Stochastische Prozesse

Größe: px
Ab Seite anzeigen:

Download "Stochastische Prozesse"

Transkript

1 Gerold Alsmeyer Stochastische Prozesse Band 1: Diskrete Markov-Ketten und Martingale 22. Mai 2012 Skriptum

2

3 Inhaltsverzeichnis Teil I Markov-Ketten auf abzählbaren Zustandsräumen 1 Markov-Ketten: Theoretische Grundlagen Definitionen und grundlegende Eigenschaften Das Standardmodell Filtrationen und Stopzeiten Filtrationen Stopzeiten Die starke Markov-Eigenschaft Stationäre Maße und Verteilungen Diskrete Markov-Ketten Beispiele diskreter Markov-Ketten Markov-Ketten mit zwei Zuständen Ein einfaches Bedienungssystem Irrfahrten mit reflektierenden Barrieren Irrfahrten mit absorbierenden Barrieren Einfache Irrfahrten auf einem Graphen Das Ehrenfest-Modell für Wärmeaustausch Markov-Ketten in der Genetik: Die Modelle von Wright-Fisher und Moran Irrfahrten auf Z d Eine Variante: Reflektierende Irrfahrten auf Z Diskrete Random Walks in Z d Ein Bedienungssystem mit konstanten Bedienungszeiten Ein Lagerhaltungsmodell Der Galton-Watson-Verzweigungsprozess Zustandseigenschaften und Irreduzibilität Irreduzibilität Periodizität Zyklische Zerlegung einer DMK v

4 vi Inhaltsverzeichnis Rekurrenz und Transienz Rekurrenz/Transienz von Irrfahrten auf Z d Der eindimensionale Fall Der zweidimensionale Fall Der drei- und mehrdimensionale Fall Solidaritätseigenschaften Stationäre Maße und Zeitmittel Stationäre Maße via zyklischer Zerlegungen Zeitmittel Null-Rekurrenz unter der Lupe Wieviele stationäre Maße hat eine DMK? Kopplung und gleichmäßige Verteilungskonvergenz (Ergodizität) diskreter Markov-Ketten Die Kopplungsmethode Der Ergodensatz für aperiodische, positiv rekurrente DMK Asymptotisches Verhalten im periodischen Fall Nochmals der null-rekurrente Fall Gleichmäßige und exponentielle Ergodizität Absorptionswahrscheinlichkeiten Reversibilität: Der Blick zurück Und nochmals Beispiele Markov-Ketten mit zwei Zuständen Die Diffusionsmodelle von Ehrenfest und Bernoulli-Laplace Markov-Ketten in der Genetik Ein Bedienungssystem mit konstanten Bedienungszeiten Das DM/DM/1-Bedienungssystem Ein Lagerhaltungsmodell Der Galton-Watson-Verzweigungsprozess Ergodische Markov-Ketten unter der Lupe: Konvergenzraten Nichtnegative Matrizen und der Satz von Perron-Frobenius Spektraltheorie für reversible Übergangsmatrizen Spektraldarstellung reversibler Übergangsmatrizen Spektralabschätzungen für den Variationsabstand Der nicht-reversible Fall Schranken für den betraglich zweitgrößten Eigenwert Dirichlet-Formen und variationelle Charakterisierung von Eigenwerten Geometrische Schranken durch gewichtete Pfade Leitfähigkeit und die Cheeger-Ungleichung Probabilistische Abschätzungen Der ergodische Koeffizient und die Dobrushin-Ungleichung Separation und stark stationäre Zeiten Die Distanzmethode

5 Inhaltsverzeichnis vii Teil II Martingale in diskreter Zeit 4 Martingale in diskreter Zeit: Allgemeine Theorie Definitionen, elementare Eigenschaften und Beispiele Das Optional-Sampling-Theorem Martingal-Transformationen und gestoppte Martingale Optional Sampling für unbeschränkte Stopzeiten Der Martingal-Konvergenzsatz Gleichgradige Integrierbarkeit und Martingal-Konvergenz Inverse Martingale und Optional Sampling Quadratisch integrierbare Martingale L 2 -Beschränktheit und orthogonale Zerlegung Die Doob-Zerlegung Die quadratische Variation eines L 2 -Martingals Ein starkes Gesetz der großen Zahlen für L 2 -Martingale Nochmals der Martingal-Konvergenzsatz: Garsias Beweis Martingale in Aktion Gambler s ruin Der Galton-Watson-Verzweigungsprozess Das Wright-Fisher-Modell bei variierender Populationsgröße Das Cramér-Lundberg-Modell der Risikotheorie Die Black-Scholes-Formel der Finanzmathematik: eine diskrete Version Kakutanis Satz über Produktmartingale Null-Eins-Gesetze, Austauschbarkeit und der Satz von de Finetti Der Kalman-Bucy-Filter Harmonische Funktionen und Rekurrenzkriterien für DMK Optimales Stoppen und das Problem der besten Wahl Literaturverzeichnis Sachverzeichnis

6

7 Abkürzungsverzeichnis DMK DS-Argument EMK FE-Argument f.s. FT g.i. L-Maß L-integrierbar LT MK p.d. R-integrierbar d.r.i. u.o. VFkt. W-Maß W-Raum W-Verteilung ZG Diskrete Markov-Kette Dynkin-System-Argument Endliche Markov-Kette Funktions-Erweiterungsargument fast sicher Fourier-Transformierte gleichgradig integrierbar Lebesgue-Maß Lebesgue-integrierbar Laplace-Transformierte Markov-Kette paarweise disjunkt Riemann-integrierbar direkt Riemann-integrierbar unendlich oft Verteilungsfunktion Wahrscheinlichkeitsmaß Wahrscheinlichkeitsraum Wahrscheinlichkeitsverteilung Zufallsgröße ix

