4L Die Normalverteilung

Größe: px
Ab Seite anzeigen:

Download "4L Die Normalverteilung"

Transkript

1 L. Normalverteilung L Die Normalverteilung Zufallsverteilungen lassen sich in der Natur gut beobachten, denn die Natur setzt bei ihrer Fortpflanzungsstrategie auf den totalen Überfluss. So ergab zum Beispiel eine Kastaniensammlung der Klasse IMM der Ma Eth Schule Kassel im September, bei der die Massen gewogen wurden, folgendes Ergebnis. Wie schwer ist eine Kastanie? 5 Anzahl der Kastanien Masse in g Bild L: Verteilung von augelesenen Kastanien Gauß kam dem Zufall auf die Spur Immer dann, wenn nur der Zufall entscheidet, entsteht die Normalverteilung. Sie ist also so alt wie die Natur. Es ist das Verdienst von Carl Friedrich Gauß ( ) dass er diese Zufallsverteilung berechenbar gemacht hat. Seine berühmte Formel war auf dem letzten,dmschein aufgedruckt. Y = π σ e (µ σ i ) Normalve.dtp Seite L

2 L. Normalverteilung Kennzeichen der Normalverteilung Wenn nur zufällige Fehler auftreten, so ergibt sich bei unendlich vielen Messungen stets eine Normalverteilung nach Gauß (Glockenkurve). Das Galton'sche Nagelbrett gilt als Hilfsmittel zur modellmäßigen Darstellung einer Normalverteilung. Die Eigenschaften der Gaußschen Kurve Sie ist smmetrisch zum Mittelwert Beide Äste nähern sich asmptotisch der Messwertachse Beide Äste durchlaufen einen Wendepunkt Der Wendepunkt liegt immer in 6% der Scheitelhöhe Der Abstand beider Wendepunkte vom Mittelwert wird als Standardabweichung bezeichnet Zwischen den durch die einfache Standardabweichung (Wendepunkte) gekennzeichneten Messwerten liegen stets 68,6% der Teile. Diese Prozente muss man sich merken! Zwischen quer +/ s liegen stets 68,6% der Teile Abb.: Galtonbrett als Modell für Normalverteilung Zwischen quer +/ s liegen stets 95,% der Teile Zwischen quer +/ s liegen stets 99,7% der Teile Zwischen quer +/ s liegen stets 99,99% der Teile Tabelle l: Prozentsätze der Normalverteilung Die Normalverteilung zeigt an, mit welcher Wahrscheinlichkeit (g() die einzelnen Messwerte vom Mittelwert µ abweichen. Sie ist eindeutig bestimmt durch die Parameter Mittelwert und Standardabweichung. quer = Mittelwert einer Stichprobe µ = Mittelwert einer Gesamtheit s = Standardabweichung einer Stichprobe σ = Standardabweichung einer Gesamtheit Normalve.dtp Seite L

3 L. Normalverteilung Die Verteilungsprozente Wird zum Beispiel die Forderung gestellt, dass bei einer Stichprobe der sbereich innerhalb der Toleranzgrenzen liegen soll, so beträgt der maimale Fehleranteil,7%. Wenn quer +/ s im Toleranzbereich liegt, dann ist Prozessfähigkeit gegeben, da cp >, ist. Dann ist die Fehlerprozentzahl,6%. Diese kleine Prozentzahl wird häufig in ppm (parts per million) ausgedrückt (siehe Kasten). Regel: % * = ppm 6,6% =,6 = = 6 ppm Übungsbeispiel L: Bei einer Fertigungsserie wurden der Mittelwert mit, und die Standardabweichung mit, ermittelt. Geben Sie bitte an, wieviel % der Teile über dem Wert, zu erwarten sind und wieviele Teile in % unter, erwartet werden. Normalve.dtp Seite L

4 L. Normalverteilung Die graphische Darstellung der Normalverteilung Die Darstellung von Funktionen ist aus der Mathematik geläufig. Hier sind zunächst einige Beipiele der Darstellung mit Wertetabellen. Sie zeigen die Einordnung der Normalverteilung in diesen Kontet. Die Gerade = Die Parabel = Die Hperbel =,5,5,5 Der Kreis Die efunktionen Normalverteilung = = e = e = e (quer ) s,5,7,7,8,5,5,7,7,8 Normalve.dtp Seite L

5 L. Normalverteilung Graphische Darstellung der Normalverteilung Aufgabe: Zeichnen Sie eine Normalverteilungskurve Gegeben: Die Auswertung einer Stichprobe hat folgendes Ergebnis gebracht: Spezifikation 8 +/,5 mm Mittelwert quer = 8, mm Standardabweichung s =, mm Verwenden Sie zur punktweisen Berechnung die Wertetabelle und die Formel L = 8 e Formel L (quer ) s Wertetabelle: Hier die Punkte einzeichnen X Y 7,6,9 7,7, ,8, ,9, ,95, , ,5 6, , 7, ,5 7, , 8 8,5 7, , 7, , 7,6 7,8 8 8, 8, 8,6 8,8 8,5 6, ,, ,5, Beispiel für ersten Punkt (7,6): 8,5, ,6,86866 (7,6) = 8 e (8, 7,6), =,889 Normalve.dtp Seite L 5

Kapitel VII. Einige spezielle stetige Verteilungen

Kapitel VII. Einige spezielle stetige Verteilungen Kapitel VII Einige spezielle stetige Verteilungen D. 7.. (Normalverteilung) Eine stetige Zufallsgröße X sei als normalverteilt bezeichnet, wenn sie folgende Wahrscheinlichkeitsdichte besitzt: µ f ( ; µ,

Mehr

In den letzten zwei Abschnitten wurde die tatsächliche Häufigkeitsverteilung bzw. prozentuale Häufigkeitsverteilung abgehandelt.

