Zufallsauswahlen aus endlichen Grundgesamtheiten

Größe: px
Ab Seite anzeigen:

Download "Zufallsauswahlen aus endlichen Grundgesamtheiten"

Transkript

1 Zufallsauswahlen aus endlichen Grundgesamtheiten In der statistischen Praxis kommt dem Ziehen von Stichproben größte Bedeutung zu, da in vielen Fällen die Untersuchung der Grundgesamtheit zu teuer oder prinzipiell unmöglich ist. Ziel ist es dabei aus der Analyse der Stichprobe auf die Grundgesamtheit zu schließen Statistik für SoziologInnen 1 Einführung in die Wahrscheinlichkeitsrechnung Stichprobenmodelle Grundgesamtheit mit unterscheidbaren Objekten Stichprobe von n Objekten Ziehen mit Zurücklegen bzw. Ziehen ohne Zurücklegen Berücksichtigung der Anordnung bzw. keine Berücksichtigung der Anordnung Statistik für SoziologInnen 2 Einführung in die Wahrscheinlichkeitsrechnung 1

2 Überblick über Stichprobenmodelle Mit Zurücklegen Ohne Zurücklegen Mit * = n * = (-1)... (-(n-1)) I II falls n=:! (Permutation) Berücksichtigung der Anordnung (Variationen) Ohne Berücksichtigung der Anordnung (Kombinationen) + n 1 * = (-1)... (-(n-1))/n! * = n * = III n IV Statistik für SoziologInnen 3 Einführung in die Wahrscheinlichkeitsrechnung Modelle mit Berücksichtigung der Anordnung Ziehen mit Zurücklegen (Situation I) Jede Ziehung erfolgt von der ursprünglichen Grundgesamtheit; das Ergebnis eines Ziehungsschrittes beeinflusst nicht das Ergebnis des nächsten Schrittes; In der Stichprobe können Objekte mehrfach vorkommen Anzahl der möglichen Stichproben: * = n Statistik für SoziologInnen 4 Einführung in die Wahrscheinlichkeitsrechnung 2

3 Beispiele für Variationen mit Zurücklegen (I) Wie viele verschiedene Zustände kann man mit 8 bit (binäre Informationseinheit 0/1) darstellen? n=8 =2 Ziehen mit Zurücklegen mit Berücksichtigung der Anordnung 2 8 = 256 Statistik für SoziologInnen 5 Einführung in die Wahrscheinlichkeitsrechnung Beispiele für Variationen mit Zurücklegen (I) Wie viele verschiedene Wörter bestehend aus 4- Buchstaben kann man bilden? =26 n=4 Ziehen mit Zurücklegen mit Berücksichtigung der Anordnung 26 4 = Wie viele verschiedene sechsstellige Zahlen kann man aus den Ziffern 0 bis 9 bilden? (Joker beim Lotto) =10 n=6 Ziehen mit Zurücklegen mit Berücksichtigung der Anordnung 10 6 = Statistik für SoziologInnen 6 Einführung in die Wahrscheinlichkeitsrechnung 3

4 Modelle mit Berücksichtigung der Anordnung Ziehen ohne Zurücklegen (Situation II) Jede einzelne Ziehung erfolgt von einer verringerten Grundgesamtheit; das Ergebnis eines Ziehungsschrittes beeinflusst das Ergebnis des nächsten Schrittes; In der Stichprobe kann ein Objekt nur maximal einmal vorkommen Anzahl der möglichen Stichproben: * = (-1) (-2)... (-(n-1)) * =! ( n)! Statistik für SoziologInnen 7 Einführung in die Wahrscheinlichkeitsrechnung Beispiele für Variationen ohne Zurücklegen (II) Wie viele Möglichkeiten gibt es 3 Kandidaten aus einer Liste von 5 auszuwählen und zu reihen? =5 n=3 Ziehen ohne Zurücklegen mit Berücksichtigung der Anordnung Situation II 5*4*3 = 60 Statistik für SoziologInnen 8 Einführung in die Wahrscheinlichkeitsrechnung 4

5 Beispiele für Variationen ohne Zurücklegen (II) Wie viele zweistellige Zahlen, gibt es die aus verschiedenen Ziffern gebildet werden? =10 n=2 Ziehen ohne Zurücklegen mit Berücksichtigung der Anordnung Situation II *=10*9 = 90 Es werden jedoch insgesamt 9 Zahlen (01 bis 09), die mit der Ziffer 0 beginnen hier mitgezählt, obwohl diese eigentlich keine zweistellige Zahl darstellen. Antwort auf die Frage ist daher: *-9 = 90-9=81 Statistik für SoziologInnen 9 Einführung in die Wahrscheinlichkeitsrechnung Permutationen Spezialfall: n= Anzahl von Anordnungen von unterscheidbaren Objekten *=(-1)(-2)...(-(n-1))=(-1)...1=! -Fakultät Beachte: 0!=1 Statistik für SoziologInnen 10 Einführung in die Wahrscheinlichkeitsrechnung 5

6 Beispiele: Wie viele Möglichkeiten gibt es 3 Kandidaten zu reihen? =3 n=3 Ziehen ohne Zurücklegen mit Berücksichtigung der Anordnung 3! = 6 Permutation Statistik für SoziologInnen 11 Einführung in die Wahrscheinlichkeitsrechnung Modelle ohne Berücksichtigung der Anordnung Ziehen ohne Zurücklegen (Situation IV) Jede einzelne Ziehung erfolgt von einer verringerten Grundgesamtheit; das Ergebnis eines Ziehungsschrittes beeinflusst das Ergebnis des nächsten Schrittes; In der Stichprobe kann ein Objekt nur maximal einmal vorkommen Vorgang entspricht der Teilmengenbildung Anzahl der möglichen Stichproben: * = (-1) (-2)... (-(n-1))/n! Statistik für SoziologInnen 12 Einführung in die Wahrscheinlichkeitsrechnung 6

7 Vereinfachte Schreibweise n n! = = = ( 1) ( + 1) n!( n)! n n (n 1) 2 1 Binomialkoeffizient 1 = = = i= 0 2 i = n Statistik für SoziologInnen 13 Einführung in die Wahrscheinlichkeitsrechnung Beispiele für Kombinationen ohne Zurücklegen (IV) Wie viele Möglichkeiten gibt es 3 Kandidaten aus einer Liste von 5 auszuwählen, wobei Ihre Reihung irrelevant ist? =5 n=3 Ziehen ohne Zurücklegen ohne Berücksichtigung der Anordnung Situation IV ! = = = = 23!! Statistik für SoziologInnen 14 Einführung in die Wahrscheinlichkeitsrechnung 7

8 Exkurs: Kardinalität der Potenzmenge Zu einer Menge mit Elementen gibt es 2 Teilmengen. Sei =3: {a, b, c} { } Leere Menge (unechte Teilmenge) {a}, {b}, {c} Ein-elementige Teilmengen {a, b}, {a, c}, {b, c} Zwei-elementige Teilmengen {a, b, c} Menge selbst =8 Beweisidee: vollständige Induktion kommt ein (+1)-tes Element dazu, kann ich für jede bestehende Teilmenge die binäre Entscheidung treffen, ob ich das Element aufnehme oder nicht ==> Verdoppelung der Zahl der Teilmengen in jedem Schritt Statistik für SoziologInnen 15 Einführung in die Wahrscheinlichkeitsrechnung Modelle ohne Berücksichtigung der Anordnung Ziehen mit Zurücklegen (Situation III) Jede Ziehung erfolgt von der ursprünglichen Grundgesamtheit; das Ergebnis eines Ziehungsschrittes beeinflusst nicht das Ergebnis des nächsten Schrittes; In der Stichprobe können Objekte mehrfach vorkommen Anzahl der möglichen Stichproben: + n 1 ( + n 1) ( + n 2) ( + 1) * = = n n (n 1) 2 1 Statistik für SoziologInnen 16 Einführung in die Wahrscheinlichkeitsrechnung 8

9 Beispiele für Kombinationen mit Zurücklegen (III) In einer Woche ereigneten sich 10 tödliche Verkehrsunfälle. Wie viele unterschiedliche Häufigkeitsverteilungen g der Zahl der Unfälle klassifiziert nach dem Wochentag gibt es? =7 n=10 Ziehen mit Zurücklegen ohne Berücksichtigung der Anordnung Sit. III = = 10 = = Statistik für SoziologInnen 17 Einführung in die Wahrscheinlichkeitsrechnung Überblick über Stichprobenmodelle Mit Zurücklegen Ohne Zurücklegen Mit * = n * = (-1)... (-(n-1)) I II falls n=:! (Permutation) Berücksichtigung der Anordnung (Variationen) Ohne Berücksichtigung der Anordnung (Kombinationen) + n 1 * = (-1)... (-(n-1))/n! * = n * = III n IV Statistik für SoziologInnen 18 Einführung in die Wahrscheinlichkeitsrechnung 9

10 Diskussion der Formeln * aus Sit. II ist gleich * aus Sit. IV mal n! II unterscheidet sich von IV eben nur dadurch, dass die Reihenfolge relevant ist. Die Formel aus III entspricht, der aus IV nur ist die Zahl der Elemente der Menge aus der wir die Stichprobe ziehen größer: +(n-1) statt Idee: Ab dem zweiten der n Ziehungsschritte vergrößern wir jeweils komparativ die Grundmenge um ein Element Statistik für SoziologInnen 19 Einführung in die Wahrscheinlichkeitsrechnung Beispiele Wie groß ist die Wahrscheinlichkeit, dass bei der Aufteilung von n unterscheidbaren Kugeln auf n Fächer jedes Fach belegt wird? Mögliche Aufteilungen: n n Günstige Aufteilungen: n! Wahrscheinlichkeit: n! / n n Für n=6: 0,01543 Beispiel: i Wahrscheinlichkeit bei 6 Würfelwürfen alle 6 Augenzahlen genau einmal zu würfeln Statistik für SoziologInnen 20 Einführung in die Wahrscheinlichkeitsrechnung 10

11 Beispiel: Geburtstagsproblem Wie groß ist die Wahrscheinlichkeit, dass unter n Personen zumindest 2 am selben Kalendertag Geburtstag haben (unabhängig gg vom Alter) [X]? P(X) = 1- P(X') X' ist das Ereignis, dass alle Personen an verschiedenen Tagen Geburtstag haben 2 Personen: P(X') = 364/365 3 Personen: P(X') = (364/365)*(363/365) usw. n=30 P(X') = 0,294 P(X) = 0,706 n=50 P(X') = 0,030 P(X) = 0,970 ab n =23 P(X) > 50% Statistik für SoziologInnen 21 Einführung in die Wahrscheinlichkeitsrechnung Formale Lösung P(X )=*(-1)*...*(-(n-1))/ n =365 n=anzahl der Personen P(X)=1 - *(-1)*...*(-(n-1))/ n Statistik für SoziologInnen 22 Einführung in die Wahrscheinlichkeitsrechnung 11

12 Beispiele Wie groß ist die Wahrscheinlichkeit, dass unter n Personen zumindest 1 am selben Kalendertag (21.10.) Geburtstag haben wie der Vortragende (unabhängig vom Alter) [X]? P(X) = 1- P(X') X' ist das Ereignis, dass alle Personen nicht am Stichtag Geburtstag haben 1 Personen: P(X') = 364/365 2 Personen: P(X') = (364/365)*(364/365) ( ) usw. n=30 P(X') = 0,921 P(X) = 0,079 n=50 P(X') = 0,872 P(X) = 0,128 ab n =253 P(X) > 50% Statistik für SoziologInnen 23 Einführung in die Wahrscheinlichkeitsrechnung Analyse des Lottos 6 aus 45 icht gezogen (39 Zahlen) Gewinnrang Gezogen (6 Zahlen) Anzahl des Vorkommens Wahrscheinlichkeit Chance 1:x , , , , , , , , , , , , , , Statistik für SoziologInnen 24 Einführung in die Wahrscheinlichkeitsrechnung 12

