4. Übungsserie: Stetige Zufallsgrößen 8 < ax 2 =100 0 < x < sonst

Ähnliche Dokumente
Qualität und Zuverlässigkeit - Statistik Master MB Aufgaben zum Kapitel 2: Zufallsgröÿen und ihre Verteilungen

Statistik für Ingenieure Vorlesung 5

Stetige Verteilungen Rechteckverteilung

Mathematik für Naturwissenschaften, Teil 2

Stochastik Musterlösung 4

Übungsscheinklausur,

Statistik I für Betriebswirte Vorlesung 5

Übungsblatt 9 (25. bis 29. Juni)

Statistik I für Betriebswirte Vorlesung 3

A3.Die Lebensdauer eines elektronischen Gerätes werde als normalverteilt angenommen. Der Erwartungswert betrage

6. Kontinuierliche Zufallsgrößen. Beispiel 1: Die Exponentialverteilungen Sei λ > 0. Setzen

Statistik für Ingenieure Vorlesung 3

Eine Zufallsvariable X sei stetig gleichverteilt im Intervall [0,5]. Die Wahrscheinlichkeit P(2< x <4) ist dann

Lösungen zu Übungsblatt 9 Höhere Mathematik2/Stochastik 2 Master KI/PI

Wahrscheinlichkeitsrechnung und Statistik

Stetige Verteilungen, Unabhängigkeit & ZGS

ETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig)

Stochastik Musterlösung 3

Stetige Verteilungen, Unabhängigkeit & ZGS

Statistik 2 für SoziologInnen. Normalverteilung. Univ.Prof. Dr. Marcus Hudec. Themen dieses Kapitels sind:

Marcus Hudec. Statistik 2 für SoziologInnen. Normalverteilung. Univ.Prof. Dr. Marcus Hudec. Statistik 2 für SoziologInnen 1 Normalverteilung

Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007

Lösungen zu Übungsaufgaben Blatt 9

2. Übung zur Vorlesung Statistik 2

Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007

Marcus Hudec. Statistik 2 für SoziologInnen. Normalverteilung. Univ.Prof. Dr. Marcus Hudec. Statistik 2 für SoziologInnen 1 Normalverteilung

Abbildung 1: Dieses Quiz soll Ihnen helfen, die Residuenplots besser zu verstehen. Am Schluss kommen noch vermischte Aufgaben zur Wiederholung.

j K j d j m j h j f j

Kapitel 12 Stetige Zufallsvariablen Dichtefunktion und Verteilungsfunktion. stetig. Verteilungsfunktion

5. Spezielle stetige Verteilungen

2. Übung zur Vorlesung Statistik 2

Statistik I für Betriebswirte Vorlesung 4

Auswertung und Lösung

Wahrscheinlichkeitstheorie und Statistik vom

Standardnormalverteilung

Statistik für Ingenieure Vorlesung 6

Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Stetige Verteilungen

Bestimmte Zufallsvariablen sind von Natur aus normalverteilt. - naturwissenschaftliche Variablen: originär z.b. Intelligenz, Körpergröße, Messfehler

Mathematik III für MB und ME

Wahrscheinlichkeitstheorie und Statistik vom

1. Grundbegri e der Stochastik

Kapitel VI - Lage- und Streuungsparameter

Standardnormalverteilung

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential

Auswertung und Lösung

MATLAB-Praktikum 2: Wahrscheinlichkeiten, Simulation

Chi-Quadrat-Verteilung

Weihnachtszettel zur Vorlesung. Stochastik I. Wintersemester 2011/2012

Zentralübung zur Vorlesung Diskrete Wahrscheinlichkeitstheorie

i =1 i =2 i =3 x i y i 4 0 1

Biostatistik, Winter 2011/12

Ü b u n g s b l a t t 11

Statistik I für Betriebswirte Vorlesung 14

Zufallsvariablen [random variable]

1. Grundbegri e der Stochastik

Wahrscheinlichkeit und Statistik: Zusammenfassung

Statistik I für Betriebswirte Vorlesung 3

Wahrscheinlichkeitsrechnung und Statistik

Verteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen. Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung

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

Normalverteilung. Erwartungswert, Median und Modus sind identisch. Symmetrieeigenschaft um den Erwartungswert

Statistische Tests für unbekannte Parameter

Wiederholung Analysis

Vorlesung: Statistik II für Wirtschaftswissenschaft

Summe von Zufallsvariablen

Fit for Abi & Study Stochastik

Prüfungsvorbereitungskurs Höhere Mathematik 3

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

Wahrscheinlichkeitstheorie und Statistik für Studierende des Maschinenbaus vom

Stichproben Parameterschätzung Konfidenzintervalle:

Lösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK

1. Grundbegri e. T n i=1 A i = A 1 \ A 2 \ : : : \ A n alle A i treten ein. na = A das zu A komplementäre Ereignis; tritt ein, wenn A nicht eintritt.

Teil IV. Diskrete Verteilungen. Woche 3: Verteilungen. Diskrete Zufallsvariablen Wiederholung. Lernziele

1. Was ist eine Wahrscheinlichkeit P(A)?

Kapitel 12 Stetige Zufallsvariablen Dichtefunktion und Verteilungsfunktion. stetig. Verteilungsfunktion

Das Histogramm ist glockenförmig. Es würde bei mehr als vier Fehlerquellen sich der Glockenform noch besser annähern.

Vorlesung: Statistik II für Wirtschaftswissenschaft

8 Die Exponentialverteilung

Statistik I für Betriebswirte Vorlesung 14

Klausur vom

Wichtige Definitionen und Aussagen

Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf. Vorlesung 04 Mathematische Grundlagen II,

Wahrscheinlichkeitsrechnung und Statistik

Stetige Standardverteilungen

Teil VIII. Zentraler Grenzwertsatz und Vertrauensintervalle. Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle. Lernziele. Typische Situation

Statistik 2 für SoziologInnen. Stetige Zufallsvariable Normalverteilung & Exponentialverteilung

2.3 Intervallschätzung

Wahrscheinlichkeitsrechnung und Statistik. 11. Vorlesung /2019

Einführung in Quantitative Methoden

1 Dichte- und Verteilungsfunktion

Wahrscheinlichkeitsfunktion. Binomialverteilung. Binomialverteilung. Wahrscheinlichkeitshistogramme

Referenten: Gina Spieler, Beatrice Bressau, Laura Uhlmann Veranstaltung: Statistik für das Lehramt Dozent: Martin Tautenhahn

Definition Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) :=

2 Zufallsvariable, Verteilungen, Erwartungswert

Kenngrößen von Zufallsvariablen

Binomialverteilung. Häufigkeit, mit der Ereignis A bei n unabhängigen Versuchen eintritt. Träger von X : X = {0, 1, 2,..., n}.

Übungsblatt 9. f(x) = e x, für 0 x

Stetige Verteilungen. A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch

Transkript:

Stochastik f ur ET SS Juliane.Schuetze@fh-jena.de 4. Übungsserie: Stetige Zufallsgrößen a =. Es sei f() = a( 3) =4 3 : sonst a) Bestimmen Sie a so, dass f eine Verteilungsdichte ist. b) Bestimmen Sie die Verteilungsfunktion. c) Berechnen Sie für eine Zufallsgröße X mit dieser Verteilungsfunktion die Wahrscheinlichkeiten P (X ):und P (X ): d) X stelle die zufällige Lebensdauer eines Bauteils dar, das maimal 3 Einheiten funktioniert. Berechnen Sie den Erwartungswert sowie die Altersgrenze, die von nur % überschritten wird. a) R f()d =, somit = R a =d + R 3 somit a = = und f() = : > b) Verteilungsfunktion F () = >: a( 3) =4d = a3 3 = ( 3) =4 3 sonst 3 =3 + ( 3) 3 = 3 sonst + a( 3)3 3 = a y...6.4.. 3 c) P (X ) = F () = =3 d) EX = : Grenze ist von F () = :9 + ( 3) 3 = = :9 = 9:373 ( 3) 3 = = : 3 = 3p = :67 = 9:373. Berechnen Sie die Quantile der Ordnung a). und.9 der Standardnormalverteilung, b). und.9 von N(, 4).

