Wissenschaftliches Arbeiten Studiengang Energiewirtschaft
|
|
- Lilli Feld
- vor 8 Jahren
- Abrufe
Transkript
1 Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013
2 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug: Feld: gemeisame Merkmale der Date Zeile: Datesatz: Gesamtheit der Merkmale eies Objektes/Subjektes Filter Datesätze mit bestimmte Feldihalte auswähle Sortiere Datesätze i eier bestimmte Reihefolge aorde Sortierkriterie i de eizele Felder Zähle Wie oft komme bestimmte Werte vo Felder vor? Ecel: Pivottabelle Modus/Modalwert: häufigster Wert Auswertug vo Date
3 umerische Date mehrere Date (Zahlewerte) eier (physikalische) Größe, z. B. das aktuelle Alter der Deutsche Werte Mit welche Kegröße köe die Date charakterisiert werde? Lagemaße ohe die wesetliche Eigeschafte der Gesamtheit zu verfälsche: welche Wert müsste ma ehme, we alle Date gleich sid? Streumaße wie stark uterscheide sich die idividuelle Date vo dem Lagemaß? Verteilug wie oft komme welche Werte vor? Werte der Größe ach orde Werte der Häufigkeit ach orde Auswertug vo Date 3
4 Lagemaße arithmetischer Mittelwert : 1 a i i1 Summe aus gleiche Summade harmoischer Mittelwert 1 : 1 h i1 Summe aus gleiche Summade 1/ 1 i geometrischer Mittelwert g : Produkt aus gleiche Faktore Ausreißer : weige etreme Werte Abhilfe: gestutzte Mittel : 5% der große/kleie Werte weglasse Auswertug vo Date 4
5 Lagemaße Modus/Modalwert am häufigste vorkommeder Wert der Date auch icht umerische Werte oft weig repräsetativ Mediawert teilt die Date i Gruppe mit gleicher Azahl vo Werte: * kleier gleich Mediawert * größer gleich Mediawert uempfidlich gegeüber Ausreißer auch bei geordete icht umerische Werte Auswertug vo Date 5
6 Streumaße Spaweite Differez größter_wert kleister_wert Ausreißer 1 mittlere Abweichug vom Lagemaß m. A. ( i ) i1 we das arithmetische Mittel ist m. A. 1 i1 Stadardabweichug i s : 1 1 uempfidlich gegeüber Ausreißer 1: Freiheitsgrade, Zahl der uabhägige ( i )² i1 ( i ) Quatil teilt die ach Größe geordete Gesamtheit i Gruppe: p% aller Werte sid kleier als das p%quatil, 100% - p% sid größer. Media: 50% Quatil Auswertug vo Date 6
7 Verteilug der Werte geauere Beschreibug der Gesamtheit aller Werte: welche Werte trete wie häufig auf? Azahl Häufigkeit h( i ) := Azahl eies bestimmte Wertes i Gesamtzahl der Werte i1 h( ) 1 umerische Werte vorher der Größe ach orde i Summekurve, Summehäufigkeit (kumulierte Häufigkeit): Summe der Azahle/Häufigkeite bis zu eiem bestimmte Wert j N( ) : ( ) ur umerische Werte! j i i1 j Auswertug vo Date 7
8 Auflauf Chili cc Dorsch Eitopf Fisch Hasekeule Jägerschit Kuche Ladjäger Mohkuche Orage Pfirsich Sahetorte Ukraut Ziegekäse Azahl Verteilug der Werte Verteilug der Azahle icht umerischer Werte Auswertug vo Date 8
9 Azahl Verteilug der Werte Verteilug umerischer Werte Azahl Kumulierte Häufigkeit 100% 80% 60% % 0% cm 10 Größe 0% Auswertug vo Date 9
10 Azahl kumulierte Häufigkeit Azahl Problem: icht äquidistate Werte, gerige Häufigkeite pro Wert Abhilfe: Histogramm Klasse defiiere: gleich große Werteitervalle Azahle/Häufigkeit i de Itervalle bestimme Verteilug der Werte kwh 7000 Eergieverbrauch ud Auswertug vo Date größer 10 1, 1 0,8 0,6 0,4 0, Azahl kumulierte Häufigkeit Privathaushalte Eergieverbrauch i kwh 100% 90% 80% 70% 60% 50% 40% 30% 0% 10% 0%
11 Kegröße vo Verteiluge Häufigkeite h( i ) sid (z. B. aus der Theorie) bekat: Erwartugswert welche Wert erwarte ich bei eier eue Beobachtug oder Messug? gewichteter Mittelwert aller Werte : E( ) i1 h( i ) i Variaz welche Streuug erwarte ich bei Messuge vo? aalog zur Stadardabweichug: V ( ) E( E( )) V ( ) E( ²) ( E( )) Häufigkeite vo i bei reale Beobachtuge Wahrscheilichkeite, mit dee i auftrete köe Auswertug vo Date 11
12 kotiuierliche Verteiluge Die Größe ka alle Werte i eiem bestimmte Itervall aehme Darstellug der Häufigkeit h(), mit der Werte auftrete köe durch eie Dichtefuktio f() h([, d]) f ( ) d ma mi f ( ) d 1 kumulierte Häufigkeit (Summekurve): H ( ) ma mi f ( ) d Erwartugswert: E( ) ma mi f ( ) d ma Variaz: V ( ) ( E( )) f ( ) d mi ma f ( ) d ( E( )) Auswertug vo Date 1 mi
13 Biomialverteilug spezielle Verteiluge Ereigisse, die sich gegeseitig ausschließe, trete mit eier bekate, kostate Wahrscheilichkeit p bzw. 1 p auf. Müzwurf: Kopf oder Zahl Umfrage: gut oder schlecht radioaktive Atomkere: zerfalle oder icht zerfalle m Beobachtuge/Messuge: Die Häufigkeit, dass das Ereigis (Wahrscheilichkeit p) -mal eitritt ( m), beträgt h( ) m m p (1 p) h() : Parameter, p, m Auswertug vo Date 13
14 Biomialverteilug Erwartugswert: E( ) m p Variaz: V ( ) m p (1 p) p aus h() bestimme statistische Verfahre Auswertug vo Date 14
15 spezielle Verteiluge Poissoverteilug Ereigisse, die sich gegeseitig ausschließe: Die Zahl der Beobachtuge ist groß: m Die Wahrscheilichkeit für eis der Ereigisse ist klei: p 0 Der Erwartugswert E() := µ = m. p ist bekat Grezfall der Biomialverteilug Die Häufigkeit, dass das Ereigis -mal eitritt ( ), beträgt h( ) µ! e µ h(): 1 Parameter µ Erwartugswert: Variaz: E( ) V ( ) µ µ Auswertug vo Date 15
16 h() h() h() Poisso-Verteilug m = 100, p = 0,75 µ = 75, V() = 18,75 0,1 0,08 0,06 0,04 0,0 Biomial Poisso 0,1 0,08 Biomial Poisso ,06 0,04 0,0 m = 1000, p = 0,075 µ = 75, V() = 69, ,1 0,08 0,06 Biomial Poisso m = , p = 0,0075 µ = 75, V() = 74,44 Auswertug vo Date ,04 0,0 0
17 spezielle Verteiluge Gaußverteilug h() Ereigisse, die sich gegeseitig ausschließe: Die Zahl der Beobachtuge ist groß: m Der Erwartugswert E() = µ ist groß gege die Schrittweite D Dichte der Häufigkeite: h( ) f ( )D ( µ )² Poisso, µ D µ 1 e D 0,05 0,04 0,03 Biomial Poisso Gauß 0,0 0, Auswertug vo Date 17
18 f () Gaußverteilug (Normalverteilug) : icht ur zählbare Ereigisse, soder auch adere, kotiuierliche Größe Abweichuge vom Erwartugswert E() = µ werde durch zufällige Effekte bewirkt Die Variaz V() := s² wird durch die zufällige Effekte bestimmt (uabhägig vo µ) f 1 µ 1 ( )² s ( ) e s h(): Parameter 0,4 0,3 0, 0,1 g(s_1) g(s_) g(s_3) g(s_4) Auswertug vo Date 18
19 Eigeschafte der Gaußverteilug f () 0,1 0,08 0,06 0,04 0, Defiitiosbereich: - < < jeder Wert ka auftrete Maimum bei = µ, Wedepukte bei W,1 = µ - s, W, = µ + s 68,3% der Werte liege im Itervall [µ - s, µ + s] 95,4% der Werte liege im Itervall [µ - s, µ + s] 99,7% der Werte liege im Itervall [µ - 3s, µ + 3s] Auswertug vo Date 19
20 Messfehler & Gaußverteilug Messtechik: Bestimme des Zahlewertes eier Größe Es gibt eie wahre Wert dieser Größe ukotrollierbare Eiflüsse: agezeigter Wert wahrer Wert zufällige Fehler viele Messuge: gemessee Werte streue gemäß eier Gaußverteilug um de wahre Wert µ mit eier Variaz s Variaz s wird bestimmt durch das Messverfahre! edlich viele Messuge: µ ud s schätze schätze µ 1 ~ schätze 1 1 i s s ( ) s s i i1 i1 Prüfug, ob i ormalverteilt sid: c² - Test Auswertug vo Date 0
21 Vertrauesbereiche Stichprobe mit Werte i aus eier ormalverteilte Grudgesamtheit: Mittelwerte j streue ormalverteilt um de Erwartugswert µ viele Stichprobe: Variaz der Mittelwerte j : s s edlich viele Stichprobe: Variaz der Mittelwerte j : auch bei ur eier Stichprobe! s s die Wahrscheilichkeit P, dass um σ, σ oder 3σ vo µ abweicht, beträgt 68,3%, 95,4% oder 99,7% Auswertug vo Date
22 Umkehrschluss: Vertrauesbereiche Der Erwartugswert µ befidet sich mit eier Wahrscheilichkeit P im Itervall um k P s µ k P s Vertrauesbereich k P = 1, oder 3 Variaz s ² geschätzt aus der Stadardabweichug s²: Vergrößerug der Vertrauesbereiche: k P t P t P s µ t P s Auswertug vo Date 3
23 Azahl der Werte Vertrauesbereiche P = 68,3% t 0,68 P = 95,4% Auswertug vo Date 4 t 0,95 P = 99,7% t 0,99 1,84 1,71 35,8 3 1,3 4,30 19,1 4 1,0 3,18 9, 5 1,14,78 6,6 6 1,11,57 5,51 7 1,09,45 4,90 8 1,08,36 4,53 9 1,07,31 4,8 10 1,06,6 4,09 0 1,03,3 3, ,0,05 3,8 50 1,01,01 3, ,01 1,98 3, ,00 1,97 3,04 > 00 1,00 1,97 3,00
24 Fehlerfortpflazug Berechug eier Größe E aus eier/mehrere eperimetell bestimmte Größe (y, z, ): E = f() {E = f(, y, z, )} Erwartugswert µ E : µ E E f () Stadardabweichug der berechete Größe E? lieare Näherug: f() i der Umgebug vo durch Gerade ersetze, Steigug f () f ( ) E E + de E de d f ( ) s E d s d + d Auswertug vo Date 5
25 Fehlerfortpflazug E = f(, y, ) : µ E E f (, y,...) partielle Stadardabweichuge für jede Dimesio : s E, f (, y,...), y,... s, y, sid icht voeiader abhägig: s E ( f (, y,...), y,... s ) ( f (, y,...) y, y,... s y )... Gaußsches Fehlerfortpflazugsgesetz Auswertug vo Date 6
