Wahrscheinlichkeit: Normalverteilung und Stetige Zufallsvariablen: Unterschied zwischen den Versionen
| Zeile 3: | Zeile 3: | ||
{{Vorlage:Definition|1=Die Dichtefunktion $f$ ist eine Funktion mit den Eigenschaften: | {{Vorlage:Definition|1=Die Dichtefunktion $f$ ist eine Funktion mit den Eigenschaften: | ||
| − | * $f(x)\geq 0 $ und | + | * Die [[Funktionswerte]] von $f$ sind immer positiv: |
| + | $$f(x)\geq 0 $$ und | ||
* $\int_{-\infty}^{+\infty} f(x)\cdot dx=1$ (d.h. die Fläche unterhalb der Dichtefunktion ist 1).}} | * $\int_{-\infty}^{+\infty} f(x)\cdot dx=1$ (d.h. die Fläche unterhalb der Dichtefunktion ist 1).}} | ||
| Zeile 10: | Zeile 11: | ||
| − | Mit Hilfe der Dichtefunktion definieren wir nun (ähnlich wie bei den diskreten Zufallsvariablen) die ... | + | Mit Hilfe der Dichtefunktion definieren wir nun (ähnlich wie bei den [[Wahrscheinlichkeit:Binomialverteilung und diskrete Zufallsvariablen|diskreten Zufallsvariablen]]) die ... |
{{Vorlage:Definition|1=Verteilungsfunktion F : | {{Vorlage:Definition|1=Verteilungsfunktion F : | ||
| Zeile 24: | Zeile 25: | ||
Hinweis: | Hinweis: | ||
| − | * Die Wahrscheinlichkeit, dass $X$ einen bestimmten Wert $a$ annimmt ist 0 da | + | * Die Wahrscheinlichkeit, dass $X$ einen bestimmten Wert $a$ annimmt ist 0 da: |
| − | $P(a\leq X\leq a)= \int_{a}^{a} f(x)\cdot dx = F(a)-F(a)=0$ ist. (Dies lässt sich auch so argumentieren: Da $X$ unendlich viele Werte annehmen kann. | + | $$P(a\leq X\leq a)= \int_{a}^{a} f(x)\cdot dx = F(a)-F(a)=0$$ |
| − | * $P(X\leq a)=P(X<a)$ da $ P(X\leq a)=P(X<a)+P(X=a)$ und da $P(X=a)$ ist, gilt die Behauptung. | + | :ist. (Dies lässt sich auch so argumentieren: Da $X$ unendlich viele Werte annehmen kann). |
| + | * $P(X\leq a)=P(X<a)$ Begründung: da $ P(X\leq a)=P(X<a)+P(X=a)$ und da $P(X=a)$ ist, gilt die Behauptung. | ||
| − | {{Vorlage:Definition|1= Für stetige ZV sind '''Erwartungswert''' $\mu$ und '''Standardabweichung''' wie folgt definiert: | + | {{Vorlage:Definition|1= Für stetige ZV sind '''Erwartungswert''' $\mu$ und '''Standardabweichung''' $\sigma$ wie folgt definiert: |
| − | + | $$E(x)=\mu=\int_{-\infty}^{+\infty} x\cdot f(x)\cdot dx$$ | |
| − | + | $$\sigma =\sqrt{\int_{-\infty}^{+\infty} (x-\mu)^2 f(x)\cdot dx}$$ | |
}} | }} | ||
| Zeile 50: | Zeile 52: | ||
| − | '''Eigenschaften des Graphen | + | '''Eigenschaften des Graphen der Dichtefunktion :''' |
| − | * Die Glockenkurve ist symmetrisch zum Erwartungswert $\mu$, bei dem Sie auch ihren Hochpunkt hat. | + | * Die Glockenkurve ist symmetrisch zum Erwartungswert $\mu$, bei dem Sie auch ihren einzigen Hochpunkt hat. |
* Die beiden Wendepunkte der Glockenkurve befinden sich bei $\mu -\sigma$ und $\mu +\sigma$ | * Die beiden Wendepunkte der Glockenkurve befinden sich bei $\mu -\sigma$ und $\mu +\sigma$ | ||
| − | * Im Intervall $[ | + | * Im Intervall $[\mu -\sigma ; \mu -\sigma]$ befinden sich ca. 68 % aller Werte. |
| − | * | + | * Die Glockenkurve nähert sich [[Asymptote|asymptotisch]] der x-Achse an und es gilt $$\lim_{x\rightarrow \pm \infty} =0$$ |
* Sie erfüllt alle wichtigen Eigensachften einer Dichtefunktion: | * Sie erfüllt alle wichtigen Eigensachften einer Dichtefunktion: | ||
:: $f(x)\geq 0 $ und | :: $f(x)\geq 0 $ und | ||
:: $\int_{-\infty}^{+\infty} f(x)\cdot dx=1$ (d.h. die Fläche unterhalb der Dichtefunktion ist 1). | :: $\int_{-\infty}^{+\infty} f(x)\cdot dx=1$ (d.h. die Fläche unterhalb der Dichtefunktion ist 1). | ||
| + | |||
Die Normalverteilung ist deshalb so wichtig, da es in der Natur und im Alltag sehr viele Zuvallsvariablen gibt, die eine solche Verteilung aufweisen und somit eine Dichtefunktion besitzen, deren Graph glockenförmig ist. | Die Normalverteilung ist deshalb so wichtig, da es in der Natur und im Alltag sehr viele Zuvallsvariablen gibt, die eine solche Verteilung aufweisen und somit eine Dichtefunktion besitzen, deren Graph glockenförmig ist. | ||
Version vom 22. November 2014, 10:48 Uhr
Grundbegriffe: Dichtefunktion, Verteilungsfunktion, Erwartungswert, Standardabweichung
Anstelle der Wahrscheinlichkeitsfunktion P für diskrete Zufallsvariablen, definiert man für stetige Zufallsvariablen die Dichtefunktion f.