a) z :9 : P (X z :9 ) = (z :9 ) = :9 z :9 = (:9) = :64 Aus Symmetriegründen ist z : = z :9 = :64 b) u :9 : P (Y u :9 ) = ( u :9 ) = :9 u :9 = :64 u :9 = :64 + = 4: Wegen Symmetrie zu ist u : = (4: ) = : allgemein ist u = z + MATLAB: norminv(p,mu,sigma) norminv(.9,,)= :6449, norminv(.,,)= :6449 norminv(.9,,)= :97, norminv(.,,)= :97 3. Die Wärmeerzeugung an einem Widerstand (in Joule) sei normalverteilt mit N (77,,6 ). a) Mit welcher Wahrscheinlichkeit liegt die erzeugte Wärme unter 6? b) Mit welcher Wahrscheinlichkeit liegt sie über 9? c) Mit welcher Wahrscheinlichkeit liegt sie zwischen 6 und 9? a) P (X 6) = P X 77 :6 b) P (X > 9) = P (X 9) = P X 77 :6 6 77 :6 = ( ; 47) = (; 46) = :99 = :7 9 77 :6 = (:) = :69 = :3 c) P (6 X 9) = P (X 6) P (X > 9) = :7 :3 = :79 MATLAB: normcdf(,mu,sigma) = P(X ) P (X 6) =normcdf(6,77,.6) = :74 P (X > 9) = normcdf(9,77,.6) = :3 P (6 X 9) =normcdf(9,77,.6) - normcdf(6,77,.6) =.7974 4. Der zufällige Fehler eines Messinstruments ist nach N(, ) verteilt. In einer langen Messreihe hat man ermittelt, dass % der Messungen mit einem betragsmäßigen Messfehler von mehr als als.4 Einheiten behaftet sind. Wie großist? P (jxj > :4) = : P (:4 X) = : :9 = P (X ; 4) = P X ;4 ;4 = (:9) = :6 = :4 :6 = :3 MATLAB: norminv(p,mu,sigma) norminv(.9,,)=.6 = ;4. Eine physikalische Größe wird n-mal gemessen. Der Messvorgang ist fehlerbehaftet, und die Messfehler können als Realisierungen von N(; ) verteilten Zufallsgrößen " i aufgefasst werden.die Standardabweichung als Maßfür die Genauigkeit des Messvorgangs sei Einheit. Somit ist die Einzelmessung darstellbar als X i = + " i. Als Schätzung für wird das arithmetische Mittel Xn = n P n i= X i verwendet. Wie großmuss n sein, damit die Schätzung X n mit einer Wahrscheinlichkeit von mindestens.9 nur. Einheiten von abweicht? " = = X i ~N(; ) P X i ~N(n; n) X n ~N(; n ), folglich n = p n n so bestimmen, dass P ( Xn :) > :9 P ( : X n + :) = (: p n) ( (: p n)) (: p n) > :97 : p n = :96, n = :366, somit 6 Wdh. MATLAB : p n = (:97) = norminv(.97,,) =.96

