Deckblatt. Name der Kursleiterin/des Kursleiters, bei der Sie angemeldet sind: Annelie Gebert. Nur einen Studiengang ankreuzen!!!
|
|
- Klaudia Günther
- vor 6 Jahren
- Abrufe
Transkript
1 Deckblatt Name Vorname Matrikelnr. Name in Druckbuchstaben Name der Kursleiterin/des Kursleiters, bei der Sie angemeldet sind: Annelie Gebert Nur einen Studiengang ankreuzen!!! Bachelorstudiengang Sozialökonomie Sozialökonomischer Diplomstudiengang anderer Studiengang: SoSe / WiSe 2014 im Kurs: Statistik 2 am mit einer Klausur abgeschlossen. Note: (Unterschrift: Annelie Gebert) Kursnummer: / KP:
2 . 1
3 Statistik 2 Klausur Annelie Gebert 12:00-15:00 Uhr SoSe 2014 Länge der Klausur: 180 min Für die Lösungen (Lösungswege sind mit anzugeben) ist der Platz zwischen den Aufgaben und die Rückseiten der Aufgabenblätter vorgesehen. Verwenden Sie ausschließlich das bereitgestellte Klausurpapier! Lösen Sie die Heftung nicht und entfernen Sie kein Blatt aus den Ihnen zugeteilten Bögen! Hinweis zu den Hilfsmitteln: 8 DIN-A4-Seiten handschriftliche Notizen (keine Kopien, keine Computerausdrucke) nichtprogrammierbarer, zweizeiliger Taschenrechner Aufgabe Summe max. Pkt erreichte Pkt. Mit mindestens 50 Punkten haben Sie bestanden! Rechnen Sie in der gesamten Klausur bitte auf 4 Nachkommastellen genau! 2
4 Aufgabe 1(27 Pkt.) Opa Horst hält 5 Hühner in seinem Garten. Die Anzahl der gelegten Eier pro Tag ist zufällig. Die Zufallsvariable X gebe an, wie viele Eier die 5 Hühner pro Tag insgesamt legen. Die Zufallsvariable X hat die folgende Wahrscheinlichkeitsverteilung laut den Erfahrungswerten von Opa Horst. x i P(X = x i ) 0,01 0,02 0,03 0,15 0,39 0,40 (a) Geben Sie in der folgenden Tabelle die Verteilungsfunktionswerte für die Realisationsmöglichkeiten an! x i P(X x i ) (b) Zeichnen Sie bitte die Wahrscheinlichkeitsfunktion für die Anzahl der gelegten Eier pro Tag! 3
5 Aufgabe 1 (Fortsetzung) (c) Berechnen Sie bitte den Erwartungswert und die Varianz von X! (d) Geben Sie den Modus von X an und interpretieren Sie den Wert! (e) Bestimmen Sie bitte den Median und das 0,6-Quantil! Interpretieren Sie bitte den Median. 4
6 Aufgabe 1 (Fortsetzung) (f) Wie groß ist die Wahrscheinlichkeit, dass Opa Horst heute (Geben Sie für diesen Aufgabenteil stets P(X...) mit an.) höchstens 4 mindestens 2 weniger als 5 mindestens 5? Eier bekommt? (g) Opa Horst überlegt, ob er die Eier verkaufen sollte, um ein kleines zusätzliches Einkommen zu haben. Wir nehmen an, er bekommt für jedes Ei 0,20eund verkauft jeden Tag alle Eier. Die Zufallsvariable Y gebe an, wie hoch der Umsatz aus dem Verkauf der Eier pro Tag wäre. Geben Sie in einer Tabelle die Wahrscheinlichkeitsverteilung von Y an. Berechnen Sie auch den Erwartungswert von Y und interpretieren Sie das Ergebnis! 5
7 Aufgabe 1 (Fortsetzung) (h) Opa Horst schätzt, dass sich die Kosten für die Hühner pro Jahr nur auf ca. 120 e belaufen, da sie sich hauptsächlich von Küchenresten ernähren und kaum Tierarztkosten bei dieser hervorragenden, artgerechten Haltung anfallen. Kann er einen positiven Gewinn aus dem Verkauf der Eier erwarten? 6
