TU DORTMUND Sommersemester 2018

Größe: px
Ab Seite anzeigen:

Download "TU DORTMUND Sommersemester 2018"

Transkript

1 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 ist und B das Ereignis, dass mindestens einer der Würfel eine zeigt. Weiterhin sei C das Ereignis, in dem die Summe beider Würfel 7 ergibt. a) Geben Sie einen geeigneten Ergebnisraum an. b) Geben Sie folgende Ereignisse an: (i) D = A B, (ii) D = B C, (iii) D = (A B) C, (iv) D 4 = A (B C), (v) D 5 = C \ A, (vi) D 6 = A B C. Aufgabe.: Gegeben sei der Ergebnisraum Ω = [, ] = {(x, y) R x, y } und folgende Teilmengen von Ω: A = {(x, y) Ω x + y 0}, B = {(x, y) Ω x + y }, C = {(x, y) Ω x y}. Bestimmen Sie A, A B, B C und stellen Sie die Mengen graphisch dar. Aufgabe.: Sei Ω eine nichtleere Menge und {A i i I} ein System von Teilmengen von Ω. Dabei ist I eine beliebige (also gerne auch überabzählbare), nichtleere Indexmenge. Beweisen Sie: i I A i = i I A i und A i = A i. i I i I

2 Fakultät Statistik. April 08 Blatt Aufgabe.: An einem Fußball-Turnier nehmen Mannschaften teil. Diese spielen zunächst eine Vorrunde, aufgeteilt in vier Gruppen. Bei der Auslosung der Mannschaften auf die Gruppen sind verschiedene Verfahren denkbar. Verfahren : Alle Mannschaften werden nacheinander blind aus einer Urne gezogen. Die ersten vier Mannschaften werden der Gruppe A zugeordnet, die nächsten vier der Gruppe B, usw. Verfahren : Die Mannschaften werden vorher anhand Ihrer bisherigen Leistungen auf vier Lostöpfe aufgeteilt. Für jede Gruppe wird jeweils aus jedem Lostopf eine Mannschaft gezogen. Somit begegnen sich Mannschaften aus dem selben Lostopf nicht in der Vorrunde. a) Wie viele Möglichkeiten der Gruppeneinteilungen gibt es jeweils bei den beiden Verfahren? Dabei soll die Reihenfolge der Mannschaften innerhalb einer Gruppe unberücksichtigt bleiben. b) Mannschaft X hält Mannschaft Y für einen schweren Gegner. Wie groß ist die Wahrscheinlichkeit, dass die beiden Mannschaften in der Vorrunde aufeinandertreffen? Dabei soll für Verfahren angenommen werden, dass sich die Mannschaften in unterschiedlichen Lostöpfen befinden. Aufgabe.: In einer dunklen Ecke des Campus verkaufen ältere Studenten für fünf Euro Lösungen zum aktuellen Analysis-II-Übungszettel. Sechs Studenten möchten diese Lösungen kaufen. Drei von ihnen haben einen Fünf-Euro-Schein, drei nur einen Zehn-Euro-Schein. Wie wahrscheinlich ist es, dass es dabei zu einem Wechselgeldproblem kommt, wenn die älteren Studenten vor Beginn ihres Verkaufs a) 0, b), c) und d) Fünf-Euro-Scheine als Wechselgeld in ihrer Kasse haben?

3 Fakultät Statistik 0. April 08 Blatt Aufgabe.: Gegeben sei ein Wahrscheinlichkeitsraum (Ω, A, P ) und Ereignisse A, B A mit P (A) = 0.7, P (B) = 0.6 und P (A B) = 0.5. a) Skizzieren Sie folgende Mengen durch Venn-Diagramme: (i) A B, (ii) A, (iii) B, (iv) A B, (v) A B, (vi) (A B) (A B). b) Berechnen Sie die Wahrscheinlichkeiten obiger Mengen. Aufgabe.: Gegeben sei ein Wahrscheinlichkeitsraum (Ω, A, P ) und Ereignisse A, B, C A mit P (A) = 4, P (B) =, P (C) =, P (A B) = 4, P (B C) = 5, P (A C) = 0. 6 Berechnen Sie P (A B C). Aufgabe.: Sei Ω = {0,, }. Geben Sie a) die kleinste und b) die größte σ-algebra über Ω an. Wie sieht die von {{0, }, {}} erzeugte σ-algebra über Ω aus?

4 Fakultät Statistik 07. Mai 08 Blatt 4 Aufgabe 4.: Wir betrachten den messbaren Raum (Ω, A ) = (N, P(N)). Sei n 0 N beliebig fest, sowie a, b R. Wir betrachten die Abbildung P : A R, für die gelte: a, n n 0 P ({n}) = n N. b, n > n 0 a) Wie muss P (A) für beliebiges A N definiert werden und wie müssen a und b gewählt werden, damit P ein Wahrscheinlichkeitsmaß ist? b) Bestimmen Sie folgende Wahrscheinlichkeiten: (i) P ({}), (ii) P ({}), (iii) P ({n 0 + }), (iv) P ({, }). Aufgabe 4.: Betrachten Sie erneut die Situation aus Aufgabe.: Gegeben sei ein Wahrscheinlichkeitsraum (Ω, A, P ) und Ereignisse A, B, C A mit P (A) = 4, P (B) =, P (C) =, P (A B) = 4, P (B C) = 5, P (A C) = 0. 6 Die Zufallsvariable X sei definiert über X(ω) = A (ω) + B (ω) + C (ω), wobei A (ω) die zur Menge A gehörende Indikatorfunktion beschreibe. a) Berechnen Sie P (X = n) für alle n N 0. b) Bestimmen Sie die Verteilungsfunktion von X und stellen Sie diese graphisch dar. Aufgabe 4.: Seien (Ω, A ) und (Ω, B) messbare Räume mit Ω = Ω = {0, }, A = {, {0, }} und B = {, {0}, {}, {0, }}. Des Weiteren sei X : Ω Ω mit X(ω) = ω ω Ω. Ist X A -B-messbar?

5 Fakultät Statistik 4. Mai 08 Blatt 5 Aufgabe 5.: Es sei X Geom(p) mit p (0, ). Zeigen Sie p X (i) =. i=0 Aufgabe 5.: Gegeben sei f(x) = ( θ) x θ (0,) (x) mit 0 < θ <. a) Zeigen Sie, dass f eine Wahrscheinlichkeitsdichte definiert. b) Bestimmen Sie die zugehörige Verteilungsfunktion. c) X sei eine Zufallsvariable, die obige Wahrscheinlichkeitsdichte besitze. Sei θ = 0.5. Bestimmen Sie P (X 0.5), P (X > 0.5) und P (0. < X < 0.9). Aufgabe 5.: Die Größe von Bäumen im Thetaburger Wald lasse sich durch eine Normalverteilung mit µ = 4.m und σ = 0.m beschreiben. a) Bestimmen Sie die Wahrscheinlichkeit, dass ein zufällig ausgewählter Baum mindestens 4. Meter groß ist. b) Wie groß ist die Wahrscheinlichkeit, dass ein zufällig ausgewählter Baum zwischen 4.5 und 4.45 Meter groß ist? c) Der Wald soll gelichtet werden. Dazu sollen die 40% kleinsten Bäume gefällt werden. Wie groß muss ein Baum mindestens sein, damit er stehen bleibt?

6 Fakultät Statistik. Mai 08 Blatt 6 Aufgabe 6.: Gegeben seien zwei diskrete Zufallsvariablen X und Y, jeweils mit Träger {,, }. Es sei P (X = i) = P (Y = i) =, i =,, und P (X = i, Y = i) =, i =,,. 0 P (X = i, Y = j), i j sei für alle i, j =,, identisch. a) Stellen Sie die Wahrscheinlichkeiten als zweidimensionale Wahrscheinlichkeitstabelle dar. Wie groß ist P (X = i, Y = j), i j? b) Bestimmen Sie die Wahrscheinlichkeitsverteilung von Z := X + Y. c) Bestimmen und skizzieren Sie die Verteilungsfunktion von Z. Aufgabe 6.: Gegeben Sei die zweidimensionale Dichtefunktion f X,Y (x, y) = (x + ) y [ 0.5,0.5] (x) [,] (y). a) Bestimmen Sie die Verteilungsfunktion von (X, Y ). Berechnen Sie P (X 0, Y.5) und P (X 0.4, Y.). b) Bestimmen Sie die Randdichten f X (x) und f Y (y).

7 Fakultät Statistik 8. Mai 08 Blatt 7 Aufgabe 7.: Wegen einer nahenden Grippeepidemie ließen sich 60% der Bevölkerung impfen. Die Wahrscheinlichkeit ohne Impfung zu erkranken beträgt 0.. Aus der Krankenstatistik ist ersichtlich, dass ein Erkrankter mit Wahrscheinlichkeit vorher geimpft wurde. Wie groß ist die Wahrscheinlichkeit trotz der Impfung zu erkranken? Aufgabe 7.: Ein Firma bezieht ein Bauteil von vier Lieferanten L, L, L, L 4 in folgenden Anteilen: L : 0%, L : 0%, L : 40%, L 4 : 0%. Der Anteil fehlerhafter Bauteile beträgt bei L : 0%, L : 5%, L : 5%, L 4 : 90%. Die Firma baut zufällig eins von den gelieferten Bauteilen ein. a) Wie groß ist die Wahrscheinlichkeit, dass das eingebaute Bauteil fehlerhaft ist? b) Wie groß ist die Wahrscheinlichkeit, dass ein fehlerhaftes Bauteil von der Firma L stammt? Aufgabe 7.: Sei Ω = {0, } = {ω = (ω, ω, ω ) ω i {0, }, i =,, }. Auf dem messbaren Raum (Ω, P(Ω)) ist durch falls ω 4 i ungerade P ({ω}) = i= 0 sonst ein eindeutig bestimmtes Wahrscheinlichkeitsmaß P gegeben. Wir betrachten die Mengen A i = {ω Ω ω i = 0}, i =,,. a) Zeigen Sie, dass die Mengen A, A, A paarweise stochastisch unabhängig sind. b) Zeigen Sie, dass die Mengen A, A, A nicht vollständig stochastisch unabhängig sind.

8 Fakultät Statistik 04. Juni 08 Blatt 8 Aufgabe 8.: Die Verteilung zweier Zufallsvariablen X und Y ist durch folgende Tabelle gegeben: 0 Y X a) Geben Sie die Randzähldichten von X und Y an. Benennen Sie die Verteilung von Y. b) Bestimmen Sie die Verteilungen der Zufallsvariablen V = X + Y und W = X Y. Sind V und W stochastisch unabhängig? c) Wie müssten die Einträge in obiger Tabelle unter Unabhängigkeit von X und Y aussehen, wenn die Randverteilungen von X und Y festgehalten werden? Sind nun auch V und W stochastisch unabhängig? Aufgabe 8.: Gegeben sei die gemeinsame Zähldichte zweier Zufallsvariablen X und Y durch f X,Y (x, y) = ( ) y λ y x y! px ( p) y x exp( λ) {0,...,y} (x) N0 (y), λ > 0, p (0, ). a) Bestimmen Sie die Randzähldichte von Y. Benennen Sie die Verteilung von Y. b) Berechnen Sie die Wahrscheinlichkeit P (X = 0, Y N 0 ) und P (X =, Y N 0 ) für λ = 4 und p = 0.8.

9 Fakultät Statistik. Juni 08 Blatt 9 Aufgabe 9.: Betrachten Sie erneut die Verteilung von X und Y von Aufgabe 8.: 0 Y X a) Bestimmen Sie die bedingte Dichte p X Y =n von X gegeben Y = n. b) Bestimmen Sie die bedingte Dichte p X X+Y =n von X gegeben X + Y = n. Aufgabe 9.: Gegeben seien N N unabhängig identisch exponential-verteilte Zufallsvariablen X,..., X N mit Parameter λ > 0. Die Dichte von X hat also die Gestalt f X (x) = λ exp( λx) (0, ) (x). a) Bestimmen Sie die Dichte von Y := X + X. b) Bestimmen Sie die Dichte von n= X i = Y + X. c) Bestimmen Sie die Dichte von Z := N X i für beliebiges N N. n=

10 Fakultät Statistik 8. Juni 08 Blatt 0 Aufgabe 0.: Betrachten Sie einen sechsseitigen Würfel mit den Zahlen bis 6. Berechnen Sie die erwartete Augenzahl beim Würfeln in folgenden Situationen: a) Alle Seiten sind gleichwahrscheinlich, b) Die Zahlen, und sind jeweils doppelt so wahrscheinlich wie die Zahlen 4, 5 und 6. c) Die Zahl fällt mit Wahrscheinlichkeit 0.5. Das Auftreten der anderen Zahlen ist jeweils gleichwahrscheinlich. Aufgabe 0.: Betrachten Sie erneut die Verteilung von X und Y von Aufgabe 8. und 9.: 0 Y X Bestimmen Sie E(X), E(Y ), E(X + Y ) und E( X Y ). Aufgabe 0.: Berechnen Sie (falls existent!) den Erwartungswert folgender Verteilungen bei gegebenen Dichten: a) f(x) = π ( + x ), b) f(x) = (x a) (b a)(c a) [a,c](x) + (b x) (b a)(b c) (c,b](x), a, b, c R mit a c b und a < b.

11 Fakultät Statistik 5. Juni 08 Aufgabe.: Blatt Betrachten Sie erneut den sechsseitigen Würfel mit den Zahlen bis 6 aus Aufgabe 0.. Berechnen Sie die Varianz beim Würfeln in folgenden Situationen: a) Alle Seiten sind gleichwahrscheinlich, b) Die Zahlen, und sind jeweils doppelt so wahrscheinlich wie die Zahlen 4, 5 und 6. c) Die Zahl fällt mit Wahrscheinlichkeit 0.5. Das Auftreten der anderen Zahlen ist jeweils gleichwahrscheinlich. Aufgabe.: Betrachten Sie erneut die Verteilung von X und Y von Aufgabe 8., 9. und 0.: X 0 Y Bestimmen Sie V ar(x), V ar(y ), V ar(x + Y ) und V ar( X Y ). Aufgabe.: Die sogenannte Pareto-Verteilung hängt von zwei Parametern α, β > 0 ab und hat folgende Dichte: f(x) = βαβ x β+ [α, )(x). Ob Erwartungswert und Varianz dieser Verteilung existieren, hängt von der Größe des Parameters β ab. a) Berechnen Sie den Erwartungswert einer Pareto-verteilten Zufallsvariable. Für welche Werte von β existiert der Erwartungswert? b) Berechnen Sie die Varianz einer Pareto-verteilten Zufallsvariable. Für welche Werte von β existiert die Varianz?

12 Fakultät Statistik 0. Juli 08 Blatt Aufgabe.: Betrachten Sie erneut die Verteilung von X und Y von Aufgabe 8., 9., 0. und.: 0 Y X Bestimmen Sie die Korrelation zwischen X und Y. Aufgabe.: Betrachten Sie erneut die gemeinsame Dichtefunktion zweier Zufallsvariablen X und Y aus Aufgabe 6.: f X,Y (x, y) = (x + ) y [ 0.5,0.5] (x) [,] (y). a) Berechnen Sie die Erwartungswerte von X und Y. b) Berechnen Sie die Varianzen von X und Y. c) Berechnen Sie Kovarianz und Korrelation zwischen X und Y.

13 Fakultät Statistik 09. Juli 08 Blatt Aufgabe.: Sei X eine Zufallsvariable mit E(X) = µ und V ar(x) = σ. Von Interesse ist P ( X µ kσ), k =,,. a) Bestimmen Sie eine allgemeine obere Schranke für obige Wahrscheinlichkeit. b) Bestimmen Sie die Wahrscheinlichkeit exakt für die Fälle (i) X N(µ, σ ), µ R, σ > 0, (ii) X Exp(λ), λ > 0. c) Vergleichen Sie Ihre Ergebnisse aus a) und b). Aufgabe.: Ein Hersteller von Schrauben möchte wissen, ob er mit 90% Wahrscheinlichkeit in einer beliebigen Woche zwischen 400 und 600 Schrauben verkauft. Er weiß, dass er im Erwartungswert 500 Schrauben pro Woche verkauft und dabei eine Standardabweichung von 50 Schrauben auftritt. a) Geben Sie eine Abschätzung für die Wahrscheinlichkeit an, dass der Hersteller in einer Woche zwischen 400 und 600 Schrauben verkauft. Erreicht der Hersteller sicher die gewünschten 90%? b) Wie groß dürfte die Standardabweichung maximal sein, damit die gewünschten 90% sicher erreicht würden? c) Angenommen die Anzahl der verkauften Schrauben ließe sich durch eine Normalverteilung mit Parametern µ = 500 und σ = 50 beschreiben. Wie groß ist dann die Wahrscheinlichkeit, dass zwischen 400 und 600 Schrauben verkauft werden?

14 Fakultät Statistik. Juli 08 Blatt 4 Aufgabe 4.: Ein fairer sechsseitiger Würfel wird 000 mal geworfen. a) Approximieren Sie die Wahrscheinlichkeit, dass 6 oder 7 mal eine Sechs geworfen wird. b) Wie oft müssen Sie approximativ würfeln, damit der relative Anteil der Sechsen mit 95% Wahrscheinlichkeit zwischen 0.0 und liegt? 6 6 Aufgabe 4.: Sie werfen eine (unfaire) Münze, das Ereignis Zahl tritt mit Wahrscheinlichkeit p = 0.5 auf. a) Wie oft müssen Sie approximativ die Münze werfen, damit der relative Anteil des Ereignisses Zahl mit 95% Sicherheit die wahre Erfolgswahrscheinlichkeit um maximal 0.0 über- oder unterschätzen? b) Sie werfen die Münze 5 Mal. Mit welcher Wahrscheinlichkeit liegt der relative Anteil des Ereignisses Zahl schon jetzt nur noch approximativ um 0.0 von der wahren Erfolgswahrscheinlichkeit entfernt? Aufgabe 4.: Seien X,..., X N, unabhängig, identisch exponential-verteilte Zufallsvariablen mit Parameter λ > 0. Bestimmen Sie lim P N λ N X n N n= 0 N.

2 Zufallsvariable, Verteilungen, Erwartungswert

2 Zufallsvariable, Verteilungen, Erwartungswert 2 Zufallsvariable, Verteilungen, Erwartungswert Bisher: Zufallsexperimente beschrieben durch W-Räume (Ω, A, P) Häufig interessiert nur eine zufällige Größe X = X(ω), die vom Ergebnis ω des Zufallsexperiments

Mehr

Grundbegriffe der Wahrscheinlichkeitsrechnung

Grundbegriffe der Wahrscheinlichkeitsrechnung Algorithmen und Datenstrukturen 349 A Grundbegriffe der Wahrscheinlichkeitsrechnung Für Entwurf und Analyse randomisierter Algorithmen sind Hilfsmittel aus der Wahrscheinlichkeitsrechnung erforderlich.

Mehr

Stochastik. 1. Wahrscheinlichkeitsräume

Stochastik. 1. Wahrscheinlichkeitsräume Stochastik 1. Wahrscheinlichkeitsräume Ein Zufallsexperiment ist ein beliebig oft und gleichartig wiederholbarer Vorgang mit mindestens zwei verschiedenen Ergebnissen, bei dem der Ausgang ungewiß ist.

Mehr

3. Kombinatorik und Wahrscheinlichkeit

3. Kombinatorik und Wahrscheinlichkeit 3. Kombinatorik und Wahrscheinlichkeit Es geht hier um die Bestimmung der Kardinalität endlicher Mengen. Erinnerung: Seien A, B, A 1,..., A n endliche Mengen. Dann gilt A = B ϕ: A B bijektiv Summenregel:

Mehr

Übungen zur Stochastik, Blatt Nr. 1

Übungen zur Stochastik, Blatt Nr. 1 Prof. Dr. A. Stoffel SS 202 Übungen zur Stochastik, Blatt Nr. ) Zwei Würfel werden gleichzeitig oder nacheinander geworfen. a) Schreiben Sie alle Elemente des Grundraums in Form einer Matrix auf. b) Wie

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

4 Diskrete Wahrscheinlichkeitsverteilungen

4 Diskrete Wahrscheinlichkeitsverteilungen 4 Diskrete Wahrscheinlichkeitsverteilungen 4.1 Wahrscheinlichkeitsräume, Ereignisse und Unabhängigkeit Definition: Ein diskreter Wahrscheinlichkeitsraum ist ein Paar (Ω, Pr), wobei Ω eine endliche oder

Mehr

A: Beispiele Beispiel 1: Zwei Zufallsvariablen X und Y besitzen die beiden folgenden Wahrscheinlichkeitsfunktionen:

A: Beispiele Beispiel 1: Zwei Zufallsvariablen X und Y besitzen die beiden folgenden Wahrscheinlichkeitsfunktionen: 5 Diskrete Verteilungen 1 Kapitel 5: Diskrete Verteilungen A: Beispiele Beispiel 1: Zwei Zufallsvariablen X und Y besitzen die beiden folgenden Wahrscheinlichkeitsfunktionen: 5 0.6 x 0.4 5 x (i) P x (x)

Mehr

3.3 Bedingte Wahrscheinlichkeit

3.3 Bedingte Wahrscheinlichkeit 28 3.3 Bedingte Wahrscheinlichkeit Oft ist die Wahrscheinlichkeit eines Ereignisses B gesucht unter der Bedingung (bzw. dem Wissen), dass ein Ereignis A bereits eingetreten ist. Man bezeichnet diese Wahrscheinlichkeit

Mehr

Dieses Quiz soll Ihnen helfen, Kapitel besser zu verstehen.

