Zufallsgröße - Versionsgeschichte

Gundula am 14. Mai 2024 um 23:10 Uhr

2024-05-14T23:10:28Z

← Nächstältere Version		Version vom 15. Mai 2024, 01:10 Uhr
Zeile 30:		Zeile 30:
	==Diskrete Verteilungen==		==Diskrete Verteilungen==

	*'''Gleichverteilung (Uniformverteilung):''' alle möglichen Ergebnisse eines Experiments sind gleich wahrscheinlich. Die Wahrscheinlichkeitsfunktion ist konstant über einem Intervall. Sie wird beschrieben durch die Formel <math>P(X = x) = \frac{1}{b - a} \quad </math> für <math>a \leq x \leq b</math> mit ''a'' und ''b'' als Intervallgrenzen		*'''Gleichverteilung (Uniformverteilung):''' alle möglichen Ergebnisse eines Experiments sind gleich wahrscheinlich. Die Wahrscheinlichkeitsfunktion ist konstant über einem Intervall. Sie wird beschrieben durch die Formel <math>P(X = x) = \frac{1}{b - a} \quad </math> für <math>a \leq x \leq b</math> mit ''a'' und ''b'' als Intervallgrenzen.

	*'''Bernoulli-Verteilung:''' ein einmaliges binäres Experiment, bei dem es nur zwei mögliche Ergebnisse gibt (Erfolg oder Misserfolg). Sie wird oft verwendet, um den Erfolg oder Misserfolg einer einzelnen Bernoulli-~~Trial~~ zu modellieren. Ihre Formel ist <math>P(X = k) = p^k (1 - p)^{1-k}</math> für <math>k = 0, 1</math> und mit ''p'' als die Wahrscheinlichkeit für einen Erfolg in der Bernoulli- oder Binomialverteilung		*'''Bernoulli-Verteilung:''' ein einmaliges binäres Experiment, bei dem es nur zwei mögliche Ergebnisse gibt (Erfolg oder Misserfolg). Sie wird oft verwendet, um den Erfolg oder Misserfolg einer einzelnen Bernoulli-Versuch zu modellieren. Ihre Formel ist <math>P(X = k) = p^k (1 - p)^{1-k}</math> für <math>k = 0, 1</math> und mit ''p'' als die Wahrscheinlichkeit für einen Erfolg in der Bernoulli- oder Binomialverteilung.

	*'''Binomialverteilung:''' beschreibt die Anzahl der Erfolge in einer festen Anzahl von unabhängigen Bernoulli-~~Trials~~. Sie wird verwendet, wenn jedes Experiment nur zwei mögliche Ergebnisse hat und die Wahrscheinlichkeit für Erfolg und Misserfolg konstant ist. Ihre Formel ist <math>P(X = k) = \binom{n}{k} p^k (1 - p)^{n-k} \quad</math> für <math>k = 0, 1, 2, ..., n</math>, wobei ''k'' die Anzahl der Erfolge in der Binomialverteilung ist		*'''Binomialverteilung:''' beschreibt die Anzahl der Erfolge in einer festen Anzahl von unabhängigen Bernoulli-Versuchen (siehe auch [[Bernoulli-Prozess]]). Sie wird verwendet, wenn jedes Experiment nur zwei mögliche Ergebnisse hat und die Wahrscheinlichkeit für Erfolg und Misserfolg konstant ist. Ihre Formel ist <math>P(X = k) = \binom{n}{k} p^k (1 - p)^{n-k} \quad</math> für <math>k = 0, 1, 2, ..., n</math>, wobei ''k'' die Anzahl der Erfolge in der Binomialverteilung ist.

	*'''Poisson-Verteilung:''' modelliert die Anzahl der Ereignisse in einem festen Intervall, wenn die Ereignisse mit einer konstanten Rate und unabhängig voneinander auftreten. Sie wird häufig für die Modellierung seltener Ereignisse verwendet. Ihre Formel ist <math>P(X = k) = \frac{e^{-\lambda} \lambda^k}{k!} \quad</math> für <math>k = 0, 1, 2, ...</math>, wobei ''k'' die Anzahl der Ereignisse in der Poisson-Verteilung <math>\lambda</math> und die Rate der Ereignisse in der Poisson-Verteilung ist		*'''Poisson-Verteilung:''' modelliert die Anzahl der Ereignisse in einem festen Intervall, wenn die Ereignisse mit einer konstanten Rate und unabhängig voneinander auftreten. Sie wird häufig für die Modellierung seltener Ereignisse verwendet. Ihre Formel ist <math>P(X = k) = \frac{e^{-\lambda} \lambda^k}{k!} \quad</math> für <math>k = 0, 1, 2, ...</math>, wobei ''k'' die Anzahl der Ereignisse in der Poisson-Verteilung <math>\lambda</math> und die Rate der Ereignisse in der Poisson-Verteilung ist.

