Statistische Formelsammlung Begleitende Materialien zur Statistik - Vorlesung des Grundstudiums im Fachbereich IK

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Statistische Formelsammlung Begleitende Materialien zur Statistik - Vorlesung des Grundstudiums im Fachbereich IK"

Transkript

1 Statistische Formelsammlug Begleitede Materialie zur Statistik - Vorlesug des Grudstudiums im Fachbereich IK Erstellt im Rahme des studierede Projektes PROST Studiejahr 00/00 uter Aleitug vo Frau Prof. Dr. rer. at. Kira Kleke vo J.Gelwert, C.Seeger, E.Zotou

2 Statistik 4 Deskriptive Statistik 4 Aalytische Statistik 4 Grudbegriffe der Statistik 5 Urliste 5 Grudgesamtheit 5 Stichprobe 5 Vollerhebug 5 Merkmalsträger 5 Merkmal 5 Merkmalsauspräguge 6 Quatitative ud qualitative Merkmale 6 quatitativ 6 stetige / metrische Variable 6 diskrete Variable 6 qualitativ 6 omiale Variable 6 ordiale Variable 6 Deskriptive Statistik 7 Mittelwerte 7 Arithmetisches Mittel 7 Geometrisches Mittel 7 Schätzug des arithmetische Mittels für klassierte Date 8 Media 9 Modus 9 Streuugsmaße 0 Spaweite 0 Variaz ud Stadardabeichug 0 i der Stichprobe 0 i der Grudgesamtheit 0 Quartile Quartilsabstad Variatioskoeffiziet Welches Streuugsmaß bei welchem Mittelwert? Häufigkeite Häufigkeitstabelle Kreuztabelle 3 Klassebildug 4 Grafike der deskriptive Statistik 5 Kreisdiagramm 5 Stabdiagramm 5 Balkediagramm 5 Stem & Leaf 5 Box-Plot 6 Histogramm 6 Verlaufskurve 6 Aalytische Statistik 7 Wahrscheilichkeitsrechug 7 Ereigisraum 7 Defiitioe der Wahrscheilichkeit 7 Additiossatz 7

3 allgemeier Additiossatz 7 spezieller Additiossatz 7 stochastische (U-)Abhägigkeit vo Ereigisse 8 bedigte Wahrscheilichkeit 8 Multiplikatiossatz 8 allgemeier Multiplikatiossatz 8 spezieller Multiplikatiossatz 8 Kombiatorik 9 Fakultät 9 Biomialkoeffiziet 9 Wahrscheilichkeitsverteiluge 9 Verteilugsfuktio 9 Biomialverteilug 9 Gauß- oder Normalverteilug 0 stadardisierte Normalverteilug 0 beliebige Zufallsvariable 0 Trasformatio der Stadardormalverteilug 0 Parameter i der Grudgesamtheit 0 Kofidezitervalle für eie ubekate Mittelwert für eie ubekate Proportio Fallzahlbestimmug Bestimmug des erforderliche (Midest-) Stichprobeumfags bei Schätzug eies (prozetuale) Ateils π Bestimmug der erforderliche (Midest-)Fallzahl bei der Schätzug eies (ubekate) Mittelwertes µ Stichwortliste 3 3

4 Statistik Statistik ist eie Wisseschaft, dere Zweck es ist, Iformatioe i Form vo Zahle oder adere Date zusammezutrage, das gesammelte Material aufzubereite ud die Iformatioe schließlich so zu verdichte, dass sie aussagekräftig, verstädlich ud überschaubar werde. Sie ist eie gute Möglichkeit, Fakte exakt ud überzeuged darzustelle. Sie fidet Awedug sowohl i aturwisseschaftliche als auch wirtschaftliche, soziologische ud politische Bereiche. Sie uterteilt sich i zwei Disziplie: Deskriptive Statistik Deskriptive Statistik bedeutet beschreibede Statistik ud meit die reie Beschreibug des erhobee Datebestades (i der Regel die Stichprobe). Etspreched der Fragestellug werde Date erhobe, ausgewertet ud dargestellt. Deskriptive Statistik ist also eie Zusammefassug vo uüberschaubar viele Eizeldate bzw. ei überschaubares Komprimiere vo viele Eizeliformatioe. Die zusammefassede Darstellug erfolgt durch die Berechug der Maßzahle ud die Erstellug vo Häufigkeitstabelle ud Grafike. Aalytische Statistik auch: Schließede Statistik, Iterferezstatistik, iduktive Statistik. Die aalytische Statistik (isbesodere mit Hilfe der Wahrscheilichkeitsrechug) befasst sich damit, wie aufgrud vo Date der Stichprobe Rückschlüsse bzw. allgemeigültige Aussage über die zugrude liegede Grudgesamtheit hergeleitet werde köe. 4

5 Grudbegriffe der Statistik Urliste Die Urliste ist die Liste der Eizeldate, so wie erhobe, och icht sortiert oder gruppiert. x, x, x 3, x 4...x sortierte Urliste Hier werde die Auspräguge i eie aufsteigede Reihefolge gebracht. x (), x (), x (3), x (4)...x () d.h. x () x () x (3) x (4)...x () Grudgesamtheit Die Grudgesamtheit ist die Mege aller iteressierede Utersuchugsobjekte. Stichprobe Uter Stichprobe versteht ma eie Teilmege der Grudgesamtheit, die ausgewählt wird. Sie muss repräsetativ sei. Eie Stichprobe ist da repräsetativ, we jede Utersuchugseiheit aus der Grudgesamtheit dieselbe Chace hat, ausgewählt zu werde. Vollerhebug Bei eier Vollerhebug wird die gaze Grudgesamtheit erhobe. Merkmalsträger / Utersuchugsobjekte / statistische Eiheit / Elemet Objekte, a dee die iteressierede Merkmale auftrete. Merkmal / Variable Iteressierede Eigeschafte der Merkmalsträger. Hierbei ist eie exakte Defiitio wichtig. 5

6 Merkmalsauspräguge Es sid die mögliche Meßwerte eies Merkmals gemeit. Quatitative ud qualitative Merkmale (Merkmalsauspräguge) quatitativ: Auspräguge sid echte Meßwerte (vo Natur aus Zahle), d.h. addier-, subtrahier- ud multiplizierbar. Ma uterscheidet folgede Skalieruge: stetige / metrische Variable - köe fast jede Wert ud Zwischewert aehme, d.h. sie sid beliebig fei meßbar diskrete Variable - es köe ur edlich viele, gaz kokrete Werte ageomme werde (i.d.r. gazzahlig, keie Brüche) qualitativ: Ei Merkmal bezeichet eie Eigeschaft, Qualität, der utersuchte Objekte. Die Auspräguge eies qualitative Merkmales sid keie echte Zahle. Ma ka mit ihe icht reche! Hier uterscheidet ma folgede Skalieruge: omiale Variable - sid ur ametlich uterscheidbar (keie Zahle, keie Ordug, ur Name) ordiale Variable - sid sortierbar, es gibt eie iere Ordug, es ka damit icht gerechet werde Diese 4 Skalierugstype sid weisugsgebed für die Art der Dateauswertug!! 6

