Zufallsvariable. Die Wahrscheinlichkeitsverteilung p (probability function) ist definiert durch: p(x i ) := P (X = x i ),

Transkript

1 ETHZ Dr. M. Müller Statistische Methode WS 00/0 Zufallsvariable Zusammehag: Wirklichkeit Modell Wirklichkeit Stichprobe Date diskret stetig rel. Häufigkeit Häufigkeitstabelle Stabdiagramm Histogramm empir. Verteilugsfuktio empir. Kezahle Mittelwert x Variaz s Modell Populatio Zufallsvariable diskret stetig Wahrscheilichkeit Wahrscheilichkeitsverteilug Stabdiagramm Dichte Verteilugsfuktio theoret. Kezahle Erwartugswert E(X) Variaz V ar(x) Eie Zufallsvariable (radom variable) ist eie quatitative Variable, dere Wert durch das zufälllige Ergebis vo Experimete oder Beobachtuge bestimmt wird. Zufallsvariable bilde ei Modell für die beobachtete Grösse, die Date. Es gibt diskrete (discrete) ud stetige (cotiuous) Zufallsvariable. Diskrete Zufallsvariable habe ur eie edliche oder abzählbare Azahl möglicher Werte, stetige Zufallsvariable köe alle Werte ierhalb eies Itervalls der reelle Zahle aehme. Diskrete Zufallsvariable Die Wahrscheilichkeitsverteilug p (probability fuctio) ist defiiert durch: X x x... x k p p(x ) p(x )... p(x k ) p(x i ) := P (X = x i ), p(xi ) =. Die kumulative Verteilugsfuktio F (cumulative distributio fuctio) ist defiiert durch: F (x) = P (X x), < x <. F ist mooto wachsed, lim x F (x) = 0 ud lim x F (x) =. Uiforme Verteilug Eie Verteilug, bei der alle Werte die gleiche Wahrscheilichkeit habe, heisst uiform. X x x... x p / /... /. Beroulli Verteilug Ei Experimet habe zwei mögliche Ausgäge, Erfolg ud Misserfolg, mit de Wahrscheilichkeite p ud p. X = { 0 : Misserfolg : Erfolg X 0 p(x) -p p

2 Biomialverteilug Es werde voeiader uabhägige Versuche gemacht. Jeder eizele Versuch hat zwei mögliche Ausgäge, Erfolg ud Misserfolg. Die Wahrscheilichkeit p für eie Erfolg ist kostat. Die Azahl Erfolge X hat da eie Biomialverteilug B(, p) ud die Wahrscheilichkeit für k Erfolge ist gegebe durch: ( ) P (X = k) = p k ( p) k für k = 0,,...,. k Geometrische Verteilug Es werde uabhägige Versuche durchgeführt. Jeder eizele Versuch hat zwei mögliche Ausgäge, Erfolg ud Misserfolg. Die Wahrscheilichkeit p für eie Erfolg ist kostat. X ist die Azahl Versuche bis ud mit dem erste Erfolg. P (X = k) = ( p) k p für k =,, 3,.... Negative Biomialverteilug Es werde uabhägige Versuche durchgeführt. Jeder eizele Versuch hat zwei mögliche Ausgäge, Erfolg ud Misserfolg. Die Wahrscheilichkeit p für eie Erfolg ist kostat. X ist die Azahl Misserfolge bis r Erfolge eigetrete sid. ( ) k + r P (X = k) = p r ( p) k für k = 0,,,.... k Poissoverteilug Betrachte die absolute Häufigkeit, mit der ei bestimmtes Ereigis eitritt. We die Ereigisse uabhägig voeiader mit eier kostate Rate λ pro Zeiteiheit passiere, da hat die Azahl Ereigisse X eie Poissoverteilug P(λ). Die Wahrscheilichkeit für k Ereigisse pro Zeiteiheit ist: P (X = k) = λk e λ k! k = 0,,,... Für gross ud p klei ist die Poissoverteilug eie Näherug für die Biomialverteilug mit λ = p. Ei Prozess, der ierhalb eies feste zeitliche oder räumliche Itervalls eie Azahl Ereigisse erzeugt, die eier Poissoverteilug folgt, heisst Poissoprozess. 3 Stetige Zufallsvariable Die Dichte f (desity) ist eie stückweise stetige Fuktio mit f(x) 0 ud We X eie stetige Zufallsvariable mit Dichte f ist, da gilt: P (a < X < b) = b a f(x) dx für a < b. f(x) dx. Die kumulative Verteilugsfuktio F (cumulative distributio fuctio) ist defiiert durch: F (x) = P (X x), < x <.

