Beta-Verteilung (standardisiert): Unterschied zwischen den Versionen
Kowa (Diskussion | Beiträge) Keine Bearbeitungszusammenfassung |
Kowa (Diskussion | Beiträge) Keine Bearbeitungszusammenfassung |
||
| Zeile 24: | Zeile 24: | ||
parameters =<math>\alpha \in ]0,\infty[</math><br><math>\beta \in ]0,\infty[</math>| | parameters =<math>\alpha \in ]0,\infty[</math><br><math>\beta \in ]0,\infty[</math>| | ||
pdf =<math> | pdf =<math> | ||
| Zeile 33: | Zeile 32: | ||
\end{cases} | \end{cases} | ||
</math>| | </math>| | ||
continuity = <math>f_X(x) \mbox{ ist stetig auf }]\infty,\infty[\!</math>| | continuity = <math>f_X(x) \mbox{ ist stetig auf }]\infty,\infty[\!</math>| | ||
support =<math>f_X(x) \ne 0 \Leftrightarrow x \in ]0,1[ \!</math>| | |||
cdf =| | cdf =| | ||
mode =<math>c := \frac{\alpha -1}{\alpha + \beta -2}</math><br> | mode =<math>c := \frac{\alpha -1}{\alpha + \beta -2}</math><br> | ||
<math>\operatorname{md}_X = \{c\}, \mbox{ falls } \alpha, \beta > 1 \mbox{ und } \alpha\beta > 1\!</math>| | <math>\operatorname{md}_X = \{c\}, \mbox{ falls } \alpha, \beta > 1 \mbox{ und } \alpha\beta > 1\!</math>| | ||
mean =<math>\mu(X) = \frac{\alpha}{\alpha+\beta}</math>| | mean =<math>\mu(X) = \frac{\alpha}{\alpha+\beta}</math>| | ||
quartile =| | quartile =| | ||
median =| | median =| | ||
variance =<math>\operatorname{Var}(X) = \frac{\alpha\beta}{(\alpha+\beta)^2(\alpha+\beta+1)}</math>| | variance =<math>\operatorname{Var}(X) = \frac{\alpha\beta}{(\alpha+\beta)^2(\alpha+\beta+1)}</math>| | ||
sigma =<math>\sigma(X) = \frac{1}{(\alpha+\beta)}\sqrt{\frac{\alpha\beta}{\alpha+\beta+1}}</math>| | sigma =<math>\sigma(X) = \frac{1}{(\alpha+\beta)}\sqrt{\frac{\alpha\beta}{\alpha+\beta+1}}</math>| | ||
}} | }} | ||
Version vom 4. Oktober 2006, 17:47 Uhr
Definition
Eine stetige Zufallsgröße $ X $ heißt standardisiert beta-verteilt, wenn ihre Verteilungsfunktion durch die Dichtefunktion
$ f_{X,\alpha,\beta}(x)= \begin{cases} \frac{x^{\alpha -1}\cdot (1-x)^{\beta-1}}{\Beta(\alpha,\beta)}& \mbox{wenn } 0 \le x \le 1 \\ 0 & \mbox{sonst } \end{cases} $
beschrieben werden kann. $ \Beta(\alpha,\beta)\! $ ist dabei die Beta-Funktion.
$ \alpha\, $ und $ \beta\, $ heißen Parameter der Verteilung. Sie müssen die in der Tabelle angegebenen Bedingungen erfüllen.
Eigenschaften einer standardisiert beta-verteilten Zufallsgröße
| Parameter | $ \alpha \in ]0,\infty[ $ $ \beta \in ]0,\infty[ $ |
| Dichtefunktion | $ f_X(x) := \begin{cases} \frac{x^{\alpha -1}\cdot(1-x)^{\beta-1}}{\Beta(\alpha,\beta)}& \mbox{wenn } 0 \le x \le 1\\ 0 & \mbox{sonst } \end{cases} $ |
| Stetigkeit | $ f_X(x) \mbox{ ist stetig auf }]\infty,\infty[\! $ |
| Träger | $ f_X(x) \ne 0 \Leftrightarrow x \in ]0,1[ \! $ |
| Modus | $ c := \frac{\alpha -1}{\alpha + \beta -2} $ $ \operatorname{md}_X = \{c\}, \mbox{ falls } \alpha, \beta > 1 \mbox{ und } \alpha\beta > 1\! $ |
| Erwartungswert | $ \mu(X) = \frac{\alpha}{\alpha+\beta} $ |
| Varianz | $ \operatorname{Var}(X) = \frac{\alpha\beta}{(\alpha+\beta)^2(\alpha+\beta+1)} $ |
| Standardabweichung | $ \sigma(X) = \frac{1}{(\alpha+\beta)}\sqrt{\frac{\alpha\beta}{\alpha+\beta+1}} $ |
Zusammenhang zwischen allgemeiner und standardisierter Beta-Verteilung
In Beta-Verteilung wird eine allgemeinere Dichtefunktion $ f_{X,\alpha,\beta,a,b}\! $ definiert. Wie hängen die hier definierte spezielle Form und die dort definierte allgemeine 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_{X,\alpha,\beta}(x) = f_{X,\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_{X,\alpha,\beta,a,b}(x) = \frac{1}{b-a}\cdot f_{X,\alpha,\beta}\left(\frac{x-a}{b-a}\right) $
Quellen
Bitte die Regeln der GlossarWiki-Quellenformatierung beachten.
