Univ.Prof. Dr. Marcus Hudec Normalverteilung.pdf · 2 Statistik 2 für SoziologInnen 3...
-
Upload
nguyendang -
Category
Documents
-
view
214 -
download
0
Transcript of Univ.Prof. Dr. Marcus Hudec Normalverteilung.pdf · 2 Statistik 2 für SoziologInnen 3...
1
Statistik 2 für SoziologInnen 1 Normalverteilung
© M
arcus Hudec
Normalverteilung
Univ.Prof. Dr. Marcus Hudec
Statistik 2 für SoziologInnen
Statistik 2 für SoziologInnen 2 Normalverteilung
© M
arcus Hudec
Inhalte
Themen dieses Kapitels sind:• Das Konzept stetiger Zufallsvariablen
• Die Standard-Normalverteilung
• Die allgemeine Normalverteilung
2
Statistik 2 für SoziologInnen 3 Normalverteilung
© M
arcus Hudec
Stetige Zufalls-Variable
Erweitert man den Begriff der diskreten Zufallsvariable für stetige Merkmale gibt es einige technische Probleme
Die Wahrscheinlichkeit einen bestimmten konkreten Wert zu beobachten ist null, da es ja unendlich viele unterschiedliche Wert gibt.
Eine stetige Zufallsvariable liefert daher Wahrscheinlichkeitswerte immer nur für Intervalle.
Man erhält Wahrscheinlichkeiten indem man eine Fläche evaluiert. Konkret betrachtet man das Integral unter der Dichtefunktion, die das stetige Analogon zur Wahrscheinlichkeitsfunktion bildet.
Statistik 2 für SoziologInnen 4 Normalverteilung
© M
arcus Hudec
Dichtefunktion
f(x) … Dichtefunktion
1) f(x) > 0 für alle x2) Gesamte Fläche unter der Kurve ist 1
Einzelne Werte von f(x) können größer als 1 sein!
f(x) ist eine Dichte aber keine Wahrscheinlichkeit Vergleiche dazu das Histogramm, wo auch die Fläche
als Maß für die Häufigkeit fungiert
3
Statistik 2 für SoziologInnen 5 Normalverteilung
© M
arcus Hudec
Stetige Verteilungsfunktion
Die theoretische Verteilungsfunktion einer steigen Zufallsvariablen X mit Dichtefunktion f(x) bezeichnen wir mit F(x)
Die theoretische Verteilungsfunktion wird durch das Integral (stetiges Analogon zur Summe) definiert
( ) ( ) ( )x
F x P X x f u du
Statistik 2 für SoziologInnen 6 Normalverteilung
© M
arcus Hudec
Beziehung zwischen Dichte- und Verteilungsfunktion
Dichtefunktion f(x) Verteilungsfunktion F(x)
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
0,45
-3,5 -3,0 -2,5 -2,0 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5
0
0,2
0,4
0,6
0,8
1
-4 -3 -2 -1 0 1 2 3 4
4
Statistik 2 für SoziologInnen 7 Normalverteilung
© M
arcus Hudec
Wahrscheinlichkeiten als Integral
P(a X b) = P(X b) - P(X a) = F(b) - F(a)b
a
P(a X b) f (x)dx
Statistik 2 für SoziologInnen 8 Normalverteilung
© M
arcus Hudec
Erwartungswert und Varianz einer stetigen ZV
Var(X) = E(X2) – [E(X)]2
E(X) x f (x)dx
V(X) ² [x E(X)]² f (x)dx
5
Statistik 2 für SoziologInnen 9 Normalverteilung
© M
arcus Hudec
Standardnormalverteilung
1720 erstmals von Abraham de Moivre beschrieben
1809 und 1816 grundlegende Arbeiten von Carl Friedrich Gauß
1870 von Adolphe Quetelet als "ideales" Histogramm verwendet
alternative Bezeichnungen: Gaußsche Glockenkurve;Fehlerkurve
