15 Suchergebnisse

Der Erwartungswert einer Zufallsgröße charakterisiert deren Verteilung durch Angabe eines mittleren Wertes. Dieser muss unter den Werten der Zufallsgröße selbst nicht vorkommen.

Mithilfe des Erwartungswertes der Zufallsgröße Gewinn lassen sich Spiele beurteilen.
Ein Spiel heißt fair, wenn der Erwartungswert des (Brutto-)Gewinns gleich dem Einsatz e ist, d. h., wenn
$E\left(G_B\right)=e$
gilt.

Varianz und Standardabweichung kennzeichnen die Streuung der Verteilung einer Zufallsgröße um den Erwartungswert $E\left(X\right)$.
Die Varianz berechnet sich folgendermaßen $V\left(X\right)={\left[x_1-E\left(X\right)\right]}^2\cdot p_1+{\left[x_2-E\left(X\right)\right]}^2\cdot p_2+\mathrm{...}+{\left[x_k-E\left(X\right)\right]}^2\cdot p_k$
(wobei $p_1,p_2\mathrm{...}{p}_k$ die Wahrscheinlichkeiten der auftretenden Werte $x_1,x_2\mathrm{...}{x}_k$ der Zufallsgröße X sind).
Unter der Standardabweichung wird die Wurzel aus der Varianz verstanden.

* 08. Februar 1700 Groningen
† 17. März 1782 Basel

Auf mathematischem Gebiet beschäftigte sich DANIEL BERNOULLI vor allem mit Problemen der Wahrscheinlichkeitsrechnung und Statistik. Darüber hinaus arbeitete er über Reihen und Differenzialgleichungen.
Seine bedeutendsten wissenschaftlichen Leitungen erzielte er auf dem Gebiet der Hydromechanik, indem ihm die mathematische Beschreibung strömender Flüssigkeiten gelang.

Kenngrößen von Zufallsgrößen dienen deren quantitativer Charakterisierung. Wir betrachten im Folgenden binomialverteilte Zufallsgrößen.

Wählt man in der tschebyschewschen Ungleichung $P\left(\left|X-EX\right|\ge \alpha \right)\le \frac{1}{{\alpha }^2}\cdot D^{2}X$ für den Parameter $\alpha$ Vielfache der Standardabweichung $\sigma =DX=\sqrt{E{\left(X-EX\right)}^2}$, setzt man also $\alpha =n\cdot \sigma$, so erhält man:
$P\left(\left|X-EX\right|\ge n\cdot \sigma \right)\le \frac{1}{{\left(n\cdot \sigma \right)}^2}\cdot {\sigma }^2=\frac{1}{n^2}$

Die Wahrscheinlichkeit, dass X einen Wert annimmt, der von EX um mindestens das n-fache der Standardabweichung $\sigma$ abweicht, ist folglich höchstens $\frac{1}{n^2}$.
Für die Spezialfälle $n=1;2;3$ ergibt sich dann Folgendes:
$\begin{array}{l}P\left(\left|X-EX\right|\ge \sigma \right)\le 1\\ P\left(\left|X-EX\right|\ge 2\sigma \right)\le \mathrm{0,25}\\ P\left(\left|X-EX\right|\ge 3\sigma \right)\le \mathrm{0,}\overline{1}\end{array}$

Diese aus der tschebyschewschen Ungleichung gewonnenen Aussagen werden als $\sigma \text{-}\mathrm{Re}gel$ oder $3\sigma \text{-}\mathrm{Re}gel$ bezeichnet.

Der französische Mathematiker PIERRE SIMON DE LAPLACE (1749 bis 1827) untersuchte als einer der Ersten intensiv Zufallsexperimente, bei denen sinnvollerweise angenommen werden kann, dass jedes seiner Ergebnisse mit der gleichen Wahrscheinlichkeit eintritt.

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.

