Statistik 1
Formelsammlung
Deskriptive Statistik und Häufigkeiten
| Formel | Beschreibung | |
|---|---|---|
| \[{h}_{j}=\frac{{n}_{j}}{n}\] | Relative Häufigkeit | |
| \[\begin{align}&j = \lfloor (n-1)*p + 1 \rfloor\\&g = (n-1)*p + 1 - j\\&(1-g)*x_j + g*x_{j+1}\end{align}\] | Quantil | |
| \[\overline{x}=\hat{\mu}=\frac{{\sum_{i=1}^{n}{{x}_{i}}}}{n}\] | Mittelwert | |
| \[{s}_{x}^2=\hat{\sigma}^2_{x}=\frac{{\sum_{i=1}^{n}{({x}_{i}-\overline{x})^2}}}{n-1}\] | Varianz | |
| \[{s}_{x}=\hat{\sigma}_{x}=\sqrt{{s}_{x}^2}\] | Standardabweichung | |
| \[H=-\frac{1}{\ln k}*\sum_{j=1}^{k}{{h}_{j}*\ln {h}_{j}}\] | Relativer Informationsgehalt | |
| \[R={x}_{max}-{x}_{min}\] | Spannweite, Range | |
| \[IQA=IQR={Q}_{3}-{Q}_{1}\] | Interquartilsabstand, Interquartilsrange | |
| \[g=\frac{1}{n}*\sum_{i=1}^{n}{(\frac{{x}_{i}-\overline{x}}{{s}_{x}})^3}\] | Schiefe | |
| \[\begin{align}&w=\frac{1}{n}*\sum_{i=1}^{n}{(\frac{{x}_{i}-\overline{x}}{{s}_{x}})^4}\\&Exzess=w-3\end{align}\] | Kurtosis, Wölbung |
Wahrscheinlichkeit
| Formel | Beschreibung | |
|---|---|---|
| \[p(A)= \frac{{n}_{A}}{{n}_{\Omega}}\] | Wahrscheinlichkeit Laplace-Experiment | |
| \[p(A\cap B)=p(A|B)*p(B)=p(B|A)*p(A)\] | Multiplikationstheorem für abhängige Ereignisse | |
| \[p(A\cap B)=p(A)*p(B)\] | Multiplikationstheorem für unabhängige Ereignisse | |
| \[p(A|B)=\frac{p(B|A)*p(A)}{p(B)}\] | Satz von Bayes |
Verteilungen
| Formel | Beschreibung | |
|---|---|---|
| \[\begin{align}x& \sim \mathcal{B}(n,\pi)\\f_{x,n,\pi}&=p(X=x)=\binom{n}{x}*\pi^{x}*(1-\pi)^{n-x}\\F_{x,n,\pi}&=p(X\le x)=\sum_{i=0}^{x}{p(X=x_i)}\end{align}\] | Binomialverteilung | |
| \[\begin{align}x& \sim \mathcal{Pois}(\lambda)\\f_{x,\lambda}&=p(X=x)=\frac{{\lambda}^{x}}{x!}*{e}^{-\lambda}\\F_{x,\lambda}&=p(X\le x)=\sum_{i=0}^{x}{p(X=x_i)}\end{align}\] | Poissonverteilung | |
| \[\begin{align}X& \sim \mathcal{Exp}(\lambda)\\f_{x,\lambda}&=\lambda e^{-\lambda x},\quad x\ge 0\\F_{x,\lambda}&=p(X\le x)=1-e^{-\lambda x}\end{align}\] | Exponentialverteilung | |
| \[\begin{align}X& \sim \mathcal{N}(\mu,\sigma^2)\\f_{x,\mu,\sigma^2}&=\frac{1}{\sigma\sqrt{2\pi}}\exp\left(-\frac{(x-\mu)^2}{2\sigma^2}\right)\\F_{x,\mu,\sigma^2}&=p(X\le x)=\int_{-\infty}^{x}f(t)\,\mathrm{d}t\end{align}\] | Normalverteilung |