Rechner für Wahrscheinlichkeitsverteilungen

Willkommen beim Wahrscheinlichkeitsverteilung-Rechner, einem umfassenden statistischen Tool zur Berechnung von Wahrscheinlichkeiten, kumulativen Wahrscheinlichkeiten (CDF) und Quantilen (inverse CDF) für verschiedene Wahrscheinlichkeitsverteilungen. Egal, ob Sie Statistik lernen, Daten analysieren oder professionell mit statistischen Modellen arbeiten – dieser Rechner bietet detaillierte Schritt-für-Schritt-Lösungen und interaktive Visualisierungen, um Ihnen das Verständnis von Wahrscheinlichkeitsverteilungen zu erleichtern.

Auf einen Blick

Der Rechner für Wahrscheinlichkeitsverteilungen berechnet Dichte bzw. Wahrscheinlichkeitsfunktion, kumulative Wahrscheinlichkeit und Quantile für sieben Verteilungen: Normal, Binomial, Poisson, Exponential, Gleichverteilung, Chi-Quadrat und Student-t. Die Ergebnisse kommen mit Diagramm und Rechenschritten.

Rechner für Wahrscheinlichkeitsverteilungen: Funktionen auf einen Blick

Funktion	Was Sie erhalten	Geeignet für
Sieben Verteilungen	Auswahl von Normal, Binomial, Poisson, Exponential, Gleichverteilung, Chi-Quadrat oder Student-t über Karten mit der Angabe stetig oder diskret.	Statistikkurse und Hypothesentests
Drei Berechnungen	PDF/PMF liefert den Wert an einer Stelle, CDF gibt P(X <= x) an, und Quantil ermittelt x für eine Wahrscheinlichkeit zwischen 0 und 1.	Wahrscheinlichkeiten und kritische Werte finden
Dynamische Parameter	Das Formular zeigt nur die Parameter der gewählten Verteilung, etwa Mittelwert und Standardabweichung, Versuche und Wahrscheinlichkeit oder Freiheitsgrade.	Die Verteilung wechseln, ohne das Formular neu zu lernen
Verteilungsdiagramm	Ein interaktiver Plot der Verteilung veranschaulicht das Ergebnis.	Sehen, wo ein Wert auf der Kurve liegt
Ausgearbeitete Lösungen	Schritt-für-Schritt-Herleitungen zeigen die verwendete Formel, etwa die Normal-PDF oder die Binomial-PMF.	Die Methode hinter einer Zahl prüfen

Unterstützte Wahrscheinlichkeitsverteilungen

Dieser Rechner unterstützt sieben häufig verwendete Wahrscheinlichkeitsverteilungen, die jeweils für unterschiedliche Arten von Zufallsphänomenen geeignet sind:

PDF, CDF und Quantilsfunktionen verstehen

Wahrscheinlichkeitsdichte-/Funktion (PDF/PMF)

Die PDF (bei stetigen Verteilungen) oder PMF (bei diskreten Verteilungen) gibt die relative Wahrscheinlichkeit an, dass eine Zufallsvariable einen bestimmten Wert annimmt. Bei stetigen Verteilungen ist der PDF-Wert selbst keine Wahrscheinlichkeit, sondern eine Dichte – Wahrscheinlichkeiten werden durch Integration der PDF über ein Intervall ermittelt.

Kumulative Verteilungsfunktion (CDF)

Die CDF, bezeichnet als F(x), gibt die Wahrscheinlichkeit an, dass eine Zufallsvariable X kleiner oder gleich einem Wert x ist. Dies wird als P(X ≤ x) geschrieben. Die CDF steigt mit zunehmendem x immer von 0 auf 1 an.

Quantilsfunktion (Inverse CDF)

Die Quantilsfunktion (auch Prozentpunktfunktion oder inverse CDF genannt) findet den Wert x, für den P(X ≤ x) = p gilt. Sie beantwortet die Frage: "Welcher Wert wird von nur (1-p)×100% der Verteilung überschritten?" Dies ist entscheidend für das Finden kritischer Werte in Hypothesentests.

Formeln der Verteilungen

Normalverteilung

Die Normalverteilung (Gauß-Verteilung) ist symmetrisch und glockenförmig, charakterisiert durch den Mittelwert μ (Zentrum) und die Standardabweichung σ (Streuung).

• PDF: \( f(x) = \frac{1}{\sigma\sqrt{2\pi}} e^{-\frac{(x-\mu)^2}{2\sigma^2}} \)
• CDF: \( F(x) = \frac{1}{2}\left[1 + \text{erf}\left(\frac{x-\mu}{\sigma\sqrt{2}}\right)\right] \)
• Quantil: \( x = \mu + \sigma \cdot \Phi^{-1}(p) \)

Binomialverteilung

Modelliert die Anzahl der Erfolge in n unabhängigen Versuchen mit jeweils der Erfolgswahrscheinlichkeit p.

• PMF: \( P(X=k) = \binom{n}{k} p^k (1-p)^{n-k} \)
• CDF: \( F(k) = \sum_{i=0}^{k} \binom{n}{i} p^i (1-p)^{n-i} \)

Poisson-Verteilung

Modelliert die Anzahl der Ereignisse in einem festen Intervall, wenn Ereignisse mit einer konstanten durchschnittlichen Rate λ auftreten.

