Frage 1: Beschreibende Statistik

1) Lagemaße: geben Information darüber, wo die Werte der Stichprobe im Mittel liegen
am häufigstem Lagemaße sind:

 Das arithmetische Mittel:

 Der Median (Zentralwert):
 Der Modalwert: Wert der deutlich öfter auftritt als alle anderen Werte
2) Streumaße: Sagen etwas darüber aus, ob die Stichprobenwerte an einer Stelle konzentriert
sind oder ob diese stark streuen.
a. Varianz: Ein Maß dafür, wie sehr die Stichprobenwerte xi um ihren Mittelwert x
streuen

b. Standardabweichung (hat dieselbe Einheit wie die einzelnen Stichprobenwerte)

3) Bei Regressionsanalysen untersucht man die Art der Zusammenhänge zwischen zwei
Merkmalen x und y. Dabei sind x und y nicht gleichrangig, sondern man betrachtet y als
abhängig von x. Man geht davon aus, dass x festgehalten und exakt messbar ist und nur die
y-werte streuen.
Bsp. X eine bestimmte Körpergröße und y sind die verschiedenen Gewichte von Personen mit
dieser Größe. Man interessiert sich dafür, wie sich y in Abhängigkeit von x ändert.
Dazu betrachtet man die Wertpaare (x1,y2),…,(xn,yn)
Gesucht ist eine Funktion, die die Abhängigkeit der yi-Werte von den xi-Werten möglichst gut
beschreibt.
Man kann versuchen, die Punkte (xi,yi) durch eine Gerade anzunähern  lineare Regression
y=f(x)=kx+d
Die Gerade heißt Regressionsgerade.
Die Gerade f(x)=kx+d für die maximal wird, ist gegeben durch:
 4) Ein Residuum bezeichnet den Fehler, den das Regressionsmodell nicht der Vorhersage für
diese Beobachtung gemacht hat.

5) Parameter k und d
Die Gerade f(x) = kx+d (k und d so zu wählen dass f(x) optimal ist)

minimal

Frage 2: Kombinatorik

1)Binomialkoeffizient

“n über k“ ist die Anzahl der Möglichkeiten, aus n Elementen k Elemente anzuordnen (ohne
zurücklegen, ohne Reihenfolge).

z.b bei einer Ziehung von k Kugeln aus einem Topf von n kugeln wie beim Lotto 6 aus 45. n=45, k=6

Für die erste Kugel gibt es 45 Möglichkeiten, für die zweite 44, für die dritte 43 usw. bis zur sechsten
mit 40 Möglichkeiten. Also insgesamt 45.44.43.44.45 …. 40 Möglichkeiten.

Mit unserem 6 Zahlen haben wir für die erste Kugel 6 Möglichkeiten für die zweite 5, usw.

Also gibt es 6.5.4.3.2.1 Möglichkeiten, 6 Richtige bekommen.

Allg. n*(n-1)*(n-2)…..(n-k+2)*(n-k+1)

Und k(k-1)(k-2)…2.1

Wie viele verschiedene Möglichkeiten für 6 richtige gibt es?

Einfach die Gesamtmenge (Anzahl aller möglichen Ziehungen) durch die Teilmenge (Anzahl der
Möglichkeiten ,6 Richtige zu bekommen) teilen.

Also

Formel umformen

2)Binomische lehrsatz

Bsp (x+y)2 =(x+y)*(x+y) = xx+xy+yx+yy =x2+2xy+y2

Es fällt auf dem für jeden Summanden der Gesamtsumme der Summe der Exponenten von x und y
gleich 2 ist.

Wir nehmen nämlich wenn wir das Produkt (x+y)(x+y)ausmultiplizieren ,aus jedem der Term (x+y)
entweder ein x oder ein y (in jeden Summanden kommen insgesamt 2 Faktoren x oder y vor)

Die Summe der Exponenten beider Variablen muss also gleich 2 sein.

Es müssen nur noch die Koeffizienten der einzelnen Summanden bestimmt werden.

Allgemein: (x+y)n=(x+y)(x+y)….(x+y)

n-mal

Die Summe der Exponenten in jedem Summanden ist gleich n.

Alle potenzen besitzen die Form xkyn-k wobei k<n eine natürliche Zahl ist

Wir müssen noch die Koeffizienten dieser Potenzen bestimmen

(x+y).(x+y)….(x+y)

Man erhält xn

Der Koeffizient von xn muss 1 sein. Analog ist auch der Koeffizient für yn 1.