Dieses Quiz soll Ihnen helfen, Kapitel besser zu verstehen. Dieses Quiz soll Ihnen helfen, Kapitel 2.5-2. besser zu verstehen. Frage Wir betrachten ein Würfelspiel. Man wirft einen fairen, sechsseitigen Würfel. Wenn eine oder eine 2 oben liegt, muss man 2 SFr zahlen.

Mehr

Lösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK

Lösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK Institut für Stochastik Dr. Steffen Winter Lösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK für Studierende der INFORMATIK vom 17. Juli 01 (Dauer: 90 Minuten) Übersicht über

Mehr

Lösungen zur Klausur WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK (STOCHASTIK)

Lösungen zur Klausur WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK (STOCHASTIK) Institut für Stochastik Dr. Steffen Winter Lösungen zur Klausur WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK (STOCHASTIK) für Studierende des Maschinenbaus vom 7. Juli (Dauer: 8 Minuten) Übersicht über die

Mehr

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

Zufallsgröße: X : Ω R mit X : ω Anzahl der geworfenen K`s 4. Zufallsgrößen =============================================================== 4.1 Zufallsgrößen und ihr Erwartungswert --------------------------------------------------------------------------------------------------------------

Mehr

1 Stochastische Konvergenz 2. 2 Das Gesetz der grossen Zahlen 4. 3 Der Satz von Bernoulli 6

1 Stochastische Konvergenz 2. 2 Das Gesetz der grossen Zahlen 4. 3 Der Satz von Bernoulli 6 Wirtschaftswissenschaftliches Zentrum 0 Universität Basel Mathematik Dr. Thomas Zehrt Grenzwertsätze Benötigtes Vorwissen: Der Stoff der Vorlesung,,Statistik wird als bekannt vorausgesetzt, insbesondere

Mehr

Lernzusammenfassung für die Klausur. Inhaltsverzeichnis. Stochastik im SS 2001 bei Professor Sturm

Lernzusammenfassung für die Klausur. Inhaltsverzeichnis. Stochastik im SS 2001 bei Professor Sturm Stochastik im SS 2001 bei Professor Sturm Lernzusammenfassung für die Klausur Hallo! In diesem Text habe ich die wichtigsten Dinge der Stochastikvorlesung zusammengefaÿt, jedenfalls soweit, wie ich bis

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

8. Stetige Zufallsvariablen

8. Stetige Zufallsvariablen 8. Stetige Zufallsvariablen Idee: Eine Zufallsvariable X ist stetig, falls ihr Träger eine überabzählbare Teilmenge der reellen Zahlen R ist. Beispiel: Glücksrad mit stetigem Wertebereich [0, 2π] Von Interesse

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

Aufgabe 3 Was ist der Erwartungswert der größten gezogenen Zahl M beim Zahlenlotto 6 aus 49 (ohne Zusatzzahl)?

Aufgabe 3 Was ist der Erwartungswert der größten gezogenen Zahl M beim Zahlenlotto 6 aus 49 (ohne Zusatzzahl)? Erwartungswert Aufgaben Aufgabe Bei der Flugplatz Party haben Sie die Wahl ob Sie 3 Euro Eintritt bezahlen, oder Sie würfeln den Eintrittspreis mit einem normalen Würfel. Die Frage die sich dabei stellt

Mehr

Unabhängigkeit KAPITEL 4

Unabhängigkeit KAPITEL 4 KAPITEL 4 Unabhängigkeit 4.1. Unabhängigkeit von Ereignissen Wir stellen uns vor, dass zwei Personen jeweils eine Münze werfen. In vielen Fällen kann man annehmen, dass die eine Münze die andere nicht

Mehr

1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6

1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6 Inhaltsverzeichnis 1 Vorbemerkungen 1 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2 3 Wahrscheinlichkeitsaxiome 4 4 Laplace-Experimente 5 Hilfsmittel aus der Kombinatorik 7 Bedingte

Mehr

Übungsblatt 9. f(x) = e x, für 0 x

Übungsblatt 9. f(x) = e x, für 0 x Aufgabe 1: Übungsblatt 9 Basketball. Ein Profi wirft beim Training aus einer Entfernung von sieben Metern auf den Korb. Er trifft bei jedem Wurf mit einer Wahrscheinlichkeit von p = 1/2. Die Zufallsvariable

Mehr

Übungen zur Mathematik für Pharmazeuten

Übungen zur Mathematik für Pharmazeuten Blatt 1 Aufgabe 1. Wir betrachten den Ereignisraum Ω = {(i,j) 1 i,j 6} zum Zufallsexperiment des zweimaligem Würfelns. Sei A Ω das Ereignis Pasch, und B Ω das Ereignis, daß der erste Wurf eine gerade Augenzahl

Mehr

Klausur Stochastik und Statistik 31. Juli 2012

Klausur Stochastik und Statistik 31. Juli 2012 Klausur Stochastik und Statistik 31. Juli 2012 Prof. Dr. Matthias Schmid Institut für Statistik, LMU München Wichtig: ˆ Überprüfen Sie, ob Ihr Klausurexemplar vollständig ist. Die Klausur besteht aus fünf

Mehr

3 Bedingte Wahrscheinlichkeit, Unabhängigkeit

3 Bedingte Wahrscheinlichkeit, Unabhängigkeit 3 Bedingte Wahrscheinlichkeit, Unabhängigkeit Bisher : (Ω, A, P) zur Beschreibung eines Zufallsexperiments Jetzt : Zusatzinformation über den Ausgang des Experiments, etwa (das Ereignis) B ist eingetreten.

Mehr

9 Erwartungswert, Varianz und Standardabweichung einer Zufallsgröÿe

9 Erwartungswert, Varianz und Standardabweichung einer Zufallsgröÿe Übungsmaterial 9 Erwartungswert, Varianz und Standardabweichung einer Zufallsgröÿe 9. Erwartungswert Fragt man nach dem mittleren Wert einer Zufallsgröÿe X pro Versuch, so berechnet man den Erwartungswert

Mehr

7.2 Moment und Varianz

7.2 Moment und Varianz 7.2 Moment und Varianz Def. 21 Es sei X eine zufällige Variable. Falls der Erwartungswert E( X p ) existiert, heißt der Erwartungswert EX p p tes Moment der zufälligen Variablen X. Es gilt dann: + x p

Mehr

Kapitel 5. Stochastik

Kapitel 5. Stochastik 76 Kapitel 5 Stochastik In diesem Kapitel wollen wir die Grundzüge der Wahrscheinlichkeitstheorie behandeln. Wir beschränken uns dabei auf diskrete Wahrscheinlichkeitsräume Ω. Definition 5.1. Ein diskreter

Mehr

Aufgaben zu Kapitel 38

Aufgaben zu Kapitel 38 Aufgaben zu Kapitel 38 Aufgaben zu Kapitel 38 Verständnisfragen Aufgabe 38. Welche der folgenden vier Aussagen sind richtig:. Kennt man die Verteilung von X und die Verteilung von Y, dann kann man daraus

Mehr

Webinar Induktive Statistik. - Wahrscheinlichkeitsrechnung - Stichprobentheorie

Webinar Induktive Statistik. - Wahrscheinlichkeitsrechnung - Stichprobentheorie Webinar Induktive Statistik - Wahrscheinlichkeitsrechnung - Stichprobentheorie Wahrscheinlichkeitstheorie Aufgabe : Zwei Lieferanten decken den Bedarf eines PKW-Herstellers von 00.000 Einheiten pro Monat.

Mehr

Weihnachtszettel zur Vorlesung. Stochastik I. Wintersemester 2011/2012

Weihnachtszettel zur Vorlesung. Stochastik I. Wintersemester 2011/2012 Weihnachtszettel zur Vorlesung Stochastik I Wintersemester 0/0 Aufgabe. Der Weihnachtsmann hat vergessen die Weihnachtsgeschenke mit Namen zu beschriften und muss sie daher zufällig verteilen. Dabei enthält

Mehr

Diskrete Wahrscheinlichkeitstheorie - Probeklausur

Diskrete Wahrscheinlichkeitstheorie - Probeklausur Diskrete Wahrscheinlichkeitstheorie - robeklausur Sommersemester 2007 - Lösung Name: Vorname: Matrikelnr.: Studiengang: Hinweise Sie sollten insgesamt Blätter erhalten haben. Tragen Sie bitte Ihre Antworten

Mehr

Ü b u n g s b l a t t 13

Ü b u n g s b l a t t 13 Einführung in die Stochastik Sommersemester 06 Dr. Walter Oevel 5. 6. 006 Ü b u n g s b l a t t 3 Mit und gekennzeichnete Aufgaben können zum Sammeln von Bonuspunkten verwendet werden. Lösungen von -Aufgaben

Mehr

9 Die Normalverteilung

9 Die Normalverteilung 9 Die Normalverteilung Dichte: f(x) = 1 2πσ e (x µ)2 /2σ 2, µ R,σ > 0 9.1 Standard-Normalverteilung µ = 0, σ 2 = 1 ϕ(x) = 1 2π e x2 /2 Dichte Φ(x) = 1 x 2π e t2 /2 dt Verteilungsfunktion 331 W.Kössler,

Mehr

Übung zu Empirische Ökonomie für Fortgeschrittene SS 2009

Übung zu Empirische Ökonomie für Fortgeschrittene SS 2009 Übung zu Empirische Ökonomie für Fortgeschrittene Steen Elstner, Klaus Wohlrabe, Steen Henzel SS 9 1 Wichtige Verteilungen Die Normalverteilung Eine stetige Zufallsvariable mit der Wahrscheinlichkeitsdichte

Mehr

P (X = 2) = 1/36, P (X = 3) = 2/36,...

P (X = 2) = 1/36, P (X = 3) = 2/36,... 2.3 Zufallsvariablen 2.3 Zufallsvariablen Meist sind die Ereignisse eines Zufallseperiments bereits reelle Zahlen. Ist dies nicht der Fall, kann man Ereignissen eine reelle Zahl zuordnen. Zum Beispiel

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

Zufallsgröße. Würfelwurf mit fairem Würfel. Wahrscheinlichkeitsverteilung einer diskreten

Zufallsgröße. Würfelwurf mit fairem Würfel. Wahrscheinlichkeitsverteilung einer diskreten Zufallsgrößen Ergebnisse von Zufallsexperimenten werden als Zahlen dargestellt 0 Einführung Wahrscheinlichkeitsrechnung 2 Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Hypothesentests

Mehr

Spezielle stetige Verteilungen

Spezielle stetige Verteilungen Spezielle stetige Verteilungen schon bekannt: Die Exponentialverteilung mit Parameter k R, k > 0 hat die Dichte f (x) = ke kx für x 0 und die Verteilungsfunktion F (x) = 1 e kx für x 0. Eigenschaften Für

Mehr

Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26)

Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26) Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26 Ein Wahrscheinlichkeitsraum (Ω, P ist eine Menge Ω (Menge aller möglichen Ausgänge eines Zufallsexperiments: Ergebnismenge versehen mit einer Abbildung

Mehr

Allgemeine diskrete Wahrscheinlichkeitsräume II. Beispiel II. Beispiel I. Definition 6.3 (Diskreter Wahrscheinlichkeitsraum)

Allgemeine diskrete Wahrscheinlichkeitsräume II. Beispiel II. Beispiel I. Definition 6.3 (Diskreter Wahrscheinlichkeitsraum) Allgemeine diskrete Wahrscheinlichkeitsräume I Allgemeine diskrete Wahrscheinlichkeitsräume II Verallgemeinerung von Laplaceschen Wahrscheinlichkeitsräumen: Diskrete Wahrscheinlichkeitsräume Ω endlich

Mehr

1 1. Übung. Einleitung. 1.1 Urnenmodelle. 1.2 Beispiele. 1.3 Aufgaben

1 1. Übung. Einleitung. 1.1 Urnenmodelle. 1.2 Beispiele. 1.3 Aufgaben Einleitung Dieses sind die kompletten Präsenzaufgaben, die bei der Übung zur Vorlesung Einführung in die Stochastik im Sommersemester 2007 gerechnet wurden. Bei Rückfragen und Anmerkungen bitte an brune(at)upb.de

Mehr

4 Unabhängige Zufallsvariablen. Gemeinsame Verteilung

4 Unabhängige Zufallsvariablen. Gemeinsame Verteilung 4 Unabhängige Zufallsvariablen. Gemeinsame Verteilung Häufig werden mehrere Zufallsvariablen gleichzeitig betrachtet, z.b. Beispiel 4.1. Ein Computersystem bestehe aus n Teilsystemen. X i sei der Ausfallzeitpunkt

Mehr

Übungsaufgaben, Statistik 1

Übungsaufgaben, Statistik 1 Übungsaufgaben, Statistik 1 Kapitel 3: Wahrscheinlichkeiten [ 4 ] 3. Übungswoche Der Spiegel berichtet in Heft 29/2007 von folgender Umfrage vom 3. und 4. Juli 2007:,, Immer wieder werden der Dalai Lama

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

Diskrete Verteilungen

Diskrete Verteilungen KAPITEL 6 Disrete Verteilungen Nun werden wir verschiedene Beispiele von disreten Zufallsvariablen betrachten. 1. Gleichverteilung Definition 6.1. Eine Zufallsvariable X : Ω R heißt gleichverteilt (oder

Mehr

Varianz und Kovarianz

Varianz und Kovarianz KAPITEL 9 Varianz und Kovarianz 9.1. Varianz Definition 9.1.1. Sei (Ω, F, P) ein Wahrscheinlichkeitsraum und X : Ω eine Zufallsvariable. Wir benutzen die Notation (1) X L 1, falls E[ X ]

Mehr

1. Übungsblatt zu Wahrscheinlichkeitsrechnung und Statistik in den Ingenieurswissenschaften

1. Übungsblatt zu Wahrscheinlichkeitsrechnung und Statistik in den Ingenieurswissenschaften 1. Übungsblatt zu Aufgabe 1: In R können die Logarithmen zu verschiedenen Basen mit der Funktion log berechnet werden, wobei im Argument base die Basis festgelegt wird. Plotten Sie die Logarithmusfunktion

Mehr

Scheinklausur Stochastik 1 für Studierende des Lehramts und der Diplom-Pädagogik

Scheinklausur Stochastik 1 für Studierende des Lehramts und der Diplom-Pädagogik Universität Karlsruhe (TH) Institut für Stochastik Dr. Bernhard Klar Dipl.-Math. oec. Volker Baumstark Name Vorname Matr.-Nr.: Scheinklausur Stochastik für Studierende des Lehramts und der Diplom-Pädagogik

Mehr

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Universität Duisburg-Essen Essen, den 0.0.009 Fachbereich Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,

Mehr

Tabelle 11.2 zeigt die gemeinsame Wahrscheinlichkeitsfunktion und die Randverteilungen

Tabelle 11.2 zeigt die gemeinsame Wahrscheinlichkeitsfunktion und die Randverteilungen Kapitel 11 Stichprobenfunktionen Um eine Aussage über den Wert eines unbekannten Parameters θ zu machen, zieht man eine Zufallsstichprobe vom Umfang n aus der Grundgesamtheit. Das Merkmal wird in diesem

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung und Statistik 3. Vorlesung - 21.10.2016 Bedingte Wahrscheinlichkeit In einer Urne sind 2 grüne und 3 blaue Kugeln. 2 Kugeln werden ohne Zürücklegen gezogen. Welches ist die Wahrscheinlichkeit, dass : a) man eine grüne

Mehr

Klausur Stochastik und Statistik 18. September 2012

Klausur Stochastik und Statistik 18. September 2012 Klausur Stochastik und Statistik 18. September 2012 Prof. Dr. Matthias Schmid Institut für Statistik, LMU München Wichtig: ˆ Überprüfen Sie, ob Ihr Klausurexemplar vollständig ist. Die Klausur besteht

Mehr

Discrete Probability - Übungen (SS5) Wahrscheinlichkeitstheorie. 1. KR, Abschnitt 6.1, Aufgabe 5: 2. KR, Abschnitt 6.1, Aufgabe 7:

Discrete Probability - Übungen (SS5) Wahrscheinlichkeitstheorie. 1. KR, Abschnitt 6.1, Aufgabe 5: 2. KR, Abschnitt 6.1, Aufgabe 7: Discrete Probability - Übungen (SS5) Felix Rohrer Wahrscheinlichkeitstheorie 1. KR, Abschnitt 6.1, Aufgabe 5: Bestimmen Sie die Wahrscheinlichkeit dafür, dass die Augensumme von zwei geworfenen Würfeln

Mehr

Diskrete Strukturen WiSe 2012/13 in Trier

Diskrete Strukturen WiSe 2012/13 in Trier Diskrete Strukturen WiSe 2012/13 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 11. Januar 2013 1 Diskrete Strukturen Gesamtübersicht Organisatorisches und Einführung Mengenlehre Relationen

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

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

Stochastik und Statistik für Ingenieure Vorlesung 4

Stochastik und Statistik für Ingenieure Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Stochastik und Statistik für Ingenieure Vorlesung 4 30. Oktober 2012 Quantile einer stetigen Zufallsgröße Die reelle Zahl

Mehr

Zusammenfassung: Einführung in die Stochastik für Informatiker Prof. Dr. Udo Kamps - SS04. February 15, 2005

Zusammenfassung: Einführung in die Stochastik für Informatiker Prof. Dr. Udo Kamps - SS04. February 15, 2005 Zusammenfassung: Einführung in die Stochastik für Informatiker Prof. Dr. Udo Kamps - SS04 February 5, 2005 Inhaltsverzeichnis Inhaltsverzeichnis Diskrete Wahrscheinlichkeitsräume und deren Erweiterung

Mehr

5 Erwartungswerte, Varianzen und Kovarianzen

5 Erwartungswerte, Varianzen und Kovarianzen 47 5 Erwartungswerte, Varianzen und Kovarianzen Zur Charakterisierung von Verteilungen unterscheidet man Lageparameter, wie z. B. Erwartungswert ( mittlerer Wert ) Modus (Maximum der Wahrscheinlichkeitsfunktion,

Mehr

Würfel-Aufgabe Bayern LK 2006

Würfel-Aufgabe Bayern LK 2006 Würfel-Aufgabe Bayern LK 2006 Die Firma VEGAS hat ein neues Gesellschaftsspiel entwickelt, bei dem neben Laplace-Würfeln auch spezielle Vegas-Würfel verwendet werden, die sich äußerlich von den Laplace-Würfeln

Mehr

Wählt man aus n Mengen mit z 1 bzw. z 2,..., bzw. z n Elementen nacheinander aus jeder Menge jeweils ein Element aus,

Wählt man aus n Mengen mit z 1 bzw. z 2,..., bzw. z n Elementen nacheinander aus jeder Menge jeweils ein Element aus, V. Stochastik ================================================================== 5.1 Zählprinzip Wählt man aus n Mengen mit z 1 bzw. z 2,..., bzw. z n Elementen nacheinander aus jeder Menge jeweils ein

Mehr

Bedingte Wahrscheinlichkeiten und Unabhängigkeit

Bedingte Wahrscheinlichkeiten und Unabhängigkeit Kapitel 5 Bedingte Wahrscheinlichkeiten und Unabhängigkeit Mitunter erhält man über das Ergebnis eines zufälligen Versuches Vorinformationen. Dann entsteht die Frage, wie sich für den Betrachter, den man

Mehr

Übungen zur Wahrscheinlichkeitstheorie und Statistik

Übungen zur Wahrscheinlichkeitstheorie und Statistik Übungen zur Wahrscheinlichkeitstheorie und Statistik Prof. Dr. C. Löh/M. Blank Blatt 0 vom 16. April 2012 Aufgabe 1 (Wahrscheinlichkeitsräume). Welche der folgenden Aussagen sind wahr? Begründen Sie jeweils

Mehr

MafI I: Logik & Diskrete Mathematik (Autor: Gerrit (-Arthur) Gruben)

MafI I: Logik & Diskrete Mathematik (Autor: Gerrit (-Arthur) Gruben) Musterlösung zum. Aufgabenblatt zur Vorlesung MafI I: Logik & Diskrete Mathematik (Autor: Gerrit (-Arthur Gruben. Wahrscheinlichkeiten I ( Punkte Die Seiten von zwei Würfeln sind mit den folgenden Zahlen

Mehr

Satz 16 (Multiplikationssatz)

Satz 16 (Multiplikationssatz) Häufig verwendet man die Definition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A B] = Pr[B A] Pr[A] = Pr[A B] Pr[B]. (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1,..., A n gegeben.

Mehr

Die Varianz (Streuung) Definition

Die Varianz (Streuung) Definition Die (Streuung) Definition Diskrete Stetige Ang., die betrachteten e existieren. var(x) = E(X EX) 2 heißt der Zufallsvariable X. σ = Var(X) heißt Standardabweichung der X. Bez.: var(x), Var(X), varx, σ

Mehr

Aufgabensammlung zu Wahrscheinlichkeitsrechnung I

Aufgabensammlung zu Wahrscheinlichkeitsrechnung I Aufgabensammlung zu Wahrscheinlichkeitsrechnung I Friedrich Graef Juli 27 Inhaltsverzeichnis Aufgaben 3. Ereignisse, Laplace-Experimente.................. 3.2 Bedingte Wahrscheinlichkeiten...................

Mehr

K8 Stetige Zufallsvariablen Theorie und Praxis

K8 Stetige Zufallsvariablen Theorie und Praxis K8 Stetige Zufallsvariablen Theorie und Praxis 8.1 Theoretischer Hintergrund Wir haben (nicht abzählbare) Wahrscheinlichkeitsräume Meßbare Funktionen Zufallsvariablen Verteilungsfunktionen Dichten in R

Mehr

Allgemeine Wahrscheinlichkeitsräume

Allgemeine Wahrscheinlichkeitsräume Kapitel 3 Allgemeine Wahrscheinlichkeitsräume 3. Einleitung Wir hatten schon bemerkt, dass der Begriff des diskreten Wahrscheinlichkeitsraums nicht ausreicht, um das unendliche Wiederholen eines Zufallsexperiments

Mehr

Zufallsgrößen. Vorlesung Statistik für KW 29.04.2008 Helmut Küchenhoff

Zufallsgrößen. Vorlesung Statistik für KW 29.04.2008 Helmut Küchenhoff Zufallsgrößen 2.5 Zufallsgrößen 2.5.1 Verteilungsfunktion einer Zufallsgröße 2.5.2 Wahrscheinlichkeits- und Dichtefunktion Wahrscheinlichkeitsfunktion einer diskreten Zufallsgröße Dichtefunktion einer

Mehr

Erwartungswert, Varianz und Standardabweichung einer Zufallsgröße. Was ist eine Zufallsgröße und was genau deren Verteilung?

Erwartungswert, Varianz und Standardabweichung einer Zufallsgröße. Was ist eine Zufallsgröße und was genau deren Verteilung? Erwartungswert, Varianz und Standardabweichung einer Zufallsgröße Von Florian Modler In diesem Artikel möchte ich einen kleinen weiteren Exkurs zu meiner Serie Vier Wahrscheinlichkeitsverteilungen geben

Mehr

2. Löse die folgenden Textaufgaben jeweils mit vollständiger Angabe und Begründung der wahrscheinlichkeitstheoretischen Modellierung:

2. Löse die folgenden Textaufgaben jeweils mit vollständiger Angabe und Begründung der wahrscheinlichkeitstheoretischen Modellierung: 1. Übungsblatt 1. Es sei Ω eine abzählbare Menge. Beweise: (a) Ist P ein Wahrscheinlichkeitsmaß auf P(Ω), so ist p(ω) := P({ω}), ω Ω, eine Zähldichte. (b) Ist p eine Zähldichte auf Ω, so definiert P(A)

Mehr

TU Darmstadt FB Mathematik, AG 9 WS 2004/2005 Jakob Creutzig (1 + ρ)

TU Darmstadt FB Mathematik, AG 9 WS 2004/2005 Jakob Creutzig (1 + ρ) TU Darmstadt FB Mathematik, AG 9 WS 2004/2005 Jakob Creutzig 9..04 Lösungsvorschläge zum 3. Aufgabenblatt der Vorlesung,,Einführung in die Finanzmathematik Gruppenübungen Aufgabe : Es sei Ω = {, +} n,

Mehr

Beweis. Bauer (4. Auflage, 1991), S , Hoffmann-Jørgensen, Vol. I, S. 457.

Beweis. Bauer (4. Auflage, 1991), S , Hoffmann-Jørgensen, Vol. I, S. 457. Exkurs A: Bedingte Erwartungswerte, bedingte Verteilungen (Ω, A, P ) sei W-Raum, X : Ω IR P-quasiintegrierbar, F A Unter - σ- Algebra. E(X F) = E P (X F) (Version des) bedingter Erwartungswert von X unterf

Mehr

Bachelor BEE Statistik Übung: Blatt 1 Ostfalia - Hochschule für angewandte Wissenschaften Fakultät Versorgungstechnik Aufgabe (1.1): Gegeben sei die folgende Messreihe: Nr. ph-werte 1-10 6.4 6.3 6.7 6.5

Mehr

Basiswissen Daten und Zufall Seite 1 von 8 1 Zufallsexperiment Ein Zufallsexperiment ist ein Versuchsaufbau mit zufälligem Ausgang, d. h. das Ergebnis kann nicht vorhergesagt werden. 2 Ergebnis (auch Ausgang)

Mehr

Einführung in die Wahrscheinlichkeitsrechnung

Einführung in die Wahrscheinlichkeitsrechnung Einführung in die Wahrscheinlichkeitsrechnung Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung

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

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung Übungen für die kompetenzbasierte Abschlussprüfung 1. 60 Äpfel wurden gewogen und die Ergebnisse in einem Boxplot-Diagramm dargestellt. Ergänzen Sie die folgenden

Mehr

Klausur zum Fach GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK. für Studierende der INFORMATIK

Klausur zum Fach GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK. für Studierende der INFORMATIK Institut für Stochastik Prof. Dr. Daniel Hug Name: Vorname: Matr.-Nr.: Klausur zum Fach GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK für Studierende der INFORMATIK Datum: 08. Februar 0 Dauer:

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

Klausur zur Vorlesung,,Algorithmische Mathematik II

Klausur zur Vorlesung,,Algorithmische Mathematik II Institut für angewandte Mathematik, Institut für numerische Simulation Sommersemester 2015 Prof. Dr. Anton Bovier, Prof. Dr. Martin Rumpf Klausur zur Vorlesung,,Algorithmische Mathematik II Bitte diese

Mehr

Mathematik: LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 12. Erwartungswert, Varianz und Standardabweichung

