K4 Bedingte Wahrscheinlichkeiten. 4.1 Definition Die bedingte Wahrscheinlichkeit von A bei gegebenem B:
|
|
- Arwed Becker
- vor 7 Jahren
- Abrufe
Transkript
1 K4 Bedingte Wahrscheinlichkeiten 4.1 Definition Die bedingte Wahrscheinlichkeit von A bei gegebenem B: P(A B) = P(A B)/P(B) (4.1.1) Meistens benutzen wir diese Form: P(A B) = P(A B)*P(B) weil P(A B) schwer zu berechnen ist. z.b. Lebensdauer p k = P(jemand im k.ten Lebensjahr stirbt) unabhängig von seinem Geburtsjahr P(jemand das k.te Jahr erreicht) s k = p k + p k P(im Alter von r zu sterben, wenn man schon k erreicht hat) = 0 r < k = p r /s k r k
2 z.b. Lotto Angenommen # Gewinner, X ~ P(λ) (i) Gegeben, dass der Jackpot gewonnen wird, was ist die Wahrscheinlichkeit, dass er geteilt wird? P(X > 1 X> 0) = (1 - e -λ - λ e -λ )/(1 - e -λ ) (ii) Gegeben, dass ich den Jackpot gewonnen habe, was ist die Wahrscheinlichkeit, dass ich ihn teilen muss? Sei p = P(ich gewinne den Jackpot) P(ich und x andere gewinnen) = p*λ x e -λ /x! => P(x andere gewinnen ich) = λ x e -λ /x! => P(ich den Jackpot teilen muss) = 1 - e -λ
3 4.2 Formel von Bayes (1) Formel von der totalen Wahrscheinlichkeit {B 1, B 2, B 3,... } heißt Zerlegung von Ω, wenn die B i disjunkt sind, und ihre Vereinigung Ω ist. Für jede Zerlegung und jedes Ereignis A gilt P(A) = P(B k )*P(A B k ) (4.2.1) (Ist P(B k ) = 0, so ist P(A B k ) nicht definiert aber das Produkt kann = 0 gesetzt werden.) (2) Bayes Gilt P(A) > 0, und gelten alle Voraussetzungen von (1), so ist für alle i P(B i A) = P(B i )*P(A B i )/ P(B k )*P(A B k ) (4.2.2)
4 Beweis von (4.2.2) (Bayes Formel) => P(A B i ) = P(A B i )*P(B i ) = P(B i A)*P(A) P(B i A) = P(B i )* P(A B i )/P(A) = P(B i )*P(A B i )/ P(B k )*P(A B k ) {P(B i )} sind die apriori Wahrscheinlichkeiten {P(B i A)} die aposteriori Wahrscheinlichkeiten Mit Bayes werden Wahrscheinlichkeiten berechnet. Das erlaubt aber keinen Rückschluss auf etwaige Kausalzusammenhänge zwischen den Ereignissen.
5 4.3.1 Beispiel mit Bayes (Autoversicherung) Drei Gruppen: Gut Mittelmäßig Schlecht G M S Nehmen wir an, dass P(Unfall im Jahr G ) = 0.01 P(Unfall im Jahr M ) = 0.03 P(Unfall im Jahr S ) = 0.10 und P(G) = 0.3, P(M) = 0.5, P(S) = 0.2 Jemand hat im Jahr einen Unfall, wie sehen die aposteriori Wahrscheinlichkeiten aus? P(S Unfall) = [ = (0.2*0.1)/(0.2* * *0.01)]
6 4.3.2 Beispiel mit Bayes (Sport-Kommentatoren) Köln gewinnt, wenn Podolski trifft Nehmen wir an, dass P(Köln gewinnt) = 0.4 P(Köln gewinnt Podolski Tor) = 0.9 P(Podolski Tor) = 0.3 Dann P(Podolski Tor Köln gewinnt) =
7 4.3.3 Beispiel mit Bayes (Das Auto und Ziegen Problem) Es gibt drei Türe: A, B, und C. Hinter einer Tür steht ein Auto und hinter den anderen zwei steht je eine Ziege. Sie wählen eine Tür aus. Bevor der Moderator die Tür öffnet, öffnet er eine der anderen, um eine Ziege zu zeigen. Gut, dass Sie diese Tür nicht gewählt haben! sagt er. Jetzt bietet er Ihnen, die Möglichkeit, Ihre Tür zu wechseln, sollten Sie? o.b.d.a. wählen Sie zuerst Tür A. P(Auto hinter Tür A steht) = 1/3 Der Moderator öffnet Tür B. Was ist P(Auto hinter A A gewählt, B geöffnet)? = (1/3)*(1/2)/[ (1/3)*(1/2)+ (1/3)*1]
8 4.4 Wahrscheinlichkeit in der Genetik Hardy-Weinberg Gesetz In einer idealen Population ändert sich die Häufigkeit der Gene nicht, wenn kein äußerer Einfluss wie Migration, Selektion oder Mutation einwirkt. Die Allelfrequenzen bleiben konstant. (Die Population ist sehr groß und alle Paarungen sind gleich wahrscheinlich und gleich erfolgreich.) Wenn die Genotypen AA, Aa, aa mit diesen Häufigkeiten vorhanden sind: AA Aa aa u 2v w (u, v, w > 0 und u + 2v + w = 1) gibt es im Genpool p = (u + v) A Gene und q = (v + w) a Gene
