Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.2/58
|
|
|
- Franka Schumacher
- vor 7 Jahren
- Abrufe
Transkript
1 Statistik Einführung Wahrscheinlichkeitstheorie Kapitel 3 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Leydold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.0/58 Lernziele 1. Definieren Experimente, Elementarereignisse, Ereignisse, Ereignisraum und Wahrscheinlichkeit. 2. Erklären wie Wahrscheinlichkeiten Ereignissen zugeordnet werden. 3. Verwenden Kontingenztafel, Venn-Diagramme und Bäume zum Bestimmen von Wahrscheinlichkeiten. 4. Beschreiben und verwenden Regeln für Wahrscheinlichkeiten. 5. Definieren von Unabhängigkeit und bedingter Wahrscheinlichkeit. Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.1/58 Problem Problem 1: Wie groß ist die Wahrscheinlichkeit, dass beim Werfen einer Münze Kopf kommt? Verwenden Sie eine Skala von 0 ( sicher nicht ) bis 1 ( sicher ). Problem 2: Werfen Sie nun eine Münze zweimal! Haben Sie genau einmal Kopf und einmal Zahl geworfen? Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.2/58
2 # Kopf / # Wuerfe # Wuerfe Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.3/58 Experimente, Ergebnisse und Ereignisse Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.4/58 Experimente 1. (Zufalls-) Experiment Ein Verfahren um eine Beobachtung zu erhalten. Spezifikation des Merkmals: Was interessiert mich an dem Experiment? Was wird beobachtet? 2. Elementarereignis 3. Ereignis Elementares (einfachstes) Ergebnis eines Experiments. Ein mögliches Ergebnis eines Experiments. 4. Ereignisraum (S) Kollektion aller Kombinationen von Ereignissen. Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.5/58
3 1. Experiment: Ziehe Spielkarte. Beobachte Farbe und Typ der Karte. 2. Ereignisse: schwarze Karte, As, Herz-König, Pik, Bild, rote 5, Elementarereignisse: Herz-2,..., Pik-König, Pik-Ass. 4. Ereignisraum: Alle möglichen Kombinationen von Karten. Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.6/58 Ergebnisse // Beispiele Experiment Beobachtet Elementarereignisse Werfen einer Münze Seite Zahl, Kopf Werfen von zwei Münzen Wurffolge ZK, KZ, KK, ZZ Ziehen einer Karte Farbe & Wert Pik-2, Karo-2,......, Herz-Ass (52) Ziehen einer Karte Farbe rot, schwarz Fußballspiel Ausgang gewinnen, verlieren, unentschieden Kontrolle eines Geräts Zustand defekt, in Ordnung Kunde im Geschäft Geschlecht m, w Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.7/58 Ergebnisse // Eigenschaften Immer nur ein Ergebnis pro Versuch. Beispiel: Eine Person kann nur ein Geschlecht besitzen. Bei jedem Versuch wird stets ein Ergebnis erhalten. Beispiel: Beim Werfen einer Münze muss Kopf oder Zahl kommen. Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.8/58
4 Experiment: Werfen von 2 Münzen. Beobachtet wird Kopf/Zahl. (Zusammengesetztes) Ereignis Ereignisraum Menge der zugehörigen Elementarereignisse KK, KZ, ZK, ZZ 1 Kopf und 1 Zahl KZ, ZK Kopf auf 1. Münze zumindest einmal Kopf Kopf auf beiden Münzen KK, KZ KK, KZ, ZK KK Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.9/58 Ereignisraum Statistik Einführung // Wahrscheinlichkeitstheorie 3 p./58 Veranschaulichung des Ereignisraums Tabelle oder Liste Venn-Diagramm Kontingenztafel Entscheidungsbaum Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.11/58
5 Experiment: Werfen von 2 Münzen. Beobachtet wird Kopf/Zahl. S KZ ZK ZZ KK Elementarereignis Zusammengesetztes Ereignis Ereignisraum: S KK, KZ, ZK, ZZ Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.12/58 Kontingenztafel Experiment: Werfen von 2 Münzen. Beobachtet wird Kopf/Zahl. 1. Münze 2. Münze Kopf Zahl Gesamt Kopf KK KZ KK, KZ Zahl ZK ZZ ZK, ZZ Gesamt KK, ZK KZ, ZZ S Ereignisraum: S KK, KZ, ZK, ZZ Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.13/58 Entscheidungsbaum Experiment: Werfen von 2 Münzen. Beobachtet wird Kopf/Zahl. Zahl Zahl,Zahl Zahl Kopf Zahl Zahl,Kopf Kopf,Zahl Kopf Kopf Kopf,Kopf Ereignisraum S Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.14/58
6 Zusammengesetzte Ereignisse Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.15/58 Zusammengesetzte Ereignisse Zusammengesetzte Ereignisse erhält man durch Bildung von 1. Durchschnitt Alle Elementarereignisse, die in beiden Ereignissen A und B enthalten sind. Symbol: (d.h., A B) 2. Vereinigung Alle Elementarereignisse, die in Ereignis A oder B enthalten sind. Symbol: (d.h., A B) Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.16/58 Venn Diagramm Durchschnitt Experiment: Ziehen einer Karte. Beobachtet wird Art und Farbe. Ass schwarz S Ereignis: Ass schwarz Pik-Ass, Treff-Ass Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.17/58
7 Experiment: Ziehen einer Karte. Beobachtet wird Art und Farbe. Typ Farbe rot schwarz Gesamt Ass Ass & rot Ass & schwarz Ass nicht-ass nicht & rot nicht & schwarz nicht-ass Gesamt rot schwarz S Ass schwarz Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.18/58 Venn Diagramm Vereinigung Experiment: Ziehen einer Karte. Beobachtet wird Art und Farbe. Ass schwarz S Ereignis: Ass schwarz Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.19/58 Tabelle Vereinigung Experiment: Ziehen einer Karte. Beobachtet wird Art und Farbe. Typ Farbe rot schwarz Gesamt Ass Ass & rot Ass & schwarz Ass nicht-ass nicht & rot nicht & schwarz nicht-ass Gesamt rot schwarz S Ass schwarz Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.20/58
8 Unmögliches (leeres) Ereignis Ereignis, das nicht eintreten kann. Beispiel: Karte, die sowohl Ass als auch König zeigt. Komlementärereignis Ereignis Ā, das alle Elementarereignisse enthält, die nicht in A vorkommen. Beispiel: Komplement zu scharze Karte ist rote Karte. Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.21/58 Venn Diagramm Komplement Experiment: Ziehen einer Karte. Beobachtet wird Art und Farbe. rot S Ereignis: nicht- rot Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.22/58 Wahrscheinlichkeit Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.23/58
9 1. Numerisches Maß für die Chance, dass ein Ereignis eintritt P Ereignis Ereignisse werden mit Großbuchstaben, A, B, C,..., bezeichnet. P A, Probability A 2. Liegt zwischen 0 (sicher nicht) und 1 (sicher). 3. Summe der Wahrscheinlichkeiten aller Elementarereignisse ist 1. Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.24/58 Wahrscheinlichkeiten spezielle Ereignisse Unmögliches Ereignis A Ereignis mit der Wahrscheinlichkeit 0. P A 0 Beispiel: Eichel im französischen Blatt Komplementärereignis zu A, Ā P Ā 1 P A bzw. P A P Ā 1 Beispiel: A Herz, Ā Nicht Herz Einander ausschließende Ereignisse A und B P A B 0 P A Ā 0 (Gilt für jede Wahl von A.) Beispiel: A Pik, B Herz Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.25/58 Zuordnung von Wahrscheinlichkeiten Zuordnen von Wahrscheinlichkeiten zu Ereignissen: A priori Methode Empirische Methode Subjektive Methode Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.26/58
10 Struktur des Experiments muß im Vorhinein bekannt sein. Beispiel: Würfeln (idealer Würfel) Jede Augenzahl ist gleichwahrscheinlich: P 1 P 2... P Regel für gleichwahrscheinliche Elementarereignisse: P Ereignis Anzahl der günstigen Fälle Anzahl der möglichen Fälle G M Beispiel: Würfeln (idealer Würfel) P 1 G M 1 6 P 1, 2 G M 2 6 P Gerade Augenzahl P 2, 4, 6 G M 3 6 Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.27/58 Empirische Methode Daten werden bei Experiment gesammelt. Auswertung: P Ereignis Anzahl mit Eigenschaft Anzahl der Wiederholungen X N Beispiel: Ausschußwahrscheinlichkeit 00 Teile werden auf Fehler kontrolliert. Es werden 20 defekte Teile festgestellt. P defekt X N % Annahme: Es gibt keine Änderung der Anteile. Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.28/58 Subjektive Methode Die Wahrscheinlichkeit wird vor dem Experiment erhoben. Basiert auf individuellem Wissen, Erfahrung. Die Antwort unterscheidet sich je nachdem, wen man fragt. Beispiele: Frage an den Experten: Wo wird der Aktienmarkt im Dezember stehen? P DAX 2500? Frage an den Mann/Frau von der Straße : Kommt ein Irakkrieg? P Irakkrieg? Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.29/58
11 Welche Methoden sind auf folgende Problemstellungen anzuwenden? Werfen einer Münze Lotto spielen Aktien veranlagen Wie groß ist die Wahrscheinlichkeit, dass ein Teilnehmer dieser LV die Note Gut bekommt?... Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.30/58 W. für zusammengesetzte Ereignisse Wahrscheinlichkeiten für zusammengesetzte Ereignisse können folgendermaßen ermittelt werden: Aus der Kontingenztafel ablesen Formale Methoden Additionsregel Bedingte Wahrscheinlichkeiten Multiplikationsregel Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.31/58 Bestimmen von W. mit einer Kontingenztafel A, B sind Ereignisse aus einem Ereignisraum B B Gesamt A P A B P A B P A Ā P Ā B P Ā B P Ā Gesamt P B P B 1 Gemeinsame Wahrscheinlichkeit von A und B Randwahrscheinlichkeiten B wird aufgeteilt in A B und Ā B (einander auschl.), sodass B A B Ā B, P B P A B P Ā B. Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.32/58
12 Experiment: Ziehen einer Karte. Beobachtet wird Art und Farbe. Farbe rot schwarz Gesamt Ass 2/52 2/52 4/52 Nicht Ass 24/52 24/52 48/52 Gesamt 26/52 26/52 52/52 P rot P rot & Ass P Ass Anzahl der (gleichwahrscheinlichen) Elementarereignisse ist 52. P Ass G M 4 günstige 52 mögliche 4 52 Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.33/58 Beispiel Die folgende Tabelle gibt die Anzahl der (gleichwahrscheinlichen) Elementarereignisse zu jedem Ereignis: C C Gesamt A Ā Gesamt 5 5 Wieviele Elementarereignisse gibt es insgesamt? Wie groß sind die folgenden Wahrscheinlichkeiten? P A 6 P C 5 P C Ā 1 P A C 2 P C C 0 Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.34/58 Additionsregel Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.35/58
13 Die Additionsregel wird verwendet, um Wahrscheinlichkeiten von Vereinigungen von Ereignissen, A B, zu berechnen. P A oder B P A B P A P B P A B Für einander ausschließende Ereignisse (P A B 0) gilt P A oder B P A B P A P B Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.36/58 Additionsregel // Beispiel Experiment: Ziehen einer Karte. Beobachtet wird Art und Farbe. Anzahl der Elementarereignisse: Farbe rot schwarz Gesamt Typ Ass nicht-ass Gesamt P Ass oder schwarz P Ass P schwarz P Ass schwarz Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.37/58 Additionsregel // Beispiel Die folgende Tabelle gibt die Anzahl der (gleichwahrscheinlichen) Elementarereignisse zu jedem Ereignis: C C Gesamt A Ā Gesamt 5 5 Wie groß sind die folgenden Wahrscheinlichkeiten? P A C P A P C P A C P Ā C P Ā P C P Ā C P A Ā 1 Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.38/58
