Grundwissen Stochastik Leistungskurs 10. Februar 2008
|
|
- Christa Fleischer
- vor 6 Jahren
- Abrufe
Transkript
1 GYMNSIUM MIT SCHÜLERHEIM PEGNITZ math.-technolog. u. sprachl. Gymnasium WILHELM-VON-HUMBOLDT-STRSSE PEGNITZ FERNRUF 09241/48333 FX 09241/2564 Grundwissen Stochastik Leistungskurs 10. Februar Erklären Sie die stochastischen Begriffe (a) Ergebnis, (b) Ergebnisraum sowie (c) Mächtigkeit des Ergebnisraumes und geben Sie ein Zufallsexperiment, an dem Sie die Begriffe verdeutlichen können. (a) Ein Ergebnis ist der mögliche usgang eines stochastischen Experimentes. (b) lle möglichen Ergebnisse werden zu einer Menge (genannt Ergebnisraum) zusammengefasst. (c) Die nzahl der Elemente heißt Mächtigkeit des Ergebnisraumes. Beispiel: Einfacher Würfelwurf Beobachtungsgegenstand: Oberseite des Würfels = {1; 2; 3; 4; 5; 6} = 6 2. Erkläre an einem Beispiel die Begriffe (a) Ereignisraum (b) Elementarereignisse (c) sicheres Ereignis (d) unmögliches Ereignis (e) Gegenereignis = {1, 2, 3} (a) Ereignisraum: {, {1}, {2}, {3}, {1, 2}, {1, 3}, {2, 3}, {1, 2, 3} } }{{} (b) Elementarereignisse: ω 1 = {1}, ω 2 = {2}, ω 3 = {3} (c) sicheres Ereignisse: (d) unmögliches Ereignisse: (e) Gegenereignis E zu einem Ereignis E: E = {3} E := \ E = {1, 2} 3. Erkläre an einem Beispiel mit zwei Ereignissen und B die mengenalgebraischen Begriffe = {1, 2, 3, 4}, = {2, 3}, B = {2, 4}. (a) oder B. (b) Mindestens eines der Ereignisse oder B. (a) B = {2, 3, 4} (c) Weder noch B. (d) Entweder oder B. (b) B = {2, 3, 4} (c) B = B = {1} (d) ( B) ( B) = {3, 4}
2 4.(a) Was versteht man unter der relativen Häufigkeit eines Ereignisses? (b) Welche Eigenschaften besitzt die relative Häufigkeit (wenn man sie als Funktion betrachtet)? Beispiele! (c) Welche Eigenschaften besitzt das Wahrscheinlichkeitsmaß P über einem Ergebnisraum? Beispiele! (a) Tritt ein Ereignis bei n Versuchen genau k-mal ein, so heißt h n () := k die relative Häufigkeit von in n dieser Versuchsfolge. (b) 0 h n () 1, h n ( ) = 0 und h n () = 1. Die relative Häufigkeit h n() eines möglichen Ereignisses ist gleich der Summe der rel. Häufigkeiten der zugehörigen Elementarereignisse ω. h n( B) = h n() + h n(b) h n( B) Für disjunkte Ereignisse und B gilt h n( B) = h n() + h n(b) h n () = 1 h n () (c) Die gleichen wie die relative Häufigkeit. Ersetze also in der Lösung von Teilaufgabe (b) jedes h n durch P. 5. Welche Gesetzmäßigkeiten an Wahrscheinlichkeitsbäumen gibt es? Beispiele! Die Summe der Wahrscheinlichkeiten auf den Ästen, die von einem Verzweigungspunkt ausgehen, ist stets 1. Die Wahrscheinlichkeit eines Elementarereignisses ist gleich dem Produkt der Wahrscheinlichkeiten auf dem zugehörigen Pfad (1. Pfadregel). Die Wahrscheinlichkeit eines Ereignisses ist gleich der Summe der Wahrscheinlichkeiten der zugehörigen (vollständigen) Pfade (2. Pfadregel). 6.(a) Was ist eine Laplace sche Wahrscheinlichkeitsverteilung? (b) Welche Eigenschaft besitzt sie? (a) Eine Wahrscheinlichkeitsverteilung, bei der jedes Elementarereignis mit der gleichen Wahrscheinlichkeit vorkommt, heißt Laplace sche Wahrscheinlichkeitsverteilung. (b) Für jedes Elementarereignis ω gilt P (ω) = 1. Für jedes Ereignis gilt P () = nzahl der für günstigen Ereignisse =. nzahl der möglichen Ereignisse
