Statistik. R. Frühwirth. Statistik. VO Februar R. Frühwirth Statistik 1/174
|
|
- Helmut Hofmeister
- vor 7 Jahren
- Abrufe
Transkript
1 VO Februar /174
2 Übersicht über die Vorlesung Teil 1: Deskriptive Teil 2: srechnung Teil 3: Zufallsvariable Teil 4: Parameterschätzung 2/174
3 Übersicht über die Vorlesung Teil 5: Testen von Hypothesen Teil 6: Regressionsanalyse Teil 7: Simulation von n 3/174
4 smaße Teil 2 srechnung 98/174
5 Übersicht Teil 2 smaße /174
6 Abschnitt 4: smaße /174
7 smaße Der konkrete Ausgang eines Experiments kann im Allgemeinen nicht genau vorausgesagt werden. Die möglichen Ausgänge sind jedoch bekannt. Ziel der srechnung ist es, den Ausgängen en zuzuweisen. Zwei Interpretationen der möglich. 101/174
8 Häufigkeitsinterpretation smaße Beispiel Die eines Ausgangs ist die Häufigkeit des Ausgangs, wenn das Experiment sehr oft unter den gleichen Bedingungen wiederholt wird. Die darauf basierende wird frequentistisch genannt. Die des Ausgangs 1 beim Würfeln ist der Grenzwert der Häufigkeit für eine große Zahl von Würfen. 102/174
9 Subjektive Interpretation smaße Beispiel Die eines Ausgangs ist eine Aussage über den Glauben der Person, die die angibt. Die darauf basierende wird bayesianisch genannt. Die, dass es morgen regnet, ist 40 Prozent ist ein Aussage über den Glauben der Person, die diese Aussage tätigt. 103/174
10 smaße In der Praxis ist der Übergang zwischen den beiden Ansätzen oft fließend. In vielen Fällen sind die Resultate identisch, nur die Interpretation ist verschieden. Der bayesianische Ansatz ist umfassender und flexibler. Der frequentistische Ansatz ist meist einfacher, aber beschränkter. 104/174
11 Abschnitt 5: smaße /174
12 Unterabschnitt: smaße /174
13 smaße Grundlegend für die ist der Begriff des (zufälligen) s. Für den Physiker der Ausgang eines Experiments, dessen Ergebnis nicht genau vorausgesagt werden kann. Mehrere Gründe: Die beobachteten Objekte sind eine zufällige Auswahl aus einer größeren Grundgesamtheit. Der beobachtete Prozess ist prinzipiell indeterministisch (Quantenmechanik). Messfehler geben dem Ergebnis einen stochastischen Charakter. Mangelnde Kenntnis des Anfangszustandes. 107/174
14 smaße Beispiel Die Menge Ω aller möglichen Ausgänge heißt Ereignisraum oder Stichprobenraum. Ω kann endlich, abzählbar unendlich oder überabzählbar unendlich sein. Beim Roulette gibt es 37 mögliche Ausgänge. ist endlich. Wird eine radioaktive Quelle beobachtet, ist die Anzahl der Zerfälle pro Sekunde im Prinzip unbeschränkt. ist abzählbar unendlich. Die Wartezeit zwischen zwei Zerfällen kann jeden beliebigen Wert annehmen. ist überabzählbar unendlich. 108/174
15 Unterabschnitt: smaße /174
16 smaße Definition (Ereignis) Ein Ereignis E ist eine Teilmenge des Ereignisraums Ω. Ein Ereignis E tritt ein, wenn E den Ausgang ω Ω des Experiments enthält. Beispiel Der Wurf mit einem Würfel hat den Ereignisraum Ω = {1, 2, 3, 4, 5, 6}. Das Ereignis G (gerade Zahl) ist die Teilmenge G = {2, 4, 6} G tritt ein, wenn eine gerade Zahl geworfen wird. 110/174
17 smaße Definition (Ereignisalgebra) Die Menge aller des Ereignisraums Ω heißt die Ereignisalgebra Σ(Ω). Im endlichen oder abzählbar unendlichen Fall kann jede Teilmenge als Ereignis betrachtet werden. Die Ereignisalgebra heißt diskret. Im überabzählbar unendlichen Fall müssen gewisse pathologische (nicht messbare) Teilmengen ausgeschlossen werden. heißt kontinuierlich oder stetig. Zwei A Σ und B Σ können logisch verknüpft werden. 111/174
18 Verknüpfung von n smaße Disjunktion Symbol Name Bedeutung A B Disjunktion A oder B (oder beide) Konjunktion Symbol Name Bedeutung A B Konjunktion A und B (sowohl A als auch B) Negation Symbol Name Bedeutung A Negation nicht A (das Gegenteil von A) 112/174
19 smaße Implikation Symbol Name Bedeutung A B Implikation aus A folgt B (A B) Mit diesen Verknüpfungen ist Σ ist eine Boole sche Algebra: distributiver komplementärer Verbands mit Nullund Einselement. Das Nullelement 0 = ist das unmögliche Ereignis. Das Einselement 1 = Ω ist das sichere Ereignis. Ein Ereignis, das nur aus einem möglichen Ausgang besteht, heißt ein Elementarereignis. 113/174
