Aufgabe Punkte

Ähnliche Dokumente
Übungen zur Mathematik für Pharmazeuten

Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung

Stochastische Eingangsprüfung,

Monte-Carlo Simulation

Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik

Statistische Thermodynamik I Lösungen zur Serie 1

Klausur Nr. 1. Wahrscheinlichkeitsrechnung. Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt.

Bei vielen Zufallsexperimenten interessiert man sich lediglich für das Eintreten bzw. das Nichteintreten eines bestimmten Ereignisses.

q = 1 p = k k k = 0, 1,..., = [ ] = 0.678

Füllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = ,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge

Übungsrunde 7, Gruppe 2 LVA , Übungsrunde 7, Gruppe 2, Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 11/2006

Ausarbeitung des Seminarvortrags zum Thema

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft

13.5 Der zentrale Grenzwertsatz

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt!

Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2010/2011. Aufgabe 1

Box-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8

Studiengang (Zutreffendes bitte ankreuzen):

8. Februar Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt.

Die Binomialverteilung

Veranstaltung Statistik (BWL) an der FH Frankfurt/Main im WS 2004/05 (Dr. Faik) Klausur GRUPPE A - BEARBEITER/IN (NAME, VORNAME):

Hauptprüfung Abiturprüfung 2014 (ohne CAS) Baden-Württemberg

RUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG

Beispiel Zusammengesetzte Zufallsvariablen

$ % + 0 sonst. " p für X =1 $

1 Stochastische Prozesse in stetiger Zeit

Schleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015

Statistik I für Betriebswirte Vorlesung 5

Jetzt lerne ich Stochastik für die Oberstufe

i x k k=1 i u i x i v i 1 0, ,08 2 0, ,18 3 0, ,36 4 0, ,60 5 1, ,00 2,22 G = n 2 n i=1

Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall

B 2. " Zeigen Sie, dass die Wahrscheinlichkeit, dass eine Leiterplatte akzeptiert wird, 0,93 beträgt. (genauerer Wert: 0,933).!:!!

Schleswig-Holstein Kernfach Mathematik

Zufallsgrößen. Vorlesung Statistik für KW Helmut Küchenhoff

Beispiele zur UE Wirtschaftsstatistik 1 bei Nagel

Aufgabe 1 10 ECTS. y i x j gering mittel hoch n i Hausrat KFZ Unfall Reiserücktritt n j

Mini-Skript Wahrscheinlichkeitstheorie und Statistik

K2 MATHEMATIK KLAUSUR. Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max) Punkte Notenpunkte

1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem P( ) = 0.

6 Mehrstufige zufällige Vorgänge Lösungshinweise

Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik

1 Von den Ereignissen U und V eines Zufallsexperiments kennt man die Eigenschaften (1) bis (3) :

Verteilungsmodelle. Verteilungsfunktion und Dichte von T

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über

Zusatzaufgaben zur Vorlesung Stochastik für Informatikstudenten

Klausur: Einführung in die Statistik

Klausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS 09

Einführung in die Stochastik

Prof. Dr. Ulrich Schwalbe Wintersemester 2004/05. Klausur Mikroökonomik. Matrikelnummer: Studiengang:

Abitur 2012 Mathematik GK Stochastik Aufgabe C1

Schleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015

Kugel-Fächer-Modell. 1fach. 3fach. Für die Einzelkugel gibt es 3 Möglichkeiten. 6fach. 3! Möglichkeiten

Modulklausur Konstruktion und Analyse ökonomischer Modelle

Sozialwissenschaftliche Methoden und Statistik I

Klausur Statistik Lösungshinweise

Monte Carlo Methoden in Kreditrisiko-Management

Teil I Beschreibende Statistik 29

Kursthemen 12. Sitzung. Spezielle Verteilungen: Warteprozesse. Spezielle Verteilungen: Warteprozesse

Übungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr.

Statistik im Bachelor-Studium der BWL und VWL

Beispielarbeit. MATHEMATIK (mit CAS)

Binäre abhängige Variablen

( ) als den Punkt mit der gleichen x-koordinate wie A und der

Nachholklausur STATISTIK II

, dt. $+ f(x) = , - + < x < +, " > 0. " 2# Für die zugehörige Verteilungsfunktion F(x) ergibt sich dann: F(x) =

Kompaktskript zur Vorlesung Stochastische Risikoanalyse

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

5. Schließende Statistik Einführung

Fachbereich 5 Wirtschaftswissenschaften Univ.-Prof. Dr. Jan Franke-Viebach

Analog definiert man das Nichteintreten eines Ereignisses (Misserfolg) als:

TheGI 1: Grundlagen und algebraische Strukturen Prof. Dr.-Ing. Uwe Nestmann Februar Schriftliche Leistungskontrolle (EK)

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

Extrema von Funktionen in zwei Variablen

DIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 2006/

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse

Musteraufgaben für das Fach Mathematik

Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen

Bachelorprüfung/Diplomvorprüfung Einführung in die Unternehmensführung (BWL 1)

Klausur Mikroökonomik

W-Rechnung und Statistik für Ingenieure Übung 11

Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)

Statistik - Fehlerrechnung - Auswertung von Messungen

Name (in Druckbuchstaben): Matrikelnummer: Unterschrift:

Statistiktraining im Qualitätsmanagement

Funktionen (linear, quadratisch)

K L A U S U R D E C K B L A T T

Statistik I für Wirtschaftswissenschaftler Klausur am ,

Klausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS 2010

MATHEMATIK 3 STUNDEN. DATUM: 8. Juni 2009

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also

WAHRSCHEINLICHKEITSTHEORIE I und II. Vorlesungsskript

Lehrstuhl IV Stochastik & Analysis. Stochastik I. Wahrscheinlichkeitsrechnung. Skriptum nach einer Vorlesung von Hans-Peter Scheffler

Versuch: Zufälliges Ziehen aus der Population

HINWEISE auf Seite III!

Die Pareto Verteilung wird benutzt, um Einkommensverteilungen zu modellieren. Die Verteilungsfunktion ist

Bestimmen der Wahrscheinlichkeiten mithilfe von Zählstrategien

Erfolg im Mathe-Abi 2014

Modellierung von Zufallsgrößen bei Simulationsuntersuchungen

Transkript:

Institut für Mathematik Freie Universität Berlin Carsten Hartmann, Stefanie Winkelmann Musterlösung für die Nachklausur zur Vorlesung Stochastik I im WiSe 20/202 Name: Matr.-Nr.: Studiengang: Mathematik Bioinformatik Informatik anderer: Angestrebter Abschluß: Diplom Lehramt(Staatsexamen) anderer: Bachelor(Mono) Bachelor(Kombi, Lehramt) Master Beschriften Sie alle Blätter, die Sie abgeben wollen, mit Ihrem Namen. Bitte heften Sie alle Blätter, die Sie abgeben wollen, nach der Klausur mit einem der bereitgestellten Hefter zusammen. Bitte benutzen Sie keinen Bleistift. Erlaubte Hilfsmittel sind alle Ihre schriftlichen Unterlagen, Bücher und ein nicht programmierbarer Taschenrechner. Die Klausur besteht mit Deckblatt und Anhang aus insgesamt vier Seiten auf zwei Blättern. Wenn Sie Ihre Klausurergebnisse auf der Website der Vorlesung unter Ihrer Matrikelnummer nachlesen wollen, unterschreiben Sie bitte die folgende Erklärung: Ich bin damit einverstanden, daß mein Ergebnis bei dieser Klausur unter meiner Matrikelnummer auf der Website zur Vorlesung veröffentlicht wird. Unterschrift Aufgabe 2 3 4 5 Punkte Viel Erfolg!

Bearbeiten Sie alle der folgenden Aufgaben! Aufgabe (4+4=8 Punkte) In einer Urne befinden sich fünf Kugeln, die mit den Ziffern, 2, 3, 4, 5 durchnummeriert sind. Es wird zweimal mit Zurücklegen gezogen, und die beiden Ergebnisse werden der Reihenfolge nach notiert. a) Geben Sie einen geeigneten Stichprobenraum Ω an. Wieviele Elementarereignisse enthält Ω (d.h., was ist Ω )? Wieviele Elemente enthält die Potenzmenge P(Ω) von Ω? b) Es sei A das Ereignis, dass die Summe der beiden Ergebnisse maximal 3 beträgt. Geben Sie die kleinste σ-algebra auf Ω an, die A enthält, und berechnen Sie P(A). a) Wähle Ω = {(k, l) : k, l {, 2, 3, 4, 5}}. Es gilt Ω = 5 5 = 25 und P(Ω) = 2 Ω = 2 25 33.6 Mio. b) Es ist A = {(, ), (, 2), (2, )} und sowie σ(a) = {, Ω, A, A c } P(A) = 3 25 = 2%. Aufgabe 2 (4+4=8 Punkte) Eine Mutter zweier Kinder sagt: a) Mindestens eines meiner beiden Kinder ist ein Junge. b) Das älteste meiner beiden Kinder ist ein Junge. Wie schätzen Sie jeweils die Chance ein, dass auch das andere Kind ein Junge ist? Dabei können Sie davon ausgehen, dass Jungen- und Mädchengeburten gleichwahrscheinlich sind. Definiere die Ereignisse J: Beide Kinder sind Jungen. A: Mindestens eines der beiden Kinder ist ein Junge. B: Das ältere Kind ist ein Junge. Mit Ω = {(J, M), (J, J), (M, J), (M, M)} ist J = {(J, J)}, A = {(J, M), (J, J), (M, J)} und B = {(J, M), (J, J)}. a) Gesucht ist P(J A). P(J A) = P(J A) P(A) = P(J) P(A) = /4 3/4 = /3. 2

