Der Geschäftsführer hat zwei Handlungsalternativen (Entscheidungsknoten gelbe Kästchen):
|
|
- Kristina Raske
- vor 7 Jahren
- Abrufe
Transkript
1 MODUL G Lösuge Aufgabe G.1 Lösug a. A Priori Aalyse Der Geschäftsführer hat zwei Hadlugsalterative (Etscheidugskote gelbe Kästche): A 1: Bohre eies Brues vor Ort 10 Mio. A : Bau eier Pipelie zur Wasserversorgug 100 Mio. Die Kapazität des Brues hat eie Usicherheit, daraus ergebe sich zwei mögliche Zustäde: 1 : : Kapazität kleier als 100 kl. Kapazität grösser als 100 kl. Aufgrud vo Erfahrug ka die A priori Wahrscheilichkeit wie folgt agegebe werde: P P Wir ermittel die erwartete Koste der beide Hadlugsalterative: Die miimale zu erwartete Koste sid: 1 E u mi P 110 P 10; P 100 mi ; Mio. CHF 1
2 Die Aktio A1 hätte mit de gegebee A Priori Wahrscheilichkeite ei kleieres Risiko. Also sollte der Igeieur sich für die Erschliessug eies Brues vor Ort etscheide. b. A Posteriori Aalyse Durch eie Probebohrug köe wir u usere Priorwahrscheilichkeite aktualisiere Dazu verwede wir de Satz vo Bayes. PAE ( i) PE ( i) PAE ( i) PE ( i) P"( Ei A) PA ( ) P( AEi) P( Ei) Posterior i1 Likelihood Prior Gegebe Idikator I : PI ( q ) 0. P ''( q I ) = P '( ) = 0.6 = 0.75 ( ) ' ) + ( ) '( ) q1 PI q1 P q1 PI q P q PI ( q ) 0.1 P ''( q I ) = P '( ) 0.4 = 0.5 ( ) '( ) + ( ) '( ) q PI q1 P q1 PI q P q Die miimale zu erwartete Koste sid: 1 E'' u mi P'' (10) P'' (100 10); P' 100 mi ; Mio. CHF Mit dieser Idikatio aus dem Pumpversuch erscheit die Aktio A 1 als die güstigere ud sollte folglich gewählt werde.
3 c. Prä Posteriori Aalyse Es gibt drei Hadlugsalterative: A 1: Bohre eies Brues vor Ort A : Bau eier Pipelie zur Wasserversorgug A 3 : Probebohrug Die Probebohrug liefert bezüglich der Kapazität drei uterschiedliche Idikatioe, ämlich I 1, I oder I 3. Nach der Durchführug der Probebohrug köte der Geschäftsführer etscheide, ob er eie Brue vor Ort bohrt ( A 1) oder de Bau eier Pipelie i Auftrag gibt ( A ). Betrachte wir dazu zuächst de Etscheidugsbaum. Zuerst beötige wir die Wahrscheilichkeit, dass die Probebohrug als Idikator I1, I oder I 3 liefert. PI PI P PI P PI PI P PI P PI PI P PI P Jetzt müsse wir usere A Posteriori Wahrscheilichkeite der Zustäde für jede Idikatio bereche. 3
4 Die Posteriori Wahrscheilichkeit, gegebe Idikatio I 1, ka wie folgt bestimmt werde: PI ( ) P( ) P I ( 1 1) P( I1) PI ( ) P( ) P 1 ( I1) 0.84 P( I1) Die miimale zu erwartete Koste sid: E'' u I mi P'' I (10) P'' I (100 10),100 mi , Mio. CHF Gegebe Idikatio I 1 führt dies zur Wahl der Alterative A 1. Die Posteriori Aalyse für I wurde bereits i b) durchgeführt. 4
5 PI ( ) P( ) P I 1 1 ( 1 ) 0.75 P( I) PI ( ) P( ) P I ( ) 0.5 P( I) E'' u I mi P'' I (10) P'' I (100 10), 100 mi , Mio. CHF Gegebe Idikatio I führt dies zur Wahl der Alterative A 1. Die Posteriori Aalyse für I3 ergibt: PI ( ) P( ) P I ( 1 3) P( I3) PI ( ) P( ) P 3 ( I3) P( I3) E'' u I mi P'' I (10) P'' I (100 10), 100 mi , Mio. CHF Gegebe Idikatio I 3, führt dies zur Wahl der Alterative A. 5
6 Nu werde die erwartete miimale Koste für jede Idikatio mit der Wahrscheilichkeit dass eie bestimmte Idikatio auftritt multipliziert ud wir erhalte die miimale erwartete Koste. Die miimale erwartete Koste sid: E u E u I1 P( I1) E u I P( I) E u I3 P( I3) C E u C C Die Probebohrug verursacht Koste welche zu de erwartete Koste addiert werde müsse C Mio. CHF mi( A, A, A ) 70 Mio. CHF 1 3 Wir erhalte u folgede Etscheidugsbaum: Jetzt köe wir die Etscheidug i Abhägigkeit der Koste für die Probebohrug fälle: We die Probebohrug weiger als 0.5 Mio. CHF kostet, da loht sie sich. Da die Probebohrug aber 1 Mio. CHF kostet, sollte diese icht durchgeführt werde. 6
