Diskrete Zufallsvariable
Formel
Diskrete Zufallsvariable
Die Anzahl der Ergebnisse des Zufallsexperiments ist endlich / abzählbar. Eine diskrete Zufallsvariable ist durch die Angabe ihres Wertebereichs \({x_1},{x_2},...,{x_n}\) und den Einzelwahrscheinlichkeiten fur das Auftreten von jedem Wert des Wertebereichs, also \(P\left( {X = {x_1}} \right) = {p_1},\,\,\,P\left( {X = {x_2}} \right) = {p_2},...P\left( {X = {x_n}} \right) = {p_n}\) vollständig definiert. Man spricht von der Wahrscheinlichkeitsfunktion, welche es nur für diskrete Zufallsvariablen gibt. (Bei stetigen Zufallsvariablen gibt es entsprechend die Dichtefunktion.)
Spezielle Verteilungen diskreter Zufallsvariabler sind
- Bernoulli-Verteilung
- Binomialverteilung (mit Zurücklegen)
- Poissonverteilung
- hypergeometrische Verteilung (ohne Zurücklegen)
Wahrscheinlichkeitsfunktion
Die Wahrscheinlichkeitsfunktion, welche es nur für diskrete Zufallsvariablen gibt, beschreibt eine diskrete Wahrscheinlichkeitsverteilung, indem sie jedem \(x \in {\Bbb R}\) einer Zufallsvariablen X genau eine Wahrscheinlichkeit P aus dem Intervall \(\left[ {0;1} \right]\) zuordnet.
\(f:x \to p\)
\(f:x \to \left\{ {\begin{array}{*{20}{l}} {P\left( {X = {x_i}} \right)}&{für\,\,x = {x_i}}\\ 0&{für\,\,\,x \ne {x_i}} \end{array}} \right.\)
Funktionsgraph der Wahrscheinlichkeitsfunktion
Im Funktionsgraph der Wahrscheinlichkeitsverteilung werden über jedem (diskreten) Wert x die jeweilige Wahrscheinlichkeit P(X=x) dargestellt, wobei die einzelnen Wahrscheinlichkeiten P(X=x) mit Hilfe der Laplace-Wahrscheinlichkeit berechnet werden. Im Stabdiagramm wird über jedem (diskreten) Wert x ein Stab (dünner Balken) aufgetragen, dessen Höhe der jeweilige Wahrscheinlichkeit P(X=x) entspricht.
Verteilungsfunktion
Die Verteilungsfunktion einer diskreten Zufallsvariablen, auch kumulative Verteilfunktion genannt, gibt die Wahrscheinlichkeit dafür an, dass die Zufallsvariable X höchstens den Wert x annimmt.
\(F\left( x \right) = P\left( {X \leqslant x} \right)\)
Sie ist eine monoton steigende Treppenfunktion mit Sprüngen an den Stellen xi und daher nicht stetig. Geometrisch entspricht die Wahrscheinlichkeit P(X=x) der Sprunghöhe der Verteilungsfunktion F(x) an der Stelle x.
F(x) ist für jedes x definiert und nimmt Werte von mindestens 0 bis höchstens 1 an.
\(\eqalign{ & \mathop {\lim }\limits_{x \to - \infty } F(x) = 0 \cr & \mathop {\lim }\limits_{x \to \infty } F(x) = 1 \cr} \)
Darüber hinaus gilt:
\(\eqalign{ & P\left( {X \geqslant x} \right) = 1 - P\left( {X < x} \right) \cr & P\left( {X > x} \right) = 1 - P\left( {X \leqslant x} \right) \cr} \)
Mittelwert einer Vollerhebung bzw. einer Stichprobe
Der arithmetische Mittelwert bezieht sich immer auf die grundsätzlich abzählbare Anzahl n an Durchgängen eines Zufallsexperiments. Er ist definiert als die Summe aller beobachteten Werte dividiert durch die Anzahl der beobachteten Werte.
\(\overline x = \dfrac{1}{n} \cdot \sum\limits_{i = 1}^n {{x_i}} \)
Unterschied Mittelwert und Erwartungswert
Wiederholt man das Zufallsexperiment unendlich oft, geht also \(n \to \infty \), so wird aus dem Mittelwert der Erwartungswert.
Erwartungswert
Der Erwartungswert einer diskreten Zufallsvariablen X, welche die diskreten Werte x1, x2, ..., xn mit den zugehörigen Wahrscheinlichkeiten P(X=x1), P(X=x2), ... P(X=xn) annimmt, errechnet sich aus der Summe der Produkte vom jeweiligen Wert xi und seiner Wahrscheinlichkeit P(X=xi). Merkregel: "Was passiert" mal "mit welcher Wahrscheinlichkeit passiert es".
\(E\left( X \right) = \mu = {x_1} \cdot P\left( {X = {x_1}} \right) + {x_2} \cdot P\left( {X = {x_2}} \right) + ... + {x_n} \cdot P\left( {X = {x_n}} \right) = \sum\limits_{i = 1}^n {{x_i} \cdot P\left( {X = {x_i}} \right)} \)
mit: \(P\left( E \right) = \frac{{{\text{Anzahl günstige Fälle}}}}{{{\text{Anzahl möglicher Fälle}}}}\)
Der Erwartungswert ist ein Maß für die mittlere Lage der Verteilung, und somit ein Lageparameter der beschreibenden Statistik.
- Ist die Wahrscheinlichkeit für jeden Versuch die selbe (z.B. bei binomialverteilten Experimenten), dann ist der Erwartungswert gleich dem arithmetischen Mittel.
- Ist die Wahrscheinlichkeit für jeden Versuch unterschiedlich , dann ist der Erwartungswert gemäß obiger Formel ein gewichtetes arithmetisches Mittel.
Erwartungswert für den Fall dass die diskrete Verteilung eine Binomialverteilung ist,
die nur zwei Werte (Erfolg / Misserfolg) annehmen kann und deren Trefferwahrscheinlichkeit immer p ist:
\(E\left( X \right) = n \cdot p\)
Physikalische Analogie
- Physikalisch entspricht der Erwartungswert dem Schwerpunkt. Man muss sich dabei die Massen R(X=xi) an den Positionen xi entlang vom Zahlenstrahl x platziert vorstellen.
- Physikalisch entspricht die Varianz dem Trägheitsmoment, wenn man den oben beschriebenen Zahlenstrahl um eine Achse dreht, die senkrecht auf den Zahlenstrahl steht und die durch den Schwerpunkt verläuft.
Varianz
Die Varianz einer diskreten Zufallsvariablen ist die mittlere quadratische Abweichung der Zufallsvariablen von ihrem Erwartungswert und somit ein Streumaß der beschreibenden Statistik.
\({\sigma _x}^2 = Var\left( X \right) = {\sum\limits_{i = 1}^n {\left( {{x_i} - E\left( x \right)} \right)} ^2} \cdot P\left( {X = {x_i}} \right)\)
Verschiebungssatz
Der Verschiebungssatz für diskrete Zufallsvariablen kann den Rechenaufwand für die Berechnung der Varianz verringern, es kann aber zum Verlust von Rechengenauigkeit kommen.
\({\sigma _x}^2 = Var\left( X \right) = E\left( {{X^2}} \right) - E{\left( X \right)^2} = \sum\limits_{i = 1}^n {{x_i}^2 \cdot P\left( {X = {x_i}} \right) - E{{\left( X \right)}^2}} \)
Standardabweichung
Die Varianz hat den Nachteil, als Einheit das Quadrat der Einheit der zugrunde liegenden Zufallsvariablen zu haben. Das ist bei der Standardabweichung (auf Grund der Quadratwurzel) und beim Erwartungswert nicht der Fall.
\({\sigma _x} = \sqrt {Var\left( X \right)} \)
Physikalische Analogie für den Erwartungswert und für die Varianz:
- Physikalisch entspricht der Erwartungswert dem Schwerpunkt. Man muss sich dabei die Massen R(X=xi) an den Positionen xi entlang vom Zahlenstrahl x plaziert vorstellen.
- Physikalisch entspricht die Varianz dem Trägheitsmoment, wenn man den oben beschriebenen Zahlenstrahl um eine Achse dreht, die senkrecht auf den Zahlenstrahl steht und die durch den Schwerpunkt verläuft
Illustration zur Veranschaulichung einer kleinen Varianz:
\(\eqalign{ & {x_1} = 3;\,\,\,\,\,{x_2} = 4;\,\,\,\,\,{x_3} = 5; \cr & P\left( {{x_1}} \right) = 0,2;\,\,\,\,\,P\left( {{x_2}} \right) = 0,6;\,\,\,\,\,P\left( {{x_3}} \right) = 0,2; \cr & E(X) = \mu = \sum\limits_{i = 1}^3 {{x_i} \cdot P\left( {X = {x_i}} \right)} = 3 \cdot 0,2 + 4 \cdot 0,6 + 5 \cdot 0,2 = 4 \cr & Var(X) = {\sum\limits_{i = 1}^3 {\left( {{x_i} - E\left( X \right)} \right)} ^2} \cdot P\left( {X = {x_i}} \right) = {\left( {3 - 4} \right)^2} \cdot 0,2 + {\left( {4 - 4} \right)^2} \cdot 0,6 + {\left( {5 - 4} \right)^2} \cdot 0,2 = 0,4 \cr} \)
Alternativ errechnet sich die Varianz unter Zuhilfenahme vom Verschiebungssatz wie folgt:
\(Var(X) = \sum\limits_{i = 3}^3 {{x_i}^2 \cdot P\left( {X = {x_i}} \right)} - {\left( {E\left( X \right)} \right)^2} = {3^2} \cdot 0,2 + {4^2} \cdot 0,6 + {5^2} \cdot 0,2 - {4^2} = 0,4\)
Illustration zur Veranschaulichung einer großen Varianz mit dem gleichen Erwartungswert:
\(\eqalign{ & {x_1} = 2;\,\,\,\,\,{x_2} = 4;\,\,\,\,\,{x_3} = 6; \cr & P\left( {{x_1}} \right) = 0,2;\,\,\,\,\,P\left( {{x_2}} \right) = 0,6;\,\,\,\,\,P\left( {{x_3}} \right) = 0,2; \cr & E(X) = \mu = \sum\limits_{i = 1}^3 {{x_i} \cdot P\left( {X = {x_i}} \right)} = 2 \cdot 0,2 + 4 \cdot 0,6 + 6 \cdot 0,2 = 4 \cr & Var(X) = {\sum\limits_{i = 1}^3 {\left( {{x_i} - E\left( X \right)} \right)} ^2} \cdot P\left( {X = {x_i}} \right) = {\left( {2 - 4} \right)^2} \cdot 0,2 + {\left( {4 - 4} \right)^2} \cdot 0,6 + {\left( {6 - 4} \right)^2} \cdot 0,2 = 1,6 \cr} \)
Alternativ errechnet sich die Varianz unter Zuhilfenahme vom Verschiebungssatz wie folgt:
\(Var(X) = \sum\limits_{i = 3}^3 {{x_i}^2 \cdot P\left( {X = {x_i}} \right)} - {\left( {E\left( X \right)} \right)^2} = {2^2} \cdot 0,2 + {4^2} \cdot 0,6 + {6^2} \cdot 0,2 - {4^2} = 1,6\)
Schon den nächsten Badeurlaub geplant?
Auf maths2mind kostenlos auf Prüfungen vorbereiten!
Damit niemand mehr bei Mathe in's Schwimmen kommt!
Wissenspfad
Zur aktuellen Lerneinheit empfohlenes Vorwissen
Schließende Statistik | Die schließende Statistik ermöglicht es von einer (kleinen) Stichprobe auf die (große) Grundgesamtheit G zu schließen. Die Stichprobe ist eine repräsentative Teilmenge, die der Grundgesamtheit zufällig entnommen wurde. Die Wahrscheinlichkeitsrechnung wertet die Ergebnisse von Zufallsexperimenten aus. |
Aktuelle Lerneinheit
Diskrete Zufallsvariable | Für diskrete Zufallsvariablen ist die Anzahl der Ergebnisse eines Zufallsexperiments endlich, also abzählbar. Sie wird durch eine Wahrscheinlichkeitsfunktion beschrieben. |
Verbreitere dein Wissen zur aktuellen Lerneinheit
Standardnormalverteilung | Unter der Standardnormalverteilung versteht man die mit μ=0 und σ=1 standardisierte Normalverteilung. Mit Hilfe der z-Transformation rechnet man beliebige Erwartungswerte bzw. Standardabweichungen auf die Standardnormalverteilung um. |
Konfidenzintervall | Bei der Ermittlung statistischer Parameter prüft man selten alle möglichen Ergebnisse, sondern man beschränkt sich auf eine Stichprobe. Dadurch ist die Messung aber Ungenauigkeiten unterworfen. Konfidenzintervalle definieren einen Bereich, in dem man mit einer bestimmten Wahrscheinlichkeit darauf vertrauen darf, dass sich der wahre Wert darin befindet. |
Gleichverteilung - Disparität - Konzentration | Von Gleichverteilung spricht man, wenn jeder Merkmalsträger den gleichen Anteil an der Merkmalssumme auf sich vereint. |
Gedächtnislosigkeit der Exponentialverteilung und der geometrischen Verteilung | Sie gibt die Wahrscheinlichkeit an, dass ein Ereignis (zB ein Produktfehler) nach weiteren t Minuten eintritt, nachdem man schon s Minuten gewartet hat. Man spricht auch von der "Nichtalterungseigenschaft". |
Exponentialverteilung | Die Exponetialfunktion wird zur Modellierung von der Zeit zwischen 2 Ereignissen oder der Lebensdauer von Bauteilen verwendet. |
Rechteckverteilung | Die Rechteckverteilung im Intervall [a, b] ist eine stetige Gleichverteilung, bei der jedes Ergebnis gleich wahrscheinlich ist. |
Normalverteilung | Die Normalverteilung, auch gaußsche-Glockenverteilung genannt, ist zusammen mit ihrem Spezialfall der Standardnormalverteilung die wichtigste Verteilungsfunktion. |
Hypergeometrische Verteilung | Die hypergeometrische Verteilung ist eine diskrete Verteilung. Die Grundgesamtheit vermindert sich aber bei jeder Wiederholungen, denn es handelt sich um ein „Ziehen ohne Zurücklegen“. |
Poissonverteilung | Die Poissonverteilung ist eine diskrete Verteilung. Sie ist ein Grenzfall der Binomialverteilung wenn n sehr groß (größer 100) ist, verbunden mit einer sehr kleinen Erfolgswahrscheinlichkeit die gegen Null konvergiert |
Bernoulli-Verteilung | Die Bernoulli-Verteilung ist die einfachste diskrete Verteilung. Sie entsteht, wenn man ein Bernoulli Experiment (welches nur 2 mögliche Ausgänge hat) genau 1 Mal ausführt. Die Bernoulli Verteilung ist daher ein Spezialfall der Binomialverteilung für n=1. |
Histogramm der Häufigkeitsverteilung | Histogramme schauen ähnlich aus wie Balkendiagramme - man benötigt zu deren grafischer Darstellung die jeweilige Balkenbreite (Klassenbreite) und die Balkenhöhe (=relativer / prozentueller Anteil der Messwerte) |
Stetige Zufallsvariable | Man spricht von einer stetigen Zufallsvariablen, wenn die Anzahl der Ergebnisse des Zufallsexperiments unendlich, also nicht abzählbar, ist. |
Zufallsvariable | Eine Zufallsvariable X ordnet jedem Ergebnis ω vom Ergebnisraum Ω eines Zufallsexperiments eine reelle Zahl x zu. |
Einstufige Zufallsexperimente und deren Wahrscheinlichkeiten | Ein Zufallsexperiment ist ein grundsätzlich beliebig oft wiederholbarer "Versuch", welcher unter identischen Bedingungen zu 2 oder mehreren nicht vorhersagbaren Ergebnissen führt. Wir unterscheiden zwischen Bernoulli und Laplace Experiment. |
Aufgaben zu diesem Thema
Aufgabe 1635
Standardisierte kompetenzorientierte schriftliche Reifeprüfung Mathematik
Quelle: AHS Matura vom 09. Mai 2018 - Teil-1-Aufgaben - 22. Aufgabe
Angabe mit freundlicher Genehmigung vom Bundesministerium für Bildung; Lösungsweg: Maths2Mind
Vergleich zweier Wahrscheinlichkeitsverteilungen
In den nachstehenden Diagrammen sind die Wahrscheinlichkeitsverteilungen zweier Zufallsvariablen X und Y dargestellt. Die Erwartungswerte der Zufallsvariablen werden mit E(X) und E(Y), die Standardabweichungen mit σ (X) und σ (Y) bezeichnet.
Aufgabenstellung:
Kreuzen Sie die beiden zutreffenden Aussagen an!
