Wie viele Ankreuzmöglichkeiten gibt es insgesamt? Bei wie vielen dieser Möglichkeiten gibt es 8 Treffer?
|
|
- Dirk Burgstaller
- vor 8 Jahren
- Abrufe
Transkript
1 Kombinatorik Beispiel : Multiple-Choice-Klausur 16 Fragen Je 4 Antwortalternativen ( eine ist richtig ) Zufälliges Ankreuzen? Wahrscheinlichkeit für mindestens 8 Treffer? Mögliche Lösungsstrategie : Wie viele Ankreuzmöglichkeiten gibt es insgesamt? Bei wie vielen dieser Möglichkeiten gibt es 8 Treffer? Quotienten bilden Wie viele Möglichkeiten? Kombinatorik 11 QM1_14 1
2 Beispiel : Aufteilen von Vpn auf Gruppen 20 Vpn Aufzuteilen in 2 Gruppen zu Vpn haben kritisches, nicht sichtbares Merkmal A? Wie wahrscheinlich sind 8 A-Vpn in Gruppe 1? Mögliche Lösungsstrategie : Wie viele Möglichkeiten der Verteilung gibt es? Bei wie vielen kommen 8 A-Vpn in Gruppe 1? Quotienten bilden Wie viele Möglichkeiten? Kombinatorik Beispiel : Lotto 6 aus 49? Wie wahrscheinlich sind 5 Richtige? Vorgehen entsprechend 11 QM1_14 2
3 Notationen n! := 1 2 (n 1) n für natürliches n ( n Fakultät ) Dabei : 0! := 1 1! = 1 2! = 1 2 = 2 3! = = 6 4! = = 24 5! = = 120 : Anzahl Möglichkeiten : Anzahl der Möglichkeiten Ist G endliche Menge, so heißt die Anzahl der Elemente von G auch die Mächtigkeit von G Abkürzung : G Ist A = {2, 3, 5}, so A = 3 11 QM1_14 3
4 Produktmengen Sind A und B Mengen, so heißt A B := { (a, b) a A, b B } auch Cartesisches Produkt von A und B Die Elemente (a, b) von A B heißen Paare Gleichzeitiges Werfen eines Würfels und einer Münze? Beschreibung der mögichen Ergebnisse? A = {1, 2, 3, 4, 5, 6} ( Würfelergebnisse ) B = {W, Z} ( Münzenergebnisse ) Ergebnisse des zusammengesetzten Versuchs : A B mit Würfel ( a, b ) Münze ( 2, Z) : Würfel : 2 Münze : Z? Ergebnisse der zusammengesetzten Versuchs? Äquivalent : A B =? 11 QM1_14 4
5 Ist A = m und B = n, so A B = m n Begründung am Beispiel Würfel und Münze : A = {1, 2, 3, 4, 5, 6} ( Würfelergebnisse ) B = {W, Z} ( Münzenergebnisse ) Veranschaulichung des Cartesischen Produkts B Z W A o entspricht ( 2, Z ) Offenbar : A B = 6 2 = 12 Bekannt : Koordinatensystem als Veranschaulichung von R R y (3, 2) 1 1 x 11 QM1_14 5
6 Ist A = m und B = n, so A B = m n Begründung am Beispiel Würfel und Münze : A = {1, 2, 3, 4, 5, 6} ( Würfelergebnisse ) B = {W, Z} ( Münzenergebnisse ) Systematische Herstellung der Möglichkeiten durch sukzessives Auswahlverfahren (1) (2) W Z W Z W Z W Z W Z W Z (3) (1) : Wahl des ersten Elements a von ( a, b ) A B 6 Möglichkeiten (2) : Wahl des zweiten Elements b von ( a, b ) A B Jeweils 2 Möglichkeiten (3) : Fertig entspricht ( 2, Z ) Offenbar : Wahlmöglichkeiten insgesamt : 6 2 = 12 : Beachte : jeweils Multiplikation 11 QM1_14 6
7 Ist A = m und B = n, so A B = m n Kurz, allgemein : Es gibt m Möglichkeiten für a Für jede davon : n Möglichkeiten für b Also : m n Möglichkeiten für ( a, b ) Produkte von mehr als zwei Mengen A B C := { (a, b, c) a A, b B, c C } Elemente (a, b, c) heißen Tripel Entsprechend A B C D Elemente (a, b, c, d) heißen Quadrupel Etc etc Mit dem Latein am Ende? Elemente von A 1 A 2 A n heißen n-tupel Statt Quintupel also auch 5-Tupel Ist (a 1,, a n ) n-tupel, so heißen die a i Komponenten Die dritte Komponente von (1, 9, 7, 1) ist 7 11 QM1_14 7
8 Statt A A A ( n Mal ) auch : A n Viermalige Durchführung eines Wahrnehmungsexperiments Einzelergebnisse jeweils + oder? Beschreibung der Ergebnisse der Gesamtversuchs? A = {+, } Gesamtergebnisse : A 4 ( a 1, a 2, a 3, a 4 ) Versuch (+,,, +) : + bei Versuch 1, bei Versuch 2,? Gesamtergebnisse? Würfeln mit drei Würfeln ( verschiedenfarbig )? Beschreibung der möglichen Ergebnisse? A = {1, 2, 3, 4, 5, 6} ( ein Würfel ) Gesamtergebnisse : A 3 ( 2, 5, 2 ) : 1 Würfel : 2, 2 Würfel : 5, 3 Würfel : 2? Gesamtergebnisse? 11 QM1_14 8
9 A = m, B = n, C = k A B C = m n k Auswahl eines (a, b, c) in 3 Schritten Möglichkeiten m jeweils n jeweils k Insgesamt also m n k Möglichkeiten Analog für mehr als drei Faktoren Spezialfall Ist A = n, so A k = n k 11 QM1_14 9
10 Wichtige Technik in der Kombinatorik : Finde geeignete Kodierung Übersetze dadurch neue Probleme in bekannte Wie viele Möglichkeiten gibt es beim Würfeln mit drei Würfeln? Übersetzung wie oben : ( mit A = {1, 2, 3, 4, 5, 6} ) Die Möglichkeiten entsprechen genau den Elementen von A 3 Möglichkeiten = A 3 = A 3 = 6 3 = 216 Entscheidend : die richtige Kodierung Möglichkeiten bei 4-maligem Wahrnehmungsexperiment? Dabei : Möglichkeiten bei einmaliger Durchführung : +, Möglichkeiten = 2 4 = 16 Sprechweise : Elemente von A k heißen auch k-tupel aus A Schreibweise : ( 3 Würfel, mit A = {1, 2, 3, 4, 5, 6} ) Möglichkeiten bei drei Würfeln 3-Tupel aus A hier : genaue Entsprechung ( bijektiv ) Wegen der genauen Entsprechung : gleiche Anzahlen 11 QM1_14 10
11 Beispiel allgemein : Gegeben : Versuch mit n möglichen Ergebnissen Ergebnisse zusammengefasst in Menge G Versuch wird k Mal durchgeführt? Ergebnisse des Gesamtversuchs? Geeignete Kodierung : Ergebnisse des Gesamtversuchs k-tupel aus G Gesamtergebnisse = G k = n k Gegeben ist eine Urne U mit n Kugeln Es wird k Mal mit Zurücklegen gezogen Reihenfolge wird dabei berücksichtigt? Wie viele mögliche Ergebnisse gibt es? Abgekürzt : k ZmZmR k Ziehen mit Zurücklegen mit Reihenfolge(berücksichtigung) 11 QM1_14 11
12 ? Ergebnisse bei k ZmZmR aus Urne U mit n Kugeln? U wird aufgefasst als Menge der Kugeln also U = n Finde geeignete Kodierung! Möglichkeiten k-tupel aus U Übersetzung : j-te Komponente = Kugel des j-ten Zugs (2, 4, 1, 2) : 1 Zug : 2, 2 Zug : 4, 3 Zug : 1, 4 Zug : 2 Anzahl Möglichkeiten = n k Weiteres Beispiel Gegeben : b Buntstifte und f Fächer? Möglichkeiten, die Buntstifte auf die Fächer zu verteilen? Es können mehrere Buntstifte in das gleiche Fach kommen Fächer können auch leer bleiben Geeignete Kodierung? Menge der Fächer : F Verteilmöglichkeiten b -Tupel aus F j-te Komponente : Fach für den j-ten Buntstift (4, 3, 4, 5) : 1 Stift : 4 Fach, 2 Stift : 3 Fach, etc Verteilmöglichkeiten = F b = f b 11 QM1_14 12
13 Beispiel : Wie groß ist die Mächtigkeit der Potenzmenge? Ist A eine Menge, so ist die Potenzmenge von A die Menge aller Teilmengen von A Bezeichnung : P(A) Formal : P(A) := { B B A } A = {a, b} P(A) = {, {a}, {b}, {a, b}} A = {a} P(A) = {, {a}} A = P(A) = { }? Wie groß ist P(A), wenn A = n? Finde geeignete Kodierung! Elemente von A ordnen Teilmengen B von A n-tupel aus {0, 1} j-te Komponente des n-tupels : j-tes Element von A in B? Ist A = {1, 2, 3, 4, 5}, so : {1, 3, 4} (1, 0, 1, 1, 0) (0, 0, 0, 0, 0) Teilmengen von A = n-tupel aus {0, 1} = 2 n 11 QM1_14 13
14 Lexikographische Reihenfolge Nützliches Hilfsmittel, auch zur Kontrolle : Systematisches Auflisten aller Möglichkeiten ( dann : Zählen )? Geeignete Systematik? Wie im Lexikon Voraussetzung : Einzelelemente müssen geordnet sein ( werden ) 4 ZmZmR aus A = {a, b, c} Geeignete Kurznotation wählen : abac für (a, b, a, c) Ergebnis der lexikographischen Anordnung ( spaltenweise ) aaaa abaa acaa baaa bbaa bcaa caaa cbaa ccaa aaab abab acab baab bbab bcab caab cbab ccab aaac abac acac baac bbac bcac caac cbac ccac aaba abba acba baba bbba bcba caba cbba ccba aabb abbb acbb babb bbbb bcbb cabb cbbb ccbb aabc abbc acbc babc bbbc bcbc cabc cbbc ccbc aaca abca acca baca bbca bcca caca cbca ccca aacb abcb accb bacb bbcb bccb cacb cbcb cccb aacc abcc accc bacc bbcc bccc cacc cbcc cccc Tatsächlich : 81 = 3 4 Möglichkeiten 11 QM1_14 14
15 Gleich wahrscheinliche Ergebnisse Situation : Versuch mit endlich vielen möglichen Ergebnissen Alle Ergebnisse werden als gleich wahrscheinlich angesehen Wahrscheinlichkeit eines Ereignisses dann : günstige Ergebnisse Ergebnisse insgesamt Beispiel : Einmal Würfeln Mögliche Ergebnisse : 1, 2, 3, 4, 5, 6 Gleichwahrscheinlichkeit sei plausibel Mögliches Ereignis : Gerade Zahl Günstige Ergebnisse : 2, 4, 6 Wahrscheinlichkeit für Gerade Zahl : günstige Ergebnisse Ergebnisse insgesamt = 3 6 = QM1_14 15
16 Modell der Gleichwahrscheinlichkeit etwas formaler Unterscheide : Ergebnisse und Ereignisse Beispiel : Würfeln Ergebnisse : 1, 2, 3, 4, 5, 6 Ereignis beispielsweise : Gerade Zahl Ereignisse bestehen aus Ergebnissen Menge aller Ergebnisse : Meist Ω Würfelbeispiel : Ω = {1, 2, 3, 4, 5, 6} Identifiziere Ereignisse mit Teilmengen von Ω nämlich mit denen aus den jeweils günstigen Ergebnissen Gerade Zahl entspricht dann A = {2, 4, 6} Bei Gleichwahrscheinlichkeit aller Ergebnisse dann : Wahrscheinlichkeit eines Ereignisses A : P( A ) = günstige Ergebnisse Ergebnisse insgesamt = A Ω 11 QM1_14 16
