Zufallsgröße

Werbung
Wahrscheinlichkeitsverteilungen
• Statistische Modellierung des Messvorganges
• Wahrscheinlichkeitstheorie
• Verteilungen von Zufallsgrößen
• Wichtige Wahrscheinlichkeitsverteilungen
• Zentraler Grenzwertsatz
• Unscharfe Zahlen
Ausgleichungsrechnung I
Gerhard Navratil
Messung zufällig beeinflusst
Messung ist nicht genau vorhersagbar
(deterministisch) sondern zufällig
Einflüsse: Aufstellung, Atmosphäre,
Auflösung im Gerät etc.
Abweichungen folgen stochastischen
Gesetzen
Modellierung über zufällige Versuche
Ausgleichungsrechnung I
Gerhard Navratil
Zufälliger Versuch
• Beliebig oft wiederholbar
• Ausgang innerhalb einer Menge an möglichen
Ausgängen ungewiss
• Beispiele: Werfen einer Münze, Würfeln, Ziehen
aus einer Urne
• Ergebnis eines zufälligen Versuches:
Zufallsereignis E
• Zufallsereignis liefert Stichprobe aus Grundgesamtheit (alle möglichen Ergebnisse)
Ausgleichungsrechnung I
Gerhard Navratil
Zufallsgrößen und ihre
Realisierung
• Zufallsgröße: (veränderliche) Größe, die man
beim zufälligen Versuch untersucht – z.B.
Augenzahl beim Würfeln
• Realisierung: Wert, den die Zufallsgröße nach
einem einzelnen Experiment annimmt
• Messgröße: Zufallsgröße, die über eine
Messung ermittelt wird
• Messwert: Realisierung einer Messgröße
Ausgleichungsrechnung I
Gerhard Navratil
Diskret vs. stetig
• diskrete Zufallsgröße: Kann endlich viele
oder abzählbar-unendlich viele Werte
annehmen
• stetige (kontinuierliche) Zufallsgröße:
Physikalische Messgrößen (obwohl
Messgeräte diskrete Ergebnisse liefern)
Ausgleichungsrechnung I
Gerhard Navratil
Wahrscheinlichkeit (1)
Relative Häufigkeit bei unendlicher Anzahl von
Versuchen
k
P( E )  lim
n  n
P(E): Wahrscheinlichkeit dafür, dass E eintritt
Dem Gesetz der großen Zahlen folgend konvergiert
die relative Häufigkeit gegen die
Wahrscheinlichkeit (Richard von Mises)
Wir können die Wahrscheinlichkeit umso besser
schätzen, je mehr unabhängige Experimente wir
durchführen.
Ausgleichungsrechnung I
Gerhard Navratil
Wahrscheinlichkeit (2)
Für die Häufigkeit k gilt 0 k  n, daher
0  k/n  1
Somit für n   : 0  P(E)  1
Wahrscheinlichkeit 0: unmögliches
Ereignis
Wahrscheinlichkeit 1: sicheres Ereignis
P(E) oft in Prozent angegeben
Ausgleichungsrechnung I
Gerhard Navratil
Wahrscheinlichkeit (3)
Weitere Definition (Laplace): Verhältnis
zwischen den günstigen und den
möglichen Fällen des Eintretens eines
bestimmten Ereignisses
Vorteil: Beschreibt a priori-Wahrscheinlichkeit – kann ohne Experiment angegeben werden
Nachteil: Was sind beim Messen günstige
Ereignisse?
Ausgleichungsrechnung I
Gerhard Navratil
Bestimmung der
Wahrscheinlichkeit?
Unendlich viele Versuche ausführen
Praktische Durchführung schwierig
Empirische Schätzung aus n Versuchen
z.B. Mittelwert unserer Beobachtungen
Anwendung eines theoretischen Modells
z.B. Fehlergesetz unseres Distanzers
Ausgleichungsrechnung I
Gerhard Navratil
Wahrscheinlichkeitsverteilungen
Angaben über die Wahrscheinlichkeit, mit
der eine Zufallsgröße bestimmte Werte
annimmt
Wichtige Frage: Wie groß ist die Wahrscheinlichkeit dafür, dass die Zufallsgröße
kleiner oder gleich einem vorgegebenen
Wert ist?
Antwort: Verteilungsfunktion F(x)
Ausgleichungsrechnung I
Gerhard Navratil
Verteilungsfunktion
• Diskreter Fall:
F ( x)  P( X  x) 
i: xi  x
mit
• Stetiger Fall:
 P( X  xi )   f ( xi )
 pi für x  xi
f ( x)  
 0 sonst
x
F ( x)  P( X  x) 
 f (t )dt

