Grundlagen. Wozu Wahrscheinlichkeitsrechnung? Definition und Begriff der Wahrscheinlichkeit. Berechnung von Laplace-Wahrscheinlichkeiten

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Grundlagen. Wozu Wahrscheinlichkeitsrechnung? Definition und Begriff der Wahrscheinlichkeit. Berechnung von Laplace-Wahrscheinlichkeiten"

Transkript

1 Teil 2: Wahrscheinlichkeitsrechnung 326

2 Grundlagen Wozu Wahrscheinlichkeitsrechnung? Definition und egriff der Wahrscheinlichkeit erechnung von Laplace-Wahrscheinlichkeiten Rechnen mit einfachem Mengenkalkül Grundlagen 327

3 Wozu Wahrscheinlichkeitsrechnung? Ein eispiel (konstruiert) zur Motivation Ein Marktforschungsinstitut möchte mittels Telefonumfrage (Zufallsauswahl/Stichprobe) untersuchen, wie viel Prozent aller Deutschen mindestens ein Handy besitzen. Einer ein Jahr alten Untersuchung zufolge soll der nteil bei etwa 67% liegen. Es interessiert nun auch die Frage, ob der nteil gestiegen ist. etrachtung des Gesamtprozesses Erhebung ufbereitung und Darstellung nalyse und Interpretation Telefonbefragung (Stichprobe) uswertung der efragung eantwortung der beiden Untersuchungsziele aufgrund der vorliegenden Daten Grundlagen - Wozu Wahrscheinlichkeitsrechnung? 328

4 Wozu Wahrscheinlichkeitsrechnung? Resultat der Telefonstichprobe könnte z.. lauten: Relativer nteil der Handybesitzer unter 500 efragten beträgt 69%. Problem: Ergebnis könnte nur durch Zufall zustande gekommen sein. Hypothetische etrachtung: ngenommen, die wahre Handyquote liege unverändert bei 67%. Wie groß ist die Wahrscheinlichkeit, dass die Quote in der Stichprobe zufällig höher als 67% ausfällt? Wie groß ist die ussagekraft (Zuverlässigkeit) der Ergebnisse? Ist die Handyquote nun gestiegen oder nicht? Wie kann das Ergebnis der Untersuchung sachgerecht wiedergegeben werden? Technischer pparat der Wahrscheinlichkeitsrechnung erforderlich, um den Zufall in den Griff zu bekommen. Grundlagen - Wozu Wahrscheinlichkeitsrechnung? 329

5 Was versteht man eigentlich unter Zufall? 330

6 Was versteht man unter Wahrscheinlichkeit? 331

7 eispiele Definition und egriff der Wahrscheinlichkeit Zufallsvorgänge und Interpretation von Wahrscheinlichkeiten Die Wahrscheinlichkeit eine Sechs zu würfeln beträgt 1/6. Die Kreditausfallwahrscheinlichkeit für diese Kundenklasse beträgt weniger als 1%. Die Chance für sechs Richtige im Lotto beträgt genau 1: Morgen wird es höchstwahrscheinlich regnen. Dieser Patient wird nur mit einer Wahrscheinlichkeit von 40% überleben. Ich bin mir zu 95% sicher, dass... Eine Studie ergab, dass die evölkerung im Jahr 2050 mit einer Wahrscheinlichkeit von 90% zwischen 40 und 50 Millionen liegen wird. Die Wahrscheinlichkeit für eine Mädchengeburt liegt in Deutschland bei 48.7%. Mit einer Wahrscheinlichkeit von 94% erhält die Partei einen Stimmenanteil zwischen 29.8 % und 31.4%. Deutschland wird nicht Weltmeister. Da würde ich 500 Euro darauf wetten. Welche Gemeinsamkeit(en) haben alle ussagen? uf welche verschiedene Weisen wird hier mit Wahrscheinlichkeit verfahren? Nehmen Sie eine Kategorisierung vor. Grundlagen - Definition und egriff der Wahrscheinlichkeit 332

8 Definition und egriff der Wahrscheinlichkeit Zufallsvorgang und Zufallsexperiment Ein Zufallsvorgang ist ein Vorgang mit mindestens zwei möglichen verschiedenen Ergebnissen, bei dem im Voraus nicht eindeutig bestimmbar ist, welches Ergebnis eintreten wird. Ein Zufallsvorgang der unter kontrollierten edingungen abläuft und somit unter gleichen edingungen wiederholbar ist, bezeichnet man auch als Zufallsexperiment. Interpretation von Wahrscheinlichkeiten - objektiv a priori (klassische Wahrscheinlichkeit/Laplace-Wahrscheinlichkeit) - objektiv a posteriori (statistische Wahrscheinlichkeit) - subjektiv Weshalb ist auch die klassische Wahrscheinlichkeit letztlich von statistischer rt?! Das Schlechteste überhaupt: Von Wahrscheinlichkeiten zu sprechen und selbst nicht zu wissen, wie diese zu verstehen sind. Grundlagen - Definition und egriff der Wahrscheinlichkeit 333

9 Definition und egriff der Wahrscheinlichkeit Forderung: Zuordnung von Wahrscheinlichkeiten zu bestimmten Ergebnissen sollte nicht beliebig erfolgen. Um eine gewisse Sinnhaftigkeit und Konsistenz zu erzielen, müssen bestimmte Rechengesetze beachtet werden. Diese Rechengesetze sollten von der interpretativen Ebene der Wahrscheinlichkeiten unabhängig sein. Rechentechnisch einheitliche ehandlung von subjektiven und objektiven Wahrscheinlichkeiten Gesetze der Wahrscheinlichkeitsrechnung (Wahrscheinlichkeitstheorie, Stochastik,...) Wichtige Grundlagen der Wahrscheinlichkeitsrechnung: (hier mehr oder minder notwendig bzw. ausführlich) Mengenlehre, Kombinatorik, Maßtheorie, Integrationstheorie,... Grundlagen - Definition und egriff der Wahrscheinlichkeit 334

10 Definition und egriff der Wahrscheinlichkeit Mengen und Mengenoperationen Wozu überhaupt Mengenlehre? eispiel: Die Wahrscheinlichkeit eine gerade Zahl zu würfeln beträgt 1/2. Die Wahrscheinlichkeit eine gerade Zahl zu würfeln, die gleichzeitig noch kleiner als 5 ist, beträgt 1/3. Ω Vorstellung: Ergebnisse als (Teil)Mengen Operationen auf diesen Mengen erzeugen neue Ergebnisse. Wahrscheinlichkeit steht dann für die Größe (Mächtigkeit) einer Menge Hier z..:... Gerade Zahl... Zahl kleiner 5... Gerade Zahl UND kleiner 5 Grundlagen - Definition und egriff der Wahrscheinlichkeit 335

11 Definition und egriff der Wahrscheinlichkeit Menge und Elemente Eine Menge ist eine Zusammenfassung unterscheidbarer Objekte zu einem Ganzen. Die einzelnen Objekte werden Elemente genannt. eispiele: Sei die Menge der natürlichen Zahlen von eins bis zehn, so kann wie folgt angegeben werden. = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} = {x: x ist eine natürliche Zahl mit 1 x 10 } Enthält die Menge die möglichen usprägungen eines Münzwurfs, so besteht aus zwei Elementen: = { Wappen, Zahl }. Grundlagen - Definition und egriff der Wahrscheinlichkeit 336

12 Definition und egriff der Wahrscheinlichkeit Grundbegriffe der Mengenlehre 1. x ist Element der Menge bzw. nicht Element von ; in Zeichen (i.z.) x bzw. x. 2. ist Teilmenge von, falls jedes Element von auch in ist; i.z.. 3. Die Schnittmenge zweier Mengen und ist die Menge aller Elemente, die sowohl in als auch in sind; i.z. = { x : x x }. 4. Die Vereinigungsmenge zweier Mengen und ist die Menge aller Elemente, die in oder sind; i.z. = { x : x x }. Grundlagen - Definition und egriff der Wahrscheinlichkeit 337

13 Definition und egriff der Wahrscheinlichkeit Grundbegriffe der Mengenlehre fortgesetzt Die Differenzmenge zweier Mengen und ist die Menge aller Elemente, die in aber nicht in sind (oder umgekehrt); i.z. { x : x x } \ = 6. Für Ω ist die Komplementärmenge von bzgl. Ω die Menge aller Elemente von Ω, die nicht in sind; i.z. = Ω \. bzw. \ = { x : x x }. 7. Die Potenzmenge einer Menge ist die Menge aller Teilmengen von ; i.z. ( ) = { M : M }. 8. Die Mächtigkeit einer Menge gibt an, wie viele Elemente in enthalten sind; { x : x }. i.z. = # Grundlagen - Definition und egriff der Wahrscheinlichkeit 338

14 Definition und egriff der Wahrscheinlichkeit Die Menge, die kein Element enthält, ist die sogenannte leere Menge. Sie wird mit bezeichnet, d.h. =. { } eispiel zur Potenzmenge Gegeben sei die Menge = {1, 2, 3}. Dann lautet die Potenzmenge von emerkungen: ( ) = { }, { 2 }, { 3 }, { 1,2 }, { 2,3 }, { 1,3 }, { 1,2,3 } { 1, }. - Die Menge selbst und die leere Menge sind immer in der Potenzmenge enthalten. - Falls <, dann gilt: ( ) = 2. Grundlagen - Definition und egriff der Wahrscheinlichkeit 339

15 Definition und egriff der Wahrscheinlichkeit Venn-Diagramme zur Veranschaulichung von Mengenoperationen Ω Ω Ω C C Ω \ Ω Ω Grundlagen - Definition und egriff der Wahrscheinlichkeit 340

16 Definition und egriff der Wahrscheinlichkeit Übung: Kennzeichnen Sie in nachfolgenden Venn-Diagrammen die geforderten Mengen. C C ( ) \ C ( ) \ C C C ( ) C ( ) C Grundlagen - Definition und egriff der Wahrscheinlichkeit 341

17 Definition und egriff der Wahrscheinlichkeit eim einmaligen Werfen eines Würfels werden folgende Ereignisse betrachtet: : Eine gerade Zahl wird gewürfelt, : eine durch 3 teilbare Zahl wird gewürfelt, C: eine 1 wird gewürfelt. a) eschreiben Sie durch geeignete Verknüpfungen von, und C das Ereignis, (i) eine ungerade Zahl, (ii) mindestens eine 2, (iii) eine 6, (iv) eine 1 oder eine 5 zu würfeln. b) Gelten die folgenden eziehungen (i), (ii) C, (iii) C? Grundlagen - Definition und egriff der Wahrscheinlichkeit 342

18 Definition und egriff der Wahrscheinlichkeit Rechenregeln für Mengen 1. Kommutativgesetze:,, = = 2. ssoziativgesetze: ( ) ( ), C C = ( ) ( ), C C = 3. Distributivgesetze: ( ) ( ) ( ), C C C = 343 Grundlagen - Definition und egriff der Wahrscheinlichkeit ( ) ( ) ( ), C C C = 4. De Morgansche Regeln:, =. = Gültigkeit mit Hilfe von Venn-Diagrammen jedoch leicht einsichtig. Ohne formalen eweis.

19 Definition und egriff der Wahrscheinlichkeit Ereignisse und Wahrscheinlichkeiten Der Ereignisraum (auch Ergebnisraum, Grundraum oder Stichprobenraum) ist die Menge aller möglichen Ergebnisse eines Zufallsvorgangs und wird üblicherweise mit Ω bezeichnet. esteht Ω aus höchstens abzählbar vielen (endlich oder abzählbar unendlich vielen) Elementen ϖ ϖ,,k so sprechen wir von einem diskreten Ereignisraum. 1, 2 ϖ 3 Teilmengen von Ω heißen Zufallsereignisse oder einfach Ereignisse. Die einelementigen Ereignisse von Ω heißen Elementarereignisse. Das Ereignis Ω heißt sicheres Ereignis, das zugehörige Komplementärereignis Ω = unmögliches Ereignis. Sind und sich gegenseitig ausschließende Ereignisse heißen sie disjunkt, und es gilt: =. Grundlagen - Definition und egriff der Wahrscheinlichkeit 344

20 Definition und egriff der Wahrscheinlichkeit eispiele - Münzwurf: Ω = { Zahl, Wappen } - Werfen eines Würfels: Ω = { 1, 2, 3, 4, 5, 6 } - Zweimaliges Werfen eines Würfels: Ω = { (1,1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6), (2, 1),..., (2, 6),..., (6, 6) } - Mietspiegelerstellung: Zufälliges Ziehen einer Wohnung aus allen mietspiegel- relevanten Wohnungen. Diese stellen dementsprechend den Ergebnisraum dar. - Klausurpunktezahl: z.. Ω = { 0, 1, 2,..., 100 } - Einschätzung des Sachverständigenrates zur Konjunkturentwicklung: z.. Ω = { positive Entwicklung, unverändert, negative Entwicklung } - nzahl der Würfelwurfe bis zur 1. Sechs: Ω = { 1, 2, 3, 4,... } - Lebensdauer einer CD Ω = [ 0, ) Grundlagen - Definition und egriff der Wahrscheinlichkeit 345

21 Definition und egriff der Wahrscheinlichkeit Ziel: Den Ereignissen eines Ereignisraumes sollen Zahlen zugeordnet werden, die die Chance für deren Eintreten ( Wahrscheinlichkeit ) zum usdruck bringen. Ordnet eine Funktion P den Ereignissen eines diskreten Ereignisraumes Ω Zahlen unter Einhaltung folgender Regeln zu: (K1) (K2) (K3) P P ( ) 0, ( Ω ) =1, für,,k Ω paarweise disjunkt gilt: P 1, 2 3 ( K) = P( ), i= 1 so heißt P Wahrscheinlichkeitsmaß auf der Potenzmenge von Ω und die Funktionswerte von P heißen Wahrscheinlichkeiten. Die aufgeführten Regeln entsprechen den xiomen von Kolmogoroff. i Interpretation? Motivation? Grundlagen - Definition und egriff der Wahrscheinlichkeit 346

22 Definition und egriff der Wahrscheinlichkeit Ω P() Ein Wahrscheinlichkeitsmaß ist eine Funktion, die den Teilmengen einer Menge unter Einhaltung der Kolmogoroffschen xiomatik Zahlen zwischen 0 und 1 zuordnet, die als Wahrscheinlichkeiten bezeichnet werden. Wie folgt aus der xiomatik, dass Wahrscheinlichkeiten zwischen 0 und 1 liegen? Grundlagen - Definition und egriff der Wahrscheinlichkeit 347

23 Definition und egriff der Wahrscheinlichkeit Rechenregeln für Wahrscheinlichkeiten Sei Ω ein Ereignisraum, dann gilt: ( ) P für Ω, 2. P( ) = 0, ( ) ( ), 3. P P falls und, Ω, ( ) ( ) 4. P =1 P mit = Ω \, ( ) ( ) ( ) ( ), 5. P K = P + P + K+ P falls 1 2 k 1 2 k 1, 2, K, k paarweise disjunkt, d.h. = für und Ω, i, j = 1, K, k, i 6. P( ) = P( ) + P( ) P( ). i j i j eweis: Folgt leicht aus den xiomen nach Kolmogoroff. Grundlagen - Definition und egriff der Wahrscheinlichkeit 348

24 Definition und egriff der Wahrscheinlichkeit erechnung der Wahrscheinlichkeit für das Eintreten eines Ereignisses Sei Ω das Ereignis eines diskreten Ereignisraumes Ω mit den Elementar- ereignissen P { ϖ }, K, { ϖ }, 1 n dann gilt ({ ϖ }) 0, i = 1, 2, K, i = ϖ i ( Ω) P( ) =, P i 1 P i= 1 ( ) = P { ϖ } i: ϖ i ( ). i eweis: Ergibt sich unmittelbar aus den xiomen nach Kolmogoroff. Interpretation? Weshalb gilt dieses Resultat nur für diskrete Ereignisräume? Grundlagen - Definition und egriff der Wahrscheinlichkeit 349