7 Deskriptive Statistik Mittelwerte Arithmetisches Mittel (egl. arithmetic mea) auch: Stadard - Mittelwert Ma addiert die Werte aller Elemete ud dividiert de Gesamtwert durch die Azahl der Elemete. Eideutig zu bestimme ist das arithmetische Mittel, we die Origialwerte i icht klassifizierter Form vorliege. x = i= x i x : sprich x-quer = x = Azahl der Beobachtuge / Messuge Ausprägug (ka sehr leicht verzerrt / verfälscht werde durch Extremwerte) geeiget für stetige Merkmale. Wird i der Praxis auch beutzt bei ordiale ud diskrete Merkmale. Gewogees arithmetisches Mittel x k = xi k i fi = i= f i k = Azahl verschiedeer Werte des Merkmals X f i = die zugehörige Häufigkeite Geometrisches Mittel (egl. geometric mea) Ist geeiget zur Berechug vo Wachstumsrate. durchschittliches Wachstum w: Schreibweise i %: ( % + w ) ( 00% + w ) ( 00% + w )... ( 00% + w ) 00% w = 00 3 wobei w, w, w 3,...w Wachstumsrate i gleich lage Zeiträume i %-Agabe. alterativ: Komma-Schreibweise: w ( + w ) ( + w ) ( + w )... ( + w ) = 3 7

8 Schätzug des arithmetische Mittels für klassierte Date (Klassebildug S.4) x ist eie Näherug!! Klasse eies stetige Merkmals Absolute Häufigkeite f i... bis uter bis uter bis uter Klassemitte a i Mi + Klasse Max Klasse k ai f i i= x = k f i= i k i= ai f i k f i k i= f i = Azahl verschiedeer Klasse die zugehörige Häufigkeite Azahl vo Beobachtuge 8

9 Media (egl. media) auch: Zetralwert Ma sortiert die Urliste vom kleiste zum größte Wert ud der Media ist der Wert, der i der Mitte liegt. Er ist uempfidlich gege Extremwerte. Er ist isbesodere für ordialskalierte Merkmale geeiget ud we diskrete ud stetige Merkmale schief verteilt sid. 50 % der Werte größer oder gleich 50 % der Werte kleier oder gleich bei gerader Azahl der Werte Media = x + x + Der Media ist bei eier gerade Azahl vo Werte der Mittelwert, der beide Werte i der Mitte der sortierte Urliste. bei ugerader Azahl der Werte: Media = x + Bei ugerader Azahl der Werte ist der Media der Wert, der i der sortierte Urliste i der Mitte liegt. Modus auch: Modalwert besoders für omialskalierte Variabletype geeiget Der Modus ist derjeige Merkmalswert, der die größte Häufigkeit aufweist, vorrausgesetzt es existiert geau Häufigster. 9

10 Streuugsmaße ( was befidet sich rechts ud liks vom Mittelwert?) Zu jedem Mittelwert sollte immer mid. ei Streuugsmaß agegebe werde. Spaweite R (egl. rage) Die Spaweite ist die Differez aus dem maximale ud dem miimale Wert der sortierte Urliste, der aber sehr leicht durch Extremwerte verzerrt werde ka. x () x ()... x () R = x () x () Variaz (egl. variace) ud Stadardabweichug (egl. stadard deviatio) Ma uterscheidet zwische Stichprobe ud Grudgesamtheit. Variaz ud Stadardabweichug i der Stichprobe werde mit s bzw. s bezeichet. Variaz s i der Stichprobe Die Variaz ist die Summe der Quadrate der Abweichuge aller Werte vom arithmetische Mittel, geteilt durch die Azahl der Werte. s = i= (x i - x ) Stadardabweichug s i der Stichprobe (mittlere quadratische Abweichug) Stadardabweichug ist die Wurzel aus der Variaz. s = s Für die Berechug mit Tascherecher ist die Taste zu beutze. Da i der Regel icht die komplette Grudgesamtheit erfasst wird, werde die Variaz ud Stadardabweichug der Grudgesamtheit i der aalytische Statistik geschätzt. Diese wird, im Gegesatz zu deskriptiver Statistik, mit - statt mit berechet. Deswege existiere zwei Taste auf de Tascherecher, eie für aalytische ud eie für deskriptive Statistik. Schätzug der Variaz i der Grudgesamtheit (aalytische Statistik) ˆ = (x i - x ) i= Schätzug der Stadardabweichug i der Grudgesamtheit (aalytische Statistik) ˆ = ˆ Für die Berechug mit Tascherecher ist die Taste - zu beutze. 0

11 Quartile Sie sid isbesodere für ordialskalierte Merkmale geeiget ud we diskrete ud stetige Merkmale schief verteilt sid. Die geordete Reihe vo Merkmalswerte wird i vier gleiche Teile geteilt (also 4 5%): Uteres Quartil (.Quartil): 5% der Werte sid kleier oder gleich 75% der Werte sid größer oder gleich Zweites Quartil Media 50% der Werte sid kleier oder gleich 50% der Werte sid größer oder gleich Oberstes Quartil (3.Quartil): 75% der Werte sid kleier oder gleich 5% der Werte sid größer oder gleich Das vierte Quartil ist das Maximum: 00% der Werte sid kleier oder gleich Quartilabstad QA (egl. Iterquartilerage IQR) Quartilabstad ist die Differez zwische dem obere ud dem utere Quartil (Spaweite der mittlere 50%) QA = Q 3 Q Variatioskoeffiziet (egl. coefficiet of variatio) Variatioskoeffiziet diet dazu, mehrere Stadardabweichuge miteiader zu vergleiche. CV= x s bzw. CV= x s 00% (für Agabe i Prozet) CV= Verhältis der Stadardabweichug s zum Mittelwert x i %. Wie viel % des arithmetische Mittels ist s? Welches Streuugsmaß wird bei welchem Mittelwert agegebe? Mittelwert x Media Streuugsmaß s_ ud s Spaweite beim Vergleiche mehrerer Streuugsmaße CV IQR / QA Spaweite

12 Häufigkeite Häufigkeitsverteilug (egl. frequecy) Bei Häufigkeitsverteiluge wird ausgezählt, wie oft eizele Merkmalsauspräguge i der Stichprobe aufgetrete sid. Besoders geeiget für omiale, ordiale ud diskrete Auspräguge. Für stetige Merkmale müsse Klasse gebildet werde (siehe ute). Die Ergebisse der Auszählug werde i tabellarischer Form dargestellt. Beispiel: eie Häufigkeitstabelle i SPSS Fachrichtug Gültig Allgemeie Dokumetatio Wirtschaftsiformatik Bibliothekswese Psychologie Mathematik E-Techik Jura Sozialwisseschafte Lehramt für berufsbild.schule Geschichte & Politikwisses. Germaistik & Politikwisses. Architektur Gesamt Häufigkeit Prozet Kumulierte Prozete 3,8 3,8 0,5 6,3 7 8,8 35,0 9,3 46,3 3 3,8 50,0 6 7,5 57,5 8 0,0 67,5 3 3,8 7,3 6 7,5 78,8 4 5,0 83,8 6 7,5 9,3 7 8,8 00, ,0 absolute Häufigkeite relative Häufigkeit kumulierte Prozete (ausgezählt) (i Prozet) Azahl _ mit _ der _ spez. Ausprägug Relative Häufigkeite: 00 Gesamtzahl( ) Kumulierte Prozete: Aufaddierug der Prozete zeileweise.

