Peter von der Lippe. Induktive Statistik. Formeln, Aufgaben, Klausurtraining

Größe: px
Ab Seite anzeigen:

Download "Peter von der Lippe. Induktive Statistik. Formeln, Aufgaben, Klausurtraining"

Transkript

1 Peter vo der Lppe Iduktve Statstk Formel, Aufgabe, Klausurtrag Ursprüglch verlegt be Oldebourg, her überarbeteter Form als dowload zur Verfügug gestellt Oldebourg

2 Tel I Formelsammlug mt Tabelleahag

3 3 vo der Lppe: Iduktve Statstk Ihalt vo Tel I (Formeltel) Kap.: Eführug, Stchproberaum 3 Kap.: Kombatork 4 Kap.3: Eregsalgebra, Wahrschelchket 4 Kap.4: Zufallsvarable, Wahrschelchketsvertelug 5 Kap.5: Spezelle dskrete Wahrschelchketsverteluge 36 Kap.6: Spezelle stetge Verteluge 5 Kap.7: Grezwertsätze, Stchprobevertelug 63 Kap.8: Schätztheore 73 Kap.9: Testtheore 87 Kap.0: Stchprobetheore 00 Tabelleahag 09 Kap.: Kap.: Kap.3: Kap.4: Kap.5: Kap.6: Kap.7: Kap.8: Kap.9: Detalglederug vo Tel II (Aufgabetel) Eführug, Stchproberaum Kombatork Eregsalgebra, Wahrschelchket 3.. Megeoperatoe mt Eregsse 3.. Wahrschelchketsbegrff 3.3. Addtossätze 3.4. Multplkatossätze, bedgte Wahrschelchkete, Uabhäggket 3.5. Totale Wahrschelchket, Theorem vo Bayes Zufallsvarable, Wahrschelchketsvertelug 4.. Edmesoale Zufallsvarable 4.. Zwedmesoale Zufallsvarable 4.3. Learkombato ud -trasformato 4.4. Erzeugede Fuktoe Spezelle dskrete Wahrschelchketsverteluge 5.. Zwepuktvertelug 5.. Geometrsche Vertelug, Bomalvertelug 5.3. Hypergeometrsche Vertelug 5.4. Possovertelug Spezelle stetge Verteluge 6.. leare Verteluge, Glechvertelug (stetg) 6.. Normalvertelug Grezwertsätze, Stchprobevertelug 7.. Tschebyscheffsche Uglechug, Grezwertsätze, stochastsche Kovergez 7.. Stchprobeverteluge Schätztheore 8.. Maxmum-Lkelhood-Methode 8.. Puktschätzug 8.3. Itervallschätzug (Mttel- ud Atelswert) 8.4. Kofdeztervallschätzug für de Dfferez vo zwe Mttel-bzw. Atelswerte Testtheore 9.. Test für Mttel- ud Atelswerte (E-Stchprobe-Fall) 9.. Sgfkaztests für Mttel- ud Atelswertdffereze (zwe uabhägge Stchprobe) Kap.0: Stchprobetheore 0.. Notwedger Stchprobeumfag 0..Hochrechug 0.3.Geschchtete Stchprobe

4 4 Kaptel : Eführug Wahrschelchketsaussage bezehe sch auf Zufallsexpermete (ZE), ud zwar (gerade wege der Zufällgket) cht auf de Ausgag ees ezele ZE, soder auf de (zumdest gedaklch) uedlche Folge vo Wederholuge (Realsatoe) des ZE uter eem - uveräderlche - exakt beschrebee Bedgugskomplex. Def..: Zufallsexpermet (ZE) E Zufallsexpermet legt vor, we. es wohldeferte Eregsse als Ergebs des ZE gbt. das ZE uter deselbe Bedguge uabhägg belebg oft wederholbar st 3. das Eregs (der Versuchsausgag) m Ezelfall a) cht voraussagbar st b) cht wllkürlch (systematsch) zu beeflusse st 4. es wohl aber be eer Velzahl vo Wederholuge des ZE gewsse Regelmäßgkete gbt. Def..: Stchproberaum a) E Stchproberaum Ω st de Mege aller möglche, sch gegesetg ausschleßeder Elemetareregsse ω, ω,..., ω Ω = ω, ω,..., ω bzw. ω, ω Ω { } { } Im folgede wrd vo edlche Stchproberäume mt glechwahrschelche Elemetareregsse (Laplace-Aahme) ausgegage. b) Es sd Elemetareregsse ud zusammegesetzte Eregsse (Def. 3.) zu uterschede. Kaptel : Kombatork. Grudaufgabe der Kombatork 5. Bomalkoeffzete ud Multomalkoeffzete 7 3. Ergäzuge ud Vertefuge zum Auswahlproblem: Ikluso ud Exkluso 4. De Gamma- ud de Beta-Fukto 3 Gegestad der Kombatork sd eumeratve Probleme, Frage m Zusammehag mt edlche Mege. Es geht um de Azahl der Arte, we ee wohldeferte Operato (z.b. Auswahl oder Aordug vo Objekte) ausgeführt werde ka.

5 5. Grudaufgabe der Kombatork Fragestelluge. Aordug vo Elemete (Permutato) oder Auswahl vo Elemete (de Elemete see a, b, c,...). Es st zu uterschede: a) mt Berückschtgug der Aordug (Varato): {a,b} ud {b,a} sd verschede b) ohe Berückschtgug der Aordug (Kombato): {a,b} ud {b,a} sd glech 3. Wederholuge. Dabe bedeutet: a) ohe Wederholug (ow): Elemete a, b ud c trete ur emal auf b) mt Wederholug (mw): Es ka auch {a,a}, {a,b,b}, {b,b,b},... auftrete Dese Krtere werde kombert zu sechs Grudaufgabe (vgl. Übers..). Aweduge der Stchprobetheore: a) De Azahl der Stchprobe bem Zehe ohe Zurücklege st K. Dabe sd de K Stchprobe glech wahrschelch. b) De Azahl verschedeer Stchprobe mt Zurücklege st K W, davo sd aber cht alle glech wahrschelch. Durch das Zurücklege st de Ure praktsch uedlch, so dass auch > ( [sost ] Umfag der Stchprobe; [sost N] Umfag der Grudgesamthet). a) Falluterscheduge Überscht.: De sechs Grudaufgabe der Kombatork Aufgabeart Aordug vo Elemete = Permutato Auswahl vo Elemete ("zur Klasse ") o.w. m.w. () () mt Berückschtgug der Aordug = Varato ohe Berückschtgug der Aordug = Kombato o.w. m.w. o.w. m.w. (3) (4) (5) (6)

6 6 b) Formel für de Azahl (.) Azahl der Permutatoe ohe Wederholug vo Elemete (.) Azahl der Permutatoe mt Wederholug vo Elemete, wobe das k-te Elemet k mal auftrtt (.3) Azahl der Varatoe ohe Wederholug (V) vo Elemete zur -te Klasse (.4) Azahl der Varatoe mt Wederholug (V W ) zur -te Klasse (.5) Azahl der Kombatoe ohe Wederholug (K) (.6) Azahl der Kombatoe mt Wederholug (K W ) P =! =. (-) P W! m = m mt k =! k= k= k! V = ( )! V W = =! K =! =! ( )! K W = + Bemerkuge: zu (): Strlgsche Formel: Für großes glt:! e π = ( ) e +/ - π = π e. zu (3), (5) u. (6): st der Bomalkoeffzet (" über ") als Spezalfall des Multomalkoeffzete (Formel für P W ). Ist m =, = ud = -, so st!!! = = = k!!!! ( )!. De Zwetelug der Elemete ka z.b. bedeute: = Elemete gelage de Auswahl = - gelage cht de Auswahl. Wetere Bemerkuge zum Bomalkoeffzete vgl. Abschtt. zu (4): Herbe ka jedes Elemet bs zu -mal wederholt werde ( ka auch größer als se). Zusammehäge der Formel utereader: P W P we für alle k =,...,m glt k =, folgt P W = P V P we = glt (also kee Auswahl), folgt V = P (Permutato ohe Wederholug als Spezalfall der Varato ohe Wederholug)

7 7 P W K we = ud = -, folgt P W = K (sehe obe; vgl. auch Gl..5) V K da jedes Elemet auf! Arte permutert werde ka, glt (.3a): V =! K K K W P W V W Herletug der Kombatoe ohe Wederholug aus dem Addtostheorem für Bomalkoeffzete (Satz.). Im trvale Fall = (kee Wederholuge möglch) st K W = K = = Varatoe mt Wederholug als Summe aller möglche Permutatoe mt Wederholug (Satz.). Bomalkoeffzete ud Multomalkoeffzete Def..: Bomalkoeffzet Der Ausdruck (.5) =! ( )!! mt, I N, 0 heßt Bomalkoeffzet. Def..: Multomalkoeffzet Der Ausdruck (.6) K m =!!!... = m!! m, m k = k= Π! = k k heßt Multomalkoeffzet (oder auch Polyomalkoeffzet geat). Egeschafte des Bomalkoeffzete ud des Multomalkoeffzete. Name ud Folgerug aus der Defto a) De Etwcklug des Boms ( a ) b + führt zu folgeder Summe: b + ab + + a b a a b + = a b a b K a b + K + a 0 + b a b 0 0 Setzt ma a=b=, so folgt lecht der bekate Zusammehag über de Summe vo Bomalkoeffzete vo Glechug.9.

8 8 Etspreched erschet der Multomalkoeffzet der Expaso ees Multoms, etwa (m = 3) ( ) ( ) a b c b c + + = 3 3 3,, a, mt = b) Nach Defto glt 0 = = = ud. c) Symmetre =.. Bomalkoeffzet als Summe ud Produktsumme vo Bomalkoeffzete (.7a) + + = + + (Pascalsches Dreeck) (.7b) m m m m + = + + = 0 Folgerug: (.7c) k k = + = 0 (.7d) m k m k = + = 0 Satz. Addtostheorem für Bomalkoeffzete Aus Glechug.7d folgt * : (.8) k k k + = = 0 Aus deser Formel folgt auch der Zusammehag zwsche Kombatoe mt ud ohe Wederholug: k k k + = + =. * Ma erhält Glechug.8 aus.7d, we ma de Symbole k,, m ud Glechug.7c de Symbole, -, ud k zuordet. Aus Glechug.8 folgt übrges auch Glechug.9a.

9 9 Der zwete Summad gbt a, um we vel sch de Azahl der Kombatoe erhöht, durch de Wederholug vo k =,,... der - k ausgewählte Elemete, um zur Zahl der Kombatoe mt Wederholug zu gelage. Folgerug aus Glechug.8: (.8a) ( ) =. k= 0 k k Deser Zusammehag erklärt de Reproduktvtät der Bomalvertelug. Aus eer Ure vo Kugel auszuwähle läuft auf das gleche haus, we aus zwe Ure mt - ( - ) ud - Kugel so vele Kugel herauszuehme, dass es zusamme Kugel sd. 3. Summe vo Bomalkoeffzete a) Varables, also = 0,,...,, (.9) = ud (-) = 0 (.9a) = (.0) = (.0a) ( ) = + (.) m = 0 = m m, m m b) Varables (k läuft bs ), kostates Summe der atürlche Zahle k ( ) (.a) + + = =. Das folgt auch aus Glechug.7b mt m =. (.a) k= k + = (.3) 3 k= k 3 + = usw.. 4 De allgemee Zusammehäge beschrebe de folgede Formel: r + + r + r + + r + (.3a) = ud (.3b) = + r = 0 k= 3 4. Multomalkoeffzet als Produkt vo Bomalkoeffzete = 0 (.4)! =!!... k! k k

10 0 Spezalfall der Permutatoe ohe Wederholuge = =... = k = : (.4a)... =! Spezalfall Kombatoe: = Permutatoe mt Wederholuge ka ma als wederholte Kombatoe auffasse: Aus Elemete werde ausgewählt, aus de verblebede Elemete weder usw. 5. Rekursosformel für Bomalkoeffzete (.5) = + (.5a) = (.5b) = = usw.. Folgerug: Aus Glechug.5 folgt, dass be gegebeem ugeradzahlgem de Bomalkoeffzete vo = 0 bs = ( ) / astege ud vo = ( + ) / a bs = abfalle (be geradzahlgem st das Maxmum = / ). Aus Glechug.5a ud.5b folgt lecht der als Pascalsches Dreeck bekate Zusammehag der Glechug.7a bzw. (glechbedeuted): = Bomalkoeffzete mt egatve Elemete Nach Defto glt: = (.6) ( ) + ud (.6a) = ( ) Summe vo Multomalkoeffzete Ma ka Varatoe mt Wederholuge als Summe vo Permutatoe mt Wederholuge auffasse wege: Satz.: Addtostheorem für Multomalkoeffzete (.7) =, a a a a... a,,...

