Laden im
Google Play
Die moderne industriegesellschaft zwischen fortschritt und krise
Friedensschlüsse und ordnungen des friedens in der moderne
Imperialismus und erster weltkrieg
Der mensch und seine geschichte
Herausbildung moderner strukturen in gesellschaft und staat
Deutschland zwischen demokratie und diktatur
Das 20. jahrhundert
Großreiche
Frühe neuzeit
Europa und globalisierung
Europa und die welt
Die zeit des nationalsozialismus
Das geteilte deutschland und die wiedervereinigung
Bipolare welt und deutschland nach 1953
Demokratie und freiheit
Alle Themen
Entwicklungsperspektiven
Mensch-umwelt-beziehungen
Die subpolare und polare zone
Russland
Herausforderungen an die menschen des 21. jahrhunderts
Europa
Klima und vegetationszonen
Entwicklung in tropischen räumen
Planet erde
China
Globalisierung
Ressourcenkonflikte und ressourcenmanagement
Australien und ozeanien
Klimawandel und klimaschutz
Usa
Alle Themen
16.4.2022
3497
147
Teilen
Speichern
Herunterladen
STOCHASTIK GRUNDLAGEN arithmetisches Mittel (bei Datenreihen) 1+2+3+4+5 5 Bsp. Median (bei Datenreihen) ↳ Datenreihe muss geordnet sein Bsp. 12345 Bsp. 123456 Pascallsches Dreieck: ↳grafische Darstellung der Binomialkoeffizienten ↳ Anzahl der Möglichkeiten einer Kombination (bei Treffer und Nicht-Treffer) 1 10 45 28 1 56 1 3 6 1 1 6 70 56 28 Programmieren im GTR: Liste definieren: L1:= {X₁; X₂₁ X3 Xn} Summenbefehl: sum (L1) Mittelwert: m=sum (L1) Standardabw.: S:= √√ sum [(m-L1)²] 7 relative Häufigkeit: h, h₂... hn rel. Häufigkeitsverteilung: M₁, M₂... mn Mittelwert: x= m₂₁ · h₁₂+ m₂ n₂...+mnhn Standardabw.: s= √(m₁-x)² · h₁ + (mn-x)² · hn 1 36 84 126 126 84 36 120 210 252 210 120 45 8 9 1 1 10 1 Häufigkeiten: absolute Häufigkeit (H): Wie oft etwas passiert ist relative Häufigkeit (h): Wie oft etwas bein Versuchen passiert (Anteil) H h = n wichtige Kenngrößen: X: Zufallsgröße der Treffer p. Trefferwahrscheinlichkeit 1-p: Gegenwahrscheinlichkeit k: Trefferanzahl n: Versuchsanzahl; Stichprobenumfang P(X=K): Wahrscheinlichkeit für k Treffer Berechnung der Wahrscheinlichkeit für k Treffer: P(X=K)= pk. (1-p)n-k Pfadregeln: 1. entlang des Pfades wird multipliziert 2. Wahrscheinlickeiten mehrerer Pfade werden addiert Urliste: X₁ X₂ X3... Xn Mittelwert: X= (x₁+x₂ + x3 + xn) Standardabweichung: s= √(x₁-x)²+... (xn− x)² quadratische Abweichung: d(x): Summe der quadratischen Abweichung um einen Wert X Element der Standardabweichung s= √d(x) SCHEINLICHKEITSVERTEILUNG im GTR: k=L1; P(X=k)=L2 e = sum (L1-L2) Erwartungswert: erwarteter mittlerer Gewinn oder Verlust etc. ↳auf lange Sicht pro Spiel μ= x₁ P(X=x₂)+... Xn P(X=xn) Standardabweichung: Abweichung von der Zufallsgröße X von dem Erwartungswert u o = √(x-μ)²³ P(x= x₁)+... (x-μ)². P(X=Xn) Faires Spiel: Auf lange Sicht gesehen keinen Verlust (Einsatz und Gewinn gleichen sich aus) und keinen Gewinn → (=O) ↳ Funktion...
