Pommes der Pinguin hält einen großen gelben Stern in den Händen
30 Tage kostenlos testen
Über 1,6 Millionen Schüler*innen nutzen sofatutor
Lernpakete anzeigen
Lernpakete anzeigen

Wahrscheinlichkeitsfunktion, Dichtefunktion und Verteilungsfunktion

Wertetabelle, Zufallsexperiment, Aufsummieren

Inhaltsverzeichnis zum Thema

Definition einer Wahrscheinlichkeit

Betrachte hierfür als Zufallsexperiment das Werfen eines Spielwürfels. Das zugehörige Netz siehst du hier:

1224_Würfelnetz.jpg

Die Ergebnismenge ist bei der beobachteten Größe „Augenzahl“ gegeben durch $\Omega=\{1;2;3;4;5;6\}$. Ein Ereignis ist eine beliebige Teilmenge der Ergebnismenge.

Eine Wahrscheinlichkeitszuordnung ist eine Zuordnung, die jedem Ereignis $A\subseteq \Omega$ eine reelle Zahl zuordnet. Dabei müssen die folgenden Bedingungen, die Kolmogorov-Axiome, erfüllt sein:

  • $P(A)\ge 0$ für jedes Ereignis $A$.
  • $P(\Omega)=1$, das sichere Ereignis. Dies wird als Normiertheit bezeichnet.
  • $P(A\cup B)=P(A)+P(B)$, sofern $A\cap B=\emptyset$. Dies ist der Additionssatz.

Es gelten die folgenden Eigenschaften:

  • $P(A)\le 1$
  • $P(\emptyset)=0$, das unmögliche Ereignis,
  • $P(\bar A)=1-P(A)$, das Gegenereignis,
  • $P(A\cup B)=P(A)+P(B)-P(A\cap B)$
  • $A\subseteq B$ dann gilt $P(A)\le P(B)$
  • $P(A)=P(e_1)+...+P(e_n)$, wobei $A=\{e_1;...;e_n\}$ ist.

Was ist eine Wahrscheinlichkeitsfunktion?

Sei $X$ eine Zufallsgröße, dann kann man mit Hilfe dieser eine Wahrscheinlichkeitsfunktion $f(X=x_{i})$ für diese Zufallsgröße definieren. Diese Funktion ordnet jedem Wert, den die Zufallsgröße annehmen kann, die entsprechende Wahrscheinlichkeit für das Eintreten dieses Wertes zu. Es wird also eine reelle Zahl zwischen 0 und 1 zugeordnet. Die Wahrscheinlichkeitsfunktion für das Werfen des obigen Würfels ist wie folgt gegeben:

$\quad~~~f(x)= \begin{cases} \frac16 & \text{, wenn }x\in \{1;...;6\} \\ 0 & \text{, sonst } \end{cases}$

Hier siehst du den Graphen dieser Funktion

1224_Wahrscheinlichkeitsfunktion.jpg

Da die Wahrscheinlichkeiten nur für endlich viele Ausprägungen $x\in\{1;...;6\}$ der Zufallsgröße ungleich $0$ ist, spricht man von einer diskreten Wahrscheinlichkeitsfunktion. Andernfalls liegt eine stetige Wahrscheinlichkeitsfunktion vor.

Was ist eine Verteilungsfunktion?

Zu dieser Wahrscheinlichkeitsfunktion ist eine Verteilungsfunktion $F(x)=P(X\le x)$ als Summe aller Wahrscheinlichkeiten der Ausprägungen kleiner oder gleich $x$ gegeben. Diese Wahrscheinlichkeit wird auch als kumulierte oder summierte Wahrscheinlichkeit bezeichnet.

Für das obige Beispiel des Wurfes eines regulären Würfels ist beispielsweise der Wert der Verteilungsfunktion für $F(5)$ mit $F(x)=P(X\le x)$ gegeben durch:

$F(5)=P(X\le 5)=P(X=1)+...+P(X=5)=\frac56$.

