Bedingte Wahrscheinlichkeiten. Bedingte Wahrscheinlichkeiten
|
|
- Viktoria Junge
- vor 7 Jahren
- Abrufe
Transkript
1 Folie I Bedingte Wahrscheinlichkeiten Bedingte Wahrscheinlichkeiten A) Definition, Multiplikationssatz A) Definition, Multiplikationssatz B) Hilfsmittel für systematische Lösungen: Venn-Diagramm, Kontingenztafel, Entscheidungsbaum C) Unabhängigkeit C) Unabhängigkeit D) Satz von der totalen Wahrscheinlichkeit D) Satz von der totalen Wahrscheinlichkeit E) Satz von Bayes
2 Aufgabe: Tupamaros 1 / 2 Folie I Im Tupamaros bekommt neuerdings jeder Gast eine Chipkarte. Darauf wird jede Bestellung und jede Nutzung eines der Spielautomaten vermerkt. Beim Gehen wird an der Zentralkasse bezahlt. Das neue System erlaubt es erstmals, die Zielgruppen des Restaurants näher unter die Lupe zu nehmen. Der Kassenchef bringt jetzt jedes Mal die neuesten Zahlen, die er aus dem Abrechnungsprogramm gezogen hat, in die Sitzung der Geschäftsleitung ein.
3 Aufgabe: Tupamaros 2 / 2 Folie I An einem durchschnittlichen Öffnungstag kommen 928 Gäste ins Tupamaros, die Beträge auf der Chipkarte aufweisen (das Lokal ist immer voll). Von diesen Gästen haben 537 gegessen, 698 getrunken, 525 gegessen und getrunken. Von den Gästen, die gegessen und getrunken haben, waren 320 am Spielautomaten, von denen die ausschließlich gegessen haben 3. Die Geschäftsleitung hat heute folgende Fragen: a) Welcher Anteil der Gäste, die essen (bzw. nicht essen), nutzt die Spielautomaten? b) Welcher Anteil der Gäste, die jeweils den Spielautomaten nutzen, isst nichts und trinkt nichts? Helfen Sie dem Kassenchef, die Fragen zu beantworten, die er beantworten kann. c) Der Kassenchef findet noch heraus, dass durchschnittlich 663 Gäste den Spielautomaten nutzen. Wie verändert sich durch diese Information die Antwort auf a) und b)?
4 Aufgabe: Tupamaros Lösungsansatz Folie I An einem durchschnittlichen Öffnungstag kommen 928 Gäste ins Tupamaros, die Beträge auf der Chipkarte aufweisen (das Lokal ist immer voll). Von diesen Gästen haben 537 gegessen, 698 getrunken, 525 gegessen und getrunken. 537 P ( E ) = = 0,579 P ( T ) = 0,752 P ( E T ) = 0, Von den Gästen, die gegessen und getrunken haben, waren 320 am Spielautomaten, von denen die ausschließlich gegessen haben 3. E - T - S - "Essen" "Trinken" "Spielautomat" ( ) = 0,003 P E T S ( ) = 0,345 P E T S a) Welcher Anteil der Gäste, die essen (bzw. nicht essen), nutzt die Spielautomaten in der Woche (bzw. am Wochenende)? b) Welcher Anteil der Gäste, die jeweils den Spielautomaten nutzen, isst nichts und trinkt nichts? c) Der Kassenchef findet noch heraus, dass durchschnittlich 663 Gäste den Spielautomaten nutzen. Wie verändert sich durch diese Information die Antwort auf a) und b)?
5 Bedingte Wahrscheinlichkeiten I Folie I Definition: ( ) P A B : = ( B) P ( B) P A heißt die bedingte Wahrscheinlichkeit von A unter der Bedingung B und gibt die Wahrscheinlichkeit wieder, dass A eintritt, wenn B schon eingetroffen ist.
6 Beispielaufgabe 1 zu bedingten Wahrscheinlichkeiten Folie I Ein Spieler würfelt verdeckt (Würfelbecher) mit einem fairen Würfel. Er schaut sich das Ergebnis an. Um die Spannung zu erhöhen, sagt er zunächst nur: "Es ist eine gerade Zahl. Wie groß ist danach die Wahrscheinlichkeit, dass er eine 6 gewürfelt hat?
7 Beispielaufgabe 1 zu bedingten Wahrscheinlichkeiten Folie I Derselbe Spieler würfelt nun verdeckt (Würfelbecher) mit einem schiefen Würfel mit der folgenden Belegung: P P P Schief Schief Schief ({ 1} ) ({ i} ) ({ 6} ) 1 = 12 1 = für i = 6 2, 3, 4, 5 1 = 4 Er schaut sich das Ergebnis an und sagt wieder zunächst nur: "Es ist eine gerade Zahl. Wie groß ist nun die Wahrscheinlichkeit, dass er eine 6 gewürfelt hat?
8 Beispielaufgabe 2 zu bedingten Wahrscheinlichkeiten Folie I Ein Spieler würfelt mit zwei fairen Würfeln. Er hat mit dem 1. Würfel eine 2 geworfen. Wie groß ist danach die Wahrscheinlichkeit, dass er einen Pasch gewürfelt hat?
9 Bedingte Wahrscheinlichkeiten II: Der Multiplikationssatz Folie I Mit Hilfe der Definitionsformel für die bedingte Wahrscheinlichkeit läßt sich auch umgekehrt die Wahrscheinlichkeit für das gemeinsame Auftreten von Ereignissen berechnen. Es gilt der Multiplikationssatz: ( A B) = ( A) ( B A) = ( B) ( A B) P P P P P
10 Beispielaufgabe zum Multiplikationssatz Folie I Ein Kartenspieler zieht aus einem Skatblatt zwei Karten (ohne die Karten zurückzulegen). Wie groß ist die Wahrscheinlichkeit, dass er zwei Asse zieht? (Überlegen Sie zunächst: was ist ( Ω,A)?)
11 Beispielaufgabe zum Multiplikationssatz Folie I Ein Spieler würfelt zweimal mit einem fairen Würfel. Wie groß ist die Wahrscheinlichkeit, insgesamt eine gerade Augensumme zu würfeln und im ersten Wurf eine 6 zu würfeln?
12 Aufgabe zum Multiplikationssatz: Ziehen mit und ohne Zurücklegen Folie I Es wird dreimal hintereinander eine Karte aus einem Skat-Kartenspiel gezogen. Wie groß ist die Wahrscheinlichkeit dafür, dass zuerst ein As, dann ein König und dann eine Dame gezogen wird, wenn die jeweils gezogene Karte nicht zurückgelegt wird ( Ziehen ohne Zurücklegen )? Wie groß ist die Wahrscheinlichkeit dafür, dass zuerst ein As, dann ein König und dann eine Dame gezogen wird, wenn nach jedem Ziehen die gezogene Karte zurückgelegt wird und erneut gemischt wird ( Ziehen mit Zurücklegen )?
