Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26)
|
|
- Victor Sauer
- vor 7 Jahren
- Abrufe
Transkript
1 Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26 Ein Wahrscheinlichkeitsraum (Ω, P ist eine Menge Ω (Menge aller möglichen Ausgänge eines Zufallsexperiments: Ergebnismenge versehen mit einer Abbildung P : P(Ω [0, 1] (Wahrscheinlichkeit: Jeder Teilmenge von Ω (Ereignis wird eine Zahl zwischen 0 und 1 zugeordnet (Wahrscheinlichkeit, dass das Ereignis eintritt mit folgenden Eigenschaften (KolmogorovAxiome: 1. P(Ω = 1 (sicheres Ereignis, 2. P(A B = P(A + P(B, falls A B = (Additionsregel für unvereinbare Ereignisse. wahrscheinlichkeit.pdf, Seite 1
2 Beispiel fairer Würfel Ω = {1,..., 6} mit P({i} = P(i = 1 für jede der möglichen 6 Augenzahlen i = 1, 2,..., 6. bzw. allgemeiner P(A = 1 #A für jede Teilmenge A Ω 6 (#A bezeichnet die Anzahl der Elemente von A. Z. B. entspricht das Ereignis Augenzahl ist nicht durch 3 teilbar der Menge A = {1, 2, 4, 5} mit P(A = 4 6 = 2 3. Für die Ereignisse B: Augenzahl durch 3 teilbar und C : Augenzahl durch 5 teilbar gilt B = {3, 6}, C = {5} B C = und B C = {3, 5, 6} und somit P(B C = P(B + P(C = = 1 2 = 50%. wahrscheinlichkeit.pdf, Seite 2
3 Ereignisse Als Ereignisse werden Teilmengen der Ergebnismenge Ω bezeichnet. Mengenoperationen beschreiben die Verknüpfung von Ereignissen. A B bedeutet sowohl A als auch B tritt ein, A B bedeutet (mindestens eines der Ereignisse A oder B tritt ein, A = Ω \ A bedeutet das Ereignis A tritt nicht ein wahrscheinlichkeit.pdf, Seite 3
4 Folgerungen aus den KolmogorovAxiomen P(A B = P(A + P(B P(A B für beliebige A, B, P(A P(B, falls A B (Monotonie, P(A = 1 P(A, wobei A = A c = Ω \ A das Komplementärereignis zu A bezeichnet. P( = 0 (unmögliches Ereignis Beispiele P(Augenzahl durch 2 oder 3 teilbar = P({2, 4, 6} + P({3, 6} P({6} = = 2 3. P(Augenzahl nicht durch 3 teilbar = 1 P(Augenzahl durch 3 teilbar = = 2 3 wahrscheinlichkeit.pdf, Seite 4
5 Bestimmung von Wahrscheinlichkeiten ist auf unterschiedliche Weise möglich. Die wichtigsten sind: durch ein Symmetrieprinzip: Ein Zufallsexperiment hat endlich viele mögliche Ausgänge, die alle als gleichwahrscheinlich angenommen werden (Beispiel Augenzahl eines Würfels. Man spricht von einem LaplaceExperiment. durch Schätzung anhand von Beobachtungen durch Berechnung ausgehend von bekannten Wahrscheinlichkeiten (Beispiel: Wahrscheinlichkeit, bei dreimaligem Würfeln mindestens eine 6 zu erhalten wahrscheinlichkeit.pdf, Seite 5
6 Ein Laplace-Experiment ist ein Zufallsexperiment, bei dem alle möglichen Ausgänge gleich wahrscheinlich sind. Ω ist dabei endliche Menge mit n Elementen mit P({x} = 1 n für alle x A (Gleichverteilung. Für eine beliebige Teilmenge A Ω folgt dann P(A = 1 n #A = 1 n mal Zahl der Elemente von A Beispiele = Zahl der günstigen durch Zahl der möglichen Fälle. fairer Würfel Münzwurf: P(Wappen = P(Zahl = 1 2 = 50% Ziehen einer Spielkarte aus 32: Die Wahrscheinlichkeit, dass ein Ass gezohen wird, ist 4/32 = 1 8 = 12, 5%. wahrscheinlichkeit.pdf, Seite 6
7 Kombinatorik Zur Bestimmung der Zahl der möglichen Ausgänge eines Zufallsexperiments sind oft kombinatorische Überlegungen erforderlich. Wir betrachten drei Fälle: Permutationen: Zusammenstellungen von verschiedenen Objekten in unterschiedlicher Reihenfolge Variationen: Auswahl einer Teilmenge von Objekten mit Beachtung der Reihenfolge, entweder mit oder ohne Wiederholung Kombinationen: Auswahl ohne Beachtung der Reihenfolge wahrscheinlichkeit.pdf, Seite 7
8 Permutationen Zahl der Möglichkeiten, n Elemente anzuordnen, ist gleich P n = n (n = n! (n Fakultät. Beispiel 1: Traveling Salesman Problem Geschäftsreisender besucht nacheinander n Orte n! mögliche Reiserouten. Beispiel 2 Zum Bespiel gibt es P 5 = 5! = 120 fünfstellige Zahlen, in denen jede der Ziern 1, 2, 3, 4 und 5 genau einmal vorkommt. wahrscheinlichkeit.pdf, Seite 8
9 Variationen (geordnete Auswahl ohne Wiederholung Es gibt Vn k = n! = n (n 1... (n k + 1 (n k! Möglichkeiten, k aus n Elementen auszuwählen, wenn die Reihenfolge der Auswahl eine Rolle spielt. Beispiel 1 In einer Liga mit 18 Mannschaften gibt es V 5 18 = = Möglichkeiten für die Belegung der ersten 5 Tabellenplätze. Beispiel 2 Es gibt V 5 26 = 26! = = aus 21! 5 Kleinbuchstaben bestehende Passwörter, in denen kein Buchstabe mehrfach vorkommt. wahrscheinlichkeit.pdf, Seite 9
10 Variationen mit Wiederholung Kann jedes Element mehrfach ausgewählt werden, so gibt es bei der Auswahl von k aus n Elementen n k Möglichkeiten. Beispiele Beim viermaligen Werfen eines Würfels sind (bei Berücksichtigung der Reihenfolge 6 4 = 1296 verschiedene Ergebnisse möglich, die Wahrscheinlichkeit für eine Augenkombination (z. B. 3, 6, 6, 5 beträgt 1/1296. Es gibt 5 5 = 3125 fünfstellige Zahlen, die keine anderen Ziern als 1, 2, 3, 4 und 5 enthalten. wahrscheinlichkeit.pdf, Seite 10
11 Kombinationen Die Zahl der Möglichkeiten, k von n Elementen auszuwählen, ohne Beachtung der Reihenfolge (Kombinationen, ist gleich ( n! n (n k! k! = = Cn k (Binomialkoezient n über k. k ist gleich der Anzahl der kelementigen Teilmengen einer ( n k nelementigen Menge. Dabei setzt man 0! = 1 und ( n k = 0 falls k > n oder k < 0. Beispiel Die Zahl der Möglichkeiten beim Lotto 6 aus 49 ist ( 49 = 49! = = ! 6! Die Wahrscheinlichkeit für eine bestimmte Zahlenkombination ist damit 1/ < 0, 00001% wahrscheinlichkeit.pdf, Seite 11
