Übungsaufgaben zu Kapitel 12 bis 14

Größe: px
Ab Seite anzeigen:

Download "Übungsaufgaben zu Kapitel 12 bis 14"

Transkript

1 Hochschule für Technik und Wirtschaft Dresden Wintersemester 0/6 Fakultät Informatik/Mathematik Prof. Dr. B. Jung Übungsaufgaben zu Kapitel bis Hinweis: Die Berechnung evtl. auftretender Integrale kann mit Hilfe eines Taschenrechners oder einer Formelsammlung erfolgen. Aufgabe : Es wird ein Wurf mit zwei unterscheidbaren homogenen Würfeln durchgeführt. Die dabei erzielte Augensumme wird als diskrete Zufallsvariable betrachtet. Stellen Sie die Verteilungstabelle für die Zufallsvariable X auf. Berechnen Sie den Erwartungswert und die Varianz dieser Zufallsvariablen. Aufgabe : Eine Firma kauft eine bestimmte Ware bei drei verschiedenen Herstellern ein, und zwar 0% vom Hersteller I, 0% vom Hersteller II und 0% vom Hersteller III. Die Ausschussanteile bei diesen drei Herstellern seien der Reihe nach : 8%, 6% und %. Aus der gesamten Lieferung wird ein Stück zufällig herausgegriffen. a) Mit welcher Wahrscheinlichkeit ist das Stück Ausschuss? b) Ein zufällig ausgewähltes Stück sei brauchbar. Mit welcher Wahrscheinlichkeit stammt es vom Hersteller I bzw. vom Hersteller III? Aufgabe : Bei der Herstellung eines Massenartikels weiß man aus Erfahrung, dass % der Artikel defekt sind. Alle Artikel werden vor dem Ausliefern einem Test unterzogen. Bei 98% aller defekten Artikel fällt dieser positiv aus (d.h. sie werden als defekt erkannt). Es werden aber auch % der nicht-defekten Artikel fälschlicherweise als defekt eingestuft. Angenommen, der Test fällt bei einem bestimmten Artikel positiv aus. Berechnen Sie die Wahrscheinlichkeit dafür, dass dieser Artikel wirklich defekt ist. (Hinweis: Nutzen Sie die Ereignisse D: Artikel ist defekt und T : Test fällt positiv aus sowie die Bayessche Formel.) Aufgabe : Eine bestimmte Sorte von Getränkeflaschen habe die Füllmenge (00 + X) ml. Dabei sei X eine Zufallsvariable mit der Dichtefunktion { 0.006( x ) für x f(x) = 0 sonst. Ermitteln Sie die zugehörige Verteilungsfunktion F (x) und berechnen Sie die Zahl c so, dass die Füllmenge einer Getränkeflasche (in ml) mit Wahrscheinlichkeit 0.9 im Intervall [ 00 c, 00 + c ] liegt. (Hinweis: Zur Berechnung von c kann der solve()-befehl des Taschenrechners verwendet werden.) Aufgabe : Gegeben ist die Funktion: f(x) = a e x + e x (mit a R). a) Bestimmen Sie den Wert des Parameters a so, dass die Funktion f die Eigenschaften einer Dichtefunktion einer stetigen Zufallsvariablen besitzt. b) Sei X eine Zufallsvariable, deren Dichtefunktion gleich der gegebenen Funktion f ist. Berechnen Sie die Wahrscheinlichkeit dafür, dass X einen Wert annimmt, der kleiner oder gleich ist. weiter siehe S.

2 Aufgabe 6 : Der Betrag der Geschwindigkeit eines Gasmoleküls in einem idealen Gas kann als Zufallsvariable mit der Dichtefunktion 0 für x < 0 f(x) = x x α π e α für x 0 aufgefasst werden (Maxwell-Boltzmann-Verteilung), wobei α eine positive Konstante ist. Berechnen Sie den Erwartungswert dieser Zufallsvariablen. Aufgabe 7: Zur Qualitätsprüfung einer Lieferung von Bauteilen wird eine Stichprobe von 0 Stück entnommen. Wenn in der Stichprobe mehr als zwei unbrauchbare Teile gefunden werden, wird die gesamte Lieferung zurückgewiesen. Anderenfalls wird sie angenommen. a) Wie groß ist die Wahrscheinlichkeit für die Annahme der Lieferung, wenn diese % unbrauchbare Teile enthält? b) Wie groß ist die Wahrscheinlichkeit für die Annahme der Lieferung, wenn diese % unbrauchbare Teile enthält? c) Die Lieferung enthalte 7.% unbrauchbare Teile. Wie groß ist die Wahrscheinlichkeit, dass eine Stichprobe von 0 Teilen mehr unbrauchbare Teile enthält als im Mittel zu erwarten sind? Aufgabe 8: Eine Straße wird von einer Eisenbahnstrecke gekreuzt. Beim Passieren eines Zuges wird durch Schranken der Verkehr für min unterbrochen. Die durchschnittliche Belastung der Straße beträgt 00 Kfz pro Stunde. Es wird davon ausgegangen, dass die Anzahl der Fahrzeuge einer Poisson-Verteilung unterliegt. Der Platzbedarf pro Fahrzeug beläuft sich auf durchschnittlich m. Berechnen Sie die Wahrscheinlichkeit dafür, dass die sich bildende Warteschlange länger als 0 m wird. Aufgabe 9: Die Weglänge, die von einem Gasmolekül zurückgelegt wird, bevor es mit einem anderen Molekül zusammentrifft, heißt freie Weglänge. Es kann angenommen werden, dass diese freie Weglänge eine exponentialverteilte Zufallsvariable ist, wobei λ = 0 gilt. Berechnen Sie die Wahrscheinlichkeit dafür, dass a) die freie Weglänge einen Wert zwischen 0. und 0 annimmt b) die freie Weglänge größer als ist. Aufgabe 0: Die Kapazität eines in großer Stückzahl hergestellten Kondensators kann als eine normalverteilte Zufallsvariable X mit dem Erwartungswert µ = 00 µf und der Standardabweichung σ = µf angesehen werden. a) Mit welchem Ausschussanteil (in %) ist zu rechnen, wenn die Kapazität höchstens um % vom Sollwert (Erwartungswert) abweichen darf? b) Wie groß ist der Ausschussanteil (in %), wenn nur Kapazitätswerte zwischen 98 µf und 0 µf toleriert werden? Aufgabe : Die Ergebnisse bestimmter Messungen werden als normalverteilte Zufallsvariable angesehen. Wie groß ist dann die Wahrscheinlichkeit dafür, dass a) sich ein Messwert um mehr als die Hälfte der Standardabweichung vom Erwartungswert unterscheidet? b) sich ein Messwert um weniger als drei Viertel der Standardabweichg. vom Erwartungswert unterscheidet?

