Grundlagen der Wahrscheinlichkeitstheorie und Statistik für Studierende der Informatik

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Grundlagen der Wahrscheinlichkeitstheorie und Statistik für Studierende der Informatik"

Transkript

1 INSTITUT FÜR STOCHASTIK WS 07/08 UNIVERSITÄT KARLSRUHE Blatt 4 Dr. B. Klar Übungen zur Vorlesung Grundlagen der Wahrscheinlichkeitstheorie und Statistik für Studierende der Informatik Musterlösungen Aufgabe 12: Es sei Ω = {(i, j: i, j {1, 2, 3, 4}}. Die Zufallsvariablen X : Ω R bzw. Y : Ω R seien definiert durch X(i, j := i und Y (i, j := j und die gemeinsame Zähldichte von X und Y f X,Y : Ω R durch f X,Y (i, j := c (i+j mit einem noch zu bestimmenden c R. a Bestimmen Sie c R so, dass f X,Y eine Zähldichte auf Ω wird. b Bestimmen Sie f X und f Y. c Welche Werte nimmt die Zufallsvariable Z := X Y an? d Berechnen Sie P(Z 9. a Wir schreiben zur Abkürzung f := f X,Y. Damit f eine Zähldichte wird, muss gelten 1 = ω Ω f(ω = i=1 f(i, j = j=1 i=1 c (i + j j=1 = c (( ( ( ( ( (4 + 4 = 80 c und damit notwendig c = 1/80. Tatsächlich ist damit f eine Zähldichte: Es ist f(i, j = i+j 0 und 4 4 i+j 80 i=1 j=1 = b Wegen (6.4 und (6.5 gilt für i, j = 1,...,4 f X (i = f X,Y (i, k = k=1 (i (i (i (i = 4 i = i und analog f Y (j = j

2 c Da X und Y jeweils die Werte 1, 2, 3, 4 annehmen, nimmt Z = X Y die Werte 1 1 = 1,...,1 4 = 4, 2 3 = 6, 2 4 = 8, 3 3 = 9, 3 4 = 12 und 4 4 = 16 an. Der Wertebereich von Z ist also {1, 2, 3, 4, 6, 8, 9, 12, 16}. d {Z 9} = {(1, 1, (1, 2, (1, 3, (1, 4, (2, 1, (2,2, (2, 3, (2, 4,(3, 1,(3, 2, (3,3, (4,1, (4, 2}. Damit P(Z 9 = f(1, 1 + f(1, f(4, 2 = = Alternativ und etwas einfacher: P(Z 9 = 1 P(Z > 9 = 1 P({(3, 4, (4, 3, (4, 4} = 1 f(3, 4 f(4, 3 f(4, 4 = = = Aufgabe 13: Eine Lieferung von 0 Bauteilen eines bestimmten Typs darf laut Liefervertrag höchstens 3% Ausschuss haben. Um dies zu überprüfen, werden nacheinander Bauteile rein zufällig entnommen, getestet und die Lieferung abgelehnt, wenn unter den getesteten Bauteilen mindestens ein defektes ist. a Wie groß ist bei diesem Prüfverfahren die Wahrscheinlichkeit ungerechtfertigter Reklamation, indem eine Lieferung zurückgewiesen wird, obwohl sie den Lieferbedingungen entspricht? Führen Sie ihre Rechnungen für den Fall durch, dass die Lieferung genau 30 defekte Bauteile, also 3% Ausschuss, enthält und ein getestetes Bauteil nicht noch einmal getestet werden kann. b Welche Wahrscheinlichkeit ergibt sich, wenn im Gegensatz dazu ein getestetes Bauteil wieder in die Lieferung zurückgelegt wird und erneut getestet werden kann? c Welche Werte ergeben sich in a und b, wenn die Lieferung genau 00 Bauteile enthält und darunter genau 300 defekte Bauteile sind? a Sei X die zufällige Anzahl defekter Bauteile. Dann gilt X Hyp(n, r, s mit n = Anzahl der getesteten Bauteile, r = tatsächliche Anzahl der defekten Bauteile, s = tatsächliche Anzahl intakter Bauteile. Gesucht P( ungerechtfertigte Reklamation = P(X 1. Es ist hier mit n =, r = 30 und s = 970 nach dem Hinweis ( r ( 0 s P(X 1 = 1 P(X 0 = 1 f X (0 = 1 ( n n = 1 = 1 ( 970 ( 0 = /!! = 1 =

3 b Wird ein getestetes Bauteil zurückgelegt, so liegt die Situation des Ziehens mit Zurücklegen vor und es ist X Bin(n, = Bin(, Es ist hier r P(X 1 = 1 P(X = 0 = 1 f X (0 = ( = = c Es ist jetzt n =, r = 300 und s = Da weiterhin r = 0.03 ist, ändert sich an der Wahrscheinlichkeit in b nichts. In a erhalten wir ( 9700 P(X 1 = 1 ( 00 = = = Dieser Wert stimmt bis auf 3 Einheiten in der vierten Nachkommastelle mit dem Wert aus b überein. Aufgabe 14: An einer -Adresse treffen täglich X Spam-Mails ein. Aus Erfahrung weiß man, dass X eine Zufallsvariable ist mit der Poisson-Verteilung Po(α für ein α > 0. Weiter treffen täglich genau c erwünschte s ein, c N. a Drücken Sie Y := Gesamtzahl der s, die täglich an der -Adresse eintreffen mit Hilfe von X und c aus. Welche Werte kann Y annehmen? Bestimmen Sie die Zähldichte von Y. b Bestimmen Sie P(Y 6 für den Fall α = 6 und c = 4. c Angenommen, X sei eine Zufallsvariable mit der Binomialverteilung Bin(, Bestimmen Sie wieder P(Y 6 für den Fall c = 4 und vergleichen Sie das Ergebnis mit dem Ergebnis aus b, d.h. wie groß ist der prozentuale Unterschied beider Wahrscheinlichkeiten? a Es ist Y = X + c. Da X die Werte 0, 1,... annehmen kann, nimmt Y die Werte c, c + 1, c + 2,... an. Ferner f Y (k = P(Y = k = P(X + c = k = P(X = k c { e = f X (k c = α αk c, k c (k c! 0, sonst. b Wegen Y c = 4 gilt P(Y 6 = P(Y = 4 + P(Y = 5 + P(Y = 6, also wegen a P(Y 6 = e α α0 0! + e α α1 1! + e α α2 2! = e α (1 + α + α2 2 = 25 e 6 =