	==Kontinuierliche Verteilungen==		==Kontinuierliche Verteilungen==
Zeile 42:		Zeile 42:
	*'''Normalverteilung (Gauß-Verteilung):''' gekennzeichnet durch ihre Glockenkurve und wird häufig verwendet, um natürliche Phänomene zu modellieren, bei denen die Daten um einen Mittelwert herum symmetrisch verteilt sind. Ihre Formel ist <math>f(x) = \frac{1}{\sigma \sqrt{2\pi}} e^{-\frac{(x - \mu)^2}{2\sigma^2}}</math> mit <math>\mu</math> als Mittelwert und <math>\sigma</math> als die Standardabweichung der Normalverteilung.		*'''Normalverteilung (Gauß-Verteilung):''' gekennzeichnet durch ihre Glockenkurve und wird häufig verwendet, um natürliche Phänomene zu modellieren, bei denen die Daten um einen Mittelwert herum symmetrisch verteilt sind. Ihre Formel ist <math>f(x) = \frac{1}{\sigma \sqrt{2\pi}} e^{-\frac{(x - \mu)^2}{2\sigma^2}}</math> mit <math>\mu</math> als Mittelwert und <math>\sigma</math> als die Standardabweichung der Normalverteilung.

	*'''Exponentialverteilung:''' beschreibt die Zeit zwischen unabhängigen Ereignissen in einem Poisson-Prozess. Sie wird oft verwendet, um die Dauer von Wartezeiten zu modellieren. Ihre Formel ist <math>f(x) = \lambda e^{-\lambda x} \quad</math> für <math>x \geq 0</math> und mit <math>\lambda</math> als Rate der Exponentialverteilung		*'''Exponentialverteilung:''' beschreibt die Zeit zwischen unabhängigen Ereignissen in einem Poisson-Prozess. Sie wird oft verwendet, um die Dauer von Wartezeiten zu modellieren. Ihre Formel ist <math>f(x) = \lambda e^{-\lambda x} \quad</math> für <math>x \geq 0</math> und mit <math>\lambda</math> als Rate der Exponentialverteilung.

	*'''Chi-Quadrat-Verteilung:''' tritt häufig in der Inferenzstatistik auf, insbesondere bei der Bestimmung von Konfidenzintervallen und der Berechnung von Teststatistiken für Chi-Quadrat-Tests. Ihre Formel ist <math>f(x) = \frac{1}{2^{\frac{k}{2}} \Gamma\left(\frac{k}{2}\right)} x^{\frac{k}{2} - 1} e^{-\frac{x}{2}} \quad</math> für <math>x > 0</math> und mit ''k'' als Anzahl der Freiheitsgrade		*'''Chi-Quadrat-Verteilung:''' tritt häufig in der Inferenzstatistik auf, insbesondere bei der Bestimmung von Konfidenzintervallen und der Berechnung von Teststatistiken für Chi-Quadrat-Tests. Ihre Formel ist <math>f(x) = \frac{1}{2^{\frac{k}{2}} \Gamma\left(\frac{k}{2}\right)} x^{\frac{k}{2} - 1} e^{-\frac{x}{2}} \quad</math> für <math>x > 0</math> und mit ''k'' als Anzahl der Freiheitsgrade.

	*'''Student's t-Verteilung:''' wird in der Inferenzstatistik verwendet, insbesondere wenn die Stichprobengröße klein ist und die Standardabweichung der Population unbekannt ist. Zu dieser Verteilung gibt es innerhalb des E-Learnings eine [[Die t-Verteilung\|eigene Seite]].		*'''Student's t-Verteilung:''' wird in der Inferenzstatistik verwendet, insbesondere wenn die Stichprobengröße klein ist und die Standardabweichung der Population unbekannt ist. Zu dieser Verteilung gibt es innerhalb des E-Learnings eine [[Die t-Verteilung\|eigene Seite]].

	*'''F-Verteilung:''' F-Verteilung wird verwendet, um die Variabilität von Stichprobenvarianzen zu modellieren und um Hypothesentests in Bezug auf die Varianzen durchzuführen. Auch hierzu gibt es eine [[Die F-Verteilung\|eigene Seite]].		*'''F-Verteilung:''' F-Verteilung wird verwendet, um die Variabilität von Stichprobenvarianzen zu modellieren und um Hypothesentests in Bezug auf die Varianzen durchzuführen. Auch hierzu gibt es eine [[Die F-Verteilung\|eigene Seite]].

Gundula am 14. Mai 2024 um 22:47 Uhr

2024-05-14T22:47:44Z

← Nächstältere Version		Version vom 15. Mai 2024, 00:47 Uhr
Zeile 46:		Zeile 46:
	*'''Chi-Quadrat-Verteilung:''' tritt häufig in der Inferenzstatistik auf, insbesondere bei der Bestimmung von Konfidenzintervallen und der Berechnung von Teststatistiken für Chi-Quadrat-Tests. Ihre Formel ist <math>f(x) = \frac{1}{2^{\frac{k}{2}} \Gamma\left(\frac{k}{2}\right)} x^{\frac{k}{2} - 1} e^{-\frac{x}{2}} \quad</math> für <math>x > 0</math> und mit ''k'' als Anzahl der Freiheitsgrade		*'''Chi-Quadrat-Verteilung:''' tritt häufig in der Inferenzstatistik auf, insbesondere bei der Bestimmung von Konfidenzintervallen und der Berechnung von Teststatistiken für Chi-Quadrat-Tests. Ihre Formel ist <math>f(x) = \frac{1}{2^{\frac{k}{2}} \Gamma\left(\frac{k}{2}\right)} x^{\frac{k}{2} - 1} e^{-\frac{x}{2}} \quad</math> für <math>x > 0</math> und mit ''k'' als Anzahl der Freiheitsgrade

