2 Kombinatorik. 56 W.Kössler, Humboldt-Universität zu Berlin
|
|
- Leon Abel
- vor 6 Jahren
- Abrufe
Transkript
1 2 Kombinatorik Aufgabenstellung: Anzahl der verschiedenen Zusammenstellungen von Objekten. Je nach Art der zusätzlichen Forderungen, ist zu unterscheiden, welche Zusammenstellungen als gleich, und welche als verschieden angesehen werden. Permutation (ohne Wiederholung) Permutation mit Wiederholung Variation ohne Wiederholung Variation mit Wiederholung Kombination (ohne Wiederholung) Kombination mit Wiederholung 56 W.Kössler, Humboldt-Universität zu Berlin
2 2. Klassische kombinatorische Probleme Permutation (ohne Wiederholung) Jede einendeutige Abbildung Π der geordenten Menge {,..., n} auf eine n-elementige Menge M = {s,...,s n } heißt Permutation (ohne Wiederholung), i {,...,n} : Π(i) = s i,s i M,s i s j (i j) Anzahl: N = n! 57 W.Kössler, Humboldt-Universität zu Berlin
3 Permutation mit Wiederholung Sei M = {s,...,s k }, k i > 0 i =,...,k mit k i= k i = n. Jedes geordnete n-tupel von Elementen aus M, wobei jedes Element s i genau k i mal vorkommt, heißt Permutation mit Wiederholung. Anzahl: N = n! k! k k! Bsp. 7 Wiewiel Möglichkeiten gibt es, die Karten beim Skatspiel zu vergeben? N = 32! 0!0!0!2! 58 W.Kössler, Humboldt-Universität zu Berlin
4 Variation ohne Wiederholung Sei M = {s,...,s n }. Jedes geordnete k-tupel, k n von verschiedenen Elementen aus M heißt Variation ohne Wiederholung. Anzahl: N = n(n ) (n k + ) Aufteilung von k Elementen auf n Fächer unter Berücksichtigung der Reihenfolge Wenn n = k gilt, so erhalten wir: N = n!. Bsp. 8 Wieviele Möglichkeiten für die drei Erstplazierten im 00m Endlauf gibt es? N = = W.Kössler, Humboldt-Universität zu Berlin
5 Variation mit Wiederholung Auswahl von k Elementen aus einer Menge mit Zurücklegen Es sei M = {s,...,s n }. Die Frage ist: Wieviel verschiedene Möglichkeiten gibt es, k Elemente aus dieser Menge zu entnehmen, wobei durchaus Elemente mehrfach entnommen werden können? N = n k. Bsp. 9 Anzahl der 0stelligen Dualzahlen: N = W.Kössler, Humboldt-Universität zu Berlin
6 Kombinationen (ohne Wiederholung) Jede k-elementige Teilmenge aus einer n-elementigen Menge M heißt Kombination (ohne Wiederholung) (von k aus n Elementen). Dabei sind Wiederholungen nicht erlaubt und die Reihenfolge der k Elemente wird nicht berücksichtigt. Die Anzahl der Kombinationen ist: N = n (n )... (n k+) = ( ) n k! k = n! (n k)!k!. 6 W.Kössler, Humboldt-Universität zu Berlin
7 Kombination (mit Wiederholung) Faßt man alle Variationen mit Wiederholung (n Elemente, Ordnung k) zu Äquivalenzklassen zusammen, so daß sie aus aus den gleichen Elementen der gleichen Anzahl bestehen, so heißt jede solche Klasse Kombination mit Wiederholung. N = ( n+k k Bsp. 0 n = 2,k = 3: 4 Klassen: {aaa}, {aab, aba, baa}, {abb, bab, bba}, {bbb} werden jeweils zu einer Klasse zusammengefaßt. Erläuterung zur Kombination mit Wiederholung: siehe Beispiele 4 und 5. (Dieses Problem wird auf den Fall unterscheidbarer )
8 Kombination von Elementen aus mehreren Mengen Wir betrachten beliebige Mengen S,...,S k, wobei S i = {s i,...,s ini } (i =,...,k) gilt. Es wird die folgende Frage gestellt: Wieviel verschiedene Kombinationen von je einem Element der Mengen S,...,S k können gebildet werden? Solche Kombinationen haben die Form (s i,...,s kik ), wobei s kik S k gilt für alle i =,...,k. Die Anzahl N der Möglichkeiten ist N = n n 2... n k. 63 W.Kössler, Humboldt-Universität zu Berlin