mit Dichtefunktion f(x)
Ausgleichungsrechnung I
Gerhard Navratil
i: xi  x
Dichtefunktion
Wahrscheinlichkeit
Ausgleichungsrechnung I
Gerhard Navratil
Weitere Wahrscheinlichkeiten
a
P( X  a)  F (a) 

f ( x)dx


P( X  b)  1  F (b) 

f ( x)dx
b
b
P(a  X  b)  F (b)  F (a ) 

a
Ausgleichungsrechnung I
Gerhard Navratil
f ( x)dx
Parameter der Verteilung
• Lageparameter

n
xi  f ( xi ) bzw.   x  f ( x)dx
– Erwartungswert E ( x)  
i 1

F ( xa )  P( X  xa )  a
– a-Quantil
– 0,5-Quantil: Median
• Streuungsparameter

n
2


x


f ( xi )
 i
bzw.    x   2  f ( x)dx
– Varianz
i 1

– Standardabweichung: positive Quadratwurzel
der Varianz
Var( x) 
Ausgleichungsrechnung I
Gerhard Navratil
Momente der Verteilung
Ist X eine Zufallsgröße, so ist auch Xk eine
Zufallsgröße
mk=E(Xk) … k-tes Moment von X
(Erwartungswert: erstes Moment)
Zentriert auf Erwartungswert: zentrales
Moment k (Varianz: 2. zentrales Moment)
 k  E (( X  E ( X )) )
k
Ausgleichungsrechnung I
Gerhard Navratil
Schiefe, Wölbung und Exzess
1 
3
• Schiefe
32
positive Schiefe: rechter Teil länger als
linker Teil: rechtsschief
4


• Wölbung (Kurtosis) 2 22
Wölbung kleiner 3 breitgipflig, sonst
schmalgipflig, Normalverteilung: genau 3
• Exzess: Wölbung verringert um Wölbung

der Normalverteilung
 2  42  3   2  3
2
Ausgleichungsrechnung I
Gerhard Navratil
QQ-Plot
2 Datenmengen – gleiche Verteilung?
Auftragen der Quantile
• Gerade durch Ursprung  gleicher
Erwartungswert
• Gerade mit gleicher Steigung  gleiche
Standardabweichung
Ausgleichungsrechnung I
Gerhard Navratil
Gute Näherung
Ausgleichungsrechnung I
Gerhard Navratil
Schlechte Näherung
Ausgleichungsrechnung I
Gerhard Navratil
Wichtige Verteilungen
•
•
•
•
•
Gleichverteilung
Normalverteilung
Chi-Quadrat Verteilung
Student-Verteilung
Fisher-Verteilung
Ausgleichungsrechnung I
Gerhard Navratil
Gleichverteilung (1)
Jeder mögliche Wert hat dieselbe
Wahrscheinlichkeit, z.B. Würfeln
1