20 smaße Rechengesetze für Σ ist abgeschlossen: A, B Σ = A B Σ A, B Σ = A B Σ Assoziativgesetze : (A B) C = A (B C) (A B) C = A (B C) Verschmelzungsgesetze: A (A B) = A A (A B) = A Distributivgesetze: A (B C) = (A B) (A C) A (B C) = (A B) (A C) Regeln von de Morgan: (A B) = A B Verneinung: (A B) = A B A A = 0, A A = 1 = Ω 114/174
21 smaße Ist Ω (abzählbar oder überabzählbar) unendlich, verlangt man, dass auch abzählbar viele Vereinigungen und Durchschnitte gebildet werden können. ist dann eine sogenannte σ-algebra. Ist überabzählbaren Fall ist die Ereignisalgebra Σ ist die kleinste σ-algebra, die alle Teilintervalle von Ω enthält. 115/174
22 Unterabschnitt: smaße /174
23 smaße Der Wurf mit einem Würfel hat den Ereignisraum Ω = {1, 2, 3, 4, 5, 6} Σ(Ω) hat folglich sechs Elementarereignisse: e 1 = {1}, e 2 = {2}, e 3 = {3}, e 4 {4}, e 5 = {5}, e 6 = {6} und insgesamt 2 6 = 64 (Teilmengen von Ω). des zweimaligen Würfelns ist das kartesische Produkt Ω Ω: Ω Ω = {(i, j) i, j = 1,..., 6} Das geordnete Paar (i, j) bedeutet: i beim ersten Wurf, j beim zweiten Wurf. Σ(Ω Ω) hat folglich 36 Elementarereignisse e ij : e 11 = {(1, 1)},..., e 36 = {(6, 6)} 117/174
24 smaße Analog ist beim n-maligen Würfeln der Ereignisraum das n-fache kartesische Produkt Ω Ω... Ω. Beispiel (Ereignisalgebra des Doppelwurfs) Beispiele für Elemente der Ereignisalgebra des Doppelwurfs sind: 6 beim ersten Wurf: {(6, 1), (6, 2),..., (6, 6)} 6 beim zweiten Wurf: {(1, 6), (2, 6),..., (6, 6)} Beide Würfe gleich: {(1, 1), (2, 2),..., (6, 6)} Summe der Würfe gleich 7: {(1, 6), (2, 5),..., (6, 1)} 118/174
25 smaße Beispiel (r Alternativversuch) Ein Experiment, das nur zwei mögliche Ergebnisse hat, heißt ein Alternativversuch. Es gibt zwei Ausgänge, 0 und 1. Wird ein Alternativversuch n-mal durchgeführt, ergibt sich eine Ereignisraum mit 2 n Ausgängen, nämlich den Folgen der Form (i 1,..., i n) mit i j = 0 oder 1. In der Regel interessiert aber nur die Häufigkeit des Eintretens von 1 (oder 0). Dann gibt es nur mehr n + 1 Ausgänge: 1 tritt 0, 1, 2,... oder n-mal ein. Bezeichnet das Ereignis E 1 das einmalige Eintreten von 1, so ist E 1 die -Verbindung mehrerer Elementarereignisse der ursprünglichen Ereignisalgebra: E 1 = {(e 1, e 0,..., e 0), (e 0, e 1, e 0,..., e 0),..., (e 0,..., e 0, e 1)} Ein Beispiel ist das n-malige Werfen einer Münze. 119/174
26 Abschnitt 6: smaße smaße 7 120/174
27 Unterabschnitt: smaße smaße smaße 7 121/174
28 smaße smaße Definition (smaß) Es sei Σ eine Ereignisalgebra, A und B in Σ, und W eine Abbildung von Σ in R. W heißt ein smaß, wenn gilt: 1. Positivität: W (A) 0 A Σ 2. Additivität: A B = 0 = W (A B) = W (A) + W (B) 3. Normierung: W (1) = 1 122/174
29 smaße smaße Definition (sraum) Ist Σ eine σ-algebra, was für unendliche Ereignisräume vorausgesetzt werden muss, verlangt man für abzählbares J: 4. σ-additivität: A i Σ, i J; A i A j = 0, i j = W ( i J A i ) = i J W (A i ) Σ heißt dann normiert, und (Σ, W ) ein sraum. W wird auch als sverteilung bezeichnet. 123/174
30 smaße smaße Rechengesetze für Ist (Σ, W ) ein sraum, so gilt: 1 W (A ) = 1 W (A), A Σ 2 W (0) = 0 3 A B = W (A) W (B), A, B Σ 4 W (A) 1, A Σ 5 W (A B) = W (A) + W (B) W (A B), A, B Σ 6 Hat Σ höchstens abzählbar viele Elementarereignisse {e i i I}, so ist i I W (e i) = /174
31 smaße smaße In einer diskreten Ereignisalgebra ist die eines s gleich der Summe der en der Elementarereignisse, deren -Verbindung es ist. Daher ist ein smaß durch die Werte, die es den Elementarereignissen zuordnet, eindeutig bestimmt. Andererseits kann jede positive Funktion, die auf der Menge der Elementarereignisse definiert ist und Punkt 6 erfüllt, eindeutig zu einem smaß fortgesetzt werden. Man kann also auf einer diskreten Ereignisalgebra Σ unendlich viele Verteilungen definieren. 125/174
