Lessons and exercises follow the school system and stay in its language.Les leçons et les exercices suivent le système scolaire et restent dans sa langue.Lektionen und Übungen folgen dem Schulsystem und bleiben in seiner Sprache.

Stetige Zufallsgrößen und Normalverteilung

Kapitel drucken

Alle Lektionen des Kapitels, bereit für Papier. Die Aufgabenserien heißen A, B, C… und die Lösungen stehen am Ende.

Für ein PDF wähle im Druckdialog „Als PDF speichern“.

1. Stetige Verteilungen mit Dichte

Aufwärmen

Drei schnelle Fragen zu früheren Lektionen.

  1. Berechne ∫03x2 dx\displaystyle\int_0^{ 3 } x^2\,\mathrm{d}x.
  2. Berechne ∫0π/5cos⁡x dx\displaystyle\int_0^{\pi/5} \cos x\,\mathrm{d}x. Gib den exakten Wert an.
  3. Berechne ∫−14(2x+1) dx\displaystyle\int_{ -1 }^{ 4 } (2x + 1)\,\mathrm{d}x.

Entdecken

XX ist eine stetige Zufallsgröße mit einer Dichtefunktion. Wie groß ist P(X=2)P(X = 2)?

  1. 00
  2. f(2)f(2)

Die Grundidee

Eine Wahrscheinlichkeit ist eine Fläche unter dem Graphen der Dichtefunktion.

ff ist eine Dichtefunktion auf [a;b][a; b], wenn f≥0f \geq 0 und ∫abf(x) dx=1\displaystyle\int_a^b f(x)\,\mathrm{d}x = 1. Dann gilt P(c≤X≤d)=∫cdf(x) dxP(c \leq X \leq d) = \displaystyle\int_c^d f(x)\,\mathrm{d}x.

F(x)=P(X≤x)F(x) = P(X \leq x) ist die Verteilungsfunktion. E(X)=∫abxf(x) dxE(X) = \displaystyle\int_a^b xf(x)\,\mathrm{d}x und Var(X)=∫ab(x−E(X))2f(x) dxVar(X) = \displaystyle\int_a^b (x - E(X))^2f(x)\,\mathrm{d}x.

Beispiel

f(x)=2xf(x) = 2x auf [0;1][0; 1]. Berechne P(X≤0,5)P(X \leq 0{,}5) und E(X)E(X).

P(X≤0,5)=0,52=0,25P(X \leq 0{,}5) = 0{,}5^2 = 0{,}25
Stammfunktion x².
E(X)=∫012x2 dx=23E(X) = \displaystyle\int_0^1 2x^2\,\mathrm{d}x = \dfrac{2}{3}
Erwartungswert.

Du bist dran

Jetzt du: ff ist eine Dichtefunktion auf [0;1][0; 1]. Welchen Wert hat ∫01f(x) dx\displaystyle\int_0^1 f(x)\,\mathrm{d}x?

11
Gesamtfläche.

Üben ★

  1. f(x)=2xf(x) = 2x ist eine Dichtefunktion auf [0;1][0; 1]. Berechne P(X≤12)P\left(X \leq \dfrac{1}{ 2 }\right).
  2. f(x)=2xf(x) = 2x ist eine Dichtefunktion auf [0;1][0; 1]. Berechne P(X≤121)P\left(X \leq \dfrac{1}{ 21 }\right).
  3. f(x)=2xf(x) = 2x ist eine Dichtefunktion auf [0;1][0; 1]. Berechne P(X≤13)P\left(X \leq \dfrac{1}{ 3 }\right).

Vorsicht!

Üben ★★

  1. f(x)=kxf(x) = kx ist eine Dichtefunktion auf [0;4][0; 4]. Bestimme kk.
  2. f(x)=kxf(x) = kx ist eine Dichtefunktion auf [0;22][0; 22]. Bestimme kk.
  1. XX ist eine stetige Zufallsgröße. Wie groß ist P(X=2)P(X = 2)?
    1. 0
    2. f(2)f(2)
    3. 1
  1. ff ist auf [0;4][0; 4] konstant gleich kk und eine Dichtefunktion. Wie groß ist kk?

Abschlusscheck

Drei Fragen zum Abschluss: Sitzt es?

