Bei Permutationen ohne Wiederholung geht es um das Anordnen von n Dingen, die mit den Zahlen 1,2,,n nummeriert sind.

Größe: px
Ab Seite anzeigen:

Download "Bei Permutationen ohne Wiederholung geht es um das Anordnen von n Dingen, die mit den Zahlen 1,2,,n nummeriert sind."

Transkript

1 6 Kombinatori := := 8i, _IntegerD := 8<D, 8n - <DDD KombinationenOhneWiederholungAlt@n_Integer, 1D := Table@8i<, 8i, 1, n<d KombinationenOhneWiederholungAlt@n_Integer, _IntegerD := Flatten@Map@Table@Append@, id, 8i, Last@ D + 1, n<d &, KombinationenOhneWiederholungAlt@n, - 1DD, 1D KombinationenMitWiederholung@1, _IntegerD := 88<< KombinationenMitWiederholung@n_Integer, _IntegerD := Flatten@Table@Map@Append@, id &, KombinationenMitWiederholung@n - 1, - idd, 8i, 0, <D, 1D KombinationenMitWiederholungAlt@n_Integer, 1D := Table@8i<, 8i, 1, n<d KombinationenMitWiederholungAlt@n_Integer, _IntegerD := Flatten@Map@Table@Append@, id, 8i, Last@ D, n<d &, KombinationenMitWiederholungAlt@n, - 1DD, 1D VariationenOhneWiederholung@n_Integer, _IntegerD := Flatten@Map@Permutations, KombinationenOhneWiederholungAlt@n, DD, 1D VariationenMitWiederholung@n_Integer, _IntegerD := Distribute@Table@Table@i, 8i, 1, n<d, 8<D, ListD Bei Laplace-Experimenten läuft die Berechnung der Wahrscheinlicheit eines Ereingisses A Œ W auf die Berechnung der Mächtigeit der Mengen A und W hinaus. Oft handelt es sich bei diesen Mengen W dabei um Mengen, welche in der Kombinatori bereits beannt sind. Wir werden uns in diesem Abschnitt daher mit einigen Grundmengen der Kombinatori befassen, diese Mengen genau definieren, aufzeigen, in welchem Zusammenhang sie auftreten und Mathematica-Befehle ennen lernen, mit denen sich diese Mengen erzeugen lassen. 6.1 Permutationen ohne Wiederholung Bei Permutationen ohne Wiederholung geht es um das Anordnen von n Dingen, die mit den Zahlen 1,2,,n nummeriert sind Permutationen ohne Wiederholung: Jede mögliche Anordnung von n paarweise verschiedenen Dingen nennt man eine Permutation ohne Wiederholung von n Dingen. Die Menge aller Permutationen ohne Wiederholung von n Dingen entspricht der Menge W=88x 1, x 2,, x n < x 1, x 2,, x n œ81, 2,, n< paarweise verschieden< Die Liste 8x 1, x 2,, x n <œw beschreibt dabei die Anordnung "auf dem ersten Platz liegt das Ding mit der Nummer x 1, auf dem zweiten Platz liegt das Ding mit der Nummer x 2,, auf dem n-ten Platz liegt das Ding mit der Nummer x n ". Jede mögliche Verteilung von n Kugeln auf n Urnen, wobei in jede Urne genau eine Kugel gelangt, ann als Permutation ohne Wiederholung von n Dingen interpretiert werden. Die Liste 8x 1, x 2,, x n <œw beschreibt dabei

2 2 06_Kombinatori.nb 1 2 n die Verteilung "die erste Kugel gelangt in die x 1 -te Urne, die zweite Kugel gelangt in die x 2 -te Urne,, die n-te Kugel gelangt in die x n -te Urne" Satz: Für die Menge W aller Permutationen ohne Wiederholung von n Dingen gilt W = n! Die Zahl n! lässt sich dabei mit dem Befehl Factorial (oder urz n!) aufrufen. Beweis: Wir überlegen, auf wieviele Arten sich Listen 8x 1, x 2,, x n <œw bilden lassen: Für x 1 gibt es n Möglicheiten; ist x 1 gewählt, so bleiben für x 2 noch Hn-1L Möglicheiten übrig; sind x 1 und x 2 gewählt, so bleiben für x 3 noch Hn- 2L Möglicheiten übrig; ; sind x 1, x 2,, x n-1 gewählt, so bleibt für x n noch eine einzige Möglicheit übrig. Es gibt also insgesamt n µhn- 1L µ µ 2 µ 1 = n! derartige Listen. Beispielsweise lassen sich 50 Bücher wegen N@50!D auf etwa µ10 64 verschiedene Arten anordnen. Mit dem folgenden Befehl lässt sich die Menge aller Permutationen ohne Wiederholung von n Dingen erzeugen (da die Anzahl der Permutationen ohne Wiederholung von n Dingen bereits für leine n riesig groß ist, sollte dieser Befehl nur für n<10 verwendet werden):

3 06_Kombinatori.nb 3 à PermutationenOhneWiederholung@nD erzeugt die Menge aller Permutationen ohne Wiederholung von n Dingen. Beispielsweise gilt PermutationenOhneWiederholung@4D 881, 2, 3, 4<, 81, 2, 4, 3<, 81, 3, 2, 4<, 81, 3, 4, 2<, 81, 4, 2, 3<, 81, 4, 3, 2<, 82, 1, 3, 4<, 82, 1, 4, 3<, 82, 3, 1, 4<, 82, 3, 4, 1<, 82, 4, 1, 3<, 82, 4, 3, 1<, 83, 1, 2, 4<, 83, 1, 4, 2<, 83, 2, 1, 4<, 83, 2, 4, 1<, 83, 4, 1, 2<, 83, 4, 2, 1<, 84, 1, 2, 3<, 84, 1, 3, 2<, 84, 2, 1, 3<, 84, 2, 3, 1<, 84, 3, 1, 2<, 84, 3, 2, 1<< 6.2 Permutationen mit Wiederholung Bei Permutationen mit Wiederholung geht es um das Anordnen von n=n 1 + n 2 + +n Dingen, welche mit den Zahlen 1, 1,, 1, 2, 2,, 2,,,,, n 1 mal n 2 mal n mal nummeriert sind. Dinge, welche die gleiche Nummer zugewiesen beommen, sind dabei als identisch anzusehen Permutationen mit Wiederholung: Jede mögliche Anordnung von n=n 1 + n 2 + +n Dingen, von denen jeweils n 1 bzw n 2 bzw bzw n Dinge identisch sind, nennt man eine Permutation mit Wiederholung von n 1, n 2,, n Dingen. Die Menge aller Permutationen mit Wiederholung von n 1, n 2,, n Dingen entspricht der Menge W=88x 1, x 2,, x n < x 1, x 2,, x n œ81, 2,, < wobei jeweils n s der x i gleich s sind< Die Liste 8x 1, x 2,, x n <œw beschreibt dabei die Anordnung "auf dem ersten Platz liegt das Ding mit der Nummer x 1, auf dem zweiten Platz liegt das Ding mit der Nummer x 2,, auf dem n-ten Platz liegt das Ding mit der Nummer x n ". Jede mögliche Verteilung von n=n 1 +n 2 + +n Kugeln auf Urnen, bei der in die s-te Urne genau n s Kugeln gelangen, ann als Permutation mit Wiederholung von n 1, n 2,, n Dingen interpretiert werden. Die Liste 8x 1, x 2,, x n <œw beschreibt dann die Verteilung "die erste Kugel gelangt in die x 1 -te Urne, die zweite Kugel gelangt in die x 2 -te Urne,, die n-te Kugel gelangt in die x n -te Urne" Satz: Für die Menge W aller Permutationen mit Wiederholung von n 1, n 2,, n Dingen gilt W = Hn 1 + n 2 + +n L! n 1! n 2! n! Die Zahl Hn 1 + n 2 + +n L! lässt sich dabei mit dem Befehl Multinomial aufrufen. n 1! n 2! n! Beweis: Aus Satz folgt, dass sich n paarweise verschiedene Dinge auf n! verschiedene Arten anordnen lassen. Damit lassen sich n 1 +n 2 + +n Dinge an sich auf Hn 1 +n 2 + +n L! Arten anordnen. Da aber jeweils n 1, n 2,, n dieser Dinge identisch sind, sind nur

4 4 06_Kombinatori.nb Hn 1 + n 2 + +n L! n 1! n 2! n! dieser Hn 1 +n 2 + +n L! Anordnungen tatsächlich voneinander verschieden. Beispielsweise lassen sich die Buchstaben des Wortes SEEREISE wegen Multinomial@2, 4, 1, 1D 840 auf 840 verschiedene Arten anordnen.

5 06_Kombinatori.nb 5 Mit dem folgenden Befehl lässt sich die Menge aller Permutationen mit Wiederholung von n 1, n 2,, n Dingen erzeugen (man beachte wieder, dass dieser Befehl nur für leine Werte von n 1, n 2,, n und sinnvoll ist): à PermutationenMitWiederholung@8n 1, n 2,, n <D erzeugt die Menge aller Permutationen mit Wiederholung von n 1, n 2,, n Dingen. Beispielsweise gilt PermutationenMitWiederholung@82, 1, 2<D 881, 1, 2, 3, 3<, 81, 1, 3, 2, 3<, 81, 1, 3, 3, 2<, 81, 2, 1, 3, 3<, 81, 2, 3, 1, 3<, 81, 2, 3, 3, 1<, 81, 3, 1, 2, 3<, 81, 3, 1, 3, 2<, 81, 3, 2, 1, 3<, 81, 3, 2, 3, 1<, 81, 3, 3, 1, 2<, 81, 3, 3, 2, 1<, 82, 1, 1, 3, 3<, 82, 1, 3, 1, 3<, 82, 1, 3, 3, 1<, 82, 3, 1, 1, 3<, 82, 3, 1, 3, 1<, 82, 3, 3, 1, 1<, 83, 1, 1, 2, 3<, 83, 1, 1, 3, 2<, 83, 1, 2, 1, 3<, 83, 1, 2, 3, 1<, 83, 1, 3, 1, 2<, 83, 1, 3, 2, 1<, 83, 2, 1, 1, 3<, 83, 2, 1, 3, 1<, 83, 2, 3, 1, 1<, 83, 3, 1, 1, 2<, 83, 3, 1, 2, 1<, 83, 3, 2, 1, 1<< 6.3 Kombinationen ohne Wiederholung Bei Kombinationen ohne Wiederholung geht es um das Auswählen von n Dingen aus n Dingen, welche mit den Zahlen 1,2,,n nummeriert sind, wobei jedes einzelne Ding höchstens einmal ausgewählt werden darf (Ziehen ohne Zurüclegen) und wobei die Reihenfolge, in der diese Auswahl erfolgt, eine Bedeutung hat Kombinationen ohne Wiederholung: Jede mögliche Auswahl von n Dingen aus n Dingen, wobei jedes einzelne Ding höchstens einmal ausgewählt werden darf und wobei die Reihenfolge, in der diese Dinge ausgewählt werden, eine Bedeutung hat, nennt man eine Kombination ohne Wiederholung von aus n Dingen. Die Menge aller Kombinationen ohne Wiederholung von aus n Dingen entspricht der Menge W = 88x 1, x 2,, x n < x 1, x 2,, x n œ80, 1< mit x 1 + x x n = < Die Liste 8x 1, x 2,, x n <œw beschreibt dabei die Auswahl "es werden genau jene Dinge iœ81, 2,, n< ausgewählt, für die x i = 1 ist" Satz: Für die Menge W aller Kombinationen ohne Wiederholung von aus n Dingen gilt W =K n O Die Zahl K n O lässt sich dabei mit dem Befehl Binomial aufrufen. Beweis: Wir zeigen diese Aussage durch vollständige Indution nach n und bemeren dazu zunächst, dass 880, 0,, 0<< = 1=K n+1 O und 881, 1,, 1<< = 1=K n+1 0 n+1 O n+1 mal n+1 mal gilt. Der springende Punt unseres Indutionsbeweises liegt nun darin, dass für alle œ81, 2,, n< offenbar 88x 1, x 2,, x n, x n+1 < x 1, x 2,, x n, x n+1 œ80, 1< mit x 1 + x x n + x n+1 = <= =88x 1, x 2,, x n, 0< x 1, x 2,, x n œ80, 1< mit x 1 + x x n = <

6 6 06_Kombinatori.nb 1 2 n 1 2 n 1 2 n 88x 1, x 2,, x n, 1< x 1, x 2,, x n œ80, 1< mit x 1 + x 2 + +x n = - 1< gilt, wobei es sich dabei um eine disjunte Vereinigung handelt. Wegen der Indutionsannahme gilt damit 88x 1, x 2,, x n, x n+1 < x 1, x 2,, x n, x n+1 œ80, 1< mit x 1 + x x n + x n+1 = < = =K n O+K n - 1 O=Kn+1 O Beispielsweise gibt es beim Lotto "6 aus 45" wegen Binomial@45, 6D genau verschiedene Möglicheiten für einen Sechser. Kombinationen ohne Wiederholung lassen sich auch noch auf eine andere Weise darstellen: Kombinationen ohne Wiederholung (alternative Darstellung): Die Menge aller Kombinationen ohne Wiederholung von aus n Dingen entspricht auch der Menge W alt = 88x 1, x 2,, x < x 1, x 2,, x œ81, 2,, n< mit x 1 < x 2 < < x < Die Liste 8x 1, x 2,, x <œw beschreibt dabei die Auswahl "es werden das x 1 -te, das x 2 -te, und das x n -te Ding ausgewählt".

7 06_Kombinatori.nb 7 Mit den folgenden Befehlen lässt sich die Menge aller Kombinationen ohne Wiederholung von aus n Dingen erzeugen (man beachte wieder, dass diese Befehle nur für leine Werte von n und sinnvoll sind): à KombinationenOhneWiederholung@n, D erzeugt die Menge aller Kombinationen ohne Wiederholung von aus n Dingen. à KombinationenOhneWiederholungAlt@n, D erzeugt die alternative Menge aller Kombinationen ohne Wiederholung von aus n Dingen. Beispielsweise gilt KombinationenOhneWiederholung@6, 3D 881, 1, 1, 0, 0, 0<, 81, 1, 0, 1, 0, 0<, 81, 1, 0, 0, 1, 0<, 81, 1, 0, 0, 0, 1<, 81, 0, 1, 1, 0, 0<, 81, 0, 1, 0, 1, 0<, 81, 0, 1, 0, 0, 1<, 81, 0, 0, 1, 1, 0<, 81, 0, 0, 1, 0, 1<, 81, 0, 0, 0, 1, 1<, 80, 1, 1, 1, 0, 0<, 80, 1, 1, 0, 1, 0<, 80, 1, 1, 0, 0, 1<, 80, 1, 0, 1, 1, 0<, 80, 1, 0, 1, 0, 1<, 80, 1, 0, 0, 1, 1<, 80, 0, 1, 1, 1, 0<, 80, 0, 1, 1, 0, 1<, 80, 0, 1, 0, 1, 1<, 80, 0, 0, 1, 1, 1<< KombinationenOhneWiederholungAlt@6, 3D 881, 2, 3<, 81, 2, 4<, 81, 2, 5<, 81, 2, 6<, 81, 3, 4<, 81, 3, 5<, 81, 3, 6<, 81, 4, 5<, 81, 4, 6<, 81, 5, 6<, 82, 3, 4<, 82, 3, 5<, 82, 3, 6<, 82, 4, 5<, 82, 4, 6<, 82, 5, 6<, 83, 4, 5<, 83, 4, 6<, 83, 5, 6<, 84, 5, 6<< Man beachte dabei, in welcher Weise einander die beiden Listen entsprechen. 6.4 Kombinationen mit Wiederholung Bei Kombinationen mit Wiederholung geht es um das Auswählen von Dingen aus n Dingen, welche mit den Zahlen 1,2,,n nummeriert sind, wobei jedes einzelne Ding auch mehrmals ausgewählt werden darf (Ziehen mit Zurüclegen) und wobei die Reihenfolge, in der diese Auswahl erfolgt, eine Bedeutung hat Kombinationen mit Wiederholung: Jede mögliche Auswahl von Dingen aus n Dingen, wobei jedes einzelne Ding auch mehrmals ausgewählt werden darf und wobei die Reihenfolge, in der diese Dinge ausgewählt werden, eine Bedeutung hat, nennt man eine Kombination mit Wiederholung von aus n Dingen. Die Menge aller Kombinationen mit Wiederholung von aus n Dingen entspricht der Menge W = 88x 1, x 2,, x n < x 1, x 2,, x n œ80, 1,, < mit x 1 + x x n = < Die Liste 8x 1, x 2,, x n <œw beschreibt dabei die Auswahl "das erste Ding wird x 1 mal, das zweite Ding wird x 2 mal,, das n-te Ding wird x n mal ausgewählt" Satz: Für die Menge W aller Kombinationen mit Wiederholung von aus n Dingen gilt W =K n+- 1 O Die Zahl K n+- 1 O lässt sich dabei mit dem Befehl Binomial aufrufen. Beweis: Wir bezeichnen für diesen Beweis die Menge aller Kombinationen ohne Wiederholung von aus n Dingen

8 8 06_Kombinatori.nb mit C n und die Menge aller Kombinationen mit Wiederholung von aus n Dingen mit D n. Aus der Tatsache, dass die Abbildung f : D n Ø Cn+-1 mit f@8x 1, x 2,, x n <D=81, 1,, 1, 0, 1, 1,, 1, 0,, 0, 1, 1,, 1< x 1 mal x 2 mal xn mal offenbar bijetiv ist, folgt aus Satz unmittelbar D n = Cn+-1 =K n+- 1 O Werden beispielsweise bei einer Übung mit n = 8 Teilnehmern diese Teilnehmer insgesamt = 20 mal zufällig aufgerufen, so gibt es dafür wegen Binomial@ , 20D genau verschiedene Möglicheiten. Kombinationen mit Wiederholung lassen sich auch noch auf eine andere Weise darstellen:

9 06_Kombinatori.nb Kombinationen mit Wiederholung (alternative Darstellung): Die Menge aller Kombinationen mit Wiederholung von aus n Dingen entspricht auch der Menge W alt = 88x 1, x 2,, x < x 1, x 2,, x œ81, 2,, n< mit x 1 x 2 x < Die Liste 8x 1, x 2,, x <œw beschreibt dabei die Auswahl "es werden das x 1 -te, das x 2 -te, und das x -te Ding ausgewählt". Mit den folgenden Befehlen lässt sich die Menge aller Kombinationen mit Wiederholung von aus n Dingen erzeugen (man beachte wieder, dass diese Befehle wieder nur für leine Werte von n und sinnvoll sind): à KombinationenMitWiederholung@n, D erzeugt die Menge aller Kombinationen mit Wiederholung von aus n Dingen. à KombinationenMitWiederholungAlt@n, D erzeugt die alternative Menge aller Kombinationen mit Wiederholung von aus n Dingen. Beispielsweise gilt KombinationenMitWiederholung@4, 3D 883, 0, 0, 0<, 82, 1, 0, 0<, 81, 2, 0, 0<, 80, 3, 0, 0<, 82, 0, 1, 0<, 81, 1, 1, 0<, 80, 2, 1, 0<, 81, 0, 2, 0<, 80, 1, 2, 0<, 80, 0, 3, 0<, 82, 0, 0, 1<, 81, 1, 0, 1<, 80, 2, 0, 1<, 81, 0, 1, 1<, 80, 1, 1, 1<, 80, 0, 2, 1<, 81, 0, 0, 2<, 80, 1, 0, 2<, 80, 0, 1, 2<, 80, 0, 0, 3<< KombinationenMitWiederholungAlt@4, 3D 881, 1, 1<, 81, 1, 2<, 81, 1, 3<, 81, 1, 4<, 81, 2, 2<, 81, 2, 3<, 81, 2, 4<, 81, 3, 3<, 81, 3, 4<, 81, 4, 4<, 82, 2, 2<, 82, 2, 3<, 82, 2, 4<, 82, 3, 3<, 82, 3, 4<, 82, 4, 4<, 83, 3, 3<, 83, 3, 4<, 83, 4, 4<, 84, 4, 4<< Man beachte wieder, in welcher Weise einander die beiden Listen entsprechen. 6.5 Variationen ohne Wiederholung Bei Variationen ohne Wiederholung geht es um das Auswählen von n Dingen aus n Dingen, welche mit den Zahlen 1,2,,n nummeriert sind, wobei jedes einzelne Ding höchstens einmal ausgewählt werden darf (Ziehen ohne Zurüclegen) und wobei die Reihenfolge, in der diese Auswahl erfolgt, wesentlich ist Variationen ohne Wiederholung: Jede mögliche Auswahl von n Dingen aus n Dingen, wobei jedes einzelne Ding höchstens einmal ausgewählt werden darf und wobei die Reihenfolge, in der diese Dinge ausgewählt werden, wesentlich ist, nennt man eine Variation ohne Wiederholung von aus n Dingen. Die Menge aller Variationen von aus n Dingen ohne Wiederholung entspricht der Menge W = 88x 1, x 2,, x < x 1, x 2,, x œ81, 2,, n< paarweise verschieden< Die Liste 8x 1, x 2,, x <œw beschreibt dabei die Auswahl "beim ersten Zug wird das x 1 -te Ding, beim zweiten Zug wird das x 2 -te Ding,, beim -ten Zug wird das x -te Ding ausgewählt". Jede mögliche Verteilung von n Kugeln auf n Urnen, wobei in jede Urne höchstens eine Kugel gelangen darf, ann als Variation ohne Wiederholung von aus n Dingen interpretiert werden. Die Liste 8x 1, x 2,, x <œw

10 10 06_Kombinatori.nb beschreibt dabei die Verteilung "die erste Kugel gelangt in die x 1 -te Urne, die zweite Kugel gelangt in die x 2 -te Urne,, die -te Kugel gelangt in die x -te Urne" Satz: Für die Menge W aller Variationen ohne Wiederholung von aus n Dingen gilt W = n! Hn- L! Beweis: Wir überlegen, auf wieviele Arten sich Listen 9x 1, x 2,, x =œw bilden lassen: Für x 1 gibt es n Möglicheiten; ist x 1 gewählt, so bleiben für x 2 noch Hn-1L Möglicheiten übrig; sind x 1 und x 2 gewählt, so bleiben für x 3 noch Hn- 2L Möglicheiten übrig; ; sind x 1, x 2,, x -1 gewählt, so bleiben für x noch Hn-+ 1L Möglicheiten übrig. Es gibt also insgesamt nhn-1l Hn-+ 1L= derartige Listen. n! Hn-L!

11 06_Kombinatori.nb 11 Sollen beispielsweise =6 Kugeln so auf n=9 Urnen verteilt werden, dass in jede Urne höchstens eine Kugel gelangt, so gibt es dafür wegen 9!êH9-6L! genau verschiedene Möglicheiten. Mit dem folgenden Befehl lässt sich die Menge aller Variationen ohne Wiederholung von aus n Dingen erzeugen (man beachte wieder, dass dieser Befehl nur für leine Werte von n und sinnvoll ist): à VariationenOhneWiederholung@n, D erzeugt die Menge aller Variationen ohne Wiederholung von aus n Dingen. Beispielsweise gilt VariationenOhneWiederholung@4, 3D 881, 2, 3<, 81, 3, 2<, 82, 1, 3<, 82, 3, 1<, 83, 1, 2<, 83, 2, 1<, 81, 2, 4<, 81, 4, 2<, 82, 1, 4<, 82, 4, 1<, 84, 1, 2<, 84, 2, 1<, 81, 3, 4<, 81, 4, 3<, 83, 1, 4<, 83, 4, 1<, 84, 1, 3<, 84, 3, 1<, 82, 3, 4<, 82, 4, 3<, 83, 2, 4<, 83, 4, 2<, 84, 2, 3<, 84, 3, 2<< 6.6 Variationen mit Wiederholung Bei Variationen mit Wiederholung geht es um das Auswählen von Dingen aus n Dingen, welche mit den Zahlen 1,2,,n nummeriert sind, wobei jedes einzelne Ding auch mehrmals ausgewählt werden darf (Ziehen mit Zurüclegen) und wobei die Reihenfolge, in der diese Auswahl erfolgt, wesentlich ist Variationen mit Wiederholung: Jede mögliche Auswahl von Dingen aus n Dingen, wobei jedes einzelne Ding auch mehrmals ausgewählt werden darf und wobei die Reihenfolge, in der diese Dinge ausgewählt werden, wesentlich ist, nennt man eine Variation mit Wiederholung von aus n Dingen. Die Menge aller Variationen mit Wiederholung von aus n Dingen entspricht der Menge W = 88x 1, x 2,, x < x 1, x 2,, x œ81, 2,, n<< Die Liste 8x 1, x 2,, x <œw beschreibt dabei die Auswahl "beim ersten Zug wird das x 1 -te Ding, beim zweiten Zug wird das x 2 -te Ding,, beim n-ten Zug wird das x n -te Ding ausgewählt". Jede mögliche Verteilung von n Kugeln auf n Urnen, wobei in jede Urne auch mehrere Kugeln gelangen dürfen, ann als Variation mit Wiederholung von aus n Dingen interpretiert werden. Die Liste 8x 1, x 2,, x <œw beschreibt dabei die Verteilung "die erste Kugel gelangt in die x 1 -te Urne, die zweite Kugel gelangt in die x 2 -te Urne,, die -te Kugel gelangt in die x -te Urne" Satz: Für die Menge W aller Variationen mit Wiederholung von aus n Dingen gilt W = n Beweis: Wir überlegen, auf wieviele Arten sich Listen 8x 1, x 2,, x <œw bilden lassen: Für jedes der Elemente

12 12 06_Kombinatori.nb x 1, x 2,, x gibt es n Möglicheiten. Also gibt es insgesamt n derartige Listen. Sollen beispielsweise = 6 Kugeln auf n=9 Urnen verteilt werden, wobei in jede Urne auch mehrere Kugel gelangen dürfen, so gibt es dafür wegen

13 06_Kombinatori.nb genau verschiedene Möglicheiten. Mit dem folgenden Befehl lässt sich die Menge aller Variationen mit Wiederholung von aus n Dingen erzeugen (man beachte wieder, dass dieser Befehl nur für leine Werte von n und sinnvoll ist): à VariationenMitWiederholung@n, D erzeugt die Menge aller Variationen mit Wiederholung von aus n Dingen. Beispielsweise gilt VariationenMitWiederholung@4, 3D 881, 1, 1<, 81, 1, 2<, 81, 1, 3<, 81, 1, 4<, 81, 2, 1<, 81, 2, 2<, 81, 2, 3<, 81, 2, 4<, 81, 3, 1<, 81, 3, 2<, 81, 3, 3<, 81, 3, 4<, 81, 4, 1<, 81, 4, 2<, 81, 4, 3<, 81, 4, 4<, 82, 1, 1<, 82, 1, 2<, 82, 1, 3<, 82, 1, 4<, 82, 2, 1<, 82, 2, 2<, 82, 2, 3<, 82, 2, 4<, 82, 3, 1<, 82, 3, 2<, 82, 3, 3<, 82, 3, 4<, 82, 4, 1<, 82, 4, 2<, 82, 4, 3<, 82, 4, 4<, 83, 1, 1<, 83, 1, 2<, 83, 1, 3<, 83, 1, 4<, 83, 2, 1<, 83, 2, 2<, 83, 2, 3<, 83, 2, 4<, 83, 3, 1<, 83, 3, 2<, 83, 3, 3<, 83, 3, 4<, 83, 4, 1<, 83, 4, 2<, 83, 4, 3<, 83, 4, 4<, 84, 1, 1<, 84, 1, 2<, 84, 1, 3<, 84, 1, 4<, 84, 2, 1<, 84, 2, 2<, 84, 2, 3<, 84, 2, 4<, 84, 3, 1<, 84, 3, 2<, 84, 3, 3<, 84, 3, 4<, 84, 4, 1<, 84, 4, 2<, 84, 4, 3<, 84, 4, 4<<

Kombinatorik und Urnenmodelle

Kombinatorik und Urnenmodelle Kapitel 2 Kombinatori und Urnenmodelle In diesem Abschnitt nehmen wir an, dass (Ω, A, P ein Laplace scher Wahrscheinlicheitsraum ist (vgl. Bsp.1.3, d.h. Ω ist endlich, A = P (Ω und P (A = A Ω A Ω. Für

Mehr

Elemente der Stochastik (SoSe 2016) 5. Übungsblatt

Elemente der Stochastik (SoSe 2016) 5. Übungsblatt Dr. M. Weimar 02.05.2016 Elemente der Stochasti (SoSe 2016) 5. Übungsblatt Aufgabe 1 (4 Punte) Beweisen sie, dass die Potenzmenge P(A) einer beliebigen endlichen Menge A genau P(A) 2 A Elemente enthält!

Mehr

KAPITEL 2. Kombinatorik

KAPITEL 2. Kombinatorik KAPITEL 2 Kombinatori In der Kombinatori geht es um das Abzählen von Kombinationen 21 Geburtstagsproblem Beispiel 211 (Geburtstagsproblem In einem Raum befinden sich 200 Studenten Wie groß ist die Wahrscheinlicheit,

Mehr

A B A B A B C. Beispiel 1 Wie viele Möglichkeiten gibt es 3 verschiedene Kugeln: A, B und C auf verschiedene Arten auf 3 Plätze anzuordnen?

A B A B A B C. Beispiel 1 Wie viele Möglichkeiten gibt es 3 verschiedene Kugeln: A, B und C auf verschiedene Arten auf 3 Plätze anzuordnen? eispiel 1 Wie viele Möglicheiten gibt es 3 verschiedene Kugeln:, und auf verschiedene rten auf 3 Plätze anzuordnen? Lösung Es gibt also 6 Möglicheiten, 3 verschiedene Kugeln auf 3 verschiedene Plätze anzuordnen.

Mehr

2.1 Klassische kombinatorische Probleme

2.1 Klassische kombinatorische Probleme 2 Kombinatori Aufgabenstellung: Anzahl der verschiedenen Zusammenstellungen von Objeten. Je nach Art der zusätzlichen Forderungen, ist zu unterscheiden, welche Zusammenstellungen als gleich, und welche

Mehr

15.2 Kombinatorische Abzählformeln

15.2 Kombinatorische Abzählformeln 15.2 Kombinatorische Abzählformeln 1. Permutationen In wie vielen verschiedenen Reihenfolgen ann man n verschiedene Dinge anordnen? Wie viele Reihenfolgen gibt es, wenn die Dinge nicht alle verschieden

Mehr

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung Kapitel 7 Wahrscheinlicheitsrechnung 7.1 Kombinatori Def. 7.1.1:a) Für eine beliebige natürliche Zahl m bezeichnet man das Produt aus den Zahlen von 1 bis m mit m Faultät: m! : 1 2 3 m, 0! : 1. Beispiele:

Mehr

1 Das Phänomen Zufall

1 Das Phänomen Zufall 1 Das Phänomen Zufall Im täglichen Leben werden wir oft mit Vorgängen konfrontiert, bei denen der Zufall eine Rolle spielt. Bereits als Kind lernt man die Tücken des Zufalls kennen, wenn man beim Spiel

Mehr

Algebra - Neutrales und Nullelement. Definition 35. Gibt es in einer Algebra (S, ) mit binärer Operation

Algebra - Neutrales und Nullelement. Definition 35. Gibt es in einer Algebra (S, ) mit binärer Operation Algebra - Neutrales und Nullelement Definition 35. Gibt es in einer Algebra (S, ) mit binärer Operation 1. ein r S mit x S : x r = x, nennt man r rechtneutrales Element 2. ein l S mit x S : l x = x, nennt

Mehr

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 Disrete Struturen und Logi WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Disrete Struturen und Logi Gesamtübersicht Organisatorisches Einführung Logi & Mengenlehre Beweisverfahren

Mehr

Abzählende Kombinatorik

Abzählende Kombinatorik Kapitel Abzählende Kombinatori Die in diesem Kapitel behandelte abzählende Kombinatori untersucht endliche Struturen und beschäftigt sich mit den Möglicheiten Objete anzuordnen oder auszuwählen Die abzählende

Mehr

Kombinatorische Abzählverfahren - LÖSUNGEN

Kombinatorische Abzählverfahren - LÖSUNGEN Kombinatorische Abzählverfahren - LÖSUNGEN TEIL C: Lösungen 1. Produtregel das einfache Verfahren Aufgabe 1: Auto-Ausstattung Aufgabe 2: Tanzstunde Aufgabe 3: Menüplanung Aufgabe 4: Atenzeichen Aufgabe

Mehr

Grundlagen der Kombinatorik

Grundlagen der Kombinatorik 60 Kapitel 4 Grundlagen der Kombinatori Einer der Schwerpunte der Kombinatori ist das Abzählen von endlichen Mengen. Wir stellen zunächst einige Grundregeln des Abzählens vor, die wir gelegentlich auch

Mehr

Kombinatorik. Kombinatorik

Kombinatorik. Kombinatorik Kombinatori Kombinatori Ziel: Bestimmen der Mächtigeiten bestimmter endlicher Mengen, die durch Anordnung oder Auswahl von Elementen einer Menge gebildet werden. Wir wissen bereits, dass für die Potenzmenge

Mehr

Binomialverteilung & Binomialtest

Binomialverteilung & Binomialtest Mathemati II für Biologen & 5. Juni 2015 & -Test Kombinatori Permutationen Urnenmodelle Binomialoeffizient Motivation Bin(n, p) Histogramme Beispiel Faustregeln Vorzeichentest & -Test Permutationen Urnenmodelle

Mehr

Universität Basel Wirtschaftswissenschaftliches Zentrum. Kombinatorik. Dr. Thomas Zehrt. Inhalt: 1. Endliche Mengen 2. Einfache Urnenexperimente

Universität Basel Wirtschaftswissenschaftliches Zentrum. Kombinatorik. Dr. Thomas Zehrt. Inhalt: 1. Endliche Mengen 2. Einfache Urnenexperimente Universität Basel Wirtschaftswissenschaftliches Zentrum Kombinatorik Dr. Thomas Zehrt Inhalt: 1. Endliche Mengen 2. Einfache Urnenexperimente 2 Teil 1 Endliche Mengen Eine endliche Menge M ist eine Menge,

Mehr

Natürliche und ganze Zahlen, vollständige Induktion und Kombinatorik

Natürliche und ganze Zahlen, vollständige Induktion und Kombinatorik Kapitel 2 Natürliche und ganze Zahlen, vollständige Indution und Kombinatori 2.1 N, Z (Gruppe; Ordnungsrelation Jeder hat eine intuitive Vorstellung von der Menge der natürlichen Zahlen N : {1, 2, 3...

Mehr

Kombinationen und Permutationen

Kombinationen und Permutationen 10 Kombinationen und Permutationen In den nächsten beiden Kapiteln wird die Abzählungstheorie der lassischen Abbildungstypen mit Nebenbedingungen entwicelt. Sie beschäftigt sich onret mit der Frage, auf

Mehr

1 Natürliche Zahlen und vollständige Indution Beispiel : Für jede Zahl x 6 1gilt die geometrische Summenformel 1+x + x + :::+ x n 1 xn+1 1 x : (I) Für

1 Natürliche Zahlen und vollständige Indution Beispiel : Für jede Zahl x 6 1gilt die geometrische Summenformel 1+x + x + :::+ x n 1 xn+1 1 x : (I) Für 1 Natürliche Zahlen und vollständige Indution Die ganzen Zahlen hat der liebe Gott gemacht, alles andere ist Menschenwer. (L. Kronecer) Wir setzen das System N der natürlichen Zahlen 1; ; 3;::: als beannt

Mehr

11 Unabhängige Ereignisse

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

Mehr

4. Die elementaren Zählfunktionen. Definition 165 (Binomialkoeffizienten) 4.1 Untermengen. align

4. Die elementaren Zählfunktionen. Definition 165 (Binomialkoeffizienten) 4.1 Untermengen. align 4. Die elementaren Zählfuntionen 4.1 Untermengen Definition 165 (Binomialoeffizienten) align ( ) n := 1 n N 0 0 ( ) n := 0 n

Mehr

Die Zahlbereiche N, Z, Q

Die Zahlbereiche N, Z, Q Die Zahlbereiche N, Z, Q Ausgangspunt: N = {1,, 3...} Menge der natürlichen Zahlen schrittweise Konstrution 1 := { }, := {, { }}, 3 := {, { }, {, { }}}... (also: n + 1 := n {n} J.v. Neumann 193 N wird

Mehr

Musterlösung zur ersten Klausur Stochastik für Lehramtskandidaten SS2012

Musterlösung zur ersten Klausur Stochastik für Lehramtskandidaten SS2012 Musterlösung zur ersten Klausur Stochasti für Lehramtsandidaten SS2012 Aufgabe 1 In einer Urne befinden sich 2n Kugeln, n N, die von 1 bis 2n durchnummeriert sind. Die Kugeln mit den Nummern 1 bis n sind

Mehr

2 Vollständige Induktion

2 Vollständige Induktion Vollständige Indution Wir unterbrechen jetzt die Disussion der Axiome der reellen Zahlen, um das Beweisverfahren der vollständigen Indution ennenzulernen. Wir setzen voraus, dass die natürlichen Zahlen

Mehr

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910

Mehr

Analyse von Hashfunktionen

Analyse von Hashfunktionen Analyse von Hashfuntionen Borys Gendler 5. Februar 2007 In dieser Arbeit wird die Anzahl der Kollisionen beim Einfügen eines Elements in einer Hashtabelle untersucht. Wir beantworten die Frage, wie sich

Mehr

Vorlesung 2b. Diskrete Zufallsvariable. und ihre Verteilungen

Vorlesung 2b. Diskrete Zufallsvariable. und ihre Verteilungen Vorlesung 2b Diskrete Zufallsvariable und ihre Verteilungen 1 1. Die Grundbegriffe 2 Bisher hatten wir uns (vor allem) mit Zufallsvariablen beschäftigt, deren Wertebereich S endlich war. Die (schon in

Mehr

Kombinatorik. LSGM Leipziger Schülergesellschaft für Mathematik. Toscho Mathecamp 12. Juli 21. Juli 2008 Klasse 11/12. Inhaltsverzeichnis

Kombinatorik. LSGM Leipziger Schülergesellschaft für Mathematik. Toscho Mathecamp 12. Juli 21. Juli 2008 Klasse 11/12. Inhaltsverzeichnis LSGM Leipziger Schülergesellschaft für Mathemati Kombinatori Toscho Mathecamp 1. Juli 1. Juli 008 Klasse 11/1 Inhaltsverzeichnis 1 Grundlagen Aufgaben 3 3 Politi in der Mathemati 3 4 Olympiadeaufgaben

Mehr

Mehr Erfolg in Mathematik, Abitur: Stochastik

Mehr Erfolg in Mathematik, Abitur: Stochastik Mehr Erfolg in... Mehr Erfolg in Mathemati, Abitur: Stochasti von Wolfdieter Feix 1. Auflage Mehr Erfolg in Mathemati, Abitur: Stochasti Feix schnell und portofrei erhältlich bei bec-shop.de DIE FACHBUCHHANDLUNG

Mehr

KOMBINATORIK IN DER SCHULE

KOMBINATORIK IN DER SCHULE KOMBINATORIK IN DER SCHULE Referenten: Florian Schmidt und Benjamin Otto GLIEDERUNG 1. Erstbegegnungen mit ombinatorischem Denen 2. Das allgemeine Zählprinzip der Kombinatori 3. Die 4 ombinatorischen Grundfiguren

Mehr

4. Kombinatorik *) In der Kombinatorik werden drei wichtige Symbole benötigt: o n! o (n) k o

4. Kombinatorik *) In der Kombinatorik werden drei wichtige Symbole benötigt: o n! o (n) k o *) Die Berechnung der Wahrscheinlichkeit im Laplace-Experiment wirkt zunächst einfach. Man muss einfach die Anzahl der günstigen Fälle durch die Anzahl der möglichen Fälle teilen. Das Feststellen dieser

Mehr

Kombinatorik - kurz. Ronald Balestra CH Zürich

Kombinatorik - kurz. Ronald Balestra CH Zürich Kombinatorik - kurz Ronald Balestra CH - 8046 Zürich www.ronaldbalestra.ch 14. Mai 2012 Inhaltsverzeichnis 1 Um was geht s? 1 1.1 Allgemeines Zählprinzip....................... 2 1.2 Permutationen............................

Mehr

k-kombination ohne Wiederholung (es sollen ja möglichst viele verschiedene sein): k! (n k)! = 6!

k-kombination ohne Wiederholung (es sollen ja möglichst viele verschiedene sein): k! (n k)! = 6! Kombinatori: -Kombination: K (ow) = ( n ) = n!! (n )! -Kombination mit Wiederholung: K (mw) = ( n + 1 ) Aufgabe 1 Auf einem Nachtisch-Buffet stehen 6 verschiedene Nachtische zur Auswahl. Ralph hat noch

Mehr

Nützlich bei Diskretisierungen von Problemen sind Gaussklammern, die reellen Werten ganzzahlige zuordnen:

Nützlich bei Diskretisierungen von Problemen sind Gaussklammern, die reellen Werten ganzzahlige zuordnen: Nützlich bei Disretisierungen von Problemen sind Gausslammern, die reellen Werten ganzzahlige zuordnen: Definition 57 (floor, ceiling.. r R : floor(r := r := max{z Z z r} 2. r R : ceiling(r := r := min{z

Mehr

Vorlesung 2a. Diskret uniform verteilte Zufallsvariable

Vorlesung 2a. Diskret uniform verteilte Zufallsvariable Vorlesung 2a Diskret uniform verteilte Zufallsvariable 1 Eine Zufallsvariable X heißt diskret uniform verteilt, wenn ihr Zielbereich S endlich ist und P(X = a) = 1 #S für alle a S. Damit beschreibt X eine

Mehr

Soll ein Zufallsexperiment näher untersucht werden, so muss zuerst geklärt werden, was man als dessen mögliche Ausgänge ansieht:

Soll ein Zufallsexperiment näher untersucht werden, so muss zuerst geklärt werden, was man als dessen mögliche Ausgänge ansieht: 2 Zufallsexperimente Nachdem wir uns spielerisch mit dem Phänomen "Zufall" beschäftigt und den Begriff "Zufallsexperiment" bereits intuitiv erfasst haben, wollen wir in diesem Kapitel den Begriff "Zufallsexperiment"

Mehr

7.7 Spezielle diskrete Wahrscheinlichkeitsverteilungen

7.7 Spezielle diskrete Wahrscheinlichkeitsverteilungen 7.7 Spezielle diskrete Wahrscheinlichkeitsverteilungen 7.7.1 Die Laplace-Verteilung Sei X eine gleich verteilte Zufallsvariable mit den Werten in der Menge Ω X = {x i R : i = 1,...,n}, d.h. f (x i = 1

Mehr

KAPITEL 5. 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

Mehr

Wie viele Möglichkeiten gibt es, n Kinder in einer Reihe zu platzieren, z.b. für n = 5? Für n = 2 gibt es 2 Möglichkeiten.

Wie viele Möglichkeiten gibt es, n Kinder in einer Reihe zu platzieren, z.b. für n = 5? Für n = 2 gibt es 2 Möglichkeiten. n-faultät Wie viele Möglicheiten gibt es, n Kinder in einer Reihe zu platzieren, z.b. für n? Für n gibt es Möglicheiten. Für n 3 hat das 3. Kind 3 Möglicheiten, die beiden restlichen Plätze önnen jeweils

Mehr

b) Wie viele Möglichkeiten gibt es, den gewählten Vorstand auf drei Stühle zu setzen? (Die möglichen Anordnungen nennt man Permutation)

b) Wie viele Möglichkeiten gibt es, den gewählten Vorstand auf drei Stühle zu setzen? (Die möglichen Anordnungen nennt man Permutation) M8 LU 33 Kombinatori und Wahrscheinlicheiten A Kombinatori. a) Wie viele Möglicheiten gibt es, aus diesen fünf Mitgliedern des Schwinglubs einen Vorstand mit Präsident, Viepräsident und Atuar u wählen?

Mehr

Beweis des Binomischen Satzes

Beweis des Binomischen Satzes Beweis des Binomischen Satzes Ein Beispiel für mathematische Beweisführung Oliver Müller 21. Februar 25 1 Vorwort Dieser Text soll hilfreich beim Erlernen der mathematischen Beweisführung über vollständige

Mehr

10 Bedingte Wahrscheinlichkeit

10 Bedingte Wahrscheinlichkeit 10 Bedingte Wahrscheinlichkeit Vor allem dann, wenn man es mit mehrstufigen Zufallsexperimenten zu tun hat, kommt dem Begriff der bedingten Wahrscheinlichkeit eine bedeutende Rolle zu. Wir klären dazu

Mehr

Kombinatorik. ÖMO-Fortgeschrittenen-Kurs an der TU Graz. Jan Pöschko. 6. März Grundlegendes 2. 2 Zählen mit Binomialkoeffizienten 3

Kombinatorik. ÖMO-Fortgeschrittenen-Kurs an der TU Graz. Jan Pöschko. 6. März Grundlegendes 2. 2 Zählen mit Binomialkoeffizienten 3 Kombinatori ÖMO-Fortgeschrittenen-Kurs an der TU Graz Jan Pöscho 6. März 009 Inhaltsverzeichnis Grundlegendes Zählen mit Binomialoeffizienten 3 3 Inlusions-Exlusions-Prinzip 4 4 Schubfachschluss 6 Zählen

Mehr

Kombinatorik. 1. Beispiel: Wie viele fünfstellige Zahlen lassen sich aus den fünf Ziffern in M = {1;2;3;4;5} erstellen?

Kombinatorik. 1. Beispiel: Wie viele fünfstellige Zahlen lassen sich aus den fünf Ziffern in M = {1;2;3;4;5} erstellen? 1 Kombinatorik Aus einer Grundgesamtheit mit n Elementen wird eine Stichprobe k Elementen entnommen. Dabei kann die Stichprobe geordnet oder ungeordnet sein. "Geordnet" bedeutet, dass die Reihenfolge der

Mehr

6. Mathematik Olympiade 1. Stufe (Schulolympiade) Klasse 12 Saison 1966/1967 Aufgaben und Lösungen

6. Mathematik Olympiade 1. Stufe (Schulolympiade) Klasse 12 Saison 1966/1967 Aufgaben und Lösungen 6. Mathemati Olympiade 1. Stufe (Schulolympiade) Klasse 12 Saison 1966/1967 Aufgaben und Lösungen 1 OJM 6. Mathemati-Olympiade 1. Stufe (Schulolympiade) Klasse 12 Aufgaben Hinweis: Der Lösungsweg mit Begründungen

Mehr

Frage 1. Wie viele Möglichkeiten gibt es, ein Element aus einer Menge M auszuwählen? n = M

Frage 1. Wie viele Möglichkeiten gibt es, ein Element aus einer Menge M auszuwählen? n = M Kapitel 1 Kombinatorik (Prof. K. Gerald van den Boogaart) 1.1 Grundprinzipien 1.1.1 Auswahl aus Möglichkeiten Frage 1. Wie viele Möglichkeiten gibt es, ein Element aus einer Menge M auszuwählen? n = M

Mehr

Vorlesung 2a. Diskret uniform verteilte Zufallsvariable. (Buch S. 6-11)

Vorlesung 2a. Diskret uniform verteilte Zufallsvariable. (Buch S. 6-11) Vorlesung 2a Diskret uniform verteilte Zufallsvariable (Buch S. 6-11) 1 0. Erinnerung und Auftakt 2 Sei S eine endliche Menge. Eine Zufallsvariable X heißt diskret uniform verteilt auf S, wenn P(X = a)

Mehr

WS 2016/17 Diskrete Strukturen Kapitel 3: Kombinatorik (1)

WS 2016/17 Diskrete Strukturen Kapitel 3: Kombinatorik (1) WS 2016/17 Diskrete Strukturen Kapitel 3: Kombinatorik (1) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16

Mehr

2 Kombinatorik. 56 W.Kössler, Humboldt-Universität zu Berlin

2 Kombinatorik. 56 W.Kössler, Humboldt-Universität zu Berlin 2 Kombinatorik Aufgabenstellung: Anzahl der verschiedenen Zusammenstellungen von Objekten. Je nach Art der zusätzlichen Forderungen, ist zu unterscheiden, welche Zusammenstellungen als gleich, und welche

Mehr

Kombinatorik kompakt. Stochastik WS 2016/17 1

Kombinatorik kompakt. Stochastik WS 2016/17 1 Kombinatorik kompakt Stochastik WS 2016/17 1 Übersicht Auswahl/Kombinationen von N aus m Elementen Statistische unterscheidbare ununterscheidbare Physik Objekte (gleiche) Objekte ( ohne m N m+n 1 ) N mit

Mehr

3 Ein wenig Kombinatorik

3 Ein wenig Kombinatorik 3 Ein wenig Kombinatori Definition i) Zu jedem n N definiere 1 2 3 n Saubere Definition ist indutiv 1! 1 (Konvention: 0! 1) (n +1)!(n +1) ii) Für n N und (N {0}) mit0 n setze!(n )! 1 2 n (n +1) (n +2)

Mehr

II Wahrscheinlichkeitsrechnung

II Wahrscheinlichkeitsrechnung 251 1 Hilfsmittel aus der Kombinatorik Wir beschäftigen uns in diesem Abschnitt mit den Permutationen, Kombinationen und Variationen. Diese aus der Kombinatorik stammenden Abzählmethoden sind ein wichtiges

Mehr

M9 Aufgabensammlung Wahrscheinlichkeit, Kombinatorik

M9 Aufgabensammlung Wahrscheinlichkeit, Kombinatorik M9 ufgabensammlung Wahrscheinlicheit, Kombinatori Zur Erinnerung: Die Wahrscheinlicheit w, dass ein bestimmtes Ereignis eintrifft, wird mit einem Quotienten berechnet: w () nahl günstigefälle nahlmögliche

Mehr

Bei der Berechnung von Laplace-Wahrscheinlichkeiten muss man die Mächtigkeit von Ergebnisräumen und Ereignissen bestimmen.

Bei der Berechnung von Laplace-Wahrscheinlichkeiten muss man die Mächtigkeit von Ergebnisräumen und Ereignissen bestimmen. VI. Kombinatorik ================================================================== 6.1 Einführung --------------------------------------------------------------------------------------------------------------

Mehr

Ü b u n g s b l a t t 10

Ü b u n g s b l a t t 10 Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel. 6. 2007 Ü b u n g s b l a t t 0 Mit und gekennzeichnete Aufgaben können zum Sammeln von Bonuspunkten verwendet werden. Lösungen von -Aufgaben

Mehr

Was braucht mehr Glück... ein Lotto - Sechser? oder ein Royalflush

Was braucht mehr Glück... ein Lotto - Sechser? oder ein Royalflush Was braucht mehr Glück... ein Lotto - Sechser? oder ein Royalflush 1 Ein Fachschaftstag U1a Ronald Balestra CH - 8046 Zürich www.ronaldbalestra.ch Name: Vorname: 8. Oktober 2016 Inhaltsverzeichnis 1 Die

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 3. November 2010 1 Kombinatorik Fakultät Binomialkoeffizienten Urnenmodelle 2 Definition Tabellen Fakultät, Beispiel

Mehr

Mathematik 1 nach der Vorlesung Mathematik für Physiker 1 Wiebe. Sebastian Ritz

Mathematik 1 nach der Vorlesung Mathematik für Physiker 1 Wiebe. Sebastian Ritz Mathemati 1 nach der Vorlesung Mathemati für Physier 1 Wiebe Sebastian Ritz 2 Inhaltsverzeichnis 1 Einleitung 5 2 Mengen 7 2.1 Liste der Zahlenbereiche....................... 8 2.2 Rechenregeln für Mengen......................

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 12. Dezember 2012 1 Kombinatorik Fakultät Binomialkoeffizienten Urnenmodelle 2 Definition Fakultät Die Zahl n! =

Mehr

Kapitel 6. Irrfahrten und Bernoullischemata

Kapitel 6. Irrfahrten und Bernoullischemata Kapitel 6 Irrfahrten und Bernoullischemata Ausgangspunkt dieses Kapitels ist das in den Abschnitten 2.5 und 3.3 vorgestellte mathematische Modell des mehrmals Werfens einer Münze. Die dort definierten

Mehr

Vorlesung 3a. Der Erwartungswert. von diskreten reellwertigen Zufallsvariablen

Vorlesung 3a. Der Erwartungswert. von diskreten reellwertigen Zufallsvariablen Vorlesung 3a Der Erwartungswert von diskreten reellwertigen Zufallsvariablen X sei eine diskrete reellwertige Zufallsvariable, d.h. eine ZV e mit Wertebereich R (oder einer Teilmenge davon), sodass eine

Mehr

solche Permutationen. Für n von 1 bis 8 ergeben sich folgende Zahlen: [ ]

solche Permutationen. Für n von 1 bis 8 ergeben sich folgende Zahlen: [ ] 5A Permutationen Symmetrien geometrischer Figuren beschreibt man mathematisch durch Vertauschungen einer gewissen Anzahl von Punten, welche die Gesamtfigur unverändert lassen Beispiel : Drehungen und Spiegelungen

Mehr

2 Zahlen. 2.1 Natürliche Zahlen Menge der natürlichen Zahlen. Der Ausgangspunkt für den Aufbau der Zahlenbereiche ist die Menge

2 Zahlen. 2.1 Natürliche Zahlen Menge der natürlichen Zahlen. Der Ausgangspunkt für den Aufbau der Zahlenbereiche ist die Menge 2.1 Natürliche Zahlen 2.1.1 Menge der natürlichen Zahlen Der Ausgangspunt für den Aufbau der Zahlenbereiche ist die Menge N = {0,1,2,3,...} der natürlichen Zahlen 0, 1, 2, 3, 4,... 2.1.2 Indutionsprinzip

Mehr

Kombinatorik. 1. Permutationen 2. Variationen 3. Kombinationen. ad 1) Permutationen. a) Permutationen von n verschiedenen Elementen

Kombinatorik. 1. Permutationen 2. Variationen 3. Kombinationen. ad 1) Permutationen. a) Permutationen von n verschiedenen Elementen Kombinatorik Zur Berechnung der Wahrscheinlichkeit eines zusammengesetzten Ereignisses ist oft erforderlich, zwei verschiedene Anzahlen zu berechnen: die Anzahl aller Elementarereignisse und die Anzahl

Mehr

5 Kombinatorik. 5.1 Permutationen. Übungsmaterial 1

5 Kombinatorik. 5.1 Permutationen. Übungsmaterial 1 Übungsmaterial 1 5 Kombinatorik In der Kombinatorik gibt es eine Reihe von odellen. Im Folgenden werden diese jeweils an einem Beispiel erklärt, im nschluss wird eine allgemeine Formel hergeleitet. 5.1

Mehr

3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten Regeln der Kombinatorik

3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten Regeln der Kombinatorik 3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten lassen sich häufig durch Abzählen der günstigen und möglichen Fällen lösen. Kompliziertere Fragestellungen bedürfen aber der Verwendung mathematischer

Mehr

Vorlesung 3a. Der Erwartungswert. von diskreten reellwertigen Zufallsvariablen

Vorlesung 3a. Der Erwartungswert. von diskreten reellwertigen Zufallsvariablen Vorlesung 3a Der Erwartungswert von diskreten reellwertigen Zufallsvariablen X sei eine Zufallsvariable, deren Zielbereich R (die Menge der reellen Zahlen) (oder eine Teilmenge davon) ist. Es existiere

Mehr

Bestimmen der Wahrscheinlichkeiten mithilfe von Zählstrategien

Bestimmen der Wahrscheinlichkeiten mithilfe von Zählstrategien R. Brinmann http://brinmann-du.de Seite 4.0.2007 Bestimmen der Wahrscheinlicheiten mithilfe von Zählstrategien Die bisherigen Aufgaben zur Wahrscheinlicheitsrechnung onnten im Wesentlichen mit übersichtlichen

Mehr

Grundlagen der Mathematik II Lösungsvorschlag zum 9. Übungsblatt

Grundlagen der Mathematik II Lösungsvorschlag zum 9. Übungsblatt Mathematisches Institut der Universität München Sommersemester 2014 Daniel Rost Luas-Fabian Moser Grundlagen der Mathemati II Lösungsvorschlag zum 9. Übungsblatt Aufgabe 1. a) Es ist P({,4}) = P({1,2,,4})

Mehr

Beispiel 37. Wir werfen eine Münze so lange, bis zum ersten Mal

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.

Mehr

WAHRSCHEINLICHKEITSTHEORIE. 1. Elementare Kombinatorik Wir betrachten die Frage wieviele Möglichkeiten es gibt, aus n unterschiedlichen

WAHRSCHEINLICHKEITSTHEORIE. 1. Elementare Kombinatorik Wir betrachten die Frage wieviele Möglichkeiten es gibt, aus n unterschiedlichen WAHRSCHEINLICHKEITSTHEORIE 1. Elementare Kombinatori Wir betrachten die Frage wieviele Möglicheiten es gibt, aus n unterschiedlichen Objeten auszuwählen. Dabei müssen wir sowohl unterscheiden ob ein Objet

Mehr

3 Überlagerungen und Quotienten

3 Überlagerungen und Quotienten $Id: quotient.tex,v 1.12 2017/01/25 18:36:36 h Exp $ 3 Überlagerungen und Quotienten 3.3 Der Riemannsche Existenzsatz Wie in der letzten Sitzung angeündigt wollen wir nun den Riemannschen Existenzsatz

Mehr

Diskrete Wahrscheinlichkeitsverteilung

Diskrete Wahrscheinlichkeitsverteilung Disrete Wahrscheinlicheitsverteilung Disrete Wahrscheinlicheitsverteilung Binominalverteilung [] S. [] S. ORIGIN Wahrscheinlicheitsverteilung Die umultative Binominalverteilung geht auf den Binomischen

Mehr

Programm. Wiederholung. Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung. Binomialverteilung. Hypergeometrische Verteilung

Programm. 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

Mehr

Technische Universität München. Aufgaben Montag WS 2011/12

Technische Universität München. Aufgaben Montag WS 2011/12 Technische Universität München Andreas Wörfel Ferienurs Analysis 1 für Physier Aufgaben Montag WS 2011/12 Aufgabe 1 Ne Menge Mengen a Zeigen Sie: A B A B B Zeige: A B A B B x (A B x A B x B, also: (A B

Mehr

Hallo Welt für Fortgeschrittene

Hallo Welt für Fortgeschrittene Hallo Welt für Fortgeschrittene Kombinatorik Patrick Groth Informatik 2 Programmiersysteme Martensstraße 3 91058 Erlangen Definition Kombinatorik ist das Teilgebiet der Mathematik, das sich mit den möglichen

Mehr

Vorkurs Mathematik. Christoph Hindermann. Mengenlehre und Kombinatorik

Vorkurs Mathematik. Christoph Hindermann. Mengenlehre und Kombinatorik Kapitel 1 Christoph Hindermann Vorkurs Mathematik 1 1.1.1 Begriff der Menge Eine Menge ist eine Zusammenfassung bestimmer, wohl unterscheidbarer Objekte unserer Anschauung oder unseres Denkens. Die Objekte

Mehr

Teil 1. Mathematische Grundlagen

Teil 1. Mathematische Grundlagen Teil 1 Mathematische Grundlagen 5 6 1.1 Aussagenlogi Aussage und Axiom Aussage: sprachlicher Ausdruc mit eindeutigem Wahrheitswert w ( wahr ) bzw. f ( falsch ) A : Beschreibung Axiom: grundlegende nicht

Mehr

Lösungsvorschlag zu den Hausaufgaben der 3. Übung

Lösungsvorschlag zu den Hausaufgaben der 3. Übung FAKULTÄT FÜR MATHEMATIK Prof. Dr. Patrizio Neff 30.0.204 Lösungsvorschlag zu den Hausaufgaben der 3. Übung Aufgabe : (6 Punte) Welche der folgenden Tupel sind Maßräume? Beweisen Sie Ihre Behauptung. {

Mehr

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18 Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18 16. November 2017 1/35 Modulare Arithmetik Modulare Arithmetik Definition 3.33 Es sei

Mehr

3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten Regeln der Kombinatorik

3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten Regeln der Kombinatorik 3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten lassen sich häufig durch Abzählen der günstigen und möglichen Fällen lösen. Kompliziertere Fragestellungen bedürfen aber der Verwendung mathematischer

Mehr

Wahrscheinlichkeitstheorie

Wahrscheinlichkeitstheorie 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

Mehr

8 Kombinatorische Berechnungen

8 Kombinatorische Berechnungen 8 Kombinatorische Berechnungen Wie wir wissen, läuft die Berechnung der Wahrscheinlichkeit eines Ereingisses A Œ W bei Laplace-Experimenten auf die Berechnung der Mächtigkeit der Mengen A und W hinaus.

Mehr

Vorkurs Mathematik KOMBINATORIK

Vorkurs Mathematik KOMBINATORIK Vorkurs Mathematik 2011 17 KOMBINATORIK Produktregel Wir illustrieren die Formel an einem einfachen Beispiel. Beispiel (Der Weg nach Hause). Max ist an der Uni (U) und will nach Hause (H). Auf dem Nachhauseweg

Mehr

Kombinatorik & Stochastik Übung im Sommersemester 2018

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

Mehr

Sachrechnen/Größen WS 14/15-

Sachrechnen/Größen WS 14/15- Kapitel Daten & Wahrscheinlichkeit 3.1 Kombinatorische Grundlagen 3.2 Kombinatorik & Wahrscheinlichkeit in der Grundschule 3.3 Daten Darstellen 3.1 Kombinatorische Grundlagen Verschiedene Bereiche der

Mehr

Bericht über den zweiten Tag von Mädchen machen Technik Thema Kombinatorik

Bericht über den zweiten Tag von Mädchen machen Technik Thema Kombinatorik Bericht über den zweiten Tag von Mädchen machen Techni Thema Kombinatori Christof Böcler und Marion Orth 31. Otober 2003 Vormittag Nachdem am ersten Tag der Begriff der Wahrscheinlicheit (stets unter der

Mehr

Inhaltsverzeichnis. Dozent: Andreas Nestke Lehrfach: Mathe 3 Thema: Wahrscheinlichkeitstheorie Datum: Autor: René Pecher

Inhaltsverzeichnis. Dozent: Andreas Nestke Lehrfach: Mathe 3 Thema: Wahrscheinlichkeitstheorie Datum: Autor: René Pecher Dozent: Andreas Nestke Lehrfach: Mathe 3 Thema: Wahrscheinlichkeitstheorie Datum: 24.01.2011 Autor: René Pecher Inhaltsverzeichnis 1 Permutation 1 1.1 ohne Wiederholungen........................... 1 1.2

Mehr

«a n k b k. (4) (a + b) n = Der allgemeine binomische Lehrsatz

«a n k b k. (4) (a + b) n = Der allgemeine binomische Lehrsatz 2.2.3 Der allgemeine binomische Lehrsatz Mit Hilfe dieser neuen Begriffe und Symbole önnen wir eine allgemeingültige Formel für den Ausdruc (a + b) n angeben. Es gilt: Lemma 2. [Binomischer Lehrsatz] Sind

Mehr

Biometrieübung 3 Kombinatorik

Biometrieübung 3 Kombinatorik Biometrieübung 3 (Kombinatorik) - Aufgabe Biometrieübung 3 Kombinatorik Aufgabe 1. DNA Eine lineare Anordnung von 3 DNA - Nukleotiden wird Triplet genannt. Ein Nukleotid kann eine der 4 möglichen Basen

Mehr

5 Binomial- und Poissonverteilung

5 Binomial- und Poissonverteilung 45 5 Binomial- und Poissonverteilung In diesem Kapitel untersuchen wir zwei wichtige diskrete Verteilungen d.h. Verteilungen von diskreten Zufallsvariablen): die Binomial- und die Poissonverteilung. 5.1

Mehr

Vorkurs Mathematik. Arbeitsblatt 5. Verknüpfungen

Vorkurs Mathematik. Arbeitsblatt 5. Verknüpfungen Prof Dr H Brenner Osnabrüc WS 2009/2010 Vorurs Mathemati Arbeitsblatt 5 Vernüpfungen Aufgabe 51 Betrachte die ganzen Zahlen Z mit der Differenz als Vernüpfung, also die Abbildung Z Z Z, (a, b) a b Besitzt

Mehr

Kombinatorik. Diskrete Strukturen. Sommersemester Uta Priss ZeLL, Ostfalia. Hausaufgaben Kombinatorik Beispielaufgaben

Kombinatorik. Diskrete Strukturen. Sommersemester Uta Priss ZeLL, Ostfalia. Hausaufgaben Kombinatorik Beispielaufgaben Kombinatorik Diskrete Strukturen Uta Priss ZeLL, Ostfalia Sommersemester 2016 Diskrete Strukturen Kombinatorik Slide 1/13 Agenda Hausaufgaben Kombinatorik Beispielaufgaben Diskrete Strukturen Kombinatorik

Mehr

Vorlesung 3a. Der Erwartungswert. von diskreten reellwertigen Zufallsvariablen

Vorlesung 3a. Der Erwartungswert. von diskreten reellwertigen Zufallsvariablen Vorlesung 3a Der Erwartungswert von diskreten reellwertigen Zufallsvariablen 0. Diskrete reellwertige Zufallsvariable X sei eine Zufallsvariable, deren Zielbereich R (die Menge der reellen Zahlen) oder

Mehr

Spezielle Verteilungen einer Variablen

Spezielle Verteilungen einer Variablen Kapitel 2 Spezielle Verteilungen einer Variablen In diesem Kapitel werden wir einige häufig benutzte Verteilungen, die von einer Variablen abhängen, vorstellen. 2.1 Binomial-Verteilung Binomial-Verteilungen

Mehr

Analysis Seite 1. 1 f' = g f (x) g'(f(x)) f '(x) f (y) = mit y = f(x) bzw. f (x) = k f(x)dx = k f(x) + c. (f(x) ± g(x))dx = f(x)dx ± g(x)dx

Analysis Seite 1. 1 f' = g f (x) g'(f(x)) f '(x) f (y) = mit y = f(x) bzw. f (x) = k f(x)dx = k f(x) + c. (f(x) ± g(x))dx = f(x)dx ± g(x)dx Analysis Seite Ableitungsregeln: (f±g) = f ± g (f g) = f g + fg ' f f'g fg' = 2 g g ' f' = 2 f f ' ( ) = g f () g'(f()) f '() ' ' f (y) = mit y = f() bzw. f () = f'() f' f( ) Integrationsregeln: b a c

Mehr

Vorlesung 3. Der Erwartungswert. von diskreten reellwertigen Zufallsvariablen

Vorlesung 3. Der Erwartungswert. von diskreten reellwertigen Zufallsvariablen Vorlesung 3 Der Erwartungswert von diskreten reellwertigen Zufallsvariablen 0. Diskrete reellwertige Zufallsvariable X sei eine Zufallsvariable, deren Zielbereich R (die Menge der reellen Zahlen) oder

Mehr

Kapitel 10 VERTEILUNGEN

Kapitel 10 VERTEILUNGEN Kapitel 10 VERTEILUNGEN Fassung vom 18. Januar 2001 130 VERTEILUNGEN Zufallsvariable. 10.1 10.1 Zufallsvariable. HäuÞg wird statt des Ergebnisses ω Ω eines Zufalls-Experiments eine zugeordnete Zahl X(ω)

Mehr

1 Kap 12 Kombinatorik

1 Kap 12 Kombinatorik 1 Kap 12 Kombinatorik 12 Kombinatorik Manchmal ist es schwierig, bei einstufigen Experimenten die für die Berechnung der Wahrscheinlichkeit notwendige Anzahl der möglichen Fälle und der günstigenfälle

Mehr

Fit for Abi & Study Stochastik

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

Mehr