8 Aufgabe 2(6 Pkt.) (a) Ein Huhn legt mit einer Wahrscheinlichkeit von 0,9 pro Tag ein Ei und mit einer Wahrscheinlichkeit von 0,1 keins. Die Zufallsvariable X gebe an, wie viele Eier das Huhn heute legt. Wie ist X verteilt? Geben Sie die Wahrscheinlichkeitsverteilung und die Verteilungsfunktion für X an. (tabellarisch) (b) Auf einer Biohühnerfarm leben 1000 Hühner und jedes Huhn legt hier ebenfalls mit einer Wahrscheinlichkeit von 0,9 pro Tag ein Ei. Wie ist die Anzahl der gelegten Eier pro Tag auf der Hühnerfarm verteilt? Geben Sie bitte auch den Erwartungswert und die Varianz der gelegten Eier pro Tag an. 7
9 Aufgabe 3(17 Pkt.) Herr Schmidt hat sein Aktienportfolio so zusammengestellt, dass der Wert mit einer Wahrscheinlichkeit von 0,7 steigt, 0,1 konstant bleibt und 0,2 fällt, wenn die Konjunktur boomt. 0,35 steigt, 0,35 konstant bleibt und 0,3 fällt, wenn sich die Konjunktur im Abschwung befindet. 0,15 steigt, 0,05 konstant bleibt und 0,8 fällt, wenn sich die Konjunktur in einer Depression befindet. 0,4 steigt, 0,3 konstant bleibt und 0,3 fällt, wenn sich die Konjunktur im Aufschwung befindet. Herr Schmidt nimmt an, dass die Wahrscheinlichkeit für Boom und Depression jeweils 0,2 beträgt. Die Wahrscheinlichkeit für Abschwung und Aufschwung sei jeweils 0,3. (a) Wie groß ist die Wahrscheinlichkeit, dass die Konjunktur boomt, wenn der Wert des Aktienportfolios sinkt. dass sich die Konjunktur im Aufschwung befindet, wenn das Aktienportfolio steigt. dass sich die Konjunktur im Abschwung befindet, wenn der Wert des Aktienportfolios konstant bleibt. (b) Wie groß ist die Wahrscheinlichkeit, dass der Wert des Aktienportfolios steigt und die Konjunktur boomt? 8
10 Aufgabe 4(12 Pkt.) Gegeben seien die Ereignisse A, B, C und D und die folgenden Wahrscheinlichkeiten P(A) = 0,45 P(B) = 0,5 P(C) = 0,3 P(D) = 0,05 P(B A) = 0 P(D C) = 0,05 P(B C) = 0,2 (a) Bestimmen Sie die folgenden Wahrscheinlichkeiten: P(A B) P(A B) P(C B) P(C D) P(B C) P(B) (b) Geben Sie an, welches Ereignis von welchem impliziert wird. 9
11 Aufgabe 4 Fortsetzung (c) Geben Sie an, welche zwei Ereignisse disjunkt sind. (d) Sind A und B stochastisch unabhängige Ereignisse? Begründen Sie Ihre Aussage. 10
12 Aufgabe 5(7 Pkt.) Bei einer Fußball-Weltmeisterschaft (WM) gibt es immer 24 Mannschaften die sich auf 8 Gruppen aufteilen. In jeder Gruppe sind dann also 4 Mannschaften die gegeneinander spielen. Welche Mannschaft in welcher Gruppe spielt wird ausgelost. Jede Mannschaft hofft natürlich in eine Gruppe mit möglichst einfachen Gegnern zu kommen. Angenommen bei der WM 2018 gibt es für Deutschland 6 Mannschaften, die als schwierige Gegner eingeschätzt werden. Die Zufallsvariable X gebe die Anzahl der schwierigen Gegner in der Gruppe der Deutschen an. (Hinweis: Da in jeder Gruppe 4 Mannschaften sind, werden hier praktisch 3 von den übrigen 23 Mannschaften in die Gruppe der Deutschen dazugelost.6 von den 23 sind schwierig.) (a) Wie ist X verteilt und welche Realisationsmöglichkeiten hat X? (b) Mit welcher Wahrscheinlichkeit wird in der Gruppe von Deutschland keine Mannschaft ein schwieriger Gegner sein? (Geben Sie bitte für diesen Aufgabenteil und die folgenden stets P(X...) mit an.) (c) Wie groß ist die Wahrscheinlichkeit, dass alle 3 Mannschaften schwierige Gegner sein werden? (d) Wie groß ist die Wahrscheinlichkeit, dass mindestens 2 Mannschaften schwierige Gegner sein werden? 11
13 Notizen 12
