Aufgaben zur Wahrscheinlichkeitsrechnung: 1. Beispiel aus der Prüfungspraxis des Physikums:

Größe: px
Ab Seite anzeigen:

Download "Aufgaben zur Wahrscheinlichkeitsrechnung: 1. Beispiel aus der Prüfungspraxis des Physikums:"

Transkript

1 Martin-Luther-Universität Halle-Wittenberg Institut für Soziologie Dr. Wolfgang Langer 1 Aufgaben zur Wahrscheinlichkeitsrechnung: 1. Beispiel aus der Prüfungspraxis des Physikums: Zum Staatsexamen teilt ein Prüfer in Pathologie das Wissensgebiet in 10 Körperregionen und je 5 pathologische Prozeßarten (Entzündungen, Tumore usw.) ein. Die insgesamt 50 Themen schreibt er auf einzelne Karten, von denen jeder Kandidat eine Karte zieht, ohne diese wieder in den Stapel zurückzulegen. Wie groß ist die Wahrscheinlichkeit, daß in einer Prüfungsgruppe alle 4 Kandidaten jeweils ein Tumorthema ziehen? Es liegt für jede der zehn Körperregionen ein Tumorthema vor. Der erste Kandidat zieht mit der Wahrscheinlichkeit 10 / 50 = 0,20 ein Tumorthema. Unter der Bedingung, daß sein Vorgänger bereits ein Tumorthema gezogen hat, zieht der zweite Kandidat mit der Wahrscheinlichkeit 9/49 = 0,184 eine der 9 verbliebenen Tumorkarten aus den restlichen 49 Prüfungskarten. Für den dritten Kandidaten lautet die Wahrscheinlichkeit für den Fall, daß beide Vorgänger bereits jeweils ein Tumorthema gezogen haben, 8 / 48 = 0,167. Für den vierten Kandidaten gilt: 7/47=0,149. Die Wahrscheinlichkeit für das gleichzeitige Auftreten aller vier Ereignisse beträgt nach dem allgemeinen Multiplikationssatz: P(A B C D) P(A)P(B A)P(C A B)P(D A B C) ,0009 0,09%

2 Martin-Luther-Universität Halle-Wittenberg Institut für Soziologie Dr. Wolfgang Langer 2 2. Beispiel aus der Diagnostik: Die Wahrscheinlichkeit, mit der bei einem Patienten aus einer durch eine Röntgenreihenuntersuchung erfaßten Grundgesamtheit eine TBC vorliegt, sei 0,02. Weiter sei 0,98 die Wahrscheinlichkeit, mit der bei dieser Untersuchung bei einem TBC-Kranken, und 0,02 die Wahrscheinlichkeit, mit der bei dieser Untersuchung bei einem Nicht-TBC-Kranken die Diagnose TBC gestellt wird. Berechnen Sie a) die Wahrscheinlichkeit, daß insgesamt eine positive TBC-Diagnose gestellt wird. Berechnen Sie b) die Wahrscheinlichkeit dafür, daß bei einer positiven Diagnose tatsächlich eine TBC -Erkrankung vorliegt. Bekannt sind folgende Wahrscheinlichkeiten: P(KRANK) = 0,02 P(GESUND) = 0,98 P(POSITIV KRANK) = 0,98 P(POSITIV GESUND) = 0,02 Gesucht werden die folgenden Wahrscheinlichkeiten: 1. P (POSITIV) =? 2. P (KRANK POSITIV) =? Entscheidungstabelle für die Lösung der Aufgabe: Testergebnis: POSITIV (P) Status: KRANK (K) 0,98 P(K P) =? GESUND (G) Randverteilung: Testergebnis 0,02 P (P) =? NEGATIV (N) 0,02 0,98 Randverteilung: TBC-Erkrankung 0,02 0,98

3 Martin-Luther-Universität Halle-Wittenberg Institut für Soziologie Dr. Wolfgang Langer 3 a) Die Wahrscheinlichkeit, insgesamt eine positive TBC-Diagnose zu stellen läßt sich mit Hilfe des Bayeschen Satzes der totalen Wahrscheinlichkeit berechnen. P (POSITIV) = P(KRANK)*P(POSITIV KRANK) + P (GESUND)* P (POSITIV GESUND) = 0,02 * 0,98 + 0,98 * 0,02 = 0,0392 Die Wahrscheinlichkeit, insgesamt eine positive Diagnose zu stellen, beträgt 3,92 % b) Um die Wahrscheinlichkeit zu berechnen, unter der Bedingung eines positiven Testergebnisses tatsächlich krank zu sein, benötigen wir den Bayschen Satz der a posteriori Wahrscheinlichkeiten. P(KRANK POSITIV) P(KRANK) P(POSITIV KRANK) P(KRANK)P(POSITIV KRANK) P(GESUND)P(POSITIV GESUND) P(KRANK) P(POSITIV KRANK) P(POSITIV) 0,020,98 0,0392 0,50 Die Wahrscheinlichkeit, daß ein(e) PatientIn mit positivem Befund tatsächlich TBC krank ist, beträgt 50 %.

4 Martin-Luther-Universität Halle-Wittenberg Institut für Soziologie Dr. Wolfgang Langer 4 3. Beispiel aus der Umfrageforschung 1988 ließ die EU-Kommission in der Bundesrepublik Deutschland (Alte Bundesländer) eine Untersuchung zur Fremdenfeindlichkeit durchführen: 35,1 % der befragten Männer gaben an, sich vorstellen zu können, mit einer Türkin ein sexuelles Verhältnis zu haben. Hingegen sprachen sich 84,8 % der befragten Frauen gegen ein Verhältnis mit einem Türken aus. Insgesamt stellten die Männer 48,2 % der befragten Personen. Aufgabe: Wie wahrscheinlich ist es, gegeben eine Zustimmung zum Item, daß es sich bei der befragten Person um eine Frau handelt? Was kennen wir? 1. P ( Zustimmung Mann ) = 0, P ( Zustimmung Frau ) = 0, P ( Mann ) = 0,482 Was suchen wir? 1. P ( Frau Zustimmung ) =? Was können wir uns direkt erschließen? 1. P ( Zustimmung Mann ) = 1 - P ( Zustimmung Mann ) = 1-0,351 = 0, P ( Zustimmung Frau ) = 1 - P ( Zustimmung Frau ) = 1-0,848 = 0, P ( Frau ) = 1 - P ( Mann ) = 1-0,482 = 0,518 Analytische Entscheidungstabelle: Mann () Frau ( ) Randverteilung: Ablehnung ( Z) P( Z ) = 0,649 P( Z ) = 0,848 Zustimmung (Z) P ( Z ) = 0,351 P ( Z ) = 0,152 P ( Z ) =? P ( Z ) =? Randverteilung: P ( ) = 0,482 P ( ) = 0,518

5 Martin-Luther-Universität Halle-Wittenberg Institut für Soziologie Dr. Wolfgang Langer 5 Arbeitsschritte: (1) Definition der gesuchten bedingten Wahrscheinlichkeit: P(Frau Zustimmung) P(Frau Zustimmung) P(Zustimmung) (2) Berechnung der "totalen Wahrscheinlichkeit der Zustimmung": Anwendung des Satzes der "totalen Wahrscheinlichkeit" von Bayes: P(Zustimmung) P(Zustimmung Mann)P(Mann) P(Zustimmung Frau)P(Frau) 0,3510,482 0,1520,518 0,248 (3) Berechnung der Wahrscheinlichkeit des gemeinsamen Auftretens von Frau und Zustimmung: P(Frau Zustimmung) P(Zustimmung Frau) P(Zustimmung Frau) P(Frau) 0,152 0,518 0,079 (2 und 3) in (1) P(Frau Zustimmung) 0,079 0,248 0,318 Bei einer vorliegenden Zustimmung zum Item "Sexuelles Verhältnis mit einem Türken / einer Türkin denkbar" beträgt die Wahrscheinlichkeit, daß es sich bei der befragten Person um eine Frau handelt, 31,8 %.

6 Martin-Luther-Universität Halle-Wittenberg Institut für Soziologie Dr. Wolfgang Langer 1 Anwendung des Bayeschen Satzes der a posteriori Wahrscheinlichkeiten": Marktanalyse eines Zeitungsverlages Ein Verlagshaus weiß aus Erfahrung, daß 40 % der männlichen und 30 % der weiblichen Bevölkerung seine Tageszeitung liest. Der Anteil der weiblichen Bevölkerung an der Gesamtbevölkerung beträgt 40 %. Wie groß ist die Wahrscheinlichkeit, daß eine aus der Gesamtbevölkerung zufällig ausgewählte Person... a) diese Zeitung liest? b) männlich ist, wenn man weiß, daß die Person diese Zeitung liest? c) diese Zeitung liest und weiblich ist? Was ist uns bekannt? Was ist zu ermitteln? P (Z Mann) = 0,40 a) P ( Z ) =? P (Z Frau) = 0,30 b) P ( Mann Z) =? P (Frau) = 0,40 c) P (Z Frau) =? Mit Hilfe der folgenden Entscheidungstabelle können wir uns die Aufgabenstellung veranschaulichen: keine Zeitung ( Z) Mann 1 - P (Z Mann) = 0,60 Frau 1- P(Z Frau) = 0,70 Zeitung (Z) P ( Z Mann)= 0,40 P ( Mann Z ) =? 1 - P (Frau) = 0,60 P(Z Frau)= 0,30 P (Z) =? P (Frau) = 0,40 a) Mit Hilfe des von Bayes aufgestellten Satzes zur totalen Wahrscheinlichkeit können wir die Wahrscheinlichkeit berechnen, daß eine zufällig ausgewählte Person die Zeitung des Verlagshauses liest. Anwendung des Satzes der totalen Wahrscheinlichkeit von Bayes: P(Z) P(Z Mann)P(Mann) P(Z Frau)P(Frau) 0,400,60 0,300,40 0,24 0,12 0,36 oder 36,0%

7 Martin-Luther-Universität Halle-Wittenberg Institut für Soziologie Dr. Wolfgang Langer 2 b) Mit Hilfe des ebenfalls von Bayes formulierten Satzes zur a posteriori Wahrscheinlichkeit können wir die Wahrscheinlichkeit berechnen, daß es sich bei unserem Zeitungsleser um einen Mann handelt. Anwendung des Satzes der a posteriori Wahrscheinlichkeiten nach Bayes: 1. Arbeitsschritt: Anwendung der Definition der bedingten Wahrscheinlichkeit P(Mann Zeitung) P(Mann Zeitung) P(Zeitung) 2.Arbeitsschritt: Berechnung von P(Zeitung) P( Zeitung) bereits in a) als totale Wahrscheinlichkeit berechnet: P(Zeitung) P(Z Mann)P(Mann) P(Z Frau)P(Frau) 0,36 3.Arbeitsschritt: P(Mann Zeitung) mit Hilfe des allgemeinen Multiplikationssatzes P(Mann Zeitung) P(Mann Zeitung)P(Zeitung) P(Zeitung Mann)P(Mann) 4.Arbeitsschritt: Einsetzen von (2) und (3) in (1): P(Mann Zeitung) P(Zeitung Mann)P(Mann) P(Zeitung) 0,40 0,60 0,36 0,24 0,36 0,667 Die Wahrscheinlichkeit, daß es sich bei dem Zeitungsleser um einen Mann handelt, beträgt 66,7 %. c) Bei dieser Aufgabe haben wir die Wahrscheinlichkeit des gemeinsamen Auftreten der beiden Ereignisse die Zeitung zu lesen und weiblich zu sein zu berechnen. Da sich beide Ereignisse erstens nicht wechselseitig ausschließen und zweitens sie voneinander abhängig sind, müssen wir den allgemeinen Multiplikationssatz anwenden. Anwendung des allgemeinen Multiplikationssatzes: P(Zeitung Frau) P(Zeitung Frau) P(Frau) 0,30 0,40 0,12 oder 12,0% Die gesuchte Wahrscheinlichkeit für die beiden verbundenen Ereignisse beträgt 12 %.

