Die (verallgemeinerte) inverse Verteilungsfunktion, auch Quantil-Transformation oder Quantil-Funktion oder percent point function genannt, ist eine spezielle reelle Funktion in der Stochastik, einem Teilgebiet der Mathematik. Jeder Verteilungsfunktion kann eine verallgemeinerte inverse Verteilungsfunktion zugeordnet werden, die unter gewissen Bedingungen die inverse Funktion der Verteilungsfunktion ist. Die verallgemeinerte inverse Verteilungsfunktion ordnet jeder Zahl zwischen null und eins den kleinsten Wert zu, an dem die Verteilungsfunktion diese Zahl überschreitet.

Beschreibt beispielsweise eine Wahrscheinlichkeitsverteilung die Schuhgrößen der Europäer und ist die entsprechende Verteilungsfunktion gegeben, so gibt die zugehörige verallgemeinerte inverse Verteilungsfunktion an der Stelle ${\displaystyle 0{,}9}$ diejenige kleinste Schuhgröße ${\displaystyle s}$ an, so dass mehr als 90 % der Europäer eine Schuhgröße kleiner als ${\displaystyle s}$ tragen.

Die verallgemeinerte inverse Verteilungsfunktion wird unter anderem zur Bestimmung von Quantilen herangezogen. Ebenso liefert sie einen Ansatz zur Konstruktion von Zufallsvariablen mit vorgegebenen Verteilungen. Derselben zugrunde liegenden Idee folgend dient sie bei der Inversionsmethode zur Erzeugung von Zufallszahlen mit vorgegebener Verteilung aus Standardzufallszahlen.

Definition

Sei ${\displaystyle X}$ eine ${\displaystyle \mathbb {R} }$-Zufallsvariable und

${\displaystyle F_{X}\colon \mathbb {R} \to [0,1]}$

seine Verteilungsfunktion. Das heißt für ${\displaystyle F_{X}}$ gilt

1. ${\displaystyle F_{X}}$ ist monoton wachsend und rechtsseitig stetig.
2. Für das Grenzwertverhalten gilt ${\displaystyle \lim _{x\to -\infty }F_{X}(x)=0}$ und ${\displaystyle \lim _{x\to \infty }F_{X}(x)=1}$.

${\displaystyle \alpha }$-Quantil:

Jedes ${\displaystyle r\in \mathbb {R} }$ mit

${\displaystyle \mathbb {P} (X<r)\leq \alpha \leq F_{X}(r),\quad \alpha \in (0,1)}$

heißt ${\displaystyle \alpha }$-Quantil.

Linke verallgemeinerte inverse Verteilungsfunktion:

Die Funktion

${\displaystyle F_{X-}^{-1}\colon (0,1)\to \mathbb {R} }$

definiert durch

${\displaystyle F_{X-}^{-1}(u):=\min\{x\in \mathbb {R} \mid F_{X}(x)\geq u\}}$

heißt die linke verallgemeinerte inverse Verteilungsfunktion von ${\displaystyle F_{X}}$. Allgemein bezeichnet man diese auch einfach als verallgemeinerte inverse Verteilungsfunktion.

Rechte verallgemeinerte inverse Verteilungsfunktion:

Die Funktion

${\displaystyle F_{X+}^{-1}\colon (0,1)\to \mathbb {R} }$

definiert durch

${\displaystyle F_{X+}^{-1}(u):=\inf\{x\in \mathbb {R} \mid F(x)>u\}}$

heißt die rechte verallgemeinerte inverse Verteilungsfunktion von ${\displaystyle F_{X}}$.

Ist ${\displaystyle F_{X}}$ streng monoton steigend, dann gilt ${\displaystyle F_{X-}^{-1}(u)=F_{X+}^{-1}(u).}$

Bemerkungen zur Definition

Zu beachten ist, dass die Verteilungsfunktion, zu der die verallgemeinerte inverse Verteilungsfunktion definiert wird, nicht notwendigerweise zu einer Wahrscheinlichkeitsverteilung gehören muss. Sie muss lediglich die vier oben genannten Eigenschaften (Monotonie, Rechtsstetigkeit und die zwei Grenzwerteigenschaften) erfüllen. Dies beruht darauf, dass die verallgemeinerte inverse Verteilungsfunktion zur Konstruktion von Wahrscheinlichkeitsverteilungen mit Verteilungsfunktion ${\displaystyle F}$ verwendet wird. Die Existenz solch einer Wahrscheinlichkeitsverteilung in der Definition zu fordern wäre damit zirkulär.

Die Notation der verallgemeinerten inversen Verteilungsfunktion als ${\displaystyle F^{-1}}$ ist suggestiv zu verstehen, da die Verteilungsfunktion ${\displaystyle F}$ nicht immer invertierbar sein muss. Dies tritt zum Beispiel dann auf, wenn sie auf einem Intervall konstant ist. Ist ${\displaystyle F}$ jedoch invertierbar, so stimmen die Inverse der Verteilungsfunktion und die verallgemeinerte inverse Verteilungsfunktion überein. Da die verallgemeinerte inverse Verteilungsfunktion im Gegensatz zur Inversen immer existiert rechtfertigt dies die Benennung als "verallgemeinert".