  1. f(x)=2xf(x) = 2x ist eine Dichtefunktion auf [0;1][0; 1]. Berechne P(X≤12)P\left(X \leq \dfrac{1}{ 2 }\right).
  2. f(x)=2xf(x) = 2x ist eine Dichtefunktion auf [0;1][0; 1]. Berechne P(X≤121)P\left(X \leq \dfrac{1}{ 21 }\right).
  3. f(x)=2xf(x) = 2x ist eine Dichtefunktion auf [0;1][0; 1]. Berechne P(X≤13)P\left(X \leq \dfrac{1}{ 3 }\right).

Merkkarte

Stetige Zufallsgrößen

  • Wahrscheinlichkeit = Fläche unter der Dichtefunktion.
  • P(X=a)=0P(X = a) = 0.

Achtung: Die Dichte ist keine Wahrscheinlichkeit.

Ein Schritt ist freiwillig: eine Herausforderung. Probier sie aus oder beende die Lektion jetzt.

Herausforderung ★★★

  1. XX hat die Dichte f(x)=5x4f(x) = 5x^{ 4 } auf [0;1][0 ; 1]. Berechne E(X)E(X).

2. z-Werte und das Normalverteilungsmodell

Entdecken

Die blaue Kurve ist die Dichte einer Normalverteilung mit Erwartungswert mm und Standardabweichung ss. Verändere die beiden Werte.

Eine Glockenkurve mit Erwartungswert m und Standardabweichung s: symmetrisch um m, breiter und flacher, wenn s wächst.

Was passiert mit der Kurve, wenn ss größer wird?

  1. Sie wird breiter und flacher
  2. Sie verschiebt sich nach rechts

Die Grundidee

Zum Vergleichen standardisiert man; dazu kommen die Sigma-Regeln.

Standardisieren: z=x−μσz = \dfrac{x - \mu}{\sigma} gibt an, um wie viele Standardabweichungen xx über dem Erwartungswert liegt. Sigma-Regeln für eine Normalverteilung: etwa 68 % der Werte liegen in [μ−σ;μ+σ][\mu - \sigma; \mu + \sigma], 95 % in [μ−2σ;μ+2σ][\mu - 2\sigma; \mu + 2\sigma], 99,7 % in [μ−3σ;μ+3σ][\mu - 3\sigma; \mu + 3\sigma].

Beispiel

Ein Leistungstest hat den Erwartungswert 520 und die Standardabweichung 110. Ein Ergebnis von 685.

z=1,5z = 1{,}5
(685 − 520)/110.
Zwischen 300 und 740: etwa 95 % der Ergebnisse
Innerhalb von 2σ: etwa 95 %.
Über 740: etwa 2,5 %
Die Hälfte der restlichen 5 %.

Du bist dran

Jetzt du: Erwartungswert 70, Standardabweichung 5. Der z-Wert von 62.

z=−1,6z = -1{,}6
(62 − 70)/5.

Üben ★

  1. Testergebnisse haben den Erwartungswert 61 und die Standardabweichung 10. Bestimme den z-Wert des Ergebnisses 48.
  2. Testergebnisse haben den Erwartungswert 309 und die Standardabweichung 34. Bestimme den z-Wert des Ergebnisses 437.
  3. Testergebnisse haben den Erwartungswert 58 und die Standardabweichung 2. Bestimme den z-Wert des Ergebnisses 62.

Vorsicht!

Üben ★★

  1. Körpergrößen sind näherungsweise normalverteilt mit Erwartungswert 76 und Standardabweichung 4. Wie viel Prozent liegen nach den Sigma-Regeln zwischen 72 und 84?
  2. Körpergrößen sind näherungsweise normalverteilt mit Erwartungswert 69 und Standardabweichung 6. Wie viel Prozent liegen nach den Sigma-Regeln zwischen 63 und 81?
  1. Erwartungswert 72, Standardabweichung 2. Welcher Wert hat den z-Wert −3-3?
  2. Erwartungswert 295, Standardabweichung 16. Welcher Wert hat den z-Wert 11?

Abschlusscheck

Drei Fragen zum Abschluss: Sitzt es?

  1. Testergebnisse haben den Erwartungswert 61 und die Standardabweichung 10. Bestimme den z-Wert des Ergebnisses 48.
  2. Testergebnisse haben den Erwartungswert 309 und die Standardabweichung 34. Bestimme den z-Wert des Ergebnisses 437.
  3. Testergebnisse haben den Erwartungswert 58 und die Standardabweichung 2. Bestimme den z-Wert des Ergebnisses 62.

Merkkarte

Normalverteilung und Sigma-Regeln

  • z=(x−μ)/σz = (x - \mu)/\sigma; x=μ+zσx = \mu + z\sigma.
  • 68 %, 95 %, 99,7 % innerhalb von 1σ, 2σ, 3σ.

