Normalverteilung: Unterschied zwischen den Versionen

aus GlossarWiki, der Glossar-Datenbank der Fachhochschule Augsburg
Keine Bearbeitungszusammenfassung
Zeile 44: Zeile 44:


=Zusammenhang zwischen allgemeiner und standardisierter Beta-Verteilung=
=Zusammenhang zwischen allgemeiner und standardisierter Beta-Verteilung=
In [[Normalverteilung (standardisiert)]] wird eine speziellere Dichtefunktion <math>f_{NV(0,1)}</math> definiert.
In [[Normalverteilung (standardisiert)]] wird eine speziellere Dichtefunktion <math>\phi := f_{NV(0,1)}</math> definiert.
Wie hängen die hier definierte allgemeine Form und die dort definierte spezielle Form zusammen?
Wie hängen die hier definierte allgemeine Form und die dort definierte spezielle Form zusammen?


Zeile 53: Zeile 53:


Umgekehrt können alle
Umgekehrt können alle
Dichtefunktionen [[Beta-Verteilung|allgemeinen Beta-Verteilungen]] durch [[Linear-Transformation]]en aus entsprechenden
Dichtefunktionen [Normalverteilung|allgemeinen Normalverteilungen]] durch [[Linear-Transformation]]en aus der
Dichtefunktionen der [[Beta-Verteilung (standardisiert)|standardisierten Beta-Verteilungen]] erzeugt werden:
Dichtefunktionen der [[Beta-Verteilung (standardisiert)|standardisierten Normalverteilungen]] erzeugt werden:


<math> f_{\Beta V(\alpha,\beta,a,b)}(x)  
: <math>
      = \frac{1}{b-a}\cdot f_{\Beta V(\alpha,\beta)}\left(\frac{x-a}{b-a}\right)
    f(x) = \frac{1}{\sqrt{2\pi\sigma^2}}\, e^{\frac{-(x-\mu)^2}{2\sigma^2}}
      = \frac{1}{d}\cdot f_{\Beta V(\alpha,\beta)}\left(\frac{x-a}{d}\right)
        = \frac{1}{\sigma}\, \phi\!\left(\frac{x-\mu}{\sigma}\right).
</math>
  </math>


([[Zusammenhang zwischen allgemeiner und standardisierter Beta-Verteilung (Satz)|Beweis der zweiten Aussage]])
([[Zusammenhang zwischen allgemeiner und standardisierter Beta-Verteilung (Satz)|Beweis der zweiten Aussage]])

Version vom 7. September 2012, 20:32 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.


Eigenschaften einer normalverteilten Zufallsgröße

Parameter
$ \mu \in ]-\infty,\infty[ $
$ \sigma \in ]0,\infty[ $
Dichtefunktion
$ f_{NV(\mu,\sigma^2)}(x) := \frac {1}{\sigma\sqrt{2\pi}} e^{-\frac {1}{2} \left(\frac{x-\mu}{\sigma}\right)^2} $
Stetigkeit
$ f_X(x) \mbox{ ist stetig auf }]-\infty,\infty[\! $
Träger
$ f_X(x) \ne 0 \Leftrightarrow x \in ]a,b[ \! $
Verteilungsfunktion
$ F_{NV(\mu,\sigma^2)}(x) =\int_{-\infty}^x \! f_{NV(\mu,\sigma^2)}(t) \, \mathrm{d} t $ ist nicht geschlossen darstellbar
Modus
$ \mu $
Erwartungswert
$ \mu $
Median
$ \mu $
Varianz
$ \sigma^2 $
Standardabweichung
$ \sigma $

Zusammenhang zwischen allgemeiner und standardisierter Beta-Verteilung

In Normalverteilung (standardisiert) wird eine speziellere Dichtefunktion $ \phi := f_{NV(0,1)} $ definiert. Wie hängen die hier definierte allgemeine Form und die dort definierte spezielle Form zusammen?

Zunächst sieht man anhand der Definitionen sofort, dass die Dichtefunktion der standardisierten Normalverteilungen auch eine spezielle Dichtefunktion einer allgemeinen Normalverteilungen ist.

TO BE DONE

Umgekehrt können alle Dichtefunktionen [Normalverteilung|allgemeinen Normalverteilungen]] durch Linear-Transformationen aus der Dichtefunktionen der standardisierten Normalverteilungen erzeugt werden:

$ f(x) = \frac{1}{\sqrt{2\pi\sigma^2}}\, e^{\frac{-(x-\mu)^2}{2\sigma^2}} = \frac{1}{\sigma}\, \phi\!\left(\frac{x-\mu}{\sigma}\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