STOCH Zusammenfassung -1-

Stochastik
Marco Maniscalco

Version 16. Januar 2006

Fehler an: calco@gmx.de

16.01.2006 9:09
STOCH Zusammenfassung -2-

Kombinatorik
Permutationen

π (n ) = n ! Alle n Kugeln sind voneinander verschieden.

n! Unter den Kugeln befinden sich jeweils n1 + n 2 + ... + nk einander

π (n ; n1 , n 2 ,..., nk ) =
n1 ! n 2 !...nk ! gleiche.
n1 + n2 + ... + nk = n

In einer Urne befinden sich 5 Kugeln, 3 weiße, und 2 rote. Sie lassen sich auf
5!
π (5; 3, 2) = = 10
3! 2!
verschiedene Arten anordnen.

Kombinationen (beliebige Anordnung)

⎛n ⎞
C (n ; k ) = ⎜⎜ ⎟⎟ k ≤n ohne Zurücklegen
⎜⎝k⎟⎠
⎛n + k − 1⎞
C w (n ; k ) = ⎜⎜ ⎟ k = 1, 2, 3,... mit Zurücklegen
⎜⎝ k ⎟⎟⎠

Entnahme von 3 beliebigen Glühbirnen von 10. Es gibt dann

⎛10⎞
C (10; 3) = ⎜⎜ ⎟⎟ = 120
⎜⎝ 3 ⎟⎠
Möglichkeiten 3 von 10 auszuwählen.

Variation (Anordnung in Ziehreihenfolge)

n!
V (n ; k ) = ohne Wiederholung
(n − k )!
C k (n ; k ) = n k mit Wiederholung

16.01.2006 9:09
STOCH Zusammenfassung -3-

Statistik
Häufigkeiten
k
0 ≤ nj ≤ n ∑n
j=1
j =n

k nj
absolute : ∑h
j=1
j =1 hj =
n

Klassen (Gruppierung)

Festlegung von k Klassengrenzen c 0 , c1 ,..., ck ( möglichst glatte c x wählen )

ergeben Intervalle : [c0 , c1 ),[c1 , c 2 ),...,[ck-1 , ck )

Stamm-Blatt-Diagramm

1. Min / Max suchen → wie viele Klassen ?

2. Blätter aufschreiben
3. Blätter sortieren

Histogramme für klassierte Daten

d j = c j − c j−1 Klassenbreite
k = ⎢⎣ n ⎥⎦ Klassenanzahl 5 ≤ k ≤ 20

Arithmetisches Mittel
k

1 n
∑n a j j k n j = Anzahl der Elemente der Klasse
x = ∑ xi = ∑ hj a j
j =1
x= k
a j = Klassenmitte
∑n
n i =1 j =1
j
j =1
 

für klassierte Daten

Median
⎧ x⎛ n +1 ⎞ wenn n ungerade
⎪ ⎜⎝ 2 ⎟⎠
xmed =⎨
(
⎪ 1 x n / 2 + x n / 2+1
⎩2 ( ) ( ) ) wenn n gerade

Modus
xmod = häufigster Wert

Geometrisches Mittel
1
x geom = ( x1 ⋅ x2 ⋅ ... ⋅ xn ) n = n x1 ⋅ x2 ⋅ ... ⋅ xn

16.01.2006 9:09
STOCH Zusammenfassung -4-

r-te Moment

1 n r
xr = ∑ xi
n i
1-tes Moment ist das Arithmetische Mittel

r-te Moment um das Mittel

1 n
( xi − x)
r
mr = ∑
n i
Für r=1 ist m 1 =0

Für r=2 ist m 2 =s 2

Schiefemaß (3. Moment um das Mittel)

1 n
(
∑ xi − x )
3
m3 =
n − 1 i =1
3
m 1 n ⎛ xi − x ⎞
S = 33 =
s
∑⎜ ⎟
n − 1 i =1 ⎝ s ⎠

16.01.2006 9:09
STOCH Zusammenfassung -5-

Wachstum
Bi Bi − Bi −1
x1 = ri = = xi − 1
Bi −1 Bi −1

( ) Bn
n
Bn = B0 ⋅ x1 ⋅ x2 ⋅ ... ⋅ xn := B0 x geom x geom = n
B0

Quantile
⎧ x( ⎣⎢np ⎦⎥ +1) wenn np nicht ganzzahlig
⎪
qn = ⎨ 1
(
⎪ x( np ) + x( np )+1
⎩2
) wenn np ganzzahlig

