Lösungsskizzen zur Präsenzübung 03

Größe: px
Ab Seite anzeigen:

Download "Lösungsskizzen zur Präsenzübung 03"

Transkript

1 Lösungsskizzen zur Präsenzübung 03 Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 2015/2016 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 16. November 2015 von: Mirko Getzin Homepage: Tutor zur Vorlesung Anwendungen der Mathematik im Wintersemester 2015/2016. Keine Gewähr auf vollständige Richtigkeit und Präzision aller (mathematischen) Aussagen. Das Dokument hat lediglich den Anspruch, eine Hilfestellung beim Verständnis der Vorlesungsinhalte darzustellen und Lösungsideen für die Aufgaben möglichst vollständig (bis auf Ausnahmen) zu skizzieren. Eine Veröffentlichung oder Vervielfältigung ist nur nach Rücksprache mit dem Urheber dieses Dokuments erlaubt. Angehängt befindet sich das Aufgabenblatt, sowie der pdf-ausdruck von verwendeten Tabellenblättern. Die Tabellenblätter sind im ods-format auf der unten angegebenen Homepage zu finden. 1

2 Lösungsskizzen Lösung zur Aufgabe 1 (Zufallsexperimente). Wir wiederholen zunächst die Definition eines Zufallsexperimentes gemäß Vorlesung. Abb. 0.1: Auszug aus dem 2. Vorlesungsleitfaden zum Zufallsexperiment. Das Paar (Ω, p) besteht also aus zwei grundlegend verschiedenen mathematischen Objekten. Ω ist die Menge aller möglichen Ergebnisse eines Zufallsexperiments. Jedes Ergebnis bezeichnen wir entsprechend mit ω und identifizieren es als Element ω Ω. Die Ergebnisse ω können bereits Tupel, Tripel, Quadrupel oder allgemeine n-tupel sein, d.h. ω = (ω 1,..., ω n ). In diesem Fall heißen die ω i für i = 1,..., n Beobachtungswerte und wir können Grundräume Ω i für alle verschiedenen Beobachtungswerte angeben, so dass Ω = Ω 1... Ω n gilt. Teilmengen von Ω bezeichnen wir als Ereignisse A Ω. Sie umfassen alle Ergebnisse eines Zufallsexperiments, die eine bestimmte Eigenschaft oder Bedingung erfüllen. Die Mengen der Form A = {ω} heißen Elementarereignisse, da sie aus lediglich einem Ergebnis resultieren. Im Rahmen eines Zufallsexperiments können wir schließlich jedem Ergebnis eine Wahrscheinlichkeit zuordnen. Diese Zuordnung ermöglicht uns die Wahrscheinlichkeitsdichte p als Abbildung p : Ω [0, 1]. Wir bilden mit p also Ergebnisse auf Zahlen zwischen 0 und 1 ab und bemerken, dass auch Wahrscheinlichkeiten immer mit Werten zwischen 0 und 1 angegeben werden. In der Tat handelt es sich dabei also um die zugeordneten Wahrscheinlichkeiten eines Ergebnisses im Zufallsexperiment. Wichtig: Im Leitfaden ist ein Fehler. Die Summe über alle p(ω) muss 1 ergeben, damit p tatsächlich eine Wahrscheinlichkeitsdichte auf Ω ist. 2