In den letzten zwei Abschnitten wurde die tatsächliche Häufigkeitsverteilung bzw. prozentuale Häufigkeitsverteilung abgehandelt. .3.3 Theoretisch-prozentuale Häufigkeitsverteilung In den letzten zwei Abschnitten wurde die tatsächliche Häufigkeitsverteilung bzw. prozentuale Häufigkeitsverteilung abgehandelt. Charakteristisch für

Mehr

15.5 Stetige Zufallsvariablen

15.5 Stetige Zufallsvariablen 5.5 Stetige Zufallsvariablen Es gibt auch Zufallsvariable, bei denen jedes Elementarereignis die Wahrscheinlich keit hat. Beispiel: Lebensdauer eines radioaktiven Atoms Die Lebensdauer eines radioaktiven

Mehr

Übungen mit dem Applet Zentraler Grenzwertsatz

Übungen mit dem Applet Zentraler Grenzwertsatz Zentraler Grenzwertsatz 1 Übungen mit dem Applet Zentraler Grenzwertsatz 1 Statistischer Hintergrund... 1.1 Zentraler Grenzwertsatz... 1. Beispiel Würfeln... 1.3 Wahrscheinlichkeit und relative Häufigkeit...3

Mehr

Sigma-Umgebung. Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5. n = 20 p = 0,75

Sigma-Umgebung. Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5. n = 20 p = 0,75 Sigma-Umgebung Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5 0,2 (z.b. 30-maliges Werfen einer Münze, X Anzahl von Zahl ) 5 10 15 20 n = 20 p = 0,75 0,2 5 10 15 20 Der Erwartungswert

Mehr

Anfänger-Praktikum I WS 11/12. Michael Seidling Timo Raab Enrico Mank. Praktikumsbericht: Galton-Brett

Anfänger-Praktikum I WS 11/12. Michael Seidling Timo Raab Enrico Mank. Praktikumsbericht: Galton-Brett Anfänger-Praktikum I WS 11/12 Michael Seidling Timo Raab Enrico Mank Praktikumsbericht: Galton-Brett Inhaltsverzeichnis Inhaltsverzeichnis I. Theoretische Grundlagen 2 1. Zentraler Grenzwertsatz 2 2. Binomialverteilung

Mehr

Heute. Die Binomialverteilung. Poissonverteilung. Approximation der Binomialverteilung durch die Normalverteilung

Heute. Die Binomialverteilung. Poissonverteilung. Approximation der Binomialverteilung durch die Normalverteilung Heute Die Binomialverteilung Poissonverteilung Approximation der Binomialverteilung durch die Normalverteilung Arbeiten mit Wahrscheinlichkeitsverteilungen Die Binomialverteilung Man werfe eine Münze n

Mehr

Wahrscheinlichkeitsrechnung und Statistik für Biologen 2. Der Standardfehler

Wahrscheinlichkeitsrechnung und Statistik für Biologen 2. Der Standardfehler Wahrscheinlichkeitsrechnung und Statistik für Biologen 2. Der Standardfehler Noémie Becker & Dirk Metzler 15. April 2016 Inhaltsverzeichnis 1 Der Standardfehler 1 1.1 Ein Versuch............................................

Mehr

Qualität " Beschaffenheit einer Einheit bezüglich ihrer Eignung festgelegt und vorrausgesetzter Erfordernisse zu erfüllen " ( DIN Teil 11 ).

Qualität  Beschaffenheit einer Einheit bezüglich ihrer Eignung festgelegt und vorrausgesetzter Erfordernisse zu erfüllen  ( DIN Teil 11 ). Qualitätssicherung (Folien) - 1 - KN103..2001 QS beginnt: - Im Aufbau und Ausbau des Systems in allen Bereichen. - Betrifft jeden Mitarbeiter - Betrifft die Produktionsplanung - Betrifft die Gestaltung

Mehr

Der Erwartungswert E[g(X)] von g(x) ist definiert. g(x k )w(x = x k ),

Der Erwartungswert E[g(X)] von g(x) ist definiert. g(x k )w(x = x k ), 2.5 Parameter einer Verteilung 2.5. Erwartungswert X eine Zufallsvariable, g : R R stetig. Der Erwartungswert E[g(X)] von g(x) ist definiert durch: E[g(X)] := k g(x k )w(x = x k ), falls X diskret ist

Mehr

Auswertung von Messungen Teil II

Auswertung von Messungen Teil II Auswertung von Messungen Teil II 1. Grundgesamtheit und Stichprobe. Modellverteilungen.1 Normalverteilung. Binominalverteilung.3 Poissonverteilung.4 Näherungen von Binominal- und Poissonverteilung 3. Zentraler

Mehr

Begleitmaterial zur Vorlesung. Fehlerrechnung und Fehlerabschätzung bei physikalischen Messungen

Begleitmaterial zur Vorlesung. Fehlerrechnung und Fehlerabschätzung bei physikalischen Messungen Institut für Technische Thermodynamik und Kältetechnik Leiter: Prof. Dr.-Ing. K. Schaber Begleitmaterial zur Vorlesung Fehlerrechnung und Fehlerabschätzung bei physikalischen Messungen Verfasst von Dr.