4 c Gilt X Bin(, 0.06, so wegen a mit p = 0.06 P(Y 6 = P(Y = 4 + P(Y = 5 + P(Y = 6 = f X (0 + f X (1 + f X (2 = p 0 (1 p + p 1 (1 p 99 + p 2 (1 p = ( = Das Ergebnis aus b ist um 9.46% größer als das aus c. Aufgabe 15: Ein Programm soll (auf Korrektheit getestet werden. Die Wahrscheinlichkeit, dass bei einem Testdurchlauf ein (Laufzeit- Fehler gefunden wird, sei p > 0. X sei die zufällige Anzahl der Testdurchläufe ohne Fehler, bis der erste Fehler gefunden wird. a Welche Verteilung hat X? b Das Programm wird so lange getestet, bis ein Fehler gefunden wird, höchstens jedoch c mal. Sei Y dabei die zufällige Anzahl der Testdurchläufe. Berechnen und skizzieren Sie die Zähldichte der Zufallsvariablen Y für p = 0.1 und c = 7. c Z := 50 Y + seien die zufälligen Kosten für den Test. Berechnen Sie P(Z 0 für p = 0.1 und c = 7. d Wie groß muss c N mindestens sein, damit für den Fall p = 0.1 ein Laufzeitfehler mindestens mit Wahrscheinlichkeit 90% gefunden wird? Wir nehmen an, dass wie in Abschnitt 7.5 des Skriptums ein ideales Zufallsexperiment mit den zwei möglichen Ergebnissen Fehler gefunden (1 oder kein Fehler gefunden (0 solange unabhängig unter gleichen Bedingungen durchgeführt wird, bis der erste Fehler gefunden wird. a X die geometrische Verteilung G(p mit Parameter p. b X + 1 ist die zufällige Anzahl der Testdurchläufe bis der erste Fehler gefunden wird. Es ist daher Y = min{x + 1, c}. Y nimmt also die Werte 1, 2,..., c an und es ist { {X + 1 = k} = {X = k 1}, k = 1, 2,..., c 1, {Y = k} = {X + 1 c} = {X c 1}, k = c. Wegen gilt P(X c 1 = k=c 1 f Y (k = Speziell für p = 0.1 und c = 7 ergibt sich mit dem Stabdiagramm p (1 p k = p (1 p c 1 [1 + (1 p + (1 p ] = p (1 p c (1 p { p (1 p k 1, k = 1, 2,..., c 1 P(X c 1 = (1 p c 1, k = c k f Y (k = (1 pc 1

5 0.5 f Y (k c k P(Z 0 = P(50 Y + 0 = P(50 Y = P(Y 2 = 1 P(Y = 1 = 1 f Y (1 = d Ein Laufzeitfehler wird genau dann gefunden, wenn X < c ist, denn andernfalls wird in den ersten c Testdurchläufen kein Fehler gefunden. Gefordert ist P(X < c 0.9, also P(X c 0.1. Wegen b gilt (man ersetze dort c 1 durch c P(X c = (1 p c = 0.9 c. Es muss also 0.9 c 0.1 gelten, und damit äquivalent c ln(0.9 ln( c c = Es muss also c 22 sein. (Natürlich kann man dieses Ergebnis auch erhalten, wenn man für verschiedene c die Bedingung 0.9 c 0.1 direkt überprüft.

Klausur zum Fach GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK. für Studierende der INFORMATIK

Klausur zum Fach GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK. für Studierende der INFORMATIK Institut für Stochastik Prof. Dr. Daniel Hug Name: Vorname: Matr.-Nr.: Klausur zum Fach GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK für Studierende der INFORMATIK Datum: 08. Februar 0 Dauer:

Mehr

Beispielaufgaben Binomialverteilung Lösungen

Beispielaufgaben Binomialverteilung Lösungen L. Schmeink 05a_beispielaufgaben_binomialverteilung_lösungen.doc 1 Beispielaufgaben Binomialverteilung Lösungen Übung 1 Der Würfel mit zwei roten (A) und vier weißen Seitenflächen (B) soll fünfmal geworfen

Mehr

Wahrscheinlichkeitstheorie und Statistik vom

Wahrscheinlichkeitstheorie und Statistik vom INSTITUT FÜR STOCHASTIK SS 2007 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Dipl.-Math. oec. W. Lao Klausur (Maschineningenieure) Wahrscheinlichkeitstheorie und Statistik vom 2.9.2007 Musterlösungen

Mehr

Kapitel VI - Lage- und Streuungsparameter

Kapitel VI - Lage- und Streuungsparameter Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel VI - Lage- und Streuungsparameter Markus Höchstötter Lehrstuhl für Statistik, Ökonometrie

Mehr

Der Trainer einer Fußballmannschaft stellt die Spieler seiner Mannschaft auf. Insgesamt besteht der Kader seiner Mannschaft aus 23 Spielern.

Der Trainer einer Fußballmannschaft stellt die Spieler seiner Mannschaft auf. Insgesamt besteht der Kader seiner Mannschaft aus 23 Spielern. Aufgabe 1 (2 + 1 + 2 + 2 Punkte) Der Trainer einer Fußballmannschaft stellt die Spieler seiner Mannschaft auf. Insgesamt besteht der Kader seiner Mannschaft aus 23 Spielern. a) Wieviele Möglichkeiten hat

Mehr

Wahrscheinlichkeitsverteilungen

Wahrscheinlichkeitsverteilungen Wahrscheinlichkeitsverteilungen 1. Binomialverteilung 1.1 Abzählverfahren 1.2 Urnenmodell Ziehen mit Zurücklegen, Formel von Bernoulli 1.3 Berechnung von Werten 1.4 Erwartungswert und Standardabweichung

Mehr

Zufallsvariablen: Die allgemeine Definition

Zufallsvariablen: Die allgemeine Definition KAPITEL 8 Zufallsvariablen: Die allgemeine Definition 8.1. Zufallsvariablen Bis zu diesem Zeitpunkt haben wir ausschließlich Zufallsvariablen mit endlich oder abzählbar vielen Werten (also diskrete Zufallsvariablen)

