Induktive Statistik

Formeln, Theorie und Definitionen der Induktiven Statistik

Formeln, Theorie und Definitionen der Induktiven Statistik


Christian Heinz
Diese Lernkarten bieten eine Einführung in die Grundlagen der induktiven Statistik, insbesondere die Arbeit mit diskreten und stetigen Zufallsvariablen. Sie behandeln zentrale Konzepte wie Verteilungsfunktionen, Wahrscheinlichkeitsdichte, Erwartungswerte und Varianzen, sowie spezifische Verteilungen wie die Bernoulli- und Hypergeometrische Verteilung. Die Karteikarten sind ideal für Grundschüler, die statistische Grundlagen verstehen und anwenden lernen möchten, um Wahrscheinlichkeiten und Verteilungen zu berechnen.
Cartes-fiches
22
Utilisateurs
4
Langue
Allemand
Catégorie
Mathématiques
Créé / Mis à jour
21.08.2013 / 01.09.2018

Cartes-fiches

Formel für Permutation ohne Wdhl.

N!

Formel für Permutation mit Wdhl

Anordnung von N Elementen, dabei sind einige gleich

Formel für Variation ohne Wdhl

Anordnung von n Elementen aus N (Reihenfolge wichtig)

Formel für Variation mit Wdhl

Anordnung von n Elementen aus N (Reihenfolge wichtig)

Formel für Kombination ohne Wdhl

Anordnung von n Elementen aus N (Reihenfolge egal)

Formel für Kombination mit Wdhl

Anordnung von n Elementen aus N (Reihenfolge egal)

Definition: Diskrete Zufallsvariable

Sind endlich oder abzählbar unendlich: P(X=xi) = Pi.

Definition: Verteilungsfunktion (Stetig)

Σ f(xi)

Definition: Stetige Zufallsvariable

Überabzählbar unendlich. Besitzt keine Punktwahrscheinlichkeiten.

Stetige ZV: Dichtefunktion/Wahrscheinlichkeitsdichte

1. Ableitung der Verteilungsfunktion

(1) F(x) ≥ 0

(2) ∫ f(x) dx = 1

(3) P(X=x) = 0 (Keine Punktwahrscheinlichkeit)

Stetige ZV: Verteilungsfunktion

Aufleitung der Dichtefunktion/Wahrscheinlichkeitsdichte

(1) 0 ≤ F(x) ≤ 1

(2) lim (x -> -∞ oder ∞) F(x) = 1

(3) x2>x1 -> F(x2) ≥ F(x1) monoton wachsend

Diskrete ZV: Wahrscheinlichkeitsfunktion

Ordnet jeder reellen Zahl x eine WSK P(X=xi) zu.

(1) f(xi) ≥ 0

(2) Σ f(xi) = 1

Diskrete ZV: Verteilungsfunktion

"Kumulierte Wahrscheinlichkeit"

(1) 0 ≤ F(x) ≤ 1

(2) lim (gegen -∞) = 0 | lim (gegen ∞) = 1

(3) x2 > x1 -> F(x2) > F(x1) monoton wachsend

(4) lim (h gegen +0) F(x + h) = F(x) rechtsseitig

(5) P(x1 < X ≤ x2) = P(X ≤ x2) – P(X ≤ x1) = F(x2) – F(x1)

Bedingte Wahrscheinlichkeit

Zuvor/ Jetzt

Stetig/Diskret: Erwartungswerte

Regeln:

(1) E(a) = a

(2) E(a*X) = a*E(X)

(3) E(a + b*X) = E(a) + E(b*X) = a+b*E(X)

Stetig/Diskret: Varianzen

(1) var(a) = 0

(2) var(a + b* X) = b2 * var(X)

(2a) Standardabweichung: (a* b*X) = |b| * sqrt(var(X))

Linearkombinationen

Linearkombination mehrerer Zufallsvariablen

Linearkombination: Stochatische Abhängigkeit

Additionssatz für Varianzen vgl. Formalesammlung S.4

Tschebyscheffsche' Ungleichung

Wahrscheinlichkeit dass ein Produkt außerhalb des Toleranzbereichs liegt

Gleichverteilung

X: nimmt Werte an die alle gleich wahrscheinlich sind

z.B. Würfelwurf 1/6 für alle Werte, sonst 0. Verteilt bedeutet das, dass die Verteilung konstant steigt

Bernoulli-Verteilung

X: nimmt den Wert x1= Erfolg oder x0= Misserfolg an

E(X) = p1

var(X) = p1 * (1-p1) = p1*p2

Hypergeometrische Verteilung

Anzahl der Erfolge unter n Versuchen beim ZoZ

Étudier