Grundlagen der Kombinatorik

Grundlagen der Kombinatorik Statistik 1 für SoziologInnen Grundlagen der Kombinatorik Univ.Prof. Dr. Marcus Hudec Zufallsauswahl aus Grundgesamtheiten In der statistischen Praxis kommt dem Ziehen von Stichproben größte Bedeutung

Mehr

Grundlagen der Kombinatorik

Grundlagen der Kombinatorik Statistik 1 für SoziologInnen Grundlagen der Kombinatorik Univ.Prof. Dr. Marcus Hudec Zufallsauswahl aus Grundgesamtheiten In der statistischen Praxis kommt dem Ziehen von Stichproben große Bedeutung zu,

Mehr

Einführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung

Einführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung Statistik 1 für SoziologInnen Einführung in die Univ.Prof. Dr. Marcus Hudec WAHRSCHEINLICHKEITSRECHNUNG It is remarkable that a science which began with the consideration of games of chance should ldhave

Mehr

Einführung in die Wahrscheinlichkeitsrechnung

Einführung in die Wahrscheinlichkeitsrechnung Statistik 1 für SoziologInnen Einführung in die Univ.Prof. Dr. Marcus Hudec WAHRSCHEINLICHKEITSRECHNUNG It is remarkable that a science which began with the consideration of games of chance should have

Mehr

Einführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung

Einführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung Statistik 1 für SoziologInnen Einführung in die Univ.Prof. Dr. Marcus Hudec WAHRSCHEINLICHKEITSRECHNUNG It is remarkable that a science which began with the consideration of games of chance should have

Mehr

Inhaltsverzeichnis (Ausschnitt)

Inhaltsverzeichnis (Ausschnitt) 6 Diskrete Wahrscheinlichkeitsräume Inhaltsverzeichnis (Ausschnitt) 6 Diskrete Wahrscheinlichkeitsräume Laplacesche Wahrscheinlichkeitsräume Kombinatorik Allgemeine diskrete Wahrscheinlichkeitsräume Deskriptive

Mehr

3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten Regeln der Kombinatorik

3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten Regeln der Kombinatorik 3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten lassen sich häufig durch Abzählen der günstigen und möglichen Fällen lösen. Kompliziertere Fragestellungen bedürfen aber der Verwendung mathematischer

Mehr

Sachrechnen/Größen WS 14/15-

Sachrechnen/Größen WS 14/15- Kapitel Daten & Wahrscheinlichkeit 3.1 Kombinatorische Grundlagen 3.2 Kombinatorik & Wahrscheinlichkeit in der Grundschule 3.3 Daten Darstellen 3.1 Kombinatorische Grundlagen Verschiedene Bereiche der

Mehr

3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten Regeln der Kombinatorik

3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten Regeln der Kombinatorik 3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten lassen sich häufig durch Abzählen der günstigen und möglichen Fällen lösen. Kompliziertere Fragestellungen bedürfen aber der Verwendung mathematischer

Mehr

1 Grundlagen Wahrscheinlichkeitsrechung

1 Grundlagen Wahrscheinlichkeitsrechung 1 Grundlagen Wahrscheinlichkeitsrechung 1.1 Grundbegriffe Alle möglichen Ereignisse eines Zufallsexperiments fassen wir in einer Ereignismenge Ω zusammen. Ereignisse sind Teilmengen von Ω. Umfasst das

Mehr

Universität Basel Wirtschaftswissenschaftliches Zentrum. Kombinatorik. Dr. Thomas Zehrt. Inhalt: 1. Endliche Mengen 2. Einfache Urnenexperimente

Universität Basel Wirtschaftswissenschaftliches Zentrum. Kombinatorik. Dr. Thomas Zehrt. Inhalt: 1. Endliche Mengen 2. Einfache Urnenexperimente Universität Basel Wirtschaftswissenschaftliches Zentrum Kombinatorik Dr. Thomas Zehrt Inhalt: 1. Endliche Mengen 2. Einfache Urnenexperimente 2 Teil 1 Endliche Mengen Eine endliche Menge M ist eine Menge,

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 12. Dezember 2012 1 Kombinatorik Fakultät Binomialkoeffizienten Urnenmodelle 2 Definition Fakultät Die Zahl n! =

Mehr

2 Kombinatorik. 56 W.Kössler, Humboldt-Universität zu Berlin

2 Kombinatorik. 56 W.Kössler, Humboldt-Universität zu Berlin 2 Kombinatorik Aufgabenstellung: Anzahl der verschiedenen Zusammenstellungen von Objekten. Je nach Art der zusätzlichen Forderungen, ist zu unterscheiden, welche Zusammenstellungen als gleich, und welche

Mehr

1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6

1 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 6 5 Hilfsmittel aus der Kombinatorik 7 1 Vorbemerkungen

Mehr

Kombinatorik. Jörn Loviscach. Versionsstand: 31. Oktober 2009, 17:22. 1 Begriff Kombinatorik; Zahl aller Teilmengen

Kombinatorik. Jörn Loviscach. Versionsstand: 31. Oktober 2009, 17:22. 1 Begriff Kombinatorik; Zahl aller Teilmengen Kombinatorik Jörn Loviscach Versionsstand: 31. Oktober 2009, 17:22 1 Begriff Kombinatorik; Zahl aller Teilmengen Die Kombinatorik ein recht kleines Gebiet der Mathematik befasst sich mit dem Abzählen von

Mehr

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16 Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16 12. November 2015 Satz 3.16 (Binomischer Lehrsatz) Seien a, b R. Dann gilt für alle

Mehr

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung Abiturvorbereitung Wahrscheinlichkeitsrechnung S. 1 von 9 Wahrscheinlichkeitsrechnung Kombinatorik Formeln für Wahrscheinlichkeiten Bedingte Wahrscheinlichkeiten Zusammenfassung wichtiger Begriffe Übungsaufgaben

Mehr

Kombinatorik kompakt. Stochastik WS 2016/17 1

Kombinatorik kompakt. Stochastik WS 2016/17 1 Kombinatorik kompakt Stochastik WS 2016/17 1 Übersicht Auswahl/Kombinationen von N aus m Elementen Statistische unterscheidbare ununterscheidbare Physik Objekte (gleiche) Objekte ( ohne m N m+n 1 ) N mit

Mehr

The most important questions of life are, for the most part, really only problems of probability.

The most important questions of life are, for the most part, really only problems of probability. WAHRSCHEINLICHKEITSRECHNUNG It is remarkable that a science which began with the consideration of games of chance should have become the most timportant tobject of fhuman knowledege... The most important

Mehr

Kombinatorik. Diskrete Strukturen. Sommersemester Uta Priss ZeLL, Ostfalia. Hausaufgaben Kombinatorik Beispielaufgaben

Kombinatorik. Diskrete Strukturen. Sommersemester Uta Priss ZeLL, Ostfalia. Hausaufgaben Kombinatorik Beispielaufgaben Kombinatorik Diskrete Strukturen Uta Priss ZeLL, Ostfalia Sommersemester 2016 Diskrete Strukturen Kombinatorik Slide 1/13 Agenda Hausaufgaben Kombinatorik Beispielaufgaben Diskrete Strukturen Kombinatorik

Mehr

Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26)

Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26) Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26 Ein Wahrscheinlichkeitsraum (Ω, P ist eine Menge Ω (Menge aller möglichen Ausgänge eines Zufallsexperiments: Ergebnismenge versehen mit einer Abbildung

Mehr

STATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik. Mögliche Ergebnisse, auch Elementarereignisse bezeichnet

STATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik. Mögliche Ergebnisse, auch Elementarereignisse bezeichnet Kapitel 10 Zufall und Wahrscheinlichkeit 10.1. Grundbegriffe Wahrscheinlichkeitsrechnung Zufallsvorgang Klein-Omega ω Groß-Omega Ω Stellt Modelle bereit, die es erlauben zufallsabhängige Prozesse abzuschätzen

Mehr

Statistik I für Betriebswirte Vorlesung 2

Statistik I für Betriebswirte Vorlesung 2 Statistik I für Betriebswirte Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 11. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung

Mehr

4. Kombinatorik *) In der Kombinatorik werden drei wichtige Symbole benötigt: o n! o (n) k o

4. Kombinatorik *) In der Kombinatorik werden drei wichtige Symbole benötigt: o n! o (n) k o *) Die Berechnung der Wahrscheinlichkeit im Laplace-Experiment wirkt zunächst einfach. Man muss einfach die Anzahl der günstigen Fälle durch die Anzahl der möglichen Fälle teilen. Das Feststellen dieser

Mehr

Die Formel für Kombinationen wird verwendet, wenn

Die Formel für Kombinationen wird verwendet, wenn 1. Übung: Kombinatorik Aufgabe 1 Die Formel für Kombinationen wird verwendet, wenn a) Alle n Elemente angeordnet werden sollen. b) Aus n Elementen k Elemente gezogen werden sollen. c) Die Reihenfolge der

Mehr

Aufgabe 1. Übung Wahrscheinlichkeitsrechnung Markus Kessler Seite 1 von 8. Die Ereignisse A, B und C erfüllen die Bedingungen

Aufgabe 1. Übung Wahrscheinlichkeitsrechnung Markus Kessler Seite 1 von 8. Die Ereignisse A, B und C erfüllen die Bedingungen Ü b u n g 1 Aufgabe 1 Die Ereignisse A, B und C erfüllen die Bedingungen P(A) = 0. 7, P(B) = 0. 6, P(C) = 0. 5 P(A B) = 0. 4, P(A C) = 0. 3, P(B C) = 0. 2, P(A B C) = 0. 1 Bestimmen Sie P(A B), P(A C),

Mehr

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18 Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18 16. November 2017 1/35 Modulare Arithmetik Modulare Arithmetik Definition 3.33 Es sei

Mehr

Kombinatorik. Worum geht es in diesem Modul?

Kombinatorik. Worum geht es in diesem Modul? Kombinatorik Worum geht es in diesem Modul? Permutationen Binomialkoeffizienten Variation und Kombination Stichproben ohne Zurücklegen mit Berücksichtigung der Reihenfolge Stichproben mit Zurücklegen mit

Mehr

Wahrscheinlichkeitsraum Modellbildung und distanzierte Rationalität Diskrete Wahrscheinlichkeitsräume Kombinatorik

Wahrscheinlichkeitsraum Modellbildung und distanzierte Rationalität Diskrete Wahrscheinlichkeitsräume Kombinatorik Zählalgorithmus Zählalgorithmus = Produktregel der Kombinatorik = allgemeines Zählprinzip Beispiel Wie viele Menüs kann man aus 3 Vorspeisen, 5 Hauptgerichten und 2 Nachspeisen zusammenstellen, wenn Geschmacksfragen

Mehr

KAPITEL 2. Kombinatorik

KAPITEL 2. Kombinatorik KAPITEL 2 Kombinatori In der Kombinatori geht es um das Abzählen von Kombinationen 21 Geburtstagsproblem Beispiel 211 (Geburtstagsproblem In einem Raum befinden sich 200 Studenten Wie groß ist die Wahrscheinlicheit,

Mehr

Willkommen zur Vorlesung Statistik (Master)

Willkommen zur Vorlesung Statistik (Master) Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilung diskreter Zufallsvariablen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften

Mehr

SS 2016 Torsten Schreiber

SS 2016 Torsten Schreiber SS 01 Torsten Schreiber 15 Ein lineares Gleichungssystem besteht immer aus einer Anzahl an Variablen und Gleichungen. Die Zahlen vor den Variablen werden in der sogenannten zusammen gefasst und die Zahlen

