MINT lernen

Binomial durch Normal nähern

Ein Histogramm mit hundert Säulen oder eine einzige glatte Kurve? Ab einer bestimmten Größe ist der Unterschied kaum noch zu sehen.

1

Glocke über dem Histogramm

Für große \(n\) sieht das Histogramm einer Binomialverteilung wie eine Glocke aus. Dann kann man mit der Normalverteilung nähern.

  • Parameter:Zu \(X\sim B(n;p)\) passt die Glockenkurve mit \(\mu=n\cdot p\) und \(\sigma=\sqrt{n\cdot p\cdot(1-p)}\).
  • Einzelwert:\(P(X=k)\approx f(k)\) — die Säulenhöhe wird durch die Kurvenhöhe ersetzt.
  • Stetigkeitskorrektur:Die Säule zu \(k\) reicht von \(k-0{,}5\) bis \(k+0{,}5\). Deshalb \(P(X\le k)\approx\Phi(k+0{,}5)\).

Lege die Glockenkurve über das Histogramm. Blende Histogramm, Glocke und die Abweichungen einzeln ein und vergleiche verschiedene n und p.

Glocke über dem Histogramm

Halte fest: Je größer σ, desto besser passt die Glocke. Bei kleinem n und p nahe 0 ist das Histogramm schief — die Glocke liegt daneben.

2

Wann ist die Näherung gut?

Ob die Näherung angemessen ist, entscheidet die Standardabweichung.

  • Laplace-Bedingung:Faustregel: Die Näherung ist brauchbar, wenn \(\sigma>3\) gilt.
  • Beispiel:\(n=100,\ p=0{,}3\): \(\sigma=\sqrt{21}\approx4{,}58>3\) — Näherung angemessen.
  • Vergleich:\(P(X\le25)\): exakt \(0{,}1631\); mit Korrektur \(\Phi(25{,}5)\approx0{,}1631\); ohne Korrektur \(\Phi(25)\approx0{,}1376\).
  • Gegenbeispiel:\(n=20,\ p=0{,}1\): \(\sigma\approx1{,}34\) — das Histogramm ist schief, die Näherung ungeeignet.
Merke

Näherung für σ > 3: \(P(X\le k)\approx\Phi_{\mu;\sigma}(k+0{,}5)\)

3

Allgemeine Hinweise

Exakt geht es mit dem Rechner

Mit Bcd bzw. binomCdf rechnet man Binomialwahrscheinlichkeiten exakt. Die Näherung braucht man vor allem für σ-Regeln und Begründungen.

Korrektur in die richtige Richtung

\(P(X\ge k)\approx1-\Phi(k-0{,}5)\), \(P(a\le X\le b)\approx\Phi(b+0{,}5)-\Phi(a-0{,}5)\): Die ganze Randsäule gehört dazu.

Faustregel, kein Gesetz

σ > 3 ist eine Erfahrungsregel. Knapp darüber kann die Näherung noch spürbar abweichen, besonders am Rand der Verteilung.

Videos