Verteilungsfunktionen

Save this PDF as:
 WORD  PNG  TXT  JPG

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. 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Zur Definition. der wirksamen. Wärmespeicherkapazität

Zur Definition. der wirksamen. Wärmespeicherkapazität Ao. Uiv. Prof. Dipl.-Ig. Dr. tech. Klaus Kreč, Büro für Bauphysik, Schöberg a Kap, Österreich Zur Defiitio der wirksae Wärespeicherkapazität vo Ao. Uiv. Prof. Dipl.-Ig. Dr. tech. Klaus Kreč Büro für Bauphysik

Mehr

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39 Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle

Mehr

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:

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

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

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

Kryptologie: Kryptographie und Kryptoanalyse Kryptologie ist die Wissenschaft, die sich mit dem Ver- und Entschlüsseln von Informationen befasst.

Kryptologie: Kryptographie und Kryptoanalyse Kryptologie ist die Wissenschaft, die sich mit dem Ver- und Entschlüsseln von Informationen befasst. Krytologie: Krytograhie ud Krytoaalyse Krytologie ist die Wisseschaft, die sich mit dem Ver- ud Etschlüssel vo Iformatioe befasst. Beisiel Iteretkommuikatio: Versiegel (Itegrität der Nachricht) Sigiere

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

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

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

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

Kapitel 6: Statistische Qualitätskontrolle

Kapitel 6: Statistische Qualitätskontrolle Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle

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

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

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

SBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit

SBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf # 0 Atwort Diese Lerkarte sid sorgfältig erstellt worde, erhebe aber weder Aspruch auf Richtigkeit och auf Vollstädigkeit. Das Lere mit Lerkarte fuktioiert ur

Mehr

Analysis I für M, LaG/M, Ph 4.Übungsblatt

Analysis I für M, LaG/M, Ph 4.Übungsblatt Aalysis I für M, LaG/M, Ph 4.Übugsblatt Fachbereich Mathematik Sommersemester 200 Dr. Robert Haller-Ditelma 05.05.200 David Bücher Christia Bradeburg Gruppeübug Aufgabe G (Kovergez vo Folge) Beweise Sie:

Mehr

Lösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 4: Aufgaben zu den Kapiteln 7 und 8

Lösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 4: Aufgaben zu den Kapiteln 7 und 8 1 Lösuge ausgewählter Übugsaufgabe zum Buch Elemetare Stochastik (Spriger Spektrum, 2012) Teil 4: Aufgabe zu de Kapitel 7 ud 8 Aufgabe zu Kapitel 7 Zu Abschitt 7.1 Ü7.1.1 Ω sei höchstes abzählbar, ud X,

Mehr

Wahrscheinlichkeit und Statistik

Wahrscheinlichkeit und Statistik ETH Zürich HS 2015 Prof. Dr. P. Embrechts Wahrscheilichkeit ud Statistik D-INFK Lösuge Serie 2 Lösug 2-1. (a Wir bereche P [W c B] auf zwei Arte: (a Wir betrachte folgede Tabelle: Azahl W W c B 14 6 B

Mehr

Formelsammlung Mathematik

Formelsammlung Mathematik Formelsammlug Mathematik 1 Fiazmathematik 1.1 Reterechug Sei der Zissatz p%, der Zisfaktor q = 1 + p 100. Seie R die regelmäßig zu zahlede Rate, die Laufzeit. Edwert: Barwert: achschüssig R = R q 1 q 1

Mehr

Das kollektive Risikomodell. 12. Mai 2009

Das kollektive Risikomodell. 12. Mai 2009 Kirill Rudik Das kollektive Risikomodell 12. Mai 2009 4.1 Eileitug Wir betrachte i diesem Kapitel die Gesamtforderuge im Laufe eies Jahres. Beim Abschluss eies Versicherugsvertrages weiß der Versicherer

Mehr

Beweistechniken Vollständige Induktion - Beispiele, Erweiterungen und Übungen

Beweistechniken Vollständige Induktion - Beispiele, Erweiterungen und Übungen Beweistechike Vollstädige Iduktio - Beispiele, Erweiteruge ud Übuge Alex Chmelitzki 15. März 005 1 Starke Iduktio Eie etwas abgewadelte Form der Iduktio ist die sogeate starke Iduktio. Bei dieser Spielart

Mehr

Fehlerrechnung. 3. Genauigkeit von Meßergebnissen am Beispiel der Längenmessung

Fehlerrechnung. 3. Genauigkeit von Meßergebnissen am Beispiel der Längenmessung 1 Gie 11/000 Fehlerrechug 1. Physikalische Größe: Zahlewert ud Eiheit. Ursache vo Meßfehler 3. Geauigkeit vo Meßergebisse am Beispiel der Lägemessug 4. Messug eier kostate Größe ud Mittelwert 5. Messug

Mehr

Der χ 2 Test. Bei Verteilungen Beantwortung der Frage, ob eine gemessene Verteilung Gauß- oder Poisson-verteilt ist oder nicht?

