1 / 17

Die Poisson-Verteilung: Mittelwert und Standardabweichung

Die Poisson-Verteilung: Mittelwert und Standardabweichung. Inhalt. Spezielle Verteilungen: Die Gauß-Verteilung Die Poisson-Verteilung Erwartungswert Standardabweichung Verwandtschaft mit der Gaußverteilung. Ein aktuelles Beispiel für Poisson-verteilte Zahlen.

thisbe
Download Presentation

Die Poisson-Verteilung: Mittelwert und Standardabweichung

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Die Poisson-Verteilung:Mittelwert und Standardabweichung

  2. Inhalt Spezielle Verteilungen: • Die Gauß-Verteilung • Die Poisson-Verteilung • Erwartungswert • Standardabweichung • Verwandtschaft mit der Gaußverteilung

  3. Ein aktuelles Beispiel für Poisson-verteilte Zahlen • Bei unveränderten Bedingungen folgen die in gleichen Zeitintervallen beobachteten Unfallzahlen einer Poisson-Verteilung

  4. Voraussetzungen • In gleichen Zeitintervallen werden Ereignisse abgezählt. Die erhaltenen Zahlen sind Poisson-verteilt, wenn • die Ereignisse voneinander unabhängig eintreten • die Wahrscheinlichkeit für das Eintreten eines Ereignisses in allen Zeitintervallen gleich bleibt

  5. Wöchentliche Anzahl der Gewinne einer Klasse, z. B. 6 Richtiger, im Lotto • Beim Einkauf: Zahl der nach mehreren Zeitintervallen gezählten Personen vor der Kasse (falls nicht gerade eine weitere eröffnet wurde oder in einer benachbarten Schule die große Pause begann usw.) • Anzahl radioaktiver Zerfälle in aufeinander folgenden Zeitintervallen ( „Zählraten“ ) • Anzahl der in einem Volumen beobachten Moleküleeines Gases zu unterschiedlichen Zeiten Beispiele

  6. s Anzahl der in einem Volumen befindlichen Moleküle eines Gases 2 0 1,5 0,5 Gas 1,0 Die nach jeweils 2 s im kleinen Kasten beobachtete Anzahl der Teilchen (=Moleküle) ist Poisson-verteilt

  7. Mittelwert und Standardabweichung einer Poissonverteilung Bei Erwartungswerten > 10 unterscheidet sich eine Poissonverteilung kaum von einer Gaußverteilung mit µ = λ, σ = Wurzel ( λ ): In einer Poissonverteilung ist mit dem Erwartungswert λimmer auch die Varianz λbzw. Standardabweichung Wurzel (λ) bekannt!

  8. Poisson-Verteilungen für unterschiedliche Parameter λ λ = 1 λ =5 λ =5 λ =10 Für Parameter („Erwartungswerte“) λ > 10 ist die Poisson- annähernd eine Gauß-Verteilung mit µ = λ und σ = Wurzel (λ)

  9. Verwandtschaft mit der Gaußverteilung • Für Erwartungswerte > 10 ist die Poisson- annähernd eine Gaußverteilung mit µ = λ und σ = Wurzel (λ) • die der Poisson- entsprechende Gauß-Verteilung ist durch nur einen Parameter (λ) festgelegt ! • den zweiten Parameter der Gaußverteilung, σ, bekommt man gewissermaßen von der Natur geschenkt! • Dann gilt, wie für die Gauß Verteilung, • 68% der Messwerte liegen innerhalb λ ± Wurzel(λ) • 95% λ ± 2 ·Wurzel(λ) • 99,7% λ ± 3 ·Wurzel(λ)

  10. Aktuelles Beispiel Zahl der Unfälle 2011 Zahl der Verletzten 2011 Zahl der Totesfälle 2011 Unter der vereinfachenden Annahme, die Daten von 2011 seien die Erwartungswerte λ, werden die Unterschiede Δ zwischen 2010 und 2011 beurteilt . Welche der Zahlen zeigen eine Änderung im Verkehrsaufkommen bzw. Fahrverhalten, welche hätten auch 2010 nicht überrascht?

  11. Analyse mit Hilfe der Änderung in % der Fälle Differenz in % des Messwerts Die Zahl der Todesopfer stieg mit 100% der Fälle am stärksten, die der Verletzten um 30%, die Unfallzahlen um 20% Aber: Die Änderung in Prozent ist zur Beurteilung der Wahrscheinlichkeit unerheblich, das geeignete Maß ist Δ / σ

  12. Analyse mit Hilfe der Standard- abweichungen der Verteilungen Differenz in Vielfachen der Standardabweichung Bei unveränderten Bedingungen sind Differenzen kleiner als die Dreifache Standardabweichung zu erwarten

  13. Test bezüglich der Todesfälle Eine Variation zwischen 0 und 5, d. h. eine Abweichung um 2σ, liegt im Rahmen des bei unveränderten Bedingungen Möglichen: Das Maß Δ / σ ist zur Beurteilung der Wahrscheinlichkeit geeignet

  14. Test bezüglich der Zahlen der Verletzten und der Unfälle Eine Abweichung um 9 σ ist unter gleichen Bedingungen praktisch ausgeschlossen

  15. Ergebnis Der Anstieg der Zahlen der Unfälle und Verletzten um Δ = 9 σ liegt weit außerhalb des durch Zufalls-Schwankungen zu Erwartenden. Er zeigt zwischen 2010 und 2011 eine Änderung im Verkehrsaufkommen bzw. Fahrverhalten. Dagegen liegt der erfreuliche Wert von 0 Toten des Jahres 2010 mit Δ = 2 σ innerhalb der bei gleich bleibenden Bedingungen statistisch zu erwartenden Schwankungen.

  16. Zusammenfassung • Die Zählung diskreter Ereignisse werde mehrfach wiederholt • Die Anzahl von in gleichen Zeitintervallen beobachteten Ereignissen ist Poisson-verteilt, wenn • die Ereignisse voneinander unabhängig einander eintreten • die Wahrscheinlichkeit für das Eintreten eines Ereignisses in allen Zeitintervallen gleich bleibt In einer Poissonverteilung ist • Der Mittelwert der „Erwartungswert“ λ • Die Varianz λ • Die Standardabweichung der Beobachtungen Wurzel (λ) Für Erwartungswerte > 10 ist die Poisson- annähernd eine Gaußverteilung mit µ = λ und σ = Wurzel (λ) , daher gilt: • 68% der Messwerte liegen innerhalbλ ± Wurzel(λ) , 95% µ ± 2 ·Wurzel(λ), 99,7% µ ± 3 ·Wurzel(λ) • Zur Beurteilung der Wahrscheinlichkeit von Zufallsdaten ist die Änderung in Prozent ungeeignet, das geeignete Maß ist das Verhältnis Abweichung Δ vom Mittelwert zur Standardabweichung: Δ / σ

  17. A: Die Standardabweichung der Anzahl liegt bei ± 8 × 1011, bei 23 Stellen ist eine Änderung auf der 11. Stelle unerheblich: Die Anzahl der Moleküle in makroskop. Volumina bleibt praktisch konstant! s finis 2 0 1,5 0,5 Gas 1,0 Q: Weshalb ist es unwahrscheinlich, an einem „Luftloch“ gesundheitlichen Schaden zu erleiden? • Anzahl (= Mittelwert) der Moleküle in einem mol: Avogadro Zahl 6.0221415 × 1023

More Related