Durchschnittliche App-Bewertung
Schüler:innen lieben Knowunity
In Bildungs-App-Charts in 11 Ländern
Schüler:innen haben Lernzettel hochgeladen
iOS User
Philipp, iOS User
Lena, iOS Userin
= (Auszahlung-Einsatz) Wahrscheinlichkeit Einsatz ändern für ein faires Spiel: f(e)= (k₁-e) P(x= k₁) +... (Kn-e) P(X=kn) = 0 My = n. Mx Oy = √n ox Versuch mit der Zufallsgröße X n-mal durchführen: Punktsumme Zufallsgröße Y Wahrscheinlichkeitsverteilung: P(X= k) = √sum (k-μ)².P(K) Simulation der Mittelwerte: Zufallsbereich (a,b) GTR randit (a,b,n) im GTR: k= L1; P(X=K)=L2₁ μ = e S:= √sum ((L1-e) ². L2) Auszahlung ändern für ein faires Spiel: M(a)= K, P(X=K₁)+... (a-Einsatz) P(X=Kn)=0 M=(randit (a.b.n)) ↳ Wahrscheinlichkeit Mittelwertbildung aus n-Messwerten: -Gesetz →→ je größer n, desto kleineres Prognoseintervall ↳ Länge des Intervalls halbieren = n vervierfachen Binomialkoeffizient : (R)= Anzahl der Pfade für k Treffer (ohne Reihenfolge) Pascallsches Dreieck GTR ncr (n,r) (R)= K (n-k)! != Fakultät Beispiel: (3)=3! (5-3)!= 54824 = 10 Regeln (8)=1=(n) (2) = n = (n-1) BERNI -zwei Möglichkeiten Treffer; nicht Treffer -Wahrscheinlichkeit bleibt gleich Pfade mit Pascall'schem Dreieck darstellbar Grundfunktionen Binomialverteilung: 1. Trefferzahl k: P(X= k) =B₁,p(k) binompdf (n.p.k) 2.kumulierte W.: P(X≤ k) = Fnip (k) binomcdf (n,p,k) 3. askeb Treffer: P(a≤x≤ b)= Fn₁p (a≤x≤ b) binomcdf (n,p,a,b) Erwertungswert: μ= np Standardabweichung: o = √n.p.(1-P) Aussagen über Unbekannte treffen: Suche nach n händisch: in P(X=K) = (R) pk (1-p)n-k einsetzen und auflösen Bsp. p=0,25; P(X=0) = 0,05 (8) 0,25° (1-0,25)-0 = 0,75" 0,75 0,05 0,75 = 0,05 11090,75 n (090,75 (0,05) = 10,41 => 11 im GTR: in der Tabelle = seq (a, a, Startwert, Endwert, Schrittweite) 1 2 3 4 Berechnung der Wahrscheinlichkeit: P(X=K) = (R)-pk-(1-p)n-k Binomialverteilung binompdf (01, p,k) binomcdf (a1,p, k) binomcdf (a1, p,k,a1) binomcdf (a1, p, a,b) Sigmaregel: 1. PM-0≤x≤μ + 0) = 68,3% 2.P(μ-20 ≤X≤M+20) ≈ 95,4% 3.P(μ-30 ≤X M +30) = 99,7% Prozentzahl der Ergebnisse die im jeweiligen Intervall liegen. je größer n (der Umfragenfragen-Umfang) ist, desto aussagekräftiger sind die Ergebnisse. Suche nach p in der Tabelle: =seq (a, a, 0, 1, Schrittweite) ↳Schrittweite 3x ändern (für genauere Werte p) 0,1 0,01 0,001 in der Tabelle: Bsp. = binomcdf (n,a1, k) → P(X=k)=Bn;p (k) → P(X≤k)=Fn₁p (k) → P(X²K)= Fnip (K≤n) →P(a≤x≤ b)=Fnip (a≤k≤b) nach der gegebenen Wahrscheinlichkeit P suchen und Werte davor und danach angeben. das Schwankungsintervall ist das 20-Intervall (95% aller zu erwartenden Ergebnisse h liegen im 20-Intervall) X liegt im Intervall μ± 20: [μ-20 ≤XM-20] (n-p)-2.(√n-p.(1-p) ) ≤ x ≤ (n⋅p) +2. (√n.p.(1-p)) IGSINTERVALL Schwankungsintervall der Häufigkeit h um die reale Wahrscheinlichkeit p: berechnetes: [p-2.JP-(-p) p+2. √P.(1-0 i geschätztes: [p-p+] => p= h± 2 relative Häufigkeit (h) berechnen: (n-p)-2.(√n-p.(1-P) ) ≤ x ≤ (n⋅p) +2·(√n⋅p. (1-p)) 1+h P-2. √(1-P) == n² p+2. P-2. √P.(1-P) <h²p+2. 品 √h. (1-h) √n => h= p± 2 √n VERTRAUENSINTERVALL berechnetes: [-2. Jh.(1-h) geschätztes [h-₁h+√] · das Vertrauensintervall ist das 20-Intervall, nur nach p umgestellt (p wird zu 95,4% in dem Intervall vermutet) √P-(1-P) √h.(1-h) ¡h+2. √n √n.p.(1-P) vn √P.(1-P) ] merken: h = h = = SIGNIFIKANZTEST • widerlegen / bestätigen der Nullhypothese durch überprüfen der Wahrscheinlichkeit eines Beispiels (Werte für n und k) beidseitige Betrachtung max. 2,5% 1 Beispiel: Signifikanzniveau 5% Ho: p= 0,5 (Bsp.) Linker Ablehnungsbereich: P(k<a) = 0,025 P(K) < 0,025 P(K₂) ≥ 0,025 mind. 957 Annahmebereich [a,b] Ablehnungsbereich Linksseitiger Test: einseitige Betrachtung Beispiel: Signifikanzniveau 5% P(k<a)<5/ Fnip (k) < 5% max. 5 % Ablehnungsbereich [0;b-1] Berechnung: Tabellenfunktion = seq (a, a, 0, n, 1) = binomcdf (n,p,a1) Bsp. => Annahmebereich [k₂ ik3] überprüfen ob k (gegeben) im Intervall liegt, um die Nullhypothese (nicht) zu widerlegen max. 2,5%. Ho: P mind. 95%. Annahmebereich [bin] P(k≥a) ≥ 95% Fnip (k≤x≤n) ² 95% Nullhypothese (Ho): Aussage Signifikanzniveau (<<): Genauigkeit der Überprüfung ↳ Bsp. 5% (5% Fehler erlaubt) rechter Ablehnungsbereich: P(k>b) ≥ 0,975 P(K₂) ≤ 0,975 P(ky) > 0,975 rechtsseitiger Test: Beispiel: Signifikanzniveau 5% Ho: P mind. 95%. max. 5%. Annahmebereich [0;b] Ablehnungsbereich [b+1;n] P(k≤ b) ≥ 957 Fnip (k) 2 95% P(k>b) < 5% Fn;p (k≤x≤n) < 5% => Annahmebereich [k₂ ik3] überprüfen ob k (gegeben) im Intervall liegt, um die Nullhypothese (nicht) zu widerlegen AT Wenn eine wahre Nullhypothese verworfen wird Wahrscheinlichkeit für Fehler berechnen: 1. Ablehnungsbereich bestimmen 2. Wahrscheinlichkeit für Ablehnungsbereich Wahrscheinlichkeit für Fehler 1. Art FEHLER 2.ART Wenn eine falsche Nullhypothe akzeptiert wird Wahrscheinlichkeit für Fehler berechnen: 1. Annahmebereich der Nullhypothese (alte Trefferwahrscheinlichkeit) 2. Wahrscheinlichkeit für Annahmebereich mit neuer Trefferwahrs. Wahrscheinlichkeit für Fehler 2. Art = Beispiel: Ho: 0,6 n= 50 A= [24.50] A= [0,23] F50;0,6 (r≤23)= Fehler 1. Art x = 5% Beispiel: Ho: 0,6 n= 50; A- [24.50] A = [0,235 p (real): 0.5 F50.0,5 (24≤ r ≤50)= Fehler 2. Art x = 5% Was ist eine normalverteilte Zufallsgröße ? binomialverteilt: P(X=K) o-Intervall X: Anzahl der ben Gauß'sche Glockenkurve HP bei M. WP bei Mo e't? GTR Funktionswerte: μ₁0 (x) = y К Pdf (x, M,0) Beispiel: HP/WP von 14,0,2 RTEILUNG r+0,5 Brip (r) = μ₁0 (x) r-0,5 binomial normal normalverteilt: Anzahl M CAR o WP X= M²0 X: Gewicht der Äpfel bzw. Anzahl Wahrscheinlichkeitsdichte Verschiebung um den Erwartungswert HP: 140,2 (4) = 1,99 normPdf (4,4,0.2) WP: 4,0₁2 (3,8) = 1,2 normPdf (3,8;4;0,2) → Krümmung um die Standardabweichung HP: M: 0 (M) WP: PM₁0 (μ±0) Normalverteilung als Näherung für binomialverteilte: Beispiel: X: Anzahl der ben, n= 100, p= 1/6 B600;16 (100) = 0,0437 zugehörige Funktion f: M= n p = 100 o= √n-p-(1-p) 9,13 Hmm. -(x-μ)² Home -(x-μ)² 20 Wahrscheinlichkeiten von a bis b: Integral von G(x) von a bis b => GTR normcdf (a, b, M,0) 100,S P(X=100) S 4₁ Beispiel: Wahrscheinl. von fo;1 von r²1,15 S10₁1(x) dx = 0,125 1,15 normcdf (1,15; 1000 ; 0; 1) G(x)= Pμ₁0 (x) P(10-Intervall) ✓ [90,87;109.13] [91; 109] 99,5 100; 9,13 (x) dx = 0.0437 normcdf (99.5; 100,5; 100; 9,13). 109,5 S. Im 90,5 100; 9,13 {μ, (x) dx O√Ze (x) dx = 0,701 -(x-μ)²