9 Wir behaupten, daß jedes Kind ein Gen vom männlichen Genpool und ein Gen vom weiblichen zufällig bekommt. Dann hat ein Kind die Genotypen mit Wahrscheinlichkeiten: AA Aa aa p2 2pq q2 oder (u + v)2 2(u + v)(v + w) (v + w)2 Sonst finden wir die Wahrscheinlichkeiten von Eltern und Nachkommen als: Vater Mutter W P(AA) P(Aa) P(aa) AA AA u AA Aa 2uv 1/2 1/2 0 AA aa uw Aa AA 2uv 1/2 1/2 0 Aa Aa 4v2 1/4 1/2 1/4 Aa aa 2vw 0 1/2 1/2 aa AA uw aa Aa 2vw 0 1/2 1/2 aa aa v
10 Nehmen wir an, u i = P(AA) in der i-ten Generation 2v i = P(Aa) in der i-ten Generation w i = P(aa) in der i-ten Generation u 0 = u v 0 = v w 0 = w u 1 = (u + v)2 2v 1 = 2(u + v)(v + w) w 1 = (v + w)2 Die Wahrscheinlichkeiten für ein Kind in der nächsten Generation werden: u 2 = (u 1 + v 1 )2 = ((u + v)2 + (u + v)(v + w))2 = (u + v)2(u + v + v + w)2 = (u + v)2 = u 1 und u n = u 1 v n = v 1 w n = w 1 n eine stationäre Verteilung. (Zur Errinerung, die Annahmen : große Population, keine Migration, keine Mutationen, keine Selektion, gleiche Paarungschancen)
11 4.4.2 Hardy-Weinberg Beispiele 1) Seltene rezessive Gene Phänotypen (AA, Aa) und (aa) z. B. cystic fibrosis P(Kind hat die Krankheit) = P(a) = (0.0005) = P(Aa) = 2*0.022*0.978 = (4.4% der Bevölkerung) Mukoviszidose (Cystische Fibrose) Die Mukoviszidose ist eine Erbkrankheit. Sie ist durch eine Veränderung (Gen- Mutation) auf dem langen Arm des Chromosoms 7 verankert. Bis heute kennt man schon über 800 Mutationen, die zu Mukoviszidose führen. 4 % in Deutschland sind Merkmalsträger 1 von 3000 Neugeborenen Mukoviszidose Mukoviszidose-Patienten hier
12 Wenn beide die Erbanlage für Mukoviszidose haben, ist theoretisch jedes 4. Kind an Mukoviszidose erkrankt und 50 % der Kinder sind - wie die Eltern - Merkmalsträger, aber gesund. In Wirklichkeit kann es aber vorkommen, daß in einer Familie die Anzahl der Kinder mit Mukoviszidose überwiegt (z.b. 2 kranke Kinder, 1 gesundes Kind).
13 (a) Hardy-Weinberg (i) Sind die Daten mit H-W konsistent? (ii) Stimmen die H-W Annahmen? (b) Was ist die Wahrscheinlichkeit, dass Sie einen Merkmalsträger sind, eine Merkmalsträgerin heiraten und zwei Kinder ohne der Krankheit haben? (c) Was ist die Wahrscheinlichkeit, dass mindestens eine Frau und ein Mann hier Merkmalsträger sind? (d) Gegeben, dass Sie ein Kind mit der Krankheit haben, was ist die Wahrscheinlichkeit, dass beide Ihre Eltern Träger waren?
14 2) Dominante Gene Phänotypen (AA, Aa) und (aa) z. B. Fähigkeit PTC zu kosten P(in USA 1932, PTC) = q = P(a) = ( ) = (immer noch c 70% s. z.b. 75% in extension.usu.edu/aitc/teachers/pdf/ heredity/comparing_traits.pdf) Phenylthiocarbamid; ein experimenteller Tyrosinase-Hemmstoff. Der PTC-Geschmackstest prüft die z.b. bei ca. 70% der Europäer genetisch fixierte Fähigkeit, PTC als bitter zu empfinden.
15 3) Co-dominante Gene Phänotypen AA, Aa, aa z. B. Blutgruppe MN mit Phänotypen M, MN, N Britische Stichprobe (?) in 1962: M MN N % 49.57% 22.05% p = ( /2)/( ) = 53.17% u = p2 = 28.27% w = q2 = 21.93% 2v = 1 - u - w = 49.80% HW => u = (u + v) 2 oder u = 0.5 v ± 0.5 (1-4v)
Pharmazeutische Biologie Genetik
Pharmazeutische Biologie Genetik N230-Raum 306 Tel. (069) 798-29650 dingermann@em.uni-frankfurt.de 4. Erbkrankheiten des Menschen Hardy-Weinberg-Gleichgewicht 4. Erbkrankheiten des Menschen Hardy-Weinberg-Gleichgewicht
3 Bedingte Wahrscheinlichkeit, Unabhängigkeit
3 Bedingte Wahrscheinlichkeit, Unabhängigkeit Bisher : (Ω, A, P) zur Beschreibung eines Zufallsexperiments Jetzt : Zusatzinformation über den Ausgang des Experiments, etwa (das Ereignis) B ist eingetreten.
Satz von der totalen Wahrscheinlichkeit
htw saar 1 Satz von der totalen Wahrscheinlichkeit Sei (Ω, P) ein Wahrscheinlichkeitsraum, und B 1,, B n seien paarweise disjunkte Ereignisse mit B i = Ω. Für jedes Ereignis A gilt dann: P(A) = P(A B 1
Das Ziegenproblem. Nils Schwinning und Christian Schöler Juni 2010
Das Ziegenproblem Nils Schwinning und Christian Schöler http://www.esaga.uni-due.de/ Juni 2010 Die Formulierung Obwohl das sogenannte Ziegenproblem in der Mathematik allgegenwärtig erscheint, wurde es
1. Mendelsche Vererbung, Stammbäume:
1. Mendelsche Vererbung, Stammbäume: typische Stammbäume atypische Stammbäume 2. Allelische und nicht-allelische Mutationen, Komplementationstests 3. Hardy-Weinberg Gleichgewicht 4. Mutation und Selektion,
Aufgabe 1. Übung Wahrscheinlichkeitsrechnung Markus Kessler Seite 1 von 8. Die Ereignisse A, B und C erfüllen die Bedingungen
Ü b u n g 1 Aufgabe 1 Die Ereignisse A, B und C erfüllen die Bedingungen P(A) = 0. 7, P(B) = 0. 6, P(C) = 0. 5 P(A B) = 0. 4, P(A C) = 0. 3, P(B C) = 0. 2, P(A B C) = 0. 1 Bestimmen Sie P(A B), P(A C),
BSc Bioinformatik Wintersemester 2013/2014 Nachklausur zur Statistik I Freie Universität Berlin
Sc ioinformatik Wintersemester 013/014 Nachklausur zur Statistik I Freie Universität erlin 4. pril 014 Matrikelnummer Nachname Vorname Unterschrift ufgabe 1 (4 Punkte): Zu einem Wahrscheinlichkeitsraum
Genetik für Studierende der Bioinformatik
Genetik für Studierende der Bioinformatik Freie Universität Berlin, Institut für Informatik Peter Robinson Wintersemester 2014/2015 4. Übungsblatt (mit ) Diskussion am 11. Dezember 2014 Aufgabe 1. dieser
h. g. f. e. Vater: e. O M Rh- f. A M Rh+ g. O MN Rh+ h. B MN Rh+ AB N Rh- B MN Rh-
5. Übung 1) Neben dem ABO- Genlokus bes8mmen auch der Rhesus- (Rh) und der MN- Genlokus die Blutgruppe beim Menschen (d.h. die Ausprägung von An8genen auf der Oberfläche von Erythrozyten). Im Falle des
P (A B) P (B) = P ({3}) P ({1, 3, 5}) = 1 3.
2 Wahrscheinlichkeitstheorie Beispiel. Wie wahrscheinlich ist es, eine Zwei oder eine Drei gewürfelt zu haben, wenn wir schon wissen, dass wir eine ungerade Zahl gewürfelt haben? Dann ist Ereignis A das
Pharmazeutische Biologie Genetik
Pharmazeutische Biologie Genetik N230-Raum 306 Tel. (069) 798-29650 dingermann@em.uni-frankfurt.de Dominanter Erbgang +/+ +/A männlich weiblich krank Typisch: auch heterozygote Träger sind krank kranke
Vorlesung - Medizinische Biometrie
Vorlesung - Medizinische Biometrie Stefan Wagenpfeil Institut für Medizinische Biometrie, Epidemiologie und Medizinische Informatik Universität des Saarlandes, Homburg / Saar Vorlesung - Medizinische Biometrie
Unabhängigkeit KAPITEL 4
KAPITEL 4 Unabhängigkeit 4.1. Unabhängigkeit von Ereignissen Wir stellen uns vor, dass zwei Personen jeweils eine Münze werfen. In vielen Fällen kann man annehmen, dass die eine Münze die andere nicht
Können Gene Depressionen haben?
