Kapitel 2. Wahrscheinlichkeit (wird heute behandelt) Kapitel 2. Wahrscheinlichkeit
|
|
- Nele Geier
- vor 6 Jahren
- Abrufe
Transkript
1 Teil I: Wahrscheinlichkeitstheorie 1 Kapitel 2. Wahrscheinlichkeit (wird heute behandelt) Kapitel 3: Bedingte Wahrscheinlichkeit Kapitel 4: Zufallsvariablen Kapitel 5: Erwartungswerte, Varianz, Kovarianz und Korrelation Kapitel 2. Wahrscheinlichkeit 2 Überblick Beispiele Wahrscheinlichkeitsraum Eigenschaften der Wahrscheinlichkeit
2 Beispiele 3 Beispiel 1: Würfelwurf Ω = {ω 1,..., ω 6 } Beispiel 2: zweifacher Münzwurf Ω = {(K, K), (K, Z), (Z, K), (Z, Z)} Beispiel 3: Psychologisches Testen Ω = Ω U Ω O Beispiel 4: Ein typisches psychologisches Experiment Ω = Ω U Ω X Ω Y Wahrscheinlichkeitsraum 4 Ein Wahrscheinlichkeitsraum repräsentiert das beobachtete Zufallsexperiment. Er besteht aus den folgenden drei Komponenten die Menge der möglichen Ergebnisse des betrachteten Zufallsexperiments die Menge der möglichen Ereignisse und das Wahrscheinlichkeitsmaß
3 Zufallsexperiment, Ergebnis, Ereignis und Wahrscheinlichkeit 5 Der Wahrscheinlichkeitsraum Ω,, P repräsentiert das betrachtete Zufallsexperiment, wobei: Ω die Menge aller möglichen Ergebnisse eines Zufallsexperiments die Menge aller möglichen Ereignisse Ω und P : [0, 1] das Wahrscheinlichkeitsmaß auf Die Menge der möglichen Ergebnisse 6 Beispiel 1: Würfelwurf Ω = {ω 1,..., ω 6 } Beispiel 2: zweifacher Münzwurf Ω = {(K, K), (K, Z), (Z, K), (Z, Z)} Beispiel 3: psychologisches Testen Ω = Ω U Ω O
4 Die Menge der möglichen Ereignisse: Beispiel 1 7 Mögliche Ereignisse sind immer Teilmengen der Menge der möglichen Ergebnisse Ω Beispiel 1 (zweifacher Münzwurf): = {, Ω, {(K, K)}, {(K, Z), (Z, K), (Z, Z)}} Die Menge der möglichen Ereignisse: Beispiel 2 8 zweifacher Münzwurf Die Menge aller Teilmengen von Ω := {, Ω, { Z, Z }, { Z, K }, { K, Z },{ K, K }, { Z, Z, Z, K }, { Z, Z, K, Z }, { Z, Z, K, K }, { Z, K, K, Z }, { Z, K, K, K }, { K, Z, K, K }, { Z, Z, Z, K, K, Z }, { Z, Z, Z, K, K, K }, { Z, Z, K, Z, K, K }, { Z, K, K, Z, K, K }}
5 Einige mögliche Ereignisse beim psychologischen Testen: Beispiel 9 Tabelle 2.1. Einige Ereignisse und ihre formalsprachliche Darstellung Inhaltliches Ereignis Fritz wird gezogen Fritz oder Franz werden gezogen Formale Darstellung als Teilmenge von Ω = Ω U Ω O {Fritz} Ω O {Fritz, Franz} Ω O Die erste ufgabe wird gelöst Ω U {+} {+, } Fritz wird gezogen und löst beide ufgaben { Fritz, +, + } nwendung und Interpretation 10 Problem: Wahrscheinlichkeiten sind in der Regel unbekannt Ziel: Schätzung der Wahrscheinlichkeiten oder anderer Kenngrößen Wahrscheinlichkeiten sind theoretische Größen Beispiel: Münzwurfexperiment
6 Definition s-lgebra 11 Definition 2.1. Sei eine Menge von Teilmengen einer Menge Ω. Die Menge heißt dann σ-lgebra, wenn gelten: (a) Ω ; (b) wenn, dann ( ist das Komplement von ); (c) wenn 1, 2,... eine Folge von Elementen aus ist, dann ist auch deren Vereinigung Element von. Definition Wahrscheinlichkeit, usw Definition 2.2 Seien eine σ-lgebra auf einer Menge Ω sowie P: IR eine Funktion auf. Man betrachte die Bedingungen (Kolmogoroff-xiome): (a) P() 0, für alle ; Nichtnegativität (b) ist 1, 2,... eine Folge paarweise disjunkter Mengen i, dann gilt: P( ) = P( 1 ) + P( 2 ) +... (c) P(Ω) = 1. σ-dditivität Normierung
