WahrscheinlichkeitsVerteilungen Kap. 5 - FB 4 Allgemein
WahrscheinlichkeitsVerteilungen Kap. 5 - FB 4 Allgemein
WahrscheinlichkeitsVerteilungen Kap. 5 - FB 4 Allgemein
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
<strong>Allgemein</strong> kann man bei Erhöhung der Anzahl der Versuchsdurchführungen feststellen, dass eine<br />
Stabilisierung der relativen Häufigkeiten eines Ereignisses A eintritt. Bei großem<br />
Stichprobenumfang (oder großer Anzahl von Versuchen) schwanken die relativen Häufigkeiten<br />
mehr oder minder stark um einen festen Zahlenwert.<br />
Den festen Zahlenwert, um den die relativen Häufigkeiten schwanken, nennt man die<br />
Wahrscheinlichkeit des Ereignisses A. Die Wahrscheinlichkeit P(A) kann als ein Schätzwert<br />
für die relative Häufigkeit verwendet werden.<br />
Den Stabilisierungseffekt nennt man auch das Gesetz der großen Zahlen. Dieser<br />
Stabilisierungseffekt tritt nur unter den Bedingungen ein,<br />
a) dass der Versuch jedes Mal unter derselben Bedingung durchgeführt wird.<br />
b) dass die einzelnen Versuche keinen Einfluss auf die Ergebnisse nachfolgender Versuche<br />
haben.<br />
!<br />
Ein Häufgikeitspolygon ist ein Liniendiagram, bei dem die Klassenmitten auf den Spitzen der<br />
Rechtecke im Histogramm mit einander verbunden werden. Der Inhalt der Fläche unter dem<br />
Polygon ist gleich dem der Rechtecke des Histograms.<br />
Das Diagramm, das die relativen kumulierten Häufigkeiten für klassierten Häufigkeiten darstellt,<br />
wird kumulatives relatives Häufigkeitspolygon, Summenkurve oder Empirische<br />
Verteilungsfunktion der klassierten Häufigkeitsverteilungen genannt.<br />
"<br />
Aus der folgende Liste für die Wochenlöhne in $ von 10 Angestellten der Firma P&R wurde eine<br />
Tabelle der klassierten Häufigkeiten erstellt.<br />
{ 241,5 ; 244 ; 244 ; 248 ; 248 ; 250,4 ; 251 ; 254,1 ; 255 ; 256,2 }<br />
# Erstellen Sie eine Tabelle der Häufigkeiten, ein Histogramm der Klassendichten der relativen<br />
Häufigkeiten, ein Polygon sowie die Empirische Verteilungsfunktion.<br />
# Wie groß ist die Wahrscheinlichkeit, dass die Löhne weniger als 248 [$] sind?<br />
$% &<br />
# M = 5 ; N = 10<br />
Spannweite: 256,2 – 241 = 15,2 260 – 240 = 20<br />
j Wochenlohn Klassen Klassen Abs. Rel.<br />
Klasse: -Breite: -Mitte: Häufig. Häufigkeit:<br />
K j<br />
d j<br />
m j<br />
h j<br />
f j<br />
Klassen-Dichte<br />
der Rel. Häufig.<br />
f * j<br />
Kumulierte<br />
Rel.<br />
Häufig F j<br />
1 [ 240 ; 244 ) 4 242 1 1 / 10 = 0,1 0,1 / 4 = 0,025 0,1<br />
2 [ 244 ; 248 ) 4 246 2 0,2 0,05 0,3<br />
3 [ 248 ; 252 ) 4 250 4 0,4 0,1 0,7<br />
4 [ 252 ; 256 ) 4 254 2 0,2 0,05 0,9<br />
5 [ 256 ; 260 ) 4 258 1 0,1 0,025 1,0<br />
