1 Ereignisse und ihre Wahrscheinlichkeit
|
|
- Herta Brahms
- vor 7 Jahren
- Abrufe
Transkript
1 Wahrscheilicheitsrechug ud Statisti - Formelsammlug (Revisio : powered by LATEX Seite 1 vo 11 1 Ereigisse ud ihre Wahrscheilicheit 1.1 Kombiatori Sachs S. 66 Art der Auswahl bzw. Zusammestellug Azahl der Möglicheite vo aus Elemete ohe Wiederholuge mit Wiederholuge ( ( Permutatioe P =!( = P ( =!! Kombiatioe Variatioe C ( V ( = ( =! ( C ( V ( = ( + 1 = ( mit TR: Cr(, E Kombiat(, De Permutatioe: Gegebe seie verschiedee Objete. Da gibt es! verschiedee Reihefolge i dee ma diese Objete aorde a. z.b.: x, y, z; x, z, y; z, y, x;... Kombiatio: Gegebe seie verschiedee Objete. Da gibt es ( Möglicheite, daraus Objete auszuwähle, we es icht auf die Reihefolge aommt. z.b.: Wie viele verschiedee Möglicheite hat ma beim Lotto, 6 Zahle aus 49 auszuwähle? Variatio et ma eie Auswahl vo Elemete aus verschiedee Elemete uter Beachtug der Reihefolge 1. Wahrscheilicheit Wertebereich: 0 P (A Recheregel omplemetär Ereigis: P (Ā = P (Ω \ A = 1 P (A Sicheres Ereigis: P (Ω = 1 umögliches Ereigis: P ( = 0 Differez der Ereigisse A ud B: P (A \ B = P (A P (A B Vereiigug zweier Ereigisse: P (A B = P (A + P (B P (A B 1.3 Laplace-Ereigisse Sript S. 9 Sachs S. 79 I eiem edliche Wahrscheilicheitsraum Ω habe alle Elemetarereigisse die gleiche Wahrscheilicheit. P (A = A Ω 1.4 Uabhägige Ereigise Sript S. 1 Sachs S. 83 Uabhägige Ereigisse A ud B liege vor, we: P (A B = P (A ud P (B A = P (B erfüllt ist. Für sie gilt P (A B = P (AP (B Die Tatsache, dass A eigetrete ist, hat eie Eifluss auf die Wahrscheilicheit vo B. 1.5 Bedigte Wahrscheilicheit Sript S. 19 Sachs S. 85 Die Wahrscheilicheit für das Eitrete des Ereigisses A uter der Bedigug, dass das Ereigis B bereits eigetrete ist. P (A B = P (A B P (B P (A P (B = = P (A P (B }{{} ur we uabhägig 1.6 Satz vo Bayes Sript S. 6 Sachs S. 89 P (B A = P (A B P (B P (A 1.7 Totale Wahrscheilicheit Sript S. 6 Sachs S. 88 P (A = N P (A G i P (G i i=1 F. Brau, L. Schmid, U. Giger, R. Koller, S. Arold, S. Ferretti 0. Jauar 009
2 Wahrscheilicheitsrechug ud Statisti - Formelsammlug (Revisio : powered by LATEX Seite vo 11 Erwartugswert ud Variaz.1 Erwartugswert Sript S. 45 Sachs S. 101 Sei X eie Futio auf Ω, ud lasse sich Ω i edlich viele Ereigisse, auf dee X(ω ostat ist, A i zerlege, da ist der Erwartugswert vo X Erwartugswert = W ert W ahrscheilicheit E(X = X(A i i=0 }{{} Wert P (A i }{{} W eit.1.1 Recheregel E(X + Y = E(X + E(Y E(λX + µ = λ E(X + µ E(XY = E(X E(Y λ, µ R we X,Y uabhägig sid. Variaz Sript S. 53 Sachs S. 106 var(x = σ = E[(X E(X ] = E(X E(X..1 Kovariaz Sachs S. 49 cov(x, Y = E(XY E(XE(Y = 0 }{{} falls X,Y uabhägig.. Recheregel var(λx = λ var(x λ, µ R var(x 1 + X + {... + X var(x var(x + var(y (X,Y uabh. var(x + Y = var(x + var(y + cov(x, Y (X,Y abhägig var(xy = var(y var(x + var(y E(X + var(xe(y.3 Erwartugswert ud Variaz des arithmetische Mittels Sript S. 58 Es sei eie folge vo uabhägige Zufallsvariable X 1, X,..., X mit gleichem Erwartugswert µ ud gleicher Variaz σ gegebe. Mittelwert: M = X1+...+X Erwartugswert: E(X = E(M Variaz: var(m = 1 var(x.4 Regressio Sript S. 60 Sachs S. 60, 141 Allgemei: X,Y Zufallsvariable Gesucht: Regressiosgerade y = ax + b mit mi. Fehler Fehler: E(Y (ax + b = 0 Regressiosoeffiziet r r ist ei Mass für die Qualität der Regressio (stadardisiert r cov(x, Y = var(xvar(y Mittlerer quadratischer Fehler = var(y (1 r cov(x, Y = var(y (1 var(xvar(y Berechug mit Tascherecher (TI-89, V-00 Vorbereitug: {x 1,..., x } l1; {y 1,..., y } l; LiReg l1,l Azeige vo Werte mit ShowStat Azeige des Graphs mit reqeq(x y1(x; NewPlot 1,1,l1,l Vorgehe: mit Fehlerberechug 1. Tabelle mit beate Werte aufstelle: x x y y xy 1 x 1 x 1 y 1 y1 x 1 y x y y y x y x x y y x y E x x y y. Variaze, Kovariaz bereche: var(x = E(X E (X var(y = E(Y E (Y cov(x, Y = E(XY E(XE(Y x y 3. Koeffiziete ud Fehler der Gerade bereche: a = cov(x, Y cov(x, Y = var(y (1 var(x var(xvar(y b = E(Y ae(x 4. Gerade: y = ax + b.5 Satz vo Tschebyscheff Sript S. 57 P ( X E(X > ε var(x ε Wahrscheilicheit, dass X um mehr als ε vom Erwartugswert E(X abweicht. F. Brau, L. Schmid, U. Giger, R. Koller, S. Arold, S. Ferretti 0. Jauar 009
3 Wahrscheilicheitsrechug ud Statisti - Formelsammlug (Revisio : powered by LATEX Seite 3 vo 11 3 Wahrscheilicheitsverteilug 3.1 Verteilugsfutio Sript S. 69 Sachs S. 93 (disret, 97 (otiuierlich disret otiuierlich P (X x = F (x = x p P (X x = F (x = = P (X > x = 1 P (X x P (X > x = 1 P (X x P (a X b = F (b F (a = Eigeschafte b =a x ϕ( xd x p P (a X b = F (b F (a = b a ϕ( xd x D(F = R W(F [0, 1] F ( = 0 F ( = 1 F (x ist mooto steiged 3. Wahrscheilicheitsdichte Sachs S. 97 ϕ(x = F (x Bei Sprugstelle vo F(x: ϕ(x = Dirac mit Gewichtug der Sprughöhe Dichtefutio oder Wahrscheilicheitsdichte 3..1 Erwartugswert E(X = x ϕ(xdx E(X = x ϕ(xdx E(X N = x N ϕ(xdx 3.3 Recheregel für ϕ ud F Sript S. 8 Gegebe: X, Y Zufallsvariable ϕ X, ϕ Y beat Verteilugsfutio: Dichte: F X+a (x = F X (x a ϕ X+a (x = ϕ X (x a F λx (x = F X ( x λ ϕ λx(x = ϕ X ( x λ 1 λ F X+Y (x = F X ϕ Y (y = F Y ϕ X (x ϕ X+Y (x = ϕ X ϕ Y (x F X (x = F X(x F X (x = F X ( x ϕ X (x = xϕ X(x ϕ X (x = 1 x 1 ϕ X ( x Algorithmus Bsp. 1. Defiitio vo F awede: F λx (x = P (λx x }{{}. Bedigug * umforme: P (X x λ = F X( x λ d 3. für Dichte: dx ϕ λx (x = d dx F λx(x = d dx F X( x λ = ϕ X( x λ 1 λ 3.3. Maximalwert eies Itervalls Sript S. 15 X 1,... X i sid auf dem Itervall [0, l] mit F X (x verteilt M=max{X 1,..., X i } F M (x = F X (x 3.4 Normalverteilug Sript S. 93 Sachs S. 10 Viele leie, uabhägige Zufallsvariable sammel sich zu eier ormalverteilte Zufallsvariable. ϕ(x = 1 πσ e (x µ σ = N(µ; σ x F (x = 1 πσ e ( x µ σ Stadardisierug Erwartugswert: E(X = µ (=0 bei Stadardormalver. Variaz : var(x = σ (=1 bei Stadardormalver. x = X µ σ x aus Tabelle Dichtefutio (obe ud Verteilugsfutio (ute der Normalverteilug. 68% der Werte liege im Itervall [µ σ, µ + σ], 95% i [µ σ, µ + σ], 99.7% i [µ 3σ, µ + 3σ] F. Brau, L. Schmid, U. Giger, R. Koller, S. Arold, S. Ferretti 0. Jauar 009
4 Wahrscheilicheitsrechug ud Statisti - Formelsammlug (Revisio : powered by LATEX Seite 4 vo Zetraler Grezwertsatz Sript S. 99 Sachs S. 17 X 1, X,..., X sid lauter idetisch verteilte (icht otwedig ormalverteilt! uabhägige Zufallsvariable mit demselbe Erwartugswert µ ud derselbe Variaz σ. Da hat die Summe (S = i=1 X i de Erwartugswert µ ud die Variaz σ. Die damit verbudee stadardisierte (E(X = 0, var(x = 1 Variable Z ist somit wie folgt defiiert: Z = S µ σ = X µ σ/ Für strebt die Verteilug vo Z gege die Stadardormalverteilug. 3.6 Expoetialverteilug Sript S. 88 Zur Ermittlug der Dauer vo zufällige Zeititervalle ohe Gedächis (W eit, dass X i der ächste Miute defet geht = cost.. Beispiele : Lebesdauer vo Atome beim radioative Zerfall Lebesdauer vo Bauteile, Maschie & Geräte (MTBF - Mea Time Before Failure = 1 λ Dichtefutio ud Verteilugsfutio { λe λx x 0 ϕ(x = 0 x < 0 { 1 e λx x 0 F (x = 0 x < 0 Erwartugswert ud Variaz E(X = 1 λ var(x = 1 λ Dichtefutio (obe ud Verteilugsfutio (ute der Expoetialverteilug. 3.7 Hypergeometrische Verteilug Sript S. 11 Sachs S. 117 Ist die Wahrscheilicheit dass i eier m Elemete umfassede Stichprobe aus eier Grudgesamtheit vo Elemete, vo dee r eie spezielle Eigeschaft besitze, Elemete mit der Eigeschaft ( zu fide sid. r r p( = P (X = = ( m ( für 0 r ud m Erwartugswert: E(X = m r r( r( m Variaz: var(x = m ( 1 Beispiel: Lotto, = 45 Zahle, ( r = 6 (die gezogee Zahle, m = 6 (meie Zahle 6 39 P (X = 4 = P (EiV ierer = 4( = ( 45 6 F. Brau, L. Schmid, U. Giger, R. Koller, S. Arold, S. Ferretti 0. Jauar 009
5 Wahrscheilicheitsrechug ud Statisti - Formelsammlug (Revisio : powered by LATEX Seite 5 vo Poissoverteilug Sript S. 113 Sachs S. 115 P λ ( = λ! e λ Erwartugswert: Variaz: E(X = λ var(x = λ Awedug der Poisso-Verteilug: für die Häufigeite selteer Ereigisse. Azahl Arufe bei eier Telefozetrale i eier gewisse Periode. Azahl grosse Versicherugsschäde i eier gewisse Periode. Azahl Jobs, die bei eiem Server aomme. Azahl Ereigisse i eiem Zeititervall. Azahl Loomotive der SBB, die i der ächste Woche eie Defet habe. Azahl der Gewier mit 4 Richtige im Lotto. 3.9 Biomialverteilug Sript S. 109 Sachs S. 11 Wird agewedet bei eiem Experimet mit ur zwei Ausgäge (Ereigis mit W eit p tritt ei, Ereigis tritt icht ei. Eie Zufallsvariable mit disrete Werte {0,..., } heisst biomialverteilt zum Parameter p, we die Wahrscheilicheit des Wertes wie folgt ist: ( X = Bi(; p = p (1 p µ = E(X = p σ = var(x = p(1 p : Versuche : -mal erfolgreich p: Wahrscheilicheit Beispiel: Wie hoch ist die Wahrscheilicheit, dass bei 350 Leute geau ( 350 heute Geburtstag habe? P ( = ( ( ( Gleichverteilug Stetig Sript S. 85 Disret Sript S. 108 Erwartugswert: E(X = a+b Erwartugswert: E(X = +1 Variaz: var(x = (b a 1 Variaz: var(x = Schätze Sachs S Kosistete Schätzer Sript S. 11 Sachs S. 136 Ei Schätzer ist osistet, we lim = E(X ergibt Der Mittelwert der Stichprobe ist ei osisteter Schätzer. lim = X1+...+X = E(X Der Schätzer X = X1+...+X heisst der Stichprobemittelwert der Stichprobe X 1,..., X. Mit Tascherecher: X: mea({x1,..., X i } 4. Erwartugstreue Schätzer Sript S. 11 Sachs S. 136 Ei Schätzer ist erwartugstreu, we E(Schätzer = E(realer Wert Ist der Stichprobemittelwert ei osisteter E(µ(X 1,..., X = E(X1+...+E(X = E(X Schätzer, aber er ist sogar erwartugstreu: Erwartugstreue Schätzer für var(x ist: S = 1 1 ( Xi 1 ( X i Stichprobevariaz, empirische Variaz S = 1 1 (X i X X = M heisst Stichprobemittelwert i=1 Mit Tascherecher S : variace({x 1,..., X i } S: stddev({x 1,..., X i } 4..1 Kleistmöglicher Fehler E((E(X x1+...+x = miimal F. Brau, L. Schmid, U. Giger, R. Koller, S. Arold, S. Ferretti 0. Jauar 009
6 Wahrscheilicheitsrechug ud Statisti - Formelsammlug (Revisio : powered by LATEX Seite 6 vo Maximum Lielihood Schätzer Sript S. 13 Si des Lielihoodschäzers ist eie ubeate Parameter ϑ eier Dichtefutio f(x, ϑ zu schätze. L(x 1,..., x ; ϑ = p(x 1, ϑ... p(x, ϑ = d dϑ L(x 1,..., x ; ϑ = 0 = ϑ =? (Maximum-Lielihood-Schätzer (x i ϑ 1 Für eie ormalverteilte Grösse lautet die Lielihood Futio: L(x 1,..., x ; ϑ = 1 ( π e σ i=1 Der ubeate Parameter ϑ a u durch suche des Maximums der Futio ermittelt werde (ϑ wird variert. Die Futio wird maximal, we die Summe im Expoet miimal wird. Das ϑ, das die Summe miimiert, a durch ableite ach ϑ ud ull setze ermittelt werde. Es öe auch Stichprobevariaz S oder Ähliches ermittelt werde. 4.4 t-verteilug Sript S. 13 Sachs S. 150 Der Mittelwert ( x1+...+x ormalverteilter Date ist t-verteilt, we die Variaz mit der Stichprobevariaz geschätzt wurde. Ab eier gewisse Azahl Messuge ( 30 a äherugsweise auch wieder mit der Normalverteilug gerechet werde. +1 Γ( Die Wahrscheilicheitdichte der t-verteilug ist: ϕ t (t = +1 πγ( (1 + t ( X µ Falls Verteilug beat ist, fide t so dass P t = 1 α Checliste 1 X, S als Schätzuge vo µ, σ ermittel t aus t-tabelle [ ( = 1 für α = Fehlerw eit 3 Itervall X t S, X ] + t S, (1 α Kofidezitervall S/ [ µ X t S, X ] + t S 4.4. Awedug X µ S/ t-verteilt Beispiel: Fide t: lim = 0 aber lagsamer wie bei Gaussverteilug x 10 Messuge ergebe Durchschittswert 4,7 ud eie Stadardabweichug 0,1. Fide ei 99% Kofidezitervall für µ. = , ,498 [ X 3, 498 S, X ] [ ] + 3, 498 S 4,7 3,498 0,1 10, 4,7 + 3,498 0,1 10 µ [4,507, 4,808] mit Wahrscheilicheit 99% 4.5 Kofidezitervall Sript S. 131 Sachs S. 146 Ei Itervall [L(X 1,..., X, R(X 1,..., X ] heisst ei 1 α- Kofidezitervall für de Parameter ϑ, we der wahre Wert des Parameters ϑ höchstes mit Wahrscheilicheit α ausserhalb des Itervalls liegt. F. Brau, L. Schmid, U. Giger, R. Koller, S. Arold, S. Ferretti 0. Jauar 009
7 Wahrscheilicheitsrechug ud Statisti - Formelsammlug (Revisio : powered by LATEX Seite 7 vo 11 5 Hypothesetest Sachs S Grudsätze - Ma braucht Aussage, die ma widerlege öte. - Irrtum ist möglich (Irrtumsw eit α - Beweis durch Widerlege des Gegebeweises 5. Vorgehe 1. Hypothese, die der Test Widerlege soll. Irrtumsw eit α = 0.05, 0.01,... (Niveau=1-α 3. Testgrösse T, W eitsverteilug 4. Bestimmug der Schrae t für: P ( T E(T > t = α 5. Falls Messuge ergebe T E(T > t = Hypothese falsch mit W eit 1- α 5.3 χ -Test - Teste eier Wahrscheilicheitsverteilug Sript S. 139 Sachs S. 174 χ = Z Z r (Z r sid stadardormalverteilt = χ -Verteilug mit r-freiheitsgrade Durchführug des χ -Tests Teilitervalle: I i, i = 1,..., Wahrscheilicheit: P (X I i = p i Beobachtuge, davo jeweils i im Itervall i ( = i ( i p i p i D = i x r 1 e x ϕ (x = r Γ ( r x > 0 0 x 0 E(X = r; var(x = r 1. Klasse bilde: Gross geug, dass mehrere Beobachtuge i jede Klasse falle. (erste ud letzte Klasse öe breiter sei Faustregel: i 5; : Azahle der Klasse. Disrepaz D bereche i 1 Itervall p i i ( i p i /p i D = 3. Schwellewert für D aus χ 1-Tabelle lese. (Azahl Freiheitsgrade= Azahl Klasse 1 = 1 p = 1 α α =Irrtumswahrscheilicheit D D 1 α Hypothese ist uwahrscheilich! D < D 1 α Hypothese icht wiederlegbar! D D α Date möglicherweise fabriziert! Nachteile: -Grob verpixeltes Bild der Verteilug -we weig Messwerte = gerige Aussageraft ist χ 1, mit 1 Freiheitsgrade F. Brau, L. Schmid, U. Giger, R. Koller, S. Arold, S. Ferretti 0. Jauar 009
8 Wahrscheilicheitsrechug ud Statisti - Formelsammlug (Revisio : powered by LATEX Seite 8 vo Kolmogorov-Smirov Test Sript S. 141 Idee: Date: Vergleiche Verteilugsfutioe (statt der Dichtefutioe X Zufallsvariable, Verteilugsfutio F x, Messuge ergebe Stichprobe x i F x theoretische Verteilugsfutio empirische Verteilugsfutio Azahl{xi x} K + = max F x (x - F emp (x K = max F emp (x-f x (x Sei X1,..., X sei eie Stichprobe eier Zufallsvariable X. Der Kolmogorov- Smirov-Test auf dem Niveau α für die Hypothese, dass X die Verteilugsfutio F hat wird wie folgt durchgeführt: 1. Bereche K + = max <x< (F (x F (x. Fide t,1 α i der Tabelle 3. Falls K + > t,1 α, verwerfe die Hypothese, dass X die Verteilugsfutio F hat. 6 Wichtige Formel 6.1 Reiheetwicluge Geometrische Reihe Biomialreihe E-Futio =0 x = 1 1 x x =0 =0 =0 =1 x < 1 = x x 1 x = (1 x x 1 ( α x = (1 + x α x ( 1, 1 x! = e x F. Brau, L. Schmid, U. Giger, R. Koller, S. Arold, S. Ferretti 0. Jauar 009
9 Wahrscheilicheitsrechug ud Statisti - Formelsammlug (Revisio : powered by LATEX Seite 9 vo 11 7 Übugsverzeichis Titel Übugsummer χ -Test 14.1 Aubrad 3.3 Auto-Ziege-Problem 4. Betrag verdoppel bei Kopf 5.4, 6. Blac Jac 4.4 Blutgruppe 14.3 Bredauer Verzögerugselemet 7.3 Dügemittel (Ertragssteigerug 13. Erwartugstreuer Schätzer 1.1 Erwartugswert bereche 5., 5.3, 5.4, 6.3, 6.4, 7.1, 7. Expoetialverteilug 8.3, 11. Fairesstest 9.1, 13.3 Faltug vo Verteiluge 10.4 Glücsrad.1 Google-Matrix 4.1 Herstellerwere 4.3 Hypergeometrische Verteilug 5.1 Hypothesetest 13, 14.3 Kodesatore & Toleraze 10.3 Kofidezitervall 13.1 Kosisteter Schätzer 1.1 Lebesdauer v. Bauteile 9. Marsmäche mit Pustel 3.1 Maximum Lielihood-Methode 1., 1.3 Mote Carlo Methode.3 MTBF (Mea Time Before Failure 9. Multiple Choice Test.4 Müze (Fairess 9.1 Müze werfe bis Kopf ommt 6.3, 8.1 Nachommastelle mit Müze ermittel 8. Normalverteilug 11.1, 13. Poissoverteilug 6.4 Rausche 11.3 Regressiosgerade 7.3 Roulettetisch bis 1. Null ommt 6.3 Satz vo Bayes 3.1 Schätzer 1.1 Stadardormalverteilug 10., 11.1 Studetebefragug 5.1 t-verteilug 13.1 Test ob Gleichverteilug 14.5 Test ob Normalverteilug 14.4 Totale Wahrscheilicheit 3.3, 4.3 Tschebyscheff 7.1, 7. Uabhägigeit vo Ereigisse 3. Variaz bereche 6.1, 6.4, 7.1, 7. Verteilugsfutio bestimme 8.1, 8., 8.4, 10.1 Wahrscheilicheitsdichte 10.1 Webseitestatisti 13.4 Wetterdate 13.1, 14.4 Widerstäde & Toleraze 10. Widerstadsrausche 11.3 Würfel (Fairess 13.3 Würfel bis eie 6 gewürfelt wird 6.3 Ziege-Auto-Problem 4. F. Brau, L. Schmid, U. Giger, R. Koller, S. Arold, S. Ferretti 0. Jauar 009
10 Wahrscheilicheitsrechug ud Statisti - Formelsammlug (Revisio : powered by LATEX Seite 10 vo 11 8 Tabelle c Prof. Dr. Adreas Müller 8.1 Quatile der Normalverteilug p x Verteilugsfutio der Normalverteilug x Quatile für de Kolmogorov-Smirov-Test p = 0.01 p = 0.05 p = 0.1 p = 0.5 p = 0.5 p = 0.75 p = 0.9 p = 0.95 p = F. Brau, L. Schmid, U. Giger, R. Koller, S. Arold, S. Ferretti 0. Jauar 009
11 Wahrscheilicheitsrechug ud Statisti - Formelsammlug (Revisio : powered by LATEX Seite 11 vo Quatile der t-verteilug = Quatile der χ -Verteilug = 1 p = 0.01 p = 0.05 p = 0.1 p = 0.5 p = 0.5 p = 0.75 p = 0.9 p = 0.95 p = F. Brau, L. Schmid, U. Giger, R. Koller, S. Arold, S. Ferretti 0. Jauar 009
Induktive Statistik. Formelsammlung. Prof. Dr. W. Assenmacher. Stichprobenraum: Ω = {ω 1, ω 2,...,ω m }
Prof. Dr. W. Assemacher Statistik ud Ökoometrie Uiversität Duisburg-Esse Campus Esse Iduktive Statistik Formelsammlug Stichproberaum: Ω = {ω 1, ω,...,ω m } Vollstädiges System vo Ereigisse {A 1,..., A
MehrZusammenfassung WrStat Wahrscheinlichkeit und Statistik
Zusammefassug WrStat Wahrscheilichkeit ud Statistik Emauel Duss emauel.duss@gmail.com 31. Jauar 2014 Zusammefassug WrStat Wahrscheilichkeit ud Statistik Dieses Dokumet basiert auf der Vorlesug Wahrscheilichkeit
MehrVl 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
Mehr3 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
MehrZufallsvariable. 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
MehrEmpirische 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,...,
MehrLehrstuhl 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
MehrKlassifizierung 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( ) Formelsammlung. Kombinatorik. Permutation: ohne Wiederholung. n! = n (n - 1) (n - 2)... 3 2 1 n= alle Elemente. Permutation: mit Wiederholung
Formelsammlug Kombiatori Permutatio: ohe Wiederholug! = ( - 1) ( - 2).... 3 2 1 = alle Elemete Permutatio: mit Wiederholug!! P, = = usw. = gleiche Elemete! 1! K 2! Stichprobe (SP) = geordete Auswahl Geordete
MehrLösungsvorschlag 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
MehrTests 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
MehrWahrscheinlichkeit & 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
MehrProf. 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
MehrEingangsprüfung Stochastik,
Eigagsprüfug Stochastik, 5.5. Wir gehe stets vo eiem Wahrscheilichkeitsraum (Ω, A, P aus. Die Borel σ-algebra auf wird mit B bezeichet, das Lebesgue Maß auf wird mit λ bezeichet. Aufgabe ( Pukte Sei x
MehrEmpirische Ökonomie 1 Sommersemester Formelsammlung. Statistische Grundlagen. Erwartungswert und Varianz einer Zufallsvariable.
Empirische Ökoomie 1 Sommersemester 2013 Formelsammlug Hiweis: Alle Variable, Parameter ud Symbole sid wie i de Vorlesugsuterlage defiiert. Statistische Grudlage Erwartugswert Erwartugswert ud Variaz eier
Mehr4 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
MehrX X Schätzen von Vertrauensintervallen Schwankungsintervall
.. Schätze vo Vertrauesitervalle..1. Schwakugsitervall Beispiel: X = Betrag vo Geldüberweisuge, ormalverteilt, µ = 5000, = 1000 Zufallsstichprobe mit = 100, Schätzer für µ: X X Gesucht: Itervall, i dem
MehrWissenschaftliches 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:
MehrParameterschätzung. 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
MehrBernoulli-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
MehrWahrscheinlichkeitstheorie 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
MehrSchätzen 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:
MehrTesten statistischer Hypothesen
Kapitel 9 Teste statistischer Hypothese 9.1 Eiführug, Sigifiaztests Sigifiaztest für µ bei der ormalverteilug bei beatem σ = : X i seie uabhägig ud µ, ) verteilt, µ sei ubeat. Stelle eie Hypothese über
Mehr2. 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
MehrEinführung 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
MehrAngStat1(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
MehrSchätzen 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
MehrFormelsammlung 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
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
MehrGrundlagen der Biostatistik und Informatik
Vergleich vo mehrere Stichprobe Grudlage der Biostatisti ud Iformati Hypotheseprüfuge III., Nichtparametrische Methode dr László Smeller Semmelweis Uiversität 0 Vergleich vo mehrere Stichprobe Boferroi
MehrKlausur 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
MehrFakultät für Wirtschafts- und Rechtswissenschaften
F A C H H O C H S C H U L E K Ö L N Fakultät für Wirtschafts- ud Rechtswisseschafte F O R M E L S A M M L U N G Deskriptive Statistik Iduktive Statistik Herausgeber: c 2004 Fachgruppe Quatitative Methode
MehrWirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel
3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Beispiel: Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische
Mehr15.4 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
MehrDer 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
MehrWahrscheinlichkeitstheorie und Statistik
Kapitel 15 Wahrscheilichkeitstheorie ud Statistik Verstädisfrage Sachfrage 1. Erläuter Sie de Begriff der absolute ud relative Häufigkeit eier Stichprobe! 2. Erläuter Sie de Begriff der Klassehäufigkeit
MehrMaximum Likelihood Version 1.6
Maximum Likelihood Versio 1.6 Uwe Ziegehage 15. November 2005 Logarithmegesetze log a (b) + log a (c) = log a (b c) (1) log a (b) log a (c) = log a (b/c) (2) log a (b c ) = c log a (b) (3) Ableitugsregel
MehrKovarianz und Korrelation
Kapitel 2 Kovariaz ud Korrelatio Josef Leydold c 2006 Mathematische Methode II Kovariaz ud Korrelatio 1 / 41 Lerziele Mathematische ud statistische Grudlage der Portfoliotheorie Kovariaz ud Korrelatio
Mehr1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre Morgasche Formel A \ B = A [ B A [ B = A \ B Kommutativgesetz A \ B = B \ A A [ B = B [ A Assozia
Statistik I - Formelsammlug Ihaltsverzeichis 1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre................................. 1. Kombiatorik........................................ 1.3 Wahrscheilichkeite....................................
Mehrf X1 X 2 Momente: Eigenschaften: Var(aX + b) = a 2 Var(X) a, b R
Siebformel vo Poicare-Sylvester: k P A k = k+ P A ij k= k= = k= P A k k= i
MehrMathematik IV für Maschinenbau und Informatik
UNIVERSITÄT ROSTOCK Mathematik IV für Maschiebau ud Iformatik Stochastik Prof. Dr. Friedrich Liese Sommersemester 2007 2 Mathematik IV für Maschiebau ud Iformatik INHALT Ihalt... 2 Vorlesugsverzeichis...
Mehr6. 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
MehrStochastik für WiWi - Klausurvorbereitung
Dr. Markus Kuze WS 2013/14 Dipl.-Math. Stefa Roth 11.02.2014 Stochastik für WiWi - Klausurvorbereitug Gesetz der totale Wahrscheilichkeit ud Satz vo Bayes (Ω, F, P) Wahrscheilichkeitsraum, E 1,..., E F
MehrKapitel 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
MehrSBP 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
MehrStatistik. 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
MehrKlausur 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
MehrEreignis Wahrscheinlichkeit P (A) A oder B P (A + B) A und B P (AB) B, wenna P (B A)
Kapitel 10 Statistik 10.1 Wahrscheilichkeit Das Ergebis eier Messug oder Beobachtug wird Ereigis geat. Ereigisse werde mit de Buchstabe A, B,...bezeichet. Die Messug eier kotiuierliche Variable x gibt
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG. - LÖSUNGEN. ypothesetest für die Dicke vo Plättche Die Dicke X vo Plättche, die auf eier bestimmte Maschie
MehrEs 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
MehrPraktikum 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
MehrPrimer WaSt2 1. Primer WaSt2. 1. Grundlagen der Wahrscheinlichkeitstheorie
Primer WaSt Primer WaSt. Grudlage der Wahrscheilicheitstheorie I diesem Kapitel werde die statistische Grudlage, die für die Behadlug vo stochastische Prozesse beötigt werde, urz aufgeführt. Für eie detailliertere
MehrKonfidenzintervalle. Praktische Übung Stochastik SS 2017 Lektion 10 1
Kofidezitervalle Praktische Übug Stochastik SS 017 Lektio 10 1 Kofidezitervalle Geerelle Aahme: Parametrisches Modell (P ϑ ) ϑ Θ Beobachtuge X 1,..., X u.i.v. ach P ϑ mit ubekatem ϑ Θ Grudidee: Schätzer
MehrStatistik 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
MehrDiskrete Zufallsvariablen
Erste Beispiele diskreter Verteiluge Diskrete Zufallsvariable Beroulli-Verteilug Eie diskrete Zufallsvariable heißt beroulliverteilt mit arameter p, falls sie die Wahrscheilichkeitsfuktio p,, f ( ) ( )
Mehr7.2 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
MehrFormel- und Tabellensammlung zum Aktuariellen Grundwissen
Formel- ud Tellesmmlug zum Aturielle Grudwisse Schdeversicherugsmthemti A. Zufllsvrile X, Y seie (disrete oder stetige Zufllsvrile. Verteilugsfutio: F( = P( X (Verteilugs-Dichte: f ( F ( = ei differezierrer
MehrZenraler Grenzwertsatz
Zeraler Grezwertsatz Ato Klimovsky Zetraler Grezwertsatz. Kovergez i Verteilug. Normalapproximatio. I diesem Abschitt beschäftige wir us mit der folgede Frage. Frage: Wie sieht die Verteilug eier Summe
MehrA 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
Mehr10. Übungsblatt zur Einführung in die Stochastik
Fachbereich Mathematik rof. Dr. Michael Kohler Dipl.-Math. Adreas Fromkorth Dipl.-If. Jes Mehert SS 09 6.7.2009 0. Übugsblatt zur Eiführug i die Stochastik Aufgabe 38 (3 ukte Die Zufallsvariable X,...,
MehrI. Deskriptive Statistik
Statisti Prof. Dr. Fra Adreas Schittehelm I. Desriptive Statisti. Grudbegriffe der Dateerhebug Die wichtigste Grudbegriffe der beschreibede Statisti solle ahad der folgede Beispiele erläutert werde: Begriff
MehrKapitel 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
MehrDas 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
MehrProf. Dr. Holger Dette Musterlösung Statistik I Sommersemester 2009 Dr. Melanie Birke Blatt 5
Prof. Dr. Holger Dette Musterlösug Statistik I Sommersemester 009 Dr. Melaie Birke Blatt 5 Aufgabe : 4 Pukte Sei X eie Poissoλ verteilte Zufallsvariable mit λ > 0, ud die Verlustfuktio L sei defiiert durch
MehrStatistik 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
MehrÜbungen 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
MehrEvaluation & Forschungsstrategien
Evaluatio & Forschugsstrategie WS2/2 Prof. Dr. G. Meihardt Johaes Guteberg Uiversität Maiz Prizipie des statistische Schliesses Samplig - Modellvorstellug Populatio Samplig Stichprobe Kewerte x Theoretische
MehrÜbungen 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
MehrEinführung 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
MehrWahrscheinlichkeit und Statistik Zusammenfassung
Wahrscheilichkeit ud Statistik Zusammefassug Fabia Hah, Dio Werli 9. September 008 Wahrscheilichkeitstheorie Grudlegede Kombiatorik Die folgede Tabelle bezieht sich auf das Uremodell: ziehe aus k geordet
MehrFormelsammlung. Deskriptive Statistik und Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen
Formelsammlug Deskriptive Statistik ud Elemetare Wahrscheilichkeitsrechug Prof. Dr. Ralf Rude Statistik ud Ökoometrie, Uiversität Siege Prof. Dr. Ralf Rude - Uiversität Siege I Statistische Grudbegriffe
MehrStatistische Tests zu ausgewählten Problemen
Eiführug i die statistische Testtheorie Statistische Tests zu ausgewählte Probleme Teil : Tests für Erwartugswerte Statistische Testtheorie I Eiführug Beschräkug auf parametrische Testverfahre Beschräkug
Mehr1. Einführung. 1 A (T (x 1,..., x n )) P θ (dx 1 )... P θ (dx n ) X. P θ {T n (X 1,..., X n ) A} =
. Eiführug Bezeichuge: Der durch die Zufallsgröße X defiierte Wahrscheilichkeitsraum [X, B, P X ] heißt auch die Grudgesamtheit X. B ist die σ-algebra der Borelmege aus X. Vielfach wird die Grudgesamtheit
MehrStatistische Modelle und Parameterschätzung
Kapitel 2 Statistische Modelle ud Parameterschätzug 2. Statistisches Modell Die bisher betrachtete Modellierug eies Zufallsexperimetes erforderte isbesodere die Festlegug eier W-Verteilug. Oft besteht
MehrX in einer Grundgesamtheit vollständig beschreiben.
Prof. Dr. Rolad Füss Statistik II SS 008. Puktschätzug vo Parameter eier Grudgesamtheit Nur durch eie Totalerhebug ka ma die Verteilug eier Zufallsvariable X i eier Grudgesamtheit vollstädig beschreibe.
MehrStochastisches Integral
Kapitel 11 Stochastisches Itegral Josef Leydold c 26 Mathematische Methode XI Stochastisches Itegral 1 / 2 Lerziele Wieer Prozess ud Browsche Bewegug Stochastisches Itegral Stochastische Differetialgleichug
MehrFreie Universität Berlin. Fachbereich Mathematik/Informatik. Stochastik I WS 2011/12. Mitschrift von: Moritz Hoffmann (
Freie Uiversität Berli Fachbereich Mathematik/Iformatik Stochastik I WS 2011/12 Mitschrift vo: Moritz Hoffma (Email: cloker@googlemail.com ) Vorlesug vo: Bemerkug: Prof. Dr. Carste Hartma Eie Garatie auf
MehrStochastik 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
Mehr11 Likelihoodquotiententests
11 Likelihoodquotietetests I de Paragraphe 7-10 wurde beste Tests UMP-Tests oder UMPU-Tests i spezielle Verteilugssituatioe hergeleitet Hier soll u ei allgemeies Kostruktiosprizip für Tests vo zusammegesetzte
MehrKapitel 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.
MehrLösungen 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,
Mehr3. 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 ; : :
MehrTests für beliebige Zufallsvariable
Kapitel 10 Tests für beliebige Zufallsvariable 10.1 Der Chi-Quadrat-Apassugstest Sei x eie gaz beliebige Zufallsvariable, dere Dichtefuktio icht oder icht geau bekat ist. Beispiel: Es seie z.b. mittels
MehrKAPITEL 11. Ungleichungen. g(x) g(x 0 ) + K 0 (x x 0 ).
KAPITEL 11 Ugleichuge 111 Jese-Ugleichug Defiitio 1111 Eie Fuktio g : R R heißt kovex, we ma für jedes x R ei K = K (x ) R fide ka, so dass für alle x R gilt: g(x) g(x ) + K (x x ) Bemerkug 111 Eie Fuktio
MehrÜbungsblatt 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
Mehr7. Wahrscheinlichkeitsverteilungen
Seite 1 7. Wahrscheilicheitsverteiluge 7 Wahrscheilicheitsverteiluge 7.1 Häufigeitsverteiluge, Wahrscheilicheitsverteiluge 7.2 Biomialverteilug 7.2.1 Wie groß ist P, dass bei Versuche mal der Erfolg eitritt?
MehrWahrscheinlichkeitsrechnung
Kapitel 7 Wahrscheilichkeitsrechug 7. Kombiatorik Def. 7..:a) Für eie beliebige atürliche Zahl m bezeichet ma das Produkt aus de Zahle vo bis m mit m Fakultät: m! := 2 3 m, 0! :=. b) Für zwei beliebige
MehrFormelsammlung. PD Dr. C. Heumann
Formelsammlug zur Vorlesug Statisti I PD Dr. C. Heuma Formelsammlug Statisti I Desriptive Statisti Häufigeitsverteiluge Darstellugsforme vo Date Rohdate: x 1, x 2,..., x x i Azahl der Beobachtuge Mermalsausprägug
MehrStatistik 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
MehrPflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik
Pflichtlektüre: Kapitel 10 Grudlage der Iferezstatistik Überblick der Begriffe Populatio Iferezstatistik Populatiosparameter Stichprobeverteiluge Auch Stichprobekewerteverteiluge Wahrscheilichkeitstheorie
MehrBernsteinpolynome Vortrag zum Proseminar zur Analysis, Malte Milatz
Bersteipolyome Vortrag zum Prosemiar zur Aalysis, 6. 10. 2010 Malte Milatz I diesem Vortrag wird der bereits im Sript zur Aalysis ii zitierte Approximatiossatz vo Weierstraß mithilfe der Bersteipolyome
MehrHerleitung der Parameter-Gleichungen für die einfache lineare Regression
Herleitug der Parameter-Gleichuge für die eifache lieare Regressio Uwe Ziegehage. März 03 Historie v.0 6.03.009, erste Versio hochgelade v.0 0.03.03, eie Vorzeichefehler beseitigt, diverse Gleichuge ud
MehrWahrscheinlichkeitstheorie und Statistik
Wahrscheilichkeitstheorie ud Statistik Fraz Hofbauer Diese Vorlesug brigt eie elemetare Eiführug i die Wahrscheilichkeitstheorie ohe Verwedug der Maßtheorie. Sie besteht aus drei Teile. Im erste Teil wird
MehrTESTEN VON HYPOTHESEN
TESTEN VON HYPOTHESEN 1. Grudlage Oft hat ma Vermutuge zu Sachverhalte ud möchte diese gere durch Experimete bestätige. Dabei ka es sich i der Praxis zum Beispiel um Verteiluge vo gewisse Zufallsgröße
MehrÜbungsrunde 12, Gruppe 2 LVA , Übungsrunde 12, Gruppe 2, Markus Nemetz, TU Wien,
1 5.11 Übugsrude 12, Gruppe 2 LVA 107.369, Übugsrude 12, Gruppe 2, 23.01.2007 Markus Nemetz, markus.emetz@tuwie.ac.at, TU Wie, 16.01.2007 1.1 Agabe Währed eier 6-moatige Periode wurde die Zeite (Stude)
MehrKombinatorik. 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
MehrEinführung in die Wahrscheinlichkeitstheorie und Statistik
Uiversität Regesburg Fakultät Mathematik Vorlesugsmitschrift Eiführug i die Wahrscheilichkeitstheorie ud Statistik Prof. Helmut Abels Sommersemester 009 L A TEX: Frak Reihold Ihaltsverzeichis 0 Eileitug
MehrAussage über die Verteilung Summen und Durchschnitte beliebig verteilter Zufallsvariablen
7. Grezwertsätze Die Grezwertsätze bilde de Abschluss der Wahrscheilichkeitsrechug ud sid vo zetraler Bedeutug vor allem für die iduktive Statistik. Gesetz der große Zahle Aussage über die Geauigkeit der
MehrZinsratenmodelle in stetiger Zeit: Teil II
Zisratemodelle i stetiger Zeit: Teil II Simoe Folty 1.11.006 1. Vasicek Modell (1977) 1.1 Eiführug Vasicek schlug das folgede Modell für die risikofreie Zisrate r(t) vor, basiered auf der SDGL d r t α
MehrKorrekturliste zum Studienbuch Statistik
Korrekturlite zum Studiebuch Statitik I der aktuelle Auflage wurde durch ei Kovertierugproblem i de Kapitel 0 (S. 3 3 ud de etprechede Abchitte i de Löuge (S. 39 07 teilweie die Zeiche µ durch ud π durch
Mehr