htw saar 1 MATHEMATIK 3: EINFÜHRUNG IN DIE STOCHASTIK
|
|
- Claudia Wagner
- vor 5 Jahren
- Abrufe
Transkript
1 htw saar 1 MATHEMATIK 3: EINFÜHRUNG IN DIE STOCHASTIK
2 htw saar 2 Programm für heute Organisatorisches Kurzer Überblick: Was ist Stochastik? / Unterschied Wahrscheinlichkeitstheorie Statistik Kapitel 1: Wahrscheinlichkeitsräume
3 htw saar 3 ORGANISATORISCHES
4 htw saar 4 Termine Dienstag Uhr (maximal) Mittwoch Uhr Mittwoch, 8. Februar fällt aus!!!! Bei Bedarf: Zusatztermin zur Klausurvorbereitung DI 14. oder MI 15. Februar nachmittags Individuelle Sprechstunde nach vorheriger Anmeldung (Raum 2413): Dienstag Nachmittag Mittwoch Uhr
5 htw saar 5 Folien Die neuen Folien werden spätestens Montag Nachmittag im Mathe 3 Ordner bereitgestellt. Die Folien enthalten nicht die vollständige Vorlesung: Beweise oft an der Tafel!
6 htw saar 6 Fragen???
7 htw saar 7 EINFÜHRUNG IN DIE STOCHASTIK: WAS IST STOCHASTIK?
8 htw saar 8 Einführung Die Wissenschaft vom Zufall wird als Stochastik bezeichnet. Der Name ist vom griechischen στοχαστικὴ τέχνη (stochastike techne) abgeleitet. Das bedeutet so viel wie die Kunst des Vermutens. Die Stochastik untergliedert sich in Wahrscheinlichkeitstheorie Statistik
9 htw saar 9 Wahrscheinlichkeitstheorie 1 Analyse zufälliger Ereignisse Theoretische Untersuchung von charakteristischen Wahrscheinlichkeits-Verteilungen (am bekanntesten: Normalverteilung)
10 htw saar 10 Wahrscheinlichkeitstheorie 2 Für ein Ereignis werden die Wahrscheinlichkeiten der einzelnen möglichen Ausgänge berechnet. Dabei wird eine Modellannahme getroffen. Beispiel: Ein Würfel wird geworfen. Annahme: Jede Zahl hat die gleiche Chance. Jede Zahl hat die Wahrscheinlichkeit 1/6. Es wird bestimmt, wie die Verteilung der Ausgänge aussehen müßte.
11 htw saar 11 Statistik 1 Analyse empirischer Daten (Umfrage, Messdaten.) Stammen Daten aus einer bestimmten Verteilung? Mehrere Stichproben: Stammen beide aus gleicher Verteilung?
12 htw saar 12 Statistik 2 Beispiel: Betrachte die Ergebnisse von 50 Würfen. Manche Zahlen kommen deutlich häufiger vor als andere. Frage: Ist der Würfel fair? Die Statistik entwickelt Methoden, um dies zu testen! Die Statistik testet, ob unter einer bestimmten Modellannahme die beobachteten Ergebnisse zu diesem Modell passen
13 htw saar 13 Statistik 3 Weiteres Beispiel: Bei der Körpergröße wird meist davon ausgegangen, dass sie einer Normalverteilung entspricht. Durchschnittliche Körpergröße in Deutschland (Statistisches Bundesamt 2013): Männer 1,78 m Frauen 1,65 m Frage: Entspricht Größenverteilung einer bestimmten Gruppe der Verteilung In der Gesamtbevölkerung?
14 htw saar 14 Wahrscheinlichkeitstheorie: Historische Anfänge 29. Juli 1654: Blaise Pascal beschreibt in einem Brief an Pierre de Fermat zwei Probleme, die ihm von seinem Freund Antoine Gombaud, Chevalier de Méré zugetragen wurden: Pascal Fermat Chevalier de Méré
15 htw saar 15 De Méré sches Problem Aufteilungsparadoxon Zwei Spieler (A und B) spielen ein gerechtes (= jeder Spieler hat gleiche Gewinnchance) Spiel auf sechs Gewinnsätze. Es muss beim Stande von fünf (A) zu drei (B) Gewinnsätzen abgebrochen werden. Wie teilt man den Siegespreis gerecht auf?
16 htw saar 16 Anfänge der Statistik Volkszählungen schon in der Antike Es begab sich aber zu der Zeit, dass ein Gebot von dem Kaiser Augustus ausging, dass alle Welt geschätzt würde. Und diese Schätzung war die allererste und geschah zur Zeit, da Quirinius Statthalter in Syrien war. Lukas 2,1-2 Pieter Bruegel d. Ä.: Volkszählung zu Bethlehem (1566) Moderne schließende Statistik: Anfänge Ende 18. Jahrhundert
17 htw saar 17 Gliederung der Vorlesung 1 Wahrscheinlichkeitsräume Kombinatorik / Zufallsvariablen (diskreter Fall) und diskrete Verteilungen / Bedingte Wahrscheinlichkeit und Stochastische Unabhängigkeit / Stetige Zufallsvariablen und Verteilungen Deskriptive Statistik Schätzen und Testen /15.02.
18 htw saar 18 Literatur Grundlage: Henze, Norbert: Stochastik für Einsteiger, Vieweg+Teubner 2013 (10. Auflage). Als elektronische Ressource in Bibliothek verfügbar! Ergänzung für Statistik Teil: Fahrmeir, Ludwig; Heumann, Christian; Künstler, Rita; Pigeot, Iris; Tutz, Gerhard: Statistik. Der Weg zur Datenanalyse, Springer Spektrum 2016 (8. Auflage). Als elektronische Ressource in Bibliothek verfügbar! Für besonders Interessierte (mathematisch anspruchsvoller): Behrends, Erhard: Elementare Stochastik, Springer Spektrum 2013, Kapitel 1-8. Als elektronische Ressource in Bibliothek verfügbar!