25 Definition und egriff der Wahrscheinlichkeit Überabzählbare Ereignisräume und Ereignisalgebren Das auf der Potenzmenge definierte Wahrscheinlichkeitsmaß ist so in der strengen nwendung der Wahrscheinlichkeitstheorie nicht bzw. nicht genügend operabel. Insbesondere im Falle überabzählbar viel möglicher Ergebnisse erweist sich die Potenzmenge für die Definition eines Wahrscheinlichkeitsmaßes als zu groß. Stattdessen genügt es, gröbere Teilmengensysteme von Ω (Mengen von Teilmengen von Ω), die bestimmte Eigenschaften erfüllen müssen, zu betrachten. Konkret werden sogenannte Sigma-lgebren verwendet. Im Zusammenhang von Ereignisräumen heißen diese dann auch Ereignisalgebren. In der Wahrscheinlichkeitstheorie wird ein Wahrscheinlichkeitsmaß üblicherweise auf einer Ereignisalgebra von Ω definiert. Die interessierenden Ereignisse sind dann nur noch die Elemente dieser Sigma-lgebra. Die Potenzmenge wäre lediglich ein Spezialfall einer Sigma-lgebra (die feinste Sigma-lgebra). lle bisherigen und folgenden Rechenregeln für Wahrscheinlichkeiten (einschließlich der xiome (K1)-(K3)) sind, soweit nicht anders vermerkt, auch für ein auf einer Sigma-lgebra definiertes Wahrscheinlichkeitsmaß gültig. Die Problematik überabzählbarer Ereignisräume (stetige Ereignisräume) wird im Zusammenhang stetiger Zufallsvariablen später erneut aufgegriffen werden. Grundlagen - Definition und egriff der Wahrscheinlichkeit 350

26 Definition und egriff der Wahrscheinlichkeit => Übungen erechnen Sie die Wahrscheinlichkeit für das Ereignis ( C). C Nehmen Sie an, dass Ihnen nur folgende Wahrscheinlichkeiten bekannt sind: P ( ), P( ), P( C), P( ), P( C), P( C), P( C). P ( C) = Grundlagen - Definition und egriff der Wahrscheinlichkeit 351

27 Definition und egriff der Wahrscheinlichkeit ufgabe 39 Gegeben seien zwei Zufallsereignisse. Die Wahrscheinlichkeit, dass R F mindestens eines der beiden Ereignisse eintritt, ist stets die Summe der Einzelwahrscheinlichkeiten, die beiden Ereignisse gleichzeitig eintreten, ist stets die Summe der Einzelwahrscheinlichkeiten. ufgabe 40 Gegeben seien zwei Ereignisse und mit P = 0.2 Dann gilt immer: R F ( ) < 0.2, P ( ) 0.8, P ( ) 0.2. P ( ). Grundlagen - Definition und egriff der Wahrscheinlichkeit 352

28 erechnung von Laplace-Wahrscheinlichkeiten Die Laplace-Wahrscheinlichkeit Laplace-Experiment Kann man für ein beliebiges Zufallsexperiment mit endlichem Ereignisraum Ω annehmen, dass alle Elementarereignisse gleichwahrscheinlich sind, so nennt man ein solches Experiment Laplace-Experiment. { } In einem Laplace-Experiment mit Ω = ϖ, ϖ 2, K, ϖ gilt: 1 Ω 1 N (i) P( ϖ j ) = =, j = 1, K, N, 1 K ϖ N M (ii) P ( ) = =, für Ω mit = M, d.h., Ω N P( ) = nzahl der für günstigen Ergebnisse nzahl aller möglichen Ergebnisse. Grundlagen - erechnung von Laplace-Wahrscheinlichkeiten 353

29 erechnung von Laplace-Wahrscheinlichkeiten emerkung Eine solche erechnungsvorschrift definiert ein Wahrscheinlichkeitsmaß gemäß der Kolmogoroffschen xiomatik. Die Wahrscheinlichkeiten von Ereignissen in einem Laplace-Experiment nennt man dann Laplace-Wahrscheinlichkeiten. eispiel: Dreimaliger Münzwurf Eine faire Münze wird dreimal unabhängig voneinander geworfen und es wird notiert, ob die Münze Wappen oder Zahl anzeigt. Der Ereignisraum lautet dann: Ω = {( W, W, W ), ( W, W, Z ), ( W, Z, W ), ( Z, W, W ) ( W, Z, Z ), ( Z, W, Z ), ( Z, Z, W ), ( Z, Z, Z )}. Die Wahrscheinlichkeit für das Ereignis = {genau einmal Zahl} ist dann P ( ) = Ω {( Z, W, W ), ( W, Z, W ), ( W, W, Z )} {( W, W, W ), K, ( Z, Z, Z )} =, 3. 8 Grundlagen - erechnung von Laplace-Wahrscheinlichkeiten 354

30 erechnung von Laplace-Wahrscheinlichkeiten Urnenmodell und Kombinatorik Problem: Mächtigkeit von Mengen in Laplace-Experimenten bisweilen schwierig festzustellen. eispiel: Lotto 6 aus 49 us 49 Kugeln werden 6 Kugeln zufällig gezogen (Ziehen ohne Zurücklegen). Der Hauptgewinn kann eingelöst werden, falls alle 6 Kugeln richtig getippt wurden, wobei die Reihenfolge ihres Erscheinens beim Ziehen keine Rolle spielt. Frage: Wie viele Möglichkeiten gibt es, 6 aus 49 Kugeln zu ziehen, wobei nicht zurückgelegt wird und die Reihenfolge nicht berücksichtigt wird? Kombinatorische Grundlagen hilfreich Grundlagen - erechnung von Laplace-Wahrscheinlichkeiten 355

31 erechnung von Laplace-Wahrscheinlichkeiten zunächst einige mathematische Schreibweisen... Fakultät und inomialkoeffizient Die Fakultät einer natürlichen Zahl k ist definiert als ( ) ( ) ! = K k k k k Es gilt:. 1 0!, 1! 1 = = Grundlagen - erechnung von Laplace-Wahrscheinlichkeiten Für zwei natürliche Zahlen n und N ist der inomialkoeffizient definiert als n N ( ).!!! n n N N n N = Es gilt: falls 0, 1,, 1 1, 0 = = = = n N N N N N N N < n. eispiel: ! 4 = = 356

32 erechnung von Laplace-Wahrscheinlichkeiten Urnenmodell Viele Laplace-Experimente können auf ein Urnenmodell übertragen werden. us einer Urne mit N Kugeln wird eine Zufallsstichprobe von n Kugeln gezogen. Für den Ziehvorgang gibt es nun verschiedene Varianten. Ziehen ohne Zurücklegen mit erücksichtigung der Reihenfolge mit erücksichtigung der Reihenfolge Ziehen mit Zurücklegen ohne erücksichtigung der Reihenfolge ohne erücksichtigung der Reihenfolge Grundlagen - erechnung von Laplace-Wahrscheinlichkeiten 357

33 erechnung von Laplace-Wahrscheinlichkeiten Einfache Zufallsstichprobe esitzt jede Stichprobe vom Umfang n aus einer Grundgesamtheit vom Umfang N dieselbe Wahrscheinlichkeit gezogen zu werden, so liegt eine einfache Zufallsstichprobe vor. Zur erechnung der Laplace-Wahrscheinlichkeiten von Ereignissen ist die Kenntnis der nzahl aller möglichen Stichproben erforderlich. Problem 1 Wie groß ist die Wahrscheinlichkeit, mit einem fairen Würfel bei fünf Würfen erst im fünften Wurf eine 6 zu werfen? Urnenmodell: Grundlagen - erechnung von Laplace-Wahrscheinlichkeiten 358

34 erechnung von Laplace-Wahrscheinlichkeiten Lösung: Modell mit Zurücklegen und mit erücksichtigung der Reihenfolge ei einer Ziehung mit Zurücklegen und mit erücksichtigung der Reihenfolge aus einer Grundgesamtheit vom Umfang N ist die nzahl der möglichen Stichproben vom Umfang n gegeben als n N. Einfache Zufallsstichprobe? Problem 2 Wie groß wäre die Gewinnwahrscheinlichkeit beim Lotto 6 aus 49, falls zusätzlich die Reihenfolge der getippten Zahlen mit der Reihenfolge der gezogenen Kugeln übereinstimmen müsste? Grundlagen - erechnung von Laplace-Wahrscheinlichkeiten 359

35 erechnung von Laplace-Wahrscheinlichkeiten Urnenmodell: Lösung: Modell ohne Zurücklegen und mit erücksichtigung der Reihenfolge ei einer Ziehung ohne Zurücklegen und mit erücksichtigung der Reihenfolge aus einer Grundgesamtheit vom Umfang N ist die nzahl der möglichen Stichproben vom Umfang n gegeben als N N! ( n)!. Einfache Zufallsstichprobe? Grundlagen - erechnung von Laplace-Wahrscheinlichkeiten 360

36 erechnung von Laplace-Wahrscheinlichkeiten Problem 2* In einer Unterhaltungsshow wird ein Kandidat aufgefordert, 5 Personen gemäß ihres lters zu ordnen. Wie viele Möglichkeiten besitzt der Kandidat theoretisch, diese 5 Personen zu ordnen? Mit welcher Wahrscheinlichkeit würde er also die richtige Reihenfolge tippen, wenn er auf pures Raten angewiesen wäre? Urnenmodell: Lösung: Permutationen Es gibt N! Möglichkeiten, N unterscheidbare Objekte anzuordnen. Diese nordnungsmöglichkeiten werden Permutationen genannt. Grundlagen - erechnung von Laplace-Wahrscheinlichkeiten 361

37 erechnung von Laplace-Wahrscheinlichkeiten Problem 3 Wie groß ist die Wahrscheinlichkeit für genau 5 Richtige beim Lotto 6 aus 49? Urnenmodell: Lösung: Grundlagen - erechnung von Laplace-Wahrscheinlichkeiten 362

38 erechnung von Laplace-Wahrscheinlichkeiten Modell ohne Zurücklegen und ohne erücksichtigung der Reihenfolge ei einer Ziehung ohne Zurücklegen aus einer Grundgesamtheit vom Umfang N ist die nzahl der möglichen Stichproben vom Umfang n, wenn zwischen den nordnungen der Objekte in der Stichprobe nicht unterschieden wird, gegeben als N. n Einfache Zufallsstichprobe? Problem 4 Was wäre, falls Lotto 6 aus 49 mit Zurücklegen gespielt würde? Urnenmodell: Grundlagen - erechnung von Laplace-Wahrscheinlichkeiten 363

39 erechnung von Laplace-Wahrscheinlichkeiten Modell mit Zurücklegen und ohne erücksichtigung der Reihenfolge ei einer Ziehung mit Zurücklegen aus einer Grundgesamtheit vom Umfang N ist die nzahl der möglichen Stichproben vom Umfang n, wenn zwischen den nordnungen der Objekte in der Stichprobe nicht unterschieden wird, gegeben als N + n 1. n Einfache Zufallsstichprobe? Probleme? Zusammenfassung der kombinatorischen Resultate mit erücksichtigung der Reihenfolge ohne erücksichtigung der Reihenfolge ohne Zurücklegen N! ( N n)! N n mit Zurücklegen N N + n 1 n n Grundlagen - erechnung von Laplace-Wahrscheinlichkeiten 364

40 erechnung von Laplace-Wahrscheinlichkeiten ufgabe 41 Die Wahrscheinlichkeit mit einem fairen Würfel bei fünf Würfen genau dreimal nacheinander eine 6 und keine weitere zu werfen R F ist kleiner als 1%. ufgabe 42 ei einem Fußballturnier werden 16 Mannschaften in zwei Gruppen eingeteilt. Die Wahrscheinlichkeit, dass die beiden stärksten Mannschaften in der gleichen Gruppe spielen, R F ist kleiner als 50%. Grundlagen - erechnung von Laplace-Wahrscheinlichkeiten 365

Statistik 1: Einführung

Statistik 1: Einführung Seite Stat- Statistik : Einführung Die mathematische Disziplin der Stochastik, die die Teilgebiete Wahrscheinlichkeitstheorie und mathematische Statistik umfaßt, beschäftigt sich mit der Beobachtung, Aufzeichnung

Mehr

Rechnen mit einfachem Mengenkalkül

Rechnen mit einfachem Mengenkalkül edingte ahrscheinlichkeiten llgemeine Frage: Rechnen mit einfachem Mengenkalkül ie groß ist die ahrscheinlichkeit für ein Ereignis falls bereits ein Ereignis eingetreten ist (und der etrachter über diese

Mehr

Aufgabe 2.1. Ergebnis, Ergebnismenge, Ereignis

Aufgabe 2.1. Ergebnis, Ergebnismenge, Ereignis Aufgabe 2. Ergebnis, Ergebnismenge, Ereignis Ergebnis und Ergebnismenge Vorgänge mit zufälligem Ergebnis, oft Zufallsexperiment genannt Bei der Beschreibung der Ergebnisse wird stets ein bestimmtes Merkmal

Mehr

Variationen Permutationen Kombinationen

Variationen Permutationen Kombinationen Variationen Permutationen Kombinationen Mit diesen Rechenregeln lässt sich die Wahrscheinlichkeit bestimmter Ereigniskombinationen von gleichwahrscheinlichen Elementarereignissen ermitteln, und erleichtert

Mehr

Statistik I für Betriebswirte Vorlesung 5

Statistik I für Betriebswirte Vorlesung 5 Statistik I für Betriebswirte Vorlesung 5 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik 07. Mai 2015 PD Dr. Frank Heyde Statistik I für Betriebswirte Vorlesung 5 1 Klassische Wahrscheinlichkeitsdefinition

Mehr

Skript zur Statistik II (Wahrscheinlickeitsrechnung und induktive Statistik)

Skript zur Statistik II (Wahrscheinlickeitsrechnung und induktive Statistik) Prof. Dr. Reinhold Kosfeld Fachbereich Wirtschaftswissenschaften Skript zur Statistik II (Wahrscheinlickeitsrechnung und induktive Statistik) 1. Einleitung Deskriptive Statistik: Allgemeine und spezielle

Mehr

Einführung in die Stochastik

Einführung in die Stochastik Einführung in die Stochastik Josef G. Steinebach Köln, WS 2009/10 I Wahrscheinlichkeitsrechnung 1 Wahrscheinlichkeitsräume, Urnenmodelle Stochastik : Lehre von den Gesetzmäßigkeiten des Zufalls, Analyse

Mehr

Data Mining: Einige Grundlagen aus der Stochastik

Data Mining: Einige Grundlagen aus der Stochastik Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener

Mehr

6.1 Grundlagen der Wahrscheinlichkeitsrechnung 6.1.1 Definitionen und Beispiele Beispiel 1 Zufallsexperiment 1,2,3,4,5,6 Elementarereignis

6.1 Grundlagen der Wahrscheinlichkeitsrechnung 6.1.1 Definitionen und Beispiele Beispiel 1 Zufallsexperiment 1,2,3,4,5,6 Elementarereignis 1 6.1 Grundlagen der Wahrscheinlichkeitsrechnung 6.1.1 Definitionen und Beispiele Spiele aus dem Alltagsleben: Würfel, Münzen, Karten,... u.s.w. sind gut geeignet die Grundlagen der Wahrscheinlichkeitsrechnung

Mehr

Risiko und Versicherung - Übung

Risiko und Versicherung - Übung Sommer 2009 Risiko und Versicherung - Übung Entscheidungstheoretische Grundlagen Renate Bodenstaff Vera Brinkmann r.bodenstaff@uni-hohenheim.de vera.brinkmann@uni-hohenheim.de https://insurance.uni-hohenheim.de

Mehr

Name:... Matrikel-Nr.:... 3 Aufgabe Handyklingeln in der Vorlesung (9 Punkte) Angenommen, ein Student führt ein Handy mit sich, das mit einer Wahrscheinlichkeit von p während einer Vorlesung zumindest

Mehr

Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall

Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall Wahrscheinlichkeitstheorie Was will die Sozialwissenschaft damit? Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall Auch im Alltagsleben arbeiten wir mit Wahrscheinlichkeiten, besteigen

Mehr

6 Mehrstufige zufällige Vorgänge Lösungshinweise

6 Mehrstufige zufällige Vorgänge Lösungshinweise 6 Mehrstufige zufällige Vorgänge Lösungshinweise Aufgabe 6.: Begründen Sie, warum die stochastische Unabhängigkeit zweier Ereignisse bzw. zufälliger Vorgänge nur ein Modell der Realität darstellen kann.

