Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME

Größe: px
Ab Seite anzeigen:

Download "Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME"

Transkript

1 Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Fassug vom 13. Februar 2006 Mathematik für Humabiologe ud Biologe 129

2 9.1 Stichprobe-Raum 9.1 Stichprobe-Raum Die bisher behadelte Beispiele vo Naturvorgäge oder Experimete ware determiistisch, d. h. bei gleicher (Versuchs-) Aordug wird das Ergebis reproduziert. Wir iteressiere us jetzt für die Klasse icht determiistischer Experimete, die sogeate zufällige oder stochastische Experimete, wie z.b. die Rekombiatio der Allele bei geschlechtlicher Vermehrug, das Auftrete vo Mutatioe, die Bestimmug der Blutgruppe vo Notfallpatiete oder der Ergebis eies Müzwurfs. DEFINITION Die Mege aller (theoretisch) mögliche Ergebisse eies Zufallsexperimets heißt der Stichproberaum oder Ergebisraum. Ei Elemet! 2 heißt Stichprobe oder Elemetarereigis. Eie Teilmege A et ma Ereigis. heißt das sichere Ereigis, die leere Mege ; das umögliche Ereigis. Zwei Ereigisse A; B heiße disjukt, we A ud B kei gemeisames Elemet ethalte. Ereigis werde häu g durch eie Eigeschaft A beschriebe wird. Diese Eigeschaft ka ma mit der Mege f! 2 j! erfüllt Ag gleichsetze. Im Folgede wede die eiige megetheoretische Bezeichuge verwedet: die Vereiigug A ud B, der Durchschitt vo A ud B, A [ B := f! 2 j! 2 A oder! 2 Bg, A \ B := f! 2 j! 2 A ud! 2 Bg, A := A c := f! 2 j! =2 Ag, das Komplemet oder Gegeereigis vo A, ud wie bereits i de erste Kapitel beutzt : A ist Teilmege vo B. Zum Beispiel gilt also A B : Jedes Elemet vo A ist auch Elemet vo B, A ud B sid disjukt () A \ B = ;. BEISPIEL 1 (Der Würfel) Der Stichproberaum ist f1; 2; 3; 4; 5; 6g. 130 WAHRSCHEINLICHKEITS-RÄUME

3 Der Stichproberaum ist also RH; RH; RH; R H. Stichprobe-Raum 9.1 Das Ereigis der Wurf hat 3 oder mehr Auge wird durch die Mege A = f3; 4; 5; 6g dargestellt, das Gegeereigis ist A = f1; 2g. BEISPIEL 2 (Zusammehag vo Rauche ud Herzifarkt) I eier Kartei verstorbeer Patiete sid u.a. die Merkmale Raucher / Nicht-Raucher sowie Todesursache Herzifarkt / Nicht-Herzifarkt eigetrage. Ma ist ur a de folgede vier Ergebisse iteressiert, die die Zugehörigkeit zu eier der Gruppe beschreibe: RH RH RH R H Raucher ud Todesursache Herzifarkt. Nicht-Raucher ud Todesursache Herzifarkt. Raucher ud Todesursache Nicht-Herzifarkt. Nicht-Raucher ud Todesursache Nicht-Herzifarkt. BEISPIEL 3 Ei Gelocus sei durch die Allele G ud g bestimmt, der Ergebisraum bei eier Paarug besteht aus de Geotype GG; Gg; gg ( Gg ud gg sid biologisch icht uterscheidbar), das Ereigis homozygot besteht aus fgg; ggg. WAHRSCHEINLICHKEITS-RÄUME 131

4 9.2 Wahrscheilichkeit 9.2 Wahrscheilichkeit Gesucht ist ei Modell, das die Zufälligkeit beschreibt. Dies wird durch eie Fuktio P : A 7! P (A) beschriebe. Für jedes Ereigis A gibt die Zahl P (A) a, wie wahrscheilich das Eitrete vo A ist. Experimetell ka ma ei Modell für P (A) erhalte, idem ma -mal das Experimet wiederholt. Ist h (A) die Azahl der Stichprobe, i dee A eitritt, so et ma r (A) := h (A) die relative Häu gkeit für A. Es mußda r (A) ' P (A) für groß gelte. Dabei sid folgede Eigeschafte vo P zu erwarte: DEFINITION Ist P : A 7! P (A) eie Fuktio mit P () = 1, ud P (A) > 0 für alle Ereigisse A P (A [ B) = P (A) + P (B) für alle disjukte Ereigisse A; B, so heißt ei Wahrscheilichkeits-Raum ud P (A) die Wahrscheilichkeit für das Ereigis A. SATZ Eigeschafte vo P. (i) Ist A B, so gilt P (A) 6 P (B). Somit gilt P (A) 2 [0; 1] für jedes Ereigis A. (ii) Für das Gegeereigis A vo A gilt P A = 1 P (A). (iii) Ist A = f! 1;! 2 ; ;! g, so ist X P (A) = P (f! j g). j=1 BEMERKUNG 1 Wahrscheilichkeite werde oft i Prozet ausgedrückt. 132 WAHRSCHEINLICHKEITS-RÄUME

