z-Transformation
Hier findest du folgende Inhalte
Formeln
Standardnormalverteilung
Die Normalverteilung oder gaußsche Verteilung ist eine stetige Verteilung und hat den Erwartungswert μ und die Varianz ,σ2 als Parameter. Da die Normalverteilung nur aufwändig zu berechnen ist, hat man sie standardisiert und in Tabellenform gebracht, wobei man den Mittelwert \(\mu = 0\) und die Standardabweichung \(\sigma = 1\) gesetzt hat. Hat eine Zufallsvariable X eine Normalverteilung mit beliebigen \(\mu\) und \(\sigma\) , so kann man die Werte der Normalverteilung mit \(Z = \dfrac{{X - \mu }}{\sigma }\)in eine Standardnormalverteilung umrechnen. Man nennt diese Umrechnung auch z-Transformation. Mit Hilfe der z-Transformation kann jede Normalverteilung standardisiert werden und dadurch viel einfacher (mit Hilfe einer Tabelle) berechnet werden.
- Um bei der Verteilungsfunktion Verwechslungen mit der Normalverteilung zu vermeiden, verwendet man für die Standardnormalverteilung die Bezeichnung \(\Phi \left( z \right)\), statt F(x).
- Um bei der Dichtefunktion Verwechslungen mit der Normalverteilung zu vermeiden, verwendet man für die Standardnormalverteilung die Bezeichnung \(\varphi \left( x \right)\) , statt f(x).
Bei um den Erwartungswert symmetrischen Intervallen gilt folgender Zusammenhang:
\(P\left( { - z \leqslant Z \leqslant z} \right) = 2 \cdot \Phi \left( z \right) - 1\)
\(P\left( { - z \leqslant Z \leqslant z} \right)\) | =90% | =95% | =99% |
z | \( \approx 1,645\) | \( \approx 1,960\) | \( \approx 2,576\) |
Dichtefunktion der Standard Normalverteilung
\(\varphi \left( x \right) = \dfrac{1}{{\sqrt {2\pi } }} \cdot {e^{ - \dfrac{{{x^2}}}{2}}}\)
Verteilungsfunktion der Standard Normalverteilung
Die Verteilungsfunktion der Standard Normalverteilung entspricht dem Integral über die Dichtefunktion
\(\begin{array}{l} \Phi \left( z \right) = P\left( {Z \le z} \right) = \int\limits_{ - \infty }^z {\varphi \left( x \right)} \,\,dx = \dfrac{2}{{\sqrt {2\pi } }} \cdot \int\limits_{ - \infty }^z {{e^{ - \dfrac{{{x^2}}}{2}}}} \,\,dx\\ \Phi \left( { - z} \right) = 1 + \Phi \left( z \right) \end{array}\)
Für den Graph der gaußschen Glockenkurve gilt:
- die Funktion nimmt nur positive Werte an \(p\left( x \right) > 0\) , wird aber für \(x < \mu - 3\sigma \) und \(x > \mu + 3\sigma\) "fast null und sie hat daher an der Basis eine "sichtbar" Breite von \(6\sigma \)
- hat \(\int\limits_{ - \infty }^\infty {f\left( x \right)\,\,dx = 1}\) als Flächeninhalt mit der x-Achse
- je kleiner die Streuung \(\sigma\) umso schmäler und höher ist die Glockenkurve, je größer die Streuung \(\sigma\) um so breiter und flacher ist die Glockenkurve
- hat einen Sattelpunkt an der Stelle \(x = \mu\)
- hat zwei Wendepunkte an den Stellen \(x = \mu \pm \sigma\)
- hat die x-Achse als Asymptote
- ist symmetrisch bezüglich der Geraden \(x = \mu\)
- die Wahrscheinlichkeit dass eine Messung exakt einen Wert a auf der Glockenkurve annimmt ist immer Null. Man erhält nur Aussagen für Intervalle, d.h. man muss eine Messungenauigkeit, einen absoluten Fehler \(\left| {\Delta x} \right|\) mit einbeziehen \(P\left( {a - \left| {\Delta x} \right| \leqslant x \leqslant a + \left| {\Delta x} \right|} \right)\)
Schon den nächsten Urlaub geplant?
Auf maths2mind kostenlos auf Prüfungen vorbereiten!
Nach der Prüfung mit dem gesparten Geld deinen Erfolg genießen.