G:\Statistiske grundbegreber-v8\s1v8-forside.wpd
G:\Statistiske grundbegreber-v8\s1v8-forside.wpd
G:\Statistiske grundbegreber-v8\s1v8-forside.wpd
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Vigtige diskrete fordelinger<br />
Eksempel 7.14: Approksimation af binomialfordeling med normalfordeling.<br />
En kunde til de i eksempel 2.3 producerede plastikkasser køber kasserne i partier på 2000. Kunden<br />
godkender et parti efter en stikprøvekontrol, hvor der udtages 100 kasser. Hvis antallet af defekte<br />
kasser i stikprøven højst er 14 godkendes hele partiet. I modsat fald kasseres partiet.<br />
Hvor stor er sandsynligheden for at et parti bliver godkendt, hvis der er 300 defekte kasser i hele<br />
partiet på de 2000.<br />
LØSNING:<br />
Lad X være antallet af defekte kasser i stikprøven. Vi ønsker at udregne P( X ≤ 14)<br />
.<br />
Umiddelbart er X hypergeometrisk fordelt med N = 2000, M = 300, og n = 100.<br />
⎛ n 100 1 ⎞<br />
Da stikprøvestørrelsen er lille ⎜ = < ⎟ kan fordelingen af X umiddelbart approksimeres<br />
⎝ N 2000 10⎠<br />
med binomialfordelingen b (100, p), hvor p (se appendiks 7.1). Dette giver<br />
M 300<br />
= = = 015 .<br />
N 2000<br />
ved benyttelse af en lommeregner som TI-89 at P( X ≤ 14)<br />
= 45.72%.<br />
Idet n⋅ p=<br />
15 > 5 , kan i stedet for approksimeres med normalfordelingen med<br />
µ = 15 og σ = 15⋅ 0. 85 = 357 . .<br />
Ved hjælp af denne approksimation kan vi beregne:<br />
P( X ≤ 14)<br />
= normCdf( −∞,<br />
14.5, 15, 3.57) = 44.43%<br />
Det ses, at der er ca. 1.5 % afvigelse, hvilket normalt ingen betydning har.<br />
Approksimation af Poissonfordeling til normalfordeling.<br />
Approksimation af en Poissonfordeling med en normalfordeling baseres på, at det gælder, at<br />
tæthedsfunktionen for Poissonfordelingen p( µ ) nærmer sig ubegrænset til normalfordelingen<br />
3) n( µ , σ ) med samme middelværdi µ ogσ = µ når µ → ∞ .<br />
Approksimation af en Poissonfordeling med en normalfordeling anses i praksis for at være<br />
tilfredsstillende, når µ ≥ 10 , jævnfør den skematiske oversigt i appendix 7.1.<br />
Da Poissonfordelingen kun antager heltalsværdier, medens en normalfordeling kan antage alle<br />
værdier på talaksen, må der ved approksimationen benyttes heltalskorrektion (korrektion for<br />
kontinuitet) helt analogt med den tilsvarende situation ved approksimation af en binomialfordeling<br />
med en normalfordeling.<br />
⎛ 1 x + − µ ⎞<br />
⎛ 1 x − − µ ⎞<br />
2<br />
2<br />
Vi får derfor for µ ≥ 10 P( X ≤ x)<br />
= Φ⎜<br />
,<br />
⎜<br />
⎟<br />
P( X < x)<br />
= Φ⎜<br />
⎝ µ<br />
⎜<br />
⎟<br />
⎠<br />
⎝ µ<br />
⎠<br />
3)<br />
Matematisk formulering: Lad X være fordelt p( µ ) For den normerede variabelY<br />
gælder, at PY ( ≤ y) ⎯ → Φ(<br />
y)<br />
for ethvert tal y.<br />
⎯⎯ µ →∞<br />
100<br />
=<br />
X<br />
− µ<br />
µ