Allgemein definiert man:. Bedingte Wahrscheinlichkeiten Die Belegschaft eines Betriebes wird nach Rauchern und Nicht- rauchern eingeteilt. Dabei ergibt.

Slides:



Advertisements
Ähnliche Präsentationen
Definition [1]: Sei S eine endliche Menge und sei p eine Abbildung von S in die positiven reellen Zahlen Für einen Teilmenge ES von S sei p definiert.
Advertisements

Die Laufzeit von randomisierten (zufallsgesteuerten) Algorithmen hängt von gewissen zufälligen Ereignissen ab (Beispiel Quicksort). Um die Laufzeiten dieser.
Steigung m berechnen Man kann die Steigung auch berechnen,
Alternativ: Direkte schrittweise Berechnung dieser sogenannten gemeinsamen Wahrscheinlichkeiten auf Grund der Einzelwahrscheinlichkeiten Wahrscheinlichkeit.
Leitidee Zufall Montag, den 14. Januar Uhr
Glücksspiele.
Kapitel 1 Das Schubfachprinzip
Kapitel 6 Mehrstufige Zufallsexperimente
Der exakte Test von Fisher
Struktur und Funktion von Biopolymeren Elmar Lang
Wahrscheinlichkeitstheorie
Statistische Methoden II SS 2008 Vorlesung:Prof. Dr. Michael Schürmann Zeit:Freitag (Pause: ) Ort:Hörsaal Makarenkostraße (Kiste)
Statistische Methoden I
Statistische Methoden II SS 2007 Vorlesung:Prof. Dr. Michael Schürmann Zeit:Freitag (Pause: ) Ort:Hörsaal Loefflerstraße Übungen.
Wahrscheinlichkeitstheorie. Statistische Methoden I WS 2002/2003 Zur Geschichte der Statistik I. Beschreibende Statistik 1. Grundlegende Begriffe 2. Eindimensionales.
Bitte mein Manuskript (liegt im Bibliotheksgebäude aus) nicht nach Außerhalb tragen. Die Weitergabe an Dritte (d. h. an Personen, die nicht Hörer der Vorlesung.
Statistische Methoden I WS 2007/2008 Donnerstag, 31. Januar 2008 und Freitag, 1. Februar 2008 Probeklausur - statt Vorlesungen -
Statistische Methoden I SS 2005 Vorlesung:Prof. Dr. Michael Schürmann Zeit:Freitag (Pause: ) Ort:Hörsaal Loefflerstraße Übungen.
Hier noch ein Beispiel zur bedingten Wahrscheinlichkeit Drei Personen A, B und C befinden sich im Gefängnis. Einer von den dreien ist zum Tode verurteilt,
Zeit: 14:15 Ort: Hörsaal Loefflerstraße Heute wird die Vorlesung vom vergangenen Freitag nachgeholt! im Anschluss an die heutige reguläre Vorlesung.
II. Wahrscheinlichkeitstheorie
Wahrscheinlichkeitstheorie. Statistische Methoden I WS 2009/2010 Einleitung: Wie schätzt man die Zahl der Fische in einem See? Zur Geschichte der Statistik.
III. Induktive Statistik
Wahrscheinlichkeitsräume. A. N. Kolmogorov Kolmogorov wurde (mehr zufällig, seine Mutter war auf der Durchreise) in Tambov, Russland, geboren.
Die Vorlesung Statistische Methoden I fällt morgen ( ) aus! Zeit: 14:15 Ort: Hörsaal Loefflerstraße Diese Vorlesung wird am nächsten Donnerstag.
Die Vorlesung am 14. Mai (Tag nach Himmelfahrt) wird verlegt. Der Nachholtermin wird noch bekannt gegeben.
Urnenmodelle. Wahrscheinlichkeitsräume A. N. Kolmogorov Kolmogorov wurde (mehr zufällig, seine Mutter war auf der Durchreise) in Tambov,
Häufigkeiten Gegeben ist eine Datenliste (Urliste) (hier z. B. die Klausur-Noten von 50 Studenten)
Extra-SPSS-Kurse Durchführung: Birte Holtfreter Termine Di Mi Mi Ort PC-Pool Loefflerstarße.
Bedingte Wahrscheinlichkeiten Die Belegschaft eines Betriebes wird nach Rauchern und Nicht- rauchern eingeteilt. Dabei ergibt sich die folgende Tabelle:
Wahrscheinlichkeitstheorie. Statistische Methoden I WS 2002/2003 Zur Geschichte der Statistik I. Beschreibende Statistik 1. Grundlegende Begriffe 2. Eindimensionales.
Urnenmodelle. Die Normalverteilung (Gauß-Verteilung) (Gaußsche Glockenkurve)
Bedingte Wahrscheinlichkeiten
Statistische Methoden I WS 2002/2003 Probeklausur Freitag, 13. Dezember statt Vorlesung - Nächsten Freitag!!!
Grundbegriffe der (deskriptiven) Statistikder Wahrscheinlichkeitstheorie.
Wahrscheinlichkeitstheorie. Laplacescher Wahrscheinlicheitsraum.
(additives Farbmischen)
Wahrscheinlichkeits-rechnung
1.3. Kombinatorische Zählprobleme Zählstrategien
Wahrscheinlichkeitsrechnung Grundbegriffe
Einführung in die beurteilende Statistik

