3. Seminar Statistik
|
|
- Elly Graf
- vor 6 Jahren
- Abrufe
Transkript
1 Sndr Schlick Seite.Seminr05.doc. Seminr Sttistik 0 Kurztest 5 Präsenttion diskrete Verteilungen Puse 0 Üungen diskrete Verteilungen 5 Präsenttion stetige Verteilungen 0 Üungen stetige Verteilungen Husufgen: Schs S. 0, Aufgen S. 00 0, 0, 9 0, 0. Them: Zufllsvrile (ZV) und Verteilungen (VT) Whrscheinlichkeitsverteilung ist eine Verteilungsfunktion, die Zufllsvrilen ( oder ZV) die Whrscheinlichkeit zuordnet. Formel: F() := P(X ). Anlog zur Summenkurve. Mn knn Whrscheinlichkeiten einzeln drstellen. Ds sind Whrscheinlichkeitsdichten oder nlog der Häufigkeitsverteilungen. Verteilungsfunktionen können stetig oder diskret sein. Diskret: z. B. würfeln oder Münzen werfen. Stetig: f() ist eine vorgegeene Funktion. F() ist ds Integrl von f() und f() ist die Aleitung von F(). Formeln: F() = f() d =, f() = d F(), f() 0, P( < ) = - d f() d = F() - F() Beispiel: f() = für 0 <.5, f() = 0 für = 0 und =.5.5=.5 F() = d = Formel: Diskreter Fll : E() =, P(0 < ) = 0 = 0.67 n i f( i ); Stetiger Fll : E() = i = f() d gewichtet die Dichten. knn ls Funktion vorgegeen sein, dnn gilt: Diskreter Fll : E(g()) = g( i ) f( i ); Stetiger Fll : E() = g() f() d i = Spezielle diskrete Verteilungen ( S. ): Diskrete Gleichverteilung z. B. Augenzhl eim für = 0,,,..., n Würfeln.P(X) = n ; E(X) = n + ; V(X) = n - für n Zustz: Bernoulli Verteilung: P(X =) = p und P(X = 0) = q Vrilen sind Erfolg und Mißerfolg z. B. Mensch-ärgere-dich-nicht Erfolg = mind eine 6 in drei Würfen. p = 9/6 = 0.. E() = p = 0., V() = pq = = 0.8, s = 0.98 Binomil Verteilung (S. ) P(X) = n n! p k q n k = k k!(n k)! pk q n k X = Anzhl Erfolge (,..., n), = estimmte Anzhl Erfolge. Versuch jeweils mit Zurücklegen (stochstisch unhängig). Z. B. Menschärgere-dich-nicht (mind. ml eine 6 würfeln) = = ( 5+ 5+) 6 = 9 6 k Zustz: Geometrische Verteilung P(k) = p q k (mit Zurücklegen). = Anzhl Versuche is zum Erfolg
2 Sndr Schlick Seite.Seminr05.doc Hypergeometrische Verteilung (S. 7) K N K k n k P(X = k) = E(X) = n M N N ; V(X) = n M N M N n N N n Versuch ohne Zurücklegen z. B. ziehen von 5 Kugeln ohne zurücklegen (Zhlenlotto). Poisson Verteilung (S. 5) P(X) = λk k! e λ ; E(X) = λ; V(X) = λ mit λ = n p entspricht der Binomil Verteilung er n ist sehr groß. Fustregel: n 00, p 0. z. B. Roulette, die Whrscheinlichkeit, 8 ml zu gewinnen, wenn mn uf die setzt. p( ml gewinnen) = /7, Erwrtungswert ei 00 Spielen: E() = np = 00 / 7 = 5.05 = λ Mssenfunktion f() = 0.08 ei Binomil Verteilung würde mn 0.08 erhlten. Spezielle stetige Verteilungen: Gleichverteilung (S. 0) 0 für < - F() = für E(X) = + ( - ), V() = - für > Synonym: Rechteckverteilung. Z. B. der Bus kommt zwischen Mitternch und 6 Uhr Morgens nch Fhrpln lle 0 Min. Whrscheinlichkeit, dß ein Fhrgst länger ls 0 Min wrtet =? Zeit T is zum nächsten Bus ist gleichverteilt üer der Periode 0 t 0 Min. P(T > 0 Min) = P(T 0) = F Rechteck (0) = (0 / 0) = / Normlverteilung (Guß Verteilung) NV (S. 0) e ( µ) σ φ() = d; E(X) = µ; V(X) = σ πσ Viele eochtre Phänomene (Tischlängen, Körpergrößen, sportliche Leistungen, Herstellungsduern etc etc etc). Zwei Unterscheidungen: ) Idele und rele NV ( und µ, s und σ), ) llgemeine Form und die stndrdisierte Form der NV. Allg. Form: E() = µ (resp. ) V() = σ (resp. s ); stndrdisierte Form: E() = 0, σ = mit folgender Stndrdisierung: Z = X µ resp. X = σ Z + µ. σ Z. B. Die ZV X sei NV mit E() = 5 und Vr() = 9. Wie groß ist die Whrscheinlichkeit, dß einen Wert zwischen und 7 einnimmt? P( < 7)? 5 < X 5 = Z 7 5 Dmit können Werte us der NV Telle - < Z gelesen werden. Mn erhält: = 0.78 Eponentilverteilung (S. ) - λ e - λ für 0 F(X) = ; E(X) = λ; V(X) = 0 für < 0 λ stetiges Pendnt zur geometrischen Verteilung. Z. B. Whrscheinlichkeit, dß eine Glühirne () weniger ls hl so lnge oder () mehr ls doppelt so lnge rennt wie die Vorge: mittlere Leensduer Glühirne = 5'000 h P(X < 500 h) = F E (500) = e = - e - = P(X >0 000 h) = - F E (0 000) = ( e = e - = 0.5
