1. Einleitung und Grundlagen der Wahrscheinlichkeit

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "1. Einleitung und Grundlagen der Wahrscheinlichkeit"

Transkript

1 1. Einleitung und Grundlagen der Wahrscheinlichkeit 1.1 Einleitung Deskriptive Statistik: llgemeine und spezielle Methoden zur Datenauswertung, die unabhängig von der Erhebungsart angewendet werden können Induktive Statistik: Schätz- und Testmethoden zur uswertung von (Zufalls-)Stichproben, die eine Übertragung der Stichprobenergebnisse auf eine Grundgesamtheit ermöglichen bbildung: Induktiver Schluss Induktionsschluss (indirekter Schluss) Stichprobe Grundgesamtheit Deduktionsschluss (direkter Schluss) Gründe für Stichprobenerhebungen: Kostenersparnis ktualität Praktische Unmöglichkeit von Vollerhebungen 1

2 Beispiele von Fragestellungen in der Induktiven Statistik: Eine Marktforschung hat ergeben, dass der Durchschnittspreis einer bestimmten Tiefkühlpizza bei 1,90 liegt. Das Ergebnis basiert auf 20 zufällig ausgewählten Supermärkten in einer Region. In welchem Bereich liegt der Durchschnittspreis des Produktes in der Grundgesamtheit aller Supermärkte dieser Region? In einer Befragung eines Meinungsforschungsinstituts haben 5,5% der 1000 zufällig ausgewählten Personen angegeben, bei der kommenden Bundestagswahl eine bestimmte Partei wählen zu wollen. Kann diese Partei davon ausgehen, dass ihr Stimmenanteil bei allen WählerInnen ebenfalls über 5% liegt? Ein utohersteller behauptet, dass ein utotyp einen Benzinverbrauch von 7,3 l auf 100 km aufweist. Eine utozeitschrift bezweifelt diese ussage und misst den Verbrauch von 40 zufällig ausgewählten utos dieses Typs auf einer Teststrecke. Ist aufgrund des Stichprobenergebnisses von 7,5 l auf 100 km davon auszugehen, dass die Herstellerangabe zu gering ist? 2

3 Der induktive Schluss erfolgt auf der Grundlage der Wahrscheinlichkeitsrechnung, die die Grundlage für die Induktive Statistik ist. Relevanz der Wahrscheinlichkeitsrechnung: Basis der Schätz- und Testmethoden der Induktiven Statistik Mathematische Grundlage der Wirtschaftstheorie z.b. der Finanzmarkt-, Geldund Spieltheorie Die Wahrscheinlichkeitsrechnung beschäftigt sich mit Vorgängen, deren Ergebnisse nicht mit Sicherheit vorausgesagt werden können, sondern dem Zufall unterliegen. Sie erlaubt, quantitative ussagen über die Ergebnisse von Zufallsvorgängen zu machen. Beispiele für Fragestellungen der Wahrscheinlichkeitsrechnung: Wie groß ist die Wahrscheinlichkeit, bei 100 produzierten Stücken eines Gutes mehr als 15 Stücke usschuss zu produzieren, wenn die usschussquote der Maschine 10% beträgt? Wie groß ist die Wahrscheinlichkeit, dass eine Person aus einer bestimmten Risikogruppe einen utounfall verursacht? Wie groß ist die Wahrscheinlichkeit der Überlastung von fünf Telefonhauptleitungen, wenn ein Unternehmen 200 ngestellte hat und diese mit einer Wahrscheinlichkeit von 2% telefonieren? 3

4 1.2 Zufallsexperiment und Ereignis Ein Zufallsexperiment bzw. Zufallsvorgang zeichnet sich durch folgende Charakteristika aus: Es gibt eine Menge möglicher Ergebnisse, die bei der Durchführung eines Zufallsvorgangs eintreten können Es ist unbekannt, welches der möglichen Ergebnisse tatsächlich eintreten wird (Zufallsabhängigkeit) Der Zufallsvorgang ist prinzipiell beliebig oft unter gleichen Bedingungen wiederholbar Beispiele für Zufallsexperimente bzw. Zufallsvorgänge: Bei einem Fußballspiel ist unbekannt, welches Ergebnis eintritt: Gewinn der Heimmannschaft, unentschieden, Gewinn der uswärtsmannschaft. In einem Supermarkt befinden sich 100 Joghurts, die wöchentlich neu geliefert werden. Es ist unbekannt, wie viele Joghurts (0 bis 100) in einer Woche abgesetzt werden. Das usspielen eines Würfels kann die Ergebnisse 1, 2, 3, 4, 5 und 6 liefern. Es ist unbekannt, welche ugenzahl eintreten wird. 4

5 Die Menge der möglichen Ergebnisse ω eines Zufallsexperiments heißt Ergebnismenge (Stichprobenraum) Ω: Ω = {ω ω ist Ergebnis des Zufallsvorgangs} Mächtigkeit der Ergebnismenge: Umfang der Ergebnismenge (nzahl der Ergebnisse) Beispiele: Zufallsvorgang Einmaliges Werfen einer Münze (K = Kopf, Z = Zahl) Zweimaliges Werfen einer Münze Eingegangene Bestellungen in einer Periode Messung der Wartezeit t von Kunden vor einem Postschalter (T ist die Öffnungsdauer des Schalters) Messung des nteils c vom Konsum am Volkseinkommen Ergebnismenge Ω = {K, Z} Ω = {(K,K), (K, Z), (Z,K), (Z,Z)} Ω = {0, 1, 2, } Ω = {t 0 t T} Ω = {c 0 c 1} Mächtigkeit der Ergebnismenge endlich endlich abzählbar unendlich überabzählbar unendlich überabzählbar unendlich 5

6 Endliche und unendliche Ergebnismenge Ergebnismenge Ω endlich: Elemente von Ω abzählbar; Obergrenze angebbar abzählbar unendlich: Elemente von Ω abzählbar; Obergrenze nicht festlegbar unendlich überabzählbar unendlich: Elemen-te von Ω lassen sich nicht abzählen 6

7 Ereignisse Eine Teilmenge der Ergebnismenge eines Zufallsvorgangs heißt Ereignis Darstellung von Ereignissen:, B, C, oder 1, 2, 3, Venn-Diagramm für das Ereignis Rechteck: Ergebnismenge Ω Oval: Ereignis 7

8 Beispiel: Wir betrachten das einmalige usspielen eines Würfels. Die Ergebnismenge dieses Zufallsvorgangs ist gegeben durch Ω = {1, 2, 3, 4, 5, 6}. Das Ereignis enthält alle Ergebnisse, die eine gerade ugenzahl aufweisen. lässt sich als Menge oder durch ein Venn-Diagramm angeben: Ereignis in aufzählender Form Ereignis in einem Venn-Diagramm = {2, 4, 6} Elementarereignis: Ereignisse, die ein einziges Element enthalten. Zum Beispiel ist das Ereignis C = {1}, das allein die ugenzahl 1 enthält, ein Elementarereignis beim usspielen eines Würfels. 8