Den Verlauf der Verteilungsfunktion zu dem obigen Beispiel kannst du hier sehen:

1224_Verteilungsfunktion.jpg

Der Wert für $F(1)=P(X \le 1)$ ist $\frac{1}{6}$. Bis zur nächsten möglichen Ausprägung ($X=2$) bleibt die Wahrscheinlichkeit bei $\frac{1}{6}$, da es zwischen den Ausprägungen $X=1$ und $X=2$ keine Werte gibt, denn es liegt eine diskrete Wahrscheinlichkeitsfunktion zugrunde. Ab der Ausprägung $X=2$ beträgt der Wert der Verteilungsfunktion $\frac{2}{6}=\frac{1}{3}$, denn es gilt:

$F(2)=P(X \le 2) = P(X=1) + P(X=2) = \frac{1}{6} + \frac{1}{6} =\frac{2}{6} =\frac{1}{3}$.

Ein weiteres Beispiel für eine diskrete Wahrscheinlichkeitsverteilung ist die Binomialverteilung.

Dichtefunktion und Verteilungsfunktion am Beispiel einer stetigen Wahrscheinlichkeitsverteilung

Wenn die Wahrscheinlichkeiten von unendlich vielen Ausprägungen der Zufallsgröße $X$ ungleich $0$ sind, liegt eine stetige Wahrscheinlichkeitsverteilung vor.

Was ist eine Dichtefunktion?

Bei Verteilungen kann eine Dichtefunktion angegeben werden. Diese Dichtefunktion wird mit $f(x)$ bezeichnet. Sie entspricht bei einer stetigen Verteilung der Wahrscheinlichkeitsfunktion bei diskreten Wahrscheinlichkeitsverteilungen.

Allerdings kann die Dichtefunktion auch Funktionswerte größer als $1$ haben. Dies ist bei einer Wahrscheinlichkeit nicht möglich. Das bedeutet, dass die Funktionswerte einer Dichtefunktion nicht gleichzusetzen sind mit einer Wahrscheinlichkeit.

Es gilt

$\quad~~~\int\limits_{-\infty}^{+\infty}~f(t)~dt=1$.

Dies entspricht der Eigenschaft, dass $P(\Omega)=1$ ist.

Die Verteilungsfunktion einer stetigen Wahrscheinlichkeitsverteilung

Im Falle einer stetigen Wahrscheinlichkeitsverteilung erhältst du die zugehörige Verteilungsfunktion durch Integration der Dichtefunktion

$\quad~~~F(x)=\int\limits_{-\infty}^x~f(t)~dt$.

Beispiel

Paul möchte morgens immer um 7:30 Uhr an der Bushaltestelle sein. Manchmal ist er früher und manchmal später an der Bushaltestelle. Die Dichtefunktion für seine Ankunftszeit sei gegeben durch

Die Dichtefunktion sei gegeben durch

$\quad~~~f(x)= \begin{cases} \frac1{10} \text{, für }-5\le x\le 5 \\ 0\text{, sonst } \end{cases}$

Dabei ist $x$ die Anzahl der Minuten, die Paul zu früh (negatives $x$) oder zu spät (positives $x$) kommt. Hier kannst du die Dichtefunktion sehen:

1224_Dichtefunktion_2.jpg

Die Verteilungsfunktion ist wie folgt gegeben

$\quad~~~F(x)= \begin{cases} 0 & \text{, für } -\infty \leq x \leq -5\\ \frac{1}{10}(5+x) & \text{, für } -5 \le x \leq 5 \\ 1 & \text{, für } x>5 \end{cases}$

Wenn Pauls Bus nun um 7:32 abfährt, ist die Wahrscheinlichkeit dafür, dass Paul den Bus erreicht gegeben durch $P(x\le 2)=F(2)=0,1\cdot (5+2)=0,7$. Dies kannst du anschaulich hier sehen.

1224_Verteilungsfunktion_2.jpg

Ein Beispiel für eine stetige Wahrscheinlichkeitsverteilung ist die Normalverteilung. Die zugehörige Dichtefunktion entspricht der (Gauß'sche) Glockenkurve.