Mehr

Übungen mit dem Applet Wahrscheinlichkeitsnetz

Übungen mit dem Applet Wahrscheinlichkeitsnetz Wahrscheinlichkeitsnetz 1 Übungen mit dem Applet Wahrscheinlichkeitsnetz 1 Statistischer Hintergrund... 1.1 Verteilungen... 1. Darstellung von Daten im Wahrscheinlichkeitsnetz...4 1.3 Kurzbeschreibung

Mehr

PRAKTIKUM Grundlagen der Messtechnik. VERSUCH GMT 01 Auswertung von Messreihen

PRAKTIKUM Grundlagen der Messtechnik. VERSUCH GMT 01 Auswertung von Messreihen 1 Fachbereich: Fachgebiet: Maschinenbau Mess-, Steuerungs- und Regelungstechnik Prof. Dr.-Ing. habil. Michael Kaufmann PRAKTIKUM Grundlagen der Messtechnik VERSUCH GMT 01 Auswertung von Messreihen Version

Mehr

Maurizio Musso, Universität Salzburg, ver Physikalische Grundlagen der Meßtechnik. Teil 2

Maurizio Musso, Universität Salzburg, ver Physikalische Grundlagen der Meßtechnik. Teil 2 Teil 2 Auswertung von Messungen, zufällige oder statistische Abweichungen Auswertung direkter Messungen Häufigkeitsverteilung, Häufigkeitsfunktion Mittelwert, Standardabweichung der Einzelwerte Standardabweichung

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung und Statistik 5. Vorlesung Verteilungsfunktion (VF) Definition 9 Die Verteilungsfunktion (VF) einer Zufallsgröße X ist F : R R definiert als F (x) := P({ω Ω : X (ω) x}) = P( X x ) für jedes x R. Satz 9 - Eigenschaften

Mehr

Marcus Hudec. Statistik 2 für SoziologInnen. Normalverteilung. Univ.Prof. Dr. Marcus Hudec. Statistik 2 für SoziologInnen 1 Normalverteilung

Marcus Hudec. Statistik 2 für SoziologInnen. Normalverteilung. Univ.Prof. Dr. Marcus Hudec. Statistik 2 für SoziologInnen 1 Normalverteilung Statistik 2 für SoziologInnen Normalverteilung Univ.Prof. Dr. Marcus Hudec Statistik 2 für SoziologInnen 1 Normalverteilung Inhalte Themen dieses Kapitels sind: Das Konzept stetiger Zufallsvariablen Die

Mehr

Statistik. Mittelwert Standardabweichung s Spannweite R c P (c m )

Statistik. Mittelwert Standardabweichung s Spannweite R c P (c m ) Statistik Mittelwert Standardabweichung s Spannweite R c P (c m ) c P (c m ) x Inhalt Folie 1/17 x Der arithmetische Mittelwert aller Messwerte aus einer Stichprobe Mittelwert Folie 2/17 1 X = n n i= 1

Mehr

Approximation der Binomialverteilung durch die Normalverteilung

Approximation der Binomialverteilung durch die Normalverteilung R. Brinkmann http://brinkmann-du.de Seite 4.0.007 Approimation der Binomialverteilung durch die Normalverteilung Histogramme von Binomialverteilungen sind für nicht zu kleine n glockenförmig. Mit größer

Mehr

Mathematik für Naturwissenschaften, Teil 2

Mathematik für Naturwissenschaften, Teil 2 Lösungsvorschläge für die Aufgaben zur Vorlesung Mathematik für Naturwissenschaften, Teil Zusatzblatt SS 09 Dr. J. Schürmann keine Abgabe Aufgabe : Eine Familie habe fünf Kinder. Wir nehmen an, dass die

Mehr

Das Konfidenzintervall (Confidence Interval CI) Vertrauen schaffen, Signifikanz erkennen Autor: Beat Giger

Das Konfidenzintervall (Confidence Interval CI) Vertrauen schaffen, Signifikanz erkennen Autor: Beat Giger QUALITY APPs Applikationen für das Qualitätsmanagement Testen und Anwenden Das Konfidenzintervall (Confidence Interval CI) Vertrauen schaffen, Signifikanz erkennen Autor: Beat Giger Das Konfidenzintervall

Mehr

Erwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung

Erwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung R. Brinkmann http://brinkmann-du.de Seite 5.05.0 Erwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung Erwartungswert binomialverteilter Zufallsgrößen Wird ein Bernoulli- Versuch, bei

Mehr

Hä?! Ich gebe dir zwei Beispiele, schau einfach mal! Kapitel 5: Berechnen wir die Wahrscheinlichkeit!

Hä?! Ich gebe dir zwei Beispiele, schau einfach mal! Kapitel 5: Berechnen wir die Wahrscheinlichkeit! Jetzt kommen wir zum Hauptgang des heutigen Tages! Endlich, ich hab Hunger! Der Bereich zwischen der Kurve und der x-achse kann als Prozentsatz und Wahrscheinlichkeit betrachtet werden beides! Hä?! o dw

Mehr

Auswertung und Lösung

Auswertung und Lösung Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage

Mehr

Praktikum zur Vorlesung Einführung in die Geophysik

Praktikum zur Vorlesung Einführung in die Geophysik Praktikum zur Vorlesung Einführung in die Geophysik Hinweise zum Praktikum: Messunsicherheit und Fehlerrechnung Stefan Wenk, Prof. Thomas Bohlen TU Bergakademie Freiberg Institut für Geophysik www.geophysik.tufreiberg.de/pages/studenten/praktika/nebenfaechlerpraktikum.htm

Mehr

Zufallsvariablen [random variable]

Zufallsvariablen [random variable] Zufallsvariablen [random variable] Eine Zufallsvariable (Zufallsgröße) X beschreibt (kodiert) die Versuchsausgänge ω Ω mit Hilfe von Zahlen, d.h. X ist eine Funktion X : Ω R ω X(ω) Zufallsvariablen werden

Mehr

Normalverteilung. Mathematik 8. Arbeitsblatt A 8-2: Normalverteilung

Normalverteilung. Mathematik 8. Arbeitsblatt A 8-2: Normalverteilung Schule Bundesgymnasiu um für Berufstätige Salzburg Modul Thema Mathematik 8 Arbeitsblatt A 8-2: Normalverteilung Normalverteilung Viele natürlich vorkommende, voneinander unabhängige Größen sind normalverteilt

Mehr

Einführung in Quantitative Methoden

Einführung in Quantitative Methoden Einführung in Quantitative Methoden Karin Waldherr & Pantelis Christodoulides 11. Mai 2011 Waldherr / Christodoulides Einführung in Quantitative Methoden- 8.VO 1/40 Poisson-Verteilung Diese Verteilung

Mehr

Das Histogramm ist glockenförmig. Es würde bei mehr als vier Fehlerquellen sich der Glockenform noch besser annähern.

