Dr. H. Grunert Einführung in die Wahrscheinlichkeitsrechnung Vorlesungscharts. Vorlesung 5.2. Eigenschaften von Zufallsvariablen

Ähnliche Dokumente
Asymptotische Normalverteilung nach dem zentralen Grenzwertsatz

5 Reproduktions- und Grenzwertsätze

Statistische Grundlagen Ein kurzer Überblick (diskret)

annehmen, so heißt die Funktion, die jedem atomaren Ereignis { x i } mit i { 1; 2; ;

Übungen zur Wahrscheinlichkeitsrechnung und Schliessenden Statistik

Intervallschätzungen geben unter Berücksichtigung des Verteilungstyps von X einen Bereich an, der den Parameter mit vorgegebener Sicherheit enthält.

Erzeugen und Testen von Zufallszahlen

( ) ( ) ( ) ( ) è ø. P A Wahrscheinlichkeitsmaß. lim n. Dr. Christian Schwarz 4. KOMBINATORIK Permutationen

Seminar: Stochastische Geometrie und ihre Anwendungen - Unbegrenzt teilbare und stabile Verteilungen.

Vl. Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 3: Diskrete Verteilungen

Varianzfortpflanzung

2.2 Rangkorrelation nach Spearman

FH D WS 2007/08 Prof. Dr. Horst Peters Dezember 2007

Einführung 2. Teil: Fehleranalyse

Ordnungsstatistiken und Quantile

Einen Spieler interessiert nicht, wie er gewinnt, sondern ob und wie viel er gewinnt.

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung

Quellencodierung I: Redundanzreduktion, redundanzsparende Codes

Spezielle diskrete Verteilungen

Verteilungen und Schätzungen

Statistik und Wahrscheinlichkeitsrechnung

Stochastik Formeln von Gerald Meier

2. Die Elementarereignisse sind die Kombinationsmöglichkeiten von: Wappen = W und:

Physikalische Messungen sind immer fehlerbehaftet! Der wahre Wert ist nicht ermittelbar. Der wahre Wert x ist nicht identisch mit dem Mittelwert

Fehlerrechnung im Praktikum

Statistik. ist die Kunst, Daten zu gewinnen, darzustellen, zu analysieren und zu interpretieren um zu neuem Wissen zu gelangen.

Einführung 2. Teil: Fehleranalyse

Lösungen. Häufigkeitsverteilung (Stabdiagramm) Aufgabe 1. Häufigkeit (h) Merkmal (x)

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung

Einführung Fehlerrechnung

1 Mathe Formeln Statistik und Wahrscheinlichkeitsrechnung

Formelzusammenstellung

Thema 5: Reduzierte Datenanforderungen II: Naive Diversifikation

Festverzinsliche Wertpapiere. Kurse und Renditen bei ganzzahligen Restlaufzeiten

Stichprobenmodell der linearen Einfachregression

Lohnkosten pro Arbeitsstunde. Wie hoch sind die Lohnkosten pro Arbeitsstunde im Jahresdurchschnitt?

WIB 2 Mathematik und Statistik Formelsammlung. Z Menge der ganzen Zahlen {...,-3,-2,-1,0,1,2,3,...}

Eigenschaften der arithmetischen Mittel. Schätzer für die Varianz. Allgeimeines Method: Likelihood Funktion. Schätzer für die Wahrscheinlichkeit

Klausur Statistik IV Sommersemester 2009

Diskrete Zufallsvariablen. Wahrscheinlichkeitsräume Zufallsvariablen Erwartungswert Varianz. Quiz

Spannweite, Median Quartilsabstand, Varianz und Standardabweichung.

II. Wahrscheinlichkeitsrechnung

Deskriptive Statistik

Methoden der computergestützten Produktion und Logistik

Teil IV Musterklausuren (Univ. Essen) mit Lösungen

Quellencodierung I: Redundanzreduktion, redundanzsparende Codes

Intervallschätzung. Bibliografie:

T. Kießling: Fortgeschrittene Fehlerrechnung- Verteilungsfunktionen Vorlesung 1-1

Verdichtete Informationen

Deskriptive Statistik2 Durchschnittswert (der arithmetische Mittelwert)

Die Methode des 2.Moments

Lösungen zu Übungs-Blatt 7 Klassische Wahrscheinlichkeit in Glücksspielen, Bedingte Wkt, Unabhängigkeit, Satz von Bayes

Teil III: Schließende Statistik

( x) eine Funktion definiert, in der nur die i-te Komponente variabel ist. Folgende Schreibweisen werden aufgrund dieser Anmerkungen auch verwendet:

Sitzplatzreservierungsproblem

Maße zur Kennzeichnung der Form einer Verteilung (1)

Im Wöhlerdiagramm wird die Lebensdauer (Lastwechsel oder Laufzeit) eines Bauteils in Abhängigkeit von der Belastung dargestellt.

Zur Interpretation einer Beobachtungsreihe kann man neben der grafischen Darstellung weitere charakteristische Größen heranziehen.

Alternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF

Prinzip "Proportional Reduction of Error" (PRE)

Aufgaben. 1. Gegeben seien folgende Daten einer statistischen Erhebung, bereits nach Größe sortiert (Rangliste):

Korrelations- und Regressionsanalyse

( x) Thema 5 Verteilungen Statistik - Neff 5.1 ÜBERBLICK TEST-VERTEILUNGEN. Stetige Zufallsvariable Dichtefunktion f(x) Verteilungsfunktion F(x)

1. StatischeSpielemit vollständiger Information

Ergebnis- und Ereignisräume

v. Weter st + r X + = ( X + ) = ( X + ) ( X + ) = P Deshalb fr 6 6 = + X = K, d. h. I desem Berech ( 6 6 ) glt also ( Idukto ach ) ( ) ( mod ), was fr

Kapitel XI. Funktionen mit mehreren Variablen

Höhere Mathematik 4 Kapitel 17 Wahrscheinlichkeitsrechnung

Kapitel 6: Regression

Der Korrelationskoeffizient ist ein Maß für den linearen Zusammenhang zwischen zwei Variablen X und Y. Er ist durch folgende Formel charakterisiert:

( ) ( ) ( ) E ( ) ( ) ( ) ( ) ( ) Def Erwartungswert. 1. Diskreter Fall X sei diskrete Zufallsgröße mit = { 1, x2,

DIE VAPNIK-CHERVONENKIS THEORIE. Inhaltsverzeichnis

Formelsammlung Statistik

Formelsammlung Statistik

STATISTIK III INDUKTIVE STATISTIK

Elemente der Algebra und Zahlentheorie Musterlösung, Serie 7, Wintersemester vom 21. Januar 2006

19. Amortisierte Analyse

DOOH Audience Measurement 2015

Wahrscheinlichkeitsrechnung und Statistik - Zusamenfassung

die Schadenhöhe ( = Risikoergebnis) des i-ten Versicherungsnehmers i 1,, n).

II.Wahrscheinlichkeitsrechnung

Statistische Maßzahlen

Deskriptive Statistik behaftet.

Reihen n. Man benutzt letztere Schreibweise aber häufig auch zur Bezeichnung der Partialsummenfolge. konvergiert, die geometrische Reihe.

Eigenwerteinschließungen I

Investmentfonds. Kennzahlenberechnung. Performance Risiko- und Ertragsanalyse, Risikokennzahlen

Konzentrationsanalyse

(Markowitz-Portfoliotheorie)

Übersicht Statistik für Bioinformatiker. I) Wahrscheinlichkeitsrechnung

Statistik. (Inferenzstatistik)

Mehrdimensionale Häufigkeitsverteilungen (1)

Textil & Design Formelsammlung Statistik

Schiefe- und Konzentrationsmaße

KOMBINATORIK. Doina Logofătu Hochschule München, FK und 15 April 2008

Schiefe- und Konzentrationsmaße

Erinnerung: Funktionslernen. 5.6 Support Vector Maschines (SVM) Beispiel: Funktionenlernen. Reale Beispiele

