Nachtrag zu Mittelwerten und MaÃen der Dispersion ... - IPdS in Kiel
Nachtrag zu Mittelwerten und MaÃen der Dispersion ... - IPdS in Kiel
Nachtrag zu Mittelwerten und MaÃen der Dispersion ... - IPdS in Kiel
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Modul G.1 WS 06/07: Statistik 15.11.2006 2<br />
Johnson (2004, p.14) beschreibt diese mittlere Tendenz als das <strong>zu</strong>gr<strong>und</strong>eliegende Merkmal,<br />
das wir bei Experimenten herausf<strong>in</strong>den wollen, das aber durch <strong>zu</strong>fällige Fehler „verfälscht“<br />
wird. Für die <strong>zu</strong>fälligen Fehler gilt, dass die größeren Abweichungen seltener auftreten,<br />
weshalb sich die Verteilung <strong>zu</strong> den Rän<strong>der</strong>n h<strong>in</strong> an null annähert.<br />
Die beson<strong>der</strong>e Bedeutung <strong>der</strong> Normalverteilung beruht unter an<strong>der</strong>em auf dem zentralen<br />
Grenzwertsatz, <strong>der</strong> besagt, dass e<strong>in</strong>e Summe von n unabhängigen, identisch verteilten<br />
Zufallsvariablen im Grenzwert<br />
normalverteilt ist. Das bedeutet, dass man<br />
Zufallsvariablen dann als normalverteilt ansehen kann, wenn sie durch Überlagerung e<strong>in</strong>er<br />
großen Zahl von E<strong>in</strong>flüssen entstehen, wobei jede e<strong>in</strong>zelne E<strong>in</strong>flussgröße e<strong>in</strong>en im Verhältnis<br />
<strong>zu</strong>r Gesamtsumme unbedeutenden Beitrag liefert.<br />
Beispiel:<br />
Auf e<strong>in</strong>er Hühnerfarm mit sehr vielen Hühnern werden e<strong>in</strong>e Woche lang die e<strong>in</strong>zelnen Eier<br />
gewogen. Def<strong>in</strong>ieren wir die Zufallsvariable X: Gewicht e<strong>in</strong>es Eis <strong>in</strong> Gramm. Es stellt sich<br />
heraus, dass e<strong>in</strong> Ei im Durchschnitt 50 g wiegt. Der Erwartungswert EX (o<strong>der</strong> auch µ) ist<br />
daher 50. Außerdem sei bekannt, dass die Varianz s 2 (x) = 25 g 2 beträgt. Man kann die<br />
Verteilung des Gewichts annähernd wie <strong>in</strong> <strong>der</strong> Grafik darstellen. Man sieht, dass sich die<br />
meisten Eier <strong>in</strong> <strong>der</strong> Nähe des Erwartungswerts 50 bef<strong>in</strong>den <strong>und</strong> dass die Wahrsche<strong>in</strong>lichkeit,<br />
sehr kle<strong>in</strong>e o<strong>der</strong> sehr große Eier <strong>zu</strong> erhalten, sehr kle<strong>in</strong> wird. Wir haben hier e<strong>in</strong>e<br />
Normalverteilung vor uns. Sie ist typisch für Zufallsvariablen, die sich aus sehr vielen<br />
verschiedenen E<strong>in</strong>flüssen <strong>zu</strong>sammensetzen, die man nicht mehr trennen kann, z.B. Gewicht<br />
des Huhns, Alter, Ges<strong>und</strong>heit, Standort, Vererbung usw.<br />
Die Normalverteilung ist symmetrisch bezüglich μ. Die Verteilung P(X ≤ a) von X ist die<br />
Fläche unter dem Graph <strong>der</strong> Dichtefunktion. Sie wird bezeichnet als<br />
Beispielsweise beträgt die Wahrsche<strong>in</strong>lichkeit, dass e<strong>in</strong> Ei höchstens 55 g wiegt, 0,8413. Das<br />
entspricht <strong>der</strong> roten Fläche <strong>in</strong> <strong>der</strong> Abbildung.