Klausur zur Stochastik
|
|
- Adam Bösch
- vor 6 Jahren
- Abrufe
Transkript
1 Prof. Dr. P. Ressei Dr. Lydia Außenhofer WS 24/05 Klausur zur Stochastik 1. Aufgabe (3 =(1+2) Punkte) (i) Drei Bücher zur Linearen Algebra, fünf zur Analysis und sechs zur Stochastik sollen in einem Regal so aufgestellt werden, daß die Bücher des jeweiligen Fachgebiets nebeneinander stehen. Dabei sind alle Bücher unterscheidbar. Wieviele Möglichkeiten gibt es? (ii) Fünf Jugendliche sollen in zehn freien Zimmern einer Jugendherberge untergebracht werden, wobei jedes Zimmer iiber fünf freie Betten verfügt. Auf wieviele verschiedene Arten können die (unterscheidbaren) Jugendlichen auf die Zimmer verteilt werden? Wie viele verschiedene Bettenbelegungen gibt es? (i) Es gibt 31 = 6 Möglichkeiten für die Anordnug der Fachgebiete, anschließend.51= 120 Möglichkeiten für die Anordnung der Analysisbücher, 6! = 720 für die Anordnung der Stochastikbücher und 3! = 24 Möglichkeiten für die Anordnung der Bücher zur Lmea.ren Algebra. Insgesamt erhält man also = Möglichkeiten für die Anordnung. (ii) Für jeden Jugendlichen gibt es 10 Möglichkeiten der Zimmerzuordnung, also insgesamt 105 Möglichkeiten. Bei den Zimmerbelegungen handelt es sich um geordnete 1D-Partitionen von 5, welche die Mächtigkeit (5i~~~1)= (~4) = 22 besitzt. Man betrachte nämlich {(nl,...,nlo): 'ni E No und L ~ = 5}, wobei ni die Anzahl der belegten Betten in Zimmer i angibt. 2. Aufgabe (2 Punkte) Ein Prüfer hat 18 Standardfragen, von denen er in jeder Prüfung 6 zufällig auswählt. Ein Kandidat kennt die Antworten zu genau 10 Fragen. Wie groß ist die Wahrscheinlichkeit, daß er die Prüfung besteht, wenn er dazu mindestens drei Fragen richtig beantworten muß? 1
2 Genau dann besteht der Kandidat die Prüfung nicht, wenn der Prüfer nur 0, 1 oder 2 der vom Kandidaten vorbereiteten Fragen auswählt, also C~)(~) + e~) (~) + C20)(:) (~) - C:) Die Wahrscheinlichkeit,daß der Kanidat besteht, ist also 1 - ::::41=:::: 79, 86%.. 3. Aufgabe (2 Punkte). Auf einer Prüfstation werden Produkte getestet. Man weiß, daß 2% aller erzeugten Produkte einen Fehlerhaben. Beim Prüfen wird bei 95% der defekten Teile der Fehler festgestellt, aber auch 1% der fehlerfreien Produkte wird aussortiert. Mit welcherwahrscheinlichkeitist ein nicht aussortiertes Produkt wirklich fehlerfrei? Es bezeichne F das Ereignis, daß das Produkt fehlerhaft ist, FC, daß es fehlerfrei ist, $, daß beim Test ein Fehler festgestellt wird und e, daß dies nicht der Fall ist. Gefragt wird ahmnach der bedingten Wahrscheinlichkeit: P FC - p(fcne) - P(FCne) ( le)- P(e) - p(fcne)+p(fne) = 0,98.0,.99 = 98 * 99 = =:::: %. 0,98. 0,99+ 0,02. 0,05 98* ' 4. Aufgabe (3={2+1) Punkte) Es seien Xl,...,Xn, 1'1..., ~ stochastischunabhängige B(l,p)-verteilte Zufallsgrößen.Es bezeichne. n S := :LXäi und T:= :LXi(l- }i). i=l i=l Man bestimme: n b.w. (i) die Verteilungen von S und T, also pes = k) und pet = k) für ken; 2
3 (H) die Erwartungswerte und Varianzen, also ES, ET, V S und VT; (ili) Cov(S, T). (i) Die {O,l}-wertige ZufallsgrößeXiYi ist B(1,p2) verteilt und Xi(l"": Yi) ist B(l,p(l- p)) verteilt. Daher ist S als Summe von nunabhängigen B(1,p2) verteilten Zufallsgrößen B(n, p2)-verteilt und T als Summe von nunabhängigen B(l,p(l- p)) verteilten ZufallsgrößenB(n,p(l- p))-verteilt. (il) Es gelten ES = np2 und ET = np(l- p) sowie V S = np2(1- p2) und VT = np(l- p)(l - (p(l- p)). (ili) E (S. T) = E(L,; XiXjYi(l - Yj» = 2 Ei<; EXiEXjEYi(l - (EYj)) = 2L<;p3(1- p) = n(n-l)p~(l-p)) da XiXiYi(l- Yi) = O. Dies impliziert Oov(S,T) = E(S.T)-ES.ET = n(n-l)p3(1-p)-np2.np(l-p) = -np3(1 - p). 5. Aufgabe (2=(1+1) Punkte) (i) Es sei p eine Primzabl, n = {I, 2,.,.,p} und P die Gleichverteilung auf O. Man zeige, daß es keine nichttrivialen, stochastisch unabhängigen Ereignisse in (0, P) gibt. (H) Es sei nun n E N, n > 4 keine PrimzahL Gibt es auf 11 = {I,...,n} mit der Gleichverteilung stets nichttriviale stochastisch unabhängige Ereignisse? (i) Es seien A, B ~ n stochastischunabhängigeteilmengen.danngilt: IAnBI = IAIIBI ~ p p p p'ianbi=iai'ibi. Gehen wir davon aus, daß A und B nicht leer sind, so folgt, IAnBI > 0, was impliziert, daß p ein Teiler von lai. IBI ist. Da P prim ist, folgt pi lai oder pilbi. Wegen lai, IBI ::; p muß lai = p oder IBI = p, also A = n oder B = 0 gelt n.
4 4 (il) Es sei n = a. b, wobei 2 :s; a < b < n sei. Es bezeichne A = {1,2,...,a} und B = {a,a+1,...,a+b-l} (Man beachte, daß a + b -1 < 2b-1< n ist.) Eine einfache Rechnung zeigt, daß A und B stoehastisch unabhängig sind: p(anb) = IAnBI =.!. = ~~ = P(A)P(B). n n nn 6. Aufgabe (5=( ) P~e) X und Y seien unabhängige N-wertige Zufallsvariablemit der Verteilung P(X =j) = P(Y = j) = 2-; für alle jen. Man berechne: (i) P(X < k) für alle k E Nj (il) P(X ÄY < k) für alle k E Nj (iii) P(Y > X)j (iv) P(X = V); (v) P(X teilt Y) (es genügt, die Reihe anzugeben). (i) P(X < k) = 2:;=1 P(X = j) = 2:;=12-; =!. t~=~ = 1-2-k. (il) P(X Ä Y < k) =.p({x < k}u{y < k}) = P(X < k) +P(Y'( k) - P({X < k}n{y:s; k}) ~ j v P(X~k)P{Y~k). = 2P(X < k) - P(X < k)2= (1-2-k)( k) = 1-4-k. (iii) P(Y> X) = P(U{X = j} n{y > j}) JEN = " P(X= j) P(Y > j) = ~ = -. = -. ~ ~ ~ 4 1-1/4 3 3=1 1-P(yg)=2-i 3=1 (iv) P(X = Y). LP(X = Y = j) = LP(X = j)p(y = j) = ;=1 ;=1 L 2-;. 2-; = ~ ;=1 3'
5 .~ (v)p(xteilty)=f;p(x=j,j,y)= f; P(x=j)f;P(Y=j.k)= t 2-;f2-k; ( ) =f ( )=t 2-; 2; ~ 1 3=1 k=l J=l 3= "'--1-"'- -L...2i-l -L...2;-1' ;=1 ;=2 ( (2; ~) ) 7. Aufgabe (3 Punkte) Beim wiederholten Würfeln eines 1IDgezinktenWürfels bezeichne A (bzw. B) das Ereignis, daß vor der ersten 1 (bzw. 2) eine 6 gewürfelt wurde. Sind die Ereignisse A 1IDdB stochastisch 1IDabhängig? Hinweis: Man betrachte z.b. den Zeitpunkt X der ersten gewürfelten 1... Es bezeichnex (bzw.y bzw. Z) den Zeitpunktder ersten geworfenen1 (bzw.2 bzw.6). Dann sind A = {Z < X} 1IDd B = {Z < Y}. ( 4 j-1 1 P(B) = P(A)= P(Z < X) = LP(Z=j,X> j) = I: ) J=l J= 1 - = ~. 1 _14/6 = ~, denn {Z = j}.n{ X > j} bedeutet, daß bei den ersten j -1 Würfen weder eine 1 noch eine 6 gewürfeltwird1iddder j-te Wurf eine 6 ist. (Offensichtlichhaben A und B dieselbe Wahrscheinlichkeit.) P(A n B) = P(Z < X, Z < Y) = LP(Z = j, j < X, j < Y) = ;=1 L ' ;=1 2! (! ) ;-1 = ~.~ =! Wegen P(A n B) = 1/3 f- 1/4 = P(A). P(B) sinddieereignissea und B stochastisch abhängig. 5
Bei vielen Zufallsexperimenten interessiert man sich lediglich für das Eintreten bzw. das Nichteintreten eines bestimmten Ereignisses.
XI. Binomialverteilung ================================================================== 11.1 Definitionen -----------------------------------------------------------------------------------------------------------------
MehrBeispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen
4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.
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
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
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
MehrElemente der Analysis II
Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel
MehrANMELDEFORMUL. Fax: +49 30 479 89 800. 29. + 30. September 2015 Frankfurt. sind u.a. Keynotes h gestalte. Intranetp. nungsfeld.
LDUL PX 9 + 30 p 015 x: +49 30 479 89 800 J, ii i i Pxi ii 0 pi i ii B1 V i ö i ii : iy Vpi 1509015 i : 50 i : 995 Vi ß Pi i 1808015 i : 470 i : 895 60313 /i pi i 1708015 i : 40 i : 795 9 30 p 015 9 p
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:
MehrW-Rechnung und Statistik für Ingenieure Übung 11
W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik
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
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
MehrP X =3 = 2 36 P X =5 = 4 P X =6 = 5 36 P X =8 = 5 36 P X =9 = 4 P X =10 = 3 36 P X =11 = 2 36 P X =12 = 1
Übungen zur Stochastik - Lösungen 1. Ein Glücksrad ist in 3 kongruente Segmente aufgeteilt. Jedes Segment wird mit genau einer Zahl beschriftet, zwei Segmente mit der Zahl 0 und ein Segment mit der Zahl
MehrAufgabe 43. a) ohne Mängel an Motor und Karosserie ist, b) auch einen Mangel am Motor besitzt, wenn bekannt ist, dass die Karosserie schadhaft ist?
Aufgabe 43 Ein Kraftfahrzeughändler weiß aus langjähriger Erfahrung, dass bei den in Zahlung genommenen Wagen 50% Mängel am Motor, 70% an der Karosserie und 30% an Motor und Karosserie aufweisen. Wie groß
MehrMonte-Carlo Simulation
Monte-Carlo Simulation Sehr häufig hängen wichtige Ergebnisse von unbekannten Werten wesentlich ab, für die man allerhöchstens statistische Daten hat oder für die man ein Modell der Wahrscheinlichkeitsrechnung
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
MehrVorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel
Vorlesung 2 22 bzw 23 Januar 204 Lineares Gleichungssystem a a 2 b b 2 = F a a 2 a 3 b b 2 b 3 c c 2 c 3 = V V =< a, b c > c b a b a F V Seite 70 a x + a 2 x 2 + a 3 x 3 b = 0 < a x + a 2 x 2 + a 3 x 3
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
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
MehrEin möglicher Unterrichtsgang
Ein möglicher Unterrichtsgang. Wiederholung: Bernoulli Experiment und Binomialverteilung Da der sichere Umgang mit der Binomialverteilung, auch der Umgang mit dem GTR und den Diagrammen, eine notwendige
MehrLM2. WAHRSCHEINLICHKEITSRECHNUNG/STATISTIK
LM2. WAHRSCHEINLICHKEITSRECHNUNG/STATISTIK III. In einer Region haben 60 % der Haushalte einen Internetanschluss. Das Diagramm veranschaulicht die Anteile der Zugangsgeschwindigkeiten unter den Haushalten
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
MehrAufgabe 3: Übersetzen Sie die folgenden natürlich-sprachlichen Aussagen in die Sprache der
Aufgabe 1: Sind die folgenden Abbildungen jeweils injektiv, surjektiv und/oder bijektiv? (a) f 1 (x) = x, mit f 1 : R + R + (b) f (x) = x, mit f : R R (c) f 3 (x) = x, mit f 3 : R R (d) f 4 (x) = 3x, mit
MehrKapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung
Kapitel 3 Zufallsvariable Josef Leydold c 2006 Mathematische Methoden III Zufallsvariable 1 / 43 Lernziele Diskrete und stetige Zufallsvariable Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion
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
MehrAbituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler
MehrGesucht: wie viele Mitarbeiter sind max. durch Ziffernfolge unterscheidbar. Lösung: Möglichkeiten; Reihenfolge und MIT Zurücklegen- also = = 6561
1 Bettina Kietzmann Februar 2013 Numerische Aufgaben Statistik 1D 1. Kombinatorik Für die Lösung dieser Aufgaben ist die Tabelle der Formelsammlung S. 10 relevant. Geht es darum Möglichkeiten zu errechnen
Mehr3.2. Aufgaben zu mehrstufigen Zufallsexperimenten
.. Aufgaben zu mehrstufigen Zufallsexperimenten Aufgabe : Baumdiagramm mit Erwartungswert beim zweimaligen Würfeln Ein ungezinkter sechsseitiger Würfel wird zweimal geworfen. a) Zeichne einen repräsentativen
Mehry 1 2 3 4 5 6 P (Y = y) 1/6 1/6 1/6 1/6 1/6 1/6
Fachhochschule Köln Fakultät für Wirtschaftswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 39 14 jutta.arrenberg@fh-koeln.de Übungen zur Statistik für Prüfungskandidaten und Prüfungskandidatinnen Unabhängigkeit
Mehr3.7 Wahrscheinlichkeitsrechnung II
3.7 Wahrscheinlichkeitsrechnung II Inhaltsverzeichnis 1 bedingte Wahrscheinlichkeiten 2 2 unabhängige Ereignisse 5 3 mehrstufige Zufallsversuche 7 1 Wahrscheinlichkeitsrechnung II 28.02.2010 Theorie und
MehrWelche Informationen N e w s K o mpa s s G mb H s a m melt und wie wir die D aten verwenden
Daten s chutzinformation V i el e n D a n k f ür I hr I nt e r e s s e a n u n s e r e r W e b s it e u n d u n s e r e A n g e b o t e s o w i e I hr V e rtr a u e n i n u n - s e r U n t e r n e h m
MehrElektrotechnik / Automatisierungstechnik
Staatliche Studienakademie Thüringen Berufsakademie Gera University of Cooperative Education Rahmenplan des Bachelorstudiengangs Elektrotechnik / Automatisierungstechnik Gültig ab Matrikel 01 Stand: 05.05.014
MehrSchleswig-Holstein 2011. Kernfach Mathematik
Aufgabe 6: Stochastik Vorbemerkung: Führen Sie stets geeignete Zufallsvariablen und Namen für Ereignisse ein. Machen Sie auch Angaben über die Verteilung der jeweiligen Zufallsvariablen. Eine repräsentative
MehrFächerbezeichnung. Abk. Zerspanungsmech. Industriemech. Maschinen- u. Anlagenf. BFW / HBFW /BQS. Einzelhandelskfl. Automobilkfl. Industriekfl.
mit Abkürzungen im Stundenplan Abk. Maschinen- u. Anlagenf. AE Anwendungsentwicklung X AH Automatisierung und Hardwaredesign X AM Automatisierungstechnik X AN Arbeitsabläufe planen X AS Anwendungsentwicklung
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
Mehr13.5 Der zentrale Grenzwertsatz
13.5 Der zentrale Grenzwertsatz Satz 56 (Der Zentrale Grenzwertsatz Es seien X 1,...,X n (n N unabhängige, identisch verteilte zufällige Variablen mit µ := EX i ; σ 2 := VarX i. Wir definieren für alle
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
Mehrin der Bibliothek des Bundesgerichtshofs
Herzlich willkommen in der Bibliothek des Bundesgerichtshofs Dieser virtuelle Rundgang gibt Ihnen einen raschen Überblick über Angebot und Räumlichkeiten der größten Gerichtsbibliothek Deutschlands. Stand:
MehrKlausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min
Klausur, Multivariate Verfahren, SS 2006, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 08.08.2006 Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Gesamtpunkte: 39 Aufgabe
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?
MehrSchleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015
ische Ergänzung der für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015 Ministerium für ildung und Wissenschaft des Landes Juni 2013 1 für Aufgabenpool 1 Analysis
MehrStochastik Wahrscheinlichkeit
Stochastik Wahrscheinlichkeit Dies ist ein Detail, das auf dem letzten 1 DM Schein abgebildet war. Es stellt die wichtigste Wahrscheinlichkeitsverteilung überhaut dar die Normalverteilung. Diese Verteilung
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
MehrFjällräven live erleben und testen
Ökök ü Fjää k Ökök ü 5 J Lk k - ü Fjää ß Fjää ü ä Fjää - k Fjää k Rkäk äk ß x k z äk 5 C ö z 8 k/ I k z xk k Fjää - j ä k F k Fjää! ä Ck L L L k z ä z P R ü»f«l L»«ü»«k üz» ü«ß U k k j ß k R k ö R ü L
MehrStatistik I für Wirtschaftswissenschaftler Klausur am 06.07.2007, 14.00 16.00.
1 Statistik I für Wirtschaftswissenschaftler Klausur am 06.07.2007, 14.00 16.00. Bitte unbedingt beachten: a) Gewertet werden alle 9 gestellten Aufgaben. b) Lösungswege sind anzugeben. Die Angabe des Endergebnisses
Mehr3.3. Aufgaben zur Binomialverteilung
.. Aufgaben zur Binomialverteilung Aufgabe 1: Ziehen mit Zurücklegen und Binomialverteilung Ein sechsseitiger Würfel wird zehnmal geworfen. a) Wie groß ist die Wahrscheinlichkeit, nur beim ersten Mal die
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
MehrLinearen Gleichungssysteme Anwendungsaufgaben
Linearen Gleichungssysteme Anwendungsaufgaben Lb S. 166 Nr.9 Im Jugendherbergsverzeichnis ist angegeben, dass in der Jugendherberge in Eulenburg 145 Jugendliche in 35 Zimmern übernachten können. Es gibt
Mehr5 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
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 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.
MehrSchleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015
ische Ergänzung der für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015 Ministerium für ildung und Wissenschaft des Landes Juni 2013 1 Inhaltsverzeichnis Vorbemerkungen
Mehr1.) Wie viele verschiedene Anordnungen mit drei unterschiedlichen Buchstaben lassen sich aus acht verschiedenen Buchstaben bilden?
Aufgaben zur Kombinatorik, Nr. 1 1.) Wie viele verschiedene Anordnungen mit drei unterschiedlichen Buchstaben lassen sich aus acht verschiedenen Buchstaben bilden? 2.) Jemand hat 10 verschiedene Bonbons
MehrWeitere Aufgaben Mathematik (BLF, Abitur) Hinweise und Beispiele zu hilfsmittelfreien Aufgaben
Weitere Aufgaben Mathematik (BLF, Abitur) Hinweise und Beispiele zu hilfsmittelfreien Aufgaben Aufgabe C Gegeben ist eine Funktion f durch f ( ) = + 3. Gesucht sind lineare Funktionen, deren Graphen zum
Mehr15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit
5.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit Einführendes Beispiel ( Erhöhung der Sicherheit bei Flugreisen ) Die statistische Wahrscheinlichkeit, dass während eines Fluges ein Sprengsatz an Bord
MehrInduktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010
Induktive Limiten Arpad Pinter, Tobias Wöhrer 30. Jänner 2010 1 Inhaltsverzeichnis 1 Induktiver Limes von Mengen 2 2 Induktiver Limes von Vektorräumen 4 3 Lokalkonvexe topologische Vektorräumen 7 4 Induktiver
MehrOracle 9i Real Application Clusters
Oracle 9i Real Application Clusters Seite 2-1 Agenda Einführung Verfügbarkeit / Skalierbarkeit Clusterarchitekturen Oracle Real Application Clusters Architektur Requirements Installation und Konfiguration
MehrÜbungsrunde 7, Gruppe 2 LVA 107.369, Übungsrunde 7, Gruppe 2, 28.11. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 11/2006
1 3.34 1.1 Angabe Übungsrunde 7, Gruppe 2 LVA 107.369, Übungsrunde 7, Gruppe 2, 28.11. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 11/2006 U sei auf dem Intervall (0, 1) uniform verteilt. Zeigen
MehrKurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre
Grundlagen der Betriebswirtschaftslehre, Kurs 00091, KE 4, 5 und 6, WS 2009/2010 1 Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre Lösungshinweise zur Einsendearbeit
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.
