Statistik I für Betriebswirte Vorlesung 1
|
|
- Waldemar Müller
- vor 7 Jahren
- Abrufe
Transkript
1 Statistik I für Betriebswirte Vorlesung 1 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 4. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 1 1
2 Organisatorisches Vorlesung: Mo, 11:00-12:30, KKB Übungen: Di, 7:30-9:00, RAM-1085, Dr. Wünsche, 2.BBL, 2.BWLRW. Di, 7:30-9:00, MIB-1113, Dr. Lorz, 2.BBWL. Di, 14:00-15:30, MIB-1113, Dipl.-Math. Baaske, 2.BBWL. Do, 14:00-15:30, LED-1105, Dr. Lorz, 2.BWIW. Selbststudium (Laut Modulbeschreibung zusammen für beide Semester 120h Präsenzzeit und 150h Selbststudium.) Information: Prüfung: Klausur 120 Minuten, zugelassen sind Taschenrechner, Bücher, Mitschriften; nicht zugelassen sind Laptops, Handys. Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 1 2
3 Themen Wahrscheinlichkeitsrechnung (ca. 6 Vorlesungen). Zufällige Ereignisse und Wahrscheinlichkeiten, bedingte Wahrscheinlichkeiten, Unabhängigkeit. Zufallsgrößen, Typen, Charakterisierung und Kenngrößen. Wichtige diskrete Wahrscheinlichkeitsverteilungen. Wichtige stetige Wahrscheinlichkeitsverteilungen. Beschreibende (deskriptive) Statistik (ca. 3 Vorlesungen). Beispiele und Grundbegriffe. Eindimensionale Merkmale. Zweidimensionale Merkmale. Indexzahlen. Schließende (induktive) Statistik (ca. 4 Vorlesungen). Stichproben. Parameterschätzungen. Fortsetzung im folgenden Semester: Statistik für Betriebswirte II. Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 1 3
4 1. Wahrscheinlichkeitsrechnung 1.1 Einleitung Im praktischen Leben, in den Wissenschaften, usw. hat man es oft mit Situationen, Versuchen, Beobachtungen, etc., zu tun, bei denen Ergebnisse nicht genau vorausberechnet werden können, eine Unsicherheit besteht, bei denen aber Aussagen und/oder Entscheidungen getroffen werden sollen. Beispiele: Versicherungswesen (Zeitpunkte von Schadensfällen, Höhe von Einbzw. Auszahlungen). (Statistische) Qualitätskontrolle (notwendige Änderungen von Produktionsparametern wegen zu mangelhafter Qualität der Erzeugnisse). Produktionsplanung (Entwicklung der Nachfrage). Finanzmärkte (Entwicklung von Aktienkursen, Wechselkursen). Wetter- und Klimavorhersagen. Physikalische Grundgesetze (statistische Physik, Quantenphysik). Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 1 4
5 Quantifizierung der Unsicherheit Unterschiedliche Ereignisse haben im Allgemeinen unterschiedliche Chancen einzutreten, das Wissen darüber kann genutzt werden. Eine Möglichkeit der Quantifizierung der Unsicherheit besteht in der Nutzung stochastischer mathematischer Modelle. Die Nutzung derartiger Modelle hat sich in vielen Situationen bewährt. Die Stochastik (Wahrscheinlichkeitstheorie, mathematische Statistik, Theorie der Zufallsfunktionen,... ) als mathematische Disziplin liefert die Grundlagen für konsistente und korrekte Berechnungen im Zusammenhang mit stochastischen Modellen. Ob ein konkretes stochastisches Modell gute Erklärungen und/oder Entscheidungen für eine konkrete reale Situation liefert ist keine mathematische Fragestellung. Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 1 5
6 1.2 Zufällige Ereignisse und Wahrscheinlichkeiten Ideales Zufallsexperiment, zufälliger Versuch, Zufallssituation: Genau festgelegte Bedingungen. Ausgang bzw. Ergebnis des Experiments ist nicht vorhersehbar, die möglichen Ausgänge sind vor Durchführung des Experiments bekannt. Es ist zumindest gedanklich beliebig oft wiederholbar und eine statistische Regularität kann beobachtet oder angenommen werden. In einfachen Fällen: Menge aller möglicher Ergebnisse (Ergebnismenge, Grundmenge) Ω. Elemente ω 1, ω 2,... der Ergebnismenge sind die Elementarereignisse, Versuchsausgänge oder Grundrealisierungen. Die vorfügbare Information spielt eine große Rolle. Beispiele: Würfeln mit einem oder mehreren Würfeln. Bildquelle: de.wikipedia.org/wiki/spielwürfel Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 1 6
