Warten auf eine vollständige Serie Vorschläge zur Umsetzung im Unterricht
|
|
- Heiko Hofmann
- vor 5 Jahren
- Abrufe
Transkript
1 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 einmal aufgetreten ist. Diese auch als Sammelbilderproblem bezeichnete Alltagssituation lässt sich im Unterricht für bestimmte Anzahlen mithilfe von Würfeln experimentell nachspielen. Im Folgenden soll daher am Beispiel des Werfens eines regelmäßigen bzw. eines gezinkten Tetraeders erläutert werden, wie die Behandlung des Themas umgesetzt werden kann. 1 Untersuchungen am regelmäßigen Tetraeder 1.1 Darstellung des Zufallsprozesses mithilfe eines Übergangsdiagramms Beim Würfeln mit einem regelmäßigen Tetraeder wartet man darauf, dass jede der vier Augenzahlen 1, 2, 3, mindestens einmal gefallen ist; dabei spielt die Reihenfolge, in der die verschiedenen Augenzahlen auftreten, keine Rolle. Der Zufallsprozess kann verschiedene Zustände annehmen, durch die die Anzahl der schon gefallenen verschiedenen Augenzahlen beschrieben werden (Abb. 1). Mit Sicherheit (also mit der Wahrscheinlichkeit 1) fällt beim ersten Wurf des Tetraeders eine Augenzahl, die bisher noch nicht gefallen ist. Abb. 1. Übergangsdiagramm für das Warten auf eine vollständige Serie beim Tetraeder ISSN Verlag Klaus Seeberger, Neuss 17
2 Dass beim nächsten Wurf die gleiche Augenzahl wieder fällt, hat nur die Wahrscheinlichkeit 1 ; d. h. die Wahrscheinlichkeit, dass sich der Prozess nach dem 2. Wurf im Zustand 2 (= 2 verschiedene Augenzahlen) befindet, ist gleich 3 usw. Wenn das System im Zustand ist, sind alle Augenzahlen mindestens einmal vorgekommen. Das System hat einen absorbierenden Zustand erreicht. 1.2 Mittlere Wartezeit bis zum Vorliegen einer vollständigen Serie Wenn ein Ergebnis mit der Wahrscheinlichkeit 1 auftritt, benötigt man im Mittel vier Versuche, bis es tatsächlich vorliegt. Beim dauert also der letzte Schritt im Mittel am längsten. Wenn ein Ergebnis mit der Wahrscheinlichkeit 2 = 1 2 auftritt, benötigt man im Mittel 2 = 2 Versuche, bis es tatsächlich vorliegt, 1 usw. Insgesamt benötigt man also für das Warten auf eine vollständige Serie beim Werfen eines regelmäßigen Tetraeders bis zum Vorliegen einer vollständigen Serie im Mittel = Bei ungefähr einem Viertel der 096 Versuchsreihen wird beim 2. Wurf die gleiche Augenzahl fallen wie beim 1. Wurf; deshalb werden etwa 102 der 096 Versuchsreihen nach dem 2. Wurf noch im Zustand 1 sein; in etwa drei Viertel der Versuchsreihen fällt beim 2. Wurf eine Augenzahl, die bisher noch nicht gefallen war, also in etwa 3072 Fällen. In etwa der Hälfte dieser 3072 Versuchsreihen fällt auch beim 3. Wurf eine Augenzahl, die bisher nicht gefallen war (dies betrifft also etwa 1536 der insgesamt 096 Fälle). Bei der anderen Hälfte fällt eine Augenzahl, die bereits vorhergefallen war; d. h. man bleibt im Zustand 2. Allerdings kommen noch in etwa drei Viertel der 102 Versuchsreihen, bei denen bisher erst eine Augenzahl gefallen war, eine zweite Augenzahl dazu, so dass sich insgesamt = 230 von 096 Versuchsreihen nach dem 3. Wurf im Zustand 2 befinden Wahrscheinlichkeitsberechnungen zum Ablauf des Zufallsprozesses Statt der zu erwartenden absoluten Häufigkeiten kann man in diesem Schema auch zu erwartende relative Häufigkeiten eintragen, also die Wahrscheinlichkeiten (Abb. 3). Am rechts unten stehenden Kästchen des Schemas kann man ablesen, dass die Wahrscheinlichkeit, nach spätestens sieben Würfen eines regelmäßigen Tetraeders eine vollständige Serie zu haben, etwas größer ist als 50 %, d. h., wenn man eine Wette darauf abschließen würde, wäre man geringfügig im Vorteil. Würfe. = = 25 8, Man beachte: Dies ist ein Mittelwert! Es könnte sein, dass man bereits nach vier Würfen alle vier Augenzahlen geworfen hat; es könnte aber auch sehr lange dauern, bis es endlich so weit ist. 1.3 Häufigkeitsabakus für das Warten auf eine vollständige Serie beim Tetraederwurf Der zu erwartende Ablauf des Zufallsprozesses kann mithilfe eines Häufigkeitsabakus (ENGEL, 1975) verdeutlicht werden (Abb. 2). Dazu betrachte man beispielsweise 096 Versuchsreihen mit jeweils sieben Würfen eines regelmäßigen Tetraeders: Nach jedem Wurf wird notiert, wie viele verschiedene Augenzahlen bis zu diesem Wurf (einschließlich) zu erwarten sind. Nach dem 1. Wurf ist mit Sicherheit bei allen 096 Versuchsreihen eine Augenzahl gefallen, die bis dahin noch nicht gefallen war. Zur Berechnung der Wahrscheinlichkeit P(m; k), dass sich das System nach m Stufen im Zustand k befindet, kann eine Tabellenkalkulation verwendet werden (Tab. 1). P(m; k) ergibt sich rekursiv aus den Wahrscheinlichkeiten der vorherigen Stufe, nämlich aus P(m 1; k 1) und P(m 1; k). Diese werden mit den Übergangswahrscheinlichkeiten gewichtet, die sich in Abhängigkeit vom jeweiligen Zufallsgerät und dem betrachteten Zustand ergeben. Abb. 2. Häufigkeitsabakus für das 18
