Statistik und Wahrscheinlichkeitsrechnung

Größe: px
Ab Seite anzeigen:

Download "Statistik und Wahrscheinlichkeitsrechnung"

Transkript

1 Statistik und Wahrscheinlichkeitsrechnung 2. Übung 1

2 Inhalt der heutigen Übung Stichprobenraum und Ereignisse Unabhängige Ereignisse Bedingte Wahrscheinlichkeit und Satz von Bayes Hausübung Statistik und Wahrscheinlichkeitsrechnung 2

3 Aufgabe B.1 a) Statistik und Wahrscheinlichkeitsrechnung Welche der folgenden Schreibweisen ergeben einen Sinn? P A BC PB P A P A P B P[ B] 3

4 Aufgabe B.1 a) Lösung Statistik und Wahrscheinlichkeitsrechnung Welche der folgenden Schreibweisen ergeben einen Sinn? P A BC PB P A P A P B P[ B] P[ ] ist eine reelle Zahl, während ein Operator für eine Menge ist. P[ ] ist eine reelle Zahl, während ein Operator für eine Menge ist. Es lassen sich keine Schnittmengen für Wahrscheinlichkeiten bilden. omplementärereignisse beschreiben Mengen und keine Wahrscheinlichkeiten. 4

5 Aufgabe B.1 b) Statistik und Wahrscheinlichkeitsrechnung Mit A, B und C werden Ereignisse bezeichnet. Beschreiben Sie in Worten die folgenden Ausdrücke, und sagen Sie, um was für mathematische Grössen es sich handelt (Zahlen oder Mengen). A B B C P A P ABC ABC 5

6 Aufgabe B.1 b) Lösung Statistik und Wahrscheinlichkeitsrechnung Mit A, B und C werden Ereignisse bezeichnet. Beschreiben Sie in Worten die folgenden Ausdrücke, und sagen Sie, um was für mathematische Grössen es sich handelt (Zahlen oder Mengen). A B B C P A P ABC ABC Mengen Reelle Zahlen, genauer [0,1] Unmögliche Ereignis Nullmenge 6

7 Aufgabe B.1 c) Statistik und Wahrscheinlichkeitsrechnung Stelle die folgende Ereignisse im angegebenen Diagramm dar: C D Ω D D \ C C A C B D A B 7

8 Aufgabe B.2 Der Einsturz eines Gebäudes in Tokyo kann durch zwei voneinander unabhängige Ereignisse verursacht werden: F 1 F 2 = ein grosses Erdbeben = ein starker Taifun Die jährlichen Auftretenswahrscheinlichkeiten dieser beiden Ereignisse sind: PF ( ) PF ( ) Berechne die jährliche Einsturzwahrscheinlichkeit eines Gebäudes 8

9 Aufgabe B.2 Lösungsschritte 1. Erkennen der einzelnen Ereignisse: Statistik und Wahrscheinlichkeitsrechnung F 1 F 2 = ein grosses Erdbeben = ein starker Taifun 2. Was ist gegeben? PF ( ) PF ( ) Was ist gesucht? Jährliche Einsturzwahrscheinlichkeit 9

10 Aufgabe B.2 Lösungsschritte 1. Erkennen der einzelnen Ereignisse: Statistik und Wahrscheinlichkeitsrechnung F 1 F 2 = ein grosses Erdbeben = ein starker Taifun 2. Was ist gegeben? PF ( ) Jährliche Einsturzwahrscheinlichkeit: 1 PF ( ) PF ( F) PF ( ) PF ( ) PF ( F)

11 unabhängige Ereignisse P(A B) = P(A). P(B) Statistik und Wahrscheinlichkeitsrechnung Aber was bedeutet das eigentlich? PA ( Ç B) PAPB ( ) ( ) PB ( A) = = = PB ( ) PA ( ) PA ( ) Was ist die Wahrscheinlichkeit des Ereignisses B, gegeben Ereignis A? Wie gross ist die Wahrscheinlichkeit des Ereignisses B ohne Vorinformation? Die Information über das Ereignis A kann die Wahrscheinlichkeit des Ereignisses B nicht verändern. Oder die Information A ist nicht nützlich, wenn man etwas über B wissen will. 11

12 unabhängige Ereignisse Statistik und Wahrscheinlichkeitsrechnung Warum ist es wichtig, zu wissen, ob Ereignisse unabhängig voneinander sind oder nicht? Hierzu eine kleine Geschichte, die sich vor ein paar Jahrzehnten ereignete Präsidentschaftswahlen zwei andidaten A und B Radiosender wollten das Wahlergebnis im Voraus abschätzen. Sie befragten per Telefon die Leute nach dem Wählen, wen sie gewählt haben. Auf der Grundlage vieler, vieler Befragungen schlossen sie, dass A gewonnen hat. Nach der offiziellen Auszählung der Stimmen war jedoch B der Sieger. 12

13 unabhängige Ereignisse Was in Wirklichkeit geschah ist Statistik und Wahrscheinlichkeitsrechnung Die Leute, die ein Telefon besassen, waren zu dieser Zeit reich. Reiche Leute tendierten dazu, andidat A zu wählen. Ärmere Leute tendierten dazu, andidat B zu wählen. Es gab zu dieser Zeit wesentlich mehr arme als reiche Leute. Die Fernsehsender machten ihre Umfrage jedoch ausschließlich per Telefon. Wenn T das Ereignis ist, dass jemand ein Telefon besitzt und V A das Ereignis, dass andidat A gewählt wird, was ist dann die Wahrscheinlichkeit von V A : PV ( A )? Die bedingte Wahrscheinlichkeit von V A bei gegebenem T wurde per Telefon ermittelt: PV ( T) A PV ( ) ¹ PV ( T ) A A was bedeutet, dass V A und T nicht unabhängig sind! 13

14 Aufgabe B.3 In einer Alpenregion gibt es 25 sehr hohe Berggipfel. Diese sind das ganze Jahr über mit Schnee bedeckt und es besteht an jedem Tag die gleiche Wahrscheinlichkeit für das Loslösen einer Lawine. Diese beträgt 1/40 pro Tag und Berggipfel. Wie gross ist die Wahrscheinlichkeit, dass es in dieser Alpenregion an einem Tag zu mindestens zwei Lawinenabgängen kommt? Annahmen: An einem Berggipfel kann sich an einem Tag nur eine Lawine loslösen. Die Wahrscheinlichkeiten eines Lawinenabgangs auf verschiedenen Berggipfeln sind voneinander unabhängig. 14

15 Aufgabe B.3 Lösung Wie gross ist die Wahrscheinlichkeit, dass es in dieser Alpenregion an einem Tag zu mindestens zwei Lawinenabgängen kommt? Wahrscheinlichkeit, dass keine Lawine 1 Lawine 2 Lawinen gesuchte Wahrscheinlichkeit 25 Lawinen Die Summe aller Wahrscheinlichkeiten ist 1. 15

16 Aufgabe B.3 Lösung Wie gross ist die Wahrscheinlichkeit, dass es in dieser Alpenregion an einem Tag zu mindestens zwei Lawinenabgängen kommt? Zur Lösung dieser Aufgabe ist es am einfachsten, die Wahrscheinlichkeit des omplementärereignisses zu berechnen und von 1 (=Summe aller Wahrscheinlichkeiten) abzuziehen. Es gibt folglich 2 mögliche Ereignisse: Ereignis A: Ereignis B: kein Lawinenabgang in dieser Alpenregion, an einem bestimmten Tag. Wahrscheinlichkeit PA ( ) von Ereignis A nur 1 Lawine in dieser Alpenregion, an einem bestimmten Tag. Wahrscheinlichkeit PB ( ) von Ereignis B 16

17 Aufgabe B.3 Lösung Wahrscheinlichkeit ( ) von Ereignis P A A: Wahrscheinlichkeit, dass eine Lawine an einem bestimmten Berggipfel j auftritt 1 Pj ( Lawine) 0.025, j 1,2,..., n n25 40 Wahrscheinlichkeit, dass keine Lawine an einem bestimmten Berggipfel j auftritt 1 Pj ( keine Lawine) 1 ( ) 0.975, j 1,2,..., n n Wahrscheinlichkeit, dass keine Lawine in der Alpenregion auftritt P( A) (1- P ( Lawine)) (1- P ( Lawine)) (1- P ( Lawine))

18 Aufgabe B.3 Lösung Wahrscheinlichkeit ( ) von Ereignis PB B : Wahrscheinlichkeit, dass eine Lawine nur an einem und sonst keinem Berggipfel auftritt: P ( Lawine nur am Berggipfel j) P( Lawine) (1 P( Lawine)) j Wahrscheinlichkeit, dass eine Lawine in der Alpenregion auftritt: 25 P( B) P( Lawinenur an Berggipfel j) j1 18

19 Aufgabe B.3 Lösung Wie gross ist die Wahrscheinlichkeit, dass es in dieser Alpenregion an einem Tag zu mindestens zwei (>=2) Lawinenabgängen kommt? PC ( ) 1 PA ( ) PB ( )

20 Satz der totalen Wahrscheinlichkeiten Statistik und Wahrscheinlichkeitsrechnung Sei der Ereignisraum aufgeteilt in n sich gegenseitig ausschliessende Ereignisse E 1, E 2,, E n... PAPA E PA E PA E 1 2 n... PAE PE PAE PE PAE PE n n Satz der totalen Wahrscheinlichkeit n i1 PAE PE ( ) i i 20

21 Aufgabe B.4 Statistik und Wahrscheinlichkeitsrechnung Die Beobachtung einer Verkehrskreuzung hat gezeigt, dass sich n1 50 Fahrzeuge auf der Hauptstrasse in Richtung 1 bewegen. Davon biegen m1 25 Fahrzeuge in die Nebenstrasse ab. n2 200 Fahrzeuge bewegen sich auf der Hauptstrasse in die entgegengesetzte Richtung 2, wovon m2 40 Fahrzeuge in die Nebenstrasse abbiegen. Wie gross ist die Wahrscheinlichkeit, dass ein Fahrzeug, das sich auf der Hauptstrasse bewegt, in die Nebenstrasse abbiegt? Nebenstrasse m m 1 2 n 1 Hauptstrasse n 2 21

22 Aufgabe B.4 Lösung n1 50 m1 25 n2 200 m2 40 Fahrzeuge auf Hauptstrasse in Richtung 1. biegen davon in die Nebenstrasse ab. Fahrzeuge auf Hauptstrasse in Richtung 2. biegen davon in die Nebenstrasse ab. Das Ereignis, dass ein Fahrzeug auf der Hauptstrasse in Richtung 1 fährt wird, mit A 1 und in Richtung 2 mit A 2 bezeichnet. Das Ereignis, dass ein Fahrzeug in die Nebenstrasse abbiegt, wird mit B bezeichnet. B PB ( ) PB ( A) PB ( A) 1 2 A 2 A 1 22

23 Aufgabe B.4 Lösung P( B) P( BA) P( BA ) 1 2 Satz der totalen Wahrscheinlichkeit PB ( ) PA ( ) PB ( A) PA ( ) PB ( A) n1 50 m1 25 n2 200 m2 40 Fahrzeuge auf Hauptstrasse in Richtung 1. biegen davon in die Nebenstrasse ab. Fahrzeuge auf Hauptstrasse in Richtung 2. biegen davon in die Nebenstrasse ab. B Die Wahrscheinlichkeit, dass sich ein Fahrzeug in eine bestimmte Richtung bewegt, ist: n 50 n2 200 PA PA ( 2) = = 0.8 (n +n ) (50+200) 1 ( 1) = 0.2 (n 1+n 2) (50+200) 1 2 A 2 A 1 Die Wahrscheinlichkeit, dass ein Fahrzeug in die Nebenstrasse abbiegt, beträgt (in Abhängigkeit von der Richtung): m1 25 PB ( A1 ) = = 0.5 n1 50 Daraus ergibt sich letztendlich: PB ( ) PA ( ) PB ( A) PA ( ) PB ( A) PB A m 40 2 ( 2) = = 0.2 n

24 Aufgabe B.4 Lösung n1 50 m1 25 n2 200 m2 40 Fahrzeuge auf Hauptstrasse in Richtung 1. biegen davon in die Nebenstrasse ab. Fahrzeuge auf Hauptstrasse in Richtung 2. biegen davon in die Nebenstrasse ab. Zum Vergleich mit der frequentistischen Wahrscheinlichkeitsdefinition: Gesamtanzahl der Autos die abbiegen P B ( ) m1 + m = = = n + n Gesamtanzahl der Autos, die auf der Hauptstrasse fahren Dabei ist B das Ereignis, dass ein Fahrzeug, egal aus welcher Richtung, in die Nebenstrasse abbiegt. 24

25 Satz von Bayes Statistik und Wahrscheinlichkeitsrechnung Aus P( AE) PAE ( ) PE ( ) PE ( APA ) ( ) i i i i Likelihood A Priori folgt PE ( A) i PAE ( i) PE ( i) PAE ( i) PE ( i) n PA ( ) PAE ( ) PE ( ) i1 i i A Posteriori Satz der totalen Wahrscheinlichkeit Reverend Thomas Bayes ( ) 25

26 Aufgabe B.5 Mit einem besonderen Messgerät können Messungen im Labor durchgeführt werden. Aufgrund der hohen Nachfrage werden 20% dieser Geräte im Land A und 80% von ihnen im Land B produziert. Alle produzierten Geräte sind baugleich und werden nach einem einheitlichen Verfahren durch das IAC (Institute for Atmosphere and Climate) getestet. Die Testergebnisse zeigen, dass 5% der Geräte aus Land A ungenau arbeiten, während für Land B diese Ungenauigkeit nur bei 2% der Geräte in Erscheinung tritt. Eine Studentin führt Messungen mit einem Gerät durch, von dem sie nicht weiss, in welchem Land es hergestellt wurde. Dabei entdeckt sie Messungenauigkeiten. Wie gross ist die Wahrscheinlichkeit, dass die Messungen mit einem Gerät durchgeführt wurden, das im Land A hergestellt wurde? 26

27 Aufgabe B.5 Lösung 20% hergestellt in Land A. 80% hergestellt in Land B. 5% der Geräte aus Land A sind ungenau. 2% der Geräte aus Land B sind ungenau. 1. Vereinfachen der Aufgabenstellung A = Gerät aus Land A B = Gerät aus Land B D = ungenaues Gerät 2. Was wissen wir??? 3. Was ist gesucht??? PA ( ) 0.2 PB ( ) 0.8 PAD ( )? und die Wahrscheinlichkeit, ein ungenaues Gerät zu benutzen: D PD ( A) 0.05 PD ( B) 0.02 A A D B D B 27

28 Aufgabe B.5 Lösung 20% hergestellt in Land A. 80% hergestellt in Land B. 5% der Geräte aus Land A sind ungenau. 2% der Geräte aus Land B sind ungenau. PA ( ) 0.2 PB ( ) 0.8 D PD ( A) 0.05 PD ( B) 0.02 A A D B D B PAD ( ) P( AD) P( A) P( D A) PD ( ) PD ( ) Satz der totalen Wahrscheinlichkeit PA ( ) PD ( A) PAD ( ) PA ( ) PD ( A) PB ( ) PD ( B)

29 Aufgabe B.6 Eine zerstörungsfreie Prüfmethode wird herangezogen, um herauszufinden, ob das abel einer Brücke korrodiert ist. Auf Grund von Experimenten kann man annehmen, dass das abel mit einer Wahrscheinlichkeit von 1% korrodiert ist. Ist das abel korrodiert, so wird dies vom Prüfgerät zuverlässig angezeigt. Allerdings zeigt dieses Gerät in 10% aller Fälle auch einen orrosionszustand an, obwohl das abel nicht korrodiert ist. Das zerstörungsfreie Prüfverfahren zeigt orrosion an Wie gross ist nun die Wahrscheinlichkeit, dass das abel tatsächlich korrodiert ist? 29

30 Aufgabe B.6 Lösung 1. Erkennen der einzelnen Ereignisse: I = abel ist korrodiert = Test indiziert orrosion 2. Was ist gegeben??? = abel ist nicht korrodiert = Test indiziert keine orrosion Die Wahrscheinlichkeit, dass das abel korrodiert ist beträgt 1% Wenn das abel korrodiert ist, wird das immer vom Test angezeigt. I Es gibt eine 10% ige Wahrscheinlichkeit, dass der Test orrosion anzeigt, obwohl keine orrosion vorliegt. 30

31 Aufgabe B.6 Lösung P ( ) 0.01 P ( ) 0.99 PI ( ) 1.00 PI ( ) 0.00 PI ( ) 0.10 PI ( )

32 Aufgabe B.6 Lösung P ( ) 0.01 P ( ) 0.99 PI ( ) 1.00 PI ( ) 0.00 PI ( ) 0.10 PI ( ) 0.90 PI ( ) P ( ) P ( I ) PI ( ) P ( ) PI ( ) P ( ) tatsächlicher Zustand Anzeige 1.00 P( I ) 0 P( I ) I 0.10 P( I ) 0.90 P( I ) I 32

33 Aufgabe B.7 Hausübung Aufgrund von steigendem Trink und Nutzwasserverbrauchs entstehen Diskussionen über den Grundwasserspiegel. Das Szenario einer Absenkung des Grundwassers soll analysiert werden, wobei angenommen wird, dass diese Absenkung von der Dicke h der Lehmschicht unterhalb des Grundwassers abhängig ist. Diese wird wie folgt klassifiziert: C 0h20cm C : 2 20cm h 40cm C : 3 40cm h 1 : Ein Geologe schätzt aufgrund seiner Erfahrung, dass die a priori Wahrscheinlichkeit der Lehmschichtdicke an einem bestimmten Ort wie folgt abgeschätzt werden kann: PC ( 1) 0.2 PC ( 2) 0.47 PC ( )

34 Aufgabe B.7 Hausübung Ein geo elektrischer Test kann verwendet werden, um die a priori Wahrscheinlichkeit zu aktualisieren, obwohl das Testergebnis nicht immer korrekt ist. Die Erfahrungen vergangener Tests zeigen, dass die Wahrscheinlichkeit einer richtig/falsch Indikation wie in folgender Tabelle gegeben ist: lasse der Lehmschichtdicke C 1 C 2 C 3 Indikation für die lasse der Lehmschichtdicke I C1 I I C 2 C P( IC1 C1) 0.03 P( IC3 C1) 0.09 P( I C ) 0.77 P( I C ) C1 2 C P( I C ) 0.89 C 2 3 P( I C ) C3 3 34

35 Aufgabe B.7 Hausübung 1 : Statistik und Wahrscheinlichkeitsrechnung sehr viele Informationen deshalb Vereinfachung hilfreich: Die Senkung des Grundwasserspiegels ist abhängig von der Dicke der Lehmschicht h. Einstufung der Lehmschicht (Ereignis): C 0h20cm C : 2 20cm h 40cm C : 3 40cm h a priori Wahrscheinlichkeiten (bekannte Wahrscheinlichkeiten): PC ( 1) 0.2 PC ( 2) 0.47 PC ( ) Tests werden durchgeführt, um die a priori Wahrscheinlichkeit zu aktualisieren, dabei kann es vorkommen, dass das Testergebnis nicht immer richtig indiziert. Wahrscheinlichkeiten von richtig/falschen Anzeigen: siehe Tabelle vorherige Folie 35

36 Aufgabe B.7 Hausübung Was ist gesucht??? a) Vervollständigen der Tabelle: lasse der Lehmschichtdicke C 1 C 2 C 3 Indikation für die lasse der Lehmschichtdicke I C1 I I C 2 C P( IC1 C1) 0.03 P( IC3 C1) 0.09 P( I C ) 0.77 P( I C ) C1 2 C P( I C ) 0.89 C 2 3 P( I C ) C3 3 b) Ein geo elektrischer Versuch wurde durchgeführt und hat als Lehmschichtdicke angezeigt. Was sind die jeweiligen Wahrscheinlichkeiten, dass die tatsächliche Lehmschichtdicke C, C oder entspricht? Tipp: 1 2 PI ( C ) PI ( C ) PI ( C ) 1 C1 1 C2 1 C3 1 C 3 Tipp: Satz von Bayes, Skript Abschnitt B.5 C 3 36

37 Aufgabe B.7 Hausübung Ablauf: Heute: Ausgabe der Hausübung. Dienstag: Abgabe der Hausübung (in der Vorlesung). Donnerstag: Rückgabe der korrigierten Hausübung. Vorrechnen der Hausübung. Wichtig!!! Hausübung eindeutig kennzeichnen, damit ihr sie wiederbekommt (z.b. Name). Name der Übungsleiters Zusammenheften 37

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung 2. Vorlesung Dr. Jochen Köhler 25.02.2011 1 Inhalt der heutigen Vorlesung Risiko und Motivation für Risikobeurteilungen Übersicht über die Wahrscheinlichkeitstheorie

Mehr

Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff?

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.

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung Übung 1 24.02.2011 1 Inhalt der Übung heute Ablauf der Übungen, Organisatorisches Erste Versuche mit der Statistik: Aufgaben Modul A Datenerhebung 24.02.2011 2

Mehr

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 3

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 3 TUM, Zentrum Mathematik Lehrstuhl für Mathematische Physik WS 2013/14 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weidner Einführung in die Wahrscheinlichkeitstheorie svorschläge zu Übungsblatt

Mehr

Aufgabe 1. Übung Wahrscheinlichkeitsrechnung Markus Kessler Seite 1 von 8. Die Ereignisse A, B und C erfüllen die Bedingungen

Aufgabe 1. Übung Wahrscheinlichkeitsrechnung Markus Kessler Seite 1 von 8. Die Ereignisse A, B und C erfüllen die Bedingungen Ü b u n g 1 Aufgabe 1 Die Ereignisse A, B und C erfüllen die Bedingungen P(A) = 0. 7, P(B) = 0. 6, P(C) = 0. 5 P(A B) = 0. 4, P(A C) = 0. 3, P(B C) = 0. 2, P(A B C) = 0. 1 Bestimmen Sie P(A B), P(A C),

Mehr

Einführung. Wahrscheinlichkeit. 1 Wahrscheinlichkeit: Definition und Interpretation. 2 Elementare Wahrscheinlichkeitsrechnung, bedingte

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

Mehr

UE Statistik 1, SS 2015, letztes Update am 5. März Übungsbeispiele

UE Statistik 1, SS 2015, letztes Update am 5. März Übungsbeispiele UE Statistik, SS 05, letztes Update am 5. März 05 Übungsbeispiele Beispiele mit Musterlösungen finden Sie auch in dem Buch Brannath, W., Futschik, A., Krall, C., (00) Statistik im Studium der Wirtschaftswissenschaften..

Mehr

Bedingte Wahrscheinlichkeiten

Bedingte Wahrscheinlichkeiten Bedingte Wahrscheinlichkeiten Bei der Betrachtung der Ereignisse A und B eines Zufallsexperiments muss man die beiden im folgendem beschrieben zwei Situationen unterscheiden. 1. Das Ereignis A und B tritt

Mehr

1 Übungen zu Wahrscheinlichkeitsrechnung und Zufallsvariablen

1 Übungen zu Wahrscheinlichkeitsrechnung und Zufallsvariablen 1 Übungen zu Wahrscheinlichkeitsrechnung und Zufallsvariablen Zoltán Zomotor Versionsstand: 16. März 2016, 11:21 This work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike 3.0

Mehr

Kapitel ML:IV. IV. Statistische Lernverfahren. Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen

Kapitel ML:IV. IV. Statistische Lernverfahren. Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen Kapitel ML:IV IV. Statistische Lernverfahren Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen ML:IV-1 Statistical Learning c STEIN 2005-2011 Definition 1 (Zufallsexperiment,

Mehr

7. Kapitel: Zufallsvorgänge, Ereignisse und Wahrscheinlichkeiten

7. Kapitel: Zufallsvorgänge, Ereignisse und Wahrscheinlichkeiten 7. Kapitel: Zufallsvorgänge, Ereignisse und Wahrscheinlichkeiten 7.1 Zufallsvorgänge - zufälliges Geschehen/ Zufallsvorgang/ stochastische Vorgang: aus Geschehen/Vorgang/Experiment (mit gegebener Ausgangssituation)

Mehr

Für die Wahrscheinlichkeit P A (B) des Eintretens von B unter der Bedingung, dass das Ereignis A eingetreten ist, ist dann gegeben durch P(A B) P(A)

Für die Wahrscheinlichkeit P A (B) des Eintretens von B unter der Bedingung, dass das Ereignis A eingetreten ist, ist dann gegeben durch P(A B) P(A) 3. Bedingte Wahrscheinlichkeit ================================================================== 3.1 Vierfeldertafel und Baumdiagramm Sind A und B zwei Ereignisse, dann nennt man das Schema B B A A P

Mehr

Unabhängigkeit KAPITEL 4

Unabhängigkeit KAPITEL 4 KAPITEL 4 Unabhängigkeit 4.1. Unabhängigkeit von Ereignissen Wir stellen uns vor, dass zwei Personen jeweils eine Münze werfen. In vielen Fällen kann man annehmen, dass die eine Münze die andere nicht

Mehr

Marek Chudý. Institut für Statistik und Operations Research UE Statistik 1. Sommersemester, 4.

Marek Chudý. Institut für Statistik und Operations Research  UE Statistik 1. Sommersemester, 4. Marek Chudý Institut für Statistik und Operations Research http://homepage.univie.ac.at/marek.chudy/ UE Statistik 1 Sommersemester, 4. März 2015 Programm 1 Organisatorisches Literatur Anforderungen Notenschlüssel

Mehr

Einführung in die Stochastik 6. Übungsblatt

Einführung in die Stochastik 6. Übungsblatt Einführung in die Stochastik 6. Übungsblatt Fachbereich Mathematik SS M. Kohler 3. Mai A. Fromkorth D. Furer Gruppen und Hausübung Aufgabe (a) Die Wahrscheinlichkeit, dass eine S Bahn Verspätung hat, betrage.3.

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung Übung 7 1 Inhalt der heutigen Übung Statistik und Wahrscheinlichkeitsrechnung Vorrechnen der Hausübung D.9 Gemeinsames Lösen der Übungsaufgaben D.10: Poissonprozess

Mehr

Satz von der totalen Wahrscheinlichkeit

Satz von der totalen Wahrscheinlichkeit htw saar 1 Satz von der totalen Wahrscheinlichkeit Sei (Ω, P) ein Wahrscheinlichkeitsraum, und B 1,, B n seien paarweise disjunkte Ereignisse mit B i = Ω. Für jedes Ereignis A gilt dann: P(A) = P(A B 1

Mehr

3 Bedingte Wahrscheinlichkeit, Unabhängigkeit von Ereignissen

3 Bedingte Wahrscheinlichkeit, Unabhängigkeit von Ereignissen 3 Bedingte Wahrscheinlichkeit, Unabhängigkeit von Ereignissen 3.1 Einführung Bsp. 19 (3-maliges Werfen einer Münze) Menge der Elementarereignisse: Ω {zzz,zzw,zwz,wzz,zww,wzw,wwz,www}. Ω 2 3 8 N Wir definieren

Mehr

Technische Universität München SS 2006 Zentrum Mathematik Blatt 7 Prof. Dr. J. Hartl Dr. Hannes Petermeier Dr. Cornelia Eder Dipl.-Ing.

Technische Universität München SS 2006 Zentrum Mathematik Blatt 7 Prof. Dr. J. Hartl Dr. Hannes Petermeier Dr. Cornelia Eder Dipl.-Ing. Technische Universität München SS 2006 Zentrum Mathematik Blatt 7 Prof. Dr. J. Hartl Dr. Hannes Petermeier Dr. Cornelia Eder Dipl.-Ing. Martin Nagel Höhere Mathematik 2 (Weihenstephan) 1. In einer Urne

Mehr

Statistik I für Humanund Sozialwissenschaften

Statistik I für Humanund Sozialwissenschaften Statistik I für Humanund Sozialwissenschaften 3. Übung Lösungsvorschlag Gruppenübung G 8 a) Ein Professor möchte herausfinden, welche 5 seiner insgesamt 8 Mitarbeiter zusammen das kreativste Team darstellen.

Mehr

Aufgabenblock 3. Durch zählen erhält man P(A) = 10 / 36 P(B) = 3 / 36 P(C) = 18 / 36 und P(A B) = 3 /

Aufgabenblock 3. Durch zählen erhält man P(A) = 10 / 36 P(B) = 3 / 36 P(C) = 18 / 36 und P(A B) = 3 / Aufgabenblock 3 Aufgabe ) A sei das Ereignis: schwerer Verkehrsunfall B sei das Ereignis: Alkohol ist im Spiel Herr Walker betrachtet die Wahrscheinlichkeit P(B A) = 0.3 und errechnet daraus P(-B A) =

Mehr

Statistik I für Betriebswirte Vorlesung 2

Statistik I für Betriebswirte Vorlesung 2 Statistik I für Betriebswirte Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 11. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung

Mehr

Klausur Nr. 1: Wahrscheinlichkeitsrechnung (Stochastik) Klausur Nr. 1: Wahrscheinlichkeitsrechnung (Stochastik)

Klausur Nr. 1: Wahrscheinlichkeitsrechnung (Stochastik) Klausur Nr. 1: Wahrscheinlichkeitsrechnung (Stochastik) Aufgabe : Eine Versicherung veröffentlicht das folgende Datenmaterial über die durch die bei ihnen versicherten ersonen verursachten Unfälle: Autofahrer Jünger als 25 25 und 40 40 und 60 Älter als 60 Summe

Mehr

Statistik für Ingenieure Vorlesung 2

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

Mehr

STOCHASTISCHE UNABHÄNGIGKEIT. Annika Pohlmann Philipp Oel Wilhelm Dück

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

Mehr

Kapitel 5 Stochastische Unabhängigkeit

Kapitel 5 Stochastische Unabhängigkeit Kapitel 5 Stochastische Unabhängigkeit Vorlesung Wahrscheinlichkeitsrechnung I vom SoSe 2009 Lehrstuhl für Angewandte Mathematik 1 FAU 5.1 Das Konzept der stochastischen Unabhängigkeit. 1 Herleitung anhand

Mehr

3. Grundbegriffe der Wahrscheinlichkeitstheorie

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

Mehr

Übungen Abgabetermin: Freitag, , 10 Uhr

Übungen Abgabetermin: Freitag, , 10 Uhr Universität Münster Institut für Mathematische Statistik Stochastik für Lehramtskandidaten SoSe 015, Blatt 1 Löwe/Heusel Übungen Abgabetermin: Freitag, 10.7.015, 10 Uhr Hinweis: Dies ist nur eine Beispiellösung.

Mehr

Einführung in die Bayes-Statistik. Helga Wagner. Ludwig-Maximilians-Universität München WS 2010/11. Helga Wagner Bayes Statistik WS 2010/11 1

Einführung in die Bayes-Statistik. Helga Wagner. Ludwig-Maximilians-Universität München WS 2010/11. Helga Wagner Bayes Statistik WS 2010/11 1 Einführung in die Bayes-Statistik Helga Wagner Ludwig-Maximilians-Universität München WS 2010/11 Helga Wagner Bayes Statistik WS 2010/11 1 Organisatorisches Termine: Montag: 16.00-18.00 AU115 Dienstag:

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 . Grundlagen der Wahrscheinlichkeitstheorie. Zufallsereignisse, Ereignisraum und Ereignismenge Zufallsexperiment: nach einer bestimmten Vorschrift ausgeführter, unter gleichen edingungen beliebig oft wiederholbarer

Mehr

4. Grundzüge der Wahrscheinlichkeitsrechnung

4. Grundzüge der Wahrscheinlichkeitsrechnung 4. Grundzüge der Wahrscheinlichkeitsrechnung Dr. Antje Kiesel Institut für angewandte Mathematik WS 2010/2011 In der beschreibenden Statistik haben wir verschiedene Kennzahlen (Statistiken) für Stichproben

Mehr

Bei 10 dieser Würfe wurde gleichzeitig eine 1 gewürfelt. Bei 25 dieser Würfe wurde gleichzeitig eine Augenzahl größer als 2 gewürfelt.

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

Mehr

Zusammenfassung Stochastik

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

Mehr

P (A B) P (B) = P ({3}) P ({1, 3, 5}) = 1 3.

P (A B) P (B) = P ({3}) P ({1, 3, 5}) = 1 3. 2 Wahrscheinlichkeitstheorie Beispiel. Wie wahrscheinlich ist es, eine Zwei oder eine Drei gewürfelt zu haben, wenn wir schon wissen, dass wir eine ungerade Zahl gewürfelt haben? Dann ist Ereignis A das

Mehr

Teil II. Wahrscheinlichkeitsrechnung

Teil II. Wahrscheinlichkeitsrechnung Teil II Wahrscheinlichkeitsrechnung Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2014) Folie 129 5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) 5 Zufallsexperimente Ergebnisse Ereignisse

Mehr

Mathematische und statistische Methoden II

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

Mehr

Teil II. Wahrscheinlichkeitsrechnung. Inhaltsverzeichnis (Ausschnitt) Zufallsexperimente (Zufallsvorgänge) Ergebnisse

Teil II. Wahrscheinlichkeitsrechnung. Inhaltsverzeichnis (Ausschnitt) Zufallsexperimente (Zufallsvorgänge) Ergebnisse 5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) Teil II Wahrscheinlichkeitsrechnung 5 Zufallsexperimente Ergebnisse Ereignisse Wahrscheinlichkeiten Deskriptive Statistik und Wahrscheinlichkeitsrechnung

Mehr

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

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

Mehr

Einführung in die Wahrscheinlichkeitsrechnung

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

Mehr

Spezifische Mathematik Lösung Serie 2: Wahrsch.-Rechnung

Spezifische Mathematik Lösung Serie 2: Wahrsch.-Rechnung Dr. Rudolf Riedi HT-FR, 2016-17 Spezifische Mathematik Lösung Serie 2: Wahrsch.-Rechnung 1. (3 Punkte) Ein System besteht aus zwei Bauteilen. Die Wahrscheinlichkeit p1, dass Bauteil 1 ausfällt ist 0.5;

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Methodenlehre e e 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

Mehr

Wahrscheinlichkeitstheorie

Wahrscheinlichkeitstheorie Kapitel 2 Wahrscheinlichkeitstheorie Josef Leydold c 2006 Mathematische Methoden II Wahrscheinlichkeitstheorie 1 / 24 Lernziele Experimente, Ereignisse und Ereignisraum Wahrscheinlichkeit Rechnen mit Wahrscheinlichkeiten

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und

Mehr

Ma 13 - Stochastik Schroedel Neue Wege (CON)

Ma 13 - Stochastik Schroedel Neue Wege (CON) Bedingte Wahrscheinlichkeiten S. 70, Nr. 5 Richtiges Anwenden der Multiplikationsregel A: Abonnement liest Werbeanzeige B: Produkt wird gekauft S. 70, Nr. 6 Übersetzung von Daten in ein Baumdiagramm A

Mehr

Stochastik für Ingenieure

Stochastik für Ingenieure Otto-von-Guericke-Universität Magdeburg Fakultät für Mathematik Institut für Mathematische Stochastik Stochastik für Ingenieure (Vorlesungsmanuskript) von apl.prof. Dr. Waltraud Kahle Empfehlenswerte Bücher:

Mehr

Boole sches Retrieval als frühes, aber immer noch verbreitetes IR-Modell mit zahlreichen Erweiterungen

Boole sches Retrieval als frühes, aber immer noch verbreitetes IR-Modell mit zahlreichen Erweiterungen Rückblick Boole sches Retrieval als frühes, aber immer noch verbreitetes IR-Modell mit zahlreichen Erweiterungen Vektorraummodell stellt Anfrage und Dokumente als Vektoren in gemeinsamen Vektorraum dar

Mehr

Rumpfskript. Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen

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

Mehr

Wirtschaftsstatistik I [E1]

Wirtschaftsstatistik I [E1] 040571-1 WMS: Wirtschaftsstatistik 1 :: WiSe07/08 Wirtschaftsstatistik I [E1] Schwab, Harald 1 harald.schwab@univie.ac.at http://homepage.univie.ac.at/harald.schwab October 7, 2007 1 Sprechstunde: MO 17-18h

Mehr

Wahrscheinlichkeitstheorie und Naive Bayes

Wahrscheinlichkeitstheorie und Naive Bayes Wahrscheinlichkeitstheorie und Naive Bayes Caroline Sporleder Computational Linguistics Universität des Saarlandes Sommersemester 2011 12.05.2011 Caroline Sporleder Naive Bayes (1) Elementare Wahrscheinlichkeitstheorie

Mehr

Wahrscheinlichkeitsrechnung Übung Aufgabe 2.b und 3

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

Mehr

Allgemeine diskrete Wahrscheinlichkeitsräume I

Allgemeine diskrete Wahrscheinlichkeitsräume I 6 Diskrete Wahrscheinlichkeitsräume Allgemeine diskrete Wahrscheinlichkeitsräume 6.3 Allgemeine diskrete Wahrscheinlichkeitsräume I Verallgemeinerung von Laplaceschen Wahrscheinlichkeitsräumen: Diskrete

Mehr

Allgemeine diskrete Wahrscheinlichkeitsräume II. Beispiel II. Beispiel I. Definition 6.3 (Diskreter Wahrscheinlichkeitsraum)

Allgemeine diskrete Wahrscheinlichkeitsräume II. Beispiel II. Beispiel I. Definition 6.3 (Diskreter Wahrscheinlichkeitsraum) Allgemeine diskrete Wahrscheinlichkeitsräume I Allgemeine diskrete Wahrscheinlichkeitsräume II Verallgemeinerung von Laplaceschen Wahrscheinlichkeitsräumen: Diskrete Wahrscheinlichkeitsräume Ω endlich

Mehr

Kapitel 8 Absolutstetige Verteilungen

Kapitel 8 Absolutstetige Verteilungen Kapitel 8 Absolutstetige Verteilungen Vorlesung Wahrscheinlichkeitsrechnung I vom 27. Mai 2009 Lehrstuhl für Angewandte Mathematik FAU 8. Absolutstetige Verteilungen Charakterisierung von Verteilungen

Mehr

Lösungsskizzen zur Präsenzübung 07

Lösungsskizzen zur Präsenzübung 07 Lösungsskizzen zur Präsenzübung 07 Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 2015/2016 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 14. Dezember 2015 von:

Mehr

Gründe für die Behandlung von stochastischen Problemen (nach KÜTTING)

Gründe für die Behandlung von stochastischen Problemen (nach KÜTTING) Vorlesung 03.01.09 Stochastik Gründe für die Behandlung von stochastischen Problemen (nach KÜTTING) Der Mathematikunterricht der Schule hat die Aufgabe, eine Grundbildung zu vermitteln, die auf ein mathematisches

Mehr

Technische Hochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel

Technische Hochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel Technische Hochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 22, Tel. 394 jutta.arrenberg@th-koeln.de Übungen zu QM II Wahrscheinlichkeiten Aufgabe 2. In einer

Mehr

Bedingte Wahrscheinlichkeiten & Unabhängigkeit

Bedingte Wahrscheinlichkeiten & Unabhängigkeit Statistik 1 für SoziologInnen Bedingte Wahrscheinlichkeiten & Univ.Prof. Dr. Marcus Hudec Bedingte Wahrscheinlichkeit Das Konzept bedingter Wahrscheinlichkeit erlaubt zu untersuchen, inwieweit sich die

Mehr

Interaktives Skriptum: Elementare Wahrscheinlichkeitsrechnung

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

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Methodenlehre e e 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

Mehr

Musterlösung. Abitur Mathematik Bayern G Bayern Aufgabe 1. Abitur Mathematik: Musterlösung. Stochastik II

Musterlösung. Abitur Mathematik Bayern G Bayern Aufgabe 1. Abitur Mathematik: Musterlösung. Stochastik II Abitur Mathematik: Bayern 2012 Aufgabe 1 a) VIERFELDERTAFEL P(R ) = 88 % und P(V) = 18 % stehen in der Aufgabenstellung. 60 % in der Angabe stehen für die bedingte Wahrscheinlichkeit P R (V). P(R V) =

Mehr

Zusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen

Zusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind

Mehr

Ziegenproblem, Monty-Hall-Problem, Wahrscheinlichkeitsrechnung. Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem

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,

Mehr

6. Übungsblatt zur Einführung in die Stochastik

6. Übungsblatt zur Einführung in die Stochastik Fachbereich Mathematik Prof. Dr. Michael Kohler Dipl.-Math. Andreas Fromkorth Dipl.-Inf. Jens Mehnert SS 9 1.6.29 6. Übungsblatt zur Einführung in die Stochastik Aufgabe 22 Sei P ein auf der Borelschen

Mehr

Vorlesung: Statistik II für Wirtschaftswissenschaft

Vorlesung: Statistik II für Wirtschaftswissenschaft Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 6 Genzwertsätze Einführung 1 Wahrscheinlichkeit: Definition und Interpretation

Mehr

Bayes sches Lernen: Übersicht

Bayes sches Lernen: Übersicht Bayes sches Lernen: Übersicht Bayes sches Theorem MAP, ML Hypothesen MAP Lernen Minimum Description Length Principle Bayes sche Klassifikation Naive Bayes Lernalgorithmus Teil 10: Naive Bayes (V. 1.0)

Mehr

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

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

Mehr

Mathematik Übungsklausur 2013 Ausführliche Lösungen

Mathematik Übungsklausur 2013 Ausführliche Lösungen Mathematik Übungsklausur 0 Ausführliche Lösungen Analysis Aufgabe Die Nullstellen einer Funktion f mit Definitionsbereich D f sind die Lösungen der Gleichung f(x) = 0 in D f. Damit erhält man: a) f: x

Mehr

Einführung in die Wahrscheinlichkeitsrechnung

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

Mehr

6: Diskrete Wahrscheinlichkeit

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

Mehr

a) (A B) tritt ein = A tritt ein oder B tritt ein. = Mindestens eines der Ereignisse A, B tritt ein.

a) (A B) tritt ein = A tritt ein oder B tritt ein. = Mindestens eines der Ereignisse A, B tritt ein. Lösungsvorschläge zu den Aufgaben von Blatt 6: 43) 7 Telefonzellen ( 7 Kugeln in der Urne); 3 davon sind von je einem Benutzer besetzt ( 3 Kugeln in die Stichprobe). Die Telefonzellen werden nicht mehrfach

Mehr

3.4 Anwendung bedingter Wahrscheinlichkeiten

3.4 Anwendung bedingter Wahrscheinlichkeiten 3.4 Anwendung bedingter Wahrscheinlichkeiten Bsp. 23 Betrachtet werden mehrere Kanonen. Für i N bezeichne A i das Ereignis, daß Kanone i einen Schuß abgibt. A sei das Ereignis, daß ein Treffer erzielt

Mehr

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung Abiturvorbereitung Wahrscheinlichkeitsrechnung S. 1 von 9 Wahrscheinlichkeitsrechnung Kombinatorik Formeln für Wahrscheinlichkeiten Bedingte Wahrscheinlichkeiten Zusammenfassung wichtiger Begriffe Übungsaufgaben

Mehr

Auswertung und Lösung

Auswertung und Lösung Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage

Mehr

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 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:

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

Grundbegrie der Wahrscheinlichkeitsrechnung

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

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun http://blog.ruediger-braun.net Heinrich-Heine-Universität Düsseldorf 17. Dezember 2014 Klausurhilfsmittel Vier beidseitig von Hand beschriebene A4-Blätter

Mehr

Bayes sches Lernen: Übersicht

Bayes sches Lernen: Übersicht Bayes sches Lernen: Übersicht Bayes sches Theorem MAP, ML Hypothesen MAP Lernen Minimum Description Length Principle Bayes sche Klassifikation Naive Bayes Lernalgorithmus Teil 5: Naive Bayes + IBL (V.

Mehr

Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.2/58

Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.2/58 Statistik Einführung Wahrscheinlichkeitstheorie Kapitel 3 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Leydold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Wahrscheinlichkeitstheorie

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung und Statistik 3. Vorlesung - 21.10.2016 Bedingte Wahrscheinlichkeit In einer Urne sind 2 grüne und 3 blaue Kugeln. 2 Kugeln werden ohne Zürücklegen gezogen. Welches ist die Wahrscheinlichkeit, dass : a) man eine grüne

Mehr

Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26)

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

Mehr

Grundbegriffe der Wahrscheinlichkeitstheorie. Karin Haenelt

Grundbegriffe der Wahrscheinlichkeitstheorie. Karin Haenelt Grundbegriffe der Wahrscheinlichkeitstheorie Karin Haenelt 1 Inhalt Wahrscheinlichkeitsraum Bedingte Wahrscheinlichkeit Abhängige und unabhängige Ereignisse Stochastischer Prozess Markow-Kette 2 Wahrscheinlichkeitsraum

Mehr

Biostatistik, Sommer 2017

Biostatistik, Sommer 2017 1/52 Biostatistik, Sommer 2017 Prof. Dr. Achim Klenke http://www.aklenke.de 7. Vorlesung: 02.06.2017 2/52 Inhalt 1 Wahrscheinlichkeit Bayes sche Formel 2 Diskrete Stetige 3/52 Wahrscheinlichkeit Bayes

Mehr

Dr. H. Grunert Einführung in die Wahrscheinlichkeitsrechnung Vorlesungscharts. Vorlesung 1. Grundbegriffe der Wahrscheinlichkeitsrechnung

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

Mehr

Bedingte Wahrscheinlichkeit

Bedingte Wahrscheinlichkeit Bedingte Wahrscheinlichkeit Aufgaben Aufgabe 1 Beim Drucken im Computer Pool kommt es immer wieder zu einem Papierstau.Einer der Poolmgr hat rausgefunden das die Wahrscheinlichkeit einen Papierstau zu

Mehr

9. Elementare Wahrscheinlichkeitsrechnung

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

Mehr

Mathematische Grundlagen der Computerlinguistik Wahrscheinlichkeit

Mathematische Grundlagen der Computerlinguistik Wahrscheinlichkeit Mathematische Grundlagen der Computerlinguistik Wahrscheinlichkeit Dozentin: Wiebke Petersen 8. Foliensatz Wiebke Petersen math. Grundlagen 1 Motivation Bsp.: In vielen Bereichen der CL kommt Wahrscheinlichkeitstheorie

Mehr

Population und Stichprobe: Wahrscheinlichkeitstheorie

Population und Stichprobe: Wahrscheinlichkeitstheorie Population und Stichprobe: Wahrscheinlichkeitstheorie SS 2001 4. Sitzung vom 15.05.2001 Wahrscheinlichkeitstheorie in den Sozialwissenschaften: Stichprobenziehung: Aussagen über Stichprobenzusammensetzung

Mehr

5. Seminar Statistik

5. Seminar Statistik Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation

Mehr

Zuverlässigkeitstheorie

Zuverlässigkeitstheorie 3. Grundbegriffe der Wahrscheinlichkeitsrechnung Prof. Jochen Seitz Fachgebiet Kommunikationsnetze 20. November 2008 Übersicht Gesetz der großen Zahlen von Bernoulli 1 Gesetz der großen Zahlen von Bernoulli

Mehr

Grundbegrie der Wahrscheinlichkeitsrechnung

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

Mehr

Bayes'scher Satz und diskrete Verteilungen

Bayes'scher Satz und diskrete Verteilungen Die Benutzung dieser Materialien ist auf Herbst 2017 beschränkt. Diese Hilfsmaterialien sind nur für unseren Studenten gemeint, dürfen also nicht weiterverteilt werden. Bayes'scher Satz und diskrete Verteilungen

Mehr

Übungsaufgaben, Statistik 1

Übungsaufgaben, Statistik 1 Übungsaufgaben, Statistik 1 Kapitel 3: Wahrscheinlichkeiten [ 4 ] 3. Übungswoche Der Spiegel berichtet in Heft 29/2007 von folgender Umfrage vom 3. und 4. Juli 2007:,, Immer wieder werden der Dalai Lama

Mehr

Anzahl der Möglichkeiten in der Werkstatthalle, 3 ohne eingebaute Alarmanlage: N N 2

Anzahl der Möglichkeiten in der Werkstatthalle, 3 ohne eingebaute Alarmanlage: N N 2 Abiturprüfung Berufliche Oberschule 003 Mathematik 13 Technik - B I - Lösung Teilaufgabe 1.0 Eine Kfz-Werkstatt für Autoelektronik baut in Fahrzeuge Alarmanlagen ein. Die Werkstatt verfügt über 11 Stellplätze,

Mehr

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 1

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

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 10. November 2010 1 Bedingte Wahrscheinlichkeit Satz von der totalen Wahrscheinlichkeit Bayessche Formel 2 Grundprinzipien

Mehr

Bayes Klassifikatoren M E T H O D E N D E S D A T A M I N I N G F A B I A N G R E U E L

Bayes Klassifikatoren M E T H O D E N D E S D A T A M I N I N G F A B I A N G R E U E L Bayes Klassifikatoren M E T H O D E N D E S D A T A M I N I N G F A B I A N G R E U E L Inhalt Grundlagen aus der Wahrscheinlichkeitsrechnung Hypothesenwahl Optimale Bayes Klassifikator Naiver Bayes Klassifikator

Mehr

Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Bayes sches Lernen. Niels Landwehr

Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Bayes sches Lernen. Niels Landwehr Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen Bayes sches Lernen Niels Landwehr Überblick Grundkonzepte des Bayes schen Lernens Wahrscheinlichstes Modell gegeben Daten Münzwürfe

Mehr

3.3 Bedingte Wahrscheinlichkeit

3.3 Bedingte Wahrscheinlichkeit 28 3.3 Bedingte Wahrscheinlichkeit Oft ist die Wahrscheinlichkeit eines Ereignisses B gesucht unter der Bedingung (bzw. dem Wissen), dass ein Ereignis A bereits eingetreten ist. Man bezeichnet diese Wahrscheinlichkeit

Mehr

Basisprüfung B. Sc. FS 2009

Basisprüfung B. Sc. FS 2009 Basisprüfung B. Sc. Statistik und Wahrscheinlichkeitsrechnung FS 2009 Prof. Dr. M. H. Faber ETH Zürich Montag, 17. August 2009 14:00 16:00 Vorname:... Name:... Stud. Nr.:... Studienrichtung:... Basisprüfung

Mehr