Lösungsskizzen zur Präsenzübung 02
|
|
- Adolph Hofmann
- vor 5 Jahren
- Abrufe
Transkript
1 Lösungsskizzen zur Präsenzübung 02 Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 20/2016 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 09. November 20 von: Mirko Getzin Homepage: Tutor zur Vorlesung Anwendungen der Mathematik im Wintersemester 20/2016. Keine Gewähr auf vollständige Richtigkeit und Präzision aller (mathematischen) Aussagen. Das Dokument hat lediglich den Anspruch, eine Hilfestellung beim Verständnis der Vorlesungsinhalte darzustellen und Lösungsideen für die Aufgaben möglichst vollständig (bis auf Ausnahmen) zu skizzieren. Eine Veröffentlichung oder Vervielfältigung ist nur nach Rücksprache mit dem Urheber dieses Dokuments erlaubt. Angehängt befindet sich das Aufgabenblatt, sowie der pdf-ausdruck von verwendeten Tabellenblättern. Die Tabellenblätter sind im ods-format auf der unten angegebenen Homepage zu finden. 1
2 Lösungsskizzen Lösung zur Aufgabe 1. In dem Beweis wird die definierende Eigenschaft eines Streumaßes für das Beispiel der Varianz nachgerechnet, so dass man schließlich folgern kann, dass die Varianz ein Streumaß ist. Beim ersten Gleichheitszeichen und beim letzten Gleichheitszeichen geht jeweils die Definition der Varianz ein, jeweils angewandt auf die verschiedenen Stichproben. Das verbindende Gleichheitszeichen gilt, weil das arithmetische Mittel ein Lagemaß ist und deshalb die Eigenschaft (*) erfüllt. Es gilt folglich x a = x + a, (0.1) da die zweite Stichprobe aus der bekannten Transformation (+a zu allen Stichprobenwerten) der ersten Stichprobe hervorgeht. Einsetzen dieser Gleichung liefert die Behauptung. Da wir a R beliebig betrachten, gilt die Aussage s 2 = s 2 a letztlich für alle reellen Zahlen a und damit ist die Definition erfüllt. Lösung zur Aufgabe 2. Sei x 1,..., x n die Urliste und x 1,..., x n die transformierte Urliste, so dass x i = x i + a für ein festes a R gilt. Da der Median und das arithmetische Mittel Lagemaße sind, erfüllen sie die Eigenschaft (*), das heißt x = x + a und x 0,5 = x 0,5 + a. Mit diesen Eigenschaften erhalten wir für i = 1,..., n in den Definitionen der Streumaße x i x = x i + a x a = x i x und x i x 0,5 = x i + a x 0,5 a = x i x 0,5 (0.2) Durch Einsetzen der Gleichungen 0.2 erhält man analog zu Aufgabe 1 den Beweis für jede Kennzahl der Streuung, die in der Vorlesung thematisiert wurden. Lösung zur Aufgabe 3. Achtung, in der Aufgabe befindet sich ein Tippfehler. Der Punkt in der gegebenen Urliste sollte ein Komma sein. Richtig lautet es also 1, 6, 2, 0, 0, 5, 2, 1, 8, 4, 0, 12, 1, 0, 3. Wir berechnen nun alle bekannten Streumaße (vergleiche A2) für diese Stichprobe. Hierzu sortieren wir die Urliste aufsteigend und erhalten 5, 4, 3, 2, 1, 0, 0, 0, 0, 1, 1, 2, 6, 8, 12. 2
3 Dann ist der Stichprobenumfang n =. Weiter ist x min = 5 und x max = 12 und der Median x 0,5 = x 9 = 0 und das arithmetische Mittel x = 1. Daraus bestimmen wir die Streumaße. Spannweite: x max x min = 12 ( 5) = 17 p-quantilsabstand: Wir berechnen exemplarisch den Quartilsabstand, das heißt für p = 1/4 den p-quantilsabstand. x 1/4 = 2, x 3/4 = 2. Dann erhalten wir 2 ( 2) = 4 als Quartilsabstand. Medianabweichung: Da der Median hier x 0,5 = 0 ist, ist die Medianabweichung gleich dem Median der Absolutbeträge aller Elemente der Urliste, also 2. Mittlere absolute Abweichung vom Median: s = 1 x i 0 = 3. Mittlere absolute Abweichung vom arithmetischen Mittel: x = 1 x i x = 48 = 3, 2. Varianz: s 2 = 1 (x i 1) 2 = , 33. Standardabweichung: s = s 2 4, 40. 3
4 Relevante Sachzusammenhänge Bei der Bearbeitung dieses Aufgabenblattes sind folgende Definitionen, Sätze und Formeln relevant. Einige der folgenden Inhalte müssen nicht bei der Bearbeitung der Aufgaben verwendet werden, jedoch erleichtern sie das Bearbeiten unter Umständen. Definition 0.1 (Streumaß). Vergleiche 1c) im Leitfaden zur Vorlesung. Beispiel 0.2 (Streumaße). 4
