Mathematik: LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 12. Erwartungswert, Varianz und Standardabweichung

Größe: px
Ab Seite anzeigen:

Download "Mathematik: LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 12. Erwartungswert, Varianz und Standardabweichung"

Transkript

1 Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester ARBEITSBLATT Erwartungswert, Varianz und Standardabweichung Die Begriffe Varianz und Standardabweichung sind uns bereits aus der Statistik bekannt (Es sind die Maßzahlen für die Streuung). Der Erwartungswert ist nichts anderes als der Durchschnittswert. Beispiel: Es wird mit Würfeln gewürfelt. Was kann im Mittel für die Augensumme X erwartet werden? Lösung: Zunächst einmal müssen wir uns wieder alle möglichen Ereignisse veranschaulichen (Wie groß kann also die Augensumme werden). Ω = {,,,..., } Nun berechnen wir uns die Wahrscheinlichkeiten mit der die einzelnen Ereignisse eintreten. Dazu eine Tabelle aller Möglichkeiten: 6 Ausfall des. Würfels Ausfall des. Würfels Da jedes einzelne Ergebnis gleichwahrscheinlich eintritt, können wir wieder unsere einfache Formel P = günstige/mögliche anwenden. In unserer Tabelle sieht man bereits, dass die Augensumme 7 am häufigsten auftritt. Eine vernünftige Formel sollte uns also diesen Wert liefern.

2 Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester X X X X X X = ) = = ) = = 6) = = 8) = = 0) = = ) = X = ) = X = ) = 6 X = 7) = X = 9) = X = ) = Tragen Sie sich dies am Besten immer in einer Tabelle ein: X=xi=Augensumme X=xi) Wahrscheinlichkeit für diese Augensumme 6 Nun müssen wir uns nur noch den Mittelwert ausrechnen. Dazu interpretieren wir einfach die Wahrscheinlichkeiten wie folgt: Von Würfen ergibt die Augensumme. Wir rechnen also lediglich das gewogene arithmetische Mittel aus, welches wir mit "E" abkürzen.

3 Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester 6 E ( X ) = = 7 Wir sehen also, für den Erwartungswert muss man lediglich jeden möglichen Ausfall mit seiner Wahrscheinlichkeit multiplizieren und diese Werte addieren. Für diese Summenbildung wurde einfachkeitshalber ein eigenes Symbol eingeführt. Als Erwartungswert der Gewinnfunktion g(x) bezeichnet man die Zahl n ( g( x) ) x = g( x ) X x ) E = i = i= Nun ist aber zusätzlich noch gefragt, wie viel dieser Wert nach oben und unten voraussichtlich abweicht. Diesen Wert nennt man in der Mathematik die Streuung (Siehe Arbeitsblatt ). Das übliche Maß dafür ist die Standardabweichung σ. Für die Standardabweichung müssen wir uns zunächst noch die Varianz σ berechnen. Dazu benötigen wir wieder die quadratischen Abweichungen der Ausfälle vom Erwartungswert µ. Wir arbeiten dazu einfach an unserer obigen Tabelle weiter. Wir fügen uns eine neue Spalte ein und berechnen die Abweichung jeder Augensumme vom Erwartungswert: i X=xi=Augensumme X=xi) Wahrscheinlichkeit für diese Augen- EMBED summe -7=- -7=- -7=- -7=- 6-7= =0 8-7= 9-7= 0-7=

4 Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester -7= -7= Nun quadrieren wir diese Abweichungen: X=xi=Augensumme X=xi) Wahrscheinlichkeit für diese Augen- x i x ( x i x) summe -7=- -7=- 6-7=- 9-7= = = = 9 9-7= 0 0-7= 9-7= 6-7= Nun müssen wir nur noch das gewogene arithmetische Mittel der quadratischen Abweichungen bilden, um die Varianz zu erhalten. Wenn wir uns aber unserer Interpretation der Wahrscheinlichkeit beim Mittelwert erinnern, heißt dies, dass wir lediglich die quadratischen Abweichungen mit der Wahrscheinlichkeit ihres Eintretens multiplizieren müssen und davon die Summe bilden. V = =,8 Die Standardabweichung ist nun die Wurzel aus der Varianz: σ =,8 =, Was bedeutet diese Standardabweichung? Sie bedeutet, dass eine Abweichung von ±, vom Erwartungswert 7 als normal zu betrachten ist.

5 Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester Generell ist für die Berechnung des Erwartungswertes also folgende Vorgangsweise angebracht: Fertige eine Tabelle an, in der du in der.spalte alle möglichen Ergebnisse einträgst. Berechne in der. Spalte die Wahrscheinlichkeiten für jedes Ergebnis. Nun berechne den Durchschnittswert dieser Ergebnisse. Bilde also das Produkt aus Ergebnis mal zugehöriger Wahrscheinlichkeit und anschließend die Summe all dieser Produkte. Für die Standardabweichung ist folgendermaßen weiterzurechnen: Bilde die Differenz zwischen Ergebnis und Mittelwert. Quadriere diese Differenzen. Bilde nun den Durchschnittswert all dieser quadrierten Differenzen. Also zunächst das Produkt aus quadrierter Differenz mal zugehöriger Wahrscheinlichkeit und bilde dann die Summe all dieser Produkte. Dies nennt man die Varianz. Ziehe nun die Wurzel aus der Varianz. Nun definieren wir wieder diese Formeln in allgemeingültiger Form: Definition: Als Varianz der Zufallsvariablen X bezeichnet man die Zahl V ( X ) = σ = n i= ( x µ ) X = x ) µ Erwartungswert i i... σ heißt die Standardabweichung (Streuung) der Zufallsvariablen X. σ = V Sehen wir uns dazu noch ein Beispiel an: Beispiel: Es gibt 00 Lose zu je ; 7 Lose gewinnen: ein. Preis = 0, zwei.preise zu je 0, vier. Preise zu je. Bernhard kauft Lose. Welchen Gewinn mit welcher Streuung darf er erwarten? Lösung: Wir sollen also den Erwartungswert für den Gewinn und die Standardabweichung berechnen. Wir müssen zunächst wieder überlegen, welche Gewinne (da es um den zu erwartenden Gewinn geht) möglich sind. Dazu überlegen wir uns zunächst, welche Losziehungen möglich sind. Ich schreibe dabei für einen.preis, für einen.preis, für einen.preis und N für eine Niete: Ziehung N,N N,

6 Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester N, N,,,,,, Nun tragen wir zu jeder möglichen Ziehung den Gewinn ein (Der Kaufpreis der beiden Lose muss dabei natürlich abgezogen werden): Ziehung Gewinn N,N - N, 8 N, 8 N,, 8,, 8,, 8 Nun müssen wir die Wahrscheinlichkeiten für jedes Ergebnis berechnen. Sehen wir uns die Wahrscheinlichkeit für das Ereignis N,N an. Wir müssen also als. Los eine Niete ziehen und als. Los eine Niete ziehen. Beim Ziehen des.loses sind 00 Lose vorhanden, wovon 9 Nieten sind. Folglich ist die Wahrscheinlichkeit eine Niete zu ziehen. Beim Ziehen des Loses sind noch 99 Lose vorhanden, wobei 9 davon Nieten sind. Die 9 Wahrscheinlichkeit jetzt eine niete zu ziehen ist also. Die Wahrscheinlichkeit, dass also beides Nieten sind, beträgt: = 0, Wenn wir die Wahrscheinlichkeit für das Ergebnis N, wollen, so ist die Wahrscheinlichkeit, dass ich in der. Ziehung eine Niete ziehe gleich 9 und in der. Ziehung den. Preis gleich. Aufpassen müssen wir jedoch, dass nun Wege dieses Ergebnis bringen. Wir können zuerst die Niete und dann den. Preis oder zuerst den. Preis und dann die Niete ziehen. Folglich müssen wir also die Wahrscheinlichkeit verdoppeln: Sie 9 beträgt also: = 0, 09. 6

7 Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester Berechnen Sie nun alle Wahrscheinlichkeiten und tragen Sie diese in ihrer Tabelle ein: Ziehung Gewinn Wahrscheinlichkeit N,N = 0,86 N, 8 9 = 0,09 N, 8 9 = 0,08 N, 9 = 0,07, 8 = 0,000, = 0,0008, 8 = 0,000, = 0,006, 8 = 0,00 Der Erwartungswert ist nun der Durchschnitt dieser Gewinne, d.h. wir multiplizieren jeden Gewinn mit seiner Wahrscheinlichkeit und bilden davon die Summe: E ( X ) = x = ( ) 0, , , ,00 = 0,0 Man kann also praktisch keinerlei Gewinn erwarten. Für die Standardabweichung berechnen wir nun die Differenz zwischen jedem Gewinn und dem Erwartungswert: 7

8 Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester Ziehung Gewinn Wahrscheinlichkeit Gewinn-E N,N ,0 =,0 = 0,86 N, ,0 = 7,98 = 0,09 N, ,0 = 7,98 = 0,08 N, 9 0,0 =,98 = 0,07, 8 8 0,0 = 7,98 = 0,000, 0,0 =,98 = 0,0008, 8 8 0,0 = 7,98 = 0,000, 0,0 =,98 = 0,006, 8 8 0,0 = 7,98 = 0,00 Nun quadrieren wir diese Abweichungen: Ziehung Gewinn Wahrscheinlichkeit Gewinn-E Quadrat N,N ,0 =,0,0 = 0,86 =, 06 N, ,0 = 7,98,86 = 0,09 N, ,0 = 7,98,6 = 0,08 N, 9 0,0 =,98 8,9 = 0,07, 8 8 0,0 = 7,98,6 = 0,000, 0,0 =,98 87,7 = 0,0008, 8 8 0,0 = 7,98,86 = 0,000, 0,0 =,98 8, = 0,006, 8 8 0,0 = 7,98 6,76 = 0,00 Nun bilden wir wieder den Durchschnittswert dieser quadratischen Abweichungen.: V =,06 0,86 +,86 0,09 +,6 0, ,76 0,00 = 7,9. Die Wurzel daraus ist nun die Standardabweichung: σ = V = 6, 9 8

9 Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester Die Binomialverteilung Ein aus einer Folge von n Versuchen bestehendes Experiment, bei dem ) jeder Versuch genau zwei mögliche Versuchsausgänge besitzt und ) jeder Versuch unter genau den gleichen Vorraussetzungen abläuft (Dies bedeutet, dass die Wahrscheinlichkeiten bei jeder Ziehung gleich bleiben), heißt BERNOULLI-Experiment. Ein für diese Verteilung typisches Beispiel ist das Ziehen aus einer Urne mit Zurücklegen. Beispiel: In einer Urne befinden sich 00 Kugeln. 60 Kugeln sind weiß, 0 schwarz. Dreimal wird je eine Kugel gezogen, die Farbe notiert und die Kugel wieder zurückgelegt. Wie groß ist die Wahrscheinlichkeit, genau zwei weiße Kugeln zu ziehen? Lösung: Es handelt sich hier um eine Binomialverteilung, da pro Versuch nur zwei mögliche Ergebnisse vorliegen (Eine schwarze oder eine weiße Kugel wird gezogen) und die Wahrscheinlichkeiten pro Versuch gleich bleiben (Die Wahrscheinlichkeit für das Ziehen einer weißen Kugel ist gleich der Wahrscheinlichkeit für das Ziehen einer weißen Kugel in der. Ziehung). Das typische an diesen Experimenten: Jeder einzelne günstige Weg tritt mit derselben Wahrscheinlichkeit auf. Weg)=WWS) Weg)=WSW) Weg)=SWW) Man muss sich also lediglich die Wahrscheinlichkeit für einen Weg ausrechnen und diese mit der Anzahl der günstigen Wege multiplizieren. Mit p bezeichnen wir die Wahrscheinlichkeit eine weiße Kugel zu ziehen. Mit q bezeichnen wir die Wahrscheinlichkeit eine schwarze Kugel zu ziehen. 9

10 Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester 60 p = = 00 0 q = = 00 Beachte: q=-p Nun rechnen wir uns die Wahrscheinlichkeit für einen Weg aus. Weg)=*WEISZ und *SCHWARZ P ( Weg) = = P Weg = p q Allgemein: ( ) Wir müssen jetzt also nur noch die Anzahl der günstigen Wege feststellen. Aus unserem Schaubild ersieht man, dass es drei günstige Wege gibt. Wir möchten dies aber etwas allgemeiner betrachten: Eigentlich müssen wir uns lediglich fragen, wie man zweimal weiß und einmal schwarz anordnen kann. WWS, WSW, SWW Als gibt es drei Möglichkeiten. Es ist jedoch leicht ersichtlich, dass dieses Auflisten bei 00 maligen Ziehen etwas mühsam wäre. Deshalb gibt es hierfür eine sehr praktische Formel, um deren Herleitung wir uns weiter nicht kümmern. Die Anzahl der günstigen Wege, man nennt sie die Kombinationen, berechnet man mittels des Binomialkoeffizienten. = 8 Definition: Binomialkoeffizient: Dabei gilt: n! =... n n n! = (sprich: n Faktorielle) k k!( n k )! Den Binomialkoeffizienten berechnet man also immer wie oben: 6 6! Wir berechnen zum Beispiel = =!! 0

11 Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester Für unser Beispiel gilt: n= (Anzahl der Ziehungen) k= (Zweimal weiß)! = = =! ( )! mal weiß)= = n k n k Allgemein: p q k Satz: Wahrscheinlichkeitsfunktion der Binomialverteilung: Die Wahrscheinlichkeit, dass bei einem n-stufigem BERNOULLI-Experiment mit der "Erfolgs"-Wahrscheinlichkeit p die Anzahl X der "Erfolge" genau k ist, ist n k n k X = k) = p ( p) k = 0,,..., n k Beispiel: Eine Maschine produziert Werkstücke mit einem durchschnittlichen Ausschussanteil von %, wobei der Fehler rein zufällig auftritt. a)wie groß ist die Wahrscheinlichkeit, dass unter einer Serie von 0 Stück ) kein )genau Stück Ausschuss ist? b)wie viel Stück Ausschuss muss man unter 0 Stück erwarten, und um wie viel schwankt dieser Wert voraussichtlich nach oben und unten? Lösung: Binomialverteilt ist diese Aufgabe, da es pro Werkstück nur Möglichkeiten gibt( Ausschuss oder kein Ausschuss) und die Wahrscheinlichkeit, dass das zweite Werkstück Ausschuss ist, gleich ist wie die Wahrscheinlichkeit, dass das. Stück Ausschuss ist. Ausschuß) = = p Ausschuß) = = q 00 0 a)) X = 0) = 0 00 = 0, = 0, 0 a)) X = ) = 00 0! 9 = 0,0 0,97! 9! 9 = 0 0,0 0,97 = 0, Für die Frage b) dieser Aufgabe, wie viel Ausschuss man erwarten darf, benötigt man intuitiv einen Mittelwert. Mit diesem Mittelwert, in der Stochastik nennt man ihn Erwartungswert, haben wir uns bereits im beschäftigt. Die Berech

12 Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester nung von Erwartungswert und Standardabweichung ist oft recht rechenintensiv. Für unsere spezielle Verteilung, die Binomialverteilung, gibt es jedoch etwas leichter handhabbare Formeln. Satz: Für die Binomialverteilung mit den Parametern n und p (bzw. q=-p) gilt: E( X ) = µ = n p V ( X ) = σ = n p q Lösung b) Bei uns ist n=0 und p=0,0 und q=0,97 Es folgt: µ = 0 0,0 = 8,6 σ = 0 0,0 0,97 =, Noch ein Beispiel: Beispiel: In einer Urne sind 0 rote und 0 blaue Kugeln. Es werden 0 Kugeln mit Zurücklegen gezogen. Berechne die Wahrscheinlichkeit, dass a)genau rote Kugeln b)genau 7 blaue Kugeln c)mindestens blaue Kugeln d)höchstens blaue Kugeln gezogen werden. Lösung: Die Aufgabe ist binomialverteilt, da pro Ziehung nur Ergebnisse möglich sind (Rote oder blaue Kugel) und die Wahrscheinlichkeit für das Ziehen einer roten Kugel stets konstant bleibt (wegen dem Zurücklegen). 0 0 a) p ( rot) = = q ( blau) = = P (rot ) = = 0,7 7 0 b) P (7blau) = = 0, 0 7 c) Mindestens blaue Kugeln zu ziehen, würde bedeuten, dass ich blaue oder blaue oder blaue usw. Kugeln ziehe. Besser ist es hier mit der Gegenwahrscheinlichkeit zu arbeiten. Die Wahrscheinlichkeit, dass ich mindestes blaue Kugeln ziehe, ist minus der Wahrscheinlichkeit, dass ich weniger als blaue Kugeln ziehe: X... Anzahl der blauen Kugeln P ( X ) = X < ) Weniger als blaue Kugeln bedeutet nun, dass ich keine blaue oder blaue Kugel ziehe. Wir setzen dies ein: P ( X ) = X < ) = X = 0) + X = ) [ ]

13 Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester Nun berechnen wir mittels unserer Formel für die Binomialverteilung diese Wahrscheinlichkeiten: P ( X = 0) = = 0, P ( X = ) = = 0,06 Nun setzen wir ein: X ) = X < ) = X = 0) + X = ) = ( 0,0+ 0,06) = 0, 9 [ ] d) Höchstens blaue Kugeln zu ziehen, bedeutet, dass ich keine, eine, zwei oder drei blaue Kugeln ziehe: P ( X ) = X = 0) + X = ) + X = ) + X = ) Die Wahrscheinlichkeiten, dass keine blaue oder blaue Kugel gezogen wird, haben wir bereits in c) ausgerechnet. Wir rechnen nun noch die beiden anderen Fälle aus: 8 0 P ( X = ) = = 0, 7 0 P ( X = ) = = 0, Nun setzen wir ein: X ) = X = 0) + X = ) + X = ) + X = ) = 0,0 + 0,06 + 0, + 0, = 0,

Programm. Wiederholung. Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung. Binomialverteilung. Hypergeometrische Verteilung

Programm. 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

Mehr

Erwartungswert, Varianz und Standardabweichung einer Zufallsgröße. Was ist eine Zufallsgröße und was genau deren Verteilung?

Erwartungswert, Varianz und Standardabweichung einer Zufallsgröße. Was ist eine Zufallsgröße und was genau deren Verteilung? Erwartungswert, Varianz und Standardabweichung einer Zufallsgröße Von Florian Modler In diesem Artikel möchte ich einen kleinen weiteren Exkurs zu meiner Serie Vier Wahrscheinlichkeitsverteilungen geben

Mehr

Abitur 2015 Mathematik Stochastik IV

Abitur 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

Mehr

Basiswissen 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)

Mehr

Anliegen: Beschreibung von Versuchsergebnissen mit Zahlen, um mit Zahlen bzw. bekannten Funktionen rechnen zu können.

Anliegen: 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

Mehr

KOMPETENZHEFT ZUR STOCHASTIK II

KOMPETENZHEFT ZUR STOCHASTIK II KOMPETENZHEFT ZUR STOCHASTIK II Inhaltsverzeichnis 1. Aufgabenstellungen 1 2. Binomialverteilung 4 3. Erwartungswert und Standardabweichung 10 1. Aufgabenstellungen Aufgabe 1.1. Milchverpackungen werden

Mehr

Level 1 Grundlagen Blatt 1. Dokument mit 19 Aufgaben

Level 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

Mehr

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

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

Mehr

2.4. Mehrstufige Zufallsexperimente

2.4. Mehrstufige Zufallsexperimente 2.4. Mehrstufige Zufallsexperimente Zufallsexperimente können einstufig, also einmalig, durchgeführt werden oder auch mehrstufig, also wiederholt. Wirft man einen Würfel z.b. nur einmal, dann ist das Zufallsexperiment

Mehr

Vorlesung 4b. Die Varianz

Vorlesung 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

Mehr

Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist.

Die 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

Mehr

SS 2017 Torsten Schreiber

SS 2017 Torsten Schreiber 173 Diese Lücken sollten nicht auch bei Ihnen vorhanden sein: Wird die Anordnung von unterschiedlichen Objekten eines Experiments untersucht, so handelt es sich um eine. Möchte man die Anzahl der möglichen

Mehr

Zufallsvariable X. 30 e. 40 e = 33,33...% 6

Zufallsvariable X. 30 e. 40 e = 33,33...% 6 Zufallsvariable Wir führen ein Zufallsexperiment mit Ergebnisraum Ω durch. Eine Zufallsvariable X ordnet jedem möglichen Ergebnis einen Zahlenwert zu. Eine Zufallsvariable ist also eine Funktion X : Ω

Mehr

Berechnung von W für die Elementarereignisse einer Zufallsgröße

Berechnung von W für die Elementarereignisse einer Zufallsgröße R. Albers, M. Yanik Skript zur Vorlesung Stochastik (lementarmathematik) 5. Zufallsvariablen Bei Zufallsvariablen geht es darum, ein xperiment durchzuführen und dem entstandenen rgebnis eine Zahl zuzuordnen.

Mehr

Vorlesung 5a. Varianz und Kovarianz

Vorlesung 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

Mehr

Klausur vom

Klausur vom UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Dominik Faas Stochastik Wintersemester 00/0 Klausur vom 09.06.0 Aufgabe (++4=9 Punkte) Bei einer Umfrage wurden n Personen befragt, an wievielen Tagen

Mehr

Gemeinsame Wahrscheinlichkeitsverteilungen

Gemeinsame Wahrscheinlichkeitsverteilungen Gemeinsame Wahrscheinlichkeitsverteilungen Worum geht es in diesem Modul? Gemeinsame Wahrscheinlichkeits-Funktion zweier Zufallsvariablen Randverteilungen Bedingte Verteilungen Unabhängigkeit von Zufallsvariablen

Mehr

Vorlesung 5a. Die Varianz

Vorlesung 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

Mehr

Woche 2: Zufallsvariablen

Woche 2: Zufallsvariablen Woche 2: Zufallsvariablen Patric Müller ETHZ WBL 17/19, 24.04.2017 Wahrscheinlichkeit und Statistik Patric Müller WBL 2017 Teil III Zufallsvariablen Wahrscheinlichkeit

Mehr

Woche 2: Zufallsvariablen

Woche 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

Mehr

Abitur 2016 Mathematik Stochastik IV

Abitur 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

Mehr

Beispiel 37. Wir werfen eine Münze so lange, bis zum ersten Mal

Beispiel 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.

Mehr

Abitur 2012 Mathematik Stochastik IV

Abitur 2012 Mathematik Stochastik IV Seite 1 http://www.abiturloesung.de/ Seite 2 Abitur 2012 Mathematik Stochastik IV Nachdem die Verfilmung eines bekannten Romans erfolgreich in den Kinos gezeigt wurde, veröffentlicht eine Tageszeitung

Mehr

1.3 Zufallsgrößen und Verteilungsfunktionen

1.3 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

Mehr

Wird ein Bernoulli- Versuch, bei dem die Trefferwahrscheinlichkeit p = 0,2 ist, n = 40 mal durchgeführt, dann erwarten wir im Mittel 8 Treffer.

Wird ein Bernoulli- Versuch, bei dem die Trefferwahrscheinlichkeit p = 0,2 ist, n = 40 mal durchgeführt, dann erwarten wir im Mittel 8 Treffer. R. Brinkmann http://brinkmann-du.de Seite 1 06.1008 Erwartungswert binomialverteilter Zufallsgrößen. Wird ein Bernoulli- Versuch, bei dem die Trefferwahrscheinlichkeit p = 0,2 ist, n = 40 mal durchgeführt,

Mehr

Verteilung von Summen

Verteilung von Summen Verteilung von Summen Beispiel: Würfelwurf Frage: Wie verhält sich die Verteilung der Augensumme von -Würfeln bei wachsendem? Zur Beantwortung führen wir ein Simulationseperiment durch. 6 Würfe mit 1 Würfel

Mehr

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Einführung in die Stochastik. Das komplette Material finden Sie hier:

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Einführung in die Stochastik. Das komplette Material finden Sie hier: Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Einführung in die Stochastik Das komplette Material finden Sie hier: School-Scout.de Inhaltsverzeichnis Wiederholung Kapitel 1: Der

Mehr

Klausur: Diskrete Strukturen I

Klausur: 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.

Mehr

Abiturvorbereitung Stochastik. neue friedländer gesamtschule Klasse 12 GB Holger Wuschke B.Sc.

Abiturvorbereitung 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

Mehr

Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf. Vorlesung 04 Mathematische Grundlagen II,

Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf. Vorlesung 04 Mathematische Grundlagen II, Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf 1 Was sollen Sie heute lernen? 2 Agenda Wiederholung stetige Renditen deskriptive Statistik Verteilungsparameter

Mehr

Wahrscheinlichkeitsverteilungen

Wahrscheinlichkeitsverteilungen Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet

Mehr

Diskrete Zufallsvariable*

Diskrete Zufallsvariable* Diskrete Zufallsvariable* Aufgabennummer: 1_37 Aufgabentyp: Aufgabenformat: Multiple Choice (1 aus 6) Grundkompetenz: WS 3.1 Typ 1 T Typ Die unten stehende Abbildung zeigt die Wahrscheinlichkeitsverteilung

Mehr

Basistext - Wahrscheinlichkeitsrechnung

Basistext - Wahrscheinlichkeitsrechnung Basistext - Wahrscheinlichkeitsrechnung Die Wahrscheinlichkeitsrechnung beschäftigt sich mit Vorgängen, die in ihrem Ausgang unbestimmt sind. Sie versucht mögliche Ergebnisse der Vorgänge zu quantifizieren.

Mehr

von x-würfeln bei wachsendem n? Zur Beantwortung führen wir ein Simulationsexperiment durch.

von x-würfeln bei wachsendem n? Zur Beantwortung führen wir ein Simulationsexperiment durch. Zentraler Grenzwertsatz Die Normalverteilung verdankt ihre universelle theoretische und praktische Bedeutung dem zentralen Grenzwertsatz. Unabhängig von der konkreten k Ausgangsverteilung konvergiert die

Mehr

Binomialverteilung. Statistik für SoziologInnen 1 Diskrete Verteilungsmodelle. Marcus Hudec

Binomialverteilung. Statistik für SoziologInnen 1 Diskrete Verteilungsmodelle. Marcus Hudec Binomialverteilung Jakob Bernoulli (1654-1705) Ars Conjectandi Klassisches Verteilungsmodell für die Berechnung der Wahrscheinlichkeit für die Häufigkeit des Eintretens von Ereignissen in bestimmten noch

Mehr

3.3 Bedingte Wahrscheinlichkeit

3.3 Bedingte Wahrscheinlichkeit 28 3.3 Bedingte Wahrscheinlichkeit Oft ist die Wahrscheinlichkeit eines Ereignisses B gesucht unter der Bedingung (bzw. dem Wissen), dass ein Ereignis A bereits eingetreten ist. Man bezeichnet diese Wahrscheinlichkeit

Mehr

Diskrete Strukturen I

Diskrete 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:

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 11. November 2010 1 Erwartungswert und Varianz Erwartungswert Varianz und Streuung Rechenregeln Binomialverteilung

Mehr

1. Ziehg.: N M. falls nicht-rote K. in 1. Ziehg. gezogen

1. 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

Mehr

Übungen Abgabetermin: Freitag, , 10 Uhr

Übungen Abgabetermin: Freitag, , 10 Uhr Universität Münster Institut für Mathematische Statistik Stochastik für Lehramtskandidaten SoSe 015, Blatt 1 Löwe/Heusel Übungen Abgabetermin: Freitag, 10.7.015, 10 Uhr Hinweis: Dies ist nur eine Beispiellösung.

Mehr

Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1

Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1 Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1 Aufgabe 1: Von 2 gleichartigen Maschinen eines pharmazeutischen Betriebes stellt die erste 40% und die zweite 60% der Produkte her. Dabei verursacht

Mehr

Einführung: Kaum Theorie, aber viel Training. Mehr Theorie in Zusätzliche Aufgabensammlung in 34021

Einführung: Kaum Theorie, aber viel Training. Mehr Theorie in Zusätzliche Aufgabensammlung in 34021 STOCHASTIK Binomialverteilung Einführung: Kaum Theorie, aber viel Training Mehr Theorie in 3402 Zusätzliche Aufgabensammlung in 3402 Ausführliche Erklärung des Einsatzes dreier Rechner: Grafikrechner:

Mehr

1 Grundlagen Wahrscheinlichkeitsrechung

1 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

Mehr

Kursthemen 11. Sitzung. Spezielle diskrete Verteilungen: Auswahlexperimente. Spezielle diskrete Verteilungen: Auswahlexperimente

Kursthemen 11. Sitzung. Spezielle diskrete Verteilungen: Auswahlexperimente. Spezielle diskrete Verteilungen: Auswahlexperimente Kursthemen 11. Sitzung Folie I - 11-1 Spezielle diskrete Verteilungen: Auswahlexperimente Spezielle diskrete Verteilungen: Auswahlexperimente A) Kombinatorik (Folien bis 5) A) Kombinatorik (Folien bis

Mehr

Die Binomialverteilung

Die Binomialverteilung Anhand verschiedener Fragen möchten wir heute klären, was man unter der Binomialverteilung versteht: z.b. Wie groß ist die Wahrscheinlichkeit, mit einem Würfel bei 0-maligen Werfen genau -mal eine zu werfen

Mehr

1.5 Erwartungswert und Varianz

1.5 Erwartungswert und Varianz Ziel: Charakterisiere Verteilungen von Zufallsvariablen (Bildbereich also reelle Zahlen, metrische Skala) durch Kenngrößen (in Analogie zu Lage- und Streuungsmaßen der deskriptiven Statistik). Insbesondere:

Mehr

Kapitel 10 VERTEILUNGEN

Kapitel 10 VERTEILUNGEN Kapitel 10 VERTEILUNGEN Fassung vom 18. Januar 2001 130 VERTEILUNGEN Zufallsvariable. 10.1 10.1 Zufallsvariable. HäuÞg wird statt des Ergebnisses ω Ω eines Zufalls-Experiments eine zugeordnete Zahl X(ω)

Mehr

STOCHASTIK Die Binomialverteilung. Hartmut Meyer

STOCHASTIK 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

Mehr

Modelle diskreter Zufallsvariablen

Modelle diskreter Zufallsvariablen Statistik 2 für SoziologInnen Modelle diskreter Zufallsvariablen Univ.Prof. Dr. Marcus Hudec Zufallsvariable Eine Variable (Merkmal) X, deren numerische Werte als Ergebnisse eines Zufallsvorgangs aufgefasst

Mehr

Grundlegende Eigenschaften von Punktschätzern

Grundlegende Eigenschaften von Punktschätzern Grundlegende Eigenschaften von Punktschätzern Worum geht es in diesem Modul? Schätzer als Zufallsvariablen Vorbereitung einer Simulation Verteilung von P-Dach Empirische Lage- und Streuungsparameter zur

Mehr

Arbeitsblatt Wahrscheinlichkeit

Arbeitsblatt Wahrscheinlichkeit EI 8a 2010-11 MATHEMATIK Arbeitsblatt Wahrscheinlichkeit gelöst! 1. Aufgabe Wahrscheinlichkeit (hier wird dann auch mal gerundet!) a) Merksatz: Wahrscheinlichkeiten kann man immer (nicht ganz. dann, wenn

Mehr

A3.Die Lebensdauer eines elektronischen Gerätes werde als normalverteilt angenommen. Der Erwartungswert betrage

A3.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

Mehr

Statistik für Ingenieure Vorlesung 3

Statistik 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

Mehr

Fit for Abi & Study Stochastik

Fit 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

Mehr

Lernzusammenfassung für die Klausur. Inhaltsverzeichnis. Stochastik im SS 2001 bei Professor Sturm

Lernzusammenfassung für die Klausur. Inhaltsverzeichnis. Stochastik im SS 2001 bei Professor Sturm Stochastik im SS 2001 bei Professor Sturm Lernzusammenfassung für die Klausur Hallo! In diesem Text habe ich die wichtigsten Dinge der Stochastikvorlesung zusammengefaÿt, jedenfalls soweit, wie ich bis

Mehr

3. Kombinatorik und Wahrscheinlichkeit

3. Kombinatorik und Wahrscheinlichkeit 3. Kombinatorik und Wahrscheinlichkeit Es geht hier um die Bestimmung der Kardinalität endlicher Mengen. Erinnerung: Seien A, B, A 1,..., A n endliche Mengen. Dann gilt A = B ϕ: A B bijektiv Summenregel:

Mehr

Lösungsskizzen zur Präsenzübung 09

Lösungsskizzen zur Präsenzübung 09 Lösungsskizzen zur Präsenzübung 09 Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 2015/2016 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 07. Februar 2016 von:

Mehr

4. Schularbeit/7C/2-stündig Schularbeit. 7C am

4. 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

Mehr

Dieses Quiz soll Ihnen helfen, Kapitel besser zu verstehen.

Dieses 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.

