Vorbereitung auf 6. Übungsblatt (Präsenzübungen) - Lösungen

Größe: px
Ab Seite anzeigen:

Download "Vorbereitung auf 6. Übungsblatt (Präsenzübungen) - Lösungen"

Transkript

1 Prof. Dr. Raier Dahlhaus Statisti Witersemester 06/07 Vorbereitug auf 6. Übugsblatt Präsezübuge - Lösuge Aufgabe P0 Bereche vo UMVU-Schätzer. Gegebe sei jeweils ei statistisches Modell R, B R, P θ, θ Θ ud eie vollstädige Statisti T : R R für θ. Wede Sie jeweils eimal Methode i ud ii vo Blatt 6, Aufgabe 0 a um die UMVU-Schätzer für das agegebee gθ zu bestimme. a P θ Bi, θ mit θ 0,, T x i x i, gθ θ θ. b P θ vexpθ, λ mit θ R, λ > 0, T x mi{x,..., x } ud gθ θ. Hiweis: Die Dichte eie vexpθ, λ-verteilug ist gegebe durch f θ,λ x exp λx θ {x θ}. Lösug: a i Beatermaße gilt P T θ Bi, θ. Es folgt: θ θ gθ ht dp T θ t h θ θ θ θ Setze ψ 0 0 θ θ θ h h ] 0 θ θ. ψ +ψ. Mit θ θ ψ + ψ folgt: ] ψ ψ + ψ Bi. Lehrsatz ψ 0 ψ ψ. Auf der lie ud rechte Seite der Gleichug stehe u Polyome i ψ. Mit Koeffizietevergleich folgt: h0 0, h 0, h,..., Beachte, dass somit 0,..., : h. Somit folgt: S x ht x T x T x ist der UMVU-Schätzer für gθ die empirische Stadardabweichug. ii Es ist P T θ Bi, θ ud daher x i x E θ T θ, E θ T Var θ T + E θ T θ θ + θ θ + θ i

2 Asatz: Drüce Poteze vo θ durch Kombiatioe vo E θ T ud E θ T ] aus, ud daach die gesuchte zu schätzede Futio gθ. Damit ist E θ T T ] θ, ud also θ θ θ θ E θt Damit ist S T T b i Es gilt P T θ gelte Das ist äquivalet zu E θt T ] der gesuchte UMVU-Schätzer. T T ] E θt T ] E θ. vexpθ, λ achreche mit üblichem Miimum-Argumet. Es soll θ gθ ht dp T θ θe λθ λ θ θ htλe λt θ dt. hte λt dt. Mit dem Hauptsatz der Differetial- ud Itegralrechug folgt Ableite ach θ auf beide Seite, wir ehme a, dass hte λt 0 für t : λθe λθ λhθe λt hθ θ λ. Damit ist S h T T mi{x λ,..., X } ii Wege P T θ vexpθ, λ ist λ der gesuchte UMVU-Schätzer. Damit folgt E θ T also ist S T λ θ tλe λt θ dt x:t θ ] E θ T θ, λ der gesuchte UMVU-Schätzer. 0 x + θλe λx dt λ + θ. Aufgabe P Charaterisierug ud Eideutigeit vo UMVU-Schätzer. Sei P {P θ : θ Θ} eie Familie vo Verteiluge ud S ei U-Schätzer für θ mit E θ S ] < für alle θ Θ. Zeige Sie: a Es gilt die folgede Äquivalez: S ist ei UMVU-Schätzer für θ geau da, we für jede U-Schätzer S vo 0 mit E θ S ] < für alle θ Θ gilt: E θ SS ] 0 für alle θ Θ. b Es gibt höchstes eie UMVU-Schätzer für θ. HIweis: Nehme Sie a, es gäbe zwei UMVU-Schätzer S, S ud zeige Sie S S P θ -f.s. für alle θ Θ. Nutze Sie dabei die Charaterisierug i a. Lösug: a " ": Sei S UMVU-Schätzer. Ageomme, es gibt eie U-Schätzer S für 0 mit θ Θ : E θ S ] < ud ei θ 0 Θ mit E θ0 SS ] 0. Ist E θ0 S ] 0, würde scho S 0 P θ0 -f.s. folge, was ei Widerspruch zu E θ0 SS ] 0 wäre. Also ist E θ0 S ] > 0. I diesem Fall defiiere wir mit λ 0 : E θ 0 SS ] E θ0 S ] : S : S + λ 0 S.

