Direkt zum Inhalt

Pfadnavigation

  1. Startseite
  2. Mathematik Abitur
  3. 13 Wahrscheinlichkeitstheorie
  4. 13.5 Binomialverteilung
  5. 13.5.7 Normalverteilung
  6. Dichtefunktion stetiger Zufallsgrößen

Dichtefunktion stetiger Zufallsgrößen

Wir nähern uns dem Begriff der Dichtefunktion stetiger Zufallsgrößen mittels eines Anwendungsbeispiels.

Schule wird easy mit KI-Tutor Kim und Duden Learnattack

  • Kim hat in Deutsch, Mathe, Englisch und 6 weiteren Schulfächern immer eine von Lehrkräften geprüfte Erklärung, Video oder Übung parat.
  • 24/7 auf Learnattack.de und WhatsApp mit Bildupload und Sprachnachrichten verfügbar. Ideal, um bei den Hausaufgaben und beim Lernen von Fremdsprachen zu unterstützen.
  • Viel günstiger als andere Nachhilfe und schützt deine Daten.
Jetzt 30 Tage risikofrei testen
Your browser does not support the video tag.

Beispiel: Lars experimentiert mit seiner Kugelbahn. Die über mehrere Kurven und verschiedene Hindernisse abwärts geführte Kugel rollt auf einer waagerechten Schiene aus. Lars stellt fest, dass sie bei den mehrfach durchgeführten Versuchen an verschiedenen Stellen zum Liegen kommt. Die Entfernung vom Beginn der waagerechten Rollschiene bis zu dem Punkt, an dem die Kugel anhält, ist eine Zufallsgröße X. Die Kugel rollt jedes Mal mindestens 150 cm, aber höchstens 250 cm weit, d.h., die Zufallsgröße X kann alle Werte aus dem Intervall [150; 250] annehmen.

Eine Zufallsgröße, die prinzipiell jeden Wert aus einer überabzählbaren Menge annehmen kann (sei es aus einem beschränkten Intervall oder aus der Menge ℝ ), nennt man im Allgemeinen eine stetige Zufallsgröße. Dabei muss man beachten, dass der Begriff „stetige Zufallsgröße“ von dem Begriff der „stetigen Funktion“ (wie er in der Analysis verwandt wird) abweicht. Mit der Bezeichnung einer Zufallsgröße als stetig ist man lediglich darauf aus, dass die Wertemenge von X nicht diskret ist, sondern ein Kontinuum bildet. Mitunter wird deshalb auch von einer zufälligen reellen Zahl gesprochen.

Kehren wir nun zu obigem Beispiel zurück.
Beim Bestimmen der Wahrscheinlichkeitsverteilung von X stößt Lars auf eine Schwierigkeit. Die Werte von X bilden eine überabzählbar unendliche Menge und deshalb gilt P ( X = x ) = 0 , denn P ( X = x ) kann keine von null verschiedene Zahl sein, da sonst die Summe aller Wahrscheinlichkeiten nicht gleich 1 wäre.

  • Dichtefunktion (Beispiel Kugelbahn)

Die Wahrscheinlichkeitsverteilung von X lässt sich also nicht (wie bei einer diskreten Zufallsgröße) durch die Angabe der Einzelwahrscheinlichkeiten charakterisieren.

Eine von null verschiedene Wahrscheinlichkeit kann nur ein Ereignis besitzen, bei dem X in ein Intervall fällt, wobei dieses Intervall durchaus sehr klein sein kann wie etwa [196,7; 196,8].

Lars möchte aber noch kleinere Intervalle der Art [ x ;   x + Δ x ] betrachten, um Δ x gegen null gehen zu lassen, wie er es aus der Infinitesimalrechnung kennt. Dabei ist ihm bewusst, dass es sich um eine theoretische Abstraktion handelt, denn auch mit der genauesten Messmethode kann ein bestimmtes Minimum grundsätzlich nicht unterschritten werden.

Aufgrund seiner Messergebnisse vermutet Lars, dass gilt:
  P ( x ≤ X ≤ x + Δ x ) Δ x → f ( x )       f ü r       Δ x → 0     ( m i t       f ( x ) ≥ 0 )

Anmerkung: Das unmögliche Ereignis besitzt die Wahrscheinlichkeit null. Ein Ereignis mit der Wahrscheinlichkeit null ist nicht zwangsläufig unmöglich.

