Diskrete Verteilung

Das Wichtigste auf einen Blick

• Diskrete Verteilungen beschreiben Zufallsvariablen mit abzählbar vielen möglichen Ausprägungen.
• Die Summe aller Wahrscheinlichkeiten bei diskreten Verteilungen ist immer 1.
• Typische Beispiele sind Binomial-, Poisson- und geometrische Verteilungen.
• Diskrete Verteilungen werden häufig in der Statistik, Informatik und Naturwissenschaften eingesetzt.
• Die Wahrscheinlichkeitsfunktion (PMF) gibt die Wahrscheinlichkeit für jeden möglichen Wert an.
• Erwartungswert und Varianz sind zentrale Kenngrößen diskreter Verteilungen.

Überblick: Diskrete Verteilung

Diskrete Verteilungen sind fundamentale Werkzeuge in der Statistik und Wahrscheinlichkeitsrechnung. Sie modellieren Situationen, in denen Ereignisse oder Messwerte aus einer endlichen oder abzählbar unendlichen Menge von Möglichkeiten stammen. Typische Beispiele sind das Werfen eines Würfels, die Anzahl von Erfolgen in einer Serie von Versuchen oder das Auftreten bestimmter Ereignisse in einem Zeitintervall. Im Gegensatz zu stetigen Verteilungen, bei denen Werte aus einem Intervall stammen, sind diskrete Verteilungen durch Wahrscheinlichkeiten einzelner Punkte charakterisiert.

Was ist eine diskrete Verteilung?

Eine diskrete Verteilung beschreibt die Wahrscheinlichkeitsverteilung einer Zufallsvariablen, die nur bestimmte, abzählbare Werte annehmen kann. Jeder dieser Werte ist mit einer Wahrscheinlichkeit verbunden, wobei die Summe aller Wahrscheinlichkeiten 1 ergibt.

Wahrscheinlichkeitsfunktion (PMF)

Die Wahrscheinlichkeitsfunktion (Probability Mass Function, PMF) ordnet jedem möglichen Wert der Zufallsvariablen die Wahrscheinlichkeit zu, mit der dieser Wert eintritt. Für eine diskrete Zufallsvariable X gilt: P(X = x_i) ≥ 0 für alle i und die Summe aller P(X = x_i) = 1.

Beispiele diskreter Verteilungen

Es gibt zahlreiche diskrete Verteilungen, die in verschiedenen Kontexten Anwendung finden. Zu den bekanntesten zählen die Binomialverteilung, die Poisson-Verteilung und die geometrische Verteilung.

Vergleich ausgewählter diskreter Verteilungen

Erwartungswert und Varianz

Der Erwartungswert (Mittelwert) gibt den durchschnittlichen Wert einer Zufallsvariablen an. Die Varianz misst die Streuung der Werte um den Erwartungswert. Beide Größen sind für diskrete Verteilungen durch Summen über alle möglichen Werte definiert.

Anwendungen diskreter Verteilungen

Diskrete Verteilungen werden in zahlreichen Bereichen verwendet, etwa in der Qualitätskontrolle, bei der Modellierung von Warteschlangen, in der Informatik zur Analyse von Algorithmen und in den Naturwissenschaften zur Beschreibung von Ereigniszahlen.

Abgrenzung zu stetigen Verteilungen

Im Gegensatz zu diskreten Verteilungen, bei denen einzelne Werte Wahrscheinlichkeiten zugeordnet werden, sind bei stetigen Verteilungen Wahrscheinlichkeiten nur über Intervalle definiert. Diskrete Verteilungen sind daher für abzählbare Ergebnisräume geeignet.

Wichtig

Zusatzinformationen