Vet. Med. Uni. Budapest 4. Übung Biomathematik 2017
|
|
- Helge Friedrich
- vor 6 Jahren
- Abrufe
Transkript
1 4. Übung (Wahrscheinlichkeitsverteilungen) Man wird erst Fragestellung(en) formuliert und dann mit Hilfe des R-Programms gibt man eine Antwort auf die formulierte Frage(n). Verteilung einer Zufallsvariable Es werden einige Begriffe erläutert. Variable: Die charakteristischen Werten und Eigenschaften der Individuen kann man oft bestimmen, bspw. Lebensalter, Körpergewicht, Haarfarbe. Wenn man das Wort Lebensalter aussagt, dann wird ein Merkmal auch dann bestimmt, wenn das Lebensalter der vorliegenden Individuen nicht genau weißt. Die Name der Variable ist Lebensalter und ihre Ausprägung sind die konkrete Alterszahlen der einzelnen Individuen. Oft nennt man in der Mathematik etwas nur dann eine Variable, wenn ihre möglichen Werte Zahlen sind. Zufallsvariable: ist eine vom Zufall abhängige Variable, deren mögliche Werte Zahlen sind, und man kann wissen, dass ihre einzelne Werte wie oft vorkommen können. Die Verteilung einer Zufallsvariable: ist die möglichen Werten und ihre vorkommenden Häufigkeiten (mit anderen Worten Wahrscheinlichkeit) der Variable. z.b. bei einem Münzenwurf sind die möglichen Werte Kopf und Zahl und ihren beiden Wahrscheinlichkeiten sind ½. Diskrete Zufallsvariable: ist eine vom Zufall abhängige Variable, die nur endlich viele oder abzählbarunendliche unterschiedlichen Werte annehmen kann. Im Falle einer diskreten Zufallsvariable können die Wahrscheinlichkeiten der Vorkommen der einzelnen Werte grösser, als Null sein und die Summe der Wahrscheinlichkeiten ist immer eins. Bspw. im Falle von Münzen ½+½=1. Kontinuierliche Zufallsvariable: ist eine vom Zufall abhängige Variable, die überabzählbar viele unterschiedlichen Werte annehmen kann. z. B. Das Gewicht eines Brotes von ein Kilo, das aus dem Intervall 980 Gramm und 1020 Gramm einen beliebigen Wert annehmen kann. Die Wahrscheinlichkeit dafür, dass das Gewicht genau 1000 Gramm ist immer Null. Die Wahrscheinlichkeit dafür ist eins, dass das Gewicht zwischen 980 und 1020 Gramm liegt. Binomialverteilung Nur eine diskrete Zufallsvariable kann binomialverteilt sein. Man stelle vor, dass ein Experiment nacheinander n-mal durchgeführt wird. Während der Versuchen ein bestimmtes Ereignis jedes Mal mit derselben Wahrscheinlichkeit p kommt vor. Das Ergebnis des Experiments ist die Anzahl des Auftrittes eines beobachteten Ereignisses. Dieser Wert liegt offensichtlich zwischen 0 und n und sie kann nur eine ganze Zahl sein. Mit Hilfe der Wahrscheinlichkeitsrechnung kann man die Wahrscheinlichkeit der einzelnen möglichen Werte berechnen. Die Verteilung einer solchen Variable nennt man Binomialverteilung mit den Parameter n und p. Der Erwartungswert einer solchen Variable ist n*p. Der ist der häufigste Wert. Als Beispiel kann man eine Stichprobe mit Zurücklegung betrachten. Stelle man vor, dass man N Stück Kugel in eine Urne hat. Unter die N Kugeln sind M Stück rot. Man zieht blind eine Kugel von der Urne und stellt man ihre Farbe fest. Vor dem nächsten Ziehen legt man den Kugel in die Urne zurück. Insgesamt zieht man n-mal. Man nehme an, die Anzahl der Börzsönyi L. 1
2 ausgezogenen roten Kugeln sind X. Dann die Zufallsvariable X ist binomialverteilt und das Parameter ist p=m/n. Die Inaugenscheinnahme der Binomialverteilung Fragestellung: Bei Münzenaufwurf ist der Chance für Kopf die Wahrscheinlichkeit ½. Wenn man eine Münze öfters aufgeworfen wird, was ist der Chance dafür, dass man 0, 1, 2, oder eben 10-mal Kopf bekommt? Antwort: Es hängt von der Anzahl der Münzenaufwurf ab. Die Wahrscheinlichkeiten werden für verschiedenen Wert n unterschiedlich sein. Wenn man aber für unterschiedliche Anzahl von n die Wahrscheinlichkeiten der Auftritt von Kopf dargestellt wird, dann bekommt man immer eine ähnliche Wahrscheinlichkeitsverteilung. Diese Darstellung nennt man die Dichtefunktion der Binomialverteilung. Eine solche Darstellung gibt man folgenderweise an: Distribution/Discrete distribution/binomial distribution/plot binomial distribution Man versuche für die folgenden Werte n=5, 10, 100, 500 zu anzufertigen: Menü Börzsönyi L. 2
3 Es ist zu sehen, dass der Wert n*p am häufigsten vorkommt. Wenn aber die Anzahl von Versuchen wächst, so werden die Wahrscheinlichkeiten immer kleiner. Man schaue die Zahlen an der y-achse an! Aufgabe: Man überprüfe dieselbe mit Hilfe eines Würfels. Man betrachte mit welcher Change würfelt man 0, 1, 2,.mal eine sechs! Die entstehende Verteilung ist auch nicht ähnlich, wie die vorige. Sie ist überhaupt nicht symmetrisch, aber in diesem Falle ist auch festzulegen, dass der Wert n*p, im vorliegenden Fall n/6 am häufigsten vorkommt. Rechnungsaufgaben Frage: Wenn 20% der untersuchten Bevölkerung raucher ist, dann was ist die Wahrscheinlichkeit dafür, dass es in einer zufällig ausgewählten Stichprobe mit 15 Personen kein raucher ist? Antwort: Es liegt eine Binomialverteilung vor, weil die Wahrscheinlichkeit für Raucher 0.2 bei jedem Individuen ist. Vom Menü: Distribution/Discrete distribution/binomial distribution/binomial probabilities kann man gleichzeitig für alle möglichen Werte der Variable die Wahrscheinlichkeiten angeben. Man muss nur die Stichprobenanzahl und die Wahrscheinlichkeit das Auftritt des Ereignisses angeben: >.Table <- data.frame(pr=dbinom(0:15, size=15, prob=0.2)) > rownames(.table) <- 0:15 >.Table Pr e e e e e e e e e e e e e e e e-11 Börzsönyi L. 3
