Mathematik Name: Lösung Nr.5 K2 Punkte: /30 Note: Schnitt:

Größe: px
Ab Seite anzeigen:

Download "Mathematik Name: Lösung Nr.5 K2 Punkte: /30 Note: Schnitt:"

Transkript

1 Mathematik Name: Lösu Nr.5 K Pukte: / Note: Schitt: 8..8 Pflichtteil (etwa mi) Ohe Tascherecher ud ohe Formelsammlu (Dieser Teil muss mit de Lösue abeebe sei, ehe der GTR ud die Formalsammlu verwedet werde dürfe.) Aufabe : [P] Bestimme Sie die erste Ableitu vo f ( x) = x si( x) Lösusvorschla : f '( x) = si( x) + x cos( x) x Bem.: Deke beim Ableite immer a die Produktreel (besteht aus zwei Summade!) ud die Kettereel. Bei dieser Aufabe beötie wir die Produktreel. Ausdrücke wie x oder werde vor dem Ableite i Poteze umewadelt, x x d.h.,5 x bzw. = x. Wer will, merkt sich ( x )' = x x x Aufabe : [P] Bestimme Sie eie Stammfuktio vo ( x) = x. x Wie lautet die Stammfuktio, die durch de Pukt P(/) eht? Lösusvorschla : Jede Stammfuktio ist vo der Gestalt Gc ( x) = x dx = l x x + c x Die Schar G ( x ) heißt Mee aller Stammfuktioe. c Nu ist c so zu bestimme, dass ilt Gc () = l + c=. Da l() = ist, muss + c = sei, also c =,5 sei. Also ist die esuchte Stammfuktio Gc ( x) = l x x +,5 5 Aufabe : [P] Löse Sie die Gleichu l( x ) = + mit Hilfe eier eeiete Substitutio. l( x ) Lösusvorschla : Da l(x) im Zähler ud im Neer steht, erhalte wir eie quadratische Gleichu, we wir mit l(x) multipliziere. Wir substituiere t = l( x) ud multipliziere die Gleichu mit t. t = t+ 5 oder t t 5 = Die Mitterachtsformel liefert: ( ) 5 8 x/ = = = 5 / Nu mache wir die Substitutio rückäi:

2 Mathematik Name: Lösu Nr.5 K Pukte: / Note: Schitt: 8..8 t = 5: l x = 5 x = e 5 t = : l x = x = e = e Vorsicht: l(x) = ist lösbar, icht aber exp(x) = Das x bei l(x) ka aber ur positive Werte aehme (der Defiitiosbereich vo l sid ur die positive Zahle), das x bei exp(x) ka aber alle Werte aehme. Aufabe : [P] Geebe sid die Gerade ud die bee durch : x = + t ud : x y + z = 5 a) [P] Bestimme Sie de Schittpukt der Gerade mit der bee. b) [P] Beschreibe Sie mit Worte, wie sie de Schittwikel zwische Gerade ud bee bestimme. Lösusvorschla : a Zu a) Sei S(a/b/c) ei Schittpukt, da ilt: es ibt ei t mit b = + t ud c a b + c = 5. Jetzt habe wir vier Gleichue für die vier ubekate Zahle t, x ud y! Setze wir die erste drei Gleichue i die vierte ei, erhalte wir eie + t t + t = 5 oder + 8t + t + t = 5 oder Gleichu mit t. ( ) ( ) t = oder t =. Damit erebe die erste drei Gleichue a b = + =. Der Schittpukt muss also S(//) sei. Dieser Pukt c ist auch ei Schittpukt, wie ma durch isetze leicht überprüft. Zu b) Wir bereche die Normale der bee, falls wir sie icht der beeform etehme köe, z.b. weil die bee i Koordiateform eebe ist. beso lese wir de Richtusvektor der Gerade ab, ämlich u. Nu bereche wir si( ) = u u u u. Für de Schittwikel α der bee ud der Gerade ilt. Also ist = si u u

3 Mathematik Name: Lösu Nr.5 K Pukte: / Note: Schitt: 8..8 Wahlteil (etwa mi) Mit GTR ud Formelsammlu ach Ababe des Pflichtteils ka der GTR ud die Formelsammlu verwedet werde. Aufabe 5: I eier Ure befide sich viele rote ud schwarze Kuel. Jemad vermutet, dass der Ateil der schwarze Kuel höchstes % beträt. r zieht Kuel zufälli, um zu teste, ob vielleicht doch mehr als % schwarze Kuel i der Ure sid. a) [P] Formuliere Sie die Nullhypothese ud die Alterative, ebe Sie die Parameter a. b) [P] Bereche Sie de rwartuswert des Tests ud ihre Stadardabweichu. c) [P] Wie roß ist die Wahrscheilichkeit, dass eau Kuel schwarz sid? Wie roß ist die Wahrscheilichkeit, dass weier als 8 Kuel, bzw. mehr als Kuel schwarz sid? d) [P] Bestimme Sie de eaue Aahmebereich der Nullhypothese auf dem Siifikaziveau 5%. Wie viele schwarze Kuel muss ma midestes ziehe, damit ma die Nullhypothese siifikat (auf dem Niveau 5%) ablehe muss? d) [P] Sid mehr als % schwarze Kuel i der Ure, we ma die Nullhypothese siifikat ablehe ka? Berüde Sie Ihre Aussae. Lösusvorschla 5: Zu a) Die Nullhypothese ist p(schwarze Kuel) = p(treffer) % Die Alterative der Nullhypothese ist p(schwarze Kuel) >, Damit liet ei rechtsseitier Siifikaztest vor. Der Ablehusbereich der Nullhypothese beit bei der kleiste Trefferzahl k, für die P( X k) =,5ist. (Würde die Kuel icht zurückelet, äderte sich die Wahrscheilichkeit für das Ziehe eier schwarze Kuel, we ma eie Kuel ezoe hat.) Zu b) p(treffer) =, ud =. Für de rwartuswert ilt: = p=, = 8 Die Stadardabweichu ist = p( p) =,,6 =,9 ( = ) =,, =, 7% Amerku: Die mathematische Darstellu der Beroulliverteilu muss (im Abi auch) aeebe werde. Die Befehle, die ma beim WTR beutzt, sid icht erforderlich. Zu c) PX ( ) 7 i i P( X 8) = P( x 7) =, (, ) =, 6% i= i i i P( X ) = P( x ) =, (, ) =,% i= i Zu d) ie Schätzu der utere Greze des Ablehusbereichs erhalte wir mit = + = 8 +,9 =,8 Die eaue utere Greze des Ablehusbereichs für das Siifikaziveau 5% ist der kleiste Wert k, für de ilt P( X k),5 = 5% Da wir P( X k) icht mit dem GLK bereche köe, müsse wir zum Geeereiis überehe. Die Wahrscheilichkeit für ei reiis P( X k),5% ist wee P( X k) = P( X k ), 5% oder,5% P( X k ) äquivalet zu,95% P( X k ).Wir suche also die kleiste Zahl k mit P( X k),5%