Das Histogramm ist glockenförmig. Es würde bei mehr als vier Fehlerquellen sich der Glockenform noch besser annähern. 10. Stetige Zufallsvariable, Normalverteilung 55 Die in den folgenden Beispielen dargestellten Verteilungen haben ungefähr Glockenform. Sie können durch die sogenannte Normalverteilung oder Gaussverteilung

Mehr

Inhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 15 Prof. Dr. Karin Melzer, Prof. Dr. Gabriele Gühring, Fakultät Grundlagen

Inhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 15 Prof. Dr. Karin Melzer, Prof. Dr. Gabriele Gühring, Fakultät Grundlagen Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 6... 2 Aufgabe 133... 2 Aufgabe 134... 5 Aufgabe 135 (Grunderhebung für eine Qualitätsregelkarte)... 8 Aufgabe 136 (Klausuraufgabe SS 04)... 10 Aufgabe 137

Mehr

Statistik 2 für SoziologInnen. Normalverteilung. Univ.Prof. Dr. Marcus Hudec. Themen dieses Kapitels sind:

Statistik 2 für SoziologInnen. Normalverteilung. Univ.Prof. Dr. Marcus Hudec. Themen dieses Kapitels sind: Statistik 2 für SoziologInnen Normalverteilung Univ.Prof. Dr. Marcus Hudec Statistik 2 für SoziologInnen 1 Normalverteilung Inhalte Themen dieses Kapitels sind: Das Konzept stetiger Zufallsvariablen Die

Mehr

Zentraler Grenzwertsatz/Konfidenzintervalle

Zentraler Grenzwertsatz/Konfidenzintervalle / Statistik I Sommersemester 2009 Statistik I ZGWS/ (1/37) Kann Ahmadinejad die Wahl gewonnen haben? Im wesentlichen Dreiteilung der polit. Elite 2005: 17.3 Millionen Stimmen (Stichwahl), Wahlbeteiligung

Mehr

Übungen mit dem Applet

Übungen mit dem Applet Übungen mit dem Applet 1. Visualisierung der Verteilungsform... 1.1. Normalverteilung... 1.. t-verteilung... 1.3. χ -Verteilung... 1.4. F-Verteilung...3. Berechnung von Wahrscheinlichkeiten...3.1. Visualisierung

Mehr

9. Übungen. Statistik: Mittelwert und Standardabweichung Statistik: Median Statistik: Kennwerte

9. Übungen. Statistik: Mittelwert und Standardabweichung Statistik: Median Statistik: Kennwerte QM-Übungsaufgaben 9. Übungen F1 Statistik: Mittelwert und Standardabweichung F2 Statistik: Median F3 Statistik: Kennwerte F4 Statistik: Kennwerte F5 Lebensdauer F6 Vertrauensgrenzen und Histogramm F7 Statistik:

Mehr

Stichproben Parameterschätzung Konfidenzintervalle:

Stichproben Parameterschätzung Konfidenzintervalle: Stichproben Parameterschätzung Konfidenzintervalle: Beispiel Wahlprognose: Die Grundgesamtheit hat einen Prozentsatz p der Partei A wählt. Wenn dieser Prozentsatz bekannt ist, dann kann man z.b. ausrechnen,

Mehr

10. Theoretische Verteilungen

10. Theoretische Verteilungen 0. Theoretische Verteilungen 0.. Diskrete theoretische Verteilungen In der deskriptiven Statistik wurden die einfachen Häufigkeiten und die Summenhäufigkeiten von Merkmalsausprägungen ermittelt um ein

Mehr

P n (k) f(k) = 1 σ 2π e ) 2. σ 2π

P n (k) f(k) = 1 σ 2π e ) 2. σ 2π 53 Allgemein gilt der folgende Satz. Satz 6.1 (Lokaler Grenzwertsatz von de Moivre und Laplace) Die Wahrscheinlichkeit P n (k) einer Binomialverteilung (mit der Erfolgswahrscheinlichkeit p im Einzelexperiment)

Mehr

6.6 Poisson-Verteilung

6.6 Poisson-Verteilung 6.6 Poisson-Verteilung Die Poisson-Verteilung ist eine Wahrscheinlichkeitsverteilung, die zur Modellierung der Anzahl von zufälligen Vorkommnissen in einem bestimmten räumlichen oder zeitlichen Abschnitt

Mehr

5 Binomial- und Poissonverteilung

5 Binomial- und Poissonverteilung 45 5 Binomial- und Poissonverteilung In diesem Kapitel untersuchen wir zwei wichtige diskrete Verteilungen d.h. Verteilungen von diskreten Zufallsvariablen): die Binomial- und die Poissonverteilung. 5.1

Mehr

Standardnormalverteilung

Standardnormalverteilung Standardnormalverteilung 1720 erstmals von Abraham de Moivre beschrieben 1809 und 1816 grundlegende Arbeiten von Carl Friedrich Gauß 1870 von Adolphe Quetelet als "ideales" Histogramm verwendet alternative

Mehr

4.1 Stichproben, Verteilungen und Schätzwerte. N(t) = N 0 e λt, (4.1)

4.1 Stichproben, Verteilungen und Schätzwerte. N(t) = N 0 e λt, (4.1) Kapitel 4 Stichproben und Schätzungen 4.1 Stichproben, Verteilungen und Schätzwerte Eine physikalische Messung ist eine endliche Stichprobe aus einer Grundgesamtheit, die endlich oder unendlich sein kann.