Stetiger Fall:

für a  x  b
f ( x)   b  a

 0
sonst
Dichtefunktion: Rechteck
ab
E( X ) 
Erwartungswert
2
Ausgleichungsrechnung I
Gerhard Navratil
Gleichverteilung (2)
 1  b  a k

k
E (( X  E ( X )) )   k  1  2 

0

Zentrale Momente
und somit

b  a 2
Var(X )   2 
3  0
12
1
4
 4  b  a 
80
Ausgleichungsrechnung I
Gerhard Navratil
für gerade k
für ungerade k
Normalverteilung (1)
auch: Gauß‘sche Verteilung

x   2

1
2
2
s
Dichtefunktion:
f ( x) 
e
s 2
für    x  
Definiert über Erwartungswert  und
Standardabweichung s
Form einer Glocke: Glockenkurve
Ausgleichungsrechnung I
Gerhard Navratil
Abweichungen
Erwartungswert
Erwartungswert
Symmetrisch,
Wendepunkte
Varianz bestimmt
umso
bestimmt
daher
gleich
imunwahrscheinlicher
Abstand
die
Mittelwert
Modalwert:
das
Breite
Zentrum
von
der
=
±sUnimodal
Median
Kurve
von
der
je größer
Kurve
Ausgleichungsrechnung I
Gerhard Navratil
Normalverteilung (2)
Verteilungsfunktion durch Integration der
Dichtefunktion:
2
t   
1
F ( x) 
s 2
 

e
2s 2
dt

Komplexe Berechnung  Standardisierung
Ausgleichungsrechnung I
Gerhard Navratil
Standardisierte Zufallsgröße
Entsteht durch lineare Transformation
Z
X 
s
Ergebnis:
Erwartungswert
Standardabweichung
dimensionslos
0
1
Ausgleichungsrechnung I
Gerhard Navratil
Standard-Normalverteilung
Normalverteilte Zufallsgröße mit =0 und
s=1
1
 ( z) 
2
Dichtefunktion
Verteilungsfunktion
1
( z ) 
2
Ausgleichungsrechnung I
Gerhard Navratil
z2

e 2



t2

e 2 dt
Standard-Normalverteilung
Ausgleichungsrechnung I
Gerhard Navratil
Wichtige Beziehungen (1)
 ( x)

1   ( x)
a
P( X  a)



 s 
b  
a
P ( a  X  b)  





 s 
 s 
b  
P ( X  b)

1  

 s 
Ausgleichungsrechnung I
Gerhard Navratil
Wichtige Beziehungen (2)
• ~68% aller Realisierungen in ±1s
• ~95% aller Realisierungen in ±2s
• ~99% aller Realisierungen in ±3s
bzw.
P(   1  s  X    1  s )  68%
P(   2  s  X    2  s )  95%
P(   3  s  X    3  s )  99%
Ausgleichungsrechnung I
Gerhard Navratil
Chi-Quadrat-Verteilung (1)
Entsteht aus einer normalverteilten
m
2
Y