13 Kreuztabelle Mehrere Merkmale werde gegeeiader ausgezählt. (Normalfall: Merkmale, ab 4 Merkmale ist die Tabelle schwer überschaubar). Softwarepakete gebe die Zellihalte der Kreuztabelle i.d.r. folgedermaße aus: Häufigkeit absolut (frequecy) Reiheprozete (Rowpercet) Spalteprozete (Colpercet) Gesamtprozete (Percet) Beispiel erstellt mit SPSS Geschlecht d.stud. * welche Hochschule? Kreuztabelle Geschlecht d.stud. Gesamt weiblich mälich Azahl % vo Geschlecht d.stud. % vo welche Hochschule? % der Gesamtzahl Azahl % vo Geschlecht d.stud. % vo welche Hochschule? % der Gesamtzahl Azahl % vo Geschlecht d.stud. % vo welche Hochschule? % der Gesamtzahl welche Hochschule? Fachhoch Uiversität schule Gesamt ,3% 66,7% 00,0% 36,4% 88,9% 60,0% 0,0% 40,0% 60,0% ,5%,5% 00,0% 63,6%,% 40,0% 35,0% 5,0% 40,0% ,0% 45,0% 00,0% 00,0% 00,0% 00,0% 55,0% 45,0% 00,0% Ihaltliche Iterpretatio: 4 Persoe sid weiblich ud studiere a der Uiversität. 4/ 00 = 33,3% 33,3% der weibliche Befragte studiere a der Uiversität. 4/ 00 = 36,4 36,4% der Studierede a der Uiversität sid weiblich. 4/0 00 = 0% 0% der Befragte sid weiblich ud studiere a der Uiversität. 3

14 Klassebildug bei stetige Merkmale Da stetige Merkmale gaz uterschiedliche Merkmalswerte besitze köe, würde die direkte Auswertug der Date durch Häufigkeitstabelle weig Si mache. Deswege werde die Date ach uterschiedliche Aspekte gruppiert, d.h. es werde Klasse gebildet, die i Häufigkeits- oder Kreuztabelle ausgewertet werde köe. Festgelegt werde muss: Wie viele Klasse lege ich fest? Wo lege ich Klassegreze fest? Wie viele Klasse? Azahl der Klasse wird bestimmt durch die Größe der Stichprobe. Faustregel: Azahl der Klasse = (bei Dezimalstelle sivoll rude) Klassegreze Greze dürfe sich icht überscheide (klare Defiitio) Klassegreze solle aeiader greze.klasse fägt bei dem miimale Wert a letzte Klasse hört bei dem maximale Wert auf zur bessere Lesbarkeit sollte die Klassegreze glatte Zahle sei Gleich breite Klasse: Jede Klasse besteht aus gleich breite Abschitte. Klassebreite = Spaweite Azahl _ der _ Klasse Prozetual gleich starke Klasse Jede Klasse besitzt die gleiche Azahl vo. Klassehäufigkeit = Azahl _ der _ Klasse Ihaltliche Klassebildug Sivolle Kombiatio der Auswertugsmöglichkeite. Klasse sid ihaltlich vorgegebe, z.b. bei Blutwerte Grezwerte für ormal ud pathologisch. 4

15 Grafike der deskriptive Statistik Merkmalstyp Skalierug: omial, ordial, diskret Awedugstipp: max. 7 Auspräguge icht für feie Uterschiede geeiget Grafiktyp Kreisdiagramm 5-0x im Moat 0,0% -4x i der Woche 40,0% Fehled 5,0% täglich 45,0% Skalierug: ordial, omial, diskret auch: Gruppe- & Kompoetediagramm. stetiges Merkmal auf der y-achse Wie oft utze Sie das Iteret? Stabdiagramm Absolute Werte 0 0 Fehled weiblich mälich Geschlecht der Studierede siehe Stabdiagramm! Balkediagramm Besoders geeiget für omiale Skalieruge. Beschriftug ist sehr gut lesbar ud wird machmal ach Häufigkeite sortiert. Auch als Gruppe- & Kompoetediagramm. Fachrichtug Allgemeie Dokumeta Wirtschaftsiformati E-Techik Jura Geschichte & Politik Geschlecht d.stud. mälich weiblich Absolute Werte Skalierug: stetig Stem & Leaf Für die erste Zeile ALTERSANGABE: 40, 4, 4, 4, 43, 44 verwedet eie Teil der Datewerte als Stem / Stamm, um Gruppe / Klasse zu bilde, ud de adere Teil als Leaf / Blatt, um die Azahl der Häufigkeite graphisch zu verdeutliche Vorteil: Ma sieht die aktuelle Datewerte, die gleichzeitig graphisch dargestellt sid

16 Skalierug: stetig Box-Plot Grafik, i der mehrere Maßzahle dargestellt werde: uteres Quartil, Media, oberes Quartil, Maximum, Miimum. I mache Versioe werde Extremwerte extra gekezeichet. Umsatz des eizele Vertreters N = Nord Süd Ost West Bezirk Ahad des Box-Plots lässt sich auf die Verteilugsart der Date schließe. Symmetrische Verteilug Liksschiefe Verteilug Rechtsschiefe Verteilug Skalierug: stetig Grafische Darstellug eier Häufigkeitsverteilug eies stetige klassierte Merkmals. Das Maß für die Häufigkeit ist i der Regel die Fläche. Histogramm Awedugstipp: Mehrere Klasseeiteiluge ausprobiere! 0 Std.abw. = 3,68 Mittel = 4,0 0 N = 75,00 7,5 0,0,5 5,0 7,5 30,0 3,5 35,0 37,5 Alter d. Stud. Skalierug: y-achse: stetige oder diskrete mit viele Auspräguge. x-achse: i.d.r. fidet sich hier der zeitliche Aspekt wieder. Verlaufskurve Umsatz im Jahr i Mio Jahr 6

17 Aalytische Statistik Wahrscheilichkeitsrechug Ereigisraum ( Mege aller mögliche Elemetar - Ereigisse) A,B,C P(A) A A B P( ) P( A B) Ereigisse Wahrscheilichkeit dafür, dass Ereigis A eitritt. komplemetäres Ereigis zu A (Gegeereigis) Wahrscheilichkeit dafür, dass Ereigis A oder Ereigis B oder beide eitrete (Vereiigug Additiossatz). Wahrscheilichkeit dafür, dass Ereigis A ud Ereigis B eitrete (Schittmege Multiplikatiossatz). Defiitioe der Wahrscheilichkeit Klassische Defiitioe (Laplac'sche Defiitio): We die Elemetarereigisse edlich ud gleichmöglich sid, gilt: Azahl _ aller _ güstige _ Elemetarereigisse P(A)= Azahl _ aller _ gleichmögliche _ Elemetarereigisse Statistische Defiitio: P(A) wird als diejeige Größe defiiert, der sich die relative Häufigkeit eies Ereigisses A bei ubeschräkter Versuchsserie ( ) ähert. Axiomatische Defiitio ach Kolmogoroff: Axiom : 0<=P(A)<= Axiom : P(S) = sicheres Ereigis S Axiom 3: P(E) = 0 umögliches Ereigis E Additiossatz Allgemeier Additiossatz (für beliebige Ereigisse): P( A B) =P(A) + P(B) - P( A B) P( A B C) =P(A) + P(B) + P(C) - P( B) C A B C P( ) A - P( A ) - P( C) B + Spezieller Additiossatz (für disjukte Ereigisse): Disjukte Ereigisse sid uvereibare Ereigisse, die icht gleichzeitig auftrete köe. P( A B) P( AU B U C) P( AU A) =P(A) + P(B) =P(S)= =P(A) + P(B) + P(C) P( A )=-P(A) Das zu eiem Ereigis A komplemetäres Ereigis A ist das Ereigis, das eitritt, we A icht eitritt. 7

18 Stochastische (U-)Abhägigkeit vo Ereigisse: Gegebe seie die Ereigisse A,B,C mit P(A)>0, P(B)>0 ud P(C)>0. Ereigis B ist stochastisch (u-)abhägig vo Ereigis A, we P( B A) =P( B A) =P(B) Die Ereigisse A, B, C sid voeiader stochastisch uabhägig, we P( A B) = P( A C) = P( B C) A = P(A) P( B A) = P( B C) = P( A C) P( C A) = P( C B) = P( A B) B =P(B) ud C =P(C) Bedigte Wahrscheilichkeit Sie ist die Wahrscheilichkeit dafür, dass B eitritt, uter der Bedigug dass A mit P(A) 0 bereits eigetrete ist. P B ( A B ) = P( A) P( B) P(A) P A ( A B ) = P(B) mit P(A)>0 mit P(B)>0 Multiplikatiossatz Allgemeier Multiplikatiossatz: B A A B P( ) A =P(A) P( B ) =P(B) P( ) P( A B C) =P(A) P( A) B P( C A B) Spezieller Multiplikatiossatz: Für stochastisch uabhägige Ereigisse A, B ud C gilt: A B =P(A) P(B) P( ) P( A B C) =P(A) P(B) P(C) für beliebig viele Ereigisse 8

19 Kombiatorik Fakultät!=... (-) 0!= Biomialkoeffiziet (sprich über k) k = 0 = ( )( )...( k + ) k!! = k!( k)! Für Berechug des Biomialkoeffiziete mit Tascherecher ist die Taste Cr zu beutze. Wahrscheilichkeitsverteiluge Verteilugsfuktio defiiert für alle reelle Zahle x i F(x i ) = P(X <= x i ) F(x i ) Verteilugsfuktio P Wahrscheilichkeit X Zufallsvariable (z.b. Zuweise der Augezahl beim Würfel) x i kokrete Auspräguge ~ verteilt wie Biomialverteilug (azuwede für kleie Stichprobe) Voraussetzuge für die Aweduge der Biomialverteilug Merkmal ist dichotom (besitzt geau Auspräguge: A ud A ) uabhägige Wiederholuge des Zufallsexperimets werde durchgeführt (z.b. Ziehe vo Kugel mit Zurücklege) p = P(A) ist bekat P(X = k) = p k (-p) -k k wobei: X Zufallsvariable k Azahl der Treffer p Wahrscheilichkeit eie Treffer zu ziehe Azahl der Versuche P: Wahrscheilichkeit, dass uter (uabhägige) Versuche geau k mal Ereigis A auftritt Kurzbezeichugsweise (sprich X verteilt wie/ach Biomialverteilug): X ~ B(,p) 9

20 Gauß- oder Normalverteilug N(µ, ) Wird eideutig festgelegt durch: µ Mittelwert i der GG Variaz i der GG - ierhalb der Etferug vo Stadardabweichug ach rechts ud liks vom Mittelwert µ befide sich 68,6% der Messwerte - ierhalb der Etferug vo Stadardabweichuge ach rechts ud liks vom Mittelwert µ befide sich 95,45% der Messwerte - ierhalb der Etferug vo 3 Stadardabweichuge ach rechts ud liks vom Mittelwert µ befide sich 99,73% der Messwerte Stadardisierte Normalverteilug N(0,) ist vertafelt µ=0 Stadardisierug eier beliebige Zufallsvariable X ~ N(µ, ) X µ = U wobei U ~ N(0,) Trasformatio der Stadardormalverteilug i eie beliebige Normalverteilug U ~ N(0,) U + µ ~ N(µ, ) Parameter i der Grudgesamtheit Zur Uterscheidug vo der Stichprobe werde die Parameter der Grudgesamtheit mit griechische Buchstabe bezeichet: µ Mittelwert i der Grudgesamtheit σ Streuug i der Grudgesamtheit π Prozetsatz i der Grudgesamtheit 0

21 Kofidezitervalle -α Sicherheits- oder Vertraueswahrscheilichkeit üblich: 99%, 95%, 90% α Irrtumswahrscheilichkeit üblich: %, 5%, 0% Werte aus der N(0,)-Tafel u α/ -α α/ α/ 0 -u α/ u α/ Kofidezitervall für eie ubekate Mittelwert µ eier Grudgesamtheit s P( x - u α/ µ x + u α/ s ) = -α Beispiel für 95%-ige Sicherheitswahrscheilichkeit: s s P( x -,96 µ x +,96 ) = 95% Soderregel: Umfasst die Stichprobe mehr als 5% der Grudgesamtheit (große Stichprobe), beutze s s N statt besser N Kofidezitervall für eie ubekate Proportio eier Grudgesamtheit P(p - u α/ p ( p) p ( p) π p + u α/ ) = -α Voraussetzug: p 5 we p 0,5 (-p) 5 we p > 0,5 Beispiel für 95%-ige Sicherheitswahrscheilichkeit: p ( p) p ( p) P(p,96 π p +,96 ) = 95% Soderregel: Umfasst die Stichprobe mehr als 5% der Grudgesamtheit ( große Stichprobe), beutze p ( p) p ( p) N statt besser N

22 Fallzahlbestimmug Bestimmug des erforderliche (Midest-) Stichprobeumfags bei Schätzug eies (prozetuale) Ateils u p (- p) e die erforderliche Midestfallzahl -α bzw. α Sicherheits- bzw. Irrtumswahrscheilichkeit u α/ p e aus Tabelle vo N(0,) Erfahrugswert für ugefähre Größeordug des %-Ateils existiert kei Wert, setze p=0,5 Exaktheit Abstad zwische Stichprobeschätzug p ud wahrem π der Grudgesamtheit e= p Bestimmug der erforderliche (Midest-)Fallzahl bei der Schätzug eies (ubekate) Mittelwertes µ u a ˆ e erforderliche Midestfallzahl -α bzw. α Sicherheits- bzw. Irrtumswahrscheilichkeit e Exaktheit e= x Uterschied zwische Stichprobemittelwert x ud wahrem µ der Grudgesamtheit ˆ Schätzug der Variaz des betrachtete stetige Merkmals falls keie Schätzug existiert, bereche s = ( x i x) i=

23 A Additiossatz 7 Allgemeier Additiossatz 7 Allgemeier Multiplikatiossatz 8 Aalytische Statistik Defiitio 4 Aalytische Statistik 7 Arithmetisches Mittel 7 B Balkediagramm 5 Bedigte Wahrscheilichkeit 8 Biomialkoeffiziet 9 Biomialverteilug 9 Box-Plot 6 D Deskriptive Statistik Defiitio 4 Deskriptive Statistik 7 Diagramme 5 Diskrete Variable 6 E Ereigisraum 7 F Fakultät 9 Fallzahlbestimmug G Gaußverteilug 8 Geometrisches Mittel 7 Grafike 5 Grudbegriffe der Statistik 5 Grudgesamtheit 5 H Häufigkeite Häufigkeitstabelle Histogramm 6 Ihaltsverzeichis I K Klassebildug 4 Kombiatorik 9 Kofidezitervalle Kreisdiagramm 5 Kreuztabelle 3 M Media 9 Merkmal 5 Merkmalsauspräguge 6 Merkmalsträger 5 Mittelwerte 7 f Modus 9 Multiplikatiossatz 8 N Nomiale Variable 6 Normalverteilug 0 O Ordiale Variable 6 P Parameter i der Grudgesamtheit 8 Q Quatitative Merkmale 6 Quatitative Merkmale 6 Quartile Quartilsabstad S Schätzug des arithmetische Mittels für klassierte Merkmale 8 Spaweite 0 Spezieller Additiossatz 7 Spezieller Multiplikatiossatz 8 Stabdiagramm 5 Stadardabeichug 0 Stadardisierte Normalverteilug 0 Stem & Leaf 5 Stetige / metrische Variable 6 Stichprobe 5 Stichprobeumfags Stochastische (U-)Abhägigkeit 8 Streuugsmaße 0 T Trasformatio der Stadardormalverteilug0 U Urliste 5 V Variaz 0 Variatioskoeffiziet Verlaufskurve 6 Verteilugsfuktio 9 Vollerhebug 5 W Wahrscheilichkeit 7 Wahrscheilichkeitsrechug 7 Wahrscheilichkeitsverteiluge 9 Z Zufallsvariable 0 3

h i Deskriptive Statistik 1-dimensionale Daten Daten und Häufigkeiten Seite 1 Nominal Ordinal Metrisch (Kardinal) Metrisch - klassiert

h 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...