14 Aufgabe 6(12 Pkt.) In der Manufaktur HOLZIG wird unter anderem ein kleines Bücherregal hergestellt. Es werden Angaben zur Fertigungszeit benötigt, um den Arbeitslohn in den Verkaufspreis adäquat einzukalkulieren. Die investierte Arbeitszeit X in Stunden wird als normalverteilt angenommen mit einem Erwartungswert von 40 und der Varianz von 16. (a) Wie groß ist die Wahrscheinlichkeit, dass die Arbeitszeit für das Bücherregal (Geben Sie für diesen Aufgabenteil P(X...) mit an.) genau 40 Stunden beträgt. mehr als 40 Stunden beträgt. weniger als 35 Stunden beträgt. höchstens 48 Stunden beträgt. mindestens 38 und höchstens 43 Stunden beträgt. 13
15 (b) Bestimmen Sie bitte das 0,05- und das 0,95-Quantil von X. Interpretieren Sie bitte die beiden Werte. 14
16 Aufgabe 7(9 Pkt.) Die Manufaktur HOLZIG investiert in neues Werkzeug und verbesserte Arbeitsbedingungen, um die Fertigungszeiten zu reduzieren. Es wird weiterhin davon ausgegangen, dass die Fertigungszeit für das Bücherregal normalverteilt ist mit einer Varianz von 16. Die Fertigung von 10 Bücherregalen hat nach diesen Neuerungen im Durchschnitt 37,5 h gedauert. (a) Testen Sie bitte zur Irrtumswahrscheinlichkeit 0,05, ob sich die erwartete Fertigungszeit für das Bücherregal verringert hat. Früher war sie 40 Stunden. H 0 : µ 40 vs. H 1 : µ < 40 µ = Erwartungswert der Fertigungszeit für das Bücherregal Geben Sie dazu den Annahme- und Ablehnbereich des Tests an. Mit welchem Fehler ist das Testergebnis möglicherweise verbunden? Geben Sie bitte das 0,95-Konfidenzintervall für den unbekannten Parameter µ an. 15
17 (b) Testen Sie nun noch einmal die in (a) genannten Hypothesen zur Irrtumswahrscheinlichkeit 0,05, wenn die Varianz nicht als bekannt vorausgesetzt wird, sondern mit Hilfe der Beobachtungen geschätzt wird: σ 2 = 20,25. 16
18 Aufgabe 8(10 Pkt.) (a) Ein Gärtner kauft 10 Samen einer teuren Pflanze, bei der vor allem die weiblichen besonders schöne Blüten tragen und sich gut verkaufen lassen. Die Wahrscheinlichkeit, dass aus einem Samen eine weibliche Pflanze wächst sei mit 0,4 gegeben. Der Lieferant garantiert für die Qualität der Samen, so dass aus jedem Samen auf jeden Fall eine Pflanze wächst. Die Zufallsvariable X gebe an, wie viele weibliche Pflanzen aus diesen 10 Samen wachsen werden. Wie ist X verteilt? Mit welcher Wahrscheinlichkeit werden mindestens 5 weibliche Pflanzen wachsen? höchstens 7 weibliche Pflanzen wachsen? genau eine weibliche Pflanze wachsen? mindestens 4 und höchstens 6 weibliche Pflanzen wachsen? (b) Der Gärtner versucht nun selbst diese Pflanze zu züchten und den Anteil der weiblichen Pflanzen mit speziellen Methoden zu erhöhen. Von den 200 selbst gezüchteten Samen waren 85 weiblich. Bestimmen Sie das 0,9-Konfidenzintervall für die Wahrscheinlichkeit, dass aus einem selbstgezüchteten Samen eine weibliche Pflanze wächst. Hat der Gärtner sein Ziel erreicht? 17
19 Notizen 18
20 Notizen 19
21 Binomialverteilung (n,p) X B(n, p), die Werte sind Verteilungsfunktionswerte: P(X x). n x p=
22 Normalverteilung Z N(0,1), die Werte sind Verteilungsfunktionswerte: φ(z) = P(Z z) = 1 2π z e x2 /2 dx. z
23 Normalverteilung - Fortsetzung Z N(0,1), die Werte der geben an:φ(z) = P(Z z) = 1 2π z e x2 /2 dx. z
24 p-quantile der Standardnormalverteilung: κ p Φ(κ p ) = p p κ p 0,25-0,6745 0,75 0,6745 0,9 1,2816 0,95 1,6449 0,975 1,9600 0,99 2,3263 0,995 2,
25 t-verteilung Quantile t 1 α;n der t-verteilung 1 α n
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
MehrBiostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 Wahrscheinlichkeitstheorie:, Kenngrößen Prof. Dr. Achim Klenke http://www.aklenke.de 7. Vorlesung: 09.12.2011 1/58 Inhalt 1 2 Kenngrößen von Lagemaße 2/58 mit Dichte Normalverteilung
Mehr5. 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
MehrAbiturvorbereitung Alkoholsünder, bedingte Wahrscheinlichkeit, Hypothesentest Aufgabenblatt
R. Brinkmann http://brinkmann-du.de Seite 2.05.2009 Abiturvorbereitung Alkoholsünder, bedingte Wahrscheinlichkeit, Hypothesentest Aufgabenblatt Aufgabe 0 0. In einer bestimmten Stadt an einer bestimmten
MehrKlausur Mathematik 2, Teil Statistik und Finanzmathematik Lösungen
Fachhochschule Ravensburg-Weingarten, Fachbereich Elektrotechnik und Informatik Klausur Mathematik 2, Teil Statistik und Finanzmathematik Lösungen Aufgaben (Punkte) 1. Für eine Voraussage der Bürgermeisterwahl
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
MehrWahrscheinlichkeit und Statistik: Zusammenfassung
HSR Hochschule für Technik Rapperswil Wahrscheinlichkeit und Statistik: Zusammenfassung beinhaltet Teile des Skripts von Herrn Hardy von Lukas Wilhelm lwilhelm.net 12. Januar 2007 Inhaltsverzeichnis 1
MehrKlausur zur Vorlesung Wahrscheinlichkeitsrechnung
FH Karlsruhe - Hochschule Technik Name: 3. Februar 2005, 10.30-12.00 Uhr Allgemeine Hinweise: Dauer der Klausur: Zugelassene Hilfsmittel: 90 min, 1,5 Zeitstunden Skriptum, Taschenrechner Schreiben Sie
MehrTECHNISCHE UNIVERSITÄT DORTMUND Wintersemester 2010/2011 FAKULTÄT STATISTIK Dr. H. Hansen
TECHNISCHE UNIVERSITÄT DORTMUND Wintersemester 2010/2011 FAKULTÄT STATISTIK 11.02.2011 Dr. H. Hansen Klausur für den Bachelorstudiengang zur Vorlesung Statistik für Ökonomen Bitte in Druckschrift ausfüllen
MehrInstitut für Stochastik, SoSe K L A U S U R , 13:
Institut für Stochastik, SoSe 2014 Mathematische Statistik Paravicini/Heusel 1. K L A U S U R 12.7.2014, 13:00-16.00 Name: Geburtsdatum: Vorname: Matrikelnummer: Übungsgruppe bei: Studiengang & angestrebter
MehrWahrscheinlichkeitstheorie 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
MehrInstitut für Stochastik, SoSe K L A U S U R , 8:00-11:00. Aufgabe Punkte erreichte Punkte Korrektur
Institut für Stochastik, SoSe 2014 Mathematische Statistik Paravicini/Heusel 2. K L A U S U R 29.9.2014, 8:00-11:00 Name: Geburtsdatum: Vorname: Matrikelnummer: Übungsgruppe bei: Studiengang & angestrebter
MehrBestimmte Zufallsvariablen sind von Natur aus normalverteilt. - naturwissenschaftliche Variablen: originär z.b. Intelligenz, Körpergröße, Messfehler
6.6 Normalverteilung Die Normalverteilung kann als das wichtigste Verteilungsmodell der Statistik angesehen werden. Sie wird nach ihrem Entdecker auch Gaußsche Glockenkurve genannt. Die herausragende Stellung
MehrWichtige 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
MehrKlausur Stochastik und Statistik 31. Juli 2012
Klausur Stochastik und Statistik 31. Juli 2012 Prof. Dr. Matthias Schmid Institut für Statistik, LMU München Wichtig: ˆ Überprüfen Sie, ob Ihr Klausurexemplar vollständig ist. Die Klausur besteht aus fünf
MehrAufgabe 1 (8= Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten:
Aufgabe 1 (8=2+2+2+2 Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten: Die Zufallsvariable X bezeichne die Note. 1443533523253. a) Wie groß ist h(x 5)? Kreuzen
MehrAufgabe Punkte
Institut für Mathematik Freie Universität Berlin Carsten Hartmann, Stefanie Winkelmann Musterlösung für die Nachklausur zur Vorlesung Stochastik I im WiSe 20/202 Name: Matr.-Nr.: Studiengang: Mathematik
