Lösungen Wahrscheinlichkeitstheorie
|
|
- Juliane Wagner
- vor 5 Jahren
- Abrufe
Transkript
1 Lösungen Wahrscheinlichkeitstheorie Serie 3 Aufgabe (Differenz der Augenzahlen. Es werden zwei sechsseitige Spielwürfel geworfen und die (nichtnegative Differenz Z der beiden Augenzahlen notiert. Stellen Sie die Zufallsgröße Z als Abbildung auf einem geeigneten W-Raum dar. Bestimmen Sie anschließend die Gewichtsfunktion von Z. Lösung: Wir wählen den Laplaceschen Wahrscheinlichkeitsraum (Ω, P (Ω, P, mit Ω :,,..., 6. Dann kann Z : Ω 0,,..., 5 gemäß (ω, ω ω ω definiert werden. Wir erhalten daher Z (0 (ω, ω Ω ω ω 0 (ω, ω Ω ω ω (ω, ω ω,,..., 6, und somit Z (0 6. Nun sei k,,..., 5 gegeben. Dann gilt Z (k (ω, ω Ω ω ω k (ω, ω Ω ω ω + k ω ω + k (ω, ω Ω ω ω + k (ω, ω Ω ω ω + k (ω + k, ω Ω ω,..., 6 k (ω, ω + k Ω ω,..., 6 k. Damit folgt (aufgrund der Disjunktheit der Mengen und des ähnlichen Baus der Mengen Z (k (ω, ω + k Ω ω,..., 6 k (6 k. Wegen p Z (k Z (k Z (k 36 erhalten wir somit als Gewichtsfunktion, falls k 0, 6 p Z (k, falls k,..., 5, für die Zufallsgröße Z. 6 k 8
2 Aufgabe (WT Prüfung. In einer Prüfung im Fach Wahrscheinlichkeitstheorie wählt der zu prüfende Student blind 0 von 50 Prüfungsfragen aus. Die Prüfung gilt als bestanden, wenn von den 0 Fragen mindestens vier richtig beantwortet werden. Herr Schulz kann 0%, Frau Müller 60% aller Fragen richtig beantworten. (a Bezeichne X die Anzahl der Fragen, die Herr Schulz in der Prüfung korrekt beantwortet. Stellen Sie die Zufallsvariable X formal dar. (b Wie groß ist die Wahrscheinlichkeit, dass Herr Schulz besteht? (c Bezeichne Y die Anzahl der Fragen, die Frau Müller in der Prüfung richtig beantwortet. Geben Sie die Verteilung P Y der Zufallsgröße Y an. (d Wie wahrscheinlich ist, dass Frau Müller nicht besteht? Lösung: Die Konstruktion basiert auf dem Skript. Als Modell wählen wir einen Laplaceschen Wahrscheinlichkeitsraum. Dabei beschreibe,,..., 50 die gegebenen Prüfungsfragen, etwa die erste bis zur fünfzigsten Prüfungsfrage. Wir setzen Ω : (ω,..., ω 0,,..., 50 0 ω < ω <... < ω 0, womit die Menge aller möglichen Auswahlen von 0 aus 50 Prüfungsfragen ohne Beachtung der Reihenfolge beschrieben wird. Zu (a: Sei R,,..., 50 die Menge der Prüfungsfragen mit R 0, die Herr Schulz richtig beantworten kann. Dann ist X : Ω 0,,,..., 0 gemäß (ω, ω,..., ω 0 0 k R (ω k, wobei R die Indikatorfunktion zu der Menge R bezeichnet. Zu (b: Wir berechnen die Wahrscheinlichkeit mittels des Gegenereignisses. Das Gegenereignis A c lautet: Herr Schulz besteht nicht die Prüfung, das bedeutet, er beantwortet höchstens 3 Fragen richtig. Daher gilt Nun haben wir für k 0,,, 3 dann 3 A c X 0,,, 3 X k X k X (k (ω,..., ω 0 Ω X (ω,..., ω 0 k 0 (ω,..., ω 0 Ω R (ω k k k S R T,,..., 50 : S T S k T \ S R c T \ S 0 k
3 Damit folgt ( ( X k X k k 0 k und wir haben daher P (A P (A c X 0,,, 3 ( ( k 0 k ( 50 0 Zu (c: Sei R,,..., 50 die Menge der Prüfungsfragen mit R 30, die Frau Müller richtig beantworten kann. Dann gilt Y : Ω 0,,,..., 0 gemäß (ω, ω,..., ω 0 Nun haben wir für k 0,,..., 0 dann 0 k R (ω k. Y k Y (k (ω,..., ω 0 Ω Y (ω,..., ω 0 k 0 (ω,..., ω 0 Ω R (ω k k k S R T,,..., 50 : S T S k T \ S R c T \ S 0 k Damit folgt nun P (Y k P ( Y (k Y (k ( ( 30 0 k 0 k ( 50, 0 also ist Y eine zu den Parametern 0, 30, 0 hypergeometrisch-verteilte Zufallsgröße. Zu (d: Wegen (c (siehe auch die Lösung zu (b gilt P (Y 0,,, 3 P ( 3 ( 50 0 Y k P (Y k ( ( 30 0 k 0 k ( ( 30 0 k 0 k Aufgabe 3 (wandernder Käfer. Ein Käfer beginnt zum Zeitpunkt 0 im Ursprung eines zweidimensionalen Koordinatensystems eine Wanderung, bei der er in jeder Minute seine Position um eine Einheit nach rechts oder oben zufällig ändert. (
4 (a Mit welcher Wahrscheinlichkeit befindet sich der Käfer nach Minuten im Punkt (7, 5? (b Bezeichne Y die Länge der Strecke, die der Käfer nach n Minuten in y-richtung zurücklegt. Wie ist die Zufallsvariable Y verteilt? (c Welche Strecke wird der Käfer im Mittel nach Minuten in y-richtung zurückgelegt haben? Lösung: Wir konstruieren zunächst ein adäquates Modell für die Wanderung des Käfers in n Minuten. Wir wählen dazu Ω n : (, 0, (0, n und betrachten den zugehörigen Laplaceschen Wahrscheinlichkeitsraum (Ω n, P (Ω n, P n. Die Position des Käfers nach n Minuten wird dann durch die Zufallsgröße beschrieben. X n : Ω n,..., n gemäß n (ω,..., ω n ω k k Zu (a: Hier ist n. Das gesuchte Ereignis ist X (7, 5. Es gilt X (7, 5 (ω,..., ω Ω ω k (7, 5 Nun ist n k ω k (7, 5 genau dann, wenn genau 5 der ω,..., ω von der Form (0, und die restlichen 7 von der Form (, 0 sind. Das bedeutet, wir erhalten X (7, 5 (ω,..., ω Ω ω k (7, 5 k k (ω,..., ω Ω T,..., : T 5 und j T : ω j (0,. Damit erhalten wir P (X (7, 5 X (7, 5 Ω ( 5 ( ( Zu (b: Sei π y : N N definiert gemäß (x, y y. Dann kann die Zufallsgröße Y : Ω n 0,,..., dargestellt werden als Y π y X n. Sei k 0,,..., n beliebig vorgegeben. Dann gilt Y k π y X n k (π y X n (k X n ( π y (k. Es handelt sich hierbei um die Hintereinanderausführung von X n und π y, das heißt, für ω Ω n erhalten wir beispielsweise X n (ω (m, k mit m + k n, was die Position von dem Käfer nach n Minuten angibt. Ferner ist π y ((m, k k, also haben wir (π y X n (ω π y (X n (ω π y ((m, k k, das bedeutet, π y X n gibt tatsächlich die y-position des Käfers nach n Minuten an. 4
5 Es gilt πy (k (m, k m N. Aufgrund der Konstruktion von X n gilt (vergleiche auch (a allerdings X n ((ω,..., ω (m, k nur für m n k, da m + k n ergeben muss. Daher gilt Xn ((m, k m N \ n k, also haben wir X n ((m, k m N Xn ((m, k m N \ n k (n k, k Schließlich gilt noch X n ((n k, k X n ((m, k m N \ n k Xn ((n k, k X n ((n k, k. n (ω,..., ω n Ω n ω k (n k, k k (ω,..., ω n Ω n T,..., n : T k und j T : ω j (0,. Zusammenfassend gilt somit Y k (ω,..., ω n Ω n T,..., n : T k und j T : ω j (0,. Damit erhalten wir P (Y k Y k Ω n ( n k n ( ( n n k ( ( n k ( n k, k das bedeutet, Y ist eine zu den Parametern n und p Zufallsgröße, in Zeichen Y B n,. Zu (c: Aus der Vorlesung ist bekannt, dass für Y B n, n erhalten wir also Binomial-verteilte dann E (Y n gilt. Für E (Y 6, das heißt, der Käfer wird sich im Mittel in Minuten 6 Einheiten in Richtung der y-richtung bewegt haben. Aufgabe 4 (Mensch ärger dich nicht. Bei Spielbeginn befinden sich alle Spielfiguren in der Startposition. Wenn ein Spieler, der an der Reihe ist, eine Sechs würfelt, setzt er eine seiner Spielfiguren auf sein Startfeld. Dazu hat er in der ersten sowie in jeder weiteren Spielrunde, in der keine seiner Spielfiguren auf dem Spielfeld steht, bis zu drei Versuche. Jeder der Spieler ist einmal pro Spielrunde an der Reihe. Der Käfer wandert schließlich entweder eine Einheit nach oben oder eine Einheit nach rechts. Ist der Käfer k Einheiten nach oben gewandert, so muss er die restlichen n k Einheiten nach rechts gewandert sein. 5
