DIE SPRACHE DER WAHRSCHEINLICHKEITEN

Größe: px
Ab Seite anzeigen:

Download "DIE SPRACHE DER WAHRSCHEINLICHKEITEN"

Transkript

1 KAPITEL 1 DIE SPRACHE DER WAHRSCHEINLICHKEITEN Es ist die Aufgabe der ersten drei Kapitel, eine vollständige Beschreibung des grundlegenden Tripels (Ω, A, P) und seiner Eigenschaften zu geben, das heutzutage von allen Wahrscheinlichkeitstheoretikern als erste Annäherung an den Begriff der Wahrscheinlichkeit akzeptiert wird. Zunächst gilt es, die Ereignisse zu beschreiben, die mit Erscheinungen verknüpft werden, bei denen der Zufall eine Rolle spielt. Dies ist das Thema des ersten Kapitels. Diese Ereignisse begegnen uns als Teilmengen der ersten Komponente Ω dieses Tripels. Um eine praktische Handhabung der Ereignisse zu erreichen, werden wir im folgenden Kapitel eine ausgezeichnete Familie A von Ereignissen einführen, die präzisen algebraischen Regeln genügt. Im dritten Kapitel schliesslich werden wir die dritte Komponente P (das Wahrscheinlichkeitsmass) studieren, das uns erlaubt, eine Gewichtung der zur Familie A gehörigen Ereignisse vorzunehmen. 1. Ein Beispiel. Wir stellen uns eine Erdölgesellschaft vor, die über eine gewisse Anzahl von Schiffen verfügt und die bestrebt ist, eine genaue Studie über die Ankunftszeiten ihrer Tanker an deren Bestimmungshäfen zu machen. Wegen der Zufälligkeiten der Seefahrt können die Ankunftszeiten dieser Tanker nicht auf die Stunde genau vorhergesagt werden. Um diese Ankunftszeiten untersuchen zu können, muss die Gesellschaft apriorieine Klasse von Ereignissen in Betracht ziehen, die diesen Ankunftszeiten zugeordnet ist, wie zum Beispiel: keine Ankunft am Freitag zwischen 8 Uhr und 10 Uhr oder die Tanker n o 1 und n o 2 kommen am 8. Januar an oder Tanker n o 2 hat einen Schaden auf hoher See. Sie wird auch eine Familie von noch präziser beschriebenen Ereignissen auch Stichproben genannt betrachten müssen, wie etwa: Tanker n o 2 kommt am Freitag, den 8. Januar, um 9 Uhr an. Bezeichnet ω diese Stichprobe, so tritt das Ereignis A: keine Ankunft am Freitag zwischen 8 Uhr und 10 Uhr bei der Stichprobe ω nicht ein, wogegen das Ereignis B: mindestens einer der Tanker n o 1 und n o 2 kommt am 8. Januar an bei ω eintritt. Um dieses Phänomen der Ankunftszeiten studieren zu können, wird man also eine Basismenge Ωeinführen und sie mit der Menge der Paare (n, t) identifizieren, wobei n die Nummer eines Tankers der Gesellschaft und t den

2 2 KAPITEL 1: DIE SPRACHE DER WAHRSCHEINLICHKEITEN Ankunftszeitpunkt des Tankers im Hafen bezeichnet. Die obige Stichprobe ω ist also durch das Element (2, (8, 9)) gegeben, wobei (8, 9) den 8. Januar, 9 Uhr bezeichnet. Das Ereignis B ist also mit der Menge aller Elemente (n, t) zu identifizieren, bei denen n = 1 oder 2 ist, sowie (8, 0) t (8, 24). Man sieht an diesem Beispiel, dass die Zugehörigkeit ω B äquivalent ist mit der Aussage B tritt bei der Stichprobe ω ein. Die Sprache der Zugehörigkeit ist die Sprache der Mengenlehre, die Sprache des Eintretens von Ereignissen gehört zur Sprache der Wahrscheinlichkeitstheorie. Die hier eben beschriebene Äquivalenz erlaubt es, jederzeit zwischen beiden Ausdrucksformen zu wechseln. Dies wird in den folgenden Paragraphen noch näher ausgeführt werden. 2. Das fundamentale Tripel. Im obigen Beispiel war es einfach, die Basismenge Ω explizit anzugeben. In den meisten Fällen wird man sich allerdings damit begnügen, die Existenz einer solchen Menge zu unterstellen. Diese ist Teil des Tripels (Ω, A, P), das die folgenden Eigenschaften hat: a) Ω ist eine nichtleere Menge, genannt Basismenge; ihre Elemente ω werden als Stichproben bezeichnet. Die Menge Ω enthält alle möglichen Resultate eines Zufallsexperiments. b) A ist eine Familie von Teilmengen von Ω, genannt Ereignisse; ein Ereignis ist eine Aussage über ein Zufallsexperiment, die zutreffen kann oder auch nicht. Ist ω eine Stichprobe und A ein Ereignis, so sagt man genau dann, dass das Ereignis A bei der Stichprobe ω eintritt, wennω zu A gehört. In den einfacheren Fällen kann man als Familie A die Menge P(Ω) aller Teilmengen, die Potenzmenge von Ω, wählen (diese Notation wird im folgenden ständig benutzt werden). In dieser Situation kann also jede Teilmenge von Ω als Ereignis angesehen werden. Speziell ist also jede ein-elementige Menge, also jede Menge der Form {ω}, wobeiω einelementvonωist,ein Ereignis, genannt Elementarereignis. Beim weiteren Ausbau der Theorie wird man dafür sorgen, dass die Menge A der Ereignisse geeignete algebraische Eigenschaften hat, genauer, dass sie eine σ-algebra über Ω ist. Dann kann es vorkommen, dass nicht für alle Elemente ω Ω die ein-elementige Menge {ω} zu A gehört, also ein Ereignis ist. Der Begriff Elementarereignis sollte deshalb vermieden werden. c) P ist eine Gewichtsfunktion auf der Familie A der Ereignisse. In dem Rahmen, in dem wir uns bewegen, wird P ein Wahrscheinlichkeitmass auf A sein. Der Wert P(A) heisst dann die Wahrscheinlichkeit von A. Das eben vorgeschlagene Modell erlaubt es, die meisten Begriffe der (elementaren) Mengenlehre in wahrscheinlichkeitstheoretischer Sprache zu formulieren. Speziell erscheinen die logischen Operationen auf Ereignissen als

3 3. UNENDLICHE FOLGEN VON EREIGNISSEN 3 mengentheoretische Operationen auf den Teilmengen einer Menge. Gelegentlich werden die Sprache der Mengenlehre und die der Wahrscheinlichkeiten nebeneinander benützt, wobei die folgenden Begriffe häufig verwendet werden: 1) Die leere Menge wird, als Ereignis betrachtet, als unmögliches Ereignis angesprochen; es tritt bei keiner Stichprobe ein. 2) Die volle Menge Ω ist ebenfalls ein Ereignis und wird als sicheres Ereignis bezeichnet; es tritt bei jeder Stichprobe ein. 3) Seien A und B zwei Ereignisse. Man sagt, dass das Ereignis A das Ereignis B impliziert, wenn B bei jeder Stichprobe eintritt, bei der auch A eintritt; anders gesagt, wenn A B ist. 4) Zwei Ereignisse A und B sind äquivalent, wennb durch A impliziert wird und ebenso A durch B impliziert wird; anders gesagt, wenn A = B gilt. 5) Die Konjunktion zweier Ereignisse A und B ist das Ereignis, das bei genau denjenigen Stichproben eintritt, bei denen sowohl A als auch B gleichzeitig eintreten; dies ist also der Durchschnitt A B. 6) Die Vereinigung zweier Ereignisse A und B ist das Ereignis, das bei genau denjenigen Stichproben eintritt, bei denen mindestens eines der Ereignisse A, B eintritt; dies ist also A B. 7) Das entgegengesetzte Ereignis zu einem Ereignis A ist dasjenige Ereignis, das bei genau denjenigen Stichproben eintritt, bei denen A nicht eintritt. Dies ist also das Komplement von A, bezeichnet durch A c (= Ω \ A). 8) Zwei Ereignisse A und B sind unverträglich (oder disjunkt), wenn ihre Konjunktion das unmögliche Ereignis ist; anders gesagt, wenn A B =. Bezeichnungen. Wenn Ereignisse A und B unverträglich sind, so bezeichne A + B (anstelle von A B) ihrevereinigung. Entsprechend schreibt man i A i für die Vereinigung von Ereignissen A i, die paarweise unverträglich sind. Anstelle von A B wird oft auch die Schreibweise AB verwendet. Die Differenz zwischen zwei Ereignissen A und B (in dieser Reihenfolge), geschrieben A \ B, ist das Ereignis A B c. Falls A B, so spricht man auch von der echten Differenz A \ B. Eine Folge von Ereignissen A n wird mit (A n ) (n 1) oder einfach mit (A n ) bezeichnet. Falls es sich um eine endliche Folge handelt, schreibt man beispielsweise auch (A i )(i =1, 2,...,n). 3. Unendliche Folgen von Ereignissen 3.1. Grenzwerte von Ereignisfolgen. Es sei (A n ) eine Folge von Ereignissen. In der Mengenlehre ist die Vereinigung n A n (auch n=1 A n

4 4 KAPITEL 1: DIE SPRACHE DER WAHRSCHEINLICHKEITEN geschrieben) der Folge (A n ) die Menge aller ω Ω, die die Eigenschaft haben es gibt (mindestens) ein n mit ω A n. In der Sprache der Wahrscheinlichkeitstheorie wird, gemäss obiger Übersetzung, das Ereignis n A n beschrieben durch mindestens eines der Ereignisse A n tritt ein. Analog bezeichnet n A n das Ereignis alle Ereignisse A n treten ein. Wenn die Folge (A n ) aufsteigend ist, d.h. wenn A n A n+1 für alle n gilt, dann wird die Vereinigung n A n der Folge (A n )auchalslimes der Folge bezeichnet. Man schreibt dann n A n = lim n A n, oder auch A n lim n A n. Wenn entsprechend die Folge (A n ) absteigend ist, wenn also A n A n+1 für alle n gilt, dann wird der Durchschnitt n A n der Folge ebenfalls als Limes der Folge bezeichnet. Man schreibt n A n = lim n A n und A n lim n A n. Wenn eine Folge (A n ) entweder aufsteigend oder absteigend ist, so wird sie auch als monoton bezeichnet Limes inferior und Limes superior. Ist eine Folge (A n ) von Ereignissen gegeben, so kann man immer den Limes inferior und den Limes superior dieser Folge definieren. Der Limes inferior der Folge (A n ) wird notiert als lim inf n A n und ist definiert als die Menge derjenigen Elemente ω von Ω, die zu fast allen A n gehören,d.h.diebisaufendlich viele Indices n zu all diesen Mengen gehören. Analog ist der Limes superior, notiert als lim sup n A n, die Menge derjenigen Elemente ω von Ω, die für unendlich viele Indices n zu A n gehören. Limes inferior und Limes superior lassen sich folgendermassen durch Vereinigung und Durchschnitt ausdrücken: Satz Sei (A n ) eine Folge von Teilmengen einer Menge Ω. Dann gilt lim inf n A n = n=1 m=n A m ; lim sup n A n = lim inf n A n lim sup n A n. n=1 m=n A m ; Beweis. Die Aussage, dass ein Element ω zu allen A n,mithöchstens endlich vielen Ausnahmen, gehört, bedeutet nichts anderes, als dass es von einem bestimmten Index n an zum Durchschnitt B n = m n A m gehört. Es existiert also eine ganze Zahl n derart, dass ω B n gilt, und damit ist die erste Gleichheit bewiesen. Die Aussage, dass ein Element ω zu unendlich vielen der Mengen A n gehört, bedeutet nichts anderes als dass dieses Element, wie weit man auch in der Folge der Indices geht, also bis zum Index n etwa, immer zur Vereinigung C n = m n A m gehört. Folglich gehört ω zum Durchschnitt der Folge (C n ), und damit ist auch die zweite Gleichheit gezeigt.

5 3. UNENDLICHE FOLGEN VON EREIGNISSEN 5 Die behauptete Inklusion ist banal, denn wenn ω zu lim inf n A n gehört, so gehört es zu allen A n von einem bestimmten Index n an, also zu unendlich vielen Ereignissen A m mit m n. Wir schreiben A = lim inf n A n und A = lim sup n A n. Folgende Beziehungen sind ohne weiteres zu verifizieren: (3.2.1) (A ) c = lim sup n A n c und (A ) c = lim inf n A n c. Definition. Falls lim inf n A n = lim sup n A n gilt, so sagt man, dass die Folge (A n )einenlimes besitzt und man schreibt (3.2.2) lim n A n = lim inf n A n = lim sup n A n. Man sagt in dieser Situation auch, dass die Folge (A n ) gegen A = lim n A n strebt oder gegen A konvergiert. Satz Falls die Folge (A n ) monoton ist, sind die Bedingungen (3.2.2) erfüllt. Beweis. Ist (A n ) aufsteigend, gilt also m=n A m = A n, so ist lim inf n A n = n=1 A n = lim n A n. Die Gleichheit m=n A m = m=1 A m gilt andererseits für jedes n 1 und daher ist lim sup n A n = n=1 m=1 A m = m=n A m = lim n A n. Aus der Gültigkeit der Aussage für aufsteigende Folgen folgt mittels der Beziehungen (3.2.1) auch die Gültigkeit für absteigende Folgen. In der Sprache der Wahrscheinlichkeitsrechnung, wenn man also die Mengen der Folge A n als Ereignisse anspricht, ist lim inf n A n dasjenige Ereignis, bei dem alle Ereignisse A n von einer bestimmten Stelle n an eintreten. Analog ist lim sup n A n dasjenige Ereignis, bei dem unendlich viele der Ereignisse A n eintreten. Besonders dieses letzte Ereignis wird in der Wahrscheinlichkeitsrechnung häufig betrachtet, speziell in der Theorie der sogenannten rekurrenten Ereignisse. In englischsprachigen Texten wird oft {A n, i.o.} geschrieben ( i.o. bedeutet infinitely often, d.h. unendlich oft) Indikatorfunktion eines Ereignisses. Eine sehr häufig gebrauchte Funktion ist die Indikatorfunktion I A eines Ereignisses A. Diese Abbildung von Ω in die zwei-elementige Menge {0, 1} wird definiert durch { 1, falls ω A; I A (ω) = 0, falls ω/ A.

6 6 KAPITEL 1: DIE SPRACHE DER WAHRSCHEINLICHKEITEN ERGÄNZUNGEN UND ÜBUNGEN 1. Es seien A, B, C drei Ereignisse. In Abhängigkeit von A, B, C sind die folgenden Ereignisse mittels mengentheoretischer Operationen auszudrücken: a) Nur A tritt ein; b) A und C treten ein, nicht aber B; c) alle drei Ereignisse treten ein; d) mindestens eines der Ereignisse tritt ein; e) mindestens zwei der Ereignisse treten ein; f) höchstens eines der Ereignisse tritt ein; g) keines der Ereignisse tritt ein; h) genau zwei der Ereignisse treten ein; i) nicht mehr als zwei der Ereignisse treten ein. 2. Es bezeichne Ω die Menge aller verheirateten Paare einer gewissen Stadt. Man betrachte folgende Ereignisse: A: der Mann ist älter als vierzig Jahre ; B: die Frau ist jünger als der Mann ; C: die Frau ist älter als vierzig Jahre. a) Man interpretiere in Abhängigkeit von A, B, C das Ereignis der Mann ist älter als vierzig Jahre, nicht aber seine Frau. b) Man beschreibe umgangssprachlich die Ereignisse A B C c, A\(A B), A B c C, A B. c) Man verifiziere A C c B. 3. Für eine Folge (A i )(i =1, 2,...) von Ereignissen zeige man A i = i=1 ( A n \ n=1 n 1 i=0 A i ), wobei A 0 = gesetzt wird. Dies bedeutet, dass sich jede Vereinigung auch als Vereinigung disjunkter Mengen schreiben lässt. 4. Es seien A und B zwei Ereignisse sowie (A n ) eine Folge von Ereignissen, wobei A n = A oder B, je nachdem, ob n gerade oder ungerade ist. Man zeige lim inf n A n = A B und lim sup n A n = A B. 5. Im Folgenden bezeichnen A, B (mit oder ohne Indices) jeweils Ereignisse. Man verifiziere folgende Aussagen über die Indikatorfunktionen:

7 ERGÄNZUNGEN UND ÜBUNGEN 7 a) I Ω 1; I 0; b) I A (ω) I B (ω) für alle ω in Ω gilt genau dann, wenn A B; c) I A B = I A I B ; I A B = I A + I B I A B ; d) I A c =1 I A ; I A\B = I A (1 I B ). e) Es seien A = lim inf n A n und A = lim sup n A n. Dann gilt I A = lim inf n I An und I A = lim sup n I An. 6. Es seien E, F, G drei Ereignisse, aus denen man zwei weitere Ereignisse A und B konstruiert mittels A = ( E F ) G, B = E ( F G ). a) Eines der beiden Ereignisse A, B, impliziert das andere; welches? b) Man finde eine notwendige und hinreichende Bedingung für E und G derart, dass A = B gilt. 7. Sind zwei Ereignisse A, B gegeben, so bezeichne A B dasjenige Ereignis, bei dem genau eines der Ereignisse A, B realisiert wird; dieses Ereignis wird als symmetrische Differenz der Ereignisse A und B bezeichnet. Gegeben seien drei Ereignisse A, B, C in Ω. a) Man zeige: (A B) (A B c )=Ω. b) Man finde eine notwendige und hinreichende Bedingung dafür, dass gilt. (A B) (A C) =A (B C).

8 8 KAPITEL 1: DIE SPRACHE DER WAHRSCHEINLICHKEITEN

Im gesamten Kapitel sei Ω eine nichtleere Menge. Wir bezeichnen die Potenzmenge

Im gesamten Kapitel sei Ω eine nichtleere Menge. Wir bezeichnen die Potenzmenge 1 Mengensysteme Ein Mengensystem ist eine Familie von Teilmengen einer Grundmenge und damit eine Teilmenge der Potenzmenge der Grundmenge. In diesem Kapitel untersuchen wir Mengensysteme, die unter bestimmten

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

Mengensysteme, Wahrscheinlichkeitsmaße

Mengensysteme, Wahrscheinlichkeitsmaße Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen

Mehr

Grundbegriffe der Wahrscheinlichkeitstheorie

Grundbegriffe der Wahrscheinlichkeitstheorie KAPITEL 1 Grundbegriffe der Wahrscheinlichkeitstheorie 1. Zufallsexperimente, Ausgänge, Grundmenge In der Stochastik betrachten wir Zufallsexperimente. Die Ausgänge eines Zufallsexperiments fassen wir

Mehr

2 Mengen und Abbildungen

2 Mengen und Abbildungen 2.1 Mengen Unter einer Menge verstehen wir eine Zusammenfassung von Objekten zu einem Ganzen. Die Objekte heiÿen Elemente. Ist M eine Menge und x ein Element von M so schreiben wir x M. Wir sagen auch:

Mehr

Analysis I - Stetige Funktionen

Analysis I - Stetige Funktionen Kompaktheit und January 13, 2009 Kompaktheit und Funktionengrenzwert Definition Seien X, d X ) und Y, d Y ) metrische Räume. Desweiteren seien E eine Teilmenge von X, f : E Y eine Funktion und p ein Häufungspunkt

Mehr

Vorlesung. Einführung in die mathematische Sprache und naive Mengenlehre

Vorlesung. Einführung in die mathematische Sprache und naive Mengenlehre Vorlesung Einführung in die mathematische Sprache und naive Mengenlehre Allgemeines RUD26 Erwin-Schrödinger-Zentrum (ESZ) RUD25 Johann-von-Neumann-Haus Fachschaft Menge aller Studenten eines Institutes

Mehr

Einführung in die Informatik 2

Einführung in die Informatik 2 Einführung in die Informatik 2 Mathematische Grundbegriffe Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr,

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

Grundlagen der Mengenlehre

Grundlagen der Mengenlehre mathe plus Grundlagen der Mengenlehre Seite 1 1 Grundbegriffe Grundlagen der Mengenlehre Def 1 Mengenbegriff nach Georg Cantor (1845-1918) Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener

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

Data Mining: Einige Grundlagen aus der Stochastik

Data Mining: Einige Grundlagen aus der Stochastik Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener

Mehr

Lineare Algebra 1. Detlev W. Hoffmann. WS 2013/14, TU Dortmund

Lineare Algebra 1. Detlev W. Hoffmann. WS 2013/14, TU Dortmund Lineare Algebra 1 Detlev W. Hoffmann WS 2013/14, TU Dortmund 1 Mengen und Zahlen 1.1 Mengen und Abbildungen Eine Menge ist eine Zusammenfassung wohlunterscheidbarer Objekte unserer Anschauung/unseres Denkens/unserer

Mehr

1 Elemente der Wahrscheinlichkeitstheorie

1 Elemente der Wahrscheinlichkeitstheorie H.-J. Starkloff Unendlichdimensionale Stochastik Kap. 01 11. Oktober 2010 1 1 Elemente der Wahrscheinlichkeitstheorie 1.1 Messbare Räume Gegeben seien eine nichtleere Menge Ω und eine Menge A von Teilmengen

Mehr

Mengen und Abbildungen

Mengen und Abbildungen Mengen und Abbildungen Der Mengenbegriff Durchschnitt, Vereinigung, Differenzmenge Kartesisches Produkt Abbildungen Prinzip der kleinsten natürlichen Zahl Vollständige Induktion Mengen und Abbildungen

Mehr

1. Aufgabe [2 Punkte] Seien X, Y zwei nicht-leere Mengen und A(x, y) eine Aussageform. Betrachten Sie die folgenden Aussagen:

1. Aufgabe [2 Punkte] Seien X, Y zwei nicht-leere Mengen und A(x, y) eine Aussageform. Betrachten Sie die folgenden Aussagen: Klausur zur Analysis I svorschläge Universität Regensburg, Wintersemester 013/14 Prof. Dr. Bernd Ammann / Dr. Mihaela Pilca 0.0.014, Bearbeitungszeit: 3 Stunden 1. Aufgabe [ Punte] Seien X, Y zwei nicht-leere

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 2. Übungsblatt

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 2. Übungsblatt KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heio Hoffmann WS 2013/14 Höhere Mathemati I für die Fachrichtung Informati Lösungsvorschläge zum 2. Übungsblatt Aufgabe

Mehr

Venndiagramm, Grundmenge und leere Menge

Venndiagramm, Grundmenge und leere Menge Venndiagramm, Grundmenge und leere Menge In späteren Kapitel wird manchmal auf die Mengenlehre Bezug genommen. Deshalb sollen hier die wichtigsten Grundlagen und Definitionen dieser Disziplin kurz zusammengefasst

Mehr

Topologische Begriffe

Topologische Begriffe Kapitel 3 Topologische Begriffe 3.1 Inneres, Rand und Abschluss von Mengen Definition (innerer Punkt und Inneres). Sei (V, ) ein normierter Raum über K, und sei M V eine Menge. Ein Vektor v M heißt innerer

Mehr

Das Ziegenproblem. Nils Schwinning und Christian Schöler Juni 2010

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

Mehr

(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.)

(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.) 3. Untergruppen 19 3. Untergruppen Nachdem wir nun einige grundlegende Gruppen kennengelernt haben, wollen wir in diesem Kapitel eine einfache Möglichkeit untersuchen, mit der man aus bereits bekannten

Mehr

Satz 16 (Multiplikationssatz)

Satz 16 (Multiplikationssatz) Häufig verwendet man die Definition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A B] = Pr[B A] Pr[A] = Pr[A B] Pr[B]. (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1,..., A n gegeben.

Mehr

Vorlesung. Funktionen/Abbildungen

Vorlesung. Funktionen/Abbildungen Vorlesung Funktionen/Abbildungen 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem P( ) = 0.

1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem P( ) = 0. 1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem Folg. 2 Sei (Ω, E, P) W.-raum. Seien A, B,A 1,...,A n Ereignisse. Es gelten die folgenden Aussagen: 1. P(A) = 1 P(A). 2. Für das unmögliche Ereignis gilt:

Mehr

Elementare Beweismethoden

Elementare Beweismethoden Elementare Beweismethoden Christian Hensel 404015 Inhaltsverzeichnis Vortrag zum Thema Elementare Beweismethoden im Rahmen des Proseminars Mathematisches Problemlösen 1 Einführung und wichtige Begriffe

Mehr

Formale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz

Formale Grundlagen 2008W. Vorlesung im 2008S  Institut für Algebra Johannes Kepler Universität Linz Formale Grundlagen Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Definition Sei A eine Menge und ɛ A A A eine zweistellige

Mehr

1 Mengen. 1.1 Elementare Definitionen. Einige mathematische Konzepte

1 Mengen. 1.1 Elementare Definitionen. Einige mathematische Konzepte Einige mathematische Konzepte 1 Mengen 1.1 Elementare Definitionen Mengendefinition Die elementarsten mathematischen Objekte sind Mengen. Für unsere Zwecke ausreichend ist die ursprüngliche Mengendefinition

Mehr

3 Vom Zählen zur Induktion

3 Vom Zählen zur Induktion 7 3 Vom Zählen zur Induktion 3.1 Natürliche Zahlen und Induktions-Prinzip Seit unserer Kindheit kennen wir die Zahlen 1,, 3, 4, usw. Diese Zahlen gebrauchen wir zum Zählen, und sie sind uns so vertraut,

Mehr

4 Reihen. s n = a 1 + a 2 + + a n = Die Folge (s n ) n N der Partialsummen heißt eine (unendliche) Reihe und wird auch als a k. k=1. )n N geschrieben.

4 Reihen. s n = a 1 + a 2 + + a n = Die Folge (s n ) n N der Partialsummen heißt eine (unendliche) Reihe und wird auch als a k. k=1. )n N geschrieben. 4 Reihen Aus Folgen lassen sich durch Aufaddieren weitere Folgen konstruieren. Das sind die sogenannten Reihen, sie spielen in der Finanzmathematik eine wichtige Rolle. Sei (a k ) k N eine Folge. Wir definieren

Mehr

1 Axiomatische Charakterisierung der reellen. 3 Die natürlichen, die ganzen und die rationalen. 4 Das Vollständigkeitsaxiom und irrationale

1 Axiomatische Charakterisierung der reellen. 3 Die natürlichen, die ganzen und die rationalen. 4 Das Vollständigkeitsaxiom und irrationale Kapitel I Reelle Zahlen 1 Axiomatische Charakterisierung der reellen Zahlen R 2 Angeordnete Körper 3 Die natürlichen, die ganzen und die rationalen Zahlen 4 Das Vollständigkeitsaxiom und irrationale Zahlen

Mehr

Zahlen und metrische Räume

Zahlen und metrische Räume Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} Ganze Zahlen : Aus

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

Ergänzungen zur Analysis I

Ergänzungen zur Analysis I 537. Ergänzungsstunde Logik, Mengen Ergänzungen zur Analysis I Die Behauptungen in Satz 0.2 über die Verknüpfung von Mengen werden auf die entsprechenden Regelnfür die Verknüpfung von Aussagen zurückgeführt.

Mehr

Mengenlehre gibt es seit den achtziger Jahren des 19. Jahrhunderts. Sie wurde von

Mengenlehre gibt es seit den achtziger Jahren des 19. Jahrhunderts. Sie wurde von Grundbegriffe der Mengenlehre 2 Mengenlehre gibt es seit den achtziger Jahren des 19. Jahrhunderts. Sie wurde von Georg Cantor begründet. Der Begriffsapparat der Mengenlehre hat sich als so nützlich für

Mehr

2. Stetige lineare Funktionale

2. Stetige lineare Funktionale -21-2. Stetige lineare Funktionale Die am Ende von 1 angedeutete Eigenschaft, die ein lineares Funktional T : D(ú) 6 verallgemeinerten Funktion macht, ist die Stetigkeit von T in jedem n 0 0 D(ú). Wenn

Mehr

Surjektive, injektive und bijektive Funktionen.

Surjektive, injektive und bijektive Funktionen. Kapitel 1: Aussagen, Mengen, Funktionen Surjektive, injektive und bijektive Funktionen. Definition. Sei f : M N eine Funktion. Dann heißt f surjektiv, falls die Gleichung f(x) = y für jedes y N mindestens

Mehr

4 Reihen und Finanzmathematik

4 Reihen und Finanzmathematik 4 Reihen und Finanzmathematik 4. Reihen Aus Folgen lassen sich durch Aufaddieren weitere Folgen konstruieren. Das sind die sogenannten Reihen, sie spielen in der Finanzmathematik eine wichtige Rolle. Sei

Mehr

Vorlesung 4. Tilman Bauer. 13. September Wir befassen uns in dieser Vorlesung noch einmal mit Mengen.

Vorlesung 4. Tilman Bauer. 13. September Wir befassen uns in dieser Vorlesung noch einmal mit Mengen. Vorlesung 4 Universität Münster 13. September 2007 1 Kartesische Wir befassen uns in dieser Vorlesung noch einmal mit Mengen. Seien M und N zwei Mengen. Dann bezeichnen wir mit M N das (kartesische) Produkt

Mehr

Diskrete Verteilungen

Diskrete Verteilungen KAPITEL 6 Disrete Verteilungen Nun werden wir verschiedene Beispiele von disreten Zufallsvariablen betrachten. 1. Gleichverteilung Definition 6.1. Eine Zufallsvariable X : Ω R heißt gleichverteilt (oder

Mehr

Strukturelle Rekursion und Induktion

Strukturelle Rekursion und Induktion Kapitel 2 Strukturelle Rekursion und Induktion Rekursion ist eine konstruktive Technik für die Beschreibung unendlicher Mengen (und damit insbesondere für die Beschreibung unendliche Funktionen). Induktion

Mehr

Mathematik für Techniker

Mathematik für Techniker Siegfried Völkel u.a. Mathematik für Techniker 7., neu bearbeitete und erweiterte uflage 16 1 Rechenoperationen Prinzip der Mengenbildung Wenn eine ussageform für die Objekte eines Grundbereichs vorliegt,

Mehr

Einführung in die Analysis

Einführung in die Analysis Ergänzungen zur Vorlesung Einführung in die Analysis Christian Schmeiser 1 Vorwort In dieser Vorlesung werden Grundbegriffe der Analysis wie Folgen und Reihen, Konvergenz und Vollständigkeit am Beispiel

Mehr

Mathematik I. Vorlesung 19. Metrische Räume

Mathematik I. Vorlesung 19. Metrische Räume Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 19 Metrische Räume Euklidische Räume besitzen nach Definition ein Skalarprodukt. Darauf aufbauend kann man einfach die Norm eines Vektors

Mehr

2 Mengenlehre. Definition: Unter einer Menge M versteht man die Zusammenfassung von unterscheidbaren Objekten (den Elementen) zu einem Ganzen.

2 Mengenlehre. Definition: Unter einer Menge M versteht man die Zusammenfassung von unterscheidbaren Objekten (den Elementen) zu einem Ganzen. Mengenlehre 2 Mengenlehre Definition: Unter einer Menge M versteht man die Zusammenfassung von unterscheidbaren Objekten (den Elementen) zu einem Ganzen. Üblicherweise werden Mengen mit Großbuchstaben

Mehr

2. Vorlesung. Die Theorie der schwarz-weissen Ketten.

2. Vorlesung. Die Theorie der schwarz-weissen Ketten. 2. Vorlesung. Die Theorie der schwarz-weissen Ketten. Die Theorie der schwarzen Steinchen haben wir jetzt halbwegs vertanden. Statt mit schwarzen Steinen wie die Griechen, wollen wir jetzt mit schwarzen

Mehr

8 Konvergenzkriterien und Häufungswerte von Folgen in R

8 Konvergenzkriterien und Häufungswerte von Folgen in R 8 Konvergenzkriterien und Häufungswerte von Folgen in R 8.1 Konvergenz monotoner Folgen 8.2 Die Zahl e 8.3 Existenz monotoner Teilfolgen 8.4 Auswahlprinzip von Bolzano-Weierstraß 8.5 Konvergenzkriterium

Mehr

Zahlen und elementares Rechnen

Zahlen und elementares Rechnen und elementares Rechnen Christian Serpé Universität Münster 7. September 2011 Christian Serpé (Universität Münster) und elementares Rechnen 7. September 2011 1 / 51 Gliederung 1 2 Elementares Rechnen 3

Mehr

Regulär variierende Funktionen

Regulär variierende Funktionen KAPITEL 4 Regulär variierende Funktionen Unser nächstes Ziel ist es, die Max-Anziehungsbereiche der Extremwertverteilungen zu beschreiben. Dies wird im nächsten Kapitel geschehen. Wir haben bereits gesehen,

Mehr

Wissenschaftliches Arbeiten Quantitative Methoden

Wissenschaftliches Arbeiten Quantitative Methoden Wissenschaftliches Arbeiten Quantitative Methoden Prof. Dr. Stefan Nickel WS 2008 / 2009 Gliederung I. Motivation II. III. IV. Lesen mathematischer Symbole Wissenschaftliche Argumentation Matrizenrechnung

Mehr

Eine Menge A ist die Zusammenfassung gleichartiger Elemente zu einer Gesamtheit. Eine Menge kann definiert werden durch

Eine Menge A ist die Zusammenfassung gleichartiger Elemente zu einer Gesamtheit. Eine Menge kann definiert werden durch 1.2 Mengenlehre Grundlagen der Mathematik 1 1.2 Mengenlehre Definition: Menge, Element, Variablenraum Eine Menge A ist die Zusammenfassung gleichartiger Elemente zu einer Gesamtheit. Eine Menge kann definiert

Mehr

Mathematische Grundlagen der Computerlinguistik

Mathematische Grundlagen der Computerlinguistik Centrum für Informations- und Sprachverarbeitung (CIS) 10. Juni 2014 Table of Contents 1 2 Äquivalenz Der Begriff der Äquivalenz verallgemeinert den Begriff der Gleichheit. Er beinhaltet in einem zu präzisierenden

Mehr

Theoretische Informatik

Theoretische Informatik Theoretische Informatik für die Studiengänge Ingenieur-Informatik berufsbegleitendes Studium Lehramt Informatik (Sekundar- und Berufsschule) http://theo.cs.uni-magdeburg.de/lehre04s/ Lehrbeauftragter:

Mehr

3. Relationen Erläuterungen und Schreibweisen

3. Relationen Erläuterungen und Schreibweisen 3. Relationen Eine Relation ist allgemein eine Beziehung, die zwischen Dingen bestehen kann. Relationen im Sinne der Mathematik sind ausschließlich diejenigen Beziehungen, bei denen stets klar ist, ob

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

Wahrscheinlichkeitstheorie. Zapper und

Wahrscheinlichkeitstheorie. Zapper und Diskrete Wahrscheinlichkeitsräume Slide 1 Wahrscheinlichkeitstheorie die Wissenschaft der Zapper und Zocker Diskrete Wahrscheinlichkeitsräume Slide 2 Münzwürfe, Zufallsbits Elementarereignisse mit Wahrscheinlichkeiten

Mehr

Logik, Mengen und Abbildungen

Logik, Mengen und Abbildungen Kapitel 1 Logik, Mengen und bbildungen Josef Leydold Mathematik für VW WS 2016/17 1 Logik, Mengen und bbildungen 1 / 26 ussage Um Mathematik betreiben zu können, sind ein paar Grundkenntnisse der mathematischen

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

Mathematische Grundlagen der Computerlinguistik

Mathematische Grundlagen der Computerlinguistik Mengen und Mengenoperationen (Teil II) Centrum für Informations- und Sprachverarbeitung (CIS) 2. Juni 2014 Table of Contents 1 2 3 Definition Mengenfamilie Eine Menge, deren sämtliche Elemente selbst wiederum

Mehr

2. Rechnen mit Wahrscheinlichkeiten

2. Rechnen mit Wahrscheinlichkeiten 2. Rechnen mit Wahrscheinlichkeiten 2.1 Axiome der Wahrscheinlichkeitsrechnung Die Wahrscheinlichkeitsrechnung ist ein Teilgebiet der Mathematik. Es ist üblich, an den Anfang einer mathematischen Theorie

Mehr

Seminarvortrag aus Reiner Mathematik Existenz von Primitivwurzeln

Seminarvortrag aus Reiner Mathematik Existenz von Primitivwurzeln Seminarvortrag aus Reiner Mathematik Existenz von Primitivwurzeln Michael Kniely November 2009 1 Vorbemerkungen Definition. Sei n N +, ϕ(n) := {d [0, n 1] ggt (d, n) = 1}. Die Abbildung ϕ : N + N + heißt

Mehr

Wahrscheinlichkeiten

Wahrscheinlichkeiten Wahrscheinlichkeiten Bestimmung der Wahrscheinlichkeit Bei einem Zufallsexperiment kann man nicht voraussagen, welches Ereignis eintritt, aber manche Ereignisse treten naturgemäß mit einer größeren Wahrscheinlichkeit

Mehr

Dieser Begriff wurde von Jacob Bernoulli Ars conjectandi geprägt (1773), in dem das erste Gesetz der großen Zahlen bewiesen wurde.

Dieser Begriff wurde von Jacob Bernoulli Ars conjectandi geprägt (1773), in dem das erste Gesetz der großen Zahlen bewiesen wurde. 10.1 Über den Begriff Stochastik Die Wahrscheinlichkeitsrechnung ist eine Teildisziplin von Stochastik. Dabei kommt das Wort Stochastik aus dem Griechischen : die Kunst des Vermutens (von Vermutung, Ahnung,

Mehr

Kapitel III. Stetige Funktionen. 14 Stetigkeit und Rechenregeln für stetige Funktionen. 15 Hauptsätze über stetige Funktionen

Kapitel III. Stetige Funktionen. 14 Stetigkeit und Rechenregeln für stetige Funktionen. 15 Hauptsätze über stetige Funktionen Kapitel III Stetige Funktionen 14 Stetigkeit und Rechenregeln für stetige Funktionen 15 Hauptsätze über stetige Funktionen 16 Konvergenz von Funktionen 17 Logarithmus und allgemeine Potenz C 1 14 Stetigkeit

Mehr

ELEMENTARE DISKRETE MATHEMATIK Kapitel 4: Mächtigkeit von Mengen

ELEMENTARE DISKRETE MATHEMATIK Kapitel 4: Mächtigkeit von Mengen ELEMENTARE DISKRETE MATHEMATIK Kapitel 4: Mächtigkeit von Mengen MAA.01011UB MAA.01011PH Vorlesung mit Übung im WS 2016/17 Christoph GRUBER Günter LETTL Institut für Mathematik und wissenschaftliches Rechnen

Mehr

Grundkurs Semantik. Sitzung 3: Mengenlehre. Andrew Murphy

Grundkurs Semantik. Sitzung 3: Mengenlehre. Andrew Murphy Grundkurs Semantik Sitzung 3: Mengenlehre Andrew Murphy andrew.murphy@uni-leizpig.de Grundkurs Semantik HU Berlin, Sommersemester 2015 http://www.uni-leipzig.de/ murphy/semantik15 15. Mai 2015 Basiert

Mehr

Analysis I für Studierende der Ingenieurwissenschaften

Analysis I für Studierende der Ingenieurwissenschaften Analysis I für Studierende der Ingenieurwissenschaften Ingenuin Gasser Department Mathematik Universität Hamburg Technische Universität Hamburg Harburg Wintersemester 2008/2009 3.2 Konvergenzkriterien

Mehr

Absolute Stetigkeit von Maßen

Absolute Stetigkeit von Maßen Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches

Mehr

Konvergenz von Folgen

Konvergenz von Folgen 6 Konvergenz von Folgen Definition 6.1 Eine Folge in C (oder R) ist eine Abbildung f : N C (oder R). Schreibweise: (a n ) n N, (a n ), a 1, a 2... wobei a n = f(n). Beispiele: 1) (1 + 2 n ) n N, 3 2, 5

Mehr

11. Folgen und Reihen.

11. Folgen und Reihen. - Funktionen Folgen und Reihen Folgen Eine Folge reeller Zahlen ist eine Abbildung a: N R Statt a(n) für n N schreibt man meist a n ; es handelt sich also bei einer Folge um die Angabe der Zahlen a, a

Mehr

Optimalitätskriterien

Optimalitätskriterien Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen

Mehr

3 Reihen. 3.1 Konvergenz und Divergenz. Die Eindeutigkeit nach Satz 13 ergibt schließlich (5). (6) folgt aus (2) und (1) wegen. 1 a +log ba.

3 Reihen. 3.1 Konvergenz und Divergenz. Die Eindeutigkeit nach Satz 13 ergibt schließlich (5). (6) folgt aus (2) und (1) wegen. 1 a +log ba. Die Eindeutigkeit nach Satz 3 ergibt schließlich (5). (6) folgt aus (2) und () wegen Aussage (7) ergibt sich aus () und (6). 0 = log b = log b ( a a) = log b a +log ba. 3 Reihen 3. Konvergenz und Divergenz

Mehr

Mathematik 1 für Informatik Inhalt Grundbegrie

Mathematik 1 für Informatik Inhalt Grundbegrie Mathematik 1 für Informatik Inhalt Grundbegrie Mengen, speziell Zahlenmengen Aussagenlogik, Beweistechniken Funktionen, Relationen Kombinatorik Abzählverfahren Binomialkoezienten Komplexität von Algorithmen

Mehr

1 Sprechweisen und Symbole der Mathematik

1 Sprechweisen und Symbole der Mathematik 1 Sprechweisen und Symbole der Mathematik Übersicht 1.1 Junktoren......................................................... 1 1.2 Quantoren......................................................... 4 1.3

Mehr

18 Höhere Ableitungen und Taylorformel

18 Höhere Ableitungen und Taylorformel 8 HÖHERE ABLEITUNGEN UND TAYLORFORMEL 98 8 Höhere Ableitungen und Taylorformel Definition. Sei f : D R eine Funktion, a D. Falls f in einer Umgebung von a (geschnitten mit D) differenzierbar und f in a

Mehr

1 Definition von Relation, Äquivalenzrelation und Äquivalenzklassen

1 Definition von Relation, Äquivalenzrelation und Äquivalenzklassen 1 Definition von Relation, Äquivalenzrelation und Äquivalenzklassen Einleitung 1 Wie der Name schon sagt sind Äquivalenzrelationen besondere Relationen. Deswegen erkläre ich hier ganz allgemein, was Relationen

Mehr

Kapitel 1. Körper und Zahlen. 1.1 Mengen

Kapitel 1. Körper und Zahlen. 1.1 Mengen Kapitel 1 Körper und Zahlen 11 Mengen 12 Das Prinzip der vollständigen Induktion 13 Körper 14 Geordneter Körper 15 Reelle Zahlen 16 Komplexe Zahlen 11 Mengen Dieser Abschnitt gibt eine kurze Einführung

Mehr

Skript zur Statistik II (Wahrscheinlickeitsrechnung und induktive Statistik)

Skript zur Statistik II (Wahrscheinlickeitsrechnung und induktive Statistik) Prof. Dr. Reinhold Kosfeld Fachbereich Wirtschaftswissenschaften Skript zur Statistik II (Wahrscheinlickeitsrechnung und induktive Statistik) 1. Einleitung Deskriptive Statistik: Allgemeine und spezielle

Mehr

Kapitel 4. Reihen 4.1. Definition und Beispiele

Kapitel 4. Reihen 4.1. Definition und Beispiele Kapitel 4. Reihen 4.1. Definition und Beispiele Ist (a n ) eine Folge von Zahlen, so heißt der formale Ausdruck a ν = a 0 + a 1 + a 2 +... eine Reihe; die einzelnen a ν sind die Glieder dieser Reihe. Um

Mehr

5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56

5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56 5 Beweistechniken Übersicht 5.1 Drei wichtige Beweistechniken................................. 55 5. Erklärungen zu den Beweistechniken............................ 56 Dieses Kapitel ist den drei wichtigsten

Mehr

Dieses Quiz soll Ihnen helfen, Kapitel besser zu verstehen.

Dieses Quiz soll Ihnen helfen, Kapitel besser zu verstehen. Dieses Quiz soll Ihnen helfen, Kapitel 2.5-2. besser zu verstehen. Frage Wir betrachten ein Würfelspiel. Man wirft einen fairen, sechsseitigen Würfel. Wenn eine oder eine 2 oben liegt, muss man 2 SFr zahlen.