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
MehrZeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: k = n (n + 1) 2
Aufgabe 1. (5 Punkte) Zeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: n k = k=1 n (n + 1). 2 Aufgabe 2. (5 Punkte) Bestimmen Sie das folgende Integral mithilfe partieller
MehrWahrscheinlichkeitsfunktion. Binomialverteilung. Binomialverteilung. Wahrscheinlichkeitshistogramme
Binomialverteilung Wahrscheinlichkeitsfunktion Konstruktionsprinzip: Ein Zufallsexperiment wird n mal unabhängig durchgeführt. Wir interessieren uns jeweils nur, ob ein bestimmtes Ereignis A eintritt oder
Mehr6.6 Poisson-Verteilung
6.6 Poisson-Verteilung Die Poisson-Verteilung ist eine Wahrscheinlichkeitsverteilung, die zur Modellierung der Anzahl von zufälligen Vorkommnissen in einem bestimmten räumlichen oder zeitlichen Abschnitt
MehrProbeklausur 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
MehrMathematik 2 Probeprüfung 1
WWZ Wirtschaftswissenschaftliche Fakultät der Universität Basel Dr. Thomas Zehrt Bitte in Druckbuchstaben ausfüllen: Name Vorname Mathematik 2 Probeprüfung 1 Zeit: 90 Minuten, Maximale Punktzahl: 72 Zur
MehrWS 2014/15. (d) Bestimmen Sie die Wahrscheinlichkeitsfunktion von X. (e) Bestimmen Sie nun den Erwartungswert und die Varianz von X.
Fragenkatalog zur Übung Methoden der empirischen Sozialforschung WS 2014/15 Hier finden Sie die denkbaren Fragen zum ersten Teil der Übung. Das bedeutet, dass Sie zu diesem Teil keine anderen Fragen im
Mehr1 Dichte- und Verteilungsfunktion
Tutorium Yannick Schrör Klausurvorbereitungsaufgaben Statistik Lösungen Yannick.Schroer@rub.de 9.2.26 ID /455 Dichte- und Verteilungsfunktion Ein tüchtiger Professor lässt jährlich 2 Bücher drucken. Die
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
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:
MehrKlausur zu Statistik II
GOETHE-UNIVERSITÄT FRANKFURT FB Wirtschaftswissenschaften Statistik und Methoden der Ökonometrie Prof. Dr. Uwe Hassler Wintersemester 03/04 Klausur zu Statistik II Matrikelnummer: Hinweise Hilfsmittel
Mehr70 Wichtige kontinuierliche Verteilungen
70 Wichtige kontinuierliche Verteilungen 70. Motivation Zufallsvariablen sind nicht immer diskret, sie können oft auch jede beliebige reelle Zahl in einem Intervall [c, d] einnehmen. Beispiele für solche
Mehr0 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
MehrLösungen 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
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
Mehr2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.11. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler 2009 war genau 33.7%. Wie groß ist die Wahrscheinlichkeit, in einer Zufallsstichprobe von 1000 Personen genau
MehrStatistik-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
MehrTeil VIII. Zentraler Grenzwertsatz und Vertrauensintervalle. Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle. Lernziele. Typische Situation
Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle Patric Müller ETHZ Teil VIII Zentraler Grenzwertsatz und Vertrauensintervalle WBL 17/19, 29.05.2017 Wahrscheinlichkeit
Mehr2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.15. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler unter allen Wählern war 2009 auf eine Nachkommastelle gerundet genau 33.7%. Wie groß ist die Wahrscheinlichkeit,
MehrETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig)
ETWR Teil B 2 Ziele Bisher (eindimensionale, mehrdimensionale) Zufallsvariablen besprochen Lageparameter von Zufallsvariablen besprochen Übertragung des gelernten auf diskrete Verteilungen Ziel des Kapitels
MehrNachklausur zur Vorlesung. Statistik für Studierende der Biologie
Institut für Mathematische Stochastik WS 1999/2000 Universität Karlsruhe 11. Mai 2000 Dr. Bernhard Klar Nachklausur zur Vorlesung Statistik für Studierende der Biologie Bearbeitungszeit: 90 Minuten Name:
MehrWirtschaftsstatistik-Klausur am
Wirtschaftsstatistik-Klausur am 0.07.017 Aufgabe 1 Ein Handy- und PC-Hersteller verfügt über ein exklusives Filialnetz von 900 Filialen. Der Gewinn (in GE) der Filialen ist in der folgenden Tabelle nach
MehrWahrscheinlichkeitstheorie und Statistik für Studierende des Maschinenbaus vom
Institut für Stochastik WS 009/10 Karlsruher Institut für Technologie (KIT) Dr. B. Klar Klausur Wahrscheinlichkeitstheorie und Statistik für Studierende des Maschinenbaus vom 08.0.010 Musterlösungen Aufgabe
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2
MehrVorlesung 7b. Unabhängigkeit bei Dichten. und die mehrdimensionale Standardnormalverteilung
Vorlesung 7b Unabhängigkeit bei Dichten und die mehrdimensionale Standardnormalverteilung 0. Wiederholung: Die Normalverteilung Dichtefunktion ϕ der Standardnormalverteilung ϕ(x) 0.0 0.1 0.2 0.3 0.4 4
MehrHinweis: Es sind 4 aus 6 Aufgaben zu bearbeiten. Werden mehr als 4 Aufgaben bearbeitet, werden nur die ersten vier Aufgaben gewertet.
11.01.2012 Prof. Dr. Ingo Klein Klausur zur VWA-Statistik Hinweis: Es sind 4 aus 6 Aufgaben zu bearbeiten. Werden mehr als 4 Aufgaben bearbeitet, werden nur die ersten vier Aufgaben gewertet. Aufgabe 1:
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
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 9. Dezember 2010 1 Konfidenzintervalle Idee Schätzung eines Konfidenzintervalls mit der 3-sigma-Regel Grundlagen
MehrKlausur zur Mathematik für Biologen
Mathematisches Institut der Heinrich-Heine-Universität DÜSSELDORF WS 2002/2003 12.02.2003 (1) Prof. Dr. A. Janssen / Dr. H. Weisshaupt Klausur zur Mathematik für Biologen Bitte füllen Sie das Deckblatt
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
Mehr3 Grundlagen statistischer Tests (Kap. 8 IS)
3 Grundlagen statistischer Tests (Kap. 8 IS) 3.1 Beispiel zum Hypothesentest Beispiel: Betrachtet wird eine Abfüllanlage für Mineralwasser mit dem Sollgewicht µ 0 = 1000g und bekannter Standardabweichung
MehrKlausur 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
Mehr0 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
MehrDer Erwartungswert E[g(X)] von g(x) ist definiert. g(x k )w(x = x k ),
2.5 Parameter einer Verteilung 2.5. Erwartungswert X eine Zufallsvariable, g : R R stetig. Der Erwartungswert E[g(X)] von g(x) ist definiert durch: E[g(X)] := k g(x k )w(x = x k ), falls X diskret ist
MehrWiederholung der Hauptklausur STATISTIK
Name, Vorname: Matrikel-Nr. Die Klausur enthält zwei Typen von Aufgaben: Teil A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens eine Antwort richtig ist und von denen
MehrBiometrie und Methodik (Statistik) - WiSem08/09 Probeklausur 1
Biometrie und Methodik (Statistik) - WiSem08/09 Probeklausur 1 Aufgabe 1 (10 Punkte). 10 Schüler der zehnten Klasse unterziehen sich zur Vorbereitung auf die Abschlussprüfung einem Mathematiktrainingsprogramm.
