15. WAHRSCHEINLICHKEITSRECHNUNG

Größe: px
Ab Seite anzeigen:

Download "15. WAHRSCHEINLICHKEITSRECHNUNG"

Transkript

1 5. WAHRSCHEINLICHKEITSRECHNUNG 5.. Eiführug Ereigisse sid oft icht geau vorhersagbar. Ma weiß vorher icht sicher, ob sie eitrete werde. Solche Ereigisse et ma zufällig. Beispiele: Müzwurf (Kopf oder Zahl) Roulette Bredauer eier Glühbire Wettervorhersage Ufälle i eiem bestimmte Zeitraum Ufälle auf eiem bestimmte Streckeabschitt Das Maß für die Erwartug, mit der ei beliebiges Ereigis E eitritt, et ma Wahrscheilichkeit P(E). (P... probability, egl.) Die Agabe eier kokrete Zahl für die Wahrscheilichkeit eies Ereigisses ist problematisch, da es bis jetzt keie eideutige mathematische Defiitio vo Wahrscheilichkeit gibt. Es gibt ur für gewisse Fälle Regel, wie ma Ereigisse sivolle Wahrscheilichkeite zuorde ka. Das Agebe vo Wahrscheilichkeite ist daher am eheste mit dem physikalische Messe eier Größe vergleichbar. Der Meßwert ist immer mit eiem bestimmte Meßfehler behaftet ud hägt immer vo de Meßmethode bzw. vom Iformatiosstad ab. Es ist sogar umstritte, ob es überhaupt eie objektiv existierede geaue Wert für die Wahrscheilichkeit eies Ereigisses gibt. Somit ist die Aahme eies Wertes für die Wahrscheilichkeit eie ützliche Fiktio, um damit weitere Aussage bereche zu köe. Ausgagspukt für die Wahrscheilichkeitstheorie war die Theorie der Glückspiele, die vo Blaise PASCAL begrüdet ud vo Jakob BERNOULLI ( ) sowie vo Pierre Simo de LAPLACE ( ) weiteretwickelt wurde ud schließlich zur achstehede Wahrscheilichkeitsdefiitio führte

2 Laplace Wahrscheilichkeit für ei Ereigis E (klassische Wahrscheilichkeit, Wahrscheilichkeit als relativer Ateil): PE ( ) Azahl der für E güstige Fälle Azahl der mögliche Fälle Diese Defiitio gilt ur uter bestimmte Voraussetzuge ud für ur für bestimmte Ereigistype. Sie ist aber für ei erstes Verstädis für de Begriff der Wahrscheilichkeit sehr zweckmäßig. Auf die geauere Radbediguge wird im Verlauf der weitere Abschitte och im Detail eigegage. Beispiel: Ermittel Sie die Wahrscheilichkeit, beim Würfel eie ugerade Zahl zu erhalte. Ermittel der güstige Fälle: G { 35 ; ; }; z( G) 3 Ermittel der mögliche Fälle: M { ; ; ; ; ; }; z( M) 6 Berechug der Wahrscheilichkeit: 3 PE ( ) 05, 6 Die Wahrscheilichkeit ist 0,5; das etspricht 50%. Das Ergebis im obige Beispiel ist leicht ohe mathematische Mittel achvollziehbar. I viele Fälle - ma deke a das Zahlelotto 6aus 45 - ist es icht oder ur mit großem Aufwad möglich, die Azahl der güstige ud mögliche Fälle zu ermittel, z.b. die Azahl der richtige Dreier. Daher beschäftigt sich der erste Abschitt i diesem Kapitel mit dem Ermittel derartiger Azahle, mit der sogeate Kombiatorik. Die Kombiatorik ist die Kust des Zähles ohe tatsächlich zu zähle ud ist somit ei Hilfsmittel für die Wahrscheilichkeitsrechug. Vor allem bei mehrstufige Versuche - d.h. Versuche, die aus mehrere Teilversuche bestehe, die acheiader oder gleichzeitig durchgeführt werde - trete oft verschiedee Ereigisse auf mit jeweils gleicher Wahrscheilichkeit. Für die Agabe der Wahrscheilichkeit ist die Ketis der geaue Zahl aller mögliche Ereigisse ötig. Das Aufschreibe ud Abzähle aller Ereigisse ist aber besoders bei großer Versuchszahl überaus mühsam ud ka wesetlich eifacher durch kombiatorische Formel ersetzt werde

3 5.2. Kombiatorik (a) Der Begriff Faktorielle Da Berechuge im Rahme der Kombiatorik immer wieder zu eier bestimmte Produktbildug führe, soll die folgede vereifachte Schreibweise am Begi dieses Abschitts stehe. Das Produkt ( 2) ( ) i! i heißt Faktorielle oder Fakultät. Beispiel: 6! Tascherecher mit x! - Taste köe üblicherweise bis 69! reche; 70! ist bereits eie so große Zahl, daß sie auch uter Zuhilfeahme der Expoetialschreibweise auf Tascherecher icht mehr ausgegebe werde ka. Defiitio: 0! Satz: ( )!! Beweis des Satzes: l.s.: ( )! 2...( 2) ( ); ( )! 2...( 2) ( ) r.s.:! 2...( 2) ( ) ud daher l.s. r.s. Beispiel: Zeige Sie, daß ( + )!! ( + )! +! + 2 gilt. ( + )! ( + )! ( + )!! ( + )! +! [ ] [ ]! +! Beispiel: Bereche Sie 95! 93! ! 93!

4 (b) Permutatioe Permutatioe (permutare, lat.... vertausche) sid Vertauschuge vo Elemete. Abhägig davo, ob die Elemete alle uterschiedlich sid oder icht, spricht ma vo Permutatioe mit oder ohe Wiederholug.. Fall: Permutatio vo verschiedee (d.h. uterscheidbare) Elemete Beispiel: Wieviele Möglichkeite gibt es, 0 Persoe i eier Reihe aufzustelle? Für de erste Platz stehe 0 Persoe zur Verfügug 0 Möglichkeite Für de zweite Platz stehe 9 Persoe zur Verfügug 9 Möglichkeite Für de dritte Platz stehe 8 Persoe zur Verfügug 8 Möglichkeite... Für de zehte (letzte) Platz steht ur och Perso zur Verfügug Möglichkeit Isgesamt ! verschiedee Möglichkeite Es gibt0! Möglichkeite Die Tatsache, daß es sich um Permutatioe lauter verschiedeer Elemete hadelt, bezeichet ma als Permutatio ohe Wiederholug. Die Azahl der Permutatioe vo Elemete ohe Wiederholug ist P! 2. Fall: Permutatio vo Elemete, vo dee jeweils k, k 2,... k m icht uterscheidbar sid Beispiel: 7 Mäer, 4 Fraue ud 5 Kider solle uterschiedlich i eier Reihe aufgestellt werde, wobei icht zwische de eizele Mäer, Fraue ud Kider uterschiede werde soll Bei dieser Aufgabe sid icht alle 6! 2, Möglichkeite der Aordug wirklich verschiede, de es gibt 7! Möglichkeite, bei dee ur die Mäer utereiader Plätze tausche ud somit icht die Gesamtaordug vo Mäer i Platzbezug auf Fraue ud Kider geädert wird. Aaloges gilt für 4! Möglichkeite der Fraueplatzwechsel ud 5! Möglichkeite des Kiderplatzwechsels

5 Es gibt also ur 6! 7! 4! 5! mögliche Aorduge vo Mäer, Fraue ud Kider, die i dieser Aufgabe wirklich als verschiede azusehe sid. Gilt k + k k, so gibt es also 2 wiederhole. m! k! k2!... k m! verschiedee Permutatioe, we sich Elemete Die Azahl der Permutatioe vo Elemete mit Wiederholug ist k k km P, 2,...,! 2 k! k!... k! m mit k + k k 2 m Zusammefassed sid folgede Eigeschafte für das Awede der Formel für Permutatioe typisch: - Aus Elemete werde alle Elemete eibezoge aus - Die Reihefolge der Aordug der Elemete ist etscheided Reihefolge: ja - Abhägig vo der Uterscheidbarkeit der Elemete gibt es Permutatioe mit ud ohe Wiederholuge Wiederholug: ja / ei (c) Variatioe Will ma aus eier Gesamtheit vo verschiedee Elemete geordete Stichprobe bestehed aus k Elemete etehme, so spricht ma vo Variatioe. Abhägig davo, ob die eizele Elemete zwische de Ziehuge zurückgelegt werde, spricht ma vo Variatioe mit oder ohe Wiederholuge.. Fall: Variatioe ohe Wiederholug Beispiel: I eiem Verei solle aus 20 Persoe die Ämter des Obmas, des Stellvertreters, des Schriftführers ud des Kassiers besetzt werde. Wieviele Möglichkeite gibt es? Für de Obma gibt es afags 20 Möglichkeite aus de 20 Persoe zu wähle. Da es keie Doppelbesetzuge gebe ka, gibt es für de Stellvertreter u ur och 9 Möglichkeite, da weiterführed für de Schriftführer ur och 8 Möglichkeite ud letztedlich für das Amt des Kassiers - 0 -