13 Beispiel - Rauchen und Lungenkrebs Folie I Die Wahrscheinlichkeit, dass ein erwachsener Hamburger raucht, sei 0,45. Die Wahrscheinlichkeit, dass ein erwachsener Hamburger im Laufe seines Lebens Lungenkrebs entwickelt, sei 0,05. Die Wahrscheinlichkeit, dass ein erwachsener Hamburger raucht und Lungenkrebs entwickelt, sei 0,045. Typische Fragen: Wie groß ist die Wahrscheinlichkeit dafür, dass ein Raucher an Lungenkrebs erkrankt? Wie groß ist die Wahrscheinlichkeit dafür, dass ein Nichtraucher an Lungenkrebs erkrankt? Wie groß ist die Wahrscheinlichkeit dafür, dass ein Mensch, der an Lungenkrebs erkrankt ist, Raucher ist? Wie groß ist der Anteil der Raucher mit Lungenkrebs in der Bevölkerung?
14 Beispiel - Rauchen und Lungenkrebs 1 / 4 Folie I Die Wahrscheinlichkeit, dass ein erwachsener Hamburger raucht, sei 0,45. Die Wahrscheinlichkeit, dass ein erwachsener Hamburger im Laufe seines Lebens Lungenkrebs entwickelt, sei 0,05. Die Wahrscheinlichkeit, dass ein erwachsener Hamburger raucht und Lungenkrebs entwickelt, sei 0,045. Wie sieht eine graphische Darstellung der Elementarereignisse aus? Wie sieht eine tabellarische Darstellung der Elementarereignisse aus?
15 Beispiel - Rauchen und Krebs 1 / 4 Darstellung der Elementarereignisse mit Venn-Diagramm und Tabelle Folie I R R L L R L Lungenkrebs kein Lungenkrebs Raucher R L R L R Nichtraucher R L R L R L L Ω
16 Beispiel - Rauchen und Krebs 1 / 4 Darstellung der Elementarereignisse (fortgesetzt) Venn-Diagramm und Tabelle Folie I R (=0,45) L (=0,05)? 0,045?? Lungenkrebs kein Lungenkrebs Raucher 0,045? 0,45 Nichtraucher??? 0,050? 1
17 Beispiel - Rauchen und Krebs 1 / 4 Darstellung der Elementarereignisse (fortgesetzt) Venn-Diagramm und Tabelle Folie I R (=0,45) L (=0,05) 0,405 0,045 0,005 0,545 Lungenkrebs kein Lungenkrebs Raucher 0,045 0,405 0,45 Nichtraucher 0,005 0,545 0,55 0,050 0,950 1
18 Beispiel - Rauchen und Krebs 2 / 4 Prospektive Betrachtung I / IV Folie I Lungenkrebs kein Lungenkrebs Raucher 0,045 0,405 0,45 Nichtraucher 0,005 0,545 0,55 0,050 0,950 1 R (=0,45) L (=0,05) 0,405 0,005 0,045 0,545 Wie groß ist die Wahrscheinlichkeit dafür, dass ein Raucher an Lungenkrebs erkrankt? ( ) P L R ( R) P ( R) P L 0, 045 = = = 0, 45 0, 1
19 Beispiel - Rauchen und Krebs 2 / 4 Prospektive Betrachtung II / IV Folie I Lungenkrebs kein Lungenkrebs Raucher 0,045 0,405 0,45 Nichtraucher 0,005 0,545 0,55 0,050 0,950 1 R (=0,45) L (=0,05) 0,405 0,005 0,045 0,545 Wie groß ist die Wahrscheinlichkeit dafür, dass ein Raucher nicht an Lungenkrebs erkrankt? ( ) P L R ( R) P L 0, 405 = = = P R 0, 45 ( ) 0, 9
20 Beispiel - Rauchen und Krebs 2 / 4 Prospektive Betrachtung III / IV Folie I Lungenkrebs kein Lungenkrebs Raucher 0,045 0,405 0,45 Nichtraucher 0,005 0,545 0,55 0,050 0,950 1 R (=0,45) L (=0,05) 0,405 0,005 0,045 0,545 Wie groß ist die Wahrscheinlichkeit dafür, dass ein Nichtraucher an Lungenkrebs erkrankt? ( ) P L R ( R) P ( R) P L 0, 005 = = = 0, , 01 0, 55
21 Beispiel - Rauchen und Krebs 2 / 4 Prospektive Betrachtung IV / IV Folie I Lungenkrebs kein Lungenkrebs Raucher 0,045 0,405 0,45 Nichtraucher 0,005 0,545 0,55 0,050 0,950 1 R (=0,45) L (=0,05) 0,405 0,005 0,045 0,545 Wie groß ist die Wahrscheinlichkeit dafür, dass ein Nichtraucher nicht an Lungenkrebs erkrankt? ( ) P L R ( R) P ( R) P L 0, 545 = = = 0, , 99 0, 55
22 Beispiel - Rauchen und Krebs 3 / 4 Retrospektive Betrachtung I / II Folie I Lungenkrebs kein Lungenkrebs Raucher 0,045 0,405 0,45 Nichtraucher 0,005 0,545 0,55 0,050 0,950 1 R (=0,45) L (=0,05) 0,405 0,005 0,045 0,545 Wie groß ist die Wahrscheinlichkeit dafür, dass ein Mensch, der an Lungenkrebs erkrankt ist, Raucher ist? 0, 045 P ( R L) = = 0, 05 0, 9
23 Beispiel - Rauchen und Krebs 3 / 4 Retrospektive Betrachtung II / II Folie I Lungenkrebs kein Lungenkrebs Raucher 0,045 0,405 0,45 Nichtraucher 0,005 0,545 0,55 0,050 0,950 1 R (=0,45) L (=0,05) 0,405 0,005 0,045 0,545 Wie groß ist die Wahrscheinlichkeit dafür, dass ein Mensch, der nicht an Lungenkrebs erkrankt ist, Raucher ist? ( ) 0, 405 P R L = = 0, 95 0, 426
24 Beispiel - Rauchen und Krebs 4 / 4 Anwendung des Multiplikationssatzes I / III Folie I Gegeben: Anteil der Raucher: P(R) = 45% Wahrscheinlichkeit eines Rauchers, Lungenkrebs zu bekommen: P(L R) = 10% Wie groß ist der Anteil der Raucher mit Lungenkrebs in der Bevölkerung? ( ) = ( ) ( ) = 0, 45 0, 1 = 0, 045 P L R P R P L R Ω P(R) = 0,45 R R P(L R) = 0,1 L L L L ( R) = 0, 45 0, 1 = 0, 045 P L
25 Beispiel - Rauchen und Krebs 4 / 4 Anwendung des Multiplikationssatzes mit Ereignisbaum und Tabelle II / III Folie I Lungenkrebs kein Lungenkrebs Raucher R L R L R Nichtraucher R L R L R L L Ω Ω P ( R) P ( R) R R P ( L R) P ( L R) P ( L R) P ( L R) L L L L ( R) P L ( R) P L ( R) P L ( R) P L
26 Beispiel - Rauchen und Krebs 4 / 4 Anwendung des Multiplikationssatzes Ereignisbaum und Tabelle III / III Folie I Lungenkrebs kein Lungenkrebs Raucher 0,045 0,405 0,45 Nichtraucher 0,005 0,545 0,55 0,050 0,950 1 Ω 0,45 0,55 R R 0,1 0,9 0,009 0,991 L L L L ( R) = 0,045 P L ( R) = 0,405 ( R) = 0,005 P L P L ( R) = 0,545 P L
27 Folie I Aufgabe zu den Darstellungsformen für elementare Wahrscheinlichkeiten Wie lassen sich die Darstellungsformen Venn-Diagramm, Kontingenztafel und Entscheidungsbaum auf drei oder mehr Merkmale verallgemeinern? Wie lassen sich die Darstellungsformen Venn-Diagramm, Kontingenztafel und Entscheidungsbaum auf Merkmale mit mehr als zwei Ausprägungen verallgemeinern?