Hartmut Klauck Universität Frankfurt WS 06/
Wahrscheinlichkeit Zufallsexperiment:
STATISIK LV Nr.: 0028 SS Mai 2005.
Eine Blondine spielt bei „Wer wird Millionär„ mit
Graphische Darstellung von Zahlen (1/2)
Datenreihen erzeugen –
WIR SPIELEN STATISTIKER Unterhaltung mit der Wahrscheinlichkeit
Wahrscheinlichkeitsrechnung
3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten lassen sich häufig durch Abzählen der günstigen und möglichen Fällen lösen. Kompliziertere Fragestellungen.
Erklärung der „Lottoformel“ P =
Die Wahrscheinlichkeit
A siegt B siegt 1. noch ausstehendes Spiel ausstehendes Spiel

TeWT305: Die Formel von Bayes
teWT303: Bedingte Wahrscheinlichkeit
teWT302: Kombinatorik: Variation, Permutation, Kombination
1. 2. Berechnen von Wahrscheinlichkeiten
Der Satz des Pythagoras
Eine Blondine spielt bei „Wer wird Millionär „ mit.
Aufgaben zu Laplace-Wahrscheinlichkeiten
Kombinatorik ist die Lehre vom Bestimmen der Anzahlen
Weitere acht Aufgaben zu Laplace-Wahrscheinlichkeiten
Vermischte Aufgaben zur Wiederholung Löse die Aufgaben sauber auf einem Blatt Papier oder im Schulheft. Und nun geht’s los!
Vermischte Aufgaben zur Vorbereitung auf die 3. Schulaufgabe
Weitere acht Aufgaben zu Laplace-Wahrscheinlichkeiten
Einführung in die Wahrscheinlichkeitsrechnung
Kombinatorik: Mathematik des Zählens
Mittel- und Erwartungswert
 Präsentation transkript:

Allgemein definiert man:

Bedingte Wahrscheinlichkeiten Die Belegschaft eines Betriebes wird nach Rauchern und Nicht- rauchern eingeteilt. Dabei ergibt sich die folgende Tabelle:

Also haben wir: Allgemein definiert man:

Pfadregel

Dann hat man:

START p(1) p(2) p(3) p( ) p( ) p( ) p(1.2 1) p(3.3 3) p(2.1 2) (Eigentlich z. B. b(1.2.1) statt 1.2.1) Baumdiagramm

