Statistik I f¨ ur Betriebswirte Vorlesung 6
Dr. Andreas W¨ unsche
TU Bergakademie Freiberg Institut f¨ur Stochastik
13. Mai 2019
1.7.2 Exponentialverteilung
I
Parameter: λ > 0 .
I
Zufallsgr¨ oße X mit Dichtefunktion f
Xbzw. Verteilungsfunktion F
Xf
X(x) =
0 , x ≤ 0 ;
λe
−λx, x > 0 ; F
X(x) =
0 , x ≤ 0 ; 1 − e
−λx, x > 0 .
I
Bezeichnung: X ∼ Exp(λ) .
I
Kenngr¨ oßen: EX =
1λ, VarX =
λ12und x
0.5=
ln 2λ≈
0.693λ.
I
Exponentialverteilte Zufallsgr¨ oßen nehmen nur nichtnegative Werte
an, daher sind sie prinzipiell zur Modellierung von zuf¨ alligen
Lebensdauern oder Wartezeiten geeignet.
Exponentialverteilung II
Beispiel: λ = 0.5 (blau), λ = 1 (rot), λ = 2 (schwarz)
0 1 2 3 4 5 6
0.00.51.01.52.0
Dichtefunktionen Exponentialverteilung
x
Beispielaufgabe 1.16 zur Exponentialverteilung
Die zuf¨ allige Lebensdauer eines Bauteils sei exponentialverteilt, dabei betrage die erwartete Lebensdauer 3 Jahre.
Wie groß ist die Wahrscheinlichkeit, dass das Bauteil l¨ anger als 6 Jahre
funktioniert ?
Exponentialverteilung als Lebensdauerverteilung
I
Wird die zuf¨ allige Lebensdauer eines Bauteils durch eine Exponentialverteilung modelliert, dann werden Alterungseffekte nicht mit ber¨ ucksichtigt (sogenannte Ged¨ achtnislosigkeit der Exponentialverteilung).
I
Angenommen, das Bauteil hat schon das Alter x
0> 0 erreicht.
Dann gilt f¨ ur die Restlebensdauer X
x0und x > 0
P (X
x0> x) = P (X > x
0+ x|X > x
0) = P (X > x
0+ x) P (X > x
0)
=
I
Damit kann die Exponentialverteilung als Lebensdauerverteilung nur
dann ein gutes Modell sein, wenn ¨ außere Ereignisse das Leben
beenden und keine Alterung vorliegt.
1.7.3 Gammaverteilung
I
Parameter: λ > 0, p > 0 .
I
Dichtefunktion: f
X(x) =
( 0 , x ≤ 0 ;
λp
Γ(p)
x
p−1e
−λx, x > 0 .
I
Gammafunktion:
Γ(1) = 1 , Γ(p ) = (p − 1)Γ(p − 1) ⇒ Γ(n) = (n − 1)! f¨ ur n ∈ N . Allgemeine Definition: Γ(p) =
Z
∞ 0e
−tt
p−1dt (p > 0) .
I
Bezeichnung: X ∼ Gam(p, λ) .
I
Kenngr¨ oßen: EX =
pλund VarX =
λp2.
I
Spezialfall: p = n ∈ N ⇒ Erlangverteilung.
Gammaverteilung II
Beispiele: p = 2 , λ = 0.5 (blau), λ = 1 (rot), λ = 2 (schwarz);
0 2 4 6 8 10
0.00.20.40.6
Dichtefunktionen Gammaverteilung
x
Gammaverteilung III
Beispiele: λ = 1 , p = 0.9 (blau), p = 2 (rot), p = 5 (schwarz)
0 2 4 6 8 10
0.00.20.40.60.81.0
Dichtefunktionen Gammaverteilung
x
Gammaverteilung IV
I
Anwendung: Lebensdauerverteilung, flexibler als die
Exponentialverteilung (diese ergibt sich als Spezialfall f¨ ur p = 1) . Eigenschaften:
I
X
i∼ Gam(p
i, λ) , i = 1, 2 , unabh. ⇒ X
1+ X
2∼ Gam(p
1+ p
2, λ) .
I
X
i∼ Exp(λ) , i = 1, ..., n , unabh. ⇒ X
1+ . . . + X
n∼ Gam(n, λ) .
I
Beispiel:
X
i∼ Exp 1
2
, i = 1, ..., 100 , unabh¨ angig ,
⇒ S
100=
100
X
i=1
X
i∼ Gam
100, 1 2
,
Zentraler GWS ⇒ S
100=
100
X
i=1
X
i approx∼
.N(200, 400) .
Beispiel 1.17 zentraler Grenzwertsatz
150 200 250
0.0000.0050.0100.0150.020
Zentrale Grenzwertsatz (Dichtefunktionen)
x
µ =200, σ =20 Sn~Gam(p, λ) mit:
p=100, λ =1 2
Y~N(µ, σ2) mit:
1.7.4 Stetige Gleichverteilung
I
Parameter: endliches Intervall [a, b] ⊂ R .
