1 STATISIK LV Nr.: 0028 SS 2005 23. Mai 2005. 2 Zufallsvariable Zufallsvariable: Variable deren Wert vom Zufall abhängt (z.B. X, Y, Z) –Bsp. Zufallsexperiment:

1

STATISIK

LV Nr.: 0028

SS 2005

23. Mai 2005

2

Zufallsvariable

• Zufallsvariable: Variable deren Wert vom Zufall abhängt (z.B. X, Y, Z)– Bsp. Zufallsexperiment: 2-maliges Werfen

einer Münze. Frage: Wie oft erscheint „Zahl“? Mögliche Werte: 0, 1, 2. Variable „Anzahl Zahl“ hängt vom Zufall ab – Zufallsvariable.

• Realisation (Ausprägung): Wert, den eine Zufallsvariable X annimmt (z.B. x, y, z). – Bsp. 2-maliges Werfen einer Münze, ZV X

„Anzahl Zahl“, Ausprägungen: x1=0, x2=1, x3=2.

3

Zufallsvariable

• Zufallsvariable: Funktion, die jedem Elementarereignis eine bestimmt reelle Zahl zuordnet, z.B. X(ej)=xi

• Definitionsbereich einer ZV: Ereignisraum S des zugrundeliegenden Zufallsexperiments.

• Wertebereich einer ZV: Menge der reellen Zahlen.

4

Zufallsvariable

• Diskrete Zufallsvariable: ZV mit endlich vielen oder abzählbar unendlich vielen Ausprägungen

• Stetige Zufallsvariable: können (zumindest in einem bestimmten Bereich der reellen Zahlen) jeden beliebigen Zahlenwert annehmen.

5

Wahrscheinlichkeit

• Diskrete Zufallsvariable:

• Wahrscheinlichkeit, mit der eine diskrete ZV X eine spezielle Ausprägung xi annimmt, W(X=xi): Summe der Wahrscheinlichkeiten derjenigen Elementarereignisse ej, denen Ausprägung xi zugeordnet ist:

ij x)X(e

ji ) W(e)xW(X

6

Wahrscheinlichkeitsfunktion

• Wahrscheinlichkeitsfunktion einer diskreten ZV: Funktion f(xi), die für jede Ausprägung der ZV (unterschiedliche Ausprägungen xi einer ZV X) die Wahrscheinlichkeit ihres Auftretens angibt: f(xi) = W(X=xi)

• Eigenschaften:– f(xi) ≥ 0 i=1,2,…

– Σi f(xi) = 1

7

Verteilungsfunktion

• Verteilungsfunktion einer diskreten ZV: Funktion F(x), die die Wahrscheinlichkeit dafür angibt, dass die ZV X höchstens den Wert x annimmt. F(x) = W(X ≤ x)

• Es gilt:

• Treppenfunktion

xx

i

i

)f(xx)W(XF(x)

8

Verteilungsfunktion

• Verteilungsfunktion einer stetigen ZV (kann in einem bestimmten Intervall jeden beliebigen Wert annehmen): Funktion F(x), die die Wahrscheinlichkeit dafür angibt, dass die ZV X höchstens den Wert x annimmt. F(x) = W(X ≤ x)

• Stetige Funktion

9

Verteilungsfunktion

• Eigenschaften einer stetigen Vt-Funktion:1. 0 ≤ F(x) ≤ 1

2. F(x) ist monoton wachsend (d.h. für x1 < x2 gilt F(x1) ≤ F(x2)

3. lim x→-∞ F(x) = 0

4. lim x→∞ F(x) = 1

5. F(x) ist überall stetig

10

Wahrscheinlichkeitsdichte

• Wahrscheinlichkeitsdichte (Dichtefunktion) f(x) einer stetigen ZV: Ableitung der Verteilungsfunktion.

• Es gilt:

x

f(v)dvF(x)

f(x)F´(x)

11

Wahrscheinlichkeitsdichte

• Eigenschaften: 1. f(x) ≥ 0

2.

3. 4. W(X=x) = 05. W(a ≤ X ≤ b) = W(a < X < b)6. W(X ≤ a) = F(a)

W(X ≤ b) = F(b)

1f(x)dx

b

a

f(x)dxb)XW(a

W(a ≤ X ≤ b) = F(b) – F(a)

12

Parameter

• Charakterisierung der Wahrscheinlichkeits-verteilung von Zufallsvariablen durch Parameter (Maßzahlen)

• Erwartungswert E(X) = Lageparameter (Entspricht dem arithm. Mittel)

• Varianz Var(X) = Streuungsparameter

13

Erwartungswert

• Diskrete ZV:

• Stetige ZV:

i

iii

ii )f(xx)xW(XxE(X)

f(x)dxxE(X)

14

Varianz

• Diskrete ZV:

• Stetige ZV:

• Standardabweichung:

i

i2

i )f(xE(X)xVar(X)

f(x)dxE(X)xVar(X) 2

Var(X)σX

15

Standardisierung

• Lineare Transformation: Y = a + bX

• Spezialfall Standardisierung: a = – E(X) / σX

b = 1 / σX

• Standardisierte Variable Z:

• Es gilt: E(Z) = 0 und Var(Z) = 1Xσ

E(X)XZ

16

Theoretische Verteilungen

• Bedeutung von theoretische Verteilungen

• Deskriptive Statistik: – Approximative funktionsmäßige Beschreibung

empirisch beobachteter Häufigkeitsverteilungen

• Mathematische Statistik: – Wahrscheinlichkeiten für Ergebnisse

bestimmter Zufallsexperimente

17

Kombinatorik

• Wie kann eine gegebene Anzahl von Elementen unterschiedlich angeordnet und zu Gruppen zusammengefasst werden?

• Wie viele Möglichkeiten gibt es, n Elemente anzuordnen? Anzahl der möglichen Permutationen?

• Wie viele Möglichkeiten gibt es, von n Elementen k auszuwählen? Anzahl der möglichen Kombinationen?

18

Kombinatorik

• Permutationen:

• n voneinander verschiedene Elemente:

n! = n·(n-1)·(n-2)·…·1 Permutationen

• Bsp.1: n=3, Elemente e1, e2, e3. Anzahl der möglichen Permutationen: 3! = 3·2·1 = 6 (e1, e2, e3) (e1, e3, e2) (e2, e1, e3) (e2, e3, e1) (e3, e1, e2) (e3, e2, e1)

• Bsp.2: n=10, Anzahl der möglichen Permutationen: 10! = 3 628 800

19

Kombinatorik

• n Elemente, wobei ni Elemente vom Typ i sind (r unterschiedliche Typen):

• Bsp.1: n=10, r=3 und n1=3, n2=5, n3=2, Anzahl der möglichen Permutationen:

!n...!n

n!

r1

252021206

3628800

2!!53!

10!

20

Kombinatorik

• Kombinationen:

• Aus n verschiedene Elemente sollen k Stück gewählt werden– Kombination ohne Wiederholung: jedes

Element kann nur einmal gewählt werden• Berücksichtigung der Reihenfolge:

Anzahl der Möglichkeiten:

• Keine Berücksichtigung der Reihenfolge:


k)!(n

n!

k)!(nk!

n!

k

n

21

Kombinatorik

• Kombinationen ohne Wiederholung:

• n=3, k=2, Elemente e1, e2, e3. – Berücksichtigung der Reihenfolge:

Möglichkeiten: (e1, e2) (e2, e1) (e1, e3) (e3, e1) (e2, e3) (e3, e2), also 3!/(3-2)! = 6 Möglichkeiten

– Keine Berücksichtigung der Reihenfolge: Möglichkeiten: (e1, e2), (e1, e3) (e2, e3), also 3!/(2!(3-2)!) = 3 Möglichkeiten

22

Kombinatorik

• Kombinationen ohne Wiederholung:

• Bsp.1: Lotto, Möglichkeiten aus 49 Zahlen 6 zu wählen (Reihenfolge unberücksichtigt)

• Bsp.2: Pferderennen, sind 8 Pferde am Start, gibt es für die Belegung der ersten 3 Plätze 8!/(8-3)! = 336 Möglichkeiten

816983136

49

23

Kombinatorik

• Aus n verschiedene Elemente sollen k Stück gewählt werden– Kombination mit Wiederholung: ein Element

kann auch mehrfach ausgewählt werden.• Berücksichtigung der Reihenfolge

Anzahl der Möglichkeiten: nk

• Keine Berücksichtigung der Reihenfolge


1)!(nk!

1)!k(n

k

1kn

24

Kombinatorik

• Kombination mit Wiederholung:

• n=3, k=2, Elemente e1, e2, e3. – Berücksichtigung der Reihenfolge,

Möglichkeiten: (e1, e1), (e1, e2), (e1, e3), (e2, e2), (e2, e1), (e2, e3), (e3, e3), (e3, e1), (e3, e2), Anzahl der Möglichkeiten: nk = 3² = 9

– Keine Berücksichtigung der Reihenfolge, Möglichkeiten: (e1, e1), (e1, e2), (e1, e3), (e2, e2), (e2, e3), (e3, e3), Anzahl der Möglichkeiten: (3+2-1)! / (2!·(3-1)!) = 4! / (2!·2!) = 6

25

Kombinatorik

• Kombinationen mit Wiederholung:

• Bsp.1: Würfelt man viermal hintereinander, sind 64 = Abläufe möglich

• Bsp.2: Hat man vier verschiedene Sorten Süßigkeiten, gibt es 286 Möglichkeiten eine Tüte mit 10 Süßigkeiten zu füllen.

28610

1104

26

Theoretische Verteilungen• Diskrete Verteilungen

– Binomialverteilung– Hypergeometrische Verteilung– Poissonverteilung– ...