9 2.2 Beispiele Bsp. Eine Gruppe von r Studenten verreist in einem Zug. Dabei verteilen sich die Studenten zufällig auf n r Abteile. Es sei A das Ereignis, daß alle Studenten in verschiedenen Abteilen sitzen. (In jedem Abteil befindet sich also höchstens ein Student.) P(A) = n(a) N. N = n r = # Möglichkeiten für die Verteilung der r Studenten auf die n Abteile. n(a) = n (n )... (n r + ) P(A) = n(a) N = n (n )... (n r+) n r. 64 W.Kössler, Humboldt-Universität zu Berlin
10 Bsp. 2 In einer Urne sollen sich n Kugeln befinden. Von diesen seien n schwarz, n n dagegen weiß. Nun werden k Kugeln (zufällig) entnommen, und zwar ohne Zurücklegen. A: Ereignis, daß von diesen k Kugeln k schwarz sind P(A) = n(a) N. N = ( n k) = Anzahl der Möglichkeiten, k Kugeln aus n Kugeln auszuwählen. n(a)= Anzahl der günstigen Ereignisse= Anzahl der Möglichkeiten zur Entnahme von k Kugeln, bei denen genau k schwarze Kugeln ausgewählt werden. 65 W.Kössler, Humboldt-Universität zu Berlin
11 In einem solchen Fall sind dann auch genau k k weiße Kugeln entnommen worden. Also. Die Anzahl der Möglichkeiten, aus n schwarzen Kugeln k schwarze auszuwählen (ohne Wiederholung und ohne Berücksichtigung der Reihenfolge) ist ( n k ). 2. Die Anzahl der Möglichkeiten, aus n n weißen Kugeln k k weiße auszuwählen (ebenfalls ohne Wiederholung und ohne Berücksichtigung der Reihenfolge) ist ( n n k k ). Anzahl der günstigen Ereignisse n(a) = ( n k ) ( ) n n k k 66 W.Kössler, Humboldt-Universität zu Berlin
12 P(A) = n(a) N = ( n Der letzte Ausdruck heißt auch k k ) ) ( k n n ( n k) Hypergeometrische Wahrscheinlichkeit. 67 W.Kössler, Humboldt-Universität zu Berlin
13 Bsp. 3 (Lotto 6 aus 49) Wenn wir uns die Zahlen als Kugeln denken, die aus einer Urne entnommen werden, und außerdem gezogene Zahlen im nachhinein als schwarze Kugeln ansehen, so kann jeder Tip durch die Entnahme von 6 Kugeln verkörpert werden. Somit können wir die Formel des Beispiels 2 auf Seite 66 anwenden. A: Ereignis, daß vier Richtige getippt werden. Wenden wir also oben genannte Formel an mit n = 49, n = 6, k = 6, k = 4, dann gilt: ( 6 ( P(A) = 4) 49 6 ) 6 4 ( 49 ) 6 68 W.Kössler, Humboldt-Universität zu Berlin
14 Bsp. 4 Wie groß ist die Anzahl der Würfe mit 2 nicht zu unterscheidenden Würfeln? Wir vergeben die Zahlen (i,j), wenn i j. Wir vergeben die Zahlen (i, 7), wenn i = j. Die gesuchte Anzahl ist die Anzahl der möglichen Auswahlen aus der Menge {,...,7}, also gleich ( 7 2). 69 W.Kössler, Humboldt-Universität zu Berlin
15 Bsp. 5 Wie groß ist die Anzahl der Würfe mit 3 nicht zu unterscheidenden Würfeln? Sei o.b.d.a. i j k. Wir vergeben die Zahlen (i,j,k), wenn i < j < k. (i,k, 7), wenn i = j < k. (i,j, 8), wenn i < j = k. (i, 7, 8), wenn i = j = k. Die gesuchte Anzahl ist die Anzahl der möglichen Auswahlen aus der Menge {,...,8}, also gleich ( 8 3). 70 W.Kössler, Humboldt-Universität zu Berlin
16 Bsp. 6 Verteilen von n Geldstücken an k Studenten (k n). Auf wieviele Weisen ist das möglich? Fall a) jeder Student bekommt mindestens ein Stück. Geldstücke nebeneinander legen und k Trennstriche verteilen unter n möglichen N = ( ) n k Fall b) es wird zugelassen, daß Studenten nichts erhalten. Trick: Borgen von k Stücken n + k Stück k Trennstriche verteilen unter den jetzt n + k möglichen N = ( ) n+k k Dann gibt jeder Student genau ein Stück zurück. 7 W.Kössler, Humboldt-Universität zu Berlin
17 Bsp. 7 (Hashing) Beobachtungen (oder Daten) abspeichern auf einem Feld. k: Anzahl der Beobachtungen n: Feldlänge (k n) Das Abspeichern geschieht mit Hilfe von Hashfunktionen (oder Hashtafeln). zufällige Daten: Kollisionen können auftreten. A k,n : Ereignis, daß Kollisionen auftreten. ges.: P(A k,n ) 72 W.Kössler, Humboldt-Universität zu Berlin