Mehr

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:

n 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

Mehr

15.4 Diskrete Zufallsvariablen

15.4 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

Mehr

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:

Mehr

Beschreibende Statistik Kenngrößen in der Übersicht (Ac)

Beschreibende Statistik Kenngrößen in der Übersicht (Ac) Beschreibede Statistik Kegröße i der Übersicht (Ac) Im folgede wird die Berechugsweise des TI 83 (sowie vo SPSS, s. ute) verwedet. Diese geht auf eie Festlegug vo Moore ud McCabe (00) zurück. I der Literatur

Mehr

Wahrscheinlichkeit & Statistik

Wahrscheinlichkeit & 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

Mehr

3. Einführung in die Statistik

3. 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 ; : :

Mehr

Statistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S

Statistik 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

Mehr

Kapitel 6: Statistische Qualitätskontrolle

Kapitel 6: Statistische Qualitätskontrolle Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle

Mehr

Statistik I/Empirie I

Statistik 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

Mehr

Statistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte.

Statistische 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

Mehr

Empirische Methoden I

Empirische Methoden I Hochschule für Wirtschaft ud 2012 Umwelt Nürtige-Geislige Fakultät Betriebswirtschaft ud Iteratioale Fiaze Prof. Dr. Max C. Wewel Prof. Dr. Corelia Niederdrek-Felger Aufgabe zum Tutorium Empirische Methode

Mehr

Formelsammlung Mathematik

Formelsammlung 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

Mehr

2 Vollständige Induktion

2 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

Mehr

Testumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen

Testumfang 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

Mehr

Variiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen.

Variiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen. 3. Variazaalyse Die Variazaalyse mit eier quatitative abhägige Variable ud eier oder mehrerer qualitativer uabhägiger Variable wird auch als ANOVA (Aalysis of Variace) bezeichet. Mit eier Variazaalyse

Mehr

Der natürliche Werkstoff Holz - Statistische Betrachtungen zum uniaxialen Zugversuch am Beispiel von Furnier

Der 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,

Mehr

Auch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert.

Auch 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

Mehr

SUCHPROBLEME UND ALPHABETISCHE CODES

SUCHPROBLEME UND ALPHABETISCHE CODES SUCHPROBLEME UND ALPHABETISCHE CODES Der Problematik der alphabetische Codes liege Suchprobleme zugrude, dere Lösug dem iformatiostheoretische Problem der Fidug eies (optimale) alphabetische Codes gleich

Mehr

Elementare Wahrscheinlichkeitsrechnung und Statistik

Elementare Wahrscheinlichkeitsrechnung und Statistik CURANDO UNIVERSITÄT ULM SCIENDO DOCENDO Elemetare Wahrscheilichkeitsrechug ud Statistik Uiversität Ulm Istitut für Stochastik Vorlesugsskript Prof. Dr. Volker Schmidt Stad: Witersemester 28/9 Ulm, im Februar

Mehr

Datenauswertung. Prof. Dr. Josef Brüderl Universität Mannheim. Frühjahrssemester 2007

Datenauswertung. Prof. Dr. Josef Brüderl Universität Mannheim. Frühjahrssemester 2007 Dateauswertug Prof. Dr. Josef Brüderl Uiversität Maheim Frühjahrssemester 007 Methode-Curriculum B.A. Soziologie Basismodul: Methode ud Statistik: VL Dateerhebug (): 5 ÜK (): 3 ----------------------------------------------------------

Mehr

5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung

5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung Seite vo 7 5 Beroulli-Kette Jakob Beroulli 654-705 Schweizer Mathematiker ud Physiker 5. Beroulli-Exerimet 5.. Eileitug Oft iteressiert ma sich bei Zufallsexerimete icht für die eizele Ergebisse, soder

Mehr

"Ich glaube nur die Statistik, die ich selbst gefälscht habe."

Ich glaube nur die Statistik, die ich selbst gefälscht habe. THEORETISCHE GRUNDLAGEN I der Biophysik versuche wir biologische Vorgäge mit physikalische Methode zu utersuche ud zu verstehe. Wir setze dabei voraus, dass biologische Größe quatitativ gemesse ud mit

Mehr

Übungsblatt 1 zur Vorlesung Angewandte Stochastik

Übungsblatt 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

Mehr

Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK. 1. Vorbemerkung

Versuch 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

Mehr

Kapitel 4: Stationäre Prozesse

Kapitel 4: Stationäre Prozesse Kapitel 4: Statioäre Prozesse M. Scheutzow Jauary 6, 2010 4.1 Maßerhaltede Trasformatioe I diesem Kapitel führe wir zuächst de Begriff der maßerhaltede Trasformatio auf eiem Wahrscheilichkeitsraum ei ud

Mehr

Grundkompetenz-Aufgaben

Grundkompetenz-Aufgaben Durch starte Mathematik übugsbuch bis Grudkompetez-Aufgabe Aufgrud der eue schriftliche Reifeprüfug i Mathematik ist es otwedig, sich mit de eue Grudkompetez-Aufgabe auseiaderzusetze. Die Olie-Ergäzug

Mehr

Stochastik für WiWi - Klausurvorbereitung

Stochastik 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

Mehr

Vereinheitlichung Einheitlicher Maßstab der Risikoeinschätzung. Limitierung / Steuerung Messung und Limitierung ist fundamental für die Steuerung

Vereinheitlichung 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

Mehr

Innerbetriebliche Leistungsverrechnung

Innerbetriebliche 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

Mehr

Inhaltsverzeichnis Office Excel 2003 - Themen-Special: Statistik I

Inhaltsverzeichnis Office Excel 2003 - Themen-Special: Statistik I W-EX2003S Autor: Christia Müster Ihaltliches Lektorat: Peter Wies Überarbeitete Ausgabe vom 23. Mai 2007 by HERDT-Verlag für Bildugsmedie GmbH, Bodeheim Microsoft Office Excel 2003 für Widows Theme-Special:

Mehr

2.4.1 Grundprinzipien statistischer Hypothesentests

2.4.1 Grundprinzipien statistischer Hypothesentests 86 2.4. Hypothesetests 2.4 Hypothesetests 2.4.1 Grudprizipie statistischer Hypothesetests Hypothese: Behauptug eier Tatsache, dere Überprüfug och aussteht (Leuter i: Edruweit, Trommsdorff: Wörterbuch der

Mehr

Lösungen der Aufgaben zur Vorbereitung auf die Klausur Mathematik für Informatiker I

Lösungen 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

Mehr

Monte Carlo-Simulation

Monte Carlo-Simulation Mote Carlo-Simulatio Mote Carlo-Methode Der Begriff Mote Carlo-Methode etstad i de 1940er Jahre, als ma im Zusammehag mit dem Bau der Atombombe die Simulatio vo Zufallsprozesse erstmals i größerem Stil