4 > remove(.table) Man sucht die Wahrscheinlichkeit dafür, dass keine Raucher da ist, d.h. die Anzahl der Raucher 0 ist. Es ist der mit fett vorhergehobenen Fall, d.h. die gesuchte Wahrscheinlichkeit ist 3,51*10-2, d.h Frage: 51% der Neugeborener sind Jungs. Was ist die Wahrscheinlichkeit dafür, dass es in einer 8-kinder Familie mindestens 3 Jungen ist? (Es ist angenommen, dass der Change für Geboren eines Jungs die selbe ist.) Antwort: Die Wahrscheinlichkeit des Geboren eines Jungs ist 0.51 bei jedem Individuen. d.h. es liegt eine Binomialverteilung vor. Der vorigen Aufgabe entsprechend könnte man die Wahrscheinlichkeit aller möglichen Werte der Variable bestimmen und dann könnte man die einzelne Wahrscheinlichkeiten für das Geboren von 3, 4,,8 Jungs addieren. Die kann man in einem Schritt durch das Menü: Distribution/Discrete distribution/binomial distribution/binomial tail probabilities auch angeben. Die Option Lower tail sollte man dann ein klicken, wenn man dafür eine Interesse hätte, ob was die Wahrscheinlichkeit dafür ist, dass höchstens 3 Jungs geboren wird. Man muss hier aufpassen, nämlich für das Programm muss man den Wert andersrum angeben, weil es mit dem angegebenen Wert nicht mehr rechnet, d.h. wenn man die Interesse für die Wahrscheinlichkeit von mindestens 3 Junge hat, dann fragt man richtig, was ist die Wahrscheinlichkeit dafür, dass es mehr als zwei betreffende Jungen ist. > pbinom(c(2), size=8, prob=0.51, lower.tail=false) [1] Frage: 51% der Neugeborener sind Jungs. Was ist die Wahrscheinlichkeit dafür, dass es in einer 8-kinder Familie mindestens 3, aber höchstens 6 Jungs ist? (Es wird angenommen, dass der Change für geboren eines Jungs in jedem Falle dieselbe ist.) Antwort: Die Wahrscheinlichkeit des Geboren eines Jungs ist 0.51 bei jedem Individuen. d.h. es liegt eine Binomialverteilung vor. Man könnte die Wahrscheinlichkeit für die allen möglichen Werte der Variable bestimmen und nachher könnte man diese Werte für 3, 4, 5 und 6 Jungs addieren. Statt dieser Version kann man auch berechnen, was ist die Wahrscheinlichkeit dafür, dass es mehr als 2 solche Junge geboren ist, und davon zieht man die Wahrscheinlichkeit ab, dass es mehr als 6 solche Junge geboren ist. Diese zwei Werte kann man auch gleichzeitig durch eine leere Stelle getrennt angeben: Börzsönyi L. 4
5 > pbinom(c(2,6), size=8, prob=0.51, lower.tail=false) [1] > [1] Die zwei Teilergebnissen muss man in Script-Fenster kopieren, um dessen Differenz berechnen. Frage: In ungarischen Geflügelzuchtbestand wurde die Infektion von Salmonella am Ende 2009 an 1% untergestellt. An einer Geflügelniederlassung hat man 100 Geflügel untersucht und unter ihnen hat man 8 infizierten gefunden. Ist die Behauptung wahr, dass die Infektion von Salmonella 1% an dieser Niederlassung ist? Antwort: Bei dieser Aufgabe braucht man eine Hypothesenprüfung, was ausführlich nur später erläutert wird. Es wird angenommen, dass der Change für das Vorkommen der Infektion von Salmonella 1% ist. Das ist die Nullhypothese. Man berechne, wie vorher, was ist die Wahrscheinlichkeit dafür, wenn p= 0.01 ist, dann mindestens 8 infizierten Geflügel in der 100 elementigen Stichprobe zu finden ist. (d.h. was ist die Wahrscheinlichkeit dafür, dass man mindestens so ein schlechtes Ergebnis besitzt.) > pbinom(c(7), size=100, prob=0.01, lower.tail=false) [1] e-06 Wenn diese Wahrscheinlichkeit genügend hoch ist, dann stellt man fest, dass dieses 1% zu glauben ist, weil man in diesem Falle mit einer großen Wahrscheinlichkeit eine solche Stichprobe wählen kann. Wenn diese Wahrscheinlichkeit klein ist, dann das vorliegende 1% nicht zu glauben ist. Dieses Resultat kommt nicht zufällig aus, sonder hier zeigt sich eine wesentliche Effekte. Die Wahrscheinlichkeitsgrenze ist wie üblich 5%. Bei der vorliegenden Börzsönyi L. 5