Eine Normalverteilung $N\left(\mu ;{\sigma }^2\right)$ wird vollständig bestimmt durch ihren Erwartungswert $\mu$ und ihre Streuung ${\sigma }^2$. 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 $\left(0;1\right)\text{-normalverteilte}$ Zufallsgröße wäre dies der Fall:
Für die Werte $\mu =0und\sigma =1$ erhält man als Spezialfall die Standardnormalverteilung.

* 04. Mai 1821 Okatovo (Russland)
† 26. November 1894 St. Petersburg

PAFNUTI LWOWITSCH TSCHEBYSCHEW war einer der bedeutendsten russischen Mathematiker des 19. Jahrhunderts. Er gilt als Begründer der sogenannten Petersburger mathematischen Schule.
Arbeitsschwerpunkte TSCHEBYSCHEWS waren u.a. wahrscheinlichkeitstheoretische Untersuchungen sowie die Approximation (näherungsweise Darstellung) von Funktionen.

Abschätzungen für Wahrscheinlichkeiten spielen in der Stochastik eine wichtige Rolle, und zwar sowohl bei theoretischen Untersuchungen (Grenzwertsätze) als auch bei praktischen Anwendungen, wenn z.B. nach der noch vertretbaren (hinnehmbaren) Ausschusswahrscheinlichkeit einer Produktionsanlage gefragt wird. Eine der bekanntesten Wahrscheinlichkeitsabschätzungen ist die Ungleichung von TSCHEBYSCHEW.

Die geometrische Verteilung ist ein Spezialfall der PASCALschen Verteilung, die ihren Namen zu Ehren BLAISE PASCALS (1623 bis 1662) erhielt.

Die Verteilung der Anzahl k der Erfolge in einer Bernoulli-Kette der Länge n und der Erfolgswahrscheinlichkeit p wird Binomialverteilung mit den Parametern n und p genannt. Es gilt:

$P\left(X=k\right)=\left(\begin{array}{c}n\\ k\end{array}\right)\cdot p^k\cdot {\left(1-p\right)}^{n-k}(k=0;1\mathrm{...}n)$

Tabellen der Binomialverteilung für bestimmte Parameterwerte von n und p sind in vielen Tafelwerken enthalten.
Binomialverteilungen lassen sich mithilfe des sogenannten Galton-Bretts veranschaulichen.

Eine Zufallsgröße X ist dadurch charakterisiert, dass sie bei unter gleichen Bedingungen durchgeführten Versuchen verschiedene Werte annehmen kann. Man unterscheidet zwischen diskreten und stetigen (kontinuierlichen) Zufallsgrößen.
Während bei einer diskreten Zufallsgröße in einem Intervall nur endlich viele Werte $x_1,x_2\mathrm{...}{x}_n$ möglich sind, kann eine stetige Zufallsgröße beliebig (unendlich) viele Werte annehmen.

Eine Zufallsgröße wird vollständig durch ihre Verteilungsfunktion beschrieben. Diese gibt an, welche Werte die Zufallsgröße annehmen kann und mit welchen Wahrscheinlichkeiten sie dies tut.
In der Praxis möchte man allerdings meist mit möglichst wenigen, aber typischen Angaben auskommen, denn oftmals reicht schon eine grobe Vorstellung von der Zufallsgröße aus. Es kommt hinzu, dass die Verteilungsfunktion mitunter gar nicht oder nur schwer bestimmbar ist.

Man sucht deshalb nach Kenngrößen (manchmal spricht man auch von Parametern), die einen hinreichenden Aufschluss und eine quantitative Charakterisierung einer Zufallsgröße ermöglichen. Dies leisten Kenngrößen wie Erwartungswert, Median und Modalwert sowie die Streuung (bzw. Varianz) der Zufallsgröße.
Zur Charakterisierung der Asymmetrie einer Zufallsgröße benutzt man darüber hinaus die Kenngröße Schiefe. Eine Definition dieser Kenngröße geht auf den Vater der mathematischen Statistik KARL PEARSON (1857 bis 1936) zurück.