Lehrinhalte
- Ereignisse, Wahrscheinlichkeitsräume, diskrete Zufallsvariablen, wichtige diskrete Verteilungen
- Bedingte Wahrscheinlichkeit, Bayes-Formel, Unabhängigkeit, gemeinsame Verteilung, bedingte Verteilung
- Erwartungswert, Varianz, Kovarianz, Korrelation
- Zufallsvariablen mit Dichten, wichtige Beispiele
- Gesetz der Großen Zahlen, Zentraler Grenzwertsatz, Chebyshev-Ungleichung (überblicksartig, ohne Beweise)
- Parameterschätzung, Maximum Likelihood
- Korrelation, Regression
- Konfidenzintervalle
- Hypothesentests
- Markov-Ketten, stationäre Verteilungen
- Warteschlangen
- Verzweigungsprozesse, zufällige (binäre) Bäume
- Markov Chain Monte Carlo
- Randomisierte Algorithmen