Einführung in die
Wahrscheinlichkeitstheorie und Statistik
Wintersemester 2019/2020
Inhalt der Vorlesung
- Diskrete und stetige Wahrscheinlichkeitsverteilungen und Zufallsvariablen
- Bedingte Wahrscheinlichkeit und stochastische Unabhängigkeit
- Testen von Parametern, Konfidenzintervalle, t-Test
- Erwartungswert, Varianz, Kovarianz und Korrelation
- Stochastische Konvergenz, schwaches Gesetz der großen Zahlen, zentraler Grenzwertsatz
- Asymptotik des Maximum-Likelihood-Schätzers
- Bedingte Verteilung und bedingte Erwartungswerte
- Lineare Regression
Der Benutzername für die Anmeldung lautet: studi
Übersichten
- Wahrscheinlichkeitsraum, Kombinatorik
- Zufallsvariablen
- Induzierter Wahrscheinlichkeitsraum
- diskrete und stetige Verteilungen
- Beispiele für diskrete und stetige Verteilungen
- Teil 1: Erwartungwert, Varianz, Kovarianz, Korrelation, Unabhängigkeit
- Teil 2: Erwartungwert, Varianz, Kovarianz, Korrelation, Unabhängigkeit
- Neyman-Pearson-Lemma
- Optimale Tests
- Konvergenz von Zufallsvariablen
- Verschiedene Tests
- Parameterschätzung
- Schätzer, asymptotische Konfidenzintervalle, Tests
Weitere Literatur
- Georgii, Hans-Otto: Stochastik. Einführung in die Wahrscheinlichkeitstheorie und Statistik
(De Gruyter, 5., überarbeitete und ergänzte Auflage, 2015.)