Beta-Verteilung: Unterschied zwischen den Versionen

aus GlossarWiki, der Glossar-Datenbank der Fachhochschule Augsburg
Kowa (Diskussion | Beiträge)
Keine Bearbeitungszusammenfassung
Kowa (Diskussion | Beiträge)
Keine Bearbeitungszusammenfassung
 
(69 dazwischenliegende Versionen desselben Benutzers werden nicht angezeigt)
Zeile 1: Zeile 1:
{{InBearbeitung}}
{{Qualität
|correctness        = 5
|extent              = 3
|numberOfReferences  = 4
|qualityOfReferences = 5
|conformance        = 4
}}
==Definition==
 
Eine [[Stetige Zufallsgröße|stetige Zufallsgröße]] <math>X = \Beta V(\alpha,\beta,a,b)\;</math> heißt '''beta-verteilt''', wenn ihre [[Verteilungsfunktion]] durch
die [[Dichtefunktion]]
 
<div class="formula">
<math>f_X(x) = f_{\Beta V(\alpha,\beta,a,b)}(x) :=
        \begin{cases}
          \frac{(x-a)^{\alpha -1}\cdot (b-x)^{\beta-1}}{\Beta(\alpha,\beta)\cdot (b-a)^{\alpha+\beta-1}}& \mbox{wenn } a \le x \le b \\
          0                          & \mbox{sonst }
        \end{cases}         
</math>
</div>
beschrieben werden kann. <math>\Beta(\alpha,\beta)</math> ist dabei die [[Beta-Funktion]].


'''Achtung''': Die folgenden Formeln können noch Fehler enthalten.
<math>\alpha,\,\beta,\,a</math> und  <math>b</math> heißen Parameter der Verteilung. Sie müssen die in der Tabelle angegebenen Bedingungen erfüllen.


Eine Zufallsgröße <math>X</math> mit der nachfolgend definierten Dichte-Funktion
==Eigenschaften einer beta-verteilten Zufallsgröße==
<math>f_X</math> heißt '''<math>\beta</math>-verteilt'''. Sie hat folgende Eigenschaften:


{{Wahrscheinlichkeitsverteilung |
{{Wahrscheinlichkeitsverteilung |
Zeile 12: Zeile 31:
   cdf_image  =|
   cdf_image  =|


   parameters =<math>\alpha \in ]0,\infty[</math><br><math>\beta \in ]0,\infty[</math><br><math>a \in ]-\infty,\infty[</math><br><math>b \in ]-\infty,\infty[,\,b>a</math><br><br><math>d := b-a\!</math>|
   parameters =<math>\alpha \in ]0,\infty[</math><br><math>\beta \in ]0,\infty[</math><br><math>a \in ]-\infty,\infty[</math><br><math>b \in ]-\infty,\infty[,\,b>a</math><br><br><math>d := b-a > 0</math>|
   proof_parameters =(vgl. Parameter der <br>[[Dreiecksverteilung]])|
   annotations_parameters =(vgl. Parameter der <br>[[Beta-Verteilung (standardisiert)|standardisierten<br/> Beta-Verteilung]] )|


   pdf        =<math>
   pdf        =<math>
                 f_X(x) :=
                 f_{X,\alpha,\beta,a,b}(x) =
                   \begin{cases}  
                   \begin{cases}  
                     \frac{(x-a)^{\alpha -1}(b-x)^{\beta-1}}{\Beta(\alpha,\beta)d^{\alpha+\beta-1}}& \mbox{wenn } a \le x \le b \\  
                     \frac{{(x-a)}^{\alpha -1}\cdot {(b-x)}^{\beta-1}}{{\Beta(\alpha,\beta)}\cdot d^{\alpha+\beta-1}}& \mbox{wenn } a \le x \le b \\  
                     0                          & \mbox{sonst }
                     0                          & \mbox{sonst }
                   \end{cases}                 
                   \end{cases}                 
               </math>|
               </math>|
  proof_pdf =|