28 Bedingte Wahrscheinlichkeiten III Stochastische Unabhängigkeit Folie I Definition: Zwei Ereignisse, A und B heißen voneinander (stochastisch) unabhängig, wenn gilt: ( ) = P ( A) P A B oder oder ( ) = P ( B) P B A ( ) = ( ) ( ) P A B P A P B
29 Beispielaufgabe 1 zu bedingten Wahrscheinlichkeiten Folie I Ein Spieler würfelt verdeckt (Würfelbecher) mit einem fairen Würfel. Er schaut sich das Ergebnis an. Um die Spannung zu erhöhen, sagt er zunächst nur: "Es ist eine gerade Zahl. Sind die Ereignisse 6 und Gerade Zahl stochastisch unabhängig?
30 Beispielaufgabe 2 zu bedingten Wahrscheinlichkeiten Folie I Ein Spieler würfelt mit zwei Würfeln. Er hat mit dem 1. Würfel eine 2 geworfen. Sind die Ereignisse Pasch und mit 2 im ersten Wurf stochastisch unabhängig?
31 Bedingte Wahrscheinlichkeiten IV Mögliche Wahrscheinlichkeitsbeziehungen zwischen zwei Ereignissen 1 / 2 Folie I A = B A=B B P ( A) = P( B) A gleich B A B B A B A A B P ( A) P ( B) P ( A ) P ( B ) Aus B folgt A Aus A folgt B
32 Bedingte Wahrscheinlichkeiten IV Mögliche Wahrscheinlichkeitsbeziehungen zwischen zwei Ereignissen 2 / 2 ( A B) > ( A) ( B) P( A B) = P( A) P( B) P( A B) < P( A) P( B) P P P Folie I B A B A B A A und B fördern einander A und B sind unabhängig A und B behindern sich A B = B A P ( A B) = P( ) = 0 A und B schließen sich aus (sind disjunkt)
33 Bedingte Wahrscheinlichkeiten V Folie I Definition: Drei Ereignisse, A, B und C heißen (stochastisch) unabhängig, wenn gilt: ( ) = ( ) ( ) ( ) P A B C P A P B P C und Je zwei Ereignisse aus A, B und C sind unabhängig
34 Bedingte Wahrscheinlichkeiten VI Satz von der totalen Wahrscheinlichkeit 1 / 2 Folie I Gegeben seien eine endliche Anzahl von Ereignissen B i, i = 1,...,k ( Bedingungen ), die sich paarweise ausschließen, d.h. für i j ist B B =, und die vereinigt die gesamte Ergebnismenge ergeben, d. h. i k i= 1 B i j = Ω. Dann gilt für ein beliebiges Ereignis A A k P( A) = P( A B ) = P( A B ) P( B ) k i i i i = 1 i = 1
35 Bedingte Wahrscheinlichkeiten VI Satz von der totalen Wahrscheinlichkeit 2 / 2 Folie I k P( A) = P( A B ) = P( A B ) P( B ) k i i i i = 1 i = 1 B 1 A B 2 B 3 Ω B 1 B 2 B 3 A B 1 A B 1 A B 2 A B 2 A B 3 A B 3 Man spricht in diesem Zusammenhang auch von der totalen Wahrscheinlichkeit als der Wahrscheinlichkeit, A auf einem Pfade B i zu erreichen. Die Formel wird angewendet, wenn man zwar die Wahrscheinlichkeit sämtlicher Bedingungen, die zu A führen können, und die jeweiligen bedingten Wahrscheinlichkeiten von A kennt, P(A) selbst aber nicht.
36 Folie I Beispielaufgabe zur totalen Wahrscheinlichkeit: Infektiöse Gelbsucht Drei klassische Ursachen für infektiöse Gelbsucht sind - Infektion durch Spritze oder Bluttransfusion - Infektion durch Nahrungsaufnahme - enger persönlicher Kontakt mit einem bereits Erkrankten. In einem Land mögen diese Ursachen in einem Jahr bei 15% / 20% / 2% der Bevölkerung auftreten; nie mehr als eine Ursache auf einmal. Andere Ursachen mögen ausgeschlossen sein. Die Wahrscheinlichkeit, Gelbsucht zu bekommen, sei bei Vorliegen je einer der Ursachen 0,10 / 0,05 / 0,40. Wie groß ist die Wahrscheinlichkeit für einen beliebigen Bürger in einem Jahr Gelbsucht zu bekommen?