7 Definition Wahrscheinlichkeit, usw Wenn die Bedingungen (a) bis (c) gelten, heißen: (i) (ii) die Funktion P Wahrscheinlichkeitsmaß, das Tripel Ω,, P Wahrscheinlichkeitsraum, (iii) die Elemente i Ereignisse, (iv) der Wert P() Wahrscheinlichkeit des Ereignisses, (v) die Mengen {ω}, ω Ω, Elementarereignisse und (vi) die Menge Ω die Menge der möglichen Ergebnisse. Beispiel für einen Wahrscheinlichkeitsraum Ω = {(K, K), (K, Z), (Z, K), (Z, Z)} 14 Tabelle 2.2. Ereignisse und ihre Wahrscheinlichkeiten beim zweimaligen Münzwurf i P( i ) nmerkung 0 = 0 1 = Ω 1 Bedingung (c) der Def. 2 2 = { K, K } 1/4 faire Münze! 3 = { K, Z } 1/4 dto. 4 = { Z, K } 1/4 dto. 5 = { Z, Z } 1/4 dto. 6 = { K, K, K, Z } P( 2 ) + P( 3 ) = 1/2 Bedingung (b) der Def. 2 7 = { K, K, Z, K } P( 2 ) + P( 4 ) = 1/2 dto. 8 = { K, K, Z, Z } P( 2 ) + P( 5 ) = 1/2 dto. 9 = { K, Z, Z, K } P( 3 ) + P( 4 ) = 1/2 dto. 10 = { K, Z, Z, Z } P( 3 ) + P( 5 ) = 1/2 dto. 11 = { Z, K, Z, Z } P( 4 ) + P( 5 ) = 1/2 dto. 12 = { K, K, K, Z, Z, K } P( 2 ) + P( 3 ) + P( 4 ) = 3/4 dto. 13 = { K, K, K, Z, Z, Z } P( 2 ) + P( 3 ) + P( 5 ) = 3/4 dto. 14 = { K, K, Z, K, Z, Z } P( 2 ) + P( 4 ) + P( 5 ) = 3/4 dto. 15 = { K, Z, Z, K, Z, Z } P( 3 ) + P( 4 ) + P( 5 ) = 3/4 dto.
8 Eigenschaften der Wahrscheinlichkeit 15 Theorem 2.1 Seien Ω,, P ein Wahrscheinlichkeitsraum und, B Ereignisse. Dann gelten: (i) wenn B, dann P( \ B) = P( ) PB ( ) und P ( ) PB ( ); (ii) P( \ B) = P( ) P ( B) ; (iii) für : =Ω \ gilt: P( ) = 1 P ( ); (iv) P( B) = P ( ) + PB ( ) P( B). Eigenschaften der Wahrscheinlichkeit (Diagramm) 16 \ B B Ω (a) \ B B B Ω (b) B B (c) (d) Ω (c) Ω (d) bbildung 2.1 Venn-Diagramme zur Veranschaulichung der in Theorem 2.1 genannten Eigenschaften eines Wahrscheinlichkeitsmaßes
Grundlagen. Wozu Wahrscheinlichkeitsrechnung? Definition und Begriff der Wahrscheinlichkeit. Berechnung von Laplace-Wahrscheinlichkeiten
Teil 2: Wahrscheinlichkeitsrechnung 326 Grundlagen Wozu Wahrscheinlichkeitsrechnung? Definition und egriff der Wahrscheinlichkeit erechnung von Laplace-Wahrscheinlichkeiten Rechnen mit einfachem Mengenkalkül
MehrÜbungen zur Mathematik für Pharmazeuten
Blatt 1 Aufgabe 1. Wir betrachten den Ereignisraum Ω = {(i,j) 1 i,j 6} zum Zufallsexperiment des zweimaligem Würfelns. Sei A Ω das Ereignis Pasch, und B Ω das Ereignis, daß der erste Wurf eine gerade Augenzahl
Mehr1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem P( ) = 0.
1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem Folg. 2 Sei (Ω, E, P) W.-raum. Seien A, B,A 1,...,A n Ereignisse. Es gelten die folgenden Aussagen: 1. P(A) = 1 P(A). 2. Für das unmögliche Ereignis gilt:
MehrEinführung in die Computerlinguistik Statistische Grundlagen
Statistik 1 Sommer 2015 Einführung in die Computerlinguistik Statistische Grundlagen Laura Heinrich-Heine-Universität Düsseldorf Sommersemester 2015 Statistik 2 Sommer 2015 Überblick 1. Diskrete Wahrscheinlichkeitsräume
MehrWahrscheinlichkeitstheorie. Zapper und
Diskrete Wahrscheinlichkeitsräume Slide 1 Wahrscheinlichkeitstheorie die Wissenschaft der Zapper und Zocker Diskrete Wahrscheinlichkeitsräume Slide 2 Münzwürfe, Zufallsbits Elementarereignisse mit Wahrscheinlichkeiten
MehrRisiko und Versicherung - Übung
Sommer 2009 Risiko und Versicherung - Übung Entscheidungstheoretische Grundlagen Renate Bodenstaff Vera Brinkmann r.bodenstaff@uni-hohenheim.de vera.brinkmann@uni-hohenheim.de https://insurance.uni-hohenheim.de
MehrEinführung in die Stochastik
Einführung in die Stochastik Josef G. Steinebach Köln, WS 2009/10 I Wahrscheinlichkeitsrechnung 1 Wahrscheinlichkeitsräume, Urnenmodelle Stochastik : Lehre von den Gesetzmäßigkeiten des Zufalls, Analyse
MehrStatistik I für Betriebswirte Vorlesung 5
Statistik I für Betriebswirte Vorlesung 5 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik 07. Mai 2015 PD Dr. Frank Heyde Statistik I für Betriebswirte Vorlesung 5 1 Klassische Wahrscheinlichkeitsdefinition
MehrVersuch: Zufälliges Ziehen aus der Population
Wahrscheinlichkeit Ein Test diagnostiziert Kranke zu 99% richtig Gesunde zu 90% richtig 5% der Bevölkerung ist krank? Wie wahrscheinlich ist es, dass jemand krank ist, wenn der Test dies diagnostiziert?