Natürliche Prozesse Körpergröße, Gewicht von Lebewesen
Messung von physikalischen Größen Messfehlermodell
Variable, die sich aus derSumme von vielen zufälligenEinzelwerten ergeben zentraler Grenzwertsatz
Statistik 2 für SoziologInnen 10 Normalverteilung
© M
arcus Hudec
Dichtefunktion
In der einfachsten Form:
– Standardnormalverteilung
– X~N(0; 1)
– E(X)=0 Erwartungswert = 0
– V(X)=1 Varianz bzw. Standard-Abweichung =1
f x e x( ) / 1
2
2 2
6
Statistik 2 für SoziologInnen 11 Normalverteilung
© M
arcus HudecDie Standard-Normalverteilung
-3 -2 -1 0 1 2 3
0.0
0.1
0.2
0.3
0.4
Wendepunkte
Statistik 2 für SoziologInnen 12 Normalverteilung
© M
arcus HudecDie Standard-Normalverteilung
-3 -2 -1 0 1 2 3
0.0
0.1
0.2
0.3
0.4
Flaeche = 0,6827
Die Wahrscheinlichkeit, dass die Zufallsvariable einen Wert im Bereich -1 bis +1 annimmt ist 68,27%
7
Statistik 2 für SoziologInnen 13 Normalverteilung
© M
arcus Hudec
-3 -2 -1 0 1 2 3
0.0
0.1
0.2
0.3
0.4
Flaeche = 0,9545
Die Wahrscheinlichkeit, dass die Zufallsvariable einen Wert im Bereich -2 bis +2 annimmt, ist rund 95%
Allgemein:
Bei einem normalverteilten Merkmal liegen rund 95% der Beobachtungen liegen im Bereich Erwartungswert plus/minus 2*Standardabweichung
Statistik 2 für SoziologInnen 14 Normalverteilung
© M
arcus Hudec
Varianten der Normalverteilung
Im allgemeinen:
– Normalverteilung mit Erwartungswert und Varianz ²
– X~N(; ²)
– E(X) = – V(X) = ²
f x ex
( )( )
1
2
1
22
8
Statistik 2 für SoziologInnen 15 Normalverteilung
© M
arcus HudecVerschiedene Normalverteilungen
-6 -4 -2 0 2 4 6
0.0
0.2
0.4
0.6
0.8
N(0; 0,25)
N(0; 1)
N(0; 4)
Standardnormalverteilung
Größere Varianz
Kleinere Varianz
Statistik 2 für SoziologInnen 16 Normalverteilung
© M
arcus HudecVerschiedene Normalverteilungen
-6 -4 -2 0 2 4 6
0.0
0.2
0.4
0.6
0.8
N(-3; 0,25)
N(0; 1) N(2; 1)
Unterschiedlicher Erwartungswert bei konstanter Varianz
Verschiebung und Stauchung
9
Statistik 2 für SoziologInnen 17 Normalverteilung
© M
arcus Hudec
Lineartransformation
Wenn X eine normalverteilte Zufallsvariable ist, dann ist auch Y=a+bX normalverteilt.
E(Y)=E(a+bX)=a+bE(X)
V(Y)=V(a+bX)=b²V(X)
Knapp formuliert:
Sei X~N(²)
und Y=a+bX dann gilt Y~N(a+b; b²²)
Änderung des Erwartungswertes: Verschiebung (Translation)
Änderung der Varianz: Dehnung oder Stauchung der Verteilungsform
Prinzipielle Gestalt der Glockenkurve bleibt erhalten
Statistik 2 für SoziologInnen 18 Normalverteilung
© M
arcus Hudec
Standardisierung
Aus dem vorigen folgt:
Sei X~N(²)
dann gilt für
Z=(X- … standardisierte Variable
Z~N(0;1)
Durch Anwendung der Standardisierung lässt sich jede Normalverteilung in die Standardnormalverteilung überführen.
Daher reichen Tabellen für Wahrscheinlichkeiten der Standardnormalverteilung für alle Fragestellungen
10
Statistik 2 für SoziologInnen 19 Normalverteilung
© M
arcus Hudec
Standardisierung
Anwendungsbeispiel:
X sei die Körpergröße in cm von einer bestimmten Population
Es sei X~N(175; 64)
dann ist Z=(X-175)/8
Frage: P(167<X<183)= ?
