Hypothesenprüfungen II.

Größe: px
Ab Seite anzeigen:

Download "Hypothesenprüfungen II."

Transkript

1 Grudlage der Bioaiik ud Iformaik Hypoheeprüfuge II. Zwei Sichprobe -Te, F-Te, Bediguge der Awedug der -Tee Variazaalye Lázló Smeller Widerholug: Grudprizip der Hypoheeprüfuge Zu echeidede Frage Idireker Bewei Nullhypohee (H 0 ): ur zufällige Äderuge mahemaich behadelbar Ei geeigeer Parameer (zb. ) Bei Güligkei der H 0 folg eier gu beimme Vereilug Zu 9 < FG, We > FG, H 0 wird abgeleh zu Irrumwahrcheilichkei. < FG, H 0 ka ich abgeleh werde (bei Irrumw.). Vereilug Sichprobe Eie Sichprobe Zwei Sichprobe Mehrere Sichprobe Überich der Tee Normalvereile Dae Eiichprobe -Te Zweiichprobe -e Die Vereilug der Dae i ubeka Vorzeichee Wilcoo Te Ma-Whiey U-Te Krukal-Walli (Variazaalye) Te 3 Zweiichprobe -Te Vergleich vo zwei Sichprobe (zwei Populaioe) Warum? - zwei weelich uerchiedliche Populaioe (z.b.: Mäer ud Fraue) - Vermeidug de Placeboeffeke (Placebo: Pille ohe Wirkoff) - ehiche Hiich: kei Paie darf ubehadel bleibe: Vergleich vo ale ud eue Medikamee oder Behadluge. 4

2 Zweiichprobe -Te: Frage, Nullhypohee Zweiichprobe -Te : Beipiel Frage: I der zu vergleichede Parameer uerchiedlich i der zwei Populaioe? Mahemaich: Sid die Erwarugwere i der zwei Populaioe uerchiedlich? (Samme die zwei Sichprobe au eiem Populaio?) µ µ Nullhypohee: E gib kei Uerchied, die Erwarugwere id gleich: µ µ 5 I die Körperhöhe der Juge höher al die Körperhöhe der Mädche? Zwei Populaioe: Juge u. Mädche Nullhypohee: Juge u. Mädche id gleich hoch. Der Erwarugwer der Körperhöhe der Juge i gleich der Erwarugwer der Körperhöhe der Mädche µ Mädche µ Juge 6 Zweiichprobe -Te Auch we µ Mädche µ Juge die Durchchiwere köe uerchiedlich ei: Mädche Juge I dieer Uerchied zufällig (aiich), oder i e die Koequez de Uerchiede zwiche der zwei Populaioe (Mädche u. Juge)? Nehme wir a: - Die beide Vereiluge id Normalvereiluge, - ud die Variaze (Sreuuge) id gleich (Bediguge de Zweiichprobe -Tee) Nullhypohee i gülig f() σ f() Nullhypohee i ugülig σ σ 7 µ µ µ 8

3 Au der zwei Populaioe imm ma zwei Sichprobe, ma ka die zwei Durchchiwere vergleiche. Ageomme da die Nullhypohee gülig i: µ µ µ I zufällig oder groß geug um die Nullhypohee abzulehe? f() 9 Die Berechiud de Parameer Wir brauche eie Parameer ählich zu beim Eiichprobee + Ählichkei zum Eiichprobee: + + ( i ) i ( i ) i 0 Der Parameer 5 % Die Echeidug Bei Güligkei der Nullhypohee folg eie Vereilug mi Freiheigrad vo Tabelle FG \ p f() Freiheigrad + - +, 0 9 > FG, kriicher Bereich +, Echeidug: wie bei Eiichprobe -Te uedlich zb: 7, 9,35 FG: + -4 FG,,4479 > +, < +, Die H 0 ablehe (die zwei Populaioe id uerchiedlich Die H 0 i gülig (die zwei Populaioe id ich uerchiedlich

4 Eiichprobee Gepaare ugepaare Tee Zweiichprobee Vergleich der Effekiviä der gepaare-ugepaare Tee Name Aa Bejami Chriia Daiel T vor 39,7 38,8 37,9 39, T ach 39, 38,4 38,7 38,7 Name Bejami Chriia Daiel Gabriel Höhe [cm] Name Aa Eva Frederike Judih Höhe [cm] Ugepaare Te Zweiichprobe -Te Kei igifikaer Uerchied Gepaare Te: Eiichprobe -Te Gepaare Dae Herik 87 Ugepaare Dae Diee Dae köe ich i Paare georde werde 3 Sigifikaer Uerchied 4 F-e F-e Frage: Sid die Variaze i zwei Sichprobe Gleich? Nullhypohee: Die Variaze id gleich F Au der Tabelle Parameer: > F Bei der Güligkei der Nullhypohee F folg eie F-Vereilug mi - ud - Freiheigrade Bemerkug: Tabelle zum eieiige Te! Wir brauche eie zweieiige Te! 5 F F < F, ; > F, ; Nullhypohee i gülig zu Irrumwahrch. d.h. die Variaze id gleich Gu für Zweiichprobe -Te Nullhypohee i ugülig zu Irrumw. d.h. die Variaze id ich gleich 6

