Wahrscheinlichkeitsrechnung und Statistik
|
|
- Irmgard Goldschmidt
- vor 6 Jahren
- Abrufe
Transkript
1 1. und 2. Vorlesung
2 Im Alltag... Laut den meteorologischen Vorhersagen wird es morgen regnen. Ob ich riskiere und die Wette verlieren werde? Ich werde mit Sicherheit gewinnen! Ist das wirklich unmöglich? Ist dies tatsächlich möglich??? Welch ein Zufall!
3 Wahrscheinlichkeitsrechnung ist ein Teilgebiet der Mathematik, das sich mit dem Studium der zufälligen Phänomene beschäftigt. zufällig = unvorhersehbar, unbeabsichtigt aleatorius (lat.) = zufällig alea (lat.) = Spielwürfel; Würfelspiel man misst die Chancen für Erfolg oder das Risiko für Misserfolg von Ereignissen
4 Anwendungsgebiete: Glückspiele, Wetten, Loto meteorologische Vorhersagen Meinungsumfragen Versicherungsmathematik (Risikomessungen im Versicherungswesen und im Bankensystem) Kryptographie (Verschlüsselungsverfahren) Verarbeitung von Informationen, Komprimierbarkeit von Daten zufällige Algorithmen (z.b. Monte-Carlo-Methoden, Las-Vegas-Methoden Simulationen, Computerspiele
5 Zufällige Experimente (Versuche) und Ereignisse Das zufällige Experiment ist ein Experiment dessen Ergebnis nicht vorhesehbar ist. Das zufällige Ereignis ist das Ergebnis eines Experiments. Würfeln mit 2 Spielwürfeln beide Spielwürfel zeigen 1 an Wurf einer Münze die Münze zeigt Zahl an Ziehen einer Spielkarte eine 3 wurde gezogen Lottoziehung die Zahl 23 wurde erhalten
6 Grundbegriffe das unmögliche Ereignis, mit bezeichnet, taucht in der Durchführung des Experiments nie auf das sichere Ereignis ist das Ereignis das bei jeder Durchführung des Experiments auftaucht Grundraum (Ergebnismenge), mit Ω bezeichnet, ist die Menge aller möglichen Ergebnisse eines Experiments der Grundraum kann endlich oder unendlich sein wenn A eine Teilmenge von Ω ist, A Ω, dann wird A zufälliges Ereignis genannt, die Elemente von Ω heissen elementare Ereignisse Analogie zwischen Ereignissen und Mengen!
7 Experiment: Man wirft einen Spielwürfel Grundraum: Ω = {e 1, e 2, e 3, e 4, e 5, e 6 } e i : die Zahl i (i = 1,..., 6) wurde erhalten e 1, e 2, e 3, e 4, e 5, e 6 elementare Ereignisse A: eine gerade Zahl wurde erhalten A = {e 2, e 4, e 6 } Ā: eine ungerade Zahl wurde erhalten Ā = {e 1, e 3, e 5 }
8 Operationen mit Ereignissen Die Vereinigung der Ereignisse A und B A B = {e Ω : e A oder e B}. Der Durchschnitt der Ereignisse A und B: A B = {e Ω : e A und e B}. Ā ist das Komplement des Ereignisses A, d.h. A enthält alle Elementarereignisse die nicht in A sind. A, B Ω sind disjunkte Ereignisse, wenn A B = Die Differenz der zufälligen Ereignisse A und B A \ B = A B. Es gilt A Ā = Ω, A Ā =.
9 Beziehungen zwischen Ereignissen Aus dem Ereignis A folgt das Ereignis B, wenn jedes Element aus A auch Element aus B ist, d.h. A B. Wenn aus A B folgt und aus B folgt A, dann sind die beiden Ereignisse A und B gleich : A = B.
10 Eigenschaften A, B, C Ω Die Vereinigung und Durchschnitt sind kommutativ A B = B A, A B = B A assoziativ (A B) C = A (B C), (A B) C = A (B C) und distributiv (A B) C = (A C) (B C), (A B) C = (A C) (B C); erfüllen die Gesetze von De Morgan A B = Ā B, A B = Ā B. Es gilt Ā = A.
11 Relative und absolute Häufigkeit Sei A ein zufälliges Ereignis das in einem Experiment auftaucht; man wiederholt das Experiment n mal (unter denselben gegebenen Bedingungen) und bezeichnen mit k wie oft das Ereignis A auftaucht; die relative Häufigkeit des Ereignisses A ist die Zahl h n (A) = k n k ist die absolute Häufigkeit des Ereignisses A
12 Klassische Definition der Wahrscheinlichkeit Wir betrachten ein Experiment welches endlich viele, gleichwahrscheinliche Ergebnisse hat. Die Wahrscheinlichkeit, dass das Ereignis A eintretet ist P(A) = Anzahl der günstigen Fälle für das Eintreten von A Anzahl aller möglichen Fälle innerhalb des Experiments. Nach wiederholtem Durchführen des Experiments (n hinreichend gross), unter denselben Bedingungen, ist die relative Häufigkeit h n (A) des Ereignisses A ungefähr gleich mit P(A) h n (A) P(A), wenn n.