1
Häufigkeiten<br />
0,1<br />
0,075<br />
0,05<br />
0,025<br />
f * j<br />
Polygon<br />
Histogramm der<br />
Klassendichten der<br />
rel. Häufigkeiten<br />
238 242 246 250 254 258 262<br />
1<br />
0,8<br />
0,6<br />
0,4<br />
0,2<br />
Empirische Verteilungsfunktion<br />
Kumulatives Relatives<br />
Häufigkeitspolygon<br />
# aus dem Histogramm:<br />
P ( X < 248 ) = f * 1 ⋅ d 1 + f * 2 ⋅ d 2 = 4 ⋅ 0,025 + 4 ⋅ 0,05 = 0,3<br />
Häufigkeiten<br />
F j<br />
240 244 248 252 256 260<br />
oder einfacher aus der Empirische Verteilungsfunktion (Kumulierte Relativen Häufigkeiten:<br />
P ( X < 248 ) = F 2 = 0,3<br />
'( #<br />
Wählt man aus einer Grundgesamtheit eine Stichprobe mit sehr großem Umfang, so sind viele<br />
Beobachtungen vorhanden. Somit ist es theoretisch möglich die Klassenintervalle sehr klein zu<br />
wählen und trotzdem eine erfassbare Anzahl von Beobachtungen in jeder Klasse zu erhalten.<br />
Folglich kann das relative Häufigkeitspolygon durch ein geglättetes Häufigkeitspolygon oder<br />
auch Häufigkeitskurve genannt ersetzt werden.<br />
In ähnlicher Weise erhält man geglättete kumulative relative Häufigkeitspolygone (geglättete<br />
Summenkurven). Im <strong>Allgemein</strong>en ist es leichter, ein kumulatives relatives Häufigkeitspolygon<br />
(eine Summenkurve) zu glätten.<br />
In der Praxis nehmen Häufigkeitskurven gewisse Formen an, wie Parabeln, symmetrische oder<br />
unsymmetrische Gaußsche Glockenkurve oder Graphen von Exponentialfunktionen. Mit Hilfe der<br />
Methoden der Interpolation können anschließend Funktionsgleichungen für diese Kurven erstellt<br />
werden.<br />
) *<br />
Definition 1) Zufallsvariable<br />
Die Zufallsvariable X ist eine Funktion, die jedem ElementarErEigniss aus der Ergebnismenge<br />
eines Zufallsexperimentes genau eine Zahl zuordnet.<br />
Die Zufallsvariable heißt diskret, wenn sie endlich viele oder abzählbar unendlich viele reelle<br />
Werte annehmen kann.<br />
Die Zufallsvariable heißt stetig, wenn sie jeden beliebigen reellen Wert in einem endlichen<br />
oder unendlichen Intervall annehmen kann.<br />
" + &<br />
X : Zufallsvariable (Funktion) mit großen Buchstaben.<br />
x k : Werte, die die Zufallsvariable annimmt, mit kleinen Buchstaben.<br />
X = x k ; mit k = 1 ; 2 ; . . .<br />
2
"<br />
Folgende Zufallsvariable ist gegeben:<br />
X : „Ereichte Augenzahl beim Wurf eines homogenen Würfels“<br />
Geben Sie die Wahrscheinlichkeiten, für das Eintreten der jeweiligen Augenzahlen an.<br />
$% &<br />
P ( X = x 1 ) = P ( X = 1 ) = 1/6 ; P ( X = x 2 ) = P ( X = 2 ) = 1/6 ;<br />
P ( X = x 3 ) = P ( X = 3 ) = 1/6 ; P ( X = x 4 ) = P ( X = 4 ) = 1/6 ;<br />