Standardnormalverteilung. Normalverteilung. Verteilungsfunktion. Intervallwahrscheinlichkeiten

Transkript:

Vorlesugscharts Vorlesug 5. Egeschafte vo Zufallsvarable Reproduktvtät Approxmatoe Zetraler Grezwertsatz Sete vo

Chart : Uabhäggket vo Zufallsvarable Zwe Zufallsvarable X ud Y mt hre Realsatoe { x, x,..., x k,... } ud { y, y,..., y l,... } heße uabhägg, we für belebge x ud y glt: P ( X = x Ç Y = y) = P ( X = x) P ( Y = y) Egeschafte uabhägger Zufallsvarable E ( X + Y ) = E ( X ) + E ( Y ) () VAR ( X + Y ) = VAR ( X ) + VAR ( Y ) () ( ) = a E ( X ) ( ) = ( ) E ax VAR ax a VAR X (3) Für Y = a X + b glt : ( ) = ( ) + ( ) = ( ) E Y a E X b VAR Y a VAR X E ( X Y ) = E ( X ) E ( Y ) (4) Sete vo

Chart : Reproduktvtätsegeschaft vo uabhägge Zufallsvarable ( = Addtosegeschaft ) Bomalvertelug Sd X ud Y bomalvertelte, voeader uabhägge Zufallsgröße mt de Parameter (, p ) bzw. ( k, p ), so st de Summe beder Zufallsgröße X + Y ebefalls bomalvertelt mt de Parameter ( + k, p ). Possovertelug Sd de Zufallsvarable X, X,..., X uabhägg ud possovertelt mt l, l,..., l, da st de Zufallsvarable X = X + X +... + X ebefalls possovertelt mt: l = ål =. ormalvertelug Sd de Zufallsvarable X, X,..., X uabhägg ud ormalvertelt mt m, m,..., m ud s, s,..., s, da st de Zufallsvarable X = X + X +... + X ebefalls ormalvertelt mt ud å = = å m = m s = s Sete 3 vo

Chart 3: Bespele zu de Reproduktvtätsegeschafte. Vo eer Staudeart erfrere uter usere Bedguge 5 % Pflaze. De Gärtere A verfügt m Herbst über 0 Staude; de Gärtere B och über 0 Staude. a) We vele Staude werde erwartugsgemäß be der Gärtere A bzw. B erfrere? We groß st de Wahrschelchket, dass be der Gärtere A bzw. B je Staude erfrere? b) Zur bessere Versorgug hrer Kude büdel bede Gärteree hr Agebot. Se betrebe auf dem Markt ee gemesame Verkaufsstad. Im Herbst verfüge se och über 30 Staude. We vele Staude werde jetzt erwartugsgemäß erfrere? We groß st de Wahrschelchket, dass jetzt bzw. 4 Staude erfrere?. Das Gewcht vo Orage se ormalvertelt mt eem Durchschttsgewcht vo 85 g ud eer Stadardabwechug vo 0 g. a) We groß st de Wahrschelchket, dass das Gewcht eer zufällg ausgewählte Orage zwsche 80 g ud 90 g legt? b) -kg-etze ethalte Orage. We groß st de Wahrschelchket, dass eem zufällg ausgewählte etz weger als kg Orage ethalte sd? Sete 4 vo

Chart 4: Approxmatoe Approxmato der Bomalvertelug durch de Possovertelug Voraussetzuge: ³ 30 p 0, oder p ³ 0,9 Approxmato der hypergeometrsche Vertelug durch de Bomalvertelug Voraussetzuge: M 0, < < 0,9 < 0,05 Approxmato der hypergeometrsche Vertelug durch de Possovertelug Voraussetzuge: ³ 30 M M 0, oder ³ 0,9 < 0,05 Approxmato der Bomalvertelug durch de ormalvertelug Voraussetzug: ( p) p 9 ( 0,5; ; ) ( 0,5; ; ( ) ) ( ) ( ) P a X b = b + p p p a p p p Sete 5 vo