  • Eine Funktion f heißt Dichtefunktion oder einfach Dichte einer stetigen Zufallsgröße genau dann, wenn f ( x ) ≥ 0 für alle x ∈ ℝ und
    ∫ − ∞ ∞ f ( x ) d x = 1 gilt.

Eine stetige Zufallsgröße X kann dann als gegeben angesehen werden, wenn deren Dichtefunktion bekannt ist. Die Wahrscheinlichkeit P ( X ≤ a ) berechnet sich als das Flächenintegral
P ( X ≤ a ) = ∫ − ∞ a f ( x ) d x .

  • Dichtefunktion einer stetigen Zufallsgröße

Der Begriff „Dichtefunktion“ ist dem physikalischen Sachverhalt einer stetigen Masseverteilung längs einer Geraden nachempfunden, bei dem es keine Massen gibt, die in bestimmten Punkten konzentriert sind, und wo man nur von Masse sprechen kann, die auf einem bestimmten Abschnitt der Geraden liegt.

Die Dichtefunktion f einer stetigen Zufallsgröße gibt die Wahrscheinlichkeitsmasse je Maßeinheit bzw. je Intervall an. Durch die Angabe einer Dichtefunktion ist es möglich, allen unüberschaubar vielen Intervallen von ℝ jeweils eine Wahrscheinlichkeit zuzuordnen.

Ein großer Funktionswert f ( x ) der zur Zufallsgröße X gehörenden Dichte f, d.h. eine hohe Dichte an der Stelle x, bringt aber auch zum Ausdruck, dass die empirischen Ergebnisse einer unabhängigen Versuchsserie zur Zufallsgröße X dort sehr dicht liegen werden.

Beachtet werden muss, dass f ( x ) keine Wahrscheinlichkeit ist, im Unterschied zu P ( x ) bei diskreten Verteilungen.

Beispiel 1: Gleichverteilung über dem Intervall [a; b] mit a < b

  • Dichtefunktion einer Gleichverteilung

Die Funktion f mit
  f ( x ) = { 1 b − a f ü r       a ≤ x ≤ b 0 s o n s t
ist eine Dichtefunktion der Gleichverteilung über dem Intervall [ a ;   b ] , weil

  1. aus f ( x ) = 1 b − a > 0 für a ≤ x ≤ b (gilt wegen b > a ) die Beziehung f ( x ) ≥ 0 für alle x ∈ ℝ folgt und
  2. ∫ −   ∞ ∞ f ( x )   d x = 0 + ∫ a b 1 b − a   d x + 0 = 1 b − a ⋅ ( b − a ) = 1 gilt.

Das Beispiel zeigt, dass die Dichtefunktion einer stetigen Zufallsgröße nicht notwendig eine stetige Funktion sein muss.

Beispiel 2: Exponentialverteilung mit dem Parameter λ       m i t       λ > 0

  • Dichtefunktioen zweier Exponentialverteilungen

Die Funktion
  f λ ( x ) = { λ ⋅ e −   λ x f ü r       x ≥ 0 0 f ü r       x < 0
ist eine Dichtefunktion der Exponentialverteilung, weil

  1. f λ ( x ) ≥ 0 für alle x ∈ ℝ (wegen λ > 0 ) ist und
  2. ∫ − ∞ ∞ f ( x )   d x = 0 + ∫ 0 ∞ λ e − λ x   d x = − e − λ x | ∞ 0 = 1 − lim x → ∞ e −   λ x = 1 − 0 = 1 gilt.

Das Beispiel zeigt, dass es durchaus sinnvoll ist, Dichtefunktionen mit einem unbeschränkten Definitionsbereich zu betrachten, auch wenn es in der Praxis nicht möglich ist, beliebig große Werte der zugehörigen Zufallsgröße X zu messen.

 

Lernhelfer (Duden Learnattack GmbH): "Dichtefunktion stetiger Zufallsgrößen." In: Lernhelfer (Duden Learnattack GmbH). URL: http://www.lernhelfer.de/index.php/schuelerlexikon/mathematik-abitur/artikel/dichtefunktion-stetiger-zufallsgroessen (Abgerufen: 09. June 2025, 21:32 UTC)

Suche nach passenden Schlagwörtern

  • stetige Zufallsgrößen
  • Masseverteilung
  • Wahrscheinlichkeitsverteilung
  • Exponentialverteilung
  • Gleichverteilung
  • Dichte
Jetzt durchstarten

Lernblockade und Hausaufgabenstress?

