Gliederung des Kurses:

Größe: px
Ab Seite anzeigen:

Download "Gliederung des Kurses:"

Transkript

1 Endmensonale Häfgketsvertelng Sete 1 Glederng des Krses: I II Allgemene Grndlagen Statstsche Analyse enes enzelnen Merkmals Analyse/Beschrebng enes enzelnen Merkmals Zel: Verdchtng (Komprmerng) ener nüberschabaren Datenmenge Komprmerende Beschrebng mttels: 1. Häfgketsvertelng (Tabellen nd Grafen) 2. Termn 2. Lageparameter 3. Termn 3. Strengsmaße bzw. -parameter 4. Termn 4. Konzentraton der Vertelng 5. Termn Glederng Termn II: II. Statstsche Analyse enes enzelnen Merkmals 1. Endmensonale HK-Vertelng & hre Darstellng (S.37 bs S. 53) 1.1 Nomnalskalerte Merkmale 1.2 Metrsch skalerte, dskrete Merkmale 1.3 Metrsch skalerte, stetge Merkmale

2 Endmensonale Häfgketsvertelng Sete 2 1 Endmensonale HK-Vertelngen nd hre Darstellng Darstellng der HK enes enzelnen Merkmals: Tabellen nd Grafen Man nterschedet 3 Arten von Merkmalen 1. Nomnalskalerte Merkmale Merkmalsasprägngen snd glechberechtgt nebenenander Bsp.: Stdengang 2. Metrsch skalerte, dskrete Merkmale Bsp.: Semesterzahl 3. Metrsch skalerte, stetge Merkmale Bsp.: Qadratmeterzahl

3 Endmensonale Häfgketsvertelng Sete HK-Vertelng nomnalskalerter Merkmale Nomnalskala: Merkmalsasprägngen snd glechberechtgt nebenenander 1. Tabellarsche Darstellng Bespel Wohnngsmfrage WS 0708 Merkmal: Stdengang (A) absolte Merkmalsasprägng (A ) Häfgket (n) BWL (A 1 ) 88 UW (A 2 ) 37 WSo (A 3 ) 27 Sonstges (A 4 ) 12 Smme 4 Schrebwese: n = n(a ) h = h(a ) n = n = 164 = 1 relatve Häfgket (h=n/n) 88/164 = 0,537 37/164 = 0,226 27/164 = 0,165 12/164 = 0,073 1,000 HK-Vertelng (Def.): Gesamthet aller rel. HK h = h(a )

4 Endmensonale Häfgketsvertelng Sete 4 2. Grafsche Darstellng (Aswahl) a) Kresdagramm ('pe-chart'): De Kresfläche wrd n entsprechende Antele afgetelt. WSo 16,5% Sonstge 7,3% BWL 53,7% UW 22,6% Hnwes zr Berechnng der Antele an der k ( ) Kresfläche:. = 1 h A = 100 % = 360 Bespel BWL: Wnkel = 0,537 * 360 = 193

5 Endmensonale Häfgketsvertelng Sete 5 b) Balkendagramme ( bar-chart ) 60 HK-Vertelng Relatve Häfgketen (n %) BWL UW WSo Sonstge 53,7 22,6 16,5 7,3 Ach möglch: Darstellng der abs. Häfgketen 100 Absolte Häfgketen BWL UW WSo Sonstge c) Andere Grafen Bespele (vgl. Skrpt, Excel)

6 Endmensonale Häfgketsvertelng Sete 6 Exkrs: Verbale Häfgketsdarstellng: "Wenn wr für ene Mnte schwegen sollten für jeden Menschen, der 1982 an Hnger starb, wären wr ncht n der Lage, den Begnn des 21. Jahrhnderts z feern, wel wr dann mmer noch stll sen müssten." Kbas Staatspräsdent Fdel Castro, 1983

7 Endmensonale Häfgketsvertelng Sete HK-Vertelng metrsch skalerter, dskreter Merkmale Metrsch: Abstände zwschen MMA messbar Dskret: Abzählbar vele MMA Alle absolt skalerten Merkmale (Anzahl von..) 1. Tabellarsche Darstellng Bespel Wohnngsmfrage WS 0708 Merkmal: Semesteranzahl (x) Merkmalsasprägng (x ) 1 (x 1 ) 3 (x 2 ) 5 (x 3 ) absolte HK n(x ) relatve HK h(x ) 0,396 0,574 0,030 Smme n = 164 1,000 Kmlerte absolte HK n(x x ) HK-Fnkton (Def.): Gesamthet aller rel. HK h(x ) Vertelngsfnkton (Def.): Gesamthet aller kmlerten rel. HK F(x ) = h(x x ) Kmlerte relatve HK h(x x ) 0,396 0,970 1,000

8 Endmensonale Häfgketsvertelng Sete 8 2. Grafsche Darstellng a) Darstellng der Häfgketsfnkton h(x ) Stabdagramm HK-Fnkton h(x) 1 0,8 0,6 0,4 0, b) Darstellng der Vertelngsfnkton F(x ) Treppenfnkton Vertelngsfnkton F(x) 1 0,8 0,6 0,4 0,