19 htw saar 19 KAPITEL 1 WAHRSCHEINLICHKEITSRÄUME
20 htw saar 20 Einführung Mathematik verwendet oft idealisierte Modelle zur Beschreibung von Sachverhalten. D. h.: Diese Modelle sind so in der realen Welt nicht zu finden. Sie eignen sich aber trotzdem gut zur Beschreibung realer Sachverhalte. Beispiele: 1) In der Natur gibt es keine exakten Kreise, aber trotzdem gibt es in der Mathematik Formeln zur Berechnung von Fläche und Umfang von exakten Kreisen. 2) Die Länge eines Tisches ist irrational. : Mathematisch sinnvolle Aussage, aber ohne Anwendungsbezug (da in Praxis Messen auf mehrere Nachkommastellen nicht möglich). Wahrscheinlichkeitsräume sind idealisierte Modelle zur Beschreibung von zufälligen Phänomenen.
21 htw saar 21 Anwendungsgebiete Gewinnaussichten bei Glücksspielen Risikoberechnungen bei Banken und Versicherungen Wahlprognosen Wetterprognosen (Niederschlagswahrscheinlichkeit) Qualitätskontrolle
22 htw saar 22 Zufallssituationen im Alltag Würfeln Kartenspiele Warteschlangen
23 htw saar 23 Merkmale der Anwendungssituationen 1. Es wird ein Zufallsexperiment durchgeführt. (Würfeln, Spielkarten verteilen, Analyse von Wartezeiten, Bestimmung der Anzahl mangelhafter Produkte) 2. Man kennt nicht das genaue Ergebnis, aber die Menge der möglichen Ergebnisse. 3. Manchmal interessiert das genaue Ergebnis, in anderen Fällen ist ausreichend zu wissen, ob das Ergebnis in einer bestimmten Teilmenge liegt (z. B. bei Qualitätskontrolle Anteil unterhalb einer Oberschranke). 4. Bei häufiger Durchführung zeichnet sich eine Tendenz ab. (Jede Zahl etwa gleich häufig. / Jede/r Spieler/in hat manchmal gute und manchmal schlechte Karten. / Durchschnittliche Bedienzeit pro Kunde bzw. durchschnittliche Fehlerrate stabilisieren sich.)
24 htw saar 24 Mathematische Formulierung 1: Ereignisse Ω sei die Menge der Ergebnisse eines Zufallsexperiments (Ergebnisraum). Die Teilmengen von Ω nennen wir Ereignisse. Die einelementigen Teilmengen ω Ωsind die Elementarereignisse. Sei A ein Ereignis. (1) A = Ω ist das sichere Ereignis. (2) A = ist das unmögliche Ereignis. Für Ereignisse A und B können mittels mengentheoretischer Operationen neue Ereignisse konstruiert werden. Hausaufgabe: Wiederholen Sie die Rechenregeln für Mengen (s. etwa Henze Kapitel 2)!
25 htw saar 25 Übung 1 Bestimmen Sie jeweils die Ergebnisräume: 1) Ein roter und ein blauer Würfel werden geworfen. 2) Ein roter Würfel wird zweimal hintereinander geworfen. 3) Zwei rote Würfel werden gleichzeitig geworfen.
26 htw saar 26 Mathematische Formulierung 2: Endliche W.-Räume Die Frage nach den Fundamenten der mathematischen Wahrscheinlichkeitstheorie konnte erst 1933 durch die Axiome von A. N. Kolmogorov zufriedenstellend gelöst werden. Definition endlicher Wahrscheinlichkeitsraum (kurz: W-Raum): Sei Ω eine endliche Menge und sei P eine auf den Teilmengen von Ω definierte reellwertige Funktion mit den Eigenschaften (a) P(A) 0 für alle A Ω Nicht-Negativität (b) P(Ω) = 1 Normiertheit (c) P(A B) = P(A) + P(B), falls A B =. Additivität Dann ist (Ω, P) ein endlicher W-Raum mit der Wahrscheinlichkeitsverteilung (oder dem Wahrscheinlichkeitsmaß) P. P(A) heißt die Wahrscheinlichkeit des Ereignisses A.
27 htw saar 27 Folgerungen aus den Axiomen Sei (Ω,P ) ein endlicher W Raum und A,B,A 1,A 2,...,A n (n 2) seien Ereignisse. Dann gilt: a) P( ) = 0 b) P( A j ) = P A j falls A 1,A 2,...,An paarweise disjunkt sind endliche Additivität c) 0 P(A) 1 d) P(A) = 1 - P(A) e) Aus A B folgt P(A) P(B) f) P(A B) = P(A) + P(B) P(A B) g) P( A j ) P(A j ) Subadditivität
28 htw saar 28 Folgerung aus der Additivitätseigenschaft Wegen der Additivitätseigenschaft der Wahrscheinlichkeit ist es ausreichend, die Wahrscheinlichkeit für Elementarereignisse zu definieren. Sei ω ein Elementarereignis. Dann: p(ω) := P({ω}). Wegen der Additivitätseigenschaft von P gilt dann für die Wahrscheinlichkeit eines beliebigen Ereignisses A: P(A) = ω Ω:ω A p(ω).