• Stetige Verteilungen– Gleichverteilung– Exponentialverteilung– Normalverteilung– Chi-Quadrat Verteilung– t-Verteilung (Studentverteilung)– F-Verteilung– ...

27

Binomialverteilung

• Wahrscheinlichkeiten für die Häufigkeit des Eintreffens bestimmter Ereignisse bei Bernoulli-Experimenten berechnen.

• Bernoulli-Experiment: Folge von Bernoulli-Versuchen. Urnenmodell mit Zurücklegen– Es gibt nur 2 mögliche Ausgänge: A und Ā– Wahrscheinlichkeiten für Eintreten von A (θ)

und Ā (1- θ) sind konstant– Versuche sind voneinander unabhängig.

28

Binomialverteilung

• Bsp. Bernoulli-Experiment: – fünfmaliges Werfen einer Münze,

Zufallsvariable X „Anzahl der Zahlen“, Realisation x = 0, 1, 2, 3, 4, 5

– Wahrscheinlichkeiten für Eintreten von A: W(X=x) = f(x) = ?

29

Binomialverteilung

• Wahrscheinlichkeit des Auftretens einer bestimmten Realisation x: W(X=x) = f(x)

• Wahrscheinlichkeitsfunktion der Binomialverteilung:

n0,1,...,xfür

sonst0

θ)(1θx

nθ)n,(x;f

xnx

B

30

Binomialverteilung

• Bsp. Münzwurf (n=5), Wahrscheinlichkeit dass genau 2-mal Zahl geworfen wird: W(X=2)

0,31250,5)(10,52

5(2;5,0.5)f 252

B

31

Binomialverteilung

• Wahrscheinlichkeit, dass die Zufallsvariable X höchstens den Wert x annimmt: Verteilungsfunktion FB(x;n,θ)

x

0i

x-nxB θ)(1θ

x

nθ)n,(x;F

32

Binomialverteilung

• Bsp. Münzwurf (n=5), Wahrscheinlichkeit dass höchstens 2-mal Zahl geworfen wird: W(X 2)

5,0)5,0(10,52

5(2;5,0.5)F

2

0i

2-52B

33

Binomialverteilung

• Erwartungswert der Binomialverteilung:

E(X) = n·θ

• Varianz der Binomialverteilung:

Var(X) = n·θ·(1-θ)

• Bsp. Münzwurf: – E(X) = 5·0,5 = 2,5– Var(X) = 5·0,5·(1-0,5) = 1,25

34

Hypergeometrische Verteilung

• Urnenmodell Ziehen ohne Zurücklegen:– Urne mit N Kugeln (M schwarze, N-M weißen)– Zufallsstichprobe: ziehe n Kugeln ohne

Zurücklegen – Wahrscheinlichkeit, dass unter den n

gezogenen Kugeln genau x schwarze zu finden sind?

• Ziehen ohne Zurücklegen, keine Berücksichtigung der Reihenfolge.

35


• Urnenmodell: – Aus M schwarzen Kugeln genau x auswählen: Anzahl

der Kombinationen

– Aus N-M weißen Kugeln genau n-x auswählen: Anzahl der Kombinationen

– Jede mögl. Stpr. „x schwarze aus M“ kann mit jeder mögl. Stpr. „n-x weiße aus N-M“ kombiniert werden.

– Daher: Gesamtzahl der Möglichkeiten genau x schwarze zu ziehen:

– Gesamtzahl der Möglichkeiten aus N Kugeln n zu ziehen:

M

x

N-M

n-x

N

n

M N-M

x n-x

36


• Wahrscheinlichkeit genau n schwarz Kugeln zu ziehen:

• Wahrscheinlichkeitsfunktion der Hypergeometrischen Verteilung:

M N-M

x n-x

N

n

H

M N-M

x n-x

Nf (x;N,n,M)= für x=0,1,...,n

n

0 sonst

37


• Verteilungsfunktion: Summation der Einzelwahrscheinlichkeiten

• Liefert Wahrscheinlichkeit für „höchstens x schwarze Kugeln“

38


• Bsp. Sortiment von N=8 Dioden, es werden n=3 zufällig gezogen (ohne Zurücklegen), M=5 der Dioden sind defekt.

• Ges: Wahrscheinlichkeit, dass genau 2 (=x) der 3 gezogenen Dioden defekt sind.

M N-M 5 8-5

x n-x 2 3-2 10 3P(X=x)= = = =0,5357

N 8 56

n 3

39


• Erwartungswert:

E(X) = n · M/N

• Varianz

Var(X) = n · M/N · (N-M)/N · (N-n)/(n-1)

• Approximation durch Binomialverteilung: – Wenn N, M, N-M groß und n klein, Parameter

der Binomialverteilung: θ = M/N– Faustregel: Approximation, wenn n/N < 0,05

Documents

1 STATISIK LV Nr.: 0028 SS 2005 23. Mai 2005. 2 Zufallsvariable Zufallsvariable: Variable deren Wert vom Zufall abhängt (z.B. X, Y, Z) –Bsp. Zufallsexperiment: