Standard-Dreiecksverteilung: Unterschied zwischen den Versionen

aus GlossarWiki, der Glossar-Datenbank der Fachhochschule Augsburg
Keine Bearbeitungszusammenfassung
Keine Bearbeitungszusammenfassung
 
(48 dazwischenliegende Versionen desselben Benutzers werden nicht angezeigt)
Zeile 1: Zeile 1:
'''Achtung''': Die folgenden Formeln können noch Fehler enthalten.
{{Qualität
|correctness        = 5
|extent              = 3
|numberOfReferences  = 4
|qualityOfReferences = 5
|conformance        = 5
}}
==Definition==
Eine [[Stetige Zufallsgröße|stetige Zufallsgröße]] <math>X = D(c) := D(0,1,c)\,</math>, wobei <math>D(a,b,c)\,</math> die [[Dreiecksverteilung]] ist, heißt '''standardisiert dreiecksverteilt''', wenn ihre [[Verteilungsfunktion]] durch die [[Dichtefunktion]]
 
<div class="formula"><math>f_X(x) = f_{D(c)} = f_{D(0,1,c)} =
  \begin{cases}
    2\frac{x}{c}    & \mbox{wenn } 0 \le x \le c \\
    2\frac{1-x}{1-c} & \mbox{wenn } c < x \le 1 \\
    0                & \mbox{sonst }
  \end{cases}     
</math></div>
 
beschrieben werden kann.
 
<math>c \in ]0,1[</math> heißt Parameter der Verteilung <math>D(c)\,</math>.  


Eine Zufallsgröße <math>X</math> mit der nachfolgend definierten Dichte-Funktion
<math>D(c)\,</math> wird auch [[Standard-Dreiecksverteilung]] genannt.
<math>f_X</math> heißt '''normiert dreiecksverteilt'''. Sie hat folgende Eigenschaften:
 
== Eigenschaften der Standard-Dreiecksverteilung==


{{Wahrscheinlichkeitsverteilung |
{{Wahrscheinlichkeitsverteilung |
   name      =normierte Dreiecksverteilung|
   name      =normalisierte Dreiecksverteilung|
   type      =Dichte|
   type      =Dichte|
   pdf_image  =|
   pdf_image  =|
   cdf_image  =|
   cdf_image  =|


   parameters =<math>c \in ]0,1[</math>|
   parameters =<math>c \,\in\, ]0,1[</math><br><math>a=0, b=1, d=b-a=1, m=\frac{c-a}{d} = c</math>|
   proof_parameters =|
   annotations_parameters = (vgl. Parameter der <br>[[Dreiecksverteilung|allgemeinen]]<br>[[Dreiecksverteilung]])|


   pdf        =<math>
   pdf        =<math>
                 f_X(x) :=
                 f_X(x) :=
                   \begin{cases}  
                   \begin{cases}  
                     2\frac{x}{c},    & \mbox{wenn } 0 \le x \le c \\  
                     2\frac{x}{c}     & \mbox{wenn } 0 \le x \le c \\  
                     2\frac{1-x}{1-c} & \mbox{wenn } c < x \le 1 \\
                     2\frac{1-x}{1-c} & \mbox{wenn } c < x \le 1 \\
                     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 ]0,1[ \!</math>|
   support    =<math>f_X(x) \ne 0 \Leftrightarrow x \,\in\, ]0,1[ \!</math>|
  proof_support =|


   cdf      =<math>
   cdf      =<math>
               F_X(x) =  
               F_X(x) =  
                   \begin{cases}  
                   \begin{cases}  
                     0,                    & \mbox{wenn } x < 1\\
                     0                     & \mbox{wenn } x < 1\\
                     0+\frac{x^2}{c}      & \mbox{wenn } 1 \le x \le c \\  
                     0+\frac{x^2}{c}      & \mbox{wenn } 1 \le x \le c \\  
                     1-\frac{(1-x)^2}{1-c} & \mbox{wenn } c < x \le 1 \\
                     1-\frac{(1-x)^2}{1-c} & \mbox{wenn } c < x \le 1 \\
                     1,                    & \mbox{wenn } 1 < x
                     1                     & \mbox{wenn } 1 < x
                   \end{cases}                 
                   \end{cases}                 
               </math>|
               </math>|
  proof_cdf  =|
  mode      =<math>md_X =\{c\},\,f_X(c)=2\!</math>|
  proof_mode =|


