7.2 Grundlagen der Wahrscheinlichkeitsrechnung

Größe: px
Ab Seite anzeigen:

Download "7.2 Grundlagen der Wahrscheinlichkeitsrechnung"

Transkript

1 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 heißt ei Zufallsexperimet, falls folgede Bediguge erfüllt sid: a) Es ka icht mit Sicherheit gesagt werde, welches Ergebis sich eistelle wird. b) Das Experimet soll (weigstes theoretisch) beliebig oft uter de gleiche Bediguge wiederholt werde köe. c) Sämtliche überhaupt mögliche Ergebisse solle vor der Durchführug des Experimets agegebe werde köe. Beispiel vo Zufallsexperimete: A) Werfe eier Müze; mögliche Ergebisse: W:= Wappe, Z:= Zahl B) Werfe eies Würfels; mögliche Ergebisse:,2,3,4,5,6 C) Zählug der i eier Sekude emittierte α Teilche bei eier radioaktive Substaz; mögliche Ergebisse: 0,,2,3,4,5,6,... D) Schiesse auf eie Zielscheibe; mögliche Ergebisse: Alle Pukte der Zielscheibeebee, also alle Pukte im IR 2. E) Beobachte der Abfertigugszeit eies Schiffes: Zufallsexperimet als theoretische Modell. Mögliche Ergebisse: Zeite ab 0 Stude, also alle Pukte im Itervall [0, [ (= [0, )). Def : Die Mege aller überhaupt mögliche Ergebisse eies Zufallsexperimets heißt die Ergebismege Ω. Beispiele vo Ergebismege: zu Beispiel A) Ω = {Z,W } zu Beispiel B) Ω = {,2,...,6} zu Beispiel C) Ω = {0} IN zu Beispiel D) Ω = IR 2 zu Beispiel E) Ω = [0, [ Def : Ei Ereigis ist eie Teilmege der Ergebismege. Bem.: Bei überabzählbare Ergebismege bezeichet ma ur Teilmege aus eier gewisse Klasse als Ereigisse. Beispiele vo zufällige Ereigisse: zu Beispiel A): Es fällt W zu Beispiel B): Es fällt 3 zu Beispiel C): Die Azahl der i eier Sekude emittierte α-teilche ist = 0. 59

2 zu Beispiel C): Die Azahl der i eier Sekude emittierte α-teilche ist 0. zu Beispiel B): Es fällt eie gerade Zahl d.h. Ergebis ω {2,4,6} zu Beispiel D): Trefferabstad { vom Mittelpukt [cm] d.h. Ergebis ω (x,y) IR 2 } x 2 + y 2 cm Def : Jedes Ereigis {ω} mit ω Ω heißt Elemetarereigis. ist das umögliche Ereigis (z.b. Es fältt eie 7 beim Würfel), Ω das sichere Ereigis (z.b. Es fällt W oder Z bei der Müze). Beispiel vo Elemetarereigisse: zu Beispiel B) {5} : Es fällt eie 5 zu Beispiel D): {(0, )} : Treffer im Pukt (0, ) Bei eier häufige Wiederholug des Zufallsexperimets A) beobachtet ma, dass W ud Z etwa gleich oft erscheie, falls eie ideale Müze geworfe wird. Bei eier häufige Wiederholug des Zufallsexperimets B), dass die Augezahle,2,...,6 etwa gleich oft erscheie, falls ei idealer Würfel geworfe wird. Beispiele für die Wahrscheilichkeit (probability) eies Ereigisses A (Abkürzug P(A)) zu Beispiel A) (ideale Müze): P ({W }) = 2, P ({Z}) = 2 zu Beispiel B) (idealer Würfel): P ({}) = P ({2}) = = P ({6}) = 6 Das Resultat bei B) köe wir auch so ausdrücke: P ({}) = P ({2}) = = P ({6}) = Azahl der Elemete vo {6} Azahl der Elemete vo Ω (= {,2,...,6}). Das lässt sich auch auf die Wahrscheilichkeit weiterer Ereigisse übertrage: Die Wahrscheilichkeit dafür, dass eie gerade Zahl fällt, = P ({2,4,6}) = Azahl der Elemete vo {2,4,6} Azahl der Elemete vo Ω = {,...,6} = 3 6 = 2 Def (Klassische Defiitio der Wahrscheilichkeit): Eie Ergebismege Ω erfülle folgede zwei Bediguge: a) Ω ist eie edliche Mege b) Alle Elemetarereigisse sid gleichwahrscheilich. 60