Mehr

Übungen zur Mathematik für Pharmazeuten

Übungen zur Mathematik für Pharmazeuten Blatt 1 Aufgabe 1. Wir betrachten den Ereignisraum Ω = {(i,j) 1 i,j 6} zum Zufallsexperiment des zweimaligem Würfelns. Sei A Ω das Ereignis Pasch, und B Ω das Ereignis, daß der erste Wurf eine gerade Augenzahl

Mehr

EMIL@A-stat. Vorkurs Mathematik. Arbeitsbuch zum Studienbeginn in Bachelor-Studiengängen. Bearbeitet von Erhard Cramer, Johanna Neslehova

EMIL@A-stat. Vorkurs Mathematik. Arbeitsbuch zum Studienbeginn in Bachelor-Studiengängen. Bearbeitet von Erhard Cramer, Johanna Neslehova EMIL@-stat Vorkurs Mathematik rbeitsbuch zum Studienbeginn in achelor-studiengängen earbeitet von Erhard Cramer, Johanna Neslehova 4. ufl. 2009. Taschenbuch. XII, 460 S. Paperback ISN 978 3 642 01832 9

Mehr

Modul: Stochastik. Zufallsexperimente oder Wahrscheinlichkeit relative Häufigkeit Variation Permutation Kombinationen Binomialverteilung

Modul: Stochastik. Zufallsexperimente oder Wahrscheinlichkeit relative Häufigkeit Variation Permutation Kombinationen Binomialverteilung Modul: Stochastik Ablauf Vorstellung der Themen Lernen Spielen Wiederholen Zusammenfassen Zufallsexperimente oder Wahrscheinlichkeit relative Häufigkeit Variation Permutation Kombinationen Binomialverteilung

Mehr

Wahrscheinlichkeit Klasse 8 7

Wahrscheinlichkeit Klasse 8 7 7 Wahrscheinlichkeit Klasse 8 Ereignisse Seite 8 a) Ω {Herz 7; Herz 8; Herz 9; Herz 0; Herz Unter; Herz Ober; Herz König; Herz Ass; Eichel 7; Eichel 8; Eichel 9; Eichel 0; Eichel Unter; Eichel Ober; Eichel

Mehr

Elementare statistische Methoden

Elementare statistische Methoden Elementare statistische Methoden Vorlesung Computerlinguistische Techniken Alexander Koller 28. November 2014 CL-Techniken: Ziele Ziel 1: Wie kann man die Struktur sprachlicher Ausdrücke berechnen? Ziel

Mehr

Lehrstuhl IV Stochastik & Analysis. Stochastik I. Wahrscheinlichkeitsrechnung. Skriptum nach einer Vorlesung von Hans-Peter Scheffler

Lehrstuhl IV Stochastik & Analysis. Stochastik I. Wahrscheinlichkeitsrechnung. Skriptum nach einer Vorlesung von Hans-Peter Scheffler Fachschaft Mathematik Uni Dortmund Lehrstuhl IV Stochastik & Analysis Stochastik I Wahrscheinlichkeitsrechnung Skriptum nach einer Vorlesung von Hans-Peter Scheffler Letzte Änderung: 8. November 00 Gesetzt

Mehr

Bestimmen der Wahrscheinlichkeiten mithilfe von Zählstrategien

Bestimmen der Wahrscheinlichkeiten mithilfe von Zählstrategien R. Brinmann http://brinmann-du.de Seite 4.0.2007 Bestimmen der Wahrscheinlicheiten mithilfe von Zählstrategien Die bisherigen Aufgaben zur Wahrscheinlicheitsrechnung onnten im Wesentlichen mit übersichtlichen

Mehr

Modellierungskonzepte 2

Modellierungskonzepte 2 Modellierungskonzepte 2 Elke Warmuth Humboldt-Universität Berlin WS 2008/09 1 / 50 1 Pfadregeln 2 Begriff Umbewertung von Chancen Bayessche Formel 3 Verwechslungsgefahr Implizite Lotterien 2 / 50 mehrstufige

Mehr

Grundbegriffe der Wahrscheinlichkeitstheorie

Grundbegriffe der Wahrscheinlichkeitstheorie KAPITEL 1 Grundbegriffe der Wahrscheinlichkeitstheorie 1. Zufallsexperimente, Ausgänge, Grundmenge In der Stochastik betrachten wir Zufallsexperimente. Die Ausgänge eines Zufallsexperiments fassen wir

Mehr

Wahrscheinlichkeitstheorie. Zapper und

Wahrscheinlichkeitstheorie. Zapper und Diskrete Wahrscheinlichkeitsräume Slide 1 Wahrscheinlichkeitstheorie die Wissenschaft der Zapper und Zocker Diskrete Wahrscheinlichkeitsräume Slide 2 Münzwürfe, Zufallsbits Elementarereignisse mit Wahrscheinlichkeiten

Mehr

$ % + 0 sonst. " p für X =1 $

$ % + 0 sonst.  p für X =1 $ 31 617 Spezielle Verteilungen 6171 Bernoulli Verteilung Wir beschreiben zunächst drei diskrete Verteilungen und beginnen mit einem Zufallsexperiment, indem wir uns für das Eintreffen eines bestimmten Ereignisses

Mehr

3.7 Wahrscheinlichkeitsrechnung II

3.7 Wahrscheinlichkeitsrechnung II 3.7 Wahrscheinlichkeitsrechnung II Inhaltsverzeichnis 1 bedingte Wahrscheinlichkeiten 2 2 unabhängige Ereignisse 5 3 mehrstufige Zufallsversuche 7 1 Wahrscheinlichkeitsrechnung II 28.02.2010 Theorie und

Mehr

2 Grundbegriffe der Stochastik

2 Grundbegriffe der Stochastik 2.0 Grundbegriffe der Stochastik 76 2 Grundbegriffe der Stochastik In der beschreibenden Statistik (Kapitel 1) haben wir die zu analysierenden Daten als gegeben hingenommen und nicht genauer hinterfragt,

Mehr

Übungsaufgaben Wahrscheinlichkeit

Übungsaufgaben Wahrscheinlichkeit Übungsaufgaben Wahrscheinlichkeit Aufgabe 1 (mdb500405): In einer Urne befinden sich gelbe (g), rote (r), blaue (b) und weiße (w) Kugel (s. Bild). Ohne Hinsehen sollen aus der Urne in einem Zug Kugeln

Mehr

y 1 2 3 4 5 6 P (Y = y) 1/6 1/6 1/6 1/6 1/6 1/6

y 1 2 3 4 5 6 P (Y = y) 1/6 1/6 1/6 1/6 1/6 1/6 Fachhochschule Köln Fakultät für Wirtschaftswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 39 14 jutta.arrenberg@fh-koeln.de Übungen zur Statistik für Prüfungskandidaten und Prüfungskandidatinnen Unabhängigkeit

Mehr

Einführung in die Wahrscheinlichkeitsrechnung

Einführung in die Wahrscheinlichkeitsrechnung Statistik 1 für SoziologInnen Einführung in die Univ.Prof. Dr. Marcus Hudec WAHRSCHEINLICHKEITSRECHNUNG It is remarkable that a science which began with the consideration of games of chance should have

Mehr

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt!

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! 1 Einführung 2 Wahrscheinlichkeiten kurz gefasst 3 Zufallsvariablen und Verteilungen 4 Theoretische Verteilungen (Wahrscheinlichkeitsfunktion)

Mehr

Brückenkurs Mathematik, THM Friedberg, 15 19.9.2014

Brückenkurs Mathematik, THM Friedberg, 15 19.9.2014 egelsammlung mb2014 THM Friedberg von 6 16.08.2014 15:04 Brückenkurs Mathematik, THM Friedberg, 15 19.9.2014 Sammlung von Rechenregeln, extrahiert aus dem Lehrbuch: Erhard Cramer, Johanna Neslehová: Vorkurs

Mehr

1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem P( ) = 0.

1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem P( ) = 0. 1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem Folg. 2 Sei (Ω, E, P) W.-raum. Seien A, B,A 1,...,A n Ereignisse. Es gelten die folgenden Aussagen: 1. P(A) = 1 P(A). 2. Für das unmögliche Ereignis gilt:

Mehr

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen 4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.

Mehr

Der vierseitige DNA-Würfel

Der vierseitige DNA-Würfel Der vierseitige DN-Würfel enomische Datenanalyse 2. Kaitel In der letzten Vorlesung haben wir mit statistischen Untersuchungen an der humanen enomsequenz die Islands entdeckt. Normale enomsequenz meidet

Mehr

Einführung in die Statistik für Biologen. Jörg Witte

Einführung in die Statistik für Biologen. Jörg Witte Einführung in die Statistik für Biologen Jörg Witte 1997 Inhaltsverzeichnis 1 Endliche Wahrscheinlichkeitstheorie 3 1.1 Grundbegriffe........................ 3 1.2 Zufallsgrößen und Verteilungsfunktionen.........

