Zum Kurs. präziser zu Kursteil 6: Stochastik des Kurses 'Mathematik für Ingenieure'. Stochastik ist eine vergleichsweise

Größe: px
Ab Seite anzeigen:

Download "Zum Kurs. präziser zu Kursteil 6: Stochastik des Kurses 'Mathematik für Ingenieure'. Stochastik ist eine vergleichsweise"

Transkript

1 i präziser zu Kursteil 6: Stochastik des Kurses 'Mathematik für Ingenieure'. Stochastik ist eine vergleichsweise junge Disziplin. Gemeint ist damit die Wahrscheinlichkeitstheorie im Hinblick auf ihre vielfältigen Anwendungen, zu denen beispielsweise neben der Bedienungs (Warteschlangen) theorie, die Zuverlässigkeitstheorie, die (risikotheoretische) Finanzmathematik, natürlich die (mathematische) Statistik, aber auch eine stochastisch betriebene Physik oder Biologie gehören. Die Wahrscheinlichkeitstheorie geht in der heutigen

2 ii Form auf den Russen A.N. Kolmogorov, 1933, zurück, obwohl es bereits frühe Beiträge, z.b. von Johann Jakob Bernoulli aus Basel (Bernoullisches Gesetz der groÿen Zahlen) gegeben hat. Die weltweite Standesorganisation der Stochastiker trägt eben diesen Namen: Bernoulli Society. Wir sprechen bewusst von der Wahrscheinlichkeitstheorie im Gegensatz zur 'Wahrscheinlichkeitsrechnung', die einen mit Mitteln der Dierential und Integralrechnung stark am Ziele der Berechnung orientierten Abschnitt in der Entwicklung der Wahrscheinlichkeitstheorie meint. Objekte unseres Denkens sind einzuführende Begrisbildungen wie die des WMaÿes, der Zufallsvariablen, des Erwartungswertes, deren Existenz frei von logischen Widersprüchen zu sein hat, die Handhabung dieser Begrisbildungen, d.h. die Entwicklung von Rechenregeln sowie geeigneten Transformationen, seltener eigentlich die konkrete Berechnung. Zur Erläuterung an einem Faktum jenseits dieses Kurses halten wir fest, dass ein Erwartungswert ein Integral ist, was uns aber nicht veranlasst, nun syste-

3 iii matisch die Berechnung von Integralen zu betreiben. Bedeutsamer ist die Frage, ob die Folge der Durchschnitte einer aufsteigenden Anzahl von Realisationen gegen dieses Integral konvergiert, in der Fachsprache würde man sagen, ob ein entsprechendes Gesetz der groÿen Zahlen gilt, und wenn ja, unter welchen Bedingungen. Die Kenntnis des numerischen Wertes des Integrals ist nicht erforderlich, das theoretische Wissen um die Existenz des Erwartungswertes, das Wissen, dass es eine solche Zahl gibt, reicht bei Entwicklung und Anwendung eines Gesetzes der groÿen Zahlen völlig aus. Bei aller Akzeptanz der Wahrscheinlichkeitstheorie die zu entwickelnden Modellvorstellungen sind gewöhnungsbedürftig. Dies gilt bereits bei einer Theorie über einem diskreten Grundraum mit endlich oder abzählbar vielen Elementen des Grundraumes; als ein Beispiel für Probleme mit diskretem Grundraum, denke man etwa an die Behandlung von Würfelexperimenten. Ersetzt man den diskreten Grundraum, z.b. N, in naheliegender Weise doch ein Kontinuum, z.b. R, so ist man mit der Maÿtheorie konfrontiert.

4 iv Im Sinne eines didaktisch vernünftigen Weges entwickeln wir in Kapitel 1 (Kapitel 1A, Kapitel 1B; zwei Lernperioden zu zwei Wochen) zunächst die Begrie des WRaumes bis hin zum ProduktWRaum ('W' steht hier in Wortverbindungen stets für Wahrscheinlichkeit) bzw. der Zufallsvariablen und der stochastischen Unabhängigkeit. Danach folgt mit Kapitel 2 (1 Lernperiode zu zwei Wochen) ein Abschnitt, der erläutert, wie die diskrete Theorie zu einer allgemeinen erweitert werden kann. Ziel ist hier das Modellverständnis, nicht die Beweisführung. Ein wirkliches Arbeitswissen kann hier vom Studenten nicht erwartet werden. Kapitel 3 (eine Lernperiode zu zwei Wochen) gilt den Momenten (und liefert fakultativ für Ingenieure nicht unwichtig einen Abriss über Zufallsgeneratoren). Der Erwartungswert, der ein solches Moment darstellt, wird im Rahmen der diskreten Theorie motiviert. Die Verallgemeinerung auf die allgemeine Theorie treten hier weitgehend in den Hintergrund. Die Grundlagen haben sowohl die Funktion kursspezi- scher Verabredungen, bieten aber dem Studenten die

5 v Möglichkeit, sich punktuell einen ihm nicht bekannten Sachverhalt anzueignen. An gewissen Stellen sind naheliegende, wichtige Ergänzungen in den Kurs aufgenommen worden, die fakultative Bedeutung haben, was jeweils durch das Wort 'fakultativ' kenntlich gemacht wird. Der nur via Internet präsentierte Kurs ist durch eine Anzahl thematisch geeigneter Experimente und Animationen begleitet. Dabei geben wir bei der Ausbildung von Nichtmathematikern dem (durch Visualisierung nahegebrachten) Verstehns eines Sachverhaltes den Vorzug vor dem Fakt diesen bewiesen zu haben. In den Kurs sind Aufgaben eingestreut; dabei verweist das Zeichen 'L' auf eine Lösung im Anhang an den jeweiligen Kapitel. Einsendeaufgaben werden nach Kapitel 1 sowie nach Kapitel 2 und Kapitel 3 gestellt. Die von Ihnen schriftlich eingereichten Lösungen werden Ihnen nach Korrektur wieder zugeleitet.

6 vi Hagen, im Herbst 2002 O. Moeschlin

12 Erwartungswerte. Erwartungswerte 111. Überblick

12 Erwartungswerte. Erwartungswerte 111. Überblick Erwartungswerte 111 12 Erwartungswerte Zur Motivation der Begrisbildung wird zunächst der Erwartungswert im diskreten Fall als Reihenwert eingeführt. Der allgemeine, auf dem Integral basierende Erwartungswert

Mehr

6 Stochastische Unabhängigkeit

6 Stochastische Unabhängigkeit Stochastische Unabhängigkeit 61 6 Stochastische Unabhängigkeit Der Begri der stochastischen Unabhängigkeit ist für die Stochastik von zentraler Bedeutung. Obwohl der dem Begri zugrundeliegende Sachverhalt

Mehr

15 Über Zufallsgeneratoren (fakultativ)

15 Über Zufallsgeneratoren (fakultativ) Über Zufallsgeneratoren (fakultativ) 136 15 Über Zufallsgeneratoren (fakultativ) Erläutert wird die Erzeugung von gemäÿ einem WMaÿ P verteilter Realisationen mit Hilfe von Zufallsgeneratoren. Der Satz

Mehr

Woche 2: Zufallsvariablen

Woche 2: Zufallsvariablen Woche 2: Zufallsvariablen Patric Müller ETHZ WBL 17/19, 24.04.2017 Wahrscheinlichkeit und Statistik Patric Müller WBL 2017 Teil III Zufallsvariablen Wahrscheinlichkeit

Mehr

Elementare Stochastik

Elementare Stochastik Mathematik Primarstufe und Sekundarstufe I + II Elementare Stochastik Mathematische Grundlagen und didaktische Konzepte Bearbeitet von Herbert Kütting, Martin J. Sauer, Friedhelm Padberg 3. Aufl. 2011.

Mehr

3.3 Wahlpichtmodule Mathematik

3.3 Wahlpichtmodule Mathematik 3.3 Wahlpichtmodule Mathematik Wie in der Prüfungsordung angegeben, muss ein Wahlpichtmodul aus dem Gebiet der Mathematik stammen. Dieses kann aus den Modulen Analysis 2, Mathematische Logik und Einführung

Mehr

Wahrscheinlichkeitsrechnung und Maßtheorie

Wahrscheinlichkeitsrechnung und Maßtheorie Wahrscheinlichkeitsrechnung und Maßtheorie Rainer Oloff Wahrscheinlichkeitsrechnung und Maßtheorie Rainer Oloff Jena, Thüringen Deutschland ISBN 978-3-662-53023-8 DOI 10.1007/978-3-662-53024-5 ISBN 978-3-662-53024-5

Mehr

Vorwort. Das Lehrbuch vermittelt anwendungsorientiert den Lehrinhalt der Wahrscheinlichkeitsrechnung

Vorwort. Das Lehrbuch vermittelt anwendungsorientiert den Lehrinhalt der Wahrscheinlichkeitsrechnung Vorwort Das Lehrbuch vermittelt anwendungsorientiert den Lehrinhalt der Wahrscheinlichkeitsrechnung und Induktiven Statistik, wie er in den Wirtschafts- und Sozialwissenschaften an Universitäten und Fachhochschulen

Mehr

Woche 2: Zufallsvariablen

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

Mehr

Stochastik Wiederholung von Teil 1

Stochastik Wiederholung von Teil 1 Stochastik Wiederholung von Teil 1 Andrej Depperschmidt Sommersemester 2016 Wahrscheinlichkeitsraum Definition Das Tripple (Ω, A, P) heißt Wahrscheinlichkeitsraum, falls gilt: (i) A ist eine σ-algebra,

Mehr

Einführung in die Wahrscheinlichkeitsrechnung

Einführung in die Wahrscheinlichkeitsrechnung Marco Cattaneo Institut für Statistik Ludwig-Maximilians-Universität München Sommersemester 2011 1. Wahrscheinlichkeitsrechnung 2. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grenzwertsätze

Mehr

Übersicht über die mathematischen Module der Bachelor- und Masterstudiengänge Mathematik, Wirtschaftsmathematik und Technomathematik

Übersicht über die mathematischen Module der Bachelor- und Masterstudiengänge Mathematik, Wirtschaftsmathematik und Technomathematik Übersicht über die mathematischen Module der Bachelor- und Masterstudiengänge Mathematik, Wirtschaftsmathematik und Technomathematik Modul LP Prüfungsform 1 Pflichtmodule Bachelor Mathematik, Wirtschaftsmathematik

Mehr

Stochastik I. Vorlesungsmitschrift

Stochastik I. Vorlesungsmitschrift Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................

