Klausur zu,,einführung in die Wahrscheinlichkeitstheorie. Musterlösungen
|
|
- Damian Holzmann
- vor 6 Jahren
- Abrufe
Transkript
1 Istitut für agewadte Mathematik Witersemester 9/ Adreas Eberle, Matthias Erbar, Berhard Hader. (Reelle Zufallsvariable) Klausur zu,,eiführug i die Wahrscheilichkeitstheorie Musterlösuge a) Die Verteilugsfuktio F : R, (bzw. R) der Verteilug µ ist defiiert durch F (c) = µ (, c. b) Die Verteilugsfuktio F berechet sich jeweils wie folgt : i) Sei T Exp(). Da gilt : F (c) = P T c = P T > c = { e c, für c, für c < ii) F (c) =, für c < 3, für c <, für c
2 iii) F (c) =, für c c 3, für c 4, für c c) F ist mooto wachsed: Aus der Mootoie vo µ folgt: x y (, x (, y F (x) = µ (, x µ (, y = F (y). F ist rechtsstetig: Sei x R. Da gilt für ε : F (x + ε) = µ (, x + ε µ (, x = F (x). De für jede Nullfolge ε gilt wege der mootoe Stetigkeit vo µ : µ (, x + ε µ (, x + ε = µ (, x. Grezwerte: Für jede Folge c gilt : lim F (c ) = lim µ (, c = µ (, c = µ R =. Also lim c F (c) =. Ebeso gilt für jede Folge c : Also lim c F (c) =. lim F (c ) = µ (, c = µ =. d) Eie Wahrscheilichkeitsverteilug µ auf R heisst absolutstetig, geau da we ei f L (R) existiert, so dass für die Verteilugsfuktio F gilt: F (c) = c f(x)dx.
3 Eie äquivalete Bedigug hierzu ist: µb = f(x)dx für alle B B(R). B Ei Beispiel für eie Verteilug, die weder diskret och absolutstetig ist, ist : µ = δ + U,. e) (i) Betimmug vo c : = µr = lim a F (a) = = c t α exp( t α )dt f(x)dx = c exp( u) α du = c α Im vorletzte Schritt wurde die Substitutio u = t α, du = αt α verwedet. Es folgt somit c = α. (ii) Für die bedigte Wahrscheilichkeit gilt zuächst : P X s + t X t = P X s + t X t P X t Mit Hilfe der Substitutio u = t α berechet ma weiter : P X s = αt α exp( t α )dt = P X s + t P X t. t=s = exp( u)du = exp( s α ). u=s α Zusamme folgt damit : P X s + t X t = exp ( (s + t) α) exp ( t α) exp ( s α) = P X s. De für α ud s, t gilt die Ugleichug (s + t) α s α + t α. Im Fall α = gilt Gleichheit (Gedächtislosigkeit der Expoetialverteilug). 3
4 . (Zetraler Grezwertsatz) a) Seie X, X,... uabhägige ud idetisch verteilte Zufallsvariable i L (Ω, A, P) mit Erwartugswert EX i = m ud Variaz V arx i = σ. Da kovergiere die Zufallsvariable S := X X m i Verteilug gege die Normalverteilug N(, σ ). b) Seie X, X,... uabhägig ud Beroulliverteilt mit Erfolgswahrscheilichkeit, isbesodere P X i = ± =, EX i =, V arx i =. Nach dem Zetrale Grezwertsatz gilt : 4 S D N(, ). Hierbei ist i diesem Fall die Zufallsvariable S = X X biomialverteilt mit Parameter (, ). Damit folgt : ( ) S = P k x k: k x S = P ) x S x P x e u du π < x e u du π = x x π e u du. Zur Begrüdug vo *) : Die Kovergez des erste Summade folgt aus dem Zetrale Grezwertsatz. Die Kovergez des zweite Summade zeigt ma wie folgt : Nach der Vorlesug folgt aus der Verteilugskovergez für alle x R : S P x Φ(x), da Φ überall stetig ist. Damit gilt auch : Φ(x ε) lim if P S S lim P Also folgt : S P < x < x x Φ(x) = 4 lim sup = Φ(x). x S P π e u du. < x
5 c) Es gilt für alle c : P X > c = P log U > c = P log U < c = P U < e c = e c. Isbesodere gilt P X > =. Also ist X expoetialverteilt zum Parameter ud es folgt : EX = P X > c dc = e c dc =. Alterativ fidet ma die Verteilugsfuktio F X (c) = ( e c ) + ud damit die Dichtefuktio f X (c) = F X (c) = e c I (, ) (c) ud berechet : EX = cf X (c)dc = ce c dc = e c dc =. Für die Variaz berechet ma : EX = c e c dc = ce c dc = EX =, woraus folgt : V arx = EX EX = =. d) Da U i > P-f.s. für alle i ud da der Logarithmus mooto wachsed ist, gilt : P (U U U ) / e / a, b ( ) = P / log(u i ) + / log(a), log(b) i= ( ( ) = P S log(b), log(a) mit log(ui ) = X i ud X i = S ) i= ) = P log(b ) < S log(a ) = P S log(a ) P S log(b ) ) Φ(log(a ) Φ(log(b ) = log(a ) π e x dx log(b ) Die Gleichheit *) gilt, da i X i als Summe vo uabhägige expoetialverteilte Zufallsvariable wieder eie absolutstetige Verteilug hat. Die Kovergez **) folgt ach dem Zetrale Grezwertsatz, da die Zufallsvariable X i uabhägig ud idetisch verteilt sid mit EX i = V arx i =. 5
6 3. (Gesetz der große Zahle) a) Es seie Y, Y : Ω R ( N) Zufallsvariable auf (Ω, A, P). Da kovergiert (Y ) N gege Y P-stochastisch, geau da, we ε > : lim P Y Y > ε =. P-fast-sicher, geau da, we PY = lim Y = b) I diesem Beweis werde beötigt: Berstei-Ugleichug: Sei S := i= X i, wobei X i (i N) uabhägig ud idetisch Beroulli(p)-verteilt sid. Da gilt: P S p ε e ε N, ε >.. Borel-Catelli-Lemma: Es seie A ( N) Ereigisse aus (Ω, A, P). Da gilt A m = = PA < = PA tritt uedlich oft ei = P Setze A := { S p ε}. Mithilfe der Berstei-Ugleichug erhält ma PA e ε < für alle ε > (geometrische Reihe) = m = ud somit mittels Borel-Catelli P S m A m =. Weiter gilt p ε >, ε Q m : S m m p < ε S p ε >, ε Q m : S m p ε, m also zusamme P S p = P A m σ additiv P ε>, ε Q N m N, m ε>, ε Q N m N, m Alterativ: Vollstädiger Beweis des starke Gesetzes der große Zahle. A m = c) Es seie Z = a + i= Y i, Y i uabhägig ud idetisch verteilt mit PY i = = 8, 37 PY i = = 9. Da sid die Zufallsvariable X 37 i := I {Yi =}, i N uabhägige ud idetisch Beroulli( 8 )-verteilte Zufallsvariable. Aus dem Gesetzes der große 37 Zahle folgt S 8 37 P fast-sicher für, wobei S := ud weiter, da Y i = X i ( X i ) = X i Z = a + i= X i = a + S 37 i= X i P fast-sicher für also PA = P k Z k k }=. Aschaulich bedeutet dies, dass A = {Z schließlich} fast sicher eitritt, der Rui also ahezu garatiert ist. 6
7 4. (Charakteristische Fuktioe) a) Sei X : Ω R eie Zufallsvariable auf (Ω, A, P). Die charakteristische Fuktio φ X : R C ist defiiert durch t φ X (t) = Ee itx. Da e itx =, ist die Zufallsvariable e itx beschräkt, ud somit itegrierbar bzgl. P. b) (i) Für X Exp() ist die Verteilugsdichte f(x) = e x I (, ), also φ X (t) = e itx x dx = i + eit x= =, da lim it x e(it )x =. (ii) Für X Beroulli( ) ist X P-fast sicher oder, also φ X (t) = e it PX = + PX = = (eit + ). (iii) Für X Bi(, ) ist X i= X i, X i uabhägig Beroulli( ), also φ X (t) = E e itx k eitx k i.i.d. = Ee itx (ii) = (eit + ). k= (Eie explizite Berechug dieser charakteristische Fuktio ist möglich, aber aufwädig.) c) Für a, b R erhält ma φ ax+by (t) = Ee it(ax+by ) = Ee itax e itby X,Y uabhägig = Ee itax Ee itby = φ X (at)φ Y (bt) Seie u X,..., X uabhägig ud N(, )-verteilt. Ma erhält obiges + Id, φ i= X (t) = φ i Xi ( t ) = exp( t ) = exp( t ) = φ N(,)(t) i= Nach dem Fourieriversiossatz gibt es ur eie Wahrscheilickeitsverteilug mit charakteristischer Fuktio φ N(,), also gilt i= X i N(, ). d) Aalog zu c) erhält ma φ S (t) = k= φ X k ( t ). Wege X k L gilt ach eiem Satz aus der Vorlesug φ Xk C, ud somit, da EX k = ud VarX k = EX k =, φ Xk (t) = Ee itx k Tayloretw. = + EitX k + E(itX k) + o(t ) = t + o(t ), für t ud somit φ S (t) = ( t + o(t )) e t für. Hierbei wurde die Ugleichug i= z i i= w i i= z i w i für z i, w i C verwedet. e) Für X i Beroulli( ) gilt PX i {, } = für alle i N. Es existiert also eie abzählbare Mege R mit P S R N =, ud somit folgt P S N(, ) T V P S R N(, )R =. 7
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
MehrAufgaben zur Analysis I
Aufgabe zur Aalysis I Es werde folgede Theme behadelt:. Logik, Iduktio, Mege, Abbilduge 2. Supremum, Ifimum 3. Folge, Fuktioefolge 4. Reihe, Potezreihe 5. Mootoie ud Stetigkeit 6. Differetialrechug 7.