8

9 Symbole Bern(θ) Bernoulli-Verteilung mit Parameter θ (0, 1) β(a,b) Betaverteilung mit Parametern a,b R > β (a,b) Betaverteilung der 2. Art mit Parametern a,b R > Bin(n, θ) Binomialverteilung mit Parametern n N and θ (0, 1) δ a Dirac-Verteilung in a Exp(θ) Exponentialverteilung mit Parameter θ R > Γ (α,β) Gammaverteilung mit Parametern α,β R > Geom(θ) Geometrische Verteilung mit mit Parameter θ (0,1) HGeom(N, n, m) Hypergeometrische Verteilung mit Parametern N, n, m N NBin(n,θ) Negative Binomialverteilung mit Parametern n N and θ R > Poisson(θ) Poisson-Verteilung mit Parameter θ R > Unif{x 1,...,x n } Diskrete Gleichverteilung auf der Menge {x 1,...,x n } Normal(µ,σ 2 ) Normalverteilung mit Parametern µ R and σ 2 R > Cauchy(a,b) Cauchy-Verteilung mit Parametern a R and b R > S (α, b) Symmetrische stabile Verteilung mit Index α (0, 2] und Skalierungsparameter b R > S + (α,b) Einseitige stabile Verteilung mit Index α (0,1] und Skalierungsparameter b R > Unif(a, b) Gleichverteilung auf [a, b], a < b xi

DIPLOMARBEIT. Abschätzungen der Konvergenzgeschwindigkeit von Markov-Ketten gegen die Gleichgewichtsverteilung

DIPLOMARBEIT. Abschätzungen der Konvergenzgeschwindigkeit von Markov-Ketten gegen die Gleichgewichtsverteilung Studiengang Diplom-Mathematik mit Schwerpunkt Biowissenschaften DIPLOMARBEIT Abschätzungen der Konvergenzgeschwindigkeit von Markov-Ketten gegen die Gleichgewichtsverteilung von: Christina Boll geb. Wolf

Mehr

Einführung in Markoff-Ketten

Einführung in Markoff-Ketten Einführung in Markoff-Ketten von Peter Pfaffelhuber Version: 6. Juli 200 Inhaltsverzeichnis 0 Vorbemerkung Grundlegendes 2 Stationäre Verteilungen 6 3 Markoff-Ketten-Konvergenzsatz 8 0 Vorbemerkung Die

Mehr

1.1.1 Ergebnismengen Wahrscheinlichkeiten Formale Definition der Wahrscheinlichkeit Laplace-Experimente...

1.1.1 Ergebnismengen Wahrscheinlichkeiten Formale Definition der Wahrscheinlichkeit Laplace-Experimente... Inhaltsverzeichnis 0 Einführung 1 1 Zufallsvorgänge und Wahrscheinlichkeiten 5 1.1 Zufallsvorgänge.......................... 5 1.1.1 Ergebnismengen..................... 6 1.1.2 Ereignisse und ihre Verknüpfung............

Mehr

Elementare Wahrscheinlichkeitsrechnung

Elementare Wahrscheinlichkeitsrechnung Johann Pfanzagl Elementare Wahrscheinlichkeitsrechnung 2., überarbeitete und erweiterte Auflage W DE G Walter de Gruyter Berlin New York 1991 Inhaltsverzeichnis 1. Zufallsexperimente und Wahrscheinlichkeit

Mehr

3. Kombinatorik und Wahrscheinlichkeit

3. Kombinatorik und Wahrscheinlichkeit 3. Kombinatorik und Wahrscheinlichkeit Es geht hier um die Bestimmung der Kardinalität endlicher Mengen. Erinnerung: Seien A, B, A 1,..., A n endliche Mengen. Dann gilt A = B ϕ: A B bijektiv Summenregel:

Mehr

Einführung in die Wahrscheinlichkeitsrechnung und Statistik für Ingenieure

Einführung in die Wahrscheinlichkeitsrechnung und Statistik für Ingenieure Einführung in die Wahrscheinlichkeitsrechnung und Statistik für Ingenieure Von Prof. Hubert Weber Fachhochschule Regensburg 3., überarbeitete und erweiterte Auflage Mit zahlreichen Bildern, Tabellen sowie

Mehr

Vorlesung Monte-Carlo-Verfahren

Vorlesung Monte-Carlo-Verfahren Vorlesung Monte-Carlo-Verfahren Technische Universität München, SS 2010 Dozentin: Caroline Lasser Tutor: Thomas März (Stand vom 22. Juli 2010) Termine: Vorlesung dienstags 10:15-11:45 Uhr, Raum MI 02.10.011

Mehr

Grundlagen der Mathematik, der Statistik und des Operations Research für Wirtschaftswissenschaftler

Grundlagen der Mathematik, der Statistik und des Operations Research für Wirtschaftswissenschaftler Grundlagen der Mathematik, der Statistik und des Operations Research für Wirtschaftswissenschaftler Von Professor Dr. Gert Heinrich 3., durchgesehene Auflage R.Oldenbourg Verlag München Wien T Inhaltsverzeichnis

Mehr

Zufallsvariablen [random variable]

Zufallsvariablen [random variable] Zufallsvariablen [random variable] Eine Zufallsvariable (Zufallsgröße) X beschreibt (kodiert) die Versuchsausgänge ω Ω mit Hilfe von Zahlen, d.h. X ist eine Funktion X : Ω R ω X(ω) Zufallsvariablen werden

Mehr

1 A dp = P(A B). (1.3)

1 A dp = P(A B). (1.3) Markov-etten Seminar Stochastik vom 4-500 Version Oktober 00 Markus Penz Vorbemerkungen zu bedingten Wahrscheinlichkeiten Sei (Ω, F,P) ein Wahrscheinlichkeitsraum und X : Ω R eine F-messbare sowie integrierbare

Mehr

Satz 2.8.3: Sei Q eine Intensitätsmatrix. Dann hat die

Satz 2.8.3: Sei Q eine Intensitätsmatrix. Dann hat die Satz 2.8.3: Sei Q eine Intensitätsmatrix. Dann hat die Rückwärtsgleichung P (t) = QP (t), P (0) = E eine minimale nicht negative Lösung (P (t) : t 0). Die Lösung bildet eine Matrix Halbgruppe, d.h. P (s)p

Mehr

Kapitel 6 Martingale

Kapitel 6 Martingale Kapitel 6 Martingale Martingale spielen eine große Rolle in der Finanzmathematik, und sind zudem ein wichtiges Hilfsmittel für die statistische Inferenz stochastischer Prozesse, insbesondere auch für Zählprozesse

Mehr

Keine Panik vor Statistik!