11 wobe summert wrd über alle -Tupel a, a,..., a mt a = a = j, ergbt sch j j =, also Gl..9 als Spezalfall. = 0 8. Rekursve Bezehuge zwsche Kombatoe mt Wederholug k= k. Mt -Tupel, also a = j, Satz.3: Addtostheorem für Kombatoe mt Wederholug Verabredet ma K W (, ) für de Azahl der Kombatoe mt Wederholug zur Klasse, so glt: (.8) K (, ) = K (, ) + K (, ) w w w Dese Rekursosformel st auch Ausgagspukt für de Bewes vo Gl..6. Ersetzt ma Glechug.8 de Ausdruck Kw (, ) w (, ) Kw (, ) herbe weder K (, ) usw., so erhält ma: W (.9) K (, ) = K ( m, ) w m= was sch übrges auch aus Glechug.3a ergbt. w, durch K +, 3. Ergäzuge ud Vertefuge zum Auswahlproblem: Ikluso ud Exkluso a) Zum Permutatosbegrff Def..3: Zrkuläre Permutatoe De Azahl P z der zrkuläre Permutatoe vo Elemete st de Azahl der Möglchkete, Elemete m Kres azuorde. Se beträgt: (.0) P z () = (-)! Da wege der kresförmge Aordug der erste ud der -te Platz detsch sd, werde faktsch ur - Elemete permutert. Def..4: Fxpuktfree Permutatoe Geht ma vo eer Stzordug vo Stühle ud Persoe aus, so ka ma ach der Azahl P F () der "eue" Stzorduge frage, be dee kee Perso auf hrem alte Platz blebt. Se beträgt:

12 (.) ( ) PF =! ! 3! 4!! ( ) ( ) =! j= 0 wobe de Summe de Afag der Potezreheetwcklug vo e - darstellt. Ma sprcht auch vom Recotre Problem ud et de Zahle P F () auch Recotre Zahle, für de de folgede Rekursosformel glt: (.a) P ( ) = P ( ) + ( ) F F b) Zum Auswahlproblem: Ikluso ud Exkluso Für e Auswahlproblem aus Elemete ka sch auch de Aufgabe stelle, dass de Auswahl so getroffe werde sollte, dass be p < der Elemete mt - keem der p Elemete (Exkluso) - geau p Elemete (Ikluso) kombert bzw. varert wrd. De herzu relevate Formel sd Überscht. zusammegestellt. De Exkluso vo p vorgeschrebee Elemete läuft darauf haus, efach p Elemete weger für ee Auswahl zur Verfügug zu stelle. Se stellt also ee Redukto der Auswahlgesamthet dar. Ikluso bedeutet ebefalls, dese Elemete vo eer Auswahl auszuschleße ud statt ur och - p Elemete fre zu kombere bzw. zu varere. Ma reservert efach p Plätze der Auswahlgesamthet ud der Auswahl selbst ud fragt ach de Varatos- ud Kombatosmöglchkete der übrge Elemete. Ikluso stellt also ee Redukto der Auswahlgesamthet ud der Auswahl dar. De Dfferez zwsche der allgemee Formel (etwa Gl..5 be Kombato ohe Wederholuge) ud der etsprechede Formel für de Exkluso vo p Elemete p bzw. m Spezalfall p = : j! = j Glechug.7a st de Azahl der Kombatoe ohe Wederholuge mt mdestes eem bzw. geau eem (we p=) vo p vorgeschrebee Elemete (Ikluso vo mdestes eem Elemet = kee Exkluso vo alle Elemete). Be p= st de allgemee Formel für Kombatoe de Summe der Exklusos- ud Iklusosformel (Überscht.). Überscht. Exkluso Ikluso Kombatoe ohe Wederholug (.) p (.3) p p Kombatoe mt Wederholug (.4) + p (.5) + p p Varatoe ohe Wederholug p (.)! p (.3)! p (.4) ( ) (.5) ( ) ( ) *) Varatoe mt p Wederholug *) Nur we > p ud > p, sost kee allgemee Formel möglch, da cht beschräkt st. p p

13 3 4. De Gamma- ud de Beta-Fukto Def..5: Gammafukto De Fukto (.30) Γ( α) heßt Gamma-Fukto. Folgeruge: α x = x e dx 0 < α, 0 x Γ Γ Γ Γ 3 = = π, π, = ( ) ( ) ( ) ( ) Γ =, Γ =, Γ 3 = Γ =! Γ ( ) = ( ) Γ( ) = ( )! ( + z )! Γ( + z) = Γ( ) ( )! (z ud gazzahlg) Def.. 6: Betafukto De Fukto Γ α β B( α, β) = = x ( x) dx, Γ α, β > 0, 0 x heßt Beta-Fukto. ( α) Γ( β) ( α + β) 0 Bemerkuge zu Def..5 ud.6:. De Gamma- ud de Beta-Fuktoe sollte cht verwechselt werde mt der Gammaud Beta-Vertelug.. Ma et de obe deferte Fuktoe auch vollstädge Gamma bzw. Beta-Fukto. De etsprechede uvollstädge Fuktoe habe ee feste Itegratosgreze z (z < oder z ). 3. De bede Fuktoe trete ege Dchtefuktoe auf (χ, t, F-Vertelug).

14 4 Kaptel 3: Eregsse ud hre Wahrschelchket. Eführede Kozepte der Megelehre 4. Wahrschelchketsbegrff 0 3. Addtossätze 4. Multplkatossätze, stochastsche Uabhäggket 5. Totale Wahrschelchket, Bayessches Theorem 3 Das "Reche" mt Eregsse, das Ihalt deses Kaptels st, wrd oft auch als Eregsalgebra bezechet. Der Begrff wrd jedoch auch spezeller beutzt (Def. 3.7). Es st formal äquvalet dem Reche mt Mege. Mt Mege köe Megesysteme gebldet ud herfür Megefuktoe defert werde. De Wahrschelchket st ee solche Megefukto.. Eführede Kozepte der Megelehre.. Relatoe zwsche ud Operatoe mt Eregsse E Eregs ka als Mege dargestellt werde, so dass auf dese auch Verküpfugsoperatoe für Mege agewadt werde köe. Durch Operatoe mt Elemetareregsse etstehe zusammegesetzte Eregsse (vgl. Def. 3. ud 3.). a) Operatoe Der Stchproberaum Ω bestehe aus de Mege (Eregsse) A, B ud C, dargestellt m Euler-Ve-Dagramm. Das Ergebs eer Operato wrd durch Schatterug agegebe. Ω wrd als Kaste dargestellt, de Mege A, B, C sd Fläche dem Kaste. Veregug: A B oder A + B Durchschtt: A B oder AB (auch Summe geat) (auch Produkt oder Kojukto) A B: = { x x A x B} A B: = { x x A x B} sprch: A oder B (klusves oder) sprch: sowohl A als auch B Des st ee Defto. Fast alles, was m folgede dargestellt wrd, sd Deftoe. Nur ege besoders hervorzuhebede Deftoe sd umerert worde.

15 5 Dfferez: A\B oder A - B (auch relatves Komplemet) { } A \ B: = x x A x B dagege B \ A auch zu defere mt A \ B = A B Mehr als zwe Eregsse: U A etwa = 3 : A A A 3 = I A etwa = 3 : A A A = 3 A A A 3 A A A 3 Auch de Übertragug auf überabzählbar uedlch vele Eregsse st möglch. Egeschafte der Operatoe (ud ). Kommutatvtät: A B = B A ). Assozatvtät: ( A B) C = A ( B C) 3. Dstrbutvtät: A ( B C) = ( A B) ( A C) 4. Adjuktvtät: A ( A B) = A 5. Idempotez: A A = A De Dfferez \ st cht kommutatv ud cht assozatv. Das Zeche = bedeutet Glechwertgket (Glechhet), d.h. gleche Elemete ethalted, vo Mege bzw. Eregsse.

16 6 b) Relatoe Teleregs A B x A x B A B = A, A B = B (auch Ikluso geat) 3 Egeschafte der Relatoe asymmetrsch: A B B A atsymmetrsch: A B B A A = B trastv: A B B D A D reflexv: we A=B, de da glt A A Komplemetäreregs A A:= { x x A} A = Ω\A A A = Ω ud A A = (auch absolutes Komplemet oder Gegeeregs geat) A A = Ω, A A =, A = A A = A, A = A Ω = Ω, A Ω = A (de Morgasche Gesetze) A B = A B ud A B = A B 3 Gemet sd echte Telmege m Se der Mathematk.

17 7 c) Besodere Eregsse ud Wahrschelchkete scheres Eregs Ω umöglches Eregs dsjukte Eregsse (oder elemetfremd, uverebar, cht: uabhägg) A B =, A \ B = A Mt dem Alltagsverstäds der Wahrschelchket als eer Zahl P, de zwsche 0 ud lege muß, lasse sch heraus berets folgede Aussage gewe:. P( ) = 0. ( ) P Ω =, daraus folgt P( A) = P( A) P( A) + P( A) = P( Ω) = 3. We A ud B uverebar, da glt P A B = P A + P B ud P A B = P AB = 0 ( ) ( ) ( ) ( ) ( ) 4. We A B, da P A P B A B = P B, de wege A A = Ω soll gelte ( ) ( ) ud P ( ) ( ), so dass auch glt P( B A) P( B) P( A) statt allgeme P( B A) = P( A B) P( A). =, d) Zusammegesetzte Eregsse ud Elemetareregsse Defto 3.: E Eregs A heßt zusammegesetzt, we A dargestellt werde ka als A = B C ( mt B A ud C A), aderfalls legt e Elemetareregs vor. Äquvalete Defto: Defto 3.: Das Eregs A st geau da Elemetareregs, we es ke Eregs B, B A gbt, das Teleregs vo A st. st ke Elemetareregs. Folgerug: Je zwe Elemetareregsse A ud A sd dsjukt.

18 8.. Produktmege, Megefukto Defto 3.3: Produktmege, Kartessches Produkt Be zwe Mege Ω, Ω sd bespelswese ( a, b) oder ( a, b3) mt a Ω ud b j Ω jewels e geordetes Paar (Tupel). De Mege Ω Ω aller geordete Paare st de Produktmege vo Ω ud Ω. {( a, b) a b } Ω Ω = Ω Ω { } Ω Ω Ω = Ω = x x x Ω. Allgeme:... (,..., ) = Im Falle vo Ω =... = Ω = Ω schrebt ma auch Ω. Ee Produktmege (hre Elemete) st mt eem Baumdagramm darstellbar. Ee "Relato" st ee Telmege der Produktmege. Defto 3.4: Megefukto Wrd eer Mege A ach eer Zuordugsvorschrft ee Zahl Q(A) zugeordet, so sprcht ma vo eer Megefukto..3. Megesysteme Mege, dere Elemete selbst weder Mege darstelle, et ma Megesysteme. Se werde häufg abgeletet aus eer Mege Ω, de ee Klasseetelug st. Defto 3.5: Vollstädge Zerlegug, Klasseetelug, Partto E Stchproberaum Ω wrd chtleere, paarwese dsjukte Mege (Eregsse C ) zerlegt, we glt:. U C = Ω (Ausschöpfug) =. C C =, j =,,..., ; j j 3. C für alle =,,..., ( ka auch uedlch se). Veraschaulchug eer Zerlegug Ω = { C =,,..., } für = 4 (vgl. Abb.) E solches vollstädges System vo Eregsse st de Mege der Elemetareregsse oder auch Ω = { A, A}. Folgerug Ist A e belebges Eregs ud { C,,..., } glt: C C ee Zerlegug (vollstädges System), so

19 9 (3.) A = U( A C ) = (Darauf beruht der Satz der totale Wahrschelchket, Gl. 3.4). De Mege (Eregsse) A C, A C,... sd dsjukt (uverebar). Defto 3.6: Potezmege Das Megesystem P( Ω ), desse Mege alle möglche Telmege vo Ω, eschleßlch ud Ω umfasse, heßt Potezmege (Eregsfeld) vo Ω. Ω = a, b, c st das Eregsfeld Be eem edlche Stchproberaum, etwa { } { } P Ω Ω { } { } { } { } { } { } ( ) =, a, b, a, c, b, c, a, b, c,. Be Elemete vo Ω besteht das Eregsfeld aus = Elemete. = 0 Motvato Es geügt cht, de Wahrschelchket ees Eregsses (Elemetareregsses) vo Ω, etwa vo A, B usw. zu defere, soder es muss für alle durch ud zu bldede, zusammegesetzte Eregsse, ee Wahrschelchket defert se. Eregsfelder sd bezüglch Veregug, Durchschtt ud Komplemetbldug abgeschlosse. Defto 3.7: Sgma-(σ-)Algebra Ee Telmege M vo P( Ω ), zu der Ω gehört ud mt eer Mege A auch dere Komplemet A, de wege der folgede Festlegug Nr. auch ethält ud de abgeschlosse st gegeüber der Veregug (Summe) vo oder auch abzählbar uedlch vele Eregsse A [Summe, daher σ; M st wege Nr. auch hschtlch abgeschlosse] () Ω M () we A M, da auch A M (3) A M U = heßt σ-algebra. Aders als P( Ω ) muss M cht eelemetge Mege ethalte. Motvato De Potezmege ka sehr groß oder be cht edlchem Ω auch uedlch se. De Wahrschelchket st ee auf e Megesystem deferte reellwertge Fukto, ee Megefukto, dere Deftosberech ee σ-algebra st. Se gbt a, welche Mege hm mdestes ethalte se müsse, um de Wahrschelchket defere zu köe? Defto 3.8: Wahrschelchket Se M ee σ-algebra. Ee auf M deferte Fukto P: M IR heßt Wahrschelchketsmaß, we de folgede (Kolmogroff'sche) Axome erfüllt sd.

20 0 ) P( A) 0 Nchtegatvtät für alle A M ) P U A = P A = = ( ) 3) P( Ω ) = Normerug P ( ) Volladdtvtät (σ-addtvtät), wobe alle Folge A Zerleguge vo Ω see also A A = ( 0 ), scheres Eregs De Wahrschelchket st e ormertes, addtves Maß auf ee σ-algebra. Ist Ω edlch, so geügt es, Wahrschelchkete für Elemetareregsse zu defere, alle adere Wahrschelchkete folge daraus. Wege Axom ud 3 folgt aus Axom auch P(A). j. Wahrschelchketsbegrff De Axome vo Defto 3.8 lege de mathematsche Egeschafte vo Wahrschelchkete fest. Se gebe kee Auskuft darüber, we ma de umersche Wert eer bestmmte Wahrschelchket erhält ud terpretert (Berechugsawesug, Iterpretatosproblem). Zu Versuche, dese Probleme m Wahrschelchketsbegrff zu löse, vgl. Überscht 3.. Überscht 3. Wahrschelchketsbegrff terpretered objektv (Eregs-Wkt.) subjektv (4) axomatsch Kolmogoroff Def. 3.8 (5) a prorsch klasssch (Laplace) () geometrsch () a posterorsch (statstscher Wkt.-begrff) (3) () Klassscher Wahrschelchketsbegrff De Wahrschelchket des Eregsses A st de Häufgket A des Etretes vo A (oder A = Mächtgket der Mege A) dvdert durch de Azahl aller möglche Fälle: P( A) A A Azahl der güstge Fälle = = = Ω Azahl der glechmög lche Fälle

21 () Geometrscher Wahrschelchketsbegrff Auch awedbar be überabzählbar uedlchem Stchproberaum Ω. (3) A posterorsch (v. Mses) Wahrschelchket als Grezwert der relatve Häufgket be sehr vele Beobachtuge ( ). (4) Subjektver Wahrschelchketsbegrff Maß für de Grad der Überzeugthet vo der Rchtgket eer Aussage (logsche Wahrschelchket, Hypothesewahrschelchket). (5) Axomatscher Begrff Er st z.b. sofer allgemeer als, wel cht ee edlche Mege Ω mt glechwahrschelche Elemetareregsse vorausgesetzt wrd. Begrff st als Spezalfall ethalte. 3. Addtossätze Bestmmug der Wahrschelchket eer Veregug. Im Falle uverträglcher Eregsse Verefachug (spezelle Addtossätze, Überscht 3.). Allgeme glt: ( ) ( ) P A... A P A =,,..., (Boolesche Uglechug). Überscht 3.: Addtossätze allgeme, daruter (*) spezell ( A A =,, j ) Addtossätze Zwe Eregsse A, B (3.3) P( A B) = P( A) + P( B) P( AB) (3.3*) P( A B) = P( A) + P( B) Dre Eregsse A, B, C (3.4) A B C) = P( A) + P( B) + P( C) P( AB) P( AC) P( BC) + P( ABC) (3.4*) P( A B C) = P( A) + P( B) + P( C) j Allgemee Eregsse A, A,..., A (3.5) Formel vo Sylvester (sehe ute) (3.5*) P U A = P( A ) = = Formel vo Sylvester U j (3.5) P A = ( ) P( A ) + ( ) P( A A ) + + ( ) P( A A A ) = = < j Iterpretato: Summade

22 erster Summad: P( A ) Summade zweter Summad: P( A A j ) letzter Summad: Vorzeche postv, de (-) =+ bestehed aus Vorzeche egatv, de (-) 3 =- bestehed aus Summade A A, A A, K, A A, A A, K, A A usw. bestehed aus 3 3 = Summade = 4. Multplkatossätze, stochastsche Uabhäggket Defto 3.9: Bedgte Wahrschelchkete P( A B ) st de Wahrschelchket des Etreffes des Eregsses A uter der Voraussetzug, dass Eregs B egetrete st (muß cht ee zetlche Folge, "zuerst B, da A", se). (3.6) P( A B) ( B) P( B) P A = ( ) etspreched P B A ( B) P( A) P A = Für bedgte Wahrschelchkete gelte de gleche Axome ud Sätze we für ubedgte P A C B = P A B + P C B P AC B (Addtossatz). Wahrschelchkete, z.b. ( ) ( ) ( ) ( ) Geerell glt: P A B + P A B = oder P AB C + P AB C = usw., aber cht (3.3) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) P A B + P A B = oder P AB C + P AB C =. Defto 3.0: Stochastsche Uabhäggket a) paarwese (parwse) Uabhäggket vo zwe Eregsse A, B bedeutet: (3.7) P( AB) = P( A) P ( B) oder glechbedeuted P A = P A B (3.8) ( ) ( ) ud wege der Symmetre der Uabhäggket glt da auch P( B) P( B A) (3.9) P( A B) = P( A B) = P( A) ud P ( B A) = P( B A) = P( B) = oder b) wechselsetge (mutual) Uabhäggket be mehr als zwe, z.b. be dre Eregsse bedeutet: (3.0) P( ABC) = P( A) P ( B) P ( C)

23 3 Mt Glechug 3.0 glt auch paarwese Uabhäggket vo A ud B, A ud C sowe B ud C, cht aber umgekehrt. Wechselsetge Uabhäggket st also ee stregere Forderug als paarwese Uabhäggket. Bemerkug zu Defto 3.0 Mehrdeutgket des Begrffs Uabhäggket der Statstk: uabhägge Züge (be wederholter Zehug aus eer Ure mt Zurücklege, Kap. 4, 5) be mehrdmesoaler Zufallsvarable ( Kap. 4) uabhägge ud abhägge (verbudede) Stchprobe ( Kap. 9) der Regressosaalyse: "uabhägge Varable" Multplkatossätze Gegestad: Bestmmug der Wahrschelchket P(AB), P(ABC), usw. aus bedgte ud ubedgte Wahrschelchkete. Be Uabhäggket jewels Spezalfall des Multplkatossatzes. Vgl. Überscht 3.3. Folgeruge, Verallgemeeruge Bedgte Wahrschelchket allgemeerer Art: P( A... A m B... Bk ) (... Bk ) (... B ) P A = P B Etspreched läßt sch auch der Multplkatossatz allgemeer formulere. Bespel: P A A B B B = P A A B B B P B B B P B B P B. ( 3) ( 3) ( 3) ( 3) ( 3) Überscht 3.3: Multplkatossätze allgeme, daruter (*) spezell (A, A j paarwese uabhägg) k. Zwe Eregsse A, B Eregsse A,...,A Multplkatossätze (3.) P( AB) = P( A) P( B A) = P( B) P( A B) (3.*) P( AB) = P( A) P ( B) (3.) P( A... A ) = A A... A ) P( A A3... A ) P( A3 A4... A )... P( A A ) P( A )... = = = (3.*) P( A A ) P I A = P( A ) 5. Totale Wahrschelchket, Bayessches Theorem ) Satz vo der totale Wahrschelchket Es se { C } =,..., ee vollstädge Zerlegug vo Ω mt sch gegesetg ausschleßede Eregsse C mt P(C ) > 0. Weterh se A Ω. Da glt ach Gl. 3.:

24 4 (3.4) P( A) = P( C ) P( A C ) = P( C A) (3.4a) P( AB) = P( C ) P( AB C ) ) Bayessches Theorem (3.5) P( C A) = ( ) P( A C ) P( C ) P( A C ) P C = ( C ) P( A) P A Iterpretato: Bedeutug für Schätz- ud Testtheore: C, C,...: Alteratve, Hypothese, Ursache (für Beobachtuge) P(C ), P(C ),...: a pror Wahrschelchkete P( C ) = ( ), P ( C A),... a posteror Wahrschelchkete P( C A) P C A ( ) ( ) P A C, P A C,... Lkelhoods Spezelle Fälle P C A = P C für alle, we Lkelhoods glech sd ( ) ( ) P( C A) oder P ( C A) = = 0 =, d.h. be extreme Werte für a pror-wahrschelchkete vo 0 oder ehme auch de a posteror Wahrschelchkete extreme Werte a; etspreched extreme Werte für de Lkelhoods vo 0 oder : a posteror-wahrschelchkete sd da auch 0 oder, uabhägg vo de a pror-wahrschelchkete P C = P C =... = P C = / (Przp des alle a pror-wahrschelchkete glech ( ) ( ) ( ) magelde Grudes): da glt P( C A) P( A C ) P( A C ) =. De totale Wahrschelchket P( A ) st ach Gl. 3.4 e gewogees Mttel der Lkelhoods. Ist P( A C ) > P( A), da st P( C A) > P( C ). Ist P( A C ) < P( A), da st P( C A) P( C ) Beachte: P( C A) =, aber P( A C ) muss cht se. <.

25 5 Kaptel 4: Zufallsvarable, Wahrschelchketsverteluge. Edmesoale Zufallsvarable 5. Mehrdmesoale Zufallsvarable 8 3. Momete vo Fuktoe vo Zufallsvarable 3 4. Erzeugede Fuktoe 3 5. Itervalltrasformatoe 35. Edmesoale Zufallsvarable Def. 4.: Zufallsvarable a) dskrete Zufallsvarable. Se Ω = {ω,ω,...,ω } der Stchproberaum ees Zufallsexpermets mt de Eregsse ω,ω,...,ω. De Fukto X, welche jedem Elemet ω Ω ( =,,...,) ee reelle Zahl X(ω ) = x zuordet, heßt Zufallsvarable (ZV). Der Werteberech vo X st de Mege der reelle Zahle IR. De dem Eregs ω zugeordete Wahrschelchket P(ω ) wrd auf X übertrage, dem Se, dass für ω = x, =,...,, P(ω ) = P(X = x ) glt, ud es st defert: (4.) f(x ) = P(X=x ) = P(ω ) = p.. De Tupel x, f(x ) be eer edlche oder abzählbar uedlche Folge vo Werte x < x < x 3...< x mt (4.) ( ) f x,..., x f( x) = für x 0 sost st de Wahrschelchketsfukto (oder: Zähldchte) der dskrete Zufallsvarable X. 3. De Fukto F( x) = P( X x) = f( u), bzw. u x j F( x ) = P( X x ) = f( x ) = p j j = = heßt Vertelugsfukto der dskrete Zufallsvarable X. b) stetge Zufallsvarable j. Der Stchproberaum st überabzählbar uedlch. Defert st de Wahrschelchket dafür, dass X Werte eem Itervall x < X x + x ammt mt x+ x (4.3) P(x < X x + x) = f( u) du. x

26 6. De Fukto f(x) mt - < x < + oder a x b, heßt Dchtefukto (stetge Wahrschelchketsfukto; ma beachte aber: f(x) st kee Wahrschelchket!). 3. De Vertelugsfukto F(x) der stetge ZV X st gegebe durch: (4.4) F( x) = P( X x) = f( u) du ( < x < ). x Der Zusammehag zwsche der Dchtefukto f(x) ud der Vertelugsfukto F(x) der stetge Zufallsvarable X st gegebe durch: df( x) (4.5) f( x) = ( < x < ). dx Überscht 4.: Egeschafte der Wahrschelchketsfukto ud Itervallwahrschelchkete Egeschafte der Wahrschelchketsfukto (gem. de Kolmogoroffsche Axome) dskrete ZV (4.6a) 0 f(x), (4.6b) f( x) =, bzw. f( x ) = p = x stetge ZV (4.7a) 0 f(x) <, cht aber f(x) (4.7b) f ( x )dx =. *) also bespelswese: P(x < x x 4 ) = p + p 3 + p 4 = F(x 4 ) - F(x ). Art der Zufallsvarable Itervallwahrschelchkete (4.6c) P(a < X b) = = F(b) - F(a) = f( x )* a< x b (4.7c) P(c < x d) = d = f( x)dx = F( d) F( c) 0 c Def. 4.: Momete. De folgede Fukto der Zufallsvarable X E(X-a) r st das r-te (theoretsche) Momet um a. Ist a = 0, so sprcht ma vo Afagsmomete, st a = E(X) = µ vo zetrale Momete. Zwsche Afagsmomete E k = E(X k ) ud zetrale Momete M k = E[(X-µ) k ] besteht de folgede Bezehug: k k M k = E k ( µ ), mt E = µ. = 0. Das erste Afagsmomet E(X) = E = µ heßt Erwartugswert ud st gegebe mt (4.8) µ = E(X) = x f(x) = x f( x ), we X dskret st, bzw. mt = (4.9) µ = E(X) = x f( x)dx we X stetg st. 3. Das zwete zetrale Momet st de theoretsche Varaz. (4.0) V(X) = σ = E [X-E(X)] = E(X-µ) = E(X ) - µ We m ezele be dskretem ud stetgem X zu reche st, vgl. Übers Der Erwartugswert (4.) E * (X,k) = E[X(X-) (X-)... (X-k+)] E * (X,) = E(X), E * (X,) = E[X(X-)] usw., (k =,, 3,...), st das k-te faktorelle Momet vo X (um Null).

27 7 a) Vertelugsbegrffe b) Momete Überscht 4.: Gegeüberstellug der Termologe der Deskrptve ud Iduktve Statstk. dskrete Varable X Iduktve Statstk Wahrschelchketsvertelug f(x ) = p = P(X=x ) Vertelugfukto ) j ( j ) = ( ) = ( ) F x f x P X x = Erwartugswert E(X) = µ = Varaz (theoretsche) = V( X) = σ = ( x µ ) f( x ) Deskrptve Statstk Häufgketsvertelug ) h = Summehäufgket (kumulerte rel. Häufgket) H j = j h = x f( x ) Mttelwert x x h = Varaz (emprsche) s = ( x x) h ) relatve Häufgket h. ) De Vertelugsfukto F(x) st ee mooto chtfallede, rechtssetg stetge Treppefukto. b) Momete. stetge Varable X (ur duktve Statstk) f( x) = df x dx ( ) a) Vertelugsbegrffe Dchtefukto Vertelugsfukto + Erwartugswert µ = E( X) = xf ( x) dx Varaz (theoretsche) x F( x) = f( u) du V( X) = σ = ( x µ ) f( x)dx = = x f( x)dx µ Egeschafte des Erwartugswerts Der Erwartugswert E st e learer Operator:. Erwartugswert eer Kostate a: E[a] = a.. Erwartugswert eer Leartrasformato: E(bX) = b E(X). Be Y = a + bx (Leartrasformato) glt: E(Y) = a + b E(X). 3. Fuktoe φ der dskrete Zufallsvarable X: E c φ ( X) c E [ φ ( X) ] =, wobe φ (X) ee Fukto der dskrete Zufallsgröße X st (etsprechede Formel be stetger Zufallsvarable). Wchtger Hwes zu Übers. 4. Auf dem erste Blck mag es de klare Aaloge zur Deskrptve Statstk gebe, zumdest m dskrete Fall.

28 8 Wahrschelchkets-vertelug: X X... X m p p... p m Häufgkets-vertelug X X... X m h h... h m Erwartugswert E(X) = Σ x p Mttelwert x = Σ x h so dass mache geegt sd dese Begrffe praktsch glech zu setze ud de Uterschede cht zu erkee. Es st deshalb ubedgt zu beachte:. relatve Häufgkete bezehe sch auf edlch vele Beobachtuge, Wahrschelchkete dagege auf e przpell uedlch oft wederholbares Zufallsexpermet;. das prägt auch de Utersched zwsche dem Erwartugswert ud dem Mttelwert. Der Erwartugswert ka z.b. auch cht edlch se (cht "exstere"), währed der Mttelwert eer (emprsche) Häufgketsvertelug mmer edlch st.. Mehrdmesoale Zufallsvarable Def. 4.3: Zwedmesoale Wahrschelchketsvertelug. De Fukto f(x,y) st de gemesame Wahrschelchketsvertelug (be dskrete Zufallsvarable X,Y) bzw. gemesame Dchtefukto (be stetge Zufallsvarable X,Y). Im dskrete Fall st f (x,y j ) ee Wahrschelchket: f (x,y j ) = P(X = x ud Y = y j ), =,,..., m, j =,,..., k, ud de gemesame Wahrschelchketsfukto lautet: f( x, y j) für X = x, Y = y (4.) f (x,y) = 0 sost. Heraus abgeletet werde: a) ee zwedmesoale Vertelugsfukto F(x,y), b) zwe edmesoale Radverteluge f (x), f (y), c) edmesoale bedgte Verteluge(m dskrete Fall m bedgte Verteluge f by ud k bedgte Verteluge f bx. j 3. De Vertelugsfukto st defert als (4.3a) F(x,y) = P(X x, Y y) = (4.3b) F(x,y) = y x v y f(u,v) du dv f(u,v) u x m dskrete Fall bzw. m stetge Fall. 4. Radverteluge f, f (4.4a) f ( x ) = f ( x, y ) = P ( X = x ) bzw. f (x) = f( x, y)dy, y

29 9 (4.4b) f ( y ) = f ( x, y ) = P ( Y = y ) bzw. f (y) = f( x, y)dx. x 5. Bedgte Verteluge f bx,f by (4.5) f bx (x y) = f ( x, y ) f ( y ) (bedgte Vertelug der Varable X), (4.5b) f by (y x) = f ( x, y ) f ( x ) (bedgte Vertelug der Varable Y), m dskrete Fall sd des de bedgte Wahrschelchkete P(X=x Y=y) ud P(Y=y X=x). Egeschafte der gemesame Wahrschelchketsvertelug m dskrete Fall. 0 f(x,y) m stetge Fall. 0 f(x,y). f( x, y) =. f(x,y) dx dy = y x Def. 4.4: Momete ud Produktmomete. De Momete der Radverteluge sd E(X), E(Y), V(X), V(Y) usw.. Es glt z.b. be dskretem X ( ) ( ) ud ( ) σ ( ) ( ) [ ] ( ) ( ) [ ] E X = xf x V X = = x f x E X = E X E X x oder be stetgem X X X E(X) = x f (x) dx ud V(X) = ud de Momete vo Y etspreched. x f (x) dx - [E(X)]. Bedgte Erwartugswerte (4.6a) E( Y X = x) = yfb ( y x) = yf x y y f x (, ) y m dskrete Fall bzw. (4.6b) + + E( Y X = x) = yfb ( y x) dy = yf x y f x (, )dy m stetge Fall E X Y = y etspreched. ud ( ) 3. Produktmomete (Kovaraz) De (theoretsche) Kovaraz C(X,Y) als zetrales Produktmomet st defert als (4.7) C( X, Y) E[ ( X )( Y )] E( XY) = σ = µ µ = µ µ XY X Y X Y d.h. m dskrete Fall: σ XY = x y f(x,y) - µ x µ y y x b d bzw. m stetge Fall: σ XY = x y f(x,y) dx dy - µ x µ y, a c

30 30 we für de Deftosberech glt: a y b ud c x d. 4. Der (theoretsche) Korrelatoskoeffzet ρ xy st de auf de Werteberech [-,+] ormerte (theoretsche) Kovaraz σ xy :: ρxy = σ xy σ σ Er st das Produktmomet der stadardserte Zufallsvarable X X Y * µ µ x * y X = ud Y =, also E( X Y ) = ρ XY σ σ x y x y, Y mt: 5. Stochastsche Uabhäggket: X ud Y sd uabhägg, we für f(x,y) glt:, = f( x, y) ud damt: fbx ( x y) = = f ( x), f f ( y) by (y x) = f (y) (4.8) f( x y) f ( x) f ( y) Stochastsch uabhägge Zufallsvarable X,Y sd stets auch ukorrelert (aber de Umkehrug deses Satzes st cht zulässg). 6. Verallgemeerug für mehr als zwe Dmesoe Es se x' = [X X... X m ] e m-dmesoaler Zufallsvektor mt de Realsatoe [x x... x m ]. De Parameter der gemesame Wahrschelchketsfukto (sofer se exstere, d.h. edlch sd) werde der symmetrsche ud postv defte Mometematrx M (oder ) σ σ K σ (4.9) M = M M σ σ K σ m m m m zusammegefasst (Varaz-Kovaraz-Matrx der m Zufallsvarable). De Determate M deser Matrx heßt "verallgemeerte Varaz".De Bedgug M = 0 st otwedg ud hreched dafür, dass mt Wahrschelchket Es uter de Zufallsvarable mdestes ee leare Bezehug besteht (exakt erfüllt st; also etwa X = a + b X j ). Ist M 0, so glt M σ σ... σ m, so dass de Determate hre größte Wert da hat, we alle Kovaraze σ j (ud damt auch Korrelatoe ρ j verschwde.). Es glt also 0 M σ σ... σ m. Etspreched st de Korrelatosmatrx: ρ R =.. ρ ρ ρ m m ρ m ρ m ebefalls symmetrsch ud postv deft ud es glt 0 R. De Varaze (Hauptdagoale vo M) ud der Erwartugswertvektor µ' = [µ µ... µ m ]sd Parameter der Radverteluge.

31 3 3. Momete vo Fuktoe vo Zufallsvarable a) Leare Fuktoe vo Zufallsvarable Def. 4.5: Learkombatoe ud -trasformatoe De Zufallsvarable (4.0) Y = a + bx, a,b: Kostate st ee Leartrasformato der Zufallsvarable X ud (4.) Z = b X + b X b X (b,b,...,b kostate "Gewchte") Bemerkuge zu Def. 4.5: st ee (gewogee) Learkombato der Zufallsvarable X,X,..., X. e Leartrasformato st e Spezalfall der Learkombato, we Y = ax 0 + bx de Zufallsvarable X 0 degeerert st zu eer Epukt-Vertelug mt X 0 = x 0 = ud p 0 =.. Spezalfälle vo Gl. 4. sd de ugewogee Learkombato Z = X + X X, mt b = b =... = b = oder X = Z das arthmetsche Mttel, mt b = b =... = b =. 3. Für ee wetere Betrachtug st etscheded, ob de Zufallsvarable X, X,...,X paarwese stochastsch uabhägg sd oder cht (Übers. 4.3, ächste Sete). b) Produkte vo Zufallsvarable Be uabhägge Zufallsvarable (be abhägge sehr komplzerte Formel) glt: (4.) E(X X...X ) = E(X ) E(X )... E(X ). 4. Erzeugede Fuktoe Ist X ee ZV, da st ee Fukto vo X etwa t X tx oder e, (t IR ) ee ZV mt eer Wahrschelchketsvertelug ud eem Erwartugswert, der da ee Fukto vo t st. I desem Abschtt werde solche Fuktoe betrachtet. Def. 4.6: Erzeugede Fukto, Faltug. Ee erzeugede Fukto der Zufallsvarable X st ee Fukto der reelle Zahl t, dere Abletuge bestmmte ützlche Egeschafte habe. Es gbt verschedee Arte vo erzeugede Fuktoe (vgl. Übers. 4.3). I Überscht 4.3 werde ege erzeugede Fuktoe defert. Dar st f () (j) de -te Abletug der erzeugede Fukto f ach t a der Stelle t = j.. Uter der Faltug (covoluto) vo zwe uabhägge Zufallsvarable X ud Y mt de Wahrschelchketsverteluge f (x) ud f (y) versteht ma ee Zufallsvarable Z, für dere Wahrschelchketsvertelug f glt:

32 3 Überscht 4.3: Formel für Learkombatoe a) Momete vo Lear-kombatoe Z = b X + b X b X. Erwartugswert E( Z) = b E( X ) + b E( X ) + + b E( X ).Varaz a) uabhägge Zufallsvarable b) kee Uabhäggket... Z z = b + b b σ = b σ b σ σ σ σ σ + b ( bσ + bb3σ b bσ, ) Spezalfall: Arthmetsches Mttel (ugewoge): X = X + X X. Erwartugswert E( X) = µ = E( X ) X =. Varaz V( X) V( X ) V( X )... V( X ) We E( X ) = µ ud ( ) E( X) = µ X = µ ud V( X) = X = σ σ σ3... σ, V X = σ = σ für alle =,...,, ud de ZV'e ukorrelert sd, σ = σ = X b) Produktmomet ees Produkts vo Learkombatoe Bespel: Z = a X + a X ud Z = b X + b X + b 3 X 3 (, ) = ( ) + (, ) + 3 (, 3) + (, ) + a b V( X ) + a b C( X, X ) C Z Z a b V X a b C X X a b C X X a b C X X 3 3 c) Lear-trasformato Y=a+bX ( ) ( ) ud V( ) ( ) E Y = a + b E X = a + bµ Y = σ = b V X = b σ X Y X (4.3a) f( z) = P( X = x) P( Y = z x) = P( Y = y) P( X = z y) m dskrete Fall bzw. x (4.3b) ( ) = ( ) ( ) = ( ) ( ) y f z f x f z x f y f z y dy m stetge Fall. Ma schrebt auch Z=X * Y, we Z ee Faltug darstellt. Zu dem Kozept der erzeugede Fukto führe wr dre für Kap. 5 bs 7 sehr bedeutsame Sätze ohe Bewes a, aus dee Zusammehäge zwsche Verteluge ud Grezübergäge deutlch werde. Ncht für ur Bewese soder auch für de Berechug vo Momete köe erzeugede Fuktoe vo großem Nutze se.

33 33 Überscht 4.4: Erzeugede Fuktoe Name Defto Bedeutug der Abletuge *) wahrschelchketserzeugede Fukto W x (t) faktorelle mometerzeugede Fukto φ x (t) mometerzeugede Fukto M x (t) charakterstsche Fukto ψ x (t) W x (t) = E(t x ),we t, t IR, x IN (X st ee chtegatve gazzahlge Zufallsvarable) φ x (t) = W x (+t)= E[(+t) x ] t p = ( + ) x= 0 (X st ee chtegatve gazzahlge Zufallsvarable) M x (t) = E(e tx ) m dskrete Fall tx M x( t) = e p m stetge Fall tx M x( t) = e f( x) dx (X st ee belebge reellwertge Zufallsvarable, x IR ) tx Ψ x ( t) = E( e ) =,x IR x x ( k ) ( 0) Wx. k! k. W = p k ( ) * x ( ) = E ( X, k) = E[ X( X )... ( X k + ) ] (k-tes faktorelles Momet) ( ) * ( 0 ) = E ( X, k) = ( )...( + ) φ x k [ ] E X X X k das k-te faktorelle Momet **) M ( k ) k x ( 0 ) = E( X ) das k-te Afagsmomet ( ) ( 0 ) = E( X ) ψ x k k k ψ st de Fourertrasformerte der Dchtefukto f(x) *) de ullte Abletug vo W x a der Stelle 0 beträgt W x (0) = p 0, aber z.b. be der mometerzeugede Fukto M x (0) = (ebeso be φ x (t) ud ψ x (t)). * φ x 0 = E X X = E X,. **) Bespel: ( ) ( ) Bemerkuge zu Def.4.6: [ ] ( ). Ist X ee dskrete Zufallsvarable, de ur gaze, postve Zahle aehme ka, also de Wahrschelchketsvertelug mt x 0... f(x) p 0 p p... p gegebe, so st de wahrschelchketserzeugede Fukto WX ( t) we folgt defert: (4.4) W x (t) = E(t x ) = p 0 + p t + p t p t = De Abletuge ach t sd: x= 0 W ' x (t) = p + t p + 3 t p3 + 4 t 3 x p t p = xt p x= p x t x. x

34 34 W " ( t ) = t 0 p + 3 t p t p = x ( ) t p x( x ) t p x so dass W X ' (0) =! p = p, W x " (0) =! p bzw. allgeme: ( k (4.5) W ) x (0) = k! p k. Ferer glt W x ' () = p + p + 3p p = E(X), W x " () = E(X ) - E(X) = E[X(X-)] das zwete faktorelle Momet '' ( k (ach Def. 4. also E ( X, ) = W x ( ), oder allgeme E ( X, k) = W ) x ( )). x= x usw.,. Gegebe se ee Zufallsvarable mt de ver Auspräguge 0,, ud 3, dere Wahrschelchkete p 0, p, p ud p 3 sd. Da st de faktorelle mometerzeugede Fukto φ x (t) = p0 + (+t)p + (+t) p + (+t) 3 p 3 = + t p + t p + 3t p 3 + t p + 3t p3 + t 3 p3 ud de erste bede Abletuge ach t sd a der Stelle t = 0 ' φ x (0) = p + p + 3p 3 = E(X) = E*(X,), ud φ " x (0) = p + 6p 3 = E[X(X-)] = E*(X,). Etspreched erhält ma für de k-te Abletug a der Stelle t = 0 das k-te faktorelle Momet E * (X,k)=E[X(X-)...(X-k+)] mt der k-te Abletug vo φ x ( t) (vgl. Übers. 4.3). 3. Ist X zwepuktvertelt (vgl. Kap. 5) mt der mometerzeugede Fukto M x (t) = E(e tx ) = e 0.t (-π) + e t π = πe t + (-π) ud X detsch vertelt, da st de mometerzeugede Fukto der Summe X = X + X der bede uabhägg detsch vertelte Zufallsvarable [πe t + (-π)], d.h. ach Satz 4. das Produkt der mometerzeugede Fuktoe. Das st aber de mometerz. Fukto der Bomalvertelug mt =. Satz 4.: De erzeugede Fukto eer Faltug Z st das Produkt der erzeugede Fuktoe vo X ud Y. So we mt Satz 4. der Nutze erzeugeder Fuktoe be der Betrachtug vo Summe uabhägg detsch vertelter Zufallsvarable (also für das Problem, ob ee Wahrschelchketsvertelug "reproduktv" st) offebar wrd, zegt sch mt de folgede Sätze der Vorzug mt solche Fuktoe Grezverteluge (Kap.7) zu utersuche: Satz 4.: (Levy-Cramer; vgl. Bem.6 zu Def. 7.) Ee edlche Folge vo Vertelugsfuktoe F (x), F (x),... kovergert geau da gege de asymptotsche Vertelug F(x) (Grezvertelug), we de Folge der charakterstsche Fuktoe auf jedem edlche Itervall t 0 t t gege de charakterstsche Fukto der Grezvertelug kovergert. Satz 4.3: Ee Folge vo Wahrschelchketsverteluge f (x),f (x),... kovergert geau da gege ee Wahrschelchketsvertelug f(x) (Grezvertelug), we de Folge der charakterstsche Fuktoe auf jedem edlche Itervall t o t t gege de charakterstsche Fukto der Grezvertelug kovergert.

35 5. Verteluge trasformerter Varable, Itervalltrasformatoe I desem Abschtt wrd gezegt, we ma de Wahrschelchketsvertelug f * (z) eer gemäß eer Fukto Z= g(x) trasformerte Varable X fdet ud we dese Vertelug zusammehägt mt der Vertelug vo X. Das Problem trtt auch auf, we es glt ee für das Itervall (de Deftosberech) a x b deferte Zufallsvarable X ee für das Itervall [a *, b * ] deferte Zufallsvarable Z zu trasformere. De Zusammehäge werde schleßlch auf de mehrdmesoale Fall verallgemeert. a) e- ud mehrdmesoale dskrete Zufallsvarable Gegebe se de dskrete Wahrschelchketsvertelug 35 x x x... x p p p... p etwa X =, X = usw., ud gesucht st de Wahrschelchketsvertelug der trasformerte Varable Z, etwa Z = 3X + 4. De Lösug st efach, wel da ur jedem kokrete Wert x e z gemäß deser Trasformato zuzuorde st ud de Wahrschelchkete hervo cht berührt werde. Ma erhält da: f( z) p für z = 7 p für z = 6 usw. = M 0 sost Be eer mehrdmesoale dskrete Vertelug st aalog zu verfahre. Schwerger st das Problem m Falle eer stetge Zufallsvarable. b) edmesoale stetge Zufallsvarable dx =, da dz Satz 4.4: Se f(x) de Dchtefukto der stetge Zufallsvarable X ud Z = g(x) ee eedeutge Trasformato mt der Umkehrug X = h(z) ud der Abletug h ( z) lautet de Dchtefukto vo Z: (4.5) = ( ) [ ] ( ) f * ( z) f h z h' z I f(x) wrd jetzt x gem. x = h(z) egesetzt ud dese Fukto mt der absolut geommee dx dh( z) Abletug = = h' ( z) multplzert. Ist x m Itervall [a, b] defert, so muss für z dz dz gelte a* z b*. We es glt, das Itervall [a, b] das Itervall [a*, b*] zu trasformere, so lautet de Fukto g(x) (4.6) Z a * b b * a * * b a = + X mt der Umkehrfukto X = h( Z) b a b a * * a b b a b a (4.7) X = + Z, so dass * * * * ( ) b a b a = b a h z * * b a st.

36 36 c) mehrdmesoale stetge Zufallsvarable De Verallgemeerug vo Satz 4.4 für zwedmesoale Verteluge lautet: De Varable (X, Y) habe de gemesame Dchte f(x, y) ud es see u = g (x, y) ud v = g (x, y) stetge mootoe Trasformatoe mt de Umkehruge x = h (u, v), y = h (u, v), da glt: (4.8) f*(u, v) = f [ h (u, v), h (u, v)] J, wobe J de Jacobsche Determate (Fuktoaldetermate) J = x u y x v y ud J dere u v Betrag st. Ma erket, dass de Betrachtug uter b e Spezalfall st ud we der Zusammehag lecht zu verallgemeer st be mehr als zwe Dmesoe. Kaptel 5: Spezelle dskrete Wahrschelchketsverteluge. Überscht ud Eführug 36. Zwepukt-Z(π), Bomal- B(,π) ud hypergeometr. Vertelug H(,M,N) Geometrsche Vertelug GV(π) ud egatve Bomalvertelug NB(π,r) Possovertelug P(λ) Wetere Verteluge edmesoaler dskreter Zufallsvarable Polytome Versuche (mehrdmesoale dskrete Verteluge) 50. Überscht ud Eführug Def. 5.: Beroull-Expermet, Uremodell. E Zufallsexpermet, be dem ur zwe sch gegesetg ausschleßede Eregsse etrete köe, heßt Beroull-Expermet. Der Versuchsausgag st somt dchotom. Ma sprcht (ohe Wertug) vo "Erfolg" ud "Msserfolg". Be wederholte Expermete ka ma uabhägge ud abhägge Versuche uterschede.. E Uremodell besteht der Spezfzerug der Zusammesetzug eer Ure ud der Art der Zehug aus der Ure. De Ure ka aus zwe oder m > Arte vo Kugel bestehe ud es ka mehrmals mt oder ohe Zurückzehe gezoge werde. Bemerkuge zu Def. 5.:. Bem Beroull-Expermet besteht de Ure aus - M schwarze Kugel ("Erfolg") ud - N-M weße Kugel ("Msserfolg"),

37 37 sgesamt also aus N Kugel. Bem emalge Zehe aus der Ure st de "Erfolgswahrschelchket" gegebe durch π = M / N ud de "Msserfolgswahrschelchket" mt π = ( N M) / N. Üblch st auch de Notato p = π für de Erfolgs- ud q = - π für de Msserfolgswahrschelchket. Be -malgem Zehe aus der Ure st zu uterschede zwsche Zehe mt Zurücklege (ZmZ, uabhägge Versuche): durch das Zurücklege wrd de Ure praktsch uedlch, so dass N cht zu beachte st, Zehe ohe Zurücklege (ZoZ, abhägge Versuche). Ee adere Veraschaulchug wederholter Zufallsversuche mt polytome ud spezell dchotome (Beroull-Expermet) Ausgag st e Baumdagramm (Wahrschelchketsbaum). 3. De Zufallsvarable (ZV) ka m Folgede uterschedlch defert se: der Azahl X der Erfolge be Versuche (X st de ZV, st kee ZV) der Atel p = X der Erfolge be Versuche (Relatverte Verteluge, p st ee Leartrasformato vo X) de Azahl X der cht erfolgreche Versuche bs zum r-te Mal (oder spezell r = te Mal) e Erfolg auftrtt oder de Azahl X * der Versuche. Gerade hschtlch der letzte Betrachtug gbt es Uterschede be der Darstellug eer Vertelug de Lehrbücher, weshalb (we ötg) "alteratve Formulerug" der Zufallsvarable aufgeführt werde. 4. Ee Varate des Uremodells besteht m Zehe aus k Ure mt eem Atel π schwarzer Kugel. Das führt zur verallgemeerte Bomalvertelug (vo Posso). E Modell, das e Hzufüge vo Kugel ach Zehug vorseht, führt zur Polya-Vertelug, eer Verallgemeerug vo Bomal- ud Hypergeometrscher Vertelug. Egeschafte der Verteluge (De folgede Bemerkuge gelte auch für stetge Verteluge), Im Zusammehag mt Wahrschelchketsverteluge teressere. d. R. de folgede Egeschafte eer Vertelug:. Parameter (de de Gestalt der Vertelug bestmme) ud de herbe zulässge Wertebereche. Iterpretato der Zufallsvarable X ud dere zulässger Werteberech 3. Momete der Vertelug sowe Meda, Modus etc. 4. Erzeugede Fuktoe, de u. a. auch Aufschluß gebe über de Zffer 5 ud 6 5. Reproduktvtät (vgl. Def. 5.) 6. Zusammehäge mt adere Verteluge - ee Vertelug V ka z.b. e Spezalfall eer adere allgemeere Vertelug V se (etwa be eer bestmmte Parameterkostellato vo V ) - Approxmatosmöglchkete (vgl. Def. 5.3). Def. 5.: Reproduktvtät Sd de Zufallsvarable X, X,..., X vertelt ach eer bestmmte Vertelug V ud st de Summe uabhägger Zufallsvarable X + X X ebefalls ach V vertelt, so st de Vertelug V reproduktv.

38 38 Überscht 5.0: Uremodell vo ege ) Verteluge Zufallsexpermet mt Wederholuge m = Ausgäge (dchtotom) ) m > Ausgäge (polytom) =, ZmZ, ZoZ Zwepuktvertelug Multomalvert. polyhpergeometr. Vert. mt Zurücklege (ZmZ) X = Azahl der Erfolge 3) ohe Zurücklege (ZoZ) X = Azahl der Erfolge Bomalvertelug Hypergeometrsche Vertelug Grezverteluge (asymptot. Vertel.) Possovert. Normalvertelug (stetg) ) we chts aderesvermerkt st: dskrete Verteluge ) Beroull-Expermet 3) Adere Fragestelluge: GV, NB GV (geometr. Vert.): We groß st be uabhägge Beroull-Expermete de Wahrschelchket, dass ach X = 0,,,... Mßerfolge erstmals e Erfolg auftrtt? De Zufallsvarable X st de Azahl der Mßerfolge eer Folge vo Mßerfolge bs zum erste ud. d. R. ezge Erfolg. De Azahl der Versuche st da X +. NB (egatve Bomalvert.): f(x) st de Wahrschelchket dafür, dass der r-te Erfolg gerade m (x + r) te Versuch etrtt. Offebar st GV der Spezalfall r =. Def. 5.3: Approxmato Ee Folge vo Verteluge des gleche Typs V, V,..., V, de sch durch de für de Parameter ageommee Zahlewerte uterschede, ka gege ee Grezvertelug G kovergere, so dass es möglch st, Wahrschelchkete ach V guter Näherug durch mest lechter zu bestmmede Wahrschelchkete ach G zu approxmere.. Zwepukt-, Bomal- ud hypergeometrsche Vertelug a) Zwepuktvertelug [ Z(π)=B(, π) ] Be emalger Durchführug ees Beroull-Expermets ka x = 0 (Mßerfolg) mt Wahrschelchket - π oder x = (Erfolg) mt Wahrschelchket π auftrete. Ma sprcht

39 39 vo eer Zwepuktvertelug, wel de Zufallsvarable zwe Werte, x ud x aehme ka, desem spezelle Fall x = 0 ud x =. Es glt E(X) = πud V(X) = π(-π) Abb 5.: Bemerkeswert st dass (we Abb. 5. zegt) de Varaz σ = V( X) m Betrag beschräkt st. Se beträgt V( X ) = π( π) ( 0 π ) 4 ud mmt hre maxmale Wert a der Stelle π = a. Für de Momete der Z(π)-Vertelug erhält ma gaz allgeme: ( ) ( ) E X = µ = π + π = π 0,5 0, 0,5 0, 0,05 V(X) 0 0 0, 0, 0,3 0,4 0,5 0,6 0,7 0,8 0,9 0 ud E( X ) 0 ( ) ( X k ) = π + π = π,allgeme E = π. Dass alle Afagsmomete de Wert π aehme ergbt sch auch aus de Abletuge der mometerzeugede Fukto M x (t). De Vertelug st lksstel (γ > 0), we x < / ud rechtsstel (γ < 0), we π > (also de Wahrschelchket des Erfolges größer st als de des Msserfolges). Wahrschelchkets- fukto f ( x) Überscht 5.: Zwepuktvertelug Z(π) = B(,π) Z = π für x = 0 π für x = 0 sost Vertelugsfukto 0 für x < 0 FZ ( x) = π für 0 x < für x Parameter π (Erfolgswahrschelchket) Zufallsvarable X Azahl der Erfolge be = Versuche. Realsatoe x =0 ud x = Uremodell Beroull-Expermet Summe detsch X + X X B(,π) vertelter Zufallsvarable µ = = =... = = π, Varaz Momete Erwartugswert E( X) E( X ) E( X ) adere Verteluge Z( π) = B(, π) erzeugede Fuktoe Bedeutug ( ) σ = V( X) = π π, Schefe γ = ( π) π( π) W x ( t) = π + t t t ( π), M ( t) = πe + ( π), ( t) = πe + ( π) x Modell für de Grudgesamthet be homograder Fragestellug Ψ x π

40 40 b) Bomalvertelug [ B(, π) ] Ee -malge uabhägge Wederholug be kostatem π des Beroull-Expermets ( mal ZmZ aus eer Ure) führt zur Bomalvertelug. De Azahl X der Erfolge ka Werte zwsche 0 ud aehme. Sd de uabhägge Zufallsvarable X,..., X detsch zwepuktvertelt mt π, so st dere Summe X = X X bomalvertelt mt de Parameter ud π. Daraus folgt uter aderem auch E(X) = Σ E(X ) = Σπ = π. De B- Vertelug st de Stchprobevertelug für de Azahl der Erfolge be (ZmZ-) Stchprobe vom Umfag aus eer Z(π)-vertelte Grudgesamthet. Der Begrff Bomalvertelug (oder: bomsche Vertelug) mmt Bezug darauf, dass de Etwcklug (Expaso) des Boms (q + p) zu folgeder Glechug (bomscher Satz) führt: x x ( q + p) = q q q 0 x 0 0 p + - pq p p, wor das allgemee Gled x p x x q de Wahrschelchketsfukto der B-Vertelug mt p = π ud q = - π darstellt. Daraus folgt auch (da p + q = ), dass de Summe der bomale Wahrschelchkete fb( x) = st. Es gbt x Möglchkete eer Versuchssere ( Versuche) x Erfolge ud damt - x Msserfolge zu erhalte. Jede deser x Möglchkete hat de Wahrschelchket π ( π) x. Das erklärt de Formel für f(x). We be der Z-Vertelug st de Schefe γ > 0 (lksstel), we π <, also π aus fb( x) = ( ) x π folgt, dass π Asymmetre mplzert. π Aus fb( x, π) = fb( x, π) < - π. Auch folgt, dass x ud - x sowe π ud -π vertauscht werde köe. So geügt es, de Wahrschelchkete der B-Vertelug be gegebee für 0 π zu tabellere (vgl. Tabelle m Ahag, Sete T-). Aus der Rekursosformel (vgl. Übers. 5.8) v = f B ( x + ) ( x) f B = x x + π π folgt, dass de Wahrschelchkete der B-Vertelug so lage astege (also v > ), we x kleer st als µ ( π) = ( + ) π st ud dass se falle (v < ), we x > ( + ) π -. De B- Vertelug hat, falls ( + ) π gazzahlg st, zwe Modalwerte, ämlch ( + ) π - ud ( + ) π, aderefalls st der Modus [( + ) π] (Gaußklammer [ ]). Für de faktorelle Momete glt: * E X, k =... k + π k, also E * X, = E X = π ud * ( ) ( ) ( ) ( ) ( ) (,) = ( ) = π. [ ] ( ) E X E X X Folglch erhält ma für de Varaz: σ = ( ) = π( π) V X.

( ) ( ) ( ) ( ) è ø. P A Wahrscheinlichkeitsmaß. lim n. Dr. Christian Schwarz 4. KOMBINATORIK Permutationen

( ) ( ) ( ) ( ) è ø. P A Wahrscheinlichkeitsmaß. lim n. Dr. Christian Schwarz 4. KOMBINATORIK Permutationen BBA Projektsemar Thess Dr. Chrsta Schwarz Formelsammlug Aalytsche Statstk 4. KOMBINATORIK 4.. Permutatoe Azahl der Permutatoe vo N Elemete ohe Wederholug: Multomalkoeffzet: N! = N N- N -... 3 N! N! N!...

Mehr

Statistische Grundlagen Ein kurzer Überblick (diskret)

Statistische Grundlagen Ein kurzer Überblick (diskret) Prof. J.C. Jackwerth 1 Statstsche Grudlage E kurzer Überblck (dskret De wchtgste Begrffe ud Deftoe: 1 Erwartugswert Varaz / Stadardabwechug 3 Stchprobevaraz 4 Kovaraz 5 Korrelatoskoeffzet 6 Uabhäggket

Mehr

1 Mathe Formeln Statistik und Wahrscheinlichkeitsrechnung

1 Mathe Formeln Statistik und Wahrscheinlichkeitsrechnung 1 Mathe Formel Statstk ud Wahrschelchketsrechug Jör Horstma, 6.10.003. Alle Agabe ohe Gewähr. http://www.ba-stuttgart.de/ w017/ 1.1 Grudlage Ezelklasse [a ; b [ Klassewete Klassemtte Mttelwert b a = w

Mehr

Ordnungsstatistiken und Quantile

Ordnungsstatistiken und Quantile KAPITEL Ordugsstatste ud Quatle Um robuste Lage- ud Streuugsparameter eführe zu öe, beötge wr Ordugsstatste ud Quatle... Ordugsstatste ud Quatle Defto... Se (x,..., x R ee Stchprobe. Wr öe de Elemete der

Mehr

WIB 2 Mathematik und Statistik Formelsammlung. Z Menge der ganzen Zahlen {...,-3,-2,-1,0,1,2,3,...}

WIB 2 Mathematik und Statistik Formelsammlung. Z Menge der ganzen Zahlen {...,-3,-2,-1,0,1,2,3,...} 1 Allgeme Geometrsche Rehe: q t = 1 q1 t=0 1 q Mtterachtsformel: ax 2 bxc=0 x 1/ 2 = b±b2 4ac 2a Bomsche Formel: 1. ab 2 =a 2 2abb 2 2. a b 2 =a 2 2abb 2 3. ab a b=a 2 b 2 Wurzel: ugerade 1 Ergebs gerade

Mehr

Ergebnis- und Ereignisräume

Ergebnis- und Ereignisräume I Ergebs- ud Eregsräume Zufallsexpermete Defto: E Expermet, welches belebg oft uter gleche Bedguge wederholbar st ud desse Ergebs cht mt Bestmmthet vorhergesagt werde ka (d.h. es gbt md. 2 Mgk.), heßt

Mehr

Dr. H. Grunert Einführung in die Wahrscheinlichkeitsrechnung Vorlesungscharts. Vorlesung 5.2. Eigenschaften von Zufallsvariablen

Dr. H. Grunert Einführung in die Wahrscheinlichkeitsrechnung Vorlesungscharts. Vorlesung 5.2. Eigenschaften von Zufallsvariablen Vorlesugscharts Vorlesug 5. Egeschafte vo Zufallsvarable Reproduktvtät Approxmatoe Zetraler Grezwertsatz Sete vo Chart : Uabhäggket vo Zufallsvarable Zwe Zufallsvarable X ud Y mt hre Realsatoe { x, x,...,

Mehr

Erzeugen und Testen von Zufallszahlen

Erzeugen und Testen von Zufallszahlen Erzeuge ud Teste vo Zufallszahle Jürge Zumdck Eletug Ee Lergruppe wrd aufgefordert 00 Zufallszahle (0 oder ) ach folgede Methode zu erzeuge: De Hälfte der Gruppe beutzt a) ee Müze oder b) de Zufallszahlefukto

Mehr

Asymptotische Normalverteilung nach dem zentralen Grenzwertsatz

Asymptotische Normalverteilung nach dem zentralen Grenzwertsatz Asymptotsche ormalvertelug ach dem zetrale Grezwertsatz Erwartugswert eer Summe vo Zufallsvarable mt jewels de Erwartugswert x (Y Y Asymptotsche ormalvertelug ach dem zetrale Grezwertsatz Varaz eer Summe

Mehr

5 Reproduktions- und Grenzwertsätze

5 Reproduktions- und Grenzwertsätze Reproduktos- ud Grezwertsätze Reproduktos- ud Grezwertsätze. Reproduktossätze Bespel 0: Der Aufzug eer Frma st zugelasse für Persoe bzw. 000 kg. Das Durchschttsgewcht der Agestellte der Frma st µ = 80

Mehr

2.2 Rangkorrelation nach Spearman

2.2 Rangkorrelation nach Spearman . Ragkorrelato ach Spearma Wr wolle desem Kaptel de Ragkorrelatoskoeffzete ach Spearma bereche. De erste Daterehe besteht aus Realseruge x, x,..., x der uabhägg ud detsch stetg vertelte Zufallsvarable

Mehr

2. Die Elementarereignisse sind die Kombinationsmöglichkeiten von: Wappen = W und:

2. Die Elementarereignisse sind die Kombinationsmöglichkeiten von: Wappen = W und: 1 L - Hausaufgabe Nr. 55 Sotag, 1. Ju 2003 Ee Müze werde dremal geworfe. Was st das Zufallsexpermet, das Elemetareregs, das zusammegesetzte Eregs, der Eregsraum ud de Wahrschelchket? Lösugs kte.: 1 De

Mehr

Verteilungen und Schätzungen

Verteilungen und Schätzungen Verteluge ud Schätzuge Zufallseperet Grudbegrffe Vorgag ach eer bestte Vorschrft ausgeführt ( Przp) belebg oft wederholbar se Ergebs st zufallsabhägg be ehralge Durchführug des Eperets beeflusse de Ergebsse

Mehr

Übungen zur Wahrscheinlichkeitsrechnung und Schliessenden Statistik

Übungen zur Wahrscheinlichkeitsrechnung und Schliessenden Statistik Übuge zur Wahrschelchketsrechug ud Schlessede Statstk Aufgabe ud Lösuge vo Peter M Schulze, Verea Dexhemer. Auflage Übuge zur Wahrschelchketsrechug ud Schlessede Statstk Schulze / Dexhemer schell ud portofre

Mehr

Intervallschätzungen geben unter Berücksichtigung des Verteilungstyps von X einen Bereich an, der den Parameter mit vorgegebener Sicherheit enthält.

Intervallschätzungen geben unter Berücksichtigung des Verteilungstyps von X einen Bereich an, der den Parameter mit vorgegebener Sicherheit enthält. Parameterschätzuge Fachhochschule Jea Uversty of Appled Sceces Jea Oft st der Vertelugstyp eer Zufallsgröße X bekat, ur de Parameter sd ubekat. Da erfolgt hre Schätzug aus eer Stchprobe. Ma uterschedet

Mehr

Quellencodierung I: Redundanzreduktion, redundanzsparende Codes

Quellencodierung I: Redundanzreduktion, redundanzsparende Codes Quellecoderug I: Redudazredukto, redudazsparede Codes. Redudaz. Eführug. Defto der Redudaz. allgemee Redudazredukto. redudazsparede Codes. Coderug ach Shao. Coderug ach Fao. Coderug ach Huffma.4 Coderug

Mehr

( x) eine Funktion definiert, in der nur die i-te Komponente variabel ist. Folgende Schreibweisen werden aufgrund dieser Anmerkungen auch verwendet:

( x) eine Funktion definiert, in der nur die i-te Komponente variabel ist. Folgende Schreibweisen werden aufgrund dieser Anmerkungen auch verwendet: Pro. Dr. Fredel Bolle LS ür Volkswrtschatslehre sb. Wrtschatstheore (Mkroökoome) Vorlesug Mathematk - WS 008/009 4. Deretalrechug reeller Fuktoe IR IR (Karma, S. 00 06, dort glech ür IR IR m ) 4. Partelle

Mehr

annehmen, so heißt die Funktion, die jedem atomaren Ereignis { x i } mit i { 1; 2; ;

annehmen, so heißt die Funktion, die jedem atomaren Ereignis { x i } mit i { 1; 2; ; Wahrschelchet Ee Futo X : Ω R, de edem Ergebs ees zufällge Vorgages ee reelle Zahl zuordet, heßt Zufallsgröße (oder auch Zufallsvarable Ee Zufallsgröße X heßt edlch, we X ur edlch vele Werte x aehme a

Mehr

Lösungen. Häufigkeitsverteilung (Stabdiagramm) Aufgabe 1. Häufigkeit (h) Merkmal (x)

Lösungen. Häufigkeitsverteilung (Stabdiagramm) Aufgabe 1. Häufigkeit (h) Merkmal (x) Lösuge Aufgabe Merkmal (x) Häufgket (h) h x,, 3, 3,, 8, 5, 5, 6, 6, 7, 3, 8, 3 5, 9, 38,, 5,, 8 68,, 6 3, 3, 9,, 8, 5, 5 5, 6, 3 78, 7, 5, 8, 8, 3, 3, Summe 5.63, Aufgabe Häufgketsvertelug (Stabdagramm)

Mehr

Stochastik Formeln von Gerald Meier

Stochastik Formeln von Gerald Meier Stochast Formel vo Gerald Meer Grudbegrffe ud Operatoe umöglches Eregs scheres Eregs Ω A mplzert B Glechhet A B AB cht A A A ud B A B A oder B A B A ohe B A \ B A B dsjut A B de Morga A B A B Elemetareregs

Mehr

FH D WS 2007/08 Prof. Dr. Horst Peters Dezember 2007

FH D WS 2007/08 Prof. Dr. Horst Peters Dezember 2007 FH D WS 007/08 Prof. Dr. Horst Peters Dezember 007 Formelsammlug Wahrschelchetsrechug ud dutve Statst m Bachelor-Studegag Busess Admstrato (Modul BWL B) Sete / 6 Formelsammlug Wahrschelchetsrechug ud Idutve

Mehr

Vl. Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 3: Diskrete Verteilungen

Vl. Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 3: Diskrete Verteilungen Vl. Statstsche Prozess- ud Qualtätsotrolle ud Versuchsplaug Übug 3: Dsrete Verteluge Prof. Dr. B. Grabows Zur Lösug der folgede Aufgabe öe Se auch de begefügte Tabelle der dsrete Verteluge m Ahag verwede.

Mehr

Statistik. ist die Kunst, Daten zu gewinnen, darzustellen, zu analysieren und zu interpretieren um zu neuem Wissen zu gelangen.

Statistik. ist die Kunst, Daten zu gewinnen, darzustellen, zu analysieren und zu interpretieren um zu neuem Wissen zu gelangen. Statstk st de Kust, Date zu gewe, darzustelle, zu aalysere ud zu terpretere um zu euem Wsse zu gelage. Sachs (984) Aufgabe De Statstk hat also folgede Aufgabe: Zusammefassug vo Date Darstellug vo Date

Mehr

Spezielle diskrete Verteilungen

Spezielle diskrete Verteilungen Spezelle dskrete Vertelugsfamle Dskrete Glechvertelug Beroull- oder Zwe-Pukt-Vertelug Bomalvertelug Hypergeometrsche Vertelug Possovertelug Geometrsche Vertelug Appromatoe Bblografe Bleymüller / Gehlert

Mehr

Varianzfortpflanzung

Varianzfortpflanzung 5.0 / SES.5 Parameterschätzug Varazortplazug Torste Maer-Gürr Torste Maer-Gürr Dskrete Zuallsvarable Ee dskrete Zuallsvarable mmt edlch vele oder abzählbar uedlch vele Werte a. - Werte: - Wahrschelchket:,,,,,,,,

Mehr

Einführung Fehlerrechnung

Einführung Fehlerrechnung IV Eführug Fehlerrechug Fehlerrechuge werde durchgeführt, um de Vertraueswürdgket vo Meßergebsse beurtele zu köe. Uter dem Fehler eer Messug versteht ma de Abwechug ees Meßergebsses vom (grudsätzlch ubekate

Mehr

Einen Spieler interessiert nicht, wie er gewinnt, sondern ob und wie viel er gewinnt.

Einen Spieler interessiert nicht, wie er gewinnt, sondern ob und wie viel er gewinnt. III Zufallsgröße Bespel ud Defto Bespel: Dremal Müzwurf Spel: Esatz, we cht zwe gleche htereader 3 Auszahlug. Ω = {(x x x3) x,x,x3 {Z,K}} Retert sch deses Spel? Dabe geht es ur um de Gew! Also: Defto Gew:

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statstk ud Wahrschelchketsrechug Mathas Graf 8.04.009 Ihalt der heutge Vorlesug Auswahl eer Vertelugsfukto: Wahrschelchketspaper Schätzug ud Modelletwcklug: Methode der Momete Methode der Maxmum Lkelhood

Mehr

Maße zur Kennzeichnung der Form einer Verteilung (1)

Maße zur Kennzeichnung der Form einer Verteilung (1) Maße zur Kezechug der Form eer Vertelug (1) - Schefe (skewess): Defto I - Ee Vertelug vo Messwerte wrd als schef bezechet, we se der Wese asymmetrsch st, dass lks oder rechts des Durchschtts ee Häufug

Mehr

Diskrete Zufallsvariablen. Wahrscheinlichkeitsräume Zufallsvariablen Erwartungswert Varianz. Quiz

Diskrete Zufallsvariablen. Wahrscheinlichkeitsräume Zufallsvariablen Erwartungswert Varianz. Quiz Dskrete Zufallsvarable Wahrschelchketsräume Zufallsvarable rwartugswert Varaz Quz Im Fall eer Glechvertelug sd glech große Telmege vo Ω glech wahrschelch. Z.B. glt für Ω{0,,}: {0}{}{} 3 {0,}{0,}{,} 3 Aalog

Mehr

Seminar: Stochastische Geometrie und ihre Anwendungen - Unbegrenzt teilbare und stabile Verteilungen.

Seminar: Stochastische Geometrie und ihre Anwendungen - Unbegrenzt teilbare und stabile Verteilungen. Uverstät Ulm, Isttut Stochastk 5. Jul 200 Semar: Stochastsche Geometre ud hre Aweduge - Ubegrezt telbare ud stable Verteluge. Ausarbetug: Stefa Fuke Betreuer: Ju.-Prof. Dr. Zakhar Kabluchko Ubegrezt telbare

Mehr

Formelsammlung Statistik

Formelsammlung Statistik Gesudhets- ud Toursmusmaagemet Formelsammlug Statstk Dpl. Mathematker (FH) Rolad Geger Rosestr. 23 7263 Achtal cs.geger@t-ole.de www.cs-geger.de Grudlage Bezechuge x h N H Ω ezele Messergebsse eer Stchprobe

Mehr

Kapitel XI. Funktionen mit mehreren Variablen

Kapitel XI. Funktionen mit mehreren Variablen Kaptel XI Fuktoe mt mehrere Varable D (Fuktoe vo uabhägge Varable Se R ud D( f R Ist jedem Vektor (Pukt (,,, D( f durch ee Vorschrft f ee reelle Zahl z = f (,,, zugeordet, so heßt f ee Fukto vo uabhägge

Mehr

Formeln für Statistik und Wahrscheinlichkeitstheorie (Dutter)

Formeln für Statistik und Wahrscheinlichkeitstheorie (Dutter) Formel für tatstk ud Wahrschelchketstheore (Dutter) Fehler a: fpalmater@gmal.com Cotets Beschrebede tatstk... Kegröße vo Verteluge... Verteluge... 3 Wahrschelchketstheore... 3 Grudlage... 4 Erwartug &

Mehr

Textil & Design Formelsammlung Statistik

Textil & Design Formelsammlung Statistik Textl & Desg Formelsammlug Statstk Dpl. Mathematker (FH) Rolad Geger Rosestr. 23 7263 Achtal cs.geger@t-ole.de www.cs-geger.de Grudlage Bezechuge x h N H Ω ezele Messergebsse eer Stchprobe absolute Häufgket

Mehr

DIE VAPNIK-CHERVONENKIS THEORIE. Inhaltsverzeichnis

DIE VAPNIK-CHERVONENKIS THEORIE. Inhaltsverzeichnis DIE VAPNIK-CHERVONENKIS THEORIE MATHIS KLEPPER, MICHAEL SAß Ihaltsverzechs Tel Vapk-Chervoeks Theore Tel I 2 Eführug 2 2 Glveko-Catell 5 3 Vapk-Chervoeks-Theore 0 Tel 2 Vapk-Chervoeks Theore Tel II 2 4

Mehr

Die Methode des 2.Moments

Die Methode des 2.Moments De Methode des 2.Momets Chrstoph Schmdt July 13, 2004 1 Eletug De Varaz eer Zufallsvarable st hre mttlere quadratsche Abwechug vo hrem Erwartugswert. V ar[x] = E[(X EX) 2 ] = E[X 2 ] E[X] 2 Der Term E[X

Mehr

Der Korrelationskoeffizient ist ein Maß für den linearen Zusammenhang zwischen zwei Variablen X und Y. Er ist durch folgende Formel charakterisiert:

Der Korrelationskoeffizient ist ein Maß für den linearen Zusammenhang zwischen zwei Variablen X und Y. Er ist durch folgende Formel charakterisiert: Korrelatoskoeffzet Der Korrelatoskoeffzet st e Maß für de leare Zusammehag zwsche zwe Varable X ud Y. Er st durch folgede Formel charaktersert: r xy corr XY ( x x)( y y) ( ) x x ( y y) x x y x ( ) ( )

Mehr

Deskriptive Statistik behaftet.

Deskriptive Statistik behaftet. De Statstk beschäftgt sch mt Masseerscheuge, be dee de dahterstehede Ezeleregsse mest zufällg sd. Statstk beutzt de Methode der Wahrschelchketsrechug. Fudametalregel: Statstsche Aussage bezehe sch e auf

Mehr

Wahrscheinlichkeitsrechnung und Statistik - Zusamenfassung

Wahrscheinlichkeitsrechnung und Statistik - Zusamenfassung Wahrschelchketsrechug ud Statstk - Zusamefassug atrck letscher. September 3 Wahrschelchkete. Eregsraum Der Eregsraum Ω umfasst alle möglche Ausgäge ees Zufallsexpermmets. E Elemetareregs Ω st e Elemet

Mehr

Lohnkosten pro Arbeitsstunde. Wie hoch sind die Lohnkosten pro Arbeitsstunde im Jahresdurchschnitt?

Lohnkosten pro Arbeitsstunde. Wie hoch sind die Lohnkosten pro Arbeitsstunde im Jahresdurchschnitt? Klausur Wrtschaftsstatstk. [ Pukte] E Uterehme hat folgede Date ermttelt: Moat Gelestete Arbetsstude Lohkoste pro Arbetsstude Jauar 86.400 0,06 Februar 75.000 3,0 März 756.000 4,47 Aprl 768.000,53 Ma 638.400

Mehr

Definitionen und Aussagen zu Potenzreihen

Definitionen und Aussagen zu Potenzreihen Deftoe ud Aussage zu Potezrehe User bsherges Repertore a stetge Abblduge basert auf ratoale Fuktoe, also Ausdrücke, dee Addto, Subtrakto, Multplkato ud Dvso vorkomme. Auf dese Wese sd aber Epoetalfukto,

Mehr

Der Approximationssatz von Weierstraß

Der Approximationssatz von Weierstraß Der Approxmatossatz vo Weerstraß Ja Köster 22. Oktober 2007 1 Eführug Aus der Aalyss wsse wr, dass sch aalytsche Fuktoe durch Potezrehe der Form f(x = a 0 + a 1 x + a 2 x 2 +... darstelle lasse. Dabe kovergert

Mehr

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung Lösuge zum Übugs-Blatt 7 Wahrschelchketsrechug BMT Bostatstk Prof. Dr. B. Grabowsk ----------------------------------------------------------------------------------------------- Bedgte Wahrschelchket

Mehr

Quellencodierung I: Redundanzreduktion, redundanzsparende Codes

Quellencodierung I: Redundanzreduktion, redundanzsparende Codes Quellecoderug I: Redudazredukto, redudazsparede Codes Quellecoderug Durch de Quellecoderug werde de Date aus der Quelle codert, bevor se ee Übertragugskaal übertrage werde De Coderug det der Verkleerug

Mehr

Spannweite, Median Quartilsabstand, Varianz und Standardabweichung.

Spannweite, Median Quartilsabstand, Varianz und Standardabweichung. Rudolf Brkma http://brkma-du.de Sete 06.0.008 Spawete, Meda Quartlsabstad, Varaz ud Stadardabwechug. Streuug um de Mttelwert. I de folgede Säuledagramme st de Notevertelug zweer Schülergruppe (Mädche,

Mehr

Fachhochschule Jena University of Applied Sciences Jena Grundbegriffe. Fachhochschule Jena University of Applied Sciences Jena Ereignisse

Fachhochschule Jena University of Applied Sciences Jena Grundbegriffe. Fachhochschule Jena University of Applied Sciences Jena Ereignisse Grudbegrffe Grudbegrffe Zufallsexpermet uter gleche Bedguge wederholbarer Vorgag (geplat, gesteuert, beobachtet oder auch ur gedalch) Mege der möglche Versuchsausgäge st beat oreter Ausgag st ugewss Das

Mehr

Eigenwerteinschließungen I

Eigenwerteinschließungen I auptsemar: Numersche Lösuge für Egewertaufgabe Egewerteschleßuge I Referet: Wolfgag Wesselsky Glederug Eletug Kodto vo Egewerte 3 Eschleßugssätze Bauer-Fke, Gershgor, Wlkso, Bedxo 4 Zusatz: Courat / Weyl

Mehr

II. Wahrscheinlichkeitsrechnung

II. Wahrscheinlichkeitsrechnung II. Wahrschelchketsrechug Vorlesugsmtschrft - Kurzfassug Prof. Dr. rer. at. B. Grabowsk HTW des Saarlades 005 Ihalt II. Wahrschelchketsrechug INHALTSVERZEICHNIS GRUNDLAGEN / DEFINITION DER WAHRSCHEINLICHKEIT...3.

Mehr

Konzentrationsanalyse

Konzentrationsanalyse Kaptel V Kozetratosaalyse B. 5.. Im Allgemee wrd aus statstscher Scht zwsche - absoluter ud - relatver Kozetrato uterschede Der absolute ud relatve Aspekt wrd och emal utertelt - statscher ud - dyamscher

Mehr

Grundgesetze der BOOLEschen Algebra und Rechenregeln

Grundgesetze der BOOLEschen Algebra und Rechenregeln 5... Grudgesetze der BOOLEsche Algebra ud Recheregel Auf de mathematsch korrekte Eführug der BOOLEsche Algebra ka ch verzchte, da das Ihrer Mathematkausbldug ausführlch behadelt wrd. Ich stelle Ihe zuächst

Mehr

Deskriptive Statistik

Deskriptive Statistik Elemet Deskrptve Statstk KAD 0.09. Grudgesamthet (Populato): Gesamthet der Idvdue (Elemete), dere Egeschafte be der Stude utersucht werde solle. De gesamte Mege der teresserede Date. N = uedlch Stchprobe:

Mehr

Z Z, kurz. Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden.

Z Z, kurz. Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden. Kombator Problemstellug Ausgagsput be ombatorsche Fragestelluge st mmer ee edlche Mege M, aus dere Elemete ma edlche Zusammestelluge vo Elemete aus M bldet Formal gesproche bedeutet das: Ist M a,, a ee

Mehr

Statistik II. Unterlagen zur Vorlesung. Wahrscheinlichkeitsrechnung und Schließende Statistik. Formeln, Tabellen, Beispiele

Statistik II. Unterlagen zur Vorlesung. Wahrscheinlichkeitsrechnung und Schließende Statistik. Formeln, Tabellen, Beispiele Johaes Guteberg-Uverstät Fachberech Rechts- ud Wrtschaftswsseschafte Isttut für Statstk ud Ökoometre Uv.-Prof. Dr. Peter M. Schulze Uterlage zur Vorlesug Statstk II Wahrschelchketsrechug ud Schleßede Statstk

Mehr

Formelsammlung Statistik

Formelsammlung Statistik Deskrptve Statstk Formelsammlug Statstk. Edmesoale Häugketsverteluge Merkmal: X Datemege (Stchprobe) vom Umfag N: x, x 2,..., x geordete Stchprobe: x (), x (2),..., x () mt x () x (2)... x () Auspräguge

Mehr

Vorkurs, Teil 1. (3) Matrizen, lineare Gleichungssysteme, Determinanten (Lehrbuch Kap )

Vorkurs, Teil 1. (3) Matrizen, lineare Gleichungssysteme, Determinanten (Lehrbuch Kap ) Vorkurs, Tel Lehrbuch: Sydsaeter / Hammod, Mathematk für Wrtschaftswsseschaftler, Pearso Studum, ISBN 978-3-873-73-9 Skrpt vo Sevtap Kestel Ihalt () Eführug: Zahle, Fuktoe Potezfukto, Expoetalfukto (Lehrbuch

Mehr

Mehrdimensionale Häufigkeitsverteilungen (1)

Mehrdimensionale Häufigkeitsverteilungen (1) Mehrdmesoale Häufgketsverteluge () - De Begrffe uvarat ud bvarat - Vo uvarate (edmesoale) statstsche Aalyse sprcht ma, we pro Perso ur e Merkmal tabellarsche oder grafsche Häufgketsverteluge oder be der

Mehr

Klausur Statistik IV Sommersemester 2009

Klausur Statistik IV Sommersemester 2009 Klausur Statstk IV (Lösug) Name, Vorame 013456 Klausur Statstk IV Sommersemester 009 Prof. Dr. Torste Hothor Isttut für Statstk Name: Name, Vorame Matrkelummer: 013456 Wchtg: ˆ Überprüfe Se, ob Ihr Klausurexemplar

Mehr

Alternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF

Alternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF Alteratve Darstellug des -Stchprobetests für Atele DCF CF Total 111 11 3 Respose 43 6 69 Resp. Rate 0,387 0,3 0,309 Beobachtete Respose No Respose Total absolut DCF 43 68 111 CF 6 86 11 69 154 3 Be Gültgket

Mehr

Physikalische Messungen sind immer fehlerbehaftet! Der wahre Wert ist nicht ermittelbar. Der wahre Wert x ist nicht identisch mit dem Mittelwert

Physikalische Messungen sind immer fehlerbehaftet! Der wahre Wert ist nicht ermittelbar. Der wahre Wert x ist nicht identisch mit dem Mittelwert Physkalsche Messuge sd mmer fehlerbehaftet! Der wahre Wert st cht ermttelbar. Der wahre Wert st cht detsch mt dem Mttelwert Der Wert legt mt eer gewsse Wahrschelchket (Kofdezahl bzw. Vertrauesveau %) m

Mehr

Stochastik. Ba-Studiengang Scientific Programming Wintersemester 2016/2017 FH AACHEN UNIVERSITY OF APPLIED SCIENCES

Stochastik. Ba-Studiengang Scientific Programming Wintersemester 2016/2017 FH AACHEN UNIVERSITY OF APPLIED SCIENCES Stochastk Ba-Studegag Scetfc rogrammg Wtersemester 06/07 FH CHN UNIVRSITY OF LID SCINCS Vorlesugshalte Stochastk I. Wahrschelchketsrechug I. führug de Kombatork I. Grudbegrffe I.3 Wahrschelchket I.4 Wahrschelchketsvertelug

Mehr

Aufgaben. 1. Gegeben seien folgende Daten einer statistischen Erhebung, bereits nach Größe sortiert (Rangliste):

Aufgaben. 1. Gegeben seien folgende Daten einer statistischen Erhebung, bereits nach Größe sortiert (Rangliste): Aufgabe. Gegebe see folgede Date eer statstsche Erhebug, berets ach Größe sortert (Raglste): 0 3 4 4 5 6 7 7 8 8 8 9 9 0 0 0 0 0 3 3 3 3 4 4 5 5 5 5 5 6 6 6 7 7 8 30 Erstelle Se ee Tabelle, der de Merkmalsauspräguge

Mehr

Eigenschaften der arithmetischen Mittel. Schätzer für die Varianz. Allgeimeines Method: Likelihood Funktion. Schätzer für die Wahrscheinlichkeit

Eigenschaften der arithmetischen Mittel. Schätzer für die Varianz. Allgeimeines Method: Likelihood Funktion. Schätzer für die Wahrscheinlichkeit Statstk. Vorlesug, September 6, 009 Egeschafte er arthmetsche Mttel für alle Fälle wo e Stchprobeelemete habe e selbe Vertelug u s uabhägg: E ( = mvar, ( = / Staarabwechug (Staarfehler: D ( = / Korrektur

Mehr

Statistik. (Inferenzstatistik)

Statistik. (Inferenzstatistik) Statstk Mathematsche Hlfswsseschaft mt der Aufgabe, Methode für de Sammlug, Aufberetug, Aalyse ud Iterpretato vo umersche Date beretzustelle, um de Struktur vo Masseerscheuge zu erkee. Deskrptve (beschrebede)

Mehr

II.Wahrscheinlichkeitsrechnung

II.Wahrscheinlichkeitsrechnung 6 II.Wahrschelchetsrechug Der Wahrschelchetstheore ommt ee wchtge Rolle als Bdegled zwsche der desrptve ud der dutve Statst zu. Aufgabe der dutve Statst st es a, Verfahre beretzustelle, de Schlüsse vo

Mehr

Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik

Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Leuphaa Uverstät Lüeburg Statstk II Wahrschelchketsrechug ud duktve Statstk Fakultät Wrtschaft Professur 'Statstk ud Free Berufe' Uv.-Prof. Dr. Joachm Merz Skrptum zur Vorlesug Elfte verbesserte Auflage

Mehr

Reihen n. Man benutzt letztere Schreibweise aber häufig auch zur Bezeichnung der Partialsummenfolge. konvergiert, die geometrische Reihe.