Mehr

Elisabeth Aufhauser, unveröffentlichter Text Unterrichtsmaterial Statistik-UE für Soziologie

Elisabeth Aufhauser, unveröffentlichter Text Unterrichtsmaterial Statistik-UE für Soziologie Elisabeth Aufhauser, unveröffentlichter Text Unterrichtsmaterial Statistik-UE für Soziologie Konfidenzintervall Statistische Analyse von Stichproben Der Datensatz aus der Übung (social survey 2003) besteht

Mehr

Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert

Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir

Mehr

Marcus Hudec. Statistik 2 für SoziologInnen. Normalverteilung. Univ.Prof. Dr. Marcus Hudec. Statistik 2 für SoziologInnen 1 Normalverteilung

Marcus Hudec. Statistik 2 für SoziologInnen. Normalverteilung. Univ.Prof. Dr. Marcus Hudec. Statistik 2 für SoziologInnen 1 Normalverteilung Statistik 2 für SoziologInnen Normalverteilung Univ.Prof. Dr. Marcus Hudec Statistik 2 für SoziologInnen 1 Normalverteilung Stetige Zufalls-Variable Erweitert man den Begriff der diskreten Zufallsvariable

Mehr

Praktikumsprotokoll: Galton-Brett

Praktikumsprotokoll: Galton-Brett Praktikumsprotokoll: Galton-Brett Robin Marzucca, Andreas Liehl 26. November 2010 Protokoll zum Versuch Galton-Brett, durchgeführt am 25.11.2010 an der Universität Konstanz im Rahmen des physikalischen

Mehr

Bestimmte Zufallsvariablen sind von Natur aus normalverteilt. - naturwissenschaftliche Variablen: originär z.b. Intelligenz, Körpergröße, Messfehler

Bestimmte Zufallsvariablen sind von Natur aus normalverteilt. - naturwissenschaftliche Variablen: originär z.b. Intelligenz, Körpergröße, Messfehler 6.6 Normalverteilung Die Normalverteilung kann als das wichtigste Verteilungsmodell der Statistik angesehen werden. Sie wird nach ihrem Entdecker auch Gaußsche Glockenkurve genannt. Die herausragende Stellung

Mehr

SS 2017 Torsten Schreiber

SS 2017 Torsten Schreiber 173 Diese Lücken sollten nicht auch bei Ihnen vorhanden sein: Wird die Anordnung von unterschiedlichen Objekten eines Experiments untersucht, so handelt es sich um eine. Möchte man die Anzahl der möglichen

Mehr

Inhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 16 Prof. Dr. Karin Melzer, Fakultät Grundlagen

Inhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 16 Prof. Dr. Karin Melzer, Fakultät Grundlagen Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 6... 2 Aufgabe 126... 2 Aufgabe 127... 5 Aufgabe 128 (Grunderhebung für eine Qualitätsregelkarte)... 8 Aufgabe 129 (Klausuraufgabe SS 04)... 10 Aufgabe 130

Mehr

5. Spezielle stetige Verteilungen

5. Spezielle stetige Verteilungen 5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für

Mehr

Der Weg eines Betrunkenen

Der Weg eines Betrunkenen Der Weg eines Betrunkenen 2 Hätte es damals schon Computer gegeben, wäre es für unseren Mathematiker um einiges leichter gewesen, den Weg des Betrunkenen zu bestimmen. Er hätte nicht nur eine beliebige

Mehr

Hochschule Darmstadt FB Mathematik und Naturwissenschaften. Statistik. für Wirtschaftsingenieure (B.Sc.) Sommersemester 2017

Hochschule Darmstadt FB Mathematik und Naturwissenschaften. Statistik. für Wirtschaftsingenieure (B.Sc.) Sommersemester 2017 für Wirtschaftsingenieure (B.Sc.) Sommersemester 017 Dr. rer. nat. habil. E-mail: adam-georg.balogh@h-da.de 1 Hochschule Darmstadt, Fachbereich MN Sommersemester 017 Testklausur zur Vorlesung Wirtschaftsstatistik

Mehr

Lösungen zu Übungsblatt 9 Höhere Mathematik2/Stochastik 2 Master KI/PI

Lösungen zu Übungsblatt 9 Höhere Mathematik2/Stochastik 2 Master KI/PI Lösungen zu Übungsblatt 9 Höhere Mathematik/Stochastik Anpassung von Verteilungen Zu Aufgabe ) a) Zeichnen des Histogranmmes: Um das Histogramm zu zeichnen, benötigen wir die Höhe der Balken. Die Höhe

Mehr

Standardnormalverteilung

Standardnormalverteilung Standardnormalverteilung 1720 erstmals von Abraham de Moivre beschrieben 1809 und 1816 grundlegende Arbeiten von Carl Friedrich Gauß 1870 von Adolphe Quetelet als "ideales" Histogramm verwendet alternative

Mehr

Mittelwert Median Stabw StabwN 1. Quartil 3. Quartil 27,22 % 26,06 % 8,07 % 8,03 % 22,12 % 31,25 %

Mittelwert Median Stabw StabwN 1. Quartil 3. Quartil 27,22 % 26,06 % 8,07 % 8,03 % 22,12 % 31,25 % 3. a) Mit Hilfe der Excel-Funktionen Mittelwert(DB), Median(DB), Stabw(DB) sowie Quantil(DB;P) 1 werden aus den gegebenen Leberfettgehaltmessdaten Mittelwert, Median, Standardabweichung (Stabw) sowie das

Mehr

FF Düsseldorf WS 2007/08 Prof. Dr. Horst Peters. Vorlesung Quantitative Methoden 1B im Studiengang Business Administration (Bachelor) Seite 1 von 6

FF Düsseldorf WS 2007/08 Prof. Dr. Horst Peters. Vorlesung Quantitative Methoden 1B im Studiengang Business Administration (Bachelor) Seite 1 von 6 Vorlesung Quantitative Methoden 1B im Studiengang Business Administration (Bachelor) Seite 1 von 6 (Konfidenzintervalle, Gauß scher Mittelwerttest) 1. Bei einem bestimmten Großraumflugzeug sei die Auslastung

Mehr

Modul 206: Verteilungen!!Normalverteilung!!Poisson-Verteilung!

