Knut Bartels / Hans Gerhard Strohe. Arbeitsblätter. zur Vorlesung im Wintersemester 2005/06. Statistik II Induktive Statistik
|
|
- Miriam Kaiser
- vor 8 Jahren
- Abrufe
Transkript
1 Knut Bartels / Hans Gerhard Strohe Arbeitsblätter zur Vorlesung im Wintersemester 2005/06 Induktive Statistik Dies ist kein Vorlesungsskript
2 Wirtschafts- und Sozialwissenschaftliche Fakultät Lehrstuhl für Statistik und Ökonometrie Prof. Dr. Hans Gerhard Strohe Dr. Knut Bartels Sekretariat: Frau Viola Schölzel Campus Griebnitzsee, Haus 1, Zi. 307 Telefon: 0331 /
3 Diese Blätter sind nicht die Statistik-Vorlesung, auch kein Vorlesungs-Skript, sondern nur eine unverbindliche und sehr unvollständige Mitschreibe- und Erinnerungshilfe. Sie finden darin die Begriffe und Schwerpunkte, mit denen Sie sich tiefer beschäftigen sollten. Sie können auf keinen Fall den Vorlesungsbesuch, die aktive Mitarbeit in den Übungen und das Literaturstudium ersetzen. Prüfungsrelevant sind nicht diese Folien, sondern die in der eigentlichen Vorlesung angebotenen Inhalte, die einer ständigen Aktualisierung und Ergänzung unterliegen. Statistik I I. 3
4 Gliederung 1. Wahrscheinlichkeitsrechnung in Mathematik und Wirtschaft 1.0 Voraussetzungen 1.1 Zufällige Ereignisse Definition Wirtschaftswissenschaftliche Relevanz Ereignisoperationen 1.2 Wahrscheinlichkeit Definitionen Rechengesetze Bedingte Wahrscheinlichkeit Formel von Bayes und praktische Nutzung 1.3 Zufallsvariable und Verteilungen Definitionen Diskrete Zufallsvariable in Theorie und Praxis Stetige Zufallsvariable in Mathematik und Wirtschaft Allgemeine Verteilungsgesetze 1.4 Stichprobenfunktionen I. 4
5 2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen Angestrebte Eigenschaften von Schätzern Beispiele: Durchschnitt und Varianz Schätzprinzipien LS und ML 2.2 Schätzen von Vertrauensintervallen Schwankungsintervall Konfidenzintervall, Konfidenzniveau Intervallschätzung des Erwartungswertes wirtschaftlicher Größen Intervallschätzung von ökonomischen Anteilszahlen I. 5
6 3. Das Prüfen von Hypothesen 3.1 Signifikanztests in der Wirtschaft 3.2 Hypothesen über Durchschnitte 3.3 Hypothesen über Anteile 3.4 χ² -Tests Prüfen der Varianz Prüfen der Unabhängigkeit statistischer Merkmale Prüfen von Verteilungen 3.5 Prüfen des Medians 3.6 Fehler erster und zweiter Art I. 6
7 1 Wahrscheinlichkeitsrechnung in Mathematik und Wirtschaft 1.0 Voraussetzungen Fragen: Beispiele für Unsicherheiten im täglichen Leben? In der Wirtschaft? Haben wir ein zuverlässiges Gefühl für Wahrscheinlichkeit? Wodurch wird die Wahrnehmung verzerrt? Was ist Wahrscheinlichkeit? - Wahr oder Schein? Subjektiv oder Objektiv? I. 7
8 Fachliche Voraussetzungen: Mengenlehre Kombinatorik Grundbegriffe von BWL und VWL Bitte unbedingt wiederholen! I. 8
9 Geschichte (I): Altertum und Mittelalter: - subjektiv - nicht quantitativ - wahrsagerisch 16. Jh.: Erste Versuche: - Cardano: De ludo aleae - Galilei ( - ) : 3 Würfel, P(10)>P(9)? I. 9
10 Geschichte (II): 17. Jh.: - Glückspielprobleme des Chevalier de Mere : Teilungsproblem - Briefwechsel zwischen B. Pascal und P. Fermat (1654 Geburtsjahr der Wahrscheinlichkeitsrechnung = Geometrie des Glücks ); - Ganz andere Fragen in England: Graunt s... ( , s. Statistik I) I. 10
11 Geschichte (III): 18. Jh.: - Theorie und Empirie: Datenanalyse Astronomie und Versicherung herausragend: - Jakob Bernoulli (Schweiz): Theorie, Kombinatorik, Binomialverteilung, Spiele und ökonomische Anwendungen - Bruder Nikolaus Bernoulli: Formel für die Ruin-Wahrscheinlichkeit I. 11
12 Geschichte (IV): noch 18. Jh.: noch herausragend: - Bayes: Neuer, allgemeinerer Wahrscheinlichkeitsbegriff - Laplace: Wahrscheinlichkeit, Statistik und Prognose -... Statistik I. II I. 12
13 Geschichte (V): 19. Jh.: Weiterentwicklung, Vervollständigung und Ausdehnung in fast alle Wissenschaften - Gauß ( ): Normalverteilung, Methode d. kleinsten Quadrate, Schätztheorie - Poisson, Quetelet, Galton: Wahrscheinlichkeit in Wirtschafts- und Sozialwissenschaften und Biologie (Genetik) -... I. 13
14 Geschichte (VI): 20. Jh.: Unüberschaubar viel - Mathematische Statistik R.A.Fisher ( ), Pearson, Gosset - Axiomatische Definition der Wahrscheinlichkeit (Kolmogorow 1933) -... Neue Anwendungen: - Wahrscheinlichkeit am Finanzmarkt ( ; wieder zurück zum Glücksspiel?) I. 14
15 1.1 Zufällige Ereignisse Definition Zufallsversuch (= Zufallsvorgang, hier kurz V): (theoretisch) wiederholbarer Vorgang oder Fragestellung mit ungewissem Ausgang Beispiele?? Zufälliges Ereignis: (genau definiertes, aber ungewisses) Resultat eines... I. 15