5 We die Sreuuge id ugleich Hypoheeprüfuge mi Ecel Die Dae köe raformier werde o da der Zweiichprobee durchgeführ werde ka. (Ecel ka diee Traformaio aureche). Ecel Fukio für -Tee: (Ei- u. Zweiichprobe -Tee) e(reihe; Reihe; Seie; Typ) 7 Typ: - gepaar (Eie Sichprobe) - Zwei Sichprobe, gleiche Variaz 3 - Zwei Sichprobe, ugleiche Variaz Fe(Reihe; Reihe) Diee Fukioe gebe p a Echeidug: p< H 0 wird mi p Sig.N abgeleh p> H 0 wird ich abgeleh ( S.N.) Bemerkug: die Fe() Fukio im Ecel gib p de zweieiige Te 8 Die Bedeuug de p-were der Ecel Fukio f() 9 f() Freiheigrad - -Wer au uerer Sichprobe Echeidug mi der Tabelle kriicher Bereich p +, 0 +, -Wer au uerer Sichprobe - 0 p/ Echeidug mi dem Compuer f() Freiheigrad Wer au uerer Sichprobe 9

6 Zuammefaug: Zweiichprobe -Te Vergleich vo zwei Populaioe durch zwei Sichprobe Bedigug: Normalvereilug mi derelbe Variaz Vergleich vo mehrere Sichprobe Prüfug der Variaze: F-Te Die Variaze id: gleich ugleich Traformaio Berechug de -Were oder de p-were ja I > -, oder p<? ei H 0 mi oder p Irrumwahrch. ablehe H 0 ka ich abgeleh werde (mi bzw. p Irrumwahrch.) Vergleich vo mehrere Sichprobe Boferroi - Problem Vergleich vo mehrere Sichprobe Paarweie Vergleichuge: - Hohe Wahrcheilichkei de Fehler vo. Ar - z.b.: 0 Sichprobe, 45 Vergleichuge alle mi Irrumwahrcheilichkei Geamirrumw.: -(-0,05) 45 90,0% Parameriche Mehode: (ANalyi Of VAriace)

7 Vorbediguge: Uabhägigkei der Sichprobe Normalvereilug Gleiche Sreuuge H 0 : Alle Sichprobe amme au der elbe Grudgeamhei H : Midee eie Sichprobe amm au eier adere Grudgeamhei We H 0 gülig i, olle die Sreuuge zwiche de Sichprobe ud ierhalb der Sichprobe dieelbe ei. Wirkoffkozeraio Sichprobe h Sichprobe H 0 : µ µ... µ h Zwei uabhägige Variazchäzuge: Variaz ierhalb der Sichprobe: S i Variaz zwiche de Sichprobe: S g We S i << S g Variaze id uerchiedlich H 0 ablehe We S i S g Variaze id die Schäzuge derelbe Variaz H 0 aehme S F S g i F Te; Eieiig, Freiheigrad: h-; N-h Variaz zwiche de Sichprobe: g h j j ( j ) h h: Azahl der Sichprobe j : Azahl der Elemee i der j-e Sichprobe : Durchchi vo alle Elemee j : Durchchi i der j-e Sichprobe g h

8 Variaz ierhalb der Sichprobe: i h h j j i j N h ( N h i N h h: Azahl der Sichprobe j : Azahl der Elemee i der j-e Sichprobe ij : i-e Eleme der j-e Sichprobe j : Durchchi i der j-e Sichprobe j N: Geame Azahl der Sichprobeelemee ij ) j S F S g i F Te Nich Sigifika, keie Uerchiede H 0 : OK FG: h-; N-h Sigifika, E gib Uerchiede H 0 Po-hoc Te (Paarweie Vergleichuge der Sichprobe, z.b. Mi-Ma) (Paarweie Vergleichuge, z.b: gege Korolle) Ede Ich habe e jez aiich bewei, daß alle diee Kriallkugel id gleich gu für Wahagug!

Schätzungen und Hypothesenprüfungen Schätzungen Hypothesenprüfungen Typische Entscheidungsfragen in der Medizin Die Alternativhypothese

Schätzungen und Hypothesenprüfungen Schätzungen Hypothesenprüfungen Typische Entscheidungsfragen in der Medizin Die Alternativhypothese Hypoheeprüfuge. Zweiichprobe -Te, F-Te, Variazaalye Schäzuge ud Hypoheeprüfuge Schäzuge Wie gro i eie Gröe? Pukchäzuge ei Wer i gegebe ud ich über die Sicherhei Parameer der Sichprobe Parameer der Populaio

Mehr

Grundlagen der Biostatistik und Informatik

Grundlagen der Biostatistik und Informatik Aalyiche Saiik Grudlage der Bioaiik ud Iformaik Saiiche Schäzuge, Kofidez, Sigifikaz Populaio N uedlich Sichprobe edlich dr. Lázló Smeller 1 Theoreiche Vereilug Erwarugwer Theoreiche Sreuug Häufigkeivereilug

Mehr

Vergleich der Schätzungen und Hypothesenprüfungen. μ=? Typische Aufgaben der Hypothesenprüfung. Typische Fragen - gebrauchte Merkmale

Vergleich der Schätzungen und Hypothesenprüfungen. μ=? Typische Aufgaben der Hypothesenprüfung. Typische Fragen - gebrauchte Merkmale Hypoheseprüfuge Dr László Smeller Vergleich der Schäzuge ud Hypoheseprüfuge Schäzuge: Frage: Wie groß (is eie physikalische Größe) Bluzuckerkozeraio... Awor: Pukschäzug: z.b.: Körperhöhe, Bludruck, μ?