Modul 206: Verteilungen!!Normalverteilung!!Poisson-Verteilung! 0.20 0.8 0.6 0.4 0.2 0.0 0.08 0.06 0.04 0.02 0.00 0 5 0 5 20 k Modul 206: Verteilungen!!Normalverteilung!!Poisson-Verteilung! 0.20 0.8 0.6 0.4 0.2 0.0 0.08 0.06 0.04 0.02 0.00 0 5 0 5 20 k Normalverteilung!

Mehr

Normalverteilung. Erwartungswert, Median und Modus sind identisch. Symmetrieeigenschaft um den Erwartungswert

Normalverteilung. Erwartungswert, Median und Modus sind identisch. Symmetrieeigenschaft um den Erwartungswert Normalverteilung Stetige Wahrscheinlichkeitsverteilung, die zahlreiche natur, wirtschafts und sozialwissenschaftliche Merkmalsausprägungen mit guter Näherung abbilden kann und somit von elementarer Bedeutung

Mehr

Einführung in die Fehlerrechnung und Messdatenauswertung

Einführung in die Fehlerrechnung und Messdatenauswertung Grundpraktikum der Physik Einführung in die Fehlerrechnung und Messdatenauswertung Wolfgang Limmer Institut für Halbleiterphysik 1 Fehlerrechnung 1.1 Motivation Bei einem Experiment soll der Wert einer

Mehr

Probe-Klausur 1 Mathematik f. Bau-Ing + Chem.Modul2

Probe-Klausur 1 Mathematik f. Bau-Ing + Chem.Modul2 Probe-Klausur Mathematik f. Bau-Ing + Chem.Modul. (a) Durch die Punkte und gehe eine Ebene E, die auf der Ebene E : x + y z = 0 senkrecht steht. Bestimmen Sie die Gleichung der Ebene E. (b) Bestimmen Sie

Mehr

Wahrscheinlichkeitsverteilungen

Wahrscheinlichkeitsverteilungen Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet

Mehr

Grenzen für x -s-regelkarten

Grenzen für x -s-regelkarten Normalverteilte Fertigung: Stichproben aus der Fertigung: σ σ Eine normalverteilte Fertigung hat den Mittelwert µ und die Standardabweichung σ. Stichproben aus der Fertigung haben zufällig abweichende

Mehr

j K j d j m j h j f j

j K j d j m j h j f j Für eine stetige Zufallsvariable X in einem Intervall [ a ; b ] kann X jeden beliebigen Wert annehmen. Die Wahrscheinlichkeiten werden in diesem Fall nicht mehr wie bei einer diskreten Zufallsvariable

Mehr

Wahrscheinlichkeit und die Normalverteilung. Jonathan Harrington

Wahrscheinlichkeit und die Normalverteilung. Jonathan Harrington Wahrscheinlichkeit und die Normalverteilung Jonathan Harrington Der Bevölkerungs-Mittelwert 99 Stück Papier nummeriert 0, 1, 2, 99 Ich ziehe 10 davon und berechne den Mittelwert. Was ist der Mittelwert

Mehr

Abiturvorbereitung Stochastik. neue friedländer gesamtschule Klasse 12 GB Holger Wuschke B.Sc.

Abiturvorbereitung Stochastik. neue friedländer gesamtschule Klasse 12 GB Holger Wuschke B.Sc. Abiturvorbereitung Stochastik neue friedländer gesamtschule Klasse 12 GB 24.02.2014 Holger Wuschke B.Sc. Siedler von Catan, Rühlow 2014 Organisatorisches 0. Begriffe in der Stochastik (1) Ein Zufallsexperiment

Mehr

Übungen mit dem Applet x /s-regelkarte nach Shewhart

Übungen mit dem Applet x /s-regelkarte nach Shewhart x /s-regelkarte nach Shewhart 1 Übungen mit dem Applet x /s-regelkarte nach Shewhart 1 Statistischer Hintergrund... 2 1.1 Ziel und Vorgehensweise der x /s-regelkarte nach Shewhart...2 1.2 Kurzbeschreibung

Mehr

Parameterdarstellung einer Funktion

Parameterdarstellung einer Funktion Parameterdarstellung einer Funktion 1-E Eine ebene Kurve Abb. 1-1: Die Kurve C beschreibt die ebene Bewegung eines Teilchens 1-1 Eine ebene Kurve Ein Teilchen bewegt sich in einer Ebene. Eine ebene Kurve

Mehr

Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007

Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007 Mathematik IV für Maschinenbau und Informatik Stochastik Universität Rostock, Institut für Mathematik Sommersemester 007 Prof. Dr. F. Liese Dipl.-Math. M. Helwich Serie Termin: 9. Juni 007 Aufgabe 3 Punkte

Mehr

Wahrscheinlichkeit und die Normalverteilung. Jonathan Harrington

Wahrscheinlichkeit und die Normalverteilung. Jonathan Harrington Wahrscheinlichkeit und die Normalverteilung Jonathan Harrington Der Populations-Mittelwert 100 Stück Papier nummeriert 0, 1, 2, 99 Ich ziehe 10 davon und berechne den Mittelwert. Was ist der Mittelwert

Mehr

! Naturwissenschaftliches ORG! Gymnasium! Musisches ORG! andere:

! Naturwissenschaftliches ORG! Gymnasium! Musisches ORG! andere: Ein Evaluations-Projekt des Schülerfragebogen Familienname: Vorname: Alter: Geschlecht: M W Schule: Schulform: Realgymnasium Naturwissenschaftliches ORG Gymnasium Musisches ORG andere: Klasse: 5 6 7 8

