Statistik quantitativ [ ist eine Zahl ] diskret kontinuierlich / stetig [ nur Einzelwerte ] [ Intervall / genau ] qualitativ [ist keine Zahl ] ordinal [ geordnet ] Spanne X max − X min Mittlere Abweichung 1 n ∑ xi − x n i=1 1 n t 2 = ∑ xi − x n i =1 Mittlere quadratische Abweichung oder Varianz Standardabweichung der Stichprobe Empirische Varianz Empirische Standardabweichung Varianz ( ) ( ) 2 t= 1 n ∑ xi − x n i=1 s2 = 1 n ∑ xi − x n − 1 i =1 s= 1 n ∑ xi − x n − 1 i =1 2 ( ) ( ) 2 2 t 2 = x 2 − ( x) 2 Anordnung ⎛ n ⎞ n = Anzahl Elemente ⎜⎜ ⎟⎟ ⎝ k ⎠ k = Anzahl Plätze nominal [ nicht geordnet ] Binominalkoeffizient ⎛n⎞ n! ⎜⎜ ⎟⎟ = ⎝ k ⎠ k!(n − k )! ⎛ n + 1⎞ ⎛ n ⎞ ⎛ n ⎞ ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ + ⎜⎜ ⎟⎟ k 1 k k 1 + + ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎛n⎞ ⎛ n ⎞ ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ k n − k ⎝ ⎠ ⎝ ⎠ Wahrscheinlichkeit Anordnungsproblem Additionssatz n! M ∪ N = M + N -> unvereinbar Multiplikationssatz M ×N = M ⋅ N Abhängigkeiten P ( A ∩ B) = P( A) ⋅ P( B) -> unabhängig P( E ∩ F ) P( E | F ) = P( F ) P( A ∩ B) = P( A | B) ⋅ P( B) =P( B | A) ⋅ P( A) P( A ∪ B) = P( A) + P( B) P ( A ∩ B) = P( A) ⋅ P( B) P( A) P( B | A) P( A | B) = P( B) Bedingte Wahrscheinlichkeit P ( A ∪ B) = P( A) + P( B) − P( A ∩ B) Spezialfall - unvereinbar Spezialfall - unabhängig Formel von Bayes Totale Wahrscheinlichkeit n P( B) = ∑ P( B | Ai ) P( Ai ) i =1 Ergebnis Ereignis Ergebnisraum Alle Ereignisse Sicheres Ereignis unmögliches Ereignis Elementar Ereignis Anzahl Ereignisse Raoul Harlacher Resulate eines Versuches Menge von Ergebnissen { {a} , {b} , {b,c} } {a} , {b} , {a,b} , ⊗ { a,b } ⊗ {a} , {b} 2 n => ⊗ , {a}, {b}, { a,b } Seite 1 von 2 Diskret Kontinuierlich Erwartungswert ∑ f (x ) ⋅ x i ∞ ∫ x ⋅ f ( x) ⋅ dx i i −∞ Varianz σ = ∑ ( xi − μ ) ⋅ f ( xi ) 2 ∞ 2 σ 2 = ∫ ( xi − μ ) 2 ⋅ f ( xi ) ⋅ dx i −∞ Varianz (Var) Var ( x) = E ( x 2 ) − E ( x ) 2 Massefunktion (h) → unabhängige Zufallsvariab. h( z ) = ∑ f ( x ) ⋅ g ( z − x ) x f und g= Wahrscheinlichkeitsmassefunktionen Allgemeines μ ( x+ y ) = μ x + μ y Verteilungsfunktion (H) ∞ H ( z) = ∫ F ( x) ⋅ G( z − x)dx −∞ F und G = Verteilungsfunktionen Dichtefunktion (h) ∞ H (z) = σ ( x+ y ) = σ x 2 + σ y 2 ∫ f ( x ) ⋅ ( z − x ) dx −∞ E (c ⋅ X ) = c ⋅ E ( X ) f und g = Wahrscheinlichkeitsdichtefunktionen Var (c ⋅ X ) = c 2 ⋅ Var ( X ) Hypergeometrische Verteilung ⎛ M ⎞⎛ N − M ⎞ ⎜⎜ ⎟⎟⎜⎜ ⎟ x ⎠⎝ n − x ⎟⎠ ⎝ f ( x) = ⎛N⎞ ⎜⎜ ⎟⎟ ⎝n⎠ M = Anzahl Elemente mit dem Merkmal N = Umfang der Grundgesamtheit n = Umfang der Stichprobe x = Zielmenge ⎛n⎞ bn, p (k ) = ⎜⎜ ⎟⎟ ⋅ p k ⋅ (1 − p ) n− k ⎝k ⎠ k = Ereignis tritt genau k Anzahl ein n = Anzahl Versuche p = Grundwahrscheinlichkeit X Sei eine binomialverteilte Zufallsvariable bei n Versuchen mit der Einzelwahrscheinlichkeit p. Dann ist E ( x) = n ⋅ p Binomialverteilung falls n/N ≤ 0.05 /\ n ≥30 Var = n ⋅ p (1 − p) Poisson-Verteilung (nur Erwartungswert gegeben) falls p < 0.1 /\ n ≥ 30 pμ : x → μx x! μ = Erwartungswert x = diskrete Zufallsvariable Sei X eine poissonverteilte Zufallsvariable mit Erwartungswert. Dann ist E ( x) = Var ( x) = μ ⋅ e −μ Gausssche Normalverteilung falls 0.1 < p < 0.9 < /\ n ≥ 30 oder p beliebig und n ≥ 50 Raoul Harlacher f :x→ e 1 ⎛ x−μ ⎞ − ⎜ ⎟ 2⎝ σ ⎠ 2 σ ⋅ 2π μ = Erwartungswert σ = Empirische Varianz (ohne exp2) σ = n ⋅ p ⋅ (1 − p ) Seite 2 von 2