Achtung: Die Prozentsätze gelten für beide Seiten zusammen.

Ein Schritt ist freiwillig: eine Herausforderung. Probier sie aus oder beende die Lektion jetzt.

Herausforderung ★★★

  1. Testergebnisse haben den Erwartungswert 68. Das Ergebnis 74 hat den z-Wert 2. Wie groß ist die Standardabweichung?

3. Normalverteilung: Φ und symmetrische Intervalle

Aufwärmen

Drei schnelle Fragen zu früheren Lektionen.

  1. Testergebnisse haben den Erwartungswert 61 und die Standardabweichung 10. Bestimme den z-Wert des Ergebnisses 48.
  2. Körpergrößen sind näherungsweise normalverteilt mit Erwartungswert 76 und Standardabweichung 4. Wie viel Prozent liegen nach den Sigma-Regeln zwischen 72 und 84?
  3. Erwartungswert 72, Standardabweichung 2. Welcher Wert hat den z-Wert −3-3?

Entdecken

Die Kurve ist die Dichte der Standardnormalverteilung. Φ(z)\Phi(z) ist die Fläche links von zz. Mit Φ(1)≈0,8413\Phi(1) \approx 0{,}8413: Wie groß ist die Fläche rechts von 1?

  1. 0,15870{,}1587
  2. 0,84130{,}8413

Die Grundidee

Jede Normalverteilung führst du über z=x−μσz = \dfrac{x - \mu}{\sigma} auf Φ\Phi zurück.

Ist XX normalverteilt mit μ\mu und σ\sigma, so gilt P(X≤x)=Φ(x−μσ)P(X \leq x) = \Phi\left(\dfrac{x - \mu}{\sigma}\right) und P(X≥x)=1−Φ(x−μσ)P(X \geq x) = 1 - \Phi\left(\dfrac{x - \mu}{\sigma}\right).

Symmetrie: Φ(−z)=1−Φ(z)\Phi(-z) = 1 - \Phi(z). Für ein symmetrisches Intervall gilt P(μ−c≤X≤μ+c)=2 Φ(cσ)−1P(\mu - c \leq X \leq \mu + c) = 2\,\Phi\left(\dfrac{c}{\sigma}\right) - 1.

Beispiel

Füllmengen sind normalverteilt mit μ=500\mu = 500 g und σ=4\sigma = 4 g. Gegeben ist Φ(1,5)≈0,9332\Phi(1{,}5) \approx 0{,}9332. Berechne P(494≤X≤506)P(494 \leq X \leq 506).

z=64=1,5z = \dfrac{6}{4} = 1{,}5
Symmetrisches Intervall mit c = 6.
2⋅0,9332−12 \cdot 0{,}9332 - 1
Formel für symmetrische Intervalle.
P(494≤X≤506)≈0,8664P(494 \leq X \leq 506) \approx 0{,}8664
Ergebnis.

Du bist dran

Jetzt du: μ=20\mu = 20, σ=5\sigma = 5, Φ(2)≈0,9772\Phi(2) \approx 0{,}9772. Berechne P(X≥30)P(X \geq 30).

1−Φ(2)1 - \Phi(2)
z = (30 − 20)/5 = 2.
0,02280{,}0228
Rest rechts von z = 2.

Üben ★

  1. XX ist normalverteilt mit μ=71\mu = 71 und σ=7\sigma = 7. Gegeben ist Φ(1)≈0,8413\Phi(1) \approx 0{,}8413. Berechne P(X≤78)P(X \leq 78).
  2. XX ist normalverteilt mit μ=72\mu = 72 und σ=5\sigma = 5. Gegeben ist Φ(1)≈0,8413\Phi(1) \approx 0{,}8413. Berechne P(X≤77)P(X \leq 77).
  1. XX ist normalverteilt mit μ=74\mu = 74 und σ=7\sigma = 7. Gegeben ist Φ(2)≈0,9772\Phi(2) \approx 0{,}9772. Berechne P(X≥88)P(X \geq 88).

Vorsicht!

Üben ★★

  1. XX ist normalverteilt mit μ=44\mu = 44 und σ=8\sigma = 8. Gegeben ist Φ(1)≈0,8413\Phi(1) \approx 0{,}8413. Berechne P(36≤X≤52)P(36 \leq X \leq 52).
  2. XX ist normalverteilt mit μ=71\mu = 71 und σ=3\sigma = 3. Gegeben ist Φ(1)≈0,8413\Phi(1) \approx 0{,}8413. Berechne P(68≤X≤74)P(68 \leq X \leq 74).
  1. XX ist normalverteilt mit μ=48\mu = 48 und σ=3\sigma = 3. Gegeben ist Φ(1)≈0,8413\Phi(1) \approx 0{,}8413. Berechne P(X≤45)P(X \leq 45).