Mehr

Lösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK

Lösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK Institut für Stochastik Dr. Steffen Winter Lösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK für Studierende der INFORMATIK vom 17. Juli 01 (Dauer: 90 Minuten) Übersicht über

Mehr

Lösungen zur Klausur WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK (STOCHASTIK)

Lösungen zur Klausur WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK (STOCHASTIK) Institut für Stochastik Dr. Steffen Winter Lösungen zur Klausur WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK (STOCHASTIK) für Studierende des Maschinenbaus vom 7. Juli (Dauer: 8 Minuten) Übersicht über die

Mehr

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Universität Duisburg-Essen Essen, den 0.0.009 Fachbereich Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,

Mehr

A: Beispiele Beispiel 1: Zwei Zufallsvariablen X und Y besitzen die beiden folgenden Wahrscheinlichkeitsfunktionen:

A: Beispiele Beispiel 1: Zwei Zufallsvariablen X und Y besitzen die beiden folgenden Wahrscheinlichkeitsfunktionen: 5 Diskrete Verteilungen 1 Kapitel 5: Diskrete Verteilungen A: Beispiele Beispiel 1: Zwei Zufallsvariablen X und Y besitzen die beiden folgenden Wahrscheinlichkeitsfunktionen: 5 0.6 x 0.4 5 x (i) P x (x)

Mehr

Probeklausur zur Vorlesung Statistik II für Studierende der Soziologie und Nebenfachstudierende

Probeklausur zur Vorlesung Statistik II für Studierende der Soziologie und Nebenfachstudierende Probeklausur zur Vorlesung Statistik II für Studierende der Soziologie und Nebenfachstudierende im Sommersemester 2012 Prof. Dr. H. Küchenhoff, J. Brandt, G. Schollmeyer, G. Walter Aufgabe 1 Betrachten

Mehr

Mathematik. Abiturprüfung 2014. Prüfungsteil A. Arbeitszeit: 90 Minuten. Bei der Bearbeitung der Aufgaben dürfen keine Hilfsmittel verwendet werden.

Mathematik. Abiturprüfung 2014. Prüfungsteil A. Arbeitszeit: 90 Minuten. Bei der Bearbeitung der Aufgaben dürfen keine Hilfsmittel verwendet werden. Mathematik Abiturprüfung 2014 Prüfungsteil A Arbeitszeit: 90 Minuten Bei der Bearbeitung der Aufgaben dürfen keine Hilfsmittel verwendet werden. Zu den Themengebieten Analysis, Stochastik und Geometrie

Mehr

Gegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen. 0 sonst.

Gegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen. 0 sonst. Aufgabe 1 (2 + 4 + 2 + 1 Punkte) Gegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen X und Y : { 2x + 2y für 0.5 x 0.5, 1 y 2 f(x, y) = 3 0 sonst. a) Berechnen

Mehr

TESTEN VON HYPOTHESEN

TESTEN VON HYPOTHESEN TESTEN VON HYPOTHESEN 1. Beispiel: Kann ein neugeborenes Küken Körner erkennen oder lernt es dies erst durch Erfahrung? Um diese Frage zu entscheiden, wird folgendes Experiment geplant: Sobald das Küken

Mehr

Kapitel 2 Wahrscheinlichkeitsrechnung

Kapitel 2 Wahrscheinlichkeitsrechnung Definition 2.77: Normalverteilung & Standardnormalverteilung Es sei µ R und 0 < σ 2 R. Besitzt eine stetige Zufallsvariable X die Dichte f(x) = 1 2 πσ 2 e 1 2 ( x µ σ ) 2, x R, so heißt X normalverteilt

Mehr

2. Rechnen mit Wahrscheinlichkeiten

2. Rechnen mit Wahrscheinlichkeiten 2. Rechnen mit Wahrscheinlichkeiten 2.1 Axiome der Wahrscheinlichkeitsrechnung Die Wahrscheinlichkeitsrechnung ist ein Teilgebiet der Mathematik. Es ist üblich, an den Anfang einer mathematischen Theorie

Mehr

Polizeidienst-Aufgabe Abiturprüfung Bayern LK 2003

Polizeidienst-Aufgabe Abiturprüfung Bayern LK 2003 Polizeidienst-Aufgabe Abiturprüfung Bayern LK 003 a) Bei einem Einstellungstermin für den Polizeidienst waren 0% der Bewerber Frauen, von denen 90% die Aufnahmeprüfung bestanden. Drei Viertel derjenigen,

Mehr

Pflichtteilaufgaben zu Stochastik (Pfadregeln, Erwartungswert, Binomialverteilung) Baden-Württemberg

Pflichtteilaufgaben zu Stochastik (Pfadregeln, Erwartungswert, Binomialverteilung) Baden-Württemberg Pflichtteilaufgaben zu Stochastik (Pfadregeln, Erwartungswert, Binomialverteilung) Baden-Württemberg Hilfsmittel: keine allgemeinbildende Gymnasien Alexander Schwarz www.mathe-aufgaben.com August 05 Übungsaufgaben:

Mehr

825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170 e 500 e 443 e 608 e. Zeichnen Sie das Box-Plot. Sind in dieser Stichprobe Ausreißer vorhanden?

825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170 e 500 e 443 e 608 e. Zeichnen Sie das Box-Plot. Sind in dieser Stichprobe Ausreißer vorhanden? 1. Aufgabe: Eine Bank will die jährliche Sparleistung eines bestimmten Kundenkreises untersuchen. Eine Stichprobe von 12 Kunden ergab folgende Werte: 825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170

Mehr

Stetige Verteilungen. A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch

Stetige Verteilungen. A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch 6 Stetige Verteilungen 1 Kapitel 6: Stetige Verteilungen A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch dargestellt. 0.2 6

Mehr

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung Aufgaben Wahrscheinlichkeitsrechnung 1. Eine Münze wird viermal geworfen. Y sei die Anzahl der Wechsel zwischen 0 und 1 während einer Versuchsfolge, z. B. Y(00) =. Bestimmen Sie die Verteilung von Y, zeichnen

Mehr

x(n x) cm 2 ) zweier Betonsorten wird überprüft. Dabei ergaben Sorte 1 185 186 184 186 185 187 186 187 185 Sorte 2 183 182 185 182 181 179

x(n x) cm 2 ) zweier Betonsorten wird überprüft. Dabei ergaben Sorte 1 185 186 184 186 185 187 186 187 185 Sorte 2 183 182 185 182 181 179 . Aufgabe: Zwei bis drei Millionen deutsche Haushalte sind überschuldet. Einer der Hauptgründe für die Überschuldung privater Haushalte ist eine gescheiterte Selbstständigkeit. In einer Stichprobe von