7 Aufgabe G. a. k 13. 3log() Itervalle 7
8 b. P [ ] Pk/ k/ 0.95 P [ k/ k/ ] wobei serwartugstreu xi [ m] 1 i1 1 ud x xi.438 [ m] i P P[.9.59] 0.95 Der wahre Mittelwert liegt mit eier Kofidez vo 95% im Itervall [.9m;.59m]. c. Beispiele für die Trasformatio der y Achse für verschiedee Verteiluge: Expoetialverteilug x F ( x) 1 e l 1 F ( x) x Normalverteilug x 1 x 1 F( x) F( x) x Gumbelverteilug F ( x) exp exp( a( x b)) l l F ( x) a( x b) ax ab 8
9 Wahrscheilichkeitspapier erstelle, am Beispiel der Gumbelverteilug: o o i o i xˆ F ( ˆ ) l l ( ˆ x F x ) N
10 Wahrscheilichkeitspapier zur Gumbelverteilug, erstellt mit Excel: 3.5 o l l F ( xˆ ) Wasserstad i [m] Nachfolged sid die Wahrscheilichkeitspapiere zur Normal, Logormal, Gumbel Max, ud Expoetialverteilug aufgeführt. Die x Achse wurde hier speziell skaliert, um eie bessere Vergleichbarkeit zu erreiche. 10
11 d. Schätze der Parameter ud u der Gumbel Max Verteilug mit der Methode der Momete: f x x e e xu xu u 6 1 x xi.4385 i1 1 sx xi i u
12 Schätze der Parameter ud der Logormalverteilug mit der Methode der Momete: 1 1l( x) f ( x) exp x sx x exp( ) 1 l l Mit de geschätzte Parameter köe die Verteiluge geplottet werde: Ud für die Expoetialverteilug ud die Normalverteilug: Bereche der Likelihood für jede eizele Fuktio (jede Beobachtug i die Fuktio eisetze, multipliziere): L( θ xˆ) f ( ˆ xi θ) i1 1
13 Ergibt für usere vier Verteiluge: Gumbel Max : Logormal : Normal : Expoetial : Die Gumbel Max Verteilug ka demach als die Verteilug betrachtet werde, welche am beste usere Date repräsetiert. Die Expoetialverteilug ka klar abgeleht werde. e. Chi Quadrat Test für die Gumbel Max Verteilug: Tabelle G..1: Tabelle für Chi Quadrat Test Itervall Häufigkeit Wahrscheilichkeit P [Stichprobe i diesem Itervall] Erwartete Häufigkeit Normalisierte Quadrate der Differeze Summe Freiheitsgrade: 41 1 Mit 1 Freiheitsgrad ud eiem Sigifikaziveau vo 10% ka aus der Tabelle der Chi Quadrat Verteilug der Wert.7055 herausgelese werde. Da < c=.7055, ka die Gumbel Max Verteilug auf dem 10% Sigifikaziveau akzeptiert werde. f. Versage we jährlicher maximaler Wasserstad > 5 m p P( 5 [m]) 1 P( 5 [m]) 1F 5 [ m] f ( (5.558)) ( e ) 4 1e g. Mit der Methode der Momete köe die Parameter für die Logormalverteilug bestimmt werde (Für die Parameter der Gumbel Max Verteilug siehe Teilaufgabe d)): 13
14 l l Matlab Code für Mote Carlo Simulatio: %% Mote Carlo Simulatio zur Bestimmug der Versageswahrscheilichkeit Num = 10000; % Azahl Simulatioe %Dammhöhe folge eier Log-Normal-Verteilug mit lamda = log(5m) ud lamda = 0. (0% variatio) %Parameter der log-ormal-verteilug für die Dammhöhe mu= 5; sig= 0.5; lamda = log(mu^/sqrt(sig^+mu^)); zeta = sqrt(log(sig^/mu^ + 1)); %Wasserhöhe folgt Gumbel-Max-Verteilug mit Parameter ae ud ue (bestimmt ahad der Date) %Parameter der Gumbel-Max-verteilug der Wasserhöhe (Aus de Date geschätzt) a = 3.159; u =.558; sim = zeros(num,3); %predefie sim %geeriere Zufallszahle für die Dammhöhe sim(:,1)= logrd(lamda,zeta,num,1); %geeriere Zufallszahle für die Wasserhöhe %Zufallszahle zwische 0 ud 1 UiRaZ = rad(num,1); % Trasformiere zu Gumbel Zufallszahle sim(:,)=-log(-log(uiraz))./a+u; %zähle wie oft Wasser höher war als Damm for i = 1:1:Num if sim(i,)> sim(i,1) sim(i,3)=1; else sim(i,3) =0; ed ed figure(1); hold o plot(sim(:,),sim(:,1),'k.') %Grezzustadfuktio --> Dammhöhe - Wasserhöhe = 0 xa = 0:0.1:0; plot(xa,xa,'r') axis([ ]) titelstrig= ['Mote Carlo Simulatio, =' umstr(num)]; title(titelstrig) xlabel('wasserhöhe [m]') ylabel('dammhöhe [m]') 14