14 Bedingte Wahrscheinlichkeit Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.39/58 Bedingte Wahrscheinlichkeit Wahrscheinlichkeit eines Ereignisses, gegeben dass ein anderes Ereignis eingetreten ist. Schränkt die Grundgesamtheit auf den Teil ein, der zur neuen Information passt. (Einige Elementarereignisse scheiden aus.) Notation und Definition: P A B P A B P B Sprechweise: Wahrscheinlichkeit von A unter der Bedingung B, Wahrscheinlichkeit von A gegeben B Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.40/58 Bedingte Wahrsch. // Venn-Diagramm Experiment: Ziehen einer Karte. Beobachtet wird Art und Farbe. Ass schwarz gegeben schwarz schränkt den Raum ein S schwarz (Sneu) Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.41/58
15 Experiment: Ziehen einer Karte. Beobachtet wird Art und Farbe. Anzahl der Elementarereignisse: Farbe rot schwarz Gesamt Typ Ass nicht-ass Gesamt Neuer Raum bei gegeben schwarz (Bedingung). Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.42/58 Bedingte Wahrsch. // Tabelle Fs. Experiment: Ziehen einer Karte. Beobachtet wird Art und Farbe. Wahrscheinlichkeiten: Farbe rot schwarz Gesamt Typ Ass 2/26 nicht-ass 24/26 Gesamt 1 P Ass schwarz P Ass schwarz P schwarz P nicht-ass schwarz P nicht-ass schwarz P schwarz. Die Wahrscheinlichkeiten addieren sich auf Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.43/58 Statistische Unabhängigkeit Das Eintreten eines Ereignisses A hat keine Auswirkung auf die Wahrscheinlichkeit des Eintretens eines anderen Ereignisses B. A und B sind dann (stochastisch) unabhängig. Beispiel: Werfen von 2 Münzen Das Ergebnis des 2. Wurfs ist vom Ergebnis des 1. Wurfs unabhängig. Keine Kausalität! Überprüfung, ob A und B unabhängig sind: Es gilt P A B P A und P A B P A P B Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.44/58
16 Experiment: Auswählen (ohne Zurücklegen) von 2 aus 20 Kugeln. Sechs Kugeln sind rot, 14 blau. P(rot)=6/20 rot P(rot rot)=5/19 P(blau rot)=14/19 rot blau abhängig! P(blau)=14/20 blau P(rot blau)=6/19 P(blau blau)=13/19 rot blau P blau rot P blau Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.45/58 Statistische Unabhängigkeit // Beispiel Die folgende Tabelle gibt die Anzahl der (gleichwahrscheinlichen) Elementarereignisse zu jedem Ereignis: C C Gesamt A Ā Gesamt 5 5 Berechnen Sie folgende Wahrscheinlichkeiten und stellen sie fest, ob C und Ā unabhängig sind? P A C? P C Ā? Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.46/58 Statistische Unabhängigkeit // Lösung P A C P A C P C P C Ā P C Ā P Ā P C daher nicht unabhängig Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.47/58
17 Multiplikationsregel Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.48/58 Multiplikationsregel Die Multiplikationsregel wird verwendet, um Wahrscheinlichkeiten von Durchschnitten von Ereignissen, A B, zu berechnen. P A und B P A B P A P B A P B P A B Für unabhängige Ereignisse, A, B, gilt P A und B P A B P A P B Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.49/58 Multiplikationsregel // Beispiel Experiment: Ziehen einer Karte. Beobachtet wird Art und Farbe. Anzahl der Elementarereignisse: Typ Farbe rot schwarz Gesamt Ass nicht-ass Gesamt P Ass und schwarz P Ass P schwarz Ass 2 52 P schwarz Ass P schwarz. Schwarz und Ass sind unabh.! Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.50/58
18 Die folgende Tabelle gibt die Anzahl der (gleichwahrscheinlichen) Elementarereignisse zu jedem Ereignis: C C Gesamt A Ā Gesamt 5 5 Wie groß sind die folgenden Wahrscheinlichkeiten? P C Ā P C P Ā C P Ā C P Ā P C Ā P A Ā 0 Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.51/58 Beispiel Beispiel: Verteilung von Produktbeschwerden Grund(G) Zeitpunkt(Z) elektr(e) mechan(m) Gehäuse(g) Gesamt während 18% 13% 32% Garantie(w) nach 12% 22% 3% Garantie(n) Gesamt Ergänzen Sie die Tabelle. Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.52/58 Beispiel - Fs. Beispiel: Verteilung von Produktbeschwerden Grund(G) Zeitpunkt(Z) elektr(e) mechan(m) Gehäuse(g) Gesamt während 18% 13% 32% 63% Garantie(w) nach 12% 22% 3% 37% Garantie(n) Gesamt 30% 35% 35% 0% Bestimmen Sie die Wahrscheinlichkeiten: P G e P Z w G e, P Z n G e, P Z w G m, P Z n G m, P Z w G g, P Z n G g. Z w, Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.53/58
19 Beispiel: Verteilung von Produktbeschwerden Grund(G) Zeitpunkt(Z) elektr(e) mechan(m) Gehäuse(g) Gesamt während 18% 13% 32% 63% Garantie(w) 60% 37% 91% nach 12% 22% 3% 37% Garantie(n) 40% 63% 9% Gesamt 30% 35% 35% 0% 0% 0% 0% P G e Z w % P. G e, P. G m, P. G g. Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.54/58 Beispiel - Fs. Beispiel: Verteilung von Produktbeschwerden Grund(G) Zeitpunkt(Z) elektr(e) mechan(m) Gehäuse(g) Gesamt während 18% 13% 32% 63% Garantie(w) nach 12% 22% 3% 37% Garantie(n) Gesamt 30% 35% 35% 0% Wie lauten die bedingten Verteilungen für Z w und Z n : P G e Z w, P G m Z w, P G g Z w, P G e Z n, P G m Z n, P G g Z n. Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.55/58 Beispiel - Lösung Beispiel: Verteilung von Produktbeschwerden Grund(G) Zeitpunkt(Z) elektr(e) mechan(m) Gehäuse(g) Gesamt während 18% 13% 32% 63% Garantie(w) 28% 21% 51% 0% nach 12% 22% 3% 37% Garantie(n) 32% 59% 8% 0% Gesamt 30% 35% 35% 0% Hervorgehoben die bedingten Verteilungen für Z Z n. w und Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.56/58
20 Wie lautet die Verteilung von Zeitpunkt und Grund bei Unabhängigkeit aller Ereignisse (w,n) und (e,m,g)? Grund(G) Zeitpunkt(Z) elektr(e) mechan(m) Gehäuse(g) Gesamt während 18% 13% 32% 63% Garantie(w) 30 63/0% 35 63/0% 35 63/0% nach 12% 22% 3% 37% Garantie(n) 30 37/0% 35 37/0% 35 37/0% Gesamt 30% 35% 35% 0% P Z n G g bei Unabhängigkeit P Z n P G g % % % usw. Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.57/58 Zusammenfassung 1. Definierten Experimente, Elementarereignisse, Ereignisse, Ereignisraum und Wahrscheinlichkeit. 2. Erklärten wie Wahrscheinlichkeiten Ereignissen zugeordnet werden. 3. Verwendeten Kontingenztafel, Venn-Diagramme und Bäume zum Bestimmen von Wahrscheinlichkeiten. 4. Beschrieben und verwendeten Regeln die Additions- und Multiplikationsregel. 5. Definierten Unabhängigkeit und bedingte Wahrscheinlichkeit. Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.58/58
Wahrscheinlichkeitstheorie
Kapitel 2 Wahrscheinlichkeitstheorie Josef Leydold c 2006 Mathematische Methoden II Wahrscheinlichkeitstheorie 1 / 24 Lernziele Experimente, Ereignisse und Ereignisraum Wahrscheinlichkeit Rechnen mit Wahrscheinlichkeiten
Zusammenfassung Stochastik
Zusammenfassung Stochastik Die relative Häufigkeit Ein Experiment, dessen Ausgang nicht vorhersagbar ist, heißt Zufallsexperiment (ZE). Ein Würfel wird 40-mal geworfen, mit folgendem Ergebnis Augenzahl
Wahrscheinlichkeitsrechnung
Wahrscheinlichkeitsrechnung Grundbegriffe: Experiment: ein Vorgang, den man unter gleichen Voraussatzungen beliebig oft wiederholen kann. Ergebnis ω : Ausgang eines Experiments Ergebnismenge Ω : Menge
Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürgen Senger INDUKTIVE STATISTIK Wahrscheinlichkeitstheorie, Schätz- und Testverfahren ÜBUNG - LÖSUNGEN. Zweimaliges Werfen eines Würfels mit Berücksichtigung der Reihenfolge a. Ergebnismenge (Ereignisraum)
Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürgen Senger INDUKTIVE STATISTIK Wahrscheinlichkeitstheorie, Schätz- und Testverfahren ÜBUNG. - LÖSUNGEN. Werfen eines idealen Würfels a. Sei A das Ereignis, eine zu würfeln A { } Das Ereignis, keine
Zufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen
Zufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen Wichtige Tatsachen und Formeln zur Vorlesung Mathematische Grundlagen für das Physikstudium 3 Franz Embacher http://homepage.univie.ac.at/franz.embacher/
Ereignis E: ist ein oder sind mehrere Ergebnisse zusammen genommen. Bsp. E = {2; 4; 6}
Laplace-Experimente Begriffsklärung am Beispiel eines Laplace-Würfel mit Augenzahlen (AZ) 1-6: Ergebnis: ist jeder Ausgang eines Zufallsexperimentes heißt ein Ergebnis ω dieses Zufallsexperimentes. Die
2.2 Ereignisse und deren Wahrscheinlichkeit
2.2 Ereignisse und deren Wahrscheinlichkeit Literatur: [Papula Bd., Kap. II.2 und II.], [Benning, Kap. ], [Bronstein et al., Kap. 1.2.1] Def 1 [Benning] Ein Zufallsexperiment ist ein beliebig oft wiederholbarer,
Interaktives Skriptum: Elementare Wahrscheinlichkeitsrechnung
Interaktives Skriptum: Elementare Wahrscheinlichkeitsrechnung 1. Grundbegriffe Würfeln, Werfen einer Münze, Messen der Lebensdauer einer Glühbirne Ausfall/Ausgang: Würfeln: Augenzahlen 1, 2, 3, 4, 5, 6
Statistik Einführung // Kategoriale Daten 10 p.2/26
Statistik Einführung Kategoriale Daten Kapitel 10 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Leydold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Kategoriale Daten
Vorkurs Mathematik. Christoph Hindermann. Wahrscheinlichkeitstheorie
Kapitel 4 Christoph Hindermann Vorkurs Mathematik 1 4.0 Motivation Wenn 100 Münzen geworfen werden, wie ist dann die Wahrscheinlichkeit, dass genau 50 davon Kopf zeigen? Angenommen, es befinden sich 300
Einführung. Wahrscheinlichkeit. 1 Wahrscheinlichkeit: Definition und Interpretation. 2 Elementare Wahrscheinlichkeitsrechnung, bedingte
Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2 Elementare Wahrscheinlichkeitsrechnung, bedingte Wahrscheinlichkeit Axiome nach Kolmogorov Gegeben sei ein Zufallsexperiment mit Ergebnisraum
Biometrieübung 2 Wahrscheinlichkeitsrechnung
Biometrieübung 2 (Wahrscheinlichkeitsrechnung) - Aufgabe Biometrieübung 2 Wahrscheinlichkeitsrechnung Aufgabe 1. Kartenspiel Wie groß ist die Wahrscheinlichkeit, daß man aus einem Kartenspiel mit 52 Karten
Kapitel 2 Wahrscheinlichkeitsrechnung
Motivation bisher: Beschreibung von Datensätzen = beobachteten Merkmalsausprägungen Frage: Sind Schlußfolgerungen aus diesen Beobachtungen möglich? Antwort: Ja, aber diese gelten nur mit einer bestimmten
Dr. H. Grunert Einführung in die Wahrscheinlichkeitsrechnung Vorlesungscharts. Vorlesung 1. Grundbegriffe der Wahrscheinlichkeitsrechnung
Vorlesungscharts Vorlesung 1 Grundbegriffe der Wahrscheinlichkeitsrechnung Zufallsvorgänge und Zufallsereignisse Definitionen der Wahrscheinlichkeit Seite 1 von 11 Chart 1: Vorgänge deterministisch zufällig
Statistik Einführung // Stichprobenverteilung 6 p.2/26
Statistik Einführung Kapitel 6 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Leydold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // 6 p.0/26 Lernziele 1. Beschreiben
Wahrscheinlichkeitsrechnung [probability]
![Wahrscheinlichkeitsrechnung [probability]](/thumbs/67/56528618.jpg "Wahrscheinlichkeitsrechnung [probability]")
Wahrscheinlichkeitsrechnung [probability] Hinweis: Die Wahrscheinlichkeitsrechnung ist nicht Gegenstand dieser Vorlesung. Es werden lediglich einige Begriffsbildungen bereitgestellt und an Beispielen erläutert,
Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
. Grundlagen der Wahrscheinlichkeitstheorie. Zufallsereignisse, Ereignisraum und Ereignismenge Zufallsexperiment: nach einer bestimmten Vorschrift ausgeführter, unter gleichen edingungen beliebig oft wiederholbarer
Kapitel XI - Die n-fache unabhängige Wiederholung eines Experiments
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XI - Die n-fache unabhängige Wiederholung eines Experiments Wahrscheinlichkeitstheorie Prof. Dr. W.-D. Heller Hartwig
Unabhängigkeit KAPITEL 4
KAPITEL 4 Unabhängigkeit 4.1. Unabhängigkeit von Ereignissen Wir stellen uns vor, dass zwei Personen jeweils eine Münze werfen. In vielen Fällen kann man annehmen, dass die eine Münze die andere nicht
Ziegenproblem, Monty-Hall-Problem, Wahrscheinlichkeitsrechnung. Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem
Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem Wahrscheinlichkeitsrechnung Theorie Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem Ziegenproblem,
Stochastik (Laplace-Formel)
Stochastik (Laplace-Formel) Übungen Spielwürfel oder Münzen werden ideal (oder fair) genannt, wenn jedes Einzelereignis mit gleicher Wahrscheinlichkeit erwartet werden kann. 1. Ein idealer Spielwürfel
1 Wahrscheinlichkeitsrechnung und Zufallsvariablen
1 Wahrscheinlichkeitsrechnung und Zufallsvariablen Zoltán Zomotor Versionsstand: 18. Mai 2015, 09:29 Die nummerierten Felder bitte während der Vorlesung ausfüllen. This work is licensed under the Creative
Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.
R. Brinkmann http://brinkmann-du.de Seite 08..2009 Von der relativen Häufigkeit zur Wahrscheinlichkeit Es werden 20 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 20 Schülern
Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier
Diskrete Strukturen und Logik WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Diskrete Strukturen und Logik Gesamtübersicht Organisatorisches Einführung Logik & Mengenlehre
Mathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 27. Oktober 2010 Teil III Wahrscheinlichkeitstheorie 1 Zufallsereignisse Vorüberlegungen Der Ereignisraum Konstruktionen
15 Wahrscheinlichkeitsrechnung und Statistik
5 Wahrscheinlichkeitsrechnung und Statistik Alles, was lediglich wahrscheinlich ist, ist wahrscheinlich falsch. ( Descartes ) Trau keiner Statistik, die du nicht selbst gefälscht hast. ( Churchill zugeschrieben
Stochastik Grundlagen
Grundlegende Begriffe: Zufallsexperiment: Ein Experiment, das beliebig oft wiederholt werden kann. Die möglichen Ergebnisse sind bekannt, nicht jedoch nicht, welches Ergebnis ein einzelnes Experiment hat.
Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management
Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 2013 Hochschule Augsburg Unabhängigkeit von Ereignissen A, B unabhängig:
4. Die Laplacesche Gleichverteilung
Universität Basel Wirtschaftswissenschaftliches Zentrum Grundlagen der Stochastik Dr. Thomas Zehrt Inhalt: 1. Die Ereignismenge 2. Die Wahrscheinlichkeitsverteilung 3. Eigenschaften einer Wahrscheinlichkeitsverteilung
Wie hoch ist das Risiko, dass ein System, das aus mehreren Komponenten besteht, ausfällt?
In diesem Kapitel werden wir den egriff Wahrscheinlichkeit und die Grundlagen der Wahrscheinlichkeitsrechnung kennenlernen, um z.. folgende Fragestellungen zu beantworten. Wie hoch ist das Risiko, dass
Einführung in die Wahrscheinlichkeitsrechnung
Marco Cattaneo Institut für Statistik Ludwig-Maximilians-Universität München Sommersemester 2011 1. Wahrscheinlichkeitsrechnung 2. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grenzwertsätze
Einführung in die Wahrscheinlichkeitsrechnung
Einführung in die Wahrscheinlichkeitsrechnung Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung
Wahrscheinlichkeiten
Wahrscheinlichkeiten Bestimmung der Wahrscheinlichkeit Bei einem Zufallsexperiment kann man nicht voraussagen, welches Ereignis eintritt, aber manche Ereignisse treten naturgemäß mit einer größeren Wahrscheinlichkeit
1. Grundlagen der Wahrscheinlichkeitsrechnung
1. Grundlagen der Wahrscheinlichkeitsrechnung Ereignisse und Wahrscheinlichkeiten Zufälliger Versuch: Vorgang, der (zumindest gedanklich) beliebig oft wiederholbar ist und dessen Ausgang innerhalb einer
Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren. 1. Zweimaliges Ziehen aus einer Urne (ohne Zurücklegen)
Dr. Jürgen Senger INDUKTIVE STATISTIK Wahrscheinlichkeitstheorie, Schätz- und Testverfahren ÜUNG. - LÖSUNGEN. Zweimaliges Ziehen aus einer Urne (ohne Zurücklegen Die Urne enthält 4 weiße und 8 rote Kugeln.
9. Elementare Wahrscheinlichkeitsrechnung
9. Elementare Wahrscheinlichkeitsrechnung Beispiel (Einmaliges Würfeln): verbal mengentheoretisch I. Zufällige Ereignisse Beispiel (Einmaliges Würfeln): Alle möglichen Ausgänge 1,,, 6 des Experiments werden
Mathematische und statistische Methoden II
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de
1 Elementare Wahrscheinlichkeitstheorie
1 Elementare Wahrscheinlichkeitstheorie 1.1 Zufallsexperiment Definition 1.1. Ein Zufallsexperiment ist ein Vorgang, der im Prinzip beliebig oft unter identischen Randbedingungen wiederholt werden kann.
Bei 10 dieser Würfe wurde gleichzeitig eine 1 gewürfelt. Bei 25 dieser Würfe wurde gleichzeitig eine Augenzahl größer als 2 gewürfelt.
3 Wahrscheinlichkeiten 1 Kapitel 3: Wahrscheinlichkeiten A: Beispiele Beispiel 1: Ein Experiment besteht aus dem gleichzeitigen Werfen einer Münze und eines Würfels. Nach 100 Wiederholungen dieses Experiments
Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26)
Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26 Ein Wahrscheinlichkeitsraum (Ω, P ist eine Menge Ω (Menge aller möglichen Ausgänge eines Zufallsexperiments: Ergebnismenge versehen mit einer Abbildung
Definition: Ein endlicher Ergebnisraum ist eine nichtleere Menge, deren. wird als Ereignis, jede einelementige Teilmenge als Elementarereignis
Stochastische Prozesse: Grundlegende Begriffe bei zufälligen Prozessen In diesem Abschnitt beschäftigen wir uns mit den grundlegenden Begriffen und Definitionen von Zufallsexperimenten, also Prozessen,
Stochastik - Kapitel 2
" k " h(a) n = bezeichnet man als die relative Häufigkeit des Ereignisses A bei n Versuchen. n (Anmerkung: für das kleine h wird in der Literatur häufig auch ein r verwendet) k nennt man die absolute Häufigkeit
Stochastik und Markovketten
1 Zentrum für Bioinformatik der Universität des Saarlandes WS 22/23 2 Warum Stochastik? Viele Fragestellungen der Bioinformatik lassen sich auch heutzutage gar nicht oder nicht schnell genug exakt beantworten
Wahrscheinlichkeit (Teschl/Teschl 2, Kap. 26)
Wahrscheinlichkeit (Teschl/Teschl 2, Kap. 26) Gegeben Menge Ω (Wahscheinlichkeitsraum, Menge aller möglichen Ausgänge eines Zufallsexperiments), Abbildung P : P(Ω) [0, 1] (Wahrscheinlichkeit): Jeder Teilmenge
Kapitel 6. Kapitel 6 Mehrstufige Zufallsexperimente
Mehrstufige Zufallsexperimente Inhalt 6.1 6.1 Mehrstufige Experimente 6.2 6.2 Bedingte Wahrscheinlichkeiten Seite 2 6.1 Mehrstufige Experimente Grundvorstellung: Viele Viele Experimente werden der der
Übungen zur Wahrscheinlichkeitstheorie und Statistik
Übungen zur Wahrscheinlichkeitstheorie und Statistik Prof. Dr. C. Löh/M. Blank Blatt 0 vom 16. April 2012 Aufgabe 1 (Wahrscheinlichkeitsräume). Welche der folgenden Aussagen sind wahr? Begründen Sie jeweils
Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Einführung in die Stochastik. Das komplette Material finden Sie hier:
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Einführung in die Stochastik Das komplette Material finden Sie hier: School-Scout.de Inhaltsverzeichnis Wiederholung Kapitel 1: Der
Beispiele: Beim Zahlenlotto sollte jede Sechserserie von Zahlen mit derselben Wahrscheinlichkeit auftreten.
3. Laplaceexperimente. Beispiele: Beim Zahlenlotto sollte jede Sechserserie von Zahlen mit derselben Wahrscheinlichkeit auftreten. Laplace-Münze: p(k) = p(z) = / Laplace-Würfel: p() =... = p(6) = / 6.
Wahrscheinlichkeitsrechnung
Abiturvorbereitung Wahrscheinlichkeitsrechnung S. 1 von 9 Wahrscheinlichkeitsrechnung Kombinatorik Formeln für Wahrscheinlichkeiten Bedingte Wahrscheinlichkeiten Zusammenfassung wichtiger Begriffe Übungsaufgaben
Grundbegriffe der Wahrscheinlichkeitsrechnung
Algorithmen und Datenstrukturen 349 A Grundbegriffe der Wahrscheinlichkeitsrechnung Für Entwurf und Analyse randomisierter Algorithmen sind Hilfsmittel aus der Wahrscheinlichkeitsrechnung erforderlich.
Wirtschaftsstatistik I [E1]
![Wirtschaftsstatistik I [E1]](/thumbs/50/26269471.jpg "Wirtschaftsstatistik I [E1]")
040571-1 WMS: Wirtschaftsstatistik 1 :: WiSe07/08 Wirtschaftsstatistik I [E1] Schwab, Harald 1 harald.schwab@univie.ac.at http://homepage.univie.ac.at/harald.schwab October 7, 2007 1 Sprechstunde: MO 17-18h
Wahrscheinlichkeitslehre
Wahrscheinlichkeitslehre I. Was ist unter dem Ausdruck "wahrscheinlich" zu verstehen? Wir unterscheiden vier verschiedene, teils miteinander zusammenhängende, teils heterogene Verwendungen des Ausdrucks
UE Statistik 1, SS 2015, letztes Update am 5. März Übungsbeispiele
UE Statistik, SS 05, letztes Update am 5. März 05 Übungsbeispiele Beispiele mit Musterlösungen finden Sie auch in dem Buch Brannath, W., Futschik, A., Krall, C., (00) Statistik im Studium der Wirtschaftswissenschaften..
Rumpfskript. Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen
Rumpfskript Elementare Wahrscheinlichkeitsrechnung Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen Vorbemerkung Vorbemerkung Das vorliegende Skript heißt nicht nur Rumpf skript, sondern
P (X = 2) = 1/36, P (X = 3) = 2/36,...