9 Sicheres und unmögliches Ereignis: Ein Ereignis, das bei keiner Durchführung eines Zufallsvorgangs eintreten kann, heißt unmögliches Ereignis. Das unmögliche Ereignis enthält kein Element aus Ω und entspricht damit der leeren Menge: = { }. Ein Ereignis, das sich bei jeder Durchführung eines Zufallsvorgangs realisiert, heißt sicheres Ereignis. Es enthält alle möglichen Ergebnisse, d.h. es ist Ω selbst. Zum Beispiel ist das Werfen von 1, 2, 3, 4, 5 oder 6 beim usspielen eines Würfels ein sicheres Ereignis. Das Werfen von 7 ist dagegen ein unmögliches Ereignis. Teilereignis: Ein Ereignis B, dessen Elemente alle in vorhanden sind, bezeichnet man als Teilereignis von, d.h. B. Immer, wenn B eintritt, tritt auch ein. Jedes Ereignis ist ein Teilereignis der Ergebnismenge Ω. Zum Beispiel ist das Ereignis B = {2} ein Teilereignis von = {2, 4, 6}. B ist Teilereignis von : B B 9

10 1.3 Operationen mit Ereignissen Da Ereignisse Teilmengen von sind, kann man mit Ereignissen operieren wie mit Mengen. Man kann Ereignisse nach bestimmten Regeln verknüpfen und erhält als Resultat der jeweiligen Operation neue Ereignisse. Vereinigung von und B B vereinigt mit B bzw. oder B Eines der beiden Ereignisse oder B oder beide Ereignisse treten ein B Beispiel: Beim usspielen eine Würfels sei das Ereignis "gerade ugenzahl" und B "ugenzahl kleiner als 4": = {2, 4, 6} und B = {1, 2, 3} 5 B = {2, 4, 6} {1, 2, 3} = {1, 2, 3, 4, 6} B 10

11 Durchschnitt von und B B geschnitten mit B bzw. und B Beide Ereignisse und B treten gleichzeitig ein B Beispiel: Beim usspielen eines Würfels betrachten wir wiederum als Ereignis eine "gerade ugenzahl" und als Ereignis B eine "ugenzahl kleiner als 4 5 B = {2, 4, 6} {1, 2, 3} = {2} B Gesetz der ssoziativität: (B C) = ( B) C und (B C) = ( B) C Gesetz der Distributivität: (B C) = ( B) ( C) und (B C) = ( B) ( C) 11

12 Komplementärereignis ist Komplement von tritt genau dann ein, wenn nicht eintritt Beispiel: Das Komplementärereignis zum Ereignis gerade ugenzahl, = {2, 4, 6}, ist das Ereignis ungerade ugenzahl : = {1, 3, 5} Regeln für Komplementärereignisse:,, Gesetze von de Morgan: B B B B 12

13 Differenz von Ereignissen \ B ohne B tritt ein, aber nicht zugleich B B Beispiel: Die Differenz der Ereignisse "gerade ugenzahl" und B "ugenzahl kleiner als 4 ist das Ereignis {4, 6}: \ B = {2, 4, 6} \ {1, 2, 3} = {4, 6} Der Differenzoperator \ kann alternativ durch Komplementär- und Durchschnittsbildung dargestellt werden: \ B = B Beispiel: Es ist das Ereignis "gerade ugenzahl" und B das Ereignis "ugenzahl kleiner als 4. Dann erhält man mit B = {4, 5, 6}: B = {2, 4, 6} {4, 5, 6} = {4, 6} = \ B 13

14 Disjunkte Ereignisse B = und B sind disjunkte Ereignisse, wenn und B nicht gleichzeitig eintreten können B Beispiel: Das Ereignis "gerade ugenzahl" und das Ereignis D ungerade ugenzahl sind disjunkte Ereignisse, da D = {2, 4, 6} {1, 3, 5} = { } = 14

15 Beispiel für Operationen mit drei Ereignissen: : gerade ugenzahl = {2, 4, 6} B: ugenzahl kleiner als 4 B = {1, 2, 3} C: ugenzahl 1 C = {1} B C B C = {2, 4, 6} {1, 2, 3} {1} = {1, 2, 3, 4, 6} B C = {1, 2, 3} {1} = {1, 2, 3} = B, da C ein Teilereignis von B ist, d.h. C B B C = {1, 2, 3} {1} = {1} = C, da C B ist C = {2, 4, 6} {1} =, da und C disjunkt sind 15

16 Ereignisfeld: Ein Ereignisfeld () ist ein System von Ereignissen, das alle interessierenden Ereignisse eines Zufallsvorgangs enthält und mathematisch abgeschlossen ist, d.h. Verknüpfungen von Ereignissen (z.b., und Komplement) sind in diesem Ereignissystem enthalten. Potenzmenge: Die Potenzmenge P() ist das umfassendste Ereignisfeld. Sie enthält alle möglichen Ereignisse aus der Ergebnismenge. Bei einem endlichen Ergebnisraum mit N Ergebnissen enthält die Potenzmenge 2 N Ereignisse. Beispiel: Die vier Farbwerte Kreuz, Pik, Herz und Karo eines Kartenspiels sind Ergebnisse des Zufallsvorgangs Karten austeilen mit = {Kreuz, Pik, Herz, Karo}. Die Potenzmenge P() enthält hier 2 4 = 16 Ereignisse. 16

17 Ein 0-elementiges Ereignis: Vier 1-elementige Ereignisse: Sechs 2-elementige Ereignisse: Vier 3-elementige Ereignisse: Ein 4-elementiges Ereignis: {Kreuz}, {Pik}, {Herz}, {Karo} {Kreuz, Pik}, {Kreuz, Herz}, {Kreuz, Karo}, {Pik, Herz}, {Pik, Karo}, {Herz, Karo} {Kreuz, Pik, Herz}, {Kreuz, Pik, Karo}, {Kreuz, Herz, Karo}, {Pik, Herz, Karo} Ein anderes Ereignisfeld enthält z.b. folgende sieben Ereignisse: α Ω = Kreuz, Pik, Kreuz,Pik, Herz,Karo, Pik,Herz,Karo,Ω, 17

18 1.4 Wahrscheinlichkeit Bei Zufallsvorgängen lässt sich nicht mit Sicherheit sagen, welches Ereignis eintreten wird. Gleichwohl werden bestimmten Ereignissen größere Realisierungschancen eingeräumt als anderen Ereignissen. So wird man z.b. bei einem usspielen eines Würfels intuitiv davon ausgehen, dass die Chance, eine gerade ugenzahl zu werfen, größer ist als die Chance, eine 1 zu werfen. In der Statistik geht es uns allerdings nicht nur darum zu sagen, ob die Chance für das Eintreten eines Ereignisses groß oder klein ist. Es soll vielmehr dieser Chance eine Zahl zugeordnet werden. Diese Zahl gibt an, wie groß die Chance für das Eintreten eines Ereignisses ist. Solche Zahlen heißen Wahrscheinlichkeiten. Da die Wahrscheinlichkeit für das Eintreten eines Ereignisses eine Zahl ist, können wir mit Wahrscheinlichkeiten rechnen. Die Rechenregeln werden durch die xiome der Wahrscheinlichkeitsrechnung festgelegt. Wahrscheinlichkeitsbegriffe geben dagegen alternative Möglichkeiten zur Bestimmung von Wahrscheinlichkeiten an. Wahrscheinlichkeitsbegriffe: Subjektive Wahrscheinlichkeit Objektive Wahrscheinlichkeit Statistische Wahrscheinlichkeit (posteriori-wahrscheinlichkeit) Modelltheoretische Wahrscheinlichkeit (priori-wahrscheinlichkeit) 18

19 Statistische Wahrscheinlichkeit (posteriori-wahrscheinlichkeit): Der Begriff der statistischen Wahrscheinlichkeit (posteriori-wahrscheinlichkeit) geht auf von Mises zurück. Bei einem Zufallsexperiment, das n-mal wiederholt wird, interessiert man sich für das Eintreten von Ereignis. Die absolute Häufigkeit des Ereignisses beträgt n(). Die relative Häufigkeit des Ereignisses beträgt h n () = n() / n. Die relative Häufigkeit kann sich nach jeder Durchführung des Zufallsvorgangs ändern, so dass man eine Folge relativer Häufigkeiten h n () erhält. Bei einer geringen nzahl von Wiederholungen liegen starke Schwankungen von h n () vor. Bei wachsendem n stabilisiert sich h n () um einen konstanten Wert (Stabilitätseigenschaft der relativen Häufigkeit). Definition der statistischen Wahrscheinlichkeit: P lim h n n h n P() n 19

20 Beispiel: Bei einem Münzwurf wird das Ereignis betrachtet, das die Realisation Kopf beinhaltet. Die Durchführung des Experiments liefert die im Folgenden dargestellten Ergebnisse. Bei 20-maligem Münzwurf wird z.b. 12-mal Kopf erzielt. Tabelle Grafik h n 0,6 0,5 P()=0,5 0, n Wie aus der Grafik hervorgeht, nähern sich die relativen Häufigkeiten der gesuchten Wahrscheinlichkeit an. 20

21 Modelltheoretische Wahrscheinlichkeit (priori-wahrscheinlichkeit): Den modelltheoretischen nsätzen ist gemeinsam, dass Wahrscheinlichkeiten für das Eintreten von Ereignissen aufgrund eines statistisch-mathematischen Modells vor der Durchführung eines Zufallsvorgangs bestimmt werden (priori- Wahrscheinlichkeiten) In der induktiven Statistik sind eine Vielzahl derartiger Modelle verfügbar. Wir beschränken uns hier auf die Darstellung des historisch ältesten Modells, das man als Gleichmöglichkeitsmodell bezeichnet. Es handelt sich dabei um die Definition des französischen Mathematikers Laplace, der von Zufallsvorgängen ausging, für die gilt: - Die Ergebnismenge ist endlich - Die Elementarereignisse sind alle gleichwahrscheinlich Definition der Laplaceschen Wahrscheinlichkeit: P() = / Ω : nzahl der für das Ereignis günstigen Ergebnisse (= Mächtigkeit von ) Ω : nzahl aller möglichen Ergebnisse (= Mächtigkeit von Ω) 21

22 Beispiel: Zu berechnen ist die Wahrscheinlichkeit für das Werfen einer geraden ugenzahl" (Ereignis ) Es gilt: = {2, 4, 6} = 3 Ω = {1, 2, 3, 4, 5, 6} Ω = 6 Damit ergibt sich nach der modelltheoretischen Wahrscheinlichkeitsdefinition: P() = / Ω = 3 / 6 = 0,5 Beispiel: Wie groß ist die Wahrscheinlichkeit bei einem zweimaligen Münzwurf mindestens eine Zahl (Ereignis ) zu werfen? Es gilt für die Ergebnismenge (K,K),(K,Z),(Z,K),(Z,Z). Günstig sind alle usgänge mit usnahme von zweimal Kopf (K,Z),(Z,K),(Z,Z). Damit erhält man als gesuchte Wahrscheinlichkeit: P 3 4 0, 75 22

23 Subjektive Wahrscheinlichkeit In der Praxis lässt sich das rbeiten mit subjektiven Wahrscheinlichkeiten oft nicht vermeiden. So können z.b. die bsatzchancen eines Produkts, das bisher nicht auf dem Markt war, nur über subjektive Wahrscheinlichkeiten beurteilt werden. Subjektive Wahrscheinlichkeiten werden hier oftmals durch Einschätzungen von ExpertInnen gewonnen. Eine alternative Form der Gewinnung von subjektiven Wahrscheinlichkeiten in diesem Bereich sind Unternehmens- und Verbraucherbefragungen. uch im lltagsleben treten immer wieder Fälle auf, in denen ein objektiver Wahrscheinlichkeitsbegriff nicht anwendbar ist. Wie lässt sich z.b. die Chance einer Fußballmannschaft für den Gewinn eines Spiels beurteilen? Wie groß ist die Wahrscheinlichkeit, dass ein bestimmtes Pferd bei einem Rennen den 1. Platz belegt? In solchen Fällen lassen sich Wahrscheinlichkeiten z.b. über Wettquoten bestimmen, die sich aus den Wetteinsätzen des Publikums ergeben. Da das Wettverhalten letztlich auf den Einschätzungen der Wettteilnehmer beruht, spricht man in diesem Zusammenhang von subjektiven Wahrscheinlichkeiten. 23

Skript zur Statistik II (Wahrscheinlickeitsrechnung und induktive Statistik)

Skript zur Statistik II (Wahrscheinlickeitsrechnung und induktive Statistik) Prof. Dr. Reinhold Kosfeld Fachbereich Wirtschaftswissenschaften Skript zur Statistik II (Wahrscheinlickeitsrechnung und induktive Statistik) 1. Einleitung Deskriptive Statistik: llgemeine und spezielle

Mehr

Skript zur Statistik II (Wahrscheinlickeitsrechnung und induktive Statistik)

Skript zur Statistik II (Wahrscheinlickeitsrechnung und induktive Statistik) Prof. Dr. Reinhold Kosfeld Fachbereich Wirtschaftswissenschaften Skript zur Statistik II (Wahrscheinlickeitsrechnung und induktive Statistik) 1. Einleitung Deskriptive Statistik: Allgemeine und spezielle

Mehr

Dr. H. Grunert Einführung in die Wahrscheinlichkeitsrechnung Vorlesungscharts. Vorlesung 1. Grundbegriffe der Wahrscheinlichkeitsrechnung

Dr. H. Grunert Einführung in die Wahrscheinlichkeitsrechnung Vorlesungscharts. Vorlesung 1. Grundbegriffe der Wahrscheinlichkeitsrechnung Vorlesungscharts Vorlesung 1 Grundbegriffe der Wahrscheinlichkeitsrechnung Zufallsvorgänge und Zufallsereignisse Definitionen der Wahrscheinlichkeit Seite 1 von 11 Chart 1: Vorgänge deterministisch zufällig

Mehr

Teil II. Wahrscheinlichkeitsrechnung

Teil II. Wahrscheinlichkeitsrechnung Teil II Wahrscheinlichkeitsrechnung Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2014) Folie 129 5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) 5 Zufallsexperimente Ergebnisse Ereignisse

Mehr

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

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren Dr. Jürgen Senger INDUKTIVE STATISTIK Wahrscheinlichkeitstheorie, Schätz- und Testverfahren ÜBUNG - LÖSUNGEN. Zweimaliges Werfen eines Würfels mit Berücksichtigung der Reihenfolge a. Ergebnismenge (Ereignisraum)

Mehr

Einführung in die Wahrscheinlichkeitsrechnung

Einführung in die Wahrscheinlichkeitsrechnung Marco Cattaneo Institut für Statistik Ludwig-Maximilians-Universität München Sommersemester 2011 1. Wahrscheinlichkeitsrechnung 2. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grenzwertsätze

Mehr

Zusammenfassung Stochastik

Zusammenfassung Stochastik Zusammenfassung Stochastik Die relative Häufigkeit Ein Experiment, dessen Ausgang nicht vorhersagbar ist, heißt Zufallsexperiment (ZE). Ein Würfel wird 40-mal geworfen, mit folgendem Ergebnis Augenzahl

Mehr

15 Wahrscheinlichkeitsrechnung und Statistik

15 Wahrscheinlichkeitsrechnung und Statistik 5 Wahrscheinlichkeitsrechnung und Statistik Alles, was lediglich wahrscheinlich ist, ist wahrscheinlich falsch. ( Descartes ) Trau keiner Statistik, die du nicht selbst gefälscht hast. ( Churchill zugeschrieben

Mehr

9. Elementare Wahrscheinlichkeitsrechnung

9. Elementare Wahrscheinlichkeitsrechnung 9. Elementare Wahrscheinlichkeitsrechnung I. Zufällige Ereignisse Beispiel (Einmaliges Würfeln): Alle möglichen Ausgänge 1, 2,, 6 des Experiments werden zur Ergebnismenge Ω ( Ergebnisraum ) zusammengefasst.

Mehr

Rumpfskript. Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen

Rumpfskript. Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen Rumpfskript Elementare Wahrscheinlichkeitsrechnung Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen Vorbemerkung Vorbemerkung Das vorliegende Skript heißt nicht nur Rumpf skript, sondern

Mehr

1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6

1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6 Inhaltsverzeichnis 1 Vorbemerkungen 1 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2 3 Wahrscheinlichkeitsaxiome 4 4 Laplace-Experimente 6 5 Hilfsmittel aus der Kombinatorik 7 1 Vorbemerkungen

Mehr

1. Grundlagen der Wahrscheinlichkeitsrechnung

1. Grundlagen der Wahrscheinlichkeitsrechnung 1. Grundlagen der Wahrscheinlichkeitsrechnung Ereignisse und Wahrscheinlichkeiten Zufälliger Versuch: Vorgang, der (zumindest gedanklich) beliebig oft wiederholbar ist und dessen Ausgang innerhalb einer

Mehr

Wahrscheinlichkeitstheorie

Wahrscheinlichkeitstheorie Kapitel 2 Wahrscheinlichkeitstheorie Josef Leydold c 2006 Mathematische Methoden II Wahrscheinlichkeitstheorie 1 / 24 Lernziele Experimente, Ereignisse und Ereignisraum Wahrscheinlichkeit Rechnen mit Wahrscheinlichkeiten

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung und Statistik 1. Vorlesung - 7.10.2016 Im Alltag... Laut den meteorologischen Vorhersagen wird es morgen regnen. Ob ich riskiere und die Wette verlieren werde? Ich werde mit Sicherheit gewinnen! Ist das wirklich unmöglich?

Mehr

9. Elementare Wahrscheinlichkeitsrechnung

9. Elementare Wahrscheinlichkeitsrechnung 9. Elementare Wahrscheinlichkeitsrechnung Beispiel (Einmaliges Würfeln): verbal mengentheoretisch I. Zufällige Ereignisse Beispiel (Einmaliges Würfeln): Alle möglichen Ausgänge 1,,, 6 des Experiments werden

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 27. Oktober 2010 Teil III Wahrscheinlichkeitstheorie 1 Zufallsereignisse Vorüberlegungen Der Ereignisraum Konstruktionen

Mehr

Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.2/58

Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.2/58 Statistik Einführung Wahrscheinlichkeitstheorie Kapitel 3 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Leydold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Wahrscheinlichkeitstheorie

Mehr

Informatik II Grundbegriffe der Wahrscheinlichkeitsrechnung

Informatik II Grundbegriffe der Wahrscheinlichkeitsrechnung lausthal Informatik II rundbegriffe der Wahrscheinlichkeitsrechnung. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Begriffe Definition: Unter einem Zufallsexperiment versteht man einen,

Mehr

Zufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen

Zufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen Zufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen Wichtige Tatsachen und Formeln zur Vorlesung Mathematische Grundlagen für das Physikstudium 3 Franz Embacher http://homepage.univie.ac.at/franz.embacher/

Mehr

2.2 Ereignisse und deren Wahrscheinlichkeit

2.2 Ereignisse und deren Wahrscheinlichkeit 2.2 Ereignisse und deren Wahrscheinlichkeit Literatur: [Papula Bd., Kap. II.2 und II.], [Benning, Kap. ], [Bronstein et al., Kap. 1.2.1] Def 1 [Benning] Ein Zufallsexperiment ist ein beliebig oft wiederholbarer,

Mehr

STATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik. Mögliche Ergebnisse, auch Elementarereignisse bezeichnet

STATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik. Mögliche Ergebnisse, auch Elementarereignisse bezeichnet Kapitel 10 Zufall und Wahrscheinlichkeit 10.1. Grundbegriffe Wahrscheinlichkeitsrechnung Zufallsvorgang Klein-Omega ω Groß-Omega Ω Stellt Modelle bereit, die es erlauben zufallsabhängige Prozesse abzuschätzen

Mehr

Informatik II Grundbegriffe der Wahrscheinlichkeitsrechnung

Informatik II Grundbegriffe der Wahrscheinlichkeitsrechnung lausthal Begriffe Informatik II rundbegriffe der Wahrscheinlichkeitsrechnung. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Definition: Unter einem Zufallsexperiment versteht man einen,

Mehr

Ein Ereignis ist eine Menge von Elementarereignissen. Berechnung von Wahrscheinlichkeiten zufälliger Ereignisse erfordert ein Modell.

Ein Ereignis ist eine Menge von Elementarereignissen. Berechnung von Wahrscheinlichkeiten zufälliger Ereignisse erfordert ein Modell. SS 2013 Prof. Dr. J. Schütze/ J.Puhl FB GW Wkt.1 1 Grundbegriffe Zufallsexperiment unter gleichen Bedingungen wiederholbarer Vorgang (geplant, gesteuert, beobachtet oder auch nur gedanklich) Menge der

Mehr

Kapitel ML:IV. IV. Statistische Lernverfahren. Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen

Kapitel ML:IV. IV. Statistische Lernverfahren. Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen Kapitel ML:IV IV. Statistische Lernverfahren Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen ML:IV-1 Statistical Learning c STEIN 2005-2011 Definition 1 (Zufallsexperiment,

Mehr

Einführung. Wahrscheinlichkeit. 1 Wahrscheinlichkeit: Definition und Interpretation. 2 Elementare Wahrscheinlichkeitsrechnung, bedingte

Einführung. Wahrscheinlichkeit. 1 Wahrscheinlichkeit: Definition und Interpretation. 2 Elementare Wahrscheinlichkeitsrechnung, bedingte Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2 Elementare Wahrscheinlichkeitsrechnung, bedingte Wahrscheinlichkeit Axiome nach Kolmogorov Gegeben sei ein Zufallsexperiment mit Ergebnisraum

Mehr

1 Wahrscheinlichkeitsrechnung und Zufallsvariablen

1 Wahrscheinlichkeitsrechnung und Zufallsvariablen 1 Wahrscheinlichkeitsrechnung und Zufallsvariablen Zoltán Zomotor Versionsstand: 18. Mai 2015, 09:29 Die nummerierten Felder bitte während der Vorlesung ausfüllen. This work is licensed under the Creative

Mehr

Ziegenproblem, Monty-Hall-Problem, Wahrscheinlichkeitsrechnung. Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem

Ziegenproblem, Monty-Hall-Problem, Wahrscheinlichkeitsrechnung. Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem Wahrscheinlichkeitsrechnung Theorie Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem Ziegenproblem,

Mehr

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 8. Übung SS 16: Woche vom

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 8. Übung SS 16: Woche vom Übungsaufgaben 8. Übung SS 16: Woche vom 30. 5. 3.6. 2016 Stochastik II: Klassische Wkt.-Berechnung; Unabhängigkeit Aufgaben: s. pdf auf der homepage von Dr. Vanselow http://www.math.tu-dresden.de/ vanselow/...

Mehr

Grundbegriffe der Wahrscheinlichkeitsrechnung

Grundbegriffe der Wahrscheinlichkeitsrechnung Algorithmen und Datenstrukturen 349 A Grundbegriffe der Wahrscheinlichkeitsrechnung Für Entwurf und Analyse randomisierter Algorithmen sind Hilfsmittel aus der Wahrscheinlichkeitsrechnung erforderlich.

Mehr

Stochastik - Kapitel 2

Stochastik - Kapitel 2 " k " h(a) n = bezeichnet man als die relative Häufigkeit des Ereignisses A bei n Versuchen. n (Anmerkung: für das kleine h wird in der Literatur häufig auch ein r verwendet) k nennt man die absolute Häufigkeit

Mehr

Ereignis E: ist ein oder sind mehrere Ergebnisse zusammen genommen. Bsp. E = {2; 4; 6}

Ereignis E: ist ein oder sind mehrere Ergebnisse zusammen genommen. Bsp. E = {2; 4; 6} Laplace-Experimente Begriffsklärung am Beispiel eines Laplace-Würfel mit Augenzahlen (AZ) 1-6: Ergebnis: ist jeder Ausgang eines Zufallsexperimentes heißt ein Ergebnis ω dieses Zufallsexperimentes. Die

Mehr

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung Abiturvorbereitung Wahrscheinlichkeitsrechnung S. 1 von 9 Wahrscheinlichkeitsrechnung Kombinatorik Formeln für Wahrscheinlichkeiten Bedingte Wahrscheinlichkeiten Zusammenfassung wichtiger Begriffe Übungsaufgaben

Mehr

4. Die Laplacesche Gleichverteilung

4. Die Laplacesche Gleichverteilung Universität Basel Wirtschaftswissenschaftliches Zentrum Grundlagen der Stochastik Dr. Thomas Zehrt Inhalt: 1. Die Ereignismenge 2. Die Wahrscheinlichkeitsverteilung 3. Eigenschaften einer Wahrscheinlichkeitsverteilung

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike

Mehr

1 Mengenlehre. 1.1 Grundbegriffe

1 Mengenlehre. 1.1 Grundbegriffe Dieses Kapitel behandelt Grundlagen der Mengenlehre, die in gewisser Weise am nfang der Mathematik steht und eine Sprache bereitstellt, die zur weiteren Formulierung der Mathematik sehr hilfreich ist.

Mehr

Population und Stichprobe: Wahrscheinlichkeitstheorie

Population und Stichprobe: Wahrscheinlichkeitstheorie Population und Stichprobe: Wahrscheinlichkeitstheorie SS 2001 4. Sitzung vom 15.05.2001 Wahrscheinlichkeitstheorie in den Sozialwissenschaften: Stichprobenziehung: Aussagen über Stichprobenzusammensetzung

Mehr

Kapitel 2 Wahrscheinlichkeitsrechnung

Kapitel 2 Wahrscheinlichkeitsrechnung Motivation bisher: Beschreibung von Datensätzen = beobachteten Merkmalsausprägungen Frage: Sind Schlußfolgerungen aus diesen Beobachtungen möglich? Antwort: Ja, aber diese gelten nur mit einer bestimmten

Mehr

Wahrscheinlichkeiten

Wahrscheinlichkeiten Wahrscheinlichkeiten Bestimmung der Wahrscheinlichkeit Bei einem Zufallsexperiment kann man nicht voraussagen, welches Ereignis eintritt, aber manche Ereignisse treten naturgemäß mit einer größeren Wahrscheinlichkeit

Mehr

Gründe für die Behandlung von stochastischen Problemen (nach KÜTTING)

Gründe für die Behandlung von stochastischen Problemen (nach KÜTTING) Vorlesung 03.01.09 Stochastik Gründe für die Behandlung von stochastischen Problemen (nach KÜTTING) Der Mathematikunterricht der Schule hat die Aufgabe, eine Grundbildung zu vermitteln, die auf ein mathematisches

Mehr

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung. Semester Begleitendes Skriptum zur Vorlesung im FH-Masterstudiengang Technisches Management von Günther Karigl FH Campus Wien 206/7 Inhaltsverzeichnis. Semester: Wahrscheinlichkeitsrechnung

Mehr

Basiswissen Daten und Zufall Seite 1 von 8 1 Zufallsexperiment Ein Zufallsexperiment ist ein Versuchsaufbau mit zufälligem Ausgang, d. h. das Ergebnis kann nicht vorhergesagt werden. 2 Ergebnis (auch Ausgang)

Mehr

Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management

Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 2013 Hochschule Augsburg Unabhängigkeit von Ereignissen A, B unabhängig:

Mehr

Grundlagen. Wozu Wahrscheinlichkeitsrechnung? Definition und Begriff der Wahrscheinlichkeit. Berechnung von Laplace-Wahrscheinlichkeiten

Grundlagen. Wozu Wahrscheinlichkeitsrechnung? Definition und Begriff der Wahrscheinlichkeit. Berechnung von Laplace-Wahrscheinlichkeiten Teil 2: Wahrscheinlichkeitsrechnung 326 Grundlagen Wozu Wahrscheinlichkeitsrechnung? Definition und egriff der Wahrscheinlichkeit erechnung von Laplace-Wahrscheinlichkeiten Rechnen mit einfachem Mengenkalkül

Mehr

Einführung in die Wahrscheinlichkeitsrechnung

Einführung in die Wahrscheinlichkeitsrechnung Statistik 1 für SoziologInnen Einführung in die Univ.Prof. Dr. Marcus Hudec WAHRSCHEINLICHKEITSRECHNUNG It is remarkable that a science which began with the consideration of games of chance should have

Mehr

Mathematische und statistische Methoden II

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

Mehr

Grundbegriffe der Wahrscheinlichkeitstheorie

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

Mehr

A Grundlegende Begriffe

A Grundlegende Begriffe Grundlegende egriffe 1 Zufallsexperimente und Ereignisse Ein Zufallsexperiment besteht aus der wiederholten Durchführung eines Zufallsversuchs. ei einem Zufallsversuch können verschiedene Ergebnisse (chreibweise:

Mehr

DIE SPRACHE DER WAHRSCHEINLICHKEITEN

DIE SPRACHE DER WAHRSCHEINLICHKEITEN KAPITEL 1 DIE SPRACHE DER WAHRSCHEINLICHKEITEN Es ist die Aufgabe der ersten drei Kapitel, eine vollständige Beschreibung des grundlegenden Tripels (Ω, A, P) und seiner Eigenschaften zu geben, das heutzutage

Mehr

Unabhängigkeit KAPITEL 4

Unabhängigkeit KAPITEL 4 KAPITEL 4 Unabhängigkeit 4.1. Unabhängigkeit von Ereignissen Wir stellen uns vor, dass zwei Personen jeweils eine Münze werfen. In vielen Fällen kann man annehmen, dass die eine Münze die andere nicht

Mehr

Statistik. R. Frühwirth. Statistik. VO Februar R. Frühwirth Statistik 1/174

Statistik. R. Frühwirth. Statistik. VO Februar R. Frühwirth Statistik 1/174 fru@hephy.oeaw.ac.at VO 142.090 http://tinyurl.com/tu142090 Februar 2010 1/174 Übersicht über die Vorlesung Teil 1: Deskriptive Teil 2: srechnung Teil 3: Zufallsvariable Teil 4: Parameterschätzung 2/174

Mehr

Zusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen

Zusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind

Mehr

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung Teil V Wahrscheinlichkeitsrechnung Inhaltsangabe 6 Einführung in die Wahrscheinlichkeitsrechnung 125 6.1 Kombinatorik......................... 125 6.2 Grundbegri e......................... 129 6.3 Wahrscheinlichkeiten.....................

Mehr

Mathematische Grundlagen der Computerlinguistik Wahrscheinlichkeit

Mathematische Grundlagen der Computerlinguistik Wahrscheinlichkeit Mathematische Grundlagen der Computerlinguistik Wahrscheinlichkeit Dozentin: Wiebke Petersen 8. Foliensatz Wiebke Petersen math. Grundlagen 1 Motivation Bsp.: In vielen Bereichen der CL kommt Wahrscheinlichkeitstheorie

Mehr

UE Statistik 1, SS 2015, letztes Update am 5. März Übungsbeispiele

UE Statistik 1, SS 2015, letztes Update am 5. März Übungsbeispiele UE Statistik, SS 05, letztes Update am 5. März 05 Übungsbeispiele Beispiele mit Musterlösungen finden Sie auch in dem Buch Brannath, W., Futschik, A., Krall, C., (00) Statistik im Studium der Wirtschaftswissenschaften..

Mehr

2. Rechnen mit Wahrscheinlichkeiten

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

Mehr

Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26)

Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26) Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26 Ein Wahrscheinlichkeitsraum (Ω, P ist eine Menge Ω (Menge aller möglichen Ausgänge eines Zufallsexperiments: Ergebnismenge versehen mit einer Abbildung

Mehr

Satz 16 (Multiplikationssatz)

Satz 16 (Multiplikationssatz) Häufig verwendet man die Definition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A B] = Pr[B A] Pr[A] = Pr[A B] Pr[B]. (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1,..., A n gegeben.

Mehr

Allgemeine diskrete Wahrscheinlichkeitsräume II. Beispiel II. Beispiel I. Definition 6.3 (Diskreter Wahrscheinlichkeitsraum)

Allgemeine diskrete Wahrscheinlichkeitsräume II. Beispiel II. Beispiel I. Definition 6.3 (Diskreter Wahrscheinlichkeitsraum) Allgemeine diskrete Wahrscheinlichkeitsräume I Allgemeine diskrete Wahrscheinlichkeitsräume II Verallgemeinerung von Laplaceschen Wahrscheinlichkeitsräumen: Diskrete Wahrscheinlichkeitsräume Ω endlich

Mehr

1.1 Ergebnisräume einfacher Zufallsexperimente. 2) Es gibt mindestens zwei mögliche Ausgänge des Experiments.

1.1 Ergebnisräume einfacher Zufallsexperimente. 2) Es gibt mindestens zwei mögliche Ausgänge des Experiments. Übungsmaterial 1 1 Zufallsexperimente 1.1 Ergebnisräume einfacher Zufallsexperimente Damit ein Experiment ein Zufallsexperiment ist, müssen folgende Eigenschaften erfüllt sein: 1) Das Experiment lässt

Mehr

P (A B) P (B) = P ({3}) P ({1, 3, 5}) = 1 3.

P (A B) P (B) = P ({3}) P ({1, 3, 5}) = 1 3. 2 Wahrscheinlichkeitstheorie Beispiel. Wie wahrscheinlich ist es, eine Zwei oder eine Drei gewürfelt zu haben, wenn wir schon wissen, dass wir eine ungerade Zahl gewürfelt haben? Dann ist Ereignis A das

Mehr

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy. R. Brinkmann http://brinkmann-du.de Seite 08..2009 Von der relativen Häufigkeit zur Wahrscheinlichkeit Es werden 20 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 20 Schülern

Mehr

Statistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management

Statistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management Statistik für Betriebswirtschaft und International Management Sommersemester 2014 Prof. Dr. Stefan Etschberger HSA Zufallsvorgänge, Ereignisse und Wahrscheinlichkeiten Zufallsvorgang: Geschehen mit ungewissem

Mehr

Stochastik. 1. Wahrscheinlichkeitsräume

Stochastik. 1. Wahrscheinlichkeitsräume Stochastik 1. Wahrscheinlichkeitsräume Ein Zufallsexperiment ist ein beliebig oft und gleichartig wiederholbarer Vorgang mit mindestens zwei verschiedenen Ergebnissen, bei dem der Ausgang ungewiß ist.

Mehr

Die Schreibweise x M bedeutet, dass das Objekt x in der Menge M liegt. Ist dies nicht der Fall, dann schreibt man

Die Schreibweise x M bedeutet, dass das Objekt x in der Menge M liegt. Ist dies nicht der Fall, dann schreibt man Die Schreibweise x M bedeutet, dass das Objekt x in der Menge M liegt. Ist dies nicht der Fall, dann schreibt man x / M. Man sagt, M ist Teilmenge von N und schreibt M N, wenn für jedes x M auch x N gilt.

Mehr

Grundwissen Stochastik Grundkurs 23. Januar 2008

Grundwissen Stochastik Grundkurs 23. Januar 2008 GYMNSIUM MIT SCHÜLERHEIM PEGNITZ math.-technolog. u. sprachl. Gymnasium WILHELM-VON-HUMBOLDT-STRSSE 7 91257 PEGNITZ FERNRUF 09241/48333 FX 09241/2564 Grundwissen Stochastik Grundkurs 23. Januar 2008 1.

Mehr

Institut für Biometrie und klinische Forschung. WiSe 2012/2013

Institut für Biometrie und klinische Forschung. WiSe 2012/2013 Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie (3) Überblick. Deskriptive Statistik I 2. Deskriptive

Mehr

Satz 18 (Satz von der totalen Wahrscheinlichkeit)

Satz 18 (Satz von der totalen Wahrscheinlichkeit) Ausgehend von der Darstellung der bedingten Wahrscheinlichkeit in Gleichung 1 zeigen wir: Satz 18 (Satz von der totalen Wahrscheinlichkeit) Die Ereignisse A 1,..., A n seien paarweise disjunkt und es gelte

Mehr

Übungen zur Wahrscheinlichkeitstheorie und Statistik

Übungen zur Wahrscheinlichkeitstheorie und Statistik Übungen zur Wahrscheinlichkeitstheorie und Statistik Prof. Dr. C. Löh/M. Blank Blatt 0 vom 16. April 2012 Aufgabe 1 (Wahrscheinlichkeitsräume). Welche der folgenden Aussagen sind wahr? Begründen Sie jeweils

Mehr

Primer: Wahrscheinlichkeitstheorie 1.0

Primer: Wahrscheinlichkeitstheorie 1.0 : Wahrscheinlichkeitstheorie 1.0 Dr. Malte Persike persike@uni-mainz.de methodenlehre.com twitter.com/methodenlehre methodenlehre.com/g+ iversity.org/schoolinger Inhalte der nächsten Minuten Von der Pike

Mehr

Wirtschaftsstatistik I [E1]

Wirtschaftsstatistik I [E1] 040571-1 WMS: Wirtschaftsstatistik 1 :: WiSe07/08 Wirtschaftsstatistik I [E1] Schwab, Harald 1 harald.schwab@univie.ac.at http://homepage.univie.ac.at/harald.schwab October 7, 2007 1 Sprechstunde: MO 17-18h

Mehr

Wählt man aus n Mengen mit z 1 bzw. z 2,..., bzw. z n Elementen nacheinander aus jeder Menge jeweils ein Element aus,

Wählt man aus n Mengen mit z 1 bzw. z 2,..., bzw. z n Elementen nacheinander aus jeder Menge jeweils ein Element aus, V. Stochastik ================================================================== 5.1 Zählprinzip Wählt man aus n Mengen mit z 1 bzw. z 2,..., bzw. z n Elementen nacheinander aus jeder Menge jeweils ein

Mehr

Anliegen: Beschreibung von Versuchsergebnissen mit Zahlen, um mit Zahlen bzw. bekannten Funktionen rechnen zu können.

Anliegen: Beschreibung von Versuchsergebnissen mit Zahlen, um mit Zahlen bzw. bekannten Funktionen rechnen zu können. 2 Zufallsvariable 2.1 Einführung Anliegen: Beschreibung von Versuchsergebnissen mit Zahlen, um mit Zahlen bzw. bekannten Funktionen rechnen zu können. Eine Zufallsvariable X ordnet jedem elementaren Versuchsausgang

Mehr

P (X = 2) = 1/36, P (X = 3) = 2/36,...

P (X = 2) = 1/36, P (X = 3) = 2/36,... 2.3 Zufallsvariablen 2.3 Zufallsvariablen Meist sind die Ereignisse eines Zufallseperiments bereits reelle Zahlen. Ist dies nicht der Fall, kann man Ereignissen eine reelle Zahl zuordnen. Zum Beispiel

Mehr

Ergebnis Ergebnisraum Ω. Ereignis. Elementarereignis

Ergebnis Ergebnisraum Ω. Ereignis. Elementarereignis Stochastik Die Stochastik besteht aus zwei Teilgebieten, der Statistik und der Wahrscheinlichkeitsrechnung. Die Statistik beschreibt die Vergangenheit und verwendet Informationen, die (in realen Versuchen)

Mehr

Dieser Begriff wurde von Jacob Bernoulli Ars conjectandi geprägt (1773), in dem das erste Gesetz der großen Zahlen bewiesen wurde.

Dieser Begriff wurde von Jacob Bernoulli Ars conjectandi geprägt (1773), in dem das erste Gesetz der großen Zahlen bewiesen wurde. 10.1 Über den Begriff Stochastik Die Wahrscheinlichkeitsrechnung ist eine Teildisziplin von Stochastik. Dabei kommt das Wort Stochastik aus dem Griechischen : die Kunst des Vermutens (von Vermutung, Ahnung,

Mehr

Einführung in die Wahrscheinlichkeitsrechnung

Einführung in die Wahrscheinlichkeitsrechnung Einführung in die Wahrscheinlichkeitsrechnung Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung

Mehr

Dieses Quiz soll Ihnen helfen, Kapitel besser zu verstehen.

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

Mehr

Beispiele: Beim Zahlenlotto sollte jede Sechserserie von Zahlen mit derselben Wahrscheinlichkeit auftreten.

Beispiele: Beim Zahlenlotto sollte jede Sechserserie von Zahlen mit derselben Wahrscheinlichkeit auftreten. 3. Laplaceexperimente. Beispiele: Beim Zahlenlotto sollte jede Sechserserie von Zahlen mit derselben Wahrscheinlichkeit auftreten. Laplace-Münze: p(k) = p(z) = / Laplace-Würfel: p() =... = p(6) = / 6.