16 1.1 zufällige Ereignisse (II) Beispiele 1. V: Münzenwurf E 1 = Zahl ; E 2 = Bild 2. V: Erhebung der Beschäftigungsdauer eines Erwerbstätigen z.b.: A 1 = weniger als 3 Monate, A 2 = genau 5 Monate weitere?? 3. V: Kurs einer Aktie bei Börsenschluss? Zufällige Ereignisse?? I. 16
17 1.1 zufällige Ereignisse (III) Spezielle theoretische zufällige Ereignisse: Sicheres Ereignis: (= Ereignisraum ) Unmögliches Ereignis: (=leere Menge Ø) Beispiel: V: Würfeln Sicheres Ereignis: Augenzahl kleiner als 10 Augenzahl größer als 0 oder Unmögliches Ereignis: Augenzahl = 20 u.a. Besonderheit? I. 17
18 1.1 zufällige Ereignisse (IV) Elementarereignisse entsprechen genau je einem unteilbaren Versuchsausgang, d. h. sie enthalten keine unterschiedlichen Möglichkeiten und schließen einander aus. Beispiele: V1: einfaches Würfeln, 6 Elementarereignisse: : : :: : : ::: V2: Aktienkurs bei Börsenschluss: Wie viele Elementarereignisse I. 18
19 1.1 zufällige Ereignisse (V) weitere Beispiele: V3: Familienbildung mit 3 Kindern: Ereignis drei Jungen ist Elementarereignis Ereignis zwei Jungen - nicht. Warum nicht?? V4: Energieverbrauch eines Haushalts: jede einzelne nichtnegative reelle Zahl ist Elementarereignis Unterschiede? I. 19
20 1.1 zufällige Ereignisse (VI) Ereignisraum, Ereignismenge, Stichprobenraum: Menge Ω aller Elementarereignisse eines Zufallsvorganges Beispiele Beim Würfeln = {, :,..., ::, : :, ::: } Beim Energieverbrauch? I. 20
21 1.1 zufällige Ereignisse (VII) Darstellung von Ereignissen wie in Mengenlehre A 1 A 2 A 3 : I. 21
22 1.1 zufällige Ereignisse (VIII) Beispiel Versuch: Würfeln; z. B. 3 Ereignisse A 1 ungerade Augenzahl A 2 Augenzahl 1 A 3 Augenzahl durch 3 teilbar Ist ein Elementarereignis darunter??? Jedes Ereignis setzt sich aus Elementarereignissen zusammen. Ausnahme:... I. 22
23 1.1 zufällige Ereignisse (IX) Wirtschaftswissenschaftliche Relevanz Ereignisoperationen: Durchschnitt: A B = "A und B treten ein" Beispiele: - Würfel: A 1 A 3 = {} -Kurs: z.b. A = höher als 200 B = unter 210 A B = zwischen 200 und 210 I. 23
24 1.1 zufällige Ereignisse (X) Vereinigung: A B = A oder B tritt ein (nicht...!) Beispiel: -Würfel: A 1 A 3 = {,, : :, } I. 24
25 1.1 zufällige Ereignisse (XI) weiteres Beispiel: - Kurs: C = zwischen 200 und 210" D = zwischen 206 und 215" C D = zwischen 200 und 215 C D =?? I. 25
26 1.1 zufällige Ereignisse (XII) Komplementäres Ereignis (Negation): A = "A tritt nicht ein" Beispiel: A 1 - Würfeln: = {:, ::, ::: } - Kurs: =?? D I. 26
27 1.1 zufällige Ereignisse (XIII) leicht zu zeigen (Übungsaufgabe) E E... E E... de-morgansche Formeln: E D E D E D E D I. 27
28 1.1 zufällige Ereignisse (XIV) Relationen (wie in der Mengenlehre): A B : Wenn Ereignis A eintritt, tritt auch B ein, d. h. A zieht B nach sich Beispiel: (Würfeln) A2 A 1 Analog: Beispiele?, I. 28
29 1.1 zufällige Ereignisse (XV) Folgerungen: Aus A B und B A folgt... Aus A B folgt A B B Wiederholung: Jedes zufällige Ereignis ist selbst eine Menge von Ereignissen. Wann? I. 29
30 1.1 zufällige Ereignisse (XVI) Ereignisfeld : Menge aller zufälligen Ereignisse (Mengen), die als Ausgang eines Zufallsversuchs eintreten können, einschließlich des unmöglichen Ereignisses, = Menge aller Ereignisse, die sich aus den Elementarereignissen des Ereignisraums bilden lassen: = Menge aller Teilmengen von = Potenzmenge des Ereignisraumes. I. 30
31 1.1 zufällige Ereignisse (XVII) Beispiel: Würfeln: Ø, { }, {:},..., {:::} (Anzahl = 7) {, : }, {: :, ::: } 6! ( K 6,2 4!2! 15) {, :, },..., (... = 20) {, :,,, : : },..., (... = 15) {, :,,, : :, : : },..., (... = 7) I. 31
32 1.1 zufällige Ereignisse (XVIII) noch Beispiel: noch Würfeln: Summe aller Kombinationen ohne Wdh.: K (6,0) + K (6,1) + K (6,2) K (6,6) = 64 = 2 6 Verallgemeinert: Ereignisanzahl =... bei n Elementarereignissen I. 32
33 1.2. Wahrscheinlichkeit Wahrscheinlichkeit Definitionen (I) Wahrscheinlichkeit als Maß für den Grad der Sicherheit des Eintretens eines Ereignisses bei einem Zufallsversuch. Definitionen b) Klassische Definition nach Laplace ( ) P(A) = Anz. d. für A günstigen Möglichkeiten... I. 33
34
35 1.2.1 Wahrscheinlichkeit Definitionen (II) noch a) Klassische Definition nach LaPlace ( ) Annahme: Alle Elementarereignisse gleichwahrscheinlich. Anzahl der in A enthalt. El.ereign. n (A) P(A) = = Gesamtanzahl an Elementarereign. n () Beispiele: c) (Münze) P("Zahl") = 1 /2 = 0.5 e) (Würfel) P(A 1 ) = 3 /6 = 0.5 I. 35
36 1.2.1 Wahrscheinlichkeit Definitionen (III) noch Beispiele: c) Wahrscheinlichkeit des Knackens K ihres Kontos bei 4-stelligem Pin-Code, wenn dem Dieb bekannt ist, dass er mit einer 7 beginnt. Variationen (Reihenfolge spielt Rolle) mit Wiederholungen von 10 Elementen (Ziffern) zur Ordnung 3 (noch freie Pins): P(K) = 1 /V w (10;3) = 1 /10 3 = 0,001 d.h.?? I. 36