4 Mathematik Name: Lösu Nr.5 K Pukte: / Note: Schitt: 8..8 oder mit P( X k ),95 k- P( X k ),9,979 Also ist k = oder k =. Also spricht bis eischließlich k = ichts ee die Nullhypothese, d.h. {,, } ist der Aahmebereich. rst we ma bei Ziehue midestes schwarze Kuel zieht, ka ma die Aussae, dass i der Ure höchstes % schwarze Kuel sid, auf dem 5%-Siifikaziveau ablehe. Der Ablehusbereich ist also {,, }. D.h. bei höchstes 5% der xperimete zieht ma bei p =, midestes schwarze Kuel. Zu ) Nei, die Nullhypothese ka bei jedem rebis der Wirklichkeit etspreche. We ma eie Nullhypothese auf dem Siifikaziveau 5% ableht, heißt das ur, dass aufrud der Aahme der Nullhypothese das rebis (oder ei schlechteres) i weier als 5% der Stichprobe vorkommt. Mit adere Worte, i 5% aller der Utersuchusfälle leht ma die Nullhypothese fälschlicherweise ab. We ma eauer reche will, ilt obe i,% der Fälle wird die Nullhypothese fälschlicherweise abeleht. Dies ist ei wichtier Pukt, we ma Siifikazerebisse ableht. Im Durchschitt liefert jedes. Testerebis mit der Aussae ma ka die Nullhypothese auf dem Siifikaziveau siifikat ablehe, ei falsches rebis. Dies et ma Fehler. Art. Wie roß die Wahrscheilichkeit, dass ma ei rebis icht ableht, obwohl die Alterativhypothese richti ist, ka ma icht feststelle. Das hät ja davo ab, wie roß der wirkliche Wert ist, aber de ket ma ja icht. Diese (icht äher bestimmbare Fehler, et ma Fehler. Art. Aufabe 6: Bei dem abebildete Glücksrad sid alle acht Sektore leich roß. a) [P] Das Glücksrad wird viermal edreht. Bereche Sie die Wahrscheilichkeite der folede zwei reiisse: A: Die Zahl w wird höchstes zweimal ezoe B: Die Summe der aezeite Zahle ist höchstes 5 (Mit welche Zahle ka ma bzw. 5 erreiche?) b) [P] Bestimme Sie, wie oft ma das Glücksrad höchstes drehe darf, damit mit eier Wahrscheilichkeit vo höchstes 5% mehr als zweimal die Zahl auftritt. Lösusvorschla 6: Zu a) Die Wahrscheilichkeite der lemetarereiisse sid p() =, p() = 8 ud p() = 8

5 Mathematik Name: Lösu Nr.5 K Pukte: / Note: Schitt: 8..8 Zu A): P(A) erhält ma mit der Biomialverteilu, wobei =, p =,75 ist. i i 5 P( A) = =,88 i= 8 8 zu B: We ma viermal die dreht, erhält ma. Die Wahrscheilichkeit hierfür ist = 56 Dreht ma -mal die ud -mal die, erhält ma 5. Alle adere Variate erebe eie Zahlesumme rößer als 5. Da die a vier verschiedee Stelle stehe ka, ilt P( B) 7 = + = + = =, Zu b) Die Wahrscheilichkeit, dass eie is ezoe wird ist p =. Mit X bezeiche wir die Berechu der Azahl der iser, we ma viermal dreht. X ist biomi- alverteilt. s ist jetzt so zu bestimme, dass P( X ),5 bei diesem ist. Da ma dies icht direkt mit eier Formel bereche ka, beutzt ma P X = PX ),5 oder PX ( ),5 ( ) ( Gesucht ist also das rößte, so dass PX ( ),5 Durch Probiere erhält ma die Tabelle PX ( ),56,55 Damit ist die esuchte Zahl =.

6 Mathematik Name: Lösu Nr.5 K Pukte: / Note: Schitt: 8..8 Aufabe 7: [P] Alfos wirft Müze, so dass sie mölichst ahe a der Wad zu liee komme. Die Müze pralle dabei oft ab ud rolle zurück. Der Abstad X i Meter vo der Wad ist eie Zufallsvariable, die ma mit der Wahrscheilichkeitsdichte über dem Itervall [ ] : [ ] R 5 ( ) x x bestimme ka. Zeie Sie, dass dies eie Wahrscheilichkeitsdichte über dem Itervall [ ] ist. Bereche Sie de rwartuswert ud die die Stadardabweichu der Abstadsvariable X. Wie roß ist die Wahrscheilichkeit, dass die Müze weier als,5 m vo der Wad etfert ist? Lösusvorschla 7: x ( ) Damit eie Wahrscheilichkeitsdichte über [ ] ist, müsse zwei Bediue erfüllt sei: ) x ( ) ud ) ( x) dx = Die erste Bediu ilt trivialerweise. Die zweite Bediu überprüfe wir eifach durch Nachreche ( x) dx = ( x ) dx = ( ) ( ) ( ) ( ) x = = = 5 Amerku: Selbstverstädlich köte wir das Iterral auch mit dem GTR bereche, aber das Iteral müsse wir auf alle Fälle hischreibe. 5 Der rwartuswert ist = x( x) dx = x ( x ) dx = laut GTR. Das Quadrat Stadardabweichu ist 5 5 = ( x ) ( x) dx = x ( x ) dx = =, Damit ist die Stadardabweichu = =,8 6 Die Wahrscheilichkeit, dass die Müze weier als,5 m vo der Wad etferst ist,5 5 5,5 beträt P( X,5) = ( x ) dx = ( x ) ( 7,6 ) 76,% = + = oder eifach das Iteral hischreibe ud mit dem GTR bereche.

ASW Lösungen zu Übung 6, MB,

ASW Lösungen zu Übung 6, MB, ASW Lösue u Übu MB Mthemtik I Geometrie vo Gerde ud bee rof DrBGrbowski Zu Aufbe Geebe sei eie Gerde im R : { } R Gebe Sie die Gerde i Normlform b R! b Gebe Sie die Gerde - R i ukt-richtusform! cliet der

Mehr

Teilaufgabe 1.0 Bei der Firma Kohl kommen morgens alle im Büro Beschäftigten nacheinander ins Großraumbüro.