Doch wie lautet allgemein der Koeffizient für den Term xayn-k ?

Dazu müssen wir aus den n Termen (x+y) k mal die variable x und (n-k) mal die Variable y wählen

Doch wie viele Möglichkeiten gibt es aus n Termen k-mal eine variable auswählen?
 > Der Koeffizient von xkyn-k gleich -> aus Elementen k Elemente anzuordnen.

3)k mal ziehen aus n Objekte

Mit zurücklegen mit Reihenfolge :nk Möglichkeiten BSP: Möglichkeiten 4 stellige Passwort zu
erstellen

Mit zurücklegen ohne Reihenfolge: Möglichkeiten

N Kugeln in der Urne

k-mal wird gezogen

->Da die kugeln zurückgelegt werden, kann k auch größer als n sein.

Bsp: U = {a,b,c} 2 mal ziehen mit zurücklegen ohne Reihenfolge

Ohne zurücklegen mit Reihenfolge:

U= {a,b,c} 2 mal ziehen :

Beim ersten Zug n Möglichkeiten verschiedene kugeln zuziehen

In zweiten Zug hat man da nicht zurückgelegt wird nur noch (n-1) Möglichkeiten

Beim 3-maligen Ziehen ergeben sich insgesamt

N*(n-1)*(n-2) Möglichkeiten

nach n Zügen gibt es n*(n-1)*(n-2)…….(n-(k-1)) Möglichkeiten

Ohne zurücklegen ohne Reihenfolge:

Bsp. Lotto 6 aus 49: die kugeln werden nicht zurückgelegt und es ist egal in welche Reihenfolge die
kugeln kommen

Das Urnen Modell ohne zurücklegen mit Reihenfolge  nun betrachten wir noch das die
Reihenfolge keine Rolle spielt, indem wir uns überlegen ,wie wir k Elemente unterschiedlich
anordnen können

 Permutation k! Möglichkeiten

 Damit müssen wir unsere bisherige Anzahl noch durch k! teilen

Frage 3: Hypergeometrische Verteilung

1) Hypergeometrische Verteilung:
Man kann sich die hypergeom. Verteilung einfach als Urne vorstellen, bei der Kugeln ohne
zurücklegen entnommen werden. Die Urne enthält allerdings zwei verschiedene Sorten von
Kugeln, von denen nur eine für uns interessant ist.
Gegebn ist eine Grundgesamtheit aus N Elementn, von denen M eine bestimmte
Eigenschaft haben. Man entnimmt eine Stichprobe vom Umfang n (ohne zurücklegen). Dann
kann die Zufallsvariable X= Anzahl der Elemente in der Stichprobe mit der gewünschten
Eingenschaft höchstens die Werte x = 0,1,2,…n annehmen. Die Wahrscheinlichkeit genau x
Elemente mit der gewünschten Eigenschaft in der Stichprobe zu vorzufinden, ist:

(für x>M bzw n-x > N-M ist P(X=x) = 0 nach Definition des Binomialkoeffizienten, wir können
nicht mehr blaue bzw rote Kugeln ziehen als vorhanden sind)
Man nennt X hypergeometrisch verteilt und die zugehörige Wahrscheinlichkeitsverteilung
eine Hypergeometrische Verteilung mit den Parametern n,M und M. X~H(n;M;N)

2) Bsp: in Urne 20 Kugeln, davon sind 4 blau und 6 rot. Aus der Urne werden ohne Zurücklegen
5 kugeln zufällig entnommen.
 a) Wahrscheinlichkeit, in dieser Stichprobe genau 2 blaue Kugeln vorzufinden?
 Mögliche Stichproben vom Umfang 5:
Möglichkeiten ohne zurücklegen, ohne Reihenfolge

 Günstig sind davon jene Stichproben, die 2 blaue Kugeln enthalten.

4 Blaue, davon 2 nehmen
20 Kugeln ohne Blaue, davon 5 Blaue nehmen

damit ist die gesuchte Wahrscheinlichkeit:

3) Wahrscheinlichkeit der Zufallsvariablen X=Anzahl der blauen Kugeln in der Stichprobe

Die Anzahl X der blauen Kugeln m der Stichprobe kann alg. Die Werte : x=0,1,2,3,4
annehmen.