6 Aufgabe ist die Wahrscheinlichkeit %, was viel kleiner ist, als 5%. Daraus folgt, es ist nicht zu glauben, dass die Infektion an dieser Wirtschaft 1% ist. Frage: Höchstens wie viele infizieret Hüne dürfen in einer 100 elementigen Stichprobe sein, dass die Infektion in dieser Population 1% sei? Antwort: Man muss rückwärts denken. Um die Wahrscheinlichkeit anzugeben, man sucht dazu den entsprechenden Wert der Variable. Es ist zu finden, ob höchstens wie viele Hünen dazu vorliegen müssen, dass die Wahrscheinlichkeit derart über 5% ist, ob der Zufall eine solche Stichprobe auch resultieren kann. Dazu wird das folgende Menü gebraucht: Distribution/Discrete distribution/binomial distribution/binomial quantiles > qbinom(c(0.05), size=100, prob=0.01, lower.tail=false) [1] 3 Das Ergebnis zeigt darauf hin, dass höchsten 3 Hünen in der 100 elementigen Stichprobe dazu sein dürfen, dass die gestellte Behauptung war sei. Weil der Wert 3 ein gerundeter Wert ist, man kann auch die zu diesen Wert 3 gehörende Wahrscheinlichkeit berechnen Poissonverteilung Nur eine diskrete Zufallsvariable kann poissonverteilt sein. Man stelle vor, dass die durchschnittliche Anzahl des Auftretens eines Ereignisses proportional die Zeitdauer der Beobachtung (oder den Maß des beobachteten Gebietes) ist. Die Verteilung einer solchen Zufallsvariable nennt man Piossonverteilung. Diese Verteilung hat nur ein Parameter und es stimmt seinem Erwartungswert überein. z.b. die Anzahl der Anrufe in einer Telefonzentrale. Wenn man die Anrufe zweimal so lange Zeit beobachtet, dann kann man durchschnittlich zweimal so viele Anrufe registrieren. Die Inaugenscheinnahme der Poissonverteilung Frage: Pro Stunde durchschnittlich fahren sechs Fernlastwagen durch eines Naturschutzgebiet. Was ist der Change dafür, dass 0, 1, 2 oder eben 10 Fernlastwagen in der nächsten Stunde dort überfahren? Antwort: Bei dieser Verteilung braucht man nur den Erwartungswert anzugeben. Durch das folgende Menü kann man die Funktion zeichnen: Distribution/Discrete distribution/poisson distribution/plot Poisson distribution Börzsönyi L. 6
7 Wenn man die Fernlastwagen statt einer Stunde durch zwei Stunden beobachtet, dann der Erwartungswert der Fernlastwagen schon 12 geworden ist. In diesem Falle ist die zweite Funktion die Dichtefunktion der Verteilung. Rechenaufgaben Frage: An einer Kartoffelerde findet man an einer Busch durchschnittlich 2,6 Larven von Kartoffelkäfern. Was ist die Wahrscheinlichkeit dafür, dass man an zwei zufällig ausgewählten Büschen keine Larve findet? Antwort: An einer Busch durchschnittlich 2,6 Larven, an zwei Büschen zweimal so viel findet. Der Parameter dieser Veiteilung ist 2,6. Von dem folgenden Menü kann man für alle möglichen Werte der Variable die Wahrscheinlichkeit bestimmen: Distribution/Discrete distribution/poisson distribution/poisson probabilities >.Table <- data.frame(pr=round(dpois(0:16, lambda=5.2), 4)) > rownames(.table) <- 0:16 >.Table Börzsönyi L. 7
8 Pr > remove(.table) Die Wahrscheinlichkeit ist gesucht, dass keine Larve vorkommt. In fett gedruckter Zeile ist es zu sehen, dass die gesuchte Wahrscheinlichkeit 0,0055 ist. Frage: In einem Gewitter sieht man durchschnittlich 3,4 Blitze pro Minuten. Was ist die Wahrscheinlichkeit dafür, dass man in folgenden halben Minuten mehr als 6 Blitze beobachtet werden kann? Antwort: Wenn der Erwartungswert pro Minuten 3,4 ist, dann während einer halben Minute sind durchschnittlich 1,7 Blitze zu erwarten. Wie bei der vorigen Aufgabe kann man die Wahrscheinlichkeit für alle möglichen Werte bestimmen, und nachher addiert man die Wahrscheinlichkeiten, die zu den Werten 7, 8, angehören. Durch das folgen Menü kann man es auch durch einen Schritt erreichen: Distribution/Discrete distribution/poisson distribution/poisson tail probabilities Im folgenden Fenster wird die Option lower tail, dann ein geklickt, wenn man dafür eine Interesse hätte, dass man weniger als 6 Blitz sieht. Man muss aufpassen, für das Programm muss man den Wert anzugeben, dass den angegebenen Wert nicht zugerechnet ist! > ppois(c(6), lambda=1.7, lower.tail=false) [1] Börzsönyi L. 8
9 Frage: In einem Tierarztpraxis kommt ein neuer Patient durchschnittlich in allen 4 Minuten an. Was ist die Wahrscheinlichkeit dafür, dass mindestens 2, aber höchstens 6 neuen Patienten in den nächsten Minute ankommen? Antwort: Wenn ein neuer Patient durchschnittlich in allen 4 Minuten ankommt, dann 0.25 neuer Patient kommen durchschnittlich in einer Minute. Das ist der Parameter der Verteilung. Man könnte die Wahrscheinlichkeit für alle möglichen Werte der Verteilung bestimmen und dann summieren die Wahrscheinlichkeiten, die die Möglichkeiten 2, 3, 4, 5 und 6 angehören. Es wird statt dem folgendes berechnet. Was ist die Wahrscheinlichkeit dafür, dass es mehr als ein Patient ankommt und von dem zieht man die Wahrscheinlichkeit ab, dass es mehr als 6 Patienten ankommt. Diese zwei Werten kann man gleichzeitig berechnen, wenn man zwischen durch eine leere Stelle schreibt: > ppois(c(1,6), lambda=0.25, lower.tail=false) [1] e e-09 > e e-09 [1] Die zwei Teilergebnisse kopiert man in Script-Fenster zurück, um das Differenz zu berechnen. Hausaufgabe zur Übung 4. Börzsönyi L. 9
Wahrscheinlichkeitsrechnung für die Mittelstufe
Wahrscheinlichkeitsrechnung für die Mittelstufe Wir beginnen mit einem Beispiel, dem Münzwurf. Es wird eine faire Münze geworfen mit den Seiten K (für Kopf) und Z (für Zahl). Fair heißt, dass jede Seite
MehrGrundlegende Eigenschaften von Punktschätzern
Grundlegende Eigenschaften von Punktschätzern Worum geht es in diesem Modul? Schätzer als Zufallsvariablen Vorbereitung einer Simulation Verteilung von P-Dach Empirische Lage- und Streuungsparameter zur