3 Aufgabe : Die Massen der in einer Bäckerei hergestellten Weihnachtsstollen können als normalverteilt mit dem Erwartungswert µ = 000 g und der Standardabweichung σ = g angesehen werden. Es kann davon ausgegangen werden, dass die einzelnen Massen unabhängig voneinander sind. Zur Auslieferung werden die Stollen zu je 9 Stück in Kartons verpackt. Die Masse des Verpackungsmaterials beträgt 00 g. a) Die Gesamtmasse dieser Kartons werde als Zufallsvariable Z betrachtet. Welcher Wahrscheinlichkeitsverteilung unterliegt Z (Typ der Verteilung und Kennwerte angeben)? b) Wie groß ist die Wahrscheinlichkeit dafür, dass die Masse eines Kartons weniger als 900 g beträgt? c) Wie groß ist die Wahrscheinlichkeit dafür, dass ein Karton zwischen 9 g und 9 g wiegt? Aufgabe : Die Messung des jährlichen Wasserverbrauchs von 8 Haushalten ergab die folgenden Werte (jeweils in m ): Berechnen Sie den Stichprobenmittelwert, die Stichprobenvarianz und den Variationskoeffizienten. Bestimmen Sie außerdem den Median und die Spannweite der Stichprobe. Aufgabe : Die Monatsgehälter x i der Mitarbeiter einer Firma haben den Mittelwert x = 000 EUR und die Standardabweichung s = 000 EUR. Wie verändern sich x, s sowie der Variationskoeffizient v, wenn a) jedes Gehalt um 00 EUR erhöht wird bzw. b) jedes Gehalt um % erhöht wird? Aufgabe : Die Untersuchung der Temperaturabhängigkeit eines ohmschen Widerstandes führte zu der folgenden Stichprobe (Messwertepaare): i T i (in C) R i (in Ω) Berechnen Sie s T, s R und die empirische Kovarianz s T R sowie den empir. Korrelationskoeffizienten r T R. Aufgabe 6: Die Leistung eines bestimmten Typs von Fahrzeugmotoren wurde geprüft. Die Auswertung einer Stichprobe vom Umfang n = 8 ergab: x = 99. sowie s =.66 (jeweils in PS). Berechnen Sie jeweils ein Konfidenzintervall für µ und für σ bei einem Konfidenzniveau von 0.9, wenn davon ausgegangen wird, dass die Motorleistung eine normalverteilte Zufallsvariable ist. Aufgabe 7: In einer Versuchsreihe wurde die Dichte X einer Eisenkugel insgesamt 0-mal gemessen, wobei nur 6 verschiedene Messwerte mit der folgenden Häufigkeitsverteilung auftraten: x i (in g/cm ) abs. Häuf. h i Bestimmen Sie anhand dieser Stichprobe ein Konfidenzintervall für den unbekannten Erwartungswert µ der als normalverteilt geltenden Messgröße X (das Konfidenzniveau sei α = 0.99). weiter siehe S.

4 Aufgabe 8 : Ein Probekörper wird mit einer Feinwaage mehrmals gewogen. Die Ergebnisse der Wägungen seien unabhängig voneinander und können durch eine N(µ, σ0 )-verteilte Zufallsvariable beschrieben werden. Dabei entspricht µ der unbekannten Masse des Probekörpers und weiterhin gelte σ0 = 0 (Angabe des Herstellers der Waage). Für µ soll mit dem Mittelwert der Messergebnisse ein Schätzwert angegeben werden. Wieviele Messungen (Wägungen des Probekörpers) müssen durchgeführt werden, damit der Schätzwert mit einer Wahrscheinlichkeit von 9 % um nicht mehr als 0 vom wahren Wert abweicht? Aufgabe 9: Ein Hersteller produziert in großer Stückzahl elektrische Widerstände mit dem Sollwert µ 0 = 00 Ω. Der ohmsche Widerstand kann dabei als eine annähernd normalverteilte Zufallsvariable angesehen werden. Nach Angaben des Herstellers wird der vorgegebene Sollwert auch eingehalten. Eine Stichprobe vom Umfang n = 0 ergab jedoch einen empirischen Mittelwert von x = 0 Ω. Testen Sie mit einer Irrtumswahrscheinlichkeit von α = 0.0 die Nullhypothese H 0 : µ = µ 0 = 00 Ω gegen die Alternativhypothese H : µ µ 0. Aufgrund langjähriger Erfahrungen darf dabei von einer Standardabweichung σ = Ω ausgegangen werden. Aufgabe 0: In einem Werk werden Schrauben produziert, deren Länge X eine normalverteilte Zufallsgröße mit dem Erwartungswert µ 0 = mm sei. Eine Stichprobe führte zu dem folgenden Ergebnis: n = ; x = 0. mm ; s =. mm. Prüfen Sie mit einer Irrtumswahrscheinlichkeit α = 0.0, ob die Abweichung des beobachteten Stichprobenmittelwertes vom Sollwert signifikant oder zufallsbedingt ist. Aufgabe : Eine Maschine produziert Wellen von hoher Präzision. Als Genauigkeitsmaß wird die Standardabweichung σ 0 des Wellendurchmessers X betrachtet. Die Maschine wurde dabei so eingestellt, dass σ 0 = 0. mm beträgt. Zu Kontrollzwecken wurde eine Stichprobe vom Umfang n = entnommen. Ihre Auswertung ergab jedoch eine empirische Standardabweichung von s = 0. mm. Muss die Maschine neu eingestellt werden? Testen Sie daher mit einer Irrtumswahrscheinlichkeit von α = % die Nullhypothese H 0 : σ σ0 und treffen Sie eine Entscheidung. Ändert sich diese, wenn der Test mit der Irrtumswahrscheinlichkeit α = % durchgeführt wird? Ergebnisse siehe S.

5 Ergebnisse Aufgabe : x i f(x i ) 6 µ = 7, σ = 0.8 Aufgabe : a) 0.0 b) 0.9 (für Herst. I), 0.07 (für Herst. III) Aufgabe : für x < Aufgabe : F (x) = (x x ) + 0. für x für x >, c =.07 Aufgabe : a) a = π Aufgabe 6 : α π b) arctan(e) π Aufgabe 7: a) 0.99 b) c) 0.7 Aufgabe 8: 0.00 Aufgabe 9: a) b) 0. 0 Aufgabe 0: a). % b) 6.7 % Aufgabe : a) 0.67 b) 0.7 Aufgabe : a) Z N(900 g, 0 g ) b) 0.0 c) Aufgabe : x = 9., s = 60., v = 0., x =, R = 6 Aufgabe : a) x vergrößert sich (um 00 EUR), s bleibt unverändert, v wird kleiner b) x und s werden größer, v bleibt unverändert Aufgabe : s T = 8. ( C), s R = Ω, s T R =. C Ω, r T R = Aufgabe 6: µ 0. (in PS),.0 σ 9. (in (PS) ) Aufgabe 7: 7.80 µ 7.88 (in g/cm ) Aufgabe 8 : mindestens 8 Messungen Aufgabe 9: Die Hypothese H 0 wird nicht abgelehnt. Aufgabe 0: Die Hypothese H 0 wird nicht abgelehnt, d.h. die Abweichung ist nicht signifikant. Aufgabe : Die Hypothese H 0 wird in beiden Fällen abgelehnt.

3) Testvariable: T = X µ 0

3) Testvariable: T = X µ 0 Beispiel 4.9: In einem Molkereibetrieb werden Joghurtbecher abgefüllt. Der Sollwert für die Füllmenge dieser Joghurtbecher beträgt 50 g. Aus der laufenden Produktion wurde eine Stichprobe von 5 Joghurtbechern

Mehr

Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007

Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007 Mathematik IV für Maschinenbau und Informatik Stochastik Universität Rostock, Institut für Mathematik Sommersemester 007 Prof. Dr. F. Liese Dipl.-Math. M. Helwich Serie Termin: 9. Juni 007 Aufgabe 3 Punkte

Mehr

Übungsscheinklausur,

Übungsscheinklausur, Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 27 Prof. Dr. F. Liese Übungsscheinklausur, 3.7.27 Dipl.-Math. M. Helwich Name:...

Mehr

7. Übung: Aufgabe 1. b), c), e) Aufgabe 2. a), c), e) Aufgabe 3. c), e) Aufgabe 4. Aufgabe 5. Aufgabe 6. Aufgabe 7. Aufgabe 8. Aufgabe 9.

7. Übung: Aufgabe 1. b), c), e) Aufgabe 2. a), c), e) Aufgabe 3. c), e) Aufgabe 4. Aufgabe 5. Aufgabe 6. Aufgabe 7. Aufgabe 8. Aufgabe 9. 7. Übung: Aufgabe 1 b), c), e) Aufgabe a), c), e) Aufgabe 3 c), e) Aufgabe 4 b) Aufgabe 5 a) Aufgabe 6 b) Aufgabe 7 e) Aufgabe 8 c) Aufgabe 9 a), c), e) Aufgabe 10 b), d) Aufgabe 11 a) Aufgabe 1 b) Aufgabe

Mehr

2. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017

2. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017 . Lösung weitere Übungsaufgaben Statistik II WiSe 016/017 1. Aufgabe: Bei der Produktion eines Werkstückes wurde die Bearbeitungszeit untersucht. Für die als normalverteilt angesehene zufällige Bearbeitungszeit

Mehr

10,24 ; 10,18 ; 10,28 ; 10,25 ; 10,31.

10,24 ; 10,18 ; 10,28 ; 10,25 ; 10,31. Bei einer Flaschenabfüllanlage ist die tatsächliche Füllmenge einer Flasche eine normalverteilte Zufallsvariable mit einer Standardabweichung = 3 [ml]. Eine Stichprobe vom Umfang N = 50 ergab den Stichprobenmittelwert

Mehr

Zeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: k = n (n + 1) 2

Zeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: k = n (n + 1) 2 Aufgabe 1. (5 Punkte) Zeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: n k = k=1 n (n + 1). 2 Aufgabe 2. (5 Punkte) Bestimmen Sie das folgende Integral mithilfe partieller

Mehr

Wahrscheinlichkeit und Statistik BSc D-INFK

Wahrscheinlichkeit und Statistik BSc D-INFK Prof. Dr. P. Bühlmann ETH Zürich Sommer 2010 Wahrscheinlichkeit und Statistik BSc D-INFK 1. (10 Punkte) Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete

Mehr

Mathematik 2 Probeprüfung 1

Mathematik 2 Probeprüfung 1 WWZ Wirtschaftswissenschaftliche Fakultät der Universität Basel Dr. Thomas Zehrt Bitte in Druckbuchstaben ausfüllen: Name Vorname Mathematik 2 Probeprüfung 1 Zeit: 90 Minuten, Maximale Punktzahl: 72 Zur

Mehr

Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz

Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz Grundlage: Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz Die Testvariable T = X µ 0 S/ n genügt der t-verteilung mit n 1 Freiheitsgraden. Auf der Basis

Mehr

Lösg: a) 0,0548 b) 0,4514 c) 23 Becher d) 234,9 [ml]

Lösg: a) 0,0548 b) 0,4514 c) 23 Becher d) 234,9 [ml] Ein Elektrokonzern stellt Halogenlampen mit einer durchschnittlichen Lebensdauer von 8 Stunden und einer Standardabweichung von 4 Stunden her. Die Lebensdauer sei eine normalverteilte Zufallsvariable.

