Lehrinhalte
Maßtheoretische Grundlagen, Integrationstheorie, Zufallsgrößen, Konvergenzbegriffe, charakteristische Funktionen, Unabhängigkeit, 0-1-Gesetze, bedingte Erwartungen, zeitdiskrete Martingale, Grenzwertsätze (Gesetze der großen Zahlen, Zentraler Grenzwertsatz)
Literatur
Bauer: Probability Theory
Billingsley: Probability and Measure
Elstrodt: Maß-und Integrationstheorie
Gänssler, Stute: Wahrscheinlichkeitstheorie
Klenke: Wahrscheinlichkeitstheorie
Voraussetzungen
empfohlen: Analysis, Integrationstheorie, Einführung in die Stochastik
Online-Angebote
moodle
Maßtheoretische Grundlagen, Integrationstheorie, Zufallsgrößen, Konvergenzbegriffe, charakteristische Funktionen, Unabhängigkeit, 0-1-Gesetze, bedingte Erwartungen, zeitdiskrete Martingale, Grenzwertsätze (Gesetze der großen Zahlen, Zentraler Grenzwertsatz)
Literatur
Bauer: Probability Theory
Billingsley: Probability and Measure
Elstrodt: Maß-und Integrationstheorie
Gänssler, Stute: Wahrscheinlichkeitstheorie
Klenke: Wahrscheinlichkeitstheorie
Voraussetzungen
empfohlen: Analysis, Integrationstheorie, Einführung in die Stochastik
Online-Angebote
moodle
- Lehrende: Selina Drews
- Lehrende: Michael Kohler
Semester: WiSe 2022/23