1. Einleitung und Grundlagen der Wahrscheinlichkeit
|
|
- Pamela Boer
- vor 7 Jahren
- Abrufe
Transkript
1 1. Einleitung und Grundlagen der Wahrscheinlichkeit 1.1 Einleitung Deskriptive Statistik: llgemeine und spezielle Methoden zur Datenauswertung, die unabhängig von der Erhebungsart angewendet werden können Induktive Statistik: Schätz- und Testmethoden zur uswertung von (Zufalls-)Stichproben, die eine Übertragung der Stichprobenergebnisse auf eine Grundgesamtheit ermöglichen bbildung: Induktiver Schluss Induktionsschluss (indirekter Schluss) Stichprobe Grundgesamtheit Deduktionsschluss (direkter Schluss) Gründe für Stichprobenerhebungen: Kostenersparnis ktualität Praktische Unmöglichkeit von Vollerhebungen 1
2 Beispiele von Fragestellungen in der Induktiven Statistik: Eine Marktforschung hat ergeben, dass der Durchschnittspreis einer bestimmten Tiefkühlpizza bei 1,90 liegt. Das Ergebnis basiert auf 20 zufällig ausgewählten Supermärkten in einer Region. In welchem Bereich liegt der Durchschnittspreis des Produktes in der Grundgesamtheit aller Supermärkte dieser Region? In einer Befragung eines Meinungsforschungsinstituts haben 5,5% der 1000 zufällig ausgewählten Personen angegeben, bei der kommenden Bundestagswahl eine bestimmte Partei wählen zu wollen. Kann diese Partei davon ausgehen, dass ihr Stimmenanteil bei allen WählerInnen ebenfalls über 5% liegt? Ein utohersteller behauptet, dass ein utotyp einen Benzinverbrauch von 7,3 l auf 100 km aufweist. Eine utozeitschrift bezweifelt diese ussage und misst den Verbrauch von 40 zufällig ausgewählten utos dieses Typs auf einer Teststrecke. Ist aufgrund des Stichprobenergebnisses von 7,5 l auf 100 km davon auszugehen, dass die Herstellerangabe zu gering ist? 2
3 Der induktive Schluss erfolgt auf der Grundlage der Wahrscheinlichkeitsrechnung, die die Grundlage für die Induktive Statistik ist. Relevanz der Wahrscheinlichkeitsrechnung: Basis der Schätz- und Testmethoden der Induktiven Statistik Mathematische Grundlage der Wirtschaftstheorie z.b. der Finanzmarkt-, Geldund Spieltheorie Die Wahrscheinlichkeitsrechnung beschäftigt sich mit Vorgängen, deren Ergebnisse nicht mit Sicherheit vorausgesagt werden können, sondern dem Zufall unterliegen. Sie erlaubt, quantitative ussagen über die Ergebnisse von Zufallsvorgängen zu machen. Beispiele für Fragestellungen der Wahrscheinlichkeitsrechnung: Wie groß ist die Wahrscheinlichkeit, bei 100 produzierten Stücken eines Gutes mehr als 15 Stücke usschuss zu produzieren, wenn die usschussquote der Maschine 10% beträgt? Wie groß ist die Wahrscheinlichkeit, dass eine Person aus einer bestimmten Risikogruppe einen utounfall verursacht? Wie groß ist die Wahrscheinlichkeit der Überlastung von fünf Telefonhauptleitungen, wenn ein Unternehmen 200 ngestellte hat und diese mit einer Wahrscheinlichkeit von 2% telefonieren? 3
4 1.2 Zufallsexperiment und Ereignis Ein Zufallsexperiment bzw. Zufallsvorgang zeichnet sich durch folgende Charakteristika aus: Es gibt eine Menge möglicher Ergebnisse, die bei der Durchführung eines Zufallsvorgangs eintreten können Es ist unbekannt, welches der möglichen Ergebnisse tatsächlich eintreten wird (Zufallsabhängigkeit) Der Zufallsvorgang ist prinzipiell beliebig oft unter gleichen Bedingungen wiederholbar Beispiele für Zufallsexperimente bzw. Zufallsvorgänge: Bei einem Fußballspiel ist unbekannt, welches Ergebnis eintritt: Gewinn der Heimmannschaft, unentschieden, Gewinn der uswärtsmannschaft. In einem Supermarkt befinden sich 100 Joghurts, die wöchentlich neu geliefert werden. Es ist unbekannt, wie viele Joghurts (0 bis 100) in einer Woche abgesetzt werden. Das usspielen eines Würfels kann die Ergebnisse 1, 2, 3, 4, 5 und 6 liefern. Es ist unbekannt, welche ugenzahl eintreten wird. 4
5 Die Menge der möglichen Ergebnisse ω eines Zufallsexperiments heißt Ergebnismenge (Stichprobenraum) Ω: Ω = {ω ω ist Ergebnis des Zufallsvorgangs} Mächtigkeit der Ergebnismenge: Umfang der Ergebnismenge (nzahl der Ergebnisse) Beispiele: Zufallsvorgang Einmaliges Werfen einer Münze (K = Kopf, Z = Zahl) Zweimaliges Werfen einer Münze Eingegangene Bestellungen in einer Periode Messung der Wartezeit t von Kunden vor einem Postschalter (T ist die Öffnungsdauer des Schalters) Messung des nteils c vom Konsum am Volkseinkommen Ergebnismenge Ω = {K, Z} Ω = {(K,K), (K, Z), (Z,K), (Z,Z)} Ω = {0, 1, 2, } Ω = {t 0 t T} Ω = {c 0 c 1} Mächtigkeit der Ergebnismenge endlich endlich abzählbar unendlich überabzählbar unendlich überabzählbar unendlich 5
6 Endliche und unendliche Ergebnismenge Ergebnismenge Ω endlich: Elemente von Ω abzählbar; Obergrenze angebbar abzählbar unendlich: Elemente von Ω abzählbar; Obergrenze nicht festlegbar unendlich überabzählbar unendlich: Elemen-te von Ω lassen sich nicht abzählen 6
7 Ereignisse Eine Teilmenge der Ergebnismenge eines Zufallsvorgangs heißt Ereignis Darstellung von Ereignissen:, B, C, oder 1, 2, 3, Venn-Diagramm für das Ereignis Rechteck: Ergebnismenge Ω Oval: Ereignis 7
8 Beispiel: Wir betrachten das einmalige usspielen eines Würfels. Die Ergebnismenge dieses Zufallsvorgangs ist gegeben durch Ω = {1, 2, 3, 4, 5, 6}. Das Ereignis enthält alle Ergebnisse, die eine gerade ugenzahl aufweisen. lässt sich als Menge oder durch ein Venn-Diagramm angeben: Ereignis in aufzählender Form Ereignis in einem Venn-Diagramm = {2, 4, 6} Elementarereignis: Ereignisse, die ein einziges Element enthalten. Zum Beispiel ist das Ereignis C = {1}, das allein die ugenzahl 1 enthält, ein Elementarereignis beim usspielen eines Würfels. 8
9 Sicheres und unmögliches Ereignis: Ein Ereignis, das bei keiner Durchführung eines Zufallsvorgangs eintreten kann, heißt unmögliches Ereignis. Das unmögliche Ereignis enthält kein Element aus Ω und entspricht damit der leeren Menge: = { }. Ein Ereignis, das sich bei jeder Durchführung eines Zufallsvorgangs realisiert, heißt sicheres Ereignis. Es enthält alle möglichen Ergebnisse, d.h. es ist Ω selbst. Zum Beispiel ist das Werfen von 1, 2, 3, 4, 5 oder 6 beim usspielen eines Würfels ein sicheres Ereignis. Das Werfen von 7 ist dagegen ein unmögliches Ereignis. Teilereignis: Ein Ereignis B, dessen Elemente alle in vorhanden sind, bezeichnet man als Teilereignis von, d.h. B. Immer, wenn B eintritt, tritt auch ein. Jedes Ereignis ist ein Teilereignis der Ergebnismenge Ω. Zum Beispiel ist das Ereignis B = {2} ein Teilereignis von = {2, 4, 6}. B ist Teilereignis von : B B 9
10 1.3 Operationen mit Ereignissen Da Ereignisse Teilmengen von sind, kann man mit Ereignissen operieren wie mit Mengen. Man kann Ereignisse nach bestimmten Regeln verknüpfen und erhält als Resultat der jeweiligen Operation neue Ereignisse. Vereinigung von und B B vereinigt mit B bzw. oder B Eines der beiden Ereignisse oder B oder beide Ereignisse treten ein B Beispiel: Beim usspielen eine Würfels sei das Ereignis "gerade ugenzahl" und B "ugenzahl kleiner als 4": = {2, 4, 6} und B = {1, 2, 3} 5 B = {2, 4, 6} {1, 2, 3} = {1, 2, 3, 4, 6} B 10
11 Durchschnitt von und B B geschnitten mit B bzw. und B Beide Ereignisse und B treten gleichzeitig ein B Beispiel: Beim usspielen eines Würfels betrachten wir wiederum als Ereignis eine "gerade ugenzahl" und als Ereignis B eine "ugenzahl kleiner als 4 5 B = {2, 4, 6} {1, 2, 3} = {2} B Gesetz der ssoziativität: (B C) = ( B) C und (B C) = ( B) C Gesetz der Distributivität: (B C) = ( B) ( C) und (B C) = ( B) ( C) 11
12 Komplementärereignis ist Komplement von tritt genau dann ein, wenn nicht eintritt Beispiel: Das Komplementärereignis zum Ereignis gerade ugenzahl, = {2, 4, 6}, ist das Ereignis ungerade ugenzahl : = {1, 3, 5} Regeln für Komplementärereignisse:,, Gesetze von de Morgan: B B B B 12
13 Differenz von Ereignissen \ B ohne B tritt ein, aber nicht zugleich B B Beispiel: Die Differenz der Ereignisse "gerade ugenzahl" und B "ugenzahl kleiner als 4 ist das Ereignis {4, 6}: \ B = {2, 4, 6} \ {1, 2, 3} = {4, 6} Der Differenzoperator \ kann alternativ durch Komplementär- und Durchschnittsbildung dargestellt werden: \ B = B Beispiel: Es ist das Ereignis "gerade ugenzahl" und B das Ereignis "ugenzahl kleiner als 4. Dann erhält man mit B = {4, 5, 6}: B = {2, 4, 6} {4, 5, 6} = {4, 6} = \ B 13
14 Disjunkte Ereignisse B = und B sind disjunkte Ereignisse, wenn und B nicht gleichzeitig eintreten können B Beispiel: Das Ereignis "gerade ugenzahl" und das Ereignis D ungerade ugenzahl sind disjunkte Ereignisse, da D = {2, 4, 6} {1, 3, 5} = { } = 14
15 Beispiel für Operationen mit drei Ereignissen: : gerade ugenzahl = {2, 4, 6} B: ugenzahl kleiner als 4 B = {1, 2, 3} C: ugenzahl 1 C = {1} B C B C = {2, 4, 6} {1, 2, 3} {1} = {1, 2, 3, 4, 6} B C = {1, 2, 3} {1} = {1, 2, 3} = B, da C ein Teilereignis von B ist, d.h. C B B C = {1, 2, 3} {1} = {1} = C, da C B ist C = {2, 4, 6} {1} =, da und C disjunkt sind 15
16 Ereignisfeld: Ein Ereignisfeld () ist ein System von Ereignissen, das alle interessierenden Ereignisse eines Zufallsvorgangs enthält und mathematisch abgeschlossen ist, d.h. Verknüpfungen von Ereignissen (z.b., und Komplement) sind in diesem Ereignissystem enthalten. Potenzmenge: Die Potenzmenge P() ist das umfassendste Ereignisfeld. Sie enthält alle möglichen Ereignisse aus der Ergebnismenge. Bei einem endlichen Ergebnisraum mit N Ergebnissen enthält die Potenzmenge 2 N Ereignisse. Beispiel: Die vier Farbwerte Kreuz, Pik, Herz und Karo eines Kartenspiels sind Ergebnisse des Zufallsvorgangs Karten austeilen mit = {Kreuz, Pik, Herz, Karo}. Die Potenzmenge P() enthält hier 2 4 = 16 Ereignisse. 16
17 Ein 0-elementiges Ereignis: Vier 1-elementige Ereignisse: Sechs 2-elementige Ereignisse: Vier 3-elementige Ereignisse: Ein 4-elementiges Ereignis: {Kreuz}, {Pik}, {Herz}, {Karo} {Kreuz, Pik}, {Kreuz, Herz}, {Kreuz, Karo}, {Pik, Herz}, {Pik, Karo}, {Herz, Karo} {Kreuz, Pik, Herz}, {Kreuz, Pik, Karo}, {Kreuz, Herz, Karo}, {Pik, Herz, Karo} Ein anderes Ereignisfeld enthält z.b. folgende sieben Ereignisse: α Ω = Kreuz, Pik, Kreuz,Pik, Herz,Karo, Pik,Herz,Karo,Ω, 17
18 1.4 Wahrscheinlichkeit Bei Zufallsvorgängen lässt sich nicht mit Sicherheit sagen, welches Ereignis eintreten wird. Gleichwohl werden bestimmten Ereignissen größere Realisierungschancen eingeräumt als anderen Ereignissen. So wird man z.b. bei einem usspielen eines Würfels intuitiv davon ausgehen, dass die Chance, eine gerade ugenzahl zu werfen, größer ist als die Chance, eine 1 zu werfen. In der Statistik geht es uns allerdings nicht nur darum zu sagen, ob die Chance für das Eintreten eines Ereignisses groß oder klein ist. Es soll vielmehr dieser Chance eine Zahl zugeordnet werden. Diese Zahl gibt an, wie groß die Chance für das Eintreten eines Ereignisses ist. Solche Zahlen heißen Wahrscheinlichkeiten. Da die Wahrscheinlichkeit für das Eintreten eines Ereignisses eine Zahl ist, können wir mit Wahrscheinlichkeiten rechnen. Die Rechenregeln werden durch die xiome der Wahrscheinlichkeitsrechnung festgelegt. Wahrscheinlichkeitsbegriffe geben dagegen alternative Möglichkeiten zur Bestimmung von Wahrscheinlichkeiten an. Wahrscheinlichkeitsbegriffe: Subjektive Wahrscheinlichkeit Objektive Wahrscheinlichkeit Statistische Wahrscheinlichkeit (posteriori-wahrscheinlichkeit) Modelltheoretische Wahrscheinlichkeit (priori-wahrscheinlichkeit) 18
19 Statistische Wahrscheinlichkeit (posteriori-wahrscheinlichkeit): Der Begriff der statistischen Wahrscheinlichkeit (posteriori-wahrscheinlichkeit) geht auf von Mises zurück. Bei einem Zufallsexperiment, das n-mal wiederholt wird, interessiert man sich für das Eintreten von Ereignis. Die absolute Häufigkeit des Ereignisses beträgt n(). Die relative Häufigkeit des Ereignisses beträgt h n () = n() / n. Die relative Häufigkeit kann sich nach jeder Durchführung des Zufallsvorgangs ändern, so dass man eine Folge relativer Häufigkeiten h n () erhält. Bei einer geringen nzahl von Wiederholungen liegen starke Schwankungen von h n () vor. Bei wachsendem n stabilisiert sich h n () um einen konstanten Wert (Stabilitätseigenschaft der relativen Häufigkeit). Definition der statistischen Wahrscheinlichkeit: P lim h n n h n P() n 19
20 Beispiel: Bei einem Münzwurf wird das Ereignis betrachtet, das die Realisation Kopf beinhaltet. Die Durchführung des Experiments liefert die im Folgenden dargestellten Ergebnisse. Bei 20-maligem Münzwurf wird z.b. 12-mal Kopf erzielt. Tabelle Grafik h n 0,6 0,5 P()=0,5 0, n Wie aus der Grafik hervorgeht, nähern sich die relativen Häufigkeiten der gesuchten Wahrscheinlichkeit an. 20
21 Modelltheoretische Wahrscheinlichkeit (priori-wahrscheinlichkeit): Den modelltheoretischen nsätzen ist gemeinsam, dass Wahrscheinlichkeiten für das Eintreten von Ereignissen aufgrund eines statistisch-mathematischen Modells vor der Durchführung eines Zufallsvorgangs bestimmt werden (priori- Wahrscheinlichkeiten) In der induktiven Statistik sind eine Vielzahl derartiger Modelle verfügbar. Wir beschränken uns hier auf die Darstellung des historisch ältesten Modells, das man als Gleichmöglichkeitsmodell bezeichnet. Es handelt sich dabei um die Definition des französischen Mathematikers Laplace, der von Zufallsvorgängen ausging, für die gilt: - Die Ergebnismenge ist endlich - Die Elementarereignisse sind alle gleichwahrscheinlich Definition der Laplaceschen Wahrscheinlichkeit: P() = / Ω : nzahl der für das Ereignis günstigen Ergebnisse (= Mächtigkeit von ) Ω : nzahl aller möglichen Ergebnisse (= Mächtigkeit von Ω) 21
22 Beispiel: Zu berechnen ist die Wahrscheinlichkeit für das Werfen einer geraden ugenzahl" (Ereignis ) Es gilt: = {2, 4, 6} = 3 Ω = {1, 2, 3, 4, 5, 6} Ω = 6 Damit ergibt sich nach der modelltheoretischen Wahrscheinlichkeitsdefinition: P() = / Ω = 3 / 6 = 0,5 Beispiel: Wie groß ist die Wahrscheinlichkeit bei einem zweimaligen Münzwurf mindestens eine Zahl (Ereignis ) zu werfen? Es gilt für die Ergebnismenge (K,K),(K,Z),(Z,K),(Z,Z). Günstig sind alle usgänge mit usnahme von zweimal Kopf (K,Z),(Z,K),(Z,Z). Damit erhält man als gesuchte Wahrscheinlichkeit: P 3 4 0, 75 22