Teilaufgabe 1.0 Bei der Firma Kohl kommen morgens alle im Büro Beschäftigten nacheinander ins Großraumbüro. mathphys-olie Abiturprüfug Berufliche Oberschule 014 Mathematik 13 Techik - B I - Lösug Teilaufgabe 1.0 Bei der Firma Kohl komme morges alle im Büro Beschäftigte acheiader is Großraumbüro. Teilaufgabe

Mehr

Stochastik: Binomialverteilung Stochastik Bernoulli-Experimente, binomialverteilte Zufallsvariablen Gymnasium ab Klasse 10

Stochastik: Binomialverteilung Stochastik Bernoulli-Experimente, binomialverteilte Zufallsvariablen Gymnasium ab Klasse 10 Stochastik Beroulli-Experimete, biomialverteilte Zufallsvariable Gymasium ab Klasse 0 Alexader Schwarz www.mathe-aufgabe.com November 203 Hiweis: Für die Aufgabe darf der GTR beutzt werde. Aufgabe : Ei

Mehr

Fit in Mathe. April Klassenstufe 10 Wurzelfunktionen

Fit in Mathe. April Klassenstufe 10 Wurzelfunktionen Thema Fit i Mathe Musterlösuge 1 April Klassestufe 10 Wurzelfuktioe Uter der -te Wurzel eier icht-egative Zahl (i Zeiche: ) versteht ma die icht-egative Zahl, die mal mit sich selber multipliziert, die

Mehr

10. Testen von Hypothesen Seite 1 von 6

10. Testen von Hypothesen Seite 1 von 6 10. Teste vo Hypothese Seite 1 vo 6 10.1 Eiführug i das Teste vo Hypothese Eie Hypothese ist eie Vermutug bzw. Behauptug über die Wahrscheilichkeit eies Ereigisses. Mit Hilfe eies geeigete Tests (=Testverfahre)

Mehr

Einführung in die Wahrscheinlichkeitstheorie Lösungen zum Wiederholungsblatt

Einführung in die Wahrscheinlichkeitstheorie Lösungen zum Wiederholungsblatt TUM, Zetrum Mathematik Lehrstuhl für Mathematische Physik WS 23/4 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weider Eiführug i die Wahrscheilichkeitstheorie Lösuge zum Wiederholugsblatt Aufgabe

Mehr

Übungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie

Übungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie Uiversität Müster Istitut für Mathematische Statistik Stochastik WS 203/204, Blatt Löwe/Heusel Aufgabe (4 Pukte) Übuge Abgabetermi: Freitag, 24.0.204, 0 Uhr THEMEN: Testtheorie Die Sollstärke der Rohrwäde

Mehr

mathphys-online Abiturprüfung Berufliche Oberschule 2010 Mathematik 13 Technik - B I - Lösung

mathphys-online Abiturprüfung Berufliche Oberschule 2010 Mathematik 13 Technik - B I - Lösung Abiturprüfug Berufliche Oberschule 2010 Mathematik 13 Techik - B I - Lösug Teilaufgabe 1.0 Die Firma Sparlux stellt Eergiesparlampe i großer Azahl her, die, je achdem, wie geau sie die Neleistug eihalte,

Mehr

Teilaufgabe 1.1 (3 BE) Berechnen Sie die Wahrscheinlichkeit dafür, dass ein im Flughafen zufällig herausgegriffener Pauschalreisender ( ) =

Teilaufgabe 1.1 (3 BE) Berechnen Sie die Wahrscheinlichkeit dafür, dass ein im Flughafen zufällig herausgegriffener Pauschalreisender ( ) = Abiturprüfug Berufliche Oberschule 004 Mathematik 3 Techik - B I - Lösug Teilaufgabe.0 A eiem Flughafe sid 0% der Reisede Ferreisede. Uter de Ferreisede befide sich 5% Nicht-Pauschalreisede. Der Ateil

Mehr

Stochastik. Bernoulli-Experimente und Binomialverteilung. Allg. Gymnasien: ab J1 / Q1 Berufl. Gymnasien: ab Klasse 12.

Stochastik. Bernoulli-Experimente und Binomialverteilung. Allg. Gymnasien: ab J1 / Q1 Berufl. Gymnasien: ab Klasse 12. Stochastik Allg. Gymasie: ab J / Q Berufl. Gymasie: ab Klasse 2 Alexader Schwarz www.mathe-aufgabe.com August 208 Aufgabe : Ist der Zufallsversuch eie Beroulli-Kette? We ja, gib die Läge ud die Trefferwahrscheilichkeit

Mehr

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy. Vo der relative Häufigkeit zur Wahrscheilichkeit Es werde 20 Schüler befragt, ob sie ei Hady besitze. Das Ergebis der Umfrage lautet: Vo 20 Schüler besitze 99 ei Hady. Ereigis E: Schüler besitzt ei Hady

Mehr

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39 Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle

Mehr

x = a + b α + β. b) Wir erweitern den Bruch geeignet (Standardtrick: z z ist reell, daher ergibt 1/z = 1/z z/ z = z/(z z) einen reellen Nenner):

x = a + b α + β. b) Wir erweitern den Bruch geeignet (Standardtrick: z z ist reell, daher ergibt 1/z = 1/z z/ z = z/(z z) einen reellen Nenner): Karlsruher Istitut für Techologie (KIT) Istitut für Aalysis Priv-Doz Dr P C Kustma Dr D Frey WS 0/ Höhere Mathematik I für die Fachrichtug Physik Lösugsvorschläge zum 3 Übugsblatt Aufgabe Zuächst zum Supremum:

Mehr

Wahrscheinlichkeit & Statistik Musterlösung Serie 13

Wahrscheinlichkeit & Statistik Musterlösung Serie 13 ETH Zürich FS 2013 D-MATH Has Rudolf Küsch Koordiator Blaka Horvath Wahrscheilichkeit & Statistik Musterlösug Serie 13 1. a) Die Nullhypothese lautet dass das echte Medikamet höchstes gleich gut ist wie

Mehr

Höhere Mathematik 1 Kapitel 4 Differentialrechnung

Höhere Mathematik 1 Kapitel 4 Differentialrechnung Höhere Mathematik Kapitel 4 Dieretialrechu Pro. Dr.-I. Dieter Kraus Höher Mathematik Kapitel 4 Ihaltsverzeichis 4 Dieretialrechu...4-4. Grudlae...4-4.. Ableitu eier dierezierbare Fuktio...4-4.. Ableitue

Mehr

1. Musterversuch: Bestimmung der Erdbeschleunigung g Freier Fall einer Kugel

1. Musterversuch: Bestimmung der Erdbeschleunigung g Freier Fall einer Kugel . Musterversuch: Bestimmu der Erdbeschleuiu Freier Fall eier Kuel Versuchsaufbau: Die Kuel wird obe i de Halter eiespat ud schließt dabei eie elektrische Kotakt. Beim Auslöse der Kuel wird der elektrische

Mehr

Statistik I/Empirie I

Statistik I/Empirie I Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass

Mehr

Beurteilende Statistik - Testen von Hypothesen Alternativtest

Beurteilende Statistik - Testen von Hypothesen Alternativtest Moika Kobel 26.03.2005 Hypothesetest_i.mcd Beurteilede Statistik - Teste vo Hypothese Alterativtest Bsp.: Eie Fabrik liefert Schachtel mit Schraube hoher Qualität ( 10% der Schraube sid fehlerhaft ) ud

Mehr

Positiv denken! Lösungen

Positiv denken! Lösungen Schülerzirkel Mathematik Fakultät für Mathematik. Uiversität Regesburg Positiv deke! Lösuge Aufgabe 1 (GMAMQM (ur für die Klasse 7/8) [ Pukte]). Seie a, b reelle Zahle. 1. Sei a 0 ud b 0. Zeige, dass a

Mehr

R. Brinkmann Seite

R. Brinkmann  Seite R. Brikma http://brikma-du.de Seite 1.0.014 Lösuge zur Biomialverteilug I Ergebisse: E1 E E E4 E E E7 Ergebis Ei Beroulli-Experimet ist ei Zufallsexperimet, das ur zwei Ergebisse hat. Die Ergebisse werde

Mehr

LGÖ Ks VMa 12 Schuljahr 2017/2018

LGÖ Ks VMa 12 Schuljahr 2017/2018 LGÖ Ks VMa Schuljahr 7/8 Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud ugleichuge 6 Für Experte 8 Polyomgleichuge ud -ugleichuge

Mehr

Tests statistischer Hypothesen

Tests statistischer Hypothesen KAPITEL 0 Tests statistischer Hypothese I der Statistik muss ma oft Hypothese teste, z.b. muss ma ahad eier Stichprobe etscheide, ob ei ubekater Parameter eie vorgegebee Wert aimmt. Zuerst betrachte wir

Mehr

Musterlösung für die Klausur zur Vorlesung Stochastik I im WiSe 2014/2015

Musterlösung für die Klausur zur Vorlesung Stochastik I im WiSe 2014/2015 Musterlösug für die Klausur zur Vorlesug Stochastik I im WiSe 204/205 Teil I wahr falsch Aussage Gilt E[XY ] = E[X]E[Y ] für zwei Zufallsvariable X ud Y mit edlicher Variaz, so sid X ud Y uabhägig. Für

Mehr

Zusammenfassung: Gleichungen und Ungleichungen

Zusammenfassung: Gleichungen und Ungleichungen Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud -ugleichuge 6 Für Eperte 9 Polyomgleichuge ud -ugleichuge Defiitio: Ei Term

Mehr

Abiturprüfung Mathematik 13 Technik B I - Lösung mit CAS

Abiturprüfung Mathematik 13 Technik B I - Lösung mit CAS GS 04.06.2016 - m16_13t-b1_lsg_cas_gs.pdf Abiturprüfug 2016 - Mathematik 13 Techik I - Lösug mit CAS Teilaufgabe 1.0 Eiem Eishockey-Traier stehe isgesamt 15 Spieler zur Verfügug, wobei es sich um zwölf

Mehr

Reihen Arithmetische Reihen Geometrische Reihen. Datei Nr (Neu bearbeitet und erweitert) Juni Friedrich W. Buckel

Reihen Arithmetische Reihen Geometrische Reihen. Datei Nr (Neu bearbeitet und erweitert) Juni Friedrich W. Buckel Zahlefolge Teil 3 Reihe Reihe Arithmetische Reihe Geometrische Reihe Datei Nr. 4003 (Neu bearbeitet ud erweitert) Jui 005 Friedrich W. Buckel Iteretbibliothek für Schulmathematik Ihalt Defiitio eier Reihe

Mehr

Empirische Verteilungsfunktion

Empirische Verteilungsfunktion KAPITEL 3 Empirische Verteilugsfuktio 3.1. Empirische Verteilugsfuktio Seie X 1,..., X uabhägige ud idetisch verteilte Zufallsvariable mit theoretischer Verteilugsfuktio F (t) = P[X i t]. Es sei (x 1,...,

Mehr

c B Analytische Geometrie

c B Analytische Geometrie KITL 9 alytische Geometrie Gerade arameterdarstellug eier Gerade ie Gerade g ist bestimmt durch eie Richtug, gegebe durch eie Vektor c, c 0, ud eie ukt, der auf der Gerade liegt Ma et de ufpukt i ukt X

Mehr

Zählterme (Seite 1) Aufgabe: Wie viele Nummernschilder kann es theoretisch im Raum Dresden geben? Wann müsste die 4.Ziffer eingeführt werden?

Zählterme (Seite 1) Aufgabe: Wie viele Nummernschilder kann es theoretisch im Raum Dresden geben? Wann müsste die 4.Ziffer eingeführt werden? Bemerkug: I Mathematik sollte ma keie Fahrpläe verwede, i der Stochastik erst recht icht. Zitat vo S.L. Das Baumdiagramm ist aber fast immer ei geeigetes Hilfsmittel. Produktregel Aufgabe: Wie viele Nummerschilder

Mehr

Kapitel 6 Differenzierbarkeit

Kapitel 6 Differenzierbarkeit Kapitel 6 Differezierbarkeit Ihalt 6.1 6.1Die Defiitio 6.2 6.2Die Eigeschafte 6.3 6.3Extremwerte Seite 2 Was heißt differezierbar? Differezierbare Fuktioe sid sid glatte Fuktioe. Wir Wir beschreibe diese

Mehr

Testen statistischer Hypothesen

Testen statistischer Hypothesen Kapitel 9 Teste statistischer Hypothese 9.1 Eiführug, Sigifiaztests Sigifiaztest für µ bei der ormalverteilug bei beatem σ = : X i seie uabhägig ud µ, ) verteilt, µ sei ubeat. Stelle eie Hypothese über

Mehr

13. Landeswettbewerb Mathematik Bayern

13. Landeswettbewerb Mathematik Bayern 3. Ladeswettbewerb Mathematik Bayer Lössbeispiele für die Afabe der. Rde 00/0 Afabe I eiem 0x0-Gitter mit qadratische Felder werde 0 Spielsteie so esetzt, dass i jeder Spalte d jeder Zeile ea ei Feld belet

Mehr

Die notwendigen Verteilungstabellen finden Sie z.b. hier:

Die notwendigen Verteilungstabellen finden Sie z.b. hier: Fakultät für Mathematik Istitute IAG ud IMO Prof. Dr. G. Kyureghya/Dr. M. Hödig Schätz- ud Prüfverfahre Die otwedige Verteilugstabelle fide Sie z.b. hier: http://www.ivwl.ui-kassel.de/kosfeld/lehre/zeitreihe/verteilugstabelle.pdf

Mehr

D-HEST, Mathematik III HS 2015 Prof. Dr. E. W. Farkas R. Bourquin und M. Sprecher. Lösung 1

D-HEST, Mathematik III HS 2015 Prof. Dr. E. W. Farkas R. Bourquin und M. Sprecher. Lösung 1 D-HEST, Mathematik III HS 15 Prof. Dr. E. W. Farkas R. Bourqui ud M. Sprecher Lösug 1 Das erste Kapitel der Vorlesug behadelt die Theorie der Fourier-Reihe. Bearbeite Sie bitte folgede Frage olie bis Diestag,

Mehr

(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen.

(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen. Schülerbuchseite 98 1 Lösuge vorläufig IV Beurteilede Statistik S. 98 p S. 1 p w a t Tabelle Tabelle dowloadbar im Iteretauftritt 1 Teste vo Hypothese 1 a) Erwartugswert μ = 5 ud Stadardabweichug σ = 1,6;

Mehr

Analysis I Lösungsvorschläge zum 3. Übungsblatt Abgabe: Bis Donnerstag, den , um 11:30 Uhr

Analysis I Lösungsvorschläge zum 3. Übungsblatt Abgabe: Bis Donnerstag, den , um 11:30 Uhr Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Dipl.-Math. Lars Machiek Dipl.-Math. Sebastia Schwarz WS 206/207 03..206 Aalysis I Lösugsvorschläge zum 3. Übugsblatt Abgabe:

Mehr

Zusammenfassung: Gleichungen und Ungleichungen

Zusammenfassung: Gleichungen und Ungleichungen LGÖ Ks VMa Schuljahr 6/7 Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud ugleichuge 6 Für Eperte 8 Polyomgleichuge ud -ugleichuge

Mehr

Anwendungen der Wahrscheinlichkeit II. Markovketten

Anwendungen der Wahrscheinlichkeit II. Markovketten Aweduge der Wahrscheilichkeit II 1. Fragestelluge Markovkette Markovkette sid ei häufig verwedetes Modell zur Beschreibug vo Systeme, dere Verhalte durch eie zufällige Übergag vo eiem Systemzustad zu eiem

Mehr

Es gibt verschiedene Möglichkeiten eine Folge zu definieren. Die zwei häufigsten Methoden

Es gibt verschiedene Möglichkeiten eine Folge zu definieren. Die zwei häufigsten Methoden Folge ud Reihe Folge Eie Folge ist eie Abbildug der atürliche Zahle N = {0, 1,,...} i die Mege der (zumidest i de meiste Fälle) reelle Zahle R. I diesem Fall ka ma sich eie Folge als Pukte i eiem Koordiatesystem

Mehr

Methode der kleinsten Quadrate

Methode der kleinsten Quadrate Methode der kleiste Quadrate KAPITEL 5: REGRESSIONSRECHNUNG Die Methode der kleiste Quadrate (MklQ) ist ei Verfahre zur Apassug eier Fuktio a eie Puktwolke. Agewadt wird sie beispielsweise, um eie Gesetzmäßigkeit

Mehr

Vl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3

Vl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3 Vl Statistische Prozess ud Qualitätskotrolle ud Versuchsplaug Übug 3 Aufgabe ) Die Schichtdicke X bei eier galvaische Beschichtug vo Autoteile sei ormalverteilt N(μ,σ ). 4 Teile werde galvaisch beschichtet.

Mehr

Stochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL)

Stochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Prof. Dr. M. Schweizer ETH Zürich Witer 28 Stochastik - Lösug (BSc D-MAVT / BSc D-MATH / BSc D-MATL). (6 Pukte) a) (2 Pukte) Wir defiiere die Ereigisse K {die Perso ist krak} ud T {der Test ist positiv}.

Mehr

ABITURPRÜFUNG 2007 GRUNDFACH MATHEMATIK

ABITURPRÜFUNG 2007 GRUNDFACH MATHEMATIK ABITURPRÜFUNG 007 GRUNDFACH MATHEMATIK (HAUPTTERMIN) Arbeitszeit: Hilfsmittel: 0 Miute Wörterbuch zur deutsche Rechtschreibug Tascherecher (icht programmierbar, icht grafikfähig) Tafelwerk Wähle Sie vo

Mehr

Kurvenanpassung durch Regression (3) Ac nichtlineare Regression/Linearisierung -

Kurvenanpassung durch Regression (3) Ac nichtlineare Regression/Linearisierung - Kurveapassug durch Regressio (3) Ac 207 - ichtlieare Regressio/Liearisierug - Für Probleme, die eie icht lieare ( ud icht polyomiale) Apassugsfuktio ahelege, ist eie direkte Berechug ach der Methode der

Mehr

Proseminar: Mathematisches Problemlösen. Ungleichungen 2. Pierre Schmidt. Vortragstermin: 19. Juni Fakultät für Mathematik

Proseminar: Mathematisches Problemlösen. Ungleichungen 2. Pierre Schmidt. Vortragstermin: 19. Juni Fakultät für Mathematik Prosemiar: Mathematisches Problemlöse Ugleichuge Pierre Schmidt Vortragstermi: 19. Jui 015 Übugsleiteri: Dr. Natalia Griberg Fakultät für Mathematik Karlsruher Istitut für Techologie Ihaltsverzeichis 1

Mehr

Die Wurzel einer Zahl a ist die Zahl, die mit sich selbst malgenommen wieder a ergibt.

Die Wurzel einer Zahl a ist die Zahl, die mit sich selbst malgenommen wieder a ergibt. Wurzel Wurzelexpoet Radikad oder auch Basis Die Wurzel eier Zahl a ist die Zahl, die mit sich selbst malgeomme wieder a ergibt. Die -te Wurzel et ma auch Quadratwurzel, dabei lässt ma die (als Wurzelexpoet)

Mehr

Übungen zu QM III Mindeststichprobenumfang

Übungen zu QM III Mindeststichprobenumfang Techische Hochschule Köl Fakultät für Wirtschafts- ud Rechtswisseschafte Prof. Dr. Arreberg Raum 221, Tel. 39 14 jutta.arreberg@th-koel.de Übuge zu QM III Mideststichprobeumfag Aufgabe 12.1 Sie arbeite

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Übug 6 3.03.20 Ihalt der heutige Übug Aufgabe D.7: Reche mit Zufallsvariable Erwartugswert- ud Variazoperator Statistik ud Wahrscheilichkeitsrechug

