Neu Übungsgruppentausch: Mi 10-12 Gruppe 9 Sebastian Grapenthin SR 105/106 Domstraße Mi 10-12 Gruppe 3 Hermann Haase SR 222/201 Fleischmannstraße Gruppe 9 geeignet für Teilnehmer mit Notebook!
Input: Empirische Zeitreihe FILTER Output: Geglättete Zeitreihe
Monatliche Anlandungen der deutschen Dampferhochseefischerei in den Jahren 1954, 1955 und 1956 (aus Bamberg/Baur)
Jährliche Instandhaltungskosten in einem Kernkraftwerk von 1970 bis 1985 in TDM
Monatliche Anlandungen der deutschen Dampferhochseefischerei in den Jahren 1954, 1955 und 1956 (aus Bamberg/Baur)
Monatstypische Abweichung Hochseefischerei: Monatstypische Abweichung
Saisonbereinigte Zeitreihe Hochseefischerei: Saisonbereinigte Zeitreihe
Saisonbereinigte Zeitreihe Hochseefischerei: Saisonbereinigte Zeitreihe Man kann noch den Mittelwert der Saisonkomponenten bilden und die Saisonkomponenten zentrieren, d. h. man subtrahiert diesen Mittelwert von den einzelnen Saisonkomponenten. Der Mittelwert beträgt allerdings in unserem Beispiel lediglich 0.583. Die Zentrierung ist also vernachlässigbar.
Wahrscheinlichkeitstheorie
Statistische Methoden I WS 2007/2008 Einleitung: Wie schätzt man die Zahl der Fische in einem See? Zur Geschichte der Statistik I. Beschreibende Statistik 1. Grundlegende Begriffe 2. Eindimensionales Datenmaterial 2.1. Der Häufigkeitsbegriff 2.2. Lage- und Streuungsparameter 2.3. Konzentrationsmaße (Lorenz-Kurve) 3. Mehrdimensionales Datenmaterial 3.1. Korrelations- und Regressionsrechnung 3.2. Indexzahlen 3.3. Saisonbereinigung
II. Wahrscheinlichkeitstheorie 1. Laplacesche Wahrscheinlicheitsräume 1.1. Kombinatorische Formeln 1.2. Berechnung von Laplace-Wahrschein- lichkeiten 2. Allgemeine Wahrscheinlichkeitsräume 2.1. Der diskrete Fall 2.2. Der stetige Fall 2.3. Unabhängigkeit und bedingte Wahrscheinlichkeit 3. Zufallsvariablen 3.1. Grundbegriffe 3.2. Erwartungswert und Varianz 3.3. Binomial- und Poisson-Verteilung 3.4. Die Normalverteilung und der Zentrale Grenzwertsatz
4. Markov-Ketten 4.1. Übergangsmatrizen 4.2. Grenzverhalten irreduzibler Markov-Ketten 4.3. Gewinnwahrscheinlichkeiten 4.4. Beispiel „Ruin der Spieler“ 4.5. Anwendungen
Beschreibende Statistik (= Deskriptive Statistik) Beschreibung von Datenmaterial 1. Semester Vorstufe zur Schließenden Statistik (= Induktive Statistik) Analyse von Datenmaterial, Hypothesen, Prognosen 2. Semester
Wahrscheinlich- keitstheorie Beschreibende Statistik (= Deskriptive Statistik) Beschreibung von Datenmaterial 1. Semester Wahrscheinlich- keitstheorie Schließenden Statistik (= Induktive Statistik) Analyse von Datenmaterial, Hypothesen, Prognosen 2. Semester
Laplacescher Wahrscheinlicheitsraum
Wahrscheinlichkeitstheoretische Interpretation von Mengenoperationen Vereinigung Durchschnitt
Differenz Komplement
Wahrscheinlichkeitsräume
Eigenschaften eines Wahrscheinlichkeitsmaßes Daraus ergeben sich:
Das Ziegenproblem grün: Entscheidung beibehalten rot: Entscheidung ändern
1/3 1/3 1/3 1 A 2 Z 3 Z 1/2 1/2 2 Z 3 Z 3 Z 2 Z 1 A 1 A 2 Z 3 Z 3 Z 2 Z 1 A 1 A
http://math.ucsd.edu/~anistat/chi-an/MonteHallParadox.html
1/3 1/3 1/3 1 A 2 Z 3 Z 1/2 1/2 2 Z 3 Z 3 Z 2 Z 1 A 1 A 2 Z 3 Z 3 Z 2 Z 1 A 1 A
Urnenmodelle
Die Normalverteilung (Gauß-Verteilung) (Gaußsche Glockenkurve)
Wahrscheinlichkeitsräume
Die Poisson-Verteilung
Man erhält eine Wahrscheinlichkeitsverteilung, weil gilt: Notation
Die Binomialverteilung
Man erhält eine Wahrscheinlichkeitsverteilung, weil gilt: Notation
Die geometrische Verteilung Man erhält eine Wahrscheinlichkeitsverteilung, weil gilt:
Die hypergeometrische Verteilung Notation
Sie beträgt gerade H(n, N, m)(k)! Eine Urne enthält n Kugeln, davon N weiße und n - N schwarze. Aus der Urne werden nacheinander m Kugeln ohne Zurücklegen gezogen. Wie groß ist die Wahrscheinlichkeit, genau k weiße Kugeln zu ziehen? Sie beträgt gerade H(n, N, m)(k)!
Wahrscheinlichkeitsräume
A. N. Kolmogorov 1903 - 1987 Kolmogorov wurde (mehr zufällig, seine Mutter war auf der Durchreise) in Tambov, Russland, geboren. Nach der Schule arbeitete er zunächst als Eisenbahnschaffner. Nebenbei schrieb er eine Abhandlung über die Newtonsche Mechanik. Bald ging er aber an die Moskauer Universität, und seine Entwicklung zu einem der bedeutendsten Mathematiker des vergangenen Jahrhunderts begann. Eine seiner großen Leistungen auf dem Gebiet der Stochastik besteht in der Schaffung der Grundlagen der Wahrscheinlichkeitstheorie in seiner Arbeit Grundbegriffe der Wahrscheinlichkeitstheorie (in deutsch!) aus dem Jahre 1933.
Wahrscheinlichkeitsdichten
Die Exponential-Verteilung
Die Gauß- oder Normalverteilung
Gauß-Bildnis und –Kurve auf 100 DM-Schein
Die Cauchy-Verteilung
Die Student- oder t-Verteilung Hängt von Parameter n ab!
Die Chi-Quadrat-Verteilung Hängt ebenfalls von Parameter n ab!