18 P(A k,n ) = = n(n ) (n k + ) k ( i n ) i=0 = exp (k exp( = exp( i=0 k i=0 ln( x) < x für x < n k ln( i n )) i n ) (k )k 2n ) exp( k2 2n ) 73 W.Kössler, Humboldt-Universität zu Berlin
19 Bsp. 8 (Suche von Elementen) n = Ω. Greifen zufällig eine k-elementige Teilmenge A Ω heraus. ω,...: Schlüsselelemente (vorgegeben), ω,... Ω Frage: Mit welcher Wkt. ω A? P(A) = ( n k ( n k ) ) = k n Frage: Mit welcher Wkt. ω,...,ω r A? ( n r ) k r k(k ) (k r + ) P(A) = ) = n(n ) (n r + ) ( n k 74 W.Kössler, Humboldt-Universität zu Berlin
20 Sei r fest, k n p: P(A) pr P(A) 2, falls pr 2 falls k n 2 /r Soll also die Wkt., daß alle r Schlüsselelemente in der Teilmenge enthalten sind, größer als 2 sein, so muß k n 2 /r gewählt werden. 75 W.Kössler, Humboldt-Universität zu Berlin
21 Zusammenfassung n: # Elemente = Ω k: # auszuwählende Elemente k,...,k m : Häufigkeit der einzelnen Elemente ohne Wiederholung mit Wiederholung Permutationen n! n! k! k m! Variationen n(n ) (n k + ) n k ( Kombinationen n ( n+k ) k) k 76 W.Kössler, Humboldt-Universität zu Berlin
22 2.3 Arithmetische Beziehungen zwischen den Binomialkoeffizienten ( ) n k ( ) n k = = ( ) n n k ( ) n + k n k=0 ( ) n k = 2 n ( ) n k 77 W.Kössler, Humboldt-Universität zu Berlin
23 n i=0 n ( ) n ( ) k k k=0 n k=0 ( ) 2 n = k ( )( ) n m i k i n ( ) n k k k= = 0 ( ) 2n = n ( ) n + m k = n 2 n 78 W.Kössler, Humboldt-Universität zu Berlin
24 8. Definieren die Folge S n = n+ 2 k=0 ( ) n k k Zeigen Sie: S n+ = S n + S n. Beweis: 3 Methoden, vollständige Induktion algebraisch kombinatorisch teilweise Übungsaufgabe, teilweise Übung 79 W.Kössler, Humboldt-Universität zu Berlin
25 2.4 Die Stirling Formel Satz 3 Es gilt n! ( ) n n 2πn. e Beweis: Die Aussage des Satzes ist äquivalent zu ln n! ln 2π + (n + ) ln n n. 2 Sei d n := ln n! (n + ) ln n + n W.Kössler, Humboldt-Universität zu Berlin
26 Es genügt zu zeigen, lim n d n = ln 2π. Wir schätzen jetzt die Differenz d n d n+ ab, daraus dann das Verhalten der Folge {d n } und versuchen dann den Grenzwert zu bestimmen. 8 W.Kössler, Humboldt-Universität zu Berlin
27 Es gilt d n d n+ = ln n! ln(n + )! (n + 2 ) ln n + (n + + ) ln(n + ) 2 +n (n + ) n! = ln (n + )! + (n + )(ln(n + ) ln n) 2 +ln(n + ) = ln(n + ) + (n + 2 ) ln n + n = 2n + 2 ln n + n 2n+ = (2n + ) 2 ln + 2n+. + ln(n + ) 82 W.Kössler, Humboldt-Universität zu Berlin
28 Es gilt für < x < : ln( + x) = ln( x) = ( ) i+xi i ( ) i+( x)i i i= i= ln + x x = ln( + x) ln( x) = 2 i=0 x 2i+ 2i + 83 W.Kössler, Humboldt-Universität zu Berlin
29 Setzen x := 2n+ d n d n+ = x 2 2 = < und erhalten (x 0) i= i= 2i + 3 ( x + i= (2n + ) 2i (2n + ) 2i ) 2i + x2i+ = ( 3 q ) wobei q = = 3((2n + ) 2 ) (2n + ) 2 84 W.Kössler, Humboldt-Universität zu Berlin
30 Offenbar gilt auch 3(2n + ) = 2 i= 2i + (2n + ) 2i < d n d n+, also 3(2n + ) 2 < d n d n+ < 3((2n + ) 2 ). 85 W.Kössler, Humboldt-Universität zu Berlin
31 Wegen 3((2n + ) 2 ) = 3(2n + ) 2 = = > = = = 2n(n + ) = 2n 2(n + ) 2n(n + ) + 3 = 2 2(2n(n + ) + 3) 2 2 2n(n + ) n n + 24n n n (2n + )(2n + 3) 2n + 2(n + ) + 86 W.Kössler, Humboldt-Universität zu Berlin
32 Beide Ungleichungen zusammen 2n + 2(n + ) + < d n d n+ < 2n 2(n + ) (d n 2n ) (d n+ (d n 2(n + ) ) < 0 < 2n + ) (d n+ 2(n + ) + ) Folge {d n } monoton fallend 2n+ Folge {d n } monoton wachsend. 2n 87 W.Kössler, Humboldt-Universität zu Berlin
33 Beide Folgen haben denselben Grenzwert c := lim d n, Erinnerung: d n < c < d n 2n 2n + c + 2n + < d n < c + 2n d n e d n = ln n! (n + 2 ) ln n + n = n! ( n e ) nn 2 88 W.Kössler, Humboldt-Universität zu Berlin
34 e c n ( n e Bleibt zu zeigen e c+ 2n+ < e d n < e c+ 2n e c e 2n+ < n! ( n e ) ne ) nn 2 < e c e 2n 2n+ < n! < e c n ( n e e c = 2π. ) ne 2n 89 W.Kössler, Humboldt-Universität zu Berlin
35 Hilfsrechnungen I n := π/2 0 sin n xdx 90 W.Kössler, Humboldt-Universität zu Berlin
36 I n = π/2 0 sin n x sin xdx = sin n x ( cosx) π/2 0 π/2 0 = (n ) (n ) sin n 2 cosx ( cosx)dx π/2 = (n )(I n 2 I n ) I n = n n I n 2 I 0 = π 2 I 2 0 = 2 I 0 = 2 π 2 sin n 2 x( sin 2 x)dx I = I 3 = 2 3 I = W.Kössler, Humboldt-Universität zu Berlin
37 I 2n = I 2n+ = 3 5 (2n ) (2n) (2n) (2n + ) π 2 92 W.Kössler, Humboldt-Universität zu Berlin
38 0 < x < π 2 0 < sin x < sin 2n x > sin 2n x > sin 2n+ x I 2n > I 2n > I 2n+ 2n+ 2n I 2n I 2n+ > I 2n I 2n+ > > (2n ) (2n+) (2n) (2n) lim (2n ) (2n+) (2n) (2n) π = lim( (2n) (2n ) = lim 24n (n!) 4 ((2n)!) 2 (2n+) π π 2 > 2 = ) 2 2n+ 93 W.Kössler, Humboldt-Universität zu Berlin
39 n! = e c nn n e n e α n (2n)! = e c 2n2 2n n 2n e 2n e β n wobei lim n α n = lim n β n = 0. Einsetzen oben liefert e c = 2π. 94 W.Kössler, Humboldt-Universität zu Berlin
Kombinatorik. 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
MehrPermutation und Kombination
Permutation und Kombination Aufgaben Aufgabe 1 Wie viele verschiedene Wörter lassen sich durch Umstellen der Buchstaben aus den Wörtern a. Mississippi, b. Larissa, c. Stuttgart, d. Abrakadabra, e. Thorsten,
MehrWahrscheinlichkeitsrechnung 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
MehrDiskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier
Disrete Struturen und Logi WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Disrete Struturen und Logi Gesamtübersicht Organisatorisches Einführung Logi & Mengenlehre Beweisverfahren
MehrMusterlösung zur Probeklausur zur Kombinatorik
UNIVERSITÄT ULM Institut für Zahlentheorie und Wahrscheinlichkeitstheorie Musterlösung zur Probeklausur zur Kombinatorik Prof. Dr. Helmut Maier, Hans- Peter Reck Gesamtpunktzahl: 00 Punkte Freitag,. Dezember
Mehr1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem P( ) = 0.
1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem Folg. 2 Sei (Ω, E, P) W.-raum. Seien A, B,A 1,...,A n Ereignisse. Es gelten die folgenden Aussagen: 1. P(A) = 1 P(A). 2. Für das unmögliche Ereignis gilt:
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
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,
MehrKombinatorik. Cusanus-Gymnasium Wittlich Permutationen. Wie viele Möglichkeiten gibt es 10 Personen in eine Reihe auf 10 Sitze zu setzen?
Permutationen Wie viele Möglichkeiten gibt es 10 Personen in eine Reihe auf 10 Sitze zu setzen? 1. Sitz : 10 Möglichkeiten 2. Sitz : 9 Möglichkeiten 3. Sitz : 8 Möglichkeiten. 9. Sitz : 2 Möglichkeiten
MehrStetige Funktionen, Binomischer Lehrsatz
Vorlesung 13 Stetige Funktionen, Binomischer Lehrsatz 13.1 Funktionenfolgen Wir verbinden nun den Grenzwertbegriff mit dem Funktionsbegriff. Es seien (a n ) n N eine reelle Folge und f : R R eine Funktion.
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
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809
MehrDie Gamma-Funktion, das Produkt von Wallis und die Stirling sche Formel. dt = lim. = lim = Weiters erhalten wir durch partielle Integration, dass
Die Gamma-Funktion, das Produkt von Wallis und die Stirling sche Formel Zuerst wollen wir die Gamma-Funktion definieren, die eine Verallgemeinerung von n! ist. Dazu benötigen wir einige Resultate. Lemma.
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.
MehrSurjektive, injektive und bijektive Funktionen.