3 Sndr Schlick Seite.Seminr05.doc Beispiel Momente: =Kosten für ein estimmtes Teil; f() = Anzhl produzierter Teile in %. f() E() =? E() = =.5 (entspricht dem gewichteten rithmetischen Mittelwert). Die durchschnittlichen Produktionskosten sind.5 GE. Rechenregeln: Konstnte knn vor die Summtion gezogen werden, E(g () + g ()) = E(g ()) + E(g ()), Trnsformtion: Liner: E( + ) = E() +, Multipliktiv: E( ) = E(), zusmmengenommen ergit sich: E( + ) = + E() n Vrinz Diskreter Fll : V() = ( i µ ) f( i ); Stetiger Fll : V() = ( µ ) f() d i = µ : Mittelwert / Erwrtungswert von. Stndrdweichung: σ = + V() Rechenregeln: V() = 0, V( + ) = V(), V( ) = V(), σ = σ, zusmmengenommen ergit sich: V( + ) = V() und σ + = σ, Alterntive Formel für V() = E(X ) - µ. Fortsetzung Beispiel: V() =? V() = E(X ) - µ E(X ) = = 7. µ = ( ) =.5 = 6.5, somit ist V() = = 0.95 Alterntive Berechnung: V() = ( i µ ) f( i )= (.5) 0. + (.5) ( i =.5) 0. + (.5) 0.5 = = 0.95 Vrinz ei Durchschnittskosten.5 GE eträgt 0.95 Zentrler Grenzwertstz: Erwrtungswert und Vrinz von unhängigen, identisch verteilten (I.I.D.) Zufllsvrilen sind endlich; wenn Anzhl I.I.D. sehr groß ist konvergieren sie zu einer stilen VT. Zustz: Steinerscher Stz (Verschieungsstz) einhltet, dss die Vrinz ein minimles Mß für die qudrierten Aweichungen ist. Aufgen Diskrete Verteilungen. Die Whrscheinlichkeitsverteilung einer diskreten Zufllsvrile X, die nur die drei Werte 0, und nnehmen knn, sei durch die Mssenfunktion (+ ) für = 0,, P(X= ) = definiert. = und geeignet zu wählen. 0 sonst ) Wie gross muss sein? ) Wie gross sind die Whrscheinlichkeiten P(X > ) und P( < X )? c) Berechnen Sie den Erwrtungswert E(X) und die Vrinz V(X).. Jemnd schätzt, dß ei einem Spiel die Whrscheinlichkeit zu gewinnen P = 0.75 eträgt. Es werden Spiele hintereinnder gespielt. ) Wie groß ist die Whrscheinlichkeit mind. Spiel zu gewinnen? ) Wie groß ist die Whrscheinlichkeit oder ml zu gewinnen? c) Wie groß ist die Whrscheinlichkeit genu ml zu gewinnen?
4 Sndr Schlick Seite.Seminr05.doc Stetige Verteilungen. Die (stetige) Rechteckverteilung ist z. B. durch diese Dichtefunktion f() estimmt: 0 für < f() = für - 0 für > ) Bestimmen Sie die Verteilungsfunktion F() llgemein, dnch für = und = 5. ) Stellen Sie die Dichte- und Verteilungsfunktion grphisch dr für = und = 5. c) Wie groß ist die Whrscheinlichkeit P( ) für = und = 5? d) Berechnen Sie den Erwrtungswert dieser Verteilung. e) Berechnen Sie die Vrinz dieser Verteilung.. Gegeen: E(X) = 0, V(X) = 6 Normlverteilung vorusgesetzt. ) Gesucht: P(X ), P(X ), P(X 8) ) Gesucht: P(6 X ), P( X 6) c) Gesucht: P(X < 5), P(X > 0) Momente: Erwrtungswert und Vrinz 5. Wie gross ist der Erwrtungswert eim einmligen Münzwurf? 6. Die folgende Telle zeigt Stückkosten = und Anzhl produzierter Teile = f() 5 f() ) Berechnen Sie den Erwrtungswert E() uf Bsis der reltiven Werte von f() ) Berechnen Sie die Vrinz V(). Lösungen ZV und diskrete Verteilungen. Die Whrscheinlichkeitsverteilung einer diskreten ZV X, die nur die drei Werte 0, und nnehmen knn, sei durch die Mssenfunktion (+ ) für = 0,, P(X= ) = definiert. = und geeignet zu wählen. 0 sonst ) + + = = = 5 8 = 5 8 = 0.65 ) P(X = 0) = 0.65 = 0.5; P(X = )= 0.65 = 0.75; P(X = )= 0.65 = 0.5 P(X > ) = 0.5, P( < X ) = 0.5, d P(X = ) = P(X = ) = 0 P(X > ) und P( < X )? c) E(X) = =.75; E(X ) = =.75 E(X) =.75 = V() = E(X ) E(X) = = 0.8. Binomil Verteilung ) P(mind ) = = ) P( oder ) = = = 0.78 c) P(genu ) = = 0.09
5 Sndr Schlick Seite 5.Seminr05.doc Stetige Verteilungen 0 für < 0 für <. ) F() = - dt = t - = für ; F() = t - = für für > für > 5 ) Dichtefunktion: horizontle Linie uf 0 is zu, dnn Sprung uf f() = /(-) is zu dnch wieder Sprung nch Null. Verteilungsfunktion: für < horizontle Linie, steigende Gerde zwischen und mit f() = ei =, für > horizontle eim Wert f() =. P( X ) = P(X ) P(X ) = F() - F() c) F() = - = ; F() = - = P( X ) = - = 0.5 d)e(x) = d = - e) Vr(X) = ( - ) d = = ( - ) = ; = ; = 5: E(X) = = + ( - ) = ( ) ( - ) + ( = ) Für = ; = 5 : V(X) = (5 ) =.. Stndrdisieren und mit Hilfe NV Telle (Schs S. 79), Ecelefehl: =NORMVERT(...) ) P(X ) = 0.695, P(X ) = 0.8, P(X 8) = 0.00 ) P(6 X ) = 0.687, P( X 6) = c) P(X < 5) = 0.000, P(X > 0) = 0.5 Momente: Erwrtungswert und Vrinz 5. E(X) = 0 (/) + (/) = / 6. 5 f() f() reltiv ) E() = ( )/5 = 0 / 5 =.966 E() = =.96 ) V() = E(X ) - µ E(X ) = = 0.8 µ =.966 = V() = =.07 5
6. Spezielle Wahrscheinlichkeitsverteilungen
6. Sezielle Whrscheinlichkeitsverteilungen Bisher wurden Whrscheinlichkeitsverteilungen in einer llgemeinen Form drgestellt. In der Pris treten häufig gnz estimmte Whrscheinlichkeitsverteilungen uf, die
MehrStetige Verteilungsfamilien
Stetige Verteilungsmilien Stetige Verteilungsmilien Stetige Gleichverteilung Zur Beschreiung von Zullsvorgängen, deren Werte gleichmäßig üer einem Intervll [,] verteilt sein sollen, verwendet mn die Stetige
MehrFalls die Werte von X als Ergebnisse eines Zufallsvorgangs resultieren, wird X zu einer stetigen Zufallsvariable.
