadrat)
Vielen Dank Nee, bin nicht in der Klausurvorbereitung. Ich möchte einen Kalman-Filter als Parameterschätzer für ein Modell einsetzen, das linear in den Parametern ist. Leider funktioniert das ganze nicht mehr, wenn die gemessenen Modelleingangssignale verrauscht sind. Im speziellen Fall des reinen Parameterschätzers (Random Walk, A=Einheitsmatrix) stehen die Modelleingangsgrößen in der Ausgangsmatrix. Die Ausgangsmatrix ist aber ja normal konstant. Sind die Daten aber verrauscht, so bekomme ich hier Probleme und die Schätzung ist biasbehaftet. Wenn natürlich jemand hierzu direkt einen Hinweis hat, wäre ich sehr dankbar.
@Christian: Das Quadrat hab ich vergessen, natürlich wir hier die Varianz angegeben.
Wenn du es parametrisch wissen willst kannst du doch einfach die Normalverteilung in die Normalverteilung einsetzen wie bei ganz normalen Funktionen, nur unter der Vorrausetzung, dass die Elemente stochastisch unabhängig sind. Wenn sie korreliert sind dann kommts eben darauf an.
Bitte melde dich an um einen Beitrag zu schreiben. Anmeldung ist kostenlos und dauert nur eine Minute.
Bestehender Account
Schon ein Account bei Google/GoogleMail? Keine Anmeldung erforderlich!
Mit Google-Account einloggen
Mit Google-Account einloggen
Noch kein Account? Hier anmelden.