Casio fx-cg20 Binomialverteilung, Intervallwahrscheinlichkeit, Normalverteilung und Grenzen

Größe: px
Ab Seite anzeigen:

Download "Casio fx-cg20 Binomialverteilung, Intervallwahrscheinlichkeit, Normalverteilung und Grenzen"

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  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:

Mehr

Erwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung

Erwartungswert, 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

Mehr

Hypothesentest, ein einfacher Zugang mit Würfeln

Hypothesentest, 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!

{ } { } 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! (

Mehr

Wird ein Bernoulli- Versuch, bei dem die Trefferwahrscheinlichkeit p = 0,2 ist, n = 40 mal durchgeführt, dann erwarten wir im Mittel 8 Treffer.

Wird 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,

Mehr

Abiturvorbereitung Alkoholsünder, bedingte Wahrscheinlichkeit, Hypothesentest Aufgabenblatt

Abiturvorbereitung 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

Mehr

R. Brinkmann Seite

R. 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

Mehr

Wenn 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 ( )

Wenn 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

Mehr

R. Brinkmann Seite

R. 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,

Mehr

Approximation der Binomialverteilung durch die Normalverteilung

Approximation 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

Mehr

Wahrscheinlichkeit3 Binomialverteilung/Bernoulli-Formel

Wahrscheinlichkeit3 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

Mehr

S tandardabweichung : σ= n p 1 p = 200 0,24 0,76 6,04

S 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

Mehr

73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments

73 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

Mehr

Zusammenfassung PVK Statistik

Zusammenfassung 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

Mehr

Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist.

Die 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

Mehr

S tandardabweichung : σ= n p 1 p = 200 0,24 0,76 6,04

S 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

Mehr

Heute. Die Binomialverteilung. Poissonverteilung. Approximation der Binomialverteilung durch die Normalverteilung

Heute. 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

Mehr

Überblick Hypothesentests bei Binomialverteilungen (Ac)

Überblick 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

Mehr

5 Binomial- und Poissonverteilung

5 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

Mehr

Einführung: Kaum Theorie, aber viel Training. Mehr Theorie in Zusätzliche Aufgabensammlung in 34021

Einführung: 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:

Mehr

Statistische Inferenz

Statistische Inferenz Statistische Inferenz Prinzip der statistischen Inferenz Datensätze = Stichproben aus einer Gesamtpopulation (meistens) Beispiel : Messung der Körpertemperatur von 106 gesunden Individuen man vermutet,

Mehr

Würfelspiel. Heinz Klaus Strick. Beispiele zum Einsatz des TI-30X Plus MultiView :

Würfelspiel. 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

Mehr

Grundlagen der Stochastik

Grundlagen 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.

Mehr

Basistext - Wahrscheinlichkeitsrechnung

Basistext - Wahrscheinlichkeitsrechnung Basistext - Wahrscheinlichkeitsrechnung Die Wahrscheinlichkeitsrechnung beschäftigt sich mit Vorgängen, die in ihrem Ausgang unbestimmt sind. Sie versucht mögliche Ergebnisse der Vorgänge zu quantifizieren.

Mehr

70 Wichtige kontinuierliche Verteilungen

70 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

Mehr

Ministerium für Schule und Weiterbildung NRW M LK HT 7 Seite 1 von 9. Unterlagen für die Lehrkraft. Abiturprüfung Mathematik, Leistungskurs

Ministerium 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

Mehr

Prüfungsteil 2, Aufgabe 6. Stochastik. Nordrhein-Westfalen 2014LK. Aufgabe 6. Abitur Mathematik: Musterlösung

Prüfungsteil 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

Mehr

R. Brinkmann Seite

R. 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

Mehr

Normalverteilung. Erwartungswert, Median und Modus sind identisch. Symmetrieeigenschaft um den Erwartungswert

Normalverteilung. 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

Mehr

Kapitel VII. Punkt- und Intervallschätzung bei Bernoulli-Versuchen

Kapitel 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

Mehr

Fit for Abi & Study Stochastik

Fit 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

Mehr

Beurteilende Statistik

Beurteilende 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

Mehr

Arbeitsblatt 27: Normalverteilung Kerzen

Arbeitsblatt 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

Mehr

Lernkarten. Stochastik. 4 Seiten

Lernkarten. 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

Mehr

Mathematik 3 für Informatik

Mathematik 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

Mehr

Mathematik für Biologen

Mathematik 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

Mehr

Abiturvorbereitung Stochastik. neue friedländer gesamtschule Klasse 12 GB Holger Wuschke B.Sc.