12 Eigenschaften der Binomialkoezienten Für Binomialkoezeineten gibt es eine Reihe von Rechenregeln. Die wichtigsten sind: ( n ( 0 = n n = 1 ( n ( 1 = n n 1 = n ( n 2 = n (n 1 = n 1 2 j=1 j = (n 1 ( n ( k = n n k (Symmetrie: Auswahl von k aus n Objekten ist gleichbedeutend mit der Bestimmung von n k Objekten, die nicht ausgewählt werden n ( n k=0 k = 2 n (Anzahl aller Teilmengen einer nelementigen Menge ( = n ( k + n k 1 (Summationseigenschaft ( n+1 k wahrscheinlichkeit.pdf, Seite 12
13 Das Pascalsche Dreieck liefert eine rekursive Berechnung der Binomialkoezienten mit Hilfe der Summationseigenschaft: Die n + 1-te Zeile enthält die Binomialkoezienten ( n k für k = 0,..., n. Dabei ist jeder Eintrag die Summe der beiden Einträge darüber, z. B. ist ( 8 ( 3 = 56 = 7 ( = wahrscheinlichkeit.pdf, Seite 13
14 Kombinationen mit Wiederholung Dürfen bei der Auswahl von k Elementen aus einer nelementigen Menge ohne Beachtung der Reihenfolge Elemente mehrfach vorkommen, so gibt es ( n+k 1 k Möglichkeiten. Beispiel Es gibt Gummibärchen in n = 6 Farben. Für die Auswahl von k = 4 Gummibärchen, die nicht alle verschiedenfarbig sein müssen, gibt es dann ( ( 4 = 9 4 = = 126 verschiedene Möglichkeiten. 4! Warnung! In dieser Situation sind nicht alle Kombinationen gleichwahrscheinlich, d. h. obige Formel kann nicht zur Bestimmung von Wahrscheinlichkeiten genutzt werden (siehe Beispiel zu 2 Würfeln. wahrscheinlichkeit.pdf, Seite 14
15 Zusammenfassung Ein LaplaceExperiment, bei dem alle Ausgänge als gleichwahrscheinlich angenommen werden können, erhält man bei zufälliger Auswahl in folgenden Situationen: Anordnung von n Objekten: n! Möglichkeiten geordneter Auswahl von k aus n Objekten ohne n! Wiederholung: (n k! Möglichkeiten geordneter Auswahl von k aus n Objekten mit Wiederholung: n k Möglichkeiten Auswahl von k aus n Objekten ohne Wiederholung ohne Beachtung der Reihenfolge: ( n k Möglichkeiten Dagegen liegt bei der Auswahl mit Wiederholung ohne Beachtung der Reihenfolge kein LaplaceExperiment vor. wahrscheinlichkeit.pdf, Seite 15
16 Berechnung von Wahrscheinlichkeiten, Beispiel 1 Wie groÿ ist die Wahrscheinlichkeit für 4 Richtige beim Lotto? Die Wahrscheinlichkeit berechnet sich als g n = Zahl der günstigen Fälle durch Zahl der möglichen Fälle Letztere ist n = ( 49 6 = Die Zahl der günstigen Fälle erhält man durch folgende Überlegung: Von den 6 getippten Zahlen müssen genau 4 gezogen werden. Dafür gibt es ( 6 4 = 15 Möglichkeiten. Daneben müssen von den 43 nicht getippten Zahlen 2 gezogen werden, wofür es ( 43 2 = 903 Möglichkeiten gibt Somit ist g = = und die gesuchte Wahrscheinlichkeit P = (6 4 ( 43 2 ( 49 6 = , 1 % wahrscheinlichkeit.pdf, Seite 16
17 Verallgemeinerung Von N Objekten, von denen K eine besondere Eigenschaft haben, werden n zufällig ausgewählt. Dann ist die Wahrscheinlichkeit, dass unter den ausgewählten Objekten genau k die besondere Eigenschaft haben, gleich ( K ( k N K n k P(k = ( N, falls k 0, k n und k K. n Man spricht von einer hypergeometrischen Verteilung. Weiteres Beispiel Wie groÿ ist die Wahrscheinlichkeit, dass ein Skatspieler genau 2 Buben bekommt? Es gibt N = 32 Karten, unter denen K = 4 Buben sind. Der Spieler bekommt n = 10 Karten ausgeteilt. Somit ist P(k = 2 = 2 ( ( = 2 ( ( , 9%. ( 32 4 ( 32 4 wahrscheinlichkeit.pdf, Seite 17
18 Berechnung von Wahrscheinlichkeiten, Beispiel 2 Wie groÿ ist die Wahrscheinlichkeit, beim viermaligen Würfeln genau 2 Sechsen zu erhalten? Es gibt n = 6 4 = 1296 Möglichkeiten. Günstige Fälle sind 66XX, 6X6X, 6XX6, X66X, X6X6 und XX66, wobei X jeweils für eine Augenzahl zwischen 1 und 5 steht. Für jede dieser 6 = ( 4 2 Kombinationen gibt es noch einmal 5 2 = 25 Möglichkeiten für die beiden X. Somit ist die Gesamtzahl der günstigen Möglichkeiten g = 6 25 = 150 und die gesuchte Wahrscheinlichkeit P = 150 ( = = ( ( ( , 6 %. Bemerkung: Die benutzte Formel ist ein Spezialfall einer Binomialverteilung, die dann vorliegt, wenn ein Zufallsexperiment mit zwei möglichen Ausgängen (Erfolg/Misserfolg, 6/keine 6 n mal wiederholt wird und die Anzahl der Erfolge gezählt wird. wahrscheinlichkeit.pdf, Seite 18
19 Zwei Würfel Es gibt 36 Möglichkeiten, jede hat Wahrscheinlichkeit 1/36. Ω = {(i, j : 1 i, j 6} mit P(i, j = Mit A = {(2, 1, (2, 2, (2, 3, (2, 4, (2, 5, (2, 6} (erster Würfel 2 und B = {(1, 3, (2, 3, (3, 3, (4, 3, (5, 3, (6, 3} (zweiter Würfel 3 ist P(A = P(B = 1 6 und P(A B = P(2, 3 = 1 = P(A P(B 36 Unabhängigkeit A und B heiÿen unabhängig, wenn P(A B = P(A P(B Interpretation: Das Eintreten von Ereignis A hat keinen Einuss auf die Wahrscheinlichkeit von B und umgekehrt. wahrscheinlichkeit.pdf, Seite 19
20 Beispiele Mit A = Augenzahl des ersten Würfels gerade und B = Augensumme gerade ist P(A = P(B = 1 2 und P(A B = 1 4, also sind die beiden Ereignisse unabhängig. Mit A = erster Würfel 4 und B = Augensumme 10 ist P(A = 1, P(B = 1 und 6 12 P(A B = P(4, 6 = 1 1 1, also sind A und B nicht unabhängig. Mit A = erste gezogene Spielkarte ist ein Ass und B = zweite Karte ist ein Bube ist P(A = P(B = 1 und 8 P(A B = 1 4 = 1 1 1, d. h. die beiden Ereignisse sind nicht unabhängig. wahrscheinlichkeit.pdf, Seite 20
21 Bedingte Wahrscheinlichkeit Unabhängigkeit umformuliert: P(A B = P(A P(B P(A = P(A B/P(B. Allgemein deniert man die bedingte Wahrscheinlichkeit von A unter B als P(A B P(A B =. P(B Interpretation: Wahrscheinlichkeit für A, wenn bekannt ist, dass B eingetreten ist. Bemerkungen P(A B ist nur deniert, wenn P(B > 0. Falls P(A, P(B > 0, so gilt A und B unabhängig P(A B = P(A P(B A = P(B. wahrscheinlichkeit.pdf, Seite 21
22 Beispiele bei zwei Würfeln A: Augensumme 10, B: erster Würfel 4, Dann ist P(A = 3 36 = 1 12, P(B = 1 6, P(A B = 1 36 P(A B = 1/36 1/6 = 1 6 P(A = 1 12 sowie P(B A = 1/36 1/12 = 1 3 P(B = 1 6. A: Augensumme 7, B: erster Würfel 6, P(A B = 1/36 = 1 = P(A sowie 1/6 6 P(B A = 1 = P(B, 6 d. h. A und B sind unabhängig. A: 6 Richtige beim Lotto, B: die ersten 5 gezogenen Zahlen stimmen, P(A B = 1 2, 27% > P(A sowie 44 P(B A = 1 P(B. wahrscheinlichkeit.pdf, Seite 22
23 Beispiel Kartenspiel (mit 32 Karten Es werden zwei Karten (ohne Zurücklegen gezogen. Wie groÿ ist die Wahrscheinlichkeit, dass zwei Asse gezogen werden? Mit A = erste Karte ist ein Ass und B = zweite Karte ist ein Ass ist P(A = 4 32 = 1 8 und P(B A = 3 31 (da unter der Annahme, dass A eingetreten ist, unter den verbleibenden 31 Karten noch 3 Asse sind. Daraus kann jetzt die gesuchte Wahrscheinlichkeit berechnet werden: P(A B = P(A P(B A = 1 3 = 3 0, 012 = 1, 2% wahrscheinlichkeit.pdf, Seite 23
24 Mehrstuge Zufallsexperimente Die Formel P(A B = P(A P(B A eignet sich zur Bestimmung von Wahrscheinlichkeiten bei mehrstugen Zufallsexperimenten. Beispiel In einer Kiste benden sich 7 weiÿe und 4 schwarze Socken. Wo groÿ ist die Wahrscheinlichkeit, dass zwei zufällig herausgegriene Socken die gleiche Farbe haben? Mit den Ereignissen A = erste Socke weiÿ und B = zweite Socke weiÿ beschreibt (A B (A B das Ereignis Beide Socken haben die gleiche Farbe. Es ist P(A B = P(A P(B A = = sowie P(A B = P(A P(B A = = Da A B und A B unvereinbar sind, beträgt die gesuchte Wahrscheinlichkeit = 27 49, 1 % wahrscheinlichkeit.pdf, Seite 24
25 Totale Wahrscheinlichkeit Sind A und B Ereignisse, so gilt B = (A B (A B sowie (A B (A B =. Aus den KolmogorovAxiomen folgt daher P(B = P(A B + P(A B = P(A P(B A + P(A P(B A. Allgemeiner gilt P(B = n k=1 P(A k P(B A k, wenn Ω = A 1... A n mit A i A j = eine Zerlegung des Wahrscheinlichkeitsraumes ist. Im letzten Sockenbeispiel Mit P(B A = 7 10 erhält man P(B = P(A P(B A + P(A P(B A = = wahrscheinlichkeit.pdf, Seite 25
26 Weiteres Beispiel Es werden s untersucht, die zum Teil Spam sind. Betrachtet werden die Ereignisse S =Mail ist Spam sowie G =Mail enthält das Wort Gewinn Aus Erfahrungswerten seien folgende Wahrscheinlichkeiten bekannt: P(S = 0, 25, P(G S = 0, 19 und P(G S = 0, 01, d. h. jede 4. Mail ist Spam und 19% aller Spammails sowie 1% aller NichtSpamMails enthalten das Wort Gewinn. Es folgt P(G = P(S P(G S + P(S P(G S = 0, 055, also enthalten 5, 5% aller Mails das Wort Gewinn. wahrscheinlichkeit.pdf, Seite 26
27 Formel von Bayes Nach Denition der bedingten Wahrscheinlichkeit gilt für Ereignisse A und B P(A B = P(A P(B A sowie P(A B = P(B P(A B Durch Gleichsetzen dieser beiden Ausdrücke erhält man mit der Formel der totalen Wahrscheinlichkeit den Satz von Bayes: P(A B = P(A P(B A P(B = P(A P(B A P(A P(B A + P(A P(B A, bzw. bei einer Zerlegung Ω = A 1... A n P(A k B = P(A k P(B A k n i=1 P(A i P(B A i. wahrscheinlichkeit.pdf, Seite 27
28 Anwendung: Bayes'scher Spamlter Im letzten Beispiel: P(S = 0, 25 (25% SpamMails, P(G S = 0, 19 (19% davon enthalten das Wort Gewinn P(G S = 0, 01 (1% der übrigen Mails enthalten das Wort Gewinn Dann folgt P(S G = = P(S P(G S P(S P(G S + P(S P(G S 0, 25 0, 19 0, 864, 0, 25 0, , 75 0, 01 d. h. eine Mail mit dem Wort Gewinn ist zu 86, 4% Spam. wahrscheinlichkeit.pdf, Seite 28
Wahrscheinlichkeit (Teschl/Teschl 2, Kap. 26)
Wahrscheinlichkeit (Teschl/Teschl 2, Kap. 26) Gegeben Menge Ω (Wahscheinlichkeitsraum, Menge aller möglichen Ausgänge eines Zufallsexperiments), Abbildung P : P(Ω) [0, 1] (Wahrscheinlichkeit): Jeder Teilmenge
MehrKombinatorik: Abzählverfahren (Teschl/Teschl 7) Summenregel. Allgemeiner
Kombinatorik: Abzählverfahren Teschl/Teschl 7 Fragestellung: Wie viele verschiedene Möglichkeiten gibt es, Elemente auszuwählen, z. B. Anzahl verschiedener möglicher Passwörter, IPAdressen, Zahlenkombinationen
Mehrhtw saar 1 KAPITEL 4 BEDINGTE WAHRSCHEINLICHKEIT UND STOCHASTISCHE UNABHÄNGIGKEIT Hans-Peter Hafner WS 2016/2017
htw saar 1 KAPITEL 4 BEDINGTE WAHRSCHEINLICHKEIT UND STOCHASTISCHE UNABHÄNGIGKEIT htw saar 2 Gliederung 25.01. Bedingte Wahrscheinlichkeit: Motivation und Definition Multiplikationssatz Stochastische Unabhängigkeit:
Mehr1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6
Inhaltsverzeichnis 1 Vorbemerkungen 1 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2 3 Wahrscheinlichkeitsaxiome 4 4 Laplace-Experimente 6 5 Hilfsmittel aus der Kombinatorik 7 1 Vorbemerkungen