Kapitel 1: Aussagen, Mengen, Funktionen Surjektive, injektive und bijektive Funktionen. Definition. Sei f : M N eine Funktion. Dann heißt f surjektiv, falls die Gleichung f(x) = y für jedes y N mindestens
MehrVariationen Permutationen Kombinationen
Variationen Permutationen Kombinationen Mit diesen Rechenregeln lässt sich die Wahrscheinlichkeit bestimmter Ereigniskombinationen von gleichwahrscheinlichen Elementarereignissen ermitteln, und erleichtert
MehrBeispiel 2 ([1], Ex ) Sei jxj = m, jy j = n. Wieviele Funktionen f : X! Y
Kombinatorik Nach [1], Chap.4 (Counting Methods and the Pigeonhole Principle). Multiplikationsprinzip Beispiel 1 Wieviele Wörter der Länge 4 kann man aus den Buchstaben A,B,C,D,E bilden,... 1. wenn Wiederholungen
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
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
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.
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,...
MehrAbiturvorbereitung Stochastik. neue friedländer gesamtschule Klasse 12 GB Holger Wuschke B.Sc.
Abiturvorbereitung Stochastik neue friedländer gesamtschule Klasse 12 GB 21.02.2014 Holger Wuschke B.Sc. Glücksspiel auf der Buchmesse Leipzig, 2013 Organisatorisches 1. Begriffe in der Stochastik (1)
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
Mehr2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also
Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx
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.
Mehr11. Folgen und Reihen.
- Funktionen Folgen und Reihen Folgen Eine Folge reeller Zahlen ist eine Abbildung a: N R Statt a(n) für n N schreibt man meist a n ; es handelt sich also bei einer Folge um die Angabe der Zahlen a, a
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
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
MehrStatistik I für Wirtschaftswissenschaftler Klausur am 06.07.2007, 14.00 16.00.
1 Statistik I für Wirtschaftswissenschaftler Klausur am 06.07.2007, 14.00 16.00. Bitte unbedingt beachten: a) Gewertet werden alle 9 gestellten Aufgaben. b) Lösungswege sind anzugeben. Die Angabe des Endergebnisses
MehrWürfelspiele und Zufall
Würfelspiele und Zufall Patrik L. Ferrari 29. August 2010 1 Random horse die Irrfahrt des Pferdchens Betrachte ein Schachbrett mit einem Pferd (Springer), welches sich nach den üblichen Springer-Regeln
MehrÜbungen zur Vorlesung MATHEMATIK II
Fachbereich Mathematik und Informatik der Philipps-Universität Marburg Übungen zur Vorlesung MATHEMATIK II Prof. Dr. C. Portenier unter Mitarbeit von Michael Koch Marburg, Sommersemester 2005 Fassung vom
MehrÜbungen Mathematik I, M
Übungen Mathematik I, M Übungsblatt, Lösungen (Stoff aus Mathematik 0) 09.0.0. Kommissar K hat 3 Tatverdächtige P, Q und R. Er weiß: (a) Wenn sich Q oder R als Täter herausstellen, dann ist P unschuldig.
MehrEinführung in die Stochastik
Einführung in die Stochastik Josef G. Steinebach Köln, WS 2009/10 I Wahrscheinlichkeitsrechnung 1 Wahrscheinlichkeitsräume, Urnenmodelle Stochastik : Lehre von den Gesetzmäßigkeiten des Zufalls, Analyse
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
MehrAUFGABEN ZUR KOMBINATORIK (1)
--- --- AUFGABEN ZUR KOMBINATORIK (). Zum Würfeln wird ein Tetraeder benutzt, das auf seinen vier Seiten mit,, und beschriftet ist. Als Ergebnis zählt diejenige Augenzahl, die auf der Grundfläche steht.
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
Mehr10 Bedingte Wahrscheinlichkeit
10 Bedingte Wahrscheinlichkeit Vor allem dann, wenn man es mit mehrstufigen Zufallsexperimenten zu tun hat, kommt dem Begriff der bedingten Wahrscheinlichkeit eine bedeutende Rolle zu. Wir klären dazu
Mehr7 Unabhängigkeit von Ereignissen; bedingte Wahrscheinlichkeit
Übungsmaterial 7 Unabhängigkeit von reignissen; bedingte Wahrscheinlichkeit 7. Unabhängigkeit von reignissen Wir betrachten folgendes Beispiel: Zwei unterscheidbare Münzen werden geworfen. Man betrachtet
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
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
MehrAufgaben und Lösungen
Aufgaben und Lösungen Aufgabe Aus einer Schulklasse von 3 Schülern soll eine Abordnung von Schülern zum Direktor geschickt werden. Auf wie viele Arten kann diese Abordnung gebildet werden? ( ) 3 = 33.649
MehrDiskrete Strukturen. Ulrik Brandes. Sommersemester 2003 (Version vom 22. Oktober 2004) Skript zur Vorlesung
Diskrete Strukturen Skript zur Vorlesung Ulrik Brandes Sommersemester 2003 (Version vom 22. Oktober 2004) Prolog Übungsbetrieb (Termine, Gruppen, Einteilung, Punkte) Di., 8.4. (V1) Schein (Klausur, Zulassung,
MehrApril (Voll-) Klausur Analysis I für Ingenieure. Rechenteil
April (Voll-) Klausur Analysis I für Ingenieure en Rechenteil Aufgabe 7 Punkte (a) Skizzieren Sie die 4-periodische Funktion mit f() = für und f() = für (b) Berechnen Sie für diese Funktion die Fourierkoeffizienten
MehrUnter dem Symbol n! (gelesen n Fakultät) versteht man das Produkt der natürlichen Zahlen von 1 bis n.