3 A sei ei beliebiges Ereigis, d.h. A Ω. Da heißt P(A) := card A card Ω mit card M := Azahl der Elemete vo M die Wahrscheilichkeit vo A. Soderfall: = Azahl der für das Ereigis A güstige Ergebisse Azahl der mögliche Ergebisse P({ω}) = card Ω Def (Statistische Defiitio der Wahrscheilichkeit): Ω sei eie Ergebismege, A Ω ei Ereigis ud die Zahl der Wiederholuge des Zufallsexperimets a) Die absolute bzw. relative Häufigkeit vo A bei Wiederholuge ist defiiert durch: f (A) := Azahl der Wiederholuge, bei dee A eitritt, bzw. h (A) := f (A) b) P(A) := lim h (A) (vergl. Satz 7.9.3b). Beispiel 7.2. Zufallsexperimet: Werfe eie Reißagels Mögliche Ergebisse: K (:= Kopf): ; S (:= Spitze): ; Ω := {K,S } Ergebis eier Versuchsreihe: f ({K}) h ({K}) P({K}) = lim h ({K}) 0.625, aalog P({S}) Def (Axiomatische Defiitio der Wahrscheilichkeit): Wird jedem Ereigis A Ω eie reelle Zahl P(A) zugeordet, so heißt P(A) Wahrscheilichkeit vo A, we folgede Bediguge erfüllt sid: a) P(A) 0 b) P(Ω) = (sicheres Ereigis) c) P(A B) = P(A) + P(B), falls A B = ist (A,B disjukt) Bem.: a) Bei uedliche Ergebismege Ω müsste c) durch eie allgemeiere Bedigug ersetzt werde. b) Die axiomatische Defiitio umfasst die klassische ud die statistische Defiitio der Wahrscheilichkeit Bsp : Auf eiem Rad mit fester Achse vom Umfag m (d.h. Radius = 2 π m = 0.59m) wird eie Maßskala für die Bogeläge agebracht: 6

4 feste Marke Das Zufallsexperimet besteht u dari, das Rad mit hoher Drehzahl zu drehe ud plötzlich zu stoppe. Die Bogeläge auf der Maßskala, die da bei der feste Marke stehebleibt, wird als Ergebis des Zufallexperimets registriert. Die Ergebismege besteht also aus alle mögliche Werte auf der Maßskala, d.h. es ist zuächst Ω = [0, [. Alle Ergebisse sid gleichberechtigt oder aders ausgedrückt - kei Ergebis ist vor dem adere bevorzugt. Um u bei de folgede Überleguge zusätzliche formale Schwierigkeite zu vermeide, äder wir die Ergebismege gerigfügig ab: Ω = [0,]. Aufgrud der Gleichberechtigug der Ergebisse erhalte wir für die Wahrscheilichkeit vo Teilitervalle [a, b] [0, ]: 0 a b P([a,b]) = Läge vo [a,b] Läge vo [0,] = b a Für die Wahrscheilichkeit vo Vereiiguge vo Teilitervalle [a, b], [c, d] [0, ] erhalte wir folgede Regel, wobei wir zwei Fälle uterscheide müsse: 0 a b c d Fall : [a,b] [c,d] = P([a, b] [c, d]) = Ateil vo [a, b] [c, d] a der Gesamtläge a = b a + d c = P([a,b]) + P([c,d]) (vergl. Def c) b 0 c d Fall 2: [a,b] [c,d] Gilt etspreched der Skizze speziell 0 a b c d, so erhält ma: [a,b] [c,d] = [a,d], [a,b] [c,d] = [c,b] ud damit P([a,b] [c,d]) P([a,b]) P([c,d]) = (d a) (b a) (d c) = c b = (b c) = P([c,b]) }{{} =[a,d] = P([a,b] [c,d]) P([a,b] [c,d]) = P([a,b]) + P([c,d]) P([a,b] [c,d]) (vergl. Satz 7.2.2) Spezialfälle (vergl. die achstehede Def ): P({ω}) = P([ω,ω]) = ω ω = 0, d.h. {ω} ist fast umöglich für jedes ω Ω. ]0,[ ist fast sicher; de P(]0,[) = P(Ω) P({0}) P({}) = 62