6 stehe och 7 Persoe zur Verfügug. Es gibt als Möglichkeite zur Besetzug der Poste. 20! Verwedet ma die Fakulätsschreibweise, ergibt sich: ! 20! ( 20 4)! Will ma aus eier Gesamtheit vo verschiedee Elemete geordete Stichprobe bestehed aus k (k<) Elemete etehme ud legt die Etommee icht zurück, so gibt es also! ( )...( k+ ) verschiedee geordete Stichprobe vom Umfag k. ( k)! Die Zahl der Variatioe vo k Elemete aus Elemete ohe Wiederholug ist: V k! ( k)! 2. Fall: Variatioe ohe Wiederholug Beispiel: Aus eier Gruppe vo 0 Persoe solle für 3 kleiere Aufgabe eizele Persoe ausgewählt werde. Wieviele Möglichkeite gibt es dafür, we theoretisch auch ei ud dieselbe Perso alle 3 Aufgabe überehme ka? Für die erste Aufgabe gibt es 0 Möglichkeite aus de 0 Persoe zu wähle. Für die zweite Aufgabe ka wieder aus alle 0 Persoe gewählt werde, es gibt es wieder 0 Möglichkeite. Da jede der erste 0 Möglichkeite mit de zweite 0 Möglichkeite kombiiert werde ka, gibt es bis hierher also Möglichkeite. Da es für die dritte Aufgabe wieder 0 Möglichkeite gibt, köe die 00 bisherige Fälle mit jeder dieser 0 letzte Möglichkeite kombiiert werde. Isgesamt gibt es also Möglichkeite. Es gibt 000 Möglichkeite. Die Zahl der Variatioe vo k Elemete aus Elemete mit Wiederholuge ist: w V k k - -

7 Beispiel: Wieviele Möglichkeite gibt es, eie Totoschei auszufülle? 3 Elemete Tips: Tip ; Tip 2; Tip X; 3 2 Stichprobe Spiele; k Möglichkeite Zusammefassed sid folgede Eigeschafte für das Awede der Formel für Variatioe typisch: - Aus Elemete werde k Elemete eibezoge k aus - Die Reihefolge der Aordug der Elemete ist etscheided Reihefolge: ja - Abhägig vo der Möglichkeit des mehrmalige Vorkommes der Elemete gibt es Variatioe mit ud ohe Wiederholuge Wiederholug: ja / ei (d) Kombiatioe Bei ugeordeter Stichprobe kommt es icht auf die Reihefolge der ausgewählte Elemete a, d.h. die Auswahl a-b-c ist idetisch mit der Auswahl b-a-c oder a-c-b usw. Eie Stichprobe dieser Art bezeichet ma als Kombiatio. Abhägig davo, ob die eizele Elemete zwische de Ziehuge zurückgelegt werde, spricht ma vo Kombiatioe mit oder ohe Wiederholuge.. Fall: Kombiatioe ohe Wiederholug Die Zahl der Variatioe vo k Elemete aus Elemete ist durch V k gegebe. Ist u die Reihefolge der Aordug der k Elemete icht wesetlich, so sid all jee Variatioe idet, die aus deselbe k Elemete bestehe. Bei k ausgewählte verschiedee Elemete gibt es k! Möglichkeite, diese Elemete zu vertausche (permutiere). Daher bestimme jeweils k! geordete Stichprobe ei ud dieselbe ugeordete Stichprobe. Dividiert ma also die Zahl der Variatioe durch k!, so erhält ma die! Zahl der etsprechede Kombiatioe ud daher. ( k)! k! Die Zahl der Kombiatioe vo k Elemete aus Elemete ohe Wiederholug ist: K k! ( k)! k! - 2 -

8 Beispiel: 6 Persoe sitze bei eier Tischrude ud trike Sekt. Wie oft klige die Gläser, we sie eiader alle zuproste? Es werde jeweils Stichprobe vom Umfag 2 ohe Wiederholug ausgewählt, da je zwei Persoe miteiader astoße, aber iemad mit sich selbst. Außerdem gilt a-b ist b-a ud es hadelt sich daher 2 um eie ugeordete Stichprobe mit 6, k 2: K 6! 6 7! 4! 5 Die Gläser klige 5 mal. De Bruch! ( k)! k! schreibt ma der Kürze wege oft auch als (gesproche: über k ) ud et k diese Ausdruck Biomialkoeffiziet, worauf im Abschitt Biomischer Lehrsatz äher eigegage wird. Biomialkoeffiziet:! ( k)! k! k Satz: k k Beweis des Satzes: l.s.: k! ( k)! k! ; r.s.:!! ; l.s. r.s. k ( ( k))!( k)! k!( k)! Beispiel: Wieviele Möglichkeite gibt es, eie 6 aus 45 -Lottoschei auszufülle? Die Reihefolge der 6 gezogee Kugel ist egal (ugeordete Stichprobe). Die eizele Kugel werde icht zurückgelegt (ohe Wiederholug). Daher ist 45, k6: K ! 39! 6! Es gibt Möglichkeite. Beispiel: Wieviele richtige Dreier ka es ach eier Lottoziehug gebe? Es stellt sich also vorerst die Frage, auf wieviele Arte ma 3 Zahle aus de 6 richtige ziehe ka. Diese Azahl ka ma mit alle Möglichkeite kombiiere, die es gibt, um die weitere 3 Zahle aus de 6 39 verbleibede 39 urichtige Zahle. Die gesuchte Azahl ist daher: Es gibt mögliche Dreier

9 2. Fall: Kombiatioe mit Wiederholug De Fall eier ugeordete Stichprobe aus eier Gesamtheit vo Elemete mit Zurücklege ka ma auf de Fall eier ugeordete Stichprobe aus eier größere Gesamtheit ohe Zurücklege zurückführe. Zieht ma ämlich aus eier Gesamtheit vo Elemete k mal mit Zurücklege, so muß ma k Mal das gezogee Elemet wieder zurücklege, um dieselbe Ausgagsgesamtheit wieder herzustelle. Es ist daher gedaklich sivoll, vo Afag a k zusätzliche Elemete der Gesamtheit hizuzufüge ud k Mal aus dieser eue Gesamtheit ohe Zurücklege zu ziehe. Die eue Gesamtzahl beträgt da +k. Die Zahl der Kombiatioe vo k Elemete aus Elemete mit Wiederholug ist: w K k + k ( + k )! k ( )! k! Beispiel: Wieviele Wurfkombiatioe sid beim Würfel mit zwei gleichartige Würfel möglich? Ermittlug durch Aufzähle: Berechug als ugeordete Stichprobe mit 6, k 2 mit mit Wiederholug: w K Zusammefassed sid folgede Eigeschafte für das Awede der Formel für Kombiatioe typisch: - Aus Elemete werde k Elemete eibezoge k aus - Die Reihefolge der Aordug der Elemete ist icht etscheided Reihefolge: ei - Abhägig vo der Möglichkeit des mehrmalige Vorkommes der Elemete gibt es Kombiatioe mit ud ohe Wiederholuge Wiederholug: ja / ei - 4 -

10 (e) Biomischer Lehrsatz Der Biomische Lehrsatz befaßt sich mit de Poteze vo Biome, d.h. dem Ausreche des Ausdrucks (a+b) ud de dabei auftretede Koeffiziete. Es gilt: (a+b) 0 (a+b) a + b (a+b) 2 a 2 + 2ab + b 2 (a+b) 3 a 3 + 3a 2 b + 3ab 2 + b 3 (a+b) 4 a 4 + 4a 3 b + 6a 2 b 2 + 4ab 3 + b 4... Schreibt ma u ur die Koeffiziete uter Weglasse der Ausdrücke a i b k utereiader, so erhält ma das sogeate Pascalsche Dreieck (ach Blaise Pascal ): Es ergebe sich dabei die eizele Zahle der jeweils folgede Zeile als Summe der zwei darüber stehede Zahle. Die Produkte a i b k bestehe aus Faktore, ämlich i Faktore vom Wert a ud k Faktore vom Wert b: ab a2 4 a a b2 4 b b i mal k mal i k Die Koeffiziete vor diese Produkte gebe die Azahl der verschiedee Möglichkeite a, bei dee der Faktor a i-mal ud der Faktor b k-mal auftritt, z.b. bedeutet 6a 2 b 2, daß es die 6 Möglichkeite aabb, abba, abab, baba, baab, bbaa gibt. Die Azahl dieser Möglichkeite ist die Azahl eier Permutatio mit Wiederholug; d.h. 4 Elemete, wobei jeweils 2 ud 2 Elemete icht uterscheidbar sid, also k 2 ud k 2 2. Daher gilt i diesem Fall: 4! ! 2! 2-5 -

11 Allgemei gilt daher, daß es im Falle a i b k mit i+k die Zahl! i! k! a mögliche Produkte gibt. Da i k gilt, läßt sich diese Azahl (also der Koeffiziet vo a i b k ) auch umforme zu:! k!( k)! k De Ausdruck (gesproche: über k ) et ma Biomialkoeffiziet, weil er zum Bereche der k Koeffiziete beim Poteziere eies Bioms diet. Das Pascalsche Dreieck ka daher auch mit Hilfe der Biomialkoeffiziete ageschriebe werde: Auf diese Art läßt sich leicht eie allgemeie Formel für (a+b) agebe: Biomischer Lehrsatz: ( a+ b) ab a b... ab ab 0 0 k a k k k 0 b Es gilt immer 0 ud k. Daher ist das Pascalsche Dreieck symmetrisch. k Beispiel: Eie Müze hat zwei Seite: Kopf (K) ud Zahl (Z). Wieviele Möglichkeite gibt es, bei 20 Müzwürfe geau 3 mal die Zahlseite zu werfe? Es ist somit die Azahl der Ergebisse mit 3 mal Z ud 7 mal K, also die Produkte Z 3 K 7, gesucht. Daher ist 20, k 7 ud es ergibt sich: ! 7! 3! Es gibt 40 Möglichkeite