Mehr

2.2 Ereignisse und deren Wahrscheinlichkeit

2.2 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,

Mehr

Vorlesung 2a. Diskret uniform verteilte Zufallsvariable

Vorlesung 2a. Diskret uniform verteilte Zufallsvariable Vorlesung 2a Diskret uniform verteilte Zufallsvariable 1 Eine Zufallsvariable X heißt diskret uniform verteilt, wenn ihr Zielbereich S endlich ist und P(X = a) = 1 #S für alle a S. Damit beschreibt X eine

Mehr

Wiederholung: Laplace scher W.-Raum

Wiederholung: Laplace scher W.-Raum 1 Wiederholung: Laplace scher W.-Raum Sei Ω = {ω 1,ω 2,...,ω s } eine s-elementige Menge von Elementarereignissen und gelte p(ω) = 1/s für alle ω Ω. Dann nennen wir (Ω,P ) einen Laplace schen W-Raum. Problem:

Mehr

Einführung in die Wahrscheinlichkeitsrechnung

Einführung in die Wahrscheinlichkeitsrechnung Marco Cattaneo Institut für Statistik Ludwig-Maximilians-Universität München Sommersemester 2011 1. Wahrscheinlichkeitsrechnung 2. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grenzwertsätze

Mehr

Mathematische Strukturen Sommersemester Vorlesung. Kombinatorik: Einführung. Ziehen aus Urnen

Mathematische Strukturen Sommersemester Vorlesung. Kombinatorik: Einführung. Ziehen aus Urnen Vorlesung Mathematische Strukturen Sommersemester 07 Prof. Janis Voigtländer Übungsleitung: Dennis Nolte : Einführung Es folgt eine Einführung in die abzählende. Dabei geht es darum, die Elemente einer

Mehr

Vorlesung. Prof. Janis Voigtländer Übungsleitung: Dennis Nolte. Mathematische Strukturen Sommersemester 2017

Vorlesung. Prof. Janis Voigtländer Übungsleitung: Dennis Nolte. Mathematische Strukturen Sommersemester 2017 Vorlesung Mathematische Strukturen Sommersemester 017 Prof. Janis Voigtländer Übungsleitung: Dennis Nolte Kombinatorik: Einführung Es folgt eine Einführung in die abzählende Kombinatorik. Dabei geht es

Mehr

1 Begriff Kombinatorik; Zahl aller Teilmengen

1 Begriff Kombinatorik; Zahl aller Teilmengen 6 Kombinatorik Jörn Loviscach Versionsstand: 2. Dezember 2011, 16:25 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu: http://www.j3l7h.de/videos.html This work

Mehr

Die Schreibweise x M bedeutet, dass das Objekt x in der Menge M liegt. Ist dies nicht der Fall, dann schreibt man

Die Schreibweise x M bedeutet, dass das Objekt x in der Menge M liegt. Ist dies nicht der Fall, dann schreibt man Die Schreibweise x M bedeutet, dass das Objekt x in der Menge M liegt. Ist dies nicht der Fall, dann schreibt man x / M. Man sagt, M ist Teilmenge von N und schreibt M N, wenn für jedes x M auch x N gilt.

Mehr

Lösungen zu Übungs-Blatt 7 Klassische Wahrscheinlichkeit in Glücksspielen und bedingte Wkt

Lösungen zu Übungs-Blatt 7 Klassische Wahrscheinlichkeit in Glücksspielen und bedingte Wkt Zu Aufgabe ) Wir betrachten den Laplace-Versuch V Werfen zweier Würfel. Berechnen Sie unter Verwendung der Formel P ( A) A aus Aufgabe die Ω Wahrscheinlichkeit für folgende Ereignisse: a) A Werfen zweier

Mehr

Einführung in die Wahrscheinlichkeitsrechnung

Einführung in die Wahrscheinlichkeitsrechnung Einführung in die Wahrscheinlichkeitsrechnung Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung

Mehr

Kombinatorik. Cusanus-Gymnasium Wittlich Permutationen. Wie viele Möglichkeiten gibt es 10 Personen in eine Reihe auf 10 Sitze zu setzen?

Kombinatorik. 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

Mehr

Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist.

Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist. .3. Stochastik Grundlagen Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist. Die RELATIVE HÄUFIGKEIT einer Merkmalsausprägung gibt an mit welchem Anteil

Mehr

Population und Stichprobe Wahrscheinlichkeitstheorie II

Population 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.

Mehr

Willkommen zur Vorlesung Statistik (Master)

Willkommen zur Vorlesung Statistik (Master) Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilung diskreter Zufallsvariablen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften

Mehr

Das Urnenmodell. Anatoli Maier; Gregor Steinschulte; Mussie Mengstab; Robert Grendysa; Stephane Kom Djike / / / /

Das Urnenmodell. Anatoli Maier; Gregor Steinschulte; Mussie Mengstab; Robert Grendysa; Stephane Kom Djike / / / / Das Urnenmodell Hausarbeit Mathe III (Prof. Kästner, Friedberg) Anatoli Maier; Gregor Steinschulte; Mussie Mengstab; Robert Grendysa; Stephane Kom Djike 876522 / 900265 / 885568 / 875921 / 932424 Wintersemester

Mehr

Kombinatorik. 1. Permutationen 2. Variationen 3. Kombinationen. ad 1) Permutationen. a) Permutationen von n verschiedenen Elementen

Kombinatorik. 1. Permutationen 2. Variationen 3. Kombinationen. ad 1) Permutationen. a) Permutationen von n verschiedenen Elementen Kombinatorik Zur Berechnung der Wahrscheinlichkeit eines zusammengesetzten Ereignisses ist oft erforderlich, zwei verschiedene Anzahlen zu berechnen: die Anzahl aller Elementarereignisse und die Anzahl

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 3. November 2010 1 Kombinatorik Fakultät Binomialkoeffizienten Urnenmodelle 2 Definition Tabellen Fakultät, Beispiel

Mehr

Induktionsbeweis. Satz Primfaktorzerlegung. Jede natürliche Zahl n 2 lässt sich als Produkt von Primzahlen darstellen.