26 Spaug U lieare Regressio zwische eperimetell bestimmte Größe, y besteht ei liearer Zusammehag y = m. + b 3,5 V 3,5 1,5 1 0,5 0 Steigug ud Ordiateabschitt aus de Messdate? ma 350 Strom I i, y i zufallsbeeiflusst Gerade soll Zufallseffekte ausgleiche Summe der Abstäde der Gerade zu de Datepukte i, y i miimal Ausgleichsgerade geht durch de Dateschwerpukt (, y) Ecel: RGP-Fuktio m, b, s m, s b, r² Auswertug vo Date 7
27 Korrelatio Besteht ei liearer Zusammehag y = m. + b zwische zwei eperimetell bestimmte Größe, y? Maß für de Zusammehag: Korrelatioskoeffiziet r : ( i1 i1 ( i ( i ) )( y )( i1 i y) ( y i y) ) -1 r 1 r²: Bestimmtheitsmaß r = 1: perfekter liearer Zusammehag, steigede Gerade r > 0,8: liearer Zusammehag, steigede Gerade r = 0: kei liearer Zusammehag r = -1: perfekter liearer Zusammehag, fallede Gerade Auswertug vo Date 8
28 y y y y y y Korrelatio r = 1 r = 0,93 r = 0,7 r = -0,93 r = 0 r = 0,5 Auswertug vo Date 9
29 spezielle Probleme Vergleich Messergebis Literaturwert Ka die Abweichug des Messergebisses vom Literaturwert durch zufallsbedigte Eiflüsse erklärt werde? Literaturwert = wahrer Wert Literaturwert im Vertrauesbereich des Messergebisses: wahrer Wert liegt mit Wahrscheilichkeit P im Vertrauesb. Abweichuge sid mit P durch de Zufall erklärbar Messug hat de Literaturwert reproduziert Literaturwert außerhalb des Vertrauesbereiches: Abweichuge sid ur mit 1- P durch de Zufall erklärbar oder mit P icht zufällig Auswertug vo Date 30
30 spezielle Probleme Ausreißer I eier Messreihe kommt ei Wert vor, der stark vo de adere abweicht. ist die Abweichug zufällig? Mittelwert ud Stadardabweichug mit Ausreißer bestimme Differez Ausreißer Mittelwert > 3 s? we ja, da Ausreißer verwerfe! Mittelwert ud Stadardabweichug ohe Ausreißer bestimme Auswertug vo Date 31
31 spezielle Probleme Vergleich der Mittelwerte zweier Messuge der gleiche physikalische Größe ist die Abweichug zufällig? Mittelwerte befide sich im jeweilige Vertrauesbereich der adere Messug Vertrauesbereiche überlappe sich, aber ei Mittelwert ist icht im Vertrauesbereich der adere Messug Vertrauesbereiche überlappe sich icht Mittelwerte mehrerer Messuge zusammefasse gewichteter Mittelwert Auswertug vo Date 3 i1 i1 v 1 v i i i
32 Date-Matri Auswertug vo Date 33
Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39
Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle
Mehr15.4 Diskrete Zufallsvariablen
.4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet
Mehrh i Deskriptive Statistik 1-dimensionale Daten Daten und Häufigkeiten Seite 1 Nominal Ordinal Metrisch (Kardinal) Metrisch - klassiert
Deskriptive Statistik dimesioale Date Date ud Häufigkeite Seite Nomial Ordial Metrisch (Kardial Metrisch klassiert Beschreibug: Date habe keie atürliche Reihefolge. Bsp: Farbe, Religio, Geschlecht, Natioalität...
Mehr3. Einführung in die Statistik
3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :
MehrAuch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert.
Prof. Dr. H. Rommelfager: Etscheidugstheorie, Kaitel 3 7 3. Etscheidug bei Risiko (subjektive oder objektive) Eitrittswahrscheilichkeite für das Eitrete der mögliche Umweltzustäde köe vom Etscheidugsträger
Mehrn 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:
61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl
Mehr2 Vollständige Induktion
8 I. Zahle, Kovergez ud Stetigkeit Vollstädige Iduktio Aufgabe: 1. Bereche Sie 1+3, 1+3+5 ud 1+3+5+7, leite Sie eie allgemeie Formel für 1+3+ +( 3)+( 1) her ud versuche Sie, diese zu beweise.. Eizu5% ZiseproJahragelegtes
MehrStatistik I/Empirie I
Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass
MehrFormelsammlung Mathematik
Formelsammlug Mathematik 1 Fiazmathematik 1.1 Reterechug Sei der Zissatz p%, der Zisfaktor q = 1 + p 100. Seie R die regelmäßig zu zahlede Rate, die Laufzeit. Edwert: Barwert: achschüssig R = R q 1 q 1
MehrInnerbetriebliche Leistungsverrechnung
Ierbetriebliche Leistugsverrechug I der Kostestellerechug bzw. im Betriebsabrechugsboge (BAB ist ach der Erfassug der primäre Kostestellekoste das Ziel, die sekudäre Kostestellekoste, also die Koste der
MehrStatistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte.
Statistik Vorlesug,. ärz, Statistische aßzahle Iformatio zu verdichte, Besoderheite hervorzuhebe ittelwerte Aufgabe: die Lage der Verteilug auf der Abszisse zu zeige. Der odus: derjeige Wert, der im Häufigste
MehrGliederung. Value-at-Risk
Value-at-Risk Dr. Richard Herra Nürberg, 4. Noveber 26 IVS-Foru Gliederug Modell Beispiel aus der betriebliche Altersversorgug Verteilug des Gesatschades Value-at-Risk ud Tail Value-at-Risk Risikobeurteilug
MehrDie Gasgesetze. Die Beziehung zwischen Volumen und Temperatur (Gesetz von J.-L. und J. Charles): Gay-Lussac
Die Gasgesetze Die Beziehug zwische olume ud Temeratur (Gesetz vo J.-L. Gay-Lussac ud J. Charles): cost. T oder /T cost. cost.. hägt h vo ud Gasmege ab. Die extraolierte Liie scheidet die Temeratur- skala
MehrAusgangspunkt: Über einen endlichen Zeitraum wird aus einem Kapital (Rentenbarwert RBW v n,i
D. Reterechug 1.1. Jährliche Retezahluge 1.1.1. Vorschüssige Retezahluge Ausgagspukt: Über eie edliche Zeitraum wird aus eiem Kapital (Retebarwert RBW v,i ), das ziseszislich agelegt ist, jeweils zu Begi
MehrBehandlung von Messunsicherheiten (Fehlerrechnung)
Behadlug vo Messusicherheite (Fehlerrechug). Ermittlug vo Messusicherheite. Messug ud Messusicherheit Die Messug eier physikalische Größe erfolgt durch de Vergleich dieser Größe mit eier Bezugseiheit ach
MehrBINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008
Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe
MehrKorrekturrichtlinie zur Studienleistung Wirtschaftsmathematik am 22.12.2007 Betriebswirtschaft BB-WMT-S11-071222
Korrekturrichtliie zur Studieleistug Wirtschaftsmathematik am..007 Betriebswirtschaft BB-WMT-S-07 Für die Bewertug ud Abgabe der Studieleistug sid folgede Hiweise verbidlich: Die Vergabe der Pukte ehme
Mehr(a) Richtig, die Varianz ist eine Summe quadratischer Größen.
Aufgabe 1 (10 Pukte) Welche der folgede Aussage sid richtig? (a) Richtig, die Variaz ist eie Summe quadratischer Größe. (b) Falsch, die Abweichug ordialer Merkmale vom Media ist icht defiiert - also auch
MehrStichproben im Rechnungswesen, Stichprobeninventur
Stichprobe im Rechugswese, Stichprobeivetur Prof Dr Iree Rößler ud Prof Dr Albrecht Ugerer Duale Hochschule Bade-Württemberg Maheim Im eifachste Fall des Dollar-Uit oder Moetary-Uit Samplig (DUS oder MUS-
MehrTestumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen
Testumfag für die Ermittlug ud Agabe vo Fehlerrate i biometrische Systeme Peter Uruh SRC Security Research & Cosultig GmbH peter.uruh@src-gmbh.de Eileitug Biometrische Systeme werde durch zwei wichtige
MehrKapitel VI. Einige spezielle diskrete Verteilungen
Kapitel VI Eiige spezielle diskrete Verteiluge D 6 (Hypergeometrische Verteilug) Eie Zufallsvariable X heißt hypergeometrisch verteilt, we sie folgede Wahrscheilichkeitsfuktio besitzt: M N M P ( X ) p
MehrInstitut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban
Istitut für tochastik Prof. Dr. N. Bäuerle Dipl.-Math.. Urba Lösugsvorschlag 9. Übugsblatt zur Vorlesug Fiazmathematik I Aufgabe Ei euartiges Derivat) Wir sid i eiem edliche, arbitragefreie Fiazmarkt,
MehrÜbungen mit dem Applet erwartungstreu
Übuge mit dem Applet erwartugstreu Visualisierug vo erwartugstreu Begriffe ud statischer Hitergrud. Visualisieruge mit dem Applet..3. Zufallsstreuug der Eizelwerte...3. Mittelwerte 3.3 Variaz. 4.4 Variaz
MehrGIBS. Übungsaufgaben zur Vertiefung. V1. Beschriften Sie die Konstruktionen! n n n n ' ' ' ' Modul 1.5. Geometrische Optik 1 58.
eometrische Optik 1 58 Übugsaufgabe zur Vertiefug V1. Beschrifte Sie die Kostruktioe! ' ' ' ' ' ' ' ' Lehrerversio eometrische Optik 1 59 V2. Bei eiem Brillekroglas tritt Licht a der Rückfläche des lases
MehrKapitel 5: Schließende Statistik
Kapitel 5: Schließede Statistik Statistik, Prof. Dr. Kari Melzer 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte
MehrÜbungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Prof. Dr. Rolad Speicher M.Sc. Tobias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 01 Musterlösug zu Blatt 0 Aufgabe 1. Käpt Schwarzbart,
MehrStochastik für WiWi - Klausurvorbereitung
Dr. Markus Kuze WS 2013/14 Dipl.-Math. Stefa Roth 11.02.2014 Stochastik für WiWi - Klausurvorbereitug Gesetz der totale Wahrscheilichkeit ud Satz vo Bayes (Ω, F, P) Wahrscheilichkeitsraum, E 1,..., E F
MehrDer natürliche Werkstoff Holz - Statistische Betrachtungen zum uniaxialen Zugversuch am Beispiel von Furnier
Der atürliche Werkstoff Holz - Statistische Betrachtuge zum uiaxiale Zugversuch am Beispiel vo Furier B. Bellair, A. Dietzel, M. Zimmerma, Prof. Dr.-Ig. H. Raßbach Zusammefassug FH Schmalkalde, 98574 Schmalkalde,
MehrProf. Dr. Roland Füss Statistik II SS 2008
1. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug ergibt sich aus de Grezwertsätze. Grezwertsätze sid Aussage über eie Zufallsvariable für de Fall, dass die Azahl
Mehr1 Analysis T1 Übungsblatt 1
Aalysis T Übugsblatt A eier Weggabelug i der Wüste lebe zwei Brüder, die vollkomme gleich aussehe, zwische dee es aber eie gewaltige Uterschied gibt: Der eie sagt immer die Wahrheit, der adere lügt immer.
MehrInvestitionsentscheidungsrechnung Annuitäten Methode
Mit Hilfe der köe folgede Ivestitioe beurteilt werde: eizele Ivestitioe alterative Ivestitiosobjekte optimale Ersatzzeitpukte Seite 1 Folgeder Zusammehag besteht zwische der Kapitalbarwertmethode ud der
MehrPraktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle
Praktikum Vorbereitug Fertigugsmesstechik Statistische Qualitätskotrolle Bei viele Erzeugisse ist es icht möglich jedes Werkstück zu prüfe, z.b.: bei Massefertigug. Hier ist es aus ökoomische Grüde icht
MehrÜbungsblatt 1 zur Vorlesung Angewandte Stochastik
Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche
MehrStatistik. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.html
Statistik Prof. Dr. K. Melzer kari.melzer@hs-esslige.de http://www.hs-esslige.de/de/mitarbeiter/kari-melzer.html Ihaltsverzeichis 1 Eileitug ud Übersicht 3 2 Dategewiug (kurzer Überblick) 3 2.1 Plaugsphase
MehrEvaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt
2.4.5 Gauss-Test ud t-test für verbudee Stichprobe 2.4.5.8 Zum Begriff der verbudee Stichprobe Verbudee Stichprobe: Vergleich zweier Merkmale X ud Y, die jetzt a deselbe Persoe erhobe werde. Vorsicht:
Mehr2. Diophantische Gleichungen
2. Diophatische Gleichuge [Teschl05, S. 91f] 2.1. Was ist eie diophatische Gleichug ud wozu braucht ma sie? Def D2-1: Eie diophatische Gleichug ist eie Polyomfuktio i x,y,z,, bei der als Lösuge ur gaze
Mehre) ( 4a + 8b + 9a + 18b ) : a + 2b f) 2 log (x) + 3 log (2y) 0.5 log (z)
Mathematik 1 Test SELBSTTEST MATHEMATIK 1. Forme Sie die folgede Terme um: a) y y y y + y : ( ) ( ) b) ( 9 ) 18 c) 5 3 3 3 d) 6 5 4 ( 7 y ) 3 4 5 ( 14 y ) e) ( 4a + 8b + 9a + 18b ) : a + b f) log () +
MehrFinanzmathematische Formeln und Tabellen
Jui 2008 Dipl.-Betriebswirt Riccardo Fischer Fiazmathematische Formel ud Tabelle Arbeitshilfe für Ausbildug, Studium ud Prüfug im Fach Fiaz- ud Ivestitiosrechug Dieses Werk, eischließlich aller seier Teile,
MehrWahrscheinlichkeit & Statistik
Wahrscheilichkeit & Statistik created by Versio: 3. Jui 005 www.matheachhilfe.ch ifo@matheachhilfe.ch 079 703 7 08 Mege als Sprache der Wahrscheilichkeitsrechug, Begriffe, Grudregel Ereigisraum: Ω Ω Mege
MehrUlrich Stein Fehlerrechnung
Fehlerrechug Verteilug vo Messwerte Mittelwert Stadardabweichug Stadardfehler Rude vo Messwerte Darstellug vo Messwerte (Stellezahl) Fehlerfortpflazug Messergebisse Messug physikalische Realität Messgerät,
MehrKapitel 6: Quadratisches Wachstum
Kapitel 6: Quadratisches Wachstum Dr. Dakwart Vogel Ui Esse WS 009/10 1 Drei Beispiele Beispiel 1 Bremsweg eies PKW Bremsweg Auto.xls Ui Esse WS 009/10 Für user Modell des Bremsweges gilt a = a + d a =
MehrVl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5
Vl Statistische Prozess- ud Qualitätskotrolle ud Versuchsplaug Übug 5 Aufgabe ) Sei p = P(A) die Wahrscheilichkeit für ei Ereigis A, dh., es gilt 0 p. Bereche Sie das Maximum der Fuktio f(p) = p(-p). Aufgabe
MehrVerbesserung von Datengüte und Analysemöglichkeiten durch den Einsatz visueller Analogskalen in Onlineumfragen
Gemeisame Tagug des DVPW-Arbeitskreises Empirische Methode der Politikwisseschaft ud der DGS-Sektio Methode der Empirische Sozialforschug m Thema Olieforschug Maheim, 27. ud 28. Mai 2011 Verbesserug vo
MehrKryptologie: Kryptographie und Kryptoanalyse Kryptologie ist die Wissenschaft, die sich mit dem Ver- und Entschlüsseln von Informationen befasst.
Krytologie: Krytograhie ud Krytoaalyse Krytologie ist die Wisseschaft, die sich mit dem Ver- ud Etschlüssel vo Iformatioe befasst. Beisiel Iteretkommuikatio: Versiegel (Itegrität der Nachricht) Sigiere
MehrTests für beliebige Zufallsvariable
Kapitel 10 Tests für beliebige Zufallsvariable 10.1 Der Chi-Quadrat-Apassugstest Sei x eie gaz beliebige Zufallsvariable, dere Dichtefuktio icht oder icht geau bekat ist. Beispiel: Es seie z.b. mittels
MehrVl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3
Vl Statistische Prozess ud Qualitätskotrolle ud Versuchsplaug Übug 3 Aufgabe ) Die Schichtdicke X bei eier galvaische Beschichtug vo Autoteile sei ormalverteilt N(μ,σ ). 4 Teile werde galvaisch beschichtet.