29 htw saar 29 Anschauliche Darstellung von Wahrscheinlichkeiten Quelle: Henze, S. 43 Kreisumfang = 1
30 htw saar 30 Diskrete W-Räume Bisher: Ω endliche Menge. Erweiterung: Ω abzählbar => diskrete W-Räume Definition diskreter Wahrscheinlichkeitsraum: Sei Ω eine abzählbare Menge und sei P eine auf den Teilmengen von Ω definierte reellwertige Funktion mit den Eigenschaften (a) P(A) 0 für alle A Ω (b) P(Ω) = 1 (c) P( A j ) = P A j, Nicht-Negativität Normiertheit falls A 1, A 2,.. paarweise disjunkte Ereignisse sind. σ Additivität Dann ist (Ω, P) ein diskreter W-Raum mit der Wahrscheinlichkeitsverteilung (oder dem Wahrscheinlichkeitsmaß) P. P(A) heißt die Wahrscheinlichkeit des Ereignisses A.
31 htw saar 31 Beispiele für diskrete unendliche Wahrscheinlichkeitsräume Folge von Münzwürfen, die dann beendet wird, wenn das erste Mal Zahl fällt Folge von gewürfelten Zahlen, die beendet wird, wenn das erste Mal eine Sechs fällt
32 htw saar 32 Bemerkungen I) Die Regeln für Wahrscheinlichkeitsmaße in endlichen W-Räumen gelten auch für Wahrscheinlichkeitsmaße in diskreten W-Räumen. Additivität ist schwächere Eigenschaft als σ Additivität.
33 htw saar 33 Bemerkungen II) In vielen Mathematikbüchern findet man folgende allgemeine Definition eines W-Raumes (s. ausführlicher in Behrens 1.2): Ein Wahrscheinlichkeitsraum (Ω, Ԑ, P) besteht aus drei Dingen: (i) Einer nichtleeren Menge Ω, der Menge der Elementarereignisse. (ii) Einer σ-algebra Ԑ auf Ω, der σ-algebra der Ereignisse. (iii) Einem Wahrscheinlichkeitsmaß P : Ԑ [ 0, 1 ]. Eine σ-algebraԑauf Ω ist ein Mengensystem (= Menge, die Mengen als Elemente enthält) mit den Eigenschaften (i) Ω und die leere Menge sind Elemente von Ԑ. (ii) Für jedes Element E von Ԑ ist Ω \ E (Komplementärmenge von E in Ω) Element von Ԑ. (iii) Die abzählbare Vereinigung von Mengen aus Ԑ ist in Ԑ enthalten. Ein Wahrscheinlichkeitsmaß P auf Ω ist eine Abbildung P :Ԑ [ 0, 1 ] mit P(Ω) = 1, die σ additiv ist.
34 htw saar 34 Laplace sche W-Räume Sei Ω = {ω 1,ω 2,...,ω s } eine s-elementige Menge von Elementarereignissen und gelte p(ω) = 1/s für alle ω Ω. Dann nennen wir (Ω,P) einen Laplace schen W-Raum. Aufgrund der Additivität der Wahrscheinlichkeitsverteilung gilt dann für ein Ereignis A: P(A) = A / s. P heißt die diskrete Gleichverteilung auf Ω. Beispiele: Ein Würfel wird geworfen: Ω = {1,2,...,6}, p(ω) = 1/6 für ω = 1, 2,, 6 Eine Münze wird geworfen: Ω = {W, Z}, p(w) = p(z) = 1/2
35 htw saar 35 Literatur Henze Kapitel (Ereignisse / Wiederholung Mengenregeln) 6.1/ /7.2 (Wahrscheinlichkeitsräume); Optional (weitere Beispiele)
36 htw saar 36 Übung 2 1) In einer Schachtel liegen vier mit 1 bis 4 nummerierte Kugeln. Wie lautet die Ergebnismenge, wenn zwei Kugeln mit einem Griff gezogen werden? 2) Geben Sie jeweils eine geeignete Ergebnismenge für folgende stochastischen Vorgänge an: a) Drei nicht unterscheidbare 1-Euro-Münzen werden gleichzeitig geworfen. b) Eine 1-Euro-Münze wird dreimal hintereinander geworfen. c) Eine 1-Cent-Münze und eine 1-Euro-Münze werden gleichzeitig geworfen. d) Eine 1-Cent-Münze wird so lange geworfen, bis zum ersten Mal Zahl erscheint, jedoch höchstens sechsmal. e) Ein Würfel wird so lange geworfen, bis jede Augenzahl mindestens einmal aufgetreten ist. Es interessiere dabei nur die Anzahl der benötigten Würfe. (D. h.: Ereignis = Anzahl der Würfe)
4. Die Laplacesche Gleichverteilung
Universität Basel Wirtschaftswissenschaftliches Zentrum Grundlagen der Stochastik Dr. Thomas Zehrt Inhalt: 1. Die Ereignismenge 2. Die Wahrscheinlichkeitsverteilung 3. Eigenschaften einer Wahrscheinlichkeitsverteilung
MehrTeil II. Wahrscheinlichkeitsrechnung
Teil II Wahrscheinlichkeitsrechnung Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2014) Folie 129 5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) 5 Zufallsexperimente Ergebnisse Ereignisse
MehrTeil II. Wahrscheinlichkeitsrechnung. Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2015) Folie 129
Teil II Wahrscheinlichkeitsrechnung Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2015) Folie 129 5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) 5 Zufallsexperimente Ergebnisse Ereignisse
MehrTeil II. Wahrscheinlichkeitsrechnung. Inhaltsverzeichnis (Ausschnitt) Zufallsexperimente (Zufallsvorgänge) Ergebnisse
5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) Teil II Wahrscheinlichkeitsrechnung 5 Zufallsexperimente Ergebnisse Ereignisse Wahrscheinlichkeiten Deskriptive Statistik und Wahrscheinlichkeitsrechnung
MehrEinführung in die Wahrscheinlichkeitsrechnung
Marco Cattaneo Institut für Statistik Ludwig-Maximilians-Universität München Sommersemester 2011 1. Wahrscheinlichkeitsrechnung 2. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grenzwertsätze
MehrEinführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 1
TUM, Zentrum Mathematik Lehrstuhl für Mathematische Physik WS 2013/ Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weidner Tutoraufgaben: Einführung in die Wahrscheinlichkeitstheorie svorschläge zu
MehrKapitel II - Wahrscheinlichkeitsraum
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel II - Wahrscheinlichkeitsraum Markus Höchstötter Lehrstuhl für Statistik, Ökonometrie
MehrStochastik I. Vorlesungsmitschrift
Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................