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 10. November 2010 1 Bedingte Wahrscheinlichkeit Satz von der totalen Wahrscheinlichkeit Bayessche Formel 2 Grundprinzipien

Mehr

Summe von Zufallsvariablen

Summe von Zufallsvariablen Summe von Zufallsvariablen Gegeben sind die unabhängigen, gleichverteilten Zufallsvariablen X und Y mit den Wahrscheinlichkeitsdichten f() und g(). { für f() = g() = sonst Wir interessieren uns für die

Mehr

Über den Autor 7. Teil Beschreibende Statistik 29

Über den Autor 7. Teil Beschreibende Statistik 29 Inhaltsverzeichnis Über den Autor 7 Einführung Über dieses Buch - oder:»... für Dummies«verpflichtet! Wie man dieses Buch benutzt 22 Wie ich Sie mir vorstelle 22 Wie dieses Buch aufgebaut ist 23 Teil I:

Mehr

Hypergeometrische Verteilung

Hypergeometrische Verteilung Hypergeometrische Verteilung Aufgaben Aufgabe 1 Eine Firma produziert insgesamt 30 elektronische Bauteile des gleichen Typs. Aus langjähriger Erfahrung weiß man das davon jedes 70te defekt ist. Um die

Mehr

Übungsrunde 9, Gruppe 2 LVA 107.369, Übungsrunde 8, Gruppe 2, 12.12. Markus Nemetz, TU Wien, 12/2006

Übungsrunde 9, Gruppe 2 LVA 107.369, Übungsrunde 8, Gruppe 2, 12.12. Markus Nemetz, TU Wien, 12/2006 3.75. Angabe Übungsrunde 9, Gruppe 2 LVA 07.369, Übungsrunde 8, Gruppe 2, 2.2. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 2/2006 X sei eine stetige sg mit Dichte f(x), x R. Ermitteln Sie einen

Mehr

Stochastik. 1 Grundlagen

Stochastik. 1 Grundlagen 1 Grundlagen Stochastik S 1.1 Beim Mensch-ärgere-dich-nicht darf zu Beginn bis zu dreimal gewürfelt werden, um eine Sechs zu bekommen. Mit welcher Wahrscheinlichkeit gelingt dies? S 1.2 Für einen Flug

Mehr

Elemente der Stochastik (SoSe 2016) 9. Übungsblatt

Elemente der Stochastik (SoSe 2016) 9. Übungsblatt Dr. M. Weimar 06.06.2016 Elemente der Stochastik (SoSe 2016) 9. Übungsblatt Aufgabe 1 (2+2+2+2+1=9 Punkte) In einer Urne befinden sich sieben Lose, darunter genau ein Gewinnlos. Diese Lose werden nacheinander

Mehr

5. Stochastische Modelle I: Diskrete Zufallsvariablen

5. Stochastische Modelle I: Diskrete Zufallsvariablen 5. Stochastische Modelle I: Diskrete Zufallsvariablen Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Zufallsgrößen Eine Zufallsgröße X ist eine Größe, deren Wert wir nicht exakt kennen

Mehr

Stochastik und Statistik für Ingenieure Vorlesung 4

Stochastik und Statistik für Ingenieure Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Stochastik und Statistik für Ingenieure Vorlesung 4 30. Oktober 2012 Quantile einer stetigen Zufallsgröße Die reelle Zahl

Mehr

VERSICHERUNGEN AUF MEHRERE LEBEN. Marta Ja lowiecka. 23 Januar 2009

VERSICHERUNGEN AUF MEHRERE LEBEN. Marta Ja lowiecka. 23 Januar 2009 VERSICHERUNGEN AUF MEHRERE LEBEN Marta Ja lowiecka 23 Januar 2009 1 1 Einführung Im Folgenden werden betrachtet- basierend auf Modellen und Formeln für einfache Versicherungen auf ein Leben- verschiedene

Mehr

1 Elemente der Wahrscheinlichkeitstheorie

1 Elemente der Wahrscheinlichkeitstheorie H.-J. Starkloff Unendlichdimensionale Stochastik Kap. 01 11. Oktober 2010 1 1 Elemente der Wahrscheinlichkeitstheorie 1.1 Messbare Räume Gegeben seien eine nichtleere Menge Ω und eine Menge A von Teilmengen

Mehr

Stochastik: Binomialverteilung Stochastik Die 4 Grundaufgaben bei der Binomialverteilung Gymnasium ab Klasse 10

Stochastik: Binomialverteilung Stochastik Die 4 Grundaufgaben bei der Binomialverteilung Gymnasium ab Klasse 10 Stochastik Die 4 Grundaufgaben bei der Binomialverteilung Gymnasium ab Klasse 10 Alexander Schwarz www.mathe-aufgaben.com November 2013 1 Hinweis: Für die Aufgaben darf der GTR benutzt werden. Erste Grundaufgabe:

Mehr

Sigma-Umgebung. Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5. n = 20 p = 0,75

Sigma-Umgebung. Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5. n = 20 p = 0,75 Sigma-Umgebung Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5 0,2 (z.b. 30-maliges Werfen einer Münze, X Anzahl von Zahl ) 5 10 15 20 n = 20 p = 0,75 0,2 5 10 15 20 Der Erwartungswert

Mehr

Ü b u n g s b l a t t 15

Ü b u n g s b l a t t 15 Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel 2. 7. 2007 Ü b u n g s b l a t t 15 Hier ist zusätzliches Übungsmaterial zur Klausurvorbereitung quer durch die Inhalte der Vorlesung. Eine

Mehr

Biometrieübung 5 Spezielle Verteilungen. 1. Anzahl von weiblichen Mäusen in Würfen von jeweils 4 Mäusen

Biometrieübung 5 Spezielle Verteilungen. 1. Anzahl von weiblichen Mäusen in Würfen von jeweils 4 Mäusen Biometrieübung 5 (Spezielle Verteilungen) - Aufgabe Biometrieübung 5 Spezielle Verteilungen Aufgabe 1. Anzahl von weiblichen Mäusen in Würfen von jeweils 4 Mäusen Anzahl weiblicher Mäuse (k) Anzahl Würfe

Mehr

Wahrscheinlichkeitsrechnung 1. Was verstehen Sie unter einem Zufallsexperiment? Nennen Sie die wichtigsten Eigenschaften.