Der χ 2 Test. Bei Verteilungen Beantwortung der Frage, ob eine gemessene Verteilung Gauß- oder Poisson-verteilt ist oder nicht? Der χ Test Es gibt verschiedee Arte vo Sigifikaztests Nebe Sigifikaztests, die sich mit dem Mittelwert beschäftige, gibt es auch Testverfahre für Verteiluge Bei Verteiluge Beatwortug der Frage, ob eie

Mehr

Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK. 1. Vorbemerkung

Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK. 1. Vorbemerkung Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK Physikalische Prozesse, die eier statistische Gesetzmäßigkeit uterworfe sid, lasse sich mit eier Verteilugsfuktio beschreibe. Die Gauß-Verteilug

Mehr

Übungsblatt 1 zur Vorlesung Angewandte Stochastik

Übungsblatt 1 zur Vorlesung Angewandte Stochastik Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche

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

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

= 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

6. Grenzwertsätze. 6.1 Tschebyscheffsche Ungleichung

6. Grenzwertsätze. 6.1 Tschebyscheffsche Ungleichung 6. Grezwertsätze 6.1 Tschebyscheffsche Ugleichug Sofer für eie Zufallsvariable X die Verteilug bekat ist, lässt sich die Wahrscheilichkeit dafür bestimme, dass X i eiem bestimmte Itervall liegt. Wie ist

Mehr

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen: 61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl

Mehr

Schätzen von Populationswerten

Schätzen von Populationswerten Schätze vo Populatioswerte 7.Sitzug 35 Seite, SoSe 003 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluss Grudlage

Mehr

3. Einführung in die Statistik

3. Einführung in die Statistik 3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :

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

Übungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie

Übungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie Uiversität Müster Istitut für Mathematische Statistik Stochastik WS 203/204, Blatt Löwe/Heusel Aufgabe (4 Pukte) Übuge Abgabetermi: Freitag, 24.0.204, 0 Uhr THEMEN: Testtheorie Die Sollstärke der Rohrwäde

Mehr

D-MATH Topologie FS 15 Theo Bühler. Musterlösung 2

D-MATH Topologie FS 15 Theo Bühler. Musterlösung 2 D-MATH Topologie FS 15 Theo Bühler Musterlösug 2 1. a) Per Defiitio ist A = {x : x berührt A}. I der Vorlesug wurde die Formel (X A) = ( A ) c gezeigt, also A = ( X A ) c. Daher ist A = A A = A (A ) c

Mehr

Hilfsmittel aus der Kombinatorik, Vollständige Induktion, Reelle Zahlenfolgen

Hilfsmittel aus der Kombinatorik, Vollständige Induktion, Reelle Zahlenfolgen 7. Vorlesug im Brückekurs Mathematik 2017 Hilfsmittel aus der Kombiatorik, Vollstädige Iduktio, Reelle Zahlefolge Dr. Markus Herrich Markus Herrich Kombiatorik, Vollstädige Iduktio, Zahlefolge 1 Hilfsmittel

Mehr

Stochastik für Physiker: Aufgaben und Lösungsvorschläge

Stochastik für Physiker: Aufgaben und Lösungsvorschläge Stochastik für Physiker: Aufgabe ud Lösugsvorschläge Simo Stützer Stad: 4. Februar 9 Aufgabe : Vergleiche Sie die Wahrscheilichkeit, beim Spiel mit eiem Würfel i 4 Würfe midestes eimal 6 zu würfel, mit

Mehr

Election: Nachrichtenkomplexität. Mittlere Nachrichtenkomplexität (1) - Beispiel: Sei k = n = 4 - Über alle Permutationen mitteln (wieviele?

