Verteilungsfunktionen

Größe: px
Ab Seite anzeigen:

Download "Verteilungsfunktionen"

Transkript

1 Verteilugsfuktioe Wie sid zufällige Fehler verteilt? Wie sid Messwerte verteilt? Fehler Messwerte Verteilugsfuktioe: Maxwell-Boltza Feri-Dirac Bose-Eistei Placksche Verteilug Frage ist stets, wie groß ist die Wahrscheilichkeit, dass ei Teilche (Gasolekül, Elektro, Photo etc.) eie bestite Eergie, Geschwidigkeit usw. besitzt Vorlesug 5 1

2 Verteilugsfuktioe Wahrscheilichkeit (Reche it Wahrscheilichkeite) Bioial-Verteilug Noral (Gauß)-Verteilug Poisso-Verteilug Vorlesug 5

3 Begriff der Wahrscheilichkeit Beispiele: Kubischer Würfel (6 Oberfläche) { 1,, 3, 4, 5, 6 } Würfel it eie Würfel {Ω } ist eie Mege öglicher Versuchsergebisse, die it Ω bezeichet wird. Sie diet als Ausgagspukt für die atheatische Erfassug zufälliger Ereigisse. Die Eleete der ögliche Versuchsausgäge werde als Eleetarereigisse bezeichet. Werde die Eleete eizel aufgeführt, schreibt a Ω 1 {1,, 3, 4, 5, 6 } Es köe auch Teilege A 1 oder A iteressat sei: z. B. alle gerade Zahle: A 1 {, 4, 6} oder alle Zahle kleier als 4: A {1,, 3} Vorlesug 5 3

4 Würfel it zwei Würfel Begriff der Wahrscheilichkeit Die ögliche Versuchsergebisse werde durch Paare sybolisiert, die aus de Zahle 1 bis 6 gebildet werde. Ω (1,1), (1,), (1,3),..., (6,6) Reihefolge, falls otwedig, beachte. Falls Reihefolge icht otwedig: [1,1], Hier ist Vorsicht gebote, de [1,1] kot eial vor, währed [1,] zweial vorkot (1,) ud (,1) Vorlesug 5 4

5 Wahrscheilichkeitsdefiitio ach Laplace W Die Wahrscheilichkeit eies Eizelereigisses ist der Quotiet der güstige Fälle zur Zahl der ögliche Fälle. ( E) Z Z ( E) ( Ω) Azahlder für E güstige Ereigisse Azahlderögliche, gleich wahrscheiliche Eleetarereigisse Die Wahrscheilichkeit des sichere Ereigisses ist 1 Die Wahrscheilichkeit des uögliche Ereigisses ist 0 0 W 1 Je äher a 1, desto wahrscheilicher ist ei Ereigis. I tägliche Lebe wird die Wahrscheilichkeit oft i % agegebe Vorlesug 5 5

6 Reche it Wahrscheilichkeite Zu Beispiel ist die Wahrscheilichkeit, eie "6" zu würfel: 1/6 Wie groß ist die Wahrscheilichkeit für das Ereigis A 1, 4, 6? Das Ereigis A 1 lässt sich zerlege i die Eleetarereigisse E, E 4 ud E 6 Es gilt für die Wahrscheilichkeit vo A 1 W(A 1 ) W(E ) + W(E 4 ) + W(E 6 ) 1/6 + 1/6 + 1/6 1/ Obige Additio vo Wahrscheilichkeite ist ur da korrekt, we die Ereigisse E i eiader ausschließe. Eiader ausschließe heißt, a ka etweder eie eie 4 oder eie 6 würfel. Es gibt auch Ereigisse, die sich icht ausschließe Vorlesug 5 6

7 Reche it Wahrscheilichkeite Es seie A ud B Teilege vo Ω A A B B Der Durchschitt vo A ud B: Die Mege der Eleete ω vo Ω, die gleichzeitig zu A ud zu B gehöre, heißt Durchschitt: A B oder AB A B Die Vereiigug vo A ud B: Die Mege der Eleete ω vo Ω, die zu A oder zu B gehöre, heißt Vereiigug. Ei Eleet ka auch zu beide gehöre (Oder ist icht zu verwechsel it etweder oder) A B Vorlesug 5 7

8 Reche it Wahrscheilichkeite Sid A ud B sich gegeseitig ausschließede Ereigisse Also W (AB) W (A B ) 0, da ist die Wahrscheilichkeit für die Vereiigug vo A ud B: W (A B) W (A) + W (B) Da a bei eie Würfel icht gleichzeitig eie "" ud eie "3" würfel ka, ist die Wahrscheilichkeit eie "" oder eie "3" zu Würfel gleich der Sue der Wahrscheilichkeite der Eizelereigisse, also 1/6 + 1/6 1/3 Allgeei gilt: Die Wahrscheilichkeit für die Vereiigug zweier Eizelereigisse ist W (A B) W (A) + W (B) - W (A B) W (A B) W (A) * W (B) Vorlesug 5 8

9 Reche it Wahrscheilichkeite Allgeei gilt: Die Wahrscheilichkeit für die Vereiigug zweier Eizelereigisse ist W (A B) W (A) + W (B) - W (A B) W (A B) W (A) * W (B) Beispiel : Kartespiel it 5 Karte. Wie groß ist die Wahrscheilichkeit eie Dae oder ei Herz zu ziehe? 5 Karte habe vier Dae ud 13 Herz, davo ist eie Karte "Herz-Dae" Vorlesug 5 9

10 Reche it Wahrscheilichkeite Beispiel : Kartespiel it 5 Karte. Wie groß ist die Wahrscheilichkeit eie Dae oder ei Herz zu ziehe? 5 Karte habe vier Dae ud 13 Herz, davo ist eie Karte "Herz-Dae" W (A B) W (A) + W (B) - W (A B) W (A B) W (A) * W (B) 13 5 W (A B) 13/5 + 4/5 (13/5*4/5) 4 W (A B) 13/5 + 4/5-1/5 16/ Vorlesug 5 10

11 Beispiel: Kugel aus Ure Reche it Wahrscheilichkeite Ureodell: Wichtig bei Qualitätssicherug ud Eigagskotrolle Eie Ure ethält 5 Kugel, drei davo sid weiß zwei sid schwarz. Es werde zwei Kugel zufällig herausgegriffe. ide a beide Kugel zugleich herausit (Ziehe ohe Zurücklege) ide a zuächst eie Kugel herausit, zurücklegt ud och al zieht (Ziehe it Zurücklege) Die Kugel seie ueriert Weiß {1,, 3 } ud Schwarz {4, 5 } Vorlesug 5 11

12 Ziehe it Zurücklege Auf Reihefolge achte Reche it Wahrscheilichkeite Wie viele Möglichkeite gibt es isgesat? Ma hat 5 Möglichkeite für die erste Kugel: (1,..), (,..), (3,..), (4,..), (5,..) Für jede dieser 5 Möglichkeite gibt es 5 Möglichkeite für die zweite Kugel 5 * 5 5 Wie groß ist die Wahrscheilichkeit zwei weiße Kugel zu ziehe? Vorlesug 5 1