  mode      =<math>\operatorname{md}_X =\{c\},\,f_X(c)=2\!</math>|
   mean      =<math>\mu(X) = \frac{1+c}{3}</math>|
   mean      =<math>\mu(X) = \frac{1+c}{3}</math>|
  proof_mean =|


   quartile   = <math>
   quantile   = <math>
                 F_X^{-1}(p) =
                 F_X^{-1}(p) =
                   \begin{cases}  
                   \begin{cases}  
                     0+\sqrt{cp},        & \mbox{wenn } 0 \le p \le c \\  
                     0+\sqrt{cp}         & \mbox{wenn } 0 \le p \le c \\  
                     1-\sqrt{(1-c)(1-p)}, & \mbox{wenn } c < p \le 1  
                     1-\sqrt{(1-c)(1-p)} & \mbox{wenn } c < p \le 1  
                   \end{cases}              
                   \end{cases}  
               </math>|
               </math>|
  proof_quartile =|


   median    =<math>
   median    =<math>
                 F_X^{-1}(0,5) =
                 F_X^{-1}(0,5) =
                   \begin{cases}  
                   \begin{cases}  
                     0+\frac{\sqrt{2c}}{2}    & \mbox{wenn } 0{,}5 \le c\\  
                     0+\frac{ {\sqrt{2c} } }{2}    & \mbox{wenn } 0{,}5 \le c\\  
                     1-\frac{\sqrt{2(1-c)}}{2} & \mbox{wenn } c < 0{,}5  
                     1-\frac{ {\sqrt{2(1-c)} } }{2} & \mbox{wenn } c < 0{,}5  
                   \end{cases}                 
                   \end{cases}                 
               </math>|
               </math>|
   proof_median =|
   variance      =<math>\operatorname{Var}(X) = \frac{c^2 - c + 1}{18}</math>|
  sigma      =<math>\sigma(X) = \frac{1}{6} \sqrt{2(c^2 - c + 1)}</math>
}}


  variance      =<math>\operatorname{Var}(X) = \frac{c^2 - c + 1}{18}</math>|
==Zusammenhang zwischen allgemeiner und Standard-Dreiecksverteilung==
  proof_variance =|


  sigma      =<math>\sigma(X) = \frac{1}{6} \sqrt{2(c^2 - c + 1)}</math>|
Die [[Dreiecksverteilung]] hat eine allgemeinere Dichtefunktion <math>f_{D(a,b,c)}\!</math>.
  proof_sigma =|
Wie hängen die hier definierte sepzielle Form und die dort definierte allgemeine Form zusammen?


  skewness      =|
Zunächst sieht man anhand der Definitionen sofort, dass jede Dichtefunktion einer [[Standard-Dreiecksverteilung]]
  proof_skewness =|
auch eine Dichtefunktion einer [[Dreiecksverteilung|allgemeinen Dreiecksverteilungen]] ist:


  kurtosis      =|
<div class="formula"><math>f_{D(c)}(x) = f_{D(0,1,c)}(x)</math></div>
  proof_kurtosis =|


  entropy      =|
Umgekehrt können alle
  proof_entropy =|
Dichtefunktionen von [[Dreiecksverteilung|allgemeinen Dreiecksverteilungen]] durch Linear-Transformationen aus entsprechenden
Dichtefunktionen der [[Standard-Dreiecksverteilung]]en erzeugt werden:


  moment      =|
<div class="formula"><math>f_{D(a,b,c)}(x)
  proof_moment =|
          = \frac{1}{b-a}\cdot f_{D((c-a)/(b-a))}\left(\frac{x-a}{b-a}\right)
</math></div>


  centralmoment      =|
([[Zusammenhang zwischen allgemeiner und standardisierter Dreiecksverteilung (Satz)|Beweis der zweiten Aussage]])
  proof_centralmoment =|


  mgf      =|
==Quellen==
  proof_mgf =|


  char      =|
#{{Quelle|Kowarschick, W.: Projektmanagement}}
  proof_char =|
#{{Quelle|Rinne, H. (2003): Taschenbuch der Statistik}}
}}