6 (a Mit welcher Wahrscheinlichkeit setzt Spieler A bereits in der ersten Runde eine Spielfigur auf sein Startfeld? (b Mit welcher Wahrscheinlichkeit setzt Spieler A erst in der vierten Runde seine erste Spielfigur auf das Startfeld? (c Bezeichne X die Spielrunde, in der Spieler A seine erste Spielfigur auf das Startfeld setzt. Geben Sie die Verteilung P X der Zufallsvariablen X an. Lösung: Zu (a: Wir konstruieren zunächst ein geeignetes Modell. Dazu wählen wir als Grundmenge Ω :,,..., 6 3, was dem dreimaligen Werfen eines Würfels entspricht, und betrachten den Laplaceschen Wahrscheinlichkeitsraum (Ω, P (Ω, P. Es beschreibe A das Ereignis, für das im ersten, zweiten oder dritten Wurf eine Sechs fällt, also der Spieler eine Spielfigur auf sein Startfeld stellen darf. Die Wahrscheinlichkeit für das Eintreten des Ereignisses berechnen wir allerdings über das Gegenereignis A c. Dieses ist in keinem der drei Würfe erscheint eine Sechs, das heißt also haben wir Damit erhalten wir A c (ω, ω, ω 3 Ω ω 6 ω 6 ω 3 6, P (A P (A c Ac A c Zu (b: Wir wählen als Grundmenge Ω :,..., 6 und betrachten den Laplaceschen Wahrscheinlichkeitsraum (Ω, P (Ω, P. Dies beschreibt das zwölfmalige Werfen eines fairen sechsseitigen Würfels. Das zu untersuchende Ereignis C ist dann C (ω,..., ω Ω ω,..., ω 9,..., 5 (ω 0 6 ω 6 ω 6. Wir setzen C : (ω,..., ω Ω ω,..., ω 9,..., 5 ω 0 6, C : (ω,..., ω Ω ω,..., ω 9,..., 5 ω 0 6 ω 6, C 3 : (ω,..., ω Ω ω,..., ω 9,..., 5 ω 0 6 ω 6 ω 6. In Worten: C beschreibt das Ereignis, dass in den ersten drei Spielrunden (also bei den ersten neun Würfen des Würfels keine Sechs fällt und im zehnten Wurf dann die Sechs erscheint, C bzw. C 3 analog nur, dass da jeweils die Sechs erst im elften bzw. zwölften Wurf das erste Mal geworfen wird. Die Ereignisse C, C, C 3 sind paarweise disjunkt und es gilt C C C C 3. Wir erhalten C , C 5 0 6, C 3 5 6
7 und damit folgt aufgrund der paarweisen Disjunktheit P (C C Ω C + C + C ( ( 5 9 ( ( Zu (c: Die Wahrscheinlichkeit, dass der Spieler A zu Beginn der Runde keine Sechs würfelt beträgt nach (a P (A Beschreibt nun X die Runde, in der der Spieler A seine erste Spielfigur auf das Spielfeld setzt, so gilt für k N dann P (X k ( 5 k 6 ( k 6 9 6, denn X k bedeutet, dass der Spieler die ersten k Spielrunden keine Sechs würfelt und schließlich in der k-ten Spielrunde eine Sechs würfelt. Somit ist X eine zum Parameter p 9 geometrisch-verteilte Zufallsgröße, in Zeichen X G Aufgabe 5 (Poisson-Verteilung. Zu einem Bäckerstand am Hauptbahnhof einer Großstadt kommen durchschnittlich zwei Kunden pro Minute. Die Anzahl der Kunden pro Minute ist Poisson-verteilt. Wie groß ist die Wahrscheinlichkeit, dass in einer Minute maximal 5 Kunden vorbeikommen? Lösung: Es beschreibe X die Anzahl der Kunden pro Minute. Der Parameter λ kann als λ abgelesen werden, das heißt, es gilt X P. Damit folgt ( 5 P (X 5 P X k e P (X k e k k! e 5 λ k k! 7
Lösungen Wahrscheinlichkeitstheorie
Lösungen Wahrscheinlichkeitstheorie Serie 6 Aufgabe 1 (stochastische Unabhängigkeit). Für die Ereignisse A, B und C sind folgende Wahrscheinlichkeiten bekannt: P (A) = 0, 2; P (B) = 0, 6; P (A \ B) = 0,
MehrBiostatistik, 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
MehrBiostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 stheorie: Grundbegriffe Prof. Dr. Achim Klenke http://www.aklenke.de 5. Vorlesung: 25.11.2011 1/33 Inhalt 1 Zufallsvariablen 2 Ereignisse 3 2/33 Zufallsvariablen Eine Zufallsvariable
MehrTU 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
MehrKAPITEL 5. Erwartungswert
KAPITEL 5 Erwartungswert Wir betrachten einen diskreten Wahrscheinlichkeitsraum (Ω, P) und eine Zufallsvariable X : Ω R auf diesem Wahrscheinlichkeitsraum. Die Grundmenge Ω hat also nur endlich oder abzählbar
MehrUnabhängigkeit KAPITEL 4
KAPITEL 4 Unabhängigkeit 4.1. Unabhängigkeit von Ereignissen Wir stellen uns vor, dass zwei Personen jeweils eine Münze werfen. In vielen Fällen kann man annehmen, dass die eine Münze die andere nicht
MehrBeispiel 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.
MehrZentralübung Diskrete Wahrscheinlichkeitstheorie
Zentralübung Diskrete Wahrscheinlichkeitstheorie Christian Ivicevic (christian.ivicevic@tum.de) Technische Universität München 14. Juni 2017 Agenda Disclaimer und wichtige Hinweise Übungsaufgaben Disclaimer
MehrMafI I: Logik & Diskrete Mathematik (Autor: Gerrit (-Arthur) Gruben)
Musterlösung zum. Aufgabenblatt zur Vorlesung MafI I: Logik & Diskrete Mathematik (Autor: Gerrit (-Arthur Gruben. Wahrscheinlichkeiten I ( Punkte Die Seiten von zwei Würfeln sind mit den folgenden Zahlen
MehrKlausur 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,
MehrHauptklausur zur Stochastik für Lehramt
Universität Duisburg-Essen Essen, den 20.02.203 Fakultät für Mathematik Dr. Daniel Herden Dipl.-Inf. Christian Thiel Matthias aus der Wiesche Hauptklausur zur Stochastik für Lehramt Bearbeitungszeit: mind.
MehrInstitut für Stochastik, SoSe K L A U S U R , 13:
Institut für Stochastik, SoSe 2014 Mathematische Statistik Paravicini/Heusel 1. K L A U S U R 12.7.2014, 13:00-16.00 Name: Geburtsdatum: Vorname: Matrikelnummer: Übungsgruppe bei: Studiengang & angestrebter
MehrAufgabe 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),
MehrBiostatistik, Sommer 2017
1/52 Biostatistik, Sommer 2017 Prof. Dr. Achim Klenke http://www.aklenke.de 7. Vorlesung: 02.06.2017 2/52 Inhalt 1 Wahrscheinlichkeit Bayes sche Formel 2 Diskrete Stetige 3/52 Wahrscheinlichkeit Bayes
MehrKlausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende
Universität Duisburg-Essen Essen, den 15.0.009 Fachbereich Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,
MehrKlausur 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
MehrWeihnachtszettel zur Vorlesung. Stochastik I. Wintersemester 2011/2012
Weihnachtszettel zur Vorlesung Stochastik I Wintersemester 0/0 Aufgabe. Der Weihnachtsmann hat vergessen die Weihnachtsgeschenke mit Namen zu beschriften und muss sie daher zufällig verteilen. Dabei enthält
Mehr4 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
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg
für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 2016 Prof. Dr. Stefan Etschberger Hochschule Augsburg Zufallsvariablen Beschreibung von Ereignissen
MehrSatz 16 (Multiplikationssatz)
Häufig verwendet man die Definition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A B] = Pr[B A] Pr[A] = Pr[A B] Pr[B]. (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1,..., A n gegeben.
MehrStatistik I für Betriebswirte Vorlesung 4
Statistik I für Betriebswirte Vorlesung 4 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 30. April 2018 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 4 Version: 24.
MehrLaplace 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
MehrWiederholungsklausur DWT
LÖSUNG Wiederholungsklausur DWT Sommersemester 2008 Hinweis: Alle Antworten sind zu begründen. Insbesondere sollte bei nicht-trivialen Umformungen kurz angegeben werden, weshalb diese Umformungen erlaubt
MehrA: Beispiele Beispiel 1: Zwei Zufallsvariablen X und Y besitzen die beiden folgenden Wahrscheinlichkeitsfunktionen:
5 Diskrete Verteilungen 1 Kapitel 5: Diskrete Verteilungen A: Beispiele Beispiel 1: Zwei Zufallsvariablen X und Y besitzen die beiden folgenden Wahrscheinlichkeitsfunktionen: 5 0.6 x 0.4 5 x (i) P x (x)
MehrDiskrete Strukturen I
Universität Kassel Fachbereich 10/1 PD Dr. Sebastian Petersen 14.09.2017 Klausur zur Vorlesung Diskrete Strukturen I Es können maximal 40 Punkte erreicht werden. Version mit Lösungsskizze Zur Notation:
MehrDieses Quiz soll Ihnen helfen, Kapitel besser zu verstehen.
Dieses Quiz soll Ihnen helfen, Kapitel 2.5-2. besser zu verstehen. Frage Wir betrachten ein Würfelspiel. Man wirft einen fairen, sechsseitigen Würfel. Wenn eine oder eine 2 oben liegt, muss man 2 SFr zahlen.
MehrEinführung 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:
MehrSTOCHASTIK Die Binomialverteilung. Hartmut Meyer
STOCHASTIK Die Binomialverteilung Hartmut Meyer https://mathemeyer.com Inhalt BERNOULLI-Experimente BERNOULLI-Experiment... 2 BERNOULLI-Kette... 2 Die Formel von BERNOULLI... 4 Binomialverteilung Definition
MehrAbitur 2016 Mathematik Stochastik IV
Seite 1 http://www.abiturloesung.de/ Seite Abitur 016 Mathematik Stochastik IV Bei einem Zufallsexperiment wird eine ideale Münze so lange geworfen, bis zum zweiten Mal Zahl (Z) oder zum zweiten Mal Wappen
MehrEinführung 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
MehrÜbungen 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
MehrKapitel IV - Spezielle Verteilungen: Diskrete Verteilungen
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel IV - Spezielle Verteilungen: Diskrete Verteilungen Markus Höchstötter Lehrstuhl
MehrInhaltsverzeichnis: Lösungen zur Vorlesung Statistik Kapitel 4 Seite 1 von 19 Prof. Dr. Karin Melzer, Fakultät Grundlagen
Inhaltsverzeichnis: Aufgabenlösungen zu Kapitel 4 3 Lösung zu Aufgabe 3 Lösung zu Aufgabe 9 3 Lösung zu Aufgabe 30 3 Lösung zu Aufgabe 3 3 Lösung zu Aufgabe 3 3 Lösung zu Aufgabe 33 3 Lösung zu Aufgabe
MehrAbitur 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
MehrStatistik für Ingenieure Vorlesung 4
Statistik für Ingenieure Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 21. November 2017 3.3 Wichtige diskrete Wahrscheinlichkeitsverteilungen 3.3.1 Diskrete
MehrKlausur: Diskrete Strukturen I
Universität Kassel Fachbereich 10/16 13.09.01 Klausur: Diskrete Strukturen I Name: Vorname: Matrikelnummer: Versuch: Unterschrift: Bitte fangen Sie für jede Aufgabe ein neues Blatt an. Beschreiben Sie
MehrStochastik - Kapitel 2
" k " h(a) n = bezeichnet man als die relative Häufigkeit des Ereignisses A bei n Versuchen. n (Anmerkung: für das kleine h wird in der Literatur häufig auch ein r verwendet) k nennt man die absolute Häufigkeit
MehrÜbungsblatt 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
Mehrω ) auftritt. Vervollständige den Satz, sodass eine mathematisch richtige Aussage entsteht. Wähle dazu die richtigen Satzteile aus.
Ein Zufallsexperiment ist ein Vorgang, der unter exakt festgelegten Bedingungen abläuft, unter diesen Bedingungen beliebig oft wiederholbar ist und dessen Ausgang ω Ω nicht eindeutig vorhersehbar ist.
MehrStochastik (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
MehrKlausur zur Statistik
Klausur zur Statistik. Hinweis: Es können 94 Punkte erreicht werden. Zum Bestehen reichen 4 Punkte sicher aus.. Hinweis: Achten Sie darauf das Ihre Rechnungen nachvollziehbar sind und geben Sie alle Schritte
MehrStochastik und Statistik für Ingenieure Vorlesung 4
Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Stochastik und Statistik für Ingenieure Vorlesung 4 30. Oktober 2012 Quantile einer stetigen Zufallsgröße Die reelle Zahl
MehrÜ b u n g s b l a t t 10
Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel. 6. 2007 Ü b u n g s b l a t t 0 Mit und gekennzeichnete Aufgaben können zum Sammeln von Bonuspunkten verwendet werden. Lösungen von -Aufgaben
MehrKAPITEL 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,
MehrWahrscheinlichkeit und Statistik BSc D-INFK
Prof. Dr. P. Embrechts ETH Zürich Sommer 2015 Wahrscheinlichkeit und Statistik BSc D-INFK Name: Vorname: Stud. Nr.: Das Folgende bitte nicht ausfüllen! Aufg. Summe Kontr. Pkte.-Max. 1 10 2 10 3 10 4 10
MehrStatistik Übungen SS 2018
Statistik Übungen SS 2018 Blatt 2: Wahrscheinlichkeitsrechnung 1. Die nach dem französischen Mathematiker Pierre-Simon de Laplace benannten Laplace- Experimente beruhen auf der Annahme, dass bei einem
Mehr6: Diskrete Wahrscheinlichkeit
Stefan Lucks Diskrete Strukturen (WS 2009/10) 219 6: Diskrete Wahrscheinlichkeit 6: Diskrete Wahrscheinlichkeit Stefan Lucks Diskrete Strukturen (WS 2009/10) 220 Wahrscheinlichkeitsrechnung Eines der wichtigsten
MehrUE Statistik 1, SS 2015, letztes Update am 5. März Übungsbeispiele
UE Statistik, SS 05, letztes Update am 5. März 05 Übungsbeispiele Beispiele mit Musterlösungen finden Sie auch in dem Buch Brannath, W., Futschik, A., Krall, C., (00) Statistik im Studium der Wirtschaftswissenschaften..
MehrKapitel XI - Die n-fache unabhängige Wiederholung eines Experiments
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XI - Die n-fache unabhängige Wiederholung eines Experiments Wahrscheinlichkeitstheorie Prof. Dr. W.-D. Heller Hartwig
MehrAbitur 2013 Mathematik Stochastik IV
Seite 1 http://www.abiturloesung.de/ Seite 2 Abitur 201 Mathematik Stochastik IV In einer Großstadt steht die Wahl des Oberbürgermeisters bevor. 12% der Wahlberechtigten sind Jungwähler, d. h. Personen
MehrAbitur 2015 Mathematik Stochastik IV
Seite 1 http://www.abiturloesung.de/ Seite 2 Abitur 201 Mathematik Stochastik IV In einer Urne befinden sich vier rote und sechs blaue Kugeln. Aus dieser wird achtmal eine Kugel zufällig gezogen, die Farbe
MehrMathematik 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
MehrKlausur: Diskrete Strukturen I
Universität Kassel Fachbereich 0/ 5.03.0 Dr. Sebastian Petersen Klausur: Diskrete Strukturen I Aufgabe. (8 Punkte) a) Sei X = {0, }. Geben Sie die Potenzmenge P (X) (durch Auflisten ihrer Elemente) an.
MehrWahrscheinlichkeitstheorie und Statistik
Wahrscheinlichkeitstheorie und Statistik Definitionen und Sätze Prof. Dr. Christoph Karg Studiengang Informatik Hochschule Aalen Sommersemester 2018 2.5.2018 Diskrete Wahrscheinlichkeitsräume Diskreter
Mehr1.3 Zufallsgrößen und Verteilungsfunktionen
.3 Zufallsgrößen und Verteilungsfunktionen.3. Einführung Vielfach sind die Ergebnisse von Zufallsversuchen Zahlenwerte. Häufig möchte man aber auch in den Fällen, wo dies nicht so ist, Zahlenwerte zur
MehrWirtschaftsmathematik
Einführung in einige Teilbereiche der Wintersemester 206 Prof. Dr. Stefan Etschberger HSA Unabhängigkeit von Ereignissen A, B unabhängig: Eintreten von A liefert keine Information über P(B). Formal: P(A
MehrAufgabe 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.
Mehr1,00 2,00 3,00 4,00 Bestimme den Gewinnerwartungswert. Entscheide, ob das Spiel fair ist.
Level Grundlagen Blatt Dokument mit 3 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.
MehrWahrscheinlichkeitsrechnung und Statistik
4. Vorlesung - 2017 Diskrete Zufallsgrößen X : Ω {x 1, x 2,..., x i,... } Wahrscheinlichkeitsverteilung von X ( ) x1 x X 2... x i... = p 1 p 2... p i... I N (Indexmenge) mit den Wahrscheinlichkeiten p
MehrBasiswissen 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)
MehrLösungen zu Übungs-Blatt 8 Wahrscheinlichkeitsrechnung
Lösungen zu Übungs-Blatt Wahrscheinlichkeitsrechnung Diskrete Zufallsgrößen Zu Aufgabe ) Welche der folgenden grafischen Darstellungen und Tabellen zeigen keine (Einzel-)Wahrscheinlichkeitsverteilung?
MehrProf. Dr. Christoph Karg Hochschule Aalen. Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik. Sommersemester 2017
Prof. Dr. Christoph Karg 10.7.2017 Hochschule Aalen Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik Sommersemester 2017 Name: Unterschrift: Klausurergebnis Aufgabe 1 (10 Punkte) Aufgabe
MehrÜ b u n g s b l a t t 7
Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel 21. 5. 2007 Ü b u n g s b l a t t 7 Mit und gekennzeichnete Aufgaben können zum Sammeln von Bonuspunkten verwendet werden. Lösungen von -Aufgaben
MehrStatistik Übungen WS 2017/18
Statistik Übungen WS 2017/18 Blatt 2: Wahrscheinlichkeitsrechnung 1. Die nach dem französischen Mathematiker Pierre-Simon de Laplace benannten Laplace- Experimente beruhen auf der Annahme, dass bei einem
Mehr5 Binomial- und Poissonverteilung
45 5 Binomial- und Poissonverteilung In diesem Kapitel untersuchen wir zwei wichtige diskrete Verteilungen d.h. Verteilungen von diskreten Zufallsvariablen): die Binomial- und die Poissonverteilung. 5.1
MehrAufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2018/19
Aufgabenstellung und Ergebnisse zur Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 08/9 PD Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Die Klausur besteht
MehrSatz 16 (Multiplikationssatz)
Haug verwendet man die Denition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A \ B] = Pr[BjA] Pr[A] = Pr[AjB] Pr[B] : (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1 ; : : : ; A n
MehrA3.Die Lebensdauer eines elektronischen Gerätes werde als normalverteilt angenommen. Der Erwartungswert betrage
Aufgaben ~ Beispiele A1. Wir spielen Roulette mit einem Einsatz von 5 mit der Glückszahl 15. Die Wahrscheinlichkeiten und Auszahlungen beim Roulette sind in folgender Tabelle zusammengefasst: Ereignis
MehrEinführung 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
MehrÜbungsscheinklausur,
Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 27 Prof. Dr. F. Liese Übungsscheinklausur, 3.7.27 Dipl.-Math. M. Helwich Name:...