Erläuterung

Nach der Definition ist der Funktionswert der verallgemeinerten inversen Verteilungsfunktion an der Stelle ${\displaystyle u}$ die kleinste Zahl, an der die Verteilungsfunktion den Funktionswert ${\displaystyle u}$ überschreitet.

Ist die Verteilungsfunktion stetig, so erhält man diesen Wert anschaulich auf die folgende Art und Weise: Man zeichnet eine zur x-achse parallele Gerade, welche um den Wert ${\displaystyle u}$ nach oben verschoben ist. Diese schneidet die Verteilungsfunktion in einem Punkt oder einem Intervall. Schneidet sie die Verteilungsfunktion in einem Punkt ${\displaystyle (x,u)}$, so ist ${\displaystyle x}$ der Funktionswert der verallgemeinerten inversen Verteilungsfunktion an der Stelle ${\displaystyle u}$. Schneidet die Gerade die Verteilungsfunktion in einem Intervall, so wählt man denjenigen Punkt aus dem Intervall aus, der die kleinste ${\displaystyle x}$-Koordinate besitzt.

Beispiel

Betrachte als Beispiel die Verteilungsfunktion der Exponentialverteilung. Sie ist gegeben durch

${\displaystyle F_{X}(x)={\begin{cases}1-\mathrm {e} ^{-\lambda x}&x\geq 0,\\0&x<0,\end{cases}}}$

wobei ${\displaystyle \lambda }$ ein echt positiver reeller Parameter ist. Sie ist auf ${\displaystyle (0,\infty )}$ streng monoton wachsend und bildet dieses Intervall bijektiv auf ${\displaystyle (0,1)}$ ab. Somit existiert eine eindeutige Umkehrfunktion ${\displaystyle F_{X-}^{-1}}$, welche sich durch Auflösen von

${\displaystyle u=1-\mathrm {e} ^{-\lambda x}}$

nach ${\displaystyle x}$ ergibt. Dies liefert die verallgemeinerte inverse Verteilungsfunktion

${\displaystyle F_{X-}^{-1}(u)={\frac {-\ln(1-u)}{\lambda }}}$.

Im Allgemeinen ist es selten möglich, die verallgemeinerte inverse Verteilungsfunktion wie hier direkt zu berechnen. So sind die wenigsten Verteilungsfunktionen invertierbar, da sie häufig konstante Bereiche aufweisen. Beispiel hierfür sind die Verteilungsfunktionen von diskreten Verteilungen. Ebenso muss selbst bei Invertierbarkeit keine geschlossene Darstellung der Verteilungsfunktion existieren, auf die man zurückgreifen könnte. So muss die Verteilungsfunktion der Normalverteilung stets numerisch berechnet werden.

Eigenschaften

Die verallgemeinerte inverse Verteilungsfunktion ist monoton wachsend, linksseitig stetig und damit eine Zufallsvariable bzw. messbar von ${\displaystyle ((0,1),{\mathcal {B}}((0,1)))}$ nach ${\displaystyle (\mathbb {R} ,{\mathcal {B}}(\mathbb {R} ))}$. Versieht man den Messraum ${\displaystyle ((0,1),{\mathcal {B}}((0,1)))}$ mit der stetigen Gleichverteilung ${\displaystyle {\mathcal {U}}_{(0,1)}}$ oder äquivalent dem Lebesgue-Maß, so gilt:

Die Verteilung von ${\displaystyle F^{-1}}$ unter ${\displaystyle {\mathcal {U}}_{(0,1)}}$ ist das Wahrscheinlichkeitsmaß auf ${\displaystyle \mathbb {R} }$, welches die Verteilungsfunktion ${\displaystyle F}$ besitzt.

Jedes Wahrscheinlichkeitsmaß ${\displaystyle P}$ auf ${\displaystyle \mathbb {R} }$ mit Verteilungsfunktion ${\displaystyle F_{P}}$ kann damit als Verteilung der Zufallsvariable

${\displaystyle F_{P}^{-1}\colon ((0,1),{\mathcal {B}}((0,1)),{\mathcal {U}}_{(0,1)})\to (\mathbb {R} ,{\mathcal {B}}(\mathbb {R} ))}$

aufgefasst werden.

Verwendung

Literatur

• Norbert Kusolitsch: Maß- und Wahrscheinlichkeitstheorie. Eine Einführung. 2., überarbeitete und erweiterte Auflage. Springer-Verlag, Berlin Heidelberg 2014, ISBN 978-3-642-45386-1, doi:10.1007/978-3-642-45387-8. 
• Hans-Otto Georgii: Stochastik. Einführung in die Wahrscheinlichkeitstheorie und Statistik. 4. Auflage. Walter de Gruyter, Berlin 2009, ISBN 978-3-11-021526-7, doi:10.1515/9783110215274. 

Einzelnachweise

1. 1 2 Kusolitsch: Maß- und Wahrscheinlichkeitstheorie. 2014, S. 113.
2. ↑ Georgii: Stochastik. 2009, S. 23.
3. ↑ Eric W. Weisstein: Quantile Function. In: MathWorld (englisch).
4. ↑ Achim Klenke: Wahrscheinlichkeitstheorie. 3. Auflage. Springer-Verlag, Berlin Heidelberg 2013, ISBN 978-3-642-36017-6, S. 43, doi:10.1007/978-3-642-36018-3. 
5. ↑ Georgii: Stochastik. 2009, S. 72–73.