Kapitel 6. Kapitel 6 Mehrstufige Zufallsexperimente

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Kapitel 6. Kapitel 6 Mehrstufige Zufallsexperimente"

Transkript

1 Mehrstufige Zufallsexperimente Inhalt Mehrstufige Experimente Bedingte Wahrscheinlichkeiten Seite 2

2 6.1 Mehrstufige Experimente Grundvorstellung: Viele Viele Experimente werden der der Reihe nach nach (in (in Stufen) ausgeführt. Dabei können die die Experimente einer einer Stufe von von den den Experimente der der vorigen Stufen abhängen oder oder nicht. Grundmodellierung: Ω = Ω 1 1 Ω 2 2 Ω Ω n, n, dabei ist ist Ω i die i die Ergebnismenge der der i-ten i-ten Stufe. Seite 3 Beispiel In In einer einer Urne Urne seien eine eine rote roteund drei drei blaue Kugeln enthalten. Man Man zieht zieht zufällig eine eine der der Kugeln und und legt legt dann dann diese und und eine eine weitere Kugel der der gezogenen Farbe in in die die Urne Urne zurück. Nun Nun zieht zieht man man ein ein zweites Mal. Mal. Wie Wie groß groß ist ist die die Wahrscheinlichkeit, jetzt jetzt eine eine rote rotekugel zu zu ziehen? Modellierung: Ω = Ω 1 1 Ω 2 mit 2 mit Ω 1 = 1 Ω 2 = 2 {r, {r, b}. b}. Das Das Ereignis beim zweiten Mal Mal eine eine rote rote Kugel ist ist A = {(r {(r,, r), r), (b (b,, r)}. r)}. Seite 4

3 Bestimmung der Wahrscheinlichkeiten Frage: Was Was ist ist p(ω) p(ω) für für ω = (a (a 1, 1, a 2 ) 2 ) A? A? Stufe: Die Die Wahrscheinlichkeit für für rr ist ist ¼, ¼, die die für für b ist ist ¾. ¾ Stufe: Im Im Fall Fall a 1 = 1 rr enthält die die Urne Urne vor vor dem dem zweiten Ziehen 2 rote roteund 3 blaue Kugeln. Also Also ist ist die die Wahrscheinlichkeit für für rot rot = 2/5. 2/5. Im Im Fall Fall a 1 = 1 b enthält die die Urne Urne vor vor dem dem zweiten Ziehen 1 rote roteund 4 blaue Kugeln. Also Also ist ist die die Wahrscheinlichkeit für für rot rot = 1/5. 1/5. Seite 5 Übergangswahrscheinlichkeiten Daraus ergibt sich sich p(r, p(r, r) r) = 1/4 2/5 = 2/20, 2/20, p(r, p(r, b) b) = 1/4 1/4 3/5 3/5 = 3/20, 3/20, p(b, p(b, r) r) = 3/4 1/5 = 3/20, 3/20, p(b, p(b, b) b) = 3/4 3/4 4/5 4/5 = 12/20. Erster Faktor: Wahrscheinlichkeit für für das das erste erste Experiment Zweiter Faktor: Wahrscheinlichkeit für für den den Ausgang des des zweiten Experiments aufgrund des des Ausgangs des des ersten Experiments Diese zweiten Faktoren heißen Übergangswahrscheinlichkeiten. Es Es ergibt sich: sich: P(A) P(A) = p(r, p(r, r) r) + p(b, p(b, r) r) = 2/20 2/20 + 3/20 3/20 = ¼. ¼. Seite 6

4 Baumdiagramm Start 1/4 3/4 r b 2/5 3/5 1/5 4/5 r b r b 2/20 3/20 3/20 12/20 Seite 7 Pfadregeln An An jeder jeder Verbindung findet man man die die entsprechende Übergangswahrscheinlichkeit Pfadregel (Multiplikationsregel): Um Um die die Wahrscheinlichkeit eines Elementarereignisses ω zu zu erhalten, multipliziert man man die die Wahrscheinlichkeiten auf auf dem dem Pfad Pfad zu zu ω. ω Pfadregel (Additionsregel): Um Um die die Wahrscheinlichkeit eines Ereignisses A zu zu erhalten, addiert man man die die Wahrscheinlichkeiten aller aller Ereignisse ω A. A. Seite 8

5 Formalisierung Startverteilung: Es Es gibt gibt Wahrscheinlichkeiten p 1 (a 1 (a i ), i ), a i i Ω 1 mit 1 mit p 1 (a 1 (a 1 ) 1 ) + p 1 (a 1 (a 2 ) 2 ) = Für Für alle alle a i i Ω 1 gibt 1 gibt es es Übergangswahrscheinlichkeiten p 2 (b 2 (b j j a i ), i ), b j j Ω 2 mit 2 mit p 2 (b 2 (b 1 1 a i ) i ) + p 2 (b 2 (b 2 2 a i ) i ) = Für Für alle alle a i i Ω 1, 1, b j j Ω 2 gibt 2 gibt es es Übergangswahrscheinlichkeiten p 3 (c 3 (c k k a i, i, b j ), j ), c k k Ω 3 mit 3 mit p 3 (c 3 (c 1 1 a i, i, b j ) j ) + p 3 (c 3 (c 2 2 a i, i, b j ) j ) = Usw. Usw Pfadregel: Für Für ω = (a (a i, i, b j, j, c k, k,...) gilt gilt p(ω) p(ω) = p 1 (a 1 (a i ) i ) p 2 (b 2 (b j j a i ) i ) p 3 (c 3 (c k k a i, i, b j ) j ) Seite 9 Produktexperimente Idee: Idee: Das Das j-te j-teexperiment wird wird unabhängig von von den den ersten j 1 j 1 Experimenten durchgeführt. Vorstellung: (a) (a) Experimente räumlich und und zeitlich getrennt. (b) (b) Experimente gleichzeitig. Beispiel: Mehrfaches Würfeln Mathematische Beschreibung: Für Für ω = (a (a i, i, b j, j, c k, k,...) gilt gilt p(ω) p(ω) = p 1 (a 1 (a i ) i ) p 2 (b 2 (b j j a i ) i ) p 3 (c 3 (c k k a i, i, b j ) j ) Seite 10

