Carl-Engler-Schule Karlsruhe Auszug aus MDV VI: Kalibrierung 1 (9)
|
|
- Lorenz Schreiber
- vor 5 Jahren
- Abrufe
Transkript
1 Carl-Engler-Schule Karlsruhe Auszug aus MDV VI: Kalibrierung 1 (9) Auszug aus MDV VI: Kalibrierung Begriffe und Ziele 1.1 Kalibration Bei der Kalibrierung (oder Kalibration) wird ein Zusammenhang hergestellt zwischen einer physikalische Grösse, die man ermitteln will, der Merkmalsgrösse, und einer messbaren Grösse, der Signalgrösse. Belastet man z.b. einen Biegebalken durch eine Kraft, dann erhält man über die Dehnungsmessstreifen ein elektrisches Spannungs-Signal. Der Wert der Signalgrösse (elektrische Spannung) hängt von der Merkmalsgrösse (Kraft) ab. Das Ergebnis der Kalibration ist eine mathematische Funktion, mit der man aus dem Merkmalswert den Signalwert berechnen kann. Für eine Messung mit dem kalibrierten System (Kraftmessung mit Biegebalken) muss der Vorgang umgekehrt werden, so dass man hier aus einem gemessenen Signalwert (Spannung) den zugehörigen Merkmalswert (Kraft) berechnen kann. Das am Beispiel der Kalibration dargestellte Verfahren findet auch Anwendung bei der Bestimmung von Verfallsdauern (Lebensmittel, Chemikalien, Medikamente) oder bei der Auswertung von Aufstockverfahren der chemischen Analytik. 1.2 Lineare Kalibration Der einfachste Zusammenhang zwischen Merkmalswert und Signalwert wird durch eine Gerade beschrieben. Dazu wird für 1 Kräfte (Standard, Normal, Referenzwert, Bezugswert, Einstellmeister, Master Value) mit gleichem Abstand voneinander (äquidistant) die zugehörige Spannung gemessen. Man erhält ein Punktefeld, durch das sich eine Ausgleichsgerade y(x) = b*x + a legen lässt. Dies ist die Kalibriergerade. Man kann die zufälligen Schwankungen verringern, wenn man die Spannung für jede Kraft mehrmals (z.b. fünf mal) misst. An jeder Stelle wird dann mit dem Mittelwert aus diesen Messungen weitergerechnet. Die Parameter b und a der Geradengleichung sind dann sicherer, bzw. ihre Unsicherheitsbereiche kleiner. Typische Fragen, die mit dem hier beschriebenen Verfahren beantwortet werden können sollen, sind: Welcher Merkmalswert gehört zum gemessenen Signalwert? Wie gross ist die zugehörige Messunsicherheit? Welcher kleinste Merkmalswert kann noch von Null unterschieden werden (5%)? Welcher kleinste Merkmalswert kann mit festlegbarer Sicherheit von Null unterschieden werden? Für welchen kleinsten Merkmalswert kann ein festlegbares Unsicherheitsintervall garantiert werden? Wie wirkt sich eine Veränderung des Signifikanzniveaus auf die Grenzen aus? Erhöht eine Wiederholung der Kalibrierung die Präzision? Erhöht eine Wiederholung der Probenmessung die Präzision? Hängt die Präzision vom Kalibrierbereich ab? 1.3 Kalibrierbereich Durch die 1 Standards wurde der Kalibrierbereich bereits festgelegt. Es ist sinnvoll, nur in diesem Bereich unbekannte Proben zu vermessen. Ausserhalb des Kalibrierbereichs werden die Unsicherheiten rasch sehr groß. 1.4 Varianzenhomogenität und Grubbstest Die möglichen Unsicherheiten der Kalibriergeraden können hier nur ermittelt werden, wenn die Streuung (die Varianz) über den gesamten Kalibrierbereich etwa gleich gross ist (Varianzenhomogenität=Homoskedastizität). Daher wird der Signalwert an der Untergrenze des Kalibrierbereichs und an dessen Obergrenze je 1 mal gemessen. Nur wenn der statistische Test (F-Test) die Varianzen als etwa gleich gross akzeptiert, ist es sinnvoll, weiter zu machen. auszug_kalibrierung.odt Nov 21 Seite 1 von 9
2 Carl-Engler-Schule Karlsruhe Auszug aus MDV VI: Kalibrierung 2 (9) Jede der beiden 1-er-Reihen wird auf Ausreisser (outliner) getestet. Der Test hierzu heißt Grubbs-Test. Meldet dieser einen Ausreisser, dann wird der entsprechende Wert entfernt (besser: als Text in der Tabelle belassen). Es wird nicht nachgemessen. Können die Varianzen nicht als vergleichbar betrachtet werden, kann die Kalibrierung nicht weitergeführt, sondern muss mit einem kleineren Kalibrierbereich versucht werden. 1.5 Linearitätstest Das Rechenverfahren liefert nur dann zuverlässige Ergebnisse, wenn die Kalibrierpunkte durch eine Ausgleichsgerade beschrieben werden können. Es wird nur getestet, ob eine Parabel besser geeignet wäre (möglicherweise wären andere Funktionen noch besser geeignet). Aber schon bei der Parabel müsste das Verfahren mit einem anderen Kalibrierbereich von vorne begonnen werden. Wird der Lineare Ausgleich akzeptiert, kann es weiter gehen. 1.6 Vertrauensband (CI: Confidence Intervall) auch: Unsicherheits-Schlauch, Unsicherheits-Trompete Sowohl die Steigung b als auch der y-abschnitt a der Ausgleichsgeraden (oder Kalibriergeraden) sind mit Unsicherheiten behaftet. In der Mitte des Kalibrierbereichs sind die (absoluten) Fehler am kleinsten. Um die Gerade lässt sich ein Vertrauensband angeben, der nach oben bzw. nach unten immer weiter wird. Hierzu ist ein Prozentsatz (Signifikanzniveau) festzulegen. Ein typischer Wert ist 95%. Dann wird die Breite des Bandes so gewählt, dass bei weiteren Messungen 95% der Punkte innerhalb des Schlauchs zu erwarten sind. Je höher man dieses Signifikanzniveau wählt, desto breiter wird das Band. 1.7 Nachweisgrenze NG (auch LOD: Limit of Detection oder LLD: Lower Limit of Detection) Bis zu einer bestimmten Grösse des Signals (hier Spannung) kann man nicht sagen, ob es durch einen von Null verschiedenen Merkmalswert (hier eine Kraft) oder durch zufällige Schwankungen entstanden ist. Bis hierher ist nicht einmal ein qualitativer Nachweis möglich. An dieser Nachweisgrenze ist (beim festgelegten Sicherheitsniveau) das Vorhandensein einer Kraft genau so wahrscheinlich wie deren Fehlen. Im amerikanischen Sprachgebrauch heisst diese Grenze MDL (Method Detection Limit). Wegen des grossen Aufwandes werden manchmal auch andere Verfahren zur Abschätzung der Nachweisgrenze verwendet, die jedoch zu deutlichen Abweichungen führen können. Eine solche Vorschrift verlangt z.b. die 3-fache Standardabweichung bei 11-maliger Messung einer Nullprobe (Blindwert). 1.8 Erfassungsgrenze EG (auch BLD: Biological Limit of Detection) In der Praxis wird der Wert der Nachweisgrenze verdoppelt, um zur Erfassungsgrenze zu kommen. An der Erfassungsgrenze ist die Wahrscheinlichkeit für ein rein zufällig erzeugtes Signal dieser Grösse auf eine Wahrscheinlichkeit gesunken, die sich (durch 1% minus Sicherheitsniveau) angeben lässt. Ab hier können auch quantitative Aussagen (allerdings oft mit noch grosser Unsicherheit) gemacht werden. Liegen Kalibrierpunkte unterhalb der Erfassungsgrenze, dürfen sie nicht zur Berechnung verwendet werden. Die Kalibration ist dann ungültig. Ist der erste Kalibrierpunkt oberhalb der doppelten Erfassungsgrenze, dann lassen sich Nachweis- und Erfassungsgrenze nicht sicher festlegen. Die Kalibration ist dann aber trotzdem gültig. 1.9 Bestimmungsgrenze BG (auch LOQ: Limit of Quantification oder FS: Functional Sensitivity)) An der Untergrenze des Kalibrierbereichs ist die relative Unsicherheit am grössten. Häufig setzen sich Anwender selbst Grenzen (z.b. 33%) für die maximale relative Unsicherheit. Ab einem bestimmten Wert der Merkmalsgrösse (hier ab einer bestimmten Masse) ist die relative Unsicherheit dann immer kleiner als dieser festgelegte Prozent-Wert. Dieser Merkmalswert ist die Bestimmungsgrenze. auszug_kalibrierung.odt Nov 21 Seite 2 von 9
3 Carl-Engler-Schule Karlsruhe Auszug aus MDV VI: Kalibrierung 3 (9) 1.1 Kalibrierte Messung an unbekannter Probe Nachdem die Kalibration mit Erfolg abgeschlossen ist, und damit auch das Vertrauensband festliegt, kann eine Messung an einem unbekannten Objekt durchgeführt werden. Aus dem gemessenen Signalwert (hier Spannung) wird über die Umkehrung der Kalibrierfunktion (auch als Analysenfunktion bezeichnet) der zugehörige Merkmalswert (hier Kraft) berechnet. Über das Vertrauensband erhält man auf der Merkmalsachse das zugehörige Vertrauensintervall (CI: Confidence Intervall). Neben den Unsicherheiten der Kalibriergeraden ist aber auch die Messung am unbekannten Objekt unsicher. Ein geeignetes Maß hierfür ist die Reststandardabweichung (in y-richtung), die sich bei der Aufnahme der Kalibrierdaten ergeben hat, bzw. die auf die Merkmalsachse projizierte Verfahrensstandardabweichung. Vertrauensintervall + Verfahrensstandardabweichung (geometrisch addiert) ergeben das Prognoseintervall (PI: Prediction Intervall). Wiederholungen der Messung am unbekannten Objekt können dieses Prognoseintervall in Richtung Vertrauensintervall verkleinern. Der tatsächliche Merkmalswert liegt jetzt mit einer statistischen Sicherheit, wie sie im Signifikanzniveau festgelegt wurde im berechneten Unsicherheitsintervall. Der Merkmalswert kann jetzt also vollständig angegeben werden mit Merkmalswert mit Einheit + Grenzabstand + statistische Sicherheit Bei einem Signalwert von U=,72mV hat die zugehörige Kraft F einen Wert von: F = 167.5mN * (1 ± 9.3%) (95%) F = 167.5mN * (1 ± 9.3%) (k=2) 2. Vorgehensweise zur Linearen Kalibrierung 2.1 Erfassung der Kalibrierdaten Alle hier angegebenen Schritte beziehen sich auf das Tabellenblatt "kalibra.xls". Die Vorgehensweise in der Praxis ist mit folgender Reihenfolge sinnvoll: Merkmalsgrösse festlegen Signalgrösse festlegen Kalibrierbereich festlegen Zehn Messungen an der Untergrenze durchführen Zehn Messungen an der Obergrenze durchführen 2.2 Durchführung von Testverfahren Evtl. vorhandene Ausreisser eliminieren (Grubbs) Nachsehen, ob Varianzenhomogenität erfüllt ist Kalibrierdaten erfassen und eingeben (einfach bis fünffach) Nachsehen, ob ein Linearer Ausgleich akzeptiert ist 2.3 Festlegung der Kalibrierparameter Legen Sie ein Sicherheitsniveau (Signifikanzniveau) fest Prüfen Sie, ob die Kalibrierpunkte oberhalb der Erfassungsgrenze liegen Legen Sie einen maximalen Wert für den relativen Fehler fest Lesen Sie den Wert für die Bestimmungsgrenze aus dem Diagramm ab Die Kalibration ist jetzt abgeschlossen und gültig. auszug_kalibrierung.odt Nov 21 Seite 3 von 9
4 Carl-Engler-Schule Karlsruhe Auszug aus MDV VI: Kalibrierung 4 (9) 2.4 Unbekannte Probe Folgende Schritte sind für die Messung durchzuführen: Nehmen Sie die unbekannte Probe. Messen Sie den Signalwert. Ermitteln Sie den zugehörigen Merkmalswert. (weiter bei quantitativer Bestimmung:) Ermitteln Sie die zugehörige relative Unsicherheit. Ermitteln Sie die zugehörige absolute Unsicherheit. Geben Sie den ermittelten Merkmalswert mit Unsicherheitsintervall und Signifikanzniveau an. 2.5 Hinweise Ergibt das Signal eine Messgrösse, die unterhalb der Nachweisgrenze liegt, gilt die Messgrösse als nicht nachweisbar (weder qualitativ noch quantitativ erfassbar). Qualitativer Bereich Ergibt das Signal eine Messgrösse, die zwischen der Nachweisgrenze und der Erfassungsgrenze liegt, kann die Messgrösse qualitativ nachgewiesen werden. Die Wahrscheinlichkeit für das Vorhandensein des Merkmals ist größer als die für den Wert Null. Quantitativer Bereich Ergibt das Signal eine Messgrösse, die oberhalb der Erfassungsgrenze liegt, kann die Messgrösse quantitativ nachgewiesen werden. Die Messunsicherheit kann dabei immer noch sehr groß sein. Bestimmungsbereich Ergibt das Signal eine Messgrösse, die oberhalb der Bestimmungsgrenze liegt, kann die Messgrösse mit einer angebbaren maximalen relativen Ergebnis-Unsicherheit nachgewiesen werden. Bei einem Signifikanzniveau von 68% können in der Mitte des Kalibrierbereichs in y-richtung die Reststandardabweichung und in x-richtung die Verfahrensstandardabweichung abgelesen werden. Das Signifikanzniveau von 68% wird auch durch die Angabe Erweiterungsfaktor k=1 beschrieben. Ein Erweiterungsfaktor von k=2 entspricht einem Signifikanzniveau von 95%. Dabei verdoppelt sich die Breite des Vertrauensbandes. Ein Erweiterungsfaktor von k=3 entspricht einem Signifikanzniveau von 99%. Dabei verdreifacht sich die Breite des Vertrauensbandes (gegenüber 68%). Ein Verfahren, das immer noch anzutreffen, aber nicht genormt ist, vergleicht die Streuung der Messung mit der des Blindwerts (Probe ohne Anteil der zu untersuchenden Substanz). Die meist verwendete Regel dazu besagt, dass sich der Schnittpunkt der beiden Häufigkeitsverteilungen mindestens drei Standardabweichungen von den Mittelwerten entfernt befinden soll. Literatur: Tabellenblatt dazu: Satz mit verschiedenen Sätzen von Messdaten: kurze, überischtlich Darstellung (ohne Tests) kalibra.xls kalibdat.xls linkalibra.xls Gottwald,Wolfgang: Statistik für Anwender. Wiley-VCH Verlag, Weinheim, 2 Küster-Thiel: Tabellenbuch Chemie Rechentafeln 15.Auflage (im nachfolgenden Tabellenblatt zur Linearen Kalibration wurden die Größenbezeichnungen nach Küster- Thiel verwendet) auszug_kalibrierung.odt Nov 21 Seite 4 von 9
5 Carl-Engler-Schule Karlsruhe Auszug aus MDV VI: Kalibrierung 5 (9) auszug_kalibrierung.odt Nov 21 Seite 5 von 9
6 Carl-Engler-Schule Karlsruhe Auszug aus MDV VI: Kalibrierung 6 (9) 3. Quadratische Kalibrierung Die Beschreibung der Kalibrierfunktion durch einen quadratischen Zusammenhang (Parabel) ist inzwischen ebenfalls genormt und erfordert einen erhöhten Rechenaufwand (siehe Datei quadkalibra.xls). auszug_kalibrierung.odt Nov 21 Seite 6 von 9
7 Carl-Engler-Schule Karlsruhe Auszug aus MDV VI: Kalibrierung 7 (9) 4. Merkmalsgrenzen am Vertrauensband Die Unsicherheit bei der Bestimmung von Größen über eine lineare Kalibrierfunktion lässt sich über das Vertrauensband abschätzen. Die richtige Kalibriergerade liegt mit einer statistischen Sicherheit von α innerhalb des Vertrauensbandes. So gilt z.b. für ein Signifikanzniveau von α=9% für die Lage des benötigten Punktes der Kalibriergeraden: 5% oberhalb der oberen Grenze des Vertrauensbandes 45% zwischen der Kalibriergeaden und der oberen Grenze des Vertrauensbandes 45% zwischen der Kalibriergeaden und der unteren Grenze des Vertrauensbandes 5% unterhalb der unteren Grenze des Vertrauensbandes 12 1 Massenkonzentration in mg/l Vertrauensband zum Signifikanzniveau von α=9% Reaktionsdruck in bar Wählt man für das Vertrauensband z.b. das sonst übliche Signifikanzniveau von α=95%, wird das Vertrauensband breiter. Bei der in diesen Beispielen vorliegenden einseitigen Fragestellung erhält man jedoch beim Signifikanzniveau von α=9% für das Vertrauensband (wie oben) für die getroffene Aussage eine 95%- ige statistische Sicherheit Massenkonzentration in mg/l Vertrauensband zum Signifikanzniveau von α=95% Reaktionsdruck in bar auszug_kalibrierung.odt Nov 21 Seite 7 von 9
8 Carl-Engler-Schule Karlsruhe Auszug aus MDV VI: Kalibrierung 8 (9) 5. Übung zum Vertrauensband Beispiel 1: Ein Medikament verliert im Lauf der Zeit seinen Wirkstoff. Das Vertrauensband zur Abhängigkeit des Wirkstoffgehalts von der Zeit ist zu einem Signifikanzniveau von 9% eingezeichnet. Innerhalb der Verfallszeit wird ein Wirkstoffgehalt von mindestens 6% garantiert. Wie groß ist dieses Zeitintervall mit 95%-iger Sicherheit? Wirkstoffgehalt in % Zeit in Tagen Beispiel 2: Bei der Produktion einer Substanz ist die Anreicheung einer Komponente von der Reaktionstemperatur abhängig. Das Vertrauensband zur Abhängigkeit des Anteils der Komponente von der Reaktionstemperatur ist zu einem Signifikanzniveau von 9% eingezeichnet. Bei welcher Reaktionstemperatur erreicht man mit 95%-iger Sicherheit einen Massenanteil von 7g/kg? Massenanteil in g/kg Reaktionstemperatur in C auszug_kalibrierung.odt Nov 21 Seite 8 von 9
9 Carl-Engler-Schule Karlsruhe Auszug aus MDV VI: Kalibrierung 9 (9) Beispiel 3: Radioaktive Abfälle verbleiben in einem Abkling-Bunker, bis die spezifische Aktivität mit 95%- iger Sicherheit auf unter 6Bq/kg gesunken ist. Das Vertrauensband zur Abhängigkeit der spezifischen Aktivität von der Zeit ist zu einem Signifikanzniveau von 9% eingezeichnet. Wie lange muss bei einer spezifischen Anfangsaktivität von 8Bq/kg mindestens gewartet werden? spez. Aktivität in Bq/kg Zeit in Stunden Massenkonzentration in mg/l Reaktionsdruck in bar Beispiel 4: Bei der Produktion einer Substanz ist die Anreicheung einer störenden Komponente vom Reaktionsdruck abhängig. Das Vertrauensband zur Abhängigkeit der Volumenkonzentration der störenden Komponente vom der Reaktionsdruck ist zu einem Signifikanzniveau von 9% eingezeichnet. In welchem Bereich des Reaktionsdrucks erreicht man mit 95%-iger Sicherheit höchstens eine Massenkonzentration von 7mg/L? auszug_kalibrierung.odt Nov 21 Seite 9 von 9
Kalibrierung nach DIN 32645 bzw. DIN 38402
Kalibrierung nach DIN 32645 bzw. DIN 38402 Inhalt 1 Kalibrieren Qualifizieren Validieren... 3 1.1 Zielsetzung... 3 1.2 Standardisierung und Anwendung... 3 1.3 Normen... 4 2 Statistik-Grundlagen... 5 2.1
MehrEinführung in die Anwendung Statistischer Methoden in der analytischen Chemie
Einführung in die Anwendung Statistischer Methoden in der analytischen Chemie Analytisch Chemisches Grundpraktikum 1. Beschreibende Statistik 1.1 Einleitung 1.2 Standardform der Angabe von Analysenresultaten
MehrNachweis- (NG) und Bestimmungsgrenzen (BG)
1 Freiheitsgrade Nachweis- (NG) und Bestimmungsgrenzen (BG) - Die Anzahl von Freiheitsgraden hängt vor allem von der Anzahl der verfügbaren Informationen ab (A). (A) f = n-v-m f: Freiheitsgrade n: Anzahl
Mehr1 Messfehler. 1.1 Systematischer Fehler. 1.2 Statistische Fehler
1 Messfehler Jede Messung ist ungenau, hat einen Fehler. Wenn Sie zum Beispiel die Schwingungsdauer eines Pendels messen, werden Sie - trotz gleicher experimenteller Anordnungen - unterschiedliche Messwerte
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
MehrLineare Kalibrationsfunktionen
Die Kalibration von Analysenverfahren (Teil 1) Lineare Kalibrationsfunktionen AUFSÄTZE Dr. Volkmar Neitzel, Ruhrverband, Leiter Zentrale Aufgaben, Essen Der größte Teil analytischer Messverfahren geht
MehrAnalytische Chemie (für Biol. / Pharm. Wiss.)
Analytische Chemie (für Biol. / Pharm. Wiss.) Teil: Trenntechniken (Chromatographie, Elektrophorese) Dr. Martin Pabst HCI D323 Martin.pabst@org.chem.ethz.ch http://www.analytik.ethz.ch/ ETH Zurich Dr.
MehrBegleitmaterial zur Vorlesung. Fehlerrechnung und Fehlerabschätzung bei physikalischen Messungen
Institut für Technische Thermodynamik und Kältetechnik Leiter: Prof. Dr.-Ing. K. Schaber Begleitmaterial zur Vorlesung Fehlerrechnung und Fehlerabschätzung bei physikalischen Messungen Verfasst von Dr.
MehrWelche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret.
Grundlagen der Statistik 25.9.2014 7 Aufgabe 7 Welche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret. B Ein Merkmal
MehrEinführung in die Fehlerrechnung und Messdatenauswertung
Grundpraktikum der Physik Einführung in die Fehlerrechnung und Messdatenauswertung Wolfgang Limmer Institut für Halbleiterphysik 1 Fehlerrechnung 1.1 Motivation Bei einem Experiment soll der Wert einer
MehrUntersuchung zur Gleichwertigkeit des LOVIBOND CSB vario Küvettentest mit dem Hach * CSB Küvettentest
Untersuchung zur Gleichwertigkeit des LOVIBOND CSB vario Küvettentest mit dem CSB Küvettentest Inhaltsverzeichnis Seite Einleitung und Zielsetzung 1 Verwendete Methoden, Reagenzien und Geräte 1 Teil I
MehrCarl-Engler-Schule Karlsruhe Physik-Labor (BS/BK/FS) 1 (5)
Carl-Engler-Schule Karlsruhe Physik-Labor (BS/BK/FS) (5) Laborversuch: Bessel-Verfahren. Grundlagen Bei der Bestimmung der Brennweite einer Sammellinse lassen sich die Gegenstands- und Bildweite direkt
MehrCHEMISCHES RECHNEN II
Arbeitsunterlagen zu den VU CHEMISCHES RECHNEN II - 77.9 Einheit ao. Prof. Dr. Thomas Prohaska (Auflage April 008) Validierung von Messmethoden Muthgasse 8, A-90 Wien, Tel.: +43 36006-609, Fa: +43 36006
Mehr13. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017
13. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017 1. Aufgabe: Für 25 der größten Flughäfen wurde die Anzahl der abgefertigten Passagiere in den Jahren 2009 und 2012 erfasst. Aus den Daten (Anzahl
MehrInhaltsverzeichnis. 1 Einführung Versuchsbeschreibung und Motivation Physikalische Grundlagen... 3
Inhaltsverzeichnis 1 Einführung 3 1.1 Versuchsbeschreibung und Motivation............................... 3 1.2 Physikalische Grundlagen...................................... 3 2 Messwerte und Auswertung
MehrCHEMISCHES RECHNEN II ANALYT. CHEM. FÜR FORTGS
Arbeitsunterlagen zu den VU CHEMISCHES RECHNEN II - 77.9 Einheit ANALYT. CHEM. FÜR FORTGS. - 77.34 Einheit 3b ao. Prof. Dr. Thomas Prohaska (Auflage Mai 005) Validierung von Messmethoden Muthgasse 8, A-90
MehrOBF-TA 1-,2- und 3-järig 2. Fachstufe. Themenfeld: Statistik im Labor (1)
Zeitrichtwert: 8 Stunden Themenfeld: Statistik im Labor (1) Kompetenzen: Schüler können eine direkte Messung statistisch auswerten. Sie können Mittelwert, Variationskoeffizient und Vertrauensbereich berechnen
Mehr3) Testvariable: T = X µ 0
Beispiel 4.9: In einem Molkereibetrieb werden Joghurtbecher abgefüllt. Der Sollwert für die Füllmenge dieser Joghurtbecher beträgt 50 g. Aus der laufenden Produktion wurde eine Stichprobe von 5 Joghurtbechern
MehrMethoden der Werkstoffprüfung Kapitel I Grundlagen. WS 2009/2010 Kapitel 1.0
Methoden der Werkstoffprüfung Kapitel I Grundlagen WS 2009/2010 Kapitel 1.0 Grundlagen Probenmittelwerte ohne MU Akzeptanzbereich Probe 1 und 2 liegen im Akzeptanzbereich Sie sind damit akzeptiert! Probe
MehrEinführung Fehlerrechnung
Einführung Fehlerrechnung Bei jeder Messung, ob Einzelmessung oder Messreihe, muss eine Aussage über die Güte ( Wie groß ist der Fehler? ) des Messergebnisses gemacht werden. Mögliche Fehlerarten 1. Systematische
MehrFehlerrechnung. Bei physikalisch-technischen Messungen können systematische und zufällige Fehler auftreten.
Seite 1 / 6 H.C. iehuus Fehlerrechnung Bei physikalisch-technischen Messungen können systematische und zufällige Fehler auftreten. Systematische Fehler erzeugen systematische Effekte. Falsch kalibrierte
MehrEinführung in die Theorie der Messfehler
Einführung in die Theorie der Messfehler Ziel der Vorlesung: Die Studentinnen/Studenten sollen die Grundlagen der Theorie der Messfehler sowie den Unterschied zwischen Ausgleichsrechnung und statistischer
MehrStatistische Tests funktionieren generell nach obigem Schema; der einzige Unterschied besteht in der unterschiedlichen Berechnung der Testgröße.
Statistische Tests Testen von Hypothesen Fehlerarten wichtigste statistische Tests Hypothesen Jeder statistische Test beruht auf der Widerlegung einer zuvor aufgestellten Hypothese. Die Widerlegung ist
MehrBiomathematik für Mediziner
Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur SS 2002 Aufgabe 1: Franz Beckenbauer will, dass
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrWahrscheinlichkeit und Statistik BSc D-INFK
Prof. Dr. P. Bühlmann ETH Zürich Sommer 2010 Wahrscheinlichkeit und Statistik BSc D-INFK 1. (10 Punkte) Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete
MehrStatistik für NichtStatistiker
Statistik für NichtStatistiker Zufall und Wahrscheinlichkeit von Prof. Dr. Karl Bosch 5., verbesserte Auflage R. Oldenbourg Verlag München Wien Inhaltsverzeichnis 1. ZufalLsexperimente und zufällige Ereignisse
MehrM0 BIO - Reaktionszeit
M0 BIO - Reaktionszeit 1 Ziel des Versuches In diesem Versuch haben Sie die Möglichkeit, sich mit Messunsicherheiten vertraut zu machen. Die Analyse von Messunsicherheiten erfolgt hierbei an zwei Beispielen.
MehrPhysikalische Übungen für Pharmazeuten
Helmholtz-Institut für Strahlen- und Kernphysik Seminar Physikalische Übungen für Pharmazeuten Ch. Wendel Max Becker Karsten Koop Dr. Christoph Wendel Übersicht Inhalt des Seminars Praktikum - Vorbereitung
MehrQuantifizierung in der Analytischen Chemie
Quantifizierung in der Analytischen Chemie in der Grundvorlesung Analytische Chemie Literatur: W. Gottwald, Statistik für Anwender, Wiley-VCH, Weinheim, 2000 Kapitel in: M. Otto, Analytische Chemie, 3.
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2002
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2002 1. Ein Chemiestudent hat ein Set von 10 Gefäßen vor sich stehen, von denen vier mit Salpetersäure Stoff A), vier mit Glyzerin Stoff
MehrMessen und Beurteilen in der Praxis
Messen und Beurteilen in der Praxis Dr.sc.nat. Markus Zingg Umwelt-Toxikologie-Information Schaffhausen !? Wer misst misst Mist!? Eine Messung muss zielorientiert durchgeführt werden Eine Messung ist immer
MehrParabelfunktion in Mathematik und Physik im Fall des waagrechten
Parabelfunktion in Mathematik und Physik im Fall des waagrechten Wurfs Unterrichtsvorschlag, benötigtes Material und Arbeitsblätter Von der Physik aus betrachtet.. Einführendes Experiment Die Kinematik
MehrKalibrieren Qualifizieren Validieren
Carl-Engler-Schule Karlsruhe Kalibrieren Qualifizieren - Validieren 1 (9) 1. Grundlagen 1.1 Zielsetzung Kalibrieren Qualifizieren Validieren Zur Qualitätssicherung der Produkte und Ergebnisse in der Produktion
Mehr6. Tutoriumsserie Statistik II
6. Tutoriumsserie Statistik II 1. Aufgabe: Eine Unternehmensabteilung ist ausschließlich mit der Herstellung eines einzigen Produktes beschäftigt. Für 10 Perioden wurden folgende Produktmenge y und Gesamtkosten
MehrFehlerfortpflanzung. M. Schlup. 27. Mai 2011
Fehlerfortpflanzung M. Schlup 7. Mai 0 Wird eine nicht direkt messbare physikalische Grösse durch das Messen anderer Grössen ermittelt, so stellt sich die Frage, wie die Unsicherheitsschranke dieser nicht-messbaren
MehrW-Seminar: Versuche mit und am Menschen 2017/2019 Skript
3. Deskriptive Statistik Die deskriptive (auch: beschreibende) Statistik hat zum Ziel, [ ] Daten durch Tabellen, Kennzahlen [ ] und Grafiken übersichtlich darzustellen und zu ordnen. Dies ist vor allem
MehrÜbungen mit dem Applet
Übungen mit dem Applet 1. Visualisierung der Verteilungsform... 1.1. Normalverteilung... 1.. t-verteilung... 1.3. χ -Verteilung... 1.4. F-Verteilung...3. Berechnung von Wahrscheinlichkeiten...3.1. Visualisierung
Mehr3.Wiederholung: Toleranzbereiche Für EX Geg:
3.Wiederholung: Toleranzbereiche Für EX Geg: Vl. 24.2.2017 Schätzfunktion für Güte: Ist X Problem: Feb 17 13:21 > Wir berechnen Bereiche (Toleranzbereiche) für sind untere und obere Grenzen, berechnet
MehrMaurizio Musso, Universität Salzburg, ver Physikalische Grundlagen der Meßtechnik. Teil 2
Teil 2 Auswertung von Messungen, zufällige oder statistische Abweichungen Auswertung direkter Messungen Häufigkeitsverteilung, Häufigkeitsfunktion Mittelwert, Standardabweichung der Einzelwerte Standardabweichung
MehrSo berechnen Sie einen Schätzer für einen Punkt
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: SCHÄTZEN UND TESTEN htw saar 2 Schätzen: Einführung Ziel der Statistik ist es, aus den Beobachtungen eines Merkmales in einer Stichprobe Rückschlüsse über die Verteilung
MehrMittelwert, Standardabweichung, Median und Bereich für alle durchgeführten Messungen (in Prozent)
3. Ergebnisse 3.1 Kennwerte, Boxplot Die Kennwerte der deskriptiven Statistik sind in der Tabelle 1 für alle Messungen, in der Tabelle 2 für die Messungen, bei denen mit der Referenzmethode eine festgestellt
MehrMethodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 12 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft
MehrFadenpendel (M1) Ziel des Versuches. Theoretischer Hintergrund
Fadenpendel M) Ziel des Versuches Der Aufbau dieses Versuches ist denkbar einfach: eine Kugel hängt an einem Faden. Der Zusammenhang zwischen der Fadenlänge und der Schwingungsdauer ist nicht schwer zu
MehrStatistische Messdatenauswertung
Roland Looser Statistische Messdatenauswertung Praktische Einführung in die Auswertung von Messdaten mit Excel und spezifischer Statistik-Software für naturwissenschaftlich und technisch orientierte Anwender
MehrMessunsicherheit nach GUM* Praxisgerecht für chemische Laboratorien
Messunsicherheit nach GUM* Praxisgerecht für chemische Laboratorien *) Guide to the Expression of Uncertainty in Measurement - F 1 Einführung und Motivation Gliederung: 1. Notwendigkeit und Nutzen der
MehrPhysik 4 Praktikum Auswertung Hall-Effekt
Physik 4 Praktikum Auswertung Hall-Effekt Von J.W., I.G. 2014 Seite 1. Kurzfassung......... 2 2. Theorie.......... 2 2.1. Elektrischer Strom in Halbleitern..... 2 2.2. Hall-Effekt......... 3 3. Durchführung.........
MehrEinführungsseminar S1 Elemente der Fehlerrechnung. Physikalisches Praktikum der Fakultät für Physik und Astronomie Ruhr-Universität Bochum
Einführungsseminar S1 Elemente der Fehlerrechnung Physikalisches Praktikum der Fakultät für Physik und Astronomie Ruhr-Universität Bochum Literatur Wolfgang Kamke Der Umgang mit experimentellen Daten,
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:
MehrFadenpendel (M1) Ziel des Versuches. Theoretischer Hintergrund
Fadenpendel M1) Ziel des Versuches Der Aufbau dieses Versuches ist denkbar einfach: eine Kugel hängt an einem Faden. Der Zusammenhang zwischen der Fadenlänge und der Schwingungsdauer ist nicht schwer zu
MehrStatistische Methoden und Auswertungen Die Statistik in der MEWIP-Studie
Statistische Methoden und Auswertungen Die Statistik in der MEWIP-Studie Dipl.-Stat. Moritz Hahn 29.04.2008 Dipl.-Stat. Moritz Hahn Vorstellung IMSIE Arbeitsbereiche des Instituts Medizinische Statistik
MehrEinige Worte zu Messungen und Messfehlern. Sehr schöne Behandlung bei Walcher!
Einige Worte zu Messungen und Messfehlern Sehr schöne Behandlung bei Walcher! Was ist eine Messung? Messung = Vergleich einer physikalischen Größe mit Einheit dieser Größe Bsp.: Längenmessung durch Vgl.
MehrBrückenkurs Statistik für Wirtschaftswissenschaften
Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München
MehrBiometrieübung 10 Lineare Regression. 2. Abhängigkeit der Körpergröße von der Schuhgröße bei Männern
Biometrieübung 10 (lineare Regression) - Aufgabe Biometrieübung 10 Lineare Regression Aufgabe 1. Düngungsversuch In einem Düngeversuch mit k=9 Düngungsstufen x i erhielt man Erträge y i. Im (X, Y)- Koordinatensystem
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
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003. Eine seltene Krankheit trete mit Wahrscheinlichkeit : 0000 auf. Die bedingte Wahrscheinlichkeit, dass ein bei einem Erkrankten durchgeführter
MehrZeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: k = n (n + 1) 2
Aufgabe 1. (5 Punkte) Zeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: n k = k=1 n (n + 1). 2 Aufgabe 2. (5 Punkte) Bestimmen Sie das folgende Integral mithilfe partieller
MehrKapitel VII - Konzentration von Merkmalswerten
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel VII - Konzentration von Merkmalswerten Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh
MehrKonkretes Durchführen einer Inferenzstatistik
Konkretes Durchführen einer Inferenzstatistik Die Frage ist, welche inferenzstatistischen Schlüsse bei einer kontinuierlichen Variablen - Beispiel: Reaktionszeit gemessen in ms - von der Stichprobe auf
MehrAnleitung: Standardabweichung
Anleitung: Standardabweichung So kann man mit dem V200 Erwartungswert und Varianz bzw. Standardabweichung bei Binomialverteilungen für bestimmte Werte von n, aber für allgemeines p nach der allgemeinen
MehrCHEMISCHES RECHNEN II ANALYT. CHEM. FÜR FORTGS
Arbeitsunterlagen zu den VU CHEMISCHES RECHNEN II - 771.119 Einheit 1 ANALYT. CHEM. FÜR FORTGS. - 771.314 Einheit 3a ao. Prof. Dr. Thomas Prohaska (Auflage März 006) Beurteilung von Analysenergebnissen
MehrVermessungskunde für Bauingenieure und Geodäten
Vermessungskunde für Bauingenieure und Geodäten Übung 5: statistische Auswertung gleichgenauer Messungen Milo Hirsch Hendrik Hellmers Florian Schill Institut für Geodäsie Fachbereich 3 Inhaltsverzeichnis
MehrÜberarbeitung der DIN A71. Gleichwertigkeit von Analysenverfahren. In welche Richtung geht die Norm? Vergleichbarkeit - Gleichwertigkeit
Institut für Siedlungswasserbau, Wassergüte- und Abfallwirtschaft AQS Baden-Württemberg Überarbeitung der DIN 38402-A71 Gleichwertigkeit von Analysenverfahren In welche Richtung geht die Norm? Vergleichbarkeit
MehrZUM UMGANG MIT MESSUNSICHERHEITEN IM PHYSIKUNTERRICHT. 25. Oktober Didaktik der Physik Julia Glomski und Burkhard Priemer
ZUM UMGANG MIT MESSUNSICHERHEITEN IM PHYSIKUNTERRICHT 25. Oktober 2010 und Burkhard Priemer Was sind Messfehler? Was ist Fehlerrechnung? Warum misst man etwas? Wann ist eine Messung gut gelaufen? 2 4 Dimensionen
Mehr1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte. D. Horstmann: Oktober
1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte D. Horstmann: Oktober 2014 4 Graphische Darstellung von Daten und unterschiedliche Mittelwerte Eine Umfrage nach der Körpergröße
MehrMathematisch-Naturwissenschaftliche Fakultät I Humboldt-Universität zu Berlin Institut für Physik Physikalisches Grundpraktikum.
Mathematisch-Naturwissenschaftliche Fakultät I Humboldt-Universität zu Berlin Institut für Physik Physikalisches Grundpraktikum Versuchsprotokoll Linsensysteme (O0) Arbeitsplatz 3 durchgeführt am 7.0.009
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
Mehr4.1. Nullhypothese, Gegenhypothese und Entscheidung
rof. Dr. Roland Füss Statistik II SS 8 4. Testtheorie 4.. Nullhypothese, Gegenhypothese und Entscheidung ypothesen Annahmen über die Verteilung oder über einzelne arameter der Verteilung eines Merkmals
MehrProtokoll Grundpraktikum: F0: Auswertung und Präsentation von Messdaten
Protokoll Grundpraktikum: F0: Auswertung und Präsentation von Messdaten Sebastian Pfitzner 19. Februar 013 Durchführung: Sebastian Pfitzner (553983), Jannis Schürmer (5589) Betreuer: N. Haug Versuchsdatum:
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 5.5.2006 1 Ausgangslage Wir können Schätzen (z.b. den Erwartungswert) Wir können abschätzen, wie zuverlässig unsere Schätzungen sind: In welchem Intervall
MehrObservatoriumspraktikum WS 2006/07. Teil 1 CCD-Kamera Dunkelstrombestimmung
Observatoriumspraktikum WS 2006/07 Teil 1 CCD-Kamera Dunkelstrombestimmung Matr. Nr.: 04000944 Christoph Saulder Theorie Eine CCD (Charge-coupled Device) ist ein Photodetektor, welcher ein Signal, welches
MehrKapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen Induktive Statistik Prof. Dr. W.-D. Heller
MehrWahrscheinlichkeit und Statistik BSc D-INFK
Prof. Dr. P. Bühlmann ETH Zürich Winter 2010 Wahrscheinlichkeit und Statistik BSc D-INFK 1. (10 Punkte) Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete
MehrDie neue DIN A51 zur linearen Kalibrierung von Analysenverfahren
Die neue DIN 38402 - A51 zur linearen Kalibrierung von Analysenverfahren Dank an Frau Gerhild Donnevert, Technische Hochschule Mittelhessen. Viele der folgenden Folien basieren auf einem ihrer Vorträge
MehrHinweise zum praktischen Experimentieren. RüdigerScholz/April 2014/1
Hinweise zum praktischen Experimentieren RüdigerScholz/April 014/1 Grundlagen der Messtechnik Messen und Auswerten Gefahrenquellen Messunsicherheiten und Statistik RüdigerScholz/April 014/ Messen und Auswerten
Mehr1. Auszug: Numerische Differentiation
Carl-Engler-Schule Karlsruhe Auszug aus MDV II: Signalanalyse 1 (7) 1. Auszug: Numerische Differentiation 1.1 Zweck des Verfahrens Die Differentiation lässt sich geometrisch als Steigungsbestimmung beschreiben.