32 smaße smaße In einer kontinuierlichen Ereignisalgebra ist die jedes Elementarereignisses gleich 0. Die eines s kann daher nicht mehr durch Summation ermittlet werden. Statt dessen wird eine Dichtefunktion f(x) angegeben, die jedem Elementarereignis x einen nichtnegativen Wert f(x) zuordnet. Die Dichtefunktion muss normiert sein: f(x) dx = 1 R Die eines s A wird durch Integration über die Dichte ermittelt: W (A) = f(x) dx Die Dichte muss so beschaffen sein, dass das Integral für alle zugelassenen existiert. A 126/174
33 Unterabschnitt: smaße smaße 7 127/174
34 smaße Betrachten einfaches Zufallsexperiment: Münzwurf Zwei mögliche Ergebnisse: Kopf (K), Zahl (Z) Annahme: Münze symmetrisch, K und Z gleichwahrscheinlich Experiment wird n-mal wiederholt n h n (K) f n (K) f n (K) Häufigkeitstabelle Matlab: make coin 128/174
35 smaße f(k) n Entwicklung der relativen Häufigkeit von K 129/174
36 smaße Die relative Häufigkeit des s K scheint gegen den Grenzwert 0.5 zu streben. Dieser Grenzwert wird als die W (K) bezeichnet. Empirisches lim f n(k) = W (K) n Das mathematische Problem dieser Definition liegt darin, dass die Existenz des Grenzwerts von vornherein nicht einzusehen ist und im klassisch analytischen Sinn tatsächlich nicht gegeben sein muss, sondern nur in einem weiteren, statistischen Sinn. 130/174
37 Unterabschnitt: smaße smaße 7 131/174
38 smaße Häufig ist es auf Grund von Symmetrieüberlegungen möglich, die Elementarereignisse als gleichwahrscheinlich anzusehen. Dies ist natürlich nur sinnvoll für endlich viele Elementarereignisse. Diese Annahme entspricht nur in seltenen Fällen der physikalischen Realität und muss im Zweifelsfall durch das Experiment überprüft werden. Sind alle m Elementarereignisse gleichwahrscheinlich, gilt: W (e 1 ) = W (e 2 ) =... = W (e m ) = 1 m 132/174
39 smaße Für ein Ereignis A, das sich aus g Elementarereignissen zusammensetzt, gilt: Regel von Laplace W (A) = g m Die von A ist die Anzahl der günstigen durch die Anzahl der möglichen Fälle. Die Abzählung der günstigen und möglichen Fälle erfordert oft kombinatorische Methoden. 133/174
40 smaße Definition (Variation) Es sei M eine Menge mit n Elementen. Eine geordnete Folge von k verschiedenen Elementen von M heißt eine Variation von n Elementen zur k-ten Klasse. Es gibt Vk n n! = = n (n 1)... (n k + 1) (n k)! solcher Variationen. Für den Sonderfall k = n sieht man, dass sich die n Elemente der Menge M auf n n! = i i=1 verschiedene Weisen (Permutationen) anordnen lassen. 134/174
41 smaße Definition (Kombination) Sei M wieder eine Menge mit n Elementen. Eine k-elementige Teilmenge von M heißt eine Kombination von n Elementen zur k-ten Klasse. ( ) n Es gibt Ck n n! = = solcher Kombinationen. k k! (n k)! Ck n wird auch als Binomialkoeffizient bezeichnet. Die Binomialkoeffizienten können im sogenannten Pascal schen Dreieck angeordent werden: ( n 1 k ) + ( n 1 k 1 ) = ( n k ) 135/174
42 smaße Beispiel Wie aus der Definition der Kombination folgt, ist die Summe aller Ck n, 0 k n, für festes n gleich der Anzahl aller Teilmengen von M: ( n k=0 n k ) = 2 n Beim Roulette sind die von 0 bis 36 als Ergebnis möglich. 1 Wie groß ist die, dass sich in einer Serie von zehn Würfen keine Zahl wiederholt? 2 Wie groß ist die, dass in einer Serie von 37 Würfen jede Zahl vorkommt? 136/174
43 Abschnitt 7: smaße /174
44 Unterabschnitt: smaße /174
45 smaße Wir betrachten jetzt zwei A und B, die bei einem Experiment eintreten können. Frage: Besteht ein Zusammenhang zwischen den n? Ein solcher Zusammenhang wird Koppelung genannt. Positive Koppelung: Je öfter A eintritt, desto öfter tritt tendenziell auch B ein. Negative Koppelung: Je öfter A eintritt, desto seltener tritt tendenziell auch B ein. Quantifizierung von oft und selten erfolgt durch Häufigkeitstabelle. 139/174
46 smaße Die Häufigkeit des Eintretens von A und B kann in einer Vierfeldertafel oder Kontingenztafel zusammengefasst werden. Beispiel: A= Eine untersuchte Person ist weiblich B= Eine untersuchte Person hat Diabetes Vierfeldertafel für 1000 Personen: B B A A /174