Die Fakultät Definition: Unter dem Symbol n! (gelesen n Fakultät) versteht man das Produkt der natürlichen Zahlen von 1 bis n. n! = 1 2 3... (n 2) (n 1) n Zusätzlich wird definiert 0! = 1 Wie aus der Definition
MehrDas Gummibärchen-Orakel [1]
Das Gummibärchen-Orakel [1] 1. Allgemeines Lehrplanbezug: Klasse 10 bzw. 11, z.b. beim Wiederholen der kombinatorischen Formeln Zeitbedarf: 1 bis 4 Schulstunden je nach Vertiefungsgrad 2. Einstieg und
MehrEinführung in die Informatik 2
Einführung in die Informatik 2 Mathematische Grundbegriffe Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr,
MehrAbiturprüfung Mathematik Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe : ( VP) Bilden Sie die erste Ableitung der Funktion f mit x f(x) = (x + 5) e. Aufgabe : ( VP) Gegeben ist die Funktion
MehrThema 4 Limiten und Stetigkeit von Funktionen
Thema 4 Limiten und Stetigkeit von Funktionen Wir betrachten jetzt Funktionen zwischen geeigneten Punktmengen. Dazu wiederholen wir einige grundlegende Begriffe und Schreibweisen aus der Mengentheorie.
MehrKombinatorik. smo osm. Thomas Huber, Viviane Kehl. Inhaltsverzeichnis. Aktualisiert: 1. Dezember 2015 vers Divide and Conquer 2
Schweizer Mathematik-Olympiade smo osm Kombinatorik Thomas Huber, Viviane Kehl Aktualisiert: 1. Dezember 2015 vers. 1.0.0 Inhaltsverzeichnis 1 Divide and Conquer 2 2 Die vier fundamentalen Auswahlprozesse
MehrLösung zu den Testaufgaben zur Mathematik für Chemiker II (Analysis)
Universität D U I S B U R G E S S E N Campus Essen, Mathematik PD Dr. L. Strüngmann Informationen zur Veranstaltung unter: http://www.uni-due.de/algebra-logic/struengmann.shtml SS 7 Lösung zu den Testaufgaben
MehrMaristengymnasium Fürstenzell zuletzt geändert am 10.03.2001 Aufgaben zur Kombinatorik (mit Lösungen)
Maristengymnasium Fürstenzell zuletzt geändert am 0.0.00 Aufgaben zur Kombinatorik (mit Lösungen) 0.. Wieviele Möglichkeiten gibt es für Kinder, sich auf einen Schlitten zu setzen, wenn ihn nur davon steuern
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)
MehrBeurteilende Statistik
Beurteilende Statistik Wahrscheinlichkeitsrechnung und Beurteilende Statistik was ist der Unterschied zwischen den beiden Bereichen? In der Wahrscheinlichkeitstheorie werden aus gegebenen Wahrscheinlichkeiten
MehrTheorie der Informatik
Theorie der Informatik 6. Formale Sprachen und Grammatiken Malte Helmert Gabriele Röger Universität Basel 17. März 2014 Einführung Beispiel: Aussagenlogische Formeln Aus dem Logikteil: Definition (Syntax
MehrAnalysis Seite 1. 1 f' = g f (x) g'(f(x)) f '(x) f (y) = mit y = f(x) bzw. f (x) = k f(x)dx = k f(x) + c. (f(x) ± g(x))dx = f(x)dx ± g(x)dx
Analysis Seite Ableitungsregeln: (f±g) = f ± g (f g) = f g + fg ' f f'g fg' = 2 g g ' f' = 2 f f ' ( ) = g f () g'(f()) f '() ' ' f (y) = mit y = f() bzw. f () = f'() f' f( ) Integrationsregeln: b a c
MehrÜbungsaufgaben Wahrscheinlichkeit
Übungsaufgaben Wahrscheinlichkeit Aufgabe 1 (mdb500405): In einer Urne befinden sich gelbe (g), rote (r), blaue (b) und weiße (w) Kugel (s. Bild). Ohne Hinsehen sollen aus der Urne in einem Zug Kugeln
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
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,
MehrWahrscheinlichkeitsrechnung
Kapitel 4 Wahrscheinlichkeitsrechnung 4.1 Zufallsvorgänge und Ereignisse Der Ausgang der meisten Vorgänge ist unbestimmt. So sind die Brötchen beim morgendlichen Besuch des Bäckerladens manchmal knusperig,
MehrAnalysis I - Stetige Funktionen
Kompaktheit und January 13, 2009 Kompaktheit und Funktionengrenzwert Definition Seien X, d X ) und Y, d Y ) metrische Räume. Desweiteren seien E eine Teilmenge von X, f : E Y eine Funktion und p ein Häufungspunkt
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
MehrAutomaten, Spiele und Logik
