Lernangebote

Lernangebote

Unternehmen

Stochastik Abiturzusammenfassung

1800

Teilen

Speichern

STOCHASTIK
Zufallsversuch
Ein Versuch mit mehreren möglichen Ergebnissen, deren Eintreten nicht
vorhergesagt werden kann
Eigenschaften Zufal
STOCHASTIK
Zufallsversuch
Ein Versuch mit mehreren möglichen Ergebnissen, deren Eintreten nicht
vorhergesagt werden kann
Eigenschaften Zufal
STOCHASTIK
Zufallsversuch
Ein Versuch mit mehreren möglichen Ergebnissen, deren Eintreten nicht
vorhergesagt werden kann
Eigenschaften Zufal
STOCHASTIK
Zufallsversuch
Ein Versuch mit mehreren möglichen Ergebnissen, deren Eintreten nicht
vorhergesagt werden kann
Eigenschaften Zufal
STOCHASTIK
Zufallsversuch
Ein Versuch mit mehreren möglichen Ergebnissen, deren Eintreten nicht
vorhergesagt werden kann
Eigenschaften Zufal

Ähnliche Inhalte

Know Schritt für Schritt Anleitung Rekostruktion 11. Klasse thumbnail

0

Schritt für Schritt Anleitung Rekostruktion 11. Klasse

Nur eine kurze Zusammenfassung des Themas die ich für meine Mitschüler erstellt habe

Know Vektorrechnung Klausur  thumbnail

0

Vektorrechnung Klausur

Geraden, Vektoren

Know Gaussverfahren  thumbnail

0

Gaussverfahren

Gaussverfahren

Know Gaussverfahren  thumbnail

0

Gaussverfahren

lgs

Know Stochastik thumbnail

277

Stochastik

> Grundlagen > Pfadregeln > bedingte Wahrscheinlichkeit > Vierfeldertafel > stochastische (Un)Abhängigkeit > Kombinatorik > Bernoulli-Experiment > Histogramme > Erwartungswert und Standardabweichung

Know Regelheft Stochastik - gesammeltes Wissen für das Abitur thumbnail

97

Regelheft Stochastik - gesammeltes Wissen für das Abitur

alles was du in Stochastik fürs Abitur wissen musst

STOCHASTIK Zufallsversuch Ein Versuch mit mehreren möglichen Ergebnissen, deren Eintreten nicht vorhergesagt werden kann Eigenschaften Zufallsexperimente. - gibt mehrere mögliche Ergebnisse Beispiele:-werfen einer Münze oder lines Würfels -Ziehen einer karte -Drehen eines Glückrads Häufigkeit absolute Häufigkeit: Anzahl des Auftretens eines Ergebnisses (Hx (n)) ↳ Wie oft x innerhalb einer Stichprobe mit dem umfang n vorkommt relative Häufigkeit: h₂(x) (hx (n)) = - Experiment kann beliebig oft wiederholt werden -Zwei Ergebnisse können nicht gleichzeitig eintreten -Ergebnis kann nicht vorher gesagt werden -Regeln und Bedingungen werden während des Experiments nicht geändert Hn (x) n La Place Formel: P(E)= wahrscheinlichkeit berechnen E n = PIEJ Wahrscheinlichkeit des Ereignisses E Anzahl der günstigen Ergebnisse E n Anzahl der möglichen Ergebnisse Sind alle Versuche gleich wahrscheinlich, spricht man von einem La Place - versuch absolute Häufigkeit Gesamtanzahl der versuche Ergebnis raum: menge aller Ergebnisse ·(52) Definitionen mehrstufige Zufallsexperimente: → Zufallsexperiment, das aus mehreren Teilvorgängen besteht, die zufällig Sind → 2 Teil vorgänge: Zweistufiger Zufallsversuch Ergebnis: -Ausgang eines Zufalls versuches. Ereignis:-Verbund" von möglichen Ergebnissen Sicheres Ereignis (p = 100%) • unmögliches Ereignis (p = 0x) Darstellung Baumdiagramm → Stellt Zufalls versuche übersichtlich dar → hilfreich, wenn ein mehrstufiger Zufalls versuch vorliegt 1. Teilvorgang 2. Teilvorgang ·1. Pfadregel / Produktregel Die Wahrscheinlichkeit eines Ergebnisses ist gleich dem Produkt der Wahrscheinlichkeiten entlang des jeweiligen Pfades im Baumdiagramm. 2. Pfadregel / Summenregel Die Wahrscheinlichkeit eines Ergebnisses ist gleich der Summe der Wahrscheinlichkeiten. aller Pfade, die für dieses Ereignis günstig sind. A B A und B sind gleich A = B Beziehungen zwischen Mengen AC B...

Nichts passendes dabei? Erkunde andere Fachbereiche.

Knowunity ist die #1 unter den Bildungs-Apps in fünf europäischen Ländern

Knowunity ist die #1 unter den Bildungs-Apps in fünf europäischen Ländern

Knowunity wurde bei Apple als "Featured Story" ausgezeichnet und hat die App-Store-Charts in der Kategorie Bildung in Deutschland, Italien, Polen, der Schweiz und dem Vereinigten Königreich regelmäßig angeführt. Werde noch heute Mitglied bei Knowunity und hilf Millionen von Schüler:innen auf der ganzen Welt.

Ranked #1 Education App

Laden im

Google Play

Laden im

App Store

Immer noch nicht überzeugt? Schau dir an, was andere Schüler:innen sagen...

iOS User

Ich liebe diese App so sehr, ich benutze sie auch täglich. Ich empfehle Knowunity jedem!! Ich bin damit von einer 4 auf eine 1 gekommen :D

Philipp, iOS User

Die App ist sehr einfach und gut gestaltet. Bis jetzt habe ich immer alles gefunden, was ich gesucht habe :D

Lena, iOS Userin

Ich liebe diese App ❤️, ich benutze sie eigentlich immer, wenn ich lerne.

Alternativer Bildtext:

→→ Alle Elemente von A Sind auch Elemente von B B A B Schnittmenge An B→ Schnittmenge von A und B Aist eine Teilmenge. bzw. Untermenge von B. BIA A vereinigungsmenge AUB →vereinigungsmenge von. A und B W A Komplementmenge Alle Elemente, die in A und B enthalten Sind Alle Elemente, die zu A oder B gehören Differenzmenge A Sind alle Elemente, die Inicht in A enthalten sind Alle Elemente, die in B liegen, aber nicht in A W (a) (h Pē (A) PIBĀ) Beispiel: B 5 b e in L Wahrscheinlichkeit, dass ein Ereignis A eintritt unter der Bedingung, da dass ein anderes Ereignis B eingetreten ist P(B) Für Zwei Ereignisse A und B mit (P(B) #0) ist P(ANB) PB(A) = die bedingte Wahrscheinlichkeit P.(B) für Ereignis A unter der Bedingung, dass B eingetreten ist. Baumdiagramm le -PB (A) PB(A) P(BNA) P(BOA) 19 Kugeln -5 rote \4 4 PB (A) = = = 1/2 = 50% 8 P (B) Orangene PB(A) = 62,5% 8 Darstellungsmöglichkeiten. B PB(A) P(BnA) Multiplikationssatz: PIAN B)=P(B)⋅ PB (A) → Zweimal ziehen ohne Zurücklegen 1. Wahrscheinlichkeit dafür, dass die 2. Kugel rot ist, Wenn die 1. Kugel auch rot war 9 ţ e 2. Wahrscheinlichkeit dafür, dass die 2. Kugel rot ist, Wenn die 1. Kugel orange war 2. Ziehen: Ereignis A: rote kugel 1. Ziehen: Ereignis B: Orangene Kugel 3. Wahrscheinlichkeit dafür, dass beide kugeln rot sind P(ANB) = P(B) · P₁ (A) = 5/0 ₁2/23 - 12/10 - 12/12 = 27,78% 1/1.1/12 - 11/128 1 A A Summe B P(ANB) PAB) P(B) B P(ANB) P(ANB) P(B) Summe P(A) P(A) 1 Vierfeldertafel. 9 J|0 00/07) Zufallsvariablen Zufallsgrößel Zufallsvariable Eine Zufallsvariable oder Zufallsgröße X ordnet jedem Ergebnis eines Zufallsversuches eine reele Zahl zu. X= x; ist das Ereignis, zu dem alle Ergebnisse des Zufallsversuches genören, deren Eintritt dazu führt, dass die Zufalls variable X den Wert x; annimmt Xi, Man Spricht von der Wahrscheinlichkeitsverteilung der Zufallsgröße X, wenn jedem Wert. den X annehmen kann, die Wahrscheinlichkeit P(X= x;) mit der X diesen Wert annimmt, "geordnet wird. Erwartungswert einer Zufallsgröße X sei eine