Gedächtnisprotokoll STO09-1: Unterschied zwischen den Versionen

Aus Fachschaft_Informatik
Zur Navigation springen Zur Suche springen
(Umlaute im Einleitungstext)
K (Bot: Kosmetische Änderungen)
 
Zeile 1: Zeile 1:
[[Kategorie:Gedaechtnisprotokoll|STO]]
Die Klausur von Herrn Drees fand am 28.07.2009 im Zeitraum von 9.00 bis 12.00 Uhr statt. Die Bearbeitungszeit war 120 Minuten. Als Hilfsmittel waren nur nicht-programmierbare Taschenrechner erlaubt. Skripte, Notizen oder Bücher waren nicht erlaubt. <br />
Die Klausur von Herrn Drees fand am 28.07.2009 im Zeitraum von 9.00 bis 12.00 Uhr statt. Die Bearbeitungszeit war 120 Minuten. Als Hilfsmittel waren nur nicht-programmierbare Taschenrechner erlaubt. Skripte, Notizen oder Bücher waren nicht erlaubt. <br>
Es gab insgesamt 80 Punkte zu erreichen. Zum Bestehen benötigt man 40 Punkte (Punkte der Teilaufgaben sind in Klammern angegeben).
Es gab insgesamt 80 Punkte zu erreichen. Zum Bestehen benötigt man 40 Punkte (Punkte der Teilaufgaben sind in Klammern angegeben).


Zeile 17: Zeile 16:
Sei <math>X</math> eine <math>\lbrace 1, 2 \rbrace</math>-wertige Zufallsvariable und <math>Y</math> eine <math>\lbrace 3, 4 \rbrace</math>-wertige Zufallsvariable. In der nachfolgenden Tabelle sind die Wahrscheinlichkeiten <math>P\lbrace X = x, Y = y \rbrace</math> gegeben.
Sei <math>X</math> eine <math>\lbrace 1, 2 \rbrace</math>-wertige Zufallsvariable und <math>Y</math> eine <math>\lbrace 3, 4 \rbrace</math>-wertige Zufallsvariable. In der nachfolgenden Tabelle sind die Wahrscheinlichkeiten <math>P\lbrace X = x, Y = y \rbrace</math> gegeben.


[[Bild:Sto_tabular.png]]
[[Bild:Sto tabular.png]]


a) Bestimmen Sie die Zähldichte von <math>X</math> und <math>Y</math>. <br>
a) Bestimmen Sie die Zähldichte von <math>X</math> und <math>Y</math>. <br />
b) Sind <math>X</math> und <math>Y</math> stochastisch unabhängig? Begründen Sie! <br>
b) Sind <math>X</math> und <math>Y</math> stochastisch unabhängig? Begründen Sie! <br />
c) Berechnen Sie die Kovarianz von <math>X</math> und <math>Y</math>. <br>
c) Berechnen Sie die Kovarianz von <math>X</math> und <math>Y</math>. <br />
(16 Punkte)
(16 Punkte)


Zeile 31: Zeile 30:
== Aufgabe 5) ==
== Aufgabe 5) ==


Sei <math>f(x) = cx (1-x)1_{(0,1)}(x)</math> , <math>x \in \R</math> <br>
Sei <math>f(x) = cx (1-x)1_{(0,1)}(x)</math> , <math>x \in \R</math> <br />
a) Wie ist <math>c</math> zu wählen, damit <math>f</math> eine Dichte ist? <br>
a) Wie ist <math>c</math> zu wählen, damit <math>f</math> eine Dichte ist? <br />
b) Sei <math>X</math> eine Zufallsvariable mit Dichte <math>f</math>. Berechnen sie <math>E(X)</math> und <math>Var(X)</math>. <br>
b) Sei <math>X</math> eine Zufallsvariable mit Dichte <math>f</math>. Berechnen sie <math>E(X)</math> und <math>Var(X)</math>. <br />
c) Berechnen sie <math>P \lbrace \frac{1}{4} \leq X \leq \frac{3}{4} \rbrace</math>. Bestimmen Sie dann mit Hilfe der Chebyshev'schen Ungleichung eine untere Schranke für diese Wahrscheinlichkeit. <br>
c) Berechnen sie <math>P \lbrace \frac{1}{4} \leq X \leq \frac{3}{4} \rbrace</math>. Bestimmen Sie dann mit Hilfe der Chebyshev'schen Ungleichung eine untere Schranke für diese Wahrscheinlichkeit. <br />
(16 Punkte)
(16 Punkte)


Zeile 41: Zeile 40:
Es werden <math>n</math> unabhängige, identisch verteilte Zufallsvariablen <math>X_{1}, ..., X_{n}</math> mit Verteilungsfunktion <math>F_{\vartheta } (x) = (1 - (\frac{x}{\vartheta})^{-2})1_{ [ \vartheta , \infty )}(x)</math>, <math>x \in \R</math> , beobachtet, wobei der Parameter <math>\vartheta > 0</math> unbekannt sei.  
Es werden <math>n</math> unabhängige, identisch verteilte Zufallsvariablen <math>X_{1}, ..., X_{n}</math> mit Verteilungsfunktion <math>F_{\vartheta } (x) = (1 - (\frac{x}{\vartheta})^{-2})1_{ [ \vartheta , \infty )}(x)</math>, <math>x \in \R</math> , beobachtet, wobei der Parameter <math>\vartheta > 0</math> unbekannt sei.  


a) Bestimmen Sie einen Maximum-Likelihood-Schätzer <math>\hat{\vartheta_{n}}</math> für <math>\vartheta</math> <br>
a) Bestimmen Sie einen Maximum-Likelihood-Schätzer <math>\hat{\vartheta_{n}}</math> für <math>\vartheta</math> <br />
b) Zeigen sie, dass für den Maximum-Likelihood-Schätzer <math>\hat{\vartheta_{n}}</math> und alle <math>t \geq 1</math> gilt: <math>P \lbrace \frac{\hat{\vartheta_{n}}}{\vartheta} > t \rbrace = t^{-2n}</math>. Ist <math>\hat{\vartheta_{n}}</math> ein erwartungstreuer Schätzer? <br>
b) Zeigen sie, dass für den Maximum-Likelihood-Schätzer <math>\hat{\vartheta_{n}}</math> und alle <math>t \geq 1</math> gilt: <math>P \lbrace \frac{\hat{\vartheta_{n}}}{\vartheta} > t \rbrace = t^{-2n}</math>. Ist <math>\hat{\vartheta_{n}}</math> ein erwartungstreuer Schätzer? <br />
c) Verwenden Sie b) um zwei einseitige Konfidenzintervalle der Form <math>(0, T_{1}]</math> bzw. <math>[T_{2}, \infty )</math> jeweils zum Niveau <math>\alpha \in (0, 1)</math> für <math>\vartheta</math> zu konstruieren, wobei <math>T_{1}</math> und <math>T_{2}</math> geeignete von den Beobachtungen abhängige Zufallsvariablen sind. <br>
c) Verwenden Sie b) um zwei einseitige Konfidenzintervalle der Form <math>(0, T_{1}]</math> bzw. <math>[T_{2}, \infty )</math> jeweils zum Niveau <math>\alpha \in (0, 1)</math> für <math>\vartheta</math> zu konstruieren, wobei <math>T_{1}</math> und <math>T_{2}</math> geeignete von den Beobachtungen abhängige Zufallsvariablen sind. <br />
(20 Punkte)
(20 Punkte)
[[Kategorie:Gedaechtnisprotokoll|STO]]

Aktuelle Version vom 8. Juni 2012, 18:09 Uhr

Die Klausur von Herrn Drees fand am 28.07.2009 im Zeitraum von 9.00 bis 12.00 Uhr statt. Die Bearbeitungszeit war 120 Minuten. Als Hilfsmittel waren nur nicht-programmierbare Taschenrechner erlaubt. Skripte, Notizen oder Bücher waren nicht erlaubt.
Es gab insgesamt 80 Punkte zu erreichen. Zum Bestehen benötigt man 40 Punkte (Punkte der Teilaufgaben sind in Klammern angegeben).