Können Gene Depressionen haben? DTzt. Chromosomen, Gene und so... Die Sache mit der Vererbung oder warum sieht eine Kuh aus wie eine Kuh? Die kleinste Datenbank Desoxyribonukleinsäure - DNA Speicher für
Eigenschaften der relativen Häufigkeit ( Zur Erinnerung) Axiomatische Definition der Wahrscheinlichkeit: Vorlesung Statistik WING
Eigenschaften der relativen Häufigkeit ( Zur Erinnerung) Axiomatische Definition der Wahrscheinlichkeit: Melanie Kaspar, Prof. Dr. B. Grabowski 1 Aus diesen Eigenschaften lassen sich alle weiteren Eigenschaften
Pharmazeutische Biologie Genetik 6. Vorlesung
Pharmazeutische Biologie Genetik 6. Vorlesung Prof. Theo Dingermann Institut für Pharmazeutische Biologie Biozentrum Max-von Laue-Str. 9 60438 Frankfurt am Main Dingermann@em.uni-frankfurt.de 06/09/11
Mathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun http://blog.ruediger-braun.net Heinrich-Heine-Universität Düsseldorf 17. Dezember 2014 Klausurhilfsmittel Vier beidseitig von Hand beschriebene A4-Blätter
Kapitel 6. Kapitel 6 Mehrstufige Zufallsexperimente
Mehrstufige Zufallsexperimente Inhalt 6.1 6.1 Mehrstufige Experimente 6.2 6.2 Bedingte Wahrscheinlichkeiten Seite 2 6.1 Mehrstufige Experimente Grundvorstellung: Viele Viele Experimente werden der der
Lösungsskizzen Mathematik für Informatiker 5. Aufl. Kapitel 19 Peter Hartmann
Verständnisfragen 1. Welches sind die charakteristischen Eigenschaften eines Laplace-Raums? Der Raum ist endlich, die Wahrscheinlichkeit für alle Elementarereignisse ist gleich. 2. Unter welchen Bedingungen
2. Übung: Chromosomentheorie
Konzepte: 2. Übung: Chromosomentheorie Mitose/Meiose Geschlechtschromosomale Vererbung Chromosomentheorie Zellzyklus G 1 Phase: postmitotische Phase oder Präsynthesephase Zelle beginnt wieder zu wachsen
Das Zweikinderproblem
Das Zweikinderproblem Definition Zweikinderproblem Eine Familie besitzt zwei Kinder. Wie groß ist die Wahrscheinlichkeit Pr[ Beide Kinder sind Mädchen. Eines der Kinder ist ein Mädchen ]? Lösung: Sei A
Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME
Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Fassung vom 12. Januar 2001 121 WAHRSCHEINLICHKEITS-RÄUME Stichproben-Raum. 9.1 9.1 Stichproben-Raum. Die bisher behandelten Beispiele von Naturvorgängen oder Experimenten
Einführung. Wahrscheinlichkeit. 1 Wahrscheinlichkeit: Definition und Interpretation. 2 Elementare Wahrscheinlichkeitsrechnung, bedingte
Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2 Elementare Wahrscheinlichkeitsrechnung, bedingte Wahrscheinlichkeit Axiome nach Kolmogorov Gegeben sei ein Zufallsexperiment mit Ergebnisraum
Statistik für Ingenieure Vorlesung 2
Statistik für Ingenieure Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 24. Oktober 2016 2.4 Bedingte Wahrscheinlichkeiten Häufig ist es nützlich, Bedingungen
Mathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 10. November 2010 1 Bedingte Wahrscheinlichkeit Satz von der totalen Wahrscheinlichkeit Bayessche Formel 2 Grundprinzipien
Mathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206 Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
KAPITEL 5. Erwartungswert
KAPITEL 5 Erwartungswert Wir betrachten einen diskreten Wahrscheinlichkeitsraum (Ω, P) und eine Zufallsvariable X : Ω R auf diesem Wahrscheinlichkeitsraum. Die Grundmenge Ω hat also nur endlich oder abzählbar
Biostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 Wahrscheinlichkeitstheorie:, Unabhängigkeit Prof. Dr. Achim Klenke http://www.aklenke.de 6. Vorlesung: 02.12.2011 1/30 Inhalt 1 Wahrscheinlichkeit 2 2/30 Wahrscheinlichkeit
2. Übung: Chromosomentheorie
Konzepte: 2. Übung: Chromosomentheorie Mitose/Meiose Geschlechtschromosomale Vererbung Chromosomentheorie Regeln zur Vererbung Autosomal rezessiv: - Merkmal tritt auf in Nachkommen nicht betroffener Eltern
Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26)
Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26 Ein Wahrscheinlichkeitsraum (Ω, P ist eine Menge Ω (Menge aller möglichen Ausgänge eines Zufallsexperiments: Ergebnismenge versehen mit einer Abbildung
Einführung in die Wahrscheinlichkeitsrechnung
Einführung in die Wahrscheinlichkeitsrechnung Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung
Einführung in die Wahrscheinlichkeitsrechnung
Marco Cattaneo Institut für Statistik Ludwig-Maximilians-Universität München Sommersemester 2011 1. Wahrscheinlichkeitsrechnung 2. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grenzwertsätze
Vorlesung Statistik WING ASW Melanie Kaspar, Prof. Dr. B. Grabowski 1
Melanie Kaspar, Prof. Dr. B. Grabowski 1 Aus diesen Eigenschaften lassen sich alle weiteren Eigenschaften ableiten: Beweis zu 1) Melanie Kaspar, Prof. Dr. B. Grabowski 2 Aufgabe Die Wahrscheinlichkeit
Diskrete dynamische Systeme in der Populationsgenetik Hofbauer J., und Sigmund K.: Evolutionary Games and Population Dynamics, Cambridge
Diskrete dynamische Systeme in der Populationsgenetik Hofbauer J., und Sigmund K.: Evolutionary Games and Population Dynamics, Cambridge Dominik Urig Saarbrücken, den 10.01.2012 Inhaltsangabe 1 Biologische
Gesetzmäßigkeiten der Vererbung von Merkmalen: Die Mendelschen Regeln
Die Mendelschen Regeln Mitte voriges Jahrhundert => DNS und Co noch unbekannt Versuche mit dem Ziel, die Gesetzmäßigkeiten der Vererbung von Merkmalen. Versuchsobjekt: Erbsen. Vorteile: 1. Variantenreich:
Wahrscheinlichkeit (Teschl/Teschl 2, Kap. 26)
Wahrscheinlichkeit (Teschl/Teschl 2, Kap. 26) Gegeben Menge Ω (Wahscheinlichkeitsraum, Menge aller möglichen Ausgänge eines Zufallsexperiments), Abbildung P : P(Ω) [0, 1] (Wahrscheinlichkeit): Jeder Teilmenge
a) (A B) tritt ein = A tritt ein oder B tritt ein. = Mindestens eines der Ereignisse A, B tritt ein.
Lösungsvorschläge zu den Aufgaben von Blatt 6: 43) 7 Telefonzellen ( 7 Kugeln in der Urne); 3 davon sind von je einem Benutzer besetzt ( 3 Kugeln in die Stichprobe). Die Telefonzellen werden nicht mehrfach
Pharmazeutische Biologie WS2011/2012. Das neue Paradigma: Personalisierte Medizin
3. Vorlesung Pharmazeutische Biologie WS2011/2012 Das neue Paradigma: Personalisierte Medizin Prof. Theo Dingermann Institut für Pharmazeutische Biologie Biozentrum Max-von Laue-Str. 9 60438 Frankfurt
Biomathematik für Mediziner
Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur WS 2002/2003 Aufgabe 1: Man gehe davon aus,
Statistik I für Humanund Sozialwissenschaften
Statistik I für Humanund Sozialwissenschaften 3. Übung Lösungsvorschlag Gruppenübung G 8 a) Ein Professor möchte herausfinden, welche 5 seiner insgesamt 8 Mitarbeiter zusammen das kreativste Team darstellen.
Vorlesung Statistik, WING, ASW Wahrscheinlichkeit in Laplace Versuchen. Kombinatorische Formeln. Bedingte Wahrscheinlichkeit
Wahrscheinlichkeit in Laplace Versuchen Kombinatorische Formeln Bedingte Wahrscheinlichkeit Multiplikationssatz Unabhängigkeit Melanie Kaspar 1 Formel der totalen Wahrscheinlichkeit Satz von Bayes Melanie
2.2 Ereignisse und deren Wahrscheinlichkeit
2.2 Ereignisse und deren Wahrscheinlichkeit Literatur: [Papula Bd., Kap. II.2 und II.], [Benning, Kap. ], [Bronstein et al., Kap. 1.2.1] Def 1 [Benning] Ein Zufallsexperiment ist ein beliebig oft wiederholbarer,
Da die Fragen unabhängig voneinander und zufällig ausgewählt werden, ist die Wahrscheinlichkeit für eine Frage aus dem Gebiet Sport 1/10.
htw saar 1 Aufgabe 1 Für ein Fernsehquiz sollen Fragen zufällig und unabhängig voneinander aus zehn Wissensgebieten ausgewählt werden, darunter die Gebiete Sport und Politik. In jedem Gebiet stehen ausreichend
Übung zur Vorlesung Statistik I für Biowissenschaften WS Übungsblatt 3
Übung zur Vorlesung Statistik I für iowissenschaften WS 2015-2016 Übungsblatt 3 2. November 2015 ufgabe 6 (4 Punkte): eim Lotto 6 aus 49 werden zufällig sechs Kugeln aus 49 ohne Zurücklegen gezogen. Geben
3 Bedingte Wahrscheinlichkeit, Unabhängigkeit von Ereignissen
3 Bedingte Wahrscheinlichkeit, Unabhängigkeit von Ereignissen 3.1 Einführung Bsp. 19 (3-maliges Werfen einer Münze) Menge der Elementarereignisse: Ω {zzz,zzw,zwz,wzz,zww,wzw,wwz,www}. Ω 2 3 8 N Wir definieren
Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 3
TUM, Zentrum Mathematik Lehrstuhl für Mathematische Physik WS 2013/14 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weidner Einführung in die Wahrscheinlichkeitstheorie svorschläge zu Übungsblatt
In unseren Beispielen bilden Valeria und Arnold ein theoretisches Paar - und geben wir zu, ein Paar das viel Pech im Leben hat das selber und auch
In unseren Beispielen bilden Valeria und Arnold ein theoretisches Paar - und geben wir zu, ein Paar das viel Pech im Leben hat das selber und auch Ihre Familien an zahlreichen genetischen Krankheiten leiden.
Mathematische Grundlagen der Computerlinguistik Wahrscheinlichkeit
Mathematische Grundlagen der Computerlinguistik Wahrscheinlichkeit Dozentin: Wiebke Petersen 8. Foliensatz Wiebke Petersen math. Grundlagen 1 Motivation Bsp.: In vielen Bereichen der CL kommt Wahrscheinlichkeitstheorie
Hilfe 1. Wissenschaft. Traditionen und. Hilfe 1
Hilfe 1 Hilfe 1 Erklärt euch gegenseitig die Aufgabe noch einmal in euren eigenen Worten. Klärt dabei, wie ihr die Aufgabe verstanden habt und was euch noch unklar ist. Antwort 1 Wir sollen einen Stammbaum
Populationsgenetik 2: Das Hardy-Weinberg-Gesetz
Populationsgenetik 2: Das Hardy-Weinberg-Gesetz Peter N. Robinson Institut für medizinische Genetik Charité Universitätsmedizin Berlin 1. Juni 2008 Peter N. Robinson (Charité) Populationsgenetik (2) 1.
