Inhalt:
- Prinzipien des Zählens; Elemente der Kombinatorik
- Modelle vom Zufall abhängiger Vorgänge: Wahrscheinlichkeitsräume, Wahrscheinlichkeitsmaße
- Bedingte Wahrscheinlichkeiten; Unabhängigkeit; Bayes'sche Regel
- Zufallsvariablen und ihre Verteilungen; Kenngrössen der Verteilungen: Erwartungswert und Varianz
- Diskrete Verteilungen: Laplace-Verteilung; Binomialverteilung; geometrische Verteilung
- Approximation der Binomialverteilung durch die Normalverteilung;
- Approximation der Binomialverteilung durch die Poissonverteilung
- Verteilungen mit Dichten: Gleichverteilung; Normalverteilung; Exponentialverteilung
- Gemeinsame Verteilungen von mehreren Zufallsvariablen: diskret und mit Dichten; Unabhängigkeit von Zufallsvariablen; bedingte Verteilungen; Summen unabhängiger Zufallsvariablen und ihre Verteilungen
- Kenngrößen gemeinsamer Verteilungen: Erwartungswert, Kovarianz und Korrelation; bedingte Erwartung
- Grenzwertsätze: schwaches Gesetz der großen Zahl und relative Häufigkeiten; der zentrale Grenzwertsatz
- Datenanalyse und deskriptive Statistik: Histogramme; empirische Verteilung; Kenngrößen von Stichprobenverteilungen; Beispiele irreführender deskriptiver Statistiken; lineare Regression
- Elementare Begriffe und Techniken des Testens und Schätzens: Maximum-Likelihood-Prinzip; Konfidenzintervalle; Hypothesentests; Fehler erster und zweiter Art
Literatur
Literatur:
- E. Behrends: Elementare Stochastik, Springer, 2013
- H.-O. Georgii: Stochastik: Einführung in die Wahrscheinlichkeitstheorie und Statistik, De Gruyter, 2007
- U. Krengel: Einführung in die Wahrscheinlichkeitstheorie und Statistik, Vieweg, 2005
- D. Meintrup, S. Schäffler, Stochastik: Theorie und Anwendungen, Springer, 2005.
- Die meisten der oben aufgeführten Bücher gibt es online über die UB.
Zusätzliche Informationen
Zielgruppe: Studierende ab dem 3. Semester
Voraussetzungen: Grundkenntnisse aus Analysis und Linearer Algebra