MehrData Mining: Einige Grundlagen aus der Stochastik
Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener
MehrZufallsgrößen. Vorlesung Statistik für KW 29.04.2008 Helmut Küchenhoff
Zufallsgrößen 2.5 Zufallsgrößen 2.5.1 Verteilungsfunktion einer Zufallsgröße 2.5.2 Wahrscheinlichkeits- und Dichtefunktion Wahrscheinlichkeitsfunktion einer diskreten Zufallsgröße Dichtefunktion einer
MehrName:... Matrikel-Nr.:... 3 Aufgabe Handyklingeln in der Vorlesung (9 Punkte) Angenommen, ein Student führt ein Handy mit sich, das mit einer Wahrscheinlichkeit von p während einer Vorlesung zumindest
MehrRechnen mit einfachem Mengenkalkül
edingte ahrscheinlichkeiten llgemeine Frage: Rechnen mit einfachem Mengenkalkül ie groß ist die ahrscheinlichkeit für ein Ereignis falls bereits ein Ereignis eingetreten ist (und der etrachter über diese
MehrLehrstuhl IV Stochastik & Analysis. Stochastik I. Wahrscheinlichkeitsrechnung. Skriptum nach einer Vorlesung von Hans-Peter Scheffler
Fachschaft Mathematik Uni Dortmund Lehrstuhl IV Stochastik & Analysis Stochastik I Wahrscheinlichkeitsrechnung Skriptum nach einer Vorlesung von Hans-Peter Scheffler Letzte Änderung: 8. November 00 Gesetzt
MehrMengensysteme, Wahrscheinlichkeitsmaße
Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen
MehrEinführung in die Statistik für Biologen. Jörg Witte
Einführung in die Statistik für Biologen Jörg Witte 1997 Inhaltsverzeichnis 1 Endliche Wahrscheinlichkeitstheorie 3 1.1 Grundbegriffe........................ 3 1.2 Zufallsgrößen und Verteilungsfunktionen.........
MehrI. II. I. II. III. IV. I. II. III. I. II. III. IV. I. II. III. IV. V. I. II. III. IV. V. VI. I. II. I. II. III. I. II. I. II. I. II. I. II. III. I. II. III. IV. V. VI. VII. VIII.
Mehr1 Stochastische Prozesse in stetiger Zeit
1 Stochastische Prozesse in stetiger Zeit 1.1 Grundlagen Wir betrachten zufällige Prozesse, definiert auf einem Wahrscheinlichkeitsraum (Ω, F, P), welche Werte in einen fest gewählten Zustandsraum annehmen.
MehrNeue Ansätze für die Sicherheit der Random-Oracle-Methodik
Neue Ansätze für die Sicherheit der Random-Oracle-Methodik Inauguraldissertation zur Erlangung des akademischen Grades Doktor der Naturwissenschaften (Dr. rer. nat.) eingereicht beim Fachbereich Mathematik
MehrHans Irtel. Entscheidungs- und testtheoretische Grundlagen der Psychologischen Diagnostik
Hans Irtel Entscheidungs- und testtheoretische Grundlagen der Psychologischen Diagnostik Universität Mannheim 1995 Vorwort Dieses Buch ist ein Kompendium grundlegender Konzepte der Test- und Entscheidungstheorie,
Mehr$ % + 0 sonst. " p für X =1 $
31 617 Spezielle Verteilungen 6171 Bernoulli Verteilung Wir beschreiben zunächst drei diskrete Verteilungen und beginnen mit einem Zufallsexperiment, indem wir uns für das Eintreffen eines bestimmten Ereignisses
MehrWAHRSCHEINLICHKEITSTHEORIE I und II. Vorlesungsskript
WAHRSCHEINLICHKEITSTHEORIE I und II Wolfgang König TU Berlin und WIAS Berlin Vorlesungsskript SS 2005 und WS 2005/06 überarbeitet im WS 2008/09 kleine Korrekturen im März und Juli 2012 und im März 2013
Mehr6 Mehrstufige zufällige Vorgänge Lösungshinweise
6 Mehrstufige zufällige Vorgänge Lösungshinweise Aufgabe 6.: Begründen Sie, warum die stochastische Unabhängigkeit zweier Ereignisse bzw. zufälliger Vorgänge nur ein Modell der Realität darstellen kann.
