Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
|
|
- Albert Kramer
- vor 6 Jahren
- Abrufe
Transkript
1 Dr. Jürgen Senger INDUKTIVE STATISTIK Wahrscheinlichkeitstheorie, Schätz- und Testverfahren ÜBUNG LÖSUNGEN POISSONVERTEILUNG. Fahrzeuge, die eine Brücke passieren Zufallsexperiment: Zeitpunkt des Eintreffens eines Fahrzeugs auf der Brücke Zufallsvariable X : Anzahl Fahrzeuge pro Stunde Durchschnittliche Anzahl Fahrzeuge pro Stunde E ( X ) μ Poissonverteilung Ps ( μ ) Ps() Wahrscheinlichkeitsfunktion f Ps Verteilungsfunktion x μ ( x) e x! F( x) μ x e x! x 0,, 2,,... x k x k x k μ μ e e e k 0 k! k 0 k! k 0 k! x 0 a. Die Wahrscheinlichkeit, daß stündlich weniger als zwei Fahrzeuge die Brücke passieren, beträgt: P ( X < 2) X ) F() 0,99 b. Die Wahrscheinlichkeit, daß stündlich zwei bis vier Fahrzeuge die Brücke passieren, beträgt: P ( 2 X ) < X ) F() F() 0,85 0,99 0,662 c. Die Wahrscheinlichkeit, daß stündlich mehr als fünf Fahrzeuge die Brücke passieren, beträgt: P ( X > 5) X 5) F(5) 0,96 0,089
2 ÜBUNG LÖSUNGEN 2 2. Wahrscheinlichkeit von Geburtstagen in einer Gemeinde Zufallsexperiment: n 825-malige Feststellung des Geburtstags Zufallsvariable X : Anzahl Einwohner mit Geburtstag an einem bestimmten Tag (7.06.; 0.0.; 2.2.) Erfolgs- und ißerfolgswahrscheinlichkeit p ; p q Erwartungswert (durchschnittliche Anzahl der Geburtstage am gleichen Tag) E( X ) μ np Wahrscheinlichkeitsverteilung B( n; p) B(825 ; / 65) Ps(5) Die binomialverteilte Zufallsvariable X ist approximativ poissonverteilt mit der Wahrscheinlichkeitsfunktion f x 865 x x 5 B 825 ( x) x e x! f Ps ( x) a. Die Wahrscheinlichkeit, daß genau ein Einwohner am Geburtstag hat, beträgt: P ( X ) f () 0,07 b. Die Wahrscheinlichkeit, daß mehr als drei Einwohner am gleichen Tag (am 0.0.) Geburtstag haben, beträgt: P ( X > ) X ) F() 0,2650 0,75 c. Die Wahrscheinlichkeit, daß kein Einwohner am 2.2. Geburtstag hat, beträgt: P ( X 0) f (0) 0,0067
3 ÜBUNG LÖSUNGEN. Regulierung von Versicherungsschäden an einem Tag Zufallsexperiment: Zeitpunkt des Eintreffens eines Schadenfalls Zufallsvariable X : Anzahl Schadensfälle pro Tag Durchschnittliche Anzahl der Schadensfälle pro Tag Poissonverteilung E ( X ) μ 2 Ps ( μ ) Ps(2) a. Die Wahrscheinlichkeit, daß an einem Tag keine Schäden reguliert werden müssen, beträgt: P ( X 0) f (0) 0,5 b. Die Wahrscheinlichkeit, daß an einem Tag nur ein Schaden reguliert werden muß, beträgt: P ( X ) f () 0,2707 c. Die Wahrscheinlichkeit, daß an einem Tag mehr als fünf Schäden reguliert werden müssen, beträgt: P ( X > 5) X 5) F(5) 0,98 0,066. Ausschuß in einer Packung mit 500 Kondensatoren Zufallsexperiment: n 500-malige Entnahme eines Kondensators aus der laufenden Produktion Zufallsvariable X : Anzahl fehlerhafte Kondensatoren in einer Packung Erfolgs- und ißerfolgswahrscheinlichkeit Erwartungswert p 0,008 ; p q 0,992 E( X ) μ np 500 0,008 Das ist die durchschnittliche Anzahl defekter Kondensatoren in einer Packung. Wahrscheinlichkeitsverteilung B( n; p) B(500 ; 0,008) Ps()
4 ÜBUNG LÖSUNGEN a. Die Wahrscheinlichkeit, daß eine Packung fehlerfrei ist, beträgt P ( X 0) f (0) 0,08 b. Die Wahrscheinlichkeit, daß eine Packung höchstens zwei defekte Kondensatoren enthält, beträgt P ( X 2) F(2) 0,28 c. Die Wahrscheinlichkeit, daß eine Packung mehr als vier defekte Kondensatoren enthält, beträgt P ( X > ) X ) F() 0,6288 0,72 HYPERGEOETRISCHE VERTEILUNG 5. Ziehen ohne Zurücklegen aus einem Skatspiel Zufallsexperiment: n 6-maliges Ziehen (o. Z.) aus einem Skatspiel mit N 2 Karten, davon Asse und N 28 andere Karten Zufallsvariable X : Anzahl A As Anteilswerte p N N q N 2 0, ,875 Hypergeometrische Verteilung H ( N; ; n) H (2;;6) Die Wahrscheinlichkeit, daß mindestens drei der gezogenen Karten Asse sind, beträgt: X ) X 2) F(2) Dabei ist 2 2 (2) k N n k F k 0 N k 0 n 6 28 k 0,
