Diskrete Mathematik 1

Ähnliche Dokumente
Klausur: Diskrete Strukturen I

Klausur: Diskrete Strukturen I

KAPITEL 5. Erwartungswert

Klausur: Diskrete Strukturen I

Invertieren von Potenzreihen

STOCHASTISCHE UNABHÄNGIGKEIT. Annika Pohlmann Philipp Oel Wilhelm Dück

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende

MafI I: Logik & Diskrete Mathematik (Autor: Gerrit (-Arthur) Gruben)

Diskrete Mathematik 1 WS 2008/09

Partialbruchzerlegung

Diskrete Mathematik 1

Mathematik für Sicherheitsingenieure I B

9 Erwartungswert, Varianz und Standardabweichung einer Zufallsgröÿe

Weihnachtszettel zur Vorlesung. Stochastik I. Wintersemester 2011/2012

Unabhängigkeit KAPITEL 4

Kapitel 19 Partialbruchzerlegung

Diskrete Mathematik 1

2 Rechentechniken. 2.1 Potenzen und Wurzeln. Übersicht

htw saar 1 KAPITEL 4 BEDINGTE WAHRSCHEINLICHKEIT UND STOCHASTISCHE UNABHÄNGIGKEIT Hans-Peter Hafner WS 2016/2017

Übungsblatt 7 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende

Statistik für Ingenieure Vorlesung 3

Wahrscheinlichkeit (Teschl/Teschl 2, Kap. 26)

3.3 Bedingte Wahrscheinlichkeit

Übungen zur Vorlesung Mathematik I für Studierende der Chemie (WS 2015/2016) Institut für Chemie und Biochemie, FU Berlin Blatt

2 Zufallsvariable und Verteilungsfunktionen

Mathematik für Biologen

Mathematik für Informatiker III im WS 05/06 Musterlösung zur 4. Übung

Diplom Mathematiker Wolfgang Kinzner. 17. Oktober Technische Universität München. Die abc-formel. W. Kinzner. Problemstellung.

Woche 2: Zufallsvariablen

Beispiel 37. Wir werfen eine Münze so lange, bis zum ersten Mal

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr)

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende

Mathematik macht Freu(n)de im Wintersemester 2018/19

2 Polynome und rationale Funktionen

Klausur,,Algorithmische Mathematik II

2. Klausur zu,,algorithmische Mathematik II

Lösungsskizzen zur Präsenzübung 08

Partialbruchzerlegung

Wiederholungsklausur DWT

Zentralübung Diskrete Wahrscheinlichkeitstheorie (zur Vorlesung Prof. Esparza)

Klausur zu Analysis und Wahrscheinlichkeitsrechnung

Übungsblätter zu Methoden der Empirischen Sozialforschung III: Inferenzstatistik. Lösungsblatt zu Nr. 2

Universität Basel Wirtschaftswissenschaftliches Zentrum. Zufallsvariablen. Dr. Thomas Zehrt

Berechnungen mit dem Horner-Schema

Übungs-Blatt 7 Wahrscheinlichkeitsrechnung

Grundbegriffe der Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung und Statistik für Studierende der Informatik. PD Dr. U. Ludwig. Vorlesung 7 1 / 19

Statistik 1 Beispiele zum Üben

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

Prof. Dr. Christoph Karg Hochschule Aalen. Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik. Sommersemester 2017

Unabhängigkeit von Zufallsvariablen

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 1

Ereignis E: ist ein oder sind mehrere Ergebnisse zusammen genommen. Bsp. E = {2; 4; 6}

Kapitel 5 Stochastische Unabhängigkeit

a) Bestimmen Sie die Gleichung des Kreises in der Form x 2 +y 2 +ax+by+c = 0 und zeigen Sie, dass der Punkte A( 3 7) auf dem Kreis liegt.

Hauptprüfung Abiturprüfung 2016 (ohne CAS) Baden-Württemberg

TU DORTMUND Sommersemester 2018

Lösungen zur Klausur A Grundkurs Mathematik für Wirtschaftswissenschaft

Erwartungswert, Varianz und Standardabweichung einer Zufallsgröße. Was ist eine Zufallsgröße und was genau deren Verteilung?

$Id: integral.tex,v /05/05 14:57:29 hk Exp hk $ ln(1 + t) 2 = ln 2 ln 3 + ln 2 = ln

Klausur zur Statistik

0 für t < für 1 t < für 2 t < für 3 t < für 4 t < 5 1 für t 5

Zentralübung Diskrete Wahrscheinlichkeitstheorie

Aufgabe 1 Wir werfen einen fairen Würfel einmal und ordnen den Augenzahlen Zufallsgrössen X und Y wie folgt zu:

Abitur 2012 Mathematik Stochastik III

Biostatistik, Sommer 2017

Lösungsblatt zu: Gebrochen rationale, Exponential- und Logarithmus Funktionen

SS 2017 Torsten Schreiber

Lösungsskizzen zur Präsenzübung 09

Teil A hilfsmittelfreier Teil

15. September 2010 Prof. Dr. W. Bley. Universität Kassel Klausur SS 2010 Diskrete Strukturen I (Informatik) Name:... Matr.-Nr.:... Viel Erfolg!

Lemma 23 Die (paarweise verschiedenen) Ereignisse A 1,..., A n sind genau dann unabhängig,

7 Unabhängigkeit von Ereignissen; bedingte Wahrscheinlichkeit

Arbeitsblatt Gleichungen höheren Grades

Eindimensionale Zufallsvariablen

Vertiefung NWI: 8. Vorlesung zur Wahrscheinlichkeitstheorie

Vorkurs Mathematik 2016

Die Funktion f X;Y (x; y) := Pr[X = x; Y = y] heit gemeinsame Dichte der Zufallsvariablen X und Y. Aus der gemeinsamen Dichte f X;Y kann man ableiten

Statistik I für Betriebswirte Vorlesung 3

Mathematik für Naturwissenschaften, Teil 2

Sabrina Kallus, Eva Lotte Reinartz, André Salé

Übungsscheinklausur,

Beweis: Mit Hilfe des Satzes von der totalen Wahrscheinlichkeit folgt, dass

Lösen von Bruchgleichungen

Brüche, Polynome, Terme

Stochastik Aufgaben zum Üben: Teil 2

Transkript:

Ruhr-Universität Bochum Lehrstuhl für Kryptologie und IT-Sicherheit Prof Dr Alexander May M Ritzenhofen, M Mansour Al Sawadi, A Meurer Lösungsblatt zur Vorlesung Diskrete Mathematik WS 008/09 Blatt 4 / 03 Februar 009 AUFGABE : Sei a n die Anzahl der Wörter der Länge n aus den Buchstaben 0, und, in denen nie der Buchstabe 0 zweimal hintereinander vorkommt Bestimmen Sie a 00 Stellen Sie dazu die Erzeugende Funktion auf und bestimmen eine geschlossene Darstellung von a n Die Rekursionsgleichung, die die Anzahl der Wörter der Länge n oben gegebener Form beschreibt, sieht folgendermaßen aus: a n := a n + a n, n, wobei a 0 =, a = 3 Die Herleitung wurde in den Übungen besprochen) Verwenden der Rekursionsgleichung und der Anfangsbedingungen ergibt: a n x n + 3 a n x n = n a n x n + n = x a n x n + x a n x n + 3 n ) = x a n x n + x a n x n + 3 Einsetzen von Ax) = a nx n ergibt: Ax) = xax) x + x Ax) + 3 Ax) = x = px) qx)

Nun bestimmen wir die Nullstellen des Polynoms im Nenner Der einfachste Weg hierzu geht in diesem Fall über das reflektierte Polynom q R x) = x x Mit der pq-formel erhält man als Nullstellen x, = ± ) Daraus ergibt sich qx) = + 3)x) 3)x) Für die Partialbruchzerlegung ergibt sich daher der folgende Ansatz: x = A + 3)x + B 3)x Wir erweitern die Brüche auf der rechten Seite so, dass wir als Hauptnenner qx) erhalten Daraus ergibt sich die Gleichung: Einsetzen von x = 3+) ergibt Einsetzen von x = 3) ergibt = A 3)x) + B + 3)x) 3 + ) + = A 3) 3 + ) ) + 0B 3 + = A 3 A = 3 + 3 3) + = 0A + + 3) 3) )B 3 = B 3 B = 3 + 3 Einsetzen ergibt nun: x = 3 + 3 + 3)x + 3 + 3 3)x = 3 + 3 + 3) n x n + 3 + 3 3) n x n = 3 + 3 + 3) n + 3 + 3 ) 3) n x n Also gilt und damit a n = 3 + 3 + 3) n + 3 + 3 3) n a 00 = 3 + 3 + 3) 00 + 3 + 3 3) 00

Alternativ kann man auch die Nullstellen des eigentlichen Polynoms bestimmen Die Partialbruchzerlegung und die anschließende Umwandlung zu einer Reihe werden dadurch allerdings komplizierter Hier die Fortsetzung des Ansatzes aus der Mittwochsübung: Wir betrachten das Polynom qx) = x + x und erhalten mit der pq-formel als Nullstellen x, = ± 4 ) Daraus ergibt sich qx) = )+ 3 ) 3 ) Für die Partialbruchzerlegung ergibt sich daher der folgende Ansatz: ) x = A B + + 3 3 Wir erweitern die Brüche auf der rechten Seite so, dass wir als Hauptnenner qx) erhalten Daraus ergibt sich die Gleichung: Einsetzen von x = + 3 ergibt Einsetzen von x = + 3 ergibt = A 3 3 ) + B + 3 ) = A 3) + 0B A = 3 + 3 + 3 = 0A + B 3 3 + 3 B = Einsetzen ergibt nun: x = 3 + 3 + + 3 3 + 3 3 Um die Ausdrücke wieder in Reihendarstellung umwandeln zu können, werden die Nenner auf eine Form gebracht, dass die Formel für unendliche geometrische Reihen qn = q angewendet werden kann: x = 3 + 3 + 3 3 + 3 + + x + 3 + 3 x 3 = 3 + 3) 3) ) n ) ) + 3 x + 3 + 3) + 3) ) n ) ) 3 x = 3 + 3 3 + 3 = 3 ) n x n + 3 + 3 ) n 3 + 3 3 + + 3 + ) n 3 x n ) n ) x n

Also gilt und damit a n = 3 + 3 a 00 = 3 + 3 ) n 3 + 3 3 + + ) n 3 ) 00 3 + 3 3 + + 00 3) AUFGABE 3: Berechnen Sie die Partialbruchzerlegung von 9 45x 4x + 5x x 3 Um die Partialbruchzerlegung von px) qx) := 9 45x 4x + 5x x 3 zu bestimmen, berechnen wir zunächst die Faktorisierung von qx) Man sieht, dass q) = 0 ist, so dass wir eine Nullstelle direkt finden können Diese spalten wir durch Polynomdivision ab: x 3 +5x 4x +) : x ) = x + 3x x 3 +x ) +3x 4x +) +3x 3x) x +) x +) 0 Die Nullstellen von x +3x = )x 3x+ ) bestimmen wir mit Hilfe der pq-formel und erhalten: x, = 3 4 ± 9 = 3 4 ± 4 Daraus ergibt sich: qx) = )x )x ) = x) x)

Nun wird die Partialbruchzerlegung durchgeführt 9 45x 4x + 5x x 3 = A x + B x) + C x) Wir erweitern die Brüche auf der rechten Seite so, dass wir als Hauptnenner qx) erhalten Daraus ergibt sich die Gleichung: Einsetzen von x = ergibt Einsetzen von x = ergibt 9 45x = A x) + B x) + C x) x) 9 + 5 4 = A + 0B + 0C 4 A = 3 9 4 + 5 = 0A B + 0C B = 0 Einsetzen von A und B in die Originalgleichung ergibt Also gilt: 9 45x = 3 x + 3x + C 3x + x ) C = 9 45x 4x + 5x x 3 = 3 x + x) AUFGABE 4: Ein Maildienstanbieter untersucht die Effizienz seiner Spam-Regeln: Er geht davon aus, dass 40% des Mailverkehrs unerwünschte Werbemails sind Er weiß außerdem, dass sein Spamfilter Spam mit einer Wahrscheinlichkeit von 95% erkennt Leider klassifiziert der Filter auch 5% der erwünschten Emails als Spam Wie groß ist die Wahrscheinlichkeit, dass eine gelieferte Mail tatsächlich Spam ist, wenn der Spamfilter dies anzeigt? Seien S das Ereignis, dass eine Mail Spam ist, S das Ereignis, dass eine Mail kein Spam ist, E das Ereignis, dass eine Mail als Spam klassifiziert wird und Ē das Ereignis, dass eine Mail nicht als Spam klassifiziert wird Aus der Aufgabenstellung sind folgende Wahrscheinlichkeiten bekannt: P rs) = 5 P r S) = 3 5 P re S) = 9 0 P re S) = 0

Gesucht ist die Wahrscheinlichkeit P rs E) Dazu berechnen wir zunächst mit der Definition der bedingten Wahrscheinlichkeit: P re S) = P re S) P rs) = 9 50 P re S) = P re S) P r S) = 3 00 Daraus ergibt sich: P re) = P re S) + P re S) = 9 50 + 3 00 = 4 00 Nach dem Satz von Bayes gilt daher insgesamt: P rs E) = P re S) P re) = 9 50 4 00 = 38 4 Es sind also 38 4 97% der als Spam klassifizierten Mails tatsächlich Spam AUFGABE 5: Es wird mit einem Würfel geworfen a) Wie groß ist die erwartete Anzahl von Würfen, bis zum ersten Mal eine Zahl größer 4 geworfen wird? b) Wie groß ist die erwartete Augensumme aller Würfe nach k Würfen? Und wie groß die Varianz der Augensumme? a) X sei eine Zufallsvariable, die einen Wurf mit einem Würfel beschreibt Sie nimmt den Wert an, falls die geworfene Augenzahl echt größer als 4 ist, und den Wert 0 sonst Es gilt P rx = ) = und P rx = 0) = Der Erwartungswert von X ist 3 3 EX) = P rx = 0) 0 + P rx = ) = 3 Sei Y k eine Zufallsvariable, die k Würfe mit einem Würfel beschreibt, mit Y k = k i= X = kx Es ist EY k ) = EkX) = kex) = k 3 Gesucht ist der Wert k, so dass EY k ) gilt Also k k 3 Die erwartete 3 Anzahl an Würfen, bis ein Wert größer 4 geworfen wird, ist also 3 b) Sei nun Ω = {,, 3, 4, 5, } der betrachtete Wahrscheinlichkeitsraum und X eine Laplace-verteilte Zufallsvariable über Ω Sei Y k = k i= X eine Zufallsvariable, die die Augensumme nach k Würfen beschreibt

Dann gilt für die erwartete Augensumme: EY k ) = EkX) = kex) = k i= P rx = i) i) = k i= i) = k = 7k Um die Varianz zu bestimmen, bestimmen wir zunächst EYk ) Es ist EYk ) = Ek X ) = k EX ) = k i= P rx = i) i = k i= i) = 9k = 7k Daraus ergibt sich: V ary k ) = EY k ) EY k) = 9k 7k