A: Beispiele Beispiel 1: Zwei Zufallsvariablen X und Y besitzen die beiden folgenden Wahrscheinlichkeitsfunktionen:

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "A: Beispiele Beispiel 1: Zwei Zufallsvariablen X und Y besitzen die beiden folgenden Wahrscheinlichkeitsfunktionen:"

Transkript

1 5 Diskrete Verteilungen 1 Kapitel 5: Diskrete Verteilungen A: Beispiele Beispiel 1: Zwei Zufallsvariablen X und Y besitzen die beiden folgenden Wahrscheinlichkeitsfunktionen: x x (i) P x (x) = x für x =... 0 sonst e 2y für y =... (ii) P y (y) = y! 0 sonst a) Wie heißen die Verteilungen der beiden Zufallsvariablen? Bestimmen Sie die Werte ihrer Parameter und geben Sie an, welche Werte X und Y mit positiver Wahrscheinlichkeit annehmen. Handelt es sich um stetige oder um diskrete Verteilungen? b) Stellen Sie die Wahrscheinlichkeitsfunktionen graphisch dar. c) Geben Sie den Erwartungswert und die Varianz der Verteilungen an. d) Berechnen sie die folgenden Wahrscheinlichkeiten: (i) P(X 1), (ii) P(X < 2), (iii) P(2 Y 3), (iv) P(Y > 2) Lösungen: a) (i) Binomialverteilung (diskret) n π x (1 π) n x b(x;n,π) = x für x = 0,1,...,n 0 sonst mit n = 5 ; π = 0.6 (ii) Poissonverteilung (diskret) e λ λ y für y = 0,1,2,... P(y) = y! 0 sonst mit λ = 2

2 5 Diskrete Verteilungen 2 b) (i) x P(x) P(x) x (ii) y P(y) P(y) y c) Binomialverteilung: EX = nπ = = 3, Var X = nπ(1 π) = = 1.2 Poissonverteilung: EX = λ = 2, Var X = λ = 2

3 5 Diskrete Verteilungen 3 d) (i) P(X 1) = 1 P(X = 0) = 1 = = (ii) P(X < 2) = P(X = 0) + P(X = 1) 5 = = = (iii) P(2 Y 3) = P(Y = 2) + P(Y = 3) = e e 2 2! 3! = = (iv) P(Y > 2) = 1 P(Y 2) = 1 e e 2 0! 1! = = e ! B: Übungsaufgaben [ 1 ] Sei X b(n,π) mit 0 < π < 1. Welche der folgenden Aussagen sind WAHR? Kreuzen Sie sie an. a) E X > Var X b) Var X = π (1 π) c) b(1,π) = Be(π) d) E (X/n) > 1 e) P(0 X n) = 1 [ 2 ] Welche der folgenden Aussagen sind WAHR? Kreuzen Sie sie an. a) Die Poissonverteilung hat die Dichte λe λx für x 0. b) Man benutzt poissonverteilte Zufallsvariablen als Modell für die Wartezeiten zwischen dem Eintreten zweier Ereignisse. c) Die möglichen Werte einer poissonverteilten Zufallsvariablen sind 0, 1, 2,... d) Der Parameter λ einer Poissonverteilung ist immer kleiner als eins. e) Eine Zufallsvariable mit Poissonverteilung ist diskret.

4 5 Diskrete Verteilungen 4 [ 3 ] Ist X poissonverteilt mit Parameter λ. Welche Aussagen sind WAHR? a) P(0) = 0 b) P(0) = e λ c) P(0) = e λ X=1 d) P(0) = 1 P(X 1) e) E X = Var X λ x x! e λ [ 4 ] Die Anzahl der Unfälle in einem Monat in einer besonders gefährdeten Kurve einer Bundesstraße sei poissonverteilt mit dem Erwartungswert λ = 2.3. a) Wie groß ist die Wahrscheinlichkeit dafür, dass sich in einem bestimmten Monat genau drei Unfälle ereignen? Wahrscheinlichkeit = b) Wie groß ist die Wahrscheinlichkeit dafür, dass sich in jedem Monat eines halben Jahres höchstens drei Unfälle ereignen? Wahrscheinlichkeit = [ 5 ] Berechnen Sie die Wahrscheinlichkeit, dass eine poissonverteilte Zufallsvariable, mit Parameter λ = 2, einen Wert annimmt, der größer oder gleich eins ist. Die gesuchte Wahrscheinlichkeit ist:

5 5 Diskrete Verteilungen 5 [ 6 ] Eine Urne enthält N = 5 Kugeln, von denen N e = 3 rot sind. Es werden a) 2 Kugeln mit Zurücklegen gezogen. b) 2 Kugeln ohne Zurücklegen gezogen. Wie groß ist die Wahrscheinlichkeit, genau eine rote Kugel zu ziehen? Fall a: P a (X = 1) = Fall b: P b (X = 1) = [ 7 ] Eine Statistik - Vorlesung des Hauptstudiums mit nur 5 anwesenden Hörern sei gerade beendet. Als die Studenten den Raum in zufälliger Reihenfolge verlassen, fällt dem Professor auf, dass die ersten zwei ausländische Gasthörer sind und er berechnet sich für dieses Ereignis eine Wahrscheinlichkeit von 3/5. Wieviele ausländische Gasthörer befanden sich unter den 5 anwesenden Hörern? Anzahl = [ 8 ] Von 6 Männern und 4 Frauen sollen 5 Personen an einer Tagung teilnehmen. Mit welcher Wahrscheinlichkeit werden 3 Männer und 2 Frauen bei einem Losverfahren ausgewählt? Wahrscheinlichkeit =

6 5 Diskrete Verteilungen 6 [ 9 ] Ein Zufallsexperiment bestehe aus dem dreimaligen Werfen einer fairen Münze. Die Zufallsvariable X sei definiert als die Anzahl der dabei aufgetretenen Seite Kopf. Geben Sie die Formel der dazu gehörenden Wahrscheinlichkeitsfunktion P(x) an. P(x) = für Bestimmen Sie P(X 2). P(X 2) = Bestimmen Sie außerdem E X und Var X. E X = Var X = [ 10 ] Eine Bäckerei hat kurz vor Ladenschluß nur noch 5 Brote zum Verkauf übrig. 3 dieser Brote stammen vom vergangenen Wochenende und sind damit äußerst trocken. Zwei Kunden betreten gleichzeitig das Geschäft und verlangen jeweils ein Brot. Mit welcher Wahrscheinlichkeit wird höchstens einem dieser beiden Kunden ein altes verkauft, falls der Verkäufer die Brote zufällig auswählt? Wahrscheinlichkeit =