Mehr

Applikationen für das Qualitätsmanagement

Applikationen für das Qualitätsmanagement QUALITY-APPS Applikationen für das Qualitätsmanagement Die Normalverteilung Autor: Dr. Konrad Reuter Die Normalverteilung oder auch "GAUSS-Verteilung" nimmt eine zentrale Stellung in der praxisbezogenen

Mehr

Wahrscheinlichkeit und Statistik: Zusammenfassung

Wahrscheinlichkeit und Statistik: Zusammenfassung HSR Hochschule für Technik Rapperswil Wahrscheinlichkeit und Statistik: Zusammenfassung beinhaltet Teile des Skripts von Herrn Hardy von Lukas Wilhelm lwilhelm.net 12. Januar 2007 Inhaltsverzeichnis 1

Mehr

Statistische Methoden in den Umweltwissenschaften

Statistische Methoden in den Umweltwissenschaften Statistische Methoden in den Umweltwissenschaften Stetige und diskrete Wahrscheinlichkeitsverteilungen Lageparameter Streuungsparameter Diskrete und stetige Zufallsvariablen Eine Variable (oder Merkmal

Mehr

G<B G=B G>B Gegenstandweite g g < 2f g=f g > 2f Bildweite b >g =g <g

G<B G=B G>B Gegenstandweite g g < 2f g=f g > 2f Bildweite b >g =g <g Protokoll D01 2.2. Aufgaben 1. eweisen Sie die Abbildungsgleichung mit den Strahlensätzen. G b g b f 1 f b 1 g 1 f 2. ei welcher Gegenstandsweite einer Konvexlinse gilt: G ? Wie groß ist jeweils

Mehr

Aussagen hierzu sind mit einer unvermeidbaren Unsicherheit behaftet, die statistisch über eine Irrtumswahrscheinlichkeit bewertet wird.

Aussagen hierzu sind mit einer unvermeidbaren Unsicherheit behaftet, die statistisch über eine Irrtumswahrscheinlichkeit bewertet wird. Stichprobenumfang Für die Fragestellung auf Gleichheit von ein oder zwei Stichproben wird auf Basis von Hypothesentests der notwendige Stichprobenumfang bestimmt. Deshalb werden zunächst die Grundlagen

Mehr

Übungsaufgaben zu Kapitel 12 bis 14

Übungsaufgaben zu Kapitel 12 bis 14 Hochschule für Technik und Wirtschaft Dresden Wintersemester 0/6 Fakultät Informatik/Mathematik Prof. Dr. B. Jung Übungsaufgaben zu Kapitel bis Hinweis: Die Berechnung evtl. auftretender Integrale kann

Mehr

Statistische Methoden in den Umweltwissenschaften

Statistische Methoden in den Umweltwissenschaften Statistische Methoden in den Umweltwissenschaften t-test Varianzanalyse (ANOVA) Übersicht Vergleich von Mittelwerten 2 Gruppen: t-test einfaktorielle ANOVA > 2 Gruppen: einfaktorielle ANOVA Seeigel und

Mehr

Wahrscheinlichkeitsrechnung und Statistik für Biologen 2. Der Standardfehler

Wahrscheinlichkeitsrechnung und Statistik für Biologen 2. Der Standardfehler Wahrscheinlichkeitsrechnung und Statistik für Biologen 2. Der Standardfehler Martin Hutzenthaler & Dirk Metzler 27. April 2010 Inhaltsverzeichnis 1 Eine kurze Wiederholung zur deskriptiven Statistik 2

Mehr

5. Statistische Auswertung

5. Statistische Auswertung 5. Statistische Auswertung 5.1 Varianzanalyse Die Daten der vorliegenden Versuchsreihe zeigen eine links steile, rechts schiefe Verteilung. Es wird untersucht, ob sich die Meßdaten durch Transformation

Mehr

fh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik

fh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik fh management, communication & it Folie 1 Überblick Grundlagen (Testvoraussetzungen) Mittelwertvergleiche (t-test,..) Nichtparametrische Tests Korrelationen Regressionsanalyse... Folie 2 Überblick... Varianzanalyse

Mehr

Anpassungstests VORGEHENSWEISE

Anpassungstests VORGEHENSWEISE Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel

Mehr

Kapitel 12 Stetige Zufallsvariablen Dichtefunktion und Verteilungsfunktion. stetig. Verteilungsfunktion

Kapitel 12 Stetige Zufallsvariablen Dichtefunktion und Verteilungsfunktion. stetig. Verteilungsfunktion Kapitel 1 Stetige Zufallsvariablen 1.1. Dichtefunktion und Verteilungsfunktion stetig Verteilungsfunktion Trägermenge T, also die Menge der möglichen Realisationen, ist durch ein Intervall gegeben Häufig

Mehr

Wahrscheinlichkeitsrechnung und Statistik für Biologen 2. Der Standardfehler

Wahrscheinlichkeitsrechnung und Statistik für Biologen 2. Der Standardfehler Wahrscheinlichkeitsrechnung und Statistik für Biologen 2. Der Standardfehler Martin Hutzenthaler & Dirk Metzler http://www.zi.biologie.uni-muenchen.de/evol/statgen.html 27. April 2010 1 Eine kurze Wiederholung

Mehr

Einführung in die Theorie der Messfehler

Einführung in die Theorie der Messfehler Einführung in die Theorie der Messfehler Ziel der Vorlesung: Die Studentinnen/Studenten sollen die Grundlagen der Theorie der Messfehler sowie den Unterschied zwischen Ausgleichsrechnung und statistischer

Mehr

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:

Mehr

10,24 ; 10,18 ; 10,28 ; 10,25 ; 10,31.