MehrLösungen 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
Mehr1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung
0 Einführung 1 Wahrscheinlichkeitsrechnung Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Intervallschätzung Motivation und Hinführung Der wahre Anteil der rot-grün Wähler 009 war genau
MehrStatistik II für Wirtschaftswissenschaftler
Fachbereich Mathematik 20.04.2017 Dr. Hefter & Dr. Herzwurm Übungsblatt 0 Keine Abgabe. Gegeben seien die Mengen A 1 =, A 2 = {1}, A 3 = {1, 1}, A 4 = {1, 3}, A 5 = {1, 2, 4}, A 6 = {1, 2, 3, 4}. a) Bestimmen
MehrGrundlagen der Mathematik II (LVA U)
Dr. Marcel Dettling 21.05.2010 Dr. Daniel Haase FS 2010 daniel.haase@math.ethz.ch Grundlagen der Mathematik II (LVA 401-0622-00 U 11 Zur Übungsstunde vom 21.05.2010 Aufgabe 31 (Rechnen mit der Normalverteilung
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003. Eine seltene Krankheit trete mit Wahrscheinlichkeit : 0000 auf. Die bedingte Wahrscheinlichkeit, dass ein bei einem Erkrankten durchgeführter
MehrStatistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli
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)
MehrEinführung in die Induktive Statistik: Testen von Hypothesen
Einführung in die Induktive Statistik: Testen von Hypothesen Jan Gertheiss LMU München Sommersemester 2011 Vielen Dank an Christian Heumann für das Überlassen von TEX-Code! Testen: Einführung und Konzepte
Mehr73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments
73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind
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
MehrPrüfungsvorbereitungskurs Höhere Mathematik 3
Prüfungsvorbereitungskurs Höhere Mathematik 3 Wahrscheinlichkeitstheorie (Klausuraufgaben) Marcel Bliem Marco Boßle Jörg Hörner Mathematik Online Herbst 2010 Bliem/Boßle/Hörner (MO) PV-Kurs HM 3 1 / 7
MehrDefinition Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) :=
Definition 2.34. Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) := x f(x)dx der Erwartungswert von X, sofern dieses Integral existiert. Entsprechend wird die Varianz V(X)
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
MehrLösungen zu Übungsblatt 9 Höhere Mathematik2/Stochastik 2 Master KI/PI
Lösungen zu Übungsblatt 9 Höhere Mathematik/Stochastik Anpassung von Verteilungen Zu Aufgabe ) a) Zeichnen des Histogranmmes: Um das Histogramm zu zeichnen, benötigen wir die Höhe der Balken. Die Höhe
MehrKapitel 12 Stetige Zufallsvariablen Dichtefunktion und Verteilungsfunktion. stetig. Verteilungsfunktion
Kapitel 1 Stetige Zufallsvariablen 1.1. Dichtefunktion und Verteilungsfunktion stetig Verteilungsfunktion Trägermenge T, also die Menge der möglichen Realisationen, ist durch ein Intervall gegeben Häufig
MehrStatistik für Betriebswirte I 1. Klausur Wintersemester 2014/
Statistik für Betriebswirte I 1. Klausur Wintersemester 2014/2015 13.02.2015 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN Nachname:................................................................... Vorname:....................................................................
MehrKlausur Wirtschaftsmathematik
Vorname: Nachname: Matrikel-Nr.: Klausur Wirtschaftsmathematik Prüfer Etschberger Prüfungsdatum 3. Dezember 2016 Prüfungsort Augsburg Studiengang Wirtschaftsingenieurwesen Bearbeitungszeit: 90 Minuten
MehrStatistik 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:.............................................................................
MehrKapitel VII - Funktion und Transformation von Zufallsvariablen
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel VII - Funktion und Transformation von Zufallsvariablen Markus Höchstötter Lehrstuhl
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 25. Januar 2013 1 Der χ 2 -Anpassungstest 2 Exakter Test nach Fisher Mendelsche Erbregeln als Beispiel für mehr
MehrSchriftliche Prüfung (2 Stunden)
Prüfung Statistik Winter 2013 Schriftliche Prüfung (2 Stunden) Bemerkungen: Alle schriftlichen Hilfsmittel und ein Taschenrechner sind erlaubt. Mobiltelefone sind auszuschalten! Lesen Sie zuerst alle Aufgaben
MehrWahrscheinlichkeitstheorie 2
Wahrscheinlichkeitstheorie 2 Caroline Sporleder Computational Linguistics Universität des Saarlandes Sommersemester 2011 19.05.2011 Caroline Sporleder Wahrscheinlichkeitstheorie 2 (1) Wiederholung (1):
Mehr2 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:
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.