	*'''Student's t-Verteilung:''' wird in der Inferenzstatistik verwendet, insbesondere wenn die Stichprobengröße klein ist und die Standardabweichung der Population unbekannt ist. ~~Ihre Formel ist <math>f(x) = \frac{\Gamma\left(\frac{n+1}{2}\right)}{\sqrt{n\pi} \cdot \Gamma\left(\frac{n}{2}\right)} \left(1 + \frac{x^2}{n}\right)^{~~-~~\frac{n+1}{2}}</math>~~		*'''Student's t-Verteilung:''' wird in der Inferenzstatistik verwendet, insbesondere wenn die Stichprobengröße klein ist und die Standardabweichung der Population unbekannt ist. Zu dieser Verteilung gibt es innerhalb des E-Learnings eine [[Die t-Verteilung\|eigene Seite]].
	**<math>\Gamma</math> steht hier für die [~~https://de.wikipedia.org/wiki/Gammafunktion Eulersche Gamma~~-~~Funktion~~] ~~(Wikipedia, Stand Mai 2024)~~
			*'''F-Verteilung:''' F-Verteilung wird verwendet, um die Variabilität von Stichprobenvarianzen zu modellieren und um Hypothesentests in Bezug auf die Varianzen durchzuführen. Auch hierzu gibt es eine [[Die F-Verteilung\|eigene Seite]].

Gundula am 14. Mai 2024 um 22:40 Uhr

2024-05-14T22:40:19Z

Gundula am 14. Mai 2024 um 22:22 Uhr

2024-05-14T22:22:50Z

← Nächstältere Version		Version vom 15. Mai 2024, 00:22 Uhr
Zeile 30:		Zeile 30:
	==Diskrete Verteilungen==		==Diskrete Verteilungen==

	*'''Gleichverteilung (Uniformverteilung):''' alle möglichen Ergebnisse eines Experiments sind gleich wahrscheinlich. Die Wahrscheinlichkeitsfunktion ist konstant über einem Intervall. Sie wird beschrieben durch die Formel <math>P(X = x) = \frac{1}{b - a} \quad ~~\text{~~für } a \leq x \leq b</math>		*'''Gleichverteilung (Uniformverteilung):''' alle möglichen Ergebnisse eines Experiments sind gleich wahrscheinlich. Die Wahrscheinlichkeitsfunktion ist konstant über einem Intervall. Sie wird beschrieben durch die Formel <math>P(X = x) = \frac{1}{b - a} \quad </math> für <math>a \leq x \leq b</math>, wobei ''a'' und ''b'' die Intervallgrenzen sind.

	*'''Bernoulli-Verteilung:''' ein einmaliges binäres Experiment, bei dem es nur zwei mögliche Ergebnisse gibt (Erfolg oder Misserfolg). Sie wird oft verwendet, um den Erfolg oder Misserfolg einer einzelnen Bernoulli-Trial zu modellieren.		*'''Bernoulli-Verteilung:''' ein einmaliges binäres Experiment, bei dem es nur zwei mögliche Ergebnisse gibt (Erfolg oder Misserfolg). Sie wird oft verwendet, um den Erfolg oder Misserfolg einer einzelnen Bernoulli-Trial zu modellieren. Ihre Formel ist <math>P(X = k) = p^k (1 - p)^{1-k}</math> für <math>k = 0, 1</math>

	*'''Binomialverteilung:''' beschreibt die Anzahl der Erfolge in einer festen Anzahl von unabhängigen Bernoulli-Trials. Sie wird verwendet, wenn jedes Experiment nur zwei mögliche Ergebnisse hat und die Wahrscheinlichkeit für Erfolg und Misserfolg konstant ist.		*'''Binomialverteilung:''' beschreibt die Anzahl der Erfolge in einer festen Anzahl von unabhängigen Bernoulli-Trials. Sie wird verwendet, wenn jedes Experiment nur zwei mögliche Ergebnisse hat und die Wahrscheinlichkeit für Erfolg und Misserfolg konstant ist. Ihre Formel ist <math>P(X = k) = \binom{n}{k} p^k (1 - p)^{n-k} \quad</math> für <math>k = 0, 1, 2, ..., n</math>

	*'''Poisson-Verteilung:''' modelliert die Anzahl der Ereignisse in einem festen Intervall, wenn die Ereignisse mit einer konstanten Rate und unabhängig voneinander auftreten. Sie wird häufig für die Modellierung seltener Ereignisse verwendet.		*'''Poisson-Verteilung:''' modelliert die Anzahl der Ereignisse in einem festen Intervall, wenn die Ereignisse mit einer konstanten Rate und unabhängig voneinander auftreten. Sie wird häufig für die Modellierung seltener Ereignisse verwendet. Ihre Formel ist <math>P(X = k) = \frac{e^{-\lambda} \lambda^k}{k!} \quad</math> für <math>k = 0, 1, 2, ...</math>