MehrNachklausur - Analysis 1 - Lösungen
Prof. Dr. László Székelyhidi Aalysis I, WS 212 Nachklausur - Aalysis 1 - Lösuge Aufgabe 1 (Folge ud Grezwerte). (i) (1 Pukt) Gebe Sie die Defiitio des Häufugspuktes eier reelle Zahlefolge (a ) N. Lösug:
MehrFormelsammlung Mathematik
Formelsammlug Mathematik 1 Fiazmathematik 1.1 Reterechug Sei der Zissatz p%, der Zisfaktor q = 1 + p 100. Seie R die regelmäßig zu zahlede Rate, die Laufzeit. Edwert: Barwert: achschüssig R = R q 1 q 1
MehrKapitel 4: Stationäre Prozesse
Kapitel 4: Statioäre Prozesse M. Scheutzow Jauary 6, 2010 4.1 Maßerhaltede Trasformatioe I diesem Kapitel führe wir zuächst de Begriff der maßerhaltede Trasformatio auf eiem Wahrscheilichkeitsraum ei ud
MehrStochastik für WiWi - Klausurvorbereitung
Dr. Markus Kuze WS 2013/14 Dipl.-Math. Stefa Roth 11.02.2014 Stochastik für WiWi - Klausurvorbereitug Gesetz der totale Wahrscheilichkeit ud Satz vo Bayes (Ω, F, P) Wahrscheilichkeitsraum, E 1,..., E F
MehrMaximum Likelihood Version 1.6
Maximum Likelihood Versio 1.6 Uwe Ziegehage 15. November 2005 Logarithmegesetze log a (b) + log a (c) = log a (b c) (1) log a (b) log a (c) = log a (b/c) (2) log a (b c ) = c log a (b) (3) Ableitugsregel
MehrÜbungsblatt 1 zur Vorlesung Angewandte Stochastik
Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche
Mehr15.4 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
Mehr2 Martingale. E (X G) dp = X dp (2.1) B
Martigale Zuächst eie Bemerkug über bedigte Erwartugswerte Ist Ω, F, P ei Wahrscheilichkeitsraum, G eie Teil-σ-lgebra vo F, ud X eie itegrierbare Zufallsgrösse, so hatte wir E X G als die bis auf P fs
MehrNennenswertes zur Stetigkeit
Neeswertes zur Stetigkeit.) Puktweise Stetigkeit: Vo Floria Modler Defiitio der pukteweise Stetigkeit: Eie Fuktio f : D R ist geau da i x D stetig, we gilt: ε > δ >, so dass f ( x) f ( x ) < ε x D mit
MehrA = Ereignisraum = σ-algebra (Sigma-Algebra) = Menge aller messbaren Ergebnisse über eine definierte Grundmenge Ω
Statistik Theorie Defiitioe Ω = Grudmege = Ergebismege = Mege aller mögliche Ergebisse A = Ereigisraum = σ-algebra (Sigma-Algebra) = Mege aller messbare Ergebisse über eie defiierte Grudmege Ω P(Ω) = Potezmege
MehrAufgaben und Lösungen der Probeklausur zur Analysis I
Fachbereich Mathematik AG 5: Fuktioalaalysis Prof. Dr. K.-H. Neeb Dipl.-Math. Rafael Dahme Dipl.-Math. Stefa Wager ATECHNISCHE UNIVERSITÄT DARMSTADT SS 007 19. Jui 007 Aufgabe ud Lösuge der Probeklausur
Mehr2 Vollständige Induktion
8 I. Zahle, Kovergez ud Stetigkeit Vollstädige Iduktio Aufgabe: 1. Bereche Sie 1+3, 1+3+5 ud 1+3+5+7, leite Sie eie allgemeie Formel für 1+3+ +( 3)+( 1) her ud versuche Sie, diese zu beweise.. Eizu5% ZiseproJahragelegtes
MehrÜbungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 12
Mthemtisches Istitut der Uiversität Müche Prof. Dr. Peter Otte WiSe 203/4 Lösug 2 2.0.204 Aufgbe 2. [8 Pute] Übuge zur Alysis für Iformtier ud Sttistier Lösug zu Bltt 2 Für eie Teilmege Ω R, sei {, flls
MehrÜbungsaufgaben zur Vorlesung ANALYSIS I (WS 12/13) Serie 10
Humboldt-Uiversität zu Berli Istitut für Mathematik Prof. A. Griewak Ph.D.; Dr. A. Hoffkamp; Dipl.Math. T.Bosse; Dipl.Math. L. Jase Übugsaufgabe zur Vorlesug ANALYSIS I (WS 2/3) Serie 0 Musterlösug S.
MehrÜbungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 11. c n (z a) n,
f : a P UNIVERSIÄ DES SAARLANDES FACHRICHUNG 6. MAHEMAIK Prof. Dr. Rolad Speicher M.Sc. obias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 202 Musterlösug zu Blatt Aufgabe. Zeige Sie durch Abwadlug
MehrAnalysis I Probeklausur 2
WS /2 Mriescu/ Ert Alysis I Probeklusur 2. Aufgbe Die Folge (x ) N sei rekursiv defiiert durch x =, x + = 2+x. () Beweise, dss die Folge (x ) N streg mooto wchsed ist. (b) Beweise, dss (x ) N durch 2 ch
MehrZahlenfolgen, Grenzwerte und Zahlenreihen
KAPITEL 5 Zahlefolge, Grezwerte ud Zahlereihe. Folge Defiitio 5.. Uter eier Folge reeller Zahle (oder eier reelle Zahlefolge) versteht ma eie auf N 0 erlarte reellwertige Futio, die jedem N 0 ei a R zuordet:
MehrInhaltsverzeichnis. 3 Stetigkeit. 3.1 Reelle und komplexe Funktionen
Ihaltsverzeichis 3 Stetigkeit 1 3.1 Reelle ud komplexe Fuktioe........................ 1 3. Grezwerte vo Fuktioe.......................... 3.3 Eiseitige oder ueigetliche Grezwerte................... 3
Mehr1 Grenzwerte und Stetigkeit bei Funktionen mehrerer Variablen
KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffma SS 204 6.04.204 Höhere Mathematik II für die Fachrichtug Iformatik. Saalübug (6.04.204) Grezwerte ud Stetigkeit
MehrInstitut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban
Istitut für tochastik Prof. Dr. N. Bäuerle Dipl.-Math.. Urba Lösugsvorschlag 9. Übugsblatt zur Vorlesug Fiazmathematik I Aufgabe Ei euartiges Derivat) Wir sid i eiem edliche, arbitragefreie Fiazmarkt,
MehrDie 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
MehrBeispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12075, p-wert: 00168 f χ 2 (4)
MehrMathematische Statistik
Mathematische Statistik Dr. Mauel Stadlbauer, 9. Februar 008 Vorläufiges Skript zur Vorlesug im WS 007/008 Ihaltsverzeichis Eileitug 3. Beispiel eier statistische Aalyse....................... 4. Deskriptive
MehrGüteeigenschaften von Schätzern
KAPITEL 6 Güteeigeschafte vo Schätzer Wir erier a ie Defiitio es parametrische Moells Sei {h θ : θ Θ}, wobei Θ R m, eie Familie vo Dichte oer Zählichte Seie X 1,, X uabhägige u ietisch verteilte Zufallsvariable
MehrPflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik
Pflichtlektüre: Kapitel 10 Grudlage der Iferezstatistik Überblick der Begriffe Populatio Iferezstatistik Populatiosparameter Stichprobeverteiluge Auch Stichprobekewerteverteiluge Wahrscheilichkeitstheorie
Mehr1 Analysis T1 Übungsblatt 1
Aalysis T Übugsblatt A eier Weggabelug i der Wüste lebe zwei Brüder, die vollkomme gleich aussehe, zwische dee es aber eie gewaltige Uterschied gibt: Der eie sagt immer die Wahrheit, der adere lügt immer.
Mehr3 Kritischer Bereich zum Niveau α = 0.10: K = (χ 2 k 1;1 α, + ) = (χ2 5;0.90, + ) = (9.236, + ) 4 Berechnung der realisierten Teststatistik:
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 1275, p-wert: 168 8 Apassugs-
MehrElementare Wahrscheinlichkeitsrechnung und Statistik
CURANDO UNIVERSITÄT ULM SCIENDO DOCENDO Elemetare Wahrscheilichkeitsrechug ud Statistik Uiversität Ulm Istitut für Stochastik Vorlesugsskript Prof. Dr. Volker Schmidt Stad: Witersemester 28/9 Ulm, im Februar
Mehr9 Die Normalverteilung
9 Die Normalverteilung Dichte: f(x) = 1 2πσ e (x µ)2 /2σ 2, µ R,σ > 0 9.1 Standard-Normalverteilung µ = 0, σ 2 = 1 ϕ(x) = 1 2π e x2 /2 Dichte Φ(x) = 1 x 2π e t2 /2 dt Verteilungsfunktion 331 W.Kössler,
MehrWahrscheinlichkeit & 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
Mehrvon Prof. Dr. Ing. Dirk Rabe FH Emden/Leer
vo Prof. Dr. Ig. Dirk Rbe FH Emde/Leer Überblick: Folge ud Reihe Folge: Zhlefolge ( ) ; ; ; ist eie geordete Liste vo Zhle ( IN) : Glieder der Folge f(): Bildugsgesetz (eplizit i oder rekursiv) z.b.: (
Mehr6. Die Gamma-Funktion
6.. Die Gamma-Futio ist für C mit Re > 0 defiiert durch Γ( := 0 t e t dt (Euler-Itegral. Bemerug. Es ist t e t = t x e t mit x = Re. Beatlich overgiert 0 t x e t dt für x > 0 (das ist die reelle Gamma-Futio.
MehrWissenschaftliches Arbeiten Studiengang Energiewirtschaft
Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:
MehrLösungen der Aufgaben zur Vorbereitung auf die Klausur Mathematik für Informatiker I
Uiversität des Saarlades Fakultät für Mathematik ud Iformatik Witersemester 2003/04 Prof. Dr. Joachim Weickert Dr. Marti Welk Dr. Berhard Burgeth Lösuge der Aufgabe zur Vorbereitug auf die Klausur Mathematik
MehrEinführung in die induktive Statistik. Inferenzstatistik. Konfidenzintervalle. Friedrich Leisch
Spiel Körpergröße Zahl: Azahl weiblich Eiführug i die iduktive Statistik Friedrich Leisch Istitut für Statistik Ludwig-Maximilias-Uiversität Müche Tafelgruppe 8.5 8.6 8.7 8.8 8.9 9.0 9.1 4 5 3 2 1 0 1
MehrMusterlösung zu Übungsblatt 2
Prof. R. Padharipade J. Schmitt C. Schießl Fuktioetheorie 25. September 15 HS 2015 Musterlösug zu Übugsblatt 2 Aufgabe 1. Reelle Fuktioe g : R R stelle wir us üblicherweise als Graphe {(x, g(x)} R R vor.