Reihen n. Man benutzt letztere Schreibweise aber häufig auch zur Bezeichnung der Partialsummenfolge. konvergiert, die geometrische Reihe. Deftoe ud Aussge über Rehe Bchräume ud Hlberträume E vollstädger ormerter Vektorrum (sehe Bemerkuge zur Alyss) heßt Bchrum Stmmt de Norm vo eem Sklrprodukt v = , so sprcht m vo eem Hlbertrum ZB sd

Mehr

4. Marshallsche Nachfragefunktionen Frage: Wie hängt die Nachfrage nach Gütern

4. Marshallsche Nachfragefunktionen Frage: Wie hängt die Nachfrage nach Gütern Prof. Dr. Fredel Bolle Vorlesug "Mkroökoome" WS 008/009 III. Theore des Haushalts 0 Prof. Dr. Fredel Bolle Vorlesug "Mkroökoome" WS 008/009 III. Theore des Haushalts 0 4. Marshallsche Nachfragefuktoe Frage:

Mehr

Grundlagen der Entscheidungstheorie

Grundlagen der Entscheidungstheorie Kaptel 0 Grudlage der Etschedugstheore B. 0 (Gegestad) De Etschedugstheore befasst sch mt dem Etschedugsverhalte vo Idvdue ud Gruppe. Se besteht aus we Telgebete. Deskrptve Etschedugstheore De deskrptve

Mehr

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung Lösuge zum Übugs-Blatt 7 Wahrschelchketsrechug BMT Bostatstk Prof. Dr. B. Grabowsk ----------------------------------------------------------------------------------------------- Satz vo Bayes ud totale

Mehr

Zur Interpretation einer Beobachtungsreihe kann man neben der grafischen Darstellung weitere charakteristische Größen heranziehen.

Zur Interpretation einer Beobachtungsreihe kann man neben der grafischen Darstellung weitere charakteristische Größen heranziehen. Rudolf Brkma http://brkma-du.de Sete 0.0.008 Lagemaße der beschrebede Statstk. Zur Iterpretato eer Beobachtugsrehe ka ma ebe der grafsche Darstellug wetere charakterstsche Größe herazehe. Mttelwert ud

Mehr

Definitionen und Aussagen zu Ringen

Definitionen und Aussagen zu Ringen Deftoe ud Aussage zu Rge Mchael Hortma, 1142002 Währed wr es be Gruppe mt ur eer Operato zu tu habe, kee wr zb vo de gaze Zahle das Zusammespel zweer Operatoe, Addto ud Multplkato, wobe charakterstsch

Mehr

Schiefe-, Wölbungs- und Konzentrationsmaße

Schiefe-, Wölbungs- und Konzentrationsmaße Statstk für SozologIe Schefe-, Wölbugs- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Merkmal wurde 3 Gruppe beobachtet ud Form der folgede Häufgketstabelle berchtet: Klasse

Mehr

Teil IV Musterklausuren (Univ. Essen) mit Lösungen

Teil IV Musterklausuren (Univ. Essen) mit Lösungen Tel IV Musterklausure (Uv. Esse) mt Lösuge Hauptklausur WS 9/9 Aufgabe : a) Revolverheld R stzt m Saloo ud pokert. De Wahrschelchket, daß er dabe ee seer Mtspeler bem Falschspel erwscht (Eregs F), bezffert

Mehr

Lösungen zu Übungs-Blatt 7 Klassische Wahrscheinlichkeit in Glücksspielen, Bedingte Wkt, Unabhängigkeit, Satz von Bayes

Lösungen zu Übungs-Blatt 7 Klassische Wahrscheinlichkeit in Glücksspielen, Bedingte Wkt, Unabhängigkeit, Satz von Bayes Lösuge zu Übugs-latt 7 Klasssche Wahrschelchet Glücsspele, edgte Wt, Uabhägget, Satz vo ayes Master M Höhere ud gewadte Mathemat rof. Dr.. Grabows De folgede ufgabe löse wr uter Verwedug der bede ombatorsche

Mehr

Schiefe- und Konzentrationsmaße

Schiefe- und Konzentrationsmaße Statstk für SozologIe Schefe- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Merkmal wurde 3 Gruppe beobachtet ud Form der folgede Häufgketstabelle berchtet: Klasse m Gruppe

Mehr

Methoden der computergestützten Produktion und Logistik

Methoden der computergestützten Produktion und Logistik Methode der comutergestützte Produkto ud Logstk 9. Bedesysteme ud Warteschlage Prof. Dr.-Ig. habl. Wlhelm Dagelmaer Modul W 336 SS 06 Bedesysteme ud Warteschlage Besel: Fahrradfabrk Presse Puffer Lackerere

Mehr

Korrelations- und Regressionsanalyse

Korrelations- und Regressionsanalyse Kaptel VI Korrelatos- ud Regressosaalse B 6 (Gegestad der Korrelatos- ud Regressosaalse) Währed de Korrelatosaalse de Estez, de Stärke ud de Rchtug des Zusammehags zwsche zwe oder mehrere statstsche Varable

Mehr

II. Wahrscheinlichkeitsrechnung

II. Wahrscheinlichkeitsrechnung II. Wahrschelchketsrechug Vorlesugsmtschrft - Kurzfassug Prof. Dr. rer. at. B. Grabowsk HTW des Saarlades 00 II. Wahrschelchketsrechug INHALTSVERZEICHNIS GRUNDLAGEN / DEFINITION DER WAHRSCHEINLICHKEIT...3.

Mehr

die Schadenhöhe ( = Risikoergebnis) des i-ten Versicherungsnehmers i 1,, n).

die Schadenhöhe ( = Risikoergebnis) des i-ten Versicherungsnehmers i 1,, n). Aufgabe Wr betrachte ee Reteverscherug der Retebezugszet mt jährlch vorschüssger Retezahlug solage der Verscherte lebt. a) Bezeche V bzw. V de rechugsmäßge Deckugsrückstellug am Afag bzw. am Ede des Verscherugsjahres.

Mehr

Informationstheorie. Allgemeines. Java-Applets. Modul 1: Einführung und Wahrscheinlichkeitsrechnung

Informationstheorie. Allgemeines. Java-Applets. Modul 1: Einführung und Wahrscheinlichkeitsrechnung Modul : Eführug ud Wahrschelchketsrechug Iformatostheore Dozet: Prof. Dr. M. Gross E-mal: grossm@f.ethz.ch Assstete: Berd Bckel, Dael Cottg, Mchael Waschbüsch, Bors Köf, Adrea Fracke, Uel Peter, Barbara

Mehr

STOCHASTIK. Wahrscheinlichkeitstheorie und mathematische Statistik. Prof. Dr. Barbara Grabowski. Hochschule für Technik und Wirtschaft des Saarlandes

STOCHASTIK. Wahrscheinlichkeitstheorie und mathematische Statistik. Prof. Dr. Barbara Grabowski. Hochschule für Technik und Wirtschaft des Saarlandes STOCHASTIK Wahrschelchketstheore ud mathematsche Statstk Prof. Dr. Barbara Grabowsk Hochschule für Techk ud Wrtschaft des Saarlades Lehrehet zur Kursehet Mathematk für Iformatker m Ferstudegag Allgemee

Mehr

Sitzplatzreservierungsproblem

Sitzplatzreservierungsproblem tzplatzreserverugsproblem Be vele Zugsysteme Europa müsse Passagere mt hrem Zugtcet ee tzplatzreserverug aufe. Da das Tcetsystem Kude ee ezele Platz zuwese muss, we dese e Tcet aufe, ohe zu wsse, welche

Mehr

STOCHASTIK. Wahrscheinlichkeitstheorie und mathematische Statistik. Prof. Dr. Barbara Grabowski. Hochschule für Technik und Wirtschaft des Saarlandes

STOCHASTIK. Wahrscheinlichkeitstheorie und mathematische Statistik. Prof. Dr. Barbara Grabowski. Hochschule für Technik und Wirtschaft des Saarlandes STOCHASTIK Wahrschelchketstheore ud mathematsche Statstk Prof. Dr. Barbara Grabowsk Hochschule für Techk ud Wrtschaft des Saarlades Eletug - I - Eletug Dese Kursehet det der Vermttlug vo Grudketsse auf

Mehr

Ziehen: ohne Zurücklegen mit Zurücklegen. Speziell für n s :! n s

Ziehen: ohne Zurücklegen mit Zurücklegen. Speziell für n s :! n s Sete 4 Mttel der Fakultät ud de omalkoeffzete ergebe ch u de folgede Formel für de ezele zahle a möglche ugäge de bechrebee 4 Grudmodelle der Urezehug Kugel, Zehuge Zehe ohe Zurücklege mt Zurücklege mt

Mehr

Informationstheorie. Allgemeines. Java-Applets. Skript und Bücher. Vorlesungsplan. Modul 1: Einführung und Wahrscheinlichkeitsrechnung

Informationstheorie. Allgemeines. Java-Applets. Skript und Bücher. Vorlesungsplan. Modul 1: Einführung und Wahrscheinlichkeitsrechnung Modul : Eführug ud Wahrschelchketsrechug Iformatostheore Dozet: Prof. Dr. M. Gross E-mal: grossm@f.ethz.ch Assstete: Berd Bckel, Dael Cottg, Mchael Waschbüsch, Bors Köf, Adrea Fracke, Uel Peter, Barbara

Mehr

Einführung in die Stochastik 3. Übungsblatt

Einführung in die Stochastik 3. Übungsblatt Eführug de Stochastk 3. Übugsblatt Fachberech Mathematk SS 0 M. Kohler 06.05.0 A. Fromkorth D. Furer Gruppe ud Hausübug Aufgabe 9 (4 Pukte) Der Mkrozesus st ee statstsche Erhebug. Herbe werde ach bestmmte

Mehr

Informationstheorie. Was ist neu. Allgemeines. Modul 1: Einführung und Wahrscheinlichkeitsrechnung

Informationstheorie. Was ist neu. Allgemeines. Modul 1: Einführung und Wahrscheinlichkeitsrechnung Modul : Eführug ud Wahrschelchketsrechug Iformatostheore Dozet: Prof. Dr. M. Gross E-mal: grossm@f.ethz.ch Assstete: Dael Cottg, Rchard Keser, Mart Wcke, Cyrl Flag, Adrea Fracke, Joas Waefler Web Page:

Mehr

6. Zusammenhangsmaße (Kovarianz und Korrelation)

6. Zusammenhangsmaße (Kovarianz und Korrelation) Problemstellug: Bsher: Gesucht: 6. Zusammehagsmaße (Kovaraz ud Korrelato) Ee Varable pro Merkmalsträger, Stchprobe x1,, x Maße für Durchschtt, Streuug, usw. Bespel: Kurse zweer Akte ud a 9 aufeader folgede

Mehr

(Markowitz-Portfoliotheorie)

(Markowitz-Portfoliotheorie) Thema : ortfolo-selekto ud m-s-rzp (Markowtz-ortfolotheore) Beurtelugskrtere be quadratscher Nutzefukto: Beroull-rzp + quadratsche Nutzefukto Thema Höhekompoete: Erwartugswert µ Rskokompoete: Stadardabwechug

Mehr

Formelsammlung zur Zuverlässigkeitsberechnung

Formelsammlung zur Zuverlässigkeitsberechnung Formelsmmlug zur Zuverlässgetsberechug zusmmegestellt vo Tt Lge Fchhochschule Merseburg Fchberech Eletrotech Ihlt:. Zuverlässget vo Betrchtugsehete.... Zuverlässget elemetrer, chtreprerbrer ysteme... 3.

Mehr

Schiefe- und Konzentrationsmaße

Schiefe- und Konzentrationsmaße Statst für SozologIe Schefe- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Mermal wurde 3 Gruppe beobachtet ud Form der folgede Häufgetstabelle berchtet: Klasse m Gruppe

Mehr

Höhere Mathematik 4 Kapitel 17 Wahrscheinlichkeitsrechnung

Höhere Mathematik 4 Kapitel 17 Wahrscheinlichkeitsrechnung Höhere Mathemat 4 Katel 7 Wahrschelchetsrechug Prof. Dr.-Ig. Deter Kraus Höhere Mathemat 4 Katel 7 Ihaltsverzechs 7 Wahrschelchetsrechug...7-7. Deftoe, Besele...7-7. Bedgte Wahrschelchete, uabhägge regsse...7-7.

Mehr

Prinzip "Proportional Reduction of Error" (PRE)

Prinzip Proportional Reduction of Error (PRE) Dr. Reate Prust: Eführug quattatve Forschugsmethode Bvarate Maße: Przp "Proportoal Reducto of Error" (PRE) E 1 - E Fehler be Regel 1 - Fehler be Regel = E 1 Fehler be Regel 1 Regel 1: Vorhersageregel ur

Mehr