37 1.2.1 Wahrscheinlichkeit Definitionen (IV) noch Beispiele: d) (nach Bamberg/Baur) 5 Folienschreiber, 2 Stifte wasserlöslich. Arbeit immer mit blind gegriffenem Stift. A = Folien mit Wasser korrigierbar Frage 1): P(A) =? Lösung: 1 = {wählbare Stifte} n( 1 ) = 5; n(a) = 2 P(A) = 2/5 = 0,4 I. 37
38 1.2.1 Wahrscheinlichkeit Definitionen (V) weiterhin noch Beispiel d) : Jetzt 3 Tage Arbeit, jeden Tag zufällig einen Stift benutzen (abends zurücklegen!) B= "Keine Folie mit Wasser korrigierbar" Frage 2) P(B)=? I. 38
39 1.2.1 Wahrscheinlichkeit Definitionen (VI) weiterhin noch Beispiel d) : Lösung: Neuer Ereignisraum 2 (3 Tage): Jeden Tag n=5 Möglichkeiten: 1.Tag 2.Tag 3.Tag = 125 Elementarereignisse Wiederholung möglich, Reihenfolge wichtig Variationen n( 2 ) = V w (5,3) =5 3 =125 I. 39
40 1.2.1 Wahrscheinlichkeit Definitionen (VII) Analog allein mit den 3 wasserfesten Stiften: n(b)=v w (3,3)=33=27 Also P(B) = n(b)/n(ω 2 ) = 27/125 =... Interpretation?? Prof. Dr. H. G. Strohe I. 40
41 1.2.1 Wahrscheinlichkeit Definitionen (VIII) Ohne theoretisches Wissen: b) Statistische Definition der Wahrscheinlichkeit: Relative Häufigkeit, n-malige Wiederholung des Versuchs h-maliges Auftreten von A: P n (A) =p n =... Von n abhängig, aber mit wachsendem n immer kleinere Unterschiede I. 41
42 1.2.1 Wahrscheinlichkeit Definitionen (IX) Beispiel: 400 importierte Kälber, V 1 = Prüfung auf Rückst. v. Antibiotika V 2 = Prüfung auf Hormongaben (A 1 =positiv) (A 2 = positiv) V 1 50-mal positiv, V 2 40-mal pos., 20-mal beide positiv (= A 1 A 2 ) I. 42
43 1.2.1 Wahrscheinlichkeit Definitionen (X) noch Beispiel: P P P (A (A (A ) 0,125 P(A1) A2 ) P(A1 A ) P(A 2 ) ) I. 43
44 1.2.1 Wahrscheinlichkeit Definitionen (XI) c) Axiomatische Definition Wahrscheinlichkeitsbegriff erst Anfang 20.Jh. mathematisch präzisiert: Kolmogorowsches Axiomensystem 1) Für jedes E gilt 0 P(E) 1. 3) P() = 1 3) Für E 1, E 2 mit E 1 E 2 =Ø gilt P(E 1 E 2 ) =... (Additivität). I. 44
45 1.2.2 Wahrscheinlichkeit Rechengesetze (I) Aus den Axiomen abgeleitete Sätze: a) P(Ø) =... Beispiel: (Würfeln) P( ) = P(Ø) = 0 Achtung: Aus P(A) = 0 folgt nicht immer A = Ø Beispiel: P("DAX = 3937, ") = 0 warum?? Aber Ereignis nicht unmöglich. Elementarereignis ist hier atomares Ereignis. I. 45
46 1.2.2 Wahrscheinlichkeit Rechengesetze (II) a) P( A) = 1 - P(A) c) Additionssatz: P(A B) = P(A) + P(B) - P(A B) = P(A) + P( B) A Beweise?? I. 46
47 1.2.2 Wahrscheinlichkeit Rechengesetze (III) Beispiele: a) (Würfeln, Ereignissymbole wie zuletzt) P(A 1 A 3 ) = 3/6 + 2/6-1/6 = 4/6 = 2/3 b) (Kälber, entspr. Bezeichnungen) Aussage? P(A 1 A 2 ) = 1/8 + 1/10-1/20 = 7/40 = I. 47
48 1.2.2 Wahrscheinlichkeit Rechengesetze (IV) d) A B P(A) P(B) Beispiel: (Würfeln) A 2 A 1 P(A 1 ) = 3 /6; P(A 2 ) = 1 /6 Komplexbeispiel: Lieferung eines Gerätes. Gelegentlich Zurückweisung, I. 48
49 1.2.2 Wahrscheinlichkeit Rechengesetze (V) noch Komplexbeispiel: Mögliche Gründe: Ereignisse A 1 = Maße falsch P(A 1 ) = 0.08 A 2 = Materialfehler P(A 2 ) = 0.12 A 3 = Verspätung P(A 3 ) = 0.05 Weiter vorgegeben: P(A 1 A 2 ) = 0.02; P(A 1 A 3 ) = 0.02; P(A 2 A 3 ) = 0.02 P(A 1 A 2 A 3 ) = 0.01 I. 49
50 1.2.2 Wahrscheinlichkeit Rechengesetze (VI) Gesucht: a) Wahrscheinlichkeit, dass Lieferung zurückzuweisen ist b) Wahrscheinlichkeit, dass eine Lieferung nicht zurückzuweisen ist c) Wahrscheinlichkeit, dass an einer Lieferung nur Materialfehler zu bemängeln sind. I. 50
51 1.2.2 Wahrscheinlichkeit Rechengesetze (VII) Lösungen: a) P(A 1 A 2 A 3 ) = P(A 1 {A 2 A 3 }) = P(A 1 ) + P(A 2 A 3 ) - P(A 1 {A 2 A 3 }) = P(A 1 ) + P(A 2 A 3 ) - P( {A 1 A 2 } {A 1 A 3 } ) = P(A 1 ) + [P(A 2 ) + P(A 3 ) - P(A 2 A 3 )] - [P(A 1 A 2 ) + P(A 1 A 3 ) - P(A 1 A 2 A 3 )] = 0,08 + 0,12 + 0,05-0,02 - [0,02 + 0,02 0,01] = 0,23-0,03 = 0,2 Interpretation? I. 51
52 1.2.2 Wahrscheinlichkeit Rechengesetze (VIII) noch Lösungen b) P A A A = 1 - P(A 1 A 2 A 3 ) = Mit Wk. v. 80% ist ein beliebiges Teil nicht fehlerhaft c) gesucht: P(A 2 {A 1 A 3 }) (nur A 2!) zunächst: A 1 A 2 A 3 = (A 1 A 3 ) (A 2 {A 1 A 3 }) warum? I. 52
53 1.2.2 Wahrscheinlichkeit Rechengesetze (IX) noch Lösungen noch c) Weil einander ausschließend: P (A 1 A 2 A 3 ) = P(A 1 A 3 ) + P(A 2 {A 1 A 3 }) Umgekehrt: P (A 2 {A 1 A 3 }) = P(A 1 A 2 A 3 ) - P( A 1 A 3 ) = P(A 1 A 2 A 3 ) - [P(A 1 ) + P(A 3 ) - P(A 1 A 3 )] d.h.? = [ ] =
54 1.2.3 Bedingte Wahrscheinlichkeit Frage nach stochastischer Unabhängigkeit von Ereignissen Wahrscheinlichkeit unter Zusatzinformationen P(A B) = Wahrscheinlichkeit für Eintreffen d. Ereignisses A unter der Bedingung, dass Ereignis B eintritt (eingetreten ist) I. 54
55 1.2.3 bedingte Wahrscheinlichkeit (II) Beispiele: a) (wieder mangelhafte Lieferung) P(A 1 A 2 ) ist Wahrscheinlichkeit, dass ein Stück mit Materialfehler (A 2 = Bedingung) nicht maßgerecht (A 1 ) ist. Unterschied zu P(A 1 )?? I. 55
56 1.2.3 bedingte Wahrscheinlichkeit (III) noch noch Beispiele: b) (Würfeln, alte Bezeichnungen) P(A 2 A 1 ) ist Wahrscheinlichkeit, dass eine (A 2 ) gewürfelt, wenn eine ungerade Augenzahl (A 1 = Bedingung) gewürfelt wurde. Unterschied zu P(A 2 )?? I. 56
57 1.2.3 bedingte Wahrscheinlichkeit (IV) noch Beispiele: c) Statistisch bestimmte Wahrscheinlichkeiten für 2002: Einwohner Deutschlands: n = Versuche I = Tod eines beliebigen Einwohners Deutschlands 2002 durch Infektionskrankheit P(I) = n(i)/n = G = Tod durch Gewalt; P(G)= (für Männer...51; für Frauen...27) I. 57
58 1.2.3 bedingte Wahrscheinlichkeit (V) noch Beispiele: noch c) S = Sterben im geg. Jahr; P(S)= Wahrscheinlichkeit, dass ein Infekt Ursache eines gegebenen Todesfalles war, zunächst intuitiv: P(I S) P(I) P(S) 0, , , I. 58
59 1.2.3 bedingte Wahrscheinlichkeit (VI) noch Beispiele: noch c) analog: P(G S) P(G) P(S) 0, , , gilt nur, weil I S, G S I. 59
60 1.2.3 bedingte Wahrscheinlichkeit (VII) noch Beispiele: noch c) Jetzt schwieriger F= Person ist weiblich, n(f) = , Zahl weiblicher Gewalttoter: 1121 Wahrscheinlichkeit, dass weibliche Person durch Gewalt umkommt: P(G F) , I. 60
61 1.2.3 bedingte Wahrscheinlichkeit (VIII) Oder erweitern mit n: P(G F) 1121/ / P(G F) P(F) 0, , , Zeigt allgemeine Formel: I. 61
62 1.2.3 bedingte Wahrscheinlichkeit (IX) Sei P(B) 0 Die bedingte Wahrscheinlichkeit von E bei gegebenem B (=Bedingung) ist dann P(E B) P(E B) P(B) I. 62
63 1.2.3 bedingte Wahrscheinlichkeit (X) Beispiele: a) (Lieferung mit Mängeln, alte Bezeichnungen) mit Wahrscheinlichkeit von... ist ein Stück mit Materialfehler (A2) auch nicht maßgerecht (A1). P(A A ) 0, P(A 1 A 2) 0,167 P(A ) 0, a) (Würfeln, Forts.) Interpretation? P(A2 A 1) P(A A 1) P(A ) 1/6 1/ I. 63
64 1.2.3 bedingte Wahrscheinlichkeit (XI) Rechenregeln für bedingte Wahrscheinlichkeit: b) P ( B) =... b) Additionssatz: P(A 1 A 2 B) = P(A 1 B) + P(A 2 B) - P(A 1 A 2 B) c) speziell: A 1 A 2 = Ø P(A 1 A 2 B) = P(A 1 B) + P(A 2 B) I. 64
65 1.2.3 bedingte Wahrscheinlichkeit (XII) d) Multiplikationssatz: P(A B ) = P(A B) P(B) e) P(Ø B) = 0 für alle B h) P( A B) = 1 - P(A B) g) B A P(A B) = 1 I. 65
66 1.2.3 bedingte Wahrscheinlichkeit (XIII) Beispiele: 1. (Würfeln) P(A 1 A 2 ) = 1, weil A 2 A 1 Wahrscheinlichkeit, dass eine ungerade Zahl gewürfelt wird, wenn eine 1 gewürfelt wird, ist 100% 2. (Krankheiten) P (S I) = 1 Interpretation??? I. 66
67 1.2.4 Formel von Bayes und praktische Nutzung A 1, A 2,... A n heißt vollständiges System von Ereignissen, wenn bei jedem Versuch genau eins dieser Ereignisse eintreten muss, d.h. A 1 A 2... A n = (Erschöpfend) A i A j = Ø für i j (Disjunkt) Vgl. Klassifizierung in Statistik I I. 67
68 1.2.4 Formel von Bayes und praktische Nutzung (II) A 3 A 4 A 5 A 2 EA 4 EA 2 EA 1 E EA 6 A 1 P(E) n A 6 i1 P(E A ) i I. 68
69 1.2.4 Formel von Bayes und praktische Nutzung (III) Beispiele: b) Würfeln: A 1 = "ungerade Zahl", A 4 = "gerade Zahl"; {A 1, A 4 } vollständiges System z.b. E={ ; ::}, EA 1 ={}; EA 4 ={::} P(E)= + = I. 69
70 1.2.4 Formel von Bayes und praktische Nutzung (IV) noch Beispiele: b) Einkommensklassen u.v.a. Aus Multiplikationssatz: P(E) n i1 P(E A )P(A ) i (= gewogenes arithmetisches Mittel) i Totale Wahrscheinlichkeit I. 70
71 1.2.4 Formel von Bayes und praktische Nutzung (V) Beispiel: Vermögensberatung Berater Betreuter Vermögensanteil 60% 25% 15% Wahrscheinlichkeit v. Verlusten 9% 12% 4% Mit welcher Wahrscheinlichkeit führt eine beliebige Empfehlung zu Verlusten? I. 71
72 1.2.4 Formel von Bayes und praktische Nutzung (VI) noch Beispiel: E = eine zufällige geprüfte Empfehlung bringt Verlust B i = die Empfehlung stammt von i-tem Berater Drei Berater = vollständiges System. Verwendung der Vermögensanteile als Wahrscheinlichkeit P(E) = P(E B 1 ) P(B 1 ) + P(E B 2 ) P(B 2 ) + P(E B 3 ) P(B 3 ) = 0,09 0,6 + 0,12 0,25 + 0,04 0,15 =... Interpretation? I. 72
73 1.2.4 Formel von Bayes und praktische Nutzung (VII) Wenn P(E B) = P(E), dann heißt E stochastisch unabhängig v. B Wenn P(E B) =P(E) dann P(B E) =P(B) Bitte beweisen Sie das! Multiplikationssatz für unabhängige Ereignisse: E, B stochastisch unabhängig P(E B) = P(E) P(B) Bitte beweisen! I. 73
74 1.2.4 Formel von Bayes und praktische Nutzung (VIII) Herleitung der Formel von Bayes ( ) A 1,... A n vollständiges System von Ereignissen Noch einmal totale Wahrscheinlichkeit: n i i P E = P E A P A i1 I. 74
75 1.2.4 Formel von Bayes und praktische Nutzung (IX) Umgekehrt: P A j E PA j E = P E P E A = P E j nach Definition der bedingten Wahrscheinlichkeit j PA j P E A = P E nach Multiplikationssatz I. 75