13 Lösugswege: Reche it Wahrscheilichkeite Wie groß ist die Wahrscheilichkeit zwei weiße Kugel zu ziehe? Stupfsiiges Hischreibe (1,1), (1,), (1,3), (,1), (,), (,3), (3,1), (3,), (3,3) Dies sid eu Möglichkeite also: W ("zweial weiß") 9/ Kobiatorik Ma hat für die erste Kugel 3 güstige Möglichkeite. Für jede dieser drei Möglichkeite gibt es bei zweite Zug wiederu 3 güstige Möglichkeite, also 3* Vorlesug 5 13

14 Ziehe ohe Zurücklege hier ist die Reihefolge ohe Bedeutug Reche it Wahrscheilichkeite Wie viele Möglichkeite gibt es isgesat? Ma hat isgesat zeh Möglichkeite : [1,], [1,3], [1,4], [1,5], [,3], [,4], [,5], [3,4], [3,5], [4,5], davo sid 3 Ereigisse zwei weiße Kugel Wie groß ist die Wahrscheilichkeit zwei weiße Kugel zu ziehe? W ("zweial weiß") 3/ Vorlesug 5 14

15 KOMBINATORIK I diese Beispiele sid die Eleetarereigisse och abzählbar. Suche ach atheatische Hilfsittel zur allgeeie Behadlug Aahe: Wir habe vier Bücher i eier Kiste. Wir greife zufällig ei Buch aus der Kiste ud stelle es auf ei Regal. Wir greife das ächste Buch, stelle es daebe ud sofort Wie viele verschiedee Reihefolge (Perutatioe) gibt es? Vorlesug 5 15

16 KOMBINATORIK Bezeichug der Bücher it A, B, C ud D. Ausprobiere ist lagwierig ud ustädlich (A,C,B,D)...(D,A,C,B). Bei erste Griff i die Kiste habe wir vier Möglichkeite. Auf de Regal steht das Buch A, B, C oder D. Bei zweite Griff i die Kiste habe wir drei Möglichkeite. Bei dritte zwei ud bei vierte ur och eie Es gibt soit isgesat 4*3**1 4 Reihefolge Bezeichug! ( - Fakultät) Vorlesug 5 16

17 KOMBINATORIK Bezeichug! ( - Fakultät) Wobei gilt :! (-1)! ud 0! 1 Weiteres Beispiel: 5 Bücher auf 3 Plätze Für de erste Platz habe wir füf Möglichkeite, für de zweite Platz vier ud für de letzte Platz drei. Dies bedeutet, es gibt 5*4*3 60 ögliche Perutatioe ! (5 3)! Vorlesug 5 17

18 KOMBINATORIK Allgeeie Schreibweise P r! ( r)! Auf de drei Plätze gibt es ehrere Möglichkeite die drei Bücher (z.b. C, E ud A) azuorde. Wie wir wisse geau wie viele 3! 6, (CEA, CAE, EAC, ECA, ACE, AEC) We us die Reihefolge egal ist, wir lediglich dara iteressiert sid, wie viele uterschiedliche Kobiatioe verschiedeer Bücher es gibt, üsse wir die Zahl der Perutatioe durch r! dividiere. C r! ( r)! r! r Vorlesug 5 18

19 Bioischer Satz: C r! ( r)! r! r Das Klaersybol (gesproche über r) heißt auch Bioialkoeffiziet. Es sei der Ausdruck (a + b) auszureche. Es gibt Faktore (a + b) [(a+b) (a+b) (a+b)...(a+b) (a+b)] Wir habe die Aufgabe, aus jede dieser Faktore etweder a oder b auszuwähle ud diese Glieder iteiader zu ultipliziere ud die Ergebisse aufzuaddiere Wir köe aus jede Faktor das a herausziehe, was a ergibt. Da ka a aus (-1) Faktore das a herausziehe ud aus de verbleibede das b auswähle. Dies ergibt a -1 b 1. Wir erhalte Glieder der For a -r b r Vorlesug 5 19

20 Vorlesug 5 0 Bioischer Satz: Das Glied a -r b r kot so oft vor, wie es öglich ist, aus de vorhadee Faktore diejeige r Faktore auszuwähle, aus dee a das b zur Multiplikatio herazieht. Da die Reihefolge egal ist, ist dies auf verschiedee Arte öglich r ( ) r -r r b a r b a + 0 Bis auf a 0 b ud a b 0 koe alle Glieder ehrfach vor. ( ) b a b a b a b a b a

21 Recheregel 0! ( 0)!0! 1 r r! ( )!! 1 r + r r + 1 r + r r + 1! ( r)!r! ( r + 1 )(! r ) ( r)!r!(r +1) ( r + 1 )(! r ) ( r)!(r +1)! ( r + ) ( r) +!(r +1)!(r +1) ( r)! +! + +!(r +1) +!( - r)!(r +1)!!!r +! +! -!r!(r +1)! 1!!( - r) 1!( - r)!!(+1)!( - r) 1!( - r) (+1)! + 1 ( r)!(r +1)! ( r)!(r +1)! ( r)!(r +1)! r Vorlesug 5 1

22 Aweduge Beispiel: Ure it zeh Kugel 4 sid weiß, sechs sid schwarz weiß hat die Ziffer 1 bis 4 schwarz die Ziffer 5 bis 10 a) ohe Zurücklege b) it Zurücklege Us iteressiere folgede Wahrscheilichkeite: E o : a erhält drei weiße Kugel E 1 : a erhält zwei weiße Kugel ud eie schwarze Kugel E : a erhält eie weiße Kugel ud zwei schwarze Kugel E 3 : a erhält drei schwarze Kugel Vorlesug 5

23 Aweduge a ) Ziehe ohe Zurücklege Reihefolge ist egal (Kobiatioe icht Perutatioe) Diskussio für W(E o ) (Drei weiße Kugel) soit ist W (E o ) 4/ Vorlesug 5 3

24 Aweduge a ) Ziehe ohe Zurücklege Reihefolge ist egal (Kobiatioe icht Perutatioe) Diskussio für W(E 1 ) (zwei weiße, eie schwarze Kugel) 4 Es gibt Möglichkeite, die erste beide Stelle zu besetze. 6 1 Für jede dieser Möglichkeite gibt es Möglichkeite de dritte Platz zu besetze Die Azahl der eleetare Ereigisse ist soit soit ist W (E 1 ) 36/ Vorlesug 5 4

25 Vorlesug 5 5 Aweduge a ) Ziehe ohe Zurücklege Zusaefassug ( ) ( ) ( ) ( ) E W E W E W E W o W(E 0 ) + W(E 1 ) + W(E ) + W(E 3 ) 1

26 Aweduge Beispiel: Ure it zeh Kugel 4 sid weiß, sechs sid schwarz weiß hat die Ziffer 1 bis 4 schwarz die Ziffer 5 bis 10 a) ohe Zurücklege b) it Zurücklege Us iteressiere wiederu folgede Wahrscheilichkeite: E o : a erhält drei weiße Kugel E 1 : a erhält zwei weiße Kugel ud eie schwarze Kugel E : a erhält eie weiße Kugel ud zwei schwarze Kugel E 3 : a erhält drei schwarze Kugel Vorlesug 5 6

27 Aweduge a ) Ziehe it Zurücklege Reihefolge ist wichtig [Hier werde geordete Tripel gesucht (i 1,i,i 3 )] Diskussio für W(E o ) (Drei weiße Kugel) Die Gesatzahl der Ereigisse ist : 10 3 Wie viele Möglichkeite für weiße Kugel gibt es? 4*4*4 64 soit ist W (E o ) 64/ Vorlesug 5 7