Mehr

Mathematik für. Humanbiologen und Biologen

Mathematik für. Humanbiologen und Biologen Fachbereich Mathematik und Informatik Philipps-Universität Marburg Mathematik für Humanbiologen und Biologen und Wintersemester 1999/2000, 2000/2001, 2002/2003 und 2005/2006 Fassung vom 17. Februar 2006

Mehr

Maß und Wahrscheinlichkeit

Maß und Wahrscheinlichkeit Springer-Lehrbuch Maß und Wahrscheinlichkeit Bearbeitet von Klaus D. Schmidt 1. Auflage 2011. Taschenbuch. xii, 484 S. Paperback ISBN 978 3 642 21025 9 Format (B x L): 15,5 x 23,5 cm Gewicht: 775 g Weitere

Mehr

Wahrscheinlichkeitstheorie und Statistik

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

Mehr

Geometrie und Mathematische Physik Differentialgeometrie I 10 m Diskrete Geometrie I 10 m Geometrie I 10 m Geometrische Grundlagen der linearen

Geometrie und Mathematische Physik Differentialgeometrie I 10 m Diskrete Geometrie I 10 m Geometrie I 10 m Geometrische Grundlagen der linearen Übersicht über die mathematischen Module der Bachelor- und Masterstudiengänge Mathematik, Wirtschaftsmathematik und Technomathematik Sommersemester 2017 Modul LP Prüfungsform 1 Pflichtmodule Bachelor Mathematik,

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 11. November 2010 1 Erwartungswert und Varianz Erwartungswert Varianz und Streuung Rechenregeln Binomialverteilung

Mehr

Mathe-Camp 2017 Stochastik: Geometrische Wahrscheinlichkeiten

Mathe-Camp 2017 Stochastik: Geometrische Wahrscheinlichkeiten Mathe-Camp 2017 Stochastik: Geometrische Wahrscheinlichkeiten Jo rn Saß, sass@mathematik.uni-kl.de Fachbereich Mathematik, TU Kaiserslautern Arbeitsgruppe Stochastische Steuerung und Finanzmathematik Kaiserslautern

Mehr

3 Bedingte Erwartungswerte

3 Bedingte Erwartungswerte 3 Bedingte Erwartungswerte 3.3 Existenz und Eindeutigkeit des bedingten Erwartungswertes E A 0(X) 3.6 Konvexitätsungleichung für bedingte Erwartungswerte 3.9 Konvergenzsätze von Levi, Fatou und Lebesgue

Mehr

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung i Dominique Foata Aime Fuchs Wahrscheinlichkeitsrechnung Aus dem Französischen von Volker Strehl Birkhäuser Verlag Basel Boston Berlin INHALTSVERZEICHNIS Vorwort zur deutschen Ausgabe Liste der benutzten

Mehr

Über den Autor 7. Einführung 21

Über den Autor 7. Einführung 21 Inhaltsverzeichnis Über den Autor 7 Einführung 21 Über dieses Buch oder:» für Dummies«verpflichtet! 21 Wie man dieses Buch benutzt 22 Wie ich Sie mir vorstelle 22 Wie dieses Buch aufgebaut ist 23 Teil

Mehr

Maß und Wahrscheinlichkeit

Maß und Wahrscheinlichkeit Klaus D. Schmidt Maß und Wahrscheinlichkeit Springer Einleitung 1 Teil I Mengensysteme und Abbildungen 1 Mengensysteme 7 1.1 Topologien 8 1.2 er-algebren 14 1.3 Dynkin-Systeme 16 1.4 n-stabile Mengensysteme

Mehr

3. Gemeinsame und bedingte Verteilung, stochastische Unabhängigkeit

3. Gemeinsame und bedingte Verteilung, stochastische Unabhängigkeit 3. Gemeinsame und bedingte Verteilung, stochastische Unabhängigkeit Lernziele dieses Kapitels: Mehrdimensionale Zufallsvariablen (Zufallsvektoren) (Verteilung, Kenngrößen) Abhängigkeitsstrukturen Multivariate

Mehr

Beschluss AK-Mathematik 01/

Beschluss AK-Mathematik 01/ TU Berlin Marchstraße 6 10587 Berlin Auszug aus dem (noch nicht genehmigten) Protokoll der 02. Sitzung der Ausbildungskommission Mathematik im Jahr 2013 am Dienstag, den 28. Mai 2013, Raum MA 415 Beschluss

Mehr

Die Funktion f X;Y (x; y) := Pr[X = x; Y = y] heit gemeinsame Dichte der Zufallsvariablen X und Y. Aus der gemeinsamen Dichte f X;Y kann man ableiten

Die Funktion f X;Y (x; y) := Pr[X = x; Y = y] heit gemeinsame Dichte der Zufallsvariablen X und Y. Aus der gemeinsamen Dichte f X;Y kann man ableiten Die Funktion f ;Y (x; y) := Pr[ = x; Y = y] heit gemeinsame Dichte der Zufallsvariablen und Y. Aus der gemeinsamen Dichte f ;Y kann man ableiten f (x) = y2w Y f ;Y (x; y) bzw. f Y (y) = Die Funktionen

