diff --git a/src/2025-12-05/presentation.tex b/src/2025-12-05/presentation.tex index 59a6bf6..73d39b6 100644 --- a/src/2025-12-05/presentation.tex +++ b/src/2025-12-05/presentation.tex @@ -232,7 +232,7 @@ können als unabhängig angenommen werden und führen jeweils mit der Wahrscheinlichkeit $p = 0,2$ zu einem Strafzettel. Die diskrete Zufallsvariable $R : - \Omega \rightarrow R$ beschreibt die Anzahl der + \Omega \rightarrow \mathbb{R}$ beschreibt die Anzahl der Strafzettel in $N = 6$ Kontrollen. % tex-fmt: off @@ -276,6 +276,154 @@ % tex-fmt: on \end{frame} +\begin{frame} + \frametitle{Aufgabe 1: Diskrete Verteilungen} + + \vspace*{-16mm} + + Eine Polizistin führt $N = 6$ Radarkontrollen auf einer + Landstraße durch. Die Radarkontrollen + können als unabhängig angenommen werden und führen jeweils mit + der Wahrscheinlichkeit + $p = 0,2$ zu einem Strafzettel. Die diskrete Zufallsvariable $R : + \Omega \rightarrow \mathbb{R}$ beschreibt die Anzahl der + Strafzettel in $N = 6$ Kontrollen. + + % tex-fmt: off + \begin{enumerate}[a{)}] + \item Geben Sie den Ergebnisraum $\Omega$ der diskreten Zufallsvariablen $R$ an + und bestimmen Sie deren Erwartungswert $E(R)$. + \pause\begin{gather*} + \Omega = \mleft\{ 0, 1\mright\}^6 \\ + R \sim \text{Bin}(N=6, p=0.2)\hspace{5mm} \Rightarrow \hspace{5mm} E(R) = Np = 1.2 + \end{gather*} + \vspace*{-10mm}\pause \item Wie groß ist die Wahrscheinlichkeit dafür, dass es bei $6$ + Kontrollen genau $3$ Strafzettel gibt? + \pause \begin{gather*} + P(R=3) = \binom{N}{3}p^3 (1-p)^{N-3} = \binom{6}{3} 0.2^3 0.8^3 \approx 0.0819 + \end{gather*} + \vspace*{-6mm}\pause \item Skizzieren Sie die Verteilungsfunktion $F_R(r)$ der + Zufallsvariablen $R$. + \end{enumerate} + % tex-fmt: on + + \vspace*{2mm} + + \pause + \begin{columns} + \column{\kitthreecolumns} + \begin{gather*} + F_R(r) = \sum_{\widetilde{r} \le r} + \binom{N}{\widetilde{r}}p^{\widetilde{r}} (1-p)^{N-\widetilde{r}} + \end{gather*} + \begin{table} + \begin{tabular}{c|ccccccc} + $r$ & $0$ & $1$ & $2$ & $3$ & $4$ & $5$ & $6$ \\ \hline + $F_R(r)$ & 0.262 & 0.655 & 0.901 & 0.983 & 0.998 & 0.999 & 1 + \end{tabular} + \end{table} + \column{\kitthreecolumns} + \begin{figure}[H] + \centering + \begin{tikzpicture} + \begin{axis}[ + xmin=0,xmax=6, + ymin=-0.2,ymax=1.2, + xlabel=$r$, + ylabel=$F_R(r)$, + width=12cm, + height=5cm, + ] + \addplot+[mark=none, line width=1pt] + coordinates + { + (0,0.262) + (1,0.262) + (1,0.655) + (2,0.655) + (2,0.901) + (3,0.901) + (3,0.983) + (4,0.983) + (4,0.998) + (5,0.998) + (5,0.999) + (6,0.999) + (6,1) + }; + \end{axis} + \end{tikzpicture} + \end{figure} + \end{columns} +\end{frame} + +\begin{frame} + \frametitle{Aufgabe 1: Diskrete Verteilungen} + + \vspace*{-16mm} + + Ein Autofahrer muss jeden Tag auf seinem Arbeitsweg über die + Landstraße und über die Autobahn fahren. Die Wahrscheinlichkeit + dafür, dass der Autofahrer auf der Landstraße bzw. auf der + Autobahn zu schnell fährt und einen Strafzettel bekommt, liegt + bei $p_\text{L} = 0,2$ bzw. bei $p_\text{A} = 0,3$. + + \vspace*{2mm} + + \textbf{Hinweis}: Es wird nur der einfache Weg (Hinweg) betrachtet. + + % tex-fmt: off + \begin{enumerate}[a{)}] + \setcounter{enumi}{2} + \item Wie groß ist die Wahrscheinlichkeit dafür, dass der Autofahrer + an einem Tag $0$, $1$ oder $2$ Strafzettel bekommt? + \pause\begin{gather*} + R := A + L + \end{gather*}% + \vspace*{-14mm}% + \begin{align*} + P(R = 0) &= P(A = 0 \text{ und } L = 0) &&\hspace{-24mm}= p_A\cdot p_L &&\hspace{-24mm}= 0.56 \\ + P(R = 1) &= P(A=1 \text{ und } L=0) + P(A=0 \text{ und } L=1) &&\hspace{-24mm}= p_A \cdot (1-p_L) + (1-p_A)\cdot p_L &&\hspace{-24mm}= 0.38 \\ + P(R = 2) &= P(A=1 \text{ und } L=1) &&\hspace{-24mm}= (1-p_A)(1-p_L) &&\hspace{-24mm}= 0.06 + \end{align*} + \vspace*{-10mm}\pause \item Der Autofahrer fährt an $200$ unabhängigen Tagen im Jahr über + seinen Arbeitsweg zur Arbeit. Wie viele Strafzettel sammelt der + Autofahrer innerhalb eines Jahres? + \end{enumerate} + % tex-fmt: on + + \vspace*{-6mm} + + \pause + \begin{minipage}{0.48\textwidth} + \centering + \begin{align*} + E\left(\sum_{n=1}^{200} R_n\right) &= \sum_{n=1}^{200} + E\left(R_n\right) = \sum_{n=1}^{200} \left[1\cdot0.38 + + 2\cdot 0.06\right]\\[2mm] + &= 200\cdot 0.5 = 100 + \end{align*} + \end{minipage}% + \begin{minipage}{0.06\textwidth} + \centering + \begin{tikzpicture} + \draw[line width=1pt] (0,0) -- (0,4cm); + \end{tikzpicture} + \end{minipage}% + \begin{minipage}{0.48\textwidth} + \centering + \begin{align*} + E\left(\sum_{n=1}^{200} R_n\right) &= + E\Big(\overbrace{\sum_{n=1}^{200} A_n}^{\sim + \text{Bin}(N=200,p=0.3)} + \overbrace{\sum_{n=1}^{200} + L_n}^{\sim \text{Bin}(N=200,p=0.2)}\Big)\\[2mm] + &= E\left(\sum_{n=1}^{200} A_n\right) + + E\left(\sum_{n=1}^{200} L_n\right) \\[2mm] + &= 200\cdot 0.3 + 200 \cdot 0.2 = 100 + \end{align*} + \end{minipage} +\end{frame} + % \begin{frame} % % \frametitle{Aufgabe 1: Bedingte Wahrscheinlichkeiten \\\& Bayes}