Warten auf einen Run und was kommt dann?
|
|
- Cathrin Graf
- vor 5 Jahren
- Abrufe
Transkript
1 Warten auf einen Run und was kommt dann? GERD RIEHL, BARSINGHAUSEN Zusammenfassung: Das Problem, die Wahrsheinlihkeit für einen Run der Länge 4 (also 4 gleihe Zahlen hintereinander) beim n-maligen Würfeln zu berehnen, lässt sih mit Markow-Ketten wesentlih leihter als mit der von Motzer (200) angegebenen Rekursion lösen. Neben der Möglihkeit zur Visualisierung der stohastishen Situation hat diese Methode den Vorzug, mühelos auf die verallgemeinerte Fragestellung nah der Verteilung der Zufallsgröße Anzahl Runs der Länge λ beim n-maligen Würfeln übertragbar zu sein. Die Problemstellung Serien von gleihen Würfelzahlen so der Titel von Motzers Aufsatz ersheinen stohastishen Laien oft unwahrsheinliher als sie tatsählih sind. Viele Menshen halten einen häufigen Wehsel zwishen zwei aufeinander folgenden Ausfällen beim wiederholten Würfeln, in Serien von Münzwürfen, Folgen von Zufallsziffern usw. für ein tyishes Merkmal des Zufalls. Wäre dies so, würden in einer solhen Serie mehr, dafür aber kürzere Runs (Folgen gleiher Ergebnisse) auftreten, als theoretish zu erwarten und in Versuhen auh zu beobahten sind. Wir greifen hier ein Beisiel aus Motzer (200) auf. Aufgabe : Bei einer Würfelserie der Länge n = 00 fragt man nah der Wahrsheinlihkeit für einen (genauer: mindestens einen) Run von 4 oder mehr gleihen Augenzahlen. Diese Aufgabe werden wir in Abshnitt 2 mithilfe einer Markow-Kette lösen. Deren Grahen brauht man dann nur geringfügig abzuändern, um auh die Wahrsheinlihkeit für mindestens einen Run der genauen Länge 4 berehnen zu können. In Abshnitt 3 zeigen wir, dass man mit demselben Verfahren auh berehnen kann, wie wahrsheinlih es ist, genau einen Run und allgemein genau k Runs in der Serie zu erzielen. Auf einige Varianten des Problems und eine ähnlih zu bearbeitende Verallgemeinerung gehen wir in den Abshnitten 4 und 5 ein. 2 Ein neue Lösungsmethode durh Visualisierung Wir veranshaulihen zunähst die stohastishe Situation mithilfe des folgenden Übergangsgrahen: Abb. : Übergangsgrah zu Aufgabe Nah dem ersten Wurf hat man eine Zahl als Anfang eines im Aufbau begriffenen Runs, man befindet sih im Zustand. Beim zweiten Mal wirft man mit der Wahrsheinlihkeit = /6 dieselbe Zahl, in diesem Fall wähst der Run auf die Länge 2, d. h. man gelangt in den Zustand 2. Andernfalls hat der erste Run die Länge, während die Augenzahl des zweiten Wurfs zum Anfang eines neuen Runs wird und man somit im Zustand bleibt dies geshieht mit der Wahrsheinlihkeit = 5/6. Genauso fällt man aus den Zuständen 2 und 3 nah zurük, wenn die geworfene Zahl wehselt damit endet ein Run der Länge 2 bzw. 3. Bei gleiher Augenzahl wähst dagegen die Runlänge um, und man gelangt in den Zustand 3 bzw. 4. Im Zustand 4 ist das Ziel mindestens ein Run der Länge λ 4 erreiht, alle weiteren Würfe sind niht mehr von Interesse, wir befinden uns in einem absorbierenden Zustand, den man niht mehr verlassen kann (dies wird sih in Abshnitt 3 ändern). Wir bezeihnen mit a jz die Wahrsheinlihkeit, nah j Würfen im Zustand z zu sein, und bilden aus den a jz für jedes j einen vierdimensionalen Zeilenvektor a j = (a a a a ), j j2 j3 j4 den so genannten Zustandsvektor. Offenbar gilt a = ( 0 0 0). Abbildung und die obigen Überlegungen führen dann auf folgende Rekursionsformeln für die Koordinaten von a j+ : a j+ = ( ) a j + ( ) a j2 + ( ) a j3 a j+ 2 = a j a j+ 3 = a j2 a j+ 4 = a j3 + a j4. Tabelle zeigt die Umsetzung dieser Formeln mit EXCEL in einem Ausshnitt (tehnishe Einzelheiten werden im folgenden Abshnitt angesrohen). 6 Stohastik in der Shule 3 (20) 3, S. 6 2
2 Tabelle liefert also den auh von Motzer (200) angegebenen Wert a ,36. Dieses Ergebnis ist allerdings unbefriedigend, da es alle Würfe nah dem Auftreten von vier gleihen Zahlen ignoriert und damit offen bleibt, ob noh weitere Vierer-Runs in der Gesamtserie auftreten (diese Frage behandeln wir im folgenden Abshnitt 3) und ob tatsählih ein Vierer-Run vorliegt und niht einer der Länge 5. 6 oder mehr. j a j a j 2 a j 3 a j ,8333 0, ,8333 0,389 0, ,8333 0,389 0,023 0, ,8295 0,389 0,023 0, ,8263 0,382 0,023 0, ,767 0,283 0,025 0, ,6956 0,64 0,095 0, ,6308 0,056 0,077 0, ,572 0,0957 0,060 0,362 Tab. : Ausgewählte Zustandsvektoren zu Aufgabe Zur Klärung dieser Frage formulieren wir folgende Aufgabe. Aufgabe 2: Wie wahrsheinlih ist es, in 00 Würfen mindestens einen Run mit genau der Länge 4 zu erzielen? Jetzt fragen wir nah einem ehten Run der Länge 4. Der Run darf niht länger als 4 werden. In Aufgabe war dies möglih, es wurde nah Runs von mindestens 4 gefragt. Dazu ändern wir den Grahen zu Aufgabe leiht ab (Abb. 2). 