Mehr

STATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik. Mögliche Ergebnisse, auch Elementarereignisse bezeichnet

STATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik. Mögliche Ergebnisse, auch Elementarereignisse bezeichnet Kapitel 10 Zufall und Wahrscheinlichkeit 10.1. Grundbegriffe Wahrscheinlichkeitsrechnung Zufallsvorgang Klein-Omega ω Groß-Omega Ω Stellt Modelle bereit, die es erlauben zufallsabhängige Prozesse abzuschätzen

Mehr

Propädeutischen Fächer

Propädeutischen Fächer Auszug aus dem Studienplan für die Propädeutischen Fächer und die Zusatzfächer angeboten von der Math.-Natw. Fakultät im Rahmen eines Bachelor of Science oder für andere Studiengänge mit diesen Programmen

Mehr

Beweis: Mit Hilfe des Satzes von der totalen Wahrscheinlichkeit folgt, dass

Beweis: Mit Hilfe des Satzes von der totalen Wahrscheinlichkeit folgt, dass Beweis: Mit Hilfe des Satzes von der totalen Wahrscheinlichkeit folgt, dass f Z (z) = Pr[Z = z] = x W X Pr[X + Y = z X = x] Pr[X = x] = x W X Pr[Y = z x] Pr[X = x] = x W X f X (x) f Y (z x). Den Ausdruck

Mehr

STATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik

STATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik Kapitel 11 Diskrete Zufallsvariablen 11.1. Wahrscheinlichkeits- und diskret Wahrscheinlichkeitsverteilungen Wahrscheinlichkeitsfunktion von X Nimmt abzählbare Anzahl von Ausprägungen an (z.b. Zählvariablen)

Mehr

v. Nollau/L. Partzsch/R. Storm/C. Lange Wahrscheinlichkeitsrechnung und Statistik in Beispielen und Aufgaben

v. Nollau/L. Partzsch/R. Storm/C. Lange Wahrscheinlichkeitsrechnung und Statistik in Beispielen und Aufgaben v. Nollau/L. Partzsch/R. Storm/C. Lange Wahrscheinlichkeitsrechnung und Statistik in Beispielen und Aufgaben Wahrscheinlichkeitsrechnung und Statistik in Beispielen und Aufgaben Von Prof. Dr. Volker Nollau

Mehr

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier Diskrete Strukturen und Logik WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Diskrete Strukturen und Logik Gesamtübersicht Organisatorisches Einführung Logik & Mengenlehre

Mehr

P (X = 2) = 1/36, P (X = 3) = 2/36,...

P (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

Mehr

Zusatzmaterial zur Vorlesung Statistik II

Zusatzmaterial zur Vorlesung Statistik II Zusatzmaterial zur Vorlesung Statistik II Dr. Steffi Höse Professurvertretung für Ökonometrie und Statistik, KIT Wintersemester 2011/2012 (Fassung vom 15.11.2011, DVI- und PDF-Datei erzeugt am 15. November

Mehr

Wahrscheinlichkeitsrechnung und Statistik für Studierende der Informatik. PD Dr. U. Ludwig. Vorlesung 7 1 / 19

Wahrscheinlichkeitsrechnung und Statistik für Studierende der Informatik. PD Dr. U. Ludwig. Vorlesung 7 1 / 19 Wahrscheinlichkeitsrechnung und Statistik für Studierende der Informatik PD Dr. U. Ludwig Vorlesung 7 1 / 19 2.2 Erwartungswert, Varianz und Standardabweichung (Fortsetzung) 2 / 19 Bedingter Erwartungswert

Mehr

Elementare Stochastik

Elementare Stochastik Mathematik für das Lehramt Elementare Stochastik Eine Einführung in die Mathematik der Daten und des Zufalls Bearbeitet von Andreas Büchter, Hans-Wolfgang Henn Neuausgabe 2007. Taschenbuch. xii, 572 S.

Mehr

Stochastik für Ingenieure

Stochastik für Ingenieure Otto-von-Guericke-Universität Magdeburg Fakultät für Mathematik Institut für Mathematische Stochastik Stochastik für Ingenieure (Vorlesungsmanuskript) von apl.prof. Dr. Waltraud Kahle Empfehlenswerte Bücher:

Mehr

Statistik I für Betriebswirte Vorlesung 2

Statistik I für Betriebswirte Vorlesung 2 Statistik I für Betriebswirte Vorlesung 2 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 16. April 2018 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 2 Version: 9. April

Mehr

Gesetz der großen Zahlen

Gesetz der großen Zahlen Gesetz der großen Zahlen Marie Reichstein Technische Universität Wien 19. Jänner 2012 Übersicht Geschichte Fragestellung schwaches Gesetz der großen Zahlen starkes Gesetz der großen Zahlen Null-Eins-Gesetze

Mehr

2 Zufallsvariable und Verteilungsfunktionen

2 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

Mehr

Mathematik p sitiv! Österreichischer Lehrplan. Mathematik p sitiv! Wolfram Thorwartl Günther Wagner Helga Wagner. 8. Klasse AHS