Keine Panik vor Statistik! Markus Oestreich I Oliver Romberg Keine Panik vor Statistik! Erfolg und Spaß im Horrorfach nichttechnischer Studiengänge STUDIUM 11 VIEWEG+ TEUBNER Inhaltsverzeichnis 1 Erstmal locker bleiben: Es längt

Mehr

9 Schnell mischende Markov-Ketten

9 Schnell mischende Markov-Ketten 9 Schnell mischende Markov-Ketten Allgemeines zu schnell mischenden Markov-Ketten findet man zum Beispiel in dem Buch Introduction to Markov Chains von Behrends (2000). Außerdem haben wir von einem Teil

Mehr

Zusammenfassung Stochastik I + II

Zusammenfassung Stochastik I + II Zusammenfassung Stochastik I + II Stephan Kuschel Vorlesung von Dr. Nagel Stochastik I: WS 007/08 Stochastik II: SS 008 zuletzt aktualisiert: 7. Juli 009 Da diese Zusammenfassung den Menschen, die sie

Mehr

Zusammenfassung der Lebesgue-Integrationstheorie

Zusammenfassung der Lebesgue-Integrationstheorie Zusammenfassung der Lebesgue-Integrationstheorie Das Lebesguesche Integral verallgemeinert das Riemannsche Integral. Seine Vorteile liegen für unsere Anwendungen vor allem bei den wichtigen Konvergenzsätzen,

Mehr

Gesetze der großen Zahlen

Gesetze der großen Zahlen Kapitel 0 Gesetze der großen Zahlen 0. Einführung Im ersten Kapitel wurde auf eine Erfahrungstatsache im Umgang mit zufälligen Erscheinungen aufmerksam gemacht, die man gewöhnlich als empirisches Gesetz

Mehr

Die Kopplung von Markovketten und die Irrfahrt auf dem Torus

Die Kopplung von Markovketten und die Irrfahrt auf dem Torus Die Kopplung von Markovketten und die Irrfahrt auf dem Torus Verena Monschang Vortrag 20.05.20 Dieser Seminarvortrag thematisiert in erster Linie die Kopplung von Markovketten. Zu deren besseren Verständnis

Mehr

Übungen zu bedingten Erwartungswerten. Tutorium Stochastische Prozesse 13. Dezember 2016

Übungen zu bedingten Erwartungswerten. Tutorium Stochastische Prozesse 13. Dezember 2016 Übungen zu bedingten Erwartungswerten Tutorium Stochastische Prozesse 13. Dezember 2016 Bedingter Erwartungswert Definition Sei X eine reellwertige Zufallsvariable auf (Ω, A, P), so dass E[ X ]

Mehr

1 Zahlen... 1 1.1 Anzahlen... 1 1.2 Reelle Zahlen... 10 1.3 Dokumentation von Messwerten... 12 1.4 Ausgewählte Übungsaufgaben...

1 Zahlen... 1 1.1 Anzahlen... 1 1.2 Reelle Zahlen... 10 1.3 Dokumentation von Messwerten... 12 1.4 Ausgewählte Übungsaufgaben... Inhaltsverzeichnis 1 Zahlen... 1 1.1 Anzahlen... 1 1.2 Reelle Zahlen... 10 1.3 Dokumentation von Messwerten... 12 1.4 Ausgewählte Übungsaufgaben... 14 2 Beschreibende Statistik... 15 2.1 Merkmale und ihre

Mehr

Vorlesung im SoSe 2010 Stochastische Analysis & Zeitstetige Finanzmathematik

Vorlesung im SoSe 2010 Stochastische Analysis & Zeitstetige Finanzmathematik Univ. Leipzig Mathematisches Institut Vertretung Professur Stochastische Prozesse Max v. Renesse email: [email protected] Vorlesung im SoSe 2010 Stochastische Analysis & Zeitstetige Finanzmathematik

Mehr

Die komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C.

Die komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C. Die omplexen Zahlen und Salarprodute Kurze Wiederholung des Körpers der omplexen Zahlen C. Erinnerung an die Definition von exp, sin, cos als Potenzreihen C C Herleitung der Euler Formel Definition eines

Mehr

8. Stetige Zufallsvariablen

8. Stetige Zufallsvariablen 8. Stetige Zufallsvariablen Idee: Eine Zufallsvariable X ist stetig, falls ihr Träger eine überabzählbare Teilmenge der reellen Zahlen R ist. Beispiel: Glücksrad mit stetigem Wertebereich [0, 2π] Von Interesse

Mehr

Stochastische Analysis

Stochastische Analysis Stochastische Analysis SS1 von Steffen Dereich Fachbereich Mathematik und Informatik Philipps-Universität Marburg Version vom 6. Mai 21 Inhaltsverzeichnis 1 Motivation / Einführung 4 1.1 Motivation anhand

Mehr

Trennende Markov Ketten

Trennende Markov Ketten Trennende Markov Ketten (in Zusammenarbeit mit A. Martinsson) Timo Hirscher Chalmers Tekniska Högskola Seminarvortrag KIT 8. Mai 206 Übersicht Der Seminarvortrag ist wie folgt gegliedert: Einleitung Denitionen