3 7. Erkläre, was man unter dem Zählprinzip versteht. nwendungsbeipiele! Ist ein Zufallsexperiment z.b. in 5 Stufen zerlegbar und gibt es für die einzelnen Stufen 10, 8, 6, 4 und 2 mögliche usgänge, dann gibt es für das gesamte Zufallsexperiment mögliche usgänge. Beim 4-fachen Würfelwurf gibt es z.b. 6 4 mögliche usgänge, 6 verschiedene Buchstaben kann man zu 6! verschiedenen Wörtern zusammenfügen. 8.(a) Wie lauten die Bezeichnungen der vier grundlegenden uswahlverfahren? (b) Wie können sie im Urnenmodell beschrieben werden? (c) Wie können sie im Verteilungsmodell beschrieben werden? (d) Wie lautet jeweils die Formel für die nzahl der uswahlmöglichkeiten? Bezeichnung Urnenmodell Verteilungsmodell mit Wied. mit Zurückl. M-fachbel. zul. ohne Wied. ohne Zurückl. M-fachbel. verb. Variationen m.b.d.r Kugeln n. id. Kombinationen o.b.d.r Kugeln id. ( n + k 1 ) n k k n! (n k)! ( n k) 9. Nenne für jede der vier grundlegenden uswahlverfahren stochastische Beispiele, die nicht direkt in das Urnen- oder das Verteilungsmodell übertragen werden können. m. Wied. o. Wied. Variationen nzahl der möglichen Tupel beim mehrfachen Würfelwurf nzahl der Belegungen der ersten drei Plätze beim 100-m- Lauf; nzahl möglicher Tanzpaare bei n Männern und k Frauen Kombinationen nzahl der möglichen ungerechten Verteilungen von k id. Bonbons auf n Kinder nzahl der möglichen Blätter beim Schafkopf
4 10.(a) Wie berechnet man die Wahrscheinlichkeit für das Ziehen von s schwarzen Kugeln aus einer Urne mit insgesamt N Kugeln von denen S schwarz sind wenn insgesamt n Kugeln ohne Zurücklegen und ohne Beachtung der Reihenfolge gezogen werden? (b) Erkläre an einem Beispiel wozu der Multinomialkoeffizient gut ist. Gib auch ein passendens Urnen- und Verteilungsmodell an (a) ( S ( s) N S ) n s P(X = s) = ( N n) (b) us dem Wort MISSISSIPPI lassen sich ( 11 ) 1,4,4,2 = 11! nagramme bilden. 1! 4! 4! 2! Urne mit 11 Kugeln, 1M, 4S, 4I, 2P, Ziehen ohne Zurücklegen, BG: Folge der Kugeln. 1M-, 4S-, 4I-, 2P- Kugeln werden auf 11 nummerierte Fächer ohne Mehrfachbelegung verteilt, BG: Folge der Kugeln in den Fächern. 11.(a) Was versteht man unter der bedingten Wahrscheinlichkeit eines Ereignisses unter der Bedingung B? Beispiel! (b) Wann heißen zwei bzw drei Ereignisse stochastisch unabhängig? (c) Wie kann man die Unabhängigkeit am schnellsten überprüfen? (a) P B () := P ( B) P (B) falls P (B) 0. (b) Zwei Ereignisse und B in heißen (stochastisch) unabhängig, wenn P () P (B) = P ( B). Drei Ereignisse, B und C in heißen unabhängig, wenn je zwei von ihnen unabhängig sind und wenn P () P (B) P (C) = P ( B C). (c) Die Vierfelder-Tafel bzw. die 8-Felder-Tafel muss eine Multiplikationstafel sein. 12.(a) Erkläre an einem Bespiel, wie man den Erwartungswert, die Varianz (letztere auf zwei rten) und die Standdardabweichung berechnen kann. (b) Wie kann man den Erwartungswert geometrisch darstellen? (c) Welche Information über eine Zufallsgröße gibt die Varianz? (a) x W(x) 0, 1 0, 1 0 0, 8 EX = µ = 4 0, , 8 = 2 Var(X) = E(X µ) 2 = EX 2 µ 2 Var(X) = 36 0, , , 8 = 4, 8 Var(X) = 16 0, , = 4, 8 X = Var(X) 2, 19. (b) Im Histogramm ist der Erwartungswert die zur y-chse parallele Schwerlinie der Verteilung. (c) Die Varianz gibt die Streuung einer Zufallsgröße an. Je mehr Gewicht weit vom Erwartungswert entfernt ist, desto größer ist die Varianz der Zufallsverteilung.