MehrVereinheitlichung Einheitlicher Maßstab der Risikoeinschätzung. Limitierung / Steuerung Messung und Limitierung ist fundamental für die Steuerung
. Marktpreisrisiko Motivatio der VaR-Ermittlug Vereiheitlichug Eiheitlicher Maßstab der Risikoeischätzug Limitierug / Steuerug Messug ud Limitierug ist fudametal für die Steuerug Kapitaluterlegug Zur Deckug
MehrNachklausur - Analysis 1 - Lösungen
Prof. Dr. László Székelyhidi Aalysis I, WS 212 Nachklausur - Aalysis 1 - Lösuge Aufgabe 1 (Folge ud Grezwerte). (i) (1 Pukt) Gebe Sie die Defiitio des Häufugspuktes eier reelle Zahlefolge (a ) N. Lösug:
MehrVersicherungstechnik
Operatios Research ud Wirtschaftsiformati Prof. Dr. P. Recht // Dipl.-Math. Rolf Wedt DOOR Versicherugstechi Übugsblatt 3 Abgabe bis zum Diestag, dem 03..205 um 0 Uhr im Kaste 9 Lösugsvorschlag: Vorbereituge
MehrArbeitsplätze in SAP R/3 Modul PP
Arbeitsplätze i SAP R/3 Modul PP Was ist ei Arbeitsplatz? Der Stadort eier Aktioseiheit, sowie dere kokrete räumliche Gestaltug Was ist eie Aktioseiheit? kleiste produktive Eiheit i eiem Produktiosprozess,
MehrVersuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK. 1. Vorbemerkung
Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK Physikalische Prozesse, die eier statistische Gesetzmäßigkeit uterworfe sid, lasse sich mit eier Verteilugsfuktio beschreibe. Die Gauß-Verteilug
MehrFlexibilität beim Lagern und Kommissionieren: Schienengeführte Regalbediengeräte
Flexibilität beim Lager ud Kommissioiere: Schieegeführte Regalbediegeräte Ei Kozept zwei Baureihe: DAMBACH Regalbediegeräte Seit mehr als 35 Jahre baut die DAMBACH Lagersysteme Regalbediegeräte ud gehört
MehrTeil II Zählstatistik
Teil II Zählstatistik. Aufgabestellug. Vergleiche Sie experimetelle Zählverteiluge mit statistische Modelle (POISSON-Verteilug ud Normalverteilug) 2. Theoretische Grudlage Stichworte zur Vorbereitug: Impulszahl,
Mehr17. Kapitel: Die Investitionsplanung
ABWL 17. Kapiel: Die Ivesiiosplaug 1 17. Kapiel: Die Ivesiiosplaug Leifrage des Kapiels: Welche Type vo Ivesiiosobjeke gib es? Wie läss sich die Voreilhafigkei eies Ivesiiosobjeks fesselle? Wie ka aus
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
Lehrstuhl für Empirische Wirtschaftsforschug ud Ökoometrie Dr. Rolad Füss Statistik II: Schließede Statistik SS 2007 6. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug
MehrZufallsvariable. Die Wahrscheinlichkeitsverteilung p (probability function) ist definiert durch: p(x i ) := P (X = x i ),
ETHZ 90-683 Dr. M. Müller Statistische Methode WS 00/0 Zufallsvariable Zusammehag: Wirklichkeit Modell Wirklichkeit Stichprobe Date diskret stetig rel. Häufigkeit Häufigkeitstabelle Stabdiagramm Histogramm
Mehr( ), der genau auf der Geraden ( ) 2 ( ) #( ) 8. Lineare Regression. = f i. Nach der Summe der kleinsten. mx i
8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Ziel dieses Verfahres ist es, Beziehuge zwische zwei Merkmale
MehrKapitel 6: Statistische Qualitätskontrolle
Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle
MehrMit Ideen begeistern. Mit Freude schenken.
Mehr Erfolg. I jeder Beziehug. Mit Idee begeister. Mit Freude scheke. Erfolgreiches Marketig mit Prämie, Werbemittel ud Uterehmesausstattuge. Wo Prämie ei System habe, hat Erfolg Methode. Die Wertschätzug
MehrStatistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S
Statistik mit Excel 2013 Peter Wies Theme-Special 1. Ausgabe, Februar 2014 W-EX2013S 3 Statistik mit Excel 2013 - Theme-Special 3 Statistische Maßzahle I diesem Kapitel erfahre Sie wie Sie Date klassifiziere
MehrSo lösen Sie die Gleichung für den Korrelationskoeffizienten
8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Dabei sid Datepukte ( x 1, y 1 ),( x 2, y 2 ), ( x, y ) gegebe.
Mehr2. Repetition relevanter Teilbereiche der Statistik
. Repetitio Statistik Ökoometrie I - Peter Stalder. Repetitio relevater Teilbereiche der Statistik (Maddala Kapitel ) Zufallsvariable ud Wahrscheilichkeitsverteiluge Zufallsvariable X (stochastische Variable)
MehrAUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2. Datenfluß und Programmablauf 2. Vorbedingung 3. Nachbedingung 3. Schleifeninvariante 3
INHALTSVERZEICHNIS AUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2 Datefluß ud Programmablauf 2 Vorbedigug 3 Nachbedigug 3 Schleifeivariate 3 KONSTRUKTION 4 ALTERNATIVE ENTWURFSMÖGLICHKEITEN 5 EFFEKTIVE
Mehrs xy x i x y i y s xy = 1 n i=1 y 2 i=1 x 2 s 1 n x n i Streudiagramme empirische Kovarianz x=5,5 y=7,5
Streudiagramme für metrisch skalierte Variable paarweise Messwerte (x,y) x 5 7 y 7 5 7 5 5 7 Aussage zu Zusammehäge. empirische Kovariaz Stadardabweichug der WertPAARE x i x y Wert x Mittelwert aller x
MehrFeldeffekttransistoren in Speicherbauelementen
Feldeffekttrasistore i Speicherbauelemete DRAM Auch we die Versorgugsspaug aliegt, ist ei regelmäßiges (typischerweise eiige ms) Refresh des Speicherihaltes erforderlich (Kodesator verliert mit der Zeit
Mehrelektr. und magnet. Feld A 7 (1)
FachHochschule Lausitz Physikalisches Praktikum α- ud β-strahlug im elektr. ud maget. Feld A 7 Name: Matrikel: Datum: Ziel des Versuches Das Verhalte vo α- ud β-strahlug im elektrische ud magetische Feld
MehrVorkurs Mathematik für Informatiker Folgen
Vorkurs Mathematik für Iformatiker -- 9 Folge -- 6.1.215 1 Folge: Defiitio Eie (uedliche) Folge im herkömmliche Sie etsteht durch Hitereiaderschreibe vo Zahle 1,2,3,4,5, Dabei ist die Reihefolge wichtig,
MehrUmrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung
.3. Prozetuale Häufigkeitsverteilug (HV) Die prozetuale Häufigkeitsverteilug erlaubt de Vergleich vo Auswertuge, dee uterschiedliche Stichprobegröße zugrude liege. Es köe auch uterschiedliche Stichprobegröße
MehrMathematischer Vorkurs zum Studium der Physik
Uiversität Heidelberg Mathematischer Vorkurs zum Studium der Physik Übuge Aufgabe zu Kapitel 1 (aus: K. Hefft Mathematischer Vorkurs zum Studium der Physik, sowie Ergäzuge) Aufgabe 1.1: SI-Eiheite: a)
MehrLerneinheit 2: Grundlagen der Investition und Finanzierung
Lereiheit 2: Grudlage der Ivestitio ud Fiazierug 1 Abgrezug zu de statische Verfahre Durchschittsbetrachtug wird aufgegebe Zeitpukt der Zahlugsmittelbewegug explizit berücksichtigt exakte Erfassug der
Mehr= 3. = 14,38... = x neu x = 0, = 97,87...%. Wie verändert sich der arithmetische Mittelwert von 20 Zahlen, wenn...