Induktionsbeweis. Satz Primfaktorzerlegung. Jede natürliche Zahl n 2 lässt sich als Produkt von Primzahlen darstellen. Induktionsbeweis Satz Primfaktorzerlegung Jede natürliche Zahl n 2 lässt sich als Produkt von Primzahlen darstellen. Beweis: Induktion über n (IV) Induktionsverankerung: n=2 prim. (IA) Induktionsannahme:

Mehr

WS 2016/17 Diskrete Strukturen Kapitel 3: Kombinatorik (1)

WS 2016/17 Diskrete Strukturen Kapitel 3: Kombinatorik (1) WS 2016/17 Diskrete Strukturen Kapitel 3: Kombinatorik (1) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16

Mehr

Kombinatorik. 1. Beispiel: Wie viele fünfstellige Zahlen lassen sich aus den fünf Ziffern in M = {1;2;3;4;5} erstellen?

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

Mehr

Kombinatorik & Stochastik Übung im Sommersemester 2018

Kombinatorik & Stochastik Übung im Sommersemester 2018 Kombinatorik & Stochastik Übung im Sommersemester 2018 Kombinatorik Formeln & Begriffe Begrifflichkeiten Permutation = Anordnung in einer bestimmten Reihenfolge Kombination = Anordnung ohne bestimmte Reihenfolge

Mehr

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier Diskrete Strukturen und Logik WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Diskrete Strukturen und Logik Gesamtübersicht Organisatorisches Einführung Logik & Mengenlehre

Mehr

Vorkurs Mathematik. Christoph Hindermann. Wahrscheinlichkeitstheorie

Vorkurs Mathematik. Christoph Hindermann. Wahrscheinlichkeitstheorie Kapitel 4 Christoph Hindermann Vorkurs Mathematik 1 4.0 Motivation Wenn 100 Münzen geworfen werden, wie ist dann die Wahrscheinlichkeit, dass genau 50 davon Kopf zeigen? Angenommen, es befinden sich 300

Mehr

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen WS 2009/10 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/ws0910

Mehr

Basiswissen Daten und Zufall Seite 1 von 8 1 Zufallsexperiment Ein Zufallsexperiment ist ein Versuchsaufbau mit zufälligem Ausgang, d. h. das Ergebnis kann nicht vorhergesagt werden. 2 Ergebnis (auch Ausgang)

Mehr

2.1 Klassische kombinatorische Probleme

2.1 Klassische kombinatorische Probleme 2 Kombinatori Aufgabenstellung: Anzahl der verschiedenen Zusammenstellungen von Objeten. Je nach Art der zusätzlichen Forderungen, ist zu unterscheiden, welche Zusammenstellungen als gleich, und welche

Mehr

2. Zufallsvorgänge und Wahrscheinlichkeiten

2. Zufallsvorgänge und Wahrscheinlichkeiten 2. Zufallsvorgänge und Wahrscheinlichkeiten Ziel des Kapitels: Einführung elementarer Begriffe der Wahrscheinlichkeitsrechnung (definitorisch) Ziel der Wahrscheinlichkeitsrechnung: Modellierung von zufälligen

Mehr

Zentralübung zur Vorlesung Diskrete Strukturen

Zentralübung zur Vorlesung Diskrete Strukturen WS 2010/11 Zentralübung zur Vorlesung Diskrete Strukturen Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2010ws/ds/uebung/ 22. Dezember 2010 ZÜ DS ZÜ IX Übersicht: 1.

Mehr

Brückenkurs Mathematik. Jörn Steuding (Uni Würzburg), 10. Februar 2018

Brückenkurs Mathematik. Jörn Steuding (Uni Würzburg), 10. Februar 2018 Brückenkurs Mathematik Jörn Steuding (Uni Würzburg), 10. Februar 2018 unser Programm 11. November: 1. Zahlen und einfache Gleichungen Zahlen, Rechengesetze, lineare u. quadratische Gleichungen, Dezimalbrüche,

Mehr

Vorlesung 2a. Diskret uniform verteilte Zufallsvariable. (Buch S. 6-11)

Vorlesung 2a. Diskret uniform verteilte Zufallsvariable. (Buch S. 6-11) Vorlesung 2a Diskret uniform verteilte Zufallsvariable (Buch S. 6-11) 1 0. Erinnerung und Auftakt 2 Sei S eine endliche Menge. Eine Zufallsvariable X heißt diskret uniform verteilt auf S, wenn P(X = a)

Mehr

8. Wahrscheinlichkeitsrechnung

8. Wahrscheinlichkeitsrechnung Didaktik der Geometrie und Stochastik WS 09/10 Bürker 27. 1. 11 8. Wahrscheinlichkeitsrechnung 8.1 Begriffe 8.1.1 Zufallsexperiment Was ist ein Zufallsexperiment? a) Mehrere Ergebnisse möglich b) Ergebnis

Mehr

Modelle diskreter Zufallsvariablen

Modelle 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

Mehr

Permutation und Kombination

Permutation 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,

Mehr

Vorkurs Mathematik. Christoph Hindermann. Mengenlehre und Kombinatorik

Vorkurs Mathematik. Christoph Hindermann. Mengenlehre und Kombinatorik Kapitel 1 Christoph Hindermann Vorkurs Mathematik 1 1.1.1 Begriff der Menge Eine Menge ist eine Zusammenfassung bestimmer, wohl unterscheidbarer Objekte unserer Anschauung oder unseres Denkens. Die Objekte

Mehr

Elemente der Stochastik (SoSe 2016) 5. Übungsblatt

Elemente der Stochastik (SoSe 2016) 5. Übungsblatt Dr. M. Weimar 02.05.2016 Elemente der Stochasti (SoSe 2016) 5. Übungsblatt Aufgabe 1 (4 Punte) Beweisen sie, dass die Potenzmenge P(A) einer beliebigen endlichen Menge A genau P(A) 2 A Elemente enthält!

Mehr

KAPITEL 5. Erwartungswert

KAPITEL 5. Erwartungswert KAPITEL 5 Erwartungswert Wir betrachten einen diskreten Wahrscheinlichkeitsraum (Ω, P) und eine Zufallsvariable X : Ω R auf diesem Wahrscheinlichkeitsraum. Die Grundmenge Ω hat also nur endlich oder abzählbar

Mehr

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung Teil V Wahrscheinlichkeitsrechnung Inhaltsangabe 6 Einführung in die Wahrscheinlichkeitsrechnung 125 6.1 Kombinatorik......................... 125 6.2 Grundbegri e......................... 129 6.3 Wahrscheinlichkeiten.....................

Mehr

Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management

Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 2013 Hochschule Augsburg Unabhängigkeit von Ereignissen A, B unabhängig:

Mehr

Zufall und Erkenntnis

Zufall und Erkenntnis WHRSCHINLICHKITSRCHNUNG It is remarkable that a science which began with the consideration of games of chance should have become the most important object of human knowledege... The most important questions

Mehr

Überblick. Linguistische Anwendungen: æ Spracherkennung æ Textretrival æ probabilistische Grammatiken: z.b. Disambiguierung. Problem: woher Daten?

Überblick. Linguistische Anwendungen: æ Spracherkennung æ Textretrival æ probabilistische Grammatiken: z.b. Disambiguierung. Problem: woher Daten? 1 Überblick æ Beschreibende Statistik: Auswertung von Experimenten und Stichproben æ Wahrscheinlichkeitsrechnung: Schlüsse aus gegebenen Wahrscheinlichkeiten, Hilfsmittel: Kombinatorik æ Beurteilende Statistik:

Mehr

Wahrscheinlichkeitsrechnung für die Mittelstufe

Wahrscheinlichkeitsrechnung für die Mittelstufe Wahrscheinlichkeitsrechnung für die Mittelstufe Wir beginnen mit einem Beispiel, dem Münzwurf. Es wird eine faire Münze geworfen mit den Seiten K (für Kopf) und Z (für Zahl). Fair heißt, dass jede Seite

Mehr

Kombinatorik: Einführung. Vorlesung Mathematische Strukturen. Sommersemester Ziehen aus Urnen. Ziehen aus Urnen

Kombinatorik: Einführung. Vorlesung Mathematische Strukturen. Sommersemester Ziehen aus Urnen. Ziehen aus Urnen Kombinatorik: Einführung Vorlesung Mathematische Strukturen Sommersemester 04 Prof. Barbara König Übungsleitung: Henning Kerstan Es folgt eine Einführung in die Kombinatorik. Dabei geht es darum, die Elemente

Mehr

Counting-Übungen (SS4) Felix Rohrer. Grundlagen des Zählens. 1. KR, Abschnitt 5.1, Aufgabe 7: I. KR, Abschnitt 5.1, Aufgabe 15:

Counting-Übungen (SS4) Felix Rohrer. Grundlagen des Zählens. 1. KR, Abschnitt 5.1, Aufgabe 7: I. KR, Abschnitt 5.1, Aufgabe 15: Counting-Übungen (SS4) Felix Rohrer Grundlagen des Zählens 1. KR, Abschnitt 5.1, Aufgabe 7:? Es gibt 17'576 Monogramme 17576 (1.1) I. KR, Abschnitt 5.1, Aufgabe 15: Wörter mit 1 Zeichen + Wörter mit 2

Mehr

Abiturvorbereitung Stochastik. neue friedländer gesamtschule Klasse 12 GB Holger Wuschke B.Sc.

Abiturvorbereitung 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)

Mehr

1 Wahrscheinlichkeitsrechnung und Zufallsvariablen

1 Wahrscheinlichkeitsrechnung und Zufallsvariablen 1 Wahrscheinlichkeitsrechnung und Zufallsvariablen Zoltán Zomotor Versionsstand: 18. Mai 2015, 09:29 Die nummerierten Felder bitte während der Vorlesung ausfüllen. This work is licensed under the Creative

Mehr

Kombinatorik. Je nachdem, ob diese Randbedingungen erfüllt sein müssen oder nicht, lassen sich 6 Grundaufgaben unterscheiden: Wiederholung

Kombinatorik. Je nachdem, ob diese Randbedingungen erfüllt sein müssen oder nicht, lassen sich 6 Grundaufgaben unterscheiden: Wiederholung Kombinatorik In der Kombinatorik beschäftigt man sich damit die verschiedenen Möglichkeiten der Auswahl und Anordnung von Elementen aus endlichen Mengen zu untersuchen und insbesondere die Anzahl dieser

Mehr

Klausur: Diskrete Strukturen I

Klausur: Diskrete Strukturen I Universität Kassel Fachbereich 10/1 13.03.2013 Klausur: Diskrete Strukturen I Name: Vorname: Matrikelnummer: Versuch: Unterschrift: Bitte fangen Sie für jede Aufgabe ein neues Blatt an. Beschreiben Sie

Mehr

Kombinatorik: Abzählverfahren (Teschl/Teschl 7) Summenregel. Allgemeiner

Kombinatorik: Abzählverfahren (Teschl/Teschl 7) Summenregel. Allgemeiner Kombinatorik: Abzählverfahren Teschl/Teschl 7 Fragestellung: Wie viele verschiedene Möglichkeiten gibt es, Elemente auszuwählen, z. B. Anzahl verschiedener möglicher Passwörter, IPAdressen, Zahlenkombinationen

Mehr

Statistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg

Statistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 2016 Prof. Dr. Stefan Etschberger Hochschule Augsburg Zufallsvariablen Beschreibung von Ereignissen

Mehr

9. Elementare Wahrscheinlichkeitsrechnung

9. Elementare Wahrscheinlichkeitsrechnung 9. Elementare Wahrscheinlichkeitsrechnung Beispiel (Einmaliges Würfeln): verbal mengentheoretisch I. Zufällige Ereignisse Beispiel (Einmaliges Würfeln): Alle möglichen Ausgänge 1,,, 6 des Experiments werden

Mehr

Wahrscheinlichkeitsrechnung [probability]

Wahrscheinlichkeitsrechnung [probability] Wahrscheinlichkeitsrechnung [probability] Hinweis: Die Wahrscheinlichkeitsrechnung ist nicht Gegenstand dieser Vorlesung. Es werden lediglich einige Begriffsbildungen bereitgestellt und an Beispielen erläutert,

Mehr

Kombinatorische Abzählverfahren

Kombinatorische Abzählverfahren Mathematik Statistik Kombinatorische Abzählverfahren * Kombinatorische Abzählverfahren Vorwort TEIL A: Basiswissen 1. Was zum Teufel ist das? 1.2. Wofür benötigt man Kombinatorische Abzählverfahren? 1.3.