Mehr

Analytische Statistik. Statistische Schätzungen ( Fortsetzung) Population N = unendlich. Stichprobe n = endlich

Analytische Statistik. Statistische Schätzungen ( Fortsetzung) Population N = unendlich. Stichprobe n = endlich Aalyche Sak Zur Ererug Sache Schäzuge ( Forezug) Populao N = uedlch Theoreche Verelug Erwarugwer Theoreche Sreuug Schprobe = edlch Häufgkeverelug Durchch Sadardabwechug Aufgabe der Schäzheore Zur Ererug

Mehr

2.3 Schätzeigenschaften der OLS-Methode

2.3 Schätzeigenschaften der OLS-Methode .3 Schäzeigechafe der OLS-Mehode Jede Schäzmehode wei beimme Güeeigechafe auf, die vo der Erfüllug beimmer Vorauezuge abhäge. Wa die gewöhliche Mehode der kleie Quadrae (OLS-Mehode) beriff, id beimme Schäzeigechafe

Mehr

Grundlagen der Biostatistik und Informatik

Grundlagen der Biostatistik und Informatik Vergleich vo mehrere Stichprobe Grudlage der Biostatisti ud Iformati Hypotheseprüfuge III., Nichtparametrische Methode dr László Smeller Semmelweis Uiversität 0 Vergleich vo mehrere Stichprobe Boferroi

Mehr

Schätzungen und Hypothesenprüfungen. Hypothesenprüfungen. t Tests. Gibt es eine Wirkung einer Behandlung? Typische Entscheidungsfragen in der Medizin

Schätzungen und Hypothesenprüfungen. Hypothesenprüfungen. t Tests. Gibt es eine Wirkung einer Behandlung? Typische Entscheidungsfragen in der Medizin Hypoheenprüfungen. Te Schäzungen Wie gro i eine Gröe? Punkchäzungen Schäzungen und Hypoheenprüfungen ein Wer i gegeben und nich über die Sicherhei Parameer der Sichprobe Parameer der Populaion μ σ ( n

Mehr

Normalverteilung (Gauss Verteilung) Gauss Kurve. ( x. (Deskriptive Statistik, Vortsetzung)

Normalverteilung (Gauss Verteilung) Gauss Kurve. ( x. (Deskriptive Statistik, Vortsetzung) (Dekrpve Sak, Vorezug) Achaulche Darellug der Fläche uer der heoreche Verelugkurve De heoreche Verelug ka Abhäggke vo der ueruche Varable uerchedlche Forme aehme, der Mehrzahl der Fälle e aber ee ymmerche

Mehr

Statistische Schätzungen

Statistische Schätzungen Statitiche Schätzuge Statitiche Schätzuge, Ei Wiechaftler mu geau mee, icht chätze! Da it aber eie wiechaftliche Schätzug! Lázló Smeller? (8,5±1,5) cm Aalytiche Statitik (iduktive o. chließede Statitik)

Mehr

Übungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie

Übungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie Uiversität Müster Istitut für Mathematische Statistik Stochastik WS 203/204, Blatt Löwe/Heusel Aufgabe (4 Pukte) Übuge Abgabetermi: Freitag, 24.0.204, 0 Uhr THEMEN: Testtheorie Die Sollstärke der Rohrwäde

Mehr

3 Vergleich zweier unverbundener Stichproben

3 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

Mehr

Klausur Einführung in die statistische Messdatenauswertung für Biotechnologen Kurzfragen

Klausur Einführung in die statistische Messdatenauswertung für Biotechnologen Kurzfragen Klauur Eführug de ache Medaeauwerug für Boechologe 3.7.9 Kurzfrage. We wrd przpell de relave Summehäugke S() au der relave Häugkedche h() bemm?. Welche Skaleveau müe zwe Merkmale habe um ee Regreogerade

Mehr

Arithmetische Reihen Geometrische Reihen. Theorie und Musterbeispiele. Es wird auch das Arbeiten mit dem Summenzeichen geübt! Datei Nr.

Arithmetische Reihen Geometrische Reihen. Theorie und Musterbeispiele. Es wird auch das Arbeiten mit dem Summenzeichen geübt! Datei Nr. Zahlefolge Teil 3: Reihe Arithmetiche Reihe Geometriche Reihe Theorie ud Muterbeipiele E wird auch da Arbeite mit dem Summezeiche geübt! Datei Nr. 40050 Stad 7. September 06 Friedrich W. Buckel INTERNETBIBLIOTHEK

Mehr

6 Vergleich mehrerer unverbundener Stichproben

6 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

Mehr

Testen statistischer Hypothesen

Testen statistischer Hypothesen Kapitel 9 Teste statistischer Hypothese 9.1 Eiführug, Sigifiaztests Sigifiaztest für µ bei der ormalverteilug bei beatem σ = : X i seie uabhägig ud µ, ) verteilt, µ sei ubeat. Stelle eie Hypothese über

Mehr

Was benötigen wir dafür?

Was benötigen wir dafür? Wahrcheilicheirechug Die Laufzei vo radomiiere zufallgeeuere lgorihme häg vo gewie zufällige reigie ab eiiel Quicor. Um die Laufzeie dieer lgorihme ueruche zu öe, udiere wir im Folgede zufällige reigie

Mehr

ue biostatistik: hypothesen, t test 1/8 h. lettner / physik

ue biostatistik: hypothesen, t test 1/8 h. lettner / physik ue biotatitik: hypothee t tet /8 h. letter / phyik Hypothee Augagituatio ud Problemtellug * Populatio σ * Lagjähriger Durchchitt Erte * Wahrcheilichkeit für Ereigie Müze Roulette * Radioaktivität Hitergrudtrahlug

Mehr

(a) Richtig, die Varianz ist eine Summe quadratischer Größen.

(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

Mehr

Kapitel 17 : Lineare Regression Darstellung von zweidimensionalen Daten : (x 1, y 1 ), (x 2, y 2 ),..., (x n, y n )

Kapitel 17 : Lineare Regression Darstellung von zweidimensionalen Daten : (x 1, y 1 ), (x 2, y 2 ),..., (x n, y n ) (Kapitel 7: Lieare Regreio) Kapitel 7 : Lieare Regreio 7. Dartellug vo zweidimeioale Date : (, ), (, ),..., (, ). 7.. Beipiel : (a) Körpergewicht eie erwachee mäliche Pfälzer. Körpergröße (b) Azahl der

Mehr

(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen.

(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen. Schülerbuchseite 98 1 Lösuge vorläufig IV Beurteilede Statistik S. 98 p S. 1 p w a t Tabelle Tabelle dowloadbar im Iteretauftritt 1 Teste vo Hypothese 1 a) Erwartugswert μ = 5 ud Stadardabweichug σ = 1,6;

Mehr

17. Kapitel: Die Investitionsplanung

17. Kapitel: Die Investitionsplanung ABWL 17. Kapiel: Die Ivesiiosplaug 1 17. Kapiel: Die Ivesiiosplaug Leifrage des Kapiels: Welche Type vo Ivesiiosobjeke gib es? Wie läss sich die Voreilhafigkei eies Ivesiiosobjeks fesselle? Wie ka aus

Mehr

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

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren Dr. Jürge Seger INDUKTIVE STATISTIK Wahrcheilichkeittheorie, Schät- ud Tetverfahre ÜBUNG. - LÖSUNGEN. Differetet für de Mittelwert (abhägige Stichprobe) Zwei Verfahre um Nachwei eie hormoale Dopigmittel

Mehr

richtige Entscheidung mit Wahrscheinlichkeit 1 α Fehlentscheidung 1. Art mit Wahrscheinlichkeit α

richtige Entscheidung mit Wahrscheinlichkeit 1 α Fehlentscheidung 1. Art mit Wahrscheinlichkeit α II Lösug zu Aufgabe 7: -Tes für Erwarugswer Saisische Tess diee dazu Hypohese abzusicher oder begrüde zu verwerfe. Hypohese esehe aus eperimeelle Beobachuge oder formale Überleguge, die eier Prüfug uerzoge

Mehr

1.1 Berechnung des Endwerts einer Einmalanlage bei linearer ganzjähriger Verzinsung nach n Verzinsungsjahren

1.1 Berechnung des Endwerts einer Einmalanlage bei linearer ganzjähriger Verzinsung nach n Verzinsungsjahren Forelsalug zur Fiazatheatik 1. Eifache Zisrechug (lieare Verzisug) 1.1 Berechug des Edwerts eier Eialalage bei liearer gazjähriger Verzisug ach Verzisugsjahre p = 1 + = ( 1+ i ) 1 1.2 Berechug des Gegewartswerts

Mehr

Wahrscheinlichkeitstheorie und Statistik vom

Wahrscheinlichkeitstheorie und Statistik vom INSTITUT FÜR MATHEMATISCHE STOCHASTIK WS 005/06 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Klausur Wahrscheilichkeitstheorie ud Statistik vom 9..006 Musterlösuge Aufgabe A: Gegebe sei eie Urliste

Mehr

Korrelationsanalyse zwischen kategorischen Merkmalen. Kontingenztabellen. Chi-Quadrat-Test

Korrelationsanalyse zwischen kategorischen Merkmalen. Kontingenztabellen. Chi-Quadrat-Test Kotigeztabelle. Chi-Quadrat-Test Korrelatiosaalyse zwische kategorische Merkmale Beispiel 1 ohe Frau 8 75 1 Ma 48 49 97 76 14? Häufigkeitstabelle (Kotigeztabelle): eie tabellarische Darstellug der gemeisame

Mehr

Vl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5

Vl 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

Mehr

Übungen mit dem Applet erwartungstreu

Übungen 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

Mehr

4 Schwankungsintervalle Schwankungsintervalle 4.2

4 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

Mehr

Für eine n n-matrix A müssen wir die Gleichung. lösen. Falls (A λi) invertierbar ist, dann ist. Dann ist aber λ kein Eigenwert.

Für eine n n-matrix A müssen wir die Gleichung. lösen. Falls (A λi) invertierbar ist, dann ist. Dann ist aber λ kein Eigenwert. Geschlossees Leotief-Modell Ei Leotief-Modell für eie Volkswirtschaft heißt geschlosse, we der Kosum gleich der Produktio ist, d.h. we Kapitel 5 Eigewerte V x = x Es hadelt sich dabei um eie Spezialfall

Mehr

Lösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung

Lösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung Prof. Dr. V. Schmidt WS 200/20 G. Gaiselma, A. Spettl 7.02.20 Lösugsvorschlag Probeklausur zur Elemetare Wahrscheilichkeitsrechug Hiweis: Der Umfag ud Schwierigkeitsgrad dieser Probeklausur muss icht dem

Mehr

Kapitel 5: Gemeinsame Verteilung und Unabhängigkeit von Zufallsvariablen

Kapitel 5: Gemeinsame Verteilung und Unabhängigkeit von Zufallsvariablen - 39 (Kapitel 5: Gemeisame Verteilug ud Uabhägigkeit vo Zuallsvariable Kapitel 5: Gemeisame Verteilug ud Uabhägigkeit vo Zuallsvariable 5 Deiitio : : Ω Ω,, seie Abbilduge über derselbe Mege Ω Die Abbildug

Mehr

2. Übung Algorithmen II

2. Übung Algorithmen II Johaes Sigler, Prof. Saders 1 Johaes Sigler: KIT Uiversität des Lades Bade-Württemberg ud atioales Forschugszetrum i der Helmholtz-Gemeischaft Istitut für Theoretische www.kit.edu Iformatik Orgaisatorisches

Mehr

$Id: reihen.tex,v /06/14 13:59:06 hk Exp $

$Id: reihen.tex,v /06/14 13:59:06 hk Exp $ Mathematik für Iformatiker B, SS 202 Doerstag 4.6 $Id: reihe.tex,v.9 202/06/4 3:59:06 hk Exp $ 7 Reihe 7.4 Kovergezkriterie für Reihe 7.4. Alterierede Reihe Wir hatte gesehe das die harmoische Reihe divergiert,

Mehr

Normalverteilung. Standardnormalverteilung. Intervallwahrscheinlichkeiten. Verteilungsfunktion

Normalverteilung. Standardnormalverteilung. Intervallwahrscheinlichkeiten. Verteilungsfunktion Normalverteilug Stadardormalverteilug Normalverteilug N(μ, ) mit ichte : Gaußche Glockekurve μ μ μ+ μ >, f ( ) = ( μ) WS 6/7 Prof. r. J. Schütze, FB GW NV π Eigechafte der ichte: - Maimum i μ - mmetrich

Mehr

Kapitel 6 : Punkt und Intervallschätzer

Kapitel 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

Mehr

Grenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen

Grenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen . Der Grezwert vo mootoe, beschräkte Folge Der Grezwert vo mootoe, beschräkte Folge ist eifacher verstädlich als der allgemeie Fall. Deshalb utersuche wir zuerst diese Spezialfall ud verallgemeier aschliessed.

Mehr

Zentraler Grenzwertsatz für i.i.d. Zufallsvariablen mit endlicher Varianz

Zentraler Grenzwertsatz für i.i.d. Zufallsvariablen mit endlicher Varianz Zetraer Grezwertsatz für i.i.d. Zufasvariabe mit edicher Variaz Es sei X ) N eie Foge vo i.i.d. Zufasvariabe auf Ω, A, ) mit edicher, positiver Variaz: 0 < Var X )

Mehr

Klassifizierung der Verteilungen. Streuung der diskreten Verteilung

Klassifizierung der Verteilungen. Streuung der diskreten Verteilung Wichtigste Verteiluge der Biostatisti Disrete Zur Erierug Klassifizierug der Verteiluge Kotiuierliche Disrete Gleichverteilug Kotiuierliche Gleichverteilug Biomialverteilug Normalverteilug Poisso Verteilug

Mehr

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

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren Dr. Jürge Seger INDUKTIVE STATISTIK Wahrheilihkeittheorie, Shätz- ud Tetverfahre ÜBUNG 0 - LÖSUNGEN. Kofidezitervall für de Mittelwert eier ormalverteilte Grudgeamtheit bei gegebeer Variaz a. Gegebe id

Mehr

Musterlösung für die Klausur zur Vorlesung Stochastik I im WiSe 2014/2015

Musterlösung 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

Mehr

Wir wiederholen zunächst das Majorantenkriterium aus Satz des Vorlesungsskripts Analysis von W. Kimmerle und M. Stroppel.

Wir wiederholen zunächst das Majorantenkriterium aus Satz des Vorlesungsskripts Analysis von W. Kimmerle und M. Stroppel. Uiversität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dr. D. Zimmerma MSc. J. Köller MSc. R. Marczizik FDSA 4 Höhere Mathematik II 30.04.2014 el, kyb, mecha, phys 1 Kovergezkriterie

Mehr

Das kollektive Risikomodell. 12. Mai 2009

Das 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

Mehr

Kapitel 6 Differenzierbarkeit

Kapitel 6 Differenzierbarkeit Kapitel 6 Differezierbarkeit Ihalt 6.1 6.1Die Defiitio 6.2 6.2Die Eigeschafte 6.3 6.3Extremwerte Seite 2 Was heißt differezierbar? Differezierbare Fuktioe sid sid glatte Fuktioe. Wir Wir beschreibe diese

Mehr

Vl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3

Vl 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.

Mehr

Umrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung

Umrechnung 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

Mehr

1. Zahlenfolgen und Reihen

1. Zahlenfolgen und Reihen . Zahlefolge ud Reihe We ma eie edliche Mege vo Zahle hat, ka ma diese i eier bestimmte Reihefolge durchummeriere: {a,a 2,...,a }. Ma spricht vo eier edliche Zahlefolge. Fügt ma immer mehr Zahle hizu,

Mehr

Empirische Verteilungsfunktion

Empirische 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,...,

Mehr

KAPITEL 3. Zahlenreihen. 3.1 Geometrische Reihe Konvergenzkriterien Absolut konvergente Reihen... 80

KAPITEL 3. Zahlenreihen. 3.1 Geometrische Reihe Konvergenzkriterien Absolut konvergente Reihen... 80 KAPITEL 3 Zahlereihe 3. Geometrische Reihe......................... 7 3.2 Kovergezkriterie......................... 72 3.3 Absolut kovergete Reihe.................... 80 Lerziele 3 Eigeschafte der geometrische

Mehr

2 Konvergenz von Folgen

2 Konvergenz von Folgen Kovergez vo Folge. Eifache Eigeschafte Defiitio.. Eie Abbildug A : N C heißt Folge. Ma schreibt a statt A) für N ud a ) oder a ) statt A. We a R N, so heißt a ) reelle Folge. Defiitio.. Seie a ) eie Folge

Mehr

Kapitel VI. Einige spezielle diskrete Verteilungen

Kapitel VI. Einige spezielle diskrete Verteilungen Kapitel VI Eiige spezielle diskrete Verteiluge D 6 (Hypergeometrische Verteilug) Eie Zufallsvariable X heißt hypergeometrisch verteilt, we sie folgede Wahrscheilichkeitsfuktio besitzt: M N M P ( X ) p

Mehr

Korrekturliste zum Studienbuch Statistik

Korrekturliste zum Studienbuch Statistik Korrekturlite zum Studiebuch Statitik I der aktuelle Auflage wurde durch ei Kovertierugproblem i de Kapitel 0 (S. 3 3 ud de etprechede Abchitte i de Löuge (S. 39 07 teilweie die Zeiche µ durch ud π durch

Mehr

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

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

Mehr

Grenzwertberechnungen

Grenzwertberechnungen Katosschule Solothur Grezwertberechuge Grezwertberechuge Grezwertberechuge bei Folge ud Reihe Folge sid Fuktioe; die Begriffe beschräkt ud mooto trete daher auch bei Folge auf. Isbesodere habe sie eie

Mehr

Tests für beliebige Zufallsvariable

Tests für beliebige Zufallsvariable Kapitel 10 Tests für beliebige Zufallsvariable 10.1 Der Chi-Quadrat-Apassugstest Sei x eie gaz beliebige Zufallsvariable, dere Dichtefuktio icht oder icht geau bekat ist. Beispiel: Es seie z.b. mittels

Mehr

6. Übung - Differenzengleichungen

6. Übung - Differenzengleichungen 6. Übug - Differezegleichuge Beispiel 00 Gesucht sid alle Lösuge vo a) x + 3x + = 0 ud b) x + x + 7 = 0, jeweils für 0. Um diese lieare Differezegleichug erster Ordug zu löse, verwede wir die im Buch auf

Mehr

= a n: Wurzelexponent x: Radikand oder Wurzelbasis a: Wurzelwert Bei der ersten Wurzel wird einfach das Wurzelzeichen weggelassen.

= a n: Wurzelexponent x: Radikand oder Wurzelbasis a: Wurzelwert Bei der ersten Wurzel wird einfach das Wurzelzeichen weggelassen. Wurzelgesetze Gesetzmäßigkeite Grudlage Das Wurzelziehe (oder Radiziere) ist die Umkehrug des Potezieres. Daher sid die Wurzelgesetze de Potezgesetze sehr ählich. Die Wurzel aus eier positive Zahl ergibt

Mehr

Arbeitsblatt 6: Folgen und Reihen Das Buch

Arbeitsblatt 6: Folgen und Reihen Das Buch Erläuteruge ud Aufgabe Zeicheerklärug: [ ] - Drücke die etsprechede Taste des Graphikrechers! [ ] S - Drücke erst die Taste [SHIFT] ud da die etsprechede Taste! [ ] A - Drücke erst die Taste [ALPHA] ud

Mehr

Aufgaben zur Ökonometrie I

Aufgaben zur Ökonometrie I Aufgabe zur Ökoomerie I 3. Sigifikazess ud Kofideziervalle 3. Wie groß is der Sadardfehler der Regressio vo GASV auf VEINKR ( Eergiemodell Ib, s. Ergebisse i Aufgabe.8) (mi Ierpreaio)? Der Sadardfehler

Mehr

Dynamisches Programmieren Stand

Dynamisches Programmieren Stand Dyamisches Programmiere Stad Stad der Dige: Dyamische Programmierug vermeidet Mehrfachberechug vo Zwischeergebisse Bei Rekursio eisetzbar Häufig eifache bottom-up Implemetierug möglich Das Subset Sum Problem:

Mehr

Kovarianz und Korrelation

Kovarianz und Korrelation Kapitel 2 Kovariaz ud Korrelatio Josef Leydold c 2006 Mathematische Methode II Kovariaz ud Korrelatio 1 / 41 Lerziele Mathematische ud statistische Grudlage der Portfoliotheorie Kovariaz ud Korrelatio

Mehr

Kapitel 9: Schätzungen

Kapitel 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.

Mehr

38 Normen und Neumannsche Reihe

38 Normen und Neumannsche Reihe 168 V. Lieare Algebra 38 Norme ud Neumasche Reihe Wir erier zuächst a (vgl. 15.6) 38.1 Normierte Räume. Es sei E ei Vektorraum über K = R oder K = C. Eie Abbildug : E [0, ) heißt Norm auf E, falls gilt

Mehr

K O M B I N A T O R I K

K O M B I N A T O R I K Tel: 0650/673 34 34 0699/1981 01 14 K O M B I N A T O R I K Permutatio, Variatio, Kombiatio Weitere Übugsuterlage fidest du auf www.bosphorus-educatio.at/beispiele-mathematik V15.1.2017 1. PERMUTATION

Mehr

2. Diophantische Gleichungen

2. Diophantische Gleichungen 2. Diophatische Gleichuge [Teschl05, S. 91f] 2.1. Was ist eie diophatische Gleichug ud wozu braucht ma sie? Def D2-1: Eie diophatische Gleichug ist eie Polyomfuktio i x,y,z,, bei der als Lösuge ur gaze

Mehr

Statistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik

Statistik. 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

Mehr

Kontingenztabellen. Chi-Quadrat-Test. Korrelationsanalyse zwischen kategorischen Merkmalen. 1. Unabhängigkeitstest

Kontingenztabellen. Chi-Quadrat-Test. Korrelationsanalyse zwischen kategorischen Merkmalen. 1. Unabhängigkeitstest Kotigeztabelle. Chi-Quadrat-Test KAD 1.11. 1. Uabhägigkeitstest. Apassugstest. Homogeitätstest Beispiel 1 ohe Frau 8 75 1 Ma 48 49 97 76 14? Korrelatiosaalyse zwische kategorische Merkmale Häufigkeitstabelle

Mehr

Multivariate Analysemethoden und Multivariates Testen

Multivariate Analysemethoden und Multivariates Testen Multivariate Aalysemethode ud Multivariates Teste Stude im Mai Güter Meihardt Johaes Guteberg Uiversität Maiz Priziie des statistische Schliesses Samlig - Modellvorstellug Poulatio Samlig Stichrobe Kewerte

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik 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

Mehr

10. Testen von Hypothesen Seite 1 von 6

10. 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

4. Vektorräume mit Skalarprodukt

4. Vektorräume mit Skalarprodukt 4. Vektorräume mit Skalarprodukt Wiederholug: V=R x, y R: x= x x i x, y= y y, :R R R Skalarprodukt Stadardskalarprodukt lieare Abbildug mit 2 Argumete 4. Eigeschafte vo Skalarprodukte Def.: Es sei V ei

Mehr

und wird als n-dimensionaler (reeller) Vektorraum bezeichnet. heißt der von v 1,..., v k aufgespannte Unterraum des R n.

und wird als n-dimensionaler (reeller) Vektorraum bezeichnet. heißt der von v 1,..., v k aufgespannte Unterraum des R n. Reeller Vektorraum Kapitel Vektorräume Die Mege aller Vektore x mit Kompoete bezeiche wir mit x R =. : x i R, i x ud wird als -dimesioaler (reeller) Vektorraum bezeichet. Defiitio Ei Vektorraum V ist eie

Mehr

15.4 Diskrete Zufallsvariablen

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

Mehr

Tests statistischer Hypothesen

Tests 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

Mehr

Kapitel 5: Schließende Statistik

Kapitel 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

Mehr

1 Randomisierte Bestimmung des Medians

1 Randomisierte Bestimmung des Medians Praktikum Diskrete Optimierug (Teil 0) 0.07.006 Radomisierte Bestimmug des Medias. Problemstellug ud Ziel I diesem Abschitt stelle wir eie radomisierte Algorithmus zur Bestimmug des Medias vor, der besser

Mehr

K. Felten: Internet Network infrastucture Fachhochschule Kiel, Fachbereich IuE

K. Felten: Internet Network infrastucture Fachhochschule Kiel, Fachbereich IuE Defiitio ach DIN4004 Als Zuverlässigkeit ( reliability ) gilt die Fähigkeit eier Betrachtugseiheit ierhalb vorgegebeer Greze dejeige durch de Awedugszweck bedigte Aforderuge zu geüge, die a das Verhalte

Mehr

4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa

4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa 20 I. Zahle, Kovergez ud Stetigkeit 4 Kovergete Folge 4. Dezimalzahle ud Itervallschachteluge. a) Reelle Zahle werde meist als Dezimalzahle dargestellt, etwa 7,304 = 0+7 +3 0 +0 00 +4 000. Edliche Dezimalzahle

Mehr

Stochastisches Integral

Stochastisches Integral Kapitel 11 Stochastisches Itegral Josef Leydold c 26 Mathematische Methode XI Stochastisches Itegral 1 / 2 Lerziele Wieer Prozess ud Browsche Bewegug Stochastisches Itegral Stochastische Differetialgleichug

Mehr

Normalverteilung. Voraussetzung und verwandte Themen. Einführung. Ziel und Nutzen. Grundlagen

Normalverteilung. 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

Mehr

Kapitel 2: Laplacesche Wahrscheinlichkeitsräume

Kapitel 2: Laplacesche Wahrscheinlichkeitsräume - 12 - (Kapitel 2 : Laplacesche Wahrscheilicheitsräume) Kapitel 2: Laplacesche Wahrscheilicheitsräume Wie beim uverfälschte Müzewurf ud beim uverfälschte Würfel spiele Symmetrieüberleguge, die jedem Elemetarereigis

Mehr

,,, xn. 3. Intervallschätzungen Zufallsstichproben und Stichprobenfunktionen Zufallsstichproben. Zufallsvariablen mit

,,, 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

Mehr

n=0 f(x) = log(1 + x) = n=1

n=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,

Mehr

Vorkurs Mathematik für Informatiker Folgen

Vorkurs Mathematik für Informatiker Folgen Vorkurs Mathematik ür Iormatiker -- 8 Folge -- 11.10.2015 1 Folge: Deiitio Eie (uedliche) Folge im herkömmliche Sie etsteht durch Hitereiaderschreibe vo Zahle 1,2,3,4,5, Dabei ist die Reiheolge wichtig,

Mehr

Teilaufgabe 1.0 Bei der Firma Kohl kommen morgens alle im Büro Beschäftigten nacheinander ins Großraumbüro.

