Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen

Ähnliche Dokumente
Einführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit

Forschungsstatistik I

4. Rechnen mit Wahrscheinlichkeiten

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Stochastische Prozesse

Statistik und Wahrscheinlichkeit

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

Standardnormalverteilung / z-transformation

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression

Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord

Lineare Regression (1) - Einführung I -

Entscheidungstheorie Teil 1. Thomas Kämpke

Beschreibende Statistik Mittelwert

6. Modelle mit binären abhängigen Variablen

Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler, Eidgenössische Technische Hochschule, ETH Zürich. 1. Teilprüfung FS 2008.

Versicherungstechnischer Umgang mit Risiko

2πσ. e ax2 dx = x exp. 2πσ. 2σ 2. Die Varianz ergibt sich mit Hilfe eines weiteren bestimmten Integrals: x 2 e ax2 dx = 1 π.

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/ ω Additionstheorem: 2 sin 2 2

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):

Netzwerkstrukturen. Entfernung in Kilometer:

Nomenklatur - Übersicht

Auswertung univariater Datenmengen - deskriptiv

3. Lineare Algebra (Teil 2)

1. Teilprüfung FS 2008

Lösungen zum 3. Aufgabenblock

FORMELSAMMLUNG STATISTIK (I)

P(mindestens zwei gleiche Augenzahlen) = = 0.4 = = 120. den 5 vorbereiteten Gebieten drei auszuwählen: = 10. Deshalb ist 120 =

Schätzfehler in der linearen Regression (1) Einführung

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

AUFGABEN ZUR INFORMATIONSTHEORIE

8 Logistische Regressionsanalyse

1 Definition und Grundbegriffe

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.

Diskrete Mathematik 1 WS 2008/09

Stochastik - Kapitel 4

5. ZWEI ODER MEHRERE METRISCHE MERKMALE

18. Dynamisches Programmieren

Methoden der innerbetrieblichen Leistungsverrechnung

Auswertung univariater Datenmengen - deskriptiv

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam,

1.1 Das Prinzip von No Arbitrage

Konkave und Konvexe Funktionen

Statistische Methoden für Bauingenieure WS 13/14

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

Datenaufbereitung und Darstellung

4. Musterlösung. Problem 1: Kreuzende Schnitte **

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

Online Algorithmen. k-server randomisiert Teil II

Kapitel 4: Wahrscheinlichkeitsrechnung und Kombinatorik

Was erwarten wir als Ergebnis von freien Verhandlungen in einer Gruppe mit Koalitionsmöglichkeiten?

Übung zur Vorlesung. Informationstheorie und Codierung

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Übung/Tutorate Statistik II: Schließende Statistik SS 2007

Grundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften

Portfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe

Kreisel. koerperfestes KS. z y. raumfestes KS. Starrer Körper: System von Massepunkten m i, deren Abstände r i r j untereinander konstant sind.

Boost-Schaltwandler für Blitzgeräte

Klausuren zum Üben. Gesamtdauer der Anrufe in [Min]: bis 20 bis 40 bis 60 bis 90 bis 120 Anzahl der Schüler/innen:

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf.

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten

Quantitatives Prognosemodell für die Anwendung des Black-Litterman-Verfahrens

Steuerungsverfahren und ihre Datenstrukturen 09 - Netzplantechnik

1 - Prüfungsvorbereitungsseminar

Man unterscheidet zwischen gewichteten und ungewichteten Faktorwerten.

Vorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1

13.Selbstinduktion; Induktivität

d da B A Die gesamte Erscheinung der magnetischen Feldlinien bezeichnet man als magnetischen Fluss. = 1 V s = 1 Wb

Free Riding in Joint Audits A Game-Theoretic Analysis

Einführung in die Finanzmathematik

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich

12 UMPU Tests ( UMP unbiased )

1 BWL 4 Tutorium V vom

Quant oder das Verwelken der Wertpapiere. Die Geburt der Finanzkrise aus dem Geist der angewandten Mathematik

-2 Das einfache Regressionsmodell 2.1 Ein ökonomisches Modell

P[bk t c se(b k) k bk t c se(b k)] 1 (5.1.3)

2. Die Elementarereignisse sind die Kombinationsmöglichkeiten von: Wappen = W und:

Grundlagen der Wahrscheinlichkeitsrechnung

Nernstscher Verteilungssatz

Ionenselektive Elektroden (Potentiometrie)

Ordered Response Models (ORM)

Diplomprüfung für Kaufleute 2001/I

Institut für Technische Chemie Technische Universität Clausthal

3.2 Die Kennzeichnung von Partikeln Partikelmerkmale

Leistungsanpassung am einfachen und gekoppelten Stromkreislauf

ERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen.

Statistische Regressionsmodelle

Zinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung

1.1 Grundbegriffe und Grundgesetze 29

Gruppe. Lineare Block-Codes

Franzis Verlag, Poing ISBN Autor des Buches: Leonhard Stiny

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt -

Die Zahl i phantastisch, praktisch, anschaulich

Produkt-Moment-Korrelation (1) - Einführung I -

Nullstellen Suchen und Optimierung

Transkript:

Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen beschreben werden soll. b) En Zufallsexperment st charaktersert durch de Menge der möglchen Ergebnsse, de Menge der möglchen Eregnsse und das Wahrschenlchketsmaß. 2. En Wahrschenlchketsmaß P ordnet b) den möglchen Eregnssen enes Zufallsexpermentes Wahrschenlchketen zu. c) den Elementareregnssen enes Zufallsexpermentes Wahrschenlchketen zu. 3. Be dem Zufallsexperment Zwemalges Würfeln mt enem (faren) Würfel st c) de Anzahl der Elemente der Menge der möglchen Ergebnsse klener als de Anzahl der Elemente der Menge der möglchen Eregnsse. 4. Be dem Zufallsexperment Dremalges Werfen ener (faren) Münze beträgt de Anzahl der Elemente der Menge der möglchen Ergebnsse: c) 8 5. Be dem Zufallsexperment Dremalges Werfen ener (faren) Münze beträgt de Anzahl der Elemente der Menge der möglchen Eregnsse: f) 256 6. Welche der folgenden Aussagen wrd als das Kolmogoroff sche Axom der Normerung bezechnet? c) P( Ω ) = 7. Wetere Kolmogoroff sche Axome heßen: a) Addtvtät c) Nchtnegatvtät 8. De Komponenten enes Wahrschenlchketsraums enes Zufallsexpermentes snd: a) De Menge der möglchen Ergebnsse c) De Menge der möglchen Eregnsse d) Das Wahrschenlchketsmaß 9. Für en Eregns A enes Zufallsexpermentes glt mmer: a) Es st ene Telmenge der Menge der möglchen Ergebnsse. b) Es st ene Telmenge der Menge der möglchen Eregnsse. c) Dem Eregns A kann ene Wahrschenlchket zugeordnet werden. 0. Für jedes Zufallsexperment st de klenstmöglche Sgma-Algebra: b) A 2 ={ Ω, }. En W-Raum a) beschrebt en Zufallsexperment. b) st de formal-sprachlc he Repräsentaton des n enem stochastschen Modell betrachteten emprschen Phänomens. c) benhaltet alle Aussagen, de man mt dem betrachteten Zufallsexperment formuleren kann. - -

2. In enem psychologschen Zufallsexperment wrd aus der Menge der Personen Anton, Bert und Conn ene Person zufällg gezogen und bearbetet dre Aufgaben. Es gbt nur de Möglchketen de Aufgaben entweder zu lösen (+) oder ncht zu lösen ( ). We lässt sch de Ergebnsmenge deses Zufallsexpermentes formal repräsenteren? a) Ω=Ω Ω b) { Anton,Bert,Conn } + + + {, } {, } {, } 3. Für das Zufallsexperment aus Aufg. 2 bedeutet das Eregns { } { } { } { } d) Anton wrd gezogen und löst de zwete Aufgabe. A : = Anton + + +,, : 4. Für das Zufallsexperment aus Aufg. 2 bedeutet das Eregns A : = { Anton,Bert } 2 { } { +, } { } : d) Anton oder Bert wrd gezogen und löst de erste und de drtte Aufgabe ncht. 5. Für das Zufallsexperment aus Aufg. 2 bedeutet das Eregns A : 3 = { Anton,Conn } Ω : d) Anton oder Conn wrd gezogen. 6. Se Ω, A, P en Wahrschenlchketsraum und A en Eregns A A. Für das Eregns A und sen Komplement A glt: a) Se snd dsjunkt. 7. Für das Eregns A und das Eregns Ω glt: b) Se snd stochastsch unabhängg. 8. Für das Eregns A und de Leere Menge glt: a) Se snd dsjunkt. b) Se snd stochastsch unabhängg. 9. Für das Eregns A, sen Komplement A, das Eregns Ω und de Leere Menge glt: c) De Menge {,, AA, } Ω st ene s-algebra. 20. Se Ω, A, P en Wahrschenlchketsraum und A und B zwe Eregnsse A, B A. Dann entsprcht de bedngte Wahrschenlchket PAB ( ) n enem Venn-Dagramm a) dem Antel der Gesamtfläche von A an der Gesamtfläche Ω, vorausgesetzt de Eregnsse A und B snd stochastsch unabhängg. b) dem Antel der Schnttmenge A Ban der Gesamtfläche von B. 2. Der Ausdruck PAB ( ) st zu lesen als b) De B-bedngte Wahrschenlchket des Eregnsses A. c) De Wahrschenlchket des Eregnsses A gegeben das Eregns B. 22. Se Ω, A, P en Wahrschenlchketsraum und A und B zwe Eregnsse A, B A, de sowohl dsjunkt als auch stochastsch unabhängg snd. Es se PA= ( ) 0,3. We groß st PB ( )? a) 0 23. Se Ω, A, P en Wahrschenlchketsraum und A und B zwe Eregnsse A, B A, de sowohl dsjunkt als auch stochastsch unabhängg snd. Es se PA= ( ) 0. Welche(n) Wert(e) kann PB ( ) annehmen? a) 0 b) 0,3 c) 0,7 d) - 2 -

24. Se Ω, A, P en Wahrschenlchketsraum und A, B und C dre Eregnsse A, B, C A, von denen bekannt se, dass se jewels paarwese stochastsch unabhängg snd. Für alle dre Eregnsse glt dann: b) Se können stochastsch abhängg sen. d) Se können stochastsch unabhängg sen. 25. Was st be der Bldung ener Zufallsvarable n enem Zufallsexperment zufällg? a) De Ergebnsse? Ω b) De Werte der Zufallsvarablen 26. Für en psychologsches Experment gelte Ω=Ω Ωmt Ω ={Anton, Bert} und Ω : ={+, }, wobe + bedeutet, dass de gezogene Person ene bestmmte Aufgabe löst und, dass de gezogene Person ene bestmmte Aufgabe ncht löst. Se de Projekton von Ω auf Ω und de Projekton von Ω auf Ω. ( Anton, + ) bedeutet: d) Anton wrd gezogen. 27. Für das Experment aus Aufgabe 26 bedeutet ( Bert, ) : c) De Aufgabe wrd ncht gelöst. 28. Bem enmalgen Würfeln mt enem faren Würfel lässt sch de Anzahl der Elemente der Menge der möglchen Eregnsse (, de zunächst der Potenzmenge der Menge der möglchen Ergebnsse entsprcht) durch Enführen von Zufallsvarablen reduzeren. Ene solche Zufallsvarable se ene Indkatorvarable. Damt verrngert sch de Anzahl der Elemente der Eregnsmenge f) von 64 auf 4. 29. De Menge aller rblder X ( A') entsprcht a) der Menge der durch X darstellbaren Eregnsse. b) der durch X erzeugten σ-algebra. 30. Welche Bezehung besteht zwschen numerschen und reellen Zufallsvarablen. b) Ene reelle Zufallsvarable st mmer auch ene numersche Zufallsvarable. X 3. De kumulatve Vertelung F (a) gbt de Wahrschenlchket an, dass de Zufallsvarable X b) enen Wert klener oder glech α annmmt. 32. Gegeben se ene Tabelle mt den relatven Häufgketen ener n ener Stchprobe beobachteten dskreten Zufallsvarable. Man kann b) de Vertelung der Zufallsvarable schätzen. d) de kumulatve Vertelung der Zufallsvarable schätzen. 33. Der Erwartungswert ener dskreten Zufallsvarable X st defnert als: a) De mt den Auftretenswahrschenlchketen P( X=x ) gewchtete Summe aller möglchen Werte der Zufallsvarable N d) Formel: x P( X = x ) = f) Der theoretsche Mttel- oder Durchschnttswert 34. Welche der folgenden Aussagen treffen zu? b) Stochastsche Zufallsvarable n können enen Erwartungswert haben. c) Kontnuerlche Zufallsvarablen können enen Erwartungswert haben. d) Reellwertge Zufallsvarablen können enen Erwartungswert haben. - 3 -

35. Was bezechnet das Symbol E( X=x )? d) Deses Symbol st ncht defnert und hat kenerle Bedeutung. 36. Der Erwartungswert ener Zufallsvarable X kann mt Hlfe ener Stchprobe des mfangs N: b) Durch de Formel N N X geschätzt werden = 37. Es wrd das Werfen ener faren Münze betrachtet. De Zufallsvarable Y soll den Wert ens erhalten, wenn der Wurf Kopf ergbt, ansonsten Null. Der Erwartungswert von Y st dann: d) 0,5 38. Es wrd das zwemalge, unabhängge Werfen enes faren Würfels betrachtet. De Zufallsvarable Z se de Summe der gewürfelten Augen beder Würfel. Der Erwartungswert von Z st dann d) 7 39. Der Erwartungswert ener Indkatorvarablen I (mt den möglchen werten =0 und =) st glech: a) Der mt den Wahrschenlchketen P( I= ) gewchteten Summe aller möglchen Werte von I b) Der Wahrschenlchket P( I= ), dass I den Wert ens annmmt 40. Welche der folgenden Aussagen snd wahr unter der Voraussetzung, dass alle Erwartungswerte exsteren und alle erwähnten Zufallsvarablen auf dem glechen Wahrschenlchketsraum defnert seen? a) Der Erwartungswert ener Konstanten st glech der Konstanten selbst. b) Der Erwartungswert ener Summe zweer Zufallsvarablen st glech der Summe der Erwartungswerte beder Varablen. c) Der Erwartungswert ener Summe ener Zufallsvarable und ener Konstante st glech der Summe der Konstanten und des Erwartungswertes der Zufallsvarable. d) Der Erwartungswert des Produkts ener Konstanten mt ener Zufallsvarable st glech dem Produkt der Konstanten mt dem Erwartungswert der Zufallsvarable. 4. Welche der folgenden Glechungen snd wahr, wenn A und B Zufallsvarablen snd (Konstanten sollen her als Zufallsvarablen nterpretert werden, welche nur enen Wert annehmen können; alle Erwartungswerte sollen exsteren und alle erwähnten Zufallsvarablen seen auf dem glechen Wahrschenlchketsraum defnert)? a) E( 5 ) = 5 d) E( +B ) = +P( B= ), wenn B nur de Werte 0 und annehmen kann 42. Gegeben se der Erwartungswert ener Zufallsvarable, welche gemessene Längen n cm angbt. We ändert sch der Erwartungswert der Varablen, wenn statt n cm alle Längen n mm angegeben werden? d) Der Erwartungswert wrd um den Faktor 0 größer. 43. Der Erwartungswert ener Zufallsvarablen st en Maß für: a) De Lokalsaton der Varablen 44. Der Erwartungswert E X E( X ) st a) de mttlere Abwechung aller Werte von X von deren Mttelwert. b) mmer glech 0. 45. De Varanz ener Zufallsvarablen X st defnert als: c) E ( X E( X) ) 2 e) ( ( ))( ( )) E X E X X E X - 4 -

46. De Varanz ener Zufallsvarable X st defnert als: b) De mttlere quadrerte Abwechung aller Werte von X von deren Mttelwert 47. Welche Bezehung besteht zwschen der Kovaranz und Varanz? c) De Varanz ener Zufallsvarable st glech der Kovaranz deser Varablen mt sch selbst. 48. Es wrd das Werfen ener faren Münze betrachtet. De Zufallsvarable Y soll den Wert ens erhalten, wenn der Wurf Kopf ergbt, ansonsten Null. De Varanz von Y st dann: d) 0,25 49. Welche der folgenden Aussagen snd wahr? d) De Varanz der Summe zweer Zufallsvarablen st glech der Summe der Varanzen beder Zufallsvarablen, wenn bede Varablen stochastsch unabhängg snd. 50. Gegeben se de Varanz ener Zufallsvarable, welche gemessene Längen n cm angbt. We ändert sch de Varanz der Varablen, wenn statt n cm alle Längen n mm angegeben werden? e) De Varanz wrd um den Faktor 00 größer. 5. Welche der folgenden Glechungen snd wahr, wenn A und B Zufallsvarablen snd (Konstanten sollen her als Zufallsvarablen nterpretert werden, welche nur enen Wert annehmen können; alle Erwartungswerte sollen exsteren und alle erwähnten Zufallsvarablen seen auf dem glechen Wahrschenlchketsraum defnert): c) Var( 5 B ) = 25 Var(B) 52. Welche der folgenden Aussagen über Korrelatonen st wahr? a) Ene Korrelaton st ene standardserte Kovaranz. b) Ist de Kovaranz negatv, st auch de Korrelaton negatv. 53. nter welcher der folgenden Bedngungen st de Kovaranz zweer Varablen X und Y postv und hoch/groß? b) Wenn en Wert von X weter vom Mttelwert von X abwecht, dann wecht der entsprechende Wert von Y n de gleche Rchtung auch weter vom Mttelwert von Y ab. 54. Zwe Zufallsvarablen X und Y snd regressv unabhängg. Welche der folgenden Aussagen treffen dann zu? b) X und Y snd korrelatv unabhängg. - 5 -