3 S ist wieder ei U-Schätzer für θ mit der Eigeschaft E θ S ] < für alle θ Θ. Es gilt E θ0 S ] E θ0 S ] E θ 0 SS ] E θ0 S ] < E θ 0 S ], ud daher auch beachte, dass sowohl S als auch S U-Schätzer sid Var θ0 S < VarS. Das ist ei Widerspruch zur UMVU-Eigeschaft vo S. " ": Wir müsse zeige, dass S uter der agegebee Eigeschaft ei UMVU-Schätzer ist. Sei also S ei beliebiger weiterer U-Schätzer vo θ mit der Eigeschaft E θ S ] < für alle θ Θ. Sei u θ Θ fest gewählt. Da ist S S U-Schätzer für 0. Mit der Charaterisierug folgt E θ SS S] 0 E θ S CSU ] E θ S S] E θ S ] / E θ S ] /. hierbei ist CSU eie Abürzug für die Cauchy-Schwarz-Ugleichug. SIm Falle E θ S ] 0 ist ichts zu zeige, de da wäre S 0 P θ -f.s. ud hätte die leistmögliche Variaz. Für E θ S ] > 0 folgt aus *: E θ S ] E θ S ] ud daher beides U-Schätzer Var θ S Var θ S. Damit ist S UMVU-Schätzer. b Ageomme, es gäbe zwei UMVU-Schätzer S, S. Es folgt mit a: Für alle θ Θ ist E θ SS S] 0 E θ S S] E θ S ] Cov θ S, S Var θ S beide UMVU Var θ S. Damit folgt aber Corr θ S, S Korrelatio gleich. Laut eiem Satz aus der Eiführugsvorlesug muss es daher a, b R mit a, b 0, 0 gebe mit as + b S 0 P θ -f.s. Es ist aber da 0 E θ as + b S] a + bθ für alle θ Θ, d.h. a + b 0. Wir schließe S S P θ -f.s. für alle θ Θ. Aufgabe P Berechug vo MRE-Schätzer. Es seie X,..., X iid Pθ : Nθ, σ bzw. Uθ σ, θ + σ] uabhägig ud idetisch ormalverteilt bzw. gleichverteilt mit Parameter θ R, σ > 0. a Bereche Sie de MRE-Schätzer vo θ für die quadratische Verlustfutio Lθ, s : s θ mittels der Pitma-Formel Satz 3.7. Im Folgede soll der MRE-Schätzer vo θ für die lieare Verlustfutio Lθ, s s θ auf zwei verschiedee Weise bestimmt werde. Sei Y X X,..., X X. b Betrachte Sie für X X,..., X P 0 de äquivariate Schätzer SX X ud bereche Sie eie Media v y vo P SX Y y. c Es ist beat, dass SX i X i diese Aufgabe ur für die Normalverteilug eie vollstädige Statisti für θ ist. Bereche Sie mit Hilfe des Lemmas vo Basu eie Miimierer v y vo E SX v Y y]. Hiweis: Sie müsse hier die Verteilug vo SX bereche. Bestimme Sie de i beide Fälle gleiche Schätzer S X SX v Y. 3

4 Lösug: Normalverteilug: a Die -dimesioale Normalverteilug P θ hat Dichte p θ x exp x i θ πσ σ i bzgl. des Lebesgue-Maßes, wobei p 0 x πσ exp σ πσ exp σ i x i. x i θ p 0 x µ, i Es gilt x i u i x i u i x i + u i ] u x x + x ] u ux + x u x + ] x x, damit: u p 0 x u,..., x u du R πσ u exp R σ x i u du i πσ e σ x x π σ u exp u x R σ πσ e σ x x π σ x. π σ } {{ } Dichte vo Nx, σ du Aalog: R p 0 x u,..., x u du πσ e σ x x π σ. Daher: S x R u p 0x u,..., x u du R p 0x u,..., x u du x. b Wie im Beweis vo Satz 3.7 bestimme wir zuächst mittels der Trasformatiosformel die Dichte vo Y, X, welche gegebe ist durch ürze ab: y y,..., y : f Y,Xy, x p 0 y + x,..., y + x, x. mit obigem p 0. Daraus erhalte wir die bedigte Dichte beachte SX X : f SX Y y s f Y,SXy, s f Y y p 0 y + s,..., y + s, s p 0y + s,..., y + s, s ds 4

5 Ei Media m R vo P SX Y y erfüllt s.o., u:x s m m x m f SX Y y s ds m p 0 y + s,..., y + s, s ds exp f SX Y y s ds σ u x du m x m p 0 y + s,..., y + s, s ds exp σ u x du Die Itegrale öe hier icht ohe Weiteres explizit ausgerechet werde. Offesichtlich ist der Itegrad aber symmetrisch um u x. Daher muss die Greze der Itegrale x m x erfülle. Es folgt m x x. Wir erhalte beachte v y m S X SX v Y X X X X. c Nach Voraussetzug ist SX vollstädig für θ R. Aus der Vorlesug ist beat, dass Y verteilugsfrei für θ R ist. Mit dem Lemma vo Basu folgt, dass Y, SX uabhägig sid. Damit ist: fv : E 0 SX v Y y] E 0 SX v, d.h. fv ist ostat i y. Es bleibt die Verteilug vo SX zu bestimme. Aus beate Regel für die lieare Trasformatio ud Faltug vo Normalverteiluge folgt uter P 0 : SX X N0, σ. Da diese Verteilug symmetrisch ist, ist ihr Media 0. v y miimiert v E 0 SX v, d.h. v y ist ei Media vo P SX 0. Damit muss aber v y 0 gelte ud wir erhalte S X SX v y X. Gleichverteilug: a Die gemeisame Dichte vo X,..., X uter P θ lautet p θ x p 0 x θ mit ürze ab: x x,..., x Es folgt p 0 x i σ σ,σ]x i σ { σ mi{x,...,x }} {max{x,...,x } σ} p 0 x u,..., x u σ {u σ mi{x,...,x }} {max{x,...,x } u+σ} Wir erhalte für de Pitma-Schätzer: S R x u p mi{x,...,x }+σ 0x u,..., x u du R p 0x u,..., x u du u du max{x,...,x } σ mi{x,...,x }+σ max{x,...,x du } σ mi{x,..., x } + σ max{x,..., x } σ mi{x,..., x } + σ max{x,..., x } σ max{x,..., x } + mi{x,..., x } σ. b Wie obe erhalte wir für die bedigte Dichte f SX Y y s p 0 y + s,..., y + s, s p 0y + s,..., y + s, s ds. 5