Mehr

Handelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen?

Handelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen? 1. Handelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen? a.) Anzahl der Kunden, die an der Kasse in der Schlange stehen. b.) Die Menge an Energie, die pro Tag von einem Energieversorgungsunternehmen

Mehr

Wichtige Definitionen und Aussagen

Wichtige Definitionen und Aussagen Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge

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

2. Übung zur Vorlesung Statistik 2

2. Übung zur Vorlesung Statistik 2 2. Übung zur Vorlesung Statistik 2 Aufgabe 1 Welche der folgenden grafischen Darstellungen und Tabellen zeigen keine (Einzel-)Wahrscheinlichkeitsverteilung? Kreuzen Sie die richtigen Antworten an und begründen

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

Fakultät Mathematik. Mathematik III. Mathematik III Fernstudium Grundlagen der Stochastik und Statistik. Institut für Analysis Termin 2/2

Fakultät Mathematik. Mathematik III. Mathematik III Fernstudium Grundlagen der Stochastik und Statistik. Institut für Analysis Termin 2/2 Fakultät Mathematik Mathematik III Institut Fachrichtung für Analysis Mathematik Mathematik Termin 32/2 Institut für Analysis Termin 2/2 Dr. Dr. Frank R. Stahn Morherr 08.06.2018 14.12.2018 Mathematik

Mehr

2. Formulieren von Hypothesen. Nullhypothese: H 0 : µ = 0 Gerät exakt geeicht

2. Formulieren von Hypothesen. Nullhypothese: H 0 : µ = 0 Gerät exakt geeicht 43 Signifikanztests Beispiel zum Gauß-Test Bei einer Serienfertigung eines bestimmten Typs von Messgeräten werden vor der Auslieferung eines jeden Gerätes 10 Kontrollmessungen durchgeführt um festzustellen,

Mehr

Aufgabe 1 (8= Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten:

Aufgabe 1 (8= Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten: Aufgabe 1 (8=2+2+2+2 Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten: Die Zufallsvariable X bezeichne die Note. 1443533523253. a) Wie groß ist h(x 5)? Kreuzen

Mehr

Statistik für Ingenieure Vorlesung 3

Statistik für Ingenieure Vorlesung 3 Statistik für Ingenieure Vorlesung 3 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 14. November 2017 3. Zufallsgrößen 3.1 Zufallsgrößen und ihre Verteilung Häufig sind

Mehr

Eine Zufallsvariable X sei stetig gleichverteilt im Intervall [0,5]. Die Wahrscheinlichkeit P(2< x <4) ist dann

Eine Zufallsvariable X sei stetig gleichverteilt im Intervall [0,5]. Die Wahrscheinlichkeit P(2< x <4) ist dann 4. Übung Themenkomplex: Zufallsvariablen und ihre Verteilung Aufgabe 1 Für eine stetige Zufallsvariable gilt: a) P (x = t) > 0 b) P (x 1) = F (1) c) P (x = 1) = 0 d) P (x 1) = 1 F(1) e) P (x 1) = 1 F(1)

Mehr

Dr. W. Kuhlisch Dresden, Institut für Mathematische Stochastik

Dr. W. Kuhlisch Dresden, Institut für Mathematische Stochastik Dr. W. Kuhlisch Dresden, 12. 08. 2014 Institut für Mathematische Stochastik Klausur Statistik für Studierende der Fachrichtungen Hydrologie und Altlasten/Abwasser zugelassene Hilfsmittel: Taschenrechner

Mehr

Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL)

Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Prof. Dr. M. Maathuis ETH Zürich Winter 2010 Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Schreiben Sie für Aufgabe 2-4 stets alle Zwischenschritte und -rechnungen sowie Begründungen auf. Aufgabe

Mehr

Die Familie der χ 2 (n)-verteilungen

Die Familie der χ 2 (n)-verteilungen Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +

Mehr

Die Familie der χ 2 (n)-verteilungen

Die Familie der χ 2 (n)-verteilungen Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +

Mehr

Vertiefung der. Wirtschaftsmathematik. und Statistik (Teil Statistik)

Vertiefung der. Wirtschaftsmathematik. und Statistik (Teil Statistik) Selbstkontrollarbeit 1 Vertiefung der Wirtschaftsmathematik und Statistik (Teil Statistik) 18. Januar 2011 Aufgaben Aufgabe 1 Gegeben sei eine binomialverteilte Zufallsvariablen X mit den Parametern N

Mehr

Wahrscheinlichkeit und Statistik: Zusammenfassung

Wahrscheinlichkeit und Statistik: Zusammenfassung HSR Hochschule für Technik Rapperswil Wahrscheinlichkeit und Statistik: Zusammenfassung beinhaltet Teile des Skripts von Herrn Hardy von Lukas Wilhelm lwilhelm.net 12. Januar 2007 Inhaltsverzeichnis 1

Mehr

Statistik (Ch/Ph) Schwerpunkte und Aufgaben

Statistik (Ch/Ph) Schwerpunkte und Aufgaben 1 Kombinatorik 1.1 Aufgaben Statistik (Ch/Ph) Schwerpunkte und Aufgaben Eine Münze wird fünfmal geworfen. Es wird notiert, ob Zahl oder Wappen erscheint. Wieviel verschiedene Versuchsprotokolle sind möglich?