5 Wahrscheilichkeit 9.2 BEMERKUNG 2 zu kee. Ist edlich, so geügt es ach (iii) die Zahle P (!) := P (f!g) für! 2 BEISPIEL 1 (Uverfälschter Würfel) Es gilt P (!) = 1 6 für alle! 2 f1; 2; 3; 4; 5; 6g. Für A = f3; 4; 5; 6g ist also P (A) = P (3) + P (4) + P (5) + P (6) = 4 6 = 2 3 ' 0:66. Die Agabe (i % ) werde i eie Vierfel- BEISPIEL 2 (Rauche ud Herzifarkt) dertafel zusammegefasst. Das Ereigis Raucher ist durch gegebe. Es ist R R P H 0:39 0:28 0:67 H 44:61 54:72 99:33 P R = RH; RH P (R) = P (RH) + P RH = 0: :61 = 45%. Diese Zahle wurde Afag 1960 erhobe. Die kombiatorische Formel aus Kap. 1 lasse sich u auch wahrscheilichkeitstheoretisch deute. Dazu BEISPIEL 3 Sei die Mege der ugeordete k-tupel (ohe Wiederholug), die aus Objekte gebildet werde köe. Nach Satz 1.8 ist die Azahl der Elemete i # () =, k ud es gibt 1 k 1 k-tupel, die ei festes Elemet! 2 ethalte. Bei zufälliger Auswahl eies k-tupels hat das Ereigis A; ei k-tupel mit dem Elemet! auszuwähle, die Wahrscheilichkeit Azahl der k-tupel, die! ethalte P (A) = = Azahl aller k-tupel = 1 k 1 k = Ma beachte die Fälle k = 1 ud k =. ( 1)! k! ( k)! (k 1)! ( 1 (k 1))!! = k. WAHRSCHEINLICHKEITS-RÄUME 133

6 9.3 Bedigte Wahrscheilichkeit 9.3 Bedigte Wahrscheilichkeit BEISPIEL 1 I Beispiel soll die Wahrscheilichkeit für ei Ifarkttod ierhalb der Gruppe der Raucher R berechet werde. Der Stichproberaum ist jetzt Die Wahrscheilichkeit P (RH) ist durch P (RH) P (R) zu ersetze. Aalog für Nichtraucher R = RH; RH. = 0:39 45 = 8: P RH P R = 0:28 55 = 5: Das Risiko für Raucher, a Herzifarkt zu sterbe, ist mal größer als für Nichtraucher. 8: : ' 1:7 DEFINITION Ist B mit P (B) > 0, so heißt P (A j B) := die bedigte Wahrscheilichkeit für A uter B. Ma beachte, daßi Beispiel 1 gilt P (A \ B) P (B) frhg = R \ H. BEISPIEL 2 (Test für eie seltee Krakheit) 0:3% der Bevölkerug habe die Krakheit, ud 99% der Krake ( K ) reagiere positiv ( p ) auf dem Test 2% der Gesude ( G ) reagiere positiv auf dem Test. Der Stichproberaum ist fkp; K; Gp; Gg, wobei eie egative Reaktio bezeichet. Berechug der Wahrscheilichkeit : Es ist K = fkp; Kg ud G = fgp; Gg, 134 WAHRSCHEINLICHKEITS-RÄUME

7 Bedigte Wahrscheilichkeit 9.3 also gilt Weiter gilt also ud P (K) = 0:3% ud P (G) = P K = 1 P (K) = 99:7%. P (Kp) P (K) = P (p j K) = 99% ud P (Gp) P (G) = P (p j G) = 2%, P (Kp) = 0:99 P (K) = 0:99 0:003 ' 0:297% P (Gp) = 0:02 P (G) = 0:02 0:997 ' 1:994%. Die Wahrscheilichkeit, bei positivem Test krak zu sei, ist demach P (K j p) = P (Kp) P (p) = P (Kp) P (Kp) + P (Gp) = 0:99 0:003 0:99 0: :02 0:997 ' 0:13, also ur 13 %. Ma ka i diesem Beispiel auch zuächst die Vierfeldertafel aufstelle. Diese Vorgehesweise ist machmal übersichtlicher. Aus der gegebee Radwahrscheilichkeit für K bekommt ma (i % ) P K G p P 0:3 99:7 100 () ud mit () folgt K G P p 0:297 1:994 2:291. P 0:3 99:7 100 Damit sid alle Wahrscheilichkeite gegebe, speziell erhält ma P (K j p) = P (Kp) P (p) = 0:297% 2:291% ' 0:13. WAHRSCHEINLICHKEITS-RÄUME 135

8 9.4 Uabhägigkeit 9.4 Uabhägigkeit DEFINITION gilt. Zwei Ereigisse A; B heiße uabhägig, we die Produktregel P (A \ B) = P (A) P (B) Dies bedeutet, daßb kei Ei ußauf die Wahrscheilichkeit vo A hat. I der Tat folgt sofort aus der De itio der bedigte Wahrscheilichkeit SATZ Ist P (B) > 0, so sid A ud B geau da uabhägig, we P (A) = P (A j B). BEISPIEL 1 Nach de Beispiele ud ist P (H) = 0:67 % ud P (H j R) = 0:87 %. Die Ereigisse H ud R sid also abhägig. Der Uabhägigkeitsbegri ist isbesodere wichtig bei Mehrstufe-Experimete. BEISPIEL 2 Ma führe zuerst eie Testreihe für ei Medikamet durch. Es ist wirksam (w) i 73 %, ohe Wirkug (o) i 25 % ud gibt allergische Reaktioe (a) i 2 % der Fälle. Der Stichproberaum ist ud es gilt 1 = fw; o; ag P (w) = 0:73, P (o) = 0:25, P (a) = 0:02. durch. Der Stichpro- Ma führt da eie Testreihe für de Rhesusfaktor Rh + ud Rh beraum ist ud es gilt 2 = frh + ; Rh g P (Rh + ) = 0:85, P (Rh ) = 0:15. Der Stichproberaum des zugehörige Zweistufe-Experimets lässt sich da durch eie Baumdiagramm dargestelle (s.u.) ud ma erhält = fw + ; w ; o + ; o ; a + ; a g. Falls der Rhesusfaktor ohe Ei ußauf die Wirkug dieses Medikamets ist, da sid z.b. die Ereigisse uabhägig, ud es folgt w = fw + ; w g ud Rh + = fw + ; o + ; a + g P (w + ) = P (w \ Rh + ) = P (w) P (Rh + ) = 0:73 0:85 = 0: WAHRSCHEINLICHKEITS-RÄUME

9 Uabhägigkeit 9.4 I diesem Fall heißt ei uabhägiges Zweistufe-Experimet. Die Produktregel wird auch als Pfadregel bezeichet : Bei eiem uabhägige Mehrstufe-Experimet ist die Wahrscheilichkeit für ei, durch eie Pfad dargestelltes Elemetarereigis das Produkt der Wahrscheilichkeite lägs des Pfades. BEISPIEL 3 Wie großist die Wahrscheilichkeit, daßvo 3 zufällig getestete Persoe alle Rh sid? Dies lässt sich als Dreistufe-Experimet deute, der Stichproberaum 3 besteht aus drei-tupel 3 = f+ + +; + + ; : : : ; g. Da P (Rh ) = 0:15, folgt aus der Produktregel P ( ) = (0:15) 3 ' 0:0034 = 0:34%. Wie großist die Wahrscheilichkeit, daß2 davo Rh sid? Es ist P (+ ) + P ( + ) + P ( +) = 3 0:85 (0:15) 2 = 0:057 = 5:7%. Wie großist die Wahrscheilichkeit, daßmidestes 1 davo Rh ist? Das Gegeereigis ist : Alle sid Rh +. Es ist P (+ + +) = (0:85) 3 = 0:614, also P (+ + +) = 1 P (+ + +) = 1 0:614 = 0:386 = 38:6%. WAHRSCHEINLICHKEITS-RÄUME 137

Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME

Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Fassung vom 12. Januar 2001 121 WAHRSCHEINLICHKEITS-RÄUME Stichproben-Raum. 9.1 9.1 Stichproben-Raum. Die bisher behandelten Beispiele von Naturvorgängen oder Experimenten

Mehr

7.2 Grundlagen der Wahrscheinlichkeitsrechnung

7.2 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

Mehr

Wahrscheinlichkeit & Statistik

Wahrscheinlichkeit & 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

Mehr

AngStat1(Ue13-21).doc 23

AngStat1(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

Mehr

Kapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit

Kapitel 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

Mehr

Kapitel 11 DIE NORMAL-VERTEILUNG

Kapitel 11 DIE NORMAL-VERTEILUNG Kapitel DIE NORMAL-VERTEILUNG Fassug vom 7. Februar 006 Prof. Dr. C. Porteier Mathematik für Humabiologe ud Biologe 49 . De itio der Normal-Verteilug. De itio der Normal-Verteilug Bisher habe wir ur diskret

Mehr

Kombinatorik. Systematisches Abzählen und Anordnen einer endlichen Menge von Objekten unter Beachtung vorgegebener Regeln.

Kombinatorik. Systematisches Abzählen und Anordnen einer endlichen Menge von Objekten unter Beachtung vorgegebener Regeln. Systematisches Abzähle ud Aorde eier edliche Mege vo Objekte uter Beachtug vorgegebeer Regel Permutatioe Variatioe Kombiatioe Permutatioe: Eie eieideutige (bijektive) Abbildug eier edliche Mege i sich

Mehr

8. Der Wahrscheinlichkeitsbegriff

8. Der Wahrscheinlichkeitsbegriff 8. Der Wahrscheilichkeitsbegriff M.5 Wahrscheilichkeitsbegriff (ca. 0 Std.) Die Etwicklug eies abstrakte Wahrscheilichkeitsbegriffs erlaubt es de Schüler, verschiedee bereits aus de vorhergehede Jahrgagsstufe

Mehr

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.

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

Mehr

Kapitel 2: Laplacesche Wahrscheinlichkeitsräume

Kapitel 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

Mehr

Kapitel VI. Einige spezielle diskrete Verteilungen

Kapitel 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

Mehr

Der Additionssatz und der Multiplikationssatz für Wahrscheinlichkeiten

Der Additionssatz und der Multiplikationssatz für Wahrscheinlichkeiten Der Additiossatz ud der Multiplikatiossatz für Wahrscheilichkeite Die Wahrscheilichkeitsrechug befasst sich mit Ereigisse, die eitrete köe, aber icht eitrete müsse. Die Wahrscheilichkeit eies Ereigisses

Mehr

R. Brinkmann Seite

R. 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

Mehr

Fundamentale Prinzipien der Kombinatorik und elementare Abzählkoeffizienten Wolfram Koepf

Fundamentale Prinzipien der Kombinatorik und elementare Abzählkoeffizienten Wolfram Koepf Fudametale Prizipie der Kombiatori ud elemetare Abzähloeffiziete Wolfram Koepf Die abzählede Kombiatori beschäftigt sich vor allem mit der Auswahl eier Teilmege, die ma häufig eie Stichprobe et (aus Wahrscheilicheitsrechug

Mehr

Tests für beliebige Zufallsvariable

Tests 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

Mehr

15.4 Diskrete Zufallsvariablen

15.4 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

Mehr

6. Übung - Differenzengleichungen

6. 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

Mehr

Kapitel 10 VERTEILUNGEN

Kapitel 10 VERTEILUNGEN Kapitel 0 VERTEILUNGEN Fassug vo 3. Februar 2006 Prof. Dr. C. Porteier Prof. Dr. W. Groes Matheati für Huabiologe ud Biologe 39 0. Zufallsvariable 0. Zufallsvariable Häu g wird statt des Ergebisses! 2

Mehr

mit (a 1 ) (0,0,,0). Dann ist die Menge,,a n,a 2 eine endliche Menge und besitzt ein grösstes Element ggt(a 1

mit (a 1 ) (0,0,,0). Dann ist die Menge,,a n,a 2 eine endliche Menge und besitzt ein grösstes Element ggt(a 1 Kapitel 1: Reste, Teiler, Vielfache Defiitio Es sei a 0. Die Zahl b 0 ist ei Teiler vo a, we es ei u 0 gibt, sodass ub= a. Ist b ei Teiler vo a, so ist a ei Vielfaches vo b. Bezeichug b a für b ist Teiler

Mehr

Stochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten

Stochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten Kapitel 2 Stochastische Uabhägigkeit, bedigte Wahrscheilichkeite 2.1 Stochastische Uabhägigkeit vo Ereigisse Im Folgede gehe wir vo eiem W-Raum (Ω, A, P aus. Der Begriff der stochastische Uabhägigkeit

Mehr

Diskrete Zufallsvariablen

Diskrete Zufallsvariablen Erste Beispiele diskreter Verteiluge Diskrete Zufallsvariable Beroulli-Verteilug Eie diskrete Zufallsvariable heißt beroulliverteilt mit arameter p, falls sie die Wahrscheilichkeitsfuktio p,, f ( ) ( )

Mehr

A Ω, Element des Ereignisraumes

A Ω, Element des Ereignisraumes ue biostatisti: grudlegedes zur wahrscheilicheit ud ombiatori 1/6 WAHRSCHEINLICHKEIT / EINIGE BEGRIFFE Ereigisraum Ω Elemetarereigis A: Ω ist die Mege aller mögliche Elemetarereigisse A Ω, Elemet des Ereigisraumes

Mehr

Stochastik: Binomialverteilung Stochastik Bernoulli-Experimente, binomialverteilte Zufallsvariablen Gymnasium ab Klasse 10

Stochastik: 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

Mehr

1 a+ 5 a b + 5a b 5ab(a+ = 10 a + 10a b 10a (a+ 2 3a. b a ab a. a a ab+ ab b b

1 a+ 5 a b + 5a b 5ab(a+ = 10 a + 10a b 10a (a+ 2 3a. b a ab a. a a ab+ ab b b 8. Jahrgagsstufe (G8) Zahle Bruchterme sid um Beispiel: + a b,, a c+ d.. Erweiter ud Küre Ei Bruchterm wird erweitert (gekürt), idem ma Zähler ud Neer mit dem selbe Term multipliiert (durch de selbe Term

Mehr

Stochastik. Eine Vorlesung für das Lehramtsstudium. Verfasst von Franz Hofbauer, Wintersemester 2018/19. bearbeitet von Gernot Greschonig

Stochastik. Eine Vorlesung für das Lehramtsstudium. Verfasst von Franz Hofbauer, Wintersemester 2018/19. bearbeitet von Gernot Greschonig Stochastik Eie Vorlesug für das Lehramtsstudium Verfasst vo Fraz Hofbauer, bearbeitet vo Gerot Greschoig Witersemester 08/9 Vorwort Der Begriff Wahrscheilichkeit wird üblicherweise mit Häufigkeit assoziiert.

Mehr

Tests statistischer Hypothesen

Tests 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

Mehr

Stochastik. Eine Vorlesung für das Lehramtsstudium. Franz Hofbauer

Stochastik. Eine Vorlesung für das Lehramtsstudium. Franz Hofbauer Stochastik Eie Vorlesug für das Lehramtsstudium Fraz Hofbauer SS 01 Vorwort Der Begriff Wahrscheilichkeit wird üblicherweise mit Häufigkeit assoziiert. Was oft eitritt, hat hohe Wahrscheilichkeit, was

Mehr

Klausur vom

Klausur 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

Mehr

Stochastik im SoSe 2018 Übungsblatt 2

Stochastik im SoSe 2018 Übungsblatt 2 Stochasti im SoSe 2018 Übugsblatt 2 K. Paagiotou/ L. Ramzews / S. Reisser Lösuge zu de Aufgabe. Aufgabe 1 Eie Ure ethält B blaue, R rote ud G grüe Bälle. Wir ziehe eie Teilmege mit geau Bälle aus der Ure,

Mehr

Statistik I/Empirie I

Statistik 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

Mehr

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008 Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe

Mehr

Einführung in die Wahrscheinlichkeitstheorie Lösungen zum Wiederholungsblatt

Einführung 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

Mehr

Einführung in die Stochastik für Mathematiker - SS 03 Prof. Dr. M. Schaefer, RWTH Aachen Definitionen und Sätze

Einführung in die Stochastik für Mathematiker - SS 03 Prof. Dr. M. Schaefer, RWTH Aachen Definitionen und Sätze Eiführug i die Stochastik für Mathematiker - SS 03 Prof. Dr. M. Schaefer, RWTH Aache Defiitioe ud Sätze Erstellt vo Lars Otte lars.otte@kulle.rwth-aache.de 5. September 2003 Diese Aufzeichuge stamme icht

Mehr

Stochastik. Bernoulli-Experimente und Binomialverteilung. Allg. Gymnasien: ab J1 / Q1 Berufl. Gymnasien: ab Klasse 12.

Stochastik. 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

Mehr

MATHEMATIK KLASSE 10 STOCHASTIK , H. Knopf

MATHEMATIK KLASSE 10 STOCHASTIK , H. Knopf MTHEMTIK KLSSE 10 STOCHSTIK 1 2.3.8, 2013-2014 H. Kopf Dieses Material ist ausschließlich für de uterrichtsbegleitede Eisatz bestimmt. Dieses Dokumet stellt keie Ersatz für de Uterricht dar. Die Teilahme

Mehr

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren Dr. Jürge Seger IDUKTIVE STTISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUG - LÖSUGE erutatioe. zahl der erutatioe vo verschiedefarbige erle!! 0. zahl der erutatioe vo 0 uerierte Kugel! 0!.8.800

Mehr

D-MATH Topologie FS 15 Theo Bühler. Musterlösung 2

D-MATH Topologie FS 15 Theo Bühler. Musterlösung 2 D-MATH Topologie FS 15 Theo Bühler Musterlösug 2 1. a) Per Defiitio ist A = {x : x berührt A}. I der Vorlesug wurde die Formel (X A) = ( A ) c gezeigt, also A = ( X A ) c. Daher ist A = A A = A (A ) c

Mehr

SBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit

SBP 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

Mehr

Empirische Verteilungsfunktion

Empirische 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,...,

Mehr

Statistik I Februar 2005

Statistik I Februar 2005 Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet

Mehr

K. Felten: Internet Network infrastucture Fachhochschule Kiel, Fachbereich IuE

K. 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

Mehr

Zählterme (Seite 1) Aufgabe: Wie viele Nummernschilder kann es theoretisch im Raum Dresden geben? Wann müsste die 4.Ziffer eingeführt werden?

Zählterme (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

Mehr

( ), der genau auf der Geraden ( ) 2 ( ) #( ) 8. Lineare Regression. = f i. Nach der Summe der kleinsten. mx i

( ), 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

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik 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

Mehr

Vorlesung. "Mathematik und Statistik" WS 2006 / Teil II. Statistik und Stochastik

Vorlesung. Mathematik und Statistik WS 2006 / Teil II. Statistik und Stochastik Vorlesug "Mathematik ud Statistik" WS 006 / 007 Teil II Statistik ud Stochastik Oktober 006 Dozet: Dr. Norbert Marxer Skript Statistik ud Stochastik 0. Ihaltsverzeichis 0. Ihaltsverzeichis.... Eileitug...

Mehr

Metrisierbarkeit. Technische Universität Wien Seminararbeit aus Analysis WS 2014 Sinan Özcaliskan

Metrisierbarkeit. Technische Universität Wien Seminararbeit aus Analysis WS 2014 Sinan Özcaliskan Metrisierbarkeit Techische Uiversität Wie Semiararbeit aus Aalysis WS 04 Sia Özcaliska Ihaltsverzeichis Eileitug 3 Der Metrisierbarkeitssatz vo Alexadroff-Urysoh 3 3 Der Metrisierbarkeitssatz vo Nagata-Smirov

Mehr

5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung

5 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

Mehr

Korrelationsanalyse zwischen kategorischen Merkmalen. Kontingenztabellen. Chi-Quadrat-Test

Korrelationsanalyse zwischen kategorischen Merkmalen. Kontingenztabellen. Chi-Quadrat-Test Kotigeztabelle. Chi-Quadrat-Test Korrelatiosaalyse zwische kategorische Merkmale Beispiel 1 ohe Frau 8 75 1 Ma 48 49 97 76 14? Häufigkeitstabelle (Kotigeztabelle): eie tabellarische Darstellug der gemeisame

Mehr

Teil II Zählstatistik

Teil II Zählstatistik Teil II Zählstatistik. Aufgabestellug. Vergleiche Sie experimetelle Zählverteiluge mit statistische Modelle (POISSON-Verteilug ud Normalverteilug) 2. Theoretische Grudlage Stichworte zur Vorbereitug: Impulszahl,

Mehr

Stochastik A. Prof. Dr. Barbara Gentz

Stochastik A. Prof. Dr. Barbara Gentz Stochastik A Prof. Dr. Barbara Getz Zusammefassug. Diese Mitschrift basiert auf Frau Prof. Getz Vorlesug Stochastik A aus dem Witersemester 2010/2011, welche sich i weite Teile a [Mee03] orietiert. Wer

Mehr

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39

Statistik 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

Mehr

Kombinatorik. Alexander (Axel) Straschil. 8. Dezember Begrie. 2 Permutationen, Kombinationen und Variationen

Kombinatorik. Alexander (Axel) Straschil. 8. Dezember Begrie. 2 Permutationen, Kombinationen und Variationen Kombiatori Alexader (Axel Straschil 8. Dezember 2006 Diese urze Zusammefassug über Permutatioe, Variatioe, Kombiatioe ud de Biomische Lehrsatz etstad im laufe meies Iformatistudiums a der Techische Uiversität

Mehr

Kapitel 9: Schätzungen

Kapitel 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.

Mehr

Wahrscheinlichkeitstheorie und Statistik

Wahrscheinlichkeitstheorie und Statistik Wahrscheilichkeitstheorie ud Statistik Fraz Hofbauer Diese Vorlesug brigt eie elemetare Eiführug i die Wahrscheilichkeitstheorie ohe Verwedug der Maßtheorie. Sie besteht aus drei Teile. Im erste Teil wird

Mehr

Erfolg im Mathe-Abi 2013

Erfolg im Mathe-Abi 2013 Gruber I Neuma Erfolg im Mathe-Abi 2013 Vorabdruck Wahlteil Stochastik für das Abitur ab 2013 zum Übugsbuch für de Wahlteil Bade-Württemberg mit Tipps ud Lösuge Vorwort Vorwort Erfolg vo Afag a...ist das

Mehr

3.2 Wilcoxon Rangsummentest

3.2 Wilcoxon Rangsummentest 3. Wilcoxo Ragsummetest Wir gehe davo aus, dass zwei Teilstichprobe x 1, x,..., x 1 ud y1, y,..., y vorliege, wobei die erste Teilstichprobe aus Realisieruge vo uabhägig ud idetisch stetig verteilte Zufallsvariable

Mehr

Kontingenztabellen. Chi-Quadrat-Test. Korrelationsanalyse zwischen kategorischen Merkmalen. 1. Unabhängigkeitstest

Kontingenztabellen. Chi-Quadrat-Test. Korrelationsanalyse zwischen kategorischen Merkmalen. 1. Unabhängigkeitstest Kotigeztabelle. Chi-Quadrat-Test KAD 1.11. 1. Uabhägigkeitstest. Apassugstest. Homogeitätstest Beispiel 1 ohe Frau 8 75 1 Ma 48 49 97 76 14? Korrelatiosaalyse zwische kategorische Merkmale Häufigkeitstabelle

Mehr

1) Wahrscheinlichkeitsbegriff und Rechnen mit Wahrscheinlichkeiten. P A = lim r N LI: ={ 1 LII: LIII: P A =1 P A

1) Wahrscheinlichkeitsbegriff und Rechnen mit Wahrscheinlichkeiten. P A = lim r N LI: ={ 1 LII: LIII: P A =1 P A FORMELSAMMLUNG V03 Alle Formel ohe Gewähr auf Korrektheit Grudlage der Wahrscheilichkeitstheorie 1) Wahrscheilichkeitsbegriff ud Reche mit Wahrscheilichkeite Relative Häufigkeit r N A = h N A N = Abs.

Mehr

Elemente der Mathematik - Winter 2016/2017

Elemente der Mathematik - Winter 2016/2017 4 Elemete der Mathemati - Witer 201/2017 Prof. Dr. Peter Koepe, Regula Krapf Übugsblatt 8 Aufgabe 33 ( Pute). Beweise Sie folgede Idetitäte durch vollstädige Idutio: (a) 0 2 (1)(21), N. (b) 2 (1 1 ) 1

Mehr

Elementare Wahrscheinlichkeitstheorie und Statistik

Elementare Wahrscheinlichkeitstheorie und Statistik Elemetare Wahrscheilichkeitstheorie ud Statistik Kurzfassug: Defiitioe ud Sätze Beweise ud Beispiele werde i der Vorlesug behadelt Ihaltsverzeichis Vorlesug SS 2003 für Bio-Iformatiker ud Lehramtskadidate

Mehr

Umrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung

Umrechnung 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

Mehr

10. Testen von Hypothesen Seite 1 von 6

10. 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)

Mehr

Kapitel 5: Schließende Statistik

Kapitel 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

Mehr

Übungen zu QM III Mindeststichprobenumfang

Übungen 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

Mehr

3.2 Das Wahrscheinlichkeitsmaß

3.2 Das Wahrscheinlichkeitsmaß 3 Wahrscheilichkeite 21 3.2 Das Wahrscheilichkeitsmaß 3.2.1 Relative Häufigkeite Der Begriff der relative Häufigkeit Peter verliert beim Mesch ärgere Dich icht. Wüted behauptet er, dass der verwedete Würfel

Mehr

Erfolg im Mathe-Abi 2014

Erfolg im Mathe-Abi 2014 Gruber I Neuma Erfolg im Mathe-Abi 2014 Übugsbuch für de Pflichtteil Bade-Württemberg mit Tipps ud Lösuge Ihaltsverzeichis Ihaltsverzeichis Aalysis 1 Ableite 1.1 Potezfuktioe mit atürliche Expoete... 7

Mehr

Proseminar Lineare Algebra WS 2016/17

Proseminar Lineare Algebra WS 2016/17 Prosemiar Lieare Algebra WS 2016/17 Bachelorstudium Lehramt Sekudarstufe (Allgemeibildug) Lehramtsstudium Uterrichtsfach Mathematik Kapitel 0: Grudlage 1. Wie sid die Begriffe Vereiigug, Durchschitt ud