10,24 ; 10,18 ; 10,28 ; 10,25 ; 10,31. Bei einer Flaschenabfüllanlage ist die tatsächliche Füllmenge einer Flasche eine normalverteilte Zufallsvariable mit einer Standardabweichung = 3 [ml]. Eine Stichprobe vom Umfang N = 50 ergab den Stichprobenmittelwert

Mehr

Kapitel 3 Schließende Statistik

Kapitel 3 Schließende Statistik Beispiel 3.4: (Fortsetzung Bsp. 3.) bekannt: 65 i=1 X i = 6, also ˆp = X = 6 65 = 0, 4 Überprüfen der Voraussetzungen: (1) n = 65 30 () n ˆp = 6 10 (3) n (1 ˆp) = 39 10 Dr. Karsten Webel 194 Beispiel 3.4:

Mehr

Teil VIII. Zentraler Grenzwertsatz und Vertrauensintervalle. Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle. Lernziele. Typische Situation

Teil VIII. Zentraler Grenzwertsatz und Vertrauensintervalle. Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle. Lernziele. Typische Situation Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle Patric Müller ETHZ Teil VIII Zentraler Grenzwertsatz und Vertrauensintervalle WBL 17/19, 29.05.2017 Wahrscheinlichkeit

Mehr

Hauptprüfung Fachhochschulreife Baden-Württemberg

Hauptprüfung Fachhochschulreife Baden-Württemberg Hauptprüfung Fachhochschulreife 2014 Baden-Württemberg Aufgabe 7 Mathematik in der Praxis Hilfsmittel: grafikfähiger Taschenrechner Berufskolleg Alexander Schwarz www.mathe-aufgaben.com Juni 2015 1 Die

Mehr

MATHEMATIK 3 STUNDEN

MATHEMATIK 3 STUNDEN EUROPÄISCHES ABITUR 2013 MATHEMATIK 3 STUNDEN DATUM : 10. Juni 2013, Vormittag DAUER DER PRÜFUNG: 2 Stunden (120 Minuten) ERLAUBTES HILFSMITTEL Prüfung mit technologischem Hilfsmittel 1/6 DE AUFGABE B1

Mehr

SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf. SBP Mathe Aufbaukurs 1

SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf. SBP Mathe Aufbaukurs 1 SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf SBP Mathe Aufbaukurs 1 # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit. Das

Mehr

Grundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften

Grundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften Grundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Grundlagen der Biometrie, WS 2011/12 Vorlesung: Dienstag 8.15-9.45,

Mehr

Übung zur Vorlesung: Geostatistik 1 Philipp, Mo. 15: Türcode: 1516

Übung zur Vorlesung: Geostatistik 1 Philipp, Mo. 15: Türcode: 1516 Übung zur Vorlesung: Geostatistik 1 Philipp, Mo. 15:45 3067 Türcode: 1516 Deskriptive Statistik Maße der Zentraltendenz Deskriptive Statistik Maße der Zentraltendenz arithmetischer Mittewert klassenorientierter

Mehr

So lügt man mit Statistik

So lügt man mit Statistik So lügt man mit Statistik Anita Maas 06. August 2004 Was ist Statistik? Statistik ist die Gesamtheit aller Methoden, die für die Untersuchung einer Vielzahl von Einzeltatsachen verwendet werden. Sie ist

Mehr

Weierstraß-Institut für Angewandte Analysis und Stochastik Universalität der Fluktuationen: Warum ist alles Gauß-verteilt?

Weierstraß-Institut für Angewandte Analysis und Stochastik Universalität der Fluktuationen: Warum ist alles Gauß-verteilt? Weierstraß-Institut für Angewandte Analysis und Stochastik Universalität der Fluktuationen: Warum ist alles Gauß-verteilt? Wolfgang König Technische Universität Berlin und Weierstraß-Institut Berlin Mohrenstraße

Mehr

Intervalle. 1-E1 Vorkurs, Mathematik

Intervalle. 1-E1 Vorkurs, Mathematik Intervalle 1-E1 Vorkurs, Mathematik Reelle Zahlen: Intervalle Bei Lösungen kommt es vor, dass wir eine Zahl, z.b. die Lösung einer Gleichung, nicht genau kennen, aber wissen, dass sie in einem bestimmtem

Mehr

Protokoll Grundpraktikum I: M3 - Elastizität und Torsion

Protokoll Grundpraktikum I: M3 - Elastizität und Torsion Protokoll Grundpraktikum I: M3 - Elastizität und Torsion Sebastian Pfitzner. Mai 13 Durchführung: Sebastian Pfitzner (553983), Anna Andrle (5577) Arbeitsplatz: Platz 4 Betreuer: Jacob Michael Budau Versuchsdatum:

Mehr

Statistische Analyse hydrologischer Daten (HW Berechnung)

Statistische Analyse hydrologischer Daten (HW Berechnung) Lehrstuhl für Hydrologie und Wasserwirtschaft BTU Cottbus Statistische Analyse hydrologischer Daten (HW Berechnung) Übung zur Hochwasserstatistik Datensatz: jährliche Maximalabflüsse der Spree in Cottbus

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 12. Januar 2011 1 Vergleich zweier Erwartungswerte Was heißt verbunden bzw. unverbunden? t-test für verbundene Stichproben

Mehr

Referenten: Gina Spieler, Beatrice Bressau, Laura Uhlmann Veranstaltung: Statistik für das Lehramt Dozent: Martin Tautenhahn

Referenten: Gina Spieler, Beatrice Bressau, Laura Uhlmann Veranstaltung: Statistik für das Lehramt Dozent: Martin Tautenhahn 8.5 Eindimensionale stetige Zufallsvariablen Eine Zufallsvariable X heißt stetig, wenn es eine Funktion f(x) gibt, sodass die Verteilungsfunktion von X folgende Gestalt hat: x F(x) = f(t)dt f(x) heißt

Mehr