P ( X = x 5 ) = P ( X = 5 ) = 1/6 ; P ( X = x 6 ) = P ( X = 6 ) = 1/6 .<br />
) *<br />
Definition 2) Wahrscheinlichkeitsverteilung einer diskreten Zufallsvariable<br />
Sei X eine diskrete Zufallsvariable mit den Werten x 1 , x 2 , . . . .<br />
Die Wahrscheinlichkeitsverteilung einer diskreten Zufallsvariable X kann wie folgt durch die<br />
Wahrscheinlichkeitsfunktion f (x ) beschrieben werden.<br />
f (x k ) = p k = P ( X = x k )<br />
Dabei ist p k die Wahrscheinlichkeit dafür, dass X den Wert x k annimmt.<br />
Die Verteilungsfunktion einer Zufallsvariable X ist die Wahrscheinlichkeit dafür, dass die<br />
Zufallsvariable X einen Wert annimmt, der kleiner oder gleich einer vorgegebenen reellen Zahl x<br />
ist.<br />
F<br />
( x ) = P ( X ≤ x ) = f ( x )<br />
x k<br />
Bemerkung:<br />
Die Wahrscheinlichkeiten f (x k ) = p k haben eine Analogie zu den relativen Häufigkeiten f j<br />
Die Verteilungsfunktion F (x ) hat eine Analogie zu den kumulierten relativen Häufigkeiten F j<br />
Eigenschaften der Wahrscheinlichkeitsfunktion einer diskreten Zufallsvariable<br />
Sei X eine diskrete Zufallsvariable mit den Werten x 1 , x 2 , . . . ., so besitzt die<br />
Wahrscheinlichkeitsfunktion folgende Eigenschaft:<br />
k<br />
( x ) = 1<br />
f , mit f (x k) 0<br />
k<br />
Bemerkung:<br />
Die Ereignisse X = x k bilden eine disjunkte Zerlegung von und wegen P ( ) = 1 gilt:<br />
1<br />
=<br />
P<br />
( Ω ) = f ( x )<br />
k<br />
p k<br />
k<br />
≤<br />
x<br />
k<br />
3
" )<br />
Folgende Zufallsvariable ist gegeben:<br />
X : „Ereichte Augenzahl , beim Wurf eines homogenen Würfels“<br />
Stellen Sie die Wahrscheinlichkeitsverteilung von X graphisch dar.<br />
X = x k = k 1 2 3 4 5 6<br />
P (X = x k ) = P (X = k ) = f ( k ) 1/6 1/6 1/6 1/6 1/6 1/6<br />
F ( x k ) = F ( k ) 1/6 2/6 3/6 4/6 5/6 6/6<br />
Stabdiagramm der Wahrscheinlichkeitsfunktion<br />
f ( xk )<br />
1 / 6<br />
0,15<br />
0,10<br />
0,05<br />
0<br />
0 1 2 3 4 5 6<br />
Augenzahl<br />
x k<br />
F ( x k ) k )<br />
) *<br />
1<br />
2 / 6<br />
1 / 6<br />
Definition 3) Dichtefunktion und Wahrscheinlichkeitsdichte<br />
Verteilungsfunktion<br />
– 1 0 1 2 3 4 5 6 xk Augenzahl<br />
Die Wahrscheinlichkeitsverteilung einer stetigen Zufallsvariable X lässt sich durch die<br />
Dichtefunktion oder Wahrscheinlichkeitsdichte f (x) oder durch die dazugehörige<br />
Verteilungsfunktion:<br />
F<br />
beschreiben.<br />
( x ) = P ( X ≤ x ) = f ( u ) du<br />
Die Dichtefunktion erfüllt folgende Eigenschaften:<br />
f (x) 0<br />
f ist stetig bis auf endliche Punkte<br />
−<br />
∞<br />
∞<br />
f<br />
( x ) dx = 1<br />
−<br />
x<br />
∞<br />
x k<br />
4
" ,<br />
Die Lebensdauer T (in Jahren) eines bestimmten elektronischen Bauteils sei eine<br />