2.3 Zufallsvariablen 2.3 Zufallsvariablen Meist sind die Ereignisse eines Zufallseperiments bereits reelle Zahlen. Ist dies nicht der Fall, kann man Ereignissen eine reelle Zahl zuordnen. Zum Beispiel
Beschreibende Statistik
Beschreibende Aufgaben der beschreibenden : Erhebung von Daten Auswertung von Daten Darstellung von Daten Erhebung von Daten Bei der Erhebung von Daten geht es um die Erfassung von Merkmalen (Variablen)
Woche 2: Zufallsvariablen
Woche 2: Zufallsvariablen Patric Müller ETHZ WBL 17/19, 24.04.2017 Wahrscheinlichkeit und Statistik Patric Müller WBL 2017 Teil III Zufallsvariablen Wahrscheinlichkeit
3. Grundbegriffe der Wahrscheinlichkeitstheorie
03. JULI 2006: BLATT 17 3. Grundbegriffe der Wahrscheinlichkeitstheorie (v.a. nach Manning/Schütze: 40ff und Fahrmeir /Künstler/Pigeot/Tutz: 171ff) Übersicht Um entscheiden zu können, ob eine statistische
Statistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management
Statistik für Betriebswirtschaft und International Management Sommersemester 2014 Prof. Dr. Stefan Etschberger HSA : Table of Contents 1 Statistik: Einführung 2 Deskriptive Statistik 3 Wahrscheinlichkeitstheorie
1.1 Ergebnisräume einfacher Zufallsexperimente. 2) Es gibt mindestens zwei mögliche Ausgänge des Experiments.
Übungsmaterial 1 1 Zufallsexperimente 1.1 Ergebnisräume einfacher Zufallsexperimente Damit ein Experiment ein Zufallsexperiment ist, müssen folgende Eigenschaften erfüllt sein: 1) Das Experiment lässt
2 STOCHASTISCHE GRUNDBEGRIFFE
2 STOCHASTISCHE GRUNDBEGRIFFE 2.4 Wahrscheinlichkeitsräume 1. Man vereinfache soweit wie möglich (AB A B): (a) (A B)(A B c ) (b) (A B)(B C) (c) (A B)(A c B)(A B c ) (d) (AB) (AB c ) (e) (A B)(A c B)(A
Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 1
TUM, Zentrum Mathematik Lehrstuhl für Mathematische Physik WS 2013/ Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weidner Tutoraufgaben: Einführung in die Wahrscheinlichkeitstheorie svorschläge zu
Teil II. Wahrscheinlichkeitsrechnung
Teil II Wahrscheinlichkeitsrechnung Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2014) Folie 129 5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) 5 Zufallsexperimente Ergebnisse Ereignisse
Teil II. Wahrscheinlichkeitsrechnung. Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2015) Folie 129
Teil II Wahrscheinlichkeitsrechnung Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2015) Folie 129 5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) 5 Zufallsexperimente Ergebnisse Ereignisse
Teil II. Wahrscheinlichkeitsrechnung. Inhaltsverzeichnis (Ausschnitt) Zufallsexperimente (Zufallsvorgänge) Ergebnisse
5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) Teil II Wahrscheinlichkeitsrechnung 5 Zufallsexperimente Ergebnisse Ereignisse Wahrscheinlichkeiten Deskriptive Statistik und Wahrscheinlichkeitsrechnung
Elemente der Stochastik (SoSe 2016) 3. Übungsblatt
Dr. M. Weimar 18.04.016 Elemente der Stochastik (SoSe 016) 3. Übungsblatt Aufgabe 1 (1++=5 Punkte) Das nachfolgende Glücksrad wird einmal gedreht. Ferner bezeichne P eine Abbildung mit den Eigenschaften
Grundbegriffe der Wahrscheinlichkeitstheorie
KAPITEL 1 Grundbegriffe der Wahrscheinlichkeitstheorie 1. Zufallsexperimente, Ausgänge, Grundmenge In der Stochastik betrachten wir Zufallsexperimente. Die Ausgänge eines Zufallsexperiments fassen wir
Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff?
2. Übung: Wahrscheinlichkeitsrechnung Aufgabe 1 Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff? a) P ist nichtnegativ. b) P ist additiv. c) P ist multiplikativ.
1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6
Inhaltsverzeichnis 1 Vorbemerkungen 1 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2 3 Wahrscheinlichkeitsaxiome 4 4 Laplace-Experimente 6 5 Hilfsmittel aus der Kombinatorik 7 1 Vorbemerkungen
Leseprobe. Robert Galata, Sandro Scheid. Deskriptive und Induktive Statistik für Studierende der BWL. Methoden - Beispiele - Anwendungen
Leseprobe Robert Galata, Sandro Scheid Deskriptive und Induktive Statistik für Studierende der BWL Methoden - Beispiele - nwendungen Herausgegeben von Robert Galata, Markus Wessler ISBN (Buch): 978-3-446-43255-0
htw saar 1 KAPITEL 4 BEDINGTE WAHRSCHEINLICHKEIT UND STOCHASTISCHE UNABHÄNGIGKEIT Hans-Peter Hafner WS 2016/2017
htw saar 1 KAPITEL 4 BEDINGTE WAHRSCHEINLICHKEIT UND STOCHASTISCHE UNABHÄNGIGKEIT htw saar 2 Gliederung 25.01. Bedingte Wahrscheinlichkeit: Motivation und Definition Multiplikationssatz Stochastische Unabhängigkeit:
Grundbegrie der Wahrscheinlichkeitsrechnung
Die Benutzung dieser Materialien ist auf Herbst 2017 beschränkt. Diese Hilfsmaterialien sind nur für unseren Studenten gemeint, dürfen also nicht weiterverteilt werden. Grundbegrie der Wahrscheinlichkeitsrechnung
Übersicht Wahrscheinlichkeitsrechnung EF
Übersicht Wahrscheinlichkeitsrechnung EF. Grundbegriffe der Wahrscheinlichkeitsrechnung (eite ). Regeln zur Berechnung von Wahrscheinlichkeiten (eite ). Bedingte Wahrscheinlichkeit und Vierfeldertafel
Lösungsskizzen zur Präsenzübung 03
Lösungsskizzen zur Präsenzübung 03 Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 2015/2016 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 16. November 2015 von:
Vorlesung Statistik, H&A Mathe, Master M
Beispiel: Die Wahrscheinlichkeit dafür, dass ein Bewerber von Firma A angenommen wird ist P(A) = 0,2. Die Wahrscheinlichkeit von Firma B angenommen zu werden beträgt P(B) = 0,3. Von mindestens einer der
Wahrscheinlichkeitsrechnung
Teil V Wahrscheinlichkeitsrechnung Inhaltsangabe 6 Einführung in die Wahrscheinlichkeitsrechnung 125 6.1 Kombinatorik......................... 125 6.2 Grundbegri e......................... 129 6.3 Wahrscheinlichkeiten.....................