Mehr

Bei vielen Zufallsexperimenten interessiert man sich lediglich für das Eintreten bzw. das Nichteintreten eines bestimmten Ereignisses.

Bei vielen Zufallsexperimenten interessiert man sich lediglich für das Eintreten bzw. das Nichteintreten eines bestimmten Ereignisses. XI. Binomialverteilung ================================================================== 11.1 Definitionen -----------------------------------------------------------------------------------------------------------------

Mehr

Theoretische Informatik

Theoretische Informatik Theoretische Informatik für die Studiengänge Ingenieur-Informatik berufsbegleitendes Studium Lehramt Informatik (Sekundar- und Berufsschule) http://theo.cs.uni-magdeburg.de/lehre04s/ Lehrbeauftragter:

Mehr

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung Kapitel 3 Zufallsvariable Josef Leydold c 2006 Mathematische Methoden III Zufallsvariable 1 / 43 Lernziele Diskrete und stetige Zufallsvariable Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion

Mehr

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse

Mehr

1 Mathematische Grundlagen

1 Mathematische Grundlagen Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.

Mehr

(für Grund- und Leistungskurse Mathematik) 26W55DLQHU0DUWLQ(KUHQE UJ*\PQDVLXP)RUFKKHLP

(für Grund- und Leistungskurse Mathematik) 26W55DLQHU0DUWLQ(KUHQE UJ*\PQDVLXP)RUFKKHLP .RPELQDWRULN (für Grund- und Leistungsurse Mathemati) 6W55DLQHU0DUWLQ(KUHQE UJ*\PQDVLXP)RUFKKHLP Nach dem Studium dieses Sripts sollten folgende Begriffe beannt sein: n-menge, Kreuzprodut, n-tupel Zählprinzip

Mehr

Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.

Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!. 040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl

Mehr

P X =3 = 2 36 P X =5 = 4 P X =6 = 5 36 P X =8 = 5 36 P X =9 = 4 P X =10 = 3 36 P X =11 = 2 36 P X =12 = 1

P X =3 = 2 36 P X =5 = 4 P X =6 = 5 36 P X =8 = 5 36 P X =9 = 4 P X =10 = 3 36 P X =11 = 2 36 P X =12 = 1 Übungen zur Stochastik - Lösungen 1. Ein Glücksrad ist in 3 kongruente Segmente aufgeteilt. Jedes Segment wird mit genau einer Zahl beschriftet, zwei Segmente mit der Zahl 0 und ein Segment mit der Zahl

Mehr

Einführung in die Stochastik. Dr. Lothar Schüler

Einführung in die Stochastik. Dr. Lothar Schüler Einführung in die Stochastik für Studierende der Informatik im Bachelorstudiengang TU Braunschweig SS 2007 Dr. Lothar Schüler Institut für Mathematische Stochastik Technische Universität Braunschweig Pockelsstr.

Mehr

Sozialwissenschaftliche Methoden und Statistik I

Sozialwissenschaftliche Methoden und Statistik I Sozialwissenschaftliche Methoden und Statistik I Universität Duisburg Essen Standort Duisburg Integrierter Diplomstudiengang Sozialwissenschaften Skript zum SMS I Tutorium Von Mark Lutter Stand: April

Mehr

Mengensysteme, Wahrscheinlichkeitsmaße

Mengensysteme, Wahrscheinlichkeitsmaße Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen

Mehr

R. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007

R. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007 R. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007 SG15/25D NAME: Lösungen 1. In einer Packung sind Glühbirnen, davon sind zwei

Mehr

Bei dieser Vorlesungsmitschrift handelt es sich um kein offizielles Skript!

Bei dieser Vorlesungsmitschrift handelt es sich um kein offizielles Skript! Diskrete Stochastik für Informatiker WS003/04 Diskrete Stochastik für die Informatik Bei dieser Vorlesungsmitschrift handelt es sich um kein offizielles Skript! Bei Fragen, Anmerkungen oder Fehlern bitte

Mehr

Zufallsgrößen. Vorlesung Statistik für KW 29.04.2008 Helmut Küchenhoff

Zufallsgrößen. Vorlesung Statistik für KW 29.04.2008 Helmut Küchenhoff Zufallsgrößen 2.5 Zufallsgrößen 2.5.1 Verteilungsfunktion einer Zufallsgröße 2.5.2 Wahrscheinlichkeits- und Dichtefunktion Wahrscheinlichkeitsfunktion einer diskreten Zufallsgröße Dichtefunktion einer

Mehr

Knut Bartels / Hans Gerhard Strohe. Arbeitsblätter. zur Vorlesung im Wintersemester 2005/06. Statistik II Induktive Statistik

Knut Bartels / Hans Gerhard Strohe. Arbeitsblätter. zur Vorlesung im Wintersemester 2005/06. Statistik II Induktive Statistik Knut Bartels / Hans Gerhard Strohe Arbeitsblätter zur Vorlesung im Wintersemester 2005/06 Induktive Statistik Dies ist kein Vorlesungsskript Wirtschafts- und Sozialwissenschaftliche Fakultät Lehrstuhl

Mehr

5. Schließende Statistik. 5.1. Einführung

5. Schließende Statistik. 5.1. Einführung 5. Schließende Statistik 5.1. Einführung Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.

Mehr

1.) Wie viele verschiedene Anordnungen mit drei unterschiedlichen Buchstaben lassen sich aus acht verschiedenen Buchstaben bilden?

1.) Wie viele verschiedene Anordnungen mit drei unterschiedlichen Buchstaben lassen sich aus acht verschiedenen Buchstaben bilden? Aufgaben zur Kombinatorik, Nr. 1 1.) Wie viele verschiedene Anordnungen mit drei unterschiedlichen Buchstaben lassen sich aus acht verschiedenen Buchstaben bilden? 2.) Jemand hat 10 verschiedene Bonbons

Mehr

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Universität Duisburg-Essen Essen, den 0.0.009 Fachbereich Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,

Mehr

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2 1 2 Notation für Wörter Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg w a is die Anzahl der Vorkommen von a in w Beispiel: abba

Mehr

Statistik im Bachelor-Studium der BWL und VWL

Statistik im Bachelor-Studium der BWL und VWL Max C. Wewel Statistik im Bachelor-Studium der BWL und VWL Methoden, Anwendung, Interpretation Mit herausnehmbarer Formelsammlung ein Imprint von Pearson Education München Boston San Francisco Harlow,

Mehr

Einführung in die Computerlinguistik Statistische Grundlagen

Einführung in die Computerlinguistik Statistische Grundlagen Statistik 1 Sommer 2015 Einführung in die Computerlinguistik Statistische Grundlagen Laura Heinrich-Heine-Universität Düsseldorf Sommersemester 2015 Statistik 2 Sommer 2015 Überblick 1. Diskrete Wahrscheinlichkeitsräume

Mehr

A b, d, B a, b, c, d, e somit gilt: A B. A 4, 5, 6, B 4, 5, 6 somit gilt: A B

A b, d, B a, b, c, d, e somit gilt: A B. A 4, 5, 6, B 4, 5, 6 somit gilt: A B 1 1.1 egriff der Menge Unter einer Menge versteht man die Zusammenfassung von voneinander unterscheidbaren Dingen (Elementen) zu einem Ganzen. Eine Menge kann in aufzählender Form, mithilfe eines Mengenbildes

Mehr

6.4 Bedeutungsaspekte ausgewählter Begriffe 6.4.1 Zahlbegriffe und Rechenoperationen

6.4 Bedeutungsaspekte ausgewählter Begriffe 6.4.1 Zahlbegriffe und Rechenoperationen 6.4 Bedeutungsaspekte ausgewählter Begriffe 6.4.1 Zahlbegriffe und Rechenoperationen a) Natürliche Zahl Entspricht Bedeutung des Wortes ZAHL beim Schüler bis Kl. 5 Bedeutungen entwickeln sich durch entsprechende

Mehr

Statistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE

Statistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE Statistik mit Excel für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE Grundlagen der Wahrscheinlichkeitsrechnung KAPITEL 3 Kapitel 3 Grundlagen der Wahrscheinlichkeitsrechnung

Mehr

Ein kausaler Zusammenhang entspricht einer speziellen wahren Implikation. Beispiel: Wenn es regnet, dann wird die Erde nass.