Mehr

Kapitel 2. Zufällige Versuche und zufällige Ereignisse. 2.1 Zufällige Versuche

Kapitel 2. Zufällige Versuche und zufällige Ereignisse. 2.1 Zufällige Versuche Kapitel 2 Zufällige Versuche und zufällige Ereignisse In diesem Kapitel führen wir zunächst anschaulich die grundlegenden Begriffe des zufälligen Versuchs und des zufälligen Ereignisses ein und stellen

Mehr

Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME

Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Fassung vom 12. Januar 2001 121 WAHRSCHEINLICHKEITS-RÄUME Stichproben-Raum. 9.1 9.1 Stichproben-Raum. Die bisher behandelten Beispiele von Naturvorgängen oder Experimenten

Mehr

Beschreibende Statistik

Beschreibende Statistik Beschreibende Aufgaben der beschreibenden : Erhebung von Daten Auswertung von Daten Darstellung von Daten Erhebung von Daten Bei der Erhebung von Daten geht es um die Erfassung von Merkmalen (Variablen)

Mehr

Kapitel 5. Univariate Zufallsvariablen. 5.1 Diskrete Zufallsvariablen

Kapitel 5. Univariate Zufallsvariablen. 5.1 Diskrete Zufallsvariablen Kapitel 5 Univariate Zufallsvariablen Im ersten Teil dieses Skriptes haben wir uns mit Daten beschäftigt und gezeigt, wie man die Verteilung eines Merkmals beschreiben kann. Ist man nur an der Population

Mehr

σ-algebren, Definition des Maßraums

σ-algebren, Definition des Maßraums σ-algebren, Definition des Maßraums Ziel der Maßtheorie ist es, Teilmengen einer Grundmenge X auf sinnvolle Weise einen Inhalt zuzuordnen. Diese Zuordnung soll so beschaffen sein, dass dabei die intuitiven

Mehr

ETWR Teil B. Einleitende Worte

ETWR Teil B. Einleitende Worte ETWR Teil B Einleitende Worte Team Marcel Lichters Übung Stephan Schosser Vorlesung Stephan Schosser 2 Einleitende Worte Stephan Schosser 3 Einleitende Worte Unser Lehrstuhl in der Forschung Ralf Morgenstern

Mehr

4. Grundzüge der Wahrscheinlichkeitsrechnung

4. Grundzüge der Wahrscheinlichkeitsrechnung 4. Grundzüge der Wahrscheinlichkeitsrechnung Dr. Antje Kiesel Institut für angewandte Mathematik WS 2010/2011 In der beschreibenden Statistik haben wir verschiedene Kennzahlen (Statistiken) für Stichproben

Mehr

1 Stochastische Konvergenz 2. 2 Das Gesetz der grossen Zahlen 4. 3 Der Satz von Bernoulli 6

1 Stochastische Konvergenz 2. 2 Das Gesetz der grossen Zahlen 4. 3 Der Satz von Bernoulli 6 Wirtschaftswissenschaftliches Zentrum 0 Universität Basel Mathematik Dr. Thomas Zehrt Grenzwertsätze Benötigtes Vorwissen: Der Stoff der Vorlesung,,Statistik wird als bekannt vorausgesetzt, insbesondere

Mehr

Forschungsstatistik I

Forschungsstatistik I Prof. Dr. G. Meinhardt 2. Stock, Nordflügel R. 02-429 (Persike) R. 02-431 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 2008/2009

Mehr

Abiturvorbereitung Stochastik. neue friedländer gesamtschule Klasse 12 GB Holger Wuschke B.Sc.

Abiturvorbereitung Stochastik. neue friedländer gesamtschule Klasse 12 GB Holger Wuschke B.Sc. Abiturvorbereitung Stochastik neue friedländer gesamtschule Klasse 12 GB 21.02.2014 Holger Wuschke B.Sc. Glücksspiel auf der Buchmesse Leipzig, 2013 Organisatorisches 1. Begriffe in der Stochastik (1)

Mehr

Berechnung von W für die Elementarereignisse einer Zufallsgröße

Berechnung von W für die Elementarereignisse einer Zufallsgröße R. Albers, M. Yanik Skript zur Vorlesung Stochastik (lementarmathematik) 5. Zufallsvariablen Bei Zufallsvariablen geht es darum, ein xperiment durchzuführen und dem entstandenen rgebnis eine Zahl zuzuordnen.

Mehr

Willkommen zur Vorlesung Statistik (Master)

Willkommen zur Vorlesung Statistik (Master) Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Wahrscheinlichkeit und Zufallsvorgänge Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften

Mehr

Stochastik I. Vorlesungsmitschrift

Stochastik I. Vorlesungsmitschrift Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................

Mehr

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren. 1. Zweimaliges Ziehen aus einer Urne (ohne Zurücklegen)

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren. 1. Zweimaliges Ziehen aus einer Urne (ohne Zurücklegen) Dr. Jürgen Senger INDUKTIVE STATISTIK Wahrscheinlichkeitstheorie, Schätz- und Testverfahren ÜUNG. - LÖSUNGEN. Zweimaliges Ziehen aus einer Urne (ohne Zurücklegen Die Urne enthält 4 weiße und 8 rote Kugeln.

Mehr

Wahrscheinlichkeitsrechnung und Quantentheorie

Wahrscheinlichkeitsrechnung und Quantentheorie Physikalische Chemie II: Atombau und chemische Bindung Winter 2013/14 Wahrscheinlichkeitsrechnung und Quantentheorie Messergebnisse können in der Quantenmechanik ganz prinzipiell nur noch mit einer bestimmten

Mehr

Appendix I: Eine etwas komprimierte Einführung in die Wahrscheinlichkeitstheorie

Appendix I: Eine etwas komprimierte Einführung in die Wahrscheinlichkeitstheorie Appendix I: Eine etwas komprimierte Einführung in die Wahrscheinlichkeitstheorie Vorbemerkung: Die folgenden Seiten sind nicht zur Abschreckung gedacht, sondern als Ergänzung zu den Darstellungen, die

Mehr

11 Unabhängige Ereignisse

11 Unabhängige Ereignisse 11 Unabhängige Ereignisse In engem Zusammenhang mit dem Begriff der bedingten Wahrscheinlichkeit steht der Begriff der Unabhängigkeit von Ereignissen. Wir klären zuerst, was man unter unabhängigen Ereignissen

Mehr

Grundlagen der Mengenlehre

Grundlagen der Mengenlehre mathe plus Grundlagen der Mengenlehre Seite 1 1 Grundbegriffe Grundlagen der Mengenlehre Def 1 Mengenbegriff nach Georg Cantor (1845-1918) Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener

Mehr

Kapitel 6. Kapitel 6 Mehrstufige Zufallsexperimente

Kapitel 6. Kapitel 6 Mehrstufige Zufallsexperimente Mehrstufige Zufallsexperimente Inhalt 6.1 6.1 Mehrstufige Experimente 6.2 6.2 Bedingte Wahrscheinlichkeiten Seite 2 6.1 Mehrstufige Experimente Grundvorstellung: Viele Viele Experimente werden der der

Mehr

Wahrscheinlichkeit und relative Häufigkeit

Wahrscheinlichkeit und relative Häufigkeit Wahrscheinlichkeit und relative Häufigkeit Elke Warmuth Humboldt-Universität Berlin Sommersemester 2010 1 / 25 1 Empirisches Gesetz der großen Zahlen Lehrbuchbeispiele Auswertung von Beobachtungen 2 Modell

Mehr

4 Diskrete Wahrscheinlichkeitsverteilungen

4 Diskrete Wahrscheinlichkeitsverteilungen 4 Diskrete Wahrscheinlichkeitsverteilungen 4.1 Wahrscheinlichkeitsräume, Ereignisse und Unabhängigkeit Definition: Ein diskreter Wahrscheinlichkeitsraum ist ein Paar (Ω, Pr), wobei Ω eine endliche oder

Mehr