Statistik I Juli 2004

Größe: px
Ab Seite anzeigen:

Download "Statistik I Juli 2004"

Transkript

1 Statistik I Juli 2004 Aufgabe 1 11 Punkte In Alksburg, dem Austragungsort des Brückenfestes, werden sieben verschiedene (nicht rezeptpflichtige) Präparate gegen Kopfschmerz angeboten. Jedes Präparat basiert auf genau einem der drei alternativen Wirkstoffe A, B oder C, wobei bekannt ist, dass die Substanz C wirksamer ist als die Substanz A und diese wiederum wirksamer als die Substanz B. Auf Grund der großen Nachfrage nach Kopfschmerzmitteln werden in Alksburg derartige Präparate grundsätzlich nur in Packungen zu 50 Tabletten (entspricht Packungsgröße N3) verkauft. Die nachfolgende Tabelle fasst für jedes Präparat den enthaltenen Wirkstoff, den Verkaufspreis pro Packung sowie die im Jahr 2003 in Alksburg abgesetzte Anzahl Packungen zusammen: Präparat Wirkstoff Preis (in pro Packung) Absatz (in Anzahl Packungen) 1 A C C B C A B a) Geben Sie die Skalierung der drei Merkmale Wirksamkeit des Wirkstoffes, Preis und Absatz an. b) Ermitteln Sie für jedes der drei Merkmale aus a) die folgenden Lageparameter, soweit diese auf Grund des jeweiligen Skalenniveaus sinnvollerweise berechnet werden können: Modus Median Arithmetisches Mittel c) Welches Maß ist geeignet zur Quantifizierung des Zusammenhangs zwischen den Merkmalen Preis und Absatz? (Keine Berechnung erforderlich!) d) Auf Grund der Vermutung, dass hohe Absatzwerte vorwiegend bei niedrigen Preisen auftreten (und umgekehrt), könnte man eine negative Korrelation dieser beiden Merkmale erwarten. Dennoch hat die Berechnung eines geeigneten, auf [ 1; 1] normierten Zusammenhangsmaßes den positiven Wert 0,186 ergeben. Erläutern Sie auf Grund obiger Daten (ohne Rechnung!) das Zustandekommen dieses vermeintlichen Widerspruchs. e) Bestimmen Sie den Wert des normierten Gini-Koeffizienten für den Umsatz im Jahr

2 Aufgabe 2 9 Punkte Herr B. hat in fünf aufeinanderfolgenden Jahren jeweils im ersten Drittel (d.h. Januar bis April), im zweiten Drittel (Mai bis August) bzw. im dritten Drittel (September bis Dezember) des Jahres folgende Strecken (gemessen in 1000 km) mit dem Fahrrad zurückgelegt: Jahr Drittel Strecke 1,3 3,8 1,2 0,7 4,4 1,2 1,0 3,8 1,5 1,3 3,5 1,5 1,9 3,5 0,9 a) Unterstellen Sie das additive Zeitreihenmodell mit konstanter Saisonfigur und berechnen Sie die zugehörige saisonbereinigte Zeitreihe. b) Berechnen Sie für das erste Drittel des Jahres 3 den gleitenden Durchschnitt der Ordnung 6. c) Im Folgenden wird mit z i die von Herrn B. insgesamt im Jahr i mit dem Fahrrad zurückgelegte Strecke bezeichnet, i = 1,...,5. Wie lautet die Regressionsgerade, wenn die z i als Werte der abhängigen und die i als Werte der unabhängigen Variablen angesetzt werden? Aufgabe 3 Student Eddy Einsam ist seit einer Woche mit einer Kommilitonin liiert. Zum Einwöchigen möchte er sie überraschen und mit einem Geschenk seine Liebe unter Beweis stellen. Auf die Frage, über welches Präsent sie sich besonders freuen würde, antwortet sie mit Du musst mir doch nichts schenken, mein Schatz!. Seine Mutter gibt ihm jedoch den Rat, dieser Aussage nicht zu glauben und ihr Blumen zu schenken. Da Eddy Einsam bisher kaum Erfahrung im zwischenmenschlichen Bereich sammeln konnte, zieht er seinen Freund Anton Amore zurate. Anton schätzt, dass die Mutter von Eddy mit 85 % Wahrscheinlichkeit Recht mit der Aussage hat, dass die Freundin von Eddy ein Geschenk erwartet. In diesem Fall ist die Wahrscheinlichkeit 90 %, dass die Dame sauer wird, wenn sie kein Geschenk erhält. Sollte die Mutter mit ihrer Meinung jedoch im Unrecht sein, so wäre die Freundin von Eddy mit 60 % Wahrscheinlichkeit sauer über den Erhalt eines Geschenkes, da er ihre Antwort nicht ernst genommen hat. Nicht sauer wird sie, wenn sie sich ein Geschenk wünscht und ein Geschenk erhält bzw. sich kein Geschenk wünscht und nichts erhält. Bitte verwenden Sie die angegebenen Bezeichnungen für folgende Ereignisse: E N S Die Freundin erwartet ein Geschenk Eddy schenkt der Freundin nichts Die Freundin ist sauer I. Eddy ist mit der Situation überfordert und beschließt, eine faire Münze zu werfen. Bei Kopf schenkt er seiner Freundin Blumen, bei Zahl nichts. a. Mit welcher Wahrscheinlichkeit ist die Freundin am Abend des Einwöchigen sauer (P(S))? (Anmerkung: Es empfiehlt sich die Visualisierung des Sachverhaltes anhand einer Baumdarstellung.) b. Eddys Freundin ist am Abend des Einwöchigen sauer. Mit welcher Wahrscheinlichkeit hatte sie ein Geschenk erwartet (P(E S))? II. Eigentlich hatte Eddy vor, seiner Freundin zum Einwöchigen eine Jahreskarte für den FCA zu schenken. Nehmen Sie deshalb nun (statt der in I. beschriebenen Vorgehensweise) an, dass Eddy beschließt, die Münze zweimal zu werfen und je nach dabei eintretender Münzkombination der Freundin Blumen, die Jahreskarte bzw. nichts zu schenken. Bekannt sei, dass er bei der Kombination zweimal Kopf 2

3 Blumen schenkt. Die übrigen Festlegungen kennt außer Eddy nur Anton Amore, und dieser hat daraus für das Ereignis, dass die Freundin ein Geschenk erwartet, nichts bekommt und sauer wird, den Wert 19,125 % errechnet (P(E N S) = 0, 19125). Bei welcher Münzkombination schenkt Eddy die FCA- Jahreskarte, wenn als mögliche Kombinationen die Fälle zweimal Kopf, einmal Kopf, einmal Zahl und zweimal Zahl angesehen werden? Aufgabe 4 Bei der Fußballweltmeisterschaft 2006 gelangen die Mannschaften aus der Schweiz und aus Jamaika in das Endspiel. Da nach der regulären Spielzeit und der Verlängerung noch kein Tor gefallen ist, soll das Spiel durch Elfmeterschießen entschieden werden. Die Schweizer Spieler erzielen mit der Wahrscheinlichkeit von 0,8 pro Schuss einen Treffer, die Jamaikaner haben Elfmeterschießen nicht geübt und schießen die Bälle gleichverteilt auf eine Fläche von 14 mal 5 Meter, in der am unteren Rand mittig sich das Tor befindet, welches die Größe 7 mal 2,50 Meter hat. Um den Jamaikanern überhaupt eine Chance zu geben, verzichtet die Schweizer Mannschaft auf einen Torwart. Jede Mannschaft hat zunächst fünf Schüsse, dann soll ein Sieger feststehen. Die Schützen treffen unabhängig voneinander. a) Wie groß ist die Wahrscheinlichkeit, dass die Schweiz genau 2mal trifft? Wie groß ist die Wahrscheinlichkeit für 3 oder mehr Treffer? b) Wie groß ist die Wahrscheinlichkeit, dass Jamaika genau 2mal trifft? Wie groß ist die Wahrscheinlichkeit für 3 oder mehr Treffer? Nach 4 Runden steht es 4:4. c) Wie groß ist die Wahrscheinlichkeit, dass nach der nächsten Runde Jamaika die WM gewonnen hat? Da nach fünf Schüssen Gleichstand herrscht, wird das Elfmeterschießen fortgesetzt. Beim Stand von 27:27 schätzt der Schiedsrichter, dass die Zeit in Minuten von jetzt bis zum Ende des Spieles eine N(40;10)-verteilte Zufallsvariable ist. Wie groß ist dann die Wahrscheinlichkeit, dass d) das Spiel nach spätestens einer weiteren Stunde beendet ist? e) die weitere Spielzeit in dem Intervall [30; 40] liegt? Aufgabe 5 Von einer zweidimensionalen Zufallsvariablen (X,Y) ist Folgendes bekannt: X hat den Wertebereich { 2; 0; 2}. Y hat den Wertebereich {0; 1}. Es gilt P(X = 2) = P(X = 0) = 0,3, P(X = 2,Y = 0) = 0,3 und P(X = 2,Y = 0) = 0,1. Außerdem sei P(Y = 0) = 0,6. Berechnen Sie a) die fehlenden gemeinsamen Wahrscheinlichkeiten und Randwahrscheinlichkeiten zu (X,Y), b) sowohl von X als auch von Y den Erwartungswert und die Varianz, c) den Erwartungswert der Zufallsvariablen X Y, d) die Kovarianz Cov(X,Y). e) Sind X,Y unabhängig? (Kurze Begründung!) f) Bestimmen Sie die Varianz der Zufallsvariablen 3X Y. 3

4 Lösung zu Aufgabe 1 a) Wirksamkeit: ordinal; Preis: kardinal; Absatz: kardinal b) Wirkstoff: x Mod = C; x Med = A Preis: x Mod : jeder Preis; x Med = 9; x = 10 Absatz: x Mod = 22000; x Med = 9500; x = c) Sinnvoll: Bravais-Pearson-Korrelationskoeffizient d) Es liegt eine Scheinkorrelation vor. Die intervenierende Variable Wirkstoff bewirkt, dass Preis und Absatz positiv korreliert sind: Ein wirksameres Medikament wird trotz des höheren Preises stärker nachgefragt als ein weniger wirksames Medikament. e) Zuerst wird für jedes Präparat der Umsatz (in T ) ermittelt und die Umsatzzahlen aufsteigend sortiert: Einsetzen in (17) i.v.m. (16) liefert: G = Preis Absatz Umsatz (= x i ) i , , (2, ) (7+1) 922 (7 1) 922 = 0,405 Lösung zu Aufgabe 2 a) Zu verwenden sind gleitende Durchschnitte der Ordnung 3. Dann: y t 1,3 3,8 1,2 0,7 4,4 1,2 1,0 3,8 1,5 1,3 3,5 1,5 1,9 3,5 0,9 y t 2,1 1,9 2,1 2,1 2,2 2,0 2,1 2,2 2,1 2,1 2,3 2,3 2,1 y t y t 1,7 0,7 1,4 2,3 1,0 1,0 1,7 0,7 0,8 1,4 0,8 0,4 1,4 y i j Ŝ j 2,2 2,1 2,0 1,6 2,7 2,0 1,9 2,1 2,3 2,2 1,8 2,3 2,8 1,8 1,7 3 1 wobei: S 1 = 0,9; S 2 = 1,7; S 3 = 0,8; 3 S j = 0 Ŝ j = S j, j = 1,2,3 j=1 b) 1 6 ( 1 2 0,7+4,4+1,2+1,0+3,8+1, ,3) = 2,15 c) Wegen z 1 = z 2 = = z 5 = 6,3 = const. ist die Regressionsgerade: z = 6,3 (d.h. â = 6,3; ˆb = 0). 4