Mehr

Übung zu Grundbegriffe der Informatik. Simon Wacker. 15. November 2013

Übung zu Grundbegriffe der Informatik. Simon Wacker. 15. November 2013 Übung zu Grundbegriffe der Informatik Simon Wacker 15. November 2013 Vollständige Induktion über die Wortlänge Es sei B ein Alphabet. Dann ist B = n N 0 B n. Für jedes Wort w B sei A w eine Aussage, die

Mehr

Hackenbusch und Spieltheorie

Hackenbusch und Spieltheorie Hackenbusch und Spieltheorie Was sind Spiele? Definition. Ein Spiel besteht für uns aus zwei Spielern, Positionen oder Stellungen, in welchen sich das Spiel befinden kann (insbesondere eine besondere Startposition)

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

Mathematik III. Produkt-Präringe

Mathematik III. Produkt-Präringe Prof. Dr. H. Brenner Osnabrück WS 2010/2011 Mathematik III Vorlesung 66 Es ist unser Ziel zu zeigen, dass auf der Produktmenge von Maßräumen unter recht allgemeinen Voraussetzungen ein Maß definiert ist,

Mehr

Halbgruppen, Gruppen, Ringe

Halbgruppen, Gruppen, Ringe Halbgruppen-1 Elementare Zahlentheorie Einige Bezeichnungen Halbgruppen, Gruppen, Ringe Die Menge N 0 der natürlichen Zahlen 0, 1, 2, Die Menge N = N 1 der von Null verschiedenen natürlichen Zahlen Die

Mehr

Vorbereitungskurs Mathematik zum Sommersemester 2015 Mengen und Relationen

Vorbereitungskurs Mathematik zum Sommersemester 2015 Mengen und Relationen Vorbereitungskurs Mathematik zum Sommersemester 2015 Mengen und Relationen Susanna Pohl Vorkurs Mathematik TU Dortmund 10.03.2015 Mengen und Relationen Mengen Motivation Beschreibung von Mengen Mengenoperationen

Mehr

1 Mathematische Grundlagen

1 Mathematische Grundlagen Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.

Mehr

Wenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe. a 0 + a 1 + a 2 +

Wenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe. a 0 + a 1 + a 2 + 8 Reihen 38 8 Reihen Wenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe a 0 + a + a 2 + zu bilden. Wir wollen nun erklären, was wir darunter verstehen wollen. Zunächst kann man die

Mehr

Thema 4 Limiten und Stetigkeit von Funktionen

Thema 4 Limiten und Stetigkeit von Funktionen Thema 4 Limiten und Stetigkeit von Funktionen Wir betrachten jetzt Funktionen zwischen geeigneten Punktmengen. Dazu wiederholen wir einige grundlegende Begriffe und Schreibweisen aus der Mengentheorie.

Mehr

Programmiersprachen und Übersetzer

Programmiersprachen und Übersetzer Programmiersprachen und Übersetzer Sommersemester 2010 19. April 2010 Theoretische Grundlagen Problem Wie kann man eine unendliche Menge von (syntaktisch) korrekten Programmen definieren? Lösung Wie auch

Mehr

Zufallsvariablen: Die allgemeine Definition

Zufallsvariablen: Die allgemeine Definition KAPITEL 8 Zufallsvariablen: Die allgemeine Definition 8.1. Zufallsvariablen Bis zu diesem Zeitpunkt haben wir ausschließlich Zufallsvariablen mit endlich oder abzählbar vielen Werten (also diskrete Zufallsvariablen)

Mehr

Folgen und Reihen. Beschränkte Folge: Es gibt eine Zahl c = const.

Folgen und Reihen. Beschränkte Folge: Es gibt eine Zahl c = const. Folgen und Reihen Folgen: Def.: Eine Abbildung a N K, n a(n) := a n (K = R C) wird Zahlenfolge genannt. Sie heißt reelle (komplexe) Zahlenfolge, falls K = R(C) ist. Symbole: a n K: Elemente der Folge,

Mehr

Kapitel 6 Martingale

Kapitel 6 Martingale Kapitel 6 Martingale Martingale spielen eine große Rolle in der Finanzmathematik, und sind zudem ein wichtiges Hilfsmittel für die statistische Inferenz stochastischer Prozesse, insbesondere auch für Zählprozesse

Mehr

Topologische Räume und stetige Abbildungen Teil 2

Topologische Räume und stetige Abbildungen Teil 2 TU Dortmund Mathematik Fakultät Proseminar zur Linearen Algebra Ausarbeitung zum Thema Topologische Räume und stetige Abbildungen Teil 2 Anna Kwasniok Dozent: Prof. Dr. L. Schwachhöfer Vorstellung des

Mehr

Mathematik 1 für Wirtschaftsinformatik

Mathematik 1 für Wirtschaftsinformatik für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 1 Grundlegende 2 Grundlegende 3 Aussagenlogik 4 Komplexe Zahlen 5 Lineare Algebra 6 Lineare Programme 2 Grundlegende

Mehr

Brückenkurs Mathematik

Brückenkurs Mathematik Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 1 Logik,, Doris Bohnet Universität Hamburg - Department Mathematik Mo 6.10.2008 Zeitplan Tagesablauf: 9:15-11:45 Vorlesung Audimax I 13:00-14:30 Übung Übungsräume

Mehr

Stetige Funktionen, Binomischer Lehrsatz

Stetige Funktionen, Binomischer Lehrsatz Vorlesung 13 Stetige Funktionen, Binomischer Lehrsatz 13.1 Funktionenfolgen Wir verbinden nun den Grenzwertbegriff mit dem Funktionsbegriff. Es seien (a n ) n N eine reelle Folge und f : R R eine Funktion.

Mehr

Mengen (siehe Teschl/Teschl 1.2)

Mengen (siehe Teschl/Teschl 1.2) Mengen (siehe Teschl/Teschl 1.2) Denition nach Georg Cantor (1895): Eine Menge ist eine Zusammenfassung von bestimmten und wohlunterschiedenen Objekten unserer Anschauung oder unseres Denkens zu einem

Mehr

λ(a n ) n 1 = (λa n ) n 1. Abbildung 1: Graph einer Folge. b n = arctan(n), f n = cos(nπ), g n = n 2, h n = ( 1) n n.

λ(a n ) n 1 = (λa n ) n 1. Abbildung 1: Graph einer Folge. b n = arctan(n), f n = cos(nπ), g n = n 2, h n = ( 1) n n. Folgen Es sei X eine beliebige Menge. Eine Folge mit Werten in X ist eine Abbildung von N nach X. Es wird also jeder natürlichen Zahl n (dem Index) ein Element a n aus X zugeordnet (das n-te Folgenglied).

Mehr