   continuity = <math>f_X(x) \mbox{ ist stetig auf }]\infty,\infty[\!</math>|
   continuity = <math>f_X(x) \mbox{ ist stetig auf }]-\infty,\infty[</math>|
   proof_continuity =|
 
   support    = <math>f_X(x) \ne 0 \Leftrightarrow x \in ]a,b[ </math>|


   support    =<math>f_X(x) \ne 0 \Leftrightarrow x \in ]a,b[ \!</math>|
   cdf        =<math>F_X(x) =\int_{-\infty}^x \! f_X(t) \, \mathrm{d} t</math> ist nicht elementar darstellbar|
  proof_support =|
  cdf        =|
  proof_cdf =|


   mode      =<math>c := a + d\frac{\alpha -1}{\alpha + \beta -2}</math><br>
   mode      = <math>c := a + d\frac{\alpha -1}{\alpha + \beta -2} = \frac{b(\alpha -1)+ a(\beta-1)}{\alpha+\beta-2}</math><br>
<math>\operatorname{md}_X = \{c\}, \mbox{ falls } \alpha, \beta > 1\!</math>|
<math>\operatorname{md}_X = \{c\}, \mbox{ falls } \alpha, \beta \ge 1 \mbox{ und } \alpha\beta > 1</math>|
  proof_mode =|


   mean      =<math>\mu(X) = \frac{b(\alpha -1)+ a(\beta-1)}{\alpha+\beta}</math>|
   mean      = <math>\mu(X) = \frac{b\alpha+ a\beta}{\alpha+\beta}</math>|
  proof_mean =|


   quartile  =|
   quartile  =|
  proof_quartile =|


   median       =|
   median     =|
  proof_median =|


   variance  =<math>\operatorname{Var}(X) = \frac{d^2\alpha\beta}{(\alpha+\beta)^2(\alpha+\beta+1)}</math>|
   variance  =<math>\operatorname{Var}(X) = \frac{d^2\alpha\beta}{(\alpha+\beta)^2(\alpha+\beta+1)}</math>|
  proof_variance =|


   sigma      =<math>\sigma(X) = \frac{d}{(\alpha+\beta)}\sqrt{\frac{\alpha\beta}{\alpha+\beta+1}}</math>|
   sigma      =<math>\sigma(X) = \frac{d}{(\alpha+\beta)} \sqrt{{\frac{\alpha\beta}{\alpha+\beta+1}}}</math>|
  proof_sigma =|


  skewness      =|
  proof_skewness =|


  kurtosis      =|
}}
  proof_kurtosis =|


  entropy      =|
==Zusammenhang zwischen allgemeiner und standardisierter Beta-Verteilung==
  proof_entropy =|


  moment      =|
In [[Beta-Verteilung (standardisiert)]] wird eine speziellere Dichtefunktion <math>f_{\Beta V(\alpha,\beta)}</math> definiert.
  proof_moment =|
Wie hängen die hier definierte allgemeine Form und die dort definierte spezielle Form zusammen?


  centralmoment      =|
Zunächst sieht man anhand der Definitionen sofort, dass jede Dichtefunktion einer [[Beta-Verteilung (standardisiert)|standardisierten Beta-Verteilungen]]
  proof_centralmoment =|
auch eine Dichtefunktion einer [[Beta-Verteilung|allgemeinen Beta-Verteilungen]] ist:


  mgf      =|
<div class="formula"><math>f_{\Beta V(\alpha,\beta)}(x) = f_{\Beta V(\alpha,\beta,0,1)}(x) \!</math></div>
  proof_mgf =|


   char      =|
Umgekehrt können alle
  proof_char =|
Dichtefunktionen [[Beta-Verteilung|allgemeinen Beta-Verteilungen]] durch [[Linear-Transformation]]en aus entsprechenden
}}
Dichtefunktionen der [[Beta-Verteilung (standardisiert)|standardisierten Beta-Verteilungen]] erzeugt werden:
 