Übungsblätter zu Methoden der Empirischen Sozialforschung III: Inferenzstatistik. Lösungsblatt zu Nr. 1

Übungsblätter zu Methoden der Empirischen Sozialforschung III: Inferenzstatistik. Lösungsblatt zu Nr. 1 Martin-Luther-Universität Halle-Wittenberg - Institut für Soziologie - Dr. Wolfgang Langer 1 Übungsblätter zu Methoden der Empirischen Sozialforschung III: Inferenzstatistik Lösungsblatt zu Nr. 1 1. Die

Mehr

Übungsblätter zu Methoden der Empirischen Sozialforschung III: Inferenzstatistik. Lösungsblatt zu Nr. 2

Übungsblätter zu Methoden der Empirischen Sozialforschung III: Inferenzstatistik. Lösungsblatt zu Nr. 2 Martin-Luther-Universität Halle-Wittenberg Institut für Soziologie Dr. Wolfgang Langer 1 Übungsblätter zu Methoden der Empirischen Sozialforschung III: Inferenzstatistik Lösungsblatt zu Nr. 2 1. Für die

Mehr

Statistical Coaching. Thomas Forstner

Statistical Coaching. Thomas Forstner Statistical Coaching Thomas Forstner Diagnoseverfahren Allgemein Vergleich: wahrer Befund mit Test (Diagnose) wahrer Befund muss bekannt sein (Goldstandard) 3 Analogie zur Testtheorie 4 Beurteilung von

Mehr

Aufgabe 1. Übung Wahrscheinlichkeitsrechnung Markus Kessler Seite 1 von 8. Die Ereignisse A, B und C erfüllen die Bedingungen

Aufgabe 1. Übung Wahrscheinlichkeitsrechnung Markus Kessler Seite 1 von 8. Die Ereignisse A, B und C erfüllen die Bedingungen Ü b u n g 1 Aufgabe 1 Die Ereignisse A, B und C erfüllen die Bedingungen P(A) = 0. 7, P(B) = 0. 6, P(C) = 0. 5 P(A B) = 0. 4, P(A C) = 0. 3, P(B C) = 0. 2, P(A B C) = 0. 1 Bestimmen Sie P(A B), P(A C),

Mehr

Einführung. Wahrscheinlichkeit. 1 Wahrscheinlichkeit: Definition und Interpretation. 2 Elementare Wahrscheinlichkeitsrechnung, bedingte

Einführung. Wahrscheinlichkeit. 1 Wahrscheinlichkeit: Definition und Interpretation. 2 Elementare Wahrscheinlichkeitsrechnung, bedingte Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2 Elementare Wahrscheinlichkeitsrechnung, bedingte Wahrscheinlichkeit Axiome nach Kolmogorov Gegeben sei ein Zufallsexperiment mit Ergebnisraum

Mehr

Da die Fragen unabhängig voneinander und zufällig ausgewählt werden, ist die Wahrscheinlichkeit für eine Frage aus dem Gebiet Sport 1/10.

Da die Fragen unabhängig voneinander und zufällig ausgewählt werden, ist die Wahrscheinlichkeit für eine Frage aus dem Gebiet Sport 1/10. htw saar 1 Aufgabe 1 Für ein Fernsehquiz sollen Fragen zufällig und unabhängig voneinander aus zehn Wissensgebieten ausgewählt werden, darunter die Gebiete Sport und Politik. In jedem Gebiet stehen ausreichend

Mehr

Orientierungshilfe zum 8. Hausaufgabenblatt. 25. Januar 2013

Orientierungshilfe zum 8. Hausaufgabenblatt. 25. Januar 2013 Orientierungshilfe zum 8. Hausaufgabenblatt 25. Januar 203 Abbildung : Skizze eines Baumdiagramms zur Veranschaulichung Aufgabe 44 Zunächst ist es von Vorteil sich die Problemstellung anhand eines Baumdiagramms

Mehr

Stochastik Musterlösung 2

Stochastik Musterlösung 2 ETH Zürich HS 2018 RW, D-MATL, D-MAVT Prof. Marloes H. Maathuis Koordinator Dr. Marvin S. Müller Stochastik Musterlösung 2 1. Wir betrachten folgende vier Wettersituationen. Es regnet nur am Morgen; Es

Mehr

Satz von der totalen Wahrscheinlichkeit

Satz von der totalen Wahrscheinlichkeit htw saar 1 Satz von der totalen Wahrscheinlichkeit Sei (Ω, P) ein Wahrscheinlichkeitsraum, und B 1,, B n seien paarweise disjunkte Ereignisse mit B i = Ω. Für jedes Ereignis A gilt dann: P(A) = P(A B 1

Mehr

Für die Wahrscheinlichkeit P A (B) des Eintretens von B unter der Bedingung, dass das Ereignis A eingetreten ist, ist dann gegeben durch P(A B) P(A)

Für die Wahrscheinlichkeit P A (B) des Eintretens von B unter der Bedingung, dass das Ereignis A eingetreten ist, ist dann gegeben durch P(A B) P(A) 3. Bedingte Wahrscheinlichkeit ================================================================== 3.1 Vierfeldertafel und Baumdiagramm Sind A und B zwei Ereignisse, dann nennt man das Schema B B A A P

Mehr

R R M 0,0187 0,4957 0,514 M 0,0021 0,4839 0,486 0,0208 0,9792 1,00

R R M 0,0187 0,4957 0,514 M 0,0021 0,4839 0,486 0,0208 0,9792 1,00 8 edingte Wahrscheinlichkeit 8 edingte Wahrscheinlichkeit 8.1 Einführung und Definition Der Zusammenhang zwischen dem Geschlecht einer beliebig ausgewählten erson und einer eventuellen Rotgrünblindheit

Mehr

Aufgabenblock 3. Durch zählen erhält man P(A) = 10 / 36 P(B) = 3 / 36 P(C) = 18 / 36 und P(A B) = 3 /

Aufgabenblock 3. Durch zählen erhält man P(A) = 10 / 36 P(B) = 3 / 36 P(C) = 18 / 36 und P(A B) = 3 / Aufgabenblock 3 Aufgabe ) A sei das Ereignis: schwerer Verkehrsunfall B sei das Ereignis: Alkohol ist im Spiel Herr Walker betrachtet die Wahrscheinlichkeit P(B A) = 0.3 und errechnet daraus P(-B A) =

Mehr

Ma 13 - Stochastik Schroedel Neue Wege (CON)

Ma 13 - Stochastik Schroedel Neue Wege (CON) Bedingte Wahrscheinlichkeiten S. 70, Nr. 5 Richtiges Anwenden der Multiplikationsregel A: Abonnement liest Werbeanzeige B: Produkt wird gekauft S. 70, Nr. 6 Übersetzung von Daten in ein Baumdiagramm A

Mehr

Mathematik W27. Mag. Rainer Sickinger LMM. v 1 Mag. Rainer Sickinger Mathematik W27 1 / 51

Mathematik W27. Mag. Rainer Sickinger LMM. v 1 Mag. Rainer Sickinger Mathematik W27 1 / 51 Mathematik W27 Mag. Rainer Sickinger LMM v 1 Mag. Rainer Sickinger Mathematik W27 1 / 51 Einführung Wir befinden uns in einer kleinen Stadt. In dieser Stadt gibt es zwei Taxiunternehmen. Die Taxis des

Mehr

Prüfung nicht bestanden. Die gleiche Tabelle kann man auch mit den entsprechenden Wahrscheinlichkeiten (relative Häufigkeit) erstellen.

Prüfung nicht bestanden. Die gleiche Tabelle kann man auch mit den entsprechenden Wahrscheinlichkeiten (relative Häufigkeit) erstellen. 6 Vierfeldertafel An einer Prüfung nehmen 100 Studenten teil, von denen 40 als Raucher bekannt sind. 65 Studenten haben die Prüfung. Von den Nichtrauchern haben 50 die Prüfung. Wie groß ist der Anteil

Mehr

Vorlesung Statistik, WING, ASW Wahrscheinlichkeit in Laplace Versuchen. Kombinatorische Formeln. Bedingte Wahrscheinlichkeit

Vorlesung Statistik, WING, ASW Wahrscheinlichkeit in Laplace Versuchen. Kombinatorische Formeln. Bedingte Wahrscheinlichkeit Wahrscheinlichkeit in Laplace Versuchen Kombinatorische Formeln Bedingte Wahrscheinlichkeit Multiplikationssatz Unabhängigkeit Melanie Kaspar 1 Formel der totalen Wahrscheinlichkeit Satz von Bayes Melanie

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun http://blog.ruediger-braun.net Heinrich-Heine-Universität Düsseldorf 17. Dezember 2014 Klausurhilfsmittel Vier beidseitig von Hand beschriebene A4-Blätter

Mehr

Illustration von bedingten Wahrscheinlichkeiten

Illustration von bedingten Wahrscheinlichkeiten Frauen Männer Gesamt Bestandene 36 30 66 66,0% Bestandene Durchgefallene 4 30 34 34,0% Durchgefallene Gesamt 40 60 100 40,0% 60,0% Frauen Männer Frauen Männern Zeilen-Prozente: Frauen Männer Gesamt: Bestandene

Mehr

P A P( A B) Definition Wahrscheinlichkeit

P 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

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

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

Bedingte Wahrscheinlichkeiten

Bedingte Wahrscheinlichkeiten Bedingte Wahrscheinlichkeiten Bei der Betrachtung der Ereignisse A und B eines Zufallsexperiments muss man die beiden im folgendem beschrieben zwei Situationen unterscheiden. 1. Das Ereignis A und B tritt

Mehr

Lösungsskizzen Mathematik für Informatiker 5. Aufl. Kapitel 19 Peter Hartmann

Lösungsskizzen Mathematik für Informatiker 5. Aufl. Kapitel 19 Peter Hartmann Verständnisfragen 1. Welches sind die charakteristischen Eigenschaften eines Laplace-Raums? Der Raum ist endlich, die Wahrscheinlichkeit für alle Elementarereignisse ist gleich. 2. Unter welchen Bedingungen

Mehr

Statistik für Informatiker, SS Grundlagen aus der Wahrscheinlichkeitstheorie

Statistik für Informatiker, SS Grundlagen aus der Wahrscheinlichkeitstheorie Bedingte W keit, Unabhängigkeit, gemeinsame Verteilung 1/44 Statistik für Informatiker, SS 2018 1 Grundlagen aus der Wahrscheinlichkeitstheorie 1.3 Bedingte Wahrscheinlichkeiten, Unabhängigkeit, gemeinsame

Mehr

Kombinatorik. 1. Beispiel: Wie viele fünfstellige Zahlen lassen sich aus den fünf Ziffern in M = {1;2;3;4;5} erstellen?

Kombinatorik. 1. Beispiel: Wie viele fünfstellige Zahlen lassen sich aus den fünf Ziffern in M = {1;2;3;4;5} erstellen? 1 Kombinatorik Aus einer Grundgesamtheit mit n Elementen wird eine Stichprobe k Elementen entnommen. Dabei kann die Stichprobe geordnet oder ungeordnet sein. "Geordnet" bedeutet, dass die Reihenfolge der

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

Mehr

Technische Universität München SS 2006 Zentrum Mathematik Blatt 7 Prof. Dr. J. Hartl Dr. Hannes Petermeier Dr. Cornelia Eder Dipl.-Ing.

Technische Universität München SS 2006 Zentrum Mathematik Blatt 7 Prof. Dr. J. Hartl Dr. Hannes Petermeier Dr. Cornelia Eder Dipl.-Ing. Technische Universität München SS 2006 Zentrum Mathematik Blatt 7 Prof. Dr. J. Hartl Dr. Hannes Petermeier Dr. Cornelia Eder Dipl.-Ing. Martin Nagel Höhere Mathematik 2 (Weihenstephan) 1. In einer Urne

Mehr

7. Kapitel: Zufallsvorgänge, Ereignisse und Wahrscheinlichkeiten

7. 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)

Mehr

Vorlesung - Medizinische Biometrie

Vorlesung - Medizinische Biometrie Vorlesung - Medizinische Biometrie Stefan Wagenpfeil Institut für Medizinische Biometrie, Epidemiologie und Medizinische Informatik Universität des Saarlandes, Homburg / Saar Vorlesung - Medizinische Biometrie

Mehr

10 Bedingte Wahrscheinlichkeit

10 Bedingte Wahrscheinlichkeit 10 Bedingte Wahrscheinlichkeit Vor allem dann, wenn man es mit mehrstufigen Zufallsexperimenten zu tun hat, kommt dem Begriff der bedingten Wahrscheinlichkeit eine bedeutende Rolle zu. Wir klären dazu

Mehr

Biomathematik für Mediziner, Klausur SS 2001 Seite 1

Biomathematik für Mediziner, Klausur SS 2001 Seite 1 Biomathematik für Mediziner, Klausur SS 2001 Seite 1 Aufgabe 1: Von den Patienten einer Klinik geben 70% an, Masern gehabt zu haben, und 60% erinnerten sich an eine Windpockeninfektion. An mindestens einer

Mehr

Epidemiologie und HIV-Tests

Epidemiologie und HIV-Tests 26. November 2009 Cornelias HIV-Test Das ist Cornelia. Cornelia möchte Plasmaspenderin werden. Dafür braucht sie einen negativen Befund eines HIV-Tests. Deshalb geht sie ins Krankenhaus. Cornelias HIV-Test

Mehr

Einführung in die Wahrscheinlichkeitsrechnung

Einführung in die Wahrscheinlichkeitsrechnung Einführung in die Wahrscheinlichkeitsrechnung Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung

Mehr

R. Brinkmann Seite

R. Brinkmann  Seite R. rinkmann http://brinkmann-du.de Seite 1 17.09.2012 Lösungen edingte Wahrscheinlichkeit II en: 1 ufgabe Es soll die eliebtheit einer Fernsehsendung überprüft werden. Eine litzumfrage hatte folgendes

Mehr

Übungs-Blatt 7 Wahrscheinlichkeitsrechnung

Übungs-Blatt 7 Wahrscheinlichkeitsrechnung Übungs-Blatt Wahrscheinlichkeitsrechnung BMT Biostatistik Prof. Dr. B. Grabowski Zu Aufgabe ) Ein bestimmtes Bauteil wird auf seine Zuverlässigkeit untersucht. Die technische Prüfung erfolgt dabei so:

Mehr

a) (A B) tritt ein = A tritt ein oder B tritt ein. = Mindestens eines der Ereignisse A, B tritt ein.

a) (A B) tritt ein = A tritt ein oder B tritt ein. = Mindestens eines der Ereignisse A, B tritt ein. Lösungsvorschläge zu den Aufgaben von Blatt 6: 43) 7 Telefonzellen ( 7 Kugeln in der Urne); 3 davon sind von je einem Benutzer besetzt ( 3 Kugeln in die Stichprobe). Die Telefonzellen werden nicht mehrfach

Mehr

STATISTISCHE KRANKHEITSTESTS. Simon Schimpf und Nico Schmitt

STATISTISCHE KRANKHEITSTESTS. Simon Schimpf und Nico Schmitt 1 STATISTISCHE KRANKHEITSTESTS 18.11.2008 Simon Schimpf und Nico Schmitt Gliederung 2 Hintergrund des Themas (worum geht es Voraussetzungen Lernziele Die intuitive Herangehensweise ohne Satz von Bayes

Mehr

Müsli-Aufgabe Bayern GK 2009

Müsli-Aufgabe Bayern GK 2009 Müsli-Aufgabe Bayern GK 2009 1 Anlässlich einer Studie wurden 2000 Jugendliche im Alter von 18 Jahren zu ihren Ernährungsgewohnheiten befragt Von den Befragten gaben 740 an, am Morgen nicht zu frühstücken

Mehr

Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff?

Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff? 2. Übung: Wahrscheinlichkeitsrechnung Aufgabe 1 Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff? a) P ist nichtnegativ. b) P ist additiv. c) P ist multiplikativ.

Mehr

Mathematische Grundlagen (Bayes sches Lernen)

Mathematische Grundlagen (Bayes sches Lernen) Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen Mathematische Grundlagen (Bayes sches Lernen) Tobias Scheffer Michael Großhans Paul Prasse Uwe Dick Anwendungsbeispiel 1: Diagnostik

Mehr

Vorlesung 9b. Bedingte Wahrscheinlichkeiten und bedingte Erwartungswerte

Vorlesung 9b. Bedingte Wahrscheinlichkeiten und bedingte Erwartungswerte Vorlesung 9b Bedingte Wahrscheinlichkeiten und bedingte Erwartungswerte 1 Definition. Seien E 1, E 2 Ereignisse. Dann ist die bedingte Wahrscheinlichkeit von E 2, gegeben E 1, definiert als P(E 2 E 1 )

Mehr

Vorlesung 9b. Bedingte Verteilungen und bedingte Wahrscheinlichkeiten

Vorlesung 9b. Bedingte Verteilungen und bedingte Wahrscheinlichkeiten Vorlesung 9b Bedingte Verteilungen und bedingte Wahrscheinlichkeiten 1 Voriges Mal: Aufbau der gemeinsamen Verteilung von X 1 und X 2 aus der Verteilung ρ von X 1 und Übergangswahrscheinlichkeiten P(a

Mehr

2. Rechnen mit Wahrscheinlichkeiten

2. Rechnen mit Wahrscheinlichkeiten 2. Rechnen mit Wahrscheinlichkeiten 2.1 Axiome der Wahrscheinlichkeitsrechnung Die Wahrscheinlichkeitsrechnung ist ein Teilgebiet der Mathematik. Es ist üblich, an den Anfang einer mathematischen Theorie

Mehr

Inhaltsbereich Wahrscheinlichkeit und Statistik

Inhaltsbereich Wahrscheinlichkeit und Statistik Inhaltsbereich Wahrscheinlichkeit und Statistik AG Mathematik, Sankt Pölten 11.11.2009 Markus Binder Modell für die zentrale srp im Schulversuch Teil I: Aufgaben mit 15-25 Items Teil II: 6-8 Aufgaben,

Mehr

Bearbeiten Sie bitte das Fallbeispiel A. Fallbeispiel A

Bearbeiten Sie bitte das Fallbeispiel A. Fallbeispiel A Bearbeiten Sie bitte das Fallbeispiel A Fallbeispiel A Für symptomfreie Frauen im Alter zwischen 70 und 79 Jahren, die im Rahmen einer Reihenuntersuchung eine Röntgenuntersuchung der Brust (Mammographie)

Mehr

Übungsblätter zu Methoden der Empirischen Sozialforschung III: Inferenzstatistik. Lösungsblatt zu Nr. 5

Übungsblätter zu Methoden der Empirischen Sozialforschung III: Inferenzstatistik. Lösungsblatt zu Nr. 5 Martin-Luther-Universität Halle-Wittenberg Institut für Soziologie Dr. Wolfgang Langer 1 Übungsblätter zu Methoden der Empirischen Sozialforschung III: Inferenzstatistik Lösungsblatt zu Nr. 5 1.a) Um diese

Mehr

P (A B) P (B) = P ({3}) P ({1, 3, 5}) = 1 3.