3 Beispiel 0.1 (Zufallsexperimente). a) Der faire Münzwurf. Wir stellen uns eine Münze mit den Seiten Kopf (K) und Zahl (Z) vor. Wenn wir diese Münze einmal werfen, erhalten wir als Ergebnis Kopf oder Zahl. Der Ergebnisraum ist also Ω := {K, Z}. Aus Anwendungsgründen eignet sich häufig auch die Kodierung der Ergebnisse mit den Zahlen 0 und 1. Wir können also auch Ω := {0, 1} für den Grundraum setzen. Wichtig ist zunächst nur, dass wir in unserem Grundraum zwei unterscheidbare Ergebnisse wiederfinden. Um ein Zufallsexperiment zu definieren, müssen wir jedoch auch noch festlegen, wie die Wahrscheinlichkeitsdichte die Wahrscheinlichkeiten zuordnen. Da wir hier einen fairen Münzwurf betrachten, definieren wir p(ω) := 1 für ω = 0, 1 bzw. ω = K, Z. Dann gilt p(ω) = = ω Ω und wir haben eine Wahrscheinlichkeitsdichte mit p auf Ω definiert. Dann ist (Ω, p) das Zufallsexperiment des fairen Münzwurfs. Würden wir entsprechend ungleiche Wahrscheinlichkeiten für beide Ergebnisse definieren, handelt es sich um den unfairen Münzwurf - beispielsweise mit einer gezinkten Münze oder besonderen Wurftechniken. b) Der einfache, faire Würfelwurf. Wir stellen uns einen handelsüblichen sechsseitigen Würfel vor. Wenn wir diesen Würfel einmal werfen, erhalten wir die Beobachtungswerte 1, 2, 3, 4, 5, 6. Daher definieren wir für dieses Zufallsexperiment Ω := {1, 2, 3, 4, 5, 6}. Auch hier wollen wir davon ausgehen, dass der Würfelwurf fair ist, d.h. alle Ergebnisse treten gleich-wahrscheinlich auf. Dann definieren wir p, indem wir für jedes Ergebnis p(ω) := 1 definieren. Es gilt wieder 6 p(ω) = 1 und insgesamt ist (Ω, p) das Zufallsexperiments des einfachen, fairen Würfelwurfs. ω Ω c) Der zweifache, faire Würfelwurf. Betrachten wir einen zweifachen Wurf mit einem fairen, sechsseitigen Würfel, so sind die Ergebnisse des Zufallsexperiments von der Form ω = (ω 1, ω 2 ). Findest du einen geeigneten Ergebnisraum und die dazugehörige Wahrscheinlichkeitsdichte, so dass alle Ergebnisse gleich-wahrscheinlich sind? Wofür stehen die beiden Beobachtungswerte ω 1 und ω 2? Bemerkung 0.2. a) Wir nennen Zufallsexperimente (Ω, p) Laplace-Experimente, falls alle Ergebnisse dieselbe Wahrscheinlichkeit aufweisen, d.h. es gilt p(ω) = 1 Ω ω Ω. b) Wir können im Allgemeinen für abzählbare Ergebnisräume Ω die Wahrscheinlichkeitsdichte p definieren, indem wir für jedes Ergebnis ω Ω die Wahrscheinlichkeit p(ω) angeben. 3

4 Lösung zur Aufgabe 2 (Kartenspiele als Zufallsexperimente). a) Wir unterscheiden in diesem Zufallsexperiment zwischen zwei Beobachtungswerten, nämlich ω 1 {,,, } =: Ω 1 und ω 2 {7, 8, 9, 10, B, D, K, A} =: Ω 2. Wir erhalten somit den Ergebnisraum Ω = Ω 1 Ω 2 aller Ergebnisse (ω 1, ω 2 ), wobei jedes Ergebnis einer Karte entspricht. Die Karte wird dargestellt als Kombination der Spielfarbe und der Spielzahl. Insgesamt werden so alle 32 Karten in der Ergebnismenge berücksichtigt, denn in der Tat gilt Ω = Ω 1 Ω 2 = 4 8 = 32. Die Pik-Dame entspricht zum Beispiel dem Ergebnis (, D) Ω. Es ist (Ω, p) das gesuchte Zufallsexperiment. Da es sich um eine Gleichverteilung der Wahrscheinlichkeiten beim komplett gemischten Kartenspiel handelt, definieren wir p : Ω [0, 1] durch p(ω) := p((ω 1, ω 2 )) := 1 Ω = 1 32 ω Ω. Insbesondere ist die Summe aller Wahrscheinlichkeiten 1 und p somit eine Wahrscheinlichkeitsdichte. b) Wir erhalten die Ereignisse A, B Ω wie folgt: A = {(, ω 2 ) Ω} = {(ω 1, ω 2 ) Ω ω 1 = } und B = {(ω 1, K) Ω} = {(ω 1, ω 2 ) Ω ω 2 = K}. Wir erkennen hier, dass unsere Wahlen in Aufgabe a) für das Zufallsexperiment besonders geeignet erscheint, da wir zwischen den Beobachtungswerten der Spielfarbe und der Spielzahl sehr leicht unterscheiden können. Zusatzaufgabe: Erkläre mit dem Ergebnis von b), warum Ω = {1, 2, 3,..., 31, 32} zwar eine mögliche Wahl des Ergebnisraums für dieses Zufallsexperiment darstellt, jedoch weniger elegant als die getroffene Wahl ist. c) (i) Analog zu Aufgabenteil a) definieren wir für das neue Kartenspiel einen Ergebnisraum Ω := {,,, } {2, 3, 4, 5, 6, 7, 8, 9, 10, B, D, K, A}. Dann ist der Ergebnisraum für das gesuchte Zufallsexperiment Ω Set = Ω Ω und unsere Ergebnisse sind von der Form (ω 1, ω 2, ω 3, ω 4 ), wobei die ersten beiden Beobachtungswerte die Karte aus dem Kartenstapel von Aufgabe a) und b) darstellen und die letzten beiden Beobachtungswerte die Karte aus dem neuen Kartenstapel darstellen. Da das neue Kartenset 52 Karten inne hat, gilt nun Ω Set = = Gemäß eines fairen Kartenspiels gehen wir davon aus, dass die Wahrscheinlichkeit des Ziehens einer bestimmten Karte stets gleich ist. Wir definieren also p : Ω Set [0, 1], p (ω) := = 4