MehrStochastik 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
Mehr1.4 Der Binomialtest. Die Hypothesen: H 0 : p p 0 gegen. gegen H 1 : p p 0. gegen H 1 : p > p 0
1.4 Der Binomialtest Mit dem Binomialtest kann eine Hypothese bezüglich der Wahrscheinlichkeit für das Auftreten einer Kategorie einer dichotomen (es kommen nur zwei Ausprägungen vor, z.b. 0 und 1) Zufallsvariablen
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2013 Aufgabe 1 In einer Urne
MehrMathematik: LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 12. Erwartungswert, Varianz und Standardabweichung
Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester ARBEITSBLATT Erwartungswert, Varianz und Standardabweichung Die Begriffe Varianz und Standardabweichung sind uns bereits aus der Statistik bekannt
MehrBeurteilende Statistik
Beurteilende Statistik Wahrscheinlichkeitsrechnung und Beurteilende Statistik was ist der Unterschied zwischen den beiden Bereichen? In der Wahrscheinlichkeitstheorie werden aus gegebenen Wahrscheinlichkeiten
MehrDiscrete Probability - Übungen (SS5) Wahrscheinlichkeitstheorie. 1. KR, Abschnitt 6.1, Aufgabe 5: 2. KR, Abschnitt 6.1, Aufgabe 7:
Discrete Probability - Übungen (SS5) Felix Rohrer Wahrscheinlichkeitstheorie 1. KR, Abschnitt 6.1, Aufgabe 5: Bestimmen Sie die Wahrscheinlichkeit dafür, dass die Augensumme von zwei geworfenen Würfeln
MehrDieses Quiz soll Ihnen helfen, Kapitel besser zu verstehen.
Dieses Quiz soll Ihnen helfen, Kapitel 2.5-2. besser zu verstehen. Frage Wir betrachten ein Würfelspiel. Man wirft einen fairen, sechsseitigen Würfel. Wenn eine oder eine 2 oben liegt, muss man 2 SFr zahlen.
MehrKlausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende
Universität Duisburg-Essen Essen, den 0.0.009 Fachbereich Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,
MehrDiskrete Verteilungen
KAPITEL 6 Disrete Verteilungen Nun werden wir verschiedene Beispiele von disreten Zufallsvariablen betrachten. 1. Gleichverteilung Definition 6.1. Eine Zufallsvariable X : Ω R heißt gleichverteilt (oder
MehrHypergeometrische Verteilung
Hypergeometrische Verteilung Typischer Anwendungsfall: Ziehen ohne Zurücklegen Durch den Ziehungsprozess wird die Wahrscheinlichkeit des auch hier zu Grunde liegenden Bernoulli-Experimentes verändert.
Mehr1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6
Inhaltsverzeichnis 1 Vorbemerkungen 1 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2 3 Wahrscheinlichkeitsaxiome 4 4 Laplace-Experimente 5 Hilfsmittel aus der Kombinatorik 7 Bedingte
MehrBiomathematik für Mediziner, Klausur SS 2001 Seite 1
Biomathematik für Mediziner, Klausur SS 2001 Seite 1 Aufgabe 1: Von den Patienten einer Klinik geben 70% an, Masern gehabt zu haben, und 60% erinnerten sich an eine Windpockeninfektion. An mindestens einer
MehrETWR 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
MehrStochastik: Erwartungswert Stochastik Erwartungswert einer Zufallsvariablen Gymnasium ab Klasse 10 Alexander Schwarz
Stochastik Erwartungswert einer Zufallsvariablen Gymnasium ab Klasse 0 Alexander Schwarz www.mathe-aufgaben.com November 20 Aufgabe : Ein Glücksrad besteht aus Feldern, die folgendermaßen beschriftet sind:.feld:
Mehr6. 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,
MehrKapitel 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
MehrM13 Übungsaufgaben / pl
Die Histogramme von Binomialverteilungen werden bei wachsendem Stichprobenumfang n immer flacher und breiter. Dem Maximum einer solchen Verteilung kommt daher keine allzu große Wahrscheinlichkeit zu. Vielmehr
MehrWahrscheinlichkeitsrechnung
Wahrscheinlichkeitsrechnung Was du wissen musst: Die Begriffe Zufallsexperiment, Ereignisse, Gegenereignis, Zufallsvariable und Wahrscheinlichkeit sind dir geläufig. Du kannst mehrstufige Zufallsversuche
MehrStochastik Pfadregeln Erwartungswert einer Zufallsvariablen Vierfeldertafel Gymnasium
Stochastik Pfadregeln Erwartungswert einer Zufallsvariablen Vierfeldertafel Gymnasium Alexander Schwarz www.mathe-aufgaben.com Oktober 205 Aufgabe : In einer Urne befinden sich drei gelbe, eine rote und
Mehr10. Vorlesung. Grundlagen in Statistik. Seite 291. Martin-Luther-Universität Halle/Wittenberg
. Vorlesung Grundlagen in Statistik Seite 29 Beispiel Gegeben: Termhäufigkeiten von Dokumenten Problemstellung der Sprachmodellierung Was sagen die Termhäufigkeiten über die Wahrscheinlichkeit eines Dokuments
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 12.5.2006 1 Test auf Anteilswert: Binomialtest Sei eine Stichprobe unabhängig, identisch verteilter ZV (i.i.d.). Teile diese Stichprobe in zwei Teilmengen
MehrWebinar Induktive Statistik. - Wahrscheinlichkeitsrechnung - Stichprobentheorie
Webinar Induktive Statistik - Wahrscheinlichkeitsrechnung - Stichprobentheorie Wahrscheinlichkeitstheorie Aufgabe : Zwei Lieferanten decken den Bedarf eines PKW-Herstellers von 00.000 Einheiten pro Monat.