3 Es gilt: F (x) = x f(t) dt Das α Quatil x α ist defiiert durch: F (x α ) = α. Für α = / erhält ma de Media, für α = /4 ud α = 3/4 das. ud das 3. Quartil. Uiforme Verteilug Die Dichte eier uiformverteilte Zufallsvariable ist: f(x) = b a für a x b. Die Verteilugsfuktio ist: 0, x < a x a F (x) = b a, a x b, x > b. Expoetialverteilug Modell für Warte- oder Ueberlebeszeite. Wird i eiem Poissoprozess mit Paramter λ statt der Azahl Ereigisse i eiem bestimmte Zeititervall die Dauer bis zum Eitrete des ächste Ereigisses betrachtet, so ist diese Dauer expoetialverteilt, Exp(λ). Die Expoetialverteilug ist gedächtislos (memoryless). Die Dichte eier expoetialverteilte Zufallsvariable ist: f(x) = λe λx für x 0, λ > 0. Die Verteilugsfuktio ist: { 0, x < 0 F (x) = e λx, x 0. Gammaverteilug Die Dichte eier gammaverteilte Zufallsvariable ist: f(x) = λα Γ(α) xα e λx für x 0, α > 0, λ > 0. Die Gammafuktio Γ(x) ist defiiert durch: Γ(x) = 0 u x e u du x > 0. Es gilt: Γ() =, Γ(α) = (α )Γ(α ) für α >, Γ(α) = (α )!, we α eie gaze Zahl grösser als ist. Normalverteilug Die Normalverteilug ist das weitaus häufigste Modell für Messdate. Etwickelt wurde sie als Modell für Messfehler, sie passt aber oft auch i ader Situatioe recht gut. Das hat sich empirisch gezeigt ud ei mathematisches Resultat, der Zetrale Grezwertsatz, bestätigt das. Ei grosser Teil der statistische Methode setzt Normalverteilug voraus. Die Dichte eier Zufallsvariable mit Normalverteilug N (µ, σ ) ist gegebe durch: f(x) = πσ e (x µ σ ) < x < +, < µ < +, σ > 0. 3

4 Die spezielle Normalverteilug N (0, ) heisst Stadardormalverteilug. Für Dichte ud kumulative Verteilugsfuktio verwedet ma i diesem Fall die Bezeichuge φ ud Φ. Chiquadrat-Verteilug Seie Z,..., Z N (0, ), iid. Da hat X = Z +Z + +Z eie Chiquadrat-Verteilug mit Freiheitsgrade, X χ. t-verteilug Seie Z N (0, ) ud X χ uabhägige Zufallsvariable. Da hat T = t-verteilug mit Freiheitsgrade, T t. Z X/ eie F -Verteilug Seie X χ ud X χ m uabhägige Zufallsvariable. Da hat F = X / X /m eie F - Verteilug mit ud m Freiheitsgrade, F F,m. 4 Erwartugswert ud Variaz Sei X eie diskrete Zufallsvariable mit Wahrscheilichkeitsfuktio p. Der Erwartugswert vo X (expected value, mea) ist defiiert als: E(X) = i x i p(x i ), falls die Summe existiert. Oft wird der Erwartugswert mit µ bezeichet. Sei X eie stetige Zufallsvariable mit Dichte f. Der Erwartugswert E(X) vo X ist defiiert als: E(X) = xf(x) dx, falls das Itegral existiert. Sei X eie Zufallsvariable mit Erwartugswert E(X). Da ist die Variaz vo X (variace) gegebe durch: V ar(x) = E{[X E(X)] }, falls der Erwartugswert existiert. Die Stadardabweichug vo X (stadard deviatio) ist die Wurzel aus der Variaz. Oft wird die Variaz mit σ ud die Stadardabweichug mit σ bezeichet. We X diskret ist, gilt mit E(X) = µ : V ar(x) = i (x i µ) p(x i ), für X stetig: V ar(x) = (x µ) f(x) dx. 4