Quartile

Median: p = 0, 5:= xmed = q0,5

Erstes Quartil: p = 0, 25 := q0,25
Zweites Quartil: p = 0, 75 := q0,75

Streuung – empirische Varianz

1 ⎛⎛ n 2 ⎞ ⎞
1 n
(
∑ xi − x ) ⎜⎜∑ i ⎟
2 2

s2 = = x − nx ⎟
n − 1 i =1 n − 1 ⎝ ⎝ i =1 ⎠ ⎠
1 n
(
∑ xi − x )
2
s = s2 =
n − 1 i =1

in Form einer Häufigkeitstabelle

1 ⎛⎛ k ⎞ 2 ⎞
1 k
(
∑ nj aj − x ) ⎜⎜∑ j j ⎟
2
s2 = = n a − nx ⎟⎟
n − 1 j =1 n − 1 ⎜⎝ ⎝ j =1 ⎠ ⎠

halber Quartilsabstand

(q 0,75 − q0,25 ) ⎫⎪
⎬ enthält die " zentralen " 50% der Daten
2 ⎪⎭

16.01.2006 9:09
STOCH Zusammenfassung -6-

Randhäufigkeiten
i→m

b1 b2 ... bm ⎫
a1 n11 n12 ... n1m n1 ⎪⎪
j
a2 n21 % $ n2 m n2 ⎪⎪
↓
# ⎬⎪
Kontingenztafel
# # $ % #
k
ak nk1 nk 2 ... nkm nk ⋅ ⎪
⎪
n⋅1 n⋅2 ... n⋅m ⎪⎭

m k
ni⋅ ∑ nij i = 1,..., k n⋅ j = ∑ nij i = 1,..., m
j =1 i =1

Kontingenzkoeffizient nach Pearson

zu erwartende relative Häufigkeit : h ij = hi⋅ ⋅ h⋅ j

ni⋅ ⋅ n⋅ j
zu erwartende absolute Häufigkeit : n ij = n ⋅ h ij =
n
(
nij − n ij ) hij − h ij ( )
2 2
k m k m
χ = ∑∑
2
= n∑∑ χ2 > 0
i =1 j =1 n ij i =1 j =1 hij

χ2 min ( k , m ) − 1
K= K max =
n+ χ2 min ( k , m )
K
K* =
K max

Korrelationskoeffizient nach Bravis-Pearson

1 n
∑ ( ) 1 n
(
∑ yi − y )
2 2
Empirische Varianz : sx 2 = xi − x sy2 =
n − 1 i =1 n − 1 i =1

Empirische Ko var ianz : sxy =

1 n
(
∑ xi − x yi − y
n − 1 i =1
)( )
sxy
r= −1 ≤ r ≤ 1
sx ⋅ s y
n

∑ x y − nx y
i i
r= i =1

⎛ n 2 ⎞ ⎛ n 2 ⎞
⎜∑ i ⎟ ⎜∑ i
2 2

x − nx ⋅ y − n y ⎟
⎝ i =1 ⎠ ⎝ i =1 ⎠

16.01.2006 9:09
STOCH Zusammenfassung -7-

Rang-Korrelationskoeffizient nach Spearman

2+3+ 4
Daten : 1 3 3 3 5 6 7 8 3,3,3 weil =3
3
Rang : 1 3 3 3 4 5 6 7

n
6
R = 1− ∑
n ( n − 1) i =1
2
di 2 di = rg ( xi ) − rg ( yi )

Wahrscheinlichkeitsrechnung

A∪B A oder B
A∩B A und B
A A tritt nicht ein

A∪B = A∩B A∩B = A∪B

P ( A ∪ B) = P ( A ) + P ( B) − P ( A ∩ B)
P ( A ∩ B) = P ( A ) + P ( B) − P ( A ∪ B)

Laplace-Experimente
⎧0 ≤ P ( A ) ≤ 1
⎪
A günstige Anzahl ⎪P ( ∅ ) = 0 P (Ω) = 1
P(A) = ⎨A ∩ B = ∅
Ω Anzahl aller Möglichkeiten P ( A ∪ B) = P ( A ) + P ( B)
⎪
( )
⎪P A = 1 − P ( A )
⎩

Relative Häufigkeiten
⎧0 ≤ h n ( A ) ≤ 1
⎪
Hn ( A ) ⎪h n ( ∅ ) = 0 hn (Ω ) = 1
hn ( A ) = ⎨A ∩ B = ∅
n hn ( A ∪ B) = hn ( A ) + hn ( B)
⎪
⎩ n ( )
⎪h A = 1 − h ( A )
n

lim h n ( A ) = P ( A )
n →∞

Bedingte Wahrscheinlichkeit

P ( A ∩ B)
P ( A|B ) :=
P ( B)