Mehr

sfg Quadratwurzeln a ist diejenige nichtnegative Zahl (a 0), die quadriert a ergibt: Die Zahl a unter der Wurzel heißt Radikand:

sfg Quadratwurzeln a ist diejenige nichtnegative Zahl (a 0), die quadriert a ergibt: Die Zahl a unter der Wurzel heißt Radikand: M 9.1 Quadratwurzel a ist diejeige ichtegative Zahl (a 0), die quadriert a ergibt: a 2 = a Die Zahl a uter der Wurzel heißt Radikad: a Quadratwurzel sid ur für ichtegative Zahle defiiert: a 0 25 = 5; 81

Mehr

3.2 Wilcoxon Rangsummentest

3.2 Wilcoxon Rangsummentest 3. Wilcoxo Ragsummetest Wir gehe davo aus, dass zwei Teilstichprobe x 1, x,..., x 1 ud y1, y,..., y vorliege, wobei die erste Teilstichprobe aus Realisieruge vo uabhägig ud idetisch stetig verteilte Zufallsvariable

Mehr

b) Alle ganzen Zahlen die auf 0 enden sind durch 5 teilbar Spezialisierung: 120 endet auf ist durch 5 teilbar

b) Alle ganzen Zahlen die auf 0 enden sind durch 5 teilbar Spezialisierung: 120 endet auf ist durch 5 teilbar d) Die Beweismethode der vollstädige Iduktio Der Übergag vo allgemeie zu spezielle Aussage heisst Deduktio Beispiele: a) Allgemeie Aussage: Spezialisierug: Schluss: Alle Mesche sid sterblich Sokrates ist

Mehr

6. Übung - Differenzengleichungen

6. Übung - Differenzengleichungen 6. Übug - Differezegleichuge Beispiel 00 Gesucht sid alle Lösuge vo a) x + 3x + = 0 ud b) x + x + 7 = 0, jeweils für 0. Um diese lieare Differezegleichug erster Ordug zu löse, verwede wir die im Buch auf

Mehr

Wirksamkeit, Effizienz

Wirksamkeit, Effizienz 3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue

Mehr

Grenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen

Grenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen . Der Grezwert vo mootoe, beschräkte Folge Der Grezwert vo mootoe, beschräkte Folge ist eifacher verstädlich als der allgemeie Fall. Deshalb utersuche wir zuerst diese Spezialfall ud verallgemeier aschliessed.

Mehr

Diesen Grenzwert nennt man partielle Ableitung von f nach x i und

Diesen Grenzwert nennt man partielle Ableitung von f nach x i und Bevor wir zum ächste Kapitel übergehe, werde wir de Begri eier Fuktio i mehrere Variable eiführe. Eie Fuktio vo Variable ist eie Vorschrift, die jedem Pukt (x 1,x,...,x ) eier Teilmege D des IR eie bestimmte

Mehr

Normierte Vektorräume

Normierte Vektorräume Normierte Vektorräume Wir betrachte im Folgede ur Vektorräume über R 1. Sei also V ei Vektorraum. Wir möchte Metrike auf V betrachte, die im folgede Sie mit der Vektorraumstruktur verträglich sid:, y,

Mehr

Vl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5

Vl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5 Vl Statistische Prozess- ud Qualitätskotrolle ud Versuchsplaug Übug 5 Aufgabe ) Sei p = P(A) die Wahrscheilichkeit für ei Ereigis A, dh., es gilt 0 p. Bereche Sie das Maximum der Fuktio f(p) = p(-p). Aufgabe

Mehr

n=0 f(x) = log(1 + x) = n=1

n=0 f(x) = log(1 + x) = n=1 Potez - Reihe Machmal ist es praktisch eie Fuktio f() mir Hilfe ihrer Potezreihe auszudrücke. Eie Potezreihe um de Etwicklugspukt 0 sieht im Allgemeie so aus a ( 0 ) Fuktioe, für die eie Potezreihe eistiert,

Mehr

Reelle Folgen. Definition. Eine reelle Folge ist eine Abbildung f : N R. liefert ( 7 9, 37

Reelle Folgen. Definition. Eine reelle Folge ist eine Abbildung f : N R. liefert ( 7 9, 37 Reelle Folge Der Begriff der Folge ist ei grudlegeder Baustei der Aalysis, weil damit u.a. Grezprozesse defiiert werde köe. Er beschreibt de Sachverhalt eier Abfolge vo Elemete, wobei die Reihefolge bzw.

Mehr

Wahrscheinlichkeitstheorie und Statistik vom

Wahrscheinlichkeitstheorie und Statistik vom INSTITUT FÜR MATHEMATISCHE STOCHASTIK WS 005/06 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Klausur Wahrscheilichkeitstheorie ud Statistik vom 9..006 Musterlösuge Aufgabe A: Gegebe sei eie Urliste

Mehr

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG. - LÖSUNGEN. ypothesetest für die Dicke vo Plättche Die Dicke X vo Plättche, die auf eier bestimmte Maschie

Mehr

4. Reihen Definitionen

4. Reihen Definitionen 4. Reihe 4.1. Defiitioe Addiere wir die Glieder eier reelle Zahlefolge (a k ), so heißt diese Summe S (uedliche) (Zahle-) Reihe S (Folge: Fuktio über N; Reihe: 1 Zahl): S := a 1 + a 2 + a 3 +... := Σ a

Mehr

Lösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung

Lösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung Prof. Dr. V. Schmidt WS 200/20 G. Gaiselma, A. Spettl 7.02.20 Lösugsvorschlag Probeklausur zur Elemetare Wahrscheilichkeitsrechug Hiweis: Der Umfag ud Schwierigkeitsgrad dieser Probeklausur muss icht dem

Mehr

Konfidenzintervalle. Praktische Übung Stochastik SS 2017 Lektion 10 1

Konfidenzintervalle. Praktische Übung Stochastik SS 2017 Lektion 10 1 Kofidezitervalle Praktische Übug Stochastik SS 017 Lektio 10 1 Kofidezitervalle Geerelle Aahme: Parametrisches Modell (P ϑ ) ϑ Θ Beobachtuge X 1,..., X u.i.v. ach P ϑ mit ubekatem ϑ Θ Grudidee: Schätzer

Mehr

Aufgaben zur Übung und Vertiefung

Aufgaben zur Übung und Vertiefung Aufgabe zur Übug ud Vertiefug ARITHMETISCHE ZAHLENFOLGEN Berufliches Gymasium / Uterstufe () Stelle Sie fest, welche der gegebee Folge arithmetisch sid: Bestimme Sie zuächst die erste füf Folgeglieder,