Ein kausaler Zusammenhang entspricht einer speziellen wahren Implikation. Beispiel: Wenn es regnet, dann wird die Erde nass. Implikation Implikation Warum ist die Tabelle schwer zu schlucken? In der Umgangssprache benutzt man daraus folgt, also, impliziert, wenn dann, nur für kausale Zusammenhänge Eine Implikation der Form:

Mehr

Einführung in die schließende Statistik - Von der Wahrscheinlichkeit zur Hypothese mit Beispielen in R und SPSS

Einführung in die schließende Statistik - Von der Wahrscheinlichkeit zur Hypothese mit Beispielen in R und SPSS Einführung in die schließende Statistik - Von der Wahrscheinlichkeit zur Hypothese mit Beispielen in R und SPSS Version 0.9 (7.5.204) Haiko Lüpsen Universität zu Köln Regionales Rechenzentrum (RRZK) Kontakt:

Mehr

3.2. Aufgaben zu mehrstufigen Zufallsexperimenten

3.2. Aufgaben zu mehrstufigen Zufallsexperimenten .. Aufgaben zu mehrstufigen Zufallsexperimenten Aufgabe : Baumdiagramm mit Erwartungswert beim zweimaligen Würfeln Ein ungezinkter sechsseitiger Würfel wird zweimal geworfen. a) Zeichne einen repräsentativen

Mehr

Teil I Beschreibende Statistik 29

Teil I Beschreibende Statistik 29 Vorwort zur 2. Auflage 15 Vorwort 15 Kapitel 0 Einführung 19 0.1 Methoden und Aufgaben der Statistik............................. 20 0.2 Ablauf statistischer Untersuchungen..............................

Mehr

geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen

geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde

Mehr

15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit

15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit 5.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit Einführendes Beispiel ( Erhöhung der Sicherheit bei Flugreisen ) Die statistische Wahrscheinlichkeit, dass während eines Fluges ein Sprengsatz an Bord

Mehr

Maristengymnasium Fürstenzell zuletzt geändert am 10.03.2001 Aufgaben zur Kombinatorik (mit Lösungen)

Maristengymnasium Fürstenzell zuletzt geändert am 10.03.2001 Aufgaben zur Kombinatorik (mit Lösungen) Maristengymnasium Fürstenzell zuletzt geändert am 0.0.00 Aufgaben zur Kombinatorik (mit Lösungen) 0.. Wieviele Möglichkeiten gibt es für Kinder, sich auf einen Schlitten zu setzen, wenn ihn nur davon steuern

Mehr

Gibt es verschiedene Arten unendlich? Dieter Wolke

Gibt es verschiedene Arten unendlich? Dieter Wolke Gibt es verschiedene Arten unendlich? Dieter Wolke 1 Zuerst zum Gebrauch des Wortes unendlich Es wird in der Mathematik in zwei unterschiedlichen Bedeutungen benutzt Erstens im Zusammenhang mit Funktionen

Mehr

Warteschlangen. Vier Doppelstunden in der Carl-Bantzer-Schule Ziegenhain von Johannes Becker

Warteschlangen. Vier Doppelstunden in der Carl-Bantzer-Schule Ziegenhain von Johannes Becker Warteschlangen Vier Doppelstunden in der Carl-Bantzer-Schule Ziegenhain von Johannes Becker Inhaltsverzeichnis 1. Einleitung...1 2. Aufgaben...2 3. Simulation einer Warteschlange mit dem Würfel...2 4.

Mehr

Versuch: Zufälliges Ziehen aus der Population

Versuch: Zufälliges Ziehen aus der Population Wahrscheinlichkeit Ein Test diagnostiziert Kranke zu 99% richtig Gesunde zu 90% richtig 5% der Bevölkerung ist krank? Wie wahrscheinlich ist es, dass jemand krank ist, wenn der Test dies diagnostiziert?

Mehr

Statistische Verfahren in der Computerlinguistik. Einführung in die Computerlinguistik Sommersemester 2009 Peter Kolb

Statistische Verfahren in der Computerlinguistik. Einführung in die Computerlinguistik Sommersemester 2009 Peter Kolb Statistische Verfahren in der Computerlinguistik Einführung in die Computerlinguistik Sommersemester 2009 Peter Kolb Übersicht Statistische vs. symbolische Verfahren in der CL Statistik beschreibende Statistik

Mehr

WAHRSCHEINLICHKEITSTHEORIE I und II. Vorlesungsskript

WAHRSCHEINLICHKEITSTHEORIE I und II. Vorlesungsskript WAHRSCHEINLICHKEITSTHEORIE I und II Wolfgang König TU Berlin und WIAS Berlin Vorlesungsskript SS 2005 und WS 2005/06 überarbeitet im WS 2008/09 kleine Korrekturen im März und Juli 2012 und im März 2013

Mehr

Venndiagramm, Grundmenge und leere Menge

Venndiagramm, Grundmenge und leere Menge Venndiagramm, Grundmenge und leere Menge In späteren Kapitel wird manchmal auf die Mengenlehre Bezug genommen. Deshalb sollen hier die wichtigsten Grundlagen und Definitionen dieser Disziplin kurz zusammengefasst

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Einführung Statistik und Wahrscheinlichkeitsrechnung Lukas Meier Teilweise basierend auf Vorlesungsunterlagen von Marloes Maathuis, Hansruedi Künsch, Peter Bühlmann und Markus Kalisch. Fehler und Anregungen

Mehr

Kursthemen 12. Sitzung. Spezielle Verteilungen: Warteprozesse. Spezielle Verteilungen: Warteprozesse

Kursthemen 12. Sitzung. Spezielle Verteilungen: Warteprozesse. Spezielle Verteilungen: Warteprozesse Kursthemen 12. Sitzung Folie I - 12-1 Spezielle Verteilungen: Warteprozesse Spezielle Verteilungen: Warteprozesse A) Die Geometrische Verteilung (Folien 2 bis 7) A) Die Geometrische Verteilung (Folien

Mehr

2. Rechnen mit Wahrscheinlichkeiten

2. Rechnen mit Wahrscheinlichkeiten 2. Rechnen mit Wahrscheinlichkeiten 2.1 Axiome der Wahrscheinlichkeitsrechnung Die Wahrscheinlichkeitsrechnung ist ein Teilgebiet der Mathematik. Es ist üblich, an den Anfang einer mathematischen Theorie

Mehr

Analog definiert man das Nichteintreten eines Ereignisses (Misserfolg) als:

Analog definiert man das Nichteintreten eines Ereignisses (Misserfolg) als: 9-9 Die befasst sich mit der Untersuchung, wie wahrscheinlich das Eintreten eines Falles aufgrund bestimmter Voraussetzungen stattfindet. Bis anhin haben wir immer logisch gefolgert: 'Wenn diese Voraussetzung

Mehr

Stochastik Boris Boor 2010

Stochastik Boris Boor 2010 Stochastik Boris Boor 010 Inhaltsverzeichnis S.1 Grundbegriffe... S.1.1 Ergebnisse und Ereignisse... S.1. Relative Häufigkeit und Wahrscheinlichkeit...4 S.1.3 Wahrscheinlichkeitsverteilung...5 S.1.4 Mehrstufige

Mehr

Mathematik-Dossier 5 Wahrscheinlichkeit Regelmässigkeit des Zufalls (angepasst an das Lehrmittel Mathematik 1)

Mathematik-Dossier 5 Wahrscheinlichkeit Regelmässigkeit des Zufalls (angepasst an das Lehrmittel Mathematik 1) Name: Mathematik-Dossier 5 Wahrscheinlichkeit Regelmässigkeit des Zufalls (angepasst an das Lehrmittel Mathematik 1) Inhalt: Absolute und relative Häufigkeit Wahrscheinlichkeit Voraussagen mit Wahrscheinlichkeit

Mehr

Kugel-Fächer-Modell. 1fach. 3fach. Für die Einzelkugel gibt es 3 Möglichkeiten. 6fach. 3! Möglichkeiten

Kugel-Fächer-Modell. 1fach. 3fach. Für die Einzelkugel gibt es 3 Möglichkeiten. 6fach. 3! Möglichkeiten Kugel-Fächer-Modell n Kugeln (Rosinen) sollen auf m Fächer (Brötchen) verteilt werden, zunächst 3 Kugeln auf 3 Fächer. 1fach 3fach Für die Einzelkugel gibt es 3 Möglichkeiten } 6fach 3! Möglichkeiten Es

