6.1 Grundlagen der Wahrscheinlichkeitsrechnung Definitionen und Beispiele Beispiel 1 Zufallsexperiment 1,2,3,4,5,6 Elementarereignis

Größe: px
Ab Seite anzeigen:

Download "6.1 Grundlagen der Wahrscheinlichkeitsrechnung 6.1.1 Definitionen und Beispiele Beispiel 1 Zufallsexperiment 1,2,3,4,5,6 Elementarereignis"

Transkript

1 1 6.1 Grundlagen der Wahrscheinlichkeitsrechnung Definitionen und Beispiele Spiele aus dem Alltagsleben: Würfel, Münzen, Karten,... u.s.w. sind gut geeignet die Grundlagen der Wahrscheinlichkeitsrechnung darzustellen. Wir wollen uns deshalb zunächst die grundlegenden Definitionen durch Beispiele aus der Welt der Spiele veranschaulichen. Beispiel 1 Augenzahl beim Wurf mit einem homogenen Würfel Der Wurf mit einem homogenen Würfel ist ein Vorgang, den wir in der Wahrscheinlichkeitslehre Zufallsexperiment nennen. Bei einem solchen Wurf wird stets eine der 6 Augenzahlen des Würfels 1,2,3,4,5,6 auftreten. Wir nennen jedes der 6 möglichen Ergebnisse ein Elementarereignis. Die Gesamtheit aller Elementarereignisse heißt Ergebnismenge E: E={1,2,3,4,5,6}. Welches der 6 Elementarereignisse bei dem Wurf eintritt, ist nicht vorhersehbar, sondern zufallsbedingt. Aus diesem Grund sprechen wir von einem Zufallsexperiment. Wir können verschiedene Elementarereignisse unter verschiedenen Gesichtspunkten zusammenfassen: Z.B. "Alle geraden Elementarereignisse: A={2,4,6}", "Alle ungeraden Elementarereignisse: B={1,3,5}" oder "Alle Primzahlen unter den Elementarereignissen: C={2,3,5}", u.s.w.. Die Zusammenfassung der Elementarereignisse ist stets eine Teilmenge der Ergebnismenge E: A " E,B " E oder C " E. Wir nennen A,B und C dann Ereignisse des Würfelexperimentes. Gemäß den Rechenregeln der Mengenlehre existieren zu einer Menge aus n Elementen 2 n Teilmengen, wozu auch E selbst und die leere Menge gehören. Die Menge aller Ereignisse, die sich durch Teilmengenbildung aus der Ergebnismenge E erzeugen lässt, nennen wir auch den Ereignisraum. Im Zusammenhang mit den Zufallsexperimenten werden wir auch den Begriff der Zufallsvariablen verwenden. Eine Zufallsvariable kann diskret oder stetig sein. Sie ist das Ergebnis einer Abbildung, die jedem Elementarereignis e i E genau eine Zahl X(e i ) zuordnet. In unserem Beispiel ist eine solche Zahl zweckmäßig durch das Element selbst definiert: X(e i )=e i, z.b. X(3)=3. Beispiel 2 Augenzahl beim Wurf mit zwei unterscheidbaren Würfeln Beim Wurf mit einem roten und einem schwarzen Würfel können insgesamt 36 verschiedene Konstellationen auftreten. Wir benennen die Ergebnismenge, indem wir die möglichen Elementarereignisse zusammenfassen und schreiben für jedes Elementarereignis zuerst die Augenzahl des roten Würfels: E={(1,1);(1,2);(1,3);... ;(6,4);(6,5);(6,6)}. Wir können unter verschiedenen Gesichtspunkten zu dieser Ergebnismenge Teilmengen formulieren. Z.B. als Menge aller Elementarereignisse, bei denen der rote Würfel eine 1 zeigt: Ereignis A: Roter Würfel zeigt eine 1: A={(1,1);(1,2);(1,3);(1,4);(1,5);(1,6)}. Weil jeder Wurf ein Zufallsergebnis erzeugt, handelt es sich auch in diesem Experiment um ein Zufallsexperiment. Jedem Paar aus der Menge der Elementarereignisse können wir eine Zahl x zuordnen, z.b. die Summe der Augenzahlen. Dadurch definieren wir für dieses Experiment eine diskrete Zufallsvariable. Die Zufallsvariablen zu unserem

2 2 Experiment bestehen in ihrer Gesamtheit aus den 11 Zahlen: X={2,3,4,...,12}. Hier verwenden wir natürlich die Zuordnung: X(e i )=Summe der Augenzahlen=x, z.b. X(1,5)=6. Beispiel 3 Ziehung von Kugeln aus einer Urne Eine Urne enthält 5 Kugeln, drei weisse und zwei schwarze. Ziehen wir zufällig zwei Kugeln aus der Urne, wobei wir Zug für Zug die Kugeln wieder zurücklegen, so entstehen folgende vier Elementarereignisse (w für weiss, s für schwarz): E = {(w,w);(w,s);(s,w);(s,s)}. Durch geeignete Formulierungen können wir Teilmengen zu E bilden: Z.B. A=Beide Kugeln sind von gleicher Farbe; A = {(w,w);(s,s)}. Das Ereignis A enthält also zwei Elementarereignisse. Insgesamt existieren zu 4 Elementen 2 4 =16 Teilmengen oder Ereignisse, deren Gesamtheit den Ereignisraum darstellt. Mit den Zuordnungen X(w,w)=1, X(w,s)=2, X(s,w)=3 und X(s,s)=4 erhalten wir zu den 4 Elementarereignissen die 4 diskreten Zufallsvariablen 1,2,3 und 4. Wir fassen die formulierten Begriffe zusammen: Definition Zufallsexperiment Ein Zufallsexperiment ist ein Experiment mit folgenden Eigenschaften: 1 Das Experiment ist unter gleichen äußeren Bedingungen beliebig oft wiederholbar. 2 Das Experiment besitzt mehrere sich gegenseitig ausschließende Ergebnisse. 3 Die Ergebnisse im Experiment sind zufallsbedingt. Definition Elementarereignis und Ergebnismenge 1 Die möglichen, sich aber gegenseitig ausschließenden Ergebnisse eines Zufallsexperimentes heißen Elementarereignisse. 2 Die Menge aller Elementarereignisse heißt Ergebnismenge. Definition Ereignis und Ereignisraum 1 Eine Teilmenge der Ergebnismenge eines Zufallsexperimentes heißt Ereignis. 2 Die Menge aller Ereignisse heißt Ereignisraum. Definition Zufallsvariable Unter einer Zufallsvariablen X verstehen wir eine Funktion, die jedem Elementarereignis e aus der Ergebnismenge E eines Zufallsexperimentes genau eine reelle Zahl x zuordnet: X(e)=x. Nachdem wir gelernt haben, daß Ereignisse eines Zufallsexperiments durch Mengen beschrieben werden, wollen wir auch die Verknüpfung von Ereignissen durch entsprechende Operationen in der Mengenlehre erklären.

3 Verknüpfungen von Ereignissen Die Vereinigung (oder Summe) A B von Ereignissen bedeutet: Entweder tritt A ein oder B oder A und B gleichzeitig. Der Durchschnitt (oder Produkt) A B von Ereignissen bedeutet: Die Ereignisse A und B treten gleichzeitig ein. Das zu A komplementäre Ereignis Das Ereignis A tritt nicht ein. Beispiele zu den Verknüpfungen 1 Zufallsexperiment: Roulett A bedeutet: Die Elementarereignisse im Roulett sind die Zahlen 0,1,2,...,36. Wir definieren zwei Ereignisse A und B um sie zu verknüpfen: A="Alle geraden Zahlen", A={2,4,6,...,36} B="Alle Zahlen im 1.Drittel", B={1,2,3,...,12}. Dann bedeuten: A B= {1,2,3,...,11,12,14,16,...,36} A B={2,4,6,8,10,12} A=E-A={0,1,3,5,...35}. 2 Zufallsexperiment: Wurf mit zwei Würfeln. Die Elementarereignisse sind die 36 Zahlenpaare (1,1),(1,2),...,(6,6). Wir definieren zwei Ereignisse für die Verknüpfung: A="Beide Augenzahlen sind gleich": A={(1,1),(2,2),...,(6,6)} B="Der zweite Würfel hat die Augenzahl 5": B={(1,5),(2,5),...(6,5)} Dann bedeuten: A B={(1,1),(2,2),...(6,6),(1,5),(2,5),...,(6,5)}, A B = {(5,5), A ==E-A = {(1,2),1,3)...,(2,1),(2,3)(2,4),...,(6,5)} Zweckdienlich zur Berechnung von Problemen in der Wahrscheinlichkeitstheorie sind die so genannten De Morganschen Regeln: Für zwei beliebige Ereignisse A und B gelten folgende Regeln: 1 2 A"B = A#B A"B = A#B.

4 Laplace-Experiment Wird ein Zufallsexperiment mit einer endlichen Ergebnismenge E hinreichend oft wiederholt und zeigt sich dabei, daß keines der Elementarereignisse gegenüber einem anderen bevorzugt auftritt, so werden alle Ereignisse stets näherungsweise gleich häufig auftreten und wir sprechen von einem Laplace-Experiment. Beispiele 1 Bei dem Wurf mit einer Münze können wir die Elementarereignisse Zahl und Wappen unterscheiden. Keines der beiden Ereignisse ist gegenüber dem anderen bevorzugt. In einer hinreichend großen Versuchsreihe geht der Quotient der Anzahl der Ereignisse Zahl gegenüber der Anzahl der Ereignisse Wappen gegen 1, wie eine Versuchsreihe belegt. Autor Anzahl Anzahl Anzahl Quotient Würfe Kopf Wappen Zahl : Wappen Buffon ,953 Pearson , ,998 2 Bei dem Zufallsexperiment "Wurf mit einem Würfel" ist jedes Elementarereignis gleichmöglich, vorausgesetzt, der Würfel ist homogen. In einem Versuch mit einem Würfel wird ausgezählt, wie häufig bei n=50, n=210 und n=410 Würfen die einzelnen Augenzahlen auftreten. Augenzahl n = 50 n = 210 n = In der Tabelle sind die so genannten absoluten Häufigkeiten der einzelnen Augenzahlen für n=50, 210 und 410 aufgelistet. Im Diagramm sind die Ergebnisse prozentual (bezogen auf n) dargestellt. Wir registrieren, dass in guter Näherung alle Elementarereignisse gleich häufig vorkommen. Anmerkung zum nächsten Beispiel Manche Zufallsexperimente entsprechen vom Ansatz zwar nicht den Bedingungen eines Laplace-Experiments, weil ihre Elementarereignisse nicht gleichmöglich sind, können aber durch eine modifizierte Formulierung zu einem Laplace-Experiment gemacht werden.

5 5 3 Bei dem Ziehen einer Kugel aus einer Urne, die drei weiße und zwei schwarze Kugeln enthält, gibt es die zwei Elementarereignisse: A=Ziehen einer weißen Kugel; B=Ziehen einer schwarzen Kugel. Die Möglichkeit, eine weiße Kugel zu ziehen, ist größer als die Möglichkeit, eine schwarze Kugel zu ziehen. Es liegt kein Laplace- Experiment vor. Wenn wir die Kugeln zusätzlich durchnumerieren und damit unterscheiden, w 1 (weiß1), w 2, w 3, s 1 (schwarz1) und s 2, so erhalten wir ein Zufallsexperiment mit 5 gleichmöglichen Elementarereignissen und damit ein Laplace Experiment. Mit dem Laplace- Experiment können wir einen ersten Wahrscheinlichkeitsbegriff formulieren. Besteht eine Ergebnismenge aus n gleichmöglichen Elementarereignissen, so wird für das einzelne Elementarereignis e i,1 i n, definitionsgemäß die folgende positive Zahl als Wahrscheinlichkeit definiert: P(e i ) = p i = 1 n. Setzt sich ein Ereignis A zusammen aus den g Elementen e k, 1 k g, so wird die Wahrscheinlichkeit für das Eintreffen von A definiert durch die Formel g g 1 P(A) = P({e 1,e 2,...,e g }) = " P(e k ) = " n = g n, k=1 k=1 worin der Buchstabe g auch symbolisieren soll, daß es sich um die für das Zufallsexperiment günstigen Fälle handelt. Streng mathematisch müßten wir in der Schreibweise unterscheiden zwischen P(e k ), worin e k ein Element ist, und P({e k }), worin nun {e k } ein Ereignis bzw. eine Teilmenge symbolisiert. Darauf wollen wir aber verzichten. Gemäß dieser Definition gilt natürlich für die Wahrscheinlichkeit P(A) eines beliebigen Ereignisses stets: P(A) 1, und für das sichere Ereignis gilt: P(E)=1. Außerdem gilt offensichtlich ( ) =1"P(A). P A Beispiele 1 Beim Wurf mit einem Würfel ist die Wahrscheinlichkeit für ein Elementarereignis, z.b. e 1 = 1, gegeben durch P(e 1 ) = 1. Die Wahrscheinlichkeit für das Ereignis A="Gerade 6 Zahl", A={2,4,6}, ist gegeben durch die Summe der drei Einzelwahrscheinlichkeiten der drei Elementarereignisse 2,4 und 6: P(A) = = 1 2. Das komplementäre Ereignis zu A heißt A="Ungerade Zahl", A={1,3,5}. Die Wahrscheinlichkeit für A ist gegeben durch P(A) =1"P(A) =1" 1 2 = 1 2. Die Wahrscheinlichkeit der Ergebnismenge E ist natürlich P(E)= 6" 1 6 =1.

6 6 2 Im Roulett ist die Wahrscheinlichkeit für das Elementarereignis e i ="Zahl i", 0 i 36, 1 18 gleich P(e i )=. Die Wahrscheinlichkeit für das Ereignis A="Rote Zahl" ist P(A)= 37 37, weil im Roulett 18 rote Zahlen existieren. Die Wahrscheinlichkeit für A="Keine rote Zahl" ist P(A) = 19, weil 19 der 37 Zahlen beim Roulett nicht rot sind Die Ziehung einer Kugel aus einer Urne, die drei weiße und zwei schwarze Kugeln enthält, ist prinzipiell kein Laplace-Experiment, weil die Elementarereignisse e 1 ="Weiße Kugel" und e 2 ="Schwarze Kugel" nicht gleichermaßen möglich sind. Wir können aber ein Laplace- Experiment daraus machen, indem wir die weißen bzw. die schwarzen Kugeln durchnummerieren, w 1,w 2 und w 3, bzw. s 1 und s 2, und nunmehr 5 gleichmögliche und unterscheidbare Elementarereignisse erhalten, die sich gegenseitig ausschließen. Jetzt liegt ein Laplace-Experiment vor. Fassen wir gedanklich die drei Elementarereignisse w 1,w 2 und w 3, zu einem Ereignis A={w 1,w 2, w 3 ) zusammen, so können wir die Wahrscheinlichkeit des Ziehens einer weißen Kugel mit den Gesetzen des Laplace-Experimentes bestimmen: P(A) = P(w 1,w 2,w 3 ) = 3 5. Entsprechend können wir die Wahrscheinlichkeit des Ereignisses B= A="Schwarze Kugel" berechnen: P(B) = P(A) = = 2 5 =1"P(A). " 49% 4 Beim Lottospielen gibt es m= $ ' unterscheidbare Elementarereignisse, die alle # 6 & gleichmöglich sind. Es gibt nur g=1 Wahrscheinlichkeit für den Hauptgewinn. Die Wahrscheinlichkeit P(A) eines Hauptgewinnes (Ereignis A) beträgt also: P(A) = 1. " 49% $ ' # 6 & 5 Wie groß ist die Wahrscheinlichkeit P(B) bei zehnmaligem Kartenziehen mindestens einen Buben zu ziehen, wenn nach jedem Ziehen die Karte zurückgesteckt wird? Das Kartenspiel bietet m=32 Möglichkeiten (Elementarereignisse) unterscheidbare Karten zu ziehen. Davon sind 4 günstige und 28 ungünstige Elementarereignisse, was das Ziehen eines Buben betrifft. Die Wahrscheinlichkeit bei einmaligen Ziehen 4 einen Buben zu erhalten, lautet: 32 = 1. Die Wahrscheinlichkeit bei einmaligem Ziehen keinen Buben zu erhalten, ist natürlich komplementär: = 7 8. Die Wahrscheinlichkeit bei zehnmaligem Ziehen mindestens einen Buben zu erhalten ist nun nicht etwa: P(B) = =1.25 oder 125%, 8 was logischerweise nicht zutreffen kann, sondern P(B)=1-P (B):

7 7 $ P(B) =1" 7 8 # 7 8 # 7 8 # 7 8 # 7 8 # 7 8 # 7 8 # 7 8 # 7 8 # 7 ' & ) = 0.737, % 8( worin B die Wahrscheinlichkeit anzeigt, bei zehnmaliger Ziehung keinen Buben zu erhalten. In allen fünf Beispielen basiert die Berechnungsmöglichkeit darauf, dass alle unterscheidbaren Elementarereignisse gleichwahrscheinlich waren. Dies ist aber meist nicht der Fall. Wir müssen deshalb den Wahrscheinlichkeitsbegriff verallgemeinern, um auch Zufallsexperimente mit nicht gleichmöglichen Elementarereignissen untersuchen zu können.

8 Absolute -Relative Häufigkeit; Wahrscheinlichkeit Absolute - Relative Häufigkeit Die meisten Experimente erfüllen nicht die Voraussetzungen eines Laplace-Experimentes. Wiederholen wir ein Experiment hinreichend häufig, so werden wir aber feststellen, daß die Ereignisse auf lange Dauer gewissen Gesetzmäßigkeiten unterliegen, im Gegensatz zur zufälligen Unregelmäßigkeit der einzelnen Ergebnisse. Anhand dieser Erkenntnis werden wir den einzelnen Ereignissen Wahrscheinlichkeiten zuordnen. Dabei werden wir den Begriff der relativen Häufigkeit verwenden. Die mathematische Aussage "Das Ereignis A besitzt die Wahrscheinlichkeit P(A)" soll dann folgenden Sachverhalt beschreiben: Wenn sich mit wachsender Anzahl n der Ausführungen eines Zufallexperimentes die Schwankungen in der relativen Häufigkeit h n (A) klein werden und sich einem festen Zahlenwert P(A) nähern, so werden wir diesen Zahlenwert definieren als Wahrscheinlichkeit P(A) des Zufallexperimentes, P(A) h n (A), falls n genügend groß ist. Wir sagen auch, die relativen Häufigkeiten stabilisieren sich für hinreichend viele Ausführungen um einen festen Zahlenwert. Für das Rechnen mit Wahrscheinlichkeiten werden wir axiomatisch die Regeln formulieren, die für das Rechnen mit relativen Häufigkeiten gelten. Dazu müssen wir zunächst die Begriffe absolute Häufigkeit und relative Häufigkeit definieren und anhand geeigneter Beispiele diskutieren. Definition Absolute Häufigkeit Bei einer n-fachen Ausführung eines Zufallsexperimentes werden die einzelnen Ereignisse A, B,... mit gewissen absoluten Häufigkeiten H(A), H(B),... auftreten. Wir ermitteln die absoluten Häufigkeiten durch Abzählen. Definition Relative Häufigkeit Die relative Häufigkeit h n (A) eines Ereignisses A bei einer n-fachen Ausführung eines Zufallsexperimentes errechnen wir, indem wir die absolute Häufigkeit H n (A) durch einfaches Abzählen ermitteln und dann den Quotienten bilden: h n (A) = H n(a) n. Beispiele 1 Augenzahl mit zwei identischen Würfeln m ersten Beispiel würfeln wir mit zwei identischen Würfeln und untersuchen das Zufallsereignis "Summe der beiden Augenzahlen". Unsere Formulierung eines Elementarereignisses unterscheidet sich gegenüber dem Eingangsbeispiel, in dem wir dort die Würfel durch die Farben rot und schwarz unterschieden haben und dadurch insgesamt 36 gleichmögliche Elementarereignisse als Ergebnismenge erhielten. Im Eingangsbeispiel handelte es sich deshalb um ein Laplace- Experiment. Die Würfelsumme wurde dort als Zufallsvariable eingeführt. In diesem Beispiel unterscheiden wir die Würfel nicht und erklären die Summe der Augenzahlen als Elementarereignis. Die 11 möglichen Elementarereignisse 2,3,...,12 sind nun nicht gleichmöglich; es handelt sich um kein Laplace- Experiment. Um die Wahrscheinlichkeiten der einzelnen Elementarereignisse zu erforschen, führen wir umfangreiche Würfelserien durch. Die Anzahlen n der Ausführungen betragen n=190, n=428 und n= 997. Wir zählen die Häufigkeiten der einzelnen Ereignisse absolut und relativ und untersuchen, ob sich die relativen Häufigkeiten an bestimmten Zahlenwerten stabilisieren. Unsere Untersuchung stellen wir tabellarisch und grafisch dar:

9 9 Würfelsumme Absolute Häufigkeit n = 190 Absolute Häufigkeit n = 428 Absolute Häufigkeit n = 997 ( ) ( ) ( ) Würfelsumme Relative Häufigkeit n = 190 Absolute Häufigkeit n = 428 Relative Häufigkeit n = 997 Laplace ( ) 0, 04 0, 06 0,1 0, ( ) ( ) Zur Postulierung einer Wahrscheinlichkeit für die einzelnen Elementarereignisse benötigen wir deren relativen Häufigkeiten für große n. In der Tabelle und in der Grafik werden die relativen Häufigkeiten für zunehmende Anzahlen n der Ausführungen dargestellt. Außerdem ist die Wahrscheinlichkeit eingetragen, die sich für ein Laplace-Element ergibt. Nun handelt es sich in diesem Beispiel nicht um ein Laplace-Element; ansonsten wäre ja der ganze Aufwand zur Ermittlung der Wahrscheinlichkeiten überflüssig. Wir können aber aus unserem Experiment ein Laplace-Experiment

10 10 machen, indem wir die Würfel gedanklich einfärben und in die 36 gleichmöglichen Elementarereignisse {(1,1),(1,2),...,(6,5),(6,6)} zerlegen. Wir haben nun ein Laplace-Experiment. 1 Die Wahrscheinlichkeit seiner Elementarereignisse beträgt Wir definieren die Teilmengen {A,B,C,...} durch A="Summe der Augenzahlen ist 2", B="Summe der Augenzahlen ist 3", C=" Summe der Augenzahlen ist 4",... u.s.w. Ereignis A besteht aus einem günstigen Element A = {(1,1)}, die Laplace-Wahrscheinlichkeit von A ist also, Ereignis B besteht aus 2 Elementen B = {(1,2),(2,1)}, besitzt also die Wahrscheinlichkeit 2 36 = 1 18, u.s.w. Die exakten Wahrscheinlichkeiten sind in der Tabelle mit angezeigt 2 Ziehen einer Kugel In einem Behälter befinden sich schwarze und weiße Kugeln unbekannter Anzahlen. Durch zufälliges Herausnehmen entstehen folgende relativen Häufigkeiten: n 414 Rel. Häufigkeit 856 Rel. Häufigkeit 1803 Rel. Häufigkeit 3612 Rel. Häufigkeit schwarz weiss Offensichtlich pendeln sich die relativen Häufigkeiten h s bzw. h w der schwarzen bzw. weißen Kugeln auf näherungsweise bzw ein. Wir erwarten, daß die relativen Häufigkeiten der beiden Ereignisse sich in der Nähe dieser beiden Werte stabilisieren. Wir werden die stabilen Werte der relativen Häufigkeiten großer Stückzahlen als Maßzahl für die Wahrscheinlichkeit des Eintreffens für die schwarzen bzw. weißen Kugeln postulieren. Die Einführung eines empirischen Wahrscheinlichkeitsbegriffes P(A) h n (A) aus den Messreihen bedarf aber einiger unterstützender Regeln. Diese Regeln entsprechen den Eigenschaften, die wir bei den relativen Häufigkeiten beobachten. Bei einer n-fachen Ausführung eines Zufallexperimentes beobachten wir die nachstehenden Gesetzmäßigkeiten für die relativen Häufigkeiten der Ergebnismenge E: 1 Die relative Häufigkeit h n (A) eines beliebigen Ereignisses A ist eine nicht-negative Zahl, die höchstens 1 sein kann: 0 h n 1. 2 Für das sichere Ereignis E gilt: h n (E)=1. 3 Für sich ausschließende Ereignisse A, B gilt: h n (A B)=h n (A)+h n (B). 4 Für zwei beliebige Ereignisse A und B gilt: h n (A B)=h n (A)+h n (B)-h n (A B), worin h n (A B) das Ereignis beschreibt, in dem A und B gleichzeitig eintreten. 5 Mit zunehmender Anzahl der Versuche n stabilisiert sich im Regelfall die relative Häufigkeit h n (A) eines zufälligen Ereignisses A und schwankt immer weniger um einen bestimmten Wert A. In den beiden Beispielen, die diesen Ausführungen vorausgestellt wurden, dokumentieren sich nur die Eigenschaften 1,2,3 und 5, weil sich darin die Ereignisse gegenseitig ausschließen. Wir benutzen die Eigenschaften insgesamt, um daraus die Axiome herzuleiten, die wir von dem Begriff Wahrscheinlichkeit fordern.

11 Axiomatik des Wahrscheinlichkeitsbegriffes Jedem Ereignis A eines Zufallsexperimentes mit der Ergebnismenge E können wir eine reelle Zahl P(A) h n (A) zugeordnen. Diese Zahl nennen wir Wahrscheinlichkeit des Experiments und fordern von ihr folgende Eigenschaften: Axiom 1: P(A) ist eine nicht-negative Zahl, die höchstens gleich 1 ist: 0 P(A) 1. Axiom 2: Für das sichere Ereignis (Ergebnismenge E) soll gelten P(A)=1. Axiom 3: Axiom 4: Für sich paarweise ausschließende Ereignisse A, B, C... gilt: P(A B C...)=P(A)+P(B)+P(C)+... Für beliebige Ereignisse A und B (die sich nicht notwendig gegenseitig ausschließen) gilt: P(A B) = P(A) + P(B) - P(A B), worin P(A B) die Wahrscheinlichkeit des Ereignisses beschreibt, in dem A und B gleichzeitig auftreten. Wir definieren nun den Wert der Wahrscheinlichkeit P(A) eines Ereignisses A. Wahrscheinlichkeit P(A) eines Ereignisses A für Laplace-Experimente g g 1 P(A) = P({e 1,e 2,...,e g }) = " P(e k ) = " n = g (s ). n k=1 k=1 Wahrscheinlichkeit P(A) eines Ereignisses A für beliebige Experimente P(A) h n (A), worin h n (A) die "stabilisierte" relative Häufigkeit des Ereignisses A für hinreichend große Anzahlen n von Ausführungen des Zufallexperimentes ist und die obige Axiomatik erfüllt. Wir bezeichnen die Art der Festlegung der Wahrscheinlichkeit für beliebige Experimente durch einen Näherungswert der relativen Häufigkeit auch als eine statistische oder empirische Definition. Diese empirische Definition muß im Einklang mit den vorausgestellten A- xiomen sein. Wir leiten aus den Axiomen zwei weitere Eigenschaften her, die in den Rechenanwendungen bedeutsam sind. Für das unmögliche Ereignis ist die Wahrscheinlichkeit Null: P( )=0. Für das zu A komplementäre Ereignis A gilt: P( A)=1-P(A). Das Axiomengerüst gibt uns die Regeln, wie wir mit Wahrscheinlichkeiten zu rechnen haben, die wir im Anschluß an Axiom 4 definiert haben. Durch die Einführung von Wahrscheinlichkeiten für die Ereignisse haben wir den Ereignisraum erweitert zum sogenannten Wahrscheinlichkeitsraum. Definition Wahrscheinlichkeitsraum Den Elementarereignissen e i aus der Ergebnismenge E={e 1,e 2,... } eines Zufallexperimentes ordnen wir eine reelle Wahrscheinlichkeit p(e i ) = p i so zu, dass folgende Aussagen erfüllt sind:... p(e i ) 0 für alle i und " p i = p 1 + p =1. i=1

12 12 Der Ereignisraum wird dadurch zum Wahrscheinlichkeitsraum. Die Wahrscheinlichkeit P(A) einer Teilmenge A von Elementarereignissen (Ereignis A) ist definiert als Summe der Wahrscheinlichkeiten der in A enthaltenen Elementarereignisse: P(A) = " p(e i ) = " p i. Beispiele i i 1 Ein Würfel wird solange geworfen, bis die 1 kommt. Unsere Elementarereignisse lauten: "1 beim ersten Wurf", "1 beim zweiten Wurf", "1 beim dritten Wurf",..., also E = {(1),(2),(3),...}, wodurch E prinzipiell aus Elementen (i) besteht. Ein Ereignis wird definiert als Teilmenge von E; z.b. A={(1),(5)} ist das Ereignis: 1 beim ersten oder beim fünften Versuch. Wir haben also einen Ereignisraum definiert. Wir erweitern den Ereignisraum zu einem Wahrscheinlichkeitsraum, indem wir jedem Ereignis eine Wahrscheinlichkeit zuordnen. Dabei können wir grundsätzlich das Experiment nicht als Laplace-Experiment betrachten, weil die einzelnen Elementarereignisse nicht gleichwahrscheinlich sind. Wir können aber jeden einzelnen Wurf gedanklich als ein Laplace-Experiment betrachten und die Wahrscheinlichkeiten von "1 beim i-ten Wurf" formulieren: E={(1),( 2,1),(3,1),...,(6,1),(2,2,1),(2,3,1),...,(6,6,1),(2,2,2,1),...,(6,6,6,1),...}. Für den ersten Wurf gibt es 6 gleichwahrscheinliche Fälle; die Wahrscheinlichkeit beim ersten Wurf eine 6 zu werfen berechnen wir als Laplace-Experiment: Die Zufallsvariable 1 hat die Wahrscheinlichkeit Für (2) oder "1 beim zweiten Wurf" gibt es 36 gleichwahrscheinliche Fälle, nämlich (1),(2),...,(6),(2,1),(2,2),..,(2,6),...,(6,1),(6,2)...,(6,6), von denen nur (2,1), (3,1), (4,1), 5 (5,1) und (6,1) günstig sind. Die Wahrscheinlichkeit für (2) ist also 36 oder 5 6 " 1 6. Analog gibt es für (3) oder "1 beim dritten Wurf" 216 gleichwahrscheinliche Elementarereignisse von denen 25 günstig sind: (1),(2),...,(6),(2,1),(2,2),..,(2,6),...,(6,1),(6,2)...,(6,6),(2,2,1),(2,2,2),...,(6,6,6). 25 Die Wahrscheinlichkeit für (3) ist dann 216 = 5 6 " 5 6 " 1 6, u.s.w. Die Wahrscheinlichkeit i oder "1 beim i-ten Wurf ist dann offensichtlich: p(i) = p i = 5i"1 6 i. Wir prüfen nach, ob die Summe aller Einzelwahrscheinlichkeiten zu den Elementarereignissen 1 ergibt: P(E)=1: " " 5 P(E) = # i$1 p i = i=1 6 i = 1 " 5 # i$1 % 6 i=1 6 i$1 = 1 " 6 % 5 i = 1 1 # # % i=0 6i 6 i=1 1$ 5 = 1 6 % 6 =1. 6 Danach sind unsere Forderungen an einen Wahrscheinlichkeitsraum erfüllt. 2 Ein Würfel enthält 3 rote, 2 blaue und eine gelbe Fläche. Wir ordnen beim Zufallsexperiment "Würfeln" den drei Elementarereignissen "Rote Fläche", "Blaue Fläche" und "Gelbe Fläche" der Reihe nach die Wahrscheinlichkeiten p 1 = 1 2,p 2 = 1 3 und p 3 = 1 6 zu. Jede Zahl liegt zwischen 0 und 1. Die Summe der drei Zahlen ist 1. Damit haben 1 6.

13 13 wir den Ereignisraum zu einem Wahrscheinlichkeitsraum erweitert. Die Wahrscheinlichkeit A des Ereignisses "Rote Fläche" oder "Blaue Fläche" bzw. des äquivalenten Ereignisses "Keine gelbe Fläche" beträgt P(A) = p 1 + p 2 = = 5 6 =1" 1 6, worin "Gelbe Fläche" offenbar das komplementäre Ereignis zu ("Rote Fläche" oder "Blaue Fläche") bedeutet. 3 Wir werfen mit zwei Würfeln. Wie groß ist die Wahrscheinlichkeit mindestens mit einem Würfel eine 6 zu erhalten. Offensichtlich existieren 36 Elementarereignisse {(1,1),(1,2),..,(2,1),..,(6,6)}, falls wir die Würfel unterscheiden (1,2) (2,1). Von diesen enthalten 6 Elementarereignisse vorne eine 6 (Ereignis A) und 6 Elementarereignisse hinten eine 6 (Ereignis B). Ein Elementarereignis enthält zweimal eine 6:(6,6). Dann gilt: P(A"B) = P(A) + P(B) #P(A$B) = # 1 36 = Bedingte Wahrscheinlichkeit Es seien A und B Ereignisse, die bei einem Experiment auftreten können. Manchmal interessiert die Frage: Wie groß ist die Wahrscheinlichkeit, daß ein Ereignis B eintrifft, wenn wir zusätzlich das Ereignis A als vorgegeben voraussetzen? Zur Verdeutlichung nehmen wir ein Laplace - Experiment an, indem n gleichmögliche Elementarereignisse eintreffen können, von denen in k Fällen das Ereignis A eintrifft, in l Fällen das Ereignis B, und schließlich in m Fällen das Ereignis A B, also A und B gleichzeitig. Aus der klassischen Wahrscheinlichkeitsdefinition gemäß Laplace ergeben sich folgende Wahrscheinlichkeiten für die einzelnen Ereignisse: P(A) = k n,p(b) = l n und P(A"B) = m n. Die Wahrscheinlichkeit von B, unter der zusätzlichen Bedingung, dass wir nur Fälle untersuchen, in denen A vorkommt, beschreiben wir durch den Ausdruck P(B A). Zur Berechnung dieser Zahlengröße überlegen wir uns, dass wir nur die Fälle zur Untersuchung zulassen, in denen A eintrifft. Dies sind k Fälle. Unter diesen gibt es m Möglichkeiten für ein gleichzeitiges Eintreffen von B. Die Wahrscheinlichkeit für B, unter der Bedingung, dass A vorliegt, beträgt dann: P(B A) = m k = m n k n = P(A"B) P(A). Sind nun E und F zwei Ereignisse zu irgendeinem Experiment (nicht notwendig ein Laplace- Experiment), so nennen wir den Ausdruck P(E F) die Wahrscheinlichkeit des Eintreffens von E unter der Hypothese, dass F eingetroffen ist. Für den Ausdruck P(E F) gelten folgende Regeln(ohne Beweis):

14 14 1 Schließen sich E und F gegenseitig aus, so ist P(E F) = 0. 2 Die Wahrscheinlichkeit des gleichzeitigen Eintreffens von E und F läßt sich anhand der bedingten Wahrscheinlichkeit so berechnen: P(E F)=P(E) P(F E)=P(F) P(E F). Multiplikationssatz 3 Für drei gleichzeitig eintreffende Ereignisse heißt der Multiplikationssatz so: P(A B C)=P(A) P(B A) P(C A B). Darin bedeutet P(C A B) die Wahrscheinlichkeit für das Eintreffen des Ereignisses C unter der Wahrscheinlichkeit, daß die Ereignisse A und B bereits eingetreten sind. 4 Zwei Ereignisse E und F heißen unabhängig, wenn die Beziehung gilt: P(E F)=P(E) P(F). Dann folgt aus P(E F)=P(E) P(F E)=P(F) P(E F): P(F E)=P(F) und P(E F)=P(E). Mit anderen Worten: Die Wahrscheinlichkeit, dass E eintrifft, ist unabhängig davon, ob F eingetroffen ist oder nicht, und umgekehrt. Statistische Untersuchungen, bei denen ein Ereignis wiederholt beobachtet wird, können wir unterscheiden in Vorgänge, bei denen sich nach jeder Beobachtung der Grundzustand wieder herstellt, und in Ereignisse, die sich mit jeder Durchführung verändern. Wenn wir ein Würfelexperiment durchführen, so kehren wir nach jedem Wurf zur Ausgangssituation zurück, weil sich der Würfel nicht verändert. Wenn wir aus einem Stapel Karten ziehen und sie nicht zurückstecken, so verändern wir mit jeder entnommenen Karte die Basis für die Zugwiederholung. Diese Situation tritt auch beim Ziehen der Lottozahlen ein. Die 6 Wahrscheinlichkeit erfolgreich zu sein, ist mit dem ersten Zug offenbar 49, anschließend 5 48, dann 4, u.s.w.. Wir unterscheiden zwischen "Ziehen mit Zurücklegen" und "Ziehen 47 ohne Zurücklegen". Vorgänge, die sich bei jeder Durchführung verändern, lassen sich mit den Rechenregeln der bedingten Wahrscheinlichkeit im Regelfall einfacher lösen. Beispiele 1 In einem Behälter liegen 20 Glühbirnen, darunter sind 5 defekte. Wie groß ist die Wahrscheinlichkeit, keine defekte zu erhalten, wenn wir zwei Glühbirnen entnehmen? Sei A i das Ereignis keine defekte Birne zu ziehen. Die Wahrscheinlichkeit bei der 15 ersten Entnahme keine defekte zu erhalten ist P(A 1 )= 20 = 3 4, danach P(A 14 2 A 1 )= 19. Für die Berechnung der Wahrscheinlichkeit zweimal keine defekte Glühbirne zu erhalten, bilden wir das Produkt der Einzelwahrscheinlichkeiten: 3 P(A 1 A 2 )=P(A 1 ) P(A 2 A 1 )= 4 "14 19 = = Dieses Ergebnis kann mit der Formel für die bedingte Wahrscheinlichkeit relativ einfach ermittelt werden kann. Ohne diese Formel wäre die Rechnung komplizierter. Wir berechnen sie aus dem Quotienten: # 15& % ( Anzahl für zwei nichtdefekte Paare $ 2 ' P(A 1 " A 2 ) = = = 15)14 Gesamtzahl von Paaren # 20& 20)19 = % ( $ 2 '

15 15 2 Ein Nahrungsmittel bestehe aus 3 Komponenten. Die Wahrscheinlichkeit, dass die Komponenten nicht durch Umweltgifte belastet sind, betrage bei einer Komponenten 10%; bei den zwei anderen jeweils 15%. Wie groß ist die Wahrscheinlichkeit einer einwandfreien Nahrung? Seien A das Ereignis "Komponente 1 ist einwandfrei", B das Ereignis "Komponente 2 ist einwandfrei", C entsprechend. Alle Ereignisse sind unabhängig voneinander. Dann gilt generell: P(A B C)=P(A) P(B A) P(C A B). Weil die Ereignisse unabhängig voneinander sind, rechnen wir so: P(A B C)=P(A) P(B) P(C)= = Das Zufallsexperiment: "Ziehung der 6 Lottozahlen" kann auch zerlegt werden in 6 (ohne Zufallszahl) nacheinander ausgeführte Zufallsexperimente: Zufallsexperiment 1: Ziehung einer Kugel aus einem Behälter mit 49 Kugeln, Zufallsexperiment 2: Ziehung einer Kugel aus einem Behälter mit 48 Kugeln,..., Zufallsexperiment 6: Ziehung einer Kugel aus einem Behälter mit 44 Kugeln. Zufallsexperimente, die nacheinander auftreten, beschreiben wir durch den Ereignisbaum. Nach jeder Ziehung entstehen neue Äste; zuerst haben wir 49 Elementarereignisse zum Zufallsexperiment 1, an jedem dieser Elementarereignisse können wir 48 neue Elementarereignisse anknüpfen, dann 47, u.s.w.. Wir können insgesamt Zahlenfolgen (Pfade) unterscheiden. Unter diesen suchen wir alle diejenigen Pfade heraus, welche die 6 Zahlen enthalten. Die Wahrscheinlichkeit für 6 Richtige lässt sich danach so berechnen. Zunächst berechnen wir die Wahrscheinlichkeiten für jedes einzelne Zufallsexperiment und multiplizieren diese miteinander. Anschließend multiplizieren wir diese Zahl mit der Anzahl der Vertauschungsmöglichkeiten für 6 Elemente: P(A ="6 Richtige") = 6 49" 48" 47" 46" 45" Zum Zufallsexperiment "10 Skatkarten" stellen wir die Frage, wie groß die Wahrscheinlichkeit ist, genau 1 Buben zu erhalten. Wir bezeichnen mit B i das Ereignis mit der i- ten Karte einen Buben zu erhalten und entsprechend mit Bi das Ereignis, keinen Buben zu erhalten. Dann lautet die Wahrscheinlichkeit, nur mit der ersten Karte einen Buben zu erhalten, so: ( ) ( ) #P( B 3 B 1 "B 2 ) # P( B 4 B 1 "B 2 "B 3 ) #...# P( B 10 B 1 "B 2 "..."B 9 ) P B 1 "B 2 "B 3 "B 4 "B 5 "B 6 "B 7 "B 8 "B 9 "B 10 = P( B 1 ) #P B 2 B 1 = 4 32 # # # # # # # # # = Die Wahrscheinlichkeit, nur mit der zweiten Karte einen Buben zu erhalten, ist nun: ( ) ( ) #P( B 2 B 1 ) #P( B 3 B 1 "B 2 ) # P( B 4 B 1 "B 2 "B 3 ) #...# P( B 10 B 1 "B 2 "..."B 9 ) P B 1 "B 2 "B 3 "B 4 "B 5 "B 6 "B 7 "B 8 "B 9 "B 10 = P B 1 = # 4 31 # # # # # # # # =

16 16 Offensichtlich ist die Wahrscheinlichkeit mit der i- ten Karte einen Buben zu erhalten stets , also insgesamt die Wahrscheinlichkeit nur einen Buben zu erhalten " 4% " $ ' 28 % $ ' # 1& # 9 & Zum gleichen Ergebnis gelangen wir mit der Binomialformel: = " 32% $ ' # 10&

$ % + 0 sonst. " p für X =1 $

$ % + 0 sonst.  p für X =1 $ 31 617 Spezielle Verteilungen 6171 Bernoulli Verteilung Wir beschreiben zunächst drei diskrete Verteilungen und beginnen mit einem Zufallsexperiment, indem wir uns für das Eintreffen eines bestimmten Ereignisses

Mehr

Aufgabe 2.1. Ergebnis, Ergebnismenge, Ereignis

Aufgabe 2.1. Ergebnis, Ergebnismenge, Ereignis Aufgabe 2. Ergebnis, Ergebnismenge, Ereignis Ergebnis und Ergebnismenge Vorgänge mit zufälligem Ergebnis, oft Zufallsexperiment genannt Bei der Beschreibung der Ergebnisse wird stets ein bestimmtes Merkmal

Mehr

Einführung in die Stochastik

Einführung in die Stochastik Einführung in die Stochastik Josef G. Steinebach Köln, WS 2009/10 I Wahrscheinlichkeitsrechnung 1 Wahrscheinlichkeitsräume, Urnenmodelle Stochastik : Lehre von den Gesetzmäßigkeiten des Zufalls, Analyse

Mehr

3.7 Wahrscheinlichkeitsrechnung II

3.7 Wahrscheinlichkeitsrechnung II 3.7 Wahrscheinlichkeitsrechnung II Inhaltsverzeichnis 1 bedingte Wahrscheinlichkeiten 2 2 unabhängige Ereignisse 5 3 mehrstufige Zufallsversuche 7 1 Wahrscheinlichkeitsrechnung II 28.02.2010 Theorie und

Mehr

Risiko und Versicherung - Übung

Risiko und Versicherung - Übung Sommer 2009 Risiko und Versicherung - Übung Entscheidungstheoretische Grundlagen Renate Bodenstaff Vera Brinkmann r.bodenstaff@uni-hohenheim.de vera.brinkmann@uni-hohenheim.de https://insurance.uni-hohenheim.de

Mehr

Bei vielen Zufallsexperimenten interessiert man sich lediglich für das Eintreten bzw. das Nichteintreten eines bestimmten Ereignisses.

Bei vielen Zufallsexperimenten interessiert man sich lediglich für das Eintreten bzw. das Nichteintreten eines bestimmten Ereignisses. XI. Binomialverteilung ================================================================== 11.1 Definitionen -----------------------------------------------------------------------------------------------------------------

Mehr

P X =3 = 2 36 P X =5 = 4 P X =6 = 5 36 P X =8 = 5 36 P X =9 = 4 P X =10 = 3 36 P X =11 = 2 36 P X =12 = 1

P X =3 = 2 36 P X =5 = 4 P X =6 = 5 36 P X =8 = 5 36 P X =9 = 4 P X =10 = 3 36 P X =11 = 2 36 P X =12 = 1 Übungen zur Stochastik - Lösungen 1. Ein Glücksrad ist in 3 kongruente Segmente aufgeteilt. Jedes Segment wird mit genau einer Zahl beschriftet, zwei Segmente mit der Zahl 0 und ein Segment mit der Zahl

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

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung Kapitel 3 Zufallsvariable Josef Leydold c 2006 Mathematische Methoden III Zufallsvariable 1 / 43 Lernziele Diskrete und stetige Zufallsvariable Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion

Mehr

Modellierungskonzepte 2

Modellierungskonzepte 2 Modellierungskonzepte 2 Elke Warmuth Humboldt-Universität Berlin WS 2008/09 1 / 50 1 Pfadregeln 2 Begriff Umbewertung von Chancen Bayessche Formel 3 Verwechslungsgefahr Implizite Lotterien 2 / 50 mehrstufige

Mehr

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen 4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.

Mehr

Analog definiert man das Nichteintreten eines Ereignisses (Misserfolg) als:

Analog definiert man das Nichteintreten eines Ereignisses (Misserfolg) als: 9-9 Die befasst sich mit der Untersuchung, wie wahrscheinlich das Eintreten eines Falles aufgrund bestimmter Voraussetzungen stattfindet. Bis anhin haben wir immer logisch gefolgert: 'Wenn diese Voraussetzung

Mehr

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt!

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! 1 Einführung 2 Wahrscheinlichkeiten kurz gefasst 3 Zufallsvariablen und Verteilungen 4 Theoretische Verteilungen (Wahrscheinlichkeitsfunktion)

Mehr

Trainingsaufgaben zur Klausurvorbereitung in Statistik I und II Thema: Satz von Bayes

Trainingsaufgaben zur Klausurvorbereitung in Statistik I und II Thema: Satz von Bayes Trainingsaufgaben zur Klausurvorbereitung in Statistik I und II Thema: Satz von Bayes Aufgabe 1: Wetterbericht Im Mittel sagt der Wetterbericht für den kommenden Tag zu 60 % schönes und zu 40% schlechtes

Mehr

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt - 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +

Mehr

Gibt es verschiedene Arten unendlich? Dieter Wolke

Gibt es verschiedene Arten unendlich? Dieter Wolke Gibt es verschiedene Arten unendlich? Dieter Wolke 1 Zuerst zum Gebrauch des Wortes unendlich Es wird in der Mathematik in zwei unterschiedlichen Bedeutungen benutzt Erstens im Zusammenhang mit Funktionen

Mehr

Kugel-Fächer-Modell. 1fach. 3fach. Für die Einzelkugel gibt es 3 Möglichkeiten. 6fach. 3! Möglichkeiten

Kugel-Fächer-Modell. 1fach. 3fach. Für die Einzelkugel gibt es 3 Möglichkeiten. 6fach. 3! Möglichkeiten Kugel-Fächer-Modell n Kugeln (Rosinen) sollen auf m Fächer (Brötchen) verteilt werden, zunächst 3 Kugeln auf 3 Fächer. 1fach 3fach Für die Einzelkugel gibt es 3 Möglichkeiten } 6fach 3! Möglichkeiten Es

Mehr

Stochastik - Kapitel 1

Stochastik - Kapitel 1 Stochastik - Kapitel 1 Aufgaben ab Seite 9 I. Ereignisräume 1. Ergebnis und Ergebnisraum; Baumdiagramm Experimente werden nach der Vorhersehbarkeit ihres Versuchsausganges unterschieden: - Experimente,

Mehr

Sozialwissenschaftliche Methoden und Statistik I

Sozialwissenschaftliche Methoden und Statistik I Sozialwissenschaftliche Methoden und Statistik I Universität Duisburg Essen Standort Duisburg Integrierter Diplomstudiengang Sozialwissenschaften Skript zum SMS I Tutorium Von Mark Lutter Stand: April

Mehr

Stochastik Wahrscheinlichkeit

Stochastik Wahrscheinlichkeit Stochastik Wahrscheinlichkeit Dies ist ein Detail, das auf dem letzten 1 DM Schein abgebildet war. Es stellt die wichtigste Wahrscheinlichkeitsverteilung überhaut dar die Normalverteilung. Diese Verteilung

Mehr

1.) Wie viele verschiedene Anordnungen mit drei unterschiedlichen Buchstaben lassen sich aus acht verschiedenen Buchstaben bilden?

1.) Wie viele verschiedene Anordnungen mit drei unterschiedlichen Buchstaben lassen sich aus acht verschiedenen Buchstaben bilden? Aufgaben zur Kombinatorik, Nr. 1 1.) Wie viele verschiedene Anordnungen mit drei unterschiedlichen Buchstaben lassen sich aus acht verschiedenen Buchstaben bilden? 2.) Jemand hat 10 verschiedene Bonbons

Mehr

3.2. Prüfungsaufgaben zur bedingten Wahrscheinlichkeit

3.2. Prüfungsaufgaben zur bedingten Wahrscheinlichkeit 3.2. Prüfungsaufgaben zur bedingten Wahrscheinlichkeit Aufgabe : Summenregel und bedingte Wahrscheinlichkeit Eine Statistik hat folgende Ergebnisse zutage gebracht: 52 % der Bevölkerung sind weiblich.

Mehr

Wahrscheinlichkeitsrechnung mit einem Tabellenkalkulationsprogramm - Eine Einführung -

Wahrscheinlichkeitsrechnung mit einem Tabellenkalkulationsprogramm - Eine Einführung - Informationstechnische Grundbildung (ITG): Wahrscheinlichkeitsrechnung mit Excel Seite 1 Wahrscheinlichkeitsrechnung mit einem Tabellenkalkulationsprogramm - Eine Einführung - Starte das Programm Excel.

Mehr

3. Zusammenhang. 22 Andreas Gathmann

3. Zusammenhang. 22 Andreas Gathmann 22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept

Mehr

Primzahlen zwischen 50 und 60. Primzahlen zwischen 70 und 80. Primzahlen zwischen 10 und 20. Primzahlen zwischen 40 und 50. den Term 2*x nennt man

Primzahlen zwischen 50 und 60. Primzahlen zwischen 70 und 80. Primzahlen zwischen 10 und 20. Primzahlen zwischen 40 und 50. den Term 2*x nennt man die kleinste Primzahl zwischen 0 und 60 zwischen 0 und 10 zwischen 60 und 70 zwischen 70 und 80 zwischen 80 und 90 zwischen 90 und 100 zwischen 10 und 20 zwischen 20 und 0 zwischen 0 und 40 zwischen 40

Mehr

Statistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE

Statistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE Statistik mit Excel für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE Grundlagen der Wahrscheinlichkeitsrechnung KAPITEL 3 Kapitel 3 Grundlagen der Wahrscheinlichkeitsrechnung

Mehr

Name:... Matrikel-Nr.:... 3 Aufgabe Handyklingeln in der Vorlesung (9 Punkte) Angenommen, ein Student führt ein Handy mit sich, das mit einer Wahrscheinlichkeit von p während einer Vorlesung zumindest

Mehr

Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)

Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler

Mehr

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung a.: Du bearbeitest die Aufgabe in Einzelarbeit. Lies dir die Aufgabe genau durch und überlege dir einen Lösungsansatz. Danach versuche eine Lösung zu erarbeiten. Für diese Phase hast du 10 Minuten Zeit.

Mehr

Wie löst man Mathematikaufgaben?

Wie löst man Mathematikaufgaben? Wie löst man Mathematikaufgaben? Manfred Dobrowolski Universität Würzburg Wie löst man Mathematikaufgaben? 1 Das Schubfachprinzip 2 Das Invarianzprinzip 3 Das Extremalprinzip Das Schubfachprinzip Verteilt

Mehr

geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen

geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde

Mehr

Schleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015

Schleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015 ische Ergänzung der für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015 Ministerium für ildung und Wissenschaft des Landes Juni 2013 1 für Aufgabenpool 1 Analysis

Mehr

Beispielaufgaben zum Pflichtteil im Abitur Mathematik ab 2014

Beispielaufgaben zum Pflichtteil im Abitur Mathematik ab 2014 Beispielaufgaben zum Pflichtteil im Abitur Mathematik ab 04 Schwerpunkt: grundlegendes Anforderungsniveau 0 Inhaltsverzeichnis Inhaltsverzeichnis Seite Vorbemerkungen... Aufgabenvariationen und Ergänzungen

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

Über ein Kartenspiel: Siebeneinhalb

Über ein Kartenspiel: Siebeneinhalb Über ein Kartenspiel: Siebeneinhalb Paula Lagares Federico Perea Justo Puerto MaMaEuSch Management Mathematics for European Schools 94342 - CP - 1-2001 - DE - COMENIUS - C21 Universität Sevilla Dieses

Mehr

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik)

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) 2 3 Klausur-Nr = Sitzplatz-Nr Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) Klausurteil 1: Beschreibende Statistik BeStat-1 (7 ) n = 400 Personen wurden gefragt, wie viele Stück eines

Mehr

Mädchen Jungen Smartphone 42 52 Computer 77 87 Fernsehgerät 54 65 feste Spielkonsole 37 62

Mädchen Jungen Smartphone 42 52 Computer 77 87 Fernsehgerät 54 65 feste Spielkonsole 37 62 Unabhängigkeit ================================================================== 1. Im Rahmen der sogenannten JIM-Studie wurde in Deutschland im Jahr 2012 der Umgang von Jugendlichen im Alter von 12 bis

Mehr

Beispielarbeit. MATHEMATIK (mit CAS)

Beispielarbeit. MATHEMATIK (mit CAS) Abitur 2008 Mathematik (mit CAS) Beispielarbeit Seite 1 Abitur 2008 Mecklenburg-Vorpommern Beispielarbeit MATHEMATIK (mit CAS) Hinweis: Diese Beispielarbeit ist öffentlich und daher nicht als Klausur verwendbar.

Mehr

Aktiv Kurs Thema Kompakt Test. Reißnägel werfen

Aktiv Kurs Thema Kompakt Test. Reißnägel werfen . Reißnägel werfen Die Klasse 7a will wissen, mit welcher Wahrscheinlichkeit beim Reißnägel fallen lassen die Nadel nach oben zeigt. Dazu lässt jeder Schüler/jede Schülerin der Klasse einen Reißnagel 00-mal

Mehr

Schleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015

Schleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015 ische Ergänzung der für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015 Ministerium für ildung und Wissenschaft des Landes Juni 2013 1 Inhaltsverzeichnis Vorbemerkungen

Mehr

(für Grund- und Leistungskurse Mathematik) 26W55DLQHU0DUWLQ(KUHQE UJ*\PQDVLXP)RUFKKHLP

(für Grund- und Leistungskurse Mathematik) 26W55DLQHU0DUWLQ(KUHQE UJ*\PQDVLXP)RUFKKHLP .RPELQDWRULN (für Grund- und Leistungsurse Mathemati) 6W55DLQHU0DUWLQ(KUHQE UJ*\PQDVLXP)RUFKKHLP Nach dem Studium dieses Sripts sollten folgende Begriffe beannt sein: n-menge, Kreuzprodut, n-tupel Zählprinzip

Mehr

Formaler Entwurf mit Event-B Die Eventbank

Formaler Entwurf mit Event-B Die Eventbank Institut für Theoretische Informatik Anwendungsorientierte Formale Verifikation Vorlesung Anwendung Formaler Verifikation SS 2015, 9.6.15 Dr. V. Klebanov, Dr. M. Ulbrich Formaler Entwurf mit Event-B Die

Mehr

7 Wahrscheinlichkeitsverteilungen Lösungshinweise

7 Wahrscheinlichkeitsverteilungen Lösungshinweise 7 Wahrscheinlichkeitsverteilungen Lösungshinweise Aufgabe 7.: Gegeben sei ein Würfel, der die Form eines Tetraeders hat und die Augenzahlen bis aufweist. a) Bestimmen Sie die Wahrscheinlichkeitsverteilung

Mehr

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:

Mehr

P(A B) = P(A) + P(B) P(A B) P(A B) = P(A) + P(B) P(A B) Geometrisch lassen sich diese Sätze einfach nachvollziehen (siehe Grafik rechts!

P(A B) = P(A) + P(B) P(A B) P(A B) = P(A) + P(B) P(A B) Geometrisch lassen sich diese Sätze einfach nachvollziehen (siehe Grafik rechts! Frequentistische und Bayes'sche Statistik Karsten Kirchgessner In den Naturwissenschaften herrscht ein wahrer Glaubenskrieg, ob die frequentistische oder Bayes sche Statistik als Grundlage zur Auswertung

Mehr

MI - Mission Impossible Sind Sie gut versichert? Ein kurzes Beispiel zur Versicherungsmathematik

MI - Mission Impossible Sind Sie gut versichert? Ein kurzes Beispiel zur Versicherungsmathematik MI - Mission Impossible Sind Sie gut versichert? Ein kurzes Beispiel zur Versicherungsmathematik Seite 1 Vorstellung Organisation: Deutsche Aktuarvereinigung e.v. (DAV) berufsständische Vertretung der

Mehr

WAHRSCHEINLICHKEITSTHEORIE I und II. Vorlesungsskript

WAHRSCHEINLICHKEITSTHEORIE I und II. Vorlesungsskript WAHRSCHEINLICHKEITSTHEORIE I und II Wolfgang König TU Berlin und WIAS Berlin Vorlesungsskript SS 2005 und WS 2005/06 überarbeitet im WS 2008/09 kleine Korrekturen im März und Juli 2012 und im März 2013

Mehr

Zusatzaufgaben zur Vorlesung Stochastik für Informatikstudenten

Zusatzaufgaben zur Vorlesung Stochastik für Informatikstudenten Zusatzaufgaben zur Vorlesung Stochastik für Informatikstudenten I.1 Erweitertes Urnenmodell mit Zurücklegen In einer Urne befinden sich ( N Kugeln, davon M 1 der Farbe F 1, M 2 der Farbe l ) F 2,..., M

Mehr

Codierungstheorie Rudolf Scharlau, SoSe 2006 9

Codierungstheorie Rudolf Scharlau, SoSe 2006 9 Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets

Mehr

Stochastik. 1. Oktober 2007 Torsten Linnemann, Kantonsschule Solothurn 1

Stochastik. 1. Oktober 2007 Torsten Linnemann, Kantonsschule Solothurn 1 Stochastik 1. Oktober 2007 Torsten Linnemann, Kantonsschule Solothurn 1 Inhaltsverzeichnis 1 Einführung in die Wahrscheinlichkeitsrechnung 2 1.1 Laplace-Experimente................................. 2 1.2

Mehr

Martingale. Kapitel 6. 6.1 Martingale in diskreter Zeit. 6.1.1 Definition und Beispiele

Martingale. Kapitel 6. 6.1 Martingale in diskreter Zeit. 6.1.1 Definition und Beispiele Kapitel 6 Martingale In der Statistik modellieren Martingale z.b. Glücksspiele oder Handelsstrategien in Finanzmärkten und sind ein grundlegendes Hilfsmittel für die statistische Inferenz stochastischer

Mehr

Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero?

Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Manche sagen: Ja, manche sagen: Nein Wie soll man das objektiv feststellen? Kann man Geschmack objektiv messen? - Geschmack ist subjektiv

Mehr

Beweis des Satzes, dass eine einwerthige mehr als 2nfach periodische Function von n Veränderlichen unmöglich ist. Bernhard Riemann

Beweis des Satzes, dass eine einwerthige mehr als 2nfach periodische Function von n Veränderlichen unmöglich ist. Bernhard Riemann Beweis des Satzes, dass eine einwerthige mehr als 2nfach periodische Function von n Veränderlichen unmöglich ist. Bernhard Riemann (Auszug aus einem Schreiben Riemann s an Herrn Weierstrass) [Journal für

Mehr

Verwendet man zur Darstellung nur binäre Elemente ( bis lat.: zweimal) so spricht man von binärer Digitaltechnik.

Verwendet man zur Darstellung nur binäre Elemente ( bis lat.: zweimal) so spricht man von binärer Digitaltechnik. Kursleiter : W. Zimmer 1/24 Digitale Darstellung von Größen Eine Meßgröße ist digital, wenn sie in ihrem Wertebereich nur eine endliche Anzahl von Werten annehmen kann, also "abzählbar" ist. Digital kommt

Mehr

Informatik für Schüler, Foliensatz 12 Pseudo-Zufallszahlen

Informatik für Schüler, Foliensatz 12 Pseudo-Zufallszahlen rof. G. Kemnitz Institut für Informatik, Technische Universität Clausthal 14. April 2010 1/14 Informatik für Schüler, Foliensatz 12 Pseudo-Zufallszahlen Prof. G. Kemnitz Institut für Informatik, Technische

Mehr

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2 1 2 Notation für Wörter Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg w a is die Anzahl der Vorkommen von a in w Beispiel: abba

Mehr

Statistik I für Wirtschaftswissenschaftler Klausur am 06.07.2007, 14.00 16.00.

Statistik I für Wirtschaftswissenschaftler Klausur am 06.07.2007, 14.00 16.00. 1 Statistik I für Wirtschaftswissenschaftler Klausur am 06.07.2007, 14.00 16.00. Bitte unbedingt beachten: a) Gewertet werden alle 9 gestellten Aufgaben. b) Lösungswege sind anzugeben. Die Angabe des Endergebnisses

Mehr

Technische Informatik - Eine Einführung

Technische Informatik - Eine Einführung Martin-Luther-Universität Halle-Wittenberg Fachbereich Mathematik und Informatik Lehrstuhl für Technische Informatik Prof. P. Molitor Ausgabe: 2005-02-21 Abgabe: 2005-02-21 Technische Informatik - Eine

Mehr

Karlsruher Institut für Technologie Institut für Algebra und Geometrie

Karlsruher Institut für Technologie Institut für Algebra und Geometrie Karlsruher Institut für Technologie Institut für Algebra und Geometrie PD Dr. Stefan Kühnlein Dipl.-Math. Jochen Schröder Einführung in Algebra und Zahlentheorie Übungsblatt 2 Aufgabe 1 (4 Punkte) Seien

Mehr

Wahrscheinlichkeitsrechnung beim Schafkopf

Wahrscheinlichkeitsrechnung beim Schafkopf Thema: Facharbeit aus dem Fach Mathematik Wahrscheinlichkeitsrechnung beim Schafkopf Inhalt. Ziel der Facharbeit / Einführung. Grundlegende Überlegungen und Berechnungen.. Kartengeben als Laplace-Experiment..

Mehr

Stochastik kompakt. - worauf es ankommt... Zürich 2007 1

Stochastik kompakt. - worauf es ankommt... Zürich 2007 1 Stochastik kompakt - worauf es ankommt... Zürich 2007 1 Ziel: Am Ende der Unterrichtssequenzen über Stochastik sollen die Schüler/innen Aufgaben aus folgenden Themenbereichen lösen können: 1. Umgang mit

Mehr

Maristengymnasium Fürstenzell zuletzt geändert am 10.03.2001 Aufgaben zur Kombinatorik (mit Lösungen)

Maristengymnasium Fürstenzell zuletzt geändert am 10.03.2001 Aufgaben zur Kombinatorik (mit Lösungen) Maristengymnasium Fürstenzell zuletzt geändert am 0.0.00 Aufgaben zur Kombinatorik (mit Lösungen) 0.. Wieviele Möglichkeiten gibt es für Kinder, sich auf einen Schlitten zu setzen, wenn ihn nur davon steuern

Mehr

AUFGABEN AUS DEM ZENTRALABITUR

AUFGABEN AUS DEM ZENTRALABITUR -28- -29- AUFGABEN AUS DEM ZENTRALABITUR GK-Aufgabe / Zentralabitur Bayern 1984 In einer Urne befinden sich 2 blaue und 6 weiße Kugeln. Die Kugeln unterscheiden sich nur durch ihre Farbe. 1. Bei einem

Mehr

Füllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge

Füllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge 2.4 Stetige Zufallsvariable Beispiel. Abfüllung von 500 Gramm Packungen einer bestimmten Ware auf einer automatischen Abfüllanlage. Die Zufallsvariable X beschreibe die Füllmenge einer zufällig ausgewählten

Mehr

Die Duration von Standard-Anleihen. - Berechnungsverfahren und Einflussgrößen -

Die Duration von Standard-Anleihen. - Berechnungsverfahren und Einflussgrößen - Die Duration von Standard-Anleihen - Berechnungsverfahren und Einflussgrößen - Gliederung Einleitendes Herleitung einer Berechnungsvorschrift Berechnungsvorschriften für Standardfälle Einflussgrößen und

Mehr

Der Zwei-Quadrate-Satz von Fermat

Der Zwei-Quadrate-Satz von Fermat Der Zwei-Quadrate-Satz von Fermat Proseminar: Das BUCH der Beweise Fridtjof Schulte Steinberg Institut für Informatik Humboldt-Universität zu Berlin 29.November 2012 1 / 20 Allgemeines Pierre de Fermat

Mehr

Inhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Kapitel 4 Seite 1 von 23 Prof. Dr. Karin Melzer, Prof. Dr. Gabriele Gühring, Fakultät Grundlagen

Inhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Kapitel 4 Seite 1 von 23 Prof. Dr. Karin Melzer, Prof. Dr. Gabriele Gühring, Fakultät Grundlagen Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 4 3 Aufgabe 8 3 Aufgabe 9 3 Aufgabe 30 3 Aufgabe 31 3 Aufgabe 3 4 Aufgabe 33 4 Aufgabe 34 4 Aufgabe 35 4 Aufgabe 36 4 Aufgabe 37 4 Aufgabe 38 5 Aufgabe 39

Mehr

Abitur in Mathematik Operatoren. 2 Operatoren Anforderungen und Arbeitsaufträge in den Abiturprüfungen

Abitur in Mathematik Operatoren. 2 Operatoren Anforderungen und Arbeitsaufträge in den Abiturprüfungen 2 Anforderungen und Arbeitsaufträge in den Abiturprüfungen Durch die in den Abituraufgaben verwendeten Arbeitsaufträge und Handlungsanweisungen oder auch genannt wie z. B. begründen, herleiten oder skizzieren

Mehr

Vier-Felder-Tafel. Medizinische Tests sind grundsätzlich mit zwei Fehlern behaftet: 1. Erkrankte werden als gesund, 2. Gesunde als krank eingestuft.

Vier-Felder-Tafel. Medizinische Tests sind grundsätzlich mit zwei Fehlern behaftet: 1. Erkrankte werden als gesund, 2. Gesunde als krank eingestuft. Vier-Felder-Tafel Mediziniche Tet ind grundätzlich mit zwei Fehlern behaftet:. Erkrankte werden al geund, 2. Geunde al krank eingetuft. Der. Fehler wird üblicherweie (nicht nur von Tet-Entwicklern) in

Mehr

Was können Schüler anhand von Primzahltests über Mathematik lernen?

Was können Schüler anhand von Primzahltests über Mathematik lernen? Was können Schüler anhand von Primzahltests über Mathematik lernen? Innermathematisches Vernetzen von Zahlentheorie und Wahrscheinlichkeitsrechnung Katharina Klembalski Humboldt-Universität Berlin 20.

Mehr

Wahrscheinlichkeitsrechnung und Statistik 8.1 Grundbegriffe 8.1 8.1 Laplace-Experiment Ergebnis Elementarereignis Ergebnismenge Ergebnisraum

Wahrscheinlichkeitsrechnung und Statistik 8.1 Grundbegriffe 8.1 8.1 Laplace-Experiment Ergebnis Elementarereignis Ergebnismenge Ergebnisraum 8 Wahrscheinlichkeitsrechnung und Statistik Die österreichische Lottoziehung vom 28. September 2003 lieferte nahezu dieselben Zahlen wie die am Vorabend in Deutschland stattgefundene Ziehung: 3, 17, 35,

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 04. Auflage Übungsaufgaben zu Kapitel Aufgaben

Mehr

LM2. WAHRSCHEINLICHKEITSRECHNUNG/STATISTIK

LM2. WAHRSCHEINLICHKEITSRECHNUNG/STATISTIK LM2. WAHRSCHEINLICHKEITSRECHNUNG/STATISTIK III. In einer Region haben 60 % der Haushalte einen Internetanschluss. Das Diagramm veranschaulicht die Anteile der Zugangsgeschwindigkeiten unter den Haushalten

Mehr

Messsystemanalyse (MSA)

Messsystemanalyse (MSA) Messsystemanalyse (MSA) Inhaltsverzeichnis Ursachen & Auswirkungen von Messabweichungen Qualifikations- und Fähigkeitsnachweise Vorteile einer Fähigkeitsuntersuchung Anforderungen an das Messsystem Genauigkeit

Mehr

Sprechen wir über Zahlen (Karl-Heinz Wolff)

Sprechen wir über Zahlen (Karl-Heinz Wolff) Sprechen wir über Zahlen (Karl-Heinz Wolff) Die Überschrift ist insoweit irreführend, als der Autor ja schreibt und nicht mit dem Leser spricht. Was Mathematik im allgemeinen und Zahlen im besonderen betrifft,

Mehr

Varianzanalyse ANOVA

Varianzanalyse ANOVA Varianzanalyse ANOVA Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/23 Einfaktorielle Varianzanalyse (ANOVA) Bisher war man lediglich in der Lage, mit dem t-test einen Mittelwertsvergleich für

Mehr

Bei dieser Vorlesungsmitschrift handelt es sich um kein offizielles Skript!

Bei dieser Vorlesungsmitschrift handelt es sich um kein offizielles Skript! Diskrete Stochastik für Informatiker WS003/04 Diskrete Stochastik für die Informatik Bei dieser Vorlesungsmitschrift handelt es sich um kein offizielles Skript! Bei Fragen, Anmerkungen oder Fehlern bitte

Mehr

Betriebswirtschaftliche Blätter Fachzeitschrift

Betriebswirtschaftliche Blätter Fachzeitschrift Erwartungswert Auf richtige Interpretation kommt s an von Dr. Christian R. Sievi Der Erwartungswert spielt im Glücksspiel, etwa an Einarmigen Banditen, eine große Rolle. Für Sparkassen ist er wichtig bei

Mehr

Suche schlecht beschriftete Bilder mit Eigenen Abfragen

Suche schlecht beschriftete Bilder mit Eigenen Abfragen Suche schlecht beschriftete Bilder mit Eigenen Abfragen Ist die Bilderdatenbank über einen längeren Zeitraum in Benutzung, so steigt die Wahrscheinlichkeit für schlecht beschriftete Bilder 1. Insbesondere

Mehr

K2 MATHEMATIK KLAUSUR. Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max) 28 15 15 2 60 Punkte Notenpunkte

K2 MATHEMATIK KLAUSUR. Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max) 28 15 15 2 60 Punkte Notenpunkte K2 MATHEMATIK KLAUSUR 26.2.24 Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max 28 5 5 2 6 Punkte Notenpunkte PT 2 3 4 5 6 7 8 9 P. (max 2 2 2 4 5 3 3 4 3 Punkte WT Ana A.a b A.c Summe P. (max 7 5

Mehr

Vorlesung. Komplexe Zahlen

Vorlesung. Komplexe Zahlen Vorlesung Komplexe Zahlen Motivation Am Anfang der Entwicklung der komplexen Zahlen stand ein algebraisches Problem: die Bestimmung der Lösung der Gleichung x 2 + 1 = 0. 1 Mit der Lösung dieses Problems

Mehr

Statistik II - Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Christine Müller Technische Universität Dortmund

Statistik II - Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Christine Müller Technische Universität Dortmund Statistik II - Elementare Wahrscheinlichkeitsrechnung Prof Dr Christine Müller Technische Universität Dortmund Sommersemester 2014 1 Literatur Henze, N (1997 Stochastik für Einsteiger Vieweg, Braunschweig

Mehr

Das Erstellen von kumulierten Abschlags-/Teil- und Schlussrechnungen in raum level10

Das Erstellen von kumulierten Abschlags-/Teil- und Schlussrechnungen in raum level10 Das Erstellen von kumulierten Abschlags-/Teil- und Schlussrechnungen in raum level10 Das Erstellen von kumulierten Abschlagsrechnungen wird in der Praxis vor allem bei Auftraggebern der öffentlichen Hand

Mehr

GF(2 2 ) Beispiel eines Erweiterungskörpers (1)

GF(2 2 ) Beispiel eines Erweiterungskörpers (1) GF(2 2 ) Beispiel eines Erweiterungskörpers (1) Im Kapitel 2.1 wurde bereits gezeigt, dass die endliche Zahlenmenge {0, 1, 2, 3} q = 4 nicht die Eigenschaften eines Galoisfeldes GF(4) erfüllt. Vielmehr

Mehr

Monte Carlo Simulation (Grundlagen)

Monte Carlo Simulation (Grundlagen) Der Titel des vorliegenden Beitrages wird bei den meisten Lesern vermutlich Assoziationen mit Roulette oder Black Jack hervorrufen. Allerdings haben das heutige Thema und die Spieltische nur den Namen

Mehr

38. Algorithmus der Woche Zufallszahlen Wie kommt der Zufall in den Rechner?

38. Algorithmus der Woche Zufallszahlen Wie kommt der Zufall in den Rechner? 38. Algorithmus der Woche Zufallszahlen Wie kommt der Zufall in den Rechner? Autor Tim Jonischkat, Universität Duisburg-Essen Bruno Müller-Clostermann, Universität Duisburg-Essen Algorithmen sind clevere

Mehr

Kombinatorik mit einer kurzen Einführung in die Wahrscheinlichkeitsrechnung

Kombinatorik mit einer kurzen Einführung in die Wahrscheinlichkeitsrechnung Materialien für TI-Nspire CX Handheld, TI-Nspire CX CAS Handheld TI-Nspire Software Renato Burkart, René Hugelshofer Kombinatorik mit einer kurzen Einführung in die Wahrscheinlichkeitsrechnung Für Gymnasien

Mehr

Fragestellungen der Schließenden Statistik

Fragestellungen der Schließenden Statistik Fragestellungen der Schließenden Statistik Bisher: Teil I: Beschreibende Statistik Zusammenfassung von an GesamtheitM N {e,,e N } erhobenem Datensatz x,,x N durch Häufigkeitsverteilung und Kennzahlen für

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

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

A-PDF Merger DEMO : Purchase from www.a-pdf.com to remove the wate Norbert Henze. Stochastik für Einsteiger

A-PDF Merger DEMO : Purchase from www.a-pdf.com to remove the wate Norbert Henze. Stochastik für Einsteiger A-PDF Merger DEMO : Purchase from wwwa-pdfcom to remove the wate Norbert Henze Stochastik für Einsteiger Aus dem Programm Mathematik für Einsteiger Algebra für Einsteiger von Jörg Bewersdorff Algorithmik

Mehr

Fachbereich Mathematik

Fachbereich Mathematik Oberstufenzentrum Kraftfahrzeugtechnik Berufsschule, Berufsfachschule, Fachoberschule und Berufsoberschule Berlin, Bezirk Charlottenburg-Wilmersdorf Fachbereich Mathematik Arbeits- und Informationsblätter

Mehr

Gewinnchancen und Gewinnerwartung

Gewinnchancen und Gewinnerwartung Bachelorarbeit an der Ruhr-Universität Bochum Gewinnchancen und Gewinnerwartung Marius Alexander Wilker aus Marl Bochum, im April 008 Fakultät für Mathematik Prof. Dr. R. Verfürth Inhaltsverzeichnis I.

Mehr

Notizen zu "Mathematische Grundlagen der Finanzwirtschaft"

Notizen zu Mathematische Grundlagen der Finanzwirtschaft Notizen zu "Mathematische Grundlagen der Finanzwirtschaft" PD Dr. habil. Thomas Kalmes Sommersemester 5 Version vom 5. Juli 5 Einleitung 2 Einleitung Ich kam zu der Überzeugung, dass mathematische Analysis

Mehr

Niedersächsisches Kultusministerium. Name: Klasse / Kurs: Schule: Allgemeiner Teil Hauptteil Wahlaufgaben Summe. Mögliche Punkte 28 36 20 84

Niedersächsisches Kultusministerium. Name: Klasse / Kurs: Schule: Allgemeiner Teil Hauptteil Wahlaufgaben Summe. Mögliche Punkte 28 36 20 84 Niedersächsisches Abschlussprüfung zum Erwerb des Sekundarabschlusses I Hauptschulabschluss Schuljahrgang 9, Schuljahr 2012/2013 Mathematik G- und E-Kurs Prüfungstermin 30. April 2013 Name: Klasse / Kurs:

Mehr

Schriftliche Realschulprüfung 1997 Mathematik

Schriftliche Realschulprüfung 1997 Mathematik Mecklenburg - Vorpommern Schriftliche Realschulprüfung 1997 Mathematik E Mecklenburg - Vorpommern Realschulprüfung 1997 Ersatzarbeit A/B Seite 2 Hinweise für Schülerinnen und Schüler: Von den vorliegenden

Mehr

(2) (x 2 1 + x 2 2 + + x 2 n)(y 2 1 + y 2 2 + + y 2 n) = z 2 1 + z 2 2 + + z 2 n

(2) (x 2 1 + x 2 2 + + x 2 n)(y 2 1 + y 2 2 + + y 2 n) = z 2 1 + z 2 2 + + z 2 n Über die Komposition der quadratischen Formen von beliebig vielen Variablen 1. (Nachrichten von der k. Gesellschaft der Wissenschaften zu Göttingen, Mathematisch-physikalische Klasse, 1898, S. 309 316.)

Mehr

Lösungshinweise zu Kapitel 13

Lösungshinweise zu Kapitel 13 L-112 Lösungshinweise zu Kapitel 13 zu Selbsttestaufgabe 13.2 (Eigenschaften der bedingten Unabhängigkeit) Sei P eine Wahrscheinlichkeitsverteilung über V. Wir setzen im Folgenden stillschweigend voraus,

Mehr

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) = Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.

Mehr

Dies ist die entscheidende Erkenntnis, um die es in diesem Buch geht. Nach Abschluss der Lektüre werden Sie verstehen, was genau ich damit meine.

Dies ist die entscheidende Erkenntnis, um die es in diesem Buch geht. Nach Abschluss der Lektüre werden Sie verstehen, was genau ich damit meine. Das Geheimnis der Spitzenspieler Das Spiel der Quoten No-Limit Hold em ist ein Spiel der Quoten. Liegen Sie mit Ihren Quoten grundlegend falsch, können Sie trotz noch so großem Engagement kein Gewinner

Mehr