4. Rechnen mit Wahrscheinlichkeiten

Größe: px
Ab Seite anzeigen:

Download "4. Rechnen mit Wahrscheinlichkeiten"

Transkript

1 4. Rechnen mt Wahrschenlchketen 4.1 Axome der Wahrschenlchketsrechnung De Wahrschenlchketsrechnung st en Telgebet der Mathematk. Es st üblch, an den Anfang ener mathematschen Theore enge Axome zu setzen, aus denen sch dann alle weteren Sätze deser Theore deduktv ableten lassen. De Axome selbst werden gesetzt, d.h. se snd ncht bewesbar. Se haben n der Regel jedoch enen Bezug zur Anschauung. Wr werden auch n der Wahrschenlchketsrechnung auf dese Wese vorgehen und begnnen daher mt dem Axomensystem, das 1935 von KOLMOGOROV engeführt wurde. Deses Axomensystem stellt de Grundlage der modernen Wahrschenlchketsrechnung dar. Axom 1 (Nchtnegatvtät): (A) 0 Wahrschenlchketen snd nchtnegatve, relle Zahlen, de den Eregnssen zugeordnet snd. Axom 2 (Normerung): (Ω) = 1 De Wahrschenlchket des scheren Eregnsses st 1, womt ene Normerung der Wahrschenlchket erfolgt. Aus den beden ersten Axomen ergbt sch, dass Wahrschenlchketen reelle Zahlen snd, de m Intervall [0; 1] legen.

2 Axom 3 (Addtvtät): (AB) = (A) + (B), falls A B = De Wahrschenlchket ener Verengung dsjunkter Eregnsse st glech der Summe der Enzelwahrschenlchketen. Bespel 4.1: (A) st de Wahrschenlchket, bem Würfelwurf ene 2 (Eregns A) zu werfen, und (B) de Wahrschenlchket des Eregnsses B = {5,}. Da bede Eregnsse dsjunkt snd, also kene Schnttmenge aufwesen, berechnet sch de Wahrschenlchket dafür, dass A oder B entrtt nach Axom 3 als Summe beder Enzelwahrschenlchketen. A B 2,5, A B 2 5, A 2 B 5,

3 Axome und relatve Häufgketen De Axome snd ene räzserung unserer Erfahrung, was man nsbesondere be enem Verglech mt dem statstschen Wahrschenlchketsbegrff seht. Be allen dre Axomen lässt sch en Bezug zu den Egenschaften der relatven Häufgketen herstellen: 1. h(a) = n(a) / n 0 2. h(ω) = n(ω) / n = 1 3. n(ab) / n = n(a) / n + n(b) / n, falls A B = oder h(ab) = h(a) + h(b), falls A B =

4 4.2 Enge Rechenregeln für Wahrschenlchketen De Sätze der Wahrschenlchketsrechnung lassen sch deduktv aus dem Axomensystem herleten. Man gewnnt auf dese Wese Rechenregeln für Wahrschenlchketen. Wahrschenlchket des Komplementäreregnsses De Wahrschenlchket des Komplementäreregnsses sch durch (4.1) A 1 A, da entweder A oder A entrtt. A berechnet Bespel 4.2: A se das Eregns, ene 2 bem enmalgen Würfelwurf zu würfeln. We groß st de Wahrschenlchket für das Komplementäreregns? A 1. Lösungsweg: 5 A 1,3,4,5, 0, Lösungsweg: mt A 2 1 A 2 5 A 1 A 1 0, 833 1,3,4, A 5,

5 Wahrschenlchket des unmöglchen Eregnsses De Wahrschenlchket für das unmöglche Eregns st glech 0: (4.2) () = 0. Da das Komplementäreregns zu Ω st, glt und und 1 1, d.h. 0. Wahrschenlchket enes Teleregnsses Wenn A Teleregns von B st, A B, glt (4.3) (A) (B). Bespel 4.4: Wr betrachten bem Würfelwurf de beden Eregnsse A = {1, 2} und B = {1, 2, 5}. 2 A und B 3 A B, da A A 1,2 B 5 B

6 Wahrschenlchket für de Dfferenz von A und B De Wahrschenlchket für de Dfferenz von A und B, (A\B), st durch (4.4) (A\B) = (A) (AB) gegeben. Bewes: Es st A = (A\B) (AB). De Wahrschenlchket für das Entreten des Eregnsses A st glech (A) = [(A\B) (AB)]. Da A\B und AB dsjunkt snd, kann Axom 3 angewendet werden, womt man (A) = (A\B) + (AB) und damt (A\B) = (A) (AB) erhält. Abbldung: Venn-Dagramm für das Dfferenzeregns A\B A B

7 Bespel 4.5: Es seen A = {1, 2, 3, 4} und B = {1, 5} Eregnsse bem Würfelwurf, so st de Schnttmenge zwschen beden Eregnssen ncht leer. We groß st dann de Wahrschenlchket für A ohne B? A\B A A B 1,2,3, ,5 2,3,4 5 A A 1 B B

8 Wahrschenlchket für de Verengung von zwe Eregnssen Betrachtet wrd nun de Wahrschenlchket für de Verengung belebger Eregnsse. Man beachte, dass Axom 3 nur für dsjunkte Eregnsse glt. Addtonssatz für zwe Eregnsse De Wahrschenlchket, dass entweder das Eregns A oder das Eregns B entrtt, (AB), st glech der Summe beder Enzelwahrschenlchketen, vermndert um de gemensame Wahrschenlchket (AB): (4.5) (AB) = (A) + (B) - (AB). Bewes: AB wrd als Verengung dsjunkter Eregnsse geschreben, um Axom 3 anwenden zu können. Es st A B = A (B\A) Da A und B\A dsjunkt snd, kann Axom 3 angewendet werden: (AB) = (A) + (B\A), woraus sch (4.5) ergbt, wenn für (B\A) de Formel (4.4) für das Dfferenzeregns verwendet wrd. Glechung (4.5) gbt den Addtonssatz für zwe belebge Eregnsse an. Im Fall dsjunkter Eregnsse st (AB) = 0, womt (AB) = (A) + (B) folgt. Damt ergbt sch ken Wderspruch zu Axom 3. Man beachte, dass zur Berechnung von (AB) de Kenntns von (A), (B) und (AB) erforderlch st. Wenn A und B dsjunkt snd, dann, aber auch nur dann, recht de Kenntns von (A) und (B) aus, um (AB) zu berechnen.

9 Bespel 4.: Gegeben snd de beden Eregnsse A = {1, 2, 3, 4} und B = {1, 5} bem Würfelwurf. Um de Schnttmenge AB = {1} ncht doppelt zu zählen, muss be der Berechnung der Wahrschenlchket der Verengungsmenge de Wahrschenlchket der Schnttmenge abgezogen werden. 1. Lösungsweg (logsche Überlegung): De Wahrschenlchket, dass A oder B entreten wrd, st 5 A B 1,2,3,4,5 0, Lösungsweg (Addtonssatz): 1 A B 1 A B A B A B ,833. 2,3,4 5 A A 1 B B

10 Bespel 4.7: Wr berechnen de Wahrschenlchket, dass n enem Kartenspel mt 32 Karten ene rote Karte oder en Ass gezogen werden. Es se A: de gezogene Karte st rot. B: de gezogene Karte st en Ass. Dann st A 1 32; B 4 32 und A B 2 32 Mt dem Addtonssatz (4.5) erhält man A B , 525 De Wahrschenlchket, ene rote Karte oder en Ass zu zehen, beträgt somt 0,525.