6 6.2 Bedingte Wahrscheinlichkeiten Idee: Idee: Verwertung von von Teilinformationen, Lernen aus aus Erfahrung In In der der Regel: Wahrscheinlichkeit eines Ereignisses, das das feststeht das das wir wir aber aber nicht nicht kennen. Seite 11 Beispiele 1, 1, 2 Beispiel In In einer einer Urne Urne sind sind zwei zwei rote, rote, zwei zwei schwarze und und zwei zwei blaue Kugeln. Eine Eine Person zieht zieht zufällig Kugeln (ohne Zurücklegen). Sie Sie teilt teilt einer einer anderen Person (per (per Telefon) mit, mit, wann sie sie zum zum ersten Mal Mal eine eine blaue Kugel zieht. Angenommen, das das ist ist beim beim dritten Mal. Mal. Wie Wie groß groß ist ist die die Wahrscheinlichkeit, dass dass die die ersten beiden Kugeln rot rotwaren? Beispiel Ziegenproblem : Der Der Kandidat zeigt zeigt auf auf Tür Tür 1, 1, der der Moderator öffnet Tür Tür 3 (Ziegentür). Wie Wie groß groß ist ist die die Wahrscheinlichkeit, dass dass Tür Tür 2 die die Autotür ist? ist? Seite 12

7 Beispiel 3 Beispiel Weit Weit entfernt werden zwei zwei Würfel geworfen. Per Per Telefon erhalten wir wir die die Nachricht Augensumme mindestens Wie Wie groß groß ist ist die die Wahrscheinlichkeit, dass dass mindestens einer einer der der Würfel eine eine Sechs zeigt? Bemerkung: Bei Bei allen allen Experimenten geht geht es es um um die die Wahrscheinlichkeit eines Ereignisses, das das feststeht aber aber uns uns unbekannt ist. ist. Seite 13 Erste mathematische Modellierung Wir Wir betrachten ein ein Zufallsexperiment ω. ω. Wir Wir wissen nur, nur, dass dass ein ein Ereignis B Ω eingetreten ist, ist, dass dass also also ω B ist. ist. Ziel: Ziel: Bestimmung der der Wahrscheinlichkeit für für das das Eintreten eines Ereignisses A Ω unter unter der der Bedingung B. B. Wir Wir schreiben dafür dafür P(A B). Seite 14

8 Motivation durch relative Häufigkeiten Man Man könnte sich sich vorstellen, den den Wert Wert P(A B) dadurch anzunähren, dass dass man man viele viele Versuche durchführt: rr n (A B) n = (Anzahl der der Versuche, in in denen A und und B eintritt) :: (Anzahl der der Versuche, bei bei denen B eintritt) Anders geschrieben: rr n (A B) n = rr n (A n (A B) B) // rr n (B). n (B). Seite 15 Definition Definition. Sei Sei (Ω, (Ω, P) P) ein ein Wahrscheinlichkeitsraum, und und seien A, A, B Ω Ereignisse mit mit P(B) P(B) > Dann heißt heißt P(A B) = P(A P(A B) B) // P(B) P(B) die die bedingte Wahrscheinlichkeit von von A unter der der Bedingung (Hypothese )) B. B. Schreibweise: P B (A) (A) = P(A B) Seite 16

9 Einfache Eigenschaften Hilfssatz. (a) (a) 0 P B (A) B (A) 1 für für alle alle A Ω. Ω. (b) (b) P B (Ω) B (Ω) = P B (B) B (B) = (c) (c) P B (A B (A 1 1 A 2 ) 2 ) = P B (A B (A 1 ) 1 ) + P B (A B (A 2 ), 2 ), falls falls A 1, 1, A 2 disjunkte 2 Ereignisse sind. sind. Beweis. (a) (a) Wegen A B B ist ist P(A P(A B) B) P(B), P(B), also also P(A B) = P(A P(A B) B) // P(B) P(B) (c) (c) P B (A B (A 1 A 1 A 2 ) 2 ) = P((A P((A 1 A 1 A 2 ) 2 ) B) B) // P(B) P(B) = P((A P((A 1 B) 1 B) (A (A 2 B)) 2 B)) // P(B) P(B) = [P(A [P(A 1 B) 1 B) + P(A P(A 2 B)] 2 B)] // P(B) P(B) = P(A P(A 1 B) 1 B) // P(B) P(B) + P(A P(A 2 B) 2 B) // P(B) P(B) = P B (A B (A 1 ) 1 ) + P B (A B (A 2 ). 2 ). Seite 17 Spezialfall Für Für ω Ω gilt gilt p B (ω) B (ω) = p(ω) p(ω) P(B) P(B) 1 1,, falls falls w B p B (ω) B (ω) = 0 sonst. D.h. D.h. man man stellt stellt sich sich vor, vor, dass dass für für alle alle ω Ω die die Wahrscheinlichkeit p(ω) p(ω) um um den den Faktor P(B) P(B) 1 1 vergrößert wird, wird, und und sonst = 0 gesetzt wird. wird. Seite 18

10 Lösung Beispiel Wir Wir nummerieren die die Kugeln mit mit 1, 1, 2, 2, 3, 3, 4, 4, 5, 5, 6 durch, wobei 1, 1, 2: 2: rot, rot, 3, 3, 4: 4: blau, blau, 5, 5, 6: 6: schwarz. Wir Wir betrachten die die Ereignisse A = {(a {(a 1, 1, a 2, 2, a 3 ) 3 ) {a {a 1, 1, a 2 } 2 } = {1,2}} ( die ( die beiden ersten Kugeln sind sind rot ) rot ) B = {(a {(a 1, 1, a 2, 2, a 3 ) 3 ) a 3 3 {3,4}, a 1, 1, a 2 2 {1,2,5,6}} ( beim dritten Wurf Wurf zum zum ersten Mal Mal eine eine blaue Kugel ). Wir Wir interessieren uns uns für für P(A B). Seite 19 Lösung Beispiel Es Es gilt gilt Seite 20

11 Das Ziegenproblem Wir Wir modellieren das das Ziegenproblem wie wie folgt: folgt: Sei Sei Ω = {1,2,3} {1,2,3} {1,2,3}. Ein Ein Element ω = (a (a 1, 1, a 2, 2, a 3 ) 3 ) Ω interpretieren wir wir so: so: a 1 ist 1 ist die die Nummer der der Autotüre, a 2 die 2 die Nummer der der vom vom Kandidaten gewählten Tür, Tür, a 3 die 3 die vom vom Moderator geöffnete Tür. Tür. Für Für die die Wahrscheinlichkeiten nehmen wir wir an: an: p 1 (j) 1 (j) = 1/3, 1/3, denn denn das das Auto Auto wird wird zufällig auf auf eine eine der der Türen verteilt. p 2 (k 2 (k j) j) = 1/3, 1/3, denn denn der der Kandidat wählt rein rein zufällig eine eine Tür. Tür. Es Es gilt gilt p(ω) p(ω) = p(a p(a 1, 1, a 2, 2, a 3 ) 3 ) = p 1 (a 1 (a 1 ) 1 ) p 2 (a 2 (a 2 2 a 1 ) 1 ) p 3 (a 3 (a 3 3 a 1, 1, a 2 ). 2 ). Seite 21 Das Ziegenproblem II II Wir Wir nehmen an, an, dass dass der der Moderator im im Fall, Fall, dass dass ihm ihm zwei zwei Türen zur zur Auswahl stehen, zufällig eine eine der der beiden wählt. Das Das bedeutet: p 3 (h 3 (h j, j, k) k) = 1, 1, falls falls j, j, k, k, h die die drei drei Zahlen 1, 1, 2, 2, 3 sind. sind. p 3 (h 3 (h j, j, k) k) = 1/2, 1/2, falls falls j j = k, k, aber aber h j. j. p 3 (h 3 (h j, j, k) k) = 0 in in allen allen anderen Fällen. Das Das bedeutet p(j, p(j, k, k, h) h) = 1/9, 1/9, falls falls j, j, k, k, h die die drei drei Zahlen 1, 1, 2, 2, 3 sind. sind. p(j, p(j, k, k, h) h) = 1/18, 1/18, falls falls j j = k, k, aber aber h j. j. p(j, p(j, k, k, h) h) = 0 in in allen allen anderen Fällen. Seite 22

12 Das Ziegenproblem III: III: Die Gewinnwahrscheinlichkeiten Schließlich definieren wir: wir: A j = j {(a {(a 1, 1, a 2, 2, a 3 ) 3 ) Ω a 1 = 1 j} j} ( das ( das Auto Auto ist ist hinter der der Türe Türe j ) j ) W k = k {(a {(a 1, 1, a 2, 2, a 3 ) 3 ) Ω a 2 = 2 k} k} ( der ( der Kandidat wählt Türe Türe k ) k ) M h = h {(a {(a 1, 1, a 2, 2, a 3 ) 3 ) Ω a 3 = 3 h} h} ( der ( der Moderator öffnet die die Türe Türe h ) h ) Wir Wir interessieren uns uns zum zum Beispiel für für die die Wahrscheinlichkeit P(A P(A 2 2 W 1 1 M 3 ), 3 ), d.h. d.h. die die Wahrscheinlichkeit, das das Auto Auto hinter Tür Tür 2 zu zu finden, falls falls der der Kandidat Tür Tür 1 gewählt und und der der Moderator Tür Tür 3 geöffnet hat hat (Erfolg der der Wechselstrategie). Seite 23 Das Ziegenproblem IV IV P(A P(A 2 2 W 1 1 M 3 ) 3 ) = P(A P(A 2 2 W 1 1 M 3 ) 3 )// P(W P(W 1 1 M 3 ) 3 ) = = p(2, p(2, 1, 1, 3) 3) //[p(2, [p(2, 1, 1, 3) 3) + p(1, p(1, 1, 1, 3)] 3)] = 1/9 1/9 //[1/9 [1/9 + 1/18] 1/18] = 2/3. 2/3. (Beachte, dass dass W 1 1 M 3 = 3 {(2,1,3), (1,1,3)}, da da das das Ereignis (3,1,3) nicht nicht möglich ist.) ist.) Andererseits ist ist P(A P(A 1 1 W 1 1 M 3 ) 3 ) = P(A P(A 1 1 W 1 1 M 3 ) 3 )// P(W P(W 1 1 M 3 ) 3 ) = = p(1, p(1, 1, 1, 3) 3) //[p(2, [p(2, 1, 1, 3) 3) + p(1, p(1, 1, 1, 3)] 3)] = 1/18 1/18 //[1/9 [1/9 + 1/18] 1/18] = 1/3. 1/3. Mit Mit anderen Worten: Die Die Wechselstrategie verdoppelt die die Gewinnchancen! Seite 24

13 Die Formel von der totalen Wahrscheinlichkeit Formel von von der der totalen Wahrscheinlichkeit. Seien A 1, 1, A 2, 2,,, A s Ereignisse, s die die paarweise disjunkt sind, sind, und und für für die die A 1 1 A 2 2 A s = s Ω gilt. gilt. Dann gilt gilt für für jedes Ereignis B: B: P(B) P(B) = P(A P(A 1 ) P(B 1 ) P(B A 1 ) 1 ) + P(A P(A 2 ) P(B 2 ) P(B A 2 ) 2 ) P(A P(A s ) P(B s ) P(B A s ). s ). Beweis für für s = P(B) P(B) = P(Ω P(Ω B) B) = P((A P((A 1 1 A 2 ) 2 ) B) B) = P((A P((A 1 1 B) B) (A (A 2 2 B)) B)) = P(A P(A 1 1 B) B) + P(A P(A 2 2 B) B) = P(A P(A 1 ) P(B 1 ) P(B A 1 ) 1 ) + P(A P(A 2 ) P(B 2 ) P(B A 2 ). 2 ). Seite 25 Die Formel von Bayes Formel von von Bayes (Thomas Bayes ). Seien P(A) P(A) > 0, 0, P(B) P(B) > Dann gilt: gilt: P(A P(A B) B) = P(A) P(A) P(B P(B A) A) // P(B). P(B). Beweis. Da Da P(A) P(A) > 0 und und P(B) P(B) > 0, 0, existieren die die bedingten Wahrscheinlichkeiten P(B P(B A) A) und und P(A P(A B), B), und und nach nach Definition gelten: P(A P(A B) B) = P(A P(A B) B) P(B) P(B) und und P(A P(A B) B) = P(B P(B A) A) P(A). P(A). Zusammen folgt folgt P(A P(A B) B) P(B) P(B) = P(A P(A B) B) = P(B P(B A) A) P(A). P(A). Seite 26

14 Das Simpson-Paradox Vor Vor einigen Jahren trat trat an an der der University of of Berkeley in in Kalifornien folgendes Phänomen auf: auf: --Unter je je Bewerbern wurde weniger Frauen als als Männer zugelassen, --in in jedem Fach Fach wurden Frauen gegenüber Männern prozentual bevorzugt. Seite 27 Simpson-Paradox: Beispiel Wir Wir machen uns uns das das an an einem Beispiel klar. klar. Die Die Universität möge nur nur zwei zwei Fächer haben. Männer Frauen Bewerber zugelassen Bewerberinnen zugelassen Fach Fach (80%) (90%) Fach Fach (20%) (30%) Summe Seite 28

15 Stochastische Unabhängigkeit Wir Wir wollen ausdrücken, dass dass das das Eintreten eines Ereignisses B keinen Einfluss auf auf das das Eintreten eines Ereignisses A hat. hat. Definition. Seien A und und B Ereignisse. Wir Wir nennen diese stochastisch unabhängig, wenn P(A) P(A) = P(A P(A B) B) gilt. gilt. Beobachtung: P(A) P(A) = P(A P(A B) B) P(A P(A B) B) = P(A) P(B) P(B) P(B) = P(B P(B A). A). (Beweis: P(A) P(A) = P(A P(A B) B) P(A) P(A) = P(A P(A B) B) // P(B) P(B) P(A) P(A) P(B) P(B) = P(A P(A B) B) P(B) P(B) = P(A P(A B) B) // P(A) P(A) P(B) P(B) = P(B P(B A).) A).) Seite 29 Beispiele Würfeln mit mit einem Würfel: A = {2,3}, B = {2,4,6}. P(A) P(A) = 2/6 2/6 = 1/3, 1/3, P(B) P(B) = 3/6 3/6 = 1/2, 1/2, P(A P(A B) B) = 1/6. 1/ Zweimaliges Würfeln. A = Augensumme ist ist gerade, B = der der erste erste Wurf Wurf hat hat eine eine gerade Augenzahl P(A) P(A) = 1/2, 1/2, P(B) P(B) = 1/2, 1/2, P(A P(A B) B) = ¼. ¼. Seite 30

16 Komplementäre Ereignisse Hilfssatz. Seien A und und B unabhängige Ereignisse. Dann sind sind auch auch A und und B (= (= Ω \\ B) B) unabhängig. Beweis. Es Es gilt gilt P(A P(A B) B) = P(A P(A \\(A (A B)) B)) = P(A) P(A) P(A P(A B) B) = P(A) P(A) P(A) P(A) P(B) P(B) = P(A) P(A) (1 (1 P(B)) = P(A) P(A) P(B). Seite 31 Verallgemeinerung der Definition Definition. Drei Drei Ereignisse A, A, B, B, C werden stochastisch unabhängig genannt, wenn folgende Gleichungen gelten: P(A) P(A) P(B) P(B) = P(A P(A B), B), P(B) P(B) P(C) P(C) = P(B P(B C), C), P(A) P(A) P(C) P(C) = P(A P(A C), C), P(A) P(A) P(B) P(B) P(C) P(C) = P(A P(A B C). C). Entsprechend: Verallgemeinerung auf auf vier, vier, fünf, fünf, Ereignisse. Seite 32

17 Beispiel Viermaliger Münzwurf. A = Kopf Kopf im im ersten Wurf Wurf B = Kopf Kopf im im zweiten Wurf Wurf C = Kopf Kopf im im dritten Wurf Wurf P(A) P(A) = P(B) P(B) = P(C) P(C) = 1/2. 1/2. P(A P(A B) B) = P(B P(B C) C) = P(A P(A C) C) = 1/4. 1/4. P(A P(A B C) C) = 1/8. 1/8. Seite 33

htw 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 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:

Mehr

= 7! = 6! = 0, 00612,

= 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

Mehr

Satz von der totalen Wahrscheinlichkeit

Satz von der totalen Wahrscheinlichkeit htw saar 1 Satz von der totalen Wahrscheinlichkeit Sei (Ω, P) ein Wahrscheinlichkeitsraum, und B 1,, B n seien paarweise disjunkte Ereignisse mit B i = Ω. Für jedes Ereignis A gilt dann: P(A) = P(A B 1

Mehr

Kapitel 5 Stochastische Unabhängigkeit

Kapitel 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

Mehr

STOCHASTISCHE UNABHÄNGIGKEIT. Annika Pohlmann Philipp Oel Wilhelm Dück

STOCHASTISCHE 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

Mehr

Zusammenfassung Stochastik

Zusammenfassung 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

Mehr

Unabhängigkeit KAPITEL 4

Unabhängigkeit 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

Mehr

2.2 Ereignisse und deren Wahrscheinlichkeit

2.2 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,

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung und Statistik 3. Vorlesung - 21.10.2016 Bedingte Wahrscheinlichkeit In einer Urne sind 2 grüne und 3 blaue Kugeln. 2 Kugeln werden ohne Zürücklegen gezogen. Welches ist die Wahrscheinlichkeit, dass : a) man eine grüne

Mehr

Wahrscheinlichkeit (Teschl/Teschl 2, Kap. 26)

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

Mehr

Stochastik - Kapitel 2

Stochastik - Kapitel 2 " k " h(a) n = bezeichnet man als die relative Häufigkeit des Ereignisses A bei n Versuchen. n (Anmerkung: für das kleine h wird in der Literatur häufig auch ein r verwendet) k nennt man die absolute Häufigkeit

Mehr

Satz 18 (Satz von der totalen Wahrscheinlichkeit)

Satz 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

Mehr

3 Bedingte Wahrscheinlichkeit, Unabhängigkeit

3 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.

Mehr

Wahrscheinlichkeit und Zufall

Wahrscheinlichkeit 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

Mehr

Wählt man aus n Mengen mit z 1 bzw. z 2,..., bzw. z n Elementen nacheinander aus jeder Menge jeweils ein Element aus,

Wählt 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

Mehr

Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26)

Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26) 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

Mehr

8. Wahrscheinlichkeitsrechnung

8. Wahrscheinlichkeitsrechnung Didaktik der Geometrie und Stochastik WS 09/10 Bürker 27. 1. 11 8. Wahrscheinlichkeitsrechnung 8.1 Begriffe 8.1.1 Zufallsexperiment Was ist ein Zufallsexperiment? a) Mehrere Ergebnisse möglich b) Ergebnis

Mehr

KAPITEL 5. Erwartungswert

KAPITEL 5. Erwartungswert KAPITEL 5 Erwartungswert Wir betrachten einen diskreten Wahrscheinlichkeitsraum (Ω, P) und eine Zufallsvariable X : Ω R auf diesem Wahrscheinlichkeitsraum. Die Grundmenge Ω hat also nur endlich oder abzählbar

Mehr

Kapitel 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 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,

Mehr

Kapitel 5. Kapitel 5 Wahrscheinlichkeit

Kapitel 5. Kapitel 5 Wahrscheinlichkeit Wahrscheinlichkeit Inhalt 5.1 5.1 Grundbegriffe Ω, Ω, X, X,...... 5.2 5.2 Wahrscheinlichkeitsräume (Ω, (Ω, P) P) 5.3 5.3 Das Das Laplace-Modell P(A) P(A) = A / Ω 5.4 5.4 Erwartungswert E(X) E(X) Literatur:

Mehr

Mathematische Grundlagen der Computerlinguistik Wahrscheinlichkeit

Mathematische 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

Mehr

Bedingte Wahrscheinlichkeiten

Bedingte Wahrscheinlichkeiten Bedingte Wahrscheinlichkeiten Bei der Betrachtung der Ereignisse A und B eines Zufallsexperiments muss man die beiden im folgendem beschrieben zwei Situationen unterscheiden. 1. Das Ereignis A und B tritt

Mehr

Das Zweikinderproblem

Das Zweikinderproblem Das Zweikinderproblem Definition Zweikinderproblem Eine Familie besitzt zwei Kinder. Wie groß ist die Wahrscheinlichkeit Pr[ Beide Kinder sind Mädchen. Eines der Kinder ist ein Mädchen ]? Lösung: Sei A

Mehr

Satz 16 (Multiplikationssatz)

Satz 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.

Mehr

Allgemeine diskrete Wahrscheinlichkeitsräume II. Beispiel II. Beispiel I. Definition 6.3 (Diskreter Wahrscheinlichkeitsraum)

Allgemeine 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

Mehr

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende

Klausur 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

1 Axiomatische Definition von Wahrscheinlichkeit

1 Axiomatische Definition von Wahrscheinlichkeit Schülerbuchseite 174 176 Lösungen vorläufig und Unabhängigkeit 1 Axiomatische Definition von Wahrscheinlichkeit S. 174 1 Ein Schätzwert für die Wahrscheinlichkeit von Sau kann nur mithilfe der relativen

Mehr

1 Grundbegriffe der Wahrscheinlichkeitsrechnung

1 Grundbegriffe der Wahrscheinlichkeitsrechnung 4 1 Grundbegriffe der Wahrscheinlichkeitsrechnung 1.1 Grundlegende Begriffe Der Begriff wahrscheinlich wird im Alltag in verschiedenen Situationen verwendet, hat dabei auch unterschiedliche Bedeutung.

Mehr

Zufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen

Zufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen Zufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen Wichtige Tatsachen und Formeln zur Vorlesung Mathematische Grundlagen für das Physikstudium 3 Franz Embacher http://homepage.univie.ac.at/franz.embacher/

Mehr

Kapitel 2 Wahrscheinlichkeitsrechnung

Kapitel 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

Mehr

1. Grundlagen der Wahrscheinlichkeitsrechnung

1. 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

Mehr

Wahrscheinlichkeitsrechnung für die Mittelstufe

Wahrscheinlichkeitsrechnung 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

Mehr

Das Ziegenproblem. Nils Schwinning und Christian Schöler Juni 2010

Das Ziegenproblem. Nils Schwinning und Christian Schöler  Juni 2010 Das Ziegenproblem Nils Schwinning und Christian Schöler http://www.esaga.uni-due.de/ Juni 2010 Die Formulierung Obwohl das sogenannte Ziegenproblem in der Mathematik allgegenwärtig erscheint, wurde es

Mehr

UE Statistik 1, SS 2015, letztes Update am 5. März Übungsbeispiele

UE 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..

Mehr

Basiswissen 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)

Mehr

Einführung in die Wahrscheinlichkeitsrechnung

Einführung in die Wahrscheinlichkeitsrechnung Marco Cattaneo Institut für Statistik Ludwig-Maximilians-Universität München Sommersemester 2011 1. Wahrscheinlichkeitsrechnung 2. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grenzwertsätze

Mehr

9. Elementare Wahrscheinlichkeitsrechnung

9. Elementare Wahrscheinlichkeitsrechnung 9. Elementare Wahrscheinlichkeitsrechnung Beispiel (Einmaliges Würfeln): verbal mengentheoretisch I. Zufällige Ereignisse Beispiel (Einmaliges Würfeln): Alle möglichen Ausgänge 1,,, 6 des Experiments werden

Mehr

4. Die Laplacesche Gleichverteilung

4. Die Laplacesche Gleichverteilung Universität Basel Wirtschaftswissenschaftliches Zentrum Grundlagen der Stochastik Dr. Thomas Zehrt Inhalt: 1. Die Ereignismenge 2. Die Wahrscheinlichkeitsverteilung 3. Eigenschaften einer Wahrscheinlichkeitsverteilung

Mehr

Aufgabe 1. Übung Wahrscheinlichkeitsrechnung Markus Kessler Seite 1 von 8. Die Ereignisse A, B und C erfüllen die Bedingungen

Aufgabe 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),

Mehr

Statistik für Ingenieure Vorlesung 2

Statistik 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

Mehr

Kapitel I Diskrete Wahrscheinlichkeitsräume

Kapitel I Diskrete Wahrscheinlichkeitsräume Kapitel I Diskrete Wahrscheinlichkeitsräume 1. Grundlagen Definition 1 1 Ein diskreter Wahrscheinlichkeitsraum ist durch eine Ergebnismenge Ω = {ω 1, ω 2,...} von Elementarereignissen gegeben. 2 Jedem

Mehr

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung Teil V Wahrscheinlichkeitsrechnung Inhaltsangabe 6 Einführung in die Wahrscheinlichkeitsrechnung 125 6.1 Kombinatorik......................... 125 6.2 Grundbegri e......................... 129 6.3 Wahrscheinlichkeiten.....................

Mehr

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

Beispiel 37. Wir werfen eine Münze so lange, bis zum ersten Mal Beispiel 37 Wir werfen eine Münze so lange, bis zum ersten Mal Kopf erscheint. Dies geschehe in jedem Wurf unabhängig mit Wahrscheinlichkeit p. Wir definieren dazu die Zufallsvariable X := Anzahl der Würfe.

Mehr

Pfadwahrscheinlichkeiten

Pfadwahrscheinlichkeiten Pfadwahrscheinlichkeiten Die Wahrscheinlichkeit, beim zweimaligen Würfeln eine Doppelsechs zu erzielen, beträgt 6. Das Ergebnis legt die Vermutung nahe, dass wir lediglich, also die Wahrscheinlichkeit,

Mehr

Ereignis E: ist ein oder sind mehrere Ergebnisse zusammen genommen. Bsp. E = {2; 4; 6}

Ereignis 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

Mehr

Wie hoch ist das Risiko, dass ein System, das aus mehreren Komponenten besteht, ausfällt?

Wie hoch ist das Risiko, dass ein System, das aus mehreren Komponenten besteht, ausfällt? In diesem Kapitel werden wir den egriff Wahrscheinlichkeit und die Grundlagen der Wahrscheinlichkeitsrechnung kennenlernen, um z.. folgende Fragestellungen zu beantworten. Wie hoch ist das Risiko, dass

Mehr

1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6

1 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

Mehr

An die Zweige schreibt man jeweils die Wahrscheinlichkeit, die für dieses Ereignis gilt.

An die Zweige schreibt man jeweils die Wahrscheinlichkeit, die für dieses Ereignis gilt. . Mehrstufige Zufallsversuche und Baumdiagramme Entsprechend der Anmerkung in. wollen wir nun auf der Basis von bekannten Wahr- scheinlichkeiten weitere Schlüsse ziehen. Dabei gehen wir immer von einem

Mehr

Stochastik. Grundwissenskatalog G8-Lehrplanstandard

Stochastik. Grundwissenskatalog G8-Lehrplanstandard GRUNDWISSEN MATHEMATIK Stochastik Grundwissenskatalog G8-Lehrplanstandard Basierend auf den Grundwissenskatalogen des Rhöngymnasiums Bad Neustadt und des Kurt-Huber-Gymnasiums Gräfelfing J O H A N N E

Mehr

3.3 Bedingte Wahrscheinlichkeit

3.3 Bedingte Wahrscheinlichkeit 28 3.3 Bedingte Wahrscheinlichkeit Oft ist die Wahrscheinlichkeit eines Ereignisses B gesucht unter der Bedingung (bzw. dem Wissen), dass ein Ereignis A bereits eingetreten ist. Man bezeichnet diese Wahrscheinlichkeit

Mehr

Übungsaufgaben zum Kapitel Baumdiagramme - Bernoulli

Übungsaufgaben zum Kapitel Baumdiagramme - Bernoulli BOS 98 S I Im ahmen einer statistischen Erhebung wurden 5 repräsentative Haushalte ausgewählt und im Hinblick auf ihre Ausstattung mit Fernsehern, adiorecordern sowie Homecomputern untersucht. Dabei gaben

Mehr

Vorlesung Statistik WING ASW Melanie Kaspar, Prof. Dr. B. Grabowski 1

Vorlesung 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

Mehr

3. Kombinatorik und Wahrscheinlichkeit

3. 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 Unabhängigkeit von Ereignissen; bedingte Wahrscheinlichkeit

7 Unabhängigkeit von Ereignissen; bedingte Wahrscheinlichkeit Übungsmaterial 7 Unabhängigkeit von reignissen; bedingte Wahrscheinlichkeit 7. Unabhängigkeit von reignissen Wir betrachten folgendes Beispiel: Zwei unterscheidbare Münzen werden geworfen. Man betrachtet

Mehr

Wahrscheinlichkeitstheorie

Wahrscheinlichkeitstheorie Kapitel 2 Wahrscheinlichkeitstheorie Josef Leydold c 2006 Mathematische Methoden II Wahrscheinlichkeitstheorie 1 / 24 Lernziele Experimente, Ereignisse und Ereignisraum Wahrscheinlichkeit Rechnen mit Wahrscheinlichkeiten

Mehr

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung Abiturvorbereitung Wahrscheinlichkeitsrechnung S. 1 von 9 Wahrscheinlichkeitsrechnung Kombinatorik Formeln für Wahrscheinlichkeiten Bedingte Wahrscheinlichkeiten Zusammenfassung wichtiger Begriffe Übungsaufgaben

Mehr

Stochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten

Stochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten Kapitel 2 Stochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten 2.1 Stochastische Unabhängigkeit von Ereignissen Gegeben sei ein W-Raum (Ω, C, P. Der Begriff der stochastischen Unabhängigkeit von

Mehr

Statistik I für Betriebswirte Vorlesung 2

Statistik 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

Mehr

Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff?

Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff? 2. Übung: Wahrscheinlichkeitsrechnung Aufgabe 1 Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff? a) P ist nichtnegativ. b) P ist additiv. c) P ist multiplikativ.

Mehr

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Universität Duisburg-Essen Essen, den 15.0.009 Fachbereich Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,

Mehr

P A P( A B) Definition Wahrscheinlichkeit

P A P( A B) Definition Wahrscheinlichkeit Unabhaengige Ereignisse edingte Wahrscheinlichkeit Definition Wahrscheinlichkeit Die Wahrscheinlichkeit eines Ereignisses ist das Verhältnis der günstigen Ergebnisse zur Gesamtmenge der Ergebnisse nzahl

Mehr

Wahrscheinlichkeitsrechnung [probability]

Wahrscheinlichkeitsrechnung [probability] Wahrscheinlichkeitsrechnung [probability] Hinweis: Die Wahrscheinlichkeitsrechnung ist nicht Gegenstand dieser Vorlesung. Es werden lediglich einige Begriffsbildungen bereitgestellt und an Beispielen erläutert,

Mehr

Kurs 2 Stochastik EBBR Vollzeit (1 von 2)

Kurs 2 Stochastik EBBR Vollzeit (1 von 2) Erwachsenenschule Bremen Abteilung I: Sekundarstufe Doventorscontrescarpe 172 A 281 Bremen Kurs 2 Stochastik EBBR Vollzeit (1 von 2) Name: Ich 1. 2. 3. 4.. 6. 7. So schätze ich meinen Lernzuwachs ein.

Mehr

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Was du wissen musst: Die Begriffe Zufallsexperiment, Ereignisse, Gegenereignis, Zufallsvariable und Wahrscheinlichkeit sind dir geläufig. Du kannst mehrstufige Zufallsversuche

Mehr

Rumpfskript. Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen

Rumpfskript. 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

Mehr

Kapitel 2. Wahrscheinlichkeit (wird heute behandelt) Kapitel 2. Wahrscheinlichkeit

Kapitel 2. Wahrscheinlichkeit (wird heute behandelt) Kapitel 2. Wahrscheinlichkeit Teil I: Wahrscheinlichkeitstheorie 1 Kapitel 2. Wahrscheinlichkeit (wird heute behandelt) Kapitel 3: Bedingte Wahrscheinlichkeit Kapitel 4: Zufallsvariablen Kapitel 5: Erwartungswerte, Varianz, Kovarianz

Mehr

Teil II. Wahrscheinlichkeitsrechnung

Teil II. Wahrscheinlichkeitsrechnung Teil II Wahrscheinlichkeitsrechnung Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2014) Folie 129 5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) 5 Zufallsexperimente Ergebnisse Ereignisse

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. R. Brinkmann http://brinkmann-du.de Seite 08..2009 Von der relativen Häufigkeit zur Wahrscheinlichkeit Es werden 20 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 20 Schülern

Mehr

Teil II. Wahrscheinlichkeitsrechnung. Inhaltsverzeichnis (Ausschnitt) Zufallsexperimente (Zufallsvorgänge) Ergebnisse

Teil II. Wahrscheinlichkeitsrechnung. Inhaltsverzeichnis (Ausschnitt) Zufallsexperimente (Zufallsvorgänge) Ergebnisse 5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) Teil II Wahrscheinlichkeitsrechnung 5 Zufallsexperimente Ergebnisse Ereignisse Wahrscheinlichkeiten Deskriptive Statistik und Wahrscheinlichkeitsrechnung

Mehr

Übungen Abgabetermin: Freitag, , 10 Uhr

Übungen 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.

Mehr

b) P( Schüler/in ist in Sek I) c) P( Schüler/in ist in Sek II und ein Mädchen)

b) P( Schüler/in ist in Sek I) c) P( Schüler/in ist in Sek II und ein Mädchen) R. Brinkmann http://brinkmann-du.de Seite 1 17.09.2012 Lösungen Relative Häufigkeit, Wahrscheinlichkeit II en: A1 A1 Über die Zusammensetzung der Schülerschaft eines Gymnasiums ist bekannt: In der Sek.

Mehr

4 Übungsaufgaben zu Kapitel 4

4 Übungsaufgaben zu Kapitel 4 4 Übungsaufgaben zu Kapitel 4 4.1 Aufgabe. In einer Schachtel liegen vier mit 1 bis 4 nummerierte Kugeln. Wie lautet die Ergebnismenge, wenn zwei Kugeln mit einem Griff gezogen werden? 4.2 Aufgabe. Welche

Mehr

Einführung. Wahrscheinlichkeit. 1 Wahrscheinlichkeit: Definition und Interpretation. 2 Elementare Wahrscheinlichkeitsrechnung, bedingte

Einführung. 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

Mehr

Übersicht Wahrscheinlichkeitsrechnung EF

Übersicht Wahrscheinlichkeitsrechnung EF Übersicht Wahrscheinlichkeitsrechnung EF. Grundbegriffe der Wahrscheinlichkeitsrechnung (eite ). Regeln zur Berechnung von Wahrscheinlichkeiten (eite ). Bedingte Wahrscheinlichkeit und Vierfeldertafel

Mehr

1.1 Ergebnisräume einfacher Zufallsexperimente. 2) Es gibt mindestens zwei mögliche Ausgänge des Experiments.

1.1 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

Mehr

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 1

Einführung 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

Mehr

Zusammengesetzte Zufallsexperimente - Baumdiagramme und Pfadregeln ==================================================================

Zusammengesetzte Zufallsexperimente - Baumdiagramme und Pfadregeln ================================================================== Zusammengesetzte Zufallsexperimente - Baumdiagramme und Pfadregeln ================================================================== Ein Zufallsexperiment heißt zusammegesetzt, wenn es es die Kombination

Mehr

3 Bedingte Wahrscheinlichkeit, Unabhängigkeit von Ereignissen

3 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

Mehr

Mehrstufige Vorgänge Pfadregeln

Mehrstufige Vorgänge Pfadregeln Mehrstufige Vorgänge Pfadregeln Elke Warmuth Humboldt-Universität Berlin Sommersemester 2010 1 / 53 Pfadregeln 1 Pfadregeln Was ist neu? Einfaches Beispiel Hintergrund 2 / 53 Pfadregeln Was ist neu? Einfaches

Mehr

Interaktives Skriptum: Elementare Wahrscheinlichkeitsrechnung

Interaktives 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

Mehr

Ziegenproblem, Monty-Hall-Problem, Wahrscheinlichkeitsrechnung. Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem

Ziegenproblem, 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,

Mehr

a) (A B) tritt ein = A tritt ein oder B tritt ein. = Mindestens eines der Ereignisse A, B tritt ein.

a) (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

Mehr

Diskrete Strukturen. Sebastian Thomas RWTH Aachen https://www2.math.rwth-aachen.de/ds16/ 1. Februar 2017 Vorlesung 21

Diskrete Strukturen. Sebastian Thomas RWTH Aachen https://www2.math.rwth-aachen.de/ds16/ 1. Februar 2017 Vorlesung 21 Diskrete Strukturen Sebastian Thomas RWTH Aachen https://www2.math.rwth-aachen.de/ds16/ 1. Februar 2017 Vorlesung 21 Quasiendliche Wahrscheinlichkeitsräume Definition quasiendlicher Wahrscheinlichkeitsraum

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 . Grundlagen der Wahrscheinlichkeitstheorie. Zufallsereignisse, Ereignisraum und Ereignismenge Zufallsexperiment: nach einer bestimmten Vorschrift ausgeführter, unter gleichen edingungen beliebig oft wiederholbarer

Mehr

Lösungsskizzen zur Präsenzübung 07

Lösungsskizzen zur Präsenzübung 07 Lösungsskizzen zur Präsenzübung 07 Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 2015/2016 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 14. Dezember 2015 von:

Mehr

Zusammenfassung 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 Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind

Mehr

Statistik I für Humanund Sozialwissenschaften

Statistik 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.

Mehr

Fit for Abi & Study Stochastik

Fit for Abi & Study Stochastik Fit for Abi & Study Stochastik Prof. Dr. Tilla Schade Hochschule Harz 15. und 16. April 2014 No. 1 Stochastik besteht aus: Wahrscheinlichkeitsrechnung Statistik No. 2 Gliederung Grundlagen Zufallsgrößen

Mehr

Grundwissen Stochastik Grundkurs 23. Januar 2008

Grundwissen Stochastik Grundkurs 23. Januar 2008 GYMNSIUM MIT SCHÜLERHEIM PEGNITZ math.-technolog. u. sprachl. Gymnasium WILHELM-VON-HUMBOLDT-STRSSE 7 91257 PEGNITZ FERNRUF 09241/48333 FX 09241/2564 Grundwissen Stochastik Grundkurs 23. Januar 2008 1.

Mehr

Erfolg im Mathe-Abi 2013

Erfolg im Mathe-Abi 2013 Gruber I Neumann Erfolg im Mathe-Abi 2013 Vorabdruck Pflichtteil Stochastik für das Abitur ab 2013 zum Übungsbuch für den Pflichtteil Baden-Württemberg mit Tipps und Lösungen Vorwort Vorwort Erfolg von

Mehr

Wahrscheinlichkeitstheorie Kapitel VIII - Bedingte Wahrscheinlichkeiten, Unabhängigkeit von Ereignissen

Wahrscheinlichkeitstheorie Kapitel VIII - Bedingte Wahrscheinlichkeiten, Unabhängigkeit von Ereignissen Wahrscheinlichkeitstheorie Kapitel VIII - Bedingte Wahrscheinlichkeiten, Unabhängigkeit von Ereignissen Georg Bol bol@statistik.uni-karlsruhe.de Markus Höchstötter hoechstoetter@statistik.uni-karlsruhe.de

Mehr

( ) ( ) ( ) Mehrstufige Zufallsversuche

( ) ( ) ( ) Mehrstufige Zufallsversuche R. Brinkmann http://brinkmann-du.de Seite 1 19.11.2009 Mehrstufige Zufallsversuche Häufig müssen Zufallsversuche untersucht werden, die aus mehr als einem einzigen Experiment bestehen. Diese Versuche setzen

Mehr

Satz 16 (Multiplikationssatz)

Satz 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

Mehr

6: Diskrete Wahrscheinlichkeit

6: Diskrete Wahrscheinlichkeit Stefan Lucks Diskrete Strukturen (WS 2009/10) 219 6: Diskrete Wahrscheinlichkeit 6: Diskrete Wahrscheinlichkeit Stefan Lucks Diskrete Strukturen (WS 2009/10) 220 Wahrscheinlichkeitsrechnung Eines der wichtigsten

Mehr

Einführung in die Wahrscheinlichkeitsrechnung

Einführung 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

Mehr

Bei 10 dieser Würfe wurde gleichzeitig eine 1 gewürfelt. Bei 25 dieser Würfe wurde gleichzeitig eine Augenzahl größer als 2 gewürfelt.

Bei 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

Mehr

1. Grundlagen. R. Albers, M. Yannik Skript zur Vorlesung Stochastik (Elementarmathematik)

1. Grundlagen. R. Albers, M. Yannik Skript zur Vorlesung Stochastik (Elementarmathematik) 1. Grundlagen 1.1 Zufallsexperimente, Ergebnisse Grundlage für alle Betrachtungen zur Wahrscheinlichkeitsrechnung sind Zufallsexperimente. Ein Zufallsexperiment ist ein Vorgang, der - mehrere mögliche

Mehr

Einführung in die Wahrscheinlichkeitsrechnung

Einführung in die Wahrscheinlichkeitsrechnung Einführung in die Wahrscheinlichkeitsrechnung. In einer Urne befinden sich 3 schwarze und weiße Kugel. Wir entnehmen der Urne eine Kugel, notieren die Farbe und legen die Kugel in die Urne zurück. Dieses

Mehr