1 / 65

STATISIK

STATISIK. LV Nr.: 0028 SS 2005 25. Mai 2005. Poissonverteilung. Verteilung seltener Ereignisse Große Zahl von Versuchen n, Wahrscheinlichkeit θ für Auftreten eines Ereignisses sehr klein Wahrscheinlichkeitsfunktion:. Poissonverteilung. Erwartungswert: E(X) = μ Varianz: Var(X) = μ

hedya
Download Presentation

STATISIK

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. STATISIK LV Nr.: 0028 SS 2005 25. Mai 2005

  2. Poissonverteilung • Verteilung seltener Ereignisse • Große Zahl von Versuchen n, Wahrscheinlichkeit θ für Auftreten eines Ereignisses sehr klein • Wahrscheinlichkeitsfunktion:

  3. Poissonverteilung • Erwartungswert: E(X) = μ • Varianz: Var(X) = μ • Approximation der Binomialverteilung durch die Poissonverteilung: • n groß und θ klein, Parameter μ = n·θ • Faustregel: n > 10 und θ < 0,05. • Approximation der Hypergeometrischen Vt. • M/N = θ klein, N im Vergleich zu n groß, Parameter μ = n · M/N • Faustregel: M/N < 0,05 und n/N < 0,05

  4. Poissonverteilung • Bsp. Wahrscheinlichkeit bei einer Prüfung von n=2000 Buchungen genau 3 (=x) Fehlbuchungen zu finden, Anteil der Fehlbuchungen: θ=0,001. • Poissonverteilung: μ = n·θ = 2

  5. Gleichverteilung • Diskrete Zufallsvariable: • Jede der k möglichen Ausprägungen hat gleiche Wahrscheinlichkeit P(X=xi) = 1/k (i=1,…,k) • Bsp. Wahrscheinlichkeitsverteilung der Augenzahl eines idealen Würfels: P(X=xi) = 1/6 (i=1,…,6)

  6. Gleichverteilung • Stetige Zufallsvariable: • Realisationen der stetigen Zufallsvariablen X liegen im Intervall [a;b] • Dichtefunktion: • P(x  X x+Δx) = 1/(b-a) ·Δx

  7. Gleichverteilung

  8. Gleichverteilung • Verteilungsfunktion (Integration der Dichte)

  9. Gleichverteilung

  10. Gleichverteilung • Erwartungswert: E(X) = (a+b)/2 • Varianz: Var(X) = (b-a)² / 12 • Bsp. Wegzeit ist gleichverteilt im Intervall [30;40]. Ges. Wahrscheinlichkeit zw. 32 und 35 Min. zu benötigen. P(32  X 35) = 1/(b-a) ·Δx = 1/(40-30) · (35-32) = 0,3 Durchschnittlich benötigte Zeit: E(X) = 35

  11. Normalverteilung • Wichtigste theoretische Verteilung: • Normalverteilung: • stetige Verteilung • symmetrische Dichtefunktion • S-förmige Verteilungsfunktion • Erwartungswert: E(X) = µ • Varianz: Var(X) = σ² • Maximum der Dichte bei x=µ • Wendepunkte bei x=µσ

  12. Normalverteilungen • Normalverteilung: • Dichtefunktion (für -∞<x<+∞ und σ>0) : • Verteilungsfunktion:

  13. Normalverteilung • Normalverteilungen mit unterschiedlichen Parametern

  14. Normalverteilung • Verteilungsfunktion

  15. Normalverteilung • Standardnormalverteilung: • Erwartungswert µ = 0 • Varianz σ² = 1 • Dichtefunktion:

  16. Normalverteilung • Standardnormalverteilung

  17. Normalverteilung • Approximation durch Normalverteilung: Mit wachsendem n nähern sich viele theoretische Vt. der Normalverteilung • Empirische Verteilungen lassen sich ebenfalls oft durch die N-Vt. annähern.

  18. Normalverteilung • Reproduktionseigenschaft (od. Additivitäts- eigenschaft) der Normal-Vt. • Additionstheorem der Normalverteilung: • Die Summe (X) von n unabhängig normalverteilten Zufallvariablen X1,…,Xn ist ebenfalls normalverteilt. X = X1 + … + Xn • Der Erwartungswert von X ist die Summe der einzelnen Erwartungswerte μ1,…,μn E(X) = μ=μ1 + … + μn • Die Varianz von X ist die Summe der einzelnen Varianzen σ1²,…σn² Var(X) = σ² = σ1²+ … + σn²

  19. Stichproben • Arithmetische Mittel der Stichprobe: • Varianz der Stichprobe: • Anteilswert P einer Stichprobe:

  20. Stichprobenverteilung • Verteilung des arithmetischen Mittels der Stichprobe (Zufallsstichprobe): • Zufallsvariable X1,…,Xn • Konkrete Realisation: x1,…,xn • Arithmetische Mittel: • Arithm. Mittel von ZV ist wieder eine ZV (Funktion von n ZV)