exponentialverteilte Zufallsgröße mit der Dichtefunktion:<br />
f<br />
( t )<br />
=<br />
0<br />
0 , 1 e<br />
für<br />
≤<br />
0<br />
− 0 , 1t<br />
für t > 0<br />
t<br />
# Stellen Sie die Wahrscheinlichkeitsverteilung von T graphisch dar.<br />
# Wie groß ist der Anteil an Bauelemente, deren Lebensdauer den Wert t = 10 Jahren<br />
überschreitet?<br />
$% &<br />
# Die Wahrscheinlichkeitsverteilung ist<br />
F<br />
( t ) = f ( u )<br />
t<br />
d u<br />
=<br />
t<br />
−<br />
∞<br />
0 d u<br />
− ∞<br />
− 0 , 1 u<br />
0 , 1 e du für t > 0 1 − e für t > 0<br />
0<br />
0<br />
Dichtefunktion Verteilungsfunktion<br />
P<br />
f ( t )<br />
t<br />
# Die Zufallsvariable ist: T. Die Wahrscheinlichkeit für alle Zeiten unterhalb von t = 10 Jahren<br />
lässt sich berechnen durch:<br />
( T ≤ 10 ) = F ( 10 ) = f ( t )<br />
=<br />
−<br />
0<br />
10<br />
∞<br />
+<br />
d t<br />
0 , 1 ⋅<br />
=<br />
e<br />
−<br />
0<br />
∞<br />
( − 0 , 1 )<br />
für<br />
0 ⋅ d t<br />
− 0 , 1 t<br />
oder einfacher mit der Verteilungsfunktion F ( t )<br />
P<br />
− 0 , 1⋅<br />
10<br />
( T ≤ 10 ) = F ( 10 ) = 1 − e = 0 , 632<br />
t<br />
F ( t )<br />
+<br />
10<br />
0<br />
10<br />
0<br />
=<br />
≤<br />
0<br />
0 , 1e<br />
=<br />
0<br />
− 0 , 1 t ⋅ d t<br />
−<br />
0 , 1t<br />
für<br />
[ − 1 ( − e ) − ( − 1 ) ] = 0 , 632<br />
t<br />
t<br />
≤<br />
0<br />
5
Für die Gesamtwahrscheinlichkeit der Dichtefunktion gilt: f ( t ) dt = 1<br />
Folglich ist die Wahrscheinlichkeit für alle Zeiten oberhalb von t = 10 Jahren:<br />
P<br />
∞<br />
− ∞<br />
( T > 10 ) = 1 − [ P ( T ≤ 10 ) ] = 1 − 0 , 632 = 0 , 368<br />
Also rund 36,8% der Bauteile sind nach t = 10 Jahren noch funktionsfähig.<br />
f ( t )<br />
F ( 10 ) = P ( T 10 )<br />
P ( T > 10 )<br />
, - . . ' / . #<br />
Führt man ein Zufallsexperiment sehr oft durch (N ∞) , so nähern sich die relativen<br />
Häufigkeiten fk für die jeweiligen Werte xk den jeweiligen Werten der<br />
Wahrscheinlichkeitsfunktion f (xk) = pk an.<br />
Definition 4) Erwartungswert einer Zufallsvariable<br />
Der Erwartungswert E( X ) einer Zufallsvariable X ist:<br />
( x )<br />
µµµµ = x ⋅ f , falls X diskret ist.<br />
k<br />
k<br />
p k<br />
k<br />
Dabei ist p k = f ( x k ) die Wahrscheinlichkeitsfunktion der diskreten Zufallsvariable.<br />
∞<br />
( x ) dx<br />
µµµµ = x ⋅ f , falls X stetig ist.<br />
− ∞<br />
Dabei ist f ( x ) die Dichtefunktion der stetigen Zufallsvariable.<br />
t<br />
6
"<br />
Folgende Zufallsvariable ist für das Zufallsexperiment „Wurf eines homogenen Würfels“ gegeben:<br />
X : Ereichte Augenzahl beim einmaligem Wurf eines Würfels<br />