Institut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie (3) Überblick. Deskriptive Statistik I 2. Deskriptive
Stochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten
Kapitel 2 Stochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten 2.1 Stochastische Unabhängigkeit von Ereignissen Gegeben sei ein W-Raum (Ω, C, P. Der Begriff der stochastischen Unabhängigkeit von
Datenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse (PHY31) Herbstsemester 015 Olaf Steinkamp 36-J- olafs@physik.uzh.ch 044 63 55763 Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung und
Wahrscheinlichkeitsrechnung und Statistik
3. Vorlesung - 21.10.2016 Bedingte Wahrscheinlichkeit In einer Urne sind 2 grüne und 3 blaue Kugeln. 2 Kugeln werden ohne Zürücklegen gezogen. Welches ist die Wahrscheinlichkeit, dass : a) man eine grüne
Klausur zur Statistik
Klausur zur Statistik. Hinweis: Es können 94 Punkte erreicht werden. Zum Bestehen reichen 4 Punkte sicher aus.. Hinweis: Achten Sie darauf das Ihre Rechnungen nachvollziehbar sind und geben Sie alle Schritte
Ü b u n g s b l a t t 4
Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel 30. 4. 2007 Ü b u n g s b l a t t 4 Mit und gekennzeichnete Aufgaben können zum Sammeln von Bonuspunkten verwendet werden. Lösungen von -Aufgaben
Prüfungsvorbereitungskurs Höhere Mathematik 3
Prüfungsvorbereitungskurs Höhere Mathematik 3 Stochastik Marco Boßle Jörg Hörner Mathematik Online Frühjahr 2011 PV-Kurs HM 3 Stochastik 1-1 Zusammenfassung Wahrscheinlichkeitsraum (WR): Menge der Elementarereignisse
UE Statistik 1, SS 2015, letztes Update am 5. März Übungsbeispiele
UE Statistik, SS 05, letztes Update am 5. März 05 Übungsbeispiele Beispiele mit Musterlösungen finden Sie auch in dem Buch Brannath, W., Futschik, A., Krall, C., (00) Statistik im Studium der Wirtschaftswissenschaften..
Kapitel ML:IV (Fortsetzung)
Kapitel ML:IV (Fortsetzung) IV. Statistische Lernverfahren Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen ML:IV-18 Statistical Learning c STEIN 2005-2011 Satz 3 (Bayes)
Sinnvoller Umgang mit DNA-Tests
Sinnvoller Umgang mit DNA-Tests - Eine Zuchtmethode - - Kleine Hundepopulation - Helga Eichelberg Welpenstatistik Eingetragene Welpen 2006 2005 2004 Pinscher 384 237 246 ca. 80 Würfe Zwerge 197 250 251
Vorlesung 8b. Zweistufige Zufallsexperimente. Teil 1
Vorlesung 8b Zweistufige Zufallsexperimente Teil 1 1 Stellen wir uns ein zufälliges Paar X = (X 1, X 2 ) vor, das auf zweistufige Weise zustande kommt: es gibt eine Regel, die besagt, wie X 2 verteilt
8. Wahrscheinlichkeitsrechnung
Didaktik der Geometrie und Stochastik WS 09/10 Bürker 27. 1. 11 8. Wahrscheinlichkeitsrechnung 8.1 Begriffe 8.1.1 Zufallsexperiment Was ist ein Zufallsexperiment? a) Mehrere Ergebnisse möglich b) Ergebnis
Aufgabenblock 3. Durch zählen erhält man P(A) = 10 / 36 P(B) = 3 / 36 P(C) = 18 / 36 und P(A B) = 3 /
Aufgabenblock 3 Aufgabe ) A sei das Ereignis: schwerer Verkehrsunfall B sei das Ereignis: Alkohol ist im Spiel Herr Walker betrachtet die Wahrscheinlichkeit P(B A) = 0.3 und errechnet daraus P(-B A) =
Wahrscheinlichkeit und Statistik: Zusammenfassung
HSR Hochschule für Technik Rapperswil Wahrscheinlichkeit und Statistik: Zusammenfassung beinhaltet Teile des Skripts von Herrn Hardy von Lukas Wilhelm lwilhelm.net 12. Januar 2007 Inhaltsverzeichnis 1
Vorlesung 9b. Bedingte Verteilungen und bedingte Wahrscheinlichkeiten
Vorlesung 9b Bedingte Verteilungen und bedingte Wahrscheinlichkeiten 1 Voriges Mal: Aufbau der gemeinsamen Verteilung von X 1 und X 2 aus der Verteilung ρ von X 1 und Übergangswahrscheinlichkeiten P(a
htw saar 1 KAPITEL 4 BEDINGTE WAHRSCHEINLICHKEIT UND STOCHASTISCHE UNABHÄNGIGKEIT Hans-Peter Hafner WS 2016/2017
htw saar 1 KAPITEL 4 BEDINGTE WAHRSCHEINLICHKEIT UND STOCHASTISCHE UNABHÄNGIGKEIT htw saar 2 Gliederung 25.01. Bedingte Wahrscheinlichkeit: Motivation und Definition Multiplikationssatz Stochastische Unabhängigkeit:
Statistik I für Betriebswirte Vorlesung 2
Statistik I für Betriebswirte Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 11. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
Dieses Quiz soll Ihnen helfen, Kapitel besser zu verstehen.