Mehr

Markov-Ketten und Irrfahrten auf Z d

Markov-Ketten und Irrfahrten auf Z d Markov-Ketten und Irrfahrten auf Z d Diana Atzmüller 20. März 2013 1 Inhaltsverzeichnis 1 Einleitung 3 2 Markov-Ketten 4 2.1 Grundlagen............................ 4 2.2 Übergangswahrscheinlichkeit in

Mehr

4 Diskrete Wahrscheinlichkeitsverteilungen

4 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

Mehr

Die Abbildung zeigt die Kette aus dem "

Die Abbildung zeigt die Kette aus dem ½ Ô ½ 0 1 2 Õ Eine Markov-Kette mit absorbierenden Zustanden Die Abbildung zeigt die Kette aus dem " gamblers ruin problem\ fur m = 2. Man sieht sofort, dass hier sowohl 1 = (1; 0; 0) als auch 2 = (0;

Mehr

Varianz und Kovarianz

Varianz und Kovarianz KAPITEL 9 Varianz und Kovarianz 9.1. Varianz Definition 9.1.1. Sei (Ω, F, P) ein Wahrscheinlichkeitsraum und X : Ω eine Zufallsvariable. Wir benutzen die Notation (1) X L 1, falls E[ X ]

Mehr

STOCHASTISCHE PROZESSE. Vorlesungsskript

STOCHASTISCHE PROZESSE. Vorlesungsskript STOCHASTISCHE PROZESSE I: Markovketten in diskreter und stetiger Zeit Wolfgang König Vorlesungsskript Universität Leipzig Sommersemester 2005 Inhaltsverzeichnis 1 Grundlagen 3 1.1 Einleitung........................................

Mehr

I. Deskriptive Statistik 1

I. Deskriptive Statistik 1 I. Deskriptive Statistik 1 1. Einführung 3 1.1. Grundgesamtheit und Stichprobe.................. 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................

Mehr

Der Satz von Cramér (1938) Ausarbeitung zu einem Vortrag im Seminar Große Abweichungen am Maren Urner

Der Satz von Cramér (1938) Ausarbeitung zu einem Vortrag im Seminar Große Abweichungen am Maren Urner Der Satz von Cramér (1938) Ausarbeitung zu einem Vortrag im Seminar Große Abweichungen am 04.12.2010 Maren Urner In diesem Vortrag soll der Satz von Cramér als ein Prinzip großer Abweichungen (LDP) vorgestellt

Mehr

Über den Autor 7. Teil Beschreibende Statistik 29

Über den Autor 7. Teil Beschreibende Statistik 29 Inhaltsverzeichnis Über den Autor 7 Einführung Über dieses Buch - oder:»... für Dummies«verpflichtet! Wie man dieses Buch benutzt 22 Wie ich Sie mir vorstelle 22 Wie dieses Buch aufgebaut ist 23 Teil I:

Mehr

Wahrscheinlichkeitsrechnung und schließende Statistik

Wahrscheinlichkeitsrechnung und schließende Statistik Günther Bourier Wahrscheinlichkeitsrechnung und schließende Statistik Praxisorientierte Einführung Mit Aufgaben und Lösungen 3. F überarbeitete Auflage GABLER Inhaltsverzeichnis Vorwort Inhaltsverzeichnis

Mehr

Großes Lehrbuch der Mathematik für Ökonomen

Großes Lehrbuch der Mathematik für Ökonomen Großes Lehrbuch der Mathematik für Ökonomen Von Professor Dr. Karl Bosch o. Professor für angewandte Mathematik und Statistik an der Universität Stuttgart-Hohenheim und Professor Dr. Uwe Jensen R. Oldenbourg

Mehr

6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen

6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen 6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Bisher: Diskrete Zufallsvariablen,

Mehr

Kapitel VI - Lage- und Streuungsparameter

Kapitel VI - Lage- und Streuungsparameter Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel VI - Lage- und Streuungsparameter Markus Höchstötter Lehrstuhl für Statistik, Ökonometrie

Mehr

Fragenkatalog Kapitel 1 Fehleranalyse

Fragenkatalog Kapitel 1 Fehleranalyse Teil 1: Numerik katalog Kapitel 1 Fehleranalyse 1. Zwischen was besteht ein funktionaler Zusammenhang z i? Welche Form hat er? 2. Welche 4 Typen von Fehlerquellen gibt es? Nenne Beispiele! 3. Wie berechnet

Mehr

Diskrete Strukturen WiSe 2012/13 in Trier

Diskrete Strukturen WiSe 2012/13 in Trier Diskrete Strukturen WiSe 2012/13 in Trier Henning Fernau Universität Trier [email protected] 11. Januar 2013 1 Diskrete Strukturen Gesamtübersicht Organisatorisches und Einführung Mengenlehre Relationen

Mehr

Statistik. Ludwig Fahrmeir Rita Künstler Iris Pigeot Gerhard Tutz. Der Weg zur Datenanalyse. Springer. Zweite, verbesserte Auflage

Statistik. Ludwig Fahrmeir Rita Künstler Iris Pigeot Gerhard Tutz. Der Weg zur Datenanalyse. Springer. Zweite, verbesserte Auflage Ludwig Fahrmeir Rita Künstler Iris Pigeot Gerhard Tutz Statistik Der Weg zur Datenanalyse Zweite, verbesserte Auflage Mit 165 Abbildungen und 34 Tabellen Springer Inhaltsverzeichnis Vorwort v 1 Einführung

Mehr

Mathematik III. Vorlesung 71

Mathematik III. Vorlesung 71 Prof. Dr. H. Brenner Osnabrück WS 2010/2011 athematik III Vorlesung 71 Ausschöpfungseigenschaften Die folgenden Rechenregeln für Integrale beruhen auf dem Ausschöpfungssatz für aße. an kann den Subgraphen