P (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

Mehr

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Universität Duisburg-Essen Essen, 31.01.2011 Fakultät für Mathematik M. Winkler Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Bearbeitungszeit 90 min. Die Klausur gilt als bestanden, wenn

Mehr

Übungsblätter zu Methoden der Empirischen Sozialforschung IV: Regressionsanalyse. Lösungsblatt zu Nr. 2

Übungsblätter zu Methoden der Empirischen Sozialforschung IV: Regressionsanalyse. Lösungsblatt zu Nr. 2 Martin-Luther-Universität Halle-Wittenberg Institut für Soziologie Dr. Wolfgang Langer 1 Übungsblätter zu Methoden der Empirischen Sozialforschung IV: Regressionsanalyse Lösungsblatt zu Nr. 2 1. a) Je

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung 2. Übung 1 Inhalt der heutigen Übung Stichprobenraum und Ereignisse Unabhängige Ereignisse Bedingte Wahrscheinlichkeit und Satz von Bayes Hausübung Statistik und

Mehr

Statistik I für Betriebswirte Vorlesung 2

Statistik I für Betriebswirte Vorlesung 2 Statistik I für Betriebswirte Vorlesung 2 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. April 2017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 2 Version: 11.

Mehr

Abitur 2012 Mathematik Stochastik III

Abitur 2012 Mathematik Stochastik III Seite 1 http://www.abiturloesung.de/ Seite 2 Abitur 2012 Mathematik Stochastik III Für eine Quizshow sucht ein Fernsehsender Abiturientinnen und Abiturienten als Kandidaten. Jeder Bewerber gibt in einem

Mehr

2. Übung Diagnostik. Ein erfundenes Beispiel (H.P.Beck-Bornholt und H.-H.Dubben)

2. Übung Diagnostik. Ein erfundenes Beispiel (H.P.Beck-Bornholt und H.-H.Dubben) Querschnittsbereich 1: Epidemiologie, Medizinische Biometrie und Medizinische Informatik - Übungsmaterial - Erstellt von Mitarbeitern des IMISE und des ZKS Leipzig 2. Übung Diagnostik Universität Leipzig

Mehr

Aufgabe 8: Stochastik (WTR)

Aufgabe 8: Stochastik (WTR) Abitur Mathematik: Nordrhein-Westfalen 2013 Aufgabe 8 a) (1) WAHRSCHEINLICHKEIT FÜR KEINE ANGABE ERMITTELN Nach der Laplace Formel ist Anzahl der Personen, die keine Angabe machten keine Angabe Gesamtzahl

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

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

Grundbegriffe. Vereinigungsmenge Schnittmenge sicheres Ereignis disjunkte Mengen komplementäre Ereignisse/ Gegenereignisse/ Alternativereignisse

Grundbegriffe. Vereinigungsmenge Schnittmenge sicheres Ereignis disjunkte Mengen komplementäre Ereignisse/ Gegenereignisse/ Alternativereignisse Grundbegriffe Vereinigungsmenge Schnittmenge sicheres Ereignis disjunkte Mengen komplementäre Ereignisse/ Gegenereignisse/ Alternativereignisse 33 Mengenschreibweise von Ereignissen - Rechenregeln: (1)

Mehr

Bedingte Wahrscheinlichkeiten & Unabhängigkeit

Bedingte Wahrscheinlichkeiten & Unabhängigkeit Statistik 1 für SoziologInnen Bedingte Wahrscheinlichkeiten & Unabhängigkeit Univ.Prof. Dr. Marcus Hudec Bedingte Wahrscheinlichkeit Das Konzept bedingter Wahrscheinlichkeit erlaubt zu untersuchen, inwieweit

Mehr

Kapitel N. Wahrscheinlichkeitsrechnung

Kapitel N. Wahrscheinlichkeitsrechnung Kapitel N Wahrscheinlichkeitsrechnung Inhalt dieses Kapitels N000 1 Diskrete Wahrscheinlichkeitsräume 2 Bedingte Wahrscheinlichkeit und Unabhängigkeit 1 Produktexperimente 2 Kombinatorik und Urnenmodelle

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung und Statistik 3. Vorlesung - 21.10.2016 Bedingte Wahrscheinlichkeit In einer Urne sind 2 grüne und 3 blaue Kugeln. 2 Kugeln werden ohne Zürücklegen gezogen. Welches ist die Wahrscheinlichkeit, dass : a) man eine grüne

Mehr

Vorlesung 9b. Bedingte Verteilung, bedingte Wahrscheinlichkeiten

Vorlesung 9b. Bedingte Verteilung, bedingte Wahrscheinlichkeiten Vorlesung 9b Bedingte Verteilung, bedingte Wahrscheinlichkeiten 1 1. Zerlegung der gemeinsamen Verteilung (Buch S. 111) 2 Bisher legten wir das Hauptaugenmerk auf den Aufbau der gemeinsamen Verteilung

Mehr

Modul 8: Vierfeldertafel und Baumdiagramm (bedingte Wahrscheinlichkeit)

Modul 8: Vierfeldertafel und Baumdiagramm (bedingte Wahrscheinlichkeit) odul 8: Vierfeldertafel und Baumdiagramm (bedingte ahrscheinlichkeit) Beispiel: Baumdiagramm in Vierfeldertafel Ein ufallsexperiment mit zwei Stufen lässt sich in eine Vierfeldertafel überführen. weimaliges

Mehr

R. Brinkmann Seite Klassenarbeit Mathematik Bearbeitungszeit 135 min. Di

R. Brinkmann Seite Klassenarbeit Mathematik Bearbeitungszeit 135 min. Di R. Brinkmann Seite 1 06.12.2013 lassenarbeit Mathematik Bearbeitungszeit 135 min. Di 27.11.07 SG15/25D NAME: Lösung 1. In einer Gruppe von Personen haben sich 700 prophylaktisch gegen Grippe impfen lassen.

Mehr

Abschlussprüfung Berufliche Oberschule 2012 Mathematik 12 Nichttechnik - S I - Lösung

Abschlussprüfung Berufliche Oberschule 2012 Mathematik 12 Nichttechnik - S I - Lösung Abschlussprüfung Berufliche Oberschule 2012 Mathematik 12 Nichttechnik - S I - Lösung Bei den folgenden Aufgaben sollen relative Häufigkeiten als Wahrscheinlichkeiten interpretiert werden Teilaufgabe 10

Mehr

Statistik I für Betriebswirte Vorlesung 2

Statistik I für Betriebswirte Vorlesung 2 Statistik I für Betriebswirte Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 11. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung

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

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

Stochastik Musterlösung 3

Stochastik Musterlösung 3 ETH Zürich HS 2018 RW, D-MATL, D-MAVT Prof. Marloes H. Maathuis Koordinator Dr. Marvin S. Müller Stochastik Musterlösung 3 1. Wir betrachten eine Krankheit, zu der es einen Test beim Arzt gibt. Wir wissen,

Mehr

3 Bedingte Wahrscheinlichkeit, Unabhängigkeit

3 Bedingte Wahrscheinlichkeit, Unabhängigkeit 3 Bedingte Wahrscheinlichkeit, Unabhängigkeit Bisher : (Ω, A, P) zur Beschreibung eines Zufallsexperiments Jetzt : Zusatzinformation über den Ausgang des Experiments, etwa (das Ereignis) B ist eingetreten.

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

Aufgabenblock 1. Aufgabe 1)

Aufgabenblock 1. Aufgabe 1) Aufgabenblock 1 Aufgabe 1) (i) Wie viele Möglichkeiten gibt es für den Wirt, ein Tablett mit drei Bieren (ii) (iii) (iv) zusammenzustellen? Es werden hierbei k Elemente (= 3) aus einer Menge von n Objekten

Mehr

7. Übung: Aufgabe 1. b), c), e) Aufgabe 2. a), c), e) Aufgabe 3. c), e) Aufgabe 4. Aufgabe 5. Aufgabe 6. Aufgabe 7. Aufgabe 8. Aufgabe 9.

7. Übung: Aufgabe 1. b), c), e) Aufgabe 2. a), c), e) Aufgabe 3. c), e) Aufgabe 4. Aufgabe 5. Aufgabe 6. Aufgabe 7. Aufgabe 8. Aufgabe 9. 7. Übung: Aufgabe 1 b), c), e) Aufgabe a), c), e) Aufgabe 3 c), e) Aufgabe 4 b) Aufgabe 5 a) Aufgabe 6 b) Aufgabe 7 e) Aufgabe 8 c) Aufgabe 9 a), c), e) Aufgabe 10 b), d) Aufgabe 11 a) Aufgabe 1 b) Aufgabe

Mehr

Täuschung und Manipulation mit Zahlen

Täuschung und Manipulation mit Zahlen 58. Ärztekongress Berlin/Charité 4.11.2010 Täuschung und Manipulation mit Zahlen Kleines Statistikseminar zum kritischen Umgang mit Zahlen Dr. med. H.-J. Koubenec Mammasprechstunde im Immanuel Krankenhaus

Mehr

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Wie stehen unsere Chancen? Das komplette Material finden Sie hier:

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Wie stehen unsere Chancen? Das komplette Material finden Sie hier: Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Wie stehen unsere Chancen? Das komplette Material finden Sie hier: School-Scout.de RAAbits Hauptschule 7 9 Mathematik 78 Zufallsversuche

Mehr

Kapitel 17. Unabhängigkeit und Homogenität Unabhängigkeit

Kapitel 17. Unabhängigkeit und Homogenität Unabhängigkeit Kapitel 17 Unabhängigkeit und Homogenität 17.1 Unabhängigkeit Im Rahmen der Wahrscheinlichkeitsrechnung ist das Konzept der Unabhängigkeit von zentraler Bedeutung. Die Ereignisse A und B sind genau dann

Mehr

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren. 1. Zweimaliges Ziehen aus einer Urne (ohne Zurücklegen)

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren. 1. Zweimaliges Ziehen aus einer Urne (ohne Zurücklegen) Dr. Jürgen Senger INDUKTIVE STATISTIK Wahrscheinlichkeitstheorie, Schätz- und Testverfahren ÜUNG. - LÖSUNGEN. Zweimaliges Ziehen aus einer Urne (ohne Zurücklegen Die Urne enthält 4 weiße und 8 rote Kugeln.

Mehr

Klausur Nr. 1: Wahrscheinlichkeitsrechnung (Stochastik) Klausur Nr. 1: Wahrscheinlichkeitsrechnung (Stochastik)

Klausur Nr. 1: Wahrscheinlichkeitsrechnung (Stochastik) Klausur Nr. 1: Wahrscheinlichkeitsrechnung (Stochastik) Aufgabe : Eine Versicherung veröffentlicht das folgende Datenmaterial über die durch die bei ihnen versicherten ersonen verursachten Unfälle: Autofahrer Jünger als 25 25 und 40 40 und 60 Älter als 60 Summe

Mehr

Bedingte Wahrscheinlichkeiten & Unabhängigkeit

Bedingte Wahrscheinlichkeiten & Unabhängigkeit Statistik 1 für SoziologInnen Bedingte Wahrscheinlichkeiten & Univ.Prof. Dr. Marcus Hudec Bedingte Wahrscheinlichkeit Das Konzept bedingter Wahrscheinlichkeit erlaubt zu untersuchen, inwieweit sich die

Mehr

Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff?

Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff? 2. Übung: Wahrscheinlichkeitsrechnung Aufgabe 1 Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff? a) P ist nichtnegativ. b) P ist additiv. c) P ist multiplikativ.