16.01.2006 9:09
STOCH Zusammenfassung -8-

Satz der totalen Wahrscheinlichkeit

P ( A ) = ∑ P ( A|Bi ) ⋅ P ( Bi )
i∈I

Multiplikationsregel

A 1 ,..., A n ∈ Α
P ( A1 ∩ ... ∩ A n ) = P ( A1 ) ⋅ P ( A 2 |A1 ) ⋅ P ( A 3 ) ⋅ P ( A 3 |A 1 ∩ A 1 ) ⋅ ... ⋅ P ( A n |A1 ∩ ... ∩ A n −1 )

P ( A ∩ B ) = P ( A ) ∩ P (B | A)

Formel von Bayes

P ( A|Bk ) ⋅ P ( Bk )
P ( Bk |A ) =
∑ P ( A|Bi ) ⋅ P ( Bi )
 

i∈I
P( A ) siehe Totale Wahrscheinlichkeit

Unabhängige Ereignisse (gilt gdw)

P ( A ∩ B) = P ( A ) ⋅ P ( B)

Diskrete Zufallsvariable

P ( X = x ) := P ({ω ∈ Ω|X (ω ) = x} )
P ( X ≤ c ) := P ({ω ∈ Ω|X (ω ) ≤ c} )
P ( a ≤ X ≤ c ) := P ({ω ∈ Ω|a ≤ X (ω ) ≤ c} )

pk = P ( X = x k ) ∑pk
k =1

Varianz
⎧ Var ( X ) ≥ 0
⎪
⎪ Var ( a ⋅ X ) = a 2 ⋅ Var ( X )
⎪
Var ( X ) = σ 2 = E ( X − E ( X ) ) ⎨ Var ( X + b ) = Var ( X )
2

⎪
⎪ Var ( X ) = E ( X ) − E ( X )
2 2

⎪
⎩Unabhängig ? Var ( X 1 + X 2 ) = Var ( X 1 ) + Var ( X 2 )
σ = Var ( X )

16.01.2006 9:09
STOCH Zusammenfassung -9-

Erwartungswert (theor. Durchschnittswert)

X mit dem Wertebereich T = {x1 , x 2 , x 3 ,...}

⎧P ( X = c ) = 1 ⇒ E ( X ) = c
⎪
⎪E ( a ⋅ X ) = a ⋅ E ( X )
⎪
E ( X ) = µ = ∑ x k ⋅ P ( X = x k ) =∑ x k ⋅ pk ⎨E ( X 1 + X 2 ) = E ( X 1 ) + E ( X 2 )
⎪
⎪X ≤ Y ⇒ E ( X ) ≤ E ( Y )
k k

⎪ Unabhängig ? E ( X 1 ⋅ X 2 ) = E ( X 1 ) ⋅ E ( X 2 )
⎩

E ( X 2 ) = ∑ x k 2 ⋅ pk
k

Spezielle Zufallsvariablen

Gleichverteilung
1
P(X = k) = für k = 1,..., n
n
n
1 1 n
E ( X ) = ∑ xk ⋅ = ⋅ ∑ xk = x
k =1 n n k =1
1 n
Var ( X ) = (
⋅ ∑ xk − x
n k =1
)
Bernoulli-Verteilung
P ( X = 1) = p und P ( X = 0) = 1 − p 0< p<1
E(X) = p
Var ( X ) = p (1 − p )

Binomial-Verteilung
⎛n⎞
P ( X = k ) = ⎜ ⎟ pk (1 − p )
n −k
für k = 1,..., n
⎝k ⎠
E ( X ) = np
Var ( X ) = np (1 − p )

Geometrische Verteilung
P ( X = k ) = (1 − p ) ⋅ p
k
für k = 0,1, 2,...
1
E(X) =
p
1− p
Var ( X ) =
p2

16.01.2006 9:09
STOCH Zusammenfassung - 10 -

Hypergeometrische Verteilung
⎛ r ⎞⎛ s ⎞
⎜k ⎟⎜n − k ⎟
P(X = k) = ⎝ ⎠⎝ ⎠ für k = 0,..., n
⎛ r + s ⎞
⎜ n ⎟
⎝ ⎠
r
E(X) = n = np
r +s
N−n
Var ( X ) = n p (1 − p )
N −1