7 5 Diskrete Verteilungen 7 [ 11 ] Welchen Wert hat der Parameter n einer binomialverteilten Zufallsvariablen X, die den Erwartungswert EX = 5 und die Varianz Var X = 2.5 hat? n = [ 12 ] Aus einer Urne mit 50 Kugeln wird eine Stichprobe von 3 Kugeln mit Zurücklegen gezogen. Die Wahrscheinlichkeit, dass sich in dieser Stichprobe eine rote Kugel befindet, beträgt 3/8 und sei gleich der Wahrscheinlichkeit, zwei rote Kugeln in der Stichprobe vorzufinden. Wieviele rote Kugeln befinden sich in der Urne? Anzahl der roten Kugeln in der Urne : [ 13 ] Bei der Durchsicht eines Buches stellt man fest, dass von den insgesamt 800 Seiten 160 Seiten nicht fehlerfrei sind. 10 Seiten des Buches wurden zufällig ausgewählt. Die Zufallsvariable X sei definiert als die Anzahl fehlerfreier Seiten. Bestimmen Sie den Erwartungswert und die Varianz von X: E X = Var X = [ 14 ] In einer Urne befinden sich 2 rote, 2 schwarze und 4 blaue Kugeln. Es werden n Kugeln mit Zurücklegen gezogen. Die Zufallsvariable X gibt die Anzahl der gezogenen blauen Kugeln an. Es gilt: Berechnen Sie die Varianz von X. (Hinweis: Berechnen Sie zunächst n.) P(X = n) = 1 8 Var X =

8 5 Diskrete Verteilungen 8 [ 15 ] Eine poissonverteilte Zufallsvariable X nimmt die Werte 5 und 6 mit derselben Wahrscheinlichkeit an. Wie groß sind E X und Var X? E X = Var X = [ 16 ] Ein fairer Würfel wird viermal ausgespielt. Die Zufallsvariable X zähle, wie oft eine gerade Augenzahl geworfen wird. Wie groß ist die Wahrscheinlichkeit, dass dabei genau dreimal eine gerade Augenzahl geworfen wird? [ 17 ] In einer Lostrommel befinden sich 1000 Lose: 900 Nieten und 100 Gewinnlose. Der erste Käufer ersteht drei Lose. Die Zufallsvariable X bezeichne die Anzahl der Gewinnlose, die der erste Käufer erhält. Geben Sie die Wahrscheinlichkeitsfunktion der Zufallsvariablen X an, ohne eventuelle Approximationsmöglichkeiten zu berücksichtigen. P(x) = für Berechnen Sie die Wahrscheinlichkeit, dass der erste Käufer beim Kauf von drei Losen mindestens ein Gewinnlos zieht. Greifen Sie dabei gegebenenfalls auf Approximationsmöglichkeiten zurück. P(X 1) = [ 18 ] Die Zufallsvariable X sei binomialverteilt mit n = 10 und π = Bestimmen Sie den Modalwert der Variablen. Modalwert =

9 5 Diskrete Verteilungen 9 [ 19 ] In einer Brauerei werden fehlerhaft abgefüllte Flaschen computergesteuert aussortiert. Aus Erfahrung sei bekannt, dass im Durchschnitt drei Flaschen pro Minute auf diese Art und Weise ausgesondert werden. Berechnen Sie die Wahrscheinlichkeit, dass in einer Minute zwei oder mehr Flaschen aus der Produktion genommen werden müssen P(X 2) [ 20 ] Die Zufallsvariable X sei binomialverteilt mit n = 45 und π = 0.5. round(dbinom(0:23,45,0.5),digits=3) [1] [13] Bestimmen Sie P(X < 23) und P(X < 22) exakt (ohne Verwendung von eventuellen Approximationsmöglichkeiten). (Hinweis: Da π = 0.5 ist die Wahrscheinlichkeitsfunktion symmetrisch und die gesuchten Wahrscheinlichkeiten sind relativ einfach zu bestimmen; ansonsten können Sie die obige R Ausgabe zur Hilfe nehmen.) P(X < 23) = P(X < 22) = [ 21 ] Die Zufallsvariable X sei hypergeometrisch verteilt mit n = 20, N e = 12 und N = 120. Bestimmen Sie EX. E X =

10 5 Diskrete Verteilungen 10 [ 22 ] Die Anzahl der Fahrraddiebstähle im Stadtgebiet von Göttingen pro Stunde sei ein Poissonprozeß mit dem Erwartungwert von λ = 3. Wie groß ist die Wahrscheinlichkeit dafür, dass in einer bestimmten Stunde mehr als 2 Fahrräder in Göttingen gestohlen werden? Wahrscheinlichkeit = Wie groß ist die Wahrscheinlichkeit dafür, dass in zwei bestimmten Stunden weniger als 2 Fahrräder in Göttingen gestohlen werden? Wahrscheinlichkeit = [ 23 ] Eine Telephonistin bei der Telephonauskunft möchte gerne 5 Minuten Pause machen. Aus Erfahrung weiß sie, dass die Anzahl der auf ihrer Leitung in einer Stunde eingehenden Anrufe einem Poissonprozess folgt mit einem Erwartungswert von 36. Wie groß ist die Wahrscheinlichkeit WS dafür, dass innerhalb der 5 Minuten mehr als ein Anruf eingeht? Wahrscheinlichkeit = C: Klausuraufgaben [ 24 ] IV07S Sei X eine binomialverteilte Zufallsvariable mit den Parametern n = 180 und π = Gesucht ist die Wahrscheinlichkeit P(2 < X 4). Geben Sie entweder einen R-Befehl für die Berechnung der exakten Wahrscheinlichkeit an oder berechnen Sie diese Wahrscheinlichkeit mit Hilfe der Approximation durch die Poissonverteilung. P(2 < X 4) =

11 5 Diskrete Verteilungen 11 [ 25 ] II07S Sei X poissonverteilt mit dem Paramter λ = 4.5. Der R-Befehl round(dpois(0:13,4.5),digits =3) ergab den folgenden Ausdruck, wobei round(..., digits =3) die Rundung auf drei Stellen nach dem Dezimalpunkt bewirkt. [1] [10] a) Berechnen Sie mit Hilfe der obigen Ausgabe: P(X > 3) = b) Wie lautet der R-Befehl, der das Ergebnis aus a) berechnet? R-Befehl =

12 5 Diskrete Verteilungen 12 [ 26 ] IV07S Eine Lieferung von N = 80 Kisten, die mit Früchten gefüllt sind, enthalte N e = 40 Kisten mit verdorbenen Früchten. Da eine vollständige Prüfung der Lieferung zu aufwendig ist, haben Abnehmer und Lieferant vereinbart, dass eine Zufallsstichprobe von n = 10 Kisten der Lieferung entnommen und geprüft wird, um die Anzahl der Kisten mit verdorbenen Früchten zu bestimmen. Falls sich in dieser Stichprobe höchstens c schlechte Kisten befinden, wird die Lieferung vom Abnehmer angenommen, andernfalls wird die gesamte Lieferung abgelehnt. Sei X definiert als die Anzahl der Kisten mit verdorbenen Früchten in der Stichprobe. Laut Vorlesung ist X hypergeometrisch verteilt. Zur Beantwortung der Frage a) steht Ihnen folgende R Ausgabe zur Verfügung, wobei die Zahlen mit dem Befehl round(..., digits = 4) auf vier Stellen nach dem Dezimalpunkt gerundet wurden. > round(dhyper(0:5,40,40,10),digits = 4) [1] a) Wie viele Kisten mit verdorbenen Früchten dürfen sich höchstens in der Stichprobe befinden, damit der Abnehmer diese Lieferung nur mit höchstens 5%iger Wahrscheinlichkeit annehmen muss? Gesucht ist also das größte c mit P(X c) c = b) Geben Sie die Formel (nicht das Ergebnis) zur Berechnung von P(X = 2) an. Hinweis: Die Formel müsste mehrere Binomialkoeffizienten enthalten. Setzen Sie die numerischen Werte für die Parameter ein, rechnen Sie jedoch keinen Binomialkoeffizienten aus. P(X = 2) =

13 5 Diskrete Verteilungen 13 D: Lösungen 1) a, c, e 2) c, e 3) b, d, e 4) ; ) ) 0.48 ; 0.6 7) 4 8) ) P(x) = { (3 )1 x für x = 0,1,2,3 8 0 sonst ; 0.5 ; 1.5 ; ) ) 10 12) 25 13) 8 ; ) ) 6 ; 6 16) 1 4 ( 100 ) ( x 900 ) 3 x ( 17) P(x) = 1000 ) für x = 0,1,2,3 3 0 sonst ; ) 0 19) ) bzw. 0.5 ; bzw (0.499 und damit resultieren aus Rundungsungenauigkeiten und erhält man unter Verwendung der R Ausgabe) 21) 2 22) ; ) 0.8

14 5 Diskrete Verteilungen 14 24) pbinom(25,60,0.45) oder ) ; 1-ppois(3,4.5) ) ( 40 ) 8 26) 2 ; P(X = 2) = ( 40 2 ( 80 ) 10

0 für t < für 1 t < für 2 t < für 3 t < für 4 t < 5 1 für t 5

0 für t < für 1 t < für 2 t < für 3 t < für 4 t < 5 1 für t 5 4 Verteilungen und ihre Kennzahlen 1 Kapitel 4: Verteilungen und ihre Kennzahlen A: Beispiele Beispiel 1: Eine diskrete Zufallsvariable X, die nur die Werte 1,, 3, 4, 5 mit positiver Wahrscheinlichkeit

Mehr

Stetige Verteilungen. A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch

Stetige Verteilungen. A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch 6 Stetige Verteilungen 1 Kapitel 6: Stetige Verteilungen A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch dargestellt. 0.2 6

Mehr

Ausgewählte spezielle Verteilungen

Ausgewählte spezielle Verteilungen Ausgewählte spezielle Verteilungen In Anwendungen werden oft Zufallsvariablen betrachtet, deren Verteilung einem Standardmodell entspricht. Zu den wichtigsten dieser Modelle gehören: diskrete Verteilungen:

Mehr

Mathematik 3 für Informatik

Mathematik 3 für Informatik Gunter Ochs Wintersemester 20/6 Mathematik 3 für Informatik Lösungen zum Hausaufgabenblatt 4 Lösungshinweise (ohne Ganantie auf Fehlerfreiheit. Wenn man beim Roulette auf Rot oder Schwarz setzt, erhält

Mehr

4.4 Punktschätzung. E(X 1 )+ +E(X n ) Var(ˆµ) = 1 n 2 ( Var(X1 )+ +Var(X n ) ) = 1 n 2nσ2 = σ2

4.4 Punktschätzung. E(X 1 )+ +E(X n ) Var(ˆµ) = 1 n 2 ( Var(X1 )+ +Var(X n ) ) = 1 n 2nσ2 = σ2 4 4.4 Punktschätzung Wir betrachten eine endliche oder unendliche Grundgesamtheit, zum Beispiel alle Studierenden der Vorlesung Mathe II für Naturwissenschaften. Im endlichen Fall soll die Anzahl N ihrer

Mehr

Webinar Induktive Statistik. - Wahrscheinlichkeitsrechnung - Stichprobentheorie

Webinar Induktive Statistik. - Wahrscheinlichkeitsrechnung - Stichprobentheorie Webinar Induktive Statistik - Wahrscheinlichkeitsrechnung - Stichprobentheorie Wahrscheinlichkeitstheorie Aufgabe : Zwei Lieferanten decken den Bedarf eines PKW-Herstellers von 00.000 Einheiten pro Monat.

Mehr

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

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren Dr. Jürgen Senger INDUKTIVE STATISTIK Wahrscheinlichkeitstheorie, Schätz- und Testverfahren ÜBUNG 7.2 - LÖSUNGEN POISSONVERTEILUNG. Fahrzeuge, die eine Brücke passieren Zufallsexperiment: Zeitpunkt des

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

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

Übungsrunde 6, Gruppe 2 LVA , Übungsrunde 5, Gruppe 2, Markus Nemetz, TU Wien, 11/2006

Übungsrunde 6, Gruppe 2 LVA , Übungsrunde 5, Gruppe 2, Markus Nemetz, TU Wien, 11/2006 1 3.20 1.1 Angabe Übungsrunde 6, Gruppe 2 LVA 107.369, Übungsrunde 5, Gruppe 2, 21.11. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 11/2006 Ein Los aus elektronischen Bauteilen des Umfangs N = 400

Mehr

Modellanpassung und Parameterschätzung. A: Übungsaufgaben

Modellanpassung und Parameterschätzung. A: Übungsaufgaben 7 Modellanpassung und Parameterschätzung 1 Kapitel 7: Modellanpassung und Parameterschätzung A: Übungsaufgaben [ 1 ] Bei n unabhängigen Wiederholungen eines Bernoulli-Experiments sei π die Wahrscheinlichkeit

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

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

Aufgabe A1 Ein Glücksrad hat vier Sektoren, wovon die ersten beiden die Winkelgröße 60 haben. Für die Winkelgrößen und des dritten und vierten Sektors

Aufgabe A1 Ein Glücksrad hat vier Sektoren, wovon die ersten beiden die Winkelgröße 60 haben. Für die Winkelgrößen und des dritten und vierten Sektors Level Grundlagen Blatt Dokument mit Aufgaben Aufgabe A Ein Glücksrad hat vier Sektoren, wovon die ersten beiden die Winkelgröße 60 haben. Für die Winkelgrößen und des dritten und vierten Sektors gilt.

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

falls rote Kugel im 1. Zug gezogen Die Ziehungen sind daher nicht unabhängig voneinander. Damit liegt kein Bernoulli-Prozess

falls rote Kugel im 1. Zug gezogen Die Ziehungen sind daher nicht unabhängig voneinander. Damit liegt kein Bernoulli-Prozess 6.4 Hypergeometrische Verteilung Gegeben ist eine Urne, die mit N Kugeln gefüllt ist. Es seien M dieser Kugeln rot und N-M Kugeln sind nicht rot. Wir entnehmen n Kugeln, d.h. Stichproben vom Umfang n.

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

Stochastik und Statistik für Ingenieure Vorlesung 4

Stochastik und Statistik für Ingenieure Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Stochastik und Statistik für Ingenieure Vorlesung 4 30. Oktober 2012 Quantile einer stetigen Zufallsgröße Die reelle Zahl

Mehr

KAPITEL 5. Erwartungswert

KAPITEL 5. Erwartungswert KAPITEL 5 Erwartungswert Wir betrachten einen diskreten Wahrscheinlichkeitsraum (Ω, P) und eine Zufallsvariable X : Ω R auf diesem Wahrscheinlichkeitsraum. Die Grundmenge Ω hat also nur endlich oder abzählbar

Mehr

Anliegen: Beschreibung von Versuchsergebnissen mit Zahlen, um mit Zahlen bzw. bekannten Funktionen rechnen zu können.

Anliegen: Beschreibung von Versuchsergebnissen mit Zahlen, um mit Zahlen bzw. bekannten Funktionen rechnen zu können. 2 Zufallsvariable 2.1 Einführung Anliegen: Beschreibung von Versuchsergebnissen mit Zahlen, um mit Zahlen bzw. bekannten Funktionen rechnen zu können. Eine Zufallsvariable X ordnet jedem elementaren Versuchsausgang

Mehr

Vorlesung 3a. Der Erwartungswert. von diskreten reellwertigen Zufallsvariablen

Vorlesung 3a. Der Erwartungswert. von diskreten reellwertigen Zufallsvariablen Vorlesung 3a Der Erwartungswert von diskreten reellwertigen Zufallsvariablen X sei eine Zufallsvariable, deren Zielbereich R (die Menge der reellen Zahlen) (oder eine Teilmenge davon) ist. Es existiere

Mehr

SS 2017 Torsten Schreiber

SS 2017 Torsten Schreiber 173 Diese Lücken sollten nicht auch bei Ihnen vorhanden sein: Wird die Anordnung von unterschiedlichen Objekten eines Experiments untersucht, so handelt es sich um eine. Möchte man die Anzahl der möglichen

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

Level 1 Grundlagen Blatt 1. Dokument mit 19 Aufgaben

Level 1 Grundlagen Blatt 1. Dokument mit 19 Aufgaben Level 1 Grundlagen Blatt 1 Dokument mit 19 Aufgaben Aufgabe A1 Ein Glücksrad hat drei Sektoren mit den Farben Rot, Gelb und Grün. Das Rad bleibt mit einer Wahrscheinlichkeit von 0,1 so stehen, dass der

Mehr

Woche 2: Zufallsvariablen

Woche 2: Zufallsvariablen Woche 2: Zufallsvariablen Patric Müller ETHZ WBL 17/19, 24.04.2017 Wahrscheinlichkeit und Statistik Patric Müller WBL 2017 Teil III Zufallsvariablen Wahrscheinlichkeit

Mehr

4. Schularbeit/7C/2-stündig Schularbeit. 7C am

4. Schularbeit/7C/2-stündig Schularbeit. 7C am 4. Schularbeit 7C am 24.5.2017 Name: Note: Beispiel-Nr. 1 2 3 4 5 6 7 8 9 10 11 12 AP Teil 1: Teil 2: Punkte Teil 1 (inkl. AP) Punkte Teil 2 Gesamtpunkte Notenschlüssel: 0 7 P von Teil 1 (inkl. Anrechnungspunkte

Mehr

3. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17

3. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17 3. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 6/7. Aufgabe: 0 Bauteile gleicher Bauart werden vor der Weiterverarbeitung einer Materialprüfung unterzogen. 7 bestanden diese Prüfung,

Mehr

Pflichtteilaufgaben zu Stochastik (Pfadregeln, Erwartungswert, Binomialverteilung) Baden-Württemberg

Pflichtteilaufgaben zu Stochastik (Pfadregeln, Erwartungswert, Binomialverteilung) Baden-Württemberg Pflichtteilaufgaben zu Stochastik (Pfadregeln, Erwartungswert, Binomialverteilung) Baden-Württemberg Hilfsmittel: keine allgemeinbildende Gymnasien Alexander Schwarz www.mathe-aufgaben.com September 016

Mehr

Einführung in Quantitative Methoden

Einführung in Quantitative Methoden Einführung in Quantitative Methoden Karin Waldherr & Pantelis Christodoulides 11. Mai 2011 Waldherr / Christodoulides Einführung in Quantitative Methoden- 8.VO 1/40 Poisson-Verteilung Diese Verteilung

Mehr

Hypergeometrische Verteilung

Hypergeometrische Verteilung Hypergeometrische Verteilung Typischer Anwendungsfall: Ziehen ohne Zurücklegen Durch den Ziehungsprozess wird die Wahrscheinlichkeit des auch hier zu Grunde liegenden Bernoulli-Experimentes verändert.

Mehr

7.7 Spezielle diskrete Wahrscheinlichkeitsverteilungen

7.7 Spezielle diskrete Wahrscheinlichkeitsverteilungen 7.7 Spezielle diskrete Wahrscheinlichkeitsverteilungen 7.7.1 Die Laplace-Verteilung Sei X eine gleich verteilte Zufallsvariable mit den Werten in der Menge Ω X = {x i R : i = 1,...,n}, d.h. f (x i = 1

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

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

SozialwissenschaftlerInnen II

SozialwissenschaftlerInnen II Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Wahrscheinlichkeitsfunktionen

Mehr

(8 + 2 Punkte) = = 0.75

(8 + 2 Punkte) = = 0.75 Aufgabe 1 (8 + 2 Punkte) Von 20 Teilnehmern einer Bergwanderung geben 8 Personen an Knieschmerzen zu haben. 6 Teilnehmer leiden an Sonnenbrand. 8 Teilnehmer blieben unversehrt. a) Wie groß ist die Wahrscheinlichkeit,

Mehr

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Was du wissen musst: Die Begriffe Zufallsexperiment, Ereignisse, Gegenereignis, Zufallsvariable und Wahrscheinlichkeit sind dir geläufig. Du kannst mehrstufige Zufallsversuche

Mehr

1.3 Zufallsgrößen und Verteilungsfunktionen

1.3 Zufallsgrößen und Verteilungsfunktionen .3 Zufallsgrößen und Verteilungsfunktionen.3. Einführung Vielfach sind die Ergebnisse von Zufallsversuchen Zahlenwerte. Häufig möchte man aber auch in den Fällen, wo dies nicht so ist, Zahlenwerte zur

Mehr

Beispiel 37. Wir werfen eine Münze so lange, bis zum ersten Mal

Beispiel 37. Wir werfen eine Münze so lange, bis zum ersten Mal Beispiel 37 Wir werfen eine Münze so lange, bis zum ersten Mal Kopf erscheint. Dies geschehe in jedem Wurf unabhängig mit Wahrscheinlichkeit p. Wir definieren dazu die Zufallsvariable X := Anzahl der Würfe.

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

Beurteilende Statistik

Beurteilende Statistik Beurteilende Statistik Wahrscheinlichkeitsrechnung und Beurteilende Statistik was ist der Unterschied zwischen den beiden Bereichen? In der Wahrscheinlichkeitstheorie werden aus gegebenen Wahrscheinlichkeiten

Mehr

Klausur: Diskrete Strukturen I

Klausur: Diskrete Strukturen I Universität Kassel Fachbereich 10/1 13.03.2013 Klausur: Diskrete Strukturen I Name: Vorname: Matrikelnummer: Versuch: Unterschrift: Bitte fangen Sie für jede Aufgabe ein neues Blatt an. Beschreiben Sie

Mehr

Sei X eine auf dem Intervall [2, 6] (stetig) gleichverteilte Zufallsvariable.

Sei X eine auf dem Intervall [2, 6] (stetig) gleichverteilte Zufallsvariable. Aufgabe 1 (5 + 2 + 1 Punkte) Sei X eine auf dem Intervall [2, 6] (stetig) gleichverteilte Zufallsvariable. a) Wie lautet die Verteilungsfunktion von X? Zeichnen Sie diese! 0 x < 2 1 F (x) = x 0.5 2 x 6

Mehr

1. Ziehg.: N M. falls nicht-rote K. in 1. Ziehg. gezogen

1. Ziehg.: N M. falls nicht-rote K. in 1. Ziehg. gezogen 6.4 Hyergeometrische Verteilung Gegeben ist eine Urne, die mit N Kugeln gefüllt ist. Es seien M dieser Kugeln rot und N-M Kugeln nicht rot. Wir entnehmen n Kugeln, d.h. eine Stichrobe des Umfangs n. Dabei

Mehr

Prüfungsvorbereitungskurs Höhere Mathematik 3

Prüfungsvorbereitungskurs Höhere Mathematik 3 Prüfungsvorbereitungskurs Höhere Mathematik 3 Stochastik Marco Boßle Jörg Hörner Mathematik Online Frühjahr 2011 PV-Kurs HM 3 Stochastik 1-1 Zusammenfassung Wahrscheinlichkeitsraum (WR): Menge der Elementarereignisse

Mehr

Lösungen zu Übungsblatt 9 Höhere Mathematik2/Stochastik 2 Master KI/PI

Lösungen zu Übungsblatt 9 Höhere Mathematik2/Stochastik 2 Master KI/PI Lösungen zu Übungsblatt 9 Höhere Mathematik/Stochastik Anpassung von Verteilungen Zu Aufgabe ) a) Zeichnen des Histogranmmes: Um das Histogramm zu zeichnen, benötigen wir die Höhe der Balken. Die Höhe

Mehr

Statistik für Ingenieure Vorlesung 2

Statistik für Ingenieure Vorlesung 2 Statistik für Ingenieure Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 24. Oktober 2016 2.4 Bedingte Wahrscheinlichkeiten Häufig ist es nützlich, Bedingungen

Mehr

Eine Zufallsvariable wird als diskret bezeichnet, wenn sie nur endlich viele oder abzählbar unendlich viele Werte annimmt.

Eine Zufallsvariable wird als diskret bezeichnet, wenn sie nur endlich viele oder abzählbar unendlich viele Werte annimmt. Statistik I Sommersemester 009 Aufgabenlösung Übung 4: Diskrete Zufallsvariablen Aufgabe 5.. (Blatt ) ine Zufallsvariable bildet den reignisraum eines Zufallsvorgangs ab. Dieser bestimmt den Definitionsbereich

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

Aufgabe Punkte

Aufgabe Punkte Institut für Mathematik Freie Universität Berlin Carsten Hartmann, Stefanie Winkelmann Musterlösung für die Nachklausur zur Vorlesung Stochastik I im WiSe 20/202 Name: Matr.-Nr.: Studiengang: Mathematik

Mehr

Zufallsvariablen [random variable]

Zufallsvariablen [random variable] Zufallsvariablen [random variable] Eine Zufallsvariable (Zufallsgröße) X beschreibt (kodiert) die Versuchsausgänge ω Ω mit Hilfe von Zahlen, d.h. X ist eine Funktion X : Ω R ω X(ω) Zufallsvariablen werden

Mehr

Statistik im Versicherungs- und Finanzwesen

Statistik im Versicherungs- und Finanzwesen Springer Gabler PLUS Zusatzinformationen zu Medien von Springer Gabler Grimmer Statistik im Versicherungs- und Finanzwesen Eine anwendungsorientierte Einführung 2014 1. Auflage Übungsaufgaben zu Kapitel

Mehr

Statistik Übungen WS 2017/18

Statistik Übungen WS 2017/18 Statistik Übungen WS 2017/18 Blatt 2: Wahrscheinlichkeitsrechnung 1. Die nach dem französischen Mathematiker Pierre-Simon de Laplace benannten Laplace- Experimente beruhen auf der Annahme, dass bei einem

Mehr

Prof. Dr. Christoph Karg Hochschule Aalen. Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik. Sommersemester 2016

Prof. Dr. Christoph Karg Hochschule Aalen. Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik. Sommersemester 2016 Prof. Dr. Christoph Karg 5.7.2016 Hochschule Aalen Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik Sommersemester 2016 Name: Unterschrift: Klausurergebnis Aufgabe 1 (15 Punkte) Aufgabe 3

Mehr

Kapitel IV - Spezielle Verteilungen: Diskrete Verteilungen

Kapitel IV - Spezielle Verteilungen: Diskrete Verteilungen Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel IV - Spezielle Verteilungen: Diskrete Verteilungen Markus Höchstötter Lehrstuhl

Mehr

Wahrscheinlichkeitsrechnung Übung Aufgabe 2.b und 3

Wahrscheinlichkeitsrechnung Übung Aufgabe 2.b und 3 Wahrscheinlichkeitsrechnung Übung Aufgabe 2.b und 3 B I N O M I A L V E R T E I L U N G, B I N O M I A L T A B E L L E, U N A B H Ä N G I G E E R E I G N I S S E Zentrale Methodenlehre, Europa Universität

Mehr

Kursthemen 11. Sitzung. Spezielle diskrete Verteilungen: Auswahlexperimente. Spezielle diskrete Verteilungen: Auswahlexperimente

Kursthemen 11. Sitzung. Spezielle diskrete Verteilungen: Auswahlexperimente. Spezielle diskrete Verteilungen: Auswahlexperimente Kursthemen 11. Sitzung Folie I - 11-1 Spezielle diskrete Verteilungen: Auswahlexperimente Spezielle diskrete Verteilungen: Auswahlexperimente A) Kombinatorik (Folien bis 5) A) Kombinatorik (Folien bis

Mehr

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren. 1. Zweimaliges Ziehen aus einer Urne (ohne Zurücklegen)

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren. 1. Zweimaliges Ziehen aus einer Urne (ohne Zurücklegen) Dr. Jürgen Senger INDUKTIVE STATISTIK Wahrscheinlichkeitstheorie, Schätz- und Testverfahren ÜUNG. - LÖSUNGEN. Zweimaliges Ziehen aus einer Urne (ohne Zurücklegen Die Urne enthält 4 weiße und 8 rote Kugeln.

Mehr

Vorlesung 4b. Die Varianz

Vorlesung 4b. Die Varianz Vorlesung 4b Die Varianz 1 X sei reellwertige Zufallsvariable mit endlichem Erwartungswert µ Die Varianz von X ist definiert als Var[X] := E[(X µ) 2 ], die erwartete quadratische Abweichung der Zufallsvariablen

Mehr

Inhaltsverzeichnis: Lösungen zur Vorlesung Statistik Kapitel 4 Seite 1 von 19 Prof. Dr. Karin Melzer, Fakultät Grundlagen

Inhaltsverzeichnis: Lösungen zur Vorlesung Statistik Kapitel 4 Seite 1 von 19 Prof. Dr. Karin Melzer, Fakultät Grundlagen Inhaltsverzeichnis: Aufgabenlösungen zu Kapitel 4 3 Lösung zu Aufgabe 3 Lösung zu Aufgabe 9 3 Lösung zu Aufgabe 30 3 Lösung zu Aufgabe 3 3 Lösung zu Aufgabe 3 3 Lösung zu Aufgabe 33 3 Lösung zu Aufgabe

Mehr

BSZ für Bau- und Oberflächentechnik des Landkreises Zwickau Außenstelle Limbach-Oberfrohna STOCHASTIK

BSZ für Bau- und Oberflächentechnik des Landkreises Zwickau Außenstelle Limbach-Oberfrohna STOCHASTIK . Ordnen Sie die in den folgenden Bildern dargestellten Wahrscheinlichkeitsfunktionen nach den Erwartungswerten ihrer Zufallsgröße X mit x, 2,, 4, 5 größten Erwartungswert. i. Beginnen Sie mit dem Bild

Mehr

Klausur Statistik Lösungshinweise

Klausur Statistik Lösungshinweise Klausur Statistik Lösungshinweise Prüfungsdatum: 21. Januar 2016 Prüfer: Etschberger, Heiden, Jansen Studiengang: IM und BW Punkte: 15, 15, 12, 14, 16, 18 ; Summe der Punkte: 90 Aufgabe 1 15 Punkte Bei

Mehr

Wahrscheinlichkeitsverteilungen

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

Mehr

ˆ Die Verluste der einzelnen Perioden sind in den ersten zehn Perioden stochastisch

ˆ Die Verluste der einzelnen Perioden sind in den ersten zehn Perioden stochastisch Technische Hochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 39 14 jutta.arrenberg@th-koeln.de Übungen zu QM III (Wirtschaftsstatistik) Binomialverteilung

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

Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1

Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1 Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2013 Aufgabe 1 In einer Urne

Mehr

Übung zur Vorlesung Statistik I WS Übungsblatt 12

Übung zur Vorlesung Statistik I WS Übungsblatt 12 Übung zur Vorlesung Statistik I WS 2013-2014 Übungsblatt 12 20. Januar 2014 Die folgenden ufgaben sind aus ehemaligen Klausuren! ufgabe 38.1 (1 Punkt: In einer Studie werden 10 Patienten therapiert. Die

Mehr

7.5 Erwartungswert, Varianz

7.5 Erwartungswert, Varianz 7.5 Erwartungswert, Varianz Beispiel 7.5.1: Es werden drei ideale Münzen geworfen, und der Gewinn sei X := Anzahl von W. In Beispiel 7.4.1 hatten wir dazu eine Wahrscheinlichkeitverteilung ermittelt: X

Mehr

2.2 Binomialverteilung, Hypergeometrische Verteilung, Poissonverteilung

2.2 Binomialverteilung, Hypergeometrische Verteilung, Poissonverteilung 2.2 Binomialverteilung, Hypergeometrische Verteilung, Poissonverteilung Die einfachste Verteilung ist die Gleichverteilung, bei der P(X = x i ) = 1/N gilt, wenn N die Anzahl möglicher Realisierungen von

Mehr

Stochastik Übungsaufgaben (Taschenrechner erlaubt) Binomialverteilung Oberstufe

Stochastik Übungsaufgaben (Taschenrechner erlaubt) Binomialverteilung Oberstufe Stochastik Übungsaufgaben (Taschenrechner erlaubt) Binomialverteilung Oberstufe Alexander Schwarz www.mathe-aufgaben.com November 2015 1 Aufgabe 1: Ist der Zufallsversuch eine Bernoulli-Kette? Wenn ja,

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

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun http://blog.ruediger-braun.net Heinrich-Heine-Universität Düsseldorf 07. Januar 2015 Klausuranmeldung Prüflinge müssen sich bis spätestens 14 Tage vor

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 11. November 2010 1 Erwartungswert und Varianz Erwartungswert Varianz und Streuung Rechenregeln Binomialverteilung

Mehr

Binomialverteilung. Statistik für SoziologInnen 1 Diskrete Verteilungsmodelle. Marcus Hudec

Binomialverteilung. Statistik für SoziologInnen 1 Diskrete Verteilungsmodelle. Marcus Hudec Binomialverteilung Jakob Bernoulli (1654-1705) Ars Conjectandi Klassisches Verteilungsmodell für die Berechnung der Wahrscheinlichkeit für die Häufigkeit des Eintretens von Ereignissen in bestimmten noch

Mehr

4 Diskrete Zufallsvariablen

4 Diskrete Zufallsvariablen 25 4 Diskrete Zufallsvariablen 4.1 Einleitung Die Ergebnisse von Zufallsvorgängen sind nicht notwendigerweise Zahlen. Oft ist es aber hilfreich diese durch Zahlen zu repräsentieren. Beispiel 4.1 (4-maliger

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 5 Hilfsmittel aus der Kombinatorik 7 Bedingte

Mehr

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13 Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13 Aufgabenstellung und Ergebnisse Dr. Martin Becker Hinweise für die

Mehr

[ 2 ] Die Zufallsvariablen X und Y haben die in der Tabelle gegebene gemeinsame Wahrscheinlichkeitsfunktion

[ 2 ] Die Zufallsvariablen X und Y haben die in der Tabelle gegebene gemeinsame Wahrscheinlichkeitsfunktion Paare von Zufallsvariablen Kapitel : Paare von Zufallsvariablen A: Übungsaufgaben: [ ] Die Zufallsvariable X kann die Werte, 2 und die Zufallsvariable Y die Werte 0,, 2 annehmen. Die gemeinsame Verteilungsfunktion

Mehr

Statistik Übungen SS 2017

Statistik Übungen SS 2017 Statistik Übungen SS 2017 Blatt 2: Wahrscheinlichkeitsrechnung 1. Die nach dem französischen Mathematiker Pierre-Simon de Laplace benannten Laplace- Experimente beruhen auf der Annahme, dass bei einem

Mehr

Es wird aus einer Urne mit N Kugeln gezogen, die mit den Zahlen 1,..., N durchnummiert sind. (N n)! n! = N! (N n)!n! =

Es wird aus einer Urne mit N Kugeln gezogen, die mit den Zahlen 1,..., N durchnummiert sind. (N n)! n! = N! (N n)!n! = Übungsblatt Höhere Mathematik - Weihenstephan SoSe 00 Michael Höhle, Hannes Petermeier, Cornelia Eder Übung: 5.6.00 Die Aufgaben -3 werden in der Übung am Donnerstag (5.6. besprochen. Die Aufgaben -6 sollen

Mehr

Kapitel 9. Verteilungsmodelle. 9.1 Diskrete Verteilungsmodelle Die Gleichverteilung

Kapitel 9. Verteilungsmodelle. 9.1 Diskrete Verteilungsmodelle Die Gleichverteilung Kapitel 9 Verteilungsmodelle Es gibt eine Reihe von Verteilungsmodellen für univariate diskrete und stetige Zufallsvariablen, die sich in der Praxis bewährt haben. Wir wollen uns von diesen einige anschauen.