3 Abb. 3. Wahrscheinlichkeitsabakus Die Anfangswerte in der ersten Spalte ergeben sich aus den Definitionen P(1; 1) = 1 und P(m; 1) = 1 P(m 1; 1) für m 2. In den weiteren Spalten der Tabelle sind die Rekursionsgleichungen einen Wettsieg etwa wie 62 zu 38, also ungefähr wie 5 zu 3, obwohl der Erwartungswert μ der Anzahl der notwendigen Würfe für eine vollständige Serie etwas größer als 8 ist. Der Grund für das Abweichen des Erwartungswerts μ (= gewichteter Mittelwert einer Verteilung) vom Median x Q2 (= 50 %- Wert der Verteilung) ist die fehlende Symmetrie der zugrundeliegenden Wahrscheinlichkeitsverteilung, wie man auch aus Abbildung 5 ablesen kann. Dort ist dargestellt, wie sich die Wahrscheinlichkeit für das Vorliegen einer vollständigen Serie beim regelmäßigen Tetraeder von Wurf zu Wurf verändert. 1.5 Berechnung des Erwartungswerts μ mithilfe des Wahrscheinlichkeitsabakus Der Erwartungswert μ der Anzahl m der notwendigen Versuchsdurchführungen kann gemäß Definition auch wie folgt bestimmt werden: Man berechnet für jede Stufenzahl m die im Vergleich zur vorangegangenen Stufe hinzugekommene Wahrscheinlich- P(m; k) = k n für 2 k m zu verwenden. P(m 1; k) + n k + 1 n P(m 1; k 1) Tab. 1. Excel-Tabelle zur Berechnung der Wahrscheinlichkeiten Abb.. Entwicklung der Wahrscheinlichkeiten für eine vollständige Serie bei wachsender Anzahl von Würfen Die weitere Entwicklung der Wahrscheinlichkeiten lässt sich übersichtlich in einem Graphen (Abb. ) darstellen, der aus den Werten der letzten Spalte der Tabelle entsteht. Bemerkenswert ist die Tatsache, dass die Wahrscheinlichkeit, nach spätestens acht Würfen eine vollständige Serie zu haben, bereits auf ca. 62 % angestiegen ist, also bessere Wettchancen verspricht. Dies steht scheinbar im Widerspruch zu der Erkenntnis, dass man im Mittel μ 8,3 Würfe benötigt, um bei den Tetraederwürfen eine vollständige Serie zu erhalten. Würde man eine Wette abschließen, dass spätestens nach acht Würfen eine vollständige Serie vorliegt, dann ständen die Chancen für Abb. 5. Wahrscheinlichkeitsverteilung 19
4 keit für das Vorliegen einer vollständigen Serie und gewichtet diese mit der Anzahl m der Stufen. Man multipliziert also die Wahrscheinlichkeit, dass man genau m Stufen benötigt, mit der Anzahl m der Stufen. Da der Zufallsversuch im Prinzip unendlich lange dauern kann, muss eine unendliche Summe gebildet werden: μ = m (P(m; n) P(m 1; n). m=2 An der EXCEL-Tabelle, von der ein Ausschnitt in Abbildung 6 dargestellt ist, kann man ablesen, dass sich die Folge der kumulierten Produkte dem in 1.2 berechneten Wert μ = 25 3 nähert. bzw. 3 der Bilder Nr.1 bis Nr. 3 beschrieben. Sobald das Bild Nr. auftaucht, wechselt man im Diagramm in die untere Reihe. Danach sind nur noch Übergänge vom Zustand 1* nach 2*, von 2* nach 3*, von 3* nach * bzw. zu sich selbst möglich. 2.2 Wahrscheinlichkeitsberechnung für das gezinkte Tetraeder Aus dem Übergangsdiagramm ergeben sich entsprechend veränderte Rekursionsformeln P(1; 1) = 2n 2 2n 1 und P(m; 1) = 2 für m 2, P(m 1; 1) P(1; 1*) = 1 und P(m; 1*) = 1 P(m 1; 1*) für m 2, P(m; k) = 2k für 2 k m, P(m 1; k) + 2n 2k P(m 1; k 1) P(m; k*) = 2k* 1 P(m 1; k*) n 2k* + 2 P(m 1; k* 1) für 2 k* m. P(m 1; k 1) Abb. 6. Berechnung des Erwartungswertes 2 Untersuchungen am gezinkten Tetraeder Die Untersuchung des Problems der vollständigen Serie wird aufwendiger, wenn die Sammelbilder nicht mit gleicher Wahrscheinlichkeit auftreten. Am Beispiel des Sammelns einer Serie von vier Bildern wird exemplarisch gezeigt, wie man vorgehen kann. Die Tabelle 2 zeigt die Entwicklung der Wahrscheinlichkeiten bis zum Vorliegen einer vollständigen Serie. In der Spalte rechts stehen zum Vergleich die entsprechenden Wahrscheinlichkeiten beim Werfen eines nicht gezinkten Tetraeders. Der Vergleich der Wahrscheinlichkeiten zeigt, dass es hier in der Regel erst nach einer größeren Anzahl von Versuchen zu einer vollständigen Serie kommt bedingt dadurch, dass Bild Nr. nur halb so häufig auftritt wie die anderen Bilder. In Abbildung 8 sind die einzelnen Punkte miteinander verbunden, damit die beiden Entwicklungen besser verfolgt werden können. 