2 3 Abb. 2: Übergangsgrah zu Aufgabe 2 4 Der Zustand 4 ist jetzt ein Durhgangszustand, den man auf zwei vershiedenen Wegen verlassen kann. Nah vier gleihen Zahlen bleibt es nur dann bei einem Run der Länge 4, wenn die Augenzahl wehselt. womit der absorbierende Zustand A erreiht wird fällt dagegen dieselbe Zahl noh einmal, dann entsteht zunähst ein längerer Run (Zustand ), ehe mit dem Wehsel zu einer neuen Augenzahl der Aufbau eines neuen Runs im Zustand beginnt. Entsrehend ändern sih die Rekursionsformeln für die Koordinaten b j+ z des Zustandsvektors: A b j+ = ( ) (b j + b j2 + b j3 + b j ) b j+ 2 = b j b j+ 3 = b j2 b j+ 4 = b j3 b j+ = (b j4 + b j ) b j+ A = ( ) b j4 + b j A. Tabelle 2 zeigt ausgewählte Zustandsvektoren b j für Aufgabe 2. Am Ende einer Serie von 00 Würfen befindet man sih mit der Wahrsheinlihkeit 0,003 im Zustand 4 und mit 0,268 im Zustand A. In beiden Fällen ist das Ziel, mindestens ein Run der genauen Länge 4, erreiht, insgesamt mit der Wahrsheinlihkeit 0,27. Die Differenz von 0,045 gegenüber der Lösung von Aufgabe entfällt auf solhe Serien, die keine ehten Vierer-Runs, dafür aber mindestens einen längeren Run enthalten. j b j b j 2 b j 3 b j 4 b j b j A, ,833 0, ,833 0,39 0, ,777 0,30 0,022 0,004 0,00 0, ,77 0,20 0,020 0,003 0,00 0, ,66 0,0 0,08 0,003 0,00 0, ,609 0,02 0,07 0,003 0,00 0,268 Tab. 2: Ausgewählte Zustandsvektoren zu Aufgabe 2 3 Verteilung der Zufallsgröße X n λ Wir verallgemeinern die Fragen aus Abshnitt 2 zu folgender Aufgabe. Aufgabe 3: Wie wahrsheinlih ist es, dass beim n-maligen Würfeln 0,, 2, Runs auftreten, die genau die Länge λ = 4 haben? Gesuht ist also die Verteilung einer Zufallsgröße, nämlih X n λ := Anzahl der λ-runs beim n-maligen Würfeln (bezogen auf die Aufgaben und 2 ist das X 00 4 ). Der Übergangsgrah von Abbildung 3 veranshauliht die neue Situation. Die Bezeihnung ka der Zustände besagt, dass bis dahin k Vierer-Runs aufgetreten sind und der aktuell begonnene Run die Länge a hat (oder > 4). Im Untershied zu Aufgabe 2 gibt es keinen absorbierenden Zustand mehr die Rolle von 4 in Abbildung 2 übernimmt 0, von wo man wie oben nah 0 und statt nah A nun in den neuen Durhgangszustand gelangen kann. Damit ist ein erster Vierer-Run abgeshlossen. Analog ist die Situation in den Zuständen 20, 30 usw. 7
3 Abb. 3: Übergangsgrah zu Aufgabe Wir ordnen die Koordinaten des Zustandsvektors j, der nun die Dimension n hat, nah Abbildung 3 an: 0, 02, 03, 0, 0, usw. der Startvektor nah dem ersten Wurf ist dann = ( ). Die Koordinaten von j+ lassen sih aus denen von j wieder mithilfe von Rekursionsformeln berehnen, die man Abbildung 3 entnimmt. Wir shreiben diese Formeln so, dass man sie direkt in EXCEL übernehmen kann (Abb. 4): und stehen in den Zellen C5 bzw. F5 und der Startvektor in Zeile 8 in den Salten F, L, R und X steht jeweils die Wahrsheinlihkeit, nah j Würfen k Vierer-Runs zu haben (k {0,, 2, 3}). Für den Übergang von j = nah j = 2 (also von Zeile 8 nah Zeile 9) entnimmt man Abbildung 3: Für 0 : B9=$F$5*SUMME(B8:E8), für 02 : C9=$C$5*B8, für 03 : D9=$C$5*C8, für 0 : E9=$C$5*(E8+G8), k = 0: F9=SUMME(B9:E9), für 0 : G9=$C$5*D8. Koiert man nun die Zellen B9 bis G9 nah rehts (H9 bis M9), so stehen in den Salten I, J, K und M bereits die korrekten Formeln für 2, 3, und 20 (man beahte die absolute Adressierung der Zellen C5 und F5, in denen die gleih bleibenden Werte von und stehen). Die Formeln für und k = erfordern folgende Korrekturen: Für : H9=$F$5*SUMME(G8:K8) anstatt H9=$F$5*SUMME(H8:K8) (aktuell markierte Zelle in Abb. 4), k = : L9=SUMME(G9:K9) anstatt L9=SUMME(H9:K9). Nun kann man H9 bis M9 ohne weitere Korrekturen nah N9 bis S9 und T9 bis Y9 (oder noh weiter) koieren. Die sehr kleinen Wahrsheinlihkeiten für k 4 fassen wir in Salte Z zusammen: k 4: Z9= (F9+L9+R9+X9). Abshließend koiert man Zeile 9 für j = 3 bis 00 in die 98 folgenden Zeilen nah unten. Auh hier ergibt sih P(k = 0) 0,729 wie am Ende von Abshnitt 2 (Zelle F07), doh sind jetzt differenziertere Aussagen zum Gegenereignis k > 0 möglih. Auh den Erwartungswert μ kann man nun berehnen für unser Beisiel ist μ = E(X 00 4 ) 0,33. 4 Varianten des Problems In diesem Abshnitt betrahten wir einige Varianten und Verallgemeinerungen unserer Aufgaben. Länge der Serie Eine Änderung der Serienlänge brauht man niht eigens zu untersuhen, denn beim rekursiven Berehnen einer Verteilung X n λ durhläuft man ja auh alle Verteilungen mit j < n, die man dann aus einer Tabelle wie in Abbildung 4 entnehmen kann. Trefferwahrsheinlihkeit Unsere Abbildungen bis 3 sind bereits auf eine Variation der Trefferwahrsheinlihkeit hin angelegt, Abb. 4: EXCEL-Tabelle für die Verteilung von X 00 4 (Salten O bis U und Zeilen bis 05 ausgeblendet) 8
4 indem dort als Übergangswahrsheinlihkeiten und statt der konkreten Werte /6 und 5/6 eingetragen sind. Die Grahen gelten daher auh für Folgen von Zufallsziffern ( = /0) oder Münzwürfen ( = /2). Die Verteilungen von X 00 4 für diese Fälle zeigt Tabelle 3. k = 0 k = k = 2 k = 3 k = 4 k 5 /0 0,924 0,073 0, /6 0,729 0,233 0,035 0, /2 0,035 0,27 0,22 0,243 0,89 0,86 Tab. 3: Verteilungen von X 00 4 für vershiedene Erwartete Zahl der Runs Auh die Erwartungswerte für die neuen Werte von kann man nun berehnen für = 0, ist μ 0,08 und für = 0,5 errehnet man (mit mehr Werten als in Tabelle 3 wiedergegeben) μ 3,. Runlänge Als Nähstes variieren wir die Runlänge λ. Für λ = 5 ist beisielsweise Zustand 4 in Abbildung ein innerer und erst 5 der absorbierende Zustand, und in Abbildung 3 ist entsrehend für jedes k ein neuer Zustand k4 hinter k3 einzufügen. Mit den entsrehend geänderten EXCEL-Formeln findet man für die Variante von Aufgabe den der letzten Zeile aus Tabelle entsrehenden Zustandsvektor a 00 : j a j a j 2 a j 3 a j 4 a j ,7837 0,307 0,028 0,0036 0,060 Tab. 4: Zustandsvektor nah 00 Shritten für Runs der Länge 5 Für einen Run der Mindestlänge 5 erhalten wir also wie shon Motzer (200) den Wert P(z = 5) 0,06. Für die Variante von Aufgabe 3 mit λ = 5 ergeben sih die Verteilungen von Tabelle 5. k = 0 k = k = 2 k = 3 k = 4 k 5 /0 0,992 0, /6 0,950 0,049 0, /2 0,98 0,340 0,27 0,33 0,045 0,03 Tab. 5: Verteilungen von X 00 5 für vershiedene Wie bei μ = 4 ist beim Würfeln ein ehter Fünfer- Run mit P(X 00 5 ) 0,05 weniger wahrsheinlih als ein Run der Mindestlänge 5 mit a ,06. 