Die Wahrscheinlichkeitsdichtefunktion der Normalverteilung und ihre Eigenschaften werden beginnend mit dargestellt die Wahrscheinlichkeitshistogramme .
Zur Hervorhebung wird ein normalverteilter Datensatz mit Mittelwert \( \mu = 3,5 \) und einer Standardabweichung \( \sigma = 1 \) verwendet
die Verbindung zwischen dem Wahrscheinlichkeitshistogramm der Daten und der Normaldichtefunktion, die zur Definition der Normalverteilung führt.
Diagramme von Normalverteilungen werden dargestellt, um die Auswirkungen des Mittelwerts \( \mu \) und der Standardabweichung \( \sigma \) auf die hervorzuheben Normalverteilung.
Die Eigenschaften der Normalverteilungen werden vorgestellt. Die Standardnormalverteilung wird definiert und die Schritte werden verwendet, um von Normalverteilungen zur Standardnormalverteilung unter Verwendung des Z-Scores werden dargestellt.
Beispiele für Berechnungen von Wahrscheinlichkeiten von Normalverteilungen sind enthalten.
Eine PDF-Tabelle sowie ein Google-Sheet für Standardnormalverteilungsflächenwerte sind enthalten und beide können heruntergeladen und in Berechnungen verwendet werden.
In Abbildung 1 sind die Wahrscheinlichkeitshistogramme von drei Daten dargestellt Sätze. Die Daten im Histogramm A sind links stärker konzentriert. Die Daten im Histogramm B sind rechts stärker konzentriert; und die Daten im Histogramm C werden verteilt.
Abbildung 1
\( \mu \approx 3,5 \) , Median \( \approx 3,5 \)
Abbildung 2
Die Verteilung ist symmetrisch und wird weiter unten genauer besprochen.
Das Wahrscheinlichkeitshistogramm eines Datensatzes mit 2560 Datenwerten in einer Google-Tabelle Datendatei (1) wird unten angezeigt. Die Daten in dieser Datei können heruntergeladen und für weitere Übungen verwendet werden.
Berechnungen des Mittelwerts, des Medians und der Standardabweichung dieser Daten, die mithilfe von Google-Tabellen durchgeführt wurden, werden unten angezeigt. Auf das nächste Zehntel gerundet ist der Mittelwert dieses Datensatzes \( \mu \) gleich \( 3,5 \) und seine Standardabweichung stdev ist gleich \( 1 \). Beachten Sie auch, dass der Mittelwert und der Median sehr nahe beieinander liegen.
Abbildung 3
Abbildung 4
Abbildung 5
Die Wahrscheinlichkeitsdichtefunktion einer Normalverteilung mit Mittelwert \( \mu \) und Standardabweichung \( \sigma \) ist definiert durch \[ \boxed {\displaystyle f_X(x) = \dfrac{1}{ \sigma \sqrt{2 \; \pi }} \; e^{-\frac{1}{2} \left( \dfrac{x - \mu}{\sigma} \right)^2 } } \] wobei \( X \) die normalverteilte Zufallsvariable ist.
In Abbildung 6 unten sind normale Wahrscheinlichkeitsdichtefunktionen mit der gleichen Standardabweichung \( \sigma = 2 \) und unterschiedlichen Mittelwerten dargestellt.
Abbildung 6
Abbildung 7
1-Die Normalverteilung konzentriert sich auf den Mittelwert. Dies ist in den Abbildungen 6 und 7 deutlich zu erkennen.
2 - Der Mittelwert und der Median einer Normalverteilung liegen sehr nahe beieinander (theoretisch gleich).
3 – Die Gesamtfläche unter der Kurve einer Normalverteilung ist gleich \( 1 \).
\[ \displaystyle \dfrac{1}{ \sigma \sqrt{2 \; \pi }} \int_{-\infty}^{\infty} \; e^{-\frac{1}{2} \left( \dfrac{x - \mu}{\sigma} \right)^2 } dx = 1 \]
4 – Die Datenverteilung ist wie folgt
a) Ungefähr \( 68\% \) der Daten liegen innerhalb einer Standardabweichung vom Mittelwert.