Frage 4: Binomialverteilung

1) Ein Bernoulli Experiment ist ein Zufallsexperiment, bei dem es nur zwei Ausgänge gibt:
Ereignis A tritt ein oder nicht. Bzw Erfolg oder Misserfolg.
Wird ein Bernoulli-Experiment n-mal hintereinander unter denselben Bedingungen
ausgeführt, so spricht man von einer Bernoulli-Kette der Länge n.
Bsp: Bernoulli-Experiment: Wurf eines Würfels, A = Wurf der Augenzahl „Eins“ mit P(A)=1/6
Bernoulli-Kette: n-maliger Wurf des Würfels und jeweils Beobachtung von A = Augenzahl
Eins. Die Wahrscheinlichkeit für A ist bei jedem Wurf = 1/6
2) Gegeben ist eine Bernoulli-Kette der Länge n. Bei jeder der n Durchführungen kann ein
bestimmtes Ereignis A mit der Wahrscheinlichkeit P eintreten (das gegenereignis A mit der
Wahrscheinlichkeit )
 Man interessiert sich für X = Anzahl der Versuchsdurchführungen, bei denen A eintritt. X
kann die Werte x=0,…,n annehmen.
Die Wahrscheinlichkeit, dass A genau x-mal eintritt, ist:
Man nennt die Zufallsvariable X binomialverteilt und ihre Wahrscheinlichkeitsverteilung eine
Binomialverteilung mit den Parametern n,p X~Bi(n;p)
3) Eine Binomialverteilung entsteht, wenn wir uns für die Anzahl der Erfolge bei einer Bernoulli-
Kette interessieren
Bsp: Wie groß ist die Wahrscheinlichkeit, genau 3-mal die Augenzahl 1 zu werfen?
Wahrscheinlichkeit, bei einem Wurf 1 zu erhalten = 1/6
Man wirft nun 7 mal und möchte dabei 3 mal 1 werfen.
111 NNNN 1/6 * 1/6 * 1/6 * 5/6 * 5/6 * 5/6* 5/6 =
Genau 3 mal 1 werfen:  es gibt Würfelfolgen mit drei Einsen:

4)
Wieso Binomialkoeffizient? Wegen des binomischen Lehrsatzes!
Die Wahrscheinlichkeiten P(X=x) sind gerade die Summanden des binomischen Lehrsatzes

Meiner Meinung nach:

= Kombinatorik ohne zurücklegen, ohne Reihenfolge  mögliche k-Elemente aus n-Elementen

Frage 5: Elementare
Wahrscheinlichkeitsrechnung

1) Ereignisraum: Ω Die Menge aller möglichen Ergebnisse des Zufallsexperiments Bsp: Würfelwurf Ω
={1,2,3,4,5,6}

Ist ein Versuch mit zufälligem

Ausgang Bsp.: werfen einen Würfels

Elementarereignis (Ereignis) ; Ein Ereignis A ist eine Teilmenge von Ω , also -> Der Ausgang
einen Zufallsexperiment w(kein Omega)

BSP: A = gerade Augenzahl= {2,4,6} , B= {2,3,5} , C={1,3}

2) Bei einem Laplace -Experiment mit n möglichen Ergebnissen hat jeder dieser Ergebnisse die wsl.
1/n

Wenn ein Ereignis A in k von diesen „Fällen“ eintritt, dann ist die Wahrscheinlichkeit, von A gleich:

3) Ein Laplace-Experiment ist ein Zufallsexperiment mit folgenden Eigenschaften:

Das Zufallsexperiment hat nur endlich viele Mögliche Ergebnisse

Jedes dieser Ergebnisse ist gleich wahrscheinlich

4) A gerade Augenzahl = {2,4,6}

B = {2,3,5}

Frage 6: Bedingte Wahrscheinlichkeit

1) Die Wahrscheinlichkeit des Ereignisses: unter der Bedingung, dass Ereignis A eingetreten ist,
ist definiert als:

Die ursprüngliche Ergebnismenge Ω reduziert sich also auf A, und von B sind nur jene
Ergebnisse zu zählen, die auch in A liegen.
Bsp: 2 faire Würfel werden geworfen. Wie groß ist die Wahrscheinlichkeit, die Augensumme
5 zu werfen unter der Bedingung, dass wenigstens ein Mal die Augenzahl 1 geworfen wird?
Insgesamt gibt es 36 mögliche Wurffolgen.
A= zumindest einmal 1 auftritt (1,1),(1,2),(1,3)(1,4),(1,5),(1,6),(2,1),(3,1),(4,1),(5,1),(6,1)
B= Augensumme 5 tritt bei den Wurffolgen (1,4),(3,2),(2,3) ,(4,1) ein
Gesucht ist P(B|A). Da A bei 11 Wurffolgen eintritt , ist P(A) = 11/36
Unter allen Wurffolgen, in denen B eingetreten ist, tritt zusätzlich auch A in zwei Wurffolgen
ein (1,4),(4,1)

2) Zwei Ereignisse A und B heißen unabhängig, wenn eine (und damit alle drei) der folgenden
Eigenschaften erfüllt ist:

Bsp: Ein Würfel wird zwei Mal geworfen. Wie groß ist die Wahrscheinlichkeit, beim ersten
Wurf 1 und beim zweiten Wurf 2 zu würfeln?
Gesucht ist , mit A = beim ersten Wurf 1, B = beim zweiten Wurf 2
Die Ergebnisse A und B sind unabhängig, da das Ergebnis des ersten Wurfes keinen Einfluss
auf das Ergebnis des zweiten Wertes hat.
3)

4) Für eine beliebige Partition E1,…,En und ein beliebiges Ereignis gilt:
 Mithilfe dieses Satzes kann man die totale Wahrscheinlichkeit P(A) berechnen, wenn man die
Wahrscheinlichkeiten P(Ek) und die bedingten Wahrscheinlichkeiten P(A|Ek) kennt.
5) Formel von Bayes: Gegeben ist eine beliebige Partition E1,…,En und ein beliebiges Ereignis
Die Wahrscheinlichkeit, dass eines der Ereignisse Ej unter der Bedingung von A eintritt ist:

Im Spezialfall von nur 2 Ereignissen E1 = E und E2 = E lautet die Formel:

6) Der Satz von Bayes ist eine hilfreiche Regel, um bedingte Wahrscheinlichkeiten der From
P(A|B) auszurechnen, wenn nur andersherum bedingte Wahrscheinlichkeiten der Form
P(B|A) gegeben sind.
Bedingte Wahrscheinlichkeit:
Falls die gemeinsame Wahrscheinlichkeit nicht gegeben ist, kann man sie auch
durch den Multiplikationssatz bestimmen: (A und B mit Wahrscheinlichkeiten ungleich null)

Falls P(B) nicht gegeben ist:

Dann muss man sie über einen Umweg mit dem Satz der totalen Wahrscheinlichkeit
herleiten. Satz der totalen Wahrscheinlichkeit: kann man die Wahrscheinlichkeit für ein
Ereignis A berechnen, wenn man nur bedingte oder gemeinsame Wahrscheinlichkeiten
abhängig von einem zweiten Ereignis B gegeben hat.
Frage 7: Zufallsvariablen

1) Zufallsvariable: Eine Funktion x, die jedem Ergebnis w des Ergebnisraums Ω genau eine reelle
Zahl x zuordnet.
Bsp: ist beim Wurf von zwei Würfeln die Zufallsvariable x = Augensumme der Funktion, die
jedem Augenpaar seine Augensumme zuordnet: X(1,1) = 2
2) Verteilungsfunktion: Eine Funktion F die jedem x einer Zufallsvariablen X genau eine
Wahrscheinlichkeit zuordnet.

Im Fall einer diskreten Zufallsvariablen: Für diskrete Zufallsvariablen hat

die Verteilungsfunktion immer die Form einer Treppe.
Eigenschaften:
 Die Verteilungsfunktion wächst monoton von 0 bis 1 dh.

 Rechtsseitig stetig
Extra:

3) Ein Quantil xp teilt die Fläche unter der Dichte in zwei Teile:
Eine Fläche p links vom xp und eine Fläche 1-p rechts davon

Quantile sind Werte, die eine Menge von n Datenpunkten in zwei Teile spalten, und zwar so,
dass mindestens ein Anteil p kleiner oder gleich dem p-Quantil ist und mind. Ein Anteil 1-p
größer oder gleich dem P-Quantil.
Bsp: Der Median ist nämlich nichts anderes als das 50% - Quantil
Bsp: 20% Quantil einer Datenreihe mit 5 Elementen.
Dann ist der untere p-Anteil also die unteren 20% durch das erste Element gegeben, und der
obere Anteil durch die restlichen, größten vier Elemente.
In diesem Fall kann das 0,2-Quantil jeden Wert zwischen dem ersten und zweiten Element
annehmen.
4) Erwartungswert: Sei X eine Zufallsvariable. Der Erwartungswert von X ist eine reelle Zahl, die
definiert ist durch

Mann kann sagen, der Erwartungswert festigt sich als Mittelwert der Ergebnisse bei
mehrmaligem Wiederholen eines Experiments.
 Im diskreten Fall ist der Erwartungswert also die Summe über alle möglichen Werte
xi multipliziert mit den zugehörigen Wahrscheinlichkeiten pi
 Im stetigen Fall, der Erwartungswert bezeichnet sich als Integral über das Produkt
der Ergebnisse und Dichtefunktion der Verteilung

Varianz: Sei X eine Zufallsvariable mit Erwartungswert μ. Die Varianz um X ist.

  Die Varianz ist die erwartete quadratische Abweichung der Zufallsvariablen von
ihrem Erwartungswert
o Diskret: Die Varianz berechnet sich also als Summe der Produkte von
Wahrscheinlichkeit der Werte mit dem quadratischen Abstand zum
Erwartungswert
o Stetig: Die Varianz berechnet sich also als Integral über das Produkt des
mittleren quadratischen Abstandes zum Erwartungswert und der
Dichtefunktion der Verteilung.
5) Rechenregeln
Erwartungswert:
 Linearität: Sind X und Y zwei Zufallsvariablen:

Varianz:

 Verschiebungssatz
 Summe von Zufallsvariablen
 Linearität

6) ?
7) Standardabweichung beschreibt die durchschnittliche Abweichung vom Mittelwert
Varianz
Standardabweichung

8) Wahrscheinlichkeitsdichte, Dichtefunktion
Seit X eine stetige Zufallsvariable mit (stückweise) differenzierbarer Verteilungsfunktion F.
DR Abteilung f(x)=F‘(x) wird Dichtefunktion genannt.
Umgekehrt erhält man die Verteilungsfunktion durch Integration der Dichtefunktion

Eigenschaften:
Sei X eine stetige Zufallsvariable mit zugehöriger Dichtefunktion f(x)
Dann gilt:
 Die Dichtefunktion ist so normiert, dass die Gesamtfläche unter dem Graphen von f
gleich 1 ist d.h
 Diese Fläche ist gleich der Wahrscheinlichkeit, dass X irgendeinen Wert annimmt.
9) Sei X eine Zufallsvariable mit dem Erwartungswert μ und der Standardabweichung σ
ungleich 0. Dann hat die zugehörige standardisierte Zufallsvariable

10) 2 Zufallsvariablen unabhängig:

11) Kovarianz: ist ein Maß für den linearen Zusammenhang zwischen zwei Zufallsvariablen X und
Y.

 gleichheit genau dann, wenn eine der

Zufallsvariablen konstant ist oder wenn y=aX+b

Wenn x und y unabhängig sind  COV(X,Y) = 0 unkorreliert

Umgekehrt folgt aber aus cov(x,y) = 0 nicht die Unabhängigkeit von X und Y.

Korrealitionskoefizient:

Ist ein Maß für den statischen Zusammenhangzwischen zwei Zufallsvariablen.

Um ein normiertes Maß für die Abhängigkeit zu bekommen, definiert man die Kovarianz der
standartisierten Zufallsvariablen als Korrelationskoeffizienten

Frage 8: Normalverteilung und Ubergang

zur schließenden Statistik
8)

1)Stichprobe : eine teilmenge der untersuchten Grundgesamtheit.

2)Gesetzt der großen Zahl

Wird ein Zufallsexperiment immer unter den selben Bedingungen durchgeführt so nähert sich die
Häufigkeit immer weiter der Wahrscheinlichkeit des Zufallsexperiments an.

BSP Münze werfen wslkeit kopf oder Zahl = ½

Aber nach 100 mal werden werden Kopf und Zahl nicht genau jeweils 50 mal vorkommen.

> Also es beschreibt ,dann die relative Häufigkeit hn(A) eines Zufallsereignissen A an die
theoretische Wahrscheinlichkeit P(A) dieses Ereignissen annähert wenn das
zufallsexperiment nur oft genug durchgeführt wird

3) Zentralen Grenzwert:

Seien X1,……,Xn unabhängige und identisch verteilte Zufallsvariable (Sie brauchen nicht normalverteilt
zu sein)

ihr Erwartungswert sei jeweils μ ,die Varianz σ2 .

Dann hat die Summe S = X1+…….+ Xn den Erwartungswert nμ und die Varianz nσ2.

Für die zugehörige standardisierte Zufallsvariable

4)Dichtefunktion der Normalverteilung :

Ein Zufallsvariable X heißt normalverteilt mit den Parametern μ und σ, wenn sie die

DichteFunktion

*Der Erwartungswert μ.Es legt fest ,an welche Stelle die Normalverteilung ihr Maximum haben wird

*Die Varianz σ2 .Die Wurzel der Varianz σ ist die Standardabweichung

Der Graph der Dichtefunktion wird Gaußschen Glockekurve genannt.

EIGENSCHAFTEN:

Die Gaußschen Glockekurve ist symmetrisch zu x= μ und hat hier ihr einziges Maximum.

Flacheninhalt unter der Gaußschen Glockekurve ist gleich

Die zugehörige Verteilungsfunktion

-
-> kann nur nummerisch berechnet werden, da die Dichtefunktion f der normalverteilung keine
elementare Stammfunktion besitzt -> daher bestimmung f(x) durch tabelle

-> Eine Zufallsvariable Z heißt Standardnormalverteilt,wenn sie normalverteilt ist mit den parametern
μ = 0 und σ2 =1

Dichtefunktion :

Verteilungsfunktion:

->Die Standardnormalverteilung ist symmetrisch um null ->

5)Quantile :

Sei X nach N(μ, σ2) verteilt.Dann ist die zugehörige standardisierte Zufallsvariable

Für die Quantile gilt :

Frage 9: Punktschätzung

1) -> Um den Parameter zu schätzen ,wird aus den Werten einer Stichprobe ein Schätzwert
gebildet.
->Eine Funktion T(x1,….,xn) des Stichproben variablen heißt Stichprobefunktion.Sie ist selbst
wieder eine Zufallsvariable.Wenn sie zur Schätzung eines Parameters der
Grundgesamtheit verwendet wird ,so wird sie Schätzfunktion für genannt

->Die Schätzfunktion T ist also eine zufallsvariable ,denen Realisationen Schätzwerte sind ,
die von den zugrunde liegenden Stichproben abhängen.

2) *Eine Schätzfunktion T heißt erwartungstreu wenn ihr Erwartungswert gleich dem zu

schätzenden Parameter ist dann heißt E(T) =
 *Eine Schätzfunktion heißt konsistent ,wenn sie stochastisch gegen konvergiert :
Für beliebiges E>0

*Sie heißt konsistent im quadratischen Mittel ,wenn die erwartete quadratische Abweichung
im Grenzwert verschwindet :

3) Die Schätzfunktionen
 (aritmetisches mittel ) für μ ,
 (empirischer Anteil) für p ,
 (empirische Verteilungsfunktion) für F

->Sind erwartungstreu und konsistent im quadratischen Mittel

* Die Schätzfunktion S2 (empirische Varianz) für σ2 ist erwartungstreu und konsistent.

4)

Frage 10: Intervallschätzung

Intervallschätzung: mit Hilfe einer Stichprobe ein Intervall bestimmt, das den gesuchten Parameter 0
mit einer hohen Wahrscheinlichkeit überdeckt. Diese Wahrscheinlichkeit wird vorab gewählt.

1) Ein Intervall denen Grenzen aus Stichprobenwerten

berechnet werden, und das mit einer vorgegebenen Wahrscheinlichkeit 1-α den gesuchten
Parameter der Gesamtheit überdeckt

Heißt Konfidenzintervall zum Niveau 1-α

Man nennt 1-α Kondifenzniveau

2) Einseitiges Konfidenzintervall

Entweder die untere Intervallgrenze gleich -∞ Bsp: [-α,100]

oder die obere Intervallgrenze gleich ∞ Bsp: [-100, ∞]

Zweiseitiges Konfidenzintervall: [97,100]

3)Konfidenzintervall für μ eines normalverteilten Merkmale bei bekannten σ:

 Ein Konfidenzniveau 1- α (Bsp 0.90 , 0,95 oder 0,99)

 Eine Stichprobe vom Umfang n ziehen und berechne 7
 Das Quantil Z1- α/2 der Standardnormalverteilung bestimmen
 Dann das Konfidenzintervall
überdecken.

Den gesuchten Erwartungswert μ mit der Wahr. 1- α