5 1 ω = (ω , ω 2, ω 3, ω 4 ) Ω Set. Das neue Zufallsexperiment ist nun also das Tupel (Ω Set, p ). (ii) Da wir alle vier Beobachtungswerte der insgesamt zwei gezogenen Spielkarten problemlos unterscheiden können, erhalten wir die Ereignisse wie folgt: A = {(, ω 2,, ω 4 ) Ω Set } = {(ω 1, ω 2, ω 3, ω 4 ) Ω Set ω 1 = ω 3 = } und B = {(ω 1, ω 2, ω 3, ω 4 ) Ω Set ω 2 = K ω 4 = K}. 5

6 Universität Bielefeld Wintersemester 2015/16 G. Elsner Präsenzübungen zur Vorlesung Anwendungen der Mathematik Blatt 3 Aufgabe 1 Wiederholen Sie die Definition eines Zufallsexperiments und denken Sie sich drei möglichst unterschiedliche Beispiele aus. Tauschen Sie sich über Ihre Ergebnisse in Zweier- oder Dreiergruppen aus (bevor Sie die nächste Aufgabe bearbeiten)! Aufgabe 2 Gegeben sei ein Skatblatt, bestehend aus vier Farben (Pik, Herz, Karo, Kreuz) mit jeweils den Karten Sieben, Acht, Neun, Zehn, Bube, Dame, König, As. Es wird zufällig eine Karte gezogen. a) Geben Sie eine geeignete formale Beschreibung des Zufallsexperimentes (d.h. die Ergebnismenge Ω und die Wahrscheinlichkeitsfunktion p : Ω [0; 1]) an. b) Beschreiben Sie die folgenden Ereignisse formal (d.h. als Teilmengen der Ergebnisraumes) und geben Sie ihre Wahrscheinlichkeiten an. A: Die gezogene Karte ist eine Pik-Karte. B: Die gezogene Karte ist ein König. c) Zu dem Skatspiel nimmt man noch ein zweites Kartendeck mit einem französisches Blatt, d.h. ein Kartenspiel, das aus den Farben Pik, Herz, Karo, Kreuz mit jeweis den Karten Zwei, Drei, Vier, Fünf, Sechs, Sieben, Acht Neun, Zehn, Bube, Dame, König, As besteht, hinzu. Aus jedem Deck wird zufällig eine Karten gezogen. (i) Geben Sie eine geeignete formale Beschreibung des Zufallsexperimentes (d.h. die Ergebnismenge Ω und die Wahrscheinlichkeitsfunktion p : Ω [0; 1]) an. (ii) Beschreiben Sie die folgenden Ereignisse formal (d.h. als Teilmengen der Ergebnisraumes) und geben Sie ihre Wahrscheinlichkeiten an. A: Beide Karten sind Pik-Karten. B: Mindestens eine der Karten ist ein König. (Hinweis: Verwenden Sie geeignete Abkürzungen und sparen Sie sich überflüssige Schreibarbeit!) 6

Lösungsskizzen zur Präsenzübung 04

Lösungsskizzen zur Präsenzübung 04 Lösungsskizzen zur Präsenzübung 04 Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 2015/2016 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 23. November 2015 von:

Mehr

Lösungsskizzen zur Präsenzübung 07

Lösungsskizzen zur Präsenzübung 07 Lösungsskizzen zur Präsenzübung 07 Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 2015/2016 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 14. Dezember 2015 von:

Mehr

Lösungsskizzen zur Präsenzübung 08

Lösungsskizzen zur Präsenzübung 08 Lösungsskizzen zur Präsenzübung 08 Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 015/016 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 07. Februar 016 von:

Mehr

Lösungsskizzen zur Präsenzübung 09

Lösungsskizzen zur Präsenzübung 09 Lösungsskizzen zur Präsenzübung 09 Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 2015/2016 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 07. Februar 2016 von:

Mehr

Lösungsskizzen zur Präsenzübung 11

Lösungsskizzen zur Präsenzübung 11 Lösungsskizzen zur Präsenzübung Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 05/06 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 07. Februar 06 von: Mirko

Mehr

Lösungsskizzen zur Präsenzübung 05

Lösungsskizzen zur Präsenzübung 05 Lösungsskizzen zur Präsenzübung 0 Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 201/2016 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 01. Dezember 201 von:

Mehr

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 1

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 1 TUM, Zentrum Mathematik Lehrstuhl für Mathematische Physik WS 2013/ Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weidner Tutoraufgaben: Einführung in die Wahrscheinlichkeitstheorie svorschläge zu

Mehr

Übungen zur Wahrscheinlichkeitstheorie und Statistik

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

Mehr

Teil II. Wahrscheinlichkeitsrechnung

Teil II. Wahrscheinlichkeitsrechnung Teil II Wahrscheinlichkeitsrechnung Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2014) Folie 129 5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) 5 Zufallsexperimente Ergebnisse Ereignisse

Mehr

Teil II. Wahrscheinlichkeitsrechnung. Inhaltsverzeichnis (Ausschnitt) Zufallsexperimente (Zufallsvorgänge) Ergebnisse

Teil II. Wahrscheinlichkeitsrechnung. Inhaltsverzeichnis (Ausschnitt) Zufallsexperimente (Zufallsvorgänge) Ergebnisse 5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) Teil II Wahrscheinlichkeitsrechnung 5 Zufallsexperimente Ergebnisse Ereignisse Wahrscheinlichkeiten Deskriptive Statistik und Wahrscheinlichkeitsrechnung

Mehr

Woche 2: Zufallsvariablen

Woche 2: Zufallsvariablen Woche 2: Zufallsvariablen Patric Müller ETHZ WBL 17/19, 24.04.2017 Wahrscheinlichkeit und Statistik Patric Müller WBL 2017 Teil III Zufallsvariablen Wahrscheinlichkeit

Mehr

Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26)

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

Mehr

Zusammenfassung Stochastik

Zusammenfassung 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

Mehr

Ereignis E: ist ein oder sind mehrere Ergebnisse zusammen genommen. Bsp. E = {2; 4; 6}

Ereignis E: ist ein oder sind mehrere Ergebnisse zusammen genommen. Bsp. E = {2; 4; 6} Laplace-Experimente Begriffsklärung am Beispiel eines Laplace-Würfel mit Augenzahlen (AZ) 1-6: Ergebnis: ist jeder Ausgang eines Zufallsexperimentes heißt ein Ergebnis ω dieses Zufallsexperimentes. Die

Mehr

Kapitel 2. Wahrscheinlichkeit (wird heute behandelt) Kapitel 2. Wahrscheinlichkeit

Kapitel 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

Mehr

Grundbegriffe der Wahrscheinlichkeitsrechnung

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

Mehr

4. Die Laplacesche Gleichverteilung

4. Die Laplacesche Gleichverteilung Universität Basel Wirtschaftswissenschaftliches Zentrum Grundlagen der Stochastik Dr. Thomas Zehrt Inhalt: 1. Die Ereignismenge 2. Die Wahrscheinlichkeitsverteilung 3. Eigenschaften einer Wahrscheinlichkeitsverteilung

Mehr

Bei 10 dieser Würfe wurde gleichzeitig eine 1 gewürfelt. Bei 25 dieser Würfe wurde gleichzeitig eine Augenzahl größer als 2 gewürfelt.

Bei 10 dieser Würfe wurde gleichzeitig eine 1 gewürfelt. Bei 25 dieser Würfe wurde gleichzeitig eine Augenzahl größer als 2 gewürfelt. 3 Wahrscheinlichkeiten 1 Kapitel 3: Wahrscheinlichkeiten A: Beispiele Beispiel 1: Ein Experiment besteht aus dem gleichzeitigen Werfen einer Münze und eines Würfels. Nach 100 Wiederholungen dieses Experiments

Mehr

Stochastik (Laplace-Formel)

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

Mehr

Lösungen zu Übungs-Blatt 7 Klassische Wahrscheinlichkeit in Glücksspielen und bedingte Wkt

Lösungen zu Übungs-Blatt 7 Klassische Wahrscheinlichkeit in Glücksspielen und bedingte Wkt Zu Aufgabe ) Wir betrachten den Laplace-Versuch V Werfen zweier Würfel. Berechnen Sie unter Verwendung der Formel P ( A) A aus Aufgabe die Ω Wahrscheinlichkeit für folgende Ereignisse: a) A Werfen zweier

Mehr

Kapitel 2. Mathematische Grundlagen. Skript zur Vorlesung Einführung in die Programmierung

Kapitel 2. Mathematische Grundlagen. Skript zur Vorlesung Einführung in die Programmierung LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 2 Mathematische Grundlagen Skript zur Vorlesung Einführung in die Programmierung im Wintersemester 2012/13 Ludwig-Maximilians-Universität

Mehr

Beispielaufgaben rund um Taylor

Beispielaufgaben rund um Taylor Beispielaufgaben rund um Taylor Mirko Getzin Universität Bielefeld Fakultät für Mathematik 19. Februar 014 Keine Gewähr auf vollständige Richtigkeit und perfekter Präzision aller (mathematischen) Aussagen.

Mehr

Diskrete Strukturen. Sebastian Thomas RWTH Aachen https://www2.math.rwth-aachen.de/ds16/ 1. Februar 2017 Vorlesung 21

Diskrete Strukturen. Sebastian Thomas RWTH Aachen https://www2.math.rwth-aachen.de/ds16/ 1. Februar 2017 Vorlesung 21 Diskrete Strukturen Sebastian Thomas RWTH Aachen https://www2.math.rwth-aachen.de/ds16/ 1. Februar 2017 Vorlesung 21 Quasiendliche Wahrscheinlichkeitsräume Definition quasiendlicher Wahrscheinlichkeitsraum

Mehr

9. Elementare Wahrscheinlichkeitsrechnung

9. 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.

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung 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?

Mehr

Aufgabe A1 Ein Glücksrad hat vier Sektoren, wovon die ersten beiden die Winkelgröße 60 haben. Für die Winkelgrößen und des dritten und vierten Sektors

Aufgabe A1 Ein Glücksrad hat vier Sektoren, wovon die ersten beiden die Winkelgröße 60 haben. Für die Winkelgrößen und des dritten und vierten Sektors Level Grundlagen Blatt Dokument mit Aufgaben Aufgabe A Ein Glücksrad hat vier Sektoren, wovon die ersten beiden die Winkelgröße 60 haben. Für die Winkelgrößen und des dritten und vierten Sektors gilt.

Mehr

4 Diskrete Wahrscheinlichkeitsverteilungen

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

Mehr

Sachrechnen/Größen WS 14/15-

Sachrechnen/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

Mehr

Leseprobe. 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 - 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

Mehr

3 Bedingte Wahrscheinlichkeit, Unabhängigkeit von Ereignissen

3 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

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 27. Oktober 2010 Teil III Wahrscheinlichkeitstheorie 1 Zufallsereignisse Vorüberlegungen Der Ereignisraum Konstruktionen

Mehr

Beispiel 37. Wir werfen eine Münze so lange, bis zum ersten Mal

Beispiel 37. Wir werfen eine Münze so lange, bis zum ersten Mal Beispiel 37 Wir werfen eine Münze so lange, bis zum ersten Mal Kopf erscheint. Dies geschehe in jedem Wurf unabhängig mit Wahrscheinlichkeit p. Wir definieren dazu die Zufallsvariable X := Anzahl der Würfe.

Mehr

9. Elementare Wahrscheinlichkeitsrechnung

9. Elementare Wahrscheinlichkeitsrechnung 9. Elementare Wahrscheinlichkeitsrechnung Beispiel (Einmaliges Würfeln): verbal mengentheoretisch I. Zufällige Ereignisse Beispiel (Einmaliges Würfeln): Alle möglichen Ausgänge 1,,, 6 des Experiments werden

Mehr

UE Statistik 1, SS 2015, letztes Update am 5. März Übungsbeispiele

UE 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..

Mehr

Übungen Abgabetermin: Freitag, , 10 Uhr

Übungen Abgabetermin: Freitag, , 10 Uhr Universität Münster Institut für Mathematische Statistik Stochastik für Lehramtskandidaten SoSe 015, Blatt 1 Löwe/Heusel Übungen Abgabetermin: Freitag, 10.7.015, 10 Uhr Hinweis: Dies ist nur eine Beispiellösung.

Mehr

3. Grundbegriffe der Wahrscheinlichkeitstheorie

3. 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

Mehr

Zufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen

Zufallsprozesse, 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/

Mehr

Wahrscheinlichkeit (Teschl/Teschl 2, Kap. 26)

Wahrscheinlichkeit (Teschl/Teschl 2, Kap. 26) Wahrscheinlichkeit (Teschl/Teschl 2, Kap. 26) Gegeben Menge Ω (Wahscheinlichkeitsraum, Menge aller möglichen Ausgänge eines Zufallsexperiments), Abbildung P : P(Ω) [0, 1] (Wahrscheinlichkeit): Jeder Teilmenge

Mehr

Stochastische Unabhängigkeit. 01. Dezember 2014

Stochastische Unabhängigkeit. 01. Dezember 2014 Stochastische Unabhängigkeit 0. Dezember 204 Der Begriff der Unabhängigkeit Großbritannien, im November 999. Die Anwältin Sally Clark wird wegen Mordes an ihren Kindern angeklagt. Clark geriet unter Verdacht

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung 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?

Mehr

Kapitel I Diskrete Wahrscheinlichkeitsräume

Kapitel 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

Mehr

1. Grundlagen. R. Albers, M. Yannik Skript zur Vorlesung Stochastik (Elementarmathematik)

1. Grundlagen. R. Albers, M. Yannik Skript zur Vorlesung Stochastik (Elementarmathematik) 1. Grundlagen 1.1 Zufallsexperimente, Ergebnisse Grundlage für alle Betrachtungen zur Wahrscheinlichkeitsrechnung sind Zufallsexperimente. Ein Zufallsexperiment ist ein Vorgang, der - mehrere mögliche

Mehr

Unabhängigkeit KAPITEL 4

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

Mehr

Kapitel 6. Kapitel 6 Mehrstufige Zufallsexperimente

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

Mehr

Mathematik für Biologen

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

Mehr

Abschnitt 3: Mathematische Grundlagen

Abschnitt 3: Mathematische Grundlagen Abschnitt 3: Mathematische Grundlagen 3. Mathematische Grundlagen 3.1 3.2 Induktion und Rekursion 3.3 Boolsche Algebra Peer Kröger (LMU München) Einführung in die Programmierung WS 14/15 48 / 155 Überblick

Mehr

Wahrscheinlichkeit und Zufall

Wahrscheinlichkeit und Zufall Wahrscheinlichkeit und Zufall Rechnen mit Wahrscheinlichkeiten 16. Juni 2009 Dr. Katja Krüger Universität Paderborn 1 Inhalt Ereignisse i und deren Wahrscheinlichkeit h hk i Laplace-Regel Baumdiagramm

Mehr

Biostatistik, Winter 2011/12

Biostatistik, Winter 2011/12 Biostatistik, Winter 2011/12 Wahrscheinlichkeitstheorie:, Unabhängigkeit Prof. Dr. Achim Klenke http://www.aklenke.de 6. Vorlesung: 02.12.2011 1/30 Inhalt 1 Wahrscheinlichkeit 2 2/30 Wahrscheinlichkeit

Mehr

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 4

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 4 TUM, Zentrum Mathematik Lehrstuhl für Mathematische Physik WS 3/4 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weidner Tutoraufgaben: Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge

Mehr

Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.2/58

Statistik 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

Mehr

Stochastik - Kapitel 2

Stochastik - 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

Mehr

Inhaltsverzeichnis (Ausschnitt)

Inhaltsverzeichnis (Ausschnitt) 6 Diskrete Wahrscheinlichkeitsräume Inhaltsverzeichnis (Ausschnitt) 6 Diskrete Wahrscheinlichkeitsräume Laplacesche Wahrscheinlichkeitsräume Kombinatorik Allgemeine diskrete Wahrscheinlichkeitsräume Deskriptive

Mehr

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

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

Mehr

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

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

Mehr

Kapitel 5 Stochastische Unabhängigkeit

Kapitel 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

Mehr

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 2

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 2 TUM, Zentrum Mathematik Lehrstuhl für Mathematische Physik WS 2013/14 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weidner Tutoraufgaben: Einführung in die Wahrscheinlichkeitstheorie svorschläge

Mehr

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung Abiturvorbereitung Wahrscheinlichkeitsrechnung S. 1 von 9 Wahrscheinlichkeitsrechnung Kombinatorik Formeln für Wahrscheinlichkeiten Bedingte Wahrscheinlichkeiten Zusammenfassung wichtiger Begriffe Übungsaufgaben

Mehr

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

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

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike

Mehr

Satz 16 (Multiplikationssatz)

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

Mehr

15 Wahrscheinlichkeitsrechnung und Statistik

15 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

Mehr

2.2 Ereignisse und deren Wahrscheinlichkeit

2.2 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,

Mehr

Grundkurs Mathematik II

Grundkurs Mathematik II Prof. Dr. H. Brenner Osnabrück SS 2017 Grundkurs Mathematik II Vorlesung 57 Unabhängige Ereignisse Definition 57.1. Zwei Ereignisse E und F in einem endlichen Wahrscheinlichkeitsraum (M, P) heißen unabhängig,

Mehr

Multivariate Zufallsvariablen

Multivariate Zufallsvariablen Kapitel 7 Multivariate Zufallsvariablen 7.1 Diskrete Zufallsvariablen Bisher haben wir immer nur eine Zufallsvariable betrachtet. Bei vielen Anwendungen sind aber mehrere Zufallsvariablen von Interesse.

Mehr

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Universität Duisburg-Essen Essen, den 12.02.2010 Fakultät für Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,

Mehr

Kapitel 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 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,

Mehr

Wahrscheinlichkeiten

Wahrscheinlichkeiten Wahrscheinlichkeiten Bestimmung der Wahrscheinlichkeit Bei einem Zufallsexperiment kann man nicht voraussagen, welches Ereignis eintritt, aber manche Ereignisse treten naturgemäß mit einer größeren Wahrscheinlichkeit

Mehr

3. Kombinatorik und Wahrscheinlichkeit

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

Mehr

STOCHASTISCHE UNABHÄNGIGKEIT. Annika Pohlmann Philipp Oel Wilhelm Dück

STOCHASTISCHE UNABHÄNGIGKEIT. Annika Pohlmann Philipp Oel Wilhelm Dück STOCHASTISCHE UNABHÄNGIGKEIT Annika Pohlmann Philipp Oel Wilhelm Dück 1 GLIEDERUNG 1) Bedingte Wahrscheinlichkeiten 2) Unabhängigkeit für mehr als zwei Ereignisse 3) Unabhängigkeit für Zufallsvariable

Mehr

TU DORTMUND Sommersemester 2018

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

Mehr

Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management

Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 2013 Hochschule Augsburg Unabhängigkeit von Ereignissen A, B unabhängig:

Mehr

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

Mehr

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

Dr. 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)