MehrKapitel 6. Kapitel 6 Mehrstufige Zufallsexperimente
Mehrstufige Zufallsexperimente Inhalt 6.1 6.1 Mehrstufige Experimente 6.2 6.2 Bedingte Wahrscheinlichkeiten Seite 2 6.1 Mehrstufige Experimente Grundvorstellung: Viele Viele Experimente werden der der
MehrSachrechnen/Größen WS 14/15-
Kapitel Daten & Wahrscheinlichkeit 3.1 Kombinatorische Grundlagen 3.2 Kombinatorik & Wahrscheinlichkeit in der Grundschule 3.3 Daten Darstellen 3.1 Kombinatorische Grundlagen Verschiedene Bereiche der
Mehr9. Elementare Wahrscheinlichkeitsrechnung
9. Elementare Wahrscheinlichkeitsrechnung Beispiel (Einmaliges Würfeln): verbal mengentheoretisch I. Zufällige Ereignisse Beispiel (Einmaliges Würfeln): Alle möglichen Ausgänge 1,,, 6 des Experiments werden
MehrEinführung in die Wahrscheinlichkeitsrechnung
Einführung in die Wahrscheinlichkeitsrechnung Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung
MehrBasiswissen Daten und Zufall Seite 1 von 8 1 Zufallsexperiment Ein Zufallsexperiment ist ein Versuchsaufbau mit zufälligem Ausgang, d. h. das Ergebnis kann nicht vorhergesagt werden. 2 Ergebnis (auch Ausgang)
MehrWahrscheinlichkeitsrechnung
Abiturvorbereitung Wahrscheinlichkeitsrechnung S. 1 von 9 Wahrscheinlichkeitsrechnung Kombinatorik Formeln für Wahrscheinlichkeiten Bedingte Wahrscheinlichkeiten Zusammenfassung wichtiger Begriffe Übungsaufgaben
MehrBiostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 Wahrscheinlichkeitstheorie:, Unabhängigkeit Prof. Dr. Achim Klenke http://www.aklenke.de 6. Vorlesung: 02.12.2011 1/30 Inhalt 1 Wahrscheinlichkeit 2 2/30 Wahrscheinlichkeit
Mehr3 Bedingte Wahrscheinlichkeit, Unabhängigkeit
3 Bedingte Wahrscheinlichkeit, Unabhängigkeit Bisher : (Ω, A, P) zur Beschreibung eines Zufallsexperiments Jetzt : Zusatzinformation über den Ausgang des Experiments, etwa (das Ereignis) B ist eingetreten.
MehrUnabhängigkeit KAPITEL 4
KAPITEL 4 Unabhängigkeit 4.1. Unabhängigkeit von Ereignissen Wir stellen uns vor, dass zwei Personen jeweils eine Münze werfen. In vielen Fällen kann man annehmen, dass die eine Münze die andere nicht
MehrAusgewählte spezielle Verteilungen
Ausgewählte spezielle Verteilungen In Anwendungen werden oft Zufallsvariablen betrachtet, deren Verteilung einem Standardmodell entspricht. Zu den wichtigsten dieser Modelle gehören: diskrete Verteilungen:
MehrInteraktives Skriptum: Elementare Wahrscheinlichkeitsrechnung
Interaktives Skriptum: Elementare Wahrscheinlichkeitsrechnung 1. Grundbegriffe Würfeln, Werfen einer Münze, Messen der Lebensdauer einer Glühbirne Ausfall/Ausgang: Würfeln: Augenzahlen 1, 2, 3, 4, 5, 6
MehrSTOCHASTISCHE UNABHÄNGIGKEIT. Annika Pohlmann Philipp Oel Wilhelm Dück
STOCHASTISCHE UNABHÄNGIGKEIT Annika Pohlmann Philipp Oel Wilhelm Dück 1 GLIEDERUNG 1) Bedingte Wahrscheinlichkeiten 2) Unabhängigkeit für mehr als zwei Ereignisse 3) Unabhängigkeit für Zufallsvariable
MehrLernzusammenfassung für die Klausur. Inhaltsverzeichnis. Stochastik im SS 2001 bei Professor Sturm
Stochastik im SS 2001 bei Professor Sturm Lernzusammenfassung für die Klausur Hallo! In diesem Text habe ich die wichtigsten Dinge der Stochastikvorlesung zusammengefaÿt, jedenfalls soweit, wie ich bis
Mehr2.2 Ereignisse und deren Wahrscheinlichkeit
2.2 Ereignisse und deren Wahrscheinlichkeit Literatur: [Papula Bd., Kap. II.2 und II.], [Benning, Kap. ], [Bronstein et al., Kap. 1.2.1] Def 1 [Benning] Ein Zufallsexperiment ist ein beliebig oft wiederholbarer,
MehrZusammenfassung Stochastik
Zusammenfassung Stochastik Die relative Häufigkeit Ein Experiment, dessen Ausgang nicht vorhersagbar ist, heißt Zufallsexperiment (ZE). Ein Würfel wird 40-mal geworfen, mit folgendem Ergebnis Augenzahl
MehrTeil II. Wahrscheinlichkeitsrechnung
Teil II Wahrscheinlichkeitsrechnung Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2014) Folie 129 5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) 5 Zufallsexperimente Ergebnisse Ereignisse
MehrTeil II. Wahrscheinlichkeitsrechnung. Inhaltsverzeichnis (Ausschnitt) Zufallsexperimente (Zufallsvorgänge) Ergebnisse
5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) Teil II Wahrscheinlichkeitsrechnung 5 Zufallsexperimente Ergebnisse Ereignisse Wahrscheinlichkeiten Deskriptive Statistik und Wahrscheinlichkeitsrechnung
MehrKombinatorik kompakt. Stochastik WS 2016/17 1
Kombinatorik kompakt Stochastik WS 2016/17 1 Übersicht Auswahl/Kombinationen von N aus m Elementen Statistische unterscheidbare ununterscheidbare Physik Objekte (gleiche) Objekte ( ohne m N m+n 1 ) N mit
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 12. Dezember 2012 1 Kombinatorik Fakultät Binomialkoeffizienten Urnenmodelle 2 Definition Fakultät Die Zahl n! =
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 3. November 2010 1 Kombinatorik Fakultät Binomialkoeffizienten Urnenmodelle 2 Definition Tabellen Fakultät, Beispiel
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 8. Übung SS 16: Woche vom
Übungsaufgaben 8. Übung SS 16: Woche vom 30. 5. 3.6. 2016 Stochastik II: Klassische Wkt.-Berechnung; Unabhängigkeit Aufgaben: s. pdf auf der homepage von Dr. Vanselow http://www.math.tu-dresden.de/ vanselow/...