9 Endmensonale Häfgketsvertelng Sete Häfgketsvertelng metrsch skalerter, stetger Merkmale Metrsch: Abstände zwschen MMA messbar Stetg: Überabzählbar vele MMA Da jeder Merkmalswert n der Regel nr enmal beobachtet wrd (be belebg genaer Messng) st zr Darstellng erst ene Klassenbldng notwendg. Klassenentelng Regeln Möglchst gleche Klassenbreten, be großem Varatonsberech der Daten ach nterschedlche Klassenbreten verwenden Anzahl der Klassen (k) ncht z groß: 3 2 n,..., n Bsp.: n= Klassen ( ) Der häfgste Wert der Urlste sollte de Klassenmtte der Klasse mt der größten Häfgket blden. Für enen Verglech mt anderen Vertelngen: gleche Klassen blden Generelles Zel: Strktr des Asgangsmaterals klar nd möglchst nverfälscht herasarbeten!

10 Endmensonale Häfgketsvertelng Sete Tabellarsche Darstellng Bespel Skrpt Merkmal: Jahreslohn für 1980 (n DM) (x) Klasse Lohnklasse [1000 DM] Absolte Häfgket Relatve Häfgket Klassenbrete Vertelngsfnkton Dchtefnkton x x< x o Δx Qelle: Statstsches Bndesamt, Fachsere 14, Rehe 7.3, 1980 n h =n /n 1 0 bs nter ,4756 0,4756 0, ,4451 0,9207 0, ,0676 0,9883 0, ,0117 1,000 0,0047 Insgesamt ,000 o ( ) F x 10 1 ( ) f x

11 Endmensonale Häfgketsvertelng Sete Grafsche Darstellng a) Darstellng der HK-Fnkton: Hstogramm Problem be Klassenbldng: Relatve Häfgketen werden verzerrt drch nterschedlch große Klassen Lösng: Normerng der relatven Häfgketen drch Klassenbrete ( Dchtefnkton) ( ) f x h(x ) = Δ x Bespel: Klasse h(x ) (x ) f(x ) 0 1 0,2 1 0, ,8 8 0,1 Hstogramm: Darstellng der Dchtefnkton f(x ) 0,25 0,2 0,15 Rote Lne: HK-Polygon 0,1 0,

12 Endmensonale Häfgketsvertelng Sete 12 Bespel Skrpt Merkmal x: Jahreslohn für 1980 (n 1000 DM) 50 % Häfgketspolygon 25 % b) Darstellng der Vertelngsfnkton 1,0 0,6 0, Schrtte: 1. Pnkte der Tabelle abtragen Obergrenze nd F-Werte 2. Pnkte verbnden Annahme der Glechvertelng nnerhalb ener Klasse

13 Endmensonale Häfgketsvertelng Sete Interpolaton Gescht: Wert von F(x) für en gegebenes x Annahme: Glechvertelng n der Klasse Es glt: ( ) ( ) F x F x x x = h x Δ x ( ) Daras folgt: x x Δ x 1) F ( x) = F( x ) + h( x) 2) ( ) F( x ) F x x= x + Δx h x ( )

14 Endmensonale Häfgketsvertelng Sete 14 Möglche Fragestellngen: 1) We vel Prozent der statstschen Enheten bestzen enen Merkmalswert klener als x? gegeben: x gescht: F(x) 2) Unterhalb welchen Wertes legen F(x) aller Merkmalsasprägngen? gegeben: F(x) gescht: x

15 Bespel: Endmensonale Häfgketsvertelng Sete 15 1) We vel Prozent der Personen haben enen Lohn, der klener als DM st? gegeben: x = 40 gescht: F(x) Formel 1 Klasse 2 x x F x F x h x Δx ( ) = ( ) + ( ) = 0, ,4451 = 0, ) Über welchen Lohn verfügen 50% der Personen mt dem gerngsten Lohn? (ODER: Lohngrenze, nterhalb derer 50% aller Personen legen) gegeben: F(x) = 0,5 gescht: x Formel 2 Klasse 2 ( ) F( x ) F x x= x + Δx h x ( ) 0,5 0, 4756 = = 26,37 0, 4451

Datenaufbereitung und -darstellung III

Datenaufbereitung und -darstellung III Datenafberetng nd Darstellng 1 Glederng: Zel der Datenafberetng nd Darstellng Datenverdchtng Tabellen nd grafsche Darstellngen Darstellng nvarater Datenmengen (Abschntt 4.4 Darstellng mltvarater Daten

Mehr

ÜbungsaufgabeN mit Lösungen

ÜbungsaufgabeN mit Lösungen ÜbngsafgabeN mt Lösngen Statstk / Grndstdm Statstk I G - 3. Fachhochschle der Detschen Bndesbank Dr. Detmar Hbrch Dr. Detmar Hbrch Statstk I Afgaben nd Lösngen Fachhochschle der G 3. Detschen Bndesbank

Mehr

FORMELSAMMLUNG STATISTIK (I)

FORMELSAMMLUNG STATISTIK (I) Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen

Mehr

Darstellung univariater Datenmengen

Darstellung univariater Datenmengen Darstellng nvarater Datenmengen Häfgketstabellen/ Häfgketsvertelngen Grafsche Darstellng Emprsche Vertelngsfnktn Endmensnale Häfgketstabelle bzw. Häfgketsvertelng Ene Häfgketstabelle st ene besndere Verdchtngsfrm

Mehr

Entscheidungstheorie Teil 3. Thomas Kämpke

Entscheidungstheorie Teil 3. Thomas Kämpke Entschedngstheore Tel 3 Thomas Kämpke Sete Entschedngstheore Tel 3 Inhalt St. Petersbrg Paradoon (Bernoll 73) Präferenzfnktonen ttelpnktsmethode zr Bestmmng von Wertfnktonen über Intervallen (endmensonal)

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Aswertng nvarater Datenmengen - desrptv Lageparameter ener Vertelng Häfgster Wert (Mods) Zentralwert (Medan) Mttelwert (Arthmetsches Mttel) Prof. Küc / Dr. Rcabal Lage- nd Strengsparameter I Bblografe

Mehr

Kursthemen 2. Sitzung. Tabellarische und graphische Darstellung diskreter Daten. Tabellarische und graphische Darstellung diskreter Daten

Kursthemen 2. Sitzung. Tabellarische und graphische Darstellung diskreter Daten. Tabellarische und graphische Darstellung diskreter Daten Kursthemen 2. Stzung Fole I - 2-1 Tabellarsche und graphsche Darstellung dskreter Daten Tabellarsche und graphsche Darstellung dskreter Daten A) Nomnalskalen (Fole 2 bs 7) A) Nomnalskalen (Fole 2 bs 7)

Mehr

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de

Mehr

Statistik und Wahrscheinlichkeit

Statistik und Wahrscheinlichkeit Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Methodenlehre e e Prof. Dr. G. Menhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzet nach Verenbarung und nach der Vorlesung. Mathematsche und statstsche Methoden II Dr. Malte Perske perske@un-manz.de

Mehr

Datenaufbereitung und Darstellung

Datenaufbereitung und Darstellung Datenaufberetung und Darstellung 1 Glederung: Zel der Datenaufberetung und Darstellung Datenverdchtung Tabellen und grafsche Darstellungen Darstellung unvarater Datenmengen Darstellung multvarater Daten

Mehr

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung: Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab

Mehr

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden. Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve

Mehr

In der beschreibenden Statistik werden Daten erhoben, aufbereitet und analysiert. Beispiel einer Datenerhebung mit Begriffserklärungen (Vokabel)

In der beschreibenden Statistik werden Daten erhoben, aufbereitet und analysiert. Beispiel einer Datenerhebung mit Begriffserklärungen (Vokabel) Rudolf Brnkmann http://brnkmann-du.de Sete.. Datenerhebung, Datenaufberetung und Darstellung. In der beschrebenden Statstk werden Daten erhoben, aufberetet und analysert. Bespel ener Datenerhebung mt Begrffserklärungen

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Aswertng nvarater Datenmengen - deskrptv Maßzahlen zr Beschrebng der Häfgketsvertelngen Häfgster Wert (Mods) Zentralwert (Medan) Arthmetsches Mttel Bblografe Prof. Dr. Kück; Statstk, Vorlesngsskrpt Abschntt

Mehr

Die Schnittstellenmatrix Autor: Jürgen P. Bläsing

Die Schnittstellenmatrix Autor: Jürgen P. Bläsing QUALITY-APPs Applkatonen für das Qaltätsmanagement Prozessmanagement De Schnttstellenmatrx Ator: Jürgen P. Bläsng Schnttstellen (Übergangsstellen, Verbndngsstellen) n betreblchen Prozessen ergeben sch

Mehr

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1. Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.

Mehr

Für wen ist dieses Buch? Was ist dieses Buch? Besonderheiten. Neu in dieser Auflage

Für wen ist dieses Buch? Was ist dieses Buch? Besonderheiten. Neu in dieser Auflage Für wen st deses Bch? Das Taschenbch der Elektrotechnk rchtet sch an Stdentnnen nd Stdenten an nverstäten nd Fachhochschlen n den Berechen Elektrotechnk Nachrchtentechnk Technsche Informatk allgemene Ingenerwssenschaften

Mehr

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2 ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung

Mehr

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall

Mehr

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1. Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.

Mehr

Prof. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz

Prof. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz Prof. Dr. P. Kschka WS 2012/13 Lehrstuhl für Wrtschafts- und Sozalstatstk Klausur Statstsche Inferenz 15.02.2013 Name: Matrkelnummer: Studengang: Aufgabe 1 2 3 4 5 6 7 8 Summe Punkte 6 5 5 5 5 4 4 6 40

Mehr

Verteilungen eindimensionaler diskreter Zufallsvariablen

Verteilungen eindimensionaler diskreter Zufallsvariablen Vertelungen endmensonaler dskreter Zufallsvarablen Enführung Dskrete Vertelungen Dskrete Glechvertelung Bernoull-Vertelung Bnomalvertelung Bblografe: Prof. Dr. Kück Unverstät Rostock Statstk, Vorlesungsskrpt,

Mehr

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x) ZZ Lösung zu Aufgabe : Ch²-Test Häufg wrd be der Bearbetung statstscher Daten ene bestmmte Vertelung vorausgesetzt. Um zu überprüfen ob de Daten tatsächlch der Vertelung entsprechen, wrd en durchgeführt.

Mehr

Gliederung des Kurses:

Gliederung des Kurses: Lageparameter Sete Glederug des Kurses: I II Allgemee Grudlage Statstsche Aalyse ees ezele Merkmals Aalyse/Beschrebug ees ezele Merkmals Zel: Verdchtug (Komprmerug) eer uüberschaubare Datemege Komprmerede

Mehr

Konkave und Konvexe Funktionen

Konkave und Konvexe Funktionen Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage

Mehr

Zufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert

Zufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert R. Brnkmann http://brnkmann-du.de Sete..8 Zufallsvarable, Wahrschenlchketsvertelungen und Erwartungswert Enführungsbespel: Zwe Würfel (en blauer und en grüner) werden 4 mal zusammen geworfen. De Häufgketen

Mehr

Lösungen der Aufgaben zu Kapitel 2

Lösungen der Aufgaben zu Kapitel 2 Lösungen der Aufgaben zu Kaptel Abschntt 1 Aufgabe 1 Wr benutzen de Potenzrechenregeln, um ene Potenz von mt geradem Eponenten n oder mt ungeradem Eponenten n + 1 we folgt darzustellen: n n und n+1 n n

Mehr

Erstes Kirchhoffsches Gesetz

Erstes Kirchhoffsches Gesetz Amaterfnkkrs Landesverband Wen m ÖVSV Erstellt: 2010-2011 Letzte Bearbetng: 20. Febrar 2016 Themen 1 2 3 4 5 Erstes s Gesetz 3 2 1 4 5 2 + 3 + 5 =? Erstes s Gesetz 3 2 1 4 5 2 + 3 + 5 = 1 + 4 Zwetes s

Mehr

2 Zufallsvariable und Verteilungen

2 Zufallsvariable und Verteilungen Zufallsvarable und Vertelungen 7 Zufallsvarable und Vertelungen Wr wollen uns jetzt mt Zufallsexpermenten beschäftgen, deren Ausgänge durch (reelle) Zahlen beschreben werden können, oder be denen man jedem

Mehr

Maße der zentralen Tendenz (10)

Maße der zentralen Tendenz (10) Maße der zentralen Tendenz (10) - De Berechnung der zentralen Tendenz be ategorserten Daten mt offenen Endlassen I - Bespel 1: offene Endlasse Alter x f x f p x p p cum bs 20 1? 3? 6? 6 21-25 2 23 20 460

Mehr

Streuungs-, Schiefe und Wölbungsmaße

Streuungs-, Schiefe und Wölbungsmaße aptel IV Streuungs-, Schefe und Wölbungsmaße B... Lagemaße von äufgketsvertelungen geben allen weng Auskunft über ene äufgketsvertelung. Se beschreben zwar en Zentrum deser Vertelung, geben aber kenen

Mehr

Aspekte zur Approximation von Quadratwurzeln

Aspekte zur Approximation von Quadratwurzeln Aspete zur Approxmaton von Quadratwurzeln Intervallschachtelung Intervallhalberungsverfahren Heron-Verfahren Rechnersche und anschaulche Herletung Zusammenhang mt Newtonverfahren Monotone und Beschränthet

Mehr

z.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel!

z.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel! Aufgabe : Vorbemerkung: Ene Zufallsvarable st ene endeutge Funkton bzw. ene Abbldungsvorschrft, de angbt, auf welche Art aus enem Elementareregns ene reelle Zahl gewonnen wrd. x 4 (, ) z.b. Münzwurf: Kopf

Mehr

Statistik. 1. Vorbereitung / Planung - präzise Formulierung der Ziele - detaillierte Definition des Untersuchungsgegenstandes

Statistik. 1. Vorbereitung / Planung - präzise Formulierung der Ziele - detaillierte Definition des Untersuchungsgegenstandes Statstk Defnton: Entwcklung und Anwendung von Methoden zur Erhebung, Aufberetung, Analyse und Interpretaton von Daten. Telgebete der Statstk: - Beschrebende (deskrptve) Statstk - Wahrschenlchketsrechnung

Mehr

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree

Mehr

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung Fallstude 4 Qualtätsregelkarten (SPC) und Versuchsplanung Abgabe: Lösen Se de Aufgabe 1 aus Abschntt I und ene der beden Aufgaben aus Abschntt II! Aufgabentext und Lösungen schrftlch bs zum 31.10.2012

Mehr

Bildverarbeitung Herbstsemester 2012. Bildspeicherung

Bildverarbeitung Herbstsemester 2012. Bildspeicherung Bldverarbetung Herbstsemester 2012 Bldspecherung 1 Inhalt Bldformate n der Überscht Coderung m Überblck Huffman-Coderung Datenredukton m Überblck Unterabtastung Skalare Quantserung 2 Lernzele De wchtgsten

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

Kaplan- Meier- Schätzer

Kaplan- Meier- Schätzer Kaplan- Meer- Schätzer Glederung 1. Enletung 2. Zensur 3. Notaton 4. Methoden zur Schätzung der Überlebensfunton a. Reduced Sample Method/ Drect Method b. Actuaral Method bzw. verscherungsmath. Methode

Mehr

Alternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF

Alternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF Alternatve Darstellung des -Stchprobentests für Antele DCF CF Total n= 111 11 3 Response 43 6 69 Resp. Rate 0,387 0,3 0,309 Beobachtete Response No Response Total absolut DCF 43 68 111 CF 6 86 11 69 154

Mehr

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum Abgabe: Aufgabentext und Lösungen schrftlch bs zum 15. 6. 2012 I. Thema: Zehen mt und ohne Zurücklegen Lesen Se sch zunächst folgenden Text durch! Wr haben bsher Stchprobenzehungen aus Grundgesamtheten

Mehr

Protokoll: Labor: Analogelektronik. Versuch: Transistorgrundschaltungen. Alexander Böhme Matthias Pätzold

Protokoll: Labor: Analogelektronik. Versuch: Transistorgrundschaltungen. Alexander Böhme Matthias Pätzold Protokoll: Labor: Analogelektronk Versch: Transstorgrndschaltngen Von: Alexander Böhme Matthas Pätzold Te1 Grndschaltngen mt bpolaren Transstoren. 1.1 Nachwes der thermschen Stablserng des Arbetspnktes.

Mehr

Lösungen zum 3. Aufgabenblock

Lösungen zum 3. Aufgabenblock Lösungen zum 3. Aufgabenblock 3. Aufgabenblock ewerber haben n enem Test zur sozalen Kompetenz folgende ntervallskalerte Werte erhalten: 96 131 11 1 85 113 91 73 7 a) Zegen Se für desen Datensatz, dass

Mehr

Sind die nachfolgenden Aussagen richtig oder falsch? (1 Punkt pro korrekter Beantwortung)

Sind die nachfolgenden Aussagen richtig oder falsch? (1 Punkt pro korrekter Beantwortung) LÖSUNG KLAUSUR STATISTIK I Berufsbegletender Studengang Betrebswrtschaftslehre Sommersemester 016 Aufgabentel I: Theore (10 Punkte) Snd de nachfolgenden Aussagen rchtg oder falsch? (1 Punkt pro korrekter

Mehr

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung Fachberech Mathematk Prof. K. Grosse-Brauckmann D. Frsch WS 27/8./.. 6. Übungsblatt zur Lnearen Algebra für Physker Gruppenübung Aufgabe G7 (Kern, Bld, Rang und Orthogonaltät) Gegeben se ene lneare Abbldung

Mehr

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression Beschrebung des Zusammenhangs zweer metrscher Merkmale Streudagramme Korrelatonskoeffzenten Regresson Alter und Gewcht be Kndern bs 36 Monaten Knd Monate Gewcht 9 9 5 8 3 4 7.5 4 3 6 5 3 6 4 3.5 7 35 5

Mehr

Definition des linearen Korrelationskoeffizienten

Definition des linearen Korrelationskoeffizienten Defnton des lnearen Korrelatonskoeffzenten r xy x y y r x xy y 1 x x y y x Der Korrelatonskoeffzent st en Indkator dafür, we gut de Punkte (X,Y) zu ener Geraden passen. Sen Wert legt zwschen -1 und +1.

Mehr

Agentur für Arbeit Kompetenter Partner und Dienstleister

Agentur für Arbeit Kompetenter Partner und Dienstleister Workshop: Lebenswelten verstehen Stärken erkennen Unterstützung koordneren - Übergang Schule - Beruf M.Wagner, Agentur für Arbet Deggendorf 16. Ma 2013 BldrahmenBld enfügen: Menüreter: Bld/Logo enfügen

Mehr

Akademischer Lehrgang Video-Journalismus

Akademischer Lehrgang Video-Journalismus Akademscher Lehrgang Vdeo-Journalsmus www.wfwen.at WIFI Wen 200910 b www.wf.atwen l. e h r g a n g z u r w e t e r Fotograf: http:foto.frtz.st t g s f h 4 a 1. e m g l d u n g Das Fernsehen erlebt ene

Mehr

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder - Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole

Mehr

Prof. Dr. Roland Füss Statistik II SS 2008

Prof. Dr. Roland Füss Statistik II SS 2008 5. Spezelle Testverfahren Zahlreche parametrsche und nchtparametrsche Testverfahren, de nach Testvertelung (Bnomal, t-test etc.), Analysezel (Anpassungs- und Unabhänggketstest) oder Konstrukton der Prüfgröße

Mehr

3.1 Häufigkeiten bei diskreten Merkmalen Absolute und relative Häufigkeiten Graphische Darstellungen 40

3.1 Häufigkeiten bei diskreten Merkmalen Absolute und relative Häufigkeiten Graphische Darstellungen 40 3 Häufgketen 3. Häufgketen be dskreten Merkmalen 39 3.. Absolute und relatve Häufgketen 39 3..2 Graphsche Darstellungen 40 3.2 Häufgketen be stetgen Merkmalen 42 3.2. Das Prnzp der Klassenbldung 42 3.2.2