[[Kategorie:Mathematische Definition]]
[[Kategorie:Stetige Wahrscheinlichkeitsverteilung]]
[[Kategorie:Stetige Wahrscheinlichkeitsverteilung]]
[[Kategorie:Projektmanagement]]
[[Kategorie:Projektmanagement]]
[[en:Triangular Distribution]]
[[en:Triangular distribution (standardized)]]

Aktuelle Version vom 23. April 2018, 15:31 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: 5
(ausgezeichnet)

Definition

Eine stetige Zufallsgröße $ X = D(c) := D(0,1,c)\, $, wobei $ D(a,b,c)\, $ die Dreiecksverteilung ist, heißt standardisiert dreiecksverteilt, wenn ihre Verteilungsfunktion durch die Dichtefunktion

$ f_X(x) = f_{D(c)} = f_{D(0,1,c)} = \begin{cases} 2\frac{x}{c} & \mbox{wenn } 0 \le x \le c \\ 2\frac{1-x}{1-c} & \mbox{wenn } c < x \le 1 \\ 0 & \mbox{sonst } \end{cases} $

beschrieben werden kann.

$ c \in ]0,1[ $ heißt Parameter der Verteilung $ D(c)\, $.

$ D(c)\, $ wird auch Standard-Dreiecksverteilung genannt.

Eigenschaften der Standard-Dreiecksverteilung

Parameter
(vgl. Parameter der
allgemeinen
Dreiecksverteilung)		$ c \,\in\, ]0,1[ $
$ a=0, b=1, d=b-a=1, m=\frac{c-a}{d} = c $
Dichtefunktion
$ f_X(x) := \begin{cases} 2\frac{x}{c} & \mbox{wenn } 0 \le x \le c \\ 2\frac{1-x}{1-c} & \mbox{wenn } c < 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[ \! $
Verteilungsfunktion
$ F_X(x) = \begin{cases} 0 & \mbox{wenn } x < 1\\ 0+\frac{x^2}{c} & \mbox{wenn } 1 \le x \le c \\ 1-\frac{(1-x)^2}{1-c} & \mbox{wenn } c < x \le 1 \\ 1 & \mbox{wenn } 1 < x \end{cases} $
Modus
$ \operatorname{md}_X =\{c\},\,f_X(c)=2\! $
Erwartungswert
$ \mu(X) = \frac{1+c}{3} $
p-Quantil
$ F_X^{-1}(p) = \begin{cases} 0+\sqrt{cp} & \mbox{wenn } 0 \le p \le c \\ 1-\sqrt{(1-c)(1-p)} & \mbox{wenn } c < p \le 1 \end{cases} $
Median
$ F_X^{-1}(0,5) = \begin{cases} 0+\frac{ {\sqrt{2c} } }{2} & \mbox{wenn } 0{,}5 \le c\\ 1-\frac{ {\sqrt{2(1-c)} } }{2} & \mbox{wenn } c < 0{,}5 \end{cases} $
Varianz
$ \operatorname{Var}(X) = \frac{c^2 - c + 1}{18} $
Standardabweichung
$ \sigma(X) = \frac{1}{6} \sqrt{2(c^2 - c + 1)} $

Zusammenhang zwischen allgemeiner und Standard-Dreiecksverteilung

Die Dreiecksverteilung hat eine allgemeinere Dichtefunktion $ f_{D(a,b,c)}\! $. Wie hängen die hier definierte sepzielle Form und die dort definierte allgemeine Form zusammen?

Zunächst sieht man anhand der Definitionen sofort, dass jede Dichtefunktion einer Standard-Dreiecksverteilung auch eine Dichtefunktion einer allgemeinen Dreiecksverteilungen ist:

$ f_{D(c)}(x) = f_{D(0,1,c)}(x) $

Umgekehrt können alle Dichtefunktionen von allgemeinen Dreiecksverteilungen durch Linear-Transformationen aus entsprechenden Dichtefunktionen der Standard-Dreiecksverteilungen erzeugt werden:

$ f_{D(a,b,c)}(x) = \frac{1}{b-a}\cdot f_{D((c-a)/(b-a))}\left(\frac{x-a}{b-a}\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)
Abgerufen von „https://glossar.hs-augsburg.de/w/index.php?title=Standard-Dreiecksverteilung&oldid=44482“