Poisson-Verteilung
λk
P(X = k) = e−λ für k = 0,1, 2,...
k!
E(X) = λ
Var ( X ) = λ

Verteilungsfunktion einer diskreten Zufallsvariablen

⎧
⎪Für alle x ∈ \ gilt 0 ≤ F ( x ) ≤ 1
⎪
⎪F ist monoton wachsend
⎪
F ( x ) := P ( X ≤ x ) ⎨ xlim F ( x ) = 1 lim F ( x ) = 0
→∞ x →−∞
⎪
⎪ x→lim F ( x ) = F ( x0 )
x0 + 0
⎪
⎪P ( X = x 0 ) = lim F ( x ) − lim F ( x ) = F ( x 0 ) − lim F ( x )
⎩ x → x0 + 0 x →x0 −0 x →x0 − 0

Stetige Zufallsvariable
+∞
f X ( x ) ≥ 0 für alle x ∈ \ ∫ f X ( x ) dx = 1
−∞
b
P ( a ≤ X ≤ b ) = ∫ f X ( x ) dx
a

P ( X = x ) := P ({ω ∈ Ω|X (ω ) = x} )
P ( X ≤ c ) := P ({ω ∈ Ω|X (ω ) ≤ c} )
P ( a ≤ X ≤ c ) := P ({ω ∈ Ω|a ≤ X (ω ) ≤ c} )

16.01.2006 9:09
STOCH Zusammenfassung - 11 -

Erwartungswert

⎧ Für a ∈ \ gilt E ( a ⋅ X ) = a ⋅ E ( X )
+∞
⎪
E(X ) = µ = ∫ x ⋅ f ( x ) dx ⎨E ( X1 + X 2 ) = E ( X1 ) + E ( X 2 )
⎪
⎩Unabhängig ? E ( X 1 ⋅ X 2 ) = E ( X 1 ) ⋅ E ( X 2 )
−∞

Ist X eine stetige Zufalls var iable mit Dichtefunktion f ( x ) und g : \ → \

so ergibt sich der Erwartungswert der Zufalls var iablen Y = g ( x ) als

+∞
E ( g ( X )) = ∫ g ( x ) ⋅ f ( x ) dx
−∞

Varianz
⎧Var ( X ) ≥ 0
⎪
⎪Var ( a ⋅ X ) = a 2 ⋅Var ( X )
⎪
Var ( X ) ⎨Var ( X + b ) = Var ( X )
⎪
⎪Var ( X ) = E ( X ) − E ( X )
2 2

⎪
⎩Unabhängig ? Var ( X 1 + X 2 ) = Var ( X 1 ) + Var ( X 2 )
Var ( X ) = σ 2 = E ( X − E ( X ) )
2

+∞
Var ( X ) = ∫ ( x − E ( X )) ⋅ f ( x ) dx
2

−∞

σ = Var ( X )

16.01.2006 9:09
STOCH Zusammenfassung - 12 -

Spezielle stetige Zufallsvariable

Gleichverteilung auf [a,b]

⎧⎪ 1
⎪ für a ≤ x ≤ b
f (x ) = ⎪⎨b − a
⎪⎪
⎪⎩0 sonst

1
E (X ) = a + b
2
Var ( X ) = ?

Exponentialverteilung

⎪⎧λ e −λ x für x ≥ 0
f (x ) = ⎪⎨
⎪⎪⎩0 für x < 0

1
E (X ) =
λ
1
Var ( X ) =
λ2

Standard-Normalverteilung N(0,1)
2
1 −2x
f (x ) = e
2π

E (X ) = 0
Var ( X ) = 1

Allgemeine Normalverteilung N ( µ , σ 2 )

2
−(x −µ )
1
f (x ) =
2
2σ
e
2πσ

E (X ) = µ
Var ( X ) = σ 2

16.01.2006 9:09
STOCH Zusammenfassung - 13 -

Transformationen

X −µ
X ∼ N (µ , σ 2 ) ⇒ ∼ N (0,1)
σ
N (0,1) ∼ X ⇒ µ + σ X ∼ N ( µ , σ 2 )

Verteilungsfunktion einer stetigen Zufallsvariablen

⎧⎪Für alle x ∈ \ gilt 0 ≤ F (x ) ≤ 1

⎪⎪
x ⎪⎪F ist monoton wachsend
F (x ) := P ( X ≤ x ) = ∫ f (u ) du ⎨
⎪⎪Es gilt lim F (x ) = 0 und lim F (x ) = 1
−∞
⎪⎪ x →−∞ x →∞

⎪⎪⎩F ist stetig

P (a < X ≤ b ) = P ( X ≤ b )− P ( X ≤ a ) = F (b )− F (a )

Verteilungsfunktion der N(0,1)-Verteilung

heisst Φ (x )

Φ (−x ) = 1− Φ (x )

Quantil z p ist Φ (z p ) = p
Häufig verwendete Quantile:
p 0.50 0.75 0.90 0.975 0.99 ...
zp 0.00 0.67 1.28 1.96 2.33 ...

