Analysis Seite 1. 1 f' = g f (x) g'(f(x)) f '(x) f (y) = mit y = f(x) bzw. f (x) = k f(x)dx = k f(x) + c. (f(x) ± g(x))dx = f(x)dx ± g(x)dx
|
|
- Rüdiger Schumacher
- vor 7 Jahren
- Abrufe
Transkript
1 Analysis Seite Ableitungsregeln: (f±g) = f ± g (f g) = f g + fg ' f f'g fg' = 2 g g ' f' = 2 f f ' ( ) = g f () g'(f()) f '() ' ' f (y) = mit y = f() bzw. f () = f'() f' f( ) Integrationsregeln: b a c b b f()d = f()d ; f()d + f()d = f()d a b a c a f()d = f() + c (f() ± g())d = f()d ± g()d f '() g() d = f() g() f() g'() d f(g()) f '() d = f(u)du mit u = g() und du = g'()d Uneigentliche Integrale: b f()d = lim f()d f()d = lim f()d b c a a c c Einfache Grundintegrale: n n+ d= + c n ;c R n+ d ln() c ; e d e = + = + c ; ln()d = ln() + c = + = = e d e c ; 0 ; ln()d ln(u)du mit u
2 Analysis Seite 2 Logarithmusfuntion: ln() = ln(u)du ln(e) = Umehrfuntion ln() = e Logarithmengesetze: ln(a b) = ln(a) + ln(b) e e = e c d c+ d a ln( ) = ln(a) ln(b) e : e = e b c d c d ( ) d b c c d ln(a ) = b ln(a) e = e ln() Allgemeine Logarithmusfuntion : log c() = ln(c) f'() Spezielles Integral : d = ln f() + c f() Grenzwerte: n GRF() lim = 0 lim = 0 e e d.h. die e Funtion steigt stär er als jede Ganzrationale Funtion beliebigen Grades n lim e = 0 bzw. lim GRF() e = 0 Entsprechend für die Logarithmusfuntion: ln lim ln = 0 und lim = 0 0 d.h. die ln-funtion steigt langsamer als jede Ganzrationale Funtion beliebigen Grades
3 Analytische Geometrie Seite 3 Geraden im 3 R : g: = a+λu Ebenen im 3 R : E: = a+λ u+µ v ; λ, µ R Parameterform E: A + A + A + A = 0 ; A R Koordinatenform i E : n ( a) = 0 Normalenform E : n ( a) = 0 mit n = und n a > 0 Hesse Normalenform Abstand Punt Gerade : d = d d = n 0 ( p) Ist d< 0 dann liegt P bzl. E auf der gleichen Seite wie der Ursprung 0 Ist d > 0 dann liegt P bzl. E auf der entgegen gesetzten Seite wie derursprung 0 Salarprodut : 3 y = y bzw. y = y cos (,y) i= i i Vetorprodut : e e e y y y = = y y y y y y y y z y = y sin,y) Determinanten: a b c a b d e f d e = (aei + bfg + cdh) (gec + hfa + idb) g h i g h
4 Analytische Geometrie Seite 4 Spatvolumen : Das Volumen des von den Vetoren,y,z aufgespannten Spats ist V = y z Spat ( ) Pyramidenvolumen: a) Vierecspyramide Vp = VSpat 3 b) Dreiecspyramide Vp = VSpat 6
5 Wahrscheinlicheitsrechnung / Statisti Seite 5 Urneneperiment In einer Urne sind n unterscheidbare Kugeln, z.b. nummeriert von bis n Permutationen Alle n Kugeln werden nacheinander ohne Zurüclegen gezogen. Die Reihenfolge wird notiert. -Permutationen-ohne (Variationen) der n Kugeln( n) werden nacheinander ohne Zurüclegen gezogen. Die Reihenfolge wird notiert. Anzahl der Möglicheiten n! n ( n ) ( n 2)... ( n + n! = ( n )! Realeperiment Wir haben n unterscheidbare Objete Es gibt n! verschiedene Anordnungen (Permutationen) mit n unterscheidbaren Objeten.. Wir bilden also n-tupel: ( ) Es werden der n Objete ausgewählt und diese dann in alle mögliche Reihenfolgen gebracht -Tupel: ( ) -Permutationen-mit (Variationen) der n Kugeln( n) werden nacheinander mit Zurüclegen gezogen. Die Reihenfolge wird notiert. -Teilmengen (Kombinationen) der n Kugeln( n) werden nacheinander ohne Zurüclegen gezogen. Die Reihenfolge n n Es werden der n Objete mit Zurüclegen ausgewählt und diese dann in alle mögliche Reihenfolgen gebracht -Tupel: ( ) Nacheinander werden Kugeln (ohne Zurüclegen) entnommen, es wird eine Reihenfolge gebildet. -Teilmengen: {,,..., } Binomialoeffizienten: n n! = 0! =! =! ( n )!