Election: Nachrichtenkomplexität. Mittlere Nachrichtenkomplexität (1) - Beispiel: Sei k = n = 4 - Über alle Permutationen mitteln (wieviele? Electio: Nachrichtekompleität - Message-etictio-Prizip vo Chag ud Roberts 979 - war eier der erste verteilte Algorithme Mittlere Nachrichtekompleität () - Beispiel: Sei k = = - Über alle Permutatioe mittel

Mehr

Übungen zu QM III Mindeststichprobenumfang

Übungen zu QM III Mindeststichprobenumfang Techische Hochschule Köl Fakultät für Wirtschafts- ud Rechtswisseschafte Prof. Dr. Arreberg Raum 221, Tel. 39 14 jutta.arreberg@th-koel.de Übuge zu QM III Mideststichprobeumfag Aufgabe 12.1 Sie arbeite

Mehr

von solchen Abbildungen. Eine solche Folge bestimmt für jedes x M die Folge der Werte f n. Schreibt man dies noch einmal formal hin, so erhält man:

von solchen Abbildungen. Eine solche Folge bestimmt für jedes x M die Folge der Werte f n. Schreibt man dies noch einmal formal hin, so erhält man: Gleichmäßige Kovergez Wir betrachte im Folgede Abbilduge f : M N, wobei M eie Mege ud N ei metrischer Raum ist. Isbesodere iteressiere ud Folge f vo solche Abbilduge. Eie solche Folge bestimmt für jedes

Mehr

Seminarausarbeitung: Gegenbeispiele in der Wahrscheinlichkeitstheorie. Unterschiedliche Konvergenzarten von Folgen von Zufallsvariablen

Seminarausarbeitung: Gegenbeispiele in der Wahrscheinlichkeitstheorie. Unterschiedliche Konvergenzarten von Folgen von Zufallsvariablen Semiarausarbeitug: Gegebeispiele i der Wahrscheilichkeitstheorie - Uterschiedliche Kovergezarte vo Folge vo Zufallsvariable Volker Michael Eberle 4. März 203 Eileitug Die vorliegede Arbeit thematisiert

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler 9.04.008 Äderug Übugsstude Statistik ud Wahrscheilichkeitsrechug Die Gruppe vo Markus trifft sich am Doerstag statt im HCI D zusamme mit der Gruppe

Mehr

Tutorial zum Grenzwert reeller Zahlenfolgen

Tutorial zum Grenzwert reeller Zahlenfolgen MAE Mathematik: Aalysis für Igeieure Herbstsemester 206 Dr. Christoph Kirsch ZHAW Witerthur Tutorial zum Grezwert reeller Zahlefolge I diesem Tutorial lere Sie, die logische Aussage i der Defiitio des

Mehr

Die natürlichen, ganzen und rationalen Zahlen

Die natürlichen, ganzen und rationalen Zahlen ie atürliche, gaze ud ratioale Zahle Ihaltsverzeichis.1 ieatürlichezahle... 11. iegazezahle... 15.3 ieratioalezahle... 15.4 Aufgabe... 17 ie Zahleege N, Z, Q ud R der atürliche, gaze, ratioale ud reelle

Mehr

4. Die Menge der Primzahlen. Bertrands Postulat

4. Die Menge der Primzahlen. Bertrands Postulat O. Forster: Eiführug i die Zahletheorie 4. Die Mege der Primzahle. Bertrads Postulat 4.1. Satz (Euklid. Es gibt uedlich viele Primzahle. Beweis. Wir zeige, dass es zu jeder edliche Mege p 1, p 2,..., p

Mehr

Kleines Matrix-ABC. Fachgebiet Regelungstechnik Leiter: Prof. Dr.-Ing. Johann Reger. 1 Elementares

Kleines Matrix-ABC. Fachgebiet Regelungstechnik Leiter: Prof. Dr.-Ing. Johann Reger. 1 Elementares 4 6 Fachgebiet Regelugstechik Leiter: Prof. Dr.-Ig. Joha Reger Kleies Matrix-ABC 1 Eleetares Eie ( )-Matrix ist eie rechteckige Aordug vo reelle oder koplexe Zahle a ij (auch Skalare geat) ud besteht aus

Mehr

Zahlenfolgen und Konvergenzkriterien

Zahlenfolgen und Konvergenzkriterien www.mathematik-etz.de Copyright, Page of 7 Zahlefolge ud Kovergezkriterie Defiitio: (Zahle-Folge, Grezwert) Eie Folge ist eie Abbildug der atürliche Zahle i die Mege A. Es ist also im Fall A: ; f: mit

Mehr

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 5

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 5 TUM, Zetrum Mathematik Lehrstuhl für Mathematische Physik WS 13/14 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weider Tutoraufgabe: Eiführug i die Wahrscheilichkeitstheorie Lösugsvorschläge zu Übugsblatt

Mehr