Mehr

Level 1 Grundlagen Blatt 2

Level 1 Grundlagen Blatt 2 Level 1 Grundlagen Blatt 2 Dokument mit 1 Aufgaben Aufgabe A9 Ein Glücksrad besteht aus 3 Feldern, die folgendermaßen beschriftet sind: 1.Feld: 2,00 2. Feld: 5,00 3. Feld: 0,00 Das 1. Feld hat einen Mittelpunktswinkel

Mehr

Klausur: Diskrete Strukturen I

Klausur: 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

Mehr

Statistik Übungen Sommeruni 2018

Statistik Übungen Sommeruni 2018 Statistik Übungen Sommeruni 2018 Blatt 2: Wahrscheinlichkeitsrechnung 1. Die nach dem französischen Mathematiker Pierre-Simon de Laplace benannten Laplace- Experimente beruhen auf der Annahme, dass bei

Mehr

Abitur 2012 Mathematik Stochastik III

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

Mehr

Aufgabe 4 Ein fairer Würfel wird 36-mal geworfen. Berechne die Wahrscheinlichkeit dafür, dass die Augenzahl 6 in der erwarteten Anzahl eintritt.

Aufgabe 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?

Mehr

Zufallsvariablen [random variable]

Zufallsvariablen [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

Mehr

1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6

1 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 5 Hilfsmittel aus der Kombinatorik 7 Bedingte

Mehr

Zusammenfassung Stochastik

Zusammenfassung Stochastik Zusammenfassung Stochastik Die relative Häufigkeit Ein Experiment, dessen Ausgang nicht vorhersagbar ist, heißt Zufallsexperiment (ZE). Ein Würfel wird 40-mal geworfen, mit folgendem Ergebnis Augenzahl

Mehr

KAPITEL 5. Erwartungswert

KAPITEL 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

Mehr

Definition 2.1 Der Erwartungswert einer diskreten Zufallsvariablen mit Wahrscheinlichkeitsfunktion

Definition 2.1 Der Erwartungswert einer diskreten Zufallsvariablen mit Wahrscheinlichkeitsfunktion Kapitel 2 Erwartungswert 2.1 Erwartungswert einer Zufallsvariablen Definition 2.1 Der Erwartungswert einer diskreten Zufallsvariablen mit Wahrscheinlichkeitsfunktion È ist definiert als Ü ÜÈ Üµ Für spätere

Mehr

Zufallsgröße X : Ω R X : ω Anzahl der geworfenen K`s

Zufallsgröße X : Ω R X : ω Anzahl der geworfenen K`s X. Zufallsgrößen ================================================================= 10.1 Zufallsgrößen und ihr Erwartungswert --------------------------------------------------------------------------------------------------------------

Mehr

für eine rote Kugel denn von auf den 100% (da rot, rot rot, blau blau, rot blau, blau

für eine rote Kugel denn von auf den 100% (da rot, rot rot, blau blau, rot blau, blau Berechnung von Wahrscheinlichkeiten beim Ziehen mit und ohne Zurücklegenn Ziehen mit Zurücklegenn Wir betrachten folgendes Beispiel: In einer Urne sind 2 rote und 3 blaue Kugeln.. Wenn man hier eine Kugel

Mehr

Stochastik: Erwartungswert Stochastik Erwartungswert einer Zufallsvariablen Gymnasium ab Klasse 10 Alexander Schwarz

Stochastik: Erwartungswert Stochastik Erwartungswert einer Zufallsvariablen Gymnasium ab Klasse 10 Alexander Schwarz Stochastik Erwartungswert einer Zufallsvariablen Gymnasium ab Klasse 0 Alexander Schwarz www.mathe-aufgaben.com November 20 Aufgabe : Ein Glücksrad besteht aus Feldern, die folgendermaßen beschriftet sind:.feld:

Mehr

1.5 Erwartungswert und Varianz

1.5 Erwartungswert und Varianz Ziel: Charakterisiere Verteilungen von Zufallsvariablen durch Kenngrößen (in Analogie zu Lage- und Streuungsmaßen der deskriptiven Statistik). Insbesondere: a) durchschnittlicher Wert Erwartungswert, z.b.

Mehr

Statistik-Klausur vom

Statistik-Klausur vom Statistik-Klausur vom 27.09.2010 Bearbeitungszeit: 60 Minuten Aufgabe 1 Ein international tätiges Unternehmen mit mehreren Niederlassungen in Deutschland und dem übrigen Europa hat seine überfälligen Forderungen

Mehr

Zusammenfassung 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 Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind

Mehr

BSZ für Bau- und Oberflächentechnik des Landkreises Zwickau Außenstelle Limbach-Oberfrohna STOCHASTIK

BSZ für Bau- und Oberflächentechnik des Landkreises Zwickau Außenstelle Limbach-Oberfrohna STOCHASTIK . Ordnen Sie die in den folgenden Bildern dargestellten Wahrscheinlichkeitsfunktionen nach den Erwartungswerten ihrer Zufallsgröße X mit x, 2,, 4, 5 größten Erwartungswert. i. Beginnen Sie mit dem Bild

Mehr

Ergebnis Ergebnisraum Ω. Ereignis. Elementarereignis

Ergebnis Ergebnisraum Ω. Ereignis. Elementarereignis Stochastik Die Stochastik besteht aus zwei Teilgebieten, der Statistik und der Wahrscheinlichkeitsrechnung. Die Statistik beschreibt die Vergangenheit und verwendet Informationen, die (in realen Versuchen)

Mehr

7.5 Erwartungswert, Varianz

7.5 Erwartungswert, Varianz 7.5 Erwartungswert, Varianz Def. 7.5.: a) X sei eine diskrete ZV, die bei unendl. vielen Werten x k folgende Zusatzbedingung erfüllt: x k p k

Mehr

2 Zufallsvariable und Verteilungsfunktionen

2 Zufallsvariable und Verteilungsfunktionen 8 2 Zufallsvariable und Verteilungsfunktionen Häufig ist es so, dass den Ausgängen eines Zufallexperiments, d.h. den Elementen der Ereignisalgebra, eine Zahl zugeordnet wird. Das wollen wir etwas mathematischer

Mehr

Vorlesung 4b. Die Varianz

Vorlesung 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

Mehr

P A P( A B) Definition Wahrscheinlichkeit

P A P( A B) Definition Wahrscheinlichkeit Unabhaengige Ereignisse edingte Wahrscheinlichkeit Definition Wahrscheinlichkeit Die Wahrscheinlichkeit eines Ereignisses ist das Verhältnis der günstigen Ergebnisse zur Gesamtmenge der Ergebnisse nzahl

Mehr

Discrete Probability - Übungen (SS5) Wahrscheinlichkeitstheorie. 1. KR, Abschnitt 6.1, Aufgabe 5: 2. KR, Abschnitt 6.1, Aufgabe 7:

Discrete Probability - Übungen (SS5) Wahrscheinlichkeitstheorie. 1. KR, Abschnitt 6.1, Aufgabe 5: 2. KR, Abschnitt 6.1, Aufgabe 7: Discrete Probability - Übungen (SS5) Felix Rohrer Wahrscheinlichkeitstheorie 1. KR, Abschnitt 6.1, Aufgabe 5: Bestimmen Sie die Wahrscheinlichkeit dafür, dass die Augensumme von zwei geworfenen Würfeln

Mehr

Grundlagen der Stochastik

Grundlagen 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.

Mehr

Teil A hilfsmittelfreier Teil

Teil A hilfsmittelfreier Teil Klassenarbeit GYM Klasse 0 Seite Datum: Thema: Name: Zeit: Erreichte Punkte: Note: Hilfsmittel: keine Teil A hilfsmittelfreier Teil Aufgabe : (4 Punkte) Entscheide, ob das Zufallsexperiment eine Bernoulli-Kette

Mehr

Inhaltsverzeichnis: Lösungen zur Vorlesung Statistik Kapitel 4 Seite 1 von 19 Prof. Dr. Karin Melzer, Fakultät Grundlagen

Inhaltsverzeichnis: 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

Mehr

7.7 Spezielle diskrete Wahrscheinlichkeitsverteilungen

7.7 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

Mehr

Kurs 2 Stochastik EBBR Vollzeit (1 von 2)

Kurs 2 Stochastik EBBR Vollzeit (1 von 2) Erwachsenenschule Bremen Abteilung I: Sekundarstufe Doventorscontrescarpe 172 A 281 Bremen Kurs 2 Stochastik EBBR Vollzeit (1 von 2) Name: Ich 1. 2. 3. 4.. 6. 7. So schätze ich meinen Lernzuwachs ein.

Mehr

Stochastik (Laplace-Formel)

Stochastik (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

Mehr

Hauptklausur zur Stochastik für Lehramt

Hauptklausur 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.

Mehr

Stochastik. Inhaltsverzeichnis

Stochastik. Inhaltsverzeichnis Stochastik Inhaltsverzeichnis 1. Allgemeine Definition... 2 2. Laplace-Wahrscheinlichkeit... 2 3. Gegenereignis (häufig bei mindestens -Aufgaben)... 3 4. Vereinigung von 2 Ereignissen ( oder -Formulierungen)...

Mehr

Wahrscheinlichkeit (Teschl/Teschl 2, Kap. 26)

Wahrscheinlichkeit (Teschl/Teschl 2, Kap. 26) Wahrscheinlichkeit (Teschl/Teschl 2, Kap. 26) Gegeben Menge Ω (Wahscheinlichkeitsraum, Menge aller möglichen Ausgänge eines Zufallsexperiments), Abbildung P : P(Ω) [0, 1] (Wahrscheinlichkeit): Jeder Teilmenge

Mehr

ˆ Die Verluste der einzelnen Perioden sind in den ersten zehn Perioden stochastisch

ˆ Die Verluste der einzelnen Perioden sind in den ersten zehn Perioden stochastisch Technische Hochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 39 14 jutta.arrenberg@th-koeln.de Übungen zu QM III (Wirtschaftsstatistik) Binomialverteilung

Mehr

A: Beispiele Beispiel 1: Zwei Zufallsvariablen X und Y besitzen die beiden folgenden Wahrscheinlichkeitsfunktionen:

A: 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)

Mehr

2.2 Binomialverteilung, Hypergeometrische Verteilung, Poissonverteilung

2.2 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

Mehr

Übung zur Stochastik

Übung zur Stochastik Übung zur Stochastik 1.) Die G-Partei hat bei der vergangenen Kommunalwahl in einer Stadt mit etwa 700 000 wahlberechtigten Bürgern rund 9 % der Stimmen erhalten. Nun werden 1 000 rein zufällig ausgewählte

Mehr

2.2 Ereignisse und deren Wahrscheinlichkeit

2.2 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,

Mehr

5 Binomial- und Poissonverteilung

5 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

Mehr

Pflichtteilaufgaben zu Stochastik (Pfadregeln, Erwartungswert, Binomialverteilung) Baden-Württemberg

Pflichtteilaufgaben zu Stochastik (Pfadregeln, Erwartungswert, Binomialverteilung) Baden-Württemberg Pflichtteilaufgaben zu Stochastik (Pfadregeln, Erwartungswert, Binomialverteilung) Baden-Württemberg Hilfsmittel: keine allgemeinbildende Gymnasien Alexander Schwarz www.mathe-aufgaben.com September 016

Mehr

Einführung in die Wahrscheinlichkeitsrechnung

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

Mehr