Wahrscheinlichkeits - rechnung und Statistik

Transkript

1 Michael Sachs Mathematik-Studienhilfen Wahrscheinlichkeits - rechnung und Statistik für Ingenieurstudenten an Fachhochschulen 4., aktualisierte Auflage

2 2.2 Eindimensionale Häufigkeitsverteilungen 19 absolute und relative Häufigkeitsverteilung an, wobei nicht alle Klassen gleich lang sind, sowie die Klassenbreiten, -dichten und -mitten: j Klasse K j von a j min bis unter b j min h j f j d j h j m j , ,0 1, , ,5 3, , ,0 5, , ,0 7, , ,0 9, , ,4 12, , ,8 22,5 Σ ,0000 Die grafische Darstellung einer klassierten Häufigkeitsverteilung erfolgt mittelseines Histogramms. Es besteht aus soviel Rechtecken wie Klassen, deren Grundlinien auf der waagerechten Achse (der Merkmalsachse) die Klasseneinteilung wiedergeben. Die Flächeninhalte sollen dabei den Häufigkeiten h j proportional sein. Deshalb muss die Höhe von Rechteck j gleich der Klassendichte h j sein, sonst würden Klassen mit großer Breite überproportional gewichtet, und es entstünde ein falscher optischer Eindruck. Bild 2.4 gibt ein ehrliches Histogramm zum vorigen Beispiel an in dem Sinne, dass die Flächeninhalte die tatsächlichen Klassenbesetzungszahlen wiedergeben. Bild 2.4: Histogramm zu den Telefongesprächen

3 20 2 Beschreibende Statistik Aufgabe 2.4 Bei einer Population von n = 30 Versuchstieren wird an einem bestimmen Tag das Gewicht gemessen. Man erhält folgende Urliste: lfd. Nr. Gewicht in kg ,16 11,53 14,02 11,85 10,94 11, ,94 11,46 13,15 12,70 10,88 13, ,04 10,95 14,78 12,39 13,69 11, ,28 12,96 13,24 13,42 12,23 15, ,34 12,28 13,42 13,93 14,73 11,28 a) Erstellen Sie, um einen besseren Überblick über die Verteilung der statistischen Masse bezüglich der Gewichte zu erhalten, eine absolute klassierte Häufigkeitsverteilung mit den (gleich langen) Klassen: 10 kg bis unter 11 kg, 11 kg bis unter 12 kg usw. b) Stellen Sie die absolute klassierte Häufigkeitsverteilung im Histogramm dar. 2.3 Kumulierte Häufigkeiten und empirische Verteilungsfunktion Häufig interessiert man sich für Fragestellungen der folgenden Art: Welcher Anteil der statistischen Masse liegt (bezüglich eines bestimmten Merkmals) unterhalb oder oberhalb einer bestimmten Grenze, oder zwischen zwei Grenzen? Welche Merkmalsausprägung x p hat die Eigenschaft, dass der Anteil p der statistischen Masse unterhalb x p und der Rest oberhalb davon liegt? Solche Fragen beantwortet die kumulierte Häufigkeitstabelle und ihre grafische Darstellung. Sie können nur konstruiert werden, wenn das Merkmal X eine Anordnung seiner Werte der Größe nach gestattet, also qualitativordinal oder quantitativ ist.

4 2.3 Kumulierte Häufigkeiten und empirische Verteilungsfunktion 21 Definition 2.3 Seien h j und f j die absolute und relative Häufigkeit der Merkmalsausprägung a j bzw. der Klasse K j, wobei die a j bzw. K j der Größe nach geordnet sein sollen. Dann heißt H j := h 1 + h h j = j h k (2.10) k=1 die kumulierte absolute Häufigkeit der Ausprägung a j bzw. der Klasse K j und analog F j := f 1 + f f j = j f k (2.11) k=1 ihre kumulierte relative Häufigkeit. Beispiel 2.8 Erstellen Sie eine relative kumulierte Häufigkeitstabelle zu den Daten aus Beispiel 2.6. Bestimmen Sie damit die Anteile der Studierenden mit: a) höchstens neun Semestern; b) acht oder mehr Semestern; c) sieben bis neun Semestern. Lösung: j Semesterzahl a j rel. Häufigkeit einfach f j kumuliert F j 1 6 0,0667 0, ,2667 0, ,3333 0, ,2000 0, ,1000 0, ,0333 1,0000 Daraus liest man ab (X := Semesterzahl): a) Anteil mit X 9: F 4 =0,8667 oder 86,67 %. b) Anteil mit X 8: 1 F 2 =1 0,3333 = 0,6667 oder 66,67 %.

