Der Additionssatz und der Multiplikationssatz für Wahrscheinlichkeiten

Größe: px
Ab Seite anzeigen:

Download "Der Additionssatz und der Multiplikationssatz für Wahrscheinlichkeiten"

Transkript

1 Der Additiossatz ud der Multiplikatiossatz für Wahrscheilichkeite Die Wahrscheilichkeitsrechug befasst sich mit Ereigisse, die eitrete köe, aber icht eitrete müsse. Die Wahrscheilichkeit eies Ereigisses ist ei Maß der Glaubwürdigkeit dafür, dass dieses Ereigis eitritt. Wahrscheilichkeite, mit dee ma reche ka, werde i Zahle zwische 0 ud agegebe. Ist die Wahrscheilichkeit gleich ull, hält ma das Ereigis für umöglich; ist die Wahrscheilichkeit gleich eis, hält ma das Ereigis für sicher. Dazwische ka die Wahrscheilichkeit für ei usicheres Ereigis beliebig abgestuft werde. Wahrscheilichkeite lasse sich gut aus Zufallsexperimete ableite. Ei Zufallsexperimet ist ei Experimet, das uter gleiche Bediguge mehrmals durchgeführt werde ka ud desse Ergebis bei eimaliger Durchführug sich icht vorhersage lässt. So weiß ma beim Würfelspiel zwar, dass der Würfel, we er gefalle ist, ur eie der Zahle vo eis bis sechs azeige ka, aber welche Zahl beim ächste Wurf obe liege wird, das ka ma u ebe icht vorhersage. We ma icht gerade mit Betrüger spielt, gibt es keie Grud zu glaube, dass eie Zahl bevorzugt auftritt ma wird wohl alle 6 Möglichkeite für gleich glaubwürdig halte ud ihe also die gleiche Wahrscheilichkeit beimesse. Die Überlegug liegt auf der Had: Es gibt, we ei Würfel ei Mal geworfe wird, 6 Möglichkeite für das Ergebis. Iteressiert ma sich für die Wahrscheilichkeit dafür, dass eie bestimmte Augezahl gewürfelt wird, zum Beispiel eie 6, da ka ma sage: Die 6 ist eie vo 6 Möglichkeite, also ist die Wahrscheilichkeit, bei eimaligem Würfel eie 6 zu erziele, gerade /6. We mehrere Fälle vo Iteresse sid, zum Beispiel we ma gewit bei eier oder bei eier 6, da sid dies 2 vo 6 Möglichkeite, die Wahrscheilichkeit wäre 2/6 /3. Somit lässt sich die Wahrscheilichkeit des iteressierede Falles oder der iteressierede Fälle als Ergebis eies Zufallsexperimetes folgedermaße defiiere: Azahl der iteressierede Fälle Wahrscheilichkeit der iteressierede Fälle Azahl der mögliche Fälle Wisseschaftlich gesehe setzt diese Defiitio der Wahrscheilichkeit voraus, dass die mögliche Fälle alle gleich wahrscheilich sid. Damit ist die Wahrscheilichkeit mit sich selbst defiiert, eie wisseschaftlich abzulehede Tautologie. We ma aber wie hier die Wahrscheilichkeit als Maß der Glaubwürdigkeit für das Eitrete vo Ereigisse defiiert, da ka ma auch glaube, dass mache Ereigisse gleich wahrscheilich sid. Welche Grud sollte es sost gebe, eie bestimmte Augezahl beim Würfel für wahrscheilicher zu halte als die adere? Die eizele sich gegeseitig ausschließede Ergebisse eies Zufallsexperimetes heiße Elemetarereigisse. Die Mege aller mögliche Elemetarereigisse eies bestimmte Zufallsexperimetes ist der Ereigisraum. We ma de Ereigisraum richtig defiiert hat, ka ma sage: Eies der Elemetarereigisse tritt mit Sicherheit ei, oder aders ausgedrückt: Die Wahrscheilichkeit dafür, dass irgedei Elemetarereigis bei eimaliger Durchführug eies Zufallsexperimetes eitritt, ist. Es ka ur eies der Elemetarereigisse eitrete ud icht gleichzeitig als Ergebis desselbe Zufallsexperimetes ei aderes. Zwei Ereigisse, die icht gemeisam eitrete köe, die sich also gegeseitig ausschließe, et ma disjukte Ereigisse. Die Augezahl eies Würfels ka icht gleichzeitig ud 2 sei, ud auch adere Kombiatioe vo Augezahle köe bei eimaligem Werfe eies Würfels icht auftrete. Da dies für jedes Paar vo Elemetarereigisse gilt (sost wäre es keie Elemetarereigisse), bezeichet ma die Elemetarereigisse eies bestimmte Ereigisraumes auch als paarweise disjukt. Es leuchtet umittelbar ei, dass die Wahrscheilichkeit, bei eiem Wurf etweder eie oder eie 2 zu erziele, /6 + /6 /3 beträgt. Ma addiert eifach die Eizelwahrscheilichkeite für die beide Ereigisse. Dass dies richtig ist, sieht ma spätestes bei folgedem Satz ei: Die Wahrscheilichkeit, mit eiem Würfel etweder eie oder eie 2 oder eie 3 oder eie 4 oder eie 5 oder eie 6 zu würfel, ist /6 + /6 + /6 +/6 +/6 + /6. Eie vo de 6 Augezahle liegt mit Sicherheit obe. Dies lässt sich mathematisch elegater formuliere. Es sei P(A) die Wahrscheilichkeit für das Ereigis A ud P(B) die Wahrscheilichkeit für das Ereigis B. We A ud B disjukte Ereigisse sid, ist die Wahrscheilichkeit dafür, dass etweder A oder B eitritt: P( A B) P( A) + P( B) - - wahr0.doc

2 Der Additiossatz ud der Multiplikatiossatz für Wahrscheilichkeite Dies ist der Additiossatz für die Wahrscheilichkeite vo disjukte Ereigisse. Für paarweise disjukte Ereigisse A i (i..) lässt sich der Additiossatz erweiter. Es gilt: oder, i alterativer Schreibweise: P( A A A ) 2 i i i Natürlich gibt es auch Ereigisse, die icht disjukt sid, die gemeisam eitrete köe. Würfelt ma mit eie Würfel zwei Mal, da ka ma eie ud eie 2 gleichzeitig würfel, oder zwei Sechse Ereigisse, die bei eimaligem Würfel disjukt sid, hier aber Elemetarereigisse darstelle. Diese Elemetarereigisse bestehe u aus zwei Ereigisse, dem Ergebis des erste Wurfs ud dem Ergebis des zweite Wurfs (ob ma deselbe Würfel zwei Mal wirft oder zwei Würfel zur gleiche Zeit, das läuft auf das Gleiche hiaus). Ei eizeler Wurf ist dagege kei Elemetarereigis mehr, de das Zufallsexperimet besteht ebe im zweimalige Würfel. Das Zufallsexperimet zweimaliges Werfe eies Würfels hat als Elemetarereigis das jeweilige Ergebis beider Würfe. Nach dem erste Wurf muss ma de zweite abwarte, damit ma ei Elemetarereigis erhält. Isgesamt ergibt sich für dieses Zufallsexperimet folgeder Ereigisraum:, 2, 3, 4, 5, 6,,2 2,2 3,2 4,2 5,2 6,2,3 2,3 3,3 4,3 5,3 6,3,4 2,4 3,4 4,4 5,4 6,4,5 2,5 3,5 4,5 5,5 6,5,6 2,6 3,6 4,6 5,6 6,6 Ereigisraum des Wurfs zweier Würfel Ei Elemetarereigis ka also aus mehrere Ereigisse bestehe. Adererseits köe Elemetarereigisse je ach Fragestellug a das Zufallsexperimet zu beliebige Ereigisse kombiiert werde. So ka ma als zusammegesetztes Ereigis defiiere: Beide Würfel zeige die gleiche Augezahl : oder Die Augesumme beträgt 0 : A { (,), (2,2), (3,3), (4,4), (5,5), (6,6) } B { (4,6), (5,5), (6,4) } Der Fatasie sid hier keie Greze gesetzt. Im Folgede bleibe wir bei de icht äher defiierte Ereigisse A, B, C oder A i ud verwede die Darstellug des Ereigisraumes als Fläche. I der obige Tabelle immt ja jedes der 36 Ereigisse geau /36 der gesamte Fläche ei. Defiiert ma diese als, da ist die Fläche eies Elemetarereigisses gerade die Wahrscheilichkeit, mit der es eitritt (es iteressiert Fall vo 36 mögliche Fälle). Diese Darstellug vo Wahrscheilichkeite als Fläche i eiem Ereigisraum mit der Fläche et ma ach dem Erfider Joh Ve ei Ve-Diagramm. So lasse sich die Wahrscheilichkeite zweier disjukter Ereigisse A ud B folgedermaße darstelle: wahr0.doc

3 Der Additiossatz ud der Multiplikatiossatz für Wahrscheilichkeite Wahrscheilichkeite disjukter Ereigisse Ei Blick auf dieses Diagramm bestätigt umittelbar die Richtigkeit des Additiossatzes für die Wahrscheilichkeite disjukter Ereigisse: Die Wahrscheilichkeit, dass A eitritt, ist die Fläche P(A), die Wahrscheilichkeit, dass B eitritt, ist die Fläche P(B), ud die Wahrscheilichkeit, dass etweder A oder B eitritt, ist die Summe der Fläche P(A) ud P(B). Nu gibt es auch de Fall, dass die iteressierede Ereigisse sich icht gegeseitig ausschließe, soder gemeisam eitrete köe. Wie wahrscheilich ist es da, dass etweder das Ereigis A oder das Ereigis B eitritt? Wie lautet der Additiossatz für die Wahrscheilichkeite icht disjukter Ereigisse? Dieser Fall lässt sich leicht i eiem Ve-Diagramm darstelle, idem die Wahrscheilichkeite P(A) ud P(B) überlapped eigezeichet werde. Der Überlappugsbereich stellt da die Wahrscheilichkeit dar, dass sowohl das Ereigis A als auch das Ereigis B eitritt. Bezeichet ma die Wahrscheilichkeit für das gemeisame Eitrete vo A ud B als P(A B), ist dies die Durchschittsmege vo P(A) ud P(B): ( B) Wahrscheilichkeite icht disjukter Ereigisse Offesichtlich ist die Wahrscheilichkeit, dass etweder A oder B eitritt, die vo beide Wahrscheilichkeite eigeschlossee Fläche. Addiert ma aber P(A) ud P(B), um diese Wahrscheilichkeit zu erhalte, muss ma bedeke, dass die Fläche P(A B) sowohl i P(A) als auch i P(B) ethalte ist. I der Summe P(A) + P(B) ist P(A B) zwei Mal ethalte; die Fläche wird doppelt gezählt. Zieht ma deswege P(A B) ei Mal ab, erhält ma das richtige Ergebis, de Additiossatz für die Wahrscheilichkeit zweier icht disjukter Ereigisse: P( A B) P( A) + P( B) P( A B) Die Wahrscheilichkeit, dass etweder ei beliebiges Ereigis oder ei aderes beliebiges Ereigis eitritt, ist die Summe ihrer Wahrscheilichkeite abzüglich der Wahrscheilichkeit für das gemeisame Eitrete beider Ereigisse. Die Dige verkompliziere sich, we drei Ereigisse betrachtet werde. Ituitiv ergibt sich für diese Fall folgede Darstellug: wahr0.doc

4 Der Additiossatz ud der Multiplikatiossatz für Wahrscheilichkeite ( B) ( ) B C PB C C Wahrscheilichkeite dreier icht disjukter Ereigisse Die Wahrscheilichkeit für das alterative Eitrete dieser Ereigisse ist wieder die vo de Wahrscheilichkeite eigeschlossee Fläche. Addiert ma u P(A), P(B) ud P(, da hat ma die drei überlappede Fläche P(A B), P(A ud P(B doppelt gezählt. We ma diese drei Fläche wieder abzieht, um das zu korrigiere, muss ma wieder bedeke, dass die Wahrscheilichkeite P(A B), P(A ud P(B allesamt auch i der Fläche P(A B ethalte sid. Zieht ma also die Fläche P(A B), P(A ud P(B ab, da hat ma i Wirklichkeit jedes Mal die Fläche P(A B mit abgezoge. Damit ist die Fläche P(A B i der Additio vo P(A), P(B) ud P( drei Mal ethalte, ud mit der Subtraktio vo P(A B), P(A ud P(B ist sie drei Mal abgezoge, sodass sie überhaupt icht mehr ethalte ist. Um dies zu korrigiere, addiert ma diese Fläche wieder ud erhält mit eier gewisse Aspaug der Vorstellugskraft de Additiossatz der Wahrscheilichkeite vo drei icht disjukte Ereigisse: P( A B P( A) + P( B) + P( P( A B) P( A P( B + P( A B Ei strigeter Beweis ist das aber icht. Dieser lässt sich führe, we ma alle Fläche eideutig ud uterscheidbar beet. Die Fläche P(A B) ist ja tatsächlich größer als eigezeichet, weil die Wahrscheilichkeit für das gemeisame Eitrete vo A ud B auch i der Fläche P(A B ethalte ist. Die als P(A B) gekezeichete Fläche ist geau geomme die Fläche P(A B), aber icht P(. Mithilfe des Megeoperators \ (ohe) lässt sich diese Fläche korrekt als P(A B \ bezeiche. Wedet ma diese Notatio auf alle Kombiatiosmöglichkeite der drei Ereigisse A, B ud C a, bilde drei Ereigisse, die gemeisam eitrete köe, folgede Mege: A\B\C A C\B A B\C A B C C\A\B B\A\C B C\ A Kombiatiosmöglichkeite vo drei Ereigisse A, B ud C Jede Fläche ist u vo alle adere verschiede, die Fläche sid eideutig gegeeiader abgegrezt. Bei eimaliger Durchführug eies Zufallsexperimetes mit diese mögliche Ergebisse ka ur eie der Möglichkeite eitrete, alle adere icht. Das heißt, die dargestellte Ereigisse ud Ereigiskombiatioe sid disjukt. Damit gilt für das alterative Eitrete dieser Ereigisse der Additiossatz disjukter Ereigisse, es ist: wahr0.doc

5 Der Additiossatz ud der Multiplikatiossatz für Wahrscheilichkeite () ( ) P( A B\ + P( B C\ A) + P( A C\B) + P( A B B C \B\C P B\ A \C P C\ A \B Zwische de Elemete dieses Ausdrucks bestehe Beziehuge, die ma zu seier Vereifachug ausutze ka. So ist die Wahrscheilichkeit für das Eitrete des Ereigisses A i alle Wahrscheilichkeite ethalte, i dee der Eitritt vo A vorkommt. Es gilt: (2) P( A) P( A \B\ + P( A B\ + P( A C\B) + P( A B Etspreched gilt für P(B) ud P(: (3) PB PB\A\C + PA ( B\ + PB ( C\A) + PA ( B (4) PC PC\A\B + PA ( C\B) + PB ( C\A) + PA ( B Für das paarweise Eitrete der Ereigisse A, B ud C lasse sich die Zusammehäge auf die gleiche Weise ableite: (5) P( A B) P( A B\ + P( A B (6) P( B P( B C\ A) + P( A B (7) P( A P( A C\B) + P( A B Die Gleichuge (5), (6) ud (7) werde ach de Ausdrücke umgestellt, die i de übrige Gleichuge zu ersetze sid: (8) P( A B\ P( A B) P( A B (9) P( B C\ A) P( B P( A B (0) P( A C\B) P( A P( A B Gleichuge (8) ud (0) i (2) eigesetzt: () P( A) P( A\B\ + P( A B) + P( A P( A B Gleichuge (8) ud (9) i (3) eigesetzt: (2) PB PB\A\C + PA ( B) + PB ( PA ( B Gleichuge (9) ud (0) i (4) eigesetzt: (3) P( P( C\ A \B) + P( A + P( B P( A B Die Gleichuge (), (2) ud (3) werde ach P(A \ B \, P(B \ A \ bzw. P(C \ A \ B) aufgelöst: (4) P( A \B\ P( A) P( A B) P( A + P( A B (5) P( B\ A \ P( B) P( A B) P( B + P( A B (6) P( C\ A \B) P( P( A P( B + P( A B Gleichuge (4), (5) ud (6) i () eigesetzt: wahr0.doc

6 Der Additiossatz ud der Multiplikatiossatz für Wahrscheilichkeite (7) ( ) ( ) ( ) + ( ) + P( B) P( A B) P( B + P( A B + P( P( A P( B + P( A B + P( A B\ + P( B C\ A) + P( A C\B) + P( A B B C B C B C Hieri die Gleichuge (8), (9) ud (0) eigesetzt: ( ) ( ) ( ) + ( ) + P( B) P( A B) P( B + P( A B + P( P( A P( B + P( A B + P( A B) P( A B + PB ( PA ( B + P( A P( A B + P( A B B C B C B C Die Vereifachug ergibt i der Tat de Additiossatz für die Wahrscheilichkeite vo drei icht disjukte Ereigisse: (8) P( A B P( A) + P( B) + P( P( A B) P( A P( B + P( A B Ma ka sich vorstelle, dass der Beweis des Additiossatzes für mehr als drei Ereigisse och komplizierter ud umstädlicher ist. Deswege wird a dieser Stelle auf die Siebformel vo Sylvester- Poicaré (ach James Sylvester ud Jules Heri Poicaré) zurückgegriffe. Die Siebformel, auch Eischluss-Ausschluss-Formel geat, beschreibt de gesuchte Zusammehag für Ereigisse. Die Wahrscheilichkeit, dass vo beliebige Ereigisse A i (i...) midestes eies eitritt, ist: wobei: i i< j i<< j k i i i<< j k< l ( i Aj) ( i j k) + A A ( i j k l) A A A + + ( ) P Ai i, j, k, l, i ; i j 2 ; j k 3 ; k l 4 ; l wahr0.doc

7 Der Additiossatz ud der Multiplikatiossatz für Wahrscheilichkeite Um das Eischluss-Ausschluss-Prizip deutlich zu mache, wird die Siebformel hier explizit für 2, 3 ud 4 agegebe. We eie dieser Werte aimmt, ist der letzte Term bereits ethalte. So gilt für 2 + ( ) P Ai + P Ai P( A A2) Dieser Ausdruck ergibt sich aber bereits aus dem zweite Term der Siebformel. Für 2 lautet die allgemeie Formulierug der Siebformel ur Hieri i, 2 ud j 2 eigesetzt: i ( i) ( i j) i i< j A 2 i + 2 A Dies ist der Additiossatz für zwei beliebige Ereigisse. Der letzte Term der allgemeie Siebformel ist hier mit P( A A ) 2 + ( ) P Ai bereits erreicht, de es gilt + 2 P( A A ) Hier stellt sich ämlich die bisher icht behadelte Frage, wie die Wahrscheilichkeit des gemeisame Eitretes vo Ereigisse bestimmt werde ka. We die Wahrscheilichkeit für das gemeisame Eitrete der Ereigisse A ud B als P(A B) defiiert wird, ist damit bereits vorgegebe, wie groß diese Wahrscheilichkeit ist. Betrachtet ma och eimal das Ve-Diagramm wahr0.doc i 2 Für 2 ist der letzte Term der allgemeie Formel redudat. Das Gleiche gilt für 3 ud 4. Der Term wird sozusage erst gebraucht für > 4 (wohlgemerkt i der hier agegebee Fassug der Siebformel). Der Eischluss ud Ausschluss wird solage fortgeführt, bis mit de kokrete Zahle der Ausdruck erreicht ist. + ( ) P Ai Die Siebformel gilt für beliebige Ereigisse, also auch für disjukte Ereigisse. We aber alle Ereigisse disjukt sid, ka keie wie auch immer geartete Kombiatio vo Ereigisse eitrete. Alle Wahrscheilichkeite für das gemeisame Eitrete vo Ereigisse sid gleich ull, ud die Siebformel reduziert sich auf de Additiossatz für paarweise disjukte Ereigisse: i i Im Folgede wird aber weiter davo ausgegage, dass die Ereigisse icht disjukt sid, dass sie gemeisam eitrete köe. 2

8 Der Additiossatz ud der Multiplikatiossatz für Wahrscheilichkeite Wahrscheilichkeite icht disjukter Ereigisse, da ist die Wahrscheilichkeit für das gemeisame Eitrete vo A ud B durch die Größe der Fläche P(A B) bereits festgelegt: ( B) Wahrscheilichkeite icht disjukter Ereigisse Der Ateil der Fläche P(A B) a der Fläche des gesamte Ereigisraumes ist die Wahrscheilichkeit für das gemeisame Eitrete der Ereigisse A ud B. Die Fläche des Ereigisraumes, die Mege aller mögliche Elemetarereigisse, wird stets mit gleichgesetzt (Normierug). We u das gemeisame Eitrete der Ereigisse A ud B betrachtet wird, so heißt gemeisam icht ubedigt simulta, soder dass sie das Ergebis eier Durchführug des Zufallsexperimets sid. Da u A ud B zwei Ereigisse darstelle, die gemeisam eitrete köe, hadelt es sich um eie mehrstufige Zufallsprozess, i diesem Fall um eie zweistufige. Nach der erste Stufe des Zufallsereigisses ist eies der Ereigisse bereits eigetrete oder icht. Da wir us hier für das gemeisame Eitrete der Ereigisse A ud B iteressiere, muss i der erste Stufe eies dieser Ereigisse eigetrete sei, sost gibt es kei gemeisames Eitrete der Ereigisse A ud B. Geht ma u davo aus, dass i der erste Stufe das Ereigis B bereits eigetrete ist, da lautet die Frage ach P(A B): Wie wahrscheilich ist es, dass A eitritt, achdem B bereits eigetrete ist? Eie solche Wahrscheilichkeit et ma eie bedigte Wahrscheilichkeit ud schreibt P(A B). P(A B) ist die Wahrscheilichkeit für A, achdem B bereits eigetrete ist. We dies u so ist, da gilt für das Ereigis A ud B ei euer, eigeschräkter Ereigisraum. Beide Ereigisse müsse ämlich im Ereigisraum B liege. Der Fall, dass B icht eitritt, iteressiert icht mehr: A B Ereigisraum bedigter Wahrscheilichkeite I der Zeichug muss das Ereigis A B i der eigefärbte Fläche A B + B \ A B liege. Dies ist der eue Ereigisraum. Da B bereits eigetrete ist, ka das Ereigis \ B (außerhalb der eigefärbte Fläche) icht mehr eitrete. Der eue Ereigisraum im Ve-Diagramm dargestellt: wahr0.doc

9 Der Additiossatz ud der Multiplikatiossatz für Wahrscheilichkeite ( B) Ve-Diagramm bedigter Wahrscheilichkeite Nach dem Eitritt vo B ist der Ereigisraum auf P(B) beschräkt. Die Wahrscheilichkeit für A, achdem B eigetrete ist, muss i diesem Raum liege. Für das zusätzliche Eitrete des Ereigisses A gilt da ur och die Wahrscheilichkeit P(A B), die i dieser Fläche liegt. Die Wahrscheilichkeit, dass A eitritt, achdem B eigetrete ist, wird da, wie immer i eiem Ve- Diagramm, durch de Ateil der Fläche für diese Wahrscheilichkeit a der Wahrscheilichkeit des gesamte Ereigisraumes, hier P(B), gegebe. Mit adere Worte: Die bedigte Wahrscheilichkeit für A, achdem B eigetrete ist, wird defiiert durch (9) P( A B) ( B) PB Hieraus folgt umittelbar der Multiplikatiossatz für die Wahrscheilichkeit des gemeisame Eitretes vo zwei Ereigisse: (20) P( A B) P( B) P( A B) Die Wahrscheilichkeit, dass zwei Ereigisse A ud B gemeisam eitrete, ist das Produkt der Wahrscheilichkeit für B ud der bedigte Wahrscheilichkeit für A, achdem B eigetrete ist. Betrachte wir folgedes Beispiel: Das Ereigis A sei die richtige Vorhersage der 6 Gewizahle im Lotto, das Ereigis B die Vorhersage der richtige Superzahl, ud das gemeisame Eitrete der Ereigisse A ud B das Kacke des Jackpots. Die Wahrscheilichkeit, 6 Zahle aus 49 richtig vorherzusage, ist Die Wahrscheilichkeit, vo 0 Ziffer die richtige vorherzusage, ist PB 0 We u ei Lottospieler die Ziehug der Lottozahle im Fersehe beobachtet ud erfreut feststellt, dass er 6 Richtige hat, wie groß ist da die Wahrscheilichkeit, auch och de Jackpot zu kacke? Ituitiv würde ma sage: Jetzt fehlt ur och die richtige Superzahl, ud dafür ist die Chace : 0. We ma also scho weiß, dass die richtige 6 aus 49 gezoge wurde, da ist die Wahrscheilichkeit, auch och de Jackpot zu gewie, /0. Mathematisch-statistisch gesehe muss ma für die Atwort auf diese Frage eie bedigte Wahrscheilichkeit etspreched Gleichug (9) bestimme. Die Frage lautet jetzt: Wir wahrscheilich ist es, dass Ereigis B eitritt, achdem A bereits eigetrete ist, also (2) PB A ( B) P( A) wahr0.doc

10 Der Additiossatz ud der Multiplikatiossatz für Wahrscheilichkeite PB A 0 Gesucht ist aber die Wahrscheilichkeit für das gemeisame Eitrete der Ereigisse A ud B, die sich aus der Umstellug der Gleichug für die bedigte Wahrscheilichkeit zum Multiplikatiossatz für Wahrscheilichkeite ergibt. Aus Gleichug (2) folgt (22) P( A B) P( A) P( B A) Die Wahrscheilichkeit, dass zwei Ereigisse A ud B gemeisam eitrete, ist das Produkt der Wahrscheilichkeit für A ud der bedigte Wahrscheilichkeit für B, achdem A eigetrete ist. P( A B) Die Wahrscheilichkeit, beim Lotto 6 aus 49 de Jackpot zu gewie, ist : Natürlich muss sich dies auch aus Gleichug (20) ergebe, de für de Gewi des Jackpots kommt es icht darauf a, ob die Superzahl tatsächlich ach de Lottozahle gezoge wird oder vorher; es gilt P( A B) P( B) P( A B) P( A B) Ma ka a diesem Beispiel eie weitere Eigeschaft vo Ereigisse erkee, ämlich die Abhägigkeit ud die Uabhägigkeit voeiader. Es ist ja gaz offesichtlich so, dass die Wahrscheilichkeit, 6 Richtige zu habe, uabhägig davo ist, ob eie bestimmte Superzahl gezoge wird, das heißt, es gilt (23) P( A B) P( A) We die Wahrscheilichkeit für ei Ereigis A uabhägig davo ist, ob ei aderes Ereigis B eigetrete ist oder icht, da et ma das Ereigis A uabhägig vo B. Auch die Wahrscheilichkeit für das Ziehe der Superzahl ist uabhägig davo, welche Gewizahle vorher gezoge worde ist, das heißt (24) PB A PB Das Ereigis A ist hier also uabhägig vo B, ud das Ereigis B ist uabhägig vo A. Die beide Ereigisse sid wechselseitig uabhägig voeiader. Setzt ma u (23) i (20) oder (24) i (22) ei, erhält ma de Multiplikatiossatz für zwei wechselseitig uabhägige Ereigisse: (25) P( A B) P( A) P( B) Die Wahrscheilichkeit für das gemeisame Eitrete vo zwei wechselseitig uabhägige Ereigisse ist das Produkt ihrer Wahrscheilichkeite. Das Ereigis Kacke des Jackpots ist dagege abhägig davo, ob die richtige Gewizahle gezoge werde ud atürlich, ob die richtige Superzahl gezoge wird. Bezeichet ma das Ereigis Kacke des Jackpots zur Vereifachug ud zur Verallgemeierug als Ereigis C, da gilt PC wahr0.doc

11 Der Additiossatz ud der Multiplikatiossatz für Wahrscheilichkeite PC A PC B (26) PC PC A PC B Das Ereigis C ist sowohl vom Ereigis A abhägig als auch vom Ereigis B. Für mehr als zwei Ereigisse das hier defiierte Ereigis C setzt sich ja lediglich aus de zwei Ereigisse A ud B zusamme sid die Verhältisse komplizierter. Es liegt zwar die Vermutug ahe, dass die Wahrscheilichkeit für das gemeisame Eitrete vo beliebig viele uabhägige Ereigisse das Produkt ihrer Eizelwahrscheilichkeite ist, aber eie Vermutug ist kei Beweis. Ausgagspukt des Beweises ist der Multiplikatiossatz für Wahrscheilichkeite gemäß Gleichug (22). Es wird hier gesetzt: A A B A 2 Dies i Gleichug (22) eigesetzt: (27) P( A A ) P( A ) P( A A ) Numehr wird gesetzt: 2 2 A A A B A 2 3 Dies i Gleichug (22) eigesetzt: (28) P( A A A ) P( A A ) P( A A A ) Der Ausdruck ( A ) i dieser Gleichug wird ersetzt durch die rechte Seite vo (27), sodass: (29) P( A A A ) P( A ) P( A A ) P( A A A ) Die Ereigisse A A A A B A i (22) eigesetzt: (30) P( A A A A ) P( A A A ) P( A A A A ) Hieri die rechte Seite der vorhergehede Gleichug (29) eigesetzt: (3) P( A A A A ) P( A ) P( A A ) P( A A A ) P( A A A A ) Ma erket a der Etwicklug der Gleichuge (27), (29) ud (3), dass jedes weitere Ereigis de Faktor P(weiteres Ereigis alle bisherige Ereigisse) hizufügt. Für Ereigisse ergibt sich die Wahrscheilichkeit des gemeisame Eitretes demzufolge mit (32) ( ) ( ) ( ) A A A A A A A A A A Dies ist der Multiplikatiossatz für das gemeisame Eitrete vo beliebige Ereigisse. wahr0.doc - -

12 Der Additiossatz ud der Multiplikatiossatz für Wahrscheilichkeite We die Ereigisse alle uabhägig vo de adere sid, we also gilt P( A ) A 2 2 ( ) A A ( ) A A A ( ) A A A A 2 3 vereifacht sich Gleichug (32) zum Multiplikatiossatz für das gemeisame Eitrete vo uabhägige Ereigisse: (33) P( A A A A ) P( A ) P( A ) P( A ) P( A ) oder, i alterativer Schreibweise: i i wahr0.doc

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

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

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

Mehr

7.2 Grundlagen der Wahrscheinlichkeitsrechnung

7.2 Grundlagen der Wahrscheinlichkeitsrechnung 7.2 Grudlage der Wahrscheilichkeitsrechug Ei Ereigis heißt i Bezug auf eie Satz vo Bediguge zufällig, we es bei der Realisierug dieses Satzes eitrete ka, aber icht ubedigt eitrete muss. Def. 7.2.: Ei Experimet

Mehr

AngStat1(Ue13-21).doc 23

AngStat1(Ue13-21).doc 23 3. Ereigisse Versuchsausgäge ud Wahrscheilicheite: a) Wie wird die Wahrscheilicheit des Auftretes eies Elemetarereigisses A geschätzt? A Ω heißt Elemetarereigis we es ur eie Versuchsausgag ethält also

Mehr

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

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

15.4 Diskrete Zufallsvariablen

15.4 Diskrete Zufallsvariablen .4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet

Mehr

A Ω, Element des Ereignisraumes

A Ω, Element des Ereignisraumes ue biostatisti: grudlegedes zur wahrscheilicheit ud ombiatori 1/6 WAHRSCHEINLICHKEIT / EINIGE BEGRIFFE Ereigisraum Ω Elemetarereigis A: Ω ist die Mege aller mögliche Elemetarereigisse A Ω, Elemet des Ereigisraumes

Mehr

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

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

3 Grenzwerte. 3.1 Grenzwerte von Folgen

3 Grenzwerte. 3.1 Grenzwerte von Folgen 03-grezwerte.cdf 3 Grezwerte 3. Grezwerte vo Folge Kovergez Mache Folge zeige ei spezielles Verhalte, we der Idex sehr groß wird. Sie äher sich eier bestimmte Zahl. Betrachte wir zum Beispiel die Folge

Mehr

Einführung in die Wahrscheinlichkeitstheorie Lösungen zum Wiederholungsblatt

Einführung in die Wahrscheinlichkeitstheorie Lösungen zum Wiederholungsblatt TUM, Zetrum Mathematik Lehrstuhl für Mathematische Physik WS 23/4 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weider Eiführug i die Wahrscheilichkeitstheorie Lösuge zum Wiederholugsblatt Aufgabe

Mehr

Reihen Arithmetische Reihen Geometrische Reihen. Datei Nr (Neu bearbeitet und erweitert) Juni Friedrich W. Buckel

Reihen Arithmetische Reihen Geometrische Reihen. Datei Nr (Neu bearbeitet und erweitert) Juni Friedrich W. Buckel Zahlefolge Teil 3 Reihe Reihe Arithmetische Reihe Geometrische Reihe Datei Nr. 4003 (Neu bearbeitet ud erweitert) Jui 005 Friedrich W. Buckel Iteretbibliothek für Schulmathematik Ihalt Defiitio eier Reihe

Mehr

Stochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten

Stochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten Kapitel 2 Stochastische Uabhägigkeit, bedigte Wahrscheilichkeite 2.1 Stochastische Uabhägigkeit vo Ereigisse Im Folgede gehe wir vo eiem W-Raum (Ω, A, P aus. Der Begriff der stochastische Uabhägigkeit

Mehr

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

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

Empirische Verteilungsfunktion

Empirische Verteilungsfunktion KAPITEL 3 Empirische Verteilugsfuktio 3.1. Empirische Verteilugsfuktio Seie X 1,..., X uabhägige ud idetisch verteilte Zufallsvariable mit theoretischer Verteilugsfuktio F (t) = P[X i t]. Es sei (x 1,...,

Mehr

ELEMENTE DER ZAHLENTHEORIE UND AUFBAU DES ZAHLENSYSTEMS

ELEMENTE DER ZAHLENTHEORIE UND AUFBAU DES ZAHLENSYSTEMS ELEMENTE DER ZAHLENTHEORIE UND AUFBAU DES ZAHLENSYSTEMS vo Rolf Waldi 1 Kapitel I. Elemetare Zahletheorie 1 Grudlegede Regel ud Prizipie Es wird vorausgesetzt, daß der Leser mit gaze Zahle reche ka ud

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

Es gibt verschiedene Möglichkeiten eine Folge zu definieren. Die zwei häufigsten Methoden

Es gibt verschiedene Möglichkeiten eine Folge zu definieren. Die zwei häufigsten Methoden Folge ud Reihe Folge Eie Folge ist eie Abbildug der atürliche Zahle N = {0, 1,,...} i die Mege der (zumidest i de meiste Fälle) reelle Zahle R. I diesem Fall ka ma sich eie Folge als Pukte i eiem Koordiatesystem

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

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 Lehrstuhl für Empirische Wirtschaftsforschug ud Ökoometrie Dr. Rolad Füss Statistik II: Schließede Statistik SS 2007 6. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug

Mehr

Stochastik A. Prof. Dr. Barbara Gentz

Stochastik A. Prof. Dr. Barbara Gentz Stochastik A Prof. Dr. Barbara Getz Zusammefassug. Diese Mitschrift basiert auf Frau Prof. Getz Vorlesug Stochastik A aus dem Witersemester 2010/2011, welche sich i weite Teile a [Mee03] orietiert. Wer

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Iformatiker II (Sommersemester 004) Aufgabe 7. Ubeschräktes

Mehr

Stochastik im SoSe 2018 Übungsblatt 2

Stochastik im SoSe 2018 Übungsblatt 2 Stochasti im SoSe 2018 Übugsblatt 2 K. Paagiotou/ L. Ramzews / S. Reisser Lösuge zu de Aufgabe. Aufgabe 1 Eie Ure ethält B blaue, R rote ud G grüe Bälle. Wir ziehe eie Teilmege mit geau Bälle aus der Ure,

Mehr

Zusammenfassung: Gleichungen und Ungleichungen

Zusammenfassung: Gleichungen und Ungleichungen LGÖ Ks VMa Schuljahr 6/7 Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud ugleichuge 6 Für Eperte 8 Polyomgleichuge ud -ugleichuge

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

Vorkurs Mathematik für Informatiker Folgen

Vorkurs Mathematik für Informatiker Folgen Vorkurs Mathematik für Iformatiker -- 9 Folge -- 6.1.215 1 Folge: Defiitio Eie (uedliche) Folge im herkömmliche Sie etsteht durch Hitereiaderschreibe vo Zahle 1,2,3,4,5, Dabei ist die Reihefolge wichtig,

Mehr

Aussagenlogik. Aussagenlogik

Aussagenlogik. Aussagenlogik I der mathematische Logik gibt es geau zwei Wahrheitswerte ämlich ur wahr oder falsch. Ei Drittes gibt es icht (Tertium o datur!). Zu eier Aussage a lässt sich die Negatio a (die Vereiug, sprich: "icht

Mehr

Mathematische Vorgehensweise

Mathematische Vorgehensweise Kapitel 2 Mathematische Vorgehesweise Um eue Ergebisse zu erziele, ist es häufig otwedig, Aussage präzise zu formuliere ud zu beweise. Daher werde i diesem Kapitel die mathematische Begriffsbilduge ud

Mehr

8. Der Wahrscheinlichkeitsbegriff

8. Der Wahrscheinlichkeitsbegriff 8. Der Wahrscheilichkeitsbegriff M.5 Wahrscheilichkeitsbegriff (ca. 0 Std.) Die Etwicklug eies abstrakte Wahrscheilichkeitsbegriffs erlaubt es de Schüler, verschiedee bereits aus de vorhergehede Jahrgagsstufe

Mehr

so spricht man von einer kommutativen Gruppe oder auch abelschen Gruppe.

so spricht man von einer kommutativen Gruppe oder auch abelschen Gruppe. Defiitioe ud Aussage zu ruppe Michael ortma Eie ruppe ist ei geordetes Paar (, ). Dabei ist eie icht-leere Mege, ist eie Verküpfug (Abbildug), wobei ma i.a. a b oder gar ur ab statt ( a, b) schreibt. Es

Mehr

Demo-Text für INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK. ANALYSIS Vollständige Induktion FRIEDRICH W.

Demo-Text für   INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK.   ANALYSIS Vollständige Induktion FRIEDRICH W. ANALYSIS Vollstädige Iduktio Datei Nr. 40080 Stad 14. März 018 FRIEDRICH W. BUCKEL INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK 40080 Beweismethode: Vollstädige Iduktio Vorwort Die Methode der vollstädige Iduktio

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

Beweis des ausgezeichneten numerischen Theorems über die Koeffizienten der Binomialpotenzen

Beweis des ausgezeichneten numerischen Theorems über die Koeffizienten der Binomialpotenzen Beweis des ausgezeichete umerische Theorems über die Koeffiziete der Biomialpoteze Leohard Euler p We dieser Charakter q die Koeffiziete der Potez x q bezeichet, der aus der Etwicklug des Bioms + x p etsteht,

Mehr

LGÖ Ks VMa 12 Schuljahr 2017/2018

LGÖ Ks VMa 12 Schuljahr 2017/2018 LGÖ Ks VMa Schuljahr 7/8 Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud ugleichuge 6 Für Experte 8 Polyomgleichuge ud -ugleichuge

Mehr

Analysis ZAHLENFOLGEN Teil 4 : Monotonie

Analysis ZAHLENFOLGEN Teil 4 : Monotonie Aalysis ZAHLENFOLGEN Teil 4 : Mootoie Datei Nr. 40051 Friedrich Buckel Juli 005 Iteretbibliothek für Schulmathematik Ihalt 1 Eiführugsbeispiele 1 Mootoie bei arithmetische Folge Defiitioe 3 3 Welche Beweistechik

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

Zusammenfassung: Gleichungen und Ungleichungen

Zusammenfassung: Gleichungen und Ungleichungen Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud -ugleichuge 6 Für Eperte 9 Polyomgleichuge ud -ugleichuge Defiitio: Ei Term

Mehr

10 Aussagen mit Quantoren und

10 Aussagen mit Quantoren und 0 Aussage mit Quatore ud 0.6. Eisatz vo (bereits bekater) Eistezaussage Bisher hatte wir Eistezbeweise geführt, idem wir ei passedes Objekt agegebe habe ( Setze... ). Stattdesse ka ma auch auf bereits

Mehr

4-1 Elementare Zahlentheorie

4-1 Elementare Zahlentheorie 4-1 Elemetare Zahletheorie 4. Dirichlet s Satz über Primzahle i arithmetische Progressioe. Satz (Dirichlet 1837). Seie a, k atürliche Zahle. Sid die Zahle a, k teilerfremd, so gibt es uedlich viele Primzahle

Mehr

Das Erstellen von Folgen mit der Last Answer Funktion

Das Erstellen von Folgen mit der Last Answer Funktion Schülerarbeitsblatt Wisseschaftlicher Recher EL-W5 WriteView Das Erstelle vo Folge mit der Last Aswer Fuktio 5 9 Die obige Folge wird ach eier eifache Regel gebildet: Zu jedem Glied wird addiert. Über

Mehr

Folgen und Reihen. 23. Mai 2002

Folgen und Reihen. 23. Mai 2002 Folge ud Reihe Reé Müller 23. Mai 2002 Ihaltsverzeichis 1 Folge 2 1.1 Defiitio ud Darstellug eier reelle Zahlefolge.................. 2 1.1.1 Rekursive Defiitio eier Folge......................... 3 1.2

Mehr

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

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

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

1 Das Skalarprodukt und das Kreuzprodukt

1 Das Skalarprodukt und das Kreuzprodukt Das Skalarprodukt ud das Kreuzprodukt Wir betrachte zu x = de Ausdruck y t x : = x Grud: Die rechte Seite der Gleichug ist: y t x = (y tx +... + (y ty { t x } y +... + x y x + x y (x y +... + x y x x t

Mehr

Fundamentale Prinzipien der Kombinatorik und elementare Abzählkoeffizienten Wolfram Koepf

Fundamentale Prinzipien der Kombinatorik und elementare Abzählkoeffizienten Wolfram Koepf Fudametale Prizipie der Kombiatori ud elemetare Abzähloeffiziete Wolfram Koepf Die abzählede Kombiatori beschäftigt sich vor allem mit der Auswahl eier Teilmege, die ma häufig eie Stichprobe et (aus Wahrscheilicheitsrechug

Mehr

Positiv denken! Lösungen

Positiv denken! Lösungen Schülerzirkel Mathematik Fakultät für Mathematik. Uiversität Regesburg Positiv deke! Lösuge Aufgabe 1 (GMAMQM (ur für die Klasse 7/8) [ Pukte]). Seie a, b reelle Zahle. 1. Sei a 0 ud b 0. Zeige, dass a

Mehr

Zahlenfolgen und Konvergenzkriterien

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

Mehr

Starke und schwache Einwegfunktionen

Starke und schwache Einwegfunktionen Starke ud schwache Eiwegfuktioe Daiela Weiberg weiberg@iformatik.hu-berli.de Semiar: Perle der theoretische Iformatik Dozete: Prof. Johaes Köbler, Olaf Beyersdorff Witersemester 2002/2003 2. Dezember 2002

Mehr

Binomialkoeffizienten und Binomischer Satz 1 Der binomische Lehrsatz

Binomialkoeffizienten und Binomischer Satz 1 Der binomische Lehrsatz Ihaltsverzeichis Biomialoeffiziete ud Biomischer Satz 1 Der biomische Lehrsatz wird als eie gaze Zahl vorausgesetzt, für die gilt: 0. a ud b werde als reelle Zahle vorausgesetzt, die icht Null sid. Bemerug:

Mehr

Diskrete Zufallsvariablen

Diskrete Zufallsvariablen Erste Beispiele diskreter Verteiluge Diskrete Zufallsvariable Beroulli-Verteilug Eie diskrete Zufallsvariable heißt beroulliverteilt mit arameter p, falls sie die Wahrscheilichkeitsfuktio p,, f ( ) ( )

Mehr

Einige wichtige Ungleichungen

Einige wichtige Ungleichungen Eiige wichtige Ugleichuge Has-Gert Gräbe, Leipzig http://www.iformatik.ui-leipzig.de/~graebe 1. Februar 1997 Ziel dieser kurze Note ist es, eiige wichtige Ugleichuge, die i verschiedee Olympiadeaufgabe

Mehr

3.2 Das Wahrscheinlichkeitsmaß

3.2 Das Wahrscheinlichkeitsmaß 3 Wahrscheilichkeite 21 3.2 Das Wahrscheilichkeitsmaß 3.2.1 Relative Häufigkeite Der Begriff der relative Häufigkeit Peter verliert beim Mesch ärgere Dich icht. Wüted behauptet er, dass der verwedete Würfel

Mehr

Normierte Vektorräume

Normierte Vektorräume Normierte Vektorräume Wir betrachte im Folgede ur Vektorräume über R 1. Sei also V ei Vektorraum. Wir möchte Metrike auf V betrachte, die im folgede Sie mit der Vektorraumstruktur verträglich sid:, y,

Mehr

Denition 27: Die Fakultät ist eine Folge f : N N mit f(1) := 1 und f(n + 1) := (n + 1) f(n) für alle n N. Wir schreiben n! := f(n) für diese Folge.

Denition 27: Die Fakultät ist eine Folge f : N N mit f(1) := 1 und f(n + 1) := (n + 1) f(n) für alle n N. Wir schreiben n! := f(n) für diese Folge. Vorkurs Mathematik, PD Dr. K. Halupczok, WWU Müster Fachbereich Mathematik ud Iformatik 22.9.20 Ÿ3.2 Folge ud Summe (Fortsetzug) Eie wichtige Möglichkeit, wie ma Zahlefolge deiere ka, ist die über eie

Mehr

Nachtrag. Alternatives Buch zum Satz von Fermat 1999 bei amazon nur noch gebraucht

Nachtrag. Alternatives Buch zum Satz von Fermat 1999 bei amazon nur noch gebraucht Nachtrag Alteratives Buch zum Satz vo Fermat 1999 bei amazo ur och gebraucht 1 Uedliche (Zahle-) Mege 2 Wiederholug Steuer Bei eiem Eikomme vo ud eiem Steuersatz vo 33% müsse Sie Steuer zahle. Da werde

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

Grundlagen: Algorithmen und Datenstrukturen

Grundlagen: Algorithmen und Datenstrukturen Techische Uiversität Müche Fakultät für Iformatik Lehrstuhl für Effiziete Algorithme Dr. Hajo Täubig Tobias Lieber Sommersemester 2011 Übugsblatt 1 13. Mai 2011 Grudlage: Algorithme ud Datestrukture Abgabetermi:

Mehr

Lösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung

Lösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung Prof. Dr. V. Schmidt WS 200/20 G. Gaiselma, A. Spettl 7.02.20 Lösugsvorschlag Probeklausur zur Elemetare Wahrscheilichkeitsrechug Hiweis: Der Umfag ud Schwierigkeitsgrad dieser Probeklausur muss icht dem

Mehr

Prof. Dr. Roland Füss Statistik II SS 2008

Prof. Dr. Roland Füss Statistik II SS 2008 1. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug ergibt sich aus de Grezwertsätze. Grezwertsätze sid Aussage über eie Zufallsvariable für de Fall, dass die Azahl

Mehr

Grenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen

Grenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen . Der Grezwert vo mootoe, beschräkte Folge Der Grezwert vo mootoe, beschräkte Folge ist eifacher verstädlich als der allgemeie Fall. Deshalb utersuche wir zuerst diese Spezialfall ud verallgemeier aschliessed.

Mehr

1. Zahlenfolgen und Reihen

1. Zahlenfolgen und Reihen . Zahlefolge ud Reihe We ma eie edliche Mege vo Zahle hat, ka ma diese i eier bestimmte Reihefolge durchummeriere: {a,a 2,...,a }. Ma spricht vo eier edliche Zahlefolge. Fügt ma immer mehr Zahle hizu,

Mehr

Wörterbuchmethoden und Lempel-Ziv-Codierung

Wörterbuchmethoden und Lempel-Ziv-Codierung Kapitel 3 Wörterbuchmethode ud Lempel-Ziv-Codierug I diesem Abschitt lere wir allgemei Wörterbuchmethode zur Kompressio ud isbesodere die Lempel-Ziv (LZ))-Codierug kee. Wörterbuchmethode sid ei eifaches

Mehr

Arithmetische und geometrische Folgen. Die wichtigsten Theorieteile. und ganz ausführliches Training. Datei Nr

Arithmetische und geometrische Folgen. Die wichtigsten Theorieteile. und ganz ausführliches Training. Datei Nr ZAHLENFOLGEN Teil 2 Arithmetische ud geometrische Folge Die wichtigste Theorieteile ud gaz ausführliches Traiig Datei Nr. 4002 Neu Überarbeitet Stad: 7. Juli 206 INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK

Mehr

Übung: Lösung der folgenden vier Aufgaben mittels der Benutzung von Rechtecken!

Übung: Lösung der folgenden vier Aufgaben mittels der Benutzung von Rechtecken! 2.6 Additio 2.6.1 Aschaulicher Weg Zuächst erfolgt ei aschaulicher Eistieg (etwa mittels Bilder, auf dee Kuchebleche, Pizze, Torte dargstellt sid). Beispiel (Schulbuch, zitiert ach [FP & SW], 74): Bild

Mehr

( ), der genau auf der Geraden ( ) 2 ( ) #( ) 8. Lineare Regression. = f i. Nach der Summe der kleinsten. mx i

( ), der genau auf der Geraden ( ) 2 ( ) #( ) 8. Lineare Regression. = f i. Nach der Summe der kleinsten. mx i 8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Ziel dieses Verfahres ist es, Beziehuge zwische zwei Merkmale

Mehr

Beispiellösungen zu Blatt 105

Beispiellösungen zu Blatt 105 µ κ Mathematisches Istitut Georg-August-Uiversität Göttige Aufgabe 1 Beispiellösuge zu Blatt 105 Alva liebt Advetskaleder. Aber sie hat keie Lust, die Türe vo 1 bis i der ormale Reihefolge zu öffe. Daher

Mehr

4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa

4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa 20 I. Zahle, Kovergez ud Stetigkeit 4 Kovergete Folge 4. Dezimalzahle ud Itervallschachteluge. a) Reelle Zahle werde meist als Dezimalzahle dargestellt, etwa 7,304 = 0+7 +3 0 +0 00 +4 000. Edliche Dezimalzahle

Mehr

KAPITEL 7. Zahlenfolgen. 7.1 Konvergente Zahlenfolgen Grenzwertbestimmung Grenzwertbestimmung durch Abschätzung...

KAPITEL 7. Zahlenfolgen. 7.1 Konvergente Zahlenfolgen Grenzwertbestimmung Grenzwertbestimmung durch Abschätzung... KAPITEL 7 Zahlefolge 7. Kovergete Zahlefolge.............................. 30 7.2 Grezwertbestimmug............................... 32 7.3 Grezwertbestimmug durch Abschätzug..................... 35 7.4

Mehr

6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $

6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $ Mathematik für Iformatiker B, SS 0 Diestag 5.6 $Id: folge.tex,v. 0/06/05 ::8 hk Exp $ 6 Folge 6.4 Folge reeller Zahle I der letzte Sitzug habe wir de Begriff des Grezwerts eier Folge i eiem metrische Raum

Mehr

mit (a 1 ) (0,0,,0). Dann ist die Menge,,a n,a 2 eine endliche Menge und besitzt ein grösstes Element ggt(a 1

mit (a 1 ) (0,0,,0). Dann ist die Menge,,a n,a 2 eine endliche Menge und besitzt ein grösstes Element ggt(a 1 Kapitel 1: Reste, Teiler, Vielfache Defiitio Es sei a 0. Die Zahl b 0 ist ei Teiler vo a, we es ei u 0 gibt, sodass ub= a. Ist b ei Teiler vo a, so ist a ei Vielfaches vo b. Bezeichug b a für b ist Teiler

Mehr

Analysis 1, Woche 2. Reelle Zahlen. 2.1 Ordnung. Definition 2.1 Man nennt eine Ordnung für K, wenn. 1. für alle a K gilt a a (Reflexivität),

Analysis 1, Woche 2. Reelle Zahlen. 2.1 Ordnung. Definition 2.1 Man nennt eine Ordnung für K, wenn. 1. für alle a K gilt a a (Reflexivität), Aalysis 1, Woche 2 Reelle Zahle A1 2.1 Ordug Defiitio 2.1 Ma et eie Ordug für K, we 1. für alle a K gilt a a (Reflexivität), 2. für alle a, b K mit a b ud b a gilt a = b (Atisymmetrie), 3. für alle a,

Mehr

Metrisierbarkeit. Technische Universität Wien Seminararbeit aus Analysis WS 2014 Sinan Özcaliskan

Metrisierbarkeit. Technische Universität Wien Seminararbeit aus Analysis WS 2014 Sinan Özcaliskan Metrisierbarkeit Techische Uiversität Wie Semiararbeit aus Aalysis WS 04 Sia Özcaliska Ihaltsverzeichis Eileitug 3 Der Metrisierbarkeitssatz vo Alexadroff-Urysoh 3 3 Der Metrisierbarkeitssatz vo Nagata-Smirov

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

Einführung in die Grenzwerte

Einführung in die Grenzwerte Eiführug i die Grezwerte Dieser Text folgt hauptsächlich der Notwedigkeit i sehr kurzer Zeit eie Idee ud Teile ihrer Awedug zu präsetiere, so dass relativ schell mit dieser Idee gerechet werde ka. Der

Mehr

Skriptum zur ANALYSIS 1

Skriptum zur ANALYSIS 1 Skriptum zur ANALYSIS 1 Güter Lettl WS 2017/2018 1. Grudbegriffe der Megelehre ud der Logik 1.1 Naive Megelehre [Sch-St 4.1] Defiitio eier Mege ach Georg Cator (1845 1918):,,Eie Mege M ist eie Zusammefassug

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

Arithmetische und geometrische Folgen. Die wichtigsten Theorieteile. und ganz ausführliches Training. Datei Nr

Arithmetische und geometrische Folgen. Die wichtigsten Theorieteile. und ganz ausführliches Training. Datei Nr DEMO für ZAHLENFOLGEN Teil 2 Arithmetische ud geometrische Folge Die wichtigste Theorieteile ud gz ausführliches Traiig Datei Nr. 40012 Neu geschriebe ud sehr erweitert Std: 4. Februar 2010 INTERNETBIBLIOTHEK

Mehr

Analysis 1, Woche 2. Reelle Zahlen. 2.1 Ordnung. Definition 2.1 Man nennt eine Ordnung für K, wenn. 1. für alle a K gilt a a (Reflexivität),

Analysis 1, Woche 2. Reelle Zahlen. 2.1 Ordnung. Definition 2.1 Man nennt eine Ordnung für K, wenn. 1. für alle a K gilt a a (Reflexivität), Aalysis, Woche 2 Reelle Zahle A 2. Ordug Defiitio 2. Ma et eie Ordug für K, we. für alle a K gilt a a (Reflexivität), 2. für alle a, b K mit a b ud b a gilt a = b (Atisymmetrie), 3. für alle a, b, c K

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

Lösungen 4 zum Mathematik-Brückenkurs für alle, die sich für Mathematik interessieren

Lösungen 4 zum Mathematik-Brückenkurs für alle, die sich für Mathematik interessieren Lösuge 4 zum Mathematik-Brückekurs für alle, die sich für Mathematik iteressiere µfsr, TU Dresde Versio vom 26. September 2016, Fehler ud Verbesserugsvorschläge bitte a beedikt.bartsch@myfsr.de Aufgabe

Mehr

Wallis-Produkt, Gammafunktion und n-dimensionale Kugeln

Wallis-Produkt, Gammafunktion und n-dimensionale Kugeln Wallis-Produkt, Gammafuktio ud -dimesioale Kugel Thomas Peters Thomas Mathe-Seite www.mathe-seite.de 6. Oktober 3 Das Ziel dieses Artikels ist es, Formel für das Volume ud die Oberfläche vo -dimesioale

Mehr

Kombinatorik. Systematisches Abzählen und Anordnen einer endlichen Menge von Objekten unter Beachtung vorgegebener Regeln.

Kombinatorik. Systematisches Abzählen und Anordnen einer endlichen Menge von Objekten unter Beachtung vorgegebener Regeln. Systematisches Abzähle ud Aorde eier edliche Mege vo Objekte uter Beachtug vorgegebeer Regel Permutatioe Variatioe Kombiatioe Permutatioe: Eie eieideutige (bijektive) Abbildug eier edliche Mege i sich

Mehr

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

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

Mehr

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

Stochastik. Eine Vorlesung für das Lehramtsstudium. Franz Hofbauer

Stochastik. Eine Vorlesung für das Lehramtsstudium. Franz Hofbauer Stochastik Eie Vorlesug für das Lehramtsstudium Fraz Hofbauer SS 01 Vorwort Der Begriff Wahrscheilichkeit wird üblicherweise mit Häufigkeit assoziiert. Was oft eitritt, hat hohe Wahrscheilichkeit, was

Mehr

Zählterme (Seite 1) Aufgabe: Wie viele Nummernschilder kann es theoretisch im Raum Dresden geben? Wann müsste die 4.Ziffer eingeführt werden?

Zählterme (Seite 1) Aufgabe: Wie viele Nummernschilder kann es theoretisch im Raum Dresden geben? Wann müsste die 4.Ziffer eingeführt werden? Bemerkug: I Mathematik sollte ma keie Fahrpläe verwede, i der Stochastik erst recht icht. Zitat vo S.L. Das Baumdiagramm ist aber fast immer ei geeigetes Hilfsmittel. Produktregel Aufgabe: Wie viele Nummerschilder

Mehr

Aufgabe G 1.1. [Vollständige Induktion, Teleskopsumme] n k 3 = n N : k(k + 1) = 1 1

Aufgabe G 1.1. [Vollständige Induktion, Teleskopsumme] n k 3 = n N : k(k + 1) = 1 1 Istitut für Aalysis ud Algebra Mathematik I für Studierede der E-Techik Prof Dr Volker Bach WiSe 06/7 M Sc Birgit Komader M Sc Christoph Brauer Theme: Groe Übug - Lösuge Vollstädige Iduktio - Teleskopsumme

Mehr

Irrfahrt Berechnung einer Ruinwahrscheinlichkeit

Irrfahrt Berechnung einer Ruinwahrscheinlichkeit KAPITEL 4 Irrfahrt 4.. Berechug eier Ruiwahrscheilichkeit Das folgede sogeate Ruiproblem wurde (i eier etwas adere Formulierug) vo Pascal i eiem Brief a Fermat im Jahr 656 gestellt. Beispiel 4... Ma stelle

Mehr

Einführende Beispiele Arithmetische Folgen. Datei Nr SW. Das komplette Manuskript befindet sich auf der Mathematik - CD.

Einführende Beispiele Arithmetische Folgen. Datei Nr SW. Das komplette Manuskript befindet sich auf der Mathematik - CD. ZAHLENFOLGEN Eiführede Beispiele Arithmetische Folge Datei Nr. 400 SW Das komplette Mauskript befidet sich auf der Mathematik - CD Friedrich Buckel Februar 00 Iteratsgymasium Schloß Torgelow Ihalt Eiführede

Mehr

Wahrscheinlichkeitstheorie und Statistik

Wahrscheinlichkeitstheorie 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

Mehr

Aufgaben zur Übung und Vertiefung

Aufgaben zur Übung und Vertiefung Aufgabe zur Übug ud Vertiefug ARITHMETISCHE ZAHLENFOLGEN Berufliches Gymasium / Uterstufe () Stelle Sie fest, welche der gegebee Folge arithmetisch sid: Bestimme Sie zuächst die erste füf Folgeglieder,

Mehr

Kreisabbildungen. S 1 f S 1. Beispiele: (1) f = id, F = id,

Kreisabbildungen. S 1 f S 1. Beispiele: (1) f = id, F = id, Kreisabbilduge Im Folgede sehe wir us eie gaz spezielle Klasse vo dyamische Systeme a: Abbilduge auf dem Kreis. Diese sid eifach geug, so dass wir sie och recht leicht aalysiere köe, habe aber adererseits

Mehr

Ganzrationale Funktionen

Ganzrationale Funktionen Gazratioale Fuktioe 9. Defiitio gazratioaler Fuktioe Im Folgede werde ebe lieare ud quadratische Fuktioe auch solche betrachtet, bei dee die Variable i der dritte, vierte oder auch i eier och höhere Potez

Mehr

Abb. 1: Woher kommen die schwarzen Quadrate?

Abb. 1: Woher kommen die schwarzen Quadrate? Has Walser, [0160916], [0161009] Umögliche pythagoreische Dreiecke Idee: Chr. Z., B. 1 Schwarze Quadrate Woher komme die beide schwarze Quadrate? Abb. 1: Woher komme die schwarze Quadrate? Sachverhalt

Mehr

D-ITET Wahrscheinlichkeitstheorie und Statistik FS 2017 Prof. P. Nolin. Musterlösung 11 = Φ( 6/5) = 1 Φ(6/5) = = 0.

D-ITET Wahrscheinlichkeitstheorie und Statistik FS 2017 Prof. P. Nolin. Musterlösung 11 = Φ( 6/5) = 1 Φ(6/5) = = 0. D-ITET Wahrscheilichkeitstheorie ud Statistik FS 17 Prof. P. Noli Musterlösug 11 1. Sei Φ die Verteilugsfuktio der Stadardormalverteilug. a Da T B N 6, 4, ist T B + 6/4 stadardormalverteilt. Folglich ist

Mehr