Wahrscheinlichkeitsverteilung Lernziele: • Wahrscheinlichkeitsverteilung und der Wahrscheinlichkeitsdichte verstehen. • Mittelwert und Streuungsmass kennen. • Mit der Binomialverteilung, der PoissonVerteilung und der Normalverteilung angemessene Probleme lösen können. (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz 1 Wahrscheinlichkeitsverteilungen • • • • • • Binomialverteilung Hypergeometrische Verteilung Poisson-Verteilung Normalverteilung Exponentialverteilung ... (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz 2 Zufallsvariable Eine Zufallsvariable (Zufallsgrösse) ist eine Funktion, die jedem Elementarereignis aus der Ergebnismenge Ω genau eine reele Zahl X() zuordnet. Beispiele: • X = Anzahl Würfe mit Augenzahl 1 • X = Messwert in einer Messserie (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz 3 Verteilungsfunktion Die Verteilungsfunktion F(X) einer Zufallsvariablen X ist die Wahrscheinlichkeit, dass die Zufallsvariable X einen Wert annimmt, der kleiner oder gleich einer vorgegebenen reellen Zahl x ist: F(x) = P(X ≤ x) Es gilt: P(a < X ≤ b) = F(b) - F(a) (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz 4 Diskrete Verteilung Die Wahrscheinlichkeitsverteilung einer diskreten Zufallsvarfiablen X lässt sich durch die Wahrscheinlichkeitsfunktion pi x x i (i 1, 2, 3, ...) f (x) für alle übrigen x 0 oder durch die zugehörige Verteilungsfunktion F(x) P(X x) f (x i ) vollständig beschreiben. (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz x i x 5 Diskrete Verteilung Es gilt: 1. f (x i ) 0 2. f (x) ist normiert f (x ) 1 i i1 3. F(x) ist monoton wachsend mit 0 F(x) 1 4. P(a X b) F(b) F(a) (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz 6 Stetige Verteilung Bei einer stetigen Zufallsvariablen X mit dem Wertebereich –∞ < X < ∞ wird die Verteilungsfunktion F(x) in der Integralform dargestellt: F(x) P(X x) x f (u)du f(x) heisst Dichtefunktion (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz 7 Stetige Verteilung Es gilt: 1. f (x) 0 2. f (x) ist normiert f (x)dx 1 3. F(x) ist monoton wachsend und ist eine Stammfunktion von f(x), 4. P(a X b) b also : F'(x) = f (x) f (x)dx F(b) F(a) a (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz 8 Erwartungswert einer Zufallsvariablen E(X) n x f (x ) i i (diskrete Zufallsgrösse x) i1 E(X) x f (x)dx (stetige Zufallsgrösse x) (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz 9 Diskrete Zufallsvariable X Mittelwert E(X) x i f (x i ) i Varianz Var(X) x i f (x i ) 2 2 i Standardabweichung Var(X) (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz 10 Stetige Zufallsvariable X Mittelwert E(X) x f (x)dx Varianz 2 Var(X) (x ) 2 f (x)dx Standardabweichung Var(X) (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz 11 Binomialverteilung (diskret) Beispiel: Wie gross ist die Wahrscheinlichkeit, mit zwei Würfel in 10 Versuchen 4-mal die Augensumme 6 zu werfen? P(X = 4) = (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz 12 Binomialverteilung allgemein: Ziehen mit Zurücklegen Die Wahrscheinlichkeit, dass in n Zufallsversuchen das Ereignis E x-mal eintritt, ist: P(X = x) n x Erwartungswert (q 1 p) p x q nx np Varianz 2 npq np(1 p) Standardabweichung (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz npq np(1 p) 13 Poisson-Verteilung Anzahl der Zufallsversuche ist sehr gross und die Wahrscheinlichkeit p ist sehr klein (d.h. es wird q = 1 - p 1) Grenzwert der Binomialverteilung mit n ∞. Es gilt: n x nx x lim n x p q x! e Erwartungswert = np Varianz 2 = npq = (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz 14 Poisson: Relativer Fehler Für eine Messunsicherheit von 10% müssen im Mittel pro Messintervall wenigstens µ = 102 Ereignisse registriert werden. Für höhere Genauigkeiten gilt: 1% µ = 104 1‰ µ = 106 (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz 15 Poisson: Beispiel Ein Gramm Radium (Ra) enthält etwa 1022 Atome. Diese können zerfallen. Der Zerfall eines Kerns ist unabhängig von anderen kernen. Ferner ist bekannt, dass die mittler Anzahl a-Teilchen, welche 1 Gramm Radium pro Sekunde aussendet, 1010 ist. Wie gross ist die Wahrscheinlichkeit, dass in einem Messintervall ∆t (z.B. ∆t = 1s) von 1 Gramm Radium x a-Teilchen ausgesandt werden? (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz 16 Poisson: Lösung Erwartungswert = np = 1022p ≈ 1010 12 p 10 P(X = x) x x! e Mittlerer Fehler : (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz (mit 10 ) 10 1 17 Normalverteilung • Die Zufallsvariable X kann jeden reellen Wert einnehmen. • Die Normalverteilung ist eine kontinuierliche Verteilung. • glockenförmige Verteilungskurve (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz 18 Gauss'sche Glockenkurve: Dichtefunktion f (x) 1 2 e (x )2 2 2 0.5 0.4 0.3 0.2 0.1 0 -20 -10 (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz 0 10 20 19 Gauss'sche Glockenkurve: Verteilungsfunktion F(x) x 1 2 e (t )2 2 2 dt µ = Mittelwert = Standardabweichung (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz 20 Gauss'sche Glockenkurve Die Koeffizienten sind so festgelegt, dass die Fläche zwischen Kurve und Achse für alle und immer 1 ergibt. Es gilt: 1 2 e (x ) 2 2 2 dx 1 (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz 21 = 0, variiert f (x) 1 2 e x2 2 2 =1 0.5 0.4 =2 0.3 =5 0.2 0.1 0 -20 -10 (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz 0 10 20 22 variiert, = 1 (x - )2 2 1 f (x) e 2 =0 0.5 = -5 0.4 = 10 0.3 0.2 0.1 0 -20 -10 (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz 0 10 20 23 Wahrscheinlichkeit, dass der Wert der Zufallsvariablen x zwischen x1 und x2 liegt: P(x1 x x 2 ) x2 1 0.5 x1 2 0.4 e (x )2 2 2 dx 0.3 0.2 0.1 0 -20 -10 (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz 0 x1 10 x2 20 24 Exponentialverteilung Dichtefunktion f(x) e x (für x 0) Erwartungswert m = Streuungsparameter s Verteilungsfunktion F(x) 1 0.5 1 0.4 0.3 0.2 x x f(x)dx e 0 x dx 1 e 0 x 0.1 0 0 (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz 5 10 15 20 25