P(167<X<183)=
=P((167-175)/8<Z<(183-175)/8)= =P(-1<Z<1)=0,6826
Bei Kenntnis des Mittelwertes und der Varianz lassen sich unter der Modellannahme, dass das Merkmal normalverteilt ist, die Wahrscheinlichkeit für alle denkmöglichen Fragestellungen mit der Standard-normalverteilungermitteln.
Statistik 2 für SoziologInnen 20 Normalverteilung
© M
arcus Hudec
Unterschiedlicher Maßstab!
Koerpergroesse in cm
150 160 170 180 190 200
0.0
0.0
20
.04
N(175; 64)
167 183
Standardeinheiten
-3 -2 -1 0 1 2 3
0.0
0.2
0.4
N(0; 1)
11
Statistik 2 für SoziologInnen 21 Normalverteilung
© M
arcus Hudec
Bestimmung von Wahrscheinlichkeiten
Die Verteilungsfunktion der Standardnormal-verteilung ergibt sich durch Integration der Dichtefunktion
Unterschiedliche Notation: Bleymüller: FN(z)
Schlittgen: (z)
F z e duN
uz
( )
1
2
1
22
Statistik 2 für SoziologInnen 22 Normalverteilung
© M
arcus Hudec
Von der Dichte zur Verteilungsfunktion
Dichtefunktion
-3 -2 -1 0 1 2 3
0.0
0.1
0.2
0.3
0.4
0.5
P(X<1)=0,8413
Verteilungsfunktion
-3 -2 -1 0 1 2 3
0.0
0.2
0.4
0.6
0.8
1.0
P(X<1)=0,8413
12
Statistik 2 für SoziologInnen 23 Normalverteilung
© M
arcus Hudec
Grenzwert: -1 Prob(Z<-1)= 0,15866
Dichtefunktion
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
0,45
-3,5 -3,0 -2,5 -2,0 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5
Verteilungsfunktion
0
0,2
0,4
0,6
0,8
1
-4 -3 -2 -1 0 1 2 3 4
Grenzwert: 0 Prob(Z<0)= 0,5
Dichtefunktion
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
0,45
-3,5 -3,0 -2,5 -2,0 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5
Verteilungsfunktion
0
0,2
0,4
0,6
0,8
1
-4 -3 -2 -1 0 1 2 3 4
Grenzwert: 1 Prob(Z<1)= 0,84134
Dichtefunktion
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
0,45
-3,5 -3,0 -2,5 -2,0 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5
Verteilungsfunktion
0
0,2
0,4
0,6
0,8
1
-4 -3 -2 -1 0 1 2 3 4
Statistik 2 für SoziologInnen 24 Normalverteilung
© M
arcus Hudec
Ausnützung der Symmetrie um Null
P(Z < a) = 1 - P(Z < -a) oder P(Z < -a) = 1 - P(Z < a)
-3 -2 -1 0 1 2 3
0.0
0.1
0.2
0.3
0.4
a a
P(Z>a) = P(Z<-a)
-a a
13
Statistik 2 für SoziologInnen 25 Normalverteilung
© M
arcus Hudec
Arbeit mit Tabellen:
P(Z<1)=?
(1) liegt zwischen 0,841 und 0,842
Grob: P(Z<1) = (1) = 0,8415
Lineare Interpolation: P(Z<1) = (1) = 0,8413
P(Z<-1)=?
(a)=1- (-a) bzw. (-a)=1- (a)
P(Z<-1)=1 - (1) = 1 - 0,8413 = 0,1587
(-1) liegt zwischen 0,158 und 0,159
Statistik 2 für SoziologInnen 26 Normalverteilung
© M
arcus Hudec
Beispiel
Wir wollen für eine Normalverteilung mit Erwartungswert 170 und Standardabweichung 16 die Wahrscheinlichkeit einen Wert kleiner als 180 zu erhalten ermitteln.
