Übungsblatt 7 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker

Ähnliche Dokumente
Übungsblatt 6 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker

TU DORTMUND Sommersemester 2018

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

Einführung in die Wahrscheinlichkeitsrechnung

8 Verteilungsfunktionen und Dichten

Biostatistik, Sommer 2017

KAPITEL 5. Erwartungswert

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

Woche 2: Zufallsvariablen

2 Zufallsvariable und Verteilungsfunktionen

Informatik II Grundbegriffe der Wahrscheinlichkeitsrechnung

Vorbereitung Blatt 13: Gleichverteilung auf [0, 1]

Informatik II Grundbegriffe der Wahrscheinlichkeitsrechnung

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

Übungsaufgaben, Statistik 1

Stochastik Klasse 10 Zufallszahlen

Universität Basel Wirtschaftswissenschaftliches Zentrum. Zufallsvariablen. Dr. Thomas Zehrt

Zufallsgröße. Würfelwurf mit fairem Würfel. Wahrscheinlichkeitsverteilung einer diskreten

Zufallsvariablen [random variable]

Biostatistik, Winter 2011/12

4. Schularbeit/7C/2-stündig Schularbeit. 7C am

9 Erwartungswert, Varianz und Standardabweichung einer Zufallsgröÿe

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

WS 2014/15. (d) Bestimmen Sie die Wahrscheinlichkeitsfunktion von X. (e) Bestimmen Sie nun den Erwartungswert und die Varianz von X.

Kapitel 8: Zufallsvektoren

Übung Zeigen Sie, dass dies als Grenzwert der Wahrscheinlichkeitsfunktion der Binomialverteilung mit

Vorlesung 8b. Zweistufige Zufallsexperimente. Teil 1

Psychologische Methodenlehre und Statistik I

Laplace und Gleichverteilung

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren

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

Übungsscheinklausur,

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

Übungen mit dem Applet Zentraler Grenzwertsatz

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

Zuverlässigkeitstheorie

Übungen zu Wahrscheinlichkeitstheorie Judith Kloas, Wolfgang Woess, Jonas Ziefle SS 2016

Übung zur Vorlesung Statistik I WS Übungsblatt 12

Statistik Übungen SS 2018

Fit for Abi & Study Stochastik

Gemeinsame Wahrscheinlichkeitsverteilungen

Statistik Übungen WS 2017/18

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

Wiederholungsklausur DWT

Berechnung von W für die Elementarereignisse einer Zufallsgröße

Statistik Übungen SS 2017

Klausur zur Vorlesung Statistik für BWL Name Vorname Matrikelnr.

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13

Statistik Übungen WS 2016

Unabhängigkeit KAPITEL 4

BSZ für Bau- und Oberflächentechnik des Landkreises Zwickau Außenstelle Limbach-Oberfrohna STOCHASTIK

Beispiele: Beim Zahlenlotto sollte jede Sechserserie von Zahlen mit derselben Wahrscheinlichkeit auftreten.

4 Diskrete Wahrscheinlichkeitsverteilungen

3.3 Bedingte Wahrscheinlichkeit

Institut für Stochastik, SoSe K L A U S U R , 13:

Zufallsgrößen. Vorlesung Statistik für KW Helmut Küchenhoff

Mathematik 31 Wahrscheinlichkeit 01 Name: Vorname: Datum:

Modelle diskreter Zufallsvariablen

Mathematik 3 für Informatik

Wahrscheinlichkeitsrechnung für die Mittelstufe

Name, Klasse, Jahr Schwierigkeit Mathematisches Thema Anna Lena Frtunic, EF, 14/15 x Erwartungswert

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

Eindimensionale Zufallsvariablen

KOMPETENZHEFT ZUR STOCHASTIK II

Interaktives Skriptum: Elementare Wahrscheinlichkeitsrechnung

Bei 10 dieser Würfe wurde gleichzeitig eine 1 gewürfelt. Bei 25 dieser Würfe wurde gleichzeitig eine Augenzahl größer als 2 gewürfelt.

Stetige Verteilungen Rechteckverteilung

Discrete Probability - Übungen (SS5) Wahrscheinlichkeitstheorie. 1. KR, Abschnitt 6.1, Aufgabe 5: 2. KR, Abschnitt 6.1, Aufgabe 7:

Klausur vom

UE Statistik I für VWL, WS 05/06

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

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

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

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

Zufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen

Einführung in die Stochastik für Informatiker Übungsaufgaben mit Lösungen

Aufgabe 3 Was ist der Erwartungswert der größten gezogenen Zahl M beim Zahlenlotto 6 aus 49 (ohne Zusatzzahl)?

Aufgaben zu Kapitel 38

Propädeutikum Wahrscheinlichkeitsrechnung

D-ITET Wahrscheinlichkeitstheorie und Statistik FS 2017 Prof. P. Nolin. Serie 11

Lösungen zu Übungsaufgaben Blatt 9

Aufgabe A1 Ein Glücksrad hat vier Sektoren, wovon die ersten beiden die Winkelgröße 60 haben. Für die Winkelgrößen und des dritten und vierten Sektors

Wahrscheinlichkeiten mit Flächenbildern und Baumdiagrammen bestimmen

Kapitel 5 Stochastische Unabhängigkeit

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

Wahrscheinlichkeitsrechnung und Quantentheorie


2.2 Binomialverteilung, Hypergeometrische Verteilung, Poissonverteilung

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

Basistext - Wahrscheinlichkeitsrechnung

Sabrina Kallus, Eva Lotte Reinartz, André Salé

Stochastik (Laplace-Formel)

Wahrscheinlichkeit und Statistik BSc D-INFK

Aufgaben zum Wahrscheinlichkeitsrechnen

Zentralübung Diskrete Wahrscheinlichkeitstheorie

Wie hoch ist der zu erwartende Gewinnausschüttung des Anbieters des Glücksspiels pro Spiel? (Erwartungswert)

Konzept diskreter Zufallsvariablen

Satz 16 (Multiplikationssatz)

Beispiel: Zufallsvariable

Auf dem Schulfest bietet Peter als Spielleiter das Glücksspiel "GlücksPasch" an.

Transkript:

Aufgabe Aufgabe 2 Übungsblatt 7 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker.2.202

Aufgabe Aufgabe 2 Bei einem Zufallsexperiment werden zwei Würfel geworfen und die Augensumme das Maximum der beiden gewürfelten Augenzahlen bestimmt. a) Wie sehen Zähldichte bzw. Verteilungsfunktion von Augensumme und Maximum der Augenzahlen für zwei faire, sechsseitige Würfel aus? b) Wie groß ist im in a) geschilderten Fall die W keit für einen Pasch? Wie groß ist die W keit für eine Augensumme >? c) Wie sehen Zähldichte und Verteilungsfunktion für vier- bzw. n-seitige Würfel aus? d) Bestimmen Sie die Zähldichte für den Fall, dass die verwendeten Würfel vier Seiten haben, die Würfel aber insofern nicht mehr fair sind, als dass die W keiten für eine oder doppelt so hoch sind wie für eine 2 oder.

Aufgabe Aufgabe 2 a) Beim Wurf von zwei sechsseitigen Würfeln sind 2 = Kombinationen möglich: Summe Maximum Summe Maximum Summe Maximum (,) 2 (,2) 2 (,) (,) 5 (,5) 5 (,) 7 (2,) 2 (2,2) 2 (2,) 5 (2,) (2,5) 7 5 (2,) 8 (,) (,2) 5 (,) (,) 7 (,5) 8 5 (,) 9 (,) 5 (,2) (,) 7 (,) 8 (,5) 9 5 (,) 0 (5,) 5 (5,2) 7 5 (5,) 8 5 (5,) 9 5 (5,5) 0 5 (5,) (,) 7 (,2) 8 (,) 9 (,) 0 (,5) (,) 2 Daraus ergeben sich für p(x) und F (x): Summe 2 5 7 8 9 0 2 F (x) = P(X x) 2 0 5 5 2 5 2 0 2 5

Aufgabe Aufgabe 2 a) Beim Wurf von zwei sechsseitigen Würfeln sind 2 = Kombinationen möglich: Summe Maximum Summe Maximum Summe Maximum (,) 2 (,2) 2 (,) (,) 5 (,5) 5 (,) 7 (2,) 2 (2,2) 2 (2,) 5 (2,) (2,5) 7 5 (2,) 8 (,) (,2) 5 (,) (,) 7 (,5) 8 5 (,) 9 (,) 5 (,2) (,) 7 (,) 8 (,5) 9 5 (,) 0 (5,) 5 (5,2) 7 5 (5,) 8 5 (5,) 9 5 (5,5) 0 5 (5,) (,) 7 (,2) 8 (,) 9 (,) 0 (,5) (,) 2 Daraus ergeben sich für p(x) und F (x): Maximum 2 5 F (x) = P(X x) 5 9 7 9 25

Aufgabe Aufgabe 2 b) Es gibt genau sechs Paschkombinationen: (,), (2,2), (,), (,), (5,5), (,) Die Wahrscheinlichkeit für einen Pasch beträgt daher =. Die Wahrscheinlichkeit für eine Augensumme größer, lässt sich an der Verteilungsfunktion ablesen: Summe 2 5 7 8 9 0 2 F (x) = P(X x) Es gilt: 0 5 2 2 0 P(X > ) = P(X ) = 5 = 2 = 7 2 5

