Diplomvorprüfung Stochastik
|
|
- Frank Frank
- vor 5 Jahren
- Abrufe
Transkript
1 Uiversität Karlsruhe TH Istitut für Stochastik Prof. Dr. N. Bäuerle Name: Vorame: Matr.-Nr.: Diplomvorprüfug Stochastik 10. Oktober 2006 Diese Klausur hat bestade, wer midestes 16 Pukte erreicht. Als Hilfsmittel sid ur zwei selbst erstellte DIN A4 Seite sowie ei icht programmierbarer Tascherecher zugelasse! VIEL ERFOLG! Aufgabe Pukte Korrektor Gesamtpuktzahl Note 0
2 Aufgabe Pukte Bei dieser Aufgabe zähle ur die i de Kästche eigetragee Ergebisse, icht der Recheweg. Vorkommede Produkte vo Brüche müsse icht exakt ausgerechet werde. Bei eiem Buchstabelegespiel befide sich i eier Ure 16 gleichartige Plättche, vo dee 5 de Buchstabe A, 5 de Buchstabe E, 3 de Buchstabe S ud 3 de Buchstabe T trage. Ei Spieler zieht acheiader 3 Plättche OHNE Zurücklege ud legt sie vo liks ach rechts ebeeiader auf de Tisch. Bereche Sie die Wahrscheilichkeit dafür, dass die Buchstabe a das Wort AST ergebe. b das Wort TAT ergebe. Der Spieler zieht acheiader 3 Plättche MIT Zurücklege ud otiert die Buchstabe vo liks ach rechts ebeeiader auf eiem Zettel. Bereche Sie die Wahrscheilichkeit dafür, dass die Buchstabe c das Wort AST ergebe. d das Wort TAT ergebe. Der Spieler zieht acheiader 5 Plättche MIT Zurücklege ud otiert die Buchstabe vo liks ach rechts ebeeiader auf eiem Zettel. Bereche Sie die Wahrscheilichkeit dafür, dass e ur Kosoate also ur S ud T vorkomme. Der Spieler zieht acheiader 3 Plättche MIT Zurücklege. Bereche Sie die Wahrscheilichkeit dafür, dass die Buchstabe evetuell durch umstelle der otierte Buchstabe f das Wort SEE ergebe. 1
3 Lösug a b c d e f
4 Aufgabe 2 6 Pukte Sei Ω, A,P ei Wahrscheilichkeitsraum ud A 1,...,A A Ereigisse, wobei N. Zeige Sie, dass gilt P A i PA i PA i A j. Lösug: Beweis durch Iduktio ach N: Sei = 2 der Fall = 1 ist trivial, als Iduktiosafag aber ebeso gültig. Da gilt i,j=1 i j PA 1 A 2 = PA 1 + PA 2 PA 1 A 2 = 2 PA i 2 PA i A j. i,j=1 i j Gelte u die Behauptug für N. Wir beötige als Hilfsugleichug och P A i A+1 = P Ai A +1 PA i A +1. Da ergibt sich: P +1 A i = P A i A+1 = P A i + PA +1 P A i A+1 PA i +1 = PA i PA i A j + PA +1 i,j=1 i j +1 i,j=1 i j PA i A j, PA i A +1 wobei bei der Abschätzug die Iduktiosvorausetzug ud die Hilfsugleichug verwedet wurde. 3
5 Aufgabe Pukte Es seie X, Y uabhägig, X U 1, 1, Y Expλ mit λ > 0. Weiter seie V := π Y cos 2 X, W := π Y si 2 X. a Bestimme Sie eie gemeisame Dichte vo X ud Y. b Die gemeisame Dichte vo V ud W ohe Beweis ist gegebe durch f V,W v,w = 2λ π exp λv2 + w 2, 0 < v <, < w <. Zeige Sie, dass die Dichte vo V ud W gegebe sid durch λ f V v = 2 π exp λv2, 0 < v <, λ f W w = π exp λw2, < w <. c Sid V ud W uabhägig? d Welche Verteilug hat W? e Zeige Sie, dass V ud W die gleiche Verteilug besitze. Lösug: a Es ist auf Grud der Uabhägigkeit vo X ud Y f X,Y x,y = λ/2 exp λy, 1 < x < 1, 0 < y <. b Die Raddichte erhält ma durch Itegratio der gemeisame Dichte ach der jeweils adere Variable. Sei 0 < v <. Da ergibt sich für die Dichte vo V : f V v = f V,W v,wdw = = 2 λ/π exp λv 2 = 2 λ/π exp λv λ/π exp λv 2 + w 2 dw λ/π exp λw 2 dw Sei < w <. Da ergibt sich für die Dichte vo W aalog: f W w = f V,W v,wdv = = 2 λ/π exp λw 2 = 2 λ/π exp λw = λ/π exp λw λ/π exp λv 2 + w 2 dv 1/ π exp v 2 dv 1/ π exp v 2 dv 4
6 c Es gilt offesichtlich f V,W v,w = f V vf W w für 0 < v <, < w < ud f V,W v,w = 0 = f V vf W w sost. Damit sid V ud W uabhägig. d Die Dichte vo W ist die Dichte eier Normalverteilug mit Mittelwert 0 ud Variaz σ 2 := 1/2λ, also W N0,σ 2. e Wege d gilt zuächst für 0 < w < Außerdem gilt für 0 < v < F V v = v 0 F W w = P W w = P w W w = 2Φ 0,σ 2w 1. f V tdt = v 0 2 λ/π exp λt 2 = 2 = 2Φ 0,σ 2v 1/2 = 2Φ 0,σ 2v 1 = F W v. V ud W sid also idetisch verteilt. v 0 2πσ 2 1 exp t 2 /2σ 2 dt 5
7 Aufgabe 4 6 Pukte Seie X 1,X 2,... Zufallsvariable mit E X,V arx c für alle N, wobei c 0,. Zeige Sie, dass da 1 X p 0. Lösug: Sei zuächst EX = 0 für alle N. Da gilt auch E 1 X = 0 ud es folgt mit der Ugleichug vo Tschebyscheff für beliebiges ε > 0 P 1 X ε 1 1 ε 2V ar X = 1 ε 2 2V arx c ε 2 2 0, also die Behauptug. Betrachte u de allgemeie Fall. Da gilt für Y := X EX, N, aber EY = 0. Außerdem gilt lim E 1 X = 0, da 1 E X 1 E X c 0. Es folgt 1 X = 1 1 Y + E }{{} X p 0. }{{} p 0 0 6
8 Aufgabe 5 6 Pukte Gegebe sei eie Stichprobe x = x 1,...,x zu eier Verteilug P θ,λ, λ > 0, θ R mit Dichte fx = 1 λ e x θ/λ exp e x θ/λ, x R. Der Parameter λ wird dabei als bekat vorausgesetzt. Bestimme Sie de möglicherweise vo λ abhägige Maximum-Likelihood-Schätzer ˆθ ML x für θ. Überprüfe Sie auch mittels der zweite Ableitug, ob Sie wirklich ei Maximum der Likelihood- Fuktio erhalte. Lösug: Die Likelihood-Fuktio ist für x 1,... x R gegebe durch 1 L x θ = fx i = e x i θ/λ exp λ ud die Log-Likelihood-Fuktio folglich durch log L x θ = log fx i = log λ = log λ 1 λ x i θ/λ e x i θ/λ x i + λ θ eθ/λ e xi/λ. e x i θ/λ Zur Berechug eies MLS beötige wir die Ableitug der Log-Likelihood-Fuktio log L x θ θ Setzt ma diese Term gleich Null, so ergibt sich = λ 1 λ eθ/λ λ 1 λ eθ/λ e θ/λ = 1 e x i/λ e xi/λ = 0 1 θ = λ log e x i/λ e x i/λ. Der Schätzwert ist also gegebe durch ˆθ ML x = λ log 1 e x i/λ. Überprüfug der zweite Ableitug: 2 log L x θ θ θ=ˆθml 2 = 1 x λ 2 eˆθ ML x/λ = 1 1 λ 2 e x i/λ e x 1 i/λ e xi/λ = λ 2 < 0. 7
9 Aufgabe Pukte Auf eier belebte Straße soll der Ateil p der Autofahrer utersucht werde, die währed der Fahrt keie Sicherheitsgurt trage sog. Gurtmuffel. Es wird ageomme, dass die Fahrer uabhägig voeiader de Gurt alege oder icht alege. Die örtliche Polizei will verstärkte Kotrolle durchführe, falls der Ateil der Gurtmuffel mehr als 15% beträgt. Dazu werde 1000 Autofahrer kotrolliert. a Kostruiere Sie eie icht radomisierte Test für die Nullhypothese Es sid keie verstärkte Kotrolle otwedig, we eie Fehlerwahrscheilichkeit 1. Art vo höchstes 5% i Kauf geomme wird. Bestimme Sie de kritische Bereich des Tests uter Verwedug eier Normalverteilugsaahme. b Ermittel Sie die Wahrscheilichkeit dafür, dass irrtümlich keie verstärkte Kotrolle durchgeführt werde, obwohl der wahre Ateil der Gurtmuffel 20% beträgt, we die Etscheidugsregel lautet: Die Hypothese Es sid keie verstärkte Kotrolle otwedig soll geau da abgeleht werde, we mehr als 169 der 1000 kotrollierte Fahrer keie Gurt agelegt hatte. Lösug: a Sei = 1000 ud X i = { 1, Fahrer i hat keie Gurt agelegt, 0, sost für i = 1,...,. Ist p 0,1 der ubekate Ateil der Gurtmuffel, so sid die X i uabhägig ud idetisch Bi1,p-verteilt. Zu teste ist da H 0 : p 0.15 =: p 0 vs. H 1 : p > Eie sivolle Testgröße i Abhägigkeit vo eier beobachtete Stichprobe x 1,...,x ist hier T := Tx 1,...,x := x i p 0. Bemerkug: T := x i ist auch möglich. Da ergibt sich ute k = k + p 0 = 169. Wir lehe H 0 ab, we T zu groß wird. Der Test lautet da also { 1, T > k ϕx 1,... x = 0, T k mit eiem och zu bestimmede k N, so dass die Fehlerwahrscheilichkeit 1. Art höchstes α = 0.05 beträgt. 8
