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

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

Fit for Abi & Study Stochastik

Zusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen

Zufallsgröße X : Ω R X : ω Anzahl der geworfenen K`s

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

Wird ein Bernoulli- Versuch, bei dem die Trefferwahrscheinlichkeit p = 0,2 ist, n = 40 mal durchgeführt, dann erwarten wir im Mittel 8 Treffer.

Zufallsvariablen [random variable]

Programm. Wiederholung. Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung. Binomialverteilung. Hypergeometrische Verteilung

Woche 2: Zufallsvariablen

2 Zufallsvariable und Verteilungsfunktionen

Einführung in Quantitative Methoden

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


Veranstaltung: Statistik für das Lehramt Dozent: Martin Tautenhahn Referenten: Belinda Höher, Thomas Holub, Maria Böhm.

Grundlagen der Wahrscheinlichkeitstheorie

2.2 Binomialverteilung, Hypergeometrische Verteilung, Poissonverteilung

Wichtige Definitionen und Aussagen

SozialwissenschaftlerInnen II

Stochastik. 1. Wahrscheinlichkeitsräume

STATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik

Wahrscheinlichkeitsverteilungen

70 Wichtige kontinuierliche Verteilungen

1.5 Erwartungswert und Varianz

Zufallsgröße. Würfelwurf mit fairem Würfel. Wahrscheinlichkeitsverteilung einer diskreten

Willkommen zur Vorlesung Statistik (Master)

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

Willkommen zur Vorlesung Statistik (Master)

7.2 Moment und Varianz

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

1.5 Erwartungswert und Varianz

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

Universität Basel Wirtschaftswissenschaftliches Zentrum. Zufallsvariablen. Dr. Thomas Zehrt

Zufallsvariable: Verteilungen & Kennzahlen

Grundwissen zur Stochastik

Wahrscheinlichkeit (Teschl/Teschl 2, Kap. 26)

Zufallsgröße: X : Ω R mit X : ω Anzahl der geworfenen K`s

Zuverlässigkeitstheorie

Erwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung

Psychologische Methodenlehre und Statistik I

Kapitel VII - Funktion und Transformation von Zufallsvariablen

Wahrscheinlichkeit und Statistik: Zusammenfassung

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

Grundlagen der Stochastik

Wahrscheinlichkeitsrechnung und Statistik

Binomialverteilung. Statistik für SoziologInnen 1 Diskrete Verteilungsmodelle. Marcus Hudec

Wahrscheinlichkeitstheorie 2

Grundwissen Stochastik Leistungskurs 10. Februar 2008

Kapitel 12 Stetige Zufallsvariablen Dichtefunktion und Verteilungsfunktion. stetig. Verteilungsfunktion

Sabrina Kallus, Eva Lotte Reinartz, André Salé

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

Mathematik für Biologen

Wahrscheinlichkeitsrechnung und Quantentheorie

15.5 Stetige Zufallsvariablen

Statistik für Ingenieure Vorlesung 2

Zufallsgrößen. Vorlesung Statistik für KW Helmut Küchenhoff

Verteilung von Summen

Stochastik für die Naturwissenschaften

0, t 0,5

WAHRSCHEINLICHKEITSRECHNUNG

Modellanpassung und Parameterschätzung. A: Übungsaufgaben

Klausur vom

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

1 Dichte- und Verteilungsfunktion

Modelle diskreter Zufallsvariablen

1.3 Zufallsgrößen und Verteilungsfunktionen

Anliegen: Beschreibung von Versuchsergebnissen mit Zahlen, um mit Zahlen bzw. bekannten Funktionen rechnen zu können.

Abiturvorbereitung Mathematik Stochastik. Copyright 2013 Ralph Werner

Biostatistik, Winter 2011/12

3.3 Bedingte Wahrscheinlichkeit

Stochastik für die Naturwissenschaften

Box. Mathematik ZU DEN KERNCURRICULUM-LERNBEREICHEN:

Stetige Verteilungen Rechteckverteilung

Weihnachtszettel zur Vorlesung. Stochastik I. Wintersemester 2011/2012

5. Spezielle stetige Verteilungen

4. Gemeinsame Verteilung und Grenzwertsätze

4. Gemeinsame Verteilung und Grenzwertsätze

von x-würfeln bei wachsendem n? Zur Beantwortung führen wir ein Simulationsexperiment durch.

Exponentialverteilung

Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management

KATA LOGO Mathematik Statistik Wahrscheinlichkeitsverteilungen - Beispiele

Heute. Die Binomialverteilung. Poissonverteilung. Approximation der Binomialverteilung durch die Normalverteilung

1 Stochastische Konvergenz 2. 2 Das Gesetz der grossen Zahlen 4. 3 Der Satz von Bernoulli 6

Basistext - Wahrscheinlichkeitsrechnung

Ist P(T) = p die Trefferwahrscheinlichkeit eines Bernoulli-Experiments,

2 Zufallsvariable, Verteilungen, Erwartungswert

Zentraler Grenzwertsatz

Kapitel 12 Stetige Zufallsvariablen Dichtefunktion und Verteilungsfunktion. stetig. Verteilungsfunktion

Die Varianz (Streuung) Definition

Informatik II Grundbegriffe der Wahrscheinlichkeitsrechnung

Kapitel 5. Stochastik

Mathematik für Naturwissenschaften, Teil 2

4.4 Punktschätzung. E(X 1 )+ +E(X n ) Var(ˆµ) = 1 n 2 ( Var(X1 )+ +Var(X n ) ) = 1 n 2nσ2 = σ2

Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management

Informatik II Grundbegriffe der Wahrscheinlichkeitsrechnung

von x-würfeln bei wachsendem n? Zur Beantwortung führen wir ein Simulationsexperiment durch.

Mathematik: LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 12. Erwartungswert, Varianz und Standardabweichung

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

Statistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management

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

Kapitel 10 VERTEILUNGEN

Transkript:

Abiturvorbereitung Stochastik neue friedländer gesamtschule Klasse 12 GB 24.02.2014 Holger Wuschke B.Sc. Siedler von Catan, Rühlow 2014

Organisatorisches

0. Begriffe in der Stochastik (1) Ein Zufallsexperiment ist ein Vorgang, dessen Ausgang ungewiss ist. (2) Das (Versuchs-)Ergebnis ist das Resultat bzw. der Ausgang eines Zufallsexperimentes. (3) Die Menge aller möglichen Ergebnisse wird als Ergebnisraum Ω bezeichnet.

0. Begriffe in der Stochastik (4) Jedem Ergebnis wird eine Zahl zwischen 0 und 1 zugeordnet, die als Wahrscheinlichkeit bezeichnet wird, wobei alle Wahrscheinlichkeiten zusammen 1 ergeben. Symbolisch: P(E) = a, 0 a 1 (5) Ein (Versuchs-)Ereignis ist eine Zusammenfassung von (mehreren) möglichen Ergebnisse zu einem Ganzen. Damit sind Ereignisse also auch ein Teil des Ergebnisraumes.

0. Begriffe in der Stochastik (6) Bernoulli-Experiment Als Bernoulli-Experiment bezeichnet man ein Zufallsexperiment, bei dem sich genau zwei Elemente in der Ergebnismenge befinden. (7) Bernoulli-Kette Wiederholte Durchführung eines Bernoulli-Experimentes, die Wahrscheinlichkeiten bleiben unverändert. Benannt nach Jakob Bernoulli (1654-1705), schweizer Mathematiker.

(1) Eine Funktion X, die jedem Ergebnis eines Zufallsversuches eine reelle Zahl zuordnet, heißt Zufallsgröße. Eine Zufallsgröße heißt: stetig, wenn sie alle möglichen reellen Zahlen als Wert annehmen kann (z.b. auf ein Intervall abbildet). diskret, wenn sie nur endlich viele (meist runde ) Werte annehmen kann.

(2) (Wahrscheinlichkeits-)Verteilung Die Verteilung ist eine Funktion, die jedem Wert einer Zufallsgröße ihre Wahrscheinlichkeit zuordnet. Die Summe aller dieser Wahrscheinlichkeiten ist 1. Sie heißt: Symbolisch: P(X = k) = a, 0 a 1 - Wahrscheinlichkeitsfunktion bei diskreten Zufallsgrößen - Dichtefunktion bei stetigen Zufallsgrößen

Abitur M-V 2010

Zum Beispiel: Augensumme beim zweimaligen Würfeln W2 W1 1 2 3 4 5 6 1 2 3 4 5 6 7 2 3 4 5 6 7 8 3 4 5 6 7 8 9 4 5 6 7 8 9 10 5 6 7 8 9 10 11 6 7 8 9 10 11 12

Zum Beispiel: Augensumme beim zweimaligen Würfeln k 2 3 4 5 6 7 8 9 10 11 12 P(X=k) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36 Wertetabelle (oben) Histogramm (links) Balkendiagramm (rechts) Beides sind Wahrscheinlichkeitsfunktionen

(3) Erwartungswert einer Zufallsgröße Eine Zufallsgröße X nehme die Werte k 1, k 2,, k n mit den Wahrscheinlichkeiten P(X = k 1 ),, P(X = k n ) an. Dann wird der zu erwartende Mittelwert der Verteilung als Erwartungswert der Zufallsgröße bezeichnet. Symbolisch: E(X), μ (lies: mü ), x n Es gilt: μ = E X = ki P(X = ki) i=1 Bemerkungen: i. Der Erwartungswert wird fast genauso berechnet, wie das arithmetische Mittel (der Durchschnitt). ii. Ein Spiel (um Geld) wird als fair bezeichnet, wenn der Erwartungswert des Gewinns 0 ist.

D. h. beim zweimaligen Würfeln: E X 1 = 2 36 + 3 2 36 + 4 3 36 + 5 4 36 + 6 5 36 + 7 6 36 + 8 5 36 4 + 9 36 + 10 3 36 + 11 2 36 + 12 1 36 = 7

(4) Varianz einer Zufallsgröße Die Varianz misst, wie sehr die Zufallsgröße von ihrem Erwartungswert abweicht. Symbolisch: V(X), Var(X), σ² x oder σ² n i=1 Es gilt: Var X = σ² x = (ki μ)² P(X = ki) D.h. beim Würfeln: V X = 2 7 2 1 36 + 3 7 2 + 8 7 ² 2 36 + 4 7 2 3 36 + 5 7 2 4 36 + 6 7 2 5 36 + 7 7 2 5 36 + (9 7)² 4 36 + (10 7)² 3 36 + (11 7)² 2 36 + (12 7)² 1 36 6 36

V X = 35 = 8, 3 Die Zufallsgrößen liegen im 6 Bereich 7 ± 8,3

(5) Standardabweichung einer Zufallsgröße Die Standardabweichung gibt den Bereich der häufigsten Werte um den Erwartungswert an. Symbolisch: σ x oder σ Es gilt: σ = Var(X)

D.h. beim Würfeln: σ = 35 6 Werte ist 7±2,42 = 2,42 Der Bereich der häufigsten

(6) Normalverteilung von Zufallsgrößen Eine Normalverteilung (Gauss-Verteilung) einer stetigen Zufallsgröße X liegt vor, wenn für deren Dichtefunktion f(x) gilt: f x = 1 2πσ² e 1 2 x μ σ ² Für μ = 0 und σ = 1 heißt sie Standardnormalverteilung. Benannt nach dem Mathematiker, Geodät, Physiker und Astronom Carl Friedrich Gauß (1777-1855), der sie im Zusammenhang mit der Fehlerrechnung entdeckte.

http://www.geogebra.org/de/upload/files/dynamische_arbeitsblaetter/lwolf/binomialnormalverteilung/grenzwertsatz.html, zuletzt abgerufen am 20.02.14 um 19:24.

Eigenschaften der Dichtefunktion/Normalverteilung: Maximum bei x = μ Symmetrieachse bei x = μ f x dx = 1 0 f x 1, für alle x R

Aus: Vorlesung Wahrscheinlichkeitslehre und Statistik von Prof. Dr. Thomas Adamek, Universität Stuttgart

http://commons.wikimedia.org/wiki/file:standard_deviation_diagram.svg, zuletzt abgerufen am 20.02.14 um 18:51

2. Binomialverteilung (1) Eine Zufallsgröße X mit der Wertemenge {k k = 1,2,, n} heißt binomialverteilt genau dann, wenn für die Wahrscheinlichkeit gilt: P X = k = n k pk 1 p n k Wobei p die Wahrscheinlichkeit eines Treffers ist. Symbolisch: B n;p (k) oder P(X=k)