Sttistik I für Sttistiker, Mthemtiker und Informtiker Lösungen zu Bltt 11 Gerhrd Tutz, Jn Ulbricht, Jn Gertheiss WS 7/8 Theorie: Stetige Zufllsvriblen Begriff Stetigkeit: Eine Vrible oder ein Merkml X
Mehr( N. m)( n m. P(X = m) EX = n M N. 1 M ) N n
.3.2.5 Hypergeometrische Verteilung Als Referenzmodell dient die bereits beknnte Urne mit N Kugeln, von denen M Kugeln schwrz und N M Kugeln weiß sind. Wir ziehen ohne Zurücklegen n Kugeln, wobei unsere
MehrMonte-Carlo-Integration
Monte-Crlo-Integrtion von Dietmr Herrmnn, Anzing Kurzfssung: An Hnd eines einfchen Beispiels wird gezeigt, dß jedes Integrl ls Erwrtungswert einer reellen Zufllsgröße ufgefßt werden knn. een einer symptotischen
MehrDie Zufallsvariable und ihre Verteilung
Die Zufllsvrible und ihre Verteilung Die Zufllsvrible In der Whrscheinlichkeitstheorie bzw. Sttistik betrchtet mn Zufllsvriblen. Eine Zufllsvrible ist eine Funktion, die Ergebnissen eines Zufllsexperimentes
MehrZulassungsprüfung Stochastik,
Zulssungsprüfung Stochstik, 2.0.2 Wir gehen stets von einem Mßrum (Ω, A, µ) bzw. einem Whrscheinlichkeitsrum (Ω,A,P) us. Die Borel σ-algebr uf R n wird mit B n bezeichnet, ds Lebesgue Mß uf R n wird mit
MehrSimulation von Störungen mit zeitlichen Schranken
Simultion von Störungen mit zeitlichen Schrnken Die geräuchlichen sttistischen Verteilungen können elieig große Werte hervorringen, ws ei der Simultion von Störungen oft nicht erwünscht ist. Verwendet
MehrSatz 6.5 (Mittelwertsatz der Integralrechnung) Sei f : [a, b] R stetig. Dann gibt es ein ξ [a, b], so dass. b a. f dx = (b a)f(ξ) f dx (b a)m.
Stz 6.5 (Mittelwertstz der Integrlrechnung) Sei f : [, b] R stetig. Dnn gibt es ein ξ [, b], so dss 9:08.06.2015 gilt. f dx = (b )f(ξ) Lemm 6.6 Sei f : [, b] R stetig und m f(x) M für lle x [, b]. Dnn
MehrAnwendungen der Integralrechnung
Anwendungen der Integrlrechnung 8. Flächeninhlt und Flächenschwerpunkt............... 4 8. Kurvenlänge............................. 7 8. Rottionskörper........................... 9 8.3 Whrscheinlichkeitsverteilungen
MehrProgramm. Wiederholung. Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung. Binomialverteilung. Hypergeometrische Verteilung
Programm Wiederholung Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung Binomialverteilung Hypergeometrische Verteilung Wiederholung verschiedene Mittelwerte für verschiedene Skalenniveaus
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Karin Waldherr & Pantelis Christodoulides 11. Mai 2011 Waldherr / Christodoulides Einführung in Quantitative Methoden- 8.VO 1/40 Poisson-Verteilung Diese Verteilung
MehrZulassungsprüfung Stochastik,
Zulssungsprüfung Stochstik, 05.05.2 Wir gehen stets von einem Mßrum, A, µ) bzw. einem Whrscheinlichkeitsrum,A,P) us. Die Borel σ-algebr uf R n wird mit B n bezeichnet, ds Lebesgue Mß uf R n wird mit λ
MehrBestimmtes (Riemannsches) Integral / Integral als Grenzwert einer Summe : Bedeutung: Fläche unter einer Funktion innerhalb bestimmter Grenzen
III. Integrlrechnung : Bestimmtes (Riemnnsches Integrl / Integrl ls Grenzwert einer Summe : Bedeutung: Fläche unter einer Funktion innerhl estimmter Grenzen yf( y n y n ( Δ Berechnung der Fläche A unter
MehrWahrscheinlichkeit. Inhaltsverzeichnis. W.1 Wahrscheinlichkeiten. Wahrscheinlichkeit 1. Ereignisraum, Grundraum. Wahrscheinlichkeitsmass
WAHRSCHEINLICHKEIT UND STATISTIK W. WAHRSCHEINLICHKEITEN Inhltsverzeichnis Whrscheinlichkeit W. Whrscheinlichkeiten W.. Ereignisrum, Grundrum............... W..2 Whrscheinlichkeitsmss................ W..3
MehrFormale Systeme, Automaten, Prozesse SS 2010 Musterlösung - Übung 2 M. Brockschmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder
Prof Dr J Giesl Formle Systeme, Automten, Prozesse SS 2010 Musterlösung - Üung 2 M Brockschmidt, F Emmes, C Fuhs, C Otto, T Ströder Hinweise: Die Husufgen sollen in Gruppen von je 2 Studierenden us dem
MehrDie Regelungen zu den Einsendeaufgaben (Einsendeschluss, Klausurzulassung) finden Sie in den Studien- und Prüfungsinformationen Heft Nr. 1.
Modul : Grundlgen der Wirtschftsmthemtik und Sttistik Kurs 46, Einheit, Einsendeufge Die Regelungen zu den Einsendeufgen (Einsendeschluss, Klusurzulssung) finden Sie in den Studien- und Prüfungsinformtionen
MehrARBEITSBLATT 5L-11 BERECHNEN VON RAUMINHALTEN
Mthemtik: Mg. Schmid Wolfgng+LehrerInnentem ) Rottion um die -Achse ARBEITSBLATT 5L- BERECHNEN VON RAUMINHALTEN Es geht hier um folgende Aufgenstellung. Eine gegeene Funktion f() soll in einem estimmten
Mehr( ) ( ) 4. Der Hauptsatz der Infinitesimalrechnung. Hauptsatz (1. Form) I. Newton ( ), G.F. Leibniz ( )
4. Der Huptstz der Infinitesimlrechnung Huptstz (. orm) I. Newton (64-77), G.. Leiniz (646-76) ür jede im Intervll [,] stetige unktion f sei ( ) = f ( t) dt sogennnte Integrlfunktion dnn gilt: Die Integrlfunktion
MehrD-MAVT/D-MATL Analysis I HS 2016 Dr. Andreas Steiger. Lösung - Serie 9
D-MAVT/D-MATL Anlysis I HS 26 Dr. Andres Steiger Lösung - Serie 9. MC-Aufgben (Online-Abgbe). Es sei f die Funktion f() = e + 7. Welche der folgenden Funktionen sind Stmmfunktionen von f? () g() = 2 2
MehrMathematik: Mag. Schmid Wolfgang Arbeitsblatt Semester ARBEITSBLATT 14 MULTIPLIKATION EINES VEKTORS MIT EINEM SKALAR
Mthemtik: Mg. Schmid Wolfgng Areitsltt. Semester ARBEITSBLATT MULTIPLIKATION EINES VEKTORS MIT EINEM SKALAR Zunächst einml müssen wir den Begriff Sklr klären. Definition: Unter einem Sklr ersteht mn eine
MehrUmwandlung von endlichen Automaten in reguläre Ausdrücke
Umwndlung von endlichen Automten in reguläre Ausdrücke Wir werden sehen, wie mn us einem endlichen Automten M einen regulären Ausdruck γ konstruieren knn, der genu die von M kzeptierte Sprche erzeugt.
MehrDer Begriff der Stammfunktion
Lernunterlgen Integrlrehnung Der Begriff der Stmmfunktion Wir gehen von folgender Frgestellung us: welhe Funktion F x liefert ls Aleitung eine gegeene Funktion f x. Wir suhen lso eine Umkehrung der Aleitung
MehrWürfel (1) Würfel werden im Kasino und bei vielen Gesellschaftsspielen verwendet.
Würfel (1) Aufgbennummer: B_078 Technologieeinstz: möglich erforderlich Würfel werden im Ksino und bei vielen Gesellschftsspielen verwendet. ) Die Mthemtiker Blise Pscl und Pierre de Fermt beschäftigten
MehrStetige Verteilungen Rechteckverteilung
Stetige Verteilungen Rechteckverteilung Die Längenabweichungen X produzierter Werkstücke von der Norm seien gleichmäßig verteilt zwischen a = mm und b = 4mm. Die Dichtefunktion lautet also f(x) = für a
MehrWir wählen einen Punkt O des zwei- bzw. dreidimensionalen euklidischen Raums als Ursprung oder Nullpunkt. b 3 c. b 2
IV. Teilung und Teilverhältnis im Punktrum ================================================================ 4.1 Der Punktrum Wir wählen einen Punkt O des zwei- zw. dreidimensionlen euklidischen Rums ls
MehrAnalytischen Geometrie in vektorieller Darstellung
Anltische Geometrie Anltischen Geometrie in vektorieller Drstellung Anltische Geometrie Gerden Punkt-Richtungs-Form () Mit Hilfe von Vektoren lssen sich geometrische Ojekte wie Gerden und Eenen eschreien
MehrWirtschaftsmathematik
Einführung in einige Teilbereiche der Wintersemester 206 Prof. Dr. Stefan Etschberger HSA Unabhängigkeit von Ereignissen A, B unabhängig: Eintreten von A liefert keine Information über P(B). Formal: P(A
MehrBeispiele: cos(x) dx = sin(x) + c (1) e t dt = e t + c (2)
. Stmmfunktion Definition Stmmfunktion: Gegeen sei eine Funktion f(). Gesucht ist eine Funktion F (), so dss d = f(). Die Funktion F() heisst Stmmfunktion. Schreiweise: F () = f()d. Mn spricht uch vom
Mehr2.2 Binomialverteilung, Hypergeometrische Verteilung, Poissonverteilung
2.2 Binomialverteilung, Hypergeometrische Verteilung, Poissonverteilung Die einfachste Verteilung ist die Gleichverteilung, bei der P(X = x i ) = 1/N gilt, wenn N die Anzahl möglicher Realisierungen von
MehrBiostatistik, 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
MehrSchriftliche Reifeprüfung aus Mathematik
Schriftliche Reifeprüfung us Mthemtik 1) Linere Optimierung Ein Händler für Bürortikel füllt für den Schulnfng sein Lger mit Tschenrechnern des Typs Advnced und des Typs Bsic uf. Typ A kostet ihn im Einkuf
Mehr10 Anwendungen der Integralrechnung
9 nwendungen der Integrlrechnung Der Inhlt von 9 wren die verschiedenen Verfhren zur Berechnung eines Integrls Der Inhlt von sind die verschiedenen Bedeutungen, die ein Integrl hen knn Die Integrlrechnung
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mthemtik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Aufge 69. Quizz Integrle. Es sei Höhere Mthemtik für Informtiker II (Sommersemester
MehrÜbungen zur Vorlesung Physikalische Chemie I Lösungsvorschlag zu Blatt 3
Übungen zur Vorlesung Physiklische Chemie I Lösungsvorschlg zu Bltt 3 Prof. Dr. Norbert Hmpp 1. Aufgbe ) Die gegebene Verteilung besteht nur us diskreten Werten! Die durchgezogene Linie würde nur bei einer
MehrAutomaten und Formale Sprachen alias Theoretische Informatik. Sommersemester Kurzer Einschub: das Schubfachprinzip.