	==Kontinuierliche Verteilungen==		==Kontinuierliche Verteilungen==

	*'''Normalverteilung (Gauß-Verteilung):''' gekennzeichnet durch ihre Glockenkurve und wird häufig verwendet, um natürliche Phänomene zu modellieren, bei denen die Daten um einen Mittelwert herum symmetrisch verteilt sind.		*'''Normalverteilung (Gauß-Verteilung):''' gekennzeichnet durch ihre Glockenkurve und wird häufig verwendet, um natürliche Phänomene zu modellieren, bei denen die Daten um einen Mittelwert herum symmetrisch verteilt sind. Ihre Formel ist <math>f(x) = \frac{1}{\sigma \sqrt{2\pi}} e^{-\frac{(x - \mu)^2}{2\sigma^2}}</math>

	*'''Exponentialverteilung:''' beschreibt die Zeit zwischen unabhängigen Ereignissen in einem Poisson-Prozess. Sie wird oft verwendet, um die Dauer von Wartezeiten zu modellieren.		*'''Exponentialverteilung:''' beschreibt die Zeit zwischen unabhängigen Ereignissen in einem Poisson-Prozess. Sie wird oft verwendet, um die Dauer von Wartezeiten zu modellieren. Ihre Formel ist <math>f(x) = \lambda e^{-\lambda x} \quad</math> für <math>x \geq 0</math>

	*'''Chi-Quadrat-Verteilung:''' tritt häufig in der Inferenzstatistik auf, insbesondere bei der Bestimmung von Konfidenzintervallen und der Berechnung von Teststatistiken für Chi-Quadrat-Tests.		*'''Chi-Quadrat-Verteilung:''' tritt häufig in der Inferenzstatistik auf, insbesondere bei der Bestimmung von Konfidenzintervallen und der Berechnung von Teststatistiken für Chi-Quadrat-Tests. Ihre Formel ist <math>f(x) = \frac{1}{2^{\frac{k}{2}} \Gamma\left(\frac{k}{2}\right)} x^{\frac{k}{2} - 1} e^{-\frac{x}{2}} \quad</math> für <math>x > 0</math>

	*'''Student's t-Verteilung:''' wird in der Inferenzstatistik verwendet, insbesondere wenn die Stichprobengröße klein ist und die Standardabweichung der Population unbekannt ist.		*'''Student's t-Verteilung:''' wird in der Inferenzstatistik verwendet, insbesondere wenn die Stichprobengröße klein ist und die Standardabweichung der Population unbekannt ist. Ihre Formel ist <math>f(x) = \frac{\Gamma\left(\frac{n+1}{2}\right)}{\sqrt{n\pi} \cdot \Gamma\left(\frac{n}{2}\right)} \left(1 + \frac{x^2}{n}\right)^{-\frac{n+1}{2}}</math>

Gundula am 14. Mai 2024 um 22:13 Uhr

2024-05-14T22:13:38Z

← Nächstältere Version		Version vom 15. Mai 2024, 00:13 Uhr
Zeile 30:		Zeile 30:
	==Diskrete Verteilungen==		==Diskrete Verteilungen==

	*'''Gleichverteilung (Uniformverteilung):''' alle möglichen Ergebnisse eines Experiments sind gleich wahrscheinlich. Die Wahrscheinlichkeitsfunktion ist konstant über einem Intervall. Sie wird beschrieben durch die Formel <math>P(X=x)=~~b−a1~~</math>		*'''Gleichverteilung (Uniformverteilung):''' alle möglichen Ergebnisse eines Experiments sind gleich wahrscheinlich. Die Wahrscheinlichkeitsfunktion ist konstant über einem Intervall. Sie wird beschrieben durch die Formel <math>P(X = x) = \frac{1}{b - a} \quad \text{für } a \leq x \leq b</math>

	*'''Bernoulli-Verteilung:''' ein einmaliges binäres Experiment, bei dem es nur zwei mögliche Ergebnisse gibt (Erfolg oder Misserfolg). Sie wird oft verwendet, um den Erfolg oder Misserfolg einer einzelnen Bernoulli-Trial zu modellieren.		*'''Bernoulli-Verteilung:''' ein einmaliges binäres Experiment, bei dem es nur zwei mögliche Ergebnisse gibt (Erfolg oder Misserfolg). Sie wird oft verwendet, um den Erfolg oder Misserfolg einer einzelnen Bernoulli-Trial zu modellieren.

Gundula am 14. Mai 2024 um 22:12 Uhr

2024-05-14T22:12:08Z

← Nächstältere Version		Version vom 15. Mai 2024, 00:12 Uhr
Zeile 11:		Zeile 11:
	** <math>\sigma(X) = \sqrt{Var(X)}</math>		** <math>\sigma(X) = \sqrt{Var(X)}</math>

	Für Summen von Zufallsgrößen gilt unter der Annahme, dass die Größen unabhängig sind:		*Für Summen von Zufallsgrößen gilt unter der Annahme, dass die Größen unabhängig sind:
	<math>E(X + Y) = E(X) \cdot E(Y) \cdot E(X + Y) = E(X) + E(Y)</math>		**<math>E(X + Y) = E(X) \cdot E(Y) \cdot E(X + Y) = E(X) + E(Y)</math>
	<math>Var(X + Y) = Var(X) \cdot Var(Y) \cdot Var(X + Y) = Var(X) + Var(Y)</math>		**<math>Var(X + Y) = Var(X) \cdot Var(Y) \cdot Var(X + Y) = Var(X) + Var(Y)</math>