- Aussage 1: \(E\left( X \right) = E\left( Y \right)\)
- Aussage 2: \(\sigma \left( X \right) > \sigma \left( Y \right)\)
- Aussage 3: \(P\left( {X \leqslant 3} \right) < P\left( {Y \leqslant 3} \right)\)
- Aussage 4: \(P\left( {3 \leqslant X \leqslant 7} \right) = P\left( {3 \leqslant Y \leqslant 7} \right)\)
- Aussage 5: \(P\left( {X \leqslant 5} \right) = 0,3\)
Aufgabe 1471
Standardisierte kompetenzorientierte schriftliche Reifeprüfung Mathematik
Quelle: AHS Matura vom 10. Mai 2016 - Teil-1-Aufgaben - 23. Aufgabe
Angabe mit freundlicher Genehmigung vom Bundesministerium für Bildung; Lösungsweg: Maths2Mind
Verschiedenfärbige Kugeln
Auf einem Tisch steht eine Schachtel mit drei roten und zwölf schwarzen Kugeln. Nach dem Zufallsprinzip werden nacheinander drei Kugeln aus der Schachtel gezogen, wobei die gezogene Kugel jeweils wieder zurückgelegt wird.
- Aussage 1: Es wird höchstens eine schwarze Kugel gezogen.
- Aussage 2: Es werden genau zwei schwarze Kugeln gezogen.
- Aussage 3: Es werden zwei rote Kugeln und eine schwarze Kugel gezogen.
- Aussage 4: Es werden nur rote Kugeln gezogen.
- Aussage 5: Es wird mindestens eine rote Kugel gezogen.
- Aussage 6: Es wird keine rote Kugel gezogen
Aufgabenstellung:
Gegeben ist der folgende Ausdruck: \(3 \cdot {0,8^2} \cdot 0,2\)
Kreuzen Sie dasjenige Ereignis an, dessen Wahrscheinlichkeit durch diesen Ausdruck berechnet wird!
Aufgabe 1292
AHS - 1_292 & Lehrstoff: WS 3.2
Quelle: Aufgabenpool für die SRP in Mathematik (12.2015)
Angabe mit freundlicher Genehmigung vom Bundesministerium für Bildung; Lösungsweg: Maths2Mind
Flaschensortieranlage
Auf einer Sortieranlage werden 500 Flaschen von einem Scanner untersucht – es wird die Art des Kunststoffes ermittelt. p % der Flaschen werden richtig erkannt und in die bereitgestellten Behälter einsortiert. Die Werte der binomialverteilten Zufallsvariablen X beschreiben die Anzahl k der falschen Entscheidungen beim vorgegebenen Stichprobenumfang.
k | P(X=k) |
10 | 0,0003 |
11 | 0,0007 |
12 | 0,0015 |
13 | 0,0029 |
14 | 0,0053 |
15 | 0,009 |
16 | 0,0144 |
17 | 0,0216 |
18 | 0,0305 |
19 | 0,0408 |
20 | 0,0516 |
21 | 0,0621 |
22 | 0,0712 |
23 | 0,0778 |
24 | 0,0814 |
25 | 0,0816 |
26 | 0,0785 |
27 | 0,0725 |
28 | 0,0644 |
29 | 0,0552 |
30 | 0,0456 |
Aufgabenstellung:
Berechnen Sie mithilfe der gegebenen Tabelle die Wahrscheinlichkeit \(P\left( {22 < X \leqslant 27} \right)\)und markieren Sie diese in der Grafik.
Aufgabe 1422
Standardisierte kompetenzorientierte schriftliche Reifeprüfung Mathematik
Quelle: AHS Matura vom 21.September 2015 - Teil-1-Aufgaben - 24. Aufgabe
Angabe mit freundlicher Genehmigung vom Bundesministerium für Bildung; Lösungsweg: Maths2Mind
Sammelwahrscheinlichkeit bei Überraschungseiern
Ein italienischer Süßwarenhersteller stellt Überraschungseier her. Das Ei besteht aus Schokolade. Im Inneren des Eies befindet sich in einer gelben Kapsel ein Spielzeug oder eine Sammelfigur. Der Hersteller wirbt für die Star-Wars Sammelfiguren mit dem Slogan „Wir sind jetzt mit dabei, in jedem 7. Ei!“.
Aufgabenstellung:
Peter kauft in einem Geschäft zehn Überraschungseier aus dieser Serie. Berechnen Sie die Wahrscheinlichkeit, dass Peter mindestens eine Star-Wars-Sammelfigur erhält!
Schon den nächsten Urlaub geplant?
Auf maths2mind kostenlos auf Prüfungen vorbereiten!
Nach der Prüfung mit dem gesparten Geld deinen Erfolg genießen.
Aufgabe 1043
AHS - 1_043 & Lehrstoff: WS 3.1
Quelle: Aufgabenpool für die SRP in Mathematik (12.2015)
Angabe mit freundlicher Genehmigung vom Bundesministerium für Bildung; Lösungsweg: Maths2Mind
Wahrscheinlichkeitsverteilung
Gustav kommt in der Nacht nach Hause und muss im Dunkeln die Haustüre aufsperren. An seinem ringförmigen Schlüsselbund hängen fünf gleiche Schlüsseltypen, von denen nur einer sperrt. Er beginnt die Schlüssel zufällig und nacheinander zu probieren. Die Zufallsvariable X gibt die Anzahl k der Schlüssel an, die er probiert, bis die Tür geöffnet ist.
k | 1 | 2 | 3 | 4 | 5 |
\(P\left( {X = k} \right)\) |
Aufgabenstellung:
Ergänzen Sie in der Tabelle die fehlenden Wahrscheinlichkeiten und ermitteln Sie den Erwartungswert E(X) dieser Zufallsvariablen X!
Aufgabe 1045
AHS - 1_045 & Lehrstoff: WS 3.1
Quelle: Aufgabenpool für die SRP in Mathematik (12.2015)
Angabe mit freundlicher Genehmigung vom Bundesministerium für Bildung; Lösungsweg: Maths2Mind
Testung
Es werden zwei Tests TX und TY, bei denen man jeweils maximal zehn Punkte erwerben kann, auf ihre Lösungshäufigkeit untersucht. Bei mehr als fünf Punkten gilt der jeweilige Test als bestanden. Die Zufallsvariablen X und Y beschreiben die Anzahl der erreichten Punkte. Die beiden untenstehenden Abbildungen zeigen jeweils die Verteilungen der beiden Variablen X und Y.
- Aussage 1: Mit Test TY werden mehr Kandidatinnen/Kandidaten den Test bestehen als mit Test TX.
- Aussage 2: Beide Zufallsvariablen X und Y sind binomialverteilt.
- Aussage 3: Die Erwartungswerte sind gleich: E(X) = E(Y).
- Aussage 4: Die Standardabweichungen sind gleich: σ X = σ Y.
- Aussage 5: Der Test TX unterscheidet besser zwischen Kandidatinnen/Kandidaten mit schlechteren und besseren Testergebnissen.
Aufgabenstellung:
Kreuzen Sie diejenigen zwei Aussagen an, die aus den gegebenen Informationen ablesbar sind!
Aufgabe 1447
Standardisierte kompetenzorientierte schriftliche Reifeprüfung Mathematik
Quelle: AHS Matura vom 15. Jänner 2016 - Teil-1-Aufgaben - 23. Aufgabe
Angabe mit freundlicher Genehmigung vom Bundesministerium für Bildung; Lösungsweg: Maths2Mind
Erwartungswert
Die nachstehende Abbildung zeigt die Wahrscheinlichkeitsverteilung einer Zufallsvariablen X, die die Werte k = 1, 2, 3, 4, 5 annehmen kann.
Aufgabenstellung:
Ermitteln Sie den Erwartungswert E(X)!
Aufgabe 1399
Standardisierte kompetenzorientierte schriftliche Reifeprüfung Mathematik
Quelle: AHS Matura vom 11. Mai 2015 - Teil-1-Aufgaben - 23. Aufgabe
Angabe mit freundlicher Genehmigung vom Bundesministerium für Bildung; Lösungsweg: Maths2Mind
Erwartungswert des Gewinns
Bei einem Gewinnspiel gibt es 100 Lose. Der Lospreis beträgt € 5. Für den Haupttreffer werden € 100 ausgezahlt, für zwei weitere Treffer werden je € 50 ausgezahlt und für fünf weitere Treffer werden je € 20 ausgezahlt. Für alle weiteren Lose wird nichts ausgezahlt. Unter Gewinn versteht man Auszahlung minus Lospreis.
Aufgabenstellung:
Berechnen Sie den Erwartungswert des Gewinns aus der Sicht einer Person, die ein Los kauft!
Schon den nächsten Badeurlaub geplant?
Auf maths2mind kostenlos auf Prüfungen vorbereiten!