28 Aweduge a ) Ziehe it Zurücklege Reihefolge ist wichtig [Hier werde geordete Tripel gesucht (i 1,i,i 3 )] Diskussio für W(E 1 ) (Zwei weiße Kugel, eie schwarze) Die Gesatzahl der Ereigisse ist : 10 3 Irgedwelche zwei der drei Plätze werde it Zahle zwische1 ud 4 besetzt (Weiß). Der restliche dritte Platz wird it eier Nuer zwische 5 ud 10 besetzt (Schwarz) 3 Dies ist auf Arte öglich : w, w, s w, s, w s, w, w Vorlesug 5 8

29 a ) Ziehe it Zurücklege Aweduge Diskussio für W(E 1 ) (Zwei weiße Kugel, eie schwarze) Wir zähle zuächst alle Eleetarereigisse, bei dee die erste beide Plätze it weiße Kugel besetzt werde, der dritte it eier schwarze Kugel (w, w, s) Azahl ist 4*4*6, besser 4 *6 1 Wir köe die zwei Plätze für weiße Kugel aus isgesat drei ögliche Plätze auf verschiedee Arte auswähle 3 Also habe wir für E1 geau * 4 * 6 1 Möglichkeite (88) W(E1) 88/ Vorlesug 5 9

30 Aweduge a ) Ziehe it Zurücklege Zusaefassug W ( E ) o W ( E ) W ( E ) W(E 0 ) + W(E 1 ) + W(E ) + W(E 3 ) 1 W ( E ) Vorlesug 5 30

31 Allgeeie Forulierug: Eie Ure ethalte N Kugel, uter dee sich geau M schwarze Kugel befide (0 M N). Aus dieser Ure werde Kugel (0 N) zufällig herausgezoge, ud zwar a) ohe Zurücklege (α ist die Azahl der herausgegriffee schwarze) b) it Zurücklege (β ist die Azahl der herausgegriffee schwarze) Die Wahrscheilichkeit: a) ohe Zurücklege b) it Zurücklege ( ) W α M N M N W ( β ) M N ( N M ) Vorlesug 5 31

32 Vorlesug 5 3 Die Bioialverteilug ( ) ( ) ( ) ( ) N M p wobei p p N M N M N N N M N M N M N M W, 1 1 β b) it Zurücklege Ma sieht, dass die Wahrscheilichkeit uter gezogee Kugel, geau schwarze zu fide, ur vo Ateil der schwarze Kugel i der Ure abhägt ud icht vo N oder M selbst abhägt.

33 Die Bioialverteilug W ( β ) p ( 1 p), wobei p M N Ma sieht, dass die Wahrscheilichkeit uter gezogee Kugel, geau schwarze zu fide, ur vo Ateil der schwarze Kugel i der Ure abhägt ud icht vo N oder M selbst abhägt. Dieser Ateil p ka atürlich selbst wieder als Wahrscheilichkeit aufgefasst werde, bei eialige Ziehe eie schwarze Kugel zu erhalte Vorlesug 5 33

34 Die Bioialverteilug W ( ) ( ) β p 1 p Beispiel: Müzwurf Wir werfe zwazig Mal ( 0) eie Müze ud frage, wie oft erhalte ich das Ergebis Zahl? Die Wahrscheilichkeit für das Eizelereigis Zahl ist p 1/ Die Bioialverteilug gibt Auskuft über Frage ach der Wahrscheilichkeit bei zwazig Würfe vier Mal ( 4) das Ergebis Zahl zu erhalte Vorlesug 5 34

35 W ( ) ( ) β p 1 p Die Bioialverteilug 0 p 1/ Verteilug ist diskret Verteilug ist syetrisch Vorlesug 5 35

36 Die Bioialverteilug 0 p p p 0.0 Je größer die Abweichug vo p 0.5, desto usyetrischer wird die Verteilug Vorlesug 5 36

37 Die Bioialverteilug W ( ) ( ) p 1 p Die Bioialverteilug hat zwei Paraeter ( ud p). Sie ist für p1/ syetrisch. Für kleie ud große p ist sie stark asyetrisch. Die Bioialverteilug ist oriert, d.h. die Sue der W() ist 1 Wie groß ist der Mittelwert (Erwartugswert)? Vorlesug 5 37

38 Die Bioialverteilug Wie groß ist der Mittelwert (Erwartugswert)? g g ( xi ) P( xi ) P( x ) i oder bei kotiuierliche Verteiluge g g ( x) P( x) P( x) dx dx Bei der Defiitio des Mittelwertes ud der Variaz (siehe voragegagee Vorlesuge) habe wir ichts aderes geta, als de Erwartugswert vo x ud (x - M) berechet Vorlesug 5 38

39 Mittelwert der Bioialverteilug M 0 W ( ) 0 ( )!!! p ( 1 p) Der Suad it 0 ist Null, daher Suatiosgreze 0 durch 1 ersetzte es gilt :! 1 1 ( )! Dait erhält a: M p 1 1! ( )!( 1)! ( ) p Vorlesug 5 39

40 Mittelwert der Bioialverteilug Herausziehe vo p M M p 1 1! ( )!( 1)! ( 1)! ( 1)!( ) ( ) p p p 1 1! ( p) Substitutio vo a -1 ud b -1 ergibt: M b b! a p p ( 1 p) a 0 ( b a)! a! Dait ist der Mittelwert eier Bioialverteilug M p Vorlesug 5 40

41 Variaz eier Bioialverteilug Die Variaz ist der Erwartugswert vo (-M) σ 0 ( M )!! ( )! p ( 1 p) Hier ist beutzt, dass folgedes gilt: σ x ( x M ) p( x) x p( x) M x σ 0!! ( )! p ( 1 p) M lässt sich schreibe als ( ( - 1) + ) Vorlesug 5 41

42 Variaz eier Bioialverteilug lässt sich schreibe als ( ( - 1) + ) σ 0 ( 1)!! ( )! p ( 1 p) Für 0 ud 1 sid die Suade Null; Suatio begit it +! p ( 1 p) 0! ( )! M M σ ( 1) ( 1) ( 1) p p!! p ( 1 p) ( )! ( )! ( )!( + ) b b! a p a 0 a! ( b a)! ! + M M p ( 1 p) b ( 1 p) + M M + + M M Vorlesug 5 4

43 Variaz eier Bioialverteilug σ ( 1) p + M M Da M p, σ p p + p p Die Variaz der Bioialverteilug ist soit σ p 1 ( p) Vorlesug 5 43

44 Zusaehag der Verteiluge Beroulli- Verteilug diskret Paraeter: 1, p Bioial-Verteilug diskret Paraeter:, p Bi (x)! p! 0 Poisso- Verteilug diskret Paraeter µ σ P(x)! p! cost. Gauss-Verteilug Noral-Verteilug kotiuierlich Paraeter: µ, σ G (x) µ! µ p Vorlesug 5 44

Übungsaufgaben. Häufige Fehler: Banale Rechenfehler. Signifikante Stellen falsch. Unsaubere Arbeitsweise. Einheiten vergessen, Pi ist KEINE Einheit

Übungsaufgaben. Häufige Fehler: Banale Rechenfehler. Signifikante Stellen falsch. Unsaubere Arbeitsweise. Einheiten vergessen, Pi ist KEINE Einheit Übugsaufgabe Häufige Fehler: Baale Rechefehler Sigifikate Stelle falsch Eiheite vergesse, Pi ist KEINE Eiheit Usaubere Arbeitsweise Rudugsfehler Eiheite falsch ugerechet T. Kießlig: Auswertug vo Messuge

Mehr

Übungsaufgaben. Häufige Fehler: Banale Rechenfehler. Unsaubere Arbeitsweise. Signifikante Stellen falsch. Einheiten vergessen.

