Processing math: 100%
Benützer: Keine Benutzer angemeldet.


Gaußsche Verteilung

Storyboard

In der Grenze ähnlicher Wahrscheinlichkeiten wird die Binomialverteilung in der kontinuierlichen Grenze zur Gaußschen Verteilung reduziert.

>Modell

ID:(1556, 0)



Gaußsche Verteilung

Beschreibung

In der Grenze ähnlicher Wahrscheinlichkeiten wird die Binomialverteilung in der kontinuierlichen Grenze zur Gaußschen Verteilung reduziert.

Variablen

Symbol
Text
Variable
Wert
Einheiten
Berechnen
MKS-Wert
MKS-Einheiten
\sigma
sigma
Desviación estándar de Gauss
-
q
q
Número de pasos hacia la derecha
-
n_1
n_1
Número de pasos hacia la izquierda
-
N
N
Número total de pasos
-
n
n
Número totales de pasos a la izquierda
-
u
u
Parameter u
-
s
s
Posición camino aleatorio
m
\mu
mu
Posición media
m
P_N(m)
P_Nm
Probabilidad de n_1 de N pasos hacia la izquierda
-
p
p
Probabilidad de pasos hacia la izquierda
-
a
a
Schrittlänge
m
n
n
Zahl
-

Berechnungen


Zuerst die Gleichung auswählen:   zu ,  dann die Variable auswählen:   zu 
W_N(n)\sim\displaystyle\frac{1}{\sqrt{2\pi N}}\left(\displaystyle\frac{n}{N}\right)^{-n-1/2}\left(\displaystyle\frac{N-n}{N}\right)^{-N+n-1/2}p^n(1-p)^{N-n}\displaystyle\frac{N!}{n!(N-n)!}\sim\displaystyle\frac{1}{\sqrt{2\pi N}}\left(\displaystyle\frac{n}{N}\right)^{-n-1/2}\left(\displaystyle\frac{N-n}{N}\right)^{-N+n-1/2}P(x)=1/(sqrt(2 * pi * N ^2 * p * (1 - p ))) exp(-( x - a * N * p )^2/(2* N ^2 * p * (1- p )))P(x)=1/(sqrt(2 pi sigma^2))e^(-(x-mu)^2/2sigma^2) W_N(n) =math.factorial( N )* p ^ n *(1- p )^( N - n )/(math.factorial( n )*math.factorial( N - n ))sigma ^2 = N ^2 * p *(1- p )x=(n-Np)aW_N(n)\sim\displaystyle\frac{1}{\sqrt{2\pi N}p(1-p)}\left(1+\displaystyle\frac{x}{aNp}\right)^{-n-1/2}\left(1-\displaystyle\frac{x}{aN(1-p)}\right)^{-N+n-1/2}N!\sim\sqrt{2\pi N}\left(\displaystyle\frac{N}{e}\right)^N( N - n )!=sqrt(2* pi *( N - n ))*( N - n )/ e )^( N - n )n!\sim\sqrt{2\pi n}\left(\displaystyle\frac{n}{e}\right)^n\displaystyle\frac{n}{N}=p\left(1+\displaystyle\frac{x}{aNp}\right)\displaystyle\frac{N-n}{N}=(1-p)\left(1-\displaystyle\frac{x}{aN(1-p)}\right)\left(1+\displaystyle\frac{x}{aNp}\right)\sim e^{x/aNp-x^2/2a^2N^2p^2}\left(1-\displaystyle\frac{x}{aN(1-p)}\right)\sim e^{-x/aN(1-p)-x^2/2a^2N^2(1-p)^2}\mu=aNpu=\displaystyle\frac{x}{aNp}u=\displaystyle\frac{x}{aN(1-p)}sigmaqn_1NnusmuP_Nmpan

Symbol
Gleichung
Gelöst
Übersetzt

Berechnungen

Symbol
Gleichung
Gelöst
Übersetzt

 Variable   Gegeben   Berechnen   Ziel :   Gleichung   Zu verwenden
W_N(n)\sim\displaystyle\frac{1}{\sqrt{2\pi N}}\left(\displaystyle\frac{n}{N}\right)^{-n-1/2}\left(\displaystyle\frac{N-n}{N}\right)^{-N+n-1/2}p^n(1-p)^{N-n}\displaystyle\frac{N!}{n!(N-n)!}\sim\displaystyle\frac{1}{\sqrt{2\pi N}}\left(\displaystyle\frac{n}{N}\right)^{-n-1/2}\left(\displaystyle\frac{N-n}{N}\right)^{-N+n-1/2}P(x)=1/(sqrt(2 * pi * N ^2 * p * (1 - p ))) exp(-( x - a * N * p )^2/(2* N ^2 * p * (1- p )))P(x)=1/(sqrt(2 pi sigma^2))e^(-(x-mu)^2/2sigma^2) W_N(n) =math.factorial( N )* p ^ n *(1- p )^( N - n )/(math.factorial( n )*math.factorial( N - n ))sigma ^2 = N ^2 * p *(1- p )x=(n-Np)aW_N(n)\sim\displaystyle\frac{1}{\sqrt{2\pi N}p(1-p)}\left(1+\displaystyle\frac{x}{aNp}\right)^{-n-1/2}\left(1-\displaystyle\frac{x}{aN(1-p)}\right)^{-N+n-1/2}N!\sim\sqrt{2\pi N}\left(\displaystyle\frac{N}{e}\right)^N( N - n )!=sqrt(2* pi *( N - n ))*( N - n )/ e )^( N - n )n!\sim\sqrt{2\pi n}\left(\displaystyle\frac{n}{e}\right)^n\displaystyle\frac{n}{N}=p\left(1+\displaystyle\frac{x}{aNp}\right)\displaystyle\frac{N-n}{N}=(1-p)\left(1-\displaystyle\frac{x}{aN(1-p)}\right)\left(1+\displaystyle\frac{x}{aNp}\right)\sim e^{x/aNp-x^2/2a^2N^2p^2}\left(1-\displaystyle\frac{x}{aN(1-p)}\right)\sim e^{-x/aN(1-p)-x^2/2a^2N^2(1-p)^2}\mu=aNpu=\displaystyle\frac{x}{aNp}u=\displaystyle\frac{x}{aN(1-p)}sigmaqn_1NnusmuP_Nmpan



Gleichungen


Beispiele

Wenn wir die Binomialverteilung f r gro e Zahlen N und Wahrscheinlichkeiten um 1/2 untersuchen

P(x)=\displaystyle\frac{1}{\sqrt{2\pi\sigma^2}}e^{-(x-\mu)^2/2\sigma^2}



welches unten dargestellt ist:

(ID 7793)


ID:(1556, 0)