Chart 5: Wahrschelchketsfuktoe der Bomalvertelug ud der Possovertelug Bomalvertelug p=0,, =3 0,500000000 0,50000000 0,000000000 0,750000000 0,500000000 0,50000000 0,000000000 0,0750000000 0,0500000000 0,050000000 0,0000000000 0 3 4 5 6 7 8 9 3 3 0 3 4 5 6 7 8 9 0 3 4 5 6 7 8 9 0 0,50000 Possovertelug λ=3, 0,5000 0,00000 0,75000 0,50000 0,5000 0,00000 0,075000 0,050000 0,05000 0,000000 0 3 4 5 6 7 8 9 3 3 0 3 4 5 6 7 8 9 0 3 4 5 6 7 8 9 0 Sete 6 vo

Chart 6: Bespele zu Appoxmatoe. E Kotrolleur überprüft a eem Tag 00 Fahrgäste. De Wahrschelchket, dass e Fahrgast kee gültge Fahrauswes hat, legt erfahrugsgemäß be %. We groß st de Wahrschelchket, dass uter de 00 Fahrgäste geau 3, höchstes 4 bzw. mdestes 6 Schwarzfahrer sd?. Uter usere Wtterugsbeduge erfrere vo eer Staudeart 5 Prozet. Ee Gärtere hat zu Beg des Wters och geau 00 Staude. We groß st de Wahrschelchket, dass bs 4 Staude erfrere? Sete 7 vo

Chart 7: Tschebyscheffsche Uglechug X st ee belebge Zufallsvarable, dere Erwartugswert ud Varaz exstere. Da gelte für belebge Zahle a > 0 de Uglechuge ( ( ) ) P x E X ³ a s a ( ( ) ) P x E X < a s a Mt a ergbt sch = c s c > ud a s s = a c ud weter ( ) c ( ³ s ) P x E X c ( ) c ( < s ) P x E X c Sete 8 vo

Chart 8: Zetraler Grezwertsatz X, X,..., X se ee Folge uabhägger Zufallsvarable, de deselbe Vertelug mt edlchem Erwartugswert m ud edlcher Varaz s habe. Da st de Zufallsgröße X mt: X = å X = ( m s ) asymptotsch ud de Zufallsvarable X, - vertelt = X å = X mt asymptotsch s m, - vertelt. Be hreched großer Azahl der Zufallsvarable X glt: x m P ( X x) s. Sete 9 vo

Chart 9: Aussage des zetrale Grezwertsatzes bezüglch der Bomalvertelug VAR ( X ) p ( p) Approxmatosbedgug: exakte Vertelug = 9 = ( ) X = X mt E X = p å ( ) = ( ) VAR X p p asymptotsche Vertelug = ( ( ) ) lm X = X p; p p å Z X p = ( p) p ( 0;) Sete 0 vo

Chart 0: Gegeüberstellug der Wahrschelchketsfukto der Bomalvertelug ud der Dchte fukto der ormalvertelug Wahrschelchketsfukto der Bomalvertelug mt p=0,5 ud =3 Wahrschelchkete 0,400000000 0,300000000 0,00000000 0,00000000 0,000000000 0,0900000000 0,0800000000 0,0700000000 0,0600000000 0,0500000000 0,0400000000 0,0300000000 0,000000000 0,000000000 0,0000000000 03456789 3 3 0 34 5 6789 03 456 7890 Realsatoe der Zufallsgröße Wahrschelchkete Dchtefukto der (5,5;,748 ) vertelte Zufallsgröße 0,500000 0,400000 0,300000 0,00000 0,00000 0,000000 0,0900000 0,0800000 0,0700000 0,0600000 0,0500000 0,0400000 0,0300000 0,000000 0,000000 0,0000000 0345678933 03456789034567890 Realsatoe der Zufallsgröße Sete vo