6 Ei Media m R muss erfülle u:x s m x m f SX Y y s ds p 0x u,..., x u du p 0x u,..., x u du m p 0y + s,..., y + s, s ds p 0y + s,..., y + s, s ds s.o. x m mi{x,...,x }+σ max{x,...,x } σ du 3σ + mi{x,..., x } max{x,..., x } Uter der Aahme x m mi{x,..., x } + σ gelage wir zu der Gleichug x m max{x,..., x } σ 3σ + mi{x,..., x } max{x,..., x } 3 σ + mi{x,..., x } max{x,..., x } x m max{x,..., x } + σ m σ + x max{x,..., x } mi{x,..., x } max{x,..., x } x max{x,..., x } mi{x,..., x } σ. Wege v y m folgt S X SX v Y X X max{x,..., X } mi{x,..., X } σ max{x,..., X } mi{x,..., X } σ. Homepage der Vorlesug: 6

Prof. Dr. Holger Dette Musterlösung Statistik I Sommersemester 2009 Dr. Melanie Birke Blatt 5

Prof. Dr. Holger Dette Musterlösung Statistik I Sommersemester 2009 Dr. Melanie Birke Blatt 5 Prof. Dr. Holger Dette Musterlösug Statistik I Sommersemester 009 Dr. Melaie Birke Blatt 5 Aufgabe : 4 Pukte Sei X eie Poissoλ verteilte Zufallsvariable mit λ > 0, ud die Verlustfuktio L sei defiiert durch

Mehr

Einführung in die Stochastik 10. Übungsblatt

Einführung in die Stochastik 10. Übungsblatt Eiführug i die Stochastik. Übugsblatt Fachbereich Mathematik SS M. Kohler.7. A. Fromkorth D. Furer Gruppe ud Hausübug Aufgabe 37 (4 Pukte) Ei Eremit am Südpol hat sich für die eibrechede polare Nacht mit

Mehr

1. Wahrscheinlichkeitsrechnung. 2. Diskrete Zufallsvariable. 3. Stetige Zufallsvariable. 4. Grenzwertsätze. 5. Mehrdimensionale Zufallsvariable

1. Wahrscheinlichkeitsrechnung. 2. Diskrete Zufallsvariable. 3. Stetige Zufallsvariable. 4. Grenzwertsätze. 5. Mehrdimensionale Zufallsvariable 1. Wahrscheilichkeitsrechug. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grezwertsätze 5. Mehrdimesioale Zufallsvariable Stetige Zufallsvariable Eie Zufallsvariable X : Ω R heißt stetig, we

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

5. Übungsblatt - Lösungsskizzen

5. Übungsblatt - Lösungsskizzen Eiführug i die Wahrscheilichkeitstheorie ud Statistik rof. Dr. Ja Johaes Sadra Schluttehofer Witersemester 8/9 5. Übugsblatt - Lösugsskizze Aufgabe 7 (Neyma-earso-Lemma für stetige Verteiluge, 4 ukte).

Mehr

11 Likelihoodquotiententests

11 Likelihoodquotiententests 11 Likelihoodquotietetests I de Paragraphe 7-10 wurde beste Tests UMP-Tests oder UMPU-Tests i spezielle Verteilugssituatioe hergeleitet Hier soll u ei allgemeies Kostruktiosprizip für Tests vo zusammegesetzte

Mehr

3. Grundbegrie der Schätztheorie

3. Grundbegrie der Schätztheorie Statistik, Abschitt 3. 3. Grudbegrie der Schätztheorie I der kormatorische Statistik will ma uter aderem auf Grud eier Stichprobe vom Umfag Iformatioe über ubekate Parameter θ der Verteilug F der zugrudeliegede

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

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 5

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 5 TUM, Zetrum Mathematik Lehrstuhl für Mathematische Physik WS 13/14 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weider Tutoraufgabe: Eiführug i die Wahrscheilichkeitstheorie Lösugsvorschläge zu Übugsblatt

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathemati PROF DRDR JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathemati für Iformatier I Witersemester 2003/2004 Aufgabeblatt 8 12 Dezember

Mehr

Eingangsprüfung Stochastik,

Eingangsprüfung Stochastik, Eigagsprüfug Stochastik, 5.5. Wir gehe stets vo eiem Wahrscheilichkeitsraum (Ω, A, P aus. Die Borel σ-algebra auf wird mit B bezeichet, das Lebesgue Maß auf wird mit λ bezeichet. Aufgabe ( Pukte Sei x

Mehr

Klausur zur Analysis II

Klausur zur Analysis II Uiversität Würzburg Mathematisches Istitut Prof Jör Steudig SS 007 807007 Klausur zur Aalysis II Aufgabe Die Mege M R 3 sei gegebe durch Zeit: 7:45-9:45 M := { x, y, z R 3 expx + y + z = } a Ist M abgeschlosse?