Mehr

Beispiel 4 (Die Urne zu Fall 4 mit Zurücklegen und ohne Beachten der Reihenfolge ) das Sitzplatzproblem (Kombinationen mit Wiederholung) Reihenfolge

Beispiel 4 (Die Urne zu Fall 4 mit Zurücklegen und ohne Beachten der Reihenfolge ) das Sitzplatzproblem (Kombinationen mit Wiederholung) Reihenfolge 1 Beispiel 4 (Die Ure zu Fall 4 mit Zurücklege ud ohe Beachte der Reihefolge ) das Sitzplatzproblem (Kombiatioe mit Wiederholug) 1. Übersicht Ziehugsmodus ohe Zurücklege des gezogee Loses mit Zurücklege

Mehr

Mathematik für Maschinenbauer, Bauingenieure und Umwelttechniker III. R. Verfürth

Mathematik für Maschinenbauer, Bauingenieure und Umwelttechniker III. R. Verfürth Mathematik für Maschiebauer, Bauigeieure ud Umwelttechiker III Vorlesugsskriptum WS 001/0 - WS 00/03 überarbeitet September 008 R. Verfürth Fakultät für Mathematik, Ruhr-Uiversität Bochum Ihaltsverzeichis

Mehr

Wir weisen die Gültigkeit der 4Axiome der sigma-algebra für die Potenzmenge einer endlichen Menge A nach!

Wir weisen die Gültigkeit der 4Axiome der sigma-algebra für die Potenzmenge einer endlichen Menge A nach! Lösug zu Übug 4 Prof. Dr. B.Grabowski E-Post: grabowski@htw-saarlad.de Zu Aufgabe ) Wir weise die Gültigkeit der 4Axiome der sigma-algebra für die Potezmege eier edliche Mege A ach! ) Die leere Mege ud

Mehr

so spricht man von einer kommutativen Gruppe oder auch abelschen Gruppe.

so spricht man von einer kommutativen Gruppe oder auch abelschen Gruppe. Defiitioe ud Aussage zu ruppe Michael ortma Eie ruppe ist ei geordetes Paar (, ). Dabei ist eie icht-leere Mege, ist eie Verküpfug (Abbildug), wobei ma i.a. a b oder gar ur ab statt ( a, b) schreibt. Es

Mehr

Übungsaufgaben. Häufige Fehler: Banale Rechenfehler. Signifikante Stellen falsch. Unsaubere Arbeitsweise. Einheiten vergessen, Pi ist KEINE Einheit

Übungsaufgaben. Häufige Fehler: Banale Rechenfehler. Signifikante Stellen falsch. Unsaubere Arbeitsweise. Einheiten vergessen, Pi ist KEINE Einheit Übugsaufgabe Häufige Fehler: Baale Rechefehler Sigifikate Stelle falsch Eiheite vergesse, Pi ist KEINE Eiheit Usaubere Arbeitsweise Rudugsfehler Eiheite falsch ugerechet T. Kießlig: Auswertug vo Messuge

Mehr

Der Durchschnitt einer Familie von σ-algebren auf M ist ebenfalls eine σ-algebra auf M. Ist also E M, so ist

Der Durchschnitt einer Familie von σ-algebren auf M ist ebenfalls eine σ-algebra auf M. Ist also E M, so ist Maßtheorie (Versio 0.3) 1. σ-algebra Ist M eie Mege, so et ma ei System vo Teilmege A M eie σ-algebra (auf M ), we gilt: A A A A c A Ist A N eie Familie vo Mege i A, so ist N A A A ist damit stabil uter

Mehr

3 Wichtige Wahrscheinlichkeitsverteilungen

3 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

Mehr

Stochastik I TU Dortmund, Sommersemester 2014

Stochastik I TU Dortmund, Sommersemester 2014 Stochastik I TU Dortmud, Sommersemester 204 Dieses Vorlesugsskript ist aus meier persöliche Mitschrift der Vorlesug Stochastik I bei Professor Dr. M. Voit im Sommersemester 204 etstade. Ich habe versucht

Mehr

1 Randomisierte Bestimmung des Medians

1 Randomisierte Bestimmung des Medians Praktikum Diskrete Optimierug (Teil 0) 0.07.006 Radomisierte Bestimmug des Medias. Problemstellug ud Ziel I diesem Abschitt stelle wir eie radomisierte Algorithmus zur Bestimmug des Medias vor, der besser

Mehr

Tutorium Mathematik ITB1(B), WI1(B)

Tutorium 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 ( =

Mehr

Übungsaufgaben. Häufige Fehler: Banale Rechenfehler. Unsaubere Arbeitsweise. Signifikante Stellen falsch. Einheiten vergessen.

Übungsaufgaben. Häufige Fehler: Banale Rechenfehler. Unsaubere Arbeitsweise. Signifikante Stellen falsch. Einheiten vergessen. Übugsaufgabe Häufige Fehler: Baale Rechefehler Sigifikate Stelle falsch Eiheite vergesse Usaubere Arbeitsweise Rudugsfehler Eiheite falsch ugerechet T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe

Mehr

So lösen Sie die Gleichung für den Korrelationskoeffizienten

So lösen Sie die Gleichung für den Korrelationskoeffizienten 8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Dabei sid Datepukte ( x 1, y 1 ),( x 2, y 2 ), ( x, y ) gegebe.