5 Universität Bielefeld Wintersemester 20/16 G. Elsner Präsenzübungen zur Vorlesung Anwendungen der Mathematik Blatt 2 Aufgabe 1 Die Varianz ist ein Streumaß. Betrachten Sie den folgenden Beweis dieser Aussage, arbeiten Sie ihn Schritt für Schritt durch und diskutieren Sie jeden einzelnen Schritt in Zweier- oder Dreiergruppen. Sei s 2 die Varianz und x das arithmetische Mittel der Stichprobe x 1,..., x n und s 2 a die Varianz und x a das arithmetische Mittel der Stichprobe x 1 + a, x 2 + a,..., x n + a für eine beliebige reelle Zahl a. Dann gilt: s 2 a = n ( ) 2 n (xi + a) x a = (x i x) 2 = s 2 Aufgabe 2 Beweisen Sie, dass die in der Vorlesung eingeführten Kennzahlen für die Streuung einer Stichprobe Streumaße im Sinne der Definition in der Vorlesung sind (vgl. Aufgabe 1). Aufgabe 3 Bestimmen Sie zu der nachfolgenden Stichprobe alle in der Vorlesung eingeführten Streumaße! 1, 6, 2, 0, 0, 5, 2, 1, 8, 4.0, 12, 1, 0, 3 5
Lösungsskizzen zur Präsenzübung 01
Lösungsskizzen zur Präsenzübung 01 Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 2015/2016 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 02. November 2015 von:
MehrLösungsskizzen zur Präsenzübung 04
Lösungsskizzen zur Präsenzübung 04 Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 2015/2016 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 23. November 2015 von:
MehrLösungsskizzen zur Präsenzübung 09
Lösungsskizzen zur Präsenzübung 09 Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 2015/2016 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 07. Februar 2016 von:
MehrLösungsskizzen zur Präsenzübung 11
Lösungsskizzen zur Präsenzübung Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 05/06 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 07. Februar 06 von: Mirko
MehrLösungsskizzen zur Präsenzübung 03
Lösungsskizzen zur Präsenzübung 03 Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 2015/2016 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 16. November 2015 von:
MehrLösungsskizzen zur Präsenzübung 08
Lösungsskizzen zur Präsenzübung 08 Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 015/016 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 07. Februar 016 von:
MehrLösungsskizzen zur Präsenzübung 05
Lösungsskizzen zur Präsenzübung 0 Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 201/2016 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 01. Dezember 201 von:
MehrLösungsskizzen zur Präsenzübung 03
Lösungsskizzen zur Präsenzübung 03 Mirko Getzin Universität Bielefeld Fakultät für Mathematik 02. Mai 2014 Keine Gewähr auf vollständige Richtigkeit und Präzision aller (mathematischen) Aussagen. Das Dokument
MehrLösungsskizzen zur Präsenzübung 07
Lösungsskizzen zur Präsenzübung 07 Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 2015/2016 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 14. Dezember 2015 von:
MehrLösungsskizzen zur Präsenzübung 02
Lösungsskizzen zur Präsenzübung 02 Mirko Getzin Universität Bielefeld Fakultät für Mathematik 24. April 2014 Keine Gewähr auf vollständige Richtigkeit und Präzision aller (mathematischen) Aussagen. Das
MehrLösungsskizzen zur Präsenzübung 04
Lösungsskizzen zur Präsenzübung 04 Mirko Getzin Universität Bielefeld Fakultät für Mathematik 09. Mai 204 Keine Gewähr auf vollständige Richtigkeit und Präzision aller (mathematischen) Aussagen. Das Dokument
MehrLösungen zum Übungsblatt 7
Lösungen zum Übungsblatt 7 Mirko Getzin Universität Bielefeld Fakultät für Mathematik 5. Dezember 203 Ich gebe keine Gewähr auf eine vollständige Richtigkeit der Lösungen zu den Übungsaufgaben. Das Dokument
MehrBeispielaufgaben rund um Taylor
Beispielaufgaben rund um Taylor Mirko Getzin Universität Bielefeld Fakultät für Mathematik 19. Februar 014 Keine Gewähr auf vollständige Richtigkeit und perfekter Präzision aller (mathematischen) Aussagen.
