Standard-Dreiecksverteilung: Unterschied zwischen den Versionen

aus GlossarWiki, der Glossar-Datenbank der Fachhochschule Augsburg
Keine Bearbeitungszusammenfassung
Keine Bearbeitungszusammenfassung
Zeile 9: Zeile 9:
   pdf_image  =|
   pdf_image  =|
   cdf_image  =|
   cdf_image  =|
   parameters =<math>c \in ]0,1[</math>|
   parameters =<math>c \in ]0,1[</math>|
  proof_parameters =|
   pdf        =<math>
   pdf        =<math>
                 f_X(x) :=
                 f_X(x) :=
Zeile 18: Zeile 21:
                   \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) =  
Zeile 29: Zeile 38:
                   \end{cases}                 
                   \end{cases}                 
               </math>|
               </math>|
  proof_cdf =|
   mode      =<math>c,\,f_X(c)=2\!</math>|
   mode      =<math>c,\,f_X(c)=2\!</math>|
  proof_mode =|
   mean      =<math>\mu(X) = \frac{1+c}{3}</math>|
   mean      =<math>\mu(X) = \frac{1+c}{3}</math>|
  proof_mean =|
   quartile  = <math>
   quartile  = <math>
                 F_X^{-1}(p) =
                 F_X^{-1}(p) =
Zeile 38: Zeile 53:
                   \end{cases}                 
                   \end{cases}                 
               </math>|
               </math>|
  proof_quartile =|
   median    =<math>
   median    =<math>
                 F_X^{-1}(0,5) =
                 F_X^{-1}(0,5) =
Zeile 45: Zeile 62:
                   \end{cases}                 
                   \end{cases}                 
               </math>|
               </math>|
  proof_median =|
   variance  =<math>\operatorname{Var}(X) = \frac{c^2 - c + 1}{18}</math>|
   variance  =<math>\operatorname{Var}(X) = \frac{c^2 - c + 1}{18}</math>|
  proof_variance =|
   sigma      =<math>\sigma(X) = \frac{1}{6} \sqrt{2(c^2 - c + 1)}</math>|
   sigma      =<math>\sigma(X) = \frac{1}{6} \sqrt{2(c^2 - c + 1)}</math>|
  proof_sigma =|
   skewness  =<math>
   skewness  =<math>
               \frac{\sqrt 2(1-2c)(-1-c)(-1+c)}{5(c^2-c+1)^\frac{3}{2}}
               \frac{\sqrt 2(1-2c)(-1-c)(-1+c)}{5(c^2-c+1)^\frac{3}{2}}
               </math> (nicht überprüft)|
               </math> (nicht überprüft)|
  proof_skewness =|
   kurtosis  =<math>\frac{\mu_4(X)}{\sigma^4(X)} = \frac{12}{5} \mbox{ oder } \frac{\mu_4}{\sigma^4} -3 = \frac{12}{5}</math> (nicht überprüft)|
   kurtosis  =<math>\frac{\mu_4(X)}{\sigma^4(X)} = \frac{12}{5} \mbox{ oder } \frac{\mu_4}{\sigma^4} -3 = \frac{12}{5}</math> (nicht überprüft)|
  proof_kurtosis =|
   entropy    =<math>h[f_X] = \frac{1}{2}+\ln\left(\frac{1}{2}\right)</math> (nicht überprüft)|
   entropy    =<math>h[f_X] = \frac{1}{2}+\ln\left(\frac{1}{2}\right)</math> (nicht überprüft)|
  proof_entropy =|
   moment    = |
   moment    = |
  proof_moment =|
   centralmoment =|
   centralmoment =|
  proof_centralmoment =|
   mgf        =<math>M_X(t)=E\left(e^{tX}\right) = 2\frac{(1-c)-e^{ct}+ce^{t}}{c(1-c)t^2}</math> (nicht überprüft)|
   mgf        =<math>M_X(t)=E\left(e^{tX}\right) = 2\frac{(1-c)-e^{ct}+ce^{t}}{c(1-c)t^2}</math> (nicht überprüft)|
  proof_mgf =|
   char      =<math>\varphi_X(t) = \operatorname{E}\left(e^{itX}\right) = -2\frac{(1-c)-e^{ict}+ce^{it}}{c(1-c)t^2}</math> (nicht überprüft)|
   char      =<math>\varphi_X(t) = \operatorname{E}\left(e^{itX}\right) = -2\frac{(1-c)-e^{ict}+ce^{it}}{c(1-c)t^2}</math> (nicht überprüft)|
  proof_char =|
}}
}}



Version vom 30. Mai 2006, 09:23 Uhr

Achtung: Die folgenden Formeln können noch Fehler enthalten.

Eine Zufallsgröße $ X $ mit der nachfolgend definierten Dichte-Funktion $ f_X $ heißt normiert dreiecksverteilt. Sie hat folgende Eigenschaften:


Parameter
$ c \in ]0,1[ $
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
$ c,\,f_X(c)=2\! $
Erwartungswert
$ \mu(X) = \frac{1+c}{3} $
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)} $
Schiefe
$ \frac{\sqrt 2(1-2c)(-1-c)(-1+c)}{5(c^2-c+1)^\frac{3}{2}} $ (nicht überprüft)
Wölbung
$ \frac{\mu_4(X)}{\sigma^4(X)} = \frac{12}{5} \mbox{ oder } \frac{\mu_4}{\sigma^4} -3 = \frac{12}{5} $ (nicht überprüft)
Entropie
$ h[f_X] = \frac{1}{2}+\ln\left(\frac{1}{2}\right) $ (nicht überprüft)
Momenterzeugende Funktion
$ M_X(t)=E\left(e^{tX}\right) = 2\frac{(1-c)-e^{ct}+ce^{t}}{c(1-c)t^2} $ (nicht überprüft)
Charakteristische Funktion
$ \varphi_X(t) = \operatorname{E}\left(e^{itX}\right) = -2\frac{(1-c)-e^{ict}+ce^{it}}{c(1-c)t^2} $ (nicht überprüft)