5 ÜBUNG LÖSUNGEN 5 und folglich P ( X ) X 2) F(2) 0, ,0878 Die direkte Berechnung ergibt X ) k k N n , Ziehen ohne Zurücklegen aus einer Urne mit 20 Kugeln Zufallsexperiment: n 6-maliges Ziehen (o. Z.) aus einer Urne mit N 20 Kugeln, davon 8 weiße und N 2 schwarze Zufallsvariable X : Anzahl A weiße Kugel Anteilswerte p N N q N , Hypergeometrische Verteilung 0,6 5 H ( N; ; n) H (20;8;6) a. Die Wahrscheinlichkeit, daß unter den 6 gezogenen Kugeln genau eine weiße Kugel ist, beträgt: P ( X ) f () 0, b. Die Wahrscheinlichkeit, daß unter den 6 gezogenen Kugeln zwei bis vier weiße Kugeln sind, beträgt: 2 X ) < X ) F() F()
6 ÜBUNG LÖSUNGEN 6 2 X ) k k , c. Die Wahrscheinlichkeit, daß unter den 6 gezogenen Kugeln mindestens drei weiße Kugel sind, beträgt: Dabei ist X ) X 2) F(2) Folglich P ( X 2) F(2) k 0 6 k ,0289 0,67 0, ,589 P ( X ) 0,589 0,55 7. Qualitätskontrolle bei der Lieferung von Glühbirnen Zufallsexperiment: n -maliges Ziehen (o. Z.) aus einer Packung mit N 0 Glühbirnen, davon defekte und N 90 nicht defekte Zufallsvariable X : Anzahl A defekte Glühbirne
7 ÜBUNG LÖSUNGEN 7 Anteilswerte p N N q N Hypergeometrische Verteilung 0, 9 0,9 H ( N; ; n) H (0;;) Die Wahrscheinlichkeit, daß unter den überprüften Glühbirnen mehr als eine defekte ist, beträgt: Dabei ist X > ) X ) F() P ( X ) F() k 90 k 0 0 k K K 82 2 K 2 K K K 9 2 K 2 K K K K K 9 0,076 0, ,787 Die Wahrscheinlichkeit, daß eine Packung zurückgewiesen wird, die den Lieferbedingungen entspricht, beträgt also P ( X > ) 0,787 0,265
Dr. 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.
MehrEine Zufallsvariable wird als diskret bezeichnet, wenn sie nur endlich viele oder abzählbar unendlich viele Werte annimmt.
Statistik I Sommersemester 009 Aufgabenlösung Übung 4: Diskrete Zufallsvariablen Aufgabe 5.. (Blatt ) ine Zufallsvariable bildet den reignisraum eines Zufallsvorgangs ab. Dieser bestimmt den Definitionsbereich
MehrAusgewählte spezielle Verteilungen
Ausgewählte spezielle Verteilungen In Anwendungen werden oft Zufallsvariablen betrachtet, deren Verteilung einem Standardmodell entspricht. Zu den wichtigsten dieser Modelle gehören: diskrete Verteilungen:
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürgen Senger INDUKTIVE STATISTIK Wahrscheinlichkeitstheorie, Schätz- und Testverfahren ÜBUNG. - LÖSUNGEN. Werfen eines idealen Würfels a. Sei A das Ereignis, eine zu würfeln A { } Das Ereignis, keine
MehrProgramm. 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
MehrA: 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)
Mehr2. Übung zur Vorlesung Statistik 2
2. Übung zur Vorlesung Statistik 2 Aufgabe 1 Welche der folgenden grafischen Darstellungen und Tabellen zeigen keine (Einzel-)Wahrscheinlichkeitsverteilung? Kreuzen Sie die richtigen Antworten an und begründen
MehrPopulation und Stichprobe Wahrscheinlichkeitstheorie II
Population und Stichprobe Wahrscheinlichkeitstheorie II 5. Sitzung 1 S. Peter Schmidt 2003 1 Stichprobenziehung als Zufallsexperiment Definition Stichprobe: Teilmenge der Elemente der Grundgesamtheit bzw.