P(X<180) = =P(Z<(180-170)/16)=P(Z<0,625)=FN(0,625)==0,734
14
Statistik 2 für SoziologInnen 27 Normalverteilung
© M
arcus Hudec
Normalverteilung in Excel: NORMVERT
Für eine Normalverteilung mit Erwartungswert 170 und Standardabweichung 16 gilt, dass die Wahrscheinlichkeit einen Wert kleiner als 180 zu erhalten 73,4% beträgt.
Statistik 2 für SoziologInnen 28 Normalverteilung
© M
arcus Hudec
Wahrscheinlichkeiten der Normalverteilung
15
Statistik 2 für SoziologInnen 29 Normalverteilung
© M
arcus Hudec
Erwartungswert: 170
Varianz: 256
Standardabweichung: 16,0000
Grenzwert: 180
Prob(X < 180) = 0,7340
Prob(X > 180) = 0,2660
© Marcus Hudec
Hinweis:
Eingabefelder für die Parameter der Normalverteilung und dem gewünschten Grenzwert sind hellgrün markiert.
0,0000
0,0050
0,0100
0,0150
0,0200
0,0250
0,0300
106,
000
0
112,
272
0
118,
544
0
124,
816
0
131,
088
0
137,
360
0
143,
632
0
149,
904
0
156,
176
0
162,
448
0
168,
720
0
174,
992
0
181,
264
0
187,
536
0
193,
808
0
200,
080
0
206,
352
0
212,
624
0
218,
896
0
225,
168
0
231,
440
0
0,7340 0,2660
Statistik 2 für SoziologInnen 30 Normalverteilung
© M
arcus Hudec
X~N(175; 64)
P(X<175)=? P(Z<(175-175)/8) = (0)= 0,5
Koerpergroesse in cm
150 160 170 180 190 200
0.0
0.02
0.04 P(X<175)
Standardeinheiten
-3 -2 -1 0 1 2 3
0.0
0.2
0.4
P(Z<0)
16
Statistik 2 für SoziologInnen 31 Normalverteilung
© M
arcus Hudec
X~N(175; 64)
• P(X<175)=?
P(Z<(175-175)/8) = (0)= 0,5
• P(X<181)=?
P(Z<(181-175)/8) = (0,75)= 0,7734
• P(X>177)=?
P(Z>(177-175)/8)==1-P(Z<0,25)==1- (0,25)=
=1-0,5987=0,4013
Beispiel zur KörpergrößeE(X)= 175V(X)= 64(X)= 8
Grenzwert: 181
P(X<181)= 77,33726476%
P(X>181)= 22,66273524%
Dieser Wert kann variiert werden
Statistik 2 für SoziologInnen 32 Normalverteilung
© M
arcus Hudec
Koerpergroesse in cm
150 160 170 180 190 200
0.0
0.01
0.02
0.03
0.04
0.05
P(X<181)=0.7734
17
Statistik 2 für SoziologInnen 33 Normalverteilung
© M
arcus Hudec
Koerpergroesse in cm
150 160 170 180 190 200
0.0
0.0
10
.02
0.0
30
.04
0.0
5
P(X>177)=0.4013
Statistik 2 für SoziologInnen 34 Normalverteilung
© M
arcus Hudec
Erwartungswert: 175
Varianz: 64
Standardabweichung: 8,0000
Grenzwert: 181
Prob(X < 181) = 0,7734
Prob(X > 181) = 0,2266
© Marcus Hudec
Hinweis:
Eingabefelder für die Parameter der Normalverteilung und dem gewünschten Grenzwert sind hellgrün markiert.
0,0000
0,0100
0,0200
0,0300
0,0400
0,0500
0,0600
143
,000
0
146
,136
0
149
,272
0
152
,408
0
155
,544
0
158
,680
0
161
,816
0
164
,952
0
168
,088
0
171
,224
0
174
,360
0
177
,496
0
180
,632
0
183
,768
0
186
,904
0
190
,040
0
193
,176
0
196
,312
0
199
,448
0
202
,584
0
205
,720
0
0,7734 0,2266
18
Statistik 2 für SoziologInnen 35 Normalverteilung
© M
arcus Hudec
Beispiel
IQ-TestE(X)= 100V(X)= 225(X)= 15
4-Sigma Gesellschaft Personen mit einem IQ über 160
P(X>100+4*)=?