MehrBitte schicken Sie mir eine E-mail, wenn Sie einen Fehler gefunden haben 1. Moritz Kaßmann
Das folgede Skript zur Vorlesug Spezielle Aspekte der Aalysis für Studierede des Lehramts a Grud, Haupt ud Realschule wird fortlaufed aktualisiert ud verädert werde. Das Skript ethält bei weitem icht alle
MehrKonfidenzintervall_fuer_pi.doc Seite 1 von 6. Konfidenzintervall für den Anteilswert π am Beispiel einer Meinungsumfrage
Kofidezitervall_fuer_pi.doc Seite 1 vo 6 Kofidezitervall für de Ateilswert π am Beispiel eier Meiugsumfrage Nach eier Meiugsumfrage der Wochezeitug Bezirksblatt vom März 005, ei halbes Jahr vor de Ladtagswahle
MehrMathematik für Wirtschaftswissenschaftler Beispiele, Graken, Beweise. c Uwe Jensen
Mathematik für Wirtschaftswisseschaftler Beispiele, Grake, Beweise c Uwe Jese 8. Oktober 2007 Ihaltsverzeichis 4 Folge, Reihe, Grezwerte, Stetigkeit 47 4. Folge ud Reihe............................ 47
Mehr2.3 Kontingenztafeln und Chi-Quadrat-Test
2.3 Kotigeztafel ud Chi-Quadrat-Test Die Voraussetzuge a die Date i diesem Kapitel sid dieselbe, wie im voragegagee Kapitel, ur dass die Stichprobe hier aus Realisieruge vo kategorielle Zufallsvariable
MehrGegebenenfalls heisst die Zahl s. der Reihe, und man schreibt
Prof. Dr. Berd Dreseler 6 Reihe 6.1 Kovergez vo Reihe Gegebe sei eie Folge s 1 1, 2 1 2 3 1 2 3... s s, s..., 1 2 1, wird der Folge eie weitere Folge omplexer Zhle. Durch s zugeordet. www.berd-dreseler.de
MehrStatistik I Februar 2005
Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet
MehrFolgen und Reihen Glege 03/01
Folge ud Reihe Glege 03/0 I diesem Script werde folgede Theme behadelt: Folge (Eiführug)... Arithmetische Folge... Geometrische Folge...3 Mootoie...4 Kovergez...5 Grezwert...6 Schrake...7 Arithmetische
MehrKapitel 6: Statistische Qualitätskontrolle
Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle
MehrDer Zentrale Grenzwertsatz der Statistik. Theorie und Anwendungen. Bachelorarbeit. ZUR ERLANGUNG DES AKADEMISCHEN GRADES BACHELOR OF SCIENCE (B.Sc.
Der Zetrale Grezwertsatz der Statistik. Theorie ud Aweduge. The cetral limit theorem. Theory ad applicatios i statistics. Bachelorarbeit ZUR ERLANGUNG DES AKADEMISCHEN GRADES BACHELOR OF SCIENCE (B.Sc.)
MehrNormalverteilung. Zhuohua Xu. Ausarbeitung zum Vortrag im Seminar Stochastik (Wintersemester 2008/09, Leitung PD Dr.
Normalverteilug Zhuohua Xu Ausarbeitug zum Vortrag im Semiar Stochastik (Witersemester 008/09, Leitug PD Dr. Gudru Thäter) Zusammefassug: I meier Ausarbeitug über die Normalverteilug versuche ich die grudlegede
Mehr3. Einführung in die Statistik
3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :
Mehr1. Übungsblatt zur Analysis II
Fchereich Mthemtik Prof Dr Steffe Roch Nd Sissouo WS 9/ 69 Üugsltt zur Alysis II Gruppeüug Aufge G Bestimme Sie für jede der folgede Fuktioe f : [, ] R ds utere ud oere Itegrl ud etscheide Sie, o die Fuktio
Mehr14 Statistische Beziehungen zwischen nomi nalen Merkmalen
14 Statistische Beziehuge zwische omi ale Merkmale 14.1 Der Chi Quadrat Test auf Uabhägigkeit für Vier Feldertafel 14.2 Der Chi Quadrat Test auf Uabhägigkeit für r s Kotigeztafel 14.3 Zusammmehagsmaße
MehrGliederung. Value-at-Risk
Value-at-Risk Dr. Richard Herra Nürberg, 4. Noveber 26 IVS-Foru Gliederug Modell Beispiel aus der betriebliche Altersversorgug Verteilug des Gesatschades Value-at-Risk ud Tail Value-at-Risk Risikobeurteilug
Mehr5.7. Aufgaben zu Folgen und Reihen
5.7. Aufgbe zu Folge ud Reihe Aufgbe : Lieres ud beschrätes Wchstum Aus eiem Qudrt mit der Seiteläge dm gehe uf die rechts gedeutete Weise eue Figure hervor. Die im -te Schritt gefügte Qudrte sid jeweils
MehrAUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2. Datenfluß und Programmablauf 2. Vorbedingung 3. Nachbedingung 3. Schleifeninvariante 3
INHALTSVERZEICHNIS AUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2 Datefluß ud Programmablauf 2 Vorbedigug 3 Nachbedigug 3 Schleifeivariate 3 KONSTRUKTION 4 ALTERNATIVE ENTWURFSMÖGLICHKEITEN 5 EFFEKTIVE
MehrLösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 2: Aufgaben zu den Kapiteln 3 und 4
1 Lösuge ausgewählter Übugsaufgabe zum Buch Elemetare Stochastik (Spriger Spektrum, 2012) Teil 2: Aufgabe zu de Kapitel 3 ud 4 Zu Abschitt 3.1 Ü3.1.1 Es seie X, = 1, 2,... reellwertige Zufallsvariable
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.