Mehr

FF Düsseldorf WS 2007/08 Prof. Dr. Horst Peters. Vorlesung Quantitative Methoden 1B im Studiengang Business Administration (Bachelor) Seite 1 von 6

FF Düsseldorf WS 2007/08 Prof. Dr. Horst Peters. Vorlesung Quantitative Methoden 1B im Studiengang Business Administration (Bachelor) Seite 1 von 6 Vorlesung Quantitative Methoden 1B im Studiengang Business Administration (Bachelor) Seite 1 von 6 (Konfidenzintervalle, Gauß scher Mittelwerttest) 1. Bei einem bestimmten Großraumflugzeug sei die Auslastung

Mehr

Statistik II für Wirtschaftswissenschaftler

Statistik II für Wirtschaftswissenschaftler Fachbereich Mathematik 20.04.2017 Dr. Hefter & Dr. Herzwurm Übungsblatt 0 Keine Abgabe. Gegeben seien die Mengen A 1 =, A 2 = {1}, A 3 = {1, 1}, A 4 = {1, 3}, A 5 = {1, 2, 4}, A 6 = {1, 2, 3, 4}. a) Bestimmen

Mehr

KLAUSUR_MAI_08 LÖSUNGEN Stat2. 1. Eine Einkommensstatistik (Jahresbruttoeinkommen, klassiert), zeigte folgende Ergebnisse: (in 1000 Euro)

KLAUSUR_MAI_08 LÖSUNGEN Stat2. 1. Eine Einkommensstatistik (Jahresbruttoeinkommen, klassiert), zeigte folgende Ergebnisse: (in 1000 Euro) 1. Eine Einkommensstatistik (Jahresbruttoeinkommen, klassiert), zeigte folgende Ergebnisse: (in 1000 Euro) 10 bis unter 20 20 30 30 40 über 40 bis 100 U (Unselbständige) 46 89 90 45 S (Selbständige) 63

Mehr

Statistik I für Betriebswirte Vorlesung 4

Statistik I für Betriebswirte Vorlesung 4 Statistik I für Betriebswirte Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 25. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung

Mehr

Statistik I für Betriebswirte Vorlesung 14

Statistik I für Betriebswirte Vorlesung 14 Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli

Mehr

Auswertung und Lösung

Auswertung und Lösung Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage

Mehr

Statistik I für Betriebswirte Vorlesung 3

Statistik I für Betriebswirte Vorlesung 3 Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 15. April 2019 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 1. April

Mehr

Wahrscheinlichkeitstheorie und Statistik vom

Wahrscheinlichkeitstheorie und Statistik vom INSTITUT FÜR STOCHASTIK SS 2007 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Dipl.-Math. oec. W. Lao Klausur (Maschineningenieure) Wahrscheinlichkeitstheorie und Statistik vom 2.9.2007 Musterlösungen

Mehr

Qualität und Zuverlässigkeit - Statistik Master MB Aufgaben zum Kapitel 2: Zufallsgröÿen und ihre Verteilungen

Qualität und Zuverlässigkeit - Statistik Master MB Aufgaben zum Kapitel 2: Zufallsgröÿen und ihre Verteilungen Fachbereich Grundlagenwissenschaften Prof. Dr. Viola Weiÿ Sommersemester 08 Qualität und Zuverlässigkeit - Statistik Master MB Aufgaben zum Kapitel : Zufallsgröÿen und ihre Verteilungen. Bei einer Klausur

Mehr

Statistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg. für Betriebswirtschaft und internationales Management

Statistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg. für Betriebswirtschaft und internationales Management für Betriebswirtschaft und internationales Management Sommersemester 2015 Prof. Dr. Stefan Etschberger Hochschule Augsburg Normalverteilung Eine Zufallsvariable X mit einer Dichtefunktion und σ > 0 heißt

Mehr

7.5 Erwartungswert, Varianz

7.5 Erwartungswert, Varianz 7.5 Erwartungswert, Varianz Def. 7.5.: a) X sei eine diskrete ZV, die bei unendl. vielen Werten x k folgende Zusatzbedingung erfüllt: x k p k

Mehr

Statistik Zusätzliche Beispiele WS 2018/19

Statistik Zusätzliche Beispiele WS 2018/19 Statistik Zusätzliche Beispiele WS 208/9 Blatt 2: Wahrscheinlichkeitsrechnung. Erstellen Sie zur Zufallsgröße Augensumme von drei fairen Würfeln eine Tabelle der Wahrscheinlichkeitsfunktion und vergleichen

Mehr

Testen von Hypothesen:

Testen von Hypothesen: Testen von Hypothesen: Ein Beispiel: Eine Firma produziert Reifen. In der Entwicklungsabteilung wurde ein neues Modell entwickelt, das wesentlich ruhiger läuft. Vor der Markteinführung muss aber auch noch

Mehr

7. Übung. Einfache statistische Schätzverfahren. Aufgabe 1. Mögliche Parameter der Grundgesamtheit sind. a) S. c) N. d) n.

7. Übung. Einfache statistische Schätzverfahren. Aufgabe 1. Mögliche Parameter der Grundgesamtheit sind. a) S. c) N. d) n. 7. Übung Einfache statistische chätzverfahren Aufgabe 1 Mögliche Parameter der Grundgesamtheit sind a) b) σ c) N d) n e) μ Aufgabe 2 Eigenschaften guter chätzfunktionen sind: a) Konsistenz b) Konfidenz

Mehr

Die im Folgenden vorgestellten Lösungen sind Vorschläge. Andere Lösungswege sind denkbar, Tippfehler sind nicht auszuschließen.

