
- Titel: Einführung in die Stochastik
- Organisation: UNI PADERBORN
- Seitenzahl: 127
Inhalt
- Einfuhrung in die Stochastik
- Skript zur Vorlesung Universitt Paderborn Sommersemester a
- INHALT Kovarianz Bedingte Erwartungswerte
- iv Ubungsaufgaben mit Lsungen o
- GRUNDLEGENDE DEFINITIONEN MODELLE
- Grundlegende Denitionen Modelle
- direkt dem folgenden Hilfssatz zu entnehmen
- S s N S ns N n
- Die Wkeit dass ich frh aufstehen u
- Diskrete nichtkombinatorische Modelle
- r dr ec r ec r
- P E Ui P Ui
- Beweis P E P E
- P E Ui P Ui
- P E Uj P Uj
- P Ui P E Ui
- Irrfahrten auf Graphen
- E E E Eine wichtige Tatsache ist
- IRRFAHRTEN AUF GRAPHEN
- f d fd x f d
- d d s C d
- h t rr rr j c
- f q v f x
- P sv rt P svk rt j r
- P s vi P vi
- P s vi PPfad
- Unabhngigkeit von Ereignissen a
- Denition Technische Denition Unabhngigkeit von Ereignisfamilien a
- UNABHANGIGKEIT VON EREIGNISSEN
- Modellierung unabhngiger Experimente Produktmoa delle
- P Pj j Pn n
- Pn n Pi Ei
- Nach Bayes gilt P U Ek
- n k nk pk qnk p q
- P E Ui P Ui
- P U P U P U
- gefhrt Damit gilt u
- zu betrachen Wir betrachten die Menge aller
- e d e de e d c
- r mit einem Wkeitsmaß zu versehen
- t dt et t dt et
- t t t t t t t t
- e e e e e e
- lim F r lim F r
- P Ei lim F n
- rn r
- Mit der Additivitt folgt hieraus a
- F rn F r in
- r r
- Mit der Additivitt folgt hieraus a
- F ri F ri
- DEFINITIONEN F T F r
- Sprunghhe P r o
- f ri F ri F ri
- f r dF r f r dF r
- Falls F stetig dierenzierbar ist
- R E r r r r b r
- f ri F i ri ri
- f ri Mit n ri
- Durch Umsummation ergibt sich die Darstellung
- f rn F rn f r F r
- f ri f ri F ri
- Erwartungswert und Streuung
- ERWARTUNGSWERT UND STREUUNG
- b Ist kontinuierlich mit der Dichte r
- F r so gilt mit Satz
- r dr lim r R
- r dr lim ln R r R
- f r P r E f
- dF r dr dr
- f r dF r E f
- Beispiel Betrachte einen Zufallszahlengenerator der GleitpunktZahlen
- mit der Dichte
- fr r u fr r u
- Die Verteilungsfunktion ist
- Der Erwartungswert ist
- ri F ri F ri
- Dies ist eine StieltjesSumme fr u
- also gilt mit n
- xi yi xi yj zk
- P xi yj zk
- xi yj P xi yj zk
- xi P xi yj zk xi
- yj P xi yj zk yj
- P xi yj zk xi P xi
- yj P Y yj E E Y
- P E QED
- n k nk p q k
- d p qn p n p qn dp
- E E E
- k k P k
- k k pk q nk p
- Beweis Mit den Forderungen n gungen n nk
- EINIGE STANDARDVERTEILUNGEN Es gilt die StirlingFormel
- n nk lnp e e n k nk
- ek k ln n en plnp ek lnp
- Beachte ln die Approximationen k
- fr Fr kn u u
- Die geometrische Verteilung
- Die hypergeometrische Verteilung
- s minn S
- F t P t
- e r dr e e
- UC F r F streng monoton
- Eine weitere interessante Funktion ist r
- Unabhngigkeit von Zufallsvariablen a
- Denition und Folgerungen
- P r n rn
- r r r r r r r r
- KAPITEL ZUFALLSVARIABLEN b F n r rn
- P c ergibt sich aus
- UNABHANGIGKEIT VON ZUFALLSVARIABLEN
- A r n rn
- Zufall regiert die Welt
- P P P P
- f r rn dF n r rn
- xnin P n xnin
- i i j i i
- E i j E i E j
- f r dF r A
- f r P r A
- E f Ui P Ui
- Beweis Die Formel von der totalen Wkeit liefert
- F r Ui P Ui
- Anwendungen Laufzeitanalyse von Sortieralgorithmen
- KAPITEL ANWENDUNGEN LAUFZEITANALYSE
- z k k z k k k k
- z k k z k k
