Lösungsskizzen zur Präsenzübung 04

Ähnliche Dokumente
Lösungsskizzen zur Präsenzübung 03

Lösungsskizzen zur Präsenzübung 02

Lösungsskizzen zur Präsenzübung 01

Lösungsskizzen zur Präsenzübung 08

Lösungsskizzen zur Präsenzübung 11

Lösungsskizzen zur Präsenzübung 09

Lösungsskizzen zur Präsenzübung 07

Lösungsskizzen zur Präsenzübung 03

Lösungsskizzen zur Präsenzübung 05

Lösungsskizzen zur Präsenzübung 02

Teil II. Wahrscheinlichkeitsrechnung

Teil II. Wahrscheinlichkeitsrechnung. Deskriptive Statistik und Wahrscheinlichkeitsrechnung (SS 2015) Folie 129

Teil II. Wahrscheinlichkeitsrechnung. Inhaltsverzeichnis (Ausschnitt) Zufallsexperimente (Zufallsvorgänge) Ergebnisse

Lösungsskizzen zur Präsenzübung 04

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 1

Wahrscheinlichkeitsrechnung und Statistik

Kapitel 2. Wahrscheinlichkeit (wird heute behandelt) Kapitel 2. Wahrscheinlichkeit

Unabhängigkeit KAPITEL 4

Kapitel 5 Stochastische Unabhängigkeit

2 Zufallsvariable und Verteilungsfunktionen

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 2

TU DORTMUND Sommersemester 2018

Übungen zur Wahrscheinlichkeitstheorie und Statistik

Kapitel N. Wahrscheinlichkeitsrechnung

Beispielaufgaben rund um Taylor

Kapitel 2 Wahrscheinlichkeitsrechnung

Kapitel II - Wahrscheinlichkeitsraum

Satz 18 (Satz von der totalen Wahrscheinlichkeit)

KAPITEL 5. Erwartungswert

Mathematik für Biologen

Mustererkennung: Wahrscheinlichkeitstheorie. D. Schlesinger () ME: Wahrscheinlichkeitstheorie 1 / 10

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 3

Klausur: Diskrete Strukturen I

DIE SPRACHE DER WAHRSCHEINLICHKEITEN

UE Statistik 1, SS 2015, letztes Update am 5. März Übungsbeispiele

4. Die Laplacesche Gleichverteilung

Lösungen zum Übungsblatt 7

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16

2.2 Ereignisse und deren Wahrscheinlichkeit

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Thema: Wahrscheinlichkeit. Übungsklausur Wahrscheinlichkeit und Regression

Kapitel II - Wahrscheinlichkeitsraum

Zusammenhang von Stetigkeit, Differenzierbarkeit und stetiger Differenzierbarkeit

Satz 16 (Multiplikationssatz)

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 4

= 7! = 6! = 0, 00612,

Klausur: Diskrete Strukturen I

Vorkurs Mathematik. Christoph Hindermann. Wahrscheinlichkeitstheorie

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier

Stochastik Grundlagen

2 Ereignisse. Für Ereignisse A und B kann durch Bildung des Durchschnitts (engl.: intersection) A B := {ω Ω : ω A oder ω B}

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

STOCHASTISCHE UNABHÄNGIGKEIT. Annika Pohlmann Philipp Oel Wilhelm Dück

Mathematische und statistische Methoden für Pharmazeuten

Wahrscheinlichkeitstheorie und Maßtheorie

Mathematische und statistische Methoden II

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende

Kapitel 6. Kapitel 6 Mehrstufige Zufallsexperimente

Modelle für Vorgänge mit zufälligem Ergebnis und Kombinatorik

5 Elementare Wahrscheinlichkeitsanalyse Lösungshinweise

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

Universität Basel Wirtschaftswissenschaftliches Zentrum. Zufallsvariablen. Dr. Thomas Zehrt

Stochastik I. Vorlesungsmitschrift

Informatik II Grundbegriffe der Wahrscheinlichkeitsrechnung

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

Zufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen

Informatik II Grundbegriffe der Wahrscheinlichkeitsrechnung

Das Ziegenproblem. Nils Schwinning und Christian Schöler Juni 2010

Mathematik für Biologen

Wahrscheinlichkeit (Teschl/Teschl 2, Kap. 26)

Biostatistik, Winter 2011/12

Zufallsvariable, Verteilung, Verteilungsfunktion

Grundbegriffe der Wahrscheinlichkeitstheorie

D-MATH Mass und Integral FS 2018 Prof. Dr. Urs Lang. Lösung - Serie 2. + A k = A c k Ac k 0