MehrKAPITEL 2. Kombinatorik
KAPITEL 2 Kombinatori In der Kombinatori geht es um das Abzählen von Kombinationen 21 Geburtstagsproblem Beispiel 211 (Geburtstagsproblem In einem Raum befinden sich 200 Studenten Wie groß ist die Wahrscheinlicheit,
MehrEinführung. Wahrscheinlichkeit. 1 Wahrscheinlichkeit: Definition und Interpretation. 2 Elementare Wahrscheinlichkeitsrechnung, bedingte
Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2 Elementare Wahrscheinlichkeitsrechnung, bedingte Wahrscheinlichkeit Axiome nach Kolmogorov Gegeben sei ein Zufallsexperiment mit Ergebnisraum
MehrEinführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management
Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 2013 Hochschule Augsburg Unabhängigkeit von Ereignissen A, B unabhängig:
MehrLaplace und Gleichverteilung
Laplace und Gleichverteilung Aufgaben Aufgabe 1 An einem Computer, dessen Tastatur die 26 Tasten für die kleinen Buchstaben (a,b,c... z) hat, sitzt ein Nutzer (User) und tippt zufällige auf den Tasten
MehrEreignis E: ist ein oder sind mehrere Ergebnisse zusammen genommen. Bsp. E = {2; 4; 6}
Laplace-Experimente Begriffsklärung am Beispiel eines Laplace-Würfel mit Augenzahlen (AZ) 1-6: Ergebnis: ist jeder Ausgang eines Zufallsexperimentes heißt ein Ergebnis ω dieses Zufallsexperimentes. Die
MehrKombinatorik: Abzählverfahren (Teschl/Teschl 7) Summenregel. Allgemeiner
Kombinatorik: Abzählverfahren (Teschl/Teschl 7) Fragestellung: Wie viele verschiedene Möglichkeiten gibt es, Elemente auszuwählen, z. B. Anzahl verschiedener möglicher Passwörter, IPAdressen, Zahlenkombinationen
MehrVorlesung Statistik WING ASW Melanie Kaspar, Prof. Dr. B. Grabowski 1
Melanie Kaspar, Prof. Dr. B. Grabowski 1 Aus diesen Eigenschaften lassen sich alle weiteren Eigenschaften ableiten: Beweis zu 1) Melanie Kaspar, Prof. Dr. B. Grabowski 2 Aufgabe Die Wahrscheinlichkeit
MehrUE Statistik 1, SS 2015, letztes Update am 5. März Übungsbeispiele
UE Statistik, SS 05, letztes Update am 5. März 05 Übungsbeispiele Beispiele mit Musterlösungen finden Sie auch in dem Buch Brannath, W., Futschik, A., Krall, C., (00) Statistik im Studium der Wirtschaftswissenschaften..
MehrFit for Abi & Study Stochastik
Fit for Abi & Study Stochastik Prof. Dr. Tilla Schade Hochschule Harz 15. und 16. April 2014 No. 1 Stochastik besteht aus: Wahrscheinlichkeitsrechnung Statistik No. 2 Gliederung Grundlagen Zufallsgrößen
Mehr3. Kombinatorik und Wahrscheinlichkeit
3. Kombinatorik und Wahrscheinlichkeit Es geht hier um die Bestimmung der Kardinalität endlicher Mengen. Erinnerung: Seien A, B, A 1,..., A n endliche Mengen. Dann gilt A = B ϕ: A B bijektiv Summenregel:
Mehr= 7! = 6! = 0, 00612,
Die Wahrscheinlichkeit, dass Prof. L. die Wette verliert, lässt sich wie folgt berechnen: Ω = {(i 1,..., i 7 ) : i j {1... 7}, j = 1... 7}, wobei i, j für den Wochentag steht, an dem die Person j geboren
MehrKombinatorik. 1. Beispiel: Wie viele fünfstellige Zahlen lassen sich aus den fünf Ziffern in M = {1;2;3;4;5} erstellen?
1 Kombinatorik Aus einer Grundgesamtheit mit n Elementen wird eine Stichprobe k Elementen entnommen. Dabei kann die Stichprobe geordnet oder ungeordnet sein. "Geordnet" bedeutet, dass die Reihenfolge der
MehrAufgabe 1. Übung Wahrscheinlichkeitsrechnung Markus Kessler Seite 1 von 8. Die Ereignisse A, B und C erfüllen die Bedingungen
Ü b u n g 1 Aufgabe 1 Die Ereignisse A, B und C erfüllen die Bedingungen P(A) = 0. 7, P(B) = 0. 6, P(C) = 0. 5 P(A B) = 0. 4, P(A C) = 0. 3, P(B C) = 0. 2, P(A B C) = 0. 1 Bestimmen Sie P(A B), P(A C),
MehrEinführung in die Wahrscheinlichkeitsrechnung
Marco Cattaneo Institut für Statistik Ludwig-Maximilians-Universität München Sommersemester 2011 1. Wahrscheinlichkeitsrechnung 2. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grenzwertsätze
MehrWahrscheinlichkeitsrechnung
Teil V Wahrscheinlichkeitsrechnung Inhaltsangabe 6 Einführung in die Wahrscheinlichkeitsrechnung 125 6.1 Kombinatorik......................... 125 6.2 Grundbegri e......................... 129 6.3 Wahrscheinlichkeiten.....................