76 1.2.4 Formel von Bayes und praktische Nutzung (X) n i=1 j PA j P E A P A P E A i i totale Wahrscheinlichkeit einsetzen i1 j PA j P E A P A E = Formel von Bayes j n PA P E A i i I. 76
77 1.2.4 Formel von Bayes und praktische Nutzung (XI) P(A j ) P(A j E) - a-priori-wahrscheinlichkeit - a-posteriori-wahrscheinlichkeit Beispiel a) (Vermögensberatung) Eine spezielle Empfehlung bringt Verlust Mit welcher Wahrscheinlichkeit stammt sie von Berater 2 (a-posteriori)? P(B 2 ) = 0,25 (a-priori) Warum? I. 77
78 1.2.4 Formel von Bayes und praktische Nutzung (XII) noch Beispiel a) P( B 2 E) P( E B2) P( B2 ) P( E B ) P( B ) P( E B ) P( B ) P( E B 1 0,12 0,25 0,333 0, ) P( B Mit der Wahrscheinlichkeit von 33.33% stammt eine Empfehlung von Berater 2, wenn sie verlustreich ist. 3 3 ) I. 78
79 1.2.4 Formel von Bayes und praktische Nutzung (XIII) Beispiel b) Rasterfahndung Ereignisse: T = Terrorist/in R T = verdächtig nach Raster Schärfe des Raster kann eingestellt werden: P R T =0,99, Sensitivität 99% T P R T T =0,90, Spezifität 90% (Wie verhalten sich beide zueinander??) I. 79
80 1.2.4 Formel von Bayes und praktische Nutzung (XIV) noch Beispiel b) angenommen 0.02% der Bevölkerung sind Terroristen/innen (oder Schläfer/innen ), d.h. P(T)= (a-priori) Ableitungen: T T P T =0,9998 P R T =0,01 P R T =0,10 I. 80
81 1.2.4 Formel von Bayes und praktische Nutzung (XV) noch Beispiel b) Frage: Mit welcher Wahrscheinlichkeit ist ein im Raster Gefangener wirklich Terrorist (a-posteriori)? Satz von Bayes: T P R T P T P T R T = P R T P T +P R T P T T T 0,99 0,0002 = = 0,99 0,0002+0,10 0,9998 I. 81
82 1.2.4 Formel von Bayes und praktische Nutzung (XVI) noch Beispiel b) T Interpretation?? 0, , P T R =0, , , 2%! d.h. v verdächtigten Personen sind 998 in Wirklichkeit harmlos. I. 82
Wahrscheinlichkeitstheorie. Zapper und
Diskrete Wahrscheinlichkeitsräume Slide 1 Wahrscheinlichkeitstheorie die Wissenschaft der Zapper und Zocker Diskrete Wahrscheinlichkeitsräume Slide 2 Münzwürfe, Zufallsbits Elementarereignisse mit Wahrscheinlichkeiten
MehrRegelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall
Wahrscheinlichkeitstheorie Was will die Sozialwissenschaft damit? Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall Auch im Alltagsleben arbeiten wir mit Wahrscheinlichkeiten, besteigen
MehrStatistik I für Betriebswirte Vorlesung 5
Statistik I für Betriebswirte Vorlesung 5 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik 07. Mai 2015 PD Dr. Frank Heyde Statistik I für Betriebswirte Vorlesung 5 1 Klassische Wahrscheinlichkeitsdefinition
MehrData Mining: Einige Grundlagen aus der Stochastik
Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrBeispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen
4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.
Mehr1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem P( ) = 0.
1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem Folg. 2 Sei (Ω, E, P) W.-raum. Seien A, B,A 1,...,A n Ereignisse. Es gelten die folgenden Aussagen: 1. P(A) = 1 P(A). 2. Für das unmögliche Ereignis gilt:
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
MehrSkript zur Statistik II (Wahrscheinlickeitsrechnung und induktive Statistik)
Prof. Dr. Reinhold Kosfeld Fachbereich Wirtschaftswissenschaften Skript zur Statistik II (Wahrscheinlickeitsrechnung und induktive Statistik) 1. Einleitung Deskriptive Statistik: Allgemeine und spezielle
MehrVorlesung - Medizinische Biometrie
Vorlesung - Medizinische Biometrie Stefan Wagenpfeil Institut für Medizinische Biometrie, Epidemiologie und Medizinische Informatik Universität des Saarlandes, Homburg / Saar Vorlesung - Medizinische Biometrie
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
MehrR. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007
R. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007 SG15/25D NAME: Lösungen 1. In einer Packung sind Glühbirnen, davon sind zwei
MehrKlausur Nr. 1. Wahrscheinlichkeitsrechnung. Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt.
Klausur Nr. 1 2014-02-06 Wahrscheinlichkeitsrechnung Pflichtteil Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt. Name: 0. Für Pflicht- und Wahlteil gilt: saubere und übersichtliche Darstellung,
Mehr15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit
5.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit Einführendes Beispiel ( Erhöhung der Sicherheit bei Flugreisen ) Die statistische Wahrscheinlichkeit, dass während eines Fluges ein Sprengsatz an Bord
MehrBei vielen Zufallsexperimenten interessiert man sich lediglich für das Eintreten bzw. das Nichteintreten eines bestimmten Ereignisses.