Mathematik p sitiv! Österreichischer Lehrplan. Mathematik p sitiv! Wolfram Thorwartl Günther Wagner Helga Wagner. 8. Klasse AHS Mathematik positiv! 8 deckt den gesamten Lehrstoff nach dem neuen österreichischen Lehrplan der 8. Klasse AHS ab und hilft, mathematische Zusammenhänge zu analysieren, Lösungsmethoden zu erkennen und diese

Mehr

Modelle diskreter Zufallsvariablen

Modelle diskreter Zufallsvariablen Statistik 2 für SoziologInnen Modelle diskreter Zufallsvariablen Univ.Prof. Dr. Marcus Hudec Zufallsvariable Eine Variable (Merkmal) X, deren numerische Werte als Ergebnisse eines Zufallsvorgangs aufgefasst

Mehr

Übungsblatt 6 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker

Übungsblatt 6 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker Übungsblatt 6 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker 29.11.2012 Gegeben sei erneut der folgende Grundraum: Ω = {1, 1.5, 2, π, 5, 12} Die Elementarereignisse

Mehr

1 Inhaltsverzeichnis. 1 Einführung...1

1 Inhaltsverzeichnis. 1 Einführung...1 1 Inhaltsverzeichnis 1 Einführung...1 1.1 Arten der stochastischen Abhängigkeit...2 1.2 Wo kommen regressive Abhängigkeiten vor?...3 1.3 Hauptaufgaben von Regressionsmodellen...3 1.4 Wissenschaftstheoretische

Mehr

Forschungsstatistik I

Forschungsstatistik I Prof. Dr. G. Meinhardt 2. Stock, Nordflügel R. 02-429 (Persike) R. 02-431 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 2008/2009

Mehr

SozialwissenschaftlerInnen II

SozialwissenschaftlerInnen II Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Wahrscheinlichkeitsfunktionen

Mehr

Statistik I für Betriebswirte Vorlesung 3

Statistik I für Betriebswirte Vorlesung 3 Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 20. April 2017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 18.

Mehr

Elementare Wahrscheinlichkeitsrechnung

Elementare Wahrscheinlichkeitsrechnung Johann Pfanzagl Elementare Wahrscheinlichkeitsrechnung 2., überarbeitete und erweiterte Auflage W DE G Walter de Gruyter Berlin New York 1991 Inhaltsverzeichnis 1. Zufallsexperimente und Wahrscheinlichkeit

Mehr

Interaktive Experimente und Lehrvideos für die st at ist ische Grundausbildung

Interaktive Experimente und Lehrvideos für die st at ist ische Grundausbildung Interaktive Experimente und Lehrvideos für die st at ist ische Grundausbildung Hans-Joachim Mittag joachim.mittag@fernuni-hagen.de / mail@mittag-statistik.de Salzburg, 14. September 2017 1 FernUniversität

Mehr

Kapitel 5 Stochastische Unabhängigkeit

Kapitel 5 Stochastische Unabhängigkeit Kapitel 5 Stochastische Unabhängigkeit Vorlesung Wahrscheinlichkeitsrechnung I vom SoSe 2009 Lehrstuhl für Angewandte Mathematik 1 FAU 5.1 Das Konzept der stochastischen Unabhängigkeit. 1 Herleitung anhand

Mehr

Abiturvorbereitung Stochastik. neue friedländer gesamtschule Klasse 12 GB Holger Wuschke B.Sc.

Abiturvorbereitung Stochastik. neue friedländer gesamtschule Klasse 12 GB Holger Wuschke B.Sc. Abiturvorbereitung Stochastik neue friedländer gesamtschule Klasse 12 GB 24.02.2014 Holger Wuschke B.Sc. Siedler von Catan, Rühlow 2014 Organisatorisches 0. Begriffe in der Stochastik (1) Ein Zufallsexperiment

Mehr

Stochastik für die Naturwissenschaften

Stochastik für die Naturwissenschaften Stochastik für die Naturwissenschaften Dr. C.J. Luchsinger 5. Erwartungswert E und Varianz V Literatur Kapitel 5 * Storrer: (37.9)-(37.12), (38.4), (40.6)-(40.9), (41.2) * Stahel: Kapitel 5 und 6 (nur

Mehr

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Einführung in die Stochastik. Das komplette Material finden Sie hier:

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Einführung in die Stochastik. Das komplette Material finden Sie hier: Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Einführung in die Stochastik Das komplette Material finden Sie hier: School-Scout.de Inhaltsverzeichnis Wiederholung Kapitel 1: Der

Mehr

Definition 2.1 Der Erwartungswert einer diskreten Zufallsvariablen mit Wahrscheinlichkeitsfunktion

Definition 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

Mehr

Lehrplan Mathematik. Ausbildungsprofil n. Grundlagenfach Schwerpunktfach Ergänzungsfach. Ausbildungsprofile s, m. Grundlagenfach Ergänzungsfach

Lehrplan Mathematik. Ausbildungsprofil n. Grundlagenfach Schwerpunktfach Ergänzungsfach. Ausbildungsprofile s, m. Grundlagenfach Ergänzungsfach Lehrplan Mathematik Ausbildungsprofil n Grundlagenfach Schwerpunktfach Ergänzungsfach Ausbildungsprofile s, m Grundlagenfach Ergänzungsfach 02.12.03 / 19.01.04 1 Mathematik Ausbildungsprofil N, Grundlagenfach