Mehrhtw saar 1 KAPITEL 4 BEDINGTE WAHRSCHEINLICHKEIT UND STOCHASTISCHE UNABHÄNGIGKEIT Hans-Peter Hafner WS 2016/2017
htw saar 1 KAPITEL 4 BEDINGTE WAHRSCHEINLICHKEIT UND STOCHASTISCHE UNABHÄNGIGKEIT htw saar 2 Gliederung 25.01. Bedingte Wahrscheinlichkeit: Motivation und Definition Multiplikationssatz Stochastische Unabhängigkeit:
MehrDiskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier
Diskrete Strukturen und Logik WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Diskrete Strukturen und Logik Gesamtübersicht Organisatorisches Einführung Logik & Mengenlehre
MehrKapitel II - Wahrscheinlichkeitsraum
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel II - Wahrscheinlichkeitsraum Wahrscheinlichkeitstheorie Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh
MehrDefinition: Ein endlicher Ergebnisraum ist eine nichtleere Menge, deren. wird als Ereignis, jede einelementige Teilmenge als Elementarereignis
Stochastische Prozesse: Grundlegende Begriffe bei zufälligen Prozessen In diesem Abschnitt beschäftigen wir uns mit den grundlegenden Begriffen und Definitionen von Zufallsexperimenten, also Prozessen,
MehrÜbungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Thema: Wahrscheinlichkeit. Übungsklausur Wahrscheinlichkeit und Regression
Übungsklausur Wahrscheinlichkeit und Regression 1. Welche der folgenden Aussagen treffen auf ein Zufallsexperiment zu? a) Ein Zufallsexperiment ist ein empirisches Phänomen, das in stochastischen Modellen
MehrI Grundbegriffe 1 1 Wahrscheinlichkeitsräume Bedingte Wahrscheinlichkeiten und Unabhängigkeit Reellwertige Zufallsvariablen...
Inhaltsverzeichnis I Grundbegriffe 1 1 Wahrscheinlichkeitsräume......................... 1 2 Bedingte Wahrscheinlichkeiten und Unabhängigkeit........... 7 3 Reellwertige Zufallsvariablen........................
MehrVorkurs Mathematik. Christoph Hindermann. Wahrscheinlichkeitstheorie
Kapitel 4 Christoph Hindermann Vorkurs Mathematik 1 4.0 Motivation Wenn 100 Münzen geworfen werden, wie ist dann die Wahrscheinlichkeit, dass genau 50 davon Kopf zeigen? Angenommen, es befinden sich 300
MehrInformatik II Grundbegriffe der Wahrscheinlichkeitsrechnung
lausthal Begriffe Informatik II rundbegriffe der Wahrscheinlichkeitsrechnung. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Definition: Unter einem Zufallsexperiment versteht man einen,
MehrInformatik II Grundbegriffe der Wahrscheinlichkeitsrechnung
lausthal Informatik II rundbegriffe der Wahrscheinlichkeitsrechnung. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Begriffe Definition: Unter einem Zufallsexperiment versteht man einen,
MehrInhaltsverzeichnis (Ausschnitt)
8 Messbarkeit und Bildwahrscheinlichkeit Inhaltsverzeichnis (Ausschnitt) 8 Messbarkeit und Bildwahrscheinlichkeit Messbare Abbildungen Bildwahrscheinlichkeit Deskriptive Statistik und Wahrscheinlichkeitsrechnung
MehrKapitel 2. Wahrscheinlichkeit (wird heute behandelt) Kapitel 2. Wahrscheinlichkeit
Teil I: Wahrscheinlichkeitstheorie 1 Kapitel 2. Wahrscheinlichkeit (wird heute behandelt) Kapitel 3: Bedingte Wahrscheinlichkeit Kapitel 4: Zufallsvariablen Kapitel 5: Erwartungswerte, Varianz, Kovarianz
MehrKapitel 5 Stochastische Unabhängigkeit
Kapitel 5 Stochastische Unabhängigkeit Vorlesung Wahrscheinlichkeitsrechnung I vom SoSe 2009 Lehrstuhl für Angewandte Mathematik 1 FAU 5.1 Das Konzept der stochastischen Unabhängigkeit. 1 Herleitung anhand
MehrWahrscheinlichkeitsrechnung [probability]
Wahrscheinlichkeitsrechnung [probability] Hinweis: Die Wahrscheinlichkeitsrechnung ist nicht Gegenstand dieser Vorlesung. Es werden lediglich einige Begriffsbildungen bereitgestellt und an Beispielen erläutert,
MehrSachrechnen/Größen WS 14/15-
Kapitel Daten & Wahrscheinlichkeit 3.1 Kombinatorische Grundlagen 3.2 Kombinatorik & Wahrscheinlichkeit in der Grundschule 3.3 Daten Darstellen 3.1 Kombinatorische Grundlagen Verschiedene Bereiche der
MehrWahrscheinlichkeitsrechnung und Statistik
1. und 2. Vorlesung - 2017 Im Alltag... Laut den meteorologischen Vorhersagen wird es morgen regnen. Ob ich riskiere und die Wette verlieren werde? Ich werde mit Sicherheit gewinnen! Ist das wirklich unmöglich?