Standardisieren (wenn ( µ , σ ) ≠ (0, 1))

⎛Y − µ y − µ ⎞⎟ ⎛ y−µ⎞
P (Y ≤ y ) = P ⎜⎜⎜ ≤ ⎟ = Φ ⎜⎜⎜ ⎟
⎝ σ σ ⎠ ⎟ ⎝ σ ⎟⎟⎠
Jede Normalverteilung kann auf Φ zurückgeführt werden.

16.01.2006 9:09
STOCH Zusammenfassung - 14 -

Approximation einer Binomialverteilung bin(n,p)

⎧
Y=
X − np ⎪E (Y ) = 0
⎪
⎨
np (1− p ) ⎪⎪Var (Y ) = 1
⎩

Für grosse n ist Y näherungsweise N (0,1)− verteilt .

⎛ ⎞ ⎛ ⎞
⎜⎜ X − np x − np ⎟⎟ ⎜⎜ x − np ⎟⎟
P (X ≤ x ) = P ⎜ ≤ ⎟ ≈ Φ ⎜⎜ ⎟⎟
⎜⎜ np (1− p ) np (1− p ) ⎟⎠⎟
⎝ ⎝⎜ np (1− p ) ⎟⎠
bzw für ganzzahliges x genauer :
⎛ ⎞ ⎛ ⎞
⎜⎜ x + 0.5 − np ⎟⎟ ⎜⎜ x − 0.5 − np ⎟⎟
P (X = x ) ≈ Φ ⎜ ⎟ − Φ ⎜⎜ ⎟
⎜⎜⎝ np (1− p ) ⎠⎟⎟ ⎜⎝ np (1− p ) ⎟⎟⎠

Lineare Regression

Gegeben sind Daten der Form (x 1 , y1 ) , (x 2 , y 2 ) ,..., (x n , yn ) .

y = f (x ) = α + β x + e i
N
Fehler
n n
Q (α , β ) = ∑ e i 2 = ∑ ( y i −α − β x i )
2
Fehlerfunktion
i =1 i =1

1 1 1 1
x=
n
∑ xi y=
n
∑ yi x2 =
n
∑ x i 2 xy = ∑ x i y i
n

xy − x y
βl = 2

x2 −x

βl =
s xy
=
∑ x y − nx y
i i i
2 2
sx
∑ x − nx i i
2

αl = y − βl x

Ergibt die Gerade y=αl + β

lx sie ist eine Schätzung der Geraden y=α + β x

16.01.2006 9:09
STOCH Zusammenfassung - 15 -

Residuen (der einzelnen Punkte)

Mit ly i = αl + β
l x erhält man die Residuen
i

eli = y i − l
yi
also die Abweichung in y-Richtung.

16.01.2006 9:09
STOCH Zusammenfassung - 16 -

Tabelle Φ (x ) -Verteilungsfunktion N(0,1)

0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0,0* 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1* 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5754
0,2* 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3* 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4* 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5* 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6* 0,7258 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7518 0,7549
0,7* 0,7580 0,7612 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8* 0,7881 0,7910 0,7939 0,7967 0,7996 0,8023 0,8051 0,8079 0,8106 0,8133
0,9* 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0* 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1* 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2* 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3* 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4* 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5* 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9430 0,9441
1,6* 0,9452 0,9463 0,9474 0,9485 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7* 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8* 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9700 0,9706
1,9* 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9762 0,9767
2,0* 0,9773 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1* 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,2* 0,9861 0,9865 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,3* 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4* 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,5* 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,6* 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,7* 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2,8* 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9980 0,9980 0,9981
2,9* 0,9981 0,9982 0,9983 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3,0* 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
3,1* 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3,2* 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3,3* 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3,4* 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998 0,9998

Bsp: Φ (0.72) = 0.7642 Φ (−1.48) = 1− Φ (1.48)

16.01.2006 9:09