Mehr

Grenzwerte von Folgen. 1-E Ma 1 Lubov Vassilevskaya

Grenzwerte von Folgen. 1-E Ma 1 Lubov Vassilevskaya Grezwerte vo Folge -E Ma Lubov Vassilevskaya Berechug vo Grezwerte: Aufgabe Die Berechug vo Grezwerte ka oft ziemlich umstädlich sei. Die etwickelte Regel vereifache oft solche Berechuge. Diese Regel beruhe

Mehr

Diplomvorprüfung Stochastik

Diplomvorprüfung Stochastik Uiversität Karlsruhe TH Istitut für Stochastik Prof. Dr. N. Bäuerle Name: Vorame: Matr.-Nr.: Diplomvorprüfug Stochastik 10. Oktober 2006 Diese Klausur hat bestade, wer midestes 16 Pukte erreicht. Als Hilfsmittel

Mehr

Aussagenlogik. Aussagenlogik

Aussagenlogik. Aussagenlogik I der mathematische Logik gibt es geau zwei Wahrheitswerte ämlich ur wahr oder falsch. Ei Drittes gibt es icht (Tertium o datur!). Zu eier Aussage a lässt sich die Negatio a (die Vereiug, sprich: "icht

Mehr

6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $

6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $ Mathematik für Iformatiker B, SS 0 Diestag 5.6 $Id: folge.tex,v. 0/06/05 ::8 hk Exp $ 6 Folge 6.4 Folge reeller Zahle I der letzte Sitzug habe wir de Begriff des Grezwerts eier Folge i eiem metrische Raum

Mehr

Beispiellösungen zu Blatt 105

Beispiellösungen zu Blatt 105 µ κ Mathematisches Istitut Georg-August-Uiversität Göttige Aufgabe 1 Beispiellösuge zu Blatt 105 Alva liebt Advetskaleder. Aber sie hat keie Lust, die Türe vo 1 bis i der ormale Reihefolge zu öffe. Daher

Mehr

Höhere Mathematik I für die Fachrichtung Physik

Höhere Mathematik I für die Fachrichtung Physik Karlsruher Istitut für Techologie Istitut für Aalysis Dr Christoph Schmoeger Dipl-Math Sebastia Schwarz WS 4/5 45 Höhere Mathematik I für die Fachrichtug Physik Lösugsvorschläge zur Übugsklausur Aufgabe

Mehr

Tutorium Mathematik ITB1(B), WI1(B)

Tutorium Mathematik ITB1(B), WI1(B) Tutorium Mathematik ITB(B), WI(B) Aufgabeblatt F Aufgabe zum Kapitel Fuktioe Prof Dr Peter Plappert Fachbereich Grudlage Aufgabe : Bestimme Sie jeweils de maimal mögliche Defiitiosbereich D ma a) f ( =

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN Prof Dr R Köig Dr M Prähofer Zetralübug TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik Mathematik für Physiker (Aalysis ) MA90 Witersem 07/8 Lösugsblatt 4 http://www-m5matumde/allgemeies/ma90 07W (007)

Mehr

2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters:

2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters: . Schätzverfahre. Puktschätzug wirtschaftlicher Kezahle Allgemei: Puktschätzug eies Parameters: Ermittlug eies Schätzwertes für eie ubekate Parameter eier Zufallsvariable i der Grudgesamtheit mit Hilfe

Mehr

, h(1) =, h(2) = c. a) Säulendiagramm siehe Tafel- oder Folienskizze b) Ermittlung von c: Die Summe der relativen Häufigkeiten muss 1 sein: c = 4 9

, h(1) =, h(2) = c. a) Säulendiagramm siehe Tafel- oder Folienskizze b) Ermittlung von c: Die Summe der relativen Häufigkeiten muss 1 sein: c = 4 9 Techische Uiversität Müche SS 2006 Zetrum Mathematik Blatt 3 Prof. Dr. J. Hartl Dr. Haes Petermeier Dr. Corelia Eder Dipl.-Ig. Marti Nagel Höhere Mathematik 2 (Weihestepha). Jeder der Bewoher eies Stadtviertels

Mehr

4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa

4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa 20 I. Zahle, Kovergez ud Stetigkeit 4 Kovergete Folge 4. Dezimalzahle ud Itervallschachteluge. a) Reelle Zahle werde meist als Dezimalzahle dargestellt, etwa 7,304 = 0+7 +3 0 +0 00 +4 000. Edliche Dezimalzahle

Mehr

Grundbegriffe der Differentialrechnung

Grundbegriffe der Differentialrechnung Wirtschaftswisseschaftliches Zetrum Uiversität Basel Mathematik für Ökoome 1 Dr. Thomas Zehrt Grudbegriffe der Differetialrechug Referez: Gauglhofer, M. ud Müller, H.: Mathematik für Ökoome, Bad 1, 17.

Mehr

Mathematik 2 für Naturwissenschaften

Mathematik 2 für Naturwissenschaften Has Walser Mathematik 2 für Naturwisseschafte 2 3 3 4 6 4 5 0 0 5 6 5 20 5 6 Modul 209 Tabelle Has Walser: Modul 209, Tabelle ii Ihalt Fakultäte... 2 Biomialkoeffiziete... 2 3 Biomische Verteilug... 3

Mehr

4 Schwankungsintervalle Schwankungsintervalle 4.2

4 Schwankungsintervalle Schwankungsintervalle 4.2 4 Schwakugsitervalle Schwakugsitervalle 4. Bemerkuge Die bekate Symmetrieeigeschaft Φ(x) = 1 Φ( x) bzw. Φ( x) = 1 Φ(x) für alle x R überträgt sich auf die Quatile N p der Stadardormalverteilug i der Form

Mehr

Erfolg im Mathe-Abi 2017

Erfolg im Mathe-Abi 2017 Gruber I Neuma Erfolg im Mathe-Abi 2017 Übugsaufgabe für de Wahlteil Bade-Württemberg mit Tipps ud Lösuge Ihaltsverzeichis Ihaltsverzeichis Aalysis 1 Tuel... 7 2 Widkraftalage... 8 3 Testzug... 9 4 Abkühlug...