MehrLösungsskizzen zur Präsenzübung 06
Lösungsskizzen zur Präsenzübung 06 Mirko Getzin Universität Bielefeld Fkultät für Mthemtik 23. Mi 2014 Keine Gewähr uf vollständige Richtigkeit und Präzision ller (mthemtischen) Aussgen. Ds Dokument ht
MehrZusammenhang von Stetigkeit, Differenzierbarkeit und stetiger Differenzierbarkeit
Zusammenhang von Stetigkeit, Differenzierbarkeit und stetiger Differenzierbarkeit Mirko Getzin Universität Bielefeld Fakultät für Mathematik 01. Februar 2014 Keine Gewähr auf vollständige Richtigkeit und
MehrBeschreibende Statistik Eindimensionale Daten
Mathematik II für Biologen 16. April 2008 Stichproben Geordnete Stichprobe Rang Maße für die mittlere Lage der Daten Robustheit Quantile Maße für die Streuung der Daten Erkennung potentieller Eindimensionales
MehrErklärungen zum Binomialkoeffizienten
Erklärungen zum Binomialkoeffizienten Mirko Getzin Universität Bielefeld Fakultät für Mathematik 5. November 01 Keine Gewähr auf vollständige Richtigkeit und perfekter Präzision aller (mathematischen)
MehrStatistik eindimensionaler Größen
Statistik eindimensionaler Größen Michael Spielmann Inhaltsverzeichnis 1 Aufgabe der eindimensionalen Statistik 2 2 Grundbegriffe 2 3 Aufbereiten der Stichprobe 3 4 Die Kennzahlen Mittelwert und Streuung,
Mehr4 Spezifizierende Beschreibung empirischer Verteilungen
4 Spezifizierende Beschreibung empirischer Verteilungen 55 4 Spezifizierende Beschreibung empirischer Verteilungen 4.1 Spezifika empirischer Verteilungen 59 4.2 Lagekennwerte 63 4.2.1 Arithmetisches Mittel
MehrAbsprachen / Hinweise
Funktionen Funktionen und ihre Darstellungen Wiederholung bekannter Funktionen (Quadratische Funktionen, Exponentialfunktionen, Sinusfunktionen) Potenzfunktionen Differentialrechnung Durchschnittliche
MehrÜbungsblatt 3 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker
Übungsblatt 3 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker 08.11.01 Modell Temperatur unter Last Anschluss in Grad Celsius in Grad Fahrenheit Corsair Force 10
MehrHerzlich willkommen zur Vorlesung Statistik. Streuungsmaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung
FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkommen zur Vorlesung Statistik smaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung FB 1 W. Ludwig-Mayerhofer
MehrProf. Dr. Elmar Grosse-Klönne Institut für Mathematik
Prof. Dr. Elmar Grosse-Klönne Institut für Mathematik Lineare Algebra Analytische Geometrie I* Übungsaufgaben, Blatt Musterlösungen Aufgabe. Es seien A, B, C Teilmengen einer Menge X. Zeige: i A B C =
MehrDas arithmetische Mittel. x i = = 8. x = 1 4. und. y i = = 8
.2 Einige statistische Maßzahlen.2. Die Schusser in zwei Familien Die vier Kinder der Familie Huber haben x = 5, x 2 = 7, x 3 = 9, x 4 = Schusser. Die vier Kinder der Familie Maier haben y = 7, y 2 = 7,
MehrKapitel 1 Beschreibende Statistik
Beispiel 1.25: fiktive Aktienkurse Zeitpunkt i 0 1 2 Aktienkurs x i 100 160 100 Frage: Wie hoch ist die durchschnittliche Wachstumsrate? Dr. Karsten Webel 53 Beispiel 1.25: fiktive Aktienkurse (Fortsetzung)
MehrSchulinternes Curriculum 11 Jg. (Einführungsphase) Thema Kompetenzen Methoden Fachspezifische
Fachbereich MATHEMATIK GYMNASIUM ISERNHAGEN Schulinternes Curriculum 11 Jg. (Einführungsphase) Thema Kompetenzen Methoden Fachspezifische Kriterien Funktionen Potenzfunktionen - Mit natürlichen Exponenten
Mehrabsolute Häufigkeit h: Anzahl einer bestimmten Note relative Häufigkeit r: Anzahl einer bestimmten Note, gemessen an der Gesamtzahl der Noten
Statistik Eine Aufgabe der Statistik ist es, Datenmengen zusammenzufassen und darzustellen. Man verwendet dazu bestimmte Kennzahlen und wertet Stichproben aus, um zu Aussagen bzw. Prognosen über die Gesamtheit
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
MehrGrundlagen der Wahrscheinlichkeitstheorie und Statistik für Studierende der Informatik
INSTITUT FÜR STOCHASTIK WS 2007/08 UNIVERSITÄT KARLSRUHE Blatt 1 Dr. B. Klar Übungen zur Vorlesung Grundlagen der Wahrscheinlichkeitstheorie und Statistik für Studierende der Informatik Musterlösungen
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
MehrLösungen zum Übungsblatt 5
Lösungen zum Übungsblatt 5 Mirko Getzin Universität Bielefeld Fakultät für Mathematik. Dezember 203 Ich gebe keine Gewähr auf eine vollständige Richtigkeit der Lösungen zu den Übungsaufgaben. Das Dokument
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
MehrHauscurriculum im Fach Mathematik für die Einführungsphase nach G9
... Hauscurriculum im Fach Mathematik für die Einführungsphase nach G9 Stand: April 2017 Anzahl wöchentlicher Unterrichtstunden... 2 Leistungsbewertung... 3 Lehrbuch... 4 Digitale Mathematikwerkzeuge in
Mehra) x = 1150 ; x = 950 ; x = 800 b) Die Lagemaße unterscheiden sich voneinander. c) Der Median charakterisiert die Stichprobe am besten.
R. Brinkmann http://brinkmann-du.de Seite 6.0.2009 Lösungen Mittelwert, Median II se: E E2 E3 E4 E5 E6 a) Notendurchschnitt 2,6 b) Säulendiagramm siehe ausführliche Lösung. c) Kreisdiagramm siehe ausführliche
Mehr3.2 Streuungsmaße. 3 Lage- und Streuungsmaße 133. mittlere Variabilität. geringe Variabilität. große Variabilität 0.0 0.1 0.2 0.3 0.4 0.
Eine Verteilung ist durch die Angabe von einem oder mehreren Mittelwerten nur unzureichend beschrieben. Beispiel: Häufigkeitsverteilungen mit gleicher zentraler Tendenz: geringe Variabilität mittlere Variabilität
MehrVerfahren für metrische Variable
Verfahren für metrische Variable Grafische Methoden Histogramm Mittelwertsplot Boxplot Lagemaße Mittelwert, Median, Quantile Streuungsmaße Standardabweichung, Interquartilsabstand Lagemaße und Streumaße
MehrErnst Klett Verlag GmbH, Stuttgart 2017 Alle Rechte vorbehalten Von dieser Druckvorlage ist die Vervielfältigung für den eigenen Unterrichtsgebrauch
Ernst Klett Verlag GmbH, Stuttgart 2017 Alle Rechte vorbehalten Von dieser Druckvorlage ist die Vervielfältigung für den eigenen Unterrichtsgebrauch gestattet. Seite 1 Ernst Klett Verlag GmbH, Stuttgart
MehrWeitere Lagemaße: Quantile/Perzentile I
3 Auswertung von eindimensionalen Daten Lagemaße 3.3 Weitere Lagemaße: Quantile/Perzentile I Für jeden Median x med gilt: Mindestens 50% der Merkmalswerte sind kleiner gleich x med und ebenso mindestens
MehrDer Mittelwert (arithmetisches Mittel)
Der Mittelwert (arithmetisches Mittel) x = 1 n n x i bekanntestes Lagemaß instabil gegen extreme Werte geeignet für intervallskalierte Daten Deskriptive Statistik WiSe 2015/2016 Helmut Küchenhoff (Institut
MehrBeispiel 4 (Einige weitere Aufgaben)
1 Beispiel 4 (Einige weitere Aufgaben) Aufgabe 1 Bestimmen Sie für die folgenden Zweierstichproben, d. h. Stichproben, die jeweils aus zwei Beobachtungen bestehen, a) den Durchschnitt x b) die mittlere
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
MehrIn den letzten zwei Abschnitten wurde die tatsächliche Häufigkeitsverteilung bzw. prozentuale Häufigkeitsverteilung abgehandelt.