Automaten, Spiele und Logik Woche 13 11. Juli 2014 Inhalt der heutigen Vorlesung Linearzeit Temporale Logik (LTL) Alternierende Büchi Automaten Nicht-Determinisierung (Miyano-Ayashi) Beschriftete Transitionssysteme
Mehr13.5 Der zentrale Grenzwertsatz
13.5 Der zentrale Grenzwertsatz Satz 56 (Der Zentrale Grenzwertsatz Es seien X 1,...,X n (n N unabhängige, identisch verteilte zufällige Variablen mit µ := EX i ; σ 2 := VarX i. Wir definieren für alle
Mehr1 Axiomatische Definition von Wahrscheinlichkeit
Schülerbuchseite 174 176 Lösungen vorläufig und Unabhängigkeit 1 Axiomatische Definition von Wahrscheinlichkeit S. 174 1 Ein Schätzwert für die Wahrscheinlichkeit von Sau kann nur mithilfe der relativen
MehrAufgaben zu Kapitel 38
Aufgaben zu Kapitel 38 Aufgaben zu Kapitel 38 Verständnisfragen Aufgabe 38. Welche der folgenden vier Aussagen sind richtig:. Kennt man die Verteilung von X und die Verteilung von Y, dann kann man daraus
Mehr3 Reihen. 3.1 Konvergenz und Divergenz. Die Eindeutigkeit nach Satz 13 ergibt schließlich (5). (6) folgt aus (2) und (1) wegen. 1 a +log ba.
Die Eindeutigkeit nach Satz 3 ergibt schließlich (5). (6) folgt aus (2) und () wegen Aussage (7) ergibt sich aus () und (6). 0 = log b = log b ( a a) = log b a +log ba. 3 Reihen 3. Konvergenz und Divergenz
MehrÜbung zu Grundbegriffe der Informatik. Simon Wacker. 15. November 2013
Übung zu Grundbegriffe der Informatik Simon Wacker 15. November 2013 Vollständige Induktion über die Wortlänge Es sei B ein Alphabet. Dann ist B = n N 0 B n. Für jedes Wort w B sei A w eine Aussage, die
Mehr18 Höhere Ableitungen und Taylorformel
8 HÖHERE ABLEITUNGEN UND TAYLORFORMEL 98 8 Höhere Ableitungen und Taylorformel Definition. Sei f : D R eine Funktion, a D. Falls f in einer Umgebung von a (geschnitten mit D) differenzierbar und f in a
MehrKapitel VI. Euklidische Geometrie
Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und
MehrFaktorisierung ganzer Zahlen mittels Pollards ρ-methode (1975)
Dass das Problem, die Primzahlen von den zusammengesetzten zu unterscheiden und letztere in ihre Primfaktoren zu zerlegen zu den wichtigsten und nützlichsten der ganzen Arithmetik gehört und den Fleiss
MehrLineare Abhängigkeit
Lineare Abhängigkeit Vorbemerkung. Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung I X, i x i. I heißt dabei Indexmenge. Man verwendet dabei oft die Schreibweise (x i ) oder (x
Mehr5 Kombinatorik. 5.1 Das Mengenprodukt oder Bilden von Wörtern aus Buchstaben
69 5 Kombinatorik Kombinatorik ist die Theorie vom Abzählen der Elemente einer Menge. Dabei geht es darum, dieses Abzählen möglichst effektiv durchzuführen und vor allem allgemeine Aussagen zu treffen.
Mehr9 Die Normalverteilung
9 Die Normalverteilung Dichte: f(x) = 1 2πσ e (x µ)2 /2σ 2, µ R,σ > 0 9.1 Standard-Normalverteilung µ = 0, σ 2 = 1 ϕ(x) = 1 2π e x2 /2 Dichte Φ(x) = 1 x 2π e t2 /2 dt Verteilungsfunktion 331 W.Kössler,
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrWirtschaftsstatistik I [E1]
040571-1 WMS: Wirtschaftsstatistik 1 :: WiSe07/08 Wirtschaftsstatistik I [E1] Schwab, Harald 1 harald.schwab@univie.ac.at http://homepage.univie.ac.at/harald.schwab October 7, 2007 1 Sprechstunde: MO 17-18h
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
MehrTechnische Universität München. Lösung Montag WS 2013/14. (Einheitskreis, ohne Rechnung ersichtlich) (Einheitskreis, ohne Rechnung ersichtlich)
Technische Universität München Andreas Wörfel Ferienkurs Analysis 1 für Physiker Lösung Montag WS 01/1 Aufgabe 1 Zum warm werden: Komplexe Zahlen - Lehrling Bestimmen Sie das komplex Konjugierte, den Betrag
MehrHypergeometrische Verteilung
Hypergeometrische Verteilung Typischer Anwendungsfall: Ziehen ohne Zurücklegen Durch den Ziehungsprozess wird die Wahrscheinlichkeit des auch hier zu Grunde liegenden Bernoulli-Experimentes verändert.