10 Da β ϕ p = P p T > k auf Grud der Defiitio vo T steiged i p ist, wähle wir k so, dass für p 0.15 S p 0 P p TX > k P p0 TX > k = P p0 p0 1 p 0 > k p0 1 p 0 k 1 Φ 0.05, p0 1 p 0 gilt, wobei S := X i. Wege k k 1 Φ 0.05 Φ 0.95 k p 0 1 p p0 1 p 0 p0 1 p 0 wähle wir also k = 19. b Wege p 0 = 150 etspricht der hier erwähte Test gerade dem i a kostruierte. Hier soll u die Wahrscheilichkeit berechet werde, dass ma die Hypothese icht ableht, obwohl p 1 := 0.2 der wahre Parameter ist Fehlerwahrscheilichkeit 2. Art. Diese ergibt sich auch wieder mittels eier Normalverteilugsapproximatio S p 1 P p1 T 19 = P p1 S 169 = P p1 p1 1 p p 1 p1 1 p 1 Φ 169 p 1 p1 1 p 1 Φ
Eingangsprüfung Stochastik,
Eigagsprüfug Stochastik, 5.5. Wir gehe stets vo eiem Wahrscheilichkeitsraum (Ω, A, P aus. Die Borel σ-algebra auf wird mit B bezeichet, das Lebesgue Maß auf wird mit λ bezeichet. Aufgabe ( Pukte Sei x
MehrEinführung in die Wahrscheinlichkeitstheorie Lösungen zum Wiederholungsblatt
TUM, Zetrum Mathematik Lehrstuhl für Mathematische Physik WS 23/4 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weider Eiführug i die Wahrscheilichkeitstheorie Lösuge zum Wiederholugsblatt Aufgabe
MehrWahrscheinlichkeitstheorie 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
MehrÜbungen 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
MehrMusterlösung für die Klausur zur Vorlesung Stochastik I im WiSe 2014/2015
Musterlösug für die Klausur zur Vorlesug Stochastik I im WiSe 204/205 Teil I wahr falsch Aussage Gilt E[XY ] = E[X]E[Y ] für zwei Zufallsvariable X ud Y mit edlicher Variaz, so sid X ud Y uabhägig. Für
MehrTests 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
MehrKapitel 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
MehrKapitel VI. Einige spezielle diskrete Verteilungen
Kapitel VI Eiige spezielle diskrete Verteiluge D 6 (Hypergeometrische Verteilug) Eie Zufallsvariable X heißt hypergeometrisch verteilt, we sie folgede Wahrscheilichkeitsfuktio besitzt: M N M P ( X ) p
Mehr2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters:
. Schätzverfahre. Puktschätzug wirtschaftlicher Kezahle Allgemei: Puktschätzug eies Parameters: Ermittlug eies Schätzwertes für eie ubekate Parameter eier Zufallsvariable i der Grudgesamtheit mit Hilfe
Mehr10. Testen von Hypothesen Seite 1 von 6
10. Teste vo Hypothese Seite 1 vo 6 10.1 Eiführug i das Teste vo Hypothese Eie Hypothese ist eie Vermutug bzw. Behauptug über die Wahrscheilichkeit eies Ereigisses. Mit Hilfe eies geeigete Tests (=Testverfahre)
MehrDiskrete Wahrscheinlichkeitstheorie Wiederholungsklausur
Techische Uiversität Müche Sommersemester 007 Istitut für Iformatik Prof. Dr. Javier Esparza Diskrete Wahrscheilichkeitstheorie Wiederholugsklausur LÖSUNG Hiweis: Bei alle Aufgabe wird ebe dem gefragte
MehrKlausur 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
Mehr11 Likelihoodquotiententests
11 Likelihoodquotietetests I de Paragraphe 7-10 wurde beste Tests UMP-Tests oder UMPU-Tests i spezielle Verteilugssituatioe hergeleitet Hier soll u ei allgemeies Kostruktiosprizip für Tests vo zusammegesetzte
MehrMaximum Likelihood Version 1.6
Maximum Likelihood Versio 1.6 Uwe Ziegehage 15. November 2005 Logarithmegesetze log a (b) + log a (c) = log a (b c) (1) log a (b) log a (c) = log a (b/c) (2) log a (b c ) = c log a (b) (3) Ableitugsregel
MehrLösungsvorschlag 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
MehrVl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3
Vl Statistische Prozess ud Qualitätskotrolle ud Versuchsplaug Übug 3 Aufgabe ) Die Schichtdicke X bei eier galvaische Beschichtug vo Autoteile sei ormalverteilt N(μ,σ ). 4 Teile werde galvaisch beschichtet.
Mehr10. Übungsblatt zur Einführung in die Stochastik
Fachbereich Mathematik rof. Dr. Michael Kohler Dipl.-Math. Adreas Fromkorth Dipl.-If. Jes Mehert SS 09 6.7.2009 0. Übugsblatt zur Eiführug i die Stochastik Aufgabe 38 (3 ukte Die Zufallsvariable X,...,
MehrFormelsammlung. PD Dr. C. Heumann
Formelsammlug zur Vorlesug Statistik II PD Dr C Heuma Formelsammlug Statistik II Iduktive Statistik Regel der Kombiatorik ohe Wiederholug mit Wiederholug! Permutatioe! 1! s! ( ) ( ) + m 1 ohe Reihefolge
MehrVl 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
MehrEinführung 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
Mehrn (n + 1) = 1(1 + 1)(1 + 2) 3 Induktionsschritt: Angenommen die Gleichung gilt für n N. Dann folgt: 1 2 = 2 =
Aufgabe 1: (6 Pukte) Zeige Sie für alle N die Formel: 1 2 + 2 3 + 3 4 +... + ( + 1) = ( + 1)( + 2). 3 Lösug: Beweis durch vollstädige Iduktio. Iduktiosafag: Für = 1 gilt: 1 2 = 2 = 1(1 + 1)(1 + 2) 3 Iduktiosschritt:
Mehr3 Vergleich zweier unverbundener Stichproben
3 Vergleich zweier uverbudeer Stichprobe 3. Der Zweistichprobe t-test Es wird vorausgesetzt, dass die beide Teilstichprobe x, x,..., x ud y, y,..., y jeweils aus (voeiader uabhägige) ormalverteilte Grudgesamtheite
MehrEmpirische 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,...,
MehrKonfidenzintervalle. Praktische Übung Stochastik SS 2017 Lektion 10 1
Kofidezitervalle Praktische Übug Stochastik SS 017 Lektio 10 1 Kofidezitervalle Geerelle Aahme: Parametrisches Modell (P ϑ ) ϑ Θ Beobachtuge X 1,..., X u.i.v. ach P ϑ mit ubekatem ϑ Θ Grudidee: Schätzer
MehrProf. Dr. Holger Dette Musterlösung Statistik I Sommersemester 2009 Dr. Melanie Birke Blatt 5
Prof. Dr. Holger Dette Musterlösug Statistik I Sommersemester 009 Dr. Melaie Birke Blatt 5 Aufgabe : 4 Pukte Sei X eie Poissoλ verteilte Zufallsvariable mit λ > 0, ud die Verlustfuktio L sei defiiert durch
MehrKlausur zur Analysis II
Uiversität Würzburg Mathematisches Istitut Prof Jör Steudig SS 007 807007 Klausur zur Aalysis II Aufgabe Die Mege M R 3 sei gegebe durch Zeit: 7:45-9:45 M := { x, y, z R 3 expx + y + z = } a Ist M abgeschlosse?
MehrWirksamkeit, 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
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Übug 6 3.03.20 Ihalt der heutige Übug Aufgabe D.7: Reche mit Zufallsvariable Erwartugswert- ud Variazoperator Statistik ud Wahrscheilichkeitsrechug
MehrTesten statistischer Hypothesen
Kapitel 9 Teste statistischer Hypothese 9.1 Eiführug, Sigifiaztests Sigifiaztest für µ bei der ormalverteilug bei beatem σ = : X i seie uabhägig ud µ, ) verteilt, µ sei ubeat. Stelle eie Hypothese über
MehrVorbereitung auf 6. Übungsblatt (Präsenzübungen) - Lösungen
Prof. Dr. Raier Dahlhaus Statisti Witersemester 06/07 Vorbereitug auf 6. Übugsblatt Präsezübuge - Lösuge Aufgabe P0 Bereche vo UMVU-Schätzer. Gegebe sei jeweils ei statistisches Modell R, B R, P θ, θ Θ
MehrTeilaufgabe 1.1 (3 BE) Berechnen Sie die Wahrscheinlichkeit dafür, dass ein im Flughafen zufällig herausgegriffener Pauschalreisender ( ) =
Abiturprüfug Berufliche Oberschule 004 Mathematik 3 Techik - B I - Lösug Teilaufgabe.0 A eiem Flughafe sid 0% der Reisede Ferreisede. Uter de Ferreisede befide sich 5% Nicht-Pauschalreisede. Der Ateil
MehrDas 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
MehrKAPITEL 11. Ungleichungen. g(x) g(x 0 ) + K 0 (x x 0 ).
KAPITEL 11 Ugleichuge 111 Jese-Ugleichug Defiitio 1111 Eie Fuktio g : R R heißt kovex, we ma für jedes x R ei K = K (x ) R fide ka, so dass für alle x R gilt: g(x) g(x ) + K (x x ) Bemerkug 111 Eie Fuktio
MehrDie 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,,, xn. 3. Intervallschätzungen Zufallsstichproben und Stichprobenfunktionen Zufallsstichproben. Zufallsvariablen mit
3. Itervallschätzuge 3.1. Zufallsstichprobe ud Stichprobefuktioe 3.1.1 Zufallsstichprobe 1 Sei eie Zufallsvariable ud seie gemeisamer Verteilug,,,, Zufallsvariable mit - da heiße 1,,, Zufallsstichprobe
MehrStatistik. 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
MehrLösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 4: Aufgaben zu den Kapiteln 7 und 8
1 Lösuge ausgewählter Übugsaufgabe zum Buch Elemetare Stochastik (Spriger Spektrum, 2012) Teil 4: Aufgabe zu de Kapitel 7 ud 8 Aufgabe zu Kapitel 7 Zu Abschitt 7.1 Ü7.1.1 Ω sei höchstes abzählbar, ud X,
MehrSeminarausarbeitung: Gegenbeispiele in der Wahrscheinlichkeitstheorie. Unterschiedliche Konvergenzarten von Folgen von Zufallsvariablen
Semiarausarbeitug: Gegebeispiele i der Wahrscheilichkeitstheorie - Uterschiedliche Kovergezarte vo Folge vo Zufallsvariable Volker Michael Eberle 4. März 203 Eileitug Die vorliegede Arbeit thematisiert
MehrWahrscheinlichkeitstheorie Aufgabensammlung
rof. Dr. Z. Kabluchko Sommersemester 2016 Herik Flasche 4. Juli 2016 Wahrscheilichkeitstheorie Aufgabesammlug Keie Abgabe 1 Grezwertsätze er Wahrscheilichkeitstheorie 1.1 Lemma vo Borel Catelli Lemma 1.1
MehrWirksamkeit, 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
MehrDie vollständige Induktion - Lösungen 1. Aufgabe: Sind die folgenden Aussageformen in N allgemeingültig?
Start Mathematik Lektioe i Aalysis Aufgabe zur vollstädige Iduktio Die vollstädige Iduktio - Lösuge. Aufgabe: Sid die folgede Aussageforme i N allgemeigültig? a) We ei Vielfaches vo ist, da ist eie gerade
MehrStatistik, Abschnitt (1) Gegeben sei der Stichprobenvektor (X 1,..., X n ). Die Stichprobenfunktion. ˆµ k := 1 n. Xi k (1) i=1.
Statistik, Abschitt.. Schätzmethode.. Mometemethode Für Parameter, die sich i bekater Weise aus de Momete zusammesetze, erhält ma Schätzuge, idem ma die theoretische Momete durch die sogeate empirische
MehrKlausur 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
MehrStochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. M. Schweizer ETH Zürich Witer 28 Stochastik - Lösug (BSc D-MAVT / BSc D-MATH / BSc D-MATL). (6 Pukte) a) (2 Pukte) Wir defiiere die Ereigisse K {die Perso ist krak} ud T {der Test ist positiv}.
Mehr3. Grundbegrie der Schätztheorie
Statistik, Abschitt 3. 3. Grudbegrie der Schätztheorie I der kormatorische Statistik will ma uter aderem auf Grud eier Stichprobe vom Umfag Iformatioe über ubekate Parameter θ der Verteilug F der zugrudeliegede
Mehr4 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
MehrAnalysis I - Zweite Klausur
Aalysis I - Zweite Klausur Witersemester 2004-2005 Vorame: Name: Aufgabe Aufgabe 2 Aufgabe 3 Aufgabe 4 Aufgabe 5 Aufgabe 6 Aufgabe 7 Aufgabe 8 Aufgabe 9 Summe Aufgabe 4 Pukte Bestimme Sie (mit Beweis)
MehrWirksamkeit, 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
Mehr2. Repetition relevanter Teilbereiche der Statistik
. Repetitio Statistik Ökoometrie I - Peter Stalder. Repetitio relevater Teilbereiche der Statistik (Maddala Kapitel ) Zufallsvariable ud Wahrscheilichkeitsverteiluge Zufallsvariable X (stochastische Variable)
MehrWahrscheinlichkeitsrechnung & Statistik - Ergänzung zum Skript
Wahrscheilichkeitsrechug & Statistik - Ergäzug zum Skript Prof. Schweizer 9. Oktober 008 Mitschrift: Adreas Steiger Warug: Wir sid sicher dass diese Notize eie Mege Fehler ethalte. Betrete der Baustelle
MehrEs gibt verschiedene Möglichkeiten eine Folge zu definieren. Die zwei häufigsten Methoden
Folge ud Reihe Folge Eie Folge ist eie Abbildug der atürliche Zahle N = {0, 1,,...} i die Mege der (zumidest i de meiste Fälle) reelle Zahle R. I diesem Fall ka ma sich eie Folge als Pukte i eiem Koordiatesystem
Mehr( ), der genau auf der Geraden ( ) 2 ( ) #( ) 8. Lineare Regression. = f i. Nach der Summe der kleinsten. mx i
8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Ziel dieses Verfahres ist es, Beziehuge zwische zwei Merkmale
MehrEinführung in die Stochastik für Mathematiker - SS 03 Prof. Dr. M. Schaefer, RWTH Aachen Definitionen und Sätze
Eiführug i die Stochastik für Mathematiker - SS 03 Prof. Dr. M. Schaefer, RWTH Aache Defiitioe ud Sätze Erstellt vo Lars Otte lars.otte@kulle.rwth-aache.de 5. September 2003 Diese Aufzeichuge stamme icht
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler 9.04.008 Äderug Übugsstude Statistik ud Wahrscheilichkeitsrechug Die Gruppe vo Markus trifft sich am Doerstag statt im HCI D zusamme mit der Gruppe
MehrDiskrete Zufallsvariablen
Erste Beispiele diskreter Verteiluge Diskrete Zufallsvariable Beroulli-Verteilug Eie diskrete Zufallsvariable heißt beroulliverteilt mit arameter p, falls sie die Wahrscheilichkeitsfuktio p,, f ( ) ( )
MehrEinführung 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
MehrTests 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
MehrZenraler 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
MehrÜbungsaufgaben zu Analysis 1 Lösungen von Blatt XII vom sin(nx) n sin(x). sin(ax) a sin(x) z = re iϕ = r(cos(ϕ) + i sin(ϕ)) z n = w
Prof. Dr. Moritz Kaßma Fakultät für Mathematik Witersemester 04/05 Uiversität Bielefeld Übugsaufgabe zu Aalysis Lösuge vo Blatt XII vom 5.0.5 Aufgabe XII. 3 Pukte) Beweise Sie, dass für alle R ud N die
MehrFormelsammlung Statistik 29. Januar 2019
Formelsammlug Statistik Seite 1 Formelsammlug Statistik 9. Jauar 019 Witersemester 018/19 Adreas Löpker, HTW Dresde 1. Deskriptive Statistik (F1) Stichprobe x vom Umfag, Stichprobe y vom Umfag m x = (x
MehrLösungsvorschlag zu den Hausaufgaben der 1. Übung
FAKULTÄT FÜR MATHEMATIK Prof. Dr. Patrizio Neff Christia Thiel 4.04.04 Lösugsvorschlag zu de Hausaufgabe der. Übug Aufgabe : (6 Pukte Bereche Sie für die Fuktio f : R R, f( : ep( a der Stelle 0 0 das Taylorpolyom
Mehr6 Vergleich mehrerer unverbundener Stichproben
6 Vergleich mehrerer uverbudeer Stichprobe 6.1 Die eifaktorielle Variazaalyse Die eifaktorielle Variazaalyse diet der Utersuchug des Eiflusses eier kategorieller (bzw. ichtmetrischer) Variable, die die
Mehrn=1 b n, deren Summe n=1 (a n + b n ) eine konvergente Reihe ist. Die Aussage ist WAHR, ein mögliches Beispiel sind die divergenten Reihen 1
ANALYSIS WS 08/09 Vorlesug: Prof. Dr. P. Ullrich Übuge: Dr. I. Kharif/ Dr. M. Steihauer 9. ÜBUNGSBLATT- LÖSUNGSHINWEISE/Ergebisse Die folgede Bearbeituge sid - zum Teil - keie ausführliche Musterlösuge,
MehrHöhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 12. Übungsblatt
UNIVERSITÄT KARLSRUHE Istitut für Aalysis HDoz. Dr. P. C. Kustma Dipl.-Math. M. Uhl WS 8/9 Höhere Mathematik I für die Fachrichtuge Elektroigeieurwese, Physik ud Geodäsie Lösugsvorschläge zum. Übugsblatt
MehrKapitel 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
MehrPunktetabelle (wird von den Korrektoren beschriftet)
Probability ad Statistics FS 208 Prüfug 3.08.208 Dauer: 80 Miute Name: Legi-Nummer: Diese Prüfug ethält 4 Seite (zusamme mit dem Deckblatt) ud 0 Aufgabe. Das Formelblatt wird separat verteilt. Begrüde
MehrParameterschätzung. Numero, pondere et mensura Deus omnia condidit
Parameterschätzug Numero, podere et mesura Deus omia codidit Populatio, Zufallsvariable, Stichprobe Populatio Zufallsvariable X Stichprobe x eie"realisierug vo X (Beobachtug) alle mäliche Rekrute der US
MehrKapitel 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.
MehrÜbungen zur Analysis 3
Mathematisches Istitut der Uiversität Müche Prof Dr Fraz Merkl Witersemester 0/04 Blatt 9 050 Übuge zur Aalysis 9 addichte eier Gleichverteilug Die Gleichverteilug auf dem Dreieck ist das Maß : {(a, b)
Mehr1) Wahrscheinlichkeitsbegriff und Rechnen mit Wahrscheinlichkeiten. P A = lim r N LI: ={ 1 LII: LIII: P A =1 P A
FORMELSAMMLUNG V03 Alle Formel ohe Gewähr auf Korrektheit Grudlage der Wahrscheilichkeitstheorie 1) Wahrscheilichkeitsbegriff ud Reche mit Wahrscheilichkeite Relative Häufigkeit r N A = h N A N = Abs.
MehrLösung der Nachklausur
H. Schmidli Eiführug i die Stochastik WS 8/9 Lösug der Nachklausur. a) Aus dem Satz der totale Wahrscheilichkeit folgt für de Ateil der Persoe, die der Vorlage zugestimmt habe Also liegt die Zustimmug
MehrKapitel 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
Mehrmathphys-online Abiturprüfung Berufliche Oberschule 2010 Mathematik 13 Technik - B I - Lösung
Abiturprüfug Berufliche Oberschule 2010 Mathematik 13 Techik - B I - Lösug Teilaufgabe 1.0 Die Firma Sparlux stellt Eergiesparlampe i großer Azahl her, die, je achdem, wie geau sie die Neleistug eihalte,
MehrKonvexität und Ungleichungen
Koveität ud Ugleichuge Tag der Mathematik 2003 Holger Stepha Weierstraß Istitut für Agewadte Aalysis ud Stochastik http://www.wias-berli.de/people/stepha = Für mathematisch iteressierte Schüler = Folie
MehrAngStat1(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
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 1
Techische Uiversität Müche Zetrum Mathematik Mathematik (Elektrotechik) Prof. Dr. Ausch Taraz Dr. Michael Ritter Übugsblatt Hausaufgabe Aufgabe. Bestimme Sie de Kovergezbereich M der folgede Reihe für
MehrD-ITET Wahrscheinlichkeitstheorie und Statistik FS 2017 Prof. P. Nolin. Musterlösung 11 = Φ( 6/5) = 1 Φ(6/5) = = 0.
D-ITET Wahrscheilichkeitstheorie ud Statistik FS 17 Prof. P. Noli Musterlösug 11 1. Sei Φ die Verteilugsfuktio der Stadardormalverteilug. a Da T B N 6, 4, ist T B + 6/4 stadardormalverteilt. Folglich ist
MehrProseminar: Mathematisches Problemlösen. Ungleichungen 2. Pierre Schmidt. Vortragstermin: 19. Juni Fakultät für Mathematik
Prosemiar: Mathematisches Problemlöse Ugleichuge Pierre Schmidt Vortragstermi: 19. Jui 015 Übugsleiteri: Dr. Natalia Griberg Fakultät für Mathematik Karlsruher Istitut für Techologie Ihaltsverzeichis 1
MehrAnalysis II Sommer 2016 Prof. Dr. George Marinescu / Dr. Frank Lapp Übung
Aalysis II Sommer 06 Prof Dr George Mariescu / Dr Frak Lapp Übug Zuallererst sollt ihr die zusätzliche Übug utze um Lösuge vo Aufgabe zu bespreche, zu dere Besprechug ihr i de Übuge davor icht gekomme
MehrÜbung 11. Stochastische Signale Prof. Dr.-Ing. Georg Schmitz
Übug Aufgabe : Ukorrelierte, statistisch uabhägige Prozesse Es sid zwei stochastische Prozesse gegebe mit X = cos(z ), Y = cos(z φ). Hierbei sei Z auf [ π, π] gleichverteiltes weißes Rausche mit E{Z }
Mehr7 Brownsche Bewegung (Version Januar 2012)
7 Browsche Bewegug (Versio Jauar 0) Wir führe zuerst die Defiitio eier Browsche Bewegug ei ud zeige da, dass ei solcher Prozess eistiert. Daach beweise wir eie Reihe vo Eigeschafte der Browsche Bewegug,
MehrStochastische 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
Mehrn=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,
Mehr5. Übungsblatt - Lösungsskizzen
Eiführug i die Wahrscheilichkeitstheorie ud Statistik rof. Dr. Ja Johaes Sadra Schluttehofer Witersemester 8/9 5. Übugsblatt - Lösugsskizze Aufgabe 7 (Neyma-earso-Lemma für stetige Verteiluge, 4 ukte).
