5. Vorlesung (17.05.2018): Kausal interpretierbare und nicht kausal interpretierbare bedingte Wahrscheinlichkeiten
Vorlesungsinhalte: Beispiel: Joe und Ann mit Selbstselektion; Unterscheidung zwischen kausal inter-pretierbaren und nicht kausal interpretierbaren bedingten Wahrscheinlichkeiten; Verteilung einer Zufalls-variablen; Beispiel: Indikatorvariable; Verteilung als Wahrscheinlichkeitsmaß; Kumulative Verteilung, Verteilungsfunktion und Wahrscheinlichkeiten P(a < X ≤ b); Diskrete Zufallsvariable und Wahrscheinlich-keitsfunktion; Wahrscheinlichkeitsfunktion einer binomialverteilten Zufallsvariablen
Cite
Citation style:
Steyer
Access Statistic
Rights
Use and reproduction:
All rights reserved