Casio fx-cg20 Binomialverteilung, Intervallwahrscheinlichkeit, Normalverteilung und Grenzen
|
|
- Jakob Melsbach
- vor 6 Jahren
- Abrufe
Transkript
1 R. Brinkmann Seite.0.04 Casio fx-cg0 Binomialverteilung, Intervallwahrscheinlichkeit, Normalverteilung und Grenzen Intervallwahrscheinlichkeit Ein n-stufiger Bernoulli-Versuch mit der Erfolgswahrscheinlichkeit p, wird durch eine Binomialverteilung dargestellt. Der Erwartungswert, ist die Anzahl der Erfolge mit der größten Wahrscheinlichkeit. Wird beispielsweise ein Würfel n = 600 mal geworfen, so erwartet man k = 00 mal die Zahl 6. Die Zahl 6 kann bei 600 Versuchen auch k = 0 mal oder k = 600 mal auftreten. Die Wahrscheinlichkeiten dafür sind verschwindend gering. Ein Würfel wird n = 600 mal geworfen, die Zahl 6 zählt als Erfolg mit der Erfolgswahrscheinlichkeit p = /6. Wie groß ist die Wahrscheinlichkeit dafür, dass bei den 600 Würfen genau k = 00 mal die 6 geworfen wird? P X = 00 { STAT}{ DIST}{ BINOMIAL}{ Bpd} 00, 600, a 6 ) BinomialPD(00,600,/6) Würfen genau 00 mal die Zahl 6 geworfen wird, beträgt etwa 0, Allgemein gilt für [ 0 ====== ][ k ][ ====== n ] : P( X = k) BinomialPD( k,n,p) Erfolgswahrscheinlichkeit darstellt. Wie groß ist die Wahrscheinlichkeit dafür, dass bei den 600 Würfen höchstens k = 00 mal die 6 geworfen wird? P X 00 { STAT}{ DIST}{ BINOMIAL}{ Bcd} 00, 600, a 6 ) BinomialCD(00,600,/6) Würfen höchstens 00 mal die Zahl 6 geworfen wird, beträgt etwa 0,56... Allgemein gilt für [ 0 ====== k ][ ====== n ] : P( X k) BinomialCD( k,n,p) Erfolgswahrscheinlichkeit darstellt. Hierbei handelt es sich um die kumulierte Wahrscheinlichkeit. Erstellt von R. Brinkmann fx_cg0_stoch_ :6 Seite: von 7
2 R. Brinkmann Seite.0.04 Wie groß ist die Wahrscheinlichkeit dafür, dass bei den 600 Würfen mindestens k = 00 mal die 6 geworfen wird? P X 00 { STAT}{ DIST}{ BINOMIAL} { Bcd} 99, 600, a 6 ) - BinomialCD(99,600,/6) Würfen mindestens 00 mal die Zahl 6 geworfen wird, beträgt etwa 0,56... Allgemein gilt für [ 0 ====== ][ k ====== n ] : P( X k) = P( X k ) BinomialCD( k,n,p) Erfolgswahrscheinlichkeit darstellt. Wie groß ist die Wahrscheinlichkeit dafür, dass bei den 600 Würfen die Anzahl der 6-er zwischen 90 und 0 (einschließlich) liegen? P90 X 0 { STAT}{ DIST}{ BINOMIAL} { } { } Bcd 0, 600, a 6 ) Bcd 89, 600, a 6 ) BinomialCD(0,600,/6) - BinomialCD(89,600,/6) Würfen die Anzahl der 6-er, zwischen 90 und 0 liegen, beträgt etwa 0, Allgemein gilt für [ 0 === ][ k === k ][ === n ] : Pk X k = PX k PX k ( ) ( ) BinomialCD( k,n,p) BinomialCD( k,n,p ) Erfolgswahrscheinlichkeit darstellt. Intervallgrenzen werden berechnet Statt der Wahrscheinlichkeit für die Anzahl der Erfolge eines Bernoulliversuchs in einem bestimmten Intervall, kann man bei Vorgabe einer Intervallwahrscheinlichkeit die Intervallgrenzen k bestimmen. Das wird bei Hypothesentests zur Bestimmung von Annahme- bzw. Ablehnungsbereich benötigt. Erstellt von R. Brinkmann fx_cg0_stoch_ :6 Seite: von 7
3 R. Brinkmann Seite n= 600 Würfen eines Würfels höchstens k Erfolge auftreten soll höchstens 5% betragen. Das bedeutet, für welches k ist die Forderung erfüllt. P X k 0,05 k =? P X k 0, , 600, a 6 ) InvBinomialCD(0.05,600,/6) - 84 P( X 84) 0,05 0, Der linke untere 5%-Bereich gilt für [ 0... k ] oder die Wahrscheinlichkeit dafür, das höchstens k = 84 Erfolge auftreten ist kleiner als 5%. Allgemein gilt: (Linksseitiger Hypothesentest) P X k k = InvBinomialCD,n,p = { + } = { } A k... n A 0... k [ 0 === === k ][ k + === n ] Das Ergebnis kann mit P( X k) BinomialCD( k,n,p) überprüft werden. Diese Rechnung ist für den linksseitigen Hypothesentest nötig. n= 600 Würfen eines Würfels mindestens k Erfolge auftreten soll höchstens 5% betragen. Das bedeutet, für welches k ist die Forderung erfüllt. P( X k) 0,05 k =? Diese Bedingung ermöglicht es die Anzahl der Erfolge zu finden, die sich in dem rechten oberen 5%-Bereich befinden. P X k 0, , 600, a 6 ) + InvBinomialCD(0.95,600,/6) + 6 P( X 6) = P( X 5) 0, < 0,05 Allgemein gilt: (Rechtsseitiger Hypothesentest) Erstellt von R. Brinkmann fx_cg0_stoch_ :6 Seite: 3 von 7