5 13. Wie lautet die Tschebyschow-Ungleichung und welche Information erhält man durch sie über die Zufallsgröße? P ( X µ a) Var(X) a 2. Das Tyschebyschow-Risiko r T = Var(X) a 2 ist also eine obere Schranke für das wahre Risiko P ( X µ a). Wenn a ein Vielfaches von ist, also a = k gilt, erhält man P ( X µ k) 1 1 bzw. P ( X µ < k) 1 k2 k 2. Das bedeutet z.b., dass im Inneren des Intervalls [µ 2; µ + 2] mehr als 75% der gesamten Verteilung liegt, und zwar unabhängig davon, um welche Zufallsgröße es sich handelt. a a {}}{{}}{ % µ 2 µ µ + 2 x 14.(a) Was ist ein Bernoulli-Experiment? (b) Was ist eine Bernoulli-Kette? (c) Gib ein Beispiel für eine Bernoulli-Kette und benenne die auftretenden mathematischen Größen. (a) Ein Bernoulli-Experiment ist ein Zufallsexperiment, das genau zwei verschiedene usgänge besitzt (z.b. T- N, 1-0, z-w). Die Wahrscheinlichkeit für T sei p. (b) Eine Bernoulli-Kette der Länge n ist das n-malige usführen eines bestimmten Bernoulli-Experiments. (c) 7-maliges Werfen eines Laplace-Würfels. BG: Folge der Ereignisse 6 6; Treffer: 6 n = 7 p = (a) Wie berechnet man die Wahrscheinlichkeit für das uftreten von k Treffern in einer Bernoulli- Kette? (b) Wie kann man das kurz ausdrücken? (c) Wie findet man häufig auftretende Werte für B-verteilte Zufallsgrößen? (d) Wie groß sind Erwartungswert und Standardabweichung einer Binomialverteilung? (a) P(X = k) = ( n k) p k q n k, q = 1 p. (b) Man sagt, die Wahrscheinlichkeit einer Bernoulli-Kette ist binomial verteilt und schreibt P(X = k) = B(n; p; k). (c) im Tafelwerk (d) µ = np, = npq
6 16.(a) Wie lautet die Gauß sche Dichtefunktion? (b) Welche Eigenschaften besitzt sie? (a) ϕ(z) = 1 2π e z2 2 D = R. (b) Der Graph, Gauß sche Glockenkurve genannt, ist achsensymmetrisch zur y-chse, E( 0 1 ) ist das einzige Maximum, 2π }{{} 0,4 lim ϕ(z) = 0 und z ± ϕ(z) = Wie kann man für eine binomialverteilte Zufallsgröße X die Wahrscheinlichkeit P(X = k) annähern? Beispiel! Durch die lokale Näherungsformel von Moivre und Laplace: Falls > 3 so gilt P(X = k) 1 ϕ ( k µ ) Z.B. n = 10000, p = 0, 1 µ = 1000, = 30 > 3 somit P(X = 985) 1 30 ϕ( ) = ϕ(0, 5) 2, 6% (a) Wie lautet die Gauß sche Integralfunktion? (b) Welche Eigenschaften besitzt sie? (a) Φ(z) = z ϕ(t) dt D = R (b) lim z Φ(z) = 1 lim Φ(z) = 0 z Der Graph ist punktsymmetrisch zu T( 0 0, 5 ) also Φ( z) = 1 Φ(z)
