Statistik und Wahrscheinlichkeitsrechnung

Größe: px
Ab Seite anzeigen:

Download "Statistik und Wahrscheinlichkeitsrechnung"

Transkript

1 Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Übug

2 Ihalt der heutige Übug Aufgabe D.7: Reche mit Zufallsvariable Erwartugswert- ud Variazoperator Statistik ud Wahrscheilichkeitsrechug Wahrscheilichkeite vo ormalverteilte Zufallsvariable bereche: Stadardisierug ud Awedug der Tabelle T. Aufgabe D.8: Biomialverteilug, Geometrische Verteilug Vorstelle der Hausübug: Aufgabe D

3 Aufgabe D.7 Statistik ud Wahrscheilichkeitsrechug Es seie {X i } i 50 uabhägige ud ormalverteilte Zufallsvariable mit Mittelwert ud Stadardabweichug 2. Darüber hiaus sid folgede Zufallsvariable defiiert: S 2... ud X X X 2... X S X X X 50 dabei ist. Bestimme zuerst die Parameter der Normalverteiluge vo ud bereche da: S sowie X a) b) c) P E X X E X P E S S E S P E X X E X

4 Aufgabe D.7 Was ist gegebe? Statistik ud Wahrscheilichkeitsrechug Wahrscheilichkeitsdichtefuktio eier Normalverteilug mit Mittelwert ud Stadardabweichug 2 : fx x Die gesamte Fläche uter der Wahrscheilichkeitsdichtefuktio beträgt. 2 2 Die Fläche zwische - ud 3 beträgt Die Wahrscheilichkeit, dass ei Wert zwische - ud 3 liegt, beträgt x

5 Aufgabe D.7 Statistik ud Wahrscheilichkeitsrechug Bereche de Mittelwert ud die Stadardabweichug vo S MERKE: Die Summe vo ormalverteilte Zufallsvariable ist auch ormalverteilt! Wir erier us: S X X 2... X EX Y EX EY Var X Y Var X Var Y (bei Uabhägigkeit)

6 Aufgabe D.7 Statistik ud Wahrscheilichkeitsrechug Bereche de Mittelwert ud die Stadardabweichug vo S S X X 2... X E S E[ X ] E X 50 S i i i i 2 2 S Var S Var X i Var X i i i [ ] 200 N(, ) N(50, 200) S S

7 Aufgabe D.7 Statistik ud Wahrscheilichkeitsrechug Bereche de Mittelwert ud die Stadardabweichug vo X S X X X 2... X EX X 2 Var X X N(, ) N(...,...) X X

8 Aufgabe D.7 a) Bereche P E X X E X Statistik ud Wahrscheilichkeitsrechug f X ( x) exp 2 2 x 2 vergl. Skript Tabelle D- fx x 2 X X

9 Aufgabe D.7 a) Bereche Statistik ud Wahrscheilichkeitsrechug 0 2 P E X X E X P X f X ( x) exp 2 2 x 2 fx x 2 X X

10 Aufgabe D.7 a) Bereche f X fx x Statistik ud Wahrscheilichkeitsrechug 0 2 P E X X E X P X x ( x) exp ( x ) exp dx durch Eisetze vo µ ud σ i die Gleichug. Die Wahrscheilichkeit erhält ma da durch umerische Itegratio 2 X X

11 Aufgabe D.7 a) Bereche f X Statistik ud Wahrscheilichkeitsrechug 0 2 P E X X E X P X x ( x) exp ( x ) exp dx fx x oder mit Hilfe der Wahrscheilichkeitstabelle. 2 X X Um diese Wahrscheilichkeitstabelle awede zu köe, muss die Zufallsvariable zuerst stadardisiert werde

12 Stadardisierug Wie geht ma vor, um zu stadardisiere? Statistik ud Wahrscheilichkeitsrechug Z X

13 Stadardisierug Wie geht ma vor, um zu stadardisiere? Statistik ud Wahrscheilichkeitsrechug Z X Φ(z) ist die kumulierte Verteilugsfuktio für die stadardormalverteilte Zufallsvariable N(0,)

14 Stadardisierug Wie geht ma vor, um zu stadardisiere? Statistik ud Wahrscheilichkeitsrechug Z X X E[ X ] E Z X Var[ Z] Var[ ] Var[ X 2 ] 2 Var[ X 2 ] 2 [ ] E[ ] 0 Φ(z) ist die kumulierte Verteilugsfuktio für die stadardormalverteilte Zufallsvariable N(0,)

15 Statistik ud Wahrscheilichkeitsrechug Verwedug der Ф-Tabelle Tabelle T. i Aex T des Vorlesugsskripts

16 Aufgabe D.7 Wie geht ma vor, um zu Stadardisiere? P E X X E X P[0 X 2] Statistik ud Wahrscheilichkeitsrechug Z X P[0 X 2 ] 0 X 2 P X P[ ] P[ Z ] 2 2 ( ) ( ) 2 2 [ ] Mittelwert Stadardabweichug

17 Aufgabe D.7 Statistik ud Wahrscheilichkeitsrechug P E X X E X ( ) ( ) 2 2 Wo ist Φ(-0.5) i der Tabelle? Weil ( z) ( z) so dass ( 0.5) (0.5) folgt das Ergebis / 2 P Z / 2 P E X X E X P Z Tabelle T. i Aex T des Vorlesugsskripts

18 Aufgabe D.7 b) Bereche gleiche Vorgehesweise: P E S S E S Statistik ud Wahrscheilichkeitsrechug 50 ES Var S 200 P E S S E S P[... S...] P[ ] S. Fide die stadardisierte Form 2. Fide die Werte i der Tabelle 3. Subtrahiere b a. Z

19 Aufgabe D.7 c) Bereche PE X X E X gleiche Vorgehesweise: P E X X EX Statistik ud Wahrscheilichkeitsrechug EX Var X 0.08 P[... X...] P[ ] Tabelle T. i Aex T des Vorlesugsskripts

20 Biomialverteilug Statistik ud Wahrscheilichkeitsrechug Geometrische Verteilug Zeit bis zum erste Treffer Biomialverteilug Azahl der Treffer P[ T t] ( p) t p ET [ ] Var[ T ] p p 2 p P[ N y] y ( p) y p y E[ N ] p Var[ N ] p( p)! y y!( y)!

21 Statistik ud Wahrscheilichkeitsrechug Aufgabe B.3 I eier Alperegio gibt es 25 sehr hohe Berggipfel. Diese sid das gaze Jahr über mit Schee bedeckt ud es besteht a jedem Tag die gleiche Wahrscheilichkeit für das Loslöse eier Lawie. Diese beträgt /40 pro Tag ud Berggipfel. Wie gross ist die Wahrscheilichkeit, dass es i dieser Alperegio a eiem Tag zu midestes zwei Lawieabgäge kommt? Aahme: A eiem Berggipfel ka sich a eiem Tag ur eie Lawie loslöse

22 Aufgabe B.3 Lösug bisher Wahrscheilichkeit PA ( ) vo Ereigis A: Statistik ud Wahrscheilichkeitsrechug Wahrscheilichkeit, dass eie Lawie a eiem Berggipfel auftritt Pj ( Lawie) 0.025, j,2,..., 40 Wahrscheilichkeit, dass keie Lawie a eiem Berggipfel auftritt Pj ( keie Lawie) ( ) 0.975, j,2,..., 40 Wahrscheilichkeit, dass keie Lawie i der Alperegio auftritt P( A) (- P( Lawie)) (- P ( Lawie)) (- P ( Lawie))

23 Wahrscheilichkeit PA ( ) vo Ereigis A: Statistik ud Wahrscheilichkeitsrechug Aufgabe B.3 Lösug mit Biomialverteilug Wahrscheilichkeit, dass eie Lawie a eiem Berggipfel auftritt Pj ( Lawie) 0.025, j,2,..., 40 Wahrscheilichkeit, dass keie Lawie i der Alperegio auftritt:! Pj ( keie Lawie) ( p) p p ( p) y y!( y)! 25! (0.975) !(25 0)! y y y y

24 Aufgabe B.3 Lösug bisher Wahrscheilichkeit PB ( ) vo Ereigis B: Statistik ud Wahrscheilichkeitsrechug Wahrscheilichkeit, dass eie Lawie ur a eiem, ud sost keiem Berggipfel auftritt: P ( Lawie ur am Berggipfel j) P( Lawie) ( P( Lawie)) j Wahrscheilichkeit, dass eie Lawie i der Alperegio auftritt: 25 P( B) P( Lawieur a Berggipfel j) j

25 Wahrscheilichkeit PB ( ) vo Ereigis B: Statistik ud Wahrscheilichkeitsrechug Aufgabe B.3 Lösug mit Biomialverteilug Wahrscheilichkeit, dass eie Lawie i der Alperegio auftritt:! 25! P Lawiei deralperegio p p y!( y)!!(25 )! y y 25 ( ) ( ) (0.975)

26 Aufgabe D.8 Die Hochwasseretlastugsalage eies Rückhaltebeckes ist auf ei 000-jähriges Hochwasser Q B bemesse. Wie gross ist die Wahrscheilichkeit, dass der Staudamm wie folgt überflutet wird: Statistik ud Wahrscheilichkeitsrechug

27 Statistik ud Wahrscheilichkeitsrechug Aufgabe D.8 Die Hochwasseretlastugsalage eies Rückhaltebeckes ist auf ei 000-jähriges Hochwasser Q B bemesse. Wie gross ist die Wahrscheilichkeit, dass der Staudamm wie folgt überflutet wird: a. Währed eies 0-Jahre-Zeitraums im 0-te Jahr geau eimal? b. Währed eies 0-Jahre-Zeitraums irgedwa zweimal? c. Währed eies 0-Jahre-Zeitraums überhaupt icht? d. Währed eies 0-Jahre-Zeitraums höchstes eimal? e. Währed eies 00-Jahre-Zeitraums isgesamt 0-mal? f. Währed eies 000-Jahre-Zeitraums eimal oder öfter? Beachte: Es wird ageomme, dass das Hochwasserereigis höchstes eimal pro Jahr auftritt

28 Wahrscheilichkeitsdichtefuktio [-] Aufgabe D jähriges Hochwasser: Statistik ud Wahrscheilichkeitsrechug Jährliche maximale Fluss Höhe [m]

29 Wahrscheilichkeitsdichtefuktio [-] Aufgabe D jähriges Hochwasser: Statistik ud Wahrscheilichkeitsrechug Die Überschreitugsswahrscheilichkeit wird durch die Fläche mit der Grösse /000 uter der Dichtefuktio repräsetiert. /000 Jährliche maximale Fluss Höhe [m]

30 Wahrscheilichkeitsdichtefuktio [-] Aufgabe D jähriges Hochwasser: Statistik ud Wahrscheilichkeitsrechug Ausgagswert für Bemessug des Rückhaltebeckes 000-jähriges Hochwasser Jährliche Überschreitugswahrscheilichkeit = 0.00 /000 Jährliche maximale Fluss Höhe [m]

31 Aufgabe D.8 Wiederkehrperiode T: Jährliche Überschreitugswahrscheilichkeit ist p( ). T Statistik ud Wahrscheilichkeitsrechug Zufallsvariable N = Zeit, bis ei Hochwasser zum erste Mal auftritt. Die Wahrscheilichkeit, dass es ei Hochwasser im -te Jahr zum erste Mal auftritt, etspricht: Erwartugswert vo N, P[ N ] ( p)( p)...( p) p ( p) ist p E[ N ] P[ N ] ( p) p T p EN [ ] Geometrische Verteilug

32 Aufgabe D.8 Statistik ud Wahrscheilichkeitsrechug Die Wahrscheilichkeit, dass es ei Hochwasser im -te Jahr zum erste Mal auftritt, etspricht: P[ N ] ( p)( p)...( p) p ( p) p Geometrische Verteilug Ei eifaches Bsp. eier geometrische Verteilug: Die Wahrscheilichkeit eie 5 beim Würfel zu bekomme PN [ ]... _ 6 PN [ 2] ( ) PN [ 3] ( )( ) t 3 ( 6 )

33 Aufgabe D.8 Statistik ud Wahrscheilichkeitsrechug a) Wie gross ist die Wahrscheilichkeit, dass der Staudamm währed eies 0-Jahre-Zeitraums geau im 0-te Jahr überflutet wird? Die Wahrscheilichkeit, dass es im. Jahr zum erste Hochwasser kommt P[ N ] ( p)( p)...( p) p ( p) p Geometrische Verteilug Das Ereigis Überflutug im 0. Jahr währed eies 0-Jahre-Zeitraums ka demach wie folgt beschriebe werde: P H p p 9 ( Überflutug,) ( ) ( ) (0.00) (0.999)

34 Aufgabe D.8 Statistik ud Wahrscheilichkeitsrechug b) Wie gross ist die Wahrscheilichkeit, dass der Staudamm währed eies 0-Jahre-Zeitraums isgesamt zweimal überflutet wird? Die Wahrscheilichkeit, dass es i 0 Jahre ( Versuche) zu zwei Überflutuge kommt (y Treffer)?

35 Aufgabe D.8 Statistik ud Wahrscheilichkeitsrechug b) Wie gross ist die Wahrscheilichkeit, dass der Staudamm währed eies 0-Jahre-Zeitraums isgesamt zweimal überflutet wird? Die Wahrscheilichkeit, dass es i 0 Jahre ( Versuche) zu zwei Überflutuge kommt (y Treffer) Biomialverteilug! PY [ y] y p ( p) p ( p) y! y! y y y y Etspreched der Biomialverteilug erhält ma: 0! P H p p 2! (0 2)! ( Überflutug,2) ( ) ( ) 45 (0.00) (0.999)

36 Aufgabe D.8 Statistik ud Wahrscheilichkeitsrechug c) Wie gross ist die Wahrscheilichkeit, dass der Staudamm währed eies 0-Jahre-Zeitraums überhaupt icht überflutet wird? Die Wahrscheilichkeit, dass es i 0 Jahre ( Versuche) zu ull Überflutuge kommt (y Treffer)