4 R. Brinkmann Seite ( ) k = ( ) P X k InvBinomialCD,n,p + { } {... n} A = 0...k A = k [ 0 === k - ][ k === === n ] Das Ergebnis kann mit P( X k) = P( X k ) BinomialCD( k,n,p) überprüft werden. Diese Rechnung ist für den rechtsseitigen Hypothesentest nötig. Bei n= 600 Würfen eines Würfels soll die Anzahl der Erfolge in einer symmetrischen 95%-Umgebung vom Erwartungswert liegen. Zu bestimmen sind die Intervallgrenzen k und k. Das bedeutet, für welche Werte von k und k ist folgende Forderung erfüllt. Pk X k 0,05 k;k =? { }{ }{ } x% 95% y% mit x% + y% 5% P X k 0, , 600, a 6 ) P X k 0, , 600, a 6 ) + InvBinomialCD(0.05,600,/6) - 8 = k P( X 8) 0, InvBinomialCD(0.975,600,/6) + 9 = k P( X 9) 0, P( X 8) + P( X 9) 0, ,038 = 0,0447 Allgemein gilt: (Beidseitiger Hypothesentest) P( X k) k = InvBinomialCD,n,p P( X k ) k = InvBinomialCD,n,p + { } { } { } A = k +... k A = 0... k k... n [ 0 === / === k ][ k + === k - ][ k === / === n ] Die Ergebnisse können mit Erstellt von R. Brinkmann fx_cg0_stoch_ :6 Seite: 4 von 7
5 R. Brinkmann Seite ( ) P X k BinomialCD k,n,p ( ) = ( ) ( ) P X k P X k BinomialCD k,n,p überprüft werden. Diese Rechnung ist für den beidseitigen Hypothesentest nötig. Zusammenfassung Binomialverteilung P( X = k) BinomialPD( k,n,p) [ 0 ====== ][ k ][ ====== n ] P( X k) BinomialCD( k,n,p) [ 0 ====== k ][ ====== n ] P( X k) = P( X k ) BinomialCD( k,n,p) [ 0 ====== ][ k ====== n ] ( ) = ( ) ( ) BinomialCD( k,n,p) BinomialCD( k,n,p ) Pk X k PX k PX k [ 0 === ][ k === k ][ === n ] Linksseitiger Hypothesentest P X k k = InvBinomialCD,n,p = { + } = { } A k... n A 0... k [ 0 === === k ][ k + === n ] Rechtsseitiger Hypothesentest P X k k = InvBinomialCD,n,p + = { } = {... n} A 0...k A k [ 0 === k - ][ k === === n ] Beidseitiger Hypothesentest) P( X k) k = InvBinomialCD,n,p P( X k ) k = InvBinomialCD,n,p + { } { } { } A = k +... k A = 0... k k... n [ 0 === / === k ][ K + === k - ][ k === / === n ] Erstellt von R. Brinkmann fx_cg0_stoch_ :6 Seite: 5 von 7
6 R. Brinkmann Seite Normalverteilung und Intervalle Um mit der Normalverteilung zu rechnen, geht man ähnlich vor, wie bei der Binomialverteilung. [MENU] [OPTN] {STAT} {DIST} {NORM} {Npd} berechnet einen einzelnen Wert. {NcD} berechnet die kumulative Normalverteilung. {InvN} ermittelt die Umkehrform der kumulativen Normalverteilung. : Erwartungswert der Zufallsvariablen k. σ : Standardabweichung. Falls die Standardabweichung größer 3 ist, kann die Binomialverteilung durch die Normalverteilung hinreichend genau approximiert werden. Bei Intervallberechnungen ist zu berücksichtigen, das die Binomialverteilung für diskrete Werte, die Normalverteilung aber für kontinuierliche Werte bestimmt ist. P( X = k) NormPD( k, σ, ) [ 0 ====== ][ k ][ ====== n ] P( X k) = P X k+ NormCD 0,k +, σ, [ 0 ====== k ][ ====== n ] P( X k) = P X k NormCD 0,k, σ, [ 0 ====== ][ k ====== n ] Pk ( X k) = P X k + P X k NormCD 0,k +, σ, NormCD 0,k, σ, [ 0 === ][ k === k ][ === n ] Linksseitiger Hypothesentest P X k k = InvNormCD, σ, k auf ganze Zahl abrunden { } { k} A = k +... n A = 0... [ 0 === === k ][ k + === n ] Rechtsseitiger Hypothesentest P X k k = InvNormCD (, σ, ) k auf ganze Zahl aufrunden A = 0 {... k } A = { k... n} Erstellt von R. Brinkmann fx_cg0_stoch_ :6 Seite: 6 von 7
7 R. Brinkmann Seite [ 0 === k - ][ k === === n ] Beidseitiger Hypothesentest P( X k) k = InvNormCD,, σ k auf ganze Zahl abrunden P( X k ) k = InvNormCD,, σ k auf ganze Zahl aufrunden { } A { 0... k } { k...n} A = k +...k = [ 0 === / === k ][ k + === === k - ][ k === / === n ] Beim beidseitigem Hypothesentest sollten die Grenzen des Ablehnungsbereichs symmetrisch zum Erwartungswert sein. Erstellt von R. Brinkmann fx_cg0_stoch_ :6 Seite: 7 von 7