I
Zufallsgr¨ oße X mit Dichtefunktion f
Xbzw. Verteilungsfunktion F
Xf
X(x) =
1b−a
, a ≤ x ≤ b ;
0 , sonst ; F
X(x) =
0 , x < a ;
x−a
b−a
, a ≤ x ≤ b ; 1 , x > b .
I
Bezeichnung: X ∼ U[a, b] .
I
Kenngr¨ oßen: EX =
a+b2= x
0.5und VarX =
(b−a)12 2.
I
F¨ ur Teilintervalle [c , d ] ⊂ [a, b] gilt P (c ≤ X ≤ d ) = d − c
b − a = L¨ ange von [c , d ] L¨ ange von [a, b]
(wird genutzt bei der geometrischen Wahrscheinlichkeitsdefinition).
Stetige Gleichverteilung II
I
Beispiel 1.2: a = 0, b = 1 ,
Dichtefunktion f
X(links) und Verteilungsfunktion F
X(rechts) .
I
Um zuf¨ allige Modelle am Computer zu realisieren, erzeugen
Rechnerprogramme Pseudozufallszahlen (auch kurz Zufallszahlen
genannt), die sich wie Realisierungen von unabh¨ angigen, auf dem
Intervall [0, 1] gleichverteilten Zufallsgr¨ oßen verhalten. Diese werden
bei Monte-Carlo-Simulationen verwendet.
1.7.5 Weibullverteilung
I
Parameter: α ∈ R , β > 0 , m > 0 .
I
Dichtefunktion: f
X(x) =
0 , x ≤ α ;
m β
x−α β m−1e
−x−α β
m
, x > α .
I
Verteilungsfunktion: F
X(x) =
( 0 , x ≤ α ; 1 − e
−x−α β
m
, x > α .
I
Bezeichnung: X ∼ Wei[α, β, m] .
I
Erwartungswert: EX = α + βΓ
1 + 1 m
.
I
Varianz: VarX = β
2Γ
1 + 2 m
− Γ
21 + 1 m
.
I
Median: x
0.5= α + β (ln 2)
1/m.
I
Spezialf¨ alle: α = 0 : zweiparametrische Weibullverteilung;
α = 0 , m = 1 , β =
λ1: Exponentialverteilung Exp(λ) .
Weibullverteilung II
Beispiel:
α = 0 , m = 1.5 , β = 0.5 (blau), β = 1 (rot), β = 3 (schwarz) .
0 2 4 6 8 10
0.00.51.01.5
Dichtefunktionen Weibullverteilung
x
Weibullverteilung III
Beispiel:
α = 0 , β = 1 , m = 0.8 (blau), m = 2 (rot), m = 3 (schwarz) .
0 1 2 3 4 5
0.00.51.01.52.02.53.0
Dichtefunktionen Weibullverteilung
x
Weibullverteilung IV
I
Die Weibullverteilung ist durch die Parameter sehr anpassungsf¨ ahig.
I
Die Weibullverteilung kann als Grenzverteilung f¨ ur das Minimum einer großen Zahl von unabh¨ angigen Zufallsgr¨ oßen auftreten (Verteilung des schw¨ achsten Kettengliedes). Deshalb sind Lebensdauern von Systemen oft weibullverteilt.
I
In der mechanischen Verfahrenstechnik findet die Weibull-Verteilung
Anwendung als eine spezielle Partikelgr¨ oßenverteilung. Hier wird sie
auch als RRSB- Verteilung (nach Rosin, Rammler, Sperling und
Bennet) bezeichnet.
1.7.6 Lognormalverteilung
I
Parameter: µ ∈ R , σ
2> 0 .
I
Bezeichnung: X ∼ LN(µ, σ
2) .
I
X ∼ N(µ, σ
2) ⇔ e
X∼ LN(µ, σ
2) .
I
Kenngr¨ oßen: EX = e
µ+σ2
2
, VarX = e
2µ+σ2e
σ2− 1 . Anwendungen der Lognormalverteilung:
I
als Verteilung von Aktienkursen in der stochastischen Finanzmathematik;
I
bei Zeitstudien und Lebensdaueranalysen in ¨ okonomischen, technischen und biologischen Vorg¨ angen;
I
f¨ ur wirtschaftsstatistische Merkmale, wie den Bruttomonatsverdienst
von Angestellten oder Ums¨ atze von Unternehmen.
Lognormalverteilung II
I
Beispiele: µ = −1 , σ = 0.5 , µ = 0 , σ = 1 , µ = 1 , σ = 2 .
0.0 0.5 1.0 1.5 2.0 2.5 3.0
0.00.51.01.52.02.5
Dichtefunktionen Lognormalverteilung
x
1.7.7 Weitere stetige Verteilungen
I
Statistische Pr¨ ufverteilungen (sp¨ ater).
I
χ
2-Verteilung (Chi-Quadrat-Verteilung).
I
t-Verteilung (Student-Verteilung).
I
F-Verteilung (Fisher-Verteilung).
I
Fr´ echet-Verteilung (siehe Formelsammlung).
I
Gumbel-Verteilung (siehe Formelsammlung).
I
Logistische Verteilung (siehe Formelsammlung).
I
Betaverteilung .
I