Mehr

1 Stochastische Konvergenz 2. 2 Das Gesetz der grossen Zahlen 4. 3 Der Satz von Bernoulli 6

1 Stochastische Konvergenz 2. 2 Das Gesetz der grossen Zahlen 4. 3 Der Satz von Bernoulli 6 Wirtschaftswissenschaftliches Zentrum 0 Universität Basel Mathematik Dr. Thomas Zehrt Grenzwertsätze Benötigtes Vorwissen: Der Stoff der Vorlesung,,Statistik wird als bekannt vorausgesetzt, insbesondere

Mehr

Vorlesung 8a. Kovarianz und Korrelation

Vorlesung 8a. Kovarianz und Korrelation Vorlesung 8a Kovarianz und Korrelation 1 Wir erinnern an die Definition der Kovarianz Für reellwertige Zufallsvariable X, Y mit E[X 2 ] < und E[Y 2 ] < ist Cov[X, Y ] := E [ (X EX)(Y EY ) ] Insbesondere

Mehr

Wahrscheinlichkeitsrechnung und schließende Statistik

Wahrscheinlichkeitsrechnung und schließende Statistik Springer-Lehrbuch Wahrscheinlichkeitsrechnung und schließende Statistik von Karl Mosler, Friedrich Schmid Neuausgabe Wahrscheinlichkeitsrechnung und schließende Statistik Mosler / Schmid schnell und portofrei

Mehr

Vertiefung NWI: 13. Vorlesung zur Wahrscheinlichkeitstheorie

Vertiefung NWI: 13. Vorlesung zur Wahrscheinlichkeitstheorie Fakultät für Mathematik Prof. Dr. Barbara Gentz SS 2013 Vertiefung NWI: 13. Vorlesung zur Wahrscheinlichkeitstheorie Mittwoch, 10.7.2013 13. Markoffketten 13.1 Beispiele 1. Irrfahrt auf dem zweidimensionalen

Mehr

ETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig)

ETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig) ETWR Teil B 2 Ziele Bisher (eindimensionale, mehrdimensionale) Zufallsvariablen besprochen Lageparameter von Zufallsvariablen besprochen Übertragung des gelernten auf diskrete Verteilungen Ziel des Kapitels

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung und Statistik 3. Vorlesung - 21.10.2016 Bedingte Wahrscheinlichkeit In einer Urne sind 2 grüne und 3 blaue Kugeln. 2 Kugeln werden ohne Zürücklegen gezogen. Welches ist die Wahrscheinlichkeit, dass : a) man eine grüne

Mehr

Einführung in die Statistik Kapitel 5: n (Konvergenz, LLN, CLT)

Einführung in die Statistik Kapitel 5: n (Konvergenz, LLN, CLT) Einführung in die Statistik Kapitel 5: n (Konvergenz, LLN, CLT) Jung Kyu Canci Universität Basel HS2015 1 / 44 Literatur Kapitel 5 Statistik in Cartoons : Kapitel 5, Seite 114 in Kapitel 6 Krengel : 3.6

Mehr

Grundkompetenzen (Mathematik Oberstufe)

Grundkompetenzen (Mathematik Oberstufe) Grundkompetenzen (Mathematik Oberstufe) AG: Algebra und Geometrie (14 Deskriptoren) FA: Funktionale Abhängigkeiten (35 Deskriptoren) AN: Analysis (11 Deskriptoren) WS: Wahrscheinlichkeit und Statistik

Mehr

Schätzer und Konfidenzintervalle

Schätzer und Konfidenzintervalle Kapitel 2 Schätzer und Konfidenzintervalle Bisher haben wir eine mathematische Theorie entwickelt, die es uns erlaubt, gewisse zufällige Phänomene zu modellieren. Zum Beispiel modellieren wir die Anzahl

Mehr

Zusammenfassung: Einführung in die Stochastik für Informatiker Prof. Dr. Udo Kamps - SS04. February 15, 2005

Zusammenfassung: Einführung in die Stochastik für Informatiker Prof. Dr. Udo Kamps - SS04. February 15, 2005 Zusammenfassung: Einführung in die Stochastik für Informatiker Prof. Dr. Udo Kamps - SS04 February 5, 2005 Inhaltsverzeichnis Inhaltsverzeichnis Diskrete Wahrscheinlichkeitsräume und deren Erweiterung

Mehr

Tabellarische und graphie Darstellung von univariaten Daten

Tabellarische und graphie Darstellung von univariaten Daten Part I Wrums 1 Motivation und Einleitung Motivation Satz von Bayes Übersetzten mit Paralleltext Merkmale und Datentypen Skalentypen Norminal Ordinal Intervall Verältnis Merkmalstyp Diskret Stetig Tabellarische

Mehr

KAPITEL 2. Folgen und Reihen

KAPITEL 2. Folgen und Reihen KAPITEL 2 Folgen und Reihen 1. Konvergenz und Divergenz Definition 2.1 (Folgen). Eine Abbildung a : N R (bzw. a : N 0 R) nennt man Folge. Statt a : N R schreibt man meist (a n ) n N und a n statt a(n).

Mehr

Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010

Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010 Aufgabensammlung aus Mathematik 2 UMIT, SS 2, Version vom 7. Mai 2 I Aufgabe I Teschl / K 3 Zerlegen Sie die Zahl 8 N in ihre Primfaktoren. Aufgabe II Teschl / K 3 Gegeben sind die natürliche Zahl 7 und

Mehr

Musterlösung Klausur,,Einführung in die W theorie

Musterlösung Klausur,,Einführung in die W theorie Institut für angewandte Mathematik Wintersemester 3/4 Andreas Eberle, Lisa Hartung / Patrick Müller Musterlösung Klausur,,Einführung in die W theorie. (Zufallsvariablen und ihre Verteilung) a) Was ist