  21. Stichprobenverteilung • Erwartungswert der Verteilung des arithmetischen Mittels: • Varianz der Verteilung des arithm. Mittels • Standardabweichung od. Standardfehler

  22. Stichprobenverteilung • Erwartungswert u. Varianz bekannt • Verteilung des arithm. Mittels? • Annahme: Grundgesamtheit ist N(μ,σ²)-vt. • Reproduktionseigenschaft der N-Vt: Summe von n unabhängig normal-vt. ZV ist wieder n-vt • Daher ist auch das arithm. Mittel normalverteilt

  23. Grenzwertsätze Verhalten des Mittelwert von n unabhängig identisch verteilten (i.i.d.) ZV X1,…,Xn, wenn n laufend erhöht wird (n→∞) • Gesetz der Großen Zahlen • Satz von Glivenko-Cantelli • Zentraler Grenzwertsatz

  24. Grenzwertsätze • Gesetz der Großen Zahlen: • Beinhaltet die Aussage, dass sich der Mittelwert mit wachsendem n immer mehr um den gemeinsamen Erwartungswert µ der Xi konzentriert.

  25. Grenzwertsätze • Gesetz der Großen Zahlen: • Beinhaltet die Aussage, dass der Wert der empirischen Verteilungsfunktion an der Stelle t mit wachsendem n gegen den entsprechenden Wert der Verteilungsfunktion von X konvergiert.

  26. Grenzwertsätze • Satz von Glivenko-Cantelli: • Wert der empirischen Verteilungsfunktion konvergiert an der Stelle t mit wachsendem n gegen den entsprechenden Wert der Verteilungsfunktion von X.

  27. Grenzwertsätze • Zentraler Grenzwertsatz: • Aussage über die Form der Verteilung des Mittelwertes (standardisierte ZV Zn). Die Verteilungsfunktion von Zn konvergiert gegen die Standardnormalverteilung (Φ … Vt-Fkt. der N(0,1) Vt.)

  28. Grenzwertsätze • Aus dem Zentralen Grenzwertsatz folgt: Die Verteilung des arithm. Mittels von n unabhängig identisch verteilten Zufallsvariablen Xi (X1,…,Xn) strebt mit wachsendem Stichprobenumfang n gegen eine Normalverteilung mit dem Erwartungswert µ und Varianz σ²/n. • Gleichbedeutend: Das arithmetische Mittel ist „asymptotisch normalverteilt“. • Faustregel: n > 30, N-Vt. ist gute Näherung für die Vt. des arithmetischen Mittels der Stichprobe.

  29. Stichprobenverteilung • Verteilung der Varianz S² der Stichprobe: • Annahme: Grundgesamtheit ist N(µ,σ²)-vt. Xi sind n unabhängige normal-vt. ZV mit E(Xi)=µ und Var(Xi)= σ² (i=1,…,n) • Stichprobenvarianz S² ist eine Funktion von n ZV Xi und somit wieder eine ZV.

  30. Stichprobenverteilung • Verteilung der Varianz S² der Stichprobe: • Chi-Quadrat Verteilung mit v=n-1 Freiheitsgraden, χ²n-1 • Es gilt: • Ist Z² = Xi² + … + Xn² (Summe von n quadrierten unabhängigen N(0,1)-verteilten ZV Xi), dann folgt Z² einer Chi-Quadrat Verteilung mit v Freiheitsgraden. Anzahl der unabhängigen ZV, die Z² bilden, nennt man Anzahl der Freiheitsgrade.

  31. Stichprobenverteilung • χ²v Verteilung: • Erwartungswert: E(Z²)=v • Varianz: Var(Z²)=2v • Mit wachsendem v nähert sich die χ²v Vt. einer N-Vt. mit Parametern µ=v und σ²=2v.

  32. Stichprobenverteilung • Anteilswert P einer Stichprobe (P=X/n) • 2 Modelle: • Ziehen mit Zurücklegen • Ziehen ohne Zurücklegen • Bsp. Urne, N Kugeln, M schwarz, (N-M) weiße, ziehe n Kugeln (mit bzw. ohne Zurücklegen der gezogenen Kugeln), θ ist die Wahrscheinlichkeit für das Ziehen einer schwarzen Kugel.