Damit niemand mehr bei Mathe in's Schwimmen kommt!
Aufgabe 1148
AHS - 1_148 & Lehrstoff: WS 3.1
Quelle: Aufgabenpool für die SRP in Mathematik (12.2015)
Angabe mit freundlicher Genehmigung vom Bundesministerium für Bildung; Lösungsweg: Maths2Mind
Erwartungswert
In der nachstehenden Tabelle ist die Wahrscheinlichkeitsverteilung einer diskreten Zufallsvariablen X dargestellt.
\({a_i}{\text{ mit }}i \in \left\{ {1,\,\,2,\,\,3,\,\,4} \right\}\) | 1 | 2 | 3 | 4 |
\(P\left( {X = {a_i}} \right)\) | 0,1 | 0,3 | 0,5 | 0,1 |
Aufgabenstellung:
Bestimmen Sie den Erwartungswert E(X) der Zufallsvariablen X!
Aufgabe 1375
Standardisierte kompetenzorientierte schriftliche Reifeprüfung Mathematik
Quelle: AHS Matura vom 16. Jänner 2015 - Teil-1-Aufgaben - 23. Aufgabe
Angabe mit freundlicher Genehmigung vom Bundesministerium für Bildung; Lösungsweg: Maths2Mind
Erwartungswert
Die nachstehende Abbildung zeigt die Wahrscheinlichkeitsverteilung einer diskreten Zufallsvariablen X, bei der jedem Wert k (k = 1, 2, 3, 4, 5) die Wahrscheinlichkeit P(X = k) zugeordnet wird.
Aufgabenstellung:
Ermitteln Sie den Erwartungswert E(X) der Zufallsvariablen X!
Aufgabe 1635
Standardisierte kompetenzorientierte schriftliche Reifeprüfung Mathematik
Quelle: AHS Matura vom 09. Mai 2018 - Teil-1-Aufgaben - 22. Aufgabe
Angabe mit freundlicher Genehmigung vom Bundesministerium für Bildung; Lösungsweg: Maths2Mind
Vergleich zweier Wahrscheinlichkeitsverteilungen
In den nachstehenden Diagrammen sind die Wahrscheinlichkeitsverteilungen zweier Zufallsvariablen X und Y dargestellt. Die Erwartungswerte der Zufallsvariablen werden mit E(X) und E(Y), die Standardabweichungen mit σ (X) und σ (Y) bezeichnet.
Aufgabenstellung:
Kreuzen Sie die beiden zutreffenden Aussagen an!
- Aussage 1: \(E\left( X \right) = E\left( Y \right)\)
- Aussage 2: \(\sigma \left( X \right) > \sigma \left( Y \right)\)
- Aussage 3: \(P\left( {X \leqslant 3} \right) < P\left( {Y \leqslant 3} \right)\)
- Aussage 4: \(P\left( {3 \leqslant X \leqslant 7} \right) = P\left( {3 \leqslant Y \leqslant 7} \right)\)
- Aussage 5: \(P\left( {X \leqslant 5} \right) = 0,3\)
Aufgabe 1423
Standardisierte kompetenzorientierte schriftliche Reifeprüfung Mathematik
Quelle: AHS Matura vom 21.September 2015 - Teil-1-Aufgaben - 23. Aufgabe
Angabe mit freundlicher Genehmigung vom Bundesministerium für Bildung; Lösungsweg: Maths2Mind
Gewinn beim Glücksrad
Das unten abgebildete Glücksrad ist in acht gleich große Sektoren unterteilt, die mit gleicher Wahrscheinlichkeit auftreten. Für einmaliges Drehen des Glücksrades muss ein Einsatz von 5 € gezahlt werden. Die Gewinne, die ausbezahlt werden, wenn das Glücksrad im entsprechenden Sektor stehen bleibt, sind auf dem Glücksrad abgebildet.
Aufgabenstellung:
Das Glücksrad wird einmal gedreht. Berechnen Sie den entsprechenden Erwartungswert des Reingewinns G (in Euro) aus der Sicht des Betreibers des Glücksrades! Der Reingewinn ist die Differenz aus Einsatz und Auszahlungsbetrag.
Schon den nächsten Urlaub geplant?
Auf maths2mind kostenlos auf Prüfungen vorbereiten!
Nach der Prüfung mit dem gesparten Geld deinen Erfolg genießen.