Professional Documents
Culture Documents
Lektion 5 2023 Kontinuerte Sandsynlighedsfordelinger
Lektion 5 2023 Kontinuerte Sandsynlighedsfordelinger
Eksempel: Eksempel:
Binomial Det skraverede
n=5 p=0.3 område angiver
x P(x) sandsynligheden
0 0.168 for mellem 2 og
1 0.360 3.
2 0.309
3 0.132
4 0.028
5 0.002
1.000
Tæthedsfunktionen f(x)
Arealet under
kurven f(x) er lig
1.
Sandsynligheden for x
mindre end 3 er det
røde areal.
Den kumulative
fordelingsfunktion F(x)
(eller bare
fordelingsfunktionen).
Den viser udviklingen i
arealet under
tæthedsfunktionen til
venstre for x, når x
stiger/forøges.
Tæthedsfunktionen
f(x)
▪ Kontinuerte sandsynlighedsfordelinger
▪ Normalfordelingen, herunder Z-fordelingen
▪ Normalfordelingen og binomialfordelingen
▪ Eksponentialfordelingen
▪ Den centrale grænseværdisætning (Central Limit
Theorem)
Gauss
Gaussfordeling
function(x) dnorm(x) (x)
0.4
0.2
0.0
-4 -2 0 2 4
f(x)
0.2
0.1
Samme
standard-
afvigelse,
forskellig
middelværdi.
Samme
σ = 2,0 σ = 0,5 middelværdi,
σ = 1,0 forskellig
standard-
afvigelse.
Standard Normalfordeling
f(z) 0,4
=1
0,3
{
0,2
0,1
0,0
-5 -4 -3 -2 -1 0 1 2 3 4 5
=0
z
▪ Den kumulative
fordelingsfunktion F(z) for
standard
P(z≤1,21) normalfordelingen er
tabellagt i Tabel A.3 i
appendikset i Bowerman,
5. udg., side 607, for
F(1,21)
F(z) = P(Z ≤ z) positive værdier af z.
▪ Figuren viser
P(z ≤ 1,21) = F(1,21)
88,69%
Standard normalfordelingen
er tabellagt i Bowerman for
z = -3,99 til 3,99.
Hele z-værdien
2. decimalen i
angivet
z-værdien
med 1 decimal:
Bowerman, s. 607:
▪ Beregn P(1 ≤ z ≤ 2)
(sandsynligheden for at z ligger
mellem 1 og 2) via opslag i
tabellen i Bowerman, s. 607.
P(z ≤ 1)
P(z ≤ 2)
x−
z=
▪ Formålet er, at vi dermed kan bruge den kumulative
fordelingsfunktion for standard normalfordelingen F(z) til at
beregne sandsynligheder knyttet til en hvilken som helst
normalfordeling X~N(,2).
a−
P ( x a ) = P z
b−
P ( x b ) = P z
a− b−
P ( a x b ) = P z
Bowerman, s. 607.
Matematik og statistik Del 2 – Statistik, forår 2023 22
Vi kan også bruge Excel!
▪ Excel: Formler / Indsæt funktion / Statistisk / NORMAL.FORDELING
(og angiv den ønskede x-værdi, middelværdien, standardafvigelsen
samt skriv SAND for at få den akkumulerede sandsynlighed).
Bowerman, s. 606.
Matematik og statistik Del 2 – Statistik, forår 2023 26
Forelæsningsøvelse – 10 min.
▪ Excel: Formler / Indsæt funktion / Statistisk / NORMAL.FORDELING
(og angiv den ønskede x-værdi, middelværdien, standardafvigelsen
samt skriv SAND for at få den akkumulerede sandsynlighed).
▪ Kontinuerte sandsynlighedsfordelinger
▪ Normalfordelingen, herunder Z-fordelingen
▪ Normalfordelingen og binomialfordelingen
▪ Eksponentialfordelingen
▪ Den centrale grænseværdisætning (Central Limit
Theorem)
a − np b − np
P(a x b) = P z
npq npq
Matematik og statistik Del 2 – Statistik, forår 2023 29
Eksempel
▪ Et uddannelsessted vil lave en spørgeskemaundersøgelse blandt
tidligere studerende, og man vil gerne opnå mindst 200 svar.
Erfaringsmæssigt er svarprocenten 25% i sådanne undersøgelser.
▪ Spørgsmål: Hvad er sandsynligheden for at få færre end 200 svar
tilbage, hvis man udsender 900 spørgeskemaer?
▪ Metode: Vi kan bruge Z-fordelingen som en approksimation af
binomialfordelingen, da np = 900*0,25 = 225 > 5 og nq = 900*(1-
0,25) = 675 > 5:
x − np
P( x 200) = P z = P z 200 − 900(0,25) = P z 200 − 225
npq 900(0,25)(0,75) 168,75
− 25
= P z = P( z −1,92) = F (−1,92) = 0,0274
12,99
f(x) f(z)
0.8 0.8
0.7 0.7
0.6 0.6
0.5 0.5
0.4 Transforma- 0.4
0.3
0.2 tion over i z- 0.3
0.2
0.1
fordeling 0.1
0.0
225 x 0.0
z
0
200 -1,92
▪ Kontinuerte sandsynlighedsfordelinger
▪ Normalfordelingen, herunder Z-fordelingen
▪ Normalfordelingen og binomialfordelingen
▪ Eksponentialfordelingen
▪ Den centrale grænseværdisætning (Central Limit
Theorem)
f ( x ) = e − x
▪ hvor e = 2,71828…
▪ Både middelværdi og standardafvigelse er lig 1/λ: µ = σ = 1/ λ.
▪ Sandsynlighed for at der går mere end fx a minutter, inden hændelsen sker:
− a
P( x a) = e
▪ Sandsynlighed for at der går mindre end fx a minutter, inden hændelsen sker:
P ( x a ) = 1 − e − a
▪ Sandsynlighed for at der går mellem fx a og b minutter, inden hændelsen sker:
− a − b
P ( a x b) = e −e
− x
P( X x) = e
P( X 1) = e −2(1) = 0,1353
− x
P( X x) = 1 − e
−3( 0 , 5 )
P( X 0,5) = 1 − e = 1 − 0,2231 = 0,7769
Populationens
fordeling:
X ≈ N(µ,σ2)
µ
𝑥ҧ 𝑥ҧ 𝑥ҧ 𝑥ҧ 𝑥ҧ 𝑥ҧ Stikprøve-
𝑥ҧ 𝑥ҧ 𝑥ҧ 𝑥ҧ 𝑥ҧ fordelingen:
𝑥ҧ 𝑥ҧ 𝑥ҧ 𝑥ҧ 𝑋ത ≈ N(µ,σ2/n)
2 X −
X N ( , ) eller Z = N (0,1)
n / n
Derfor:
▪ Stikprøvefordelingens middelværdi er den samme som populationens.
▪ Stikprøvefordelingens standardafvigelse er mindre end populationens.
2 X −
X N ( , ) eller Z = N (0,1)
n / n
Derfor:
▪ Stikprøvefordelingens middelværdi er den samme som populationens.
▪ Stikprøvefordelingens standardafvigelse er mindre end populationens.