7 19. Welche Näherungsformeln gibt es für binomialverteilte Zufallsgrößen? ( ) P(X k) Φ k+0,5 µ ( ) ( ) P(a X b) Φ b+0,5 µ Φ a 0,5 µ ( ) P( X µ a) 2Φ a+0, Erkläre an einem Beispiel die Begriffe lternativ-test, Entscheidungsregel, Fehlerwahrscheinlichkeit. Gegeben sind zwei Güteklassen für Glühbirnen. lternativen: : p=0,90; B: p=0,70. Eine Stichprobe der Länge 20 soll ufschluss geben, um welche Güteklasse es sich bei einer Lieferung handelt. Festlegeung der Entschei- { } { } X 17: für dungsregel: Falls Entscheidung. X 16: für B Zufallsbedingt könnte die Stichprobe aber nicht repräsentativ für eine der lternativen ausfallen. So erhält man die Fehlerwahrscheinlichkeiten P(F ) und P(F B ) dafür, dass man fälschlicherweise aufgrund der Stichprobe an die falsche lternative glaubt. : p = 0, 9 B : p = 0, 7 X 17 F B X 16 F P(F ) = P 0,9 (X 16) = {wenn B-Exp.,TW} = 13, 4% P(F B ) = P 0,7 (X 17) = {wenn B-Exp.,TW} = 10, 7% 21. Erkläre an einem Beispiel, wie man bei einem zweiseitigen Hypothesentest eine Entscheidungsregel zu einem vorgegebenen Signifikanzniveau bestimmt. Unterscheide dabei die Fälle: (1) Der nnahmebereich soll symmetrisch zu µ sein und (2) die Fehlerwahrscheinlichkeit links und rechts vom nnahmebereich soll maximal α 2 sein. Eine Firma liefert angeblich Transistoren mit einer usfallrate von 10%. Diese Nullhypthese H 0 soll auf dem Signifikanzviveau α = 5% mit einer Stichprobe der Länge 200 getestet werden. (1): X µ k (2): a X b (1): X µ > k H 0 : p = 0, 1 H 0 : p 0, 1 F II (2): X < a X > b F I (1) Z.B. mit Normalverteilung: P(F I ) = 1 P 0,1 ( X µ k) 2 2Φ( k+0,5 ) 0, 05. }{{} 18 α (2) Z.B. mit Binomialverteilung: P 0,1 (X < a) = 0, 025 und 1 P 0,1 (X b) = 0, 025 Erg: (1) = { }, (2) = { }
Bei vielen Zufallsexperimenten interessiert man sich lediglich für das Eintreten bzw. das Nichteintreten eines bestimmten Ereignisses.
XI. Binomialverteilung ================================================================== 11.1 Definitionen -----------------------------------------------------------------------------------------------------------------
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
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
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
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
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.
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
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
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
Mehr, dt. $+ f(x) = , - + < x < +, " > 0. " 2# Für die zugehörige Verteilungsfunktion F(x) ergibt sich dann: F(x) =
38 6..7.4 Normalverteilung Die Gauß-Verteilung oder Normal-Verteilung ist eine stetige Verteilung, d.h. ihre Zufallsvariablen können beliebige reelle Zahlenwerte annehmen. Wir definieren sie durch die
MehrBox-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8
. Aufgabe: Für zwei verschiedene Aktien wurde der relative Kurszuwachs (in % beobachtet. Aus den jeweils 20 Quartaldaten ergaben sich die folgenden Box-Plots. Box-and-Whisker Plot Aktie Aktie 2-0,2 0,8,8
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
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
MehrGrundlagen. 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
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
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:
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
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,
Mehr3.8 Wahrscheinlichkeitsrechnung III
3.8 Wahrscheinlichkeitsrechnung III Inhaltsverzeichnis ufallsgrössen Der Erwartungswert 3 3 Die Binomialverteilung 6 4 Die kumulierte Binomialverteilung 8 4. Die Tabelle im Fundamentum (oder Formeln und
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
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
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
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
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
MehrHamburg Mathematik Stochastik Übungsaufgabe 1 Grundlegendes Niveau
Hamburg Mathematik Stochastik Übungsaufgabe 1 Grundlegendes Niveau Thermoschalter Der Konzern Thermosicherheit stellt Thermoschalter in Massenproduktion her. Jeder Thermoschalter ist mit einer Wahrscheinlichkeit
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
MehrVeranstaltung Statistik (BWL) an der FH Frankfurt/Main im WS 2004/05 (Dr. Faik) Klausur 09.02.2005 - GRUPPE A - BEARBEITER/IN (NAME, VORNAME):
Veranstaltung Statistik (BWL) an der FH Frankfurt/Main im WS 2004/05 (Dr. Faik) Klausur 09.02.2005 - GRUPPE A - BEARBEITER/IN (NAME, VORNAME): MATRIKELNUMMER: Alte Prüfungsordnung/Neue Prüfungsordnung
MehrVariationen Permutationen Kombinationen
Variationen Permutationen Kombinationen Mit diesen Rechenregeln lässt sich die Wahrscheinlichkeit bestimmter Ereigniskombinationen von gleichwahrscheinlichen Elementarereignissen ermitteln, und erleichtert
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
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(für Grund- und Leistungskurse Mathematik) 26W55DLQHU0DUWLQ(KUHQE UJ*\PQDVLXP)RUFKKHLP
.RPELQDWRULN (für Grund- und Leistungsurse Mathemati) 6W55DLQHU0DUWLQ(KUHQE UJ*\PQDVLXP)RUFKKHLP Nach dem Studium dieses Sripts sollten folgende Begriffe beannt sein: n-menge, Kreuzprodut, n-tupel Zählprinzip
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)
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 [
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
MehrKugel-Fächer-Modell. 1fach. 3fach. Für die Einzelkugel gibt es 3 Möglichkeiten. 6fach. 3! Möglichkeiten
Kugel-Fächer-Modell n Kugeln (Rosinen) sollen auf m Fächer (Brötchen) verteilt werden, zunächst 3 Kugeln auf 3 Fächer. 1fach 3fach Für die Einzelkugel gibt es 3 Möglichkeiten } 6fach 3! Möglichkeiten Es
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
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.
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
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
Mehr5. Schließende Statistik. 5.1. Einführung
5. Schließende Statistik 5.1. Einführung Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.
MehrWahrscheinlichkeit Klasse 8 7
7 Wahrscheinlichkeit Klasse 8 Ereignisse Seite 8 a) Ω {Herz 7; Herz 8; Herz 9; Herz 0; Herz Unter; Herz Ober; Herz König; Herz Ass; Eichel 7; Eichel 8; Eichel 9; Eichel 0; Eichel Unter; Eichel Ober; Eichel
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
MehrKlausur: Einführung in die Statistik
1 Lösungen immer unter die jeweiligen Aufgaben schreiben. Bei Platzmangel auf die Rückseite schreiben (dann Nummer der bearbeiteten Aufgabe mit anmerken!!!). Lösungen, die nicht auf den Aufgabenblättern
MehrFüllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge
2.4 Stetige Zufallsvariable Beispiel. Abfüllung von 500 Gramm Packungen einer bestimmten Ware auf einer automatischen Abfüllanlage. Die Zufallsvariable X beschreibe die Füllmenge einer zufällig ausgewählten
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
MehrWahrscheinlichkeitsrechnung beim Schafkopf
Thema: Facharbeit aus dem Fach Mathematik Wahrscheinlichkeitsrechnung beim Schafkopf Inhalt. Ziel der Facharbeit / Einführung. Grundlegende Überlegungen und Berechnungen.. Kartengeben als Laplace-Experiment..