MehrStatistik 1: Einführung
Seite Stat- Statistik : Einführung Die mathematische Disziplin der Stochastik, die die Teilgebiete Wahrscheinlichkeitstheorie und mathematische Statistik umfaßt, beschäftigt sich mit der Beobachtung, Aufzeichnung
Mehr6.1 Grundlagen der Wahrscheinlichkeitsrechnung 6.1.1 Definitionen und Beispiele Beispiel 1 Zufallsexperiment 1,2,3,4,5,6 Elementarereignis
1 6.1 Grundlagen der Wahrscheinlichkeitsrechnung 6.1.1 Definitionen und Beispiele Spiele aus dem Alltagsleben: Würfel, Münzen, Karten,... u.s.w. sind gut geeignet die Grundlagen der Wahrscheinlichkeitsrechnung
MehrEinführung in die Wahrscheinlichkeitsrechnung und Statistik
Einführung in die Wahrscheinlichkeitsrechnung und Statistik Gunther H. Peichl Skriptum zur Vorlesung im SS 1999 Institut für Mathematik Karl Franzens Universität Graz ii Vorwort Im Alltag begegnen wir
MehrStatistik im Bachelor-Studium der BWL und VWL
Max C. Wewel Statistik im Bachelor-Studium der BWL und VWL Methoden, Anwendung, Interpretation Mit herausnehmbarer Formelsammlung ein Imprint von Pearson Education München Boston San Francisco Harlow,
MehrGrundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt!
Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! 1 Einführung 2 Wahrscheinlichkeiten kurz gefasst 3 Zufallsvariablen und Verteilungen 4 Theoretische Verteilungen (Wahrscheinlichkeitsfunktion)
MehrBei dieser Vorlesungsmitschrift handelt es sich um kein offizielles Skript!
Diskrete Stochastik für Informatiker WS003/04 Diskrete Stochastik für die Informatik Bei dieser Vorlesungsmitschrift handelt es sich um kein offizielles Skript! Bei Fragen, Anmerkungen oder Fehlern bitte
MehrAlgorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2014 / 2015. Vorlesung 5, Donnerstag, 20.
Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2014 / 2015 Vorlesung 5, Donnerstag, 20. November 2014 (Wie baut man eine Hash Map, Universelles Hashing)
MehrEinführung in die Stochastik. Dr. Lothar Schüler
Einführung in die Stochastik für Studierende der Informatik im Bachelorstudiengang TU Braunschweig SS 2007 Dr. Lothar Schüler Institut für Mathematische Stochastik Technische Universität Braunschweig Pockelsstr.
MehrEinführung in die Statistik
Einführung in die Statistik Dr. C.J. Luchsinger 1 Wahrscheinlichkeit Literatur Kapitel 1 * gelegentlich lesen: Statistik in Cartoons: Kapitel 1 und 2 (diese Fragen behandle ich in meiner Vlsg nicht) *
MehrEinführung in die. Wahrscheinlichkeitstheorie und Statistik
Institut für Mathematische Stochastik Einführung in die Wahrscheinlichkeitstheorie und Statistik (Kurzskript zur Vorlesung Wintersemester 2014/15 von Prof. Dr. Norbert Gaffke Inhaltsverzeichnis 1 Wahrscheinlichkeitsräume
MehrInhaltsverzeichnis. Vorwort 1. Kapitel 1 Einführung 3. Kapitel 2 Messtheorie und deskriptive Statistik 13
Inhaltsverzeichnis Vorwort 1 Kapitel 1 Einführung 3 1.1 Ziele... 4 1.2 Messtheorie und deskriptive Statistik... 8 1.3 Grundlagen der Wahrscheinlichkeitsrechnung... 9 1.4 Inferenzstatistik... 9 1.5 Parametrische
MehrStatistik und Wahrscheinlichkeitsrechnung
Einführung Statistik und Wahrscheinlichkeitsrechnung Lukas Meier Teilweise basierend auf Vorlesungsunterlagen von Marloes Maathuis, Hansruedi Künsch, Peter Bühlmann und Markus Kalisch. Fehler und Anregungen
MehrEinführung in die Wahrscheinlichkeitsrechnung und Statistik
Einführung in die Wahrscheinlichkeitsrechnung und Statistik Jan Kallsen und Claudia Klüppelberg Zentrum Mathematik Technische Universität München WS 2005/06 Inhaltsverzeichnis Vorwort Vorbemerkungen i
MehrTrainingsaufgaben 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
MehrTeil I Beschreibende Statistik 29
Vorwort zur 2. Auflage 15 Vorwort 15 Kapitel 0 Einführung 19 0.1 Methoden und Aufgaben der Statistik............................. 20 0.2 Ablauf statistischer Untersuchungen..............................