Dieses Quiz soll Ihnen helfen, Kapitel 2.5-2. besser zu verstehen. Frage Wir betrachten ein Würfelspiel. Man wirft einen fairen, sechsseitigen Würfel. Wenn eine oder eine 2 oben liegt, muss man 2 SFr zahlen.
Übungsrunde 4, Gruppe 2 LVA , Übungsrunde 4, Gruppe 2, Markus Nemetz, TU Wien, 10/2006
Übungsrunde 4, Gruppe 2 LVA 107.369, Übungsrunde 4, Gruppe 2, 07.11. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 10/2006 1 17 1.1 Angabe Ein Parallelsystem funktioniert, wenn wenigstens eine seiner
3 Wahrscheinlichkeitstheorie
Einige mathematische Konzepte 3 Wahrscheinlichkeitstheorie 3.1 Wahrscheinlichkeit Die Wahrscheinlichkeitstheorie modelliert Situationen, in denen Unsicherheit über bestimmte Aspekte der Umwelt vorherrscht.
Genetik einmal anders erklårt:
Genetik einmal anders erklårt: Die Gene sind an allem Schuld! Warum sind manche Menschen groä und andere klein, manche haben blondes, glattes andere gelocktes, braunes Haar? Die Gene sind an allem Schuld.
Population und Stichprobe: Wahrscheinlichkeitstheorie
Population und Stichprobe: Wahrscheinlichkeitstheorie SS 2001 4. Sitzung vom 15.05.2001 Wahrscheinlichkeitstheorie in den Sozialwissenschaften: Stichprobenziehung: Aussagen über Stichprobenzusammensetzung
Genotypwahrscheinlichkeiten. für Linsenluxation beim Deutschen Jagdterrier
Genotypwahrscheinlichkeiten für Linsenluxation beim Deutschen Jagdterrier Dr. Reiner Beuing Linsenluxation (LL) bei Hunden gilt als schwere, gefährliche Augenerkrankung, die meistens bei Terrier-Rassen
STOCHASTISCHE UNABHÄNGIGKEIT. Annika Pohlmann Philipp Oel Wilhelm Dück
STOCHASTISCHE UNABHÄNGIGKEIT Annika Pohlmann Philipp Oel Wilhelm Dück 1 GLIEDERUNG 1) Bedingte Wahrscheinlichkeiten 2) Unabhängigkeit für mehr als zwei Ereignisse 3) Unabhängigkeit für Zufallsvariable
Vorlesung 8b. Bedingte Erwartung, bedingte Varianz, bedingte Verteilung, bedingte Wahrscheinlichkeiten
Vorlesung 8b Bedingte Erwartung, bedingte Varianz, bedingte Verteilung, bedingte Wahrscheinlichkeiten 1 Wie gehabt, denken wir uns ein zufälliges Paar X = (X 1,X 2 ) auf zweistufige Weise zustande gekommen:
Assoziationsstudien. Prof. DI Dr. Andrea Berghold Institut für Med. Informatik, Statistik und Dokumentation
Assoziationsstudien Prof. DI Dr. Andrea Berghold Institut für Med. Informatik, Statistik und Dokumentation Inhalt Ziele von Assoziationsstudien Design von Assoziationsstudien Statistische Analysemethoden
Proseminarvortrag. Markov-Ketten in der Biologie (Anwendungen)
Proseminarvortrag Markov-Ketten in der Biologie (Anwendungen) von Peter Drössler 20.01.2010 2 Markov-Ketten in der Biologie (Peter Drössler, KIT 2010) Inhalt 1. Das Wright-Fisher Modell... 3 1.1. Notwendige
4. Grundzüge der Wahrscheinlichkeitsrechnung
4. Grundzüge der Wahrscheinlichkeitsrechnung Dr. Antje Kiesel Institut für angewandte Mathematik WS 2010/2011 In der beschreibenden Statistik haben wir verschiedene Kennzahlen (Statistiken) für Stichproben
Stochastische Prozesse
INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 1 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Übungen zur Vorlesung Stochastische Prozesse Musterlösungen Aufgabe 1: (Verzweigungsprozess) Die
Zusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen
Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind
Musterlösungen zu den Aufgaben aus. Statistische Methoden in den Wirtschafts- und Sozialwissenschaften
Musterlösungen zu den Aufgaben aus Statistische Methoden in den Wirtschafts- und Sozialwissenschaften von Prof. Dr. Hans Peter Litz Oldenbourg-Verlag München,.Auflage 1998 Teil II. Wahrscheinlichkeitstheoretische
Gekoppelte Vererbung. Genkarten. Doppel Crossover. Interferenz
4. Kopplung Konzepte: Gekoppelte Vererbung Genkarten Doppel Crossover Interferenz Statistik 1. Sie analysieren die Kopplungsverhältnisse von 3 Mutationen in Drosophila melanogaster (scute [sc; keine Thoraxborsten],
BSc Bioinformatik Wintersemester 2013/2014 Klausur zur Statistik I Freie Universität Berlin
Sc ioinformatik Wintersemester 013/014 Klausur zur Statistik I Freie Universität erlin 1. Februar 014 Matrikelnummer Nachname Vorname Unterschrift ufgabe 1 (4 Punkte): Eine faire Münze werde 10 mal unabhängig
Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende
Universität Duisburg-Essen Essen, den 15.0.009 Fachbereich Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,
Paradoxien bei bedingten Wahrscheinlichkeiten - Das Ziegenproblem
Paradoxien bei bedingten Wahrscheinlichkeiten - Das Ziegenproblem Ein Referat von Maren Hornischer & Anna Spitz Wuppertal, den 28. Mai 2014 Inhalt 1 Das Ziegenproblem oder auch das "3-Türen-Problem"...