6 Wahrscheinlicheitsrechnung / Statisti Seite 6 Ereignisse: Jede Teilmenge der Ergebnismenge S heißt Ereignis E Wahrscheinlicheit von Ereignissen: Für Laplace-Eperimente (Eperimente, bei denen jedes mögliche Ergebnis die gleiche Wahrscheinlicheit besitzt) gilt E P(E) = S bezeichnet dabei die Anzahl der Elemente in der Menge X Erwartungswert einer Zufallsvariablen X : Varianz einer Zufallsvariablen X : Standardabweichung: µ= E(X) = P(X = ) i i i= 2 V(X) = ( i µ ) P(X = i) i= σ= V(X) Mehrstufige Zufallsversuche: Pfadregeln:.) Bei einem mehrstufigen ZF-Eperiment ist die Wahrscheinlicheit für ein Ergebnis gleich dem Produt der Wahrscheinlicheiten längs des Pfades, der zu diesem Ergebnis führt. 2.) Die Wahrscheinlicheit eines Ereignisses E ist gleich der Summe der Wahrscheinlicheiten aller Pfade, die zu einem Element dieses Ereignisses führen. Bei einem n-stufigen Bernoulli-Eperiment gilt für die Zufallsvariable X =Anzahl der Erfolge: n = = = 0 n n P(X ) p ( p) Erfolgswahrscheinlicheit p Misserfolgswahrscheinlicheit q=-p µ= E(X) = n p und σ= n p q
7 Wahrscheinlicheitsrechnung / Statisti Seite 7 Intervalle für Entscheidungsregeln: falls σ 3 90% Regel : P( µ,64 σ < X <µ+,64 σ) 90% 95% Regel : P( µ,96 σ < X <µ+,96 σ) 95% 99% Regel : P( µ 2,58σ < X <µ+ 2,58 σ) 99% Kumulierte Wahrscheinlicheiten: P(X ) = P(X = i) i= 0 P(X = ) = P(X ) P(X ( )) P(a X b) = P(X b) P(X (a )) P(X ) = P(X ( )) Speziell : P(X ) = P(X = 0)
8 Wahrscheinlicheitsrechnung / Statisti Seite 8 Binomialverteilungen umuliert n=00 p= 0, 0,2 0,3 0,35 0,4 0,5 <= 0 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0, ,002 0,000 0,000 0,000 0,000 0, ,008 0,000 0,000 0,000 0,000 0, ,024 0,000 0,000 0,000 0,000 0, ,058 0,000 0,000 0,000 0,000 0, ,7 0,000 0,000 0,000 0,000 0, ,206 0,000 0,000 0,000 0,000 0, ,32 0,00 0,000 0,000 0,000 0, ,45 0,002 0,000 0,000 0,000 0, ,583 0,006 0,000 0,000 0,000 0,000 0,703 0,03 0,000 0,000 0,000 0, ,802 0,025 0,000 0,000 0,000 0, ,876 0,047 0,000 0,000 0,000 0, ,927 0,080 0,000 0,000 0,000 0, ,960 0,29 0,000 0,000 0,000 0, ,979 0,92 0,00 0,000 0,000 0, ,990 0,27 0,002 0,000 0,000 0, ,995 0,362 0,005 0,000 0,000 0, ,998 0,460 0,009 0,000 0,000 0, ,999 0,559 0,06 0,00 0,000 0,000 2,000 0,654 0,029 0,002 0,000 0,000 22,000 0,739 0,048 0,003 0,000 0,000 23,000 0,8 0,076 0,007 0,000 0,000 24,000 0,869 0,4 0,02 0,00 0,000 25,000 0,93 0,63 0,02 0,00 0,000 26,000 0,944 0,224 0,035 0,002 0,000 27,000 0,966 0,296 0,056 0,005 0,000 28,000 0,980 0,377 0,085 0,008 0,000 29,000 0,989 0,462 0,24 0,05 0,000 30,000 0,994 0,549 0,73 0,025 0,000 3,000 0,997 0,633 0,233 0,040 0,000 32,000 0,998 0,7 0,303 0,062 0,000 33,000 0,999 0,779 0,380 0,09 0,000 34,000,000 0,837 0,462 0,30 0,00 35,000,000 0,884 0,546 0,79 0,002 36,000,000 0,920 0,627 0,239 0,003 37,000,000 0,947 0,702 0,307 0,006 38,000,000 0,966 0,770 0,382 0,00 39,000,000 0,979 0,828 0,462 0,08 40,000,000 0,988 0,875 0,543 0,028 4,000,000 0,993 0,92 0,623 0,044 42,000,000 0,996 0,94 0,697 0,067 43,000,000 0,998 0,96 0,763 0,097 44,000,000 0,999 0,975 0,82 0,36 45,000,000 0,999 0,985 0,869 0,84 46,000,000,000 0,99 0,907 0,242
9 47,000,000,000 0,995 0,936 0,309 48,000,000,000 0,997 0,958 0,382 49,000,000,000 0,999 0,973 0,460 50,000,000,000 0,999 0,983 0,540 5,000,000,000,000 0,990 0,68 52,000,000,000,000 0,994 0,69 53,000,000,000,000 0,997 0,758 54,000,000,000,000 0,998 0,86 55,000,000,000,000 0,999 0,864 56,000,000,000,000,000 0,903 57,000,000,000,000,000 0,933 58,000,000,000,000,000 0,956 59,000,000,000,000,000 0,972 60,000,000,000,000,000 0,982 6,000,000,000,000,000 0,990 62,000,000,000,000,000 0,994 63,000,000,000,000,000 0,997 64,000,000,000,000,000 0,998 65,000,000,000,000,000 0,999 66,000,000,000,000,000,000 67,000,000,000,000,000,000 68,000,000,000,000,000,000 69,000,000,000,000,000,000 70,000,000,000,000,000,000 7,000,000,000,000,000,000 72,000,000,000,000,000,000 73,000,000,000,000,000,000 74,000,000,000,000,000,000 75,000,000,000,000,000,000 76,000,000,000,000,000,000 77,000,000,000,000,000,000 78,000,000,000,000,000,000 79,000,000,000,000,000,000 80,000,000,000,000,000,000 8,000,000,000,000,000,000 82,000,000,000,000,000,000 83,000,000,000,000,000,000 84,000,000,000,000,000,000 85,000,000,000,000,000,000 86,000,000,000,000,000,000 87,000,000,000,000,000,000 88,000,000,000,000,000,000 89,000,000,000,000,000,000 90,000,000,000,000,000,000 9,000,000,000,000,000,000 92,000,000,000,000,000,000 93,000,000,000,000,000,000 94,000,000,000,000,000,000 95,000,000,000,000,000,000 96,000,000,000,000,000,000 97,000,000,000,000,000,000 98,000,000,000,000,000,000 99,000,000,000,000,000,000 00,000,000,000,000,000,000
10
Das Galton - Brett. Ein schneller Zugang zu Binomialverteilungen:
B. Pollo, LSW Soest Ein schneller Zugang zu Binomialverteilungen: Das Galton - Brett Stochasti wurde in der Seundarstufe II während der letzten Jahre längst nicht von allen Mathemati-Lehrer(inne)n unterrichtet.
Mehr2.1 Klassische kombinatorische Probleme
2 Kombinatori Aufgabenstellung: Anzahl der verschiedenen Zusammenstellungen von Objeten. Je nach Art der zusätzlichen Forderungen, ist zu unterscheiden, welche Zusammenstellungen als gleich, und welche
MehrFormelsammlung für das Niveau II
PH Bern, Vorbereitungskurs MATHEMATIK, Niveau II Formelsammlung 1 Formelsammlung für das Niveau II Binomische Formeln (a + b) = a + ab + b (a b) = a ab + b Potenzregeln a b = (a b)(a + b) a m a n = a m+n
MehrElemente der Stochastik (SoSe 2016) 5. Übungsblatt
Dr. M. Weimar 02.05.2016 Elemente der Stochasti (SoSe 2016) 5. Übungsblatt Aufgabe 1 (4 Punte) Beweisen sie, dass die Potenzmenge P(A) einer beliebigen endlichen Menge A genau P(A) 2 A Elemente enthält!
MehrKombinatorik und Urnenmodelle
Kapitel 2 Kombinatori und Urnenmodelle In diesem Abschnitt nehmen wir an, dass (Ω, A, P ein Laplace scher Wahrscheinlicheitsraum ist (vgl. Bsp.1.3, d.h. Ω ist endlich, A = P (Ω und P (A = A Ω A Ω. Für
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. 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,
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.
MehrGrundlagen der Stochastik
Grundlagen der Stochastik Johannes Recker / Sep. 2015, überarbeitet Nov. 2015 Fehlermeldungen oder Kommentare an recker@sbshh.de Inhalt 1. Grundlegende Begriffe der Wahrscheinlichkeitsrechnung... 2 1.1.
MehrZufallsvariablen rekapituliert
Zufallsvariablen rekapituliert Wolfgang Konen TH Köln, Campus Gummersbach April 2016 Wolfgang Konen (TH Köln) Zufallsvariablen April 2016 1 / 11 1 Einleitung 2 Zufallsvariablen 3 Linearität und Varianz
MehrA B A B A B C. Beispiel 1 Wie viele Möglichkeiten gibt es 3 verschiedene Kugeln: A, B und C auf verschiedene Arten auf 3 Plätze anzuordnen?
eispiel 1 Wie viele Möglicheiten gibt es 3 verschiedene Kugeln:, und auf verschiedene rten auf 3 Plätze anzuordnen? Lösung Es gibt also 6 Möglicheiten, 3 verschiedene Kugeln auf 3 verschiedene Plätze anzuordnen.
MehrZiel der Wahrscheinlichkeitsrechnung. Teil V. Wahrscheinlichkeitsrechnung. Experiment: Wurf eines Würfels
Ziel der Wahrscheinlicheitsrechnung Teil V Wahrscheinlicheitsrechnung Aussagen über Experimente und Prozesse mit unsicherem Ausgang. Beispiele Würfeln Literatur: Ziehen von Losen aus einer Urne Glücsspiele
MehrÜbung Zeigen Sie, dass dies als Grenzwert der Wahrscheinlichkeitsfunktion der Binomialverteilung mit
Übung 2 24..23 Ü b u n g 2 Aufgabe Die Poissonverteilung P(λ) hat die Wahrscheinlichkeitsfunktion p(x) = λx e λ (x ) x! Zeigen Sie, dass dies als Grenzwert der Wahrscheinlichkeitsfunktion der Binomialverteilung
MehrInhaltsverzeichnis. Dozent: Andreas Nestke Lehrfach: Mathe 3 Thema: Wahrscheinlichkeitstheorie Datum: Autor: René Pecher
Dozent: Andreas Nestke Lehrfach: Mathe 3 Thema: Wahrscheinlichkeitstheorie Datum: 24.01.2011 Autor: René Pecher Inhaltsverzeichnis 1 Permutation 1 1.1 ohne Wiederholungen........................... 1 1.2
MehrFit for Abi & Study Stochastik
Fit for Abi & Study Stochastik Prof. Dr. Tilla Schade Hochschule Harz 15. und 16. April 2014 No. 1 Stochastik besteht aus: Wahrscheinlichkeitsrechnung Statistik No. 2 Gliederung Grundlagen Zufallsgrößen
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.
MehrK A N T O N S S C H U L E I M L E E MATHEMATIK. Grafiktaschenrechner ohne CAS, beliebige Formelsammlung
K A N T O N S S C H U L E I M L E E W I N T E R T H U R MATURITÄTSPRÜFUNGEN 06 Klasse: 4g Profil: MN Lehrperson: Rolf Kleiner MATHEMATIK Zeit: 3 Stunden Erlaubte Hilfsmittel: Grafiktaschenrechner ohne
MehrBinomialverteilung & Binomialtest
Mathemati II für Biologen & 5. Juni 2015 & -Test Kombinatori Permutationen Urnenmodelle Binomialoeffizient Motivation Bin(n, p) Histogramme Beispiel Faustregeln Vorzeichentest & -Test Permutationen Urnenmodelle
MehrMehr Erfolg in Mathematik, Abitur: Stochastik
Mehr Erfolg in... Mehr Erfolg in Mathemati, Abitur: Stochasti von Wolfdieter Feix 1. Auflage Mehr Erfolg in Mathemati, Abitur: Stochasti Feix schnell und portofrei erhältlich bei bec-shop.de DIE FACHBUCHHANDLUNG
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
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)
MehrProbeklausur zu Mathematik 3 für Informatik
Gunter Ochs Juli 0 Probeklausur zu Mathematik für Informatik Lösungshinweise wie immel ohne Galantie auf Fehreleiheit Sei f ln a Berechnen Sie die und die Ableitung f und f Mit der Produktregel erhält
Mehr7. Übungsblatt - Lösungsskizzen
Einführung in die Wahrscheinlicheitstheorie und Statisti Prof. Dr. Jan Johannes Sandra Schluttenhofer Wintersemester 08/9 7. Übungsblatt - Lösungssien Aufgabe 5 Faltung und Ausdünnung einer Poisson-Verteilung,
MehrKombinatorische Abzählverfahren - LÖSUNGEN
Kombinatorische Abzählverfahren - LÖSUNGEN TEIL C: Lösungen 1. Produtregel das einfache Verfahren Aufgabe 1: Auto-Ausstattung Aufgabe 2: Tanzstunde Aufgabe 3: Menüplanung Aufgabe 4: Atenzeichen Aufgabe
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
MehrAbiturvorbereitung Stochastik. neue friedländer gesamtschule Klasse 12 GB Holger Wuschke B.Sc.
Abiturvorbereitung Stochastik neue friedländer gesamtschule Klasse 12 GB 24.02.2014 Holger Wuschke B.Sc. Siedler von Catan, Rühlow 2014 Organisatorisches 0. Begriffe in der Stochastik (1) Ein Zufallsexperiment
MehrPrüfungsvorbereitungskurs Höhere Mathematik 3
Prüfungsvorbereitungskurs Höhere Mathematik 3 Stochastik Marco Boßle Jörg Hörner Mathematik Online Frühjahr 2011 PV-Kurs HM 3 Stochastik 1-1 Zusammenfassung Wahrscheinlichkeitsraum (WR): Menge der Elementarereignisse
MehrMONS-TABOR-GYMNASIUM MONTABAUR
MONS-TABOR-GYMNASIUM MONTABAUR Mathemati Leistungsfachanforderungen Kursarbeit 3 M L3 24..2005 Aufgabe I Durch Analysis 2 x f : x x + e ; > 0 ist in R eine Funtionenschar gegeben. Der Graph von f sei G..
MehrZufallsvariablen rekapituliert
Zufallsvariablen rekapituliert Wolfgang Konen TH Köln, Campus Gummersbach April 2016 Mai 2017 Wolfgang Konen (TH Köln) Zufallsvariablen April 2016 Mai 2017 1 / 12 1 Einleitung 2 Zufallsvariablen 3 Linearität
Mehr8. Formelsammlung. Pr[ ] = 0. 0 Pr[A] 1. Pr[Ā] = 1 Pr[A] A B = Pr[A] Pr[B] DWT 8.1 Gesetze zum Rechnen mit Ereignissen 203/467 Ernst W.
8. Formelsammlung 8.1 Gesetze zum Rechnen mit Ereignissen Im Folgenden seien A und B, sowie A 1,..., A n Ereignisse. Die Notation A B steht für A B und zugleich A B = (disjunkte Vereinigung). A 1... A
MehrKlausur: Diskrete Strukturen I
Universität Kassel Fachbereich 10/1 13.03.2013 Klausur: Diskrete Strukturen I Name: Vorname: Matrikelnummer: Versuch: Unterschrift: Bitte fangen Sie für jede Aufgabe ein neues Blatt an. Beschreiben Sie
MehrKapitel II Kontinuierliche Wahrscheinlichkeitsräume
Kapitel II Kontinuierliche Wahrscheinlichkeitsräume 1. Einführung 1.1 Motivation Interpretation der Poisson-Verteilung als Grenzwert der Binomialverteilung. DWT 1.1 Motivation 211/476 Beispiel 85 Wir betrachten
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 1. Dezember 21 1 Integralrechnung Flächeninhalt Stammfunktion Rechenregeln 2 Dichten von Erwartungswert und Varianz
MehrStoffverteilungsplan Sek II
Klasse 11 (3-stündig) Stoffverteilungsplan Sek II Analysis - Differenzialrechnung Inhalte Hinweise Schulbuch Funktionen - Begriff der Funktion 12-15 - Symmetrien 22-24 - Verhalten im Unendlichen 20-21
MehrMusterlösung zur ersten Klausur Stochastik für Lehramtskandidaten SS2012
Musterlösung zur ersten Klausur Stochasti für Lehramtsandidaten SS2012 Aufgabe 1 In einer Urne befinden sich 2n Kugeln, n N, die von 1 bis 2n durchnummeriert sind. Die Kugeln mit den Nummern 1 bis n sind
MehrPrüfungsvorbereitungskurs Höhere Mathematik 3
Prüfungsvorbereitungskurs Höhere Mathematik 3 Stochastik Marco Boßle Jörg Hörner Marcel Thoms Mathematik Online Herbst 211 PV-Kurs HM 3 Stochastik 1-1 Zusammenfassung Wahrscheinlichkeitsraum (WR): Menge
Mehr15.2 Kombinatorische Abzählformeln
15.2 Kombinatorische Abzählformeln 1. Permutationen In wie vielen verschiedenen Reihenfolgen ann man n verschiedene Dinge anordnen? Wie viele Reihenfolgen gibt es, wenn die Dinge nicht alle verschieden
MehrMathematik. Unterichtszusammenfassungen. Jahrgansstufen 12/13, Abitur erstellt von: Daniel Edler
Unterichtszusammenfassungen Jahrgansstufen 12/13, Abitur 2010 Mathematik erstellt von: Daniel Edler Dieses Dokument wurde mit L A TEX am 12. April 2010 um 14:29 gesetzt -II- Inhaltsverzeichnis 1 Themenpunkte
Mehr1 Grundlagen Wahrscheinlichkeitsrechung
1 Grundlagen Wahrscheinlichkeitsrechung 1.1 Grundbegriffe Alle möglichen Ereignisse eines Zufallsexperiments fassen wir in einer Ereignismenge Ω zusammen. Ereignisse sind Teilmengen von Ω. Umfasst das
Mehr2.2 Binomialverteilung, Hypergeometrische Verteilung, Poissonverteilung
2.2 Binomialverteilung, Hypergeometrische Verteilung, Poissonverteilung Die einfachste Verteilung ist die Gleichverteilung, bei der P(X = x i ) = 1/N gilt, wenn N die Anzahl möglicher Realisierungen von
MehrDie ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist.
.3. Stochastik Grundlagen Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist. Die RELATIVE HÄUFIGKEIT einer Merkmalsausprägung gibt an mit welchem Anteil
MehrWahrscheinlichkeitsrechnung
Kapitel 7 Wahrscheinlicheitsrechnung 7.1 Kombinatori Def. 7.1.1:a) Für eine beliebige natürliche Zahl m bezeichnet man das Produt aus den Zahlen von 1 bis m mit m Faultät: m! : 1 2 3 m, 0! : 1. Beispiele:
MehrDer Binomialkoeffizient (Einführung):
Der Binomialoeffizient (Einführung): ) Wie viele Kombinationsmöglicheiten gibt es, Kugeln in Kästchen anzuordnen? Lösung: ) Beispiel: Fragen sollen beantwortet werden. Die Antwort ann richtig (r) oder
MehrGrundwissen zur Stochastik
Grundwissen zur Stochastik Inhalt: ABHÄNGIGE EREIGNISSE...2 ABHÄNGIGKEIT UND UNABHÄNGIGKEIT VON ERGEBNISSEN...2 ABHÄNGIGKEIT UND UNABHÄNGIGKEIT VON MERKMALEN IN VIERFELDERTAFELN...2 ABSOLUTE HÄUFIGKEIT...2
MehrVorlesung 4b. Die Varianz
Vorlesung 4b Die Varianz 1 X sei reellwertige Zufallsvariable mit endlichem Erwartungswert µ Die Varianz von X ist definiert als Var[X] := E[(X µ) 2 ], die erwartete quadratische Abweichung der Zufallsvariablen
MehrS = {W ; Z } S = {prim;prim } E=prim
Bernoulli-Versuche: Daniel Bernoulli 1700-1782 1782 Schweizer Mathematiker Ein Zufallsversuch mit nur zwei möglichen Ergebnissen heißt einstufiger Bernoulli-Versuch Versuch. Wir nennen künftig die Ergebnisse
MehrSei X eine auf dem Intervall [2, 6] (stetig) gleichverteilte Zufallsvariable.
Aufgabe 1 (5 + 2 + 1 Punkte) Sei X eine auf dem Intervall [2, 6] (stetig) gleichverteilte Zufallsvariable. a) Wie lautet die Verteilungsfunktion von X? Zeichnen Sie diese! 0 x < 2 1 F (x) = x 0.5 2 x 6
MehrBasistext - Wahrscheinlichkeitsrechnung
Basistext - Wahrscheinlichkeitsrechnung Die Wahrscheinlichkeitsrechnung beschäftigt sich mit Vorgängen, die in ihrem Ausgang unbestimmt sind. Sie versucht mögliche Ergebnisse der Vorgänge zu quantifizieren.
MehrWAHRSCHEINLICHKEITSTHEORIE. 1. Elementare Kombinatorik Wir betrachten die Frage wieviele Möglichkeiten es gibt, aus n unterschiedlichen
WAHRSCHEINLICHKEITSTHEORIE 1. Elementare Kombinatori Wir betrachten die Frage wieviele Möglicheiten es gibt, aus n unterschiedlichen Objeten auszuwählen. Dabei müssen wir sowohl unterscheiden ob ein Objet
Mehr7.7 Spezielle diskrete Wahrscheinlichkeitsverteilungen
7.7 Spezielle diskrete Wahrscheinlichkeitsverteilungen 7.7.1 Die Laplace-Verteilung Sei X eine gleich verteilte Zufallsvariable mit den Werten in der Menge Ω X = {x i R : i = 1,...,n}, d.h. f (x i = 1
MehrNumerische Methoden und Algorithmen in der Physik
Numerische Methoden und Algorithmen in der Physik Hartmut Stadie, Christian Autermann 08.01.2009 Numerische Methoden und Algorithmen in der Physik Hartmut Stadie 1/ 32 Einführung Wahrscheinlichkeit Verteilungen
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
MehrProgramm. Wiederholung. Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung. Binomialverteilung. Hypergeometrische Verteilung
Programm Wiederholung Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung Binomialverteilung Hypergeometrische Verteilung Wiederholung verschiedene Mittelwerte für verschiedene Skalenniveaus
MehrSTATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik
Kapitel 11 Diskrete Zufallsvariablen 11.1. Wahrscheinlichkeits- und diskret Wahrscheinlichkeitsverteilungen Wahrscheinlichkeitsfunktion von X Nimmt abzählbare Anzahl von Ausprägungen an (z.b. Zählvariablen)
MehrWie viele Möglichkeiten gibt es, n Kinder in einer Reihe zu platzieren, z.b. für n = 5? Für n = 2 gibt es 2 Möglichkeiten.
n-faultät Wie viele Möglicheiten gibt es, n Kinder in einer Reihe zu platzieren, z.b. für n? Für n gibt es Möglicheiten. Für n 3 hat das 3. Kind 3 Möglicheiten, die beiden restlichen Plätze önnen jeweils
MehrAbiturvorbereitung Stochastik. neue friedländer gesamtschule Klasse 12 GB Holger Wuschke B.Sc.
Abiturvorbereitung Stochastik neue friedländer gesamtschule Klasse 12 GB 21.02.2014 Holger Wuschke B.Sc. Glücksspiel auf der Buchmesse Leipzig, 2013 Organisatorisches 1. Begriffe in der Stochastik (1)
MehrVorlesung 4b. Die Varianz
Vorlesung 4b Die Varianz 1 X sei reellwertige Zufallsvariable mit endlichem Erwartungswert µ. Die Varianz von X ist definiert als Var X := E[(X µ) 2 ], die erwartete quadratische Abweichung der Zufallsvariablen
MehrMathematikaufgaben zur Vorbereitung auf das Studium
Hochschule für Technik und Wirtschaft Dresden (FH) Fachbereich Informatik/Mathematik Mathematikaufgaben zur Vorbereitung auf das Studium Studiengang Bauingenieurwesen Dresden 2005 . Mengen Kenntnisse
MehrRRL GO- KMK EPA Mathematik. Ulf-Hermann KRÜGER Fachberater für Mathematik bei der Landesschulbehörde, Abteilung Hannover
RRL GO- KMK EPA Mathematik Jahrgang 11 Propädeutischer Grenzwertbegriff Rekursion /Iteration Ableitung Ableitungsfunktion von Ganzrationalen Funktionen bis 4. Grades x 1/(ax+b) x sin(ax+b) Regeln zur Berechnung
Mehrmathphys-online Abiturprüfung Berufliche Oberschule 2000 Mathematik 13 Technik - B I - Lösung
Abiturprüfung Berufliche Oberschule Mathemati Techni - B I - Lösung Teilaufgabe (7 BE) Aus einem gut gemischten Kartenspiel mit Karten erhält ein Spieler Karten. Als Treffer gelten die drei Karten Pi As,
MehrWahrscheinlichkeit und Statistik: Zusammenfassung
HSR Hochschule für Technik Rapperswil Wahrscheinlichkeit und Statistik: Zusammenfassung beinhaltet Teile des Skripts von Herrn Hardy von Lukas Wilhelm lwilhelm.net 12. Januar 2007 Inhaltsverzeichnis 1
Mehr7. Übungsblatt zur Mathematik und Statistik für Biologie
Fachbereich Mathemati Prof. Dr. Michael Kohler Dominique Küpper 7. Übungsblatt zur Mathemati und Statisti für Biologie WS /.2.2 Aufgabe 2 3 Punte Biologe B. weiss, dass aus einem befruchteten Hühnerei
Mehrfalls rote Kugel im 1. Zug gezogen Die Ziehungen sind daher nicht unabhängig voneinander. Damit liegt kein Bernoulli-Prozess
6.4 Hypergeometrische Verteilung Gegeben ist eine Urne, die mit N Kugeln gefüllt ist. Es seien M dieser Kugeln rot und N-M Kugeln sind nicht rot. Wir entnehmen n Kugeln, d.h. Stichproben vom Umfang n.