.3.3 Theoretisch-prozentuale Häufigkeitsverteilung In den letzten zwei Abschnitten wurde die tatsächliche Häufigkeitsverteilung bzw. prozentuale Häufigkeitsverteilung abgehandelt. Charakteristisch für
MehrGrundlagen der Mathematik
Universität Hamburg Winter 2016/17 Fachbereich Mathematik Janko Latschev Lösungsskizzen 3 Grundlagen der Mathematik Präsenzaufgaben (P4) Wir betrachten die Menge M := P({1, 2, 3, 4}). Dann gilt 1 / M,
MehrLösungen. w58r4p Lösungen. w58r4p. Name: Klasse: Datum:
Testen und Fördern Name: Klasse: Datum: 1) Ermittle jeweils das arithmetische Mittel. Ordne die Datenerhebungen nach der Größe der arithmetischen Mittel. Beginne mit dem Größten. 45, 39, 44, 48, 42, 39,
MehrMathematik 3 für Informatik
Gunter Ochs Wintersemester 20/6 Mathematik 3 für Informatik Lösungen zum Hausaufgabenblatt 4 Lösungshinweise (ohne Ganantie auf Fehlerfreiheit. Wenn man beim Roulette auf Rot oder Schwarz setzt, erhält
MehrKapitel 3: Lagemaße. Ziel. Komprimierung der Daten zu einer Kenngröße, welche die Lage, das Zentrum der Daten beschreibt
Kapitel 3: Lagemaße Ziel Komprimierung der Daten zu einer Kenngröße, welche die Lage, das Zentrum der Daten beschreibt Dr. Matthias Arnold 52 Definition 3.1 Seien x 1,...,x n Ausprägungen eines kardinal
MehrAlgorithmische Mathematik I
Algorithmische Mathematik I Wintersemester 2011 / 2012 Prof. Dr. Sven Beuchler Peter Zaspel Übungsblatt zur Wiederholung Teil 1. Abgabe am -. Aufgabe 1. a) Was ist eine B-adische Darstellung mit fixer
MehrLösung: 3. Übung zur Vorlesung Höhere Mathematik 1
Prof. Dr. R. Plato J. Hauen. Übung zur Vorlesung Höhere Mathematik Wintersemester /9 Aufgabe ( Punkte (+)). Lösen Sie die folgenden Gleichungen: z = 9 z + z + 9 = / z = 9 =( ) 9 = i = (i) z, = ±i Alternativ
MehrStatistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
Mehrbenötigen. Die Zeit wird dabei in Minuten angegeben und in einem Boxplot-Diagramm veranschaulicht.
, D 1 Kreuze die richtige Aussage an und stelle die anderen Aussagen richtig. A Das arithmetische Mittel kennzeichnet den mittleren Wert einer geordneten Datenliste. B Die Varianz erhält man, wenn man
Mehr5 Erwartungswerte, Varianzen und Kovarianzen
47 5 Erwartungswerte, Varianzen und Kovarianzen Zur Charakterisierung von Verteilungen unterscheidet man Lageparameter, wie z. B. Erwartungswert ( mittlerer Wert ) Modus (Maximum der Wahrscheinlichkeitsfunktion,
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
MehrÜbungsaufgaben zu Partielle Differentialgleichungen Blatt III vom
Prof. Dr. M. Kaßmann Fakultät für Mathematik Wintersemester 2011/2012 Universität Bielefeld Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom 27.10.2011 Aufgabe III.1 (4 Punkte) Sei Ω R
MehrProbeklausur zu Mathematik 3 für Informatik
Gunter Ochs Juli 0 Probeklausur zu Mathematik für Informatik Lösungshinweise wie immel ohne Galantie auf Fehreleiheit Sei f ln a Berechnen Sie die und die Ableitung f und f Mit der Produktregel erhält
MehrGrundlagen der. h Rückblick. Dr. K. Krüger. Grundwissen Mathematik
Grundlagen der Schulmathematik h Rückblick Sommersemester 2009 Dr. K. Krüger Grundwissen Mathematik (DGS) Folie aus der 1. Vorlesung Inhalte 1. Beschreibende Statistik Mauna Loa Co2 1200 Streudiagramm
Mehr1 45, 39, 44, 48, 42, 39, 40, , 31, 46, 35, 31, 42, 51, , 42, 33, 46, 33, 44, 43
1) Ermittle jeweils das arithmetische Mittel. Ordne die Datenerhebungen nach der Größe der arithmetischen Mittel. Beginne mit dem Größten. 1 45, 39, 44, 48, 42, 39, 40, 31 2 35, 31, 46, 35, 31, 42, 51,
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 20. Oktober 2010 1 empirische Verteilung 2 Lageparameter Modalwert Arithmetisches Mittel Median 3 Streuungsparameter
MehrKorrelation, Regression und Signifikanz
Professur Forschungsmethodik und Evaluation in der Psychologie Übung Methodenlehre I, und Daten einlesen in SPSS Datei Textdaten lesen... https://d3njjcbhbojbot.cloudfront.net/api/utilities/v1/imageproxy/https://d15cw65ipcts
MehrEine zweidimensionale Stichprobe
Eine zweidimensionale Stichprobe liegt vor, wenn zwei qualitative Merkmale gleichzeitig betrachtet werden. Eine Urliste besteht dann aus Wertepaaren (x i, y i ) R 2 und hat die Form (x 1, y 1 ), (x 2,
MehrZahlen 25 = = 0.08
2. Zahlen Uns bisher bekannte Zahlenbereiche: N Z Q R ( C). }{{} später Schreibweisen von rationalen/reellen Zahlen als unendliche Dezimalbrüche = Dezimalentwicklungen. Beispiel (Rationale Zahlen) 1 10
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine Universität Düsseldorf 19. Oktober 2009 Hinweise Internetseite zur Vorlesung: http://blog.ruediger-braun.net Dort können Sie Materialien
MehrBiostatistik, Sommer 2017
1/51 Biostatistik, Sommer 2017 Wahrscheinlichkeitstheorie: Verteilungen, Kenngrößen Prof. Dr. Achim Klenke http://www.aklenke.de 8. Vorlesung: 09.06.2017 2/51 Inhalt 1 Verteilungen Normalverteilung Normalapproximation
MehrMathematik für Naturwissenschaften, Teil 2
Lösungsvorschläge für die Aufgaben zur Vorlesung Mathematik für Naturwissenschaften, Teil Zusatzblatt SS 09 Dr. J. Schürmann keine Abgabe Aufgabe : Eine Familie habe fünf Kinder. Wir nehmen an, dass die
MehrLösung Aufgabe 19. ( ) = [Mio Euro]. Empirische Varianz s 2 = 1 n
Statistik I für Statistiker, Mathematiker und Informatiker Lösungen zu Blatt 4 Gerhard Tutz, Jan Ulbricht, Jan Gertheiss WS 07/08 Lösung Aufgabe 9 (a) Lage und Streuung: Arithmetisches Mittel x = n i=