5 Lösung zu Aufgabe 3 I. a) P(S) = 0,85 0,5 0,9+0,15 0,5 0,6 = 0,4275 b) P(E S) = 0,85 0,5 0,9 0,4275 = 0,8947 II. P(E N S) = 0, ,85 P(N) 0,9 = 0,19125 P(N) = 0,25 entspricht zweimal Zahl FCA-Jahreskarte bei einmal Kopf, einmal Zahl Lösung zu Aufgabe 4 a) Anzahl Treffer: X B(5; 0,8) bzw. Anzahl Fehlversuche: Y B(5; 0,2) P(X = 2) = P(Y = 3) = F(3) F(2) = 0,9933 0,9421 = 0,0512 P(X 3) = P(Y 2) = F(2) = 0,9421 b) Das Tor nimmt 25 % der Fläche ein, auf die die Jamaikaner schießen. Wegen der Gleichverteilung auf dieser Fläche gilt: P(Treffer) = 0,25 Anzahl Treffer: X B(5; 0,25) P(X = 2) = F(2) F(1) = 0,8965 0,6328 = 0,2637 P(X 3) = 1 F(2) = 1 0,8965 = 0,1035 c) Jamaika gewinnt, wenn Jamaika trifft und die Schweiz daneben schießt: 0,25 (1 0,8) = 0,05 d) F(60) = Φ ( ) = Φ(2) = 0,9772 e) F(40) F(30) = Φ ( ) ( Φ ) 10 = Φ(0) Φ( 1) = Φ(0) [1 Φ(1)] = 0,5 (1 0,8413) = 0,3413 Lösung zu Aufgabe 5 a) P(X = 0, Y = 0) = 0,2; P(X = 2, Y = 1) = 0; P(X = 0, Y = 1) = 0,1; P(X = 2, Y = 1) = 0,3; P(X = 2) = 0,4; P(Y = 1) = 0,4 b) E(X) = 2 0,3+2 0,4 = 0,2; Var(X) = ( 2 0,2) 2 0,3+(0 0,2) 2 0,3+(2 0,2) 2 0,4 = 2,76; E(Y) = 0,4; Var(Y) = (0 0,4) 2 0,6+(1 0,4) 2 0,4 = 0,24 c) E(X Y) = 2 1 0,3 = 0,6 d) Cov(X,Y) = E(X Y) E(X) E(Y) = 0,6 0,2 0,4 = 0,52 e) Nein, da P(X = 0) P(Y = 0) = 0,3 0,6 = 0,18 0,2 = P(X = 0, Y = 0) f) Var(3X Y) = 3 2 Var(X)+Var(Y) 2 3 Cov(X,Y) = 9 2,76+0,24 6 0,52 = 21,96 5

Nachholklausur Statistik: Lösungshinweise

Nachholklausur Statistik: Lösungshinweise Nachholklausur Statistik: Lösungshinweise Prüfungsdatum: 14. Januar 2014 Prüfer: Etschberger/Jansen/Nebel Studiengang: BW, IM Aufgabe 1 An einer Hochschule sollen die Studierenden ihre Dozenten bezüglich

Mehr

Klausur Statistik Lösungshinweise

Klausur Statistik Lösungshinweise Klausur Statistik Lösungshinweise Prüfungsdatum: 21. Januar 2016 Prüfer: Etschberger, Heiden, Jansen Studiengang: IM und BW Punkte: 15, 15, 12, 14, 16, 18 ; Summe der Punkte: 90 Aufgabe 1 15 Punkte Bei

Mehr

Statistik I. 1. Klausur Wintersemester 2010/2011 Hamburg, Art der Anmeldung: STiNE FlexNow Zulassung unter Vorbehalt

Statistik I. 1. Klausur Wintersemester 2010/2011 Hamburg, Art der Anmeldung: STiNE FlexNow Zulassung unter Vorbehalt Statistik I 1. Klausur Wintersemester 2010/2011 Hamburg, 11.02.2011 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................

Mehr

Weihnachtszettel zur Vorlesung. Stochastik I. Wintersemester 2011/2012

Weihnachtszettel zur Vorlesung. Stochastik I. Wintersemester 2011/2012 Weihnachtszettel zur Vorlesung Stochastik I Wintersemester 0/0 Aufgabe. Der Weihnachtsmann hat vergessen die Weihnachtsgeschenke mit Namen zu beschriften und muss sie daher zufällig verteilen. Dabei enthält

Mehr

Übungsblatt 9. f(x) = e x, für 0 x

Übungsblatt 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

Mehr

Wahrscheinlichkeitstheorie und Statistik vom

Wahrscheinlichkeitstheorie und Statistik vom INSTITUT FÜR STOCHASTIK SS 2007 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Dipl.-Math. oec. W. Lao Klausur (Maschineningenieure) Wahrscheinlichkeitstheorie und Statistik vom 2.9.2007 Musterlösungen

Mehr

Lösungen zur deskriptiven Statistik

Lösungen zur deskriptiven Statistik Lösungen zur deskriptiven Statistik Aufgabe 1. Bei einer Stichprobe von n = Studenten wurden folgende jährliche Ausgaben (in e) für Urlaubszwecke ermittelt. 1 58 5 35 6 8 1 6 55 4 47 56 48 1 6 115 8 5

Mehr

Klausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester Aufgabe 1

Klausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester Aufgabe 1 Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester 2015 Aufgabe 1 In der aktuellen

Mehr

WTheorie: Verteilungen. Aufgabe 54

WTheorie: Verteilungen. Aufgabe 54 Aufgabe 54 WTheorie: Verteilungen Die Gesamtdauer X eines Projektes wird als normalverteilt mit dem Parameter D 10 (Wochen) angenommen. Ferner wird für die Wahrscheinlichkeit P.8 X 12/ der Wert 0;8 geschätzt.

Mehr

Lösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK

Lösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK Institut für Stochastik Dr. Steffen Winter Lösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK für Studierende der INFORMATIK vom 17. Juli 01 (Dauer: 90 Minuten) Übersicht über

Mehr

Unabhängigkeit von Zufallsvariablen

Unabhängigkeit von Zufallsvariablen Unabhängigkeit von Zufallsvariablen Seminar Gegenbeispiele in der Wahrscheinlichkeitstheorie Pascal Beckedorf 12. November 2012 Pascal Beckedorf Unabhängigkeit von Zufallsvariablen 12. November 2012 1

Mehr

Statistik Klausur Wintersemester 2013/2014 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!

Statistik Klausur Wintersemester 2013/2014 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Statistik 1 2. Klausur Wintersemester 2013/2014 Hamburg, 18.03.2014 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................