Wahrscheinlichkeitsrechnung 1. Was verstehen Sie unter einem Zufallsexperiment? Nennen Sie die wichtigsten Eigenschaften. Wahrscheinlichkeitsrechnung 1. Was verstehen Sie unter einem Zufallsexperiment? Nennen Sie die wichtigsten Eigenschaften. 2. Geben Sie vier Zufallsexperimente mit ihrer jeweiligen an. 3. In einer Obstkiste

Mehr

Vorlesung 8b. Bedingte Erwartung, bedingte Varianz, bedingte Verteilung, bedingte Wahrscheinlichkeiten

Vorlesung 8b. Bedingte Erwartung, bedingte Varianz, bedingte Verteilung, bedingte Wahrscheinlichkeiten Vorlesung 8b Bedingte Erwartung, bedingte Varianz, bedingte Verteilung, bedingte Wahrscheinlichkeiten 1 Wie gehabt, denken wir uns ein zufälliges Paar X = (X 1,X 2 ) auf zweistufige Weise zustande gekommen:

Mehr

1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests

1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests 1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests Statistische Tests dienen dem Testen von Vermutungen, so genannten Hypothesen, über Eigenschaften der Gesamtheit aller Daten ( Grundgesamtheit

Mehr

Randomisierte Algorithmen

Randomisierte Algorithmen Randomisierte Algorithmen Randomisierte Algorithmen 5. Zwei spieltheoretische Aspekte Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Wintersemester 2015/2016 1 / 36 Überblick

Mehr

Lösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 3: Aufgaben zu den Kapiteln 5 und 6

Lösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 3: Aufgaben zu den Kapiteln 5 und 6 1 Lösungen ausgewählter Übungsaufgaben zum Buch Elementare Stochastik (Springer Spektrum, 2012) Teil 3: Aufgaben zu den Kapiteln 5 und 6 Aufgaben zu Kapitel 5 Zu Abschnitt 5.1 Ü5.1.1 Finden Sie eine maximum-likelihood-schätzung

Mehr

Aufgaben zur Kombinatorik

Aufgaben zur Kombinatorik Aufgaben zur Kombinatorik Aufgabe 34 Kombinatorik: Kombinationen Wie viele verschiedene Zusammenstellungen von genau 5 Buchstaben können aus den 26 Buchstaben des Alphabets gebildet werden, wenn Wiederholungen

Mehr

Vorlesung 9b. Bedingte Verteilungen und bedingte Wahrscheinlichkeiten

Vorlesung 9b. Bedingte Verteilungen und bedingte Wahrscheinlichkeiten Vorlesung 9b Bedingte Verteilungen und bedingte Wahrscheinlichkeiten 1 Voriges Mal: Aufbau der gemeinsamen Verteilung von X 1 und X 2 aus der Verteilung ρ von X 1 und Übergangswahrscheinlichkeiten P(a

Mehr

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Binomialverteilung und Bernoulli- Experiment

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Binomialverteilung und Bernoulli- Experiment Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Binomialverteilung und Bernoulli- Experiment Das komplette Material finden Sie hier: Download bei School-Scout.de TOSSNET Der persönliche

Mehr

Satz 90 Sei A = (Q, Σ, δ, q 0, F ) ein DFA. Der Zeitaufwand des obigen Minimalisierungsalgorithmus ist O( Q 2 Σ ).

Satz 90 Sei A = (Q, Σ, δ, q 0, F ) ein DFA. Der Zeitaufwand des obigen Minimalisierungsalgorithmus ist O( Q 2 Σ ). Satz 90 Sei A = (Q, Σ, δ, q 0, F ) ein DFA. Der Zeitaufwand des obigen Minimalisierungsalgorithmus ist O( Q 2 Σ ). Beweis: Für jedes a Σ muss jede Position in der Tabelle nur konstant oft besucht werden.

Mehr

Beurteilende Statistik mit Hilfe didaktischer Software

Beurteilende Statistik mit Hilfe didaktischer Software Beurteilende Statistik mit Hilfe didaktischer Software Andreas Ulovec, Fakultät für Mathematik, Universität Wien Es wird selbst erstellte Software vorgestellt und anhand von Beispielen erklärt, mit deren

Mehr

Statistik für SozialwissenschaftlerInnen II p.85

Statistik für SozialwissenschaftlerInnen II p.85 Schätzverfahren Statistik für SozialwissenschaftlerInnen II p.85 Schätzverfahren Ziel von Schätzverfahren: Ausgehend von Stichproben Aussagen über Populationskennwerte machen Kenntnis der Abweichung des

Mehr

Inferenzstatistik (=schließende Statistik)

Inferenzstatistik (=schließende Statistik) Inferenzstatistik (=schließende Statistik) Grundproblem der Inferenzstatistik: Wie kann man von einer Stichprobe einen gültigen Schluß auf di Grundgesamtheit ziehen Bzw.: Wie groß sind die Fehler, die

Mehr

Vorwort Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße Erwartungswert und Varianz...

Vorwort Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße Erwartungswert und Varianz... Inhaltsverzeichnis Vorwort... 2 Zum Einstieg... 3 1 Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße... 5 1.2 Erwartungswert und Varianz... 7 2 Wahrscheinlichkeitsverteilungen

Mehr

6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen

6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen 6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Bisher: Diskrete Zufallsvariablen,

Mehr

Diskrete Wahrscheinlichkeitstheorie - Probeklausur

Diskrete Wahrscheinlichkeitstheorie - Probeklausur Diskrete Wahrscheinlichkeitstheorie - robeklausur Sommersemester 2007 - Lösung Name: Vorname: Matrikelnr.: Studiengang: Hinweise Sie sollten insgesamt Blätter erhalten haben. Tragen Sie bitte Ihre Antworten

Mehr

Von der Normalverteilung zu z-werten und Konfidenzintervallen

Von der Normalverteilung zu z-werten und Konfidenzintervallen Von der Normalverteilung zu z-werten und Konfidenzintervallen Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH

Mehr

Abitur 2009 Mathematik GK Stochastik Aufgabe C1

Abitur 2009 Mathematik GK Stochastik Aufgabe C1 Seite 1 Abiturloesung.de - Abituraufgaben Abitur 009 Mathematik GK Stochastik Aufgabe C1 Auf einem Spielbrett rollt eine Kugel vom Start bis in eines der Fächer F 1 bis F 5. An jeder Verzweigung rollt

Mehr

Glücksrad-Aufgabe. Das Glücksrad ist in 2 Sektoren mit den Zahlen 1 (Winkel 120 ) und 2 eingeteilt.