Mehrq = 1 p = 0.8 0.2 k 0.8 10 k k = 0, 1,..., 10 1 1 0.8 2 + 10 0.2 0.8 + 10 9 1 2 0.22 1 = 0.8 8 [0.64 + 1.6 + 1.8] = 0.678
Lösungsvorschläge zu Blatt 8 X binomialverteilt mit p = 0. und n = 10: a PX = = 10 q = 1 p = 0.8 0. 0.8 10 = 0, 1,..., 10 PX = PX = 0 + PX = 1 + PX = 10 10 = 0. 0 0.8 10 + 0. 1 0.8 9 + 0 1 10 = 0.8 8 [
MehrRUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG
Die Poisson-Verteilung Jianmin Lu RUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG Ausarbeitung zum Vortrag im Seminar Stochastik (Wintersemester 2008/09, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In der Wahrscheinlichkeitstheorie
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809
MehrMathematik I für Wirtschaftswissenschaftler Klausur am 08.06.2004, 15.45 17.45.
Mathematik I für Wirtschaftswissenschaftler Klausur am 8.6.4, 5.45 7.45. Bitte unbedingt beachten: a) Gewertet werden alle acht gestellten Aufgaben. b) Lösungswege und Begründungen sind anzugeben. Die
MehrWirtschaftsingenieurwesen Elektrotechnik
Staatliche Studienakademie Thüringen Berufsakademie Gera University of Cooperative Education Rahmenplan des Bachelorstudiengangs Wirtschaftsingenieurwesen Elektrotechnik Gültig ab Matrikel 2014 Stand:
MehrKapitel 3: Etwas Informationstheorie
Stefan Lucks 3: Informationstheorie 28 orlesung Kryptographie (SS06) Kapitel 3: Etwas Informationstheorie Komplexitätstheoretische Sicherheit: Der schnellste Algorithmus, K zu knacken erfordert mindestens
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
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
MehrKlausur Nr. 1. Wahrscheinlichkeitsrechnung. Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt.
Klausur Nr. 1 2014-02-06 Wahrscheinlichkeitsrechnung Pflichtteil Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt. Name: 0. Für Pflicht- und Wahlteil gilt: saubere und übersichtliche Darstellung,
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
Mehr1471 Amtliche Mitteilungen der FH Brandenburg - Nr. 33 vom 15. September 2006
1471 Amtliche Mitteilungen der FH Brandenburg - Nr. 33 vom 15. September 2006 Diplom-Prüfungsordnung für den Fernstudiengang (FPrO-BWL-FHB) im Fachbereich Wirtschaft der Fachhochschule Brandenburg Auf
MehrMotivation. Jede Messung ist mit einem sogenannten Fehler behaftet, d.h. einer Messungenauigkeit
Fehlerrechnung Inhalt: 1. Motivation 2. Was sind Messfehler, statistische und systematische 3. Verteilung statistischer Fehler 4. Fehlerfortpflanzung 5. Graphische Auswertung und lineare Regression 6.
MehrUniversität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B
Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip Sommersemester 2010 KLAUSUR Statistik B Hinweise zur Bearbeitung: Bei allen Teilaufgaben
MehrEffiziente Algorithmen und Datenstrukturen I. Kapitel 9: Minimale Spannbäume
Effiziente Algorithmen und Datenstrukturen I Kapitel 9: Minimale Spannbäume Christian Scheideler WS 008 19.0.009 Kapitel 9 1 Minimaler Spannbaum Zentrale Frage: Welche Kanten muss ich nehmen, um mit minimalen
MehrFragestellungen der Schließenden Statistik
Fragestellungen der Schließenden Statistik Bisher: Teil I: Beschreibende Statistik Zusammenfassung von an GesamtheitM N {e,,e N } erhobenem Datensatz x,,x N durch Häufigkeitsverteilung und Kennzahlen für
MehrMathematik Teil 1 (ohne Hilfsmittel) Aufgabe 1
Teil 1 (ohne Hilfsmittel) Aufgabe 1 1 Analysis 1.1 Erläutern Sie anhand einer Skizze, ob das Integral π sin(x)dx π 2 größer, kleiner oder gleich Null ist. 1.2 Für eine Funktion f gilt: 3 (1) f (x) = 0
MehrStatistik II für Betriebswirte Vorlesung 3
PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 3 5. November 2013 Beispiel: Aktiensplit (Aczel & Sounderpandan, Aufg. 14-28) Ein Börsenanalyst
MehrBestimmen der Wahrscheinlichkeiten mithilfe von Zählstrategien
R. Brinmann http://brinmann-du.de Seite 4.0.2007 Bestimmen der Wahrscheinlicheiten mithilfe von Zählstrategien Die bisherigen Aufgaben zur Wahrscheinlicheitsrechnung onnten im Wesentlichen mit übersichtlichen
MehrZusatzaufgaben zur Vorlesung Stochastik für Informatikstudenten
Zusatzaufgaben zur Vorlesung Stochastik für Informatikstudenten I.1 Erweitertes Urnenmodell mit Zurücklegen In einer Urne befinden sich ( N Kugeln, davon M 1 der Farbe F 1, M 2 der Farbe l ) F 2,..., M
MehrKlausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS 09
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS
MehrLa< rar. 14o. Kfausur: 20319 Strategische Unternehmensführung / 8O &Z/o-, Winte rsem ester 2OL1-2Ot2. Prüfer: Prof. Dr, Thomas Spengler.
d' Winte rsem ester 2OL1-2Ot2 Kfausur: 20319 Strategische Unternehmensführung / 8O &Z/o-, Prüfer: Prof. Dr, Thomas Spengler 14o La< rar. Name: Matr.-Nr.: Vorname: Fakultät: Aufgabe t 2 3 Gesamtpunkte Note
Mehrw a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2
1 2 Notation für Wörter Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg w a is die Anzahl der Vorkommen von a in w Beispiel: abba
Mehr2. Lernen von Entscheidungsbäumen
2. Lernen von Entscheidungsbäumen Entscheidungsbäume 2. Lernen von Entscheidungsbäumen Gegeben sei eine Menge von Objekten, die durch Attribut/Wert- Paare beschrieben sind. Jedes Objekt kann einer Klasse
MehrStochastik Boris Boor 2010
Stochastik Boris Boor 010 Inhaltsverzeichnis S.1 Grundbegriffe... S.1.1 Ergebnisse und Ereignisse... S.1. Relative Häufigkeit und Wahrscheinlichkeit...4 S.1.3 Wahrscheinlichkeitsverteilung...5 S.1.4 Mehrstufige
MehrEinführung für Studierende im. Bachelorstudiengang Mathematik und Anwendungsgebiete. 20. Oktober 2015 Prof. Dr. Stefan Schröer
Einführung für Studierende im Bachelorstudiengang Mathematik und Anwendungsgebiete 20. Oktober 2015 Prof. Dr. Stefan Schröer Homepage: Informieren Sie sich auf unseren Webseiten! Mathematisches Institut
MehrMathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse
Mehr1000 Dinge, an die zu denken ist, wenn Microsoft Office SharePoint Server 2007 implementiert werden soll
1000 Dinge, an die zu denken ist, wenn Microsoft Office SharePoint Server 2007 implementiert werden soll 1 0 0 0 Di n g e, a n di e z u d e n k e n ist, w e n n M i c r o s o f t O f f i c e S h a r e
Mehr11. Primfaktorzerlegungen
78 Andreas Gathmann 11 Primfaktorzerlegungen Euch ist sicher aus der Schule bekannt, dass sich jede positive ganze Zahl a als Produkt a = p 1 p n von Primzahlen schreiben lässt, und dass diese Darstellung
MehrÜbungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr.
Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr. Gert Zöller Übungsklausur Hilfsmittel: Taschenrechner, Formblatt mit Formeln. Lösungswege sind stets anzugeben. Die alleinige Angabe eines
MehrErfolg im Mathe-Abi 2014
Gruber I Neumann Erfolg im Mathe-Abi 2014 Prüfungsaufgaben Hessen Übungsbuch für den Grundkurs mit Tipps und Lösungen Vorwort Vorwort Dieses Übungsbuch ist speziell auf die Anforderungen des zentralen
MehrSchätzer (vgl. Kapitel 1): Stichprobenmittel X N. Stichprobenmedian X N
Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.1 Schätzer für Lage- und Skalenparameter und Verteilungsmodellwahl Lageparameter (l(x + a) = l(x) + a): Erwartungswert EX Median von X
MehrLehramt Informatik. Einführung für Erstsemester Infos für Lehramststudenten der Informatik. StR. Peter Brichzin brichzin at tcs.ifi.lmu.
Lehramt Informatik Einführung für Erstsemester Infos für Lehramststudenten der Informatik Gliederung Studium Grundstudium Ablauf Zulassungsvoraussetzungen für die Zwischenprüfung Hauptstudium Inhalte Software-Entwicklungs-Projekt
MehrBeispielaufgaben zum Pflichtteil im Abitur Mathematik ab 2014
Beispielaufgaben zum Pflichtteil im Abitur Mathematik ab 04 Schwerpunkt: grundlegendes Anforderungsniveau 0 Inhaltsverzeichnis Inhaltsverzeichnis Seite Vorbemerkungen... Aufgabenvariationen und Ergänzungen
MehrBestimmungen. für den. Studiengang Vermessung und Geomatik. Abschluss: Bachelor
und C Bestimmungen für den Studiengang Vermessung und Geomatik Abschluss: Bachelor vom 21. Juli 2011 Version 5 40-V/b Vorpraktikum 41-V/b Aufbau des Studiengangs 42-V/b Praktisches Studiensemester 43-V/b
MehrVariationen Permutationen Kombinationen
Variationen Permutationen Kombinationen Mit diesen Rechenregeln lässt sich die Wahrscheinlichkeit bestimmter Ereigniskombinationen von gleichwahrscheinlichen Elementarereignissen ermitteln, und erleichtert
MehrWirtschaftsingenieurwesen Technischer Vertrieb
Staatliche Studienakademie Thüringen Berufsakademie Eisenach University of Cooperative Education Rahmenplan des Bachelorstudiengangs Wirtschaftsingenieurwesen Technischer Vertrieb Gültig ab Matrikel 2014
Mehr3.2. Prüfungsaufgaben zur bedingten Wahrscheinlichkeit
3.2. Prüfungsaufgaben zur bedingten Wahrscheinlichkeit Aufgabe : Summenregel und bedingte Wahrscheinlichkeit Eine Statistik hat folgende Ergebnisse zutage gebracht: 52 % der Bevölkerung sind weiblich.
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
MehrÜbungsaufgaben Wahrscheinlichkeit
Übungsaufgaben Wahrscheinlichkeit Aufgabe 1 (mdb500405): In einer Urne befinden sich gelbe (g), rote (r), blaue (b) und weiße (w) Kugel (s. Bild). Ohne Hinsehen sollen aus der Urne in einem Zug Kugeln
MehrKlausur Formale Systeme Fakultät für Informatik WS 2009/2010
Klausur Formale Systeme Fakultät für Informatik WS 2009/2010 Prof. Dr. Bernhard Beckert 18. Februar 2010 Name: Mustermann Vorname: Peter Matrikel-Nr.: 0000000 Klausur-ID: 0000 A1 (15) A2 (10) A3 (10) A4
Mehr