MehrStochastik Grundlagen
Grundlegende Begriffe: Zufallsexperiment: Ein Experiment, das beliebig oft wiederholt werden kann. Die möglichen Ergebnisse sind bekannt, nicht jedoch nicht, welches Ergebnis ein einzelnes Experiment hat.
MehrKapitel ML:IV. IV. Statistische Lernverfahren. Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen
Kapitel ML:IV IV. Statistische Lernverfahren Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen ML:IV-1 Statistical Learning c STEIN 2005-2011 Definition 1 (Zufallsexperiment,
MehrGrundbegrie der Wahrscheinlichkeitsrechnung
Die Benutzung dieser Materialien ist auf Herbst 2017 beschränkt. Diese Hilfsmaterialien sind nur für unseren Studenten gemeint, dürfen also nicht weiterverteilt werden. Grundbegrie der Wahrscheinlichkeitsrechnung
Mehr1. Grundlagen. R. Albers, M. Yannik Skript zur Vorlesung Stochastik (Elementarmathematik)
1. Grundlagen 1.1 Zufallsexperimente, Ergebnisse Grundlage für alle Betrachtungen zur Wahrscheinlichkeitsrechnung sind Zufallsexperimente. Ein Zufallsexperiment ist ein Vorgang, der - mehrere mögliche
Mehr1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6
Inhaltsverzeichnis 1 Vorbemerkungen 1 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2 3 Wahrscheinlichkeitsaxiome 4 4 Laplace-Experimente 6 5 Hilfsmittel aus der Kombinatorik 7 1 Vorbemerkungen
MehrStochastische Unabhängigkeit. 01. Dezember 2014
Stochastische Unabhängigkeit 0. Dezember 204 Der Begriff der Unabhängigkeit Großbritannien, im November 999. Die Anwältin Sally Clark wird wegen Mordes an ihren Kindern angeklagt. Clark geriet unter Verdacht
MehrEinführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 2
TUM, Zentrum Mathematik Lehrstuhl für Mathematische Physik WS 2013/14 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weidner Tutoraufgaben: Einführung in die Wahrscheinlichkeitstheorie svorschläge
MehrSprechstunde zur Klausurvorbereitung
htw saar 1 Sprechstunde zur Klausurvorbereitung Mittwoch, 15.02., 10 12 + 13.30 16.30 Uhr, Raum 2413 Bei Interesse in Liste eintragen: Max. 20 Minuten Einzeln oder Kleingruppen (z. B. bei gemeinsamer Klausurvorbereitung)
MehrSTATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik. Mögliche Ergebnisse, auch Elementarereignisse bezeichnet
Kapitel 10 Zufall und Wahrscheinlichkeit 10.1. Grundbegriffe Wahrscheinlichkeitsrechnung Zufallsvorgang Klein-Omega ω Groß-Omega Ω Stellt Modelle bereit, die es erlauben zufallsabhängige Prozesse abzuschätzen
Mehr4 Diskrete Wahrscheinlichkeitsverteilungen
4 Diskrete Wahrscheinlichkeitsverteilungen 4.1 Wahrscheinlichkeitsräume, Ereignisse und Unabhängigkeit Definition: Ein diskreter Wahrscheinlichkeitsraum ist ein Paar (Ω, Pr), wobei Ω eine endliche oder
MehrGrundbegriffe der Wahrscheinlichkeitstheorie. Karin Haenelt
Grundbegriffe der Wahrscheinlichkeitstheorie Karin Haenelt 1 Inhalt Wahrscheinlichkeitsraum Bedingte Wahrscheinlichkeit Abhängige und unabhängige Ereignisse Stochastischer Prozess Markow-Kette 2 Wahrscheinlichkeitsraum
MehrMustererkennung: Wahrscheinlichkeitstheorie. D. Schlesinger () ME: Wahrscheinlichkeitstheorie 1 / 10
Mustererkennung: Wahrscheinlichkeitstheorie D. Schlesinger () ME: Wahrscheinlichkeitstheorie 1 / 10 Definitionen (axiomatisch) Wahrscheinlichkeitsraum (Ω, σ, P), mit Ω Die Grundmenge, die Menge der elementaren
MehrWAHRSCHEINLICHKEITSRECHNUNG
WAHRSCHEINLICHKEITSRECHNUNG Mathematischer Teil In der Wahrscheinlichkeitsrechnung haben wir es mit Zufallsexperimenten zu tun, d.h. Ausgang nicht vorhersagbar. Grundbegriffe Zufallsexperiment und Ergebnisse
MehrLeseprobe. Robert Galata, Sandro Scheid. Deskriptive und Induktive Statistik für Studierende der BWL. Methoden - Beispiele - Anwendungen
Leseprobe Robert Galata, Sandro Scheid Deskriptive und Induktive Statistik für Studierende der BWL Methoden - Beispiele - nwendungen Herausgegeben von Robert Galata, Markus Wessler ISBN (Buch): 978-3-446-43255-0
MehrStochastik Wiederholung von Teil 1
Stochastik Wiederholung von Teil 1 Andrej Depperschmidt Sommersemester 2016 Wahrscheinlichkeitsraum Definition Das Tripple (Ω, A, P) heißt Wahrscheinlichkeitsraum, falls gilt: (i) A ist eine σ-algebra,
MehrRumpfskript. Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen
Rumpfskript Elementare Wahrscheinlichkeitsrechnung Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen Vorbemerkung Vorbemerkung Das vorliegende Skript heißt nicht nur Rumpf skript, sondern
MehrModelle für Vorgänge mit zufälligem Ergebnis und Kombinatorik
Modelle für Vorgänge mit zufälligem Ergebnis und Kombinatorik Dr. Elke Warmuth Sommersemester 2018 1 / 58 Wahrscheinlichkeitsraum Vorgang mit zufälligem Ergebnis Ergebnismenge Ereignisse Wahrscheinlichkeitsverteilung
MehrUnabhängigkeit KAPITEL 4
KAPITEL 4 Unabhängigkeit 4.1. Unabhängigkeit von Ereignissen Wir stellen uns vor, dass zwei Personen jeweils eine Münze werfen. In vielen Fällen kann man annehmen, dass die eine Münze die andere nicht
MehrKapitel 2 Wahrscheinlichkeitsrechnung
Motivation bisher: Beschreibung von Datensätzen = beobachteten Merkmalsausprägungen Frage: Sind Schlußfolgerungen aus diesen Beobachtungen möglich? Antwort: Ja, aber diese gelten nur mit einer bestimmten
MehrKapitel N. Wahrscheinlichkeitsrechnung
Kapitel N Wahrscheinlichkeitsrechnung Inhalt dieses Kapitels N000 1 Diskrete Wahrscheinlichkeitsräume 2 Bedingte Wahrscheinlichkeit und Unabhängigkeit 1 Produktexperimente 2 Kombinatorik und Urnenmodelle
MehrUniversität Basel Wirtschaftswissenschaftliches Zentrum. Zufallsvariablen. Dr. Thomas Zehrt
Universität Basel Wirtschaftswissenschaftliches Zentrum Zufallsvariablen Dr. Thomas Zehrt Inhalt: 1. Einführung 2. Zufallsvariablen 3. Diskrete Zufallsvariablen 4. Stetige Zufallsvariablen 5. Erwartungswert
MehrGründe für die Behandlung von stochastischen Problemen (nach KÜTTING)
Vorlesung 03.01.09 Stochastik Gründe für die Behandlung von stochastischen Problemen (nach KÜTTING) Der Mathematikunterricht der Schule hat die Aufgabe, eine Grundbildung zu vermitteln, die auf ein mathematisches
MehrStatistik I für Betriebswirte Vorlesung 2
Statistik I für Betriebswirte Vorlesung 2 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 16. April 2018 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 2 Version: 9. April
Mehr1 Elementare Wahrscheinlichkeitstheorie
1 Elementare Wahrscheinlichkeitstheorie 1.1 Zufallsexperiment Definition 1.1. Ein Zufallsexperiment ist ein Vorgang, der im Prinzip beliebig oft unter identischen Randbedingungen wiederholt werden kann.
Mehr1. Grundlagen der Wahrscheinlichkeitsrechnung
1. Grundlagen der Wahrscheinlichkeitsrechnung Ereignisse und Wahrscheinlichkeiten Zufälliger Versuch: Vorgang, der (zumindest gedanklich) beliebig oft wiederholbar ist und dessen Ausgang innerhalb einer
MehrSoll ein Zufallsexperiment näher untersucht werden, so muss zuerst geklärt werden, was man als dessen mögliche Ausgänge ansieht:
2 Zufallsexperimente Nachdem wir uns spielerisch mit dem Phänomen "Zufall" beschäftigt und den Begriff "Zufallsexperiment" bereits intuitiv erfasst haben, wollen wir in diesem Kapitel den Begriff "Zufallsexperiment"
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 27. Oktober 2010 Teil III Wahrscheinlichkeitstheorie 1 Zufallsereignisse Vorüberlegungen Der Ereignisraum Konstruktionen
MehrSTOCHASTISCHE UNABHÄNGIGKEIT. Annika Pohlmann Philipp Oel Wilhelm Dück
STOCHASTISCHE UNABHÄNGIGKEIT Annika Pohlmann Philipp Oel Wilhelm Dück 1 GLIEDERUNG 1) Bedingte Wahrscheinlichkeiten 2) Unabhängigkeit für mehr als zwei Ereignisse 3) Unabhängigkeit für Zufallsvariable
Mehr2.2 Binomialverteilung, Hypergeometrische Verteilung, Poissonverteilung
2.2 Binomialverteilung, Hypergeometrische Verteilung, Poissonverteilung Die einfachste Verteilung ist die Gleichverteilung, bei der P(X = x i ) = 1/N gilt, wenn N die Anzahl möglicher Realisierungen von
MehrWahrscheinlichkeitstheorie und Maßtheorie
KAPITEL 7 Wahrscheinlichkeitstheorie und Maßtheorie 7.1. Vorüberlegungen Die folgenden drei Beispiele sind Spezialfälle des Oberbegriffs Maß. Beispiel 7.1.1 (Verteilung der Ladung oder der Masse). Man
Mehr2 Zufallsvariable und Verteilungsfunktionen
8 2 Zufallsvariable und Verteilungsfunktionen Häufig ist es so, dass den Ausgängen eines Zufallexperiments, d.h. den Elementen der Ereignisalgebra, eine Zahl zugeordnet wird. Das wollen wir etwas mathematischer
MehrWichtige Definitionen und Aussagen
Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge
MehrStatistik I für Betriebswirte Vorlesung 3
Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 20. April 2017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 18.