13 Experiment: Man wirft 4 Münzen. Das Experiment wird n = 100 mal wiederholt. Ereignis A: die 4 Münzen zeigen 3 mal Zahl an f n (A) =?, P(A) =? f n (A) = = 0.22 Ω = {(K, K, K, K), (K, Z, Z, Z),..., (Z, Z, Z, K), (Z, Z, Z, Z)} A = {(K, Z, Z, Z), (Z, K, Z, Z), (Z, Z, K, Z), (Z, Z, Z, K)} P(A) = = 0.25
14 Würfelspiel (XVII. Jh.): Der Provinzadelige Chevalier de Méré war ein leidenschaftlicher Spieler. Gerne verführte er am Pariser Hof seine Mitspieler zu folgendem Würfelspiel: A. Wir werfen einen Würfel viermal. Wenn eine oder mehrere Sechsen dabei sind, gewinne ich. Wenn keine Sechs dabei ist, gewinnen Sie. Tatsächlich gewann der Chevalier mit diesem Spiel regelmäßig Geld. Er dachte sich eine neue Variante aus, die ebenso lukrativ sein sollte: B. Wir werfen ein Paar von Würfeln 24 mal. Wenn dabei eine Doppel-Sechs oder mehrere sind, gewinne ich. Wenn keine Doppel-Sechs dabei ist, gewinnen Sie.
15 Man kann zeigen, dass P(A) und P(B) Obwohl die Differenz zwischen den beiden Wahrscheinlichkeiten klein ist, gewinnt der Spieler der Variante A öfter als der Spieler der Variante B.
16 Axiomatische Definition der Wahrscheinlichkeit 1933 hat der russische Mathematiker Andrei Nikolaevici Kolmogorov im Buch Grundbegriffe der Wahrscheinlichkeitsrechnung die axiomatische Definition der Wahrscheinlichkeit eingeführt. Die Wahrscheinlichkeit ist eine Funktion P : K R so dass: jedem zufälligen Ereignis A K der Wert P(A) zugeordnet wird K hat die Struktur einer σ-algebra (siehe Definition 1) P erfüllt bestimmte Axiome (siehe Definition 2)
17 σ-algebra Definition 1 Eine Familie K von Ereignissen aus der Grundmenge Ω wird σ-algebra genannt, wenn: (i) K = ; (ii) wenn A K, dann A K; (iii) wenn A n K, n N, dann A n K. n=1 Das Paar (Ω, K) nennt man messbarer Raum. Beispiele: A Ω K = {, A, Ā, Ω} ist eine σ-algebra. Die Menge aller Teilmengen aus Ω ist eine σ-algebra und wird mit P(Ω) bezeichnet. Wenn Ω endlich ist, wie viele Elemente hat P(Ω)?
18 Eigenschaften einer σ-algebra Mit Hilfe von Definition 1 und den Gesetzen von De Morgan kann man beweisen: Satz 1 Wenn K eine σ-algebra in Ω ist, so gelten folgende Eigenschaften: (1), Ω K; (2) A, B K = A B, A \ B K; (3) A n K, n N = A n K. n=1
19 σ-algebra Satz 2 Sei A eine Familie von Teilmengen aus Ω. Man definiert σ(a) := {F : A F, F ist eine σ-algebra}. (1) σ(a) ist die kleinste σ-algebra in P(Ω), die A enthält. Beweisidee: σ(a), weil F := P(Ω) eine σ-algebra ist welche A enthält σ(a) ist eine σ-algebra (anhand Def. 1) A σ(a) und σ(a) is minimal, laut (1). Definition 2 σ(a) heisst die von der Menge A erzeugte σ-algebra
20 Spezielle σ-algebren: Borel-σ-Algebren Seien Ω := [a, b] (mit a < b) A=die Menge aller abgeschlossenen Intervalle aus [a, b] B([a, b]) := σ(a) heisst Borel-σ-Algebra auf [a, b] und ist die kleinste σ-algebra, die die Menge aller abgeschlossenen Intervalle aus [a, b] enthält ( ) [a, b], B([a, b]) ist ein messbarer Raum Seien Ω := R A=die Menge aller abgeschlossenen Intervalle aus R B(R) := σ(a) heisst Borel-σ-Algebra auf R und ist die kleinste σ-algebra, die die Menge aller abgeschlossenen Intervalle aus R enthält ( ) R, B(R) ist ein messbarer Raum
21 Axiomatische Definition der Wahrscheinlichkeit Definition 3 Sei K eine σ-algebra in Ω. Eine Funktion P : K R wird Wahrscheinlichkeitsmaß genannt, wenn folgende Axiome gelten: (i) P(Ω) = 1 (ii) P(A) 0 für alle A K; (iii) jede Folge (A n ) n N von paarweise disjunkten Ereignissen (d.h. A i A j = für alle i j) aus K gilt ( P n=1 A n ) = P(A n ) n=1 Das Tripel (Ω, K, P) heisst Wahrscheinlichkeitsraum.
22 Eigenschaften des Wahrscheinlichkeitsmaßes Satz 3 Sei (Ω, K, P) ein Wahrscheinlichkeitsraum. Es gilt: (1) P(A) = 1 P(A) şi 0 P(A) 1 (2) P( ) = 0 (3) P(A \ B) = P(A) P(A B) (4) A B = P(A) P(B), d.h. P ist monoton. (5) P(A B) = P(A) + P(B) P(A B). Übung: P(A B C) =???
23 Folgen von Ereignissen aus der σ-algebra K (A n ) n ist eine wachsende Folge von Ereignissen, wenn A n K und A n A n+1 (B n ) n ist eine fallende Folge von Ereignissen, wenn B n K und B n+1 B n Beispiele: 1. Seien Ω := [0, 1], K := B([0, 1]) Borel-σ-Algebra auf [0, 1] [ 1 A n = n, ], n 4 A n =? n n=4 2. Seien Ω = [ 1, 2], K := B([ 1, 2]) Borel-σ-Algebra auf [ 1, 2] [ A n = 1 n, ], n 1 A n =? n n=2
24 Satz 4 Sei (Ω, K, P) ein Wahrscheinlichkeitsraum. Es gelten folgende Eigenschaften: (1) Wenn (A n ) n eine wachsende Folge von Ereignissen aus K ist, dann ( lim P(A n) = P A n ). n n=1 (2) Wenn (B n ) n eine fallende Folge von Ereignissen aus K ist, dann ( lim P(B n) = P B n ). n n=1
25 Beispiel 1. Ω := [0, 1] Grundraum, K := B([0, 1]) Borel-σ-Algebra auf [0, 1]; sei P das Wahrscheinlichkeitsmaß auf [0, 1], d.h. für jede α < β aus [0, 1] berechnet man P ( [α, β] ) ( ) ( ) ( ) = P [α, β) = P (α, β] = P (α, β) := β α P entspricht dem Lebesgue Maß [ 1 für A n = n, ], n 4 P(A n ) =? n ( ) P A n =? n=4
Teil II. Wahrscheinlichkeitsrechnung
Teil II Wahrscheinlichkeitsrechnung Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2014) Folie 129 5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) 5 Zufallsexperimente Ergebnisse Ereignisse
MehrDr. H. Grunert Einführung in die Wahrscheinlichkeitsrechnung Vorlesungscharts. Vorlesung 1. Grundbegriffe der Wahrscheinlichkeitsrechnung
Vorlesungscharts Vorlesung 1 Grundbegriffe der Wahrscheinlichkeitsrechnung Zufallsvorgänge und Zufallsereignisse Definitionen der Wahrscheinlichkeit Seite 1 von 11 Chart 1: Vorgänge deterministisch zufällig
MehrStochastik I. Vorlesungsmitschrift
Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................
MehrEinführung in die Wahrscheinlichkeitsrechnung
Marco Cattaneo Institut für Statistik Ludwig-Maximilians-Universität München Sommersemester 2011 1. Wahrscheinlichkeitsrechnung 2. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grenzwertsätze
MehrWahrscheinlichkeit und Zufall
Wahrscheinlichkeit und Zufall Klassische Probleme der Wahrscheinlichkeitsrechnung 23. Juni 2009 Dr. Katja Krüger Universität Paderborn Inhalt Die Wetten des Chevalier de Méréé Warten auf die erste Sechs
MehrKapitel ML:IV. IV. Statistische Lernverfahren. Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen
Kapitel ML:IV IV. Statistische Lernverfahren Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen ML:IV-1 Statistical Learning c STEIN 2005-2011 Definition 1 (Zufallsexperiment,
Mehr4. Die Laplacesche Gleichverteilung
Universität Basel Wirtschaftswissenschaftliches Zentrum Grundlagen der Stochastik Dr. Thomas Zehrt Inhalt: 1. Die Ereignismenge 2. Die Wahrscheinlichkeitsverteilung 3. Eigenschaften einer Wahrscheinlichkeitsverteilung
MehrUnabhängigkeit KAPITEL 4
KAPITEL 4 Unabhängigkeit 4.1. Unabhängigkeit von Ereignissen Wir stellen uns vor, dass zwei Personen jeweils eine Münze werfen. In vielen Fällen kann man annehmen, dass die eine Münze die andere nicht
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 8. Übung SS 16: Woche vom
Übungsaufgaben 8. Übung SS 16: Woche vom 30. 5. 3.6. 2016 Stochastik II: Klassische Wkt.-Berechnung; Unabhängigkeit Aufgaben: s. pdf auf der homepage von Dr. Vanselow http://www.math.tu-dresden.de/ vanselow/...
Mehrσ-algebren, Definition des Maßraums
σ-algebren, Definition des Maßraums Ziel der Maßtheorie ist es, Teilmengen einer Grundmenge X auf sinnvolle Weise einen Inhalt zuzuordnen. Diese Zuordnung soll so beschaffen sein, dass dabei die intuitiven
Mehr1. Grundlagen der Wahrscheinlichkeitsrechnung
1. Grundlagen der Wahrscheinlichkeitsrechnung Ereignisse und Wahrscheinlichkeiten Zufälliger Versuch: Vorgang, der (zumindest gedanklich) beliebig oft wiederholbar ist und dessen Ausgang innerhalb einer
MehrGründe für die Behandlung von stochastischen Problemen (nach KÜTTING)
Vorlesung 03.01.09 Stochastik Gründe für die Behandlung von stochastischen Problemen (nach KÜTTING) Der Mathematikunterricht der Schule hat die Aufgabe, eine Grundbildung zu vermitteln, die auf ein mathematisches
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:
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 27. Oktober 2010 Teil III Wahrscheinlichkeitstheorie 1 Zufallsereignisse Vorüberlegungen Der Ereignisraum Konstruktionen
MehrDIE SPRACHE DER WAHRSCHEINLICHKEITEN
KAPITEL 1 DIE SPRACHE DER WAHRSCHEINLICHKEITEN Es ist die Aufgabe der ersten drei Kapitel, eine vollständige Beschreibung des grundlegenden Tripels (Ω, A, P) und seiner Eigenschaften zu geben, das heutzutage
MehrWahrscheinlichkeitsrechnung und Statistik
3. Vorlesung - 21.10.2016 Bedingte Wahrscheinlichkeit In einer Urne sind 2 grüne und 3 blaue Kugeln. 2 Kugeln werden ohne Zürücklegen gezogen. Welches ist die Wahrscheinlichkeit, dass : a) man eine grüne
MehrKapitel 2 Wahrscheinlichkeitsrechnung
Motivation bisher: Beschreibung von Datensätzen = beobachteten Merkmalsausprägungen Frage: Sind Schlußfolgerungen aus diesen Beobachtungen möglich? Antwort: Ja, aber diese gelten nur mit einer bestimmten
MehrAllgemeine diskrete Wahrscheinlichkeitsräume II. Beispiel II. Beispiel I. Definition 6.3 (Diskreter Wahrscheinlichkeitsraum)
Allgemeine diskrete Wahrscheinlichkeitsräume I Allgemeine diskrete Wahrscheinlichkeitsräume II Verallgemeinerung von Laplaceschen Wahrscheinlichkeitsräumen: Diskrete Wahrscheinlichkeitsräume Ω endlich
MehrÜbungen zur Wahrscheinlichkeitstheorie und Statistik
Übungen zur Wahrscheinlichkeitstheorie und Statistik Prof. Dr. C. Löh/M. Blank Blatt 0 vom 16. April 2012 Aufgabe 1 (Wahrscheinlichkeitsräume). Welche der folgenden Aussagen sind wahr? Begründen Sie jeweils
Mehr15 Wahrscheinlichkeitsrechnung und Statistik
5 Wahrscheinlichkeitsrechnung und Statistik Alles, was lediglich wahrscheinlich ist, ist wahrscheinlich falsch. ( Descartes ) Trau keiner Statistik, die du nicht selbst gefälscht hast. ( Churchill zugeschrieben
MehrWahrscheinlichkeitsrechnung
Wahrscheinlichkeitsrechnung. Semester Begleitendes Skriptum zur Vorlesung im FH-Masterstudiengang Technisches Management von Günther Karigl FH Campus Wien 206/7 Inhaltsverzeichnis. Semester: Wahrscheinlichkeitsrechnung
Mehr1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6
Inhaltsverzeichnis 1 Vorbemerkungen 1 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2 3 Wahrscheinlichkeitsaxiome 4 4 Laplace-Experimente 6 5 Hilfsmittel aus der Kombinatorik 7 1 Vorbemerkungen
Mehr2.2 Ereignisse und deren Wahrscheinlichkeit
2.2 Ereignisse und deren Wahrscheinlichkeit Literatur: [Papula Bd., Kap. II.2 und II.], [Benning, Kap. ], [Bronstein et al., Kap. 1.2.1] Def 1 [Benning] Ein Zufallsexperiment ist ein beliebig oft wiederholbarer,
MehrZiegenproblem, Monty-Hall-Problem, Wahrscheinlichkeitsrechnung. Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem
Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem Wahrscheinlichkeitsrechnung Theorie Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem Ziegenproblem,
Mehr3 Bedingte Wahrscheinlichkeit, Unabhängigkeit von Ereignissen
3 Bedingte Wahrscheinlichkeit, Unabhängigkeit von Ereignissen 3.1 Einführung Bsp. 19 (3-maliges Werfen einer Münze) Menge der Elementarereignisse: Ω {zzz,zzw,zwz,wzz,zww,wzw,wwz,www}. Ω 2 3 8 N Wir definieren
MehrGrundbegriffe der Wahrscheinlichkeitstheorie
KAPITEL 1 Grundbegriffe der Wahrscheinlichkeitstheorie 1. Zufallsexperimente, Ausgänge, Grundmenge In der Stochastik betrachten wir Zufallsexperimente. Die Ausgänge eines Zufallsexperiments fassen wir
MehrGrundbegriffe der Wahrscheinlichkeitstheorie. Karin Haenelt
Grundbegriffe der Wahrscheinlichkeitstheorie Karin Haenelt 1 Inhalt Wahrscheinlichkeitsraum Bedingte Wahrscheinlichkeit Abhängige und unabhängige Ereignisse Stochastischer Prozess Markow-Kette 2 Wahrscheinlichkeitsraum
MehrZufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen
Zufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen Wichtige Tatsachen und Formeln zur Vorlesung Mathematische Grundlagen für das Physikstudium 3 Franz Embacher http://homepage.univie.ac.at/franz.embacher/
MehrRumpfskript. Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen
Rumpfskript Elementare Wahrscheinlichkeitsrechnung Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen Vorbemerkung Vorbemerkung Das vorliegende Skript heißt nicht nur Rumpf skript, sondern
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
MehrGrundbegriffe der Wahrscheinlichkeitsrechnung
Algorithmen und Datenstrukturen 349 A Grundbegriffe der Wahrscheinlichkeitsrechnung Für Entwurf und Analyse randomisierter Algorithmen sind Hilfsmittel aus der Wahrscheinlichkeitsrechnung erforderlich.
MehrKapitel 2. Zufällige Versuche und zufällige Ereignisse. 2.1 Zufällige Versuche
Kapitel 2 Zufällige Versuche und zufällige Ereignisse In diesem Kapitel führen wir zunächst anschaulich die grundlegenden Begriffe des zufälligen Versuchs und des zufälligen Ereignisses ein und stellen
MehrEin Ereignis ist eine Menge von Elementarereignissen. Berechnung von Wahrscheinlichkeiten zufälliger Ereignisse erfordert ein Modell.
SS 2013 Prof. Dr. J. Schütze/ J.Puhl FB GW Wkt.1 1 Grundbegriffe Zufallsexperiment unter gleichen Bedingungen wiederholbarer Vorgang (geplant, gesteuert, beobachtet oder auch nur gedanklich) Menge der
MehrDieser Begriff wurde von Jacob Bernoulli Ars conjectandi geprägt (1773), in dem das erste Gesetz der großen Zahlen bewiesen wurde.
10.1 Über den Begriff Stochastik Die Wahrscheinlichkeitsrechnung ist eine Teildisziplin von Stochastik. Dabei kommt das Wort Stochastik aus dem Griechischen : die Kunst des Vermutens (von Vermutung, Ahnung,
MehrInformatik II Grundbegriffe der Wahrscheinlichkeitsrechnung
lausthal Informatik II rundbegriffe der Wahrscheinlichkeitsrechnung. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Begriffe Definition: Unter einem Zufallsexperiment versteht man einen,
MehrWahrscheinlichkeitsrechnung
Teil V Wahrscheinlichkeitsrechnung Inhaltsangabe 6 Einführung in die Wahrscheinlichkeitsrechnung 125 6.1 Kombinatorik......................... 125 6.2 Grundbegri e......................... 129 6.3 Wahrscheinlichkeiten.....................
MehrKapitel 6. Kapitel 6 Mehrstufige Zufallsexperimente
Mehrstufige Zufallsexperimente Inhalt 6.1 6.1 Mehrstufige Experimente 6.2 6.2 Bedingte Wahrscheinlichkeiten Seite 2 6.1 Mehrstufige Experimente Grundvorstellung: Viele Viele Experimente werden der der
MehrWahrscheinlichkeitsrechnung und Quantentheorie
Physikalische Chemie II: Atombau und chemische Bindung Winter 2013/14 Wahrscheinlichkeitsrechnung und Quantentheorie Messergebnisse können in der Quantenmechanik ganz prinzipiell nur noch mit einer bestimmten
Mehr3. Kombinatorik und Wahrscheinlichkeit
3. Kombinatorik und Wahrscheinlichkeit Es geht hier um die Bestimmung der Kardinalität endlicher Mengen. Erinnerung: Seien A, B, A 1,..., A n endliche Mengen. Dann gilt A = B ϕ: A B bijektiv Summenregel:
MehrMathematische Grundlagen der Computerlinguistik Wahrscheinlichkeit
Mathematische Grundlagen der Computerlinguistik Wahrscheinlichkeit Dozentin: Wiebke Petersen 8. Foliensatz Wiebke Petersen math. Grundlagen 1 Motivation Bsp.: In vielen Bereichen der CL kommt Wahrscheinlichkeitstheorie
MehrEs werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.
R. Brinkmann http://brinkmann-du.de Seite 08..2009 Von der relativen Häufigkeit zur Wahrscheinlichkeit Es werden 20 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 20 Schülern
MehrErwartungswert, Varianz und Standardabweichung einer Zufallsgröße. Was ist eine Zufallsgröße und was genau deren Verteilung?
Erwartungswert, Varianz und Standardabweichung einer Zufallsgröße Von Florian Modler In diesem Artikel möchte ich einen kleinen weiteren Exkurs zu meiner Serie Vier Wahrscheinlichkeitsverteilungen geben
MehrMathematik IV (Stochastik) für Informatiker
Bausteine zur Vorlesung von Prof. Dr. Bernd Hofmann Mathematik IV (Stochastik) für Informatiker Fakultät für Mathematik der Technischen Universität Chemnitz Sommersemester 2016 Dieser Text soll die Nacharbeit
MehrDie Schreibweise x M bedeutet, dass das Objekt x in der Menge M liegt. Ist dies nicht der Fall, dann schreibt man
Die Schreibweise x M bedeutet, dass das Objekt x in der Menge M liegt. Ist dies nicht der Fall, dann schreibt man x / M. Man sagt, M ist Teilmenge von N und schreibt M N, wenn für jedes x M auch x N gilt.
MehrKONSTRUKTION VON MASSEN
KONSTRUKTION VON MASSEN MARCUS HEITEL 1. Einleitung Wir wollen im Folgenden das Lebesguemaß konstruieren. Dieses soll die Eigenschaft λ ( [a, b = b a für a, b R besitzen. Nun ist ein Maß aber auf einer
MehrSatz 16 (Multiplikationssatz)
Häufig verwendet man die Definition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A B] = Pr[B A] Pr[A] = Pr[A B] Pr[B]. (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1,..., A n gegeben.
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrSatz 18 (Satz von der totalen Wahrscheinlichkeit)
Ausgehend von der Darstellung der bedingten Wahrscheinlichkeit in Gleichung 1 zeigen wir: Satz 18 (Satz von der totalen Wahrscheinlichkeit) Die Ereignisse A 1,..., A n seien paarweise disjunkt und es gelte
MehrSTATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik. Mögliche Ergebnisse, auch Elementarereignisse bezeichnet
Kapitel 10 Zufall und Wahrscheinlichkeit 10.1. Grundbegriffe Wahrscheinlichkeitsrechnung Zufallsvorgang Klein-Omega ω Groß-Omega Ω Stellt Modelle bereit, die es erlauben zufallsabhängige Prozesse abzuschätzen
Mehr4 Diskrete Wahrscheinlichkeitsverteilungen
4 Diskrete Wahrscheinlichkeitsverteilungen 4.1 Wahrscheinlichkeitsräume, Ereignisse und Unabhängigkeit Definition: Ein diskreter Wahrscheinlichkeitsraum ist ein Paar (Ω, Pr), wobei Ω eine endliche oder
MehrIm gesamten Kapitel sei Ω eine nichtleere Menge. Wir bezeichnen die Potenzmenge
1 Mengensysteme Ein Mengensystem ist eine Familie von Teilmengen einer Grundmenge und damit eine Teilmenge der Potenzmenge der Grundmenge. In diesem Kapitel untersuchen wir Mengensysteme, die unter bestimmten
MehrDiskrete Strukturen WiSe 2012/13 in Trier
Diskrete Strukturen WiSe 2012/13 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 11. Januar 2013 1 Diskrete Strukturen Gesamtübersicht Organisatorisches und Einführung Mengenlehre Relationen
MehrDiskrete Verteilungen
KAPITEL 6 Disrete Verteilungen Nun werden wir verschiedene Beispiele von disreten Zufallsvariablen betrachten. 1. Gleichverteilung Definition 6.1. Eine Zufallsvariable X : Ω R heißt gleichverteilt (oder
MehrMaße auf Produkträumen
Maße auf Produkträumen Es seien (, Ω 1 ) und (X 2, Ω 2 ) zwei Meßräume. Wir wollen uns zuerst überlegen, wie wir ausgehend davon eine geeignete σ-algebra auf X 2 definieren können. Wir betrachten die Menge
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 9. Übung SS 16: Woche vom
Übungsaufgaben 9. Übung SS 16: Woche vom 5. 6. 10. 6. 2016 Stochastik III: Totale Wkt., S.v.Bayes, Diskrete ZG Aufgaben: s. pdf auf der homepage von Dr. Vanselow http://www.math.tu-dresden.de/ vanselow/...
MehrWahrscheinlichkeitsrechnung Teil 1
Wahrscheinlichkeitsrechnung Teil Einführung in die Grundbegriffe Sekundarstufe Datei Nr 30 Stand September 2009 Friedrich W Buckel INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK wwwmathe-cdde Inhalt Zufallsexperimente,
MehrWirtschaftsstatistik I [E1]
040571-1 WMS: Wirtschaftsstatistik 1 :: WiSe07/08 Wirtschaftsstatistik I [E1] Schwab, Harald 1 harald.schwab@univie.ac.at http://homepage.univie.ac.at/harald.schwab October 7, 2007 1 Sprechstunde: MO 17-18h
Mehr1 Elemente der Wahrscheinlichkeitstheorie
H.-J. Starkloff Unendlichdimensionale Stochastik Kap. 01 11. Oktober 2010 1 1 Elemente der Wahrscheinlichkeitstheorie 1.1 Messbare Räume Gegeben seien eine nichtleere Menge Ω und eine Menge A von Teilmengen
MehrLaplace und Gleichverteilung
Laplace und Gleichverteilung Aufgaben Aufgabe 1 An einem Computer, dessen Tastatur die 26 Tasten für die kleinen Buchstaben (a,b,c... z) hat, sitzt ein Nutzer (User) und tippt zufällige auf den Tasten
MehrWahrscheinlichkeitstheorie
Kapitel 2 Wahrscheinlichkeitstheorie Josef Leydold c 2006 Mathematische Methoden II Wahrscheinlichkeitstheorie 1 / 24 Lernziele Experimente, Ereignisse und Ereignisraum Wahrscheinlichkeit Rechnen mit Wahrscheinlichkeiten
MehrEinführung in die Wahrscheinlichkeitsrechnung
Einführung in die Wahrscheinlichkeitsrechnung Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung
MehrWählt man aus n Mengen mit z 1 bzw. z 2,..., bzw. z n Elementen nacheinander aus jeder Menge jeweils ein Element aus,
V. Stochastik ================================================================== 5.1 Zählprinzip Wählt man aus n Mengen mit z 1 bzw. z 2,..., bzw. z n Elementen nacheinander aus jeder Menge jeweils ein
Mehr2. Rechnen mit Wahrscheinlichkeiten
2. Rechnen mit Wahrscheinlichkeiten 2.1 Axiome der Wahrscheinlichkeitsrechnung Die Wahrscheinlichkeitsrechnung ist ein Teilgebiet der Mathematik. Es ist üblich, an den Anfang einer mathematischen Theorie
MehrKapitel VI. Wahrscheinlichkeitsbegriff. Wahrscheinlichkeitsbegriff. LF: VI Bayesian Learning c STEIN
Kapitel VI VI. Bayes sches Lernen Maximum-a-Posteriori-Hypothesen 1 Definition 18 (Zufallsexperiment, Zufallsbeobachtung) Ein Zufallsexperiment ist ein im Prinzip beliebig oft wiederholbarer Vorgang mit
Mehr5. Übungsblatt zur Einführung in die Stochastik
Fachbereich Mathematik Prof. Dr. Michael Kohler Dipl.-Math. Andreas Fromkorth Dipl.-Inf. Jens Mehnert SS 09 25.5.2009 5. Übungsblatt zur Einführung in die Stochastik Aufgabe 18 Drei Spieler bekommen jeweils
Mehr1. Experimente, zufällige Ereignisse
KAPITEL I: EINFÜHRUNG 1. Experimente, zufällige Ereignisse Die Wahrscheinlichkeitstheorie gründet sich auf die Existenz des Zufalls. Die Frage nach dem Charakter des Zufalls beschäftigt seit langer Zeit
MehrLernzusammenfassung für die Klausur. Inhaltsverzeichnis. Stochastik im SS 2001 bei Professor Sturm
Stochastik im SS 2001 bei Professor Sturm Lernzusammenfassung für die Klausur Hallo! In diesem Text habe ich die wichtigsten Dinge der Stochastikvorlesung zusammengefaÿt, jedenfalls soweit, wie ich bis
MehrStochastik. 1. Wahrscheinlichkeitsräume
Stochastik 1. Wahrscheinlichkeitsräume Ein Zufallsexperiment ist ein beliebig oft und gleichartig wiederholbarer Vorgang mit mindestens zwei verschiedenen Ergebnissen, bei dem der Ausgang ungewiß ist.
MehrDas Ziegenproblem. Nils Schwinning und Christian Schöler Juni 2010
Das Ziegenproblem Nils Schwinning und Christian Schöler http://www.esaga.uni-due.de/ Juni 2010 Die Formulierung Obwohl das sogenannte Ziegenproblem in der Mathematik allgegenwärtig erscheint, wurde es
Mehr9. Elementare Wahrscheinlichkeitsrechnung
9. Elementare Wahrscheinlichkeitsrechnung Beispiel (Einmaliges Würfeln): verbal mengentheoretisch I. Zufällige Ereignisse Beispiel (Einmaliges Würfeln): Alle möglichen Ausgänge 1,,, 6 des Experiments werden
MehrWahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26)
Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26 Ein Wahrscheinlichkeitsraum (Ω, P ist eine Menge Ω (Menge aller möglichen Ausgänge eines Zufallsexperiments: Ergebnismenge versehen mit einer Abbildung
MehrEinführung in die Informatik 2
Einführung in die Informatik 2 Mathematische Grundbegriffe Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr,
MehrLehrstuhl IV Stochastik & Analysis. Stochastik II. Wahrscheinlichkeitstheorie I. Skriptum nach einer Vorlesung von Hans-Peter Scheffler
Fachschaft Mathematik Uni Dortmund Lehrstuhl IV Stochastik & Analysis Stochastik II Wahrscheinlichkeitstheorie I Skriptum nach einer Vorlesung von Hans-Peter Scheffler Letzte Änderung: 26. November 2002
MehrWahrscheinlichkeitsrechnung
Abiturvorbereitung Wahrscheinlichkeitsrechnung S. 1 von 9 Wahrscheinlichkeitsrechnung Kombinatorik Formeln für Wahrscheinlichkeiten Bedingte Wahrscheinlichkeiten Zusammenfassung wichtiger Begriffe Übungsaufgaben
MehrStatistik I für Betriebswirte Vorlesung 1
Statistik I für Betriebswirte Vorlesung 1 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 4. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrTechnische Universität München
Stand der Vorlesung Kapitel 2: Auffrischung einiger mathematischer Grundlagen Mengen, Potenzmenge, Kreuzprodukt (Paare, Tripel, n-tupel) Relation: Teilmenge MxN Eigenschaften: reflexiv, symmetrisch, transitiv,
MehrBEDINGTE WAHRSCHEINLICHKEITEN. UNABHÄNGIGKEIT. In diesem Kapitel geht es zunächst um das Studium der bedingten Wahrscheinlichkeitsverteilungen,
KAPITEL 6 BEDINGTE WAHRSCHEINLICHKEITEN. UNABHÄNGIGKEIT In diesem Kapitel geht es zunächst um das Studium der bedingten Wahrscheinlichkeitsverteilungen, relativ zu einem Ereignis A. Diese elementare Situation
MehrDieses Quiz soll Ihnen helfen, Kapitel besser zu verstehen.
Dieses Quiz soll Ihnen helfen, Kapitel 2.5-2. besser zu verstehen. Frage Wir betrachten ein Würfelspiel. Man wirft einen fairen, sechsseitigen Würfel. Wenn eine oder eine 2 oben liegt, muss man 2 SFr zahlen.
MehrStatistik Einführung // Wahrscheinlichkeitstheorie 3 p.2/58
Statistik Einführung Wahrscheinlichkeitstheorie Kapitel 3 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Leydold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Wahrscheinlichkeitstheorie
MehrReelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 11. Oktober 2013
Reelle Analysis Vorlesungsskript Enno Lenzmann, Universität Basel 11. Oktober 2013 3 Fortsetzung von Prämassen zu Massen Der Begriff des Prämasses ist nicht ausreichend, um eine geschmeidige Integrationstheorie
Mehr1 Wahrscheinlichkeitsrechnung und Zufallsvariablen
1 Wahrscheinlichkeitsrechnung und Zufallsvariablen Zoltán Zomotor Versionsstand: 18. Mai 2015, 09:29 Die nummerierten Felder bitte während der Vorlesung ausfüllen. This work is licensed under the Creative
MehrAngewandte Stochastik I
Angewandte Stochastik I Vorlesungsskript Sommersemester 24 von Markus Kunze ii Inhaltsverzeichnis Wahrscheinlichkeiten. Beschreibung von Zufallsexperimenten.......................2 Wahrscheinlichkeitsräume.............................
Mehr1 Stochastische Konvergenz 2. 2 Das Gesetz der grossen Zahlen 4. 3 Der Satz von Bernoulli 6
Wirtschaftswissenschaftliches Zentrum 0 Universität Basel Mathematik Dr. Thomas Zehrt Grenzwertsätze Benötigtes Vorwissen: Der Stoff der Vorlesung,,Statistik wird als bekannt vorausgesetzt, insbesondere
MehrGrundlagen der Mengenlehre
mathe plus Grundlagen der Mengenlehre Seite 1 1 Grundbegriffe Grundlagen der Mengenlehre Def 1 Mengenbegriff nach Georg Cantor (1845-1918) Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener
MehrKurs 2 Stochastik EBBR Vollzeit (1 von 2)
Erwachsenenschule Bremen Abteilung I: Sekundarstufe Doventorscontrescarpe 172 A 281 Bremen Kurs 2 Stochastik EBBR Vollzeit (1 von 2) Name: Ich 1. 2. 3. 4.. 6. 7. So schätze ich meinen Lernzuwachs ein.
MehrÜberblick. Linguistische Anwendungen: æ Spracherkennung æ Textretrival æ probabilistische Grammatiken: z.b. Disambiguierung. Problem: woher Daten?
1 Überblick æ Beschreibende Statistik: Auswertung von Experimenten und Stichproben æ Wahrscheinlichkeitsrechnung: Schlüsse aus gegebenen Wahrscheinlichkeiten, Hilfsmittel: Kombinatorik æ Beurteilende Statistik:
MehrWahrscheinlichkeiten
Wahrscheinlichkeiten Bestimmung der Wahrscheinlichkeit Bei einem Zufallsexperiment kann man nicht voraussagen, welches Ereignis eintritt, aber manche Ereignisse treten naturgemäß mit einer größeren Wahrscheinlichkeit
MehrWahrscheinlichkeitsrechnung Einführung
Wahrscheinlichkeitsrechnung Einführung 1. In einer Urne befinden sich 3 schwarze und 1 weiße Kugel. Wir entnehmen der Urne eine Kugel, notieren die Farbe und legen die Kugel in die Urne zurück. Dieses
Mehr1 Algebraische Strukturen
Prof. Dr. Rolf Socher, FB Technik 1 1 Algebraische Strukturen In der Mathematik beschäftigt man sich oft mit Mengen, auf denen bestimmte Operationen definiert sind. Es kommt oft vor, dass diese Operationen
MehrKapitel 9 WAHRSCHEINLICHKEITS-RÄUME
Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Fassung vom 12. Januar 2001 121 WAHRSCHEINLICHKEITS-RÄUME Stichproben-Raum. 9.1 9.1 Stichproben-Raum. Die bisher behandelten Beispiele von Naturvorgängen oder Experimenten
MehrBeurteilende Statistik
Beurteilende Statistik Wahrscheinlichkeitsrechnung und Beurteilende Statistik was ist der Unterschied zwischen den beiden Bereichen? In der Wahrscheinlichkeitstheorie werden aus gegebenen Wahrscheinlichkeiten
Mehr1. Einleitung und Grundlagen der Wahrscheinlichkeit
1. Einleitung und Grundlagen der Wahrscheinlichkeit 1.1 Einleitung Deskriptive Statistik: llgemeine und spezielle Methoden zur Datenauswertung, die unabhängig von der Erhebungsart angewendet werden können
MehrBeschreibende Statistik
Beschreibende Aufgaben der beschreibenden : Erhebung von Daten Auswertung von Daten Darstellung von Daten Erhebung von Daten Bei der Erhebung von Daten geht es um die Erfassung von Merkmalen (Variablen)
MehrEinführung in die Statistik
Einführung in die Statistik Jung Kyu Canci Universität Basel HS2015 1 / 42 1.1 Motivation zur Wahrscheinlichkeitstheorie und Statistik 1.1.1 Was fällt ein bei den Begrien "Wahrscheinlichkeit" und/oder
MehrDie Wahrscheinlichkeitstheorie nach Laplace
THM Campus Friedberg 02.12.2012 Fachbereich: M, Maschinenbau Fach: Mathematik 3 Dozent: Dipl. Log. me. Stefan Kästner (FH) WS 2012/2013 Die Wahrscheinlichkeitstheorie nach Laplace Vorgelegt von: Gruppe
MehrSTOCHASTIK. II. Wahrscheinlichkeitstheorie und mathematische Statistik. Prof. Dr. Barbara Grabowski
STOCHASTIK II. Wahrscheinlichkeitstheorie und mathematische Statistik Prof. Dr. Barbara Grabowski Hochschule für Technik und Wirtschaft des Saarlandes /202 Inhaltsverzeichnis - I - Einleitung Diese Kurseinheit
Mehr(2) Allgemeines zur Wahrscheinlichkeitsrechnung, die wichtigsten Beispiele
() Allgemeines zur Wahrscheinlichkeitsrechnung, die wichtigsten Beispiele (.0) Einleitung In der Vorlesung geht es ab jetzt um Stochastik, die Kunst des "guten" Vermutens, das Gebiet der Mathematik, in
Mehr11 Unabhängige Ereignisse
11 Unabhängige Ereignisse In engem Zusammenhang mit dem Begriff der bedingten Wahrscheinlichkeit steht der Begriff der Unabhängigkeit von Ereignissen. Wir klären zuerst, was man unter unabhängigen Ereignissen
MehrBasiswissen Daten und Zufall Seite 1 von 8 1 Zufallsexperiment Ein Zufallsexperiment ist ein Versuchsaufbau mit zufälligem Ausgang, d. h. das Ergebnis kann nicht vorhergesagt werden. 2 Ergebnis (auch Ausgang)
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 10. November 2010 1 Bedingte Wahrscheinlichkeit Satz von der totalen Wahrscheinlichkeit Bayessche Formel 2 Grundprinzipien
Mehr