12 5.3. Begriff der Wahrscheilichkeit (a) Begriff der Laplacesche Wahrscheilichkeit I der Eileitug zu diesem Kapitel wurde bereits die klassische Defiitio der Wahrscheilichkeit ageführt. Laplace Wahrscheilichkeit für ei Ereigis E (klassische Wahrscheilichkeit, Wahrscheilichkeit als relativer Ateil): PE ( ) Azahl der für E güstige Fälle Azahl der mögliche Fälle Aders formuliert bedeutet das: Es sei M eie edliche Mege (Grudmege) ud G M (G Teilmege vo M). Als Wahrscheilichkeit dafür, daß ei aus M zufällig ausgewähltes Elemet zu G gehört, ka ma de relative Ateil vo G i M ehme. P (das zufällig ausgewählte Elemet gehört zu M) zg ( ) zm ( ) z(g)... Azahl der Elemete vo G; z(m)... Azahl der Elemete vo M Da z(g) kleier als z(m) folgt daraus: 0 P(E) Für die Wahrscheilichkeit P(E) eies beliebige Ereigisses E gilt: 0 P(E) Beispiel: Wie groß ist die Wahrscheilichkeit, mit eiem übliche Spielwürfel eie 2er oder 6er zu würfel? Ermittel der güstige Fälle: G { 26 ; }; z( G) 2 Ermittel der mögliche Fälle: M { ; ; ; ; ; }; z( M) 6 Berechug der Wahrscheilichkeit: 2 PE ( ) 033, 6 Die Wahrscheilichkeit ist 0,33; das etspricht 33%. Die obige Wahrscheilichkeits- Defiitio gilt jedoch ur uter eier gaz bestimmte Voraussetzug, ämlich, daß alle Eizelereigisse gleichmöglich ud daher also gleichwahrscheilich sid

13 Solche gleichwahrscheiliche Ereigisse trete i sogeate Laplace-Experimete auf ud werde üblicherweise mit Zufallsgeräte (Laplace-Geräte) erzielt, wie sie bei Glücksspiele verwedet werde; z.b. Würfel; Roulette; gleichartige Zettel i eier Losure; gleichartige Kugel beim Lotto 6 aus 45 ; Glücksrad usw. Bei eiem Laplacesche Experimet tritt jedes der ( 2; N) mögliche Versuchsergebisse E mit der gleiche Wahrscheilichkeit P( E) auf. Beispiele: Würfel mit 6 mögliche Ergebisse. P( ) P( 2) P( 3) P( 4) P( 5) P( 6) 6 Lotto mit 45 Kugel P( ) P( 2)... P( 44) P( 45) 45 Wie groß ist die Wahrscheilichkeit, eie Totoschei richtig (Totozwölfer) auszufülle, we ma vo Fußball keie Ahug hat? Es gibt (siehe vorige Abschitt) Möglichkeite eie Totoschei auszufülle, die alle gleich wahrscheilich sid. Da ur eie Möglichkeit richtig ist, gilt: 6 P(Totozwölfer) 88676, 0 0, Jemad hat eie schwarze Socke a ud versucht im fistere Zimmer aus eier Lade, i der völlig durcheiader 9 schwarze, 8 blaue ud 0 braue Socke liege, de richtige herauszuehme. Mit welcher Wahrscheilichkeit wird ihm das gelige? Jede Wahl (Zug) eies der 27 Socke ist gleich wahrscheilich; 9 schwarze Socke sid güstige Fälle. 9 P(schwarz) 03, & $ 333, & %

14 (b) Begriff der statistische Wahrscheilichkeit I de meiste Versuche ud Wahrscheilichkeitsprobleme liege keie symmetrische Zufallsgeräte vor ud es ist somit meist keie Gleichwahrscheilichkeit gegebe. I solche Fälle machte scho Beroulli de Vorschlag, Versuchsreihe durchzuführe ud aus der relative Häufigkeit eies Ereigisses (siehe Kapitel Statistik) auf die Wahrscheilichkeit vo diesem Ereigis zu schließe. Tritt ei Ereigis E uter Versuche eier Versuchsreihe (Zufallsversuch mehrmals uter gleiche Bediguge durchgeführt) k-mal ei, so gilt für die relative Häufigkeit des Ereigisses E uter diese k Versuche: h ( E) A Laplace-Experimete läßt sich zeige, daß mit wachsedem, d.h. bei eier sehr große Versuchszahl, gilt: h( E) zg ( ) zm ( ) PE) ( So läßt sich z.b. durch eie große Azahl vo Versuche überprüfe, ob ei Würfel gezikt ist oder ei Rouletterad urud läuft (alle gefallee Zahle pro Roulettetisch werde gespeichert ud regelmäßig per Computer ausgewertet. Jede Zahl muß dabei mit der Wahrscheilichkeit /37 auftrete). Aus dieser Erfahrug läßt sich aus der relative Häufigkeit die Wahrscheilichkeit äherugsweise für große bestimme: P(E) h (E) Beroulli kote diese Regel durch das Gesetz der große Zahle mathematisch utermauer. Es gilt: lim Ph ( [ P ε; P+ ε]) Obiger Satz bedeutet, daß die Wahrscheilichkeit dafür, daß die relative Häufigkeit eies Ereigisses i eier beliebig kleie Umgebug vo P, der Wahrscheilichkeit des Ereigisses, liegt, mit wachsedem gege strebt, d.h. 00%ig wird. Die relative Häfigkeit eies Ereigisses stabilisiert sich mit zuehmeder Versuchszahl um de Wert P. Beispiel: Eie Befragug vo Autofahrer ergab, daß 5248 bisher ufallfrei uterwegs ware. Mit welcher Wahrscheilichkeit ist ei zufällig auf der Straße ausgewählter Autofahrer bisher ufallfrei? 5248 h 0000 (ufallfrei) , 5248 P(ufallfrei) 0,5248 $ 52,48%

15 (c) Begriff der Wahrscheilichkeit als subjektives Vertraue I der Praxis ergibt sich oft das Problem, daß eie Wahrscheilichkeit agegebe werde soll, ohe daß ma sich auf eie relative Ateil oder eie relative Häufigkeit berufe ka. Beispiel: Ei Medikamet wurde bisher ur i Tierversuche getestet, u soll eie Wahrscheilichkeit dafür agegebe werde, daß dieses Medikamet auch dem Mesche hilft. Ma ka sich dabei ur auf bisherige Erfahruge ud Eischätzuge diverser Experte stütze ud selbstverstädlich auf die Testergebisse aus de Tierversuche. Trotzdem ka die daraus gestellte Progose sich schließlich als völlig falsch herausstelle (sowohl im positive wie auch im egative Si). I diesem Fall wird als Wahrscheilichkeit eies Ereigisses E der Grad des subjektive Vertraues i das Eitrete vo E heragezoge. (d) Axiomatische Wahrscheilichkeitsdefiitio Wie scho aus de Defiitioe der Wahrscheilichkeit als relativer Ateil oder als relative Häfigkeit ersichtlich ist, ist die Wahrscheilichkeit immer eie Zahl zwische 0 ud. Es zeigt sich somit, daß es trotz des Fehles eier eideutige Wahrscheilichkeitsdefiito eiige allgemeigültige Gesetze für Wahrscheilichkeite gibt. Der Russe Adrej Nikolajewitsch KOLMOGOROW ( ) veröffetlichte 933 eie sehr allgemeie Wahrscheilichkeitsdefiitio, die sich auf drei Axiome (Vorschrifte) stützt. Kolmogorow erklärt die Wahrscheilichkeit als Fuktio P: E P(E), welche folgede Axiome geügt (Ω ist diesem Zusammehag der sogeate Ergebisraum bzw. die Ergebismege, also die Mege aller mögliche Versuchsausgäge): Wahrscheilichkeitsaxiome vo Kolmogorow:. P(E) 0 (Nichtegativität) 2. P(Ω) 3. We E E 2 { }, da folgt P(E E 2 ) P(E )+P(E 2 ) Aus diese Axiome lasse sich fast alle wesetliche Regel für das Reche mit Wahrscheilichkeite leicht herleite

16 5.4. Reche mit Wahrscheilichkeite (a) Begriffserklärug Die Mege Ω aller Ausfälle bzw. Ergebisse eies Zufallsexperimets (Versuchs) heißt Ergebismege bzw. Ergebisraum bzw. Ausfallsmege. Beispiele: Würfel: Ω{ ; ; ; ; ; } Roulette: Ω{ 02 ; ; ;...; 3536 ; } Müzwurf: Ω { K; Z } Köpergröße eies Neugeboree i cm: Ω [ 40; 60 ] (d.h. uedlich viele Möglichkeite, falls ma icht auf cm rudet) Aus eier Lade mit 9 schwarze, 8 blaue ud 0 braue Socke wird gezoge: Ω {schwarz; blau; brau} Die Ergebismege hägt davo ab, was ma als Ergebis eies Versuchs asieht. Im letzte Beispiel köte die Ergebismege auch folgedermaße als gewählt Ω {schwarz; icht schwarz} werde, we ämlich im spezielle ei schwarzer Socke beötigt würde. Ei Ereigis wird durch eie Teilmege E des Ergebisraumes Ω beschriebe. Umgekehrt etspricht auch jeder Teilmege vo Ω ei Ereigis. Die Azahl der Teilmege vo Ω ist daher die Zahl aller mögliche Ereigisse. Ethält Ω k Elemete (d.h. k verschiedee Ausfälle), da gibt es 2 k Ereigisse. Besitzt die Teilmege ur ei Elemet, d.h. das Ereigis tritt ur bei eiem Ausfall ei, da heißt es Elemetarereigis. Ist die Teilmege die leere Mege, d.h. das Ereigis tritt bei keiem Ausfall ei, da spricht ma vo eiem umögliche Ereigis ud es gilt: P({ }) 0 Ist die Teilmege die gesamte Ergebismege Ω, so tritt das Ereigis bei jedem Ausfall des Versuchs ei ud ma spricht vo eiem sichere Ereigis. Es gilt (siehe auch 2. Axiom vo Kolmogorow): P(Ω) - 2 -