15 grid o Pf = sum(sim(:,3))/num Das Ergebis der Simulatio hägt ab vo de Azahl Simulatioe. Des weitere variiert es, weil jedes Mal eue Zufallszahle geeriert werde. Je mehr Simulatioe, desto eher kovergiert das Ergebis zur tatsächliche Versageswahrscheilichkeit. Die Berechug für die Übugsstude ergab folgede Versageswahrscheilichkeit: f 8 Pf PM 0 N 10'000 h. kn M R L m kn M R L m M p f M i. Neue Versageswahrscheilichkeit: kn M R L m kn M R L 500 m M p f M
16 0 00 p f p f 6 Mio. Euro 0 Mio. Euro p f 4 p f 4 6 Mio. Euro 0 00 > Euro Etscheidug für Damm verstärke 16
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
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übung 1 1 Inhalt der heutigen Übung Statistik und Wahrscheinlichkeitsrechnung Hausübung F.4 (Zuverlässigkeitsberechnung) Bayes sche Entscheidungsanalyse (Aufgabe
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Übug 9 1 Ihalt der heutige Übug Statistik ud Wahrscheilichkeitsrechug Iformatioe zur Testatprüfug Besprechug der der Hausübug
MehrKörpergröße x Häufigkeit in [m] 1.50 1.60 1 1.60 1.70 5 1.70 1.80 49 1.80 1.90 53 1.90 2.00 15 2.00 2.10 1
8 Kofidezitervalle 1 Kapitel 8: Kofidezitervalle A: Beispiele Beispiel 1: Im WS 2000/01 wurde im Rahme der Statistik Vorlesug 124 Studete u.a. zu ihrer Körpergröße befragt. Ma erhielt folgedes Ergebis:
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler 9.04.008 Äderug Übugsstude Statistik ud Wahrscheilichkeitsrechug Die Gruppe vo Markus trifft sich am Doerstag statt im HCI D zusamme mit der Gruppe
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug 9. Vorlesug Joche Köhler 1 Statistik ud Wahrscheilichkeitsrechug Testatprüfug am Doerstag 5.Mai Wa? Doerstag, 5. Mai, 8:00 Uhr
MehrTests statistischer Hypothesen
KAPITEL 0 Tests statistischer Hypothese I der Statistik muss ma oft Hypothese teste, z.b. muss ma ahad eier Stichprobe etscheide, ob ei ubekater Parameter eie vorgegebee Wert aimmt. Zuerst betrachte wir
MehrProf. 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
Mehr2. Repetition relevanter Teilbereiche der Statistik
. Repetitio Statistik Ökoometrie I - Peter Stalder. Repetitio relevater Teilbereiche der Statistik (Maddala Kapitel ) Zufallsvariable ud Wahrscheilichkeitsverteiluge Zufallsvariable X (stochastische Variable)
MehrVl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3
Vl Statistische Prozess ud Qualitätskotrolle ud Versuchsplaug Übug 3 Aufgabe ) Die Schichtdicke X bei eier galvaische Beschichtug vo Autoteile sei ormalverteilt N(μ,σ ). 4 Teile werde galvaisch beschichtet.
MehrKapitel 5: Schließende Statistik
Kapitel 5: Schließede Statistik Statistik, Prof. Dr. Kari Melzer 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte
MehrDie notwendigen Verteilungstabellen finden Sie z.b. hier:
Fakultät für Mathematik Istitute IAG ud IMO Prof. Dr. G. Kyureghya/Dr. M. Hödig Schätz- ud Prüfverfahre Die otwedige Verteilugstabelle fide Sie z.b. hier: http://www.ivwl.ui-kassel.de/kosfeld/lehre/zeitreihe/verteilugstabelle.pdf
MehrVl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5
Vl Statistische Prozess- ud Qualitätskotrolle ud Versuchsplaug Übug 5 Aufgabe ) Sei p = P(A) die Wahrscheilichkeit für ei Ereigis A, dh., es gilt 0 p. Bereche Sie das Maximum der Fuktio f(p) = p(-p). Aufgabe
MehrEvaluierung 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:
MehrWahrscheinlichkeit & Statistik Musterlösung Serie 13
ETH Zürich FS 2013 D-MATH Has Rudolf Küsch Koordiator Blaka Horvath Wahrscheilichkeit & Statistik Musterlösug Serie 13 1. a) Die Nullhypothese lautet dass das echte Medikamet höchstes gleich gut ist wie
MehrBei 95%iger Konfidenz wäre der Mittelwert der GG zwischen 1421,17DM und 1778,83DM zu erwarten.