Mehr

Proseminar Lineare Algebra WS 2016/17

Proseminar Lineare Algebra WS 2016/17 Prosemiar Lieare Algebra WS 2016/17 Bachelorstudium Lehramt Sekudarstufe (Allgemeibildug) Lehramtsstudium Uterrichtsfach Mathematik Kapitel 0: Grudlage 1. Wie sid die Begriffe Vereiigug, Durchschitt ud

Mehr

1 Integrationsmethoden

1 Integrationsmethoden KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffma WS 3/4 4..4 Höhere Mathematik I für die Fachrichtug Iformatik Itegratiosmethode. Saalübug (4..4) Aufgabe Bereche

Mehr

Kapitel 2. Terme. oder (x + 1)(x 1) = x 2 1

Kapitel 2. Terme. oder (x + 1)(x 1) = x 2 1 Kapitel 2 Terme Josef Leydold Auffrischugskurs Mathematik WS 207/8 2 Terme / 74 Terme Ei mathematischer Ausdruck wie B R q q (q ) oder (x + )(x ) x 2 heißt eie Gleichug. Die Ausdrücke auf beide Seite des

Mehr

Kapitel VI. Einige spezielle diskrete Verteilungen

Kapitel VI. Einige spezielle diskrete Verteilungen Kapitel VI Eiige spezielle diskrete Verteiluge D 6 (Hypergeometrische Verteilug) Eie Zufallsvariable X heißt hypergeometrisch verteilt, we sie folgede Wahrscheilichkeitsfuktio besitzt: M N M P ( X ) p

Mehr

1 Randomisierte Bestimmung des Medians

1 Randomisierte Bestimmung des Medians Praktikum Diskrete Optimierug (Teil 0) 0.07.006 Radomisierte Bestimmug des Medias. Problemstellug ud Ziel I diesem Abschitt stelle wir eie radomisierte Algorithmus zur Bestimmug des Medias vor, der besser

Mehr

Nachklausur - Analysis 1 - Lösungen

Nachklausur - Analysis 1 - Lösungen Prof. Dr. László Székelyhidi Aalysis I, WS 212 Nachklausur - Aalysis 1 - Lösuge Aufgabe 1 (Folge ud Grezwerte). (i) (1 Pukt) Gebe Sie die Defiitio des Häufugspuktes eier reelle Zahlefolge (a ) N. Lösug:

Mehr

( ), der genau auf der Geraden ( ) 2 ( ) #( ) 8. Lineare Regression. = f i. Nach der Summe der kleinsten. mx i

( ), der genau auf der Geraden ( ) 2 ( ) #( ) 8. Lineare Regression. = f i. Nach der Summe der kleinsten. mx i 8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Ziel dieses Verfahres ist es, Beziehuge zwische zwei Merkmale

Mehr

Einheitswurzeln und Polynome

Einheitswurzeln und Polynome Eiheitswurzel ud Polyome Axel Schüler, Mathematisches Istitut, Uiv. Leipzig mailto:schueler@mathematik.ui-leipzig.de Grüheide, 1.3.2000 Kojugatio ud Betrag Spiegelt ma eie komplexe Zahl z = a+b i a der

Mehr

X X Schätzen von Vertrauensintervallen Schwankungsintervall

X X Schätzen von Vertrauensintervallen Schwankungsintervall .. Schätze vo Vertrauesitervalle..1. Schwakugsitervall Beispiel: X = Betrag vo Geldüberweisuge, ormalverteilt, µ = 5000, = 1000 Zufallsstichprobe mit = 100, Schätzer für µ: X X Gesucht: Itervall, i dem

Mehr

Wirtschaftsmathematik

Wirtschaftsmathematik Studiegag Betriebswirtschaft Fach Wirtschaftsmathematik Art der Leistug Studieleistug Klausur-Kz. BW-WMT-S1 040508 Datum 08.05.004 Bezüglich der Afertigug Ihrer Arbeit sid folgede Hiweise verbidlich: Verwede

Mehr

3 Vergleich zweier unverbundener Stichproben

3 Vergleich zweier unverbundener Stichproben 3 Vergleich zweier uverbudeer Stichprobe 3. Der Zweistichprobe t-test Es wird vorausgesetzt, dass die beide Teilstichprobe x, x,..., x ud y, y,..., y jeweils aus (voeiader uabhägige) ormalverteilte Grudgesamtheite

Mehr

Nennenswertes zur Stetigkeit

Nennenswertes zur Stetigkeit Neeswertes zur Stetigkeit.) Puktweise Stetigkeit: Vo Floria Modler Defiitio der pukteweise Stetigkeit: Eie Fuktio f : D R ist geau da i x D stetig, we gilt: ε > δ >, so dass f ( x) f ( x ) < ε x D mit

Mehr

und wird als n-dimensionaler (reeller) Vektorraum bezeichnet. heißt der von v 1,..., v k aufgespannte Unterraum des R n.

und wird als n-dimensionaler (reeller) Vektorraum bezeichnet. heißt der von v 1,..., v k aufgespannte Unterraum des R n. Reeller Vektorraum Kapitel Vektorräume Die Mege aller Vektore x mit Kompoete bezeiche wir mit x R =. : x i R, i x ud wird als -dimesioaler (reeller) Vektorraum bezeichet. Defiitio Ei Vektorraum V ist eie

Mehr

1. Folgen ( Zahlenfolgen )

1. Folgen ( Zahlenfolgen ) . Folge ( Zahlefolge Allgemeies Beispiel für eie regelmäßige Folge: /, /3, /4, /5, /6,... Das erste Glied ist a =/ Das ist das Glied mit dem Ide Das zweite Glied ist a =/3 Das ist das Glied mit dem Ide

Mehr

Übungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 8

Übungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 8 Mathematisches Istitut der Uiversität Müche Prof Dr Peter Otte WiSe 203/4 Lösug 8 032203 Übuge zur Aalysis für Iformatiker ud Statistiker Lösug zu Blatt 8 Aufgabe 8 [8 Pukte] (a) Für alle N sei = (+) Wir

Mehr

3. Anwendungen der Differentialrechnung

3. Anwendungen der Differentialrechnung Talorsche Formel ud Mittelwertsatz 4 Aweduge der Differetialrechug Talorsche Formel ud Mittelwertsatz Die Gleichug der Tagete = f ( ( a die Kurve = f( im Pukt (, liefert eie grobe Näherug für die Fuktio

Mehr

Mathematische Probleme, SS 2015 Donnerstag $Id: convex.tex,v /05/21 18:28:20 hk Exp $

Mathematische Probleme, SS 2015 Donnerstag $Id: convex.tex,v /05/21 18:28:20 hk Exp $ $Id: covex.tex,v 1.18 2015/05/21 18:28:20 hk Exp $ 3 Kovexgeometrie 3.2 Die platoische Körper Ei platoischer Körper vo Typ (, m) ist ei kovexer Polyeder desse Seitefläche alle gleichseitige -Ecke ud i

Mehr

3. Taylorformel und Taylorreihen

3. Taylorformel und Taylorreihen Prof Dr Siegfried Echterhoff Aalysis Vorlesug SS 9 3 Taylorformel ud Taylorreihe Sei I R ei Itervall ud sei f : I R eie Fuktio Ziel: Wolle utersuche, wa sich die Fuktio f i eier Umgebug vo eiem Pukt I

Mehr