Ereignisse und ihre Wahrscheinlichkeiten
|
|
- Berndt Maurer
- vor 6 Jahren
- Abrufe
Transkript
1 Ereignisse und ihre Wahrsheinlihkeiten Stihprobenräume Ereignisse Wahrsheinlihkeitsverteilungen dditionstheorem Gleihverteilung edingte Wahrsheinlihkeiten Unabhängigkeit von Ereignissen Gesetz der totalen Wahrsheinlihkeit Satz von ayes Handling von ktienkursen Quiz
2 Die Menge W der möglihen Ergebnisse eines Experiments heißt Stihprobenraum. eispiele: Werfen eines Würfels W{,, 3, 4, 5, } Werfen eines roten und eines grünen Würfels W{,,,,,3,,4,,5,,,,,,,,3,,4,,5,,, 3,, 3,, 3,3, 3,4, 3,5, 3,, 4,, 4,, 4,3, 4.4, 4,5, 4,, 5,, 5,, 5,3, 5,4, 5,5, 5,,,,,,,3,,4,,5,,} eurteilung einer Magisterarbeit W{,, 3, 4, 5} Messung der rbeitslosenrate in %, Nahkommastelle W{0.0, 0., 0.,, 99.8, 99.9, 00.0} sample spae Im Untershied zur Menge {,} kommt es beim geordneten aar, auf die Reihenfolge an. Daher gilt: {,}{,},,,.
3 Ereignisse 3 sind Teilmengen des Stihprobenraums. eispiele: Werfen eines Würfels Möglihe Ergebnisse:,, 3, 4, 5, Stihprobenraum: W{,,3,4,5,} Ereignisse: {,3,5} ungerade Zahl {} Sehser {,,3,4,5} kein Sehser {,3,5} rimzahl f unmöglihes Ereignis W siheres Ereignis {,,4} Zweier-otenz {3,} Vielfahes von 3 3 events Messung der rbeitslosenrate Möglihe Ergebnisse: 0.0, 0., 0.,, 00.0 Stihprobenraum: W{0.0,0.,0.,,00.0} Ereignisse: {0.0,0.,,3.4} Vollbeshäftigung 4 {3.5,,00.0} keinevollbeshäftigung {0.0,,9.9} -stellige rbeitslosenrate {3.5,,5.0} 4 Vollbeshäftigung bedeutet, dass es praktish nur zyklishe rbeitslosigkeit gibt. Die genaue Definition in % hängt von der Region und der Zeitperiode ab.
4 Der Durhshnitt 5 der Ereignisse und enthält genau diejenigen Elemente von W, die sowohl in als auh in enhalten sind. Die Vereinigung È der Ereignisse und enthält genau diejenigen Elemente von W, die in oder in enthalten sind. Das Komplement 7 eines Ereignisses enthält genau diejenigen Elemente des Stihprobenraumes W, die niht in enthalten sind. Die Ereignisse und heißen disjunkt 8, falls ihr Durhshnitt leer ist. 5 intersetion union 7 omplement 8 disjoint eispiel: Werfen eines Würfels W{,,3,4,5,} {,3,5}, {,3,5} {3,5} È{,,3,5} {,4,} {,4,} Die Ereignisse und sind disjunkt, ebenso die Ereignisse und. È {,3,5} È{,3,5} {,4,}È{,3,5} {,3,4,5,} {} 3
5 Eine Wahrsheinlihkeitsverteilung 9 ist eine Funktion, die jedem Ereignis seine Wahrsheinlihkeit zuordnet. Eine Wahrsheinlihkeitsverteilung heißt Gleihverteilung 0, wenn es nur endlih viele möglihe Ergebnisse gibt und alle gleih wahrsheinlih sind. Es gilt dann für jedes Ereignis nzahl der Elemente von. W nzahl der Elemente von W eispiele: Werfen eines Würfels W{,,3,4,5,}, W {,4,} gerade Zahl W Þ {,4,} 3 9 probability distribution 0 uniform distribution Zweimaliges Werfen eines Würfels W{,,,,,3,,4,,5,,,,,,,,3,,4,,5,,, 3,,3,,3,3,3,4,3,5,3,, 4,,4,,4,3,4.4,4,5,4,, 5,,5,,5,3,5,4,5,5,5,,,,,,,3,,4,,5,,}, W 3 Þ 4 3 {,4,,3,3,,4,} Summe ist 5 3-maliges Werfen einer Münze Kopf:0,Zahl: W{0,0,0,0,0,,0,,0,0,,,,0,0,,0,,,,0,,,}, W 8 Þ { 0,,,,0,,,,0,,,} 4 8 höhstens einmal Kopf F Þ G bedeutet, dass die ussage G aus der ussage F folgt. Ebenso wie beim geordneten aar a,b kommt es beim Tripel a,b,, Quadrupel a,b,,d, Quintupel a,b,,d,e usw. auf die Reihenfolge an. 4
6 Die Wahrsheinlihkeit, dass beim Würfeln das Ereignis {} eintritt, ist gegeben durh: {} 0... Würfelt man mehrmals, so kann man erwarten, dass dieses Ereignis in ungefähr einem Sehstel der Versuhe eintritt, also z.. bei 0 Versuhen 0 Mal. nstatt tatsählih zu würfeln, verwenden wir einen Zufallszahlengenerator. Wir erzeugen 0 Zufallszahlen zwishen und mit Hilfe der R 3 -Funktion sample, speihern sie im Vektor z ab und lassen sie uns anzeigen: z <- sample:,0,replaetrue; z Für erste Shritte mit der freien Software R siehe ppendix. Die absoluten Häufigkeiten 4 aller einelementigen Ereignisse Elementarereignisse 5 {},{},,{} können mit Hilfe der Funktion table berehnet werden und ihre relativen Häufigkeiten in weiterer Folge durh Division durh die nzahl der Versuhe. tablez tablez/ Falls die Wahrsheinlihkeit eines Ereignisses unbekannt ist, kann sie durh die relative Häufigkeit ˆ geshätzt werden. 4 absolute frequenies 5 elementary events relative frequenies 5
7 eim Werfen eines Würfels gilt einerseits {,3,5} {,4} {,3,5,,4} + weil {,3,5} und {,4} disjunkt sind, und andererseits {,3,5} + {,4} {,3,5} {,3,5} {,3,5,} + {,3,5} + {,3,5}, weil {,3,5} und {,3,5} niht disjunkt sind. Im letzteren Fall kommt die Ungleihheit dadurh zustande, dass die Elemente des Durhshnitts in {,3,5}{,3,5}{3,5} {,3,5}È{,,3,5}{,,3,5} nur einmal gezählt werden und in doppelt. {,3,5}+{,3,5} Gleihheit wird erreiht, wenn die Wahrsheinlihkeit des Durhshnitts von der Summe abgezogen wird. llgemein gilt das dditionstheorem 7 : È additive rule of probability
8 Das sihere Ereignis W tritt immer ein und das unmöglihe Ereignis f niemals. Es gilt daher und 8 W f 0. Da die Ereignisse und disjunkt sind, gilt auh bzw. + È W -. 8 Es muss immer zumindest ein möglihes Ergebnis geben, W darf also niht leer sein. 7
9 Nehmen wir an, wir wüssten nur, dass eine gerade Zahl gewürfelt wurde, niht aber welhe, dann wären die Ergebnisse, 3 und 5 niht mehr länger möglih und die noh möglihen Ergebnisse, 4 und wären immer noh gleih wahrsheinlih. Es wäre dann sinnvoll, statt der ursprünglihen Wahrsheinlihkeiten { } {} {3} {4} {5} {} die durh das Eintreten des Ereignisses {,4,} bedingten neuen Wahrsheinlihkeiten zu betrahten. {} {3} {5} 0, {} {4} {} 3 Die nah dem Eintreten des Ereignisses {,4,} niht mehr möglihen Ergebnisse, 3 und 5 können aus allen Ereignissen entfernt werden, indem man alle Ereignisse mit dem Ereignis shneidet. Z.. erhält man für die Ereignisse {,,3,4} und W und {,,3,4}{,4,}{,4} W{,,3,4,5,}{,4,}{,4,}. Die bedingte Wahrsheinlihkeit von, gegeben, ist gegeben durh nzahl der noh möglihen Elemente von nzahl der noh möglihen Elemente von W W. 3 8
10 Die bedingte Wahrsheinlihkeit des Ereignisses, gegeben dass das Ereignis eingetreten ist 9, ist im Fall einer Gleihverteilung gegeben durh nzahl der noh möglihen Elemente von nzahl der noh möglihen Elemente von W. W llgemein, also auh wenn keine Gleihverteilung vorliegt, wird die bedingte Wahrsheinlihkeit 0 von, gegeben, definiert durh. Diese bedingte Wahrsheinlihkeit kann man auh shreiben als W W W W. W 9 Die nnahme, dass eingetreten ist, maht nur Sinn, wenn 0. 0 onditional probability 9
11 Zwei Ereignisse und heißen unabhängig, wenn gilt. Sind die Ereignisse und unabhängig und ist 0, dann ist die bedingte Wahrsheinlihkeit gleih der unbedingten Wahrsheinlihkeit : Zwei Ereignisse und heißen abhängig, wenn sie niht unabhängig sind. 3 independent dependent 3 Wenn zwei Ereignisse abhängig sind, muss niht zwangsläufig eine kausale eziehung zwishen ihnen bestehen. eispiele: Werfen eines Würfels {,3,5} und {,3,5} sind niht unabhängig wegen {3,5} Weiters gilt: ¹. ¹ 3 Zweimaliges Werfen eines Würfels Die Ereignisse {,,,,5,,} Sehser beim. Wurf und {,,,5,,,} Sehser beim. Wurf sind unabhängig wegen,
12 eim Würfeln sind die Ereignisse und {,3,5} {,} unabhängig, weil die Wahrsheinlihkeit des Durhshnitts {} gleih dem rodukt der Wahrsheinlihkeiten ist. 3 Verwendet man hingegen die relativen Häufigkeiten der Elementarereignisse,, 0,, , 0 {}, {}, {3}, {4}, {5}, {} aus der obigen R-nwendung anstatt der theoretishen Wahrsheinlihkeiten so ist ungleih,,,,,, ˆ ˆ{} ˆ ˆ. Es ist aber zu erwarten, dass die Übereinstimmung besser wird, wenn die nzahl der Versuhe zur Ermittlung der relativen Häufigkeiten erhöht wird.
13 Downloaden und Importieren von ktienkursen: uf der Website finane.yahoo.om gibt man den Namen eines Unternehmens, z.. roter & Gamble, oder -falls bekannt- gleih das Symbol, G, im Feld Searh ein. Nah dem nkliken von Historial Data und der Wahl von Time eriod und Frequeny klikt man zunähst auf pply und shließlih auf Download Data. Das heruntergeladene File G.sv wird in ein zuvor angelegtes Verzeihnis, z.. C:\R rojets\g, kopiert. Nah dem Starten von R wird das Working Diretory C:\R rojets\g gewählt, die Daten werden mit der Funktion read.sv vom File G.sv eingelesen und im Data Frame Y gespeihert. Fehlt im heruntergeladenen File ein Wert, so sheint dieser als null auf. Zeilen mit fehlenden Werten müssen im Data Frame Y gelösht werden. setwd"c:/r rojets/g" # htung! / statt \ in R. Y <- read.sv"g.sv",headertrue,na.strings"null" # headertrue: Variablennamen in erster Zeile # na.strings"null": Kennzeihnung von fehlenden Werten Y <- na.omity # Löshung von unvollständigen Zeilen heady,3 # zeigt die ersten 3 Zeilen von Y an Date Open High Low Close dj.close Volume taily,3 # zeigt die letzten 3 Zeilen von Y an Date Open High Low Close dj.close Volume
14 Die. Spalte bereinigte Shlusskurse wird gegen die. Spalte Kalendertage geplottet. d <- as.datey[,] # Umwandlung in Datums-Vektor y <- Y[,]; plotd,y,type"l" # type"l": Linienplot Die bbildung shafft es niht, zu vermitteln, dass für einen Investor eine Verdoppelung eines Kurses von auf den gleihen Wert hat wie die Verdoppelung eines Kurses von 50 auf 00. Eine graphishe Darstellung des Kursverlaufs wäre wünshenswert, bei der der nstieg von auf identish ist mit dem von 50 auf 00. Eine solhe Darstellung erhält man, wenn man die logarithmierten Kurse anstelle der ursprünglihen Kurse plottet. Es gilt nämlih: log log log log log00 log 50 3
15 plotd,logy,type"l" Die Log-Returns r t t log yt - log y - entsprehen ungefähr den relativen Änderungen R t yt - y y t - t - der Kurse yt gegenüber den Vortageskursen yt-. eispiel: y t 0, yt- 00 Þ Rt 0.0, rt ~
16 Log-Returns können für die Tage,3,4,,n berehnet werden, niht aber für den ersten Tag, weil es in diesem Fall keinen Vorwert gibt. r <- logy[:n]-logy[:n-] # logy[]-logy[], Eine wihtige Frage in ezug auf Log-Returns ist, ob es eziehungen zwishen aufeinanderfolgenden Log- Returns gibt. Wir untersuhen im Folgenden, ob sih die bedingte Wahrsheinlihkeit r t > 0 r t - > 0 von der unbedingten Wahrsheinlihkeit <- whihr[:n-]>0&r[:n-]>0 # n- Log-Returns, n- aare: r[],r[],r[3],r[], <- whihr[:n-]>0; <- length/length; u <- whihr[:n-]>0; u <- lengthu/n-; u Der Untershied zwishen der geshätzten bedingten und der geshätzten unbedingten Wahrsheinlihkeit ist niht so groß, dass er mit der Unabhängigkeit der beiden Ereignisse r t > 0 und r > 0 t- untersheidet. r t > 0 unvereinbar wäre. 4 4 Das ist nur eine erste, grobe Einshätzung. usführliher wird auf diese Fragestellung in einem späteren Kapitel eingegangen. 5
17 Multiplikationssatz 5 : C C C C C D C D C C D C 5 hain rule Hier und im Folgenden nehmen wir immer an, dass alle auftretenden Nenner ungleih 0 sind. Gesetz der totalen Wahrsheinlihkeit 7 : W È È und sind zwei disjunkte Mengen, deren Vereinigung W ergibt. llgemein gilt für n paarweise disjunkte Mengen,,n, deren Vereinigung W ergibt,... n n n law of total probability 8 Distributivgesetze: ÈCÈC ÈCÈÈC
18 Satz von ayes 9 : Oder allgemeiner: + + Sind,,n paarweise disjunkte Mengen, deren Vereinigung W ergibt, dann gilt für alle iî{,,n} i i 9 ayes theorem i n i i n n Im Fall der Log-Returns von G lassen sih beispielsweise die bedingten Wahrsheinlihkeiten rt³0 rt ³%,rt<0 rt ³%,rt³0 rt <%,rt<0 rt <% genauso einfah shätzen wie rt ³% rt³0, rt <% rt³0, rt ³% rt<0, rt <% rt<0. lengthwhihr>0&absr>0.0 / lengthwhihabsr> lengthwhihabsr>0.0&r>0 / lengthwhihr> Das ist auh in vielen anderen ökonomishen nwendungen so. Die umständlihe erehnung/shätzung von bedingten Wahrsheinlihkeiten mit Hilfe des Satzes von ayes ist nur in seltenen usnahmefällen nötig. 7
19 Quiz W{0,,,5}, {,3,5}, {0,},? {0,,,4} 9 7, {3} 9, {0,4} 9, {,}? 4, È 0,,? Lösungen {,3,5}{,3,4,5}{3,5}, {0,,,4}{3}+{0,4}+{,}Þ {,} È+- Þ 8 C 9,, C 3,? C C Þ 9 3 3, 3, 3, b? 5 3, 7 3, 7,? h <- whih:5+*,,,0,3>4 # R ode # lengthh? + b 3 +-b 3 Þ b hwhih3,,5,4,>4,3,5, lengthh3 8
Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
. Grundlagen der Wahrscheinlichkeitstheorie. Zufallsereignisse, Ereignisraum und Ereignismenge Zufallsexperiment: nach einer bestimmten Vorschrift ausgeführter, unter gleichen edingungen beliebig oft wiederholbarer
MehrSatz 18 (Satz von der totalen Wahrscheinlichkeit)
Ausgehend von der Darstellung der bedingten Wahrscheinlichkeit in Gleichung 1 zeigen wir: Satz 18 (Satz von der totalen Wahrscheinlichkeit) Die Ereignisse A 1,..., A n seien paarweise disjunkt und es gelte
MehrSatz 16 (Multiplikationssatz)
Häufig verwendet man die Definition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A B] = Pr[B A] Pr[A] = Pr[A B] Pr[B]. (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1,..., A n gegeben.
Mehr1. Grundlagen der Wahrscheinlichkeitsrechnung
1. Grundlagen der Wahrscheinlichkeitsrechnung Ereignisse und Wahrscheinlichkeiten Zufälliger Versuch: Vorgang, der (zumindest gedanklich) beliebig oft wiederholbar ist und dessen Ausgang innerhalb einer
Mehr-Grundsätzlich verstehen wir unter einer Menge eine Zusammenfassung von Elementen,
2. Mengenlehre In diesem bshnitt geben wir einen kompakten Überblik über wesentlihe Grundlagen der Mengenlehre, die im weiteren Verlauf noh relevant sein werden. Neben der allgemeinen Definition und Darstellung
MehrWahrscheinlichkeitsrechnung [probability]
Wahrscheinlichkeitsrechnung [probability] Hinweis: Die Wahrscheinlichkeitsrechnung ist nicht Gegenstand dieser Vorlesung. Es werden lediglich einige Begriffsbildungen bereitgestellt und an Beispielen erläutert,
Mehr4. Die Laplacesche Gleichverteilung
Universität Basel Wirtschaftswissenschaftliches Zentrum Grundlagen der Stochastik Dr. Thomas Zehrt Inhalt: 1. Die Ereignismenge 2. Die Wahrscheinlichkeitsverteilung 3. Eigenschaften einer Wahrscheinlichkeitsverteilung
MehrWie hoch ist das Risiko, dass ein System, das aus mehreren Komponenten besteht, ausfällt?
In diesem Kapitel werden wir den egriff Wahrscheinlichkeit und die Grundlagen der Wahrscheinlichkeitsrechnung kennenlernen, um z.. folgende Fragestellungen zu beantworten. Wie hoch ist das Risiko, dass
MehrLeseprobe. Robert Galata, Sandro Scheid. Deskriptive und Induktive Statistik für Studierende der BWL. Methoden - Beispiele - Anwendungen
Leseprobe Robert Galata, Sandro Scheid Deskriptive und Induktive Statistik für Studierende der BWL Methoden - Beispiele - nwendungen Herausgegeben von Robert Galata, Markus Wessler ISBN (Buch): 978-3-446-43255-0
Mehr2 Sehnen, Sekanten und Chordalen
Sehnen, Seanten und Chordalen Übersiht.1 Sehnen- und Seantensatz................................................... 7. Chordalen.................................................................. 3 Weitere
MehrKapitel 2. Wahrscheinlichkeit (wird heute behandelt) Kapitel 2. Wahrscheinlichkeit
Teil I: Wahrscheinlichkeitstheorie 1 Kapitel 2. Wahrscheinlichkeit (wird heute behandelt) Kapitel 3: Bedingte Wahrscheinlichkeit Kapitel 4: Zufallsvariablen Kapitel 5: Erwartungswerte, Varianz, Kovarianz
MehrAchtung: Im Nenner eines Bruches darf nie die Null stehen!!
Grundwissen 6. Jahrgangsstufe Im Folgenden werden wir an Hand von einigen uns selbst gestellten Fragen, die wir auh gleih beantworten wollen, die wihtigsten Grundbegriffe zu Brühen wiederholen, die du
MehrUnabhängigkeit KAPITEL 4
KAPITEL 4 Unabhängigkeit 4.1. Unabhängigkeit von Ereignissen Wir stellen uns vor, dass zwei Personen jeweils eine Münze werfen. In vielen Fällen kann man annehmen, dass die eine Münze die andere nicht
Mehrhtw saar 1 KAPITEL 4 BEDINGTE WAHRSCHEINLICHKEIT UND STOCHASTISCHE UNABHÄNGIGKEIT Hans-Peter Hafner WS 2016/2017
htw saar 1 KAPITEL 4 BEDINGTE WAHRSCHEINLICHKEIT UND STOCHASTISCHE UNABHÄNGIGKEIT htw saar 2 Gliederung 25.01. Bedingte Wahrscheinlichkeit: Motivation und Definition Multiplikationssatz Stochastische Unabhängigkeit:
MehrKleinster Umschließender Kreis
Proseminar Theoretishe Informatik 11.07.2017 Janis Meyer Kleinster Umshließender Kreis Prof. Wolfgang Mulzer 1 Einführung Das Problem wurde zum ersten Mal vom britishen Mathematiker James Joseph Sylvester
MehrZusammenfassung Stochastik
Zusammenfassung Stochastik Die relative Häufigkeit Ein Experiment, dessen Ausgang nicht vorhersagbar ist, heißt Zufallsexperiment (ZE). Ein Würfel wird 40-mal geworfen, mit folgendem Ergebnis Augenzahl
MehrDie Koeffizienten sollen in einer Matrix, die Unbekannten und die rechte Seite zu Vektoren zusammengefaßt werden: { x}
Matrizen: Einleitung Mit Matrizen können Zusammenhänge übersihtliher und kompakter dargestellt werden. Dazu werden Größen zu einer Matri zusammengefaßt, die in einem logishen Zusammenhang stehen. Zur Erläuterung
MehrTeil II. Wahrscheinlichkeitsrechnung
Teil II Wahrscheinlichkeitsrechnung Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2014) Folie 129 5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) 5 Zufallsexperimente Ergebnisse Ereignisse
MehrTeil II. Wahrscheinlichkeitsrechnung. Inhaltsverzeichnis (Ausschnitt) Zufallsexperimente (Zufallsvorgänge) Ergebnisse
5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) Teil II Wahrscheinlichkeitsrechnung 5 Zufallsexperimente Ergebnisse Ereignisse Wahrscheinlichkeiten Deskriptive Statistik und Wahrscheinlichkeitsrechnung
MehrSatz 16 (Multiplikationssatz)
Haug verwendet man die Denition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A \ B] = Pr[BjA] Pr[A] = Pr[AjB] Pr[B] : (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1 ; : : : ; A n
MehrPotenzen mit gleichen Grundzahlen werden multipliziert, indem man die Hochzahlen addiert und die Grundzahlen beibehält. a n a m = a m+n. a...
Mathematikskript: Steven Passmore Potenzgesetze Einleitung Einen Ausdruk mit einer Hohzahl nennt man Potenz Beispiele: 3 5,9 x, a n ). Zunähst ist eine Potenz eine vereinfahte Shreibweise für die vielfahe
Mehr2.2 Ereignisse und deren Wahrscheinlichkeit
2.2 Ereignisse und deren Wahrscheinlichkeit Literatur: [Papula Bd., Kap. II.2 und II.], [Benning, Kap. ], [Bronstein et al., Kap. 1.2.1] Def 1 [Benning] Ein Zufallsexperiment ist ein beliebig oft wiederholbarer,
MehrP A P( A B) Definition Wahrscheinlichkeit
Unabhaengige Ereignisse edingte Wahrscheinlichkeit Definition Wahrscheinlichkeit Die Wahrscheinlichkeit eines Ereignisses ist das Verhältnis der günstigen Ergebnisse zur Gesamtmenge der Ergebnisse nzahl
MehrKapitel 5 Stochastische Unabhängigkeit
Kapitel 5 Stochastische Unabhängigkeit Vorlesung Wahrscheinlichkeitsrechnung I vom SoSe 2009 Lehrstuhl für Angewandte Mathematik 1 FAU 5.1 Das Konzept der stochastischen Unabhängigkeit. 1 Herleitung anhand
Mehr2 Ereignisse. Für Ereignisse A und B kann durch Bildung des Durchschnitts (engl.: intersection) A B := {ω Ω : ω A oder ω B}
5 2 Ereignisse ei einem stochastischen Vorgang interessiert oft nur, ob dessen Ergebnis zu einer gewissen Menge von Ergebnissen gehört. So kommt es zu eginn des Spiels Mensch-ärgere- Dich-nicht! nicht
MehrZufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen
Zufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen Wichtige Tatsachen und Formeln zur Vorlesung Mathematische Grundlagen für das Physikstudium 3 Franz Embacher http://homepage.univie.ac.at/franz.embacher/
MehrÜbungen zur Ingenieur-Mathematik III WS 2011/12 Blatt Aufgabe 45: Gesucht ist die Schnittmenge der beiden Zylinder
Übungen ur Ingenieur-Mathematik III WS 2/2 Blatt..22 Aufgabe 45: Gesuht ist die Shnittmenge der beiden Zlinder 2 + 2 =, 2 + 2 =. (i Zeigen Sie, dass die Shnittmenge aus wei geshlossenen Kurven besteht
MehrKapitel I Diskrete Wahrscheinlichkeitsräume
Kapitel I Diskrete Wahrscheinlichkeitsräume 1. Grundlagen Definition 1 1 Ein diskreter Wahrscheinlichkeitsraum ist durch eine Ergebnismenge Ω = {ω 1, ω 2,...} von Elementarereignissen gegeben. 2 Jedem
MehrProf. Dr. Schmidt-Thieme / Michael Rottmann Arbeitsblatt Algebra SS 2005
Prof. Dr. Shmidt-Thieme / Mihael Rottmann Areitslatt Algera SS 2005 Gruppen Lösungen.) i) Die ist neutrales Element der Multiplikation. (M, é ) ist damit keine Gruppe, denn es git keine inversen Elemente
MehrKapitel 6. Kapitel 6 Mehrstufige Zufallsexperimente
Mehrstufige Zufallsexperimente Inhalt 6.1 6.1 Mehrstufige Experimente 6.2 6.2 Bedingte Wahrscheinlichkeiten Seite 2 6.1 Mehrstufige Experimente Grundvorstellung: Viele Viele Experimente werden der der
MehrKapitel ML:IV. IV. Statistische Lernverfahren. Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen
Kapitel ML:IV IV. Statistische Lernverfahren Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen ML:IV-1 Statistical Learning c STEIN 2005-2011 Definition 1 (Zufallsexperiment,
MehrÜber-/Rückblick. F3 01/02 p.269/294
Über-/Rükblik Algorithmenbegriff: Berehenbarkeit Turing-Mashine RAM µ-rekursive Funktionen Zeit Platz Komplexität Algorithmentehniken Algorithmenanalyse (Berehnung der Komplexität) Rekursion Iteration
MehrSachrechnen/Größen WS 14/15-
Kapitel Daten & Wahrscheinlichkeit 3.1 Kombinatorische Grundlagen 3.2 Kombinatorik & Wahrscheinlichkeit in der Grundschule 3.3 Daten Darstellen 3.1 Kombinatorische Grundlagen Verschiedene Bereiche der
MehrRumpfskript. Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen
Rumpfskript Elementare Wahrscheinlichkeitsrechnung Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen Vorbemerkung Vorbemerkung Das vorliegende Skript heißt nicht nur Rumpf skript, sondern
MehrWir gehen jetzt zu reversiblen Reaktionen über und betrachten eine reversible Reaktion einfacher Art in der allgemeinen Form (s. Gl.(A.
Prof. Dr. H.-H. ohler, W 004/05 PC1 apitel.4 - Reversible Reation.4-1.4 Reversible Reationen.4.1 Diretionale und Netto-Reationsgeshwindigeit Wir gehen jetzt zu reversiblen Reationen über und betrahten
MehrSenkrechter freier Fall
Senkrehter freier Fall Die Raumzeitkrümmung in der Shwarzshildmetrik [] zeigt sih unter anderem darin, dass die Zeit in der Nähe des Zentralkörpers langsamer läuft Um diesen Effekt zu veranshaulihen, soll
MehrGrundbegriffe der Wahrscheinlichkeitsrechnung
Algorithmen und Datenstrukturen 349 A Grundbegriffe der Wahrscheinlichkeitsrechnung Für Entwurf und Analyse randomisierter Algorithmen sind Hilfsmittel aus der Wahrscheinlichkeitsrechnung erforderlich.
Mehr5 Relativistische Mechanik
5 Relativistishe ehanik Nah dem Relativitätsprinzip müssen die Naturgesetze, also insbesondere die Gesetze der ehanik, in jedem IS die gleihe Form annehmen. Zur Formulierung der Impulserhaltung etwa benötigt
MehrUE Statistik 1, SS 2015, letztes Update am 5. März Übungsbeispiele
UE Statistik, SS 05, letztes Update am 5. März 05 Übungsbeispiele Beispiele mit Musterlösungen finden Sie auch in dem Buch Brannath, W., Futschik, A., Krall, C., (00) Statistik im Studium der Wirtschaftswissenschaften..
MehrEinführung in die Wahrscheinlichkeitsrechnung
Marco Cattaneo Institut für Statistik Ludwig-Maximilians-Universität München Sommersemester 2011 1. Wahrscheinlichkeitsrechnung 2. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grenzwertsätze
MehrWahrscheinlichkeitstheorie
Kapitel 2 Wahrscheinlichkeitstheorie Josef Leydold c 2006 Mathematische Methoden II Wahrscheinlichkeitstheorie 1 / 24 Lernziele Experimente, Ereignisse und Ereignisraum Wahrscheinlichkeit Rechnen mit Wahrscheinlichkeiten
MehrÜbungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Thema: Wahrscheinlichkeit. Übungsklausur Wahrscheinlichkeit und Regression
Übungsklausur Wahrscheinlichkeit und Regression 1. Welche der folgenden Aussagen treffen auf ein Zufallsexperiment zu? a) Ein Zufallsexperiment ist ein empirisches Phänomen, das in stochastischen Modellen
MehrBedingte Wahrscheinlichkeiten - Übersicht
edingte Wahrscheinlichkeiten - Übersicht LK LIE/10 1 Mengen, Ereignisse, ussagen 1.1 Grundlegendes 1.1.1 Mengenbilder (VENN-Diagramme), Symbole, Sprechweisen 1.1.2 äquivalente Terme 1.2 Ergänzungen 1.2.1
Mehr1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6
Inhaltsverzeichnis 1 Vorbemerkungen 1 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2 3 Wahrscheinlichkeitsaxiome 4 4 Laplace-Experimente 6 5 Hilfsmittel aus der Kombinatorik 7 1 Vorbemerkungen
Mehr9. Elementare Wahrscheinlichkeitsrechnung
9. Elementare Wahrscheinlichkeitsrechnung Beispiel (Einmaliges Würfeln): verbal mengentheoretisch I. Zufällige Ereignisse Beispiel (Einmaliges Würfeln): Alle möglichen Ausgänge 1,,, 6 des Experiments werden
Mehr9. Elementare Wahrscheinlichkeitsrechnung
9. Elementare Wahrscheinlichkeitsrechnung I. Zufällige Ereignisse Beispiel (Einmaliges Würfeln): Alle möglichen Ausgänge 1, 2,, 6 des Experiments werden zur Ergebnismenge Ω ( Ergebnisraum ) zusammengefasst.
MehrWahrscheinlichkeitsrechnung
Teil V Wahrscheinlichkeitsrechnung Inhaltsangabe 6 Einführung in die Wahrscheinlichkeitsrechnung 125 6.1 Kombinatorik......................... 125 6.2 Grundbegri e......................... 129 6.3 Wahrscheinlichkeiten.....................
MehrKapitel 2. Zufällige Versuche und zufällige Ereignisse. 2.1 Zufällige Versuche
Kapitel 2 Zufällige Versuche und zufällige Ereignisse In diesem Kapitel führen wir zunächst anschaulich die grundlegenden Begriffe des zufälligen Versuchs und des zufälligen Ereignisses ein und stellen
MehrStatistik Einführung // Wahrscheinlichkeitstheorie 3 p.2/58
Statistik Einführung Wahrscheinlichkeitstheorie Kapitel 3 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Leydold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Wahrscheinlichkeitstheorie
MehrWahrscheinlichkeitsrechnung und Statistik
1. Vorlesung - 7.10.2016 Im Alltag... Laut den meteorologischen Vorhersagen wird es morgen regnen. Ob ich riskiere und die Wette verlieren werde? Ich werde mit Sicherheit gewinnen! Ist das wirklich unmöglich?
Mehr15 Wahrscheinlichkeitsrechnung und Statistik
5 Wahrscheinlichkeitsrechnung und Statistik Alles, was lediglich wahrscheinlich ist, ist wahrscheinlich falsch. ( Descartes ) Trau keiner Statistik, die du nicht selbst gefälscht hast. ( Churchill zugeschrieben
Mehr112 C.1 Aufbau der Blasenkammer. ˆ Aufgabe 1: Funktionsweise einer Blasenkammer Erkläre die Aufgaben der einzelnen Bestandteile.
112 C.1 Aufbau der Blasenkammer C Arbeitsblätter C.1 Aufbau der Blasenkammer Der Aufbau der Blasenkammer Abbildung 1: Aufbau der Blasenkammer ˆ Aufgabe 1: Funktionsweise einer Blasenkammer Erkläre die
MehrDr. H. Grunert Einführung in die Wahrscheinlichkeitsrechnung Vorlesungscharts. Vorlesung 1. Grundbegriffe der Wahrscheinlichkeitsrechnung
Vorlesungscharts Vorlesung 1 Grundbegriffe der Wahrscheinlichkeitsrechnung Zufallsvorgänge und Zufallsereignisse Definitionen der Wahrscheinlichkeit Seite 1 von 11 Chart 1: Vorgänge deterministisch zufällig
MehrMathematische Probleme, SS 2017 Montag $Id: dreieck.tex,v /06/19 14:39:24 hk Exp $
$Id: dreie.tex,v 1.37 2017/06/19 14:39:24 h Exp $ 2 Dreiee 2.3 Einige spezielle Punte im Dreie In der letzten Sitzung haben wir drei unserer speziellen Punte eines Dreies behandelt, es steht nur noh der
MehrAllgemeine diskrete Wahrscheinlichkeitsräume II. Beispiel II. Beispiel I. Definition 6.3 (Diskreter Wahrscheinlichkeitsraum)
Allgemeine diskrete Wahrscheinlichkeitsräume I Allgemeine diskrete Wahrscheinlichkeitsräume II Verallgemeinerung von Laplaceschen Wahrscheinlichkeitsräumen: Diskrete Wahrscheinlichkeitsräume Ω endlich
MehrAllgemeine diskrete Wahrscheinlichkeitsräume I
6 Diskrete Wahrscheinlichkeitsräume Allgemeine diskrete Wahrscheinlichkeitsräume 6.3 Allgemeine diskrete Wahrscheinlichkeitsräume I Verallgemeinerung von Laplaceschen Wahrscheinlichkeitsräumen: Diskrete
MehrUniversität Karlsruhe (TH)
Universität Karlsruhe (TH) Institut für Innovatives Rehnen und Programmstrukturen (IPD) Übersetzerbau WS 2007/08 http://www.info.uni-karlsruhe.de/ Dozent: Prof. Dr.rer.nat. G. Goos goos@ipd.info.uni-karlsruhe.de
MehrVersuch LF: Leitfähigkeit
Versuhsdatum: 8.9.9 Versuh LF: Versuhsdatum: 8.9.9 Seite -- Versuhsdatum: 8.9.9 Einleitung bedeutet, dass ein hemisher Stoff oder ein Stoffgemish in der Lage ist, Energie oder Ionen zu transportieren und
MehrWahrscheinlichkeiten
Wahrscheinlichkeiten Bestimmung der Wahrscheinlichkeit Bei einem Zufallsexperiment kann man nicht voraussagen, welches Ereignis eintritt, aber manche Ereignisse treten naturgemäß mit einer größeren Wahrscheinlichkeit
MehrMathematik I für MB/ME
Mathematik I für MB/ME Fahbereih Grundlagenwissenshaften Prof. Dr. Viola Weiÿ Wintersemester /6 Übungsaufgaben Serie : Vektorrehnung. Gegeben seien die Vektoren a =, b =, = (a) Berehnen Sie a + b und a
Mehr3 Wahrscheinlichkeitstheorie
Einige mathematische Konzepte 3 Wahrscheinlichkeitstheorie 3.1 Wahrscheinlichkeit Die Wahrscheinlichkeitstheorie modelliert Situationen, in denen Unsicherheit über bestimmte Aspekte der Umwelt vorherrscht.
MehrDas Zweikinderproblem
Das Zweikinderproblem Definition Zweikinderproblem Eine Familie besitzt zwei Kinder. Wie groß ist die Wahrscheinlichkeit Pr[ Beide Kinder sind Mädchen. Eines der Kinder ist ein Mädchen ]? Lösung: Sei A
MehrKapitel 2 Wahrscheinlichkeitsrechnung
Motivation bisher: Beschreibung von Datensätzen = beobachteten Merkmalsausprägungen Frage: Sind Schlußfolgerungen aus diesen Beobachtungen möglich? Antwort: Ja, aber diese gelten nur mit einer bestimmten
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürgen Senger INDUKTIVE STATISTIK Wahrscheinlichkeitstheorie, Schätz- und Testverfahren ÜBUNG - LÖSUNGEN. Zweimaliges Werfen eines Würfels mit Berücksichtigung der Reihenfolge a. Ergebnismenge (Ereignisraum)
MehrWahrscheinlichkeitsrechnung und Statistik
1. und 2. Vorlesung - 2017 Im Alltag... Laut den meteorologischen Vorhersagen wird es morgen regnen. Ob ich riskiere und die Wette verlieren werde? Ich werde mit Sicherheit gewinnen! Ist das wirklich unmöglich?
Mehrim Fall einer Longitudinalwelle angeregt wird und die sich in die positive x-richtung eines Koordinatensystems ausbreitet.
Name: Datum: Harmonishe Wellen - Mathematishe eshreibung Da eine Welle sowohl eine räumlihe als auh eine zeitlihe Änderung eines physikalishen Systems darstellt, ist sowohl ihre graphishe Darstellung als
Mehr1 Wahrscheinlichkeitsrechnung und Zufallsvariablen
1 Wahrscheinlichkeitsrechnung und Zufallsvariablen Zoltán Zomotor Versionsstand: 18. Mai 2015, 09:29 Die nummerierten Felder bitte während der Vorlesung ausfüllen. This work is licensed under the Creative
Mehr11d Mathematik Stefan Krissel. Nullstellen
d Mathematik..009 Stefan Krissel D E R Z W E I T E S C H R I T T B E I D E R F U N K T I O N S U N T E R S U C H U N G : Nullstellen Der zweite Shritt bei der Untersuhung von Funktionen ist die Untersuhung
MehrKAPITEL 5. Erwartungswert
KAPITEL 5 Erwartungswert Wir betrachten einen diskreten Wahrscheinlichkeitsraum (Ω, P) und eine Zufallsvariable X : Ω R auf diesem Wahrscheinlichkeitsraum. Die Grundmenge Ω hat also nur endlich oder abzählbar
MehrPhysik. Lichtgeschwindigkeit
hysik Lihtgeshwindigkeit Messung der Lihtgeshwindigkeit in Versuhsaufbau Empfänger s Spiegel Sender l osition 0 d Abb. Versuhsdurhführung Die Spiegel werden auf die osition 0 m geshoben und die hase mit
Mehr17. KONTEXTSENSITIVE SPRACHEN
17. KONTEXTSENSITIVE SPRACHEN HAUPTERGEBNIS: KS = ERW = NSPACE(O(n)) REK Das heisst: Kontextsensitive Grammatiken und Grammatiken vom Erweiterungstyp haben die gleihe Beshreibungsmähtigkeit. Kontextsensitive
MehrMathematische Grundlagen der Computerlinguistik Wahrscheinlichkeit
Mathematische Grundlagen der Computerlinguistik Wahrscheinlichkeit Dozentin: Wiebke Petersen 8. Foliensatz Wiebke Petersen math. Grundlagen 1 Motivation Bsp.: In vielen Bereichen der CL kommt Wahrscheinlichkeitstheorie
MehrInformatik II Grundbegriffe der Wahrscheinlichkeitsrechnung
lausthal Begriffe Informatik II rundbegriffe der Wahrscheinlichkeitsrechnung. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Definition: Unter einem Zufallsexperiment versteht man einen,
MehrWahrscheinlichkeitsrechnung
Abiturvorbereitung Wahrscheinlichkeitsrechnung S. 1 von 9 Wahrscheinlichkeitsrechnung Kombinatorik Formeln für Wahrscheinlichkeiten Bedingte Wahrscheinlichkeiten Zusammenfassung wichtiger Begriffe Übungsaufgaben
Mehr7. Kapitel: Zufallsvorgänge, Ereignisse und Wahrscheinlichkeiten
7. Kapitel: Zufallsvorgänge, Ereignisse und Wahrscheinlichkeiten 7.1 Zufallsvorgänge - zufälliges Geschehen/ Zufallsvorgang/ stochastische Vorgang: aus Geschehen/Vorgang/Experiment (mit gegebener Ausgangssituation)
MehrStochastik für Ingenieure
Otto-von-Guericke-Universität Magdeburg Fakultät für Mathematik Institut für Mathematische Stochastik Stochastik für Ingenieure (Vorlesungsmanuskript) von apl.prof. Dr. Waltraud Kahle Empfehlenswerte Bücher:
MehrEs werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.
R. Brinkmann http://brinkmann-du.de Seite 08..2009 Von der relativen Häufigkeit zur Wahrscheinlichkeit Es werden 20 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 20 Schülern
MehrInformatik II Grundbegriffe der Wahrscheinlichkeitsrechnung
lausthal Informatik II rundbegriffe der Wahrscheinlichkeitsrechnung. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Begriffe Definition: Unter einem Zufallsexperiment versteht man einen,
MehrVerkürzungsfaktor bei Antennen und Koax-Leitungen
071111 hb9tyx@lusterte.om Verkürzungsaktor bei Antennen und Koax-Leitungen Vielleiht haben Sie sih beim Bau von Antennen oder Umwegleitungen auh shon geragt, woher eigentlih der Verkürzungsaktor stammt.
MehrP (A B) P (B) = P ({3}) P ({1, 3, 5}) = 1 3.
2 Wahrscheinlichkeitstheorie Beispiel. Wie wahrscheinlich ist es, eine Zwei oder eine Drei gewürfelt zu haben, wenn wir schon wissen, dass wir eine ungerade Zahl gewürfelt haben? Dann ist Ereignis A das
MehrStochastik - Kapitel 2
" k " h(a) n = bezeichnet man als die relative Häufigkeit des Ereignisses A bei n Versuchen. n (Anmerkung: für das kleine h wird in der Literatur häufig auch ein r verwendet) k nennt man die absolute Häufigkeit
Mehr3 Bedingte Wahrscheinlichkeit, Unabhängigkeit von Ereignissen
3 Bedingte Wahrscheinlichkeit, Unabhängigkeit von Ereignissen 3.1 Einführung Bsp. 19 (3-maliges Werfen einer Münze) Menge der Elementarereignisse: Ω {zzz,zzw,zwz,wzz,zww,wzw,wwz,www}. Ω 2 3 8 N Wir definieren
MehrDieses Quiz soll Ihnen helfen, Kapitel besser zu verstehen.
Dieses Quiz soll Ihnen helfen, Kapitel 2.5-2. besser zu verstehen. Frage Wir betrachten ein Würfelspiel. Man wirft einen fairen, sechsseitigen Würfel. Wenn eine oder eine 2 oben liegt, muss man 2 SFr zahlen.
MehrVenndiagramm, Grundmenge und leere Menge
Venndiagramm, Grundmenge und leere Menge In späteren Kapitel wird manchmal auf die Mengenlehre Bezug genommen. Deshalb sollen hier die wichtigsten Grundlagen und Definitionen dieser Disziplin kurz zusammengefasst
Mehr6: Diskrete Wahrscheinlichkeit
Stefan Lucks Diskrete Strukturen (WS 2009/10) 219 6: Diskrete Wahrscheinlichkeit 6: Diskrete Wahrscheinlichkeit Stefan Lucks Diskrete Strukturen (WS 2009/10) 220 Wahrscheinlichkeitsrechnung Eines der wichtigsten
MehrKapitel 6: Spiele mit simultanen und sequentiellen Spielzügen. Einleitung. Übersicht Teil 2. Übersicht
Üersiht Teil apitel 6: Spiele mit simultanen und seuentiellen Spielzügen apitel 6 apitel 5 Üersiht Teil Üersiht Einleitung Darstellung von simultanen Spielzügen in extensiver Form Normalform vs extensive
Mehr3. Grundbegriffe der Wahrscheinlichkeitstheorie
03. JULI 2006: BLATT 17 3. Grundbegriffe der Wahrscheinlichkeitstheorie (v.a. nach Manning/Schütze: 40ff und Fahrmeir /Künstler/Pigeot/Tutz: 171ff) Übersicht Um entscheiden zu können, ob eine statistische
MehrINVERSION DES ROHRZUCKERS
INVERSION DES ROHRZUCKERS 1. Versuhsplatz Komponenten: - Thermostat - Polarimeter - zerlegbare Küvette - Thermometer 2. Allgemeines zum Versuh Im Rahmen der Reaktionskinetik wird der zeitlihe Ablauf von
MehrWichtiges zur Stochastik
Wichtiges zur Stochastik Grundbegriffe und ezeichnungen: Ergebnisse werden mit ω (kleines omega, nicht w!) bezeichnet; wenn man mehrere angibt, so wird einfach durchnummeriert: ω 1, ω 2,... Der Ergebnisraum
Mehr2. Stragegische Asymmetrien - Stackelberg-Modelle und Markteintritt. Vorlesung 8. Stackelberg-Modell = Sequentielles Duopol
Vorlesung 8. Stragegishe Asymmetrien - Stakelberg-Modelle und Markteintritt Stakelberg-Modell = Sequentielles Duopol Übungsaufgabe aus Vorlesung 7: Räumliher und politisher Wettbewerb Angenommen jeder
MehrGrundbegriffe der Wahrscheinlichkeitstheorie
KAPITEL 1 Grundbegriffe der Wahrscheinlichkeitstheorie 1. Zufallsexperimente, Ausgänge, Grundmenge In der Stochastik betrachten wir Zufallsexperimente. Die Ausgänge eines Zufallsexperiments fassen wir
Mehr1 Mengenlehre. 1.1 Grundbegriffe
Dieses Kapitel behandelt Grundlagen der Mengenlehre, die in gewisser Weise am nfang der Mathematik steht und eine Sprache bereitstellt, die zur weiteren Formulierung der Mathematik sehr hilfreich ist.
MehrTechnische Universität München Zentrum Mathematik
Tehnishe Universität Münhen Zentrum Mathematik Mihael Stroel Geometriekalküle WS 7/8 http://www-m.ma.tum.de/geometriekalkuelews78 Lösungen zu Aufgaenlatt 5 (8. Dezemer 7 Aufgae. Dualisieren und Doppelverhältnis.
MehrIX.3 Potentiale und Felder einer bewegten Punktladung
N.BORGHINI Elektrodynamik einer Punktladung Theoretishe Physik IV IX.3 Potentiale und Felder einer bewegten Punktladung Dieser Abshnitt beginnt mit der Berehnung der Potentiale und Felder, die durh eine
MehrWichtige Definitionen und Aussagen
Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge
MehrBeispiele: Beim Zahlenlotto sollte jede Sechserserie von Zahlen mit derselben Wahrscheinlichkeit auftreten.
3. Laplaceexperimente. Beispiele: Beim Zahlenlotto sollte jede Sechserserie von Zahlen mit derselben Wahrscheinlichkeit auftreten. Laplace-Münze: p(k) = p(z) = / Laplace-Würfel: p() =... = p(6) = / 6.
MehrProf. Dr. H.-H. Kohler, WS 2004/05 PC1 Kapitel A.8 - Enzymkinetik A.8-1
rof. Dr. H.-H. Kohler, W 2004/05 C Kapitel A.8 - nzymineti A.8- A.8 nzymineti A.8. Katalysatoren und nzyme Katalysatoren sind oleüle, die die Geshwindigeit einer Reation erhöhen, aus der Reation aber unerändert
MehrDie Reflexion von Elektronen an einem Potentialsprung nach der relativistischen Dynamik von Dirac.
Die Reflexion von Elektronen an einem Potentialsprung nah der relativistishen Dynamik von Dira. Von 0. Klein in Kopenhagen. (Eingegangen am 24. Dezember 1928.) Es wird die Reflexion von Elektronen an einem
MehrANALYSIS I FÜR TPH WS 2017/18 2. Übung Übersicht
ANALYSIS I FÜR TPH WS 207/8 2. Übung Übersiht Aufgaben zu Kapitel und 2 Aufgabe : Nummerierungsfunktionen Aufgabe 2: Gibt s das? Aufgabe 3: ( ) Selbstbezüglih definierte Funktionen Aufgabe 4: ( ) Eine
Mehr1.3 Stochastische Unabhängigkeit und bedingte
1.3 Stochastische Unabhängigkeit und bedingte Wahrscheinlichkeiten Ziel: komplexere Modelle aus Verkettung ( Koppelung ) von Zufallsexperimenten bauen, insbesondere Ziehung von n-personen aus n-maliger
Mehr