2.1 Übergangsdiagramm beim Werfen eines gezinkten Tetraeders Angenommen, die Sammelbilder Nr. 1 bis 3 sind gleich häufig auf die Kaufpackungen verteilt, Bild Nr. jedoch nur halb so oft (vergleichbar mit einem»gezinkten«tetraeder, bei dem die Augenzahlen 1, 2 und 3 mit gleicher Wahrscheinlichkeit auftreten und Augenzahl nur mit halb so großer Wahrscheinlichkeit). Dann ergeben sich Übergänge wie in Abbildung 7 dargestellt. Unterschieden werden die Zustände 1 bis 3, in denen gezählt wird, wie viele der Bilder Nr. 1 bis Nr. 3 aufgetreten sind, sowie die Zustände 1*, 2*, 3*, *, bei denen Bild Nr. sowie außerdem auch 0, 1, 2, 3 der Bilder Nr. 1 bis Nr. 3 aufgetreten sind. In der oberen Reihe des Diagramms sind die Zustände für 1 bzw. 2 Abb. 7. Übergangsdiagramm beim Werfen eines gezinkten Tetraeders 20
5 eignet sich hervorragend zur Einführung von Median und Quartilen sowie von Boxplots. Beispielsweise kann man in Klassenstufe 7 einen Dodekaeder-Würfel so lange werfen lassen, bis jede der 12 Augenzahlen mindestens einmal gefallen ist. Die Schüler/innen machen dabei die Erfahrung einer nicht symmetrischen Verteilung, deren arithmetisches Mittel sich vom Median unterscheidet. Erfahrungsgemäß kann man davon ausgehen, dass man bei 50 Durchführungen des Versuchs in einer Klasse einen Median erhält, der bei 3 liegt, das untere Quartil liegt bei 27, das obere bei. Das arithmetische Mittel wird etwa 37 betragen. Tab. 2. EXCEL-Tabelle zur Berechnung der Wahrscheinlichkeiten für das gezinkte Tetraeders Abb. 8. Entwicklung der Wahrscheinlichkeiten für eine vollständige Serie bei wachsender Anzahl von Würfen eines gezinkten Tetraeders Wie man mithilfe der in 1.5 dargestellten Methode ausrechnen kann, liegt der Erwartungswert μ der Anzahl der Versuche hier bei μ 9,62; man benötigt also im Mittel ungefähr 1,3 Versuche mehr als beim regelmäßigen Tetraeder (Abb. 9). Vor der Durchführung des Versuchs werden die Schüler/innen kaum in der Lage sein, abzuschätzen, wie viele Würfe sie benötigen werden, und dann überrascht sein, dass man in 10 % der Fälle das Dodekaeder sogar mehr als 55-mal werfen muss, bis jede Augenzahl mindestens einmal aufgetreten ist. 3.2 Simulation des Problems mithilfe von Zufallszahlen Mit geringerem Zeitaufwand kann das Problem der vollständigen Serie auch mithilfe des Zufallszahlengenerators einer Tabellenkalkulation untersucht werden. Auch dies kann erfahrungsgemäß bereits in der Sekundarstufe I umgesetzt werden, etwa in Phasen zur Einführung digitaler Werkzeuge. Die Tabelle 3 zeigt am Beispiel des Werfens eines regelmäßigen Tetraeders, wie man dabei vorgehen kann. Spalte 2: Erzeugen einer Zufallszahl z aus dem Intervall [0; 1[. Hieraus erhält man die Augenzahl, indem man den ganzzahligen Anteil von z + 1 berechnet. Spalte 3 bis 6: Überprüfen, welche Augenzahl geworfen wurde; fortlaufendes Addieren der Häufigkeit. Spalte 7: Überprüfen der Vollständigkeit der Serie, indem man das Produkt der Häufigkeiten aus den Spalten 3 bis 6 bildet. Spalte 8: Wenn das Produkt in Spalte 7 gleich 0 ist, wird nichts notiert, sonst die laufende Nummer aus Spalte 1. Die kleinste dieser Nummern gibt dann die Länge der vollständigen Serie an. 3 Hinweise zur Behandlung des Themas im Unterricht 3.1 Erste Erfahrungen mit dem Sammelbilderproblem in der Sekundarstufe I Bereits in der Sekundarstufe I können die Schüler/innen erste Erfahrungen mit dem Problem der vollständigen Serie sammeln. Die Simulation des Problems Abb. 9. Berechnung des Erwartungswertes für eine vollständige Serie bei einem gezinkten Tetraeder 21
6 Es ist sogar bereits hier möglich, ein gezinktes Tetraeder zu betrachten: Dazu muss in Spalte 2 statt z + 1 der Term 3,5z + 1 betrachtet werden, sodass die Augenzahl mit halb so großer Wahrscheinlichkeit erzeugt wird. Abb. 11. Berechnung des ersten Folgezustandes Tab. 3. Ergebnis einer Simulation des Werfens eines Tetraeders Abb. 12. Berechnung weiterer Folgezustände 3.3 Untersuchungen im Rahmen des Unterrichts der Sekundarstufe II Leider lassen die in den verschiedenen Bundesländern geltenden Lehrpläne und Vorgaben für die zentrale Abschlussprüfung nur wenig Raum für die ausführliche Behandlung des Themas im Rahmen des Stochastikunterrichts. Das Thema eignet sich jedoch hervorragend für eine Facharbeit oder ein Schülerreferat, wobei die Ausführungen dieses Beitrags oder die zusätzlichen Darstellungen wie