Grundbegriffe der (deskriptiven) Statistik der Wahrscheinlichkeitstheorie
Häufigkeitstabelle für das Jahr 1980 Beispiel „Haushaltsgröße“ Häufigkeitstabelle für das Jahr 1980 (laut Schlittgen) Verteilungsfunktion
Zufallsvariablen Verteilung Verteilungsfunktion Wahrscheinlichkeitsfunktion Wahrscheinlichkeitsdichte Verteilung Die Verteilung einer ZV ist ein Wahr- scheinlichkeitsmaß auf den reellen Zahlen diskret stetig
Wahrscheinlichkeitsfunktion diskret f nennt man Wahrscheinlichkeitsfunktion von X stetig f nennt man Dichtefunktion von X
Verteilungsfunktion diskret stetig diskret stetig
Erwartungswert und Varianz I Der endliche Fall Erwartungswert Varianz
Gegeben seien n Zufallsvariablen Dann gilt immer: Wenn gilt dann hat man auch Gleichheit von Bienaymé
Häufigkeitstabelle für das Jahr 1980 Beispiel „Haushaltsgröße“ Häufigkeitstabelle für das Jahr 1980 (laut Schlittgen)
Erwartungswert und Varianz II Der diskrete unendliche Fall Dabei nehmen wir an, dass Erwartungswert Varianz
Erwartungswert und Varianz III Der stetige Fall f ist die Wahrscheinlichkeitsdichte. Dabei nehmen wir an, dass Erwartungswert Varianz
Gegeben seien n Zufallsvariablen Dann gilt immer: Wenn gilt dann hat man auch Gleichheit von Bienaymé
Die Binomialverteilung
Erwartungswert Varianz
Die Poisson-Verteilung
Erwartungswert Varianz
Die Normalverteilung (Gauß-Verteilung) (Gaußsche Glockenkurve)
Dichte Verteilung Verteilungsfunktion
Erwartungswert Varianz
Die hypergeometrische Verteilung Notation
Erwartungswert Varianz
Die geometrische Verteilung
Erwartungswert Varianz
Die Exponential-Verteilung
Dichte Verteilung Verteilungsfunktion
Erwartungswert Varianz
Insekteneier Annahmen N : Anzahl der Eier, die ein bestimmtes Insekt legt M : Anzahl der Eier, die sich entwickeln N - M : Anzahl der Eier, die unentwickelt bleiben Annahmen Die Wahrscheinlichkeit, dass das Insekt genau n Eier legt, beträgt d. h. Jedes Ei entwickelt sich mit der gleichen Wahrscheinlichkeit p Die Eier beeinflussen sich nicht in ihrer Entwicklung
Dann gilt: 1 2 3
Bäckerei Brösel Annahmen X : Anzahl der Kunden in der Bäckerei Brösel zwischen 7.00 Uhr und 7.15 Uhr n : Anzahl der betrachteten Haushalte Annahmen Die Wahrscheinlichkeit p, dass ein Haushalt zu der Zeit bei Brösel einkauft, ist bei allen Haushalten gleich Die Haushalte entscheiden unab- hängig voneinander, ob sie bei Brösel einkaufen oder nicht
Dann gilt: d. h.
Nun wird die Anzahl n der betrachteten Haushalte vergrößert. Die „Einkaufswahrscheinlichkeit“ p hänge dabei so von n ab, dass gilt: Dann konvergiert die Verteilung von X gegen eine Poisson-Verteilung. Genauer: Man hat im Limes n gegen unendlich: