Bernoulli-Experiment und Binomialverteilung

Größe: px
Ab Seite anzeigen:

Download "Bernoulli-Experiment und Binomialverteilung"

Transkript

1 IV Beroulli-Exerimet ud Biomialverteilug Beroulli-Exerimet ud Beroulliette Defiitio: Zufallsexerimete, bei dee ma sich ur für das Eitrete ( Treffer, Symbol ) oder das Nichteitrete ( Niete, Symbol 0 ) eies Ereigisses iteressiert, et ma Beroulliexerimet. Ω = {0,} Ist ei Beroulliexerimet automatisch ei Lalaceexerimet? Nei. z.b. Sechser oder Nichtsechser beim Würfel Beisiele: Müzwurf (Kof/ Nicht-Kof (Zahl)) Würfel (6, Nicht-6) Olaf, go (lis/rechts) Ure (weiße Kugel, icht-weiß) Qualitätsrüfug, gut autt Beachte:. Ei Beroulliexerimet ist icht otwedig ei Lalace-Exerimet.. Trefferwahrscheilicheit => q = Nietewahrscheilicheit Müdliches Beisiel: Jetzt 5 mal acheiader würfel, Treffer bei 6: P ( Treffer) = 5 ( )² Defiitio: Eie Folge vo uabhägige Beroulli-Exerimete mit gleicher Trefferwahrscheilicheit heißt Beroulliette der Läge. Beisiel: Ei 8-öfiger LK trifft sich zum Uterricht. Die Aweseheit wird durch ei 8- Tuel (0 0...) beschriebe. Jedem Tuel des Ergebisraums wird durch die Zufallsgröße X die Azahl der awesede Schüler zugeordet. Ist user Beisiel eie Beroulliette? Was muss vorausgesetzt werde? Auftauchwahrscheilicheite müsse alle gleich groß sei. Also icht: We eier gere ausschläft oder die Oma flege muss, ommt er selteer. Also: Gleich große Tristesse der verschiedee Schülerlebe vorausgesetzt. Darüber hiaus muss jeder mit der gleiche W. uabhägig vo alle adere auftauche. Also icht: We der Igor ommt, omme ich icht. Deshalb: Jeder Schüler ommt zum Kurs mit eier Wahrscheilicheit vo = 80% ubeeiflusst vo alle adere. (also Beroulli-Kette der Läge ) ) Wie groß ist die Wahrscheilicheit, dass die erste füf Schüler des 8-Tuels icht omme, der Rest jedoch awesed ist? Trefferwahrscheilicheit = 0,8 Nietewahrscheilicheit: q = - = 0, Lösug: 0, 5 0,8 3 ) Wie groß ist die Wahrscheilicheit, dass a dem Abed Schüler awesed sid? Wir iteressiere us also ur für die Werte der Zufallsgröße X, die agibt, wie viele Awesede (Treffer) ei -Tuel hat. Die Wahrscheilicheitsverteilug für diese Zufallsgröße heißt Biomialverteilug: 8 6 P(X = ) = 0,8 (0,) Damit ist die Wahrscheilicheit für zum Beisiel 4 awesede Schüler: 4

2 8 B(8;0,8;4) = 0, , 4 = ,8 4 0, 4 = 0,. Biomialverteilug Allgemei: Eie Zufallsgröße X heißt biomial verteilt ach B(;) falls X ur Werte aus {0,,..., } aimmt ud es gilt: P(X = ) = B(,,) = ( ) Die zu B(,,) gehörige Verteilugsfutio F hat für {0,,..., } folgede Wert F = () B(,,i) i= 0 Beisiel zur Verwedug des Tafelwers Wie groß ist die Wahrscheilicheit, dass i eier Kollegstufe vo 00 uabhägige Persoe, die zu 90% awesed sid, a) geau b) höchstes 9 Persoe awesed sid? Mit Tafelwer: B(00;0,9;9) =,48% F0,8 00 (9) = 79,395% Eigeschafte der Biomialverteilug ud ihrer Verteilugsfutio ) B(,,) = B(, q, -) ) F () = - F -(--) 3) Erwartugswert E(X) = Variaz Var(X) = q Beweise:!! zu ) = =, also ( )!( )! ( )!! ürzer: geau Treffer geau Niete = ( ) = q ( q) zu ) P(Höchstes Treffer)=P( Midestes Niete) = P (Höchstes Niete) zu 3) Mit der Formel (I) (X + Y) = (X) + (Y) aus 4. betrachte wir die Elemete der Beroulliette. Jedes der Exerimete liefert mit Wahrscheilicheit de Ausgag ud mit Ausgag 0. Der Erwartugswert ist also jeweils, aufsummiert. Aufgrud der Uabhägigeit lässt sich ei Additiosgesetz auch für die Variaz verwede. Die Variaz eies Exerimets ist da ( )² + (0 )² q = - ² + ³ + ² ( ) = - ² + ³ + ² ³ = - ² = ( ) = q Isgesamt mit Summeregel: Var X = q 4

3 3 Das Gesetz der große Zahle Sei X eie biomialverteilte Zufallsgröße. Da gilt die Tschebyschow-Ugleichug: Var(X) P( X µ a) a q P( X a) a Da sich a der Aussage der iere Ugleichug ichts ädert, we ma die Ugleichug durch teilt, folgt: X a q P a mit de Abürzuge b := a/ ud H := X/ für die relative Häufigeit gilt: q P( h b) b da q = (-) <= ¼ folgt: Für die relative Häufigeit h der Treffer eier Beroulliette der Läge gilt die Tschebyschow- Ugleichug: FS 07 P( h b) 4b b b Das Tschebyschow-Risio (Term auf der lie Ugleichugsseite) wurde hier durch abgeschätzt. 4b Für das Gegeereigis gilt da: P( H < b) 4b Im Grezfall -> folgt: Schwaches Gesetz der große Zahle vo Jaob Beroulli (FS 06) Sei b > 0 beliebig lei, da gilt: lim P( h < b) = I Worte: Die Wahrscheilicheit, dass sich bei eier Beroulliette die relative Häufigeit H für eie Treffer vo der Trefferwahrscheilicheit um weiger als eie beliebig (leie!!!) vorgegebee Wert b uterscheidet, strebt gege, we die Azahl der Exerimete gege uedlich geht. Ma sagt: h overgiert stochastisch ach. 43

4 Bemerug:. Das Gesetz der große Zahle zeigt, dass der Wahrscheilicheitsbegriff, der allgemei ach Kolmogorow defiiert wurde, sivoll ist. Große Abweichuge vo der Wahrscheilicheit sid für große uwahrscheilich.. Die Betrachtug des Falles b = 0 ist icht sivoll. I diesem Fall ergäbe sich das Gegeteil: lim P (h = ) = 0 3. Im Itervall ] b, + b[ der Läge b liege für großes sehr viele mögliche Werte für H da die mögliche Werte im Abstad / liege, gibt es isgesamt b/(/) = b davo. Jeder Wert a eie sehr leie Wahrscheilicheit habe, zusamme ergebe sie aber beiahe. Ma darf also icht schließe: lim h = Beisiel: I 678 Lottoziehuge fiel die 389 mal, 53 mal öfter als zu erwarte. Für die relative Häufigeit bedeutet dies eie Abweichug vo 53/678 =,9% vom Sollwert. Stares Gesetz der große Zahle vo Borel - Catelli: P(lim h = ) = Srich: Die relative Häufigeit overgiert fast sicher gege die Wahrscheilicheit. 44

5 4 Veraschaulichug der Biomialverteilug durch Exerimete Beisiel : Utersuchug vo B(0, ½ ) Exerimet: 0 mal Würfel ud mere, wie oft Zahl. Jeder Schüler führt das Exerimet drei mal durch, hat also da drei Zahle vo 0 bis Abs. Häuf. Rel. Häuf. B(0,½,) 0, , , ,78 0, , , ,78 0, , Beisiel : Galtobrett Betrueer geht ach Hause i Ameria (immer dem Soeaufgag etgege) 0 q Wahrscheilicheit, dass ma i der 6. Zeile i der vierte Salte ladet: P(A) = 6 6 ( ) Nehme wir a = 0,5. Galtobrett vorführe. 45

Klassifizierung der Verteilungen. Streuung der diskreten Verteilung

Klassifizierung der Verteilungen. Streuung der diskreten Verteilung Wichtigste Verteiluge der Biostatisti Disrete Zur Erierug Klassifizierug der Verteiluge Kotiuierliche Disrete Gleichverteilug Kotiuierliche Gleichverteilug Biomialverteilug Normalverteilug Poisso Verteilug

Mehr

3 Wichtige Wahrscheinlichkeitsverteilungen

3 Wichtige Wahrscheinlichkeitsverteilungen 26 3 Wichtige Wahrscheilicheitsverteiluge Wir betrachte zuächst eiige Verteilugsfutioe für Produtexperimete 31 Die Biomialverteilug Wir betrachte ei Zufallsexperimet zum Beispiel das Werfe eier Müze, bei

Mehr

Empirische Verteilungsfunktion

Empirische Verteilungsfunktion KAPITEL 3 Empirische Verteilugsfuktio 3.1. Empirische Verteilugsfuktio Seie X 1,..., X uabhägige ud idetisch verteilte Zufallsvariable mit theoretischer Verteilugsfuktio F (t) = P[X i t]. Es sei (x 1,...,

Mehr

AngStat1(Ue13-21).doc 23

AngStat1(Ue13-21).doc 23 3. Ereigisse Versuchsausgäge ud Wahrscheilicheite: a) Wie wird die Wahrscheilicheit des Auftretes eies Elemetarereigisses A geschätzt? A Ω heißt Elemetarereigis we es ur eie Versuchsausgag ethält also

Mehr

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy. Vo der relative Häufigkeit zur Wahrscheilichkeit Es werde 20 Schüler befragt, ob sie ei Hady besitze. Das Ergebis der Umfrage lautet: Vo 20 Schüler besitze 99 ei Hady. Ereigis E: Schüler besitzt ei Hady

Mehr

R. Brinkmann Seite

R. Brinkmann  Seite R. Brikma http://brikma-du.de Seite 1.0.014 Lösuge zur Biomialverteilug I Ergebisse: E1 E E E4 E E E7 Ergebis Ei Beroulli-Experimet ist ei Zufallsexperimet, das ur zwei Ergebisse hat. Die Ergebisse werde

Mehr

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

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 Lehrstuhl für Empirische Wirtschaftsforschug ud Ökoometrie Dr. Rolad Füss Statistik II: Schließede Statistik SS 2007 6. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug

Mehr

Kapitel 2: Laplacesche Wahrscheinlichkeitsräume

Kapitel 2: Laplacesche Wahrscheinlichkeitsräume - 12 - (Kapitel 2 : Laplacesche Wahrscheilicheitsräume) Kapitel 2: Laplacesche Wahrscheilicheitsräume Wie beim uverfälschte Müzewurf ud beim uverfälschte Würfel spiele Symmetrieüberleguge, die jedem Elemetarereigis

Mehr

Tests statistischer Hypothesen

Tests statistischer Hypothesen KAPITEL 0 Tests statistischer Hypothese I der Statistik muss ma oft Hypothese teste, z.b. muss ma ahad eier Stichprobe etscheide, ob ei ubekater Parameter eie vorgegebee Wert aimmt. Zuerst betrachte wir

Mehr

5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung

5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung Seite vo 7 5 Beroulli-Kette Jakob Beroulli 654-705 Schweizer Mathematiker ud Physiker 5. Beroulli-Exerimet 5.. Eileitug Oft iteressiert ma sich bei Zufallsexerimete icht für die eizele Ergebisse, soder

Mehr

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 5

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 5 TUM, Zetrum Mathematik Lehrstuhl für Mathematische Physik WS 13/14 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weider Tutoraufgabe: Eiführug i die Wahrscheilichkeitstheorie Lösugsvorschläge zu Übugsblatt

Mehr

FORMELSAMMLUNG. re-wi. A. Ableitungsformeln und Integralformeln. Funktion ƒ(x) Ableitung ƒ'(x) Stammfunktion F(x) = 1 1. B. Ableitungsregeln.

FORMELSAMMLUNG. re-wi. A. Ableitungsformeln und Integralformeln. Funktion ƒ(x) Ableitung ƒ'(x) Stammfunktion F(x) = 1 1. B. Ableitungsregeln. FORMELSAMMLUNG A. Ableitugsformel ud Itegralformel Futio ƒ( Ableitug ƒ'( Stammfutio F( IR, ( IN) + + l ( ) + ( + ) + ( + ) + + + + + + + + r r, (r R \ {}) r r r + si os os os si si ta + (ta l os ot [ +

Mehr

Prof. Dr. Roland Füss Statistik II SS 2008

Prof. Dr. Roland Füss Statistik II SS 2008 1. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug ergibt sich aus de Grezwertsätze. Grezwertsätze sid Aussage über eie Zufallsvariable für de Fall, dass die Azahl

Mehr

Die notwendigen Verteilungstabellen finden Sie z.b. hier:

Die notwendigen Verteilungstabellen finden Sie z.b. hier: Fakultät für Mathematik Istitute IAG ud IMO Prof. Dr. G. Kyureghya/Dr. M. Hödig Schätz- ud Prüfverfahre Die otwedige Verteilugstabelle fide Sie z.b. hier: http://www.ivwl.ui-kassel.de/kosfeld/lehre/zeitreihe/verteilugstabelle.pdf

Mehr

Vl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5

Vl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5 Vl Statistische Prozess- ud Qualitätskotrolle ud Versuchsplaug Übug 5 Aufgabe ) Sei p = P(A) die Wahrscheilichkeit für ei Ereigis A, dh., es gilt 0 p. Bereche Sie das Maximum der Fuktio f(p) = p(-p). Aufgabe

Mehr

Wahrscheinlichkeit & Statistik

Wahrscheinlichkeit & Statistik Wahrscheilichkeit & Statistik created by Versio: 3. Jui 005 www.matheachhilfe.ch ifo@matheachhilfe.ch 079 703 7 08 Mege als Sprache der Wahrscheilichkeitsrechug, Begriffe, Grudregel Ereigisraum: Ω Ω Mege

Mehr

Stochastik: Binomialverteilung Stochastik Bernoulli-Experimente, binomialverteilte Zufallsvariablen Gymnasium ab Klasse 10

Stochastik: Binomialverteilung Stochastik Bernoulli-Experimente, binomialverteilte Zufallsvariablen Gymnasium ab Klasse 10 Stochastik Beroulli-Experimete, biomialverteilte Zufallsvariable Gymasium ab Klasse 0 Alexader Schwarz www.mathe-aufgabe.com November 203 Hiweis: Für die Aufgabe darf der GTR beutzt werde. Aufgabe : Ei

Mehr

Testen statistischer Hypothesen

Testen statistischer Hypothesen Kapitel 9 Teste statistischer Hypothese 9.1 Eiführug, Sigifiaztests Sigifiaztest für µ bei der ormalverteilug bei beatem σ = : X i seie uabhägig ud µ, ) verteilt, µ sei ubeat. Stelle eie Hypothese über

Mehr

Diskrete Zufallsvariablen

Diskrete Zufallsvariablen Erste Beispiele diskreter Verteiluge Diskrete Zufallsvariable Beroulli-Verteilug Eie diskrete Zufallsvariable heißt beroulliverteilt mit arameter p, falls sie die Wahrscheilichkeitsfuktio p,, f ( ) ( )

Mehr

Kapitel 6 : Punkt und Intervallschätzer

Kapitel 6 : Punkt und Intervallschätzer 7 Kapitel 6 : Pukt ud Itervallschätzer Puktschätzuge. I der Statistik wolle wir Rückschlüsse auf das Wahrscheilichkeitsgesetz ziehe, ach dem ei vo us beobachtetes Zufallsexperimet abläuft. Hierzu beobachte

Mehr

Klausur zu,,einführung in die Wahrscheinlichkeitstheorie. Musterlösungen

Klausur zu,,einführung in die Wahrscheinlichkeitstheorie. Musterlösungen Istitut für agewadte Mathematik Witersemester 9/ Adreas Eberle, Matthias Erbar, Berhard Hader. (Reelle Zufallsvariable) Klausur zu,,eiführug i die Wahrscheilichkeitstheorie Musterlösuge a) Die Verteilugsfuktio

Mehr

Irrationalität und Transzendenz. 1 Algebraische Zahlen

Irrationalität und Transzendenz. 1 Algebraische Zahlen Vortrag im Rahme des Prosemiars zur Aalysis, 12.6.26 Marti Woitalla Der Vortrag beschäftigt sich mit dem Thema, welche Zahle als Lösug eies Polyoms i Q[X] auftrete öe. Außer de ratioale Zahle x a =, a

Mehr

1 Vollständige Induktion

1 Vollständige Induktion 1 Vollstädige Idutio 1.1 Idutiosbeweise Das Beweisprizip der vollstädige Idutio ist eies der wichtigste Hilfsmittel der Mathemati icht ur der Aalysis. Es fidet Verwedug bei pratische alle Aussage, die

Mehr

1. Folgen ( Zahlenfolgen )

1. Folgen ( Zahlenfolgen ) . Folge ( Zahlefolge Allgemeies Beispiel für eie regelmäßige Folge: /, /3, /4, /5, /6,... Das erste Glied ist a =/ Das ist das Glied mit dem Ide Das zweite Glied ist a =/3 Das ist das Glied mit dem Ide

Mehr

AUFGABEN. Verständnisfragen

AUFGABEN. Verständnisfragen AUFGABEN Gelegetlich ethalte die Aufgabe mehr Agabe, als für die Lösug erforderlich sid. Bei eiige adere dagege werde Date aus dem Allgemeiwisse, aus adere Quelle oder sivolle Schätzuge beötigt. eifache

Mehr

Stochastisches Integral

Stochastisches Integral Kapitel 11 Stochastisches Itegral Josef Leydold c 26 Mathematische Methode XI Stochastisches Itegral 1 / 2 Lerziele Wieer Prozess ud Browsche Bewegug Stochastisches Itegral Stochastische Differetialgleichug

Mehr

15.4 Diskrete Zufallsvariablen

15.4 Diskrete Zufallsvariablen .4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet

Mehr

6. Grenzwertsätze. 6.1 Tschebyscheffsche Ungleichung

6. Grenzwertsätze. 6.1 Tschebyscheffsche Ungleichung 6. Grezwertsätze 6.1 Tschebyscheffsche Ugleichug Sofer für eie Zufallsvariable X die Verteilug bekat ist, lässt sich die Wahrscheilichkeit dafür bestimme, dass X i eiem bestimmte Itervall liegt. Wie ist

Mehr

Übungsblatt 1 zur Vorlesung Angewandte Stochastik

Übungsblatt 1 zur Vorlesung Angewandte Stochastik Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche

Mehr

Innerbetriebliche Leistungsverrechnung

Innerbetriebliche Leistungsverrechnung Ierbetriebliche Leistugsverrechug I der Kostestellerechug bzw. im Betriebsabrechugsboge (BAB ist ach der Erfassug der primäre Kostestellekoste das Ziel, die sekudäre Kostestellekoste, also die Koste der

Mehr

Statistik I Februar 2005

Statistik I Februar 2005 Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet

Mehr

KAPITEL 11. Ungleichungen. g(x) g(x 0 ) + K 0 (x x 0 ).

KAPITEL 11. Ungleichungen. g(x) g(x 0 ) + K 0 (x x 0 ). KAPITEL 11 Ugleichuge 111 Jese-Ugleichug Defiitio 1111 Eie Fuktio g : R R heißt kovex, we ma für jedes x R ei K = K (x ) R fide ka, so dass für alle x R gilt: g(x) g(x ) + K (x x ) Bemerkug 111 Eie Fuktio

Mehr

2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters:

2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters: . Schätzverfahre. Puktschätzug wirtschaftlicher Kezahle Allgemei: Puktschätzug eies Parameters: Ermittlug eies Schätzwertes für eie ubekate Parameter eier Zufallsvariable i der Grudgesamtheit mit Hilfe

Mehr

Kapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit

Kapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit - 18 - (Kapitel 3 : Bedigte Wahrscheilichkeite ud Uabhägigkeit) Kapitel 3: Bedigte Wahrscheilichkeite ud Uabhägigkeit Wird bei der Durchführug eies stochastische Experimets bekat, daß ei Ereigis A eigetrete

Mehr

7.2 Grundlagen der Wahrscheinlichkeitsrechnung

7.2 Grundlagen der Wahrscheinlichkeitsrechnung 7.2 Grudlage der Wahrscheilichkeitsrechug Ei Ereigis heißt i Bezug auf eie Satz vo Bediguge zufällig, we es bei der Realisierug dieses Satzes eitrete ka, aber icht ubedigt eitrete muss. Def. 7.2.: Ei Experimet

Mehr

( ) Formelsammlung. Kombinatorik. Permutation: ohne Wiederholung. n! = n (n - 1) (n - 2)... 3 2 1 n= alle Elemente. Permutation: mit Wiederholung

( ) Formelsammlung. Kombinatorik. Permutation: ohne Wiederholung. n! = n (n - 1) (n - 2)... 3 2 1 n= alle Elemente. Permutation: mit Wiederholung Formelsammlug Kombiatori Permutatio: ohe Wiederholug! = ( - 1) ( - 2).... 3 2 1 = alle Elemete Permutatio: mit Wiederholug!! P, = = usw. = gleiche Elemete! 1! K 2! Stichprobe (SP) = geordete Auswahl Geordete

Mehr

Lösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung

Lösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung Prof. Dr. V. Schmidt WS 200/20 G. Gaiselma, A. Spettl 7.02.20 Lösugsvorschlag Probeklausur zur Elemetare Wahrscheilichkeitsrechug Hiweis: Der Umfag ud Schwierigkeitsgrad dieser Probeklausur muss icht dem

Mehr

Kapitel 2. Zahlenbereiche

Kapitel 2. Zahlenbereiche Kapitel 2. Zahlebereiche 2.1. Natürliche Zahle Die Mege N {1, 2, 3,... } der atürliche Zahle wird formal durch die Peao Axiome defiiert: (A1) 1 N (A2) N ( + 1) N (A3) m ( + 1) (m + 1) (A4) N ( + 1) 1 (A5)

Mehr

Seminarausarbeitung: Gegenbeispiele in der Wahrscheinlichkeitstheorie. Unterschiedliche Konvergenzarten von Folgen von Zufallsvariablen

Seminarausarbeitung: Gegenbeispiele in der Wahrscheinlichkeitstheorie. Unterschiedliche Konvergenzarten von Folgen von Zufallsvariablen Semiarausarbeitug: Gegebeispiele i der Wahrscheilichkeitstheorie - Uterschiedliche Kovergezarte vo Folge vo Zufallsvariable Volker Michael Eberle 4. März 203 Eileitug Die vorliegede Arbeit thematisiert

Mehr

Einführung in die Stochastik 10. Übungsblatt

Einführung in die Stochastik 10. Übungsblatt Eiführug i die Stochastik. Übugsblatt Fachbereich Mathematik SS M. Kohler.7. A. Fromkorth D. Furer Gruppe ud Hausübug Aufgabe 37 (4 Pukte) Ei Eremit am Südpol hat sich für die eibrechede polare Nacht mit

Mehr

Lösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 4: Aufgaben zu den Kapiteln 7 und 8

Lösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 4: Aufgaben zu den Kapiteln 7 und 8 1 Lösuge ausgewählter Übugsaufgabe zum Buch Elemetare Stochastik (Spriger Spektrum, 2012) Teil 4: Aufgabe zu de Kapitel 7 ud 8 Aufgabe zu Kapitel 7 Zu Abschitt 7.1 Ü7.1.1 Ω sei höchstes abzählbar, ud X,

Mehr

1 Analysis T1 Übungsblatt 1

1 Analysis T1 Übungsblatt 1 Aalysis T Übugsblatt A eier Weggabelug i der Wüste lebe zwei Brüder, die vollkomme gleich aussehe, zwische dee es aber eie gewaltige Uterschied gibt: Der eie sagt immer die Wahrheit, der adere lügt immer.

Mehr

Fundamentale Prinzipien der Kombinatorik und elementare Abzählkoeffizienten Wolfram Koepf

Fundamentale Prinzipien der Kombinatorik und elementare Abzählkoeffizienten Wolfram Koepf Fudametale Prizipie der Kombiatori ud elemetare Abzähloeffiziete Wolfram Koepf Die abzählede Kombiatori beschäftigt sich vor allem mit der Auswahl eier Teilmege, die ma häufig eie Stichprobe et (aus Wahrscheilicheitsrechug

Mehr

Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME

Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Fassug vom 13. Februar 2006 Mathematik für Humabiologe ud Biologe 129 9.1 Stichprobe-Raum 9.1 Stichprobe-Raum Die bisher behadelte Beispiele vo Naturvorgäge oder Experimete

Mehr

Wahrscheinlichkeitstheorie und Statistik vom

Wahrscheinlichkeitstheorie und Statistik vom INSTITUT FÜR MATHEMATISCHE STOCHASTIK WS 005/06 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Klausur Wahrscheilichkeitstheorie ud Statistik vom 9..006 Musterlösuge Aufgabe A: Gegebe sei eie Urliste

Mehr

Parameter von Häufigkeitsverteilungen

Parameter von Häufigkeitsverteilungen Kapitel 3 Parameter vo Häufigkeitsverteiluge 3. Mittelwerte Mo Der Modus (:= häufigster Wert, Abk.: Mo) ist der Merkmalswert mit der größte Häufigkeit, falls es eie solche gibt. Er sollte ur bei eigipflige

Mehr

10 Aussagen mit Quantoren und

10 Aussagen mit Quantoren und 0 Aussage mit Quatore ud 0.6. Eisatz vo (bereits bekater) Eistezaussage Bisher hatte wir Eistezbeweise geführt, idem wir ei passedes Objekt agegebe habe ( Setze... ). Stattdesse ka ma auch auf bereits

Mehr

Zusammenfassung: Folgen und Konvergenz

Zusammenfassung: Folgen und Konvergenz LGÖ Ks VMa Schuljahr 6/7 Zusammefassug Folge ud Kovergez Ihaltsverzeichis Defiitioe ud Beispiele für Folge Beschräkte Folge Kovergez vo Folge Grezwertsätze für Folge 5 Für Experte 7 Defiitioe ud Beispiele

Mehr

(gesprochen n über k ) sind für n k, n, k N0 wie folgt definiert: n n. (k + 1)!(n k 1)! (n + 1)!

(gesprochen n über k ) sind für n k, n, k N0 wie folgt definiert: n n. (k + 1)!(n k 1)! (n + 1)! Aufgabe.4 Die Verallgemeierug der biomische Formel für (x y ist der Biomische Lehrsatz: (x y x y, x, y R, N. (a Zeige Sie die Beziehug ( ( ( zwische de Biomialoeffiziete. (b Beweise Sie de Biomische Lehrsatz.

Mehr

Perkolation (WS 2014) Übungsblatt 2

Perkolation (WS 2014) Übungsblatt 2 Istitut für Stochasti Prof. Dr. G. Last Dipl.-Math. S. Ziesche Perolatio WS 04 Übugsblatt Aufgabe Zeige Sie für T, dass θ 0 p ud χ 0 p stetig auf [0, ] sid, we ma als Wertebereich R + { } zulässt. Lösug:

Mehr

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Multiple-Choice-Tests zur Atomphysik. Das komplette Material finden Sie hier:

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Multiple-Choice-Tests zur Atomphysik. Das komplette Material finden Sie hier: Uterrichtsmaterialie i digitaler ud i gedructer Form Auszug aus: Multiple-Choice-Tests zur Atomphysi Das omplette Material fide Sie hier: School-Scout.de 6. Multiple-Choice-Tests zur Atomphysi 1 vo 22

Mehr

SBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit

SBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf # 0 Atwort Diese Lerkarte sid sorgfältig erstellt worde, erhebe aber weder Aspruch auf Richtigkeit och auf Vollstädigkeit. Das Lere mit Lerkarte fuktioiert ur

Mehr

2 Vollständige Induktion

2 Vollständige Induktion 8 I. Zahle, Kovergez ud Stetigkeit Vollstädige Iduktio Aufgabe: 1. Bereche Sie 1+3, 1+3+5 ud 1+3+5+7, leite Sie eie allgemeie Formel für 1+3+ +( 3)+( 1) her ud versuche Sie, diese zu beweise.. Eizu5% ZiseproJahragelegtes

Mehr

18 2 Zeichen, Zahlen & Induktion *

18 2 Zeichen, Zahlen & Induktion * 18 2 Zeiche, Zahle & Idutio * Ma macht sich z.b. sofort lar, dass das abgeschlossee Itervall [ 3, 4] die Eigeschafte if[ 3, 4] 3 mi[ 3, 4] ud sup[ 3, 4]4max[ 3, 4] besitzt, währed das offee Itervall 3,

Mehr

Gesetz der großen Zahlen

Gesetz der großen Zahlen KAPITEL 0 Gesetz der große Zahle 0.. Zwei Beispiele Beispiel 0... Wir betrachte ei Beroulli-Experimet, das uedlich oft wiederholt wird. Die Wahrscheilichkeit für eie Erfolg sei p. Die Zufallsvariable,

Mehr

Übungsaufgaben II. Übungsaufgaben II. f) Wie groß ist die Wahrscheinlichkeit, dass er mindestens 1 richtige Antworten. ankreuzt?

Übungsaufgaben II. Übungsaufgaben II. f) Wie groß ist die Wahrscheinlichkeit, dass er mindestens 1 richtige Antworten. ankreuzt? Berufsolleg Marieschule Lippstadt Schuljahr /7 Kurs: Mathemati AHR. Berufsolleg Marieschule Lippstadt Schuljahr /7 Kurs: Mathemati AHR. Aufgabe Ei Multiple-Choise-Test besteht aus Frage für die jeweils

Mehr

Stochastik für WiWi - Klausurvorbereitung

Stochastik für WiWi - Klausurvorbereitung Dr. Markus Kuze WS 2013/14 Dipl.-Math. Stefa Roth 11.02.2014 Stochastik für WiWi - Klausurvorbereitug Gesetz der totale Wahrscheilichkeit ud Satz vo Bayes (Ω, F, P) Wahrscheilichkeitsraum, E 1,..., E F

Mehr

Binomialkoeffizienten und Binomischer Satz 1 Der binomische Lehrsatz

Binomialkoeffizienten und Binomischer Satz 1 Der binomische Lehrsatz Ihaltsverzeichis Biomialoeffiziete ud Biomischer Satz 1 Der biomische Lehrsatz wird als eie gaze Zahl vorausgesetzt, für die gilt: 0. a ud b werde als reelle Zahle vorausgesetzt, die icht Null sid. Bemerug:

Mehr

Wirksamkeit, Effizienz

Wirksamkeit, Effizienz 3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue

Mehr

Indizieren Sie die folgenden Summen und Produkte gemäß der Vorgabe um und schreiben Sie sie einmal explizit aus: 5

Indizieren Sie die folgenden Summen und Produkte gemäß der Vorgabe um und schreiben Sie sie einmal explizit aus: 5 FU Berli: WiSe 13-14 (Aalysis 1 - Lehr.) Übugsaufgabe Zettel 9 Aufgabe 37 Idiziere Sie die folgede Summe ud Produte gemäß der Vorgabe um ud schreibe Sie sie eimal explizit aus: 5 (a) + 1) 0( Lösug. Die

Mehr

mit (a 1 ) (0,0,,0). Dann ist die Menge,,a n,a 2 eine endliche Menge und besitzt ein grösstes Element ggt(a 1

mit (a 1 ) (0,0,,0). Dann ist die Menge,,a n,a 2 eine endliche Menge und besitzt ein grösstes Element ggt(a 1 Kapitel 1: Reste, Teiler, Vielfache Defiitio Es sei a 0. Die Zahl b 0 ist ei Teiler vo a, we es ei u 0 gibt, sodass ub= a. Ist b ei Teiler vo a, so ist a ei Vielfaches vo b. Bezeichug b a für b ist Teiler

Mehr

Konvergenz von Folgen von Zufallsvariablen

Konvergenz von Folgen von Zufallsvariablen Kapitel 5 Kovergez vo Folge vo Zufallsvariable 5.1 Fa-sichere ud ochaische Kovergez Seie Ω, A, P ei W-Raum, X N eie Folge R k -wertiger Zufallsvariable auf Ω ud X eie R k -wertige Zufallsvariable auf Ω

Mehr

Beispiel 4 (Die Urne zu Fall 4 mit Zurücklegen und ohne Beachten der Reihenfolge ) das Sitzplatzproblem (Kombinationen mit Wiederholung) Reihenfolge

Beispiel 4 (Die Urne zu Fall 4 mit Zurücklegen und ohne Beachten der Reihenfolge ) das Sitzplatzproblem (Kombinationen mit Wiederholung) Reihenfolge 1 Beispiel 4 (Die Ure zu Fall 4 mit Zurücklege ud ohe Beachte der Reihefolge ) das Sitzplatzproblem (Kombiatioe mit Wiederholug) 1. Übersicht Ziehugsmodus ohe Zurücklege des gezogee Loses mit Zurücklege

Mehr

Übungen zu QM III Mindeststichprobenumfang

Übungen zu QM III Mindeststichprobenumfang Techische Hochschule Köl Fakultät für Wirtschafts- ud Rechtswisseschafte Prof. Dr. Arreberg Raum 221, Tel. 39 14 jutta.arreberg@th-koel.de Übuge zu QM III Mideststichprobeumfag Aufgabe 12.1 Sie arbeite

Mehr

Erfolg im Mathe-Abi 2013

Erfolg im Mathe-Abi 2013 Gruber I Neuma Erfolg im Mathe-Abi 2013 Vorabdruck Wahlteil Stochastik für das Abitur ab 2013 zum Übugsbuch für de Wahlteil Bade-Württemberg mit Tipps ud Lösuge Vorwort Vorwort Erfolg vo Afag a...ist das

Mehr

Primer WaSt2 1. Primer WaSt2. 1. Grundlagen der Wahrscheinlichkeitstheorie

Primer WaSt2 1. Primer WaSt2. 1. Grundlagen der Wahrscheinlichkeitstheorie Primer WaSt Primer WaSt. Grudlage der Wahrscheilicheitstheorie I diesem Kapitel werde die statistische Grudlage, die für die Behadlug vo stochastische Prozesse beötigt werde, urz aufgeführt. Für eie detailliertere

Mehr

Höhere Mathematik für die Fachrichtung Physik

Höhere Mathematik für die Fachrichtung Physik Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 05/06 3..05 Höhere Mathemati für die Fachrichtug Physi Lösugsvorschläge zum 3. Übugsblatt Vorbemerug

Mehr

Reelle Folgen. Definition. Eine reelle Folge ist eine Abbildung f : N R. liefert ( 7 9, 37

Reelle Folgen. Definition. Eine reelle Folge ist eine Abbildung f : N R. liefert ( 7 9, 37 Reelle Folge Der Begriff der Folge ist ei grudlegeder Baustei der Aalysis, weil damit u.a. Grezprozesse defiiert werde köe. Er beschreibt de Sachverhalt eier Abfolge vo Elemete, wobei die Reihefolge bzw.

Mehr

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39 Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle

Mehr

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008 Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe

Mehr

Erfolg im Mathe-Abi 2017

Erfolg im Mathe-Abi 2017 Gruber I Neuma Erfolg im Mathe-Abi 2017 Übugsaufgabe für de Wahlteil Bade-Württemberg mit Tipps ud Lösuge Ihaltsverzeichis Ihaltsverzeichis Aalysis 1 Tuel... 7 2 Widkraftalage... 8 3 Testzug... 9 4 Abkühlug...

Mehr

Elemente der Mathematik - Winter 2016/2017

Elemente der Mathematik - Winter 2016/2017 4 Elemete der Mathemati - Witer 201/2017 Prof. Dr. Peter Koepe, Regula Krapf Übugsblatt 8 Aufgabe 33 ( Pute). Beweise Sie folgede Idetitäte durch vollstädige Idutio: (a) 0 2 (1)(21), N. (b) 2 (1 1 ) 1

Mehr

P{k Fehlschläge vor dem ersten Erfolg} P(X=k) = p k = f(k) = p(1-p) k, k= 0, 1, 2,..., 0< p <1, F(k) = 1 - q k+1, q:=1-p, E(X) = q p, var(x) = q p 2

P{k Fehlschläge vor dem ersten Erfolg} P(X=k) = p k = f(k) = p(1-p) k, k= 0, 1, 2,..., 0< p <1, F(k) = 1 - q k+1, q:=1-p, E(X) = q p, var(x) = q p 2 GEOMETRIC geometrische Verteilug (Pascalverteilug mit r)/geometric distributio (df)/ la loi geometrique/distribució geométrica/distribuzioe geometrica P{k Fehlschläge vor dem erste Erfolg} P(Xk) k f(k)

Mehr

Streifzug durch die Welt der Binome und darüber hinaus

Streifzug durch die Welt der Binome und darüber hinaus www.mathemati-etz.de Copyright, Page 1 of 6 Streifzug durch die Welt der Biome ud darüber hiaus Die biomische Formel sid ützliche Istrumete, welche i viele Gebiete der Mathemati gewibriged eigesetzt werde

Mehr

2 Konvergenz von Folgen

2 Konvergenz von Folgen Kovergez vo Folge. Eifache Eigeschafte Defiitio.. Eie Abbildug A : N C heißt Folge. Ma schreibt a statt A) für N ud a ) oder a ) statt A. We a R N, so heißt a ) reelle Folge. Defiitio.. Seie a ) eie Folge

Mehr

Kombinatorik. Systematisches Abzählen und Anordnen einer endlichen Menge von Objekten unter Beachtung vorgegebener Regeln.

Kombinatorik. Systematisches Abzählen und Anordnen einer endlichen Menge von Objekten unter Beachtung vorgegebener Regeln. Systematisches Abzähle ud Aorde eier edliche Mege vo Objekte uter Beachtug vorgegebeer Regel Permutatioe Variatioe Kombiatioe Permutatioe: Eie eieideutige (bijektive) Abbildug eier edliche Mege i sich

Mehr

Wirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel

Wirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Beispiel: Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische

Mehr

1 Aussagenlogik und vollständige Induktion

1 Aussagenlogik und vollständige Induktion Dr. Siegfried Echterhoff Aalysis 1 Vorlesug WS 08 09 1 Aussagelogi ud vollstädige Idutio Die Mathemati basiert auf eier Reihe vo Axiome, d.h. auf mathematische Aussage, die als (offesichtlich? wahr ageomme

Mehr

Schätzen von Populationswerten

Schätzen von Populationswerten Schätze vo Populatioswerte SS00 7.Sitzug vom.06.00 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluß Grudlage des Iduktiosschlusses:

Mehr

Grundlagen der Biostatistik und Informatik

Grundlagen der Biostatistik und Informatik Vergleich vo mehrere Stichprobe Grudlage der Biostatisti ud Iformati Hypotheseprüfuge III., Nichtparametrische Methode dr László Smeller Semmelweis Uiversität 0 Vergleich vo mehrere Stichprobe Boferroi

Mehr

Folgen und Reihen. 23. Mai 2002

Folgen und Reihen. 23. Mai 2002 Folge ud Reihe Reé Müller 23. Mai 2002 Ihaltsverzeichis 1 Folge 2 1.1 Defiitio ud Darstellug eier reelle Zahlefolge.................. 2 1.1.1 Rekursive Defiitio eier Folge......................... 3 1.2

Mehr

4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa

4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa 20 I. Zahle, Kovergez ud Stetigkeit 4 Kovergete Folge 4. Dezimalzahle ud Itervallschachteluge. a) Reelle Zahle werde meist als Dezimalzahle dargestellt, etwa 7,304 = 0+7 +3 0 +0 00 +4 000. Edliche Dezimalzahle

Mehr

Zentraler Grenzwert Satz

Zentraler Grenzwert Satz Zetraler Grezwert Satz Aufgabe Aufgabe 1 Um ihr Studium zu fiaziere jobbe Sie ebebei als Iterviewer ud befrage bei eier ihrer Missioe zufällig Wahlberechtigte um das Wahlergebis eier bestimmte Partei vorherzusage.