Mehr

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren

Dr. 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

Mehr

Kombinatorik. Permutationen Permutationen eines Kollektivs

Kombinatorik. Permutationen Permutationen eines Kollektivs Kombiatorik Permutatioe Permutatioe eies Kollektivs Kombiatorik Die Fuktio P perm_a gibt die kombiatorische Azahl der mögliche Aorduge oder Permutatioe a, die sich bei der Umordug der atürliche gaze Zahle,,...

Mehr

= a n: Wurzelexponent x: Radikand oder Wurzelbasis a: Wurzelwert Bei der ersten Wurzel wird einfach das Wurzelzeichen weggelassen.

= a n: Wurzelexponent x: Radikand oder Wurzelbasis a: Wurzelwert Bei der ersten Wurzel wird einfach das Wurzelzeichen weggelassen. Wurzelgesetze Gesetzmäßigkeite Grudlage Das Wurzelziehe (oder Radiziere) ist die Umkehrug des Potezieres. Daher sid die Wurzelgesetze de Potezgesetze sehr ählich. Die Wurzel aus eier positive Zahl ergibt

Mehr

Statistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik

Statistik. 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

Mehr

Lösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung

Lösungsvorschlag 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

Mehr

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen: 61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl

Mehr

Kapitel 5: Gemeinsame Verteilung und Unabhängigkeit von Zufallsvariablen

Kapitel 5: Gemeinsame Verteilung und Unabhängigkeit von Zufallsvariablen - 39 (Kapitel 5: Gemeisame Verteilug ud Uabhägigkeit vo Zuallsvariable Kapitel 5: Gemeisame Verteilug ud Uabhägigkeit vo Zuallsvariable 5 Deiitio : : Ω Ω,, seie Abbilduge über derselbe Mege Ω Die Abbildug

Mehr

Bernoulli-Experiment und Binomialverteilung

Bernoulli-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

Mehr

2. Repetition relevanter Teilbereiche der Statistik

2. 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)

Mehr

Zufallsvariablen und Wahrscheinlichkeitsverteilungen

Zufallsvariablen und Wahrscheinlichkeitsverteilungen Zufllsvrible ud Whrscheilichkeitsverteiluge Kombitorik Zusmmestellug bzw. Aordug vo Elemete Kombitorik mit Berücksichtigug der Reihefolge ohe Berücksichtigug der Reihefolge Permuttioe Vritioe ohe Wiederholug

Mehr

Verteilungsfunktionen

Verteilungsfunktionen Verteilugsfuktioe Wie sid zufällige Fehler verteilt? Wie sid Messwerte verteilt? Fehler Messwerte Verteilugsfuktioe: Maxwell-Boltza Feri-Dirac Bose-Eistei Placksche Verteilug Frage ist stets, wie groß

Mehr

Vl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5

Vl 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

Mehr

10 Aussagen mit Quantoren und

10 Aussagen mit Quantoren und 0 Aussage mit Quatore ud 0.6. Eisatz vo (bereits bekater) Eistezaussage Bisher hatte wir Eistezbeweise geführt, idem wir ei passedes Objekt agegebe habe ( Setze... ). Stattdesse ka ma auch auf bereits

Mehr

Denition 27: Die Fakultät ist eine Folge f : N N mit f(1) := 1 und f(n + 1) := (n + 1) f(n) für alle n N. Wir schreiben n! := f(n) für diese Folge.

Denition 27: Die Fakultät ist eine Folge f : N N mit f(1) := 1 und f(n + 1) := (n + 1) f(n) für alle n N. Wir schreiben n! := f(n) für diese Folge. Vorkurs Mathematik, PD Dr. K. Halupczok, WWU Müster Fachbereich Mathematik ud Iformatik 22.9.20 Ÿ3.2 Folge ud Summe (Fortsetzug) Eie wichtige Möglichkeit, wie ma Zahlefolge deiere ka, ist die über eie

Mehr

4 Schwankungsintervalle Schwankungsintervalle 4.2

4 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

Mehr

Vorkurs Mathematik für Informatiker Folgen

Vorkurs Mathematik für Informatiker Folgen Vorkurs Mathematik für Iformatiker -- 9 Folge -- 6.1.215 1 Folge: Defiitio Eie (uedliche) Folge im herkömmliche Sie etsteht durch Hitereiaderschreibe vo Zahle 1,2,3,4,5, Dabei ist die Reihefolge wichtig,

Mehr

Anwendungen der Wahrscheinlichkeit II. Markovketten

Anwendungen der Wahrscheinlichkeit II. Markovketten Aweduge der Wahrscheilichkeit II 1. Fragestelluge Markovkette Markovkette sid ei häufig verwedetes Modell zur Beschreibug vo Systeme, dere Verhalte durch eie zufällige Übergag vo eiem Systemzustad zu eiem

Mehr

3 Grenzwerte. 3.1 Grenzwerte von Folgen

3 Grenzwerte. 3.1 Grenzwerte von Folgen 03-grezwerte.cdf 3 Grezwerte 3. Grezwerte vo Folge Kovergez Mache Folge zeige ei spezielles Verhalte, we der Idex sehr groß wird. Sie äher sich eier bestimmte Zahl. Betrachte wir zum Beispiel die Folge

Mehr