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management
Statistik für Betriebswirtschaft und International Management Sommersemester 2014 Prof. Dr. Stefan Etschberger HSA : Table of Contents 1 Statistik: Einführung 2 Deskriptive Statistik 3 Wahrscheinlichkeitstheorie
MehrDr. H. Grunert Einführung in die Wahrscheinlichkeitsrechnung Vorlesungscharts. Vorlesung 1. Grundbegriffe der Wahrscheinlichkeitsrechnung
Vorlesungscharts Vorlesung 1 Grundbegriffe der Wahrscheinlichkeitsrechnung Zufallsvorgänge und Zufallsereignisse Definitionen der Wahrscheinlichkeit Seite 1 von 11 Chart 1: Vorgänge deterministisch zufällig
MehrMathematische Grundlagen der Computerlinguistik Wahrscheinlichkeit
Mathematische Grundlagen der Computerlinguistik Wahrscheinlichkeit Dozentin: Wiebke Petersen 8. Foliensatz Wiebke Petersen math. Grundlagen 1 Motivation Bsp.: In vielen Bereichen der CL kommt Wahrscheinlichkeitstheorie
MehrRumpfskript. Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen
Rumpfskript Elementare Wahrscheinlichkeitsrechnung Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen Vorbemerkung Vorbemerkung Das vorliegende Skript heißt nicht nur Rumpf skript, sondern
MehrVorlesung Statistik, WING, ASW Wahrscheinlichkeit in Laplace Versuchen. Kombinatorische Formeln. Bedingte Wahrscheinlichkeit
Wahrscheinlichkeit in Laplace Versuchen Kombinatorische Formeln Bedingte Wahrscheinlichkeit Multiplikationssatz Unabhängigkeit Melanie Kaspar 1 Formel der totalen Wahrscheinlichkeit Satz von Bayes Melanie
MehrWahrscheinlichkeitsrechnung für die Mittelstufe
Wahrscheinlichkeitsrechnung für die Mittelstufe Wir beginnen mit einem Beispiel, dem Münzwurf. Es wird eine faire Münze geworfen mit den Seiten K (für Kopf) und Z (für Zahl). Fair heißt, dass jede Seite
Mehr1. Grundlagen der Wahrscheinlichkeitsrechnung
1. Grundlagen der Wahrscheinlichkeitsrechnung Ereignisse und Wahrscheinlichkeiten Zufälliger Versuch: Vorgang, der (zumindest gedanklich) beliebig oft wiederholbar ist und dessen Ausgang innerhalb einer
MehrWählt man aus n Mengen mit z 1 bzw. z 2,..., bzw. z n Elementen nacheinander aus jeder Menge jeweils ein Element aus,
V. Stochastik ================================================================== 5.1 Zählprinzip Wählt man aus n Mengen mit z 1 bzw. z 2,..., bzw. z n Elementen nacheinander aus jeder Menge jeweils ein
MehrLösungen zu Übungs-Blatt 7 Klassische Wahrscheinlichkeit in Glücksspielen und bedingte Wkt
Zu Aufgabe ) Wir betrachten den Laplace-Versuch V Werfen zweier Würfel. Berechnen Sie unter Verwendung der Formel P ( A) A aus Aufgabe die Ω Wahrscheinlichkeit für folgende Ereignisse: a) A Werfen zweier
MehrZusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen
Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind
Mehr1.1 Ergebnisräume einfacher Zufallsexperimente. 2) Es gibt mindestens zwei mögliche Ausgänge des Experiments.
Übungsmaterial 1 1 Zufallsexperimente 1.1 Ergebnisräume einfacher Zufallsexperimente Damit ein Experiment ein Zufallsexperiment ist, müssen folgende Eigenschaften erfüllt sein: 1) Das Experiment lässt
MehrKapitel ML:IV. IV. Statistische Lernverfahren. Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen
Kapitel ML:IV IV. Statistische Lernverfahren Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen ML:IV-1 Statistical Learning c STEIN 2005-2011 Definition 1 (Zufallsexperiment,
Mehr15 Wahrscheinlichkeitsrechnung und Statistik
5 Wahrscheinlichkeitsrechnung und Statistik Alles, was lediglich wahrscheinlich ist, ist wahrscheinlich falsch. ( Descartes ) Trau keiner Statistik, die du nicht selbst gefälscht hast. ( Churchill zugeschrieben
MehrWahrscheinlichkeitstheorie
Kapitel 2 Wahrscheinlichkeitstheorie Josef Leydold c 2006 Mathematische Methoden II Wahrscheinlichkeitstheorie 1 / 24 Lernziele Experimente, Ereignisse und Ereignisraum Wahrscheinlichkeit Rechnen mit Wahrscheinlichkeiten
MehrBei 10 dieser Würfe wurde gleichzeitig eine 1 gewürfelt. Bei 25 dieser Würfe wurde gleichzeitig eine Augenzahl größer als 2 gewürfelt.