17 Beschreibt das Ereigis E eie Teilmege vo Ω ud ist die Teilmege E 2 eies adere Ereigisses gleich der Komplemetärmege vo E, da heißt E 2 das Gegeereigis vo E, bzw. E das Gegeereigis vo E 2. Es gilt: E 2 E ; E E 2 Ω; E E 2 { } Das Gegeereigis tritt geau da ei, we das Ereigis icht eitritt; Ereigis ud Gegeereigis köe iemals gleichzeitig eitrete. Aus dem 3. Axiom vo Kolmogorow läßt sich die Wahrscheilichkeit für das Gegeereigis herleite. E, E seie Ereigis ud Gegeereigis mit E E { }: P(E E ) P(E)+P(E ) Aus E E Ω ud P(Ω) folgt da P(E)+P(E ) ud somit: P(E ) P(E) Die Wahrscheilichkeit des Gegeereigisses E zum Ereigis E beträgt: P(E ) P(E) Statt E ka für das Gegeereigis auch E (gesproche: o E ) geschriebe werde. Beispiel: Gebe Sie die Ergebismege beim Würfel, sowie alle Elemetarereigisse a. Nee Sie dazu ei umögliches Ereigis bzw. ei sicheres Ereigis. Wie lautet das Gegeereigis zum Ereigis Es kommt eie Zahl kleier als 3 ud welche Wert habe die Wahrscheilichkeite vo E ud E? Ergebismege Würfel: Ω{ ; ; ; ; ; } Elemetarereigisse: E { }; E { 2}; E { 3}; E { 4}; E { 5}; E { 6} umögliches Ereigis: Es kommt die Zahl 7 sicheres Ereigis: Es kommt eie gaze Zahl größer als Null ud kleier als Siebe Gegeereigis: E Es kommt eie Zahl 3 ; E {;2}; E {3;4;5;6} Wahrscheilichkeite: 2 PE ( ) ; PE ( )

18 (b) Ereigisalgebra Da Ereigisse durch Teilmege der Ergebismege Ω beschriebe werde, ka ma Recheregel für Mege auch auf Ereigisse awede. Die achfolgede Sätze köe daher aus der Megealgebra abgeleitet werde. Das Ereigis E E 2 tritt geau da ei, we E ud E 2 eitrete. Ereigisse, die icht gleichzeitig eitrete köe, heiße uvereibar; sie schließe eiader aus ud es gilt: E E 2 { }, we E ud E 2 uvereibar. Gegeereigisse sid daher uvereibar. Uvereibare Ereigisse: E E 2 { } Das Ereigis E E 2 tritt geau da ei, we E oder E 2 eitrete (midestes eies tritt ei). We E E 2 (Ereigis E zieht Ereigis E 2 ach sich, d.h. we E eitritt, tritt automatisch auch E 2 ei), da gilt: P(E ) P(E 2 ) Beweis: We E E 2, da gibt es ei E 3 mit E E 3 E 2 ud E E 3 { }; E 3 ist also das Gegeereigis zu E i Bezug auf E 2. Nach dem 3. Axiom vo Kolmogorow gilt da: P(E )+P(E 3 ) P(E 2 ) ud ach dem. Axiom: P(E 3 ) 0; P(E 2 ) P(E ) ud somit: P(E ) P(E 2 ) Beispiel: Ma betrachtet Ergeigisse beim Würfel: E : Es kommt oder 3 ; E 2 : Es kommt eie Zahl kleier 4 ; E 3 : Es kommt eie ugerade Zahl. Beschreibe Sie sowohl mit Worte als auch mit Hilfe vo E, E 2, E 3,, ud die folgede Ereigisse ud gebe Sie alle Wahrscheilichkeite a. Gebe Sie weiters a, welches Ereigis welches adere ach sich zieht. - Alle drei Ereigisse trete ei - Keies der Ereigisse tritt ei - E ud E 2 trete ei, E 3 aber icht - Midestes ei Ereigis tritt ei - E ud E 3 trete icht ei, E 2 tritt ei

19 Alle drei Ereigisse E, E 2, E 3 sid Ereigisse des Ergebisraumes Ω {;2;3;4;5;6}. E { 3 ; }; E2 { 23 ; ; }; E3 { 35 ; ; } PE ( ) ; PE ( 2) ; PE ( 3) Alle drei Ereigisse trete ei: E E2 E3 E PE ( E E) Keies der Ereigisse tritt ei: ( E E2 E3) { 235 ; ; ; } { 46 ; } Es kommt die Zahl 4 oder PE ( E2 E3) ; P([ E E2 E3] ) E ud E 2 trete ei, E 3 aber icht: E E2 E3 {}; umögliches Ereigis PE ( E E ) Midestes ei Ereigis tritt ei: E E2 E3 { 235 ; ; ; } 4 PE ( E2 E3) E ud E 3 trete icht ei, E 2 tritt ei: E E2 E3 { 2} PE ( E E ) Da E E 2 ud E E 3, zieht E sowohl E 2 als auch E 3 ach sich. Das Erreche vo Wahrscheilichkeite zusammegesetzter Ereigisse ist ur da ach allgemeie Formel relativ eifach, we der Durchschitt der Ereigisse leer ist (siehe 3. Axiom vo Kolmogorow) bzw. we die Ereigisse voeiader uabhägig sid. Da es icht immer möglich ist, alle Ereigis-mege (wie im vorige Beispiel) azugebe, ist ma bestrebt, die Wahrscheilichkeite zusammege-setzter Ereigisse aus de Wahrscheilichkeite der eizele Ereigisse zu bereche

20 (c) Bedigte Wahrscheilichkeit Wahrscheilichkeite vo Ereigisse köe durch zusätzliche Iformatioe geädert werde. Sie häge vom Iformatiosstad ab. Somit ka sich die Wahrscheilichkeit eies Ereigisses E äder, we bekat ist, daß ei Ereigis E 2 bereits eigetrete ist. Die Wahrscheilichkeit eies Ereigisses E uter der Voraussetzug (Bedigug) eies adere Ereigisses E 2 heißt bedigte Wahrscheilichkeit P(E E 2 ) ud es gilt: PE ( E2) PE ( E2) PE ( ) 2 Die Berechug vo P(E E 2 ) ist aus der Laplace-Wahrscheilichkeit erklärbar, de durch die Voraussetzug des Eitretes vo E 2, sid ur och die Elemete vo E 2 mögliche Elemete ud die güstige Fälle liege i E E 2. Beispiel: 250 Studetie ud 330 Studete besuchte eie Vorlesug. Isgesamt habe 55% aller Studierede die zugehörige Prüfug bestade. 85 davo ware Studete. Bereche Sie folgede Wahrscheilichkeite: - Ei beliebig herausgegriffeer Studiereder ist mälich - Ei beliebig herausgegriffeer Studiereder hat icht bestade - Eie beliebig herausgegriffee Studeti hat bestade - Ei beliebig herausgegriffeer erfolgreicher Absolvet ist weiblich - Ei beliebig herausgegriffeer Studiereder ist ei icht erfolgreicher Studet - Ei beliebig herausgegriffeer Studiereder ist weiblich Zur Ermittlug der gesuchte Wahrscheilichkeite legt ma folgede Elemetarereigisse fest: E : mälich ; E 2 : weiblich mit E 2 E E 3 : bestade ; E 4 : icht bestade mit E 4 E

21 Um eie Verküpfug mehrer Ereigisse zu veraschauliche ka ma eie Vierfeldertafel zu Hilfe ehme. Hierbei gilt: 55% vo 580 sid 39 erfolgreiche Studierede. Studet Studeti gesamt bestade icht bestade gesamt Allgemei beihaltet eie Vierfeldertafel folgede Felder: E E 2 E gesamt E 3 z(e E 3 ) z(e 2 E 3 ) z(e 3 ) E 4 E 3 z(e E 4 ) z(e 2 E 4 ) z(e 4 ) gesamt z(e ) z(e 2 ) z(e E 2 ) z(e 3 E 4 ) oder statt der Mächtigkeite der Mege auch die Wahrscheilichkeite: E E 2 E gesamt E 3 P(E E 3 ) P(E 2 E 3 ) P(E 3 ) E 4 E 3 P(E E 4 ) P(E 2 E 4 ) P(E 4 ) gesamt P(E ) P(E 2 ) Daraus erhält ma die Zeile- bzw. Spaltesummeregel (mit E 2 E ud E 4 E 3 ): P(E E 3 )+ P(E E 3 ) P(E 3 ) ud P(E E 3 )+ P(E E 3 ) P(E ) Somit ergibt sich für das Beispiel: Studiereder ist mälich: P(mälich) P(E ) Studiereder hat icht bestade: P(icht bestade) P(E 4 ) , , Studeti hat bestade: P(bestade uter der Bedigug Studeti ) 34 P(E 3 E 2 ) 250 0,

22 Erfolgreicher Absolvet ist weiblich: P(weiblich uter der Bedigug bestade ) 34 P(E 2 E 3 ) 39 Studiereder ist ei icht erfolgreicher Studet: P(icht bestade ud Studet) 45 P(E 4 E ) 580 Studiereder ist weiblich: P(weiblich) P(E 2 ) , 025, 0, 43 Aus de Beispiele erket ma, daß P(E 3 E 2 ) P(E 2 E 3 ). Es gilt: Satz vo BAYES PE ( E ) 2 PE ( E ) PE ( ) 2 2 PE ( ) Beweis: PE ( E2) PE ( E2) PE ( ) 2 ud P( E E ) P( E E ) P( E ) PE ( 2 E) PE ( E2) PE ( E2) PE ( 2) PE ( 2 E) PE ( ) PE ( ) PE ( ) Abhägig vo de Wahrscheilichkeite spricht ma davo, daß ei Ereigis ei aderes begüstigt oder beachteiligt. E 2 begüstigt E : P(E E 2 ) > P(E ) E 2 beachteiligt E : P(E E 2 ) < P(E ) We P(E E 2 ) P(E ) ud P(E 2 E ) P(E 2 ) gilt, da sid die Ereigisse E ud E 2 voeiader uabhägig. Regel vo der totale Wahrscheilichkeit: P(E E 2 )+ P(E E 2 ) Beweis: PE ( E2) PE ( E2) PE ( ) 2 PE ( E2) ud P( E E2) PE ( ) 2 PE ( E2) + PE ( E2) PE ( 2) PE ( E2) + PE ( E2) PE ( ) PE ( )

