ETWR – Teil B Spezielle Wahrscheinlichkeitsverteilungen (stetig) Stephan Schosser Spezielle Wahrscheinlichkeitsverteilungen (stetig) Ziele • Bisher • (eindimensionale, mehrdimensionale) Zufallsvariablen besprochen • Lageparameter von Zufallsvariablen besprochen • Übertragung des gelernten auf diskrete Verteilungen • Ziel des Kapitels • Übertragung des gelernten auf stetige Verteilungen WS12/13 Entscheidungstheorie, Wahrscheinlichkeit und Risiko – Teil B 2 26 Stephan Schosser Spezielle Wahrscheinlichkeitsverteilungen (stetig) Agenda • Formalisierung des Zufalls • Bewertung von Ereignissen • Urnenexperimente • Bewertung von Urnenexperimenten • Zufallsvariablen • Verteilungsparameter • Mehrdimensionale Zufallsvariablen • Verteilungsparameter II • Spezielle Wahrscheinlichkeitsverteilungen (diskret) • Spezielle Wahrscheinlichkeitsverteilungen (stetig) • Gleichverteilung • Normalverteilung • Exponentialverteilung WS12/13 Entscheidungstheorie, Wahrscheinlichkeit und Risiko – Teil B 3 26 Stephan Schosser 4 Wiederholung Stetige Gleichverteilung Spezielle Wahrscheinlichkeitsverteilungen (stetig) 26 Visualisierung • Gleichverteilung mit N = 6 fx bzw. FX 1,00 0 WS12/13 Entscheidungstheorie, Wahrscheinlichkeit und Risiko – Teil B 6 x Stephan Schosser 5 Spezielle Wahrscheinlichkeitsverteilungen (stetig) 26 Visualisierung • Gleichverteilung mit N = ∞ auf Intervall [1,6] fx bzw. FX 1,00 0 WS12/13 Entscheidungstheorie, Wahrscheinlichkeit und Risiko – Teil B 6 x Stephan Schosser Spezielle Wahrscheinlichkeitsverteilungen (stetig) Stetige Gleichverteilung • Definition: (Stetige Gleichverteilung) Die Zufallsvariable X heißt auf Intervall [a, b] gleichverteilt, wenn Dichtefunktion f(x) und Verteilungsfunktion F(x) gegeben sind als $ 0 x≤a # 1 & % & x−a a≤x≤b f (x) = $ b − a F(x) = % a<x<b b − a % 0 & sonst & &' 1 x≥b • Satz Der Erwartungswert einer stetig gleichverteilten Zufallsvariable X ist E(x) = und die Varianz von X ist Var(x) = WS12/13 a+b 2 1 (b − a)2 12 Entscheidungstheorie, Wahrscheinlichkeit und Risiko – Teil B 6 26 Stephan Schosser Spezielle Wahrscheinlichkeitsverteilungen (stetig) Beweise • Erwartungswert E(X) = E(X) = b 1 1 b ∫ x b − a dx = b − a ∫ a a 7 26 b 1 " x2 % x dx = $ ' b − a # 2 &a 1 b2 − a2 1 (b + a)(b − a) a + b = = = b−a 2 b−a 2 2 • Varianz b E(X 2 ) = ∫ a 1 1 x2 dx = b−a b−a b ∫ a b 1 # x3 & 2 x dx = % ( b − a $ 3 'a b3 − a 3 (b − a)(a 2 + ab + b 2 ) a 2 + ab + b 2 = = = 3(b − a) 3(b − a) 3 a 2 + ab + b 2 (a + b)2 4a 2 + 4ab + 4b 2 − 3a 2 − 6ab − 3b 2 Var(X) = E(X ) − E(X) = − = 3 4 12 2 2 a 2 − 2ab + b 2 (a − b)2 = = 12 12 WS12/13 Entscheidungstheorie, Wahrscheinlichkeit und Risiko – Teil B Stephan