5 Satz 7.2.: Folgeruge aus de Bediguge a) b) ud c) vo Def : i) P(A A 2... A k ) = P(A ) + P(A 2 ) P(A k ), falls A i A j = f. a. i j ii) A B P(B A) = P(B) P(A) iii) A B P(A) P(B) iv) 0 P(A) v) P(A) = P(A) vi) P( ) = 0, (umögliches Ereigis) Beweis: i) folgt direkt aus Bedigug c), was durch vollst. Iduktio zu beweise ist ii) ud iii) Es sei A B. Rad vo B A B A Da ka ma B auf folgede Art als Vereiigug zweier disjukter Mege darstelle: B = A (B A) A (B A) = (ach Bed. c)) P(B) = P(A) + P(B A) P(A) P(B A) = P(B) P(A) }{{} 0 ach Bed. a) iv) A Ω 0 Bed. a) P(A) iii) Bed. b) P(Ω) = v) P(A) = P(Ω A) ii) Bed. b) = P(Ω) P(A) = P(A) vi) = Ω v) P( ) = P(Ω) = 0 Def : Ei Ereigis A Ω heißt a) fast umöglich (Abk.: f. u.), we P(A) = 0 ist, b) fast sicher (Abk.: f. s.), we P(A) = ist. Beispiel 7.2.3: Wie groß ist die Wahrscheilichkeit dafür, bei 2 Würfe mit eiem ideale Würfel midestes eie 6 zu bekomme? Für die Beschreibug der Ergebismege Ω verwede wir ei Uremodell: Dem Würfel etspricht eie Ure mit 6 Kugel: De Würfe etspreche Ziehuge m. Z. Die Zusammestellug erfolgt m.b.d.a. damit Elemetarereigisse bei m.z. gleichwahrschei- 63

6 lich sid (vergl. Satz 7.2.3). Ω besteht also aus alle Kombiatioe m.z.m.b.d.a. der Ordug 2 aus 6 Elemete. card Ω = K 2 (6)m.Z.m.B.d.A. = 6 2 Ereigis A: Bei midestes eiem der Würfe fällt ei 6. Methode : Berechug vo P(A) über Ā: Ā: Bei beide Würfe fällt keie 6, d.h. bei beide Würfe fällt eie der Zahle,...,5. Aalog wie bei der Kostruktio vo Ω gilt: Ā besteht also aus alle Kombiatio m.z.m.b.d.a. der Ordug 2 aus 5 Elemete: cardā = K 2(5)m.Z.m.B.d.A. = 5 2 Nach Satz sid alle Elemetareeigisse gleichwahrscheilich, ud daher ist die klassische Defiitio awedbar: cardā P(Ā) = cardω = Nach Satz 7.2. v) erhalte wir also 52 P(A) = P(Ā) = 6 2 = Satz 7.2.2: Für zwei Ereigisse A, B Ω, die icht disjukt zu sei brauche, gilt: P(A B) = P(A) + P(B) P(A B). Beispiel 7.2.3, Methode 2: mit A = A A 2 A : Beim. Wurf fällt eie 6 A 2 : Beim 2. Wurf fällt eie 6 carda = 6 ud carda 2 = 6 = P(A ) = P(A 2 ) = 6 A A 2 : Bei beide Würfe fällt eie 6, d.h. A A 2 = {(6,6)} = card (A A 2 ) = = P (A A 2 ) = 36 Nach Satz erhalte wir also P(A) = P (A A 2 ) = P(A ) + P(A 2 ) P (A A 2 ) = = Satz 7.2.3: k Kugel werde zufällig aus eier Ure gezoge ud i eier Stichprobe gesammelt. Zufällig bedeutet dabei: Bei jeder der k Ziehuge hat jede Kugel, die sich (och) i der Ure befidet, die gleiche Chace, gezoge zu werde. Da gilt... a) im Falle der Kombiatioe m. Z. m. B. d. A., o. Z. m. B. d. A. ud o. Z. o. B. d. A.: Jede Kombiatio hat die Wahrsch. = K k () 64