Mehr

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008

BINOMIALKOEFFIZIENTEN. 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

Mehr

15. WAHRSCHEINLICHKEITSRECHNUNG

15. WAHRSCHEINLICHKEITSRECHNUNG 5. WAHRSCHEINLICHKEITSRECHNUNG 5.. Eiführug Ereigisse sid oft icht geau vorhersagbar. Ma weiß vorher icht sicher, ob sie eitrete werde. Solche Ereigisse et ma zufällig. Beispiele: Müzwurf (Kopf oder Zahl)

Mehr

elektr. und magnet. Feld A 7 (1)

elektr. 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

Mehr

Statistische Datenanalyse und Versuchsplanung

Statistische Datenanalyse und Versuchsplanung Statistische Dateaalyse ud Versuchsplaug Wahlpflicht für Studete der Biotechologie SWS IV (VL/Ü/PR) Abschluss: Übugsote U. Römisch http:// www.lmtc.tu-berli.de/agewadte_statistik_ud_cosultig LITERATUR

Mehr

Übungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0

Übungen 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,

Mehr

Statistik I Vorlesungsskript

Statistik I Vorlesungsskript Statistik I Vorlesugsskript Prof. Dr. Evgey Spodarev Ulm 2008 Vorwort Dieses Skript etstad aus dem Zyklus der Vorlesuge über Statistik, die ich i de Jahre 2005 2008 a der Uiversität Ulm gehalte habe. Dabei

Mehr

Kerncurriculum Berufliche Gymnasien Niedersachsen Stochastik

Kerncurriculum Berufliche Gymnasien Niedersachsen Stochastik Jes Hellig Herausgeber: Klaus Schillig Kercurriculum Berufliche Gymasie Niedersachse Stochastik Darstelle Auswerte Beurteile 2. Auflage Bestellummer 03330 Habe Sie Areguge oder Kritikpukte zu diesem Produkt?

Mehr

Gliederung. Value-at-Risk

Gliederung. 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

Mehr

Page-Rank: Markov-Ketten als Grundlage für Suchmaschinen im Internet

Page-Rank: Markov-Ketten als Grundlage für Suchmaschinen im Internet Humboldt-Uiversität zu Berli Istitut für Iformatik Logik i der Iformatik Prof. Dr. Nicole Schweikardt Page-Rak: Markov-Kette als Grudlage für Suchmaschie im Iteret Skript zum gleichamige Kapitel der im

Mehr

LV "Grundlagen der Informatik" Programmierung in C (Teil 2)

LV Grundlagen der Informatik Programmierung in C (Teil 2) Aufgabekomplex: Programmiere i C (Teil vo ) (Strukturierte Datetype: Felder, Strukture, Zeiger; Fuktioe mit Parameterübergabe; Dateiarbeit) Hiweis: Alle mit * gekezeichete Aufgabe sid zum zusätzliche Übe

Mehr

Arbeitsplätze in SAP R/3 Modul PP

Arbeitsplätze 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,

Mehr

Qualitätskennzahlen für IT-Verfahren in der öffentlichen Verwaltung Lösungsansätze zur Beschreibung von Metriken nach V-Modell XT

Qualitätskennzahlen 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

Mehr

Allgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable

Allgemeine 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

Mehr

Elektronikpraktikum: Digitaltechnik 2

Elektronikpraktikum: Digitaltechnik 2 Elektroikpraktikum: Digitaltechik 2 Datum, Ort: 16.05.2003, PHY/D-213 Betreuer: Schwierz Praktikate: Teshi C. Hara, Joas Posselt (beide 02/2/PHY/02) Gruppe: 8 Ziele Aufbau eier 3-Bit-Dekodierschaltug;

Mehr

1 Wahrscheinlichkeitslehre

1 Wahrscheinlichkeitslehre Wahrscheilichkeitslehre. Grudlage der Wahrscheilichkeitsrechug Die Wahrscheilichkeitslehre ist ei elemetarer Bestadteil der Statistik. Die mathematische Wahrscheilichkeitslehre umfasst ei kompliziertes

Mehr

Versuch 13/1 NEWTONSCHE INTERFERENZRINGE Blatt 1 NEWTONSCHE INTERFERENZRINGE

Versuch 13/1 NEWTONSCHE INTERFERENZRINGE Blatt 1 NEWTONSCHE INTERFERENZRINGE Versuch 3/ NEWTONSCHE INTERFERENZRINGE Blatt NEWTONSCHE INTERFERENZRINGE Die Oberfläche vo Lise hat im allgemeie Kugelgestalt. Zur Messug des Krümmugsradius diet das Sphärometer. Bei sehr flacher Krümmug

Mehr

Kryptologie: Kryptographie und Kryptoanalyse Kryptologie ist die Wissenschaft, die sich mit dem Ver- und Entschlüsseln von Informationen befasst.

Kryptologie: 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

Mehr

Zusammenfassung Wirtschaftsinformatik Stefan Käßmann

Zusammenfassung Wirtschaftsinformatik Stefan Käßmann I. Iformatio ud Nachricht 1. Iformatio ud Nachricht - Nachricht (Sytax), Sigale, Zeiche - Iformatio (Sematik), bit - Rausche 2. digitale Nachrichte - digitale Sigale (Sigalparameter aus edlicher Zeichevorrat)

Mehr

Einführung in die mathematische Statistik

Einführung in die mathematische Statistik Kapitel 7 Eiführug i die mathematische Statistik 7.1 Statistische Modellierug Bei der Modellierug eies Zufallsexperimets besteht oft Usicherheit darüber, welche W-Verteilug auf der Ergebismege adäquat

Mehr

Einführung in die Stochastik

Einführung in die Stochastik Prof. Dr. Has-Wolfgag He UNIVERSITÄT DORTMUND Fachbereich Mathematik Istitut für Etwicklug ud Erforschug des Mathematikuterrichts Eiführug i die Stochastik Skriptum zur Vorlesug im WS 00/003 Ihaltsverzeichis.

Mehr

Leitfaden zu den Zertifikate-Indizes. Discount-Index Outperformance-Index Bonus-Index Kapitalschutz-Index Aktienanleihen-Index

Leitfaden zu den Zertifikate-Indizes. Discount-Index Outperformance-Index Bonus-Index Kapitalschutz-Index Aktienanleihen-Index Leitfade zu de Zertifikate-Idizes Discout-Idex Outerformace-Idex Bous-Idex Kaitalschutz-Idex Aktiealeihe-Idex Fassug vom 22.02.2011 Versiosübersicht Versios- ID 1.00 1.10 1.20 1.30 Datum 28.02.2009 28.04.2009

Mehr

Daten und Zufall in der Jahrgangsstufe 9 Seite 1

Daten und Zufall in der Jahrgangsstufe 9 Seite 1 Date ud uall i der Jahrgagsstue Seite usammegesetzte uallsexperimete, Padregel Aubaued au de Erahruge aus de vorhergehede Jahrgagsstue beschätige sich die Schüler systematisch mit zusammegesetzte uallsexperimete

Mehr

AUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2. Datenfluß und Programmablauf 2. Vorbedingung 3. Nachbedingung 3. Schleifeninvariante 3

AUFGABENSTELLUNG (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

Mehr

Model CreditRisk + : The Economic Perspective of Portfolio Credit Risk Part I

Model CreditRisk + : The Economic Perspective of Portfolio Credit Risk Part I Model CreditRisk + : The Ecoomic Perspective of Portfolio Credit Risk Part I Semiar: Portfolio Credit Risk Istructor: Rafael Weißbach Speaker: Pablo Kimmig Ageda 1. Asatz ud Ziele Was ist CreditRisk +