MehrBiomathematik für Mediziner, Klausur SS 2001 Seite 1
Biomathematik für Mediziner, Klausur SS 2001 Seite 1 Aufgabe 1: Von den Patienten einer Klinik geben 70% an, Masern gehabt zu haben, und 60% erinnerten sich an eine Windpockeninfektion. An mindestens einer
MehrStichproben Parameterschätzung Konfidenzintervalle:
Stichproben Parameterschätzung Konfidenzintervalle: Beispiel Wahlprognose: Die Grundgesamtheit hat einen Prozentsatz p der Partei A wählt. Wenn dieser Prozentsatz bekannt ist, dann kann man z.b. ausrechnen,
Mehr4. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017
4. Lösung weitere Übungsaufgaben Statistik II WiSe 016/017 1. Aufgabe: Eine sächsische Molkerei füllt Milch in Tetrapacks ab. Es wird vermutet, dass die Füllmenge normalverteilt ist mit einem Erwartungswert
MehrKapitel VII. Einige spezielle stetige Verteilungen
Kapitel VII Einige spezielle stetige Verteilungen D. 7.. (Normalverteilung) Eine stetige Zufallsgröße X sei als normalverteilt bezeichnet, wenn sie folgende Wahrscheinlichkeitsdichte besitzt: µ f ( ; µ,
MehrEindimensionale Zufallsvariablen
Eindimensionale Grundbegriffe Verteilungstypen Diskrete Stetige Spezielle Maßzahlen für eindimensionale Erwartungswert Varianz Standardabweichung Schwankungsintervalle Bibliografie Bleymüller / Gehlert
MehrKapitel 2 Wahrscheinlichkeitsrechnung
Definition 2.77: Normalverteilung & Standardnormalverteilung Es sei µ R und 0 < σ 2 R. Besitzt eine stetige Zufallsvariable X die Dichte f(x) = 1 2 πσ 2 e 1 2 ( x µ σ ) 2, x R, so heißt X normalverteilt
MehrInstitut für Stochastik Prof. Dr. N. Henze Dipl.-Math. V. Riess
Institut für Stochastik Prof. Dr. N. Henze Dipl.-Math. V. Riess Name: Vorname: Matrikelnummer: Lösungsvorschlag zur Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik (Stochastik) Datum: 07.
Mehr1.5.4 Quantile und Modi
1.5.4 Quantile und Modi 1.5 Erwartungswert und Varianz Bem. 1.70. [Quantil, Modus] Analog zu Statistik I kann man auch Quantile und Modi definieren. Gegeben sei eine Zufallsvariable X mit Wahrscheinlichkeitsverteilung
MehrVorlesung 8b. Zweistufige Zufallsexperimente. Teil 1
Vorlesung 8b Zweistufige Zufallsexperimente Teil 1 1 Stellen wir uns ein zufälliges Paar X = (X 1, X 2 ) vor, das auf zweistufige Weise zustande kommt: es gibt eine Regel, die besagt, wie X 2 verteilt
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13 Aufgabenstellung und Ergebnisse Dr. Martin Becker Hinweise für die
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
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,
MehrMathematik für Naturwissenschaften, Teil 2
Lösungsvorschläge für die Aufgaben zur Vorlesung Mathematik für Naturwissenschaften, Teil Zusatzblatt SS 09 Dr. J. Schürmann keine Abgabe Aufgabe : Eine Familie habe fünf Kinder. Wir nehmen an, dass die
MehrBiomathematik für Mediziner, Klausur WS 1999/2000 Seite 1
Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,
MehrVerteilung von Summen
Verteilung von Summen Beispiel: Würfelwurf Frage: Wie verhält sich die Verteilung der Augensumme von -Würfeln bei wachsendem? Zur Beantwortung führen wir ein Simulationseperiment durch. 6 Würfe mit 1 Würfel
MehrStellen Sie den Sachverhalt durch eine geeignete Vierfeldertafel mit relativen Häufigkeiten
Bei der Bearbeitung der Aufgabe dürfen alle Funktionen des Taschenrechners genutzt werden. Aufgabe 4: Stochastik Vorbemerkung: Führen Sie stets geeignete Zufallsvariablen und Namen für Ereignisse ein.
MehrHypothesentests für Erwartungswert und Median. Statistik (Biol./Pharm./HST) FS 2015
Hypothesentests für Erwartungswert und Median Statistik (Biol./Pharm./HST) FS 2015 Normalverteilung X N μ, σ 2 X ist normalverteilt mit Erwartungswert μ und Varianz σ 2 pdf: pdf cdf:??? cdf 1 Zentraler
MehrStatistik-Klausur vom
Statistik-Klausur vom 27.09.2010 Bearbeitungszeit: 60 Minuten Aufgabe 1 Ein international tätiges Unternehmen mit mehreren Niederlassungen in Deutschland und dem übrigen Europa hat seine überfälligen Forderungen
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
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrStatistik 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:
MehrStatistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
Mehr