R. Brinkmann Seite
R. Brinkmann http://brinkmann-du.de Seite 1 8.0.014 Hypothesentest II mit dem GTR CSIO fx-cg 0 1.1 us p9_stoch_ht_011_e.htm Nr. 4 Nullhypothese: H 0 : p = 0,3 lternativhypothese: H 1 : p 0,3 Signifikanzniveau:
MehrErwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung
R. Brinkmann http://brinkmann-du.de Seite 5.05.0 Erwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung Erwartungswert binomialverteilter Zufallsgrößen Wird ein Bernoulli- Versuch, bei
MehrHypothesentest, ein einfacher Zugang mit Würfeln
R. Brinkmann http://brinkmann-du.de Seite 4..4 ypothesentest, ein einfacher Zugang mit Würfeln Von einem Laplace- Würfel ist bekannt, dass bei einmaligem Wurf jede einzelne der Zahlen mit der Wahrscheinlichkeit
Mehr{ } { } Casio fx-cg20 Kombinatorik und Zufallszahlen. x-fakultät (x!) [MENU] 1 [OPTN] [F6] {PROB} Zahl {x!} [EXE] Berechne 7!
R. Brinkmann http://brinkmann-du.de Seite 1 21.02.2014 Casio fx-cg20 Kombinatorik und Zufallszahlen x-fakultät (x!) {PROB} Zahl {x!} [] Berechne 7! {PROB} 7 {x!} [] (5040) Berechne 49!/(49-6)! 49 x! (
MehrWird ein Bernoulli- Versuch, bei dem die Trefferwahrscheinlichkeit p = 0,2 ist, n = 40 mal durchgeführt, dann erwarten wir im Mittel 8 Treffer.
R. Brinkmann http://brinkmann-du.de Seite 1 06.1008 Erwartungswert binomialverteilter Zufallsgrößen. Wird ein Bernoulli- Versuch, bei dem die Trefferwahrscheinlichkeit p = 0,2 ist, n = 40 mal durchgeführt,
MehrAbiturvorbereitung Alkoholsünder, bedingte Wahrscheinlichkeit, Hypothesentest Aufgabenblatt
R. Brinkmann http://brinkmann-du.de Seite 2.05.2009 Abiturvorbereitung Alkoholsünder, bedingte Wahrscheinlichkeit, Hypothesentest Aufgabenblatt Aufgabe 0 0. In einer bestimmten Stadt an einer bestimmten
MehrR. Brinkmann Seite
R. Brinkmann http://brinkmann-du.de Seite 1 24.2.214 Grundlagen zum Hypothesentest Einführung: Wer Entscheidungen zu treffen hat, weiß oft erst im nachhinein ob seine Entscheidung richtig war. Die Unsicherheit
MehrWenn es sich um ein faires Spiel handeln soll, muss der Einsatz 1 betragen (2) Weniger als 3 mal Wappen ( ) 32 (3) Mindestens 1 mal Wappen ( )
R. Brinkmann http://brinkmann-du.de Seite 7.09.0 Lösungen Stochastik vermischt II Ergebnisse: E E E E4 E E6 Ergebnis Wenn es sich um ein faires Spiel handeln soll, muss der Einsatz betragen. Ergebnisse
MehrR. Brinkmann Seite
R. Brinkmann http://brinkmann-du.de Seite 7.9. Lösungen zum Hypothesentest II Ausführliche Lösungen: A A Aufgabe Die Firma Schlemmerland behauptet, dass ihre Konkurrenzfirma Billigfood die Gewichtsangabe,
MehrApproximation der Binomialverteilung durch die Normalverteilung
R. Brinkmann http://brinkmann-du.de Seite 4.0.007 Approimation der Binomialverteilung durch die Normalverteilung Histogramme von Binomialverteilungen sind für nicht zu kleine n glockenförmig. Mit größer
MehrWahrscheinlichkeit3 Binomialverteilung/Bernoulli-Formel
Wahrscheinlichkeit3 Binomialverteilung/Bernoulli-Formel Aufgaben Lösen Sie A1 und A sowohl mit der Bernoulli-Formel als auch mit dem TR(BV), die anderen Aufgaben lösen sie mit dem TR(BV). A1 Eine Familie
MehrS tandardabweichung : σ= n p 1 p = 200 0,24 0,76 6,04
R. Brinkmann http://brinkmann-du.de Seite 1 19.01.2008 Wahrscheinlichkeiten von Umgebungen Bei einer Binomialverteilung ist der Erwartungswert der mit der größten Wahrscheinlichkeit. In der Umgebung des
Mehr73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments
73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind
MehrZusammenfassung PVK Statistik
Zusammenfassung PVK Statistik (Diese Zusammenfassung wurde von Carlos Mora erstellt. Die Richtigkeit der Formeln ist ohne Gewähr.) Verteilungen von diskreten Zufallsvariablen Beschreibung Binomialverteilung
MehrDie ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist.
.3. Stochastik Grundlagen Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist. Die RELATIVE HÄUFIGKEIT einer Merkmalsausprägung gibt an mit welchem Anteil
MehrS tandardabweichung : σ= n p 1 p = 200 0,24 0,76 6,04
R. Brinkmann http://brinkmann-du.de Seite 1 14.10.2007 Wahrscheinlichkeiten von Umgebungen Bei einer Binomialverteilung ist der Erwartungswert der mit der größten Wahrscheinlichkeit. In der Umgebung des
MehrHeute. Die Binomialverteilung. Poissonverteilung. Approximation der Binomialverteilung durch die Normalverteilung
Heute Die Binomialverteilung Poissonverteilung Approximation der Binomialverteilung durch die Normalverteilung Arbeiten mit Wahrscheinlichkeitsverteilungen Die Binomialverteilung Man werfe eine Münze n
MehrÜberblick Hypothesentests bei Binomialverteilungen (Ac)
Überblick Hypothesentests bei Binomialverteilungen (Ac) Beim Testen will man mit einer Stichprobe vom Umfang n eine Hypothese H o (z.b.p o =70%) widerlegen! Man geht dabei aus von einer Binomialverteilung
Mehr5 Binomial- und Poissonverteilung
45 5 Binomial- und Poissonverteilung In diesem Kapitel untersuchen wir zwei wichtige diskrete Verteilungen d.h. Verteilungen von diskreten Zufallsvariablen): die Binomial- und die Poissonverteilung. 5.1
MehrEinführung: Kaum Theorie, aber viel Training. Mehr Theorie in Zusätzliche Aufgabensammlung in 34021
STOCHASTIK Binomialverteilung Einführung: Kaum Theorie, aber viel Training Mehr Theorie in 3402 Zusätzliche Aufgabensammlung in 3402 Ausführliche Erklärung des Einsatzes dreier Rechner: Grafikrechner:
MehrStatistische Inferenz
Statistische Inferenz Prinzip der statistischen Inferenz Datensätze = Stichproben aus einer Gesamtpopulation (meistens) Beispiel : Messung der Körpertemperatur von 106 gesunden Individuen man vermutet,
MehrWürfelspiel. Heinz Klaus Strick. Beispiele zum Einsatz des TI-30X Plus MultiView :
Beispiele zum Einsatz des TI-30X Plus MultiView : Würfelspiel Für den schulartübergreifenden Einsatz Stochastik Grundkurs Besonders passend für Baden-Württemberg und Bayern Bei einem Würfelspiel hat ein
MehrGrundlagen der Stochastik
Grundlagen der Stochastik Johannes Recker / Sep. 2015, überarbeitet Nov. 2015 Fehlermeldungen oder Kommentare an recker@sbshh.de Inhalt 1. Grundlegende Begriffe der Wahrscheinlichkeitsrechnung... 2 1.1.
MehrBasistext - Wahrscheinlichkeitsrechnung
Basistext - Wahrscheinlichkeitsrechnung Die Wahrscheinlichkeitsrechnung beschäftigt sich mit Vorgängen, die in ihrem Ausgang unbestimmt sind. Sie versucht mögliche Ergebnisse der Vorgänge zu quantifizieren.
Mehr70 Wichtige kontinuierliche Verteilungen
70 Wichtige kontinuierliche Verteilungen 70. Motivation Zufallsvariablen sind nicht immer diskret, sie können oft auch jede beliebige reelle Zahl in einem Intervall [c, d] einnehmen. Beispiele für solche
MehrMinisterium für Schule und Weiterbildung NRW M LK HT 7 Seite 1 von 9. Unterlagen für die Lehrkraft. Abiturprüfung Mathematik, Leistungskurs
Seite 1 von 9 Unterlagen für die Lehrkraft Abiturprüfung 2010 Mathematik, Leistungskurs 1. Aufgabenart Stochastik mit Alternative 1 (ein- und zweiseitiger Hypothesentest) 2. Aufgabenstellung siehe Prüfungsaufgabe
MehrPrüfungsteil 2, Aufgabe 6. Stochastik. Nordrhein-Westfalen 2014LK. Aufgabe 6. Abitur Mathematik: Musterlösung
Abitur Mathematik: Prüfungsteil 2, Aufgabe 6 Nordrhein-Westfalen 2014LK Aufgabe 6 a) (1) 1. SCHRITT: MODELLIERUNG MIT EINER BERNOULLIKETTE Wir modellieren die Situation mit einer Bernoullikette der Länge
MehrR. Brinkmann Seite
R. Brinkmann http://brinkmann-du.de Seite 1 17.3.21 Grundlagen zum Hypothesentest Einführung: Wer Entscheidungen zu treffen hat, weiß oft erst im nachhinein ob seine Entscheidung richtig war. Die Unsicherheit
MehrNormalverteilung. Erwartungswert, Median und Modus sind identisch. Symmetrieeigenschaft um den Erwartungswert
Normalverteilung Stetige Wahrscheinlichkeitsverteilung, die zahlreiche natur, wirtschafts und sozialwissenschaftliche Merkmalsausprägungen mit guter Näherung abbilden kann und somit von elementarer Bedeutung
MehrKapitel VII. Punkt- und Intervallschätzung bei Bernoulli-Versuchen
Kapitel VII Punkt- und Intervallschätzung bei Bernoulli-Versuchen Einführungsbeispiel: Jemand wirft einen korrekten Würfel 60 mal. Wie oft etwa wird er die 6 würfeln? Klar: etwa 10 mal, es kann aber auch
MehrFit for Abi & Study Stochastik
Fit for Abi & Study Stochastik Prof. Dr. Tilla Schade Hochschule Harz 15. und 16. April 2014 No. 1 Stochastik besteht aus: Wahrscheinlichkeitsrechnung Statistik No. 2 Gliederung Grundlagen Zufallsgrößen
MehrBeurteilende Statistik
Beurteilende tatistik igma-regeln Binomialverteilung n = 200 p = 0.7 μ = n p = 140 σ = np(1 p) 6,48 > 3 P(μ σ X μ + σ) 0,680 P(μ 2σ X μ + 2σ) 0,955 P(μ 3σ X μ + 3σ) 0,997 200 *.07 TO M 2nd ( 200 * 0.07
MehrArbeitsblatt 27: Normalverteilung Kerzen
Erläuterungen und Aufgaben Zeichenerklärung: [ ] - Drücke die entsprechende Taste des Graphikrechners! [ ] S - Drücke erst die Taste [SHIFT] und dann die entsprechende Taste! [ ] A - Drücke erst die Taste
MehrLernkarten. Stochastik. 4 Seiten
Lernkarten Stochastik 4 Seiten Zum Ausdrucken muss man jeweils eine Vorderseite drucken, dann das Blatt wenden, nochmals einlegen und die Rückseite drucken. Am besten druckt man die Karten auf festem Papier
MehrMathematik 3 für Informatik
Gunter Ochs Wintersemester 20/6 Mathematik 3 für Informatik Lösungen zum Hausaufgabenblatt 4 Lösungshinweise (ohne Ganantie auf Fehlerfreiheit. Wenn man beim Roulette auf Rot oder Schwarz setzt, erhält
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun http://blog.ruediger-braun.net Heinrich-Heine-Universität Düsseldorf 07. Januar 2015 Klausuranmeldung Prüflinge müssen sich bis spätestens 14 Tage vor
MehrAbiturvorbereitung Stochastik. neue friedländer gesamtschule Klasse 12 GB Holger Wuschke B.Sc.
Abiturvorbereitung Stochastik neue friedländer gesamtschule Klasse 12 GB 24.02.2014 Holger Wuschke B.Sc. Siedler von Catan, Rühlow 2014 Organisatorisches 0. Begriffe in der Stochastik (1) Ein Zufallsexperiment
MehrBiostatistik, Sommer 2017
1/52 Biostatistik, Sommer 2017 Prof. Dr. Achim Klenke http://www.aklenke.de 7. Vorlesung: 02.06.2017 2/52 Inhalt 1 Wahrscheinlichkeit Bayes sche Formel 2 Diskrete Stetige 3/52 Wahrscheinlichkeit Bayes
Mehr11. Approximation der Binomialverteilung durch die Normalverteilung
7. Approximation der Binomialverteilung durch die Normalverteilung Die Berechnung der Binomialverteilung ist wegen der Binomialkoeffizienten nicht unproblematisch. Man kann sie deshalb in gewissen Fällen
Mehr0, t 0,5
XIII. Die Normalverteilung ==================================================================. Der lokale Grenzwertsatz --------------------------------------------------------------------------------------------------------------
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 11. November 2010 1 Erwartungswert und Varianz Erwartungswert Varianz und Streuung Rechenregeln Binomialverteilung
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:
Mehr1.4 Der Binomialtest. Die Hypothesen: H 0 : p p 0 gegen. gegen H 1 : p p 0. gegen H 1 : p > p 0
1.4 Der Binomialtest Mit dem Binomialtest kann eine Hypothese bezüglich der Wahrscheinlichkeit für das Auftreten einer Kategorie einer dichotomen (es kommen nur zwei Ausprägungen vor, z.b. 0 und 1) Zufallsvariablen
MehrSigma-Umgebung. Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5. n = 20 p = 0,75
Sigma-Umgebung Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5 0,2 (z.b. 30-maliges Werfen einer Münze, X Anzahl von Zahl ) 5 10 15 20 n = 20 p = 0,75 0,2 5 10 15 20 Der Erwartungswert
MehrMathematische und statistische Methoden II
Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de lordsofthebortz.de lordsofthebortz.de/g+
Mehr1 Dichte- und Verteilungsfunktion
Tutorium Yannick Schrör Klausurvorbereitungsaufgaben Statistik Lösungen Yannick.Schroer@rub.de 9.2.26 ID /455 Dichte- und Verteilungsfunktion Ein tüchtiger Professor lässt jährlich 2 Bücher drucken. Die
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie (3) Überblick. Deskriptive Statistik I 2. Deskriptive
MehrStetige Verteilungen Rechteckverteilung
Stetige Verteilungen Rechteckverteilung Die Längenabweichungen X produzierter Werkstücke von der Norm seien gleichmäßig verteilt zwischen a = mm und b = 4mm. Die Dichtefunktion lautet also f(x) = für a
MehrProgramm. Wiederholung. Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung. Binomialverteilung. Hypergeometrische Verteilung