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

Klausur zu,,einführung in die Wahrscheinlichkeitstheorie. Musterlösungen

Klausur zu,,einführung in die Wahrscheinlichkeitstheorie. Musterlösungen Istitut für agewadte Mathematik Witersemester 9/ Adreas Eberle, Matthias Erbar, Berhard Hader. (Reelle Zufallsvariable) Klausur zu,,eiführug i die Wahrscheilichkeitstheorie Musterlösuge a) Die Verteilugsfuktio

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

Maximum Likelihood Version 1.6

Maximum Likelihood Version 1.6 Maximum Likelihood Versio 1.6 Uwe Ziegehage 15. November 2005 Logarithmegesetze log a (b) + log a (c) = log a (b c) (1) log a (b) log a (c) = log a (b/c) (2) log a (b c ) = c log a (b) (3) Ableitugsregel

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

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

Statistische Modelle und Parameterschätzung

Statistische Modelle und Parameterschätzung Kapitel 2 Statistische Modelle ud Parameterschätzug 2. Statistisches Modell Die bisher betrachtete Modellierug eies Zufallsexperimetes erforderte isbesodere die Festlegug eier W-Verteilug. Oft besteht

Mehr

Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 5. Übungsblatt

Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 5. Übungsblatt KARLSRUHER INSTITUT FÜR TECHNOLOGIE KIT Istitut für Aalysis Dr A Müller-Rettkowski Dr T Gauss WS 00/ Höhere Mathematik I für die Fachrichtuge Elektroigeieurwese, Physik ud Geodäsie Lösugsvorschläge zum

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

Klausur vom

Klausur vom UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Domiik Faas Stochastik Witersemester 00/0 Klausur vom 7.0.0 Aufgabe 3+.5+.5=6 Pukte Bei eier Umfrage wurde 60 Hotelbesucher ach ihrer Zufriedeheit

Mehr

Wahrscheinlichkeitsrechnung & Statistik - Ergänzung zum Skript

Wahrscheinlichkeitsrechnung & Statistik - Ergänzung zum Skript Wahrscheilichkeitsrechug & Statistik - Ergäzug zum Skript Prof. Schweizer 9. Oktober 008 Mitschrift: Adreas Steiger Warug: Wir sid sicher dass diese Notize eie Mege Fehler ethalte. Betrete der Baustelle

Mehr

Höhere Mathematik für die Fachrichtung Physik

Höhere Mathematik für die Fachrichtung Physik Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 05/06 3..05 Höhere Mathemati für die Fachrichtug Physi Lösugsvorschläge zum 3. Übugsblatt Vorbemerug

Mehr

Kapitel 6 : Punkt und Intervallschätzer

Kapitel 6 : Punkt und Intervallschätzer 7 Kapitel 6 : Pukt ud Itervallschätzer Puktschätzuge. I der Statistik wolle wir Rückschlüsse auf das Wahrscheilichkeitsgesetz ziehe, ach dem ei vo us beobachtetes Zufallsexperimet abläuft. Hierzu beobachte

Mehr

Aufgaben zu Kapitel 2

Aufgaben zu Kapitel 2 2 Sei a R ud seie a ud a Iverse vo a Da ist a = a = a ( aa ) = ( a a)a = a = a 22 Wege Aufgabe 4 bleibt lediglich (R2) ud (R3) zu zeige (R2): Die Multipliatio ist offebar assoziativ Das Eiselemet ist die

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

Indizieren Sie die folgenden Summen und Produkte gemäß der Vorgabe um und schreiben Sie sie einmal explizit aus: 5

Indizieren Sie die folgenden Summen und Produkte gemäß der Vorgabe um und schreiben Sie sie einmal explizit aus: 5 FU Berli: WiSe 13-14 (Aalysis 1 - Lehr.) Übugsaufgabe Zettel 9 Aufgabe 37 Idiziere Sie die folgede Summe ud Produte gemäß der Vorgabe um ud schreibe Sie sie eimal explizit aus: 5 (a) + 1) 0( Lösug. Die

Mehr

4. Der Weierstraßsche Approximationssatz

4. Der Weierstraßsche Approximationssatz H.J. Oberle Approximatio WS 213/14 4. Der Weierstraßsche Approximatiossatz Wir gebe i diesem Abschitt eie ostrutive Beweis des Weierstraßsche Approximatiossatzes, der mit de so geate Berstei-Polyome (Felix

Mehr

Analysis II Sommer 2016 Prof. Dr. George Marinescu / Dr. Frank Lapp Übung

Analysis II Sommer 2016 Prof. Dr. George Marinescu / Dr. Frank Lapp Übung Aalysis II Sommer 06 Prof Dr George Mariescu / Dr Frak Lapp Übug Zuallererst sollt ihr die zusätzliche Übug utze um Lösuge vo Aufgabe zu bespreche, zu dere Besprechug ihr i de Übuge davor icht gekomme

Mehr

Übungsblatt 9 zur Vorlesung. Statistische Methoden

Übungsblatt 9 zur Vorlesung. Statistische Methoden Dr. Christof Luchsiger Übugsblatt 9 zur Vorlesug Statistische Methode Schätztheorie ud Kofidezitervalle Herausgabe des Übugsblattes: Woche 8, Abgabe der Lösuge: Woche 9 (bis Freitag, 65 Uhr), Besprechug:

Mehr

Wir weisen die Gültigkeit der 4Axiome der sigma-algebra für die Potenzmenge einer endlichen Menge A nach!