5 Verallgemeinerung des Problems Die bisherigen Beisiele betrafen Lalae-Exerimente Runs waren dabei Folgen irgendeines der gleihwahrsheinlihen Ergebnisse. Aufgabe 4: Als Run wird jetzt nur eine unmittelbare Folge eines bestimmten Ergebnisses gewertet (entsriht einer Folge von Treffern bei einem Bernoulli-Exeriment). Die Zufallsgröße Anzahl der Vierer- Runs nennen wir nun Y und fragen, wie P(Y 00 4 = k) allgemein von abhängt. Wir könnten beim Würfeln etwa nur die Sehsen betrahten und ihre Runs zählen. Im Untershied zu den bisherigen Aufgaben ist nun rinziiell jeder Wert von möglih. Wie hängt die Wahrsheinlihkeit für k Runs von ab? Der Übergangsgrah zeigt gegenüber Abbildung 3 einige Änderungen (Abb. 5). Wieder bedeutet ka, dass bis dahin k Vierer-Runs aufgetreten sind und der aktuell begonnene Run die Länge a hat (oder > 4). Die aus dem Grahen abzulesenden Rekursionsformeln überträgt man wieder analog zu Abbildung 4 in eine EXCEL-Tabelle Abb. 5: Übergangsgrah für Runs eines Einzelausfalls Um in EXCEL bequem den Parameter variieren zu können, ist ein Shieberegler zwekmäßig. Man ändert bei festem λ = 4 shrittweise und koiert jeweils die für P(Y 00 4 = k) gewonnenen Werte in eine neue Tabelle, die wir als Wertetabelle einer Shar von Funktionen f k : f k () = P(Y 00 4 = k) 9
5 auffassen können. Die EXCEL-Otion Diagramm liefert dann die zugehörigen Grahen Abbildung 6 zeigt diese für k {0 2}. f k ( ) k = 0 Überlegungen zur erwarteten Zahl von λ-runs In ähnliher Weise kann man untersuhen, wie die Anzahl der λ-runs in einer 00er-Serie, also der Erwartungswert E(Y 00 λ ), von abhängt. Abbildung 7 zeigt für ausgewählte Werte von λ die Grahen der Funktionen g λ mit g λ () = E(Y 00 λ ). g ( ) 5 = = /6 k = k = = /6 = 2 = Abb. 6: Wahrsheinlihkeit für k Runs der Länge 4 abhängig von Diese Grahen sind zwar niht erfekt symmetrish, zeigen aber für nahe ein ähnlihes Verhalten wie nahe 0. Für kleine sind vier Treffer naheinander sehr unwahrsheinlih, und für nahe werden längere Runs immer wahrsheinliher. In beiden Fällen ist also kaum ein Vierer-Run zu erwarten, in Abbildung 6 erkennbar an f 0 (). Für k > 0 muss in diesen Bereihen daher f k () 0 sein. Bei mittleren Werten von dagegen ist f 0 () relativ klein während f () und f 2 () in diesem Bereih ihre größten Werte annehmen, d. h., sehr wahrsheinlih tritt mindestens ein Vierer-Run ein. Ist die Trefferwahrsheinlihkeit ein Stammbruh, so besteht ein Zusammenhang mit unseren früheren Ergebnissen (Tab. 3), wie wir nun an einem Beisiel zeigen: Es sind f 0 (/6) 0,949 und f (/6) 0,050 die Wahrsheinlihkeiten dafür, keinen bzw. genau einen Vierer-Run einer bestimmten Augenzahl zu erreihen (vgl. Abb. 6). Die Wahrsheinlihkeit, genau einen Vierer-Run irgendeiner Augenzahl zu haben, kann man nun folgendermaßen shätzen: Eine der 6 Zahlen liefert den Run, aber keine der 5 anderen darf ebenfalls einen Vierer-Run bilden daher ist P(X 00 4 = ) 6 0,05 0, ,23. Dieser Wert stimmt gut mit dem entsrehenden aus Tabelle 3 überein die Abweihung rührt daher, dass der Faktor 0,949 die totale Wahrsheinlihkeit für k = 0 ist, während man eigentlih mit der durh den shon vorhandenen Vierer-Run bedingten Wahrsheinlihkeit rehnen müsste, die etwas größer ist. = Abb. 7: Erwartete Zahl von Runs der Länge λ abhängig von Auh hier besteht ein enger Zusammenhang zu den Ergebnissen aus Abshnitt 4. Wir vergleihen die Erwartungswerte von X 00 λ und Y 00 λ beim Werfen eines Lalae-Würfels ( = /6, Tab. 6). λ E(X λ ) 69,70,50,90 0,3 5, ,5 0 3 E(Y λ ),59,92 0,32 0,05 8,6 0 3,4 0 3 Tab. 6: Erwartungswerte von X 00 λ und Y 00 λ für = /6 Die Werte für X λ sind jeweils 6-mal so groß wie die von Y λ, da ja jede der 6 Augenzahlen Treffer sein kann. Entsrehendes gilt in den Fällen = 0, und = 0,5, wo E(X λ ) 0-mal bzw. doelt so groß ist wie E(Y λ ). Eine ähnlihe Beobahtung maht man, wenn man E(Y λ ) mit E(Y λ+ ) in Tabelle 5 bzw. in Abbildung 7 vergleiht: Nimmt λ um zu, so ist μ λ+ ungefähr /6 von μ λ. Auh dies ist leiht zu verstehen, denn die Wahrsheinlihkeit für einen λ-run nah einem Fehlwurf ist λ ( ), bei einem (λ + )-Run kommt noh ein Faktor hinzu. Die letzte Überlegung führt auf eine neue Möglihkeit, einen Näherungswert für E(Y λ ) zu bestimmen. Es sei r := E(Y ), dann ist E(Y λ ) = r λ. Man kann also in einer Serie von n Würfen bei großem n etwa t = r λ λ = r ( ) λ= Treffer erwarten. Andererseits gilt aber auh t n. Wie man durh Multilikation mit ( ) bestätigt, hat die Summe in der Klammer den Wert, so dass man die Beziehung ( ) 2 20