17 W : Wahrscheinlichkeit Beispiel : Prüfung, 5 Prüflinge 3 Prüfungsthemen Wahl des Prüfungsthemas : Karte ziehen? W, dass alle das gleiche Thema bekommen? Finde geeignete Formalisierung! Menge der Themen : G = {1, 2, 3} Prüfungsmöglichkeiten durch 5 ZmZmR aus G Ω = G 5, Ω = G 5 = 3 5 = 243 Ereignis A : Alle bekommen das gleiche Thema Formal : A = { (1, 1, 1, 1, 1), (2, 2, 2, 2, 2), (3, 3, 3, 3, 3) } P( A ) = A Ω = = = 1 81 Modell der Gleichwahrscheinlichkeit angemessen? Bei verschiedenfarbigen Karten wohl nicht! 11 QM1_14 17
18 Permutationen Sei G endliche Menge, G = n, k n Eine k-permuation aus G ist ein k-tupel ( g 1,, g k ) aus G mit g i g j für alle i j ( 3, 5, 1, 2 ) ist eine 4-Permutation aus {1, 2, 3, 4, 5, 6} Gegeben ist eine Urne U mit n Kugeln Es wird k Mal ohne Zurücklegen gezogen Reihenfolge wird dabei berücksichtigt? Wie viele mögliche Ergebnisse gibt es? Abgekürzt : k ZoZmR k Ziehen ohne Zurücklegen mit Reihenfolge(berücksichtigung) Finde wieder geeignete Kodierung! Zugmöglichkeiten k-permutationen aus U ( 2, 3, 1 ) : 1 Zug : 2, 2 Zug : 3, 3 Zug : 1 Kodierung bekannt von ZmZmR, nur ohne Wiederholungen Zugmöglichkeiten = k-permutationen aus U 11 QM1_14 18
19 ? k-permutationen =? G endliche Menge, G = n, k n Erzeugen der k-permutationen mit Entscheidungsbaum G = {a, b, c, d}, k = 2 a b c d b c d a c d a b d a b c entspricht ( c, d ) Bei der 2 Wahl : Wahlmöglichkeiten verschieden, aber Zahl der Möglichkeiten gleich ( 3 ) Insgesamt 4 3 = 12 Möglichkeiten 11 QM1_14 19
20 ? k-permutationen =? G endliche Menge, G = n, k n Erzeugen der k-permutationen mit Entscheidungsbaum in k Schritten 1 : 1 Komponente n Möglichkeiten 2 : 2 Komponente jeweils (n 1) Möglichkeiten 3 : 3 Komponente jeweils (n 2) Möglichkeiten k : k Komponente jeweils (n (k 1)) Möglichkeiten Anzahl der Möglichkeiten insgesamt : n (n 1) (n 2) (n (k 1)) Umformung : n (n 1) (n 2) (n (k 1)) (n k) (n (k + 1)) 1 (n k) (n (k + 1)) 1 Das ist n! (n k)! 11 QM1_14 20
21 k-permutationen aus G mit G = n : n! ( n k )! G = 4, k = 2 k-permutationen : 4! (4 2)! = = 3 4 = 12 Formel bequeme Schreibweise als Rechenvorschrift weniger geeignet 3 ZoZmR aus Urne mit 7 Elementen Möglichkeiten : 7! (7 3)! = = köpfiger Verein, zu bilden : 3-köpfiger Vorstand verschiedene Ämter? mögliche Vorstände? Übersetzung : 3 ZoZmR aus 7 Mitgliedern mögliche Vorstände : QM1_14 21
22 Spezialfall k = n Die n-permutationen aus G mit G = n heißen auch einfach Permutationen ( von G ) Permutationen : Mögliche Reihenfolgen der Elemente von G Permutationen von G mit G = n : n! Begründung wie bei k-permutationen ( nur einfacher ) Die allgemeine Formel stimmt : n! (n n)! = n! 0! = n! 1 = n! Die Definition 0! = 1 erweist sich als sinnvoll Klausur aus 5 Aufgaben? Reihenfolgen der Bearbeitung? Die Reihenfolgen sind gerade die Permutationen der Aufgaben Reihenfolgen der Bearbeitung : 5! = QM1_14 22
23 Urne U mit Kugeln 0,, 9 ( Ziffern ) 3 ZmZmR ( zufällig ) Ergebnis : 3-stellige Zahl ( wie 385, 121, 007, )? W einer Zahl ohne Ziffernwiederholung? Geeignete Modellierung Setze U = { 0, 1,, 9 } Ω = U 3, Ω = 10 3 = 1000 Annahme der Gleichverteilung sei angemessen Verschiedene Ziffern : Ereignis A Elemente von A sind gerade die 3-Permutationen aus U P( A ) = A Ω = = 72? W, dass mindestens 2 Ziffern gleich sind? 1 P( A ) = 28 Gegenereignisse 11 QM1_14 23
24 Kombinationen Sei G endliche Menge, G = n, k n Eine k-elementige Teilmenge von G heißt auch k-kombination aus G Gegeben ist eine Urne U mit n Kugeln Es wird k Mal ohne Zurücklegen gezogen Reihenfolge wird nicht berücksichtigt? Wie viele mögliche Ergebnisse gibt es? Abgekürzt : k ZoZoR k Ziehen ohne Zurücklegen ohne Reihenfolge(berücksichtigung) Finde wieder geeignete Kodierung! Zugmöglichkeiten k-kombinationen aus U Teilmenge der gezogenen Kugeln Zugmöglichkeiten = k-kombinationen aus U Im Ergebnis dasselbe wie Ziehen aller Kugeln auf einmal 11 QM1_14 24
25 Erinnerung : Bei Mengen spielt die Reihenfolge keine Rolle { a, b, c, d } = { d, b, a, c } ( = { d, b, d, c, a } etc ) Lexikographische Auflistung der 3-Kombinationen aus { a, b, c, d, e } Elemente sind schon in natürlicher Weise geordnet Geeignete Kurznotation vereinbaren : abe statt { a, b, e } Elemente einer Teilmenge in natürlicher Ordnung notieren Auflistung : abc abd abe acd ace ade bcd bce bde cde 11 QM1_14 25
26 ? k-kombinationen aus G? ( G = n ) Anzahl sei x? Neue Frage : k-permutationen? Antwort bekannt : n! / (n k)! Trotzdem : Neue Antwort finden! Herstellung der k-permutationen in zwei Schritten 1 Wahl der k Elemente der Permutation ( ohne Ordnung ) x Möglichkeiten 2 Wahl einer Reihenfolge der gewählten Elemente Jeweils k! Möglichkeiten k-permutationen : x k! Gleichsetzen : x k! = n! (n k)! Auflösen : x = n! k! (n k)! 11 QM1_14 26
27 Sei G endliche Menge, G = n, k n Die Anzahl der k-kombinationen aus G ist dann n! k! (n k)! 3 ZoZoR aus Urne mit 5 Kugeln n = 5, k = 3 5! 3! (5 3)! = 5! 3! 2! = = = 10 Kürzungsoperationen möglichst ökonomisch! Die Zahlen ( ) n k := n! k! (n k)! heißen auch Binomialkoeffizienten Sprechweise : n über k Binomialkoeffizient kein n!!! 11 QM1_14 27
28 Eigenschaften der Binomialkoeffizienten ( ) n k = ( n ) n k ( n ) n k = = n! (n k)! (n (n k))! n! (n k)! k! = n! k! (n k)! = ( ) n k ( ) n 0 = ( ) n n = 1 ( ) n 0 = n! 0! (n 0)! = n! 1 n! = 1 Insbesondere : ( ) 0 0 = 1 ( ) n 1 = ( ) n n 1 = n ( ) n 1 = n! 1! (n 1)! = n! 1 (n 1)! = n 11 QM1_14 28
29 Eigenschaften anschaulich : ( ) n k = ( n ) n k Gegeben G mit G = n Mit Komplementbildung : k-elementige Teilmengen (n k)-elementige Teilmengen Mit G = { 1, 2, 3, 4, 5, 6 } : A = { 1, 3, 4, 6 } A c = { 2, 5 } k-elementige Teilmengen = (n k)-elementige Teilmengen ( ) n 0 = ( ) n n = 1 Es gibt eine Teilmenge mit 0 Elementen ( ) Es gibt eine Teilmenge mit n Elementen ( G selber ) ( ) n 1 = n Entsprechung : Elemente 1-elementige Teilmengen a { a } 11 QM1_14 29
30 Binomische Formeln? ( a + b ) n =? (a + b) 3 = (a + b)(a + b)(a + b) = aaa + aab + aba + abb + baa + bab + bba + bbb = a 3 + a 2 b + a 2 b + ab 2 + a 2 b + ab 2 + ab 2 + b 3 = a a 2 b + 3 ab 2 + b 3 Schritte : Alles ausmultiplizieren Faktoren in Produkten umordnen Gleiche Summanden zusammenfassen Ausmultiplizieren : 3 ursprüngliche Faktoren (a + b) Jeder davon liefert entweder a oder b Alle entstehenden Produkte haben 3 Faktoren ( a oder b ) 11 QM1_14 30
31 ? ( a + b ) n =? Lösung : ( a + b ) n als Produkt von n Faktoren (a + b) ausschreiben Ausmultiplizieren Ergebnis : Summe von Produkten aus Faktoren a, b Jedes Produkt hat n solche Faktoren Faktoren in den Produkten umordnen Alle Produkte haben die Form a k b nk ( k = 0,, n ) Gleiche Summanden a k b nk zusammenfassen? Wie oft kommt a k b nk vor? Möglichkeiten, aus den n Faktoren (a + b) diejenigen k auszuwählen, die a liefern a k b nk kommt ( ) n k Mal vor ( a + b ) n = n k=0 ( ) n a k b nk k 11 QM1_14 31
32 ( a + b ) n = n k=0 ( ) n a k b nk k n = 0 ( a + b ) 0 = 0 k=0 ( ) 0 a k b 0k = k ( ) 0 a 0 b 0 = = 1 0 n = 1 ( a + b ) 1 = = 1 k=0 ( ) 1 0 ( ) 1 a k b 1k k a 0 b 10 + ( ) 1 a 1 b 11 1 = 1 1 b + 1 a 1 = b + a = a + b n = 2 ( a + b ) 2 = = 2 k=0 ( ) 2 0 ( ) 2 a k b 2k k a 0 b 20 + ( ) 2 a 1 b ( ) 2 a 2 b 22 2 = 1 1 b a b + 1 a 2 1 = b ab + a 2 = a ab + b 2 11 QM1_14 32
33 ( a + b ) n = n k=0 ( ) n a k b nk k n = 5 ( a + b ) 5 = = 5 k=0 ( ) 5 a k b 5k k ( ) ( ) ( ) a 0 b 50 + a 1 b 51 + a 2 b ( ) ( ) ( ) a 3 b 53 + a 4 b 54 + a 5 b = 1 1 b a b a 2 b a 3 b a 4 b a 5 1 = a a 4 b + 10 a 3 b a 2 b ab 4 + b 5 ( a b ) n = ( a + (b) ) n 11 QM1_14 33
34 Pascalsches Dreieck Übersichtliche Anordnung der Binomialkoeffizienten k : 0 n : Jeder Koeffizient ist Summe der darüberliegenden 11 QM1_14 34
35 Nochmal : Mächtigkeit der Potenzmenge? Wie viele Teilmengen besitzt eine Menge der Mächtigkeit n? Beantwortung in zwei Schritten : Wie viele Teilmengen der Mächtigkeit k gibt es? Dabei : k = 0, 1,, n Aufsummieren dieser Anzahlen Hier ist zu summieren! Aufteilung aller Möglichkeiten in disjunkte Klassen Lösung also : Teilmengen mit Mächtigkeit k : ( ) n k Summieren : n k=0 ( ) n k = n k=0 ( ) n 1 k 1 nk = ( ) n = 2 n k 11 QM1_14 35
36 n-tupel aus { 0, 1 } mit genau k Einsen? Finde geeignete Kodierung! n-tupel mit k Einsen k-elementige Teilmengen von {1,, n} Teilmenge : Stellen der Einsen ( 0, 1, 0, 0, 1, 1, 0 ) { 2, 5, 6 } Kodierung ist ( umgekehrt ) schon bekannt n-tupel mit k Einsen = ( ) n k 6-köpfiger Verein braucht 2-köpfigen Vorstand Vorstände ganz gleichberechtigt? Möglichkeiten? ( ) 6 2 = 6! 2! (6 2)! = 6! 2! 4! = = QM1_14 36
37 Gegeben : 3 M(änner), 4 F(rauen)? Möglichkeiten einer 4-köpfigen Delegation mit 2 F? Delegationsmitglieder sind gleichberechtigt Lösung im Überblick : Einteilung der Möglichkeiten in disjunkte Klassen definiert durch die Anzahl der F Ermittlung der Möglichkeiten in den einzelnen Klassen Aufsummieren dieser Zahlen Lösung konkret : Klassen gegeben durch 2, 3, 4 F? Teilproblem : Möglichkeiten mit genau k Frauen? 11 QM1_14 37
38 ? Teilproblem : Möglichkeiten mit genau k Frauen? k = 2 Lösung in zwei Schritten : Wahl von 2 F ( aus 4 ) ( ) 4 Möglichkeiten : 2 Wahl von ( 4 2 ) = 2 M ( aus 3 ) ( ) 3 Möglichkeiten : 2 Jede F-Wahl kann mit jeder M-Wahl kombiniert werden Gesamtmöglichkeiten : ( ) ( ) = 6 3 = 18 Entsprechend für k = 3 : Gesamtmöglichkeiten : ( ) ( ) = 4 3 = 12 Entsprechend für k = 4 : Gesamtmöglichkeiten : ( ) ( ) = 1 1 = 1 11 QM1_14 38
39 Zurück zur Lösung : 3 disjunkte Klassen von Möglichkeiten 2, 3 oder 4 F jeweilige Möglichkeiten : 18 ( 2 F ), 12 ( 3 F ), 1 ( 4 F ), Möglichkeiten insgesamt : Summieren = 31 Alternativlösung über das Gegenteil : Gegenteil von 2 F : < 2 F Hier : 1 F ( da insgesamt 3 M ) Möglichkeiten mit 1 F : 4 Möglichkeiten für irgendeine Delegation : ( ) 7 4 = 35 Möglichkeiten mit 2 F : 35 4 = QM1_14 39
40 Hypergeometrische Verteilung Standardbeispiel : Urne mit n Kugeln ( rot oder blau ) Davon : m rot und n m blau k ZoZoR ( oder : auf einmal k Kugeln ziehen )? W für r rote Kugeln? ( 0 r k ) Voraussetzung : Alle Möglichkeiten gleich wahrscheinlich Kugeln seien physikalisch nicht wesentlich verschieden W dann über Quotienten günstige Möglichkeiten Möglichkeiten insgesamt Möglichkeiten insgesamt = ( ) n k? günstige Möglichkeiten =? 11 QM1_14 40
41 ? günstige Möglichkeiten =? Günstige Möglichkeit hier : r rote und k r blaue Kugeln Herstellung dieser Möglichkeiten in zwei Schritten Wahl von r roten Kugeln ( aus m ) ( ) m Möglichkeiten : r Wahl von k r blauen Kugeln ( aus n m ) ( ) n m Möglichkeiten : k r Jede Wahl kann mit jeder kombiniert werden günstige Möglichkeiten : ( ) ( ) m n m r k r W für r rote Kugeln : ( ) ( ) m n m r k r ( ) n k 11 QM1_14 41
42 n Kugeln, m rot ( Rest blau ), k ZoZoR, Möglichkeiten gleichwahrscheinlich W für r rote Kugeln in der Ziehung : ( ) ( ) m n m r k r ( ) n k n = 12, m = 8, k = 6 W für r = 4 rote Kugeln ( ) ( ) ( ) = 12 6 ( ) ( ) ( ) = = 5 11 = 4545 W für r = 1 rote Kugel ( ) ( ) ( ) = 12 6 ( ) ( ) ( ) =?? 12 6 Geht auch nicht : 6 1 = 5 blaue Kugeln aus 4 ziehen? Herleitung war zu oberflächlich 11 QM1_14 42
43 Definitionserweiterung : ( ) n k := 0 für ganzes k mit k < 0 oder k > n Dann : n = 12, m = 8, k = 6 W für r = 1 rote Kugel ( ) ( ) ( ) = 12 6 ( ) ( ) ( ) = = 0 6 Passt! Definitionserweiterung vermeidet lästige Fallunterscheidungen 11 QM1_14 43
44 Lotto : 6 aus 49 Zusatzzahl wird nicht berücksichtigt? Wie wahrscheinlich sind r Richtige? ( r = 0, 1,, 6 )? Wo liegt der Zufall? Im Tipp?? In der Ziehung! Voraussetzung : Alle Ziehungen sind gleich wahrscheinlich Plausibel (? ) Korrekte Art der Problemstellung : Der Tipp liegt vor ( 6 Zahlen ) Die Kugeln werden zufällig gezogen? W, dass r von den 6 getippten Zahlen gezogen werden =? 11 QM1_14 44
45 ? W, dass r von den 6 getippten Zahlen gezogen werden =? Hilfsvorstellung : Die getippten Zahlen sind rot, die anderen blau ( ätherisch ) Frage dann :? W für r rote Kugeln bei 6 ZoZoR Zurückführung des Problems auf das Standardbeispiel mit n = 49, m = 6, k = 6 Lösung : Die W für r Richtige ist ( ) ( ) r 6 r ( ) = 49 6 ( ) ( ) 6 43 r 6 r ( ) 49 6 r = 6 ( ) ( ) ( ) = = QM1_14 45
46 Allgemeine Situation : n Kugeln ( rot oder blau ) Davon : m rot und n m blau k ZoZoR ( oder : auf einmal k Kugeln ziehen ) Neue Sichtweise : Die Zahl R der gezogenen roten Kugeln ist Zufallsvariable Abkürzung : Zva Diese Zva hat eine Verteilung Beschreibung der Verteilung durch ihre W-Funktion : f R f R gibt für jedes mögliche r die W P( R = r ) an Hier also : f R ordnet r die W für Ziehung mit r roten Kugeln zu Die W-Funktion ist hier gegeben durch f R (r) = ( ) ( ) m n m r k r ( ) ( r = 0,, k ) n k 11 QM1_14 46
47 Ist n > 0, 0 m, k n, und ist die Verteilung einer Zva R durch die W-Funktion f R mit f R (r) = ( ) ( ) m n m r k r ( ) n ( r = 0,, k ) k gegeben, so heißt die Verteilung von R auch hypergeometrische Verteilung mit den Parametern n, m, k Abkürzung für diese Verteilung : H(n, m, k) Abkürzung dafür, dass R diese Verteilung hat : R H(n, m, k) Ist R Zahl der Richtigen im Lotto 6 aus 49, so gilt R H(49, 6, 6) Gegeben : 3 M(änner), 5 F(rauen) Durch Losen wird eine 4-köpfige Delegation gebildet Ist R die Zahl der F in der Delegation, so gilt R H(8, 5, 4) 11 QM1_14 47
48 Die H(49, 6, 6)-Verteilung Lotto, 6 aus 49 R : Zahl der Richtigen R H(49, 6, 6) Verteilung von R über die W-Funktion Exakte Werte : hier ungekürzt, gleicher Nenner r P(R = r) exakt P(R = r) gerundet / / / / / / / / P(R = r) r 11 QM1_14 48
49 Lotto, 6 aus 49? W für mindestens 3 Richtige? Anders formuliert : P( R 3 ) =? R 3 setzt sich zusammen aus R = 3, R = 4, R = 5, R = 6 Möglichkeiten sind disjunkt Wn addieren sich P( R 3 ) = P( R = 3 ) + P( R = 4 ) + P( R = 5 ) + P( R = 6 ) = = QM1_14 49
50 Die H(8, 5, 4)-Verteilung Auslosen einer Delegation von 4 aus 3 M und 5 F R : Zahl der F R H(8, 5, 4) Verteilung von R über die W-Funktion Exakte Werte : hier ungekürzt, gleicher Nenner r P(R = r) exakt P(R = r) gerundet 0 0/ / / / / /70 1 P(R = r) r 11 QM1_14 50
51 Elementare W-Theorie Ziel : Etwas vereinfachte Theorie endlicher W-Räume Formalisierung des Konzeptes Wahrscheinlichkeit Grundbegriffe : Grundgesamtheit, Ergebnisse Ereignisse W-Maße Ergebnisse sind die möglichen Ausgänge eines Versuchs oder Zufallsexperiments In adäquater Genauigkeit beschrieben Ohne irrelevante Aspekte Würfel zeigt eine 6 IA irrelevant : Würfel fällt auf die-und-die Stelle des Tisches Die Grundgesamtheit ist die Menge der möglichen Ergebnisse Symbol meist Ω Ω : zunächst immer mit endlicher Mächtigkeit 12 QM1_14 51
52 Würfeln Ω = { 1, 2, 3, 4, 5, 6 } Würfeln mit zwei Würfeln ( unterscheidbar ) Ω = { 1, 2, 3, 4, 5, 6 } { 1, 2, 3, 4, 5, 6 } (2, 5) : Erster Würfel : 2, zweiter Würfel : 5 Zufälliges Ziehen eines Studierenden Elementarbaustein für das Ziehen einer Stichprobe Dazu : M : Menge der Männer, F : Menge der Frauen G = M F Ω = G 12 QM1_14 52
53 Zufälliges Ziehen von 2 Studierenden aus G = M F Stichprobe vom Umfang 2? Ω =? Wie wird gezogen? ZmZmR Ω = G G ZoZmR Ω = G G \ { (g, g) g G } ZoZoR Ω = { A A G, A = 2 } Roulette Ω = { 0, 1,, 36 } 12 QM1_14 53
54 Ereignisse? Worauf sollen sich Wn beziehen? Gerade Zahl beim Würfeln Rouge beim Roulette 4 Richtige im Lotto 2 Männer beim Ziehen einer 2-er Stichprobe aus G = M F Diese Beispiele : keine Ergebnisse Sinnvoll : Einführung eines adäquaten Begriffs Begriff des Ereignisses geeignete Formalisierung? 12 QM1_14 54
55 Formalisierung des intuitiven Begriffs Ereignis Bei Ereignissen : Passende und nicht passende Ergebnisse Gerade Zahl beim Würfeln 2 passt, 5 passt nicht 2 Männer bei 2 ZoZmR aus G = M F ( Max, Moritz ) passt, ( Fritz, Heidi ) passt nicht Zusammenfassung der passenden Ergebnisse zu einer Teilmenge von Ω Würfeln, Ω = { 1, 2, 3, 4, 5, 6 } Gerade Zahl { 2, 4, 6 } Würfeln mit 2 Würfeln, Ω = { 1, 2, 3, 4, 5, 6 } 2 Augensumme 5 { (1, 4), (2, 3), (3, 2), (4, 1) } 12 QM1_14 55
56 Zufälliges Ziehen eines Studierenden, Ω = G = M F Ziehen einer Frau F Zufälliges Ziehen von 2 Studierenden aus G = M F Ziehen von 2 Männern? ZmZmR, Ω = G G Ziehen von 2 Männern M M ZoZoR, Ω = { A A G, A = 2 } Ziehen von 2 Männern { A A M, A = 2 } Roulette Rouge { 1, 3, 5, 7, 9, 12, 14, 16, 18, 19, 21, 23, 25, 27, 30, 32, 34, 36 } Manque { 1, 2,, 18 } 12 QM1_14 56
57 Bisher : natürliche Zuordnung : Ereignisse Teilmengen von Ω Präzisierender Schritt : Ereignisse sind Teilmengen von Ω Bei endlichen Grundgesamtheiten sogar ( etwas vereinfachend ) : Alle Teilmengen von Ω sind Ereignisse Ereignisse und Teilmengen von Ω sind dasselbe Sprechweise : Ereignis A tritt ein heißt : Für das Ergebnis ω des Versuchs gilt ω A Würfeln, A = {2, 4, 6} ( Gerade Zahl ) Ergebnis ist 2 A tritt ein Ergebnis ist 5 A tritt nicht ein 12 QM1_14 57
58 Besondere Ereignisse Ω tritt immer ein Ω heißt das sichere Ereignis tritt nie ein heißt das unmögliche Ereignis Sonderfall : Einelementige Ereignisse Würfeln : {6} ( Es fällt eine 6 ) Unterscheide : Ergebnis 6 Ereignis {6} Unterscheidung hier etwas künstlich Einelementige Ereignisse heißen auch Elementarereignisse 12 QM1_14 58
59 Ereignisraum Fasse alle Ereignisse zu einer Menge zusammen Resultat : P( Ω ) P( Ω ) heißt auch Ereignisraum oder Ereignisalgebra ( Voraussetzung : Ω ist endlich )? Anzahl der Ereignisse? Ist Ω = n, so P( Ω ) = 2 n Würfeln ( Ω = {1, 2, 3, 4, 5, 6} ) Ergebnisse : 6 Ereignisse : 2 6 = QM1_14 59
60 Ereignisse und Mengenoperationen Mengenoperationen mit Ereignissen neue Ereignisse Möglichkeit des Rechnens mit Ereignissen Daher die Bezeichnung Ereignisalgebra für P( Ω ) Durchgehendes Beispiel : 2 ZmZmR aus G = M F Ω = G 2 P 1 : erste gezogene Person, P 2 : zweite gezogene Person A = M G ( P 1 ist M(ann) ) B = G F ( P 2 ist F(rau) ) 12 QM1_14 60
61 Mengenoperation? Ereignis A B? A B tritt ein, wenn für Ergebnis ω gilt : ω A B wenn also ω A oder ω B ( oder beides ) wenn also A eintritt oder B eintritt ( oder beides ) A B : A tritt ein oder B tritt ein ( oder beides ) Oder hier nicht ausschließend 2 ZmZmR aus G = M F, A = M G, B = G F A B = ( M G ) ( G F ) P 1 ist M oder P 2 ist F ( oder beides ) A B tritt ein bei den Ergebnissen ( Max, Moritz ), ( Petra, Erna ), ( Pierre, Joelle) A B tritt nicht ein beim Ergebnis ( Nastasja, Ivan ) 12 QM1_14 61
62 Mengenoperation? Ereignis A B? A B tritt ein, wenn für Ergebnis ω gilt : ω A B wenn also ω A und ω B wenn also A eintritt und B eintritt A B : A tritt ein und B tritt ein 2 ZmZmR aus G = M F, A = M G, B = G F A B = ( M G ) ( G F ) = M F P 1 ist M und P 2 ist F A B tritt ein beim Ergebnis ( Eusebius, Genoveva ) A B tritt nicht ein bei den Ergebnissen ( Pere, Pau ), ( Daisy, Mary ), ( Mercedes, Ramón) 12 QM1_14 62
63 Mengenoperation c? Ereignis A c? A c tritt ein, wenn für Ergebnis ω gilt : ω A c wenn also ω / A wenn also A nicht eintritt A c : A tritt nicht ein 2 ZmZmR aus G = M F, A = M G A c = ( M G ) c = F G P 1 ist nicht M ( also : P 1 ist F ) A c tritt ein bei den Ergebnissen ( Bertha, Martha ), ( Julia, Romeo ) A c tritt nicht ein bei den Ergebnissen ( Hans, Hans ), ( Romeo, Julia ) 12 QM1_14 63
64 Mengenoperation \? Ereignis A \ B? A \ B tritt ein, wenn für Ergebnis ω gilt : ω A \ B wenn also ω A, aber nicht ω B wenn also A eintritt, aber B nicht eintritt A \ B : A tritt ein, B jedoch nicht 2 ZmZmR aus G = M F, A = M G, B = G F A \ B = ( M G ) \ ( G F ) = M M P 1 ist M, P 2 aber nicht F ( also : P 1 und P 2 sind M ) A \ B tritt ein beim Ergebnis ( Hans, Franz ) A \ B tritt nicht ein bei den Ergebnissen ( Eugen, Lisa ), ( Anna, Anna ), ( Papagena, Papageno) 12 QM1_14 64
65 Ausschließendes Oder? Wie ist ausschließendes Oder zu formulieren? Beispielsweise so : ( A B) \ ( A B ) A oder B tritt ein, nicht aber beide Also : Genau eines der Ereignisse A, B tritt ein 2 ZmZmR aus G = M F, A = M G, B = G F ( A B)\( A B ) = ( ( M G ) ( G F ) )\( M F ) P 1 ist M oder P 2 ist F, aber nicht beides ( A B) \ ( A B ) tritt ein bei den Ergebnissen ( Hermann, Heinrich ), ( Gerda, Gerda ) ( A B) \ ( A B ) tritt nicht ein bei den Ergebnissen ( Hermann, Hilde ), ( Hilde, Hermann ) 12 QM1_14 65
66 Aussagen über Ereignisse in Mengensprache Beispiele hier : Experiment Würfeln mit 2 Würfeln Ω = { 1, 2, 3, 4, 5, 6 } 2 S : Abkürzung für Augensumme A B = A und B können nicht beide eintreten In diesem Fall heißen A und B auch disjunkt A : S > 8 und B : 1 Würfel zeigt 1 sind disjunkt A B = Ω Es tritt immer ( mindestens ) eines der Ereignisse A, B ein Für A : S > 4 und B : S < 9 gilt A B = Ω 12 QM1_14 66
67 A B? Bedeutung? Wenn A eintritt, so gilt für Ergebnis ω : ω A Wegen A B gilt dann auch ω B Es tritt also auch B ein A B : Wenn A eintritt, so tritt auch B ein Für A : 1 Würfel 5 und B : S 4 gilt A B Noch ein Beispiel mit zwei Würfeln G = { 2, 4, 6 }, U = { 1, 3, 5 } A : S ist gerade G U A c Wenn 1 Würfel : gerade Zahl und 2 Würfel : ungerade Zahl so gilt : Augensumme nicht gerade 12 QM1_14 67
68 Gegenereignisse Ist A Ereignis, so heißt A c auch Gegenereignis von A Wegen (A c ) c = A ist A auch Gegenereignis von A c Sprechweise auch : A und A c sind Gegenereignisse Eigenschaften von Gegenereignissen : A A c = A A c = Ω Es tritt immer genau eines der Ereignisse A, A c ein Ein Würfel, G = { 2, 4, 6 }, U = { 1, 3, 5 } Das Gegenereignis von G ist U Zwei Würfel, G = { 2, 4, 6 }, U = { 1, 3, 5 } Das Gegenereignis von G {1, 2, 3, 4, 5, 6} ist U {1, 2, 3, 4, 5, 6} 12 QM1_14 68
69 Disjunkte Zerlegungen Sind A 1,, A n, A Ω, so heißt ( A 1,, A n ) disjunkte Zerlegung von A, falls (i) A i A j = für i j (ii) A 1 A 2 A n = A Abkürzung : dz ( A, A c ) ist dz von Ω A Ω ( A \ B, A B ) ist dz von A A B 12 QM1_14 69
70 ( A \ B, B \ A, A B ) ist dz von A B A B ( A, B \ A ) ist noch eine dz von A B A B 6 ZoZoR aus G ( 10 Personen, davon 5 F(rauen) ) Ω = { A A G, A = 6 } B j : j gezogene Personen sind F ( j = 0, 6 ) ( B 0,, B 6 ) ist dz von Ω B 0 = B 6 = Auch ( B 1,, B 5 ) ist dz von Ω 12 QM1_14 70
71 Erinnerung : Funktionen Eine Funktion f : D W ordnet jedem Element des Definitionsbereichs D eindeutig ein Element des Wertebereichs W zu Statt Funktion auch Abbildung Beispiel : f : R R mit f(x) = x 2 f(x) 1 1 x Kurzschreibweise auch : f : x x 2 Voraussetzung : Definitions- und Wertebereich sind klar auch bei konkreten Werten : = 4 Genauer Wertebereich nicht so wichtig, solange passend bei x x 2 Wertebereich auch [ 0, ) statt R 12 QM1_14 71
72 W-Maße Ist Ω endliche Grundgesamtheit, so heißt eine Funktion P : P( Ω ) R ein W-Maß auf Ω, falls folgende Bedingungen erfüllt sind : (i) P(A) 0 für alle A Ω (ii) P(Ω) = 1 (iii) P(A B) = P(A) + P(B) falls A B = (i) : Positivität, (ii) : Normierung, (iii) : Additivität (i), (ii), (iii) : W-Axiome Idealer Würfel, Ω = { 1, 2, 3, 4, 5, 6 } Durch P(A) := A / Ω wird ein W-Maß definiert Axiome nachprüfen! P( Gerade Zahl ) = P({2, 4, 6}) = 3/6 = 1/2 Dies W-Maß trifft die Intuition Allgemein bei gleichwahrscheinlichen Ergebnissen P(A) := A / Ω liefert plausibles W-Maß Gleichverteilung 12 QM1_14 72
73 Flächenanalogie Hilfreich : Vorstellung der Ereignisse als Teilflächen einer Gesamtfläche Ω Ω A B W-Maß hat dann die Eigenschaften eines Flächenmaßes 3 Axiom : P(A B) = P(A) + P(B) falls A B = Ω A B W-Maße verhalten sich ähnlich wie Flächenmaße In Mathematik ( Maßtheorie ) einheitliche Behandlung 12 QM1_14 73
74 Bemerkungen W-Maß als Funktion passt als Formalisierung zu Jedes Ereignis hat eine Wahrscheinlichkeit Verzicht auf Definition von Wahrscheinlichkeit Nur Formulierung von Eigenschaften, denen ( hoffentlich ) jeder zustimmen kann ( der an Wn glaubt ) Frage Gibt es Wn ( Wo? ) bleibt unberührt Definition ohne quantitative Festlegungen Solche Festlegungen müssen bei Anwendungen gemacht werden W-Modelle für gegebene Bereiche W-Modell für Würfeln : Gleichverteilung? Richtig für einen bestimmten konkreten Würfel? Völlige Symmetrie? Unwuchten?? Richtig?? oder besser : Angemessen? Gleichverteilungsmodell richtig für idealen Würfel Wo gibt es den? Im Ideenhimmel? Richtigkeit hier tautologisch Idealer Würfel durch Gleichverteilung definiert 12 QM1_14 74
75 Statistiker haben die W von zu berechnet Suggeriert grobes Missverständnis Statistiker können gar nichts ausrechnen außer für ideale Situationen oder ( konkrete Situationen ) unter Modellannahmen die mehr oder weniger plausibel sind W für 6 Richtige im Lotto ist 1/ Stimmt für die ideale Lottotrommel ( wo ist die? ) wenn es keine prophetischen Fähigkeiten gibt Aufgabe der Statistik : Entscheidung zwischen verschiedenen W-Modellen Ist dieser Würfel fair oder nicht? Kann das Gleichverteilungsmodell verworfen werden? Für unendliche Grundgesamtheiten ist Definition des W-Maßes zu modifizieren 12 QM1_14 75
76 Frequentistische W-Interpretation W ist Grenzwert relativer Häufigkeiten ( rh ) Frage : W der 6 beim Würfeln? Es wird 180 Mal gewürfelt Kumulative Bildung der rh der 6 Anfang der Daten : Würfe 6en Kumulierte rh Dezimal 5 2 2/ / / /20 1 Konvergenz : rh n 1/6 = QM1_14 76