• PMF: \( P(X=k) = \frac{e^{-\lambda} \lambda^k}{k!} \)
• CDF: \( F(k) = e^{-\lambda} \sum_{i=0}^{k} \frac{\lambda^i}{i!} \)

Exponentialverteilung

Modelliert die Zeit zwischen Ereignissen in einem Poisson-Prozess mit der Rate λ.

• PDF: \( f(x) = \lambda e^{-\lambda x} \) für x ≥ 0
• CDF: \( F(x) = 1 - e^{-\lambda x} \)
• Quantil: \( x = -\frac{\ln(1-p)}{\lambda} \)

Chi-Quadrat-Verteilung

Entsteht in der Statistik als Summe quadratischer standardnormalverteilter Variablen. Wird in Hypothesentests und Konfidenzintervallen für die Varianz verwendet.

• PDF: \( f(x) = \frac{x^{k/2-1} e^{-x/2}}{2^{k/2} \Gamma(k/2)} \) für x > 0

Student-t-Verteilung

Ähnlich der Normalverteilung, aber mit "schwereren" Enden (Tails). Wird für Rückschlüsse auf Populationsmittelwerte verwendet, wenn der Stichprobenumfang klein oder die Populationsvarianz unbekannt ist.

• PDF: \( f(x) = \frac{\Gamma\left(\frac{\nu+1}{2}\right)}{\sqrt{\nu\pi}\,\Gamma\left(\frac{\nu}{2}\right)} \left(1+\frac{x^2}{\nu}\right)^{-\frac{\nu+1}{2}} \)

So verwenden Sie diesen Rechner

1. Verteilung wählen: Klicken Sie auf die Verteilungskarte, die zu Ihren Daten oder Ihrer Aufgabe passt. Jede Karte zeigt den Verteilungstyp (stetig oder diskret) an.
2. Berechnungstyp wählen: Wählen Sie PDF/PMF für die Punktwahrscheinlichkeit, CDF für die kumulative Wahrscheinlichkeit oder Quantil, um einen Wert für eine gegebene Wahrscheinlichkeit zu finden.
3. Parameter eingeben: Geben Sie die Verteilungsparameter ein. Das Formular zeigt dynamisch nur die relevanten Parameter für die gewählte Verteilung an.
4. Wert oder Wahrscheinlichkeit eingeben: Geben Sie für PDF/CDF den x-Wert (oder k für diskrete Werte) ein. Geben Sie für Quantile eine Wahrscheinlichkeit zwischen 0 und 1 ein.
5. Ergebnisse prüfen: Sehen Sie sich das berechnete Ergebnis, die mathematische Herleitung Schritt für Schritt und die interaktive Visualisierung der Verteilung an.

Häufig gestellte Fragen (FAQ)

Was ist eine Wahrscheinlichkeitsverteilung?

Eine Wahrscheinlichkeitsverteilung ist eine mathematische Funktion, die die Wahrscheinlichkeit verschiedener möglicher Ergebnisse für eine Zufallsvariable beschreibt. Sie kann diskret sein (wie Binomial oder Poisson) für abzählbare Ergebnisse oder stetig (wie Normal oder Exponential) für Ergebnisse, die jeden Wert innerhalb eines Bereichs annehmen können.

Was ist der Unterschied zwischen PDF und CDF?

Die PDF (Wahrscheinlichkeitsdichtefunktion) oder PMF (Wahrscheinlichkeitsfunktion) gibt die Wahrscheinlichkeitsdichte an einem bestimmten Punkt an. Bei diskreten Verteilungen gibt die PMF die exakte Wahrscheinlichkeit P(X=k) an. Die CDF (Verteilungsfunktion) gibt die Wahrscheinlichkeit an, dass die Zufallsvariable kleiner oder gleich einem Wert ist: P(X≤x). Die CDF ist die kumulative Summe/Integral der PDF/PMF.

Wann sollte ich die Normalverteilung verwenden?

Die Normalverteilung ist für stetige Daten geeignet, die symmetrisch um einen Mittelwert verteilt sind. Sie wird häufig für Phänomene wie Körpergrößen, Testergebnisse, Messfehler und viele biologische Variablen verwendet. Der zentrale Grenzwertsatz besagt, dass Stichprobenmittelwerte dazu neigen, normalverteilt zu sein, unabhängig von der Verteilung der Grundgesamtheit.

Was ist eine Quantilsfunktion?

Die Quantilsfunktion (auch inverse CDF oder Prozentpunktfunktion genannt) findet den Wert x, für den P(X≤x) = p bei einer gegebenen Wahrscheinlichkeit p gilt. Beispielsweise ist das 95. Perzentil (p=0,95) einer Verteilung der Wert, unter den 95 % der Beobachtungen fallen.

Wie wähle ich zwischen verschiedenen Verteilungen?

Wählen Sie basierend auf Ihren Datenmerkmalen: Normal für symmetrische stetige Daten um einen Mittelwert; Binomial für das Zählen von Erfolgen; Poisson für Ereignisse in festen Intervallen; Exponential für Zeiten zwischen Ereignissen; Gleichverteilung für gleiche Wahrscheinlichkeiten; Chi-Quadrat für Varianztests; Student-t für kleine Stichproben bei unbekannter Varianz.