23 (d) Multiplikatiossatz Aus der bedigte Wahrscheilichkeit folgt die Produktregel der Wahrscheilichkeitsrechug: P(E E 2 ) P(E 2 E ) P(E ) P(E E 2 ) P(E 2 ) Die Wahrscheilichkeit dafür, daß sowohl E als auch E 2 eitritt, ist also das Produkt aus der bedigte Wahrscheilichkeit ud der Wahrscheilichkeit für die Bedigug. Multiplikatiossatz: Die Wahrscheilichkeit für das Eitreffe der Ereigisse E ud E 2 ist gegebe durch: P(E E 2 ) P(E 2 E ) P(E ) P(E E 2 ) P(E 2 ) Sid E ud E 2 voeiader uabhägige Ereigisse, d.h. P(E E 2 ) P(E ) bzw. P(E 2 E ) P(E 2 ), da hat die Multiplikatiosregel die Form: P(E E 2 ) P(E ) P(E 2 ) Beispiel: Aus eier Ure mit 3 blaue ud 5 rote Kugel wird zweimal gezoge. Bereche Sie die Wahrscheilichkeit dafür, im zweite Zug eie blaue Kugel zu ziehe mit Zurücklege der erste gezogee Kugel ud ohe Zurücklege dieser erste Kugel. Die Ereigismege E ist: E {blau-blau; rot-blau} Ziehug mit Zurücklegug: 3 5 Für die. Ziehug gilt: Pblau ( ) ; Prot ( ) 8 8 Für die 2. Ziehug gilt, da wieder alle Kugel zur Verfügug stehe: 3 3 P( blau blau) ; P( blau rot ) 8 8 Hierbei ist P(blau blau) bzw. P(blau rot) die Wahrscheilichkeit für das Ziehe eier blaue bzw. rote Kugel bei der 2. Ziehug, uter der Bedigug, daß im erste Versuch auch eie blaue gezoge wurde. Wahrscheilichkeit für des Ereigis E: P( E ) P( blau blau oder rot blau) P( blau blau) + P( rot blau) P( blau) P( blau blau) + P( rot ) P( blau rot )

Wahrscheinlichkeit & Statistik

Wahrscheinlichkeit & Statistik Wahrscheilichkeit & Statistik created by Versio: 3. Jui 005 www.matheachhilfe.ch ifo@matheachhilfe.ch 079 703 7 08 Mege als Sprache der Wahrscheilichkeitsrechug, Begriffe, Grudregel Ereigisraum: Ω Ω Mege

Mehr

15.4 Diskrete Zufallsvariablen

15.4 Diskrete Zufallsvariablen .4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet

Mehr

5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung

5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung Seite vo 7 5 Beroulli-Kette Jakob Beroulli 654-705 Schweizer Mathematiker ud Physiker 5. Beroulli-Exerimet 5.. Eileitug Oft iteressiert ma sich bei Zufallsexerimete icht für die eizele Ergebisse, soder

Mehr

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen: 61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl

Mehr

6.1 Grundlagen der Wahrscheinlichkeitsrechnung 6.1.1 Definitionen und Beispiele Beispiel 1 Zufallsexperiment 1,2,3,4,5,6 Elementarereignis

6.1 Grundlagen der Wahrscheinlichkeitsrechnung 6.1.1 Definitionen und Beispiele Beispiel 1 Zufallsexperiment 1,2,3,4,5,6 Elementarereignis 6. Grudlage der Wahrscheilichkeitsrechug 6.. Defiitioe ud Beispiele Spiele aus dem Alltagslebe: Würfel, Müze, Karte,... u.s.w. sid gut geeiget die Grudlage der Wahrscheilichkeitsrechug darzustelle. Wir

Mehr

2 Vollständige Induktion

2 Vollständige Induktion 8 I. Zahle, Kovergez ud Stetigkeit Vollstädige Iduktio Aufgabe: 1. Bereche Sie 1+3, 1+3+5 ud 1+3+5+7, leite Sie eie allgemeie Formel für 1+3+ +( 3)+( 1) her ud versuche Sie, diese zu beweise.. Eizu5% ZiseproJahragelegtes

Mehr

Statistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S

Statistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S Statistik mit Excel 2013 Peter Wies Theme-Special 1. Ausgabe, Februar 2014 W-EX2013S 3 Statistik mit Excel 2013 - Theme-Special 3 Statistische Maßzahle I diesem Kapitel erfahre Sie wie Sie Date klassifiziere

Mehr

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:

Mehr

Statistik. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.html

Statistik. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.html Statistik Prof. Dr. K. Melzer kari.melzer@hs-esslige.de http://www.hs-esslige.de/de/mitarbeiter/kari-melzer.html Ihaltsverzeichis 1 Eileitug ud Übersicht 3 2 Dategewiug (kurzer Überblick) 3 2.1 Plaugsphase

Mehr

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39 Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle

Mehr

1 Wahrscheinlichkeitslehre

1 Wahrscheinlichkeitslehre Wahrscheilichkeitslehre. Grudlage der Wahrscheilichkeitsrechug Die Wahrscheilichkeitslehre ist ei elemetarer Bestadteil der Statistik. Die mathematische Wahrscheilichkeitslehre umfasst ei kompliziertes

Mehr

Statistik und Wahrscheinlichkeitslehre

Statistik und Wahrscheinlichkeitslehre Statistik ud Wahrscheilichkeitslehre Zufall ud Mittelwerte Für alle techische Studiegäge Prof. Dr.-Ig. habil. Thomas Adamek Grudlage der Wahrscheilichkeitsrechug. Eiführug Grudlage vo Statistik ud Wahrscheilichkeitsrechug

Mehr

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008 Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe

Mehr

Empirische Methoden I

Empirische Methoden I Hochschule für Wirtschaft ud 2012 Umwelt Nürtige-Geislige Fakultät Betriebswirtschaft ud Iteratioale Fiaze Prof. Dr. Max C. Wewel Prof. Dr. Corelia Niederdrek-Felger Aufgabe zum Tutorium Empirische Methode

Mehr

3. Einführung in die Statistik

3. Einführung in die Statistik 3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :

Mehr

Übungsblatt 1 zur Vorlesung Angewandte Stochastik

Übungsblatt 1 zur Vorlesung Angewandte Stochastik Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche

Mehr

SBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit

SBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf # 0 Atwort Diese Lerkarte sid sorgfältig erstellt worde, erhebe aber weder Aspruch auf Richtigkeit och auf Vollstädigkeit. Das Lere mit Lerkarte fuktioiert ur

Mehr

Kapitel 6: Statistische Qualitätskontrolle

Kapitel 6: Statistische Qualitätskontrolle Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle

Mehr

Monte Carlo-Simulation

Monte Carlo-Simulation Mote Carlo-Simulatio Mote Carlo-Methode Der Begriff Mote Carlo-Methode etstad i de 1940er Jahre, als ma im Zusammehag mit dem Bau der Atombombe die Simulatio vo Zufallsprozesse erstmals i größerem Stil

Mehr

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung www.s.schule.de/~matheabi 1 Wahrscheilichkeitsrechug Eileitug Dieser Text ist etstade, um Schülerie ud Schüler der Jahrgagsstufe 12 die Wiederholug des Stoffs voragegageer Jahre zu erleichter. Nebe viele

Mehr

Lösungen der Aufgaben zur Vorbereitung auf die Klausur Mathematik für Informatiker I

Lösungen der Aufgaben zur Vorbereitung auf die Klausur Mathematik für Informatiker I Uiversität des Saarlades Fakultät für Mathematik ud Iformatik Witersemester 2003/04 Prof. Dr. Joachim Weickert Dr. Marti Welk Dr. Berhard Burgeth Lösuge der Aufgabe zur Vorbereitug auf die Klausur Mathematik

Mehr

Formelsammlung Mathematik

Formelsammlung Mathematik Formelsammlug Mathematik 1 Fiazmathematik 1.1 Reterechug Sei der Zissatz p%, der Zisfaktor q = 1 + p 100. Seie R die regelmäßig zu zahlede Rate, die Laufzeit. Edwert: Barwert: achschüssig R = R q 1 q 1

Mehr

Statistische Formelsammlung Begleitende Materialien zur Statistik - Vorlesung des Grundstudiums im Fachbereich IK

Statistische Formelsammlung Begleitende Materialien zur Statistik - Vorlesung des Grundstudiums im Fachbereich IK Statistische Formelsammlug Begleitede Materialie zur Statistik - Vorlesug des Grudstudiums im Fachbereich IK Erstellt im Rahme des studierede Projektes PROST Studiejahr 00/00 uter Aleitug vo Frau Prof.

Mehr

Elementare Wahrscheinlichkeitsrechnung und Statistik

Elementare Wahrscheinlichkeitsrechnung und Statistik CURANDO UNIVERSITÄT ULM SCIENDO DOCENDO Elemetare Wahrscheilichkeitsrechug ud Statistik Uiversität Ulm Istitut für Stochastik Vorlesugsskript Prof. Dr. Volker Schmidt Stad: Witersemester 28/9 Ulm, im Februar

Mehr

Statistik I/Empirie I

Statistik I/Empirie I Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass

Mehr

SUCHPROBLEME UND ALPHABETISCHE CODES

SUCHPROBLEME UND ALPHABETISCHE CODES SUCHPROBLEME UND ALPHABETISCHE CODES Der Problematik der alphabetische Codes liege Suchprobleme zugrude, dere Lösug dem iformatiostheoretische Problem der Fidug eies (optimale) alphabetische Codes gleich

Mehr

Zahlenfolgen, Grenzwerte und Zahlenreihen

Zahlenfolgen, Grenzwerte und Zahlenreihen KAPITEL 5 Zahlefolge, Grezwerte ud Zahlereihe. Folge Defiitio 5.. Uter eier Folge reeller Zahle (oder eier reelle Zahlefolge) versteht ma eie auf N 0 erlarte reellwertige Futio, die jedem N 0 ei a R zuordet:

Mehr

Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK. 1. Vorbemerkung

Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK. 1. Vorbemerkung Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK Physikalische Prozesse, die eier statistische Gesetzmäßigkeit uterworfe sid, lasse sich mit eier Verteilugsfuktio beschreibe. Die Gauß-Verteilug

Mehr

A Ω, Element des Ereignisraumes

A Ω, Element des Ereignisraumes ue biostatisti: grudlegedes zur wahrscheilicheit ud ombiatori 1/6 WAHRSCHEINLICHKEIT / EINIGE BEGRIFFE Ereigisraum Ω Elemetarereigis A: Ω ist die Mege aller mögliche Elemetarereigisse A Ω, Elemet des Ereigisraumes

Mehr

... a ik) i=1...m, k=1...n A = = ( a mn

... a ik) i=1...m, k=1...n A = = ( a mn Zurück Stad: 4..6 Reche mit Matrize I der Mathematik bezeichet ma mit Matrix im Allgemeie ei rechteckiges Zahleschema. I der allgemeie Darstellug habe die Zahle zwei Idizes, de erste für die Zeileummer,

Mehr

Auch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert.