37 Bedingte Wahrscheinlichkeiten VII Der Satz von Bayes Folie I In diesem Zusammenhang tritt häufig die folgende Frage auf: Wenn A eintrifft, wie wahrscheinlich ist es, dass gleichzeitig B j eintrifft, d.h. A auf dem Pfade B j erreicht wird? Diese Frage wird durch den Satz von Bayes beantwortet: P ( B j A) ( ) ( A) i = 1 ( ) ( ) P P P B A A B B = = P j j j k P ( A B ) P ( B ) i i
38 Beispielaufgabe zum Satz von Bayes: Der AIDS-Test Folie I Endlich ist er da: der 99% sichere AIDS-Test. Genauer: dieser Test hat eine Sensitivität von 99% (d.h. die Wahrscheinlichkeit eines AIDS-Infizierten, dass der Test positiv ausfällt, ist 99%). Des weiteren hat der Test eine Spezifität von 95% (d.h. die Wahrscheinlichkeit, eines Nicht-AIDS-Infizierten, dass der Test negativ ausfällt, ist 95%). Die "Liga zur Verbesserung der Volksgesundheit" fordert daraufhin "von der Politik", endlich den Zwangstest für alle einzuführen. Berechnen Sie die Wahrscheinlichkeit, dass ein Test-positiver tatsächlich infiziert ist, (die "positive Korrektheit" oder den "positiven prädiktiven Wert" des Tests) wenn die AIDS-Prävalenz (der Anteil der AIDS-Infizierten) 0,05% ist.
39 Aufgabe: Ölexploration Folie I Eine Ölgesellschaft baut 3 Bohrtürme in der Nordsee auf. Die Wahrscheinlichkeit, innerhalb eines Jahres fündig zu werden, ist bei jedem Bohrturm 1 / 4. Die Bohrtürme stehen so weit auseinander, dass sie sich gegenseitig nicht beeinflussen. Wie groß ist die Chance der Gesellschaft, im ersten Jahr Öl zu finden?
40 Lösung zur Aufgabe: Ölexploration 1 / 4 Folie I In der Terminologie der Wahrscheinlichkeitsrechnung lautet die Aufgabe: Sei A das Ereignis fündig bei 1. Bohrung, B das Ereignis fündig bei 2. Bohrung, C das Ereignis fündig bei 3. Bohrung. Gesucht: P(A B C) Lösung mit den Rechenregeln der Wahrscheinlichkeitsrechnung: Zunächst für die ersten beiden Bohrungen: P( A B) = P( A) + P( B) P( A B) = + = ( P( A B) = P( A) P( B) = = da A und B unabhängig sind) Dann für alle drei Bohrungen: P( A B C) = P(( A B) C) = P( A B) + P( C) P(( A B) C) = + =
41 Lösung zur Aufgabe: Ölexploration 2 / 4 Folie I Sei A das Ereignis fündig bei 1. Bohrung, B das Ereignis fündig bei 2. Bohrung, C das Ereignis fündig bei 3. Bohrung. Gesucht: P(A B C) Pfiffiger ist: 3 Unabh. P( A B C) = 1 P( A B C) = 1 P( A B C) = 1 P( A) P( B) P( C) = 1 = 1 =
42 Lösung zur Aufgabe: Ölexploration 3 / 4 Folie I Sei A das Ereignis fündig bei 1. Bohrung, B das Ereignis fündig bei 2. Bohrung, C das Ereignis fündig bei 3. Bohrung. Gesucht: P(A B C) Systematische Lösung mit dem Venn-Diagramm: A B 9/64 3/64 9/ = /64 1/64 3/64 3/64 9/64 oder: = C
43 Lösung zur Aufgabe: Ölexploration 4 / 4 Folie I Sei A das Ereignis fündig bei 1. Bohrung, B das Ereignis fündig bei 2. Bohrung, C das Ereignis fündig bei 3. Bohrung. Gesucht: P(A B C) Systematische Lösung mit dem Entscheidungsbaum: Ω ( ) P A = ( ) P A = A iii A ( ) P B A = P( B) = 3 4 B iii B ( ) P C B A = P( C) = 3 4 C C 3 37 P( A B C) = 1 P( A B C) = 1 =
44 Aufgabe: Erträumte Musterlösungen Folie I In der Nacht vor der Statistik-I-Klausur erscheint dem sich im Bett wälzenden Erstsemester im Traum ein Geist. Ich habe Erbarmen mit dir, spricht der Geist, ich will dir eine Chance geben, dich von allen Klausur-Ängsten befreien. Siehst du die drei Türen dort? Sie führen direkt in den Klausursaal. Hinter einer Tür liegt die Musterlösung. Du darfst dir die Tür aussuchen, durch die du morgen früh gehst. Wähle gut! Kannst du mir nicht noch ein wenig helfen?, bettelt der Student, Schließlich ist doch meine Chance sonst nur 33,3%. Bravo!,antwortet der Geist, dafür, dass du das gewusst hast, will ich dir zur Belohnung tatsächlich noch eine zweite Chance einräumen. Doch wähle erst! Zitternd zeigt der Student auf eine der drei Türen. Der Geist öffnet darauf eine der beiden anderen Türen, hinter der allerdings weit und breit keine Musterlösung zu sehen ist. Nun wähle ein zweites Mal, spricht der Geist und löst sich unter wieherndem Gelächter in Rauch auf. Kann der Student durch erneute Wahl seine Chancen verbessern? Welches ist die optimale Strategie, und wie groß ist nach dieser Strategie die Wahrscheinlichkeit, dass er die Musterlösung findet (natürlich nur im Traum)?
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
MehrBeispielaufgaben 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
MehrGrundbegriffe der Wahrscheinlichkeitstheorie
KAPITEL 1 Grundbegriffe der Wahrscheinlichkeitstheorie 1. Zufallsexperimente, Ausgänge, Grundmenge In der Stochastik betrachten wir Zufallsexperimente. Die Ausgänge eines Zufallsexperiments fassen wir
Mehr4b. 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
MehrKlausur 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,
MehrBiometrieübung 2 Wahrscheinlichkeitsrechnung
Biometrieübung 2 (Wahrscheinlichkeitsrechnung) - Aufgabe Biometrieübung 2 Wahrscheinlichkeitsrechnung Aufgabe 1. Kartenspiel Wie groß ist die Wahrscheinlichkeit, daß man aus einem Kartenspiel mit 52 Karten
MehrMathematik: Mag. Schmid Wolfgang & LehrerInnenteam Arbeitsblatt 7-9 7. Semester ARBEITSBLATT 7-9. Was ist Wahrscheinlichkeit
ARBEITSBLATT 7-9 Was ist Wahrscheinlichkeit "Ein guter Mathematiker kann berechnen, welche Zahl beim Roulette als nächstes kommt", ist eine Aussage, die einfach falsch ist. Zwar befassen sich Mathematiker
MehrPflichtteilaufgaben 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:
MehrÜ 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
MehrWAHRSCHEINLICHKEIT. Erinnere dich
Thema Nr.9 WAHRSCHEINLICHKEIT Erinnere dich Zufallsexperiment Ein Experiment, bei dem verschiedene Ergebnisse möglich sind und bei dem das Ergebnis nur vom Zufall abhängt heißt Zufallsexperiment. Beispiele
MehrBernoullikette und Binomialverteilung. Binomialverteilung
Binomialverteilung Inhaltsverzeichnis Vorbemerkungen... 3 Listen und Mengen... 3 Beispiele für Ergebnisräume... 3 Bernoulliketten... 3 Binomialverteilung... 3 Aufgabe... 3 Graphische Veranschaulichung...