Die im Folgenden vorgestellten Lösungen sind Vorschläge. Andere Lösungswege sind denkbar, Tippfehler sind nicht auszuschließen. Zusätzliche Übungsaufgaben II Die im Folgenden vorgestellten Lösungen sind Vorschläge. Andere Lösungswege sind denkbar, Tippfehler sind nicht auszuschließen. Aufgabe 1 ( Punkte) Eine Tablettenverpackungsmaschine

Mehr

SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf. SBP Mathe Aufbaukurs 1

SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf. SBP Mathe Aufbaukurs 1 SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf SBP Mathe Aufbaukurs 1 # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit. Das

Mehr

Chi-Quadrat-Verteilung

Chi-Quadrat-Verteilung Chi-Quadrat-Verteilung Wikipedia http://de.wikipedia.org/wiki/chi-quadrat-verteilung 1 von 7 6/18/2009 6:13 PM Chi-Quadrat-Verteilung aus Wikipedia, der freien Enzyklopädie Die Chi-Quadrat-Verteilung ist

Mehr

Kapitel VII - Funktion und Transformation von Zufallsvariablen

Kapitel VII - Funktion und Transformation von Zufallsvariablen Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel VII - Funktion und Transformation von Zufallsvariablen Markus Höchstötter Lehrstuhl

Mehr

Statistische Tests (Signifikanztests)

Statistische Tests (Signifikanztests) Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)

Mehr

Es sei x 1. Zeigen Sie mittles vollständiger Induktion, dass dann für jede natürliche Zahl n 0 gilt: n x k = 1 xn+1 1 x.

Es sei x 1. Zeigen Sie mittles vollständiger Induktion, dass dann für jede natürliche Zahl n 0 gilt: n x k = 1 xn+1 1 x. Aufgabe 1. (5 Punkte) Es sei x 1. Zeigen Sie mittles vollständiger Induktion, dass dann für jede natürliche Zahl n 0 gilt: n x k = 1 xn+1 k=0 1 x. Aufgabe 2. (7 Punkte) Bestimmen Sie das folgende Integral

Mehr

Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1

Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1 Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1 Aufgabe 1: Von 2 gleichartigen Maschinen eines pharmazeutischen Betriebes stellt die erste 40% und die zweite 60% der Produkte her. Dabei verursacht

Mehr

TU DORTMUND Sommersemester 2018

TU DORTMUND Sommersemester 2018 Fakultät Statistik. April 08 Blatt Aufgabe.: Wir betrachten das Zufallsexperiment gleichzeitiges Werfen zweier nicht unterscheidbarer Würfel. Sei A das Ereignis, dass die Augensumme beider Würfel ungerade

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

Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Stetige Verteilungen

Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Stetige Verteilungen Materialien zur Lösung der folgenden Aufgaben: - in Übung 3 beigefügte Tabelle Wahrscheinlichkeitsverteilungen diskreter und stetiger Zufallsgrößen - Übersicht - beigefügte Tabelle spezieller stetiger

Mehr

Stichproben Parameterschätzung Konfidenzintervalle:

Stichproben Parameterschätzung Konfidenzintervalle: Stichproben Parameterschätzung Konfidenzintervalle: Beispiel Wahlprognose: Die Grundgesamtheit hat einen Prozentsatz p der Partei A wählt. Wenn dieser Prozentsatz bekannt ist, dann kann man z.b. ausrechnen,

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

Stochastik Musterlösung 4

Stochastik Musterlösung 4 ETH Zürich HS 218 RW, D-MATL, D-MAVT Prof. Marloes H. Maathuis Koordinator Dr. Marvin S. Müller Stochastik Musterlösung 4 1. Die Zufallsvariable, die die Anzahl eingehender Telefonanrufe in einer Telefonzentrale

Mehr

Aufgabe (12 Punkte) Sei A A eine σ-algebra. (a) Man zeige: Ist X : Ω R A -messbar, dann ist X A-messbar. (b) Gilt die Umkehrung von (a)?

Aufgabe (12 Punkte) Sei A A eine σ-algebra. (a) Man zeige: Ist X : Ω R A -messbar, dann ist X A-messbar. (b) Gilt die Umkehrung von (a)? Am 5. Mai 2007 wurde zum dritten Mal eine stochastische Eingangsprüfung durchgeführt. Insgesamt konnten maximal 56 Punkte erreicht werden, zum Bestehen der Prüfung waren mindestens 26 Punkte notwendig.

Mehr

Statistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management

Statistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management Statistik für Betriebswirtschaft und International Management Sommersemester 2014 Prof. Dr. Stefan Etschberger HSA Streuungsparameter Varianz Var(X) bzw. σ 2 : [x i E(X)] 2 f(x i ), wenn X diskret Var(X)

Mehr

1. Grundbegri e der Stochastik

1. Grundbegri e der Stochastik Wiederholung von Grundwissen der Stochastik. Grundbegri e der Stochastik Menge der Ereignisse. Die Elemente! der Menge heißen Elementarereignisse und sind unzerlegbare Ereignisse. Das Ereignis A tritt

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

Übungsaufgaben zu Kapitel 5

Übungsaufgaben zu Kapitel 5 Übungsaufgaben zu Kapitel 5 Lösungen zu den Übungsaufgaben ab Seite 9. Aufgabe 9 Bei der Herstellung von Schokoladentafeln interessiert a) das durchschnittliche Abfüllgewicht einer Tafel Schokolade. b)

Mehr

Übungsaufgaben zu Statistik II

Übungsaufgaben zu Statistik II Übungsaufgaben zu Statistik II Prof. Dr. Irene Prof. Dr. Albrecht Ungerer Die Kapitel beziehen sich auf das Buch: /Ungerer (2016): Statistik für Wirtschaftswissenschaftler Springer Gabler 4 Übungsaufgaben

Mehr

WS 2014/15. (d) Bestimmen Sie die Wahrscheinlichkeitsfunktion von X. (e) Bestimmen Sie nun den Erwartungswert und die Varianz von X.