Aufgabe 36 (S. 346: Schätzverfahre für Mittelwert ud Stadardabweichug a Puktschätzuge für µ aufgrud der Werte der kleie Stichprobe aus Aufgabe 3 Bei eier Puktschätzug wird für de zu schätzede Parameter
MehrVereinheitlichung Einheitlicher Maßstab der Risikoeinschätzung. Limitierung / Steuerung Messung und Limitierung ist fundamental für die Steuerung
. Marktpreisrisiko Motivatio der VaR-Ermittlug Vereiheitlichug Eiheitlicher Maßstab der Risikoeischätzug Limitierug / Steuerug Messug ud Limitierug ist fudametal für die Steuerug Kapitaluterlegug Zur Deckug
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler Statistik ud Wahrscheilichkeitsrechug Testatprüfug am Doerstag 5.Mai Wa? Doerstag, 5. Mai, 8:00 Uhr Dauer der
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Übug 6 3.03.20 Ihalt der heutige Übug Aufgabe D.7: Reche mit Zufallsvariable Erwartugswert- ud Variazoperator Statistik ud Wahrscheilichkeitsrechug
MehrKurs P = Preis für den Ankauf von Zahlungsverpflichtungen (z.b. Wertpapiere/Anleihen), wird auch als Marktwert bezeichnet
. Zusammehag zwische Kurs ud Redite Kurs P = Preis für de Akauf vo Zahlugsverpflichtuge (z.b. Wertpapiere/Aleihe), wird auch als Marktwert bezeichet Nomialwert NW = Newert (oder Rückzahlugsbetrag) der
MehrDemo 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
MehrStrukturelle Modelle in der Bildverarbeitung Markovsche Ketten II
Strukturelle Modelle i der Bildverarbeitug Markovsche Kette II D. Schlesiger TUD/INF/KI/IS Statioäre Verteilug Verborgee Markovsche Kette (HMM) Erkeug stochastisches Automate D. Schlesiger SMBV: Markovsche
MehrEs werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.
Vo der relative Häufigkeit zur Wahrscheilichkeit Es werde 20 Schüler befragt, ob sie ei Hady besitze. Das Ergebis der Umfrage lautet: Vo 20 Schüler besitze 99 ei Hady. Ereigis E: Schüler besitzt ei Hady
MehrWissenschaftliches 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:
Mehr3 Vergleich zweier unverbundener Stichproben
3 Vergleich zweier uverbudeer Stichprobe 3. Der Zweistichprobe t-test Es wird vorausgesetzt, dass die beide Teilstichprobe x, x,..., x ud y, y,..., y jeweils aus (voeiader uabhägige) ormalverteilte Grudgesamtheite
Mehr2. Teilprüfung FS Lösungen
2. Teilprüfug Statistik ud Wahrscheilichkeitsrechug FS 2009 Lösuge Prof. Dr. Michael Havbro Faber ETH Zürich Diestag 19. Mai 2009 08:00 09:30 Vorame:... Name:... Stud. Nr.:... Studierichtug:... 2. Teilprüfug:
MehrWahrscheinlichkeit 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
MehrAnwendung für Mittelwerte
Awedug für Mittelwerte Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe... "wahre", ubekate Mittelwert der Grudgesamtheit icht zufällig?... beobachtete Mittelwert zufällig Statistik für SoziologIe 1
MehrAuch 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
MehrDr. 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
MehrLösung der Nachklausur
H. Schmidli Eiführug i die Stochastik WS 8/9 Lösug der Nachklausur. a) Aus dem Satz der totale Wahrscheilichkeit folgt für de Ateil der Persoe, die der Vorlage zugestimmt habe Also liegt die Zustimmug
MehrÜbungsaufgaben zur Investitionsrechnung
Übugsaufgabe zur Ivestitiosrechug Übugsaufgabe (Statische Ivestitiosrechug): Ihre Uterehmug plat die Aschaffug eier eue Maschie. Zur Wahl stehe die beide Alterative A ud B. Folgede Date sid für die beide
MehrStatistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik
Statistik Kapitel 5: Schließede Statistik 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel 1» Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte der arithmetische