Wir weisen die Gültigkeit der 4Axiome der sigma-algebra für die Potenzmenge einer endlichen Menge A nach! Lösug zu Übug 4 Prof. Dr. B.Grabowski E-Post: grabowski@htw-saarlad.de Zu Aufgabe ) Wir weise die Gültigkeit der 4Axiome der sigma-algebra für die Potezmege eier edliche Mege A ach! ) Die leere Mege ud

Mehr

Lösungen zur Nachklausur zur Analysis einer Variablen F. Merkl

Lösungen zur Nachklausur zur Analysis einer Variablen F. Merkl Lösuge zur Nachlausur zur Aalysis eier Variable F. Merl 3.4.7. Die folgede Teilaufgabe baue teilweise aufeiader auf. Sie dürfe die Ergebisse vorhergeheder Teilaufgabe auch da verwede, we Sie diese icht

Mehr

Kovarianz und Korrelation

Kovarianz und Korrelation Kapitel 2 Kovariaz ud Korrelatio Josef Leydold c 2006 Mathematische Methode II Kovariaz ud Korrelatio 1 / 41 Lerziele Mathematische ud statistische Grudlage der Portfoliotheorie Kovariaz ud Korrelatio

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

Laguerre - Polynome. Vortrag zum Seminar zur Analysis, Evgeny Saleev

Laguerre - Polynome. Vortrag zum Seminar zur Analysis, Evgeny Saleev Laguerre - Polyome Vortrag zum Semiar zur Aalysis, 6.1.21 Evgey Saleev Die Laguerre-Polyome werde i der Quatemechai bei der Lösug der Schrödiger-Gleichug agewedet, isbesodere im Falle des Wasserstoffatoms.

Mehr

D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Übungsblatt 5. (1 + x) n 1 + nx

D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Übungsblatt 5. (1 + x) n 1 + nx D-MATH, D-PHYS, D-CHAB Aalysis I HS 2017 Prof. Mafred Eisiedler Übugsblatt 5 1. Die Beroullische Ugleichug besagt, dass für N 0 ud x R mit x 1 stets 1 + x 1 + x gilt. Wir wolle u aaloge Ugleichuge für

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

$Id: reell.tex,v /11/09 11:16:39 hk Exp $

$Id: reell.tex,v /11/09 11:16:39 hk Exp $ Mathemati für die Physi I, WS 2018/2019 Freitag 9.11 $Id: reell.te,v 1.56 2018/11/09 11:16:39 h Ep $ 1 Die reelle Zahle 1.5 Poteze mit ratioale Epoete Wir sid gerade mit de Vorbereituge zur allgemeie biomische

Mehr

Perkolation (WS 2014) Übungsblatt 2

Perkolation (WS 2014) Übungsblatt 2 Istitut für Stochasti Prof. Dr. G. Last Dipl.-Math. S. Ziesche Perolatio WS 04 Übugsblatt Aufgabe Zeige Sie für T, dass θ 0 p ud χ 0 p stetig auf [0, ] sid, we ma als Wertebereich R + { } zulässt. Lösug:

Mehr

Übungsaufgaben zu Analysis 1 Lösungen von Blatt XII vom sin(nx) n sin(x). sin(ax) a sin(x) z = re iϕ = r(cos(ϕ) + i sin(ϕ)) z n = w

Übungsaufgaben zu Analysis 1 Lösungen von Blatt XII vom sin(nx) n sin(x). sin(ax) a sin(x) z = re iϕ = r(cos(ϕ) + i sin(ϕ)) z n = w Prof. Dr. Moritz Kaßma Fakultät für Mathematik Witersemester 04/05 Uiversität Bielefeld Übugsaufgabe zu Aalysis Lösuge vo Blatt XII vom 5.0.5 Aufgabe XII. 3 Pukte) Beweise Sie, dass für alle R ud N die

Mehr

Lösungen zum Übungsblatt 2

Lösungen zum Übungsblatt 2 Fakultät für Luft- ud Raumfahrttechik Istitut für Mathematik ud Recherawedug Partielle Differetialgleichuge II (ME), Prof. Dr. J. Gwier Übug: N. Ovcharova, K. Dvorsky 6. Jauar bis 9. Februar 011 Lösuge

Mehr

Stochastik im SoSe 2018 Übungsblatt 2

Stochastik im SoSe 2018 Übungsblatt 2 Stochasti im SoSe 2018 Übugsblatt 2 K. Paagiotou/ L. Ramzews / S. Reisser Lösuge zu de Aufgabe. Aufgabe 1 Eie Ure ethält B blaue, R rote ud G grüe Bälle. Wir ziehe eie Teilmege mit geau Bälle aus der Ure,

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

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

Das kollektive Risikomodell. 12. Mai 2009

Das kollektive Risikomodell. 12. Mai 2009 Kirill Rudik Das kollektive Risikomodell 12. Mai 2009 4.1 Eileitug Wir betrachte i diesem Kapitel die Gesamtforderuge im Laufe eies Jahres. Beim Abschluss eies Versicherugsvertrages weiß der Versicherer

Mehr

Stochastisches Integral

Stochastisches Integral Kapitel 11 Stochastisches Itegral Josef Leydold c 26 Mathematische Methode XI Stochastisches Itegral 1 / 2 Lerziele Wieer Prozess ud Browsche Bewegug Stochastisches Itegral Stochastische Differetialgleichug