6. Zwei Ohmsche Widerstände R und R werden hintereinander geschaltet. Sie seien unabhängig und normalverteilt mit = ; = bzw. = ; = 4 (alles in ):In welchen Grenzen (7 "; 7 + ") liegt mit Sicherheit.99 der Gesamtwiderstand R + R? R + R ~N(7; 6) P (7 " R + R 7 + ") = :99 " p 6 = :99 " p 6 = (:99) = : 7 " = : 7 p 6 = 7:74 damit liegt Gesamtwiderstand mit 99% Sicherheit im Intervall (67: ; 77:74) 7. Berechnen Sie den Median einer eponentialverteilten Zufallsgröße X mit =. Interpretieren Sie die gefundene Größe, wenn X die Lebensdauer eines Elektrogerätes beschreibt. ~ : mit P (X ~ : ) = : e ~: = : ~ : = ln : = ln = :693 Interpretation: Zeitspanne, die nur von etwa der Hälfte aller Geräte ohne Defekt überstanden wird MATLAB ~ : = epinv(.,) =.693 Achtung: Parameter der Eponentialvert. ist in MATLAB gleich dem Erwartungswert, d.h. reziprok zu aus Vorlesung Dichte f() = e für > y..9..7.6..4.3... 3 4. Bei der Produktion von Blechen wird eine Solldicke von.mm bei einer Standardabweichung von.3mm eingehalten, wobei die Dicke eines Bleches normalverteilt ist und unabhängig von der Dicke der anderen Bleche. a) Mit welcher Wahrscheinlichkeit ist ein Blech dicker als 3mm? b) Mit welcher Wahrscheinlichkeit ist ein Stapel von 3 Blechen höher als 9mm? c) Wieviel Bleche können mit Wahrscheinlichkeit.99 in einen Container der Höhe m geschichtet werden? 3 : a) P (X > 3) = = :4 :3 3

b) Stapelhöhe entspricht Summe von 3 Zufallsgrößen mit je N(:; :3 ) Verteilung der Summe N(3 :; 3 :3 ) = N(7:; :7) = p :7 = : 9 7: P (X + X + X 3 > 9) = P (X + X + X 3 9) = = : : c) im Mittel passen =: = 4 Bleche in den Container. Fordert man Sicherheit von.99, sind weniger Bleche zu erwarten. P Normalverteilung von n P X i : E n P X i = n :; V ar n X i = n V arx i = n :3 i= i= i= P P ( n n : X i ) = i= :3 p = :99 n n : :3 p = (:99) = :36 n n : = :36 :3 p n, mit p n = > ergibt das : + :36 :3 = = 9:6; = :4 entfällt, da damit n größer als Erwartungswert wird n = 9:6 = 394:46 d.h. 394 Bleche 9. Die Lebensdauern X; Y seien unabhängig und eponentialverteilt mit den Parametern und ; 6= : a) Berechnen Sie Erwartungswert und Varianz der Summe der Lebensdauern. b) Berechnen Sie die Dichte der Verteilung der Summe von X; Y: Anleitung: Die so genannte Faltungsdichte der Summe zweier unabhängiger Zufallsgrößen berechnet sich als f(z) = R f X ()f X (z )d: c) Berechnen Sie die Faltungsdichte für den Spezialfall = und vergleichen Sie das Ergebnis mit der Dichte der Erlangverteilung. a) EX = ; EY = E(X + Y ) = + = + V ar(x + Y ) = + = + b) f s (z) = R + f (t)f y (z t)dt = R z e t e (z t) dt = e R z z e t e t dt = e z e )t ( z = e z e ( )z = e z e z c) f s (z) = R + f (t)f y (z t)dt = R z e t e (z t) dt = e R z z e( +)t dt = e z tj z = ze z ist Dichte der Erlangverteilung für n =. Die Zeit (in h) zwischen dem Eintre en zweier Telefonanrufe an einem Anschluss sei eponential verteilt mit dem Parameter = :. a) Wie viel Zeit vergeht im Mittel zwischen dem Eintre en von Anrufen? b) Mit welcher Wahrscheinlichkeit tri t länger als eine Stunde kein Anruf ein? c) Berechnen Sie die bedingte Wahrscheinlichkeit P (X > t + =X > ). a) EX = = b) P (X > ) = P (X ) = e : = :6 4