Mehr

KAPITEL 2. Kombinatorik

KAPITEL 2. Kombinatorik KAPITEL 2 Kombinatori In der Kombinatori geht es um das Abzählen von Kombinationen 21 Geburtstagsproblem Beispiel 211 (Geburtstagsproblem In einem Raum befinden sich 200 Studenten Wie groß ist die Wahrscheinlicheit,

Mehr

Variationen Permutationen Kombinationen

Variationen Permutationen Kombinationen Variationen Permutationen Kombinationen Mit diesen Rechenregeln lässt sich die Wahrscheinlichkeit bestimmter Ereigniskombinationen von gleichwahrscheinlichen Elementarereignissen ermitteln, und erleichtert

Mehr

6: Diskrete Wahrscheinlichkeit

6: 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

Mehr

WAHRSCHEINLICHKEITSRECHNUNG

WAHRSCHEINLICHKEITSRECHNUNG WAHRSCHEINLICHKEITSRECHNUNG Mathematischer Teil In der Wahrscheinlichkeitsrechnung haben wir es mit Zufallsexperimenten zu tun, d.h. Ausgang nicht vorhersagbar. Grundbegriffe Zufallsexperiment und Ergebnisse

Mehr

Ziegenproblem, Monty-Hall-Problem, Wahrscheinlichkeitsrechnung. Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem

Ziegenproblem, Monty-Hall-Problem, Wahrscheinlichkeitsrechnung. Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem Wahrscheinlichkeitsrechnung Theorie Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem Ziegenproblem,

Mehr

2 Ereignisse. Für Ereignisse A und B kann durch Bildung des Durchschnitts (engl.: intersection) A B := {ω Ω : ω A oder ω B}

2 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

Mehr

Grundwissen Stochastik Grundkurs 23. Januar 2008

Grundwissen Stochastik Grundkurs 23. Januar 2008 GYMNSIUM MIT SCHÜLERHEIM PEGNITZ math.-technolog. u. sprachl. Gymnasium WILHELM-VON-HUMBOLDT-STRSSE 7 91257 PEGNITZ FERNRUF 09241/48333 FX 09241/2564 Grundwissen Stochastik Grundkurs 23. Januar 2008 1.

Mehr

Technische Universität München

Technische Universität München Stand der Vorlesung Kapitel 2: Auffrischung einiger mathematischer Grundlagen Mengen, Potenzmenge, Kreuzprodukt (Paare, Tripel, n-tupel) Relation: Teilmenge MxN Eigenschaften: reflexiv, symmetrisch, transitiv,

Mehr

Wie hoch ist das Risiko, dass ein System, das aus mehreren Komponenten besteht, ausfällt?

Wie 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

Mehr

= 7! = 6! = 0, 00612,

= 7! = 6! = 0, 00612, Die Wahrscheinlichkeit, dass Prof. L. die Wette verliert, lässt sich wie folgt berechnen: Ω = {(i 1,..., i 7 ) : i j {1... 7}, j = 1... 7}, wobei i, j für den Wochentag steht, an dem die Person j geboren

Mehr

Wahrscheinlichkeitsrechnung Teil 1

Wahrscheinlichkeitsrechnung Teil 1 Wahrscheinlichkeitsrechnung Teil Einführung in die Grundbegriffe Sekundarstufe Datei Nr 30 Stand September 2009 Friedrich W Buckel INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK wwwmathe-cdde Inhalt Zufallsexperimente,

Mehr

Wahlfach Mathematik: Stochastik. 1. Einführungsbeispiele. a. Hüte-Kleider-Schuhe-Aufgabe

Wahlfach Mathematik: Stochastik. 1. Einführungsbeispiele. a. Hüte-Kleider-Schuhe-Aufgabe 1. Einführungsbeispiele a. Hüte-Kleider-Schuhe-Aufgabe Ein Mädchen besitzt zwei Hüte, vier Kleidungsstücke und drei Paar Schuhe. Auf wie viele verschiedene Art und Weisen kann es ausgehen? Wie können wir

Mehr

Universität Basel Wirtschaftswissenschaftliches Zentrum. Zufallsvariablen. Dr. Thomas Zehrt

Universität Basel Wirtschaftswissenschaftliches Zentrum. Zufallsvariablen. Dr. Thomas Zehrt Universität Basel Wirtschaftswissenschaftliches Zentrum Zufallsvariablen Dr. Thomas Zehrt Inhalt: 1. Einführung 2. Zufallsvariablen 3. Diskrete Zufallsvariablen 4. Stetige Zufallsvariablen 5. Erwartungswert

Mehr

Kurs 2 Stochastik EBBR Vollzeit (1 von 2)

Kurs 2 Stochastik EBBR Vollzeit (1 von 2) Erwachsenenschule Bremen Abteilung I: Sekundarstufe Doventorscontrescarpe 172 A 281 Bremen Kurs 2 Stochastik EBBR Vollzeit (1 von 2) Name: Ich 1. 2. 3. 4.. 6. 7. So schätze ich meinen Lernzuwachs ein.