6 r n ( ) 2 und damit für r den Näherungswert n ( ) 2 erhält. Für das Beisiel n = 00 und = /6 ergibt sih so r,574, der exakte Wert ist, Shlussbemerkungen Als im Zuge der Oberstufenreform der 70er-Jahre die Stohastik einen höheren Stellenwert im Mathematikunterriht erhielt, waren auh Markow-Ketten groß in Mode und im Sinne von Anwendungsorientierung der Stohastik Thema vershiedener Lehrbüher und Kursvorshläge (Lehmann 973, Kittler 975, Engel 976). Die Bedeutung des Themas, zumindest die ihm zuerkannt wurde, kann man auh an Sheid (986) ablesen, der ein ganzes Kaitel der Stohastik auf der Kollegstufe dazu ausarbeitet. Der Autor selbst hat sih wiederholt mit Markow-Ketten im Shulunterriht beshäftigt, wie etwa shon in Riehl (982). Bemerkenswert ist, dass sih das Wissen um Markow-Ketten niht nur im deutshsrahigen Raum doh niht so weit verbreitet hat. So geriet Holmes (99) bei der Analyse von Runs in methodishe Shwierigkeiten, was darauf zurükzuführen war, dass er das Problem eben niht mit Markow-Ketten beshrieb (siehe Riehl 994). Ein Grund für die mangelnde Akzetanz war wohl, dass damals leistungsfähige Hilfsmittel für die notwendigen umfangreihen Rehnungen noh niht allgemein zur Verfügung standen. Auh sah man die Anforderungen aus der Linearen Algebra als zu umfassend an, sodass man sih entweder wieder vom Thema abgewendet oder mit durh Simulation gewonnenen näherungsweisen Lösungen begnügt hat, die jedoh immer unbefriedigend bleiben. Mit den neuen Rehenhilfen wie einer Tabellenkalkulation kann man nun fast unter Umgehung von Linearer Algebra Berehnungen leiht durhführen und wesentlihe Erkenntnisse gewinnen, wie der vorliegende Beitrag auh demonstrieren soll. Der wesentlihe Vorzug des hier dargestellten Lösungsweges besteht in der Veranshaulihung der stohastishen Situation durh Übergangsgrahen, die niht nur begabten Shülerinnen und Shülern zugänglih sind, wie es Motzer (200) für das von ihr dargestellte Vorgehen einshätzt. Da sih die Rekursionsformeln für die rehnerishe Lösung unmittelbar aus den Grahen ablesen und dann in eine EXCEL-Tabelle umsetzen lassen, ist es niht notwendig, eine Theorie der Markow-Ketten aufzubauen insbesondere kann man auf Matrizen völlig verzihten. Wie man tyishe Fragestellungen aus der Theorie der Markow-Ketten (Absor tionswahr sheinlihkeiten, mittlere Wartezeiten) im Unterriht mit Matrizen behandeln kann, habe ih an anderer Stelle ausgeführt (Riehl 200). Literatur Engel, A. (976): Wahrsheinlihkeitsrehnung und Statistik, Bd. 2. Stuttgart: Klett. Holmes, P. (99): Comuter-erzeugtes Denken. In: Stohastik in der Shule (3), S Kittler, H. (975): Grundkurs: Einführung in die Wahrsheinlihkeitsrehnung unter besonderer Berüksihtigung Markoffsher Ketten. In: Niedersähsishes Kultusministerium (Hrsg.): Handreihungen für Lernziele, Kurse und Projekte im Sekundarbereih II für das mathematish-naturwissenshaftlihe Aufgabenfeld, 3. Folge, S Lehmann, E. (973): Endlihe homogene Markoffshe Ketten eine Anwendung von Wahrsheinlihkeits- und Matrizenrehnung. Münhen: Bayerisher Shulbuh- Verlag. Motzer, R. (200): Serien von gleihen Würfelzahlen. In: Stohastik in der Shule 30 (3), S Riehl, G. (982): Elementare Behandlung genetisher Probleme im Stohastikunterriht mit Hilfe von Grahen. In: Didaktik der Mathematik 0 (), S Riehl, G. (994): Noh einmal: Comuter-erzeugtes Denken. In: Stohastik in der Shule 4 (3), S Riehl, G. (200): Markow-Ketten, eine alternative Methode zur Lösung stohastisher Probleme. In: MNU 63 (7), S Sheid, H. (986): Stohastik auf der Kollegstufe. Mannheim: Bibliograhishes Institut. Anmerkungen Mein Dank gilt den beiden Gutahtern und Herrn Borovnik als Heftherausgeber für hilfreihe Hinweise und Anregungen. Interessenten finden die Zusammenstellung einer EXCEL- Mae mit Tabellenblättern für die hier behandelten Aufgaben sowie für deren Simulation unter wwwg.uni-klu. a.at/stohastik.shule/boro/index_inhalt.htm. Anshrift des Verfassers Gerd Riehl Obere Mark Barsinghausen Elfriede.Riehl@t-online.de 2
Achtung: Im Nenner eines Bruches darf nie die Null stehen!!
Grundwissen 6. Jahrgangsstufe Im Folgenden werden wir an Hand von einigen uns selbst gestellten Fragen, die wir auh gleih beantworten wollen, die wihtigsten Grundbegriffe zu Brühen wiederholen, die du
Mehr11d Mathematik Stefan Krissel. Nullstellen
d Mathematik..009 Stefan Krissel D E R Z W E I T E S C H R I T T B E I D E R F U N K T I O N S U N T E R S U C H U N G : Nullstellen Der zweite Shritt bei der Untersuhung von Funktionen ist die Untersuhung
MehrSenkrechter freier Fall
Senkrehter freier Fall Die Raumzeitkrümmung in der Shwarzshildmetrik [] zeigt sih unter anderem darin, dass die Zeit in der Nähe des Zentralkörpers langsamer läuft Um diesen Effekt zu veranshaulihen, soll
MehrFaustregeln für das Sammelbilderproblem
Faustregeln für das Sammelbilderproblem Vorbemerkung: Bereits in einem früheren Beitrag (Januar 20) auf www.mathematik-ist-schoen.de hatte ich mich mit dem Problem der vollständigen Serie beschäftigt.
MehrD-MAVT/D-MATL Analysis II FS 2018 Dr. Andreas Steiger. Lösung - Serie 14
D-MAVT/D-MATL Analsis II FS 2018 Dr. Andreas Steiger Lösung - Serie 14 1. Für welhe der folgenden Funktionen f ist f x (x, = e 4x 2x 2, f (x, = os 2x 2? (a (x, 1 4 e4x x 2 2 sin π. (b (x, 1 4 e4x x 2 2
MehrWarten auf eine vollständige Serie Vorschläge zur Umsetzung im Unterricht
Titel Vorschläge zur Umsetzung im Unterricht S. I S. I + II S. II MATHEMATIK HEINZ KLAUS STRICK Beim geht es darum, einen Zufallsversuch so lange durchzuführen, bis jedes der möglichen Ergebnisse mindestens
MehrPool für das Jahr 2017
Gemeinsame Abituraufgabenpools der Länder Pool für das Jahr 17 Aufgabe für das Fah Mathematik Kurzbeshreibung Anforderungsniveau Prüfungsteil Sahgebiet digitales Hilfsmittel erhöht B Analysis WTR 1 Aufgabe
MehrName Vorname Fachrichtg. Matrikelnr. Punkte Klausur Aufgabe max. Punkte Punkte. Bitte beachten!