Zufallsgröße mit der Wertemenge x₁, ..., Xn Dann ist M = E(X)= X₁₂₁ · P(x=x₂₁) + X₂ · P ( X = x₂) + ... + X₁ • P(X= xn) M = E(X) U Erwartungswert Varianz einer Zufallsgröße X sei eine Zufallsgröße mit der Wertemenge x₁, ..., xn und dem Erwartungswert μ = E(X) · V(x) = (x₁ -μ)². P(x = x₁) + (x₂¯M)². P ( x = x₂) + ... + (x₁ -M) ². P(x = x₂) Standardabweichung Die Standardabweichung 1st die Wurzel aus der varianz 0(x)=1V(x)' Zufallsgrößen einer Bernoulli-Kette X sei die Trefferzahl in einer Bernoulli-Kette der Länge n und der Treffer wahrscheinlichkeit p, dann gilt:. M = E(x)=n.p. und O(x)=₁h.p. (1-P) varianz Histogramme der Binomialverteilung und ihrer Eigenschaften Abhängigkeit der Binomialverteilung von p (n=5= konst.): B5, p p=0,35 P=0,65 h LLL L je größer p, umso weiter rechts liegt das Maximum der verteilung p=gs → symmetrische Verteilung Es gilt: Bn;p 0 P=0,1 fürk ist das gleiche wie Bn₁1-p für m=n-k (→Bn; q und Bn, 1-p Sind Spiegel symmetrisch zueinander) Abhängigkeit der Binomialverteilung von n (p=0,4 = Konst.): Bn, 0, 4 n=3 dh dh dh 4 p= 0,5 0 mit wachsendem n→ verteilung flacher Mit wachsendem n →verteilung symmetrischer 10 Stochastische Unabhängigkeit Zwei Ereignisse Sind Stochastisch unabhängig, wenn gilt. PB(A) = P(A) (P(A) #0, P(B) + 0) Beispiel: Aus einer Urne werden zwei Kugeln gezogen. A: rote Kugel im 1. Zug B: rote Kugel im 2. Zug Sind A und B stochastisch unabhängig? 6 10 a) Ziehen mit Zurücklegen Baumdiagramm 6 10 alf 1. Zug 2.Zug Gleichwertige Bedingungen für Stochastische Unabhängigkeit 1) PB (A) = P(A) 2) PA (B) = P(B) 3) P(ANB)=P(A). P(B) 019 4 10 →P(B) = P₁ (B) Die Ereignisse A und B Sind Stochastisch unabhängig TONIG ∙P (B) = (1/10 · 46 ) + (40 - 4) = ²/3/ P₁ (B) = = ² (grün markiert). b) Ziehen ohne Zurücklegen Baumdiagramm colut 6 10 عام 0 1. Zug 9 2. Zug P₁(B) = 6 P(B) = 11871 colf color. 4 + cla O 10 g (grün markiert) →P (B) = PA (B). Die Ereignisse A und B Sind nicht Stochastisch unabhängig allgemeine Form: S ड P = Vierfeldertafel Vierfeldertafeln dienen zur Darstellung von Wahrscheinlichkeiten zweier Ereignisse Beispiel: Bei einer Reisegruppe von Touristen, tragen 60 von 200 Männern keine Sonnenbrille und von den Frauen tragen 10 eine Sonnenbrille und 40 tragen keine. M A А B P(ANB) PAB) P(B) 40 250 B. P(ANB) P(ANB) P(B) P(A) P(A) Summe P(MOS) 140 P(S) 150 (140) 10 M 60 200. 50 = 0,16 = 16% 40 150 100 250 Sonnenbrille Eine beliebige Person der Reisegruppe mit Sonnenbrille geht verloren. Mit welcher Wahrscheinlichkeit ist die Person männlich? P₂ (M)= 0,9333=93,33 % In die 5 Randfelder werden die zeilen- und Spaltensummen eingetragen. ( bedingte Wahrscheinlichkeit. PB (A) = tragen keine Sonnenbrille Sonnenbrille keine 200-60=140 M: die Person ist männlich M: die Person ist weiblich 200 Männer + 50 Frauen = 250 Menschen Wie wahrscheinlich ist es, dass eine beliebige Person der Reisegruppe eine Frau ist und keine Sonnenbrille trägt?. S: die Person trägt eine Sonnenbrille S: die Person keine Sonnenbrille Sonnenbrille Sonnenbrille 60 10 P(ANB) P(B) keine Sonnenbrille 40 Binomialverteilung