100+4*s= 160P(X>160)= 0,00317%
Bei 100.000 3,171 von 31.574
In Österreich leben: 8.032.926 MenschenÖsterreicher in 4-Sigma 254
Statistik 2 für SoziologInnen 36 Normalverteilung
© M
arcus Hudec
Wahrscheinlichkeiten für Intervalle
P(a<X<b) = P(X<b) – P(X<a) X~N(175; 64)
P(177<X<181) = ?
P(X<181) - P(X<177) =
=P(Z<(181-175)/8) - P(Z<(177-175)/8) == (0,75) - (0,25) =
= 0,7734 - 0,5987 = 0,1747
19
Statistik 2 für SoziologInnen 37 Normalverteilung
© M
arcus Hudec
Koerpergroesse in cm
150 160 170 180 190 200
0.0
0.01
0.02
0.03
0.04
0.05
P(177<X<181)=0.1747
Statistik 2 für SoziologInnen 38 Normalverteilung
© M
arcus Hudec
Erwartungswert: 175
Varianz: 64
Standardabweichung: 8,0000
Untergrenze: 177
Obergrenze: 181
Prob(177< X < 181) = 0,1747
Prob( X < 177) = 0,5987
Prob( X > 181) = 0,2266
© Marcus Hudec
Hinweis:
Eingabefelder für die Parameter der Normalverteilung und die Grenzwerte sind hellgrün markiert.
0,0000
0,0100
0,0200
0,0300
0,0400
0,0500
0,0600
143
,000
0
146
,136
0
149
,272
0
152
,408
0
155
,544
0
158
,680
0
161
,816
0
164
,952
0
168
,088
0
171
,224
0
174
,360
0
177
,496
0
180
,632
0
183
,768
0
186
,904
0
190
,040
0
193
,176
0
196
,312
0
199
,448
0
202
,584
0
205
,720
0
0,17470,5987 0,2266
20
Statistik 2 für SoziologInnen 39 Normalverteilung
© M
arcus Hudec
Symmetrische Intervalle
P(-1<Z<1)=?
P(-1<Z<1)= (1) - (-1)= 0,8413-0,1587 = 0,6826
P(-a<Z<a)=P(Z<a)-P(Z<-a)=(a)-(1-(a))=2(a)-1
P(-a<Z<a)=2(a)-1
P(-1<Z<1)= 2*(1) -1=2*0,8413-1=0,6826
Statistik 2 für SoziologInnen 40 Normalverteilung
© M
arcus Hudec
X~N(175; 64)
Wie groß ist die Wahrscheinlichkeit, dass eine Person maximal 8 cm vom Erwartungswert abweicht?
P(167<X<183) = ((183-175)/8) - ((167-175)/8)
(1) - (-1) = 0,8413-0,1587 = 0,6827
P(167<X<183) = 2* ((183-175)/8) -1== 2* (1)-1 = 2*0,8413-1 = 0,6827
21
Statistik 2 für SoziologInnen 41 Normalverteilung
© M
arcus Hudec
Erwartungswert: 175
Varianz: 64
Standardabweichung: 8,0000
maximale Abweichung: 8
Prob(167< X < 183) = 0,6827
Prob(X < 167) = 0,1587
Prob(X > 183) = 0,1587
© Marcus Hudec
Hinweis:
Eingabefelder für die Parameter der Normalverteilung und die maximale Abweichung sind hellgrün markiert.
