Kursthemen 12. Sitzung. Spezielle Verteilungen: Warteprozesse. Spezielle Verteilungen: Warteprozesse

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Kursthemen 12. Sitzung. Spezielle Verteilungen: Warteprozesse. Spezielle Verteilungen: Warteprozesse"

Transkript

1 Kursthemen 12. Sitzung Folie I Spezielle Verteilungen: Warteprozesse Spezielle Verteilungen: Warteprozesse A) Die Geometrische Verteilung (Folien 2 bis 7) A) Die Geometrische Verteilung (Folien 2 bis 7) B) Diskretes Warten: Geometrische Verteilung und Binomialverteilung (Folien 8 bis 14) C) Die (negative) Exponentialverteilung (Folien 15 bis 19) C) Die (negative) Exponentialverteilung (Folien 15 bis 19) D) Die Poissonverteilung (Folien 20 bis 31) D) Die Poissonverteilung (Folien 20 bis 31) E) Übersicht: Spezielle Verteilungen (Folien 30 bis 32)

2 Beispiel zur geometrischen Verteilung 1 / 2 Folie I Im Spielkasino... Ein Roulettspieler setzt immer auf Zero. Er wartet auf seinen ersten Gewinn. Wie lange muss er warten, bis er das erste Mal gewinnt? Oder präziser: Wie ist die Wahrscheinlichkeitsverteilung von T 1 = Zahl der verlorenen Spiele bis zum ersten Gewinn? Die Wahrscheinlichkeit für einen Verlust beträgt: 36 ( 1 p) = 37 Dann ist die Wahrscheinlichkeit für 0 verlorene Spiele bis zum ersten Gewinn 1 p( 0) = = p = 0,

3 Beispiel zur geometrischen Verteilung 2 / 2 Folie I Voraussetzung: Die Roulett-Spiele sind unabhängig, Kugel hat kein Gedächtnis 1 p( 0) = = p = 0, p( 1) = = ( 1 p) p = 0, p( 2) = = ( p) p =, 37 k 36 1 k p( k) = = ( 1 p) p Wie viele verlorene Spiele wird der Spieler im Mittel bis zum ersten Gewinn in Kauf nehmen müssen? 36 1 p E( T1 ) = = = = 36 p

4 Die Geometrische Verteilung Folie I Ausgangssituation: Sie ziehen nacheinander zufällig n Objekte aus N Objekten heraus, die sich in bezug auf ein Merkmal mit zwei Ausprägungen A und A unterscheiden. Die Objekte werden nach jedem Zug zurückgelegt. Dann ist die ZV X = "Anzahl der Objekte mit A vor dem ersten Objekt mit A" N A geometrisch verteilt mit dem Parameter p =, wobei N A die N Anzahl der Objekte mit A ist. D. h. die ZV folgt der Verteilung GV p. ( ) Mögliche Werte von X: k = 0, 1,... Wie Häufigkeits- groß ist die und Varianz Verteilungsfunktion: von Y? 1 k k f ( k) = ( p) p F( k) = 1 ( 1 p) + 1 Erwartungswert von X: Varianz Wie großvon ist X: die Varianz von Y? 1 p ( 1 p) E( X ) = (=Wettquotient, Quote, odds) Var( X ) = 2 p p

5 Graphische Darstellung der Dichte einer Geometrischen Verteilung mit p =1 / 37 (Roulette, einfaches Spiel) Folie I ,03 Geometrische Verteilung (p=1/37) 0,02 0,

6 Häufigkeits- und Verteilungsfunktion der Geometrischen Verteilung Folie I Leiten Sie aus der Häufigkeitsfunktion einer geometrisch verteilten Zufallsvariable die Verteilungsfunktion ab! 1 k k f ( k) = ( p) p F( k) = 1 ( 1 p) + 1 F( k) = P( k) = f ( i) k = = i= ( 1 ) ( 1 ) ( 1 ) 0 1 k ( 1 ) ( 1 ) ( 1 ) F( k) = p p + p p p p F( k) = p p + p p = ( 1 p) F( k) p ( 1 p) ( 1 p)... ( 1 p) 1 2 k+ 1 Subtrahiert man die letzte von der vorletzten Zeile, erhält man: ( 1 ) ( 1 ) p F( k) = p p p 0 k+ 1 F( k) = p p F( k) = ( 1 ) ( 1 ) k+ 1 1 ( 1 p) 0 k+ 1 k

7 Folie I Beispiele für Wahrscheinlichkeitsverteilungen der Geometrischen Verteilung

8 Aufgabe: Am Roulettisch 1 / 2 Folie I Am Roulettisch... Ein Roulettspieler setzt ständig auf Rot. a) Welcher Verteilung folgt die Zahl der verlorenen Spiele bis zum ersten Gewinn? b) Wie viele Spiele verliert der Spieler im Mittel bis zum ersten Gewinn? c) Wie groß ist die Wahrscheinlichkeit, dass er genau einmal verliert und dann gewinnt? d) Wie groß ist die Wahrscheinlichkeit, dass er erst im dritten Spiel oder später gewinnt?

9 Aufgabe: Am Roulettisch 2 / 2 Folie I Am Roulettisch (fortgesetzt)... Ein Roulettspieler setzt ständig auf Rot. e) Wie groß ist die Wahrscheinlichkeit, dass er erst im 10. Spiel oder später gewinnt? f) Wie ist die Zahl der verlorenen Spiele unter den ersten drei Spielen verteilt? g) Wie groß ist die Wahrscheinlichkeit, unter den ersten drei Spielen dreimal zu verlieren? h) Wie ist die Zahl der gewonnen Spiele unter den ersten drei Spielen verteilt?

10 Aufgabe: Geburtenpolitik in China Folie I Die chinesische Regierung verfolgt zur Bevölkerungskontrolle eine strikte Ein-Kind- Politik. Es gelingt ihr, dies in den Städten konsequent durchzusetzen. Unterstellen Sie im folgenden, dass Knaben- und Mädchengeburten gleichwahrscheinlich sind und dass Geschlecht aufeinander folgender Kinder stochastisch unabhängig ist. a) Welcher Verteilung folgt demnach die Zahl der Knaben unter 100 in einer Stadt geborenen Kindern? b) Auf Druck der Bevölkerung wird die Politik dahingehend gelockert, dass jede Familie solange Kinder bekommen darf, bis der erste Knabe geboren wird. Unterstellen Sie, dass diese Regel strikt befolgt und maximal ausgenutzt wird. i. Welcher Verteilung folgt die Zahl der Kinder in einer Familie und wie viele Kinder wird eine Familie im Mittel haben? ii. iii. iv. Wie groß ist der Anteil der Ein-Kind-Familien unter dieser Regel? Wird sich das Verhältnis der Geschlechter verschieben, und wenn ja, wird es mehr Jungen oder mehr Mädchen geben? Beantworten Sie Frage iii für den Fall, dass nicht jede Familie die ihr maximal mögliche Zahl von Kindern bekommt!

11 Aufgabe: Beziehungskiste 1 / 2 Folie I Franz und Suse stellen fest, dass es ihrer Beziehung nicht gut tut, wenn sie sich an Tagen treffen, wo einer von beiden keine Lust hat. Sie beschließen, jeden Tag miteinander zu telefonieren und sich nur dann zu treffen, wenn beide Lust haben. Unterstellen Sie, dass die Wahrscheinlichkeit, dass einer auf den anderen Lust hat, jeden Tag gleich ist und dass sich jeder von beiden nicht von der Lust oder Unlust des anderen beeinflussen lässt. Franz möge im Mittel dreimal, Suse zweimal die Woche Lust haben. a) Wie groß ist die Wahrscheinlichkeit, dass sie sich heute treffen? b) Wie groß ist der Abstand zwischen zwei Treffen im Mittel? c) Welcher Verteilung folgt die Zahl der Treffen pro Woche?

12 Aufgabe: Beziehungskiste 2 / 2 Folie I Franz und Suse stellen fest, dass es ihrer Beziehung nicht gut tut, wenn sie sich an Tagen treffen, wo einer von beiden keine Lust hat. Sie beschließen, jeden Tag miteinander zu telefonieren und sich nur dann zu treffen, wenn beide Lust haben. Unterstellen Sie, dass die Wahrscheinlichkeit, dass einer auf den anderen Lust hat, jeden Tag gleich ist und dass sich jeder von beiden nicht von der Lust oder Unlust des anderen beeinflussen lässt. Franz möge im Mittel dreimal, Susi zweimal die Woche Lust haben. d) Welcher Verteilung folgt die Zahl der einsamen Tage bis zum nächsten Treffen? e) Wie groß ist die Wahrscheinlichkeit, dass sie sich mindestens 3 Wochen nicht sehen ( das Trennungsrisiko )? f) Angenommen, jeder lässt sich doch ein bisschen von der Lust des anderen anstecken, so dass sich die tägliche Wahrscheinlichkeit eines Treffens verdoppelt. Wie lauten dann die richtigen Antworten auf a), b) und e)?

13 Aufgabe: Die Transistoren-Schachtel 1 / 2 Folie I In einer Schachtel befinden sich 8 Transistoren, von denen einer defekt ist. a) Sie entnehmen 2 Transistoren zufällig mit Zurücklegen. Wie groß ist die Wahrscheinlichkeit, dass sich darunter i. genau ein defekter Transistor befindet? ii. kein defekter Transistor befindet? b) Sie entnehmen 2 Transistoren zufällig ohne Zurücklegen. Wie groß ist die Wahrscheinlichkeit, dass sich darunter i. genau ein defekter Transistor befindet? ii. kein defekter Transistor befindet?

14 Aufgabe: Die Transistoren-Schachtel 2 / 2 Folie I In einer Schachtel befinden sich 8 Transistoren, von denen einer defekt ist. c) Sie entnehmen jeweils einen Transistor zufällig, prüfen ihn und legen ihn dann zurück. Es sei X=k falls bei der (k+1)-ten Entnahme zum ersten Mal ein defekter Transistor entnommen wird. k {0,1,2,...} i. Bestimmen Sie E(X) und Var(X)! ii. Bestimmen Sie P( X 2 )! iii. Bestimmen Sie P( X 2 )!

15 Beispielaufgabe zum stetigen Warten: Schneller als die Feuerwehr... Folie I Die Feuerwehr schickt bei jedem per Notruf gemeldeten Herzinfarkt einen speziellen Notarztwagen (NAW). Aus der Vergangenheit ist bekannt, dass im Schnitt 40 Herzinfarkte pro Tag gemeldet werden. Um planen zu können, wie viele NAW sie brauchen, müssen von Ihnen als Berater noch einige Fragen beantwortet werden. a) Wie groß ist die Wahrscheinlichkeit, innerhalb der durchschnittlichen Einsatzdauer von 20 Minuten einen zweiten Notruf zu bekommen? b) Wie groß ist die Wahrscheinlichkeit, innerhalb von einer Stunde mehr als drei Einsätze fahren zu müssen?

16 Folie I Lösung zur Beispielaufgabe zum stetigen Warten: Schneller als die Feuerwehr... Die Fragen der Feuerwehr lassen sich unter zwei Voraussetzungen leicht mit Hilfe der Wahrscheinlichkeitsrechnung beantworten: 1. Die Notrufe gehen unabhängig ein (keine gegenseitige Beeinflussung). 2. Die Wahrscheinlichkeit, dass in der nächsten Zeiteinheit ein Notruf eingeht ist den ganzen Tag gleich, d. h. es gibt keine bevorzugte Tageszeit bei Infarkten. a) Unter diesen Voraussetzungen folgt die Zufallsvariable T = Wartezeit bis zum nächsten Notruf in Stunden 40 5 einer (negativen) Exponentialverteilung mit dem Parameter λ = = 24 3

17 Beispiele für Dichtefunktionen der (negative) Exponentialverteilung Folie I

18 Graphische Darstellung der Dichte einer Geometrischen Verteilung und einer (negativen) Exponentialverteilung Folie I ,03 Geometrische Verteilung (p=1/37) 0,02 (negative) Exponentialverteilung (λ=1/36) 0,

19 Die (negative) Exponentialverteilung Folie I Ausgangssituation: Sie beobachten einen "Poisson-Prozeß". Das impliziert, dass sich gleichartige Punktereignisse nicht gegenseitig beeinflussen ("Unabhängigkeit") und ihre Eintrittwahrscheinlichkeit zeitkonstant ist ("Gleichmäßiger Fluss"). Dann ist die ZV X = "Wartezeit bis zum nächsten Ereignis" (negativ) exponentialverteilt mit dem Parameter λ, wobei λ die erwartete Ereignisanzahl pro Zeiteinheit ist. D. h. die ZV folgt der Verteilung NEV λ. ( ) Mögliche Werte von X: Wie Häufigkeitsfunktion: groß ist die Varianz von Y? λ t f ( t) = λ e t F( t) = 1 e + R 0 Erwartungswert von X: Varianz Wie großvon ist X: die Varianz von Y? 1 1 E( X ) = Var( X ) = 2 λ λ λ t

20 Folie I Lösung zur Beispielaufgabe zum stetigen Warten: Schneller als die Feuerwehr...(fortgesetzt) Die Fragen der Feuerwehr lassen sich unter zwei Voraussetzungen leicht mit Hilfe der Wahrscheinlichkeitsrechnung beantworten: 1. Die Notrufe gehen unabhängig ein (keine gegenseitige Beeinflussung). 2. Die Wahrscheinlichkeit, dass in der nächsten Zeiteinheit ein Notruf eingeht ist den ganzen Tag gleich, d. h. es gibt keine bevorzugte Tageszeit bei Infarkten. b) Unter diesen Voraussetzungen folgt die Zufallsvariable X = Anzahl der Einsätze pro Stunde 40 5 einer Poissonverteilung mit dem Parameter λ = = 24 3

21 Folie I Beispiele für Wahrscheinlichkeitsverteilungen der Poisson-Verteilung

22 Die Poisson-Verteilung Folie I Ausgangssituation: Sie beobachten einen "Poisson-Prozeß". Das impliziert, dass sich gleichartige Punktereignisse nicht gegenseitig beeinflussen ("Unabhäbgigkeit") und ihre Eintrittwahrscheinlichkeit zeitkonstant ist ("Gleichmäßiger Fluss"). Dann ist die ZV X = "Anzahl der Ereignisse in einer Zeiteinheit (im Intervall T )" poissonverteilt mit dem Parameter λ ( λ T ). D. h. die ZV folgt der Verteilung PV ( λ) bzw. PV ( T ) λ. Mögliche Werte von X: k = 0, 1,... Wie Häufigkeits- groß ist und die Varianz Verteilungsfunktion: von Y? k λ λ f ( k) = e k! Erwartungswert von X: Wie Varianz großvon ist X: die Varianz von Y? E( X ) = λ Var( X ) = λ

23 Folie I Lösung zur Beispielaufgabe zum stetigen Warten: Schneller als die Feuerwehr...(fortgesetzt) Die Zufallsvariable T folgt einer (negativen) Exponentialverteilung λ 5 t t 3 mit dem Parameter λ = = und der Dichte f ( t) = λ e = e t 3 λ t Die Verteilungsfunktion lautet F( x) = 1 e = 1 e. 1 3 Der Erwartungswert lautet E( X ) = = Stunden. λ 5 a) Die Wahrscheinlichkeit, einen Notruf innerhalb von 20 Minuten (= 1/3 Stunden) zu bekommen, beträgt: t λ t λ t λ P t 0, = e dt = e = e = e + 1 = 0, Bzw P t 0, = F = 1 e = 1 e = 0,

24 Folie I Lösung zur Beispielaufgabe zum stetigen Warten: Schneller als die Feuerwehr...(fortgesetzt) Die Zufallsvariable X folgt einer Poissonverteilung 5 k 40 5 λ 3 λ mit dem Parameter λ = = und der Dichte f ( k) = e = e 24 3 k! k! x k x k λ λ λ λ Die Verteilungsfunktion lautet F( x) = e = e. k = 0 k! k = 0 k! 5 Der Erwartungswert lautet E( X ) = λ = Notrufe. 3 b) Die Wahrscheinlichkeit, mehr als drei Einsätze pro Stunde fahren zu müssen beträgt: ( > 3) = 1 ( 3) = 1 [ ( = 0) + ( = 1) +... ( = 3) ] P X P X P X P X P X k 5 λ λ = 1 e 1 e... = + + k= 0 k! 0! 3! = 1 e = 0, k 5 3

25 Aufgabe: Im Wartezimmer 1 / 3 Folie I Ein mit Ihnen befreundeter Arzt behandelt im Schnitt 15 Patienten pro Stunde. Als enger Freund werden Sie bevorzugt behandelt, kommen also immer als nächster dran, wenn Sie die Praxis betreten. a) Welcher Verteilung folgt die Wartezeit (in Minuten)? b) Wie lange müssen Sie im Schnitt warten? c) Wie groß ist die Wahrscheinlichkeit, dass Sie nicht mehr als 2 Minuten warten müssen?

26 Aufgabe: Im Wartezimmer 2 / 3 Folie I Ein mit Ihnen befreundeter Arzt behandelt im Schnitt 15 Patienten pro Stunde. Als enger Freund werden Sie bevorzugt behandelt, kommen also immer als nächster dran, wenn Sie die Praxis betreten. d) Wie groß ist die Wahrscheinlichkeit, dass Sie 3 bis 5 Minuten warten müssen? e) Wie groß ist die Wahrscheinlichkeit, dass Sie 10 Minuten oder länger warten müssen? f) Welche Wartezeit wird in 90% der Fälle nicht überschritten?

27 Aufgabe: Im Wartezimmer 3 / 3 Folie I Ein mit Ihnen befreundeter Arzt behandelt im Schnitt 15 Patienten pro Stunde. Als enger Freund werden Sie bevorzugt behandelt, kommen also immer als nächster dran, wenn Sie die Praxis betreten. g) Wie ist die Verteilung der Anzahl der Patienten, die in einer Minute dran kommen? h) Wie ist die Verteilung der Anzahl der Patienten, die in 4 Minuten dran kommen? i) Wie groß ist die Wahrscheinlichkeit, dass in 4 Minuten nicht mehr als ein Patient dran kommt?

28 Aufgabe: Über den Wolken 1 / 2 Folie I Auf einem internationalen Großflughafen landen auf mehreren parallelen Landebahnen im Mittel 120 Flugzeuge pro Stunde. 10% der Flugzeuge kommen im Mittel aus Deutschland. Unterstellen Sie, dass der Flugzeugfluss gleichmäßig ist und die Flugbewegungen unabhängig sind. Ein Besucher beginnt zu einem bestimmten Zeitpunkt mit der Beobachtung des Luftverkehrs. a) Welcher Verteilung folgt die Wartezeit bis zum ersten Flugzeug? b) Welcher Verteilung folgt die Wartezeit bis zum ersten deutschen Flugzeug? c) Welcher Verteilung folgt die Zahl der Flugzeuge in den ersten 10 Minuten?

29 Aufgabe: Über den Wolken 2 / 2 Folie I Auf einem internationalen Großflughafen landen auf mehreren parallelen Landebahnen im Mittel 120 Flugzeuge pro Stunde. 10% der Flugzeuge kommen im Mittel aus Deutschland. Unterstellen Sie, dass der Flugzeugfluss gleichmäßig ist und die Flugbewegungen unabhängig sind. Ein Besucher beginnt zu einem bestimmten Zeitpunkt mit der Beobachtung des Luftverkehrs. d) Welcher Verteilung folgt die Zahl der nicht-deutschen Flugzeuge bis zur Landung des ersten deutschen Flugzeugs? e) Welcher Verteilung folgt die Anzahl der deutschen Flugzeuge unter den ersten 20 Flugzeugen? f) Inwieweit sind die Voraussetzungen der Verteilungsmodelle realistische Annahmen?

30 Übersicht: Spezielle Verteilungen 1 / 2 Folie I Gleichverteilung GLV ( n), n N Bernoulliverteilung (=Zweipunktverteilung) [ 0 1] ZPV ( p), p, Binomialverteilung [ 0 1] BV ( n, p), n N, p, Hypergeometrische Verteilung HV ( N, M, n), N, M, n N

31 Übersicht: Spezielle Verteilungen 2 / 2 Folie I Poissonverteilung PV ( λ), λ > 0 Geometrische Verteilung [ 0 1] GV ( p), p, Negative Exponentialverteilung NEV ( λ), λ > 0

i x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1

i x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1 1. Aufgabe: Der E-Commerce-Umsatz (in Millionen Euro) der fünf größten Online- Shopping-Clubs liegt wie folgt vor: Club Nr. Umsatz 1 120 2 72 3 54 4 30 5 24 a) Bestimmen Sie den Ginikoeffizienten. b) Zeichnen

Mehr

Kursthemen 11. Sitzung. Spezielle diskrete Verteilungen: Auswahlexperimente. Spezielle diskrete Verteilungen: Auswahlexperimente

Kursthemen 11. Sitzung. Spezielle diskrete Verteilungen: Auswahlexperimente. Spezielle diskrete Verteilungen: Auswahlexperimente Kursthemen 11. Sitzung Folie I - 11-1 Spezielle diskrete Verteilungen: Auswahlexperimente Spezielle diskrete Verteilungen: Auswahlexperimente A) Kombinatorik (Folien bis 5) A) Kombinatorik (Folien bis

Mehr

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung Kapitel 3 Zufallsvariable Josef Leydold c 2006 Mathematische Methoden III Zufallsvariable 1 / 43 Lernziele Diskrete und stetige Zufallsvariable Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion

Mehr

Zufallsgrößen. Vorlesung Statistik für KW 29.04.2008 Helmut Küchenhoff

Zufallsgrößen. Vorlesung Statistik für KW 29.04.2008 Helmut Küchenhoff Zufallsgrößen 2.5 Zufallsgrößen 2.5.1 Verteilungsfunktion einer Zufallsgröße 2.5.2 Wahrscheinlichkeits- und Dichtefunktion Wahrscheinlichkeitsfunktion einer diskreten Zufallsgröße Dichtefunktion einer

Mehr

Statistische Thermodynamik I Lösungen zur Serie 1

Statistische Thermodynamik I Lösungen zur Serie 1 Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen

Mehr

$ % + 0 sonst. " p für X =1 $

$ % + 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

Mehr

RUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG

RUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG Die Poisson-Verteilung Jianmin Lu RUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG Ausarbeitung zum Vortrag im Seminar Stochastik (Wintersemester 2008/09, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In der Wahrscheinlichkeitstheorie

Mehr

Statistiktraining im Qualitätsmanagement

Statistiktraining im Qualitätsmanagement Gerhard Linß Statistiktraining im Qualitätsmanagement ISBN-0: -446-75- ISBN-: 978--446-75-4 Leserobe Weitere Informationen oder Bestellungen unter htt://www.hanser.de/978--446-75-4 sowie im Buchhandel

Mehr

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen

Beispiel 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.

Mehr

B 2. " Zeigen Sie, dass die Wahrscheinlichkeit, dass eine Leiterplatte akzeptiert wird, 0,93 beträgt. (genauerer Wert: 0,933).!:!!

B 2.  Zeigen Sie, dass die Wahrscheinlichkeit, dass eine Leiterplatte akzeptiert wird, 0,93 beträgt. (genauerer Wert: 0,933).!:!! Das folgende System besteht aus 4 Schraubenfedern. Die Federn A ; B funktionieren unabhängig von einander. Die Ausfallzeit T (in Monaten) der Federn sei eine weibullverteilte Zufallsvariable mit den folgenden

Mehr

Box-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8

Box-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8 . Aufgabe: Für zwei verschiedene Aktien wurde der relative Kurszuwachs (in % beobachtet. Aus den jeweils 20 Quartaldaten ergaben sich die folgenden Box-Plots. Box-and-Whisker Plot Aktie Aktie 2-0,2 0,8,8

Mehr

Name:... 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

Mehr

Teil I Beschreibende Statistik 29

Teil I Beschreibende Statistik 29 Vorwort zur 2. Auflage 15 Vorwort 15 Kapitel 0 Einführung 19 0.1 Methoden und Aufgaben der Statistik............................. 20 0.2 Ablauf statistischer Untersuchungen..............................

Mehr

Die Binomialverteilung

Die Binomialverteilung Fachseminar zur Stochastik Die Binomialverteilung 23.11.2015 Referenten: Carolin Labrzycki und Caroline Kemper Gliederung Einstieg Definition der Binomialverteilung Herleitung der Formel an einem Beispiel

Mehr

Statistik im Bachelor-Studium der BWL und VWL

Statistik im Bachelor-Studium der BWL und VWL Max C. Wewel Statistik im Bachelor-Studium der BWL und VWL Methoden, Anwendung, Interpretation Mit herausnehmbarer Formelsammlung ein Imprint von Pearson Education München Boston San Francisco Harlow,

Mehr

geben. 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 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

Mehr

Die Pareto Verteilung wird benutzt, um Einkommensverteilungen zu modellieren. Die Verteilungsfunktion ist

Die Pareto Verteilung wird benutzt, um Einkommensverteilungen zu modellieren. Die Verteilungsfunktion ist Frage Die Pareto Verteilung wird benutzt, um Einkommensverteilungen zu modellieren. Die Verteilungsfunktion ist k a F (x) =1 k>0,x k x Finden Sie den Erwartungswert und den Median der Dichte für a>1. (Bei

Mehr

P( X µ c) Var(X) c 2. mit. In der Übung wurde eine alternative, äquivalente Formulierung verwendet: P( X µ < c) 1 Var(X)

P( X µ c) Var(X) c 2. mit. In der Übung wurde eine alternative, äquivalente Formulierung verwendet: P( X µ < c) 1 Var(X) Ich habe eine Frage zur Tschebyschew Ungleichung. In der Aufgabe 4 des Übungsblattes 3 benötigt man ja die Ungleichung. In diesem Falle war der Bereich (0, 20) symmetrisch um den Erwartungswert µ = 5.

Mehr

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Zufallsvariable Erinnerung: Merkmal, Merkmalsausprägung Deskriptive Statistik:

Mehr

Elementare Einführung in die Wahrscheinlichkeitsrechnung, Informationstheorie und stochastische Prozesse. Computer-Netzwerke

Elementare Einführung in die Wahrscheinlichkeitsrechnung, Informationstheorie und stochastische Prozesse. Computer-Netzwerke Informationstechnik Klaus-Dieter Thies Elementare Einführung in die Wahrscheinlichkeitsrechnung, Informationstheorie und stochastische Prozesse für Computer-Netzwerke Mit einer wahrscheinlichkeitstheoretischen

Mehr

ETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig)

ETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig) ETWR Teil B 2 Ziele Bisher (eindimensionale, mehrdimensionale) Zufallsvariablen besprochen Lageparameter von Zufallsvariablen besprochen Übertragung des gelernten auf diskrete Verteilungen Ziel des Kapitels

Mehr

Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall

Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall Wahrscheinlichkeitstheorie Was will die Sozialwissenschaft damit? Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall Auch im Alltagsleben arbeiten wir mit Wahrscheinlichkeiten, besteigen

Mehr

P X =3 = 2 36 P X =5 = 4 P X =6 = 5 36 P X =8 = 5 36 P X =9 = 4 P X =10 = 3 36 P X =11 = 2 36 P X =12 = 1

P X =3 = 2 36 P X =5 = 4 P X =6 = 5 36 P X =8 = 5 36 P X =9 = 4 P X =10 = 3 36 P X =11 = 2 36 P X =12 = 1 Übungen zur Stochastik - Lösungen 1. Ein Glücksrad ist in 3 kongruente Segmente aufgeteilt. Jedes Segment wird mit genau einer Zahl beschriftet, zwei Segmente mit der Zahl 0 und ein Segment mit der Zahl

Mehr

q = 1 p = 0.8 0.2 k 0.8 10 k k = 0, 1,..., 10 1 1 0.8 2 + 10 0.2 0.8 + 10 9 1 2 0.22 1 = 0.8 8 [0.64 + 1.6 + 1.8] = 0.678

q = 1 p = 0.8 0.2 k 0.8 10 k k = 0, 1,..., 10 1 1 0.8 2 + 10 0.2 0.8 + 10 9 1 2 0.22 1 = 0.8 8 [0.64 + 1.6 + 1.8] = 0.678 Lösungsvorschläge zu Blatt 8 X binomialverteilt mit p = 0. und n = 10: a PX = = 10 q = 1 p = 0.8 0. 0.8 10 = 0, 1,..., 10 PX = PX = 0 + PX = 1 + PX = 10 10 = 0. 0 0.8 10 + 0. 1 0.8 9 + 0 1 10 = 0.8 8 [

Mehr

Füllmenge. 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

Füllmenge. 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

Mehr

Übungen zur Mathematik für Pharmazeuten

Übungen 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

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

Programm. Wiederholung. Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung. Binomialverteilung. Hypergeometrische Verteilung

Programm. 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

Mehr

Verteilungsmodelle. Verteilungsfunktion und Dichte von T

Verteilungsmodelle. Verteilungsfunktion und Dichte von T Verteilungsmodelle Verteilungsfunktion und Dichte von T Survivalfunktion von T Hazardrate von T Beziehungen zwischen F(t), S(t), f(t) und h(t) Vorüberlegung zu Lebensdauerverteilungen Die Exponentialverteilung

Mehr

Bei vielen Zufallsexperimenten interessiert man sich lediglich für das Eintreten bzw. das Nichteintreten eines bestimmten Ereignisses.

Bei vielen Zufallsexperimenten interessiert man sich lediglich für das Eintreten bzw. das Nichteintreten eines bestimmten Ereignisses. XI. Binomialverteilung ================================================================== 11.1 Definitionen -----------------------------------------------------------------------------------------------------------------

Mehr

Übungsrunde 7, Gruppe 2 LVA 107.369, Übungsrunde 7, Gruppe 2, 28.11. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 11/2006

Übungsrunde 7, Gruppe 2 LVA 107.369, Übungsrunde 7, Gruppe 2, 28.11. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 11/2006 1 3.34 1.1 Angabe Übungsrunde 7, Gruppe 2 LVA 107.369, Übungsrunde 7, Gruppe 2, 28.11. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 11/2006 U sei auf dem Intervall (0, 1) uniform verteilt. Zeigen

Mehr

Stetige Verteilungen. A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch

Stetige Verteilungen. A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch 6 Stetige Verteilungen 1 Kapitel 6: Stetige Verteilungen A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch dargestellt. 0.2 6

Mehr

Coupon Collector's-Problem (Sammelbilderproblem) Name: Walter Wolf Matrikelnr.: 533440 Dozent: Dr. W. Kössler

Coupon Collector's-Problem (Sammelbilderproblem) Name: Walter Wolf Matrikelnr.: 533440 Dozent: Dr. W. Kössler Coupon Collector's-Problem (Sammelbilderproblem) Name: Walter Wolf Matrikelnr.: 533440 Dozent: Dr. W. Kössler Problemstellung Als Sammelbilderproblem bezeichnet man die Frage, wie viele Produkte bzw. Bilder

Mehr

4. Verteilungen von Funktionen von Zufallsvariablen

4. Verteilungen von Funktionen von Zufallsvariablen 4. Verteilungen von Funktionen von Zufallsvariablen Allgemeine Problemstellung: Gegeben sei die gemeinsame Verteilung der ZV en X 1,..., X n (d.h. bekannt seien f X1,...,X n bzw. F X1,...,X n ) Wir betrachten

Mehr

Hypergeometrische Verteilung

Hypergeometrische Verteilung Hypergeometrische Verteilung Typischer Anwendungsfall: Ziehen ohne Zurücklegen Durch den Ziehungsprozess wird die Wahrscheinlichkeit des auch hier zu Grunde liegenden Bernoulli-Experimentes verändert.

Mehr

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt!

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! 1 Einführung 2 Wahrscheinlichkeiten kurz gefasst 3 Zufallsvariablen und Verteilungen 4 Theoretische Verteilungen (Wahrscheinlichkeitsfunktion)

Mehr

Einführung in die Statistik mit EXCEL und SPSS

Einführung in die Statistik mit EXCEL und SPSS Christine Duller Einführung in die Statistik mit EXCEL und SPSS Ein anwendungsorientiertes Lehr- und Arbeitsbuch Zweite, überarbeitete Auflage Mit 71 Abbildungen und 26 Tabellen Physica-Verlag Ein Unternehmen

Mehr

Monte-Carlo Simulation

Monte-Carlo Simulation Monte-Carlo Simulation Sehr häufig hängen wichtige Ergebnisse von unbekannten Werten wesentlich ab, für die man allerhöchstens statistische Daten hat oder für die man ein Modell der Wahrscheinlichkeitsrechnung

Mehr

Diskrete Verteilungsmodelle

Diskrete Verteilungsmodelle Diskrete Verteilungsmodelle Worum geht es in diesem Modul? Die hypergeometrische Verteilung Die Binomialverteilung Approximation der hypergeometrischen Verteilung durch die Binomialverteilung Poisson-Verteilung

Mehr

Dies ist die entscheidende Erkenntnis, um die es in diesem Buch geht. Nach Abschluss der Lektüre werden Sie verstehen, was genau ich damit meine.

Dies ist die entscheidende Erkenntnis, um die es in diesem Buch geht. Nach Abschluss der Lektüre werden Sie verstehen, was genau ich damit meine. Das Geheimnis der Spitzenspieler Das Spiel der Quoten No-Limit Hold em ist ein Spiel der Quoten. Liegen Sie mit Ihren Quoten grundlegend falsch, können Sie trotz noch so großem Engagement kein Gewinner

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

Ein möglicher Unterrichtsgang

Ein möglicher Unterrichtsgang Ein möglicher Unterrichtsgang. Wiederholung: Bernoulli Experiment und Binomialverteilung Da der sichere Umgang mit der Binomialverteilung, auch der Umgang mit dem GTR und den Diagrammen, eine notwendige

Mehr

Sei X eine auf dem Intervall [2, 6] (stetig) gleichverteilte Zufallsvariable.

Sei X eine auf dem Intervall [2, 6] (stetig) gleichverteilte Zufallsvariable. Aufgabe 1 (5 + 2 + 1 Punkte) Sei X eine auf dem Intervall [2, 6] (stetig) gleichverteilte Zufallsvariable. a) Wie lautet die Verteilungsfunktion von X? Zeichnen Sie diese! 0 x < 2 1 F (x) = x 0.5 2 x 6

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

Übungen zu Wahrscheinlichkeitstheorie Judith Kloas, Wolfgang Woess, Jonas Ziefle SS 2016

Übungen zu Wahrscheinlichkeitstheorie Judith Kloas, Wolfgang Woess, Jonas Ziefle SS 2016 Übungen zu Wahrscheinlichkeitstheorie Judith Kloas, Wolfgang Woess, Jonas Ziefle SS 2016 43) [3 Punkte] Sei φ(t) die charakteristische Funktion der Verteilungsfunktion F (x). Zeigen Sie, dass für jedes

Mehr

Schleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015

Schleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015 ische Ergänzung der für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015 Ministerium für ildung und Wissenschaft des Landes Juni 2013 1 für Aufgabenpool 1 Analysis

Mehr

Physica-Lehrbuch. Ein anwendungsorientiertes Lehr- und Arbeitsbuch. von Christine Duller

Physica-Lehrbuch. Ein anwendungsorientiertes Lehr- und Arbeitsbuch. von Christine Duller Physica-Lehrbuch Einführung in die Statistik mit EXCEL und SPSS Ein anwendungsorientiertes Lehr- und Arbeitsbuch von Christine Duller Neuausgabe Einführung in die Statistik mit EXCEL und SPSS Duller schnell

Mehr

Kugel-Fächer-Modell. 1fach. 3fach. Für die Einzelkugel gibt es 3 Möglichkeiten. 6fach. 3! Möglichkeiten

Kugel-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

Mehr

Stetige Verteilungsmodelle

Stetige Verteilungsmodelle Stetige Verteilungsmodelle Worum geht es in diesem Modul? Stetige Verteilungsfunktionen Quantile Dichtefunktion Maßzahlen stetiger Verteilungen Stetige Gleichverteilung Exponentialverteilung Überprüfung

Mehr

13.5 Der zentrale Grenzwertsatz

13.5 Der zentrale Grenzwertsatz 13.5 Der zentrale Grenzwertsatz Satz 56 (Der Zentrale Grenzwertsatz Es seien X 1,...,X n (n N unabhängige, identisch verteilte zufällige Variablen mit µ := EX i ; σ 2 := VarX i. Wir definieren für alle

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

Lösungen zu Übungsaufgaben Blatt 9

Lösungen zu Übungsaufgaben Blatt 9 Diskrete Zufallsgrößen Zu Aufgabe Die zufällige Anzahl X von Ausfällen eines Servers pro Jahr genüge folgender Verteilung: ai 0 3 4 5 6 >6 pi /0 /0 3/0 /0 /0 /0 /0 0 Ein Ausfall des Servers verursacht

Mehr

Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero?

Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Manche sagen: Ja, manche sagen: Nein Wie soll man das objektiv feststellen? Kann man Geschmack objektiv messen? - Geschmack ist subjektiv

Mehr

Kapitel VII - Funktion und Transformation von Zufallsvariablen

Kapitel VII - Funktion und Transformation von Zufallsvariablen Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel VII - Funktion und Transformation von Zufallsvariablen Markus Höchstötter Lehrstuhl

Mehr

Stichwortverzeichnis. 3-of-a-Kind (Poker) 112, 114 4-of-a-Kind (Poker) 112, 114 50-50-Irrtum 348

Stichwortverzeichnis. 3-of-a-Kind (Poker) 112, 114 4-of-a-Kind (Poker) 112, 114 50-50-Irrtum 348 3-of-a-Kind (Poker) 112, 114 4-of-a-Kind (Poker) 112, 114 50-50-Irrtum 348 50-50-Situation 36 α-stufe 249 λ 259, 264, 323 σ 190 A Abzählbar unendlich (Mengentyp) 40 Abzählproblem 106 Abzählregel 95 Additionsregel

Mehr

Statistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE

Statistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE Statistik mit Excel für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE INHALTS- VERZEICHNIS Vorwort 13 Schreiben Sie uns! 15 1 Statistische Untersuchungen 17 Wozu Statistik? 18

Mehr

Statistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE. Markt+Technik

Statistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE. Markt+Technik Statistik mit Excel für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE Markt+Technik Vorwort Schreiben Sie uns! 13 15 Statistische Untersuchungen 17 Wozu Statistik? 18 Wirtschaftliche

Mehr

Exponentialverteilung

Exponentialverteilung Exponentialverteilung Dauer von kontinuierlichen Vorgängen (Wartezeiten; Funktionszeiten technischer Geräte) Grenzübergang von der geometrischen Verteilung Pro Zeiteinheit sei die Eintrittswahrscheinlichkeit

Mehr

2. Übung zur Vorlesung Statistik 2

2. Übung zur Vorlesung Statistik 2 2. Übung zur Vorlesung Statistik 2 Aufgabe 1 Welche der folgenden grafischen Darstellungen und Tabellen zeigen keine (Einzel-)Wahrscheinlichkeitsverteilung? Kreuzen Sie die richtigen Antworten an und begründen

Mehr

Stetige Verteilungen Rechteckverteilung

Stetige Verteilungen Rechteckverteilung Stetige Verteilungen Rechteckverteilung Die Längenabweichungen X produzierter Werkstücke von der Norm seien gleichmäßig verteilt zwischen a = mm und b = 4mm. Die Dichtefunktion lautet also f(x) = für a

Mehr

Monty Hall-Problem. Wochen 3 und 4: Verteilungen von Zufallsvariablen. Lernziele. Diskrete Verteilungen

Monty Hall-Problem. Wochen 3 und 4: Verteilungen von Zufallsvariablen. Lernziele. Diskrete Verteilungen Monty Hall-Problem Wochen 3 und 4: Verteilungen von Zufallsvariablen US-amerikanische Fernseh-Show Let s make a deal, moderiert von Monty Hall: WBL 15/17, 04.05.2015 Alain Hauser

Mehr

Zusatzaufgaben zur Vorlesung Stochastik für Informatikstudenten

Zusatzaufgaben zur Vorlesung Stochastik für Informatikstudenten Zusatzaufgaben zur Vorlesung Stochastik für Informatikstudenten I.1 Erweitertes Urnenmodell mit Zurücklegen In einer Urne befinden sich ( N Kugeln, davon M 1 der Farbe F 1, M 2 der Farbe l ) F 2,..., M

Mehr

Statistik Übungen SS 2017

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

Mehr

Binomialverteilung. Statistik für SoziologInnen 1 Diskrete Verteilungsmodelle. Marcus Hudec

Binomialverteilung. Statistik für SoziologInnen 1 Diskrete Verteilungsmodelle. Marcus Hudec Binomialverteilung Jakob Bernoulli (1654-1705) Ars Conjectandi Klassisches Verteilungsmodell für die Berechnung der Wahrscheinlichkeit für die Häufigkeit des Eintretens von Ereignissen in bestimmten noch

Mehr

Eine Zufallsvariable X sei stetig gleichverteilt im Intervall [0,5]. Die Wahrscheinlichkeit P(2< x <4) ist dann

Eine 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)

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

Modellgestützte Analyse und Optimierung Übungsblatt 4

Modellgestützte Analyse und Optimierung Übungsblatt 4 Fakultät für Informatik Lehrstuhl 4 Peter Buchholz, Jan Kriege Sommersemester 2015 Modellgestützte Analyse und Optimierung Übungsblatt 4 Ausgabe: 27.04.2015, Abgabe: 04.05.2015 (12 Uhr) Aufgabe 4.1: Verteilungsfunktionen

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 1. Dezember 21 1 Integralrechnung Flächeninhalt Stammfunktion Rechenregeln 2 Dichten von Erwartungswert und Varianz

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 Lageparameter: Erwartungswert d) Erwartungswert

Mehr

6 Mehrstufige zufällige Vorgänge Lösungshinweise

6 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.

Mehr

Melanie Kaspar, Prof. Dr. B. Grabowski 1

Melanie Kaspar, Prof. Dr. B. Grabowski 1 7. Hypothesentests Ausgangssituation: Man muss sich zwischen 2 Möglichkeiten (=Hypothesen) entscheiden. Diese Entscheidung soll mit Hilfe von Beobachtungen ( Stichprobe ) getroffen werden. Die Hypothesen

Mehr

Quantilsschätzung als Werkzeug zur VaR-Berechnung

Quantilsschätzung als Werkzeug zur VaR-Berechnung Quantilsschätzung als Werkzeug zur VaR-Berechnung Ralf Lister, Aktuar, lister@actuarial-files.com Zusammenfassung: Zwei Fälle werden betrachtet und die jeweiligen VaR-Werte errechnet. Im ersten Fall wird

Mehr

Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1

Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1 Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008 Aufgabe 1 Ihnen liegt

Mehr

Übungsblatt 9 (25. bis 29. Juni)

Übungsblatt 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

Mehr

Statistik I für Betriebswirte Vorlesung 5

Statistik 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

Mehr

Risiko und Symmetrie. Prof. Dr. Andrea Wirth

Risiko und Symmetrie. Prof. Dr. Andrea Wirth Risiko und Symmetrie Prof. Dr. Andrea Wirth Gliederung 1. Einleitung Was ist eigentlich Risiko? 2. Risiko Mathematische Grundlagen 3. Anwendungsbeispiele Wo genau liegt der Schmerz des Risikos? 4. Sie

Mehr

Variationen Permutationen Kombinationen

Variationen Permutationen Kombinationen Variationen Permutationen Kombinationen Mit diesen Rechenregeln lässt sich die Wahrscheinlichkeit bestimmter Ereigniskombinationen von gleichwahrscheinlichen Elementarereignissen ermitteln, und erleichtert

Mehr

5. Schließende Statistik. 5.1. Einführung

5. Schließende Statistik. 5.1. Einführung 5. Schließende Statistik 5.1. Einführung Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.

Mehr

12. Vergleich mehrerer Stichproben

12. Vergleich mehrerer Stichproben 12. Vergleich mehrerer Stichproben Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Häufig wollen wir verschiedene Populationen, Verfahren, usw. miteinander vergleichen. Beipiel: Vergleich

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung Übung 7 1 Inhalt der heutigen Übung Statistik und Wahrscheinlichkeitsrechnung Vorrechnen der Hausübung D.9 Gemeinsames Lösen der Übungsaufgaben D.10: Poissonprozess

Mehr

Ausarbeitung des Seminarvortrags zum Thema

Ausarbeitung des Seminarvortrags zum Thema Ausarbeitung des Seminarvortrags zum Thema Anlagepreisbewegung zum Seminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn von Imke Meyer im W9/10 Anlagepreisbewegung

Mehr

Statistik 1 Beispiele zum Üben

Statistik 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

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 24. November 2010 1 Stetige Verteilungen Normalapproximation Gleichverteilung Exponentialverteilung Normalapproximation

Mehr

Statistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management

Statistik. 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)

Mehr

3.3. Aufgaben zur Binomialverteilung

3.3. Aufgaben zur Binomialverteilung .. Aufgaben zur Binomialverteilung Aufgabe 1: Ziehen mit Zurücklegen und Binomialverteilung Ein sechsseitiger Würfel wird zehnmal geworfen. a) Wie groß ist die Wahrscheinlichkeit, nur beim ersten Mal die

Mehr

Universität Basel Wirtschaftswissenschaftliches Zentrum. Zufallsvariablen. Dr. Thomas Zehrt

Universität Basel Wirtschaftswissenschaftliches Zentrum. Zufallsvariablen. Dr. Thomas Zehrt Universität Basel Wirtschaftswissenschaftliches Zentrum Zufallsvariablen Dr. Thomas Zehrt Inhalt: 1. Einführung 2. Zufallsvariablen 3. Diskrete Zufallsvariablen 4. Stetige Zufallsvariablen 5. Erwartungswert

Mehr

Das Kugel-Fächer-Modell - Arbeitsblätter rür den Unterricht

Das Kugel-Fächer-Modell - Arbeitsblätter rür den Unterricht 38 Das Kugel-Fächer-Modell - Arbeitsblätter rür den Unterricht Heinz Klaus Strick, Leverkusen In (Strick 1994) wurde dargestellt, wie Aufgaben vom Typ "Geburtstagsproblem", "Rosinenproblem", "Problem der

Mehr

Ü b u n g s b l a t t 12

Ü b u n g s b l a t t 12 Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel 5. 6. 007 Ü b u n g s b l a t t Mit und gekennzeichnete Aufgaben können zum Sammeln von Bonuspunkten verwendet werden. Lösungen von -Aufgaben

Mehr

Yára Detert, Dr. Christa Söhl Grenzweg 25 31749 Rolfshagen yaradetert@aol.com christa.soehl@t-online.de

Yára Detert, Dr. Christa Söhl Grenzweg 25 31749 Rolfshagen yaradetert@aol.com christa.soehl@t-online.de Yára Detert, Dr. Christa Söhl Grenzweg 25 31749 Rolfshagen yaradetert@aol.com christa.soehl@t-online.de Yára Detert, geb. 1962 in Bückeburg, studierte Bauingenieurwesen an der Technischen Universität Hannover.

Mehr

Statistik Übungen WS 2016

Statistik 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

Mehr

Klausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS 09

Klausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS 09 Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS

Mehr

Wahrscheinlichkeitsrechnung beim Schafkopf

Wahrscheinlichkeitsrechnung beim Schafkopf Thema: Facharbeit aus dem Fach Mathematik Wahrscheinlichkeitsrechnung beim Schafkopf Inhalt. Ziel der Facharbeit / Einführung. Grundlegende Überlegungen und Berechnungen.. Kartengeben als Laplace-Experiment..

Mehr

R. 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 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

Mehr

(8 + 2 Punkte) = = 0.75

(8 + 2 Punkte) = = 0.75 Aufgabe 1 (8 + 2 Punkte) Von 20 Teilnehmern einer Bergwanderung geben 8 Personen an Knieschmerzen zu haben. 6 Teilnehmer leiden an Sonnenbrand. 8 Teilnehmer blieben unversehrt. a) Wie groß ist die Wahrscheinlichkeit,

Mehr

Mechanismus Design Auktionen

Mechanismus Design Auktionen Mechanismus Design Auktionen Universität Hohenheim Alexander Staus Mechanismus Design Universität Hohenheim 1/25 Welche Auktionen kennen Sie? traditionelle Auktionshäuser ebay Immobilien Fahrräder Blumen

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 23. Dezember 2011 1 Stetige Zufallsvariable, Normalverteilungen Der zentrale Grenzwertsatz und die 3-Sigma Regel

Mehr

Wir arbeiten mit Zufallszahlen

Wir 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

Mehr

Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik

Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik Dozent: Volker Krätschmer Fakultät für Mathematik, Universität Duisburg-Essen, WS 2012/13 1. Präsenzübung Aufgabe T 1 Sei (Z 1,...,

Mehr

Aufgabe 1 10 ECTS. y i x j gering mittel hoch n i Hausrat 200 25 0 225 KFZ 0 10 75 85 Unfall 20 35 90 145 Reiserücktritt 40 5 0 45 n j 260 75 165 500

Aufgabe 1 10 ECTS. y i x j gering mittel hoch n i Hausrat 200 25 0 225 KFZ 0 10 75 85 Unfall 20 35 90 145 Reiserücktritt 40 5 0 45 n j 260 75 165 500 Aufgabe 1 Für die Securance-Versicherung liegen Ihnen die gemeinsamen absoluten Häugkeiten der Merkmale X: Schadenshöhe und Y : Versicherungsart für die letzten 500 gemeldeten Schäden vor. 1. Interpretieren

Mehr

15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit

15.3 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

Mehr