Lösungen Wahrscheinlichkeitstheorie

Größe: px
Ab Seite anzeigen:

Download "Lösungen Wahrscheinlichkeitstheorie"

Transkript

1 Lösungen Wahrscheinlichkeitstheorie Serie 3 Aufgabe (Differenz der Augenzahlen. Es werden zwei sechsseitige Spielwürfel geworfen und die (nichtnegative Differenz Z der beiden Augenzahlen notiert. Stellen Sie die Zufallsgröße Z als Abbildung auf einem geeigneten W-Raum dar. Bestimmen Sie anschließend die Gewichtsfunktion von Z. Lösung: Wir wählen den Laplaceschen Wahrscheinlichkeitsraum (Ω, P (Ω, P, mit Ω :,,..., 6. Dann kann Z : Ω 0,,..., 5 gemäß (ω, ω ω ω definiert werden. Wir erhalten daher Z (0 (ω, ω Ω ω ω 0 (ω, ω Ω ω ω (ω, ω ω,,..., 6, und somit Z (0 6. Nun sei k,,..., 5 gegeben. Dann gilt Z (k (ω, ω Ω ω ω k (ω, ω Ω ω ω + k ω ω + k (ω, ω Ω ω ω + k (ω, ω Ω ω ω + k (ω + k, ω Ω ω,..., 6 k (ω, ω + k Ω ω,..., 6 k. Damit folgt (aufgrund der Disjunktheit der Mengen und des ähnlichen Baus der Mengen Z (k (ω, ω + k Ω ω,..., 6 k (6 k. Wegen p Z (k Z (k Z (k 36 erhalten wir somit als Gewichtsfunktion, falls k 0, 6 p Z (k, falls k,..., 5, für die Zufallsgröße Z. 6 k 8

2 Aufgabe (WT Prüfung. In einer Prüfung im Fach Wahrscheinlichkeitstheorie wählt der zu prüfende Student blind 0 von 50 Prüfungsfragen aus. Die Prüfung gilt als bestanden, wenn von den 0 Fragen mindestens vier richtig beantwortet werden. Herr Schulz kann 0%, Frau Müller 60% aller Fragen richtig beantworten. (a Bezeichne X die Anzahl der Fragen, die Herr Schulz in der Prüfung korrekt beantwortet. Stellen Sie die Zufallsvariable X formal dar. (b Wie groß ist die Wahrscheinlichkeit, dass Herr Schulz besteht? (c Bezeichne Y die Anzahl der Fragen, die Frau Müller in der Prüfung richtig beantwortet. Geben Sie die Verteilung P Y der Zufallsgröße Y an. (d Wie wahrscheinlich ist, dass Frau Müller nicht besteht? Lösung: Die Konstruktion basiert auf dem Skript. Als Modell wählen wir einen Laplaceschen Wahrscheinlichkeitsraum. Dabei beschreibe,,..., 50 die gegebenen Prüfungsfragen, etwa die erste bis zur fünfzigsten Prüfungsfrage. Wir setzen Ω : (ω,..., ω 0,,..., 50 0 ω < ω <... < ω 0, womit die Menge aller möglichen Auswahlen von 0 aus 50 Prüfungsfragen ohne Beachtung der Reihenfolge beschrieben wird. Zu (a: Sei R,,..., 50 die Menge der Prüfungsfragen mit R 0, die Herr Schulz richtig beantworten kann. Dann ist X : Ω 0,,,..., 0 gemäß (ω, ω,..., ω 0 0 k R (ω k, wobei R die Indikatorfunktion zu der Menge R bezeichnet. Zu (b: Wir berechnen die Wahrscheinlichkeit mittels des Gegenereignisses. Das Gegenereignis A c lautet: Herr Schulz besteht nicht die Prüfung, das bedeutet, er beantwortet höchstens 3 Fragen richtig. Daher gilt Nun haben wir für k 0,,, 3 dann 3 A c X 0,,, 3 X k X k X (k (ω,..., ω 0 Ω X (ω,..., ω 0 k 0 (ω,..., ω 0 Ω R (ω k k k S R T,,..., 50 : S T S k T \ S R c T \ S 0 k

3 Damit folgt ( ( X k X k k 0 k und wir haben daher P (A P (A c X 0,,, 3 ( ( k 0 k ( 50 0 Zu (c: Sei R,,..., 50 die Menge der Prüfungsfragen mit R 30, die Frau Müller richtig beantworten kann. Dann gilt Y : Ω 0,,,..., 0 gemäß (ω, ω,..., ω 0 Nun haben wir für k 0,,..., 0 dann 0 k R (ω k. Y k Y (k (ω,..., ω 0 Ω Y (ω,..., ω 0 k 0 (ω,..., ω 0 Ω R (ω k k k S R T,,..., 50 : S T S k T \ S R c T \ S 0 k Damit folgt nun P (Y k P ( Y (k Y (k ( ( 30 0 k 0 k ( 50, 0 also ist Y eine zu den Parametern 0, 30, 0 hypergeometrisch-verteilte Zufallsgröße. Zu (d: Wegen (c (siehe auch die Lösung zu (b gilt P (Y 0,,, 3 P ( 3 ( 50 0 Y k P (Y k ( ( 30 0 k 0 k ( ( 30 0 k 0 k Aufgabe 3 (wandernder Käfer. Ein Käfer beginnt zum Zeitpunkt 0 im Ursprung eines zweidimensionalen Koordinatensystems eine Wanderung, bei der er in jeder Minute seine Position um eine Einheit nach rechts oder oben zufällig ändert. (