WS 2014/15. (d) Bestimmen Sie die Wahrscheinlichkeitsfunktion von X. (e) Bestimmen Sie nun den Erwartungswert und die Varianz von X. Fragenkatalog zur Übung Methoden der empirischen Sozialforschung WS 2014/15 Hier finden Sie die denkbaren Fragen zum ersten Teil der Übung. Das bedeutet, dass Sie zu diesem Teil keine anderen Fragen im

Mehr

Bereiche der Statistik

Bereiche der Statistik Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden

Mehr

Mehrdimensionale Zufallsvariablen

Mehrdimensionale Zufallsvariablen Mehrdimensionale Zufallsvariablen Im Folgenden Beschränkung auf den diskreten Fall und zweidimensionale Zufallsvariablen. Vorstellung: Auswerten eines mehrdimensionalen Merkmals ( ) X Ỹ also z.b. ω Ω,

Mehr

Statistik für Ingenieure Vorlesung 5

Statistik für Ingenieure Vorlesung 5 Statistik für Ingenieure Vorlesung 5 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 28. November 2017 3.4 Wichtige stetige Verteilungen 3.4.1 Exponentialverteilung Parameter:

Mehr

Biomathematik für Mediziner, Klausur SS 2001 Seite 1

Biomathematik für Mediziner, Klausur SS 2001 Seite 1 Biomathematik für Mediziner, Klausur SS 2001 Seite 1 Aufgabe 1: Von den Patienten einer Klinik geben 70% an, Masern gehabt zu haben, und 60% erinnerten sich an eine Windpockeninfektion. An mindestens einer

Mehr

Kapitel III: Einführung in die schließende Statistik

Kapitel III: Einführung in die schließende Statistik Kapitel III: Einführung in die schließende Statistik Das zweite Kapitel beschäftigte sich mit den Methoden der beschreibenden Statistik. Im Mittelpunkt der kommenden Kapitel stehen Verfahren der schließenden

Mehr

Serie 4, Musterlösung

Serie 4, Musterlösung Serie 4, Musterlösung WST www.adams-science.org Klasse: 4U, 4Mb, 4Eb Datum: FS 18 1. Ableitung und Summenzeichen 974558 Leiten Sie die beiden Reihen ab und formulieren Sie einen Zusammenhang zwischen f(x),

Mehr

Statistik Übungen WS 2017/18

Statistik Übungen WS 2017/18 Statistik Übungen WS 2017/18 Blatt 2: Wahrscheinlichkeitsrechnung 1. Die nach dem französischen Mathematiker Pierre-Simon de Laplace benannten Laplace- Experimente beruhen auf der Annahme, dass bei einem

Mehr

( x i 1 ; x i ] \(ỹ j 1 ; ỹ j ]

( x i 1 ; x i ] \(ỹ j 1 ; ỹ j ] Aufgabe 1 Die Befragung von 100 mittelständischen Dienstleistungsunternehmen einer Metropolregion nach ihren Umsätzen sowie Werbeausgaben im Jahre 2008 erbrachte folgende Häufigkeitsfunktion: ( x i 1 ;

Mehr

Statistik Übungen Sommeruni 2018

Statistik Übungen Sommeruni 2018 Statistik Übungen Sommeruni 2018 Blatt 2: Wahrscheinlichkeitsrechnung 1. Die nach dem französischen Mathematiker Pierre-Simon de Laplace benannten Laplace- Experimente beruhen auf der Annahme, dass bei

Mehr

Wahrscheinlichkeit und Statistik BSc D-INFK

Wahrscheinlichkeit und Statistik BSc D-INFK Prof. Dr. P. Bühlmann ETH Zürich Winter 2010 Wahrscheinlichkeit und Statistik BSc D-INFK 1. (10 Punkte) Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete

Mehr

Lösungen zum Aufgabenblatt 14

Lösungen zum Aufgabenblatt 14 Lösungen zum Aufgabenblatt 14 61. Das Gewicht von Brötchen (gemessen in g) sei zufallsabhängig und werde durch eine normalverteilte Zufallsgröße X N(µ, 2 ) beschrieben, deren Varianz 2 = 49 g 2 bekannt

Mehr

Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1

Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1 Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2013 Aufgabe 1 In einer Urne

Mehr

Statistik Übungen SS 2018

Statistik Übungen SS 2018 Statistik Übungen SS 2018 Blatt 2: Wahrscheinlichkeitsrechnung 1. Die nach dem französischen Mathematiker Pierre-Simon de Laplace benannten Laplace- Experimente beruhen auf der Annahme, dass bei einem

Mehr

Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL)

Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Prof. Dr. P. Embrechts ETH Zürich Winter 2012 Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Schreiben Sie für Aufgabe 2-4 stets alle Zwischenschritte und -rechnungen sowie Begründungen auf. Aufgabe

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

(8 + 2 Punkte) = = 0.75

(8 + 2 Punkte) = = 0.75 Aufgabe 1 (8 + 2 Punkte) Von 20 Teilnehmern einer Bergwanderung geben 8 Personen an Knieschmerzen zu haben. 6 Teilnehmer leiden an Sonnenbrand. 8 Teilnehmer blieben unversehrt. a) Wie groß ist die Wahrscheinlichkeit,

Mehr

Teil VIII. Zentraler Grenzwertsatz und Vertrauensintervalle. Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle. Lernziele. Typische Situation

Teil VIII. Zentraler Grenzwertsatz und Vertrauensintervalle. Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle. Lernziele. Typische Situation Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle Patric Müller ETHZ Teil VIII Zentraler Grenzwertsatz und Vertrauensintervalle WBL 17/19, 29.05.2017 Wahrscheinlichkeit

Mehr

4.1. Nullhypothese, Gegenhypothese und Entscheidung

4.1. Nullhypothese, Gegenhypothese und Entscheidung rof. Dr. Roland Füss Statistik II SS 8 4. Testtheorie 4.. Nullhypothese, Gegenhypothese und Entscheidung ypothesen Annahmen über die Verteilung oder über einzelne arameter der Verteilung eines Merkmals