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte 7.Sitzug 35 Seite, SoSe 003 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluss Grudlage
MehrSeminarausarbeitung: Gegenbeispiele in der Wahrscheinlichkeitstheorie. Unterschiedliche Konvergenzarten von Folgen von Zufallsvariablen
Semiarausarbeitug: Gegebeispiele i der Wahrscheilichkeitstheorie - Uterschiedliche Kovergezarte vo Folge vo Zufallsvariable Volker Michael Eberle 4. März 203 Eileitug Die vorliegede Arbeit thematisiert
MehrPflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik
Pflichtlektüre: Kapitel 10 Grudlage der Iferezstatistik Überblick der Begriffe Populatio Iferezstatistik Populatiosparameter Stichprobeverteiluge Auch Stichprobekewerteverteiluge Wahrscheilichkeitstheorie
MehrUlrich Stein Fehlerrechnung
Fehlerrechug Verteilug vo Messwerte Mittelwert Stadardabweichug Stadardfehler Rude vo Messwerte Darstellug vo Messwerte (Stellezahl) Fehlerfortpflazug Messergebisse Messug physikalische Realität Messgerät,
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte SS00 7.Sitzug vom.06.00 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluß Grudlage des Iduktiosschlusses:
Mehr10. Testen von Hypothesen Seite 1 von 6
10. Teste vo Hypothese Seite 1 vo 6 10.1 Eiführug i das Teste vo Hypothese Eie Hypothese ist eie Vermutug bzw. Behauptug über die Wahrscheilichkeit eies Ereigisses. Mit Hilfe eies geeigete Tests (=Testverfahre)
Mehr. Mit dem Unit Hydrograph (U) und gegebenen Niederschlägen (P) kann der Direktabfluss für jeden Zeitpunkt n berechnet werden. Dies erfolgt nach:
Kursuterlage zum BSc Studiegag Geographie, FSU Jea, Modul 4 Die Eiheitsgagliie, Uit Hydrograph Eiheitsgagliie (Uit Hydrograph) Defiitio der Eiheitsgagliie Die Eiheitsgagliie (egl. uit hydrograph, Sherma
MehrStatistik 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
MehrMathematik 2 für Naturwissenschaften
Has Walser Mathematik 2 für Naturwisseschafte 2 3 3 4 6 4 5 0 0 5 6 5 20 5 6 Modul 209 Tabelle Has Walser: Modul 209, Tabelle ii Ihalt Fakultäte... 2 Biomialkoeffiziete... 2 3 Biomische Verteilug... 3
MehrStochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. M. Schweizer ETH Zürich Witer 28 Stochastik - Lösug (BSc D-MAVT / BSc D-MATH / BSc D-MATL). (6 Pukte) a) (2 Pukte) Wir defiiere die Ereigisse K {die Perso ist krak} ud T {der Test ist positiv}.
MehrMaximum Likelihood Version 1.6
Maximum Likelihood Versio 1.6 Uwe Ziegehage 15. November 2005 Logarithmegesetze log a (b) + log a (c) = log a (b c) (1) log a (b) log a (c) = log a (b/c) (2) log a (b c ) = c log a (b) (3) Ableitugsregel
MehrR. Brinkmann Seite
R. Brikma http://brikma-du.de Seite 1.0.014 Lösuge zur Biomialverteilug I Ergebisse: E1 E E E4 E E E7 Ergebis Ei Beroulli-Experimet ist ei Zufallsexperimet, das ur zwei Ergebisse hat. Die Ergebisse werde
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
Lehrstuhl für Empirische Wirtschaftsforschug ud Ökoometrie Dr. Rolad Füss Statistik II: Schließede Statistik SS 2007 6. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug
MehrMathematische und statistische Methoden I
Methodelehre e e Prof. Dr. G. Meihardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstude jederzeit ach Vereibarug ud ach der Vorlesug. Mathematische ud statistische Methode I Dr. Malte Persike persike@ui-maiz.de
MehrDas kollektive Risikomodell. 12. Mai 2009
Kirill Rudik Das kollektive Risikomodell 12. Mai 2009 4.1 Eileitug Wir betrachte i diesem Kapitel die Gesamtforderuge im Laufe eies Jahres. Beim Abschluss eies Versicherugsvertrages weiß der Versicherer
MehrTeilaufgabe 1.0 Bei der Firma Kohl kommen morgens alle im Büro Beschäftigten nacheinander ins Großraumbüro.