7 Zufällige Ereignisse Zufälliges Ereignis oder kurz Ereignis A zu einem betrachteten Zufallsexperiment: nach Durchführung des Zufallsexperiments muss man mit Sicherheit sagen können, ob das Ereignis A eingetreten ist oder nicht. Im Sinne der (mathematischen) Logik: Das Ereignis A ist eingetreten. ist entweder eine wahre oder falsche Aussage. Im Fall einer Ergebnismenge Ω: Teilmenge A der Ergebnismenge Ω; das Ereignis A tritt ein, falls das realisierte Ergebnis des zufälligen Versuchs in der Menge A enthalten ist. Beispiele: Würfeln mit einem oder mehreren Würfeln. Tägliche DAX-Schlusskurse. Bildquelle: Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 1 7
8 Wahrscheinlichkeiten Jedem zufälligen Ereignis A zu einem betrachteten Zufallsexperiment wird eine Zahl zwischen 0 und 1 zugeordnet, die sogenannte Wahrscheinlichkeit (für das Eintreten) des Ereignisses P(A). P(A) ist ein quantitatives Maß für die Chancen, dass das zufällige Ereignis A bei einer Realisierung des Experiments eintritt, z.b. P(A) 0 sehr geringe; P(A) 1 sehr große Chancen. Hintergrund sind Eigenschaften von relativen Häufigkeiten h n (A) = H n(a) n P(A) (falls n groß) ; H n (A) Häufigkeit des Eintretens von A in n (unabhängigen) Realisierungen des Zufallsexperiments. Häufigkeitsinterpretation für P(A): bei n Realisierungen des Zufallsexperiments wird (oft) das zufällige Ereignis A ungefähr n P(A) mal eintreten und n (1 P(A)) mal nicht eintreten. Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 1 8
9 Stabilisierung von relativen Häufigkeiten Beispiel Quelle: N.Henze, Stochastik für Einsteiger, 2013, 10.Auflage, Kap.4. Ergebnisse von 300 Würfen einer Reißzwecke auf einen Steinboden mit den beiden möglichen Ergebnissen Spitze nach oben = 1 und Spitze schräg nach unten = 0. Fortlaufend notierte relative Häufigkeiten für 1 : Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 1 9
10 Einige elementare mathematische Fragestellungen 1. Wie können mathematische Definitionen für Wahrscheinlichkeiten gegeben werden? 2. Wie kann man bei bekannten Wahrscheinlichkeiten für bestimmte zufällige Ereignisse die Wahrscheinlichkeiten für andere zufällige Ereignisse berechnen, welche Rechenregeln und Eigenschaften können genutzt werden? 3. Was ändert sich in der Modellierung, wenn zusätzliche Informationen zu einem Zufallsexperiment verfügbar werden (oder hypothetischerweise angenommen werden)? Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 1 10
11 Verknüpfungen von Ereignissen Geg.: Zufallsexperiment mit Ergebnismenge Ω und zufälligen Ereignissen A, B. Vereinigung A B : A oder B (oder beide) treten ein. Durchschnitt A B : A und B treten beide ein. Differenz A \ B : A tritt ein, aber B nicht. Das zu A komplementäre (entgegengesetzte) Ereignis A = A c = A : tritt genau dann ein, wenn A nicht eintritt; A = Ω \ A. Unmögliches Ereignis : tritt niemals ein. Sicheres Ereignis Ω : tritt immer ein (gleich Ergebnismenge). A und B sind unvereinbar (sind disjunkt, schließen einander aus) : sie können nicht gemeinsam eintreten, d.h. A B =. Das Ereignis A zieht das Ereignis B nach sich : A B (wenn A eintritt, dann tritt auch B ein). Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 1 11
12 Rechenregeln für Verknüpfungen von Ereignissen Geg.: Zufallsexperiment mit Ergebnismenge Ω und zufälligen Ereignissen A, B, C. Dann gelten wie allgemein für Teilmengen A, B, C einer Menge Ω die folgenden Rechenregeln. Kommutativität : A B = B A, A B = B A. Assoziativität : (A B) C = A (B C), (A B) C = A (B C). Distributivität : (A B) C = (A C) (B C), (A B) C = (A C) (B C). Regeln von de Morgan : A B = A B, A B = A B. ( ) A A = Ω, A A =, A \ B = A B, A = A, A = A, A =, A Ω = Ω, A Ω = A. Entsprechend können auch Vereinigungen und Durchschnitte von mehr als zwei Ereignissen definiert werden und auch die Rechenregeln können entsprechend verallgemeinert werden. Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 1 12
13 Übungsbeispiel Entwicklung von 3 konkreten Aktienkursen in einem festen Zeitraum an einer bestimmten Börse. S i = {Wert der Aktie i steigt}. Ges.: Darstellung der folgenden Ereignisse durch die Ereignisse S i. A = {Wert aller 3 Aktien steigt}. B = {Wert keiner der 3 Aktien steigt}. C = {Wert mindestens einer der 3 Aktien steigt}. D = {Wert genau einer der 3 Aktien steigt}. E = {Wert aller 3 Aktien fällt oder bleibt gleich}. Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 1 13
