Aufgabenzettel VIII Statistik I © by Ewald Krawitz & Oliver Schattmann.

Slides:



Advertisements
Ähnliche Präsentationen
Christian Scheideler SS 2009
Advertisements

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.
Statistische Aspekte der PSG
Christian Schindelhauer
Alternativ: Direkte schrittweise Berechnung dieser sogenannten gemeinsamen Wahrscheinlichkeiten auf Grund der Einzelwahrscheinlichkeiten Wahrscheinlichkeit.
k-Sigma-Intervalle Vortrag zu dem Thema
Grundlagen der Wahrscheinlichkeitsrechnung - Verteilungen -
Grundlagen der Simulation: Übungsaufgabe
Verschiedene Statistik- Programme - verschiedene Ergebnisse bei gleichen Analysen, kann das sein? Autor: Patrick Arnold.
Stochastik in der Sek. II Sabrina Schultze.
Gliederung Definition des Wahrscheinlichkeitsbegriffes
Forschungsstatistik II Prof. Dr. G. Meinhardt SS 2005 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz KLW-17.
Grundbegriffe der Wahrscheinlichkeitstheorie
K. Desch - Statistik und Datenanalyse SS05
Wahrscheinlichkeit Mehrere Zufallsvariablen mit gemeinsamer p.d.f.
Wahrscheinlichkeitstheorie
Statistische Methoden I
M-L-Schätzer Erwartungswert
Erwartungswert und Varianz I Der endliche Fall Erwartungswert Varianz.
Statistische Methoden II SS 2003 Vorlesung:Prof. Dr. Michael Schürmann Zeit:Freitag (Pause: ) Ort:Hörsaal Loefflerstraße Übungen.
Bedingte Wahrscheinlichkeiten
Grundbegriffe der (deskriptiven) Statistik
Wahrscheinlich-keitsrechnung
Vorlesung Biometrie für Studierende der Veterinärmedizin
Vorlesung Biometrie für Studierende der Veterinärmedizin Begriff der Zufallsgröße Ergebnisse von Zufallsexperimenten werden als Zahlen dargestellt:
Binomialverteilung: Beispiel
Wahrscheinlichkeitsrechnung
Histogramm/empirische Verteilung Verteilungen
Wahrscheinlichkeitsrechnung Grundbegriffe
Wahrscheinlichkeitsverteilung
Aufgabenzettel V Statistik I
STATISIK LV Nr.: 1375 SS März 2005.
Information und Kommunikation Hartmut Klauck Universität Frankfurt SS
Information und Kommunikation Hartmut Klauck Universität Frankfurt SS
Definitionen für Wahrscheinlichkeiten
Aufgabenzettel XI Statistik I
Aufgabenzettel XIII Statistik I © by Ewald Krawitz & Oliver Schattmann.
Aufgabenzettel IX Statistik I © by Ewald Krawitz & Oliver Schattmann.
Aufgabenzettel VI Statistik I
Wahrscheinlichkeit Zufallsexperiment:
STATISIK LV Nr.: 0028 SS Mai 2005.
STATISIK LV Nr.: 0021 WS 2005/ Oktober 2005.
STATISIK LV Nr.: 1852 WS 2005/ Dezember 2005.
Beispiel Geburtstagsproblem: Aufgabe:
Wahrscheinlichkeitsrechnung
EXPONENTIALVERTEILUNG
Wahrscheinlichkeitsrechnung
Die Wahrscheinlichkeit
Grundbegriffe der Stochastik
Stetige Verteilungen Das Uhrenbeispiel Dichtefunktion
STATISIK LV Nr.: 0021 WS 2005/ Oktober 2005.
Paris Beim Glücksspiel
Der Zentralwert.
3.3 Moving-Average-Prozesse (MA-Modelle)
Begriff der Zufallsgröße
Kopfübungen BORG Schoren KÜ 3
Stochastik Grundlagen
K. Desch - Statistik und Datenanalyse SS05
Die Binomialverteilung
K. Desch - Statistik und Datenanalyse SS05
Stochastik I Erwartungswert
Der Wiener Prozess und seltene Ereignisse
Wahrscheinlichkeitsrechnung Übersicht
Vorbereitungsseminar zum fachdidaktischen Blockpraktikum im SS 2011
Welche möglichen Ergebnisse gibt es beim Würfeln mit einem Würfel?
Independent Component Analysis: Analyse natürlicher Bilder Friedrich Rau.
Binomialverteilung.
Einführung in die Wahrscheinlichkeitsrechnung
Wahrscheinlichkeitsverteilungen
Binomialverteilung FI Mag. Günther Schwarz.
 Präsentation transkript:

Aufgabenzettel VIII Statistik I © by Ewald Krawitz & Oliver Schattmann

Aufgabe 1a) Beispiel (Texas Holdem Preflop: Pärchen?): Bernoulli- Experiment: Zufallsexperiment mit 2 Ausgänge Erfolg = Pärchen Misserfolg = kein Pärchen Keine anderen möglichen Ausgänge Feste Erfolgswahrscheinlichkeit

Aufgabe 1a) Bernoulli- Prozess: Besteht aus mehreren Bernoulli Experimenten Ausgänge bleiben bestehen Erfolg = Pärchen Misserfolg = kein Pärchen Einzelwahrscheinlichkeiten der einzelnen Experimente sind voneinander unabhängig Wahrscheinlichkeiten, in jedem einzelnem unabhängigem Experiment, sind auch immer gleich

Aufgabe 1a) Zufallsvariable: Den Ereignissen werden Werte zugeordnet Ereignis besitzt einen unsicheren Ausgang Wahrscheinlichkeit: Anzahl günstiger Ereignisse durch Anzahl möglicher Ereignisse Rechenvorschrift: (4*3*13)/52*51 P(X=1) = 0,059 P(X=0) = 1 – P(X=1) = 0,941

Aufgabe 1a) Würfelwurf = Bernoulli- Experiment? 6 mögliche Ausgänge (Eigenschaft nicht erfüllt) Feste Wahrscheinlichkeiten (Eigenschaft erfüllt) Keine weiteren Ausgänge (Eigenschaft erfüllt) Würfelwurf ist kein Bernoulli- Experiment

Aufgabe 1a) Anwendungsbeispiel (Mensch ärgere dich nicht): P(X=1) = 1/6

Aufgabe 1b) Definition Wahrscheinlichkeitsfunktion: Die Wahrscheinlichkeitsfunktion f X (x) der diskreten Zufallsvariablen X ist definiert als: f X (x) = P(X=x) Sie liefert zu jedem x die Wahrscheinlichkeit, dass sich X=x realisiert. R-Code x<- sample(0:1,size=100,replace=T,prob=c(5/6,1/6)) plot(table(x))

Aufgabe 1b)

Ablesen der Werte: f(0) = P(X=0) = 5/6 f(1) = P(X=1) = 1/6 f(-5) = P(X=-5) = 0 f(100) = P(X=100) = 0 P(X<5) = 1 P(X0) = P(X<0) + P(X=0) = 0 + 5/6 = 5/6 P(X 0,5) = 5/6 P(X 1) = 1 P(X>0) = 1/6