z. B. Lösung mithilfe der Mittelwertregeln in STRICK (2015) als Grundlage verwendet werden können. Statt eine Tabellenkalkulation zu nutzen was sich ja wegen der rekursiven Struktur anbietet, kann im Falle des Tetraeders auch eine Untersuchung mithilfe von Übergangsmatrizen erfolgen (Abb ). Analog zum Beispiel in STRICK (2013) bzw. STRICK (201) ergibt sich für das regelmäßige Tetraeder eine -Übergangsmatrix, im Falle des oben betrachteten gezinkten Tetraeders eine 8 8-Matrix. Im ersten Fall wird eigentlich eine 5 5-Matrix zur Beschreibung der Übergänge benötigt; aber auf die Betrachtung des Zustands 0 kann verzichtet werden, da der Übergang zum Zustand 1 mit Wahrscheinlichkeit 1 erfolgt. Abb. 10. Definition der Übergangsmatrix für das regelmäßige Tetraeder In der Übergangsmatrix des zweiten Falls sind die Zustände 0, 1, 1*, 2, 2*, 3, 3*, berücksichtigt. Literatur ENGEL, A. (1975). Der Wahrscheinlichkeitsabakus. MU, 21(2), STRICK, H. K. (2013). Stochastik mit dem TI-Nspire TM CX (GTR), Texas Instruments. STRICK, H. K. (201). Übergangsmatrizen. In: Elemente der Mathematik, Unterrichtsmaterialien S II, Analytische Geometrie/Matrizen, Schroedel. STRICK, H. K. (2015). Erläuterungen zu den Kalendern Mathematik ist schön, Selbstverlag, ( ). OStD i. R. HEINZ KLAUS STRICK, Pastor-Scheibler-Str. 10, Leverkusen, strick.lev@t-online.de. gc 22
Faustregeln 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.
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
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.
MehrAbitur Matrizen und Prozesse (Teil 4 mit Hilfsmittel) Musteraufgaben Lösung A1 1.1 Übergangsmatrix Die Übergangsmatrix lautet (vgl.
Lösung A1 1.1 Übergangsmatrix Die Übergangsmatrix lautet (vgl. Diagramm): 0,4 0,2 0,1 0,5 0,7 0,5 0,4 0,1 0,1 0,4 0,2 0,1 0,5 0,1 0,7 0,4 Verteilung der Haushalte im Jahr 2015 Stand 2014: 1000 Haushalte
MehrPfadregel. 400 Kugeln durchlaufen die möglichen Pfade. Das Diagramm zeigt das Ergebnis am Ende der Versuchsdurchführung.
Würfelsimulation 1) Bezeichnen Sie in den Säulendiagrammen (Histogrammen - 2. Graphik) die senkrechten Achsen und vervollständigen Sie im ersten Diagramm die Achseneinteilung. Lesen Sie im Histogramm für
MehrWahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
MehrNotenpunkte: Unterschrift: Zur Bestimmung des arithmetischen Mittels ist es wichtig die Daten der Größe nach zu ordnen.!!
Name: Seite 1 von 11 Universität Kassel 29. April 2009 Biehler / Hofmann Elementare Stochastik 1 2 3 4 5 6 7! 12 5 9 4 13 4 13 60 Notenpunkte: Unterschrift: Aufgabe 1 Aussagen (12 Punkte) Kreuzen Sie an,
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
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
MehrWird ein Bernoulli- Versuch, bei dem die Trefferwahrscheinlichkeit p = 0,2 ist, n = 40 mal durchgeführt, dann erwarten wir im Mittel 8 Treffer.
R. Brinkmann http://brinkmann-du.de Seite 1 06.1008 Erwartungswert binomialverteilter Zufallsgrößen. Wird ein Bernoulli- Versuch, bei dem die Trefferwahrscheinlichkeit p = 0,2 ist, n = 40 mal durchgeführt,
MehrZufallsgröße X : Ω R X : ω Anzahl der geworfenen K`s
X. Zufallsgrößen ================================================================= 10.1 Zufallsgrößen und ihr Erwartungswert --------------------------------------------------------------------------------------------------------------
MehrRelative Häufigkeiten: Grundlagenaufgaben: Weitere tolle Übungsbeispiele mit Lösungen:
Relative Häufigkeiten: Grundlagenaufgaben: Weitere tolle Übungsbeispiele mit Lösungen: http://www.serlo.org/ 1. In einer Schulklasse ergaben sich bei einer Mathematikschulaufgabe folgende Noten: Note 1
MehrStochastische Unabhängigkeit. 01. Dezember 2014
Stochastische Unabhängigkeit 0. Dezember 204 Der Begriff der Unabhängigkeit Großbritannien, im November 999. Die Anwältin Sally Clark wird wegen Mordes an ihren Kindern angeklagt. Clark geriet unter Verdacht
MehrSimulation der Augensumme zweier Würfel
Simulation der Augensumme zweier Würfel Jürgen Appel Kurzfassung des Inhalts: Bei dieser Aufgabe müssen die Schülerinnen und Schüler zuerst die Wahrscheinlichkeitsverteilung für die Augensumme beim Werfen
MehrErwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung
R. Brinkmann http://brinkmann-du.de Seite 5.05.0 Erwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung Erwartungswert binomialverteilter Zufallsgrößen Wird ein Bernoulli- Versuch, bei
MehrEs werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.
