Mathe-Lernzettel. Schwerpunkt 3 : Stochastik. Einführung in die Stochastik: - wichtige Begriffe: Absolute Häufigkeit
|
|
- Mona Salzmann
- vor 7 Jahren
- Abrufe
Transkript
1 Mathe-Lerzettel Schwerpukt 3 : Stochastik Eiführug i die Stochastik: - wichtige Begriffe: Relative Häufigkeit - Baumdiagramm: h(e) ; Darstellug eies Ergebisses absolute Häufigkeit Aza l der Durc füruge Absolute Häufigkeit H(E) Wahrscheilichkeit P(E) ; diet eier Progose Empirisches Gesetz der große Zahle Je häufiger ich eie Versuche durchführe, desto mehr ähert sich die rel. Häufigkeit der Wahrscheilichkeit a. Zufallsversuch Ma ka de Ausgag icht vorhersage. Die Ergebismege lässt sich jedoch agebe Ergebis a 1,a 2,... Ergebismege z.b.: S = {1,2,3,4,5,6} Ereigis z.b.: E = {2,4}; Zusammefassug vo Ergebisse Laplace-Versuch Jedes Ergebis hat die gleiche Wahrscheilichkeit (z.b. Müze) Laplace-Regel für Ergebisse 1 Azal der möglice Ergebisse Laplace-Regel für Ereigisse Azal der güstige Ergebisse Azal der möglice Ergebisse Umögliches Ereigis z.b., dass eie Reiszwecke auf der Spitze ladet Sicheres Ereigis P(E) = 1 (100%) Gegeereigis E Elemetare Summeregel E = {1,2}; P(E) = P({1,2}) = P({1})+P({2}) Komplemetärregel P(E)+P(E) = 1; P(E) = 1-P(E) Pfadmultiplikatio Etlag eies Pfades multipliziere Pfadadditio Die Pfadedwahrscheilichkeite (vgl. Pfadmultiplikatio) werde addiert Ziehe mit Zurücklege =Azahl der ges. Kugel, k=azahl der Versuchsdurchführuge k Möglichkeite Ziehe ohe Zurücklege! Bei Elemete gibt es Möglichkeite für k-faches Ziehe Ziehe mit eiem Griff a c A k! Mit GTR: (Pr) Die Reihefolge ist egal! Wählt ma k Elemete aus Elemete aus, so gibt es k =! " über k" Möglichkeite mit GTR: (Cr) k! k! c b c 100% AC AD BC BD a b d e d f f B e f Pfadadditio: AC + AD Pfadmultiplikatio: c a c = a
2 - Vierfeldertafel: Mathe-Lerzettel Merkmal A Merkmal B gesamt Merkmal C a = g-d = c-b d = g-a = f-e g = a+d = 100%-h Merkmal D b = h-e = c-a e = h-b = f-d h = b+e = 100%-g gesamt c = 100%-f = a+b f = 100%-c = d+e 100% - Bayes'sche Regel: Sei B ei Ereigis, das us iteressiert ud A eie Bedigug, uter der wir de Vorgag betrachte, da gilt: Die Wahrscheilichkeit P A (B) für B uter der Bedigug A berechet sich wie folgt: P(A B) P A B = P(A) Bedigte Wahrscheilichkeite bereche sich als Quotiet: Der Zähler des Bruches lässt sich aus eiem iere Feld der Mehrfeldertafel ablese. Der Neer des Bruches steht als Zeile- oder Spaltesumme am Rad (umgekehrte Pfadmultiplikatio): Beroulli-Kette: Beroulli-Kette sid besodere -stufige Zufallsversuche mit folgede Eigeschafte: Ereigis Auf jeder Stufe uterscheidet ma ur zwei Ergebisse, die ma als Erfolg bzw. Misserfolg bezeichet. Die Wahrscheilichkeit für eie Erfolg (Erfolgswahrscheilichkeit p) bzw. eie Misserfolg (Misserfolgswahrscheilichkeit q=1-p) bleibe währed des Zufallsversuchs uverädert. p: Erfolgswahrscheilichkeit q = q-1: Misserfolgswahrscheilichkeit : Azahl der Stufe k: Azahl der Erfolge : "Azahl der Erfolge" hier wird agegebe, was als Erfolg gelte soll Es gilt: P = k = pk q k k Beschreibug mit Zufallsgröße Berechug Geau k Erfolge = k P = k = höchstes k Erfolge k P k = Berechug mit GTR (STAT-Meü) k pk q k Bpd k t=0 t p t q t weiger als k Erfolge < k P (k 1) Bcd mehr als k Erfolge > k 1 P k 1-Bcd midestes k Erfolge k 1 P (k 1) 1-Bcd midestes a ud höchstes b Erfolge a b P b P( a 1 ) Bcd
3 Mathe-Lerzettel - Auslastugsmodell: I eier Reifehadlug arbeite 10 Moteure, die eie Maschie zum auswuchte der Radfelge durchschittlich für 24 Miute pro Stude beötige. a) Mit welcher Wahrscheilichkeit geüge 4 [5;6] Maschie? 24 p 0,4 : Azahl der Moteure, die eie Maschie zum beliebige Zeitpukt beötige 60 = 10 Bei 4 Maschie: P( 4) P( 0) P( 1) P( 2) P( 3) P( 4) , ,4 m0 m 0, ,4 0,4 1 0,4 0,4 1 0,4 0,4 1 0,4 0,4 1 0,4 m 1 0,4 10m Mit eier Wahrscheilichkeit vo 63,3% geüge 4 Maschie. Bei 5 Maschie: P( 5) P( 0) P( ,4 m0 m 0,834 m 1 0,4 10m 1) P( 2) P( 3) P( 4) P( Mit eier Wahrscheilichkeit vo 83,4% geüge 5 Maschie. 5) Zwischeschritt siehe 4 Maschie Bei 6 Maschie: P( 6) P( 0) P( ,4 m0 m 0,945 m 1 0,4 10m 1) P( 2) P( 3) P( Mit eier Wahrscheilichkeit vo 94,5% geüge 6 Maschie. 4) P( 5) P( 6) b) Wie viele Maschie müsse zur Verfügug stehe, damit diese mit eier Wahrscheilichkeit vo midestes 95% ausreiche? 7 10 m 10m P ( x 7) 0,4 1 0,4 0, 988 m0 m 7 Maschie müsse zur Verfügug stehe, damit diese zu 95% ausreiche, da die Wahrscheilichkeit da größer als 95% ist.
4 Mathe-Lerzettel Erwartugswert eier Zufallsgröße: - Allgemei: Eie Zufallsgröße ehme die Werte a 1, a 2,...,a m mit de Wahrscheilichkeite P(=a 1 ), P(=a 2 ),...,P(=a m ) a. Da wird der zu erwartede Mittelwert E() der Verteilug als Erwartugswert der Zufallsgröße bezeichet. Es gilt: E = a 1 P = a 1 + a 2 P = a a m P = a m = a i P( = a i ) Der Erwartugswert wird auch mit μ bezeichet. - Bei eier Biomialverteilug gilt: μ = E = p - Beispiel 1: Ei Würfel mit eier zweite Sechs statt der Eis wird mehrmals geworfe: E = = 4, 3 - Beispiel 2: 20% Gewilose, 80% Niete Eie Perso möchte solage ei Los kaufe, bis sie eie Gewi gezoge hat. Maximal 5 Lose werde gezoge. Welche Ausgabe wird im Mittel gemacht, we ei Los 2 kostet? : Azahl der gezogee Lose a P ( = a) a P ( = a) 1 0,2 0,2 2 0,8 0,2 0,32 3 0,8 0,8 0,2 0, ,8 0,8 0,8 0,2 0, ,8 0,8 0,8 0,8 0,2+ 0,8 0,8 0,8 0,8 0,8 = 0,8 0,8 0,8 0,8 (0,2+0,8) =0,8 0,8 0,8 0,8 (1) 2,048 Summe : 3,3616 Überleguge zu a=5: Die erste Möglichkeit beim Ziehe des 5. Loses wäre, dass ma ei Gewi zieht. Also: 0,8 0,8 0,8 0,8 0,2 (vier Niete ud ei Gewi). Der Erwartugswert für diese Möglichkeit beträgt 0,4096. Die zweite Möglichkeit wäre och eie 5. Niete zu ziehe. Also: 0,8 0,8 0,8 0,8 0,8. Der Erwartugswert beträgt also 1,6384. E = 1 P = P = P = P = P = 5 = 1 0, ,8 0, ,8 0,8 0,2 + = 3,3616 Der Erwartugswert für das Ziehe vo eiem Gewi, ierhalb der 5 Versuche, beträgt 3,3616. Die Perso müsste im Mittel 6,72 ausgebe (3,3616 2). m i=1
5 Mathe-Lerzettel Maß für die Streuug: - Allgemei: Bei eiem Zufallsversuch ka das Ergebis vom Erwartugswert abweiche. Je häufiger ud je weiter die Ergebisse vo μ (E()) abweiche, desto stärker streue die Werte. Def.: Als Variaz V() der Zufallsgröße bezeichet ma die zu erwartede mittlere quadratische Abweichug vom Erwartugswert μ der Zufallsgröße, also: V = (a 1 μ)² P = a (a m μ)² P = a m = (a i μ)² P( = a i ) i=1 Die Quadratwurzel aus der Variaz eier Zufallsgröße heißt Stadardabweichug σ: σ = V() - Bei eier Biomialverteilug gilt: V = p q = p 1 p = μ (1 p) σ = p q m - Beispiel: Bekatlich lässt sich ei Ziehe ohe Zurücklege für große auch äherugsweise als ei Ziehe mit Zurücklege iterpretiere. I eier Lostrommel befide sich isgesamt 100 Lose i der Trommel, daruter 20 Gewilose. Felix kauft 10 Lose ud betrachtet die Zufallsgröße : "Azahl der Gewilose" Nehme Sie eie äherugsweise Berechug a, dass mit Zurücklege gezoge wird. Ermittel Sie für diese Fall de Erwartugswert, die Stadardabweichug ud die Wahrscheilichkeit P(=μ) Gegebe: = Azahl der Gewilose, = 10, p = 0, Gesucht:,, P ( x ) Bei Biomialverteiluge mit der Stufezahl ud der Erfolgswahrscheilichkeit p gilt: p p ( 1 p) bzw. ( 1 p) Da es sich hierbei um eie Zufallsversuch hadelt, bei dem wir zwische Erfolg ud Misserfolg uterscheide köe ud die Wahrscheilichkeit für de Erfolg immer gleich bleibt, köe wir Gebrauch der obe geate Formel mache. Erwartugswert: 10 0,2 2 Stadardabweichug: 2(1 0,2) 1,6 1, 265 P = μ = μ pμ (1 p) μ P = 2 = ,22 (1 0,2) 10 2 P = 2 0,301 We wir davo ausgehe, dass mit Zurücklege gezoge wird, betrachte wir das Ergebis, dass Felix bei 2 vo 10 seier gekaufte Lose Glück hat ud ei Gewilos zieht. Die Wahrscheilichkeit hierfür liegt bei 30,1%. Bedigt durch die Stadardabweichug vo ca. 1,27 ka es jedoch sei, dass Felix ur ei Los zieht oder dass sich glücklicherweise 3 Gewilose uter seie 10 gekaufte Lose befide.
6 Mathe-Lerzettel Wie viele Lose muss Felix zusätzlich kaufe, damit er mit mehr als 99% midestes ei Gewilos bekommt? Gesucht: P 1 > 0,99 1 P 0 > 0,99 1 P = 0 > 0,99 P = 0 < 0,01 1 ( 1) P = 0 = 0 p0 (1 p) 0 = P = 0 = < 0,01 l ( ) 5 l ( 4 5 ) < l (0,01) l (0,01) Es ka keie egative Azahl a Gewilose gebe, deshalb gilt: > l Felix muss zusätzlich och 11 Lose kaufe, um mit mehr als 99% ei Gewilos zu bekomme. Hypothese: Bei dem Teste vo Hypothese gilt es abzuwäge, ab welcher Azahl der Erfolge ma die eie oder adere Hypothese verwirft oder glaubt. Hierfür werde die Wahrscheilichkeite für die Erfolge bei de uterschiedliche Wahrscheilichkeite vergliche, ud so eie möglichst iedrige Fehlerwahrscheilichkeit gefude. Da es sich um Zufallsexperimete hadelt, ist eie eideutige Bestimmug jedoch ie möglich. Ma uterscheidet zwische Aahmebereich ud Verwerfugsbereich eier Hypothese: Liegt das Ergebis eies Zufallsversuchs im Verwerfugsbereich, da hält ma die Hypothese für falsch; liegt es im Aahmebereich, da hat ma dazu keie Alass. Daher köe beim Hypothesetest zweierlei Fehler uterlaufe: Fehler 1. Art (α): Eie wahre Hypothese wird verworfe. Fehler 2. Art (β): Eie falsche Hypothese wird icht verworfe (geglaubt). - Beispiel 1: Arzeimittel gege Bluthochdruck helfe bei etwa 60% der Patiete. Ei eues Medikamet verspricht sogar bei 80% der Fälle zu helfe. Um dies zu teste, werde 20 Patiete mit der eue Arzei behadelt. Ageomme die Behauptug ist richtig, d.h. die Heilugschace p beträgt p=0,8, da erwarte wir im Versuch mit =20 Patiete ugefähr μ= p=16 Heiluge. We mehr als 16 Heiluge eitrete, spricht das eher für die Behauptug des Herstellers. Zufällig ka es aber auch zu weiger als 16 Heiluge komme, obwohl p=0,8. Mit welcher Wahrscheilichkeit ist dies der Fall? Bereche Sie dazu die Zufallsgröße : "Azahl der geheilte Patiete" die Wahrscheilichkeit P 0,8 ( 15), P 0,8 ( 14),..., P 0,8 ( 12).
7 Mathe-Lerzettel Gegebe: = 20 (Patiete), p = 0,8 (eues Medikamet), μ=16 (Heiluge) Es liegt eie Biomialverteilug vor, da es ur 2 Ergebisse gibt, eie gleichbleibede Wahrscheilichkeit vorliegt ud damit eie Beroulli-Kette zugrude liegt. Durch das STAT-Meü des Tascherecher ergibt sich: P 0,8 16 = 0,5886 P 0,8 15 = 0,3704 P 0,8 14 = 0,1958 P 0,8 13 = 0,0867 P 0,8 12 = 0,0321 Die Wahrscheilichkeit, dass trotz der höhere Wahrscheilichkeit vo p=0,8 weiger/gleich 16 Patiete geheilt werde, ist mit eier Wahrscheilichkeit vo 58,86 % sehr hoch, verwirft ma die Hypothese bei eier Heilug vo weiger als 17 Patiete, ka ma leicht eie Fehler begehe. Glaubt ma die Hypothese scho bei 13 Heiluge, ist die Wahrscheilichkeit die wahre Hypothese zu verwerfe mit 3,2% sehr iedrig. Ageomme, die Heilugschace des eue Medikamets beträgt auch ur 60% wie bei de bekate Arzeimittel, da erwarte wir ugefähr μ=20 0,6=12 Heiluge. We weiger als 12 Heiluge eitrete, spricht dies eher gege die Behauptug des Herstellers (p=0,8). Zufällig ka es aber auch zu mehr als 12 Heiluge komme: P 0,6 13 = 1 P 0,6 12 = 1 0,5841 = 0,4159 P 0,6 14 = 1 P 0,6 13 = 1 0,75 = 0,25 P 0,6 15 = 1 P 0,6 14 = 1 0,8744 = 0,1256 P 0,6 16 = 1 P 0,6 15 = 1 0,949 = 0,051 P 0,6 17 = 1 P 0,6 16 = 1 0,984 = 0,016 Aus dem erste Teil geht also hervor, dass die Wahrscheilichkeit, die wahre Hypothese zu verwerfe sikt, we ma die Hypothese scho bei möglichst weig Heiluge glaubt. Adersrum steigt jedoch die Wahrscheilichkeit eie falsche Hypothese zu glaube. Ma muss u eie Etscheidugsregel aufstelle, wie zum Beispiel: Ma glaubt de Agabe des eue Medikamets, also p=0,8, we midestes 15 Persoe geheilt werde. Aderefalls geht ma davo aus, dass es icht besser ist als die bisher verwedete Medikamete mit der Wahrscheilichkeit vo 60%. Dabei köe folgede Fehler passiere: Fehler 1. Art: Das eue Medikamet ist besser als die bisherige (p=0,8). Zufällig ka es aber vorkomme, dass weiger als 15 Patiete geheilt werde ud ma würde de Agabe icht glaube, obwohl sie stimme. Zu solch eiem Fehler käme es i (P 0,8 14 = 0,1958 ) 19,6% der Fälle. Fehler 2. Art: Das eue Medikamet ist geauso gut wie die bisherige (p=0,6). Zufällig ka es aber vorkomme, dass mehr als 15 Patiete geheilt werde ud ma würde de Agabe glaube, obwohl sie icht stimme. Zu solch eiem Fehler käme es i (P 0,6 15 = 0,126 ) 12,6% der Fälle.
8 Mathe-Lerzettel - Beispiel 2: Nu betrachte wir 50 Patiete a dee das Medikamet getestet wird. Bestimme Sie de kritische Wert zur Hypothese p=0,8 so, dass α 0,05 ist. Hiweis: Als kritische Wert wählt ma de Mittelwert zwische zwei beachbarte gaze Zahle. Dadurch werde Missverstädisse vermiede, i dee uklar bliebe, ob die Etscheidugsregel z.b. für x > k oder x k (bzw. x k oder x < k ) gilt, mit k N. Die Hypothese p=0,8 wird sicherlich ur da verworfe, we deutlich weiger Patiete geheilt werde als erwartet, d.h. weiger als μ=50 0,8=40. Der kritische Wert zur Hypothese p=0,8 ist so zu bestimme, dass die Wahrscheilichkeit für de Verwerfugsbereich V höchstes 5% beträgt, also P 0,8 V 0,05. Betrachte wir u verschiedee Bereiche für =50 ud p=0,8: P 0,8 36 = 0,111 P 0,8 35 = 0,061 > 0,05 P 0,8 34 = 0,031 < 0,05 Der kritische Wert liegt also zwische 34 ud 35. Die Etscheidugsregel lautet somit: Verwirf die Hypothese p=0,8, falls weiger als 35 Heiluge erfolge. Die Wahrscheilichkeit eie Fehler 2. Art zu begehe, also p=0,8 zu glaube, obwohl ur zufällig mehr als 35 Heiluge bei p=0,6 erfolgte, ka u eifach berechet werde durch: β = P 0,6 35 = 0,096. Gauß'sche Glockefuktio / Normalverteilug: Gauß etdeckte, dass sich z. B. die Wahrscheilichkeite zufälliger Messfehler durch glockeförmige Wahrscheilichkeitsdichte der Form φ μ ; σ x = 1 σ 2π e (x μ )² 2σ ² beschreibe lasse. Dabei sid μ ud σ kostate Parameter. Für μ = 0 ud σ = 1 vereifacht sich die Fuktiosgleichug zu φ x = Ma spricht da vo der Stadard-Glockefuktio. Diese e-fuktio lässt sich folgedermaße beschreibe: 1 2π e x² 2. um μ auf der x-achse verschobe 2σ² verädert de Graphe (die abfallede ud die absteigede Seite 1 um wird die Fuktio etlag der y-achse gestaucht σ 2π Maximalstelle liegt bei x=μ Gegebe sid Biomialverteiluge mit eier Erfolgswahrscheilichkeit p=0,3 ud (1) =50 (2) =100 (3) =200 (4) =300 Um die dazugehörige Glockekurve zeiche zu lasse, beötigt ma jeweils de Erwartugswert ud die Stadardabweichug: (1) μ = 15 (2) μ = 30 (3) μ = 60 (4) μ = 90 σ = 3,240 σ = 4,583 σ = 6,481 σ = 7,987
9 Mathe-Lerzettel Es ergebe sich folgede Graphe Mit zuehmede werde die Glockekurve flacher ud breiter, die Stadardabweichug vom Erwartugswert immt zu - Sigma-Umgebug: Die symmetrische Itervalle μ σ ; μ + σ, μ 2σ ; μ + 2σ ud μ 3σ ; μ + 3σ et ma auch Sigma-Umgebug mit dem Radius 1σ, 2σ ud 3σ um de Erwartugswert μ ud schreibt kurz 1σ-, 2σ- ud 3σ-Umgebug. Beispiel für (1) ud der 1σ-Umgebug: μ σ ; μ + σ = 15 3,24 ; ,24 = 11,76 ; 18,24 11,8 ; 18,2 (1) (2) (3) (4) 1σ-Umgebug 11,8 ; 18,2 25,5 ; 34,5 53,6 ; 66,4 82,1 ; 97,9 2σ-Umgebug 8,6 ; 21,4 29,9 ; 39,1 47,1 ; 72,9 74,2 ; 105,8 3σ-Umgebug 5,3 ; 24,7 16,3 ; 43,7 40,6 ; 79,4 66,2 ; 113,8 Mit Hilfe der Itervallgreze ist es u möglich, de Flächeihalt zwische der Glockekurve ud der x- Achse zu bereche: (1) (2) (3) (4) 1 -Umgebug 0,6827 0,6827 0,6827 0, Umgebug 0,9545 0,9545 0,9545 0, Umgebug 0,9973 0,9973 0,9973 0,9973 Es fällt auf, dass sich die Flächeihalte zwische der x-achse ud de jeweils 4 verschiedee Glockekurve für die gleiche Sigma-Umgebug gleich groß sid. Dies ka ma u utze, idem ma mit dieser Sigma-Umgebug Sicherheitswahrscheilichkeite agebe ka. Ist σ>3, so gilt: P μ 1,64σ μ + 1,64σ = 90% P μ 1,96σ μ + 1,96σ = 95% P μ 2,58σ μ + 2,58σ = 99%
10 Mathe-Lerzettel - Vertraues-/Kofidezitervalle für icht bekate Wahrscheilichkeite: Die zuvor agegebee Vertrauesitervalle gelte ur, we eie Biomialverteilug vorliegt ud we σ > 3 ist. Radius des Itervalls Vertrauesitervall 90% -Sicherheit: 1,64 σ [μ 1,64σ ; μ + 1,64σ] 95% -Sicherheit: 1,96 σ [μ 1,96σ ; μ + 1,96σ] 99% -Sicherheit: 2,58 σ [μ 2,58σ ; μ + 2,58σ] Ma rudet immer zum Erwartugswert hi. Also beim utere Sicherheitsitervall rudet ma auf, beim obere ab. Dieses Itervall gibt jedoch ur absolute Werte a ud ma beötigt die Wahrscheilichkeit p. Falls ma aber gleich Wahrscheilichkeite als Ergebis habe möchte, so gibt es hierfür folgede Formel: 90% -Sicherheit: 1,64 σ [ 1,64 ; + 1,64 ] 95% -Sicherheit: 1,96 σ [ 1,96 ; + 1,96 ] 99% -Sicherheit: 2,58 σ [ 2,58 ; + 2,58 Wobei h der relative Häufigkeit ( = r ) etspricht, r dem Stichprobeergebis ud dem Stichprobeumfag. Die Formel erhält ma, idem ma das obere Itervall durch teilt: μ 1,64σ p 1,64 p (1 p) : ] p 1,64 1,64 p (1 p) ² p wird hier durch h ersetzt Mit dem Tascherecher ka solch ei Vertrauesitervall im STAT-Meü berechet werde: F4 [INTR] F1 [Z] F3 [1 p] Es erscheit folgede Tabelle: C-Level (Sicherheitswahrscheilichkeit) z.b. 0,95 (Azahl des iteressierede Ereigisses) (r) (Stichprobeumfag) () Save Res List 1 Das Ergebis wird i folgeder Tabelle agezeigt: Left (utere Greze des Itervalls)... Right (obere Greze des Itervalls)...
11 Mathe-Lerzettel - Flächeihalt ud Itegral eier Normalverteilug: Zuächst ka ma sich klar mache, dass die gesamte Fläche uter eier Glockekurve 1 ergebe muss (also 100%). Somit gilt: + φ μ,σ x dx = 1 De Ihalt der Fläche (siehe Bild) uterhalb eies Graphe vo f über dem Itervall ] ; a] iterpretiert ma als die Wahrscheilichkeit P ( a). Das Itegral dieser Fuktio wird allg. beschriebe durch: φ x = 1 e (x μ )² μ +kσ 2 σ ² dx σ 2π Durch die sog. Stadardisierugsformel: x μ z = σ erhalte wir die Stadardormalverteilug φ z = 1 2π e z² 2 Dies wurde durch Substitutio ud Trasformatio erreicht, ist aber icht abirelevat! dere Stammfuktio Φ köe wir icht bereche ud wird daher i Tabelle i der Formelsammlug agegebe. Um ei Itegral zu bestimme muss ma also ur z ausreche ud da i eier Tabelle Φ z heraussuche: Gegebe ist die Glockekurve: φ 4;2 z = 1 e (z 4)² 2 2² 2 2π Gesucht ist das Itegral im Itervall [2;6] : 6 φ 4;2 z dz 2 = Φ Φ = Φ 1 Φ 1 0,683 Mit dem Tascherecher ka das Itegral eier Normalverteilug im STAT-Meü berechet werde: F5 [DIST] F1 [NORM] F2 [Ncd] Es erscheit folgede Tabelle: Lower 2 Upper 6 σ 2 μ 4 Das Ergebis wird i folgeder Tabelle agezeigt (ma ka sich das Ergebis auch zeiche lasse): p 0,683 Z: Low -1 Z: Up 1
12 Mathe-Lerzettel Beispielaufgabe: I eiem Zoo, i dem ierhalb vo 5 Jahre 436 Meerschweiche gebore wurde, ware 218 Tiere mit eiem Alter vo 14 Tage schwerer als M 144,1g. Ermittel Sie uter Aahme eier Biomialverteilug für die ubekate Wahrscheilichkeit p, dass im haoversche Zoo ei zweiwöchiges Meerie schwerer als M 144,1g ist, zur Sicherheitswahrscheilichkeit vo 95% das Vertrauesitervall (siehe Tabelle i der Alage; zur Kotrolle: [0,453;0,547]). Begrüde Sie, dass das Produkt der ubekate Wahrscheilichkeit p mit der Gegewahrscheilichkeit 1 p durch p1 p 0,25 abgeschätzt werde ka ud leite Sie damit die folgede Abschätzug für die Itervallläge d i Abhägigkeit vom Stichprobeumfag zur 1 Sicherheitswahrscheilichkeit 95% her: d 1,96. Bereche Sie auf der Grudlage dieser Abschätzug de miimale Stichprobeumfag für die Utersuchug zweiwöchiger Meerschweiche, so dass die Greze des Vertrauesitervalls um höchstes 0,01 vo der Mitte des Vertrauesitervalls abweiche. I eier Normkurve ach eiem Meerschweicheverbad wird das Körpergewicht Y als ormalverteilt ageomme ud für de Erwartugswert für zweiwöchige Meerschweiche g sowie für die Stadardabweichug der Wert 6,80 g agegebe. Es soll geprüft werde, ob die Date des Zoos (siehe obe) zu dieser Normkurve passe. Ermittel Sie dazu aus der Normkurve die Wahrscheilichkeit, dass ei 14 Tage altes Meerschweiche mehr als M 144,1g wiegt. Begrüde Sie mit Hilfe der berechete Wahrscheilichkeit, dass die Gesamtheit der zweiwöchige Meerschweiche dieses Zoos bei eier Sicherheitswahrscheilichkeit vo 95% icht durch die Normkurve beschriebe werde ka. Bestimme Sie eie Erwartugswert 2 für eie adere Normkurve, bei der bei gleicher Stadardabweichug 6,80 g P Y M mit der utere Greze 0,453 des die Wahrscheilichkeit i b) ermittelte Vertrauesitervalls übereistimmt. Umgebuge des Erwartugswertes bei Biomialverteiluge ud die zugehörige Wahrscheilichkeite Radius der Umgebug 1 1,64 1,96 2 2,58 3 Wahrscheilichkeit 68 % 90 % 95 % 95,5 % 99 % 99,7 %
13 Mathe-Lerzettel Lösuge: Ermittel Sie uter Aahme eier Biomialverteilug für die ubekate Wahrscheilichkeit p, dass im haoversche Zoo ei zweiwöchiges Meerie schwerer als M=144,1g ist, zur Sicherheitswahrscheilichkeit vo 95% das Vertrauesitervall Da wir p icht kee, müsse wir folgedes Vertrauesitervall betrachte: [ 1,96 ; + 1,96 Der Stichprobeumfag beträgt = 436, das Strichprobeergebis r beträgt r = 218. Daraus ergibt sich = r = = 0,5. Für das Vertrauesitervall gilt demach: ] [0,5 1,96 = [0,453 ; 0,547] 0,5 1 0,5 436 ; 0,5 + 1,96 0,5(1 0,5) 436 ] Begrüde Sie, dass das Produkt der ubekate Wahrscheilichkeit p mit der Gegewahrscheilichkeit 1-p durch p (1 p) 0,25 abgeschätzt werde ka ud leite Sie damit die folgede Abschätzug für die Itervallläge d i Abhägigkeit vom Stichprobeumfag zur Sicherheitswahrscheilichkeit 95% her: d 1,96 1. Gegebe ist p 1 p p p² ud das Itervall [0,453 ; 0,547]. Stellt ma dies als Fuktio da mit f p = p p² so ergibt sich eie ach ute geöffete Parabel mit dem Maximum (0,5 0,25). Setzt ma für p die like bzw. rechte Itervallgreze ei, so erhält ma de Radwert 0,2478. Also schwake die Werte für 0,453 bis 0,547 zwische 0,2478 ud 0,25. Um die Itervallläge zu bestimme hilft folgede Skizze: μ mi p mi Daraus folgt: d = 2 1,96σ 1,96σ 1,96σ = 2 1,96 p (1 p) = 2 1,96 mit der Näherugsformel obe gilt weiter: 1,96σ 1,96σ μ max p max p (1 p) : Da usere Itervallgreze mit der Wahrscheilichkeit p agegebe sid ud icht i absolute Zahle, müsse wir auch hier wieder durch teile (siehe obe -> Vertrauesitervalle) d 2 1,96 0,25 = 1,96 4 0,25 = 1,96 1 q. e. d
14 Mathe-Lerzettel Bereche Sie auf der Grudlage dieser Abschätzug de miimale Stichprobeumfag für die Utersuchug zweiwöchiger Meerschweiche, so dass die Greze des Vertrauesitervalls um höchstes 0,01 vo der Mitte des Vertrauesitervalls abweiche. Es muss also gelte: d = 0,02, da d agibt, wie weit die Greze des Vertrauesitervall voeiader etfert sid. Aus 2) etehme wir: d 1,96 1 Durch Umforme erhält ma: 1,962 d 2 1,96 Eisetze vo d = 0,02: 2 0,02 2 Also ist 9604 ud ma braucht midestes 9604 Meerschweiche, die gewoge werde, um die obe agegebee Vorrausetzug zu erfülle. Es soll aus der Normkurve zum Körpergewicht Y für zweiwöchige Meerschweiche mit μ = 142g ud σ = 6,80g die Wahrscheilichkeit ermittelt werde, dass ei zwei Woche altes Meerschwei mehr als M=144,1g wiegt. Gesucht ist P Y > 144,1 = 1 P(Y 144,1). Der Flächeihalt uter der Glockekurve gibt die Wahrscheilichkeit für das etsprechede Itervall a. P Y > 144,1 = 1 144,1 0 f x dx = 1 144,1 0 1 (x 142) 2 2π 6,8 e 2 6,8 2 dx 0,379 (Ka mit dem GTR im STAT-Meü berechet werde (siehe obe)). Die Wahrscheilichkeit, dass ei zweiwöchiges Meerschweiche mehr als 144,1 g wiegt, beträgt somit ca. 37,9%. Begrüde Sie mit Hilfe der berechete Wahrscheilichkeit, dass die Gesamtheit der zweiwöchige Meerschweiche dieses Zoos bei eier Sicherheitswahrscheilichkeit vo 95% icht durch die Normkurve beschriebe werde ka. Da die berechete Wahrscheilichkeit vo p = 0,379 icht im i Aufgabe 1 berechete Sicherheitsitervall [0,453; 0,547] liegt, ka ma sage, dass die Gesamtheit der zweiwöchige Meerschweiche bei eier Sicherheitswahrscheilichkeit vo 95% icht mit Hilfe der Normkurve beschriebe werde ka. Bestimme Sie eie Erwartugswert μ 2 für eie adere Normkurve, bei der bei gleicher Stadardabweichug σ = 6,8g die Wahrscheilichkeit P(Y > M) mit der utere Greze 0,453 des ermittelte Vertrauesitervalls übereistimmt. Der zu bestimmede Erwartugswert µ für eie adere Normkurve mit σ = 6,8g, für de gilt P Y > M = 0,453, ka durch Ausprobiere bestimmt werde. Dies geschieht mit Hilfe des GTR ereut im STAT-Meü, ereut über die Gegewahrscheilichkeit P Y M = 0,547: Für µ = 143,2 ist p = 0,552 Für µ = 143,3 ist p = 0,547 gesuchter Wert! Für µ = 143,4 ist p = 0,541 Somit beträgt der gesuchte Erwartugswert 143,3g.
Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.
Vo der relative Häufigkeit zur Wahrscheilichkeit Es werde 20 Schüler befragt, ob sie ei Hady besitze. Das Ergebis der Umfrage lautet: Vo 20 Schüler besitze 99 ei Hady. Ereigis E: Schüler besitzt ei Hady
Mehr10. Testen von Hypothesen Seite 1 von 6
10. Teste vo Hypothese Seite 1 vo 6 10.1 Eiführug i das Teste vo Hypothese Eie Hypothese ist eie Vermutug bzw. Behauptug über die Wahrscheilichkeit eies Ereigisses. Mit Hilfe eies geeigete Tests (=Testverfahre)
MehrVl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5
Vl Statistische Prozess- ud Qualitätskotrolle ud Versuchsplaug Übug 5 Aufgabe ) Sei p = P(A) die Wahrscheilichkeit für ei Ereigis A, dh., es gilt 0 p. Bereche Sie das Maximum der Fuktio f(p) = p(-p). Aufgabe
MehrVl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3
Vl Statistische Prozess ud Qualitätskotrolle ud Versuchsplaug Übug 3 Aufgabe ) Die Schichtdicke X bei eier galvaische Beschichtug vo Autoteile sei ormalverteilt N(μ,σ ). 4 Teile werde galvaisch beschichtet.
MehrKapitel 5: Schließende Statistik
Kapitel 5: Schließede Statistik Statistik, Prof. Dr. Kari Melzer 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte
MehrTests statistischer Hypothesen
KAPITEL 0 Tests statistischer Hypothese I der Statistik muss ma oft Hypothese teste, z.b. muss ma ahad eier Stichprobe etscheide, ob ei ubekater Parameter eie vorgegebee Wert aimmt. Zuerst betrachte wir
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
MehrÜbungen mit dem Applet erwartungstreu
Übuge mit dem Applet erwartugstreu Visualisierug vo erwartugstreu Begriffe ud statischer Hitergrud. Visualisieruge mit dem Applet..3. Zufallsstreuug der Eizelwerte...3. Mittelwerte 3.3 Variaz. 4.4 Variaz
MehrX X Schätzen von Vertrauensintervallen Schwankungsintervall
.. Schätze vo Vertrauesitervalle..1. Schwakugsitervall Beispiel: X = Betrag vo Geldüberweisuge, ormalverteilt, µ = 5000, = 1000 Zufallsstichprobe mit = 100, Schätzer für µ: X X Gesucht: Itervall, i dem
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Übug 6 3.03.20 Ihalt der heutige Übug Aufgabe D.7: Reche mit Zufallsvariable Erwartugswert- ud Variazoperator Statistik ud Wahrscheilichkeitsrechug
MehrStatistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik
Statistik Kapitel 5: Schließede Statistik 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel 1» Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte der arithmetische
MehrR. Brinkmann Seite
R. Brikma http://brikma-du.de Seite 1.0.014 Lösuge zur Biomialverteilug I Ergebisse: E1 E E E4 E E E7 Ergebis Ei Beroulli-Experimet ist ei Zufallsexperimet, das ur zwei Ergebisse hat. Die Ergebisse werde
MehrSBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit
SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf # 0 Atwort Diese Lerkarte sid sorgfältig erstellt worde, erhebe aber weder Aspruch auf Richtigkeit och auf Vollstädigkeit. Das Lere mit Lerkarte fuktioiert ur
Mehr4 Schwankungsintervalle Schwankungsintervalle 4.2
4 Schwakugsitervalle Schwakugsitervalle 4. Bemerkuge Die bekate Symmetrieeigeschaft Φ(x) = 1 Φ( x) bzw. Φ( x) = 1 Φ(x) für alle x R überträgt sich auf die Quatile N p der Stadardormalverteilug i der Form
MehrDie notwendigen Verteilungstabellen finden Sie z.b. hier:
Fakultät für Mathematik Istitute IAG ud IMO Prof. Dr. G. Kyureghya/Dr. M. Hödig Schätz- ud Prüfverfahre Die otwedige Verteilugstabelle fide Sie z.b. hier: http://www.ivwl.ui-kassel.de/kosfeld/lehre/zeitreihe/verteilugstabelle.pdf
MehrWahrscheinlichkeitstheorie und Statistik vom
INSTITUT FÜR MATHEMATISCHE STOCHASTIK WS 005/06 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Klausur Wahrscheilichkeitstheorie ud Statistik vom 9..006 Musterlösuge Aufgabe A: Gegebe sei eie Urliste
MehrKapitel 6 : Punkt und Intervallschätzer
7 Kapitel 6 : Pukt ud Itervallschätzer Puktschätzuge. I der Statistik wolle wir Rückschlüsse auf das Wahrscheilichkeitsgesetz ziehe, ach dem ei vo us beobachtetes Zufallsexperimet abläuft. Hierzu beobachte
MehrStochastik. Bernoulli-Experimente und Binomialverteilung. Allg. Gymnasien: ab J1 / Q1 Berufl. Gymnasien: ab Klasse 12.
Stochastik Allg. Gymasie: ab J / Q Berufl. Gymasie: ab Klasse 2 Alexader Schwarz www.mathe-aufgabe.com August 208 Aufgabe : Ist der Zufallsversuch eie Beroulli-Kette? We ja, gib die Läge ud die Trefferwahrscheilichkeit
MehrFit in Mathe. April Klassenstufe 10 Wurzelfunktionen
Thema Fit i Mathe Musterlösuge 1 April Klassestufe 10 Wurzelfuktioe Uter der -te Wurzel eier icht-egative Zahl (i Zeiche: ) versteht ma die icht-egative Zahl, die mal mit sich selber multipliziert, die
MehrTeilaufgabe 1.0 Bei der Firma Kohl kommen morgens alle im Büro Beschäftigten nacheinander ins Großraumbüro.
mathphys-olie Abiturprüfug Berufliche Oberschule 014 Mathematik 13 Techik - B I - Lösug Teilaufgabe 1.0 Bei der Firma Kohl komme morges alle im Büro Beschäftigte acheiader is Großraumbüro. Teilaufgabe
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG. - LÖSUNGEN. ypothesetest für die Dicke vo Plättche Die Dicke X vo Plättche, die auf eier bestimmte Maschie
MehrWahrscheinlichkeit & Statistik
Wahrscheilichkeit & Statistik created by Versio: 3. Jui 005 www.matheachhilfe.ch ifo@matheachhilfe.ch 079 703 7 08 Mege als Sprache der Wahrscheilichkeitsrechug, Begriffe, Grudregel Ereigisraum: Ω Ω Mege
Mehr7.2 Grundlagen der Wahrscheinlichkeitsrechnung
7.2 Grudlage der Wahrscheilichkeitsrechug Ei Ereigis heißt i Bezug auf eie Satz vo Bediguge zufällig, we es bei der Realisierug dieses Satzes eitrete ka, aber icht ubedigt eitrete muss. Def. 7.2.: Ei Experimet
MehrDiplomvorprüfung Stochastik
Uiversität Karlsruhe TH Istitut für Stochastik Prof. Dr. N. Bäuerle Name: Vorame: Matr.-Nr.: Diplomvorprüfug Stochastik 10. Oktober 2006 Diese Klausur hat bestade, wer midestes 16 Pukte erreicht. Als Hilfsmittel
MehrUmrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung
.3. Prozetuale Häufigkeitsverteilug (HV) Die prozetuale Häufigkeitsverteilug erlaubt de Vergleich vo Auswertuge, dee uterschiedliche Stichprobegröße zugrude liege. Es köe auch uterschiedliche Stichprobegröße
MehrKlausur vom
UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Domiik Faas Stochastik Witersemester 00/0 Klausur vom 7.0.0 Aufgabe 3+.5+.5=6 Pukte Bei eier Umfrage wurde 60 Hotelbesucher ach ihrer Zufriedeheit
MehrStochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. M. Schweizer ETH Zürich Witer 28 Stochastik - Lösug (BSc D-MAVT / BSc D-MATH / BSc D-MATL). (6 Pukte) a) (2 Pukte) Wir defiiere die Ereigisse K {die Perso ist krak} ud T {der Test ist positiv}.
MehrStatistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39
Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle
MehrKapitel VI. Einige spezielle diskrete Verteilungen
Kapitel VI Eiige spezielle diskrete Verteiluge D 6 (Hypergeometrische Verteilug) Eie Zufallsvariable X heißt hypergeometrisch verteilt, we sie folgede Wahrscheilichkeitsfuktio besitzt: M N M P ( X ) p
MehrUlrich Stein Fehlerrechnung
Fehlerrechug Verteilug vo Messwerte Mittelwert Stadardabweichug Stadardfehler Rude vo Messwerte Darstellug vo Messwerte (Stellezahl) Fehlerfortpflazug Messergebisse Messug physikalische Realität Messgerät,
Mehr6. Übung - Differenzengleichungen
6. Übug - Differezegleichuge Beispiel 00 Gesucht sid alle Lösuge vo a) x + 3x + = 0 ud b) x + x + 7 = 0, jeweils für 0. Um diese lieare Differezegleichug erster Ordug zu löse, verwede wir die im Buch auf
MehrTeilaufgabe 1.1 (3 BE) Berechnen Sie die Wahrscheinlichkeit dafür, dass ein im Flughafen zufällig herausgegriffener Pauschalreisender ( ) =
Abiturprüfug Berufliche Oberschule 004 Mathematik 3 Techik - B I - Lösug Teilaufgabe.0 A eiem Flughafe sid 0% der Reisede Ferreisede. Uter de Ferreisede befide sich 5% Nicht-Pauschalreisede. Der Ateil
Mehr(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen.
Schülerbuchseite 98 1 Lösuge vorläufig IV Beurteilede Statistik S. 98 p S. 1 p w a t Tabelle Tabelle dowloadbar im Iteretauftritt 1 Teste vo Hypothese 1 a) Erwartugswert μ = 5 ud Stadardabweichug σ = 1,6;
MehrEinführung in die Wahrscheinlichkeitstheorie Lösungen zum Wiederholungsblatt
TUM, Zetrum Mathematik Lehrstuhl für Mathematische Physik WS 23/4 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weider Eiführug i die Wahrscheilichkeitstheorie Lösuge zum Wiederholugsblatt Aufgabe
MehrStochastik: Binomialverteilung Stochastik Bernoulli-Experimente, binomialverteilte Zufallsvariablen Gymnasium ab Klasse 10
Stochastik Beroulli-Experimete, biomialverteilte Zufallsvariable Gymasium ab Klasse 0 Alexader Schwarz www.mathe-aufgabe.com November 203 Hiweis: Für die Aufgabe darf der GTR beutzt werde. Aufgabe : Ei
Mehr6. Grenzwertsätze. 6.1 Tschebyscheffsche Ungleichung
6. Grezwertsätze 6.1 Tschebyscheffsche Ugleichug Sofer für eie Zufallsvariable X die Verteilug bekat ist, lässt sich die Wahrscheilichkeit dafür bestimme, dass X i eiem bestimmte Itervall liegt. Wie ist
MehrWirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel
3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Beispiel: Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
MehrAngStat1(Ue13-21).doc 23
3. Ereigisse Versuchsausgäge ud Wahrscheilicheite: a) Wie wird die Wahrscheilicheit des Auftretes eies Elemetarereigisses A geschätzt? A Ω heißt Elemetarereigis we es ur eie Versuchsausgag ethält also
MehrÜbungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie
Uiversität Müster Istitut für Mathematische Statistik Stochastik WS 203/204, Blatt Löwe/Heusel Aufgabe (4 Pukte) Übuge Abgabetermi: Freitag, 24.0.204, 0 Uhr THEMEN: Testtheorie Die Sollstärke der Rohrwäde
MehrKapitel 9 WAHRSCHEINLICHKEITS-RÄUME
Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Fassug vom 13. Februar 2006 Mathematik für Humabiologe ud Biologe 129 9.1 Stichprobe-Raum 9.1 Stichprobe-Raum Die bisher behadelte Beispiele vo Naturvorgäge oder Experimete
MehrLösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung
Prof. Dr. V. Schmidt WS 200/20 G. Gaiselma, A. Spettl 7.02.20 Lösugsvorschlag Probeklausur zur Elemetare Wahrscheilichkeitsrechug Hiweis: Der Umfag ud Schwierigkeitsgrad dieser Probeklausur muss icht dem
MehrWahrscheinlichkeit & Statistik Musterlösung Serie 13
ETH Zürich FS 2013 D-MATH Has Rudolf Küsch Koordiator Blaka Horvath Wahrscheilichkeit & Statistik Musterlösug Serie 13 1. a) Die Nullhypothese lautet dass das echte Medikamet höchstes gleich gut ist wie
MehrMusterlösung für die Klausur zur Vorlesung Stochastik I im WiSe 2014/2015
Musterlösug für die Klausur zur Vorlesug Stochastik I im WiSe 204/205 Teil I wahr falsch Aussage Gilt E[XY ] = E[X]E[Y ] für zwei Zufallsvariable X ud Y mit edlicher Variaz, so sid X ud Y uabhägig. Für
Mehr15.4 Diskrete Zufallsvariablen
.4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet
MehrKlausur 3 Kurs 11ma3g Mathematik
202-06-2 Klausur 3 Kurs ma3g Mathematik Lösug I eier Lotto-Ure befide sich 49 Kugel, die mit de Zahle vo bis 49 beschriftet sid. Eie eizige Kugel wird gezoge. Bereche Sie die Wahrscheilichkeit, dass diese
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler Statistik ud Wahrscheilichkeitsrechug Testatprüfug am Doerstag 5.Mai Wa? Doerstag, 5. Mai, 8:00 Uhr Dauer der
MehrStochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. M. Schweizer ETH Zürich Sommer 8 Stochastik - Lösug (BSc D-MAVT / BSc D-MATH / BSc D-MATL). (6 Pukte) a) (.5 Pukte) Wir defiiere die Ereigisse D = die ähmaschie bekommt eie kleie Defekt} ud U
MehrPraktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle
Praktikum Vorbereitug Fertigugsmesstechik Statistische Qualitätskotrolle Bei viele Erzeugisse ist es icht möglich jedes Werkstück zu prüfe, z.b.: bei Massefertigug. Hier ist es aus ökoomische Grüde icht
MehrWissenschaftliches Arbeiten Studiengang Energiewirtschaft
Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:
MehrTests für beliebige Zufallsvariable
Kapitel 10 Tests für beliebige Zufallsvariable 10.1 Der Chi-Quadrat-Apassugstest Sei x eie gaz beliebige Zufallsvariable, dere Dichtefuktio icht oder icht geau bekat ist. Beispiel: Es seie z.b. mittels
Mehr3 Wichtige Wahrscheinlichkeitsverteilungen
26 3 Wichtige Wahrscheilicheitsverteiluge Wir betrachte zuächst eiige Verteilugsfutioe für Produtexperimete 31 Die Biomialverteilug Wir betrachte ei Zufallsexperimet zum Beispiel das Werfe eier Müze, bei
Mehr1. Folgen ( Zahlenfolgen )
. Folge ( Zahlefolge Allgemeies Beispiel für eie regelmäßige Folge: /, /3, /4, /5, /6,... Das erste Glied ist a =/ Das ist das Glied mit dem Ide Das zweite Glied ist a =/3 Das ist das Glied mit dem Ide
MehrTeil II Zählstatistik
Teil II Zählstatistik. Aufgabestellug. Vergleiche Sie experimetelle Zählverteiluge mit statistische Modelle (POISSON-Verteilug ud Normalverteilug) 2. Theoretische Grudlage Stichworte zur Vorbereitug: Impulszahl,
MehrDemo-Text für INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK. ANALYSIS Vollständige Induktion FRIEDRICH W.
ANALYSIS Vollstädige Iduktio Datei Nr. 40080 Stad 14. März 018 FRIEDRICH W. BUCKEL INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK 40080 Beweismethode: Vollstädige Iduktio Vorwort Die Methode der vollstädige Iduktio
MehrABITURPRÜFUNG 2007 GRUNDFACH MATHEMATIK
ABITURPRÜFUNG 007 GRUNDFACH MATHEMATIK (HAUPTTERMIN) Arbeitszeit: Hilfsmittel: 0 Miute Wörterbuch zur deutsche Rechtschreibug Tascherecher (icht programmierbar, icht grafikfähig) Tafelwerk Wähle Sie vo
MehrFolgen und Reihen. 23. Mai 2002
Folge ud Reihe Reé Müller 23. Mai 2002 Ihaltsverzeichis 1 Folge 2 1.1 Defiitio ud Darstellug eier reelle Zahlefolge.................. 2 1.1.1 Rekursive Defiitio eier Folge......................... 3 1.2
MehrParameterschätzung. Kapitel Schätzfunktionen
Kapitel 8 Parameterschätzug 8.1 Schätzfuktioe Def. 8.1.1: Es seie X 1,X,...,X uabhägige ZV, die alle die gleiche Verteilug besitze. θ sei ei ubekater Parameter dieser Verteilug. X 1,X,...,X ist als eie
MehrÜbungen zu QM III Mindeststichprobenumfang
Techische Hochschule Köl Fakultät für Wirtschafts- ud Rechtswisseschafte Prof. Dr. Arreberg Raum 221, Tel. 39 14 jutta.arreberg@th-koel.de Übuge zu QM III Mideststichprobeumfag Aufgabe 12.1 Sie arbeite
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Von Kurven und Flächen. Das komplette Material finden Sie hier:
Uterrichtsmaterialie i digitaler ud i gedruckter Form Auszug aus: Vo Kurve ud Fläche Das komplette Material fide Sie hier: School-Scout.de Das bestimmte Itegral ach Riema Eizelstude 69 Klasse 11 ud 12
MehrTesten statistischer Hypothesen
Kapitel 9 Teste statistischer Hypothese 9.1 Eiführug, Sigifiaztests Sigifiaztest für µ bei der ormalverteilug bei beatem σ = : X i seie uabhägig ud µ, ) verteilt, µ sei ubeat. Stelle eie Hypothese über
Mehr,,, xn. 3. Intervallschätzungen Zufallsstichproben und Stichprobenfunktionen Zufallsstichproben. Zufallsvariablen mit
3. Itervallschätzuge 3.1. Zufallsstichprobe ud Stichprobefuktioe 3.1.1 Zufallsstichprobe 1 Sei eie Zufallsvariable ud seie gemeisamer Verteilug,,,, Zufallsvariable mit - da heiße 1,,, Zufallsstichprobe
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG 9 - LÖSUNGEN. Ziehug vo Kugel aus eier Ure a. Die Zahl der Permutatio der Kugel, die aus Klasse utereiader gleicher
MehrKapitel 9: Schätzungen
- 73 (Kapitel 9: chätzuge) Kapitel 9: chätzuge Betrachte wir folgedes 9. Beispiel : I eiem Krakehaus wurde Date über Zwilligsgeburte gesammelt. Bei vo 48 Paare hatte die beide Zwillige verschiedees Geschlecht.
MehrZählterme (Seite 1) Aufgabe: Wie viele Nummernschilder kann es theoretisch im Raum Dresden geben? Wann müsste die 4.Ziffer eingeführt werden?
Bemerkug: I Mathematik sollte ma keie Fahrpläe verwede, i der Stochastik erst recht icht. Zitat vo S.L. Das Baumdiagramm ist aber fast immer ei geeigetes Hilfsmittel. Produktregel Aufgabe: Wie viele Nummerschilder
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte SS00 7.Sitzug vom.06.00 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluß Grudlage des Iduktiosschlusses:
MehrNiveaubestimmende Aufgabe zum Fachlehrplan Mathematik Gymnasium
Niveaubestimmede Aufgabe zum Fachlehrpla Mathematik Gymasium Kreistagswahl (Schuljahrgäge 11/1) (Arbeitsstad: 07.07.016) Niveaubestimmede Aufgabe sid Bestadteil des Lehrplakozeptes für das Gymasium ud
Mehr3 Vergleich zweier unverbundener Stichproben
3 Vergleich zweier uverbudeer Stichprobe 3. Der Zweistichprobe t-test Es wird vorausgesetzt, dass die beide Teilstichprobe x, x,..., x ud y, y,..., y jeweils aus (voeiader uabhägige) ormalverteilte Grudgesamtheite
MehrKapitel 2: Laplacesche Wahrscheinlichkeitsräume
- 12 - (Kapitel 2 : Laplacesche Wahrscheilicheitsräume) Kapitel 2: Laplacesche Wahrscheilicheitsräume Wie beim uverfälschte Müzewurf ud beim uverfälschte Würfel spiele Symmetrieüberleguge, die jedem Elemetarereigis
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
Lehrstuhl für Empirische Wirtschaftsforschug ud Ökoometrie Dr. Rolad Füss Statistik II: Schließede Statistik SS 2007 6. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug
MehrKapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit
- 18 - (Kapitel 3 : Bedigte Wahrscheilichkeite ud Uabhägigkeit) Kapitel 3: Bedigte Wahrscheilichkeite ud Uabhägigkeit Wird bei der Durchführug eies stochastische Experimets bekat, daß ei Ereigis A eigetrete
Mehr1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6
Ihaltsverzeichis 1 Vorbemerkuge 1 Zufallsexperimete - grudlegede Begriffe ud Eigeschafte 3 Wahrscheilichkeitsaxiome 4 4 Laplace-Experimete 6 5 Hilfsmittel aus der Kombiatorik 7 6 Bedigte Wahrscheilichkeite
Mehr2. Repetition relevanter Teilbereiche der Statistik
. Repetitio Statistik Ökoometrie I - Peter Stalder. Repetitio relevater Teilbereiche der Statistik (Maddala Kapitel ) Zufallsvariable ud Wahrscheilichkeitsverteiluge Zufallsvariable X (stochastische Variable)
Mehrmathphys-online Abiturprüfung Berufliche Oberschule 2010 Mathematik 13 Technik - B I - Lösung
Abiturprüfug Berufliche Oberschule 2010 Mathematik 13 Techik - B I - Lösug Teilaufgabe 1.0 Die Firma Sparlux stellt Eergiesparlampe i großer Azahl her, die, je achdem, wie geau sie die Neleistug eihalte,
MehrMusterlösung. Prüfung Statistik Herbstsemester 2011
Prüfug Statistik Herbstsemester 2011 Musterlösug 1. 9 Pukte Lukas ud Markus habe bisher immer Feiste Mii-Brezel 100g des Herstellers Gammelbrot ud Söhe zum Züi gegesse. Vom städige Hugerklage vo Markus
Mehr5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung
Seite vo 7 5 Beroulli-Kette Jakob Beroulli 654-705 Schweizer Mathematiker ud Physiker 5. Beroulli-Exerimet 5.. Eileitug Oft iteressiert ma sich bei Zufallsexerimete icht für die eizele Ergebisse, soder