MehrMathematik W27. Mag. Rainer Sickinger LMM. v 1 Mag. Rainer Sickinger Mathematik W27 1 / 51
Mathematik W27 Mag. Rainer Sickinger LMM v 1 Mag. Rainer Sickinger Mathematik W27 1 / 51 Einführung Wir befinden uns in einer kleinen Stadt. In dieser Stadt gibt es zwei Taxiunternehmen. Die Taxis des
MehrAllgemeine Definition von statistischer Abhängigkeit (1)
Allgemeine Definition von statistischer Abhängigkeit (1) Bisher haben wir die statistische Abhängigkeit zwischen Ereignissen nicht besonders beachtet, auch wenn wir sie wie im Fall zweier disjunkter Mengen
MehrDie Kugeln tragen zwei Merkmale mit jeweils zwei Ausprägungen. Merkmal I Ausprägung Merkmal II Ausprägung. A: Holz B: rot A: Kunststoff B: grün
R. rinkmann http://brinkmann-du.de Seite 6..00 edingte Wahrscheinlichkeit ei mehrmaligem Würfeln hängt die Wahrscheinlichkeit eine bestimmte Zahl zwischen und 6 zu werfen nicht von dem vorherigen Ergebnis
MehrWahrscheinlichkeitstheorie
Kapitel 2 Wahrscheinlichkeitstheorie Josef Leydold c 2006 Mathematische Methoden II Wahrscheinlichkeitstheorie 1 / 24 Lernziele Experimente, Ereignisse und Ereignisraum Wahrscheinlichkeit Rechnen mit Wahrscheinlichkeiten
MehrSatz 16 (Multiplikationssatz)
Häufig verwendet man die Definition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A B] = Pr[B A] Pr[A] = Pr[A B] Pr[B]. (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1,..., A n gegeben.
MehrEreignis E: ist ein oder sind mehrere Ergebnisse zusammen genommen. Bsp. E = {2; 4; 6}
Laplace-Experimente Begriffsklärung am Beispiel eines Laplace-Würfel mit Augenzahlen (AZ) 1-6: Ergebnis: ist jeder Ausgang eines Zufallsexperimentes heißt ein Ergebnis ω dieses Zufallsexperimentes. Die
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürgen Senger INDUKTIVE STATISTIK Wahrscheinlichkeitstheorie, Schätz- und Testverfahren ÜBUNG. - LÖSUNGEN. Werfen eines idealen Würfels a. Sei A das Ereignis, eine zu würfeln A { } Das Ereignis, keine
MehrWahrscheinlichkeitsverteilungen
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
MehrElemente 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
MehrWahrscheinlichkeitsrechnung
Wahrscheinlichkeitsrechnung Grundbegriffe: Experiment: ein Vorgang, den man unter gleichen Voraussatzungen beliebig oft wiederholen kann. Ergebnis ω : Ausgang eines Experiments Ergebnismenge Ω : Menge
MehrSTOCHASTISCHE UNABHÄNGIGKEIT. Annika Pohlmann Philipp Oel Wilhelm Dück
STOCHASTISCHE UNABHÄNGIGKEIT Annika Pohlmann Philipp Oel Wilhelm Dück 1 GLIEDERUNG 1) Bedingte Wahrscheinlichkeiten 2) Unabhängigkeit für mehr als zwei Ereignisse 3) Unabhängigkeit für Zufallsvariable
MehrKapitel 5 Stochastische Unabhängigkeit
Kapitel 5 Stochastische Unabhängigkeit Vorlesung Wahrscheinlichkeitsrechnung I vom SoSe 2009 Lehrstuhl für Angewandte Mathematik 1 FAU 5.1 Das Konzept der stochastischen Unabhängigkeit. 1 Herleitung anhand
MehrStatistik I für Humanund Sozialwissenschaften
Statistik I für Humanund Sozialwissenschaften 3. Übung Lösungsvorschlag Gruppenübung G 8 a) Ein Professor möchte herausfinden, welche 5 seiner insgesamt 8 Mitarbeiter zusammen das kreativste Team darstellen.
MehrStochastik (Laplace-Formel)
Stochastik (Laplace-Formel) Übungen Spielwürfel oder Münzen werden ideal (oder fair) genannt, wenn jedes Einzelereignis mit gleicher Wahrscheinlichkeit erwartet werden kann. 1. Ein idealer Spielwürfel
Mehra) (A B) tritt ein = A tritt ein oder B tritt ein. = Mindestens eines der Ereignisse A, B tritt ein.