77 Konvergenz der rh : Empirische Tatsache? Konvergenz kann auch in W-Theorie bewiesen werden Rechtfertigung der frequentistischen Interpretation!! Genauer hinsehen! Aussage der W-Theorie etwa : Konvergenz tritt auf mit Wahrscheinlichkeit 1 Zirkel! Trotzdem : Intutition von W als Grenzwert von rh ist naheliegend Oft nützlich bei der Plausibilisierung neuer Konzepte 12 QM1_14 77
78 W-Räume Eine Grundgesamtheit Ω mit einem W-Maß P heißt auch Wahrscheinlichkeitsraum ( W-Raum ) Formale Schreibweise : < Ω, P > Ist das W-Maß P eines W-Raums < Ω, P > gegeben durch P(A) = A Ω, so heißt < Ω, P > auch Laplaceraum Modell der Gleichwahrscheinlichkeit der Ergebnisse Idealer Würfel Zufälliges Stichprobenziehen Annahme eines Laplaceraums ist im Einzelfall zu prüfen 12 QM1_14 78
79 Folgerungen aus den Axiomen Ist (A 1, A n ) dz von A so gilt : P(A) = n i=1 P(A i ) Zunächst n = 2 A = A 1 A 2 mit A 1 A 2 = Axiom (iii) : P(A) = P(A 1 A 2 ) = P(A 1 ) + P(A 2 ) Nun : n = 3, (A 1, A 2, A 3 ) ist dz von A (= A 1 A 2 A 3 ) Ω A 1 A 3 A 2 ((A 1 A 2 ), A 3 ) ist dz von A P(A) = P(A 1 A 2 ) + P(A 3 ) ( hier : n = 2 ) (A 1, A 2 ) ist dz von A 1 A 2 P(A 1 A 2 ) = P(A 1 ) + P(A 2 ) ( schon gezeigt ) P(A) = P(A 1 A 2 ) + P(A 3 ) = P(A 1 ) + P(A 2 ) + P(A 3 ) Analog : Von n = 3 zu n = 4 zu n = 5 12 QM1_14 79
80 P(A) + P(A c ) = 1 (A, A c ) ist dz von Ω A Ω Wn von Gegenereignissen addieren sich zu 1 P(A) 1 für alle A P(A) + P(A c ) = 1 und P(A c ) 0 ( Ax (i) ) P(A c ) = 1 P(A) P( ) = 0 = Ω c! Umkehrung muss nicht gelten : Aus P(A) = 0 folgt nicht A = 12 QM1_14 80
81 Aus A B folgt P(A) P(B) B A Ω (A, B \ A) ist dz von B Ω P(A) + P(B \ A) = P(B) Wegen P(B \ A) 0 : P(A) P(B) 12 QM1_14 81
82 P(A B) = P(A) + P(B) P(A B) A B Zerlege geeignet! (A \ B, A B) ist dz von A (B \ A, A B) ist dz von B (A \ B, B \ A, A B) ist dz von A B P(A B) = P(A \ B) + P(B \ A) + P(A B) = P(A \ B) + P(A B) + P(B \ A) + P(A B) P(A B) = P(A) + P(B) P(A B) P(A B) P(A) + P(B) P(A 1 A 2 A n ) P(A 1 ) + P(A 2 ) + + P(A n ) Induktiv, nächster Schritt ( 2 3 ) beispielsweise P(A 1 A 2 A 3 ) = P((A 1 A 2 ) A 3 ) P(A 1 A 2 ) + P(A 3 ) P(A 1 ) + P(A 2 ) + P(A 3 ) 12 QM1_14 82
83 W-Funktionen? Wie gibt man ein W-Maß an? Eine Möglichkeit : Auflistung der Werte : A P(A) für alle Ereignisse A Aufwändig und umständlich! Beim Würfel : 2 6 = 64 Einzelangaben Zur Rekonstruktion aller Wn : Kenntnis der Wn der Elementarereignisse genügt : Ist A = { ω 1, ω 2,, ω k }, so gilt : ( {ω 1 }, {ω 2 },, {ω k } ) ist dz von A P(A) = P({ω 1 }) + P({ω 2 }) + + P({ω k }) Zusammenfassung dieser Wn aller Elementarereignisse 12 QM1_14 83
84 Zusammenfassung der Wn aller Elementarereignisse : Ist < Ω, P > (endlicher) W-Raum, so heißt die Funktion f : Ω R mit f( ω) := P({ω}) für alle ω Ω auch die zu P gehörende Wahrscheinlichkeits-Funktion Abkürzung für Wahrscheinlichkeitsfunktion : W-Funktion Ist f die zu P gehörende W-Funktion, so gilt für alle A Ω : P(A) = ω A f(ω) P({ω}) = P(A) f(ω) = ω A ω A Angabe eines W-Maßes auf Ω mit Ω = n : mit Hilfe der W-Funktion f durch n Einzelangaben f(ω) Zur Vollständigkeit : ω f(ω) = 0 ( leere Summe ) 12 QM1_14 84
85 2 reale Würfel 36 Angaben statt 2 36 = Ist < Ω, P > Laplaceraum, so ist f 1 Ω ( konstant ) Eigenschaften von W-Funktionen Ist f W-Funktion zum W-Maß P auf Ω, so gilt : (i) f(ω) 0 für alle ω Ω (ii) f(ω) = 1 ω Ω (i) : f(ω) = P({ω}) 0 (ii) : f(ω) = P(Ω) = 1 ω Ω Die beiden Eigenschaften charakterisieren W-Funktionen vollständig Konstruktion eines W-Maßes aus der erhofften W-Funktion 12 QM1_14 85
86 Ist f : Ω R Funktion auf endlichem Ω mit (i) f(ω) 0 für alle ω Ω (ii) f(ω) = 1, ω Ω so wird durch die Vorschrift P(A) := ω A f(ω) für alle A Ω ein W-Maß P auf Ω definiert, dessen W-Funktion f ist Zeige : a) P ist W-Maß ( Axiome nachprüfen ) b) W-Funktion von P ist dann f ( klar ) Gegeben : 55 Studierende ( Ω ), einmal zufällig Ziehen Aber : 10 kommen nur jedes zweite Mal? Geeignetes W-Maß? Konstruktion über die W-Funktion f W-Funktion für regelmäßigen Teilnehmer : x W-Funktion für unregelmäßigen Teilnehmer dann : x/2 Wegen (ii) muss gelten 1 = ω Ω f(ω) = 45 x + 10 x 2 Also 50 x = 1 oder x = 1/50 12 QM1_14 86
87 Häufigkeiten und Wn Zusammenhang für motivierende Argumentationen ( vage ) Grundlage : Frequentistische Intuition 6en bei 600-mal Würfeln? Ein Ereignis A hat W p Der Versuch wird sehr oft durchgeführt (N Mal )? Wie oft tritt A ein? ( ungefähr ) Eintreten von A : n rh also : n/n Frequentistische Interpretation n/n p n N p 6en bei 600-mal Würfeln : = QM1_14 87
88 Bedingte Wahrscheinlichkeiten W von positiver Diagnose bei Krankheit W von Krankheit bei positiver Diagnose 2 Würfel, A : Summe > 7, B : 1 Würfel : 3 P(A) = 15 36, P(B) = 1 6, P(A B) = 2 36? W von A unter B? Allgemein : Gegeben Ereignisse A, B mit P(B) > 0? W von A unter B?? Was soll das überhaupt heißen? Motivierung der Definition (!) mit frequentistischer Intuition Führe Versuch oft durch ( N-mal ) Betrachte nur die Ergebnisse, bei denen B eintritt Wie groß ist davon die rh von A? Diese rh sollte etwa die bedingte W sein 12 QM1_14 88
89 Versuch wird N-mal durchgeführt Auftreten von B : N P(B) Mal Darunter : Auftreten von A : N P(A B) Mal RH : N P(A B) N P(B) = P(A B) P(B) Würfelbeispiel : mal Würfeln Eintreten von B ( 1 Würfel : 3 ) : etwa P(B) = = 6000 Mal Dazu Eintreten von A ( Summe > 7 ) : etwa rh etwa P(A B) = = 1 3 ( = P(A B) P(B) = 2000 Mal ) 12 QM1_14 89
90 Sind A und B Ereignisse mit P(B) > 0, so heißt P(A B) := P(A B) P(B) auch bedingte Wahrscheinlichkeit von A unter B Definition in Harmonie mit frequentistischer Interpretation Bedingtheit hat allgemein nichts zu tun mit zeitlicher Reihenfolge mit Kausalität schon gar nicht In speziellen Fällen jedoch oft 2 Würfel, A : Summe > 7, B : 1 Würfel : 3 P(A) = 15 36, P(B) = 1 6, P(A B) = 2 36 P(A B) = 2/36 1/6 = 1 3 P(A) ändert sich bei Eintreten von B Es besteht eine Art Abhängigkeit zwischen A und B 12 QM1_14 90
91 Ist P(B) > 0, so gilt : (i) P(A B) 0 für alle A Ω (ii) P(Ω B) = 1 (iii) P(A 1 A 2 B) = P(A 1 B) + P(A 2 B) für A 1 A 2 = Kurz : P( B) ist ein W-Maß auf Ω P( B) ist Kurzschreibweise für : A P(A B) (i), (ii) : klar (iii) : Gilt A 1 A 2 =, so auch (A 1 B) (A 2 B) = ferner (immer) (A 1 A 2 ) B = (A 1 B) (A 2 B) A 1 Ω B A 2 P(A 1 A 2 B) = P((A 1 A 2 ) B) P(B) = P(A 1 B) + P(A 2 B) P(B) = P(A 1 B) P(B) + P(A 2 B) P(B) = P(A 1 B) + P(A 2 B) 12 QM1_14 91
92 P( A c B) = 1 P(A B) etc etc P( B) ist W-Maß P(A B) = P(A B) P(B) Ist ( B 1,, B J ) dz von Ω mit P(B j ) > 0 für alle j und A Ω, so gilt P(A) = J j=1 P(A B j ) P(B j ) Satz von der totalen Wahrscheinlichkeit ( A B 1,, A B J ) ist dz von A : Ω A Ω dz von Ω in die B j dz von A in die A B j P(A) = J j=1 P(A B j ) = J j=1 P(A B j ) P(B j ) P(A) ist gewichtetes Mittel der bedingten Wn P(A B j ) 12 QM1_14 92
93 2 Würfel B j : 1 Würfel zeigt j ( j = 1,, 6 ) A : Summe ist 10 1 Würfel gezinkt : P(B 1 ) = = P(B 5 ) = 1, P(B 6 ) = 5? P(A) =? (B 1,, B 6 ) ist dz von Ω = {1,, 6} 2 P(A B 1 ) = = P(A B 3 ) = 0 P(A B 4 ) = 1 6, P(A B 5) = 2 6, P(A B 6) = 3 6 P(A) = 6 j=1 P(A B j ) P(B j ) = 0 (1) + 0 (1) + 0 (1) (1) (1) (5) = 18 6 = 3 Vgl : 6/36 = 1/6 bei fairem 1 Würfel 12 QM1_14 93
94 Ist ( B 1,, B J ) dz von Ω mit P(B j ) > 0 für alle j und A Ω mit P(A) > 0, so gilt für alle k = 1,, J P(B k A) = P(A B k ) P(B k ) J P(A B j ) P(B j ) j=1 Satz von Bayes P(B k A) = P(B k A) P(A) = P(A B k ) P(B k ) J P(A B j ) P(B j ) j=1 Nenner ist P(A) ( totale W ) Änderung der a-priori-wahrscheinlichkeiten P(B k ) unter Zusatzinformation A zu a-posteriori-wahrscheinlichkeiten P(B k A) Interessante Frage in der Kognitionspsychologie? Verhalten sich Organismen gemäß Bayesformel? 12 QM1_14 94
95 2 Würfel B j : 1 Würfel zeigt j ( j = 1,, 6 ) A : Summe ist 10 1 Würfel gezinkt : P(B 1 ) = = P(B 5 ) = 1, P(B 6 ) = 5? P(B k A) =? (B 1,, B 6 ) ist dz von Ω = {1,, 6} 2 P(A B 1 ) = = P(A B 3 ) = 0 P(A B 4 ) = 1 6, P(A B 5) = 2 6, P(A B 6) = 3 6 P(A) = 3 P(B 2 A) = 0 3 = 0 P(B 5 A) = P(B 6 A) = (2/6) (1) 3 (3/6) (5) 3 = 1 9 = 5 6 A-posteriori-Wn P(B k A) : 0, 0, 0, Summe ist , 2 18, Vgl mit a-priori-wn! A-posteriori-Wn bei fairem erstem Würfel : P(B k A) : 0, 0, 0, 1 6, 2 6, QM1_14 95
96 Unabhängigkeit Motivierung der Definition Test auf Krankheit Versuch : Zufälliges Ziehen eines Probanden aus Gesamtpopulation A : Diagnose positiv, B : Proband krank Erwartung an guten Test : Bei Kranken erhöht sich die W einer positiven Diagnose im Vergleich zur Gesamtpopulation Formal : P(A B) > P(A) Dann besteht eine Art Abhängigkeit ( A von B ) Falls P(A B) = P(A) : Test ganz unbrauchbar A hängt überhaupt nicht von B ab Nahliegende Sprechweise : A ist von B unabhängig, falls P(A B) = P(A) 12 QM1_14 96