11 Wahrschenlchket für de Verengung von dre Eregnssen Addtonssatz für dre Eregnsse Es seen A, B und C Eregnsse und (A), (B), (C), (AB), (AC), (BC) sowe (ABC) gegeben. Dann ergbt sch de Wahrschenlchket für de Verengung von A, B und C durch (4.) (ABC) = (A) + (B) + (C) - (AB) (AC) - (BC) + (ABC). Bespel 4.8: Be enem Würfelwurf werden de Eregnsse A = {2, 4, }, B = {2, 3, 4} und C = {4, 5, } betrachtet. We groß st de Wahrschenlchket, dass A oder B oder C entrtt? Eregnsse und Wahrschenlchketen: (A) = 0,5; (B) = 0,5; (C) = 0,5 AB = {2, 4} (AB) = 1/3 AC = {4, } (AC) = 1/3 BC = { 4 } (BC) = 1/ A B ABC = { 4 } (ABC) = 1/ Wahrschenlchket von A oder B oder C: (ABC) = (A)+(B)+(C)-(AB) (AC)-(BC)+(ABC) = 0,5 + 0,5 + 0,5-1/3-1/3-1/ + 1/ = 5/ = 0,833 5 C

12 4.3 Bedngte Wahrschenlchket Bsher haben wr de Wahrschenlchket für das Entreten von Eregnssen unabhängg von der Realsaton anderer Eregnsse betrachtet. Wr fragen nun, ob sch de Wahrschenlchket für en Eregns A ändert, wenn wr de zusätzlche Informaton haben, dass en Eregns B berets engetreten st. De Wahrschenlchket für A, de sch unter deser Vorabnformaton ergbt, heßt bedngte Wahrschenlchket (A B). De bedngte Wahrschenlchket (A B) gbt de Wahrschenlchket für A unter der Bedngung (Vorabnformaton), dass B berets engetreten st, an: A B (4.7) A B, (B) > 0. B Wenn B berets engetreten st; können außerhalb von B legende Eregnsse ncht mehr stattfnden. Dass gemensam mt B auch A entrtt, st durch de Schnttmenge AB dargestellt. Daher gbt B de Anzahl der möglchen Ergebnsse und AB de Anzahl der günstgen Ergebnsse an: A B A B / A B A B B B / B A A B B

13 Bespel 4.10: In ener Stadt X snd 52% der 0 Tsd. Erwerbspersonen männlch und 48% weblch. 3,24 Tsd. ersonen snd arbetslos (Eregns A), worunter 1,31 Tsd. männlch (M) und 1,93 Tsd. weblch (W) snd. a) We groß st de Wahrschenlchket, dass ene zufällg ausgewählte Erwerbsperson n der Stadt X arbetslos st? Gesucht st de (unbedngte) Wahrschenlchket, arbetslos (A) zu sen, d.h. (A): (A) A 3,24 0 0,054. b) We groß st de Wahrschenlchket, dass en zufällg ausgewählter Mann arbetslos st? De Grundgesamthet der Erwerbspersonen Ω wrd jetzt auf de männlchen Erwerbspersonen M engeschränkt. Gesucht st daher de bedngte Wahrschenlchket arbetslos (A) zu sen unter der Bedngung ene männlche Erwerbsperson (M) zu sen: (A M) A M M 1,31 00,52 1,31 31,2 0,042. oder mt (M) = 0,52 und (AM) = AM / Ω = 1,31/0 = 0,022 (A M) (A M) (M) ,52 0,042.

14 c) We groß st de Wahrschenlchket, dass ene zufällg ausgewählte Frau arbetslos st? De Grundgesamthet der Erwerbspersonen Ω wrd jetzt auf de weblchen Erwerbspersonen W engeschränkt. Gesucht st daher de bedngte Wahrschenlchket arbetslos (A) zu sen unter der Bedngung ene weblche Erwerbsperson (W) zu sen: (A W) A W W 1,93 00,48 1,93 28,8 0,07. oder mt (W) = 0,48 und (AW) = AW / Ω = 1,93/0 = 0,032 (A W) (A W) (W) 0,032 0,48 0,07.

15 Bespel 4.9: Be ener Qualtätskontrolle haben von 0 kontrollerten Stücken 15 den Defekt A und 12 den Defekt B. 38 Stück beten kenen Anlass zur Beanstandung. Gesucht wrd de Wahrschenlchket dafür, dass en Stück, das den Defekt A aufwest, auch den Defekt B hat. Insgesamt snd 22 (= 0 38) Stück defekt. Haben 15 Tele den Defekt A und 12 Stück den Defekt B, müssen ( ) 22 = 5 Tele glechzetg den Defekt A und den Defekt B haben. Folgende Wahrschenlchketen snd gegeben: A 15 B 12 A B 5 A 0, 25, B 0, 20, A B 0, Wr wssen, dass das Eregns A "Tel hat den Defekt A" berets engetreten st. Gesucht st de Wahrschenlchket dafür, dass zusätzlch noch B "Tel hat den Defekt B" entrtt. Herbe handelt es sch um de Wahrschenlchket von B unter der Bedngung von A, d.h. (B A). B A 0, 333 oder B A A B A A B A ,083 0,25 0,333 A B 5 A 15 B 12 0

16 In (4.7) muss (B) > 0 sen, da für (B) = 0 de bedngte Wahrschenlchket ncht defnert st. Für bedngte Wahrschenlchketen gelten folgende Aussagen: - Snd A und B dsjunkt, A B =, dann st (A B) = 0. Wenn de Eregnsse A und B elementefremd snd, d.h. sch ncht überlappen, kann A ncht mehr entreten, wenn B berets engetreten st. A B - Ist A en Teleregns von B, A B, dann st (B A) = 1. Wenn A en Teleregns von B st, trtt B stets zuglech en, sobald A engetreten st. A B

17 Ene überaus wchtge Folgerung ergbt sch, wenn de Formel für de bedngte Wahrschenlchket enfach umgestellt wrd. Man erhält dann den Multplkatonssatz für zwe Eregnsse. Multplkatonssatz für zwe Eregnsse De Wahrschenlchket für das gemensame Entreten der Eregnsse A und B lässt sch durch (4.8a) oder (4.8b) berechnen. A B A BB A B BA A De Kenntns der Wahrschenlchket des Durchschntts AB zweer Eregnsse, (AB), st auch zur Berechnung der Wahrschenlchket für de Verengung von zwe belebgen Eregnssen und zur Berechnung der Wahrschenlchket der Dfferenz A\B zweer belebger Eregnsse, (A\B), notwendg.

18 Bespel 4.10: In ener Urne befnden sch 12 Kugeln, 4 davon snd weß und 8 rot. Zwe Kugeln werden gezogen, wobe de entnommenen Kugeln ncht n de Urne zurückgelegt werden (Zehen ohne Zurücklegen). We groß st de Wahrschenlchket, zwe weße Kugeln zu zehen? Wr defneren de Eregnsse: A 1 : de erste gezogene Kugel st weß, A 2 : de zwete gezogene Kugel st weß. In jeder der zwe Zehungen glt das Glechmöglchketsmodell. Es st A da vor der 1. Zehung unter den 12 Kugeln 4 weße Kugeln snd. De Wahrschenlchket, m 2. Zug ene weße Kugel zu zehen, st ene bedngte Wahrschenlchket, d.h., st de Wahrschenlchket unter der Bedngung, dass m 1. Zug ene weße Kugel gezogen wurde. Es st A A da vor der zweten Zehung unter den 11 Kugeln nur noch 3 weße Kugeln snd. De Wahrschenlchket dafür, zwe weße Kugeln zu zehen, st also glech A A A A A ,

19 Man beachte, dass dese Wahrschenlchket abhängg von der Zehungsmethode st. Würde nach dem ersten Zug de entnommene Kugel n de Urne zurückgelegt (Zehen mt Zurücklegen), wäre (A 2 A 1 ) = 4/12 = 1/3 und damt A A , Multplkatonssatz für dre Eregnsse De Wahrschenlchket für das gemensame Entreten der Eregnsse A, B, und C st durch (4.9) A BC CA BBA A gegeben. Bewes: Es se D = AB. Dann glt mt (4.8) (CD) = (C D) (D) und nach Ensetzen von AB für D (AB C) = (C AB ) (AB). Wegen (4.8) st (AB) = (BA) = (B A) (A), so dass folgt. A BC CA BBA A ٱ

20 Bespel 4.11: In ener Schachtel snd 10 Schrauben, 4 davon snd verznkt. Dre Schrauben werden entnommen, wobe de gezogenen Schrauben ncht n de Schachtel zurückgelegt werden (Zehen ohne Zurücklegen). We groß st de Wahrschenlchket, dre verznkte Schrauben zu zehen? Wr defneren de Ergebnsse A 1 = erste Schraube st verznkt, A 2 = zwete Schraube st verznkt, A 3 = drtte Schraube st verznkt. In jeder der dre Zehungen glt das Glechmöglchketsmodell. Es st A da von den 10 Schrauben 4 verznkt snd. De Wahrschenlchket, m 2. Zug ene verznkte Schraube zu zehen, st ene bedngte Wahrschenlchket: A A denn vor dem 2. Zug snd von den 9 verblebenden Schrauben nur noch 3 verznkt. De Wahrschenlchket, m 3. Zug ene verznkte Schraube zu zehen, wrd ermttelt unter der Bedngung, dass m 1. Zug und m 2. Zug ene verznkte Schraube gezogen wurde, d.h., dass A 1 A 2 berets engetreten st. Damt erhält man A 1 3 A2 A ,

21 da vor dem 3. Zug unter den 8 verblebenen Schrauben nur noch zwe verznkte snd. De Wahrschenlchket, dre verznkte Schrauben zu erhalten, st also wegen (4.9) A1 A2 A3 A3 A2 A1 A2 A1 A , Auch her seht man, dass dese Wahrschenlchket abhängg von der Zehungsmethode st. Hätten wr nach jedem Zug de entnommene Schraube n de Schachtel zurückgelegt (Zehen mt Zurücklegen), würde A 2 3 A2 A (A A1) 1 2 sen, da vor jedem Zug von den 10 Schrauben 4 verznkt snd, so dass A A A , st. Wenn wr mt Zurücklegen zehen, dann spelt es z.b. für das Entreten des Eregnsses A 2 kene Rolle, was m 1. Zug (Eregns A 1 ) gezogen wurde. Das Zehen ener verznkten Schraube m 1. Zug ändert also ncht de Chance für das Zehen ener verznkten Schraube m 2. Zug. De Bedngung, dass A 1 engetreten st, st somt rrelevant für de Realserungschance von A

22 4.4 Stochastsche Unabhänggket Be velen Fragestellungen st es wchtg zu wssen, ob Eregnsse stochastsch unabhängg snd. Man kann de stochastsche Unabhänggket von Eregnssen auf zwe Arten überprüfen: - durch Verglech von bedngten und unbedngten Wahrschenlchketen, - anhand des Multplkatonssatzes für unabhängge Eregnsse. Abbldung: Überprüfung der stoschastschen Unabhänggket Überprüfung der stochastschen Unabhänggket Verglech der bedngten Wahrschenlchket (A B) mt der unbedngten Wahrschenlchket (A) Verglech der gemensamen Wahrschenlchket (AB) mt dem rodukt der Wahrschenlchketen (A) und (B)

23 Überprüfung der Unabhänggket zweer Eregnsse durch Verglech der bedngten und unbedngten Wahrschenlchketen Zwe Eregnsse A und B heßen stochastsch unabhängg vonenander, wenn de Tatsache, dass B vorlegt, kenerle zusätzlche Informatonen m Hnblck auf de Wahrschenlchket (A) lefert: (4.10a) (A B) = (A). Be stochstscher Unabhänggket st es also unerheblch für das Entreten des Eregnsses A, ob das Eregns B engetreten st oder ncht: A B B Wahrschen lchket für A, wenn B engetrete n st A A B A Wahrschen lchket für A, wenn ncht bekannt st, ob B engetrete n st Unabhänggket Stochastsche Abhänggket besteht entsprechend dann, wenn das Entreten von B enen Enfluss auf de Wahrschenlchket von A hat: A B B Wahrschen lchket für A, wenn B engetrete n st A A B A Wahrschen lchket für A, wenn ncht bekannt st, ob B engetrete n st Abhänggket

24 Wenn de beden Eregnsse A und B vonenander unabhängg snd, muss ncht nur (4.10a) (A B) = (A) gelten, sondern ebenfalls (4.10b) (B A) = (B). Überprüfung der Unabhänggket zweer Eregnsse durch Verglech der gemensamen Wahrschenlchket mt dem rodukt der Enzelwahrschenlchketen Multplkatonssatz für zwe unabhängge Eregnsse Zwe Eregnsse A und B heßen stochastsch unabhängg vonenander, wenn de Wahrschenlchket des Durchschntts AB, (AB), glech dem rodukt der Enzelwahrschenlchketen (A) und (B) st: (4.11a) Bewes: (AB) = (A) (B). Durch Auflösen der Berechnungsformel für de bedngten Wahrschenlchketen (4.7) nach (AB) erhält man A B B A B A B A B B Da be Unabhänggket von A und B de Bezehung (4.10a), (A B) = (A), glt, folgt A B A B. ٱ.

25 Abbldung: Überprüfung stochastscher Unabhänggket Beleg für Stochastsche Unabhänggket A B A B A A B B B A Stochastsche Abhänggket A B A B A A B B B A Während de stochastsche Unabhänggket zweer Eregnsse be Kenntns der bedngten und unbedngten Wahrschenlchketen auf der Grundlage der Bezehung (4.10a) oder (4.10b) überprüft werden kann, lässt se sch mt dem Multplkatonssatz (4.11) überprüfen, wenn de Wahrschenlchket der Schnttmenge und de Enzelwahrschenlchketen bekannt snd.

26 Bespel 4.12: Be dem Zufallsexperment Werfen zweer Würfel werden zwe Eregnsse betrachtet: A: "gleche Augenzahl be beden Würfeln" und B: "ungerade Augenzahl be dem zweten Würfel". We groß st de Wahrschenlchket, ene "gleche Augenzahl" be beden Würfeln und glechzetg ene "ungerade Augenzahl bem zweten Würfeln" zu erhalten? Snd bede Eregnsse unabhängg vonenander? Anhand der n der folgenden Tabelle lassen sch de Wahrschenlchketen für bede Eregnsse bestmmen: 2. Würfel 1. Würfel (1,1) (1,2) (1,3) (1,4) (1,5) (1,) 2 (2,1) (2,2) (2,3) (2,4) (2,5) (2,) 3 (3,1) (3,2) (3,3) (3,4) (3,5) (3,) 4 (4,1) (4,2) (4,3) (4,4) (4,5) (4,) 5 (5,1) (5,2) (5,3) (5,4) (5,5) (5,) (,1) (,2) (,3) (,4) (,5) (,)

27 (A) = ("gleche Augenzahl be beden Würfeln") (B) = ("ungerade Augenzahl bem zweten Würfel") (AB) = ("gleche Augenzahl" und "ungerade Augenzahl bem zweten Würfel") De stochastsche Unabhänggket kann her auf de beden vorgestellten Arten überprüft werden: 1. Überprüfung der Unabhänggket durch Verglech der bedngten und unbedngten Wahrschenlchketen B und A 1 A B ,50 B 0, 50 A Unabhänggket A B B A B A Unabhänggket

28 2. Überprüfung der Unabhänggket durch Verglech der gemensamen Wahrschenlchket mt dem rodukt der Enzelwahrschenlchketen (A B) (A) (B) Unabhänggket Vollständge Unabhänggket von dre Eregnssen De Eregnsse A, B und C heßen vollständg unabhängg vonenander, wenn se paarwese unabhängg snd, (4.11a) (4.11b) (4.11c) und de Bedngung (AB) = (A) (B), (AC) = (A) (C), (BC) = (B) (C), (4.12) (ABC) = (A) (B) (C) erfüllen. aarwese Unabhänggket von Eregnssen st somt ene notwendge, aber kene hnrechende Bedngung für de vollständge Unabhänggket von Eregnssen.

29 Bespel 4.13: Zwe Würfel werden glechzetg geworfen. Wr defneren de Eregnsse A: Augenzahl bem 1. Würfel st gerade. B: Augenzahl bem 2. Würfel st ungerade. C: Augensumme gerade. Dann st A , B , C , A B 9 3 1/ 4, A C 9 3 1/ 4, B C 9 3 1/ 4, A BC 0. De Berechnung deser Wahrschenlchketen lässt sch lecht anhand der n Bespel 4.12 wedergegebenen Ergebnstabelle nachvollzehen. Es st z.b. ABC = und damt (ABC) = 0, wel AB das Eregns st, dass der 1. Würfel ene gerade und der 2. Würfel ene ungerade Augenzahl aufwest. Als Ergebns kann dann aber kene gerade Augensumme entreten. Wr wollen nun de Unabhänggket der Eregnsse A, B und C überprüfen. Zunächst enmal st ene paarwese Unabhänggket der Eregnsse wegen gegeben. A B 1 4 A B / 4 A C 1 4 A C / 4 B C 1 4 B C / 4

30 Für de vollständge Unabhänggket st noch de Gültgket der Bedngung (4.12) erforderlch. Es st jedoch A BC 0 A B C Somt snd de Eregnsse A, B und C zwar paarwese unabhängg, aber ncht vollständg unabhängg.

31 4.5 Totale Wahrschenlchket und Bayessche Formel Totale Wahrschenlchket Der Satz der totalen Wahrschenlchket geht von enem vollständgen System von Eregnssen aus, das allgemen durch (4.13) defnert st. A 1 A 2 A n = Ω A A j =, j Abbldung: Zerlegung der Ergebnsmenge Das Eregns B lässt sch als Verengung der Schntteregnsse BA darstellen: A 1 A 2 B (4.14) B = (BA 1 ) (BA 2 ) (BA n ) A 4 A 3

32 Da de Schntteregnsse BA dsjunkt snd, (BA ) (BA j ) =, j, lässt sch de Wahrschenlchket (B) = [(BA 1 ) (BA 2 ) (BA n )] unter Verwendung des Axoms 3 n der Form (B) = (BA 1 ) + (BA 2 ) + + (BA n ) schreben. De Wahrschenlchketen (BA ) lassen sch be Kenntns der bedngten Wahrschenlchketen (B A ) und den unbedngten Wahrschenlchketen (A ) mt dem Multplkatonssatz (4.8a/b) berechnen: (4.15a) oder (4.15b) (B) (BA1) (A1) (BA2) (A2)... (BAn) (An) n (B) (BA ) (A) 1 Glechung (4.15a/b) gbt de Formel der totalen Wahrschenlchket weder.

33 Bespel 4.14: Gegeben snd 5 Urnen. Jede Urne enthält 10 Kugeln. In der j-ten Urne, j=1,2,3,4,5, befnden sch j rote Kugeln. Ene Urne wrd unter Berückschtgung der Auswahlwahrschenlchketen 0,4 für de Urne 1, 0,3 für de Urne 2, 0,1 für de Urne 3, 0,2 für de Urne 4 und 0 für de Urne 5 ausgewählt, aus der dann ene Kugel gezogen wrd. We groß st de Wahrschenlchket, dass de gezogene Kugel rot st? Wr defneren de Eregnsse: A j : Auswahl der j-ten Urne, j = 1,2,3,4,5, B: De gezogene Kugel st rot. Urne 1 Urne 2 Urne 3 Urne 4 Urne 5 Auswahlwahrschenlchket für de j-te Urne A 1 0, 4 A 2 0, 3 A 3 0, 1 A 4 0, 2 A 5 0 Wahrschenlchket dafür, dass ene rote Kugel gezogen wrd, wenn de j-te Urne berets ausgewählt wurde BA 0, B A 2 10 B A 3 10 B A 4 10 BA 2 0,2 3 0,3 4 0,4 5 0,5 5 10

34 Da de Eregnsse A j en vollständges System von Eregnssen blden, A 1 A 2 A 5 = Ω (5 Urnen snd verfügbar) A A j =, j (Kene Kugel st mehreren Urnen zugeordnet) lässt sch zur Berechnung der der gesuchten Wahrschenlchket (B) mt der Formel (4.15) der totalen Wahrschenlchket berechnen: so dass man 5 B BA A 1 BA1 A1 BA2 A2 BA A BA A BA A, 3 3 B 0,1 0,4 0,2 0,3 0,3 0,1 0,4 0,2 0,5 0 0, erhält. De Wahrschenlchket, ene rote Kugel zu zehen, beträgt also 0,21.

35 Bayessche Formel Angenommen, wr haben ene rote Kugel gezogen, d. h. das Eregns B st engetreten. Wr fragen nun nach der Wahrschenlchket dafür, dass dese Kugel aus der j- ten Urne A, =1, 2,..., 5, entnommen wurde, d. h. wr suchen (A j B). De Lösung deses roblems ergbt sch aus dem Satz von Bayes, den wr jetzt vorstellen werden. De n Eregnsse A 1, A 2,..., A n blden en vollständges System. Weter st B en Eregns mt (B)>0. Dann glt der Satz von Bayes (4.1) A B n 1 BA A BA A BA A B, 1,,n (A ): (A B): A-pror-Wahrschenlchket A-posteror-Wahrschenlchket Mt Hlfe der Bayesschen Formel lassen sch de A-posteror-Wahrschenlchketen (A B) aus den bekannten A-pror-Wahrschenlchketen (A ) bestmmen.

36 Herletung der Bayesschen Formel (4.1): Nach (4.8a/b) lässt sch de Wahrschenlchket des Schntteregnsses A B durch de beden Glechungen (4.17a) und (4.17b) A B A BB A B B A A wedergeben. Unter Verwendung von (4.17b) können daher de n (4.7) defnerte bedngte Wahrschenlchet n der Form A A B B B A (B) B A A B darstellen. Nach Ensetzen der totalen Wahrschenlchket (4.15b) erhält man heraus de Bayessche Formel A B n 1 B A A B A A

37 Bespel 4.15: Wr knüpfen an das Bespel 4.14 an und fragen nach der Wahrschenlchket dafür, dass de gezogene rote Kugel aus der zweten Urne stammt? De Eregnsse A blden en vollständges System von Eregnssen: A 1 A 2 A 5 = Ω (5 Urnen snd verfügbar) A A j =, j (Kene Kugel st mehreren Urnen zugeordnet). Wr wssen, dass ene rote Kugel gezogen wurde, d.h. dass das Eregns B engetreten st. We groß st de Wahrschenlchket, dass zusätzlch das Eregns A 2 entrtt? Gesucht st de Wahrschenlchket von A 2 unter der Bedngung B. Da her en vollständges System von Eregnssen vorlegt, lässt sch de gesuchte Wahrschenlchket mt der Bayesschen Formel bestmmen: A2 B 0,0 0,21 B A A 2 2 n 5 B A A 1 0,2 0,3 0,1 0,4 0,2 0,3 0,3 0,1 0,4 0,2 0,5 0 0,28.

Einführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit

Einführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit Enführung n de bednge Wahrschenlchket Laplace-Wahrschenlchket p 0.56??? Zufallsexperment Randwahrschenlchket Überscht Was st Wahrschenlchket? Rechenregeln Der Multplkatonssatz Axomatsche Herletung Unabhänggket

Mehr

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen

Mehr

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum Abgabe: Aufgabentext und Lösungen schrftlch bs zum 15. 6. 2012 I. Thema: Zehen mt und ohne Zurücklegen Lesen Se sch zunächst folgenden Text durch! Wr haben bsher Stchprobenzehungen aus Grundgesamtheten

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)

Mehr

Verteilungen eindimensionaler diskreter Zufallsvariablen

Verteilungen eindimensionaler diskreter Zufallsvariablen Vertelungen endmensonaler dskreter Zufallsvarablen Enführung Dskrete Vertelungen Dskrete Glechvertelung Bernoull-Vertelung Bnomalvertelung Bblografe: Prof. Dr. Kück Unverstät Rostock Statstk, Vorlesungsskrpt,

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 2 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 7: (B. Fredmans Urnenmodell)

Mehr

Prof. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz

Prof. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz Prof. Dr. P. Kschka WS 2012/13 Lehrstuhl für Wrtschafts- und Sozalstatstk Klausur Statstsche Inferenz 15.02.2013 Name: Matrkelnummer: Studengang: Aufgabe 1 2 3 4 5 6 7 8 Summe Punkte 6 5 5 5 5 4 4 6 40

Mehr

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x,

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x, Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analyss I Vorlesung 17 Logarthmen Satz 17.1. De reelle Exponentalfunkton R R, x exp x, st stetg und stftet ene Bjekton zwschen R und R +. Bewes. De Stetgket

Mehr

Z Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden.

Z Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden. Kombnator. Problemstellung Ausgangspunt be ombnatorschen Fragestellungen st mmer ene endlche Menge M, aus deren Elementen man endlche Zusammenstellungen von Elementen aus M bldet. Formal gesprochen bedeutet

Mehr

Forschungsstatistik I

Forschungsstatistik I Psychologe Prof. Dr. G. Menhardt 2. Stock, Nordflügel R. 02-429 (Perske) R. 02-431 (Menhardt) Sprechstunde jederzet nach Verenbarung Forschungsstatstk I Dr. Malte Perske perske@un-manz.de WS 2008/2009

Mehr

Elemente der Mathematik - Sommer 2016

Elemente der Mathematik - Sommer 2016 Elemente der Mathematk - Sommer 2016 Prof Dr Matthas Lesch, Regula Krapf Lösungen Übungsblatt 3 Aufgabe 9 (10 Punkte) Das Horner-Schema st ene Methode zum Auswerten enes Polynoms n a0 x an der Stelle s

Mehr

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall

Mehr

Zufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert

Zufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert R. Brnkmann http://brnkmann-du.de Sete..8 Zufallsvarable, Wahrschenlchketsvertelungen und Erwartungswert Enführungsbespel: Zwe Würfel (en blauer und en grüner) werden 4 mal zusammen geworfen. De Häufgketen

Mehr

Statistik und Wahrscheinlichkeit

Statistik und Wahrscheinlichkeit Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse

Mehr

Konkave und Konvexe Funktionen

Konkave und Konvexe Funktionen Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage

Mehr

5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013

5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013 O. Alaya, S. Demrel M. Fetzer, B. Krnn M. Wed 5. Gruppenübung zur Vorlesung Höhere Mathematk Wntersemester /3 Dr. M. Künzer Prof. Dr. M. Stroppel Lösungshnwese zu den Hausaufgaben: Aufgabe H 6. Darstellungen

Mehr

3. Lineare Algebra (Teil 2)

3. Lineare Algebra (Teil 2) Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw

Mehr

3.3 Lineare Abbildungen und Matrizen

3.3 Lineare Abbildungen und Matrizen 33 LINEARE ABBILDUNGEN UND MATRIZEN 87 33 Lneare Abbldungen und Matrzen Wr wollen jetzt de numersche Behandlung lnearer Abbldungen zwschen Vektorräumen beschreben be der vorgegebene Basen de Hauptrolle

Mehr

Grundgedanke der Regressionsanalyse

Grundgedanke der Regressionsanalyse Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden

Mehr

II. Wahrscheinlichkeitsrechnung und mathematische Statistik

II. Wahrscheinlichkeitsrechnung und mathematische Statistik II. Wahrschenlchketsrechnung und mathematsche Statstk Prof. Dr. Barbara Grabowsk Hochschule für Technk und Wrtschaft des Saarlandes /0 Inhaltsverzechns - I - Enletung Dese Kursenhet dent der Vermttlung

Mehr

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden. Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve

Mehr

18. Dynamisches Programmieren

18. Dynamisches Programmieren 8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus

Mehr

Entscheidungstheorie Teil 1. Thomas Kämpke

Entscheidungstheorie Teil 1. Thomas Kämpke Entschedungstheore Tel Thomas Kämpke Sete 2 Entschedungstheore Tel Inhalt Kompaktensteg Wahrschenlchketsrechnung Wahrschenlchketsmaß auf Grundraum Enfaches Lotto Stochastsche Unabhänggket Verknüpfung von

Mehr

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung Fachberech Mathematk Prof. K. Grosse-Brauckmann D. Frsch WS 27/8./.. 6. Übungsblatt zur Lnearen Algebra für Physker Gruppenübung Aufgabe G7 (Kern, Bld, Rang und Orthogonaltät) Gegeben se ene lneare Abbldung

Mehr

Methoden der innerbetrieblichen Leistungsverrechnung

Methoden der innerbetrieblichen Leistungsverrechnung Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den

Mehr

4. Musterlösung. Problem 1: Kreuzende Schnitte **

4. Musterlösung. Problem 1: Kreuzende Schnitte ** Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,

Mehr

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel ultlneare Algebra und hre Anwendungen Nr. : Normalformen Verfasser: Yee Song Ko Adran Jenn Rebecca Huber Daman Hodel 9.5.7 - - ultlneare Algebra und hre Anwendungen Jordan sche Normalform Allgemene heore

Mehr

Lineare Optimierung Dualität

Lineare Optimierung Dualität Kaptel Lneare Optmerung Dualtät D.. : (Dualtät ) Folgende Aufgaben der lnearen Optmerung heßen symmetrsch dual zuenander: und { z = c x Ax b x } max, 0 { Z b A c } mn =, 0. Folgende Aufgaben der lnearen

Mehr

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder - Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole

Mehr

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz): LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete

Mehr

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n Regressonsgerade x x x x 3... x n y y y y 3... y n Bem Auswerten von Messrehen wrd häufg ene durch theoretsche Überlegungen nahegelegte lneare Bezehung zwschen den x- und y- Werten gesucht, d.h. ene Gerade

Mehr

Das Bayessche Theorem ist ein Ergebnis aus der Wahrscheinlichkeitstheorie und liefert einen Zusammenhang zwischen bedingten Wahrscheinlichkeiten.

Das Bayessche Theorem ist ein Ergebnis aus der Wahrscheinlichkeitstheorie und liefert einen Zusammenhang zwischen bedingten Wahrscheinlichkeiten. ayessches Theorem Das ayessche Theorem st en Ergens aus der ahrschenlchetstheore und lefert enen Zusammenhang zwschen edngten ahrschenlcheten.. ayessches Theorem für Eregnsse Senen und zwe elege Eregnsse.

Mehr

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree

Mehr

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung: Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab

Mehr

Netzwerkstrukturen. Entfernung in Kilometer:

Netzwerkstrukturen. Entfernung in Kilometer: Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.

Mehr

1 Mehrdimensionale Analysis

1 Mehrdimensionale Analysis 1 Mehrdmensonale Analyss Bespel: De Gesamtmasse der Erde st ene Funton der Erddchte ρ Erde und des Erdradus r Erde De Gesamtmasse der Erde st dann m Erde = V Erde ρ Erde Das Volumen ener Kugel mt Radus

Mehr

6. Übung zur Linearen Algebra II

6. Übung zur Linearen Algebra II Unverstät Würzburg Mathematsches Insttut Prof. Dr. Peter Müller Dr. Peter Fleschmann SS 2006 30.05.2006 6. Übung zur Lnearen Algebra II Abgabe: Bs Mttwoch, 14.06.2006, 11:00 Uhr n de Brefkästen vor der

Mehr

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression Beschrebung des Zusammenhangs zweer metrscher Merkmale Streudagramme Korrelatonskoeffzenten Regresson Alter und Gewcht be Kndern bs 36 Monaten Knd Monate Gewcht 9 9 5 8 3 4 7.5 4 3 6 5 3 6 4 3.5 7 35 5

Mehr

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)). 44 n n F F a) b) Abbldung 3.: Besetzungszahlen enes Fermgases m Grundzustand (a)) und für ene angeregte Konfguraton (b)). 3.3 Ferm Drac Statstk In desem Abschntt wollen wr de thermodynamschen Egenschaften

Mehr

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen 196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen

Mehr

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1. Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.

Mehr

Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord

Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord 1 Kredtrskomodellerung und Rskogewchte m Neuen Baseler Accord erschenen n: Zetschrft für das gesamte Kredtwesen (ZfgK), 54. Jahrgang, 2001, S. 1004-1005. Prvatdozent Dr. Hans Rau-Bredow, Lehrstuhl für

Mehr

-70- Anhang: -Lineare Regression-

-70- Anhang: -Lineare Regression- -70- Anhang: -Lneare Regressn- Für ene Messgröße y f(x) gelte flgender mathematsche Zusammenhang: y a+ b x () In der Regel läßt sch durch enen Satz vn Messwerten (x, y ) aber kene Gerade zechnen, da de

Mehr

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten Versuch r. 1: achwes des Hook schen Gesetzes und Bestmmung der Federkonstanten achwes des Hookeschen Gesetzes und Bestmmung der Federkonstanten Klasse : ame1 : ame 2 : Versuchszel: In der Technk erfüllen

Mehr

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

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen

Mehr

2. Wahrscheinlichkeitsrechnung

2. Wahrscheinlichkeitsrechnung . Grundlagen der Wahrschenlchketsrechnung. Wahrschenlchketsrechnung Der Wahrschenlchketstheore kommt ene wchtge Rolle als Bndegled zwschen der deskrptven und der nduktven Statstk zu. Aufgabe der nduktven

Mehr

Eine kurze Einführung in die Dichtefunktionaltheorie (DFT)

Eine kurze Einführung in die Dichtefunktionaltheorie (DFT) Ene kurze Enführung n de Dchtefunktonaltheore (DFT) Mchael Martns Lteratur: W. Koch, M.C. Holthausen A Chemst s Gude to Densty Functonal Theory Wley-VCH 2001 Dchtefunktonaltheore p.1 Enletung Im Falle

Mehr

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2 ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung

Mehr

Übung zur Vorlesung. Informationstheorie und Codierung

Übung zur Vorlesung. Informationstheorie und Codierung Übung zur Vorlesung Informatonstheore und Coderung Prof. Dr. Lla Lajm März 25 Ostfala Hochschule für angewandte Wssenschaften Hochschule Braunschweg/Wolfenbüttel Postanschrft: Salzdahlumer Str. 46/48 3832

Mehr

Seminar Einführung in die Kunst mathematischer Ungleichungen

Seminar Einführung in die Kunst mathematischer Ungleichungen Semnar Enführung n de Kunst mathematscher Unglechungen Cauchys erste Unglechung und de Unglechung vom arthmetschen und geometrschen Mttel Sopha Volmerng. prl 0 Inhaltsverzechns Cauchys erste Unglechung.

Mehr

Facility Location Games

Facility Location Games Faclty Locaton Games Semnar über Algorthmen SS 2006 Klaas Joeppen 1 Abstract Wr haben berets sehr häufg von Nash-Glechgewchten und vor allem von deren Exstenz gesprochen. Das Faclty Locaton Game betet

Mehr

Versicherungstechnischer Umgang mit Risiko

Versicherungstechnischer Umgang mit Risiko Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über

Mehr

1.1 Das Prinzip von No Arbitrage

1.1 Das Prinzip von No Arbitrage Fnanzmärkte H 2006 Tr V Dang Unverstät Mannhem. Das Prnzp von No Arbtrage..A..B..C..D..E..F..G..H Das Framework Bespele Das Fundamental Theorem of Fnance Interpretaton des Theorems und Zustandsprese No

Mehr

Die Transzendenz der Eulerschen Zahl e

Die Transzendenz der Eulerschen Zahl e De Transzendenz der Eulerschen Zahl e nach Jean-Paul Delahaye Der n [1, Seten 21-22] skzzerte Bewes der Transzendenz der Eulerschen Zahl e wrd m folgenden ausgeführt. En alternatver Bewes, der auf Ideen

Mehr

Die Jordansche Normalform

Die Jordansche Normalform De Jordansche Normalform Danel Hug 29. Aprl 211 KIT Unverstät des Landes Baden-Württemberg und natonales Forschungszentrum n der Helmholtz-Gemenschaft www.kt.edu 1 Zerlegung n Haupträume 2 Fazt und nächstes

Mehr

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf.

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf. Ich habe en Bespel ähnlch dem der Ansys-Issue [ansys_advantage_vol_ssue3.pdf durchgeführt. Es stammt aus dem Dokument Rfatgue.pdf. Abbldung 1: Bespel aus Rfatgue.pdf 1. ch habe es manuell durchgerechnet

Mehr

Determinanten - I. den i-ten Zeilenvektor der n n-matrix A bezeichnet.

Determinanten - I. den i-ten Zeilenvektor der n n-matrix A bezeichnet. Determnanten - I Ene Determnante st ene Abbldung, welche ener quadratschen (!) Matrx ene Zahl zuordnet. Wr verwenden n desem Zusammenhang de Schrebwese A = a 2, wobe den -ten Zelenvektor der n n-matrx

Mehr

4.6 Das Pumping-Lemma für reguläre Sprachen:

4.6 Das Pumping-Lemma für reguläre Sprachen: Theoretsche Informatk 1 Vorlesungsskrpt vom Fretag, 30 Jun 000 Index: Erstellt von: (Matrkelnummer: 70899) Sete : 46 Das Pumpng-Lemma für reguläre Sprachen 1 Satz W 1 Zugrundelegende Idee des Pumpng-Lemma

Mehr

2. Die Elementarereignisse sind die Kombinationsmöglichkeiten von: Wappen = W und:

2. Die Elementarereignisse sind die Kombinationsmöglichkeiten von: Wappen = W und: 1 L - Hausaufgabe Nr. 55 Sotag, 1. Ju 2003 Ee Müze werde dremal geworfe. Was st das Zufallsexpermet, das Elemetareregs, das zusammegesetzte Eregs, der Eregsraum ud de Wahrschelchket? Lösugs kte.: 1 De

Mehr

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher. PV - Hausaugabe Nr. 7.. Berechnen Se eakt und verglechen Se de Werte ür de Nullstelle, de mttels dem Verahren von Newton, der Regula als und ener Mttelung zu erhalten snd von der! Funkton: ( ) Lösungs

Mehr

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com. Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

Spiele und Codes. Rafael Mechtel

Spiele und Codes. Rafael Mechtel Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,

Mehr

Entscheidungstheorie Teil 3. Thomas Kämpke

Entscheidungstheorie Teil 3. Thomas Kämpke Entschedngstheore Tel 3 Thomas Kämpke Sete Entschedngstheore Tel 3 Inhalt St. Petersbrg Paradoon (Bernoll 73) Präferenzfnktonen ttelpnktsmethode zr Bestmmng von Wertfnktonen über Intervallen (endmensonal)

Mehr

Erwartungswert, Varianz, Standardabweichung

Erwartungswert, Varianz, Standardabweichung RS 24.2.2005 Erwartungswert_Varanz_.mcd 4) Erwartungswert Erwartungswert, Varanz, Standardabwechung Be jedem Glücksspel nteresseren den Speler vor allem de Gewnnchancen. 1. Bespel: Setzen auf 1. Dutzend

Mehr

Weitere NP-vollständige Probleme

Weitere NP-vollständige Probleme Wetere NP-vollständge Probleme Prosemnar Theoretsche Informatk Marten Tlgner December 10, 2014 Wr haben letzte Woche gesehen, dass 3SAT NP-vollständg st. Heute werden wr für enge wetere Probleme n NP zegen,

Mehr

1 BWL 4 Tutorium V vom 15.05.02

1 BWL 4 Tutorium V vom 15.05.02 1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)

Mehr

Diskrete Mathematik 1 WS 2008/09

Diskrete Mathematik 1 WS 2008/09 Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /

Mehr

ω 0 = Protokoll zu Versuch E6: Elektrische Resonanz

ω 0 = Protokoll zu Versuch E6: Elektrische Resonanz Protokoll zu Versuch E6: Elektrsche esonanz. Enletung En Schwngkres st ene elektrsche Schaltung, de aus Kapaztät, Induktvtät und ohmschen Wderstand besteht. Stmmt de Frequenz der anregenden Wechselspannung

Mehr

Steuerungsverfahren und ihre Datenstrukturen 09 - Netzplantechnik

Steuerungsverfahren und ihre Datenstrukturen 09 - Netzplantechnik und hre Datenstrukturen 9-9....2 9. Zetplanung...2 9.. CPM... 3 9..2 PERT... 9..3 MPM... 5 9..4 Verglech zwschen CPM und MPM... 22 9.2 Ausblck: Kosten- und Kapaztätsplanung...23 9.3 Entschedungsnetzpläne...24

Mehr

Datenaufbereitung und Darstellung

Datenaufbereitung und Darstellung Datenaufberetung und Darstellung 1 Glederung: Zel der Datenaufberetung und Darstellung Datenverdchtung Tabellen und grafsche Darstellungen Darstellung unvarater Datenmengen Darstellung multvarater Daten

Mehr

Stochastik - Kapitel 4

Stochastik - Kapitel 4 Aufgaben ab Sete 5 4. Zufallsgrößen / Zufallsvarablen und hre Vertelungen 4. Zufallsgröße / Zufallsvarable Defnton: Ene Zufallsgröße (Zufallsvarable) X ordnet jedem Versuchsergebns ω Ω ene reelle Zahl

Mehr

AUFGABEN ZUR INFORMATIONSTHEORIE

AUFGABEN ZUR INFORMATIONSTHEORIE AUFGABEN ZUR INFORMATIONSTHEORIE Aufgabe Wr betrachten das folgende Zufallsexperment: Ene fare Münze wrd so lange geworfen, bs erstmals Kopf erschent. De Zufallsvarable X bezechne de Anzahl der dazu notwendgen

Mehr

WS 2016/17 Prof. Dr. Horst Peters , Seite 1 von 9

WS 2016/17 Prof. Dr. Horst Peters , Seite 1 von 9 WS 2016/17 Prof. Dr. Horst Peters 06.12.2016, Sete 1 von 9 Lehrveranstaltung Statstk m Modul Quanttatve Methoden des Studengangs Internatonal Management (Korrelaton, Regresson) 1. Überprüfen Se durch Bestmmung

Mehr

12 UMPU Tests ( UMP unbiased )

12 UMPU Tests ( UMP unbiased ) 89 1 UMPU Tests ( UMP unbased ) Nach Bemerkung 11.8(b) exstert m Allgemenen ken zwesetger UMP- Test zu enem Nveau α. Deshalb Enschränkung auf unverfälschte Tests: ϕ Φ α heßt unverfälscht (unbased) zum

Mehr

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07 Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage

Mehr

Alternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF

Alternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF Alternatve Darstellung des -Stchprobentests für Antele DCF CF Total n= 111 11 3 Response 43 6 69 Resp. Rate 0,387 0,3 0,309 Beobachtete Response No Response Total absolut DCF 43 68 111 CF 6 86 11 69 154