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;
MehrStetigkeit und Differenzierbarkeit. Vorlesung zur Didaktik der Analysis
Stetigkeit ud Dierezierbarkeit Vorlesug zur Didaktik der Aalysis Ihalt Nachtrag: Fuktioegrezwert Stetigkeit Aschauliche Bedeutug Mathematische Präzisierug Topologische Charakterisierug Gleichmäßige Stetigkeit
MehrDemo für www.mathe-cd.de
Wahrscheilichkeitsrechug Hypergeometrische Verteilug Themeheft ud Traiigsheft Datei r. 4211 Stad 17. April 2010 Friedrich W. Buckel Demo für ITERETBIBLIOTHEK FÜR SCHULMATHEMATIK 4211 Hypergeometrische
MehrEvaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt
2.4.5 Gauss-Test ud t-test für verbudee Stichprobe 2.4.5.8 Zum Begriff der verbudee Stichprobe Verbudee Stichprobe: Vergleich zweier Merkmale X ud Y, die jetzt a deselbe Persoe erhobe werde. Vorsicht:
Mehr( ) Formelsammlung. Kombinatorik. Permutation: ohne Wiederholung. n! = n (n - 1) (n - 2)... 3 2 1 n= alle Elemente. Permutation: mit Wiederholung
Formelsammlug Kombiatori Permutatio: ohe Wiederholug! = ( - 1) ( - 2).... 3 2 1 = alle Elemete Permutatio: mit Wiederholug!! P, = = usw. = gleiche Elemete! 1! K 2! Stichprobe (SP) = geordete Auswahl Geordete
Mehrn 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
MehrKorrekturrichtlinie zur Studienleistung Wirtschaftsmathematik am 22.12.2007 Betriebswirtschaft BB-WMT-S11-071222
Korrekturrichtliie zur Studieleistug Wirtschaftsmathematik am..007 Betriebswirtschaft BB-WMT-S-07 Für die Bewertug ud Abgabe der Studieleistug sid folgede Hiweise verbidlich: Die Vergabe der Pukte ehme
MehrWintersemester 2006/2007, Universität Rostock Abgabetermin: spätestens 24.10.2006, 09:00 Uhr. Aufgabe 1.1: (5 P)
Serie Abgabetermi: spätestes 24.0.2006, 09:00 Uhr Aufgabe.: 5 P Zeige Sie, dass das geometrische Mittel icht größer ist als das arithmetische Mittel, d.h., dass für alle Zahle a, b R mit a, b 0 gilt ab
Mehr2. Diophantische Gleichungen
2. Diophatische Gleichuge [Teschl05, S. 91f] 2.1. Was ist eie diophatische Gleichug ud wozu braucht ma sie? Def D2-1: Eie diophatische Gleichug ist eie Polyomfuktio i x,y,z,, bei der als Lösuge ur gaze
MehrMathematik für Maschinenbauer, Bauingenieure und Umwelttechniker III. R. Verfürth
Mathematik für Maschiebauer, Bauigeieure ud Umwelttechiker III Vorlesugsskriptum WS 001/0 - WS 00/03 überarbeitet September 008 R. Verfürth Fakultät für Mathematik, Ruhr-Uiversität Bochum Ihaltsverzeichis
MehrGrundkompetenz-Aufgaben
Durch starte Mathematik übugsbuch bis Grudkompetez-Aufgabe Aufgrud der eue schriftliche Reifeprüfug i Mathematik ist es otwedig, sich mit de eue Grudkompetez-Aufgabe auseiaderzusetze. Die Olie-Ergäzug
MehrMonte Carlo-Simulation
Mote Carlo-Simulatio Mote Carlo-Methode Der Begriff Mote Carlo-Methode etstad i de 1940er Jahre, als ma im Zusammehag mit dem Bau der Atombombe die Simulatio vo Zufallsprozesse erstmals i größerem Stil
MehrAuch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert.
Prof. Dr. H. Rommelfager: Etscheidugstheorie, Kaitel 3 7 3. Etscheidug bei Risiko (subjektive oder objektive) Eitrittswahrscheilichkeite für das Eitrete der mögliche Umweltzustäde köe vom Etscheidugsträger
MehrKapitel 12. Schätzung von Parametern
Kapitel 12 Schätzug vo Parameter Die Verteilug eier Zufallsvariable hägt i der Regel vo eiem oder mehrere Parameter ab. Bei der Poissoverteilug ist dies der Parameter λ, währed es bei der Normalverteilug
MehrAufgaben zur vollständigen Induktion
c 7 by Raier Müller - Aufgabe zur vollstädige Idutio We ichts aderes agegebe ist, da gelte die Behauptuge für IN {; ; ;...}. A) Teilbareit: ) ist gerade (d.h. durch teilbar). ) ist durch teilbar. ) ist
Mehrε δ Definition der Stetigkeit.
ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x
Mehr6.1 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
MehrÜbungen mit dem Applet Fourier-Reihen
Fourier-Reihe 1 Übuge mit dem Applet Fourier-Reihe 1 Mathematischer Hitergrud... Übuge mit dem Applet... 3.1 Eifluss der Azahl ud der Sprugstelle...3. Eifluss vo y-verschiebug ud Amplitude...4.3 Eifluss
MehrSUCHPROBLEME UND ALPHABETISCHE CODES
SUCHPROBLEME UND ALPHABETISCHE CODES Der Problematik der alphabetische Codes liege Suchprobleme zugrude, dere Lösug dem iformatiostheoretische Problem der Fidug eies (optimale) alphabetische Codes gleich
MehrEin kleines Einmaleins über Mittelwertbildungen
Vorlesugsergäzug zur Igeieurmathematik R.Brigola Ei kleies Eimaleis über Mittelwertbilduge Grudlage über arithmetische Mittel, geometrische Mittel, harmoische Mittel, quadratische Mittel ud das arithmetisch-geometrische
MehrAT AB., so bezeichnet man dies als innere Teilung von
Teilverhältisse Aus der Geometrie der Dreiecke ket ma die Aussage, dass der Schwerpukt T eies Dreiecks die Seitehalbierede im Verhältis : teilt. Für die Strecke AT ud TM gilt gemäß der Abbildug AT : TM
MehrTestumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen
Testumfag für die Ermittlug ud Agabe vo Fehlerrate i biometrische Systeme Peter Uruh SRC Security Research & Cosultig GmbH peter.uruh@src-gmbh.de Eileitug Biometrische Systeme werde durch zwei wichtige
MehrNetzwerkreduktion und Pólya's Theorem
Semiar über Bäume, Netzwerke ud Zufall Netzwerkreduktio ud Pólya's Theorem Dozete: HD Dr. Joche Geiger, Prof. Dr. Ato Wakolbiger Vortrageder: Björ Schwalb Vortragstermi:.Mai 2005 Ihaltsverzeichis Eileitug
Mehr1. Aufgabenblatt zur Vorlesung Monte Carlo-Algorithmen
22.04.14 1. Aufgabeblatt zur Vorlesug 1. Mache Sie sich mit der Beutzug des Mersee Twisters ud ggf. weiterer Geeratore aus Ihrer Stadard-Software vertraut. 2. Welche Eigeschafte erwarte Sie vo Zufallszahle?
MehrKapitel 1. Einige Begriffe aus der Asymptotik. 1.1 Wiederholung
Kapitel Eiige Begriffe aus der Asymptotik. Wiederholug Eiwesetlicher Teil der Ökoometrie befasst sichmit der Ermittlug voschätzer ud dere Eigeschafte. Diese werde beötigt, um aus de beobachtbare Date eier
MehrFormelsammlung Grundzüge der Statistik für die Veranstaltungen Statistik I und Statistik II im Grundstudium
Formelsammlug Grudzüge der Statistik für die Verastaltuge Statistik I ud Statistik II im Grudstudium Prof. Dr. Claudia Becker Lehrstuhl für Statistik Ihaltsverzeichis 1 Summezeiche 5 2 Häufigkeitsverteiluge
MehrSatz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.
Erfüllbarkeit, Uerfüllbarkeit, Allgemeigültigkeit Defiitio Eie Belegug β ist passed zu eiem Boolesche Term t, falls β für alle atomare Terme i t defiiert ist. (Wird ab jetzt ageomme.) Ist β(t) = true,
MehrDie Gamma-Funktion, das Produkt von Wallis und die Stirling sche Formel. dt = lim. = lim = Weiters erhalten wir durch partielle Integration, dass
Die Gamma-Funktion, das Produkt von Wallis und die Stirling sche Formel Zuerst wollen wir die Gamma-Funktion definieren, die eine Verallgemeinerung von n! ist. Dazu benötigen wir einige Resultate. Lemma.
