Die Bernoulli-Verteilung tritt auf, wenn ein Zufallsexperiment nur zwei mögliche Ergebnisse hat: Erfolg oder Misserfolg. Sie wird verwendet, um die Wahrscheinlichkeit eines Erfolgs bei einem binären Ereignis zu modellieren, wie z.B. das Werfen einer Münze (Kopf oder Zahl). Die Bernoulli-Verteilung ist eine der grundlegenden Verteilungen in der Wahrscheinlichkeitstheorie und wird oft als Baustein für komplexere Verteilungen verwendet. Sie kann angewendet werden, wenn die Bedingungen für ein binäres Ereignis erfüllt sind und die Wahrscheinlichkeit für Erfolg oder Misserfolg bekannt ist. Wann genau die Bernoulli-Verteilung angewendet wird, hängt also von der Art des Zufallsexperiments und den zu modellierenden Ereignissen ab. **

Um die Verteilung einer Zufallsvariable zu berechnen, muss man die Wahrscheinlichkeiten für jedes mögliche Ergebnis bestimmen. Dies kann durch Beobachtung der Daten oder durch mathematische Modelle erfolgen. Der Erwartungswert einer Zufallsvariable wird berechnet, indem man jedes mögliche Ergebnis mit seiner Wahrscheinlichkeit multipliziert und die Ergebnisse summiert. Der Erwartungswert gibt den durchschnittlichen Wert an, den man von der Zufallsvariable erwarten kann. **

Um zu prüfen, ob eine Zufallsvariable einer Bernoulli-Verteilung folgt, kann man verschiedene statistische Tests verwenden. Ein häufig verwendeter Test ist der Chi-Quadrat-Test, bei dem die beobachteten Häufigkeiten mit den erwarteten Häufigkeiten verglichen werden. Alternativ kann auch der Fisher-Test verwendet werden, der die Wahrscheinlichkeit berechnet, dass die beobachteten Daten zufällig aus einer Bernoulli-Verteilung stammen. **

Die Poisson-Verteilung ist eine diskrete Wahrscheinlichkeitsverteilung, die die Anzahl der Ereignisse in einem festen Zeit- oder Raumintervall beschreibt, wenn diese Ereignisse mit einer konstanten Rate und unabhängig voneinander auftreten. Sie wird in der Stochastik, Wahrscheinlichkeit und Statistik verwendet, um die Wahrscheinlichkeit zu berechnen, dass eine bestimmte Anzahl von Ereignissen in einem bestimmten Intervall auftritt. Sie findet Anwendung in verschiedenen Bereichen wie der Versicherungsmathematik, der Verkehrsplanung oder der Epidemiologie. **

Die Varianz wird berechnet, indem die durchschnittliche quadratische Abweichung jedes Datenpunkts vom Mittelwert bestimmt wird. Sie gibt an, wie weit die einzelnen Datenpunkte im Durchschnitt von der Mitte der Verteilung entfernt sind. Eine hohe Varianz deutet auf eine weit gestreute Verteilung hin, während eine niedrige Varianz auf eine engere Verteilung hinweist. **

Eine diskrete Verteilung beschreibt die Wahrscheinlichkeiten von diskreten Ereignissen, die einzeln auftreten können. Sie kann nur bestimmte Werte annehmen und wird durch eine Wahrscheinlichkeitsfunktion dargestellt. Im Gegensatz dazu beschreibt eine kontinuierliche Verteilung die Wahrscheinlichkeiten von kontinuierlichen Ereignissen, die jeden beliebigen Wert innerhalb eines bestimmten Intervalls annehmen können und wird durch eine Wahrscheinlichkeitsdichtefunktion dargestellt. **

Der Wertebereich in der Stochastik gibt an, welche Werte eine Zufallsvariable annehmen kann. Dies kann zum Beispiel eine bestimmte Menge von Zahlen oder diskrete Ereignisse sein. Die Verteilung in der Stochastik beschreibt, wie wahrscheinlich es ist, dass eine Zufallsvariable einen bestimmten Wert annimmt. Dies kann durch eine Wahrscheinlichkeitsverteilungsfunktion oder eine Wahrscheinlichkeitsdichtefunktion dargestellt werden. **

Um die Parameter n und p einer Verteilung zu berechnen, ist es wichtig zu wissen, um welche Verteilung es sich handelt. In der Regel werden diese Parameter durch statistische Methoden geschätzt, zum Beispiel durch Maximum-Likelihood-Schätzung. Dabei werden Beobachtungen der Verteilung verwendet, um die am besten passenden Werte für n und p zu finden. Es gibt auch spezifische Formeln zur Berechnung der Parameter für bestimmte Verteilungen, wie zum Beispiel die Binomialverteilung. **