MehrKapitel 6. Kapitel 6 Mehrstufige Zufallsexperimente
Mehrstufige Zufallsexperimente Inhalt 6.1 6.1 Mehrstufige Experimente 6.2 6.2 Bedingte Wahrscheinlichkeiten Seite 2 6.1 Mehrstufige Experimente Grundvorstellung: Viele Viele Experimente werden der der
MehrKapitel 5. Kapitel 5 Wahrscheinlichkeit
Wahrscheinlichkeit Inhalt 5.1 5.1 Grundbegriffe Ω, Ω, X, X,...... 5.2 5.2 Wahrscheinlichkeitsräume (Ω, (Ω, P) P) 5.3 5.3 Das Das Laplace-Modell P(A) P(A) = A / Ω 5.4 5.4 Erwartungswert E(X) E(X) Literatur:
MehrGrundbegriffe der Wahrscheinlichkeitsrechnung
Algorithmen und Datenstrukturen 349 A Grundbegriffe der Wahrscheinlichkeitsrechnung Für Entwurf und Analyse randomisierter Algorithmen sind Hilfsmittel aus der Wahrscheinlichkeitsrechnung erforderlich.
MehrDiskrete Strukturen WiSe 2012/13 in Trier
Diskrete Strukturen WiSe 2012/13 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 11. Januar 2013 1 Diskrete Strukturen Gesamtübersicht Organisatorisches und Einführung Mengenlehre Relationen
MehrLösungsskizzen zur Präsenzübung 04
Lösungsskizzen zur Präsenzübung 04 Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 2015/2016 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 23. November 2015 von:
MehrMathematische und statistische Methoden II
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de
MehrEinführung. Wahrscheinlichkeit. 1 Wahrscheinlichkeit: Definition und Interpretation. 2 Elementare Wahrscheinlichkeitsrechnung, bedingte
Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2 Elementare Wahrscheinlichkeitsrechnung, bedingte Wahrscheinlichkeit Axiome nach Kolmogorov Gegeben sei ein Zufallsexperiment mit Ergebnisraum
Mehr2.2 Ereignisse und deren Wahrscheinlichkeit
2.2 Ereignisse und deren Wahrscheinlichkeit Literatur: [Papula Bd., Kap. II.2 und II.], [Benning, Kap. ], [Bronstein et al., Kap. 1.2.1] Def 1 [Benning] Ein Zufallsexperiment ist ein beliebig oft wiederholbarer,
MehrWahrscheinlichkeitstheorie Kapitel I - Einführende Beispiele
Wahrscheinlichkeitstheorie Kapitel I - Einführende Beispiele Georg Bol georg.bol@statistik.uni-karlsruhe.de Markus Höchstötter hoechstoetter@statistik.uni-karlsruhe.de Wahrscheinlichkeitstheorie Agenda:
MehrBei 10 dieser Würfe wurde gleichzeitig eine 1 gewürfelt. Bei 25 dieser Würfe wurde gleichzeitig eine Augenzahl größer als 2 gewürfelt.
3 Wahrscheinlichkeiten 1 Kapitel 3: Wahrscheinlichkeiten A: Beispiele Beispiel 1: Ein Experiment besteht aus dem gleichzeitigen Werfen einer Münze und eines Würfels. Nach 100 Wiederholungen dieses Experiments
MehrWahrscheinlichkeit (Teschl/Teschl 2, Kap. 26)
Wahrscheinlichkeit (Teschl/Teschl 2, Kap. 26) Gegeben Menge Ω (Wahscheinlichkeitsraum, Menge aller möglichen Ausgänge eines Zufallsexperiments), Abbildung P : P(Ω) [0, 1] (Wahrscheinlichkeit): Jeder Teilmenge
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrKapitel XI - Die n-fache unabhängige Wiederholung eines Experiments
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XI - Die n-fache unabhängige Wiederholung eines Experiments Wahrscheinlichkeitstheorie Prof. Dr. W.-D. Heller Hartwig
MehrDiskrete Strukturen II
SS 2006 Diskrete Strukturen II Ernst W. Mayr Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2006ss/ds2/ Sommersemester 2006 c Ernst W. Mayr 3. Einleitung Was bedeutet Zufall? Große Menge
MehrWahrscheinlichkeitsrechnung
Wahrscheinlichkeitsrechnung. Semester Begleitendes Skriptum zur Vorlesung im FH-Masterstudiengang Technisches Management von Günther Karigl FH Campus Wien 206/7 Inhaltsverzeichnis. Semester: Wahrscheinlichkeitsrechnung
Mehr6: Diskrete Wahrscheinlichkeit
Stefan Lucks Diskrete Strukturen (WS 2009/10) 219 6: Diskrete Wahrscheinlichkeit 6: Diskrete Wahrscheinlichkeit Stefan Lucks Diskrete Strukturen (WS 2009/10) 220 Wahrscheinlichkeitsrechnung Eines der wichtigsten
MehrStochastik für Ingenieure
Otto-von-Guericke-Universität Magdeburg Fakultät für Mathematik Institut für Mathematische Stochastik Stochastik für Ingenieure (Vorlesungsmanuskript) von apl.prof. Dr. Waltraud Kahle Empfehlenswerte Bücher:
Mehr3. Kombinatorik und Wahrscheinlichkeit
3. Kombinatorik und Wahrscheinlichkeit Es geht hier um die Bestimmung der Kardinalität endlicher Mengen. Erinnerung: Seien A, B, A 1,..., A n endliche Mengen. Dann gilt A = B ϕ: A B bijektiv Summenregel:
MehrÜbungen zur Wahrscheinlichkeitstheorie und Statistik
Übungen zur Wahrscheinlichkeitstheorie und Statistik Prof. Dr. C. Löh/M. Blank Blatt 0 vom 16. April 2012 Aufgabe 1 (Wahrscheinlichkeitsräume). Welche der folgenden Aussagen sind wahr? Begründen Sie jeweils
MehrMathe-Camp 2017 Stochastik: Geometrische Wahrscheinlichkeiten
Mathe-Camp 2017 Stochastik: Geometrische Wahrscheinlichkeiten Jo rn Saß, sass@mathematik.uni-kl.de Fachbereich Mathematik, TU Kaiserslautern Arbeitsgruppe Stochastische Steuerung und Finanzmathematik Kaiserslautern
MehrKlausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende
Universität Duisburg-Essen Essen, den 12.02.2010 Fakultät für Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,
MehrStochastik II. Dr. Miriam Dieter Sommersemester 2015
Stochastik II Dr. Miriam Dieter Sommersemester 05 Stand: 8. Mai 05 Inhaltsverzeichnis Diskrete Zufallsvariablen. Diskrete Wahrscheinlichkeitsräume............................ Zufallsvariablen.....................................
MehrKlausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende
Universität Duisburg-Essen Essen, den 15.0.009 Fachbereich Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,
MehrElementare Stochastik
Mathematik Primarstufe und Sekundarstufe I + II Elementare Stochastik Mathematische Grundlagen und didaktische Konzepte Bearbeitet von Herbert Kütting, Martin J. Sauer, Friedhelm Padberg 3. Aufl. 2011.
MehrSatz 18 (Satz von der totalen Wahrscheinlichkeit)
Ausgehend von der Darstellung der bedingten Wahrscheinlichkeit in Gleichung 1 zeigen wir: Satz 18 (Satz von der totalen Wahrscheinlichkeit) Die Ereignisse A 1,..., A n seien paarweise disjunkt und es gelte
MehrKombinatorik & Stochastik Übung im Sommersemester 2018
Kombinatorik & Stochastik Übung im Sommersemester 2018 Kombinatorik Formeln & Begriffe Begrifflichkeiten Permutation = Anordnung in einer bestimmten Reihenfolge Kombination = Anordnung ohne bestimmte Reihenfolge
Mehr9. Elementare Wahrscheinlichkeitsrechnung
9. Elementare Wahrscheinlichkeitsrechnung Beispiel (Einmaliges Würfeln): verbal mengentheoretisch I. Zufällige Ereignisse Beispiel (Einmaliges Würfeln): Alle möglichen Ausgänge 1,,, 6 des Experiments werden
MehrInhaltsverzeichnis
Inhaltsverzeichnis 1 Wahrscheinlichkeitsrechnung 5 1 Grundbegriffe.............................. 6 1.1 Einleitung, Geschichte.................. 6 1.2 Zufällige Ereignisse..................... 10 1.3 Ereignisfelder..........................
MehrFit for Abi & Study Stochastik
Fit for Abi & Study Stochastik Prof. Dr. Tilla Schade Hochschule Harz 15. und 16. April 2014 No. 1 Stochastik besteht aus: Wahrscheinlichkeitsrechnung Statistik No. 2 Gliederung Grundlagen Zufallsgrößen
MehrStatistik I für Betriebswirte Vorlesung 1
Statistik I für Betriebswirte Vorlesung 1 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 9. April 2018 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 1 1 Organisatorisches
Mehr1 Grundlagen Wahrscheinlichkeitsrechung
1 Grundlagen Wahrscheinlichkeitsrechung 1.1 Grundbegriffe Alle möglichen Ereignisse eines Zufallsexperiments fassen wir in einer Ereignismenge Ω zusammen. Ereignisse sind Teilmengen von Ω. Umfasst das
MehrWoche 2: Zufallsvariablen
Woche 2: Zufallsvariablen Patric Müller ETHZ WBL 19/21, 29.04.2019 Wahrscheinlichkeit und Statistik Patric Müller WBL 2019 Teil III Zufallsvariablen Wahrscheinlichkeit
MehrPrüfungsvorbereitungskurs Höhere Mathematik 3
Prüfungsvorbereitungskurs Höhere Mathematik 3 Stochastik Marco Boßle Jörg Hörner Mathematik Online Frühjahr 2011 PV-Kurs HM 3 Stochastik 1-1 Zusammenfassung Wahrscheinlichkeitsraum (WR): Menge der Elementarereignisse
MehrInhaltsverzeichnis (Ausschnitt)
6 Diskrete Wahrscheinlichkeitsräume Inhaltsverzeichnis (Ausschnitt) 6 Diskrete Wahrscheinlichkeitsräume Laplacesche Wahrscheinlichkeitsräume Kombinatorik Allgemeine diskrete Wahrscheinlichkeitsräume Deskriptive
MehrWahrscheinlichkeitstheorie
Kapitel 2 Wahrscheinlichkeitstheorie Wir betrachten Ereignisse, die in fast gleicher Form öfter auftreten oder zumindest öfter auftreten können. Beispiele: Werfen eines Würfels, Sterben an Herzversagen
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine Universität Düsseldorf 29. Oktober 2009 Mengensprechweise Die Menge aller Elementarereignisse ist der Ereignisraum. Seine Teilmengen heißen
MehrWahrscheinlichkeitsrechnung und Statistik
3. Vorlesung - 21.10.2016 Bedingte Wahrscheinlichkeit In einer Urne sind 2 grüne und 3 blaue Kugeln. 2 Kugeln werden ohne Zürücklegen gezogen. Welches ist die Wahrscheinlichkeit, dass : a) man eine grüne
MehrWoche 2: Zufallsvariablen
Woche 2: Zufallsvariablen Patric Müller ETHZ WBL 17/19, 24.04.2017 Wahrscheinlichkeit und Statistik Patric Müller WBL 2017 Teil III Zufallsvariablen Wahrscheinlichkeit
MehrZusammenfassung Stochastik
Zusammenfassung Stochastik Die relative Häufigkeit Ein Experiment, dessen Ausgang nicht vorhersagbar ist, heißt Zufallsexperiment (ZE). Ein Würfel wird 40-mal geworfen, mit folgendem Ergebnis Augenzahl
Mehr