MehrVorwort Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße Erwartungswert und Varianz...
Inhaltsverzeichnis Vorwort... 2 Zum Einstieg... 3 1 Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße... 5 1.2 Erwartungswert und Varianz... 7 2 Wahrscheinlichkeitsverteilungen
MehrFit 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
MehrÜbungsblatt 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
MehrHypergeometrische Verteilung
Hypergeometrische Verteilung Aufgaben Aufgabe 1 Eine Firma produziert insgesamt 30 elektronische Bauteile des gleichen Typs. Aus langjähriger Erfahrung weiß man das davon jedes 70te defekt ist. Um die
MehrStatistik im Versicherungs- und Finanzwesen
Springer Gabler PLUS Zusatzinformationen zu Medien von Springer Gabler Grimmer Statistik im Versicherungs- und Finanzwesen Eine anwendungsorientierte Einführung 2014 1. Auflage Übungsaufgaben zu Kapitel
Mehr7.7 Spezielle diskrete Wahrscheinlichkeitsverteilungen
7.7 Spezielle diskrete Wahrscheinlichkeitsverteilungen 7.7.1 Die Laplace-Verteilung Sei X eine gleich verteilte Zufallsvariable mit den Werten in der Menge Ω X = {x i R : i = 1,...,n}, d.h. f (x i = 1
MehrWahrscheinlichkeitsrechnung
Aufgaben Wahrscheinlichkeitsrechnung 1. Eine Münze wird viermal geworfen. Y sei die Anzahl der Wechsel zwischen 0 und 1 während einer Versuchsfolge, z. B. Y(00) =. Bestimmen Sie die Verteilung von Y, zeichnen
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Zufallsvariable Erinnerung: Merkmal, Merkmalsausprägung Deskriptive Statistik:
Mehr2. Übung zur Vorlesung Statistik 2
2. Übung zur Vorlesung Statistik 2 Aufgabe 1 Welche der folgenden grafischen Darstellungen und Tabellen zeigen keine (Einzel-)Wahrscheinlichkeitsverteilung? Kreuzen Sie die richtigen Antworten an und begründen
MehrÜbungsrunde 6, Gruppe 2 LVA , Übungsrunde 5, Gruppe 2, Markus Nemetz, TU Wien, 11/2006
1 3.20 1.1 Angabe Übungsrunde 6, Gruppe 2 LVA 107.369, Übungsrunde 5, Gruppe 2, 21.11. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 11/2006 Ein Los aus elektronischen Bauteilen des Umfangs N = 400
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
Mehrfalls rote Kugel im 1. Zug gezogen Die Ziehungen sind daher nicht unabhängig voneinander. Damit liegt kein Bernoulli-Prozess
6.4 Hypergeometrische Verteilung Gegeben ist eine Urne, die mit N Kugeln gefüllt ist. Es seien M dieser Kugeln rot und N-M Kugeln sind nicht rot. Wir entnehmen n Kugeln, d.h. Stichproben vom Umfang n.
MehrStichprobenverteilung bei unterschiedlichen Auswahlsätzen
Stichprobenverteilung bei unterschiedlichen Auswahlsätzen Begleitende Unterlagen zur Übung Induktive Statistik Michael Westermann Universität Essen Inhaltsverzeichnis 1 Einleitung.......................................................
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.
MehrStatistik für Ingenieure Vorlesung 4
Statistik für Ingenieure Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 21. November 2017 3.3 Wichtige diskrete Wahrscheinlichkeitsverteilungen 3.3.1 Diskrete
Mehrˆ Die Verluste der einzelnen Perioden sind in den ersten zehn Perioden stochastisch
Technische Hochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 39 14 jutta.arrenberg@th-koeln.de Übungen zu QM III (Wirtschaftsstatistik) Binomialverteilung
MehrMathematik 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
MehrWenn es sich um ein faires Spiel handeln soll, muss der Einsatz 1 betragen (2) Weniger als 3 mal Wappen ( ) 32 (3) Mindestens 1 mal Wappen ( )
R. Brinkmann http://brinkmann-du.de Seite 7.09.0 Lösungen Stochastik vermischt II Ergebnisse: E E E E4 E E6 Ergebnis Wenn es sich um ein faires Spiel handeln soll, muss der Einsatz betragen. Ergebnisse
MehrInhaltsverzeichnis: Lösungen zur Vorlesung Statistik Kapitel 4 Seite 1 von 19 Prof. Dr. Karin Melzer, Fakultät Grundlagen
Inhaltsverzeichnis: Aufgabenlösungen zu Kapitel 4 3 Lösung zu Aufgabe 3 Lösung zu Aufgabe 9 3 Lösung zu Aufgabe 30 3 Lösung zu Aufgabe 3 3 Lösung zu Aufgabe 3 3 Lösung zu Aufgabe 33 3 Lösung zu Aufgabe
MehrVerteilungen eindimensionaler diskreter Zufallsvariablen Diskrete Verteilungen. Hypergeometrische Verteilung Poissonverteilung
Verteilungen eindimensionaler diskreter Zufallsvariablen Diskrete Verteilungen Hypergeometrische Verteilung Approimationen Typisierung der diskreten theoretischen Verteilungen Bibliografie: Prof. Dr. Kück
MehrS = {W ; Z } S = {prim;prim } E=prim
Bernoulli-Versuche: Daniel Bernoulli 1700-1782 1782 Schweizer Mathematiker Ein Zufallsversuch mit nur zwei möglichen Ergebnissen heißt einstufiger Bernoulli-Versuch Versuch. Wir nennen künftig die Ergebnisse
MehrPrüfungsvorbereitungskurs Höhere Mathematik 3
Prüfungsvorbereitungskurs Höhere Mathematik 3 Stochastik Marco Boßle Jörg Hörner Mathematik Online Frühjahr 2011 PV-Kurs HM 3 Stochastik 1-1 Zusammenfassung Wahrscheinlichkeitsraum (WR): Menge der Elementarereignisse
MehrAnliegen: Beschreibung von Versuchsergebnissen mit Zahlen, um mit Zahlen bzw. bekannten Funktionen rechnen zu können.
2 Zufallsvariable 2.1 Einführung Anliegen: Beschreibung von Versuchsergebnissen mit Zahlen, um mit Zahlen bzw. bekannten Funktionen rechnen zu können. Eine Zufallsvariable X ordnet jedem elementaren Versuchsausgang
MehrWahrscheinlichkeitsrechnung und Statistik
4. Vorlesung - 2017 Diskrete Zufallsgrößen X : Ω {x 1, x 2,..., x i,... } Wahrscheinlichkeitsverteilung von X ( ) x1 x X 2... x i... = p 1 p 2... p i... I N (Indexmenge) mit den Wahrscheinlichkeiten p
Mehr1. Einführung in die induktive Statistik
Wichtige Begriffe 1. Einführung in die induktive Statistik Grundgesamtheit: Statistische Masse, die zu untersuchen ist, bzw. über die Aussagen getroffen werden soll Stichprobe: Teil einer statistischen
Mehr10. Theoretische Verteilungen
0. Theoretische Verteilungen 0.. Diskrete theoretische Verteilungen In der deskriptiven Statistik wurden die einfachen Häufigkeiten und die Summenhäufigkeiten von Merkmalsausprägungen ermittelt um ein
MehrStatistik für Ingenieure Vorlesung 2
Statistik für Ingenieure Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 24. Oktober 2016 2.4 Bedingte Wahrscheinlichkeiten Häufig ist es nützlich, Bedingungen
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
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 10 2010 FernUniversität in Hagen Alle Rechte vorbehalten Fakultät für Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
MehrSS 2017 Torsten Schreiber
173 Diese Lücken sollten nicht auch bei Ihnen vorhanden sein: Wird die Anordnung von unterschiedlichen Objekten eines Experiments untersucht, so handelt es sich um eine. Möchte man die Anzahl der möglichen
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
MehrKapitel IV - Spezielle Verteilungen: Diskrete Verteilungen
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel IV - Spezielle Verteilungen: Diskrete Verteilungen Markus Höchstötter Lehrstuhl
MehrProf. Dr. Christoph Karg Hochschule Aalen. Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik. Sommersemester 2017
Prof. Dr. Christoph Karg 10.7.2017 Hochschule Aalen Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik Sommersemester 2017 Name: Unterschrift: Klausurergebnis Aufgabe 1 (10 Punkte) Aufgabe
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
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
MehrDefinition: Ein endlicher Ergebnisraum ist eine nichtleere Menge, deren. wird als Ereignis, jede einelementige Teilmenge als Elementarereignis
Stochastische Prozesse: Grundlegende Begriffe bei zufälligen Prozessen In diesem Abschnitt beschäftigen wir uns mit den grundlegenden Begriffen und Definitionen von Zufallsexperimenten, also Prozessen,
MehrIst P(T) = p die Trefferwahrscheinlichkeit eines Bernoulli-Experiments,
. Binomialverteilung ==================================================================.1 Bernoulli-Experimente und Bernoullikette -----------------------------------------------------------------------------------------------------------------
MehrBinomialverteilung. Statistik für SoziologInnen 1 Diskrete Verteilungsmodelle. Marcus Hudec
Binomialverteilung Jakob Bernoulli (1654-1705) Ars Conjectandi Klassisches Verteilungsmodell für die Berechnung der Wahrscheinlichkeit für die Häufigkeit des Eintretens von Ereignissen in bestimmten noch
MehrModelle diskreter Zufallsvariablen
Statistik 2 für SoziologInnen Modelle diskreter Zufallsvariablen Univ.Prof. Dr. Marcus Hudec Zufallsvariable Eine Variable (Merkmal) X, deren numerische Werte als Ergebnisse eines Zufallsvorgangs aufgefasst
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Karin Waldherr & Pantelis Christodoulides 11. Mai 2011 Waldherr / Christodoulides Einführung in Quantitative Methoden- 8.VO 1/40 Poisson-Verteilung Diese Verteilung
MehrFF Düsseldorf WS 2007/08 Prof. Dr. Horst Peters. Vorlesung Quantitative Methoden 1B im Studiengang Business Administration (Bachelor) Seite 1 von 6
Vorlesung Quantitative Methoden 1B im Studiengang Business Administration (Bachelor) Seite 1 von 6 (Wahrscheinlichkeitsrechnung, Verteilungen) 1. Eine Illustrierte veranstaltet wöchentlich ein Ratespiel,
MehrErwartungswert. c Roolfs
Erwartungswert 2e b a 4e Der Sektor a des Glücksrads bringt einen Gewinn von 2e, der Sektor b das Doppelte. Um den fairen Einsatz zu ermitteln, ist der durchschnittlich zu erwartende Gewinn pro Spiel zu
MehrVorlesung 4b. Die Varianz
Vorlesung 4b Die Varianz 1 X sei reellwertige Zufallsvariable mit endlichem Erwartungswert µ. Die Varianz von X ist definiert als Var X := E[(X µ) 2 ], die erwartete quadratische Abweichung der Zufallsvariablen
MehrKATA LOGO Mathematik Statistik Wahrscheinlichkeitsverteilungen - Beispiele
KATA LOGO Mathematik Statistik Wahrscheinlichkeitsverteilungen - Beispiele Verteilungen Problemstellung Ergebnisraum Ω Stichprobe (n aus N) mehrfaches Auswählen = wiederholen Formel für P Erwartungswert
MehrInhaltsverzeichnis. Robert Galata, Sandro Scheid. Deskriptive und Induktive Statistik für Studierende der BWL. Methoden - Beispiele - Anwendungen
Inhaltsverzeichnis Robert Galata, Sandro Scheid Deskriptive und Induktive Statistik für Studierende der BWL Methoden - Beispiele - Anwendungen Herausgegeben von Robert Galata, Markus Wessler ISBN (Buch):
MehrVorlesungsskript. Induktive Statistik. Prof. Dr. Günter Hellmig
Vorlesungsskript Induktive Statistik Prof. Dr. Günter Hellmig Prof. Dr. Günter Hellmig Vorlesungsskript Induktive Statistik Erstes Kapitel Das erste Kapitel beschäftigt sich mit einem Einstieg in die Wahrscheinlichkeitslehre,
MehrKonversatorium -Vorbereitung für die erste Diplomprüfung - Stochas0k. -Wahrscheinlichkeitstheorie-