Aufgabe A1 Ein Glücksrad hat vier Sektoren, wovon die ersten beiden die Winkelgröße 60 haben. Für die Winkelgrößen und des dritten und vierten Sektors
Level Grundlagen Blatt Dokument mit Aufgaben Aufgabe A Ein Glücksrad hat vier Sektoren, wovon die ersten beiden die Winkelgröße 60 haben. Für die Winkelgrößen und des dritten und vierten Sektors gilt.
Basiswissen Daten und Zufall Seite 1 von 8 1 Zufallsexperiment Ein Zufallsexperiment ist ein Versuchsaufbau mit zufälligem Ausgang, d. h. das Ergebnis kann nicht vorhergesagt werden. 2 Ergebnis (auch Ausgang)
K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 8. Übung SS 16: Woche vom
Übungsaufgaben 8. Übung SS 16: Woche vom 30. 5. 3.6. 2016 Stochastik II: Klassische Wkt.-Berechnung; Unabhängigkeit Aufgaben: s. pdf auf der homepage von Dr. Vanselow http://www.math.tu-dresden.de/ vanselow/...
K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 7. Übung SS 16: Woche vom
Übungsaufgaben 7. Übung SS 16: Woche vom 23. 5. 27. 5.. 2016 Stochastik I: Klassische Wkt.-Berechnung Aufgaben: s. pdf auf der homepage von Dr. Vanselow http://www.math.tu-dresden.de/ vanselow/... (SS16).html
Blatt 6: Grundlagen der Wahrscheinlichkeitstheorie MAE 3
School of Engineering Winterthur Zürcher Hochschule für Angewandte Wissenschaften Blatt 6: Grundlagen der Wahrscheinlichkeitstheorie MAE 3 Aufgabe 1: Ein homogener Würfel wird zwei Mal geworfen. Wie groß
Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff?
2. Übung: Wahrscheinlichkeitsrechnung Aufgabe 1 Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff? a) P ist nichtnegativ. b) P ist additiv. c) P ist multiplikativ.
Wahrscheinlichkeit und Zufall
Wahrscheinlichkeit und Zufall Rechnen mit Wahrscheinlichkeiten 16. Juni 2009 Dr. Katja Krüger Universität Paderborn 1 Inhalt Ereignisse i und deren Wahrscheinlichkeit h hk i Laplace-Regel Baumdiagramm
Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall
Wahrscheinlichkeitstheorie Was will die Sozialwissenschaft damit? Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall Auch im Alltagsleben arbeiten wir mit Wahrscheinlichkeiten, besteigen
Wahrscheinlichkeiten mit Flächenbildern und Baumdiagrammen bestimmen
1 Vertiefen 2 Wahrscheinlichkeiten mit Flächenbildern und Baumdiagrammen bestimmen zu Aufgabe 4 Schulbuch, Seite 141 4 Mit Flächenbildern Wahrscheinlichkeiten bestimmen zu Aufgabe 6 Schulbuch, Seite 142
6: Diskrete Wahrscheinlichkeit
Stefan Lucks Diskrete Strukturen (WS 2009/10) 219 6: Diskrete Wahrscheinlichkeit 6: Diskrete Wahrscheinlichkeit Stefan Lucks Diskrete Strukturen (WS 2009/10) 220 Wahrscheinlichkeitsrechnung Eines der wichtigsten
Beispiel 37. Wir werfen eine Münze so lange, bis zum ersten Mal
Beispiel 37 Wir werfen eine Münze so lange, bis zum ersten Mal Kopf erscheint. Dies geschehe in jedem Wurf unabhängig mit Wahrscheinlichkeit p. Wir definieren dazu die Zufallsvariable X := Anzahl der Würfe.
Beispiel: Zufallsvariable
Beispiel: Zufallsvariable 3 Münzen werden unabhängig voneinander geworfen. Jede Münze kann entweder Kopf oder Zahl zeigen. Man ist nur an der Zahl der Köpfe interessiert. Anzahl Kopf Elementarereignis
Modelle diskreter Zufallsvariablen
Statistik 2 für SoziologInnen Modelle diskreter Zufallsvariablen Univ.Prof. Dr. Marcus Hudec Zufallsvariable Eine Variable (Merkmal) X, deren numerische Werte als Ergebnisse eines Zufallsvorgangs aufgefasst
STOCHASTISCHE UNABHÄNGIGKEIT. Annika Pohlmann Philipp Oel Wilhelm Dück
STOCHASTISCHE UNABHÄNGIGKEIT Annika Pohlmann Philipp Oel Wilhelm Dück 1 GLIEDERUNG 1) Bedingte Wahrscheinlichkeiten 2) Unabhängigkeit für mehr als zwei Ereignisse 3) Unabhängigkeit für Zufallsvariable
Population und Stichprobe: Wahrscheinlichkeitstheorie
Population und Stichprobe: Wahrscheinlichkeitstheorie SS 2001 4. Sitzung vom 15.05.2001 Wahrscheinlichkeitstheorie in den Sozialwissenschaften: Stichprobenziehung: Aussagen über Stichprobenzusammensetzung
3. Anwendungen aus der Kombinatorik
3. Anwendungen aus der Kombinatorik 3.1. Ziehen mit Zurücklegen 1) Würfeln Wie gross ist die Wahrscheinlichkeit für genau 2 Sechser in 7 Würfen? 2) Glücksrad Ein Glücksrad zeigt "1" mit Wahrscheinlichkeit
Berechnung von W für die Elementarereignisse einer Zufallsgröße
R. Albers, M. Yanik Skript zur Vorlesung Stochastik (lementarmathematik) 5. Zufallsvariablen Bei Zufallsvariablen geht es darum, ein xperiment durchzuführen und dem entstandenen rgebnis eine Zahl zuzuordnen.
C : Genau ein Wurf ergibt Augenzahl D:.Wenigstens ein Wurf ergibt Augenzahl 2
Lapace-Experimente ================================================================== 1. a) Wie groß ist die W'keit, beim Werfen eines Laplace-Würfels eine Sechs zu erhalten? b) Wie groß ist die W'keit,