Übungsaufgaben. Häufige Fehler: Banale Rechenfehler. Unsaubere Arbeitsweise. Signifikante Stellen falsch. Einheiten vergessen. Übugsaufgabe Häufige Fehler: Baale Rechefehler Sigifikate Stelle falsch Eiheite vergesse Usaubere Arbeitsweise Rudugsfehler Eiheite falsch ugerechet T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe

Mehr

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

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren Dr. Jürge Seger IDUKTIVE STTISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUG - LÖSUGE erutatioe. zahl der erutatioe vo verschiedefarbige erle!! 0. zahl der erutatioe vo 0 uerierte Kugel! 0!.8.800

Mehr

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen WS 2009/10 Diskrete Strukture Prof. Dr. J. Esparza Lehrstuhl für Grudlage der Softwarezuverlässigkeit ud theoretische Iforatik Fakultät für Iforatik Techische Uiversität Müche http://www7.i.tu.de/u/courses/ds/ws0910

Mehr

Kapitel VI. Einige spezielle diskrete Verteilungen

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

Mehr

AngStat1(Ue13-21).doc 23

AngStat1(Ue13-21).doc 23 3. Ereigisse Versuchsausgäge ud Wahrscheilicheite: a) Wie wird die Wahrscheilicheit des Auftretes eies Elemetarereigisses A geschätzt? A Ω heißt Elemetarereigis we es ur eie Versuchsausgag ethält also

Mehr

Kapitel 10 VERTEILUNGEN

Kapitel 10 VERTEILUNGEN Kapitel 0 VERTEILUNGEN Fassug vo 3. Februar 2006 Prof. Dr. C. Porteier Prof. Dr. W. Groes Matheati für Huabiologe ud Biologe 39 0. Zufallsvariable 0. Zufallsvariable Häu g wird statt des Ergebisses! 2

Mehr

Prof. S. Krauter Kombinatorik. WS Blatt07.doc. (Quelle: M. Aigner; Diskrete Mathematik. Vieweg 1993.)

Prof. S. Krauter Kombinatorik. WS Blatt07.doc. (Quelle: M. Aigner; Diskrete Mathematik. Vieweg 1993.) Prof. S. Krauter Kobiatorik. WS-05-06. Blatt07.doc (Quelle: M. Aiger; Diskrete Matheatik. Vieweg 1993.) 1. a) Bereche Sie i Pascal sche Zahledreieck die Sue der Bioialkoeffiziete lägs eier Diagoale, also

Mehr

Stochastik: Binomialverteilung Stochastik Bernoulli-Experimente, binomialverteilte Zufallsvariablen Gymnasium ab Klasse 10

Stochastik: Binomialverteilung Stochastik Bernoulli-Experimente, binomialverteilte Zufallsvariablen Gymnasium ab Klasse 10 Stochastik Beroulli-Experimete, biomialverteilte Zufallsvariable Gymasium ab Klasse 0 Alexader Schwarz www.mathe-aufgabe.com November 203 Hiweis: Für die Aufgabe darf der GTR beutzt werde. Aufgabe : Ei

Mehr

Kapitel 2: Laplacesche Wahrscheinlichkeitsräume

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

Mehr

Die arithmetischen Eigenschaften der Binomialkoeffizienten

Die arithmetischen Eigenschaften der Binomialkoeffizienten Die arithetische Eigeschafte der Bioialkoeffiziete Christopher Egelschö, 00064 Thoas Fößl, 07005 Ihaltsverzeichis Bioialkoeffiziete - Eie kurze Eiführug. Defiitio ud Berechug...........................2

Mehr

Kombinatorik. Systematisches Abzählen und Anordnen einer endlichen Menge von Objekten unter Beachtung vorgegebener Regeln.

Kombinatorik. Systematisches Abzählen und Anordnen einer endlichen Menge von Objekten unter Beachtung vorgegebener Regeln. Systematisches Abzähle ud Aorde eier edliche Mege vo Objekte uter Beachtug vorgegebeer Regel Permutatioe Variatioe Kombiatioe Permutatioe: Eie eieideutige (bijektive) Abbildug eier edliche Mege i sich

Mehr

Lösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung

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

Mehr

Einführung in die Wahrscheinlichkeitstheorie Lösungen zum Wiederholungsblatt

Einführung in die Wahrscheinlichkeitstheorie Lösungen zum Wiederholungsblatt TUM, Zetrum Mathematik Lehrstuhl für Mathematische Physik WS 23/4 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weider Eiführug i die Wahrscheilichkeitstheorie Lösuge zum Wiederholugsblatt Aufgabe

Mehr

Kapitel 9: Schätzungen

Kapitel 9: Schätzungen - 73 (Kapitel 9: chätzuge) Kapitel 9: chätzuge Betrachte wir folgedes 9. Beispiel : I eiem Krakehaus wurde Date über Zwilligsgeburte gesammelt. Bei vo 48 Paare hatte die beide Zwillige verschiedees Geschlecht.

Mehr

Stochastik. Bernoulli-Experimente und Binomialverteilung. Allg. Gymnasien: ab J1 / Q1 Berufl. Gymnasien: ab Klasse 12.

Stochastik. Bernoulli-Experimente und Binomialverteilung. Allg. Gymnasien: ab J1 / Q1 Berufl. Gymnasien: ab Klasse 12. Stochastik Allg. Gymasie: ab J / Q Berufl. Gymasie: ab Klasse 2 Alexader Schwarz www.mathe-aufgabe.com August 208 Aufgabe : Ist der Zufallsversuch eie Beroulli-Kette? We ja, gib die Läge ud die Trefferwahrscheilichkeit

Mehr

R. Brinkmann Seite

R. Brinkmann  Seite R. Brikma http://brikma-du.de Seite 1.0.014 Lösuge zur Biomialverteilug I Ergebisse: E1 E E E4 E E E7 Ergebis Ei Beroulli-Experimet ist ei Zufallsexperimet, das ur zwei Ergebisse hat. Die Ergebisse werde

Mehr

Vl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5

Vl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5 Vl Statistische Prozess- ud Qualitätskotrolle ud Versuchsplaug Übug 5 Aufgabe ) Sei p = P(A) die Wahrscheilichkeit für ei Ereigis A, dh., es gilt 0 p. Bereche Sie das Maximum der Fuktio f(p) = p(-p). Aufgabe

Mehr

Vl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3

Vl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3 Vl Statistische Prozess ud Qualitätskotrolle ud Versuchsplaug Übug 3 Aufgabe ) Die Schichtdicke X bei eier galvaische Beschichtug vo Autoteile sei ormalverteilt N(μ,σ ). 4 Teile werde galvaisch beschichtet.