Fakultät für Mathematik Institut für Algebra und Geometrie Prof. Dr. Martin Henk, Dr. Mihael Höding Modulprüfung Mathematik III Fahrihtung: Computer Siene in Engineering, Computervisualistik, Informatik,
MehrÜbungen zur Ingenieur-Mathematik III WS 2011/12 Blatt Aufgabe 45: Gesucht ist die Schnittmenge der beiden Zylinder
Übungen ur Ingenieur-Mathematik III WS 2/2 Blatt..22 Aufgabe 45: Gesuht ist die Shnittmenge der beiden Zlinder 2 + 2 =, 2 + 2 =. (i Zeigen Sie, dass die Shnittmenge aus wei geshlossenen Kurven besteht
MehrZum Zwillingsparadoxon in der Speziellen Relativitätstheorie
Materialien für Unterriht und Studium Zum Zwillingsparadoxon in der Speziellen Relativitätstheorie von Georg Bernhardt 5. Oktober 017 Beshreibt das Zwillingsparadoxon tatsählih eine logishe Inkonsistenz
MehrDie Reflexion von Elektronen an einem Potentialsprung nach der relativistischen Dynamik von Dirac.
Die Reflexion von Elektronen an einem Potentialsprung nah der relativistishen Dynamik von Dira. Von 0. Klein in Kopenhagen. (Eingegangen am 24. Dezember 1928.) Es wird die Reflexion von Elektronen an einem
MehrKleinster Umschließender Kreis
Proseminar Theoretishe Informatik 11.07.2017 Janis Meyer Kleinster Umshließender Kreis Prof. Wolfgang Mulzer 1 Einführung Das Problem wurde zum ersten Mal vom britishen Mathematiker James Joseph Sylvester
Mehr2 Sehnen, Sekanten und Chordalen
Sehnen, Seanten und Chordalen Übersiht.1 Sehnen- und Seantensatz................................................... 7. Chordalen.................................................................. 3 Weitere
MehrEreignisse und ihre Wahrscheinlichkeiten
Ereignisse und ihre Wahrsheinlihkeiten Stihprobenräume Ereignisse Wahrsheinlihkeitsverteilungen dditionstheorem Gleihverteilung edingte Wahrsheinlihkeiten Unabhängigkeit von Ereignissen Gesetz der totalen
MehrKetten. I n = [0,1] n, n 0, mit der Vereinbarung I 0 Õ{0}. Sei n 0. Der Standard-n-Würfel ist die Abbildung. Definition. I n : I n! R n, I n (x) = x.
Ketten 22.3 623 22.3 Ketten Wir spezifizieren nun die geometrishen Objekte, über die wir Differenzialformen integrieren wollen. Die Begriffsbildung mag etwas umständlih ersheinen. Tatsählih handelt es
MehrÜber-/Rückblick. F3 01/02 p.269/294
Über-/Rükblik Algorithmenbegriff: Berehenbarkeit Turing-Mashine RAM µ-rekursive Funktionen Zeit Platz Komplexität Algorithmentehniken Algorithmenanalyse (Berehnung der Komplexität) Rekursion Iteration
MehrZyklische Ungleichungen in 3 Variablen und Wege der Symmetrisierung
Zyklishe Ungleihungen in Varilen und Wege der Symmetrisierung Yimin Ge August 006 Symmetrishe Ungleihungen hen gegenüber zyklishen Ungleihungen mehrere Vorteile. Einerseits kann man ohne Beshänkung der
Mehr6 Rotation und der Satz von Stokes
$Id: rotation.tex,v 1.5 2010/01/26 09:31:31 hk Exp $ $Id: diffgl.tex,v 1.4 2010/01/25 15:48:10 hk Exp hk $ 6 Rotation und der Satz von Stokes 6.2 Der -alkül Wir hatten begonnen Formeln für Gradient, Divergenz
Mehr6. Trigonometrie. sin α = b c. cos α = a c. tan α = b a. 6.1 Rechtwinklige Dreiecke
6. Trigonometrie Trigonometrie bedeutet dem Wortsinn nah Dreieksmessung. Mit Hilfe von trigonometrishen Funktionen lassen sih alle Probleme, die man im Prinzip zeihnerish lösen kann, auh rehnerish bewältigen.
MehrSSYLB2 SS06 Daniel Schrenk, Andreas Unterweger Übung 5. Laborprotokoll SSY. Reglerentwurf nach dem Frequenz- Kennlinien-Verfahren
Laborprotokoll SSY Reglerentwurf nah dem Frequenz- Kennlinien-Verfahren Daniel Shrenk, Andreas Unterweger, ITS 24 SSYLB2 SS6 Daniel Shrenk, Andreas Unterweger Seite 1 von 13 1. Einleitung Ziel der Übung
Mehr(b) Wie groß sind zwei Drittel von der Hälfte dieses Papierbogens?
2.8 Multiplikation 2.8.1 Anshauliher Weg (bei der Situation Bruh mal Bruh) Wihtig: Möglihst vielseitige Veranshaulihung (1) Sahsituation (Beispiele zitiert nah [FP & SW], 102) Beispiel 1: Beispiel 2: Ein
Mehr6 Rotation und der Satz von Stokes
$Id: rotation.tex,v 1.8 216/1/11 13:46:38 hk Exp $ 6 Rotation und der Satz von Stokes 6.3 Vektorpotentiale und harmonishe Funktionen In 4.Satz 2 hatten wir gesehen das ein auf einem einfah zusammenhängenden
MehrErwartungswert, Varianz und Standardabweichung einer Zufallsgröße. Was ist eine Zufallsgröße und was genau deren Verteilung?
Erwartungswert, Varianz und Standardabweichung einer Zufallsgröße Von Florian Modler In diesem Artikel möchte ich einen kleinen weiteren Exkurs zu meiner Serie Vier Wahrscheinlichkeitsverteilungen geben
MehrDas Bingo-Problem ein Lösungsweg mit schulischen Mitteln
Das Bingo-Problem ein Lösungsweg mit schulischen Mitteln GERD RIEHL, BARSINGHAUSEN Zusammenfassung: Das von Henze (2012) mit aufwändigen Hilfsmitteln bearbeitete Bingo-Problem kann man auch mit schulischen
MehrÜbungen zur Ingenieur-Mathematik III WS 2015/2016 Blatt h(x, y, z) := (x 2) 2 + y 2 + z 2 4 = 0,
Übungen ur Ingenieur-Mathematik III WS 5/6 Blatt..6 Aufgabe 4: Betrahten Sie die Gleihungen: Lösung: h(,, := ( + + 4 =, g(,, := =, ( h(,, f(,, := = g(,, (. a Geben Sie eine geometrishe Interpretation der
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
MehrMathematische Probleme, SS 2018 Donnerstag $Id: dreieck.tex,v /06/14 15:05:05 hk Exp $
$Id: dreie.tex,v 1.49 2018/06/14 15:05:05 h Exp $ 2 Dreiee 2.3 Einige spezielle Punte im Dreie Wir beshäftigen uns gerade mit den Höhen in einem Dreie und wollen beweisen das sih diese immer in einem Punt
MehrÜbungsblatt 9 Lösungen
Übungsblatt 9 Lösungen. Die luminiumfolie kann bei der Erhitzung auf die Temperatur über dem Feuer (insbesondere im Vergleih zur Kartoffel) nur sehr wenig Wärmeenergie m aufnehmen, da sie nur wenig Masse
MehrProf. Dr. H.-H. Kohler, WS 2004/05 PC1 Kapitel A.8 - Enzymkinetik A.8-1
rof. Dr. H.-H. Kohler, W 2004/05 C Kapitel A.8 - nzymineti A.8- A.8 nzymineti A.8. Katalysatoren und nzyme Katalysatoren sind oleüle, die die Geshwindigeit einer Reation erhöhen, aus der Reation aber unerändert
MehrDie Koeffizienten sollen in einer Matrix, die Unbekannten und die rechte Seite zu Vektoren zusammengefaßt werden: { x}
Matrizen: Einleitung Mit Matrizen können Zusammenhänge übersihtliher und kompakter dargestellt werden. Dazu werden Größen zu einer Matri zusammengefaßt, die in einem logishen Zusammenhang stehen. Zur Erläuterung
MehrMathematik. Mai 2017 AHS. Kompensationsprüfung 8 Angabe für Kandidatinnen/Kandidaten
Name: Datum: Klasse: Kompensationsprüfung zur standardisierten kompetenzorientierten shriftlihen Reifeprüfung AHS Mai 2017 Mathematik Kompensationsprüfung 8 Angabe für Kandidatinnen/Kandidaten Hinweise
MehrProf. Dr.-Ing. A. Schmitt. Ermittlung der Eigenkreisfrequenzen und Eigenschwingungsformen eines Torsionsschwingungssystems *)
Fahbereih Mashinenbau Prof. Dr.-Ing. A. Shmitt Ermittlung der Eigenkreisfrequenzen und Eigenshwingungsformen eines Torsionsshwingungssystems * * Auszug aus einer Laborarbeit im Labor Antriebstehnik der
MehrBiostatistik, 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
MehrMusterlösung Blatt 9, Aufgabe 1 (mit Kommentaren)
Musterlösung Blatt 9, Aufgabe (mit Kommentaren) Aufgabe ( Punkte) Sei R n messbar, (f k ) k eine Folge in L (; C), die in L (; C) gegen eine Funktion f konvergiert. Ferner sei (g k ) k eine Folge messbarer,
MehrLichtgeschwindigkeit
Vorbereitung Lihtgeshwindigkeit Carsten Röttele 2. Dezember 20 Inhaltsverzeihnis Drehspiegelmethode 2. Vorbereitung auf den Versuh......................... 2.2 Justierung der Apparatur und Messung...................