Teilaufgabe 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

Mehr

Lösungen zur Präsenzübung 6

Lösungen zur Präsenzübung 6 Lösuge zur Präsezübug 6 Mirko Getzi Uiversität Bielefeld Fakultät für Mathematik. Dezember 203 Ich gebe keie Gewähr auf eie vollstädige Richtigkeit der Lösuge zu de Übugsaufgabe. Das Dokumet hat jedoch

Mehr

Das Skalarprodukt ist ein Produkt zweier Vektoren, das als Ergebnis ein Skalar (eine reelle Zahl) liefert. Es ist folgendermaßen definiert: r o

Das Skalarprodukt ist ein Produkt zweier Vektoren, das als Ergebnis ein Skalar (eine reelle Zahl) liefert. Es ist folgendermaßen definiert: r o Rechemehode de Aalyiche Geomeie B & S Skipedie, 6. bee. Nowedige Gudlage.. a Skalapoduk a Skalapoduk i ei Poduk zweie Vekoe, da al gebi ei Skala eie eelle Zahl liefe. i folgedemaße defiie b a b a b a b

Mehr

6. Grenzwertsätze. 6.1 Tschebyscheffsche Ungleichung

6. Grenzwertsätze. 6.1 Tschebyscheffsche Ungleichung 6. Grezwertsätze 6.1 Tschebyscheffsche Ugleichug Sofer für eie Zufallsvariable X die Verteilug bekat ist, lässt sich die Wahrscheilichkeit dafür bestimme, dass X i eiem bestimmte Itervall liegt. Wie ist

Mehr

Einführung in die Wahrscheinlichkeitstheorie Lösungen zum Wiederholungsblatt

Einführung 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

Mehr

4 Konvergenz von Folgen

4 Konvergenz von Folgen 4 Kovergez vo Folge Defiitio 4.. Sei M eie Mege. Ist 0 Z ud für jedes Z mit 0 ei a M gegebe, so et ma die Abbildug { Z; 0 } M, a eie Folge i M. Abkürzed schreibt ma für eie solche Abbildug auch a ) 0 oder

Mehr

Vorkurs Mathematik für Informatiker Folgen

Vorkurs Mathematik für Informatiker Folgen Vorkurs Mathematik für Iformatiker -- 9 Folge -- 6.1.215 1 Folge: Defiitio Eie (uedliche) Folge im herkömmliche Sie etsteht durch Hitereiaderschreibe vo Zahle 1,2,3,4,5, Dabei ist die Reihefolge wichtig,

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl 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

Mehr

6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $

6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $ Mathematik für Iformatiker B, SS 0 Diestag 5.6 $Id: folge.tex,v. 0/06/05 ::8 hk Exp $ 6 Folge 6.4 Folge reeller Zahle I der letzte Sitzug habe wir de Begriff des Grezwerts eier Folge i eiem metrische Raum

Mehr

Kapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit

Kapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit - 18 - (Kapitel 3 : Bedigte Wahrscheilichkeite ud Uabhägigkeit) Kapitel 3: Bedigte Wahrscheilichkeite ud Uabhägigkeit Wird bei der Durchführug eies stochastische Experimets bekat, daß ei Ereigis A eigetrete

Mehr

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

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

Mehr

Election: Nachrichtenkomplexität. Mittlere Nachrichtenkomplexität (1) - Beispiel: Sei k = n = 4 - Über alle Permutationen mitteln (wieviele?

Election: Nachrichtenkomplexität. Mittlere Nachrichtenkomplexität (1) - Beispiel: Sei k = n = 4 - Über alle Permutationen mitteln (wieviele? Electio: Nachrichtekompleität - Message-etictio-Prizip vo Chag ud Roberts 979 - war eier der erste verteilte Algorithme Mittlere Nachrichtekompleität () - Beispiel: Sei k = = - Über alle Permutatioe mittel

Mehr

4. Die Menge der Primzahlen. Bertrands Postulat

4. Die Menge der Primzahlen. Bertrands Postulat O. Forster: Eiführug i die Zahletheorie 4. Die Mege der Primzahle. Bertrads Postulat 4.1. Satz (Euklid. Es gibt uedlich viele Primzahle. Beweis. Wir zeige, dass es zu jeder edliche Mege p 1, p 2,..., p

Mehr

Geckos gehören zur Familie der Schuppenkriechtiere. Sie bevölkern seit etwa 50 Millionen Jahren die Erde und haben sich im Laufe ihrer Entwicklung

Geckos gehören zur Familie der Schuppenkriechtiere. Sie bevölkern seit etwa 50 Millionen Jahren die Erde und haben sich im Laufe ihrer Entwicklung Gymasie, Gesamschule, Berufliche Gymasie Behörde für Schule ud Berufsbildug Haupermi Lehrermaerialie zum Leisugskurs Mahemaik II.2 Geckos LA/AG 2 Geckos gehöre zur Familie der Schuppekriechiere. Sie bevölker

Mehr

Exponentialfunktionen und die e- Funktion. Bei den bisher betrachteten Funktionen traten Exponenten nur als Zahlen auf.

Exponentialfunktionen und die e- Funktion. Bei den bisher betrachteten Funktionen traten Exponenten nur als Zahlen auf. R. Brikma http://brikma-du.de Seite.. Eiführug Epoetialfuktioe ud die e- Fuktio Bei de bisher betrachtete Fuktioe trate Epoete ur als Zahle auf. q Potezfuktio : f a mit q Beispiel: f Fuktioe mit positiver

Mehr