5 Recheregel Seie X ud X Zufallsvariable ud a, b kostate Zahle. Da gilt: E(X + X ) = E(X ) + E(X ) E(a + bx ) = a + be(x ) V ar(x + X ) = V ar(x ) + V ar(x ), falls X ud X uabhägig sid V ar(a + bx ) = b V ar(x ). Zusammestellug der wichtigste Verteiluge Verteilug P (X = k) bzw. f(x) Wertebereich E(X) V ar(x) ( Biomial ) k p k ( p) k k = 0,,..., p p( p) ( Neg. Biomial k+r ) k p r ( p) k k = 0,,... r p p r p p Geometrisch ( p) k p k =,,... Poisso λ k e λ k! k = 0,,... λ λ a+b Uiform b a a < x < b Normal πσ e ( x µ σ ) < x < µ σ λ Gamma α Γ(α) xα e λx α α x > 0 λ λ Expoetial λe λx x > 0 λ λ Chiquadrat f(x) = x Γ( ) e x/ x > 0 t f(x) = + Γ[ ] ( πγ( ) +m Γ[ ] + x ) + p p p (b a) < x < 0 F f(x) = Γ( )Γ( m )( m ) x ( + m x) +m x > 0 5 Kovariaz ud Korrelatio Seie X ud Y gemeisam verteilte Zufallsvariable mit Erwartugswerte µ X ud µ Y. Da ist die Kovariaz vo X ud Y (covariace) gegebe durch: Cov(X, Y ) = E[(X µ X )(Y µ Y )], falls der Erwartugswert existiert. Seie X, X, Y ud Y Zufallsvariable ud a, b, c ud d kostate Zahle, da gilt: Cov(X + X, Y + Y ) = Cov(X, Y ) + Cov(X, Y ) + Cov(X, Y ) + Cov(X, Y ) Cov(a + bx, c + dy ) = bdcov(x, Y ). Daraus folgt: V ar(ax + bx ) = a V ar(x ) + b V ar(x ) + abcov(x, X ). Seie X ud Y gemeisam verteilte Zufallsvariable mit Variaze verschiede vo Null. Da ist die Korrelatio vo X ud Y (correlatio) gegebe durch: ρ = Cov(X, Y ) V ar(x)v ar(y ). Es gilt: ρ ud ρ = ± für Y = a + bx. 5

6 6 Awedugsbereiche vo verschiedee Wahrscheilichkeitsmodelle Verteilug Beispiele Diskret Uiform Würfel, eistellige Zufallszahle Beroulli Spezialfall der Biomial ( = ) Biomial Azahl Uebertragugsfehler i eier Sequez fester Läge, Azahl defekte Stücke uter Eiheite, Azahl Bluter uter Kabe, Azahl Mädche uter Kider, Azahl vo Objekte, die regulär verteilt sid (zeitlich oder räumlich) Geometrisch Azahl gekaufte Lose bis zu eiem Gewi Hypergeometrisch Ziehe ohe Zurücklege, Capture-Recapture Negative Biomial Azahl vo Objekte, die geklumpt verteilt sid (zeitlich oder räumlich), Azahl Cor-Flakes-Käufe Poisso Azahl Todesfälle pro Jahr, Bakterie i 0ml Lösug, Fahrzeuge vor eier Ampel, Telephoarufe pro 5 Mi. Stetig Uiform Zufallszahl zwische 0 ud Expoetial Warte- oder Überlebeszeite zwische Ereigisse, die poissoverteilt sid ( ohe Gedächtis ), Aufahmezeite vo eurologische Rezeptore Gamma Warte- oder Ueberlebeszeite mit Klumpug, Zeit zwische zwei Erdbebe Normal Messfehler, Lägemessuge, Mittelwerte (ZGS) 6