I :~ Visualisieren von Korrelation mit Verteilungsdiagrammen. rametem, wählen wir standardisierte Normalverteilungen, d.h. p. = 0 und a' 1.
|
|
- Mina Kraus
- vor 5 Jahren
- Abrufe
Transkript
1 Visualisieren vn Krrelatin mit Verteilungsdiagrammen rametem, wählen wir standardisierte Nrmalverteilungen, d.h. p. = und a' 1. 1 vn Erich Neuwirth, Universität Wien Bearbeitung: Bemd Wllring, Universität Münster Zusammenfassung Bei der Diskussin der Krrelatin im Unterricht sind Beispiele vn Datensätzen nützlich, die :~ eine gegebene Krrelatin besitzen. Dieser Beitrag beschreibt eine Methde, mit Hilfe vn Verteilungsdiagrammen (spreadsheeds) die zugehörigen Punktwlken zu zeichnen und "Kn :~ fidenzgebiete" zu erhalten. Einführung n diesem Beitrag stellen wir eine Methde vr, um Punktwlken mit einem gegebenen Kr -1-2 relatinskeffizienten aus Zufallszahlen zu erhalten, s wie sie gewöhnlich mit Verteilungs -3 diagramm-prgrammen zu enthalten sind. n Frtführung dieser Methde können wir ebenfalls Graphen vn zugehörigen Knfidenzgebieten einzeichnen, die a.'lalytisch abgeleitet sind und den Zufallsdaten überlagert werden können. Betrachten wir den Graphen in Bild 1. Versuchen Sie bitte hne vrher weiterzulesen, den -4 i i Bild : Punktwlke, Krrelatinskeffizient bitte raten! Krrelatinskeffizienten der drt gezeichneten Punktwlke zu schätzen. Die Lösung wird am Ende des Beitrages verraten. War hre Schätzung einigermaßen brauchbar? Wir hffen, dieses Beispiel zeigt, daß es ein wichtiges Ziel ist, Schüler und Studenten zu befähigen, Krrelatinkeffizienten zu schätzen, und zwar hne irgendeine weitere rechnerische Tätigkeit. Benötigte mathematische Ergebnisse Beginnen wir mit dem einfachsten Fall. Wir möchten eine Stichprbe bivariater Daten haben, wbei die beiden Zufallsvariablen nicht krreliert sind. Um die Dinge s natürlich und einfach wie möglich zu gestalten, möchten wir die beiden Zufallsvariablen nrrnalverteilt haben. Da wir den Begriff der Krrelatin verdeutlichen wllen, und zwar mit möglichst wenig Pa- Wir verwenden eine der Standardmethden, um standardisierte nrmalverteilte Zufallsgrößen zu erhalten: Wir addieren zwölf Zufallszahlen, die aus einer Gleichverteilung auf dem ntervall [O,J stammen. Wie bekannt, hat diese Standard-Gleichverteilung die Varianz cl = 1112, s daß die Summe bereits die Varianz a' = besitzt. Um p. = zu erhalten, haben wir vn dieser Summe 6 zu subtrahieren. All dies kann sehr leicht in einem Verteilungsdiagramm-Prgramm durchgeführt werden, das einen Zufallsgeneratr besitzt, und zum Unterrichten vn Statistik sllte man nur slche Prgramme verwenden. Wir wllen nun die Auslegung des Verteilungsdiagrammes kurz zurückstellen und zunächst die benötigten theretischen Ergebnisse darlegen.
2 Wir können als mit Hilfe des Zufallsgeneratrs eine Stichprbe vn zwei nichtkrrelierten Zufallsgrößen erzeugen. m nächsten Schritt wllen wir eine dritte Zufallsgröße knstruieren, die eine gegebene Krrelatin mit der ersten Zufallsgröße besitzt. Die Grundidee besteht darin, zu diesem Zweck eine Linearkmbinatin der ersten und der zweiten Zufallsgröße zu verwenden. S beginnen wir mit den standardisierten nrmalverteilten Variablen X und Y mit der Krrelatin und betrachten Z = Cl!X + ßY. Da swhl X als auch Y den Erwartungswert haben, gilt dies auch für Z. Für die Varianz vn Z gilt: gaben vn p und y~. s daß unser Verteilungsdiagramm wie Tabelle au~sehen kann. x rh sqrt (1 - rh' 2) Crrelatin visualised y z u'(z) ry u'(x) + ß' u'(y) + 2 Cl! ß cv(x, Y) Wegen d(x) = u'(y) = 1 und cv (X;Y) = flgt: Tabelle : Beispiel zur Auslegung des Verteilungsdiagramms u'(z) = Cl!' + ß' Ferner gilt: cv(x,z) Cl! cv(x,x) + ß cv(x, Y) bestimmen. Um alle Zeichnungen, die wir herstellen wllen, vergleichbar zu machen, wählen wir Cl! und ß s, daß u'(z) = 1 entsteht. Daher müssen wir ß =./(1 - ry) wählen. Unser Endergebnis besteht darin, daß wir für zwei standardisierte nicht krrelierte Zufallsgrößen X und Y die neue Zufallsgröße Z = p X +./(1 - p') Y erhalten, die ebenfalls standardisiert ist und mit der Zufallsgröße X den Krrelatinskeffizienten p besitzt. Auslegung des Verteilungsdiagramms Der wichtigste Teil unseres Verteilungsdiagramms sind die Spalten der Tafel mit den Werten der Zufallsgrößen X, Y und Z. Für jeden Wert vn X bzw. Y benötigen wir zwölf Zufallszahlen aus dem ntervall [,1]. Diese Zahlen sind nur Zwischenergebnisse für unsere Zwecke, s daß sie nicht unbedingt sichtbar in dem Diagramm auftreten müssen. Die zwei ersten Spalten können die Werte für X und Y enthalten, wie wir sie aus diesen Zufallszahlen bestimmen, die dritte Spalte kann. die Werte für Z enthalten. Wir benötigen ebenfalls die An- Der Term v'(! - p') sllte als Frmel dargestellt sein, s daß seine Beziehung zu p unmittelbar zu sehen ist. Die Darstellung der Spalten X und Y entsteht aus den nicht dargestellten Teilen des Verteilungsdiagramms. den 24 Zufallszahlen in jeder Zeile. Die Felder mit den Werten p und v'(! - p') sllten mit entsprechenden Namen gekennzeichnet sein, und die Frmeln zu der Z-Spalte sllten indirekt auf die Spalten X und Y bezgen sein und direkt auf p und v'(! _ p'). Die Spalten X und Z sllten als die Datenhereiche fur die Punktwlke bezeichnet werden. im Verteilungsdiagramm-Prgramm ft bezeichnet als X -Y-Zeichnung (!). wbei in der Graphik nur Symble benutzt werden sllten, die die Datenpunkte verbinden, und keine Linien. Um vergleichbare Graphiken zu erhalten, sllten die Minima und Maxima der Werte fur die X- und Y-Bereiche vn Hand gesetzt werden. Die Zahl der benutzten Datenpunkte ist sehr wichtig, um einen Eindruck davn zu vermitteln, daß man wirklich mit einem statistischen Ensemble arbeitet und nicht nur mit ein paar Punkten. Man sllte mindestens 1 Punkte benutzen. Auf regulären Persnal-Cmputern kann man mit Hilfe vn Verteilungsdiagramm-Prgrammen hne Prbleme 2 Punkte erstellen. Alle Graphiken in diesem Beitrag sind mit Hilfe vn 2 Datenpunkten und der angegebenen Methde erstellt.
3 Das hier verwendete Prgramm für die Verteilungsdiagramme ist s rganisiert, daß jeweils nach Eingabe des betreffenden Wertes für p und Verabschieden durch Tastendruck das Prgramm eine Punktwlke mit dieser gegebenen Krrelatin zeichnet. Wenn wir die theretischen Ergebnisse aus dem letzten Abschnitt nicht verwenden wllen, können wir ebens den empirischen Krrelatinskeffizienten mit den Funktinen des Verteilungsdiagrammes berechnen. Wir können auf diese Weise den Mechanismus zur Berechnung vn Z gewissermaßen verstecken und empirisch prüfen. wie die Daten für einen gegebenen Krrelatinskeffizienten aussehen. Es sllte nicht zu schwierig sein, unser Verteilungsdiagramm-Prgramm für die gegebene empirische Krrelatin aufzubauen. n dem Beitrag vn Lageard (1988) wird gezeigt, wie dies durchzuführen ist ~ J Betrachten wir nun zwei Beispiele, die Bilder 2 und 3. 4~ ; 3 2 <31> <> %~<f8~~ <:1> ~~~ r""~ <p' <X6 {><j) (ß ~ '$ <) ~ ~ (j ~ 8 8 ~ <9 O<j)~ g :P Bild 2 : Punktwlke mit p =.5 Bild 3 : Punktwlke mit p =.95 Diese Beispiele zeigen, daß eine Krrelatin vn p =.5 nicht immer zu einer Zeichnung gehört, die man hne weiteres als funktinale Abhängigkeit interpretieren würde. Beim Experimentieren mit verschiedenen Werten vn p kann man die graphische Darstellung vn beliebig vielen Datenmengen untersuchen, und man findet eine Menge verschiedener Graphiken fest, die zeigen, weche unterschiedlichen nterpretatinen vn Krrelatinskeffizienten möglich sind. An dieser Stelle ist auf einen wichtigen Punkt hinzuweisen : Zufallszahlen-Generatren in den meisten üblichen Prgrammen auf Persnal-Cmputern sind nicht s gut, wie Statistiker sie gerne hätten. Besnders dann, wenn es um Prbleme mit Dimensinen größer als geht, zeigen sich diese Schwächen. S ist es auch bei unserem Prgramm zum Verteilungsdiagramm. (Wir haben das Prgramm ASEASYAS 3.1a benutzt.) Die Krrelatin zwischen
4 den Daten X und Y, die ja als unkrreliert angenmmen werden, erwies sich als Man kann dieses Prblem allerdings überwinden, indem man den empirischen Krrelatinskeffizienten zwischen X und Z berechnet und dann das theretisch vrgegebene p ändert, um s den angestrebten Wert für die empirische Krreiatin zu erhalten. Andererseits ist der Unterschied zwischen dem theretischen und dem empirischen Wert hinreichend klein, um unsere Prgramme zu den Verteilungsdiagrammen für die genannten Zwecke nach wie vr als brauchbar anzusehen. Überlagern der Daten mit Knfidenz-Ellipsiden Um eine Beziehung zwischen den "Zufallsdaten" und den theretischen Verteilungen darzustellen, ist es ganz nützlich, ein Knfidenz-Ellipsid für die zweidimensinale Nrmalverteilung darzustellen und dieses der "Punktwlke" zu überlagern, um s ihre relativen Lagen miteinander zu vergleichen. Die Berechnung dieses Ellipsids ist recht einfach, falls für die theretische Verteilung p = ist. n diesem Fall ist das Gebiet einfach ein Kreis, und es ist ebenfalls leicht, den Radius dieses Kreises zu berechnen. Wenn X und Y unkrrelierte Standardnrmalverteilungen sind, dann flgt X' + Y' einer x'-verteilung mit zwei Freiheitsgraden. S ist das Knfidenzgebiet für das Knfidenzniveau y durch die Ungleichung 4~ () -1 ~ %~~ ~ ~ i'~ cqo 8" 6> 1»9 6> <:J'X)... t OOOO <) 8 ~!9$ ~ ~~ t~~ 6> 6> ~'e " «;> ~ -"2 -:> -:1 :> -, ~! - 1 -: Bild 4 : Punktwlke mit p =. gegeben, wbei C y das y-quantil der X'-Verteilung mit zwei Freiheitsgraden ist. Da bekanntlich die x'-verteilung mit zwei Freiheitsgraden eine Expnentialverteilung mit Mittelwert 2 ist, kann man leicht zeigen, daß das Radiusquadrat C y des Knfidenzbereiches durch flgende Frmel gegeben ist : C y -2ln(1-y) S erhalten wir für y =.95 den Wert C y = Mit Hilfe dieser Gleichung und durch Einzeichnen der Datenpunkte und des Kreises erhalten wir schließlich Bild 4. die meisten Punkte überdeckt, und das Ellipsid sind. Man kann ferner den Anteil der Datenpunkte prüfen, die außerhalb des Ellipsides liegen, das in diesem Fall ein Kreis ist, und ihn mit dem theretischen Wert 5 % vergleichen. Das Berechnen der Ellipse wird ein bißchen schwieriger für den Fall, daß die Krrelatin ungleich ist. Mit Hilfe einiger einfachen Rechnungen kann man jedch die benötigten Ergebnisse herleiten. Nehmen wir als an, wir haben standardisierte nrmalverteilte Zufallsgrößen X und Y mit der Krrelatin p. Wir definieren die Zufallsgröße W wie flgt : Bei genauerer Betrachtung dieses Bildes kann man prüfen, wie ähnlich sich das Gebiet, das W (X - pz) / "n _ p')
5 Dann ist W nicht mit Z krreliert, denn es gilt : cv(w,z) (l/v'(1-p'» cv(x,z) (p/v'(l-p')) cv(z,z) Daher hat der Knfidenzkreis für die aus W und Z zusammengesetzte Verteilung den Radius w + r :5 C, Diese Punkte können wir verwenden. um die Ellipse zu zeichnen. Wir haben lediglich die erste Spalte als x-werte zu markieren und die zweite Spalte als y, um einen (x,y)-graphen zu erhalten und mit Hilfe des Graphikprgrammes die Punkte dieses Graphen miteinander zu verbinden, hne Symble an diesen Punkten zu zeichnen. Wenn wir die explizite Frmel für C, verwenden, können wir sgar Knfdenzellipsen für verschiedene Knfdenzniveaus zeichnen. Mit Hilfe der Defnitin vn W können wir diesen Knfdenzkreis für die zusammengesetzte Verteilung (W,Z) in ein Knfidenzellipsid für die zusammengesetzte Verteilung (X,Z) transfrmieren. Es gilt: Schließlich können wir den Ellipsengraphen und die Punktwlken überlagern. Führt man alle ntwendigen Schritte für p =,65 und y =.25..5,.75 und.9 durch, s entsteht Bild 5. ( (x - pz)' / (1 - p') ) + r :5 C, 4 (x - pz)' :5 (1 - p') (C, - r) x :5 pz ± v'( (1 - p') (C, - Z') ) Wir können diese Gleichung verwenden, um das Knfidenzellipsid in unser Verteilungsdiagramm einzuzeichnen. 31 :j Dazu führen wir eine neue Spalte ein, die äquidistante Werte Xl vn - C, bis + C, enthält und eine zweite Spalte mit den Werten X, PX - v' ( ( - p') (C, - x/) ), - -2 die den unteren Rand dieses Ellipsides ergeben. Dann setzen wir die erste Spalte frt, indem wir vn + C, auf - C, zurückgehen, die entsprechenden Xl-Werte wieder äquidistant auftragen und dazu die zweite Spalte jetzt mit -3 : -, Bild 5 : Punktwlke mit p =.65 X, = PX + v' ( ( - p') (C, - Xl') ), die den beren Rand des Ellipsides ergeben. Didaktische Bemerkungen Es ist ganz klar, daß einige Teile der theretischen Herleitung jenseits des Anspruchs liegen,
6 der für einen grßen Teil der Schüler und Studenten realisierbar ist, für die das Visualisieren vn KrrelatinskeffZienten eine sinnvlle Übung wäre. Diese Tatsache schließt allerdings nicht ein, daß das Verteilungsdiagramm wie hier beschrieben nicht mit slchen Schülern der Studenten zusammen verwendet werden kann. Es ist im wesentlichen eine Sache des Lehrers zu entscheiden, welche theretischen Knzepte und Rechnlli'lgen er zur Knstruktin dieses Verteilungsdiagrammes vrstellt, welche er mit den Schülern bearbeitet und welche er nicht erwähnt. Man kann sich sehr verschiedene Gebrauchsfrmen dieses Verteilungsdiagrammes vrstellen. Die einfachste Methde würde sein, geradewegs den Rechner zu benutzen und eine Prjektin herzustellen, um s interaktiv mit der Zeichnung der zweidimensinalen Verteilung zu arbeiten. n diesem Fall könnte man die Therie vllständig verstecken und nichts weiter zeigen, als eine Flge vn Zeichnungen, die zu bestsimmten Krrelatinswerten gehören. Die am meisten frtgeschrittene Methde könnte darin bestehen, au die hier vrgestellten Begriffe und Frmeln herzuleiten, um auf diese Weise zu zeigen, wie statistische Therie zur Knstruktin statistischer Hilfsmittel verwendet wird. Der Hauptvrteil der Verwendung vn Verteilungsdiagrammen zum Visualisieren vn Krrelatinen ist der, daß das Verteilungsdiagramm letztlich - s sllte es wenigstens sein - ein fertig verwendbares Werkzeug ist, wenn man Statistik unterrichtet. Der Autr wllte ebenfalls darlegen, daß Verteilungsdiagramme nicht nur zur Analyse bereits bestehender Daten verwendet werden können, sndern ebens zur Herstellung vn Daten, die bestimmte ""ichtige statistische Zusammenhänge erläutern können. Und nun abschließend die Antwrt auf die Frage zu Beginn des Beitrages. Die in Bild 1 gezeichnete Datenmenge hat den Wert p =.65. Literatur LAGEARD, J. L. : Using a Spreadsheet t Teach Cding f Bivariate Data.- Teaching Statisties, io (1988), vl.1, S. 2-22
EJtwa.Jttul1g.6we.Jtt
-25- KORRELATION ZWISCHEN DEN AUGEN ZAHLEN VON ZWEI WÜRFELN nach L.A. Mrgan Orginaltitel in "Teachinq Statistics" vl. 9(1987) Nr. 2: Crrelatin frm Thrws f the Dice Bearbeitung: Hans-Jachim BeRtz, Osnabrück,
MehrDemo-Text für STOCHASTIK. Tschebyscheff-Ungleichung. Einführung mit Anwendungsbeispielen. Datei Nr Friedrich W.
STOCHASTIK Tschebyscheff-Ungleichung Einführung mit Anwendungsbeispielen Datei Nr. 36111 Friedrich W. Buckel Stand 1. April 010 INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK www.mathe-cd.de Inhalt 1 Wiederholung:
MehrStatistik I für Betriebswirte Vorlesung 3
Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 15. April 2019 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 1. April
MehrVersuchsplan: Zahlen' sortieren
Versuchsplan: Zahlen' srtieren HANS RIEDWYL UND MANUELA SCHALLER, BERN Zusammenfassung: Chris du Feu [1] berichtet vn einem Versuch, bei dem verschieden lange Flgen vn Zufallszahlen durch Persnen in aufsteigende
MehrChi-Quadrat-Verteilung
Chi-Quadrat-Verteilung Wikipedia http://de.wikipedia.org/wiki/chi-quadrat-verteilung 1 von 7 6/18/2009 6:13 PM Chi-Quadrat-Verteilung aus Wikipedia, der freien Enzyklopädie Die Chi-Quadrat-Verteilung ist
MehrLösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK
Institut für Stochastik Dr. Steffen Winter Lösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK für Studierende der INFORMATIK vom 17. Juli 01 (Dauer: 90 Minuten) Übersicht über
MehrZusammenstellung aus ehemaligen DDR Prüfungsaufgaben (Aufgabe 6)
(Aufgabe 6) 0. Klasse Abschlussprüfungen Jahrgänge 970 99 Fach Mathematik Material für Fachberater, gedacht als Beispiele für die Aufgabe der neuen brandenburger Prüfungsaufgaben 970 6 a) Ermitteln Sie
MehrWahrscheinlichkeitstheorie und Statistik vom
INSTITUT FÜR STOCHASTIK SS 2010 Karlsruher Institut für Technologie Priv.-Doz. Dr. D. Kadelka Klausur Wahrscheinlichkeitstheorie und Statistik vom 14.9.2010 Musterlösungen Aufgabe 1: Gegeben sei eine Urliste
MehrStatistik I. 1. Klausur Wintersemester 2010/2011 Hamburg, Art der Anmeldung: STiNE FlexNow Zulassung unter Vorbehalt
Statistik I 1. Klausur Wintersemester 2010/2011 Hamburg, 11.02.2011 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
MehrWahrscheinlichkeitstheorie und Statistik vom
INSTITUT FÜR STOCHASTIK SS 2007 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Dipl.-Math. oec. W. Lao Klausur (Maschineningenieure) Wahrscheinlichkeitstheorie und Statistik vom 2.9.2007 Musterlösungen
MehrStatistik für Ingenieure Vorlesung 3
Statistik für Ingenieure Vorlesung 3 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 14. November 2017 3. Zufallsgrößen 3.1 Zufallsgrößen und ihre Verteilung Häufig sind
MehrStatistik I für Betriebswirte Vorlesung 4
Statistik I für Betriebswirte Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 25. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrMATHEMATIKLEHRPLAN 6. SCHULJAHR SEKUNDARSTUFE
Eurpäische Schulen Bür des Generalsekretärs Abteilung für pädaggische Entwicklung Ref.:2010-D-601-de-2 Orig.: FR MATHEMATIKLEHRPLAN 6. SCHULJAHR SEKUNDARSTUFE Basiskurs 3 Stunden/Wche VOM GEMISCHTER PÄDAGOGISCHER
Mehr6. Simulation Erzeugung von Zufallszahlen Inversionsverfahren SIMULATION
4 6. SIMULATION 6. Simulatin 6.. Erzeugung vn Zufallszahlen Um auf dem Cmputer simulieren zu können, braucht man einen Pseud-Zufallszahlengeneratr. Eine beliebte Methde ist die Flgende. Man wählt einen
MehrEvolutionäre Lösung des Steinerproblems und der Seifenhautcomputer :
Evlutinäre Lösung des Steinerprblems und der Seifenhautcmputer : Benannt nach Jakb Steiner einem grßen Schweizer Mathematiker, der vn 1796 bis 1893 lebte. Das Steinerprblem ist die Suche nach den kleinsten
MehrAnwendungen der Mathematik
Kantnsschule Zug l Gymnasium Anwendungen der Mathematik Ergänzungsfach Anwendungen der Mathematik Lehrplan für das Ergänzungsfach A. Stundendtatin Klasse 1. 2. 3. 4. 5. 6. Wchenstunden 0 0 0 0 0 5 B. Didaktische
MehrDr. Quapp: Statistik für Mathematiker mit SPSS. Lösungs Hinweise 1. Übung Beschreibende Statistik & Verteilungsfunktion
Dr. Quapp: Statistik für Mathematiker mit SPSS Lösungs Hinweise. Übung Beschreibende Statistik & Verteilungsfunktion. Die folgende Tabelle enthält die Pulsfrequenz einer Versuchsgruppe von 39 Personen:
MehrErwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung
R. Brinkmann http://brinkmann-du.de Seite 5.05.0 Erwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung Erwartungswert binomialverteilter Zufallsgrößen Wird ein Bernoulli- Versuch, bei
MehrMATHEMATIKLEHRPLAN 5. SCHULJAHR SEKUNDARSTUFE
Eurpäische Schulen Bür des Generalsekretärs Abteilung für pädaggische Entwicklung Ref. : 011-01-D-8-de- Orig. : EN MATHEMATIKLEHRPLAN 5. SCHULJAHR SEKUNDARSTUFE Kurs 6 Stunden/Wche VOM GEMISCHTEN PÄDAGOGISCHEN
MehrSkriptteufel Klausurworkshop
Skriptteufel Klausurworkshop Statistik Teil 1 - Handout 01.07.2016 1 Inhalt Sieben Aufgabentypen mit Lösungsweg Häufigkeiten Regression (2 Typen) Dichte und Verteilungsfunktionen Beweise Lösungswege für
MehrAnalytische Geometrie
Analytische Gemetrie Geraden Teil Schnittwinkel vn Geraden Innenwinkel im Dreieck Länge vn Strecken, Abstände Ltgeraden Dreiecksinhalt Nvember 005 Datei Nr. 005 Friedrich Buckel INTERNETBIBLIOTHEK FÜR
MehrTeil VI. Gemeinsame Verteilungen. Lernziele. Beispiel: Zwei Würfel. Gemeinsame Verteilung
Zusammenfassung: diskrete und stetige Verteilungen Woche 4: Verteilungen Patric Müller diskret Wahrscheinlichkeitsverteilung p() stetig Wahrscheinlichkeitsdichte f ()
MehrKlausur: Einführung in die Statistik Sommersemester 2014
Klausur: Einführung in die Statistik Smmersemester 2014 1. Für eine statistische Analyse wird eine Reihe vn Merkmalen erfasst- Ntieren Sie jeweils mit N, O, I bzw. R, b es sich um eine Nminal-, Ordinal-,
MehrAusführliche Lösungen zu ausgewählten Aufgaben von ÜB 5 und 6. Streudiagramm
y Aufgabe 3 Ausführliche Lösungen zu ausgewählten Aufgaben von ÜB 5 und 6 a) Zur Erstellung des Streudiagramms zeichnet man jeweils einen Punkt für jedes Datenpaar (x i, y i ) aus der zweidimensionalen
MehrWahrscheinlichkeit und Statistik: Zusammenfassung
HSR Hochschule für Technik Rapperswil Wahrscheinlichkeit und Statistik: Zusammenfassung beinhaltet Teile des Skripts von Herrn Hardy von Lukas Wilhelm lwilhelm.net 12. Januar 2007 Inhaltsverzeichnis 1
Mehr5. Spezielle stetige Verteilungen
5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für
Mehr1. Einführung des. Allgemeines
Allgemeines In diesem Rechner ist ein komplettes Set mathematischer Werkzeuge für Algebra, dynamische Geometrie, Statistik, Tabellenkalkulation und Messdatenerfassung in Echtzeit. Formeln, Tabellen und
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:
MehrGeometrische Objekte im 3-dimensionalen affinen Raum oder,... wie nützlich ist ein zugehöriger Vektorraum der Verschiebungen
Geometrische Objekte im -dimensionalen affinen Raum Bekanntlich versteht man unter geometrischen Objekten Punktmengen, auf die man die üblichen Mengenoperationen wie z.b.: Schnittmenge bilden: - aussagenlogisch:
MehrEinführung in den Forschungsprozess und die Methoden der empirischen Kommunikations- und Medienforschung
Einführung in den Frschungsprzess und die Methden der empirischen Kmmunikatins- und Medienfrschung Vrlesung 12: Auswertungsprbleme/Zusammenfassung 25.01.2016 Frschungsprzess und Methden 12 1 Gliederung
MehrQuadratische Funktionen und Gleichungen Mathematik Jahrgangsstufe 9 (G8) Bergstadt-Gymnasium Lüdenscheid. Friedrich Hattendorf
Mathematik Jahrgangsstufe 9 (G8) Lüdenscheid Friedrich Hattendorf 4. September 2014 Vorbemerkung Die Datei entsteht noch; noch nicht alles ist optimal Hinweis zum Ausdruck: (Fast) Alles sollte noch gut
MehrBeispiel 1: Bestimme zu den gegebenen reellen Funktionen jeweils den. f 2 : x x f 3 : x ln x f4
Übungen für die. Schularbeit Übungsblatt Beispiel : Bestimme zu den gegebenen reellen jeweils den größtmöglichen Definitinsbereich. Definitinsbereich a) b) c) d) f : f : f 3 : ln f4 : Beispiel : Gegeben:
MehrUnsere Planeten! (Schülerteil)
teach with space Unsere Planeten! (Schülerteil) Lerne die Planeten in unserem Snnensystem kennen Unsere Planeten! (Schülerteil) Lerne die Planeten in unserem Snnensystem kennen Aktivität 1: Kennst du die
Mehr5 Exkurs: Deskriptive Statistik
5 EXKURS: DESKRIPTIVE STATISTIK 6 5 Ekurs: Deskriptive Statistik Wir wollen zuletzt noch kurz auf die deskriptive Statistik eingehen. In der Statistik betrachtet man für eine natürliche Zahl n N eine Stichprobe
Mehr13 Grenzwertsätze Das Gesetz der großen Zahlen
13 Grenzwertsätze 13.1 Das Gesetz der großen Zahlen Der Erwartungswert einer zufälligen Variablen X ist in der Praxis meist nicht bekannt. Um ihn zu bestimmen, sammelt man Beobachtungen X 1,X 2,...,X n
MehrSonderanhang: Manuelle Berechnungen der Statistikaufgaben
Albert/Marx 0: Empirisches Arbeiten Sonderanhang: Manuelle Berechnungen der Statistikaufgaben Kaum jemand führt heutzutage statistische Berechnungen noch von Hand durch, weil es sehr viele Computerprogramme
Mehr3. Tabellenkalkulation
3. Tabellenkalkulatin Excel Mitglied der Office Familie vn Micrsft Prgramm bereits in den Basis-Paketen enthalten die Versinen (97, 2000, XP, 2003) sind weitgehend kmpatibel zueinander (*.xlsdateien),
MehrVerteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen. Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung
Verteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung Typisierung der stetigen theoretischen Verteilungen Bibliografie:
Mehr13 Mehrdimensionale Zufallsvariablen Zufallsvektoren
3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem
MehrStatistik I für Betriebswirte Vorlesung 3
Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 20. April 2017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 18.
MehrLernzettel Nr Definition eines Zufallsversuchs und die Begriffe rund um diesen
- Definitin eines Zufallsversuchs und die Begriffe rund um diesen Begriff Bedeutung / Beispiel / Frmel Stichprbe Zufällige entnahme einer kleinen Menge aus einer grßen Menge (Klasse) Merkmal Ist charakteristisches
MehrLernrückblick. 1 a) Ich weiß, wie ich ein Schrägbild in der Kabinettprojektion zeichne: 2 a) Ich kann einen Körper aus folgenden Ansichten zeichnen:
1 a) Ich weiß, wie ich ein Schrägbild in der Kabinettprojektion zeichne: b) Beispiel 2 a) Ich kann einen Körper aus folgenden Ansichten zeichnen: b) Beispiel 3 Entscheide dich. Ich fühle mich fit im Bereich
MehrProblemlösen. Zahl Ebene und Raum Größen Daten und Vorhersagen. Fachsprache, Symbole und Arbeitsmittel anwenden
Curriculum Mathematik 3. Klasse Aus den Rahmenrichtlinien Die Schülerin, der Schüler kann Vorstellungen von natürlichen, ganzen rationalen Zahlen nutzen mit diesen schriftlich im Kopf rechnen geometrische
MehrArbeitsblätter Mathcad + CAS
Arbeitsblätter Mathcad + CAS Übersicht Gehe zu Arbeitsblatt 1 Arbeitsblatt 2 Arbeitsblatt 3 Arbeitsblatt 4 Arbeitsblatt 5 Arbeitsblatt 6 Arbeitsblatt 7 Arbeitsblatt 8 Arbeitsblatt 9 Arbeitsblatt 1 Sichte
MehrStichprobenverteilung bei unterschiedlichen Auswahlsätzen
Stichprobenverteilung bei unterschiedlichen Auswahlsätzen Begleitende Unterlagen zur Übung Induktive Statistik Michael Westermann Universität Essen Inhaltsverzeichnis 1 Einleitung.......................................................
MehrSchulinterner Lehrplan Mathematik Klasse 8
Schulinterner Lehrplan Mathematik Klasse 8 Themen Inhaltsbezogene Kompetenzen Prozessbezogene Kompetenzen Terme und Gleichungen mit Klammern ordnen und vergleichen gleichartige Terme. führen die Rechenoperationen
MehrMan berechnet Paare von Punkten und trägt sie in ein xy-koordinatensystem ein.
Graphische Darstellungen von Funktionen Inhaltsverzeichnis Behandelt werden Funktionsgraphen, die durch Verschiebung von Grundfunktionen in einem zweidimensionalen kartesischem Koordinatensystem entstehen.
MehrKompetenzbereich. Kompetenz. Grössen, Funktionen, Daten und Zufall Operieren und Benennen
So ein Käse! Beim Lösen von Aufgaben aus dem Bereich Lebensmittelverkauf vertiefst du dein Verständnis für Proportionalität und Prozentrechnung. Du interpretierst Werte aus Tabellen, indem du mit ihnen
MehrSchulcurriculum (1/4 der Jahresstunden)
Mathematik: Curriculum Jahrgang 6 Jahresstundenzahl des Faches: 35 Schulwochen x 4 (Wochenstundenzahl laut Kontingentstundentafel) = 140 Themenblöcke Klasse 6 / Stundenanzahl 1.Lerneinheit: Rationale Zahlen
MehrStetige Verteilungen Rechteckverteilung
Stetige Verteilungen Rechteckverteilung Die Längenabweichungen X produzierter Werkstücke von der Norm seien gleichmäßig verteilt zwischen a = mm und b = 4mm. Die Dichtefunktion lautet also f(x) = für a
MehrEinstieg: Tabellenkalkulation
Name: Klasse: Datum: Einstieg: Tabellenkalkulation Öffne zunächst die Tabellenansicht von GeoGebra, indem du im Menü Ansicht auf Tabelle klickst. 1 Öffne eine neue GeoGebra-Datei. a) Gib in der Zelle A1
MehrDie folgende Grafik zeigt eine Übergangsmatrix mit zugehörigem Graph: Geben Sie analog zu den folgenden Graphen jeweils eine Transitionsmatrix an.
Stephan Peter Wirtschaftsingenieurwesen SS 2017 Mathematik II Serie 2 Matrizen II Aufgabe 1 Die flgende Grafik zeigt eine Übergangsmatrix mit zugehörigem Graph: a) Geben Sie analg zu den flgenden Graphen
MehrStatistik III. Walter Zucchini Fred Böker Andreas Stadie
Statistik III Walter Zucchini Fred Böker Andreas Stadie Inhaltsverzeichnis 1 Zufallsvariablen und ihre Verteilung 1 1.1 Diskrete Zufallsvariablen........................... 1 1.2 Stetige Zufallsvariablen............................
MehrBestimmte Zufallsvariablen sind von Natur aus normalverteilt. - naturwissenschaftliche Variablen: originär z.b. Intelligenz, Körpergröße, Messfehler
6.6 Normalverteilung Die Normalverteilung kann als das wichtigste Verteilungsmodell der Statistik angesehen werden. Sie wird nach ihrem Entdecker auch Gaußsche Glockenkurve genannt. Die herausragende Stellung
MehrArgumentieren/Kommunizieren
Im Fach Mathematik führen unsere SuS ein Merkheft. In diesem Heft werden alle grundlegenden Rechenregeln und Rechengesetze mit kleinen Beispielen aufgelistet. Die SuS verwenden das Heft zum Wiederholen
MehrSonderanhang: Manuelle Berechnungen der Statistikaufgaben
Albert/Marx 04: Empirisches Arbeiten Sonderanhang: Manuelle Berechnungen der Statistikaufgaben Kaum jemand führt heutzutage statistische Berechnungen noch von Hand durch, weil es sehr viele Computerprogramme
MehrDidaktisches Seminar über Stochastik. Themen: ffl Korrelation von zwei Zufallsvariablen
Didaktisches Seminar über Stochastik Themen: ffl Gemeinsame Verteilung von zwei Zufallsvariablen ffl Lineare Regression ffl Korrelation von zwei Zufallsvariablen Michael Ralph Pape Mai 1998 1 1 GEMEINSAME
MehrEmpirische Wirtschaftsforschung
Empirische Wirtschaftsforschung Prof. Dr. Bernd Süßmuth Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie 1 4. Basiskonzepte der induktiven
MehrOperatoren für das Fach Mathematik
Operatoren für das Fach Mathematik Anforderungsbereich I Angeben, Nennen Sachverhalte, Begriffe, Daten ohne nähere Erläuterungen und Begründungen, ohne Lösungsweg aufzählen Geben Sie die Koordinaten des
MehrSS 2017 Torsten Schreiber
173 Diese Lücken sollten nicht auch bei Ihnen vorhanden sein: Wird die Anordnung von unterschiedlichen Objekten eines Experiments untersucht, so handelt es sich um eine. Möchte man die Anzahl der möglichen
MehrWie hängen beim Kreis Durchmesser und Umfang zusammen?
Euro-Münzen und die Kreiszahl Ulla Schmidt, Freiherr-vom-Stein-Gymnasium Lünen Steckbrief der Aufgabe Sekundarstufe I (Kreisberechnungen) Dauer: 2 Unterrichtsstunden Notwendige Voraussetzungen: Schülerinnen
MehrMathematik 4 Primarstufe
Mathematik 4 Primarstufe Handlungs-/Themenaspekte Bezüge zum Lehrplan 21 Die Übersicht zeigt die Bezüge zwischen den Themen des Lehrmittels und den Kompetenzen des Lehrplans 21. Es ist jeweils diejenige
MehrUniversität Basel Wirtschaftswissenschaftliches Zentrum. Zufallsvariablen. Dr. Thomas Zehrt
Universität Basel Wirtschaftswissenschaftliches Zentrum Zufallsvariablen Dr. Thomas Zehrt Inhalt: 1. Einführung 2. Zufallsvariablen 3. Diskrete Zufallsvariablen 4. Stetige Zufallsvariablen 5. Erwartungswert
MehrWahrscheinlichkeitstheorie und Statistik für Studierende des Maschinenbaus vom
Institut für Stochastik WS 009/10 Karlsruher Institut für Technologie (KIT) Dr. B. Klar Klausur Wahrscheinlichkeitstheorie und Statistik für Studierende des Maschinenbaus vom 08.0.010 Musterlösungen Aufgabe
MehrStoffverteilungsplan Mathematik 8 auf der Grundlage des Lehrplans Schnittpunkt 8 Klettbuch
K5: Mit Variablen und Termen arbeiten K5: Mit Variablen und Termen arbeiten K2: Geeignete heuristische Hilfsmittel (z. B. informative Figuren), Strategien und Prinzipien zum Problemlösen auswählen und
MehrZehn Jahre Eingangstest Mathematik an Fachhochschulen in Nordrhein-Westfalen
Zehn e Eingangstest Mathematik an Fachhchschulen in Nrdrhein-Westfalen 19 Zehn e Eingangstest Mathematik an Fachhchschulen in Nrdrhein-Westfalen Prf. Dr. Heik Knspe Fachhchschule Köln Fakultät für lnfrmatins-,
MehrVorname: Nachname: Matrikel-Nr.: Klausur Statistik
Vorname: Nachname: Matrikel-Nr.: Klausur Statistik Prüfer Etschberger, Heiden, Jansen Prüfungsdatum 21. Januar 2016 Prüfungsort Augsburg Studiengang IM und BW Bearbeitungszeit: 90 Minuten Punkte: 90 Die
MehrFunktionen in der Mathematik
R. Brinkmann http://brinkmann-du.de Seite 05.0.008 Funktionen in der Mathematik Bei der mathematischen Betrachtung natürlicher, technischer oder auch alltäglicher Vorgänge hängt der Wert einer Größe oft
MehrWenn man den Kreis mit Radius 1 um (0, 0) beschreiben möchte, dann ist. (x, y) ; x 2 + y 2 = 1 }
A Analsis, Woche Implizite Funktionen A Implizite Funktionen in D A3 Wenn man den Kreis mit Radius um, beschreiben möchte, dann ist { x, ; x + = } eine Möglichkeit Oft ist es bequemer, so eine Figur oder
Mehr10 B Verpackte Zahlen. Terme vereinfachen. 401 Vereinfache die Terme. 402 Bilde das Produkt und schreibe den Term als Summe.
Verpackte Zahlen 10 1 3 Arbeitsheft+ weitere Aufgaben «Zusatzanforderungen» Terme vereinfachen 401 Vereinfache die Terme. a b b 5c 3a = 30a b c A 3x 5y z y = B 4z 0,5x 0,5z = C x y x 3y = D a 4b 3a 5b
MehrKapitel 6. Verteilungsparameter. 6.1 Der Erwartungswert Diskrete Zufallsvariablen
Kapitel 6 Verteilungsparameter Wie bei einem Merkmal wollen wir nun die Lage und die Streuung der Verteilung einer diskreten Zufallsvariablen durch geeignete Maßzahlen beschreiben. Beginnen wir mit Maßzahlen
MehrMonat Inhalt und Lernziele laut Lehrplan Bemerkung September
September 1. Die natürlichen Zahlen Kenntnisse und Fähigkeiten im Umgang mit natürlichen Zahlen vertiefen Vorstellungen mit natürlichen Zahlen verbinden natürliche Zahlen am Zahlenstrahl darstellen und
MehrWie weit ist es bis zur Sonne? (Lehrerteil)
teach with space Wie weit ist es bis zur Snne? (Lehrerteil) Relative Entfernungen zwischen den Planeten im Snnensystem Wie weit ist es bis zur Snne? (Lehrerteil) Relative Entfernungen zwischen den Planeten
MehrÜbung Zeigen Sie, dass dies als Grenzwert der Wahrscheinlichkeitsfunktion der Binomialverteilung mit
Übung 2 24..23 Ü b u n g 2 Aufgabe Die Poissonverteilung P(λ) hat die Wahrscheinlichkeitsfunktion p(x) = λx e λ (x ) x! Zeigen Sie, dass dies als Grenzwert der Wahrscheinlichkeitsfunktion der Binomialverteilung
MehrName: SS Universität Kassel Prof. Dr. Hadrian Heil
SS 2015 Name: Universität Kassel Prof. Dr. Hadrian Heil Mathematik IV für Ingenieure (Stochastik) Klausur, 25.9.2015. Bearbeitungszeit 2 Stunden Ergebnis (nicht ausfüllen): K1 K2 K3 K4 K5 K6 K7 Note Tragen
MehrÜbung zur Vorlesung Statistik I WS Übungsblatt 6
Übung zur Vorlesung Statistik I WS 2012-2013 Übungsblatt 6 26. November 2012 Aufgabe 17 (4 Punkte): Sei X B(n, p) eine binomial verteilte Zufallsvariable, die ein Zufallseperiment mit n unabhängigen Wiederholungen
MehrRekonstruktion eines teilweise entschlüsselten babylonischen Keilschrifttextes aus der Zeit um 2000 v. Chr.
Rekonstruktion eines teilweise entschlüsselten babylonischen Keilschrifttextes aus der Zeit um 2000 v. Chr. 16 9 25 4 3 5 144 25 169 12 13 49 625 24 7 25 9 25 3 64 100 8 225 64 289 15 144 225 15 1296 225
Mehr2. Schularbeit aus. Mathematik und Angewandte Mathematik
. Schularbeit aus Mathematik und Angewandte Mathematik Freitag,. April 06 5. Jahrgänge NAME: Punkte:. vn 40 Nte:.. Ntenschlüssel Sehr Gut Gut Befriedigend Genügend Nicht Genügend 40 5 0 5 9 6 6 0 0 Löse
Mehr1 Univariate Statistiken
1 Univariate Statistiken Im ersten Kapitel berechnen wir zunächst Kenngrößen einer einzelnen Stichprobe bzw. so genannte empirische Kenngrößen, wie beispielsweise den Mittelwert. Diese können, unter gewissen
MehrTeil III: Wissensrepräsentation und Inferenz. Nachtrag zu Kap.5: Neuronale Netze. w i,neu = w i,alt + x i * (Output soll - Output ist ) Delta-Regel
Einfaches Perzeptrn Delta-Regel Vrlesung Künstliche Intelligenz Wintersemester 2006/07 Teil III: Wissensrepräsentatin und Inferenz Nachtrag zu Kap.5: Neurnale Netze Beim Training werden die Beispiele dem
MehrBachelor-Kursprüfung Methoden der VWL Klausurteil Dynamische Methoden der VWL Wintersemester 2015/ Aufgabe Punkte
Bachelor-Kursprüfung Methoden der VWL Klausurteil Dynamische Methoden der VWL Wintersemester 2015/16 23.02.2016 Bitte gut leserlich ausfüllen: Name: Vorname: Matr.-nr.: Wird vom Prüfer ausgefüllt: Aufgabe
MehrLösungen zur Klausur WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK (STOCHASTIK)
Institut für Stochastik Dr. Steffen Winter Lösungen zur Klausur WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK (STOCHASTIK) für Studierende des Maschinenbaus vom 7. Juli (Dauer: 8 Minuten) Übersicht über die
MehrStatistik Klausur Wintersemester 2012/2013 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik 1 1. Klausur Wintersemester 2012/2013 Hamburg, 19.03.2013 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
MehrBedingte Wahrscheinlichkeiten: Ein Baumdiagramm der nachstehenden Art bzw. die zugehörige Vierfeldertafel gibt jeweils absolute Häufigkeiten an.
Bedingte Wahrscheinlichkeiten: Ein Baumdiagramm der nachstehenden Art bzw. die zugehörige Vierfeldertafel gibt jeweils absolute Häufigkeiten an. Interpretiert man die numerischen Einträge als Beschreibungen
MehrMathematik Schuleigener Arbeitsplan Klasse 8 (Stand: Februar 2016)
przessbezgene Kmpetenzen inhaltsbezgene Kmpetenzen Lernbereich / Kern / Schulbuch Bemerkungen Prbleme mathematisch lösen ziehen mehrere Lösungsmöglichkeiten in Betracht und Überprüfen sie. nutzen Darstellungsfrmen
MehrStatistik Klausur Wintersemester 2013/2014 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik 1 A 2. Klausur Wintersemester 2013/2014 Hamburg, 18.03.2014 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................
MehrÜbung zu Empirische Ökonomie für Fortgeschrittene SS 2009
Übung zu Empirische Ökonomie für Fortgeschrittene Steen Elstner, Klaus Wohlrabe, Steen Henzel SS 9 1 Wichtige Verteilungen Die Normalverteilung Eine stetige Zufallsvariable mit der Wahrscheinlichkeitsdichte
MehrKlausur zur Vorlesung Analyse mehrdimensionaler Daten, Lösungen WS 2010/2011; 6 Kreditpunkte, 90 min
Klausur, Analyse mehrdimensionaler Daten, WS 2010/2011, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 21.02.2011 Klausur zur Vorlesung Analyse mehrdimensionaler Daten, Lösungen WS 2010/2011; 6 Kreditpunkte,
MehrStatistik, Datenanalyse und Simulation
Dr. Michael O. Distler distler@kph.uni-mainz.de Mainz, 29. Oktober 2007 1. Statistik 1.1 Wahrscheinlichkeit Pragmatisch: p(e) = n(e) N für N sehr groß Kombination von Wahrscheinlichkeiten p(a oder B) =
MehrHerleitung der Formel für die Krümmung von Funktionsgraphen
Herleitung der Formel für die Krümmung von Funktionsgraphen mit Hilfe der Beispiele f(x) = x 2 und f(x) = x 4 Jens Weitendorf Kurzfassung des Inhalts: In dem Artikel wird in einer kurzen Einheit dargestellt,
MehrSchulinternes Curriculum Mathematik Gymnasium an der Gartenstraße Klasse 7. Vorhaben
Schulinternes Curriculum Mathematik Gymnasium an der Gartenstraße Klasse 7 Vorhaben Unterrichtsvorhaben Schwerpunkte Bemerkungen Rechnen mit rationalen Zahlen 5 Wochen 1 Arithmetik/Algebra Berechnung rationaler
MehrMathematik 1 Probeprüfung 1
WWZ Wirtschaftswissenschaftliche Fakultät der Universität Basel Dr. Thomas Zehrt Bitte in Druckbuchstaben ausfüllen: Name Vorname Mathematik 1 Probeprüfung 1 Zeit: 90 Minuten, Maximale Punktzahl: 72 Zur
MehrEinführungsbeispiel Kostenfunktion
Einführungsbeispiel Kostenfunktion Sie bauen eine Fabrik für Luxusautos auf und steigern die Produktion jeden Monat um 1000 Stück. Dabei messen Sie die jeweiligen Kosten und stellen sie grafisch dar. Die
MehrLösung - Serie 3. D-MAVT/D-MATL Analysis I HS 2018 Dr. Andreas Steiger. MC-Aufgaben (Online-Abgabe)
D-MAVT/D-MATL Analysis I HS 018 Dr. Andreas Steiger Lösung - Serie 3 MC-Aufgaben (Online-Abgabe) 1. Es sei die Funktion f : [0, ) [0, ) definiert durch f(x) = ln(x + 1), wobei der Logarithmus ln zur Basis
MehrTrim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist
MehrStatistik Klausur Wintersemester 2013/2014 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik 1 2. Klausur Wintersemester 2013/2014 Hamburg, 18.03.2014 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
MehrTechnische Berufsmaturitätsprüfung Baselland 2005 Mathematik Teil 2 (Mit Hilfsmitteln)
Aufgabe (0 ) Technische Berufsmaturitätsprüfung Baselland 005 Mathematik Teil (Mit Hilfsmitteln) Gegeben ist die quadratische Funktin f : y x 8x 4. a) Ermitteln Sie den Scheitelpunkt der zugehörigen Parabel.
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übung 3 1 Inhalt der heutigen Übung Vorrechnen der Hausübung B.7 Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben C.1: Häufigkeitsverteilung C.2: Tukey
Mehr