\[ \displaystyle \frac{1}{\sigma\sqrt{2\pi}} \int _{\mu-\sigma}^{\mu+\sigma}\:e^{-0.5\left(\frac{x-mu}{\sigma}\right)^2}dx \approx 0,68268\]
Abbildung 8
b) Ungefähr \( 95\% \) der Daten liegen innerhalb von 2 Standardabweichungen vom Mittelwert. \[ \frac{1}{\sigma\sqrt{2\pi \:}}\: \int _{\mu-2\sigma}^{\mu+2\sigma}\:e^{-0.5\left(\frac{x-mu}{\sigma}\right)^2}dx \approx 0,95449 \]Abbildung 9
c) Ungefähr \( 99\% \) der Daten liegen innerhalb von 3 Standardabweichungen vom Mittelwert. \[ \frac{1}{\sigma\sqrt{2\pi \:}}\: \int _{\mu-3\sigma}^{\mu+3\sigma}\:e^{-0.5\left(\frac{x-mu}{\sigma}\right)^2}dx \approx 0,99730 \]Abbildung 10
Die Normalverteilung mit Mittelwert \( \mu = 0 \) und Standardabweichung \( \sigma = 1 \) wird Standardnormalverteilung genannt und ihre Wahrscheinlichkeitsdichtefunktion ist gegeben durch \[ f_X(x) = \dfrac{1}{ \sqrt{2 \; \pi }} \; e^{-\frac{1}{2} x^2 } \] Die kumulative Wahrscheinlichkeitsverteilung der Standardnormalverteilung wird definiert durch \[ \displaystyle F_{X} (x) = \dfrac{1}{ \sqrt{2 \; \pi }} \int_{-\infty}^{x} \; e^{-\frac{1}{2} t^2} \; dt \] und wird verwendet, um Wahrscheinlichkeiten der Form zu finden \[ P( X \le a) = F_{X} (a) \]
Abbildung 11
Somit \( P( X \le a) \) ist gegeben durch die Fläche zwischen der x-Achse, der Kurve der Standardnormalverteilung und \( x = a \)
Abbildung 12
Die Normalverteilung des Mittelwerts \( \mu \) und der Standardabweichung \( \sigma \) ist gegeben durch
\[ \displaystyle f_{X}(x) = \frac{1}{\sigma\sqrt{2\pi \:}}\:e^{-\frac{1}{2}\left(\frac{ x-\mu}{\sigma}\right)^2} \]
Die Wahrscheinlichkeit \( P( X \le a) \) ist durch die Fläche zwischen der x-Achse, der Kurve der Normalverteilung und \( x = a \) gegeben und beträgt
\[ \displaystyle P( X \le a) = F_{X} (a) = \frac{1}{\sigma \sqrt{2\pi \:}}\:\int_{-\infty}^{a} \; e^{- \frac{1}{2} \left(\frac{t - \mu}{\sigma}\right)^2} \; dt \]
Lassen Sie uns die Substitution im Integral verwenden
\( z = \frac{t - \mu}{\sigma} \), was \( \dfrac{dz}{dt} = \dfrac{1}{\sigma} \) ergibt und in das obige Integral einsetzt
\[ \displaystyle P( X \le a) = F_{X} (a) = \frac{1}{\sqrt{2\pi \:}}\:\int_{-\infty}^{\frac{a - \mu}{\sigma}} \; e^{- \frac{1}{2} z^2} \; dz \]
Wir befassen uns nun mit dem Integral der Standardnormalverteilung und dem z-Score gegeben durch.
\[ z = \frac{a - \mu}{\sigma} \]
Das obige Ergebnis zeigt uns, dass Sie nur das Integral der Standardnormalverteilung kennen müssen, um die Wahrscheinlichkeit im Zusammenhang mit einer Normalverteilung zu berechnen, und zwar unter Verwendung des oben definierten Z-Scores.
Das Integral
\[ \frac{1}{\sqrt{2\pi \:}}\:\int_{-\infty}^{z_0} \; e^{- \frac{1}{2} z^2} \; dz \]
kann mithilfe von Google-Tabellen berechnet werden, die für den persönlichen Gebrauch heruntergeladen werden können.
und wird auch in der Form angegeben
Tabelle der Normalverteilung im PDF-Format kann sein heruntergeladen und verwendet werden.
Beispiel 1
Eine Zufallsvariable \( X \) wird normalerweise mit einem Mittelwert \( \mu = 2,2 \) und einer Standardabweichung \( \sigma = 2,5 \) verteilt. Finden Sie die Wahrscheinlichkeit
a) \( \qquad P( X \le 1.2) \)
Lösung zu Beispiel 1
In diesem Beispiel haben wir \( \mu = 2,2 \) und \( \sigma = 2,5 \), daher ist der oben definierte z-Score gegeben durch
\[ z = \frac{1,2 - 2,2}{2,5} \approx -0,4 \]
Verschiedene Möglichkeiten, das Integral zu berechnen
a) Mit einem Taschenrechner wird die Wahrscheinlichkeit angegeben durch
\[ P( X \le 1.2) = \frac{1}{\sqrt{2\pi \:}}\:\int_{-\infty}^{-0.4} \; e^{- \frac{1}{2} z^2} \; dz \approx 0,34457 \]
b) Verwenden Sie eine Wertetabelle für die Wahrscheinlichkeit einer Standardnormalverteilung, die möglicherweise vorliegt
heruntergeladen für den persönlichen Gebrauch.
Abbildung 13
HINWEIS a Tabelle der Normalverteilung im PDF-Format kann heruntergeladen und verwendet werden.