0,0000
0,0100
0,0200
0,0300
0,0400
0,0500
0,0600
143
,000
0
146
,136
0
149
,272
0
152
,408
0
155
,544
0
158
,680
0
161
,816
0
164
,952
0
168
,088
0
171
,224
0
174
,360
0
177
,496
0
180
,632
0
183
,768
0
186
,904
0
190
,040
0
193
,176
0
196
,312
0
199
,448
0
202
,584
0
205
,720
0
0,68270,1587 0,1587
Statistik 2 für SoziologInnen 42 Normalverteilung
© M
arcus Hudec
Inverse Fragestellung
Gesucht sind Quantilwerte z für die bestimmte Wahrscheinlichkeitsaussagen gelten:
P(Z< z) = (z) = P(Z<z) = z Nachschlagen in der Tabelle: ==> z Gesucht ist jene Körpergröße x für die gilt, daß
die Wahrscheinlichkeit P(X<x)=0,9
Lösung:
x = + z x = 175 + 1,2816*8
22
Statistik 2 für SoziologInnen 43 Normalverteilung
© M
arcus Hudec
Erwartungswert: 175
Varianz: 64
Standardabweichung: 8,0000
Wahrscheinlichkeit: 0,9
Quantil von Z~N(0;1): 1,2816
Grenzwert = 185,2524
Prob(185,25 < 0,9) = 0,9000
Prob(185,25 > 0,9) = 0,1000
© Marcus Hudec
Hinweis:
Eingabefelder für die Parameter der Normalverteilung und der gewünschten Wahrscheinlichkeit sind hellgrün markiert.
0,0000
0,0100
0,0200
0,0300
0,0400
0,0500
0,0600
143
,00
00
146
,13
60
149
,27
20
152
,40
80
155
,54
40
158
,68
00
161
,81
60
164
,95
20
168
,08
80
171
,22
40
174
,36
00
177
,49
60
180
,63
20
183
,76
80
186
,90
40
190
,04
00
193
,17
60
196
,31
20
199
,44
80
202
,58
40
205
,72
00
185,25240,9000 0,1000
Statistik 2 für SoziologInnen 44 Normalverteilung
© M
arcus Hudec
Normalverteilung in Excel: NORMINV
Für eine Standardnormalverteilung gilt, dass die Wahrscheinlichkeit einen Wert kleiner als 1,644485 zu erhalten 95% beträgt.
23
Statistik 2 für SoziologInnen 45 Normalverteilung
© M
arcus Hudec
Zentrale Schwankungsintervalle (Streubereiche)
symmetrische Intervalle um den Erwartungswert[-c;+c]
Von Interesse sind Aussagen der Forma) P(-c < X < +c) = ?b) P(-? < X < +?) = 1-
Beispiel für a) Wie groß ist die Wahrscheinlichkeit, dass eine Person maximal 8 cm vom Erwartungswert abweicht?
Beispiel für b) Wie groß ist das symmetrische Intervall in welchem Personen mit einer Wahrscheinlichkeit 1- liegen?
Wir ordnen dem zentralen Schwankungsbereich die Wahrscheinlichkeit 1- zu. Dadurch kommt außerhalb des Bereichs an jedem Ende eine Randwahrscheinlichkeit von /2 zustande.
Statistik 2 für SoziologInnen 46 Normalverteilung
© M
arcus Hudec
Konzept zentraler Schwankungsintervalle
-3 -2 -1 0 1 2 3
0.0
0.1
0.2
0.3
0.4
alpha/2alpha/2
1-alpha
24
Statistik 2 für SoziologInnen 47 Normalverteilung
© M
arcus Hudec
Zentrale Schwankungsintervalle
Sei X~N(,²) so ergibt sich das zentrale Schwankungsintervall,welches eine Wahrscheinlichkeit von 1- abdeckt durch:
[-z1-/2;+ z1-/2]
bzw.
