abiweb
online lernen

Die perfekte Abiturvorbereitung
in Mathematik

Im Kurspaket Mathematik erwarten Dich:
  • 200 Lernvideos
  • 415 Lerntexte
  • 592 interaktive Übungen
  • original Abituraufgaben

Verteilungsfunktion der Normalverteilung

Ist $ \bf X \sim N(\mu ; \sigma) $ dann hat sie die Verteilungsfunktion

$\large \bf F_N(x) = P( X \leq x) = \int_{-\infty}^x f_N(t) dt$

Die Verteilungsfunktion einer standardnormalverteilten Zufallsgröße $X$ lautet

$\large \bf \Phi(x) = P( X \leq x) = \int_{-\infty}^x \varphi (t) dt$

Sie wird häufig auch Gaußsche Summenfunktion genannt und mit $\Phi$ bezeichnet.

Graph der Gaußschen Summenfunktion
Graph der Gaußschen Summenfunktion

Merke

Hier klicken zum Ausklappen

$\Large \Phi (-x ) = 1 - \Phi (x)$

Ist $X \sim N(\mu ; \sigma)$-verteilt so gilt:

$\Large P ( a \leq X  \leq b ) = \Phi (\frac{b-\mu}{\sigma}) - \Phi(\frac{a-\mu}{\sigma}) $

Beispiel

Hier klicken zum Ausklappen

In einer Fabrik werden Golfbälle produziert ihr Gewicht ist normalverteilt mit $\mu= 50g$ und $\sigma = 2g$. Berechnen Sie die Wahrscheinlichkeiten von A={Der Ball wiegt höchstens 45g}, B ={ Der Ball wiegt zwischen 48g und 50g }, C = {Der Ball wiegt mehr als 54g}.

Lösung: $X$ = Gewicht des Golfballs    (Zufallsgröße definieren)

$P(A) = P( X \leq 45 ) = F_{N(50;2)}(45) = \Phi (\frac{45-50}{2}) = \Phi ( - \, 2,5) =\bf 0,0062$

$P(B) = P( 48 \leq X \leq 50 ) = F_{N(50;2)}(50)-F_{N(50;2)}(48)$

$= \Phi (\frac{50-50}{2})-\Phi (\frac{48-50}{2}) = \Phi ( 0) - \Phi(- \, 1) =\bf 0,3413$

$P(C) = P( X > 54 ) = 1- P( X \leq 54 ) = 1- F_{N(50;2)}(54)$

$= 1- \Phi (\frac{54-50}{2}) = 1 - \Phi ( 2 ) =\bf  0,0228$

 

Man kann die Wahrscheinlichkeiten entweder mit der Verteilungsfunktion zu $N(\mu \, ; \, \sigma)$ oder durch Verwendung der standardisierten Zufallsgröße $Z = \frac{X-\mu}{\sigma}$ über die StandardNormalverteilung berechnen.

Inverse Verteilungsfunktion

Häufig geht es in Aufgaben darum, zu einer vorgegebenen Wahrscheinlichkeit, ein passendes Intervall zu bestimmen. Dazu benötigt man die inverse Verteilungsfunktion $ F^{- \, 1}_{N(\mu \, ; \sigma)}$ bzw. $ \Phi^{- \, 1 }$.

Bestimmen Sie ein Gewicht m, so dass oberhalb davon maximal 1 % der Gewichte der Golfbälle liegen.

$P ( X > m ) \leq 0,01  \Leftrightarrow P ( X \leq m ) \geq 0,99  \Leftrightarrow \Phi (\frac{m-50}{2}) \geq 0,99$

$\Phi (\frac{m-50}{2}) \geq 0,99 \Leftrightarrow \frac{m-50}{2} \geq \Phi^{- \, 1 }(0,99)  \Leftrightarrow m \geq2 \cdot \Phi^{- \, 1 }(0,99) + 50$

$m \geq \bf 54,66$ 

Schneller geht es, wenn man $ F^{- \, 1}_{N(50 \, ; 2)}$ verwendet. Probieren Sie das mal aus.

Dieser Inhalt ist Bestandteil des Online-Kurses

Stochastik

abiweb - Abitur-Vorbereitung online (abiweb.de)
Diese Themen werden im Kurs behandelt:

[Bitte auf Kapitelüberschriften klicken, um Unterthemen anzuzeigen]

  • Beschreibende Statistik
    • Einführung
    • Klassen
    • Mittelwert, Median und Modus
    • Varianz und Standardabweichung
    • Darstellung von statistischen Daten
  • Wahrscheinlichkeit
    • Zufallsexperiment
    • Wahrscheinlichkeitsraum
    • Laplace-Experiment
    • Kombinatorik
  • Bedingte Wahrscheinlichkeit
    • Definition und Beispiele
    • Satz von Bayes
    • Unabhängigkeit
  • Zufallsgrößen
    • Definition Zufallsgröße
    • Wahrscheinlichkeits- und Dichtefunktion
    • Verteilungsfunktion
    • Erwartungswert einer Zufallsgröße
    • Varianz einer Zufallsgröße
  • Binomialverteilung
    • Bernoulli-Kette
    • Formel von Bernoulli
    • Erwartungswert und Varianz
    • Sigma-Regeln
  • Normalverteilung
    • Dichtefunktion der Normalverteilung
    • Verteilungsfunktion der Normalverteilung
    • Näherung für die Binomialverteilung
    • Zentraler Grenzwertsatz
  • Beurteilende Statistik
    • Einführung beurteilende Statistik
    • Signifikanztest
    • Gütefunktion und Operationscharakteristik
    • Konfidenzintervalle
  • 29
  • 13
  • 106
  • 35