7 b) im Falle der Kombiatioe m. Z. o. B. d. A.: Die Kombiatioe habe i.a. verschiedee Wahrscheilichkeite, isbesodere ist i.a. die Wahrsch. K k () Bem.: Damit ma de Kombiatioe überhaupt Wahrscheilichkeite im Sie vo Def zuorde ka, muss ma sie als Elemetarereigisse oder allgemeiere Ereigisse i eier geeigete Ergebismege auffasse. Dasselbe gilt auch für die Wahrscheilichkeite i der folgede Erläuterug zu Satz 7.2.3, wobei eiige Wahrscheilichkeite außerdem güstiger als bedigte Wahrscheilichkeite (vergl. 7.3) aufzufasse sid. Erläuterug zu Satz 7.2.3: Ure mit Kugel, Stichprobebrett mit k Fächer bei m. B. d. A i) Bei der Vorschrift m. Z. m. B. d. A. ist die Wahrscheilichkeit bei dem. Fach für jede Kugel : dem 2. Fach für jede Kugel : dem k te Fach für jede Kugel : Jede Kombiatio m. Z. m. B. d. A. hat damit die Wahrscheilichkeit ii) Bei der Vorschrift o. Z. m. B. d. A ist die Wahrscheilichkeit bei dem. Fach für jede Kugel : dem 2. Fach für jede (restliche) Kugel : dem k te Fach für jede (restliche) Kugel :.. Jede Kombiatio o. Z. m. B. d. A. hat damit die Wahrscheilichkeit K k () ( ) k = K k () k + ( )... ( k + ) = iii) Je k! verschiedee Kombiatioe o. Z. m. B. d. A. etspreche eier Kombiatio o. Z. o. B. d. A. Damit hat jede Kombiatio o. Z. o. B. d. A. die Wahrscheilichkeit k! ( )... ( k + ) = K k () iv) Im Gegesatz zu iii) ist die Azahl der verschiedee Kombiatioe m. Z. m. B. d. A., die eier Kombiatio m. Z. o. B. d. A. etspreche, abhägig vo dem Ziehugsergebis. Ei Beispiel dazu: 2 Würfe mit eier ideale Müze: Kombiatio m. Z. o. B. d. A. Kombiatio m. Z. m. B. d. A. zweimal W ˆ= W beim. Wurf ud W beim 2. Wurf zweimal Z ˆ= Z beim. Wurf ud Z beim 2. Wurf eimal W, eimal Z ˆ= W beim. Wurf ud Z beim 2. Wurf oder Z beim. Wurf ud W beim 2. Wurf 65

8 Da u diese Kombiatio m. Z. m. B. d. A. ach i) alle die Wahrscheilichkeit 4 habe, hat das Ereigis eimal W, eimal Z die Wahrscheilichkeit 2 4 = 2 ud icht die Wahrscheilichkeit 3 Bem.: Bei Wahrscheilichkeitsutersuchuge gilt: Wurf mit 2 Müze ˆ= 2 Würfe mit Müze Dasselbe gilt auch für mehrere Müze oder für zwei oder mehr Würfel. Dieser Sachverhalt beruht darauf, dass ma Müze, Würfel oder dergleiche uterscheide ka z.b. durch verschiedee Farbe. Werde etwa ei blauer ud ei roter Würfel gleichzeitig geworfe, so ka ma das Wurfergebis beim blaue Würfel als Wurfergebis des. Wurfes bei eiem Würfel auffasse ud das des rote als Wurfergebis des 2. Wurfes. 66

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung Kapitel 7 Wahrscheilichkeitsrechug 7. Kombiatorik Def. 7..:a) Für eie beliebige atürliche Zahl m bezeichet ma das Produkt aus de Zahle vo bis m mit m Fakultät: m! := 2 3 m, 0! :=. b) Für zwei beliebige

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

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

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 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

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 9 WAHRSCHEINLICHKEITS-RÄUME

Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Fassug vom 13. Februar 2006 Mathematik für Humabiologe ud Biologe 129 9.1 Stichprobe-Raum 9.1 Stichprobe-Raum Die bisher behadelte Beispiele vo Naturvorgäge oder Experimete

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

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

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

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

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 Lehrstuhl für Empirische Wirtschaftsforschug ud Ökoometrie Dr. Rolad Füss Statistik II: Schließede Statistik SS 2007 6. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug

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

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

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

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 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

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

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. 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

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

5.3 Ergebnis- und Ereigniswahrscheinlichkeiten

5.3 Ergebnis- und Ereigniswahrscheinlichkeiten 5 Grudbegriffe der Wahrscheilichkeitstheorie 43 5.3 Ergebis- ud Ereigiswahrscheilichkeite Bisheriger Aufbau Wir habe die Wahrscheilichkeitstheorie aufgebaut, idem wir mit der Defiitio vo Ergebiswahrscheilichkeite

Mehr

Folgen und Reihen. 23. Mai 2002

Folgen und Reihen. 23. Mai 2002 Folge ud Reihe Reé Müller 23. Mai 2002 Ihaltsverzeichis 1 Folge 2 1.1 Defiitio ud Darstellug eier reelle Zahlefolge.................. 2 1.1.1 Rekursive Defiitio eier Folge......................... 3 1.2

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

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

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

Prof. Dr. Roland Füss Statistik II SS 2008

Prof. Dr. Roland Füss Statistik II SS 2008 1. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug ergibt sich aus de Grezwertsätze. Grezwertsätze sid Aussage über eie Zufallsvariable für de Fall, dass die Azahl

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

Seminarausarbeitung: Gegenbeispiele in der Wahrscheinlichkeitstheorie. Unterschiedliche Konvergenzarten von Folgen von Zufallsvariablen

Seminarausarbeitung: Gegenbeispiele in der Wahrscheinlichkeitstheorie. Unterschiedliche Konvergenzarten von Folgen von Zufallsvariablen Semiarausarbeitug: Gegebeispiele i der Wahrscheilichkeitstheorie - Uterschiedliche Kovergezarte vo Folge vo Zufallsvariable Volker Michael Eberle 4. März 203 Eileitug Die vorliegede Arbeit thematisiert

Mehr

6.1 Grundlagen der Wahrscheinlichkeitsrechnung 6.1.1 Definitionen und Beispiele Beispiel 1 Zufallsexperiment 1,2,3,4,5,6 Elementarereignis

6.1 Grundlagen der Wahrscheinlichkeitsrechnung 6.1.1 Definitionen und Beispiele Beispiel 1 Zufallsexperiment 1,2,3,4,5,6 Elementarereignis 6. Grudlage der Wahrscheilichkeitsrechug 6.. Defiitioe ud Beispiele Spiele aus dem Alltagslebe: Würfel, Müze, Karte,... u.s.w. sid gut geeiget die Grudlage der Wahrscheilichkeitsrechug darzustelle. Wir

Mehr

Hilfsmittel aus der Kombinatorik, Vollständige Induktion, Reelle Zahlenfolgen

Hilfsmittel aus der Kombinatorik, Vollständige Induktion, Reelle Zahlenfolgen 7. Vorlesug im Brückekurs Mathematik 2017 Hilfsmittel aus der Kombiatorik, Vollstädige Iduktio, Reelle Zahlefolge Dr. Markus Herrich Markus Herrich Kombiatorik, Vollstädige Iduktio, Zahlefolge 1 Hilfsmittel

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

A D A E B D D E D E D C C D E

A D A E B D D E D E D C C D E ie Kombiatori beschäftigt sich mit der Zusammestellug vo lemete eier Mege. s werde 2 Kugel ohe Zurüclege aus zwei Ure gezoge. ie erste Ure ethält 3 Kugel ; ; ud die zweite Ure 2 Kugel ;. ie erste Kugel

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

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

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

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

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

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

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

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

Lösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 4: Aufgaben zu den Kapiteln 7 und 8

Lösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 4: Aufgaben zu den Kapiteln 7 und 8 1 Lösuge ausgewählter Übugsaufgabe zum Buch Elemetare Stochastik (Spriger Spektrum, 2012) Teil 4: Aufgabe zu de Kapitel 7 ud 8 Aufgabe zu Kapitel 7 Zu Abschitt 7.1 Ü7.1.1 Ω sei höchstes abzählbar, ud X,

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

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

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

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

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

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

3 Elemente der Komplexitätstheorie Definitionen und ein Beispiel Nichtdeterminismus und das P-NP-Problem... 57

3 Elemente der Komplexitätstheorie Definitionen und ein Beispiel Nichtdeterminismus und das P-NP-Problem... 57 Ihaltsverzeichis 1 Berechebarkeit ud Algorithme 7 1.1 Berechebarkeit................................. 7 1.1.1 LOOP/WHILE-Berechebarkeit................... 8 1.1.2 Turig-Maschie...........................

