Einführung in die Wahrscheinlichkeitsrechnung

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Einführung in die Wahrscheinlichkeitsrechnung"

Transkript

1 Einführung in die Wahrscheinlichkeitsrechnung Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg Statistik 1 S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 1 / 38

2 Agenda Wahrscheinlichkeit Theoreme der Wahrscheinlichkeitsrechnung Permutationen und Kombinationen Binomialverteilung S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 2 / 38

3 Wahrscheinlichkeit Wahrscheinlichkeit Wahrscheinlichkeit Definition Relative Häufigkeiten Bedingte Wahrscheinlichkeit Eigenschaften der Wahrscheinlichkeit Einteilung S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 3 / 38

4 Wahrscheinlichkeit Definition Definition Wahrscheinlichkeit Wahrscheinlichkeiten (engl.: probability) ergeben sich aus dem Verhältnis günstiger Ereignisse zu möglichen Ereignissen: p = günstige Ereignisse mögliche Ereignisse (1) wobei günstig auch negative Ereignisse sein können, z. B. Patient stirbt, man besteht die Prüfung nicht, erkrankt etc. S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 4 / 38

5 Wahrscheinlichkeit Relative Häufigkeiten Relative Häufigkeiten Eine Wahrscheinlichkeit wird über die relative Häufigkeit geschätzt: Beispiel p(a) = n A n Bei Wurf eines Würfels können folgende mögliche Ereignisse auftreten: Ω = {1, 2, 3, 4, 5, 6}, also n = 6. Die Wahrscheinlichkeit eine 2 zu würfeln ist damit p(2) = 1/6. Ω wird auch der Ereignisraum genannt. S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 5 / 38

6 Wahrscheinlichkeit Bedingte Wahrscheinlichkeit Bedingte Wahrscheinlichkeit Wenn das Auftreten eines günstigen Ereignisses an Bedingungen geknüpft ist, beispielsweise der Besitz eines Autos (günstiges Ereignis) unter der Bedingung, auf dem Land zu wohnen, spricht man von bedingter Wahrscheinlichkeit. Definition Die bedingte Wahrscheinlichkeit p(a B) (sprich A unter der Bedingung B) kennzeichnet die Wahrscheinlichkeit des Ereignisses A unter der Bedingung B. S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 6 / 38

7 Wahrscheinlichkeit Eigenschaften der Wahrscheinlichkeit Eigenschaften der Wahrscheinlichkeit Liegt immer zwischen 0 und 1. Kann als Prozent ausgedrückt werden, wenn Multiplikation mit 100 erfolgt: 0% bis 100% %. Die Gegenwahrscheinlichkeit zu einem Ereignis A ist p(ā). Dabei gilt p(a) + p(ā) = 1. Beispiel: Wenn es morgen mit 30% Wahrscheinlichkeit regnet, regnet es mit einer Wahrscheinlichkeit von 70% nicht. S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 7 / 38

8 Wahrscheinlichkeit Einteilung Einteilung unbedeutende Wahrscheinlichkeit geringe Wahrscheinlichkeit mittlere Wahrscheinlichkeit hohe Wahrscheinlichkeit S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 8 / 38

9 Theoreme der Wahrscheinlichkeitsrechnung Theoreme der Wahrscheinlichkeitsrechnung Theoreme der Wahrscheinlichkeitsrechnung Additionstheorem Multiplikationstheorem Sicheres & und unmögliches Ereignis Stochastische Abhängigkeit S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 9 / 38

10 Theoreme der Wahrscheinlichkeitsrechnung Additionstheorem Additionstheorem für unabhängige Ereignisse Wie wahrscheinlich ist es, mit einem Würfel bei einem Versuch eine 1 oder eine 2 zu würfeln? Mögliche Ereignisse: Sechs, nämlich die Zahlen 1 bis 6 Günstige Ereignisse: Zwei, nämlich die Zahlen 1 oder 2 wobei die Vereinigung bedeuted. p(1 2) = 1/6 + 1/6 = 2/6 = 1/3 Additionstheorem für unabhängige Ereignisse Sind günstige disjunkte Ereignisse durch ein ODER verknüpft, werden die Einzelwahrscheinlichkeiten addiert:. p(a B) = p(a) + p(b) (2) S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 10 / 38

11 Theoreme der Wahrscheinlichkeitsrechnung Additionstheorem Additionstheorem Wie wahrscheinlich ist es, eine gerade Augenzahl oder eine 1,2 oder 3 zu würfeln? 5/6, da die Zahl 5 die einzige Zahl ist, die nach obiger Definition nicht abgedeckt ist. Da die Zahl 2 nach obiger Definition doppelt vorkommt, muss die Wahrscheinlichkeit eine 2 zu würfeln, bei der Berechnung vermindert werden. S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 11 / 38

12 Theoreme der Wahrscheinlichkeitsrechnung Additionstheorem Allgemeine Form des Additionstheorems Additionstheorem Die Wahrscheinlichkeit, dass wenigstens eins der Ereignisse A, B, C, D, eintrifft, ergibt sich aus der Summe der Wahrscheinlichkeiten p(a) und p(b) abzüglich der Wahrscheinlichkeit, dass A und B gemeinsam auftreten: p(a B) = p(a) + p(b) p(a B) (3) p(gerade {1, 2, 3}) = = 5 6 S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 12 / 38

13 Theoreme der Wahrscheinlichkeitsrechnung Multiplikationstheorem Multiplikationstheorem für unabhängige Ereignisse Wie hoch ist die Wahrscheinlichkeit, beim ersten Versuch eine 1 und beim zweiten Versuch eine 2 zu würfeln? Multiplikationstheorem für unabhängige Ereignisse Sind günstige disjunkte Ereignisse durch ein UND verknüpft, werden die Einzelwahrscheinlichkeiten multipliziert: Angewendet auf das Beispiel: p(a B) = p(a) p(b) (4) p( ) = p(1.1) p(2.2) = = 1 36 wobei das logische Produkt ist. Die Bedeutung ist sowohl als auch und entspricht dem Durchschnitt. S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 13 / 38

14 Theoreme der Wahrscheinlichkeitsrechnung Sicheres & und unmögliches Ereignis Sicheres & und unmögliches Ereignis Ein sicheres Ereignis tritt immmer ein, z. B. fällt beim Würfeln immer eine Zahl zwischen 1 und 6. Ein unmögliches Ereignis kann nicht eintreten, z. B. kann man mit einem normalen Würfel keine 7 würfeln. Sicheres & und unmögliches Ereignis Die Wahrscheinlichkeit für ein sicheres und für das unmögliche Erreignis beträgt p(ω) = 1; p( ) = 0 S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 14 / 38

15 Theoreme der Wahrscheinlichkeitsrechnung Stochastische Abhängigkeit Schätzung von Häufigkeiten rot grün blau Σ mit Stern 200 ohne Stern 100 Σ Wie groß ist die Wahrscheinlichkeit dafür, einen grünen Ball ohne Stern zu ziehen? Mögliche Ereignisse: 300 Günstige Ereignisse:? Schätzung über die Randwahrscheinlichkeiten und Multiplikationstheorem: p(grün ohne Stern) = = = 9 90 = 1 10 S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 15 / 38

16 Theoreme der Wahrscheinlichkeitsrechnung Stochastische Abhängigkeit Erwartete Häufigkeiten Die Wahrscheinlichkeit p(grün ohne Stern) beträgt 0.1 bzw. 10%. Damit sind 30 vom 300 Bällen wahrscheinlich grün und ohne Stern. Unter Berücksichtigung der Randsummen ergeben sich damit folgende erwartete Häufigkeiten: rot grün blau Σ mit Stern ohne Stern Σ z. B. Anzahl rot ohne Stern = = 40 S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 16 / 38

17 Theoreme der Wahrscheinlichkeitsrechnung Stochastische Abhängigkeit Beobachtete vs. erwartete Häufigkeit Die erwarteten Häufigkeiten sind: rot grün blau Σ mit Stern ohne Stern Σ Diese müssen nicht mit den beobachteten Häufigkeiten übereinstimmen, z. B.: rot grün blau Σ mit Stern ohne Stern Σ S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 17 / 38

18 Theoreme der Wahrscheinlichkeitsrechnung Stochastische Abhängigkeit Stochastische Unabhängigkeit Stochastische Unabhängigkeit Entspricht die erwartete Verteilung der beobachteten Verteilung, spricht man von stochastischer Unabhängigkeit. Entspricht die erwartete Verteilung nicht der beobachteten, spricht man von stochastischer Abhängigkeit. Mathematisch ist die erwartete Häufigkeit das Produkt der jeweiligen Einzelwahrscheinlichkeiten der Ereignisse. Später werden wir Verfahren kennen lernen, die eine erwartete Häufigkeitsverteilung mit einer beobachteten vergleichen. Eine Möglichkeit besteht z. B. in χ 2 -Verfahren. S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 18 / 38

19 Permutationen und Kombinationen Permutationen und Kombinationen Permutationen und Kombinationen Permutationsregel Kombinationsregeln S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 19 / 38

20 Permutationen und Kombinationen Permutationsregel Permutationsregel Auf wieviele Arten können 4 Items eines Fragebogens angeordnet werden? I1, I2, I3, I4 I2, I1, I3, I4... Permutationsregel n verschiedene Objekte können in n! = 1... (n 1) n verschiedenen Abfolgen angeordnet werden. n! bedeutet dabei n Fakultät. Dabei gilt 0! = 1! = 1. Angewendet auf das Beispiel: 4! = = 24 und für eine beliebige Kombination p = 1/ S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 20 / 38

21 Permutationen und Kombinationen Kombinationsregeln 1. Kombinationsregel In einem psychologischen Test werden den Testteilnehmern aus 7 Items per Zufall 3 zugewiesen. Wie wahrscheinlich ist die Kombination zuerst Item 1, dann Item 2 und zuletzt Item 6? 1. Kombinationsregel Wählt man aus n verschiedenen Objekten k zufällig mit einer bestimmten Reihenfolge aus, so ergeben sich sich n! (n k)! (5) mögliche Kombinationen für die k Objekte. Bezogen auf das Beispiel: 7! = = 210, damit p = 1/ bzw. 0.48% 4! S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 21 / 38

22 Permutationen und Kombinationen Kombinationsregeln Gedankengang zur 2. Kombinationsregel Wenn die Reihenfolge der Items keine Rolle spielt, wie groß ist dann die Wahrscheinlichkeit, die Items 1, 2 und 6 in beliebiger Reihenfolge zu erhalten? Die Wahrscheinlichkeit für eine bestimmte Reihenfolge von drei Items ist 1/210. Nach der Permutationsregel ergeben sich 3! = = 6 Möglichkeiten, 3 Items anzuordnen. Damit ergibt sich p = 6/ bzw. 2.9%. S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 22 / 38

23 Permutationen und Kombinationen Kombinationsregeln 2. Kombinationsregel 2. Kombinationsregel Wählt man aus n verschiedenen Objekten ohne Berücksichtigung der Reihenfolge k zufällig aus, ergeben sich ( ) n n! = k k! (n k)! (6) mögliche Kombinationen (sprich: n über k). ( n k) wird auch als Binomialkoeffizient bezeichnet. Wenn n < k, dann ist ( n k) = 0. Fortführung des Beispiels mit n = 7, k = 3: ( ) 7 = 3 7! 3! (7 3)! = 7! 3! 4! = = = 35 und damit p = 1/ bzw. 2.9%. S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 23 / 38

24 Permutationen und Kombinationen Kombinationsregeln Beispiel Lotto: 6 aus 49 Mit dem Binomialkoeffizient kann die Anzahl der Kombinationen von 6 zufälligen Ziehungen aus 49 Zahlen bestimmt werden: ( ) = = und damit p = 1/ = Hinweis: Die Wahrscheinlichkeit 5 Richtige zu erhalten, kann nicht mit dem Binomialkoeffizienten bestimmt werden. Dafür wird die hypergeometrische Verteilung benötigt. Frage: Warum nicht? S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 24 / 38

25 Permutationen und Kombinationen Kombinationsregeln 3. Kombinationsregel 10 Items eines Test sollen in 2 Blöcken zu jeweils 3 Items und einem Block zu 4 Items gruppiert werden. Wieviele Kombinationen sind möglich und wie groß ist die Wahrscheinlichkeit für eine dieser Kombinationen? 3. Kombinationsregel Sollen n Objekte in k Gruppen der größe n 1, n 2,..., n k eingeteilt werden (wobei n 1 + n n k = n), ergeben sich n! n 1! n 2!... n k! (7) mögliche Kombinationen. Angewendet auf das Beispiel: 10! 3! 3! 4! = = = 4200, und damit p = 1/ bzw %. S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 25 / 38

26 Binomialverteilung Binomialverteilung Binomialverteilung Herleitung der Binomialverteilung Definition der Binomialverteilung Bernoulli Prozesse S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 26 / 38

27 Binomialverteilung Herleitung der Binomialverteilung Herleitung der Binomialverteilung Wie groß ist die Wahrscheinlichkeit dafür, dass bei dreimaligem Münzwurf genau einmal Kopf fällt? Die Wahrscheinlichkeit für ein günstiges Ereignis, z. B. {Z, Z, K}, ist p(z Z K) = p(k = Z) p(k = Z) p(k = K) = = Die Anzahl an möglichen Kombinationen, einmal Kopf bei 3 Würfen zu erhalten, ist ( ( n k) = 3 ) 1 = 3! 2! 1! = = 6 2 = 3. Damit ist p(1 einmal K 3 Würfen) = = Das Zeichen bedeutet unter der Bedingung. S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 27 / 38

28 Binomialverteilung Herleitung der Binomialverteilung Allgemeine Herleitung Die Wahrscheinlichkeit, für ein günstiges Ereignis X = k mit der Einzelwahrscheinlichkeit p (und Gegenwahrscheinlichkeit q = 1 p) in einem Zufallsexperiment mit n Versuchen ist: p(x = k) = p p... p q q... q }{{}}{{} k-mal (n k) mal i=1 = p k q n k = p k (1 p) n k Anzahl der möglichen Kombinationen, ohne Berücksichtigung der Reihenfolge k Objekte aus n Objekten auszuwählen, ist ( n k). Nach dem Additionstheorem werden die Einzelwahrscheinlichkeiten addiert: ( k) n ( ) n pi k q n k i = p k q n k. k S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 28 / 38

29 Binomialverteilung Definition der Binomialverteilung Binomialverteilung Definition der Binomialverteilung Die Wahrscheinlichkeit B(k p, n), dass ein Ereignis mit einer konstanten Auftretenswahrscheinlichkeit p genau k-mal auftritt, unter der Bedingung, dass n Versuche durchgeführt werden, lautet: ( ) n B(k p, n) = p k q n k (8) k mit: n k p q Anzahl der Versuche Anzahl günstiger Ereignisse Wahrscheinlichkeit für ein günstiges Ereignis Gegenwahrscheinlichkeit 1 p S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 29 / 38

30 Binomialverteilung Definition der Binomialverteilung Beispiel Beispiel von eben: Wie groß ist die Wahrscheinlichkeit dafür, dass bei dreimaligem Münzwurf genau einmal Kopf fällt? Damit k = 1, n = 3, p = 0.5: ( ) 3 B(1 0.5, 3) = = 3! ! 2! = = Damit beträgt die gesuchte Wahrscheinlichkeit 37.5%. S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 30 / 38

31 Binomialverteilung Bernoulli Prozesse Bernoulli Prozess Abfolge zufälliger, unabhängiger Ereignisse mit konstanter Wahrscheinlichkeit p (bzw. 1 p) werden Bernoulli Prozess genannt. Die Binomialverteilung wird daher auch als Bernoulli-Verteilung bezeichnet. S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 31 / 38

32 Binomialverteilung Bernoulli Prozesse Bernoulli Prozesse und Binomialverteilung Ein einfaches Beispiel für einen Bernoulli-Prozesse ist ein mehrfacher Münzwurf. Z. B. Wie wahrscheinlich ist es, bei zwei Münzwürfen genau einmal Kopf zu erhalten? Damit: k = 1, n = 2, p = 0.5: B(k = 1 n = 2, p = 0.5) = ( ) = = 0.5 S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 32 / 38

33 Binomialverteilung Bernoulli Prozesse Bernoulli Prozesse und Binomialverteilung Nun wird eine falsche Münze verwendet, z. B. für Kopf p = 0.7. Damit:p = 0.7, k = 1, n = 2, p = 0.7: ( ) 2 B(1 2, 0.7) = = = 0.42 S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 33 / 38

34 Binomialverteilung Bernoulli Prozesse Multiple Choice Test Ein Multiple-Choice Test besteht aus 20 Fragen mit jeweils 4 Antwortmöglichkeiten. Wie groß ist die Wahrscheinlichkeit, per raten genau 5 richtige Antworten zu erhalten? Damit:n = 20, k = 5, p =.25: B(k = 5 p = 0.25, n = 20) = = ( ) ( ) ! 5! (20 5)! Die Wahrscheinlichkeit beträgt also 20%. ( ) = = 0.20 S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 34 / 38

35 Binomialverteilung Bernoulli Prozesse Beispiele für Binomialverteilungen, n=20 p = 0.5 p = 0.25 Wahrscheinlichkeit [0, 1] Wahrscheinlichkeit [0, 1] k k p = 0.75 p = 0.33 Wahrscheinlichkeit [0, 1] Wahrscheinlichkeit [0, 1] k k S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 35 / 38

36 Binomialverteilung Bernoulli Prozesse Lösungsskizzen für weitere Beispiele Wie groß ist die Wahrscheinlichkeit dafür, dass jemand per Zufall höchstens 5 Antworten ankreuzt? Lösungsskizze: Höchstens fünf heißt 0, 1, 2, 3, 4 oder 5 richtige Antworten. Es müssen also die Werte für k = {0, 1, 2, 3, 4, 5} mit n = 20 und p =.25 anhand der Binomialverteilung berechnet werden. Die so errechneten Wahrscheinlichkeiten sind zu addieren. Lösung: bzw. 61%. Die Einzelwahrscheinlichkeiten: B(k = 0 p = 0.25, n = 20) = , B(1 0.25, 20) = , B(2 0.25, 20) = , B(3 0.25, 20) = , B(4 0.25, 20) = , B(5 0.25, 20) = 0.2 S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 36 / 38

37 Binomialverteilung Bernoulli Prozesse Lösungsskizzen für weitere Beispiele Wie groß ist die Wahrscheinlichkeit dafür, dass jemand per Zufall mindestens 6 Antworten ankreuzt? Man könnte jetzt anhand der Binomialverteilung für k = {6,..., 20} wieder die Einzelwahrscheinlichkeiten bestimmen und addieren. Aber: Mindestens 6 ist die Gegenwahrscheinlichkeit von maximal 5. Also: 100% - 61% = 39%. S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 37 / 38

38 Binomialverteilung Bernoulli Prozesse Literaturverzeichnis Bortz, J. & Schuster, C. (2010). Statistik für Human- und Sozialwissenschaftler (7. Auflage). Berlin: Springer. S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung Statistik 1 38 / 38

STATISTIK 1 - BEGLEITVERANSTALTUNG

STATISTIK 1 - BEGLEITVERANSTALTUNG STATISTIK 1 - BEGLEITVERANSTALTUNG VORLESUNG 2 - WAHRSCHEINLICHKEIT 28.11.2014 1 28.11.2014 1 Mona Ulrich, Psychologie (M.Sc.) AGENDA 01 WAS IST WAHRSCHEINLICHKEITSRECHNUNG? 02 THEOREME DER WAHRSCHEINLICHKEITSRECHNUNG

Mehr

Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26)

Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26) Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26 Ein Wahrscheinlichkeitsraum (Ω, P ist eine Menge Ω (Menge aller möglichen Ausgänge eines Zufallsexperiments: Ergebnismenge versehen mit einer Abbildung

Mehr

Programm. Wiederholung. Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung. Binomialverteilung. Hypergeometrische Verteilung

Programm. Wiederholung. Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung. Binomialverteilung. Hypergeometrische Verteilung Programm Wiederholung Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung Binomialverteilung Hypergeometrische Verteilung Wiederholung verschiedene Mittelwerte für verschiedene Skalenniveaus

Mehr

Kapitel 5 Stochastische Unabhängigkeit

Kapitel 5 Stochastische Unabhängigkeit Kapitel 5 Stochastische Unabhängigkeit Vorlesung Wahrscheinlichkeitsrechnung I vom SoSe 2009 Lehrstuhl für Angewandte Mathematik 1 FAU 5.1 Das Konzept der stochastischen Unabhängigkeit. 1 Herleitung anhand

Mehr

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

Aufgabe 1. Übung Wahrscheinlichkeitsrechnung Markus Kessler Seite 1 von 8. Die Ereignisse A, B und C erfüllen die Bedingungen Ü b u n g 1 Aufgabe 1 Die Ereignisse A, B und C erfüllen die Bedingungen P(A) = 0. 7, P(B) = 0. 6, P(C) = 0. 5 P(A B) = 0. 4, P(A C) = 0. 3, P(B C) = 0. 2, P(A B C) = 0. 1 Bestimmen Sie P(A B), P(A C),

Mehr

2.2 Ereignisse und deren Wahrscheinlichkeit

2.2 Ereignisse und deren Wahrscheinlichkeit 2.2 Ereignisse und deren Wahrscheinlichkeit Literatur: [Papula Bd., Kap. II.2 und II.], [Benning, Kap. ], [Bronstein et al., Kap. 1.2.1] Def 1 [Benning] Ein Zufallsexperiment ist ein beliebig oft wiederholbarer,

Mehr

Einführung in die Wahrscheinlichkeitsrechnung

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

Mehr

Wahrscheinlichkeit (Teschl/Teschl 2, Kap. 26)

Wahrscheinlichkeit (Teschl/Teschl 2, Kap. 26) Wahrscheinlichkeit (Teschl/Teschl 2, Kap. 26) Gegeben Menge Ω (Wahscheinlichkeitsraum, Menge aller möglichen Ausgänge eines Zufallsexperiments), Abbildung P : P(Ω) [0, 1] (Wahrscheinlichkeit): Jeder Teilmenge

Mehr

Willkommen zur Vorlesung Statistik (Master)

Willkommen zur Vorlesung Statistik (Master) Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Wahrscheinlichkeit und Zufallsvorgänge Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften

Mehr

Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management

Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 2013 Hochschule Augsburg Unabhängigkeit von Ereignissen A, B unabhängig:

Mehr

Basiswissen Daten und Zufall Seite 1 von 8 1 Zufallsexperiment Ein Zufallsexperiment ist ein Versuchsaufbau mit zufälligem Ausgang, d. h. das Ergebnis kann nicht vorhergesagt werden. 2 Ergebnis (auch Ausgang)

Mehr

Population und Stichprobe: Wahrscheinlichkeitstheorie

Population und Stichprobe: Wahrscheinlichkeitstheorie Population und Stichprobe: Wahrscheinlichkeitstheorie SS 2001 4. Sitzung vom 15.05.2001 Wahrscheinlichkeitstheorie in den Sozialwissenschaften: Stichprobenziehung: Aussagen über Stichprobenzusammensetzung

Mehr

Wahrscheinlichkeitsrechnung [probability]

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

Mehr

Zusammenfassung Stochastik

Zusammenfassung Stochastik Zusammenfassung Stochastik Die relative Häufigkeit Ein Experiment, dessen Ausgang nicht vorhersagbar ist, heißt Zufallsexperiment (ZE). Ein Würfel wird 40-mal geworfen, mit folgendem Ergebnis Augenzahl

Mehr

Willkommen zur Vorlesung Statistik (Master)

Willkommen zur Vorlesung Statistik (Master) Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilung diskreter Zufallsvariablen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften

Mehr

Biostatistik, Winter 2011/12

Biostatistik, Winter 2011/12 Biostatistik, Winter 2011/12 Wahrscheinlichkeitstheorie:, Unabhängigkeit Prof. Dr. Achim Klenke http://www.aklenke.de 6. Vorlesung: 02.12.2011 1/30 Inhalt 1 Wahrscheinlichkeit 2 2/30 Wahrscheinlichkeit

Mehr

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

Einführung. Wahrscheinlichkeit. 1 Wahrscheinlichkeit: Definition und Interpretation. 2 Elementare Wahrscheinlichkeitsrechnung, bedingte Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2 Elementare Wahrscheinlichkeitsrechnung, bedingte Wahrscheinlichkeit Axiome nach Kolmogorov Gegeben sei ein Zufallsexperiment mit Ergebnisraum

Mehr

Wahrscheinlichkeitsrechnung für die Mittelstufe

Wahrscheinlichkeitsrechnung für die Mittelstufe Wahrscheinlichkeitsrechnung für die Mittelstufe Wir beginnen mit einem Beispiel, dem Münzwurf. Es wird eine faire Münze geworfen mit den Seiten K (für Kopf) und Z (für Zahl). Fair heißt, dass jede Seite

Mehr

Wahrscheinlichkeitsverteilungen

Wahrscheinlichkeitsverteilungen Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet

Mehr

Willkommen zur Vorlesung Statistik (Master)

Willkommen zur Vorlesung Statistik (Master) Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilung diskreter Zufallsvariablen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften

Mehr

Kombinatorik. 1. Beispiel: Wie viele fünfstellige Zahlen lassen sich aus den fünf Ziffern in M = {1;2;3;4;5} erstellen?

Kombinatorik. 1. Beispiel: Wie viele fünfstellige Zahlen lassen sich aus den fünf Ziffern in M = {1;2;3;4;5} erstellen? 1 Kombinatorik Aus einer Grundgesamtheit mit n Elementen wird eine Stichprobe k Elementen entnommen. Dabei kann die Stichprobe geordnet oder ungeordnet sein. "Geordnet" bedeutet, dass die Reihenfolge der

Mehr

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

UE Statistik 1, SS 2015, letztes Update am 5. März Übungsbeispiele UE Statistik, SS 05, letztes Update am 5. März 05 Übungsbeispiele Beispiele mit Musterlösungen finden Sie auch in dem Buch Brannath, W., Futschik, A., Krall, C., (00) Statistik im Studium der Wirtschaftswissenschaften..

Mehr

htw saar 1 KAPITEL 4 BEDINGTE WAHRSCHEINLICHKEIT UND STOCHASTISCHE UNABHÄNGIGKEIT Hans-Peter Hafner WS 2016/2017

htw saar 1 KAPITEL 4 BEDINGTE WAHRSCHEINLICHKEIT UND STOCHASTISCHE UNABHÄNGIGKEIT Hans-Peter Hafner WS 2016/2017 htw saar 1 KAPITEL 4 BEDINGTE WAHRSCHEINLICHKEIT UND STOCHASTISCHE UNABHÄNGIGKEIT htw saar 2 Gliederung 25.01. Bedingte Wahrscheinlichkeit: Motivation und Definition Multiplikationssatz Stochastische Unabhängigkeit:

Mehr

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

Rumpfskript. Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen Rumpfskript Elementare Wahrscheinlichkeitsrechnung Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen Vorbemerkung Vorbemerkung Das vorliegende Skript heißt nicht nur Rumpf skript, sondern

Mehr

Sachrechnen/Größen WS 14/15-

Sachrechnen/Größen WS 14/15- Kapitel Daten & Wahrscheinlichkeit 3.1 Kombinatorische Grundlagen 3.2 Kombinatorik & Wahrscheinlichkeit in der Grundschule 3.3 Daten Darstellen 3.1 Kombinatorische Grundlagen Verschiedene Bereiche der

Mehr

Variationen Permutationen Kombinationen

Variationen Permutationen Kombinationen Variationen Permutationen Kombinationen Mit diesen Rechenregeln lässt sich die Wahrscheinlichkeit bestimmter Ereigniskombinationen von gleichwahrscheinlichen Elementarereignissen ermitteln, und erleichtert

Mehr

Teil II. Wahrscheinlichkeitsrechnung

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

Mehr

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

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

Mehr

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Universität Duisburg-Essen Essen, den 12.02.2010 Fakultät für Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,

Mehr

Interaktives Skriptum: Elementare Wahrscheinlichkeitsrechnung

Interaktives Skriptum: Elementare Wahrscheinlichkeitsrechnung Interaktives Skriptum: Elementare Wahrscheinlichkeitsrechnung 1. Grundbegriffe Würfeln, Werfen einer Münze, Messen der Lebensdauer einer Glühbirne Ausfall/Ausgang: Würfeln: Augenzahlen 1, 2, 3, 4, 5, 6

Mehr

Wirtschaftsstatistik I [E1]

Wirtschaftsstatistik I [E1] 040571-1 WMS: Wirtschaftsstatistik 1 :: WiSe07/08 Wirtschaftsstatistik I [E1] Schwab, Harald 1 harald.schwab@univie.ac.at http://homepage.univie.ac.at/harald.schwab October 7, 2007 1 Sprechstunde: MO 17-18h

Mehr

Statistik I für Humanund Sozialwissenschaften

Statistik I für Humanund Sozialwissenschaften Statistik I für Humanund Sozialwissenschaften 3. Übung Lösungsvorschlag Gruppenübung G 8 a) Ein Professor möchte herausfinden, welche 5 seiner insgesamt 8 Mitarbeiter zusammen das kreativste Team darstellen.

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 12. Dezember 2012 1 Kombinatorik Fakultät Binomialkoeffizienten Urnenmodelle 2 Definition Fakultät Die Zahl n! =

Mehr

STOCHASTISCHE UNABHÄNGIGKEIT. Annika Pohlmann Philipp Oel Wilhelm Dück

STOCHASTISCHE UNABHÄNGIGKEIT. Annika Pohlmann Philipp Oel Wilhelm Dück STOCHASTISCHE UNABHÄNGIGKEIT Annika Pohlmann Philipp Oel Wilhelm Dück 1 GLIEDERUNG 1) Bedingte Wahrscheinlichkeiten 2) Unabhängigkeit für mehr als zwei Ereignisse 3) Unabhängigkeit für Zufallsvariable

Mehr

= 7! = 6! = 0, 00612,

= 7! = 6! = 0, 00612, Die Wahrscheinlichkeit, dass Prof. L. die Wette verliert, lässt sich wie folgt berechnen: Ω = {(i 1,..., i 7 ) : i j {1... 7}, j = 1... 7}, wobei i, j für den Wochentag steht, an dem die Person j geboren

Mehr

Kapitel 6. Kapitel 6 Mehrstufige Zufallsexperimente

Kapitel 6. Kapitel 6 Mehrstufige Zufallsexperimente Mehrstufige Zufallsexperimente Inhalt 6.1 6.1 Mehrstufige Experimente 6.2 6.2 Bedingte Wahrscheinlichkeiten Seite 2 6.1 Mehrstufige Experimente Grundvorstellung: Viele Viele Experimente werden der der

Mehr

Wahrscheinlichkeitstheorie

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

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike

Mehr

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

1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6 Inhaltsverzeichnis 1 Vorbemerkungen 1 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2 3 Wahrscheinlichkeitsaxiome 4 4 Laplace-Experimente 6 5 Hilfsmittel aus der Kombinatorik 7 1 Vorbemerkungen

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 10. November 2010 1 Bedingte Wahrscheinlichkeit Satz von der totalen Wahrscheinlichkeit Bayessche Formel 2 Grundprinzipien

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 3. November 2010 1 Kombinatorik Fakultät Binomialkoeffizienten Urnenmodelle 2 Definition Tabellen Fakultät, Beispiel

Mehr

Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff?

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

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de lordsofthebortz.de lordsofthebortz.de/g+

Mehr

Arbeitsblatt Wahrscheinlichkeit

Arbeitsblatt Wahrscheinlichkeit EI 8a 2010-11 MATHEMATIK Arbeitsblatt Wahrscheinlichkeit gelöst! 1. Aufgabe Wahrscheinlichkeit (hier wird dann auch mal gerundet!) a) Merksatz: Wahrscheinlichkeiten kann man immer (nicht ganz. dann, wenn

Mehr

Grundwissen zur Stochastik

Grundwissen zur Stochastik Grundwissen zur Stochastik Inhalt: ABHÄNGIGE EREIGNISSE...2 ABHÄNGIGKEIT UND UNABHÄNGIGKEIT VON ERGEBNISSEN...2 ABHÄNGIGKEIT UND UNABHÄNGIGKEIT VON MERKMALEN IN VIERFELDERTAFELN...2 ABSOLUTE HÄUFIGKEIT...2

Mehr

Fit for Abi & Study Stochastik

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

Mehr

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

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

Mehr

Unabhängigkeit KAPITEL 4

Unabhängigkeit KAPITEL 4 KAPITEL 4 Unabhängigkeit 4.1. Unabhängigkeit von Ereignissen Wir stellen uns vor, dass zwei Personen jeweils eine Münze werfen. In vielen Fällen kann man annehmen, dass die eine Münze die andere nicht

Mehr

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

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 . Grundlagen der Wahrscheinlichkeitstheorie. Zufallsereignisse, Ereignisraum und Ereignismenge Zufallsexperiment: nach einer bestimmten Vorschrift ausgeführter, unter gleichen edingungen beliebig oft wiederholbarer

Mehr

Ergebnis Ergebnisraum Ω. Ereignis. Elementarereignis

Ergebnis Ergebnisraum Ω. Ereignis. Elementarereignis Stochastik Die Stochastik besteht aus zwei Teilgebieten, der Statistik und der Wahrscheinlichkeitsrechnung. Die Statistik beschreibt die Vergangenheit und verwendet Informationen, die (in realen Versuchen)

Mehr

Stochastik - Kapitel 2

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

Mehr

Frage 1. Wie viele Möglichkeiten gibt es, ein Element aus einer Menge M auszuwählen? n = M

Frage 1. Wie viele Möglichkeiten gibt es, ein Element aus einer Menge M auszuwählen? n = M Kapitel 1 Kombinatorik (Prof. K. Gerald van den Boogaart) 1.1 Grundprinzipien 1.1.1 Auswahl aus Möglichkeiten Frage 1. Wie viele Möglichkeiten gibt es, ein Element aus einer Menge M auszuwählen? n = M

Mehr

Stochastische Unabhängigkeit. 01. Dezember 2014

Stochastische Unabhängigkeit. 01. Dezember 2014 Stochastische Unabhängigkeit 0. Dezember 204 Der Begriff der Unabhängigkeit Großbritannien, im November 999. Die Anwältin Sally Clark wird wegen Mordes an ihren Kindern angeklagt. Clark geriet unter Verdacht

Mehr

1. Grundlagen der Wahrscheinlichkeitsrechnung

1. Grundlagen der Wahrscheinlichkeitsrechnung 1. Grundlagen der Wahrscheinlichkeitsrechnung Ereignisse und Wahrscheinlichkeiten Zufälliger Versuch: Vorgang, der (zumindest gedanklich) beliebig oft wiederholbar ist und dessen Ausgang innerhalb einer

Mehr

4 Diskrete Wahrscheinlichkeitsverteilungen

4 Diskrete Wahrscheinlichkeitsverteilungen 4 Diskrete Wahrscheinlichkeitsverteilungen 4.1 Wahrscheinlichkeitsräume, Ereignisse und Unabhängigkeit Definition: Ein diskreter Wahrscheinlichkeitsraum ist ein Paar (Ω, Pr), wobei Ω eine endliche oder

Mehr

Wahrscheinlichkeitsrechnung

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

Mehr

Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.2/58

Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.2/58 Statistik Einführung Wahrscheinlichkeitstheorie Kapitel 3 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Leydold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Wahrscheinlichkeitstheorie

Mehr

Beispiele: Beim Zahlenlotto sollte jede Sechserserie von Zahlen mit derselben Wahrscheinlichkeit auftreten.

Beispiele: Beim Zahlenlotto sollte jede Sechserserie von Zahlen mit derselben Wahrscheinlichkeit auftreten. 3. Laplaceexperimente. Beispiele: Beim Zahlenlotto sollte jede Sechserserie von Zahlen mit derselben Wahrscheinlichkeit auftreten. Laplace-Münze: p(k) = p(z) = / Laplace-Würfel: p() =... = p(6) = / 6.

Mehr

Abiturvorbereitung Stochastik. neue friedländer gesamtschule Klasse 12 GB Holger Wuschke B.Sc.

Abiturvorbereitung Stochastik. neue friedländer gesamtschule Klasse 12 GB Holger Wuschke B.Sc. Abiturvorbereitung Stochastik neue friedländer gesamtschule Klasse 12 GB 21.02.2014 Holger Wuschke B.Sc. Glücksspiel auf der Buchmesse Leipzig, 2013 Organisatorisches 1. Begriffe in der Stochastik (1)

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike

Mehr

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

Bei 10 dieser Würfe wurde gleichzeitig eine 1 gewürfelt. Bei 25 dieser Würfe wurde gleichzeitig eine Augenzahl größer als 2 gewürfelt. 3 Wahrscheinlichkeiten 1 Kapitel 3: Wahrscheinlichkeiten A: Beispiele Beispiel 1: Ein Experiment besteht aus dem gleichzeitigen Werfen einer Münze und eines Würfels. Nach 100 Wiederholungen dieses Experiments

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 27. Oktober 2010 Teil III Wahrscheinlichkeitstheorie 1 Zufallsereignisse Vorüberlegungen Der Ereignisraum Konstruktionen

Mehr

9. Elementare Wahrscheinlichkeitsrechnung

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

Mehr

Wahrscheinlichkeitsrechnung

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

Mehr

Mathematik: LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 12. Erwartungswert, Varianz und Standardabweichung

Mathematik: LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 12. Erwartungswert, Varianz und Standardabweichung Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester ARBEITSBLATT Erwartungswert, Varianz und Standardabweichung Die Begriffe Varianz und Standardabweichung sind uns bereits aus der Statistik bekannt

Mehr

Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist.

Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist. .3. Stochastik Grundlagen Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist. Die RELATIVE HÄUFIGKEIT einer Merkmalsausprägung gibt an mit welchem Anteil

Mehr

STATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik. Mögliche Ergebnisse, auch Elementarereignisse bezeichnet

STATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik. Mögliche Ergebnisse, auch Elementarereignisse bezeichnet Kapitel 10 Zufall und Wahrscheinlichkeit 10.1. Grundbegriffe Wahrscheinlichkeitsrechnung Zufallsvorgang Klein-Omega ω Groß-Omega Ω Stellt Modelle bereit, die es erlauben zufallsabhängige Prozesse abzuschätzen

Mehr

Kapitel ML:IV. IV. Statistische Lernverfahren. Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen

Kapitel ML:IV. IV. Statistische Lernverfahren. Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen Kapitel ML:IV IV. Statistische Lernverfahren Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen ML:IV-1 Statistical Learning c STEIN 2005-2011 Definition 1 (Zufallsexperiment,

Mehr

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 1

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 1 TUM, Zentrum Mathematik Lehrstuhl für Mathematische Physik WS 2013/ Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weidner Tutoraufgaben: Einführung in die Wahrscheinlichkeitstheorie svorschläge zu

Mehr

P (A B) P (B) = P ({3}) P ({1, 3, 5}) = 1 3.

P (A B) P (B) = P ({3}) P ({1, 3, 5}) = 1 3. 2 Wahrscheinlichkeitstheorie Beispiel. Wie wahrscheinlich ist es, eine Zwei oder eine Drei gewürfelt zu haben, wenn wir schon wissen, dass wir eine ungerade Zahl gewürfelt haben? Dann ist Ereignis A das

Mehr

Basistext - Wahrscheinlichkeitsrechnung

Basistext - Wahrscheinlichkeitsrechnung Basistext - Wahrscheinlichkeitsrechnung Die Wahrscheinlichkeitsrechnung beschäftigt sich mit Vorgängen, die in ihrem Ausgang unbestimmt sind. Sie versucht mögliche Ergebnisse der Vorgänge zu quantifizieren.

Mehr

Informatik II Grundbegriffe der Wahrscheinlichkeitsrechnung

Informatik II Grundbegriffe der Wahrscheinlichkeitsrechnung lausthal Begriffe Informatik II rundbegriffe der Wahrscheinlichkeitsrechnung. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Definition: Unter einem Zufallsexperiment versteht man einen,

Mehr

Dr. H. Grunert Einführung in die Wahrscheinlichkeitsrechnung Vorlesungscharts. Vorlesung 1. Grundbegriffe der Wahrscheinlichkeitsrechnung

Dr. H. Grunert Einführung in die Wahrscheinlichkeitsrechnung Vorlesungscharts. Vorlesung 1. Grundbegriffe der Wahrscheinlichkeitsrechnung Vorlesungscharts Vorlesung 1 Grundbegriffe der Wahrscheinlichkeitsrechnung Zufallsvorgänge und Zufallsereignisse Definitionen der Wahrscheinlichkeit Seite 1 von 11 Chart 1: Vorgänge deterministisch zufällig

Mehr

Grundwissen Stochastik Grundkurs 23. Januar 2008

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

Mehr

3. Kombinatorik und Wahrscheinlichkeit

3. Kombinatorik und Wahrscheinlichkeit 3. Kombinatorik und Wahrscheinlichkeit Es geht hier um die Bestimmung der Kardinalität endlicher Mengen. Erinnerung: Seien A, B, A 1,..., A n endliche Mengen. Dann gilt A = B ϕ: A B bijektiv Summenregel:

Mehr

Informatik II Grundbegriffe der Wahrscheinlichkeitsrechnung

Informatik II Grundbegriffe der Wahrscheinlichkeitsrechnung lausthal Informatik II rundbegriffe der Wahrscheinlichkeitsrechnung. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Begriffe Definition: Unter einem Zufallsexperiment versteht man einen,

Mehr

Modelle diskreter Zufallsvariablen

Modelle diskreter Zufallsvariablen Statistik 2 für SoziologInnen Modelle diskreter Zufallsvariablen Univ.Prof. Dr. Marcus Hudec Zufallsvariable Eine Variable (Merkmal) X, deren numerische Werte als Ergebnisse eines Zufallsvorgangs aufgefasst

Mehr

K3 (Diskrete) Zufallsvariablen 3.1 Basis

K3 (Diskrete) Zufallsvariablen 3.1 Basis K3 (Diskrete) Zufallsvariablen 3.1 Basis Ω = {ω}, X(ω) ist eine Größe die durch ω bestimmt ist. Bei der zufälligen Auswahl von ω bekommen wir den Wert, X(ω). Definition: Ist (Ω, F, P) ein Wahrscheinlichkeitsraum

Mehr

Grundlagen der Stochastik

Grundlagen der Stochastik Grundlagen der Stochastik Johannes Recker / Sep. 2015, überarbeitet Nov. 2015 Fehlermeldungen oder Kommentare an recker@sbshh.de Inhalt 1. Grundlegende Begriffe der Wahrscheinlichkeitsrechnung... 2 1.1.

Mehr

Sven Garbade. Statistik 1

Sven Garbade. Statistik 1 χ 2 -Test für nominale Daten Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) χ 2 -Test für nominale

Mehr

15 Wahrscheinlichkeitsrechnung und Statistik

15 Wahrscheinlichkeitsrechnung und Statistik 5 Wahrscheinlichkeitsrechnung und Statistik Alles, was lediglich wahrscheinlich ist, ist wahrscheinlich falsch. ( Descartes ) Trau keiner Statistik, die du nicht selbst gefälscht hast. ( Churchill zugeschrieben

Mehr

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Zufallsvariable Erinnerung: Merkmal, Merkmalsausprägung Deskriptive Statistik:

Mehr

KAPITEL 2. Kombinatorik

KAPITEL 2. Kombinatorik KAPITEL 2 Kombinatori In der Kombinatori geht es um das Abzählen von Kombinationen 21 Geburtstagsproblem Beispiel 211 (Geburtstagsproblem In einem Raum befinden sich 200 Studenten Wie groß ist die Wahrscheinlicheit,

Mehr

3.3 Bedingte Wahrscheinlichkeit

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

Mehr

Diskrete Strukturen WiSe 2012/13 in Trier

Diskrete Strukturen WiSe 2012/13 in Trier Diskrete Strukturen WiSe 2012/13 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 11. Januar 2013 1 Diskrete Strukturen Gesamtübersicht Organisatorisches und Einführung Mengenlehre Relationen

Mehr

Einführung in die Wahrscheinlichkeitsrechnung

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

Mehr

Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME

Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Fassung vom 12. Januar 2001 121 WAHRSCHEINLICHKEITS-RÄUME Stichproben-Raum. 9.1 9.1 Stichproben-Raum. Die bisher behandelten Beispiele von Naturvorgängen oder Experimenten

Mehr

73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments

73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments 73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind

Mehr

1.3 Stochastische Unabhängigkeit und bedingte

1.3 Stochastische Unabhängigkeit und bedingte 1.3 Stochastische Unabhängigkeit und bedingte Wahrscheinlichkeiten Ziel: komplexere Modelle aus Verkettung ( Koppelung ) von Zufallsexperimenten bauen, insbesondere Ziehung von n-personen aus n-maliger

Mehr

Forschungsstatistik I

Forschungsstatistik I Prof. Dr. G. Meinhardt 2. Stock, Nordflügel R. 02-429 (Persike) R. 02-431 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 2008/2009

Mehr

Zufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen

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

Mehr

Institut für Biometrie und klinische Forschung. WiSe 2012/2013

Institut für Biometrie und klinische Forschung. WiSe 2012/2013 Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie (3) Überblick. Deskriptive Statistik I 2. Deskriptive

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de

Mehr

Übungen mit dem Applet Zentraler Grenzwertsatz

Übungen mit dem Applet Zentraler Grenzwertsatz Zentraler Grenzwertsatz 1 Übungen mit dem Applet Zentraler Grenzwertsatz 1 Statistischer Hintergrund... 1.1 Zentraler Grenzwertsatz... 1. Beispiel Würfeln... 1.3 Wahrscheinlichkeit und relative Häufigkeit...3

Mehr

Kapitel 2 Wahrscheinlichkeitsrechnung

Kapitel 2 Wahrscheinlichkeitsrechnung Motivation bisher: Beschreibung von Datensätzen = beobachteten Merkmalsausprägungen Frage: Sind Schlußfolgerungen aus diesen Beobachtungen möglich? Antwort: Ja, aber diese gelten nur mit einer bestimmten

Mehr

Übungsaufgaben, Statistik 1

Übungsaufgaben, Statistik 1 Übungsaufgaben, Statistik 1 Kapitel 3: Wahrscheinlichkeiten [ 4 ] 3. Übungswoche Der Spiegel berichtet in Heft 29/2007 von folgender Umfrage vom 3. und 4. Juli 2007:,, Immer wieder werden der Dalai Lama

Mehr

Übungsblatt 7 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker

Übungsblatt 7 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker Aufgabe Aufgabe 2 Übungsblatt 7 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker.2.202 Aufgabe Aufgabe 2 Bei einem Zufallsexperiment werden zwei Würfel geworfen und

Mehr

Einführung in Quantitative Methoden

Einführung in Quantitative Methoden 5. Vorlesung Einführung in Quantitative Methoden Karin Waldherr & Pantelis Christodoulides 30. April 2014 Waldherr / Christodoulides Einführung in Quantitative Methoden- 5.VO 1/54 Zusammenhangsmaß für

Mehr

Wahrscheinlichkeitstheorie. Alea iacta est!

Wahrscheinlichkeitstheorie. Alea iacta est! Wahrscheinlichkeitstheorie Alea iacta est! "Wissenschaftliche Theorien, die auf Eigenschaften einer großen Zahl von Individuen rekurrieren, [...] werden anfällig gegen Fehlinterpretationen, wenn man die

Mehr