  33. Stichprobenverteilung • Ziehen mit Zurücklegen • Exakte Verteilung: Binomialverteilung Wahrscheinlichkeitsfunktion der ZV X: • Erwartungswert: E(X) = nθ • Varianz: Var(X) = nθ(1- θ)

  34. Stichprobenverteilung • Ziehen mit Zurücklegen • Erwartungswert des Stichprobenanteilswertes P: E(P) = 1/n E(x) = θ • Varianz des Stichprobenanteilswertes P: Var(P) = 1/n² Var(X) = θ(1- θ) / n • Standardfehler des Anteilswertes:

  35. Stichprobenverteilung • Approximation durch Normalverteilung (Faustregel: nθ(1- θ) ≥ 9) • Erwartungswert: E(P) = µ = nθ • Varianz: Var(P) = σP² = nθ(1- θ)

  36. Stichprobenverteilung • Ziehen ohne Zurücklegen • Exakte Verteilung: Hypergeometrische Vt. • Wahrscheinlichkeitsfunktion der ZV X: • Erwartungswert: E(X) = n M/N • Varianz: Var(X) = nθ(1- θ) · (N-n)/(N-1)

  37. Stichprobenverteilung • Ziehen ohne Zurücklegen: • Erwartungswert des Stichprobenanteilswertes: E(P) = 1/n E(X) = θ • Varianz des Stichprobenanteilswertes: Var(P) = 1/n² Var(X) = θ(1- θ)/n · (N-n)/(N-1) • Standardfehler des Anteilswertes: • Endlichkeitskorrektur = 1 setzen, wenn n bzgl. N sehr klein ist (Faustregel: n/N < 0,05)

  38. Stichprobenverteilung • Approximation durch Normalverteilung µ = E(P) = θ σ² = Var(P) = θ(1- θ)/n · (N-n)/(N-1)

  39. Stichprobenverteilung • Die Stichprobenverteilungen des arithmetischen Mittels, der Varianz und des Anteilswertes können also durch die Normalverteilung approximiert werden.

  40. Stichprobenverteilung • Differenz zweier arithmetischer Mittel: • Annahmen: • 2 unabhängige Stichproben • Beide Grundgesamtheiten sind annähernd N-vt • Stichprobenverteilung der Differenz: N-Vt • Erwartungswert: • Varianz:

  41. Stichprobenverteilung • Differenz zweier Anteilswerte: • Annahmen: • 2 unabhängige Stichproben • P1,P2 annähernd n-vt. und N1, N2 so groß, dass Endlichkeitskorrektur vernachlässigbar ist. • Stichprobenverteilung: N-Vt • Erwartungswert: • Varianz:

  42. Stichprobenverteilung • Quotient zweier Varianzen: • Annahmen: • 2 unabhängige Stichproben (n1, n2) • σ1² und σ2² aus n-vt Grundgesamtheiten • Quotient:

  43. Stichprobenverteilung • Stichprobenverteilung: F-Verteilung mit v1 und v2 Freiheitsgraden, Fv1,v2. Für v2 > 2 gilt: • Erwartungswert: E(F) = v2 / (v2-2) • Varianz:

  44. Schätzverfahren • Schluss von der Grundgesamtheit auf eine Stichprobe: Inklusionsschluss (direkter Schluss) • Schluss von einer Stichprobe auf Parameter einer Grundgesamtheit: Repräsentationsschluss (indirekter Schluss) • Unterscheidung: • Punktschätzer (einziger Schätzwert) • Intervallschätzer (Konfidenzintervall)

  45. Schätzverfahren • Punktschätzer: Für den zu schätzenden Parameter wird nur ein einziger Schätzwert angegeben. • Bsp. Schätze das unbekannte arithm. Mittel einer Grundgesamtheit μdurch das arithm. Mittel der Stichprobe • Vorsicht: Die in einer Stichprobe realisierten Merkmalsausprägungen sind zufallsabhängig, Punktschätzer stimmen daher nur in den seltensten Fällen mit dem wahren Parameter überein.

  46. Schätzverfahren • Intervallschätzer: Ausgehend von einer Stichprobe wird ein Intervall bestimmt, in dem der zu schätzende Parameter der Grundgesamtheit mit einer bestimmten vorgegebenen Wahrscheinlichkeit liegt (Konfidenzintervall). • Irrtumswahrscheinlichkeit ≤α • Konfidenzintervall zum Niveau 1-α (Vertrauensbereich od. Vertrauensintervall)

  47. Schätzverfahren • Ges: Konfidenzintervall für das arithm. Mittel: ZV • Symmetrische Wahrscheinlichkeitsintervall • Symmetrie: z(α /2) = –z(1-α/2) daher: z = –z(1-α/2) und –z = z(α /2) und

  48. Schätzverfahren • In diesem Wahrscheinlichkeitsintervall liegt das arithm. Mittel mit der Wahrscheinlichkeit 1- α. • Gesucht ist ist aber nicht das Ws-Intervall der ZV, sondern das Konfidenzintervall für das unbekannte arithm. Mittel µ der Grundgesamtheit. • Varianz σ² der Grundgesamtheit bekannt • Varianz σ² der Grundgesamtheit unbekannt

  49. Schätzverfahren • Konfidenzintervall für µ bei bekannter Varianz σ² der Grundgesamtheit: Konkreter Stichprobenmittelwert

  50. Schätzverfahren • Konfidenzintervall für µ bei unbekannter Varianz σ² der Grundgesamtheit: • Statt der unbekannte Varianz σ² wird die Stichprobenvarianz S² verwendet. • Zufallsvariable: T ist t- verteilt mit v=n-1 Freiheitsgraden

More Related