3. Kombinatorik und Wahrscheinlichkeit

Kapitel 2. Zufällige Versuche und zufällige Ereignisse. 2.1 Zufällige Versuche

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18

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

Grundlagen der Wahrscheinlichkeitstheorie

Wahrscheinlichkeitsrechnung [probability]

Diskrete Strukturen WiSe 2012/13 in Trier

Dr. H. Grunert Einführung in die Wahrscheinlichkeitsrechnung Vorlesungscharts. Vorlesung 1. Grundbegriffe der Wahrscheinlichkeitsrechnung

Stochastische Unabhängigkeit. 01. Dezember 2014

Lösungsskizzen zur Präsenzübung 06

Einführung in die Stochastik 6. Übungsblatt

1. Grundlagen der Wahrscheinlichkeitsrechnung

1 Elementare Wahrscheinlichkeitstheorie

1. Grundlagen. R. Albers, M. Yannik Skript zur Vorlesung Stochastik (Elementarmathematik)

Grundbegriffe der Wahrscheinlichkeitsrechnung

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

Diskrete Strukturen. Sebastian Thomas RWTH Aachen 1. Februar 2017 Vorlesung 21

Grundbegriffe der Wahrscheinlichkeitstheorie. Karin Haenelt

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende

Einführung in die Wahrscheinlichkeitsrechnung

9. Elementare Wahrscheinlichkeitsrechnung

Mathematische Grundlagen der Computerlinguistik

Diskrete Strukturen I

Transkript:

Lösungsskizzen zur Präsenzübung 04 Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 2015/2016 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 23. November 2015 von: Mirko Getzin E-Mail: mirko.getzin@uni-bielefeld.de Homepage: https://www.math.uni-bielefeld.de/~mgetzin/ Tutor zur Vorlesung Anwendungen der Mathematik im Wintersemester 2015/2016. Keine Gewähr auf vollständige Richtigkeit und Präzision aller (mathematischen) Aussagen. Das Dokument hat lediglich den Anspruch, eine Hilfestellung beim Verständnis der Vorlesungsinhalte darzustellen und Lösungsideen für die Aufgaben möglichst vollständig (bis auf Ausnahmen) zu skizzieren. Eine Veröffentlichung oder Vervielfältigung ist nur nach Rücksprache mit dem Urheber dieses Dokuments erlaubt. Angehängt befindet sich das Aufgabenblatt, sowie der pdf-ausdruck von verwendeten Tabellenblättern. Die Tabellenblätter sind im ods-format auf der unten angegebenen Homepage zu finden. 1

Lösungsskizzen Lösung zur Aufgabe 1. a) In diesem Aufgabenteil sind drei Ereignisse A, B, C gegeben und wir wollen mit Hilfe von Mengenoperationen weitere Ereignisse ausdrücken. (i) A und B treten ein ω A B (ii) A und B treten nicht ein, C tritt aber ein ω (A B) c C (iii) Keines der Ereignisse tritt ein ω (A B C) c (iv) Entweder A oder B tritt ein ω A B = (A B) \ (A B) = (A \ B) (B \ A) b) Wir zeigen die Mengenidentitäten per vollständiger Fallunterscheidung. Hierzu nutzen wir die Analogie der Mengenlehre zur Aussagenlogik, indem wir Wahrheitstafeln zur Findung und Überprüfung aller Fälle verwenden. (i) Wir zeigen die DeMorgansche Regel (A B) c = A c B c. Die Wahrheitstafel deckt hierzu alle vier möglichen Fälle bei zwei beteiligten Ereignissen ab. Tab. 0.1: Wahrheitstabelle zur ersten Mengenidentität. A B A B (A B) c A c B c A c B c w w w f f f f w f w f f w f f w w f w f f f f f w w w w (ii) Wir zeigen, dass eine Vereinigung mit einem Komplement überflüssig ist, wenn danach ein Mengenschnitt mit der Ausgangsmenge des Komplements durchgeführt wird. Also zeigen wir (A B c ) B = A B. Die Wahrheitstafel deckt hierzu alle vier möglichen Fälle bei zwei beteiligten Ereignissen ab. 2

Tab. 0.2: Wahrheitstabelle zur zweiten Mengenidentität. A B B c A B c (A B c ) B A B w w f w w w w f w w f f f w f f f f f f w w f f (iii) Wir zeigen eines der beiden Distributivgesetze für die Mengenvereinigung und den Mengenschnitt, nämlich A (B C) = (A B) (A C). Die Wahrheitstafel deckt hierzu alle acht möglichen Fälle bei drei beteiligten Ereignissen ab. Tab. 0.3: Wahrheitstabelle zur dritten Mengenidentität. A B C B C A (B C) A B A C (A B) (A C) w w w w w w w w w f w f w w w w f w w w w w w w f f w f f f w f w w f f w w w w w f f f w w w w f w f f f w f f f f f f f f f f Lösung zur Aufgabe 2. Die Beweise der Aufgabe 2 wurden alle in der Vorlesung durchgeführt. Schaut euch die Beweise nochmal in Ruhe an, da sie relativ kurz sind und auch im Hinblick auf die Klausur schöne Reproduktionsaufgaben darstellen. 3