Bernoulli-Experiment. man spricht von einem Bernoulli- Experiment, wenn bei einem Zufallsexperiment nur 2 Ausgänge möglich sind, E und E. E gilt als Erfolg und E als Misserfolg. Die Treffer wahrscheinlichkeit ist die Wahrscheinlichkeit p für das Eintreten von E. Wiederholt man ein Bernoulli-Experiment n-mal, Spricht man von einer Bernoulli-kette der Längen mit der Trefferwahrscheinlichkeit p... Formel von Bernoulli Liegt eine Bernoulli-kette der Länge in mit der Trefferwahrscheinlichkeit p vor, so wird die Wahrscheinlichkeit für genau k Treffer mit B(n; p; k) bezeichnet. P(x = k) = B(n;p;k) = (2).pk. (1-p)n-k Bsp Binomialverteilte Zufallsgrößen Binomialverteilung Es sein eine natürliche Zahl und pe [0,1] line reele Zahl. Binomial koeffizienl Eine Zufallsgröße X heißt Binomialverteilung mit den Parametern in unap, (n) = n. In-^)... (n-k+1) wenn fürk = 0, 1, 2, n gilt: P(x = k) = B(n; p; k) = (2).pk. (1-p) ^-k n! Es werden 4 Kugeln nacheinander mit Zurücklegen gezogen. L binomial verteilt, da clie Bedingungen bei jedem Ziehen gleich sind X Anzahl der gezogenen. roten kugeln Berechne P(x=k) für k = 0,...,4 geg: n = 4 k = 0, 1, 2, 3, 4 p.= 0,4 (=, da 2 von 5 Kugeln rot sina). Wahrscheinlichkeit. k Anzahl der Treffer / Erfolge. Lsg: P(x=0) = (6)·0,4⁰ (1-0,4) 4-0 = 0₁1296 = 12, 96 % ·P(x=1) = (4) · 04 · (1-0,4)4-1 = 0₁ 3456 = 34,56% P(x=2) = (2) 0,4² (1-0,4) 4-2 = 0₁ 3456 = 34,561 P(x=3) = (3) 0,4³. (1-0,4) 4-3 = 0,1536 = 15,36% P(x=4) =(4) 04 (1-0,4) 4-4 = 0,0256 = 2,56% Punkt wahrscheinlichkeit Beispiel: p=9514 n=6 k=3 B(6; 0,514; 3) = (3) 0,514³. (1-0,514) 6-3 0,312 31,2%. Intervall wahrscheinlichkeiten -linksseitige Intervallwahrscheinlichkeit PL x P(x ≤k)=P(x=0) + P(x=1) + ... + P(x = k) Bnig ({0;...; }) Beispiel: p = 0,23 n = 6 k = 0,1,2 P(x≤k)=P(x=0) + P(x = 1) +P(x=2) = 0,2084 +0,3735 +0,2789 = 0,860886,08% 6-2 =(6)-0,23 (1-0,23) 60+ (5) -0,23² (1-0,23) 6+ (2)-0,23² (1-0,23) 6 Beispiel: p=0,3 n=12 ≤k) kumulierte Wahrscheinlichkeit X nimmt genau einen wert an und Zwar k -rechtsseitige Intervallwahrscheinlichkeit P(x2k) = P(x=k) + P(x=k+1) + ... + P(x=h) P(k≤x≤m) k<m Zusammensetzung":"kumuliert bis m P(K≤x≤m) = P(x≤m) - P(x².K-1) Beispiel: S.12117 k=4,5,6,7,8,9, 10, 11, 12 P(x24)=P(x=4) + P(x = 5) + P(x=6) + ... + P(X= 12) = 1- P(X≤3) = 1-0,4925= 0,5075 = 50,75% eventuelles Gegenereignis: P(x≥k) = 1- P(x ≤k-1) -klassische Intervall wahrscheinlichkeit kumulielt bis k-1" oder Punktwahrscheinlichkeiten addieren n=12 P = 0,7 7≤k≤10 P(7≤k≤10)=P( X = 7) + P ( X = 8) + P(x =9) + P(x=10) = P(x ≤10) - P(x≤6) 97971 = 79,71%. P(x >k)=P(x >k + 1) = 1 - P ( x≤k) P(x <k) = P(x ≤k -1) 13- mal mindestens → Berechnung der Länge einer Bernoulli-kette um die Ansatzgleichung zu erfüllen → 3 Bedingungen mit mindestens Vorgehensweise: 1. Ungleichung für den Sachverhalt aufstellen P(X= k) = Wahrscheinlichkeit 2. Ungleichung mit Gegenereignis aufstellen 1- P(x=0) 2. Wahrscheinlichkeit 3. um formen nach ? 