Multinomialverteilung - LinkFang.de





Multinomialverteilung


Die Multinomialverteilung oder Polynomialverteilung ist eine diskrete Wahrscheinlichkeitsverteilung. Man kann sie als multivariate Verallgemeinerung der Binomialverteilung auffassen. Sie hat in der Bayesschen Statistik als A-priori-Verteilung die Dirichlet-Verteilung.

Definition und Modell

Seien [math]n,k \in \mathbb{N}_0[/math] und [math] p_1, \dotsc, p_k \in [0,1][/math] mit [math]p_1+ \dotsb +p_k = 1[/math]. Dann ist die Zähldichte der Multinomialverteilung [math]M(n,(p_1,\dotsc,p_k))[/math] gegeben durch

[math]f(n_1, \dotsc, n_k) \;=\; \begin{cases} {n \choose n_1, \dotsc, n_k} \; p_1^{n_1} \dotsm p_k^{n_k} & \mbox{wenn } n_1, \dotsc, n_k \in \mathbb{N}_0\mbox{ und } n_1 + \dotsb + n_k = n \\ 0 & \mbox{sonst} \end{cases}[/math].

Hierbei ist [math] {n \choose n_1, \dotsc, n_k} = \frac{n!}{n_1!\dotsm n_k!}[/math] der Multinomialkoeffizient.

Anwendung und Motivation

Die Multinomialverteilung kann ausgehend von einem Urnenmodell mit Zurücklegen motiviert werden. In einer Urne sind [math]k[/math] Sorten Kugeln. Der Anteil der Sorten Kugeln in der Urne ist [math]p_i, (i \in \{1, \dotsc, k\})[/math]. Der Urne wird [math]n[/math]-mal jeweils eine Kugel entnommen, ihre Eigenschaft (Sorte) notiert und die Kugel danach wieder in die Urne zurückgelegt.

Man interessiert sich nun für die Anzahl [math]x_i[/math] der Kugeln einer jeden Sorte [math]i[/math] in dieser Stichprobe. Da [math]X_1, \dotsc, X_k[/math] der Multinomialverteilung folgen, besitzt die Stichprobe [math]x_1, \dotsc, x_k[/math] die Wahrscheinlichkeit:

[math]P(X_1=x_1, X_2=x_2, \dotsc, X_k=x_k)= \frac {n!}{x_1! \cdot x_2! \dotsm x_k!}p_1^{x_1} \cdot p_2^{x_2} \dotsm p_k^{x_k} [/math].

Nimmt man eine Urne mit [math]k=6[/math] Sorten Kugeln mit jeweils einer Kugel pro Sorte, so erhält man den klassischen Würfel: Man wirft diesen [math]n[/math]-mal, hat dabei [math]k=6[/math] mögliche Ausgänge und interessiert sich dafür, wie groß die Wahrscheinlichkeit dafür ist, dass [math]X_1[/math] gerade [math]x_1[/math]-mal auftritt, [math]X_2[/math] gerade [math]x_2[/math]-mal und so weiter. Weiter beschreiben die jeweiligen [math]p[/math] die Wahrscheinlichkeiten der Würfelflächen und somit, ob es sich um einen fairen oder unfairen Würfel handelt.

Eigenschaften

Erwartungswert

Für jedes [math]i[/math] ist die Zufallsvariable [math]X_i[/math] binomialverteilt mit den Parametern [math]n[/math] und [math]p_i[/math], hat also den Erwartungswert

[math]\operatorname{E}(X_i) = np_i[/math]

Varianz

Für die Varianz gilt

[math]\operatorname{Var}(X_i) = n p_i (1-p_i)[/math].

Kovarianz und Korrelationskoeffizient

Die Kovarianz zweier Zufallsvariablen [math]X_i[/math] und [math]X_j[/math] mit [math]i\ne j[/math] berechnet sich als

[math]\operatorname{Cov}(X_i,X_j) = -n p_i p_j [/math],

und für den Korrelationskoeffizient (nach Pearson) folgt:

[math] \varrho(X_i,X_j) = -\sqrt{\frac{p_i}{1-p_i}\frac{p_j}{1-p_j}} [/math].