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
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
MehrStatistische Thermodynamik I Lösungen zur Serie 1
Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen
Mehr7 Wahrscheinlichkeitsverteilungen Lösungshinweise
7 Wahrscheinlichkeitsverteilungen Lösungshinweise Aufgabe 7.: Gegeben sei ein Würfel, der die Form eines Tetraeders hat und die Augenzahlen bis aufweist. a) Bestimmen Sie die Wahrscheinlichkeitsverteilung
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
MehrK2 MATHEMATIK KLAUSUR. Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max) 28 15 15 2 60 Punkte Notenpunkte
K2 MATHEMATIK KLAUSUR 26.2.24 Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max 28 5 5 2 6 Punkte Notenpunkte PT 2 3 4 5 6 7 8 9 P. (max 2 2 2 4 5 3 3 4 3 Punkte WT Ana A.a b A.c Summe P. (max 7 5
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
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
MehrAUFGABEN AUS DEM ZENTRALABITUR
-28- -29- AUFGABEN AUS DEM ZENTRALABITUR GK-Aufgabe / Zentralabitur Bayern 1984 In einer Urne befinden sich 2 blaue und 6 weiße Kugeln. Die Kugeln unterscheiden sich nur durch ihre Farbe. 1. Bei einem
MehrHamburg Mathematik Stochastik Übungsaufgabe 4 Erhöhtes Niveau
Hamburg Mathematik Stochastik Übungsaufgabe 4 Erhöhtes Niveau Lichterkettenproduktion Eine Firma stellt hochwertige Lichterketten für den Einsatz im Außenbereich her, die durch ihre spezielle Konstruktion,
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
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
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
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
MehrStochastik kompakt. - worauf es ankommt... Zürich 2007 1
Stochastik kompakt - worauf es ankommt... Zürich 2007 1 Ziel: Am Ende der Unterrichtssequenzen über Stochastik sollen die Schüler/innen Aufgaben aus folgenden Themenbereichen lösen können: 1. Umgang mit
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
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,
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
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
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
MehrDie Binomialverteilung
Fachseminar zur Stochastik Die Binomialverteilung 23.11.2015 Referenten: Carolin Labrzycki und Caroline Kemper Gliederung Einstieg Definition der Binomialverteilung Herleitung der Formel an einem Beispiel
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
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
MehrPräsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik
Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik Dozent: Volker Krätschmer Fakultät für Mathematik, Universität Duisburg-Essen, WS 2012/13 1. Präsenzübung Aufgabe T 1 Sei (Z 1,...,
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.........
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
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 - Kapitel 1
Stochastik - Kapitel 1 Aufgaben ab Seite 9 I. Ereignisräume 1. Ergebnis und Ergebnisraum; Baumdiagramm Experimente werden nach der Vorhersehbarkeit ihres Versuchsausganges unterschieden: - Experimente,
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
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
MehrKursthemen 12. Sitzung. Spezielle Verteilungen: Warteprozesse. Spezielle Verteilungen: Warteprozesse
Kursthemen 12. Sitzung Folie I - 12-1 Spezielle Verteilungen: Warteprozesse Spezielle Verteilungen: Warteprozesse A) Die Geometrische Verteilung (Folien 2 bis 7) A) Die Geometrische Verteilung (Folien
MehrGenexpression. Expression eines einzelnen Gens. Expressionsmessung. Genexpressionsmessung. Transkription (Vorgang) Genexpression
Genexpressionsmessung Genexpression Transkription (Vorgang) Genexpression (quantitativ) Wieviele m-rna Moleküle eines bestimmten Gens sind in den Zellen? Genomische Datenanalyse 8. Kapitel Wie mißt man
MehrÜBERBLICK ÜBER DAS KURS-ANGEBOT
ÜBERBLICK ÜBER DAS KURS-ANGEBOT Alle aufgeführten Kurse sind 100 % kostenfrei und können unter http://www.unterricht.de abgerufen werden. ANALYSIS / INFINITESIMALRECHNUNG Nullstellen * Nullstellen einer
MehrModellgestützte Analyse und Optimierung Übungsblatt 4
Fakultät für Informatik Lehrstuhl 4 Peter Buchholz, Jan Kriege Sommersemester 2015 Modellgestützte Analyse und Optimierung Übungsblatt 4 Ausgabe: 27.04.2015, Abgabe: 04.05.2015 (12 Uhr) Aufgabe 4.1: Verteilungsfunktionen
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
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.
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
MehrMaristengymnasium Fürstenzell zuletzt geändert am 10.03.2001 Aufgaben zur Kombinatorik (mit Lösungen)
Maristengymnasium Fürstenzell zuletzt geändert am 0.0.00 Aufgaben zur Kombinatorik (mit Lösungen) 0.. Wieviele Möglichkeiten gibt es für Kinder, sich auf einen Schlitten zu setzen, wenn ihn nur davon steuern
MehrGrundkursabitur 2011 Stochastik Aufgabe III
Grundkursabitur 011 Stochastik Aufgabe III An einem Musikwettbewerb, der aus einer Messehalle bundesweit live im Fernsehen übertragenwird, nehmen zwölf Nachwuchsbands aus ganz Deutschland teil. Genau zwei
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
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
MehrAbitur 2013 Mathematik GK Stochastik Aufgabe C1
Seite 1 Abiturloesung.de - Abituraufgaben Abitur 2013 Mathematik GK Stochastik Aufgabe C1 Wissenschaftler der israelischen Ben-Gurion-Universität sind der Frage nachgegangen, ob die Attraktivität eines
MehrKlaus-Groth-Schule - Neumünster Fachcurriculum Mathematik
Jahrgang 10 Funktionen Funktionsbegriff - Definition - vielfältige Anwendungen - Umkehrbarkeit (intuitiv, Anwendungen) ganzrationale Funktionen Modellierung - Ablesen der Werte - Ungefähre Bestimmung der
Mehr1 Verteilungen und ihre Darstellung
GKC Statistische Grundlagen für die Korpuslinguistik Kapitel 2: Univariate Deskription von Daten 8.11.2004 Univariate (= eindimensionale) Daten bestehen aus Beobachtungen eines einzelnen Merkmals. 1 Verteilungen
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
MehrAbitur 2011 Mathematik GK Stochastik Aufgabe C1
Seite 1 Abiturloesung.de - Abituraufgaben Abitur 2011 Mathematik GK Stochastik Aufgabe C1 Bei der TOTO-13er-Wette (vgl. abgebildeten Ausschnitt aus einem Spielschein) wird auf den Spielausgang von 13 Fußballspielen
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
MehrTI-84 im Mathematikunterricht Stand: 2010-03-25
TI-84 im Mathematikunterricht Stand: 2010-03-25 Graphen einer Funktionsgleichung zeichnen: Neues Betriebssystem (Stand 2010-03-09) download: Betriebssystem http://education.ti.com/downloads/files/83plus/ti84plus_os.8xu
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 II für Betriebswirte Vorlesung 2
PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 2 21. Oktober 2014 Verbundene Stichproben Liegen zwei Stichproben vor, deren Werte einander
MehrWahrscheinlichkeitsrechnung / Stochastik
Dieses und alle anderen Mathe-Dokumente unter www.paulguckelsberger.de/mathematik enthalten: 1. Mathematische Einführungen zur Grundlagen-Auffrischung und/oder 2. Ergänzende Erläuterungen und Arbeitshilfen
MehrHauptprüfung Abiturprüfung 2014 (ohne CAS) Baden-Württemberg
Baden-Württemberg: Abitur 04 Pflichtteil www.mathe-aufgaben.com Hauptprüfung Abiturprüfung 04 (ohne CAS) Baden-Württemberg Pflichtteil Hilfsmittel: keine allgemeinbildende Gymnasien Alexander Schwarz www.mathe-aufgaben.com
MehrStatistiktraining im Qualitätsmanagement
Gerhard Linß Statistiktraining im Qualitätsmanagement ISBN-0: -446-75- ISBN-: 978--446-75-4 Leserobe Weitere Informationen oder Bestellungen unter htt://www.hanser.de/978--446-75-4 sowie im Buchhandel
Mehr