ETWR Teil B. Einleitende Worte
|
|
- Elvira Kolbe
- vor 7 Jahren
- Abrufe
Transkript
1 ETWR Teil B Einleitende Worte
2 Team Marcel Lichters Übung Stephan Schosser Vorlesung Stephan Schosser 2 Einleitende Worte
3 Stephan Schosser 3 Einleitende Worte Unser Lehrstuhl in der Forschung Ralf Morgenstern Entscheidungsverhalten und Hirnaktivität Lotterien und Wahrscheinlichkeiten Eike Benjamin Kroll Risikoeinstellung, Wahrscheinlichkeitswahrnehmung Implikationen für Gesundheits- und Steuerpolitik Judith Trarbach Bestimmung von Lebensqualität Ressourcenverteilung im Gesundheitssektor Bodo Vogt Forscht an vielem Weitere ufgaben: Lehrstuhlleiter
4 Einleitende Worte 4 Literatur Bamberg, Baur & Krapp (2011): Statistik. Oldenburg Verlag, 16. uflage Bamberg, Baur & Krapp (2008): Statistik-rbeitsbuch. Oldenburg Verlag, 8. uflage Fahrmeir, Künstler, Pigeot & Tutz (2011): Statistik. Springer Verlag, 7. uflage Caputo, Fahrmeir, Künstler, Lang, Pigeot & Tutz (2009): rbeitsbuch Statistik. Springer Verlag, 5. uflage Schwarze (2005): Grundlagen der Statistik II Verlage neue Wirtschaftsbriefe, 7. uflage
5 Einleitende Worte 5 WICHTIG: Terminänderung Neue Veranstaltungstermine (gültig ab ) Vorlesung Di: 11:00-13:00 Di: 15:00-17:00 Übung Mi: 07:30-09:00 Teil / B von Entscheidungstheorie, Wahrscheinlichkeit und Risiko geblockt : nur Teil B : nur Teil
6 Einleitende Worte 6 Veranstaltungstermine (Planung) Vorlesungstermine Übungstermine Mi Di :00 Bewertung von Ereignissen 15:00 Urnenexperimente Mi Übungsblatt I Di :00 Bewertung von Urnenexperimenten 15:00 Zufallsvariablen Mi Übungsblatt II Di :00 Verteilungsparameter 15:00 Übungsblatt III Mi Reformationstag Di :00 Verteilungsparameter 15:00 Mehrdimensionale Zufallsvariablen Mi Übungsblatt IV Di :00 Mehrdimensionale Zufallsvariablen 15:00 Verteilungsparameter II Mi Übungsblatt V Di :00 Spezielle Verteilungen (diskret) 15:00 Spezielle Verteilungen (stetig) Mi Übungsblatt VI Mi Klausurvorbereitung
7 Einleitende Worte 7 Vorlesungsunterlagen Foliensatz zur Vorlesung Online verfügbar URL: Übungsblätter Keine Musterlösung URL: lte Klausuren Fachschaftsrat Keine Lösung von uns!
8 Einleitende Worte 8 Klausur Durchführung Bisher: Multiple Choice/usfülltexte Rechenweg nicht bewertet Künftig: Besprechung letzte Vorlesung Vorbereitung Teilnahme an der Plenarübung Rechnen alter Klausuraufgaben ber auch: Gründen einer Lerngruppe Termine (vgl. nmeldung: Prüfungszeitraum:
9 Einleitende Worte 9 Kommunikation Fragen, nmerkungen, Kritik an Stephan.Schosser@ovgu.de, Marcel.Lichters@ovgu.de Mindestanforderungen für Beantwortung von s Freundlicher Ton ( Netiquette ) Kurz, prägnant formuliert Keine nfragen à la Ich habe die Übung verpasst. Wie ist die Lösung für ufgabe X? Ich war das Semester über surfen. Was kommt in der Klausur? Letzter Termin für Fragen (Letzte Vorlesung) lle späteren Fragen werden nicht beantwortet
10 Einleitende Worte 10 Inhalt der Veranstaltung Wahrscheinlichkeitsrechnung Gefühl für Wahrscheinlichkeit Mathematische Operationen auf Wahrscheinlichkeiten Beschreibung von Ereignissen Charakterisierung von erwarteten Ergebnissen Wahrscheinliche Intervalle für Stichproben
11 Einleitende Worte 11 Beispiel Geh aufs Ganze! / Let s make a deal! Fernsehsendung Deutschland: US: seit 1963 Situation Spieler sieht drei geschlossene Tore Hinter einem Tor steht ein uto, hinter zweien eine Ziege Spieler muss sich für ein Tor entscheiden Moderator öffnet dann eines der beiden anderen Tore (mit Ziege) Spieler kann Tor wechseln oder bei seinem bleiben Spieler erhält uto, wenn hinter Tür, sonst nichts
12 Einleitende Worte 12 Beispiel Geh aufs Ganze! / Let s make a deal! Womit kann Spieler (nach Bestehen von ETWR) rechnen? 1/2 uto oder etwas mehr? Was passiert nachdem Moderator das Tor mit Ziege geöffnet hat? lternative 1: uto Wahrscheinlichkeit beider Tore 1/2 Idee: Spieler weiß nichts über die Tore lternative 2: uto Wahrscheinlichkeit bei Wechsel 2/3 Idee: Spieler wettet eingangs gegen sich selbst
13 Einleitende Worte 13 Beispiel Geh aufs Ganze! / Let s make a deal! Ergebnis durch uszählen (Bsp. Spieler wählt eingangs Tor 1) Moderator will Tor 2 öffnen Moderator will Tor 3 öffnen Spieler gewinnt bei Wechsel in 4 von 6 Fällen: Gewinnwahrscheinlichkeit 2/3
14 Einleitende Worte 14 Beispiel Geh aufs Ganze! / Let s make a deal! Warum interessant? Umgang mit Wahrscheinlichkeiten nicht intuitiv Rechtzeitiger Lernbeginn Licht geht mit Verzug auf Umgang mit Wahrscheinlichkeiten ist praktisch relevant Neben Geh aufs Ganze! z.b. Lotto, Versicherungen, Eheschließung Insbesondere Betrachtung der erwarteten uszahlung Umgang mit Wahrscheinlichkeiten ist oft falsch Unterschied Prozent vs. Prozentpunkte Beispiel Kernkraft: Möglichkeiten vs. Wahrscheinlichkeiten
15 Einleitende Worte 15 Wechselbeziehungen zu anderen Veranstaltungen Mathematische Grundlagen Explorative Datenanalyse (1. Semester) (Rückwärtsgerichtete) nalyse empirischer Beobachtungen Datenbeschreibung Diese Veranstaltung Vorbereitung auf (vorwärtsgerichtete) Vorhersagen nwendung der Konzepte aus Explorative Datenanalyse Schätzen und Testen (3. Semester) Treffen von (vorwärtsgerichteten) Vorhersagen Testen ob Hypothesen zutreffen nwendungen Investition und Finanzierung (2. Semester) Finanzierungsentscheidungen meist mit ungewisser Zukunft Einsatz der Mathematischen Grundlagen... und viele andere... Wir vermitteln Grundlagen, die sie für das Studium benötigen sind aber nicht der Nabel zur Welt.
16 ETWR Teil B
17 17 Zufall Zufall ist überall vorausgesetzt wir sehen von göttlicher Fügung ab. Zufällige Ereignisse Regenschauer heute Lottogewinn Hörsaaltechnik geht kaputt Ihr zukünftiger Partner sitzt jetzt in diesem Hörsaal Zufällige Größen Dauer von der Universität nach Hause Kosten eines PKW-Unfalls Lebenszeit von Menschen Ergebnis von Fußballspielen
18 18 Zufall und Risiko Erwünschter Zufall: Glückspiel Werfen von Würfeln Roulettespiel Lotto Unerwünschter Zufalls: Fast alles sonst! Unfälle (Verkehr, Datenpannen, Naturkatastrophen) Klausurergebnisse Zufall verursacht Risiken, d.h. Gefahr entstandener Schäden Deshalb: Versuch Zufall einzugrenzen Gesetze, technische Überwachung, Schulungen Lernen der Folien, Bearbeiten der Übungsblätter ber: Zufall lässt sich nicht völlig unterdrücken Versuch Risiken einzuschätzen: Stochastik ( Mathe des Zufalls ) Bewertung von Chancen und Risiken
19 19 Ziele Ziel des Kapitels Erste Schritte zur Formalisierung von zufälligen Ereignissen (Zufallsexperiment, Ereignis,...) Beziehung zwischen zufälligen Ereignissen und Mengen (bbildung von Mengen auf Ereignisse) Beziehungen zwischen Mengen (Komplement, Vereinigung,...) Gesetzmäßigkeiten bei der Betrachtung von Mengen ( Rechengesetze ) Ziel der Mengenlehre Mengenlehre bildet Grundlage für Wahrscheinlichkeitsrechnung (Ohne Verständnis Folgekapitel kryptisch ) Formalisierung von Zufällen in der Umwelt (Lotto, Entscheidungen per Münzwurf Fußball, Wahlen)
20 20 genda Zufallsvorgänge und Ereignisse Mengenlehre Bewertung von Ereignissen Urnenexperimente Bewertung von Urnenexperimenten Zufallsvariablen Verteilungsparameter Mehrdimensionale Zufallsvariablen Verteilungsparameter II Spezielle Wahrscheinlichkeitsverteilungen (diskret) Spezielle Wahrscheinlichkeitsverteilungen (stetig)
21 21 Zufallsvorgänge - Beispiel Beispiel für Zufallsexperimente (allgemein) Ziehung der Lottozahlen Roulette, Münzwurf, Würfelwurf Technische Versuche (Härtetest von Stahlproben) Beispiele für Zufallsexperimente (VWL) Oft keine Zufallsexperimente (historische Daten, Bedingungen nicht kontrollierbar) usnahme: Experimentelle Wirtschaftsforschung Charakteristika lle möglichen usgänge sind bekannt Sich einstellender usgang ist unbekannt
22 22 Zufallsvorgänge Definition: (Zufallsvorgang) Unter Zufallsvorgang verstehen wir einen Vorgang, bei dem im Voraus feststeht, welche möglichen usgänge dieser theoretisch haben kann, der sich einstellende, tatsächliche usgang im Voraus unbekannt ist. Definition: (Zufallsexperiment) Zufallsvorgänge, die geplant sind und kontrolliert ablaufen, heißen Zufallsexperimente.
23 23 Ergebnis, Ergebnismenge Beispiel Jetzt: Versuch der Formalisierung Es gibt zu jedem Zufallsexperiment mehrere usgänge usgänge bilden eine Menge Ω Zufallsvorgang (Einmaliges) Werfen eines Würfels : Ω = {1, 2, 3, 4, 5, 6} Zufallsvorgang (Einmaliges) Werfen einer Münze : Ω = {K, Z} Zufallsvorgang (Zweimaliges) Werfen einer Münze : Ω = {KK, KZ, ZK, ZZ} Zufallsvorgang Werfen einer Münze bis Kopf erscheint : Ω = {K, ZK, ZZK, ZZZK} Zufallsvorgang Wartezeit auf Straßenbahn (unter 10 Minuten) : Ω = x x R, 0 x 10 { } = [ 0,10] Bemerkung: Die nzahl der Ergebnisse kann endlich sein Die nzahl der Ergebnisse kann unendlich sein... dazu später mehr!
24 24 Ergebnis, Ergebnismenge Definition: (Ergebnis) Ein möglicher usgang eines Zufallsvorgangs heißt Ergebnis ω Definition: (Ergebnismenge) Die Menge aller möglichen usgänge ω i eines Zufallsvorgangs heißt Ergebnismenge und wird mit Ω bezeichnet. Wir notieren die nzahl aller Elemente von Ω (d.h. die nzahl aller Ergebnisse) mit Ω. nzahl der Elemente in einer Menge: Kardinalität
25 25 Ereignis - Beispiele Zusammenfassen von Ergebnissen zu Ereignissen möglich Ereignis Bei drei Münzwürfen erscheint genau einmal Zahl = {KKZ, KZK, ZKK} Ereignis Beim Münzwurf erscheint genau einmal Kopf-Zahl-Kopf = {KZK, ZKZK, KKZK, ZZKZK,...} Ereignis Bei einem Münzwurf erscheint Kopf und Zahl = {} = (unmögliches Ereignis) Ereignis Bei einem Münzwurf erscheint Kopf oder Zahl = {Z, K} = Ω (sicheres Ereignis) Ereignis Bei einem Münzwurf erscheint Kopf = {K} (Elementarereignis)
26 26 Ereignis Definition: (Ereignis) Unter einem Ereignis verstehen wir ein Zusammenfassung von Ergebnissen eines Zufallsvorgangs, d.h. ein Ereignis ist eine Teilmenge der Ergebnismenge Ω. Bemerkungen: Man sagt Ereignis tritt ein, wenn der Zufallsvorgang ein ω aus als Ergebnis hat. Notation von Ereignissen:, B, C,... oder 1, 2,... = Ω heißt sicheres Ereignis, da für jedes ω: ω aus. = heißt unmögliches Ereignis, da für jedes ω: ω nicht in. Ein-elementige Ereignisse heißen Elementarereignisse.
27 27 genda Zufallsvorgänge und Ereignisse Mengenlehre Bewertung von Ereignissen Urnenexperimente Bewertung von Urnenexperimenten Zufallsvariablen Verteilungsparameter Mehrdimensionale Zufallsvariablen Verteilungsparameter II Spezielle Wahrscheinlichkeitsverteilungen (diskret) Spezielle Wahrscheinlichkeitsverteilungen (stetig)
28 28 Venn-Diagramm Idee: Visualisierung von Mengen und deren Beziehungen Beispiel: Einmaliger Wurf eines Würfels Ω = {1, 2, 3, 4, 5, 6} Ereignis gerade Zahl = {2, 4, 6} Ereignis B Zahl kleiner 4 B = {1, 2, 3} B Ω 5 3
29 29 Operationen und Ereignisse Ereignisse sind Mengen è die üblichen Mengenoperationen sind möglich / sinnvoll Wir betrachten im Folgenden die Ereignisse (Werfen eines Würfels): = {1, 2, 3}; B = {1, 3, 5}; C = {6}
30 30 Komplementärereignis Definition: (Komplementärereignis) = {ω ω Ω,ω }=Ω \ Ω Interpretation (lles, was in Ω ist, aber nicht in ) Beispiele = {1, 2, 3} B = {1, 3, 5} C = {6} = {4, 5, 6} B = {2, 4, 6} C = {1, 2, 3, 4, 5}
31 31 Vereinigungsereignis Definition: (Vereinigungsereignis) B = { ω ω Ω,ω oder ω B} tritt ein, wenn oder B Interpretation (lles, was entweder in oder in B (oder in beiden) enthalten ist) B Ω Beispiele = {1, 2, 3} B = {1, 3, 5} C = {6} { } C = { 1, 2, 3, 6} B C = { 1, 3, 5, 6} B = 1, 2, 3, 5
32 32 Durchschnittsereignis Definition: (Durchschnittsereignis) B = { ω ω Ω, ω und ω B} tritt ein, wenn und B Interpretation (lles, was sowohl in als auch in B enthalten ist) B Ω Beispiele = {1, 2, 3} B = {1, 3, 5} C = {6} B = 1, 3 { } C = { } B C = { }
33 33 Differenzereignis Definition: (Differenzereignis) \B = { ω ω Ω,ω,ω B} tritt ein, wenn aber B nicht B Ω Interpretation (lles, was in, aber nicht in B enthalten ist) Beispiele = {1, 2, 3} B = {1, 3, 5} C = {6} \ B = {2} \ C = {1, 2, 3} B \ C = {1, 3, 5} B \ = {5} C \ = {6} C \ B = {6}
34 34 Disjunktion Definition: (Disjunktion) Gilt B =, dann heißen und B disjunkt (unvereinbar). Sind die Ereignisse und B disjunkt, können sie nicht gleichzeitig eintreten. B Ω
35 35 Rechenregeln Menge und Komplement I = Ω Ω = Ω
36 36 Rechenregeln Menge und Komplement II = Ω Ω Ω = Ω
37 37 Rechenregeln Verknüpfung mit sicherem Ereignis Ω = Ω Ω = Ω Ω
38 38 Rechenregeln Verknüpfung mit leerem Ereignis = Ω = Ω
39 39 Rechenregeln - Sonstige = ( B) B Ω
40 40 Rechenregeln Kommutativgesetz B = B B Ω B = B B Ω
41 41 Rechenregeln ssoziativgesetz ( B) C = (B C) C B ( B) C = (B C) C B
42 42 Rechenregeln Distributivgesetz ( B C) = ( B) ( C) C B ( B C) = ( B) ( C) C B
43 43 Rechenregeln de Morgan B = B B Ω B = B B Ω
44 - Übersicht Menge und Komplement = Ω Verkn. mit sicherem Ereignis Ω = Verknüpfung mit leerem Ereignis = = = Ω Ω = Ω = Ω = Sonstige = ( B) Kommutativgesetz B = B ssoziativgesetz Distributivgesetz B C De Morgan B = B B = B ( B) C = (B C) ( B) C = (B C) ( ) = ( B) ( C) ( B C) = ( B) ( C) B = B
45 ETWR Teil B (ddendum)
46 46 Widerspruch Mengenlehre / Boolesche lgebra? Vereinigungsereignis Definition: (Vereinigungsereignis) B = {ω ω Ω, ω ω B} Durchschnittsereignis Definition: (Durchschnittsereignis) B = {ω ω Ω, ω ω B} B Ω B Ω Vereinigung... Elemente in und in B enthalten in oder B Durchschnitt... Elemente in und auch in B enthalten in und B Fazit: Sprache im Kontext boolescher lgebra / Mengenlehre unpräzise... ber: Vergessen Sie das Wissen aus der Schule nicht!
Teil II. Wahrscheinlichkeitsrechnung
Teil II Wahrscheinlichkeitsrechnung Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2014) Folie 129 5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) 5 Zufallsexperimente Ergebnisse Ereignisse
MehrTeil II. Wahrscheinlichkeitsrechnung. Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2015) Folie 129
Teil II Wahrscheinlichkeitsrechnung Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2015) Folie 129 5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) 5 Zufallsexperimente Ergebnisse Ereignisse
MehrTeil II. Wahrscheinlichkeitsrechnung. Inhaltsverzeichnis (Ausschnitt) Zufallsexperimente (Zufallsvorgänge) Ergebnisse
5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) Teil II Wahrscheinlichkeitsrechnung 5 Zufallsexperimente Ergebnisse Ereignisse Wahrscheinlichkeiten Deskriptive Statistik und Wahrscheinlichkeitsrechnung
MehrLeseprobe. Robert Galata, Sandro Scheid. Deskriptive und Induktive Statistik für Studierende der BWL. Methoden - Beispiele - Anwendungen
Leseprobe Robert Galata, Sandro Scheid Deskriptive und Induktive Statistik für Studierende der BWL Methoden - Beispiele - nwendungen Herausgegeben von Robert Galata, Markus Wessler ISBN (Buch): 978-3-446-43255-0
Mehr1 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
MehrKapitel 2. Wahrscheinlichkeit (wird heute behandelt) Kapitel 2. Wahrscheinlichkeit
Teil I: Wahrscheinlichkeitstheorie 1 Kapitel 2. Wahrscheinlichkeit (wird heute behandelt) Kapitel 3: Bedingte Wahrscheinlichkeit Kapitel 4: Zufallsvariablen Kapitel 5: Erwartungswerte, Varianz, Kovarianz
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
. Grundlagen der Wahrscheinlichkeitstheorie. Zufallsereignisse, Ereignisraum und Ereignismenge Zufallsexperiment: nach einer bestimmten Vorschrift ausgeführter, unter gleichen edingungen beliebig oft wiederholbarer
MehrDr. 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
MehrEinführung in die Wahrscheinlichkeitsrechnung
Marco Cattaneo Institut für Statistik Ludwig-Maximilians-Universität München Sommersemester 2011 1. Wahrscheinlichkeitsrechnung 2. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grenzwertsätze
MehrDr. 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)
MehrVorkurs Mathematik. Christoph Hindermann. Wahrscheinlichkeitstheorie
Kapitel 4 Christoph Hindermann Vorkurs Mathematik 1 4.0 Motivation Wenn 100 Münzen geworfen werden, wie ist dann die Wahrscheinlichkeit, dass genau 50 davon Kopf zeigen? Angenommen, es befinden sich 300
Mehr2 Ereignisse. Für Ereignisse A und B kann durch Bildung des Durchschnitts (engl.: intersection) A B := {ω Ω : ω A oder ω B}
5 2 Ereignisse ei einem stochastischen Vorgang interessiert oft nur, ob dessen Ergebnis zu einer gewissen Menge von Ergebnissen gehört. So kommt es zu eginn des Spiels Mensch-ärgere- Dich-nicht! nicht
MehrKapitel N. Wahrscheinlichkeitsrechnung
Kapitel N Wahrscheinlichkeitsrechnung Inhalt dieses Kapitels N000 1 Diskrete Wahrscheinlichkeitsräume 2 Bedingte Wahrscheinlichkeit und Unabhängigkeit 1 Produktexperimente 2 Kombinatorik und Urnenmodelle
MehrRumpfskript. 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
MehrSTATISTIK 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
MehrWahrscheinlichkeitsrechnung 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?
Mehr1 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
MehrInformatik 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,
MehrWahrscheinlichkeitsrechnung [probability]
Wahrscheinlichkeitsrechnung [probability] Hinweis: Die Wahrscheinlichkeitsrechnung ist nicht Gegenstand dieser Vorlesung. Es werden lediglich einige Begriffsbildungen bereitgestellt und an Beispielen erläutert,
MehrInformatik 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,
Mehr2.2 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,
Mehr9. 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.
Mehr2. Zufallsvorgänge und Wahrscheinlichkeiten
2. Zufallsvorgänge und Wahrscheinlichkeiten Ziel des Kapitels: Einführung elementarer Begriffe der Wahrscheinlichkeitsrechnung (definitorisch) Ziel der Wahrscheinlichkeitsrechnung: Modellierung von zufälligen
MehrWie hoch ist das Risiko, dass ein System, das aus mehreren Komponenten besteht, ausfällt?
In diesem Kapitel werden wir den egriff Wahrscheinlichkeit und die Grundlagen der Wahrscheinlichkeitsrechnung kennenlernen, um z.. folgende Fragestellungen zu beantworten. Wie hoch ist das Risiko, dass
MehrGrundbegriffe der Wahrscheinlichkeitsrechnung
Algorithmen und Datenstrukturen 112 A Grundbegriffe der Wahrscheinlichkeitsrechnung Für Entwurf und Analyse randomisierter Algorithmen sind Hilfsmittel aus der Wahrscheinlichkeitsrechnung erforderlich.
Mehr15 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
Mehrhtw saar 1 KAPITEL 4 BEDINGTE WAHRSCHEINLICHKEIT UND STOCHASTISCHE UNABHÄNGIGKEIT Hans-Peter Hafner WS 2016/2017
htw saar 1 KAPITEL 4 BEDINGTE WAHRSCHEINLICHKEIT UND STOCHASTISCHE UNABHÄNGIGKEIT htw saar 2 Gliederung 25.01. Bedingte Wahrscheinlichkeit: Motivation und Definition Multiplikationssatz Stochastische Unabhängigkeit:
MehrWahrscheinlichkeitsrechnung und Statistik
1. und 2. Vorlesung - 2017 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?
Mehr1. Einleitung und Grundlagen der Wahrscheinlichkeit
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
Mehr1. 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
Mehr4. Die Laplacesche Gleichverteilung
Universität Basel Wirtschaftswissenschaftliches Zentrum Grundlagen der Stochastik Dr. Thomas Zehrt Inhalt: 1. Die Ereignismenge 2. Die Wahrscheinlichkeitsverteilung 3. Eigenschaften einer Wahrscheinlichkeitsverteilung
MehrWahrscheinlichkeitstheorie
Kapitel 2 Wahrscheinlichkeitstheorie Josef Leydold c 2006 Mathematische Methoden II Wahrscheinlichkeitstheorie 1 / 24 Lernziele Experimente, Ereignisse und Ereignisraum Wahrscheinlichkeit Rechnen mit Wahrscheinlichkeiten
MehrMarek Chudý. Institut für Statistik und Operations Research UE Statistik 1. Sommersemester, 4.
Marek Chudý Institut für Statistik und Operations Research http://homepage.univie.ac.at/marek.chudy/ UE Statistik 1 Sommersemester, 4. März 2015 Programm 1 Organisatorisches Literatur Anforderungen Notenschlüssel
MehrKapitel I Diskrete Wahrscheinlichkeitsräume
Kapitel I Diskrete Wahrscheinlichkeitsräume 1. Grundlagen Definition 1 1 Ein diskreter Wahrscheinlichkeitsraum ist durch eine Ergebnismenge Ω = {ω 1, ω 2,...} von Elementarereignissen gegeben. 2 Jedem
MehrStochastik 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.
MehrSkript 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
Mehrhtw saar 1 MATHEMATIK 3: EINFÜHRUNG IN DIE STOCHASTIK
htw saar 1 MATHEMATIK 3: EINFÜHRUNG IN DIE STOCHASTIK htw saar 2 Programm für heute Organisatorisches Kurzer Überblick: Was ist Stochastik? / Unterschied Wahrscheinlichkeitstheorie Statistik Kapitel 1:
MehrKapitel 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
MehrWahrscheinlichkeitsrechnung
Wahrscheinlichkeitsrechnung Grundbegriffe: Experiment: ein Vorgang, den man unter gleichen Voraussatzungen beliebig oft wiederholen kann. Ergebnis ω : Ausgang eines Experiments Ergebnismenge Ω : Menge
MehrBiostatistik, 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
MehrWahrscheinlichkeitsrechnung und Statistik
Babeş-Bolyai Universität Fakultät für Mathematik und Informatik Oktober 2018 Im Alltag... Laut den meteorologischen Vorhersagen wird es morgen regnen. Ob ich riskiere und die Wette verlieren werde? Ich
MehrZusammenfassung 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
MehrStochastik 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:
MehrDefinition: Ein endlicher Ergebnisraum ist eine nichtleere Menge, deren. wird als Ereignis, jede einelementige Teilmenge als Elementarereignis
Stochastische Prozesse: Grundlegende Begriffe bei zufälligen Prozessen In diesem Abschnitt beschäftigen wir uns mit den grundlegenden Begriffen und Definitionen von Zufallsexperimenten, also Prozessen,
MehrMathematische und statistische Methoden II
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 persike@uni-mainz.de
MehrBeispiel: Zufallsvariable
Beispiel: Zufallsvariable 3 Münzen werden unabhängig voneinander geworfen. Jede Münze kann entweder Kopf oder Zahl zeigen. Man ist nur an der Zahl der Köpfe interessiert. Anzahl Kopf Elementarereignis
MehrDWT 1 Grundlagen 17/476 c Ernst W. Mayr
Ē heißt komplementäres Ereignis zu E. Allgemein verwenden wir bei der Definition von Ereignissen alle bekannten Operatoren aus der Mengenlehre. Wenn also A und B Ereignisse sind, dann sind auch A B, A
Mehr9. Elementare Wahrscheinlichkeitsrechnung
9. Elementare Wahrscheinlichkeitsrechnung Beispiel (Einmaliges Würfeln): verbal mengentheoretisch I. Zufällige Ereignisse Beispiel (Einmaliges Würfeln): Alle möglichen Ausgänge 1,,, 6 des Experiments werden
MehrDiskrete 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
MehrÜbungsklausur 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
MehrMultivariate Zufallsvariablen
Kapitel 7 Multivariate Zufallsvariablen 7.1 Diskrete Zufallsvariablen Bisher haben wir immer nur eine Zufallsvariable betrachtet. Bei vielen Anwendungen sind aber mehrere Zufallsvariablen von Interesse.
MehrLösungsskizzen zur Präsenzübung 04
Lösungsskizzen zur Präsenzübung 04 Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 2015/2016 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 23. November 2015 von:
MehrKapitel XI - Die n-fache unabhängige Wiederholung eines Experiments
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XI - Die n-fache unabhängige Wiederholung eines Experiments Wahrscheinlichkeitstheorie Prof. Dr. W.-D. Heller Hartwig
MehrMathe-Camp 2017 Stochastik: Geometrische Wahrscheinlichkeiten
Mathe-Camp 2017 Stochastik: Geometrische Wahrscheinlichkeiten Jo rn Saß, sass@mathematik.uni-kl.de Fachbereich Mathematik, TU Kaiserslautern Arbeitsgruppe Stochastische Steuerung und Finanzmathematik Kaiserslautern
MehrKapitel 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
MehrGrundbegriffe der Wahrscheinlichkeitsrechnung
Algorithmen und Datenstrukturen 349 A Grundbegriffe der Wahrscheinlichkeitsrechnung Für Entwurf und Analyse randomisierter Algorithmen sind Hilfsmittel aus der Wahrscheinlichkeitsrechnung erforderlich.
MehrWichtige 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
MehrUE 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..
Mehr2. Zufallsvariable, Verteilungsfunktion, Erwartungswert,
2. Zufallsvariable, Verteilungsfunktion, Erwartungswert, momentenerzeugende Funktion Ziel des Kapitels: Mathematische Präzisierung der Konzepte Zufallsvariable Verteilungsfunktion Dichtefunktion Erwartungswerte
Mehr1 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
MehrNumerische Methoden und Algorithmen in der Physik
Numerische Methoden und Algorithmen in der Physik Hartmut Stadie, Christian Autermann 08.01.2009 Numerische Methoden und Algorithmen in der Physik Hartmut Stadie 1/ 32 Einführung Wahrscheinlichkeit Verteilungen
MehrKapitel 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
MehrZufallsprozesse, 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/
MehrMengen und Abbildungen
1 Mengen und bbildungen sind Hilfsmittel ( Sprache ) zur Formulierung von Sachverhalten; naive Vorstellung gemäß Georg Cantor (1845-1918) (Begründer der Mengenlehre). Definition 1.1 Eine Menge M ist eine
MehrWahrscheinlichkeitstheorie
Kapitel 2 Wahrscheinlichkeitstheorie Wir betrachten Ereignisse, die in fast gleicher Form öfter auftreten oder zumindest öfter auftreten können. Beispiele: Werfen eines Würfels, Sterben an Herzversagen
MehrMathematik 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
MehrUnabhängigkeit 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
MehrEinführung 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
MehrKonzept diskreter Zufallsvariablen
Statistik 1 für SoziologInnen Konzept diskreter Zufallsvariablen Univ.Prof. Dr. Marcus Hudec Beispiel: Zufallsvariable 3 Münzen werden unabhängig voneinander geworfen. Jede Münze kann entweder Kopf oder
MehrStatistik 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
MehrDas Ziegenproblem. Nils Schwinning und Christian Schöler Juni 2010
Das Ziegenproblem Nils Schwinning und Christian Schöler http://www.esaga.uni-due.de/ Juni 2010 Die Formulierung Obwohl das sogenannte Ziegenproblem in der Mathematik allgegenwärtig erscheint, wurde es
MehrMathematische 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+
MehrProgramm. Wiederholung. Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung. Binomialverteilung. Hypergeometrische Verteilung
Programm Wiederholung Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung Binomialverteilung Hypergeometrische Verteilung Wiederholung verschiedene Mittelwerte für verschiedene Skalenniveaus
MehrDiskrete Strukturen II
SS 2006 Diskrete Strukturen II Ernst W. Mayr Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2006ss/ds2/ Sommersemester 2006 c Ernst W. Mayr 3. Einleitung Was bedeutet Zufall? Große Menge
MehrGründe 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
MehrBasiswissen 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)
MehrOperationen im Ereignisraum
Operationen im Ereignisraum Symbol (Gegenereignis von, quer) Venndiagramm Vierfeldertafel ( zieht nach sich, ist in enthalten, wenn eintritt, tritt auch ein) 3 ( geschnitten mit, und, sowohl als auch )
MehrMathematische 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
MehrTeil 2: Wahrscheinlichkeitsrechnung - Theoretischer Kalkül
Teil 2: Wahrscheinlichkeitsrechnung - Theoretischer Kalkül 6 Einführung in die Wahrscheinlichkeitsrechnung 272 6 Einführung in die Wahrscheinlichkeitsrechnung 6.1 Wichtige Grundbegriffe und Regeln 6.1.1
MehrEinführung. 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
MehrMathematische und statistische Methoden II
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 persike@uni-mainz.de
MehrStatistik 2 SS 2014 Universität Hamburg
Statistik 2 SS 2014 Universität Hamburg Dozent: J. Heberle Lehrstuhl für Betriebswirtschaftslehre, insbesondere Mathematik und Statistik in den Wirtschaftswissenschaften Lehrstuhlinhaber: Prof. Dr. Michael
Mehr1 Elementare Wahrscheinlichkeitstheorie
1 Elementare Wahrscheinlichkeitstheorie 1.1 Zufallsexperiment Definition 1.1. Ein Zufallsexperiment ist ein Vorgang, der im Prinzip beliebig oft unter identischen Randbedingungen wiederholt werden kann.
MehrMathematische 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+
MehrETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig)
ETWR Teil B 2 Ziele Bisher (eindimensionale, mehrdimensionale) Zufallsvariablen besprochen Lageparameter von Zufallsvariablen besprochen Übertragung des gelernten auf diskrete Verteilungen Ziel des Kapitels
MehrWAHRSCHEINLICHKEITSRECHNUNG
WAHRSCHEINLICHKEITSRECHNUNG Mathematischer Teil In der Wahrscheinlichkeitsrechnung haben wir es mit Zufallsexperimenten zu tun, d.h. Ausgang nicht vorhersagbar. Grundbegriffe Zufallsexperiment und Ergebnisse
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 7. Übung SS 16: Woche vom
Übungsaufgaben 7. Übung SS 16: Woche vom 23. 5. 27. 5.. 2016 Stochastik I: Klassische Wkt.-Berechnung Aufgaben: s. pdf auf der homepage von Dr. Vanselow http://www.math.tu-dresden.de/ vanselow/... (SS16).html
MehrGrundbegriffe der Wahrscheinlichkeitstheorie
KAPITEL 1 Grundbegriffe der Wahrscheinlichkeitstheorie 1. Zufallsexperimente, Ausgänge, Grundmenge In der Stochastik betrachten wir Zufallsexperimente. Die Ausgänge eines Zufallsexperiments fassen wir
MehrInhaltsverzeichnis (Ausschnitt)
8 Messbarkeit und Bildwahrscheinlichkeit Inhaltsverzeichnis (Ausschnitt) 8 Messbarkeit und Bildwahrscheinlichkeit Messbare Abbildungen Bildwahrscheinlichkeit Deskriptive Statistik und Wahrscheinlichkeitsrechnung
MehrPsychologische Methodenlehre und Statistik I
Psychologische Methodenlehre und Statistik I Pantelis Christodoulides & Karin Waldherr SS 2013 Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik I 1/61 Zufallsexperiment
MehrSprechstunde zur Klausurvorbereitung
htw saar 1 Sprechstunde zur Klausurvorbereitung Mittwoch, 15.02., 10 12 + 13.30 16.30 Uhr, Raum 2413 Bei Interesse in Liste eintragen: Max. 20 Minuten Einzeln oder Kleingruppen (z. B. bei gemeinsamer Klausurvorbereitung)
MehrKonzept diskreter Zufallsvariablen
Statistik 1 für SoziologInnen Konzept diskreter Zufallsvariablen Univ.Prof. Dr. Marcus Hudec Beispiel: Zufallsvariable 3 Münzen werden unabhängig voneinander geworfen. Jede Münze kann entweder Kopf oder
MehrÜ b u n g s b l a t t 4
Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel 30. 4. 2007 Ü b u n g s b l a t t 4 Mit und gekennzeichnete Aufgaben können zum Sammeln von Bonuspunkten verwendet werden. Lösungen von -Aufgaben
MehrKapitel 5. Kapitel 5 Wahrscheinlichkeit
Wahrscheinlichkeit Inhalt 5.1 5.1 Grundbegriffe Ω, Ω, X, X,...... 5.2 5.2 Wahrscheinlichkeitsräume (Ω, (Ω, P) P) 5.3 5.3 Das Das Laplace-Modell P(A) P(A) = A / Ω 5.4 5.4 Erwartungswert E(X) E(X) Literatur:
MehrWoche 2: Zufallsvariablen
Woche 2: Zufallsvariablen Patric Müller ETHZ WBL 17/19, 24.04.2017 Wahrscheinlichkeit und Statistik Patric Müller WBL 2017 Teil III Zufallsvariablen Wahrscheinlichkeit
Mehr2 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
Mehr