R. Brinkmann http://brinkmann-du.de Seite 08..2009 Von der relativen Häufigkeit zur Wahrscheinlichkeit Es werden 20 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 20 Schülern
MehrVorbemerkungen. Die Programmieroberfläche des ClassPad
Vorbemerkungen Erfahrungen zeigen, dass die Programmiermöglichkeiten des ClassPad im Unterricht kaum genutzt werden. Dabei bieten aus unserer Sicht viele Situationen die Gelegenheit, die Programmieroberfläche
MehrSTOCHASTIK Die Binomialverteilung. Hartmut Meyer
STOCHASTIK Die Binomialverteilung Hartmut Meyer https://mathemeyer.com Inhalt BERNOULLI-Experimente BERNOULLI-Experiment... 2 BERNOULLI-Kette... 2 Die Formel von BERNOULLI... 4 Binomialverteilung Definition
MehrStochastik Klasse 10 Zufallszahlen
Thema Grit Moschkau Stochastik Klasse 10 Zufallszahlen Sek I Sek II ClassPad TI-Nspire CAS. Schlagworte: Urnenmodell, Histogramm, absolute und relative Häufigkeit, Zufallsexperiment, Wahrscheinlichkeit,
MehrHypothesentest, ein einfacher Zugang mit Würfeln
R. Brinkmann http://brinkmann-du.de Seite 4..4 ypothesentest, ein einfacher Zugang mit Würfeln Von einem Laplace- Würfel ist bekannt, dass bei einmaligem Wurf jede einzelne der Zahlen mit der Wahrscheinlichkeit
MehrDie ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist.
.3. Stochastik Grundlagen Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist. Die RELATIVE HÄUFIGKEIT einer Merkmalsausprägung gibt an mit welchem Anteil
MehrEinführung: Kaum Theorie, aber viel Training. Mehr Theorie in Zusätzliche Aufgabensammlung in 34021
STOCHASTIK Binomialverteilung Einführung: Kaum Theorie, aber viel Training Mehr Theorie in 3402 Zusätzliche Aufgabensammlung in 3402 Ausführliche Erklärung des Einsatzes dreier Rechner: Grafikrechner:
MehrStatistik für Ingenieure Vorlesung 3
Statistik für Ingenieure Vorlesung 3 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 14. November 2017 3. Zufallsgrößen 3.1 Zufallsgrößen und ihre Verteilung Häufig sind
MehrSchulinternes Curriculum. Mathematik Sekundarstufe II, Einführungsphase
Schulinternes Curriculum Mathematik, Lehrbuch: Gymnasiale Oberstufe, Cornelsen Verlag, Ausgabe Nordrhein-Westfalen GTR: TI-82 Stats (bis einschließlich Abiturjahrgang 2020) TI-Nspire CX (ab Abiturjahrgang
MehrWahrscheinlichkeit und Zufall
Wahrscheinlichkeit und Zufall Klassische Probleme der Wahrscheinlichkeitsrechnung 23. Juni 2009 Dr. Katja Krüger Universität Paderborn Inhalt Die Wetten des Chevalier de Méréé Warten auf die erste Sechs
MehrGrundwissen zur Stochastik
Grundwissen zur Stochastik Inhalt: ABHÄNGIGE EREIGNISSE...2 ABHÄNGIGKEIT UND UNABHÄNGIGKEIT VON ERGEBNISSEN...2 ABHÄNGIGKEIT UND UNABHÄNGIGKEIT VON MERKMALEN IN VIERFELDERTAFELN...2 ABSOLUTE HÄUFIGKEIT...2
MehrS = {W ; Z } S = {prim;prim } E=prim
Bernoulli-Versuche: Daniel Bernoulli 1700-1782 1782 Schweizer Mathematiker Ein Zufallsversuch mit nur zwei möglichen Ergebnissen heißt einstufiger Bernoulli-Versuch Versuch. Wir nennen künftig die Ergebnisse
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
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus:
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Relative Häufigkeiten als Schätzwerte für Wahrscheinlichkeiten - Simulationen mit dem GTR Das komplette Material finden Sie hier:
MehrStation 1 Das Galtonbrett, Realmodelle
Station 1 Das Galtonbrett, Realmodelle Zeit zur Bearbeitung: 10 Minuten 1.1 Versuch:. Münzwurf mit dem Galtonbrett Betrachtet wird folgendes Zufallsexperiment: Fünf identische Münzen werden zehn-mal geworfen.
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Kopiervorlagen Stochastik (2) - Wahrscheinlichkeitsrechnung
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Kopiervorlagen Stochastik (2) - Wahrscheinlichkeitsrechnung Das komplette Material finden Sie hier: School-Scout.de Inhaltsverzeichnis
Mehruntersuchen Lage- und Streumaße von Stichproben
Qualifikationsphase Leistungskurs 1 QII 2.1.2 Konkretisierte Unterrichtsvorhaben auf der Basis des Lehrwerks Buch: Elemente der Mathematik, Qualifikationsphase NRW Leistungskurs, Braunschweig 2015, Westermann
MehrVorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf. Vorlesung 04 Mathematische Grundlagen II,
Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf 1 Was sollen Sie heute lernen? 2 Agenda Wiederholung stetige Renditen deskriptive Statistik Verteilungsparameter
MehrMaximilian Gartner, Walther Unterleitner, Manfred Piok. Einstieg in die Wahrscheinlichkeitsrechnung
Zufallsexperimente Den Zufall erforschen Maximilian Gartner, Walther Unterleitner, Manfred Piok Thema Stoffzusammenhang Klassenstufe Einstieg in die Wahrscheinlichkeitsrechnung Daten und Zufall 1. Biennium
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Brüche über Wahrscheinlichkeiten einführen
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Das komplette Material finden Sie hier: School-Scout.de Vorüberlegungen 1.18 Ziele und Inhalte: Die Schüler lernen elementare Regeln