MehrDeskriptive Beschreibung linearer Zusammenhänge
9 Mittelwert- und Varianzvergleiche Mittelwertvergleiche bei k > 2 unabhängigen Stichproben 9.4 Beispiel: p-wert bei Varianzanalyse (Grafik) Bedienungszeiten-Beispiel, realisierte Teststatistik F = 3.89,
MehrNeues aus dem Bereich der Meta-Normen aus der A-Reihe DEV
18. Jahrestagung Trinkwasserringversuche Nordrhein-Westfalen Niedersachsen 02. März 2017 Neues aus dem Bereich der Meta-Normen aus der A-Reihe DEV - Kalibrierung, Nachweisgrenze und Co. - 1 Gliederung:
MehrVersuch 11 Einführungsversuch
Versuch 11 Einführungsversuch I Vorbemerkung Ziel der Einführungsveranstaltung ist es Sie mit grundlegenden Techniken des Experimentierens und der Auswertung der Messdaten vertraut zu machen. Diese Grundkenntnisse
MehrJost Reinecke. 7. Juni 2005
Universität Bielefeld 7. Juni 2005 Testtheorie Test für unabhängige Stichproben Test für abhängige Stichproben Testtheorie Die Testtheorie beinhaltet eine Reihe von Testverfahren, die sich mit der Überprüfung
MehrWahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
MehrWahrscheinlichkeit 1-α: richtige Entscheidung - wahrer Sachverhalt stimmt mit Testergebnis überein. Wahrscheinlichkeit α: falsche Entscheidung -
wahrer Sachverhalt: Palette ist gut Palette ist schlecht Entscheidung des Tests: T K; Annehmen von H0 ("gute Palette") positive T > K; Ablehnen von H0 ("schlechte Palette") negative Wahrscheinlichkeit
MehrDer Modus ist. Der Median ist. 3. Übung. Aufgabe 1. a) der häufigste Wert. b) der Wert unter dem 50 % aller anderen Werte liegen.
3. Übung Aufgabe 1 Der Modus ist a) der häufigste Wert. b) der Wert unter dem 50 % aller anderen Werte liegen. c) der Durchschnitt aller Werte. d) der Wert mit der größten Häufigkeitsdichte. e) der Schwerpunkt
MehrPRAKTIKUM Grundlagen der Messtechnik. VERSUCH GMT 01 Auswertung von Messreihen
1 Fachbereich: Fachgebiet: Maschinenbau Mess-, Steuerungs- und Regelungstechnik Prof. Dr.-Ing. habil. Michael Kaufmann PRAKTIKUM Grundlagen der Messtechnik VERSUCH GMT 01 Auswertung von Messreihen Version
MehrDas Konfidenzintervall (Confidence Interval CI) Vertrauen schaffen, Signifikanz erkennen Autor: Beat Giger
QUALITY APPs Applikationen für das Qualitätsmanagement Testen und Anwenden Das Konfidenzintervall (Confidence Interval CI) Vertrauen schaffen, Signifikanz erkennen Autor: Beat Giger Das Konfidenzintervall
MehrDatenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse (PHY23) Herbstsemester 207 Olaf Steinkamp 36-J-05 olafs@physik.uzh.ch 044 63 55763 Vorlesungsprogramm Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung
MehrStatistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg
Statistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg Prof. Markus Schumacher, Dr. Stan Lai Physikalisches Institut Westbau 2 OG Markus.Schumacher@physik.uni-freiburg.de
MehrTesten von Hypothesen:
Testen von Hypothesen: Ein Beispiel: Eine Firma produziert Reifen. In der Entwicklungsabteilung wurde ein neues Modell entwickelt, das wesentlich ruhiger läuft. Vor der Markteinführung muss aber auch noch
MehrLösungen zu den Übungsaufgaben in Kapitel 10
Lösungen zu den Übungsaufgaben in Kapitel 10 (1) In einer Stichprobe mit n = 10 Personen werden für X folgende Werte beobachtet: {9; 96; 96; 106; 11; 114; 114; 118; 13; 14}. Sie gehen davon aus, dass Mittelwert
MehrNachgefragte Aufgaben über spezifische Themen
Nachgefragte Aufgaben über spezifische Themen Aufgabe, Quiz 5 Macht und Fehler er/2er Art Frage a) Angenommen, bei einem Binomialtest ist das Signifikanzniveau 5%. Die Macht ist dann 95% Antwort und Erklärtung
MehrPräzision in der Analytik Ein unentbehrlicher Teil der Methodenvalidierung
Abacus Validation Systems Präzision in der Analytik Ein unentbehrlicher Teil der Methodenvalidierung Joachim Pum, MMed (Univ. Pretoria) 2008 Definition Präzision ist das Maß für die Streuung von Analysenergebnissen
MehrCEN/TR Neue Leitlinie zur Ergänzung der DIN EN QAL2
CEN/TR 15983 Neue Leitlinie zur Ergänzung der DIN EN 14181 QAL2 Dr. Norbert Ullrich Immissionsschutz und Umwelt aktuell, München, 25.10.2010 TÜV SÜD Industrie Service GmbH DIN EN 14181 Allgemeine Gliederung
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage
MehrModul 141 Statistik. 1. Studienjahr 11. Sitzung Signifikanztests
Modul 141 Statistik 1. Studienjahr 11. Sitzung Signifikanztests Inhalt der 11. Sitzung 1. Parametrische Signifikanztests 2. Formulierung der Hypothesen 3. Einseitige oder zweiseitige Fragestellung 4. Signifikanzniveau
Mehr2.4 Hypothesentests Grundprinzipien statistischer Hypothesentests. Hypothese:
2.4.1 Grundprinzipien statistischer Hypothesentests Hypothese: Behauptung einer Tatsache, deren Überprüfung noch aussteht (Leutner in: Endruweit, Trommsdorff: Wörterbuch der Soziologie, 1989). Statistischer
Mehr