|
Die Dichtefunktion $f$ ist eine Funktion mit den Eigenschaften:
$$f(x)\geq 0 $$ und
|
Der Grund, warum man nicht die Wahrscheinlichkeitsfunktion $P$ verwendet, liegt darin, dass stetige Zufallsvariablen unendlich viele (und überabzählbar viele) Werte haben und die Wahrscheinlichkeit, dass ein ganz bestimmter Wert gezogen wird gleich 0 ist.
Mit Hilfe der Dichtefunktion definieren wir nun (ähnlich wie bei den diskreten Zufallsvariablen) die ...
|
Verteilungsfunktion F :
$$F(x)=P(X\leq x)= \int_{-\infty}^{x} f(t)\cdot dt$$, die die Wahrscheinlichkeit, dass $X$ einen Wert $\leq x$ annimmt, angibt. |
Wichtig: Die Funktionswerte der Dichtefunktion $f(x)$ geben NICHT die Wahrscheinlichkeit an. Bei stetigen Zufallsvariablen können wir nur die Wahrscheinlichkeit dafür angeben, dass $X$ Werte in einem bestimmten Intervall annimmt.
|
Die Wahrscheinlichkeit, dass die stetige ZV $X$ einen Wert im Intervall [a;b] annimmt, entspricht der Fläche unter der Dichtefunktion zwischen den Grenzen a und b:
$$P(a\leq X\leq b)= \int_{a}^{b} f(x)\cdot dx = F(b)-F(a)$$ |
Hinweis:
- Die Wahrscheinlichkeit, dass $X$ einen bestimmten Wert $a$ annimmt ist 0 da:
$$P(a\leq X\leq a)= \int_{a}^{a} f(x)\cdot dx = F(a)-F(a)=0$$
- ist. (Dies lässt sich auch so argumentieren: Da $X$ unendlich viele Werte annehmen kann).
- $P(X\leq a)=P(X<a)$ Begründung: da $ P(X\leq a)=P(X<a)+P(X=a)$ und da $P(X=a)$ ist, gilt die Behauptung.
|
Für stetige ZV sind Erwartungswert $\mu$ und Standardabweichung $\sigma$ wie folgt definiert:
$$E(x)=\mu=\int_{-\infty}^{+\infty} x\cdot f(x)\cdot dx$$ $$\sigma =\sqrt{\int_{-\infty}^{+\infty} (x-\mu)^2 f(x)\cdot dx}$$ |
Bsp mit einer Funktion
Eine der wichtigsten stetigen Verteilungsfunktionen ist die
Normalverteilung
|
Eine stetige Zufallsvariable ist normalverteilt mit Erwartungswert $\mu$ und Standardabweichung $\sigma$ (kurz: $N(\mu ;\sigma)$-verteilt), wenn für die Dichtefunktion $f$ gilt:
$$ f(x)=\frac{1}{\sqrt{2\pi}\cdot \sigma}\cdot e^{\frac{1}{2}\cdot (\frac{x-\mu}{\sigma})^2}$$ |
Die Dichtefunktion der Normalverteilung wird aufgrund ihrer Form „Gaußschen Glockenkurve“ genannt.
Eigenschaften des Graphen der Dichtefunktion :
- Die Glockenkurve ist symmetrisch zum Erwartungswert $\mu$, bei dem Sie auch ihren einzigen Hochpunkt hat.
- Die beiden Wendepunkte der Glockenkurve befinden sich bei $\mu -\sigma$ und $\mu +\sigma$
- Im Intervall $[\mu -\sigma ; \mu -\sigma]$ befinden sich ca. 68 % aller Werte.
- Die Glockenkurve nähert sich asymptotisch der x-Achse an und es gilt $$\lim_{x\rightarrow \pm \infty} =0$$
- Sie erfüllt alle wichtigen Eigensachften einer Dichtefunktion:
- $f(x)\geq 0 $ und
- $\int_{-\infty}^{+\infty} f(x)\cdot dx=1$ (d.h. die Fläche unterhalb der Dichtefunktion ist 1).
Die Normalverteilung ist deshalb so wichtig, da es in der Natur und im Alltag sehr viele Zuvallsvariablen gibt, die eine solche Verteilung aufweisen und somit eine Dichtefunktion besitzen, deren Graph glockenförmig ist.