MehrWoche 2: Zufallsvariablen
Woche 2: Zufallsvariablen Patric Müller ETHZ WBL 19/21, 29.04.2019 Wahrscheinlichkeit und Statistik Patric Müller WBL 2019 Teil III Zufallsvariablen Wahrscheinlichkeit
MehrAufgabe 10 Die Zufallsvariable ist binomialverteilt mit
Level Grundlagen Blatt 2 Dokument mit 8 Aufgaben Aufgabe Die Zufallsvariable ist binomialverteilt mit und,3. Welches der beiden Histogramme zeigt die Wahrscheinlichkeitsverteilung von? Begründen Sie Ihre
MehrStochastik Musterlösung 4
ETH Zürich HS 218 RW, D-MATL, D-MAVT Prof. Marloes H. Maathuis Koordinator Dr. Marvin S. Müller Stochastik Musterlösung 4 1. Die Zufallsvariable, die die Anzahl eingehender Telefonanrufe in einer Telefonzentrale
MehrEinführung 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
MehrWahrscheinlichkeitstheorie Klausurvorbereitung Lösungen
Wahrscheinlichkeitstheorie Klausurvorbereitung Lösungen 1.) a) Ein Skatblatt besteht aus 32 Karten. Wieviele mögliche Anordnungen gibt es für den Kartenstapel nach dem Mischen? b) Jede Karte der 8 Symbole(7,8,9,10,B,D,K,A)
MehrSTOCHASTISCHE 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
MehrStochastik Aufgaben zum Üben: Teil 2
Prof. Dr. Z. Kabluchko Wintersemester 205/206 Hendrik Flasche Januar 206 Aufgabe Stochastik Aufgaben zum Üben: Teil 2 Es sei X eine Zufallsvariable mit Dichte f X (y) = cy 5 I y>. Bestimmen Sie c, P[2
MehrVorlesung 3a. Der Erwartungswert. von diskreten reellwertigen Zufallsvariablen
Vorlesung 3a Der Erwartungswert von diskreten reellwertigen Zufallsvariablen 0. Diskrete reellwertige Zufallsvariable X sei eine Zufallsvariable, deren Zielbereich R (die Menge der reellen Zahlen) oder
MehrProbearbeit 13.1 Schuljahr 2010/11 Kernfach Mathematik
Aufgabe 3: Stochastik Vorbemerkung: Führen Sie stets geeignete Zufallsvariablen und Namen für Ereignisse ein. Machen Sie auch Angaben über die Verteilung der jeweiligen Zufallsvariablen. a) Das unten stehende
MehrVorkurs Mathematik. Christoph Hindermann. Wahrscheinlichkeitstheorie
Kapitel 4 Christoph Hindermann Vorkurs Mathematik 1 4.0 Motivation Wenn 100 Münzen geworfen werden, wie ist dann die Wahrscheinlichkeit, dass genau 50 davon Kopf zeigen? Angenommen, es befinden sich 300
MehrBlatt 6: Grundlagen der Wahrscheinlichkeitstheorie MAE 3
School of Engineering Winterthur Zürcher Hochschule für Angewandte Wissenschaften Blatt 6: Grundlagen der Wahrscheinlichkeitstheorie MAE 3 Aufgabe 1: Ein homogener Würfel wird zwei Mal geworfen. Wie groß
MehrAufgabe 4 Ein fairer Würfel wird 36-mal geworfen. Berechne die Wahrscheinlichkeit dafür, dass die Augenzahl 6 in der erwarteten Anzahl eintritt.
Dokument mit 26 Aufgaben Aufgabe 1 Ein Jäger trifft sein Ziel mit einer Wahrscheinlichkeit 40 %. Mit welcher Wahrscheinlichkeit erzielt er bei zehn Schüssen a) genau sechs Treffer b) mehr als sechs Treffer?