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

Leitfaden Bielefeld SS 2007 III-4

Leitfaden Bielefeld SS 2007 III-4 Leitfade Bielefeld SS 2007 III-4 8.2. Der allgemeie Fall. Satz. Sei N 1, sei ω eie primitive -te Eiheitswurzel ud K = Q[ω ]. Da gilt: (a) [K : Q] = φ(), (b) Φ ist irreduzibel, (c) O K = Z[ω ]. (d) Eie

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

Analysis 1, Woche 2. Reelle Zahlen. 2.1 Ordnung. Definition 2.1 Man nennt eine Ordnung für K, wenn. 1. für alle a K gilt a a (Reflexivität),

Analysis 1, Woche 2. Reelle Zahlen. 2.1 Ordnung. Definition 2.1 Man nennt eine Ordnung für K, wenn. 1. für alle a K gilt a a (Reflexivität), Aalysis 1, Woche 2 Reelle Zahle A1 2.1 Ordug Defiitio 2.1 Ma et eie Ordug für K, we 1. für alle a K gilt a a (Reflexivität), 2. für alle a, b K mit a b ud b a gilt a = b (Atisymmetrie), 3. für alle a,

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

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

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

Analysis 1, Woche 2. Reelle Zahlen. 2.1 Ordnung. Definition 2.1 Man nennt eine Ordnung für K, wenn. 1. für alle a K gilt a a (Reflexivität),

Analysis 1, Woche 2. Reelle Zahlen. 2.1 Ordnung. Definition 2.1 Man nennt eine Ordnung für K, wenn. 1. für alle a K gilt a a (Reflexivität), Aalysis, Woche 2 Reelle Zahle A 2. Ordug Defiitio 2. Ma et eie Ordug für K, we. für alle a K gilt a a (Reflexivität), 2. für alle a, b K mit a b ud b a gilt a = b (Atisymmetrie), 3. für alle a, b, c K

Mehr

Zusammenfassung: Gleichungen und Ungleichungen

Zusammenfassung: Gleichungen und Ungleichungen LGÖ Ks VMa Schuljahr 6/7 Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud ugleichuge 6 Für Eperte 8 Polyomgleichuge ud -ugleichuge

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

Zusammenfassung: Gleichungen und Ungleichungen

Zusammenfassung: Gleichungen und Ungleichungen Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud -ugleichuge 6 Für Eperte 9 Polyomgleichuge ud -ugleichuge Defiitio: Ei Term

Mehr

3. Taylorformel und Taylorreihen

3. Taylorformel und Taylorreihen Prof Dr Siegfried Echterhoff Aalysis Vorlesug SS 9 3 Taylorformel ud Taylorreihe Sei I R ei Itervall ud sei f : I R eie Fuktio Ziel: Wolle utersuche, wa sich die Fuktio f i eier Umgebug vo eiem Pukt I

Mehr

a ist die nichtnegative Lösung der Gleichung a 0 a, b 0 : a 0 und b > 0 Beispiele:

a ist die nichtnegative Lösung der Gleichung a 0 a, b 0 : a 0 und b > 0 Beispiele: Zahle. Die Quadratwurzel Die Quadratwurzel a heißt Radikad Beachte: 0 = 0 a ist die ichtegative Lösug der Gleichug = a, wobei a 0. 4 Ei Teil der Quadratwurzel sid ratioale Zahle (bspw. 6, 0, 09, ), adere

Mehr

LGÖ Ks VMa 12 Schuljahr 2017/2018

LGÖ Ks VMa 12 Schuljahr 2017/2018 LGÖ Ks VMa Schuljahr 7/8 Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud ugleichuge 6 Für Experte 8 Polyomgleichuge ud -ugleichuge

Mehr

Kreisabbildungen. S 1 f S 1. Beispiele: (1) f = id, F = id,

Kreisabbildungen. S 1 f S 1. Beispiele: (1) f = id, F = id, Kreisabbilduge Im Folgede sehe wir us eie gaz spezielle Klasse vo dyamische Systeme a: Abbilduge auf dem Kreis. Diese sid eifach geug, so dass wir sie och recht leicht aalysiere köe, habe aber adererseits

Mehr

2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters:

2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters: . Schätzverfahre. Puktschätzug wirtschaftlicher Kezahle Allgemei: Puktschätzug eies Parameters: Ermittlug eies Schätzwertes für eie ubekate Parameter eier Zufallsvariable i der Grudgesamtheit mit Hilfe

Mehr

Musterlösung zu Blatt 8 der Vorlesung Analysis I WS08/09

Musterlösung zu Blatt 8 der Vorlesung Analysis I WS08/09 Musterlösug zu Blatt 8 der Vorlesug Aalysis I WS08/09 Schriftliche Aufgabe Aufgabe. Voraussetzuge: Für alle N setze a : +2 ud b : ( 2. [Amerkug: I der Aufgabestellug heiÿe die Reihe beide gleich. Es steht