Reguläre Sprchen Automten und Formle Sprchen lis Theoretische Informtik Sommersemester 0 Ds Pumping-Lemm Wir hen is jetzt vier Formlismen kennengelernt, mit denen wir eine reguläre Sprche ngeen können:
MehrDer Erwartungswert E[g(X)] von g(x) ist definiert. g(x k )w(x = x k ),
2.5 Parameter einer Verteilung 2.5. Erwartungswert X eine Zufallsvariable, g : R R stetig. Der Erwartungswert E[g(X)] von g(x) ist definiert durch: E[g(X)] := k g(x k )w(x = x k ), falls X diskret ist
MehrWahrscheinlichkeitstheorie und Statistik
Wahrscheinlichkeitstheorie und Statistik Definitionen und Sätze Prof. Dr. Christoph Karg Studiengang Informatik Hochschule Aalen Sommersemester 2018 2.5.2018 Diskrete Wahrscheinlichkeitsräume Diskreter
MehrSpiele und logische Komplexitätsklassen
Spiele und logische Komplexitätsklssen Mrtin Horsch 26. Jnur 2006 Inhlt des Seminrvortrges Ehrenfeucht-Frïssé-Spiel mit k Mrken Formeln mit k Vrilen und logische Komplexitätsklssen k-vrileneigenschft logischer
MehrStetige Zufallsvariablen. Stetige Zufallsvariablen. Stetige Zufallsvariablen. Charakterisierung. t-verteilung. Gleichverteilung.
d 050 () 05 (3) Werte der Dichteunktion 06 05 0 03 0 0 00 N(0 ) N(0 ) N(0 05) - -3 - - -0 3 Chrkterisierung t-verteilung Weitere stetige Verteilungen -Verteilung Gleichverteilung Norml-
Mehr10: Lineare Abbildungen
Chr.Nelius: Linere Alger SS 2008 1 10: Linere Aildungen 10.1 BEISPIEL: Die Vektorräume V 2 und Ê 2 hen diegleiche Struktur. Es git eine ijektive Aildung f : V 2 Ê 2, die durch die Vorschrift definiert
Mehr1.2. Orthogonale Basen und Schmistsche Orthogonalisierungsverfahren.
.. Orthogonle Bsen und Schmistsche Orthogonlisierungsverfhren. Definition.. Eine Bsis B = { b, b,..., b n } heit orthogonl, wenn die Vektoren b i, i =,,..., n, prweise orthogonl sind, d.h. bi b j = fur
Mehr11. DER HAUPTSATZ DER DIFFERENTIAL- UND INTEGRALRECHNUNG
91 Dieses Skript ist ein Auszug mit Lücken us Einführung in die mthemtische Behndlung der Nturwissenschften I von Hns Heiner Storrer, Birkhäuser Skripten. Als StudentIn sollten Sie ds Buch uch kufen und
Mehr1 Metrische Räume. Sei X eine nichtleere Menge. Definition 1.1. Eine Abbildung: d : X X R heißt Metrik auf X, falls für alle x, y, z X gilt
Metrische Räume Sei X eine nichtleere Menge. Definition.. Eine Abbildung: d : X X R heißt Metrik uf X, flls für lle x, y, z X gilt (i) d(x, y) 0, (ii) d(x, y) = d(y, x), (iii) d(x, y) d(x, z) + d(z, y)
MehrFit for Abi & Study Stochastik
Fit for Abi & Study Stochastik Prof. Dr. Tilla Schade Hochschule Harz 15. und 16. April 2014 No. 1 Stochastik besteht aus: Wahrscheinlichkeitsrechnung Statistik No. 2 Gliederung Grundlagen Zufallsgrößen
Mehr5.5. Integralrechnung
.. Integrlrechnung... Berechnung von Integrlen mit der Streifenmethode Definition: Gegeen seien, R mit < und eine uf [; ] stetige Funktion f. Der orientierte Inhlt der Fläche, die durch die -Achse, ds
MehrKapitel 10. Integration. Josef Leydold Mathematik für VW WS 2015/16 10 Integration 1 / 35
Kpitel 0 Integrtion Josef Leydold Mthemtik für VW WS 205/6 0 Integrtion / 35 Flächeninhlt Berechnen Sie die Inhlte der ngegebenen Flächen! f (x) = Fläche: A = f (x) = +x 2 Approximtion durch Treppenfunktion
Mehr13-1 Funktionen
3- Funktionen 3 Integrle: Flächeninhlte Seien < reelle Zhlen, sei I = [, ] = { R } ds Intervll der Zhlen zwischen und Wir etrchten eine stetige Funktion f : I R und ds zugehörige Integrl f() d (dies ist
MehrFormel- und Tabellensammlung zum Aktuariellen Grundwissen
Formel- ud Tellesmmlug zum Aturielle Grudwisse Schdeversicherugsmthemti A. Zufllsvrile X, Y seie (disrete oder stetige Zufllsvrile. Verteilugsfutio: F( = P( X (Verteilugs-Dichte: f ( F ( = ei differezierrer
MehrMathematik: Inhalte der Oberstufe
Mthemtik: Inhlte der Oberstufe Long Hu, Alexnder Heinlein 22. April 2006 Inhltsverzeichnis 1 Anlysis 4 1.1 Funktionen und ihre Ableitungen................................. 4 1.1.1 Potenzfunktionen.....................................
MehrÜbung Zeigen Sie, dass dies als Grenzwert der Wahrscheinlichkeitsfunktion der Binomialverteilung mit
Übung 2 24..23 Ü b u n g 2 Aufgabe Die Poissonverteilung P(λ) hat die Wahrscheinlichkeitsfunktion p(x) = λx e λ (x ) x! Zeigen Sie, dass dies als Grenzwert der Wahrscheinlichkeitsfunktion der Binomialverteilung
MehrDefinition Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) :=
Definition 2.34. Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) := x f(x)dx der Erwartungswert von X, sofern dieses Integral existiert. Entsprechend wird die Varianz V(X)
MehrNumerische Integration
Kpitel 4 Numerische Integrtion Problem: Berechne für gegebene Funktion f :[, b] R ds Riemnn-Integrl I(f) := Oft ist nur eine numerische Näherung möglich. f(x)dx. Beispiel 9. (i) Rechteckregel: Wir pproximieren
MehrMathematik: Mag. Schmid Wolfgang Arbeitsblatt 3 5. Semester ARBEITSBLATT 3 PARAMETERDARSTELLUNG EINER GERADEN
Mthemtik: Mg. Schmid Wolfgng Areitsltt 3 5. Semester ARBEITSBLATT 3 PARAMETERDARSTELLUNG EINER GERADEN Wir wollen eine Gerde drstellen, welche durch die Punkte A(/) und B(5/) verläuft. Die Idee ist folgende:
MehrGeodäten. Mathias Michaelis. 28. Januar 2004
Geodäten Mthis Michelis 28. Jnur 2004 1 Vektorfelder Definition 1.1 Sei S 3 eine reguläre Fläche. Ein Vektorfeld uf S ist eine Abbildung v : S 3 so, dss v(p) T n S für lle p S. Ein Vektorfeld ordnet lso
MehrMC-Serie 12 - Integrationstechniken
Anlysis D-BAUG Dr. Meike Akveld HS 15 MC-Serie 1 - Integrtionstechniken 1. Die Formel f(x) dx = xf(x) xf (x) dx i) ist im Allgemeinen flsch. ii) folgt us der Sustitutionsregel. iii) folgt us dem Huptstz
Mehr3. Unterrichtsvorhaben in der Q2-Phase Stetige Zufallsgrößen - Normalverteilung
3. Unterrichtsvorhen in der Q2-Phse Stetige Zufllsgrößen - Normlverteilung φ μ,σ (x) = σ 2π e H (μ/ σ 2π ) 2 (x μ σ )2 W (μ ± σ/ σ 2π e 2) Jörn Meyer joernmeyer@we.de www.mspole.de Inhltsverzeichnis Stetige
Mehr4 Hyperbel. 4.1 Die Hyperbel als Kegelschnitt
1 4 Hperel 4.1 Die Hperel ls Kegelschnitt Wird ein Kreiskegel mit dem hlen Öffnungswinkel α von einer Eene σ geschnitten, die mit der Kegelchse einen Wink β < α einschliesst, so entsteht ls Schnittkurve
Mehrc a+ bzw. f(x) dx. c a bzw. 1 =
3. Uneigentliche Integrle Die Funktion f sei uf dem rechts oenen Intervll x < b erklrt und uf jedem bgeschlossenen Teilintervll [, c], c < b, stuckweise stetig, b R { }. Dnn der Integrlbegri erweitert
MehrFlächenberechnung. Aufgabe 1:
Flächenerechnung Aufge : Berechnen Sie den Flächeninhlt zwischen dem Funktionsgrphen und der -Achse in den Grenzen von is von: ) f() = ) f() = - Skizzieren Sie die Funktionsgrphen und schrffieren Sie die
MehrUNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009
UNIVERSIÄ KARLSRUHE Institut für Anlysis HDoz. Dr. P. C. Kunstmnn Dipl.-Mth. M. Uhl Sommersemester 9 Höhere Mthemti II für die Fchrichtungen Eletroingenieurwesen, Physi und Geodäsie inlusive Komplexe Anlysis
Mehrwertyuiopasdfghjklzxcvbnmqwertyui
qwertyuiopsdfghjklzxcvnmqwerty uiopsdfghjklzxcvnmqwertyuiopsd fghjklzxcvnmqwertyuiopsdfghjklzx Aufgen M-Beispielen cvnmqwertyuiopsdfghjklzxcvnmq Vorereitung uf die. Schulreit wertyuiopsdfghjklzxcvnmqwertyui
Mehra q 0 q 1 a M q 1 q 3 q 2
Prof Dr J Giesl Formle Systeme, Automten, Prozesse SS 2010 Musterlösung - Üung 4 M Brockschmidt, F Emmes, C Fuhs, C Otto, T Ströder Hinweise: Die Husufgen sollen in Gruppen von je 2 Studierenden us dem
MehrDatenstrukturen & Algorithmen Lösungen zu Blatt 2 FS 16
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérle de Zurich Politecnico federle di Zurigo Federl Institute of Technology t Zurich Institut für Theoretische Informtik 9. März 2016
MehrAufgaben zur Entscheidungstheorie
Aufgen zur Entscheidungstheorie. Ein Entscheidungsträger he ein Guthen uf seinem Sprkonto in Höhe von 0000. Die Bnk iete ihm drei Anlgemöglichkeiten:. Erwer einer Beteiligung m Unternehmen U, Beteiligungsetrg
Mehrdem Verfahren aus dem Beweis zu Satz 2.20 erhalten wir zunächst die folgenden beiden ε-ndeas für die Sprachen {a} {b} und {ε} {a} +
Lösungen zu Üungsltt 3 Aufge 1. Es gilt L(( ) ) = ({} {}) {} = ({} {}) ({} {} + ). Mit dem Verfhren us dem Beweis zu Stz 2.20 erhlten wir zunächst die folgenden eiden -NDEAs für die Sprchen {} {} und {}
MehrKapitel IV Euklidische Vektorräume. γ b