Mehr

Weitere NP-vollständige Probleme

Weitere NP-vollständige Probleme Wetere NP-vollständge Probleme Prosemnar Theoretsche Informatk Marten Tlgner December 10, 2014 Wr haben letzte Woche gesehen, dass 3SAT NP-vollständg st. Heute werden wr für enge wetere Probleme n NP zegen,

Mehr

Spule, Induktivität und Gegeninduktivität

Spule, Induktivität und Gegeninduktivität .7. Sple, ndktvtät nd Gegenndktvtät Bldqelle: Doglas C. Gancol, Physk, Pearson-Stdm, 006 - das Magnetfeld Glechnamge Pole enes Magneten stoßen enander ab; nglechnamge Pole zehen sch gegensetg an. Wenn

Mehr

Musterklausur Wirtschaftsmathematik und Statistik. Zusatzstudium für Wirtschaftsingenieur

Musterklausur Wirtschaftsmathematik und Statistik. Zusatzstudium für Wirtschaftsingenieur Musterklausur Wrtschaftsmathematk und Statstk Zusatzstudum für Wrtschaftsngeneur Telnehmer (Name, Vorname): Datum:.2006 Prüfer: Böhm-Retg Matrkelnummer: REGELN 1. Zum Bestehen der Klausur snd mndestens

Mehr

Algorithmen und ihre Programmierung -Teil 3-

Algorithmen und ihre Programmierung -Teil 3- Veranstaltung Pr.-Nr.: Algorthmen und hre Programmerung -Tel - Veronka Waue WS / Veronka Waue: Grundstudum Wrtschaftsnformatk WS/ Übung Ersetzen Se n folgendem Bespel de For schlefe durch ene WhleWend-Schlefe

Mehr

Standortplanung. Positionierung von einem Notfallhubschrauber in Südtirol. Feuerwehrhaus Zentrallagerpositionierung

Standortplanung. Positionierung von einem Notfallhubschrauber in Südtirol. Feuerwehrhaus Zentrallagerpositionierung Standortplanung Postonerung von enem Notfallhubschrauber n Südtrol Postonerung von enem Feuerwehrhaus Zentrallagerpostonerung 1 2 Postonerung von enem Notfallhubschrauber n Südtrol Zu bekannten Ensatzorten

Mehr

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com. Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener

Mehr

5. Das Finite-Element und die Formfunktion

5. Das Finite-Element und die Formfunktion 5. Ds Fnte-lement nd de Formfnkton Prof. Dr.-Ing. Uwe Renert Fcherech Prof. Dr.-Ing. Mschnen Uwe Renert telng Mschnen HOCHSCHU BRMN 5. Bespel des ensetg engespnnten nd f Zg ensprchten Blkenelements Bestmmng

Mehr

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher. PV - Hausaugabe Nr. 7.. Berechnen Se eakt und verglechen Se de Werte ür de Nullstelle, de mttels dem Verahren von Newton, der Regula als und ener Mttelung zu erhalten snd von der! Funkton: ( ) Lösungs

Mehr

Komplexe Zahlen. Teil 2. Darstellung der komplexen Zahlen. als Vektoren mit Polarkoordinaten trigonometrisch oder exponentiell. Eulersche Funktion E

Komplexe Zahlen. Teil 2. Darstellung der komplexen Zahlen. als Vektoren mit Polarkoordinaten trigonometrisch oder exponentiell. Eulersche Funktion E Höhere nalss Komplexe Zahlen Tel Darstellung der komplexen Zahlen als Vektoren mt Polarkoordnaten trgonometrsch oder exponentell Eulersche Funkton E Date Nr. 500 Stand. November 08 FRIEDRICH W. BUCKEL

Mehr

Die Kugel Lösungen. 1. Von einer Kugel ist der Radius bekannt. Berechne Volumen und Oberfläche der

Die Kugel Lösungen. 1. Von einer Kugel ist der Radius bekannt. Berechne Volumen und Oberfläche der De Kugel Lösungen 1. Von ener Kugel st der Radus bekannt. Berechne Volumen und Oberfläche der Kugel. r,8 cm 5, cm 18,6 cm 4, cm 5,6 cm 4,8 cm V 0 cm³ 64 cm³ 6 954 cm³ cm³ 76 cm³ 46 cm³ O 181 cm² 5 cm²

Mehr

Lineare Regression (1) - Einführung I -

Lineare Regression (1) - Einführung I - Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:

Mehr

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x,

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x, Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analyss I Vorlesung 17 Logarthmen Satz 17.1. De reelle Exponentalfunkton R R, x exp x, st stetg und stftet ene Bjekton zwschen R und R +. Bewes. De Stetgket

Mehr

Resultate / "states of nature" / mögliche Zustände / möglicheentwicklungen

Resultate / states of nature / mögliche Zustände / möglicheentwicklungen Pay-off-Matrzen und Entschedung unter Rsko Es stehen verschedene Alternatven (Strategen) zur Wahl. Jede Stratege führt zu bestmmten Resultaten (outcomes). Man schätzt dese Resultate für jede Stratege und