3 Wahrscheinlichkeiten 1 Kapitel 3: Wahrscheinlichkeiten A: Beispiele Beispiel 1: Ein Experiment besteht aus dem gleichzeitigen Werfen einer Münze und eines Würfels. Nach 100 Wiederholungen dieses Experiments
MehrKAPITEL 5. Erwartungswert
KAPITEL 5 Erwartungswert Wir betrachten einen diskreten Wahrscheinlichkeitsraum (Ω, P) und eine Zufallsvariable X : Ω R auf diesem Wahrscheinlichkeitsraum. Die Grundmenge Ω hat also nur endlich oder abzählbar
MehrWahrscheinlichkeitsrechnung [probability]
Wahrscheinlichkeitsrechnung [probability] Hinweis: Die Wahrscheinlichkeitsrechnung ist nicht Gegenstand dieser Vorlesung. Es werden lediglich einige Begriffsbildungen bereitgestellt und an Beispielen erläutert,
MehrKapitel 5 Stochastische Unabhängigkeit
Kapitel 5 Stochastische Unabhängigkeit Vorlesung Wahrscheinlichkeitsrechnung I vom SoSe 2009 Lehrstuhl für Angewandte Mathematik 1 FAU 5.1 Das Konzept der stochastischen Unabhängigkeit. 1 Herleitung anhand
MehrPrüfungsvorbereitungskurs Höhere Mathematik 3
Prüfungsvorbereitungskurs Höhere Mathematik 3 Stochastik Marco Boßle Jörg Hörner Mathematik Online Frühjahr 2011 PV-Kurs HM 3 Stochastik 1-1 Zusammenfassung Wahrscheinlichkeitsraum (WR): Menge der Elementarereignisse
MehrEinführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 1
TUM, Zentrum Mathematik Lehrstuhl für Mathematische Physik WS 2013/ Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weidner Tutoraufgaben: Einführung in die Wahrscheinlichkeitstheorie svorschläge zu
MehrAllgemeine diskrete Wahrscheinlichkeitsräume II. Beispiel II. Beispiel I. Definition 6.3 (Diskreter Wahrscheinlichkeitsraum)
Allgemeine diskrete Wahrscheinlichkeitsräume I Allgemeine diskrete Wahrscheinlichkeitsräume II Verallgemeinerung von Laplaceschen Wahrscheinlichkeitsräumen: Diskrete Wahrscheinlichkeitsräume Ω endlich
MehrWoche 2: Zufallsvariablen
Woche 2: Zufallsvariablen Patric Müller ETHZ WBL 17/19, 24.04.2017 Wahrscheinlichkeit und Statistik Patric Müller WBL 2017 Teil III Zufallsvariablen Wahrscheinlichkeit
MehrStatistik I für Betriebswirte Vorlesung 2
Statistik I für Betriebswirte Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 11. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrProgramm. Wiederholung. Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung. Binomialverteilung. Hypergeometrische Verteilung
Programm Wiederholung Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung Binomialverteilung Hypergeometrische Verteilung Wiederholung verschiedene Mittelwerte für verschiedene Skalenniveaus
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management
Statistik für Betriebswirtschaft und International Management Sommersemester 2014 Prof. Dr. Stefan Etschberger HSA Zufallsvorgänge, Ereignisse und Wahrscheinlichkeiten Zufallsvorgang: Geschehen mit ungewissem
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 7. Übung SS 16: Woche vom
Übungsaufgaben 7. Übung SS 16: Woche vom 23. 5. 27. 5.. 2016 Stochastik I: Klassische Wkt.-Berechnung Aufgaben: s. pdf auf der homepage von Dr. Vanselow http://www.math.tu-dresden.de/ vanselow/... (SS16).html
Mehra) (A B) tritt ein = A tritt ein oder B tritt ein. = Mindestens eines der Ereignisse A, B tritt ein.
Lösungsvorschläge zu den Aufgaben von Blatt 6: 43) 7 Telefonzellen ( 7 Kugeln in der Urne); 3 davon sind von je einem Benutzer besetzt ( 3 Kugeln in die Stichprobe). Die Telefonzellen werden nicht mehrfach
MehrSatz 16 (Multiplikationssatz)
Häufig verwendet man die Definition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A B] = Pr[B A] Pr[A] = Pr[A B] Pr[B]. (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1,..., A n gegeben.
Mehr9. Elementare Wahrscheinlichkeitsrechnung
9. Elementare Wahrscheinlichkeitsrechnung I. Zufällige Ereignisse Beispiel (Einmaliges Würfeln): Alle möglichen Ausgänge 1, 2,, 6 des Experiments werden zur Ergebnismenge Ω ( Ergebnisraum ) zusammengefasst.
MehrZiegenproblem, Monty-Hall-Problem, Wahrscheinlichkeitsrechnung. Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem
Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem Wahrscheinlichkeitsrechnung Theorie Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem Ziegenproblem,
MehrStatistik I für Humanund Sozialwissenschaften
Statistik I für Humanund Sozialwissenschaften 3. Übung Lösungsvorschlag Gruppenübung G 8 a) Ein Professor möchte herausfinden, welche 5 seiner insgesamt 8 Mitarbeiter zusammen das kreativste Team darstellen.
MehrAbiturvorbereitung Stochastik. neue friedländer gesamtschule Klasse 12 GB Holger Wuschke B.Sc.
Abiturvorbereitung Stochastik neue friedländer gesamtschule Klasse 12 GB 21.02.2014 Holger Wuschke B.Sc. Glücksspiel auf der Buchmesse Leipzig, 2013 Organisatorisches 1. Begriffe in der Stochastik (1)
MehrStatistik für Ingenieure Vorlesung 2
Statistik für Ingenieure Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 24. Oktober 2016 2.4 Bedingte Wahrscheinlichkeiten Häufig ist es nützlich, Bedingungen
MehrSatz 16 (Multiplikationssatz)
Haug verwendet man die Denition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A \ B] = Pr[BjA] Pr[A] = Pr[AjB] Pr[B] : (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1 ; : : : ; A n
MehrKombinatorik: Einführung. Vorlesung Mathematische Strukturen. Sommersemester Ziehen aus Urnen. Ziehen aus Urnen
Kombinatorik: Einführung Vorlesung Mathematische Strukturen Sommersemester 04 Prof. Barbara König Übungsleitung: Henning Kerstan Es folgt eine Einführung in die Kombinatorik. Dabei geht es darum, die Elemente
MehrWahrscheinlichkeit und Zufall
Wahrscheinlichkeit und Zufall Rechnen mit Wahrscheinlichkeiten 16. Juni 2009 Dr. Katja Krüger Universität Paderborn 1 Inhalt Ereignisse i und deren Wahrscheinlichkeit h hk i Laplace-Regel Baumdiagramm
MehrWirtschaftsstatistik I [E1]
040571-1 WMS: Wirtschaftsstatistik 1 :: WiSe07/08 Wirtschaftsstatistik I [E1] Schwab, Harald 1 harald.schwab@univie.ac.at http://homepage.univie.ac.at/harald.schwab October 7, 2007 1 Sprechstunde: MO 17-18h
Mehr4. Die Laplacesche Gleichverteilung
Universität Basel Wirtschaftswissenschaftliches Zentrum Grundlagen der Stochastik Dr. Thomas Zehrt Inhalt: 1. Die Ereignismenge 2. Die Wahrscheinlichkeitsverteilung 3. Eigenschaften einer Wahrscheinlichkeitsverteilung
MehrGrundlagen der Stochastik
Grundlagen der Stochastik Johannes Recker / Sep. 2015, überarbeitet Nov. 2015 Fehlermeldungen oder Kommentare an recker@sbshh.de Inhalt 1. Grundlegende Begriffe der Wahrscheinlichkeitsrechnung... 2 1.1.