Mehr

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem

Mehr

Experimentalphysik II (Kip SS 2007)

Experimentalphysik II (Kip SS 2007) permentalphsk II (Kp SS 007) Zusatvorlesungen: Z-1 n- und mehrdmensonale Integraton Z- Gradent, Dvergen und Rotaton Z-3 Gaußscher und Stokesscher Integralsat Z-4 Kontnutätsglechung Z-5 lektromagnetsche

Mehr

Folien zur Vorlesung

Folien zur Vorlesung Folen zur Vorlesung Statstk für Prozesswssenschaften (Tel : Wahrschenlchketsrechnung) U. Römsch http://www.tu-berln.de/fak3/staff/roemsch/homepage.html . WAHRSCHEINLICHKEITSRECHNUNG De Wahrschenlchketsrechnung

Mehr

Beschreibende Statistik Mittelwert

Beschreibende Statistik Mittelwert Beschrebende Statstk Mttelwert Unter dem arthmetschen Mttel (Mttelwert) x von n Zahlen verstehen wr: x = n = x = n (x +x +...+x n ) Desen Mttelwert untersuchen wr etwas genauer.. Zege für n = 3: (x x )

Mehr

Streuungs-, Schiefe und Wölbungsmaße

Streuungs-, Schiefe und Wölbungsmaße aptel IV Streuungs-, Schefe und Wölbungsmaße B... Lagemaße von äufgketsvertelungen geben allen weng Auskunft über ene äufgketsvertelung. Se beschreben zwar en Zentrum deser Vertelung, geben aber kenen

Mehr

Zusammenfassung der letzten LVA. Diskrete Mathematik

Zusammenfassung der letzten LVA. Diskrete Mathematik Zusammenfassung Dskrete Mathematk Chrstna Kohl Georg Moser Oleksandra Panasuk Chrstan Sternagel Vncent van Oostrom Insttut für Informatk @ UIBK Sommersemester 2017 Zusammenfassung der letzten LVA ene Telmenge

Mehr

Bemerkungen zum LCG Rupert Hartung,

Bemerkungen zum LCG Rupert Hartung, mt Bemerkungen zum LCG Rupert Hartung, 24.6.2005 Wr betrachten den Lnear Congruental Generator (LCG) X 0, X 1,..., X,... X +1 = ax + c mod N (1) zur Erzeugung von Pseudozufallszahlen mäÿger Qualtät. De

Mehr

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2 1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:

Mehr

Kleiner Fermatscher Satz, Chinesischer Restsatz, Eulersche ϕ-funktion, RSA

Kleiner Fermatscher Satz, Chinesischer Restsatz, Eulersche ϕ-funktion, RSA Klener Fermatscher Satz, Chnesscher Restsatz, Eulersche ϕ-funkton, RSA Manfred Gruber http://www.cs.hm.edu/~gruber SS 2008, KW 15 Klener Fermatscher Satz Satz 1. Se p prm und a Z p. Dann st a p 1 mod p

Mehr

P(mindestens zwei gleiche Augenzahlen) = = 0.4 = = 120. den 5 vorbereiteten Gebieten drei auszuwählen: = 10. Deshalb ist 120 =

P(mindestens zwei gleiche Augenzahlen) = = 0.4 = = 120. den 5 vorbereiteten Gebieten drei auszuwählen: = 10. Deshalb ist 120 = Hochschule Harz Fachberech Automatserung und Informatk Prof. Dr. T. Schade Ft for Ab & Study - Aprl 2014 Lösungen zu den Aufgaben zu elementarer Wahrschenlchketsrechnung 1. a 12 11 10 9 = 33 = 0.102 20

Mehr

50 Matrixnormen und Eigenwertabschätzungen

50 Matrixnormen und Eigenwertabschätzungen 50 Matrxnormen und Egenwertabschätzungen 501 Motvaton De Berechnung der Egenwerte ener Matrx st aufwändg (vgl Kaptel 45, Kaptel 51) Kann man de Egenwerte ener Matrx mt gerngem Aufwand abschätzen? Des spelt

Mehr

Standardnormalverteilung / z-transformation

Standardnormalverteilung / z-transformation Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ

Mehr

Wahrscheinlichkeitstheorie

Wahrscheinlichkeitstheorie Wahrschenlchet Grundbegrffe Wahrschenlchetsbegrffe (Axomatsche Defnton) Rechenoperatonen mt Wahrschenlcheten Statstsche Unabhängget Numersche Berechnung von Wahrschenlcheten Klasssche Bemessung nach Laplace

Mehr

Vorlesung Programmieren II

Vorlesung Programmieren II Hashng Vorlesung Prograeren II Mchael Bergau Fortsetzung der Stoffenhet Hashng Hashng 2 Was st Hashng? Hashng st ene Methode zur dynaschen Verwaltung von Daten, wobe de Daten durch enen Schlüssel (key)

Mehr

2. Rechnen mit Wahrscheinlichkeiten

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

Mehr

Prof. Dr. Roland Füss Statistik II SS 2008

Prof. Dr. Roland Füss Statistik II SS 2008 5. Spezelle Testverfahren Zahlreche parametrsche und nchtparametrsche Testverfahren, de nach Testvertelung (Bnomal, t-test etc.), Analysezel (Anpassungs- und Unabhänggketstest) oder Konstrukton der Prüfgröße

Mehr

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt Kaptel 3 Zwe Personen Spele 3.1 Matrxspele 3.2 Matrxspele n gemschten Strategen 3.3 B Matrxspele und quadratsche Programme 3.4 B Matrxspele und lneare Komplementartätsprobleme 3.1 Matrxspele Wr betrachten

Mehr

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale 3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche

Mehr

Wahrscheinlichkeit. Für die Berechnung von Wahrscheinlichkeitsproblemen gelten einige Axiome.

Wahrscheinlichkeit. Für die Berechnung von Wahrscheinlichkeitsproblemen gelten einige Axiome. Wahrschenlchket Wahrschenlchket De Axome der Wahrschenlchketsrechnung Zwschen der Anzahl bestmmter Eregnsse, de durch ene gewsse Zufallsvarable gekennzechnet snd, und der Wahrschenlchket für hr Entreten

Mehr

Zulassungsprüfung Stochastik,

Zulassungsprüfung Stochastik, Zulassungsprüfung Stochastk, 11.5.13 Wr gehen stets von enem Maßraum (, A, µ) bzw. enem Wahrschenlchketsraum (,A,P) aus. De Borel σ-algebra auf R n wrd mt B n bezechnet, das Lebesgue Maß auf R n wrd mt

Mehr

Die Kugel Lösungen. 1. Von einer Kugel ist der Radius bekannt. Berechne Volumen und Oberfläche der

Die Kugel Lösungen. 1. Von einer Kugel ist der Radius bekannt. Berechne Volumen und Oberfläche der De Kugel Lösungen 1. Von ener Kugel st der Radus bekannt. Berechne Volumen und Oberfläche der Kugel. r,8 cm 5, cm 18,6 cm 4, cm 5,6 cm 4,8 cm V 0 cm³ 64 cm³ 6 954 cm³ cm³ 76 cm³ 46 cm³ O 181 cm² 5 cm²

Mehr

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct? We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de

Mehr