Schosser Spezielle Wahrscheinlichkeitsverteilungen (stetig) Agenda • Formalisierung des Zufalls • Bewertung von Ereignissen • Urnenexperimente • Bewertung von Urnenexperimenten • Zufallsvariablen • Verteilungsparameter • Mehrdimensionale Zufallsvariablen • Verteilungsparameter II • Spezielle Wahrscheinlichkeitsverteilungen (diskret) • Spezielle Wahrscheinlichkeitsverteilungen (stetig) • Gleichverteilung • Normalverteilung • Exponentialverteilung WS12/13 Entscheidungstheorie, Wahrscheinlichkeit und Risiko – Teil B 8 26 Stephan Schosser Spezielle Wahrscheinlichkeitsverteilungen (stetig) Motivation • Produktionsprozess Hilti • Maschinelle Fertigung von Bohreinsätzen (kurz: Bohrer) • Bohrer aus hochwertigem Stahl ... ... dadurch Formen schwierig • Konsequenz: Es kommt zu zufälligen Abweichungen in der Länge • Problem • Qualitätssicherung Bohrer mit starker Abweichung unverkäuflich • Planung Wie viele Bohrer Ausschuss bei Tagesproduktion von n = 10.000 • Idee • Anteil Ausschuss mit passender Verteilung schätzen • Im Folgenden • Verteilung mit Zielwert und zufälligen Abweichungen WS12/13 Entscheidungstheorie, Wahrscheinlichkeit und Risiko – Teil B 9 26 Stephan Schosser 10 Spezielle Wahrscheinlichkeitsverteilungen (stetig) 26 Normalverteilung • Definition: (Normalverteilung) Die Zufallsvariable X heißt normalverteilt mit den Parametern µ und σ2, wenn ihre Dichtefunktion für x ∈ R gegeben ist durch f X ( x) = 1 e σ 2π − ( x− µ )2 2σ 2 • Satz Eine normalverteilte Zufallsvariable besitzt den Erwartungswert E(X) = µ und die Varianz Var(X) = σ2 WS12/13 Entscheidungstheorie, Wahrscheinlichkeit und Risiko – Teil B Stephan Schosser 11 Spezielle Wahrscheinlichkeitsverteilungen (stetig) 26 Visualisierung I • Dichtefunktion der Standardnormalverteilung (µ = 0, σ2 = 1): µ → Lage der Verteilung σ2 → Streuung der Verteilung f X (x) 0,4 0,3 0,2 0,1 0 -4 WS12/13 -2 0 Entscheidungstheorie, Wahrscheinlichkeit und Risiko – Teil B 2 4 x Stephan Schosser 12 Spezielle Wahrscheinlichkeitsverteilungen (stetig) 26 Visualisierung II • Dichtefunktion der Normalverteilung (µ=5 bzw. µ=6, σ2=1): 0,5 f X (x) 0,4 0,3 0,2 0,1 0,0 WS12/13 2 4 6 8 Entscheidungstheorie, Wahrscheinlichkeit und Risiko – Teil B 10 x Stephan Schosser 13 Spezielle Wahrscheinlichkeitsverteilungen (stetig) 26 Visualisierung III • Dichtefunktion der Normalverteilung (µ=5, σ2=1 bzw. σ2=4): 0,5 f X (x) 0,4 0,3 0,2 0,1 0,0 WS12/13 x 2 4 6 8 Entscheidungstheorie, Wahrscheinlichkeit und Risiko – Teil B 10 Stephan Schosser 14 Spezielle Wahrscheinlichkeitsverteilungen (stetig) 26 Beispiel • Körpergröße männlicher Studienanfänger • Normalverteilung → geeignetes Modell für Körpergröße (siehe folgende Abb.) • Histogramm der Körpergröße männlicher Studienanfänger mit Dichtefunktion der Normalverteilung mit µ=183,1 und σ2=48,7 0,07 0,06 0,05 0,04 0,03 0,02 0,01 0,00 160 WS12/13 170 180 Entscheidungstheorie, Wahrscheinlichkeit und Risiko – Teil B 190 200 Stephan Schosser 15 Spezielle Wahrscheinlichkeitsverteilungen (stetig) 26 Standardisierung • Ist X normalverteilt mit den Parametern µ und σ2, so ist Z = X − µ standardnormalverteilt. 1 −0,5z 2 e • Dichtefunktion ϕ (z) = 2π 0 1 −0,5u2 • Verteilungsfunktion Φ(z) = ∫ e du −∞ 2π WS12/13 Entscheidungstheorie, Wahrscheinlichkeit und Risiko – Teil B σ Stephan Schosser 16 Spezielle Wahrscheinlichkeitsverteilungen (stetig) 26 Illustration • Gesucht: Wahrscheinlichkeit P(X ≤ x) = FX(x) für eine mit µ und σ2 normal-verteilte Zufallsvariable. X − µ x − µ ⎞ ≤ ⎟ σ ⎠ ⎝ σ • FX ( x) = P( X ≤ x) = P( X − µ ≤ x − µ) = P⎛⎜ x − µ ⎞ ⎛ ⎛ x − µ ⎞ = P⎜ Z ≤ ⎟ = Φ⎜ ⎟ σ ⎠ ⎝ ⎝ σ ⎠ # x−µ& • FX (x) = Φ % ( $ σ ' • Dabei gilt: Φ ( z ) = 1− Φ (−z ) WS12/13 Entscheidungstheorie, Wahrscheinlichkeit und Risiko – Teil B Stephan Schosser 17 Spezielle Wahrscheinlichkeitsverteilungen (stetig) 26 Beispiel • Fahrzeit zur Universität • Fahrzeit X ist normalverteilt mit E(X) = 40 und Var(X) = 4 • Wie groß ist Wahrscheinlichkeit, dass Fahrzeit max. 36 Minuten? • Es gilt: $ 36 − 40 ' P(X ≤ 36) = FX (36) = Φ & ) = Φ(−2) % 2 ( Φ(2) = 0, 977 → P(X ≤ 36) = Φ(−2) = 1− Φ(2) = 1− 0, 977 = 0, 023 WS12/13 Entscheidungstheorie, Wahrscheinlichkeit und Risiko – Teil B Stephan Schosser 18 Spezielle Wahrscheinlichkeitsverteilungen (stetig) 26 Quantil • Quantil normalverteilte Zufallsvariablen (µ, σ2) xp = µ + zpσ • Quantil Standardnormalverteilte Zufallsvariable zp • Nur für p mit p < 0,5 oder p > 0,5, ... • ... denn es gilt: zp = −z1−p WS12/13 Entscheidungstheorie, Wahrscheinlichkeit und Risiko – Teil B Stephan Schosser 19 Spezielle Wahrscheinlichkeitsverteilungen (stetig) 26 Quantil – Beispiel • Fahrzeit zur Universität • Fahrzeit X ist normalverteilt mit E(X) = 40 und Var(X) = 4 • Welche Fahrzeit wird an 20 Prozent der Tage nicht überschritten? • Es gilt: • z0,2 = −z0,8 → z0,8 = 0,842 → z0,2 = −0,842 • x0,20 = 40 + z0,20 · 2 = 40 − 0,842 · 2 = 38,316 WS12/13 Entscheidungstheorie, Wahrscheinlichkeit und Risiko – Teil B Stephan Schosser 20 Spezielle Wahrscheinlichkeitsverteilungen (stetig) 26 Agenda • Formalisierung des Zufalls • Bewertung von Ereignissen • Urnenexperimente • Bewertung von Urnenexperimenten • Zufallsvariablen • Verteilungsparameter • Mehrdimensionale Zufallsvariablen • Verteilungsparameter II • Spezielle Wahrscheinlichkeitsverteilungen (diskret) • Spezielle Wahrscheinlichkeitsverteilungen (stetig) • Gleichverteilung • Normalverteilung • Exponentialverteilung WS12/13 Entscheidungstheorie, Wahrscheinlichkeit und Risiko – Teil B Stephan Schosser 21 Spezielle Wahrscheinlichkeitsverteilungen (stetig) 26 Exponentialverteilung • Bei einem Poisson-Prozess im Intervall ]0, t] ist die absolute Häufigkeit des Ereignisses A poissonverteilt mit Parameter λt. ( λt ) x − λt • Es gilt: P( X = x) = e x! für x = 0,1,... • Poisson-Prozess wird so lange beobachtet, bis A zum 1. Mal eintritt. Gesucht: • Dichtefunktion fT(t) • Verteilungsfunktion FT(t) der Wartezeit T bis zum ersten Eintreten von A • Für t < 0: FT(t) = 0 • Für t ≥ 0: FT(t) = P(T ≤ t) = 1 − P(T > t) = 1 − P(X = 0) = 1 − e−λt ⎧1 − e − λt • FT (t ) = ⎨ 0 ⎩ WS12/13 für t ≥ 0 sonst Entscheidungstheorie, Wahrscheinlichkeit und Risiko – Teil B Stephan Schosser 22 Spezielle Wahrscheinlichkeitsverteilungen (stetig) 26 Exponentialverteilung • Definition: (Exponentialverteilung) Die Zufallsvariable X heißt exponentialverteilt mit Parameter λ, wenn ihre Dichtefunktion gegeben ist durch: ⎧ λe − λx f X ( x) = ⎨ ⎩ 0 für x ≥ 0 sonst • Satz Die Exponentialverteilung hat den Erwartungswert E(X) = Varianz Var(X) = WS12/13 1 λ2 Entscheidungstheorie, Wahrscheinlichkeit und Risiko – Teil B 1 und die λ Stephan Schosser 23 Spezielle Wahrscheinlichkeitsverteilungen (stetig) 26 Quantil • Für das p-Quantil der Exponentialverteilung gilt 1− e − λx p = p ⇔ e − λx p = 1− p ⇔ − λx p = ln(1 − p) 1 ⇔ x p = − ln(1 − p) λ WS12/13 Entscheidungstheorie, Wahrscheinlichkeit und Risiko – Teil B Stephan Schosser 24 Spezielle Wahrscheinlichkeitsverteilungen (stetig) 26 Beispiel I • Tankstelle • 30 Minuten Beobachtung • Ankunft der Kunden • Häufigkeiten Zeit WS12/13 Absolute Häufigkeit 0s bis unter 45s 19 45s bis unter 90s 8 90s bis unter 135s 2 135s bis unter 180s 2 180s bis unter 225s 1 Entscheidungstheorie, Wahrscheinlichkeit und Risiko – Teil B Stephan Schosser 25 Spezielle Wahrscheinlichkeitsverteilungen (stetig) 26 Beispiel II • Histogramm der Wartezeit mit der Dichtefunktion der Exponential-verteilung mit Parameter λ = 0,019: 0,015 0,010 0,005 Zeit 0,000 0 WS12/13 50 100 150 Entscheidungstheorie, Wahrscheinlichkeit und Risiko – Teil B 200 250 Stephan Schosser 26 Spezielle Wahrscheinlichkeitsverteilungen (stetig) 26 Stetige Verteilungen - Übersicht • Gleichverteilung # 1 % f (x) = $ b − a % 0 & a≤x≤b sonst a+b E(x) = 2 1 Var(x) = (b − a)2 12 E(x) = µ Var(x) = σ 2 • Normalverteilung f X ( x) = 1 e σ 2π − ( x− µ )2 2σ 2 • Exponentialverteilung ⎧ λe − λx f X ( x) = ⎨ ⎩ 0 WS12/13 für x ≥ 0 sonst E(X) = 1 λ Entscheidungstheorie, Wahrscheinlichkeit und Risiko – Teil B Var(X) = 1 λ2