Mehr

Höhere Mathematik für die Fachrichtung Physik

Höhere Mathematik für die Fachrichtung Physik Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Dipl.-Math. Sebastia Schwarz WS 04/05 5..04 Höhere Mathematik für die Fachrichtug Physik Lösugsvorschläge zum 9. Übugsblatt

Mehr

Beweis des Primzahlsatzes nach Newman

Beweis des Primzahlsatzes nach Newman Beweis des Primzahlsatzes ach Newma Eileitug Aleader Zeilma 3. Jauar 23 Betreut durch Prof. Dr. Folkmar Borema Defiitio : Primzahlfuktio Wir defiiere π) als die Azahl der Primzahle kleier oder gleich :

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

6. Übungsblatt Aufgaben mit Lösungen + Selbsttest-Auflösung

6. Übungsblatt Aufgaben mit Lösungen + Selbsttest-Auflösung 6. Übugsblatt Aufgabe mit Lösuge + Selbsttest-Auflösug Aufgabe 6: Utersuche Sie die Folge, dere Glieder ute für N agegebe sid, auf Beschräktheit, Mootoie ud Kovergez bzw. Beschräktheit, Mootoie ud Kovergez

Mehr

Diskrete Wahrscheinlichkeitstheorie Wiederholungsklausur

Diskrete Wahrscheinlichkeitstheorie Wiederholungsklausur Techische Uiversität Müche Sommersemester 007 Istitut für Iformatik Prof. Dr. Javier Esparza Diskrete Wahrscheilichkeitstheorie Wiederholugsklausur LÖSUNG Hiweis: Bei alle Aufgabe wird ebe dem gefragte

Mehr

Wahrscheinlichkeitstheorie Aufgabensammlung

Wahrscheinlichkeitstheorie Aufgabensammlung rof. Dr. Z. Kabluchko Sommersemester 2016 Herik Flasche 4. Juli 2016 Wahrscheilichkeitstheorie Aufgabesammlug Keie Abgabe 1 Grezwertsätze er Wahrscheilichkeitstheorie 1.1 Lemma vo Borel Catelli Lemma 1.1

Mehr

Kompaktheit und gleichgradige Stetigkeit. 1 Einführung in die Kompaktheit in C 0

Kompaktheit und gleichgradige Stetigkeit. 1 Einführung in die Kompaktheit in C 0 Kompaktheit ud gleichgradige Stetigkeit Vortrag zum Prosemiar zur Aalysis, 14.06.2010 Mao Wiescherma Matthias Klupsch Dieser Vortrag beschäftigt sich mit Kompaktheit vo Teilräume vom Raum der stetige Abbilduge

Mehr

Übungen zur Infinitesimalrechnung 2, H.-C. Im Hof 19. März Blatt 4. Abgabe: 26. März 2010, Nachmittag. e x2 dx + e x2 dx = 2 e x2 dx

Übungen zur Infinitesimalrechnung 2, H.-C. Im Hof 19. März Blatt 4. Abgabe: 26. März 2010, Nachmittag. e x2 dx + e x2 dx = 2 e x2 dx Übuge zur Ifiitesimalrechug, H.-C. Im Hof 9. März Blatt 4 Abgabe: 6. März, Nachmittag Aufgabe. Zeige e x dx π. Beweis. Wir bemerke als erstes, dass e x dx e x dx + e x dx e x dx formal sieht ma dies per

Mehr

Statistik, Abschnitt (1) Gegeben sei der Stichprobenvektor (X 1,..., X n ). Die Stichprobenfunktion. ˆµ k := 1 n. Xi k (1) i=1.

Statistik, Abschnitt (1) Gegeben sei der Stichprobenvektor (X 1,..., X n ). Die Stichprobenfunktion. ˆµ k := 1 n. Xi k (1) i=1. Statistik, Abschitt.. Schätzmethode.. Mometemethode Für Parameter, die sich i bekater Weise aus de Momete zusammesetze, erhält ma Schätzuge, idem ma die theoretische Momete durch die sogeate empirische

Mehr

Über die Verteilung der Primzahlen

Über die Verteilung der Primzahlen Über die Verteilug der Primzahle Scho dem juge Carl Friedrich Gauss drägte sich die Vermutug auf, dass die Azahl π( aller Primzahle p uterhalb der positive Schrae dem Gesetz π( log lim = 1 gehorcht. (Mit

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

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

Höhere Mathematik I (Analysis) für die Fachrichtung Informatik

Höhere Mathematik I (Analysis) für die Fachrichtung Informatik Karlsruher Istitut für Techologie (KIT) Istitut für Aalysis Priv.-Doz. Dr. Gerd Herzog M. Sc. Adreas Hirsch WS 204/5 24.0.204 Höhere Mathematik I (Aalysis) für die Fachrichtug Iformatik Lösugsvorschlag

Mehr

Lösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 4: Aufgaben zu den Kapiteln 7 und 8

Lösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 4: Aufgaben zu den Kapiteln 7 und 8 1 Lösuge ausgewählter Übugsaufgabe zum Buch Elemetare Stochastik (Spriger Spektrum, 2012) Teil 4: Aufgabe zu de Kapitel 7 ud 8 Aufgabe zu Kapitel 7 Zu Abschitt 7.1 Ü7.1.1 Ω sei höchstes abzählbar, ud X,