Mehrml-exponentialverteilung-schwimmbad-3f.doc
Warum sich Ereignisse oft häufen: Die Eponentialverteilung trifft man auch im Schwimmbad von Wolfgang Riemer, Köln Abstract Man kommt aus dem Schwimmbecken. Nur wenige Leute sind im Umkleideraum, aber
MehrEindimensionale Zufallsvariablen
Eindimensionale Grundbegriffe Verteilungstypen Diskrete Stetige Spezielle Maßzahlen für eindimensionale Erwartungswert Varianz Standardabweichung Schwankungsintervalle Bibliografie Bleymüller / Gehlert
MehrDer Weg eines Betrunkenen
Der Weg eines Betrunkenen 2 Hätte es damals schon Computer gegeben, wäre es für unseren Mathematiker um einiges leichter gewesen, den Weg des Betrunkenen zu bestimmen. Er hätte nicht nur eine beliebige
MehrStatistik 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
MehrWürfelspiel. Heinz Klaus Strick. Beispiele zum Einsatz des TI-30X Plus MultiView :
Beispiele zum Einsatz des TI-30X Plus MultiView : Würfelspiel Für den schulartübergreifenden Einsatz Stochastik Grundkurs Besonders passend für Baden-Württemberg und Bayern Bei einem Würfelspiel hat ein
MehrElemente der Stochastik (SoSe 2016) 10. Übungsblatt
Dr. M. Weimar 3.06.206 Elemente der Stochastik (SoSe 206) 0. Übungsblatt Aufgabe (2+2+2+2+3= Punkte) Zur zweimaligen Drehung des nebenstehenden Glücksrads (mit angenommener Gleichverteilung bei jeder Drehung)
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Wie stehen unsere Chancen? Das komplette Material finden Sie hier:
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Wie stehen unsere Chancen? Das komplette Material finden Sie hier: School-Scout.de RAAbits Hauptschule 7 9 Mathematik 78 Zufallsversuche
MehrZentrale Prüfungen 2015 Mathematik
M MSA HT L 05 Unterlagen für die Lehrkraft Zentrale Prüfungen 05 Mathematik Realschule / Gesamtschule (Erweiterungskurs) / Hauptschule (Klasse 0 Typ B) Prüfungsteil I n bis 6 ordnet die Zahlen der Größe
MehrInformatik 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,
MehrClassPad- Workshop Wahrscheinlichkeit. Merkblatt zu Wahrscheinlichkeiten mit dem ClassPad
09_Wahrscheinlichkeit_Eisenmann_Classpad, Eisenmann, Ganerben-Gymnasium, Künzelsau ClassPad- Workshop Wahrscheinlichkeit Merkblatt zu Wahrscheinlichkeiten mit dem ClassPad Im Statistik- Menü des ClassPad
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
MehrZentrale Prüfungen 2015 Mathematik
Name: Zentrale Prüfungen 2015 Mathematik Realschule / Gesamtschule (Erweiterungskurs) / Hauptschule (Klasse 10 Typ B) Prüfungsteil I Aufgabe 1 Ordne folgende Zahlen der Größe nach: 10 ; 2 ; 10 ; 2 Aufgabe
MehrInformatik 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,
Mehrmathphys-online Abiturprüfung Berufliche Oberschule 2014 Mathematik 13 Technik - B II - Lösung
Abiturprüfung Berufliche Oberschule 20 Mathematik Technik - B II - Lösung Aufgabe An einer Beruflichen Oberschule besuchen acht Schülerinnen und zehn Schüler die. Jahrgangsstufe in der Ausbildungsrichtung
MehrAnleitung: Standardabweichung
Anleitung: Standardabweichung So kann man mit dem V200 Erwartungswert und Varianz bzw. Standardabweichung bei Binomialverteilungen für bestimmte Werte von n, aber für allgemeines p nach der allgemeinen
MehrAngewandte Mathematik 9. Mai 2014 Korrekturheft Teil A
Standardisierte kompetenzorientierte schriftliche Reife- und Diplomprüfung Angewandte Mathematik 9. Mai 2014 Korrekturheft Teil A Aufgabe 1 a) x Masse der Rosinen oder Mandeln in Kilogramm (kg) y Masse
MehrStatistik 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.
Mehrmarienschule euskirchen
Schulinternes Curriculum Mathematik Sekundarstufe II Einführungsphase (ab Schuljahr 2014/2015) Lehrbuch: Bigalke/Köhler Mathematik Sekundarstufe II, Cornelsen Verlag GTR: TI-82 Stats 1/8 ca. 8 UE sbezogene
MehrNatürliche Häufigkeiten zur intuitiven Einführung der bedingten Wahrscheinlichkeiten Eine Idee für den Mathematikunterricht der gymnasialen Oberstufe
Natürliche Häufigkeiten zur intuitiven Einführung der bedingten Wahrscheinlichkeiten Eine Idee für den Mathematikunterricht der gymnasialen Oberstufe Axel Müller 7. Oktober 2017 1 Der Begriff der bedingten
Mehrd) Ermitteln Sie ein möglichst kleines, zum Erwartungswert symmetrisches Intervall, in dem mit mehr als 90% die Anzahl der geworfenen Vieren liegt?
Die Ungleichung von Tschebyschow für die Trefferanzahl X und die relative Anzahl der Treffer H n (X) bei Bernoulliketten =================================================================== 1. Ein Laplace-Tetraeder
MehrModellierung- und Simulation Mathis Plewa ( )
Inhaltsverzeichnis Abbildungsverzeichnis... 1 Übungsaufgabe: Zufallsgeneratoren und Histogramme... 2 Standard Gleichverteilung... 2 Gaußverteilung... 3 Exponentialverteilung... 4 Übungsaufgabe: Geometrische
MehrBedingte Wahrscheinlichkeiten: Ein Baumdiagramm der nachstehenden Art bzw. die zugehörige Vierfeldertafel gibt jeweils absolute Häufigkeiten an.