P(- z1-/2 < X < + z1-/2) = 1- Für =0,1 (=0,05; =0,01) ergibt sich aus der
Tabelle für z1-/2 d.h. P(- 1,6449 < Z < + ) = 0,9
P(- 1,96 < Z < + ) = 0,95P(- 2,5758 < Z < + 2,5758) = 0,99
Statistik 2 für SoziologInnen 48 Normalverteilung
© M
arcus Hudec
X~N(175; 64)
Gesucht ist ein zentrales Schwankungsintervall, das eine Wahrscheinlichkeit von 0,95 aufweist
P(- z1-/2 < X < + z1-/2) = 1- = 0,05 1-/2 = 0,975
P(175-1,96*8 < X < 175 + 1,96*8) = 0,95
P(159,32 < X < 190,68) = 0,95
Falls man eine höhere Wahrscheinlichkeit anstrebt wird das Intervall größer:
P(175- 2,5758 *8 < X < 175 + 2,5758 *8) = 0,99
P(154,39 < X < 195,61) = 0,99
25
Statistik 2 für SoziologInnen 49 Normalverteilung
© M
arcus Hudec
Erwartungswert: 175
Varianz: 64
Standardabweichung: 8,0000
0,95
1-/2 Quantil von Z~N(0;1): 1,9600
Prob(159,32< X < 190,68) = 0,9500
Untergrenze: 159,32
Obergrenze: 190,68
© Marcus Hudec
Hinweis:
Eingabefelder für die Parameter der Normalverteilung und die Wahrscheinlichkeit für das zentrale Intervall sind hellgrün markiert.
Wahrscheinlichkeit des zentralen Intervalls 1-:
0,0000
0,0100
0,0200
0,0300
0,0400
0,0500
0,0600
143,
000
0
146,
136
0
149,
272
0
152,
408
0
155,
544
0
158,
680
0
161,
816
0
164,
952
0
168,
088
0
171,
224
0
174,
360
0
177,
496
0
180,
632
0
183,
768
0
186,
904
0
190,
040
0
193,
176
0
196,
312
0
199,
448
0
202,
584
0
205,
720
0
159,32 190,680,95
Statistik 2 für SoziologInnen 50 Normalverteilung
© M
arcus Hudec
Erwartungswert: 175
Varianz: 64
Standardabweichung: 8,0000
0,99
1-/2 Quantil von Z~N(0;1): 2,5758
Prob(154,39< X < 195,61) = 0,9900
Untergrenze: 154,39
Obergrenze: 195,61
© Marcus Hudec
Hinweis:
Eingabefelder für die Parameter der Normalverteilung und die Wahrscheinlichkeit für das zentrale Intervall sind hellgrün markiert.
Wahrscheinlichkeit des zentralen Intervalls 1-:
0,0000
0,0100
0,0200
0,0300
0,0400
0,0500
0,0600
143,
000
0
146,
136
0
149,
272
0
152,
408
0
155,
544
0
158,
680
0
161,
816
0
164,
952
0
168,
088
0
171,
224
0
174,
360
0
177,
496
0
180,
632
0
183,
768
0
186,
904
0
190,
040
0
193,
176
0
196,
312
0
199,
448
0
202,
584
0
205,
720
0
154,39 195,610,99
26
Statistik 2 für SoziologInnen 51 Normalverteilung
© M
arcus Hudec
Zentraler Grenzwertsatz
• Die Normalverteilung verdankt ihre universelle theoretische und praktische Bedeutung dem zentralen Grenzwertsatz. Unabhängig von der konkreten Ausgangsverteilung konvergiert nämlich die Verteilungsfunktion einer Summe gegen die Normalverteilung. (sehr grob formuliert)
• Ist die Anzahl der Summanden (n) hinreichend groß, so kann in der Praxis die Verteilung einer Summe durch die Normalverteilung approximiert werden.
• Die Frage, ab wann n hinreichend groß ist, hängt von der gewünschten Genauigkeit und der Form der Ausgangsverteilung ab.
Statistik 2 für SoziologInnen 52 Normalverteilung
© M
arcus Hudec
Was wir uns merken sollten …
• Wie eine stetige Zufallsvariable mittels Dichtefunktion und Verteilungsfunktion beschrieben wird
• Einige wichtige Eigenschaften der Normalverteilung (Symmetrie, zentrale Schwankungsintervalle [z.B. 95% plus/minus 2xStandardabweichung], Lineartransformationen)
• Wie man mittels Tabellen oder Excel konkrete Wahrscheinlichkeiten bestimmen kann