Mehr

Mathematische Randbemerkungen 1. Binomialkoeffizienten

Mathematische Randbemerkungen 1. Binomialkoeffizienten Mathematische Radbemeruge Biomialoeffiiete Der biomische Lehrsat ist eies der etrale Resultate der Aalysis I meier Vorlesug über Differetial- ud Itegralrechug habe ich ih daher gleich u Begi ausführlich

Mehr

5.7. Aufgaben zu Folgen

5.7. Aufgaben zu Folgen 5.7. Aufgabe zu Folge Aufgabe : Lieares ud beschräktes Wachstum Aus eiem Quadrat mit der Seiteläge dm gehe auf die rechts agedeutete Weise eue Figure hervor. Die im -te Schritt agefügte Quadrate sid jeweils

Mehr

1 Aussagenlogik und vollständige Induktion

1 Aussagenlogik und vollständige Induktion Dr. Siegfried Echterhoff Aalysis 1 Vorlesug WS 08 09 1 Aussagelogi ud vollstädige Idutio Die Mathemati basiert auf eier Reihe vo Axiome, d.h. auf mathematische Aussage, die als (offesichtlich? wahr ageomme

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler 9.04.008 Äderug Übugsstude Statistik ud Wahrscheilichkeitsrechug Die Gruppe vo Markus trifft sich am Doerstag statt im HCI D zusamme mit der Gruppe

Mehr

Analysis I für M, LaG/M, Ph 4.Übungsblatt

Analysis I für M, LaG/M, Ph 4.Übungsblatt Aalysis I für M, LaG/M, Ph 4.Übugsblatt Fachbereich Mathematik Sommersemester 200 Dr. Robert Haller-Ditelma 05.05.200 David Bücher Christia Bradeburg Gruppeübug Aufgabe G (Kovergez vo Folge) Beweise Sie:

Mehr

Übungen zur Linearen Algebra 1

Übungen zur Linearen Algebra 1 Übuge zur Lieare Algebra 1 Lösuge Witersemester 009/010 Uiversität Heidelberg Mathematisches Istitut Lösuge Blatt 8 Dr D Vogel Michael Maier Aufgabe 33 Gehe wir aalog zu Algorithmus vor: v 1 M(4,K) A :=

Mehr

Lösungen zur Präsenzübung 6

Lösungen zur Präsenzübung 6 Lösuge zur Präsezübug 6 Mirko Getzi Uiversität Bielefeld Fakultät für Mathematik. Dezember 203 Ich gebe keie Gewähr auf eie vollstädige Richtigkeit der Lösuge zu de Übugsaufgabe. Das Dokumet hat jedoch

Mehr

ÜBUNGSBLATT 4 LÖSUNGEN MAT121/MAT131 ANALYSIS I HERBSTSEMESTER 2010 PROF. DR. CAMILLO DE LELLIS

ÜBUNGSBLATT 4 LÖSUNGEN MAT121/MAT131 ANALYSIS I HERBSTSEMESTER 2010 PROF. DR. CAMILLO DE LELLIS ÜBUNGSBLATT 4 LÖSUNGEN MAT/MAT3 ANALYSIS I HERBSTSEMESTER 00 PROF. DR. AMILLO DE LELLIS Aufgabe. Etscheide Sie für folgede Folge (wobei N \ {0}), ob diese koverget sid, ud bereche sie gegebeefalls ihre

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

Klausur Höhere Mathematik I für die Fachrichtung Physik

Klausur Höhere Mathematik I für die Fachrichtung Physik Karlsruher Istitut für Techologie KIT) Istitut für Aalysis Prof. Dr. Tobias Lamm Dr. Patric Breuig SS 3.9.3 Klausur Höhere Mathemati I für die Fachrichtug Physi Aufgabe 4+3+3) Pute) a) Sei a ) N eie reelle

Mehr

Kapitel 5: Gemeinsame Verteilung und Unabhängigkeit von Zufallsvariablen

Kapitel 5: Gemeinsame Verteilung und Unabhängigkeit von Zufallsvariablen - 39 (Kapitel 5: Gemeisame Verteilug ud Uabhägigkeit vo Zuallsvariable Kapitel 5: Gemeisame Verteilug ud Uabhägigkeit vo Zuallsvariable 5 Deiitio : : Ω Ω,, seie Abbilduge über derselbe Mege Ω Die Abbildug

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

Übungen zur Analysis 3

Übungen zur Analysis 3 Mathematisches Istitut der Uiversität Müche Prof Dr Fraz Merkl Witersemester 0/04 Blatt 9 050 Übuge zur Aalysis 9 addichte eier Gleichverteilug Die Gleichverteilug auf dem Dreieck ist das Maß : {(a, b)

Mehr

Wirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel

Wirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Beispiel: Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische

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 SS 5 7.9.5 Höhere Mathematik I für die Fachrichtug Physik Lösugsvorschläge zur Bachelor-Modulprüfug

Mehr

Stochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten

Stochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten Kapitel 2 Stochastische Uabhägigkeit, bedigte Wahrscheilichkeite 2.1 Stochastische Uabhägigkeit vo Ereigisse Im Folgede gehe wir vo eiem W-Raum (Ω, A, P aus. Der Begriff der stochastische Uabhägigkeit

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

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

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

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

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

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

1 Das Skalarprodukt und das Kreuzprodukt

1 Das Skalarprodukt und das Kreuzprodukt Das Skalarprodukt ud das Kreuzprodukt Wir betrachte zu x = de Ausdruck y t x : = x Grud: Die rechte Seite der Gleichug ist: y t x = (y tx +... + (y ty { t x } y +... + x y x + x y (x y +... + x y x x t