Mehr

5. Spezielle stetige Verteilungen

5. Spezielle stetige Verteilungen 5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für

Mehr

Klausur zur Vorlesung

Klausur zur Vorlesung Institut für Mathematische Stochastik WS 2006/2007 Universität Karlsruhe 12. Februar 2007 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Aufgabe 1 (15 Punkte) Klausur zur Vorlesung Statistik für Biologen

Mehr

Statistik für Betriebswirte 1 Probeklausur Universität Hamburg Wintersemester 2018/ Dezember 2018

Statistik für Betriebswirte 1 Probeklausur Universität Hamburg Wintersemester 2018/ Dezember 2018 Statistik für Betriebswirte 1 Probeklausur Universität Hamburg Wintersemester 2018/2019 20. Dezember 2018 1 Aufgabe 1: Beschreibung univariater Daten (25 Punkte) Die traditionsreiche HAMBURGER SEEMANN-GEBÄUDEVERWALTUNG

Mehr

13 Mehrdimensionale Zufallsvariablen Zufallsvektoren

13 Mehrdimensionale Zufallsvariablen Zufallsvektoren 3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem

Mehr

0 sonst. a) Wie lautet die Randwahrscheinlichkeitsfunktion von Y? 0.5 y = 1

0 sonst. a) Wie lautet die Randwahrscheinlichkeitsfunktion von Y? 0.5 y = 1 Aufgabe 1 (2 + 2 + 2 + 1 Punkte) Gegeben sei folgende gemeinsame Wahrscheinlichkeitsfunktion f(x, y) = P (X = x, Y = y) der Zufallsvariablen X und Y : 0.2 x = 1, y = 1 0.3 x = 2, y = 1 f(x, y) = 0.45 x

Mehr

Wirtschaftsmathematik

Wirtschaftsmathematik Einführung in einige Teilbereiche der Wintersemester 206 Prof. Dr. Stefan Etschberger HSA Unabhängigkeit von Ereignissen A, B unabhängig: Eintreten von A liefert keine Information über P(B). Formal: P(A

Mehr

Statistik. Sommersemester Stefan Etschberger. für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik

Statistik. Sommersemester Stefan Etschberger. für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Stefan Etschberger für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 2017 Rechenregeln für den Erwartungswert Ist f symmetrisch bzgl. a, so gilt E(X)

Mehr

Übung zur Vorlesung Statistik I WS Übungsblatt 12

Übung zur Vorlesung Statistik I WS Übungsblatt 12 Übung zur Vorlesung Statistik I WS 2013-2014 Übungsblatt 12 20. Januar 2014 Die folgenden ufgaben sind aus ehemaligen Klausuren! ufgabe 38.1 (1 Punkt: In einer Studie werden 10 Patienten therapiert. Die

Mehr

Wahrscheinlichkeitstheorie und Statistik vom

Wahrscheinlichkeitstheorie und Statistik vom INSTITUT FÜR STOCHASTIK SS 2010 Karlsruher Institut für Technologie Priv.-Doz. Dr. D. Kadelka Klausur Wahrscheinlichkeitstheorie und Statistik vom 14.9.2010 Musterlösungen Aufgabe 1: Gegeben sei eine Urliste

Mehr

Klausur zum Fach GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK. für Studierende der INFORMATIK

Klausur zum Fach GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK. für Studierende der INFORMATIK Institut für Stochastik Prof. Dr. Daniel Hug Name: Vorname: Matr.-Nr.: Klausur zum Fach GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK für Studierende der INFORMATIK Datum: 08. Februar 0 Dauer:

Mehr

Statistik Klausur Wintersemester 2013/2014 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!

Statistik Klausur Wintersemester 2013/2014 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Statistik 1 A 2. Klausur Wintersemester 2013/2014 Hamburg, 18.03.2014 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................

Mehr

Wahrscheinlichkeit und Statistik BSc D-INFK

Wahrscheinlichkeit und Statistik BSc D-INFK Prof. Dr. P. Bühlmann ETH Zürich Winter 2010 Wahrscheinlichkeit und Statistik BSc D-INFK 1. (10 Punkte) Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete

Mehr

Woche 2: Zufallsvariablen

Woche 2: Zufallsvariablen Woche 2: Zufallsvariablen Patric Müller ETHZ WBL 17/19, 24.04.2017 Wahrscheinlichkeit und Statistik Patric Müller WBL 2017 Teil III Zufallsvariablen Wahrscheinlichkeit

Mehr

Woche 2: Zufallsvariablen

Woche 2: Zufallsvariablen Woche 2: Zufallsvariablen Patric Müller ETHZ WBL 19/21, 29.04.2019 Wahrscheinlichkeit und Statistik Patric Müller WBL 2019 Teil III Zufallsvariablen Wahrscheinlichkeit

Mehr

Lösungen zur Klausur WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK (STOCHASTIK)

Lösungen zur Klausur WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK (STOCHASTIK) Institut für Stochastik Dr. Steffen Winter Lösungen zur Klausur WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK (STOCHASTIK) für Studierende des Maschinenbaus vom 7. Juli (Dauer: 8 Minuten) Übersicht über die

Mehr

Übungsblatt 9 (25. bis 29. Juni)

Übungsblatt 9 (25. bis 29. Juni) Statistik 2 Dr. Andrea Beccarini Dipl.-Vw. Dipl.-Kffr. Heike Bornewasser-Hermes Sommersemester 2012 Übungsblatt 9 (25. bis 29. Juni) Stetiges Verteilungsmodell und Gemeinsame Verteilung Stetiges Verteilungsmodell

Mehr

Kapitel XII - Kennzahlen mehrdimensionaler Zufallsvariablen

Kapitel XII - Kennzahlen mehrdimensionaler Zufallsvariablen Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XII - Kennzahlen mehrdimensionaler Zufallsvariablen Wahrscheinlichkeitstheorie Prof. Dr. W.-D. Heller Hartwig Senska

Mehr

Zusammenfassung: diskrete und stetige Verteilungen. Woche 4: Gemeinsame Verteilungen. Zusammenfassung: diskrete und stetige Verteilungen

Zusammenfassung: diskrete und stetige Verteilungen. Woche 4: Gemeinsame Verteilungen. Zusammenfassung: diskrete und stetige Verteilungen Zusammenfassung: e und e Verteilungen Woche 4: Gemeinsame Verteilungen Wahrscheinlichkeitsverteilung p() Wahrscheinlichkeitsdichte f () WBL 15/17, 11.05.2015 Alain Hauser P(X = k

Mehr

0 für t < für 1 t < für 2 t < für 3 t < für 4 t < 5 1 für t 5

0 für t < für 1 t < für 2 t < für 3 t < für 4 t < 5 1 für t 5 4 Verteilungen und ihre Kennzahlen 1 Kapitel 4: Verteilungen und ihre Kennzahlen A: Beispiele Beispiel 1: Eine diskrete Zufallsvariable X, die nur die Werte 1,, 3, 4, 5 mit positiver Wahrscheinlichkeit