Abschlusscheck

Drei Fragen zum Abschluss: Sitzt es?

  1. XX ist normalverteilt mit μ=71\mu = 71 und σ=7\sigma = 7. Gegeben ist Φ(1)≈0,8413\Phi(1) \approx 0{,}8413. Berechne P(X≤78)P(X \leq 78).
  2. XX ist normalverteilt mit μ=72\mu = 72 und σ=5\sigma = 5. Gegeben ist Φ(1)≈0,8413\Phi(1) \approx 0{,}8413. Berechne P(X≤77)P(X \leq 77).
  3. XX ist normalverteilt mit μ=57\mu = 57 und σ=4\sigma = 4. Gegeben ist Φ(1)≈0,8413\Phi(1) \approx 0{,}8413. Berechne P(X≤61)P(X \leq 61).

Merkkarte

Normalverteilung mit Φ

  • P(X≤x)=Φ(z)P(X \leq x) = \Phi(z) mit z=(x−μ)/σz = (x - \mu)/\sigma.
  • P(X≥x)=1−Φ(z)P(X \geq x) = 1 - \Phi(z) und Φ(−z)=1−Φ(z)\Phi(-z) = 1 - \Phi(z).
  • Symmetrisch: 2 Φ(c/σ)−12\,\Phi(c/\sigma) - 1.

Achtung: Φ gibt die Fläche links an.

Ein Schritt ist freiwillig: eine Herausforderung. Probier sie aus oder beende die Lektion jetzt.

Herausforderung ★★★

  1. XX ist normalverteilt mit μ=47\mu = 47 und σ=9\sigma = 9. Gegeben ist Φ(1)≈0,8413\Phi(1) \approx 0{,}8413. Berechne P(X≥38)P(X \geq 38).

4. Warten auf den ersten Erfolg

Entdecken

Du würfelst mit einem fairen Würfel, bis eine Sechs kommt. Wie viele Würfe dauert das im Mittel?

  1. 6 Würfe
  2. 3,5 Würfe

Die Grundidee

Warten auf den ersten Erfolg.

Gelingt jeder Versuch unabhängig mit der Wahrscheinlichkeit pp, so ist die erwartete Anzahl Versuche bis zum ersten Erfolg

E=1pE = \dfrac{1}{p}.

Beispiel

Ein Glücksrad bleibt mit der Wahrscheinlichkeit 14\tfrac{1}{4} auf Rot stehen. Wie viele Drehungen erwartest du bis zum ersten Rot?

E=11/4E = \dfrac{1}{1/4}
p=14p = \tfrac{1}{4}.
E=4E = 4 Drehungen
11/4=4\dfrac{1}{1/4} = 4.

Du bist dran

Jetzt du: Jeder Versuch gelingt mit der Wahrscheinlichkeit 110\tfrac{1}{10}. Wie viele Versuche erwartest du?

1010
11/10\dfrac{1}{1/10}.

Üben ★

  1. Jeder Versuch gelingt unabhängig mit der Wahrscheinlichkeit 111\tfrac{1}{ 11 }. Wie viele Versuche erwartest du bis zum ersten Erfolg?
  2. Jeder Versuch gelingt unabhängig mit der Wahrscheinlichkeit 115\tfrac{1}{ 15 }. Wie viele Versuche erwartest du bis zum ersten Erfolg?
  3. Jeder Versuch gelingt unabhängig mit der Wahrscheinlichkeit 12\tfrac{1}{ 2 }. Wie viele Versuche erwartest du bis zum ersten Erfolg?

Üben ★★

  1. Ein Maschinenteil fällt an einem Tag mit der Wahrscheinlichkeit 160\tfrac{1}{ 60 } aus. Wie viele Tage dauert es im Mittel bis zum ersten Ausfall?
  2. Ein Maschinenteil fällt an einem Tag mit der Wahrscheinlichkeit 150\tfrac{1}{ 50 } aus. Wie viele Tage dauert es im Mittel bis zum ersten Ausfall?

Abschlusscheck

Zwei Fragen zur Kontrolle.