97 Intuitive Bedingung für Unabhängigkeit ( A von B ) : P(A) = P(A B) = P(A B) P(B) Umformung : P(A B) = P(A) P(B) Zwei Ereignisse A und B heißen unabhängig, falls P(A B) = P(A) P(B) gilt Sind A und B unabhängig mit P(B) > 0, so gilt P(A) = P(A B) P(A B) = P(A B) P(B) = P(A) P(B) P(B) = P(A) ( Technische ) Defintion also in Einklang mit Motivation Unabhängigkeit ist symmetrisch! Nicht Unabhängigkeit und Disjunktheit verwechseln!! Keine ( allgemein ) falschen Assoziationen! ( Kausalität etc ) 12 QM1_14 97
98 2 faire Würfel, A : 1 Würfel : 3, B : Summe = 7? A, B unabhängig? P(A) = 1 6, P(B) = 1 6, P(A B) = 1 36 P(A) P(B) = = 1 36 = P(A B) A und B sind unabhängig 2 faire Würfel, A : 1 Würfel : 3, B : Summe = 8? A, B unabhängig? P(A) = 1 6, P(B) = 5 36, P(A B) = 1 36 P(A) P(B) = = = P(A B) A und B sind nicht unabhängig Hier : P(A B) = = P(A) 12 QM1_14 98
99 2 faire Würfel, A : 1 Würfel : < 5, B : 2 Würfel > 3? A, B unabhängig? P(A) = 4 6, P(B) = 3 6, P(A B) = P(A) P(B) = = = P(A B) A und B sind unabhängig Hier Sonderfall : A bezieht sich auf 1 Würfel, B auf 2 Würfel? Sind derartige Ereignisse immer unabhängig? Vermutung : Ja 12 QM1_14 99
100 Sind A und B unabhängig, so auch A und B c P(A B c ) =? A B ( A B, A B c ) ist dz von A P(A) = P(A B) + P(A B c ) P(A B c ) = P(A) P(A B) = P(A) P(A) P(B) = P(A) (1 P(B)) = P(A) P(B c ) Sind A, B unabhängig, so auch A c, B, ebenso A c, B c A, B vertauschen bzw iterieren 12 QM1_14 100
101 Sind A und B unabhängig, P(B) > 0, P(B c ) > 0, so gilt P(A B) = P(A) = P(A B c ) Dies zeigt nochmal die Angemessenheit der Begriffsbildung Diagnosebeispiel : A : Diagnose positiv, B : Proband krank Sind A, B unabhängig, so P(A B) = P(A B c ) Test dann in der Tat unbrauchbar Unabhängigkeit von mehr als 2 Ereignissen A, B, C heißen unabhängig, falls sie paarweise unabhängig sind und zusätzlich P( A B C ) = P(A) P(B) P(C) gilt Unabhängigkeit von 3 Ereignissen ist also mehr als paarweise Unabhängigkeit und auch mehr als Gültigkeit von P( A B C ) = P(A) P(B) P(C) Analog ( immer komplizierter ) : Unabhängigkeit von 4, 5, 6, Ereignissen 12 QM1_14 101
102 Zufallsvariable Oft interessiert bei einem Versuch nicht das genaue Ergebnis sondern nur ein bestimmter Aspekt 2 Würfel, interessant ist vielleicht nur die Augensumme Erfassen eines solchen Aspektes durch eine geeignete Abbildung 2 Würfel, es interessiert die Augensumme Geeignete Abbildung : X : { 1, 2, 3, 4, 5, 6 } 2 { 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12 } X((w 1, w 2 )) := w 1 + w 2 X((3, 5)) = 8 Verkürzende Schreibweise : X(3, 5) statt X((3, 5)) Streng genommen unkorrekt, aber praktisch 12 QM1_14 102
103 2 Würfel, interessant ist jetzt der 1 Würfel Geeignete Abbildung : X 1 : { 1, 2, 3, 4, 5, 6 } 2 { 1, 2, 3, 4, 5, 6 } X 1 (w 1, w 2 ) := w 1 Oder : interessant ist der 2 Würfel Geeignete Abbildung : X 2 : { 1, 2, 3, 4, 5, 6 } 2 { 1, 2, 3, 4, 5, 6 } X 2 (w 1, w 2 ) := w 2 Für viele Zwecke praktischer : Als Wertebereich von X 1, X 2, X gleich R nehmen Hier gilt übrigens : X = X 1 + X 2 Summe von Abbildungen ist wieder Abbildung Formale Definition : Sind X 1 und X 2 Abbildungen auf Ω mit Werten in den reellen Zahlen, so ist X 1 + X 2 die Abbildung auf Ω, die gegeben ist durch (X 1 + X 2 )(ω) := X 1 (ω) + X 2 (ω) Analog : Differenz, Produkt, X 2 1, etc etc 12 QM1_14 103
104 Population Ω von Männern und Frauen Zufälliges Ziehen einer Person Elementarbaustein des Stichprobenziehens Interessant ist vielleicht die Intelligenz der gezogenen Person Geeignete Abbildung : X : Ω R Person IQ X( Julius ) = 117 Interessant ist jetzt das Geschlecht der gezogenen Person Geeignete Abbildung : Y : Ω { m, w } Person Geschlecht Y ( Petra ) = w Vorteil derartiger Abbildungen Erfassung der relevanten Information bei Ignorierung der irrelevanten 12 QM1_14 104
105 Urbild Ist X : Ω Ω eine Abbildung und A Ω, so heißt die Menge X 1 (A) := { ω Ω X(ω) A } das Urbild von A unter X 2 Würfel, X : {1, 2, 3, 4, 5, 6} 2 R : Augensumme A = { 10, 11, 12 } Augensumme 10 X 1 (A) gibt Antwort auf die Frage : Welche Ergebnisse führen zu Augensummen 10? X 1 (A) = { (4, 6), (5, 5), (5, 6), (6, 4), (6, 5), (6, 6) } Zufälliges Ziehen einer Person aus Population Ω X : Intelligenz A = (100, ) überdurchschnittlich X 1 (A) gibt Antwort auf die Frage : Welche Personen sind überdurchschnittlich intelligent? X 1 (A) vielleicht : { Julius, Olga, Maria, Fritz, } 12 QM1_14 105
106 2 faire Würfel, X : {1, 2, 3, 4, 5, 6} 2 R : Augensumme A = { 10, 11, 12 } Augensumme 10? Wie wahrscheinlich ist eine Augensumme in A? ( also 10 ) Lösungsweg : Umformulierung : Welche Ergebnisse führen zu Summe 10? Antwort : (4, 6), (5, 5), (5, 6), (6, 4), (6, 5), (6, 6) Also die Elemente von X 1 (A) Es sind also folgende Ereignisse gleich : Augensumme X liegt in A X 1 (A) Daher ist die W einer Augensumme in A gleich P(X 1 (A)) Lösung also : Die gesuchte W ist P(X 1 (A)) = 6 36 = 1 6 Entscheidend : das interessierende Ereignis ist X 1 (A) Davon ist die W zu bestimmen P(X 1 (A)) 12 QM1_14 106
107 Ist < Ω, P > ( endlicher ) W-Raum und X : Ω Ω eine Funktion mit Werten in einer Menge Ω, so heißt X auch Zufallsvariable ( auf Ω ) Abkürzung : Zva Zvan erfassen relevante Aspekte eines Zufallsergebnisses Zufällig ist das Ergebnis ω, X( ω ) dann aber nicht mehr Wn von Ereignissen, die sich auf eine Zva beziehen? Form solcher Ereignisse genauer : Gegeben ist ein A Ω Ereignis dann : Der Wert von X liegt in A Bezeichnung für dieses Ereignis : X A Bezeichnung der Wahrscheinlichkeit : P(X A) P(X A) = P(X 1 (A)) Weitere Schreibweisen : X 10 : Ereignis, dass X mindestens 10 ist P(X 10) : W davon Etc etc 12 QM1_14 107
108 Verteilung einer Zva Ist < Ω, P > (endlicher) W-Raum und X : Ω Ω eine Zva mit Werten in einer endlichen Menge Ω, so ist die durch die Vorschrift P X (A) := P(X 1 (A)) für A Ω auf P(Ω ) definierte Funktion P X ein W-Maß auf Ω Nachprüfen der Axiome P X (A) ist die W, dass X einen Wert in A annimmt Das W-Maß P X heißt auch Bildmaß von P ( unter X ) oder auch Verteilung von X Charakterisierung wie üblich durch die W-Funktion Die zu P X gehörende W-Funktion heißt auch W-Funktion von X Bezeichnung meist : f X 12 QM1_14 108
109 Eigenschaften der W-Funktion von X Ω erstmal immer endlich Ist < Ω, P > (endlicher) W-Raum mit W-Funktion f und X : Ω Ω Zva mit W-Funktion f X : Ω R, so gilt f X (x) = ω Ω X(ω)=x f(ω) für alle x Ω f X (x) = P X ({x}) = P(X 1 ({x})) und X 1 ({x}) = { ω Ω X(ω) {x}} = { ω Ω X(ω) = x} Ist f X die W-Funktion einer Zva X : Ω Ω, so gilt für alle A Ω die Beziehung P X (A) = x A f X (x) f X ist W-Funktion 12 QM1_14 109
110 Gegeben : Population Ω = { a, b, c, d, e, f, g, h } Interessant : Verteilung der Zva X : Augenfarbe Ω = { b, hb, db, hg, dg } braun, hell/dunkel-blau/grün Ungleiche Ziehungswahrscheinlichkeiten W-Maß P auf Ω gegeben durch W-Funktion f ω f(ω) X(ω) a 20 hb b 15 dg c 05 b d 10 hg e 15 b f 10 db g 10 hg h 15 dg Bestimme P X über f X! f X (b) = ω Ω X(ω)=b f X (hb) = ω Ω X(ω)=hb f X (db) = f(f) = 10 f(ω) = f(c) + f(e) = = 20 f(ω) = f(a) = 20 f X (hg) = f(d) + f(g) = = 20 f X (dg) = f(b) + f(h) = = QM1_14 110
111 Zusammenfassung der Werte von f X x f X (x) b 20 hb 20 db 10 hg 20 dg 30 Veranschaulichung der W-Funktion f X f X (x) b hb db hg dg x H := { hb, hg } Helle Augenfarbe P X (H) = x H f X (x) = f X (hb) + f X (hg) = = 40 Natürlich gleiches Resultat mit P X (H) = P(X 1 (H)) : X 1 (H) = { a, d, g } P({ a, d, g }) = f(a) + f(d) + f(g) = = QM1_14 111
112 Verteilung der Augensumme von 2 fairen Würfeln Ω = { 1, 2, 3, 4, 5, 6 } 2 P : Gleichverteilung, also f(ω) = 1/36 für alle ω Zva : X : Ω Ω = { 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12 } X(w 1, w 2 ) = w 1 + w 2 Bestimme P X über f X f X ( 4 ) = f(1, 3) + f(2, 2) + f(3, 1) = = 3 36 Insgesamt : x f X (x) Veranschaulichung : f X (x) 5/36 1/ x 12 QM1_14 112
Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809
MehrStatistik I für Betriebswirte Vorlesung 5
Statistik I für Betriebswirte Vorlesung 5 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik 07. Mai 2015 PD Dr. Frank Heyde Statistik I für Betriebswirte Vorlesung 5 1 Klassische Wahrscheinlichkeitsdefinition
MehrData Mining: Einige Grundlagen aus der Stochastik
Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener
Mehr(für Grund- und Leistungskurse Mathematik) 26W55DLQHU0DUWLQ(KUHQE UJ*\PQDVLXP)RUFKKHLP
.RPELQDWRULN (für Grund- und Leistungsurse Mathemati) 6W55DLQHU0DUWLQ(KUHQE UJ*\PQDVLXP)RUFKKHLP Nach dem Studium dieses Sripts sollten folgende Begriffe beannt sein: n-menge, Kreuzprodut, n-tupel Zählprinzip
MehrÜbungen zur Mathematik für Pharmazeuten
Blatt 1 Aufgabe 1. Wir betrachten den Ereignisraum Ω = {(i,j) 1 i,j 6} zum Zufallsexperiment des zweimaligem Würfelns. Sei A Ω das Ereignis Pasch, und B Ω das Ereignis, daß der erste Wurf eine gerade Augenzahl
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
Mehr1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem P( ) = 0.
1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem Folg. 2 Sei (Ω, E, P) W.-raum. Seien A, B,A 1,...,A n Ereignisse. Es gelten die folgenden Aussagen: 1. P(A) = 1 P(A). 2. Für das unmögliche Ereignis gilt:
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrWahrscheinlichkeitstheorie. Zapper und
Diskrete Wahrscheinlichkeitsräume Slide 1 Wahrscheinlichkeitstheorie die Wissenschaft der Zapper und Zocker Diskrete Wahrscheinlichkeitsräume Slide 2 Münzwürfe, Zufallsbits Elementarereignisse mit Wahrscheinlichkeiten
MehrVariationen Permutationen Kombinationen
Variationen Permutationen Kombinationen Mit diesen Rechenregeln lässt sich die Wahrscheinlichkeit bestimmter Ereigniskombinationen von gleichwahrscheinlichen Elementarereignissen ermitteln, und erleichtert
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
MehrAufgabe 2.1. Ergebnis, Ergebnismenge, Ereignis
Aufgabe 2. Ergebnis, Ergebnismenge, Ereignis Ergebnis und Ergebnismenge Vorgänge mit zufälligem Ergebnis, oft Zufallsexperiment genannt Bei der Beschreibung der Ergebnisse wird stets ein bestimmtes Merkmal
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
MehrMaristengymnasium Fürstenzell zuletzt geändert am 10.03.2001 Aufgaben zur Kombinatorik (mit Lösungen)
Maristengymnasium Fürstenzell zuletzt geändert am 0.0.00 Aufgaben zur Kombinatorik (mit Lösungen) 0.. Wieviele Möglichkeiten gibt es für Kinder, sich auf einen Schlitten zu setzen, wenn ihn nur davon steuern
MehrKugel-Fächer-Modell. 1fach. 3fach. Für die Einzelkugel gibt es 3 Möglichkeiten. 6fach. 3! Möglichkeiten
Kugel-Fächer-Modell n Kugeln (Rosinen) sollen auf m Fächer (Brötchen) verteilt werden, zunächst 3 Kugeln auf 3 Fächer. 1fach 3fach Für die Einzelkugel gibt es 3 Möglichkeiten } 6fach 3! Möglichkeiten Es
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
MehrBei vielen Zufallsexperimenten interessiert man sich lediglich für das Eintreten bzw. das Nichteintreten eines bestimmten Ereignisses.
XI. Binomialverteilung ================================================================== 11.1 Definitionen -----------------------------------------------------------------------------------------------------------------
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 15: Reguläre Ausdrücke und rechtslineare Grammatiken Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/25 Was kann man mit endlichen
MehrBeispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen
4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
Mehrx 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt
- 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +
MehrÜbungsaufgaben Wahrscheinlichkeit
Übungsaufgaben Wahrscheinlichkeit Aufgabe 1 (mdb500405): In einer Urne befinden sich gelbe (g), rote (r), blaue (b) und weiße (w) Kugel (s. Bild). Ohne Hinsehen sollen aus der Urne in einem Zug Kugeln
MehrGleichungen Lösen. Ein graphischer Blick auf Gleichungen
Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term
MehrAbsolute Stetigkeit von Maßen
Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches
MehrName:... Matrikel-Nr.:... 3 Aufgabe Handyklingeln in der Vorlesung (9 Punkte) Angenommen, ein Student führt ein Handy mit sich, das mit einer Wahrscheinlichkeit von p während einer Vorlesung zumindest
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrAbituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler
MehrMengensysteme, Wahrscheinlichkeitsmaße
Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 3: Alphabete (und Relationen, Funktionen, Aussagenlogik) Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Oktober 2008 1/18 Überblick Alphabete ASCII Unicode
Mehry 1 2 3 4 5 6 P (Y = y) 1/6 1/6 1/6 1/6 1/6 1/6
Fachhochschule Köln Fakultät für Wirtschaftswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 39 14 jutta.arrenberg@fh-koeln.de Übungen zur Statistik für Prüfungskandidaten und Prüfungskandidatinnen Unabhängigkeit
MehrSkript und Aufgabensammlung Terme und Gleichungen Mathefritz Verlag Jörg Christmann Nur zum Privaten Gebrauch! Alle Rechte vorbehalten!
Mathefritz 5 Terme und Gleichungen Meine Mathe-Seite im Internet kostenlose Matheaufgaben, Skripte, Mathebücher Lernspiele, Lerntipps, Quiz und noch viel mehr http:// www.mathefritz.de Seite 1 Copyright
Mehr1 Aussagenlogik und Mengenlehre
1 Aussagenlogik und engenlehre 1.1 engenlehre Definition (Georg Cantor): nter einer enge verstehen wir jede Zusammenfassung von bestimmten wohl unterschiedenen Objekten (m) unserer Anschauung oder unseres
MehrV 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,
Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen
MehrERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN
ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN CHRISTIAN HARTFELDT. Zweiter Mittelwertsatz Der Mittelwertsatz Satz VI.3.4) lässt sich verallgemeinern zu Satz.. Seien f, g : [a, b] R auf [a,
MehrMathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse
MehrTheorie der Informatik
Theorie der Informatik 6. Formale Sprachen und Grammatiken Malte Helmert Gabriele Röger Universität Basel 17. März 2014 Einführung Beispiel: Aussagenlogische Formeln Aus dem Logikteil: Definition (Syntax
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrZahlenwinkel: Forscherkarte 1. alleine. Zahlenwinkel: Forschertipp 1
Zahlenwinkel: Forscherkarte 1 alleine Tipp 1 Lege die Ziffern von 1 bis 9 so in den Zahlenwinkel, dass jeder Arm des Zahlenwinkels zusammengezählt das gleiche Ergebnis ergibt! Finde möglichst viele verschiedene
Mehr6 Mehrstufige zufällige Vorgänge Lösungshinweise
6 Mehrstufige zufällige Vorgänge Lösungshinweise Aufgabe 6.: Begründen Sie, warum die stochastische Unabhängigkeit zweier Ereignisse bzw. zufälliger Vorgänge nur ein Modell der Realität darstellen kann.
MehrR ist freie Software und kann von der Website. www.r-project.org
R R ist freie Software und kann von der Website heruntergeladen werden. www.r-project.org Nach dem Herunterladen und der Installation von R kann man R durch Doppelklicken auf das R-Symbol starten. R wird
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrCodierungstheorie Rudolf Scharlau, SoSe 2006 9
Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrKapitel 3: Etwas Informationstheorie
Stefan Lucks 3: Informationstheorie 28 orlesung Kryptographie (SS06) Kapitel 3: Etwas Informationstheorie Komplexitätstheoretische Sicherheit: Der schnellste Algorithmus, K zu knacken erfordert mindestens
MehrAustausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen
Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
Mehr15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit
5.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit Einführendes Beispiel ( Erhöhung der Sicherheit bei Flugreisen ) Die statistische Wahrscheinlichkeit, dass während eines Fluges ein Sprengsatz an Bord
MehrDas große ElterngeldPlus 1x1. Alles über das ElterngeldPlus. Wer kann ElterngeldPlus beantragen? ElterngeldPlus verstehen ein paar einleitende Fakten
Das große x -4 Alles über das Wer kann beantragen? Generell kann jeder beantragen! Eltern (Mütter UND Väter), die schon während ihrer Elternzeit wieder in Teilzeit arbeiten möchten. Eltern, die während
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 1 Zwei Gleichungen mit zwei Unbekannten Es kommt häufig vor, dass man nicht mit einer Variablen alleine auskommt, um ein Problem zu lösen. Das folgende Beispiel soll dies verdeutlichen
MehrR. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007
R. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007 SG15/25D NAME: Lösungen 1. In einer Packung sind Glühbirnen, davon sind zwei
MehrBasis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.
Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
MehrAlso kann nur A ist roter Südler und B ist grüner Nordler gelten.
Aufgabe 1.1: (4 Punkte) Der Planet Og wird von zwei verschiedenen Rassen bewohnt - dem grünen und dem roten Volk. Desweiteren sind die Leute, die auf der nördlichen Halbkugel geboren wurden von denen auf
Mehr6.2 Perfekte Sicherheit
04 6.2 Perfekte Sicherheit Beweis. H(B AC) + H(A C) = H(ABC) H(AC) + H(AC) H(C) Wegen gilt Einsetzen in die Definition gibt = H(AB C). H(A BC) = H(AB C) H(B C). I(A; B C) = H(A C) H(AB C) + H(B C). Da
MehrAnalysis I für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe 2015/16 Prof. Dr. M. Hinze Dr. P. Kiani Analysis I für Studierende der Ingenieurwissenschaften Lösungshinweise zu Blatt 2 Aufgabe 1: (12 Punkte) a) Beweisen
MehrTheoretische Informatik
Theoretische Informatik für die Studiengänge Ingenieur-Informatik berufsbegleitendes Studium Lehramt Informatik (Sekundar- und Berufsschule) http://theo.cs.uni-magdeburg.de/lehre04s/ Lehrbeauftragter:
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv
Mehr3. Zusammenhang. 22 Andreas Gathmann
22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept
Mehrinfach Geld FBV Ihr Weg zum finanzellen Erfolg Florian Mock
infach Ihr Weg zum finanzellen Erfolg Geld Florian Mock FBV Die Grundlagen für finanziellen Erfolg Denn Sie müssten anschließend wieder vom Gehaltskonto Rückzahlungen in Höhe der Entnahmen vornehmen, um
MehrRepetitionsaufgaben: Lineare Gleichungen
Kantonale Fachschaft Mathematik Repetitionsaufgaben: Lineare Gleichungen Zusammengestellt von Hannes Ernst, KSR Lernziele: - Lineare Gleichungen von Hand auflösen können. - Lineare Gleichungen mit Parametern
MehrMathematischer Vorbereitungskurs für Ökonomen
Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Gleichungen Inhalt: 1. Grundlegendes 2. Lineare Gleichungen 3. Gleichungen mit Brüchen
MehrWelches Problem denn? Das Heiratsproblem. Formale Beschreibung. Paarungen
Das Heiratsproblem Welches Problem denn? Eine Heirat: ein Problem. Mehrere Heiraten: mehrere Probleme. Viele Heiraten: viele Probleme? Martin Schönhacker (P.S.: Heiraten muss kein Problem sein!) 1 2 Formale
Mehr$ % + 0 sonst. " p für X =1 $
31 617 Spezielle Verteilungen 6171 Bernoulli Verteilung Wir beschreiben zunächst drei diskrete Verteilungen und beginnen mit einem Zufallsexperiment, indem wir uns für das Eintreffen eines bestimmten Ereignisses
MehrElementare statistische Methoden
Elementare statistische Methoden Vorlesung Computerlinguistische Techniken Alexander Koller 28. November 2014 CL-Techniken: Ziele Ziel 1: Wie kann man die Struktur sprachlicher Ausdrücke berechnen? Ziel
MehrRisiko und Versicherung - Übung
Sommer 2009 Risiko und Versicherung - Übung Entscheidungstheoretische Grundlagen Renate Bodenstaff Vera Brinkmann r.bodenstaff@uni-hohenheim.de vera.brinkmann@uni-hohenheim.de https://insurance.uni-hohenheim.de
Mehra n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert:
Beispiel: Wir untersuchen die rekursiv definierte Folge a 0 + auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: ( ) (,, 7, 5,...) Wir können also vermuten, dass die Folge monoton fallend
MehrZentrale Aufnahmeprüfung 2015 für die Handelsmittelschulen des Kantons Zürich. Vorname:... Aufgaben 1 2 3 4 5 6 7 8 9 Total Note
Zentrale Aufnahmeprüfung 2015 für die Handelsmittelschulen des Kantons Zürich Mathematik Name:... Vorname:... Prüfungsnummer:... Du hast 90 Minuten Zeit. Du musst alle Aufgaben in dieses Heft lösen. Wenn
Mehr11.3 Komplexe Potenzreihen und weitere komplexe Funktionen
.3 Komplexe Potenzreihen und weitere komplexe Funktionen Definition.) komplexe Folgen: z n = x n + j. y n mit zwei reellen Folgen x n und y n.) Konvergenz: Eine komplexe Folge z n = x n + j. y n heißt
Mehr6. Bayes-Klassifikation. (Schukat-Talamazzini 2002)
6. Bayes-Klassifikation (Schukat-Talamazzini 2002) (Böhm 2003) (Klawonn 2004) Der Satz von Bayes: Beweis: Klassifikation mittels des Satzes von Bayes (Klawonn 2004) Allgemeine Definition: Davon zu unterscheiden
MehrFüllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge
2.4 Stetige Zufallsvariable Beispiel. Abfüllung von 500 Gramm Packungen einer bestimmten Ware auf einer automatischen Abfüllanlage. Die Zufallsvariable X beschreibe die Füllmenge einer zufällig ausgewählten
MehrTipp III: Leiten Sie eine immer direkt anwendbare Formel her zur Berechnung der sogenannten "bedingten Wahrscheinlichkeit".
Mathematik- Unterrichts- Einheiten- Datei e. V. Klasse 9 12 04/2015 Diabetes-Test Infos: www.mued.de Blutspenden werden auf Diabetes untersucht, das mit 8 % in der Bevölkerung verbreitet ist. Dabei werden
MehrFalten regelmäßiger Vielecke
Blatt 1 Gleichseitige Dreiecke Ausgehend von einem quadratischen Stück Papier kann man ohne weiteres Werkzeug viele interessante geometrische Figuren nur mit den Mitteln des Papierfaltens (Origami) erzeugen.
MehrMathematik. UND/ODER Verknüpfung. Ungleichungen. Betrag. Intervall. Umgebung
Mathematik UND/ODER Verknüpfung Ungleichungen Betrag Intervall Umgebung Stefan Gärtner 004 Gr Mathematik UND/ODER Seite UND Verknüpfung Kommentar Aussage Symbolform Die Aussagen Hans kann schwimmen p und
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrWir arbeiten mit Zufallszahlen
Abb. 1: Bei Kartenspielen müssen zu Beginn die Karten zufällig ausgeteilt werden. Wir arbeiten mit Zufallszahlen Jedesmal wenn ein neues Patience-Spiel gestartet wird, muss das Computerprogramm die Karten
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
MehrZahlenoptimierung Herr Clever spielt optimierte Zahlen
system oder Zahlenoptimierung unabhängig. Keines von beiden wird durch die Wahrscheinlichkeit bevorzugt. An ein gutes System der Zahlenoptimierung ist die Bedingung geknüpft, dass bei geringstmöglichem
Mehr3.2 Spiegelungen an zwei Spiegeln
3 Die Theorie des Spiegelbuches 45 sehen, wenn die Person uns direkt gegenüber steht. Denn dann hat sie eine Drehung um die senkrechte Achse gemacht und dabei links und rechts vertauscht. 3.2 Spiegelungen
MehrMotivation. Formale Grundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen. Informales Beispiel. Informales Beispiel.
Kontextfreie Kontextfreie Motivation Formale rundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen Bisher hatten wir Automaten, die Wörter akzeptieren Frank Heitmann heitmann@informatik.uni-hamburg.de
MehrEinfache Varianzanalyse für abhängige
Einfache Varianzanalyse für abhängige Stichproben Wie beim t-test gibt es auch bei der VA eine Alternative für abhängige Stichproben. Anmerkung: Was man unter abhängigen Stichproben versteht und wie diese
MehrLineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
MehrGrundlagen der Inferenzstatistik
Grundlagen der Inferenzstatistik (Induktive Statistik oder schließende Statistik) Dr. Winfried Zinn 1 Deskriptive Statistik versus Inferenzstatistik Die Deskriptive Statistik stellt Kenngrößen zur Verfügung,
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrKurzanleitung. MEYTON Aufbau einer Internetverbindung. 1 Von 11
Kurzanleitung MEYTON Aufbau einer Internetverbindung 1 Von 11 Inhaltsverzeichnis Installation eines Internetzugangs...3 Ist mein Router bereits im MEYTON Netzwerk?...3 Start des YAST Programms...4 Auswahl
MehrDivision Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema
Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x
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
MehrGrundlagen der Informatik
Mag. Christian Gürtler Programmierung Grundlagen der Informatik 2011 Inhaltsverzeichnis I. Allgemeines 3 1. Zahlensysteme 4 1.1. ganze Zahlen...................................... 4 1.1.1. Umrechnungen.................................
MehrEntladen und Aufladen eines Kondensators über einen ohmschen Widerstand
Entladen und Aufladen eines Kondensators über einen ohmschen Widerstand Vorüberlegung In einem seriellen Stromkreis addieren sich die Teilspannungen zur Gesamtspannung Bei einer Gesamtspannung U ges, der
MehrModul: Stochastik. Zufallsexperimente oder Wahrscheinlichkeit relative Häufigkeit Variation Permutation Kombinationen Binomialverteilung
Modul: Stochastik Ablauf Vorstellung der Themen Lernen Spielen Wiederholen Zusammenfassen Zufallsexperimente oder Wahrscheinlichkeit relative Häufigkeit Variation Permutation Kombinationen Binomialverteilung
MehrUniversität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B
Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip Sommersemester 2010 KLAUSUR Statistik B Hinweise zur Bearbeitung: Bei allen Teilaufgaben
MehrDer Kalender im ipad
Der Kalender im ipad Wir haben im ipad, dem ipod Touch und dem iphone, sowie auf dem PC in der Cloud einen Kalender. Die App ist voreingestellt, man braucht sie nicht laden. So macht es das ipad leicht,
MehrDie reellen Lösungen der kubischen Gleichung
Die reellen Lösungen der kubischen Gleichung Klaus-R. Löffler Inhaltsverzeichnis 1 Einfach zu behandelnde Sonderfälle 1 2 Die ganzrationale Funktion dritten Grades 2 2.1 Reduktion...........................................
MehrModellbildungssysteme: Pädagogische und didaktische Ziele
Modellbildungssysteme: Pädagogische und didaktische Ziele Was hat Modellbildung mit der Schule zu tun? Der Bildungsplan 1994 formuliert: "Die schnelle Zunahme des Wissens, die hohe Differenzierung und
MehrHäufig wiederkehrende Fragen zur mündlichen Ergänzungsprüfung im Einzelnen:
Mündliche Ergänzungsprüfung bei gewerblich-technischen und kaufmännischen Ausbildungsordnungen bis zum 31.12.2006 und für alle Ausbildungsordnungen ab 01.01.2007 Am 13. Dezember 2006 verabschiedete der
MehrDas Bayes-Theorem. Christian Neukirchen Gleichwertige Leistungsfeststellung, Juni 2005
Das Bayes-Theorem Christian Neukirchen Gleichwertige Leistungsfeststellung, Juni 2005 Ein lahmer Witz Heute im Angebot: Ein praktisches Beispiel zur Einleitung Kurze Wiederholung der Überblick über Reverend
MehrÜbungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr.
Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr. Gert Zöller Übungsklausur Hilfsmittel: Taschenrechner, Formblatt mit Formeln. Lösungswege sind stets anzugeben. Die alleinige Angabe eines
Mehr