Mehr

Formelsammlung. PD Dr. C. Heumann

Formelsammlung. PD Dr. C. Heumann Formelsammlug zur Vorlesug Statistik II PD Dr C Heuma Formelsammlug Statistik II Iduktive Statistik Regel der Kombiatorik ohe Wiederholug mit Wiederholug! Permutatioe! 1! s! ( ) ( ) + m 1 ohe Reihefolge

Mehr

Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 4. Übungsblatt

Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 4. Übungsblatt UNIVERSITÄT KARLSRUHE Istitut für Aalysis HDoz. Dr. P. C. Kustma Dipl.-Math. M. Uhl WS 2008/09 Höhere Mathematik I für die Fachrichtuge Elektroigeieurwese, Physik ud Geodäsie Lösugsvorschläge zum 4. Übugsblatt

Mehr

Musterlösung zu Blatt 8 der Vorlesung Analysis I WS08/09

Musterlösung zu Blatt 8 der Vorlesung Analysis I WS08/09 Musterlösug zu Blatt 8 der Vorlesug Aalysis I WS08/09 Schriftliche Aufgabe Aufgabe. Voraussetzuge: Für alle N setze a : +2 ud b : ( 2. [Amerkug: I der Aufgabestellug heiÿe die Reihe beide gleich. Es steht

Mehr

f X1 X 2 Momente: Eigenschaften: Var(aX + b) = a 2 Var(X) a, b R

f X1 X 2 Momente: Eigenschaften: Var(aX + b) = a 2 Var(X) a, b R Siebformel vo Poicare-Sylvester: k P A k = k+ P A ij k= k= = k= P A k k= i

Mehr

Wiederholung: Linearer Ausgleich 1. Linearer Ausgleich. Vorlesung April. Aufgabe Gegeben Naturgesetz

Wiederholung: Linearer Ausgleich 1. Linearer Ausgleich. Vorlesung April. Aufgabe Gegeben Naturgesetz Vorlesug 4 6 + 9 April Bei w,, w m, v R ; (w,, w m =: A R (,m ud ieres Produkt = euklidisches Produkt schrieb sich das Approximatiosproblem so: Fide w = Wiederholug: m ζ k w k mit w v w v w spa{w,, w m

Mehr

11. Übungsblatt zur Vorlesung Mathematik I für Informatik

11. Übungsblatt zur Vorlesung Mathematik I für Informatik Fachbereich Mathematik Prof. Dr. Thomas Streicher Dr. Sve Herrma Dipl.-Math. Susae Pape. Übugsblatt zur Vorlesug Mathematik I für Iformatik Witersemester 9/./3. Jauar Gruppeübug Aufgabe G Itegratio) Bereche

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 Sommer 8 Stochastik - Lösug (BSc D-MAVT / BSc D-MATH / BSc D-MATL). (6 Pukte) a) (.5 Pukte) Wir defiiere die Ereigisse D = die ähmaschie bekommt eie kleie Defekt} ud U

Mehr

8. Übungsblatt Aufgaben mit Lösungen

8. Übungsblatt Aufgaben mit Lösungen 8 Übugsblatt Aufgabe mit Lösuge Aufgabe : a Bestimme Sie de Kovergezradius der Reihe!! x b Für welche x R overgiere die folgede Potezreihe? i x, ii 3 x3 Lösug : a Wir wede das Quotieteriterium a: [!] x

Mehr

Höhere Mathematik für die Fachrichtung Physik

Höhere Mathematik für die Fachrichtung Physik Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 05/06 04..05 Höhere Mathematik für die Fachrichtug Physik Lösugsvorschläge zum 6. Übugsblatt Aufgabe

Mehr

+ a 3 cos (3ωt) + b 3 sin (3ωt)

+ a 3 cos (3ωt) + b 3 sin (3ωt) Fourier-Reihe Wir gehe aus vo eier gegebee periodische Fuktio f (t). Die Fuktio hat die Fudametalperiode ( Schwigugsdauer ) ud damit die Grud-Kreisfrequez ω = π. Zeit t Periode Die Fuktio f (t) soll zerlegt

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

Zusammenfassung: Folgen und Konvergenz

Zusammenfassung: Folgen und Konvergenz LGÖ Ks VMa Schuljahr 6/7 Zusammefassug Folge ud Kovergez Ihaltsverzeichis Defiitioe ud Beispiele für Folge Beschräkte Folge Kovergez vo Folge Grezwertsätze für Folge 5 Für Experte 7 Defiitioe ud Beispiele

Mehr

Aufgaben und Lösungen Weihnachtsgeschenke zur Vorlesung Analysis I

Aufgaben und Lösungen Weihnachtsgeschenke zur Vorlesung Analysis I Aufgabe ud Lösuge Weihachtsgescheke zur Vorlesug Aalysis I Der Witersemester 008/009 Übug am 4.., 5..008 sowie 0.0.009 Aufgabe. Folge Aufgabe Ma bestimme, ob die Folge (a ) mit a = + 3 + 4 kovergiert ud

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Übug 9 1 Ihalt der heutige Übug Statistik ud Wahrscheilichkeitsrechug Iformatioe zur Testatprüfug Besprechug der der Hausübug

Mehr