Mehr

Facility Location Games

Facility Location Games Faclty Locaton Games Semnar über Algorthmen SS 2006 Klaas Joeppen 1 Abstract Wr haben berets sehr häufg von Nash-Glechgewchten und vor allem von deren Exstenz gesprochen. Das Faclty Locaton Game betet

Mehr

2 Beschreibung einer Roboterstellung

2 Beschreibung einer Roboterstellung 2 Beschrebng ener Roboterstellng IndesemKaptelwrderlätert,wedeLagedesRoboterarmsvollständgbeschreben werden kann. Im ersten Abschntt werden de nbedngt nötgen Kenntnsse über Koordnatensysteme, free Vektoren,

Mehr

Tutorium Makroökonomik I:

Tutorium Makroökonomik I: UNIVERITÄTKOLLEG Unverstätskolleg: #tdm+ Ttorm Makroökonomk I:. Lneare Fnktonen mehrerer Varablen Dr. Krstn aetz Tobas Fscher Kostenlose satzangebote nd Lehrmateralen für alle tderenden Ttorm Makroökonomk

Mehr

Lineare Optimierung Dualität

Lineare Optimierung Dualität Kaptel Lneare Optmerung Dualtät D.. : (Dualtät ) Folgende Aufgaben der lnearen Optmerung heßen symmetrsch dual zuenander: und { z = c x Ax b x } max, 0 { Z b A c } mn =, 0. Folgende Aufgaben der lnearen

Mehr

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz): LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete

Mehr

Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse

Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse Skrpt zur Übung: Grundlagen der emprschen Sozalorschung - Datenanalyse Phasen des Forschungsprozesses Auswahl des Forschungsproblems Theorebldung Theoretsche Phase Konzeptspezkaton / Operatonalserung Bestmmung

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)

Mehr

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten Versuch r. 1: achwes des Hook schen Gesetzes und Bestmmung der Federkonstanten achwes des Hookeschen Gesetzes und Bestmmung der Federkonstanten Klasse : ame1 : ame 2 : Versuchszel: In der Technk erfüllen

Mehr

Ursache der Ungewissheit kann dabei z.b. unvollständige Information sein oder unbekannte bzw. nicht beeinflussbare Bedingungen.

Ursache der Ungewissheit kann dabei z.b. unvollständige Information sein oder unbekannte bzw. nicht beeinflussbare Bedingungen. SS 2013 Prof. Dr. J. Schütze/ J. Puhl/ FB GW Deskr.1 1 Warum Stochastk? Stochastk: Kunst des Mutmaßens (grech.) Mathematsche Stochastk beschäftgt sch mt der Beschrebung und Untersuchung von Erschenungen,

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Übung/Tutorate Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Übung/Tutorate Statistik II: Schließende Statistik SS 2007 Übung/Tutorate Statstk II: Schleßende Statstk SS 7 Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt

Mehr

Kreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik)

Kreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik) Kredtpunkte-Klausur zur Lehrveranstaltung Projektmanagement (nkl. Netzplantechnk) Themensteller: Unv.-Prof. Dr. St. Zelewsk m Haupttermn des Wntersemesters 010/11 Btte kreuzen Se das gewählte Thema an:

Mehr

4.2 Grundlagen der Testtheorie

4.2 Grundlagen der Testtheorie 4.2 Grundlagen der Testtheore Wntersemester 2008 / 2009 Hochschule Magdeburg-Stendal (FH) Frau Prof. Dr. Gabrele Helga Franke Deskrptve Statstk 4-1 bs 4-2 1 GHF m WSe 2008 / 2009 an der HS MD-SDL(FH) m

Mehr

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale 3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche

Mehr

Die Dreieckschaltung

Die Dreieckschaltung De Dreeckschaltung Handrechung zur Präsentaton Raphael Denert 5. Oktober 2016 Inhaltsverzechns 1 Wederholung: Knoten- und Maschenregel 1 1.1 Maschenregel.............................. 1 1.1.1 Bespel Maschenregel.....................

Mehr

Ordered Response Models (ORM)

Ordered Response Models (ORM) Handout: Mkroökonometre Ordered Response Models Domnk Hanglberger - SS 28 Ordered Response Models (ORM) Ist de abhängge Varable ordnal skalert (d.h. hre Kategoren lassen sch n ene Rangrehenfolge brngen,

Mehr

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen

Mehr

Contents blog.stromhaltig.de

Contents blog.stromhaltig.de Contents We hoch st egentlch Ihre Grundlast? Ene ncht ganz unwchtge Frage, wenn es um de Dmensonerung ener senannten Plug&Play Solar-Anlage geht. Solarsteckdosensystem für jermann, auch für Meter lautete

Mehr

Stochastik - Kapitel 4

Stochastik - Kapitel 4 Aufgaben ab Sete 5 4. Zufallsgrößen / Zufallsvarablen und hre Vertelungen 4. Zufallsgröße / Zufallsvarable Defnton: Ene Zufallsgröße (Zufallsvarable) X ordnet jedem Versuchsergebns ω Ω ene reelle Zahl