Mehr

Statistik I für Humanund Sozialwissenschaften

Statistik I für Humanund Sozialwissenschaften Statistik I für Humanund Sozialwissenschaften 3. Übung Lösungsvorschlag Gruppenübung G 8 a) Ein Professor möchte herausfinden, welche 5 seiner insgesamt 8 Mitarbeiter zusammen das kreativste Team darstellen.

Mehr

Einführung in die Wahrscheinlichkeitsrechnung

Einführung in die Wahrscheinlichkeitsrechnung Marco Cattaneo Institut für Statistik Ludwig-Maximilians-Universität München Sommersemester 2011 1. Wahrscheinlichkeitsrechnung 2. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grenzwertsätze

Mehr

Übungsblatt 6 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker

Übungsblatt 6 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker Übungsblatt 6 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker 29.11.2012 Gegeben sei erneut der folgende Grundraum: Ω = {1, 1.5, 2, π, 5, 12} Die Elementarereignisse

Mehr

Übungsblatt 7 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker

Übungsblatt 7 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker Aufgabe Aufgabe 2 Übungsblatt 7 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker.2.202 Aufgabe Aufgabe 2 Bei einem Zufallsexperiment werden zwei Würfel geworfen und

Mehr

1 Grundbegriffe der Wahrscheinlichkeitsrechnung

1 Grundbegriffe der Wahrscheinlichkeitsrechnung 4 1 Grundbegriffe der Wahrscheinlichkeitsrechnung 1.1 Grundlegende Begriffe Der Begriff wahrscheinlich wird im Alltag in verschiedenen Situationen verwendet, hat dabei auch unterschiedliche Bedeutung.

Mehr

Kapitel 2. Zufällige Versuche und zufällige Ereignisse. 2.1 Zufällige Versuche

Kapitel 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

Mehr

Wahrscheinlichkeitstheorie und Maßtheorie

Wahrscheinlichkeitstheorie und Maßtheorie KAPITEL 7 Wahrscheinlichkeitstheorie und Maßtheorie 7.1. Vorüberlegungen Die folgenden drei Beispiele sind Spezialfälle des Oberbegriffs Maß. Beispiel 7.1.1 (Verteilung der Ladung oder der Masse). Man

Mehr

3 Berechnung von Wahrscheinlichkeiten bei mehrstufigen Zufallsversuchen

3 Berechnung von Wahrscheinlichkeiten bei mehrstufigen Zufallsversuchen Berechnung von Wahrscheinlichkeiten bei mehrstufigen Zufallsversuchen Berechnung von Wahrscheinlichkeiten bei mehrstufigen Zufallsversuchen.1 Pfadregeln.1.1 Pfadmultiplikationsregel Eine faire Münze und

Mehr

2 Zufallsvariable und Verteilungsfunktionen

2 Zufallsvariable und Verteilungsfunktionen 8 2 Zufallsvariable und Verteilungsfunktionen Häufig ist es so, dass den Ausgängen eines Zufallexperiments, d.h. den Elementen der Ereignisalgebra, eine Zahl zugeordnet wird. Das wollen wir etwas mathematischer

Mehr

Zusammenhang von Stetigkeit, Differenzierbarkeit und stetiger Differenzierbarkeit

Zusammenhang von Stetigkeit, Differenzierbarkeit und stetiger Differenzierbarkeit Zusammenhang von Stetigkeit, Differenzierbarkeit und stetiger Differenzierbarkeit Mirko Getzin Universität Bielefeld Fakultät für Mathematik 01. Februar 2014 Keine Gewähr auf vollständige Richtigkeit und

Mehr

3. Anwendungen aus der Kombinatorik

3. Anwendungen aus der Kombinatorik 3. Anwendungen aus der Kombinatorik 3.1. Ziehen mit Zurücklegen 1) Würfeln Wie gross ist die Wahrscheinlichkeit für genau 2 Sechser in 7 Würfen? 2) Glücksrad Ein Glücksrad zeigt "1" mit Wahrscheinlichkeit

Mehr

Wahrscheinlichkeitsrechnung für die Mittelstufe

Wahrscheinlichkeitsrechnung für die Mittelstufe Wahrscheinlichkeitsrechnung für die Mittelstufe Wir beginnen mit einem Beispiel, dem Münzwurf. Es wird eine faire Münze geworfen mit den Seiten K (für Kopf) und Z (für Zahl). Fair heißt, dass jede Seite

Mehr

Laplace und Gleichverteilung

Laplace und Gleichverteilung Laplace und Gleichverteilung Aufgaben Aufgabe 1 An einem Computer, dessen Tastatur die 26 Tasten für die kleinen Buchstaben (a,b,c... z) hat, sitzt ein Nutzer (User) und tippt zufällige auf den Tasten

Mehr