Abiturvorbereitung 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

Mehr

Biostatistik, Sommer 2017

Biostatistik, 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

Mehr

11. Approximation der Binomialverteilung durch die Normalverteilung

11. 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

Mehr

0, t 0,5

0, t 0,5 XIII. Die Normalverteilung ==================================================================. Der lokale Grenzwertsatz --------------------------------------------------------------------------------------------------------------

Mehr

Mathematik für Biologen

Mathematik 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

Mehr

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential

Zufallsvariablen. 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:

Mehr

1.4 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. 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

Mehr

Sigma-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. 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

Mehr

Mathematische und statistische Methoden II

Mathematische 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+

Mehr

1 Dichte- und Verteilungsfunktion

1 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

Mehr

Institut für Biometrie und klinische Forschung. WiSe 2012/2013

Institut 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

Mehr

Stetige Verteilungen Rechteckverteilung

Stetige 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

Mehr

Programm. Wiederholung. Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung. Binomialverteilung. Hypergeometrische Verteilung

Programm. 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

Mehr

Trainingsaufgabe WS_02 Mathematik Cusanus-Gymnasium Wittlich Leistungskurse M1/M2 ZIM/LAN

Trainingsaufgabe 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

Mehr

Auswertung von Messungen Teil II

Auswertung 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

Mehr

mathphys-online Abiturprüfung Berufliche Oberschule 2014 Mathematik 13 Technik - B II - Lösung

mathphys-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

Mehr

Wirtschaftsmathematik

Wirtschaftsmathematik 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

Mehr

4.4 Punktschätzung. E(X 1 )+ +E(X n ) Var(ˆµ) = 1 n 2 ( Var(X1 )+ +Var(X n ) ) = 1 n 2nσ2 = σ2

4.4 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

Mehr

Zusammenfassung 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 Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind

Mehr

Biostatistik, Winter 2011/12

Biostatistik, 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

Mehr

Wahlteil Geometrie/Stochastik B 2

Wahlteil 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

Mehr

Kapitel VII. Einige spezielle stetige Verteilungen

Kapitel 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,

Mehr

Beurteilende Statistik

Beurteilende Statistik Beurteilende Statistik Wahrscheinlichkeitsrechnung und Beurteilende Statistik was ist der Unterschied zwischen den beiden Bereichen? In der Wahrscheinlichkeitstheorie werden aus gegebenen Wahrscheinlichkeiten

Mehr

Mathematik 2 für Naturwissenschaften

Mathematik 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

Mehr

Übungen zu Wahrscheinlichkeitstheorie Judith Kloas, Wolfgang Woess, Jonas Ziefle SS 2016

Übungen 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

Mehr

Diskrete Zufallsvariable*

Diskrete 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

Mehr

SozialwissenschaftlerInnen II

SozialwissenschaftlerInnen 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

Mehr

Der Erwartungswert E[g(X)] von g(x) ist definiert. g(x k )w(x = x k ),

Der 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

Mehr

Statistik III. Walter Zucchini Fred Böker Andreas Stadie

Statistik 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............................

Mehr

Wahrscheinlichkeitsverteilungen

Wahrscheinlichkeitsverteilungen Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet

Mehr

Mathematische und statistische Methoden II

Mathematische 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

Mehr

7.2 Theoretische Kennwerte

7.2 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

Mehr

Willkommen zur Vorlesung Statistik (Master)

Willkommen 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

Mehr

Anhang Referenztabellen

Anhang 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

Mehr

Wahrscheinlichkeitstheorie 2

Wahrscheinlichkeitstheorie 2 Wahrscheinlichkeitstheorie 2 Caroline Sporleder Computational Linguistics Universität des Saarlandes Sommersemester 2011 19.05.2011 Caroline Sporleder Wahrscheinlichkeitstheorie 2 (1) Wiederholung (1):

Mehr

Biostatistik, Winter 2011/12

Biostatistik, 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

Mehr

Verteilung von Summen

Verteilung 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

Mehr

Standardisierte kompetenzorientierte schriftliche Reifeprüfung AHS. 10. Mai Mathematik. Teil-2-Aufgaben. Korrekturheft. öffentliches Dokument

Standardisierte 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

Mehr

Universität Basel Wirtschaftswissenschaftliches Zentrum. Zufallsvariablen. Dr. Thomas Zehrt

Universität 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

Mehr

Bestimmte Zufallsvariablen sind von Natur aus normalverteilt. - naturwissenschaftliche Variablen: originär z.b. Intelligenz, Körpergröße, Messfehler

Bestimmte 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

Mehr

Veranstaltung: Statistik für das Lehramt Dozent: Martin Tautenhahn Referenten: Belinda Höher, Thomas Holub, Maria Böhm.

Veranstaltung: 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

Mehr

Klausur (Modulprüfung) zum Lehrerweiterbildungskurs Stochastik am von 10:00 bis 11:00 Uhr

Klausur (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

Mehr

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential

Zufallsvariablen. 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:

Mehr

Stellen Sie den Sachverhalt durch eine geeignete Vierfeldertafel mit relativen Häufigkeiten

Stellen 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.

Mehr

8 Experimentieren: Sigma-Regeln

8 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

Mehr

0 für t < für 1 t < für 2 t < für 3 t < für 4 t < 5 1 für t 5

0 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

Mehr

M13 Übungsaufgaben / pl

M13 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

Mehr

Normalverteilung. Mathematik 8. Arbeitsblatt A 8-2: Normalverteilung

Normalverteilung. 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

Mehr

Unterlagen für die Lehrkraft. Abiturprüfung Mathematik, Grundkurs

Unterlagen 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

Mehr

Einige Konzepte aus der Wahrscheinlichkeitstheorie (Wiederh.)

Einige 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

Mehr

Eindimensionale Zufallsvariablen

Eindimensionale Zufallsvariablen Eindimensionale Grundbegriffe Verteilungstypen Diskrete Stetige Spezielle Maßzahlen für eindimensionale Erwartungswert Varianz Standardabweichung Schwankungsintervalle Bibliografie Bleymüller / Gehlert

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und

Mehr

Willkommen zur Vorlesung Statistik (Master)

Willkommen 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

Mehr

NEUE WEGE CASIO FX-CG20 GTR-Anleitung

NEUE 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)

Mehr

Übung Zeigen Sie, dass dies als Grenzwert der Wahrscheinlichkeitsfunktion der Binomialverteilung mit

Übung 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

Mehr

2) Ihr Chef schlägt vor, dass die Firma nicht Lieferant werden soll, wenn

2) 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.

Mehr

Abiturvorbereitung Mathematik Stochastik. Copyright 2013 Ralph Werner

Abiturvorbereitung 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

Mehr

d) Ermitteln Sie ein möglichst kleines, zum Erwartungswert symmetrisches Intervall, in dem mit mehr als 90% die Anzahl der geworfenen Vieren liegt?

d) 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

Mehr

Statistics, Data Analysis, and Simulation SS 2017

Statistics, 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

Mehr

Zufallsvariablen [random variable]

Zufallsvariablen [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

Mehr

STETIGE VERTEILUNGEN

STETIGE 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

Mehr

Lösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 3: Aufgaben zu den Kapiteln 5 und 6

Lösungen 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

Mehr

Zufallsgröße X : Ω R X : ω Anzahl der geworfenen K`s

Zufallsgröße X : Ω R X : ω Anzahl der geworfenen K`s X. Zufallsgrößen ================================================================= 10.1 Zufallsgrößen und ihr Erwartungswert --------------------------------------------------------------------------------------------------------------

Mehr

Forschungsstatistik I

Forschungsstatistik 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