MehrSozialwissenschaftliche Methoden und Statistik I
Sozialwissenschaftliche Methoden und Statistik I Universität Duisburg Essen Standort Duisburg Integrierter Diplomstudiengang Sozialwissenschaften Skript zum SMS I Tutorium Von Mark Lutter Stand: April
MehrStatistische Verfahren in der Computerlinguistik. Einführung in die Computerlinguistik Sommersemester 2009 Peter Kolb
Statistische Verfahren in der Computerlinguistik Einführung in die Computerlinguistik Sommersemester 2009 Peter Kolb Übersicht Statistische vs. symbolische Verfahren in der CL Statistik beschreibende Statistik
MehrStatistik II - Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Christine Müller Technische Universität Dortmund
Statistik II - Elementare Wahrscheinlichkeitsrechnung Prof Dr Christine Müller Technische Universität Dortmund Sommersemester 2014 1 Literatur Henze, N (1997 Stochastik für Einsteiger Vieweg, Braunschweig
MehrAnalog definiert man das Nichteintreten eines Ereignisses (Misserfolg) als:
9-9 Die befasst sich mit der Untersuchung, wie wahrscheinlich das Eintreten eines Falles aufgrund bestimmter Voraussetzungen stattfindet. Bis anhin haben wir immer logisch gefolgert: 'Wenn diese Voraussetzung
MehrEinführung in die Stochastik für Informatiker Sommersemester 2000 Prof. Mathar
Einführung in die Stochastik für Informatiker Sommersemester 2000 Prof. Mathar getext von René Wörzberger rene@woerzberger.de Bilder Thorsten Uthke Review Diego Biurrun diego@pool.informatik.rwth-aachen.de
MehrA-PDF Merger DEMO : Purchase from www.a-pdf.com to remove the wate Norbert Henze. Stochastik für Einsteiger
A-PDF Merger DEMO : Purchase from wwwa-pdfcom to remove the wate Norbert Henze Stochastik für Einsteiger Aus dem Programm Mathematik für Einsteiger Algebra für Einsteiger von Jörg Bewersdorff Algorithmik
MehrEinführung in die Wahrscheinlichkeitsrechnung und Statistik
Materialien zu Stochastik 1 Einführung in die Wahrscheinlichkeitsrechnung und Statistik Dr. Christian Kredler WS 2003/04 Inhaltsverzeichnis Teil 1: Wahrscheinlichkeitsrechnung 1 1 Grundlagen der Wahrscheinlichkeitsrechnung
MehrMini-Skript Wahrscheinlichkeitstheorie und Statistik
Mini-Skript Wahrscheinlichkeitstheorie und Statistik Peter Bühlmann Georg Grafendorfer, Lukas Meier Inhaltsverzeichnis 1 Der Begriff der Wahrscheinlichkeit 1 1.1 Rechenregeln für Wahrscheinlichkeiten........................
MehrGrundprinzipien der Bayes-Statistik
Grundprinzipien der Bayes-Statistik Karl-Rudolf Koch Zusammenfassung: In drei wesentlichen Punkten unterscheidet sich die Bayes-Statistik von der traditionellen Statistik. Zunächst beruht die Bayes-Statistik
MehrBedingte Wahrscheinlichkeit
Bedingte Wahrscheinlichkeit In einem Laden ist eine Alarmanlage eingebaut. Bei Einbruch gibt sie mit 99%-iger Wahrscheinlichkeit Alarm. Wenn in einer bestimmten Nacht kein Einbruch stattfindet, gibt sie
MehrRegelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall
Wahrscheinlichkeitstheorie Was will die Sozialwissenschaft damit? Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall Auch im Alltagsleben arbeiten wir mit Wahrscheinlichkeiten, besteigen
MehrKnut Bartels / Hans Gerhard Strohe. Arbeitsblätter. zur Vorlesung im Wintersemester 2005/06. Statistik II Induktive Statistik
Knut Bartels / Hans Gerhard Strohe Arbeitsblätter zur Vorlesung im Wintersemester 2005/06 Induktive Statistik Dies ist kein Vorlesungsskript Wirtschafts- und Sozialwissenschaftliche Fakultät Lehrstuhl
MehrEinführung in die Wahrscheinlichkeitstheorie
Anton Bovier Einführung in die Wahrscheinlichkeitstheorie Vorlesung Winter 2012/13, Bonn 15. Februar 2013 Inhaltsverzeichnis 1 Wahrscheinlichkeit........................................ 1 1.1 Zufallsexperimente
MehrNotizen zu "Mathematische Grundlagen der Finanzwirtschaft"
Notizen zu "Mathematische Grundlagen der Finanzwirtschaft" PD Dr. habil. Thomas Kalmes Sommersemester 5 Version vom 5. Juli 5 Einleitung 2 Einleitung Ich kam zu der Überzeugung, dass mathematische Analysis
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrEinführung in die Statistik
Einführung in die Statistik Dr. C.J. Luchsinger 2 Zufallsgrössen Literatur Kapitel 2 * Statistik in Cartoons: Kapitel 4 * Krengel: 3.1 und 3.2 in 3 und (Honours Program) 10 sowie 11.1, 11.2 und 11.3 in
MehrElementare statistische Methoden
Elementare statistische Methoden Vorlesung Computerlinguistische Techniken Alexander Koller 28. November 2014 CL-Techniken: Ziele Ziel 1: Wie kann man die Struktur sprachlicher Ausdrücke berechnen? Ziel
Mehr1. Objektive (statistische) und subjektive (epistemische) Wahrscheinlichkeit
1 SE Logik III: Wahrscheinlichkeit und unsicheres Schließen (Ws 2005/06 G. Schurz) Lehrmaterialien Auszüge aus dem Skriptum "Grundprobleme der Wissenschaftstheorie" + einige Ergänzungen 1. Objektive (statistische)
MehrVariationen Permutationen Kombinationen
Variationen Permutationen Kombinationen Mit diesen Rechenregeln lässt sich die Wahrscheinlichkeit bestimmter Ereigniskombinationen von gleichwahrscheinlichen Elementarereignissen ermitteln, und erleichtert
MehrEinführung in die Stochastik
Vorlesungsnotizen Einführung in die Stochastik Hanspeter Schmidli Mathematisches Institut der Universität zu Köln INHALTSVERZEICHNIS iii Inhaltsverzeichnis 1. Diskrete Wahrscheinlichkeitsräume 1 1.1.
MehrEinführung Statistik Weiterbildungs-Lehrgang 2015 2017. Markus Kalisch, Lukas Meier, Peter Bühlmann, Hansruedi Künsch und Alain Hauser
Einführung Statistik Weiterbildungs-Lehrgang 2015 2017 Markus Kalisch, Lukas Meier, Peter Bühlmann, Hansruedi Künsch und Alain Hauser April 2015 Inhaltsverzeichnis 1 Einführung (Stahel, Kap. 1) 1 1.1
Mehr5.Unsicherheit. 5.1WahrscheinlichkeitundRisiko
1 5.Unsicherheit Bisher sind wir von vollständiger Planungssicherheit seitens der Entscheidungsträger ausgegangen. Dies trifft in vielen Fällen natürlich nicht den Kern eines Entscheidungsproblems.Wennz.B.eineEntscheidungfürdenKaufvonAktiengetroffen
Mehr6. Bayes-Klassifikation. (Schukat-Talamazzini 2002)
6. Bayes-Klassifikation (Schukat-Talamazzini 2002) (Böhm 2003) (Klawonn 2004) Der Satz von Bayes: Beweis: Klassifikation mittels des Satzes von Bayes (Klawonn 2004) Allgemeine Definition: Davon zu unterscheiden
MehrJetzt lerne ich Stochastik für die Oberstufe
Jetzt lerne ich Stochastik für die Oberstufe von Dr. rer. nat. Marco Schuchmann, Dipl.-Math. - 2 - - 3 - Vorwort In diesem Buch werden Anwendungen der Stochastik in der Oberstufe mit vielen Beispielen
MehrEinleitung 19. Teil I Datenanalyse und Modellbildung Grundlagen 25
Inhaltsverzeichnis Einleitung 19 Zu diesem Buch 19 Konventionen in diesem Buch 20 Was Sie nicht lesen müssen 21 Falsche Voraussetzungen 21 Wie dieses Buch aufgebaut ist 21 Teil I: Datenanalyse und Grundlagen
MehrGaußsche Prozesse - ein funktionalanalytischer Zugang
Universität Ulm Fakultät für Mathematik und Wirtschaftswissenschaften Gaußsche Prozesse - ein funktionalanalytischer Zugang Bachelorarbeit in Wirtschaftsmathematik vorgelegt von Clemens Kraus am 31. Mai
MehrAbitur 2012 Mathematik GK Stochastik Aufgabe C1
Seite 1 Abiturloesung.de - Abituraufgaben Abitur 2012 Mathematik GK Stochastik Aufgabe C1 nter einem Regentag verstehen Meteorologen einen Tag, an dem mehr als ein Liter Niederschlag pro Quadratmeter gefallen
MehrSkript zur Statistik II (Wahrscheinlickeitsrechnung und induktive Statistik)
Prof. Dr. Reinhold Kosfeld Fachbereich Wirtschaftswissenschaften Skript zur Statistik II (Wahrscheinlickeitsrechnung und induktive Statistik) 1. Einleitung Deskriptive Statistik: Allgemeine und spezielle
MehrDer vierseitige DNA-Würfel
Der vierseitige DN-Würfel enomische Datenanalyse 2. Kaitel In der letzten Vorlesung haben wir mit statistischen Untersuchungen an der humanen enomsequenz die Islands entdeckt. Normale enomsequenz meidet
MehrAusarbeitung zum Seminar Spieltheorie Gemischtes und korreliertes Gleichgewicht. Friederike Runge
Ausarbeitung zum Seminar Spieltheorie Gemischtes und korreliertes Gleichgewicht Friederike Runge 13. Juli 2009 Zusammenfassung Ich beziehe mich in meiner Ausarbeitung auf das Buch A course in game theorie
MehrP(A B) = P(A) + P(B) P(A B) P(A B) = P(A) + P(B) P(A B) Geometrisch lassen sich diese Sätze einfach nachvollziehen (siehe Grafik rechts!