47 smaße Gewöhnliche relative Häufigkeiten werden auf den Umfang n des gesamten Datensatzes bezogen: f(a B) = h(a B) n relative Häufigkeiten werden auf das Eintreten des anderen Merkmals bezogen: f(a B) = h(a B) h(b) = f(a B) f(b) f(a B) heißt die bedingte relative Häufigkeit von A unter der Bedingung B. 141/174
48 smaße Die Vierfeldertafel U gibt folgende bedingte relative Häufigkeiten: f(a B) = = 0.422, f(a B ) = = Es ist somit zu vermuten, dass die beiden Merkmale gekoppelt sind. f(a B) > f(a) deutet auf eine positive Koppelung, f(a B) < f(a) auf eine negative Koppelung. 142/174
49 smaße Stammen die Daten aus einem Zufallsexperiment, dann besitzen die Ereigniskombinationen auch en. stabelle: B B A W (A B) W (A B ) W (A) A W (A B) W (A B ) W (A ) W (B) W (B ) 1 Nach dem empirischen Zahl sind diese en die Grenzwerte der entsprechenden relativen Häufigkeiten. 143/174
50 smaße Die bedingten relativen Häufigkeiten konvergieren für n gegen einen Grenzwert: f n (A B) = f n(a B) f n (B) Definition ( ) W (A B) = W (A B) = W (A B) W (B) W (A B) W (B) heißt die bedingte von A unter der Bedingung B, sofern W (B) /174
51 smaße Beispiel (Der symmetrische Würfel) Ist der Würfel völlig symmetrisch, werden den Elementarereignissen e i = {i} gleiche en zugeordnet: W (e i) = 1 6, 1 i 6 Wir definieren die folgenden : Dann gilt zum Beispiel U = {1, 3, 5}, G = {2, 4, 6} W (e 1 U) = W (e 1 G) = W (e1 U) W (U) W (e1 G) W (U) = W (e1) W (U) = 1 3 = W (0) W (U) = 0 145/174
52 smaße Beispiel (Fortsetzung) W (U e 1) = W (e 1 e 3 U) = W (e 1 e 2 U) = W (e1 U) W (e 1) W ((e1 e3) U) W (U) W ((e1 e2) U) W (U) = W (e1) W (e 1) = 1 = W (e1 e3) W (U) = W (e1) W (U) = 1 3 = /174
53 smaße Aus der Definition der bedingten folgt sofort die Produktformel W (A B) = W (A B)W (B) = W (B A)W (A) und die Formel für die Inverse W (B A) = W (A B)W (B) W (A) Beide Formeln gelten auch für relative Häufigkeiten! 147/174
54 Unterabschnitt: smaße /174
55 smaße Definition (Zerlegung) Die B 1, B 2,..., B m bilden eine Zerlegung der Ergebnismenge Ω, wenn gilt: Satz 1 Unvereinbarkeit: B i B j =, i j 2 Vollständigkeit: B 1 B 2... B m = Ω Bilden die B 1, B 2,..., B m eine Zerlegung der Ergebnismenge Ω, dann gilt: W (B 1 ) + W (B 2 ) W (B m ) = W (Ω) = 1 149/174
56 smaße Es sei B 1,..., B m eine Zerlegung. Dann gilt: Totale Beispiel W (A) = W (A B 1 )W (B 1 ) W (A B m )W (B m ) Ein Betrieb erzeugt Glühbirnen mit 40W (35% der Produktion), mit 60W (45%) und mit 100W (20%). Nach einem Jahr sind noch 98% der 40W-Birnen funktionsfähig, 96% der 60W-Birnen, und 92% der 100W-Birnen. Welcher Anteil an allen Glühbirnen ist nach einem Jahr noch funktionsfähig? 150/174
57 smaße Es sei B 1,..., B m eine Zerlegung. Dann gilt: W (B i A) = W (A B i)w (B i ) W (A) W (A B i )W (B i ) = W (A B 1 )W (B 1 ) W (A B m )W (B m ) W (B i ) wird die a-priori von B genannt, W (B i A) die a-posteriori. 151/174
58 smaße Beispiel Ein Betrieb kauft Bauteile von zwei Anbietern, wobei der Anteil des ersten 65% beträgt. Erfahrungsgemäß ist der Ausschussanteil bei Anbieter 1 gleich 3% und bei Anbieter 2 gleich 4%. 1 Wie groß ist der totale Ausschussanteil? 2 Wie groß ist die, daß ein einwandfreier Bauteil von Anbieter 2 kommt? 3 Wie groß ist die, daß ein mangelhafter Bauteil von Anbieter 1 kommt? 152/174
59 smaße Beispiel Ein Bauteil wird von vier Firmen geliefert, und zwar kommen 20% von Firma 1, 30% von Firma 2, 35% von Firma 3, und 15% von Firma 4. Die, dass der Bauteil im Testbetreib innerhalb von 24 Stunden ausfällt, ist 0.02 für Firma 1, für Firma 2, für Firma 3, und 0.02 für Firma 4. Ein Bauteil fällt im Testbetrieb nach 16 Stunden aus. Die, dass er von Firma i kommt, ist mittel des Satzes von Bayes zu berechnen. 153/174
60 Unterabschnitt: smaße /174
61 smaße Zwei sind positiv gekoppelt, wenn W (A B) > W (A) oder W (A B) > W (A)W (B) Zwei sind negativ gekoppelt, wenn W (A B) < W (A) oder W (A B) < W (A)W (B) Liegt weder positive noch negative Kopppelung vor, sind A und B unabhängig. 155/174
62 smaße Definition () Zwei A und B heißen stochastisch unabhängig, wenn W (A B) = W (A)W (B) Die A 1, A 2,..., A n heißen unabhängig, wenn gilt: W (A 1... A n ) = W (A 1 )... W (A n ) Dazu genügt nicht, dass je zwei A i und A j paarweise unabhängig sind! 156/174
63 smaße Beispiel Wir betrachten den zweimaligen Wurf einer Münze (Kopf/Zahl). Die möglichen Ausgänge sind Ω = {KK, KZ, ZK, ZZ}. Ferner definieren wir die : Dann gilt für alle i j aber E 1 = {KK, KZ}... Kopf beim ersten Wurf E 2 = {KK, ZK}... Kopf beim zweiten Wurf E 3 = {KK, ZZ}... Gerade Zahl von Köpfen W (E i E j) = 1 = W (Ei) W (Ej) 4 W (E 1 E 2 E 3) = = W (E1) W (E2) W (E3) 8 157/174
64 smaße Sind A und B unabhängig, gilt W (A B) = W (A) und W (B A) = W (B). Die Vierfeldertafel für zwei unabhängige : B B A W (A)W (B) W (A)W (B ) W (A) A W (A )W (B) W (A )W (B ) W (A ) W (B) W (B ) 1 158/174
65 smaße Die Koppelung kann durch die Vierfelderkorrelation gemessen werden: Vierfelderkorrelation ρ(a, B) = W (A B) W (A)W (B) W (A)W (A )W (B)W (B ) Eigenschaften der Vierfelderkorrelation 1 1 ρ(a, B) 1 2 ρ(a, B) = 0 A und B unabhängig 3 ρ(a, B) > 0 A und B positiv gekoppelt 4 ρ(a, B) < 0 A und B negativ gekoppelt 159/174
66 smaße Das Vorzeichen von ρ(a, B) gibt die Richtung der Koppelung an. Der Betrag von ρ(a, B) gibt die Stärke der Koppelung an. Speziell gilt: A = B = ρ(a, B) = 1 A = B = ρ(a, B) = 1 Eine bestehende Koppelung ist kein Beweis für einen kausalen Zusammenhang! Die Koppelung kann auch durch eine gemeinsame Ursache für beide entstehen. 160/174
67 smaße Zwei physikalische können als unabhängig postuliert werden, wenn zwischen ihnen keine wie immer geartete Verbindung besteht, da dann das Eintreten des einen s die des anderen nicht beeinflussen kann. Zwei Elementarereignisse sind niemals unabhängig, da ihre -Verbindung stets das unmögliche Ereignis ist. Zwei Elementarereignisse sind sogar höchst abhängig, weil das Eintreten des einen das Eintreten des anderen mit Sicherheit ausschließt. Sind E 1 und E 2 zwei unaghängige eines sraumes (Σ, W ), so sind auch E 1 und E 2, E 1 und E 2, sowie E 1 und E 2 unabhängig. 161/174
68 smaße Beispiel (Wurf mit zwei unterscheidbaren Würfeln) Es gibt 36 Elementarereignisse e ij = {(i, j)}, 1 i, j 6. Das Ereignis E 1 i, beim ersten Wurf eine i zu würfeln, setzt sich so zusammen: E 1 i = e i1 e i2... e i6 und analog E 2 j = e 1j e 2j... e6j Klarerweise gilt E 1 i E 2 j = e ij. Kann man annehmen, dass alle Elementarereignisse gleichwahrscheinlich sind, so gilt: W (E 1 i ) = 1 6, W (E2 j ) = 1 6 W (E 1 i E 2 j ) = W (e ij = 1 36 = W (E1 i ) W (E 2 j ) 162/174
69 smaße Beispiel (Fortsetzung) In diesem Fall sind also auch die Elementarereignisse des einfachen Wurfes gleichwahrscheinlich und die beiden Teilwürfe sind unabhängig. Setzt man umgekehrt voraus, dass für beide Teilwürfe die Elementarereignisse gleichwahrscheinlich sind, und dass Ei 1 und Ej 2 für alle i und j unabhängig sind, so sind die e ij gleichwahrscheinlich. Sind die Teilwürfe nicht unabhängig, so sind die e ij trotz der Gleichwahrscheinlichkeit der e i und e j nicht mehr gleichwahrscheinlich. Ein Beispiel dafür ist der Wurf mit einem sehr großen Würfel, der jedesmal bloß um 90 o gedreht werden kann. Das Elementarereignis e 34 ist hier unmöglich und muss daher die 0 zugewiesen bekommen. 163/174
70 smaße Beispiel (Wiederholung eines Alternativversuchs) hat 2 n Elementarereignisse, nämlich die Folgen der Form (i 1,..., i n), i j = 0 oder 1. Sind die Wiederholungen unabhängig, und bezeichnet p die des Eintretens von 1, ist die einer Folge W ({(i 1,..., i n)}) = p n 1 (1 p) n 0 wo n 0 bzw. n 1 die Anzahl des Eintretens von 0 bzw. 1 angibt. Klarerweise gilt n 0 + n 1 = n. 164/174
Lehrstuhl 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. 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
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
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
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.
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,
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,
MehrUnabhängigkeit KAPITEL 4
KAPITEL 4 Unabhängigkeit 4.1. Unabhängigkeit von Ereignissen Wir stellen uns vor, dass zwei Personen jeweils eine Münze werfen. In vielen Fällen kann man annehmen, dass die eine Münze die andere nicht
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/
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
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
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
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,
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,
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
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)
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
MehrGrundbegriffe der Wahrscheinlichkeitsrechnung
Algorithmen und Datenstrukturen 349 A Grundbegriffe der Wahrscheinlichkeitsrechnung Für Entwurf und Analyse randomisierter Algorithmen sind Hilfsmittel aus der Wahrscheinlichkeitsrechnung erforderlich.
MehrWahrscheinlichkeitsrechnung [probability]
Wahrscheinlichkeitsrechnung [probability] Hinweis: Die Wahrscheinlichkeitsrechnung ist nicht Gegenstand dieser Vorlesung. Es werden lediglich einige Begriffsbildungen bereitgestellt und an Beispielen erläutert,
Mehr2 Zufallsvariable und Verteilungsfunktionen
8 2 Zufallsvariable und Verteilungsfunktionen Häufig ist es so, dass den Ausgängen eines Zufallexperiments, d.h. den Elementen der Ereignisalgebra, eine Zahl zugeordnet wird. Das wollen wir etwas mathematischer
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
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
MehrSachrechnen/Größen WS 14/15-
Kapitel Daten & Wahrscheinlichkeit 3.1 Kombinatorische Grundlagen 3.2 Kombinatorik & Wahrscheinlichkeit in der Grundschule 3.3 Daten Darstellen 3.1 Kombinatorische Grundlagen Verschiedene Bereiche der
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,
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
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
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
MehrWahrscheinlichkeitstheorie
Kapitel 2 Wahrscheinlichkeitstheorie Josef Leydold c 2006 Mathematische Methoden II Wahrscheinlichkeitstheorie 1 / 24 Lernziele Experimente, Ereignisse und Ereignisraum Wahrscheinlichkeit Rechnen mit Wahrscheinlichkeiten
MehrÜbungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Thema: Wahrscheinlichkeit. Übungsklausur Wahrscheinlichkeit und Regression
Übungsklausur Wahrscheinlichkeit und Regression 1. Welche der folgenden Aussagen treffen auf ein Zufallsexperiment zu? a) Ein Zufallsexperiment ist ein empirisches Phänomen, das in stochastischen Modellen
MehrWAHRSCHEINLICHKEITSRECHNUNG
WAHRSCHEINLICHKEITSRECHNUNG Mathematischer Teil In der Wahrscheinlichkeitsrechnung haben wir es mit Zufallsexperimenten zu tun, d.h. Ausgang nicht vorhersagbar. Grundbegriffe Zufallsexperiment und Ergebnisse
MehrKapitel 5 Stochastische Unabhängigkeit
Kapitel 5 Stochastische Unabhängigkeit Vorlesung Wahrscheinlichkeitsrechnung I vom SoSe 2009 Lehrstuhl für Angewandte Mathematik 1 FAU 5.1 Das Konzept der stochastischen Unabhängigkeit. 1 Herleitung anhand
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
MehrWahrscheinlichkeitsrechnung
Wahrscheinlichkeitsrechnung. Semester Begleitendes Skriptum zur Vorlesung im FH-Masterstudiengang Technisches Management von Günther Karigl FH Campus Wien 206/7 Inhaltsverzeichnis. Semester: Wahrscheinlichkeitsrechnung
MehrDiskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier
Diskrete Strukturen und Logik WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Diskrete Strukturen und Logik Gesamtübersicht Organisatorisches Einführung Logik & Mengenlehre
MehrStatistik I für Betriebswirte Vorlesung 2
Statistik I für Betriebswirte Vorlesung 2 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 16. April 2018 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 2 Version: 9. April
MehrStochastik Wiederholung von Teil 1
Stochastik Wiederholung von Teil 1 Andrej Depperschmidt Sommersemester 2016 Wahrscheinlichkeitsraum Definition Das Tripple (Ω, A, P) heißt Wahrscheinlichkeitsraum, falls gilt: (i) A ist eine σ-algebra,
MehrGrundbegriffe der Wahrscheinlichkeitsrechnung
Algorithmen und Datenstrukturen 112 A Grundbegriffe der Wahrscheinlichkeitsrechnung Für Entwurf und Analyse randomisierter Algorithmen sind Hilfsmittel aus der Wahrscheinlichkeitsrechnung erforderlich.