P (X > t + \ X > ) c) P (X > t+=x > ) = = P (X > ) entspricht der Nichtalterungseigenschaft P (X > t + ) P (X > ) = e :(t+) e : = e :t = P (X > t). Ein System enthält ein Bauteil in 3facher Ausführung in kalter Redundanz, d.h. ein Reservebauteil wird jeweils erst dann benutzt, wenn das vorherige Bauteil ausgefallen ist. Die Bauteile funktionieren unabhängig voneinander im Mittel h, ihre Lebensdauer ist eponentialverteilt. a) Bestimmen Sie die Verteilung der Lebensdauer des Systems sowie Erwartungswert und Standardabweichung. b) Mit welcher Wahrscheinlichkeit funktioniert es länger als 4 h? Anleitung: Erlangverteilung verwenden, in MATLAB ist Parameter = EX; in Vorlesung = EX (analog Eponentialverteilung) Lebensdauer S des Systems = Summe der Lebensdauer der 3 Bauteile X i ~ ep() mit = Erlangverteilung bei n eponential verteilten Summanden X i ~ ep() hat Verteilungsfunktion F () = e n P () k k k= S = X + X + X 3 ~Erl(3; =) n = 3 : F () = e P () k = e ( + k= k + ) EX = n = 3 = = 36 V arx = n 3 = e 4= ( + 4 + ) = e = ( + + (=) = 43 s = p 43 = 7: P (X > 4) = P (X 4) = 4 ) = :33. b) a) Ein Seriensystem (Reihenschaltung) enthält 4 unabhängig ausfallende Bauteile, deren Lebensdauern eponentialverteilt sind mit den Parametern = =; = =; 3 = =; 4 = =: a) Berechnen Sie Erwartungswert und Varianz der Lebensdauer des Systems. b) Welche Zeit überleben nur % der Systeme? a) Lebensdauer S bei Reihenschaltung: S = min(x ; :::; X 4 )~ ep( + ::: + 4 ) = ep(:), da = + = + = + = = EX = = : = 47:69 Herleitung der Verteilung: F () = P (min(x ; X ; X 3 ; X 4 ) ) = P (min(x ; X ; X 3 ; X 4 ) ) = P (X ; X ; X 3 ; X 4 ) = P (X )P (X )P (X 3 )P (X 4 ) = ( F ()( F ()( F 3 ()( F 4 ()) = (e )(e )(e 3 )(e 4 ) = e (++3+4) = F S () mit S = min(x ; :::; X 4 ) b) gesucht ist t so dass P (X > t) = : :9 = P (X t) = e :t : = e :t ln : = : t t = ln : : = 9:6 3.,Die zufällige Lebensdauer X (in h) eines Gerätetyps mit Verschleißerscheinung kann durch eine Weibull-Verteilung mit der Dichte f() = : a ( a )4 e ( beschrieben werden. Es sei bekannt, dass nach 4 h Betriebsdauer a ) > 9% der Geräte ausgefallen sind.

a) Bestimmen Sie den Parameter a. b) Mit welcher Wahrscheinlichkeit arbeitet ein Gerät länger als 3 Stunden? c) Wie großist die Wahrscheinlichkeit, dass ein Gerät länger als 3 Stunden arbeitet, wenn seine Lebensdauer bereits Stunden überschritten hat? a) Dichte der Weibull-Verteilung: f() = : a ( a )4 e ( a ) >, somit b = Verteilungsfunktion b F () = e a Berechnung von a aus P (X 4) = F (4) = :9 4 e a = :9 4 : = e a 4 4 ln : = T = = 3:9 a = ( ln :) a = 3:9 b) F () = e 3:9 y...6.4.. 3 4 P (X > 3) = F (3) = B @ e 3 3:9 C A = :49 P (X > 3 \ X > ) P (X > 3) c) P (X > 3=X > ) = = P (X > ) P (X > ) 3 B @ e 3:9 C A = B @ e 3:9 C A = e e 3 3:9 3:9 = :39 4 im Unterschied zur Eponentialverteilung liegt hier keine konstante Überlebenswahrscheinlichkeit vor 6