XI. Binomialverteilung ================================================================== 11.1 Definitionen -----------------------------------------------------------------------------------------------------------------
MehrMelanie Kaspar, Prof. Dr. B. Grabowski 1
7. Hypothesentests Ausgangssituation: Man muss sich zwischen 2 Möglichkeiten (=Hypothesen) entscheiden. Diese Entscheidung soll mit Hilfe von Beobachtungen ( Stichprobe ) getroffen werden. Die Hypothesen
MehrBedingte Wahrscheinlichkeit
Bedingte Wahrscheinlichkeit In einem Laden ist eine Alarmanlage eingebaut. Bei Einbruch gibt sie mit 99%-iger Wahrscheinlichkeit Alarm. Wenn in einer bestimmten Nacht kein Einbruch stattfindet, gibt sie
MehrDie Pareto Verteilung wird benutzt, um Einkommensverteilungen zu modellieren. Die Verteilungsfunktion ist
Frage Die Pareto Verteilung wird benutzt, um Einkommensverteilungen zu modellieren. Die Verteilungsfunktion ist k a F (x) =1 k>0,x k x Finden Sie den Erwartungswert und den Median der Dichte für a>1. (Bei
MehrR ist freie Software und kann von der Website. www.r-project.org
R R ist freie Software und kann von der Website heruntergeladen werden. www.r-project.org Nach dem Herunterladen und der Installation von R kann man R durch Doppelklicken auf das R-Symbol starten. R wird
MehrMotivation im Betrieb
LUTZ VON ROSENSTIEL Motivation im Betrieb Mit Fallstudien aus der Praxis ROSENBERGER FACHVERLAG LEONBERG IX Vorbemerkung zur 11. Auflage Vorbemerkung zur 10. Auflage Empfehlungen für den Leser Zielsetzung
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Kapitel 6: Induktives Vorgehen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische
MehrName:... Matrikel-Nr.:... 3 Aufgabe Handyklingeln in der Vorlesung (9 Punkte) Angenommen, ein Student führt ein Handy mit sich, das mit einer Wahrscheinlichkeit von p während einer Vorlesung zumindest
MehrBeweisbar sichere Verschlüsselung
Beweisbar sichere Verschlüsselung ITS-Wahlpflichtvorlesung Dr. Bodo Möller Ruhr-Universität Bochum Horst-Görtz-Institut für IT-Sicherheit Lehrstuhl für Kommunikationssicherheit bmoeller@crypto.rub.de 6
MehrErfahrungen mit Hartz IV- Empfängern
Erfahrungen mit Hartz IV- Empfängern Ausgewählte Ergebnisse einer Befragung von Unternehmen aus den Branchen Gastronomie, Pflege und Handwerk Pressegespräch der Bundesagentur für Arbeit am 12. November
MehrAbschlussprüfung Realschule Bayern II / III: 2009 Haupttermin B 1.0 B 1.1
B 1.0 B 1.1 L: Wir wissen von, dass sie den Scheitel hat und durch den Punkt läuft. Was nichts bringt, ist beide Punkte in die allgemeine Parabelgleichung einzusetzen und das Gleichungssystem zu lösen,
MehrZahlenwinkel: Forscherkarte 1. alleine. Zahlenwinkel: Forschertipp 1
Zahlenwinkel: Forscherkarte 1 alleine Tipp 1 Lege die Ziffern von 1 bis 9 so in den Zahlenwinkel, dass jeder Arm des Zahlenwinkels zusammengezählt das gleiche Ergebnis ergibt! Finde möglichst viele verschiedene
MehrAbituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler
MehrQM: Prüfen -1- KN16.08.2010
QM: Prüfen -1- KN16.08.2010 2.4 Prüfen 2.4.1 Begriffe, Definitionen Ein wesentlicher Bestandteil der Qualitätssicherung ist das Prüfen. Sie wird aber nicht wie früher nach der Fertigung durch einen Prüfer,
MehrStatistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE
Statistik mit Excel für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE INHALTS- VERZEICHNIS Vorwort 13 Schreiben Sie uns! 15 1 Statistische Untersuchungen 17 Wozu Statistik? 18
MehrAnmerkungen zur Übergangsprüfung
DM11 Slide 1 Anmerkungen zur Übergangsprüfung Aufgabeneingrenzung Aufgaben des folgenden Typs werden wegen ihres Schwierigkeitsgrads oder wegen eines ungeeigneten fachlichen Schwerpunkts in der Übergangsprüfung
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
Mehr1 topologisches Sortieren
Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung
MehrKünstliche Intelligenz Maschinelles Lernen
Künstliche Intelligenz Maschinelles Lernen Stephan Schwiebert Sommersemester 2009 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Maschinelles Lernen Überwachtes Lernen
Mehr5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56
5 Beweistechniken Übersicht 5.1 Drei wichtige Beweistechniken................................. 55 5. Erklärungen zu den Beweistechniken............................ 56 Dieses Kapitel ist den drei wichtigsten
Mehrq = 1 p = 0.8 0.2 k 0.8 10 k k = 0, 1,..., 10 1 1 0.8 2 + 10 0.2 0.8 + 10 9 1 2 0.22 1 = 0.8 8 [0.64 + 1.6 + 1.8] = 0.678
Lösungsvorschläge zu Blatt 8 X binomialverteilt mit p = 0. und n = 10: a PX = = 10 q = 1 p = 0.8 0. 0.8 10 = 0, 1,..., 10 PX = PX = 0 + PX = 1 + PX = 10 10 = 0. 0 0.8 10 + 0. 1 0.8 9 + 0 1 10 = 0.8 8 [
MehrPsychologie im Arbeitsschutz
Fachvortrag zur Arbeitsschutztagung 2014 zum Thema: Psychologie im Arbeitsschutz von Dipl. Ing. Mirco Pretzel 23. Januar 2014 Quelle: Dt. Kaltwalzmuseum Hagen-Hohenlimburg 1. Einleitung Was hat mit moderner
MehrStatistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE. Markt+Technik
Statistik mit Excel für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE Markt+Technik Vorwort Schreiben Sie uns! 13 15 Statistische Untersuchungen 17 Wozu Statistik? 18 Wirtschaftliche
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrGrundlagen der Theoretischen Informatik, SoSe 2008
1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)
Mehr1.3 Die Beurteilung von Testleistungen
1.3 Die Beurteilung von Testleistungen Um das Testergebnis einer Vp zu interpretieren und daraus diagnostische Urteile ableiten zu können, benötigen wir einen Vergleichsmaßstab. Im Falle des klassischen
MehrStatuten in leichter Sprache
Statuten in leichter Sprache Zweck vom Verein Artikel 1: Zivil-Gesetz-Buch Es gibt einen Verein der selbstbestimmung.ch heisst. Der Verein ist so aufgebaut, wie es im Zivil-Gesetz-Buch steht. Im Zivil-Gesetz-Buch
MehrRUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG
Die Poisson-Verteilung Jianmin Lu RUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG Ausarbeitung zum Vortrag im Seminar Stochastik (Wintersemester 2008/09, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In der Wahrscheinlichkeitstheorie
MehrInfo zum Zusammenhang von Auflösung und Genauigkeit
Da es oft Nachfragen und Verständnisprobleme mit den oben genannten Begriffen gibt, möchten wir hier versuchen etwas Licht ins Dunkel zu bringen. Nehmen wir mal an, Sie haben ein Stück Wasserrohr mit der
MehrW-Rechnung und Statistik für Ingenieure Übung 11
W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik
MehrRhetorik und Argumentationstheorie. [frederik.gierlinger@univie.ac.at]
Rhetorik und Argumentationstheorie 1 [frederik.gierlinger@univie.ac.at] Ablauf der Veranstaltung Termine 1-6 Erarbeitung diverser Grundbegriffe Termine 7-12 Besprechung von philosophischen Aufsätzen Termin
MehrWir machen neue Politik für Baden-Württemberg
Wir machen neue Politik für Baden-Württemberg Am 27. März 2011 haben die Menschen in Baden-Württemberg gewählt. Sie wollten eine andere Politik als vorher. Die Menschen haben die GRÜNEN und die SPD in
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrVorkurs: Mathematik für Informatiker Steven Köhler, Anja Moldenhauer, Marcel Morisse
Vorkurs: Mathematik für Informatiker Steven Köhler, Anja Moldenhauer, Marcel Morisse Wintersemester 2014/15 Aufgaben I-1. Es seien die folgenden Mengen A = {5,7,9}, B = {5,6,7} und C = {1,3,5,7,9} gegeben.