MehrDeskriptivstatistik a) Univariate Statistik Weiters zum Thema der statistischen Informationsverdichtung
20 Weiters zum Thema der statistischen Informationsverdichtung M a ß z a h l e n Statistiken bei Stichproben Parameter bei Grundgesamtheiten Maßzahlen zur Beschreibung univariater Verteilungen Maßzahlen
Mehr3. Deskriptive Statistik
3. Deskriptive Statistik Eindimensionale (univariate) Daten: Pro Objekt wird ein Merkmal durch Messung / Befragung/ Beobachtung erhoben. Resultat ist jeweils ein Wert (Merkmalsausprägung) x i : - Gewicht
MehrStatistik I für Betriebswirte Vorlesung 9
Statistik I für Betriebswirte Vorlesung 9 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 06. Juni 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrSchulinterner Stoffverteilungsplan Mathematik. auf der Basis des Schulbuchs EdM (Schroedel) Einführungsphase (G9) Arbeitsfassung Stand
Seite 1 Gymnasium Neu Wulmstorf r Stoffverteilungsplan Mathematik auf der Basis des Schulbuchs EdM (Schroedel) Einführungsphase (G9) Arbeitsfassung Stand 26.04.2018 Vorbemerkung: Da der Kompetenzerwerb
MehrMathematik für Informatiker I. Musterlösungen zum Hausübungsblatt 5. Aufgabe 1. Christoph Eisinger Wintersemester 2010/11
Mathematik für Informatiker I Christoph Eisinger Wintersemester 2010/11 Musterlösungen zum Hausübungsblatt 5 Aufgabe 1 (a) Additionstafel in Z 7 : + [0] [1] [2] [3] [4] [5] [6] [0] [0] [1] [2] [3] [4]
Mehr1 Grundlagen statistischer Versuchsauswertung
1 Grundlagen statistischer Versuchsauswertung 1.1 Statistische Daten Schon vor der Erhebung von Daten sollten erste statistische Überlegungen mit in das Erhebungsprogramm aufgenommen werden. Primäres Ziel
MehrDas harmonische Mittel
Das harmonische Mittel x H := 1 1 n n 1 x i Das harmonische Mittel entspricht dem Mittel durch Transformation t 1 t Beispiel: x 1,..., x n Geschwindigkeiten, mit denen konstante Wegstrecken l zurückgelegt
MehrInhaltsverzeichnis DESKRIPTIVE STATISTIK. 1 Grundlagen Grundbegriffe Skalen... 15
Inhaltsverzeichnis 1 Grundlagen... 13 1.1 Grundbegriffe...13 1.2 Skalen... 15 DESKRIPTIVE STATISTIK 2 Eindimensionale Häufigkeitsverteilungen...16 2.1 Häufigkeiten... 16 2.1.1 Grundbegriffe... 16 2.1.2
MehrBeispiel 2 (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter)
Beispiel (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter) 1 Ein Statistiker ist zu früh zu einer Verabredung gekommen und vertreibt sich nun die Zeit damit, daß er die Anzahl X der Stockwerke
MehrSBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf. SBP Mathe Aufbaukurs 1
SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf SBP Mathe Aufbaukurs 1 # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit. Das
Mehry = y = 2'500 Darstellung in Grafik: P 2 (800 2'500) x (Stk) 1'000
. Kostenfunktion a) Vorgaben und Fragestellung Über die Herstellungskosten eines Produkts ist folgendes bekannt: Die variablen Material- und Lohnkosten betragen CHF. pro Stück. Die Fikosten belaufen sich
MehrBachelor BEE Statistik Übung: Blatt 1 Ostfalia - Hochschule für angewandte Wissenschaften Fakultät Versorgungstechnik Aufgabe (1.1): Gegeben sei die folgende Messreihe: Nr. ph-werte 1-10 6.4 6.3 6.7 6.5
Mehr3) Lagemaße: Mittelwert, Median, Modus
Thema: Beschreibende Statistik LE.1: 40 min Seite 9 3) Lagemaße: Mittelwert, Median, Modus Lagemaße In der beschreibenden Statistik werden Daten erhoben. Diese Daten weisen eine bestimmte Verteilung auf.
