Zufallsexperimente Grundbegriffe
|
|
- Minna Lange
- vor 7 Jahren
- Abrufe
Transkript
1 Q3 Mathematik LK Martin-Niemöller-Schule Stefan Krissel Zufallsexperimente Grundbegriffe Zufallsexperiment/Zufallsversuch Ein Zufallsexperiment (aka Zufallsversuch) ist ein Experiment, dessen Ausgang mit zur Verfügung stehenden Mitteln nicht vorhergesagt werden kann. Beispiele: Das Werfen einer Münze, eines Würfels o.ä. Das Ziehen eines Loses, einer Nummer aus einer Urne, der Lottozahlen o.ä. Sogar ein Fußballspiel oder jedes andere Spiel, dessen Ausgang nicht vorhergesagt werden kann Ergebnis Ein einzelner Ausgang eines Zufallsexperimentes heißt Ergebnis. Beispiele: Die 3 ist ein mögliches Ergebnis beim Würfeln. Die Niete ist ein mögliches Ergebnis beim Lose-Ziehen., 4, 3,, 34, 4; Zusatzzahl: 5; Superzahl 4 ist ein mögliches Ergebnis bei der Ziehung der Lottozahlen. 3: ist das mögliche Ergebnis eines Fußballspiels. Ergebnismenge Will man mehrere Ergebnisse zusammenfassen, schreibt man sie als Ergebnismenge mit geschwungenen Klammern {}: Alle ungeraden Zahlen beim Würfeln sind {, 3, 5}. Alle Zahlen des zweiten Drittels beim Roulette sind {3,..., 4}. Alle Ergebnisse, bei denen die Eintracht gewinnt {:0, :0,, 4:,, 6:3, } Q3 Mathematik LK Martin-Niemöller-Schule Stefan Krissel Gegenereignis Zu jedem Ereignis E gibt es ein Gegenereignis E = Ω \ E, das alle möglichen Ergebnisse enthält, die E nicht enthält. Beispiele in Bezug auf das Würfeln: Das Gegenereignis von Es wird eine gerade Zahl gewürfelt ist Es wird eine ungerade Zahl gewürfelt. Das Gegenereignis von Es fällt eine 4 ist Es fällt keine 4, bzw. Es fällt eine,, 3, 5 oder 6. Vereinigung von Ereignissen Man kann eine Vereinigung von Ereignissen bilden. Die Vereinigung der Ereignisse E und E wird so geschrieben: E E und meint eine Menge, die alle Ergebnisse beider Ereignisse enthält. Beispiel: E : Es wird eine gerade Zahl gewürfelt: {, 4, 6} E : Es wird eine Zahl kleiner als vier gewürfelt: {,, 3} In der Vereinigung sind nun alle Ergebnisse aus E und E enthalten. E E : {,, 3, 4, 6} Die Vereinigung eines Ereignisses mit seinem Gegenereignis ist immer der Ergebnisraum: E E = Ω Ergebnisraum Die Gesamtmenge aller möglichen Ergebnisse ist der Ergebnisraum, bezeichnet mit Omega: Ω Beim Würfeln mit einem Standard-Würfel ist der Ergebnisraum {,, 3, 4, 5, 6} Beim Werfen einer Euromünze ist der Ergebnisraum {Zahl, Adler} Schnitt von Ereignissen Der Schnitt von zwei Ereignissen E und E meint diejenigen Ergebnisse, die in beiden Ereignissen enthalten ist. Man schreibt ihn so: Ereignis Ein Ereignis E ist eine Ergebnismenge, die kein, ein, mehrere oder alle Ergebnisse eines Zufallsexperiments enthalten kann. Beispiele in Bezug auf das Drehen eines Roulette-Rades: Es kommt eine rote Zahl Die gezogene Zahl ist kleiner als 7 Es wird eine gerade Zahl gezogen Ereignisse mit nur einem Element (also einem einzigen Ergebnis) heißen Elementarereignisse. Das unmögliche Ereignis E = kann nicht eintreten, da es keine Ergebnisse enthält. Das sichere Ereignis E= Ω tritt auf jeden Fall ein, weil es alle möglichen Ergebnisse enthält. Zufallsexperimente Grundbegriffe Bild: Wikipedia Beispiel: E : Es wird eine gerade Zahl gewürfelt: {, 4, 6} E : Es wird eine Zahl kleiner als vier gewürfelt: {,, 3} E E : {} E E Der Schnitt eines Ereignisses mit seinem Gegenereignis ist immer das unmögliche Ereignis (leere Menge): E E = Wichtig: Die Zeichen + und kann man bei Mengen nicht verwenden!!! Zufallsexperimente Grundbegriffe
2 Q3 Mathematik LK Martin-Niemöller-Schule Stefan Krissel Q3 Mathematik LK Martin-Niemöller-Schule Stefan Krissel Aufgaben Regeln von de Morgan Wenn E und E Ereignisse eines Zufallsexperiments sind, dann gelten die folgenden Gleichungen: E E = E E Hinweis Es hat sich folgende Sprechweise eingebürgert: Wann immer in der Stochastik ein Gefäß benutzt wird, in dem sich irgendwelche Kugeln o.ä. befinden, spricht man von einer Urne. Man könnte natürlich auch Eimer, Schüsseln, Töpfe, Bierseidel oder Kokosnussschalen benutzen.. In einer Urne liegen 50 Kugeln, die ein kreativer Mensch von 50 durchnummeriert hat. Willi Winzig zieht eine E E = E E Kugel. Stelle die folgenden Ereignisse, bzw. deren Verbindungen als Ergebnismengen dar. Benutze bei den Schnitten und Vereinigungen zur Unterstützung ein Mengenbild. a. E : Die gezogene Nummer ist durch 9 teilbar. b. E : Die gezogene Nummer ist durch teilbar. c. E3 : Die gezogene Nummer ist durch 3 teilbar. d. E E Mengenbilder Zur Veranschaulichung von Ereignissen, Gegenereignissen usw. kann man Mengenbilder benutzen. e. E E3 f. Beispiel: Das folgende Mengenbild bezieht sich auf das Zufallsexperiment Würfeln eines Standard-Würfels. Dabei gilt:. Es wird gewürfelt! Bestimme jeweils die Gegenereignisse. a. E : Die Augenzahl ist mindestens 3. E ist das Ereignis, dass eine Zahl kleiner als vier gewürfelt wird: {,, 3} b. E : Die Augenzahl ist ungerade. E ist das Ereignis, dass eine ungerade Zahl gewürfelt wird: {, 3, 5} c. E3 : Die Augenzahl ist 5 oder 6. Mit dem Mengenbild kann man nun recht einfach den Schnitt und die Vereinigung, sowie die jeweiligen Gegenereignisse herausfinden: 6 E E E E 3 E E g. E E3 5 4 d. E4 : Die Augenzahl höchstens Nun geht es um Skat-Karten (7, 8, 9, 0, Bube, Dame, König, As; jeweils mit Kreuz, Pik, Herz und Karo). E ist das Ereignis, dass Kreuz gezogen wird. E ist das Ereignis, dass ein König gezogen wird. Stelle folgende Ereignis-Verknüpfungen in der Mengen-Schrreibweise dar und beschreibe sie: a. E E b. E E c. E E d. E E Hier noch einmal alle hier beteiligten Ereignisse und deren Verbindungen als Ergebnismengen: E : {,, 3} E : {, 3, 5} E : {4, 5, 6} E : {, 4, 6} E E : {,, 3, 5} E E : {, 3} E E = E E : {4, 6} E E = E E : {, 4, 5, 6} 4. Nun wird es allgemeiner: Stelle die graue Fläche schriftlich als Verknüpfung (Vereinigung und Schnitt, sowie Kombinationen davon) der Ereignisse E und E dar. Diese Aufgaben wurden größtenteils aus dem Mathematik-Buch 3. übernommen, und zwar S. 3, Ü. 4, 6, 8, 9 Zufallsexperimente Grundbegriffe 3 Zufallsexperimente Grundbegriffe 4
3 Q3 Mathematik LK Martin-Niemöller-Schule Stefan Krissel Häufigkeiten und Wahrscheinlichkeiten Bevor wir viele lustige Wahrscheinlichkeiten ausrechnen, müssen wir uns zunächst einmal damit befassen, was eine Wahrscheinlichkeit überhaupt ist. Dazu blicken wir zunächst auf Absolute und relative Häufigkeiten siehe Buch, S. 6 9 Beispiel Angenommen, man wirft eine Euro-Münze 80mal. Dabei kommt 4mal die Zahl. Dann ist k=4 die absolute Häufigkeit des Ergebnisses Zahl und k 4 = = 0,55die relative Häufigkeit des Ergebnisses Zahl. n 80 Q3 Mathematik LK Martin-Niemöller-Schule Stefan Krissel Wahrscheinlichkeiten Bitte auch den Text und die Definition auf Seite 0 lesen! Wahrscheinlichkeit eine Arbeitsdefinition Die Wahrscheinlichkeit eines Ereignisses ist der zu erwartende Stabilisierungswert für die relative Häufigkeit des Ereignisses, wenn die Anzahl der Versuchsdurchführungen n gegen Unendlich läuft. Merke: Jede Wahrscheinlichkeit eines Ereignisses beträgt aufgrund der obigen Definition mindestens 0 (dann ist das Ereignis unmöglich) und höchstens (dann ist das Ereignis sicher). Laplace-Wahrscheinlichkeiten Bitte Texte auf Seite und 3 lesen! Definitionen Bei einem Zufallsexperiment mit n Versuchen, bei dem k-mal ein bestimmtes Ereignis eintritt, definiert man also a (E) = k als die absolute Häufigkeit des Ereignisses n Bei einem Laplace-Experiment sind alle Ergebnisse/Elementarereignisse gleich wahrscheinlich. Beispiele Einmaliges Werfen eines Würfels Ziehen einer Zahl beim Roulette k h n(e) = n als die relative Häufigkeit des Ereignisses Für die Wahrscheinlichkeit eines beliebigen Ereignisses E bei einem Laplace-Experiment gilt: Gesetz der großen Zahlen Wird z.b. eine Münze sehr oft geworfen, kann man davon ausgehen, dass in etwa bei der Hälfte aller Würfe Zahl das Ergebnis ist. Man sagt dann, dass sich die relative Häufigkeit bei 0,5 stabilisiert. Aufgaben. Erläutere schlüssig die einzelnen Ziffern des Satzes I. auf Seite 9 mit eigenen Worten.. Übungen: Seiten 7 9 Zu erledigen bis Hinweise 0 Siehe Beispiel auf S. 6 7 Kein Hinweis. Das läuft auch so. 5 Bei den Beweisen darf man ganz formal nur die Definitionen und den Satz I. 6 von Seite 9 benutzen! Anzahl der in E enthaltenen Ergebnisse E P(E) = = Anzahl der im Ergebnisraum enthaltenen Ergebnisse Ω Aufgaben Seiten 4 6 Zu erledigen bis Hinweise 9 Bei d ist wirklich mit Sicherheit gemeint. Bezug zur Studienfahrt! Tripel = Dreiergrüppchen Tipp: Erst zeichnen! 4 Keiner.
4 ! #!!%! &! %!! # %( (! )!%% +! #!,.%/&!,&!,!(! % 0 %,%.!! +,,, %. 00! %! / 56 ) 0/ 0(,!/ 57 5.,, %,, 0!,,%8,!(9 53 :, ;( < = ; ( < (. 4 >0!!! #!!%! &! %!! # %( (! )!%% +! #!,.%/&!,&!,!(! % 0 %,%.!! +,,, %. 00! %! / 56 ) 0/ 0(,!/ 57 5.,, %,, 0!,,%8,!(9 53 :, ;( < = ; ( < (. 4 >0!!
5 ! # %& % () & ())()( % ( +,% & ).& )/0() & % 3# )% ) #) ) 4)( / )(/)& /5& &67()/ 5/ & %7 ) 3# 8 9/,. ) )) )5() & (/7& 6( ) )() )!()/! > > ( / (:) %) ; )& ( &(<)(/=) )))(#,& 6) %;()/<& &. )& =))%/5(/)/(7 )=)&. )=()) : /)))??!?? ( / ( / 8). ) & )4 ) )= / ))& & 3/ ) /4) ) # % )) & ()6 / ( )& 3# (/()( 3%/ (#(3 #() 65() 7 )) &(& %()/ ( /&) /#(( / (/. 6()).:& ) &% 9 ) #)/) ) )& /.), % %) 9 ) #)/) ) 4).)5&3 &((& 9/ :#( /4 :/) 7 Α :Β(Β( 8/ ) = ().&&,%/)9/&)Χ (.:# Ε)Χ Α ΦΑ? & Γ(/( /;Γ(/( Η(<#((())),)9)& &(,& %/Ι/ &#(/ ; ()( &ϑ< ; <
6 !!# % & ()( +%, ( &. /0 (. /(...(( 3 /) /( 0( 4 &. 5 /( 6 /7 /)5 )0./.../ /(.... 5( / 89: ; <=;3 89; < = ; 8< ;9 < =.. (> 0 /?! # %%.((. / /. / :). 0 (& Α /.. 5( %%. / /3.(Α 4, / &/ ( / >. /) 0Β/ Χ ) 5( & Α & ( &,. 0 4.((. /( Β=#4)Χ& (& &.. ) Β4)Χ(,. 3 4
7 & %% + +Ε >. 5( &/ 0 7. /. /40 (,.. + Β ΓΧ + ( # # < 9 # < 9 < 88 # 8 8Φ 8 ; 8 ; 8 ;! # % & (!! ) +, %%.((04 +. > 5(!. / 0 # 5! # %& 6. ϑ, 6 ; Χ, (! Η < & / Ι # ( ) 0 6,( Ε ( 8Φ 6 ( 8< :ΙΑ :..( ;8 ;= 5 Ι!!) # %& Κ,% % / 6ΒΧ >.( 8 & /( ;.)/) /. 3!./ Η=ΗΗ( Η.((. (
8 Q3 Mathematik LK Martin-Niemöller-Schule Stefan Krissel Bedingte Wahrscheinlichkeiten Q3 Mathematik LK Martin-Niemöller-Schule Stefan Krissel Die Wahrscheinlichkeiten von eben kann man unmittelbar aus dem Baum ablesen. Wenn es jedoch zu umständlich ist, einen Baum zu zeichnen, kann man folgende Rechenregel anwenden: Buch S PB (A) = P(A B) P(B) Grundlagen Hier geht es darum, dass innerhalb eines mehrstufigen Zufallsexperiments die Resultate einer Stufe Einfluss auf die Wahrscheinlichkeiten in der zweiten Stufe haben kann Nehmen wir an, wir haben eine Urne mit acht Kugeln, 5 roten und 3 blauen, und ziehen zweimal ohne Zurücklegen. Dann ergibt sich der folgende Baum: rot 3 7 blau 5 7 rot rot woraus man durch einfache Gleichungsumformung den Produktsatz/Multiplikationssatz gewinnen kann: PB (A) P(B) = P(A B) Selbstverständlich gilt: P(B)> In unserem Beispiel würde dann z.b. gelten: Pblau(rot) = 8 7 = (W keit, dass im zweiten Wurf rot kommt, unter der Bedingung, dass zuerst blau kam) Start 3 8 Stochastische Unabhängigkeit blau 7 Buch, S Eine stochastische Arbeit ist es, Ereignisse darauf zu überprüfen, ob sie überhaupt abhängig sind. Ist dies nicht der Fall, sind sie unabhängig und es gilt: blau Es ist offensichtlich, dass die Wahrscheinlichkeit, im zweiten Wurf eine rote Kugel zu ziehen, davon abhängt, was im ersten Zug gezogen wurde. Das Resultat des ersten Zugs bedingt also die Chancen im zweiten Zug. Definition Zwei Ereignisse A und B heißten stochastisch unabhängig voneinander, wenn Folgendes gilt: PB (A) = P(A) und PA (B) = P(B) Schreibwesen/Beispiele 5 7 für die Wahrscheinlichkeit, dass rot kommt, unter der Bedingung, dass zuerst blau kam. Man schreibt: Pblau(rot) = Praktischerweise gelten bei stochastisch unabhängigen Ereignissen die folgenden vereinfachten Rechenregeln Multiplikationssatz für stochastisch unabhängige Ereignisse (und nur für diese!) P(A B) = P(A) P(B) 4 Und Prot (rot) = 7 Additionssatz für stochastisch unabhängige Ereignisse (und nur für diese!) P(A B) = P(A) + P(B) P(A B) = P(A) + P(B) P(A) P(B) für die Wahrscheinlichkeit, dass im zweiten Wurf rot kommt, unter der Bedingung, dass zuerst auch rot kam. Es geht weiter mit der totalen Wahrscheinlichkeit Bedingte Wahrscheinlichkeiten Bedingte Wahrscheinlichkeiten
9 Q3 Mathematik LK Martin-Niemöller-Schule Stefan Krissel Die totale Wahrscheinlichkeit Wenn man z.b. wissen möchte, wie groß insgesamt die Wahrscheinlichkeit dafür ist, das irgendein Ereignis eintritt, egal, unter welcher Bedingung, muss man folgenden Satz anwenden (man mache ihn sich am Baum klar): Q3 Mathematik LK Martin-Niemöller-Schule Stefan Krissel Die totale Wahrscheinlichkeit Wenn man z.b. wissen möchte, wie groß insgesamt die Wahrscheinlichkeit dafür ist, das irgendein Ereignis eintritt, egal, unter welcher Bedingung, muss man folgenden Satz anwenden (man mache ihn sich am Baum klar): Der Satz von der totalen Wahrscheinlichkeit P(A) = P(B) P (A) + P(B) P (A) Voraussetzung ist, dass alle vorkommenden Wahrscheinlichkeiten ungleich Null sind. B B Der Satz von der totalen Wahrscheinlichkeit P(A) = P(B) P (A) + P(B) P (A) Voraussetzung ist, dass alle vorkommenden Wahrscheinlichkeiten ungleich Null sind. B B Die Formel von Bayes Wenn man alle bisherigen Definitionen und Sätze zusammenführt, ergibt sich die Formel von Bayes: Die Formel von Bayes Wenn man alle bisherigen Definitionen und Sätze zusammenführt, ergibt sich die Formel von Bayes: P (A) B P(A) P (B) P(A) P A(B) P(B) P(A) P (B) + P(A) P (B) A = = A A P (A) B P(A) P (B) P(A) P A(B) P(B) P(A) P (B) + P(A) P (B) A = = A A Aufgabe: Beweise die Formel von Bayes mithilfe der vorigen Definitionen und Sätze. Aufgabe: Beweise die Formel von Bayes mithilfe der vorigen Definitionen und Sätze. Aufgaben Seite, Übung Zu erledigen bis Seite, Übung Zu erledigen bis Abhängigkeit Einfache Bed. S. 7 Ü. 8 S. 88 Ü. S. 7 Ü. 9 S. 93 Ü. 5 Totale W. S. 7 Ü. 0 S. 93 Ü. 6 S. 78 Ü. S. 94 Ü. 3 S. 83 Ü. 8 S. 96 Ü. S. 85 Ü. 3 S. 98 Ü. S. 87 Ü. 6 S. 0 Ü. 7 Bayes S. 87 Ü. 8 S. 0 Ü. 9 Aufgaben Seite, Übung Zu erledigen bis Seite, Übung Zu erledigen bis Abhängigkeit Einfache Bed. S. 7 Ü. 8 S. 88 Ü. S. 7 Ü. 9 S. 93 Ü. 5 Totale W. S. 7 Ü. 0 S. 93 Ü. 6 S. 78 Ü. S. 94 Ü. 3 S. 83 Ü. 8 S. 96 Ü. S. 85 Ü. 3 S. 98 Ü. S. 87 Ü. 6 S. 0 Ü. 7 Bayes S. 87 Ü. 8 S. 0 Ü. 9 Bedingte Wahrscheinlichkeiten 3 Bedingte Wahrscheinlichkeiten 3
10 Q3 Mathematik LK Martin-Niemöller-Schule Stefan Krissel Buch S. 06 bis 35 Grundbegriffe Begriffe und Definitionen Eine Zufallsgröße oder Zufallsvariable ist eine eindeutige Zuordnung (Funktion) X : Ω R, die jedem Ergebnis eines Zufallsversuchs eine reelle Zahl zuordnet. X = x i ist ein Ereignis, das alle Ergebnisse enthält, bei dem X den Wert xi annimmt. Zufallsgrößen Zufallsgrößen Passende Beispiele Beim Würfeln wird jeder Augenzahl eine bestimmte Gewinnsumme zugeordnet, z.b.: 6 3, 5 3, 4 0, 3,50,,50,,50, X =,50 wären alle Ergebnisse, bei denen der Spieler,50 Euro gewinnt. Möchte man die Wahrscheinlichkeitsverteilung der Beim unserem Würfel-Beispiel sähe die Wahrscheinlichkeitsverteilung so aus: Zufallsgröße X herausfinden, so muss man jedem möglichen Wert x i, den X ja annehmen kann, eine Wahrscheinlichkeit P(X = x P(X = 3 Euro) = = i) zuordnen. 6 3 P(X = 0 Euro) = 6 3 P(X =,50 Euro) = = 6 Der Erwartungswert Wenn man ein Spiel spielt, interessiert den Spieler natürlich, welchen Gewinn/Verlust er zu erwarten hat, wenn er das Spiel recht lange spielt. Diesen Erwartungswert kürzt man E(X) oder dem griechischen Buchstaben µ (Mü) ab. Nehmen wir an, es gäbe m verschiedene Ergebnisse, die die Zufallsgröße annehmen kann, dann ist der Erwartungswert: µ = E(X) = x P(X = x ) + x P(X = x ) + x P(X = x ) x P(X = x ) + x P(X = x ) m = x P(X = x ) i= i 3 3 m m m m i Beispiel In dem Beispiel aus der obigen Tabelle wäre der Erwartungswert µ = E(X) = ( 3) + 0 +,5 = ,75 = 0,5 3 6 Der Spieler hat also langfristig mit einem Verlust von 5 Cent pro Spiel zu rechnen. Q3 Mathematik LK Martin-Niemöller-Schule Stefan Krissel Varianz und Standardabweichung Man möchte beim Spielen natürlich nicht nur wissen, wie groß der Erwartungswert ist, sondern auch, wie weit die tatsächlich zu erwartenden Gewinne/Verluste von diesem abweichen. Bei einem Spiel mit dem Erwartungswert Null kann es ja der Fall sein, dass man einmal einen Euro gewinnt und ein andermal einen Euro verliert, es kann aber auch sein, dass man einmal eine Million Euro gewinnt und ein andermal den gleichen Betrag verliert. Deshalb gibt es Maßzahlen, die Aufschluss darüber geben sollen, wie weit die tatsächlichen Ergebnisse etwa um den Erwartungswert streuen. Dabei muss man wissen, dass es sich hierbei nicht um Zahlen handelt, aus denen man präzise Rückschlüsse über tatsächliche Ergebnisse ziehen kann, sondern dass auch sie nur eine Orientierung bieten. Definition/Berechnung der Varianz Man muss wissen, dass die Berechnungsgrundlage für die Varianz zwar nicht willkürlich ist, aber doch ein ganzes Stück auf Erfahrung und praktischen Erfordernissen beruht. Sie kann nicht aus irgendetwas hergeleitet werden, sie wird definiert als: V(X) = (x µ ) P(X = x ) + (x µ ) P(X = x ) (x µ ) P(X = x ) n n n (x i ) P(X x i) i= = µ = Definition/Berechnung der Standardabweichung Die Standardabweichung wird definiert als die Quadratwurzel aus der Varianz: σ (X) = Die Standardabweichung ist so etwas wie der Erwartungswert der Abweichung vom Erwartungswert, tatsächliche Ergebnisse werden also im Mittel um die Standardabweichung vom Erwartungswert abweichen. Zufallsgrößen V(X) Wenn ihr irgendwann einmal Psychologie studiert, werdet ihr diese beiden Größen zu schätzen wissen. Die Ungleichung von Tschebyschew siehe Buch, Seite 5ff Mithilfe der Ungleichung von Tschebyschew kann man abschätzen, wie wahrscheinlich eine bestimmte Abweichung vom Erwartungswert ist. σ σ µ = P( X c) c c Es geht hier um die Wahrscheinlichkeit, dass die Zufallsgröße X einen Wert annimmt, der mindestens um c von dem Erwartungswert µ abweicht. Äquivalent dazu ist die Ungleichung σ σ µ < = P( X c) c c
11 Q3 Mathematik LK Martin-Niemöller-Schule Stefan Krissel Kombinationen von Zufallsgrößen siehe Buch, S. 9ff Bisher haben wir innerhalb eines Zusammenhangs nur mit einer Zufallsgröße gearbeitet. Doch man kann Zufallsgrößen auch kombinieren! Gerechnet wird dabei ähnlich wie mit Wahrscheinlichkeiten. Unabhängige Zufallsgrößen Hierbei geht es um Zufallsgrößen, die keinen Einfluss aufeinander haben, z.b. kann es bei X um Ergebnisse eines Würfels und bei Y um die eines Glücksrades gehen. Mit solchen Größen befassen wir uns in der Hauptsache. Seien X und Y Zufallsgrößen mit den Wertemengen {x,...,x n} und {y,...,y m}, dann heißen X und Y unabhängig, wenn für alle möglichen Paare (x i,y j)folgendes gilt: P(X = x i,y = y j) = P(X = x i) P(Y = y j) Hierbei wird die bekannte Pfadregel für Wahrscheinlichkeitsbäume ausgenutzt. Siehe Beispiel auf Seite 30. Erwartungswert und Rechenregeln Für Summen und Produkte von Zufallsgrößen lassen sich einfach Erwartungswerte bilden vorausgesetzt, die Zufallsgrößen X und Y sind unabhängig voneinander. E(X + Y) = E(X) + E(Y) E(X Y) = E(X) E(Y) Die Rechenregeln zu Erwartungswert und Varianz bitte ich auf S, 33 nachzulesen, man beachte unbedingt auch die Begründungen. Aufgaben Seite, Übung Zu erledigen bis Seite, Übung Zu erledigen bis W-Vert. Erwartungswert Spielstr. Varianz S. 08, A. Zufallsgrößen 3 Varianz S. 4, A. 5 S. 09, A. 5 S. 4, A. 6 S., A. Tschebyschew S. 7, A. S. 3, A. 3 S. 7, A. S. 3, A. 5 S. 7, A. 3 S. 4, A. 8 S. 8, A. 6 S. 6, A. 9 Kombinationen S. 30, A. S. 0, A. S. 34, A. 3 S., A. 3 S. 34, A. 5 S. 3, A. S. 34, A. 7 S. 4, A. S. 35, A. S. 4, A. 3 S. 35, A. Q3 Mathematik LK Martin-Niemöller-Schule Stefan Krissel Kombinationen von Zufallsgrößen siehe Buch, S. 9ff Bisher haben wir innerhalb eines Zusammenhangs nur mit einer Zufallsgröße gearbeitet. Doch man kann Zufallsgrößen auch kombinieren! Gerechnet wird dabei ähnlich wie mit Wahrscheinlichkeiten. Unabhängige Zufallsgrößen Hierbei geht es um Zufallsgrößen, die keinen Einfluss aufeinander haben, z.b. kann es bei X um Ergebnisse eines Würfels und bei Y um die eines Glücksrades gehen. Mit solchen Größen befassen wir uns in der Hauptsache. Seien X und Y Zufallsgrößen mit den Wertemengen {x,...,x n} und {y,...,y m}, dann heißen X und Y unabhängig, wenn für alle möglichen Paare (x i,y j)folgendes gilt: P(X = x i,y = y j) = P(X = x i) P(Y = y j) Hierbei wird die bekannte Pfadregel für Wahrscheinlichkeitsbäume ausgenutzt. Siehe Beispiel auf Seite 30. Erwartungswert und Rechenregeln Für Summen und Produkte von Zufallsgrößen lassen sich einfach Erwartungswerte bilden vorausgesetzt, die Zufallsgrößen X und Y sind unabhängig voneinander. E(X + Y) = E(X) + E(Y) E(X Y) = E(X) E(Y) Die Rechenregeln zu Erwartungswert und Varianz bitte ich auf S, 33 nachzulesen, man beachte unbedingt auch die Begründungen. Aufgaben Seite, Übung Zu erledigen bis Seite, Übung Zu erledigen bis W-Vert. Erwartungswert Spielstr. Varianz S. 08, A. Zufallsgrößen 3 Varianz S. 4, A. 5 S. 09, A. 5 S. 4, A. 6 S., A. Tschebyschew S. 7, A. S. 3, A. 3 S. 7, A. S. 3, A. 5 S. 7, A. 3 S. 4, A. 8 S. 8, A. 6 S. 6, A. 9 Kombinationen S. 30, A. S. 0, A. S. 34, A. 3 S., A. 3 S. 34, A. 5 S. 3, A. S. 34, A. 7 S. 4, A. S. 35, A. S. 4, A. 3 S. 35, A.
12 Q3 Mathematik LK Martin-Niemöller-Schule Stefan Krissel Buch S Binomialverteilung Bernoulli-Ketten & Binomialverteilung Grundlagen Definitionen Ein Bernoulli-Experiment ist dadurch gekennzeichnet, dass es nur zwei zu unterscheidende Ausgänge hat. Wenn man ein solches Experiment n-mal wiederholt und dabei die Trefferwahrscheinlichkeit p immer gleich bleibt, hat man eine Bernoulli-Kette der Länge n. In einer Bernoulli-Kette können ja maximal n Treffer vorkommen. Wenn die Zufallsgröße X die Anzahl der Treffer ist, wird die Wahrscheinlichkeitsverteilung von X als Binomialverteilung bezeichnet. Die Formel von Bernoulli Für eine Bernoulli-Kette legt man zunächst fest: n = Länge der Kette, also Anzahl der Versuche p = Trefferwahrscheinlichkeit k = Anzahl der Treffer Dann kann man die Wahrscheinlichkeit für k Treffer in dieser Kette mit der Bernoulli-Formel berechnen: Erwartungswert und Varianz n k k n k P(X = k) = B(n; p; k) = p ( p) Aufgrund der Regelmäßigkeit der Binomialverteilung sind Erwartungswert und Varianz sehr einfach zu berechnen. Herleitung: Siehe S. 53. Q3 Mathematik LK Martin-Niemöller-Schule Stefan Krissel Aufgaben Seitenbereich Aufgaben Zu erledigen bis Hinweise Grundlagenaufgaben Darstellung, Erwartungswert, Varianz, Standardabweichung Dies und das Zwei Ausgänge, gleichbleibendes p! Mindestens, genau usw. sind relevante Wörter! 3 Bei c braucht man mal wieder eine Variable. 5 Otto = Sheldon. 8 Von Alfred Tetzlaff gab es früher eine Fernsehsendung. 7 Zu spät. Die NASA hat sie ins Museum gestellt. GeoGebra benutzen und ausdrucken gilt nicht. Geht schnell. 3 Ebenso. 4 Ein Extremalproblem? Wie groß ist die Wahrscheinlichkeit einer Verspätung? 3 Gewissermaßen P(X=E(X)) 5 Auf das nicht achten und umformulieren! Ein paar Bildchen aus der reichhaltigen Office-Clipart-Galerie: µ = E(X) = n p V(X) = n p ( p) Kumulierte Binomialverteilung Häufig interessiert es nicht so sehr, wie groß die Wahrscheinlichkeit für genau k Treffer ist, sondern wie hoch die Wahrscheinlichkeit z.b. für höchstens k Treffer ist. Dann muss man die kumulierte Binomialverteilung benutzen: n k k i n i P(X k) = F(n; p; k) = B(n; p; i) = p ( p) i= 0 i= 0 i Der Klugscheißerspruch zum Abschluss: Es heißt Binomial, nicht Binominal. Binomialverteilung Binomialverteilung
13 Q3 Mathematik LK Martin-Niemöller-Schule Stefan Krissel Buch S. 60 bis 84 Beurteilende Statistik Die σ Umgebung der Erwartungswertes bei Bernoulli-Ketten Es ist für einen Versuchsdurchführenden bisweilen interessant zu wissen, wie groß die Wahrscheinlichkeit ist, dass sich die Ergebnisse seines Versuches innerhalb einer bestimmten Umgebung um den Erwartungswert befinden. Auf Basis mannigfaltiger empirischer Erfahrungen hat sich herausgestellt, dass die folgenden Werte für Bernoulli-Ketten gute Orientierungen bieten und nahe an der Realität liegen. Unter der (Laplace-)Bedingung, dass σ = n p ( p) > 3 erfüllt ist, gilt: Bitte unbedingt Beispiele auf S. 68f lesen und begreifen! Bezeichnungen Beurteilende Statistik Die Werte von X (Anzahl Treffer) fallen zu etwa 68% ins Intervall [ µ σ ; µ + σ] 95,5% ins Intervall [ µ σ ; µ + σ] 99,7% ins Intervall [ µ 3 σ ; µ + 3 σ] Signifikante Abweichungen So bezeichnet man Abweichungen, die um mehr als das Doppelte der Standardabweichung (also σ) vom Erwartungswert abweichen. Hochsignifikante Abweichungen So bezeichnet man Abweichungen, die um mehr als das Dreifache der Standardabweichung (also 3σ ) vom Erwartungswert abweichen. Die n σ Umgebung der Trefferwahrscheinlichkeit Gilt auch nur für Bernoulli-Ketten. Genauso, wie man oben die Wahrscheinlichkeit dafür angeben konnte, dass sich die Trefferzahl in einem bestimmten Intervall, eben einer Sigma-Umgebung um den Erwartungswert, befindet, kann man jetzt auch eine Wahrscheinlichkeit dafür angeben, dass sich eine bestimmte relative Häufigkeit innerhalb einer bestimmten Sigma-Umgebung um die Trefferwahrscheinlichkeit herum befindet. Die Werte von X (relative Trefferhäufigkeit) fallen zu etwa n 68% ins Intervall σ σ [p ;p + ] Unter der (Laplace-)Bedingung, dass n n σ = n p ( p) > 3 erfüllt ist, gilt: σ σ 95,5% ins Intervall [p ;p + ] n n 3σ 3σ 99,7% ins Intervall [p ;p + ] n n Man kann sich schnell davon überzeugen, dass für diese Werte einfach die Werte aus der Tabelle ganz oben durch n geteilt wurden. Q3 Mathematik LK Martin-Niemöller-Schule Stefan Krissel Bernoulli-Gesetz der großen Zahlen Je größer bei einer Stichprobe n ist, desto kleiner werden bei gleichem p die Sigma-Umgebungen, 3σ 3σ z.b. [p ;p + ], in denen sich die relative Häufigkeit X um die Trefferwahrscheinlichkeit p befindet. Wie n n n X auf den Seiten 74f genauer ausgeführt, ergibt sich dadurch der Grenzwert limp p < ε = n n Diese Gleichung sagt nichts anderes, als dass die sich relative Häufigkeit bei sehr großem n der Wahrscheinlichkeit annähert. Das Gesetz ist der Grund, dass man z.b. aussagekräftige Umfrageresultate bei größeren Stichproben erhält. Tschebyschew sche Ungleichung für Bernoulli-Ketten Sie ergibt sich, indem man die gewöhnliche Tschebyschew-Gleichung durch n teilt. Es gilt entsprechend: Konfidenzintervalle P X p ε n 4nε Beurteilende Statistik c ε = n Begriff: Von lat. confidentia = Vertrauen. Manchmal ergibt sich die verdrießliche Situation, dass man gar nicht weiß, wie wahrscheinlich irgendetwas ist, z.b. wenn es um Einschaltquoten im Fernsehen geht. Niemand kann die tatsächlichen Zuschaueranteile einer Sendung messen, aber man kann auf Basis einer ausreichend großen Stichprobe Aussagen darüber machen, wie viele Menschen eine Sendung wahrscheinlich verfolgt haben. Man geht zusammengefasst so vor: Zunächst wählt man eine möglichst große Stichprobe und befragt die Menschen, ob sie z.b. das Fußballspiel am Dienstag gesehen haben. Es ergibt sich eine relative Häufigkeit X n. Nun weiß man, dass mit einer 99,7%-igen Wahrscheinlichkeit die ermittelte relative Häufigkeit X sich in einer n 3σ -Umgebung befinden um die tatsächliche Trefferwahrscheinlichkeit p befinden muss. Also kann man um- n gekehrt auch sagen, dass sich die tatsächliche Trefferwahrscheinlichkeit in einer 3 nσ -Umgebung um die relative Häufigkeit befinden muss. Das sich ergebende Intervall um die relative Häufigkeit herum ist das Konfidenzintervall. Aufgaben (verpflichtend) Seite, Übung Zu erledigen bis Seite, Übung Zu erledigen bis Sigma-Umgebung Sigma/n 66 G.D.g.Z Konfidenzintervalle
14 ! # % &% () %% +,. /+0. #!,, % ) % 3 #,5%+ % % % 3 ) 6 %+, 7 %8 6 %& ) +, )+ 0 / % 3 )6), / % 3 ) 4 % % ) 4%% 3%%& %6) %6,% ,% %3+ 0 8:% % % % )% ; <6=69 >, 6. 6?,%%,) % 9.%3,)>(,? 0/ % 3 )6), 9 63% % ;. %9 0/ % 3 ) + 5%+ %,. )% 6% 37 %%% %& 6) /6 6%.% % ),6 % 9 % 6097 ) 3 % 6%& 6 6Β% )% %& %, 3 )%;6. 6,3%5 %+ 9%& 7, 6,,)% ( # 9 % 7 9 % 7, (, ( # #!! # 08 )% 6 3 % % ;, %( 3,7 6,,%/ Χ,%( % 6 7+ /% %&%,.,,% 6,, /% %&%,,% 6, % ;3 6 9 % 7 9 % 7 ( % ;3 6 ( # %5 % ) %,+) 5 %ΑΑ7 7 )++! 46) #) + 6% %. (7% %8 %+.)% 3 ),% + %Α 0 # # 96 Ε Ε + 8 %%5 ),.,
15 #),+ (7% %8 %+ 3 ) 66,%.0 # %% %% /8 %:% %% ),.,,% 6 %%%% /%( 6,%% % (, # %(, +,7%. 5%+ %. % % 3 ) /, % ) 9,7%%56 % %, %8 / %, 3 ) 6 / % 3 ) 6 /5%(, )% )% 37% 5 %% ( 6) Φ %5Γ6, >#Η?%Γ,>ΕΙ? % %6 ) & % 8 %, 3 ) % 6 6 (((6) / 3 %6 3 )% %8 %%; 6 6 )/6) %% +! # % %Γ % 8 /8 7%% ) % 6 %8 7% % %, ) %,,%%( +, 3 /,%. /(,%=% / 5+ 6 % 3 )7 6 %,, %.)% 6 6%,%+,)3 %,7 8 7( /6% %. %,% 7%66.& %8 6%( 6. %%8 7%9. 8 %76%.,% %+%8 7%9.8 %%. 6, 8,%Γ6,0 # # /%,% %< % & %. ++,) 8 %% )% 6% 3% 666% %% )% 3%! # # 4
16 ,)%,= ) Α+ % #. / %,%%+, =%9+% 7 %Γ> %; 6? %../%,% 6 9Χ% % & () (! +, % )+ =%,%6, 3%.) 3 )%6 ; 6 0 %/ ) 3%+, ) /7 +0, 0; /,)%.) % 3 )ϑ ) + / ) % Κ+, 0;;;; %.) Η, # 6 =%9+%8 7%6 Κ+ %&+ %% %&+ %%. 0, %, 6 % #. / =%/ Η %0 8%, 3 + % 3, %. % 5 Κ+&+,,&+ /, 8%%,. ) ) + %% Κ+&+ 7,,&+ Ε Χ 06 +,%. ) ) %) ) 6;+7 6%%Χ % ) %6%%Γ 9(+ %,;7.,%! ( 0 ϑ( 8% 6,, ( # ϑ(! /8 %,. ) 0! # #. Λ 6 ) # Ι Λ# # Λ Κ # Η Λ! # Η# Λ! #! Λ # # ΙΕ 8%; %Κ+ 7 ) + ;7, 0
17 ! # %& ()%( ) ( +, %. %/ %% %+) %%0,# % )%%. %%. %,, %3%%% 4 5 )% (67%%8( 59 % %,(5: 8%%,)% %/0%7;8 < %(7)%%8 + %)=9 3(%%%>! 3+)% %?% )%89 8 %+ 3 9& 3+,,(# =9 6 Α4%8 0 % Α Β( %%> % % 8 Χ%%)% 0 %)%5 7(Α 3+,,# =9 6?Β/.Ε/ %( Α # % 3 9& Χ%%)% 0 %,)%5 7(Α 3#,. %> ;< %. (! #!! #! Φ Γ Φ% Η Ι Γϑ ΗΦ Ι 3%,% ((4%3,%5Ε
Zufallsexperimente Grundbegriffe
Zufallsexperimente Grundbegriffe Zufallsexperiment/Zufallsversuch Ein Zufallsexperiment (aka Zufallsversuch) ist ein Experiment, dessen Ausgang mit zur Verfügung stehenden Mitteln nicht vorhergesagt werden
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)
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)
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
Zufallsvariable X. 30 e. 40 e = 33,33...% 6
Zufallsvariable Wir führen ein Zufallsexperiment mit Ergebnisraum Ω durch. Eine Zufallsvariable X ordnet jedem möglichen Ergebnis einen Zahlenwert zu. Eine Zufallsvariable ist also eine Funktion X : Ω
3.3 Bedingte Wahrscheinlichkeit
28 3.3 Bedingte Wahrscheinlichkeit Oft ist die Wahrscheinlichkeit eines Ereignisses B gesucht unter der Bedingung (bzw. dem Wissen), dass ein Ereignis A bereits eingetreten ist. Man bezeichnet diese Wahrscheinlichkeit
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
Abitur 2015 Mathematik Stochastik IV
Seite 1 http://www.abiturloesung.de/ Seite 2 Abitur 201 Mathematik Stochastik IV In einer Urne befinden sich vier rote und sechs blaue Kugeln. Aus dieser wird achtmal eine Kugel zufällig gezogen, die Farbe
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
Ist P(T) = p die Trefferwahrscheinlichkeit eines Bernoulli-Experiments,
. Binomialverteilung ==================================================================.1 Bernoulli-Experimente und Bernoullikette -----------------------------------------------------------------------------------------------------------------
1 Grundlagen Wahrscheinlichkeitsrechung
1 Grundlagen Wahrscheinlichkeitsrechung 1.1 Grundbegriffe Alle möglichen Ereignisse eines Zufallsexperiments fassen wir in einer Ereignismenge Ω zusammen. Ereignisse sind Teilmengen von Ω. Umfasst das
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
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
Biostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 stheorie: Grundbegriffe Prof. Dr. Achim Klenke http://www.aklenke.de 5. Vorlesung: 25.11.2011 1/33 Inhalt 1 Zufallsvariablen 2 Ereignisse 3 2/33 Zufallsvariablen Eine Zufallsvariable
Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist.
.3. Stochastik Grundlagen Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist. Die RELATIVE HÄUFIGKEIT einer Merkmalsausprägung gibt an mit welchem Anteil
Grundwissen zur Stochastik
Grundwissen zur Stochastik Inhalt: ABHÄNGIGE EREIGNISSE...2 ABHÄNGIGKEIT UND UNABHÄNGIGKEIT VON ERGEBNISSEN...2 ABHÄNGIGKEIT UND UNABHÄNGIGKEIT VON MERKMALEN IN VIERFELDERTAFELN...2 ABSOLUTE HÄUFIGKEIT...2
Stochastik Grundlagen
Grundlegende Begriffe: Zufallsexperiment: Ein Experiment, das beliebig oft wiederholt werden kann. Die möglichen Ergebnisse sind bekannt, nicht jedoch nicht, welches Ergebnis ein einzelnes Experiment hat.
Erwartungswert, Varianz und Standardabweichung einer Zufallsgröße. Was ist eine Zufallsgröße und was genau deren Verteilung?
Erwartungswert, Varianz und Standardabweichung einer Zufallsgröße Von Florian Modler In diesem Artikel möchte ich einen kleinen weiteren Exkurs zu meiner Serie Vier Wahrscheinlichkeitsverteilungen geben
Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Thema: Wahrscheinlichkeit. Übungsklausur Wahrscheinlichkeit und Regression
Übungsklausur Wahrscheinlichkeit und Regression 1. Welche der folgenden Aussagen treffen auf ein Zufallsexperiment zu? a) Ein Zufallsexperiment ist ein empirisches Phänomen, das in stochastischen Modellen
2.2 Binomialverteilung, Hypergeometrische Verteilung, Poissonverteilung
2.2 Binomialverteilung, Hypergeometrische Verteilung, Poissonverteilung Die einfachste Verteilung ist die Gleichverteilung, bei der P(X = x i ) = 1/N gilt, wenn N die Anzahl möglicher Realisierungen von
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
Klausur: Diskrete Strukturen I
Universität Kassel Fachbereich 0/ 5.03.0 Dr. Sebastian Petersen Klausur: Diskrete Strukturen I Aufgabe. (8 Punkte) a) Sei X = {0, }. Geben Sie die Potenzmenge P (X) (durch Auflisten ihrer Elemente) an.
Wahrscheinlichkeitsrechnung
Abiturvorbereitung Wahrscheinlichkeitsrechnung S. 1 von 9 Wahrscheinlichkeitsrechnung Kombinatorik Formeln für Wahrscheinlichkeiten Bedingte Wahrscheinlichkeiten Zusammenfassung wichtiger Begriffe Übungsaufgaben
Zufallsgröße X : Ω R X : ω Anzahl der geworfenen K`s
X. Zufallsgrößen ================================================================= 10.1 Zufallsgrößen und ihr Erwartungswert --------------------------------------------------------------------------------------------------------------
Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende
Universität Duisburg-Essen Essen, den 12.02.2010 Fakultät für Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,
Wahrscheinlichkeit und Statistik: Zusammenfassung
HSR Hochschule für Technik Rapperswil Wahrscheinlichkeit und Statistik: Zusammenfassung beinhaltet Teile des Skripts von Herrn Hardy von Lukas Wilhelm lwilhelm.net 12. Januar 2007 Inhaltsverzeichnis 1
Wichtige Definitionen und Aussagen
Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge
Die Binomialverteilung
Anhand verschiedener Fragen möchten wir heute klären, was man unter der Binomialverteilung versteht: z.b. Wie groß ist die Wahrscheinlichkeit, mit einem Würfel bei 0-maligen Werfen genau -mal eine zu werfen
Fit for Abi & Study Stochastik
Fit for Abi & Study Stochastik Prof. Dr. Tilla Schade Hochschule Harz 15. und 16. April 2014 No. 1 Stochastik besteht aus: Wahrscheinlichkeitsrechnung Statistik No. 2 Gliederung Grundlagen Zufallsgrößen
Abitur 2016 Mathematik Stochastik IV
Seite 1 http://www.abiturloesung.de/ Seite Abitur 016 Mathematik Stochastik IV Bei einem Zufallsexperiment wird eine ideale Münze so lange geworfen, bis zum zweiten Mal Zahl (Z) oder zum zweiten Mal Wappen
Abiturvorbereitung Stochastik. neue friedländer gesamtschule Klasse 12 GB Holger Wuschke B.Sc.
Abiturvorbereitung Stochastik neue friedländer gesamtschule Klasse 12 GB 24.02.2014 Holger Wuschke B.Sc. Siedler von Catan, Rühlow 2014 Organisatorisches 0. Begriffe in der Stochastik (1) Ein Zufallsexperiment
Basistext - Wahrscheinlichkeitsrechnung
Basistext - Wahrscheinlichkeitsrechnung Die Wahrscheinlichkeitsrechnung beschäftigt sich mit Vorgängen, die in ihrem Ausgang unbestimmt sind. Sie versucht mögliche Ergebnisse der Vorgänge zu quantifizieren.
Wahrscheinlichkeitsrechnung
Wahrscheinlichkeitsrechnung Grundbegriffe: Experiment: ein Vorgang, den man unter gleichen Voraussatzungen beliebig oft wiederholen kann. Ergebnis ω : Ausgang eines Experiments Ergebnismenge Ω : Menge
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
Wahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
2 Zufallsvariable und Verteilungsfunktionen
8 2 Zufallsvariable und Verteilungsfunktionen Häufig ist es so, dass den Ausgängen eines Zufallexperiments, d.h. den Elementen der Ereignisalgebra, eine Zahl zugeordnet wird. Das wollen wir etwas mathematischer
Beispiel 37. Wir werfen eine Münze so lange, bis zum ersten Mal
Beispiel 37 Wir werfen eine Münze so lange, bis zum ersten Mal Kopf erscheint. Dies geschehe in jedem Wurf unabhängig mit Wahrscheinlichkeit p. Wir definieren dazu die Zufallsvariable X := Anzahl der Würfe.
7. Kapitel: Zufallsvorgänge, Ereignisse und Wahrscheinlichkeiten
7. Kapitel: Zufallsvorgänge, Ereignisse und Wahrscheinlichkeiten 7.1 Zufallsvorgänge - zufälliges Geschehen/ Zufallsvorgang/ stochastische Vorgang: aus Geschehen/Vorgang/Experiment (mit gegebener Ausgangssituation)
Pflichtteilaufgaben zu Stochastik (Pfadregeln, Erwartungswert, Binomialverteilung) Baden-Württemberg
Pflichtteilaufgaben zu Stochastik (Pfadregeln, Erwartungswert, Binomialverteilung) Baden-Württemberg Hilfsmittel: keine allgemeinbildende Gymnasien Alexander Schwarz www.mathe-aufgaben.com September 016
Universität Basel Wirtschaftswissenschaftliches Zentrum. Zufallsvariablen. Dr. Thomas Zehrt
Universität Basel Wirtschaftswissenschaftliches Zentrum Zufallsvariablen Dr. Thomas Zehrt Inhalt: 1. Einführung 2. Zufallsvariablen 3. Diskrete Zufallsvariablen 4. Stetige Zufallsvariablen 5. Erwartungswert
Abitur 2012 Mathematik Stochastik IV
Seite 1 http://www.abiturloesung.de/ Seite 2 Abitur 2012 Mathematik Stochastik IV Nachdem die Verfilmung eines bekannten Romans erfolgreich in den Kinos gezeigt wurde, veröffentlicht eine Tageszeitung
Stochastik (Laplace-Formel)
Stochastik (Laplace-Formel) Übungen Spielwürfel oder Münzen werden ideal (oder fair) genannt, wenn jedes Einzelereignis mit gleicher Wahrscheinlichkeit erwartet werden kann. 1. Ein idealer Spielwürfel
Grundlagen der Wahrscheinlichkeitstheorie
Priv.-Doz. Dr. H. Steinacker Wintersemester 2013/2014 Grundlagen der Wahrscheinlichkeitstheorie betrachte Wiederholungen eines Experimentes, gleicher Vorbereitung (z.b. Würfeln, Dart werfen, Doppelspaltexperiment,...)
Diskrete Strukturen I
Universität Kassel Fachbereich 10/1 PD Dr. Sebastian Petersen 14.09.2017 Klausur zur Vorlesung Diskrete Strukturen I Es können maximal 40 Punkte erreicht werden. Version mit Lösungsskizze Zur Notation:
Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier
Diskrete Strukturen und Logik WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Diskrete Strukturen und Logik Gesamtübersicht Organisatorisches Einführung Logik & Mengenlehre
Abitur 2013 Mathematik Stochastik III
Seite 1 http://www.abiturloesung.de/ Seite 2 Abitur 2013 Mathematik Stochastik III Folgende Tabelle gibt die Verteilung der Blutgruppen und der Rhesusfaktoren innerhalb der Bevölkerung Deutschlands wieder:
Übungen zu Wahrscheinlichkeitstheorie Judith Kloas, Wolfgang Woess, Jonas Ziefle SS 2016
Übungen zu Wahrscheinlichkeitstheorie Judith Kloas, Wolfgang Woess, Jonas Ziefle SS 2016 43) [3 Punkte] Sei φ(t) die charakteristische Funktion der Verteilungsfunktion F (x). Zeigen Sie, dass für jedes
Übungen Abgabetermin: Freitag, , 10 Uhr
Universität Münster Institut für Mathematische Statistik Stochastik für Lehramtskandidaten SoSe 015, Blatt 1 Löwe/Heusel Übungen Abgabetermin: Freitag, 10.7.015, 10 Uhr Hinweis: Dies ist nur eine Beispiellösung.
Zufallsgröße: X : Ω R mit X : ω Anzahl der geworfenen K`s
4. Zufallsgrößen =============================================================== 4.1 Zufallsgrößen und ihr Erwartungswert --------------------------------------------------------------------------------------------------------------
KAPITEL 5. Erwartungswert
KAPITEL 5 Erwartungswert Wir betrachten einen diskreten Wahrscheinlichkeitsraum (Ω, P) und eine Zufallsvariable X : Ω R auf diesem Wahrscheinlichkeitsraum. Die Grundmenge Ω hat also nur endlich oder abzählbar
Wahrscheinlichkeitstheorie und Statistik vom
INSTITUT FÜR STOCHASTIK SS 2007 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Dipl.-Math. oec. W. Lao Klausur (Maschineningenieure) Wahrscheinlichkeitstheorie und Statistik vom 2.9.2007 Musterlösungen
Kapitel 5 Stochastische Unabhängigkeit
Kapitel 5 Stochastische Unabhängigkeit Vorlesung Wahrscheinlichkeitsrechnung I vom SoSe 2009 Lehrstuhl für Angewandte Mathematik 1 FAU 5.1 Das Konzept der stochastischen Unabhängigkeit. 1 Herleitung anhand
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,
Grundlagen der Stochastik
Grundlagen der Stochastik Johannes Recker / Sep. 2015, überarbeitet Nov. 2015 Fehlermeldungen oder Kommentare an recker@sbshh.de Inhalt 1. Grundlegende Begriffe der Wahrscheinlichkeitsrechnung... 2 1.1.
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
Vorwort Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße Erwartungswert und Varianz...
Inhaltsverzeichnis Vorwort... 2 Zum Einstieg... 3 1 Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße... 5 1.2 Erwartungswert und Varianz... 7 2 Wahrscheinlichkeitsverteilungen
Kombinatorik & Stochastik Übung im Sommersemester 2018
Kombinatorik & Stochastik Übung im Sommersemester 2018 Kombinatorik Formeln & Begriffe Begrifflichkeiten Permutation = Anordnung in einer bestimmten Reihenfolge Kombination = Anordnung ohne bestimmte Reihenfolge
Statistik I für Betriebswirte Vorlesung 2
Statistik I für Betriebswirte Vorlesung 2 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 16. April 2018 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 2 Version: 9. April
Abitur 2012 Mathematik Stochastik III
Seite 1 http://www.abiturloesung.de/ Seite 2 Abitur 2012 Mathematik Stochastik III Für eine Quizshow sucht ein Fernsehsender Abiturientinnen und Abiturienten als Kandidaten. Jeder Bewerber gibt in einem
Sabrina Kallus, Eva Lotte Reinartz, André Salé
Sabrina Kallus, Eva Lotte Reinartz, André Salé } Wiederholung (Zufallsvariable) } Erwartungswert Was ist das? } Erwartungswert: diskrete endliche Räume } Erwartungswert: Räume mit Dichten } Eigenschaften
STOCHASTISCHE UNABHÄNGIGKEIT. Annika Pohlmann Philipp Oel Wilhelm Dück
STOCHASTISCHE UNABHÄNGIGKEIT Annika Pohlmann Philipp Oel Wilhelm Dück 1 GLIEDERUNG 1) Bedingte Wahrscheinlichkeiten 2) Unabhängigkeit für mehr als zwei Ereignisse 3) Unabhängigkeit für Zufallsvariable
Zufallsvariablen [random variable]
Zufallsvariablen [random variable] Eine Zufallsvariable (Zufallsgröße) X beschreibt (kodiert) die Versuchsausgänge ω Ω mit Hilfe von Zahlen, d.h. X ist eine Funktion X : Ω R ω X(ω) Zufallsvariablen werden
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
Aufgabe 8: Stochastik (WTR)
Abitur Mathematik: Nordrhein-Westfalen 2013 Aufgabe 8 a) (1) WAHRSCHEINLICHKEIT FÜR KEINE ANGABE ERMITTELN Nach der Laplace Formel ist Anzahl der Personen, die keine Angabe machten keine Angabe Gesamtzahl
Modelle diskreter Zufallsvariablen
Statistik 2 für SoziologInnen Modelle diskreter Zufallsvariablen Univ.Prof. Dr. Marcus Hudec Zufallsvariable Eine Variable (Merkmal) X, deren numerische Werte als Ergebnisse eines Zufallsvorgangs aufgefasst
Discrete Probability - Übungen (SS5) Wahrscheinlichkeitstheorie. 1. KR, Abschnitt 6.1, Aufgabe 5: 2. KR, Abschnitt 6.1, Aufgabe 7:
Discrete Probability - Übungen (SS5) Felix Rohrer Wahrscheinlichkeitstheorie 1. KR, Abschnitt 6.1, Aufgabe 5: Bestimmen Sie die Wahrscheinlichkeit dafür, dass die Augensumme von zwei geworfenen Würfeln
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,
An die Zweige schreibt man jeweils die Wahrscheinlichkeit, die für dieses Ereignis gilt.
. Mehrstufige Zufallsversuche und Baumdiagramme Entsprechend der Anmerkung in. wollen wir nun auf der Basis von bekannten Wahr- scheinlichkeiten weitere Schlüsse ziehen. Dabei gehen wir immer von einem
Wahrscheinlichkeitsrechnung
Wahrscheinlichkeitsrechnung Was du wissen musst: Die Begriffe Zufallsexperiment, Ereignisse, Gegenereignis, Zufallsvariable und Wahrscheinlichkeit sind dir geläufig. Du kannst mehrstufige Zufallsversuche
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
Woche 2: Zufallsvariablen
Woche 2: Zufallsvariablen Patric Müller ETHZ WBL 19/21, 29.04.2019 Wahrscheinlichkeit und Statistik Patric Müller WBL 2019 Teil III Zufallsvariablen Wahrscheinlichkeit
Abiturvorbereitung Mathematik Stochastik. Copyright 2013 Ralph Werner
biturvorbereitung Mathematik Stochastik Copyright 2013 Ralph Werner Zufallsexperiment in Zufallsexperiment ist ein Vorgang, dessen usgang ungewiss ist das beliebig oft wiederholt werden kann dessen Wiederholungen
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.
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
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
Wird ein Bernoulli- Versuch, bei dem die Trefferwahrscheinlichkeit p = 0,2 ist, n = 40 mal durchgeführt, dann erwarten wir im Mittel 8 Treffer.
R. Brinkmann http://brinkmann-du.de Seite 1 06.1008 Erwartungswert binomialverteilter Zufallsgrößen. Wird ein Bernoulli- Versuch, bei dem die Trefferwahrscheinlichkeit p = 0,2 ist, n = 40 mal durchgeführt,
Wahrscheinlichkeitstheorie und Statistik
Wahrscheinlichkeitstheorie und Statistik Definitionen und Sätze Prof. Dr. Christoph Karg Studiengang Informatik Hochschule Aalen Sommersemester 2018 2.5.2018 Diskrete Wahrscheinlichkeitsräume Diskreter
= 7! = 6! = 0, 00612,
Die Wahrscheinlichkeit, dass Prof. L. die Wette verliert, lässt sich wie folgt berechnen: Ω = {(i 1,..., i 7 ) : i j {1... 7}, j = 1... 7}, wobei i, j für den Wochentag steht, an dem die Person j geboren
Erwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung
R. Brinkmann http://brinkmann-du.de Seite 5.05.0 Erwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung Erwartungswert binomialverteilter Zufallsgrößen Wird ein Bernoulli- Versuch, bei
Diskrete Verteilungen
KAPITEL 6 Disrete Verteilungen Nun werden wir verschiedene Beispiele von disreten Zufallsvariablen betrachten. 1. Gleichverteilung Definition 6.1. Eine Zufallsvariable X : Ω R heißt gleichverteilt (oder
TU DORTMUND Sommersemester 2018
Fakultät Statistik. April 08 Blatt Aufgabe.: Wir betrachten das Zufallsexperiment gleichzeitiges Werfen zweier nicht unterscheidbarer Würfel. Sei A das Ereignis, dass die Augensumme beider Würfel ungerade
Abitur 2013 Mathematik NT Stochastik S II
Seite 1 http://www.abiturloesung.de/ Seite 2 Abitur 2013 Mathematik NT Stochastik S II Eine Agentur vertreibt Tickets für Sportveranstaltungen ( S ), Konzerte ( K ), Musicals ( M ) und Eventreisen ( E
Übung zur Stochastik
Übung zur Stochastik 1.) Die G-Partei hat bei der vergangenen Kommunalwahl in einer Stadt mit etwa 700 000 wahlberechtigten Bürgern rund 9 % der Stimmen erhalten. Nun werden 1 000 rein zufällig ausgewählte
Stochastik für Ingenieure
Otto-von-Guericke-Universität Magdeburg Fakultät für Mathematik Institut für Mathematische Stochastik Stochastik für Ingenieure (Vorlesungsmanuskript) von apl.prof. Dr. Waltraud Kahle Empfehlenswerte Bücher:
Elemente der Stochastik (SoSe 2016) 3. Übungsblatt
Dr. M. Weimar 18.04.016 Elemente der Stochastik (SoSe 016) 3. Übungsblatt Aufgabe 1 (1++=5 Punkte) Das nachfolgende Glücksrad wird einmal gedreht. Ferner bezeichne P eine Abbildung mit den Eigenschaften
Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende
Universität Duisburg-Essen Essen, den 15.0.009 Fachbereich Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,
Spielgeräte: Von Wahrscheinlichkeiten bis Binomialverteilung
Bernoulli-Kette, und hypergeometrische Verteilung: F. 2. 32 Spielgeräte: Von Wahrscheinlichkeiten bis Die folgende Stationenarbeit dient dazu, die Begriffe der Oberstufenstochastik (Wahrscheinlichkeit;
Prüfungsvorbereitungskurs Höhere Mathematik 3
Prüfungsvorbereitungskurs Höhere Mathematik 3 Stochastik Marco Boßle Jörg Hörner Marcel Thoms Mathematik Online Herbst 211 PV-Kurs HM 3 Stochastik 1-1 Zusammenfassung Wahrscheinlichkeitsraum (WR): Menge
Stochastik 02 Wiederholung & Vierfeldertafel
23. August 2018 Grundlagen der Statistik (bis Klasse 10) Grundlagen der Stochastik (bis Klasse 10) Zufallsgrößen und Verteilungen Beurteilende Statistik (Testen von Hypothesen) Bernoulli-Experimente Ziele
Mathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 11. November 2010 1 Erwartungswert und Varianz Erwartungswert Varianz und Streuung Rechenregeln Binomialverteilung
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.
1 Stochastische Konvergenz 2
Wirtschaftswissenschaftliches Zentrum 0 Universität Basel Mathematik Dr. Thomas Zehrt Grenzwertsätze Benötigtes Vorwissen: Der Stoff der Vorlesung,,Statistik wird als bekannt vorausgesetzt, insbesondere
Stochastik. Inhaltsverzeichnis
Stochastik Inhaltsverzeichnis 1. Allgemeine Definition... 2 2. Laplace-Wahrscheinlichkeit... 2 3. Gegenereignis (häufig bei mindestens -Aufgaben)... 3 4. Vereinigung von 2 Ereignissen ( oder -Formulierungen)...
Abitur 2015 Mathematik NT Stochastik S I
Seite 1 http://www.abiturloesung.de/ Seite 2 Abitur 2015 Mathematik NT Stochastik S I Ein neues Medikament wird vor der Markteinführung einem klinischen Test unterzogen. Dabei erhält die Hälfte der am
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.
Aufgabe 1. Übung Wahrscheinlichkeitsrechnung Markus Kessler Seite 1 von 8. Die Ereignisse A, B und C erfüllen die Bedingungen
Ü b u n g 1 Aufgabe 1 Die Ereignisse A, B und C erfüllen die Bedingungen P(A) = 0. 7, P(B) = 0. 6, P(C) = 0. 5 P(A B) = 0. 4, P(A C) = 0. 3, P(B C) = 0. 2, P(A B C) = 0. 1 Bestimmen Sie P(A B), P(A C),
,,Schäferhunde sind gefährlich! Denn,,Jeder dritte Biss geht auf das Konto dieser Rasse.
Wirtschaftswissenschaftliches Zentrum 7 Universität Basel Statistik Dr. Thomas Zehrt Bedingte Wahrscheinlichkeit Motivation Die bedingte Wahrscheinlichkeit eines Ereignisses A bei einem gegebenen Ereignis
Statistik I für Betriebswirte Vorlesung 3
Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 15. April 2019 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 1. April