Glücksrad-Aufgabe. Das Glücksrad ist in 2 Sektoren mit den Zahlen 1 (Winkel 120 ) und 2 eingeteilt. Glücksrad-Aufgabe Das Glücksrad ist in Sektoren mit den Zahlen (Winkel ) und eingeteilt. a) Das Glücksrad wird dreimal gedreht. Wie groß ist die Wahrscheinlichkeit für die folgenden Ereignisse: A: Die

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

Mecklenburg-Vorpommern

Mecklenburg-Vorpommern Mecklenburg-Vorpommern Schriftliche Prüfung 2005 Jahrgangsstufe 10 Gymnasium/Gesamtschule Mathematik Aufgaben Schriftliche Prüfung Mathematik 2005 Jahrgangsstufe 10 Gymnasium/Gesamtschule Seite 2 Aufgabenauswahl:

Mehr

Grundbegriffe der Wahrscheinlichkeitstheorie

Grundbegriffe der Wahrscheinlichkeitstheorie KAPITEL 1 Grundbegriffe der Wahrscheinlichkeitstheorie 1. Zufallsexperimente, Ausgänge, Grundmenge In der Stochastik betrachten wir Zufallsexperimente. Die Ausgänge eines Zufallsexperiments fassen wir

Mehr

Demo für

Demo für Wahrscheinlichkeitsrechnung Warenprüfungen Themenheft und Trainingsheft Anwendung der Binomialverteilung und der hypergeometrischen Verteilung Datei Nr. 0 Stand. Juni 00 Wird noch fortgesetzt Friedrich

Mehr

Schleswig-Holstein Kernfach Mathematik

Schleswig-Holstein Kernfach Mathematik Aufgabe 5: Stochastik Der Schokoladenhersteller Nikolaus Hase produziert für namhafte Discounter Ostereier. Auf Grund langjähriger Erfahrungen ist davon auszugehen, dass 95 % der Produktion der Norm entsprechen

Mehr

Statistik II (Sozialwissenschaften)

Statistik II (Sozialwissenschaften) Dr. Hans-Otfried Müller Institut für Mathematische Stochastik Fachrichtung Mathematik Technische Universität Dresden http://www.math.tu-dresden.de/sto/mueller/ Statistik II (Sozialwissenschaften) 2. Konsultationsübung,

Mehr

QM III Normalverteilung Aufgabe 10.1 Die Lebensdauer (in Jahren) von KFZ-Batterien des Typs

QM III Normalverteilung Aufgabe 10.1 Die Lebensdauer (in Jahren) von KFZ-Batterien des Typs Technische Hochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 1, Tel 3914 jutta.arrenberg@th-koeln.de QM III Normalverteilung Aufgabe 10.1 Die Lebensdauer (in Jahren)

Mehr

Testen von Hypothesen bei gegebenem Annahmebereich - Übungen

Testen von Hypothesen bei gegebenem Annahmebereich - Übungen Mathias Russ, MK 19.04.2007 Hypothesentest_Ueb_Ber.mcd Testen von Hypothesen bei gegebenem Annahmebereich - Übungen (1) Schulschwänzer Von einem Schüler wird behauptet, dass er (mindestens) 40% der Unterrichtstage

Mehr

Aufgabe 50. Ein Schießbudenbesitzer hat festgestellt, dass die Trefferwahrscheinlichkeit in den späten Abendstunden 0;1 pro Schuss beträgt.

Aufgabe 50. Ein Schießbudenbesitzer hat festgestellt, dass die Trefferwahrscheinlichkeit in den späten Abendstunden 0;1 pro Schuss beträgt. Aufgabe 0 Ein Schießbudenbesitzer hat festgestellt, dass die Trefferwahrscheinlichkeit in den späten Abendstunden 0;1 pro Schuss beträgt. a) Wie hoch ist die Wahrscheinlichkeit, bei Schüssen mindestens

Mehr

WAHRSCHEINLICHKEITSLEHRE

WAHRSCHEINLICHKEITSLEHRE Wahrscheinlichkeitstheorie Herbert Paukert 1 WAHRSCHEINLICHKEITSLEHRE Version 2.0 Herbert Paukert Drei Zufallsexperimente [ 02 ] Wahrscheinlichkeitstheorie I [ 05 ] Wahrscheinlichkeitstheorie II [ 12 ]

Mehr

Ministerium für Schule und Weiterbildung NRW M LK HT 7 Seite 1 von 10. Unterlagen für die Lehrkraft. Abiturprüfung Mathematik, Leistungskurs

Ministerium für Schule und Weiterbildung NRW M LK HT 7 Seite 1 von 10. Unterlagen für die Lehrkraft. Abiturprüfung Mathematik, Leistungskurs Seite 1 von 10 Unterlagen für die Lehrkraft Abiturprüfung 2012 Mathematik, Leistungskurs 1. Aufgabenart Stochastik mit Alternative 1 (ein- und zweiseitiger Hypothesentest) 2. Aufgabenstellung 1 siehe Prüfungsaufgabe

Mehr

Beurteilende Statistik

Beurteilende Statistik Beurteilende Statistik Wahrscheinlichkeitsrechnung und Beurteilende Statistik was ist der Unterschied zwischen den beiden Bereichen? In der Wahrscheinlichkeitstheorie werden aus gegebenen Wahrscheinlichkeiten

Mehr

Demoseiten für

Demoseiten für Lineare Ungleichungen mit Variablen Anwendung (Vorübungen für das Thema Lineare Optimierung) Datei Nr. 90 bzw. 500 Stand 0. Dezember 009 INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK 90 / 500 Lineare Ungleichungen

Mehr

Übungen zur Vorlesung Differential und Integralrechnung I Lösungsvorschlag

Übungen zur Vorlesung Differential und Integralrechnung I Lösungsvorschlag MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr. E. Schörner WS 203/4 Blatt 20.0.204 Übungen zur Vorlesung Differential und Integralrechnung I Lösungsvorschlag 4. a) Für a R betrachten wir die Funktion