23 Subjektive Wahrscheinlichkeit In der Praxis lässt sich das rbeiten mit subjektiven Wahrscheinlichkeiten oft nicht vermeiden. So können z.b. die bsatzchancen eines Produkts, das bisher nicht auf dem Markt war, nur über subjektive Wahrscheinlichkeiten beurteilt werden. Subjektive Wahrscheinlichkeiten werden hier oftmals durch Einschätzungen von ExpertInnen gewonnen. Eine alternative Form der Gewinnung von subjektiven Wahrscheinlichkeiten in diesem Bereich sind Unternehmens- und Verbraucherbefragungen. uch im lltagsleben treten immer wieder Fälle auf, in denen ein objektiver Wahrscheinlichkeitsbegriff nicht anwendbar ist. Wie lässt sich z.b. die Chance einer Fußballmannschaft für den Gewinn eines Spiels beurteilen? Wie groß ist die Wahrscheinlichkeit, dass ein bestimmtes Pferd bei einem Rennen den 1. Platz belegt? In solchen Fällen lassen sich Wahrscheinlichkeiten z.b. über Wettquoten bestimmen, die sich aus den Wetteinsätzen des Publikums ergeben. Da das Wettverhalten letztlich auf den Einschätzungen der Wettteilnehmer beruht, spricht man in diesem Zusammenhang von subjektiven Wahrscheinlichkeiten. 23
Skript zur Statistik II (Wahrscheinlickeitsrechnung und induktive Statistik)
Prof. Dr. Reinhold Kosfeld Fachbereich Wirtschaftswissenschaften Skript zur Statistik II (Wahrscheinlickeitsrechnung und induktive Statistik) 1. Einleitung Deskriptive Statistik: llgemeine und spezielle
MehrSkript zur Statistik II (Wahrscheinlickeitsrechnung und induktive Statistik)
Prof. Dr. Reinhold Kosfeld Fachbereich Wirtschaftswissenschaften Skript zur Statistik II (Wahrscheinlickeitsrechnung und induktive Statistik) 1. Einleitung Deskriptive Statistik: Allgemeine und spezielle
MehrLeseprobe. Robert Galata, Sandro Scheid. Deskriptive und Induktive Statistik für Studierende der BWL. Methoden - Beispiele - Anwendungen
Leseprobe Robert Galata, Sandro Scheid Deskriptive und Induktive Statistik für Studierende der BWL Methoden - Beispiele - nwendungen Herausgegeben von Robert Galata, Markus Wessler ISBN (Buch): 978-3-446-43255-0
MehrTeil II. Wahrscheinlichkeitsrechnung
Teil II Wahrscheinlichkeitsrechnung Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2014) Folie 129 5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) 5 Zufallsexperimente Ergebnisse Ereignisse
MehrTeil II. Wahrscheinlichkeitsrechnung. Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2015) Folie 129
Teil II Wahrscheinlichkeitsrechnung Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2015) Folie 129 5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) 5 Zufallsexperimente Ergebnisse Ereignisse
MehrTeil II. Wahrscheinlichkeitsrechnung. Inhaltsverzeichnis (Ausschnitt) Zufallsexperimente (Zufallsvorgänge) Ergebnisse
5 Zufallsexperimente Inhaltsverzeichnis (Ausschnitt) Teil II Wahrscheinlichkeitsrechnung 5 Zufallsexperimente Ergebnisse Ereignisse Wahrscheinlichkeiten Deskriptive Statistik und Wahrscheinlichkeitsrechnung
MehrDr. H. Grunert Einführung in die Wahrscheinlichkeitsrechnung Vorlesungscharts. Vorlesung 1. Grundbegriffe der Wahrscheinlichkeitsrechnung
Vorlesungscharts Vorlesung 1 Grundbegriffe der Wahrscheinlichkeitsrechnung Zufallsvorgänge und Zufallsereignisse Definitionen der Wahrscheinlichkeit Seite 1 von 11 Chart 1: Vorgänge deterministisch zufällig
MehrVorkurs Mathematik. Christoph Hindermann. Wahrscheinlichkeitstheorie
Kapitel 4 Christoph Hindermann Vorkurs Mathematik 1 4.0 Motivation Wenn 100 Münzen geworfen werden, wie ist dann die Wahrscheinlichkeit, dass genau 50 davon Kopf zeigen? Angenommen, es befinden sich 300
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
. Grundlagen der Wahrscheinlichkeitstheorie. Zufallsereignisse, Ereignisraum und Ereignismenge Zufallsexperiment: nach einer bestimmten Vorschrift ausgeführter, unter gleichen edingungen beliebig oft wiederholbarer
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürgen Senger INDUKTIVE STATISTIK Wahrscheinlichkeitstheorie, Schätz- und Testverfahren ÜBUNG - LÖSUNGEN. Zweimaliges Werfen eines Würfels mit Berücksichtigung der Reihenfolge a. Ergebnismenge (Ereignisraum)
MehrWie hoch ist das Risiko, dass ein System, das aus mehreren Komponenten besteht, ausfällt?
In diesem Kapitel werden wir den egriff Wahrscheinlichkeit und die Grundlagen der Wahrscheinlichkeitsrechnung kennenlernen, um z.. folgende Fragestellungen zu beantworten. Wie hoch ist das Risiko, dass
MehrEinführung in die Wahrscheinlichkeitsrechnung
Marco Cattaneo Institut für Statistik Ludwig-Maximilians-Universität München Sommersemester 2011 1. Wahrscheinlichkeitsrechnung 2. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grenzwertsätze
MehrStochastik Grundlagen
Grundlegende Begriffe: Zufallsexperiment: Ein Experiment, das beliebig oft wiederholt werden kann. Die möglichen Ergebnisse sind bekannt, nicht jedoch nicht, welches Ergebnis ein einzelnes Experiment hat.
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 7. Übung SS 16: Woche vom
Übungsaufgaben 7. Übung SS 16: Woche vom 23. 5. 27. 5.. 2016 Stochastik I: Klassische Wkt.-Berechnung Aufgaben: s. pdf auf der homepage von Dr. Vanselow http://www.math.tu-dresden.de/ vanselow/... (SS16).html
Mehr9. Elementare Wahrscheinlichkeitsrechnung
9. Elementare Wahrscheinlichkeitsrechnung I. Zufällige Ereignisse Beispiel (Einmaliges Würfeln): Alle möglichen Ausgänge 1, 2,, 6 des Experiments werden zur Ergebnismenge Ω ( Ergebnisraum ) zusammengefasst.
MehrZusammenfassung Stochastik
Zusammenfassung Stochastik Die relative Häufigkeit Ein Experiment, dessen Ausgang nicht vorhersagbar ist, heißt Zufallsexperiment (ZE). Ein Würfel wird 40-mal geworfen, mit folgendem Ergebnis Augenzahl
Mehr15 Wahrscheinlichkeitsrechnung und Statistik
5 Wahrscheinlichkeitsrechnung und Statistik Alles, was lediglich wahrscheinlich ist, ist wahrscheinlich falsch. ( Descartes ) Trau keiner Statistik, die du nicht selbst gefälscht hast. ( Churchill zugeschrieben
MehrRumpfskript. Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen
Rumpfskript Elementare Wahrscheinlichkeitsrechnung Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen Vorbemerkung Vorbemerkung Das vorliegende Skript heißt nicht nur Rumpf skript, sondern
Mehr1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6
Inhaltsverzeichnis 1 Vorbemerkungen 1 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2 3 Wahrscheinlichkeitsaxiome 4 4 Laplace-Experimente 6 5 Hilfsmittel aus der Kombinatorik 7 1 Vorbemerkungen
MehrWahrscheinlichkeitsrechnung
Wahrscheinlichkeitsrechnung Grundbegriffe: Experiment: ein Vorgang, den man unter gleichen Voraussatzungen beliebig oft wiederholen kann. Ergebnis ω : Ausgang eines Experiments Ergebnismenge Ω : Menge
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürgen Senger INDUKTIVE STATISTIK Wahrscheinlichkeitstheorie, Schätz- und Testverfahren ÜBUNG. - LÖSUNGEN. Werfen eines idealen Würfels a. Sei A das Ereignis, eine zu würfeln A { } Das Ereignis, keine
MehrWahrscheinlichkeitsrechnung [probability]
Wahrscheinlichkeitsrechnung [probability] Hinweis: Die Wahrscheinlichkeitsrechnung ist nicht Gegenstand dieser Vorlesung. Es werden lediglich einige Begriffsbildungen bereitgestellt und an Beispielen erläutert,
MehrWahrscheinlichkeitstheorie Kapitel I - Einführende Beispiele
Wahrscheinlichkeitstheorie Kapitel I - Einführende Beispiele Georg Bol georg.bol@statistik.uni-karlsruhe.de Markus Höchstötter hoechstoetter@statistik.uni-karlsruhe.de Wahrscheinlichkeitstheorie Agenda:
MehrWahrscheinlichkeitstheorie
Kapitel 2 Wahrscheinlichkeitstheorie Josef Leydold c 2006 Mathematische Methoden II Wahrscheinlichkeitstheorie 1 / 24 Lernziele Experimente, Ereignisse und Ereignisraum Wahrscheinlichkeit Rechnen mit Wahrscheinlichkeiten
MehrStatistik Einführung // Wahrscheinlichkeitstheorie 3 p.2/58
Statistik Einführung Wahrscheinlichkeitstheorie Kapitel 3 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Leydold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Wahrscheinlichkeitstheorie
Mehr7. Kapitel: Zufallsvorgänge, Ereignisse und Wahrscheinlichkeiten
7. Kapitel: Zufallsvorgänge, Ereignisse und Wahrscheinlichkeiten 7.1 Zufallsvorgänge - zufälliges Geschehen/ Zufallsvorgang/ stochastische Vorgang: aus Geschehen/Vorgang/Experiment (mit gegebener Ausgangssituation)
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 27. Oktober 2010 Teil III Wahrscheinlichkeitstheorie 1 Zufallsereignisse Vorüberlegungen Der Ereignisraum Konstruktionen
Mehr1. Grundlagen der Wahrscheinlichkeitsrechnung
1. Grundlagen der Wahrscheinlichkeitsrechnung Ereignisse und Wahrscheinlichkeiten Zufälliger Versuch: Vorgang, der (zumindest gedanklich) beliebig oft wiederholbar ist und dessen Ausgang innerhalb einer
Mehr9. Elementare Wahrscheinlichkeitsrechnung
9. Elementare Wahrscheinlichkeitsrechnung Beispiel (Einmaliges Würfeln): verbal mengentheoretisch I. Zufällige Ereignisse Beispiel (Einmaliges Würfeln): Alle möglichen Ausgänge 1,,, 6 des Experiments werden
MehrWahrscheinlichkeitsrechnung und Statistik
1. Vorlesung - 7.10.2016 Im Alltag... Laut den meteorologischen Vorhersagen wird es morgen regnen. Ob ich riskiere und die Wette verlieren werde? Ich werde mit Sicherheit gewinnen! Ist das wirklich unmöglich?
MehrZufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen
Zufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen Wichtige Tatsachen und Formeln zur Vorlesung Mathematische Grundlagen für das Physikstudium 3 Franz Embacher http://homepage.univie.ac.at/franz.embacher/
MehrOperationen im Ereignisraum
Operationen im Ereignisraum Symbol (Gegenereignis von, quer) Venndiagramm Vierfeldertafel ( zieht nach sich, ist in enthalten, wenn eintritt, tritt auch ein) 3 ( geschnitten mit, und, sowohl als auch )
MehrWahrscheinlichkeitsrechnung und Statistik
1. und 2. Vorlesung - 2017 Im Alltag... Laut den meteorologischen Vorhersagen wird es morgen regnen. Ob ich riskiere und die Wette verlieren werde? Ich werde mit Sicherheit gewinnen! Ist das wirklich unmöglich?
MehrSTATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik. Mögliche Ergebnisse, auch Elementarereignisse bezeichnet
Kapitel 10 Zufall und Wahrscheinlichkeit 10.1. Grundbegriffe Wahrscheinlichkeitsrechnung Zufallsvorgang Klein-Omega ω Groß-Omega Ω Stellt Modelle bereit, die es erlauben zufallsabhängige Prozesse abzuschätzen
MehrEin Ereignis ist eine Menge von Elementarereignissen. Berechnung von Wahrscheinlichkeiten zufälliger Ereignisse erfordert ein Modell.
SS 2013 Prof. Dr. J. Schütze/ J.Puhl FB GW Wkt.1 1 Grundbegriffe Zufallsexperiment unter gleichen Bedingungen wiederholbarer Vorgang (geplant, gesteuert, beobachtet oder auch nur gedanklich) Menge der
MehrDefinition: Ein endlicher Ergebnisraum ist eine nichtleere Menge, deren. wird als Ereignis, jede einelementige Teilmenge als Elementarereignis
Stochastische Prozesse: Grundlegende Begriffe bei zufälligen Prozessen In diesem Abschnitt beschäftigen wir uns mit den grundlegenden Begriffen und Definitionen von Zufallsexperimenten, also Prozessen,
MehrInformatik II Grundbegriffe der Wahrscheinlichkeitsrechnung
lausthal Informatik II rundbegriffe der Wahrscheinlichkeitsrechnung. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Begriffe Definition: Unter einem Zufallsexperiment versteht man einen,
MehrBiometrieübung 2 Wahrscheinlichkeitsrechnung
Biometrieübung 2 (Wahrscheinlichkeitsrechnung) - Aufgabe Biometrieübung 2 Wahrscheinlichkeitsrechnung Aufgabe 1. Kartenspiel Wie groß ist die Wahrscheinlichkeit, daß man aus einem Kartenspiel mit 52 Karten
Mehr2 Grundlegende Begriffe und Sätze der Wahrscheinlichkeitsrechnung
2 Grundlegende Begriffe und Sätze der Wahrscheinlichkeitsrechnung 2.1 Zufallsexperiment, Stichprobenraum und Ereignisse Viele Vorgänge der uns umgebenden Realität sind durch zwei Eigenschaften gekennzeichnet:
MehrInformatik II Grundbegriffe der Wahrscheinlichkeitsrechnung
lausthal Begriffe Informatik II rundbegriffe der Wahrscheinlichkeitsrechnung. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Definition: Unter einem Zufallsexperiment versteht man einen,
MehrBei 10 dieser Würfe wurde gleichzeitig eine 1 gewürfelt. Bei 25 dieser Würfe wurde gleichzeitig eine Augenzahl größer als 2 gewürfelt.
3 Wahrscheinlichkeiten 1 Kapitel 3: Wahrscheinlichkeiten A: Beispiele Beispiel 1: Ein Experiment besteht aus dem gleichzeitigen Werfen einer Münze und eines Würfels. Nach 100 Wiederholungen dieses Experiments
Mehr1. Grundlagen. R. Albers, M. Yannik Skript zur Vorlesung Stochastik (Elementarmathematik)
1. Grundlagen 1.1 Zufallsexperimente, Ergebnisse Grundlage für alle Betrachtungen zur Wahrscheinlichkeitsrechnung sind Zufallsexperimente. Ein Zufallsexperiment ist ein Vorgang, der - mehrere mögliche
MehrEinführung. Wahrscheinlichkeit. 1 Wahrscheinlichkeit: Definition und Interpretation. 2 Elementare Wahrscheinlichkeitsrechnung, bedingte
Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2 Elementare Wahrscheinlichkeitsrechnung, bedingte Wahrscheinlichkeit Axiome nach Kolmogorov Gegeben sei ein Zufallsexperiment mit Ergebnisraum
MehrLösungsskizzen zur Präsenzübung 03
Lösungsskizzen zur Präsenzübung 03 Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 2015/2016 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 16. November 2015 von:
Mehr4. Die Laplacesche Gleichverteilung
Universität Basel Wirtschaftswissenschaftliches Zentrum Grundlagen der Stochastik Dr. Thomas Zehrt Inhalt: 1. Die Ereignismenge 2. Die Wahrscheinlichkeitsverteilung 3. Eigenschaften einer Wahrscheinlichkeitsverteilung
Mehr1 Wahrscheinlichkeitsrechnung und Zufallsvariablen
1 Wahrscheinlichkeitsrechnung und Zufallsvariablen Zoltán Zomotor Versionsstand: 18. Mai 2015, 09:29 Die nummerierten Felder bitte während der Vorlesung ausfüllen. This work is licensed under the Creative
MehrEinführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 1
TUM, Zentrum Mathematik Lehrstuhl für Mathematische Physik WS 2013/ Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weidner Tutoraufgaben: Einführung in die Wahrscheinlichkeitstheorie svorschläge zu
MehrKapitel ML:IV. IV. Statistische Lernverfahren. Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen
Kapitel ML:IV IV. Statistische Lernverfahren Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen ML:IV-1 Statistical Learning c STEIN 2005-2011 Definition 1 (Zufallsexperiment,
MehrZiegenproblem, Monty-Hall-Problem, Wahrscheinlichkeitsrechnung. Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem
Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem Wahrscheinlichkeitsrechnung Theorie Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem Ziegenproblem,
MehrGrundbegriffe der Wahrscheinlichkeitsrechnung
Algorithmen und Datenstrukturen 349 A Grundbegriffe der Wahrscheinlichkeitsrechnung Für Entwurf und Analyse randomisierter Algorithmen sind Hilfsmittel aus der Wahrscheinlichkeitsrechnung erforderlich.
Mehr2.2 Ereignisse und deren Wahrscheinlichkeit
2.2 Ereignisse und deren Wahrscheinlichkeit Literatur: [Papula Bd., Kap. II.2 und II.], [Benning, Kap. ], [Bronstein et al., Kap. 1.2.1] Def 1 [Benning] Ein Zufallsexperiment ist ein beliebig oft wiederholbarer,
Mehr2 Ereignisse. Für Ereignisse A und B kann durch Bildung des Durchschnitts (engl.: intersection) A B := {ω Ω : ω A oder ω B}
5 2 Ereignisse ei einem stochastischen Vorgang interessiert oft nur, ob dessen Ergebnis zu einer gewissen Menge von Ergebnissen gehört. So kommt es zu eginn des Spiels Mensch-ärgere- Dich-nicht! nicht
MehrBiostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 stheorie: Grundbegriffe Prof. Dr. Achim Klenke http://www.aklenke.de 5. Vorlesung: 25.11.2011 1/33 Inhalt 1 Zufallsvariablen 2 Ereignisse 3 2/33 Zufallsvariablen Eine Zufallsvariable
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 8. Übung SS 16: Woche vom
Übungsaufgaben 8. Übung SS 16: Woche vom 30. 5. 3.6. 2016 Stochastik II: Klassische Wkt.-Berechnung; Unabhängigkeit Aufgaben: s. pdf auf der homepage von Dr. Vanselow http://www.math.tu-dresden.de/ vanselow/...
MehrEreignis E: ist ein oder sind mehrere Ergebnisse zusammen genommen. Bsp. E = {2; 4; 6}
Laplace-Experimente Begriffsklärung am Beispiel eines Laplace-Würfel mit Augenzahlen (AZ) 1-6: Ergebnis: ist jeder Ausgang eines Zufallsexperimentes heißt ein Ergebnis ω dieses Zufallsexperimentes. Die
Mehr1 Mengenlehre. 1.1 Grundbegriffe
Dieses Kapitel behandelt Grundlagen der Mengenlehre, die in gewisser Weise am nfang der Mathematik steht und eine Sprache bereitstellt, die zur weiteren Formulierung der Mathematik sehr hilfreich ist.
MehrMathematische und statistische Methoden II
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de
MehrStochastik für Ingenieure
Otto-von-Guericke-Universität Magdeburg Fakultät für Mathematik Institut für Mathematische Stochastik Stochastik für Ingenieure (Vorlesungsmanuskript) von apl.prof. Dr. Waltraud Kahle Empfehlenswerte Bücher:
MehrStochastik - Kapitel 2
" k " h(a) n = bezeichnet man als die relative Häufigkeit des Ereignisses A bei n Versuchen. n (Anmerkung: für das kleine h wird in der Literatur häufig auch ein r verwendet) k nennt man die absolute Häufigkeit
MehrMathe-Camp 2017 Stochastik: Geometrische Wahrscheinlichkeiten
Mathe-Camp 2017 Stochastik: Geometrische Wahrscheinlichkeiten Jo rn Saß, sass@mathematik.uni-kl.de Fachbereich Mathematik, TU Kaiserslautern Arbeitsgruppe Stochastische Steuerung und Finanzmathematik Kaiserslautern
Mehr3. Grundbegriffe der Wahrscheinlichkeitstheorie
03. JULI 2006: BLATT 17 3. Grundbegriffe der Wahrscheinlichkeitstheorie (v.a. nach Manning/Schütze: 40ff und Fahrmeir /Künstler/Pigeot/Tutz: 171ff) Übersicht Um entscheiden zu können, ob eine statistische
Mehr1 Elementare Wahrscheinlichkeitstheorie
1 Elementare Wahrscheinlichkeitstheorie 1.1 Zufallsexperiment Definition 1.1. Ein Zufallsexperiment ist ein Vorgang, der im Prinzip beliebig oft unter identischen Randbedingungen wiederholt werden kann.
MehrWahrscheinlichkeitsrechnung und Statistik
Babeş-Bolyai Universität Fakultät für Mathematik und Informatik Oktober 2018 Im Alltag... Laut den meteorologischen Vorhersagen wird es morgen regnen. Ob ich riskiere und die Wette verlieren werde? Ich
MehrWelche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff?
2. Übung: Wahrscheinlichkeitsrechnung Aufgabe 1 Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff? a) P ist nichtnegativ. b) P ist additiv. c) P ist multiplikativ.
MehrWahrscheinlichkeitsrechnung
Abiturvorbereitung Wahrscheinlichkeitsrechnung S. 1 von 9 Wahrscheinlichkeitsrechnung Kombinatorik Formeln für Wahrscheinlichkeiten Bedingte Wahrscheinlichkeiten Zusammenfassung wichtiger Begriffe Übungsaufgaben
MehrKapitel II - Wahrscheinlichkeitsraum
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel II - Wahrscheinlichkeitsraum Markus Höchstötter Lehrstuhl für Statistik, Ökonometrie
MehrWahrscheinlichkeitstheorie
Kapitel 2 Wahrscheinlichkeitstheorie Wir betrachten Ereignisse, die in fast gleicher Form öfter auftreten oder zumindest öfter auftreten können. Beispiele: Werfen eines Würfels, Sterben an Herzversagen
MehrStochastik 02 Wiederholung & Vierfeldertafel
23. August 2018 Grundlagen der Statistik (bis Klasse 10) Grundlagen der Stochastik (bis Klasse 10) Zufallsgrößen und Verteilungen Beurteilende Statistik (Testen von Hypothesen) Bernoulli-Experimente Ziele
MehrKapitel I Diskrete Wahrscheinlichkeitsräume
Kapitel I Diskrete Wahrscheinlichkeitsräume 1. Grundlagen Definition 1 1 Ein diskreter Wahrscheinlichkeitsraum ist durch eine Ergebnismenge Ω = {ω 1, ω 2,...} von Elementarereignissen gegeben. 2 Jedem
MehrVorwort (zur zweiten Auflage)
Vorwort (zur zweiten Auflage) Für die zweite Auflage der Induktiven Statistik wurde der gesamte Text durchgesehen und alle Lösungen überprüft. Dies führte zu Modifikationen und Ergänzungen des Stoffes
MehrDiskrete Strukturen II
SS 2006 Diskrete Strukturen II Ernst W. Mayr Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2006ss/ds2/ Sommersemester 2006 c Ernst W. Mayr 3. Einleitung Was bedeutet Zufall? Große Menge
MehrInteraktives Skriptum: Elementare Wahrscheinlichkeitsrechnung
Interaktives Skriptum: Elementare Wahrscheinlichkeitsrechnung 1. Grundbegriffe Würfeln, Werfen einer Münze, Messen der Lebensdauer einer Glühbirne Ausfall/Ausgang: Würfeln: Augenzahlen 1, 2, 3, 4, 5, 6
MehrSEMINAR KLASSIFIKATION & CLUSTERING STATISTISCHE GRUNDLAGEN. Stefan Langer WINTERSEMESTER 2014/15.