Mehr

Schulinterne Vereinbarungen für den Unterricht in Sekundarstufe II

Schulinterne Vereinbarungen für den Unterricht in Sekundarstufe II Schulinterne ereinbarungen für den Unterricht in Sekundarstufe (Beschluss der Fachkonferenz Mathematik vom 16.11.2011) Einführungsphase Funktionen (LS und ) (LS ) Kurvendiskussion ganzrationaler Funktionen

Mehr

Über die Autoren 9. Einführung 21

Über die Autoren 9. Einführung 21 Inhaltsverzeichnis Über die Autoren 9 Einführung 21 Über dieses Buch 21 Konventionen in diesem Buch 22 Törichte Annahmen über den Leser 22 Wie dieses Buch aufgebaut ist 22 Teil I: Einfache Algebra 23 Teil

Mehr

2 Allgemeine Integrationstheorie

2 Allgemeine Integrationstheorie 2 Allgemeine Integrationstheorie In diesem Abschnitt ist (,S,µ) ein Maßraum, und wir betrachten R immer mit der σ Algebra B(R). Ziel ist es, messbare Funktionen f : R zu integrieren. Das Maß µ wird uns

Mehr

Werner Sandmann: Modellierung und Analyse 4 1. Kapitel 4. Markovketten

Werner Sandmann: Modellierung und Analyse 4 1. Kapitel 4. Markovketten Werner Sandmann: Modellierung und Analyse 4 1 Kapitel 4 Markovketten Werner Sandmann: Modellierung und Analyse Kapitel 4 Markovketten 4.1 Grundlagen 4 2 Abschnitt 4.1 Grundlagen Werner Sandmann: Modellierung

Mehr

Regulär variierende Funktionen

Regulär variierende Funktionen KAPITEL 4 Regulär variierende Funktionen Unser nächstes Ziel ist es, die Max-Anziehungsbereiche der Extremwertverteilungen zu beschreiben. Dies wird im nächsten Kapitel geschehen. Wir haben bereits gesehen,

Mehr

Kaplan-Meier und Nelson-Aalen Schätzer II Konsistenz und Vertrauensintervall

Kaplan-Meier und Nelson-Aalen Schätzer II Konsistenz und Vertrauensintervall Kaplan-Meier und Nelson-Aalen Schätzer II Konsistenz und Vertrauensintervall Christian Reichlin Michael Stadelmann 29. Mai 26 Statistik-Seminar bei Frau Prof. Dr. Sara van de Geer, Herrn Dr. Prof. Barbour,

Mehr

Inhaltsverzeichnis. 2 Kurzbeschreibung von SPSS Der SPSS-Dateneditor Statistische Analysen mit SPSS DieDaten...

Inhaltsverzeichnis. 2 Kurzbeschreibung von SPSS Der SPSS-Dateneditor Statistische Analysen mit SPSS DieDaten... Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R... 3 1.1 Installieren und Starten von R... 3 1.2 R-Befehleausführen... 3 1.3 R-Workspace speichern... 4 1.4 R-History sichern........ 4 1.5

Mehr

Statistik für Ökonomen

Statistik für Ökonomen Wolfgang Kohn Riza Öztürk Statistik für Ökonomen Datenanalyse mit R und SPSS 2., überarbeitete Auflage 4ü Springer Gabler Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R '! 3 1.1 Installieren

Mehr

Modellfall. Orthogonalität trigonometrischer Funktionen. Anwendungen: f : (0, L) R gegeben.

Modellfall. Orthogonalität trigonometrischer Funktionen. Anwendungen: f : (0, L) R gegeben. Modellfall Anwendungen: Fragen: Digitalisierung / digitale Darstellung von Funktionen, insbesondere für Ton- und Bilddaten Digitale Frequenzfilter Datenkompression: Abspeichern der unteren Frequenzen Lösung

Mehr

Inhaltsverzeichnis. Teil I Einführung

Inhaltsverzeichnis. Teil I Einführung Inhaltsverzeichnis Teil I Einführung 1 Statistik-Programme... 1.1 Kleine Einführung in R... 1.1.1 Installieren und Starten von R. 1.1.2 R-Konsole... 1.1.3 R-Workspace... 1.1.4 R-History... 1.1.5 R-Skripteditor...

Mehr

3 Bedingte Erwartungen und Wahrscheinlichkeiten (Version November 2011)

3 Bedingte Erwartungen und Wahrscheinlichkeiten (Version November 2011) 3 Bedingte Erwartungen und Wahrscheinlichkeiten (Version November 2011) 3.1 Definition der bedingten Erwartung und grundlegende Eigenschaften Erinnerung: Sei (Ω, F, P) ein Wahrscheinlichkeitsraum und (

Mehr

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω 5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,

Mehr

Statistics, Data Analysis, and Simulation SS 2015

Statistics, Data Analysis, and Simulation SS 2015 Mainz, May 12, 2015 Statistics, Data Analysis, and Simulation SS 2015 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Dr. Michael O. Distler

Mehr

Stochastik für Studierende der Informatik

Stochastik für Studierende der Informatik Stochastik für Studierende der Informatik von Peter Pfaffelhuber Version: 28. September 2013 Inhaltsverzeichnis 1 Grundlegendes 3 1.1 Häufige Modelle: Münzwurf, Würfeln, Urnen.................. 3 1.2 Kombinatorik....................................

Mehr

Lösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 3: Aufgaben zu den Kapiteln 5 und 6

Lösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 3: Aufgaben zu den Kapiteln 5 und 6 1 Lösungen ausgewählter Übungsaufgaben zum Buch Elementare Stochastik (Springer Spektrum, 2012) Teil 3: Aufgaben zu den Kapiteln 5 und 6 Aufgaben zu Kapitel 5 Zu Abschnitt 5.1 Ü5.1.1 Finden Sie eine maximum-likelihood-schätzung

Mehr

Analysis I - Stetige Funktionen

Analysis I - Stetige Funktionen Kompaktheit und January 13, 2009 Kompaktheit und Funktionengrenzwert Definition Seien X, d X ) und Y, d Y ) metrische Räume. Desweiteren seien E eine Teilmenge von X, f : E Y eine Funktion und p ein Häufungspunkt

Mehr

Der Primzahlsatz. Es gibt eine Konstante A, so daß f(x) g(x) Ah(x) für alle genügend großen x.