mathphys-olie Abiturprüfug Berufliche Oberschule 014 Mathematik 13 Techik - B I - Lösug Teilaufgabe 1.0 Bei der Firma Kohl komme morges alle im Büro Beschäftigte acheiader is Großraumbüro. Teilaufgabe
Mehr2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters:
. Schätzverfahre. Puktschätzug wirtschaftlicher Kezahle Allgemei: Puktschätzug eies Parameters: Ermittlug eies Schätzwertes für eie ubekate Parameter eier Zufallsvariable i der Grudgesamtheit mit Hilfe
MehrNormalverteilung. Voraussetzung und verwandte Themen. Einführung. Ziel und Nutzen. Grundlagen
h Normalverteilug Voraussetzug ud verwadte Theme Für diese Beschreibuge sid Grudlage der Statistik ud isbesodere der statistische Verteiluge vorteilhaft. Weiterführede Theme sid: www.versuchsmethode.de/verteilugstests.pdf
MehrMusterlösung. Prüfung Statistik Herbstsemester 2011
Prüfug Statistik Herbstsemester 2011 Musterlösug 1. 9 Pukte Lukas ud Markus habe bisher immer Feiste Mii-Brezel 100g des Herstellers Gammelbrot ud Söhe zum Züi gegesse. Vom städige Hugerklage vo Markus
Mehr,,, xn. 3. Intervallschätzungen Zufallsstichproben und Stichprobenfunktionen Zufallsstichproben. Zufallsvariablen mit
3. Itervallschätzuge 3.1. Zufallsstichprobe ud Stichprobefuktioe 3.1.1 Zufallsstichprobe 1 Sei eie Zufallsvariable ud seie gemeisamer Verteilug,,,, Zufallsvariable mit - da heiße 1,,, Zufallsstichprobe
MehrStochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. M. Schweizer ETH Zürich Sommer 8 Stochastik - Lösug (BSc D-MAVT / BSc D-MATH / BSc D-MATL). (6 Pukte) a) (.5 Pukte) Wir defiiere die Ereigisse D = die ähmaschie bekommt eie kleie Defekt} ud U
MehrStatistik, Abschnitt (1) Gegeben sei der Stichprobenvektor (X 1,..., X n ). Die Stichprobenfunktion. ˆµ k := 1 n. Xi k (1) i=1.
Statistik, Abschitt.. Schätzmethode.. Mometemethode Für Parameter, die sich i bekater Weise aus de Momete zusammesetze, erhält ma Schätzuge, idem ma die theoretische Momete durch die sogeate empirische
MehrKapitel 6 : Punkt und Intervallschätzer
7 Kapitel 6 : Pukt ud Itervallschätzer Puktschätzuge. I der Statistik wolle wir Rückschlüsse auf das Wahrscheilichkeitsgesetz ziehe, ach dem ei vo us beobachtetes Zufallsexperimet abläuft. Hierzu beobachte
MehrSchätzung der Kovarianzmatrix
Schätzug der Kovariazmatri Aus eiem Esemble vo Beobachtuge { i } ka die Kovariazmatri (Zetralmomete) geschätzt werde: C E{( )( ) } R ˆ 1 k ˆ k ˆ k 1 Schätzwert (edliche Summe): C ( )( ) ud dem Schätzwert:
MehrÜbungen mit dem Applet erwartungstreu
Übuge mit dem Applet erwartugstreu Visualisierug vo erwartugstreu Begriffe ud statischer Hitergrud. Visualisieruge mit dem Applet..3. Zufallsstreuug der Eizelwerte...3. Mittelwerte 3.3 Variaz. 4.4 Variaz
MehrShrinkage Estimators for Covariance Matrices
Shrikage Estimators for Covariace Matrices Floria Forster wwwforster-floriade 9 Jui 003 Daiels, M J ad Kass, R E (00) Shrikage Estimators for Covariace Matrices Biometrics 57, 73-84 Geerelles Problem Zu
MehrFormelsammlung. zur Klausur. Beschreibende Statistik
Formelsammlug zur Klausur Beschreibede Statistik Formelsammlug Beschreibede Statistik. Semester 004/005 Statistische Date Qualitative Date Nomial skalierte Merkmalsauspräguge (Uterscheidugsmerkmale) köe
Mehrn=0 f(x) = log(1 + x) = n=1
Potez - Reihe Machmal ist es praktisch eie Fuktio f() mir Hilfe ihrer Potezreihe auszudrücke. Eie Potezreihe um de Etwicklugspukt 0 sieht im Allgemeie so aus a ( 0 ) Fuktioe, für die eie Potezreihe eistiert,
Mehr6 Vergleich mehrerer unverbundener Stichproben
6 Vergleich mehrerer uverbudeer Stichprobe 6.1 Die eifaktorielle Variazaalyse Die eifaktorielle Variazaalyse diet der Utersuchug des Eiflusses eier kategorieller (bzw. ichtmetrischer) Variable, die die
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
MehrSchätzung der Kovarianzmatrix
Schätzug der Kovariazmatrix Aus eiem Esemble vo Beobachtuge {x i } ka die Kovariazmatrix (Zetralmomete) geschätzt werde: C = E{( x µ )( x µ ) } = R µ µ xx x x xx x x ˆ 1 C ˆ ˆ xx = xk µ x xk µ x k = 1
MehrForschungsstatistik I
Prof. Dr. G. Meihardt 6. Stock, Taubertsberg R. 06-06 (Persike) R. 06-31 (Meihardt) Sprechstude jederzeit ach Vereibarug Forschugsstatistik I Dr. Malte Persike persike@ui-maiz.de http://psymet03.sowi.ui-maiz.de/
MehrAbiturprüfung Mathematik 13 Technik B I - Lösung mit CAS
GS 04.06.2016 - m16_13t-b1_lsg_cas_gs.pdf Abiturprüfug 2016 - Mathematik 13 Techik I - Lösug mit CAS Teilaufgabe 1.0 Eiem Eishockey-Traier stehe isgesamt 15 Spieler zur Verfügug, wobei es sich um zwölf
MehrTao De / Pan JiaWei. Ihrig/Pflaumer Finanzmathematik Oldenburg Verlag 1999 =7.173,55 DM. ges: A m, A v
Tao De / Pa JiaWei Ihrig/Pflaumer Fiazmathematik Oldeburg Verlag 1999 1..Ei Darlehe vo. DM soll moatlich mit 1% verzist ud i Jahre durch kostate Auitäte getilgt werde. Wie hoch sid a) die Moatsrate? b)
Mehr3.2 Wilcoxon Rangsummentest
3. Wilcoxo Ragsummetest Wir gehe davo aus, dass zwei Teilstichprobe x 1, x,..., x 1 ud y1, y,..., y vorliege, wobei die erste Teilstichprobe aus Realisieruge vo uabhägig ud idetisch stetig verteilte Zufallsvariable
MehrBeispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 8.1 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12.075, p-wert: 0.0168 f χ
MehrMusterlösung für die Klausur zur Vorlesung Stochastik I im WiSe 2014/2015
Musterlösug für die Klausur zur Vorlesug Stochastik I im WiSe 204/205 Teil I wahr falsch Aussage Gilt E[XY ] = E[X]E[Y ] für zwei Zufallsvariable X ud Y mit edlicher Variaz, so sid X ud Y uabhägig. Für
MehrHöhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 5. Übungsblatt
KARLSRUHER INSTITUT FÜR TECHNOLOGIE KIT Istitut für Aalysis Dr A Müller-Rettkowski Dr T Gauss WS 00/ Höhere Mathematik I für die Fachrichtuge Elektroigeieurwese, Physik ud Geodäsie Lösugsvorschläge zum
MehrUmrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung
.3. Prozetuale Häufigkeitsverteilug (HV) Die prozetuale Häufigkeitsverteilug erlaubt de Vergleich vo Auswertuge, dee uterschiedliche Stichprobegröße zugrude liege. Es köe auch uterschiedliche Stichprobegröße
MehrTeil II Zählstatistik
Teil II Zählstatistik. Aufgabestellug. Vergleiche Sie experimetelle Zählverteiluge mit statistische Modelle (POISSON-Verteilug ud Normalverteilug) 2. Theoretische Grudlage Stichworte zur Vorbereitug: Impulszahl,
MehrSUCHPROBLEME 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
MehrÜbungsblatt 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
MehrZählterme (Seite 1) Aufgabe: Wie viele Nummernschilder kann es theoretisch im Raum Dresden geben? Wann müsste die 4.Ziffer eingeführt werden?
Bemerkug: I Mathematik sollte ma keie Fahrpläe verwede, i der Stochastik erst recht icht. Zitat vo S.L. Das Baumdiagramm ist aber fast immer ei geeigetes Hilfsmittel. Produktregel Aufgabe: Wie viele Nummerschilder
Mehre) ( 4a + 8b + 9a + 18b ) : a + 2b f) 2 log (x) + 3 log (2y) 0.5 log (z)
Mathematik 1 Test SELBSTTEST MATHEMATIK 1. Forme Sie die folgede Terme um: a) y y y y + y : ( ) ( ) b) ( 9 ) 18 c) 5 3 3 3 d) 6 5 4 ( 7 y ) 3 4 5 ( 14 y ) e) ( 4a + 8b + 9a + 18b ) : a + b f) log () +
MehrAusarbeitung. Wirtschaftliche Losgröße nach Andler
Berufskolleg Werther Brücke - Fachschule für Techik - Ausarbeitug Wirtschaftliche Losgröße ach Adler Fach: Fachlehrer: Produktiosplaug ud Steuerug Herr Schuljahr: 00 / 00 Datum: 03.07.00 lasse: FTA-90
MehrDer χ 2 Test. Bei Verteilungen Beantwortung der Frage, ob eine gemessene Verteilung Gauß- oder Poisson-verteilt ist oder nicht?
Der χ Test Es gibt verschiedee Arte vo Sigifikaztests Nebe Sigifikaztests, die sich mit dem Mittelwert beschäftige, gibt es auch Testverfahre für Verteiluge Bei Verteiluge Beatwortug der Frage, ob eie
Mehr(a) Richtig, die Varianz ist eine Summe quadratischer Größen.