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
MehrStochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten
Kapitel 2 Stochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten 2.1 Stochastische Unabhängigkeit von Ereignissen Gegeben sei ein W-Raum (Ω, C, P. Der Begriff der stochastischen Unabhängigkeit von
MehrWahrscheinlichkeitsrechnung und Quantentheorie
Physikalische Chemie II: Atombau und chemische Bindung Winter 2013/14 Wahrscheinlichkeitsrechnung und Quantentheorie Messergebnisse können in der Quantenmechanik ganz prinzipiell nur noch mit einer bestimmten
MehrWahrscheinlichkeitsrechnung
Wahrscheinlichkeitsrechnung Grundbegriffe: Experiment: ein Vorgang, den man unter gleichen Voraussatzungen beliebig oft wiederholen kann. Ergebnis ω : Ausgang eines Experiments Ergebnismenge Ω : Menge
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
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
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
MehrInhaltsverzeichnis. Dozent: Andreas Nestke Lehrfach: Mathe 3 Thema: Wahrscheinlichkeitstheorie Datum: Autor: René Pecher
Dozent: Andreas Nestke Lehrfach: Mathe 3 Thema: Wahrscheinlichkeitstheorie Datum: 24.01.2011 Autor: René Pecher Inhaltsverzeichnis 1 Permutation 1 1.1 ohne Wiederholungen........................... 1 1.2
MehrStatistik I für Betriebswirte Vorlesung 2
Statistik I für Betriebswirte Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 11. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
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:
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
MehrWichtige Begriffe und Sätze aus der Wahrscheinlichkeitsrechnung
Wichtige Begriffe und Sätze aus der Wahrscheinlichkeitsrechnung Version: 22. September 2015 Evelina Erlacher 1 Mengen Es sei Ω eine Menge (die Universalmenge ) und A, B seien Teilmengen von Ω. Dann schreiben
MehrStochastik. 1. Wahrscheinlichkeitsräume
Stochastik 1. Wahrscheinlichkeitsräume Ein Zufallsexperiment ist ein beliebig oft und gleichartig wiederholbarer Vorgang mit mindestens zwei verschiedenen Ergebnissen, bei dem der Ausgang ungewiß ist.
MehrWerkzeuge der empirischen Forschung
Wolfgang Kössler Institut für Informatik, Humboldt-Universität zu Berlin SS2008 18. April 2008 Übersicht 1 2 Dateneingabe und Transformation Allgemeine Eingabe über die Eingabe durch externes File Wichtige
MehrEinführung in die Wahrscheinlichkeitsrechnung
Einführung in die Wahrscheinlichkeitsrechnung Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung
MehrGrundbegriffe der Wahrscheinlichkeitstheorie
KAPITEL 1 Grundbegriffe der Wahrscheinlichkeitstheorie 1. Zufallsexperimente, Ausgänge, Grundmenge In der Stochastik betrachten wir Zufallsexperimente. Die Ausgänge eines Zufallsexperiments fassen wir
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
MehrKapitel N. Wahrscheinlichkeitsrechnung
Kapitel N Wahrscheinlichkeitsrechnung Inhalt dieses Kapitels N000 1 Diskrete Wahrscheinlichkeitsräume 2 Bedingte Wahrscheinlichkeit und Unabhängigkeit 1 Produktexperimente 2 Kombinatorik und Urnenmodelle
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:
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
MehrWahrscheinlichkeitstheorie und Statistik
Wahrscheinlichkeitstheorie und Statistik Definitionen und Sätze Prof. Dr. Christoph Karg Studiengang Informatik Hochschule Aalen Sommersemester 2018 2.5.2018 Diskrete Wahrscheinlichkeitsräume Diskreter
MehrInhaltsverzeichnis (Ausschnitt)
8 Messbarkeit und Bildwahrscheinlichkeit Inhaltsverzeichnis (Ausschnitt) 8 Messbarkeit und Bildwahrscheinlichkeit Messbare Abbildungen Bildwahrscheinlichkeit Deskriptive Statistik und Wahrscheinlichkeitsrechnung
MehrWahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26)
Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26 Ein Wahrscheinlichkeitsraum (Ω, P ist eine Menge Ω (Menge aller möglichen Ausgänge eines Zufallsexperiments: Ergebnismenge versehen mit einer Abbildung
MehrStochastik I. Vorlesungsmitschrift
Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................
MehrP (A B) P (B) = P ({3}) P ({1, 3, 5}) = 1 3.
2 Wahrscheinlichkeitstheorie Beispiel. Wie wahrscheinlich ist es, eine Zwei oder eine Drei gewürfelt zu haben, wenn wir schon wissen, dass wir eine ungerade Zahl gewürfelt haben? Dann ist Ereignis A das
MehrKapitel 2. Zufällige Versuche und zufällige Ereignisse. 2.1 Zufällige Versuche
Kapitel 2 Zufällige Versuche und zufällige Ereignisse In diesem Kapitel führen wir zunächst anschaulich die grundlegenden Begriffe des zufälligen Versuchs und des zufälligen Ereignisses ein und stellen
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
Mehr1 Grundbegriffe der Wahrscheinlichkeitsrechnung
4 1 Grundbegriffe der Wahrscheinlichkeitsrechnung 1.1 Grundlegende Begriffe Der Begriff wahrscheinlich wird im Alltag in verschiedenen Situationen verwendet, hat dabei auch unterschiedliche Bedeutung.
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
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
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
MehrProgramm. Wiederholung. Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung. Binomialverteilung. Hypergeometrische Verteilung
Programm Wiederholung Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung Binomialverteilung Hypergeometrische Verteilung Wiederholung verschiedene Mittelwerte für verschiedene Skalenniveaus
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+
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
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?