Konversatorium -Vorbereitung für die erste Diplomprüfung - Stochas0k -Wahrscheinlichkeitstheorie- Begriffsdefini=on Stochas=k altgriechisch stochas=kē technē, lateinisch ars conjectandi, Die Kunst des
Mehr3. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17
3. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 6/7. Aufgabe: 0 Bauteile gleicher Bauart werden vor der Weiterverarbeitung einer Materialprüfung unterzogen. 7 bestanden diese Prüfung,
MehrPrüfungsvorbereitungskurs Höhere Mathematik 3
Prüfungsvorbereitungskurs Höhere Mathematik 3 Stochastik Marco Boßle Jörg Hörner Marcel Thoms Mathematik Online Herbst 211 PV-Kurs HM 3 Stochastik 1-1 Zusammenfassung Wahrscheinlichkeitsraum (WR): Menge
MehrStatistik Übungen Sommeruni 2018
Statistik Übungen Sommeruni 2018 Blatt 2: Wahrscheinlichkeitsrechnung 1. Die nach dem französischen Mathematiker Pierre-Simon de Laplace benannten Laplace- Experimente beruhen auf der Annahme, dass bei
Mehr5 Binomial- und Poissonverteilung
45 5 Binomial- und Poissonverteilung In diesem Kapitel untersuchen wir zwei wichtige diskrete Verteilungen d.h. Verteilungen von diskreten Zufallsvariablen): die Binomial- und die Poissonverteilung. 5.1
MehrWoche 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
MehrInhaltsverzeichnis. 2 Kurzbeschreibung von SPSS Der SPSS-Dateneditor Statistische Analysen mit SPSS DieDaten...
Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R... 3 1.1 Installieren und Starten von R... 3 1.2 R-Befehleausführen... 3 1.3 R-Workspace speichern... 4 1.4 R-History sichern........ 4 1.5
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
MehrInhaltsverzeichnis. Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite. 1.0 Erste Begriffsbildungen Merkmale und Skalen 5
Inhaltsverzeichnis Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite 1.0 Erste Begriffsbildungen 1 1.1 Merkmale und Skalen 5 1.2 Von der Urliste zu Häufigkeitsverteilungen 9 1.2.0 Erste Ordnung
MehrBiostatistik, Sommer 2017
1/52 Biostatistik, Sommer 2017 Prof. Dr. Achim Klenke http://www.aklenke.de 7. Vorlesung: 02.06.2017 2/52 Inhalt 1 Wahrscheinlichkeit Bayes sche Formel 2 Diskrete Stetige 3/52 Wahrscheinlichkeit Bayes
MehrBiostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 Wahrscheinlichkeitstheorie:, Unabhängigkeit Prof. Dr. Achim Klenke http://www.aklenke.de 6. Vorlesung: 02.12.2011 1/30 Inhalt 1 Wahrscheinlichkeit 2 2/30 Wahrscheinlichkeit
MehrZusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen
Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind
MehrPsychologische Methodenlehre und Statistik I
Psychologische Methodenlehre und Statistik I Pantelis Christodoulides & Karin Waldherr SS 2013 Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik I 1/61 Zufallsexperiment
MehrAufgabensammlung mit sehr ausführlichen Lösungen
Stochastik Binomialverteilung Aufgabensammlung mit sehr ausführlichen Lösungen Berücksichtigung dreier Rechner: Grafikrechner: CASIO fx 9860 CAS-Rechner: CASIO ClassPad 330 Texas Instruments: TI Nspire
Mehr1 Stochastische Konvergenz 2
Wirtschaftswissenschaftliches Zentrum 0 Universität Basel Mathematik Dr. Thomas Zehrt Grenzwertsätze Benötigtes Vorwissen: Der Stoff der Vorlesung,,Statistik wird als bekannt vorausgesetzt, insbesondere
MehrWird ein Bernoulli- Versuch, bei dem die Trefferwahrscheinlichkeit p = 0,2 ist, n = 40 mal durchgeführt, dann erwarten wir im Mittel 8 Treffer.
R. Brinkmann http://brinkmann-du.de Seite 1 06.1008 Erwartungswert binomialverteilter Zufallsgrößen. Wird ein Bernoulli- Versuch, bei dem die Trefferwahrscheinlichkeit p = 0,2 ist, n = 40 mal durchgeführt,
MehrKapitel 9. Verteilungsmodelle. 9.1 Diskrete Verteilungsmodelle Die Gleichverteilung
Kapitel 9 Verteilungsmodelle Es gibt eine Reihe von Verteilungsmodellen für univariate diskrete und stetige Zufallsvariablen, die sich in der Praxis bewährt haben. Wir wollen uns von diesen einige anschauen.