Bestimmen Sie den Erwartungswert für diese Zufallsvariable des Zufallsexperiments.<br />
$% &<br />
Die Zufallsvariable X kann die Werte x k = k = 1 ; 2 ; . . . ; 6 annehmen<br />
µµµµ<br />
=<br />
k<br />
x<br />
k<br />
⋅<br />
f<br />
p k<br />
6<br />
6<br />
( x ) ==<br />
k ⋅ f ( k ) = 1 ⋅ + 2 ⋅ + + 6 ⋅ = 3 , 5<br />
k<br />
k = 1<br />
k = 1<br />
" 0<br />
Die Lebensdauer T (in Jahren) eines bestimmten elektronischen Bauteils sei eine<br />
exponentialverteilt Zufallsgröße mit der Dichtefunktion:<br />
f ( t )<br />
Berechnen Sie die mittlere Lebensdauer des Bauteils.<br />
$% &<br />
µµµµ =<br />
∞<br />
− ∞<br />
= 0,<br />
1⋅<br />
t ⋅ f<br />
( t )<br />
t<br />
lim<br />
d t<br />
→ ∞<br />
=<br />
0<br />
0<br />
− ∞<br />
t ⋅ 0 ⋅ dt<br />
− 0,<br />
1t<br />
− 1<br />
⋅ e 2<br />
0,<br />
1<br />
+<br />
− 0,<br />
1t<br />
0<br />
−<br />
t<br />
t ⋅ 0,<br />
1e<br />
1<br />
6<br />
− 0,<br />
1t<br />
dt<br />
=<br />
− 0,<br />
1 ⋅ 0 − 1<br />
⋅ e<br />
2<br />
0,<br />
1<br />
Also beträgt die mittlere Lebensdauer des Bauteils 10 Jahre.<br />
∞<br />
f<br />
( t )<br />
=<br />
1<br />
6<br />
0,<br />
1 ⋅<br />
− 0,<br />
1⋅<br />
0<br />
1<br />
0<br />
0 ,<br />
1 e<br />
− 0,<br />
1t<br />
0,<br />
1<br />
=<br />
1<br />
6<br />
− 0 , 1t<br />
für t > 0<br />
2<br />
− 1<br />
⋅ e<br />
1<br />
0,<br />
1⋅<br />
0,<br />
1<br />
für<br />
2<br />
t<br />
− 0,<br />
1t<br />
≤<br />
∞<br />
0<br />
0<br />
= 10 [ Jahre]<br />
7
, 1 + .<br />
Varianz der Stichprobe für Stichproben mit sehr großem Umfang<br />
Ist die Anzahl der Wiederholungen eines Zufallsexperiments (die Anzahl der Elemente einer<br />
Stichprobe) sehr groß (N ∞) so kann die Varianz mit Hilfe von absoluten bzw. relativen<br />
Häufigkeiten wie folgt berechnet werden.<br />
s<br />
2<br />
=<br />
=<br />
M<br />
k<br />
M<br />
k<br />
f<br />
h<br />
k<br />
k<br />
⋅<br />
⋅<br />
N<br />
2<br />
( x − x ) Sehr große N h ⋅ ( x − x )<br />
−<br />
( x − x )<br />
k<br />
k<br />
1<br />
2<br />
===<br />
===<br />
Dabei gibt M die Anzahl der verschiedenen Merkmalausprägungen.<br />
Führt man ein Zufallsexperiment sehr oft durch (N ∞) , so nähern sich die relativen<br />
Häufigkeiten f k für die jeweiligen Werte k den jeweiligen Werten der<br />
Wahrscheinlichkeitsfunktion f (k) = f (xk) = pk an.<br />
Definition 5) Varianz ² und Standardabweichung einer Zufallsvariable<br />
Die Varianz VAR( X ) einer Zufallsvariable X ist:<br />
p k<br />
M<br />
( ) ( ) 2<br />
x ⋅ x<br />
2 = k k µµµµ<br />
k<br />
k<br />
σσσσ f − , falls X diskret ist.<br />
k<br />
N<br />
k<br />
2<br />
=<br />
M<br />
k<br />
h<br />
N<br />
k<br />
⋅<br />
( x − x )<br />
Dabei sind p k = f ( x k ) die Wahrscheinlichkeitsfunktion und der Erwartungswert der<br />