Mehr

Nachklausur Mathematik für Biologen WS 08/09

Nachklausur Mathematik für Biologen WS 08/09 Aufgabe 1: (5 Punkte) In einer diploiden Population beobachten wir die Ausprägung eines bestimmten Gens, das zwei Allele V und W annimmt. Somit besitzt jedes Individuum V V, V W oder W W als Genotyp. Die

Mehr

Biomathematik für Mediziner, Klausur SS 2000 Seite 1

Biomathematik für Mediziner, Klausur SS 2000 Seite 1 Biomathematik für Mediziner, Klausur SS 2000 Seite 1 Aufgabe 1: Bei der Diagnose einer bestimmten Krankheit mit einem speziellen Diagnoseverfahren werden Patienten, die tatsächlich an der Krankheit leiden,

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

Statistik Zusätzliche Beispiele SS 2018 Blatt 3: Schließende Statistik

Statistik Zusätzliche Beispiele SS 2018 Blatt 3: Schließende Statistik Statistik Zusätzliche Beispiele SS 2018 Blatt 3: Schließende Statistik 1. I Ein Personalchef führt so lange Vorstellungsgespräche durch bis der erste geeignete Bewerber darunter ist und stellt diesen an.

Mehr

Sie wissen noch, dass 18.99% der Surfer, die kein Smartphone haben, pro Monat weniger als 20 Stunden das Internet nutzen, d.h. f(y 1 X 2 ) =

Sie wissen noch, dass 18.99% der Surfer, die kein Smartphone haben, pro Monat weniger als 20 Stunden das Internet nutzen, d.h. f(y 1 X 2 ) = Aufgabe 1 In einer Umfrage wird der Besitz eines Smartphones (Merkmal X) und die Nutzungsdauer des Internets pro Monat (Merkmal Y ) untersucht. Merkmal X hat zwei Ausprägungen: X 1 : Besitz und X 2 : Nichtbesitz.

Mehr

Mathematik für Naturwissenschaften, Teil 2

Mathematik für Naturwissenschaften, Teil 2 Lösungsvorschläge für die Aufgaben zur Vorlesung Mathematik für Naturwissenschaften, Teil Zusatzblatt SS 09 Dr. J. Schürmann keine Abgabe Aufgabe : Eine Familie habe fünf Kinder. Wir nehmen an, dass die

Mehr

6. Kontinuierliche Zufallsgrößen. Beispiel 1: Die Exponentialverteilungen Sei λ > 0. Setzen

6. Kontinuierliche Zufallsgrößen. Beispiel 1: Die Exponentialverteilungen Sei λ > 0. Setzen 6. Kontinuierliche Zufallsgrößen Definition: Eine Z. G. ξ ist absolut stetig mit (Wahrscheinlichkeits-) Dichte f : R R, wenn gilt: P ( a ξ < b ) = b a f(x) dx (a < b) allgem. Eigenschaften einer Dichte

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung Übung 7 1 Inhalt der heutigen Übung Statistik und Wahrscheinlichkeitsrechnung Vorrechnen der Hausübung D.9 Gemeinsames Lösen der Übungsaufgaben D.10: Poissonprozess

Mehr

D-MATH Wahrscheinlichkeitsrechnung und Statistik FS18 Prof. J. Teichmann. Serie 12

D-MATH Wahrscheinlichkeitsrechnung und Statistik FS18 Prof. J. Teichmann. Serie 12 D-MATH Wahrscheinlichkeitsrechnung und Statistik FS18 Prof. J. Teichmann Serie 12 1. Einer Gruppe von 20 Tennisspielern mittleren Niveaus werden je zwei Tennisschläger zum Testen ausgehändigt. Einer der

Mehr

6. Schätzverfahren für Parameter

6. Schätzverfahren für Parameter 6. Schätzverfahren für Parameter Ausgangssituation: Ein interessierender Zufallsvorgang werde durch die ZV X repräsentiert X habe eine unbekannte Verteilungsfunktion F X (x) Wir interessieren uns für einen

Mehr

A3.Die Lebensdauer eines elektronischen Gerätes werde als normalverteilt angenommen. Der Erwartungswert betrage

A3.Die Lebensdauer eines elektronischen Gerätes werde als normalverteilt angenommen. Der Erwartungswert betrage Aufgaben ~ Beispiele A1. Wir spielen Roulette mit einem Einsatz von 5 mit der Glückszahl 15. Die Wahrscheinlichkeiten und Auszahlungen beim Roulette sind in folgender Tabelle zusammengefasst: Ereignis

Mehr

Wirtschaftsstatistik-Klausur am

Wirtschaftsstatistik-Klausur am Wirtschaftsstatistik-Klausur am 0.07.017 Aufgabe 1 Ein Handy- und PC-Hersteller verfügt über ein exklusives Filialnetz von 900 Filialen. Der Gewinn (in GE) der Filialen ist in der folgenden Tabelle nach

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

So berechnen Sie einen Schätzer für einen Punkt

So berechnen Sie einen Schätzer für einen Punkt htw saar 1 EINFÜHRUNG IN DIE STATISTIK: SCHÄTZEN UND TESTEN htw saar 2 Schätzen: Einführung Ziel der Statistik ist es, aus den Beobachtungen eines Merkmales in einer Stichprobe Rückschlüsse über die Verteilung

Mehr

Aufgaben aus MINÖL Ü 1

Aufgaben aus MINÖL Ü 1 TU Ilmenau Institut für Mathematik Aufgaben aus MINÖL Ü 1 Aufgabe Ü4-1.1: Stochastik für Informatikstudenten Ein Arbeiter fertigt n Einzelteile. Das zufällige Ereignis Das i-te Einzelteil ist Ausschuss

Mehr