4 (a Mit welcher Wahrscheinlichkeit befindet sich der Käfer nach Minuten im Punkt (7, 5? (b Bezeichne Y die Länge der Strecke, die der Käfer nach n Minuten in y-richtung zurücklegt. Wie ist die Zufallsvariable Y verteilt? (c Welche Strecke wird der Käfer im Mittel nach Minuten in y-richtung zurückgelegt haben? Lösung: Wir konstruieren zunächst ein adäquates Modell für die Wanderung des Käfers in n Minuten. Wir wählen dazu Ω n : (, 0, (0, n und betrachten den zugehörigen Laplaceschen Wahrscheinlichkeitsraum (Ω n, P (Ω n, P n. Die Position des Käfers nach n Minuten wird dann durch die Zufallsgröße beschrieben. X n : Ω n,..., n gemäß n (ω,..., ω n ω k k Zu (a: Hier ist n. Das gesuchte Ereignis ist X (7, 5. Es gilt X (7, 5 (ω,..., ω Ω ω k (7, 5 Nun ist n k ω k (7, 5 genau dann, wenn genau 5 der ω,..., ω von der Form (0, und die restlichen 7 von der Form (, 0 sind. Das bedeutet, wir erhalten X (7, 5 (ω,..., ω Ω ω k (7, 5 k k (ω,..., ω Ω T,..., : T 5 und j T : ω j (0,. Damit erhalten wir P (X (7, 5 X (7, 5 Ω ( 5 ( ( Zu (b: Sei π y : N N definiert gemäß (x, y y. Dann kann die Zufallsgröße Y : Ω n 0,,..., dargestellt werden als Y π y X n. Sei k 0,,..., n beliebig vorgegeben. Dann gilt Y k π y X n k (π y X n (k X n ( π y (k. Es handelt sich hierbei um die Hintereinanderausführung von X n und π y, das heißt, für ω Ω n erhalten wir beispielsweise X n (ω (m, k mit m + k n, was die Position von dem Käfer nach n Minuten angibt. Ferner ist π y ((m, k k, also haben wir (π y X n (ω π y (X n (ω π y ((m, k k, das bedeutet, π y X n gibt tatsächlich die y-position des Käfers nach n Minuten an. 4

5 Es gilt πy (k (m, k m N. Aufgrund der Konstruktion von X n gilt (vergleiche auch (a allerdings X n ((ω,..., ω (m, k nur für m n k, da m + k n ergeben muss. Daher gilt Xn ((m, k m N \ n k, also haben wir X n ((m, k m N Xn ((m, k m N \ n k (n k, k Schließlich gilt noch X n ((n k, k X n ((m, k m N \ n k Xn ((n k, k X n ((n k, k. n (ω,..., ω n Ω n ω k (n k, k k (ω,..., ω n Ω n T,..., n : T k und j T : ω j (0,. Zusammenfassend gilt somit Y k (ω,..., ω n Ω n T,..., n : T k und j T : ω j (0,. Damit erhalten wir P (Y k Y k Ω n ( n k n ( ( n n k ( ( n k ( n k, k das bedeutet, Y ist eine zu den Parametern n und p Zufallsgröße, in Zeichen Y B n,. Zu (c: Aus der Vorlesung ist bekannt, dass für Y B n, n erhalten wir also Binomial-verteilte dann E (Y n gilt. Für E (Y 6, das heißt, der Käfer wird sich im Mittel in Minuten 6 Einheiten in Richtung der y-richtung bewegt haben. Aufgabe 4 (Mensch ärger dich nicht. Bei Spielbeginn befinden sich alle Spielfiguren in der Startposition. Wenn ein Spieler, der an der Reihe ist, eine Sechs würfelt, setzt er eine seiner Spielfiguren auf sein Startfeld. Dazu hat er in der ersten sowie in jeder weiteren Spielrunde, in der keine seiner Spielfiguren auf dem Spielfeld steht, bis zu drei Versuche. Jeder der Spieler ist einmal pro Spielrunde an der Reihe. Der Käfer wandert schließlich entweder eine Einheit nach oben oder eine Einheit nach rechts. Ist der Käfer k Einheiten nach oben gewandert, so muss er die restlichen n k Einheiten nach rechts gewandert sein. 5

6 (a Mit welcher Wahrscheinlichkeit setzt Spieler A bereits in der ersten Runde eine Spielfigur auf sein Startfeld? (b Mit welcher Wahrscheinlichkeit setzt Spieler A erst in der vierten Runde seine erste Spielfigur auf das Startfeld? (c Bezeichne X die Spielrunde, in der Spieler A seine erste Spielfigur auf das Startfeld setzt. Geben Sie die Verteilung P X der Zufallsvariablen X an. Lösung: Zu (a: Wir konstruieren zunächst ein geeignetes Modell. Dazu wählen wir als Grundmenge Ω :,,..., 6 3, was dem dreimaligen Werfen eines Würfels entspricht, und betrachten den Laplaceschen Wahrscheinlichkeitsraum (Ω, P (Ω, P. Es beschreibe A das Ereignis, für das im ersten, zweiten oder dritten Wurf eine Sechs fällt, also der Spieler eine Spielfigur auf sein Startfeld stellen darf. Die Wahrscheinlichkeit für das Eintreten des Ereignisses berechnen wir allerdings über das Gegenereignis A c. Dieses ist in keinem der drei Würfe erscheint eine Sechs, das heißt also haben wir Damit erhalten wir A c (ω, ω, ω 3 Ω ω 6 ω 6 ω 3 6, P (A P (A c Ac A c Zu (b: Wir wählen als Grundmenge Ω :,..., 6 und betrachten den Laplaceschen Wahrscheinlichkeitsraum (Ω, P (Ω, P. Dies beschreibt das zwölfmalige Werfen eines fairen sechsseitigen Würfels. Das zu untersuchende Ereignis C ist dann C (ω,..., ω Ω ω,..., ω 9,..., 5 (ω 0 6 ω 6 ω 6. Wir setzen C : (ω,..., ω Ω ω,..., ω 9,..., 5 ω 0 6, C : (ω,..., ω Ω ω,..., ω 9,..., 5 ω 0 6 ω 6, C 3 : (ω,..., ω Ω ω,..., ω 9,..., 5 ω 0 6 ω 6 ω 6. In Worten: C beschreibt das Ereignis, dass in den ersten drei Spielrunden (also bei den ersten neun Würfen des Würfels keine Sechs fällt und im zehnten Wurf dann die Sechs erscheint, C bzw. C 3 analog nur, dass da jeweils die Sechs erst im elften bzw. zwölften Wurf das erste Mal geworfen wird. Die Ereignisse C, C, C 3 sind paarweise disjunkt und es gilt C C C C 3. Wir erhalten C , C 5 0 6, C 3 5 6

