Vl. Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 3: Diskrete Verteilungen Prof. Dr. B. Grabowski Zur Lösung der folgenden Aufgaben können Sie auch die beigefügte Tabelle der diskreten Verteilungen im Anhang 1 verwenden. Aufgabe 1 In der Vorlesung haben Sie folgende diskrete Verteilungen kennen gelernt: Zweipunktverteilung, Diskrete Gleichverteilung, Geometrische Verteilung, Binomialverteilung Geben Sie an, welche der 4 Verteilungen (mit den zugehörigen Verteilungs-Parametern) die Zufallsgröße X in folgenden Experimenten besitzt: a) X = Anzahl der Würfelversuche bis zum Würfeln einer 6 b) X = Anzahl der Sechsen beim viermaligen Würfeln c) X = Augenzahl beim einmaligen Würfeln Hinweis: Überlegen Sie sich zunächst, wie das entsprechende Versuchsschema in a), b) bzw. c) aussieht . Entscheiden Sie dann auf dieser Basis, welche Verteilung X besitzt. Aufgabe 2 In einem großen Los von N = 100 Teilen sind 5% Ausschuss. Bei einer Qualitätskontrolle werden der Reihe nach Teile aus dem Los gezogen und geprüft, wobei das gezogene Teil nach jeder Ziehung wieder in das Los zurückgelegt wird (ziehen mit Zurücklegen, die Grundgesamtheit ändert sich von einer zur nächsten Ziehung nicht). Wie groß ist die Wahrscheinlichkeit dafür, a) dass bei einer Ziehung ein Ausschussteil gezogen wird b) dass beim Ziehen einer Stichprobe vom Umfang n= 4, mindestens ein Ausschussteil gezogen wurde c) erst in der 30. Ziehung ein Ausschussteil gezogen wurde Hinweis: Überlegen Sie sich zunächst, um welche Zufallsgröße X es in a), b) bzw. c) geht und wie das entsprechende Versuchsschema aussieht . Entscheiden Sie auf dieser Basis, welche Verteilung X besitzt und berechnen Sie dann die gewünschten Wahrscheinlichkeiten. 1 Vl. Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 3: Diskrete Verteilungen Prof. Dr. B. Grabowski Aufgabe 3 Von der Fertigung eines Massenartikels ist bekannt, dass die Grundgesamtheit einen Fehleranteil von p = 0,5% enthält. Wie groß ist die Wahrscheinlichkeit dafür, a) In einer Stichprobe (Ziehen mit Zurücklegen) vom Umfang n= 200 höchsten 2 fehlerhafte Einheiten zu finden? b) In einer Stichprobe (Ziehen mit Zurücklegen) vom Umfang n= 500 genau 3 fehlerhafte Einheiten zu finden? Aufgabe 4 In der beigefügten Tabelle finden Sie eine Übersicht über diskrete Verteilungen und die zugehörigen Erwartungswerte und Varianzen der entsprechend verteilten Zufallsgrößen. Beantworten Sie unter Verwendung der Tabelle folgende Fragen. Von der Fertigung eines Massenartikels ist bekannt, dass die Grundgesamtheit einen Fehleranteil von p = 0,5% enthält. a) mit wie vielen defekten Einheiten ist in einer Stichprobe (mit Zurücklegen) von n= 500 im Schnitt zu rechnen? b) Wie viele Ziehungen (mit Zurücklegen) muss man im Schnitt machen, bis zum ersten mal eine defekte Einheit gezogen wurde? 2 Anhang 1 Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Diskrete Verteilungen Wahrscheinlichkeitsverteilungen diskreter und stetiger Zufallsgrößen- Übersicht Diskrete Zufallsgröße Stetige Zufallsgröße Wertebereich χ χ={a1,...,ak } endlich oder abzählbar viel Werte ∃(a,b) ⊆ R, a < b, mit (a,b) ⊆ χ ∞ viele Werte Wahrscheinlichkeitsverteilung P Wahrscheinlichkeitsverteilung von X: Wahrscheinlichkeitsverteilung wird durch eine Gesamtheit aller Dichtefunktion f : χ ⊆ R R definiert: Einzelwahrscheinlichkeiten pi = P(X = ai) , i =1,...,k Dichtefunktion f Eigenschaften: ∞ f ( x) ≥ 0∀x ∈ χ , ∫ f ( x)dx = 1 −∞ Eigenschaften: k ∑p 0 ≤ p i ≤ 1, i =1 i =1 Verteilungsfunktion F (a) := P( X < a) = ∑ P( X = a ) i i:ai < a a F (a ) := P ( X < a ) = ∫ f ( x)dx −∞ (Summenhäufigkeitsfunktion) F (F: Stammfunktion von f) Eigenschaften: 1) 0 ≤ F(x) ≤1, 2) F(x) monoton nicht fallend 3) lim F ( x) = 0, x → −∞ Berechnung von Wahrscheinlichkeiten P( X ∈ A) = ∑ P( X = a ) P( X ≤ a) = x →∞ P( X ∈ A) = ∫ f ( x)dx i i : ai ∈ A z.B.: lim F ( x ) = 1 A ∑ P( X = a ) z.B.: i i:ai ≤ a P ( a ≤ X ≤ b) = P( a ≤ X ≤ b) = P( a < X < b) b = ∫ f ( x)dx = F (b) − F (a ) a ∑ P( X = a ) i i :a ≤ ai ≤ b 3 Anhang 1 Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Diskrete Verteilungen x M : P( X = x M ) = max P( X = a i ) x M : f ( x M ) = max f ( x) α-Quantil xα xα : F ( xα ) ≤ α < F ( xα + ε ) xα : F ( xα ) = α Erwartungswert EX EX = ∑ a i P ( X = a i ) ai ∈χ x∈χ Modalwert xM ∞ k EX = i =1 Varianz Var(X) ∫ xf ( x)dx −∞ ∞ k Var(X) = ( x − EX ) 2 f ( x)dx ∫ Var ( X ) = ∑ ( ai − EX ) 2 P ( X = ai ) i =1 −∞ Beispielverteilungen 2-Punkt-Verteilung, Binomialverteilung Poissonverteilung, Diskrete Gleichverteilung Normalverteilung, Log-Normalverteilung Exponentialverteilung, Stetige Gleichverteilung 4 Anhang 1 Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Diskrete Verteilungen Zusammenhang zwischen I Häufigkeitsverteilungen und Wahrscheinlichkeitsverteilungen bei diskreten Zufallsgrößen Sei X – diskret, X = {a 1 , a 2 ,..., a k } deskriptive Statistik Wahrscheinlichkeitsrechnung ai hn(ai) a1 hn(a1) n → →∞ a2 hn(a2) hn (ai ) → pi ai pi = P(X = ai) a1 p1 ak pk n →∞ ak hn(ak) rel. Häufigkeitsverteilung Wahrscheinlichkeits -verteilung Aus der Konvergenz der relativen Häufigkeit gegen die Wahrscheinlichkeit ergibt sich: arithm. Mittel: k 1 n x= ∑x i n→∞ → i =1 k = ∑ a h (a ) i n k EX = ∑a p i – Erwartungswert von X i i =1 i i =1 Streuung: s2 = 1 n n ∑ (x − x) 2 i =1 1 = n −1 = i n n −1 k ∑ (a 2 i − x ) ⋅ H n (a i ) i =1 k k ∑ 2 ( a i − x ) ⋅ h n (a i ) n→∞ → Var ( X) = ∑ (a 2 i − EX) ⋅ p i - Varianz von X i =1 i =1 Empirische Verteilungsfunktion: Fn ( x) = ∑ h (a ) n i n→∞ → F( x) = ∑p i = P( X ≤ x ) i:a i ≤ x 1:a i ≤ x Anteil aller Beobachtungen x j , j = 1,..., n mit x j ≤ x -Verteilungsfunktion von X 5 Anhang 1 Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Diskrete Verteilungen Tabelle: Spezielle diskrete Wahrscheinlichkeitsverteilungen Verteilung von X Parameter Bezeichnung Binomial- n, p X~B(n,p) verteilung n=1,2,... Binomialverteilung 0<p<1 Für n=1: Zweipunktverteilung Poissonverteilung Einzelwahrscheinlichkeiten X~P(λ) Var(X) Versuchsschema (Anwendungsgebiet) np np(1-p) Wahrscheinlichkeit dafür, dass bei n-ma-liger unabhängiger Wiederholung eines zweipunktverteilten Versuches mit der Erfolgswahrscheinlichkeit p die Anzahl der Erfolge X gleich k ist. (Bsp: Ziehen einer Stichprobe vom Umfang n mit Zurücklegen aus einer Grundgesamtheit. p = Ausschussanteil in der Grundgesamtheit, X = Anzahl der defekten Teile in der Stichprobe). λ λ Wie bei der Binomialverteilung; aber p und /oder n unbekannt und EX=np= λ bekannt. Beschreibt Anzahl von Ereignissen an einem Objekt . P(X = k) n = p k (1 − p ) n − k k für k = 0,1,...,n P(X = k) = λ>0 EX λk k! e −λ für k = 0,1,2..... Bsp: Anzahl X vorbeifahrender Autos pro Zeiteinheit, Anzahl von Astlöchern in einem Brett, Anzahl von Blitzeinschlägen in einem Gebiet pro Jahr Wird für große n und kleine p als Näherung der B(n,p)-Verteilung verwendet: B(n,p)≈P(λ=np) (n>20, p<0,01) 6 Anhang 1 Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Hypergeometrische N=1,2,... Verteilung M=1,2,...,N n=1,2,...,N Diskrete Verteilungen P(X = k) = M N − M X~Hyp(N,M,n) k n − k N n Wahrscheinlichkeit dafür, aus einer M n N n M M N − n Grundgesamtheit von N Objekten, von denen M ein (1 − ) N N N − 1 Merkmal A aufweisen , bei einer Stichprobe vom Umfang n (Ziehen ohne Zurücklegen) X=k Objekte mit Merkmal M zu ziehen. für k=0,1,..., min{M,n} Wird für n < N/10 durch die B(n,p=M/N)-Verteilung angenähert: Hyp(N,M,n) ≈ B(n, p=M/N) Geometrische Verteilung 0<p<1 X~Geo(p) P(X = k) = p(1 − p) k −1 1 p 1− p p2 1 k ∑ ai k i =1 1 k 2 1 k ai einmaliger Durchführung eines Versuches eines von k ∑ ai − k ∑ k i =1 i =1 gleichberechtigten Ereignissen eintritt. Wird bei k = 1,2,3,... Diskrete Gleichverteilung auf einer Menge ℵ= {a1,...,ak} {a1,...,ak}⊆R X~G({a1,...,ak}) P( X = ai ) = 1 k i = 1,2,...,k Wahrscheinlichkeit dafür, bei n-maliger Wiederholung eines 2-Punktverteilten Versuchs mit Erfolgswahrscheinlichkeit p erst beim k.ten Mal Erfolg zu haben. 2 Wahrscheinlichkeit dafür, dass bei Glücksspielen verwendet. Bsp.: X – zufällige Augenzahl beim Würfeln. 7