Lösungsvorschläge zu den Aufgaben von Blatt 6: 43) 7 Telefonzellen ( 7 Kugeln in der Urne); 3 davon sind von je einem Benutzer besetzt ( 3 Kugeln in die Stichprobe). Die Telefonzellen werden nicht mehrfach
MehrAbitur - 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
MehrEinführung in die Wahrscheinlichkeitsrechnung
Marco Cattaneo Institut für Statistik Ludwig-Maximilians-Universität München Sommersemester 2011 1. Wahrscheinlichkeitsrechnung 2. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grenzwertsätze
MehrVorkurs Mathematik. Christoph Hindermann. Wahrscheinlichkeitstheorie
Kapitel 4 Christoph Hindermann Vorkurs Mathematik 1 4.0 Motivation Wenn 100 Münzen geworfen werden, wie ist dann die Wahrscheinlichkeit, dass genau 50 davon Kopf zeigen? Angenommen, es befinden sich 300
MehrStochastik - Kapitel 3
Aufgaben ab Seite 8 3. edingte Wahrscheinlichkeit und Unabhängigkeit 3.1 edingte Wahrscheinlichkeit und die Formel von ayes eispiel zum Einstieg in das Thema: Peter wirft zwei Würfel. Danach möchte er
MehrEinführung. Wahrscheinlichkeit. 1 Wahrscheinlichkeit: Definition und Interpretation. 2 Elementare Wahrscheinlichkeitsrechnung, bedingte
Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2 Elementare Wahrscheinlichkeitsrechnung, bedingte Wahrscheinlichkeit Axiome nach Kolmogorov Gegeben sei ein Zufallsexperiment mit Ergebnisraum
MehrWahrscheinlichkeitsrechnung
2 Wahrscheinlichkeitsrechnung 2.1 Grundbegriffe Wir betrachten zwei Beispiele, um erste Grundbegriffe anschaulich einzuführen. Beispiel 2.1.1. In einem Elektronikmarkt liegen 50 MP3-Player auf einem Tisch,
MehrAufgabe 1. Übung Wahrscheinlichkeitsrechnung Markus Kessler Seite 1 von 8. Die Ereignisse A, B und C erfüllen die Bedingungen
Ü b u n g 1 Aufgabe 1 Die Ereignisse A, B und C erfüllen die Bedingungen P(A) = 0. 7, P(B) = 0. 6, P(C) = 0. 5 P(A B) = 0. 4, P(A C) = 0. 3, P(B C) = 0. 2, P(A B C) = 0. 1 Bestimmen Sie P(A B), P(A C),
Mehr3. Grundbegriffe der Wahrscheinlichkeitstheorie
03. JULI 2006: BLATT 17 3. Grundbegriffe der Wahrscheinlichkeitstheorie (v.a. nach Manning/Schütze: 40ff und Fahrmeir /Künstler/Pigeot/Tutz: 171ff) Übersicht Um entscheiden zu können, ob eine statistische
MehrD. Ulmet IT 4 Blatt 5 Stochastik I SS 2005
D. Ulmet IT 4 Blatt 5 Stochastik I SS 2005 Aufgabe 1: Von den Ereignissen A, B und C trete a) nur A ein, b) genau eines ein, c) höchstens eines ein, d) mindestens eines ein, e) mindestens eines nicht ein,
MehrKapitel 6. Kapitel 6 Mehrstufige Zufallsexperimente
Mehrstufige Zufallsexperimente Inhalt 6.1 6.1 Mehrstufige Experimente 6.2 6.2 Bedingte Wahrscheinlichkeiten Seite 2 6.1 Mehrstufige Experimente Grundvorstellung: Viele Viele Experimente werden der der
MehrStochastik und Markovketten
1 Zentrum für Bioinformatik der Universität des Saarlandes WS 22/23 2 Warum Stochastik? Viele Fragestellungen der Bioinformatik lassen sich auch heutzutage gar nicht oder nicht schnell genug exakt beantworten
Mehr9. Elementare Wahrscheinlichkeitsrechnung
9. Elementare Wahrscheinlichkeitsrechnung Beispiel (Einmaliges Würfeln): verbal mengentheoretisch I. Zufällige Ereignisse Beispiel (Einmaliges Würfeln): Alle möglichen Ausgänge 1,,, 6 des Experiments werden
MehrPflichtteilaufgaben 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 September 016
MehrSatz 18 (Satz von der totalen Wahrscheinlichkeit)
Ausgehend von der Darstellung der bedingten Wahrscheinlichkeit in Gleichung 1 zeigen wir: Satz 18 (Satz von der totalen Wahrscheinlichkeit) Die Ereignisse A 1,..., A n seien paarweise disjunkt und es gelte
MehrAnzahl möglicher Anordnungen bei 3 Elementen
Anzahl möglicher Anordnungen bei 3 Elementen Man kann die Anzahl möglicher Anordnungen der drei Buchstaben A, B und C mit einem Baumdiagramm bestimmen. 3 2 6 verschiedene Anordnungen Permutationen Die
Mehr6: Diskrete Wahrscheinlichkeit
Stefan Lucks Diskrete Strukturen (WS 2009/10) 219 6: Diskrete Wahrscheinlichkeit 6: Diskrete Wahrscheinlichkeit Stefan Lucks Diskrete Strukturen (WS 2009/10) 220 Wahrscheinlichkeitsrechnung Eines der wichtigsten
Mehr7 Unabhängigkeit von Ereignissen; bedingte Wahrscheinlichkeit
Übungsmaterial 7 Unabhängigkeit von reignissen; bedingte Wahrscheinlichkeit 7. Unabhängigkeit von reignissen Wir betrachten folgendes Beispiel: Zwei unterscheidbare Münzen werden geworfen. Man betrachtet
MehrÜbungen zur Wahrscheinlichkeitstheorie und Statistik
Übungen zur Wahrscheinlichkeitstheorie und Statistik Prof. Dr. C. Löh/M. Blank Blatt 0 vom 16. April 2012 Aufgabe 1 (Wahrscheinlichkeitsräume). Welche der folgenden Aussagen sind wahr? Begründen Sie jeweils
Mehr9. Elementare Wahrscheinlichkeitsrechnung
9. Elementare Wahrscheinlichkeitsrechnung I. Zufällige Ereignisse Beispiel (Einmaliges Würfeln): Alle möglichen Ausgänge 1, 2,, 6 des Experiments werden zur Ergebnismenge Ω ( Ergebnisraum ) zusammengefasst.
MehrWahrscheinlichkeit und Binomialverteilung
und Binomialverteilung Umwas geht es? Häufigkeit in der die Fehlerzahl auftritt 9 6 5 3 2 2 3 5 6 Fehlerzahl in der Stichprobe Wozu dient die? Häfigkeit der Fehlerzahl 9 6 5 3 2 Häufigkeit der Fehlerzahlen
MehrVorlesung Statistik, H&A Mathe, Master M
Beispiel: Die Wahrscheinlichkeit dafür, dass ein Bewerber von Firma A angenommen wird ist P(A) = 0,2. Die Wahrscheinlichkeit von Firma B angenommen zu werden beträgt P(B) = 0,3. Von mindestens einer der
MehrUnabhängigkeit KAPITEL 4
KAPITEL 4 Unabhängigkeit 4.1. Unabhängigkeit von Ereignissen Wir stellen uns vor, dass zwei Personen jeweils eine Münze werfen. In vielen Fällen kann man annehmen, dass die eine Münze die andere nicht
Mehr3 Bedingte Wahrscheinlichkeit, Unabhängigkeit von Ereignissen. Bsp (3-maliges Werfen einer Münze) Menge der Elementarereignisse:
3 Bedingte Wahrscheinlichkeit, Unabhängigkeit von Ereignissen Bsp. 1.19 (3-maliges Werfen einer Münze) Menge der Elementarereignisse: Ω {zzz, zzw,zwz,wzz,zww,wzw,wwz,www}. Dabei gilt: Ω 2 3 8 N. Wir definieren
MehrUnterrichtsmaterialien 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
MehrVorlesung Statistik, WING, ASW Wahrscheinlichkeit in Laplace Versuchen. Kombinatorische Formeln. Bedingte Wahrscheinlichkeit
Wahrscheinlichkeit in Laplace Versuchen Kombinatorische Formeln Bedingte Wahrscheinlichkeit Multiplikationssatz Unabhängigkeit Melanie Kaspar 1 Formel der totalen Wahrscheinlichkeit Satz von Bayes Melanie
MehrBei 10 dieser Würfe wurde gleichzeitig eine 1 gewürfelt. Bei 25 dieser Würfe wurde gleichzeitig eine Augenzahl größer als 2 gewürfelt.