MehrVersuch LF: Leitfähigkeit
Versuhsdatum: 8.9.9 Versuh LF: Versuhsdatum: 8.9.9 Seite -- Versuhsdatum: 8.9.9 Einleitung bedeutet, dass ein hemisher Stoff oder ein Stoffgemish in der Lage ist, Energie oder Ionen zu transportieren und
MehrFit in Mathe. Musterlösungen. Dezember Klassenstufe 10 Trigonometrie (Taschenrechner erlaubt)
Thema Trigonometrie (Tashenrehner erlaubt) Drei Bestimmungsstüke sind gegeben. Bestimme die fehlenden Seiten. a) γ = 60, b = 10, = 10 b) γ = 90, b = 3, = 5 ) γ = 10, a, b d) γ = 30 β = 60, = 5 Zu a) Aus
MehrMathematische Probleme, SS 2017 Montag $Id: dreieck.tex,v /06/19 14:39:24 hk Exp $
$Id: dreie.tex,v 1.37 2017/06/19 14:39:24 h Exp $ 2 Dreiee 2.3 Einige spezielle Punte im Dreie In der letzten Sitzung haben wir drei unserer speziellen Punte eines Dreies behandelt, es steht nur noh der
MehrGauß'scher Algorithmus
HTBL - Kapfenberg Gauß`sher Algorithmus Seite von 8 Florian Grabner florian.grabner@gmx.at Gauß'sher Algorithmus Mathematishe / Fahlihe Inhalte in Stihworten: Lösen eines linearen Gleihungssystems mit
Mehr4 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
MehrEine neue Modellierung für benachbarte Zahlen beim Lotto
Eine neue Modellierung für benachbarte Zahlen beim Lotto GERD RIEHL, BARSINGHAUSEN Zusammenfassung: Die Frage, wie wahrscheinlich es ist, dass von den sechs Zahlen einer Lottoziehung mindestens zwei benachbart
Mehr11. David Bohm und die Implizite Ordnung
David Bohm und die Implizite Ordnung Mathematisher Anhang 1 11 David Bohm und die Implizite Ordnung Mathematisher Anhang Streng stetig, streng kausal, streng lokal Relativitätstheorie In der speziellen
Mehr3 Eigenschaften holomorpher Funktionen
3 Eigenshaften holomorpher Funktionen 3.1 Der Identitätssatz Der Identitätssatz zeigt einen überrashend engen Zusammenhang zwishen den Werten einer holomorphen Funktion auf. Satz 3.1 (Identitätssatz) Sei
Mehr5 Relativistische Mechanik
5 Relativistishe ehanik Nah dem Relativitätsprinzip müssen die Naturgesetze, also insbesondere die Gesetze der ehanik, in jedem IS die gleihe Form annehmen. Zur Formulierung der Impulserhaltung etwa benötigt
MehrBasiswissen 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)
Mehr3 Messprinzipien der elektronischen Entfernungsmessung
3 Messprinzipien der elektronishen Entfernungsmessung Der Benutzer der modernen Entfernungsmessgeräte und Tahymeter ist sih der komplexen inneren Abläufe dieser hohwertigen Geräte kaum bewusst. Da die
MehrPotenzen mit gleichen Grundzahlen werden multipliziert, indem man die Hochzahlen addiert und die Grundzahlen beibehält. a n a m = a m+n. a...
Mathematikskript: Steven Passmore Potenzgesetze Einleitung Einen Ausdruk mit einer Hohzahl nennt man Potenz Beispiele: 3 5,9 x, a n ). Zunähst ist eine Potenz eine vereinfahte Shreibweise für die vielfahe
Mehr7.5 Relativistische Bewegungsgleichung
7.5. RELATIVISTISCHE BEWEGUNGSGLEICHUNG 7 7.5 Relativistishe Bewegungsgleihung Das Ziel ieses Abshnittes ist es, ie Bewegungsgleihung er Klassishen Mehanik an ie relativistishe Kinematik anzupassen. Ausgangspunkt
MehrTechnische Universität München Zentrum Mathematik
Tehnishe Universität Münhen Zentrum Mathematik Mihael Stroel Geometriekalküle WS 7/8 http://www-m.ma.tum.de/geometriekalkuelews78 Lösungen zu Aufgaenlatt 5 (8. Dezemer 7 Aufgae. Dualisieren und Doppelverhältnis.