Mehr

Einführung in Quantitative Methoden

Einführung in Quantitative Methoden 5. Vorlesung Einführung in Quantitative Methoden Karin Waldherr & Pantelis Christodoulides 30. April 2014 Waldherr / Christodoulides Einführung in Quantitative Methoden- 5.VO 1/54 Zusammenhangsmaß für

Mehr

Hilfsmittel aus der Kombinatorik, Reelle Zahlenfolgen, Vollständige Induktion

Hilfsmittel aus der Kombinatorik, Reelle Zahlenfolgen, Vollständige Induktion 3. Vorlesung im Brückenkurs Mathematik 2018 Hilfsmittel aus der Kombinatorik, Reelle Zahlenfolgen, Vollständige Induktion Dr. Markus Herrich Markus Herrich Kombinatorik, Zahlenfolgen, Induktion 1 Hilfsmittel

Mehr

Vorkurs Mathematik für Informatiker Kombinatorik --

Vorkurs Mathematik für Informatiker Kombinatorik -- Vorkurs Mathematik für Informatiker -- 10 Kombinatorik -- Thomas Huckle Stefan Zimmer 30.09.2014 1 Urnenmodell In der Kombinatorik interessiert man sich dafür, wie viele Möglichkeiten es für die Ergebnisse

Mehr

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr)

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr) WS 2011/12 Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr) Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2011ws/ds/uebung/ 14. Dezember 2011 ZÜ DS ZÜ IX

Mehr

Kombinatorik und Urnenmodelle

Kombinatorik und Urnenmodelle Kapitel 2 Kombinatori und Urnenmodelle In diesem Abschnitt nehmen wir an, dass (Ω, A, P ein Laplace scher Wahrscheinlicheitsraum ist (vgl. Bsp.1.3, d.h. Ω ist endlich, A = P (Ω und P (A = A Ω A Ω. Für

Mehr

Kombinatorik: Einführung. Vorlesung Mathematische Strukturen. Sommersemester Ziehen aus Urnen. Ziehen aus Urnen

Kombinatorik: Einführung. Vorlesung Mathematische Strukturen. Sommersemester Ziehen aus Urnen. Ziehen aus Urnen Kombinatorik: Einführung Vorlesung Mathematische Strukturen Sommersemester 05 Prof. Barbara König Übungsleitung: Dennis Nolte Es folgt eine Einführung in die Kombinatorik. Dabei geht es darum, die Elemente

Mehr

5. Der Lottoschwachsinn!

5. Der Lottoschwachsinn! JKU goes school: Erlebuis Statistik (Andreas Quatember) 1/20 5. Der Lottoschwachsinn! Die Wahrscheinlichkeit eines Ereignisses ist eine Zahl, die zwischen 0 und 1 liegt. Die Wahrscheinlichkeit 0 bedeutet:

Mehr

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 7. Übung SS 16: Woche vom

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 7. Übung SS 16: Woche vom Übungsaufgaben 7. Übung SS 16: Woche vom 23. 5. 27. 5.. 2016 Stochastik I: Klassische Wkt.-Berechnung Aufgaben: s. pdf auf der homepage von Dr. Vanselow http://www.math.tu-dresden.de/ vanselow/... (SS16).html

Mehr

Willkommen zur Vorlesung Statistik (Master)

Willkommen zur Vorlesung Statistik (Master) Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Wahrscheinlichkeit und Zufallsvorgänge Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften

Mehr

Kombinatorik. Kombinatorik

Kombinatorik. Kombinatorik Kombinatori Kombinatori Ziel: Bestimmen der Mächtigeiten bestimmter endlicher Mengen, die durch Anordnung oder Auswahl von Elementen einer Menge gebildet werden. Wir wissen bereits, dass für die Potenzmenge

Mehr

Wirtschaftsstatistik I [E1]

Wirtschaftsstatistik 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

Mehr

15 Wahrscheinlichkeitsrechnung und Statistik

15 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

Mehr

Inhaltsverzeichnis. Dozent: Andreas Nestke Lehrfach: Mathe 3 Thema: Wahrscheinlichkeitstheorie Datum: Autor: René Pecher

Inhaltsverzeichnis. Dozent: Andreas Nestke Lehrfach: Mathe 3 Thema: Wahrscheinlichkeitstheorie Datum: Autor: René Pecher Dozent: Andreas Nestke Lehrfach: Mathe 3 Thema: Wahrscheinlichkeitstheorie Datum: 24.01.2011 Autor: René Pecher Inhaltsverzeichnis 1 Permutation 1 1.1 ohne Wiederholungen........................... 1 1.2

Mehr

Problemlösen Kombinationen - Wahrscheinlichkeit

Problemlösen Kombinationen - Wahrscheinlichkeit Problemlösen Kombinationen - Wahrscheinlichkeit Zusammengestellt aus dem Mathebuch der Bezirksschule Brugg Anzahl möglicher Anordnungen bei 3 Elementen Wie viele mögliche Anordnungen lassen sich aus drei

Mehr

Brückenkurs zur Kombinatorik WS

Brückenkurs zur Kombinatorik WS Fachhochschule Köln Faklutät für Wirtschaftswissenschaften Prof. Dr. Arrenberg Raum 1, Tel. 14 email: jutta.arrenberg@fh-koeln.de homepage: http://www.wi.fh-koeln.de/homepages/arrenberg/index.html Brückenkurs

Mehr