5 22 2 Beschreibende Statistik c) Anteil mit 7 X 9: F 4 F 1 =0,8667 0,0667 = 0,8000 oder 80 %. (Die %-Angabe ist bei einer Gesamtzahl von n<100 lt. [9] fragwürdig.) Ganz analog bilden wir die kumulierten Häufigkeiten bei einer klassierten Verteilung eines stetigen Merkmals. Beispiel 2.9 Bestimmen Sie für die Telefongespräche aus Beispiel 2.7 die relativen kumulierten Häufigkeiten F j. Wie viel Prozent der Gespräche dauerten unter acht Minuten? Lösung: j Klasse K j von a j min bis unter b j min relativ, einfach f j relativ, kumuliert F j ,3300 0, ,2222 0, ,1440 0, ,1016 0, ,0664 0, ,0854 0, ,0504 1,0000 Daraus lesen wir ab, dass 79,78 % der Telefongespräche unter acht Minuten dauerten. Für den weiteren Umgang mit kumulierten Häufigkeiten F j ist es sinnvoll, diese auf eine Funktion auszuweiten, die für alle reellen Zahlen erklärt ist: Definition 2.4 Die empirische Verteilungsfunktion F (x) ist für eine statistische Masse, die nicht in Klassen eingeteilt ist, gegeben durch F (x) := f j. (2.12) a j x Ist die statistische Masse dagegen in Klassen [a j ; b j ) eingeteilt, entsteht F (x), indem man die Stützpunkte (b j ; F j ),j=0,..., m, durch Strecken verbindet. Dabei wird b 0 := a 1 und F 0 := 0 gesetzt.

6 2.3 Kumulierte Häufigkeiten und empirische Verteilungsfunktion 23 Empirisch heißt: durch Beobachtung gewonnen. Der Begriff wird häufig verwendet als Gegensatz zu theoretisch : durch Überlegung und Modellbildung gewonnen. Wir erhalten so für ein unklassiertes Merkmal eine monoton wachsende Treppenfunktion, die genau an den Stellen a j Sprünge der Höhe f j aufweist. An den Sprungstellen selbst ist wegen des Kleiner-gleich-Zeichens in (2.12) immer der größere Wert zu nehmen, mathematisch ausgedrückt: Die Treppenfunktion ist rechtsseitig stetig. Bild 2.5 zeigt die empirische Verteilungsfunktion für die Semesterzahlen. Bild 2.5: Empirische Verteilungsfunktion F (x) der Semesterzahlen Bei einem klassierten Merkmal wird durch die Strecken einerseits eine stetige Funktion erzeugt, andererseits drückt man dadurch aus, dass über die Verteilung des Merkmals innerhalb einer Klasse nichts Näheres bekannt ist. Man nimmt dann an, dass die Merkmalsausprägungen innerhalb einer Klasse gleichmäßig über die gesamte Klassenbreite verteilt sind. Die empirische Verteilungsfunktion ist beim klassierten Merkmal eine monoton wachsende stetige Funktion mit dem Wertebereich [0; 1]. Es gilt die Näherung F (x) Anzahl Elemente mit Merkmalsausprägung x. n Falls x mit einer Klassengrenze zusammenfällt, gilt sogar exakte Gleichheit, ansonsten ist F (x) wegen des Informationsverlustes durch die Klassenbildung nur eine Näherung. Bild 2.6 zeigt die empirische Verteilungsfunktion für die Dauer der Telefongespräche.