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/...
MehrP (X = 2) = 1/36, P (X = 3) = 2/36,...
2.3 Zufallsvariablen 2.3 Zufallsvariablen Meist sind die Ereignisse eines Zufallseperiments bereits reelle Zahlen. Ist dies nicht der Fall, kann man Ereignissen eine reelle Zahl zuordnen. Zum Beispiel
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)
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
MehrGrundlagen der Wahrscheinlichkeitstheorie
Priv.-Doz. Dr. H. Steinacker Wintersemester 2013/2014 Grundlagen der Wahrscheinlichkeitstheorie betrachte Wiederholungen eines Experimentes, gleicher Vorbereitung (z.b. Würfeln, Dart werfen, Doppelspaltexperiment,...)
MehrSatz 16 (Multiplikationssatz)
Häufig verwendet man die Definition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A B] = Pr[B A] Pr[A] = Pr[A B] Pr[B]. (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1,..., A n gegeben.
MehrStatistik I für Betriebswirte Vorlesung 2
Statistik I für Betriebswirte Vorlesung 2 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. April 2017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 2 Version: 11.
MehrEindimensionale Zufallsvariablen
Eindimensionale Grundbegriffe Verteilungstypen Diskrete Stetige Spezielle Maßzahlen für eindimensionale Erwartungswert Varianz Standardabweichung Schwankungsintervalle Bibliografie Bleymüller / Gehlert
MehrSatz 18 (Satz von der totalen Wahrscheinlichkeit)
Ausgehend von der Darstellung der bedingten Wahrscheinlichkeit in Gleichung 1 zeigen wir: Satz 18 (Satz von der totalen Wahrscheinlichkeit) Die Ereignisse A 1,..., A n seien paarweise disjunkt und es gelte
MehrI Grundbegriffe 1 1 Wahrscheinlichkeitsräume Bedingte Wahrscheinlichkeiten und Unabhängigkeit Reellwertige Zufallsvariablen...
Inhaltsverzeichnis I Grundbegriffe 1 1 Wahrscheinlichkeitsräume......................... 1 2 Bedingte Wahrscheinlichkeiten und Unabhängigkeit........... 7 3 Reellwertige Zufallsvariablen........................
MehrGrundbegriffe der Wahrscheinlichkeitstheorie. Karin Haenelt
Grundbegriffe der Wahrscheinlichkeitstheorie Karin Haenelt 1 Inhalt Wahrscheinlichkeitsraum Bedingte Wahrscheinlichkeit Abhängige und unabhängige Ereignisse Stochastischer Prozess Markow-Kette 2 Wahrscheinlichkeitsraum
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
MehrStochastische Unabhängigkeit. 01. Dezember 2014
Stochastische Unabhängigkeit 0. Dezember 204 Der Begriff der Unabhängigkeit Großbritannien, im November 999. Die Anwältin Sally Clark wird wegen Mordes an ihren Kindern angeklagt. Clark geriet unter Verdacht
MehrStatistik I für Betriebswirte Vorlesung 1
Statistik I für Betriebswirte Vorlesung 1 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 9. April 2018 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 1 1 Organisatorisches
Mehr4 Diskrete Wahrscheinlichkeitsverteilungen
4 Diskrete Wahrscheinlichkeitsverteilungen 4.1 Wahrscheinlichkeitsräume, Ereignisse und Unabhängigkeit Definition: Ein diskreter Wahrscheinlichkeitsraum ist ein Paar (Ω, Pr), wobei Ω eine endliche oder
MehrStatistik I für Betriebswirte Vorlesung 1
Statistik I für Betriebswirte Vorlesung 1 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 1. April 2019 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 1 Version: 18. März
Mehr3 Bedingte Wahrscheinlichkeit, Unabhängigkeit
3 Bedingte Wahrscheinlichkeit, Unabhängigkeit Bisher : (Ω, A, P) zur Beschreibung eines Zufallsexperiments Jetzt : Zusatzinformation über den Ausgang des Experiments, etwa (das Ereignis) B ist eingetreten.
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 10. November 2010 1 Bedingte Wahrscheinlichkeit Satz von der totalen Wahrscheinlichkeit Bayessche Formel 2 Grundprinzipien
Mehr2.2 Binomialverteilung, Hypergeometrische Verteilung, Poissonverteilung
2.2 Binomialverteilung, Hypergeometrische Verteilung, Poissonverteilung Die einfachste Verteilung ist die Gleichverteilung, bei der P(X = x i ) = 1/N gilt, wenn N die Anzahl möglicher Realisierungen von
MehrBerechnung von Wahrscheinlichk.
Berechnung von Wahrscheinlichk. a) Statistische (empirische) Methode - über relative Häufigkeit (s. Statistik) Exotische Anwendung : Identifikation nichtidealer Roulette-Tische in Spielcasinos b) Falls:
MehrWahrscheinlichkeitsrechnung und Statistik für Studierende der Physik
Rudolf Frühwirth Wahrscheinlichkeitsrechnung und Statistik für Studierende der Physik ebooks kostenlos herunterladen auf bookboon.com 2 Wahrscheinlichkeitsrechnung und Statistik für Studierende der Physik
Mehr