3 Wahrscheinlichkeiten 1 Kapitel 3: Wahrscheinlichkeiten A: Beispiele Beispiel 1: Ein Experiment besteht aus dem gleichzeitigen Werfen einer Münze und eines Würfels. Nach 100 Wiederholungen dieses Experiments
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
. Grundlagen der Wahrscheinlichkeitstheorie. Zufallsereignisse, Ereignisraum und Ereignismenge Zufallsexperiment: nach einer bestimmten Vorschrift ausgeführter, unter gleichen edingungen beliebig oft wiederholbarer
MehrKlausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende
Universität Duisburg-Essen Essen, den 12.02.2010 Fakultät für Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren. 1. Zweimaliges Ziehen aus einer Urne (ohne Zurücklegen)
Dr. Jürgen Senger INDUKTIVE STATISTIK Wahrscheinlichkeitstheorie, Schätz- und Testverfahren ÜUNG. - LÖSUNGEN. Zweimaliges Ziehen aus einer Urne (ohne Zurücklegen Die Urne enthält 4 weiße und 8 rote Kugeln.
MehrLANGFRISTIGE HAUSAUFGABE (STOCHASTIK)
LANGFRISTIGE HAUSAUFGABE (STOCHASTIK) Aufgabe 1: 6 und 7, gleichgeblieben? Anna sagt: Die Wahrscheinlichkeiten für das Auftreten der Augensumme 6 oder 7 beim Werfen zweier Würfel sind gleichgroß, da sie
MehrWahrscheinlichkeitstheorie und Statistik
Wahrscheinlichkeitstheorie und Statistik Definitionen und Sätze Prof. Dr. Christoph Karg Studiengang Informatik Hochschule Aalen Sommersemester 2018 2.5.2018 Diskrete Wahrscheinlichkeitsräume Diskreter
MehrKapitel ML:IV. IV. Statistische Lernverfahren. Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen
Kapitel ML:IV IV. Statistische Lernverfahren Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen ML:IV-1 Statistical Learning c STEIN 2005-2011 Definition 1 (Zufallsexperiment,
MehrWählt man aus n Mengen mit z 1 bzw. z 2,..., bzw. z n Elementen nacheinander aus jeder Menge jeweils ein Element aus,
V. Stochastik ================================================================== 5.1 Zählprinzip Wählt man aus n Mengen mit z 1 bzw. z 2,..., bzw. z n Elementen nacheinander aus jeder Menge jeweils ein
MehrEinführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 1
TUM, Zentrum Mathematik Lehrstuhl für Mathematische Physik WS 2013/ Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weidner Tutoraufgaben: Einführung in die Wahrscheinlichkeitstheorie svorschläge zu
MehrKlausur zur Spieltheorie Musterlösung
Prof. Dr. Ulrich Schwalbe/Dr. Tone Arnold Sommersemester 2002 Klausur zur Spieltheorie Musterlösung Vorfragen Aufgabe 1 Berechnen Sie alle Nash Gleichgewichte des folgenden Spiels (in reinen und gemischten
Mehr4 Diskrete Wahrscheinlichkeitsverteilungen
4 Diskrete Wahrscheinlichkeitsverteilungen 4.1 Wahrscheinlichkeitsräume, Ereignisse und Unabhängigkeit Definition: Ein diskreter Wahrscheinlichkeitsraum ist ein Paar (Ω, Pr), wobei Ω eine endliche oder
MehrBedingte Wahrscheinlichkeiten
Bedingte Wahrscheinlichkeiten Bei der Betrachtung der Ereignisse A und B eines Zufallsexperiments muss man die beiden im folgendem beschrieben zwei Situationen unterscheiden. 1. Das Ereignis A und B tritt
MehrWie hoch ist das Risiko, dass ein System, das aus mehreren Komponenten besteht, ausfällt?
In diesem Kapitel werden wir den egriff Wahrscheinlichkeit und die Grundlagen der Wahrscheinlichkeitsrechnung kennenlernen, um z.. folgende Fragestellungen zu beantworten. Wie hoch ist das Risiko, dass
MehrVorlesung Statistik WING ASW Melanie Kaspar, Prof. Dr. B. Grabowski 1
Melanie Kaspar, Prof. Dr. B. Grabowski 1 Aus diesen Eigenschaften lassen sich alle weiteren Eigenschaften ableiten: Beweis zu 1) Melanie Kaspar, Prof. Dr. B. Grabowski 2 Aufgabe Die Wahrscheinlichkeit
Mehrhtw saar 1 KAPITEL 4 BEDINGTE WAHRSCHEINLICHKEIT UND STOCHASTISCHE UNABHÄNGIGKEIT Hans-Peter Hafner WS 2016/2017
htw saar 1 KAPITEL 4 BEDINGTE WAHRSCHEINLICHKEIT UND STOCHASTISCHE UNABHÄNGIGKEIT htw saar 2 Gliederung 25.01. Bedingte Wahrscheinlichkeit: Motivation und Definition Multiplikationssatz Stochastische Unabhängigkeit:
MehrWahrscheinlichkeiten
Wahrscheinlichkeiten Bestimmung der Wahrscheinlichkeit Bei einem Zufallsexperiment kann man nicht voraussagen, welches Ereignis eintritt, aber manche Ereignisse treten naturgemäß mit einer größeren Wahrscheinlichkeit
MehrRumpfskript. Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen
Rumpfskript Elementare Wahrscheinlichkeitsrechnung Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen Vorbemerkung Vorbemerkung Das vorliegende Skript heißt nicht nur Rumpf skript, sondern
MehrDiskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier
Diskrete Strukturen und Logik WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Diskrete Strukturen und Logik Gesamtübersicht Organisatorisches Einführung Logik & Mengenlehre
MehrÜbersicht Wahrscheinlichkeitsrechnung EF
Übersicht Wahrscheinlichkeitsrechnung EF. Grundbegriffe der Wahrscheinlichkeitsrechnung (eite ). Regeln zur Berechnung von Wahrscheinlichkeiten (eite ). Bedingte Wahrscheinlichkeit und Vierfeldertafel
MehrStochastik - Kapitel 2
" k " h(a) n = bezeichnet man als die relative Häufigkeit des Ereignisses A bei n Versuchen. n (Anmerkung: für das kleine h wird in der Literatur häufig auch ein r verwendet) k nennt man die absolute Häufigkeit
MehrWiederholung. Einführung in die Wahrscheinlichkeitstheorie Wahrscheinlichkeitsraum Ergebnismenge Ω = {ω 1, ω 2, } mit ω Ω Pr[ω]=1.