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
Mehrtextlichen Problem heraus. Hier folgt nun ein zugegebenermaßen etwas künstliches Problem :
Schule Bundesgymnasium für Berufstätige Salzburg Thema Personen Mathematik 1 -Arbeitsblatt 11: GLEICHUNGEN UND ÄQUIVALENZUMFORMUNGEN 1F Wintersemester 01/01 Unterlagen: LehrerInnenteam GFB Mathematische
Mehr(x i x) 2. (x i a) 2, x i x med. x i a. i=1. 3 Lage- und Streuungsmaße 134
Lagemaße als Lösung eines Optimierungsproblems 3.1 Lagemaße Gegeben sei die Urliste x 1,...,x n eines intervallskalierten Merkmals X, die zu einer Zahl a zusammengefasst werden soll. Man könnte sagen,
MehrZentrale Abschlussprüfung Sekundarstufe I
Die Senatorin für Kinder und Bildung Freie Hansestadt Bremen Zentrale Abschlussprüfung Sekundarstufe I Erweitertes Anforderungsniveau 2017 Mathematik (A) Teil 1 Taschenrechner und Formelsammlung sind nicht
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
Mehr1 GRUNDLAGEN Grundbegriffe Skalen...15
Inhaltsverzeichnis 1 GRUNDLAGEN...13 1.1 Grundbegriffe...13 1.2 Skalen...15 DESKRIPTIVE STATISTIK 2 EINDIMENSIONALE HÄUFIGKEITSVERTEILUNGEN...16 2.1 Häufigkeiten...16 2.1.1 Grundbegriffe...16 2.1.2 Klassieren
MehrW-Rechnung und Statistik für Ingenieure Übung 4
W-Rechnung und Statistik für Ingenieure Übung 4 Aufgabe 1 : Zementdaten Lösung in R: Lade den Datensatz SETTING.DAT: Die erste Spalte von setting gibt die prozentualen Anteile von a wieder, die Zweite
MehrDie erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man:
Die erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man: a) Die absoluten Häufigkeit: Sie gibt an, wie oft ein Variablenwert vorkommt b) Die relative Häufigkeit: Sie erhält
MehrHM I Tutorium 2. Lucas Kunz. 3. November 2016
HM I Tutorium 2 Lucas Kunz 3. November 2016 Inhaltsverzeichnis 1 Theorie 2 1.1 Reelle Zahlen.................................. 2 1.2 Intervalle..................................... 2 1.3 Beträge.....................................
Mehr(a) Richtig, die Varianz ist eine Summe quadratischer Größen.
Aufgabe Welche der folgenden Aussagen sind richtig? (a) Richtig, die Varianz ist eine Summe quadratischer Größen. (b) Falsch, die Abweichung ordinaler Merkmale vom Median ist nicht definiert - also auch
MehrDie ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist.
.3. Stochastik Grundlagen Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist. Die RELATIVE HÄUFIGKEIT einer Merkmalsausprägung gibt an mit welchem Anteil
MehrEinführung in die computergestützte Datenanalyse
Karlheinz Zwerenz Statistik Einführung in die computergestützte Datenanalyse 6., überarbeitete Auflage DE GRUYTER OLDENBOURG Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL
Mehr$Id: reell.tex,v /10/28 14:16:56 hk Exp hk $ Axiome genannt, bei den reellen Zahlen haben wir dann die
$Id: reell.tex,v 1.14 2013/10/28 14:16:56 hk Exp hk $ 1 Die reellen Zahlen Wir wollen diese Vorlesung mit den reellen Zahlen beginnen, diese sind die normalen Zahlen und man kann sie sich etwa als alle
MehrSTATISTIK I Übung 04 Spannweite und IQR. 1 Kurze Wiederholung. Was sind Dispersionsparameter?
STATISTIK I Übung 04 Spannweite und IQR 1 Kurze Wiederholung Was sind Dispersionsparameter? Die sogenannten Dispersionsparameter oder statistischen Streuungsmaße geben Auskunft darüber, wie die Werte einer
MehrKlausur zum Fach GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK. für Studierende der INFORMATIK
Institut für Stochastik Prof. Dr. Daniel Hug Name: Vorname: Matr.-Nr.: Klausur zum Fach GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK für Studierende der INFORMATIK Datum: 08. Februar 0 Dauer:
Mehr$Id: reell.tex,v /10/27 12:59:28 hk Exp $ Axiome genannt, bei den reellen Zahlen haben wir dann die
$Id: reell.tex,v 1.44 2017/10/27 12:59:28 hk Exp $ 1 Die reellen Zahlen Wir wollen diese Vorlesung mit den reellen Zahlen beginnen, diese sind die normalen Zahlen und man kann sie sich etwa als alle abbrechenden
MehrZentrale Abschlussprüfung Sekundarstufe I
Die Senatorin für Kinder und Bildung Freie Hansestadt Bremen Zentrale Abschlussprüfung Sekundarstufe I Erweitertes Anforderungsniveau 2016 Mathematik (A) Teil 1 Taschenrechner und Formelsammlung sind nicht
MehrStatistische Kennzahlen für die Lage
Statistische Kennzahlen für die Lage technische universität ach der passenden grafischen Darstellung der Werte eines Merkmals auf der Gesamtheit der Beobachtungen interessieren jetzt geschickte algebraische
Mehr