MehrAbitur 2010 Mathematik GK Stochastik IV
Seite http://www.abiturloesung.de/ Seite Abitur 00 Mathematik GK Stochastik IV Das Spiel Gewinn mit Vier besteht aus dem einmaligen Drehen des abgebildeten Laplace- Glücksrades mit gleich großen Sektoren
MehrLevel 1 Grundlagen Blatt 1. Dokument mit 19 Aufgaben
Level 1 Grundlagen Blatt 1 Dokument mit 19 Aufgaben Aufgabe A1 Ein Glücksrad hat drei Sektoren mit den Farben Rot, Gelb und Grün. Das Rad bleibt mit einer Wahrscheinlichkeit von 0,1 so stehen, dass der
MehrVorlesung 3. Der Erwartungswert. von diskreten reellwertigen Zufallsvariablen
Vorlesung 3 Der Erwartungswert von diskreten reellwertigen Zufallsvariablen 0. Diskrete reellwertige Zufallsvariable X sei eine Zufallsvariable, deren Zielbereich R (die Menge der reellen Zahlen) oder
MehrGrundbegrie der Wahrscheinlichkeitsrechnung
Die Benutzung dieser Materialien ist auf Herbst 2017 beschränkt. Diese Hilfsmaterialien sind nur für unseren Studenten gemeint, dürfen also nicht weiterverteilt werden. Grundbegrie der Wahrscheinlichkeitsrechnung
MehrWahrscheinlichkeitstheorie für Informatikstudien Übungsblatt 1
http://www.stat.tugraz.at/courses/exam/hw_108.pdf 1 Wahrscheinlichkeitstheorie für Informatikstudien 506.000 Übungsblatt 1 04. Nov. 2008 1. [A 2.1] TelematikstudentInnen im 3. Semester werden befragt,
MehrDefinition: Ein endlicher Ergebnisraum ist eine nichtleere Menge, deren. wird als Ereignis, jede einelementige Teilmenge als Elementarereignis
Stochastische Prozesse: Grundlegende Begriffe bei zufälligen Prozessen In diesem Abschnitt beschäftigen wir uns mit den grundlegenden Begriffen und Definitionen von Zufallsexperimenten, also Prozessen,
MehrStatistik für Ingenieure Vorlesung 3
Statistik für Ingenieure Vorlesung 3 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 14. November 2017 3. Zufallsgrößen 3.1 Zufallsgrößen und ihre Verteilung Häufig sind
MehrAufgaben. d) Seien X und Y Poissonverteilt mit Parameter µ, X, Y P(µ). 2. Dann ist die Summe auch Poissonverteilt mit (X + Y ) P(2µ).
Aufgaben 1. Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete Frage 1 Punkt und pro falsche Antwort 1/2 Punkt Abzug. Minimal erhält man für die gesamte
MehrWHB11 - Mathematik. AFS II: Umgang mit Zufall und Wahrscheinlichkeiten. Thema: Summierte Binomialverteilung
Binomialverteilung Bisher haben wir berechnet, wie groß die Wahrscheinlichkeit dafür ist, dass bei einer Bernoulli-Kette n der Länge genau k Treffer auftreten. Die Formel dafür war: B (n;p;k) = P (X=k)
MehrMathematik 3 für Informatik
Gunter Ochs Wintersemester 20/6 Mathematik 3 für Informatik Lösungen zum Hausaufgabenblatt 4 Lösungshinweise (ohne Ganantie auf Fehlerfreiheit. Wenn man beim Roulette auf Rot oder Schwarz setzt, erhält
MehrAnliegen: Beschreibung von Versuchsergebnissen mit Zahlen, um mit Zahlen bzw. bekannten Funktionen rechnen zu können.
2 Zufallsvariable 2.1 Einführung Anliegen: Beschreibung von Versuchsergebnissen mit Zahlen, um mit Zahlen bzw. bekannten Funktionen rechnen zu können. Eine Zufallsvariable X ordnet jedem elementaren Versuchsausgang
MehrGrundlagen der Wahrscheinlichkeitstheorie
Priv.-Doz. Dr. H. Steinacker Wintersemester 2013/2014 Grundlagen der Wahrscheinlichkeitstheorie betrachte Wiederholungen eines Experimentes, gleicher Vorbereitung (z.b. Würfeln, Dart werfen, Doppelspaltexperiment,...)
MehrZufallsvariablen [random variable]
Zufallsvariablen [random variable] Eine Zufallsvariable (Zufallsgröße) X beschreibt (kodiert) die Versuchsausgänge ω Ω mit Hilfe von Zahlen, d.h. X ist eine Funktion X : Ω R ω X(ω) Zufallsvariablen werden
MehrD-ITET Wahrscheinlichkeitstheorie und Statistik FS 2017 Prof. P. Nolin. Serie 11
D-ITET Wahrscheinlichkeitstheorie und Statistik FS 2017 Prof. P. Nolin Serie 11 1. Frau A und Herr B wollen sich treffen und verabreden sich für 16 Uhr in einem Café. Mit T A bzw. T B bezeichnen wir die
Mehr