Bedingte Wahrscheinlichkeiten: Ein Baumdiagramm der nachstehenden Art bzw. die zugehörige Vierfeldertafel gibt jeweils absolute Häufigkeiten an. Interpretiert man die numerischen Einträge als Beschreibungen
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ
MehrKennzahlen. Online-Ergänzung CHRISTOPH HORMANN HELMUT MALLAS. MNU 67/7 ( ) Seiten 1 5, ISSN , Verlag Klaus Seeberger, Neuss
Kennzahlen CHRISTOPH HORMANN HELMUT MALLAS Online-Ergänzung MNU 67/7 (15.10.2014) Seiten 1 5, ISSN 0025-5866, Verlag Klaus Seeberger, Neuss 1 CHRISTOPH HORMANN HELMUT MALLAS Kennzahlen S. I S. I + II S.
Mehr3. Lektion: Deskriptive Statistik
Seite 1 von 5 3. Lektion: Deskriptive Statistik Ziel dieser Lektion: Du kennst die verschiedenen Methoden der deskriptiven Statistik und weißt, welche davon für Deine Daten passen. Inhalt: 3.1 Deskriptive
MehrStatistik Übungen Sommeruni 2018
Statistik Übungen Sommeruni 2018 Blatt 2: Wahrscheinlichkeitsrechnung 1. Die nach dem französischen Mathematiker Pierre-Simon de Laplace benannten Laplace- Experimente beruhen auf der Annahme, dass bei
MehrZufall? Als Zufall werden Dinge bezeichnet, die nicht vorhergesehen werden können.
H 1 Zufall? Als Zufall werden Dinge bezeichnet, die nicht vorhergesehen werden können. Beispiel: - Eine Münze wird geworfen und die Zahl liegt oben. Das ist nicht vorhersehbar! Es könnte auch Kopf oben
Mehr) (1 BE) 1 2 ln 2. und somit
1 Aufgaben aus dem Aufgabenpool 1 1.1 Analysis A1_1 Eine Funktion f ist durch 1 x f(x) e 1, x IR, gegeben. Ermitteln Sie die Nullstelle der Funktion f. ( ) b) Die Tangente an den Graphen von f im Punkt
MehrHinweise zum Wahlteil
ga Gymnasium Hinweise zum Im sind 68 Bewertungseinheiten (BE) von insgesamt 88 BE erreichbar. Am Ende jeder Teilaufgabe sind die erreichbaren Bewertungseinheiten angegeben. Auswahl der Aufgaben Sie erhalten
MehrÜbungsscheinklausur,
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:...
MehrSimulation eines Geburtstagsproblems
Simulation eines Geburtstagsproblems Jürgen Appel Kurzfassung des Inhalts: Bei der Aufgabe handelt es sich um eine einfache Variante eines Geburtstagsproblems mit drei Personen. Die Wahrscheinlichkeit
MehrDie erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man:
Die erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man: a) Die absoluten Häufigkeit: Sie gibt an, wie oft ein Variablenwert vorkommt b) Die relative Häufigkeit: Sie erhält
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Einführung des Wahrscheinlichkeitsbegriffs
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Das komplette Material finden Sie hier: School-Scout.de Vorüberlegungen 5.6 Ziele und Inhalte: Die Schüler können Zufallsexperimente
MehrStochastik 03 Zufallsgröÿen und Verteilung
29. August 2018 Grundlagen der Stochastik (bis Klasse 10) Grundlagen der Statistik (bis Klasse 10) Zufallsgrößen und Verteilungen Beurteilende Statistik (Testen von Hypothesen) Bernoulli-Experimente Ziele
MehrDie erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man:
Die erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man: a) Die absoluten Häufigkeit: Sie gibt an, wie oft ein Variablenwert vorkommt b) Die relative Häufigkeit: Sie erhält
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
MehrStatistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
MehrKinga Szűcs
Kinga Szűcs 28.10.2014 Warum wird Stochastik in der Schule unterrichtet? Welche Vorteile kann der Stochastikunterricht in den MU bringen? Welche Nachteile kann der Stochastikunterricht haben? Welche Ziele
Mehr9.2 Augensummen beim Würfeln mit zwei Würfeln
9.2 Augensummen beim Würfeln mit zwei Würfeln Thema der Unterrichtsstunde Augensummen beim Würfeln Beschreibung der Lerngruppe Die Klasse 6 setzt sich aus 9 Schülerinnen und 2 Schülern (im Folgenden kurz
MehrMathematik für Naturwissenschaften, Teil 2
Lösungsvorschläge für die Aufgaben zur Vorlesung Mathematik für Naturwissenschaften, Teil Zusatzblatt SS 09 Dr. J. Schürmann keine Abgabe Aufgabe : Eine Familie habe fünf Kinder. Wir nehmen an, dass die
MehrSatz 16 (Multiplikationssatz)
Häufig verwendet man die Definition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A B] = Pr[B A] Pr[A] = Pr[A B] Pr[B]. (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1,..., A n gegeben.
Mehr1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte. D. Horstmann: Oktober
1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte D. Horstmann: Oktober 2014 4 Graphische Darstellung von Daten und unterschiedliche Mittelwerte Eine Umfrage nach der Körpergröße
Mehr73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments
73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind
MehrProgramm. Wiederholung. Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung. Binomialverteilung. Hypergeometrische Verteilung
Programm Wiederholung Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung Binomialverteilung Hypergeometrische Verteilung Wiederholung verschiedene Mittelwerte für verschiedene Skalenniveaus
Mehr3. Die Prozentsätze bei Tim addieren sich nicht zu 100 %. Theo hat und verwechselt. Sonst passen die Schätzungen.