Mehr

Statistik für Ingenieure Vorlesung 5

Statistik für Ingenieure Vorlesung 5 Statistik für Ingenieure Vorlesung 5 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 28. November 2017 3.4 Wichtige stetige Verteilungen 3.4.1 Exponentialverteilung Parameter:

Mehr

Skript Statistik. Gerhard Kuhn, rechnenmachtspass.de Version 3

Skript Statistik. Gerhard Kuhn, rechnenmachtspass.de Version 3 Skript Statistik Gerhard Kuhn, rechnenmachtspass.de Version 3 1 Deskriptive Statistik 1.1 Grundbegriffe [SR13] 1.1.1 Die wichtigsten Skalen 1) nominale Skala: Beispiel: Automarken 2) odinale Skala (Rangskala):

Mehr

Teil VI. Gemeinsame Verteilungen. Lernziele. Beispiel: Zwei Würfel. Gemeinsame Verteilung

Teil VI. Gemeinsame Verteilungen. Lernziele. Beispiel: Zwei Würfel. Gemeinsame Verteilung Zusammenfassung: diskrete und stetige Verteilungen Woche 4: Verteilungen Patric Müller diskret Wahrscheinlichkeitsverteilung p() stetig Wahrscheinlichkeitsdichte f ()

Mehr

Statistik - Übungsaufgaben

Statistik - Übungsaufgaben Statistik - Übungsaufgaben 1) Eine vor mehreren Jahren durchgeführte Befragung von 30 Arbeitern eines Großbetriebes ergab für die Stundenlöhne folgende Liste: 16,35 16,80 15,75 16,95 16,20 17,10 16,64

Mehr

Statistik I. 2. Klausur Wintersemester 2011/2012 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!

Statistik I. 2. Klausur Wintersemester 2011/2012 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Statistik I A 2. Klausur Wintersemester 2011/2012 Hamburg, 20.03.2012 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................

Mehr

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011.

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011. Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ

Mehr

Übungen zu Wahrscheinlichkeitstheorie Judith Kloas, Wolfgang Woess, Jonas Ziefle SS 2016

Übungen zu Wahrscheinlichkeitstheorie Judith Kloas, Wolfgang Woess, Jonas Ziefle SS 2016 Übungen zu Wahrscheinlichkeitstheorie Judith Kloas, Wolfgang Woess, Jonas Ziefle SS 2016 43) [3 Punkte] Sei φ(t) die charakteristische Funktion der Verteilungsfunktion F (x). Zeigen Sie, dass für jedes

Mehr

Mehrdimensionale Zufallsvariablen

Mehrdimensionale Zufallsvariablen Mehrdimensionale Zufallsvariablen Im Folgenden Beschränkung auf den diskreten Fall und zweidimensionale Zufallsvariablen. Vorstellung: Auswerten eines mehrdimensionalen Merkmals ( ) X Ỹ also z.b. ω Ω,

Mehr

Veranstaltung Wirtschaftsstatistik (BWL) an der FH Frankfurt/Main im Sommersemester 2007 (Dr. Faik) Klausur 03. Juli 2007

Veranstaltung Wirtschaftsstatistik (BWL) an der FH Frankfurt/Main im Sommersemester 2007 (Dr. Faik) Klausur 03. Juli 2007 Veranstaltung Wirtschaftsstatistik (BWL) an der FH Frankfurt/Main im Sommersemester 2007 (Dr. Faik) Klausur 03. Juli 2007 BEARBEITER/IN (NAME, VORNAME): MATRIKELNUMMER: Hinweise: Sie haben zur Bearbeitung

Mehr

Welche der folgenden Aussagen sind richtig (jeweils 1 Punkt)?

Welche der folgenden Aussagen sind richtig (jeweils 1 Punkt)? Aufgabe 1 Welche der folgenden Aussagen sind richtig (jeweils 1 Punkt)? (a) Der Median entspricht dem 50%-Quantil. (b) Für eine eingipflige und symmetrische Verteilung gilt stets, dass der Median und der

Mehr

5 Erwartungswerte, Varianzen und Kovarianzen

5 Erwartungswerte, Varianzen und Kovarianzen 47 5 Erwartungswerte, Varianzen und Kovarianzen Zur Charakterisierung von Verteilungen unterscheidet man Lageparameter, wie z. B. Erwartungswert ( mittlerer Wert ) Modus (Maximum der Wahrscheinlichkeitsfunktion,

Mehr

Übung 1: Einführung, grafische Darstellung univariater Datensätze

Übung 1: Einführung, grafische Darstellung univariater Datensätze Übung 1: Einführung, grafische Darstellung univariater Datensätze Vor einer Bürgermeisterwahl, bei der fünf Kandidaten (A bis E) zur Auswahl stehen, wurden 160 Wahlberechtigte nach ihrer Wahlabsicht befragt.

Mehr

Statistik Probeprüfung 1

Statistik Probeprüfung 1 WWZ Wirtschaftswissenschaftliche Fakultät der Universität Basel Dr. Thomas Zehrt Bitte in Druckbuchstaben ausfüllen: Name Vorname Statistik Probeprüfung 1 Zeit: 90 Minuten, Maximale Punktzahl: 72 Zur Orientierung:

Mehr

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011 Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011 Aufgabenstellung und Ergebnisse Dr. Martin Becker Hinweise für die Klausurteilnehmer

Mehr

Statistik I für Betriebswirte Vorlesung 3

Statistik I für Betriebswirte Vorlesung 3 Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 15. April 2019 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 1. April

Mehr

Statistik I. 2. Klausur Wintersemester 2011/2012 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!

Statistik I. 2. Klausur Wintersemester 2011/2012 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Statistik I A 2. Klausur Wintersemester 2011/2012 Hamburg, 20.03.2012 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................

