Normalverteilung: Unterschied zwischen den Versionen
Kowa (Diskussion | Beiträge) |
Kowa (Diskussion | Beiträge) |
||
| Zeile 24: | Zeile 24: | ||
=Eigenschaften einer normalverteilten Zufallsgröße= | =Eigenschaften einer normalverteilten Zufallsgröße= | ||
{{Wahrscheinlichkeitsverteilung | | {{Wahrscheinlichkeitsverteilung | ||
| name =Normalverteilung | |||
| type =Dichte | |||
| pdf_image = | |||
| cdf_image = | |||
| parameters =<math>\mu \in ]-infty,\infty[</math><br><math>\sigma \in ]0,\infty[</math> | |||
| pdf =<math> | |||
f_{X,\alpha,\beta,a,b}(x) = | f_{X,\alpha,\beta,a,b}(x) = | ||
\begin{cases} | \begin{cases} | ||
| Zeile 39: | Zeile 36: | ||
0 & \mbox{sonst } | 0 & \mbox{sonst } | ||
\end{cases} | \end{cases} | ||
</math>| | </math> | ||
| continuity = <math>f_X(x) \mbox{ ist stetig auf }]-\infty,\infty[\!</math> | |||
| support =<math>f_X(x) \ne 0 \Leftrightarrow x \in ]a,b[ \!</math> | |||
| cdf = | |||
| mode =<math> | |||
| mean =<math>\mu</math> | |||
| quartile = | |||
| median = | |||
| variance =<math>\sigma^2</math> | |||
| sigma =<math>\sigma</math> | |||
}} | }} | ||
Version vom 7. September 2012, 17:25 Uhr
Dieser Artikel erfüllt die GlossarWiki-Qualitätsanforderungen nur teilweise:
| Korrektheit: 0 (nicht überprüft) |
Umfang: 3 (einige wichtige Fakten fehlen) |
Quellenangaben: 4 (fast vollständig vorhanden) |
Quellenarten: 5 (ausgezeichnet) |
Konformität: 4 (sehr gut) |
Dieser Artikel wird derzeit von einem Autor gründlich bearbeitet. Die Inhalte sind daher evtl. noch inkonsistent.
Definition
Eine stetige Zufallsgröße $ \scriptstyle{X = NV(\mu,\sigma^2)} $ heißt normalverteilt, wenn ihre Verteilungsfunktion durch die Dichtefunktion $ \scriptstyle{f_X = f_{NV(\mu,\sigma^2)}} $ mit
$ \textstyle{f_X(x) = f_{NV(\mu,\sigma^2)}(x) := \frac {1}{\sigma\sqrt{2\pi}} e^{-\frac {1}{2} \left(\frac{x-\mu}{\sigma}\right)^2}} $
beschrieben werden kann.
$ \scriptstyle{\mu} $ und $ \scriptstyle{\sigma^2} $ heißen Parameter der Verteilung. Sie müssen die in der Tabelle angegebenen Bedingungen erfüllen.
TO BE DONE
Eigenschaften einer normalverteilten Zufallsgröße
| Parameter | $ \mu \in ]-infty,\infty[ $ $ \sigma \in ]0,\infty[ $ |
| 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[ \! $ |
| Modus | $ | mean =<math>\mu $ |
| Varianz | $ \sigma^2 $ |
| Standardabweichung | $ \sigma $ |
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) $
Quellen
- Kowarschick (PM): Wolfgang Kowarschick; Vorlesung „Projektmanagement“; Hochschule: Hochschule Augsburg; Adresse: Augsburg; Web-Link; 2014; Quellengüte: 3 (Vorlesung)
- Rinne (2003): Horst Rinne; Taschenbuch der Statistik; Auflage: 3; Verlag: Wissenschaftlicher Verlag Harri Deutsch; Adresse: Frankfurt am Main; ISBN: 3817116950; 2003; Quellengüte: 5 (Buch)
- WikipediaEn: Beta distribution
- Statwiki HU Berlin: Beta-Verteilung