Anlage A2: Lösungen zu den Aufgaben von S. 1 bis Zahl der der Würfe der relative Häufigkeit Seite 1 48 100 48 48,0 % 51 200 99 49,5 % 37 300 13 45,3 % 35 400 171 42,8 % 1. a), b) Auswertung der Daten in
MehrDWT 1 Grundlagen 17/476 c Ernst W. Mayr
Ē heißt komplementäres Ereignis zu E. Allgemein verwenden wir bei der Definition von Ereignissen alle bekannten Operatoren aus der Mengenlehre. Wenn also A und B Ereignisse sind, dann sind auch A B, A
MehrKinga Szűcs
Kinga Szűcs 25.10.2011 Die Schülerinnen und Schüler werten graphische Darstellungen und Tabellen von statistischen Erhebungen aus, planen statistische Erhebungen, sammeln systematisch Daten, erfassen sie
MehrDie Umsetzung der Lehrplaninhalte in Fokus Mathematik Einführungsphase auf der Basis des Kerncurriculums Mathematik in Nordrhein-Westfalen
Die Umsetzung der Lehrplaninhalte in auf der Basis des Kerncurriculums Mathematik in Nordrhein-Westfalen Schulinternes Curriculum Schülerbuch 978-3-06-041672-1 Lehrerfassung des Schülerbuchs 978-3-06-041673-8
MehrStatistik 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
MehrJe größer n und je näher p bei 0,5 liegt, desto besser wird i. A. die Näherung. Als Faustregel gilt, dass die Näherung geeignet ist, wenn.
1. Sigma-Regeln / Sigma-Umgebungen Die Sigma-Regeln geben an: - mit welcher Wahrscheinlichkeit die Werte einer binomialverteilten Zufallsgröße in bestimmten Intervallen um den Erwartungswert liegen. (also
MehrSerie 9, Musterlösung
WST www.adams-science.org Serie 9, Musterlösung Klasse: 4U, 4Mb, 4Eb Datum: FS 18 1. Mädchen vs. Knaben 442187 Unter 3000 in einer Klinik neugeborenen Kindern befanden sich 1578 Knaben. Testen Sie mit
MehrAUSWERTEN. Ein Zufallsexperiment wird ausgewertet, indem man die relativen Häufigkeiten berechnet. Die relative Häufigkeit ist das Verhältnis:
Hilfe EIN ZUFALLSEXPERIMENT AUSWERTEN Die Ergebnisse eines Zufallsexperiments werden in der Regel in einer Tabelle aufgeschrieben. Hierzu können während des Experiments Strichlisten geführt oder nach Beendigung
MehrVorbereitung Blatt 13: Gleichverteilung auf [0, 1]
Vorbereitung Blatt 3: Gleichverteilung auf [, ] Jörg Nikutta. Januar 3 Wir werden in Übung 3 eine für Sie noch ungewohnte Art der Wahrscheinlichkeitsrechnung verwenden. Diese möchte ich vorab näher bringen:
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011 Aufgabenstellung und Ergebnisse Dr. Martin Becker Hinweise für die Klausurteilnehmer
MehrMusterlösung zur Übungsklausur Statistik
Musterlösung zur Übungsklausur Statistik WMS4A Oettinger 6/205 Aufgabe (a) Falsch: der Modus ist die am häufigsten auftretende Merkmalsausprägung in einer Stichprobe. (b) Richtig: ein ordinales Merkmal
MehrAngewandte Stochastik
Angewandte Stochastik Dr. C.J. Luchsinger 13 Allgemeine Theorie zu Markov-Prozessen (stetige Zeit, diskreter Zustandsraum) Literatur Kapitel 13 * Grimmett & Stirzaker: Kapitel 6.9 Wie am Schluss von Kapitel
MehrAbitur 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
MehrVorwort Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße Erwartungswert und Varianz...
Inhaltsverzeichnis Vorwort... 2 Zum Einstieg... 3 1 Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße... 5 1.2 Erwartungswert und Varianz... 7 2 Wahrscheinlichkeitsverteilungen
MehrHinweise zu den Anregungen zum Nachdenken und für eigene Untersuchungen
Heinz Klaus Strick: Mathematik ist schön, Springer-Verlag, ISBN: 978--66-579-9 Hinweise zu den Anregungen zum Nachdenken und für eigene Untersuchungen zu A.1: n 1 4 5 6 7 8 9 10 11 1 1 14 15 16 17 18 19
Mehr2.1.2 Konkretisierte Unterrichtsvorhaben auf der Basis des Lehrwerks
2.1.2 Konkretisierte Unterrichtsv auf der Basis des Lehrwerks Einführungsphase 1 Buch: Bigalke, Dr. A., Köhler, Dr. N.: Mathematik Gymnasiale Oberstufe Nordrhein-Westfalen Einführungsphase, Berlin 2014,
MehrÜbungsblatt 7 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker
Aufgabe Aufgabe 2 Übungsblatt 7 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker.2.202 Aufgabe Aufgabe 2 Bei einem Zufallsexperiment werden zwei Würfel geworfen und
MehrTeilaufgabe 1 Teilaufgabe 2
20 Prozent Akrobatik Teilaufgabe Teilaufgabe 2 Teilaufgabe 3 2 Ampelkarte Teilaufgabe Teilaufgabe 2 2 Anzahl von Nullen Teilaufgabe Teilaufgabe 2 Aussagen über Dreiecke Teilaufgabe Teilaufgabe 2 In einem
MehrMathematik: LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 12. Erwartungswert, Varianz und Standardabweichung
Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester ARBEITSBLATT Erwartungswert, Varianz und Standardabweichung Die Begriffe Varianz und Standardabweichung sind uns bereits aus der Statistik bekannt
Mehr