Stetige Verteilung

Das Wichtigste auf einen Blick

• Stetige Verteilungen modellieren Zufallsvariablen mit kontinuierlichen Wertemengen.
• Die Wahrscheinlichkeitsdichtefunktion (PDF) ist das zentrale Werkzeug zur Beschreibung stetiger Verteilungen.
• Wahrscheinlichkeiten werden als Integrale über die Dichtefunktion berechnet.
• Bekannte Beispiele sind die Normalverteilung, Exponentialverteilung und Gleichverteilung.
• Die Verteilungsfunktion (CDF) gibt die kumulative Wahrscheinlichkeit bis zu einem Wert an.
• Stetige Verteilungen sind grundlegend für statistische Methoden wie Hypothesentests und Regression.
• Die Differenz zu diskreten Verteilungen liegt in der Art der Wahrscheinlichkeitszuweisung.

Überblick: Stetige Verteilung

In der Wahrscheinlichkeitsrechnung und Statistik ist die stetige Verteilung ein fundamentales Konzept zur Beschreibung von Zufallsvariablen, die unendlich viele Werte innerhalb eines Intervalls annehmen können. Im Gegensatz zu diskreten Verteilungen, bei denen die Werte abzählbar sind, wird bei stetigen Verteilungen die Wahrscheinlichkeit für einzelne Werte als null angesehen. Stattdessen werden Wahrscheinlichkeiten für Intervalle berechnet. Stetige Verteilungen finden breite Anwendung in Naturwissenschaften, Technik, Wirtschaft und anderen Bereichen.

Definition der stetigen Verteilung

Eine stetige Verteilung ist eine Wahrscheinlichkeitsverteilung, bei der die Zufallsvariable unendlich viele Werte in einem Intervall annimmt. Die Wahrscheinlichkeiten einzelner Werte sind null, weshalb Wahrscheinlichkeiten nur für Intervalle definiert sind und durch Integration der Wahrscheinlichkeitsdichtefunktion (PDF) bestimmt werden.

Wahrscheinlichkeitsdichtefunktion (PDF)

Die PDF beschreibt die Dichte der Wahrscheinlichkeitsverteilung an jedem Punkt des Definitionsbereichs. Sie ist eine nicht negative Funktion, deren Integral über den gesamten Definitionsbereich gleich 1 ist. Die Wahrscheinlichkeit, dass die Zufallsvariable in einem Intervall liegt, entspricht dem Integral der PDF über dieses Intervall.

Verteilungsfunktion (CDF)

Die kumulative Verteilungsfunktion (CDF) gibt die Wahrscheinlichkeit an, dass die Zufallsvariable einen Wert kleiner oder gleich einem bestimmten Wert annimmt. Sie wird durch das Integral der PDF von minus unendlich bis zum betrachteten Wert definiert und ist eine monoton nicht fallende Funktion mit Werten zwischen 0 und 1.

Beispiele bekannter stetiger Verteilungen

Unterschied zu diskreten Verteilungen

Im Gegensatz zu diskreten Verteilungen, bei denen Wahrscheinlichkeiten einzelnen Werten zugeordnet werden, sind bei stetigen Verteilungen Wahrscheinlichkeiten für einzelne Punkte null. Die Wahrscheinlichkeitsmasse verteilt sich kontinuierlich über Intervalle, was eine andere mathematische Behandlung erfordert.

Anwendungen stetiger Verteilungen

Stetige Verteilungen werden in vielen Bereichen eingesetzt, beispielsweise in der Physik zur Beschreibung von Messgrößen, in der Wirtschaft zur Modellierung von Preisen oder Renditen, in der Technik für Lebensdaueranalysen von Bauteilen und in der Statistik für Hypothesentests und Schätzverfahren.

Berechnung von Wahrscheinlichkeiten

Die Wahrscheinlichkeit, dass eine stetige Zufallsvariable X in einem Intervall [a, b] liegt, wird durch das Integral der Dichtefunktion f(x) über dieses Intervall berechnet: P(a ≤ X ≤ b) = ∫_a^b f(x) dx.

Eigenschaften der PDF

Die PDF ist nicht negativ, also f(x) ≥ 0 für alle x. Das Integral über den gesamten Definitionsbereich ist 1. Die PDF kann Werte größer als 1 annehmen, solange das Integral 1 bleibt. Die Fläche unter der PDF-Kurve entspricht der Wahrscheinlichkeit.

Wichtige stetige Verteilungen im Überblick

Neben der Normal-, Gleich- und Exponentialverteilung gibt es zahlreiche weitere stetige Verteilungen wie die Gamma-, Beta-, Chi-Quadrat- und t-Verteilung, die jeweils spezielle Eigenschaften und Anwendungsgebiete besitzen.

Zusatzinformationen