, die Kettenlänge variiert. 0,45 0,40 0,35 0,30 0,25 0,20 0,15 0,10 0,05 0, ,45 0,40 0,35 0,30 0,25 0,20 0,15 0,10 0,05

Größe: px
Ab Seite anzeigen:

Download ", die Kettenlänge variiert. 0,45 0,40 0,35 0,30 0,25 0,20 0,15 0,10 0,05 0, ,45 0,40 0,35 0,30 0,25 0,20 0,15 0,10 0,05"

Transkript

1 Normalverteilug Normalverteilug. Eiführug ud Stadardisierug eies B(;p)-Histogramms Um Wahrscheilichkeitsberechuge bei biomialverteilte Zufallsgröße durchzuführe sid wir auf user Tafelwerk agewiese. Doch leider befide sich dari ur bestimmte Ketteläge ud bei Ketteläge vo über 00 hilft us das Tafelwerk da auch icht mehr. Bleibt och die Möglichkeit die gesuchte Wahrscheilichkeit mit dem Tascherecher zu bereche. Das ist aber da scho eie irrsiige Tipperei. Als Hauptproblematik hierbei bleibt, dass der TR ur bis 69! rechet ud da ist Schluss! Um diese Sache u i de Griff zu bekomme müsse wir irgedwie eie aalytische Fuktio fide, welche die Wahrscheilichkeitsverteilug äherugsweise beschreibt. Dazu schaue wir us eifach mal ei paar Biomialverteiluge a ud versuche eiige Merkmale herauszuarbeite. Die Trefferwahrscheilichkeit sei der Eifachheit halber fest gewählt p 0,5, die Ketteläge variiert. 0,5 0,0 0,5 0,0 0,5 0,0 0 B ; 0,5 0,5 0,0 0,5 0,0 0,5 0, B 6 ; 0,5 0,5 0,0 0,5 0,0 0,5 0, B ; 0,5 0,5 0,0 0,5 0,0 0,5 0, B 5 ; 0,5 0,5 0,0 0,5 0,0 0,5 0, B 50 ; 0,5 0,5 0,0 0,5 0,0 0,5 0,0 B 00 ; 0,

2 Normalverteilug 0,5 0,0 0,5 0,0 0,5 0,0 B 50 ; 0, Die Histogramme obiger Biomialverteiluge zeige: Die Histogramme (Säule) wader bei kostatem p ud wachsedem immer weiter ach rechts. Die Histogramme werde immer flacher ud auch immer breiter, sie lade weiter aus. Bei kleiem sid sie sehr usymmetrisch, bei größer werdedem werde sie dagege immer symmetrischer. Um u solche Histogramme für verschiedee besser miteiader vergleiche ud evetuelle Verwadtschafte feststelle zu köe, werde sie stadardisiert. De Vorgag der Stadardisierug wolle wir zum bessere Verstädis mit eiem Beispiel begleite. Sei also eie Zufallsgröße gegebe mit der Ketteläge 8 ud der Trefferwahrscheilichkeit p p. Da sieht das zur Zufallsgröße gehörige Histogramm, so aus: Die Zufallsgröße hat de Erwartugswert E 8 6 ud die Stadardabweichug Var pq 8 Für das eifache Itervall der Stadardabweichug gilt: ; 4 ; 8

3 Normalverteilug Nu schiebt ma das gaze um de Erwartugswert ach liks ud erhält zuächst eie eue Zufallsgröße S S S S S S Die Zufallsgröße S hat de Erwartugswert E S E E 0 ud die Stadardabweichug S S S Var S Var Var Für das eifache Itervall der Stadardabweichug gilt: ; ; ; S S S S S S Damit das gaze für sehr große icht allzu breit wird staucht ma es mit dem Faktor i x-richtug. Ma erhält da eie eue Zufallsgröße T S T T T T T Die Zufallsgröße T hat de Erwartugwert T ET E E E 0

4 Normalverteilug ud die Stadardabweichug T T Var T Var Var Var Für das eifache Itervall der Stadardabweichug gilt: ; ; ; S S S S S S Da jetzt aber die Säule im Histogramm icht mehr die Breite habe soder die Breite muss die Rechteckshöhe och mit multipliziert werde, damit die Gesamtfläche erhalte bleibt. Das Histogramm wird somit um de Faktor i y-richtug gestreckt. Dadurch etsteht eie eue Wahrscheilichkeitsfuktio t B ; p ; k P k mit p T T T T T t, für die gilt: k 0,5 k 0,5 t ; Ma et die Fuktio t eie stadardisierte Dichtefuktio. Lässt ma u sehr groß werde im Bsp : 70 Histogramms immer schmaler. Die Dichtekurve vo der stadardisierte Histogramme erweckt de Eidruck, dass sie mit wachsedem gege eie glatte Grezkurve kovergiert. Es stellt sich u die Frage, ob icht vielleicht die Aalysis eie Fuktio hervorbrigt, die folgede Bediguge gerecht wird.. Sie hat eie symmetrische Glockeform mit rasch abfallede Flake.. Sie hat eie Hochpukt bei etwa HP 0 0,4.. Sie überspat eie Gesamtfläche der Maßzahl., so werde die Rechtecke des 4

5 Normalverteilug Aufgabe:. Stadardisiere Sie ei B5; 4 Histogramm.. Dichtefuktio Wir wolle u eie aalytische Fuktio fide, welche obige Bediguge gerecht wird. Dabei bleibt icht allzu viel Spielraum. Eie Mege vo Fuktioe scheidet scho deswege aus weil sie midestes eie der Bediguge icht erfüllt. Es bleibe aber ichts desto trotz eiige Asatzmöglichkeite. Eie Glockekurve köte beispielsweise durch die Fuktio a f m : t m b t mit a, b IR ud m IN dargestellt werde. Versuche Sie für m die reelle Zahle a ud b so zu bestimme, dass die Fuktio f m die obige Bediguge erfüllt. Ergebis: 0,4 f t 0,6 t ud für m 4 erhält ma: 0,4 f4 t 4 0,6 t Trägt ma die beide Fuktiosgraphe i ei stadardisiertes Histogramm mit 70 p ei, so ist uschwer zu erkee, dass die beide Fuktiosgraphe aders strukturiert sid als die Treppeliie der Dichtefuktio 70. Auch och höhere Poteze vo t m 5 führe ebefalls zu keiem brauchbare Ergebis. Ud auch für größere liefer obige Fuktioe kei brauchbares Ergebis. G f4 G f t Eie eue Asatz köte ma mit Fuktioe der Form m f t a e mit a, b IR ud m IN, bilde. Diese falle rasch ab ud habe die Abszisseachse als Asymptote t m lim f t 0. m bt 5

6 Normalverteilug Damit sich alles eiigermaße im Rahme hält, wähle wir die eifachste Fuktio mit m aus: Die zweite Bedigug liefert: f t a e bt 0 f 0 a e 0,4 also folgt (i etwa): a 0,4 ud die Fuktio ist u vo der Form Die dritte Bedigug liefert da: f t 0,4 e bt bt bt z z 0,4 b b f t dt 0, 4 e dt 0, 4 e dt 0, 4 e dz e dz dt mit der Substitutio (. Fassug): z b t t z dt dz dz b b b z Allerdigs lässt sich die Fuktio e icht elemetar itegriere. Deoch geligt die Berechug des ueigetliche Itegrals mit Hilfsmittel der höhere Mathematik. Der berühmte Schweizer Mathematiker, Leohard Euler (707-78) hat gezeigt, dass gilt: e z dz Dieses Itegral ist uter dem Name Euler sches Itegral bekat. Somit folgt u: 0,4 z 0,4 b b e dz 0, 4 b b 0, 4 0,6 0,5 Wir erhalte somit die Fuktio 0,5 t f t 0,4 e Trägt ma de Fuktiosgraph i ei stadardisiertes Histogramm mit 70 p ei, so hat ma u eie Näherugsfuktio, welche sich durch ihre Elegaz ud Eifachheit auszeichet. Auf der Suche ach der exakte Grezfuktio für die stadardisierte Treppefuktioe war im Fall p als Erster der frazösische Privatgelehrte Abraham de Moivre ( ) erfolgreich. Laplace (749-87) schaffte es da das Ergebis auf p 0 ; zu beliebige Verallgemeier. Leider habe wir icht die Möglichkeite, um die Errugeschaft vo Laplace achzuvollziehe. Wir müsse us hier mit dem Ergebis zufriede gebe. G f 6

7 Normalverteilug Mit wachsedem äher sich die Dichtefuktioe der stadardisierte p 0 ; der Grezfuktio mit Biomialverteilug B;p für jedes t e Aus t B ; p ; k ud B ;p;k k t folgt: t ; t IR. k e Lokale Näherugsformel vo de Moivre ud Laplace: p 0 ; gilt: Für geüged große ud jedes B ;p;k k e pq k kp pq Die Zuverlässigkeit der Approximatio soll u a der Verteilug B00 ; 0, utersucht werde. Es gilt: Erwartugswert: 00 0, 0 Stadardabweichug: 00 0, 0,8 4 B 00 ; 0, k Die beide Kurve liege eigetlich relativ gut zusamme. Doch schaut ma sich de relative Fehler k B;p;k r k B ;p;k a, so sieht das gaz scho icht mehr gaz so rosig aus. k 7

8 Normalverteilug r k k Im Bereich k 8, also im Bereich um de Erwartugswert, trete Fehler vo 5,9% bis 4,5% auf. Im übrige Bereich wird der relative Fehler dem Betrag ach so groß, dass die Approximatio praktisch wertlos ist. Ergebis: Die Näherugsformel brigt für praktische Zwecke eie hireichede Geauigkeit, we folgede beide Bediguge erfüllt sid: Es sollte die Faustregel gelte: 9 Der Bereich für die Azahl k der Treffer sollte icht zu weit vom k ; Erwartugswert etfert liege: Aufgabe:. Ei Würfel wird 900 mal geworfe. Bereche Sie mit welcher Wahrscheilichkeit ma geau a) 55 b) 50 c) 40 mal die Sechs erhält. Reche Sie auf zwei Arte: Dichtefuktio laut Defiitio ud Wertetabelle der Dichtefuktio im Tafelwerk. Eie Hütte verfügt über 50 Bette. Da viele Waderer uterwegs sid müsse die Bette für die jeweils ächste Nacht vorgebucht werde. Aus Erfahrug weiß der Hüttewirt aber, dass eie Reservierug mit eier Wahrscheilichkeit vo 0% icht wahrgeomme wird. Deshalb immt er täglich 0 Reservieruge mehr a als er Bette zur Verfügug hat. Bereche Sie mit welcher Wahrscheilichkeit i eier Nacht geau 50 Bette belegt sid? Mit welcher Wahrscheilichkeit sid ur 40 Bette belegt? 8

9 Normalverteilug. Gauß sche Itegralfuktio Bei viele Aufgabe, um icht zu sage bei de meiste, ist allerdigs ach eier Wahrscheilichkeit für z.b. höchstes k Treffer gefragt. Dazu wolle wir us ei relativ eifaches Beispiel aschaue: 8 B 8; Verteilug P 8. Wir lege eie zugrude ud bereche Sei u T die zu gehörige stadardisierte Zufallsgröße, so bezeiche wir die zur Verteilugsfuktio vo T zugehörige Fuktio mit k t PT t P k mit t Brigt ma u die schwer erarbeitete Dichtefuktio mit is Spiel, so folgt: t k k Pp k t tdt mit t Ud somit: P 8 tdt t t Da aber u bei diesem Asatz die Hälfte der Rechtecksfläche bei t uberücksichtigt bleibt, ist es zweckmäßig, we ma die halbe Rechtecksbreite och zu userem Wert für t dazu addiert. Ma erhält somit t k k 0,5 k 0,5 Pp k t tdt mit t Bemerkug: Die Additio vo heißt Stetigkeitskorrektur. Sie diet dazu, die Summe der Rechtecksihalte dem Flächeihalt uter der stetige Kurve besser azupasse. Ud somit:, ,5 P 8,5 tdt 0,8945 (vgl. Tafelwerk Seite 5) 9

10 Normalverteilug Aus obiger Beziehug folgert ma u: k 0,5 k 0,5 Pp k k Pp k Pp k Diese Formel heißt itegrale Näherugsformel vo de Moivre-Laplace. Sie gilt für p 0;. große ud für Auf der like Seite muss der Stetigkeitsfaktor subtrahiert werde! Das ka ma sich a folgedem Beispiel wieder sehr gut klar mache. 8 P Aus k t,5 ud aus k 8 t Somit muss vom Rechteck bei t,5 liks dazugeomme werde, somit ist t,5,75 die halbe Rechtecksbreite 4 Ud für die rechte Greze gilt: t,5 4 t och ach t Also: 8 P 8,5,75,5,75 0,8945 0, P 8 0, P 8 0,85975 wahrer Wert! Setzt ma i der itegrale Näherugsformel k k k, so folgt: k 0,5 k 0,5 Pp k Damit lässt sich die lokale Wahrscheilichkeit mit der itegrale Näherugsformel bereche. 0

11 Normalverteilug Schaue wir us eimal de Graphe der Itegralfuktio t a. t t t Wie uschwer zu erkee ist folgt u: 0 lim t t t t für t 0 t t t t t Aufgabe: B 00;0,;6 ach. Bestimme Sie de Wert a) der Tabelle. b) der lokale Näherugsformel. c) der itegrale Näherugsformel. 000 P Bereche Sie 0,88 a) ohe Stetigkeitskorrektur. b) mit Stetigkeitskorrektur. 5. Ei Betrieb liefert Glühlampe i Kartos zu je 000 Stück. Der Ausschussateil sei %. Wir groß ist die Wahrscheilichkeit, dass sich i eiem Karto zwische 0 ud 40 defekte Glühlampe befide? 5 6. I der Budesrepublik Deutschlad wurde pro Jahr 6 0 Kider gebore. Die Wahrscheilichkeit eier Kabegeburt ist erfahrugsgemäß 0,54. Approximiere sie die Wahrscheilichkeit, dass die tatsächliche Azahl der Kabegeburte pro Jahr vom Erwartugswert um höchstes 000 abweicht. 007 BI 4 Die Brauerei B hat eie eue Etikettieralage, die bei 5% der Flasche das Etikett falsch aufklebt. Bereche Sie, wie viele Träger (Kaste mit 0 Flasche) ma dem Geträkemarkt liefer müsste, damit er mit eier Wahrscheilichkeit vo midestes 90% midestes 000 richtig etikettierte Flasche erhält. 5 Die Geschäftsleitug will u eie Imbissstad als zusätzliches Agebot eirichte. Dazu wurde 50 Kude befragt. Vo diese zeigte 0 Persoe Iteresse, der Rest lehte das Agebot ab. 5. Bereche Sie die Wahrscheilichkeit dafür, dass die Azahl der Befürworter um höchstes 0,5% vom Erwartugswert abweicht, we ma vo eiem

12 Normalverteilug Kudestamm vo 5000 Persoe ausgeht ud de Wert der relative Häufigkeit bei der Umfrage als Wahrscheilichkeit iterpretiert. 5. Zur Eröffug des Imbissstades wurde i eier Werbeaktio 75 Gutscheie für eie Flasche Wei ausgegebe. Die Geschäftsleitug geht davo aus, dass 0% der Gutscheie icht eigelöst werde. Deshalb stehe ur 50 Flasche zur Verfügug. Bestimme Sie, wie groß die Wahrscheilichkeit ist, dass die 50 Flasche icht ausreiche. 006 BII Um die Notwedigkeit eier Umgehugsstraße zu utersuche, wird a eier stark befahree Straße täglich zwische 6.0 Uhr ud 7.0 Uhr eie Verkehrszählug durchgeführt. A dem Kotrollpukt werde werktags im Mittel 765 Kraftfahrzeuge gezählt. Ma geht davo aus, dass die Azahl der täglich gezählte Fahrzeuge ormalverteilt ist. Die Wahrscheilichkeit dafür, dass a eiem Tag die Zählug um mehr als 0% vom Erwartugswert abweicht, beträgt 5%.. Ermittel Sie die Stadardabweichug vo.. Bereche Sie die Midestazahl der Tage, a dee ma eie Verkehrszählug durchführe müsste, damit a midestes eiem Tag eie Abweichug der Fahrzeugazahl vom Erwartugswert um höchstes 0% mit eier Wahrscheilichkeit vo midestes 99,9% auftritt. 006 BI Für das Turier werde Fußbälle beötigt, die besoders strege Aforderuge erfülle müsse, so muss z.b. die Masse zwische 45 g ud 45 g betrage. Ei Hersteller produziert Fußbälle, dere Masse aäherd ormalverteilt ist mit dem Mittelwert 45 g.. Wie groß darf die Stadardabweichug der Masse höchstes sei, damit der Hersteller höchstes 0% Ausschuss erhält? 00 BI Eie Zufallsgröße ist biomial verteilt mit = 0 ud der Trefferwahrscheilichkeit p = 0,7.. Bestimme Sie auf zwei verschiedee Arte die Wahrscheilichkeit P(75 77) auf zwei Nachkommastelle geau, ud gebe Sie de wesetliche Uterschied der Verfahre a.. Ermittel Sie ei möglichst kleies, zum Erwartugswert symmetrisches Itervall, i dem mit midestes 90prozetiger Wahrscheilichkeit die Azahl der Treffer liegt. 000 BI Die Kreiswehrersatzämter eies Bereichs muster pro Quartal juge Mäer. Erfahrugsgemäß äußer 40% die Absicht, Zivildiest leiste zu wolle.. Ermittel Sie ei möglichst kleies Itervall, i dem mit midestes 90% Wahrscheilichkeit die Azahl der Zivildiestleistede liegt.

13 Normalverteilug 999 BII Fridoli istalliert die eue Software vo Prima Soft. Wege eies Problems will er die Hotlie arufe, dere Nummer mit eier Wahrscheilichkeit vo 0% belegt ist. Fridoli immt sich vor, spätestes ach vier erfolglose Versuche aufzugebe. Bereche Sie die Wahrscheilichkeitsverteilug für die Azahl der Wählvorgäge, we ma die Azahl auf 5 festsetzt für de Fall, dass er viermal icht durchkommt, ud ermittel Sie de Erwartugswert. (6 BE) Ei Fliesehersteller verpackt die produzierte Fliese eier Sorte i Pakete zu je 50 Stück. Dabei immt er folgede drei Uterscheiduge vor: Güteklass e Wahrscheilichkeit, dass eie beliebige Fliese des Paketes fehlerhaft ist Preis pro Paket i DM A 0,0 70 B 0,0 65 C 0,0 55. Bereche Sie die Wahrscheilichkeite für folgede Ereigisse: E : I eiem Paket der Güteklasse C sid midestes 5 fehlerhafte Fliese. E : Werde eiem Paket der Güteklasse B 0 Fliese etomme, so sid daruter ur die letzte beide fehlerhaft.. Die Zufallsgröße Y bezeiche die Azahl der fehlerlose Fliese i eiem Paket der Güteklasse C. Bereche Sie die Wahrscheilichkeit P( Y- ), wobei = E(Y) ud Var(Y) bedeute.. Bestimme Sie, wie viele Pakete Fliese der Güteklasse B midestes erforderlich sid, um mit midestes 95 % Wahrscheilichkeit midestes 000 fehlerfreie Fliese zur Verfügug zu habe. Utersuche Sie da, ob es bei gleicher Bedigug güstiger wäre, Fliese der Güteklasse A zu kaufe. 999 BI Eie Firma stellt Fahrraddyamos her, vo dee im Mittel 8,0 % defekt sid.. Eier Tagesproduktio werde zufällig 0 Dyamos etomme. Bereche Sie die Wahrscheilichkeite, dass davo geau defekt sid bzw. dass davo midestes defekt sid.. Als Ursache für de Defekt eies Dyamos trete uabhägig voeiader etweder ei Fehler i der Mechaik M oder ei Fehler i der Elektrik E oder beide Fehler gleichzeitig auf. Es gilt P(M) =. Bereche Sie uter Berücksichtigug der Gesamtfehlerwahrscheilichkeit die Wahrscheilichkeit P(E) auf Dezimale.. Ei Fahrradhädler hat eie Lieferug vo 0 Dyamos getestet ud dabei festgestellt, dass Dyamos defekt sid. Durch ei Versehe wurde jedoch alle 0 Dyamos wieder i eie Schachtel gelegt ud köe äußerlich icht voeiader uterschiede werde. Utersuche Sie, ob die Ereigisse A: Vo drei zufällig der Schachtel etommee Dyamos sid midestes zwei itakt ud B: Vo drei zufällig der Schachtel etommee Dyamos ist midestes eier defekt stochastisch uabhägig sid, ud bereche Sie die bedigte Wahrscheilichkeit P A (B). (Hiweis: Die Etahme erfolgt acheiader ohe Zurücklege.).4 Für seie Produktio beötigt ei Fahrradhersteller 400 fuktioierede Dyamos. Bereche Sie, wie viele Dyamos ma bei obiger Firma bestelle muss, damit mit midestes 95% Wahrscheilichkeit weigstes 400 itakte Dyamos zur Verfügug stehe.

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

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

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

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

Kapitel 11 DIE NORMAL-VERTEILUNG

Kapitel 11 DIE NORMAL-VERTEILUNG Kapitel DIE NORMAL-VERTEILUNG Fassug vom 7. Februar 006 Prof. Dr. C. Porteier Mathematik für Humabiologe ud Biologe 49 . De itio der Normal-Verteilug. De itio der Normal-Verteilug Bisher habe wir ur diskret

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

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

n=0 f(x) = log(1 + x) = n=1

n=0 f(x) = log(1 + x) = n=1 Potez - Reihe Machmal ist es praktisch eie Fuktio f() mir Hilfe ihrer Potezreihe auszudrücke. Eie Potezreihe um de Etwicklugspukt 0 sieht im Allgemeie so aus a ( 0 ) Fuktioe, für die eie Potezreihe eistiert,

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

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

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

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

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

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

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

Kapitel 9: Schätzungen

Kapitel 9: Schätzungen - 73 (Kapitel 9: chätzuge) Kapitel 9: chätzuge Betrachte wir folgedes 9. Beispiel : I eiem Krakehaus wurde Date über Zwilligsgeburte gesammelt. Bei vo 48 Paare hatte die beide Zwillige verschiedees Geschlecht.

Mehr

Folgen und Reihen. 23. Mai 2002

Folgen und Reihen. 23. Mai 2002 Folge ud Reihe Reé Müller 23. Mai 2002 Ihaltsverzeichis 1 Folge 2 1.1 Defiitio ud Darstellug eier reelle Zahlefolge.................. 2 1.1.1 Rekursive Defiitio eier Folge......................... 3 1.2

Mehr

6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $

6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $ Mathematik für Iformatiker B, SS 0 Diestag 5.6 $Id: folge.tex,v. 0/06/05 ::8 hk Exp $ 6 Folge 6.4 Folge reeller Zahle I der letzte Sitzug habe wir de Begriff des Grezwerts eier Folge i eiem metrische Raum

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

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

Analysis ZAHLENFOLGEN Teil 4 : Monotonie

Analysis ZAHLENFOLGEN Teil 4 : Monotonie Aalysis ZAHLENFOLGEN Teil 4 : Mootoie Datei Nr. 40051 Friedrich Buckel Juli 005 Iteretbibliothek für Schulmathematik Ihalt 1 Eiführugsbeispiele 1 Mootoie bei arithmetische Folge Defiitioe 3 3 Welche Beweistechik

Mehr

4. Reihen Definitionen

4. Reihen Definitionen 4. Reihe 4.1. Defiitioe Addiere wir die Glieder eier reelle Zahlefolge (a k ), so heißt diese Summe S (uedliche) (Zahle-) Reihe S (Folge: Fuktio über N; Reihe: 1 Zahl): S := a 1 + a 2 + a 3 +... := Σ a

Mehr

Normalverteilung. Voraussetzung und verwandte Themen. Einführung. Ziel und Nutzen. Grundlagen

Normalverteilung. Voraussetzung und verwandte Themen. Einführung. Ziel und Nutzen. Grundlagen h Normalverteilug Voraussetzug ud verwadte Theme Für diese Beschreibuge sid Grudlage der Statistik ud isbesodere der statistische Verteiluge vorteilhaft. Weiterführede Theme sid: www.versuchsmethode.de/verteilugstests.pdf

Mehr

Nennenswertes zur Stetigkeit

Nennenswertes zur Stetigkeit Neeswertes zur Stetigkeit.) Puktweise Stetigkeit: Vo Floria Modler Defiitio der pukteweise Stetigkeit: Eie Fuktio f : D R ist geau da i x D stetig, we gilt: ε > δ >, so dass f ( x) f ( x ) < ε x D mit

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

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

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

Grenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen

Grenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen . Der Grezwert vo mootoe, beschräkte Folge Der Grezwert vo mootoe, beschräkte Folge ist eifacher verstädlich als der allgemeie Fall. Deshalb utersuche wir zuerst diese Spezialfall ud verallgemeier aschliessed.

Mehr

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Von Kurven und Flächen. Das komplette Material finden Sie hier:

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Von Kurven und Flächen. Das komplette Material finden Sie hier: Uterrichtsmaterialie i digitaler ud i gedruckter Form Auszug aus: Vo Kurve ud Fläche Das komplette Material fide Sie hier: School-Scout.de Das bestimmte Itegral ach Riema Eizelstude 69 Klasse 11 ud 12

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

Einführung in die Grenzwerte

Einführung in die Grenzwerte Eiführug i die Grezwerte Dieser Text folgt hauptsächlich der Notwedigkeit i sehr kurzer Zeit eie Idee ud Teile ihrer Awedug zu präsetiere, so dass relativ schell mit dieser Idee gerechet werde ka. Der

Mehr

Tutorial zum Grenzwert reeller Zahlenfolgen

Tutorial zum Grenzwert reeller Zahlenfolgen MAE Mathematik: Aalysis für Igeieure Herbstsemester 206 Dr. Christoph Kirsch ZHAW Witerthur Tutorial zum Grezwert reeller Zahlefolge I diesem Tutorial lere Sie, die logische Aussage i der Defiitio des

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

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

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

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

$Id: komplex.tex,v /04/13 15:09:53 hk Exp $

$Id: komplex.tex,v /04/13 15:09:53 hk Exp $ Mathematik für Igeieure IV, SS 206 Mittwoch 3.4 $Id: komplex.tex,v.2 206/04/3 5:09:53 hk Exp $ Komplexe Zahle I diesem Kapitel wolle wir erst eimal zusammestelle was aus de vorige Semester über die komplexe

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

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39 Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle

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

1 Randomisierte Bestimmung des Medians

1 Randomisierte Bestimmung des Medians Praktikum Diskrete Optimierug (Teil 0) 0.07.006 Radomisierte Bestimmug des Medias. Problemstellug ud Ziel I diesem Abschitt stelle wir eie radomisierte Algorithmus zur Bestimmug des Medias vor, der besser

Mehr

Vorkurs Mathematik für Informatiker Folgen

Vorkurs Mathematik für Informatiker Folgen Vorkurs Mathematik ür Iormatiker -- 8 Folge -- 11.10.2015 1 Folge: Deiitio Eie (uedliche) Folge im herkömmliche Sie etsteht durch Hitereiaderschreibe vo Zahle 1,2,3,4,5, Dabei ist die Reiheolge wichtig,

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

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

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

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

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

$Id: reihen.tex,v /06/14 13:59:06 hk Exp $

$Id: reihen.tex,v /06/14 13:59:06 hk Exp $ Mathematik für Iformatiker B, SS 202 Doerstag 4.6 $Id: reihe.tex,v.9 202/06/4 3:59:06 hk Exp $ 7 Reihe 7.4 Kovergezkriterie für Reihe 7.4. Alterierede Reihe Wir hatte gesehe das die harmoische Reihe divergiert,

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

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

Zusammenfassung: Gleichungen und Ungleichungen

Zusammenfassung: Gleichungen und Ungleichungen LGÖ Ks VMa Schuljahr 6/7 Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud ugleichuge 6 Für Eperte 8 Polyomgleichuge ud -ugleichuge

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

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

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

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:

Mehr

4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa

4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa 20 I. Zahle, Kovergez ud Stetigkeit 4 Kovergete Folge 4. Dezimalzahle ud Itervallschachteluge. a) Reelle Zahle werde meist als Dezimalzahle dargestellt, etwa 7,304 = 0+7 +3 0 +0 00 +4 000. Edliche Dezimalzahle

Mehr

Einführende Beispiele Arithmetische Folgen. Datei Nr SW. Das komplette Manuskript befindet sich auf der Mathematik - CD.

Einführende Beispiele Arithmetische Folgen. Datei Nr SW. Das komplette Manuskript befindet sich auf der Mathematik - CD. ZAHLENFOLGEN Eiführede Beispiele Arithmetische Folge Datei Nr. 400 SW Das komplette Mauskript befidet sich auf der Mathematik - CD Friedrich Buckel Februar 00 Iteratsgymasium Schloß Torgelow Ihalt Eiführede

Mehr

Allgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable

Allgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable Allgemeie Lösuge der -dimesioale Laplace-Gleichug ud ihre komplexe Variable Dr. rer. at. Kuag-lai Chao Göttige, de 4. Jauar 01 Abstract Geeral solutios of the -dimesioal Laplace equatio ad its complex

Mehr

Wallis-Produkt, Gammafunktion und n-dimensionale Kugeln

Wallis-Produkt, Gammafunktion und n-dimensionale Kugeln Wallis-Produkt, Gammafuktio ud -dimesioale Kugel Thomas Peters Thomas Mathe-Seite www.mathe-seite.de 6. Oktober 3 Das Ziel dieses Artikels ist es, Formel für das Volume ud die Oberfläche vo -dimesioale

Mehr

7. Grenzwertsätze Grenzwertsätzen Zentraler Grenzwertsatz Gesetz der großen Zahlen Tschebyscheffsche Ungleichung

7. Grenzwertsätze Grenzwertsätzen Zentraler Grenzwertsatz Gesetz der großen Zahlen Tschebyscheffsche Ungleichung 7. Grezwertsätze Bei de Grezwertsätze geht es um Aussage, die ma sogar da treffe ka, we keierlei Iformatioe über de Verteilugs-Typ der betrachtete Zufallsvariable vorliege. Zetraler Grezwertsatz Aussage

Mehr

Election: Nachrichtenkomplexität. Mittlere Nachrichtenkomplexität (1) - Beispiel: Sei k = n = 4 - Über alle Permutationen mitteln (wieviele?

Election: Nachrichtenkomplexität. Mittlere Nachrichtenkomplexität (1) - Beispiel: Sei k = n = 4 - Über alle Permutationen mitteln (wieviele? Electio: Nachrichtekompleität - Message-etictio-Prizip vo Chag ud Roberts 979 - war eier der erste verteilte Algorithme Mittlere Nachrichtekompleität () - Beispiel: Sei k = = - Über alle Permutatioe mittel

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

4. Die Menge der Primzahlen. Bertrands Postulat

4. Die Menge der Primzahlen. Bertrands Postulat O. Forster: Eiführug i die Zahletheorie 4. Die Mege der Primzahle. Bertrads Postulat 4.1. Satz (Euklid. Es gibt uedlich viele Primzahle. Beweis. Wir zeige, dass es zu jeder edliche Mege p 1, p 2,..., p

Mehr

Aufgabe 5: Grundlagen Wahr keit, Satz von Bayes und Binomialverteilung

Aufgabe 5: Grundlagen Wahr keit, Satz von Bayes und Binomialverteilung Klausur: Statistik Jürge Meisel Zugelassee Hilfsmittel: icht progr. Tascherecher Bearbeitugszeit: 60 Miute Amerkug zur Bearbeitug: Die Klausur besteht aus isgesamt 6 Aufgabe. Sie müsse ur 5 davo bearbeite.

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

Höhere Mathematik für die Fachrichtung Physik

Höhere Mathematik für die Fachrichtung Physik Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 05/06 04..05 Höhere Mathematik für die Fachrichtug Physik Lösugsvorschläge zum 6. Übugsblatt Aufgabe

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

KAPITEL 7. Zahlenfolgen. 7.1 Konvergente Zahlenfolgen Grenzwertbestimmung Grenzwertbestimmung durch Abschätzung...

KAPITEL 7. Zahlenfolgen. 7.1 Konvergente Zahlenfolgen Grenzwertbestimmung Grenzwertbestimmung durch Abschätzung... KAPITEL 7 Zahlefolge 7. Kovergete Zahlefolge.............................. 30 7.2 Grezwertbestimmug............................... 32 7.3 Grezwertbestimmug durch Abschätzug..................... 35 7.4

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

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

Beweistechniken Vollständige Induktion - Beispiele, Erweiterungen und Übungen

Beweistechniken Vollständige Induktion - Beispiele, Erweiterungen und Übungen Beweistechike Vollstädige Iduktio - Beispiele, Erweiteruge ud Übuge Alex Chmelitzki 15. März 005 1 Starke Iduktio Eie etwas abgewadelte Form der Iduktio ist die sogeate starke Iduktio. Bei dieser Spielart

Mehr

Aufgaben zur Übung und Vertiefung

Aufgaben zur Übung und Vertiefung Aufgabe zur Übug ud Vertiefug ARITHMETISCHE ZAHLENFOLGEN Berufliches Gymasium / Uterstufe () Stelle Sie fest, welche der gegebee Folge arithmetisch sid: Bestimme Sie zuächst die erste füf Folgeglieder,

Mehr

2 Vollständige Induktion

2 Vollständige Induktion 8 I. Zahle, Kovergez ud Stetigkeit Vollstädige Iduktio Aufgabe: 1. Bereche Sie 1+3, 1+3+5 ud 1+3+5+7, leite Sie eie allgemeie Formel für 1+3+ +( 3)+( 1) her ud versuche Sie, diese zu beweise.. Eizu5% ZiseproJahragelegtes

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

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

4 Konvergenz von Folgen

4 Konvergenz von Folgen 4 Kovergez vo Folge Defiitio 4.. Sei M eie Mege. Ist 0 Z ud für jedes Z mit 0 ei a M gegebe, so et ma die Abbildug { Z; 0 } M, a eie Folge i M. Abkürzed schreibt ma für eie solche Abbildug auch a ) 0 oder

Mehr

Übungen mit dem Applet erwartungstreu

Übungen mit dem Applet erwartungstreu Übuge mit dem Applet erwartugstreu Visualisierug vo erwartugstreu Begriffe ud statischer Hitergrud. Visualisieruge mit dem Applet..3. Zufallsstreuug der Eizelwerte...3. Mittelwerte 3.3 Variaz. 4.4 Variaz

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

1. Zahlenfolgen und Reihen

1. Zahlenfolgen und Reihen . Zahlefolge ud Reihe We ma eie edliche Mege vo Zahle hat, ka ma diese i eier bestimmte Reihefolge durchummeriere: {a,a 2,...,a }. Ma spricht vo eier edliche Zahlefolge. Fügt ma immer mehr Zahle hizu,

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

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

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

Zusammenfassung: Folgen und Konvergenz

Zusammenfassung: Folgen und Konvergenz LGÖ Ks VMa Schuljahr 6/7 Zusammefassug Folge ud Kovergez Ihaltsverzeichis Defiitioe ud Beispiele für Folge Beschräkte Folge Kovergez vo Folge Grezwertsätze für Folge 5 Für Experte 7 Defiitioe ud Beispiele

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

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

Nachtrag. Alternatives Buch zum Satz von Fermat 1999 bei amazon nur noch gebraucht

Nachtrag. Alternatives Buch zum Satz von Fermat 1999 bei amazon nur noch gebraucht Nachtrag Alteratives Buch zum Satz vo Fermat 1999 bei amazo ur och gebraucht 1 Uedliche (Zahle-) Mege 2 Wiederholug Steuer Bei eiem Eikomme vo ud eiem Steuersatz vo 33% müsse Sie Steuer zahle. Da werde

Mehr

Ganzrationale Funktionen

Ganzrationale Funktionen Gazratioale Fuktioe 9. Defiitio gazratioaler Fuktioe Im Folgede werde ebe lieare ud quadratische Fuktioe auch solche betrachtet, bei dee die Variable i der dritte, vierte oder auch i eier och höhere Potez

Mehr

Der Satz von Stone-Weierstraß. 1 Approximationssatz von Weierstraß

Der Satz von Stone-Weierstraß. 1 Approximationssatz von Weierstraß Der Satz vo Stoe-Weierstraß Vortrag zum Prosemiar Aalysis, 28.06.2010 Valetia Gerber, Sabria Kielma Aus der Vorlesug Aalysis I ud II kee wir das Kozept des Approximieres. Us wurde die Begriffe Taylor-

Mehr

6. Übungsblatt Aufgaben mit Lösungen + Selbsttest-Auflösung

6. Übungsblatt Aufgaben mit Lösungen + Selbsttest-Auflösung 6. Übugsblatt Aufgabe mit Lösuge + Selbsttest-Auflösug Aufgabe 6: Utersuche Sie die Folge, dere Glieder ute für N agegebe sid, auf Beschräktheit, Mootoie ud Kovergez bzw. Beschräktheit, Mootoie ud Kovergez

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

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

KAPITEL 8. Zahlenreihen. 8.1 Geometrische Reihe Konvergenzkriterien Absolut konvergente Reihen

KAPITEL 8. Zahlenreihen. 8.1 Geometrische Reihe Konvergenzkriterien Absolut konvergente Reihen KAPITEL 8 Zahlereihe 8. Geometrische Reihe................................. 53 8.2 Kovergezkriterie................................. 54 8.3 Absolut kovergete Reihe............................ 64 Lerziele

Mehr

SUCHPROBLEME UND ALPHABETISCHE CODES

SUCHPROBLEME UND ALPHABETISCHE CODES SUCHPROBLEME UND ALPHABETISCHE CODES Der Problematik der alphabetische Codes liege Suchprobleme zugrude, dere Lösug dem iformatiostheoretische Problem der Fidug eies (optimale) alphabetische Codes gleich

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

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

Stochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten

Stochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten Kapitel 2 Stochastische Uabhägigkeit, bedigte Wahrscheilichkeite 2.1 Stochastische Uabhägigkeit vo Ereigisse Im Folgede gehe wir vo eiem W-Raum (Ω, A, P aus. Der Begriff der stochastische Uabhägigkeit

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

Kreisabbildungen. S 1 f S 1. Beispiele: (1) f = id, F = id,

Kreisabbildungen. S 1 f S 1. Beispiele: (1) f = id, F = id, Kreisabbilduge Im Folgede sehe wir us eie gaz spezielle Klasse vo dyamische Systeme a: Abbilduge auf dem Kreis. Diese sid eifach geug, so dass wir sie och recht leicht aalysiere köe, habe aber adererseits

Mehr

Arithmetische und geometrische Folgen. Die wichtigsten Theorieteile. und ganz ausführliches Training. Datei Nr

Arithmetische und geometrische Folgen. Die wichtigsten Theorieteile. und ganz ausführliches Training. Datei Nr ZAHLENFOLGEN Teil 2 Arithmetische ud geometrische Folge Die wichtigste Theorieteile ud gaz ausführliches Traiig Datei Nr. 4002 Neu Überarbeitet Stad: 7. Juli 206 INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK

Mehr

5.3 Wachstum von Folgen

5.3 Wachstum von Folgen 53 Wachstum vo Folge I diesem Abschitt betrachte wir (rekursiv oder aders defiierte) Folge {a } = ud wolle vergleiche, wie schell sie awachse, we wächst Wir orietiere us dabei a W Hochstättler: Algorithmische

Mehr