MehrVorlesung 5a. Varianz und Kovarianz
Vorlesung 5a Varianz und Kovarianz 1 1. Varianz und Standardabweichung: Elementare Eigenschaften (Buch S. 24) 2 X sei reellwertige Zufallsvariable mit endlichem Erwartungswert µ. Die Varianz von X ist
MehrETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig)
ETWR Teil B 2 Ziele Bisher (eindimensionale, mehrdimensionale) Zufallsvariablen besprochen Lageparameter von Zufallsvariablen besprochen Übertragung des gelernten auf diskrete Verteilungen Ziel des Kapitels
MehrMusterlösung. Abitur Mathematik Bayern G Bayern Aufgabe 1. Abitur Mathematik: Musterlösung. Stochastik II
Abitur Mathematik: Bayern 2012 Aufgabe 1 a) VIERFELDERTAFEL P(R ) = 88 % und P(V) = 18 % stehen in der Aufgabenstellung. 60 % in der Angabe stehen für die bedingte Wahrscheinlichkeit P R (V). P(R V) =
MehrAufgaben sind zum größten Teil ohne CAS zu lösen. Kontrolle mit CAS ist eine gute Übung
Aufgaben sind zum größten Teil ohne CAS zu lösen. Kontrolle mit CAS ist eine gute Übung Analysis Aufgabe 2 Bestimmen Sie jeweils die Gleichung einer Funktion f mit folgenden Eigenschaften: a) Die Funktion
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
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
MehrVorlesung 5a. Zufallsvariable mit Dichten
Vorlesung 5a 1 Vorlesung 5a Zufallsvariable mit Dichten Vorlesung 5a Zufallsvariable mit Dichten Teil 1 Uniforme Verteilung, Exponentialverteilung. Kontinuierlich uniform verteilte Zufallsvariable: 2 Kontinuierlich
MehrKonversatorium -Vorbereitung für die erste Diplomprüfung - Stochas0k. -Wahrscheinlichkeitstheorie-
Konversatorium -Vorbereitung für die erste Diplomprüfung - Stochas0k -Wahrscheinlichkeitstheorie- Begriffsdefini=on Stochas=k altgriechisch stochas=kē technē, lateinisch ars conjectandi, Die Kunst des
MehrAbdeckung der inhaltlichen Schwerpunkte im Fach Mathematik für die Abiturprüfung 2009 in Nordrhein- Westfalen
Abdeckung der inhaltlichen Schwerpunkte im Fach Mathematik für die Abiturprüfung 2009 in Nordrhein- durch die Schülerbücher Lambacher-Schweizer - Analysis Grundkurs Ausgabe Nordrhein- (ISBN 978-3-12-732220-0)
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
Mehr1. Ziehg.: N M. falls nicht-rote K. in 1. Ziehg. gezogen
6.4 Hyergeometrische Verteilung Gegeben ist eine Urne, die mit N Kugeln gefüllt ist. Es seien M dieser Kugeln rot und N-M Kugeln nicht rot. Wir entnehmen n Kugeln, d.h. eine Stichrobe des Umfangs n. Dabei
MehrLösung Semesterendprüfung
MAE4 Mathematik: Analysis für Ingenieure 4 Frühlingssemester 26 Dr. Christoph Kirsch ZHAW Winterthur Aufgabe : Lösung Semesterendprüfung Wir betrachten die Ergebnismenge Ω : {, 2,, 4, 5, 6} 2 6 2 6 Elemente,
MehrZusammenfassung Abitursstoff Mathematik
Zusammenfassung Abitursstoff Mathematik T. Schneider, J. Wirtz, M. Blessing 2015 Inhaltsverzeichnis 1 Analysis 2 1.1 Monotonie............................................ 2 1.2 Globaler Verlauf........................................
MehrMathematikaufgaben zur Vorbereitung auf das Studium
Hochschule für Technik und Wirtschaft Dresden Fakultät Informatik / Mathematik Mathematikaufgaben zur Vorbereitung auf das Studium Studiengänge Betriebswirtschaft International Business Dresden 05 . Mengen
Mehr» Realisierung eines Zufallsexperiments/Versuchsausgang» Das Ergebnis der tatsächlichen Durchführung eines Zufallsexperiments.