MehrWirtschaftsmathematik
Studiegag Betriebswirtschaft Fach Wirtschaftsmathematik Art der Leistug Studieleistug Klausur-Kz. BW-WMT-S1 040508 Datum 08.05.004 Bezüglich der Afertigug Ihrer Arbeit sid folgede Hiweise verbidlich: Verwede
MehrVereinheitlichung Einheitlicher Maßstab der Risikoeinschätzung. Limitierung / Steuerung Messung und Limitierung ist fundamental für die Steuerung
. Marktpreisrisiko Motivatio der VaR-Ermittlug Vereiheitlichug Eiheitlicher Maßstab der Risikoeischätzug Limitierug / Steuerug Messug ud Limitierug ist fudametal für die Steuerug Kapitaluterlegug Zur Deckug
MehrDatenauswertung. Prof. Dr. Josef Brüderl Universität Mannheim. Frühjahrssemester 2007
Dateauswertug Prof. Dr. Josef Brüderl Uiversität Maheim Frühjahrssemester 007 Methode-Curriculum B.A. Soziologie Basismodul: Methode ud Statistik: VL Dateerhebug (): 5 ÜK (): 3 ----------------------------------------------------------
MehrGrenzwerte von Folgen und Funktionen
Kapitel 3 Grezwerte vo Folge ud Fuktioe 3. Grezwerte vo Folge Defiitio: Eie Folge ist formal gesehe) eie Abbildug vo N oder N + ach R, d.h. jedem N wird ei a R zugeordet. Abweiched vo der fuktioale Notatio
MehrArithmetische und geometrische Folgen. Die wichtigsten Theorieteile. und ganz ausführliches Training. Datei Nr
DEMO für ZAHLENFOLGEN Teil 2 Arithmetische ud geometrische Folge Die wichtigste Theorieteile ud gz ausführliches Traiig Datei Nr. 40012 Neu geschriebe ud sehr erweitert Std: 4. Februar 2010 INTERNETBIBLIOTHEK
MehrEinführung in die Statistik
Eiführug i die Statistik Dr. C.J. Luchsiger 7 Crash-Course i Statistics II: Schätztheorie ud Kofidezitervalle Literatur Kapitel 7 * Statistik i Cartoos: Kapitel 6 ud 7 * Kregel: 4 ud 13 * Storrer: 43 7.1
MehrWegen der (mit einem Fehler von nur +1,0 recht guten) Näherung an die Kreiszahl
Seite 1 Fiboacci-Wachstum Axel Köig Es werde stetige Wachstumsfuktioe vorgestellt, die diskretes additives Wachstum ach Fiboacci optimal approximiere. Darüber hiaus wird die Vermutug aufgestellt, dass
Mehr1.2. Taylor-Reihen und endliche Taylorpolynome
1.. aylor-reihe ud edliche aylorpolyome 1..1 aylor-reihe Wir köe eie Fuktio f() i eier Umgebug eies Puktes o gut durch ihre agete i o: t o () = f(o) + f (o) (-o) aäher: Wir sehe: Je weiter wir vo o weg
MehrMathematische Statistik
Skript Mathematische Statistik Max v. Reesse Aufgezeichet vo Tobias Weihrauch Sommersemester 202 Uiversität Leipzig INHALTSVERZEICHNIS Ihaltsverzeichis Eiführug 3. Statistik als Teil der Stochastik........................
MehrInnerbetriebliche Leistungsverrechnung
Ierbetriebliche Leistugsverrechug I der Kostestellerechug bzw. im Betriebsabrechugsboge (BAB ist ach der Erfassug der primäre Kostestellekoste das Ziel, die sekudäre Kostestellekoste, also die Koste der
MehrÜbungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Prof. Dr. Rolad Speicher M.Sc. Tobias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 01 Musterlösug zu Blatt 0 Aufgabe 1. Käpt Schwarzbart,
MehrKapitel II Der Galton-Watson-Prozeß mit Immigration
Kapitel II Der Galto-Watso-Prozeß mit Immigratio I diesem Kapitel werde wir das Modell des eifache GWP s um die Kompoete der Immigratio erweiter, was bedeutet, daß sich die Geeratioe der betrachtete Populatio
Mehrsuw m3 = abc. Quadervolumen: abh; Prismenvolumen 1/2abh = Gh.
Volumeberechug Allgemei: Zerlegt ma eie Körper i Teilkörper, so ist sei Volume gleich der Summe der Volumia der Teilkörper. Volume des Quaders Das Volume des Quaders errechet sich als Produkt seier Kateläge.
Mehr6. Reihen. 6. Reihen 63
6. Reihe 63 6. Reihe Wir wolle us u mit eiem spezielle Typ vo Folge beschäftige, der i der Praxis sehr häufig vorkommt: ämlich Folge, die i der Form (a 0, a 0 + a, a 0 + a + a 2,... für gewisse a K gegebe
Mehr... a ik) i=1...m, k=1...n A = = ( a mn
Zurück Stad: 4..6 Reche mit Matrize I der Mathematik bezeichet ma mit Matrix im Allgemeie ei rechteckiges Zahleschema. I der allgemeie Darstellug habe die Zahle zwei Idizes, de erste für die Zeileummer,
MehrWahrscheinlichkeit und Statistik
ETH Zürich HS 2015 Prof. Dr. P. Embrechts Wahrscheilichkeit ud Statistik D-INFK Lösuge Serie 2 Lösug 2-1. (a Wir bereche P [W c B] auf zwei Arte: (a Wir betrachte folgede Tabelle: Azahl W W c B 14 6 B
MehrStatistik. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.html
Statistik Prof. Dr. K. Melzer kari.melzer@hs-esslige.de http://www.hs-esslige.de/de/mitarbeiter/kari-melzer.html Ihaltsverzeichis 1 Eileitug ud Übersicht 3 2 Dategewiug (kurzer Überblick) 3 2.1 Plaugsphase
Mehr