Der Primzahlsatz. Es gibt eine Konstante A, so daß f(x) g(x) Ah(x) für alle genügend großen x. Der Primzahlsatz Zusammenfassung Im Jahr 896 wurde von Hadamard und de la Vallée Poussin der Primzahlsatz bewiesen: Die Anzahl der Primzahlen kleiner gleich verhält sich asymptotisch wie / log. Für ihren

Mehr

Signifikanz von Alignment Scores und BLAST

Signifikanz von Alignment Scores und BLAST Westfälische Wilhelms Universität Münster Fachbereich 10 - Mathematik und Informatik Signifikanz von Alignment Scores und BLAST Seminarvortrag von Leonie Zeune 10. Mai 2012 Veranstaltung: Seminar zur mathematischen

Mehr

STOCHASTIK A&B PHILIP HERRMANN

STOCHASTIK A&B PHILIP HERRMANN STOCHASTIK A&B PHILIP HERRMANN Inhaltsverzeichnis 1. Kombinatorik 2 2. Wahrscheinlichkeiten 2 3. Bedingte Wahrscheinlichkeiten 3 4. Unabhängige Ereignisse 4 5. Diskrete Zufallsvariablen 4 6. Erwartungswert

Mehr

Statistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage

Statistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz 3., überarbeitete Auflage R.01denbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt

Mehr

Proseminar Lineare Algebra II, SS 11. Blatt

Proseminar Lineare Algebra II, SS 11. Blatt Blatt 1 1. Berechnen Sie die Determinante der Matrix 0 0 4 1 2 5 1 7 1 2 0 3 1 3 0 α. 2. Stellen Sie folgende Matrix als Produkt von Elementarmatrizen dar: 1 3 1 4 2 5 1 3 0 4 3 1. 3 1 5 2 3. Seien n 2

Mehr

Klausur zur Vorlesung,,Algorithmische Mathematik II

Klausur zur Vorlesung,,Algorithmische Mathematik II Institut für angewandte Mathematik, Institut für numerische Simulation Sommersemester 2015 Prof. Dr. Anton Bovier, Prof. Dr. Martin Rumpf Klausur zur Vorlesung,,Algorithmische Mathematik II Bitte diese

Mehr

5 Die Brownsche Bewegung, das Riemann- und das Lebesgue-Stieltjes Integral

5 Die Brownsche Bewegung, das Riemann- und das Lebesgue-Stieltjes Integral 5 Die Brownsche Bewegung, das Riemann- und das Lebesgue-Stieltjes Integral 5.3 Kriterium für die Äquivalenz stochastischer Prozesse 5.4 Der äquivalente kanonische Prozess 5.5 Existenz einer d-dimensionalen

Mehr

Bedingte Wahrscheinlichkeiten und Unabhängigkeit

Bedingte Wahrscheinlichkeiten und Unabhängigkeit Kapitel 5 Bedingte Wahrscheinlichkeiten und Unabhängigkeit Mitunter erhält man über das Ergebnis eines zufälligen Versuches Vorinformationen. Dann entsteht die Frage, wie sich für den Betrachter, den man

Mehr

4 Unabhängige Zufallsvariablen. Gemeinsame Verteilung

4 Unabhängige Zufallsvariablen. Gemeinsame Verteilung 4 Unabhängige Zufallsvariablen. Gemeinsame Verteilung Häufig werden mehrere Zufallsvariablen gleichzeitig betrachtet, z.b. Beispiel 4.1. Ein Computersystem bestehe aus n Teilsystemen. X i sei der Ausfallzeitpunkt

Mehr

2 Zufallsvariable, Verteilungen, Erwartungswert

2 Zufallsvariable, Verteilungen, Erwartungswert 2 Zufallsvariable, Verteilungen, Erwartungswert Bisher: Zufallsexperimente beschrieben durch W-Räume (Ω, A, P) Häufig interessiert nur eine zufällige Größe X = X(ω), die vom Ergebnis ω des Zufallsexperiments

Mehr

Allgemeine diskrete Wahrscheinlichkeitsräume II. Beispiel II. Beispiel I. Definition 6.3 (Diskreter Wahrscheinlichkeitsraum)

Allgemeine diskrete Wahrscheinlichkeitsräume II. Beispiel II. Beispiel I. Definition 6.3 (Diskreter Wahrscheinlichkeitsraum) Allgemeine diskrete Wahrscheinlichkeitsräume I Allgemeine diskrete Wahrscheinlichkeitsräume II Verallgemeinerung von Laplaceschen Wahrscheinlichkeitsräumen: Diskrete Wahrscheinlichkeitsräume Ω endlich

Mehr

Lösungsvorschläge zu ausgewählten Übungsaufgaben aus Storch/Wiebe: Lehrbuch der Mathematik Band 1, 3.Aufl. (Version 2010), Kapitel 4

Lösungsvorschläge zu ausgewählten Übungsaufgaben aus Storch/Wiebe: Lehrbuch der Mathematik Band 1, 3.Aufl. (Version 2010), Kapitel 4 Lösungsvorschläge zu ausgewählten Übungsaufgaben aus Storch/Wiebe: Lehrbuch der Mathematik Band, 3.Aufl. (Version 00), Kapitel 4 0 Stetige Funktionen Abschnitt 0.B, Aufg. a), p. 49 (.8.00) : x Man berechne

Mehr

Stochastik und Statistik für Ingenieure Vorlesung 4

Stochastik und Statistik für Ingenieure Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Stochastik und Statistik für Ingenieure Vorlesung 4 30. Oktober 2012 Quantile einer stetigen Zufallsgröße Die reelle Zahl