37 Aufgabe D.8 Statistik ud Wahrscheilichkeitsrechug c) Wie gross ist die Wahrscheilichkeit, dass der Staudamm währed eies 0-Jahre-Zeitraums überhaupt icht überflutet wird? Die Wahrscheilichkeit, dass es i 0 Jahre ( Versuche) zu ull Überflutuge kommt (y Treffer) Biomialverteilug! PY [ y] y p ( p) p ( p) y! y! y y y y

38 Aufgabe D.8 Statistik ud Wahrscheilichkeitsrechug c) Wie gross ist die Wahrscheilichkeit, dass der Staudamm währed eies 0-Jahre-Zeitraums überhaupt icht überflutet wird? Die Wahrscheilichkeit, dass es i 0 Jahre ( Versuche) zu ull Überflutuge kommt (y Treffer) Biomialverteilug! PY [ y] y p ( p) p ( p) y! y! y y y y Etspreched der Biomialverteilug erhält ma: 0! P H p p 0! (0 0)! ( Überflutug,0) ( ) ( ) (0.00) (0.999)

39 Aufgabe D.8 Statistik ud Wahrscheilichkeitsrechug d) Wie gross ist die Wahrscheilichkeit, dass der Staudamm währed eies 0-Jahre-Zeitraums höchstes eimal überflutet wird? Die Wahrscheilichkeit, dass es i 0 Jahre ( Versuche) zu ull oder ei Überflutuge kommt (y Treffer) Biomialverteilug P( H ) P( H ) P( H ) max, Überflutug,0 Überflutug, 0! P( HÜberflutug,0) ( p) ( p) 0! (0 0)! ! P( HÜberflutug,) ( p) ( p)! (0 )! 0 P( H ) P( H ) P( H ) max, Überflutug,0 Überflutug,

40 Aufgabe D.8 Statistik ud Wahrscheilichkeitsrechug e) Wie gross ist die Wahrscheilichkeit, dass der Staudamm währed eies 00-Jahre-Zeitraums isgesamt 0 mal überflutet wird? Die Wahrscheilichkeit, dass es i 00 Jahre ( Versuche) zu 0 Überflutuge kommt (y Treffer) Biomialverteilug 00! P( HÜberflutug,0 ) ( p) ( p).580 0!(00 0)!

41 Aufgabe D.8 Statistik ud Wahrscheilichkeitsrechug f) Wie gross ist die Wahrscheilichkeit, dass der Staudamm währed eies 000-Jahre-Zeitraums eimal oder öfters überflutet wird? Die Wahrscheilichkeit, dass es i 000 Jahre ( Versuche) zu eier oder mehrere Überflutuge kommt (y Treffer) Biomialverteilug 000! P H p p 0!(000 0)! ( Überflutug,0) ( ) ( ) (0.00) (0.999) Die gesuchte Wahrscheilichkeit ist die Wahrscheilichkeit des Komplemetärereigisses: PH ( ) Überflutug,

42 Wahrscheilichkeit [-] Aufgabe D.8 Statistik ud Wahrscheilichkeitsrechug Biomialverteilug vo 0 bis 0 Überflutuge i eiem 000-jährige Zeitraum [-] bei eier Auftreteswahrscheilichkeit vo Überflutuge [-]

43 Statistik ud Wahrscheilichkeitsrechug Hilfreicher Lik

44 Statistik ud Wahrscheilichkeitsrechug Aufgabe D.9 (Hausübug) Aus Date der letzte Jahre ist ersichtlich, dass vo alle eigereichte Projektvorschläge eies Plaugsbüros im Umweltigeieurwese 27% erfolgreich eie Zuschlag erhalte habe. Als euer Besitzer dieses Plaugsbüros setzt du dich u mit der Wirtschaftsplaug der kommede Jahre auseiader. I diesem Zusammehag iteressiert dich, a. wie gross die Wahrscheilichkeit ist, dass spätestes der 2. Projektvorschlag eie Zuschlag erhält. b. wie gross die Wahrscheilichkeit ist, dass ur der letzte der ächste 0 Projektvorschläge erfolgreich sei wird? c. wie gross die Wahrscheilichkeit ist, dass höchstes 2 der ächste 3 Projektvorschläge erfolgreich sei werde? Bitte bereche diese Wahrscheilichkeite

Lösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung

Lösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung Prof. Dr. V. Schmidt WS 200/20 G. Gaiselma, A. Spettl 7.02.20 Lösugsvorschlag Probeklausur zur Elemetare Wahrscheilichkeitsrechug Hiweis: Der Umfag ud Schwierigkeitsgrad dieser Probeklausur muss icht dem

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 Lehrstuhl für Empirische Wirtschaftsforschug ud Ökoometrie Dr. Rolad Füss Statistik II: Schließede Statistik SS 2007 6. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug

Mehr

Empirische Verteilungsfunktion

Empirische Verteilungsfunktion KAPITEL 3 Empirische Verteilugsfuktio 3.1. Empirische Verteilugsfuktio Seie X 1,..., X uabhägige ud idetisch verteilte Zufallsvariable mit theoretischer Verteilugsfuktio F (t) = P[X i t]. Es sei (x 1,...,

Mehr

6. Grenzwertsätze. 6.1 Tschebyscheffsche Ungleichung

6. Grenzwertsätze. 6.1 Tschebyscheffsche Ungleichung 6. Grezwertsätze 6.1 Tschebyscheffsche Ugleichug Sofer für eie Zufallsvariable X die Verteilug bekat ist, lässt sich die Wahrscheilichkeit dafür bestimme, dass X i eiem bestimmte Itervall liegt. Wie ist

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler 9.04.008 Äderug Übugsstude Statistik ud Wahrscheilichkeitsrechug Die Gruppe vo Markus trifft sich am Doerstag statt im HCI D zusamme mit der Gruppe

Mehr

Prof. Dr. Roland Füss Statistik II SS 2008

Prof. Dr. Roland Füss Statistik II SS 2008 1. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug ergibt sich aus de Grezwertsätze. Grezwertsätze sid Aussage über eie Zufallsvariable für de Fall, dass die Azahl

Mehr

Kapitel 6 : Punkt und Intervallschätzer

Kapitel 6 : Punkt und Intervallschätzer 7 Kapitel 6 : Pukt ud Itervallschätzer Puktschätzuge. I der Statistik wolle wir Rückschlüsse auf das Wahrscheilichkeitsgesetz ziehe, ach dem ei vo us beobachtetes Zufallsexperimet abläuft. Hierzu beobachte

Mehr

Wahrscheinlichkeitstheorie und Statistik vom

Wahrscheinlichkeitstheorie und Statistik vom INSTITUT FÜR MATHEMATISCHE STOCHASTIK WS 005/06 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Klausur Wahrscheilichkeitstheorie ud Statistik vom 9..006 Musterlösuge Aufgabe A: Gegebe sei eie Urliste

Mehr

Vl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5

Vl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5 Vl Statistische Prozess- ud Qualitätskotrolle ud Versuchsplaug Übug 5 Aufgabe ) Sei p = P(A) die Wahrscheilichkeit für ei Ereigis A, dh., es gilt 0 p. Bereche Sie das Maximum der Fuktio f(p) = p(-p). Aufgabe

Mehr

Diskrete Zufallsvariablen

Diskrete Zufallsvariablen Erste Beispiele diskreter Verteiluge Diskrete Zufallsvariable Beroulli-Verteilug Eie diskrete Zufallsvariable heißt beroulliverteilt mit arameter p, falls sie die Wahrscheilichkeitsfuktio p,, f ( ) ( )

Mehr

Klausur vom

Klausur vom UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Domiik Faas Stochastik Witersemester 00/0 Klausur vom 7.0.0 Aufgabe 3+.5+.5=6 Pukte Bei eier Umfrage wurde 60 Hotelbesucher ach ihrer Zufriedeheit

Mehr

Einführung in die Stochastik 10. Übungsblatt

Einführung in die Stochastik 10. Übungsblatt Eiführug i die Stochastik. Übugsblatt Fachbereich Mathematik SS M. Kohler.7. A. Fromkorth D. Furer Gruppe ud Hausübug Aufgabe 37 (4 Pukte) Ei Eremit am Südpol hat sich für die eibrechede polare Nacht mit

Mehr

4 Schwankungsintervalle Schwankungsintervalle 4.2

4 Schwankungsintervalle Schwankungsintervalle 4.2 4 Schwakugsitervalle Schwakugsitervalle 4. Bemerkuge Die bekate Symmetrieeigeschaft Φ(x) = 1 Φ( x) bzw. Φ( x) = 1 Φ(x) für alle x R überträgt sich auf die Quatile N p der Stadardormalverteilug i der Form

Mehr

R. Brinkmann Seite

R. Brinkmann  Seite R. Brikma http://brikma-du.de Seite 1.0.014 Lösuge zur Biomialverteilug I Ergebisse: E1 E E E4 E E E7 Ergebis Ei Beroulli-Experimet ist ei Zufallsexperimet, das ur zwei Ergebisse hat. Die Ergebisse werde

Mehr

Kapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit

Kapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit - 18 - (Kapitel 3 : Bedigte Wahrscheilichkeite ud Uabhägigkeit) Kapitel 3: Bedigte Wahrscheilichkeite ud Uabhägigkeit Wird bei der Durchführug eies stochastische Experimets bekat, daß ei Ereigis A eigetrete

Mehr

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy. Vo der relative Häufigkeit zur Wahrscheilichkeit Es werde 20 Schüler befragt, ob sie ei Hady besitze. Das Ergebis der Umfrage lautet: Vo 20 Schüler besitze 99 ei Hady. Ereigis E: Schüler besitzt ei Hady

Mehr

Übungsblatt 1 zur Vorlesung Angewandte Stochastik

Übungsblatt 1 zur Vorlesung Angewandte Stochastik Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche

Mehr

Eingangsprüfung Stochastik,

Eingangsprüfung Stochastik, Eigagsprüfug Stochastik, 5.5. Wir gehe stets vo eiem Wahrscheilichkeitsraum (Ω, A, P aus. Die Borel σ-algebra auf wird mit B bezeichet, das Lebesgue Maß auf wird mit λ bezeichet. Aufgabe ( Pukte Sei x

Mehr

Zentraler Grenzwert Satz

Zentraler Grenzwert Satz Zetraler Grezwert Satz Aufgabe Aufgabe 1 Um ihr Studium zu fiaziere jobbe Sie ebebei als Iterviewer ud befrage bei eier ihrer Missioe zufällig Wahlberechtigte um das Wahlergebis eier bestimmte Partei vorherzusage.

Mehr

Zenraler Grenzwertsatz

Zenraler Grenzwertsatz Zeraler Grezwertsatz Ato Klimovsky Zetraler Grezwertsatz. Kovergez i Verteilug. Normalapproximatio. I diesem Abschitt beschäftige wir us mit der folgede Frage. Frage: Wie sieht die Verteilug eier Summe

Mehr

Parameterschätzung. Kapitel Schätzfunktionen

Parameterschätzung. Kapitel Schätzfunktionen Kapitel 8 Parameterschätzug 8.1 Schätzfuktioe Def. 8.1.1: Es seie X 1,X,...,X uabhägige ZV, die alle die gleiche Verteilug besitze. θ sei ei ubekater Parameter dieser Verteilug. X 1,X,...,X ist als eie

Mehr

Kapitel 2: Laplacesche Wahrscheinlichkeitsräume

Kapitel 2: Laplacesche Wahrscheinlichkeitsräume - 12 - (Kapitel 2 : Laplacesche Wahrscheilicheitsräume) Kapitel 2: Laplacesche Wahrscheilicheitsräume Wie beim uverfälschte Müzewurf ud beim uverfälschte Würfel spiele Symmetrieüberleguge, die jedem Elemetarereigis

Mehr

Wahrscheinlichkeitstheorie und Statistik

Wahrscheinlichkeitstheorie und Statistik Kapitel 15 Wahrscheilichkeitstheorie ud Statistik Verstädisfrage Sachfrage 1. Erläuter Sie de Begriff der absolute ud relative Häufigkeit eier Stichprobe! 2. Erläuter Sie de Begriff der Klassehäufigkeit

Mehr

Das kollektive Risikomodell. 12. Mai 2009

Das kollektive Risikomodell. 12. Mai 2009 Kirill Rudik Das kollektive Risikomodell 12. Mai 2009 4.1 Eileitug Wir betrachte i diesem Kapitel die Gesamtforderuge im Laufe eies Jahres. Beim Abschluss eies Versicherugsvertrages weiß der Versicherer

Mehr

15.4 Diskrete Zufallsvariablen

15.4 Diskrete Zufallsvariablen .4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet

Mehr

Lösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 4: Aufgaben zu den Kapiteln 7 und 8

Lösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 4: Aufgaben zu den Kapiteln 7 und 8 1 Lösuge ausgewählter Übugsaufgabe zum Buch Elemetare Stochastik (Spriger Spektrum, 2012) Teil 4: Aufgabe zu de Kapitel 7 ud 8 Aufgabe zu Kapitel 7 Zu Abschitt 7.1 Ü7.1.1 Ω sei höchstes abzählbar, ud X,

Mehr

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 5

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 5 TUM, Zetrum Mathematik Lehrstuhl für Mathematische Physik WS 13/14 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weider Tutoraufgabe: Eiführug i die Wahrscheilichkeitstheorie Lösugsvorschläge zu Übugsblatt

Mehr

Stochastik: Binomialverteilung Stochastik Bernoulli-Experimente, binomialverteilte Zufallsvariablen Gymnasium ab Klasse 10

Stochastik: Binomialverteilung Stochastik Bernoulli-Experimente, binomialverteilte Zufallsvariablen Gymnasium ab Klasse 10 Stochastik Beroulli-Experimete, biomialverteilte Zufallsvariable Gymasium ab Klasse 0 Alexader Schwarz www.mathe-aufgabe.com November 203 Hiweis: Für die Aufgabe darf der GTR beutzt werde. Aufgabe : Ei

Mehr

Teil II Zählstatistik

Teil II Zählstatistik Teil II Zählstatistik. Aufgabestellug. Vergleiche Sie experimetelle Zählverteiluge mit statistische Modelle (POISSON-Verteilug ud Normalverteilug) 2. Theoretische Grudlage Stichworte zur Vorbereitug: Impulszahl,

Mehr

6. Übung - Differenzengleichungen

6. Übung - Differenzengleichungen 6. Übug - Differezegleichuge Beispiel 00 Gesucht sid alle Lösuge vo a) x + 3x + = 0 ud b) x + x + 7 = 0, jeweils für 0. Um diese lieare Differezegleichug erster Ordug zu löse, verwede wir die im Buch auf

Mehr

Tests statistischer Hypothesen

Tests statistischer Hypothesen KAPITEL 0 Tests statistischer Hypothese I der Statistik muss ma oft Hypothese teste, z.b. muss ma ahad eier Stichprobe etscheide, ob ei ubekater Parameter eie vorgegebee Wert aimmt. Zuerst betrachte wir

Mehr

Wirksamkeit, Effizienz

Wirksamkeit, Effizienz 3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue

Mehr

Kovarianz und Korrelation

Kovarianz und Korrelation Kapitel 2 Kovariaz ud Korrelatio Josef Leydold c 2006 Mathematische Methode II Kovariaz ud Korrelatio 1 / 41 Lerziele Mathematische ud statistische Grudlage der Portfoliotheorie Kovariaz ud Korrelatio

Mehr

Wirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel

Wirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Beispiel: Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische

Mehr

Tests für beliebige Zufallsvariable

Tests für beliebige Zufallsvariable Kapitel 10 Tests für beliebige Zufallsvariable 10.1 Der Chi-Quadrat-Apassugstest Sei x eie gaz beliebige Zufallsvariable, dere Dichtefuktio icht oder icht geau bekat ist. Beispiel: Es seie z.b. mittels

Mehr

Konfidenzintervalle. Praktische Übung Stochastik SS 2017 Lektion 10 1

Konfidenzintervalle. Praktische Übung Stochastik SS 2017 Lektion 10 1 Kofidezitervalle Praktische Übug Stochastik SS 017 Lektio 10 1 Kofidezitervalle Geerelle Aahme: Parametrisches Modell (P ϑ ) ϑ Θ Beobachtuge X 1,..., X u.i.v. ach P ϑ mit ubekatem ϑ Θ Grudidee: Schätzer

Mehr

Übungen zur Klausur Nr. 2: Wahrscheinlichkeitsrechnung II

Übungen zur Klausur Nr. 2: Wahrscheinlichkeitsrechnung II Berufskolleg Marieschule Lippstadt Schule der Sekudarstufe II mit gymasialer Oberstufe ud Fachschule - staatlich aerkat - Kurslehrer: Lagebach Berufskolleg Marieschule Lippstadt Schule der Sekudarstufe

Mehr

X X Schätzen von Vertrauensintervallen Schwankungsintervall

X X Schätzen von Vertrauensintervallen Schwankungsintervall .. Schätze vo Vertrauesitervalle..1. Schwakugsitervall Beispiel: X = Betrag vo Geldüberweisuge, ormalverteilt, µ = 5000, = 1000 Zufallsstichprobe mit = 100, Schätzer für µ: X X Gesucht: Itervall, i dem

Mehr

Stochastisches Integral

Stochastisches Integral Kapitel 11 Stochastisches Itegral Josef Leydold c 26 Mathematische Methode XI Stochastisches Itegral 1 / 2 Lerziele Wieer Prozess ud Browsche Bewegug Stochastisches Itegral Stochastische Differetialgleichug

Mehr

Der χ 2 Test. Bei Verteilungen Beantwortung der Frage, ob eine gemessene Verteilung Gauß- oder Poisson-verteilt ist oder nicht?

Der χ 2 Test. Bei Verteilungen Beantwortung der Frage, ob eine gemessene Verteilung Gauß- oder Poisson-verteilt ist oder nicht? Der χ Test Es gibt verschiedee Arte vo Sigifikaztests Nebe Sigifikaztests, die sich mit dem Mittelwert beschäftige, gibt es auch Testverfahre für Verteiluge Bei Verteiluge Beatwortug der Frage, ob eie

Mehr

Zufallsvariable. Die Wahrscheinlichkeitsverteilung p (probability function) ist definiert durch: p(x i ) := P (X = x i ),

Zufallsvariable. Die Wahrscheinlichkeitsverteilung p (probability function) ist definiert durch: p(x i ) := P (X = x i ), ETHZ 90-683 Dr. M. Müller Statistische Methode WS 00/0 Zufallsvariable Zusammehag: Wirklichkeit Modell Wirklichkeit Stichprobe Date diskret stetig rel. Häufigkeit Häufigkeitstabelle Stabdiagramm Histogramm

Mehr

Statistik I/Empirie I

Statistik I/Empirie I Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass

Mehr

Kapitel 5: Schließende Statistik

Kapitel 5: Schließende Statistik Kapitel 5: Schließede Statistik Statistik, Prof. Dr. Kari Melzer 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte

Mehr

1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre Morgasche Formel A \ B = A [ B A [ B = A \ B Kommutativgesetz A \ B = B \ A A [ B = B [ A Assozia

1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre Morgasche Formel A \ B = A [ B A [ B = A \ B Kommutativgesetz A \ B = B \ A A [ B = B [ A Assozia Statistik I - Formelsammlug Ihaltsverzeichis 1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre................................. 1. Kombiatorik........................................ 1.3 Wahrscheilichkeite....................................

Mehr

Statistik I Februar 2005

Statistik I Februar 2005 Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet

Mehr

Maximum Likelihood Version 1.6

Maximum Likelihood Version 1.6 Maximum Likelihood Versio 1.6 Uwe Ziegehage 15. November 2005 Logarithmegesetze log a (b) + log a (c) = log a (b c) (1) log a (b) log a (c) = log a (b/c) (2) log a (b c ) = c log a (b) (3) Ableitugsregel

Mehr

Einführung in die induktive Statistik. Inferenzstatistik. Konfidenzintervalle. Friedrich Leisch

Einführung in die induktive Statistik. Inferenzstatistik. Konfidenzintervalle. Friedrich Leisch Spiel Körpergröße Zahl: Azahl weiblich Eiführug i die iduktive Statistik Friedrich Leisch Istitut für Statistik Ludwig-Maximilias-Uiversität Müche Tafelgruppe 8.5 8.6 8.7 8.8 8.9 9.0 9.1 4 5 3 2 1 0 1

Mehr

TESTEN VON HYPOTHESEN

TESTEN VON HYPOTHESEN TESTEN VON HYPOTHESEN 1. Grudlage Oft hat ma Vermutuge zu Sachverhalte ud möchte diese gere durch Experimete bestätige. Dabei ka es sich i der Praxis zum Beispiel um Verteiluge vo gewisse Zufallsgröße

Mehr

Abiturprüfung Mathematik 13 Technik B I - Lösung mit CAS

Abiturprüfung Mathematik 13 Technik B I - Lösung mit CAS GS 04.06.2016 - m16_13t-b1_lsg_cas_gs.pdf Abiturprüfug 2016 - Mathematik 13 Techik I - Lösug mit CAS Teilaufgabe 1.0 Eiem Eishockey-Traier stehe isgesamt 15 Spieler zur Verfügug, wobei es sich um zwölf

Mehr

AngStat1(Ue13-21).doc 23

AngStat1(Ue13-21).doc 23 3. Ereigisse Versuchsausgäge ud Wahrscheilicheite: a) Wie wird die Wahrscheilicheit des Auftretes eies Elemetarereigisses A geschätzt? A Ω heißt Elemetarereigis we es ur eie Versuchsausgag ethält also

Mehr

Wir wiederholen zunächst das Majorantenkriterium aus Satz des Vorlesungsskripts Analysis von W. Kimmerle und M. Stroppel.

Wir wiederholen zunächst das Majorantenkriterium aus Satz des Vorlesungsskripts Analysis von W. Kimmerle und M. Stroppel. Uiversität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dr. D. Zimmerma MSc. J. Köller MSc. R. Marczizik FDSA 4 Höhere Mathematik II 30.04.2014 el, kyb, mecha, phys 1 Kovergezkriterie

Mehr

3 Wichtige Wahrscheinlichkeitsverteilungen

3 Wichtige Wahrscheinlichkeitsverteilungen 26 3 Wichtige Wahrscheilicheitsverteiluge Wir betrachte zuächst eiige Verteilugsfutioe für Produtexperimete 31 Die Biomialverteilug Wir betrachte ei Zufallsexperimet zum Beispiel das Werfe eier Müze, bei

Mehr

Statistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik

Statistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik Statistik Kapitel 5: Schließede Statistik 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel 1» Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte der arithmetische

Mehr

Anwendung für Mittelwerte

Anwendung für Mittelwerte Awedug für Mittelwerte Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe... "wahre", ubekate Mittelwert der Grudgesamtheit icht zufällig?... beobachtete Mittelwert zufällig Statistik für SoziologIe 1

Mehr

Stochastik für Physiker: Aufgaben und Lösungsvorschläge

Stochastik für Physiker: Aufgaben und Lösungsvorschläge Stochastik für Physiker: Aufgabe ud Lösugsvorschläge Simo Stützer Stad: 4. Februar 9 Aufgabe : Vergleiche Sie die Wahrscheilichkeit, beim Spiel mit eiem Würfel i 4 Würfe midestes eimal 6 zu würfel, mit

Mehr

Übungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie

Übungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie Uiversität Müster Istitut für Mathematische Statistik Stochastik WS 203/204, Blatt Löwe/Heusel Aufgabe (4 Pukte) Übuge Abgabetermi: Freitag, 24.0.204, 0 Uhr THEMEN: Testtheorie Die Sollstärke der Rohrwäde

Mehr

(gesprochen n über k ) sind für n k, n, k N0 wie folgt definiert: n n. (k + 1)!(n k 1)! (n + 1)!

(gesprochen n über k ) sind für n k, n, k N0 wie folgt definiert: n n. (k + 1)!(n k 1)! (n + 1)! Aufgabe.4 Die Verallgemeierug der biomische Formel für (x y ist der Biomische Lehrsatz: (x y x y, x, y R, N. (a Zeige Sie die Beziehug ( ( ( zwische de Biomialoeffiziete. (b Beweise Sie de Biomische Lehrsatz.

Mehr

3. Einführung in die Statistik

3. Einführung in die Statistik 3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :

Mehr

Klausur zu,,einführung in die Wahrscheinlichkeitstheorie. Musterlösungen

Klausur zu,,einführung in die Wahrscheinlichkeitstheorie. Musterlösungen Istitut für agewadte Mathematik Witersemester 9/ Adreas Eberle, Matthias Erbar, Berhard Hader. (Reelle Zufallsvariable) Klausur zu,,eiführug i die Wahrscheilichkeitstheorie Musterlösuge a) Die Verteilugsfuktio

Mehr

10. Übungsblatt zur Einführung in die Stochastik

10. Übungsblatt zur Einführung in die Stochastik Fachbereich Mathematik rof. Dr. Michael Kohler Dipl.-Math. Adreas Fromkorth Dipl.-If. Jes Mehert SS 09 6.7.2009 0. Übugsblatt zur Eiführug i die Stochastik Aufgabe 38 (3 ukte Die Zufallsvariable X,...,

Mehr

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG. - LÖSUNGEN. ypothesetest für die Dicke vo Plättche Die Dicke X vo Plättche, die auf eier bestimmte Maschie

Mehr

Reihen Arithmetische Reihen Geometrische Reihen. Datei Nr (Neu bearbeitet und erweitert) Juni Friedrich W. Buckel

Reihen Arithmetische Reihen Geometrische Reihen. Datei Nr (Neu bearbeitet und erweitert) Juni Friedrich W. Buckel Zahlefolge Teil 3 Reihe Reihe Arithmetische Reihe Geometrische Reihe Datei Nr. 4003 (Neu bearbeitet ud erweitert) Jui 005 Friedrich W. Buckel Iteretbibliothek für Schulmathematik Ihalt Defiitio eier Reihe

Mehr

Momente der Logarithmischen Normalverteilung

Momente der Logarithmischen Normalverteilung Momete der Logarithmische Normalverteilug Die Paramter m ud s sid die Momete der Logarithmierte Verteilug, also m E(l(X )) ud s Var(l(X)) Es gilt jedoch: s m+ m+ s s E ( X ) e ud Var ( X ) e ( e 1 ) 16

Mehr

5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung

5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung Seite vo 7 5 Beroulli-Kette Jakob Beroulli 654-705 Schweizer Mathematiker ud Physiker 5. Beroulli-Exerimet 5.. Eileitug Oft iteressiert ma sich bei Zufallsexerimete icht für die eizele Ergebisse, soder

Mehr

Wahrscheinlichkeit & Statistik

Wahrscheinlichkeit & Statistik Wahrscheilichkeit & Statistik created by Versio: 3. Jui 005 www.matheachhilfe.ch ifo@matheachhilfe.ch 079 703 7 08 Mege als Sprache der Wahrscheilichkeitsrechug, Begriffe, Grudregel Ereigisraum: Ω Ω Mege

Mehr

Gütefunktion und Fehlerwahrscheinlichkeiten Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = Interpretation von Testergebnissen I

Gütefunktion und Fehlerwahrscheinlichkeiten Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = Interpretation von Testergebnissen I 6 Hypothesetests Gauß-Test für de Mittelwert bei bekater Variaz 6.3 Gütefuktio ud Fehlerwahrscheilichkeite Rechtsseitiger Test (µ 0 = 500) zum Sigifikaziveau α = 0.30 6 Hypothesetests Gauß-Test für de

Mehr

( ) Formelsammlung. Kombinatorik. Permutation: ohne Wiederholung. n! = n (n - 1) (n - 2)... 3 2 1 n= alle Elemente. Permutation: mit Wiederholung

( ) Formelsammlung. Kombinatorik. Permutation: ohne Wiederholung. n! = n (n - 1) (n - 2)... 3 2 1 n= alle Elemente. Permutation: mit Wiederholung Formelsammlug Kombiatori Permutatio: ohe Wiederholug! = ( - 1) ( - 2).... 3 2 1 = alle Elemete Permutatio: mit Wiederholug!! P, = = usw. = gleiche Elemete! 1! K 2! Stichprobe (SP) = geordete Auswahl Geordete

Mehr

Bei 95%iger Konfidenz wäre der Mittelwert der GG zwischen 1421,17DM und 1778,83DM zu erwarten.

Bei 95%iger Konfidenz wäre der Mittelwert der GG zwischen 1421,17DM und 1778,83DM zu erwarten. Aufgabe 36 (S. 346: Schätzverfahre für Mittelwert ud Stadardabweichug a Puktschätzuge für µ aufgrud der Werte der kleie Stichprobe aus Aufgabe 3 Bei eier Puktschätzug wird für de zu schätzede Parameter

Mehr

Die notwendigen Verteilungstabellen finden Sie z.b. hier:

Die notwendigen Verteilungstabellen finden Sie z.b. hier: Fakultät für Mathematik Istitute IAG ud IMO Prof. Dr. G. Kyureghya/Dr. M. Hödig Schätz- ud Prüfverfahre Die otwedige Verteilugstabelle fide Sie z.b. hier: http://www.ivwl.ui-kassel.de/kosfeld/lehre/zeitreihe/verteilugstabelle.pdf

Mehr

Statistische Tests zu ausgewählten Problemen

Statistische Tests zu ausgewählten Problemen Eiführug i die statistische Testtheorie Statistische Tests zu ausgewählte Probleme Teil : Tests für Erwartugswerte Statistische Testtheorie I Eiführug Beschräkug auf parametrische Testverfahre Beschräkug

Mehr

Aussage über die Verteilung Summen und Durchschnitte beliebig verteilter Zufallsvariablen

Aussage über die Verteilung Summen und Durchschnitte beliebig verteilter Zufallsvariablen 7. Grezwertsätze Die Grezwertsätze bilde de Abschluss der Wahrscheilichkeitsrechug ud sid vo zetraler Bedeutug vor allem für die iduktive Statistik. Gesetz der große Zahle Aussage über die Geauigkeit der

Mehr

Klausur 3 Kurs 11ma3g Mathematik

Klausur 3 Kurs 11ma3g Mathematik 202-06-2 Klausur 3 Kurs ma3g Mathematik Lösug I eier Lotto-Ure befide sich 49 Kugel, die mit de Zahle vo bis 49 beschriftet sid. Eie eizige Kugel wird gezoge. Bereche Sie die Wahrscheilichkeit, dass diese

Mehr

Zinsratenmodelle in stetiger Zeit: Teil II

Zinsratenmodelle in stetiger Zeit: Teil II Zisratemodelle i stetiger Zeit: Teil II Simoe Folty 1.11.006 1. Vasicek Modell (1977) 1.1 Eiführug Vasicek schlug das folgede Modell für die risikofreie Zisrate r(t) vor, basiered auf der SDGL d r t α

Mehr

Korrekturliste zum Studienbuch Statistik

Korrekturliste zum Studienbuch Statistik Korrekturlite zum Studiebuch Statitik I der aktuelle Auflage wurde durch ei Kovertierugproblem i de Kapitel 0 (S. 3 3 ud de etprechede Abchitte i de Löuge (S. 39 07 teilweie die Zeiche µ durch ud π durch

Mehr

Statistik, Abschnitt (1) Gegeben sei der Stichprobenvektor (X 1,..., X n ). Die Stichprobenfunktion. ˆµ k := 1 n. Xi k (1) i=1.

Statistik, Abschnitt (1) Gegeben sei der Stichprobenvektor (X 1,..., X n ). Die Stichprobenfunktion. ˆµ k := 1 n. Xi k (1) i=1. Statistik, Abschitt.. Schätzmethode.. Mometemethode Für Parameter, die sich i bekater Weise aus de Momete zusammesetze, erhält ma Schätzuge, idem ma die theoretische Momete durch die sogeate empirische

Mehr

Demo für www.mathe-cd.de

Demo für www.mathe-cd.de Wahrscheilichkeitsrechug Hypergeometrische Verteilug Themeheft ud Traiigsheft Datei r. 4211 Stad 17. April 2010 Friedrich W. Buckel Demo für ITERETBIBLIOTHEK FÜR SCHULMATHEMATIK 4211 Hypergeometrische

Mehr

7.2 Grundlagen der Wahrscheinlichkeitsrechnung

7.2 Grundlagen der Wahrscheinlichkeitsrechnung 7.2 Grudlage der Wahrscheilichkeitsrechug Ei Ereigis heißt i Bezug auf eie Satz vo Bediguge zufällig, we es bei der Realisierug dieses Satzes eitrete ka, aber icht ubedigt eitrete muss. Def. 7.2.: Ei Experimet

Mehr

10 Aussagen mit Quantoren und

10 Aussagen mit Quantoren und 0 Aussage mit Quatore ud 0.6. Eisatz vo (bereits bekater) Eistezaussage Bisher hatte wir Eistezbeweise geführt, idem wir ei passedes Objekt agegebe habe ( Setze... ). Stattdesse ka ma auch auf bereits

Mehr

Seminarausarbeitung: Gegenbeispiele in der Wahrscheinlichkeitstheorie. Unterschiedliche Konvergenzarten von Folgen von Zufallsvariablen

Seminarausarbeitung: Gegenbeispiele in der Wahrscheinlichkeitstheorie. Unterschiedliche Konvergenzarten von Folgen von Zufallsvariablen Semiarausarbeitug: Gegebeispiele i der Wahrscheilichkeitstheorie - Uterschiedliche Kovergezarte vo Folge vo Zufallsvariable Volker Michael Eberle 4. März 203 Eileitug Die vorliegede Arbeit thematisiert

Mehr

Zählterme (Seite 1) Aufgabe: Wie viele Nummernschilder kann es theoretisch im Raum Dresden geben? Wann müsste die 4.Ziffer eingeführt werden?

Zählterme (Seite 1) Aufgabe: Wie viele Nummernschilder kann es theoretisch im Raum Dresden geben? Wann müsste die 4.Ziffer eingeführt werden? Bemerkug: I Mathematik sollte ma keie Fahrpläe verwede, i der Stochastik erst recht icht. Zitat vo S.L. Das Baumdiagramm ist aber fast immer ei geeigetes Hilfsmittel. Produktregel Aufgabe: Wie viele Nummerschilder

Mehr

Statistische Modelle und Parameterschätzung

Statistische Modelle und Parameterschätzung Kapitel 2 Statistische Modelle ud Parameterschätzug 2. Statistisches Modell Die bisher betrachtete Modellierug eies Zufallsexperimetes erforderte isbesodere die Festlegug eier W-Verteilug. Oft besteht

Mehr

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen: 61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl

Mehr

Die Wurzel einer Zahl a ist die Zahl, die mit sich selbst malgenommen wieder a ergibt.

Die Wurzel einer Zahl a ist die Zahl, die mit sich selbst malgenommen wieder a ergibt. Wurzel Wurzelexpoet Radikad oder auch Basis Die Wurzel eier Zahl a ist die Zahl, die mit sich selbst malgeomme wieder a ergibt. Die -te Wurzel et ma auch Quadratwurzel, dabei lässt ma die (als Wurzelexpoet)

Mehr

Statistik. 2. Semester. Begleitendes Skriptum zur Vorlesung. im FH-Masterstudiengang. Technisches Management. von. Günther Karigl

Statistik. 2. Semester. Begleitendes Skriptum zur Vorlesung. im FH-Masterstudiengang. Technisches Management. von. Günther Karigl Statistik. Semester Begleitedes Skriptum zur Vorlesug im FH-Masterstudiegag Techisches Maagemet vo Güther Karigl FH Campus Wie 06/7 Statistische Schätzverfahre Statistische Schätzverfahre Währed die deskriptive

Mehr

Umrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung

Umrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung .3. Prozetuale Häufigkeitsverteilug (HV) Die prozetuale Häufigkeitsverteilug erlaubt de Vergleich vo Auswertuge, dee uterschiedliche Stichprobegröße zugrude liege. Es köe auch uterschiedliche Stichprobegröße

Mehr

Mathematik 2 für Naturwissenschaften

Mathematik 2 für Naturwissenschaften Has Walser Mathematik 2 für Naturwisseschafte 2 3 3 4 6 4 5 0 0 5 6 5 20 5 6 Modul 209 Tabelle Has Walser: Modul 209, Tabelle ii Ihalt Fakultäte... 2 Biomialkoeffiziete... 2 3 Biomische Verteilug... 3

Mehr

Bayessches Lernen (II)

Bayessches Lernen (II) Uiversität Potsdam Istitut für Iformatik Lehrstuhl Maschielles Lere Bayessches Lere (II) Christoph Sawade/Niels Ladwehr Jules Rasetahariso Tobias Scheffer Überblick Wahrscheilichkeite, Erwartugswerte,

Mehr

Praktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle

Praktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle Praktikum Vorbereitug Fertigugsmesstechik Statistische Qualitätskotrolle Bei viele Erzeugisse ist es icht möglich jedes Werkstück zu prüfe, z.b.: bei Massefertigug. Hier ist es aus ökoomische Grüde icht

Mehr

Klassifizierung der Verteilungen. Streuung der diskreten Verteilung

Klassifizierung der Verteilungen. Streuung der diskreten Verteilung Wichtigste Verteiluge der Biostatisti Disrete Zur Erierug Klassifizierug der Verteiluge Kotiuierliche Disrete Gleichverteilug Kotiuierliche Gleichverteilug Biomialverteilug Normalverteilug Poisso Verteilug

Mehr

Beispiel 4 (Die Urne zu Fall 4 mit Zurücklegen und ohne Beachten der Reihenfolge ) das Sitzplatzproblem (Kombinationen mit Wiederholung) Reihenfolge

Beispiel 4 (Die Urne zu Fall 4 mit Zurücklegen und ohne Beachten der Reihenfolge ) das Sitzplatzproblem (Kombinationen mit Wiederholung) Reihenfolge 1 Beispiel 4 (Die Ure zu Fall 4 mit Zurücklege ud ohe Beachte der Reihefolge ) das Sitzplatzproblem (Kombiatioe mit Wiederholug) 1. Übersicht Ziehugsmodus ohe Zurücklege des gezogee Loses mit Zurücklege

Mehr

Kontingenztabellen. Chi-Quadrat-Test. Korrelationsanalyse zwischen kategorischen Merkmalen. 1. Unabhängigkeitstest

Kontingenztabellen. Chi-Quadrat-Test. Korrelationsanalyse zwischen kategorischen Merkmalen. 1. Unabhängigkeitstest Kotigeztabelle. Chi-Quadrat-Test KAD 1.11. 1. Uabhägigkeitstest. Apassugstest. Homogeitätstest Beispiel 1 ohe Frau 8 75 1 Ma 48 49 97 76 14? Korrelatiosaalyse zwische kategorische Merkmale Häufigkeitstabelle

Mehr

2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters:

2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters: . Schätzverfahre. Puktschätzug wirtschaftlicher Kezahle Allgemei: Puktschätzug eies Parameters: Ermittlug eies Schätzwertes für eie ubekate Parameter eier Zufallsvariable i der Grudgesamtheit mit Hilfe

Mehr

Forschungsstatistik I

Forschungsstatistik I Prof. Dr. G. Meihardt 6. Stock, Taubertsberg R. 06-06 (Persike) R. 06-31 (Meihardt) Sprechstude jederzeit ach Vereibarug Forschugsstatistik I Dr. Malte Persike persike@ui-maiz.de http://psymet03.sowi.ui-maiz.de/

Mehr

KAPITEL 11. Ungleichungen. g(x) g(x 0 ) + K 0 (x x 0 ).

KAPITEL 11. Ungleichungen. g(x) g(x 0 ) + K 0 (x x 0 ). KAPITEL 11 Ugleichuge 111 Jese-Ugleichug Defiitio 1111 Eie Fuktio g : R R heißt kovex, we ma für jedes x R ei K = K (x ) R fide ka, so dass für alle x R gilt: g(x) g(x ) + K (x x ) Bemerkug 111 Eie Fuktio

Mehr

Vordiplomprüfung 2014 Mathematik Seite 1 von 3

Vordiplomprüfung 2014 Mathematik Seite 1 von 3 Vordiplomprüfug 14 Mathematik Seite 1 vo 1. Aufgabe Has hat eie Uhr bekomme. Er beobachtet, dass der Miutezeiger vo Zeit zu Zeit de Studezeiger überholt. a) Um welche Zeit zwische 9 ud 1 Uhr stehe die

Mehr

Ereignis Wahrscheinlichkeit P (A) A oder B P (A + B) A und B P (AB) B, wenna P (B A)

Ereignis Wahrscheinlichkeit P (A) A oder B P (A + B) A und B P (AB) B, wenna P (B A) Kapitel 10 Statistik 10.1 Wahrscheilichkeit Das Ergebis eier Messug oder Beobachtug wird Ereigis geat. Ereigisse werde mit de Buchstabe A, B,...bezeichet. Die Messug eier kotiuierliche Variable x gibt

Mehr

Übungen zu QM III Mindeststichprobenumfang

Übungen zu QM III Mindeststichprobenumfang Techische Hochschule Köl Fakultät für Wirtschafts- ud Rechtswisseschafte Prof. Dr. Arreberg Raum 221, Tel. 39 14 jutta.arreberg@th-koel.de Übuge zu QM III Mideststichprobeumfag Aufgabe 12.1 Sie arbeite

Mehr

LGÖ Ks VMa 12 Schuljahr 2017/2018

LGÖ Ks VMa 12 Schuljahr 2017/2018 LGÖ Ks VMa Schuljahr 7/8 Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud ugleichuge 6 Für Experte 8 Polyomgleichuge ud -ugleichuge

Mehr

Formelsammlung Mathematik

Formelsammlung Mathematik Formelsammlug Mathematik 1 Fiazmathematik 1.1 Reterechug Sei der Zissatz p%, der Zisfaktor q = 1 + p 100. Seie R die regelmäßig zu zahlede Rate, die Laufzeit. Edwert: Barwert: achschüssig R = R q 1 q 1

Mehr

1 Analysis T1 Übungsblatt 1

1 Analysis T1 Übungsblatt 1 Aalysis T Übugsblatt A eier Weggabelug i der Wüste lebe zwei Brüder, die vollkomme gleich aussehe, zwische dee es aber eie gewaltige Uterschied gibt: Der eie sagt immer die Wahrheit, der adere lügt immer.

Mehr