Mehr-Grundsätzlich verstehen wir unter einer Menge eine Zusammenfassung von Elementen,
2. Mengenlehre In diesem bshnitt geben wir einen kompakten Überblik über wesentlihe Grundlagen der Mengenlehre, die im weiteren Verlauf noh relevant sein werden. Neben der allgemeinen Definition und Darstellung
MehrMagdalena Boeddinghaus Gruppe Nr.: 09 Dennis Fischer Datum: Versuch 2: Bestimmung von Verbrennungswärmen
ersuh : Bestimmung von erbrennungswärmen 1. Ziel des ersuhes: Ziel des ersuhes ist es, mit Hilfe eines Bombenkalorimeters die erbrennungswärme von Saharose zu bestimmen. Dazu wird zuerst die Wärmekaazität
MehrÜbungen mit dem Applet Zentraler Grenzwertsatz
Zentraler Grenzwertsatz 1 Übungen mit dem Applet Zentraler Grenzwertsatz 1 Statistischer Hintergrund... 1.1 Zentraler Grenzwertsatz... 1. Beispiel Würfeln... 1.3 Wahrscheinlichkeit und relative Häufigkeit...3
MehrAnalysis. Tangenten, Normalen, Änderungsraten. Schaubilder von Ableitungsfunktionen
Analysis Shaubilder von Ableitungsfunktionen Allg. Gymnasien: ab Klasse 0 Beruflihe Gymnasien: ab Klasse Berufskolleg: Aufgaben ohne *) Hilfsmittel: wissenshaftliher Tashenrehner Alexander Shwarz Juli
MehrLichtgeschwindigkeit
Vorbereitung Lihtgeshwindigkeit Stefan Shierle Versuhsdatum: 13. 12. 2011 Inhaltsverzeihnis 1 Drehspiegelmethode 2 1.1 Vorbereitung auf den Versuh......................... 2 1.2 Justierung der Apparatur
MehrIst P(T) = p die Trefferwahrscheinlichkeit eines Bernoulli-Experiments,
. Binomialverteilung ==================================================================.1 Bernoulli-Experimente und Bernoullikette -----------------------------------------------------------------------------------------------------------------
MehrVorlesung 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
MehrN & T 9 Masse und Kraft 01 Name: Vorname: Datum:
N & T 9 Masse und Kraft 01 Name: Vorname: Datum: Man shreibt das Jahr 1750. Ein Thuner Händler reist zum ersten Mal in seinem Leben in den Kanton Aargau zu einem Markt. Neben anderen Waren möhte er einen
MehrPolarisation, Interferenz, Beugung, Doppler-Effekt (Selbststudium)
Zusatz-Augaben 4 Grundlagen der Wellenlehre Polarisation, Intererenz, Beugung, Doppler-Eekt (Selbststudium) Lernziele - das Phänomen Polarisation kennen und verstehen. - wissen und verstehen, dass nur
MehrVorlesung 3a. Der Erwartungswert. von diskreten reellwertigen Zufallsvariablen
Vorlesung 3a Der Erwartungswert von diskreten reellwertigen Zufallsvariablen X sei eine Zufallsvariable, deren Zielbereich R (die Menge der reellen Zahlen) (oder eine Teilmenge davon) ist. Es existiere
MehrZufallsgröße X : Ω R X : ω Anzahl der geworfenen K`s
X. Zufallsgrößen ================================================================= 10.1 Zufallsgrößen und ihr Erwartungswert --------------------------------------------------------------------------------------------------------------
MehrVorlesung 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
MehrPrinzipiell die gleichen Regeln wie bei Bruchzahlen! z.b. zum Addieren und Subtrahieren: Erweitern auf den Hauptnenner
Gmnasium Stein Grundwissenkatalog Mathematik Jahrgangsstufe 8 Wissen/Können Rehnen mit Bruhtermen (Grundrehenarten) Lösen von Bruhgleihungen Einfaher Spezialfall: Auflösen von Formeln Funktionen Zur Angabe
MehrExkurs: Koordinatensysteme
Exkurs: Koordinatensysteme Herleitung der Raum-Zeit-Diagramme Das ist unsere Raumzeit. So mögen wir sie: Ordentlih, gerade und aufgeräumt. Der vertikale Pfeil bildet unsere Zeitlinie t. Der horizontale
MehrK4: Alkalische Esterhydrolyse
K4: Alkalishe Esterhydrolyse Theoretishe Grundlagen: Die Konzentrationsbestimmung eines Stoffes während einer hemishen Reaktion kann auf hemishem Wege, aber auh über physikalishe Methoden vorgenommen werden.
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
Mehr7 p X 3 B 7 0,4 3 0,4 0,6 0,29 3
Aufgabe C1 Landesabitur Hessen 2012 GK Aufgabe 1.1 2 BE X ist die Anzahl der Regentage in einer Woche im Juni. X ist binomialverteilt mit p = 0,4 und n = 7. Die Anwendung der Binomialverteilung erfordert
MehrAufgabe 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
MehrANALYSIS I FÜR TPH WS 2017/18 2. Übung Übersicht
ANALYSIS I FÜR TPH WS 207/8 2. Übung Übersiht Aufgaben zu Kapitel und 2 Aufgabe : Nummerierungsfunktionen Aufgabe 2: Gibt s das? Aufgabe 3: ( ) Selbstbezüglih definierte Funktionen Aufgabe 4: ( ) Eine
MehrMathematische Modelle und numerische Methoden in der Biologie
Institut für Angewante un Numerishe Mathematik Prof. Dr. Tobias Jahnke, Dipl.-Biol. Mihael Kreim Mathematishe Moelle un numerishe Methoen in er Biologie Sommersemester 2012 3. Übungsblatt Gruppenübung
MehrProbeklausur Statistik II
Prof. Dr. Chr. Müller PROBE-KLAUSUR 1 1 2 3 4 5 6 7 8 Gesamt: 15 8 16 16 7 8 15 15 100 Probeklausur Statistik II Name: Vorname: Fachrichtung: Matrikel-Nummer: Bitte beachten Sie folgendes: 1) Die Klausur
MehrBerechnung von W für die Elementarereignisse einer Zufallsgröße
R. Albers, M. Yanik Skript zur Vorlesung Stochastik (lementarmathematik) 5. Zufallsvariablen Bei Zufallsvariablen geht es darum, ein xperiment durchzuführen und dem entstandenen rgebnis eine Zahl zuzuordnen.