Mehr

Notizen zu "Mathematische Grundlagen der Finanzwirtschaft"

Notizen zu Mathematische Grundlagen der Finanzwirtschaft Notizen zu "Mathematische Grundlagen der Finanzwirtschaft" PD Dr. habil. Thomas Kalmes Sommersemester 5 Version vom 5. Juli 5 Einleitung 2 Einleitung Ich kam zu der Überzeugung, dass mathematische Analysis

Mehr

Theorien für die Darstellung von Unsicherheit Ein Vergleich der Wahrscheinlichkeits-, Möglichkeits- und Dempster-Shafer Theorie

Theorien für die Darstellung von Unsicherheit Ein Vergleich der Wahrscheinlichkeits-, Möglichkeits- und Dempster-Shafer Theorie Theorien für die Darstellung von Unsicherheit Ein Vergleich der Wahrscheinlichkeits-, Möglichkeits- und Dempster-Shafer Theorie Johannes Leitner Inhalt I Modellierung von Unschärfe Unscharfe Mengen Unscharfe

Mehr

Wahrscheinlichkeitsrechnung beim Schafkopf

Wahrscheinlichkeitsrechnung beim Schafkopf Thema: Facharbeit aus dem Fach Mathematik Wahrscheinlichkeitsrechnung beim Schafkopf Inhalt. Ziel der Facharbeit / Einführung. Grundlegende Überlegungen und Berechnungen.. Kartengeben als Laplace-Experiment..

Mehr

WS 2008/09. Diskrete Strukturen

WS 2008/09. Diskrete Strukturen WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809

Mehr

Musteraufgaben für das Fach Mathematik

Musteraufgaben für das Fach Mathematik Musteraufgaben für das Fach Mathematik zur Vorbereitung der Einführung länderübergreifender gemeinsamer Aufgabenteile in den Abiturprüfungen ab dem Schuljahr 013/14 Impressum Das vorliegende Material wurde

Mehr

Einführung in die Statistik

Einführung in die Statistik Einführung in die Statistik Dr. C.J. Luchsinger 1 Wahrscheinlichkeit Literatur Kapitel 1 * gelegentlich lesen: Statistik in Cartoons: Kapitel 1 und 2 (diese Fragen behandle ich in meiner Vlsg nicht) *

Mehr

Veranstaltung Statistik (BWL) an der FH Frankfurt/Main im WS 2004/05 (Dr. Faik) Klausur 09.02.2005 - GRUPPE A - BEARBEITER/IN (NAME, VORNAME):

Veranstaltung Statistik (BWL) an der FH Frankfurt/Main im WS 2004/05 (Dr. Faik) Klausur 09.02.2005 - GRUPPE A - BEARBEITER/IN (NAME, VORNAME): Veranstaltung Statistik (BWL) an der FH Frankfurt/Main im WS 2004/05 (Dr. Faik) Klausur 09.02.2005 - GRUPPE A - BEARBEITER/IN (NAME, VORNAME): MATRIKELNUMMER: Alte Prüfungsordnung/Neue Prüfungsordnung

Mehr

Stochastik - Kapitel 1

Stochastik - Kapitel 1 Stochastik - Kapitel 1 Aufgaben ab Seite 9 I. Ereignisräume 1. Ergebnis und Ergebnisraum; Baumdiagramm Experimente werden nach der Vorhersehbarkeit ihres Versuchsausganges unterschieden: - Experimente,

Mehr

Logik. A.3 Logik und Mengenlehre A.32 A.32. Logik und Mengenlehre. Logik. 2001 Prof. Dr. Rainer Manthey Informatik I 21

Logik. A.3 Logik und Mengenlehre A.32 A.32. Logik und Mengenlehre. Logik. 2001 Prof. Dr. Rainer Manthey Informatik I 21 Logik und Mengenlehre.3 Logik und Mengenlehre 2001 Prof. Dr. Rainer Manthey Informatik I 21 Logik Logik 2001 Prof. Dr. Rainer Manthey Informatik I 22 Logik: egriff, edeutung und Entwicklung Logik ist die

Mehr

Monte-Carlo Simulation

Monte-Carlo Simulation Monte-Carlo Simulation Sehr häufig hängen wichtige Ergebnisse von unbekannten Werten wesentlich ab, für die man allerhöchstens statistische Daten hat oder für die man ein Modell der Wahrscheinlichkeitsrechnung

Mehr

Wie löst man Mathematikaufgaben?

Wie löst man Mathematikaufgaben? Wie löst man Mathematikaufgaben? Manfred Dobrowolski Universität Würzburg Wie löst man Mathematikaufgaben? 1 Das Schubfachprinzip 2 Das Invarianzprinzip 3 Das Extremalprinzip Das Schubfachprinzip Verteilt

Mehr

Ein möglicher Unterrichtsgang

Ein möglicher Unterrichtsgang Ein möglicher Unterrichtsgang. Wiederholung: Bernoulli Experiment und Binomialverteilung Da der sichere Umgang mit der Binomialverteilung, auch der Umgang mit dem GTR und den Diagrammen, eine notwendige

Mehr

Jetzt lerne ich Stochastik für die Oberstufe

Jetzt lerne ich Stochastik für die Oberstufe Jetzt lerne ich Stochastik für die Oberstufe von Dr. rer. nat. Marco Schuchmann, Dipl.-Math. - 2 - - 3 - Vorwort In diesem Buch werden Anwendungen der Stochastik in der Oberstufe mit vielen Beispielen

Mehr

Kapitel 3: Etwas Informationstheorie

Kapitel 3: Etwas Informationstheorie Stefan Lucks 3: Informationstheorie 28 orlesung Kryptographie (SS06) Kapitel 3: Etwas Informationstheorie Komplexitätstheoretische Sicherheit: Der schnellste Algorithmus, K zu knacken erfordert mindestens

Mehr

Fachbereich Mathematik

Fachbereich Mathematik Oberstufenzentrum Kraftfahrzeugtechnik Berufsschule, Berufsfachschule, Fachoberschule und Berufsoberschule Berlin, Bezirk Charlottenburg-Wilmersdorf Fachbereich Mathematik Arbeits- und Informationsblätter

Mehr

Statistik II - Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Christine Müller Technische Universität Dortmund

Statistik II - Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Christine Müller Technische Universität Dortmund Statistik II - Elementare Wahrscheinlichkeitsrechnung Prof Dr Christine Müller Technische Universität Dortmund Sommersemester 2014 1 Literatur Henze, N (1997 Stochastik für Einsteiger Vieweg, Braunschweig

Mehr

Einführung in die Wahrscheinlichkeitsrechnung und Statistik

Einführung in die Wahrscheinlichkeitsrechnung und Statistik Einführung in die Wahrscheinlichkeitsrechnung und Statistik Jan Kallsen und Claudia Klüppelberg Zentrum Mathematik Technische Universität München WS 2005/06 Inhaltsverzeichnis Vorwort Vorbemerkungen i

Mehr

Wahrscheinlichkeitsverteilungen

Wahrscheinlichkeitsverteilungen Wahrscheinlichkeitsverteilungen 1. Binomialverteilung 1.1 Abzählverfahren 1.2 Urnenmodell Ziehen mit Zurücklegen, Formel von Bernoulli 1.3 Berechnung von Werten 1.4 Erwartungswert und Standardabweichung

Mehr

Schleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015

Schleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015 ische Ergänzung der für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015 Ministerium für ildung und Wissenschaft des Landes Juni 2013 1 für Aufgabenpool 1 Analysis

Mehr

Probestudium der Physik: Mathematische Grundlagen

Probestudium der Physik: Mathematische Grundlagen Probestudium der Physik: Mathematische Grundlagen Ludger Santen 1. Februar 2013 Fachrichtung Theoretische Physik, Universität des Saarlandes, Saarbrücken 1 Einführung Die Mathematik ist die Sprache der

Mehr

Definition eines Spiels

Definition eines Spiels Definition eines piels 1. Einleitung 1.1 Einführung: Die mathematische pieltheorie beschäftigt sich nicht nur mit der Beschreibung und Analyse von pielen im üblichen inn, sondern allgemein mit Konfliktsituationen

Mehr