Aufgabe 1 (10 Pukte) Welche der folgede Aussage sid richtig? (a) Richtig, die Variaz ist eie Summe quadratischer Größe. (b) Falsch, die Abweichug ordialer Merkmale vom Media ist icht defiiert - also auch
MehrDynamische Programmierung Matrixkettenprodukt
Dyamische Programmierug Matrixketteprodukt Das Optimalitätsprizip Typische Awedug für dyamisches Programmiere: Optimierugsprobleme Eie optimale Lösug für das Ausgagsproblem setzt sich aus optimale Lösuge
Mehr4 Schwankungsintervalle Schwankungsintervalle 4.2
4 Schwakugsitervalle Schwakugsitervalle 4. Bemerkuge Die bekate Symmetrieeigeschaft Φ(x) = 1 Φ( x) bzw. Φ( x) = 1 Φ(x) für alle x R überträgt sich auf die Quatile N p der Stadardormalverteilug i der Form
Mehr1. Probabilistisches Sprachmodell - Verständnisfragen
. Probabilistisches Sprachmodell - Verstädisfrage (a) Defiiere Sie de Begriff eies probabilistische Sprachmodells für eie Sprache. (b) Beerte Sie die folgede Aussage als richtig oder falsch: I eiem probabilistische
MehrEmpirische Verteilungsfunktion
KAPITEL 3 Empirische Verteilugsfuktio 3.1. Empirische Verteilugsfuktio Seie X 1,..., X uabhägige ud idetisch verteilte Zufallsvariable mit theoretischer Verteilugsfuktio F (t) = P[X i t]. Es sei (x 1,...,
MehrAufgabe 5: Grundlagen Wahr keit, Satz von Bayes und Binomialverteilung
Klausur: Statistik Jürge Meisel Zugelassee Hilfsmittel: icht progr. Tascherecher Bearbeitugszeit: 60 Miute Amerkug zur Bearbeitug: Die Klausur besteht aus isgesamt 6 Aufgabe. Sie müsse ur 5 davo bearbeite.
MehrTeilaufgabe 1.1 (3 BE) Berechnen Sie die Wahrscheinlichkeit dafür, dass ein im Flughafen zufällig herausgegriffener Pauschalreisender ( ) =
Abiturprüfug Berufliche Oberschule 004 Mathematik 3 Techik - B I - Lösug Teilaufgabe.0 A eiem Flughafe sid 0% der Reisede Ferreisede. Uter de Ferreisede befide sich 5% Nicht-Pauschalreisede. Der Ateil
MehrEinführung in die Wahrscheinlichkeitstheorie Lösungen zum Wiederholungsblatt
TUM, Zetrum Mathematik Lehrstuhl für Mathematische Physik WS 23/4 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weider Eiführug i die Wahrscheilichkeitstheorie Lösuge zum Wiederholugsblatt Aufgabe
MehrFormelsammlung 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
MehrEingangsprüfung Stochastik,
Eigagsprüfug Stochastik, 5.5. Wir gehe stets vo eiem Wahrscheilichkeitsraum (Ω, A, P aus. Die Borel σ-algebra auf wird mit B bezeichet, das Lebesgue Maß auf wird mit λ bezeichet. Aufgabe ( Pukte Sei x
MehrFunktionenreihen. 1-E1 Ma 2 Lubov Vassilevskaya
Fuktioereihe Erst durch Newto wurde die Theorie uedlicher Reihe zu eiem eigestädige Forschugsgebiet i der Mathematik, das da i Britaie besodere Beachtug ud weitere Etwicklug durch Brook Taylor ud Coli
Mehrs xy x i x y i y s xy = 1 n i=1 y 2 i=1 x 2 s 1 n x n i Streudiagramme empirische Kovarianz x=5,5 y=7,5
Streudiagramme für metrisch skalierte Variable paarweise Messwerte (x,y) x 5 7 y 7 5 7 5 5 7 Aussage zu Zusammehäge. empirische Kovariaz Stadardabweichug der WertPAARE x i x y Wert x Mittelwert aller x
MehrKapitel 9: Schätzungen
- 73 (Kapitel 9: chätzuge) Kapitel 9: chätzuge Betrachte wir folgedes 9. Beispiel : I eiem Krakehaus wurde Date über Zwilligsgeburte gesammelt. Bei vo 48 Paare hatte die beide Zwillige verschiedees Geschlecht.
MehrZinsratenmodelle in stetiger Zeit: Teil II
Zisratemodelle i stetiger Zeit: Teil II Simoe Folty 1.11.006 1. Vasicek Modell (1977) 1.1 Eiführug Vasicek schlug das folgede Modell für die risikofreie Zisrate r(t) vor, basiered auf der SDGL d r t α
MehrAlgorithmentheorie Randomisierung
Algorithmetheorie 03 - Radomisierug Prof. Dr. S. Albers Prof. Dr. Th. Ottma Radomisierug Klasse vo radomisierte Algorithme Radomisierter Quicksort Radomisierter Primzahltest Kryptographie 2 1. Klasse vo
Mehr186.813 Algorithmen und Datenstrukturen 1 VU 6.0 1. Übungstest SS 2012 26. April 2012
Techische Uiversität Wie Istitut für Computergraphik ud Algorithme Arbeitsbereich für Algorithme ud Datestrukture 186.813 Algorithme ud Datestrukture 1 VU 6.0 1. Übugstest SS 2012 26. April 2012 Mache
Mehr