<div class="formula">
<math>  f_{\Beta V(\alpha,\beta,a,b)}(x)
  = \frac{1}{b-a}\cdot f_{\Beta V(\alpha,\beta)}\left(\frac{x-a}{b-a}\right)
   = \frac{1}{d}\cdot f_{\Beta V(\alpha,\beta)}\left(\frac{x-a}{d}\right)
</math></div>
 
Und damit gilt auch die Beziehung:
 
<div class="formula">
<math>  F_{\Beta V(\alpha,\beta,a,b)}(x)
    = F_{\Beta V(\alpha,\beta)}\left(\frac{x-a}{b-a}\right)
    = F_{\Beta V(\alpha,\beta)}\left(\frac{x-a}{d}\right)
</math></div>
 
([[Zusammenhang zwischen allgemeiner und standardisierter Beta-Verteilung (Satz)|Beweis der zweiten Aussage]])
 
==Quellen==
#{{Quelle|Kowarschick, W.: Projektmanagement}}
#{{Quelle|Rinne, H. (2003): Taschenbuch der Statistik}}
#[[WikipediaEn: Beta distribution]]
#[http://statwiki.wiwi.hu-berlin.de/index.php/Beta-Verteilung Statwiki HU Berlin: Beta-Verteilung]


=Quellen=
==Siehe auch==
*[http://en.wikipedia.org/wiki/Betar_distribution Wikipedia (en): Beta distribution]
# [http://www.brighton-webs.co.uk/distributions/beta.asp Brighton Webs Ltd.: Beta Distribution]
*[http://statwiki.wiwi.hu-berlin.de/index.php/Beta-Verteilung Statwiki HU Berlin: Beta-Verteilung]
# {{Vgl|Dreiecksverteilung}}


[[Kategorie:Mathematische Definition]]
[[Kategorie:Stetige Wahrscheinlichkeitsverteilung]]
[[Kategorie:Stetige Wahrscheinlichkeitsverteilung]]
[[Kategorie:Projektmanagement]]
[[Kategorie:Projektmanagement]]
[[en:Beta distribution]]
[[en:Beta distribution]]

Aktuelle Version vom 23. April 2018, 14:20 Uhr

Dieser Artikel erfüllt die GlossarWiki-Qualitätsanforderungen nur teilweise:

Korrektheit: 5
(vollständig überprüft)
Umfang: 3
(einige wichtige Fakten fehlen)
Quellenangaben: 4
(fast vollständig vorhanden)
Quellenarten: 5
(ausgezeichnet)
Konformität: 4
(sehr gut)

Definition

Eine stetige Zufallsgröße $ X = \Beta V(\alpha,\beta,a,b)\; $ heißt beta-verteilt, wenn ihre Verteilungsfunktion durch die Dichtefunktion

$ f_X(x) = f_{\Beta V(\alpha,\beta,a,b)}(x) := \begin{cases} \frac{(x-a)^{\alpha -1}\cdot (b-x)^{\beta-1}}{\Beta(\alpha,\beta)\cdot (b-a)^{\alpha+\beta-1}}& \mbox{wenn } a \le x \le b \\ 0 & \mbox{sonst } \end{cases} $

beschrieben werden kann. $ \Beta(\alpha,\beta) $ ist dabei die Beta-Funktion.

$ \alpha,\,\beta,\,a $ und $ b $ heißen Parameter der Verteilung. Sie müssen die in der Tabelle angegebenen Bedingungen erfüllen.