Mehr(8 + 2 Punkte) = = 0.75
Aufgabe 1 (8 + 2 Punkte) Von 20 Teilnehmern einer Bergwanderung geben 8 Personen an Knieschmerzen zu haben. 6 Teilnehmer leiden an Sonnenbrand. 8 Teilnehmer blieben unversehrt. a) Wie groß ist die Wahrscheinlichkeit,
MehrÜbung zur Stochastik
Übung zur Stochastik 1.) Die G-Partei hat bei der vergangenen Kommunalwahl in einer Stadt mit etwa 700 000 wahlberechtigten Bürgern rund 9 % der Stimmen erhalten. Nun werden 1 000 rein zufällig ausgewählte
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
Mehr2.2 Binomialverteilung, Hypergeometrische Verteilung, Poissonverteilung
2.2 Binomialverteilung, Hypergeometrische Verteilung, Poissonverteilung Die einfachste Verteilung ist die Gleichverteilung, bei der P(X = x i ) = 1/N gilt, wenn N die Anzahl möglicher Realisierungen von
MehrSTATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik
Kapitel 11 Diskrete Zufallsvariablen 11.1. Wahrscheinlichkeits- und diskret Wahrscheinlichkeitsverteilungen Wahrscheinlichkeitsfunktion von X Nimmt abzählbare Anzahl von Ausprägungen an (z.b. Zählvariablen)
MehrKursthemen 11. Sitzung. Spezielle diskrete Verteilungen: Auswahlexperimente. Spezielle diskrete Verteilungen: Auswahlexperimente
Kursthemen 11. Sitzung Folie I - 11-1 Spezielle diskrete Verteilungen: Auswahlexperimente Spezielle diskrete Verteilungen: Auswahlexperimente A) Kombinatorik (Folien bis 5) A) Kombinatorik (Folien bis
MehrWieviele Frösche sind im Teich?
Wieviele Frösche sind im Teich? zählen, raten, schätzen? PD Dr. Sonja Kuhnt, Dipl. Stat. Viktoria Sander TU Dortmund 7. Februar 2012 TU Dortmund DOTS 2012 1 / 20 Ausgangssituation Teich mit einer unbekannten
MehrSozialwissenschaftlerInnen II
Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Wahrscheinlichkeitsfunktionen
MehrWirtschaftsmathematik
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
MehrAufgabe A1 Ein Glücksrad hat vier Sektoren, wovon die ersten beiden die Winkelgröße 60 haben. Für die Winkelgrößen und des dritten und vierten Sektors
Level Grundlagen Blatt Dokument mit Aufgaben Aufgabe A Ein Glücksrad hat vier Sektoren, wovon die ersten beiden die Winkelgröße 60 haben. Für die Winkelgrößen und des dritten und vierten Sektors gilt.
MehrStatistik für Ökonomen
Wolfgang Kohn Riza Öztürk Statistik für Ökonomen Datenanalyse mit R und SPSS tfü. Springer Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R 3 1.1 Installieren und Starten von R 3 1.2 R-Befehle
MehrMultivariate Zufallsvariablen
Kapitel 7 Multivariate Zufallsvariablen 7.1 Diskrete Zufallsvariablen Bisher haben wir immer nur eine Zufallsvariable betrachtet. Bei vielen Anwendungen sind aber mehrere Zufallsvariablen von Interesse.
MehrStatistik Einführung // Stichprobenverteilung 6 p.2/26
Statistik Einführung Kapitel 6 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Leydold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // 6 p.0/26 Lernziele 1. Beschreiben
MehrLösungen zu Übungs-Blatt 8 Wahrscheinlichkeitsrechnung
Lösungen zu Übungs-Blatt Wahrscheinlichkeitsrechnung Diskrete Zufallsgrößen Zu Aufgabe ) Welche der folgenden grafischen Darstellungen und Tabellen zeigen keine (Einzel-)Wahrscheinlichkeitsverteilung?
