Zusammenfassung
Jetzt geht es um Merkmale, deren Ausprägungen ein Intervall reeller Zahlen ausfüllen. Im ersten Abschnitt wird aus dem Begriff der relativen Summenhäufigkeit bei einem endlichen Wahrscheinlichkeitsmodell die Verteilungsfunktion bei kontinuierlichem Mo-dell hergeleitet. Im zweiten Abschnitt ergibt sich aus dem Begriff der relativen Häufigkeiten der Begriff der Wahrscheinlichkeitsdichte einer kontinuierlichen Verteilung. Schließlich wird der Zusammenhang von Dichte und Verteilungsfunktion erklärt. Als Anwendungsbeispiel wird die Dauer der Funktionsfähigkeit eines technischen Gerätes behandelt. Die wichtigen Normalverteilungen führen wir am Beispiel des Geburtsgewichtes ein. Wir definieren die Maßzahlen von kontinuierlichen Verteilungen und behandeln ihre Veränderungen bei Skalenwechsel. Es wird beschrieben, warum Normalverteilungen so häufig auftreten. Ein weiterer Nutzen der Normalverteilungen ist, dass die Binomialverteilung und andere Verteilungen oft durch eine übersichtlichere Normalverteilung approximiert werden können.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsAuthor information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2015 Springer Fachmedien Wiesbaden GmbH
About this chapter
Cite this chapter
Riede, A. (2015). Kontinuierliche Wahrscheinlichkeitsmodelle. In: Mathematik für Biowissenschaftler. Springer Spektrum, Wiesbaden. https://doi.org/10.1007/978-3-658-03687-4_14
Download citation
DOI: https://doi.org/10.1007/978-3-658-03687-4_14
Published:
Publisher Name: Springer Spektrum, Wiesbaden
Print ISBN: 978-3-658-03686-7
Online ISBN: 978-3-658-03687-4
eBook Packages: Life Science and Basic Disciplines (German Language)