Relevante Sachzusammenhänge Bei der Bearbeitung dieses Aufgabenblattes sind folgende Definitionen, Sätze und Formeln relevant. Einige der folgenden Inhalte müssen nicht bei der Bearbeitung der Aufgaben verwendet werden, jedoch erleichtern sie das Bearbeiten unter Umständen. Definition 0.1 (Wahrscheinlichkeitsraum). Als Wahrscheinlichkeitsraum (Ω, A, P) bezeichnen wir ein Tripel aus einer Ergebnismenge Ω, einer σ-algebra A auf Ω und einem Wahrscheinlichkeitsmaß P : A [0, 1]. Er bildet eine Erweiterung des Zufallsexperiments, indem die Betrachtung von Ereignissen zusätzlich ermöglicht wird. Erinnerung 0.2. Ereignisse sind Mengen von Ergebnissen. Das heißt ein Ereignis A ist Teilmenge von Ω, wir schreiben A Ω. Ein Ergebnis ω hingegen ist Element von Ω, wir schreiben ω Ω. Entsprechend ist die Wahrscheinlichkeitsdichte p : Ω [0, 1] eine Abbildung, welche Ergebnisse abbildet. Dahingegen ist P : A [0, 1] eine Abbildung von Ereignissen. Wir betrachten zunächst als Wahrscheinlichkeitsmaß die Summe aller Wahrscheinlichkeitsdichten, welche für ein Ereignis A A in Frage kommen. Wir erhalten P(A) := p(ω) A A. (0.1) ω A Beispiel 0.3 (Der einfache, faire Würfelwurf). Gegeben sei ein fairer, sechsseitiger Würfel. Wir betrachten das Zufallsexperiment (Ω, p mit Ω := {1, 2, 3, 4, 5, 6} und p : Ω [0, 1], p(ω) := 1 ω Ω. Es beschreibt den Wurf dieses 6 Würfels, so dass alle Augenzahlen mit gleicher Wahrscheinlichkeit auftreten. Zusammen mit der σ-algebra A := P (Ω) und dem Wahrscheinlichkeitsmaß P wie in Gleichung (0.1) erhalten wir den Wahrscheinlichkeitsraum (Ω, A, P). Wir definieren Ereignisse A := {2, 4, 6} und B := {1, 3, 5}. Dann ist A das Ereignis, eine gerade Zahl zu würfel und B das Komplementärereignis, also jenes Ereignis eine ungerade Zahl zu würfeln. Wir berechnen P(A) = p(ω) = 1+ 1+ 1 = 1. Für B erhalten wir dieselbe Wahrscheinlichkeit. 6 6 6 2 ω A 4

Universität Bielefeld Wintersemester 2015/16 G. Elsner Präsenzübungen zur Vorlesung Anwendungen der Mathematik Blatt 4 Aufgabe 1 a) Gegeben sind die Ereignisse A, B und C. Beschreiben Sie die folgenden Ereignisse mithilfe mengentheoretischer Operationen. (i) A und B treten ein. (ii) A und B treten nicht ein, C tritt aber einnicht. (iii) Keines der drei Ereignisse tritt ein. (iv) Entweder A oder B tritt ein. b) Beweisen Sie die folgenden Behauptungen mit vollständiger Fallunterscheidung: (i) (A B) c = A c B c. (ii) ( A B c) B = A B. (iii) A (B C) = ( A B ) ( A C ) Aufgabe 2 Wiederholen Sie den Begriff des Wahrscheinlichkeitsraums, arbeiten Sie die Beweise der folgenden Behauptungen (aus der Vorlesung) erneut durch und stellen Sie sich die Beweise in Zweieroder Dreiergruppen gegenseitig mit allen Erläuterungen vor. Diskutieren Sie offene Fragen im Plenum. (1) P ( ) = 0 (2) Endliche Additivität: Für paarweise disjunkte Ereignisse A 1, A 2,...A n A gilt: ( n ) n P A k = P (A k ) k=1 (3) Für alle A A gilt: P (A C ) = 1 P (A) (4) Für alle A, B A gilt: P (B \ A) = P (B) P (A) k=1 (5) Für alle A, B A gilt: P (A B) = P (A) + P (B) P (A B) (6) Für alle A, B A gilt: A B P (A) P (B) 5