4. einsetzen in Bernoulli Formel → (Gegenwahrscheinlichkeit)" = (1-Wahrscheinlichkeit) 5. umstellen nach n (mit Logarithmus) Beispiel 1.: Wie oft muss ein Würfel mindestens geworfen werden, damit mit einer Wahrscheinlichkeit. von mindestens 98% mindestens einmal die Sechs fällt?. 1. P(x ≥ 1) 2.0,98 1-P.(x=0). 2.0,98 1 + PCX=0) 1-0,98 P.(x=0) P.(x=0) ≤ 0,02 = (-/-) " (5) ≤0,02 llg 19 (2) ≤ 19 0,02 n. 1g / ≤ 19 0,02 n ) 19 0,02 195/65 n Aufgaben 1:198/20 2 21,5 Das Vergleichszeichen dreht sich, da durch eine negative Zahl dividiert wird (der log* für 0<x< ₁ ist immer negativ) Das Ergebnis wird immer aufgerundet →Der Würfel muss mindestens 22-mal geworfen werden damit mit einer Wahrscheinlichkeit von mindestens 98% mindestens einmal die Sechs fällt •Prognoseintervalle Schluss von der Gesamtheit auf die Stichprobe -Umgebung des Erwartungswertes μ der Trefferzahl -Wahrscheinlichkeit, mit der die Trefferzahl in die Umgebung des Erwartungswertes fallen wird (=vertrauens wahrscheinlichkeit) - häufige verwendung: 10- • Umgebungen 168,3%) 20-Umgebungen (95,5%) 30-Umgebungen (99,7%) 90%-Prognose intervall → [μ(x) -1,646 ≤ x ≤ M(x) + 1,640] 95%-Prognose intervall → [M(x)-1,96 0 ≤ x ≤ μ(x) +1,960] 99% - Prognose intervall → [M(x)-2,580 ≤ x ≤ M(x) + 2,580] merkmale:-wahrscheinlichkeit p ist gegeben ·Strichpoben umfang n ist gegeben - Prognose für Ergebnisse eines Bernoulli-versuchs ist gesucht Beispiel: Eine Bäckerei bestelt 800 Brötchen, von denen ein Brötchen mit einer Wahrscheinlichkeit von 15% verbrannt ist. Die Bäckerin will eine Prognose über die Anzahl der verbrannten Brötchen, die mit einer Sicherheit von 95%.. lintritt. geg: n = 800 p = 0,15 95% 1,960-Umgebung Lsg: E(x) = μ(x) = p.p=800-0,15 = 120 5(x)=1n-p.(1-p) =1120-0, 15- (1-0,15) 3,9115> 3 Intervall CM(x) - 4,960 = X= Mix) + 1,960] [120-1,96-3,9115 ≤ x ≤ 120+1,96.3,9115] [112,33 ≤ x ≤ 127,67] [112 ≤ x ≤128] LaPlace-Bedingung erfüllt Anwendung der Sigma-Regeln. . Mit einer Wahrscheinlichkeit von circa 95% werden zwischen 112 und 128 Brötchen verbrannt sein. . VERTRAVENSINTERVALLE Bestimmung von vertrauens intervallen Merkmale:-p ist unbekannt hn = X n Strichpobenumfang n ist gegeben relative Häufigkeit Ihn-pl = 6 | A-pl [m.p (1-p) n ↳ Intervall in dem (Konfidenzintervalle) nachp auflösen Näherungsformer: [hn- ; hnta] ni gilt nur für 0,3≤p≤0,7 [ha- 17. n. (1-₂) hn- n n mit einer Wahrscheinlichkeit von 68,3% liegt: Lsg.: h₂ = Näherungsformel: 171 1710 3500 350 Beispiel: Eine Münze wird 3500-mal geworfen, wobei 1710-mal kopf oben liegt. Entscheide, ob die Münze mit einer vertrauenswahrscheinlichkeit von 95,5% echt ist.. 1-pl ≤20/0 n nn 0,4886 1n-hn-(1-hn) n ·95,5% 20 Umgebung X = 1710 n = 3500 n.hn (1-hn) | 171-pl ≤ 0,0169 350 ·10 - Umgebungen (68,3%) 20-Umgebungen (95,5%) 30-Umgebungen (99,7%) 1-pl ≤ 2. | 171-pl = 2.1/3500-350 (1-10) 350 90%-Intervall → 1,640 95%-Intervall → 1,960 99%-Intervall → 2,580 n 3500 Vertrauensintervall: [0,4886-0,0169 ≤p ≤ 0,4886-0,0169] [0,4717 Sp ≤ 0,5055] Die Münze ist mit einer vertrauenswahrscheinlichkeit von 95,5% echt, da die Wahrscheinlichkeit, dass kopf oben liegt bei einer Münze 0,5 beträgt und diese Wahrscheinlichkeit innerhalb des Vertrauensintervalls liegt.