MehrMusterlösung zu Blatt 8 der Vorlesung Analysis I WS08/09
Musterlösug zu Blatt 8 der Vorlesug Aalysis I WS08/09 Schriftliche Aufgabe Aufgabe. Voraussetzuge: Für alle N setze a : +2 ud b : ( 2. [Amerkug: I der Aufgabestellug heiÿe die Reihe beide gleich. Es steht
Mehr8. Übungsblatt Aufgaben mit Lösungen
8. Übugsblatt Aufgabe mit Lösuge Aufgabe 36: Bestimme Sie alle z C, für die die folgede Potezreihe kovergiere: z z a, b! +, c z +. = = Lösug 36: Wir bezeiche de Kovergezradius mit r. a Wir wede das Quotietekriterium
MehrAnalysis 1 für Informatiker und Statistiker Beispielslösungen, Woche 13
Mathematisches Istitut der LMU WS 016/17 Prof. Dr. S. Morozov Olie am: Dr. H. Hogreve 1. 01. 017 Aalysis 1 für Iformatiker ud Statistiker Beispielslösuge, Woche 1 1.1 (a Um festzustelle, ob die utestehede
Mehr6. 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
MehrHöhere Mathematik I für die Fachrichtung Physik
Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Dipl.-Math. Sebastia Schwarz SS 5 7.9.5 Höhere Mathematik I für die Fachrichtug Physik Lösugsvorschläge zur Bachelor-Modulprüfug
MehrFit in Mathe. April Klassenstufe 10 Wurzelfunktionen
Thema Fit i Mathe Musterlösuge 1 April Klassestufe 10 Wurzelfuktioe Uter der -te Wurzel eier icht-egative Zahl (i Zeiche: ) versteht ma die icht-egative Zahl, die mal mit sich selber multipliziert, die
MehrLehrstuhl 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
MehrKapitel 5: Gemeinsame Verteilung und Unabhängigkeit von Zufallsvariablen
- 39 (Kapitel 5: Gemeisame Verteilug ud Uabhägigkeit vo Zuallsvariable Kapitel 5: Gemeisame Verteilug ud Uabhägigkeit vo Zuallsvariable 5 Deiitio : : Ω Ω,, seie Abbilduge über derselbe Mege Ω Die Abbildug
MehrStochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. M. Schweizer ETH Zürich Sommer 8 Stochastik - Lösug (BSc D-MAVT / BSc D-MATH / BSc D-MATL). (6 Pukte) a) (.5 Pukte) Wir defiiere die Ereigisse D = die ähmaschie bekommt eie kleie Defekt} ud U
MehrKAPITEL 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
Mehr1 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
MehrHöhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 5. Übungsblatt
KARLSRUHER INSTITUT FÜR TECHNOLOGIE KIT Istitut für Aalysis Dr A Müller-Rettkowski Dr T Gauss WS 00/ Höhere Mathematik I für die Fachrichtuge Elektroigeieurwese, Physik ud Geodäsie Lösugsvorschläge zum
MehrSeminar: Randomisierte Algorithmen Routenplanung in Netzwerken
Semiar: Radomisierte Algorithme Routeplaug i Netzwerke Marie Gotthardt 3. Oktober 008 Ihaltsverzeichis 1 Routeplaug i Netzwerke 1.1 Laufzeit eies determiistische Algorithmus'................ 1. Radomisierter
MehrÜbungen zur Analysis II SS 2006
Mathematisches Istitut der Uiversität Heidelberg Prof. Dr. R. Weissauer/Dr. U. Weselma http://www.mathi.ui-heidelberg.de/ weselma.uebuge.html Übuge zur Aalysis II SS 26 Lösugshiweise Blatt 3 Aufgabe 8*
Mehr