Mehr

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Thema: Wahrscheinlichkeit. Übungsklausur Wahrscheinlichkeit und Regression

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Thema: Wahrscheinlichkeit. Übungsklausur Wahrscheinlichkeit und Regression Übungsklausur Wahrscheinlichkeit und Regression 1. Welche der folgenden Aussagen treffen auf ein Zufallsexperiment zu? a) Ein Zufallsexperiment ist ein empirisches Phänomen, das in stochastischen Modellen

Mehr

Statistik Aufgabensammlung Sommersemester 2008 Prof. Dr. Stefan Etschberger Hochschule Ravensburg-Weingarten

Statistik Aufgabensammlung Sommersemester 2008 Prof. Dr. Stefan Etschberger Hochschule Ravensburg-Weingarten Statistik Aufgabensammlung Sommersemester 2008 Prof. Dr. Stefan Etschberger Hochschule Ravensburg-Weingarten Aufgabe 1 Ein Einzelhändler registriert für einen Exklusivartikel im Verlauf von 30 Verkaufstagen

Mehr

Stetige Verteilungen, Unabhängigkeit & ZGS

Stetige Verteilungen, Unabhängigkeit & ZGS Mathematik II für Biologen Stetige Verteilungen, & ZGS 26. Juni 2009 Stetige Verteilungen, & ZGS Wiederholung Stetige Zufallsvariable Definition Eigenschaften, Standardisierung Zusammenhang von Poisson-

Mehr

P (X = 2) = 1/36, P (X = 3) = 2/36,...

P (X = 2) = 1/36, P (X = 3) = 2/36,... 2.3 Zufallsvariablen 2.3 Zufallsvariablen Meist sind die Ereignisse eines Zufallseperiments bereits reelle Zahlen. Ist dies nicht der Fall, kann man Ereignissen eine reelle Zahl zuordnen. Zum Beispiel

Mehr

Pflichtteilaufgaben zu Stochastik (Pfadregeln, Erwartungswert, Binomialverteilung) Baden-Württemberg

Pflichtteilaufgaben 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 September 016

Mehr

Stochastik Musterlösung 7

Stochastik Musterlösung 7 ETH Zürich HS 216 RW, D-MATL, D-MAVT Prof. Dr. Martin Schweizer Koordinator Calypso Herrera Stochastik Musterlösung 7 1. a) Es sind folgende zwei Eigenschaften zu zeigen: f X,Y (x, y) für alle (x, y) R

Mehr

TU DORTMUND Sommersemester 2018

TU DORTMUND Sommersemester 2018 Fakultät Statistik. April 08 Blatt Aufgabe.: Wir betrachten das Zufallsexperiment gleichzeitiges Werfen zweier nicht unterscheidbarer Würfel. Sei A das Ereignis, dass die Augensumme beider Würfel ungerade

Mehr

Stetige Verteilungen, Unabhängigkeit & ZGS

Stetige Verteilungen, Unabhängigkeit & ZGS Mathematik II für Biologen Stetige Verteilungen, & ZGS 19. Juni 2015 Stetige Verteilungen, & ZGS Stetige Zufallsvariable Dichte & Verteilungsfunktion Eigenschaften & Kennzahlen Definition Eigenschaften,

Mehr

Mathematik 3 für Informatik

Mathematik 3 für Informatik Gunter Ochs Wintersemester 20/6 Mathematik 3 für Informatik Lösungen zum Hausaufgabenblatt 4 Lösungshinweise (ohne Ganantie auf Fehlerfreiheit. Wenn man beim Roulette auf Rot oder Schwarz setzt, erhält

Mehr

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11.

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11. Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer

Mehr

Prof. Dr. Christoph Karg Hochschule Aalen. Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik. Wintersemester 2017/2018

Prof. Dr. Christoph Karg Hochschule Aalen. Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik. Wintersemester 2017/2018 Prof. Dr. Christoph Karg 31.1.2018 Hochschule Aalen Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik Wintersemester 2017/2018 Unterschrift: Klausurergebnis Aufgabe 1 (10 Punkte) Aufgabe 3

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

Mathematik für Informatiker III im WS 05/06 Musterlösung zur 4. Übung

Mathematik für Informatiker III im WS 05/06 Musterlösung zur 4. Übung Mathematik für Informatiker III im WS 5/6 Musterlösung zur. Übung erstellt von K. Kriegel Aufgabe : Wir betrachten den Wahrscheinlichkeitsraum der Punkte P =(a, b) aus dem Einheitsquadrat [, ] [, ] mit

Mehr

Eine zweidimensionale Stichprobe

Eine zweidimensionale Stichprobe Eine zweidimensionale Stichprobe liegt vor, wenn zwei qualitative Merkmale gleichzeitig betrachtet werden. Eine Urliste besteht dann aus Wertepaaren (x i, y i ) R 2 und hat die Form (x 1, y 1 ), (x 2,

Mehr

Statistik Aufgabensammlung

Statistik Aufgabensammlung Fachhochschule für Oekonomie und Management Wintersemester 2007/08 Statistik Aufgabensammlung Prof. Dr. Stefan Etschberger Institut für Oekonomie & Management Fachhochschule für Oekonomie und Management

Mehr

Beispiel 37. Wir werfen eine Münze so lange, bis zum ersten Mal

Beispiel 37. Wir werfen eine Münze so lange, bis zum ersten Mal Beispiel 37 Wir werfen eine Münze so lange, bis zum ersten Mal Kopf erscheint. Dies geschehe in jedem Wurf unabhängig mit Wahrscheinlichkeit p. Wir definieren dazu die Zufallsvariable X := Anzahl der Würfe.

Mehr

Statistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg. für Betriebswirtschaft und internationales Management

Statistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg. für Betriebswirtschaft und internationales Management für Betriebswirtschaft und internationales Management Sommersemester 2015 Prof. Dr. Stefan Etschberger Hochschule Augsburg Normalverteilung Eine Zufallsvariable X mit einer Dichtefunktion und σ > 0 heißt

Mehr

9 Erwartungswert, Varianz und Standardabweichung einer Zufallsgröÿe

9 Erwartungswert, Varianz und Standardabweichung einer Zufallsgröÿe Übungsmaterial 9 Erwartungswert, Varianz und Standardabweichung einer Zufallsgröÿe 9. Erwartungswert Fragt man nach dem mittleren Wert einer Zufallsgröÿe X pro Versuch, so berechnet man den Erwartungswert

Mehr

Klausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester Aufgabe 1

Klausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester Aufgabe 1 Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester 2007 Aufgabe 1 25 Schülern einer

Mehr

Lösungsvorschläge zur Klausur Beschreibende Statistik und Wirtschaftsstatistik (Sommersemester 2013)

Lösungsvorschläge zur Klausur Beschreibende Statistik und Wirtschaftsstatistik (Sommersemester 2013) Lösungsvorschläge zur Klausur Beschreibende Statistik und Wirtschaftsstatistik (Sommersemester 203) Aufgabe (9 Punkte) Ein metrisches Merkmal X sei in einer Grundgesamtheit vom Umfang n = 200 diskret klassiert.