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

Biostatistik, Winter 2011/12

Biostatistik, Winter 2011/12 Biostatistik, Winter 2011/12 Wahrscheinlichkeitstheorie:, Kenngrößen Prof. Dr. Achim Klenke http://www.aklenke.de 7. Vorlesung: 09.12.2011 1/58 Inhalt 1 2 Kenngrößen von Lagemaße 2/58 mit Dichte Normalverteilung

Mehr

Hypergeometrische Verteilung

Hypergeometrische Verteilung Hypergeometrische Verteilung Aufgaben Aufgabe 1 Eine Firma produziert insgesamt 30 elektronische Bauteile des gleichen Typs. Aus langjähriger Erfahrung weiß man das davon jedes 70te defekt ist. Um die

Mehr

Stochastik (Laplace-Formel)

Stochastik (Laplace-Formel) Stochastik (Laplace-Formel) Übungen Spielwürfel oder Münzen werden ideal (oder fair) genannt, wenn jedes Einzelereignis mit gleicher Wahrscheinlichkeit erwartet werden kann. 1. Ein idealer Spielwürfel

Mehr

Level 1 Grundlagen Blatt 2

Level 1 Grundlagen Blatt 2 Level 1 Grundlagen Blatt 2 Dokument mit 1 Aufgaben Aufgabe A9 Ein Glücksrad besteht aus 3 Feldern, die folgendermaßen beschriftet sind: 1.Feld: 2,00 2. Feld: 5,00 3. Feld: 0,00 Das 1. Feld hat einen Mittelpunktswinkel

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

7.5 Erwartungswert, Varianz

7.5 Erwartungswert, Varianz 7.5 Erwartungswert, Varianz Def. 7.5.: a) X sei eine diskrete ZV, die bei unendl. vielen Werten x k folgende Zusatzbedingung erfüllt: x k p k

Mehr

Wahrscheinlichkeitsfunktion. Binomialverteilung. Binomialverteilung. Wahrscheinlichkeitshistogramme

Wahrscheinlichkeitsfunktion. Binomialverteilung. Binomialverteilung. Wahrscheinlichkeitshistogramme Binomialverteilung Wahrscheinlichkeitsfunktion Konstruktionsprinzip: Ein Zufallsexperiment wird n mal unabhängig durchgeführt. Wir interessieren uns jeweils nur, ob ein bestimmtes Ereignis A eintritt oder

Mehr

6.6 Poisson-Verteilung

6.6 Poisson-Verteilung 6.6 Poisson-Verteilung Die Poisson-Verteilung ist eine Wahrscheinlichkeitsverteilung, die zur Modellierung der Anzahl von zufälligen Vorkommnissen in einem bestimmten räumlichen oder zeitlichen Abschnitt

Mehr

Wahrscheinlichkeitsverteilungen

Wahrscheinlichkeitsverteilungen Wahrscheinlichkeitsverteilungen 1. Binomialverteilung 1.1 Abzählverfahren 1.2 Urnenmodell Ziehen mit Zurücklegen, Formel von Bernoulli 1.3 Berechnung von Werten 1.4 Erwartungswert und Standardabweichung

Mehr

Psychologische Methodenlehre und Statistik I

Psychologische Methodenlehre und Statistik I Psychologische Methodenlehre und Statistik I Pantelis Christodoulides & Karin Waldherr SS 2013 Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik I 1/61 Zufallsexperiment

Mehr

P (X = 2) = 1/36, P (X = 3) = 2/36,...

P (X = 2) = 1/36, P (X = 3) = 2/36,... 2.3 Zufallsvariablen 2.3 Zufallsvariablen Meist sind die Ereignisse eines Zufallseperiments bereits reelle Zahlen. Ist dies nicht der Fall, kann man Ereignissen eine reelle Zahl zuordnen. Zum Beispiel

Mehr

Definition 4.1 Die Wahrscheinlichkeitsfunktion der Bernoulli-Verteilung ist gegeben durch

Definition 4.1 Die Wahrscheinlichkeitsfunktion der Bernoulli-Verteilung ist gegeben durch Kapitel 4 Diskrete Verteilungen 4.1 Bernoulli-Verteilung Definition 4.1 Die Wahrscheinlichkeitsfunktion der Bernoulli-Verteilung ist gegeben durch È Üµ ½ für Ü ¼ für Ü ½ ¼ sonst Die Bernoulli-Verteilung

Mehr

Vorwort Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße Erwartungswert und Varianz...

Vorwort Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße Erwartungswert und Varianz... Inhaltsverzeichnis Vorwort... 2 Zum Einstieg... 3 1 Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße... 5 1.2 Erwartungswert und Varianz... 7 2 Wahrscheinlichkeitsverteilungen

Mehr

Ist P(T) = p die Trefferwahrscheinlichkeit eines Bernoulli-Experiments,

Ist P(T) = p die Trefferwahrscheinlichkeit eines Bernoulli-Experiments, . Binomialverteilung ==================================================================.1 Bernoulli-Experimente und Bernoullikette -----------------------------------------------------------------------------------------------------------------

Mehr

Übungsblatt 9 (25. bis 29. Juni)

Übungsblatt 9 (25. bis 29. Juni) Statistik 2 Dr. Andrea Beccarini Dipl.-Vw. Dipl.-Kffr. Heike Bornewasser-Hermes Sommersemester 2012 Übungsblatt 9 (25. bis 29. Juni) Stetiges Verteilungsmodell und Gemeinsame Verteilung Stetiges Verteilungsmodell

Mehr

Stochastik Pfadregeln Erwartungswert einer Zufallsvariablen Vierfeldertafel Gymnasium

Stochastik Pfadregeln Erwartungswert einer Zufallsvariablen Vierfeldertafel Gymnasium Stochastik Pfadregeln Erwartungswert einer Zufallsvariablen Vierfeldertafel Gymnasium Alexander Schwarz www.mathe-aufgaben.com Oktober 205 Aufgabe : In einer Urne befinden sich drei gelbe, eine rote und

Mehr

Statistik III. Walter Zucchini Fred Böker Andreas Stadie

Statistik III. Walter Zucchini Fred Böker Andreas Stadie Statistik III Walter Zucchini Fred Böker Andreas Stadie Inhaltsverzeichnis 1 Zufallsvariablen und ihre Verteilung 1 1.1 Diskrete Zufallsvariablen........................... 1 1.2 Stetige Zufallsvariablen............................

Mehr