Mehr

Umrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung

Umrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung .3. Prozetuale Häufigkeitsverteilug (HV) Die prozetuale Häufigkeitsverteilug erlaubt de Vergleich vo Auswertuge, dee uterschiedliche Stichprobegröße zugrude liege. Es köe auch uterschiedliche Stichprobegröße

Mehr

Empirische Verteilungsfunktion

Empirische Verteilungsfunktion KAPITEL 3 Empirische Verteilugsfuktio 3.1. Empirische Verteilugsfuktio Seie X 1,..., X uabhägige ud idetisch verteilte Zufallsvariable mit theoretischer Verteilugsfuktio F (t) = P[X i t]. Es sei (x 1,...,

Mehr

2. Verteilung der Primzahlen. Bertrands Postulat

2. Verteilung der Primzahlen. Bertrands Postulat O Forster: Prizahle 2 Verteilug der Prizahle Bertrads Postulat 21 Satz (Euklid Es gibt uedlich viele Prizahle Beweis Wir zeige, dass es zu jeder edliche Mege 1, 2,, vo Prizahle ier och eie weitere Prizahl

Mehr

A D A E B D D E D E D C C D E

A D A E B D D E D E D C C D E ie Kombiatori beschäftigt sich mit der Zusammestellug vo lemete eier Mege. s werde 2 Kugel ohe Zurüclege aus zwei Ure gezoge. ie erste Ure ethält 3 Kugel ; ; ud die zweite Ure 2 Kugel ;. ie erste Kugel

Mehr

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

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy. Vo der relative Häufigkeit zur Wahrscheilichkeit Es werde 20 Schüler befragt, ob sie ei Hady besitze. Das Ergebis der Umfrage lautet: Vo 20 Schüler besitze 99 ei Hady. Ereigis E: Schüler besitzt ei Hady

Mehr

Kapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit

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

Mehr

7.2 Grundlagen der Wahrscheinlichkeitsrechnung

7.2 Grundlagen der Wahrscheinlichkeitsrechnung 7.2 Grudlage der Wahrscheilichkeitsrechug Ei Ereigis heißt i Bezug auf eie Satz vo Bediguge zufällig, we es bei der Realisierug dieses Satzes eitrete ka, aber icht ubedigt eitrete muss. Def. 7.2.: Ei Experimet

Mehr

Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME

Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Fassug vom 13. Februar 2006 Mathematik für Humabiologe ud Biologe 129 9.1 Stichprobe-Raum 9.1 Stichprobe-Raum Die bisher behadelte Beispiele vo Naturvorgäge oder Experimete

Mehr

15.4 Diskrete Zufallsvariablen

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

Mehr

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

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 Lehrstuhl für Empirische Wirtschaftsforschug ud Ökoometrie Dr. Rolad Füss Statistik II: Schließede Statistik SS 2007 6. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug

Mehr

Zählterme (Seite 1) Aufgabe: Wie viele Nummernschilder kann es theoretisch im Raum Dresden geben? Wann müsste die 4.Ziffer eingeführt werden?

Zählterme (Seite 1) Aufgabe: Wie viele Nummernschilder kann es theoretisch im Raum Dresden geben? Wann müsste die 4.Ziffer eingeführt werden? Bemerkug: I Mathematik sollte ma keie Fahrpläe verwede, i der Stochastik erst recht icht. Zitat vo S.L. Das Baumdiagramm ist aber fast immer ei geeigetes Hilfsmittel. Produktregel Aufgabe: Wie viele Nummerschilder

Mehr

Wahrscheinlichkeit & Statistik

Wahrscheinlichkeit & Statistik Wahrscheilichkeit & Statistik created by Versio: 3. Jui 005 www.matheachhilfe.ch ifo@matheachhilfe.ch 079 703 7 08 Mege als Sprache der Wahrscheilichkeitsrechug, Begriffe, Grudregel Ereigisraum: Ω Ω Mege

Mehr

Tests statistischer Hypothesen

Tests statistischer Hypothesen KAPITEL 0 Tests statistischer Hypothese I der Statistik muss ma oft Hypothese teste, z.b. muss ma ahad eier Stichprobe etscheide, ob ei ubekater Parameter eie vorgegebee Wert aimmt. Zuerst betrachte wir

Mehr

Vorkurs Mathematik für Informatiker Folgen

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

Mehr

Diskrete Zufallsvariablen

Diskrete Zufallsvariablen Erste Beispiele diskreter Verteiluge Diskrete Zufallsvariable Beroulli-Verteilug Eie diskrete Zufallsvariable heißt beroulliverteilt mit arameter p, falls sie die Wahrscheilichkeitsfuktio p,, f ( ) ( )

Mehr

10. Testen von Hypothesen Seite 1 von 6

10. Testen von Hypothesen Seite 1 von 6 10. Teste vo Hypothese Seite 1 vo 6 10.1 Eiführug i das Teste vo Hypothese Eie Hypothese ist eie Vermutug bzw. Behauptug über die Wahrscheilichkeit eies Ereigisses. Mit Hilfe eies geeigete Tests (=Testverfahre)

Mehr

3 Wichtige Wahrscheinlichkeitsverteilungen

3 Wichtige Wahrscheinlichkeitsverteilungen 26 3 Wichtige Wahrscheilicheitsverteiluge Wir betrachte zuächst eiige Verteilugsfutioe für Produtexperimete 31 Die Biomialverteilug Wir betrachte ei Zufallsexperimet zum Beispiel das Werfe eier Müze, bei

Mehr

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

Musterlösung für die Klausur zur Vorlesung Stochastik I im WiSe 2014/2015 Musterlösug für die Klausur zur Vorlesug Stochastik I im WiSe 204/205 Teil I wahr falsch Aussage Gilt E[XY ] = E[X]E[Y ] für zwei Zufallsvariable X ud Y mit edlicher Variaz, so sid X ud Y uabhägig. Für

Mehr

2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters:

2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters: . Schätzverfahre. Puktschätzug wirtschaftlicher Kezahle Allgemei: Puktschätzug eies Parameters: Ermittlug eies Schätzwertes für eie ubekate Parameter eier Zufallsvariable i der Grudgesamtheit mit Hilfe

Mehr

Evaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt

Evaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt 2.4.5 Gauss-Test ud t-test für verbudee Stichprobe 2.4.5.8 Zum Begriff der verbudee Stichprobe Verbudee Stichprobe: Vergleich zweier Merkmale X ud Y, die jetzt a deselbe Persoe erhobe werde. Vorsicht:

Mehr

a) Histogramm der Verteilung: Zunächst werden die gegebenen Messwerte in aufsteigender Reihenfolge sortiert:

a) Histogramm der Verteilung: Zunächst werden die gegebenen Messwerte in aufsteigender Reihenfolge sortiert: D Lösug zu Aufgabe 2: Histogra a) Histogra der Verteilug: Zuächst werde die gegebee Messwerte i aufsteigeder Reihefolge sortiert: i 2 3 4 5 6 7 8 9 2 3 4 5 4,574 4,589 4,593 4,599 4,6 4,67 4,68 4,69 4,6

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Übug 6 3.03.20 Ihalt der heutige Übug Aufgabe D.7: Reche mit Zufallsvariable Erwartugswert- ud Variazoperator Statistik ud Wahrscheilichkeitsrechug