Mehr

5. ZWEI ODER MEHRERE METRISCHE MERKMALE

5. ZWEI ODER MEHRERE METRISCHE MERKMALE 5. ZWEI ODER MEHRERE METRISCHE MERKMALE wenn an ener Beobachtungsenhet zwe (oder mehr) metrsche Varablen erhoben wurden wesentlche Problemstellungen: Frage nach Zusammenhang: Bsp.: Duxbury Press (sehe

Mehr

Technische Universität Chemnitz Professur für Hochfrequenztechnik und Theoretische Elektrotechnik. Praktikum Grundlagen der Elektrotechnik

Technische Universität Chemnitz Professur für Hochfrequenztechnik und Theoretische Elektrotechnik. Praktikum Grundlagen der Elektrotechnik Technsche Unverstät hemntz Professr für Hochfreqenztechnk nd Theoretsche Elektrotechnk Praktkm Grndlagen der Elektrotechnk Versch: W1 Komplexer Wderstand 1. Verschszel Vertratwerden mt dem Wesen des komplexen

Mehr

( ) γ. (t 1 ) (t 2 ) = Arg γ 2(t 2 )

( ) γ. (t 1 ) (t 2 ) = Arg γ 2(t 2 ) Funktonentheore, Woche 10 Bholomorphe Abbldungen 10.1 Konform und bholomorph Ene konforme Abbldung erhält Wnkel und Orenterung. Damt st folgendes gement: Wenn sch zwe Kurven schneden, dann schneden sch

Mehr

Man erkennt, dass an der Induktivität die Spannung unendlich groß wird, wenn der Strom einen Sprung

Man erkennt, dass an der Induktivität die Spannung unendlich groß wird, wenn der Strom einen Sprung nverät Stttgart Intt für engselektronk nd Elektrsche Antrebe Abt. Elektrsche Energewandlng Prof. Dr.-Ing. N. Parspor Enschwngvorgänge Wenn n enem elektrschen Netzwerk en oder mehrere Energe spechernde

Mehr

Nernstscher Verteilungssatz

Nernstscher Verteilungssatz Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.

Mehr

Manhattan-Metrik anhand des Beispiels

Manhattan-Metrik anhand des Beispiels Bestmmung durch Manhattan-Metrk 3 Manhattan-Metrk anhand des Bespels Gesucht werden de zwe Standorte für zwe Ausleferungslager. De Standpunkte der Nachfrager () snd durch de Koordnaten ( x/y ) gegeben.

Mehr

"Zukunft der Arbeit" Arbeiten bis 70 - Utopie - oder bald Realität? Die Arbeitnehmer der Zukunft

Zukunft der Arbeit Arbeiten bis 70 - Utopie - oder bald Realität? Die Arbeitnehmer der Zukunft "Zukunft der Arbet" Arbeten bs 70 - Utope - oder bald Realtät? De Arbetnehmer der Zukunft Saldo - das Wrtschaftsmagazn Gestaltung: Astrd Petermann Moderaton: Volker Obermayr Sendedatum: 7. Dezember 2012

Mehr

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm): Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.

Mehr

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar. . Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen

Mehr

Standardnormalverteilung / z-transformation

Standardnormalverteilung / z-transformation Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ

Mehr

Zur Interpretation einer Beobachtungsreihe kann man neben der grafischen Darstellung weitere charakteristische Größen heranziehen.

Zur Interpretation einer Beobachtungsreihe kann man neben der grafischen Darstellung weitere charakteristische Größen heranziehen. Rudolf Brkma http://brkma-du.de Sete 0.0.008 Lagemaße der beschrebede Statstk. Zur Iterpretato eer Beobachtugsrehe ka ma ebe der grafsche Darstellug wetere charakterstsche Größe herazehe. Mttelwert ud

Mehr

Hochschule Heilbronn Technik Wirtschaft Informatik Heilbronn University Institut für math.-naturw. Grundlagen

Hochschule Heilbronn Technik Wirtschaft Informatik Heilbronn University Institut für math.-naturw. Grundlagen Versuch : Messung von Glechspannung und Glechstrom mt Multmetern 1. Aufgabenstellung Messung von Glechspannung u. Glechstrom mt analogen und dgtalen Messgeräten Verglech verschedener Messgeräte, Messgenaugket

Mehr

Röntgenbeugung: Übungsblatt - Lösungen

Röntgenbeugung: Übungsblatt - Lösungen Basskurs Krstallographe und Beugung Kurs WS2012/13 1/5 Röntgenbeugung: Übungsblatt - Lösungen 1. Antmontrchlord SbCl 3 krstallsert orthorhombsch mt den Gtterparametern a = 8.12, b = 9.47 und c = 6.37 Å

Mehr

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6 Praktkum Physkalsche Cheme I (C-2) Versuch Nr. 6 Konduktometrsche Ttratonen von Säuren und Basen sowe Fällungsttratonen Praktkumsaufgaben 1. Ttreren Se konduktometrsch Schwefelsäure mt Natronlauge und

Mehr