Mehr

Wichtige Definitionen und Aussagen

Wichtige Definitionen und Aussagen Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge

Mehr

Statistik für Betriebswirte 1 Probeklausur Universität Hamburg Wintersemester 2016/ Dezember 2016

Statistik für Betriebswirte 1 Probeklausur Universität Hamburg Wintersemester 2016/ Dezember 2016 Statistik für Betriebswirte 1 Probeklausur Universität Hamburg Wintersemester 2016/2017 16. Dezember 2016 1 Aufgabe 1: Beschreibung univariater Daten (30 Punkte) Ein Autohändler verkauft Autos in fünf

Mehr

Statistik 1 Beispiele zum Üben

Statistik 1 Beispiele zum Üben Statistik 1 Beispiele zum Üben 1. Ein Kühlschrank beinhaltet 10 Eier, 4 davon sind faul. Wir nehmen 3 Eier aus dem Kühlschrank heraus. (a Bezeichne die Zufallsvariable X die Anzahl der frischen herausgenommenen

Mehr

Wiederholungsklausur DWT

Wiederholungsklausur DWT LÖSUNG Wiederholungsklausur DWT Sommersemester 2008 Hinweis: Alle Antworten sind zu begründen. Insbesondere sollte bei nicht-trivialen Umformungen kurz angegeben werden, weshalb diese Umformungen erlaubt

Mehr

Biostatistik, Sommer 2017

Biostatistik, Sommer 2017 1/51 Biostatistik, Sommer 2017 Wahrscheinlichkeitstheorie: Verteilungen, Kenngrößen Prof. Dr. Achim Klenke http://www.aklenke.de 8. Vorlesung: 09.06.2017 2/51 Inhalt 1 Verteilungen Normalverteilung Normalapproximation

Mehr

Einige Konzepte aus der Wahrscheinlichkeitstheorie (Wiederh.)

Einige Konzepte aus der Wahrscheinlichkeitstheorie (Wiederh.) Einige Konzepte aus der Wahrscheinlichkeitstheorie (Wiederh.) 1 Zusammenfassung Bedingte Verteilung: P (y x) = P (x, y) P (x) mit P (x) > 0 Produktsatz P (x, y) = P (x y)p (y) = P (y x)p (x) Kettenregel

Mehr

Statistik I für Betriebswirte Vorlesung 4

Statistik I für Betriebswirte Vorlesung 4 Statistik I für Betriebswirte Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 25. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung

Mehr

Beispiel 6 (Einige Aufgaben zur Gleichverteilung)

Beispiel 6 (Einige Aufgaben zur Gleichverteilung) Beispiel 6 (Einige Aufgaben zur Gleichverteilung) Aufgabe (Anwendung der Chebyshev-Ungleichung) Sei X eine Zufallsvariable mit E(X) = µ und var(x) = σ a) Schätzen Sie die Wahrscheinlichkeit dafür, daß

Mehr

Kapitel 8. Parameter multivariater Verteilungen. 8.1 Erwartungswerte

Kapitel 8. Parameter multivariater Verteilungen. 8.1 Erwartungswerte Kapitel 8 Parameter multivariater Verteilungen 8.1 Erwartungswerte Wir können auch bei mehrdimensionalen Zufallsvariablen den Erwartungswert betrachten. Dieser ist nichts anderes als der vektor der Erwartungswerte

Mehr

Finanzmathematische Modelle und Simulation

Finanzmathematische Modelle und Simulation Finanzmathematische Modelle und Simulation WS 9/1 Rebecca Henkelmann In meiner Ausarbeitung Grundbegriffe der Stochastik I, geht es darum die folgenden Begriffe für die nächsten Kapitel einzuführen. Auf

Mehr

Programm. Wiederholung. Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung. Binomialverteilung. Hypergeometrische Verteilung

Programm. Wiederholung. Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung. Binomialverteilung. Hypergeometrische Verteilung Programm Wiederholung Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung Binomialverteilung Hypergeometrische Verteilung Wiederholung verschiedene Mittelwerte für verschiedene Skalenniveaus

Mehr

Denition 57 Eine geometrisch verteilte Zufallsvariable X mit Parameter (Erfolgswahrscheinlichkeit) p 2 (0; 1] und q := 1 p hat die Dichte

Denition 57 Eine geometrisch verteilte Zufallsvariable X mit Parameter (Erfolgswahrscheinlichkeit) p 2 (0; 1] und q := 1 p hat die Dichte 5.3 Geometrische Verteilung Man betrachte ein Experiment, das so lange wiederholt wird, bis Erfolg eintritt. Gelingt ein einzelner Versuch mit Wahrscheinlichkeit p, so ist die Anzahl der Versuche bis zum

Mehr

DWT 1.4 Rechnen mit kontinuierlichen Zufallsvariablen 240/476 c Ernst W. Mayr

DWT 1.4 Rechnen mit kontinuierlichen Zufallsvariablen 240/476 c Ernst W. Mayr 1.4.4 Laplace-Prinzip in kontinuierlichen Wahrscheinlichkeitsräumen Das folgende Beispiel zeigt, dass im kontinuierlichen Fall die Bedeutung von gleichwahrscheinlich nicht immer ganz klar sein muss. Bertrand

Mehr

A: Beispiele Beispiel 1: Zwei Zufallsvariablen X und Y besitzen die beiden folgenden Wahrscheinlichkeitsfunktionen:

A: Beispiele Beispiel 1: Zwei Zufallsvariablen X und Y besitzen die beiden folgenden Wahrscheinlichkeitsfunktionen: 5 Diskrete Verteilungen 1 Kapitel 5: Diskrete Verteilungen A: Beispiele Beispiel 1: Zwei Zufallsvariablen X und Y besitzen die beiden folgenden Wahrscheinlichkeitsfunktionen: 5 0.6 x 0.4 5 x (i) P x (x)

Mehr

Statistik-Klausur vom 10. Juli 2007

Statistik-Klausur vom 10. Juli 2007 Statistik-Klausur vom 10. Juli 2007 Bearbeitungszeit: 90 Minuten Aufgabe 1 a) Ein Unternehmen produziert und vertreibt Fahrräder vom Typ A, B und C. Insgesamt 35% der abgesetzten Fahrräder sind vom Typ

Mehr

7.5 Erwartungswert, Varianz

7.5 Erwartungswert, Varianz 7.5 Erwartungswert, Varianz Def. 7.5.: a) X sei eine diskrete ZV, die bei unendl. vielen Werten x k folgende Zusatzbedingung erfüllt: x k p k

Mehr

Welche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret.

