Verteilungsfunktionen am TI

Verteilungsfunktionen am TI-82 Stats
N o r m a l v e rt e i l un g
y  normalpdf ( x) 
2
1 2x

y  normalpdf ( x, 0)  
e   ( x)
2

y  normalpdf ( x, 0,1) 
y  normalpdf ( x,  ) 
1  12 ( x   )2
e

y  normalpdf ( x,  ,1) 
2
1  x 
 
 
1
y  normalpdf ( x,  ,  ) 
e 2
 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) 
1

y  normalcdf (, x, 0)  
2
y  normalcdf (, x, 0,1) 

x
e
t 2
2
dt  ( x)

*Hinweis: Als linke Grenze kann auch z.B. -5, -10, -100… eingegeben werden.
b
1  x 
 
 
1
2
y  normalcdf (a, b,  ,  ) 
e

 2 a
2
dx
I n v e rs e N o rm a l v e rt e i l u n g
Zahlenbeispiel:
1

normalcdf  ,3, 2,   0.9987
3

1

invNorm  0.9987, 2,   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
k 
Beispiel: binompdf(5, 0.48 , 2) = 0.324
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}
}