Statisti Kapitel 4: Wahrscheinlicheitsrechnung und Kombinatori 4.1. Zufallsexperiment und Ereignisse» Zufallsexperiment: drei Eigenschaften notwendig» Alle möglichen Ergebnisse des Experiments sind vorab
Mehr4. Schularbeit/7C/2-stündig Schularbeit. 7C am
4. Schularbeit 7C am 24.5.2017 Name: Note: Beispiel-Nr. 1 2 3 4 5 6 7 8 9 10 11 12 AP Teil 1: Teil 2: Punkte Teil 1 (inkl. AP) Punkte Teil 2 Gesamtpunkte Notenschlüssel: 0 7 P von Teil 1 (inkl. Anrechnungspunkte
MehrFerienkurs Analysis 1
TECHNISCHE UNIVERSITÄT MÜNCHEN Ferienurs Analysis 1 Potenzreihen, Exponentialfuntion, Stetigeit, Konvergenz, Grenzwert Henri Thoma 1.03.014 Inhaltsverzeichnis 1. Potenzreihen:... 1. Exponentialfuntion...
MehrVorlesung 5a. Die Varianz
Vorlesung 5a Die Varianz 1 1. Varianz und Standardabweichung: Elementare Eigenschaften (Buch S. 24) 2 X sei reellwertige Zufallsvariable mit endlichem Erwartungswert µ. Die Varianz von X ist definiert
MehrAbiturprüfung Mathematik Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe : ( VP) Bilden Sie die erste Ableitung der Funktion f mit x f(x) = (x + 5) e. Aufgabe : ( VP) Gegeben ist die Funktion
Mehr1 + λ 0, die Geraden h : x =
Amnalytische Geometrie. In einem kartesischen Koordinatensystem des R sind die Gerade g : x 7 + λ, die Geraden h : x 8 5 + µ, λ, µ, a R sowie die Ebene E durch die Punkte A 5, und gegeben. B 6 C 5 a) K
MehrStatistik, Datenanalyse und Simulation
Dr. Michael O. Distler distler@kph.uni-mainz.de Mainz, 2. November 2009 Poisson-Verteilung Die Poisson-Verteilung ist gegeben durch: P(r) = µr e µ r! Der Mittelwert ist: r = µ Die Varianz ergibt sich aus
Mehr2 Kombinatorik. 56 W.Kössler, Humboldt-Universität zu Berlin
2 Kombinatorik Aufgabenstellung: Anzahl der verschiedenen Zusammenstellungen von Objekten. Je nach Art der zusätzlichen Forderungen, ist zu unterscheiden, welche Zusammenstellungen als gleich, und welche
MehrStoffverteilungsplan für das Fach Mathematik Qualifikationsphase
Stoffverteilungsplan für das Fach Mathematik Qualifikationsphase Schuljahrgang 11 Analysis Ableitungen und Funktionsuntersuchungen Ableitungsregeln, insbesondere Produkt-, Quotienten- und Kettenregel graphisches
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:
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
MehrMathematik: LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 12. Erwartungswert, Varianz und Standardabweichung
Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester ARBEITSBLATT Erwartungswert, Varianz und Standardabweichung Die Begriffe Varianz und Standardabweichung sind uns bereits aus der Statistik bekannt
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
MehrFormelsammlung Stochastik
Formelsammlung Stochastik http://www.fersch.de Klemens Fersch 14. Mai 201 Inhaltsverzeichnis 5 Stochastik 3 5.1 Statistik....................................................... 3 5.1.1 Mittelwert - Median
Mehr6.6 Poisson-Verteilung
6.6 Poisson-Verteilung Die Poisson-Verteilung ist eine Wahrscheinlichkeitsverteilung, die zur Modellierung der Anzahl von zufälligen Vorkommnissen in einem bestimmten räumlichen oder zeitlichen Abschnitt
MehrBestimmte Zufallsvariablen sind von Natur aus normalverteilt. - naturwissenschaftliche Variablen: originär z.b. Intelligenz, Körpergröße, Messfehler
6.6 Normalverteilung Die Normalverteilung kann als das wichtigste Verteilungsmodell der Statistik angesehen werden. Sie wird nach ihrem Entdecker auch Gaußsche Glockenkurve genannt. Die herausragende Stellung
MehrR. Brinkmann Seite
R. Brinmann http://brinmann-du.de Seite 9.. Bernoulli Versuche und die Binomialverteilung Viele Zufallsexperimente önnen als xperimente mit zwei rgebnissen interpretiert werden, wie z.b. ünzwurf mit den
MehrStochastik. Abitur. Intensivkurs Mathematik. Die optimale Vorbereitung auf das Abitur: Intensivkurs. Florian Timmermann
Florian Timmermann Intensivurs Mathemati Stochasti Die optimale Vorbereitung auf das Abitur: Erlärung des gesamten Stoffes Aufgaben auf allen Niveaustufen mit allen Lösungswegen Abitur Intensivurs Mathemati
MehrUniversität Basel Wirtschaftswissenschaftliches Zentrum. Zufallsvariablen. Dr. Thomas Zehrt
Universität Basel Wirtschaftswissenschaftliches Zentrum Zufallsvariablen Dr. Thomas Zehrt Inhalt: 1. Einführung 2. Zufallsvariablen 3. Diskrete Zufallsvariablen 4. Stetige Zufallsvariablen 5. Erwartungswert
Mehr