7 und damit folgt aufgrund der paarweisen Disjunktheit P (C C Ω C + C + C ( ( 5 9 ( ( Zu (c: Die Wahrscheinlichkeit, dass der Spieler A zu Beginn der Runde keine Sechs würfelt beträgt nach (a P (A Beschreibt nun X die Runde, in der der Spieler A seine erste Spielfigur auf das Spielfeld setzt, so gilt für k N dann P (X k ( 5 k 6 ( k 6 9 6, denn X k bedeutet, dass der Spieler die ersten k Spielrunden keine Sechs würfelt und schließlich in der k-ten Spielrunde eine Sechs würfelt. Somit ist X eine zum Parameter p 9 geometrisch-verteilte Zufallsgröße, in Zeichen X G Aufgabe 5 (Poisson-Verteilung. Zu einem Bäckerstand am Hauptbahnhof einer Großstadt kommen durchschnittlich zwei Kunden pro Minute. Die Anzahl der Kunden pro Minute ist Poisson-verteilt. Wie groß ist die Wahrscheinlichkeit, dass in einer Minute maximal 5 Kunden vorbeikommen? Lösung: Es beschreibe X die Anzahl der Kunden pro Minute. Der Parameter λ kann als λ abgelesen werden, das heißt, es gilt X P. Damit folgt ( 5 P (X 5 P X k e P (X k e k k! e 5 λ k k! 7

Lösungen Wahrscheinlichkeitstheorie

Lösungen Wahrscheinlichkeitstheorie Lösungen Wahrscheinlichkeitstheorie Serie 6 Aufgabe 1 (stochastische Unabhängigkeit). Für die Ereignisse A, B und C sind folgende Wahrscheinlichkeiten bekannt: P (A) = 0, 2; P (B) = 0, 6; P (A \ B) = 0,

Mehr

Biostatistik, Winter 2011/12

Biostatistik, Winter 2011/12 Biostatistik, Winter 2011/12 Wahrscheinlichkeitstheorie:, Unabhängigkeit Prof. Dr. Achim Klenke http://www.aklenke.de 6. Vorlesung: 02.12.2011 1/30 Inhalt 1 Wahrscheinlichkeit 2 2/30 Wahrscheinlichkeit

Mehr

Biostatistik, Winter 2011/12

Biostatistik, Winter 2011/12 Biostatistik, Winter 2011/12 stheorie: Grundbegriffe Prof. Dr. Achim Klenke http://www.aklenke.de 5. Vorlesung: 25.11.2011 1/33 Inhalt 1 Zufallsvariablen 2 Ereignisse 3 2/33 Zufallsvariablen Eine Zufallsvariable

Mehr

TU DORTMUND Sommersemester 2018

TU 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

Mehr

KAPITEL 5. Erwartungswert

KAPITEL 5. Erwartungswert KAPITEL 5 Erwartungswert Wir betrachten einen diskreten Wahrscheinlichkeitsraum (Ω, P) und eine Zufallsvariable X : Ω R auf diesem Wahrscheinlichkeitsraum. Die Grundmenge Ω hat also nur endlich oder abzählbar

Mehr

Unabhängigkeit KAPITEL 4

Unabhängigkeit 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

Mehr

Beispiel 37. Wir werfen eine Münze so lange, bis zum ersten Mal

Beispiel 37. Wir werfen eine Münze so lange, bis zum ersten Mal Beispiel 37 Wir werfen eine Münze so lange, bis zum ersten Mal Kopf erscheint. Dies geschehe in jedem Wurf unabhängig mit Wahrscheinlichkeit p. Wir definieren dazu die Zufallsvariable X := Anzahl der Würfe.

Mehr

Zentralübung Diskrete Wahrscheinlichkeitstheorie

Zentralübung Diskrete Wahrscheinlichkeitstheorie Zentralübung Diskrete Wahrscheinlichkeitstheorie Christian Ivicevic (christian.ivicevic@tum.de) Technische Universität München 14. Juni 2017 Agenda Disclaimer und wichtige Hinweise Übungsaufgaben Disclaimer

Mehr

MafI I: Logik & Diskrete Mathematik (Autor: Gerrit (-Arthur) Gruben)

MafI I: Logik & Diskrete Mathematik (Autor: Gerrit (-Arthur) Gruben) Musterlösung zum. Aufgabenblatt zur Vorlesung MafI I: Logik & Diskrete Mathematik (Autor: Gerrit (-Arthur Gruben. Wahrscheinlichkeiten I ( Punkte Die Seiten von zwei Würfeln sind mit den folgenden Zahlen

Mehr

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende

Klausur 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,

Mehr

Hauptklausur zur Stochastik für Lehramt

Hauptklausur zur Stochastik für Lehramt Universität Duisburg-Essen Essen, den 20.02.203 Fakultät für Mathematik Dr. Daniel Herden Dipl.-Inf. Christian Thiel Matthias aus der Wiesche Hauptklausur zur Stochastik für Lehramt Bearbeitungszeit: mind.

Mehr

Institut für Stochastik, SoSe K L A U S U R , 13:

Institut für Stochastik, SoSe K L A U S U R , 13: Institut für Stochastik, SoSe 2014 Mathematische Statistik Paravicini/Heusel 1. K L A U S U R 12.7.2014, 13:00-16.00 Name: Geburtsdatum: Vorname: Matrikelnummer: Übungsgruppe bei: Studiengang & angestrebter

Mehr

Aufgabe 1. Übung Wahrscheinlichkeitsrechnung Markus Kessler Seite 1 von 8. Die Ereignisse A, B und C erfüllen die Bedingungen

Aufgabe 1. Übung Wahrscheinlichkeitsrechnung Markus Kessler Seite 1 von 8. Die Ereignisse A, B und C erfüllen die Bedingungen Ü b u n g 1 Aufgabe 1 Die Ereignisse A, B und C erfüllen die Bedingungen P(A) = 0. 7, P(B) = 0. 6, P(C) = 0. 5 P(A B) = 0. 4, P(A C) = 0. 3, P(B C) = 0. 2, P(A B C) = 0. 1 Bestimmen Sie P(A B), P(A C),

Mehr

Biostatistik, Sommer 2017

Biostatistik, 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

Mehr

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende

Klausur 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,

Mehr

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Universität Duisburg-Essen Essen, 31.01.2011 Fakultät für Mathematik M. Winkler Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Bearbeitungszeit 90 min. Die Klausur gilt als bestanden, wenn

Mehr

Weihnachtszettel zur Vorlesung. Stochastik I. Wintersemester 2011/2012

Weihnachtszettel zur Vorlesung. Stochastik I. Wintersemester 2011/2012 Weihnachtszettel zur Vorlesung Stochastik I Wintersemester 0/0 Aufgabe. Der Weihnachtsmann hat vergessen die Weihnachtsgeschenke mit Namen zu beschriften und muss sie daher zufällig verteilen. Dabei enthält

Mehr

4 Diskrete Wahrscheinlichkeitsverteilungen

4 Diskrete Wahrscheinlichkeitsverteilungen 4 Diskrete Wahrscheinlichkeitsverteilungen 4.1 Wahrscheinlichkeitsräume, Ereignisse und Unabhängigkeit Definition: Ein diskreter Wahrscheinlichkeitsraum ist ein Paar (Ω, Pr), wobei Ω eine endliche oder

Mehr

Statistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg

Statistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 2016 Prof. Dr. Stefan Etschberger Hochschule Augsburg Zufallsvariablen Beschreibung von Ereignissen

Mehr

Satz 16 (Multiplikationssatz)

Satz 16 (Multiplikationssatz) Häufig verwendet man die Definition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A B] = Pr[B A] Pr[A] = Pr[A B] Pr[B]. (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1,..., A n gegeben.

Mehr

Statistik I für Betriebswirte Vorlesung 4

Statistik 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.

Mehr

Laplace und Gleichverteilung

Laplace und Gleichverteilung Laplace und Gleichverteilung Aufgaben Aufgabe 1 An einem Computer, dessen Tastatur die 26 Tasten für die kleinen Buchstaben (a,b,c... z) hat, sitzt ein Nutzer (User) und tippt zufällige auf den Tasten

Mehr

Wiederholungsklausur DWT

Wiederholungsklausur DWT LÖSUNG Wiederholungsklausur DWT Sommersemester 2008 Hinweis: Alle Antworten sind zu begründen. Insbesondere sollte bei nicht-trivialen Umformungen kurz angegeben werden, weshalb diese Umformungen erlaubt

Mehr

A: Beispiele Beispiel 1: Zwei Zufallsvariablen X und Y besitzen die beiden folgenden Wahrscheinlichkeitsfunktionen:

A: 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)

Mehr

Diskrete Strukturen I

Diskrete Strukturen I Universität Kassel Fachbereich 10/1 PD Dr. Sebastian Petersen 14.09.2017 Klausur zur Vorlesung Diskrete Strukturen I Es können maximal 40 Punkte erreicht werden. Version mit Lösungsskizze Zur Notation:

Mehr

Dieses Quiz soll Ihnen helfen, Kapitel besser zu verstehen.

Dieses Quiz soll Ihnen helfen, Kapitel besser zu verstehen. Dieses Quiz soll Ihnen helfen, Kapitel 2.5-2. besser zu verstehen. Frage Wir betrachten ein Würfelspiel. Man wirft einen fairen, sechsseitigen Würfel. Wenn eine oder eine 2 oben liegt, muss man 2 SFr zahlen.

Mehr

Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management

Einführung 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 Unabhängigkeit von Ereignissen A, B unabhängig:

Mehr

STOCHASTIK Die Binomialverteilung. Hartmut Meyer

STOCHASTIK Die Binomialverteilung. Hartmut Meyer STOCHASTIK Die Binomialverteilung Hartmut Meyer https://mathemeyer.com Inhalt BERNOULLI-Experimente BERNOULLI-Experiment... 2 BERNOULLI-Kette... 2 Die Formel von BERNOULLI... 4 Binomialverteilung Definition

Mehr

Abitur 2016 Mathematik Stochastik IV

Abitur 2016 Mathematik Stochastik IV Seite 1 http://www.abiturloesung.de/ Seite Abitur 016 Mathematik Stochastik IV Bei einem Zufallsexperiment wird eine ideale Münze so lange geworfen, bis zum zweiten Mal Zahl (Z) oder zum zweiten Mal Wappen

Mehr

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 2

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 2 TUM, Zentrum Mathematik Lehrstuhl für Mathematische Physik WS 2013/14 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weidner Tutoraufgaben: Einführung in die Wahrscheinlichkeitstheorie svorschläge

Mehr

Übungen zur Wahrscheinlichkeitstheorie und Statistik

Übungen zur Wahrscheinlichkeitstheorie und Statistik Übungen zur Wahrscheinlichkeitstheorie und Statistik Prof. Dr. C. Löh/M. Blank Blatt 0 vom 16. April 2012 Aufgabe 1 (Wahrscheinlichkeitsräume). Welche der folgenden Aussagen sind wahr? Begründen Sie jeweils

Mehr

Kapitel IV - Spezielle Verteilungen: Diskrete Verteilungen

Kapitel IV - Spezielle Verteilungen: Diskrete Verteilungen Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel IV - Spezielle Verteilungen: Diskrete Verteilungen Markus Höchstötter Lehrstuhl

Mehr

Inhaltsverzeichnis: Lösungen zur Vorlesung Statistik Kapitel 4 Seite 1 von 19 Prof. Dr. Karin Melzer, Fakultät Grundlagen

Inhaltsverzeichnis: Lösungen zur Vorlesung Statistik Kapitel 4 Seite 1 von 19 Prof. Dr. Karin Melzer, Fakultät Grundlagen Inhaltsverzeichnis: Aufgabenlösungen zu Kapitel 4 3 Lösung zu Aufgabe 3 Lösung zu Aufgabe 9 3 Lösung zu Aufgabe 30 3 Lösung zu Aufgabe 3 3 Lösung zu Aufgabe 3 3 Lösung zu Aufgabe 33 3 Lösung zu Aufgabe

Mehr

Abitur 2012 Mathematik Stochastik III

Abitur 2012 Mathematik Stochastik III Seite 1 http://www.abiturloesung.de/ Seite 2 Abitur 2012 Mathematik Stochastik III Für eine Quizshow sucht ein Fernsehsender Abiturientinnen und Abiturienten als Kandidaten. Jeder Bewerber gibt in einem

Mehr

Statistik für Ingenieure Vorlesung 4

Statistik für Ingenieure Vorlesung 4 Statistik für Ingenieure Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 21. November 2017 3.3 Wichtige diskrete Wahrscheinlichkeitsverteilungen 3.3.1 Diskrete

Mehr

Klausur: Diskrete Strukturen I

Klausur: Diskrete Strukturen I Universität Kassel Fachbereich 10/16 13.09.01 Klausur: Diskrete Strukturen I Name: Vorname: Matrikelnummer: Versuch: Unterschrift: Bitte fangen Sie für jede Aufgabe ein neues Blatt an. Beschreiben Sie

Mehr

Stochastik - Kapitel 2

Stochastik - Kapitel 2 " k " h(a) n = bezeichnet man als die relative Häufigkeit des Ereignisses A bei n Versuchen. n (Anmerkung: für das kleine h wird in der Literatur häufig auch ein r verwendet) k nennt man die absolute Häufigkeit

Mehr

Übungsblatt 7 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker

Übungsblatt 7 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker Aufgabe Aufgabe 2 Übungsblatt 7 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker.2.202 Aufgabe Aufgabe 2 Bei einem Zufallsexperiment werden zwei Würfel geworfen und

Mehr

ω ) auftritt. Vervollständige den Satz, sodass eine mathematisch richtige Aussage entsteht. Wähle dazu die richtigen Satzteile aus.

ω ) auftritt. Vervollständige den Satz, sodass eine mathematisch richtige Aussage entsteht. Wähle dazu die richtigen Satzteile aus. Ein Zufallsexperiment ist ein Vorgang, der unter exakt festgelegten Bedingungen abläuft, unter diesen Bedingungen beliebig oft wiederholbar ist und dessen Ausgang ω Ω nicht eindeutig vorhersehbar ist.

Mehr

Stochastik (Laplace-Formel)

Stochastik (Laplace-Formel) Stochastik (Laplace-Formel) Übungen Spielwürfel oder Münzen werden ideal (oder fair) genannt, wenn jedes Einzelereignis mit gleicher Wahrscheinlichkeit erwartet werden kann. 1. Ein idealer Spielwürfel

Mehr

Klausur zur Statistik

Klausur zur Statistik Klausur zur Statistik. Hinweis: Es können 94 Punkte erreicht werden. Zum Bestehen reichen 4 Punkte sicher aus.. Hinweis: Achten Sie darauf das Ihre Rechnungen nachvollziehbar sind und geben Sie alle Schritte

Mehr

Stochastik und Statistik für Ingenieure Vorlesung 4

Stochastik und Statistik für Ingenieure Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Stochastik und Statistik für Ingenieure Vorlesung 4 30. Oktober 2012 Quantile einer stetigen Zufallsgröße Die reelle Zahl

Mehr

Ü b u n g s b l a t t 10

Ü b u n g s b l a t t 10 Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel. 6. 2007 Ü b u n g s b l a t t 0 Mit und gekennzeichnete Aufgaben können zum Sammeln von Bonuspunkten verwendet werden. Lösungen von -Aufgaben

Mehr

KAPITEL 2. Kombinatorik

KAPITEL 2. Kombinatorik KAPITEL 2 Kombinatori In der Kombinatori geht es um das Abzählen von Kombinationen 21 Geburtstagsproblem Beispiel 211 (Geburtstagsproblem In einem Raum befinden sich 200 Studenten Wie groß ist die Wahrscheinlicheit,

Mehr

Wahrscheinlichkeit und Statistik BSc D-INFK

Wahrscheinlichkeit und Statistik BSc D-INFK Prof. Dr. P. Embrechts ETH Zürich Sommer 2015 Wahrscheinlichkeit und Statistik BSc D-INFK Name: Vorname: Stud. Nr.: Das Folgende bitte nicht ausfüllen! Aufg. Summe Kontr. Pkte.-Max. 1 10 2 10 3 10 4 10

Mehr

Statistik Übungen SS 2018

Statistik 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

Mehr

6: Diskrete Wahrscheinlichkeit

6: Diskrete Wahrscheinlichkeit Stefan Lucks Diskrete Strukturen (WS 2009/10) 219 6: Diskrete Wahrscheinlichkeit 6: Diskrete Wahrscheinlichkeit Stefan Lucks Diskrete Strukturen (WS 2009/10) 220 Wahrscheinlichkeitsrechnung Eines der wichtigsten

Mehr

UE Statistik 1, SS 2015, letztes Update am 5. März Übungsbeispiele

UE Statistik 1, SS 2015, letztes Update am 5. März Übungsbeispiele UE Statistik, SS 05, letztes Update am 5. März 05 Übungsbeispiele Beispiele mit Musterlösungen finden Sie auch in dem Buch Brannath, W., Futschik, A., Krall, C., (00) Statistik im Studium der Wirtschaftswissenschaften..

Mehr

Kapitel XI - Die n-fache unabhängige Wiederholung eines Experiments

Kapitel XI - Die n-fache unabhängige Wiederholung eines Experiments Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XI - Die n-fache unabhängige Wiederholung eines Experiments Wahrscheinlichkeitstheorie Prof. Dr. W.-D. Heller Hartwig

Mehr

Abitur 2013 Mathematik Stochastik IV

Abitur 2013 Mathematik Stochastik IV Seite 1 http://www.abiturloesung.de/ Seite 2 Abitur 201 Mathematik Stochastik IV In einer Großstadt steht die Wahl des Oberbürgermeisters bevor. 12% der Wahlberechtigten sind Jungwähler, d. h. Personen

Mehr

Abitur 2015 Mathematik Stochastik IV

Abitur 2015 Mathematik Stochastik IV Seite 1 http://www.abiturloesung.de/ Seite 2 Abitur 201 Mathematik Stochastik IV In einer Urne befinden sich vier rote und sechs blaue Kugeln. Aus dieser wird achtmal eine Kugel zufällig gezogen, die Farbe

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 10. November 2010 1 Bedingte Wahrscheinlichkeit Satz von der totalen Wahrscheinlichkeit Bayessche Formel 2 Grundprinzipien

Mehr

Klausur: Diskrete Strukturen I

Klausur: Diskrete Strukturen I Universität Kassel Fachbereich 0/ 5.03.0 Dr. Sebastian Petersen Klausur: Diskrete Strukturen I Aufgabe. (8 Punkte) a) Sei X = {0, }. Geben Sie die Potenzmenge P (X) (durch Auflisten ihrer Elemente) an.

Mehr

Wahrscheinlichkeitstheorie und Statistik

Wahrscheinlichkeitstheorie und Statistik Wahrscheinlichkeitstheorie und Statistik Definitionen und Sätze Prof. Dr. Christoph Karg Studiengang Informatik Hochschule Aalen Sommersemester 2018 2.5.2018 Diskrete Wahrscheinlichkeitsräume Diskreter

Mehr

1.3 Zufallsgrößen und Verteilungsfunktionen

1.3 Zufallsgrößen und Verteilungsfunktionen .3 Zufallsgrößen und Verteilungsfunktionen.3. Einführung Vielfach sind die Ergebnisse von Zufallsversuchen Zahlenwerte. Häufig möchte man aber auch in den Fällen, wo dies nicht so ist, Zahlenwerte zur

Mehr

Wirtschaftsmathematik

Wirtschaftsmathematik 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

Mehr

Aufgabe A1 Ein Glücksrad hat vier Sektoren, wovon die ersten beiden die Winkelgröße 60 haben. Für die Winkelgrößen und des dritten und vierten Sektors

Aufgabe A1 Ein Glücksrad hat vier Sektoren, wovon die ersten beiden die Winkelgröße 60 haben. Für die Winkelgrößen und des dritten und vierten Sektors Level Grundlagen Blatt Dokument mit Aufgaben Aufgabe A Ein Glücksrad hat vier Sektoren, wovon die ersten beiden die Winkelgröße 60 haben. Für die Winkelgrößen und des dritten und vierten Sektors gilt.

Mehr

1,00 2,00 3,00 4,00 Bestimme den Gewinnerwartungswert. Entscheide, ob das Spiel fair ist.

1,00 2,00 3,00 4,00 Bestimme den Gewinnerwartungswert. Entscheide, ob das Spiel fair ist. Level Grundlagen Blatt Dokument mit 3 Aufgaben Aufgabe A Ein Glücksrad hat vier Sektoren, wovon die ersten beiden die Winkelgröße 60 haben. Für die Winkelgrößen und des dritten und vierten Sektors gilt.

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung und Statistik 4. Vorlesung - 2017 Diskrete Zufallsgrößen X : Ω {x 1, x 2,..., x i,... } Wahrscheinlichkeitsverteilung von X ( ) x1 x X 2... x i... = p 1 p 2... p i... I N (Indexmenge) mit den Wahrscheinlichkeiten p

Mehr

Basiswissen Daten und Zufall Seite 1 von 8 1 Zufallsexperiment Ein Zufallsexperiment ist ein Versuchsaufbau mit zufälligem Ausgang, d. h. das Ergebnis kann nicht vorhergesagt werden. 2 Ergebnis (auch Ausgang)

Mehr

Lösungen zu Übungs-Blatt 8 Wahrscheinlichkeitsrechnung

Lösungen 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?

Mehr

Prof. Dr. Christoph Karg Hochschule Aalen. Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik. Sommersemester 2017

Prof. Dr. Christoph Karg Hochschule Aalen. Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik. Sommersemester 2017 Prof. Dr. Christoph Karg 10.7.2017 Hochschule Aalen Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik Sommersemester 2017 Name: Unterschrift: Klausurergebnis Aufgabe 1 (10 Punkte) Aufgabe

Mehr

Ü b u n g s b l a t t 7

Ü b u n g s b l a t t 7 Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel 21. 5. 2007 Ü b u n g s b l a t t 7 Mit und gekennzeichnete Aufgaben können zum Sammeln von Bonuspunkten verwendet werden. Lösungen von -Aufgaben

Mehr

Statistik Übungen WS 2017/18

Statistik 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

Mehr

5 Binomial- und Poissonverteilung

5 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

Mehr

Aufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2018/19

Aufgabenstellung 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

Mehr

Satz 16 (Multiplikationssatz)

Satz 16 (Multiplikationssatz) Haug verwendet man die Denition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A \ B] = Pr[BjA] Pr[A] = Pr[AjB] Pr[B] : (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1 ; : : : ; A n

Mehr

A3.Die Lebensdauer eines elektronischen Gerätes werde als normalverteilt angenommen. Der Erwartungswert betrage

A3.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

Mehr

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 1

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 1 TUM, Zentrum Mathematik Lehrstuhl für Mathematische Physik WS 2013/ Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weidner Tutoraufgaben: Einführung in die Wahrscheinlichkeitstheorie svorschläge zu

Mehr

Übungsscheinklausur,

Übungsscheinklausur, Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 27 Prof. Dr. F. Liese Übungsscheinklausur, 3.7.27 Dipl.-Math. M. Helwich Name:...

Mehr

Woche 2: Zufallsvariablen

Woche 2: Zufallsvariablen Woche 2: Zufallsvariablen Patric Müller ETHZ WBL 19/21, 29.04.2019 Wahrscheinlichkeit und Statistik Patric Müller WBL 2019 Teil III Zufallsvariablen Wahrscheinlichkeit

Mehr

Aufgabe 10 Die Zufallsvariable ist binomialverteilt mit

Aufgabe 10 Die Zufallsvariable ist binomialverteilt mit Level Grundlagen Blatt 2 Dokument mit 8 Aufgaben Aufgabe Die Zufallsvariable ist binomialverteilt mit und,3. Welches der beiden Histogramme zeigt die Wahrscheinlichkeitsverteilung von? Begründen Sie Ihre

Mehr

Stochastik Musterlösung 4

Stochastik 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

Mehr

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 4

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 4 TUM, Zentrum Mathematik Lehrstuhl für Mathematische Physik WS 3/4 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weidner Tutoraufgaben: Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge

Mehr

Wahrscheinlichkeitstheorie Klausurvorbereitung Lösungen

Wahrscheinlichkeitstheorie Klausurvorbereitung Lösungen Wahrscheinlichkeitstheorie Klausurvorbereitung Lösungen 1.) a) Ein Skatblatt besteht aus 32 Karten. Wieviele mögliche Anordnungen gibt es für den Kartenstapel nach dem Mischen? b) Jede Karte der 8 Symbole(7,8,9,10,B,D,K,A)

Mehr

STOCHASTISCHE UNABHÄNGIGKEIT. Annika Pohlmann Philipp Oel Wilhelm Dück

STOCHASTISCHE UNABHÄNGIGKEIT. Annika Pohlmann Philipp Oel Wilhelm Dück STOCHASTISCHE UNABHÄNGIGKEIT Annika Pohlmann Philipp Oel Wilhelm Dück 1 GLIEDERUNG 1) Bedingte Wahrscheinlichkeiten 2) Unabhängigkeit für mehr als zwei Ereignisse 3) Unabhängigkeit für Zufallsvariable

Mehr

Stochastik Aufgaben zum Üben: Teil 2

Stochastik Aufgaben zum Üben: Teil 2 Prof. Dr. Z. Kabluchko Wintersemester 205/206 Hendrik Flasche Januar 206 Aufgabe Stochastik Aufgaben zum Üben: Teil 2 Es sei X eine Zufallsvariable mit Dichte f X (y) = cy 5 I y>. Bestimmen Sie c, P[2

Mehr

Vorlesung 3a. Der Erwartungswert. von diskreten reellwertigen Zufallsvariablen

Vorlesung 3a. Der Erwartungswert. von diskreten reellwertigen Zufallsvariablen Vorlesung 3a Der Erwartungswert von diskreten reellwertigen Zufallsvariablen 0. Diskrete reellwertige Zufallsvariable X sei eine Zufallsvariable, deren Zielbereich R (die Menge der reellen Zahlen) oder

Mehr

Probearbeit 13.1 Schuljahr 2010/11 Kernfach Mathematik

Probearbeit 13.1 Schuljahr 2010/11 Kernfach Mathematik Aufgabe 3: Stochastik Vorbemerkung: Führen Sie stets geeignete Zufallsvariablen und Namen für Ereignisse ein. Machen Sie auch Angaben über die Verteilung der jeweiligen Zufallsvariablen. a) Das unten stehende

Mehr

Vorkurs Mathematik. Christoph Hindermann. Wahrscheinlichkeitstheorie

Vorkurs Mathematik. Christoph Hindermann. Wahrscheinlichkeitstheorie Kapitel 4 Christoph Hindermann Vorkurs Mathematik 1 4.0 Motivation Wenn 100 Münzen geworfen werden, wie ist dann die Wahrscheinlichkeit, dass genau 50 davon Kopf zeigen? Angenommen, es befinden sich 300

Mehr

Blatt 6: Grundlagen der Wahrscheinlichkeitstheorie MAE 3

Blatt 6: Grundlagen der Wahrscheinlichkeitstheorie MAE 3 School of Engineering Winterthur Zürcher Hochschule für Angewandte Wissenschaften Blatt 6: Grundlagen der Wahrscheinlichkeitstheorie MAE 3 Aufgabe 1: Ein homogener Würfel wird zwei Mal geworfen. Wie groß

Mehr

Aufgabe 4 Ein fairer Würfel wird 36-mal geworfen. Berechne die Wahrscheinlichkeit dafür, dass die Augenzahl 6 in der erwarteten Anzahl eintritt.

Aufgabe 4 Ein fairer Würfel wird 36-mal geworfen. Berechne die Wahrscheinlichkeit dafür, dass die Augenzahl 6 in der erwarteten Anzahl eintritt. Dokument mit 26 Aufgaben Aufgabe 1 Ein Jäger trifft sein Ziel mit einer Wahrscheinlichkeit 40 %. Mit welcher Wahrscheinlichkeit erzielt er bei zehn Schüssen a) genau sechs Treffer b) mehr als sechs Treffer?

Mehr

Abitur 2010 Mathematik GK Stochastik IV

Abitur 2010 Mathematik GK Stochastik IV Seite http://www.abiturloesung.de/ Seite Abitur 00 Mathematik GK Stochastik IV Das Spiel Gewinn mit Vier besteht aus dem einmaligen Drehen des abgebildeten Laplace- Glücksrades mit gleich großen Sektoren

Mehr

Level 1 Grundlagen Blatt 1. Dokument mit 19 Aufgaben

Level 1 Grundlagen Blatt 1. Dokument mit 19 Aufgaben Level 1 Grundlagen Blatt 1 Dokument mit 19 Aufgaben Aufgabe A1 Ein Glücksrad hat drei Sektoren mit den Farben Rot, Gelb und Grün. Das Rad bleibt mit einer Wahrscheinlichkeit von 0,1 so stehen, dass der

Mehr

Vorlesung 3. Der Erwartungswert. von diskreten reellwertigen Zufallsvariablen

Vorlesung 3. Der Erwartungswert. von diskreten reellwertigen Zufallsvariablen Vorlesung 3 Der Erwartungswert von diskreten reellwertigen Zufallsvariablen 0. Diskrete reellwertige Zufallsvariable X sei eine Zufallsvariable, deren Zielbereich R (die Menge der reellen Zahlen) oder

Mehr

Grundbegrie der Wahrscheinlichkeitsrechnung

Grundbegrie der Wahrscheinlichkeitsrechnung Die Benutzung dieser Materialien ist auf Herbst 2017 beschränkt. Diese Hilfsmaterialien sind nur für unseren Studenten gemeint, dürfen also nicht weiterverteilt werden. Grundbegrie der Wahrscheinlichkeitsrechnung

Mehr

Wahrscheinlichkeitstheorie für Informatikstudien Übungsblatt 1

Wahrscheinlichkeitstheorie für Informatikstudien Übungsblatt 1 http://www.stat.tugraz.at/courses/exam/hw_108.pdf 1 Wahrscheinlichkeitstheorie für Informatikstudien 506.000 Übungsblatt 1 04. Nov. 2008 1. [A 2.1] TelematikstudentInnen im 3. Semester werden befragt,

Mehr

Definition: Ein endlicher Ergebnisraum ist eine nichtleere Menge, deren. wird als Ereignis, jede einelementige Teilmenge als Elementarereignis

Definition: Ein endlicher Ergebnisraum ist eine nichtleere Menge, deren. wird als Ereignis, jede einelementige Teilmenge als Elementarereignis Stochastische Prozesse: Grundlegende Begriffe bei zufälligen Prozessen In diesem Abschnitt beschäftigen wir uns mit den grundlegenden Begriffen und Definitionen von Zufallsexperimenten, also Prozessen,

Mehr

Statistik für Ingenieure Vorlesung 3

Statistik für Ingenieure Vorlesung 3 Statistik für Ingenieure Vorlesung 3 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 14. November 2017 3. Zufallsgrößen 3.1 Zufallsgrößen und ihre Verteilung Häufig sind

Mehr

Aufgaben. d) Seien X und Y Poissonverteilt mit Parameter µ, X, Y P(µ). 2. Dann ist die Summe auch Poissonverteilt mit (X + Y ) P(2µ).

Aufgaben. d) Seien X und Y Poissonverteilt mit Parameter µ, X, Y P(µ). 2. Dann ist die Summe auch Poissonverteilt mit (X + Y ) P(2µ). Aufgaben 1. Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete Frage 1 Punkt und pro falsche Antwort 1/2 Punkt Abzug. Minimal erhält man für die gesamte

Mehr

WHB11 - Mathematik. AFS II: Umgang mit Zufall und Wahrscheinlichkeiten. Thema: Summierte Binomialverteilung

WHB11 - Mathematik. AFS II: Umgang mit Zufall und Wahrscheinlichkeiten. Thema: Summierte Binomialverteilung Binomialverteilung Bisher haben wir berechnet, wie groß die Wahrscheinlichkeit dafür ist, dass bei einer Bernoulli-Kette n der Länge genau k Treffer auftreten. Die Formel dafür war: B (n;p;k) = P (X=k)

Mehr

Mathematik 3 für Informatik

Mathematik 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

Mehr

Anliegen: Beschreibung von Versuchsergebnissen mit Zahlen, um mit Zahlen bzw. bekannten Funktionen rechnen zu können.

Anliegen: Beschreibung von Versuchsergebnissen mit Zahlen, um mit Zahlen bzw. bekannten Funktionen rechnen zu können. 2 Zufallsvariable 2.1 Einführung Anliegen: Beschreibung von Versuchsergebnissen mit Zahlen, um mit Zahlen bzw. bekannten Funktionen rechnen zu können. Eine Zufallsvariable X ordnet jedem elementaren Versuchsausgang

Mehr

Grundlagen der Wahrscheinlichkeitstheorie

Grundlagen der Wahrscheinlichkeitstheorie Priv.-Doz. Dr. H. Steinacker Wintersemester 2013/2014 Grundlagen der Wahrscheinlichkeitstheorie betrachte Wiederholungen eines Experimentes, gleicher Vorbereitung (z.b. Würfeln, Dart werfen, Doppelspaltexperiment,...)

Mehr

Zufallsvariablen [random variable]

Zufallsvariablen [random variable] Zufallsvariablen [random variable] Eine Zufallsvariable (Zufallsgröße) X beschreibt (kodiert) die Versuchsausgänge ω Ω mit Hilfe von Zahlen, d.h. X ist eine Funktion X : Ω R ω X(ω) Zufallsvariablen werden

Mehr

D-ITET Wahrscheinlichkeitstheorie und Statistik FS 2017 Prof. P. Nolin. Serie 11

D-ITET Wahrscheinlichkeitstheorie und Statistik FS 2017 Prof. P. Nolin. Serie 11 D-ITET Wahrscheinlichkeitstheorie und Statistik FS 2017 Prof. P. Nolin Serie 11 1. Frau A und Herr B wollen sich treffen und verabreden sich für 16 Uhr in einem Café. Mit T A bzw. T B bezeichnen wir die

Mehr