Aufgabe Aufgabe 2 c) Wenn die Würfel vier statt sechs Seiten haben, gibt es nur die folgenden 2 = Kombinationen: Summe Maximum Summe Maximum Summe Maximum (,) 2 (,2) 2 (,) (,) 5 (2,) 2 (2,2) 2 (2,) 5 (2,) (,) (,2) 5 (,) (,) 7 (,) 5 (,2) (,) 7 (,) 8 Daraus ergeben sich für p(x) und F (x): Summe 2 5 7 8 F (x) = P(X x) 2 0 Maximum 2 F (x) = P(X x) 5 7 9 2 5

Aufgabe Aufgabe 2 c) Wie sieht es allgemein für n-seitige Würfel aus? (, ) (, 2) (2, ) (, ) (2, 2) (, )...... (, n) (2, n ) (, n 2)... (n, ) (2, n) (, n )... (n, 2) (, n)........ (n, n) Summe 2... n n+ n+2... 2n 2 n n 2 n... 2 n 2 n n 2 n n 2... n 2

Aufgabe Aufgabe 2 c) Wie sieht es allgemein für n-seitige Würfel aus? (, ) (2, ) (, )... (k, )... (n, ) (, 2) (2, 2) (, 2)... (k, 2)... (n, 2) (, ) (2, ) (, )... (k, )... (n, )........... (, k) (2, k) (, k)... (k, k)... (n, k)......... (, n) (2, n) (, n)... (k, n)... (n, n) Maximum 2... k... n 9 k F (x) = P(X x) n 2 n 2 n... 2 2 n... 2 5 2k 2n n 2 n 2 n... 2 n... 2 n 2

Aufgabe Aufgabe 2 d) Unfairer vierseitiger Würfel: W keit für oder doppelt so hoch wie für 2 oder. Es gibt wieder Fälle, diese sind hier jedoch nicht gleichwahrscheinlich! Eine mögliche Lösung: Betrachte fairen sechsseitigen Würfel. 2 5 Wird eine 5 geworfen, so werte dies als ; eine analog als 2. 2 2 2

Aufgabe Aufgabe 2 d) Aus den 2 = Kombinationen wird also: Summe Maximum Summe Maximum Summe Maximum (,) 2 (,2) 2 (,) (,) 5 (,) 2 (,) 5 (2,) 2 (2,2) 2 (2,) 5 (2,) (2,) 2 (2,) (,) (,2) 5 (,) (,) 7 (,) (,) 7 (,) 5 (,2) (,) 7 (,) 8 (,) 5 (,) 8 (,) 2 (,2) 2 (,) (,) 5 (,) 2 (,) 5 (,) 5 (,2) (,) 7 (,) 8 (,) 5 (,) 8 Daraus ergeben sich für p(x) und F (x): Summe 2 5 7 8 5 0 5 Maximum 2 Die Paschchance beträgt hier übrigens 0. 5 7 20

Aufgabe Aufgabe 2 Die Verteilung einer Zufallsvariablen X habe die folgende Dichte: f (x) = { c x 2 ( x) falls 0 x 0 sonst a) Bestimmen Sie die Konstante c. b) Berechnen Sie die Verteilungsfunktion von X. c) Wie groß sind die folgenden Wahrscheinlichkeiten? P(X > 0.5) P(X 0.5) P( X 2 ) P(X 5)

Aufgabe Aufgabe 2 a) Was muss die Konstante c erfüllen, damit es sich bei f (x) wirklich um eine Dichtefunktion handelt? Das Integral + f (t)dt muss den Wert annehmen. + f (t)dt = 0 f (t)dt + 0 f (t)dt + + f (t)dt = 0 + 0 f (t)dt + 0 = 0 f (t)dt = 0 c t2 ( t)dt = 0 c (t2 t )dt = c 0 (t2 t )dt = c = c ( ) = c 2 [ t t] Damit diese Forderung erfüllt ist, muss c also den Wert 2 haben. 0

Aufgabe Aufgabe 2 b) Die Verteilungsfunktion einer Zufallsvariablen ergibt sich über: F (x) = x f (t)dt Für x < 0 ist F (x) gleich Null, da hier die Dichtefunktion überall gleich Null ist. Für x > ist F (x) gleich Eins. Den Bereich dazwischen hatten wir in a) schon untersucht: x 0 f (t) dt = 2 [ t t] x 0 = x x Wir erhalten zusammengenommen also: F (x) = 0 falls x < 0 x x falls 0 x falls x >

Aufgabe Aufgabe 2 c) Wie groß sind die folgenden Wahrscheinlichkeiten? P(X > 0.5) P(X 0.5) P( X 2 ) P(X 5) P(X > 0.5) = P(X 0.5) = F (0.5) = ( 2 ) + ( 2 ) = P(X 0.5) = P(X > 0.5) + P(X = 0.5) = + 0 = P( X 2 ) = P( < X 2 ) = F ( 2 ) F ( ) P(X 5) = = ( 8 27 8 ) ( 27 8 ) = 28 27 5 8 = 9 8