Übung 3: Populationsgenetik 3, Komplexere Formen natürlicher Selektion
Ihre Namen: Übung 3: Populationsgenetik 3, Komplexere Formen natürlicher Selektion In dieser Übung werden Sie sich mit komplexeren Formen der Selektion beschäftigen. Bitte beachten Sie, dass man in diesem
Wahrscheinlichkeitsrechnung
Abiturvorbereitung Wahrscheinlichkeitsrechnung S. 1 von 9 Wahrscheinlichkeitsrechnung Kombinatorik Formeln für Wahrscheinlichkeiten Bedingte Wahrscheinlichkeiten Zusammenfassung wichtiger Begriffe Übungsaufgaben
Programm WinEvo - Evolution in Populationen. Informationen zum Simulationsmodell und zur Bedienung
Roland Frank Staatl. Seminar für Didaktik und Lehrerbildung (Gymnasien) Stuttgart 1 Fachdidaktik Biologie Hospitalstraße 22-24 70174 Stuttgart Programm WinEvo - Evolution in Populationen WinEvo.exe Version
4. Kopplung. Konzepte: Gekoppelte Vererbung. Genkarten. Doppel-Crossover. Interferenz. Statistik
4. Kopplung Konzepte: Gekoppelte Vererbung Genkarten Doppel-Crossover Interferenz Statistik 1. Sie analysieren die Kopplungsverhältnisse von 3 Mutationen in Drosophila melanogaster (scute [sc; keine Thoraxborsten],
Wahrscheinlichkeitsrechnung
Absolute und relative Häufigkeiten Wenn man mit Reißzwecken würfelt, dann können sie auf den Kopf oder auf die Spitze fallen. Was ist wahrscheinlicher? Ein Versuch schafft Klarheit. Um nicht immer wieder
Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende
Universität Duisburg-Essen Essen, den 12.02.2010 Fakultät für Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,
6 Kombinatorik: Einschluß-Ausschluß Formel. 6.1 Indikatorfunktionen. I A ist eine Zufallsvariable E[I A ] = P (A) IĀ = 1 I A I A B = I A I B
6 Kombinatorik: Einschluß-Ausschluß Formel 6.1 Indikatorfunktionen I A (ω) = { 1 falls ω A 0 falls ω A I A ist eine Zufallsvariable E[I A ] = P (A) IĀ = 1 I A I A B = I A I B I 2 A = I A V ar[i A ] = P
Übung 1: Populationsgenetik 1, HWE und genetische Drift
Ihre Namen: Übung 1: Populationsgenetik 1, HWE und genetische Drift Teil 1: Mendelsche Vererbung 1) Schwarze Fellfarbe bei Pferden ist weitgehend bestimmt durch ein rezessives Allel des A-Locus. AA- bzw.
Statistikprüfung 1B. vom 21. April Name:
Statistikprüfung 1B vom 21. April 2017 Name: Als richtig wird der Lösungsweg und das Resultat betrachtet. Es wird mehr WertaufdenLösungswegalsaufdasResultatgelegt.DieAnzahlderPunktepro Aufgabe ist bei
Kapitel IV - Spezielle Verteilungen: Diskrete Verteilungen
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel IV - Spezielle Verteilungen: Diskrete Verteilungen Markus Höchstötter Lehrstuhl
Stochastik und Statistik
Übungen Stochastik und Statistik Vorlesung Sommersemester 2016 Dienstag 12 14 Uhr, M114 (HGB) Donnerstag 12 14 Uhr, A021 (HGB) Vorlesung: Fabian Scheipl, Bernd Bischl Übung: Giuseppe Casalicchio Kontakt:
Wahrscheinlichkeitsrechnung Übung Aufgabe 2.b und 3
Wahrscheinlichkeitsrechnung Übung Aufgabe 2.b und 3 B I N O M I A L V E R T E I L U N G, B I N O M I A L T A B E L L E, U N A B H Ä N G I G E E R E I G N I S S E Zentrale Methodenlehre, Europa Universität
Stochastik und Statistik
Stochastik und Statistik Vorlesung Sommersemester 2016 Dienstag 12 14 Uhr, M114 (HGB) Donnerstag 12 14 Uhr, A021 (HGB) Vorlesung: Fabian Scheipl, Bernd Bischl Übung: Giuseppe Casalicchio Kontakt:
Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1
Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,