	Für konstante Faktoren in den Summen gilt:		*Für konstante Faktoren in den Summen gilt:
	<math>E(aX) = a \cdot E(X)</math>		**<math>E(aX) = a \cdot E(X)</math>
	<math>Var(aX) = a^{2} \cdot Var(X)</math>		**<math>Var(aX) = a^{2} \cdot Var(X)</math>

	=~~Verteilungen~~=		=Diskret & Kontinuierlich=

	Zufallsgrößen können diskret oder kontinuierlich sein. Diskret bedeutet, dass die Größe eine abzählbare bzw. endliche Anzahl von Werten annehmen kann, z.B. kann das Ergebnis beim Werfen eines (idealen) Würfels nur sechs verschiedene Augenzahlen annehmen. Kontinuierliche Zufallsgrößen können hingegen innerhalb eines Intervalls unendlich viele Werte annehmen. <br>		Zufallsgrößen können diskret oder kontinuierlich sein. Diskret bedeutet, dass die Größe eine abzählbare bzw. endliche Anzahl von Werten annehmen kann, z.B. kann das Ergebnis beim Werfen eines (idealen) Würfels nur sechs verschiedene Augenzahlen annehmen. Kontinuierliche Zufallsgrößen können hingegen innerhalb eines Intervalls unendlich viele Werte annehmen. <br>
	Diskrete Zufallsgrößen werden durch eine Wahrscheinlichkeitsfunktion beschrieben, die die Wahrscheinlichkeit jedes Werts angibt. Kontinuierliche Zufallsgrößen werden mit einer Wahrscheinlichkeitsdichtefunktion beschrieben. Dabei werden allerdings nicht die Funktionswerte einzelner Werte ermittelt, sondern es wird das Integral eines bestimmten Intervalls in der Zufallsgröße gebildet. Dieses Intervall gibt die Wahrscheinlichkeit an, dass die Zufallsgröße Werte in diesem Intervall annimmt. Eine Übersicht zu diskreten und kontinuierlichen Zufallsgrößen haben unter anderem [https://www.geeksforgeeks.org/random-variable/ GeeksForGeeks] erstellt (Stand Mai 2024).		Diskrete Zufallsgrößen werden durch eine Wahrscheinlichkeitsfunktion beschrieben, die die Wahrscheinlichkeit jedes Werts angibt. Kontinuierliche Zufallsgrößen werden mit einer Wahrscheinlichkeitsdichtefunktion beschrieben. Dabei werden allerdings nicht die Funktionswerte einzelner Werte ermittelt, sondern es wird das Integral eines bestimmten Intervalls in der Zufallsgröße gebildet. Dieses Intervall gibt die Wahrscheinlichkeit an, dass die Zufallsgröße Werte in diesem Intervall annimmt. Eine Übersicht zu diskreten und kontinuierlichen Zufallsgrößen haben unter anderem [https://www.geeksforgeeks.org/random-variable/ GeeksForGeeks] erstellt (Stand Mai 2024).

			=Verteilungen=

			Die Verteilung einer Zufallsgröße beschreibt, wie die möglichen Werte dieser Größe über verschiedene Ereignisse oder Experimente verteilt sind. Einige der wichtigsten Verteilungen werden im Folgenden beschrieben.

			==Diskrete Verteilungen==

			*'''Gleichverteilung (Uniformverteilung):''' alle möglichen Ergebnisse eines Experiments sind gleich wahrscheinlich. Die Wahrscheinlichkeitsfunktion ist konstant über einem Intervall. Sie wird beschrieben durch die Formel <math>P(X=x)=b−a1</math>

			*'''Bernoulli-Verteilung:''' ein einmaliges binäres Experiment, bei dem es nur zwei mögliche Ergebnisse gibt (Erfolg oder Misserfolg). Sie wird oft verwendet, um den Erfolg oder Misserfolg einer einzelnen Bernoulli-Trial zu modellieren.

			*'''Binomialverteilung:''' beschreibt die Anzahl der Erfolge in einer festen Anzahl von unabhängigen Bernoulli-Trials. Sie wird verwendet, wenn jedes Experiment nur zwei mögliche Ergebnisse hat und die Wahrscheinlichkeit für Erfolg und Misserfolg konstant ist.

			*'''Poisson-Verteilung:''' modelliert die Anzahl der Ereignisse in einem festen Intervall, wenn die Ereignisse mit einer konstanten Rate und unabhängig voneinander auftreten. Sie wird häufig für die Modellierung seltener Ereignisse verwendet.

			==Kontinuierliche Verteilungen==

			*'''Normalverteilung (Gauß-Verteilung):''' gekennzeichnet durch ihre Glockenkurve und wird häufig verwendet, um natürliche Phänomene zu modellieren, bei denen die Daten um einen Mittelwert herum symmetrisch verteilt sind.

			*'''Exponentialverteilung:''' beschreibt die Zeit zwischen unabhängigen Ereignissen in einem Poisson-Prozess. Sie wird oft verwendet, um die Dauer von Wartezeiten zu modellieren.