Mehr6 Vergleich mehrerer unverbundener Stichproben
6 Vergleich mehrerer uverbudeer Stichprobe 6.1 Die eifaktorielle Variazaalyse Die eifaktorielle Variazaalyse diet der Utersuchug des Eiflusses eier kategorieller (bzw. ichtmetrischer) Variable, die die
MehrZusammenfassung: Gleichungen und Ungleichungen
Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud -ugleichuge 6 Für Eperte 9 Polyomgleichuge ud -ugleichuge Defiitio: Ei Term
MehrKapitel 6 Differenzierbarkeit
Kapitel 6 Differezierbarkeit Ihalt 6.1 6.1Die Defiitio 6.2 6.2Die Eigeschafte 6.3 6.3Extremwerte Seite 2 Was heißt differezierbar? Differezierbare Fuktioe sid sid glatte Fuktioe. Wir Wir beschreibe diese
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Mathe-Leistungskurs-Klausur Stufe 13, Nr. 2
Uterrichtsmaterialie i digitaler ud i gedruckter Form Auszug aus: Mathe-Leistugskurs-Klausur Stufe 13, Nr. 2 Das komplette Material fide Sie hier: School-Scout.de SCHOOL-SCOUT Mathe-LK-Klausur Stufe 13
MehrGeometrische Folgen. Auch Wachstumsfolgen Viele Aufgaben. Lösungen nur auf der Mathe-CD Hier nur Ausschnitte. Datei Nr
ZAHLENFOLGEN Teil Geometrische Folge Auch Wachstumsfolge Viele Aufgabe Lösuge ur auf der Mathe-CD Hier ur Ausschitte Datei Nr. 00 Friedrich Buckel März 00 Iteretbibliothek für Schulmathematik 00 Geometrische
MehrBernoulli-Experiment und Binomialverteilung
IV Beroulli-Exerimet ud Biomialverteilug Beroulli-Exerimet ud Beroulliette Defiitio: Zufallsexerimete, bei dee ma sich ur für das Eitrete ( Treffer, Symbol ) oder das Nichteitrete ( Niete, Symbol 0 ) eies
MehrK. Felten: Internet Network infrastucture Fachhochschule Kiel, Fachbereich IuE
Defiitio ach DIN4004 Als Zuverlässigkeit ( reliability ) gilt die Fähigkeit eier Betrachtugseiheit ierhalb vorgegebeer Greze dejeige durch de Awedugszweck bedigte Aforderuge zu geüge, die a das Verhalte
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte 7.Sitzug 35 Seite, SoSe 003 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluss Grudlage
MehrAnalysis ZAHLENFOLGEN Teil 4 : Monotonie
Aalysis ZAHLENFOLGEN Teil 4 : Mootoie Datei Nr. 40051 Friedrich Buckel Juli 005 Iteretbibliothek für Schulmathematik Ihalt 1 Eiführugsbeispiele 1 Mootoie bei arithmetische Folge Defiitioe 3 3 Welche Beweistechik
MehrGütefunktion und Fehlerwahrscheinlichkeiten Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = Interpretation von Testergebnissen I
6 Hypothesetests Gauß-Test für de Mittelwert bei bekater Variaz 6.3 Gütefuktio ud Fehlerwahrscheilichkeite Rechtsseitiger Test (µ 0 = 500) zum Sigifikaziveau α = 0.30 6 Hypothesetests Gauß-Test für de
MehrAufgabe 1. d) Berechnen Sie die Wahrscheinlichkeit dafür, dass Axel 1,5 Stunden warten muss.
Lehrstuhl für Statistik ud Ökoometrie Otto-Friedrich-Uiversität Bamberg Prof. Dr. Susae Rässler Aufgabe 1 Aufgrud eier Sommergrippe muss Studet Axel seie Hausarzt aufsuche. Um die Wartezeit besser abschätze
Mehr9. Diskrete Zufallsvariable, Wahrscheinlichkeitsverteilung, Erwartungswert, Varianz
44 9. Diskrete Zufallsvariable, Wahrscheilichkeitsverteilug, Erwartugswert, Variaz Bei Zufallsversuche iteressiere oft icht die Ergebisse selbst, soder Zahle, die de mögliche Ergebisse des Zufallsversuchs
MehrStatistik I/Empirie I
Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass
MehrStatistik. 2. Semester. Begleitendes Skriptum zur Vorlesung. im FH-Masterstudiengang. Technisches Management. von. Günther Karigl
Statistik. Semester Begleitedes Skriptum zur Vorlesug im FH-Masterstudiegag Techisches Maagemet vo Güther Karigl FH Campus Wie 06/7 Statistische Schätzverfahre Statistische Schätzverfahre Währed die deskriptive
MehrAufgabenbereich Analysis: Lösungen
a) Schittpukte x-achse: N( ) e x (- x) -,5x (da e x für alle x IR) x Schittpukt y-achse: P( ) f()e (-,5) Asymptote: Aufgabebereich Aalysis: Lösuge für x gilt: f(x) Die x-achse ist für de Graphe für x eie
MehrErfolg im Mathe-Abi 2017
Gruber I Neuma Erfolg im Mathe-Abi 2017 Übugsaufgabe für de Wahlteil Bade-Württemberg mit Tipps ud Lösuge Ihaltsverzeichis Ihaltsverzeichis Aalysis 1 Tuel... 7 2 Widkraftalage... 8 3 Testzug... 9 4 Abkühlug...
MehrEmpirische Verteilungsfunktion
KAPITEL 3 Empirische Verteilugsfuktio 3.1. Empirische Verteilugsfuktio Seie X 1,..., X uabhägige ud idetisch verteilte Zufallsvariable mit theoretischer Verteilugsfuktio F (t) = P[X i t]. Es sei (x 1,...,
MehrParameter von Häufigkeitsverteilungen
Kapitel 3 Parameter vo Häufigkeitsverteiluge 3. Mittelwerte Mo Der Modus (:= häufigster Wert, Abk.: Mo) ist der Merkmalswert mit der größte Häufigkeit, falls es eie solche gibt. Er sollte ur bei eigipflige
Mehr( ), der genau auf der Geraden ( ) 2 ( ) #( ) 8. Lineare Regression. = f i. Nach der Summe der kleinsten. mx i
8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Ziel dieses Verfahres ist es, Beziehuge zwische zwei Merkmale
MehrTutorium Mathematik ITB1(B), WI1(B)
Tutorium Mathematik ITB(B), WI(B) Aufgabeblatt F Aufgabe zum Kapitel Fuktioe Prof Dr Peter Plappert Fachbereich Grudlage Aufgabe : Bestimme Sie jeweils de maimal mögliche Defiitiosbereich D ma a) f ( =
MehrZusammenfassung: Gleichungen und Ungleichungen
LGÖ Ks VMa Schuljahr 6/7 Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud ugleichuge 6 Für Eperte 8 Polyomgleichuge ud -ugleichuge
MehrNormalverteilung. Voraussetzung und verwandte Themen. Einführung. Ziel und Nutzen. Grundlagen
h Normalverteilug Voraussetzug ud verwadte Theme Für diese Beschreibuge sid Grudlage der Statistik ud isbesodere der statistische Verteiluge vorteilhaft. Weiterführede Theme sid: www.versuchsmethode.de/verteilugstests.pdf
Mehr