Prognosegüte von Wetterportalen
|
|
- Hetty Schmitt
- vor 7 Jahren
- Abrufe
Transkript
1 Prognosegüte von Wetterportalen Auswertung Monat Februar 7 durchgeführt am Institut für Meteorologie der Freien Universität Berlin von Dipl.-Met. Thomas Dümmel Dipl.-Met. Petra Jankiewicz Petra Grasse im Auftrag der RTL interactive GmbH Diese Auswertung dient der Verifikation der prognostizierten Höchst- und Tiefsttemperaturen der drei Wetterportale wetter.de, wetter.com und wetter-online.de. Es werden die Prognosen des Temperaturmaximums (- Uhr UTC) und des Temperaturminimums (- Uhr UTC) an Orten für den Monat Februar 7 auf ihre Güte untersucht. Die Prognosen für folgende Orte wurden überprüft: - Hannover (WMO ) - Hamburg (WMO 7) - Essen (WMO ) - Bremen (WMO ) - