Beurteilende Statistik - Testen von Hypothesen Übungsaufgaben (1)

Größe: px
Ab Seite anzeigen:

Download "Beurteilende Statistik - Testen von Hypothesen Übungsaufgaben (1)"

Transkript

1 Moika Kobel, MK Hypothesetest_Ueb_1cd Beurteilede Statistik - Teste vo Hypothese Übugsaufgabe (1) (1) (2) (3) (4) (5) (6) (7) (8) (9) Eie Fira öchte bei eie Sigifikaztest das Fehlerrisiko bzw Sigifikaziveau bei α = 0 halte Welche Kosequeze zieht diese Festlegug it sich? Bei eie Sigifikaztest wurde die Nullhypothese auf de 1% Sigifikaziveau verworfe Welche der folgede Aussage sid richtig bzw falsch? A: Die Nullhypothese ist achweislich eideutig falsch B: Die Alterativhypothese ist achweislich eideutig wahr C: Mit eier Wahrscheilichkeit vo 99% gilt D: Die Nullhypothese ka a it eier Wahrscheilichkeit vo 1% verwerfe I eier Kliik wird ei eues Medikaet, das die Kozetratiosfähigkeit für Patiete it eie Schädel-Hir-Traua verbesser soll, getestet Mit eie Sigifikaztest soll festgestellt werde, ob dieses Progra erfolgreich ist Wie lautet die Null- ud die Alterativhypothese? Bei eie Würfel wird geprüft ob es sich u eie Laplace-Würfel hadelt Beschreibe Sie die Fehler 1Art ud 2Art Ei Arzeiittel, das das Überlebe eies Patiete sicher soll, wird getestet Beschreibe Fehler 1Art ud 2Art Welcher ist der verhägisvollere? Eie LKW-Ladug Coputer wird vor der Übergabe a ei Geschäft och eial überprüft Was sid hier Fehler 1Art ud 2Art? Welches Risiko bezeichet a als Produzeterisiko, welches als Kosueterisiko? Eie Waschittelfira will durch eie Befragug herausfide, ob durch eie itesive Werbekapage ehr Kude erreicht werde köe Was sid die Risike 1 ud 2Art? Jead öchte eie zugefroree See betrete U sicher zu sei, dass das Eis ih trägt wirft er Steie auf die Eisoberfläche Erittle Sie de Fehler 1Art bzw 2Art I eier Regierugswahl erhielt eie Partei 55% der Stie ud bildet dait die Mehrheit i Parlaet Nach der Wahl wurde eiige fragwürdige Gesetze verabschiedet Bei eier Ufrage uter 900 Bürger gabe 521 a, die besagte Partei ereut zu wähle, we deächst Wahle wäre Hat die Regierugspartei durch ihre Maßahe die ehrheitliche Uterstützug der Bevölkerug - bei eier Irrtuswahrscheilichkeit vo 3% - verlore? Die Tabelle für die Bioialverteilug

2 Lösuge: (1) Eie Fira öchte bei eie Sigifikaztest das Fehlerrisiko bzw Sigifikaziveau bei α = 0 halte Welche Kosequeze zieht diese Festlegug it sich? Möchte a das Risiko 1Art verriger, uss a etweder seie Etscheidugsregel veräder oder de Ufag des Tests erhöhe Beides hat Nachteile: Verädert a die Etscheidugsregel zuguste vo α, erhöht sich autoatisch das Risiko 2Art Erhöht a de Ufag des Tests, zieht sich das Verfahre zeitlich i die Läge ud wird aufwediger α = 0 bedeutet, alles zu teste (2) Bei eie Sigifikaztest wurde die Nullhypothese auf de 1% Sigifikaziveau verworfe Welche der folgede Aussage sid richtig bzw falsch? A: Die Nullhypothese ist achweislich eideutig falsch FALSCH Es ist icht bewiese, dass die Nullhypothese eideutig falsch ist Ma glaubt lediglich, dass die Wahrscheilichkeit groß ist, dass sie falsch ist B: Die Alterativhypothese ist achweislich eideutig wahr FALSCH Es ist icht eideutig bewiese, dass sie wahr ist Ma hat durch das Sigifikaziveau die Nullhypothese verworfe ud it die alterative Hypothese a Deoch besteht eie gerige Wahrscheilichkeit, dass die Nullhypothese zutrifft C: Mit eier Wahrscheilichkeit vo 99% gilt FALSCH Mit eier Wahrscheilichkeit vo 99% gilt Begrüdug: α = 001 P( ) = 1-α = 099 = 99% D: Die Nullhypothese ka a it eier Wahrscheilichkeit vo 1% verwerfe WAHR Begrüdug: α = 001 Fehler 1Art: ist wahr ud a etscheidet gege aufgrud des Tests (3) I eier Kliik wird ei eues Medikaet, das die Kozetratiosfähigkeit für Patiete it eie Schädel-Hir-Traua verbesser soll, getestet Mit eie Sigifikaztest soll festgestellt werde, ob dieses Progra erfolgreich ist Wie lautet die Null- ud die Alterativhypothese? Mögliche Hypothese: Nullhypothese: "Das Medikaet verbessert die Kozetratiosfähigkeit vo Schädel-Hir-Traua-Patiete" Alterative Hypothese: "Das Medikaet verbessert icht die Kozetratiosfähigkeit der Patiete" (4) Bei eie Würfel wird geprüft ob es sich u eie Laplace-Würfel hadelt Beschreibe Sie die Fehler 1Art ud 2Art Nullhypothese: "Der Würfel ist ei Laplace-Würfel" Alterative Hypothese: " Der Würfel ist kei Laplace-Würfel" Fehler 1Art: ist wahr, wird ageoe: "Der Würfel ist ei Laplace Würfel, aber a it a, dass es keier ist" Fehler 2Art: ist wahr, wird ageoe: "Der Würfel ist kei Laplace-Würfel, aber a it a, dass es eier ist"

3 (5) Ei Arzeiittel, das das Überlebe eies Patiete sicher soll, wird getestet Beschreibe Fehler 1Art ud 2Art Welcher ist der verhägisvollere? : "Das Arzeiittel sichert das Überlebe des Patiete" Oder: "Der Patiet überlebt it Hilfe des Medikaets" : "Das Arzeiittel wirkt icht" Fehler 1Art: "Das Medikaet ka das Überlebe des Patiete sicher, wird aber icht agewedet" Fehler 2Art: "Das Medikaet wird de Patiete verabreicht it der Aahe, dass es wirkt, was jedoch icht zutrifft" I diese Fall ist der Fehler 1Art (für de Patiete) der schwerwiegedere (I Zuge der laufede Reforierug useres Gesudheitssystes wird es irgedwa der Fehler 2 Art werde) (6) Eie LKW-Ladug Coputer wird vor der Übergabe a ei Geschäft och eial überprüft Was sid hier Fehler 1Art ud 2Art? Welches Risiko bezeichet a als Produzeterisiko, welches als Kosueterisiko? : "Die Coputer sid eiwadfrei" : "Die Coputer sid defekt" Fehler 1Art: "Die Coputer sid i Ordug, werde aber reklaiert" Fehler 2Art: "Die Coputer sid defekt, werde aber i Geschäft zu Verkauf agebote" (7) Der Fehler 1Art ist das Produzeterisiko, weil sich der Fehler zu seie Nachteil auswirkt, der Fehler 2Art ist das Kosueterisiko Eie Waschittelfira will durch eie Befragug herausfide, ob durch eie itesive Werbekapage ehr Kude erreicht werde köe Was sid die Risike 1 ud 2Art? : "Mehr Kude werde erreicht" : "Es ist werde icht ehr Kude durch eie itesive Werbekapage gewoe" Fehler 1Art: "Es gibt keie itesive Werbekapage, obwohl ehr Kude gewoe werde köte" Fehler 2Art: "Es wird eie itesive Werbekapage gestartet, trotzde gewit a keie eue Kude" (8) Jead öchte eie zugefroree See betrete U sicher zu sei, dass das Eis ih trägt wirft er Steie auf die Eisoberfläche Erittle Sie de Fehler 1Art bzw 2Art : "Das Eis trägt die Perso" : "Das Eis bricht" Fehler 1Art: "Die Perso it a, dass das Eis bricht, obwohl es ih trage würde" Fehler 2Art "Die Perso betritt das Eis ud bricht ei"

4 (9) I eier Regierugswahl erhielt eie Partei 55% der Stie ud bildet dait die Mehrheit i Parlaet Nach der Wahl wurde eiige fragwürdige Gesetze verabschiedet Bei eier Ufrage uter 900 Bürger gabe 521 a, die besagte Partei ereut zu wähle, we deächst Wahle wäre Hat die Regierugspartei durch ihre Maßahe die ehrheitliche Uterstützug der Bevölkerug - bei eier Irrtuswahrscheilichkeit vo 3% - verlore? Gegebe: 900 p 055 α Stie für die Partei Gesucht: k =? 1 Forulierug der Hypothese: : "Die Partei hat die ehrheitliche Uterstützug (55%) och" : "Die Partei hat Wählerstie verlore" 2 Etscheidugsregel: X "Azahl der Stie, die für die Partei sid" k X 900 : Aahe vo 0 X k 1 : Ablehug vo 3 Fehler 1Art: P ( ) = α P( ) = α 003 ( ) 1 α = 097 P Suche i Tafelwerk: p = 055 = α = 097 P k0 520 MIt Mathcad: 0 C SPBiTabelle(, p) k k0 k0 + 6 B k k0 C k k = 523 B = Ab ks 523 ist P > für 0 X 522 gilt P < 097 Die Partei hat die ehrheitliche Uterstützug bei 523 ud ehr Stie (Also hat sie wahrscheilich Stie verlore) 4 Graphik: 15 ks 1 1 α C

5 Bioialkoeffiziet: Wahrscheilichkeit ach Beroulli: : Azahl der Versuche p: Wahrscheilichkeit für eie Treffer k: Azahl der Treffer bk(, k) we k < 1, 1, k bk( 1, k 1) Suewahrscheilichkeit, höchstes z Treffer: Suewahrscheilichkeit, idestes z Treffer: PBiver (, p, k) bk(, k) p k ( 1 p) k SPBi_h(, p, z) SPBi_(, p, z) z k = 0 k = z PBiver (, p, k) PBiver (, p, k) B(,p) i Tabellefor, für große : F(,p) i Tabellefor, für große : PBiTabelle(, p) k 0 SPBiTabelle(, p) PBiTabelle(, p) q p if p > 05 q 1 p b q 0 b while k < k k + 1 otherwise ( 1 q) ( k + 1) b b q k k b s 0 for s s + k k s 1 k 0 1 if p > 05 z ceil for 2 k 0 z s k k k k s

Beurteilende Statistik - Testen von Hypothesen Übungsaufgaben (2)

Beurteilende Statistik - Testen von Hypothesen Übungsaufgaben (2) Moia Kobel, MK 07.05.2005 Hypothesetest_Ueb_2.cd Beurteilede Statisti - Teste vo Hypothese Übugsaufgabe (2) (10) Bei Regierugswahle erreichte Partei A die absolute Mehrheit it 51% der Stie. Bei eier vo

Mehr

Beurteilende Statistik - Testen von Hypothesen Alternativtest

Beurteilende Statistik - Testen von Hypothesen Alternativtest Moika Kobel 26.03.2005 Hypothesetest_i.mcd Beurteilede Statistik - Teste vo Hypothese Alterativtest Bsp.: Eie Fabrik liefert Schachtel mit Schraube hoher Qualität ( 10% der Schraube sid fehlerhaft ) ud

Mehr

10. Testen von Hypothesen Seite 1 von 6

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

Mehr

(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen.

(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen. Schülerbuchseite 98 1 Lösuge vorläufig IV Beurteilede Statistik S. 98 p S. 1 p w a t Tabelle Tabelle dowloadbar im Iteretauftritt 1 Teste vo Hypothese 1 a) Erwartugswert μ = 5 ud Stadardabweichug σ = 1,6;

Mehr

Abschlussprüfung an Fachoberschulen in Bayern Mathematik 2006 Stochastik S1 Ausbildungsrichtung Nichttechnik

Abschlussprüfung an Fachoberschulen in Bayern Mathematik 2006 Stochastik S1 Ausbildungsrichtung Nichttechnik MK 2..0 A_12NT_S1_MK_Loes.mcd Abschlussprüfug a Fachoberschule i Bayer Mathematik 0 Stochastik S1 Ausbildugsrichtug Nichttechik 1. Am 22.04.0 wurde 812.000 Tickets zur FIFA WM 0 verlost. 00.000 Mesche

Mehr

Wahrscheinlichkeit & Statistik Musterlösung Serie 13

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

Mehr

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

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG. - LÖSUNGEN. ypothesetest für die Dicke vo Plättche Die Dicke X vo Plättche, die auf eier bestimmte Maschie

Mehr

Abiturprüfung Mathematik 13 Technik B I - Lösung mit CAS

Abiturprüfung Mathematik 13 Technik B I - Lösung mit CAS GS 04.06.2016 - m16_13t-b1_lsg_cas_gs.pdf Abiturprüfug 2016 - Mathematik 13 Techik I - Lösug mit CAS Teilaufgabe 1.0 Eiem Eishockey-Traier stehe isgesamt 15 Spieler zur Verfügug, wobei es sich um zwölf

Mehr

Kapitel 5: Schließende Statistik

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

Mehr

Tests statistischer Hypothesen

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

Mehr

R. Brinkmann Seite

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

Mehr

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

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

Mehr

Übungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie

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

Mehr

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

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

Mehr

6. Übung - Differenzengleichungen

6. Übung - Differenzengleichungen 6. Übug - Differezegleichuge Beispiel 00 Gesucht sid alle Lösuge vo a) x + 3x + = 0 ud b) x + x + 7 = 0, jeweils für 0. Um diese lieare Differezegleichug erster Ordug zu löse, verwede wir die im Buch auf

Mehr

Die notwendigen Verteilungstabellen finden Sie z.b. hier:

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

Mehr

WB 11 Aufgabe: Hypothesentest 1

WB 11 Aufgabe: Hypothesentest 1 WB 11 Aufgabe: Hypothesentest 1 Ein Medikament, das das Überleben eines Patienten sichern soll, wird getestet. Stelle Null- und Alternativhypothese auf und beschreibe die Fehler 1. Art und 2. Art. Welcher

Mehr

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

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

Mehr

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

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

Mehr

b) Alle ganzen Zahlen die auf 0 enden sind durch 5 teilbar Spezialisierung: 120 endet auf ist durch 5 teilbar

b) Alle ganzen Zahlen die auf 0 enden sind durch 5 teilbar Spezialisierung: 120 endet auf ist durch 5 teilbar d) Die Beweismethode der vollstädige Iduktio Der Übergag vo allgemeie zu spezielle Aussage heisst Deduktio Beispiele: a) Allgemeie Aussage: Spezialisierug: Schluss: Alle Mesche sid sterblich Sokrates ist

Mehr

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

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

Mehr

Musterlösung. Prüfung Statistik Herbstsemester 2011

Musterlösung. Prüfung Statistik Herbstsemester 2011 Prüfug Statistik Herbstsemester 2011 Musterlösug 1. 9 Pukte Lukas ud Markus habe bisher immer Feiste Mii-Brezel 100g des Herstellers Gammelbrot ud Söhe zum Züi gegesse. Vom städige Hugerklage vo Markus

Mehr

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

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

Mehr

6 Vergleich mehrerer unverbundener Stichproben

6 Vergleich mehrerer unverbundener Stichproben 6 Vergleich mehrerer uverbudeer Stichprobe 6.1 Die eifaktorielle Variazaalyse Die eifaktorielle Variazaalyse diet der Utersuchug des Eiflusses eier kategorieller (bzw. ichtmetrischer) Variable, die die

Mehr

3.2 Wilcoxon Rangsummentest

3.2 Wilcoxon Rangsummentest 3. Wilcoxo Ragsummetest Wir gehe davo aus, dass zwei Teilstichprobe x 1, x,..., x 1 ud y1, y,..., y vorliege, wobei die erste Teilstichprobe aus Realisieruge vo uabhägig ud idetisch stetig verteilte Zufallsvariable

Mehr

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

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

Mehr

Kapitel VI. Einige spezielle diskrete Verteilungen

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

Mehr

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

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

Mehr

Mathematik der Lebensversicherung. Dr. Karsten Kroll GeneralCologne Re

Mathematik der Lebensversicherung. Dr. Karsten Kroll GeneralCologne Re atheatik der Lebesersicherug r. Karste Kroll GeeralCologe Re atheatik der Lebesersicherug atheatische Grudasätze iskotiuierliche ethode: Sätliche Leistuge erfolge zu bestite Zeitpukte ie Zeititeralle dazwische

Mehr

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

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

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler Statistik ud Wahrscheilichkeitsrechug Testatprüfug am Doerstag 5.Mai Wa? Doerstag, 5. Mai, 8:00 Uhr Dauer der

Mehr

Statistik und Wahrscheinlichkeitsrechnung

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

Mehr

3 Vergleich zweier unverbundener Stichproben

3 Vergleich zweier unverbundener Stichproben 3 Vergleich zweier uverbudeer Stichprobe 3. Der Zweistichprobe t-test Es wird vorausgesetzt, dass die beide Teilstichprobe x, x,..., x ud y, y,..., y jeweils aus (voeiader uabhägige) ormalverteilte Grudgesamtheite

Mehr

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

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

Mehr

Schätzen von Populationswerten

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

Mehr

Tutorial zum Grenzwert reeller Zahlenfolgen

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

Mehr

Schätzen von Populationswerten

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

Mehr

Zentraler Grenzwert Satz

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

Mehr

Übungen zu QM III Mindeststichprobenumfang

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

Mehr

Statistik I/Empirie I

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

Mehr

Kapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit

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

Mehr

2.3 Kontingenztafeln und Chi-Quadrat-Test

2.3 Kontingenztafeln und Chi-Quadrat-Test 2.3 Kotigeztafel ud Chi-Quadrat-Test Die Voraussetzuge a die Date i diesem Kapitel sid dieselbe, wie im voragegagee Kapitel, ur dass die Stichprobe hier aus Realisieruge vo kategorielle Zufallsvariable

Mehr

WS 2009/10. Diskrete Strukturen

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

Mehr

Betrachtung von wahrscheinlichen und unwahrscheinlichen Zuständen eines Systems. Beide Zustände haben die gleiche Innere Energie (ideales Gas).

Betrachtung von wahrscheinlichen und unwahrscheinlichen Zuständen eines Systems. Beide Zustände haben die gleiche Innere Energie (ideales Gas). Etropie etrachtug vo wahrscheiliche ud uwahrscheiliche Zustäde eies Systems. A eispiel: Gas Vakuum Gas eide Zustäde habe die gleiche Iere Eergie (ideales Gas). Übergag vo ach A ist keie Verletzug des Eergiesatzes.

Mehr

ALP I Induktion und Rekursion

ALP I Induktion und Rekursion ALP I Iduktio ud Rekursio Teil II WS 2009/200 Prof. Dr. Margarita Espoda Prof. Dr. Margarita Espoda Iduktio über Bäue Defiitio: a) Ei eizeler Blatt-Kote ist ei Bau o b) Falls t, t 2,,t Bäue sid, da ist

Mehr

Investitionsentscheidungsrechnung Annuitäten Methode

Investitionsentscheidungsrechnung Annuitäten Methode Mit Hilfe der köe folgede Ivestitioe beurteilt werde: eizele Ivestitioe alterative Ivestitiosobjekte optimale Ersatzzeitpukte Seite 1 Folgeder Zusammehag besteht zwische der Kapitalbarwertmethode ud der

Mehr

Humboldt-Universität zu Berlin Wintersemester 2017/18. Mathematisch-Naturwissenschaftliche Fakultät II Institut für Mathematik A.

Humboldt-Universität zu Berlin Wintersemester 2017/18. Mathematisch-Naturwissenschaftliche Fakultät II Institut für Mathematik A. Huboldt-Uiversität zu Berli Witerseester 07/8. Matheatisch-Naturwisseschaftliche Fakultät II Istitut für Matheatik A. Filler Übugsaufgabe zur Vorlesug Lieare Algebra ud Aalytische Geoetrie I Übugsserie

Mehr

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

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

Mehr

Grenzwertberechnungen

Grenzwertberechnungen Katosschule Solothur Grezwertberechuge Grezwertberechuge Grezwertberechuge bei Folge ud Reihe Folge sid Fuktioe; die Begriffe beschräkt ud mooto trete daher auch bei Folge auf. Isbesodere habe sie eie

Mehr

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

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

Mehr

1 Informationsmodellierung mit dem Entity-Relationship-Modell

1 Informationsmodellierung mit dem Entity-Relationship-Modell 1 Iforatiosodellierug it de Etity-Relatioship-Modell Die ACID-Dopig-Detektei beötigt für ihre Jagd ach Dopigsüder ei Iforatiossyste, bei de ei relatioales Datebaksyste zu Eisatz koe soll. [20 P.] i) Erfasse

Mehr

Kapitel 9: Schätzungen

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

Mehr

Auf welches Endkapital wächst ein Kapital von 4352,40 bei 3,5 % Zinsverzinsung in 8 Jahren an?

Auf welches Endkapital wächst ein Kapital von 4352,40 bei 3,5 % Zinsverzinsung in 8 Jahren an? 2--3 Übugsblatt Lösuge. Aufgabe: Auf welches Edkapital wächst ei Kapital vo 432,4 bei 3, % Zisverzisug i Jahre a? K K q geg: K = 432,4 ; p = 3,; = Jahre ges: K K 432,4,3 K 73,2 Das Edkapital ach Jahre

Mehr

D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Übungsblatt 8. b n := 1 n. a k. k=1

D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Übungsblatt 8. b n := 1 n. a k. k=1 D-MATH, D-PHYS, D-CHAB Aalysis I HS 2017 Prof. Mafred Eisiedler Übugsblatt 8 1. Bereche Sie de Grezwert lim a für die Folge (a ) gegebe durch a) a = (2 1/ ) 10 (1 + 1/ 2 ) 10 1 1/ 2 1/, b) a = + 1, c)

Mehr

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

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

Mehr

Fit in Mathe. April Klassenstufe 10 Wurzelfunktionen

Fit in Mathe. April Klassenstufe 10 Wurzelfunktionen Thema Fit i Mathe Musterlösuge 1 April Klassestufe 10 Wurzelfuktioe Uter der -te Wurzel eier icht-egative Zahl (i Zeiche: ) versteht ma die icht-egative Zahl, die mal mit sich selber multipliziert, die

Mehr

n=0 f(x) = log(1 + x) = n=1

n=0 f(x) = log(1 + x) = n=1 Potez - Reihe Machmal ist es praktisch eie Fuktio f() mir Hilfe ihrer Potezreihe auszudrücke. Eie Potezreihe um de Etwicklugspukt 0 sieht im Allgemeie so aus a ( 0 ) Fuktioe, für die eie Potezreihe eistiert,

Mehr

Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME

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

Mehr

Republik Kongo, 2013 Einwohnerzahl 2,04 Millionen. Auf der Seite der Männer ist die Pyramide bei der Altersgruppe der 20- bis 60-Jährigen

Republik Kongo, 2013 Einwohnerzahl 2,04 Millionen. Auf der Seite der Männer ist die Pyramide bei der Altersgruppe der 20- bis 60-Jährigen Alt ud Jug 10 1 5 mathbuch 3+ LU 10 Arbeitsheft+ Teste dich selbst (Lösuge) spyramide, 2013 Republik Kogo, 2013 Eiwoherzahl 2,04 Millioe Eiwoherzahl 4,5 Millioe 99 Mäer Fraue 99 99 Mäer Fraue 99 300 200

Mehr

Verteilungsfunktionen

Verteilungsfunktionen Verteilugsfuktioe Wie sid zufällige Fehler verteilt? Wie sid Messwerte verteilt? Fehler Messwerte Verteilugsfuktioe: Maxwell-Boltza Feri-Dirac Bose-Eistei Placksche Verteilug Frage ist stets, wie groß

Mehr

Effiziente Algorithmen I: Approximationsalgorithmen Motivation und Begriffe

Effiziente Algorithmen I: Approximationsalgorithmen Motivation und Begriffe Michael Auerbach 291 Effiziete Algorithe I: Approxiatiosalgorithe Motivatio ud Begriffe Viele fudaetale Optiierugsproblee lasse sich für e Praxis icht schell geug exakt löse. Daher besteht der Wusch, das

Mehr

Aufgabe 1. d) Berechnen Sie die Wahrscheinlichkeit dafür, dass Axel 1,5 Stunden warten muss.

Aufgabe 1. d) Berechnen Sie die Wahrscheinlichkeit dafür, dass Axel 1,5 Stunden warten muss. Lehrstuhl für Statistik ud Ökoometrie Otto-Friedrich-Uiversität Bamberg Prof. Dr. Susae Rässler Aufgabe 1 Aufgrud eier Sommergrippe muss Studet Axel seie Hausarzt aufsuche. Um die Wartezeit besser abschätze

Mehr

Gliederung. Value-at-Risk

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

Mehr

Übungsaufgaben II. Übungsaufgaben II. f) Wie groß ist die Wahrscheinlichkeit, dass er mindestens 1 richtige Antworten. ankreuzt?

Übungsaufgaben II. Übungsaufgaben II. f) Wie groß ist die Wahrscheinlichkeit, dass er mindestens 1 richtige Antworten. ankreuzt? Berufsolleg Marieschule Lippstadt Schuljahr /7 Kurs: Mathemati AHR. Berufsolleg Marieschule Lippstadt Schuljahr /7 Kurs: Mathemati AHR. Aufgabe Ei Multiple-Choise-Test besteht aus Frage für die jeweils

Mehr

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

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

Mehr

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

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

Mehr

Testen statistischer Hypothesen

Testen 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

Mehr

Tests für beliebige Zufallsvariable

Tests 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

Mehr

4 Schwankungsintervalle Schwankungsintervalle 4.2

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

Mehr

TESTEN VON HYPOTHESEN

TESTEN 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

Mehr

Statistik und Wahrscheinlichkeitsrechnung

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

Mehr

Statistik I Februar 2005

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

Mehr

2. Repetition relevanter Teilbereiche der Statistik

2. Repetition relevanter Teilbereiche der Statistik . Repetitio Statistik Ökoometrie I - Peter Stalder. Repetitio relevater Teilbereiche der Statistik (Maddala Kapitel ) Zufallsvariable ud Wahrscheilichkeitsverteiluge Zufallsvariable X (stochastische Variable)

Mehr

Stochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL)

Stochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Prof. Dr. M. Schweizer ETH Zürich Witer 28 Stochastik - Lösug (BSc D-MAVT / BSc D-MATH / BSc D-MATL). (6 Pukte) a) (2 Pukte) Wir defiiere die Ereigisse K {die Perso ist krak} ud T {der Test ist positiv}.

Mehr

Klausur 1 über Folgen

Klausur 1 über Folgen www.mathe-aufgabe.com Klausur über Folge Hiweis: Der GTR darf für alle Aufgabe eigesetzt werde. Aufgabe : Bestimme eie explizite ud eie rekursive Darstellug! a) für eie arithmetische Folge mit a = 6, ;

Mehr

heißt kommutativ (oder auch abelsch), falls für die Verknüpfung das Kommutativgesetz gilt: (G 5) Für alle ab, Ggilt a b

heißt kommutativ (oder auch abelsch), falls für die Verknüpfung das Kommutativgesetz gilt: (G 5) Für alle ab, Ggilt a b r M J auer Algebraische trukture 7 Kapitel : Gruppe Gruppe: efiitio, Beispiele efiitio (Gruppe) Eie Mege G (G ) zusamme mit eier Verküpfug heißt eie Gruppe, we folgede Eigeschafte erfüllt sid: (G ) G ist

Mehr

1 Randomisierte Bestimmung des Medians

1 Randomisierte Bestimmung des Medians Praktikum Diskrete Optimierug (Teil 0) 0.07.006 Radomisierte Bestimmug des Medias. Problemstellug ud Ziel I diesem Abschitt stelle wir eie radomisierte Algorithmus zur Bestimmug des Medias vor, der besser

Mehr

Lösungen zum Ferienkurs Analysis 1, Vorlesung 2 Wintersemester 2014/2015

Lösungen zum Ferienkurs Analysis 1, Vorlesung 2 Wintersemester 2014/2015 Lösuge zum Feriekurs Aalysis, Vorlesug Witersemester 04/05 Fabia Hafer, Thomas Baldauf I Richtig oder Falsch Sid folgede Aussage richtig oder falsch? Korrigiere bzw. ergäze Sie falsche Aussage. Gebe Sie

Mehr

2. Verteilung der Primzahlen. Bertrands Postulat

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

Mehr

und wird als n-dimensionaler (reeller) Vektorraum bezeichnet. heißt der von v 1,..., v k aufgespannte Unterraum des R n.

und wird als n-dimensionaler (reeller) Vektorraum bezeichnet. heißt der von v 1,..., v k aufgespannte Unterraum des R n. Reeller Vektorraum Kapitel Vektorräume Die Mege aller Vektore x mit Kompoete bezeiche wir mit x R =. : x i R, i x ud wird als -dimesioaler (reeller) Vektorraum bezeichet. Defiitio Ei Vektorraum V ist eie

Mehr

Übungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 8

Übungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 8 Mathematisches Istitut der Uiversität Müche Prof Dr Peter Otte WiSe 203/4 Lösug 8 032203 Übuge zur Aalysis für Iformatiker ud Statistiker Lösug zu Blatt 8 Aufgabe 8 [8 Pukte] (a) Für alle N sei = (+) Wir

Mehr

4. Die Menge der Primzahlen. Bertrands Postulat

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

Mehr

Kapitel 2: Laplacesche Wahrscheinlichkeitsräume

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

Mehr

Klausur 3 Kurs 11ma3g Mathematik

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

Mehr

Fakultät und Binomialkoeffizient Ac

Fakultät und Binomialkoeffizient Ac Faultät ud Biomialoeffiziet Ac 2013-2016 Die Faultät (atürliche Zahl): Die Faultät Faultät ist so defiiert:! = 1 2 3... ( - 1) ; 0! = 1 Die reursive Defiitio ist: Falls = 0, da! = 1; sost! = ( - 1)! JAVA-Methode(iterativ):

Mehr

9. Primzahltests. Problemstellung: Definition: Satz: Gegeben sei n N, n 0, gilt n P?

9. Primzahltests. Problemstellung: Definition: Satz: Gegeben sei n N, n 0, gilt n P? 9. Primzahltests Problemstellug: Gegebe sei N, 0, gilt P? Vergleich mit Tabelle ( 1 0 1, 1 0 1 3 uzweckmäßig Teste alle p P mit p 1 / auf p uzweckmäßig Fermat-Test : Wähle zufällig eiige a i Z ud teste:

Mehr

Lineare Abbildungen und Matrizen

Lineare Abbildungen und Matrizen Kapitel 6 Lieare Abbilduge ud Matrize I diese Kapitel werde wir lieare Abbilduge ittels sogeater Matrize beschreibe. Das Matrizekalkül wurde i Wesetliche vo C.F. Gauß, J.J. Sylvester ud A. Cayley i 19.

Mehr

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

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

Mehr

Grenzwerte von Folgen. 1-E Ma 1 Lubov Vassilevskaya

Grenzwerte von Folgen. 1-E Ma 1 Lubov Vassilevskaya Grezwerte vo Folge -E Ma Lubov Vassilevskaya Berechug vo Grezwerte: Aufgabe Die Berechug vo Grezwerte ka oft ziemlich umstädlich sei. Die etwickelte Regel vereifache oft solche Berechuge. Diese Regel beruhe

Mehr

Anwendungen der Wahrscheinlichkeit II. Markovketten

Anwendungen der Wahrscheinlichkeit II. Markovketten Aweduge der Wahrscheilichkeit II 1. Fragestelluge Markovkette Markovkette sid ei häufig verwedetes Modell zur Beschreibug vo Systeme, dere Verhalte durch eie zufällige Übergag vo eiem Systemzustad zu eiem

Mehr

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0. 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 8.1 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12.075, p-wert: 0.0168 f χ

Mehr

Grundlagen der Mathematik (LPSI/LS-M1)

Grundlagen der Mathematik (LPSI/LS-M1) Fachbereich Mathematik Algebra ud Zahletheorie Christia Curilla Grudlage der Mathematik (LPSI/LS-M1) Übugsklausur WiSe 2010/11 - C. Curilla/S. Koch/S. Ziegehage Liebe Studierede, im Folgede fide Sie eiige

Mehr

KAPITEL 11. Ungleichungen. g(x) g(x 0 ) + K 0 (x x 0 ).

KAPITEL 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

Mehr

Diskrete Wahrscheinlichkeitstheorie Wiederholungsklausur

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

Mehr

Aufgabe 5: Grundlagen Wahr keit, Satz von Bayes und Binomialverteilung

Aufgabe 5: Grundlagen Wahr keit, Satz von Bayes und Binomialverteilung Klausur: Statistik Jürge Meisel Zugelassee Hilfsmittel: icht progr. Tascherecher Bearbeitugszeit: 60 Miute Amerkug zur Bearbeitug: Die Klausur besteht aus isgesamt 6 Aufgabe. Sie müsse ur 5 davo bearbeite.

Mehr