Programm Wiederholung Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung Binomialverteilung Hypergeometrische Verteilung Wiederholung verschiedene Mittelwerte für verschiedene Skalenniveaus
MehrTrainingsaufgabe WS_02 Mathematik Cusanus-Gymnasium Wittlich Leistungskurse M1/M2 ZIM/LAN
Mathematik Cusanus-Gymnasium Wittlich Leistungskurse M/M2 ZIM/LA Aufgabe Stochastik Die Glückskreisel I und II werden gedreht. Sie bleiben dabei jeweils auf einer Kante liegen. Die dort notierte Zahl gilt
MehrAuswertung von Messungen Teil II
Auswertung von Messungen Teil II 1. Grundgesamtheit und Stichprobe. Modellverteilungen.1 Normalverteilung. Binominalverteilung.3 Poissonverteilung.4 Näherungen von Binominal- und Poissonverteilung 3. Zentraler
Mehrmathphys-online Abiturprüfung Berufliche Oberschule 2014 Mathematik 13 Technik - B II - Lösung
Abiturprüfung Berufliche Oberschule 20 Mathematik Technik - B II - Lösung Aufgabe An einer Beruflichen Oberschule besuchen acht Schülerinnen und zehn Schüler die. Jahrgangsstufe in der Ausbildungsrichtung
MehrWirtschaftsmathematik
Einführung in einige Teilbereiche der Wintersemester 206 Prof. Dr. Stefan Etschberger HSA Unabhängigkeit von Ereignissen A, B unabhängig: Eintreten von A liefert keine Information über P(B). Formal: P(A
Mehr4.4 Punktschätzung. E(X 1 )+ +E(X n ) Var(ˆµ) = 1 n 2 ( Var(X1 )+ +Var(X n ) ) = 1 n 2nσ2 = σ2
4 4.4 Punktschätzung Wir betrachten eine endliche oder unendliche Grundgesamtheit, zum Beispiel alle Studierenden der Vorlesung Mathe II für Naturwissenschaften. Im endlichen Fall soll die Anzahl N ihrer
MehrZusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen
Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind
MehrBiostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 Wahrscheinlichkeitstheorie:, Unabhängigkeit Prof. Dr. Achim Klenke http://www.aklenke.de 6. Vorlesung: 02.12.2011 1/30 Inhalt 1 Wahrscheinlichkeit 2 2/30 Wahrscheinlichkeit
MehrWahlteil Geometrie/Stochastik B 2
Abitur Mathematik Baden-Württemberg 24 Abitur Mathematik: Wahlteil Geometrie/Stochastik B 2 Baden-Württemberg 24 Aufgabe B 2. a). SCHRITT: KOORDINATENGLEICHUNG ANGEBEN Als Stützvektor einer Parametergleichung
MehrKapitel VII. Einige spezielle stetige Verteilungen
Kapitel VII Einige spezielle stetige Verteilungen D. 7.. (Normalverteilung) Eine stetige Zufallsgröße X sei als normalverteilt bezeichnet, wenn sie folgende Wahrscheinlichkeitsdichte besitzt: µ f ( ; µ,
MehrBeurteilende Statistik
Beurteilende Statistik Wahrscheinlichkeitsrechnung und Beurteilende Statistik was ist der Unterschied zwischen den beiden Bereichen? In der Wahrscheinlichkeitstheorie werden aus gegebenen Wahrscheinlichkeiten
MehrMathematik 2 für Naturwissenschaften
Hans Walser Mathematik 2 für Naturwissenschaften Modul 205 Binomialverteilung Hans Walser: Modul 205, Binomialverteilung ii Inhalt Die Qual der Wahl: Binomialkoeffizienten.... Ordnung muss sein....2 Auswählen
MehrÜbungen zu Wahrscheinlichkeitstheorie Judith Kloas, Wolfgang Woess, Jonas Ziefle SS 2016
Übungen zu Wahrscheinlichkeitstheorie Judith Kloas, Wolfgang Woess, Jonas Ziefle SS 2016 43) [3 Punkte] Sei φ(t) die charakteristische Funktion der Verteilungsfunktion F (x). Zeigen Sie, dass für jedes
MehrDiskrete Zufallsvariable*
Diskrete Zufallsvariable* Aufgabennummer: 1_37 Aufgabentyp: Aufgabenformat: Multiple Choice (1 aus 6) Grundkompetenz: WS 3.1 Typ 1 T Typ Die unten stehende Abbildung zeigt die Wahrscheinlichkeitsverteilung
MehrSozialwissenschaftlerInnen II
Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Wahrscheinlichkeitsfunktionen
MehrDer Erwartungswert E[g(X)] von g(x) ist definiert. g(x k )w(x = x k ),
2.5 Parameter einer Verteilung 2.5. Erwartungswert X eine Zufallsvariable, g : R R stetig. Der Erwartungswert E[g(X)] von g(x) ist definiert durch: E[g(X)] := k g(x k )w(x = x k ), falls X diskret ist
MehrStatistik III. Walter Zucchini Fred Böker Andreas Stadie
Statistik III Walter Zucchini Fred Böker Andreas Stadie Inhaltsverzeichnis 1 Zufallsvariablen und ihre Verteilung 1 1.1 Diskrete Zufallsvariablen........................... 1 1.2 Stetige Zufallsvariablen............................
MehrWahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
MehrMathematische und statistische Methoden II
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 persike@uni-mainz.de
Mehr7.2 Theoretische Kennwerte
7.2 Theoretische Kennwerte Theoretische Varianz und Standardabweichung Definition und Notation Verschiebungsformel für die theoretische Varianz 391 7.2 Theoretische Kennwerte Interpretation der theoretischen
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilung diskreter Zufallsvariablen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrAnhang Referenztabellen
Anhang Referenztabellen I n diesem Anhang finden Sie gebräuchliche Tabellen zur Ermittlung von Wahrscheinlichkeiten für drei wichtige Verteilungen: die Binomialverteilung, die Normalverteilung und die
MehrWahrscheinlichkeitstheorie 2
Wahrscheinlichkeitstheorie 2 Caroline Sporleder Computational Linguistics Universität des Saarlandes Sommersemester 2011 19.05.2011 Caroline Sporleder Wahrscheinlichkeitstheorie 2 (1) Wiederholung (1):
MehrBiostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 Wahrscheinlichkeitstheorie:, Kenngrößen Prof. Dr. Achim Klenke http://www.aklenke.de 7. Vorlesung: 09.12.2011 1/58 Inhalt 1 2 Kenngrößen von Lagemaße 2/58 mit Dichte Normalverteilung
MehrVerteilung von Summen
Verteilung von Summen Beispiel: Würfelwurf Frage: Wie verhält sich die Verteilung der Augensumme von -Würfeln bei wachsendem? Zur Beantwortung führen wir ein Simulationseperiment durch. 6 Würfe mit 1 Würfel
MehrStandardisierte kompetenzorientierte schriftliche Reifeprüfung AHS. 10. Mai Mathematik. Teil-2-Aufgaben. Korrekturheft. öffentliches Dokument
Standardisierte kompetenzorientierte schriftliche Reifeprüfung AHS 10. Mai 2016 Mathematik Teil-2-Aufgaben Korrekturheft Aufgabe 1 Intercity-Express (ICE) mittlere Änderungsrate: 0,131 m/s 2 möglicher
MehrUniversität Basel Wirtschaftswissenschaftliches Zentrum. Zufallsvariablen. Dr. Thomas Zehrt
Universität Basel Wirtschaftswissenschaftliches Zentrum Zufallsvariablen Dr. Thomas Zehrt Inhalt: 1. Einführung 2. Zufallsvariablen 3. Diskrete Zufallsvariablen 4. Stetige Zufallsvariablen 5. Erwartungswert
MehrBestimmte Zufallsvariablen sind von Natur aus normalverteilt. - naturwissenschaftliche Variablen: originär z.b. Intelligenz, Körpergröße, Messfehler
6.6 Normalverteilung Die Normalverteilung kann als das wichtigste Verteilungsmodell der Statistik angesehen werden. Sie wird nach ihrem Entdecker auch Gaußsche Glockenkurve genannt. Die herausragende Stellung
MehrVeranstaltung: Statistik für das Lehramt Dozent: Martin Tautenhahn Referenten: Belinda Höher, Thomas Holub, Maria Böhm.
Veranstaltung: Statistik für das Lehramt 16.12.2016 Dozent: Martin Tautenhahn Referenten: Belinda Höher, Thomas Holub, Maria Böhm Erwartungswert Varianz Standardabweichung Die Wahrscheinlichkeitsverteilung
MehrKlausur (Modulprüfung) zum Lehrerweiterbildungskurs Stochastik am von 10:00 bis 11:00 Uhr
Klausur (Modulprüfung) zum Lehrerweiterbildungskurs Stochastik am 5..201 von 10:00 bis 11:00 Uhr Bearbeiten Sie zwei der drei folgenden Aufgaben! Sätze aus der Vorlesung und den Übungen dürfen Sie ohne
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Zufallsvariable Erinnerung: Merkmal, Merkmalsausprägung Deskriptive Statistik:
MehrStellen Sie den Sachverhalt durch eine geeignete Vierfeldertafel mit relativen Häufigkeiten
Bei der Bearbeitung der Aufgabe dürfen alle Funktionen des Taschenrechners genutzt werden. Aufgabe 4: Stochastik Vorbemerkung: Führen Sie stets geeignete Zufallsvariablen und Namen für Ereignisse ein.