Wir betrachten eine Urne mit einer roten und 3 grünen Kugeln. 1.Stufe: Eine Kugel wird zufällig gezogen, ihre Farbe notiert. Anschließend werden diese und eine Kugel derselben Farbe in die Urne zurückgelegt. 2. Stufe: Nach dem guten Mischen wird erneut eine Kugel zufällig gezogen und deren Farbe notiert. Urne mit roten und grünen Kugeln

START /4 1/4 4/5 1/53/52/5 Baumdiagramm

Allgemein: Formel von der totalen Wahrscheinlichkeit

Einkommensverteilung der Haushalte in einer bestimmten Gegend Anteil der Haushalte, die ein Auto > EURO ,- an- schaffen, in den verschiedenen Einkommensklassen EURO ,- an

Es ergibt sich: Also nach der Formel für die totale Wahrscheinlichkeit: 5

Allgemein: Formel von der totalen Wahrscheinlichkeit

Satz von Bayes

In einer Stadt vermutet man, dass für die Bevölkerung die folgende Aufteilung in Deutsche, Italiener und Ausländer, die keine Italiener sind, besteht: wobei die letzte Zeile den jeweiligen Anteil von Personen in der Bevölkerungsgruppe angibt, die gerne Spaghetti bestellen.

Jemand bestellt in einer Gaststätte Spaghetti. Wie groß ist die Wahrscheinlichkeit, dass dieser Gast ein Deutscher, ein Italiener oder ein nicht-italienischer Aus- länder ist? D: Der Gast ist ein Deutscher I: Der Gast ist ein Italiener A: Der Gast ist ein Ausländer, aber kein Italiener S: Der Gast bestellt Spaghetti

Satz von Bayes

Nach der Formel für die totale Wahrscheinlichkeit hat man: Daraus ergibt sich nach dem Satz von Bayes

Satz von Bayes

Lernen aus Erfahrung Beispiel Eine Urne enthält 4 Kugeln.Wir wissen, dass eine der folgen- den Situationen A 1, A 2 oder A 3 vorliegt: A 1 : eine Kugel ist rot, die drei anderen sind grün A 2 : zwei Kugeln sind rot, die beiden anderen grün A 3 : drei Kugeln sind rot, eine ist grün Die Wahrscheinlichkeiten für die drei Möglichkeiten sind un- bekannt. Wir setzen: P(A 1 ) = p 1 P(A 2 ) = p 2 P(A 3 ) = p 3

Wir ziehen aus der Urne n Kugeln mit Zurücklegen mit Berücksichtigung der Reihenfolge. Nehmen wir nun an, dass das Ereignis B geschieht. Bei jedem Zug zeigt sich eine rote Kugel B Dann hat man:

Nach dem Satz von Bayes erhalten wir: Ebenso :

Für große n nähert sich die bedingte Wahr- scheinlichkeit für A 3 gegeben B dem Wert 1, während sich die bedingtenWahrscheinlich- keiten für A 1 und A 2 dem Wert 0 annähern. Unabhängig von den Werten für p 1, p 2 und p 3 hat man:

Grundbegriffe der (deskriptiven) Statistikder Wahrscheinlichkeitstheorie

Hier noch ein Beispiel zur bedingten Wahrscheinlichkeit Drei Personen A, B und C befinden sich im Gefängnis. Einer von den Dreien ist zum Tode verurteilt, aber keiner der Drei weiß vor der Exekution über sein Schicksal Bescheid. Der Gefangene A fragt seinen Wärter, wer von den Beiden anderen, B oder C, exekutiert werden wird. Man berechne die Überlebenswahrscheinlichkeit für A, wenn der Wärter mit B geantwortet hat. Wir nehmen an, dass der Wärter, falls er dieWahl hat, mit Wahrscheinlichkeit p dieAntwort B gibt und mit Wahrscheinlichkeit 1 - p die Antwort C. Ansonsten antwortet er wahrheitsgemäß.