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

9. Diskrete Zufallsvariable, Wahrscheinlichkeitsverteilung, Erwartungswert, Varianz

9. Diskrete Zufallsvariable, Wahrscheinlichkeitsverteilung, Erwartungswert, Varianz 44 9. Diskrete Zufallsvariable, Wahrscheilichkeitsverteilug, Erwartugswert, Variaz Bei Zufallsversuche iteressiere oft icht die Ergebisse selbst, soder Zahle, die de mögliche Ergebisse des Zufallsversuchs

Mehr

Testen statistischer Hypothesen

Testen statistischer Hypothesen Kapitel 9 Teste statistischer Hypothese 9.1 Eiführug, Sigifiaztests Sigifiaztest für µ bei der ormalverteilug bei beatem σ = : X i seie uabhägig ud µ, ) verteilt, µ sei ubeat. Stelle eie Hypothese über

Mehr

Höhere Mathematik für die Fachrichtung Physik

Höhere Mathematik für die Fachrichtung Physik Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 05/06 04..05 Höhere Mathematik für die Fachrichtug Physik Lösugsvorschläge zum 6. Übugsblatt Aufgabe

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

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

D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Übungsblatt 5. (1 + x) n 1 + nx

D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Übungsblatt 5. (1 + x) n 1 + nx D-MATH, D-PHYS, D-CHAB Aalysis I HS 2017 Prof. Mafred Eisiedler Übugsblatt 5 1. Die Beroullische Ugleichug besagt, dass für N 0 ud x R mit x 1 stets 1 + x 1 + x gilt. Wir wolle u aaloge Ugleichuge für

Mehr

Teil 2: Grundlagen der Wahrscheinlichkeitstheorie

Teil 2: Grundlagen der Wahrscheinlichkeitstheorie Kurzsript zur Statisti für Biologe Grudlage der Wahrscheilicheitstheorie Seite 6 1. Naive Megelehre Teil 2: Grudlage der Wahrscheilicheitstheorie Da wir izwische öfter de Begriff der Mege ud Schreibweise

Mehr

Mathematische Probleme, SS 2015 Montag 1.6. $Id: convex.tex,v /06/01 09:26:03 hk Exp $

Mathematische Probleme, SS 2015 Montag 1.6. $Id: convex.tex,v /06/01 09:26:03 hk Exp $ athematische Probleme, 2015 otag 1.6 $Id: cove.te,v 1.19 2015/06/01 09:26:03 hk Ep $ 3 Kovegeometrie 3.2 Die platoische Körper I der letzte itzug habe wir mit de Vorarbeite zur Berechug der platoische

Mehr

Kapitel 6 : Punkt und Intervallschätzer

Kapitel 6 : Punkt und Intervallschätzer 7 Kapitel 6 : Pukt ud Itervallschätzer Puktschätzuge. I der Statistik wolle wir Rückschlüsse auf das Wahrscheilichkeitsgesetz ziehe, ach dem ei vo us beobachtetes Zufallsexperimet abläuft. Hierzu beobachte

Mehr

Kombinatorik und Polynommultiplikation

Kombinatorik und Polynommultiplikation Kombiatorik ud Polyommultiplikatio 3 Vorträge für Schüler SS 2004 W Pleske RWTH Aache, Lehrstuhl B für Mathematik 3 Eiige Zählprizipie ud Ausblicke Wir habe bislag gesehe, was die Multiomialkoeffiziete

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

2 Konvergenz von Folgen

2 Konvergenz von Folgen Kovergez vo Folge. Eifache Eigeschafte Defiitio.. Eie Abbildug A : N C heißt Folge. Ma schreibt a statt A) für N ud a ) oder a ) statt A. We a R N, so heißt a ) reelle Folge. Defiitio.. Seie a ) eie Folge

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

5.4.2 Die empirische Verteilungsfunktion als Ausgangspunkt

5.4.2 Die empirische Verteilungsfunktion als Ausgangspunkt Tests 9 5.4 Der Kolmogorov Smirov Test Grudlage für de Kolmogorov Smirov Apassugs Test ist ei Satz vo Kolmogorov, die asymptotische Verteilug eier Statistik Δ betreffed. Aus Δ ergibt sich durch Modifikatio

Mehr

Parameterschätzung. Kapitel Schätzfunktionen

Parameterschätzung. Kapitel Schätzfunktionen Kapitel 8 Parameterschätzug 8.1 Schätzfuktioe Def. 8.1.1: Es seie X 1,X,...,X uabhägige ZV, die alle die gleiche Verteilug besitze. θ sei ei ubekater Parameter dieser Verteilug. X 1,X,...,X ist als eie