Auch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert. Prof. Dr. H. Rommelfager: Etscheidugstheorie, Kaitel 3 7 3. Etscheidug bei Risiko (subjektive oder objektive) Eitrittswahrscheilichkeite für das Eitrete der mögliche Umweltzustäde köe vom Etscheidugsträger

Mehr

Testumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen

Testumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen Testumfag für die Ermittlug ud Agabe vo Fehlerrate i biometrische Systeme Peter Uruh SRC Security Research & Cosultig GmbH peter.uruh@src-gmbh.de Eileitug Biometrische Systeme werde durch zwei wichtige

Mehr

Prof. Dr. Roland Füss Statistik II SS 2008

Prof. Dr. Roland Füss Statistik II SS 2008 1. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug ergibt sich aus de Grezwertsätze. Grezwertsätze sid Aussage über eie Zufallsvariable für de Fall, dass die Azahl

Mehr

Kapitel 4: Stationäre Prozesse

Kapitel 4: Stationäre Prozesse Kapitel 4: Statioäre Prozesse M. Scheutzow Jauary 6, 2010 4.1 Maßerhaltede Trasformatioe I diesem Kapitel führe wir zuächst de Begriff der maßerhaltede Trasformatio auf eiem Wahrscheilichkeitsraum ei ud

Mehr

Kryptologie: Kryptographie und Kryptoanalyse Kryptologie ist die Wissenschaft, die sich mit dem Ver- und Entschlüsseln von Informationen befasst.

Kryptologie: Kryptographie und Kryptoanalyse Kryptologie ist die Wissenschaft, die sich mit dem Ver- und Entschlüsseln von Informationen befasst. Krytologie: Krytograhie ud Krytoaalyse Krytologie ist die Wisseschaft, die sich mit dem Ver- ud Etschlüssel vo Iformatioe befasst. Beisiel Iteretkommuikatio: Versiegel (Itegrität der Nachricht) Sigiere

Mehr

2. Gleichwertige Lösungen

2. Gleichwertige Lösungen 8. Gleichwertige Lösuge Für die Lösug jeder lösbare Aufgabe gibt es eie uedliche Azahl vo (abstrakte ud kokrete) Algorithme. Das folgede Problem illustriert, dass eie Aufgabe eifacher oder kompliziert,

Mehr

6.6 Grundzüge der Fehler- und Ausgleichsrechnung 6.6.1 Fehlerarten- Aufgaben der Fehler- und Ausgleichsrechnung physikalisch-technische Experiment

6.6 Grundzüge der Fehler- und Ausgleichsrechnung 6.6.1 Fehlerarten- Aufgaben der Fehler- und Ausgleichsrechnung physikalisch-technische Experiment 103 66 Grudzüge der Fehler- ud Ausgleichsrechug 661 Fehlerarte- Aufgabe der Fehler- ud Ausgleichsrechug Jedes physikalisch-techische Experimet liefert gewisse gemessee Werte x Bei dem Messvorgag verwede

Mehr

Einführung in die Stochastik

Einführung in die Stochastik Prof. Dr. Has-Wolfgag He UNIVERSITÄT DORTMUND Fachbereich Mathematik Istitut für Etwicklug ud Erforschug des Mathematikuterrichts Eiführug i die Stochastik Skriptum zur Vorlesug im WS 00/003 Ihaltsverzeichis.

Mehr

Stichproben im Rechnungswesen, Stichprobeninventur

Stichproben im Rechnungswesen, Stichprobeninventur Stichprobe im Rechugswese, Stichprobeivetur Prof Dr Iree Rößler ud Prof Dr Albrecht Ugerer Duale Hochschule Bade-Württemberg Maheim Im eifachste Fall des Dollar-Uit oder Moetary-Uit Samplig (DUS oder MUS-

Mehr

Statistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte.

Statistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte. Statistik Vorlesug,. ärz, Statistische aßzahle Iformatio zu verdichte, Besoderheite hervorzuhebe ittelwerte Aufgabe: die Lage der Verteilug auf der Abszisse zu zeige. Der odus: derjeige Wert, der im Häufigste

Mehr

Behandlung von Messunsicherheiten (Fehlerrechnung)

Behandlung von Messunsicherheiten (Fehlerrechnung) Behadlug vo Messusicherheite (Fehlerrechug). Ermittlug vo Messusicherheite. Messug ud Messusicherheit Die Messug eier physikalische Größe erfolgt durch de Vergleich dieser Größe mit eier Bezugseiheit ach

Mehr

Datenauswertung. Prof. Dr. Josef Brüderl Universität Mannheim. Frühjahrssemester 2007

Datenauswertung. Prof. Dr. Josef Brüderl Universität Mannheim. Frühjahrssemester 2007 Dateauswertug Prof. Dr. Josef Brüderl Uiversität Maheim Frühjahrssemester 007 Methode-Curriculum B.A. Soziologie Basismodul: Methode ud Statistik: VL Dateerhebug (): 5 ÜK (): 3 ----------------------------------------------------------

Mehr

Beschreibende Statistik Kenngrößen in der Übersicht (Ac)

Beschreibende Statistik Kenngrößen in der Übersicht (Ac) Beschreibede Statistik Kegröße i der Übersicht (Ac) Im folgede wird die Berechugsweise des TI 83 (sowie vo SPSS, s. ute) verwedet. Diese geht auf eie Festlegug vo Moore ud McCabe (00) zurück. I der Literatur

Mehr

Parameter von Häufigkeitsverteilungen

Parameter von Häufigkeitsverteilungen Kapitel 3 Parameter vo Häufigkeitsverteiluge 3. Mittelwerte Mo Der Modus (:= häufigster Wert, Abk.: Mo) ist der Merkmalswert mit der größte Häufigkeit, falls es eie solche gibt. Er sollte ur bei eigipflige

Mehr

Demo für www.mathe-cd.de

Demo für www.mathe-cd.de Wahrscheilichkeitsrechug Hypergeometrische Verteilug Themeheft ud Traiigsheft Datei r. 4211 Stad 17. April 2010 Friedrich W. Buckel Demo für ITERETBIBLIOTHEK FÜR SCHULMATHEMATIK 4211 Hypergeometrische

Mehr

Evaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt

Evaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt 2.4.5 Gauss-Test ud t-test für verbudee Stichprobe 2.4.5.8 Zum Begriff der verbudee Stichprobe Verbudee Stichprobe: Vergleich zweier Merkmale X ud Y, die jetzt a deselbe Persoe erhobe werde. Vorsicht:

Mehr

Daten und Zufall in der Jahrgangsstufe 9 Seite 1

Daten und Zufall in der Jahrgangsstufe 9 Seite 1 Date ud uall i der Jahrgagsstue Seite usammegesetzte uallsexperimete, Padregel Aubaued au de Erahruge aus de vorhergehede Jahrgagsstue beschätige sich die Schüler systematisch mit zusammegesetzte uallsexperimete

Mehr

Innerbetriebliche Leistungsverrechnung

Innerbetriebliche Leistungsverrechnung Ierbetriebliche Leistugsverrechug I der Kostestellerechug bzw. im Betriebsabrechugsboge (BAB ist ach der Erfassug der primäre Kostestellekoste das Ziel, die sekudäre Kostestellekoste, also die Koste der

Mehr

Einführende Beispiele Arithmetische Folgen. Datei Nr SW. Das komplette Manuskript befindet sich auf der Mathematik - CD.

Einführende Beispiele Arithmetische Folgen. Datei Nr SW. Das komplette Manuskript befindet sich auf der Mathematik - CD. ZAHLENFOLGEN Eiführede Beispiele Arithmetische Folge Datei Nr. 400 SW Das komplette Mauskript befidet sich auf der Mathematik - CD Friedrich Buckel Februar 00 Iteratsgymasium Schloß Torgelow Ihalt Eiführede

Mehr

Stochastik für WiWi - Klausurvorbereitung

Stochastik für WiWi - Klausurvorbereitung Dr. Markus Kuze WS 2013/14 Dipl.-Math. Stefa Roth 11.02.2014 Stochastik für WiWi - Klausurvorbereitug Gesetz der totale Wahrscheilichkeit ud Satz vo Bayes (Ω, F, P) Wahrscheilichkeitsraum, E 1,..., E F

Mehr

Kombinatorik VL

Kombinatorik VL Kombiatorik VL 6.1.2009 Bei eiem Sportwettkampf trete acht Sportler gegeeiader a. 1. Wie viele verschiedee Möglichkeite der Platzverteilug gibt es? 2. Wie viele Möglichkeite gibt es die Medaille old, Silber

Mehr

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung www.s.schule.de/~matheabi 32 www.s.schule.de/~matheabi 1 Stichwortverzeichis abhägig...8 bweichug... mittlere...7 iomialkoeffiziet...10 iomialverteilug...15, 24, 25 lockdiagramm...6 Ereigis...1 Elemetar-...1