14 Axiomatische Wahrscheinlichkeitsdefinition (Kolmogorow) Mathematisches Modell für ein Zufallsexperiment ist ein Wahrscheinlichkeitsraum (Ω, A, P). Ω ist eine nichtleere Menge (Grundraum, Ergebnismenge), sie wird in komplizierteren Situationen oft nicht explizit angegeben. A ist eine Menge von Teilmengen von Ω, so dass endlich viele oder abzählbar unendliche Verknüpfungen von Elementen aus A wieder zu einem Ergebnis in A führen (Ereignisalgebra, σ Algebra). Die Wahrscheinlichkeitsfunktion P ordnet jeder Menge A aus A die reelle Zahl P(A) zu, so dass die folgenden Axiome gelten: 1. 0 P(A) P(Ω) = P(A 1 A 2 = P(A 1 ) + P(A 2 ) falls A 1 A 2 =. ( ) 4. P A i = P(A i ) falls die Ereignisse A i paarweise unvereinbar i=1 i=1 sind, d.h. A i A j = (i j). Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 1 14
15 Bemerkungen zu und Folgerungen aus den Axiomen Man benutzt oft weiter die Wahrscheinlichkeitsterminologie (z.b. Ereignis statt Teilmenge ). Axiome spiegeln Eigenschaften der relativen Häufigkeiten wider. Alle Zuordnungen von Wahrscheinlichkeiten die den Axiomen genügen sind mathematisch gesehen erst einmal korrekt (insbesondere auch subjektive Zuordnungen). P( ) = 0. P(A 1 A 2... A n ) = P(A 1 ) + P(A 2 ) P(A n ) falls die Ereignisse A i paarweise unvereinbar sind. P(A) = 1 P(A), P(A) = 1 P(A). (Oft sehr nützlich!) A B P(A) P(B), P(B \ A) = P(B) P(A). Additionsgesetz: P(A B) = P(A) + P(B) P(A B). Siebformel: P(A B C) = P(A)+P(B)+P(C) P(A B) P(A C) P(B C)+P(A B C). Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 1 15
16 Übungsbeispiel Für die Ereignisse A und B zu einem Zufallsexperiment seien folgende Wahrscheinlichkeiten bekannt: P(A) = 0.25, P(B) = 0.45, P(A B) = 0, 5. Berechnen Sie P ( A B ), P ( A B ) und P (( A B ) ( A B ))! Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 1 16
17 Klassische Wahrscheinlichkeitsdefinition (Laplace-Modell) Gilt für Zufallsversuche mit endlich vielen möglichen Versuchsergebnissen (n elementare Versuchsausgänge oder Elementarereignisse), die alle gleichwahrscheinlich sind (keines wird bevorzugt, alle haben dieselbe Chance einzutreten). Beispiele: Würfeln mit einem fairen oder gerechten Würfel, n = 6, Elementarereignisse sind 1, 2, 3, 4, 5, 6. Zahlenlotto 6 aus 49, n = Anzahl der möglichen Tipps mit 6 aus 49 Zahlen. Aus den Axiomen für Wahrscheinlichkeiten folgt dann die einzige mögliche Definition von Wahrscheinlichkeiten in dieser Situation (die sogenannte klassische Wahrscheinlichkeitsdefinition). Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 1 17
18 Klassische Wahrscheinlichkeitsdefinition Für jedes der n Elementarereignisse gilt unter obigen Bedingungen: P(Elementarereignis) = 1 n. Für ein beliebiges Ereignis A gilt unter obigen Bedingungen: P(A) = Anzahl der Elementarereignisse in A n bzw. P(A) = Anzahl der für A günstigen Fälle Anzahl aller möglichen gleichwahrscheinlichen Fälle. Bei Wahrscheinlichkeitsberechnungen im Zusammenhang mit der klassischen Wahrscheinlichkeitsdefinition werden oft kombinatorische Formeln genutzt (siehe später). Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 1 18
19 1.3 Bedingte Wahrscheinlichkeiten Sind zusätzliche Informationen zu einem Zufallsexperiment verfügbar (oder werden diese hypothetisch angenommen), können sich die Wahrscheinlichkeiten für die zufälligen Ereignisse ändern. Geg.: Zufallsexperiment mit Ereignissen A, B wobei P(B) > 0. Es sei jetzt zusätzlich bekannt, dass B eingetreten ist. Def.: Bedingte Wahrscheinlichkeit von A unter der Bedingung B: P(A B) = P(A B) P(B). Auch diese Begriffsbildung basiert auf den Eigenschaften der relativen Häufigkeiten. Beispiel: C = {Neugeborenes wird 5 Jahre alt}, z.b. P(C) = D = {Neugeborenes wird 50 Jahre alt}, z.b. P(D) = Ges.: P(D C). Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 1 19
Statistik I für Betriebswirte Vorlesung 1
Statistik I für Betriebswirte Vorlesung 1 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 9. April 2018 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 1 1 Organisatorisches
MehrStatistik I für Betriebswirte Vorlesung 1
Statistik I für Betriebswirte Vorlesung 1 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 1. April 2019 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 1 Version: 18. März
MehrGrundbegriffe der Wahrscheinlichkeitstheorie
KAPITEL 1 Grundbegriffe der Wahrscheinlichkeitstheorie 1. Zufallsexperimente, Ausgänge, Grundmenge In der Stochastik betrachten wir Zufallsexperimente. Die Ausgänge eines Zufallsexperiments fassen wir
Mehr2. 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
MehrTeil II. Wahrscheinlichkeitsrechnung
Teil II Wahrscheinlichkeitsrechnung Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2014) Folie 129 5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) 5 Zufallsexperimente Ergebnisse Ereignisse
MehrTeil II. Wahrscheinlichkeitsrechnung. Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2015) Folie 129
Teil II Wahrscheinlichkeitsrechnung Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2015) Folie 129 5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) 5 Zufallsexperimente Ergebnisse Ereignisse
MehrTeil II. Wahrscheinlichkeitsrechnung. Inhaltsverzeichnis (Ausschnitt) Zufallsexperimente (Zufallsvorgänge) Ergebnisse
5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) Teil II Wahrscheinlichkeitsrechnung 5 Zufallsexperimente Ergebnisse Ereignisse Wahrscheinlichkeiten Deskriptive Statistik und Wahrscheinlichkeitsrechnung
MehrDr. H. Grunert Einführung in die Wahrscheinlichkeitsrechnung Vorlesungscharts. Vorlesung 1. Grundbegriffe der Wahrscheinlichkeitsrechnung
Vorlesungscharts Vorlesung 1 Grundbegriffe der Wahrscheinlichkeitsrechnung Zufallsvorgänge und Zufallsereignisse Definitionen der Wahrscheinlichkeit Seite 1 von 11 Chart 1: Vorgänge deterministisch zufällig
MehrEinführung in die Wahrscheinlichkeitsrechnung
Marco Cattaneo Institut für Statistik Ludwig-Maximilians-Universität München Sommersemester 2011 1. Wahrscheinlichkeitsrechnung 2. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grenzwertsätze
MehrStatistik I für Betriebswirte Vorlesung 2
Statistik I für Betriebswirte Vorlesung 2 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 16. April 2018 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 2 Version: 9. April
MehrRumpfskript. Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen
Rumpfskript Elementare Wahrscheinlichkeitsrechnung Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen Vorbemerkung Vorbemerkung Das vorliegende Skript heißt nicht nur Rumpf skript, sondern
Mehr1. Grundlagen der Wahrscheinlichkeitsrechnung
1. Grundlagen der Wahrscheinlichkeitsrechnung Ereignisse und Wahrscheinlichkeiten Zufälliger Versuch: Vorgang, der (zumindest gedanklich) beliebig oft wiederholbar ist und dessen Ausgang innerhalb einer
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 7. Übung SS 16: Woche vom
Übungsaufgaben 7. Übung SS 16: Woche vom 23. 5. 27. 5.. 2016 Stochastik I: Klassische Wkt.-Berechnung Aufgaben: s. pdf auf der homepage von Dr. Vanselow http://www.math.tu-dresden.de/ vanselow/... (SS16).html
Mehr1 Elemente der Wahrscheinlichkeitstheorie
H.-J. Starkloff Unendlichdimensionale Stochastik Kap. 01 11. Oktober 2010 1 1 Elemente der Wahrscheinlichkeitstheorie 1.1 Messbare Räume Gegeben seien eine nichtleere Menge Ω und eine Menge A von Teilmengen
MehrStatistik für Ingenieure Vorlesung 2
Statistik für Ingenieure Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 24. Oktober 2016 2.4 Bedingte Wahrscheinlichkeiten Häufig ist es nützlich, Bedingungen
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 2. Stock, Nordflügel R. 02-429 (Persike) R. 02-431 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 2008/2009
MehrKapitel II - Wahrscheinlichkeitsraum
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel II - Wahrscheinlichkeitsraum Markus Höchstötter Lehrstuhl für Statistik, Ökonometrie
MehrWahrscheinlichkeitsrechnung und Statistik
1. und 2. Vorlesung - 2017 Im Alltag... Laut den meteorologischen Vorhersagen wird es morgen regnen. Ob ich riskiere und die Wette verlieren werde? Ich werde mit Sicherheit gewinnen! Ist das wirklich unmöglich?
MehrWahrscheinlichkeitsrechnung [probability]
Wahrscheinlichkeitsrechnung [probability] Hinweis: Die Wahrscheinlichkeitsrechnung ist nicht Gegenstand dieser Vorlesung. Es werden lediglich einige Begriffsbildungen bereitgestellt und an Beispielen erläutert,
MehrLeseprobe. Robert Galata, Sandro Scheid. Deskriptive und Induktive Statistik für Studierende der BWL. Methoden - Beispiele - Anwendungen
Leseprobe Robert Galata, Sandro Scheid Deskriptive und Induktive Statistik für Studierende der BWL Methoden - Beispiele - nwendungen Herausgegeben von Robert Galata, Markus Wessler ISBN (Buch): 978-3-446-43255-0
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
MehrKapitel ML:IV. IV. Statistische Lernverfahren. Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen
Kapitel ML:IV IV. Statistische Lernverfahren Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen ML:IV-1 Statistical Learning c STEIN 2005-2011 Definition 1 (Zufallsexperiment,
MehrWahrscheinlichkeitstheorie Kapitel I - Einführende Beispiele
Wahrscheinlichkeitstheorie Kapitel I - Einführende Beispiele Georg Bol georg.bol@statistik.uni-karlsruhe.de Markus Höchstötter hoechstoetter@statistik.uni-karlsruhe.de Wahrscheinlichkeitstheorie Agenda:
MehrKapitel II - Wahrscheinlichkeitsraum
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel II - Wahrscheinlichkeitsraum Wahrscheinlichkeitstheorie Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh
MehrKlausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende
Universität Duisburg-Essen Essen, den 0.0.009 Fachbereich Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,
MehrKapitel 5 Stochastische Unabhängigkeit
Kapitel 5 Stochastische Unabhängigkeit Vorlesung Wahrscheinlichkeitsrechnung I vom SoSe 2009 Lehrstuhl für Angewandte Mathematik 1 FAU 5.1 Das Konzept der stochastischen Unabhängigkeit. 1 Herleitung anhand
MehrStatistik I für Betriebswirte Vorlesung 5
Statistik I für Betriebswirte Vorlesung 5 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik 07. Mai 2015 PD Dr. Frank Heyde Statistik I für Betriebswirte Vorlesung 5 1 Klassische Wahrscheinlichkeitsdefinition
MehrStatistik I für Betriebswirte Vorlesung 3
Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 20. April 2017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 18.
MehrGründe für die Behandlung von stochastischen Problemen (nach KÜTTING)
Vorlesung 03.01.09 Stochastik Gründe für die Behandlung von stochastischen Problemen (nach KÜTTING) Der Mathematikunterricht der Schule hat die Aufgabe, eine Grundbildung zu vermitteln, die auf ein mathematisches
MehrEin Ereignis ist eine Menge von Elementarereignissen. Berechnung von Wahrscheinlichkeiten zufälliger Ereignisse erfordert ein Modell.
SS 2013 Prof. Dr. J. Schütze/ J.Puhl FB GW Wkt.1 1 Grundbegriffe Zufallsexperiment unter gleichen Bedingungen wiederholbarer Vorgang (geplant, gesteuert, beobachtet oder auch nur gedanklich) Menge der
MehrGrundbegriffe der Wahrscheinlichkeitsrechnung
Algorithmen und Datenstrukturen 349 A Grundbegriffe der Wahrscheinlichkeitsrechnung Für Entwurf und Analyse randomisierter Algorithmen sind Hilfsmittel aus der Wahrscheinlichkeitsrechnung erforderlich.
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,
MehrWahrscheinlichkeitsrechnung
2 Wahrscheinlichkeitsrechnung 2.1 Grundbegriffe Wir betrachten zwei Beispiele, um erste Grundbegriffe anschaulich einzuführen. Beispiel 2.1.1. In einem Elektronikmarkt liegen 50 MP3-Player auf einem Tisch,
Mehr1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6
Inhaltsverzeichnis 1 Vorbemerkungen 1 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2 3 Wahrscheinlichkeitsaxiome 4 4 Laplace-Experimente 6 5 Hilfsmittel aus der Kombinatorik 7 1 Vorbemerkungen
MehrVenndiagramm, Grundmenge und leere Menge
Venndiagramm, Grundmenge und leere Menge In späteren Kapitel wird manchmal auf die Mengenlehre Bezug genommen. Deshalb sollen hier die wichtigsten Grundlagen und Definitionen dieser Disziplin kurz zusammengefasst
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
. Grundlagen der Wahrscheinlichkeitstheorie. Zufallsereignisse, Ereignisraum und Ereignismenge Zufallsexperiment: nach einer bestimmten Vorschrift ausgeführter, unter gleichen edingungen beliebig oft wiederholbarer
MehrWAHRSCHEINLICHKEITSRECHNUNG
WAHRSCHEINLICHKEITSRECHNUNG Mathematischer Teil In der Wahrscheinlichkeitsrechnung haben wir es mit Zufallsexperimenten zu tun, d.h. Ausgang nicht vorhersagbar. Grundbegriffe Zufallsexperiment und Ergebnisse
MehrMathematik: Mag. Schmid Wolfgang & LehrerInnenteam Arbeitsblatt 7-9 7. Semester ARBEITSBLATT 7-9. Was ist Wahrscheinlichkeit
ARBEITSBLATT 7-9 Was ist Wahrscheinlichkeit "Ein guter Mathematiker kann berechnen, welche Zahl beim Roulette als nächstes kommt", ist eine Aussage, die einfach falsch ist. Zwar befassen sich Mathematiker
MehrEinführung. 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
Mehr7. Kapitel: Zufallsvorgänge, Ereignisse und Wahrscheinlichkeiten
7. Kapitel: Zufallsvorgänge, Ereignisse und Wahrscheinlichkeiten 7.1 Zufallsvorgänge - zufälliges Geschehen/ Zufallsvorgang/ stochastische Vorgang: aus Geschehen/Vorgang/Experiment (mit gegebener Ausgangssituation)
MehrWahrscheinlichkeitsrechnung und Statistik
1. Vorlesung - 7.10.2016 Im Alltag... Laut den meteorologischen Vorhersagen wird es morgen regnen. Ob ich riskiere und die Wette verlieren werde? Ich werde mit Sicherheit gewinnen! Ist das wirklich unmöglich?