MehrMathematik LK M1, 4. Kursarbeit Stochastik I - Lösung
Aufgabe : Wahrscheinlichkeitsrechnung Löse die Aufgabe auf diesem Aufgabenblatt. Trage die Lösung in die Tabelle ein. Ein Rechenweg ist hier nicht erforderlich. Hinweis: Das Casinospiel besteht aus dem
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
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
MehrStatistik I für Wirtschaftswissenschaftler Klausur am 01.07.2005, 14.00 16.00.
1 Statistik I für Wirtschaftswissenschaftler Klausur am 01.07.2005, 14.00 16.00. Bitte unbedingt beachten: a) Gewertet werden alle 9 gestellten Aufgaben. b) Lösungswege sind anzugeben. Die Angabe des Endergebnisses
MehrMengensysteme, Wahrscheinlichkeitsmaße
Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen
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
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
MehrÜbungen zur Vorlesung Funktionentheorie Sommersemester Lösungshinweise zum Klausurvorbereitungsblatt. (z) i f. 2xe (x2 +y 2) i2ye (x2 +y 2 ) 2
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6. MATHEMATIK Prof. Dr. Roland Speicher M.Sc. Tobias Mai Übungen zur Vorlesung Funktionentheorie Sommersemester 0 Lösungshinweise zum Klausurvorbereitungsblatt (3
MehrZusammengewürfelte Übungen (2) Zufallsexperiment, Ergebnis, Ereignis, Zählprinzip, Urnenmodell
MK 19.1.2008 Zusammen_Ueb2.mcd Zusammengewürfelte Übungen (2) Zufallsexperiment, Ergebnis, Ereignis, Zählprinzip, Urnenmodell (1) Was bedeuten A \ B, B \ A, A B = { } und A B für die Ereignisse A und B?
MehrFunktionsgrenzwerte, Stetigkeit
Funktionsgrenzwerte, Stetigkeit Häufig tauchen in der Mathematik Ausdrücke der Form lim f(x) auf. x x0 Derartigen Ausdrücken wollen wir jetzt eine präzise Bedeutung zuweisen. Definition. b = lim f(x) wenn
MehrAbsolute Stetigkeit von Maßen
Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches
MehrDie Fakultät. Thomas Peters Thomas Mathe-Seiten 2. Mai 2010
Die Fakultät Thomas Peters Thomas Mathe-Seiten www.mathe-seiten.de 2. Mai 200 Dieser Artikel gibt die Definition der klassischen Fakultät und führt von dort aus zunächst zu der Anwendung in Taylor-Reihen
MehrSeminarvortrag aus Reiner Mathematik Existenz von Primitivwurzeln
Seminarvortrag aus Reiner Mathematik Existenz von Primitivwurzeln Michael Kniely November 2009 1 Vorbemerkungen Definition. Sei n N +, ϕ(n) := {d [0, n 1] ggt (d, n) = 1}. Die Abbildung ϕ : N + N + heißt
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
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)
MehrWenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe. a 0 + a 1 + a 2 +
8 Reihen 38 8 Reihen Wenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe a 0 + a + a 2 + zu bilden. Wir wollen nun erklären, was wir darunter verstehen wollen. Zunächst kann man die
MehrStochastik Kombinatorik
Stochastik Kombinatorik In der Kombinatorik werden Techniken behandelt, mit deren Hilfe ohne direktes Abzählen die Anzahl möglicher Ausgänge bei einem Experiment bestimmt werden können. Wie viele Einstellungen
MehrCoupon Collector's-Problem (Sammelbilderproblem) Name: Walter Wolf Matrikelnr.: 533440 Dozent: Dr. W. Kössler
Coupon Collector's-Problem (Sammelbilderproblem) Name: Walter Wolf Matrikelnr.: 533440 Dozent: Dr. W. Kössler Problemstellung Als Sammelbilderproblem bezeichnet man die Frage, wie viele Produkte bzw. Bilder
MehrBrückenkurs Mathematik
Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 1 Logik,, Doris Bohnet Universität Hamburg - Department Mathematik Mo 6.10.2008 Zeitplan Tagesablauf: 9:15-11:45 Vorlesung Audimax I 13:00-14:30 Übung Übungsräume
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
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
Mehr