Mehr

Inklusion und Exklusion

Inklusion und Exklusion Inklusion und xklusion ufgaben ufgabe 1: Wie groß ist die nzahl der natürlichen Zahlen zwischen 1 und 100 (jeweils einschließlich), die weder durch 2 noch durch 3 teilbar sind? ufgabe 2: Wie groß ist die

Mehr

Lösungen zum Aufgabenblatt Nr. 1: Konstruktion der reellen Zahlen

Lösungen zum Aufgabenblatt Nr. 1: Konstruktion der reellen Zahlen Lösungen zum Aufgabenblatt Nr. 1: Konstruktion der reellen Zahlen Aufgabe 1: Es sei D die Menge aller rationalen Dedekind-Mengen, also D := { M 2 Q M is Dedekind-Menge }. Auf der Menge D definieren wir

Mehr

Lösung Aufgabe 1 (Regression) Es wurden in einer Befragung zwei metrische Merkmale X und Y erhoben. Betrachten Sie dazu die

Lösung Aufgabe 1 (Regression) Es wurden in einer Befragung zwei metrische Merkmale X und Y erhoben. Betrachten Sie dazu die Statistik für Kommunikationswissenschaftler Wintersemester 2010/2011 Vorlesung Prof. Dr. Nicole Krämer Übung Nicole Krämer, Cornelia Oberhauser, Monia Mahling Lösung Thema 9 Homepage zur Veranstaltung:

Mehr

Name:... 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

Mehr

Beispiel: Zweidimensionale Normalverteilung I

Beispiel: Zweidimensionale Normalverteilung I 10 Mehrdimensionale Zufallsvariablen Bedingte Verteilungen 10.6 Beispiel: Zweidimensionale Normalverteilung I Wichtige mehrdimensionale stetige Verteilung: mehrdimensionale (multivariate) Normalverteilung

Mehr

Biometrische Planung von Versuchsvorhaben

Biometrische Planung von Versuchsvorhaben Biometrische Planung von Versuchsvorhaben Einführung in das Prinzip der Lehrstuhl für Mathematik VIII Statistik http://statistik.mathematik.uni-wuerzburg.de/~hain Ziel des Vortrags Im nachfolgenden Vortrag

Mehr

Kapitel 5: Einfaktorielle Varianzanalyse

Kapitel 5: Einfaktorielle Varianzanalyse Kapitel 5: Einfaktorielle Varianzanalyse Durchführung einer einfaktoriellen Varianzanalyse ohne Messwiederholung 1 Berechnung der Effektstärke und der beobachteten Teststärke einer einfaktoriellen Varianzanalyse

Mehr

Weierstraß-Institut für Angewandte Analysis und Stochastik Von der Binomialverteilung zur Normalverteilung

Weierstraß-Institut für Angewandte Analysis und Stochastik Von der Binomialverteilung zur Normalverteilung Weierstraß-Institut für Angewandte Analysis und Stochastik Von der Binomialverteilung zur Normalverteilung Wolfgang König (WIAS und TU Berlin) Mohrenstraße 39 10117 Berlin Tel. 030 20372 0 www.wias-berlin.de

Mehr

1. Ziehg.: N M. falls nicht-rote K. in 1. Ziehg. gezogen

1. Ziehg.: N M. falls nicht-rote K. in 1. Ziehg. gezogen 6.4 Hyergeometrische Verteilung Gegeben ist eine Urne, die mit N Kugeln gefüllt ist. Es seien M dieser Kugeln rot und N-M Kugeln nicht rot. Wir entnehmen n Kugeln, d.h. eine Stichrobe des Umfangs n. Dabei

Mehr

Aufgabenblock 3. Durch zählen erhält man P(A) = 10 / 36 P(B) = 3 / 36 P(C) = 18 / 36 und P(A B) = 3 /

Aufgabenblock 3. Durch zählen erhält man P(A) = 10 / 36 P(B) = 3 / 36 P(C) = 18 / 36 und P(A B) = 3 / Aufgabenblock 3 Aufgabe ) A sei das Ereignis: schwerer Verkehrsunfall B sei das Ereignis: Alkohol ist im Spiel Herr Walker betrachtet die Wahrscheinlichkeit P(B A) = 0.3 und errechnet daraus P(-B A) =

Mehr

Übung zur Vorlesung Statistik I WS Übungsblatt 6

Übung zur Vorlesung Statistik I WS Übungsblatt 6 Übung zur Vorlesung Statistik I WS 2012-2013 Übungsblatt 6 26. November 2012 Aufgabe 17 (4 Punkte): Sei X B(n, p) eine binomial verteilte Zufallsvariable, die ein Zufallseperiment mit n unabhängigen Wiederholungen

Mehr

10. Vorlesung. Grundlagen in Statistik. Seite 291. Martin-Luther-Universität Halle/Wittenberg

10. Vorlesung. Grundlagen in Statistik. Seite 291. Martin-Luther-Universität Halle/Wittenberg . Vorlesung Grundlagen in Statistik Seite 29 Beispiel Gegeben: Termhäufigkeiten von Dokumenten Problemstellung der Sprachmodellierung Was sagen die Termhäufigkeiten über die Wahrscheinlichkeit eines Dokuments

Mehr

Alternativtest Einführung und Aufgabenbeispiele

Alternativtest Einführung und Aufgabenbeispiele Alternativtest Einführung und Aufgabenbeispiele Ac Einführendes Beispiel: Ein Medikament half bisher 10% aller Patienten. Von einem neuen Medikament behauptet der Hersteller, dass es 20% aller Patienten

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de lordsofthebortz.de lordsofthebortz.de/g+

Mehr

Scheinklausur Stochastik 1 für Studierende des Lehramts und der Diplom-Pädagogik

Scheinklausur Stochastik 1 für Studierende des Lehramts und der Diplom-Pädagogik Universität Karlsruhe (TH) Institut für Stochastik Dr. Bernhard Klar Dipl.-Math. oec. Volker Baumstark Name Vorname Matr.-Nr.: Scheinklausur Stochastik für Studierende des Lehramts und der Diplom-Pädagogik