Entspannt durch die Schule mit KI-Tutor Kim und Duden Learnattack.

  • Kim hat in Deutsch, Mathe, Englisch und 6 weiteren Schulfächern immer eine von Lehrkräften geprüfte Erklärung, Video oder Übung parat.
  • 24/7 auf Learnattack.de und WhatsApp mit Bildupload und Sprachnachrichten verfügbar. Ideal, um bei den Hausaufgaben und beim Lernen von Fremdsprachen zu unterstützen.
  • Viel günstiger als andere Nachhilfe und schützt deine Daten.

Verwandte Artikel

Dreiecksverteilung (simpsonsche Verteilung)

Die Dreiecksverteilung wird in den meisten Lehrbüchern zur Stochastik kaum erwähnt bzw. nur am Rande behandelt. Das mag seinen Grund darin haben, dass diese Verteilung kein eigenständiges, aus der Praxis stammendes Anwendungsgebiet besitzt.
Die erste Abhandlung über diese Form der Verteilung von Zufallsgrößen in der Geschichte der Wahrscheinlichkeitstheorie stammt vom englischen Mathematiker THOMAS SIMPSON (1710 bis 1761), deshalb spricht man mitunter auch von der simpsonschen Verteilung.

Carl Friedrich Gauß

* 30. April 1777 Braunschweig
† 23. Februar 1855 Göttingen

Der oft als „Princeps mathematicorum“ (Fürst der Mathematik) bezeichnete CARL FRIEDRICH GAUSS erzielte bahnbrechende Leistungen in Mathematik, Physik, Astronomie und Geodäsie.
Auf mathematischem Gebiet beschäftigte er sich vor allem mit Probemen der Zahlentheorie und Algebra sowie mit Fragen der numerischen Mathematik. Durch neue Berechnungsmethoden schuf er die Grundlagen für eine exakte Bestimmung der Planetenbahnen.
Gemeinsam mit dem Physiker WILHELM WEBER trug GAUSS wesentlich zur Erforschung des Erdmagnetismus und zur Aufstellung eines absoluten Maßsystems bei. Weitere erwähnenswerte Leistungen sind die Bestimmung der Lage der Magnetpole der Erde sowie die Entwicklung des elektromagnetischen Telegrafen.

Der Zentrale Grenzwertsatz

Ausgehend von der Erfahrung, dass viele Alltagsphänomene, die sich aus unabhängig voneinander wirkenden kleinen Komponenten zusammensetzen, annähernd normalverteilt sind, richtete sich das Augenmerk mehrerer Mathematikergenerationen vor allem auf die Frage, welche Bedingungen man dafür zu fordern hat.

Normalverteilung (Gauß-Verteilung)

Auf der Suche nach „dem durchschnittlichen, dem normalen Menschen“ (l' homme moyen) ließ der auf vielen Gebieten tätige belgische Wissenschaftler LAMBERT ADOLPHE JACQUES QUÉTELET (1796 bis 1874) in den 30er Jahren des 19. Jahrhunderts biometrische Messungen in großem Umfang durchführen. In vielen Fällen wurde dabei seine Vorstellung bestätigt, dass die Häufigkeitsverteilung der gemessenen Werte (etwa zum Brustumfang) einer symmetrischen Glockenkurve entspricht. Das mag wohl auch ein wichtiger Grund dafür gewesen sein, dieser gleichsam als naturgemäß angesehenen Verteilung den Namen Normalverteilung zu geben, wobei diese Bezeichnung auch zu allerlei Fehldeutungen führte – vor allem dann, wenn alles nicht Normalverteilte als anormal eingestuft wurde.

Standardnormalverteilung

Eine Normalverteilung N ( μ ;   σ 2 ) wird vollständig bestimmt durch ihren Erwartungswert μ und ihre Streuung σ 2 . Es liegt deshalb die Frage nahe, ob man eine beliebige Normalverteilung in eine spezielle Normalverteilung transformieren kann – und zwar in eine mit solchen Parametern, die den Termen ihrer Dichte- und Verteilungsfunktion eine möglichst einfache Gestalt geben. Für eine ( 0 ;   1 ) -normalverteilte Zufallsgröße wäre dies der Fall:
Für die Werte μ = 0       u n d       σ = 1 erhält man als Spezialfall die Standardnormalverteilung.

Ein Angebot von

Footer

  • Impressum
  • Sicherheit & Datenschutz
  • AGB
© Duden Learnattack GmbH, 2025