MehrWahrscheinlichkeitsrechnung
Wahrscheinlichkeitsrechnung Rainer Hauser Dezember 2012 1 Einleitung 1.1 Zufallsexperimente Im Folgenden wird das Resultat eines Experiments als Ereignis bezeichnet. Lässt man eine Metallkugel aus einer
MehrBiometrieübung 5 Spezielle Verteilungen. 1. Anzahl von weiblichen Mäusen in Würfen von jeweils 4 Mäusen
Biometrieübung 5 (Spezielle Verteilungen) - Aufgabe Biometrieübung 5 Spezielle Verteilungen Aufgabe 1. Anzahl von weiblichen Mäusen in Würfen von jeweils 4 Mäusen Anzahl weiblicher Mäuse (k) Anzahl Würfe
MehrStetige Verteilungen. A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch
6 Stetige Verteilungen 1 Kapitel 6: Stetige Verteilungen A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch dargestellt. 0.2 6
Mehr1 1. Übung. Einleitung. 1.1 Urnenmodelle. 1.2 Beispiele. 1.3 Aufgaben
Einleitung Dieses sind die kompletten Präsenzaufgaben, die bei der Übung zur Vorlesung Einführung in die Stochastik im Sommersemester 2007 gerechnet wurden. Bei Rückfragen und Anmerkungen bitte an brune(at)upb.de
MehrDiskrete Wahrscheinlichkeitstheorie - Probeklausur
Diskrete Wahrscheinlichkeitstheorie - robeklausur Sommersemester 2007 - Lösung Name: Vorname: Matrikelnr.: Studiengang: Hinweise Sie sollten insgesamt Blätter erhalten haben. Tragen Sie bitte Ihre Antworten
MehrStochastik (Laplace-Formel)
Stochastik (Laplace-Formel) Übungen Spielwürfel oder Münzen werden ideal (oder fair) genannt, wenn jedes Einzelereignis mit gleicher Wahrscheinlichkeit erwartet werden kann. 1. Ein idealer Spielwürfel
MehrÜbungen zur Mathematik für Pharmazeuten
Blatt 1 Aufgabe 1. Wir betrachten den Ereignisraum Ω = {(i,j) 1 i,j 6} zum Zufallsexperiment des zweimaligem Würfelns. Sei A Ω das Ereignis Pasch, und B Ω das Ereignis, daß der erste Wurf eine gerade Augenzahl
MehrMathematik. Mathematische Leitidee: Daten, Häufigkeit und Wahrscheinlichkeit. Aufgabe Nr./Jahr: 16/2010. Bezug zum Lehrplan NRW:
Mathematik Mathematische Leitidee: Daten, Häufigkeit und Wahrscheinlichkeit Aufgabe Nr./Jahr: 16/2010 Bezug zum Lehrplan NRW: Prozessbezogener Bereich (Kap. 2.1) Prozessbezogene Kompetenzen (Kap. 3.1)
MehrÜbungsrunde 5, Gruppe 2 LVA , Übungsrunde 5, Gruppe 2, Markus Nemetz, TU Wien, 11/2006
3.. Angabe Übungsrunde 5, Gruppe 2 LVA 07.369, Übungsrunde 5, Gruppe 2, 4.. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, /2006 Betrachten Sie einen Behälter, der Karten mit jeweils einer aufgedruckten
MehrKontrolle. Themenübersicht
Themenübersicht Arbeitsblatt 1 Statistik Arbeitsblatt 2 Erheben und Auswerten von Daten Arbeitsblatt 3 Zufallsexperimente Arbeitsblatt 4 mehrstufige Zufallsexperimente Inhalt, Schwerpunkte des Themas Urliste,
MehrEin Würfel wird geworfen. Einsatz: Fr Gewinn: Fr. 6.--
1 Ein Würfel wird geworfen. : Fr. 1.-- : Fr. 6.-- Der Spieler hat gewonnen falls eine 6 erscheint. 2 Zwei Würfel werden geworfen. : Fr. 1.-- : Fr. 7.-- Der Spieler hat gewonnen falls die Augensumme gleich
MehrProf. Dr. Christoph Karg Hochschule Aalen. Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik. Sommersemester 2016
Prof. Dr. Christoph Karg 5.7.2016 Hochschule Aalen Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik Sommersemester 2016 Name: Unterschrift: Klausurergebnis Aufgabe 1 (15 Punkte) Aufgabe 3
MehrKenngrößen von Zufallsvariablen
Kenngrößen von Zufallsvariablen Die Wahrscheinlichkeitsverteilung kann durch die sogenannten Kenngrößen beschrieben werden, sie charakterisieren sozusagen die Verteilung. Der Erwartungswert Der Erwartungswert
MehrAufgabe 1 (mdb632540): Murat hat zehn Spielkarten verdeckt auf den Tisch gelegt: Buben, Könige, Asse, Zehn.
Wahrscheinlichkeiten Aufgabe 1 (mdb632540): Murat hat zehn Spielkarten verdeckt auf den Tisch gelegt: Buben, Könige, Asse, Zehn. Bestimme die Wahrscheinlichkeit, dass Anna a) ein Ass, b) einen Buben, c)
MehrÜ b u n g s b l a t t 15
Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel 2. 7. 2007 Ü b u n g s b l a t t 15 Hier ist zusätzliches Übungsmaterial zur Klausurvorbereitung quer durch die Inhalte der Vorlesung. Eine
MehrKurs 2 Stochastik EBBR Vollzeit (1 von 2)
Erwachsenenschule Bremen Abteilung I: Sekundarstufe Doventorscontrescarpe 172 A 281 Bremen Kurs 2 Stochastik EBBR Vollzeit (1 von 2) Name: Ich 1. 2. 3. 4.. 6. 7. So schätze ich meinen Lernzuwachs ein.