Mehr

4b. Wahrscheinlichkeit und Binomialverteilung

4b. Wahrscheinlichkeit und Binomialverteilung b. Wahrscheinlichkeit und Binomialverteilung Um was geht es? Häufigkeit in der die Fehlerzahl auftritt 9 6 5 3 2 2 3 5 6 Fehlerzahl in der Stichprobe Wozu dient die Wahrscheinlichkeit? Häfigkeit der Fehlerzahl

Mehr

2. Übung zur Vorlesung Statistik 2

2. Übung zur Vorlesung Statistik 2 2. Übung zur Vorlesung Statistik 2 Aufgabe 1 Welche der folgenden grafischen Darstellungen und Tabellen zeigen keine (Einzel-)Wahrscheinlichkeitsverteilung? Kreuzen Sie die richtigen Antworten an und begründen

Mehr

Anhang B. Regression

Anhang B. Regression Anhang B Regression Dieser Anhang rekapituliert die in der Analysis und Statistik wohlbekannte Methode der kleinsten Quadrate, auch Regression genannt, zur Bestimmung von Ausgleichsgeraden Regressionsgeraden

Mehr

Dieses Quiz soll Ihnen helfen, Kapitel besser zu verstehen.

Dieses Quiz soll Ihnen helfen, Kapitel besser zu verstehen. Dieses Quiz soll Ihnen helfen, Kapitel 2.5-2. besser zu verstehen. Frage Wir betrachten ein Würfelspiel. Man wirft einen fairen, sechsseitigen Würfel. Wenn eine oder eine 2 oben liegt, muss man 2 SFr zahlen.

Mehr

Test auf einen Anteilswert (Binomialtest) Vergleich zweier Mittelwerte (t-test)

Test auf einen Anteilswert (Binomialtest) Vergleich zweier Mittelwerte (t-test) Spezielle Tests Test auf einen Anteilswert (Binomialtest) Vergleich zweier Anteilswerte Test auf einen Mittelwert (Ein-Stichproben Gauss bzw. t-test) Vergleich zweier Mittelwerte (t-test) Test auf einen

Mehr

Modellschularbeit. Mathematik. Dezember 2014. Teil-1-Aufgaben. Korrekturheft

Modellschularbeit. Mathematik. Dezember 2014. Teil-1-Aufgaben. Korrekturheft Modellschularbeit Mathematik Dezember 2014 Teil-1-Aufgaben Korrekturheft Aufgabe 1 Ungleichung 1 2 a 2 kein x N, das die Ungleichung erfüllt Ein Punkt ist genau dann zu geben, wenn für jede der beiden

Mehr

Es gibt insgesamt 14 Grundkompetenzpunkte: Je einen für jede der 12 Teil-1-Aufgaben und jede der beiden mit A gekennzeichnete Aufgaben aus Teil 2.

Es gibt insgesamt 14 Grundkompetenzpunkte: Je einen für jede der 12 Teil-1-Aufgaben und jede der beiden mit A gekennzeichnete Aufgaben aus Teil 2. Prototypische Schularbeit 2 Klasse 8 Autor: Mag. Paul Schranz Begleittext Die vorliegende Schularbeit behandelt größtenteils Grundkompetenzen der Inhaltsbereiche Analysis und Wahrscheinlichkeitsrechnung

Mehr

: p= 1 6 ; allgemein schreibt man hierfür H : p = p. wird Gegenhypothese genannt und mit H 1 bezeichnet.

: p= 1 6 ; allgemein schreibt man hierfür H : p = p. wird Gegenhypothese genannt und mit H 1 bezeichnet. Einseitiger Signifikanztest Allgemein heißt die Hypothese, dass eine vorgelegte unbekannte Wahrscheinlichkeitsverteilung mit einer angenommenen Verteilung übereinstimmt, Nullhypothese und wird mit H 0

Mehr

1. Mathematikschulaufgabe

1. Mathematikschulaufgabe Klasse 8 / I I 1.0 Gib in Mengenschreibweise an: 1.1 Zur Menge M gehören alle Punkte, deren Abstand von parallelen Geraden g und h gleich ist, oder die von einem Punkt A mehr als 4 cm entfernt sind. 1.

Mehr

Klausur Statistik Lösungshinweise

Klausur Statistik Lösungshinweise Klausur Statistik Lösungshinweise Prüfungsdatum: 1. Juli 2015 Prüfer: Etschberger, Heiden, Jansen Studiengang: IM und BW Aufgabe 1 14 Punkte Ein Freund von Ihnen hat über einen Teil seiner Daten, die er

Mehr

Teilaufgabe 1.0 In einem Karton befinden sich 50 Bauteile, von denen genau vier fehlerhaft sind.

Teilaufgabe 1.0 In einem Karton befinden sich 50 Bauteile, von denen genau vier fehlerhaft sind. Abiturprüfung Berufliche Oberschule 2008 Mathematik 13 Technik - B I - Lösung Ein Autoteilezulieferer stellt für eine Autofirma ein aufwändiges elektronisches Bauteil her. Langfristig stellt man fest,

Mehr

Abitur - Übung 1 Glege 9/11

Abitur - Übung 1 Glege 9/11 Abitur - Übung 1 Glege 9/11 Aufgabe 1.1) ganz-rationale Funktion 1.1.a) Bestimmen Sie eine ganz-rationale Funktion 3.Grades, deren Graph bei =4 die -Achse berührt und an deren Punkt (2/f(2)) die Tangente

Mehr

1.4 Der Binomialtest. Die Hypothesen: H 0 : p p 0 gegen. gegen H 1 : p p 0. gegen H 1 : p > p 0

1.4 Der Binomialtest. Die Hypothesen: H 0 : p p 0 gegen. gegen H 1 : p p 0. gegen H 1 : p > p 0 1.4 Der Binomialtest Mit dem Binomialtest kann eine Hypothese bezüglich der Wahrscheinlichkeit für das Auftreten einer Kategorie einer dichotomen (es kommen nur zwei Ausprägungen vor, z.b. 0 und 1) Zufallsvariablen

Mehr

Kapitel XII - Kennzahlen mehrdimensionaler Zufallsvariablen

Kapitel XII - Kennzahlen mehrdimensionaler Zufallsvariablen Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XII - Kennzahlen mehrdimensionaler Zufallsvariablen Wahrscheinlichkeitstheorie Prof. Dr. W.-D. Heller Hartwig Senska

Mehr