Mehr

6.1 Grundlagen der Wahrscheinlichkeitsrechnung 6.1.1 Definitionen und Beispiele Beispiel 1 Zufallsexperiment 1,2,3,4,5,6 Elementarereignis

6.1 Grundlagen der Wahrscheinlichkeitsrechnung 6.1.1 Definitionen und Beispiele Beispiel 1 Zufallsexperiment 1,2,3,4,5,6 Elementarereignis 6. Grudlage der Wahrscheilichkeitsrechug 6.. Defiitioe ud Beispiele Spiele aus dem Alltagslebe: Würfel, Müze, Karte,... u.s.w. sid gut geeiget die Grudlage der Wahrscheilichkeitsrechug darzustelle. Wir

Mehr

WS 2000/2001. zeitanteiliger nomineller Jahreszinssatz für eine unterjährige Verzinsungsperiode bei einfachen Zinsen

WS 2000/2001. zeitanteiliger nomineller Jahreszinssatz für eine unterjährige Verzinsungsperiode bei einfachen Zinsen Aufgabe 1: WS 2000/2001 Aufgabe 1: (4 P (4 Pukte) Gebe Sie die Formel zur Bestimmug des relative sowie des koforme Zissatzes a ud erläuter Sie die Uterschiede bzw. Gemeisamkeite der beide Zisfüße. Lösug:

Mehr

Statistik und Wahrscheinlichkeitslehre

Statistik und Wahrscheinlichkeitslehre Statistik ud Wahrscheilichkeitslehre Zufall ud Mittelwerte Für alle techische Studiegäge Prof. Dr.-Ig. habil. Thomas Adamek Grudlage der Wahrscheilichkeitsrechug. Eiführug Grudlage vo Statistik ud Wahrscheilichkeitsrechug

Mehr

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung www.s.schule.de/~matheabi 1 Wahrscheilichkeitsrechug Eileitug Dieser Text ist etstade, um Schülerie ud Schüler der Jahrgagsstufe 12 die Wiederholug des Stoffs voragegageer Jahre zu erleichter. Nebe viele

Mehr

Klasse: Platzziffer: Punkte: / Graph zu f

Klasse: Platzziffer: Punkte: / Graph zu f Pflichtteil Mathematik I Aufgabe P Name: Vorame: Klasse: Platzziffer: Pukte: / P.0 Gegebe ist die Fuktio f mit der Gleichug (siehe Zeichug). y x8 y,25 4 mit GI IRIR Graph zu f O x P. x 8 Die Pukte C (x,25

Mehr

3. Tilgungsrechnung. 3.1. Tilgungsarten

3. 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

Mehr

Quantitative Methoden in der klinischen Epidemiologie Der statistische Test

Quantitative Methoden in der klinischen Epidemiologie Der statistische Test Lerziele Quatitative Methode i der kliische Epidemiologie Der statistische Test Dr. Markus Pfirrma pfi@ibe.med.ui-mueche.de IBE Der Statistische Test Im Zetrum jeder kliische ud epidemiologische Studie

Mehr

Leitfaden zum. Bondm-Index

Leitfaden zum. Bondm-Index Leitfade zum Bodm-Idex Versio 1.0 vom 01. September 2011 1 Ihalt Eiführug 1 Parameter des Idex 1.1 Kürzel ud ISIN 1.2 Startwert 1.3 Verteilug 1.4 Preise ud Berechugsfrequez 1.5 Gewichtug 1.6 Idex-Komitee

Mehr

Lernhilfe in Form eines ebooks

Lernhilfe in Form eines ebooks Ziseszisrechug Lerhilfe i Form eies ebooks apitel Thema Seite 1 Vorwort ud Eiführug 2 2 Theorie der Ziseszisrechug 5 3 Beispiele ud Beispielrechuge 12 4 Testaufgabe mit Lösuge 18 Zis-Ziseszis.de 212 Seite

Mehr

Löslichkeitsdiagramm. Grundlagen

Löslichkeitsdiagramm. 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

Mehr

6.6 Grundzüge der Fehler- und Ausgleichsrechnung 6.6.1 Fehlerarten- Aufgaben der Fehler- und Ausgleichsrechnung physikalisch-technische Experiment

6.6 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

Integrationsseminar zur BBL und ABWL Wintersemester 2002/2003

Integrationsseminar zur BBL und ABWL Wintersemester 2002/2003 Credit Risk+ Itegratiossemiar zur BBL ud BWL Witersemester 2002/2003 Oksaa Obukhova lia Sirsikova Credit Risk+ 1 Ihalt. Eiführug i die Thematik B. Ökoomische Grudlage I. Ziele II. wedugsmöglichkeite 1.

Mehr

Ein kleines Einmaleins über Mittelwertbildungen

Ein kleines Einmaleins über Mittelwertbildungen Vorlesugsergäzug zur Igeieurmathematik R.Brigola Ei kleies Eimaleis über Mittelwertbilduge Grudlage über arithmetische Mittel, geometrische Mittel, harmoische Mittel, quadratische Mittel ud das arithmetisch-geometrische

Mehr

Statistik. Deskriptive Statistik. Deskriptive Statistik. Deskriptive Statistik

Statistik. Deskriptive Statistik. Deskriptive Statistik. Deskriptive Statistik AGAH Aual Meetig 004, Berli Grudlage der Biometrie Beschreibede ud schließede Statistik i kliische Studie Jede mathematische Formel reduziert die Azahl der Zuhörer um 50% PD Dr. Thomas Sudhop & Dr. med.

Mehr

Verbesserung von Datengüte und Analysemöglichkeiten durch den Einsatz visueller Analogskalen in Onlineumfragen

Verbesserung 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

Mehr

Stichproben im Rechnungswesen, Stichprobeninventur

Stichproben 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-

Mehr

Korrekturrichtlinie zur Studienleistung Wirtschaftsmathematik am 22.12.2007 Betriebswirtschaft BB-WMT-S11-071222

Korrekturrichtlinie 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

Internet-Zahlungsverfahren aus Sicht der Händler: Ergebnisse der Umfrage IZH5

Internet-Zahlungsverfahren aus Sicht der Händler: Ergebnisse der Umfrage IZH5 Iteret- aus Sicht der Hädler: Ergebisse der Umfrage IZH5 Vorab-Kurzauswertug ausgewählter Aspekte Dezember 2009 1 Gegestad ud ausgewählte Ergebisse der Studie Mit der aktuelle füfte Umfragewelle zum Thema

Mehr

Linsengesetze und optische Instrumente

Linsengesetze 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

Lektion II Grundlagen der Kryptologie

Lektion II Grundlagen der Kryptologie Lektio II Grudlage der Kryptologie Klassische Algorithme Ihalt Lektio II Grudbegriffe Kryptologie Kryptographische Systeme Traspositioschiffre Substitutioschiffre Kryptoaalyse Übuge Vorlesug Datesicherheit

Mehr

Informatik II Dynamische Programmierung

Informatik II Dynamische Programmierung lausthal Iformatik II Dyamische Programmierug. Zachma lausthal Uiversity, ermay zach@i.tu-clausthal.de Zweite Techik für de Algorithmeetwurf Zum Name: "Dyamische " hat ichts mit "Dyamik" zu tu, soder mit

