Varianz

Bei einer binomialverteilten Zufallsvariable X (Anzahl der Treffer bei n unabhängigen Versuchen mit Trefferwahrscheinlichkeit p ) muss man die Varianz nicht über die lange Summe ausrechnen – es gibt eine kurze Formel . Die Varianz und die Standardabweichung sind Streuungsmaße : Sie geben an, wie weit die Trefferzahlen typischerweise vom Erwartungswert mu = n cdot p abweichen. Für X sim B(n; ,p) gilt: text{Var}(X) = n cdot p cdot (1 - p) Dazu: - Erwartungswert: mu = E(X) = n cdot p - Standardabweichung: sigma = sqrt{n cdot p cdot (1 - p)} Allgemeine Definition (für jede Zufallsvariable): text{Var}(X) = sum (x i - mu)^2 cdot P(X = x i) Die Binomialformel ist eine Abkürzung davon. Beobachtungen: - Bei p = 0{,}5 ist die Varianz am größten (bei festem n ). - Bei p nahe 0 oder 1 ist das Ergebnis fast sicher – die Varianz ist klein. Beispiel 1: Münzwurf Eine Münze wird 100-mal geworfen, X = Anzahl Wappen, also n = 100 , p = 0{,}5 . text{Var}(X) = 100 cdot 0{,}5 cdot 0{,}5 = 25 qquad sigma = sqrt{25} = 5 Man erwartet 50 Wappen, typische Abweichungen liegen bei etwa pm 5 . Beispiel 2: B(20; 0,3) n = 20 , p = 0{,}3 (Diagramm oben): mu = 20 cdot 0{,}3 = 6 qquad text{Var}(X) = 20 cdot 0{,}3 cdot 0{,}7 = 4{,}2 qquad sigma = sqrt{4{,}2} approx 2{,}05 Die sigma -Umgebung reicht also etwa von 6 - 2{,}05 approx 4 bis 6 + 2{,}05 approx 8 Treffern. Beispiel 3: Wann ist die Streuung am größten? Bei n = 50 Versuchen: - p = 0{,}1 : text{Var} = 50 cdot 0{,}1 cdot 0{,}9 = 4{,}5 - p = 0{,}5 : text{Va

Worum geht's?

Bei einer binomialverteilten Zufallsvariable X X X (Anzahl der Treffer bei n n n unabhängigen Versuchen mit Trefferwahrscheinlichkeit p p p ) muss man die Varianz nicht über die lange Summe ausrechnen – es gibt eine kurze Formel . Die Varianz und die Standardabweichung sind Streuungsmaße : Sie geben an, wie weit die Trefferzahlen typischerweise vom Erwartungswert μ = n ⋅ p \mu = n \cdot p μ = n ⋅ p abweichen.
B(20; 0,3) → B(20; 0,30)
0.000.060.110.170.2202468101214161820μ−σμμ+σk
μ = n·p = 6.00  |  σ ≈ 2.05

Formel mit Erklärung

Für X ∼ B ( n ;   p ) X \sim B(n;\,p) X ∼ B ( n ; p ) gilt: Var ( X ) = n ⋅ p ⋅ ( 1 − p ) \text{Var}(X) = n \cdot p \cdot (1 - p) Var ( X ) = n ⋅ p ⋅ ( 1 − p ) Dazu: Erwartungswert: μ = E ( X ) = n ⋅ p \mu = E(X) = n \cdot p μ = E ( X ) = n ⋅ p Standardabweichung: σ = n ⋅ p ⋅ ( 1 − p ) \sigma = \sqrt{n \cdot p \cdot (1 - p)} σ = n ⋅ p ⋅ ( 1 − p ) ​ Allgemeine Definition (für jede Zufallsvariable): Var ( X ) = ∑ ( x i − μ ) 2 ⋅ P ( X = x i ) \text{Var}(X) = \sum (x_i - \mu)^2 \cdot P(X = x_i) Var ( X ) = ∑ ( x i ​ − μ ) 2 ⋅ P ( X = x i ​ ) Die Binomialformel ist eine Abkürzung davon. Beobachtungen: Bei p = 0,5 p = 0{,}5 p = 0 , 5 ist die Varianz am größten (bei festem n n n ). Bei p p p nahe 0 0 0 oder 1 1 1 ist das Ergebnis fast sicher – die Varianz ist klein.

Beispiele

Leicht#1
Beispiel 1: Münzwurf Eine Münze wird 100-mal geworfen, X X X = Anzahl Wappen, also n = 100 n = 100 n = 100 , p = 0,5 p = 0{,}5 p = 0 , 5 . Var ( X ) = 100 ⋅ 0,5 ⋅ 0,5 = 25 σ = 25 = 5 \text{Var}(X) = 100 \cdot 0{,}5 \cdot 0{,}5 = 25 \qquad \sigma = \sqrt{25} = 5 Var ( X ) = 100 ⋅ 0 , 5 ⋅ 0 , 5 = 25 σ = 25 ​ = 5 Man erwartet 50 50 50 Wappen, typische Abweichungen liegen bei etwa ± 5 \pm 5 ± 5 .

Zusammenfassung

Für X ∼ B ( n ;   p ) X \sim B(n;\,p) X ∼ B ( n ; p ) : Var ( X ) = n ⋅ p ⋅ ( 1 − p ) \text{Var}(X) = n \cdot p \cdot (1 - p) Var ( X ) = n ⋅ p ⋅ ( 1 − p ) . Standardabweichung: σ = n ⋅ p ⋅ ( 1 − p ) \sigma = \sqrt{n \cdot p \cdot (1 - p)} σ = n ⋅ p ⋅ ( 1 − p ) ​ . Erwartungswert: μ = n ⋅ p \mu = n \cdot p μ = n ⋅ p . Die Varianz ist bei p = 0,5 p = 0{,}5 p = 0 , 5 am größten. Die Formel ist eine Abkürzung der allgemeinen Varianz-Definition.

Jetzt üben

Kostenlose Aufgaben mit Lösungsweg zu diesem Begriff: