Verteilungsfunktionen am TI-82 Stats

N o r m a l v e rt e i l un g

y  normalpdf ( x) 
1 2x
2

y  normalpdf ( x, 0)   e   ( x)

y  normalpdf ( x, 0,1) 
2

y  normalpdf ( x,  )  1  12 ( x   )2
 e
y  normalpdf ( x,  ,1)  2

1  x 
2

1  
 
y  normalpdf ( x,  ,  )  e 2
 2
K u m u l a t i v e N o r m a l ve r t e i l u n g

y  normalcdf (, x)  t 2

x
1
y  normalcdf (, x, 0)  
2 e 2
dt  ( x)
y  normalcdf (, x, 0,1) 



*Hinweis: Als linke Grenze kann auch z.B. -5, -10, -100… eingegeben werden.

1  x 
2
b
 
1  
y  normalcdf (a, b,  ,  )  
2
e dx
 2 a
I n v e rs e N o rm a l v e rt e i l u n g

Zahlenbeispiel:

 1  1
normalcdf  ,3, 2,   0.9987 invNorm  0.9987, 2,   3
 3  3

Auch hier sind wieder Verkürzungen möglich

invNorm( x)  invNorm( x, 0)  invNorm( x, 0,1)   1  x 

invNorm( x,  )  invNorm( x,  ,1)
52

B i n o m i a l ve r t e i l u n g
binompdf (n, p) = Liste aller Wahrscheinlichkeiten
Beispiel: binompdf(5, 0.48) = { 0.038 , 0.175 , 0.324 , 0.299 , 0.138 , 0.025 }

n
binompdf (n, p, k )    p k q n k Beispiel: binompdf(5, 0.48 , 2) = 0.324
k 

K u m u l i e r t e B i n o m i a l ve r t e i l u n g
k
binomcdf (n, p, k )   binompdf (n, p, j )
j 0

Beispiel: binompdf(5, 0.48 , 3) = 0.837

binomcdf (n, p)  Liste der kumulierten Wahrscheinlichkeiten

= { }
Beispiel: binomcdf(5, 0.48)= { 0.038 , 0.213 , 0.537 , 0.837 , 0.975 , 1}