Mehr

3 Bedingte Wahrscheinlichkeit, Unabhängigkeit von Ereignissen. Bsp (3-maliges Werfen einer Münze) Menge der Elementarereignisse:

3 Bedingte Wahrscheinlichkeit, Unabhängigkeit von Ereignissen. Bsp (3-maliges Werfen einer Münze) Menge der Elementarereignisse: 3 Bedingte Wahrscheinlichkeit, Unabhängigkeit von Ereignissen Bsp. 1.19 (3-maliges Werfen einer Münze) Menge der Elementarereignisse: Ω {zzz, zzw,zwz,wzz,zww,wzw,wwz,www}. Dabei gilt: Ω 2 3 8 N. Wir definieren

Mehr

WIE SICHER IST DIE DIAGNOSE?

WIE SICHER IST DIE DIAGNOSE? WIE SICHER IST DIE DIAGNOSE? ÜBER DEN UMGANG MIT UNSICHERHEIT IN DER MEDIZIN Mag. Andrea Fried Bundesgeschäftsführerin ARGE Selbsthilfe Österreich 2.10.2014 1 2.10.2014 2 Der Fluch der Statistik Medizinische

Mehr

Vorlesung 11b. Bedingte Verteilung, bedingte Wahrscheinlichkeiten

Vorlesung 11b. Bedingte Verteilung, bedingte Wahrscheinlichkeiten Vorlesung 11b Bedingte Verteilung, bedingte Wahrscheinlichkeiten 1 Bisher legten wir das Hauptaugenmerk auf den Aufbau der gemeinsamen Verteilung von X 1 und X 2 aus der Verteilung ρ von X 1 und Übergangswahrscheinlichkeiten

Mehr

Abitur 2013 Mathematik Stochastik III

Abitur 2013 Mathematik Stochastik III Seite 1 http://www.abiturloesung.de/ Seite 2 Abitur 2013 Mathematik Stochastik III Folgende Tabelle gibt die Verteilung der Blutgruppen und der Rhesusfaktoren innerhalb der Bevölkerung Deutschlands wieder:

Mehr

Täuschung und Manipulation mit Zahlen Teil 1

Täuschung und Manipulation mit Zahlen Teil 1 Täuschung und Manipulation mit Zahlen Teil 1 Kleines Statistikseminar zum kritischen Umgang mit Zahlen 23.3.2011 Dr. med. H.-J. Koubenec Mammasprechstunde im Immanuel Krankenhaus Berlin Folien: Mammographie-Screening.de

Mehr

Wahrscheinlichkeitsrechnung Übung Aufgabe 2.b und 3

Wahrscheinlichkeitsrechnung Übung Aufgabe 2.b und 3 Wahrscheinlichkeitsrechnung Übung Aufgabe 2.b und 3 B I N O M I A L V E R T E I L U N G, B I N O M I A L T A B E L L E, U N A B H Ä N G I G E E R E I G N I S S E Zentrale Methodenlehre, Europa Universität

Mehr

Bitte lesen Sie die folgende Musteraufgabe konzentriert durch. Musteraufgabe I

Bitte lesen Sie die folgende Musteraufgabe konzentriert durch. Musteraufgabe I Bitte lesen Sie die folgende Musteraufgabe konzentriert durch. Musteraufgabe I Mit dem Ziel der Früherkennung von Brustkrebs werden Frauen angehalten, ab einem bestimmten Alter regelmäßig eine Röntgenuntersuchung

Mehr

Bayern Aufgabe 1. Abitur Mathematik: Musterlösung

Bayern Aufgabe 1. Abitur Mathematik: Musterlösung Abitur Mathematik: Bayern 2013 Aufgabe 1 a) 1. SCHRITT: SITUATION MODELLIEREN Es handelt sich näherungsweise um eine Bernoullikette der Länge n = 25 mit Erfolgswahrscheinlichkeit p = 0,37 + 0,06 = 0,43.

Mehr

Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1

Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,

Mehr

Allgemeine diskrete Wahrscheinlichkeitsräume II

Allgemeine diskrete Wahrscheinlichkeitsräume II 6 Diskrete Wahrscheinlichkeitsräume Allgemeine diskrete Wahrscheinlichkeitsräume 6.3 Allgemeine diskrete Wahrscheinlichkeitsräume I Verallgemeinerung von Laplaceschen Wahrscheinlichkeitsräumen: Diskrete

Mehr

Allgemeine diskrete Wahrscheinlichkeitsräume I

Allgemeine diskrete Wahrscheinlichkeitsräume I 6 Diskrete Wahrscheinlichkeitsräume Allgemeine diskrete Wahrscheinlichkeitsräume 6.3 Allgemeine diskrete Wahrscheinlichkeitsräume I Verallgemeinerung von Laplaceschen Wahrscheinlichkeitsräumen: Diskrete

Mehr

Allgemeine diskrete Wahrscheinlichkeitsräume II. Beispiel II. Beispiel I. Definition 6.3 (Diskreter Wahrscheinlichkeitsraum)

Allgemeine 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

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine Universität Düsseldorf 29. Oktober 2009 Mengensprechweise Die Menge aller Elementarereignisse ist der Ereignisraum. Seine Teilmengen heißen

Mehr

K4 Bedingte Wahrscheinlichkeiten. 4.1 Definition Die bedingte Wahrscheinlichkeit von A bei gegebenem B:

K4 Bedingte Wahrscheinlichkeiten. 4.1 Definition Die bedingte Wahrscheinlichkeit von A bei gegebenem B: K4 Bedingte Wahrscheinlichkeiten 4.1 Definition Die bedingte Wahrscheinlichkeit von A bei gegebenem B: P(A B) = P(A B)/P(B) (4.1.1) Meistens benutzen wir diese Form: P(A B) = P(A B)*P(B) weil P(A B) schwer

Mehr

Einführung in die Statistik I BA VM, 45 Minuten, Probeklausur

Einführung in die Statistik I BA VM, 45 Minuten, Probeklausur Gesamtpunktzahl der Statistik I-Klausur: 12 Einführung in die Statistik I BA VM, 45 Minuten, Probeklausur 03.07.2015 Name, Vorname: Matrikelnr.: Um die volle Punktzahl zu erhalten, müssen Sie bei den Berechnungen

Mehr

htw 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 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:

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