Mehr

Klausur vom

Klausur vom UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Domiik Faas Stochastik Witersemester 00/0 Klausur vom 7.0.0 Aufgabe 3+.5+.5=6 Pukte Bei eier Umfrage wurde 60 Hotelbesucher ach ihrer Zufriedeheit

Mehr

Stochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten

Stochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten Kapitel 2 Stochastische Uabhägigkeit, bedigte Wahrscheilichkeite 2.1 Stochastische Uabhägigkeit vo Ereigisse Im Folgede gehe wir vo eiem W-Raum (Ω, A, P aus. Der Begriff der stochastische Uabhägigkeit

Mehr

Teilaufgabe 1.1 (3 BE) Berechnen Sie die Wahrscheinlichkeit dafür, dass ein im Flughafen zufällig herausgegriffener Pauschalreisender ( ) =

Teilaufgabe 1.1 (3 BE) Berechnen Sie die Wahrscheinlichkeit dafür, dass ein im Flughafen zufällig herausgegriffener Pauschalreisender ( ) = Abiturprüfug Berufliche Oberschule 004 Mathematik 3 Techik - B I - Lösug Teilaufgabe.0 A eiem Flughafe sid 0% der Reisede Ferreisede. Uter de Ferreisede befide sich 5% Nicht-Pauschalreisede. Der Ateil

Mehr

Beispiel 4 (Die Urne zu Fall 4 mit Zurücklegen und ohne Beachten der Reihenfolge ) das Sitzplatzproblem (Kombinationen mit Wiederholung) Reihenfolge

Beispiel 4 (Die Urne zu Fall 4 mit Zurücklegen und ohne Beachten der Reihenfolge ) das Sitzplatzproblem (Kombinationen mit Wiederholung) Reihenfolge 1 Beispiel 4 (Die Ure zu Fall 4 mit Zurücklege ud ohe Beachte der Reihefolge ) das Sitzplatzproblem (Kombiatioe mit Wiederholug) 1. Übersicht Ziehugsmodus ohe Zurücklege des gezogee Loses mit Zurücklege

Mehr

Die notwendigen Verteilungstabellen finden Sie z.b. hier:

Die notwendigen Verteilungstabellen finden Sie z.b. hier: Fakultät für Mathematik Istitute IAG ud IMO Prof. Dr. G. Kyureghya/Dr. M. Hödig Schätz- ud Prüfverfahre Die otwedige Verteilugstabelle fide Sie z.b. hier: http://www.ivwl.ui-kassel.de/kosfeld/lehre/zeitreihe/verteilugstabelle.pdf

Mehr

Das Erstellen von Folgen mit der Last Answer Funktion

Das Erstellen von Folgen mit der Last Answer Funktion Schülerarbeitsblatt Wisseschaftlicher Recher EL-W5 WriteView Das Erstelle vo Folge mit der Last Aswer Fuktio 5 9 Die obige Folge wird ach eier eifache Regel gebildet: Zu jedem Glied wird addiert. Über

Mehr

Einführung in die Stochastik 10. Übungsblatt

Einführung in die Stochastik 10. Übungsblatt Eiführug i die Stochastik. Übugsblatt Fachbereich Mathematik SS M. Kohler.7. A. Fromkorth D. Furer Gruppe ud Hausübug Aufgabe 37 (4 Pukte) Ei Eremit am Südpol hat sich für die eibrechede polare Nacht mit

Mehr

Stochastik im SoSe 2018 Übungsblatt 2

Stochastik im SoSe 2018 Übungsblatt 2 Stochasti im SoSe 2018 Übugsblatt 2 K. Paagiotou/ L. Ramzews / S. Reisser Lösuge zu de Aufgabe. Aufgabe 1 Eie Ure ethält B blaue, R rote ud G grüe Bälle. Wir ziehe eie Teilmege mit geau Bälle aus der Ure,

Mehr

2.2.1 Lagemaße. Exkurs: Quantile. und n. p n

2.2.1 Lagemaße. Exkurs: Quantile. und n. p n Ekurs: Quatile Ausgagspukt : Geordete Urliste Jeder Wert p, mit 0 < p

Mehr

5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung

5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung Seite vo 7 5 Beroulli-Kette Jakob Beroulli 654-705 Schweizer Mathematiker ud Physiker 5. Beroulli-Exerimet 5.. Eileitug Oft iteressiert ma sich bei Zufallsexerimete icht für die eizele Ergebisse, soder

Mehr

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

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG 9 - LÖSUNGEN. Ziehug vo Kugel aus eier Ure a. Die Zahl der Permutatio der Kugel, die aus Klasse utereiader gleicher

Mehr

Prof. Dr. Roland Füss Statistik II SS 2008

Prof. Dr. Roland Füss Statistik II SS 2008 1. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug ergibt sich aus de Grezwertsätze. Grezwertsätze sid Aussage über eie Zufallsvariable für de Fall, dass die Azahl

Mehr

Wahrscheinlichkeitstheorie und Statistik vom

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

Mehr

Wichtige Wahrscheinlichkeitsverteilungen

Wichtige Wahrscheinlichkeitsverteilungen Wahrscheilichkeitsverteilug eier Zufallsvariable X: P X (B) P(X B) P({ω Ω X(ω) B}), B R Verteilugsfuktio vo X F F X : R [0,] TrägerT X eier diskrete Wahrscheilichkeitsverteilug P X T X { P(X ) > 0} TrägerT

Mehr

Gliederung. Value-at-Risk

Gliederung. Value-at-Risk Value-at-Risk Dr. Richard Herra Nürberg, 4. Noveber 26 IVS-Foru Gliederug Modell Beispiel aus der betriebliche Altersversorgug Verteilug des Gesatschades Value-at-Risk ud Tail Value-at-Risk Risikobeurteilug

Mehr

Probeklausur. (b) Was geschieht, wenn man ein Quantenbit in einem solchen Zustand misst?

Probeklausur. (b) Was geschieht, wenn man ein Quantenbit in einem solchen Zustand misst? Quaterecher Witersemester 5/6 Theoretische Iformatik Uiversität Haover Dr. Matthias Homeister Dipl.-Math. Heig Schoor Probeklausur Hiweis: Diese Probeklausur ist kürzer als die tatsächliche Klausur.. a

Mehr

Folgen und Reihen. 23. Mai 2002

Folgen und Reihen. 23. Mai 2002 Folge ud Reihe Reé Müller 23. Mai 2002 Ihaltsverzeichis 1 Folge 2 1.1 Defiitio ud Darstellug eier reelle Zahlefolge.................. 2 1.1.1 Rekursive Defiitio eier Folge......................... 3 1.2

Mehr

4 Schwankungsintervalle Schwankungsintervalle 4.2

4 Schwankungsintervalle Schwankungsintervalle 4.2 4 Schwakugsitervalle Schwakugsitervalle 4. Bemerkuge Die bekate Symmetrieeigeschaft Φ(x) = 1 Φ( x) bzw. Φ( x) = 1 Φ(x) für alle x R überträgt sich auf die Quatile N p der Stadardormalverteilug i der Form

Mehr

Praktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle

Praktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle Praktikum Vorbereitug Fertigugsmesstechik Statistische Qualitätskotrolle Bei viele Erzeugisse ist es icht möglich jedes Werkstück zu prüfe, z.b.: bei Massefertigug. Hier ist es aus ökoomische Grüde icht