Aufgabe 1)[Bearbeiten]

Seien <math>A</math>, <math>B</math>, <math>C</math> drei Ereignisse in einem Wahrscheinlichkeitsraum, so dass <math>P(A) = 0,6</math>, <math>P(A \cap B \cap C) = 0,3</math> und <math>P((A \cup B) \setminus C) = 0,7</math> . Wie groß ist die Wahrscheinlichkeit <math>P(B \setminus A)</math> ? Begründen sie ihre Antwort! (8 Punkte)


Aufgabe 2)[Bearbeiten]

Ein Würfel werde zwei mal geworfen. Sei <math>A</math> das Ereignis, dass im 1. Wurf eine Augenzahl von höchstens 3 fällt, <math>B</math> das Ereignis, dass die Summe der beiden Augenzahlen gerade ist. Berechnen sie die bedingte Wahrscheinlichkeit <math>P(A \mid B)</math>! Sind <math>A</math> und <math>B</math> stochastisch unabhängig? Begründen sie ihre Antwort! (12 Punkte)


Aufgabe 3)[Bearbeiten]

Sei <math>X</math> eine <math>\lbrace 1, 2 \rbrace</math>-wertige Zufallsvariable und <math>Y</math> eine <math>\lbrace 3, 4 \rbrace</math>-wertige Zufallsvariable. In der nachfolgenden Tabelle sind die Wahrscheinlichkeiten <math>P\lbrace X = x, Y = y \rbrace</math> gegeben.

Sto tabular.png

a) Bestimmen Sie die Zähldichte von <math>X</math> und <math>Y</math>.
b) Sind <math>X</math> und <math>Y</math> stochastisch unabhängig? Begründen Sie!
c) Berechnen Sie die Kovarianz von <math>X</math> und <math>Y</math>.
(16 Punkte)

Aufgabe 4)[Bearbeiten]

40% aller Handyverträge werden von weiblichen Personen abgeschlossen, 60% von männlichen Personen. Für eine Umfrage werden 100 Verträge rein zufällig ausgewählt. Geben Sei eine Approximation für die Wahrscheinlichkeit an, dass von den entsprechenden Vertragsinhabern mindestens 40 und höchstens 50 Personen weiblich sind! (8 Punkte)


Aufgabe 5)[Bearbeiten]

Sei <math>f(x) = cx (1-x)1_{(0,1)}(x)</math> , <math>x \in \R</math>
a) Wie ist <math>c</math> zu wählen, damit <math>f</math> eine Dichte ist?
b) Sei <math>X</math> eine Zufallsvariable mit Dichte <math>f</math>. Berechnen sie <math>E(X)</math> und <math>Var(X)</math>.
c) Berechnen sie <math>P \lbrace \frac{1}{4} \leq X \leq \frac{3}{4} \rbrace</math>. Bestimmen Sie dann mit Hilfe der Chebyshev'schen Ungleichung eine untere Schranke für diese Wahrscheinlichkeit.
(16 Punkte)

Aufgabe 6)[Bearbeiten]

Es werden <math>n</math> unabhängige, identisch verteilte Zufallsvariablen <math>X_{1}, ..., X_{n}</math> mit Verteilungsfunktion <math>F_{\vartheta } (x) = (1 - (\frac{x}{\vartheta})^{-2})1_{ [ \vartheta , \infty )}(x)</math>, <math>x \in \R</math> , beobachtet, wobei der Parameter <math>\vartheta > 0</math> unbekannt sei.

a) Bestimmen Sie einen Maximum-Likelihood-Schätzer <math>\hat{\vartheta_{n}}</math> für <math>\vartheta</math>
b) Zeigen sie, dass für den Maximum-Likelihood-Schätzer <math>\hat{\vartheta_{n}}</math> und alle <math>t \geq 1</math> gilt: <math>P \lbrace \frac{\hat{\vartheta_{n}}}{\vartheta} > t \rbrace = t^{-2n}</math>. Ist <math>\hat{\vartheta_{n}}</math> ein erwartungstreuer Schätzer?
c) Verwenden Sie b) um zwei einseitige Konfidenzintervalle der Form <math>(0, T_{1}]</math> bzw. <math>[T_{2}, \infty )</math> jeweils zum Niveau <math>\alpha \in (0, 1)</math> für <math>\vartheta</math> zu konstruieren, wobei <math>T_{1}</math> und <math>T_{2}</math> geeignete von den Beobachtungen abhängige Zufallsvariablen sind.
(20 Punkte)