Mehr

7. Vorlesung. Bipartite Kerne Das kopierende Modell Bow-tie Struktur des Web Random Sampling von Web Seiten

7. Vorlesung. Bipartite Kerne Das kopierende Modell Bow-tie Struktur des Web Random Sampling von Web Seiten 7. Vorlesung Bipartite Kerne Das kopierende Modell Bow-tie Struktur des Web Random Sampling von Web Seiten Seite 179 Web als ein Soziales Netzwerk Small-world Netzwerk: Niedriger (Durchschnitts) Durchmesser

Mehr

Computer Vision: Kalman Filter

Computer Vision: Kalman Filter Computer Vision: Kalman Filter D. Schlesinger TUD/INF/KI/IS D. Schlesinger () Computer Vision: Kalman Filter 1 / 8 Bayesscher Filter Ein Objekt kann sich in einem Zustand x X befinden. Zum Zeitpunkt i

Mehr

Den folgenden speziellen Verteilungen liegt immer eine stetige Zufallsvariable X zugrunde.

Den folgenden speziellen Verteilungen liegt immer eine stetige Zufallsvariable X zugrunde. Kapitel 0 Stetige Zufallsvariablen und ihre Verteilungen Letzte Änderung: 7. Mai 2000, 20 Seiten Den folgenden speziellen Verteilungen liegt immer eine stetige Zufallsvariable X zugrunde. X: Ω R Die stetige

Mehr

Der Markterfolg strukturierter Anlageprodukte in Deutschland. Erklärungsansätze aus Sicht der Behavioral Finance

Der Markterfolg strukturierter Anlageprodukte in Deutschland. Erklärungsansätze aus Sicht der Behavioral Finance Wirtschaft David Nicolaus Der Markterfolg strukturierter Anlageprodukte in Deutschland. Erklärungsansätze aus Sicht der Behavioral Finance Diplomarbeit DER MARKTERFOLG STRUKTURIERTER ANLAGEPRODUKTE IN

Mehr

Angewandte Stochastik I

Angewandte Stochastik I Angewandte Stochastik I Vorlesungsskript Prof. Dr. Evgeny Spodarev Ulm Sommersemester 2013 Vorwort Das vorliegende Skript der Vorlesung Angewandte Stochastik gibt eine Einführung in die Problemstellungen

Mehr

Stichwortverzeichnis. Carré 139 Chance 29 Cheval 139 Columns 139 Computer-Modelle 35 Corner Bet 139 Crabs 33 Cut-off-Punkt 202, 251

Stichwortverzeichnis. Carré 139 Chance 29 Cheval 139 Columns 139 Computer-Modelle 35 Corner Bet 139 Crabs 33 Cut-off-Punkt 202, 251 Stichwortverzeichnis A α-stufe 251 A-posteriori-Wahrscheinlichkeit 79 Abzählbar unendlich (Mengentyp) 40 Abzählproblem 106 Abzählregel 95 Additionsregel 52 Alternative Hypothese 250 Annäherung 209, 216

Mehr

Die Varianz (Streuung) Definition

Die Varianz (Streuung) Definition Die (Streuung) Definition Diskrete Stetige Ang., die betrachteten e existieren. var(x) = E(X EX) 2 heißt der Zufallsvariable X. σ = Var(X) heißt Standardabweichung der X. Bez.: var(x), Var(X), varx, σ

Mehr

Lösung (die Geraden laufen parallel) oder unendlich viele Lösungen.

Lösung (die Geraden laufen parallel) oder unendlich viele Lösungen. 1 Albert Ludwigs Universität Freiburg Abteilung Empirische Forschung und Ökonometrie Mathematik für Wirtschaftswissenschaftler Dr. Sevtap Kestel Winter 2008 Kapitel 16 Determinanten und inverse Matrizen

Mehr

Angewandte Ökonometrie Übung. Endogenität, VAR, Stationarität und Fehlerkorrekturmodell

Angewandte Ökonometrie Übung. Endogenität, VAR, Stationarität und Fehlerkorrekturmodell Angewandte Ökonometrie Übung 3 Endogenität, VAR, Stationarität und Fehlerkorrekturmodell Zeitreihenmodelle Zeitreihenmodelle Endogenität Instrumentvariablenschätzung Schätzung eines VARs Tests auf Anzahl

Mehr

Inhaltsverzeichnis. Grundlagen

Inhaltsverzeichnis. Grundlagen Grundlagen 1 Logik und Mengen... 1 1.1 Elementare Logik... 1 1.2 Elementare Mengenlehre... 10 1.3 Schaltalgebra... 15 1.3.1 Anwendung: Entwurf von Schaltkreisen... 21 1.4 Mit dem digitalen Rechenmeister...

Mehr

die wir als Realisationen von unabhängig und identisch verteilten Zufallsvariablen

die wir als Realisationen von unabhängig und identisch verteilten Zufallsvariablen Kapitel 8 Schätzung von Parametern 8.1 Schätzmethoden Gegeben seien Beobachtungen Ü Ü ¾ Ü Ò die wir als Realisationen von unabhängig und identisch verteilten Zufallsvariablen ¾ Ò auffassen. Die Verteilung

Mehr

Schulinternes Curriculum Mathematik SII

Schulinternes Curriculum Mathematik SII Schulinternes Curriculum Mathematik SII Koordinatengeometrie Gerade, Parabel, Kreis Lösen von LGS mithilfe des Gaußverfahrens zur Bestimmung von Geraden und Parabeln 11 Differentialrechnung ganzrationaler

Mehr

Grundlagen der Stochastischen Analysis. Egbert Dettweiler

Grundlagen der Stochastischen Analysis. Egbert Dettweiler Grundlagen der Stochastischen Analysis Egbert Dettweiler Vorwort Der erste Teil des vorliegenden Manuskripts ist im wesentlichen eine Vorlesungsausarbeitung einer im Sommersemester 23 an der Universität

Mehr