			*'''Chi-Quadrat-Verteilung:''' tritt häufig in der Inferenzstatistik auf, insbesondere bei der Bestimmung von Konfidenzintervallen und der Berechnung von Teststatistiken für Chi-Quadrat-Tests.

			*'''Student's t-Verteilung:''' wird in der Inferenzstatistik verwendet, insbesondere wenn die Stichprobengröße klein ist und die Standardabweichung der Population unbekannt ist.

Gundula am 14. Mai 2024 um 22:01 Uhr

2024-05-14T22:01:00Z

← Nächstältere Version		Version vom 15. Mai 2024, 00:01 Uhr
Zeile 11:		Zeile 11:
	** <math>\sigma(X) = \sqrt{Var(X)}</math>		** <math>\sigma(X) = \sqrt{Var(X)}</math>

	=~~Rechenregeln~~=		Für Summen von Zufallsgrößen gilt unter der Annahme, dass die Größen unabhängig sind:
			<math>E(X + Y) = E(X) \cdot E(Y) \cdot E(X + Y) = E(X) + E(Y)</math>
			<math>Var(X + Y) = Var(X) \cdot Var(Y) \cdot Var(X + Y) = Var(X) + Var(Y)</math>

			Für konstante Faktoren in den Summen gilt:
			<math>E(aX) = a \cdot E(X)</math>
			<math>Var(aX) = a^{2} \cdot Var(X)</math>

	=Verteilungen=		=Verteilungen=

			Zufallsgrößen können diskret oder kontinuierlich sein. Diskret bedeutet, dass die Größe eine abzählbare bzw. endliche Anzahl von Werten annehmen kann, z.B. kann das Ergebnis beim Werfen eines (idealen) Würfels nur sechs verschiedene Augenzahlen annehmen. Kontinuierliche Zufallsgrößen können hingegen innerhalb eines Intervalls unendlich viele Werte annehmen. <br>
			Diskrete Zufallsgrößen werden durch eine Wahrscheinlichkeitsfunktion beschrieben, die die Wahrscheinlichkeit jedes Werts angibt. Kontinuierliche Zufallsgrößen werden mit einer Wahrscheinlichkeitsdichtefunktion beschrieben. Dabei werden allerdings nicht die Funktionswerte einzelner Werte ermittelt, sondern es wird das Integral eines bestimmten Intervalls in der Zufallsgröße gebildet. Dieses Intervall gibt die Wahrscheinlichkeit an, dass die Zufallsgröße Werte in diesem Intervall annimmt. Eine Übersicht zu diskreten und kontinuierlichen Zufallsgrößen haben unter anderem [https://www.geeksforgeeks.org/random-variable/ GeeksForGeeks] erstellt (Stand Mai 2024).

Gundula am 14. Mai 2024 um 21:29 Uhr

2024-05-14T21:29:32Z

← Nächstältere Version		Version vom 14. Mai 2024, 23:29 Uhr
Zeile 9:		Zeile 9:

	*'''Standardabweichung:''' Ein Streuungsmaß, das die durchschnittliche Abweichung der Werte einer Zufallsgröße von ihrem Erwartungswert angibt, also die Wurzel der Varianz		*'''Standardabweichung:''' Ein Streuungsmaß, das die durchschnittliche Abweichung der Werte einer Zufallsgröße von ihrem Erwartungswert angibt, also die Wurzel der Varianz
	** <math>\sigma(X) = \sqrt(Var(X))</math>		** <math>\sigma(X) = \sqrt{Var(X)}</math>

	=Rechenregeln=		=Rechenregeln=

	=Verteilungen=		=Verteilungen=

Gundula am 14. Mai 2024 um 21:28 Uhr

2024-05-14T21:28:58Z

← Nächstältere Version		Version vom 14. Mai 2024, 23:28 Uhr
Zeile 5:		Zeile 5:
	*<math>\sum_{i=1}^{n} x_{i} P(X=x_{1})</math>		*<math>\sum_{i=1}^{n} x_{i} P(X=x_{1})</math>

	*'''Varianz:''' Streuung von Werten um einen Mittel- oder Erwartungswert, bzw. die durchschnittliche quadratische Abweichung von Werten einer Zufallsgröße von ihrem Erwartungswert.		*'''Varianz:''' Streuung von Werten um einen Mittel- oder Erwartungswert, bzw. die durchschnittliche quadratische Abweichung von Werten einer Zufallsgröße von ihrem Erwartungswert.
	**<math>Var(X) = E \cdot ((~~X−E~~(X))^{2})</math>		**<math> Var(X) = E \cdot ((X-E(X)^{2})</math>

	*'''Standardabweichung:''' Ein Streuungsmaß, das die durchschnittliche Abweichung der Werte einer Zufallsgröße von ihrem Erwartungswert angibt, also die Wurzel der Varianz		*'''Standardabweichung:''' Ein Streuungsmaß, das die durchschnittliche Abweichung der Werte einer Zufallsgröße von ihrem Erwartungswert angibt, also die Wurzel der Varianz

Gundula am 14. Mai 2024 um 21:28 Uhr

2024-05-14T21:28:02Z

← Nächstältere Version		Version vom 14. Mai 2024, 23:28 Uhr
Zeile 6:		Zeile 6:

	*'''Varianz:''' Streuung von Werten um einen Mittel- oder Erwartungswert, bzw. die durchschnittliche quadratische Abweichung von Werten einer Zufallsgröße von ihrem Erwartungswert.		*'''Varianz:''' Streuung von Werten um einen Mittel- oder Erwartungswert, bzw. die durchschnittliche quadratische Abweichung von Werten einer Zufallsgröße von ihrem Erwartungswert.
	**<math>Var(X) = E&cdot;((X−E(X))^{2})</math>		**<math>Var(X) = E \cdot ((X−E(X))^{2})</math>

	*'''Standardabweichung:''' Ein Streuungsmaß, das die durchschnittliche Abweichung der Werte einer Zufallsgröße von ihrem Erwartungswert angibt, also die Wurzel der Varianz		*'''Standardabweichung:''' Ein Streuungsmaß, das die durchschnittliche Abweichung der Werte einer Zufallsgröße von ihrem Erwartungswert angibt, also die Wurzel der Varianz

← Nächstältere Version		Version vom 15. Mai 2024, 00:40 Uhr
Zeile 26:		Zeile 26:
	=Verteilungen=		=Verteilungen=

	Die Verteilung einer Zufallsgröße beschreibt, wie die möglichen Werte dieser Größe über verschiedene Ereignisse oder Experimente verteilt sind. Einige der wichtigsten Verteilungen werden im Folgenden beschrieben.		Die Verteilung einer Zufallsgröße beschreibt, wie die möglichen Werte dieser Größe über verschiedene Ereignisse oder Experimente verteilt sind. Einige der wichtigsten Verteilungen werden im Folgenden beschrieben. In den Formeln steht ''X'' jeweils für eine Zufallsgröße, die die Ereignisse oder Ergebnisse eines Experiments repräsentiert, ''x'' für einen spezifischen Wert oder eine Ausprägung der Zufallsgröße ''X'' und ''P''(''X'' = ''x'') als die Wahrscheinlichkeit, dass die Zufallsgröße ''X'' den Wert ''x'' annimmt.

	==Diskrete Verteilungen==		==Diskrete Verteilungen==

	*'''Gleichverteilung (Uniformverteilung):''' alle möglichen Ergebnisse eines Experiments sind gleich wahrscheinlich. Die Wahrscheinlichkeitsfunktion ist konstant über einem Intervall. Sie wird beschrieben durch die Formel <math>P(X = x) = \frac{1}{b - a} \quad </math> für <math>a \leq x \leq b</math>~~, wobei~~ ''a'' und ''b'' ~~die~~ Intervallgrenzen ~~sind.~~		*'''Gleichverteilung (Uniformverteilung):''' alle möglichen Ergebnisse eines Experiments sind gleich wahrscheinlich. Die Wahrscheinlichkeitsfunktion ist konstant über einem Intervall. Sie wird beschrieben durch die Formel <math>P(X = x) = \frac{1}{b - a} \quad </math> für <math>a \leq x \leq b</math> mit ''a'' und ''b'' als Intervallgrenzen

	*'''Bernoulli-Verteilung:''' ein einmaliges binäres Experiment, bei dem es nur zwei mögliche Ergebnisse gibt (Erfolg oder Misserfolg). Sie wird oft verwendet, um den Erfolg oder Misserfolg einer einzelnen Bernoulli-Trial zu modellieren. Ihre Formel ist <math>P(X = k) = p^k (1 - p)^{1-k}</math> für <math>k = 0, 1</math>		*'''Bernoulli-Verteilung:''' ein einmaliges binäres Experiment, bei dem es nur zwei mögliche Ergebnisse gibt (Erfolg oder Misserfolg). Sie wird oft verwendet, um den Erfolg oder Misserfolg einer einzelnen Bernoulli-Trial zu modellieren. Ihre Formel ist <math>P(X = k) = p^k (1 - p)^{1-k}</math> für <math>k = 0, 1</math> und mit ''p'' als die Wahrscheinlichkeit für einen Erfolg in der Bernoulli- oder Binomialverteilung

	*'''Binomialverteilung:''' beschreibt die Anzahl der Erfolge in einer festen Anzahl von unabhängigen Bernoulli-Trials. Sie wird verwendet, wenn jedes Experiment nur zwei mögliche Ergebnisse hat und die Wahrscheinlichkeit für Erfolg und Misserfolg konstant ist. Ihre Formel ist <math>P(X = k) = \binom{n}{k} p^k (1 - p)^{n-k} \quad</math> für <math>k = 0, 1, 2, ..., n</math>		*'''Binomialverteilung:''' beschreibt die Anzahl der Erfolge in einer festen Anzahl von unabhängigen Bernoulli-Trials. Sie wird verwendet, wenn jedes Experiment nur zwei mögliche Ergebnisse hat und die Wahrscheinlichkeit für Erfolg und Misserfolg konstant ist. Ihre Formel ist <math>P(X = k) = \binom{n}{k} p^k (1 - p)^{n-k} \quad</math> für <math>k = 0, 1, 2, ..., n</math>, wobei ''k'' die Anzahl der Erfolge in der Binomialverteilung ist