MehrStatistik Übungen WS 2017/18
Statistik Übungen WS 2017/18 Blatt 2: Wahrscheinlichkeitsrechnung 1. Die nach dem französischen Mathematiker Pierre-Simon de Laplace benannten Laplace- Experimente beruhen auf der Annahme, dass bei einem
MehrStatistik Übungen SS 2018
Statistik Übungen SS 2018 Blatt 2: Wahrscheinlichkeitsrechnung 1. Die nach dem französischen Mathematiker Pierre-Simon de Laplace benannten Laplace- Experimente beruhen auf der Annahme, dass bei einem
MehrVorwort. Das Lehrbuch vermittelt anwendungsorientiert den Lehrinhalt der Wahrscheinlichkeitsrechnung
Vorwort Das Lehrbuch vermittelt anwendungsorientiert den Lehrinhalt der Wahrscheinlichkeitsrechnung und Induktiven Statistik, wie er in den Wirtschafts- und Sozialwissenschaften an Universitäten und Fachhochschulen
MehrDefinition 4.1 Die Wahrscheinlichkeitsfunktion der Bernoulli-Verteilung ist gegeben durch
Kapitel 4 Diskrete Verteilungen 4.1 Bernoulli-Verteilung Definition 4.1 Die Wahrscheinlichkeitsfunktion der Bernoulli-Verteilung ist gegeben durch È Üµ ½ für Ü ¼ für Ü ½ ¼ sonst Die Bernoulli-Verteilung
MehrEine Zufallsvariable X sei stetig gleichverteilt im Intervall [0,5]. Die Wahrscheinlichkeit P(2< x <4) ist dann
4. Übung Themenkomplex: Zufallsvariablen und ihre Verteilung Aufgabe 1 Für eine stetige Zufallsvariable gilt: a) P (x = t) > 0 b) P (x 1) = F (1) c) P (x = 1) = 0 d) P (x 1) = 1 F(1) e) P (x 1) = 1 F(1)
MehrStatistik (Ch/Ph) Schwerpunkte und Aufgaben
1 Kombinatorik 1.1 Aufgaben Statistik (Ch/Ph) Schwerpunkte und Aufgaben Eine Münze wird fünfmal geworfen. Es wird notiert, ob Zahl oder Wappen erscheint. Wieviel verschiedene Versuchsprotokolle sind möglich?
MehrGruber, Erfolg im ABI, Pflichtteil. matheskript B STOCHASTIK WAHRSCHEINLICHKEITSRECHNUNG STATISTIK PFLICHTTEIL ÜBUNGEN Klasse.
matheskript B STOCHASTIK WAHRSCHEINLICHKEITSRECHNUNG STATISTIK PFLICHTTEIL ÜBUNGEN 12. 13. Klasse Jens Möller INHALTE Baumdiagramme Ziehen mit und ohne Zurücklegen Binomialverteilungen Erwartungswerte
MehrAbitur 2012 Mathematik Stochastik IV
Seite 1 http://www.abiturloesung.de/ Seite 2 Abitur 2012 Mathematik Stochastik IV Nachdem die Verfilmung eines bekannten Romans erfolgreich in den Kinos gezeigt wurde, veröffentlicht eine Tageszeitung
MehrVorlesung 4b. Die Varianz
Vorlesung 4b Die Varianz 1 X sei reellwertige Zufallsvariable mit endlichem Erwartungswert µ Die Varianz von X ist definiert als Var[X] := E[(X µ) 2 ], die erwartete quadratische Abweichung der Zufallsvariablen
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,...
MehrVorlesung 3a. Der Erwartungswert. von diskreten reellwertigen Zufallsvariablen
Vorlesung 3a Der Erwartungswert von diskreten reellwertigen Zufallsvariablen 0. Diskrete reellwertige Zufallsvariable X sei eine Zufallsvariable, deren Zielbereich R (die Menge der reellen Zahlen) oder
MehrDEMO für Wahrscheinlichkeitsrechnung Erwartungswert u.a. 1. Erwartungswert INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK
Wahrscheinlichkeitsrechnung Erwartungswert u.a.. Erwartungswert. Varianz und Standardabweichung. Spiele bewerten Datei Nr. Stand. April 0 Friedrich W. Buckel DEMO für INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK
MehrA3.Die Lebensdauer eines elektronischen Gerätes werde als normalverteilt angenommen. Der Erwartungswert betrage
Aufgaben ~ Beispiele A1. Wir spielen Roulette mit einem Einsatz von 5 mit der Glückszahl 15. Die Wahrscheinlichkeiten und Auszahlungen beim Roulette sind in folgender Tabelle zusammengefasst: Ereignis
Mehr4.4 Punktschätzung. E(X 1 )+ +E(X n ) Var(ˆµ) = 1 n 2 ( Var(X1 )+ +Var(X n ) ) = 1 n 2nσ2 = σ2
4 4.4 Punktschätzung Wir betrachten eine endliche oder unendliche Grundgesamtheit, zum Beispiel alle Studierenden der Vorlesung Mathe II für Naturwissenschaften. Im endlichen Fall soll die Anzahl N ihrer
Mehr