MehrWahrscheinlichkeitsrechnung
Wahrscheinlichkeitsrechnung. Semester Begleitendes Skriptum zur Vorlesung im FH-Masterstudiengang Technisches Management von Günther Karigl FH Campus Wien 206/7 Inhaltsverzeichnis. Semester: Wahrscheinlichkeitsrechnung
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 8. Übung SS 16: Woche vom
Übungsaufgaben 8. Übung SS 16: Woche vom 30. 5. 3.6. 2016 Stochastik II: Klassische Wkt.-Berechnung; Unabhängigkeit Aufgaben: s. pdf auf der homepage von Dr. Vanselow http://www.math.tu-dresden.de/ vanselow/...
MehrStatistische Methoden der Datenanalyse Wintersemester 2011/2012 Albert-Ludwigs-Universität Freiburg
Statistische Methoden der Datenanalyse Wintersemester 2011/2012 Albert-Ludwigs-Universität Freiburg Prof. Markus Schumacher Physikalisches Institut Westbau 2 OG Raum 008 Telefonnummer 07621 203 7612 E-Mail:
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
MehrBernoullikette und Binomialverteilung. Binomialverteilung
Binomialverteilung Inhaltsverzeichnis Vorbemerkungen... 3 Listen und Mengen... 3 Beispiele für Ergebnisräume... 3 Bernoulliketten... 3 Binomialverteilung... 3 Aufgabe... 3 Graphische Veranschaulichung...
MehrWahrscheinlichkeitstheorie
Kapitel 2 Wahrscheinlichkeitstheorie Josef Leydold c 2006 Mathematische Methoden II Wahrscheinlichkeitstheorie 1 / 24 Lernziele Experimente, Ereignisse und Ereignisraum Wahrscheinlichkeit Rechnen mit Wahrscheinlichkeiten
MehrMustererkennung: Wahrscheinlichkeitstheorie. D. Schlesinger () ME: Wahrscheinlichkeitstheorie 1 / 10
Mustererkennung: Wahrscheinlichkeitstheorie D. Schlesinger () ME: Wahrscheinlichkeitstheorie 1 / 10 Definitionen (axiomatisch) Wahrscheinlichkeitsraum (Ω, σ, P), mit Ω Die Grundmenge, die Menge der elementaren
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
MehrWahrscheinlichkeitstheorie
Kapitel 2 Wahrscheinlichkeitstheorie Wir betrachten Ereignisse, die in fast gleicher Form öfter auftreten oder zumindest öfter auftreten können. Beispiele: Werfen eines Würfels, Sterben an Herzversagen
MehrWahrscheinlichkeitstheorie und Maßtheorie
KAPITEL 7 Wahrscheinlichkeitstheorie und Maßtheorie 7.1. Vorüberlegungen Die folgenden drei Beispiele sind Spezialfälle des Oberbegriffs Maß. Beispiel 7.1.1 (Verteilung der Ladung oder der Masse). Man
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
MehrStatistik 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
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürgen Senger INDUKTIVE STATISTIK Wahrscheinlichkeitstheorie, Schätz- und Testverfahren ÜBUNG - LÖSUNGEN. Zweimaliges Werfen eines Würfels mit Berücksichtigung der Reihenfolge a. Ergebnismenge (Ereignisraum)
Mehr4b. Wahrscheinlichkeit und Binomialverteilung
b. Wahrscheinlichkeit und Binomialverteilung Um was geht es? Häufigkeit in der die Fehlerzahl auftritt 9 6 5 3 2 2 3 5 6 Fehlerzahl in der Stichprobe Wozu dient die Wahrscheinlichkeit? Häfigkeit der Fehlerzahl
MehrMathe-Camp 2017 Stochastik: Geometrische Wahrscheinlichkeiten
Mathe-Camp 2017 Stochastik: Geometrische Wahrscheinlichkeiten Jo rn Saß, sass@mathematik.uni-kl.de Fachbereich Mathematik, TU Kaiserslautern Arbeitsgruppe Stochastische Steuerung und Finanzmathematik Kaiserslautern
MehrÜ b u n g s b l a t t 15
Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel 2. 7. 2007 Ü b u n g s b l a t t 15 Hier ist zusätzliches Übungsmaterial zur Klausurvorbereitung quer durch die Inhalte der Vorlesung. Eine
MehrBiometrieübung 2 Wahrscheinlichkeitsrechnung
Biometrieübung 2 (Wahrscheinlichkeitsrechnung) - Aufgabe Biometrieübung 2 Wahrscheinlichkeitsrechnung Aufgabe 1. Kartenspiel Wie groß ist die Wahrscheinlichkeit, daß man aus einem Kartenspiel mit 52 Karten
MehrZufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen
Zufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen Wichtige Tatsachen und Formeln zur Vorlesung Mathematische Grundlagen für das Physikstudium 3 Franz Embacher http://homepage.univie.ac.at/franz.embacher/
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
MehrStochastik für Ingenieure
Otto-von-Guericke-Universität Magdeburg Fakultät für Mathematik Institut für Mathematische Stochastik Stochastik für Ingenieure (Vorlesungsmanuskript) von apl.prof. Dr. Waltraud Kahle Empfehlenswerte Bücher:
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
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.