MehrWahrscheinlichkeitsrechnung
Absolute und relative Häufigkeiten Wenn man mit Reißzwecken würfelt, dann können sie auf den Kopf oder auf die Spitze fallen. Was ist wahrscheinlicher? Ein Versuch schafft Klarheit. Um nicht immer wieder
MehrKapitel 12 Stetige Zufallsvariablen Dichtefunktion und Verteilungsfunktion. stetig. Verteilungsfunktion
Kapitel 12 Stetige Zufallsvariablen 12.1. Dichtefunktion und Verteilungsfunktion stetig Verteilungsfunktion Trägermenge T, also die Menge der möglichen Realisationen, ist durch ein Intervall gegeben Häufig
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 19. Januar 2011 1 Nichtparametrische Tests Ordinalskalierte Daten 2 Test für ein Merkmal mit nur zwei Ausprägungen
Mehr8. Konfidenzintervalle und Hypothesentests
8. Konfidenzintervalle und Hypothesentests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Beispiel. Sie wollen den durchschnittlichen Fruchtsaftgehalt eines bestimmten Orangennektars
Mehr10. Übung (Korrelation und lineare Regressionsanalyse)
10. Übung (Korrelation und lineare Regressionsanalyse) Es wird untersucht, ob ein linearer Zusammenhang zwischen zwei Variablen besteht. Mit anderen Worten: ob ein solcher Zusammenhang gibt, wenn der beobachteter
MehrDer Trainer einer Fußballmannschaft stellt die Spieler seiner Mannschaft auf. Insgesamt besteht der Kader seiner Mannschaft aus 23 Spielern.
Aufgabe 1 (2 + 1 + 2 + 2 Punkte) Der Trainer einer Fußballmannschaft stellt die Spieler seiner Mannschaft auf. Insgesamt besteht der Kader seiner Mannschaft aus 23 Spielern. a) Wieviele Möglichkeiten hat
MehrII Wahrscheinlichkeitsrechnung
251 1 Hilfsmittel aus der Kombinatorik Wir beschäftigen uns in diesem Abschnitt mit den Permutationen, Kombinationen und Variationen. Diese aus der Kombinatorik stammenden Abzählmethoden sind ein wichtiges
MehrOnline-Aufgaben Statistik (BIOL, CHAB) Auswertung und Lösung
Online-Aufgaben Statistik (BIOL, CHAB) Auswertung und Lösung Abgaben: 92 / 234 Maximal erreichte Punktzahl: 7 Minimal erreichte Punktzahl: 1 Durchschnitt: 4 Frage 1 (Diese Frage haben ca. 0% nicht beantwortet.)
MehrAufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97.
Aufgabenblock 4 Aufgabe ) Da s = 8. cm nur eine Schätzung für die Streuung der Population ist, müssen wir den geschätzten Standardfehler verwenden. Dieser berechnet sich als n s s 8. ˆ = = =.88. ( n )
MehrWahlteil Geometrie/Stochastik B 1
Abitur Mathematik: Wahlteil Geometrie/Stochastik B 1 Baden-Württemberg 214 Aufgabe B 1.1 a) 1. SCHRITT: SKIZZE ANFERTIGEN Die Lage der Pyramide im Koordinatensystem ist wie folgt: 2. KOORDINATENGLEICHUNG
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Binomialverteilung und Bernoulli- Experiment
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Binomialverteilung und Bernoulli- Experiment Das komplette Material finden Sie hier: Download bei School-Scout.de TOSSNET Der persönliche
MehrWahrscheinlichkeitsverteilungen
Wahrscheinlichkeitsverteilungen 1. Binomialverteilung 1.1 Abzählverfahren 1.2 Urnenmodell Ziehen mit Zurücklegen, Formel von Bernoulli 1.3 Berechnung von Werten 1.4 Erwartungswert und Standardabweichung
MehrExemplar für Prüfer/innen
Exemplar für Prüfer/innen Kompensationsprüfung zur standardisierten kompetenzorientierten schriftlichen Reifeprüfung AHS Juni 2016 Mathematik Kompensationsprüfung 3 Angabe für Prüfer/innen Hinweise zur
MehrRUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG
Die Poisson-Verteilung Jianmin Lu RUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG Ausarbeitung zum Vortrag im Seminar Stochastik (Wintersemester 2008/09, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In der Wahrscheinlichkeitstheorie
Mehr2.2 Ereignisse und deren Wahrscheinlichkeit
2.2 Ereignisse und deren Wahrscheinlichkeit Literatur: [Papula Bd., Kap. II.2 und II.], [Benning, Kap. ], [Bronstein et al., Kap. 1.2.1] Def 1 [Benning] Ein Zufallsexperiment ist ein beliebig oft wiederholbarer,
MehrMafI I: Logik & Diskrete Mathematik (Autor: Gerrit (-Arthur) Gruben)
Musterlösung zum. Aufgabenblatt zur Vorlesung MafI I: Logik & Diskrete Mathematik (Autor: Gerrit (-Arthur Gruben. Wahrscheinlichkeiten I ( Punkte Die Seiten von zwei Würfeln sind mit den folgenden Zahlen
MehrHypothesentest, ein einfacher Zugang mit Würfeln
R. Brinkmann http://brinkmann-du.de Seite 4..4 ypothesentest, ein einfacher Zugang mit Würfeln Von einem Laplace- Würfel ist bekannt, dass bei einmaligem Wurf jede einzelne der Zahlen mit der Wahrscheinlichkeit
MehrBeispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen
4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.