Wahrscheinlichkeitserzeugende Funktion

Die multivariate wahrscheinlichkeitserzeugende Funktion ist

[math]m_X(t)=\left( \sum_{i=1}^k p_i t_i \right)^n[/math]

Beispiel

In einer Schulklasse sind 31 Schüler, 12 aus Dorf A, 11 aus Dorf B und 8 aus Dorf C. Jeden Tag wird ein Schüler ausgelost, der die Tafel wischen muss. Wie groß ist die Wahrscheinlichkeit, dass in einer Woche kein Schüler aus Dorf A, zwei Schüler aus Dorf B und 3 Schüler aus Dorf C die Tafel wischen müssen? Es ist [math] n_1=0 , n_2=2, n_3=3 [/math] und [math] p_1= \frac{12}{31}, p_2= \frac{11}{31}, p_3= \frac{8}{31} [/math], da jeder Schüler gleich wahrscheinlich gezogen werden soll. Dann ist [math] M((0,2,3),p_1,p_2,p_3)=\frac{5!}{0!2!3!} \left(\frac{11}{31}\right)^2\left(\frac{8}{31}\right)^3 = \frac{10\cdot 11^2 \cdot 8^3}{31^5} \approx 0 {,}022[/math]

Beziehung zu anderen Verteilungen

Beziehung zur Binomialverteilung

Im Spezialfall [math]k=2[/math] ergibt sich die Binomialverteilung, genauer ist [math]M(n,(p,1-p))[/math] die gemeinsame Verteilung von [math]X[/math] und [math]n-X[/math] für eine [math]B(n,p)[/math]-verteilte Zufallsvariable [math]X[/math].

Beziehung zur multivariaten hypergeometrischen Verteilung

Die Multinomialverteilung und die multivariate hypergeometrische Verteilung sind miteinander verwandt, da sie aus demselben Urnenmodell hervorgehen. Einziger Unterschied ist, dass bei der multivariaten hypergeometrischen Verteilung ohne Zurücklegen gezogen wird. Die multivariate hypergeometrische Verteilung lässt sich unter gewissen Umständen durch die Multinomialverteilung approximieren, siehe hierfür den Artikel über die multivariate hypergeometrische Verteilung.

Literatur

  • Ulrich Krengel: Einführung in die Wahrscheinlichkeitstheorie und Statistik. 8. Auflage, Vieweg, 2005. ISBN 978-3-834-80063-3
  • Hans-Otto Georgii: Stochastik: Einführung in die Wahrscheinlichkeitstheorie und Statistik, 4. Auflage, de Gruyter, 2009. ISBN 978-3-110-21526-7
  • Christian Hesse: Angewandte Wahrscheinlichkeitstheorie: eine fundierte Einführung mit über 500 realitätsnahen Beispielen und Aufgaben, Vieweg, Braunschweig/Wiesbaden 2003, ISBN 978-3-528-03183-1.

Kategorien: Wahrscheinlichkeitsverteilung

Quelle: Wikipedia - http://de.wikipedia.org/wiki/Multinomialverteilung (Vollständige Liste der Autoren des Textes [Versionsgeschichte])    Lizenz: CC-by-sa-3.0

Änderungen: Alle Bilder mit den meisten Bildunterschriften wurden entfernt. Ebenso alle zu nicht-existierenden Artikeln/Kategorien gehenden internen Wikipedia-Links (Bsp. Portal-Links, Redlinks, Bearbeiten-Links). Entfernung von Navigationsframes, Geo & Normdaten, Mediadateien, gesprochene Versionen, z.T. ID&Class-Namen, Style von Div-Containern, Metadaten, Vorlagen, wie lesenwerte Artikel. Ansonsten sind keine Inhaltsänderungen vorgenommen worden. Weiterhin kann es durch die maschinelle Bearbeitung des Inhalts zu Fehlern gerade in der Darstellung kommen. Darum würden wir jeden Besucher unserer Seite darum bitten uns diese Fehler über den Support mittels einer Nachricht mit Link zu melden. Vielen Dank!

Stand der Informationen: August 201& - Wichtiger Hinweis: Da die Inhalte maschinell von Wikipedia übernommen wurden, ist eine manuelle Überprüfung nicht möglich. Somit garantiert LinkFang.de nicht die Richtigkeit und Aktualität der übernommenen Inhalte. Sollten die Informationen mittlerweile fehlerhaft sein, bitten wir Sie darum uns per Support oder E-Mail zu kontaktieren. Wir werden uns dann innerhalb von spätestens 10 Tagen um Ihr Anliegen kümmern. Auch ohne Anliegen erfolgt mindestens alle drei Monate ein Update der gesamten Inhalte.