Mehr4. Versicherungsangebot
4. Versicherungsangebot Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Versicherungsangebot 1 / 13 1. Einleitung 1.1 Hintergrund In einem grossen Teil
MehrSkript und Aufgabensammlung Terme und Gleichungen Mathefritz Verlag Jörg Christmann Nur zum Privaten Gebrauch! Alle Rechte vorbehalten!
Mathefritz 5 Terme und Gleichungen Meine Mathe-Seite im Internet kostenlose Matheaufgaben, Skripte, Mathebücher Lernspiele, Lerntipps, Quiz und noch viel mehr http:// www.mathefritz.de Seite 1 Copyright
MehrVersetzungsregeln in Bayern
Grundschule Schüler der Jahrgangsstufen 1 und 2 rücken ohne besondere Entscheidung vor. Das Vorrücken in den Jahrgangsstufen 3 und 4 soll nur dann versagt werden, wenn der Schüler in seiner Entwicklung
MehrDie Binomialverteilung
Fachseminar zur Stochastik Die Binomialverteilung 23.11.2015 Referenten: Carolin Labrzycki und Caroline Kemper Gliederung Einstieg Definition der Binomialverteilung Herleitung der Formel an einem Beispiel
MehrZahlen und das Hüten von Geheimnissen (G. Wiese, 23. April 2009)
Zahlen und das Hüten von Geheimnissen (G. Wiese, 23. April 2009) Probleme unseres Alltags E-Mails lesen: Niemand außer mir soll meine Mails lesen! Geld abheben mit der EC-Karte: Niemand außer mir soll
MehrVariationen Permutationen Kombinationen
Variationen Permutationen Kombinationen Mit diesen Rechenregeln lässt sich die Wahrscheinlichkeit bestimmter Ereigniskombinationen von gleichwahrscheinlichen Elementarereignissen ermitteln, und erleichtert
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
Mehr6. Bayes-Klassifikation. (Schukat-Talamazzini 2002)
6. Bayes-Klassifikation (Schukat-Talamazzini 2002) (Böhm 2003) (Klawonn 2004) Der Satz von Bayes: Beweis: Klassifikation mittels des Satzes von Bayes (Klawonn 2004) Allgemeine Definition: Davon zu unterscheiden
MehrDas Bayes-Theorem. Christian Neukirchen Gleichwertige Leistungsfeststellung, Juni 2005
Das Bayes-Theorem Christian Neukirchen Gleichwertige Leistungsfeststellung, Juni 2005 Ein lahmer Witz Heute im Angebot: Ein praktisches Beispiel zur Einleitung Kurze Wiederholung der Überblick über Reverend
MehrEin möglicher Unterrichtsgang
Ein möglicher Unterrichtsgang. Wiederholung: Bernoulli Experiment und Binomialverteilung Da der sichere Umgang mit der Binomialverteilung, auch der Umgang mit dem GTR und den Diagrammen, eine notwendige
Mehr5.Unsicherheit. 5.1WahrscheinlichkeitundRisiko
1 5.Unsicherheit Bisher sind wir von vollständiger Planungssicherheit seitens der Entscheidungsträger ausgegangen. Dies trifft in vielen Fällen natürlich nicht den Kern eines Entscheidungsproblems.Wennz.B.eineEntscheidungfürdenKaufvonAktiengetroffen
MehrTipp III: Leiten Sie eine immer direkt anwendbare Formel her zur Berechnung der sogenannten "bedingten Wahrscheinlichkeit".
Mathematik- Unterrichts- Einheiten- Datei e. V. Klasse 9 12 04/2015 Diabetes-Test Infos: www.mued.de Blutspenden werden auf Diabetes untersucht, das mit 8 % in der Bevölkerung verbreitet ist. Dabei werden
MehrSchleswig-Holstein 2011. Kernfach Mathematik
Aufgabe 6: Stochastik Vorbemerkung: Führen Sie stets geeignete Zufallsvariablen und Namen für Ereignisse ein. Machen Sie auch Angaben über die Verteilung der jeweiligen Zufallsvariablen. Eine repräsentative
MehrTeil I Beschreibende Statistik 29
Vorwort zur 2. Auflage 15 Vorwort 15 Kapitel 0 Einführung 19 0.1 Methoden und Aufgaben der Statistik............................. 20 0.2 Ablauf statistischer Untersuchungen..............................
MehrIst Fernsehen schädlich für die eigene Meinung oder fördert es unabhängig zu denken?
UErörterung zu dem Thema Ist Fernsehen schädlich für die eigene Meinung oder fördert es unabhängig zu denken? 2000 by christoph hoffmann Seite I Gliederung 1. In zu großen Mengen ist alles schädlich. 2.
MehrKreativ visualisieren
Kreativ visualisieren Haben Sie schon einmal etwas von sogenannten»sich selbst erfüllenden Prophezeiungen«gehört? Damit ist gemeint, dass ein Ereignis mit hoher Wahrscheinlichkeit eintritt, wenn wir uns
Mehr8. Quadratische Reste. Reziprozitätsgesetz
O Forster: Prizahlen 8 Quadratische Reste Rezirozitätsgesetz 81 Definition Sei eine natürliche Zahl 2 Eine ganze Zahl a heißt uadratischer Rest odulo (Abkürzung QR, falls die Kongruenz x 2 a od eine Lösung
MehrSatz. Für jede Herbrand-Struktur A für F und alle t D(F ) gilt offensichtlich
Herbrand-Strukturen und Herbrand-Modelle Sei F eine Aussage in Skolemform. Dann heißt jede zu F passende Struktur A =(U A, I A )eineherbrand-struktur für F, falls folgendes gilt: 1 U A = D(F ), 2 für jedes
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
MehrTipps für die praktische Durchführung von Referaten Prof. Dr. Ellen Aschermann
UNIVERSITÄT ZU KÖLN Erziehungswissenschaftliche Fakultät Institut für Psychologie Tipps für die praktische Durchführung von Referaten Prof. Dr. Ellen Aschermann Ablauf eines Referates Einleitung Gliederung
MehrStatistische Auswertung:
Statistische Auswertung: Die erhobenen Daten mittels der selbst erstellten Tests (Surfaufgaben) Statistics Punkte aus dem Punkte aus Surftheorietest Punkte aus dem dem und dem Surftheorietest max.14p.
MehrKapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung
Kapitel 3 Zufallsvariable Josef Leydold c 2006 Mathematische Methoden III Zufallsvariable 1 / 43 Lernziele Diskrete und stetige Zufallsvariable Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion
Mehr9. Schätzen und Testen bei unbekannter Varianz
9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,
MehrLineare Gleichungssysteme I (Matrixgleichungen)
Lineare Gleichungssysteme I (Matrigleichungen) Eine lineare Gleichung mit einer Variable hat bei Zahlen a, b, die Form a b. Falls hierbei der Kehrwert von a gebildet werden darf (a 0), kann eindeutig aufgelöst
MehrDie Optimalität von Randomisationstests
Die Optimalität von Randomisationstests Diplomarbeit Elena Regourd Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Düsseldorf im Dezember 2001 Betreuung: Prof. Dr. A. Janssen Inhaltsverzeichnis
MehrErstellen von x-y-diagrammen in OpenOffice.calc
Erstellen von x-y-diagrammen in OpenOffice.calc In dieser kleinen Anleitung geht es nur darum, aus einer bestehenden Tabelle ein x-y-diagramm zu erzeugen. D.h. es müssen in der Tabelle mindestens zwei
MehrÜbungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr.
Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr. Gert Zöller Übungsklausur Hilfsmittel: Taschenrechner, Formblatt mit Formeln. Lösungswege sind stets anzugeben. Die alleinige Angabe eines
MehrFormeln. Signatur. aussagenlogische Formeln: Aussagenlogische Signatur
Signatur Formeln Am Beispiel der Aussagenlogik erklären wir schrittweise wichtige Elemente eines logischen Systems. Zunächst benötigt ein logisches System ein Vokabular, d.h. eine Menge von Namen, die
MehrWissenschaftliche Grundlagen des Mathematischen Schulstoffs IV. Die erste Stunde. Die erste Stunde
Wissenschaftliche Grundlagen des Mathematischen Schulstoffs IV Was ist ist Mathematik? Der Inhalt Geometrie (seit (seit Euklid, ca. ca. 300 300 v. v. Chr.) Chr.) Die Die Lehre vom vom uns uns umgebenden
MehrMathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse
MehrLange Nacht der Wissenschaft. Ein Klassiker. Die Mathematik der Kürzesten Wege
Lange Nacht der Wissenschaft Ein Klassiker Die Mathematik der Kürzesten Wege 09.06.2007 schlechte@zib.de Konrad-Zuse-Zentrum für Informationstechnik Berlin (ZIB) http://www.zib.de/schlechte 2 Überblick
MehrGlaube an die Existenz von Regeln für Vergleiche und Kenntnis der Regeln
Glaube an die Existenz von Regeln für Vergleiche und Kenntnis der Regeln Regeln ja Regeln nein Kenntnis Regeln ja Kenntnis Regeln nein 0 % 10 % 20 % 30 % 40 % 50 % 60 % 70 % 80 % 90 % Glauben Sie, dass
MehrUmfrage in den 5er-Klassen zu Hausaufgaben in den Nebenfächern im Schuljahr 2014/15
Umfrage in den 5er-Klassen zu Hausaufgaben in den Nebenfächern im Schuljahr /5 Ausgangsituation Beim letzten offenen Gesprächsabend im Schuljahr /5 wurde von Eltern aus 5er Klassen beanstandet, dass nicht
MehrZwischenablage (Bilder, Texte,...)
Zwischenablage was ist das? Informationen über. die Bedeutung der Windows-Zwischenablage Kopieren und Einfügen mit der Zwischenablage Vermeiden von Fehlern beim Arbeiten mit der Zwischenablage Bei diesen
MehrAGROPLUS Buchhaltung. Daten-Server und Sicherheitskopie. Version vom 21.10.2013b
AGROPLUS Buchhaltung Daten-Server und Sicherheitskopie Version vom 21.10.2013b 3a) Der Daten-Server Modus und der Tresor Der Daten-Server ist eine Betriebsart welche dem Nutzer eine grosse Flexibilität
MehrMedia Teil III. Begriffe, Definitionen, Übungen
Media Teil III. Begriffe, Definitionen, Übungen Kapitel 1 (Intermedia- Vergleich: Affinität) 1 Affinitätsbewertung als Mittel des Intermedia-Vergleichs Um die Streugenauigkeit eines Werbeträgers zu bestimmen,
MehrBONUS MALUS SYSTEME UND MARKOV KETTEN
Fakultät Mathematik und Naturwissenschaften, Fachrichtung Mathematik, Institut für Mathematische Stochastik BONUS MALUS SYSTEME UND MARKOV KETTEN Klaus D. Schmidt Ringvorlesung TU Dresden Fakultät MN,
MehrBox-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8
. Aufgabe: Für zwei verschiedene Aktien wurde der relative Kurszuwachs (in % beobachtet. Aus den jeweils 20 Quartaldaten ergaben sich die folgenden Box-Plots. Box-and-Whisker Plot Aktie Aktie 2-0,2 0,8,8
MehrRisikoeinstellungen empirisch
Risikoeinstellungen empirisch Risk attitude and Investment Decisions across European Countries Are women more conservative investors than men? Oleg Badunenko, Nataliya Barasinska, Dorothea Schäfer http://www.diw.de/deutsch/soep/uebersicht_ueber_das_soep/27180.html#79569
MehrMengensysteme, Wahrscheinlichkeitsmaße
Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen
MehrManager. von Peter Pfeifer, Waltraud Pfeifer, Burkhard Münchhagen. Spielanleitung
Manager von Peter Pfeifer, Waltraud Pfeifer, Burkhard Münchhagen Spielanleitung Manager Ein rasantes Wirtschaftsspiel für 3 bis 6 Spieler. Das Glück Ihrer Firma liegt in Ihren Händen! Bestehen Sie gegen
MehrWindows. Workshop Internet-Explorer: Arbeiten mit Favoriten, Teil 1
Workshop Internet-Explorer: Arbeiten mit Favoriten, Teil 1 Wenn der Name nicht gerade www.buch.de oder www.bmw.de heißt, sind Internetadressen oft schwer zu merken Deshalb ist es sinnvoll, die Adressen
MehrBernadette Büsgen HR-Consulting www.buesgen-consult.de
Reiss Profile Es ist besser mit dem Wind zu segeln, als gegen ihn! Möchten Sie anhand Ihres Reiss Rofiles erkennen, woher Ihr Wind weht? Sie haben verschiedene Möglichkeiten, Ihr Leben aktiv zu gestalten.
Mehry 1 2 3 4 5 6 P (Y = y) 1/6 1/6 1/6 1/6 1/6 1/6
Fachhochschule Köln Fakultät für Wirtschaftswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 39 14 jutta.arrenberg@fh-koeln.de Übungen zur Statistik für Prüfungskandidaten und Prüfungskandidatinnen Unabhängigkeit
Mehr