SEMINAR KLASSIFIKATION & CLUSTERING WINTERSEMESTER 2014/15 STATISTISCHE GRUNDLAGEN Stefan Langer stefan.langer@cis.uni-muenchen.de Frequenz & Häufigkeit: Übersicht Absolute Häufigkeit Relative Häufigkeit
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Der Wahrscheinlichkeitsbegriff - fit für das Abitur
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Der Wahrscheinlichkeitsbegriff - fit für das Abitur Das komplette Material finden Sie hier: School-Scout.de Wiederholung: Zufallsexperiment,
MehrPopulation und Stichprobe: Wahrscheinlichkeitstheorie
Population und Stichprobe: Wahrscheinlichkeitstheorie SS 2001 4. Sitzung vom 15.05.2001 Wahrscheinlichkeitstheorie in den Sozialwissenschaften: Stichprobenziehung: Aussagen über Stichprobenzusammensetzung
MehrWichtige Definitionen und Aussagen
Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge
MehrKapitel II - Wahrscheinlichkeitsraum
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel II - Wahrscheinlichkeitsraum Wahrscheinlichkeitstheorie Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh
MehrKapitel 2 Wahrscheinlichkeitsrechnung
Motivation bisher: Beschreibung von Datensätzen = beobachteten Merkmalsausprägungen Frage: Sind Schlußfolgerungen aus diesen Beobachtungen möglich? Antwort: Ja, aber diese gelten nur mit einer bestimmten
MehrWahrscheinlichkeitsrechnung
Wahrscheinlichkeitsrechnung. Semester Begleitendes Skriptum zur Vorlesung im FH-Masterstudiengang Technisches Management von Günther Karigl FH Campus Wien 206/7 Inhaltsverzeichnis. Semester: Wahrscheinlichkeitsrechnung
MehrWAHRSCHEINLICHKEITSRECHNUNG
WAHRSCHEINLICHKEITSRECHNUNG Mathematischer Teil In der Wahrscheinlichkeitsrechnung haben wir es mit Zufallsexperimenten zu tun, d.h. Ausgang nicht vorhersagbar. Grundbegriffe Zufallsexperiment und Ergebnisse
MehrBasiswissen Daten und Zufall Seite 1 von 8 1 Zufallsexperiment Ein Zufallsexperiment ist ein Versuchsaufbau mit zufälligem Ausgang, d. h. das Ergebnis kann nicht vorhergesagt werden. 2 Ergebnis (auch Ausgang)
MehrWelche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff?
2. Übung: Wahrscheinlichkeitsrechnung Aufgabe 1 Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff? a) P ist nichtnegativ. b) P ist additiv. c) P ist multiplikativ.
MehrInhaltsverzeichnis (Ausschnitt)
8 Messbarkeit und Bildwahrscheinlichkeit Inhaltsverzeichnis (Ausschnitt) 8 Messbarkeit und Bildwahrscheinlichkeit Messbare Abbildungen Bildwahrscheinlichkeit Deskriptive Statistik und Wahrscheinlichkeitsrechnung
MehrGründe für die Behandlung von stochastischen Problemen (nach KÜTTING)
Vorlesung 03.01.09 Stochastik Gründe für die Behandlung von stochastischen Problemen (nach KÜTTING) Der Mathematikunterricht der Schule hat die Aufgabe, eine Grundbildung zu vermitteln, die auf ein mathematisches
MehrKapitel 2. Wahrscheinlichkeit (wird heute behandelt) Kapitel 2. Wahrscheinlichkeit
Teil I: Wahrscheinlichkeitstheorie 1 Kapitel 2. Wahrscheinlichkeit (wird heute behandelt) Kapitel 3: Bedingte Wahrscheinlichkeit Kapitel 4: Zufallsvariablen Kapitel 5: Erwartungswerte, Varianz, Kovarianz
MehrA Grundlegende Begriffe
Grundlegende egriffe 1 Zufallsexperimente und Ereignisse Ein Zufallsexperiment besteht aus der wiederholten Durchführung eines Zufallsversuchs. ei einem Zufallsversuch können verschiedene Ergebnisse (chreibweise:
MehrWichtiges zur Stochastik
Wichtiges zur Stochastik Grundbegriffe und ezeichnungen: Ergebnisse werden mit ω (kleines omega, nicht w!) bezeichnet; wenn man mehrere angibt, so wird einfach durchnummeriert: ω 1, ω 2,... Der Ergebnisraum
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine Universität Düsseldorf 29. Oktober 2009 Mengensprechweise Die Menge aller Elementarereignisse ist der Ereignisraum. Seine Teilmengen heißen
MehrMathematische und statistische Methoden II
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de
MehrMathematische und statistische Methoden II
Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de lordsofthebortz.de lordsofthebortz.de/g+
MehrEinführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management
Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 2013 Hochschule Augsburg Unabhängigkeit von Ereignissen A, B unabhängig:
Mehr1.4 Zufallsvariablen und ihre Verteilung
1.4.1 Diskrete Zufallsvariablen Ein Zufallsexperiment wird beschrieben durch einen Grundraum Ω und eine Wahrscheinlichkeit P auf Ω. Häufig interessieren nicht die Ergebnisse an sich, sondern bestimmte
MehrZusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen
Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind
Mehr1.1 Ergebnisräume einfacher Zufallsexperimente. 2) Es gibt mindestens zwei mögliche Ausgänge des Experiments.
Übungsmaterial 1 1 Zufallsexperimente 1.1 Ergebnisräume einfacher Zufallsexperimente Damit ein Experiment ein Zufallsexperiment ist, müssen folgende Eigenschaften erfüllt sein: 1) Das Experiment lässt
Mehr