Frequentistische und Bayes'sche Statistik Karsten Kirchgessner In den Naturwissenschaften herrscht ein wahrer Glaubenskrieg, ob die frequentistische oder Bayes sche Statistik als Grundlage zur Auswertung
MehrVorlesung 1: Grundlagen, Evidenzbasierte Medizin und Gute Klinische Praxis (GCP)
Vorlesung 1: Grundlagen, Evidenzbasierte Medizin und Gute Klinische Praxis (GCP) 1.1. Begriffsbildung im Rahmen der Evidenzbasierten Medizin (EBM) Einsicht in die Notwendigkeit und praktische Relevanz
MehrARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES DERIVATIVE FINANZINSTRUMENTE
ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES DERIVATIVE FINANZINSTRUMENTE im SS 215 Aufgabe 1 (Innerer Wert, Zeitwert, Basiskurs, Aufgeld) Am 13.4.2 kostete eine Kaufoption
MehrPlanen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher
Planen mit mathematischen Modellen 00844: Computergestützte Optimierung Leseprobe Autor: Dr. Heinz Peter Reidmacher 11 - Portefeuilleanalyse 61 11 Portefeuilleanalyse 11.1 Das Markowitz Modell Die Portefeuilleanalyse
MehrModellierungskonzepte 2
Modellierungskonzepte 2 Elke Warmuth Humboldt-Universität Berlin WS 2008/09 1 / 50 1 Pfadregeln 2 Begriff Umbewertung von Chancen Bayessche Formel 3 Verwechslungsgefahr Implizite Lotterien 2 / 50 mehrstufige
MehrEinführung in die Geostatistik (2) Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam.
Einführung in die Geostatistik () Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam.de Gliederung Allgemeine Statistik. Deskriptive Statistik. Wahrscheinlichkeitstheorie.3
MehrTheorien für die Darstellung von Unsicherheit Ein Vergleich der Wahrscheinlichkeits-, Möglichkeits- und Dempster-Shafer Theorie
Theorien für die Darstellung von Unsicherheit Ein Vergleich der Wahrscheinlichkeits-, Möglichkeits- und Dempster-Shafer Theorie Johannes Leitner Inhalt I Modellierung von Unschärfe Unscharfe Mengen Unscharfe
Mehr1 Statistische Grundlagen
Konzepte in Empirische Ökonomie 1 (Winter) Hier findest Du ein paar Tipps zu den Konzepten in Empirische 1. Wenn Du aber noch etwas Unterstützung kurz vor der Klausur brauchst, schreib uns eine kurze Email.
Mehr1. Einführung in die Statistik. 2. Wohin geht die Reise? Worum geht es?
Leitfragen zu Abschnitt Was soll im Kurs gelernt werden? Wie ist der Kurs organisiert? Wo sind weitere Informationen zu finden?. Einführung in die Statistik 2. Wohin geht die Reise? Leitfragen zu Abschnitt
MehrMonte Carlo Methoden in Kreditrisiko-Management
Monte Carlo Methoden in Kreditrisiko-Management P Kreditportfolio bestehend aus m Krediten; Verlustfunktion L = n i=1 L i; Die Verluste L i sind unabhängig bedingt durch einen Vektor Z von ökonomischen
MehrBeurteilung der biometrischen Verhältnisse in einem Bestand. Dr. Richard Herrmann, Köln
Beurteilung der biometrischen Verhältnisse in einem Bestand Dr. Richard Herrmann, Köln Beurteilung der biometrischen Verhältnisse in einem Bestand 1 Fragestellung Methoden.1 Vergleich der Anzahlen. Vergleich
MehrEinleitung. Das Ein-Perioden-Modell ist das einfachste. von derivaten Finanzinstrumenten (hier: Optionen) zu erklären.
Einleitung Das Ein-Perioden-Modell ist das einfachste Modell, um die Idee der Preisgebung von derivaten Finanzinstrumenten (hier: Optionen) zu erklären. naive Idee der Optionspreisbestimmung: Erwartungswertprinzip
MehrDIPLOMARBEIT. Ein Monte-Carlo Verfahren zur Erzeugung von Binärmatrizen und dessen Anwendung in der Ökologie
Diplomstudiengang Mathematik mit Schwerpunkt Biowissenschaften DIPLOMARBEIT Ein Monte-Carlo Verfahren zur Erzeugung von Binärmatrizen und dessen Anwendung in der Ökologie vorgelegt von: Betreuende Gutachterin:
MehrAufgabenblatt 1 S. 1 SS15
Aufgabenblatt 1 S. 1 SS15 A1: Welche Mengen sind gleich? a) {r, s, t} b) {s, t, r, s} c) {t, s, t, r} d) {s, r, s, t} A2: Sei M = {r, s, t}. Welche Aussagen sind wahr? a) r M b) r M c) {r} M d) {r} M A3:
MehrDie Bestimmung von Value-at-Risk-Werten mit Hilfe der Monte-Carlo-Simulation
Die Bestimmung von Value-at-Risk-Werten mit Hilfe der Monte-Carlo-Simulation Studiengang Informatik Jens Schiborowski 8. Januar 2009 Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik 1 Abstract
MehrLernheft Kompetenzen. Inhalt
Lernheft Lernheft Kompetenzen Sie erläutern die Bedeutung des Begriffs Zufall in der Umgangssprache und die historische Entwicklung des Begriffs Wahrscheinlichkeit und der Wahrscheinlichkeitstheorie Sie
Mehr9. Schätzen und Testen bei unbekannter Varianz
9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,
MehrStudiengang. Bachelor of Education. (B.Ed.) Lehramt. Gymnasium. Mathematik
Studiengang Bachelor of Education (B.Ed.) Lehramt Gymnasium Mathematik der Universität Mannheim Modulkatalog (Stand: 03.09.2015) 1 Inhaltsverzeichnis Vorwort... 3 Modulübersicht...4 Modulbeschreibungen...
