abiweb
online lernen

Die perfekte Abiturvorbereitung
in Mathematik

Im Kurspaket Mathematik erwarten Dich:
  • 168 Lernvideos
  • 416 Lerntexte
  • 592 interaktive Übungen
  • original Abituraufgaben

Zentraler Grenzwertsatz

Normalverteilung

Nicht nur die Binomialverteilung lässt sich durch die Normalverteilung annähren, sondern auch Summen von unabhängigen Zufallsgrößen mit endlichen Erwartungswerten und Varianzen

Merke

Hier klicken zum Ausklappen

Zentraler Grenzwertsatz

$X_k$ seien beliebig verteilte, unabhängige Zufallsgrößen mit Erwartungswerten $\mu_k$ und Varianzen $\sigma_k^2$. Dann gilt für die Zufallsgröße $X = X_1 + X_2 + \cdots + X_n$ mit dem Erwartungswert $\mu = \mu_1 + \mu_2 + \cdots + \mu_n$ und der Varianz $\sigma^2 = \sigma_1^2 + \sigma_2^2 + \cdots + \sigma_n^2 $

(unter sehr schwachen, in Praxis meist erfüllten Bedingungen für die ansonsten beliebig verteilten $X_k$) die Nährungsformel :

$\large P(X \leq x) \approx \Phi(\frac{x-\mu}{\sigma})$

die für große n brauchbare Werte liefert.

In der Natur werden viele (Zufalls-)Größen, z.B. das Gewicht von Früchten, von einer Reihe von zufälligen Faktoren beeinflusst, die in ihrer Summe dann für ein zufälliges Gewicht sorgen. Der Zentrale Grenzwertsatz erklärt, warum solche Größen häufig glockenförmige Verteilungen aufweisen. Andere Beispiele sind Füllmengen, Gewichte oder Längen von Produkten in der Massenproduktion.

Beispiel

Hier klicken zum Ausklappen

Eine Maschine verpackt Schrauben. In einer Packung sind 80 Schrauben. Das Gewicht der Schrauben ist annährend normalverteilt mit dem Mittelwert $\mu = 4g$ und der Standardabweichung $\sigma = 0,1g$. Bestimmen Sie für das Nettogewicht $X$ der Packung die Wahrscheinlichkeit $P(X\leq 310g)$.

$EX = 80 \cdot 4g = 320g$ und $\sigma = \sqrt{80 \cdot (0,1g)^2} = \sqrt{80} \cdot 0,1g$

$P(X \leq 310g) \approx \Phi\left(\frac{310-320}{\sqrt{80} \cdot 0,1}\right) = \Phi(- \, 0,89) = 18,67 \%$

 

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
  • 11
  • 106
  • 35