MehrMathematik I für MB/ME
Mathematik I für MB/ME Fahbereih Grundlagenwissenshaften Prof. Dr. Viola Weiÿ Wintersemester /6 Übungsaufgaben Serie : Vektorrehnung. Gegeben seien die Vektoren a =, b =, = (a) Berehnen Sie a + b und a
MehrKapitel 16. Aufgaben. Verständnisfragen. Rechenaufgaben
Kapitel 16 Aufgaben Verständnisfragen Aufgabe 16.1 Ist das Produkt quadratischer oberer bzw. unterer Dreiecksmatrizen wieder eine obere bzw. untere Dreiecksmatrix? Aufgabe 16.2 Bekanntlich gilt im Allgemeinen
Mehr32. Lebensdauer von Myonen 5+5 = 10 Punkte
PD. Dr. R. Klesse, Prof. Dr. A. Shadshneider S. Bittihn, C. von Krühten Wintersemester 2016/2017 Theoretishe Physik in 2 Semestern I Musterlösung zu den Übungen 9 und 10 www.thp.uni-koeln.de/ rk/tpi 16.html
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
MehrLösungen zu Übungsblatt 10 Höhere Mathematik Master KI Diskrete Zufallsgrößen/Markov-Ketten
Lösungen zu Übungsblatt 0 Höhere Mathematik Master KI Hinweise: Die Aufgaben - beziehen sich auf das Thema Diskrete Zufallsgrößen, Ihre Verteilungen und Erwartungswerte. Siehe dazu auch das auf der Homepage
MehrProduktbeschreibung. EM converterled
Produktbeshreibung EM onverterled 3 Inhaltsverzeihnis EM onverterled LED-Notlihtbetriebsgerät.................................................................. 4 Eine Notlihteinheit für alle LED-Module,
MehrAufgaben zu Kapitel 16
Aufgaben zu Kapitel 16 1 Aufgaben zu Kapitel 16 Verständnisfragen Aufgabe 16.1 Ist das Produkt quadratischer oberer bzw. unterer Dreiecksmatrizen wieder eine obere bzw. untere Dreiecksmatrix? Aufgabe 16.2
MehrVorlesung 3a. Der Erwartungswert. von diskreten reellwertigen Zufallsvariablen
Vorlesung 3a Der Erwartungswert von diskreten reellwertigen Zufallsvariablen X sei eine diskrete reellwertige Zufallsvariable, d.h. eine ZV e mit Wertebereich R (oder einer Teilmenge davon), sodass eine
Mehr2. Stragegische Asymmetrien - Stackelberg-Modelle und Markteintritt. Vorlesung 8. Stackelberg-Modell = Sequentielles Duopol
Vorlesung 8. Stragegishe Asymmetrien - Stakelberg-Modelle und Markteintritt Stakelberg-Modell = Sequentielles Duopol Übungsaufgabe aus Vorlesung 7: Räumliher und politisher Wettbewerb Angenommen jeder
MehrLichtgeschwindigkeit
Lihtgeshwindigkeit Die Lihtgeshwindigkeit beträgt konstant a. 300 000 km/s = 3*0 8 m/s. Für unsere Betrahtung genügt diese Genauigkeit. Nihts kann shneller als die Lihtgeshwindigkeit sein. Der Begriff
Mehr8.2. KURVEN IM RAUM 37
8.2. KURVEN IM RAUM 37 Lemma 8.2.3.10 (Differenzierbarkeit der Wegelängenfunktion für glatte Kurven) Ist γ C 1 (I; V ), so ist die Abbildung t L t (γ) differenzierbar, die Ableitung an der Stelle t ergibt
MehrP (X = 2) = 1/36, P (X = 3) = 2/36,...
2.3 Zufallsvariablen 2.3 Zufallsvariablen Meist sind die Ereignisse eines Zufallseperiments bereits reelle Zahlen. Ist dies nicht der Fall, kann man Ereignissen eine reelle Zahl zuordnen. Zum Beispiel
MehrEffiziente Algorithmen
Effiziente Algorithmen Greedy-Algorithmen Vorlesender: Martin Aumüller (nah Folien von Prof. Martin Dietzfelbinger) Mai 2012 FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester 2012 1 Kapitel 3:
MehrDer Riemannsche Umordnungssatz für bedingt konvergente Reihen
Der Riemannshe Umordnungssatz für bedingt konvergente Reihen Franka Shorten Definitionen Konvergenz a k heisst konvergent, wenn die Folge der Partialsummen s n := a 0 + a + a + + a n konvergiert Divergenz
MehrStatistik für Naturwissenschaftler
Hans Walser Statistik für Naturwissenschaftler σ (X + Y) σ (Y) σ (X) 4 Erwartungswert Lernumgebung Hans Walser: 4 Erwartungswert ii Inhalt Erwartungswert und Varianz... Doppelwurf mit Würfeln... 3 3 Doppelwurf
MehrAlexander Halles. Temperaturskalen
emperatursalen Stand: 15.0.004 - Inhalt - 1. Grundsätzlihes über emperatur 3. Kelvin-Sala 3 3. Fahrenheit-Sala und Ranine-Sala 4 4. Celsius-emperatursala 4 5. Die Réaumur-Sala 4 6. Umrehnung zwishen den
MehrRelativitätstheorie und philosophische Gegenargumente II
Didaktik der hysik Frühjahrstagung Hannoer 00 Relatiitätstheorie und philosophishe Gegenargumente II J. Brandes* *Danziger Str. 65, D 76307 Karlsbad, e-mail: jg-brandes@t-online.de Kurzfassung.) Es werden
Mehr17. KONTEXTSENSITIVE SPRACHEN
17. KONTEXTSENSITIVE SPRACHEN HAUPTERGEBNIS: KS = ERW = NSPACE(O(n)) REK Das heisst: Kontextsensitive Grammatiken und Grammatiken vom Erweiterungstyp haben die gleihe Beshreibungsmähtigkeit. Kontextsensitive
MehrReflexion von Querwellen
Mehanishe Wellen Refleion von Querwellen Dein Lernverzeihnis Refleion von Querwellen Übersiht Einführung 2 Refleion von Querwellen an einem Ende 2. Refleion am festen Ende.....................................
MehrDefinition 2.1 Der Erwartungswert einer diskreten Zufallsvariablen mit Wahrscheinlichkeitsfunktion
Kapitel 2 Erwartungswert 2.1 Erwartungswert einer Zufallsvariablen Definition 2.1 Der Erwartungswert einer diskreten Zufallsvariablen mit Wahrscheinlichkeitsfunktion È ist definiert als Ü ÜÈ Üµ Für spätere
MehrAufgaben für das Fach Mathematik
Niedersächsisches Kultusministerium Referat / Logistikstelle für zentrale Arbeiten November 06 Aufgaben für das Fach Mathematik Eingesetzte Abituraufgaben aus dem länderübergreifenden Abituraufgabenpool
MehrVierte Schularbeit Mathematik Klasse 7D WIKU am
Vierte Schularbeit Mathematik Klasse 7D WIKU am 21.05.2015 SCHÜLERNAME: Punkte im ersten Teil: Punkte im zweiten Teil: Davon Kompensationspunkte: Note: Notenschlüssel: Falls die Summe der erzielten Kompensationspunkte
MehrZum Begriff der Paare: ab ordinalem Messniveau
Zum Begriff er Paare: ab orinalem Messniveau Begriffsefinition von Paaren: gleihe bzw. untershielihe Rangornung zwishen Untersuhungsobjekten (z. B. Personen) Paare können konkorant oer iskorant sein 1)
MehrVorlesung 9b. Bedingte Verteilung, bedingte Wahrscheinlichkeiten
Vorlesung 9b Bedingte Verteilung, bedingte Wahrscheinlichkeiten 1 1. Zerlegung der gemeinsamen Verteilung (Buch S. 111) 2 Bisher legten wir das Hauptaugenmerk auf den Aufbau der gemeinsamen Verteilung
MehrWürde man nun versuchen die Aufgabe 6.2 des vorigen Abschnittes rechnerisch zu lösen, so stößt man auf folgende noch unlösbare Gleichung: h 1
0 Die Logarithmusfunktion Würde man nun versuhen die Aufgae 6. des vorigen Ashnittes rehnerish zu lösen, so stößt man auf folgende noh unlösare Gleihung: h 0,88 www.etremstark.de 0,88 h Gesuht ist also
MehrStochastik - 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
Mehr3.4 Anwendung bedingter Wahrscheinlichkeiten
3.4 Anwendung bedingter Wahrscheinlichkeiten Bsp. 23 Betrachtet werden mehrere Kanonen. Für i N bezeichne A i das Ereignis, daß Kanone i einen Schuß abgibt. A sei das Ereignis, daß ein Treffer erzielt
MehrMathematik I. Vorlesung 14. Rang von Matrizen
Prof Dr H Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 14 Rang von Matrizen Definition 141 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von den Spalten
Mehr