- m E Zi m i
- KAPITEL ANWENDUNGEN LAUFZEITANALYSE m
- i i m i i i
- ein so ergibt sich bestenfalls die Laufzeit
- m i m m n log n i
- m i m m m i
- QUICKSORT und n n
- n qn n n
- Mit q und dementsprechend b folgt bn
- und hiermit i i
- qn n bn n n
- Die verbleibende Summe ist wohlbekannt es gilt
- lnn C i
- C ist die sogenannte EulerKonstante
- Das schwache Gesetz der großen Zahl
- bzw quivalenterweise a
- DAS SCHWACHE GESETZ DER GROSSEN ZAHL
- pq P n p n n n
- n k nk p q k
- E Sn n p npq
- Var Sn n p npq
- Var Sn npq
- pk q nk q p
- n pk q nk k n k
- nk O n O k O nk
- DIE MOIVRELAPLACENAHERUNG n np k n k k
- n np y nq y npq O
- y y p O y n
- y y q O y n
- y y q n p q
- Insgesamt folgt beachte n k
- y e npq npq
- y e npq O npq n
- kn p e npq npq
- xkb b O n
- n p q b n pb
- n p q also a ex
- b n p npq a n p npq
- b b b f r b u
- signb b signa a
- mit der Umkehrfunktion
- nun die realistischeren kleineren Approximationen n S pq
- DER ZENTRALE GRENZWERTSATZ
- Der Zentrale Grenzwertsatz
- i i n n
- b n n a n n
- die Substitution x r
- durch so ergibt sich n
- folgt durch die Dreiecksungleichung
Vorschau
W. Oevel
Einfuhrung in die Stochastik ¨
Veranstaltungsnr: 171050
Skript zur Vorlesung, Universit¨t Paderborn, Sommersemester 2007 a
Homepage: http://math-www.uni-paderborn.de/ walter −→ Lehrveranstaltungen SS 07
V3 ¨ U2
Mo Mi Mo Di
10.15 − 11.00 11.00 − 12.30 7.30 − 9.00 11.00 − 12.30
D1 D1 D1.328 D1.320 Gruppe 1 (Peter Brune) Gruppe 2 (Peter Brune)
Inhalt
1 Grundstrukturen 1.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Grundlegende Definitionen (Modelle) . . . . . . . . . . . . . . . . 1.2.1 Kombinatorische Modelle . . . . . . . . . . . . . . . . . . 1.2.2 Diskrete (nicht-kombinatorische) Modelle . . . . . . . . . 1.2.3 Kontinuierliche Modelle . . . . . . . . . . . . . . . . . . . 1.3 Bedingte Wahrscheinlichkeiten . . . . . . . . . . . . . . . . . . . 1.3.1 Definitionen . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3.2 Folgerungen, totale W’keit“ und der Satz von Bayes“ . ” ” 1.4 Irrfahrten auf Graphen . . . . . . . . . . . . . . . . . . . . . . . . 1.4.1 Wahrscheinlichkeitsb¨ume . . . . . . . . . . . . . . . . . . a 1.4.2 Allgemeinere Wahrscheinlichkeitsgraphen . . . . . . . . . 1.5 Unabh¨ngigkeit von Ereignissen . . . . . . . . . . . . . . . . . . . a 1.5.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.5.2 Modellierung unabh¨ngiger Experimente: Produktmodelle a 1.6 Einige Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 ufallsvariablen 2.1 Definitionen . . . . . . . . . . . . . . . . 2.2 Das Riemann-Stieltjes-Integral . . . . . 2.3 Erwartungswert und Streuung . . . . . . 2.4 Einige Standardverteilungen . . . . . . . 2.4.1 Die Binomial-Verteilung . . . . . 2.4.2 Die Poisson-Verteilung . . . . . . 2.4.3 Die geometrische Verteilung . . . 2.4.4 Die hypergeometrische Verteilung 2.4.5 Die Exponentialverteilung . . . . 2.4.6 Die Gleichverteilung . . . . . . . 2.4.7 Die Normal-(Gauß-)Verteilung . 2.5 Unabh¨ngigkeit von ufallsvariablen . . a 2.5.1 Definition und Folgerungen . . . 1 1 3 5 10 11 13 13 16 20 20 25 30 30 33 37 43 44 55 58 71 71 72 75 75 76 77 78 80 80