Mehr

7.2 Theoretische Kennwerte

7.2 Theoretische Kennwerte 7.2 Theoretische Kennwerte Theoretische Varianz und Standardabweichung Definition und Notation Verschiebungsformel für die theoretische Varianz 391 7.2 Theoretische Kennwerte Interpretation der theoretischen

Mehr

Wahrscheinlichkeitsrechnung und schließende Statistik

Wahrscheinlichkeitsrechnung und schließende Statistik Springer-Lehrbuch Wahrscheinlichkeitsrechnung und schließende Statistik Bearbeitet von Karl Mosler, Friedrich Schmid 4., verb. Aufl. 2010. Taschenbuch. XII, 347 S. Paperback ISBN 978 3 642 15009 8 Format

Mehr

8. Formelsammlung. Pr[ ] = 0. 0 Pr[A] 1. Pr[Ā] = 1 Pr[A] A B = Pr[A] Pr[B] DWT 8.1 Gesetze zum Rechnen mit Ereignissen 203/467 Ernst W.

8. Formelsammlung. Pr[ ] = 0. 0 Pr[A] 1. Pr[Ā] = 1 Pr[A] A B = Pr[A] Pr[B] DWT 8.1 Gesetze zum Rechnen mit Ereignissen 203/467 Ernst W. 8. Formelsammlung 8.1 Gesetze zum Rechnen mit Ereignissen Im Folgenden seien A und B, sowie A 1,..., A n Ereignisse. Die Notation A B steht für A B und zugleich A B = (disjunkte Vereinigung). A 1... A

Mehr

Grundbegriffe der Wahrscheinlichkeitsrechnung

Grundbegriffe der Wahrscheinlichkeitsrechnung Algorithmen und Datenstrukturen 349 A Grundbegriffe der Wahrscheinlichkeitsrechnung Für Entwurf und Analyse randomisierter Algorithmen sind Hilfsmittel aus der Wahrscheinlichkeitsrechnung erforderlich.

Mehr

Stochastik für die Naturwissenschaften

Stochastik für die Naturwissenschaften Stochastik für die Naturwissenschaften Dr. C.J. Luchsinger Intro 1 Motivation zur Wahrscheinlichkeitsrechnung und Statistik (Stochastik) Was fällt ein bei den Begriffen Wahrscheinlichkeit und/oder Statistik?

Mehr

Informatik II Grundbegriffe der Wahrscheinlichkeitsrechnung

Informatik II Grundbegriffe der Wahrscheinlichkeitsrechnung lausthal Begriffe Informatik II rundbegriffe der Wahrscheinlichkeitsrechnung. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Definition: Unter einem Zufallsexperiment versteht man einen,

Mehr

Jakob Bernoulli Historische Entwicklung des Wahrscheinlichkeitsbegriffs

Jakob Bernoulli Historische Entwicklung des Wahrscheinlichkeitsbegriffs Jede Wissenschaft bedarf der Mathematik, die Mathematik bedarf keiner. Jakob Bernoulli Jakob Bernoulli Historische Entwicklung des Wahrscheinlichkeitsbegriffs Bachelor Seminar Georgios Mechteridis Betreuer:

Mehr

Prüfungsvorbereitungskurs Höhere Mathematik 3

Prüfungsvorbereitungskurs Höhere Mathematik 3 Prüfungsvorbereitungskurs Höhere Mathematik 3 Stochastik Marco Boßle Jörg Hörner Marcel Thoms Mathematik Online Herbst 211 PV-Kurs HM 3 Stochastik 1-1 Zusammenfassung Wahrscheinlichkeitsraum (WR): Menge

Mehr

Kapitel II Kontinuierliche Wahrscheinlichkeitsräume

Kapitel II Kontinuierliche Wahrscheinlichkeitsräume Kapitel II Kontinuierliche Wahrscheinlichkeitsräume 1. Einführung 1.1 Motivation Interpretation der Poisson-Verteilung als Grenzwert der Binomialverteilung. DWT 1.1 Motivation 211/476 Beispiel 85 Wir betrachten

Mehr

Mathematik für Informatik und Biolnformatik

Mathematik für Informatik und Biolnformatik M.P.H. Wolff P. Hauck W. Küchlin Mathematik für Informatik und Biolnformatik Springer Inhaltsverzeichnis 1. Einleitung und Überblick... 1 1.1 Ziele und Entstehung des Buchs... 1 1.2 Wozu dient die Mathematik

Mehr

Die Familie der χ 2 (n)-verteilungen

Die Familie der χ 2 (n)-verteilungen Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +

Mehr

Die Familie der χ 2 (n)-verteilungen

Die Familie der χ 2 (n)-verteilungen Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +

Mehr

Scheinklausur zur Vorlesung Stochastik II

Scheinklausur zur Vorlesung Stochastik II Institut für Mathematische Stochastik WS 2007/2008 Universität Karlsruhe 25. 02. 2008 Dr. B. Klar Scheinklausur zur Vorlesung Stochastik II Muster-Lösung Dauer: 90 Minuten Name: Vorname: Matrikelnummer:

Mehr

Stochastik für die Naturwissenschaften

Stochastik für die Naturwissenschaften Stochastik für die Naturwissenschaften Dr. C.J. Luchsinger Intro 1 Motivation zur Wahrscheinlichkeitsrechnung und Statistik Was fällt ein bei den Begriffen Wahrscheinlichkeit und/oder Statistik? Kurz zusammengefasst,

Mehr

ISBN Auflage 2012

ISBN Auflage 2012 Vorwort Das vorliegende Buch ist ein Arbeitsbuch für den Mathematikunterricht in der gymnasialen Oberstufe, in berufsbildenden Schulen sowie in der Berufsoberschule. Das Buch umfasst die drei traditionellen

Mehr

Informatik II Grundbegriffe der Wahrscheinlichkeitsrechnung

Informatik II Grundbegriffe der Wahrscheinlichkeitsrechnung lausthal Informatik II rundbegriffe der Wahrscheinlichkeitsrechnung. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Begriffe Definition: Unter einem Zufallsexperiment versteht man einen,

Mehr

VERANSTALTUNGSVERZEICHNIS FACHRICHTUNG 6.1 MATHEMATIK WINTERSEMESTER 2016/17

VERANSTALTUNGSVERZEICHNIS FACHRICHTUNG 6.1 MATHEMATIK WINTERSEMESTER 2016/17 VERANSTALTUNGSVERZEICHNIS FACHRICHTUNG 6.1 MATHEMATIK WINTERSEMESTER 2016/17 Informationsveranstaltungen Einfuehrungsveranstaltung fuer Studierende der am 24.10.2016 Mo 14:00-15 in HS I, Geb. E2 5 Erster

Mehr

Statistik für Ingenieure Vorlesung 2

Statistik für Ingenieure Vorlesung 2 Statistik für Ingenieure Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 24. Oktober 2016 2.4 Bedingte Wahrscheinlichkeiten Häufig ist es nützlich, Bedingungen

Mehr

Studierende die bereits jetzt im B.Sc.-Studiengang studieren, können in die neue Mathematik-Ausbildungsvariante wechseln.

Studierende die bereits jetzt im B.Sc.-Studiengang studieren, können in die neue Mathematik-Ausbildungsvariante wechseln. B.Sc. Informatik Neue Prüfungsordnung ab dem WS 2016/17 Im Rahmen der Änderung der Prüfungsordnung wird die Mathematikausbildung durch neue, speziell für den Studiengang zugeschnittene Veranstaltungen

Mehr

Profillinien für die Studiengänge. Mathematik, B.Sc. Mathematik, M.Sc.

Profillinien für die Studiengänge. Mathematik, B.Sc. Mathematik, M.Sc. Profillinien für die Studiengänge Mathematik, B.Sc. Mathematik, M.Sc. Dieses Dokument soll als Orientierung für Studierende der Mathematik dienen und sie bei der Entscheidung unterstützen, welches Profil

Mehr

WAHRSCHEINLICHKEITSRECHNUNG

WAHRSCHEINLICHKEITSRECHNUNG WAHRSCHEINLICHKEITSRECHNUNG Mathematischer Teil In der Wahrscheinlichkeitsrechnung haben wir es mit Zufallsexperimenten zu tun, d.h. Ausgang nicht vorhersagbar. Grundbegriffe Zufallsexperiment und Ergebnisse

Mehr

DEMO für STOCHASTIK. Testen von Hypothesen. Datei Nr INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK.

DEMO für  STOCHASTIK. Testen von Hypothesen. Datei Nr INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK. STOCHASTIK Testen von Hypothesen Teil 1 rundlagen der Signifikanztests Hier: Berechnungen mit Binomialverteilung Datei Nr. 35010 Stand: 9. November 2013 FRIEDRICH W. BUCKEL INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK

Mehr

Beispiel 6 (Einige Aufgaben zur Gleichverteilung)

Beispiel 6 (Einige Aufgaben zur Gleichverteilung) Beispiel 6 (Einige Aufgaben zur Gleichverteilung) Aufgabe (Anwendung der Chebyshev-Ungleichung) Sei X eine Zufallsvariable mit E(X) = µ und var(x) = σ a) Schätzen Sie die Wahrscheinlichkeit dafür, daß

Mehr

Prüfungsfächer: Die Prüfung erstreckt sich auf die folgenden Prüfungsfächer: Maß- und Integrationstheorie Wahrscheinlichkeitstheorie Statistik

Prüfungsfächer: Die Prüfung erstreckt sich auf die folgenden Prüfungsfächer: Maß- und Integrationstheorie Wahrscheinlichkeitstheorie Statistik B Zulassungsprüfung in Stochastik Zielsetzung: Durch die Zulassungsprüfung in Stochastik soll der Nachweis geführt werden, dass die Bewerber über solide Grundkenntnisse in Wahrscheinlichkeitstheorie und

Mehr

Vorläufiger schulinterner Lehrplan zum Kernlehrplan für die gymnasiale Oberstufe. Mathematik

Vorläufiger schulinterner Lehrplan zum Kernlehrplan für die gymnasiale Oberstufe. Mathematik Vorläufiger schulinterner Lehrplan zum Kernlehrplan für die gymnasiale Oberstufe Mathematik 2.1.1 ÜBERSICHTSRASTER UNTERRICHTSVORHABEN EINFÜHRUNGSPHASE Unterrichtsvorhaben I: Unterrichtsvorhaben II: Beschreibung