Mehr

Versuch D3: Energiebilanz einer Verbrennung

Versuch D3: Energiebilanz einer Verbrennung Versuch D: Eergiebilaz eier Verbreug 1. Eiführug ud Grudlage 1.1 Eergiebilaz eier Verbreug Die Eergiebilaz eier Verbreug wird am eispiel eier kleie rekammer utersucht, i welcher die bei der Verbreug vo

Mehr

Mathematischer Vorkurs zum Studium der Physik

Mathematischer 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)

Mehr

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban

Institut 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,

Mehr

Byzantinische Einigung im Full-Information-Modell in O(log n) Runden

Byzantinische Einigung im Full-Information-Modell in O(log n) Runden Byzatiische Eiigug im Full-Iformatio-Modell i O(log ) Rude Martia Hüllma Uiversität Paderbor (martiah@upb.de) Zusammefassug. Byzatiische Eiigug stellt ei grudlegedes Problem im Bereich verteilter Systeme

Mehr

Diplomarbeit. Stochastische Modelle für Schadenabwicklungsschemata unter Berücksichtigung von Reservenbildung

Diplomarbeit. Stochastische Modelle für Schadenabwicklungsschemata unter Berücksichtigung von Reservenbildung - - Prof. Dr. Dietmar Pfeifer Uiversität Hamburg Fachbereich Mathematik Istitut für Mathematische Stochastik Diplomarbeit Stochastische Modelle für Schadeabwicklugsschemata uter Berücksichtigug vo Reservebildug

Mehr

Zahlenfolgen, Grenzwerte und Zahlenreihen

Zahlenfolgen, Grenzwerte und Zahlenreihen KAPITEL 5 Zahlefolge, Grezwerte ud Zahlereihe. Folge Defiitio 5.. Uter eier Folge reeller Zahle (oder eier reelle Zahlefolge) versteht ma eie auf N 0 erlarte reellwertige Futio, die jedem N 0 ei a R zuordet:

Mehr

AVANTI Neuerungen. Inhalt. I. Neuerungen Version 16. 1. Pin Funktion. 2. Status für Nachtragspositionen. 3. DBD Baupreise EFB

AVANTI Neuerungen. Inhalt. I. Neuerungen Version 16. 1. Pin Funktion. 2. Status für Nachtragspositionen. 3. DBD Baupreise EFB Neueruge Software Techologie GmbH 67433 Neustadt / Weistraße Ihalt I. Neueruge Versio 16 3 1. Pi Fuktio 3 2. Status für Nachtragspositioe 5 3. DBD Baupreise EFB 6 4. Programm Eistiegs Assistet 8 5. Voreistellugs-Assistet

Mehr

Aufgaben und Lösungen der Probeklausur zur Analysis I

Aufgaben 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

Mehr

Satz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.

Satz 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,

Mehr

Kunde. Kontobewegung

Kunde. Kontobewegung Techische Uiversität Müche WS 2003/04, Fakultät für Iformatik Datebaksysteme I Prof. R. Bayer, Ph.D. Lösugsblatt 4 Dipl.-Iform. Michael Bauer Dr. Gabi Höflig 17.11. 2003 Abbildug E/R ach relatioal - Beispiel:

Mehr

2 Amplitudenmodulation

2 Amplitudenmodulation R - ING Übertraggstechik MOD - 16 Aplitdeodlatio Der isträger bietet drei igalparaeter, die wir beeiflsse köe. Etspreched terscheide wir Aplitdeodlatio für die beeiflsste Aplitde, Freqezodlatio d Phaseodlatio

Mehr

Musterlösung zu Übungsblatt 2

Musterlösung zu Übungsblatt 2 Prof. R. Padharipade J. Schmitt C. Schießl Fuktioetheorie 25. September 15 HS 2015 Musterlösug zu Übugsblatt 2 Aufgabe 1. Reelle Fuktioe g : R R stelle wir us üblicherweise als Graphe {(x, g(x)} R R vor.

Mehr

ICD-Aggregatwechsel Auswertung 2014 Modul 09/5

ICD-Aggregatwechsel Auswertung 2014 Modul 09/5 Bayerische Arbeitsgemeischaft für Qualitätssicherug i der statioäre Versorgug ICD-Aggregatwechsel Auswertug Modul 9/5 ICD-Aggregatwechsel Ihalt» Ihaltsverzeichis 1 Basisstatistik 1 Patiete 2 Idikatio 3

Mehr

Zur Ableitung zulässiger Messunsicherheiten

Zur Ableitung zulässiger Messunsicherheiten Zur Ableitug zulässiger Messusicherheite aus Toleraze bei Igeieurvermessuge a Krabahe Has Schulz Vo de jeweilige Herstelltoleraze ist für die Vermessug ei bestimmter Ateil die Vermessugstoleraz vorzusehe,

Mehr

Lerneinheit 2: Grundlagen der Investition und Finanzierung

Lerneinheit 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

Protokoll zum Anfängerpraktikum

Protokoll zum Anfängerpraktikum Protokoll zum Afägerpraktikum Polarisatio vo Licht Gruppe, Team 5 Sebastia Korff Frerich Max 0.07.06 Ihaltsverzeichis. Eileitug -3-. Polarisatio -3-. Dichroismus -4-.3 BREWSTER Wikel -5-.4 Der FARADAY

Mehr

3 Die Außenfinanzierung durch Fremdkapital (Kreditfinanzierung)

3 Die Außenfinanzierung durch Fremdkapital (Kreditfinanzierung) 3 Die Außefiazierug durch Fremdkapital (Kreditfiazierug) 3.1 Die Charakteristika ud Forme der Kreditfiazierug Aufgabe 3.1: Idealtypische Eigeschafte vo Eige- ud Fremdkapital Stelle Sie die idealtypische

Mehr

1 Einführung in die Fehlerrechnung

1 Einführung in die Fehlerrechnung Physik für Biologie ud Zwei-Fächer-Bachelor Chemie Kap.: Eiführug i die Fehlerrechug Eiführug i die Fehlerrechug Tiefemessschiee Abbildug: Messschieber. Theoretische Grudlage Bei jeder physikalische Messug

Mehr

Zur Definition. der wirksamen. Wärmespeicherkapazität

Zur Definition. der wirksamen. Wärmespeicherkapazität Ao. Uiv. Prof. Dipl.-Ig. Dr. tech. Klaus Kreč, Büro für Bauphysik, Schöberg a Kap, Österreich Zur Defiitio der wirksae Wärespeicherkapazität vo Ao. Uiv. Prof. Dipl.-Ig. Dr. tech. Klaus Kreč Büro für Bauphysik

Mehr

Kapitel 1. Einige Begriffe aus der Asymptotik. 1.1 Wiederholung

Kapitel 1. Einige Begriffe aus der Asymptotik. 1.1 Wiederholung Kapitel Eiige Begriffe aus der Asymptotik. Wiederholug Eiwesetlicher Teil der Ökoometrie befasst sichmit der Ermittlug voschätzer ud dere Eigeschafte. Diese werde beötigt, um aus de beobachtbare Date eier

Mehr

Vorlesung Experimentalphysik I am 16.10.2000 und 17.10.2000 J. Ihringer

Vorlesung Experimentalphysik I am 16.10.2000 und 17.10.2000 J. Ihringer V1_1Messe.DOC 1 Vorlesug Experimetalphysik I am 16.10.2000 ud 17.10.2000 J. Ihriger 1 Mechaik Die Mechaik ist die Lehre vo der Bewegug ud Verformug vo Körper uter dem Eifluß vo Kräfte. I der Mechaik der

Mehr