Diese Lernzusammenfassung liefert Prüfungsfragen zum Thema Stochastik. Dabei werden die Aspekte Wahrscheinlichkeiten, Kombinatorik, Verteilungen, Zufallsvariablen, Erwartungswert, Streuung, Statistik, Konfidenzintervalle und Tests in Stichpunkten behandelt.
Inhaltsverzeichnis
Was ist Wahrscheinlichkeit? Wie ist diese naiv definiert?
Was sind die Hauptprobleme?
Was braucht man alles für die Axiomatische Wahrscheinlichkeit?
Was ist ein Wahrscheinlichkeitmaß?
Welche Eigenschaften hat das Wahrscheinlichkeitsmaß?
Wie hängen die naive und die axiomatische Wahrscheinlichkeit zusammen?
Modell vom Immer-wieder-Wiederholen
Warum braucht man die σ-Algebra?
Wie kann man die Wahrscheinlichkeit konkret ausrechnen?
Ist bei elementaren Beispielen immer klar, wie sie zu rechnen sind?
Wie groß ist die Wahrscheinlichkeit, dass wir beim Würfeln irgendwann einen 6er haben?
Wir würfeln 400mal und 399mal ist bereits ein 6er gekommen. Wie groß ist die Wahrscheinlichkeit, dass jetzt noch einmal ein 6er kommt?
Warum kommt bei einem Mal würfeln der 6er mit Wahrscheinlichkeit p = 1/6?
Was ist Entropie?
Kombinatorik
Wie lautet die axiomatische Definition einer Zufallsvariablen?
Was ist eine Zufallsvariable?
Wie ist die Verteilung von X definiert?
Was ist dabei ein wichtiger Zwischenschritt?
Womit darf man die rechtsseitige Stetigkeit nicht verwechseln?
Welche 2 wichtigen Typen von Zufallsvariablen haben wir kennengelernt?
Was gibt man diskreten bzw. kontinuierlichen Zufallsvariablen an?
Wie hängen die Dichte- und Verteilungsfunktion bei kontinuierlichen Zufallsvariablen zusammen?
Ist eine Zufallsvariable immer diskret oder kontinuierlich?
Wie ist der Erwartungswert definiert?
Wie kann man die Abweichung vom Erwartungswert messen?
Wie ist die Streuung definiert?
Wie kann man den Erwartungswert für diskrete bzw. kontinuierliche Zufallsvariablen berechnen?
Was sind die 5 Hauptverteilungen?
Wie ist die Binomialverteilung definiert?
Welche Werte können angenommen werden?
Wo tritt diese Verteilung auf?
Was kommt beim Erwartungswert von X und der Streuung von X heraus?
Wie ist die Normalverteilung definiert?
Welche Werte können angenommen werden?
Wo tritt diese Verteilung auf?
Was kommt beim Erwartungswert von X und der Streuung von X heraus?
Wie ist die Poissonverteilung definiert?
Welche Werte können angenommen werden?
Wo tritt diese Vereilung auf?
Was kommt beim Erwartungswert von X und bei der Streuung von X heraus?
Wie ist die Geometrische Verteilung definiert?
Welche Werte können angenommen werden?
Wo tritt diese Verteilung auf?
Was kommt beim Erwartungswert von X und bei der Streuung von X heraus?
Wie ist die Exponentialverteilung definiert?
Welche Werte können angenommen werden?
Wo tritt diese Verteilung auf?
Was kommt beim Erwartungswert von X und bei der Streuung von X heraus?
Was gibt es sonst noch für Verteilungen?
Wie ist die unabhängige Zufallsvariable definiert?
Unter welchen Konstruktionen bleibt die Unabhängigkeit erhalten?
Beispiele der Unabhängigkeit
Was für Eigenschaften haben unabhängige, integrierbare Zufallsvariablen?
Wie ist die Faltung definiert?
Wie ist die gemeinsame Dichte definiert?
Das starke Gesetz der großen Zahlen
Was heißt P-fast sicher?
Wo überall tritt der Zentrale Grenzwertsatz auf?
Worauf ist die Statistik aufgebaut?
Womit haben wir uns in der beschreibenden Statistik befasst?
Welche Definitionen haben wir hier gehabt?
Wie kann man das Konfidenzintervall mit bekanntem σ herleiten?
Konfidenzintervalle für normalverteilte Zufallsvariable mit bekanntem σ
(Einseitige) Tests für normalverteilte Zufallsvariable mit bekanntem σ
Statistische Testverfahren für normalverteilte Zufallsvariable mit unbekanntem σ
Statistische Verfahren für Wahrscheinlichkeiten oder Prozentsätze
Der Chi-Quadrat-Anpassungstest
Der Chi-Quadrat-Unabhängigkeitstest
Zielsetzung & Themen
Dieses Dokument dient als komprimierte Zusammenstellung prüfungsrelevanter Fragen und Antworten für die mündliche Stochastik-Prüfung im Lehramtsstudium Mathematik. Es deckt die theoretischen Grundlagen, die axiomatische Wahrscheinlichkeitstheorie, die wichtigsten diskreten und kontinuierlichen Verteilungen sowie zentrale statistische Verfahren ab.