Kpitel IV Euklidische Vektorräume 1 Elementrgeometrie in der Eene Sei E die Zeicheneene In der Schule lernt mn: (11) Stz des Pythgors: Sei E ein Dreieck mit den Seiten, und c, und sei γ der c gegenüerliegende
MehrAutomaten und formale Sprachen Notizen zu den Folien
3 Endliche Automten Automten und formle Sprchen Notizen zu den Folien Üerführungsfunction eines DFA (Folie 92) Wie sieht die Üerführungfunktion us? δ : Z Σ Z Ds heißt: Ein Pr us Zustnd und Alphetsymol
Mehr3.3 Extrema I: Winkel Ebene/Gerade
3 3 ANALYSIS 3.3 Extrem I: Winkel Eene/Gerde In diesem Aschnitt gehen wir von einer Gerde g und einer g nicht enthltenden Eene ε us und wollen unter llen möglichen spitzen Schnittwinkeln zwischen g und
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Zufallsvariable Erinnerung: Merkmal, Merkmalsausprägung Deskriptive Statistik:
MehrAutomaten und formale Sprachen Notizen zu den Folien
5 Ds Pumping Lemm Schufchprinzip (Folie 144) Automten und formle Sprchen Notizen zu den Folien Im Block Ds Schufchprinzip für endliche Automten steht m n (sttt m > n), weil die Länge eines Pfdes die Anzhl
MehrAufgabe 30: Periheldrehung
Aufge 30: Periheldrehung Auf einen Plneten soll zusätzlich zum Grvittionspotentil ds folgende Potentil einwirken U z = η r. (1 Im Folgenden sollen eene Polrkoordinten verwendet werden. Ds können wir mchen,
MehrHM I Tutorium 13. Lucas Kunz. 2. Februar 2017
HM I Tutorium 3 Lucs Kunz. Ferur 07 Inhltsverzeichnis Theorie. Differentilgleichungen erster Ordnung..................... Linere DGL zweiter Ordnung..........................3 Uneigentliche Integrle.............................
MehrCrashkurs - Integration
Crshkurs - Integrtion emerkung. Wir setzen hier elementre Kenntnisse des Differenzierens sowie der Produktregel, Quotientenregel und Kettenregel vorus (diese werden später in der VO noch usführlich erklärt).
MehrBeispiellösungen zu Blatt 24
µthemtischer κorrespondenz- zirkel Mthemtisches Institut Georg-August-Universität Göttingen Aufge Beispiellösungen zu Bltt Mn eweise, dss mn ein Qudrt für jede Zhl n 6 in genu n kleinere Qudrte zerlegen
MehrVII. Folgen und Reihen von Funktionen (Vertauschung von Grenzprozessen)
VII. Folgen und Reihen von Funktionen (Vertuschung von Grenzprozessen) Definition. Sei {f n } eine Folge von Funktionen, die uf einer Menge E definiert sind. Die Folgen der Funktionswerte {f n (x)} seien
MehrResultat: Hauptsatz der Differential- und Integralrechnung
17 Der Huptstz der Differentil- und Integrlrechnung Lernziele: Konzept: Stmmfunktion Resultt: Huptstz der Differentil- und Integrlrechnung Methoden: prtielle Integrtion, Substitutionsregel Kompetenzen:
MehrNotizen zur Vorlesung Analysis 3
Notizen zur Vorlesung Anlysis 3 Henrik chumcher TUHH, 26. Jnur 207 2 Integrtion über Oberflächen 2. Oberflächenintegrl einer Funktion Definition 2.37 (Metrische Fundmentlform) ei R 2 ein reguläres Gebiet
MehrOber- und Untersummen, Riemann Integrale
Oer- und Untersummen, Riemnn Integrle 1. Ds Prolem des Fläheninhlts Ausgngspunkt für die Entwiklung des Integrlegriffs wren vershiedene Frgestellungen, u.. ds Prolem der Messung des Fläheninhltes eines
Mehr1 Folgen von Funktionen
Folgen von Funktionen Wir etrchten Folgen von reell-wertigen Funktionen f n U R mit Definitionsereicht U R und interessieren uns für ntürliche Konvergenzegriffe. Genuer setzen wir uns mit folgenden Frgen
MehrFourierreihen. Timo Dimitriadis
Fourierreihen Timo Dimitridis 4.5.9 In diesem Vortrg geht es im prktischen Sinne um die Anlyse von Schwingungsvorgängen, wie sie zum Beispiel in der Physik häufig vorkommen. Oft mg es nützlich sein, diese
MehrKATA LOGO Mathematik Statistik Wahrscheinlichkeitsverteilungen - Beispiele
KATA LOGO Mathematik Statistik Wahrscheinlichkeitsverteilungen - Beispiele Verteilungen Problemstellung Ergebnisraum Ω Stichprobe (n aus N) mehrfaches Auswählen = wiederholen Formel für P Erwartungswert
Mehr5 Binomial- und Poissonverteilung
45 5 Binomial- und Poissonverteilung In diesem Kapitel untersuchen wir zwei wichtige diskrete Verteilungen d.h. Verteilungen von diskreten Zufallsvariablen): die Binomial- und die Poissonverteilung. 5.1
MehrMusterlösung zu Blatt 9, Aufgabe 2
Musterlösung zu Bltt 9, Aufgbe Anlysis II MIIA SoSe 7 Mrtin Schottenloher Musterlösung zu Bltt 9, Aufgbe I Aufgbenstellung Es sei J [, ] und f : J R deniert durch fx x 3. Finden Sie eine Folge f n n N
Mehr1.7 Inneres Produkt (Skalarprodukt)
Inneres Produkt (Sklrprodukt) 17 1.7 Inneres Produkt (Sklrprodukt) Montg, 27. Okt. 2003 7.1 Wir erinnern zunächst n die Winkelfunktionen sin und cos, deren Wirkung wir m Einheitskreis vernschulichen: ϕ
Mehrvon f im Punkt P ( 2 4) x x x Hilfsmittelfreier Teil. Beispielaufgabe 1 zur Analysis Gegeben ist die Funktion f mit der Gleichung
Hilfsmittelfreier Teil. Beispielufgbe zur Anlysis Gegeben ist die Funktion f mit der Gleichung f ( x ) = x + x x. Die zeigt den Grphen der Funktion f. () Berechnen ie lle Nullstellen der Funktion f. ()
MehrTag der Mathematik 2016
Gruppenwettbewerb Einzelwettbewerb Mthemtische Hürden Aufgben mit en Aufgbe G mit Der römische Brunnen Aufsteigt der Strhl und fllend gießt Er voll der Mrmorschle Rund, Die, sich verschleiernd, überfließt
MehrARBEITSBLATT 5L-6 FLÄCHENBERECHNUNG MITTELS INTEGRALRECHNUNG
Mthemtik: Mg. Schmid WolfgngLehrerInnentem RBEITSBLTT 5L-6 FLÄHENBEREHNUNG MITTELS INTEGRLREHNUNG Geschichtlich entwickelte sich die Integrlrechnug us folgender Frgestellung: Wie knn mn den Flächeninhlt
Mehr2 Zufallsvariable, Verteilungen, Erwartungswert
2 Zufallsvariable, Verteilungen, Erwartungswert Bisher: Zufallsexperimente beschrieben durch W-Räume (Ω, A, P) Häufig interessiert nur eine zufällige Größe X = X(ω), die vom Ergebnis ω des Zufallsexperiments
MehrNormalverteilung. 1 2πσ. Gauß. 2 e 1 2 ((x µ)2 σ 2 ) Werkzeuge der empirischen Forschung. W. Kössler. Einleitung. Datenbehandlung. Wkt.
Normalverteilung Diskrete Stetige f(x) = 1 2πσ 2 e 1 2 ((x µ)2 σ 2 ) Gauß 91 / 169 Normalverteilung Diskrete Stetige Satz: f aus (1) ist Dichte. Beweis: 1. f(x) 0 x R und σ > 0. 2. bleibt z.z. lim F(x)
MehrMathematik fu r Ingenieure (Maschinenbau und Sicherheitstechnik) 2. Semester Apl. Prof. Dr. G. Herbort Dr. T. Pawlaschyk. SoSe16 Arbeitsheft Blatt 3
Mthemtik fu r Ingenieure (Mschinenu und Sicherheitstechnik). Semester Apl. Prof. Dr. G. Herort Dr. T. Pwlschyk SoSe6 Areitsheft Bltt Hinweis: Besuchen Sie die Vorlesung und vervollst ndigen Sie Areitsheft.
Mehr/LQHDUH*OHLFKXQJVV\VWHPH
/LQHDUH*OHLFKXQJVV\VWHPH (für Grund- und Leistungskurse Mthemtik) 6W55DLQHU0DUWLQ(KUHQE UJ*\PQDVLXP)RUFKKHLP Nch dem Studium dieses Skripts sollten folgende Begriffe eknnt sein: Linere Gleichung; homogene
MehrBerechnung von Flächen unter Kurven
Berechnung von Flächen unter Kurven Es soll die Fläche unter einer elieigen (stetigen) Kurve erechnet werden. Dzu etrchten wir die (sog.) Flächenfunktion, mit der die zu erechnende Fläche qusi ngenähert
MehrSerie 13 Lösungsvorschläge
D-Mth Mss und Integrl FS 204 Prof. Dr. D. A. Slmon Serie 3 Lösungsvorschläge. Sei I := [, b] R ein kompktes Intervll und sei B 2 I die Borel-σ-Algebr. Def. Eine Funktion f : I R heisst von beschränkter
MehrHöhere Mathematik für Ingenieure , Uhr
Studiengng: Mtrikelnummer: 3 5 6 Z Punkte Note Prüfungsklusur zum Modul Höhere Mthemtik für Ingenieure 0. 7. 05, 8.00 -.00 Uhr Zugelssene Hilfsmittel: A-Blätter eigene, hndschriftliche Ausrbeitungen ber
Mehr0, t 0,5
XIII. Die Normalverteilung ==================================================================. Der lokale Grenzwertsatz --------------------------------------------------------------------------------------------------------------
MehrDie Dreiecke ADM A und BCM C sind kongruent aufgrund
Westfälische Wilhelms-Universität Münster Mthemtisches Institut pl. Prof. Dr. Lutz Hille Dr. Krin Hlupczok Üungen zur Vorlesung Elementre Geometrie Sommersemester 010 Musterlösung zu ltt 4 vom 3. Mi 010
MehrKapitel VII - Funktion und Transformation von Zufallsvariablen
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel VII - Funktion und Transformation von Zufallsvariablen Markus Höchstötter Lehrstuhl
MehrKAPITEL 18 UND 19 H. KOCH. Kapitel 18. x>a. x<y
KAPITEL 18 UND 19 H. KOCH 1. VORLESUNG VOM 08.01.2018 Kpitel 18 Definition 1 (Zerlegungen, Treppenfunktionen, Regelfunktionen) Sei < b. 1. Eine Zerlegung τ von [, b] besteht us einer Zhl N N und (N + 1)
MehrThema 7 Konvergenzkriterien (uneigentliche Integrale)
Them 7 Konvergenzkriterien (uneigentliche Integrle) In diesem Kpitel betrchten wir unendliche Reihen n= n, wobei ( n ) eine Folge von reellen Zhlen ist. Die Reihe konvergiert gegen s (oder s ist die Summe
Mehr