Wiederholung Einführung in die Wahrscheinlichkeitstheorie Wahrscheinlichkeitsraum Ergebnismenge Ω = {ω 1, ω, } mit ω Ω Pr[ω]=1. Berechnung von Pr[ n i=1 A i ]: A i disjunkt: Additionssatz n i=1 Pr[A i
MehrWahrscheinlichkeitsrechnung
Abiturvorbereitung Wahrscheinlichkeitsrechnung S. 1 von 9 Wahrscheinlichkeitsrechnung Kombinatorik Formeln für Wahrscheinlichkeiten Bedingte Wahrscheinlichkeiten Zusammenfassung wichtiger Begriffe Übungsaufgaben
MehrZusammenfassung Stochastik
Zusammenfassung Stochastik Die relative Häufigkeit Ein Experiment, dessen Ausgang nicht vorhersagbar ist, heißt Zufallsexperiment (ZE). Ein Würfel wird 40-mal geworfen, mit folgendem Ergebnis Augenzahl
MehrTeil II. Wahrscheinlichkeitsrechnung
Teil II Wahrscheinlichkeitsrechnung Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2014) Folie 129 5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) 5 Zufallsexperimente Ergebnisse Ereignisse
MehrTeil II. Wahrscheinlichkeitsrechnung. Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2015) Folie 129
Teil II Wahrscheinlichkeitsrechnung Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2015) Folie 129 5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) 5 Zufallsexperimente Ergebnisse Ereignisse
MehrAllgemeine diskrete Wahrscheinlichkeitsräume II
6 Diskrete Wahrscheinlichkeitsräume Allgemeine diskrete Wahrscheinlichkeitsräume 6.3 Allgemeine diskrete Wahrscheinlichkeitsräume I Verallgemeinerung von Laplaceschen Wahrscheinlichkeitsräumen: Diskrete
MehrAllgemeine diskrete Wahrscheinlichkeitsräume II. Beispiel II. Beispiel I. Definition 6.3 (Diskreter Wahrscheinlichkeitsraum)
Allgemeine diskrete Wahrscheinlichkeitsräume I Allgemeine diskrete Wahrscheinlichkeitsräume II Verallgemeinerung von Laplaceschen Wahrscheinlichkeitsräumen: Diskrete Wahrscheinlichkeitsräume Ω endlich
MehrAllgemeine diskrete Wahrscheinlichkeitsräume I
6 Diskrete Wahrscheinlichkeitsräume Allgemeine diskrete Wahrscheinlichkeitsräume 6.3 Allgemeine diskrete Wahrscheinlichkeitsräume I Verallgemeinerung von Laplaceschen Wahrscheinlichkeitsräumen: Diskrete
MehrTeil II. Wahrscheinlichkeitsrechnung. Inhaltsverzeichnis (Ausschnitt) Zufallsexperimente (Zufallsvorgänge) Ergebnisse
5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) Teil II Wahrscheinlichkeitsrechnung 5 Zufallsexperimente Ergebnisse Ereignisse Wahrscheinlichkeiten Deskriptive Statistik und Wahrscheinlichkeitsrechnung
MehrStatistik Einführung // Wahrscheinlichkeitstheorie 3 p.2/58
Statistik Einführung Wahrscheinlichkeitstheorie Kapitel 3 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Leydold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Wahrscheinlichkeitstheorie
Mehr2.2 Ereignisse und deren Wahrscheinlichkeit
2.2 Ereignisse und deren Wahrscheinlichkeit Literatur: [Papula Bd., Kap. II.2 und II.], [Benning, Kap. ], [Bronstein et al., Kap. 1.2.1] Def 1 [Benning] Ein Zufallsexperiment ist ein beliebig oft wiederholbarer,
MehrKapitel N. Wahrscheinlichkeitsrechnung
Kapitel N Wahrscheinlichkeitsrechnung Inhalt dieses Kapitels N000 1 Diskrete Wahrscheinlichkeitsräume 2 Bedingte Wahrscheinlichkeit und Unabhängigkeit 1 Produktexperimente 2 Kombinatorik und Urnenmodelle
MehrKombinatorik & Stochastik Übung im Sommersemester 2018
Kombinatorik & Stochastik Übung im Sommersemester 2018 Kombinatorik Formeln & Begriffe Begrifflichkeiten Permutation = Anordnung in einer bestimmten Reihenfolge Kombination = Anordnung ohne bestimmte Reihenfolge
MehrWelche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff?
2. Übung: Wahrscheinlichkeitsrechnung Aufgabe 1 Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff? a) P ist nichtnegativ. b) P ist additiv. c) P ist multiplikativ.
MehrAufgabe 1 (mdb632540): Murat hat zehn Spielkarten verdeckt auf den Tisch gelegt: Buben, Könige, Asse, Zehn.
Wahrscheinlichkeiten Aufgabe 1 (mdb632540): Murat hat zehn Spielkarten verdeckt auf den Tisch gelegt: Buben, Könige, Asse, Zehn. Bestimme die Wahrscheinlichkeit, dass Anna a) ein Ass, b) einen Buben, c)
MehrGrundlagen der Wahrscheinlichkeitstheorie und Statistik für Studierende der Informatik
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
MehrAufgabenblock 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) =
MehrFolgen und Grenzwerte
Wintersemester 2015/201 Folgen und Grenzwerte von Sven Grützmacher Dieser Vortrag wurde für den (von der Fachschaft organisierten) Vorkurs für die Studienanfänger an der Fakultät für Mathematik und Informatik
MehrStreichholzgeschichten von Dieter Ortner.
Streichholzgeschichten von Dieter Ortner. 1. Streichholzgeschichte Nr. 1 Aus vier n kann man ein Quadrat bilden. Mit diesem Verfahren sollst du nun selber herausfinden, wie viele es braucht, wenn das grosse
MehrAuf dem Schulfest bietet Peter als Spielleiter das Glücksspiel "GlücksPasch" an.
Aufgabe 4 Glückspasch" (16 Punkte) Auf dem Schulfest bietet Peter als Spielleiter das Glücksspiel "GlücksPasch" an. Spielregeln: Einsatz 1. Der Mitspieler würfelt mit 2 Oktaederwürfeln. Fällt ein Pasch,
Mehr