Mehr

Bernoulli-Experiment und Binomialverteilung

Bernoulli-Experiment und Binomialverteilung IV Beroulli-Exerimet ud Biomialverteilug Beroulli-Exerimet ud Beroulliette Defiitio: Zufallsexerimete, bei dee ma sich ur für das Eitrete ( Treffer, Symbol ) oder das Nichteitrete ( Niete, Symbol 0 ) eies

Mehr

Erfolg im Mathe-Abi 2013

Erfolg im Mathe-Abi 2013 Gruber I Neuma Erfolg im Mathe-Abi 2013 Vorabdruck Wahlteil Stochastik für das Abitur ab 2013 zum Übugsbuch für de Wahlteil Bade-Württemberg mit Tipps ud Lösuge Vorwort Vorwort Erfolg vo Afag a...ist das

Mehr

1 Analysis in einer Variablen

1 Analysis in einer Variablen 4 1 Aalysis i eier Variable 1 Die reelle Zahle 1.1 Die gägige Zahlbereiche Der Abschitt diet isbesodere zu Eiführe der beutzte Noeklatur. 1.1.1 Beschreibug der Zahlbereiche Tabelle der Zahlbereiche Zahlbereich

Mehr

ELEMENTE DER ZAHLENTHEORIE UND AUFBAU DES ZAHLENSYSTEMS

ELEMENTE DER ZAHLENTHEORIE UND AUFBAU DES ZAHLENSYSTEMS ELEMENTE DER ZAHLENTHEORIE UND AUFBAU DES ZAHLENSYSTEMS vo Rolf Waldi 1 Kapitel I. Elemetare Zahletheorie 1 Grudlegede Regel ud Prizipie Es wird vorausgesetzt, daß der Leser mit gaze Zahle reche ka ud

Mehr

Es gibt verschiedene Möglichkeiten eine Folge zu definieren. Die zwei häufigsten Methoden

Es gibt verschiedene Möglichkeiten eine Folge zu definieren. Die zwei häufigsten Methoden Folge ud Reihe Folge Eie Folge ist eie Abbildug der atürliche Zahle N = {0, 1,,...} i die Mege der (zumidest i de meiste Fälle) reelle Zahle R. I diesem Fall ka ma sich eie Folge als Pukte i eiem Koordiatesystem

Mehr

Kapitel 5: Schließende Statistik

Kapitel 5: Schließende Statistik Kapitel 5: Schließede Statistik Statistik, Prof. Dr. Kari Melzer 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte

Mehr

mathphys-online Abiturprüfung Berufliche Oberschule 2010 Mathematik 13 Technik - B I - Lösung

mathphys-online Abiturprüfung Berufliche Oberschule 2010 Mathematik 13 Technik - B I - Lösung Abiturprüfug Berufliche Oberschule 2010 Mathematik 13 Techik - B I - Lösug Teilaufgabe 1.0 Die Firma Sparlux stellt Eergiesparlampe i großer Azahl her, die, je achdem, wie geau sie die Neleistug eihalte,

Mehr

Klausur zu,,einführung in die Wahrscheinlichkeitstheorie. Musterlösungen

Klausur zu,,einführung in die Wahrscheinlichkeitstheorie. Musterlösungen Istitut für agewadte Mathematik Witersemester 9/ Adreas Eberle, Matthias Erbar, Berhard Hader. (Reelle Zufallsvariable) Klausur zu,,eiführug i die Wahrscheilichkeitstheorie Musterlösuge a) Die Verteilugsfuktio

Mehr

Wichtige Verteilungen

Wichtige Verteilungen Wichtige Verteiluge Gaußsche Glockekurve ormalverteilug Logarithmische ormalverteilug Histogramm mit Glockekurve 3 Biomial- oder Beroulli-Verteilug Poisso-Verteilug Hypergeometrische Verteilug Epoetialverteilug

Mehr

Innerbetriebliche Leistungsverrechnung

Innerbetriebliche Leistungsverrechnung Ierbetriebliche Leistugsverrechug I der Kostestellerechug bzw. im Betriebsabrechugsboge (BAB ist ach der Erfassug der primäre Kostestellekoste das Ziel, die sekudäre Kostestellekoste, also die Koste der

Mehr

Zufallsvariable. Die Wahrscheinlichkeitsverteilung p (probability function) ist definiert durch: p(x i ) := P (X = x i ),

Zufallsvariable. Die Wahrscheinlichkeitsverteilung p (probability function) ist definiert durch: p(x i ) := P (X = x i ), ETHZ 90-683 Dr. M. Müller Statistische Methode WS 00/0 Zufallsvariable Zusammehag: Wirklichkeit Modell Wirklichkeit Stichprobe Date diskret stetig rel. Häufigkeit Häufigkeitstabelle Stabdiagramm Histogramm

Mehr

Vorkurs Mathematik für Informatiker Folgen

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

Mehr

Diskrete Wahrscheinlichkeitstheorie Wiederholungsklausur

Diskrete Wahrscheinlichkeitstheorie Wiederholungsklausur Techische Uiversität Müche Sommersemester 007 Istitut für Iformatik Prof. Dr. Javier Esparza Diskrete Wahrscheilichkeitstheorie Wiederholugsklausur LÖSUNG Hiweis: Bei alle Aufgabe wird ebe dem gefragte

Mehr

7.1 Einführung Unter der n-ten Wurzel aus a versteht man eine Zahl x, die mit n potenziert a ergibt.

7.1 Einführung Unter der n-ten Wurzel aus a versteht man eine Zahl x, die mit n potenziert a ergibt. Rdiziere 7 Rdiziere 7.1 Eiführug Uter der -te Wurzel us versteht eie Zhl x, die it poteziert ergibt. x x für 0 9 3 3 9 * : Wurzelexpoet, N ud 1 : Rdikd, 0 x: Wurzel(wer) t Poteziere: Bsis ud Expoet sid

Mehr

Übungen mit dem Applet erwartungstreu

Übungen mit dem Applet erwartungstreu Übuge mit dem Applet erwartugstreu Visualisierug vo erwartugstreu Begriffe ud statischer Hitergrud. Visualisieruge mit dem Applet..3. Zufallsstreuug der Eizelwerte...3. Mittelwerte 3.3 Variaz. 4.4 Variaz

Mehr

Statistik I/Empirie I

Statistik I/Empirie I Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass

Mehr

2 ISO/BIPM-Leitfaden Guide to the Expression of Uncertainty in Measurement, GUM (2008 überarbeitet, die deutsche Fassung ist [3])

2 ISO/BIPM-Leitfaden Guide to the Expression of Uncertainty in Measurement, GUM (2008 überarbeitet, die deutsche Fassung ist [3]) I- Messusicherheite: Lit.: Prof. Dr. Gerz Wahrscheilichkeitsrechug ud Usicherheitsberechug IO/BIPM-Leitfade Guide to the Epressio of Ucertaity i Measuremet, GUM (008 überarbeitet, die deutsche Fassug ist

Mehr

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008 Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe

Mehr

Klausur 3 Kurs 11ma3g Mathematik

Klausur 3 Kurs 11ma3g Mathematik 202-06-2 Klausur 3 Kurs ma3g Mathematik Lösug I eier Lotto-Ure befide sich 49 Kugel, die mit de Zahle vo bis 49 beschriftet sid. Eie eizige Kugel wird gezoge. Bereche Sie die Wahrscheilichkeit, dass diese

Mehr

Schätzen von Populationswerten

Schätzen von Populationswerten Schätze vo Populatioswerte SS00 7.Sitzug vom.06.00 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluß Grudlage des Iduktiosschlusses:

Mehr

Klassifizierung der Verteilungen. Streuung der diskreten Verteilung

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

Mehr

Kombinatorik. Permutationen Permutationen eines Kollektivs

Kombinatorik. Permutationen Permutationen eines Kollektivs Kombiatorik Permutatioe Permutatioe eies Kollektivs Kombiatorik Die Fuktio P perm_a gibt die kombiatorische Azahl der mögliche Aorduge oder Permutatioe a, die sich bei der Umordug der atürliche gaze Zahle,,...