Mehr8 Experimentieren: Sigma-Regeln
8 Experimentieren: Sigma-Regeln Didaktische Hinweise Mit dieser Station wird ein Unterrichtsbeispiel zur Einführung der Sigma-Regeln vorgestellt, die von den Schülerinnen und Schülern an mehreren Beispielen
Mehr0 für t < für 1 t < für 2 t < für 3 t < für 4 t < 5 1 für t 5
4 Verteilungen und ihre Kennzahlen 1 Kapitel 4: Verteilungen und ihre Kennzahlen A: Beispiele Beispiel 1: Eine diskrete Zufallsvariable X, die nur die Werte 1,, 3, 4, 5 mit positiver Wahrscheinlichkeit
MehrM13 Übungsaufgaben / pl
Die Histogramme von Binomialverteilungen werden bei wachsendem Stichprobenumfang n immer flacher und breiter. Dem Maximum einer solchen Verteilung kommt daher keine allzu große Wahrscheinlichkeit zu. Vielmehr
MehrNormalverteilung. Mathematik 8. Arbeitsblatt A 8-2: Normalverteilung
Schule Bundesgymnasiu um für Berufstätige Salzburg Modul Thema Mathematik 8 Arbeitsblatt A 8-2: Normalverteilung Normalverteilung Viele natürlich vorkommende, voneinander unabhängige Größen sind normalverteilt
MehrUnterlagen für die Lehrkraft. Abiturprüfung Mathematik, Grundkurs
Seite 1 von 8 Unterlagen für die Lehrkraft Abiturprüfung 2009 Mathematik, Grundkurs 1. Aufgabenart Stochastik 2. Aufgabenstellung siehe Prüfungsaufgabe 3. Materialgrundlage entfällt 4. Bezüge zu den Vorgaben
MehrEinige Konzepte aus der Wahrscheinlichkeitstheorie (Wiederh.)
Einige Konzepte aus der Wahrscheinlichkeitstheorie (Wiederh.) 1 Zusammenfassung Bedingte Verteilung: P (y x) = P (x, y) P (x) mit P (x) > 0 Produktsatz P (x, y) = P (x y)p (y) = P (y x)p (x) Kettenregel
MehrEindimensionale Zufallsvariablen
Eindimensionale Grundbegriffe Verteilungstypen Diskrete Stetige Spezielle Maßzahlen für eindimensionale Erwartungswert Varianz Standardabweichung Schwankungsintervalle Bibliografie Bleymüller / Gehlert
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilung diskreter Zufallsvariablen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrNEUE WEGE CASIO FX-CG20 GTR-Anleitung
1. Lösen eines linearen Gleichungssystems (Kap.3.) (A) Die Parabel durch (- 6), ( -) und (4-1) ist gesucht. Dazu muss das lineare Gleichungssystem Im Menü Gleichung mit F1 Lin Gleichungssyst wählen. (1)
MehrÜbung Zeigen Sie, dass dies als Grenzwert der Wahrscheinlichkeitsfunktion der Binomialverteilung mit
Übung 2 24..23 Ü b u n g 2 Aufgabe Die Poissonverteilung P(λ) hat die Wahrscheinlichkeitsfunktion p(x) = λx e λ (x ) x! Zeigen Sie, dass dies als Grenzwert der Wahrscheinlichkeitsfunktion der Binomialverteilung
Mehr2) Ihr Chef schlägt vor, dass die Firma nicht Lieferant werden soll, wenn
Aufgabe Stochastik Mathe Grundkurs Signifikanztests Ein Hersteller von Schrauben behauptet, dass mindestens 90% seiner Schrauben rostfrei sind, wenn sie fünf Jahre lang im Außenbereich eingesetzt werden.
MehrAbiturvorbereitung Mathematik Stochastik. Copyright 2013 Ralph Werner
biturvorbereitung Mathematik Stochastik Copyright 2013 Ralph Werner Zufallsexperiment in Zufallsexperiment ist ein Vorgang, dessen usgang ungewiss ist das beliebig oft wiederholt werden kann dessen Wiederholungen
Mehrd) Ermitteln Sie ein möglichst kleines, zum Erwartungswert symmetrisches Intervall, in dem mit mehr als 90% die Anzahl der geworfenen Vieren liegt?
Die Ungleichung von Tschebyschow für die Trefferanzahl X und die relative Anzahl der Treffer H n (X) bei Bernoulliketten =================================================================== 1. Ein Laplace-Tetraeder
MehrStatistics, Data Analysis, and Simulation SS 2017
Mainz, 8. Juni 2017 Statistics, Data Analysis, and Simulation SS 2017 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Dr. Michael O. Distler
MehrZufallsvariablen [random variable]
Zufallsvariablen [random variable] Eine Zufallsvariable (Zufallsgröße) X beschreibt (kodiert) die Versuchsausgänge ω Ω mit Hilfe von Zahlen, d.h. X ist eine Funktion X : Ω R ω X(ω) Zufallsvariablen werden
MehrSTETIGE VERTEILUNGEN
STETIGE VERTEILUNGEN. Die Näherungsformel von Moivre Laplace Betrachtet man die Binomialverteilungen Bnp für wachsendes n bei konstantem p, so werden die Histogramme einer binomialverteilten Zufallsvariablen
MehrLösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 3: Aufgaben zu den Kapiteln 5 und 6
1 Lösungen ausgewählter Übungsaufgaben zum Buch Elementare Stochastik (Springer Spektrum, 2012) Teil 3: Aufgaben zu den Kapiteln 5 und 6 Aufgaben zu Kapitel 5 Zu Abschnitt 5.1 Ü5.1.1 Finden Sie eine maximum-likelihood-schätzung
MehrZufallsgröße X : Ω R X : ω Anzahl der geworfenen K`s
X. Zufallsgrößen ================================================================= 10.1 Zufallsgrößen und ihr Erwartungswert --------------------------------------------------------------------------------------------------------------
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg 2 R. 06-206 (Persike) R. 06-214 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
Mehr