Mehr

Linsengesetze und optische Instrumente

Linsengesetze und optische Instrumente Lisegesetze ud optische Istrumete Gruppe X Xxxx Xxxxxxxxx Xxxxxxx Xxxxxx Mat.-Nr.: XXXXX Mat.-Nr.: XXXXX XX.XX.XX Theorie Im olgede werde wir eie kurze Überblick über die Fuktio, de Aubau ud die Arte vo

Mehr

( ) Formelsammlung. Kombinatorik. Permutation: ohne Wiederholung. n! = n (n - 1) (n - 2)... 3 2 1 n= alle Elemente. Permutation: mit Wiederholung

( ) Formelsammlung. Kombinatorik. Permutation: ohne Wiederholung. n! = n (n - 1) (n - 2)... 3 2 1 n= alle Elemente. Permutation: mit Wiederholung Formelsammlug Kombiatori Permutatio: ohe Wiederholug! = ( - 1) ( - 2).... 3 2 1 = alle Elemete Permutatio: mit Wiederholug!! P, = = usw. = gleiche Elemete! 1! K 2! Stichprobe (SP) = geordete Auswahl Geordete

Mehr

3. Tilgungsrechnung. 3.1. Tilgungsarten

3. Tilgungsrechnung. 3.1. Tilgungsarten schreier@math.tu-freiberg.de 03731) 39 2261 3. Tilgugsrechug Die Tilgugsrechug beschäftigt sich mit der Rückzahlug vo Kredite, Darlehe ud Hypotheke. Dabei erwartet der Gläubiger, daß der Schulder seie

Mehr

x 2 + 2 m c Φ( r, t) = n q n (t) φ n ( r) (5) ( + k 2 n ) φ n ( r) = 0 (6a)

x 2 + 2 m c Φ( r, t) = n q n (t) φ n ( r) (5) ( + k 2 n ) φ n ( r) = 0 (6a) Quatisierug eies skalare Feldes Das Ziel ist eigetlich das elektromagetische Feld zu quatisiere, aber wie ma scho a de MAXWELLsche Gleichuge sehe ka, ist es zu kompliziert, um damit zu begie. Außerdem

Mehr

Erwartungswert und Varianz bei Verteilungen und Glücksspielen

Erwartungswert und Varianz bei Verteilungen und Glücksspielen HL Saalfelde Erwartugswert / Variaz Seite vo 7 Wilfried Rohm Erwartugswert ud Variaz bei Verteiluge ud Glücksspiele Mathematische / Fachliche Ihalte i Stichworte: Erwartugswerte ud Variaz (Stadardabweichug)

Mehr

Kunde. Kontobewegung

Kunde. Kontobewegung Techische Uiversität Müche WS 2003/04, Fakultät für Iformatik Datebaksysteme I Prof. R. Bayer, Ph.D. Lösugsblatt 4 Dipl.-Iform. Michael Bauer Dr. Gabi Höflig 17.11. 2003 Abbildug E/R ach relatioal - Beispiel:

Mehr

Wahrscheinlichkeit und Statistik

Wahrscheinlichkeit und Statistik ETH Zürich HS 2015 Prof. Dr. P. Embrechts Wahrscheilichkeit ud Statistik D-INFK Lösuge Serie 2 Lösug 2-1. (a Wir bereche P [W c B] auf zwei Arte: (a Wir betrachte folgede Tabelle: Azahl W W c B 14 6 B

Mehr

Betriebswirtschaft Wirtschaftsmathematik Studienleistung BW-WMT-S12 011110

Betriebswirtschaft Wirtschaftsmathematik Studienleistung BW-WMT-S12 011110 Name, Vorame Matrikel-Nr. Studiezetrum Studiegag Fach Art der Leistug Klausur-Kz. Betriebswirtschaft Wirtschaftsmathematik Studieleistug Datum 10.11.2001 BW-WMT-S12 011110 Verwede Sie ausschließlich das

Mehr

Kapitel 1. Einige Begriffe aus der Asymptotik. 1.1 Wiederholung

Kapitel 1. Einige Begriffe aus der Asymptotik. 1.1 Wiederholung Kapitel Eiige Begriffe aus der Asymptotik. Wiederholug Eiwesetlicher Teil der Ökoometrie befasst sichmit der Ermittlug voschätzer ud dere Eigeschafte. Diese werde beötigt, um aus de beobachtbare Date eier

Mehr

Mengenbegriff und Mengendarstellung

Mengenbegriff und Mengendarstellung R. Brikma http://brikma-du.de Seite 1 05.10.008 Megebegriff ud Megedarstellug Eie Mege, ist die Zusammefassug bestimmter, wohluterschiedeer Objekte userer Aschauug ud useres Dekes welche Elemete der Mege

Mehr

Grundgesamtheitsanaylsen und Stichproben. Betrachtungen zur Stichprobenfindung

Grundgesamtheitsanaylsen und Stichproben. Betrachtungen zur Stichprobenfindung MaMaEuSch Maagemet Mathematics for Europea Schools http://www.mathematik.uikl.de/ mamaeusch Grudgesamtheitsaaylse ud Stichprobe. Betrachtuge zur Stichprobefidug Paula Lagares Justo Puerto 1 MaMaEuSch 2

Mehr

Lernhilfe in Form eines ebooks

Lernhilfe in Form eines ebooks Ziseszisrechug Lerhilfe i Form eies ebooks apitel Thema Seite 1 Vorwort ud Eiführug 2 2 Theorie der Ziseszisrechug 5 3 Beispiele ud Beispielrechuge 12 4 Testaufgabe mit Lösuge 18 Zis-Ziseszis.de 212 Seite

Mehr

Grundkompetenz-Aufgaben

Grundkompetenz-Aufgaben Durch starte Mathematik übugsbuch bis Grudkompetez-Aufgabe Aufgrud der eue schriftliche Reifeprüfug i Mathematik ist es otwedig, sich mit de eue Grudkompetez-Aufgabe auseiaderzusetze. Die Olie-Ergäzug

Mehr

Klasse: Platzziffer: Punkte: / Graph zu f

Klasse: Platzziffer: Punkte: / Graph zu f Pflichtteil Mathematik I Aufgabe P Name: Vorame: Klasse: Platzziffer: Pukte: / P.0 Gegebe ist die Fuktio f mit der Gleichug (siehe Zeichug). y x8 y,25 4 mit GI IRIR Graph zu f O x P. x 8 Die Pukte C (x,25

Mehr

elektr. und magnet. Feld A 7 (1)

elektr. und magnet. Feld A 7 (1) FachHochschule Lausitz Physikalisches Praktikum α- ud β-strahlug im elektr. ud maget. Feld A 7 Name: Matrikel: Datum: Ziel des Versuches Das Verhalte vo α- ud β-strahlug im elektrische ud magetische Feld

Mehr

Gliederung. Value-at-Risk

Gliederung. Value-at-Risk Value-at-Risk Dr. Richard Herra Nürberg, 4. Noveber 26 IVS-Foru Gliederug Modell Beispiel aus der betriebliche Altersversorgug Verteilug des Gesatschades Value-at-Risk ud Tail Value-at-Risk Risikobeurteilug

Mehr

Der natürliche Werkstoff Holz - Statistische Betrachtungen zum uniaxialen Zugversuch am Beispiel von Furnier

Der natürliche Werkstoff Holz - Statistische Betrachtungen zum uniaxialen Zugversuch am Beispiel von Furnier Der atürliche Werkstoff Holz - Statistische Betrachtuge zum uiaxiale Zugversuch am Beispiel vo Furier B. Bellair, A. Dietzel, M. Zimmerma, Prof. Dr.-Ig. H. Raßbach Zusammefassug FH Schmalkalde, 98574 Schmalkalde,

Mehr

Kerncurriculum Berufliche Gymnasien Niedersachsen Stochastik

Kerncurriculum Berufliche Gymnasien Niedersachsen Stochastik Jes Hellig Herausgeber: Klaus Schillig Kercurriculum Berufliche Gymasie Niedersachse Stochastik Darstelle Auswerte Beurteile 2. Auflage Bestellummer 03330 Habe Sie Areguge oder Kritikpukte zu diesem Produkt?

Mehr

Musterlösung zu Übungsblatt 2

Musterlösung zu Übungsblatt 2 Prof. R. Padharipade J. Schmitt C. Schießl Fuktioetheorie 25. September 15 HS 2015 Musterlösug zu Übugsblatt 2 Aufgabe 1. Reelle Fuktioe g : R R stelle wir us üblicherweise als Graphe {(x, g(x)} R R vor.

Mehr

Die zu den Zufallswerten x gehörigen Wahrscheinlichkeiten fasst man in einer Tabelle zusammen:

Die zu den Zufallswerten x gehörigen Wahrscheinlichkeiten fasst man in einer Tabelle zusammen: 0 Statistik 0. Wahrscheilichkeitsfuktio ud optische Darstellug Bei der Auswertug vo Zufallsexperimete ist oft gar icht das eizele Ergebis vo Iteresse, soder vielmehr eie Zahlegröße (Zufallsgröße X), die

Mehr

Qualitätskennzahlen für IT-Verfahren in der öffentlichen Verwaltung Lösungsansätze zur Beschreibung von Metriken nach V-Modell XT

Qualitätskennzahlen für IT-Verfahren in der öffentlichen Verwaltung Lösungsansätze zur Beschreibung von Metriken nach V-Modell XT Qualitätskezahle für IT-Verfahre i der öffetliche Verwaltug Lösugsasätze zur Vo Stefa Bregezer Der Autor arbeitet im Bereich Softwaretest ud beschäftigt sich als Qualitätsbeauftragter mit Theme zu Qualitätssicherug

Mehr

Model CreditRisk + : The Economic Perspective of Portfolio Credit Risk Part I

Model CreditRisk + : The Economic Perspective of Portfolio Credit Risk Part I Model CreditRisk + : The Ecoomic Perspective of Portfolio Credit Risk Part I Semiar: Portfolio Credit Risk Istructor: Rafael Weißbach Speaker: Pablo Kimmig Ageda 1. Asatz ud Ziele Was ist CreditRisk +

Mehr

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG. - LÖSUNGEN. ypothesetest für die Dicke vo Plättche Die Dicke X vo Plättche, die auf eier bestimmte Maschie

Mehr

Übungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0

Übungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0 UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Prof. Dr. Rolad Speicher M.Sc. Tobias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 01 Musterlösug zu Blatt 0 Aufgabe 1. Käpt Schwarzbart,

Mehr

Aufgaben zur vollständigen Induktion

Aufgaben zur vollständigen Induktion c 7 by Raier Müller - Aufgabe zur vollstädige Idutio We ichts aderes agegebe ist, da gelte die Behauptuge für IN {; ; ;...}. A) Teilbareit: ) ist gerade (d.h. durch teilbar). ) ist durch teilbar. ) ist

Mehr

Löslichkeitsdiagramm. Grundlagen

Löslichkeitsdiagramm. Grundlagen Grudlage Löslichkeitsdiagramm Grudlage Zur etrachtug des Mischugsverhaltes icht vollstädig mischbarer Flüssigkeite, das heißt Flüssigkeite, die sich icht bei jeder Temperatur i alle Megeverhältisse miteiader

Mehr

Variiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen.

Variiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen. 3. Variazaalyse Die Variazaalyse mit eier quatitative abhägige Variable ud eier oder mehrerer qualitativer uabhägiger Variable wird auch als ANOVA (Aalysis of Variace) bezeichet. Mit eier Variazaalyse

Mehr

1 = 1. 6 Induktionsannahme: Die Formal gelte für n = k. Induktionsschritt: Gültigkeit der Formel für k+1: 1 2 + 2 2 +... + k 2 + (k + 1) 2 = 2 = 6 = 6

1 = 1. 6 Induktionsannahme: Die Formal gelte für n = k. Induktionsschritt: Gültigkeit der Formel für k+1: 1 2 + 2 2 +... + k 2 + (k + 1) 2 = 2 = 6 = 6 65 Eric Müller Vollstädige Iduktio Nach GIUSEPPE PEANO (858-93) ka ma die Mege N der atürliche Zahle durch folgede Axiome defiiere []:. ist eie atürliche Zahl.. Zu jeder atürliche Zahl gibt es geau eie

Mehr

Nennenswertes zur Stetigkeit

Nennenswertes zur Stetigkeit Neeswertes zur Stetigkeit.) Puktweise Stetigkeit: Vo Floria Modler Defiitio der pukteweise Stetigkeit: Eie Fuktio f : D R ist geau da i x D stetig, we gilt: ε > δ >, so dass f ( x) f ( x ) < ε x D mit

Mehr

Fehlerrechnung. 3. Genauigkeit von Meßergebnissen am Beispiel der Längenmessung

Fehlerrechnung. 3. Genauigkeit von Meßergebnissen am Beispiel der Längenmessung 1 Gie 11/000 Fehlerrechug 1. Physikalische Größe: Zahlewert ud Eiheit. Ursache vo Meßfehler 3. Geauigkeit vo Meßergebisse am Beispiel der Lägemessug 4. Messug eier kostate Größe ud Mittelwert 5. Messug

Mehr

Satz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.

Satz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist. Erfüllbarkeit, Uerfüllbarkeit, Allgemeigültigkeit Defiitio Eie Belegug β ist passed zu eiem Boolesche Term t, falls β für alle atomare Terme i t defiiert ist. (Wird ab jetzt ageomme.) Ist β(t) = true,

Mehr

Zur Definition. der wirksamen. Wärmespeicherkapazität

Zur Definition. der wirksamen. Wärmespeicherkapazität Ao. Uiv. Prof. Dipl.-Ig. Dr. tech. Klaus Kreč, Büro für Bauphysik, Schöberg a Kap, Österreich Zur Defiitio der wirksae Wärespeicherkapazität vo Ao. Uiv. Prof. Dipl.-Ig. Dr. tech. Klaus Kreč Büro für Bauphysik

Mehr

3 Kritischer Bereich zum Niveau α = 0.10: K = (χ 2 k 1;1 α, + ) = (χ2 5;0.90, + ) = (9.236, + ) 4 Berechnung der realisierten Teststatistik:

3 Kritischer Bereich zum Niveau α = 0.10: K = (χ 2 k 1;1 α, + ) = (χ2 5;0.90, + ) = (9.236, + ) 4 Berechnung der realisierten Teststatistik: 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 1275, p-wert: 168 8 Apassugs-

Mehr

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0. 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12075, p-wert: 00168 f χ 2 (4)

Mehr

Allgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable

Allgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable Allgemeie Lösuge der -dimesioale Laplace-Gleichug ud ihre komplexe Variable Dr. rer. at. Kuag-lai Chao Göttige, de 4. Jauar 01 Abstract Geeral solutios of the -dimesioal Laplace equatio ad its complex

Mehr

10. FOLGEN, REIHEN, GRENZWERTE

10. FOLGEN, REIHEN, GRENZWERTE Folge, Reihe, Grezwerte 0. FOLGEN, REIHEN, GRENZWERTE 0.. Folge (a) Defiitio Betrachtet ma bei eier Fuktio ur jee Fuktioswerte, die sich durch Eisetze vo Argumete aus de atürliche Zahle ergebe, so erhält

Mehr

Wirtschaftsmathematik

Wirtschaftsmathematik Studiegag Betriebswirtschaft Fach Wirtschaftsmathematik Art der Leistug Studieleistug Klausur-Kz. BW-WMT-S1 040508 Datum 08.05.004 Bezüglich der Afertigug Ihrer Arbeit sid folgede Hiweise verbidlich: Verwede

Mehr

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Istitut für tochastik Prof. Dr. N. Bäuerle Dipl.-Math.. Urba Lösugsvorschlag 9. Übugsblatt zur Vorlesug Fiazmathematik I Aufgabe Ei euartiges Derivat) Wir sid i eiem edliche, arbitragefreie Fiazmarkt,

Mehr

Pflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik

Pflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik Pflichtlektüre: Kapitel 10 Grudlage der Iferezstatistik Überblick der Begriffe Populatio Iferezstatistik Populatiosparameter Stichprobeverteiluge Auch Stichprobekewerteverteiluge Wahrscheilichkeitstheorie

Mehr

Gruppe 108: Janina Bär Christian Hörr Robert Rex

Gruppe 108: Janina Bär Christian Hörr Robert Rex TEHNIHE UNIVEITÄT HEMNITZ FAULTÄT FÜ INFOMATI Hardwarepraktikum im W /3 Versuch 3 equetielle ysteme I Gruppe 8: aia Bär hristia Hörr obert ex hemitz, 7. November Hardwarepraktikum equetielle ysteme I Aufgabe

Mehr

Versuch 13/1 NEWTONSCHE INTERFERENZRINGE Blatt 1 NEWTONSCHE INTERFERENZRINGE

Versuch 13/1 NEWTONSCHE INTERFERENZRINGE Blatt 1 NEWTONSCHE INTERFERENZRINGE Versuch 3/ NEWTONSCHE INTERFERENZRINGE Blatt NEWTONSCHE INTERFERENZRINGE Die Oberfläche vo Lise hat im allgemeie Kugelgestalt. Zur Messug des Krümmugsradius diet das Sphärometer. Bei sehr flacher Krümmug

Mehr

Kombinatorik für Klasse 8

Kombinatorik für Klasse 8 Kombiatorik für Klasse 8 Lisa Sauerma März 013 Kombiatorik ist ei Gebiet, das oft bei Mathematikolympiade vorkommt. Es gibt dabei Aufgabe i beliebige Schwierigkeitsstufe. I utere Klassestufe werde oft

Mehr

Mathematischer Vorkurs zum Studium der Physik

Mathematischer Vorkurs zum Studium der Physik Uiversität Heidelberg Mathematischer Vorkurs zum Studium der Physik Übuge Aufgabe zu Kapitel 1 (aus: K. Hefft Mathematischer Vorkurs zum Studium der Physik, sowie Ergäzuge) Aufgabe 1.1: SI-Eiheite: a)

Mehr

1 Analysis T1 Übungsblatt 1

1 Analysis T1 Übungsblatt 1 Aalysis T Übugsblatt A eier Weggabelug i der Wüste lebe zwei Brüder, die vollkomme gleich aussehe, zwische dee es aber eie gewaltige Uterschied gibt: Der eie sagt immer die Wahrheit, der adere lügt immer.

Mehr

Höhere Finanzmathematik. Sehr ausführliches Themenheft (d. h. mit Theorie) Aber auch mit vielen Trainingsaufgaben

Höhere Finanzmathematik. Sehr ausführliches Themenheft (d. h. mit Theorie) Aber auch mit vielen Trainingsaufgaben Expoetielles Wachstum Höhere Fiazmathematik Sehr ausführliches Themeheft (d. h. mit Theorie) Aber auch mit viele Traiigsaufgabe Es hadelt sich um eie Awedug vo Expoetialfuktioe (Wachstumsfuktioe) Datei

Mehr

IWW Studienprogramm. Aufbaustudium. Gründungscontrolling. Lösungshinweise zur 3. Musterklausur

IWW Studienprogramm. Aufbaustudium. Gründungscontrolling. Lösungshinweise zur 3. Musterklausur Istitut für Wirtschaftswisseschaftliche Forschug ud Weiterbildug GmbH Istitut a der FerUiversität i Hage IWW Studieprogramm Aufbaustudium Grüdugscotrollig Lösugshiweise zur 3. Musterklausur Lösugshiweise

Mehr

Page-Rank: Markov-Ketten als Grundlage für Suchmaschinen im Internet

Page-Rank: Markov-Ketten als Grundlage für Suchmaschinen im Internet Humboldt-Uiversität zu Berli Istitut für Iformatik Logik i der Iformatik Prof. Dr. Nicole Schweikardt Page-Rak: Markov-Kette als Grudlage für Suchmaschie im Iteret Skript zum gleichamige Kapitel der im

Mehr