Statistik Zusätzliche Beispiele WS 2018/19
|
|
- Horst Kaufman
- vor 5 Jahren
- Abrufe
Transkript
1 Statistik Zusätzliche Beispiele WS 208/9 Blatt 2: Wahrscheinlichkeitsrechnung. Erstellen Sie zur Zufallsgröße Augensumme von drei fairen Würfeln eine Tabelle der Wahrscheinlichkeitsfunktion und vergleichen Sie deren Stabdiagramm mit jenem der Augenzahl eines fairen Würfels, der diskreten Gleichverteilung auf {, 2, 3, 4,, }, sowie mit einer geeigneten Glockenkurve. 2. Bei einem Brettspiel darf man, wenn man eine Glückskarte zieht, mit einem Würfel einmal Würfeln und dreimal so viele Felder vorziehen wie die Augensumme anzeigt. Erstellen Sie eine Tabelle der Wahrscheinlichkeitsfunktion und bestimmen Sie Erwartungswert und Varianz. 3. Der Chevalier de Méré (07-84), ein französischer Edelmann im Zeitalter des Barocks, behauptete, dass die Augensummen und 2 beim dreifachen Würfelwurf gleichwahrscheinlich seien. Er argumentierte, dass es für die Augensumme sechs verschiedene Möglichkeiten gebe, nämlich {,4,}, {,,}, {2,3,}, {2,4,}, {3,3,}, {3,4,4} und für die Augensumme 2 ebenso sechs verschiedene Möglichkeiten, nämlich {,,}, {2,4,}, {2,,}, {3,3,}, {3,4,}, {4,4,4} In der Spielpraxis beobachtete er jedoch die Augensumme häufiger als die Augensumme 2. Das stimmte mit seinen theoretischen Überlegungen, dass es für beide Augensummen gleich viele Möglichkeiten gäbe, aber nicht überein. Worin lag sein Irrtum? Bestimmen Sie die Wahrscheinlichkeit für die Augensumme, sowie die Augensumme Gegeben sei die zweidimensionale Wahrscheinlichkeitsfunktion: X\Y 0 2 0, 0,2 0,3 2 0,2 0 0,2 a) Geben Sie die Randverteilungen sowie deren Erwartungswerte und Varianzen an. b) Bestimmen Sie die Kovarianz und den Korrelationskoeffizienten. c) Man bestimme für die Zufallsgrößen Z = X + Y und Z 2 = X + 2Y die Wahrscheinlichkeitsfunktion sowie Erwartungswert und Varianz. d) Welche Zusammenhänge gelten zwischen den Erwartungswerten und Varianzen von Z und Z 2 einerseits und X und Y andererseits? Statistik Zusätzliche Beispiele Blatt 2 WS 208/8
2 . Wenn Sie nun mit dem Begriff Wahrscheinlichkeit vertraut sind, sollten die folgenden Fragen für Sie zumindest prinzipiell ganz einfach sein: Sie werfen einen Würfel sechsmal. a) Mit welcher Wahrscheinlichkeit ist der sechste Wurf eine Sechs? b) Mit welcher Wahrscheinlichkeit erhalten Sie bei diesen sechs Würfen genau eine? c) Mit welcher Wahrscheinlichkeit erhalten sie beim ersten und beim sechsten Wurf jeweils eine? d) Mit welcher Wahrscheinlichkeit erhalten Sie beim sechsten Wurf zum ersten Mal eine Sechs? e) Mit welcher Wahrscheinlichkeit erhalten Sie nur beim ersten und beim letzten Wurf jeweils eine Sechs? f) Mit welcher Wahrscheinlichkeit erhalten Sie beim sechsten Wurf schon das sechste Mal die Sechs? g) Mit welcher Wahrscheinlichkeit ist mindestens seine Sechs dabei? h) Mit welcher Wahrscheinlichkeit ist die Augensumme aller Würfe größer als sechs? i) Mit welcher Wahrscheinlichkeit ist das Produkt aller erzielten Zahlen kleiner als? j) Mit welcher Wahrscheinlichkeit haben Sie sechs Mal gewürfelt?. Das Finanzamt überprüft auf 2 Baustellen die Arbeitsgenehmigungen der Beschäftigten. Es werden jeweils drei Arbeiter zufällig ausgewählt. Unabhängig von der Baustelle betrage der Anteil der illegal Beschäftigten (Schwarzarbeiter) zwanzig Prozent. a) Wie groß ist die Wahrscheinlichkeit dafür, auf einer Baustelle keinen (genau zwei) Schwarzarbeiter zu finden? b) Mit welcher Wahrscheinlichkeit werden insgesamt höchstens drei illegal Beschäftigte gefunden? c) Mit welcher Wahrscheinlichkeit werden genau zwei von den 2 Baustellen beanstandet (d. h. dort wird mindestens ein Illegaler entdeckt)? Hinweis: Immer die Verteilung und die Parameter der Zufallsgröße ermitteln. 7. Der Gourmethändler Exquisit prüft die Angebote von zwei Kartoffelbauern: Beide Kartoffelbauern liefern Trüffelkartoffel, aber mit unterschiedlichem Ausschussanteil: Bauer X: 4 % Ausschuss, Bauer Y: 0 % Ausschuss Um zu einer Entscheidung über einen möglichen Liefervertrag zu kommen, wird jeweils eine Stichprobe von n = 40 Stück Trüffelkartoffel verkostet. Da dem Gourmethändler ein Ausschussanteil von % gerade noch akzeptabel erscheint, wird die Lieferung akzeptiert, wenn bei der Verkostung höchstens 2 Kartoffeln ungenießbar sind. a) Mit welcher Wahrscheinlichkeit wird die Lieferung vom Bauern X nicht angenommen? b) Mit welcher Wahrscheinlichkeit wird eine Lieferung vom Bauern Y doch angenommen? 8. Bestimmen Sie die Wahrscheinlichkeit dafür, beim Lotto aus 4 a) einen Sechser (Fünfer) b) mindestens eine richtige Zahl zu tippen. 9. Bestimmen Sie die Wahrscheinlichkeit, beim Lotto aus 4 einen Fünfer mit Zusatzzahl zu erhalten. Statistik Zusätzliche Beispiele Blatt 2 2 WS 208/8
3 0. Um teure Rückrufaktionen von produzierten Mobiltelefonen zu vermeiden, werden von einem Hersteller Akkus, die von einem Zulieferer hergestellt werden, einer Abnahmekontrolle unterzogen. Dabei werden zehn Akkus aus einer eingegangenen Lieferung entnommen und auf Funktionsfähigkeit geprüft. Sind alle zehn Akkus in Ordnung, wird die Lieferung angenommen. Sind jedoch zwei oder mehr defekt, wird die gesamte Lieferung zurück geschickt. Ist jedoch nur ein Stück fehlerhaft, wird eine weitere Stichprobe von vier Stück entnommen. Nur dann, wenn in dieser zweiten Stichprobe alle Akkus einwandfrei sind, wird die Lieferung angenommen, andernfalls zurückgeschickt. Wie groß ist die Wahrscheinlichkeit, dass eine Lieferung angenommen wird, wenn 2 % der Akkus fehlerhaft sind?. Eine Prüfung wird als Multiple-Choice-Test abgehalten. Es werden fünf Multiple-Choice- Fragen mit jeweils sechs möglichen Antworten vorgelegt, von denen jeweils genau eine Antwort richtig ist. a) Ein schlecht vorbereiteter Student hat keine Ahnung von dem abgefragten Stoff und kreuzt bei jeder Frage jeweils eine Antwort rein zufällig an. Mit welcher Wahrscheinlichkeit hat er danach mindestens zwei Fragen richtig beantwortet? b) Mit welcher Wahrscheinlichkeit beantwortet eine besser vorbereitete Kollegin mindestens drei Fragen richtig, wenn sie ganz sicher bei jeder Frage vier Antwortmöglichkeiten ausschließen kann und zwischen den verbleibenden beiden Antwortmöglichkeiten zufällig wählt? 2. Darf man die Binomialverteilungen B(40; 0,8) bzw. B(40; 0,4) durch eine Normalverteilung approximieren? Führen Sie, falls erlaubt, diese Approximation durch und berechnen Sie sowohl exakt als auch unter Verwendung der Approximation die Wahrscheinlichkeit P (X {4,, }). Argumentieren Sie die Notwendigkeit der Stetigkeitskorrektur! 3. Eine Zufallsgröße X ist stetig gleichverteilt über dem Intervall [a,b]. Man weiß: P (X < 4) = 0,4 und P (X > 0) = 0,3. Bestimmen Sie a und b! 4. a) Bestimmen Sie µ und σ jener Normalverteilung, für die gilt: P (X < 30) = 0,4 und P (X > 0) = 0,. b) Wie ist die Summe S von zehn derartigen unabhängigen Zufallsgrößen verteilt? Mit welcher Wahrscheinlichkeit liegt diese Summe über 00? c) Wie ist der Mittelwert X von zehn derartigen unabhängigen Zufallsgrößen verteilt? Mit welcher Wahrscheinlichkeit liegt dieser Mittelwert über 40?. Das Einkommen der Bürger einer Stadt sei logarithmisch normalverteilt mit µ = 8 und σ = 2. a) Bestimmen Sie die Wahrscheinlichkeit, mit der ein zufällig ausgewählter Bürger ein Einkommen i. unter ii. über bezieht. b) Wie hoch ist das Einkommen im Durchschnitt? Statistik Zusätzliche Beispiele Blatt 2 3 WS 208/8
4 . Man vergleiche die Wahrscheinlichkeit P (X [9,; 2,]) folgender Verteilungen: a) B(40; 0,3) b) H(900; 7; 40) c) Poisson-Verteilung mit Parameter 2,2 d) N(2,2; 3,04). Warum sind nun einige Ergebnisse untereinander so ähnlich? Vergleichen Sie dazu Erwartungswerte und Varianzen. 7. Noch zwei Fragen zum Verständnis: a) Wie groß sind: Φ(z 0,7 ) Φ(z 0,2 ) z Φ(,3) Φ(0) z b) Für welche Verteilung ist F (4) am größten: für die B(0; 0,8)-, die Poisson(,4)- oder für die B(0; 0,)-Verteilung? Skizzen sind überaus hilfreich! Statistik Zusätzliche Beispiele Blatt 2 4 WS 208/8
5 Lösungen. X + X + X p i Augensumme nach Wurf Augensumme nach 3 Würfen X p i E(3X) = 0,; V ar(3x) = 2, unterschiedliche Augenzahlen im Triple: (,4,), (,,4), (4,,), (4,,), (,,4), (,4,) 2 unterschiedliche Augenzahlen im Triple: (,,), (,,), (,,) Augensumme : Möglichkeiten: {,4,}, {,,}, {2,3,}, {2,4,}, {3,3,}, {3,4,4} Anzahl: = 27 Augensumme 2: Möglichkeiten: {,,}, {2,4,}, {2,,}, {3,3,}, {3,4,}, {4,4,4} Anzahl: = 2 P (Augensumme ) = 27 2 = 8 = 0,2 P (Augensumme 2) = 2 2 = 0, Statistik Zusätzliche Beispiele Blatt 2 WS 208/8
6 4. a) X 2 p i. 0, 0,4 Y 0 2 p.j 0,3 0,2 0, E(X) =,4, V ar(x) = 0,24 E(Y ) =,2, V ar(y ) = 0,7 b) Cov(X, Y ) = 0,08, ρ(x, Y ) = 0,87 Z c) E(Z p i 0, 0,4 0,3 0,2 ) = 2,, V ar(z ) = 0,84 Z p i 0, 0,2 0,2 0 0,3 0,2 d) E(Z ) = E(X) + E(Y ) E(Z 2 ) = E(X) + 2E(Y ) V ar(z ) = V ar(x) + V ar(y ) + 2Cov(X, Y ) V ar(z 2 ) = V ar(x) + 4V ar(y ) + 4Cov(X, Y ). a) ( ) b) ( ) ( = ) c) 3 ( ) d) ( ) 2 ( 4 e) ) E(Z 2 ) = 3,8, V ar(z 2 ) = 2,9 f) ( ) ( g) ) ( h) ) i) 40. X B(3; 0,0) a) 0,2 (0,09) b) 0,022 c) P (X ) = 0,488; Z B(2; 0,488); P (Z = 2) 0, a) 0,24 b) 0,2228 Statistik Zusätzliche Beispiele Blatt 2 WS 208/8
7 8. a) X H(4; ; ) ) ( ) ( P (X = ) = P (X = ) = b) P (X = 0) = ( ( 4 ( ) ( ) 39 ( 4 ( ) ( ) 0 39 ( 4 ) = 8400 = 0.0 ) = = 0.0 ) = P (X 0) = 0.40 = 0.99 ) ( ) ( ) 38 0 ( ) 4 = p = 0,2 n = 0 X B(0; 0,2) P (X = 0) = = 0.03 P (X = ) = 0 0, = 0.88 Y B(4; 0,2) P (Y = 0) = = 0.3 = 0.40 P (X = 0) + P (X = ) P (Y = 0) = 0,03 + 0,88 0,3 = 0,. a) X B(; 0.7) P (X 2) = P (X {0,}) = 0.9 oder P (X {2,3,4,}) P (X = 0) = ( ) = P (X = ) = ( ) = P (X = 2) = ( ) = 0. P (X = 3) = ( ) = P (X = 4) = ( ) = P (X = ) = ( ) = 0.0 b) Y B(; 0.) P (Y 3) = P (Y {0,,2}) = 0. oder P (Y 3) = P (Y {3,4,}) P (Y = 0) = ( ) = 0.03 P (Y = ) = ( ) = 0. P (Y = 2) = ( ) = 0.32 P (Y = 3) = ( ) = 0.32 P (Y = 4) = ( ) = 0. P (Y = ) = ( ) = 0.03 Statistik Zusätzliche Beispiele Blatt 2 7 WS 208/8
8 2. np( p) > 9 B(40 : 0,8) 40 0,8 0.2 =,4 < 9 keine Approximation B(40 : 0,4) 40 0,4 0. = 9, > 9 Approximation möglich µ = np = 40 0,4 = σ 2 = np( p) = 9. X N(; 9.) exakt: P (X = 4) = ( ) ,4 4 0, 2 = 0,03 P (X = ) = ( ) 40 0,4 0, 2 = 0,228 P (X = ) = ( ) 40 0,4 0, 24 = 0,279 P (X {4,,}) = 0,37 approximiert: P (X [3,;,]) = F (,) F (3,) = ( ) ( ), 3, = Φ Φ = 9, 9, = Φ(0,) Φ( 0,8) = 0,3 ( 0,79) = 0,34 3. P (X < 4) = 0,4 P (X > 0) = 0,3 (4 a) b a = 0,4 (b 0) b a = 0,3 4 a = 0,4b 0,4a b 0 = 0,3b 0,3a 0,a + 0,4b = 4 0,3a + 0,7b = 0 b = 7 0,a = 4 0,4 7 a = = 3 3 = 2 4. a) µ = 33,300; σ = 3,0302 b) S N(333,00; 4,20); P (S > 00) = 0 c) X N(33,300; 4,20); P (X > 40) = 0,0 Statistik Zusätzliche Beispiele Blatt 2 8 WS 208/8
9 . X LN(8; 2) ( ) ln(2.000) 8 a) i. P (X < 2.000) = Φ = Φ(0,9) = 0,78 2 ( ) ln(20.000) 8 ii. P (X > ) = Φ = Φ(0,92) = 0,8289 = 0,7 2 b) E(X) = e 8+0, 22 = e 0 = 22.02,47. a) 0,0 b) 0,0 c) 0,42 d) 0,08 E(X) V ar(x) B 2,2 9,324 H 2,2 8,920 P 2,2 2,2 N 2,2 9, a) 0,7 0,2,3 0, b) P(,4) Statistik Zusätzliche Beispiele Blatt 2 9 WS 208/8
Statistik Übungen SS 2017
Statistik Übungen SS 2017 Blatt 2: Wahrscheinlichkeitsrechnung 1. Die nach dem französischen Mathematiker Pierre-Simon de Laplace benannten Laplace- Experimente beruhen auf der Annahme, dass bei einem
MehrStatistik Übungen WS 2016
Statistik Übungen WS 2016 Blatt 2: Wahrscheinlichkeitsrechnung 1. Die nach dem französischen Mathematiker Pierre-Simon de Laplace benannten Laplace- Experimente beruhen auf der Annahme, dass bei einem
MehrStatistik Übungen WS 2017/18
Statistik Übungen WS 2017/18 Blatt 2: Wahrscheinlichkeitsrechnung 1. Die nach dem französischen Mathematiker Pierre-Simon de Laplace benannten Laplace- Experimente beruhen auf der Annahme, dass bei einem
MehrStatistik 1 Beispiele zum Üben
Statistik 1 Beispiele zum Üben 1. Ein Kühlschrank beinhaltet 10 Eier, 4 davon sind faul. Wir nehmen 3 Eier aus dem Kühlschrank heraus. (a Bezeichne die Zufallsvariable X die Anzahl der frischen herausgenommenen
MehrMathematik 3 für Informatik
Gunter Ochs Wintersemester 20/6 Mathematik 3 für Informatik Lösungen zum Hausaufgabenblatt 4 Lösungshinweise (ohne Ganantie auf Fehlerfreiheit. Wenn man beim Roulette auf Rot oder Schwarz setzt, erhält
MehrTU DORTMUND Sommersemester 2018
Fakultät Statistik. April 08 Blatt Aufgabe.: Wir betrachten das Zufallsexperiment gleichzeitiges Werfen zweier nicht unterscheidbarer Würfel. Sei A das Ereignis, dass die Augensumme beider Würfel ungerade
Mehr70 Wichtige kontinuierliche Verteilungen
70 Wichtige kontinuierliche Verteilungen 70. Motivation Zufallsvariablen sind nicht immer diskret, sie können oft auch jede beliebige reelle Zahl in einem Intervall [c, d] einnehmen. Beispiele für solche
MehrStatistik Übungen SS 2018
Statistik Übungen SS 2018 Blatt 2: Wahrscheinlichkeitsrechnung 1. Die nach dem französischen Mathematiker Pierre-Simon de Laplace benannten Laplace- Experimente beruhen auf der Annahme, dass bei einem
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg. für Betriebswirtschaft und internationales Management
für Betriebswirtschaft und internationales Management Sommersemester 2015 Prof. Dr. Stefan Etschberger Hochschule Augsburg Normalverteilung Eine Zufallsvariable X mit einer Dichtefunktion und σ > 0 heißt
MehrWirtschaftsmathematik
Einführung in einige Teilbereiche der Wintersemester 206 Prof. Dr. Stefan Etschberger HSA Unabhängigkeit von Ereignissen A, B unabhängig: Eintreten von A liefert keine Information über P(B). Formal: P(A
MehrKlausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende
Universität Duisburg-Essen Essen, den 12.02.2010 Fakultät für Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Karin Waldherr & Pantelis Christodoulides 11. Mai 2011 Waldherr / Christodoulides Einführung in Quantitative Methoden- 8.VO 1/40 Poisson-Verteilung Diese Verteilung
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011 Aufgabenstellung und Ergebnisse Dr. Martin Becker Hinweise für die Klausurteilnehmer
MehrWirtschaftswissenschaftliches Prüfungssekretariat Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2015
Wirtschaftswissenschaftliches Prüfungssekretariat Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 205 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer
MehrÜbungsblatt 9 (25. bis 29. Juni)
Statistik 2 Dr. Andrea Beccarini Dipl.-Vw. Dipl.-Kffr. Heike Bornewasser-Hermes Sommersemester 2012 Übungsblatt 9 (25. bis 29. Juni) Stetiges Verteilungsmodell und Gemeinsame Verteilung Stetiges Verteilungsmodell
MehrVerteilung von Summen
Verteilung von Summen Beispiel: Würfelwurf Frage: Wie verhält sich die Verteilung der Augensumme von -Würfeln bei wachsendem? Zur Beantwortung führen wir ein Simulationseperiment durch. 6 Würfe mit 1 Würfel
MehrFit for Abi & Study Stochastik
Fit for Abi & Study Stochastik Prof. Dr. Tilla Schade Hochschule Harz 15. und 16. April 2014 No. 1 Stochastik besteht aus: Wahrscheinlichkeitsrechnung Statistik No. 2 Gliederung Grundlagen Zufallsgrößen
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ
MehrEine Zufallsvariable X sei stetig gleichverteilt im Intervall [0,5]. Die Wahrscheinlichkeit P(2< x <4) ist dann
4. Übung Themenkomplex: Zufallsvariablen und ihre Verteilung Aufgabe 1 Für eine stetige Zufallsvariable gilt: a) P (x = t) > 0 b) P (x 1) = F (1) c) P (x = 1) = 0 d) P (x 1) = 1 F(1) e) P (x 1) = 1 F(1)
Mehr7.5 Erwartungswert, Varianz
7.5 Erwartungswert, Varianz Def. 7.5.: a) X sei eine diskrete ZV, die bei unendl. vielen Werten x k folgende Zusatzbedingung erfüllt: x k p k
MehrEinführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management
Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 2013 Hochschule Augsburg Lageparameter: Erwartungswert d) Erwartungswert
MehrWahrscheinlichkeit und Statistik BSc D-INFK
Prof. Dr. P. Bühlmann ETH Zürich Winter 2010 Wahrscheinlichkeit und Statistik BSc D-INFK 1. (10 Punkte) Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete
Mehr73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments
73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind
MehrA3.Die Lebensdauer eines elektronischen Gerätes werde als normalverteilt angenommen. Der Erwartungswert betrage
Aufgaben ~ Beispiele A1. Wir spielen Roulette mit einem Einsatz von 5 mit der Glückszahl 15. Die Wahrscheinlichkeiten und Auszahlungen beim Roulette sind in folgender Tabelle zusammengefasst: Ereignis
MehrEinige Konzepte aus der Wahrscheinlichkeitstheorie (Wiederh.)
Einige Konzepte aus der Wahrscheinlichkeitstheorie (Wiederh.) 1 Zusammenfassung Bedingte Verteilung: P (y x) = P (x, y) P (x) mit P (x) > 0 Produktsatz P (x, y) = P (x y)p (y) = P (y x)p (x) Kettenregel
MehrWürfel-Aufgabe Bayern LK 2006
Würfel-Aufgabe Bayern LK 2006 Die Firma VEGAS hat ein neues Gesellschaftsspiel entwickelt, bei dem neben Laplace-Würfeln auch spezielle Vegas-Würfel verwendet werden, die sich äußerlich von den Laplace-Würfeln
Mehr4 MEHRDIMENSIONALE VERTEILUNGEN
4 MEHRDIMENSIONALE VERTEILUNGEN 4.14 Stochastische Vektoren 1. Der Merkmalraum des stochastischen Vektors (X, Y ) sei M = R 2. Betrachten Sie die folgenden Ereignisse und ihre Wahrscheinlichkeiten: A 1
MehrStochastik Musterlösung 4
ETH Zürich HS 218 RW, D-MATL, D-MAVT Prof. Marloes H. Maathuis Koordinator Dr. Marvin S. Müller Stochastik Musterlösung 4 1. Die Zufallsvariable, die die Anzahl eingehender Telefonanrufe in einer Telefonzentrale
MehrSerie 9, Musterlösung
WST www.adams-science.org Serie 9, Musterlösung Klasse: 4U, 4Mb, 4Eb Datum: FS 18 1. Mädchen vs. Knaben 442187 Unter 3000 in einer Klinik neugeborenen Kindern befanden sich 1578 Knaben. Testen Sie mit
MehrKugelschreiber-Aufgabe Bayern LK 1986
Kugelschreiber-Aufgabe Bayern LK 1986 1. Eine Firma stellt Kugelschreiber her. Sie werden in Packungen zu je 20 Stück geliefert. Ein Händler prüft aus jeder Packung nacheinander zwei Kugelschreiber (ohne
MehrAusgewählte spezielle Verteilungen
Ausgewählte spezielle Verteilungen In Anwendungen werden oft Zufallsvariablen betrachtet, deren Verteilung einem Standardmodell entspricht. Zu den wichtigsten dieser Modelle gehören: diskrete Verteilungen:
MehrStatistik Übungen Sommeruni 2018
Statistik Übungen Sommeruni 2018 Blatt 2: Wahrscheinlichkeitsrechnung 1. Die nach dem französischen Mathematiker Pierre-Simon de Laplace benannten Laplace- Experimente beruhen auf der Annahme, dass bei
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:
MehrStatistik. Sommersemester Stefan Etschberger. für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik
Stefan Etschberger für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 2017 Rechenregeln für den Erwartungswert Ist f symmetrisch bzgl. a, so gilt E(X)
Mehrvon x-würfeln bei wachsendem n? Zur Beantwortung führen wir ein Simulationsexperiment durch.
Zentraler Grenzwertsatz Die Normalverteilung verdankt ihre universelle theoretische und praktische Bedeutung dem zentralen Grenzwertsatz. Unabhängig von der konkreten k Ausgangsverteilung konvergiert die
MehrStatistik I für Betriebswirte Vorlesung 4
Statistik I für Betriebswirte Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 25. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrWahrscheinlichkeitsrechnung und Statistik. 11. Vorlesung /2019
Wahrscheinlichkeitsrechnung und Statistik 11. Vorlesung - 2018/2019 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 2 heißt Median. P(X < z
MehrÜbungsaufgaben: Wahrscheinlichkeitsrechnung Seite: 1
Übungsaufgaben: Wahrscheinlichkeitsrechnung Seite: 1 Aufgabe 1 Aus einem Skatspiel mit 32 Karten wird zufällig eine Karte gezogen. Dabei sei D das Ereignis Es wird eine Dame gezogen und H das Ereignis
MehrTabelle 11.2 zeigt die gemeinsame Wahrscheinlichkeitsfunktion und die Randverteilungen
Kapitel 11 Stichprobenfunktionen Um eine Aussage über den Wert eines unbekannten Parameters θ zu machen, zieht man eine Zufallsstichprobe vom Umfang n aus der Grundgesamtheit. Das Merkmal wird in diesem
MehrKlausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende
Universität Duisburg-Essen Essen, den 13.0.2010 Fakultät für Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,
MehrKlausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende
Universität Duisburg-Essen Essen, den 15.0.009 Fachbereich Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,
Mehr2 Zufallsvariable und Verteilungsfunktionen
8 2 Zufallsvariable und Verteilungsfunktionen Häufig ist es so, dass den Ausgängen eines Zufallexperiments, d.h. den Elementen der Ereignisalgebra, eine Zahl zugeordnet wird. Das wollen wir etwas mathematischer
MehrStatistik I für Betriebswirte Vorlesung 4
Statistik I für Betriebswirte Vorlesung 4 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 30. April 2018 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 4 Version: 24.
MehrBSZ für Bau- und Oberflächentechnik des Landkreises Zwickau Außenstelle Limbach-Oberfrohna STOCHASTIK
. Ordnen Sie die in den folgenden Bildern dargestellten Wahrscheinlichkeitsfunktionen nach den Erwartungswerten ihrer Zufallsgröße X mit x, 2,, 4, 5 größten Erwartungswert. i. Beginnen Sie mit dem Bild
MehrEinige Konzepte aus der Wahrscheinlichkeitstheorie (Review)
Einige Konzepte aus der Wahrscheinlichkeitstheorie (Review) 1 Diskrete Zufallsvariablen (Random variables) Eine Zufallsvariable X(c) ist eine Variable (genauer eine Funktion), deren Wert vom Ergebnis c
MehrÜbung Zeigen Sie, dass dies als Grenzwert der Wahrscheinlichkeitsfunktion der Binomialverteilung mit
Übung 2 24..23 Ü b u n g 2 Aufgabe Die Poissonverteilung P(λ) hat die Wahrscheinlichkeitsfunktion p(x) = λx e λ (x ) x! Zeigen Sie, dass dies als Grenzwert der Wahrscheinlichkeitsfunktion der Binomialverteilung
Mehr1 Grundlagen der Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsräume. Ein erster mathematischer Blick auf Zufallsexperimente...
Inhaltsverzeichnis 1 Grundlagen der Wahrscheinlichkeitsrechnung 1 1.1 Wahrscheinlichkeitsräume Ein erster mathematischer Blick auf Zufallsexperimente.......... 1 1.1.1 Wahrscheinlichkeit, Ergebnisraum,
MehrVorlesung Statistik, WING, ASW Wahrscheinlichkeit in Laplace Versuchen. Kombinatorische Formeln. Bedingte Wahrscheinlichkeit
Wahrscheinlichkeit in Laplace Versuchen Kombinatorische Formeln Bedingte Wahrscheinlichkeit Multiplikationssatz Unabhängigkeit Melanie Kaspar 1 Formel der totalen Wahrscheinlichkeit Satz von Bayes Melanie
MehrWahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
MehrDefinition Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) :=
Definition 2.34. Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) := x f(x)dx der Erwartungswert von X, sofern dieses Integral existiert. Entsprechend wird die Varianz V(X)
MehrKlausur Statistik 2 RE Statistik für Soziologen Do,
Klausur Statistik 2 RE Statistik für Soziologen Do, 24. 9. 2009 Name...Vorname... Matrikelnummer... Einsichtnahme: Fr, 2. Oktober BITTE DEUTLICH UND LESERLICH SCHREIBEN! Es wird nur gewertet, was in diesem
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer
MehrBiostatistik, Sommer 2017
1/52 Biostatistik, Sommer 2017 Prof. Dr. Achim Klenke http://www.aklenke.de 7. Vorlesung: 02.06.2017 2/52 Inhalt 1 Wahrscheinlichkeit Bayes sche Formel 2 Diskrete Stetige 3/52 Wahrscheinlichkeit Bayes
MehrDiskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier
Diskrete Strukturen und Logik WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Diskrete Strukturen und Logik Gesamtübersicht Organisatorisches Einführung Logik & Mengenlehre
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2012
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 202 Aufgabenstellung und Ergebnisse Dr. Martin Becker Hinweise für die Klausurteilnehmer
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2014/15.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2014/15 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer
MehrWahrscheinlichkeitsrechnung und Statistik
8. Vorlesung - 2017 Bemerkung: Sei X = (X 1,..., X n ) Zufallsvektor. Der n dimensionale Vektor ( ) E(X ) = E(X 1 ),..., E(X n ) ist der Erwartungswert des Zufallsvektors X. Beispiel: Seien X, Y N (0,
MehrWS 2014/15. (d) Bestimmen Sie die Wahrscheinlichkeitsfunktion von X. (e) Bestimmen Sie nun den Erwartungswert und die Varianz von X.
Fragenkatalog zur Übung Methoden der empirischen Sozialforschung WS 2014/15 Hier finden Sie die denkbaren Fragen zum ersten Teil der Übung. Das bedeutet, dass Sie zu diesem Teil keine anderen Fragen im
Mehr2 Aufgaben aus [Teschl, Band 2]
20 2 Aufgaben aus [Teschl, Band 2] 2.1 Kap. 25: Beschreibende Statistik 25.3 Übungsaufgabe 25.3 a i. Arithmetisches Mittel: 10.5 ii. Median: 10.4 iii. Quartile: x 0.25 Y 4 10.1, x 0.75 Y 12 11.1 iv. Varianz:
MehrHandelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen?
1. Handelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen? a.) Anzahl der Kunden, die an der Kasse in der Schlange stehen. b.) Die Menge an Energie, die pro Tag von einem Energieversorgungsunternehmen
MehrGrundlagen der Mathematik II (LVA U)
Dr. Marcel Dettling 21.05.2010 Dr. Daniel Haase FS 2010 daniel.haase@math.ethz.ch Grundlagen der Mathematik II (LVA 401-0622-00 U 11 Zur Übungsstunde vom 21.05.2010 Aufgabe 31 (Rechnen mit der Normalverteilung
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2
Mehr0 sonst. a) Wie lautet die Randwahrscheinlichkeitsfunktion von Y? 0.5 y = 1
Aufgabe 1 (2 + 2 + 2 + 1 Punkte) Gegeben sei folgende gemeinsame Wahrscheinlichkeitsfunktion f(x, y) = P (X = x, Y = y) der Zufallsvariablen X und Y : 0.2 x = 1, y = 1 0.3 x = 2, y = 1 f(x, y) = 0.45 x
MehrBiomathematik für Mediziner, Klausur SS 2000 Seite 1
Biomathematik für Mediziner, Klausur SS 2000 Seite 1 Aufgabe 1: Bei der Diagnose einer bestimmten Krankheit mit einem speziellen Diagnoseverfahren werden Patienten, die tatsächlich an der Krankheit leiden,
MehrWebinar Induktive Statistik. - Wahrscheinlichkeitsrechnung - Stichprobentheorie
Webinar Induktive Statistik - Wahrscheinlichkeitsrechnung - Stichprobentheorie Wahrscheinlichkeitstheorie Aufgabe : Zwei Lieferanten decken den Bedarf eines PKW-Herstellers von 00.000 Einheiten pro Monat.
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13 Aufgabenstellung und Ergebnisse Dr. Martin Becker Hinweise für die
Mehr1 Stochastische Konvergenz 2. 2 Das Gesetz der grossen Zahlen 4. 3 Der Satz von Bernoulli 6
Wirtschaftswissenschaftliches Zentrum 0 Universität Basel Mathematik Dr. Thomas Zehrt Grenzwertsätze Benötigtes Vorwissen: Der Stoff der Vorlesung,,Statistik wird als bekannt vorausgesetzt, insbesondere
MehrMehrdimensionale Zufallsvariablen
Mehrdimensionale Zufallsvariablen Im Folgenden Beschränkung auf den diskreten Fall und zweidimensionale Zufallsvariablen. Vorstellung: Auswerten eines mehrdimensionalen Merkmals ( ) X Ỹ also z.b. ω Ω,
MehrMathematica: u=5;s=1;plot[exp[-0.5((x-u)/s)^2],{x,0,10}] 76
4. Normalverteilung Gauß'sche Glockenkurve: P(a X b) = b 1 x 1 a e dx 1 0.8 0.6 0.4 0. 4 6 8 10 Mathematica: u=5;s=1;plot[exp[-0.5((x-u)/s)^],{x,0,10}] 76 Zentraler Grenzwertsatz: Es sei X 1, X,... eine
MehrDie tatsächlichen Breiten und Höhen der Säulen und damit der Flächeninhalt bleiben unverändert:
Flächeninhalte als Wahrscheinlichkeiten Eine Zufallsvariable X kann die Werte, 2, 3, 4, 5 oder 6 annehmen. Die zugehörigen Wahrscheinlichkeiten sind rechts in einem Stabdiagramm dargestellt. k 2 3 4 5
MehrAufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2017/18. Dr.
Aufgabenstellung und Ergebnisse zur Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2017/18 Dr. Martin Becker Hinweise für die Klausurteilnehmer Die Klausur besteht
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 21. Dezember 2011 1 Definition Binomialverteilung Geometrische Verteilung Poissonverteilung 2 Standardisierte Verteilung
MehrDie tatsächlichen Breiten und Höhen der Säulen und damit der Flächeninhalt bleiben unverändert:
Flächeninhalte als Wahrscheinlichkeiten Eine Zufallsvariable X kann die Werte,, 3, 4, 5 oder 6 annehmen. Die zugehörigen Wahrscheinlichkeiten sind rechts in einem Stabdiagramm dargestellt. k 3 4 5 6 P
MehrFakultät Verkehrswissenschaften Friedrich List Professur für Ökonometrie und Statistik, insb. im Verkehrswesen. Statistik II
Statistik II 1. Ergänzungen zur Wahrscheinlichkeitstheorie Fakultät Verkehrswissenschaften Friedrich List Professur für Ökonometrie und Statistik, insb. im Verkehrswesen Statistik II 1. Ergänzungen zur
MehrStatistik für Ingenieure Vorlesung 5
Statistik für Ingenieure Vorlesung 5 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 28. November 2017 3.4 Wichtige stetige Verteilungen 3.4.1 Exponentialverteilung Parameter:
MehrWahrscheinlichkeit und Statistik BSc D-INFK
Prof. Dr. P. Bühlmann ETH Zürich Sommer 2010 Wahrscheinlichkeit und Statistik BSc D-INFK 1. (10 Punkte) Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete
MehrA: Beispiele Beispiel 1: Zwei Zufallsvariablen X und Y besitzen die beiden folgenden Wahrscheinlichkeitsfunktionen:
5 Diskrete Verteilungen 1 Kapitel 5: Diskrete Verteilungen A: Beispiele Beispiel 1: Zwei Zufallsvariablen X und Y besitzen die beiden folgenden Wahrscheinlichkeitsfunktionen: 5 0.6 x 0.4 5 x (i) P x (x)
MehrVorwort Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße Erwartungswert und Varianz...
Inhaltsverzeichnis Vorwort... 2 Zum Einstieg... 3 1 Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße... 5 1.2 Erwartungswert und Varianz... 7 2 Wahrscheinlichkeitsverteilungen
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen Spezielle Verteilungen
Wahrscheinlichkeitsrechnung und Statistik für Biologen Spezielle Verteilungen Noémie Becker & Dirk Metzler http://evol.bio.lmu.de/_statgen 7. Juni 2013 1 Binomialverteilung 2 Normalverteilung 3 T-Verteilung
MehrAufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2015/16. Dr.
Aufgabenstellung und Ergebnisse zur Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 205/6 Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Die Klausur besteht
MehrAbiturvorbereitung Stochastik. neue friedländer gesamtschule Klasse 12 GB Holger Wuschke B.Sc.
Abiturvorbereitung Stochastik neue friedländer gesamtschule Klasse 12 GB 24.02.2014 Holger Wuschke B.Sc. Siedler von Catan, Rühlow 2014 Organisatorisches 0. Begriffe in der Stochastik (1) Ein Zufallsexperiment
MehrAufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2018/19
Aufgabenstellung und Ergebnisse zur Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 08/9 PD Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Die Klausur besteht
Mehrˆ Die Verluste der einzelnen Perioden sind in den ersten zehn Perioden stochastisch
Technische Hochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 39 14 jutta.arrenberg@th-koeln.de Übungen zu QM III (Wirtschaftsstatistik) Binomialverteilung
MehrStatistik I für Betriebswirte Vorlesung 3
Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 15. April 2019 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 1. April
Mehr1.5 Mehrdimensionale Verteilungen
Poisson eine gute Näherung, da np = 0 und 500p = 5 00 = n. Wir erhalten somit als Näherung Exakte Rechnung ergibt P(2 X 0) = k=2 0 k=2 π (k) = 0,26424. 0 ( ) 00 P(2 X 0) = 0,0 k 0,99 00 k = 0,264238. k.4.2.4
MehrLösungen zu Übungs-Blatt 8 Wahrscheinlichkeitsrechnung
Lösungen zu Übungs-Blatt Wahrscheinlichkeitsrechnung Diskrete Zufallsgrößen Zu Aufgabe ) Welche der folgenden grafischen Darstellungen und Tabellen zeigen keine (Einzel-)Wahrscheinlichkeitsverteilung?
MehrWahrscheinlichkeitsrechnung und Statistik
10. Vorlesung - 017 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 heißt Median. P(X < z α ) α P(X z α ). Falls X stetige zufällige Variable
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung SS 18: Woche vom
Übungsaufgaben 11. Übung SS 18: Woche vom 25. 6. 29. 6. 2016 Stochastik V: ZG; Momente von ZG; Zufallsvektoren Aufgaben: s. pdf auf der homepage von Dr. Vanselow http://www.math.tu-dresden.de/ vanselow/...
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management
Statistik für Betriebswirtschaft und International Management Sommersemester 2014 Prof. Dr. Stefan Etschberger HSA Streuungsparameter Varianz Var(X) bzw. σ 2 : [x i E(X)] 2 f(x i ), wenn X diskret Var(X)
MehrÜbungsaufgaben zu Kapitel 12 bis 14
Hochschule für Technik und Wirtschaft Dresden Wintersemester 0/6 Fakultät Informatik/Mathematik Prof. Dr. B. Jung Übungsaufgaben zu Kapitel bis Hinweis: Die Berechnung evtl. auftretender Integrale kann
MehrVOLKSWIRTSCHAFTLICHE VORDIPLOMPRÜFUNG
VOLKSWIRTSCHAFTLICHE VORDIPLOMPRÜFUNG 17.07.2007 Übungsklausur auf dem Gebiet: STATISTIK II Prüfer: Dr. Roland Füss Name, Vorname: Matrikel-Nr.: Die Klausur enthält drei Typen von Aufgaben: D e r T e i
MehrGröße von Unendlich. Statistik. usw. Enthält die Menge. 1. der natürlichen Zahlen N = {1, 2, 3, 4,...}
Größe von Unendlich Enthält die Menge Statistik 1. der natürlichen Zahlen N = {1, 2, 3, 4,...} Institut für angewandte Statistik & EDV Universität für Bodenkultur Wien Sommersemester 2012 3 Wahrscheinlichkeitsrechnung
MehrProgramm. Wiederholung. Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung. Binomialverteilung. Hypergeometrische Verteilung
Programm Wiederholung Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung Binomialverteilung Hypergeometrische Verteilung Wiederholung verschiedene Mittelwerte für verschiedene Skalenniveaus
MehrKapitel 8. Parameter multivariater Verteilungen. 8.1 Erwartungswerte
Kapitel 8 Parameter multivariater Verteilungen 8.1 Erwartungswerte Wir können auch bei mehrdimensionalen Zufallsvariablen den Erwartungswert betrachten. Dieser ist nichts anderes als der vektor der Erwartungswerte
Mehr5 Binomial- und Poissonverteilung
45 5 Binomial- und Poissonverteilung In diesem Kapitel untersuchen wir zwei wichtige diskrete Verteilungen d.h. Verteilungen von diskreten Zufallsvariablen): die Binomial- und die Poissonverteilung. 5.1
MehrZentraler Grenzwertsatz
Statistik 2 für SoziologInnen Zentraler Grenzwertsatz Univ.Prof. Dr. Marcus Hudec Statistik für SoziologInnen 1 Zentraler Grenzwertsatz Inhalte Themen dieses Kapitels sind: Der zentrale Grenzwertsatz und
Mehr