  1. Jeder Versuch gelingt unabhängig mit der Wahrscheinlichkeit 111\tfrac{1}{ 11 }. Wie viele Versuche erwartest du bis zum ersten Erfolg?
  2. Jeder Versuch gelingt unabhängig mit der Wahrscheinlichkeit 115\tfrac{1}{ 15 }. Wie viele Versuche erwartest du bis zum ersten Erfolg?

Merkkarte

Wartezeit

  • Erwartete Wartezeit =1p= \dfrac{1}{p}.
  • Seltene Ereignisse: im Mittel lange Wartezeiten.

Ingenieure nutzen das für die mittlere Zeit zwischen zwei Ausfällen einer Maschine.

5. Geschichte: Bernoulli, de Moivre und das Gesetz der großen Zahlen

Entdecken

Wirf eine faire Münze 10-mal: Es können gut 7-mal Kopf kommen. Wirf sie 10 000-mal: Der Anteil von Kopf liegt fast immer sehr nah bei 12\tfrac{1}{2}. Wer hat als Erster bewiesen, dass das so sein muss?

  1. Jakob Bernoulli, mit seinem Gesetz der großen Zahlen
  2. Niemand: Es ist nur eine Beobachtung

Die Grundidee

Vom einzelnen Wurf zu vielen.

17001710172017301740175017601713Bernoulli1713Bernoulli
  1. Schritt 117001710172017301740175017601713Bernoulli1713BernoulliJakob I Bernoulli 1655–1705Niklaus Bernoulli (1662-1716), 1687. Gemeinfrei1713: Jakob Bernoullis Ars Conjectandi wird gedruckt, acht Jahre nach seinem Tod. Sie beweist das Gesetz der großen Zahlen.
  2. Schritt 217001710172017301740175017601713Bernoulli1718de Moivre1713Bernoulli1718de MoivreAbraham de Moivre 1667–1754Joseph Highmore, 1736. Gemeinfrei1718: de Moivres Buch The Doctrine of Chances.
  3. Schritt 317001710172017301740175017601713Bernoulli1718de Moivre1733de Moivre1713Bernoulli1718de Moivre1733de MoivreAbraham de Moivre 1667–1754Joseph Highmore, 1736. Gemeinfrei13. November 1733: de Moivre nähert die Binomialverteilung durch die Glockenkurve an.

Jakob Bernoullis Ars Conjectandi (gedruckt 1713, acht Jahre nach seinem Tod) enthält das Gesetz der großen Zahlen. Am 13. November 1733 zeigt Abraham de Moivre, dass die Binomialverteilung bei vielen Versuchen der Glockenkurve gleicht, unserer Normalverteilung.

Beispiel

Bei nn Würfen einer fairen Münze hat die Anzahl XX von Kopf den Erwartungswert n2\tfrac{n}{2} und die Standardabweichung n2\tfrac{\sqrt{n}}{2}.

Erwartungswert 50, Standardabweichung 5
Für n=100n = 100:
0,0050{,}005: sehr nah bei 12\tfrac{1}{2}
Für n=10 000n = 10\,000 hat der Anteil von Kopf die Standardabweichung 5010 000\tfrac{50}{10\,000}.

Üben ★

  1. Was sagt Jakob Bernoullis Gesetz der großen Zahlen (gedruckt 1713)?
    1. Bei vielen Versuchen nähert sich die relative Häufigkeit der Wahrscheinlichkeit
    2. Nach vielen Zahlwürfen wird Kopf wahrscheinlicher
    3. Große Zahlen sind wahrscheinlicher als kleine
  1. Eine faire Münze wird 144-mal geworfen. Mit σ=n2\sigma = \tfrac{\sqrt{n}}{2}: Wie groß ist die Standardabweichung der Anzahl von Kopf?
  2. Eine faire Münze wird 196-mal geworfen. Mit σ=n2\sigma = \tfrac{\sqrt{n}}{2}: Wie groß ist die Standardabweichung der Anzahl von Kopf?
  1. Die Ars Conjectandi wurde 1713 gedruckt, acht Jahre nach Jakob Bernoullis Tod. In welchem Jahr starb er? Addiere 4 zu diesem Jahr.

Merkkarte

Zufallsgrößen heute

  • Umfragen: Eine Stichprobe von 1 000 Personen liefert einen Anteil nah am wahren.
  • Versicherungen und Kasinos beruhen auf dem Gesetz der großen Zahlen.
  • Die Qualitätskontrolle zählt fehlerhafte Teile mit der Binomialverteilung.

Quellen: MacTutor-Biografien von Jakob Bernoulli und Abraham de Moivre (siehe „Quellen und Nachweise“).