Mehr2. Zufallsvorgänge und Wahrscheinlichkeiten
2. Zufallsvorgänge und Wahrscheinlichkeiten Ziel des Kapitels: Einführung elementarer Begriffe der Wahrscheinlichkeitsrechnung (definitorisch) Ziel der Wahrscheinlichkeitsrechnung: Modellierung von zufälligen
MehrSatz 18 (Satz von der totalen Wahrscheinlichkeit)
Ausgehend von der Darstellung der bedingten Wahrscheinlichkeit in Gleichung 1 zeigen wir: Satz 18 (Satz von der totalen Wahrscheinlichkeit) Die Ereignisse A 1,..., A n seien paarweise disjunkt und es gelte
MehrKapitel 2 Wahrscheinlichkeitsrechnung
Motivation bisher: Beschreibung von Datensätzen = beobachteten Merkmalsausprägungen Frage: Sind Schlußfolgerungen aus diesen Beobachtungen möglich? Antwort: Ja, aber diese gelten nur mit einer bestimmten
MehrMathe-Camp 2017 Stochastik: Geometrische Wahrscheinlichkeiten
Mathe-Camp 2017 Stochastik: Geometrische Wahrscheinlichkeiten Jo rn Saß, sass@mathematik.uni-kl.de Fachbereich Mathematik, TU Kaiserslautern Arbeitsgruppe Stochastische Steuerung und Finanzmathematik Kaiserslautern
MehrKombinatorik. 1. Permutationen 2. Variationen 3. Kombinationen. ad 1) Permutationen. a) Permutationen von n verschiedenen Elementen
Kombinatorik Zur Berechnung der Wahrscheinlichkeit eines zusammengesetzten Ereignisses ist oft erforderlich, zwei verschiedene Anzahlen zu berechnen: die Anzahl aller Elementarereignisse und die Anzahl
Mehr3 Bedingte Wahrscheinlichkeit, Unabhängigkeit von Ereignissen
3 Bedingte Wahrscheinlichkeit, Unabhängigkeit von Ereignissen 3.1 Einführung Bsp. 19 (3-maliges Werfen einer Münze) Menge der Elementarereignisse: Ω {zzz,zzw,zwz,wzz,zww,wzw,wwz,www}. Ω 2 3 8 N Wir definieren
MehrÜbungen zur Mathematik für Pharmazeuten
Blatt 1 Aufgabe 1. Wir betrachten den Ereignisraum Ω = {(i,j) 1 i,j 6} zum Zufallsexperiment des zweimaligem Würfelns. Sei A Ω das Ereignis Pasch, und B Ω das Ereignis, daß der erste Wurf eine gerade Augenzahl
MehrEin Ereignis ist eine Menge von Elementarereignissen. Berechnung von Wahrscheinlichkeiten zufälliger Ereignisse erfordert ein Modell.
SS 2013 Prof. Dr. J. Schütze/ J.Puhl FB GW Wkt.1 1 Grundbegriffe Zufallsexperiment unter gleichen Bedingungen wiederholbarer Vorgang (geplant, gesteuert, beobachtet oder auch nur gedanklich) Menge der
MehrÜbungen Abgabetermin: Freitag, , 10 Uhr
Universität Münster Institut für Mathematische Statistik Stochastik für Lehramtskandidaten SoSe 015, Blatt 1 Löwe/Heusel Übungen Abgabetermin: Freitag, 10.7.015, 10 Uhr Hinweis: Dies ist nur eine Beispiellösung.
MehrBeispiele: Beim Zahlenlotto sollte jede Sechserserie von Zahlen mit derselben Wahrscheinlichkeit auftreten.
3. Laplaceexperimente. Beispiele: Beim Zahlenlotto sollte jede Sechserserie von Zahlen mit derselben Wahrscheinlichkeit auftreten. Laplace-Münze: p(k) = p(z) = / Laplace-Würfel: p() =... = p(6) = / 6.
Mehr1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6
Inhaltsverzeichnis 1 Vorbemerkungen 1 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2 3 Wahrscheinlichkeitsaxiome 4 4 Laplace-Experimente 5 Hilfsmittel aus der Kombinatorik 7 Bedingte
Mehr3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten Regeln der Kombinatorik
3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten lassen sich häufig durch Abzählen der günstigen und möglichen Fällen lösen. Kompliziertere Fragestellungen bedürfen aber der Verwendung mathematischer
MehrBeispiel 37. Wir werfen eine Münze so lange, bis zum ersten Mal
Beispiel 37 Wir werfen eine Münze so lange, bis zum ersten Mal Kopf erscheint. Dies geschehe in jedem Wurf unabhängig mit Wahrscheinlichkeit p. Wir definieren dazu die Zufallsvariable X := Anzahl der Würfe.
MehrKapitel XI - Die n-fache unabhängige Wiederholung eines Experiments
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XI - Die n-fache unabhängige Wiederholung eines Experiments Wahrscheinlichkeitstheorie Prof. Dr. W.-D. Heller Hartwig
MehrStatistik Einführung // Wahrscheinlichkeitstheorie 3 p.2/58
Statistik Einführung Wahrscheinlichkeitstheorie Kapitel 3 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Leydold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Wahrscheinlichkeitstheorie
MehrWS 2016/17 Diskrete Strukturen Kapitel 3: Kombinatorik (1)
WS 2016/17 Diskrete Strukturen Kapitel 3: Kombinatorik (1) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16
MehrGrundbegrie der Wahrscheinlichkeitsrechnung
Die Benutzung dieser Materialien ist auf Herbst 2017 beschränkt. Diese Hilfsmaterialien sind nur für unseren Studenten gemeint, dürfen also nicht weiterverteilt werden. Grundbegrie der Wahrscheinlichkeitsrechnung
MehrSTATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik. Mögliche Ergebnisse, auch Elementarereignisse bezeichnet
Kapitel 10 Zufall und Wahrscheinlichkeit 10.1. Grundbegriffe Wahrscheinlichkeitsrechnung Zufallsvorgang Klein-Omega ω Groß-Omega Ω Stellt Modelle bereit, die es erlauben zufallsabhängige Prozesse abzuschätzen
Mehr4. Kombinatorik *) In der Kombinatorik werden drei wichtige Symbole benötigt: o n! o (n) k o
*) Die Berechnung der Wahrscheinlichkeit im Laplace-Experiment wirkt zunächst einfach. Man muss einfach die Anzahl der günstigen Fälle durch die Anzahl der möglichen Fälle teilen. Das Feststellen dieser
MehrKlausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende
Universität Duisburg-Essen Essen, den 12.02.2010 Fakultät für Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,
Mehr