diskreten Zufallsvariable.<br />
∞<br />
2 2<br />
σσσσ = f ( x ) ⋅ ( x − µµµµ ) dx<br />
−<br />
∞<br />
, falls X stetig ist.<br />
Dabei sind f ( x ) die Dichtefunktion und der Erwartungswert der stetigen Zufallsvariable.<br />
Die Standardabweichung ist: σσσσ =<br />
2<br />
σσσσ<br />
Bemerkung:<br />
Die Varianz für diskrete bzw. stetige Zufallsvariablen kann auch mit der bequemeren Formel<br />
berechnet werden.<br />
2<br />
2<br />
( x ) ⋅ x<br />
2<br />
=<br />
k<br />
µµµµ<br />
k<br />
k<br />
σσσσ f − , falls X diskret ist.<br />
∞<br />
2 2<br />
2<br />
σσσσ = ( x ) ⋅ x dx − µµµµ<br />
−<br />
∞<br />
f , falls X stetig ist.<br />
k<br />
2<br />
8
" 2<br />
Folgende Zufallsvariable ist für das Zufallsexperiment „Wurf eines homogenen Würfels“ gegeben:<br />
X : Ereichte Augenzahl beim einmaligem Wurf eines Würfels<br />
Berechnen Sie die Varianz für diese Zufallsvariable des Zufallsexperiments.<br />
$% &<br />
Die Zufallsvariable X kann die Werte x k = k = 1 ; 2 ; . . . ; 6 annehmen.<br />
Im Beispiel 5 ergab sich für den Erwartungswert: µµµµ = 3,5 .Somit ergibt sich für die Varianz:<br />
σσσσ<br />
2<br />
=<br />
=<br />
k<br />
1<br />
⋅<br />
6<br />
2<br />
( x ) ⋅ ( x − ) ==<br />
== f ( k ) ⋅ ( k − 3 , 5 )<br />
f µµµµ<br />
k<br />
k<br />
1<br />
2<br />
2<br />
2<br />
( 1−<br />
3 , 5 ) + ⋅ ( 2 − 3 , 5 ) + + ⋅ ( 6 − 3 , 5 ) = 2 , 916<br />
6<br />
k = 1<br />
6<br />
k = 1<br />
Man kann die Varianz auch mit Hilfe der bequemeren Formel ausrechnen.<br />
σσσσ<br />
2<br />
=<br />
6<br />
k = 1<br />
f<br />
1<br />
2<br />
2<br />
2<br />
2<br />
2<br />
( k ) ⋅ k − 3 , 5 = ⋅ 1 + + ⋅ 6 − 3 , 5 = 2 , 916<br />
" 3<br />
Die Lebensdauer T (in Jahren) eines bestimmten elektronischen Bauteils sei eine<br />
exponentialverteilte Zufallsgröße mit der Dichtefunktion:<br />
f<br />
( t )<br />
=<br />
0<br />
0 , 1 e<br />
,<br />
t<br />
für<br />
≤<br />
0<br />
− 0 1 für t > 0<br />
t<br />
6<br />
Die mittlere Lebensdauer dieses Bauteils beträgt 10 Jahre (s. Bsp. 6). Berechnen Sie die<br />
Standardabweichung für die Lebensdauer des Bauteils.<br />
$% &<br />
σσσσ<br />
∞<br />
0<br />
∞<br />
2 = f<br />
=<br />
−<br />
∞<br />
2<br />
2<br />
− 0 , 1t<br />
2<br />
( t ) ⋅ ( t − µµµµ ) d t ==<br />
0 ⋅ ( t − 10 ) dt + 0 , 1e<br />
⋅ ( t − 10 ) dt 100<br />
µµµµ = 10 −<br />
Also beträgt die Standardabweichung: = 10 [Jahre]<br />
Man kann die Varianz auch mit Hilfe der bequemeren Formel ausrechnen.<br />
0<br />
∞<br />
2 2<br />
− 0 , 1t<br />
0 , 1e<br />
2 10<br />
σσσσ = 0 ⋅ t ⋅ dt +<br />
⋅ t ⋅ dt − = 100<br />
−<br />
∞<br />
= 10 [Jahre]<br />
0<br />
∞<br />
1<br />
6<br />
1<br />
6<br />
0<br />
2<br />
2<br />
9