X
Zufallsgröße über
 i
i 1
1876 Helmert, Pearson
Parameter m: Freiheitsgrad der Verteilung
Auch: Helmert-Pearson-Verteilung
Definiert auf [0,+]
Im Allgemeinen nicht symmetrisch
Abkürzung: C 2
Ausgleichungsrechnung I
Gerhard Navratil
Chi-Quadrat-Verteilung (2)
•
•
•
•
Erwartungswert
Varianz
Schiefe
Exzess
E(Y)=m
Var(Y)=2m
1  2
2
m
12
2 
m
Ausgleichungsrechnung I
Gerhard Navratil
Ausgleichungsrechnung I
Gerhard Navratil
Student-Verteilung (1)
Zufallsgröße T aus
Z
mit Z: standard normalverteilt
T
Y
Y: C 2-verteilt
m
Y und Z unabhängig
Student- oder t-Verteilung (1809 Gosset)
Definiert auf [-,+], unimodal, symmetrisch,
glockenförmig
Ausgleichungsrechnung I
Gerhard Navratil
Student-Verteilung (2)
Ähnlich Normalverteilung aber größere
Streuung
Je größer die Anzahl der Freiheitsgrade
desto größer die Ähnlichkeit zur Normalverteilung
Kann ab m30 durch Normalverteilung
ersetzt werden
Ausgleichungsrechnung I
Gerhard Navratil
Student-Verteilung (3)
•
•
•
•
Erwartungswert
Varianz
Schiefe
Exzess
E(T)=0 für m2
Var(T)=m/(m-2) für m3
1=0 für m3
2=6/(m-4) für m2
Ausgleichungsrechnung I
Gerhard Navratil
Ausgleichungsrechnung I
Gerhard Navratil
Fisher-Verteilung (1)
Y1
Zufallsgröße X aus
X
Y2
m1
m2
mit den C 2-verteilten
Zufallsgrößen Y1 und Y2 mit m1 bzw. m2
Freiheitsgraden
Fisher-verteilt, F-verteilt (Snedecor)
Varianzquotientenverteilung
F(m1,m2)
Ausgleichungsrechnung I
Gerhard Navratil
Fisher-Verteilung (2)
Definiert auf [0,+], nicht symmetrisch,
linksschief, eingipflig
Symmetrie wächst mit zunehmender Anzahl
von Freiheitsgraden
Erwartungswert und
m Varianz (m25):
E( X ) 
2
m2  2
Var( X ) 
2m22 m1  m2  2 
m1 m2  2  m2  4 
2
Ausgleichungsrechnung I
Gerhard Navratil
Ausgleichungsrechnung I
Gerhard Navratil
Prüfverteilungen
Chi-Quadrat-, Student- und Fisher-Verteilung
heißen Prüf- oder Testverteilungen
In Schätz- und Testtheorie (Kap. 8) zum
Überprüfen von Hypothesen verwendet
Treten nicht als eigenständige Verteilungen in
mathematischen Modellen mathematischer
Versuche auf
Ausgleichungsrechnung I
Gerhard Navratil
Zentraler Grenzwertsatz
Eine Zufallsgröße als Summe einer
großen Anzahl unabhängiger, beliebig
verteilter Zufallsgrößen ist annähernd
normalverteilt.
Voraussetzung: Einzelanteile klein
Wichtig für Modellierung von
Beobachtungen!
Tatsächlich: Nur näherungsweise
normalverteilt!
Ausgleichungsrechnung I
Gerhard Navratil
Unschärfe
Bisherige Konzepte beschreiben Variabilität
Aber: Messergebnisse sind unscharf
(z.B. Oberflächenrauhigkeit)
Ursache: Güte der Definition
z.B. Anzahl von Autos, die vor einer roten
Ampel warten
Ausgleichungsrechnung I
Gerhard Navratil
Punktmengen
Zugehörigkeit eines Punktes zu einer
Teilmenge über Indikatorfunktion
1 für x  A
I A x   
x  M
0 für x  A
Scharfe Abgrenzung
Wenn nicht möglich  Zugehörigkeitsfunktion
(memberhip function)  A : M  0,1
 Fuzzy Sets
Ausgleichungsrechnung I
Gerhard Navratil
Zugehörigkeitsfunktion
Beispiel vor roter Ampel wartendes Auto
Ausgleichungsrechnung I
Gerhard Navratil
Beschreibung unscharfer Zahlen
Charakterisierende Funktion
Bedingung: Jeder horizontale Schnitt durch
die Funktion ergibt ein endliches, nicht
leeres und abgeschlossenes
Intervall: d-Schnitt
Meist Trapezform
Ausgleichungsrechnung I
Gerhard Navratil
Zusammenfassung (1)
• Zufallsereignisse haben für das Eintreten
jedes möglichen Ergebnisses eine
bestimmte Wahrscheinlichkeit
• Die Summe dieser Wahrscheinlichkeiten
ist die Wahrscheinlichkeitsverteilung
• Oft wird die Normalverteilung
angenommen
• Andere Verteilungen werden wir in der
Prüfstatistik noch benötigen
Ausgleichungsrechnung I
Gerhard Navratil
Zusammenfassung (2)
• Zentraler Grenzwertsatz liefert die
Begründung, warum wir oft Normalverteilung annehmen
• Unschärfe der Definition kann über das
Konzept der unscharfen Zahlen abgebildet
werden
Ausgleichungsrechnung I
Gerhard Navratil
Herunterladen