Mathemati macht Freu()de AB Statistische Kegröße ud Boxplot Arithmetischer Mittelwert x 1, x,..., x ist eie Liste vo reelle Zahle. Das arithmetische Mittel x der Zahle ist x = x 1 + x + + x. Arithmetischer
MehrQualitätskennzahlen für IT-Verfahren in der öffentlichen Verwaltung Lösungsansätze zur Beschreibung von Metriken nach V-Modell XT
Qualitätskezahle für IT-Verfahre i der öffetliche Verwaltug Lösugsasätze zur Vo Stefa Bregezer Der Autor arbeitet im Bereich Softwaretest ud beschäftigt sich als Qualitätsbeauftragter mit Theme zu Qualitätssicherug
MehrLinsengesetze und optische Instrumente
Lisegesetze ud optische Istrumete Gruppe X Xxxx Xxxxxxxxx Xxxxxxx Xxxxxx Mat.-Nr.: XXXXX Mat.-Nr.: XXXXX XX.XX.XX Theorie Im olgede werde wir eie kurze Überblick über die Fuktio, de Aubau ud die Arte vo
Mehr,,, xn. 3. Intervallschätzungen Zufallsstichproben und Stichprobenfunktionen Zufallsstichproben. Zufallsvariablen mit
3. Itervallschätzuge 3.1. Zufallsstichprobe ud Stichprobefuktioe 3.1.1 Zufallsstichprobe 1 Sei eie Zufallsvariable ud seie gemeisamer Verteilug,,,, Zufallsvariable mit - da heiße 1,,, Zufallsstichprobe
MehrLösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung
Prof. Dr. V. Schmidt WS 200/20 G. Gaiselma, A. Spettl 7.02.20 Lösugsvorschlag Probeklausur zur Elemetare Wahrscheilichkeitsrechug Hiweis: Der Umfag ud Schwierigkeitsgrad dieser Probeklausur muss icht dem
MehrSatz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.
Erfüllbarkeit, Uerfüllbarkeit, Allgemeigültigkeit Defiitio Eie Belegug β ist passed zu eiem Boolesche Term t, falls β für alle atomare Terme i t defiiert ist. (Wird ab jetzt ageomme.) Ist β(t) = true,
MehrStatistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik
Statistik Kapitel 5: Schließede Statistik 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel 1» Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte der arithmetische
Mehr3. Tilgungsrechnung. 3.1. Tilgungsarten
schreier@math.tu-freiberg.de 03731) 39 2261 3. Tilgugsrechug Die Tilgugsrechug beschäftigt sich mit der Rückzahlug vo Kredite, Darlehe ud Hypotheke. Dabei erwartet der Gläubiger, daß der Schulder seie
MehrNEL Suchspulen - für jeden Detektor! TOP Leistung von unabhängigen Experten bestätigt. Such Spulen. nel-coils.de Shop ww.nuggets24.
NEL Suchspule - für jede Detektor! TOP Leistug vo uabhägige Experte bestätigt Such Spule el-coils.de Shop ww.uggets24.com el-coils.de Metalldetektor OlieShop www.uggets.at www.uggets24.com NEL BIG Die
MehrProf. Dr.-Ing. Bernd Kochendörfer. Bauwirtschaft und Baubetrieb. Investitionsrechnung
ud Baubetrieb A Ivestitiosrechug ud Baubetrieb Ivestitiosbegriff Bilazorietierter Ivestitiosbegriff Umwadlug vo Geldkapital i adere Forme vo Vermöge Aktiva Passiva Zahlugsorietierter Ivestitiosbegriff
MehrTao De / Pan JiaWei. Ihrig/Pflaumer Finanzmathematik Oldenburg Verlag 1999 =7.173,55 DM. ges: A m, A v
Tao De / Pa JiaWei Ihrig/Pflaumer Fiazmathematik Oldeburg Verlag 1999 1..Ei Darlehe vo. DM soll moatlich mit 1% verzist ud i Jahre durch kostate Auitäte getilgt werde. Wie hoch sid a) die Moatsrate? b)
MehrMelanie Kaspar, Prof. Dr. B. Grabowski 1
7. Hypothesentests Ausgangssituation: Man muss sich zwischen 2 Möglichkeiten (=Hypothesen) entscheiden. Diese Entscheidung soll mit Hilfe von Beobachtungen ( Stichprobe ) getroffen werden. Die Hypothesen
MehrKapitel 6 : Punkt und Intervallschätzer
7 Kapitel 6 : Pukt ud Itervallschätzer Puktschätzuge. I der Statistik wolle wir Rückschlüsse auf das Wahrscheilichkeitsgesetz ziehe, ach dem ei vo us beobachtetes Zufallsexperimet abläuft. Hierzu beobachte
Mehr6.6 Grundzüge der Fehler- und Ausgleichsrechnung 6.6.1 Fehlerarten- Aufgaben der Fehler- und Ausgleichsrechnung physikalisch-technische Experiment
103 66 Grudzüge der Fehler- ud Ausgleichsrechug 661 Fehlerarte- Aufgabe der Fehler- ud Ausgleichsrechug Jedes physikalisch-techische Experimet liefert gewisse gemessee Werte x Bei dem Messvorgag verwede
Mehr= T. 1.1. Jährliche Ratentilgung. 1.1. Jährliche Ratentilgung. Ausgangspunkt: Beispiel:
E Tilgugsrechug.. Jährliche Raeilgug Ausgagspuk: Bei Raeilgug wird die chuldsumme (Newer des Kredis [Aleihe, Hypohek, Darleh]) i gleiche Teilberäge T geilg. Die Tilgugsrae läss sich ermiel als: T =.. Jährliche
MehrAllgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable
Allgemeie Lösuge der -dimesioale Laplace-Gleichug ud ihre komplexe Variable Dr. rer. at. Kuag-lai Chao Göttige, de 4. Jauar 01 Abstract Geeral solutios of the -dimesioal Laplace equatio ad its complex
MehrKleines Matrix-ABC. Fachgebiet Regelungstechnik Leiter: Prof. Dr.-Ing. Johann Reger. 1 Elementares
4 6 Fachgebiet Regelugstechik Leiter: Prof. Dr.-Ig. Joha Reger Kleies Matrix-ABC 1 Eleetares Eie ( )-Matrix ist eie rechteckige Aordug vo reelle oder koplexe Zahle a ij (auch Skalare geat) ud besteht aus
MehrAufgaben und Lösungen der Probeklausur zur Analysis I
Fachbereich Mathematik AG 5: Fuktioalaalysis Prof. Dr. K.-H. Neeb Dipl.-Math. Rafael Dahme Dipl.-Math. Stefa Wager ATECHNISCHE UNIVERSITÄT DARMSTADT SS 007 19. Jui 007 Aufgabe ud Lösuge der Probeklausur
MehrLösungen der Aufgaben zur Vorbereitung auf die Klausur Mathematik für Informatiker I
Uiversität des Saarlades Fakultät für Mathematik ud Iformatik Witersemester 2003/04 Prof. Dr. Joachim Weickert Dr. Marti Welk Dr. Berhard Burgeth Lösuge der Aufgabe zur Vorbereitug auf die Klausur Mathematik
MehrLöslichkeitsdiagramm. Grundlagen
Grudlage Löslichkeitsdiagramm Grudlage Zur etrachtug des Mischugsverhaltes icht vollstädig mischbarer Flüssigkeite, das heißt Flüssigkeite, die sich icht bei jeder Temperatur i alle Megeverhältisse miteiader
MehrKUNDENPROFIL FÜR GELDANLAGEN
KUNDENPROFIL FÜR GELDANLAGEN Geldalage ist icht ur eie Frage des Vertraues, soder auch das Ergebis eier eigehede Aalyse der Fiazsituatio! Um Ihre optimale Beratug zu gewährleiste, dokumetiere wir gemeisam
Mehrx 1, x 2,..., x n ist eine Liste von n reellen Zahlen. Das arithmetische Mittel x der Zahlen ist x = x 1 + x x n n
Mathemati macht Freu()de AB Statistische Kegröße ud Boxplot x 1, x,..., x ist eie Liste vo reelle Zahle. Das arithmetische Mittel x der Zahle ist x = x 1 + x + + x. Arithmetischer Mittelwert Arithmetischer
MehrFormelsammlung. zur Klausur. Beschreibende Statistik
Formelsammlug zur Klausur Beschreibede Statistik Formelsammlug Beschreibede Statistik. Semester 004/005 Statistische Date Qualitative Date Nomial skalierte Merkmalsauspräguge (Uterscheidugsmerkmale) köe
MehrMathematische und statistische Methoden I
Methodelehre e e Prof. Dr. G. Meihardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstude jederzeit ach Vereibarug ud ach der Vorlesug. Mathematische ud statistische Methode I Dr. Malte Persike persike@ui-maiz.de
MehrNormalverteilung. Voraussetzung und verwandte Themen. Einführung. Ziel und Nutzen. Grundlagen
h Normalverteilug Voraussetzug ud verwadte Theme Für diese Beschreibuge sid Grudlage der Statistik ud isbesodere der statistische Verteiluge vorteilhaft. Weiterführede Theme sid: www.versuchsmethode.de/verteilugstests.pdf
MehrBILANZ. Bilanzbericht
BILANZ Bilazbericht Ihaltsverzeichis 1 Leistugsbeschreibug... 03 2 Itegratio i das AGENDA-System... 04 3 Highlights... 05 3.1 Gestaltug vo Bilazberichte... 05 3.2 Stadardbausteie idividuell apasse... 06
MehrAufgabenblatt 4. A1. Definitionen. Lösungen. Zins = Rate Zinskurve = Zinsstruktur Rendite = Yield
Augabeblatt 4 Lösuge A. Deiitioe Zis = Rate Ziskurve = Zisstruktur Redite = Yield A. Deiitioe Zerobod = Nullkupoaleihe = Zero coupo bod Aleihe, die vor Ede der Lauzeit keie Zahluge leistet ud am Ede der
MehrMusterlösung für die Klausur zur Vorlesung Stochastik I im WiSe 2014/2015
Musterlösug für die Klausur zur Vorlesug Stochastik I im WiSe 204/205 Teil I wahr falsch Aussage Gilt E[XY ] = E[X]E[Y ] für zwei Zufallsvariable X ud Y mit edlicher Variaz, so sid X ud Y uabhägig. Für
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte SS00 7.Sitzug vom.06.00 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluß Grudlage des Iduktiosschlusses:
Mehr