Mehr

4-1 Elementare Zahlentheorie

4-1 Elementare Zahlentheorie 4-1 Elemetare Zahletheorie 4. Dirichlet s Satz über Primzahle i arithmetische Progressioe. Satz (Dirichlet 1837). Seie a, k atürliche Zahle. Sid die Zahle a, k teilerfremd, so gibt es uedlich viele Primzahle

Mehr

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:

Mehr

Kapitel 9: Schätzungen

Kapitel 9: Schätzungen - 73 (Kapitel 9: chätzuge) Kapitel 9: chätzuge Betrachte wir folgedes 9. Beispiel : I eiem Krakehaus wurde Date über Zwilligsgeburte gesammelt. Bei vo 48 Paare hatte die beide Zwillige verschiedees Geschlecht.

Mehr

Kapitel IV: Unendliche Reihen

Kapitel IV: Unendliche Reihen Igeieurmathemati I WS 13/14 - Prof. Dr.. Mafred Leitz Kapitel IV: Uedliche Reihe 11: Uedliche Zahlereihe Kapitel IV: Uedliche Reihe 11 Uedliche Zahlereihe A Zum Begriff uedliche Zahlereihe B Uedliche Reihe

Mehr

Schätzen von Populationswerten

Schätzen von Populationswerten Schätze vo Populatioswerte 7.Sitzug 35 Seite, SoSe 003 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluss Grudlage

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathemati PROF DRDR JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathemati für Iformatier I Witersemester 2003/2004 Aufgabeblatt 8 12 Dezember

Mehr

LGÖ Ks VMa 12 Schuljahr 2017/2018

LGÖ Ks VMa 12 Schuljahr 2017/2018 LGÖ Ks VMa Schuljahr 7/8 Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud ugleichuge 6 Für Experte 8 Polyomgleichuge ud -ugleichuge

Mehr

Stochastische Matrizen

Stochastische Matrizen Matrizerechug Stochastische Matrize Plaareit Plaareit Stochastische Matrize rareite Sie sich schrittweise die folgede heme. Notiere Sie gegeeefalls zu jedem hema Frage. Löse Sie jeweils die zugehörige

Mehr

Proseminar: Mathematisches Problemlösen. Ungleichungen 2. Pierre Schmidt. Vortragstermin: 19. Juni Fakultät für Mathematik

Proseminar: Mathematisches Problemlösen. Ungleichungen 2. Pierre Schmidt. Vortragstermin: 19. Juni Fakultät für Mathematik Prosemiar: Mathematisches Problemlöse Ugleichuge Pierre Schmidt Vortragstermi: 19. Jui 015 Übugsleiteri: Dr. Natalia Griberg Fakultät für Mathematik Karlsruher Istitut für Techologie Ihaltsverzeichis 1

Mehr

Evaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt

Evaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt 2.4.5 Gauss-Test ud t-test für verbudee Stichprobe 2.4.5.8 Zum Begriff der verbudee Stichprobe Verbudee Stichprobe: Vergleich zweier Merkmale X ud Y, die jetzt a deselbe Persoe erhobe werde. Vorsicht:

Mehr

Übungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 8

Übungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 8 Mathematisches Istitut der Uiversität Müche Prof Dr Peter Otte WiSe 203/4 Lösug 8 032203 Übuge zur Aalysis für Iformatiker ud Statistiker Lösug zu Blatt 8 Aufgabe 8 [8 Pukte] (a) Für alle N sei = (+) Wir

Mehr

Kapitel 4: Stationäre Prozesse

Kapitel 4: Stationäre Prozesse Kapitel 4: Statioäre Prozesse M. Scheutzow Jauary 6, 2010 4.1 Maßerhaltede Trasformatioe I diesem Kapitel führe wir zuächst de Begriff der maßerhaltede Trasformatio auf eiem Wahrscheilichkeitsraum ei ud

Mehr

1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6

1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6 Ihaltsverzeichis 1 Vorbemerkuge 1 Zufallsexperimete - grudlegede Begriffe ud Eigeschafte 3 Wahrscheilichkeitsaxiome 4 4 Laplace-Experimete 6 5 Hilfsmittel aus der Kombiatorik 7 6 Bedigte Wahrscheilichkeite

Mehr

Analysis I Lösungsvorschläge zum 3. Übungsblatt Abgabe: Bis Donnerstag, den , um 11:30 Uhr

Analysis I Lösungsvorschläge zum 3. Übungsblatt Abgabe: Bis Donnerstag, den , um 11:30 Uhr Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Dipl.-Math. Lars Machiek Dipl.-Math. Sebastia Schwarz WS 206/207 03..206 Aalysis I Lösugsvorschläge zum 3. Übugsblatt Abgabe:

Mehr

Praktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle

Praktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle Praktikum Vorbereitug Fertigugsmesstechik Statistische Qualitätskotrolle Bei viele Erzeugisse ist es icht möglich jedes Werkstück zu prüfe, z.b.: bei Massefertigug. Hier ist es aus ökoomische Grüde icht

Mehr

6. Übung - Differenzengleichungen

6. Übung - Differenzengleichungen 6. Übug - Differezegleichuge Beispiel 00 Gesucht sid alle Lösuge vo a) x + 3x + = 0 ud b) x + x + 7 = 0, jeweils für 0. Um diese lieare Differezegleichug erster Ordug zu löse, verwede wir die im Buch auf

Mehr

A Ω, Element des Ereignisraumes

A Ω, Element des Ereignisraumes ue biostatisti: grudlegedes zur wahrscheilicheit ud ombiatori 1/6 WAHRSCHEINLICHKEIT / EINIGE BEGRIFFE Ereigisraum Ω Elemetarereigis A: Ω ist die Mege aller mögliche Elemetarereigisse A Ω, Elemet des Ereigisraumes

Mehr