MehrModul: Stochastik. Zufallsexperimente oder Wahrscheinlichkeit relative Häufigkeit Variation Permutation Kombinationen Binomialverteilung
Modul: Stochastik Ablauf Vorstellung der Themen Lernen Spielen Wiederholen Zusammenfassen Zufallsexperimente oder Wahrscheinlichkeit relative Häufigkeit Variation Permutation Kombinationen Binomialverteilung
MehrMessgeräte: Mess-System-Analyse und Messmittelfähigkeit
Messgeräte: Mess-System-Analyse und Messmittelfähigkeit Andreas Berlin 14. Juli 2009 Bachelor-Seminar: Messen und Statistik Inhalt: 1 Aspekte einer Messung 2 Mess-System-Analyse 2.1 ANOVA-Methode 2.2 Maße
MehrTaschenbuch Versuchsplanung
Wilhelm Kleppmann Taschenbuch Versuchsplanung Produkte und Prozesse optimieren Praxisreihe Qualitätswissen Herausgegeben von Franz J. Brunner Carl Hanser Verlag München Wien VII Inhalt 1 Einführung 1 1.1
MehrSimulation mit modernen Tools - runde und spitze Berechnung von π -
Simulation mit modernen Tools - runde und spitze Berechnung von π - Prof. Dr. rer. nat. Stefan Ritter Fakultät EIT 7. April 01 Gliederung 1. Wozu Simulation?. Moderne Tools zur Simulation 1. Maple, Geogebra
MehrInhaltsverzeichnis. Teil I Beschreibende Statistik 17
Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind
MehrNumerische Methoden der Finanzmathematik
Numerische Methoden der Finanzmathematik Lars Grüne Mathematisches Institut Fakultät für Mathematik und Physik Universität Bayreuth 95440 Bayreuth lars.gruene@uni-bayreuth.de www.math.uni-bayreuth.de/
Mehr3 Bioinformatik I, Einführung, Grundlagen
Universität des Saarlandes FR 6.2 Informatik Prof. Dr. Hans-Peter Lenhof I Wichtige Themen aus der Vorlesung Bioinformatik I WS 2009/2010 Hinweis: Dies ist eine stichpunktartige Liste der wichtigen Themen
MehrDas St. Petersburg Paradox
Das St. Petersburg Paradox Johannes Dewender 28. Juni 2006 Inhaltsverzeichnis 1 Das Spiel 2 2 Das Paradox 3 3 Lösungsvorschläge 4 3.1 Erwartungsnutzen............................... 4 3.2 Risikoaversion..................................
MehrGewinnchancen und Gewinnerwartung
Bachelorarbeit an der Ruhr-Universität Bochum Gewinnchancen und Gewinnerwartung Marius Alexander Wilker aus Marl Bochum, im April 008 Fakultät für Mathematik Prof. Dr. R. Verfürth Inhaltsverzeichnis I.
MehrStochastik. 1. Oktober 2007 Torsten Linnemann, Kantonsschule Solothurn 1
Stochastik 1. Oktober 2007 Torsten Linnemann, Kantonsschule Solothurn 1 Inhaltsverzeichnis 1 Einführung in die Wahrscheinlichkeitsrechnung 2 1.1 Laplace-Experimente................................. 2 1.2
MehrAufgabe 2.1. Ergebnis, Ergebnismenge, Ereignis
Aufgabe 2. Ergebnis, Ergebnismenge, Ereignis Ergebnis und Ergebnismenge Vorgänge mit zufälligem Ergebnis, oft Zufallsexperiment genannt Bei der Beschreibung der Ergebnisse wird stets ein bestimmtes Merkmal
MehrVorläufige Seminararbeit Wahrscheinlichkeit und andere Unsicherheitskonzepte Subjektive Intervallwahrscheinlichkeiten
Vorläufige Seminararbeit Wahrscheinlichkeit und andere Unsicherheitskonzepte Subjektive Intervallwahrscheinlichkeiten Jonathan Gessendorfer 25.02.2014 1 Inhaltsverzeichnis 1 Subjektivistische Intervallwahrscheinlichkeiten
MehrPortfolio-Optimierung mit dem Erwartungswert-Varianz-Ansatz
MaMaEuSch Management Mathematics for European Schools http://www.mathematik.unikl.de/~mamaeusch/ Portfolio-Optimierung mit dem Erwartungswert-Varianz-Ansatz Elke Korn Ralf Korn Diese Veröffentlichung ist
Mehr