MehrStochastik I. Vorlesungsmitschrift
Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................
MehrWahrscheinlichkeitsverteilungen
Wahrscheinlichkeitsverteilungen 1. Binomialverteilung 1.1 Abzählverfahren 1.2 Urnenmodell Ziehen mit Zurücklegen, Formel von Bernoulli 1.3 Berechnung von Werten 1.4 Erwartungswert und Standardabweichung
MehrStochastik. 1. Wahrscheinlichkeitsräume
Stochastik 1. Wahrscheinlichkeitsräume Ein Zufallsexperiment ist ein beliebig oft und gleichartig wiederholbarer Vorgang mit mindestens zwei verschiedenen Ergebnissen, bei dem der Ausgang ungewiß ist.
MehrGrundbegriffe der Wahrscheinlichkeitstheorie. Karin Haenelt
Grundbegriffe der Wahrscheinlichkeitstheorie Karin Haenelt 1 Inhalt Wahrscheinlichkeitsraum Bedingte Wahrscheinlichkeit Abhängige und unabhängige Ereignisse Stochastischer Prozess Markow-Kette 2 Wahrscheinlichkeitsraum
Mehr3. Grundbegriffe der Wahrscheinlichkeitstheorie
03. JULI 2006: BLATT 17 3. Grundbegriffe der Wahrscheinlichkeitstheorie (v.a. nach Manning/Schütze: 40ff und Fahrmeir /Künstler/Pigeot/Tutz: 171ff) Übersicht Um entscheiden zu können, ob eine statistische
MehrGrundbegriffe der Wahrscheinlichkeitsrechnung
Algorithmen und Datenstrukturen 112 A Grundbegriffe der Wahrscheinlichkeitsrechnung Für Entwurf und Analyse randomisierter Algorithmen sind Hilfsmittel aus der Wahrscheinlichkeitsrechnung erforderlich.
MehrStatistik 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.
MehrWahrscheinlichkeitsrechnung und Statistik
Babeş-Bolyai Universität Fakultät für Mathematik und Informatik Oktober 2018 Im Alltag... Laut den meteorologischen Vorhersagen wird es morgen regnen. Ob ich riskiere und die Wette verlieren werde? Ich
MehrInhaltsverzeichnis (Ausschnitt)
8 Messbarkeit und Bildwahrscheinlichkeit Inhaltsverzeichnis (Ausschnitt) 8 Messbarkeit und Bildwahrscheinlichkeit Messbare Abbildungen Bildwahrscheinlichkeit Deskriptive Statistik und Wahrscheinlichkeitsrechnung
MehrVorlesung Statistik, H&A Mathe, Master M
Beispiel: Die Wahrscheinlichkeit dafür, dass ein Bewerber von Firma A angenommen wird ist P(A) = 0,2. Die Wahrscheinlichkeit von Firma B angenommen zu werden beträgt P(B) = 0,3. Von mindestens einer der
Mehr4. Die Laplacesche Gleichverteilung
Universität Basel Wirtschaftswissenschaftliches Zentrum Grundlagen der Stochastik Dr. Thomas Zehrt Inhalt: 1. Die Ereignismenge 2. Die Wahrscheinlichkeitsverteilung 3. Eigenschaften einer Wahrscheinlichkeitsverteilung
MehrPopulation und Stichprobe: Wahrscheinlichkeitstheorie
Population und Stichprobe: Wahrscheinlichkeitstheorie SS 2001 4. Sitzung vom 15.05.2001 Wahrscheinlichkeitstheorie in den Sozialwissenschaften: Stichprobenziehung: Aussagen über Stichprobenzusammensetzung
MehrKapitel N. Wahrscheinlichkeitsrechnung
Kapitel N Wahrscheinlichkeitsrechnung Inhalt dieses Kapitels N000 1 Diskrete Wahrscheinlichkeitsräume 2 Bedingte Wahrscheinlichkeit und Unabhängigkeit 1 Produktexperimente 2 Kombinatorik und Urnenmodelle
MehrWahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26)
Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26 Ein Wahrscheinlichkeitsraum (Ω, P ist eine Menge Ω (Menge aller möglichen Ausgänge eines Zufallsexperiments: Ergebnismenge versehen mit einer Abbildung
Mehr1 Grundbegriffe der Wahrscheinlichkeitsrechnung
4 1 Grundbegriffe der Wahrscheinlichkeitsrechnung 1.1 Grundlegende Begriffe Der Begriff wahrscheinlich wird im Alltag in verschiedenen Situationen verwendet, hat dabei auch unterschiedliche Bedeutung.
MehrWahrscheinlichkeitsrechnung
Wahrscheinlichkeitsrechnung Grundbegriffe: Experiment: ein Vorgang, den man unter gleichen Voraussatzungen beliebig oft wiederholen kann. Ergebnis ω : Ausgang eines Experiments Ergebnismenge Ω : Menge
MehrWelche 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.
MehrKapitel 6. Kapitel 6 Mehrstufige Zufallsexperimente
Mehrstufige Zufallsexperimente Inhalt 6.1 6.1 Mehrstufige Experimente 6.2 6.2 Bedingte Wahrscheinlichkeiten Seite 2 6.1 Mehrstufige Experimente Grundvorstellung: Viele Viele Experimente werden der der
MehrStatistik II für Betriebswirte Vorlesung 1
Statistik II für Betriebswirte Vorlesung 1 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 16. Oktober 2017 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 1 Version:
MehrDiskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier
Diskrete Strukturen und Logik WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Diskrete Strukturen und Logik Gesamtübersicht Organisatorisches Einführung Logik & Mengenlehre
MehrTheoretische Biophysik - Statistische Physik
Theoretische Biophysik - Statistische Physik 3. Vorlesung Pawel Romanczuk Wintersemester 2018 http://lab.romanczuk.de/teaching/ 1 Zusammenfassung letzte VL Einstieg in die Wahrscheinlichkeitstheorie Axiomatische
MehrSTATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik. Mögliche Ergebnisse, auch Elementarereignisse bezeichnet
Kapitel 10 Zufall und Wahrscheinlichkeit 10.1. Grundbegriffe Wahrscheinlichkeitsrechnung Zufallsvorgang Klein-Omega ω Groß-Omega Ω Stellt Modelle bereit, die es erlauben zufallsabhängige Prozesse abzuschätzen
MehrZusammenfassung Stochastik
Zusammenfassung Stochastik Die relative Häufigkeit Ein Experiment, dessen Ausgang nicht vorhersagbar ist, heißt Zufallsexperiment (ZE). Ein Würfel wird 40-mal geworfen, mit folgendem Ergebnis Augenzahl
Mehrhtw saar 1 MATHEMATIK 3: EINFÜHRUNG IN DIE STOCHASTIK
htw saar 1 MATHEMATIK 3: EINFÜHRUNG IN DIE STOCHASTIK htw saar 2 Programm für heute Organisatorisches Kurzer Überblick: Was ist Stochastik? / Unterschied Wahrscheinlichkeitstheorie Statistik Kapitel 1:
Mehr2.2 Ereignisse und deren Wahrscheinlichkeit
2.2 Ereignisse und deren Wahrscheinlichkeit Literatur: [Papula Bd., Kap. II.2 und II.], [Benning, Kap. ], [Bronstein et al., Kap. 1.2.1] Def 1 [Benning] Ein Zufallsexperiment ist ein beliebig oft wiederholbarer,
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Der Wahrscheinlichkeitsbegriff - fit für das Abitur
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Der Wahrscheinlichkeitsbegriff - fit für das Abitur Das komplette Material finden Sie hier: School-Scout.de Wiederholung: Zufallsexperiment,
MehrZusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen
Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind
MehrKapitel 2. Wahrscheinlichkeit (wird heute behandelt) Kapitel 2. Wahrscheinlichkeit
Teil I: Wahrscheinlichkeitstheorie 1 Kapitel 2. Wahrscheinlichkeit (wird heute behandelt) Kapitel 3: Bedingte Wahrscheinlichkeit Kapitel 4: Zufallsvariablen Kapitel 5: Erwartungswerte, Varianz, Kovarianz
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
MehrSachrechnen/Größen WS 14/15-
Kapitel Daten & Wahrscheinlichkeit 3.1 Kombinatorische Grundlagen 3.2 Kombinatorik & Wahrscheinlichkeit in der Grundschule 3.3 Daten Darstellen 3.1 Kombinatorische Grundlagen Verschiedene Bereiche der
Mehr10. Vorlesung. Grundlagen in Statistik. Seite 291. Martin-Luther-Universität Halle/Wittenberg
. Vorlesung Grundlagen in Statistik Seite 29 Beispiel Gegeben: Termhäufigkeiten von Dokumenten Problemstellung der Sprachmodellierung Was sagen die Termhäufigkeiten über die Wahrscheinlichkeit eines Dokuments
Mehr