MehrBachelor BEE Statistik Übung: Blatt 1 Ostfalia - Hochschule für angewandte Wissenschaften Fakultät Versorgungstechnik Aufgabe (1.1): Gegeben sei die folgende Messreihe: Nr. ph-werte 1-10 6.4 6.3 6.7 6.5
MehrBeispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es
Beispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es beim radioaktiven Zerfall, zwischen 100 und 110 Zerfälle
MehrWahrscheinlichkeit und Zufall
Wahrscheinlichkeit und Zufall Klassische Probleme der Wahrscheinlichkeitsrechnung 23. Juni 2009 Dr. Katja Krüger Universität Paderborn Inhalt Die Wetten des Chevalier de Méréé Warten auf die erste Sechs
MehrDiskrete Wahrscheinlichkeitsverteilungen
Diskrete Wahrscheinlichkeitsverteilungen Worum geht es in diesem Modul? Zufallsvariablen Wahrscheinlichkeitsverteilungen Maßzahlen theoretischer Verteilungen Eigenschaften von Erwartungswert und Varianz
MehrSatz 16 (Multiplikationssatz)
Häufig verwendet man die Definition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A B] = Pr[B A] Pr[A] = Pr[A B] Pr[B]. (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1,..., A n gegeben.
Mehr1.1.1 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............
MehrAbiturprüfung. Mecklenburg-Vorpommern Stochastik. Wahl- und Pflichtaufgaben. Aus den Jahren 2009 bis Datei Nr Stand 5.
Abiturprüfung Mecklenburg-Vorpommern Stochastik Wahl- und Pflichtaufgaben Aus den Jahren 2009 bis 2016 Datei Nr. 73111 Stand 5. August 2016 FRIEDRICH W. BUCKEL INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK 73111
MehrStochastik. Pfadregeln Erwartungswert einer Zufallsvariablen bedingte Wahrscheinlichkeit. berufliche Gymnasien Oberstufe.
Stochastik Pfadregeln Erwartungswert einer Zufallsvariablen bedingte Wahrscheinlichkeit berufliche Gymnasien Oberstufe Alexander Schwarz www.mathe-aufgaben.com Oktober 2015 1 Aufgabe 1: Eine Urne enthält
Mehr7.3 Chi-Quadrat-Streuungstest und F-Test
7.3 Chi-Quadrat-Streuungstest und F-Test Alle bisher besprochenen Statistischen Tests sind sog. Tests über die Mittelwerte; denn ihre Nullhypothesen handeln vom Vergleich entweder zweier Mittelwerte oder
MehrSpielgeräte: Von Wahrscheinlichkeiten bis Binomialverteilung
Bernoulli-Kette, und hypergeometrische Verteilung: F. 2. 32 Spielgeräte: Von Wahrscheinlichkeiten bis Die folgende Stationenarbeit dient dazu, die Begriffe der Oberstufenstochastik (Wahrscheinlichkeit;
MehrStandardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend
Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten
MehrEin möglicher Unterrichtsgang
Ein möglicher Unterrichtsgang. Wiederholung: Bernoulli Experiment und Binomialverteilung Da der sichere Umgang mit der Binomialverteilung, auch der Umgang mit dem GTR und den Diagrammen, eine notwendige
MehrKombinatorik. 1. Beispiel: Wie viele fünfstellige Zahlen lassen sich aus den fünf Ziffern in M = {1;2;3;4;5} erstellen?
1 Kombinatorik Aus einer Grundgesamtheit mit n Elementen wird eine Stichprobe k Elementen entnommen. Dabei kann die Stichprobe geordnet oder ungeordnet sein. "Geordnet" bedeutet, dass die Reihenfolge der
MehrAufgabe 50. Ein Schießbudenbesitzer hat festgestellt, dass die Trefferwahrscheinlichkeit in den späten Abendstunden 0;1 pro Schuss beträgt.
Aufgabe 0 Ein Schießbudenbesitzer hat festgestellt, dass die Trefferwahrscheinlichkeit in den späten Abendstunden 0;1 pro Schuss beträgt. a) Wie hoch ist die Wahrscheinlichkeit, bei Schüssen mindestens
MehrAn die Zweige schreibt man jeweils die Wahrscheinlichkeit, die für dieses Ereignis gilt.
. Mehrstufige Zufallsversuche und Baumdiagramme Entsprechend der Anmerkung in. wollen wir nun auf der Basis von bekannten Wahr- scheinlichkeiten weitere Schlüsse ziehen. Dabei gehen wir immer von einem
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren. 1. Zweimaliges Ziehen aus einer Urne (ohne Zurücklegen)
Dr. Jürgen Senger INDUKTIVE STATISTIK Wahrscheinlichkeitstheorie, Schätz- und Testverfahren ÜUNG. - LÖSUNGEN. Zweimaliges Ziehen aus einer Urne (ohne Zurücklegen Die Urne enthält 4 weiße und 8 rote Kugeln.
MehrAufgaben zum Wahrscheinlichkeitsrechnen
1.) Wie groß ist die Wahrscheinlichkeit, beim einmaligen Werfen mit einem Würfel keine 4 zu werfen? % 2.) Wie groß ist beim einmaligen Werfen von zwei verschieden farbigen Würfeln die Wahrscheinlichkeit,...
MehrKapitel 2 Wahrscheinlichkeitsrechnung
Definition 2.77: Normalverteilung & Standardnormalverteilung Es sei µ R und 0 < σ 2 R. Besitzt eine stetige Zufallsvariable X die Dichte f(x) = 1 2 πσ 2 e 1 2 ( x µ σ ) 2, x R, so heißt X normalverteilt
MehrP( X µ c) Var(X) c 2. mit. In der Übung wurde eine alternative, äquivalente Formulierung verwendet: P( X µ < c) 1 Var(X)
Ich habe eine Frage zur Tschebyschew Ungleichung. In der Aufgabe 4 des Übungsblattes 3 benötigt man ja die Ungleichung. In diesem Falle war der Bereich (0, 20) symmetrisch um den Erwartungswert µ = 5.