- Axiomatische Wahrscheinlichkeitstheorie und σ-Algebren
- Eigenschaften von Zufallsvariablen und Verteilungsfunktionen
- Wichtige Verteilungsklassen (Binomial, Normal, Poisson, Geometrisch, Exponential)
- Starkes Gesetz der großen Zahlen und Zentraler Grenzwertsatz
- Statistische Inferenz: Konfidenzintervalle und Hypothesentests
Auszug aus dem Buch
Ist bei elementaren Beispielen immer klar, wie sie zu rechnen sind?
Nein, Gegenbeispiel: Gegeben sei ein Kreis. Wir wählen zufällig eine Sehne. Wie groß ist P, dass die Länge dieser Sehne ≤ Radius ist?
Man kann die Wahrscheinlichkeit auf 3 Möglichkeiten [1) Wir wählen zufällig zwei Punkte, 2) Wir wählen zufällig eine Richtung vom Mittelpunkt, auf der Strecke zufällig einen Punkt und bilden die Senkrechte darauf, 3) Wir wählen zufällig einen Durchmesser dort zufällig einen Punkt, bilden die Senkrechte und erhalten 2.Punkt am Kreis] und haben 3 verschiedene Ergebnisse [1) P = 1/3, 2) P = 1 − 1/2√3 ≈ 0.1340, 3) P = 1/4] erhalten. Daraus folgt, dass es nicht klar ist, was mit zufällig wählen gemeint ist. Es ist NICHT immer klar, weil es müsste genauer gesagt werden, was zufällig wählen bedeutet.
Zusammenfassung der Kapitel
Was ist Wahrscheinlichkeit? Wie ist diese naiv definiert?: Behandelt die intuitive Herangehensweise über den Limes der relativen Häufigkeit bei wiederholten Versuchen.
Was braucht man alles für die Axiomatische Wahrscheinlichkeit?: Einführung des Wahrscheinlichkeitsraums basierend auf σ-Algebren und dem Wahrscheinlichkeitsmaß nach Kolmogorov.
Wie ist die Binomialverteilung definiert?: Erläutert die mathematische Grundlage für diskrete Zufallsvariablen bei n-maliger Wiederholung eines Experiments mit zwei Ausgängen.
Statistische Verfahren für normalverteilte Zufallsvariable mit unbekanntem σ: Beschreibt die Anwendung von Konfidenzintervallen und Tests, wenn die Streuung der Grundgesamtheit nicht bekannt ist.
Schlüsselwörter
Stochastik, Wahrscheinlichkeitsraum, σ-Algebra, Zufallsvariable, Verteilungsfunktion, Erwartungswert, Varianz, Binomialverteilung, Normalverteilung, Poissonverteilung, Zentraler Grenzwertsatz, Konfidenzintervall, Hypothesentest, Chi-Quadrat-Test, Entropie
Häufig gestellte Fragen
Worum geht es in diesem Skript grundsätzlich?
Das Skript fasst die zentralen Konzepte der Stochastik für mündliche Prüfungen zusammen.
Welche Themenfelder stehen im Mittelpunkt?
Die Arbeit behandelt Wahrscheinlichkeitstheorie, diskrete sowie stetige Zufallsvariablen und statistische Testmethoden.
Was ist das Ziel der hier behandelten mathematischen Herleitungen?
Das Ziel ist ein tieferes Verständnis für die axiomatische Definition von Wahrscheinlichkeit und deren Anwendung in der Statistik.
Welche statistischen Methoden werden detailliert diskutiert?
Es werden unter anderem Konfidenzintervalle, einseitige Tests sowie Chi-Quadrat-Tests für Anpassung und Unabhängigkeit behandelt.
Was wird im Hauptteil der Arbeit primär behandelt?
Der Hauptteil gliedert sich in theoretische Grundlagen, Eigenschaften von Verteilungen und deren Anwendung auf reale Phänomene.
Welche Begriffe beschreiben die Arbeit am besten?
Die wesentlichen Begriffe sind Wahrscheinlichkeitsmaß, Zufallsvariable, Erwartungswert, Varianz und statistische Inferenz.
Warum spielt die σ-Algebra eine zentrale Rolle?
Sie ermöglicht eine mathematisch exakte Definition von Ereignissen und Wahrscheinlichkeiten, besonders bei kontinuierlichen Räumen.
Was ist die Bedeutung des Starken Gesetzes der großen Zahlen?
Es verknüpft die naive Sichtweise der relativen Häufigkeit mit dem mathematisch formalen Erwartungswert.
Wie unterscheidet sich der Chi-Quadrat-Anpassungstest vom Unabhängigkeitstest?
Der Anpassungstest prüft, ob Daten einer Verteilung folgen, während der Unabhängigkeitstest die Beziehung zwischen zwei Merkmalen untersucht.
- Arbeit zitieren
- Birgit Bergmann (Autor:in), 2013, Stochastik für Lehramtskandidaten. Fragen zur mündlichen Prüfung, München, GRIN Verlag, https://www.grin.com/document/302928