	*'''Poisson-Verteilung:''' modelliert die Anzahl der Ereignisse in einem festen Intervall, wenn die Ereignisse mit einer konstanten Rate und unabhängig voneinander auftreten. Sie wird häufig für die Modellierung seltener Ereignisse verwendet. Ihre Formel ist <math>P(X = k) = \frac{e^{-\lambda} \lambda^k}{k!} \quad</math> für <math>k = 0, 1, 2, ...</math>		*'''Poisson-Verteilung:''' modelliert die Anzahl der Ereignisse in einem festen Intervall, wenn die Ereignisse mit einer konstanten Rate und unabhängig voneinander auftreten. Sie wird häufig für die Modellierung seltener Ereignisse verwendet. Ihre Formel ist <math>P(X = k) = \frac{e^{-\lambda} \lambda^k}{k!} \quad</math> für <math>k = 0, 1, 2, ...</math>, wobei ''k'' die Anzahl der Ereignisse in der Poisson-Verteilung <math>\lambda</math> und die Rate der Ereignisse in der Poisson-Verteilung ist

	==Kontinuierliche Verteilungen==		==Kontinuierliche Verteilungen==

	*'''Normalverteilung (Gauß-Verteilung):''' gekennzeichnet durch ihre Glockenkurve und wird häufig verwendet, um natürliche Phänomene zu modellieren, bei denen die Daten um einen Mittelwert herum symmetrisch verteilt sind. Ihre Formel ist <math>f(x) = \frac{1}{\sigma \sqrt{2\pi}} e^{-\frac{(x - \mu)^2}{2\sigma^2}}</math>		*'''Normalverteilung (Gauß-Verteilung):''' gekennzeichnet durch ihre Glockenkurve und wird häufig verwendet, um natürliche Phänomene zu modellieren, bei denen die Daten um einen Mittelwert herum symmetrisch verteilt sind. Ihre Formel ist <math>f(x) = \frac{1}{\sigma \sqrt{2\pi}} e^{-\frac{(x - \mu)^2}{2\sigma^2}}</math> mit <math>\mu</math> als Mittelwert und <math>\sigma</math> als die Standardabweichung der Normalverteilung.

	*'''Exponentialverteilung:''' beschreibt die Zeit zwischen unabhängigen Ereignissen in einem Poisson-Prozess. Sie wird oft verwendet, um die Dauer von Wartezeiten zu modellieren. Ihre Formel ist <math>f(x) = \lambda e^{-\lambda x} \quad</math> für <math>x \geq 0</math>		*'''Exponentialverteilung:''' beschreibt die Zeit zwischen unabhängigen Ereignissen in einem Poisson-Prozess. Sie wird oft verwendet, um die Dauer von Wartezeiten zu modellieren. Ihre Formel ist <math>f(x) = \lambda e^{-\lambda x} \quad</math> für <math>x \geq 0</math> und mit <math>\lambda</math> als Rate der Exponentialverteilung

	*'''Chi-Quadrat-Verteilung:''' tritt häufig in der Inferenzstatistik auf, insbesondere bei der Bestimmung von Konfidenzintervallen und der Berechnung von Teststatistiken für Chi-Quadrat-Tests. Ihre Formel ist <math>f(x) = \frac{1}{2^{\frac{k}{2}} \Gamma\left(\frac{k}{2}\right)} x^{\frac{k}{2} - 1} e^{-\frac{x}{2}} \quad</math> für <math>x > 0</math>		*'''Chi-Quadrat-Verteilung:''' tritt häufig in der Inferenzstatistik auf, insbesondere bei der Bestimmung von Konfidenzintervallen und der Berechnung von Teststatistiken für Chi-Quadrat-Tests. Ihre Formel ist <math>f(x) = \frac{1}{2^{\frac{k}{2}} \Gamma\left(\frac{k}{2}\right)} x^{\frac{k}{2} - 1} e^{-\frac{x}{2}} \quad</math> für <math>x > 0</math> und mit ''k'' als Anzahl der Freiheitsgrade

	*'''Student's t-Verteilung:''' wird in der Inferenzstatistik verwendet, insbesondere wenn die Stichprobengröße klein ist und die Standardabweichung der Population unbekannt ist. Ihre Formel ist <math>f(x) = \frac{\Gamma\left(\frac{n+1}{2}\right)}{\sqrt{n\pi} \cdot \Gamma\left(\frac{n}{2}\right)} \left(1 + \frac{x^2}{n}\right)^{-\frac{n+1}{2}}</math>		*'''Student's t-Verteilung:''' wird in der Inferenzstatistik verwendet, insbesondere wenn die Stichprobengröße klein ist und die Standardabweichung der Population unbekannt ist. Ihre Formel ist <math>f(x) = \frac{\Gamma\left(\frac{n+1}{2}\right)}{\sqrt{n\pi} \cdot \Gamma\left(\frac{n}{2}\right)} \left(1 + \frac{x^2}{n}\right)^{-\frac{n+1}{2}}</math>
			**<math>\Gamma</math> steht hier für die [https://de.wikipedia.org/wiki/Gammafunktion Eulersche Gamma-Funktion] (Wikipedia, Stand Mai 2024)