MehrZentrale Abschlussprüfung 10 zur Erlangung der Erweiterten Berufsbildungsreife Mathematik (A)
Die Senatorin für Bildung und Wissenschaft Freie Hansestadt Bremen Zentrale Abschlussprüfung 10 zur Erlangung der Erweiterten Berufsbildungsreife 2010 Mathematik (A) Teil 2 Taschenrechner und Formelsammlung
MehrKlausur Nr. 1. Wahrscheinlichkeitsrechnung. Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt.
Klausur Nr. 1 2014-02-06 Wahrscheinlichkeitsrechnung Pflichtteil Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt. Name: 0. Für Pflicht- und Wahlteil gilt: saubere und übersichtliche Darstellung,
MehrWürfel-Aufgabe Bayern LK 2006
Würfel-Aufgabe Bayern LK 2006 Die Firma VEGAS hat ein neues Gesellschaftsspiel entwickelt, bei dem neben Laplace-Würfeln auch spezielle Vegas-Würfel verwendet werden, die sich äußerlich von den Laplace-Würfeln
MehrAbiturienten-Aufgabe Bayern GK 2004
Abiturienten-Aufgabe Bayern GK 2004 Die Bezeichnungen Abiturienten und Schüler beziehen sich im folgenden Text sowohl auf männliche als auch auf weibliche Personen. Die Abiturienten eines bayerischen Gymnasiums
MehrAufgabe 2.1. Ergebnis, Ergebnismenge, Ereignis
Aufgabe 2. Ergebnis, Ergebnismenge, Ereignis Ergebnis und Ergebnismenge Vorgänge mit zufälligem Ergebnis, oft Zufallsexperiment genannt Bei der Beschreibung der Ergebnisse wird stets ein bestimmtes Merkmal
MehrOptimale Strategie für das Würfelspiel Zehntausend
Optimale Strategie für das Würfelspiel Zehntausend David Peter 30. Oktober 2013 Um eine optimale Strategie für Zehntausend zu entwickeln, führen wir die Funktion E(p, n) ein, die den Erwartungswert an
MehrDatenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse (PHY31) Herbstsemester 015 Olaf Steinkamp 36-J- olafs@physik.uzh.ch 044 63 55763 Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung und
Mehr15 Wahrscheinlichkeitsrechnung und Statistik
5 Wahrscheinlichkeitsrechnung und Statistik Alles, was lediglich wahrscheinlich ist, ist wahrscheinlich falsch. ( Descartes ) Trau keiner Statistik, die du nicht selbst gefälscht hast. ( Churchill zugeschrieben
MehrDeskriptive Statistik 1 behaftet.
Die Statistik beschäftigt sich mit Massenerscheinungen, bei denen die dahinterstehenden Einzelereignisse meist zufällig sind. Statistik benutzt die Methoden der Wahrscheinlichkeitsrechnung. Fundamentalregeln:
MehrEinführung 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
MehrPflichtteilaufgaben zu Stochastik (Pfadregeln, Erwartungswert, Binomialverteilung) Baden-Württemberg
Pflichtteilaufgaben zu Stochastik (Pfadregeln, Erwartungswert, Binomialverteilung) Baden-Württemberg Hilfsmittel: keine allgemeinbildende Gymnasien Alexander Schwarz www.mathe-aufgaben.com August 05 Übungsaufgaben:
MehrI. 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........................
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übungen für die kompetenzbasierte Abschlussprüfung 1. 60 Äpfel wurden gewogen und die Ergebnisse in einem Boxplot-Diagramm dargestellt. Ergänzen Sie die folgenden
MehrKapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung
Kapitel 3 Zufallsvariable Josef Leydold c 2006 Mathematische Methoden III Zufallsvariable 1 / 43 Lernziele Diskrete und stetige Zufallsvariable Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion
MehrMedizinische Biometrie (L5)
Medizinische Biometrie (L5) Vorlesung III Wichtige Verteilungen Prof. Dr. Ulrich Mansmann Institut für Medizinische Informationsverarbeitung, Biometrie und Epidemiologie mansmann@ibe.med.uni-muenchen.de
MehrRegelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall
Wahrscheinlichkeitstheorie Was will die Sozialwissenschaft damit? Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall Auch im Alltagsleben arbeiten wir mit Wahrscheinlichkeiten, besteigen
MehrBestimmen der Wahrscheinlichkeiten mithilfe von Zählstrategien
R. Brinmann http://brinmann-du.de Seite 4.0.2007 Bestimmen der Wahrscheinlicheiten mithilfe von Zählstrategien Die bisherigen Aufgaben zur Wahrscheinlicheitsrechnung onnten im Wesentlichen mit übersichtlichen
Mehr825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170 e 500 e 443 e 608 e. Zeichnen Sie das Box-Plot. Sind in dieser Stichprobe Ausreißer vorhanden?
1. Aufgabe: Eine Bank will die jährliche Sparleistung eines bestimmten Kundenkreises untersuchen. Eine Stichprobe von 12 Kunden ergab folgende Werte: 825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170
MehrHauptprüfung Abiturprüfung 2014 (ohne CAS) Baden-Württemberg
Hauptprüfung Abiturprüfung 04 (ohne CAS) Baden-Württemberg Wahlteil Analytische Geometrie / Stochastik Hilfsmittel: GTR und Formelsammlung allgemeinbildende Gymnasien Alexander Schwarz www.mathe-aufgaben.com
MehrWahrscheinlichkeitsrechnung und schließende Statistik
Springer-Lehrbuch Wahrscheinlichkeitsrechnung und schließende Statistik von Karl Mosler, Friedrich Schmid Neuausgabe Wahrscheinlichkeitsrechnung und schließende Statistik Mosler / Schmid schnell und portofrei
MehrÜbungsblatt 9. f(x) = e x, für 0 x
Aufgabe 1: Übungsblatt 9 Basketball. Ein Profi wirft beim Training aus einer Entfernung von sieben Metern auf den Korb. Er trifft bei jedem Wurf mit einer Wahrscheinlichkeit von p = 1/2. Die Zufallsvariable
MehrMathematische und statistische Methoden II
Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de lordsofthebortz.de lordsofthebortz.de/g+
Mehr