Mehr

so spricht man von einer kommutativen Gruppe oder auch abelschen Gruppe.

so spricht man von einer kommutativen Gruppe oder auch abelschen Gruppe. Defiitioe ud Aussage zu ruppe Michael ortma Eie ruppe ist ei geordetes Paar (, ). Dabei ist eie icht-leere Mege, ist eie Verküpfug (Abbildug), wobei ma i.a. a b oder gar ur ab statt ( a, b) schreibt. Es

Mehr

10 Aussagen mit Quantoren und

10 Aussagen mit Quantoren und 0 Aussage mit Quatore ud 0.6. Eisatz vo (bereits bekater) Eistezaussage Bisher hatte wir Eistezbeweise geführt, idem wir ei passedes Objekt agegebe habe ( Setze... ). Stattdesse ka ma auch auf bereits

Mehr

Wahrscheinlichkeit & Statistik Musterlösung Serie 13

Wahrscheinlichkeit & Statistik Musterlösung Serie 13 ETH Zürich FS 2013 D-MATH Has Rudolf Küsch Koordiator Blaka Horvath Wahrscheilichkeit & Statistik Musterlösug Serie 13 1. a) Die Nullhypothese lautet dass das echte Medikamet höchstes gleich gut ist wie

Mehr

Fit in Mathe. April Klassenstufe 12 Summenzeichen Σ. a 1. a a n. 105 k 5 oder k

Fit in Mathe. April Klassenstufe 12 Summenzeichen Σ. a 1. a a n. 105 k 5 oder k Thea Fit i Mathe Musterlösuge 1 April Klassestufe Suezeiche Σ {a 0,a 1, a,...,a } sei eie Folge vo +1 Zahle. Da wird defiiert a k :=a o a 1 a... a. Ist das erste Folgeglied a ud, so ist a k = a a 1...

Mehr

Zentraler Grenzwert Satz

Zentraler Grenzwert Satz Zetraler Grezwert Satz Aufgabe Aufgabe 1 Um ihr Studium zu fiaziere jobbe Sie ebebei als Iterviewer ud befrage bei eier ihrer Missioe zufällig Wahlberechtigte um das Wahlergebis eier bestimmte Partei vorherzusage.

Mehr

1. Wahrscheinlichkeitsrechnung. 2. Diskrete Zufallsvariable. 3. Stetige Zufallsvariable. 4. Grenzwertsätze. 5. Mehrdimensionale Zufallsvariable

1. Wahrscheinlichkeitsrechnung. 2. Diskrete Zufallsvariable. 3. Stetige Zufallsvariable. 4. Grenzwertsätze. 5. Mehrdimensionale Zufallsvariable 1. Wahrscheilichkeitsrechug. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grezwertsätze 5. Mehrdimesioale Zufallsvariable Stetige Zufallsvariable Eie Zufallsvariable X : Ω R heißt stetig, we

Mehr

sfg Quadratwurzeln a ist diejenige nichtnegative Zahl (a 0), die quadriert a ergibt: Die Zahl a unter der Wurzel heißt Radikand:

sfg Quadratwurzeln a ist diejenige nichtnegative Zahl (a 0), die quadriert a ergibt: Die Zahl a unter der Wurzel heißt Radikand: M 9.1 Quadratwurzel a ist diejeige ichtegative Zahl (a 0), die quadriert a ergibt: a 2 = a Die Zahl a uter der Wurzel heißt Radikad: a Quadratwurzel sid ur für ichtegative Zahle defiiert: a 0 25 = 5; 81

Mehr

Parameterschätzung. Kapitel Schätzfunktionen

Parameterschätzung. Kapitel Schätzfunktionen Kapitel 8 Parameterschätzug 8.1 Schätzfuktioe Def. 8.1.1: Es seie X 1,X,...,X uabhägige ZV, die alle die gleiche Verteilug besitze. θ sei ei ubekater Parameter dieser Verteilug. X 1,X,...,X ist als eie

Mehr

A Ω, Element des Ereignisraumes

A Ω, Element des Ereignisraumes ue biostatisti: grudlegedes zur wahrscheilicheit ud ombiatori 1/6 WAHRSCHEINLICHKEIT / EINIGE BEGRIFFE Ereigisraum Ω Elemetarereigis A: Ω ist die Mege aller mögliche Elemetarereigisse A Ω, Elemet des Ereigisraumes

Mehr

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

Teilaufgabe 1.0 Bei der Firma Kohl kommen morgens alle im Büro Beschäftigten nacheinander ins Großraumbüro. mathphys-olie Abiturprüfug Berufliche Oberschule 014 Mathematik 13 Techik - B I - Lösug Teilaufgabe 1.0 Bei der Firma Kohl komme morges alle im Büro Beschäftigte acheiader is Großraumbüro. Teilaufgabe

Mehr

Einführung in die Stochastik für Mathematiker - SS 03 Prof. Dr. M. Schaefer, RWTH Aachen Definitionen und Sätze

Einführung in die Stochastik für Mathematiker - SS 03 Prof. Dr. M. Schaefer, RWTH Aachen Definitionen und Sätze Eiführug i die Stochastik für Mathematiker - SS 03 Prof. Dr. M. Schaefer, RWTH Aache Defiitioe ud Sätze Erstellt vo Lars Otte lars.otte@kulle.rwth-aache.de 5. September 2003 Diese Aufzeichuge stamme icht

Mehr

Beurteilende Statistik - Testen von Hypothesen Übungsaufgaben (1)

Beurteilende Statistik - Testen von Hypothesen Übungsaufgaben (1) Moika Kobel, MK 07052005 Hypothesetest_Ueb_1cd Beurteilede Statistik - Teste vo Hypothese Übugsaufgabe (1) (1) (2) (3) (4) (5) (6) (7) (8) (9) Eie Fira öchte bei eie Sigifikaztest das Fehlerrisiko bzw

Mehr

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

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

Mehr

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

Statistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik Statistik Kapitel 5: Schließede Statistik 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel 1» Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte der arithmetische

Mehr

Statistik I Februar 2005

Statistik I Februar 2005 Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet

Mehr

3 Folgen, Reihen, Grenzwerte 3.1 Zahlenfolgen. Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.

3 Folgen, Reihen, Grenzwerte 3.1 Zahlenfolgen. Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10. 3 Folge, Reihe, Grezwerte 3.1 Zahlefolge Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.000, 1 3 Folge, Reihe, Grezwerte 3.1 Zahlefolge Defiitio: Eie

Mehr