Mehr

3. Anwendungen der Differentialrechnung

3. Anwendungen der Differentialrechnung Talorsche Formel ud Mittelwertsatz 4 Aweduge der Differetialrechug Talorsche Formel ud Mittelwertsatz Die Gleichug der Tagete = f ( ( a die Kurve = f( im Pukt (, liefert eie grobe Näherug für die Fuktio

Mehr

Reelle Folgen. Definition. Eine reelle Folge ist eine Abbildung f : N R. liefert ( 7 9, 37

Reelle Folgen. Definition. Eine reelle Folge ist eine Abbildung f : N R. liefert ( 7 9, 37 Reelle Folge Der Begriff der Folge ist ei grudlegeder Baustei der Aalysis, weil damit u.a. Grezprozesse defiiert werde köe. Er beschreibt de Sachverhalt eier Abfolge vo Elemete, wobei die Reihefolge bzw.

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

$Id: reihen.tex,v /06/14 13:59:06 hk Exp $

$Id: reihen.tex,v /06/14 13:59:06 hk Exp $ Mathematik für Iformatiker B, SS 202 Doerstag 4.6 $Id: reihe.tex,v.9 202/06/4 3:59:06 hk Exp $ 7 Reihe 7.4 Kovergezkriterie für Reihe 7.4. Alterierede Reihe Wir hatte gesehe das die harmoische Reihe divergiert,

Mehr

(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen.

(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen. Schülerbuchseite 98 1 Lösuge vorläufig IV Beurteilede Statistik S. 98 p S. 1 p w a t Tabelle Tabelle dowloadbar im Iteretauftritt 1 Teste vo Hypothese 1 a) Erwartugswert μ = 5 ud Stadardabweichug σ = 1,6;

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

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

Übungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 8

Übungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 8 Mathematisches Istitut der Uiversität Müche Prof Dr Peter Otte WiSe 203/4 Lösug 8 032203 Übuge zur Aalysis für Iformatiker ud Statistiker Lösug zu Blatt 8 Aufgabe 8 [8 Pukte] (a) Für alle N sei = (+) Wir

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

Parameter von Häufigkeitsverteilungen

Parameter von Häufigkeitsverteilungen Kapitel 3 Parameter vo Häufigkeitsverteiluge 3. Mittelwerte Mo Der Modus (:= häufigster Wert, Abk.: Mo) ist der Merkmalswert mit der größte Häufigkeit, falls es eie solche gibt. Er sollte ur bei eigipflige

Mehr

Kapitel 6 Differenzierbarkeit

Kapitel 6 Differenzierbarkeit Kapitel 6 Differezierbarkeit Ihalt 6.1 6.1Die Defiitio 6.2 6.2Die Eigeschafte 6.3 6.3Extremwerte Seite 2 Was heißt differezierbar? Differezierbare Fuktioe sid sid glatte Fuktioe. Wir Wir beschreibe diese

Mehr

1 Vollständige Induktion

1 Vollständige Induktion 1 Vollstädige Idutio 1.1 Idutiosbeweise Das Beweisprizip der vollstädige Idutio ist eies der wichtigste Hilfsmittel der Mathemati icht ur der Aalysis. Es fidet Verwedug bei pratische alle Aussage, die

Mehr

8. Übungsblatt Aufgaben mit Lösungen

8. Übungsblatt Aufgaben mit Lösungen 8. Übugsblatt Aufgabe mit Lösuge Aufgabe 36: Bestimme Sie alle z C, für die die folgede Potezreihe kovergiere: z z a, b! +, c z +. = = Lösug 36: Wir bezeiche de Kovergezradius mit r. a Wir wede das Quotietekriterium

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

Stochastik. Vorlesung. an der. Albert Ludwigs Universität Freiburg i. Br. Wintersemester 2013/14 Sommersemester Prof. Dr. H. R.

Stochastik. Vorlesung. an der. Albert Ludwigs Universität Freiburg i. Br. Wintersemester 2013/14 Sommersemester Prof. Dr. H. R. Stochastik Vorlesug a der Albert Ludwigs Uiversität Freiburg i. Br. Witersemester 203/4 Sommersemester 204 Prof. Dr. H. R. Lerche 5. Oktober 205 Ihaltsverzeichis Eileitede ud historische Bemerkuge. Was

Mehr