Eigenschaften einer beta-verteilten Zufallsgröße

Parameter
(vgl. Parameter der
standardisierten
Beta-Verteilung
)
$ \alpha \in ]0,\infty[ $
$ \beta \in ]0,\infty[ $
$ a \in ]-\infty,\infty[ $
$ b \in ]-\infty,\infty[,\,b>a $

$ d := b-a > 0 $
Dichtefunktion
$ f_{X,\alpha,\beta,a,b}(x) = \begin{cases} \frac{{(x-a)}^{\alpha -1}\cdot {(b-x)}^{\beta-1}}{{\Beta(\alpha,\beta)}\cdot d^{\alpha+\beta-1}}& \mbox{wenn } a \le x \le b \\ 0 & \mbox{sonst } \end{cases} $
Stetigkeit
$ f_X(x) \mbox{ ist stetig auf }]-\infty,\infty[ $
Träger
$ f_X(x) \ne 0 \Leftrightarrow x \in ]a,b[ $
Verteilungsfunktion
$ F_X(x) =\int_{-\infty}^x \! f_X(t) \, \mathrm{d} t $ ist nicht elementar darstellbar
Modus
$ c := a + d\frac{\alpha -1}{\alpha + \beta -2} = \frac{b(\alpha -1)+ a(\beta-1)}{\alpha+\beta-2} $
$ \operatorname{md}_X = \{c\}, \mbox{ falls } \alpha, \beta \ge 1 \mbox{ und } \alpha\beta > 1 $
Erwartungswert
$ \mu(X) = \frac{b\alpha+ a\beta}{\alpha+\beta} $
Varianz
$ \operatorname{Var}(X) = \frac{d^2\alpha\beta}{(\alpha+\beta)^2(\alpha+\beta+1)} $
Standardabweichung
$ \sigma(X) = \frac{d}{(\alpha+\beta)} \sqrt{{\frac{\alpha\beta}{\alpha+\beta+1}}} $

Zusammenhang zwischen allgemeiner und standardisierter Beta-Verteilung

In Beta-Verteilung (standardisiert) wird eine speziellere Dichtefunktion $ f_{\Beta V(\alpha,\beta)} $ definiert. Wie hängen die hier definierte allgemeine Form und die dort definierte spezielle Form zusammen?

Zunächst sieht man anhand der Definitionen sofort, dass jede Dichtefunktion einer standardisierten Beta-Verteilungen auch eine Dichtefunktion einer allgemeinen Beta-Verteilungen ist:

$ f_{\Beta V(\alpha,\beta)}(x) = f_{\Beta V(\alpha,\beta,0,1)}(x) \! $

Umgekehrt können alle Dichtefunktionen allgemeinen Beta-Verteilungen durch Linear-Transformationen aus entsprechenden Dichtefunktionen der standardisierten Beta-Verteilungen erzeugt werden:

$ f_{\Beta V(\alpha,\beta,a,b)}(x) = \frac{1}{b-a}\cdot f_{\Beta V(\alpha,\beta)}\left(\frac{x-a}{b-a}\right) = \frac{1}{d}\cdot f_{\Beta V(\alpha,\beta)}\left(\frac{x-a}{d}\right) $

Und damit gilt auch die Beziehung:

$ F_{\Beta V(\alpha,\beta,a,b)}(x) = F_{\Beta V(\alpha,\beta)}\left(\frac{x-a}{b-a}\right) = F_{\Beta V(\alpha,\beta)}\left(\frac{x-a}{d}\right) $

(Beweis der zweiten Aussage)

Quellen

  1. Kowarschick (PM): Wolfgang Kowarschick; Vorlesung „Projektmanagement“; Hochschule: Hochschule Augsburg; Adresse: Augsburg; Web-Link; 2014; Quellengüte: 3 (Vorlesung)
  2. Rinne (2003): Horst Rinne; Taschenbuch der Statistik; Auflage: 3; Verlag: Wissenschaftlicher Verlag Harri Deutsch; Adresse: Frankfurt am Main; ISBN: 3817116950; 2003; Quellengüte: 5 (Buch)
  3. WikipediaEn: Beta distribution
  4. Statwiki HU Berlin: Beta-Verteilung

Siehe auch

  1. Brighton Webs Ltd.: Beta Distribution
  2. Dreiecksverteilung