Mehr

Stochastik für Dummies

Stochastik für Dummies Christoph Maas Stochastik für Dummies Fachkorrektur flon Dr. RelJine FreuJenstein WILEY WILEY-VCH Verlag GmbH & Co. KGaA Inhaltsflerzeichnis Über den Autor Einfülrrunl} über dieses Buch - oder:»... für

Mehr

Box. Mathematik ZU DEN KERNCURRICULUM-LERNBEREICHEN:

Box. Mathematik ZU DEN KERNCURRICULUM-LERNBEREICHEN: Box Mathematik Schülerarbeitsbuch P (μ o- X μ + o-) 68,3 % s rel. E P (X = k) f g h A t μ o- μ μ + o- k Niedersachsen Wachstumsmodelle und Wahrscheinlichkeitsrechnung ZU DEN KERNCURRICULUM-LERNBEREICHEN:

Mehr

Abitur 2015 Mathematik Stochastik IV

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

Mehr

Vorstellung des Lehrangebots - Bereich F: Stochastik

Vorstellung des Lehrangebots - Bereich F: Stochastik Vorstellung des Lehrangebots - Bereich F: Stochastik Andreas Eberle Institut für angewandte Mathematik Juli 2013 Stochastikvorlesungen im Bachelor I Einführung in die Wahrscheinlichkeitstheorie (WiSem)

Mehr

1 Konvergenz im p ten Mittel

1 Konvergenz im p ten Mittel Konvergenz im p ten Mittel 1 1 Konvergenz im p ten Mittel In diesem Paragraphen werden zunächst in Abschnitt 1.1 die L p Räume eingeführt. Diese erweisen sich als vollständige, lineare Räume über R. In

Mehr

Stochastik 02 Wiederholung & Vierfeldertafel

Stochastik 02 Wiederholung & Vierfeldertafel 23. August 2018 Grundlagen der Statistik (bis Klasse 10) Grundlagen der Stochastik (bis Klasse 10) Zufallsgrößen und Verteilungen Beurteilende Statistik (Testen von Hypothesen) Bernoulli-Experimente Ziele

Mehr

1 Grundlagen der Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsräume. Ein erster mathematischer Blick auf Zufallsexperimente...

1 Grundlagen der Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsräume. Ein erster mathematischer Blick auf Zufallsexperimente... Inhaltsverzeichnis 1 Grundlagen der Wahrscheinlichkeitsrechnung 1 1.1 Wahrscheinlichkeitsräume Ein erster mathematischer Blick auf Zufallsexperimente.......... 1 1.1.1 Wahrscheinlichkeit, Ergebnisraum,

Mehr

Grundbegriffe der Wahrscheinlichkeitsrechnung und statistischen Methodenlehre

Grundbegriffe der Wahrscheinlichkeitsrechnung und statistischen Methodenlehre Herbert Basler Grundbegriffe der Wahrscheinlichkeitsrechnung und statistischen Methodenlehre Mit 31 Beispielen und 35 Aufgaben mit Lösungen 8., durchgesehene Auflage Springer-Verlag Berlin Beideiberg GmbH

Mehr

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

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

Mehr

1 Wahrscheinlichkeitsrechnung und Zufallsvariablen

1 Wahrscheinlichkeitsrechnung und Zufallsvariablen 1 Wahrscheinlichkeitsrechnung und Zufallsvariablen Zoltán Zomotor Versionsstand: 18. Mai 2015, 09:29 Die nummerierten Felder bitte während der Vorlesung ausfüllen. This work is licensed under the Creative

Mehr

f(x) = P (X = x) = 0, sonst heißt Poisson-verteilt mit Parameter (oder Rate) λ > 0, kurz X P o(λ). Es gilt x x! 1 Wahrscheinlichkeitsrechnung 212

f(x) = P (X = x) = 0, sonst heißt Poisson-verteilt mit Parameter (oder Rate) λ > 0, kurz X P o(λ). Es gilt x x! 1 Wahrscheinlichkeitsrechnung 212 1.6.2 Poisson Verteilung Eine weitere wichtige diskrete Verteilung ist die Poisson-Verteilung. Sie modelliert die Anzahl (eher seltener) Ereignisse in einem Zeitintervall (Unfälle, Todesfälle; Sozialkontakte,

Mehr

Wahrscheinlichkeitstheorie

Wahrscheinlichkeitstheorie Kapitel 2 Wahrscheinlichkeitstheorie Wir betrachten Ereignisse, die in fast gleicher Form öfter auftreten oder zumindest öfter auftreten können. Beispiele: Werfen eines Würfels, Sterben an Herzversagen

Mehr

Stochastik für die Naturwissenschaften

Stochastik für die Naturwissenschaften Stochastik für die Naturwissenschaften Dr. C.J. Luchsinger 4. Zufallsgrösse X Literatur Kapitel 4 * Storrer: Kapitel (37.2)-(37.8), (38.2)-(38.3), (38.5), (40.2)-(40.5) * Stahel: Kapitel 4, 5 und 6 (ohne

Mehr