Mathematik: LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 12. Erwartungswert, Varianz und Standardabweichung Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester ARBEITSBLATT Erwartungswert, Varianz und Standardabweichung Die Begriffe Varianz und Standardabweichung sind uns bereits aus der Statistik bekannt

Mehr

Informatik II Grundbegriffe der Wahrscheinlichkeitsrechnung

Informatik II Grundbegriffe der Wahrscheinlichkeitsrechnung lausthal Informatik II rundbegriffe der Wahrscheinlichkeitsrechnung. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Begriffe Definition: Unter einem Zufallsexperiment versteht man einen,

Mehr

Gemeinsame Wahrscheinlichkeitsverteilungen

Gemeinsame Wahrscheinlichkeitsverteilungen Gemeinsame Wahrscheinlichkeitsverteilungen Worum geht es in diesem Modul? Gemeinsame Wahrscheinlichkeits-Funktion zweier Zufallsvariablen Randverteilungen Bedingte Verteilungen Unabhängigkeit von Zufallsvariablen

Mehr

Kapitel 6. Kapitel 6 Mehrstufige Zufallsexperimente

Kapitel 6. Kapitel 6 Mehrstufige Zufallsexperimente Mehrstufige Zufallsexperimente Inhalt 6.1 6.1 Mehrstufige Experimente 6.2 6.2 Bedingte Wahrscheinlichkeiten Seite 2 6.1 Mehrstufige Experimente Grundvorstellung: Viele Viele Experimente werden der der

Mehr

UE Wahrscheinlichkeitsrechung, WS 08/09

UE Wahrscheinlichkeitsrechung, WS 08/09 UE Wahrscheinlichkeitsrechung, WS 08/09 Beispielsammlung Wiederholung: Differential- und Integralrechnung. Bestimmen Sie die ersten und zweiten Ableitungen folgender Funktionen (a) f (x) = sin(x) (b) f

Mehr

6 Kombinatorik: Einschluß-Ausschluß Formel. 6.1 Indikatorfunktionen. I A ist eine Zufallsvariable E[I A ] = P (A) IĀ = 1 I A I A B = I A I B

6 Kombinatorik: Einschluß-Ausschluß Formel. 6.1 Indikatorfunktionen. I A ist eine Zufallsvariable E[I A ] = P (A) IĀ = 1 I A I A B = I A I B 6 Kombinatorik: Einschluß-Ausschluß Formel 6.1 Indikatorfunktionen I A (ω) = { 1 falls ω A 0 falls ω A I A ist eine Zufallsvariable E[I A ] = P (A) IĀ = 1 I A I A B = I A I B I 2 A = I A V ar[i A ] = P

Mehr

Es wird aus einer Urne mit N Kugeln gezogen, die mit den Zahlen 1,..., N durchnummiert sind. (N n)! n! = N! (N n)!n! =

Es wird aus einer Urne mit N Kugeln gezogen, die mit den Zahlen 1,..., N durchnummiert sind. (N n)! n! = N! (N n)!n! = Übungsblatt Höhere Mathematik - Weihenstephan SoSe 00 Michael Höhle, Hannes Petermeier, Cornelia Eder Übung: 5.6.00 Die Aufgaben -3 werden in der Übung am Donnerstag (5.6. besprochen. Die Aufgaben -6 sollen

Mehr

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren. 1. Zweimaliges Ziehen aus einer Urne (ohne Zurücklegen)

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren. 1. Zweimaliges Ziehen aus einer Urne (ohne Zurücklegen) Dr. Jürgen Senger INDUKTIVE STATISTIK Wahrscheinlichkeitstheorie, Schätz- und Testverfahren ÜUNG. - LÖSUNGEN. Zweimaliges Ziehen aus einer Urne (ohne Zurücklegen Die Urne enthält 4 weiße und 8 rote Kugeln.

Mehr

Stochastik (Laplace-Formel)

Stochastik (Laplace-Formel) Stochastik (Laplace-Formel) Übungen Spielwürfel oder Münzen werden ideal (oder fair) genannt, wenn jedes Einzelereignis mit gleicher Wahrscheinlichkeit erwartet werden kann. 1. Ein idealer Spielwürfel

Mehr

Ü b u n g s b l a t t 10

Ü b u n g s b l a t t 10 Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel. 6. 2007 Ü b u n g s b l a t t 0 Mit und gekennzeichnete Aufgaben können zum Sammeln von Bonuspunkten verwendet werden. Lösungen von -Aufgaben

Mehr

Vorwort Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße Erwartungswert und Varianz...

Vorwort Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße Erwartungswert und Varianz... Inhaltsverzeichnis Vorwort... 2 Zum Einstieg... 3 1 Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße... 5 1.2 Erwartungswert und Varianz... 7 2 Wahrscheinlichkeitsverteilungen

Mehr

Wir gehen wieder von einem allgemeinen (parametrischen) statistischen Modell aus, (

Wir gehen wieder von einem allgemeinen (parametrischen) statistischen Modell aus, ( Kapitel 4 Konfidenzbereiche Wir gehen wieder von einem allgemeinen parametrischen statistischen Modell aus, M, A, P ϑ ; sei eine Funktion des Parameters gegeben, die einen interessierenden Teil-Parameter

Mehr

Stochastik für die Naturwissenschaften

Stochastik für die Naturwissenschaften Stochastik für die Naturwissenschaften Dr. C.J. Luchsinger 6. Ausgewählte Verteilungen (Distributions) * diskret: Bernoulli, Binomial, Geometrisch, Poisson * stetig: Uniform, Exponential, Normal, χ 2,

Mehr

Anmerkung: Eine Tabelle zum Arbeiten mit der Standardnormalverteilung ist z. B. unter der Adresse

Anmerkung: Eine Tabelle zum Arbeiten mit der Standardnormalverteilung ist z. B. unter der Adresse Übung 9 Anmerkung: Eine Tabelle zum Arbeiten mit der Standardnormalverteilung ist z. B. unter der Adresse zu finden. http://de.wikipedia.org/wiki/tabelle Standardnormalverteilung Aufgabe 9.1 Die Länge

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 10. November 2010 1 Bedingte Wahrscheinlichkeit Satz von der totalen Wahrscheinlichkeit Bayessche Formel 2 Grundprinzipien

Mehr

Wahrscheinlichkeitsrechnung und Quantentheorie

Wahrscheinlichkeitsrechnung und Quantentheorie Physikalische Chemie II: Atombau und chemische Bindung Winter 2013/14 Wahrscheinlichkeitsrechnung und Quantentheorie Messergebnisse können in der Quantenmechanik ganz prinzipiell nur noch mit einer bestimmten

Mehr

Klausur zur Mathematik für Biologen

Klausur zur Mathematik für Biologen Mathematisches Institut der Heinrich-Heine-Universität DÜSSELDORF WS 2002/2003 12.02.2003 (1) Prof. Dr. A. Janssen / Dr. H. Weisshaupt Klausur zur Mathematik für Biologen Bitte füllen Sie das Deckblatt

Mehr