Gängige Wahrscheinlichkeitsverteilungen

Ein kleiner Katalog von Verteilungsfamilien, darunter die Binomial-, Poisson-, geometrische, Gleich-, Normal-, Exponential- und Gammaverteilung, taucht in der Wahrscheinlichkeitsrechnung und Statistik immer wieder auf, da jede aus einem einfachen und häufig anzutreffenden Erzeugungsmechanismus entsteht.

Definition

Gängige Wahrscheinlichkeitsverteilungen sind die standardmäßigen parametrischen Gesetzmäßigkeiten, die jeweils durch eine Wahrscheinlichkeitsmassen- oder Dichtefunktion mit wenigen Parametern definiert sind, die die am häufigsten auftretenden Zufallsmuster modellieren und als Bausteine probabilistischer Modelle dienen.

Scope

Das Thema umfasst die wichtigsten diskreten Familien wie Bernoulli, Binomial, Geometrisch, Negative Binomial und Poisson sowie die wichtigsten kontinuierlichen Familien wie Gleichverteilung, Exponential, Gamma, Beta und Normalverteilung, zusammen mit ihren Erzeugungsmechanismen, Momenten und charakteristischen Funktionen sowie den Grenz- und Strukturbeziehungen, die sie verbinden.

Core questions

• Welcher Erzeugungsmechanismus führt zu jeder Standardverteilung?
• Wie sind die diskreten und kontinuierlichen Familien durch Grenzwerte und Transformationen miteinander verbunden?
• Was sind die Momente und charakteristischen Funktionen der Standardfamilien?
• Warum nimmt die Normalverteilung einen zentralen Platz unter ihnen ein?

Key concepts

• Bernoulli und Binomial
• Poisson und Exponential
• Gamma- und Beta-Familien
• Normalverteilung
• Beziehungen zwischen Familien

Key theories

Poisson-Grenzwert der Binomialverteilung

Wenn die Anzahl der unabhängigen Versuche zunimmt, während die Erfolgswahrscheinlichkeit schrumpft, sodass die erwartete Anzahl der Erfolge konstant bleibt, konvergiert die Binomialverteilung gegen die Poisson-Verteilung, was erklärt, warum Zählungen seltener Ereignisse Poisson-verteilt sind.

Normalverteilung als universeller Grenzwert

Die Normalverteilung entsteht als Grenzgesetz von standardisierten Summen vieler kleiner unabhängiger Beiträge, weshalb sie Messfehler und aggregierte Größen modelliert und als Referenzverteilung der klassischen Statistik dient.

Clinical relevance

Diese Familien sind die Standardmodelle in der angewandten Wahrscheinlichkeitsrechnung und Statistik: Die Poisson- und Exponentialverteilung beschreiben Ankünfte und Lebensdauern in der Zuverlässigkeits- und Warteschlangentheorie, die Binomialverteilung und ihre Verwandten beschreiben die Anzahl der Erfolge in Versuchen und Umfragen, und die Normalverteilung untermauert Messfehlermodelle, Konfidenzintervalle und einen Großteil der statistischen Inferenz.

History

Die benannten Verteilungen sammelten sich über drei Jahrhunderte an: Bernoulli und de Moivre untersuchten Zählungen und die Normalapproximation, Poisson leitete das Gesetz seltener Ereignisse ab, und Gauss und Laplace etablierten die Normalverteilung für Fehler. Die moderne Behandlung organisiert sie nach ihren Erzeugungsmechanismen und Grenzbeziehungen.

Key figures

• Abraham de Moivre
• Simeon Denis Poisson
• Carl Friedrich Gauss
• Jacob Bernoulli

Seminal works

• feller1968

Frequently asked questions

Warum tritt die Normalverteilung so oft auf?

Weil der zentrale Grenzwertsatz sie zur Grenzverteilung von standardisierten Summen vieler unabhängiger kleiner Effekte macht, sodass jede Größe, die aus vielen vergleichbaren Beiträgen aufgebaut ist, tendenziell annähernd normalverteilt ist, unabhängig von den Details.

Wie sind die Exponential- und Poisson-Verteilungen miteinander verbunden?

Sie beschreiben denselben Prozess aus zwei Blickwinkeln: In einem Poisson-Prozess ist die Anzahl der Ereignisse in einem festen Intervall Poisson-verteilt, während die Wartezeiten zwischen den Ereignissen exponentiell verteilt sind.