b) Gesucht ist P(J B). P(J B) = P(J B) P(B) = P(J) P(B) = /4 /2 = /2. Aufgabe 3 (5+3=8 Punkte) Sei X eine Zufallsvariable, deren Dichtefunktion f durch gegeben ist, wobei a, b R. f(x) = { ax + b : x [, ] 0 : x R \ [, ] a) Welche Bedingungen müssen die Koeffizienten a, b erfüllen, damit f tatsächlich eine Dichtefunktion ist? b) Welche Werte ergeben sich für die Koeffizienten a, b, wenn zusätzlich P(X < 0) = 4 gelten soll? a) Damit f eine Dichtefunktion ist, muss f(x) 0 x [, ] und f(x) dx = gelten. Es ist [ ] f(x) dx = ax + b dx = 2 ax2 + bx = 2b, so dass 2b =, also b = 2, gelten muss. Für positive a wird f bei x = minimal mit f() = a+ 2. Damit dieser Wert nicht negativ wird, muss a 2 gelten. Umgekehrt wird für negative a die Funktion f bei x = minimal mit f() = a + 2. Damit dieser Wert nicht negativ wird, muss a 2 a 2. b) Es ist und damit P(X < 0) = 0 f(x) dx = P(X < 0) = 4 [ 2 ax2 + ] 0 2 x = 2 a + 2 a = 2. gelten. Insgesamt ergibt sich Aufgabe 4 (3+5=8 Punkte) In einem Großraumflugzeug haben insgesamt 500 Passagiere Platz. Da Kunden manchmal ihren Flug nicht antreten, lässt die Fluggesellschaft zwecks optimaler Auslastung 50 Tickets verkaufen. Es sei bekannt, dass die Kunden ihren Flug mit Wahrscheinlichkeit p = 0.04 nicht antreten, wobei vereinfacht angenommen wird, dass das Nichterscheinen für verschiedene Kunden unabhängig voneinander ist. Man betrachte die Zufallsvariable X der erscheinenden Passagiere. a) Wie ist X verteilt? Geben Sie eine Formel für P(X = k) an, wobei k N 0. b) Berechnen Sie approximativ die Wahrscheinlichkeit dafür, dass mehr Passagiere erscheinen als Plätze vorhanden sind. Eine Tabelle zur Standardnormalverteilung finden Sie im Anhang auf Seite 4. 3

a) X ist binomialverteilt mit den Parametern n = 50 und p = 0.96, d.h. ( ) 50 P(X = k) = 0.96 k 0.04 50 k. k b) Gesucht ist eine Approximation für P(X > 500). Der zentrale Grenzwertsatz besagt, dass X annähernd normalverteilt ist mit Erwartungswert µ = 50 0.96 = 489.6 und Varianz σ 2 = 50 0.96 0.04 = 9.584. Damit ist ( ) X µ 500 489.6 P(X > 500) = P > P(Y > 2.350) σ 4.4254 wobei Y N(0, ). Es ist P(Y > 2.350) = P(Y 2.350) = 0.9906 = 0.0094 0.0, d.h., die gesuchte Wahrscheinlichkeit beträgt annähernd %. Aufgabe 5 (4+4=8 Punkte) a) Die Zufallsvariable X sei exponentialverteilt mit unbekanntem Parameter λ > 0. Es werden n unabhängige Stichproben x,..., x n genommen. Bestimmen Sie den Maximum- Likelihood-Schätzer für λ. b) Betrachte eine stetig verteilte Zufallsvariable X : Ω R mit Dichtefunktion f θ, θ R. Es sei T der Maximum-Likelihood-Schätzer für den Parameter θ und Y = g(x) eine weitere Zufallsvariable, wobei g (x) > 0 für alle x. Was ist der Maximum-Likelihood-Schätzer für Y? a) Die Likelihood-Funktion ist ρ(x,..., x n, λ) = f λ (x k ) = wobei die Unabhängigkeit der Stichproben genutzt wurde. Ableiten nach λ ergibt d dλ λe λx k = d n dλ λe λ x k = e λ n x k λ = ( λ λe λx k, x k e λ n x k ) x k e λ n x k, und diese Funktion ist monoton fallend in λ. Aus d dλ ρ = 0 folgt λ x k = 0, d.h. λ = n x. k Der Maximum-Likelihood-Schätzer für λ ist also gegeben durch T (x,..., x n ) = n x k. b) Die Dichtefunktion h θ von Y ist gegeben durch h θ (y) = f θ(g (y)) g (g (y)), 4

wobei g die Umkehrfunktion von g ist. Damit gilt für die Likelihood-Funktionen ρ und ρ von X bzw. Y ρ(y, θ) = c(y) ρ(g (y), θ), wobei c(y) = (g (g (y))) nicht von θ abhängt. Damit ergibt sich das Maximum von ρ direkt aus dem Maximum von ρ, und für die Maximum-Likelihood-Schätzer T und T von Y bzw. X gilt T (y) = T (g (y)). Ende der Klausuraufgaben 5