Welche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret. Grundlagen der Statistik 25.9.2014 7 Aufgabe 7 Welche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret. B Ein Merkmal

Mehr

Zufallsgröße X : Ω R X : ω Anzahl der geworfenen K`s

Zufallsgröße X : Ω R X : ω Anzahl der geworfenen K`s X. Zufallsgrößen ================================================================= 10.1 Zufallsgrößen und ihr Erwartungswert --------------------------------------------------------------------------------------------------------------

Mehr

1.5 Erwartungswert und Varianz

1.5 Erwartungswert und Varianz Ziel: Charakterisiere Verteilungen von Zufallsvariablen (Bildbereich also reelle Zahlen, metrische Skala) durch Kenngrößen (in Analogie zu Lage- und Streuungsmaßen der deskriptiven Statistik). Insbesondere:

Mehr

Aufgaben. d) Seien X und Y Poissonverteilt mit Parameter µ, X, Y P(µ). 2. Dann ist die Summe auch Poissonverteilt mit (X + Y ) P(2µ).

Aufgaben. d) Seien X und Y Poissonverteilt mit Parameter µ, X, Y P(µ). 2. Dann ist die Summe auch Poissonverteilt mit (X + Y ) P(2µ). Aufgaben 1. Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete Frage 1 Punkt und pro falsche Antwort 1/2 Punkt Abzug. Minimal erhält man für die gesamte

Mehr

4 MEHRDIMENSIONALE VERTEILUNGEN

4 MEHRDIMENSIONALE VERTEILUNGEN 4 MEHRDIMENSIONALE VERTEILUNGEN 4.14 Stochastische Vektoren 1. Der Merkmalraum des stochastischen Vektors (X, Y ) sei M = R 2. Betrachten Sie die folgenden Ereignisse und ihre Wahrscheinlichkeiten: A 1

Mehr

2 Aufgaben aus [Teschl, Band 2]

2 Aufgaben aus [Teschl, Band 2] 20 2 Aufgaben aus [Teschl, Band 2] 2.1 Kap. 25: Beschreibende Statistik 25.3 Übungsaufgabe 25.3 a i. Arithmetisches Mittel: 10.5 ii. Median: 10.4 iii. Quartile: x 0.25 Y 4 10.1, x 0.75 Y 12 11.1 iv. Varianz:

Mehr

Statistik Aufgabensammlung Sommersemester 2008 Prof. Dr. Stefan Etschberger Hochschule Ravensburg-Weingarten

Statistik Aufgabensammlung Sommersemester 2008 Prof. Dr. Stefan Etschberger Hochschule Ravensburg-Weingarten Statistik Aufgabensammlung Sommersemester 2008 Prof. Dr. Stefan Etschberger Hochschule Ravensburg-Weingarten Aufgabe 1 Ein Einzelhändler registriert für einen Exklusivartikel im Verlauf von 30 Verkaufstagen

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 24. November 2010 1 Stetige Verteilungen Normalapproximation Gleichverteilung Exponentialverteilung Normalapproximation

Mehr

Deskriptive Statistik Erläuterungen

Deskriptive Statistik Erläuterungen Grundlagen der Wirtschaftsmathematik und Statistik Erläuterungen Lernmaterial zum Modul - 40601 - der Fernuniversität Hagen 7 2.1 Einfache Lageparameter aus einer gegebenen Messreihe ablesen Erklärung

Mehr

Fit for Abi & Study Stochastik

Fit for Abi & Study Stochastik Fit for Abi & Study Stochastik Prof. Dr. Tilla Schade Hochschule Harz 15. und 16. April 2014 No. 1 Stochastik besteht aus: Wahrscheinlichkeitsrechnung Statistik No. 2 Gliederung Grundlagen Zufallsgrößen

Mehr

Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1

Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1 Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1 Aufgabe 1: Von 2 gleichartigen Maschinen eines pharmazeutischen Betriebes stellt die erste 40% und die zweite 60% der Produkte her. Dabei verursacht

Mehr

Hochschule Darmstadt FB Mathematik und Naturwissenschaften. Statistik. für Wirtschaftsingenieure (B.Sc.) Sommersemester 2017

Hochschule Darmstadt FB Mathematik und Naturwissenschaften. Statistik. für Wirtschaftsingenieure (B.Sc.) Sommersemester 2017 für Wirtschaftsingenieure (B.Sc.) Sommersemester 017 Dr. rer. nat. habil. E-mail: adam-georg.balogh@h-da.de 1 Hochschule Darmstadt, Fachbereich MN Sommersemester 017 Testklausur zur Vorlesung Wirtschaftsstatistik

Mehr

Vorlesung 5a. Die Varianz

Vorlesung 5a. Die Varianz Vorlesung 5a Die Varianz 1 1. Varianz und Standardabweichung: Elementare Eigenschaften (Buch S. 24) 2 X sei reellwertige Zufallsvariable mit endlichem Erwartungswert µ. Die Varianz von X ist definiert

Mehr

Statistik Klausur Wintersemester 2012/2013 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!

Statistik Klausur Wintersemester 2012/2013 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Statistik 1 1. Klausur Wintersemester 2012/2013 Hamburg, 19.03.2013 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................

Mehr

1.5 Erwartungswert und Varianz

1.5 Erwartungswert und Varianz Ziel: Charakterisiere Verteilungen von Zufallsvariablen durch Kenngrößen (in Analogie zu Lage- und Streuungsmaßen der deskriptiven Statistik). Insbesondere: a) durchschnittlicher Wert Erwartungswert, z.b.

Mehr

Probeklausur Statistik II

Probeklausur Statistik II Prof. Dr. Chr. Müller PROBE-KLAUSUR 1 1 2 3 4 5 6 7 8 Gesamt: 15 8 16 16 7 8 15 15 100 Probeklausur Statistik II Name: Vorname: Fachrichtung: Matrikel-Nummer: Bitte beachten Sie folgendes: 1) Die Klausur

Mehr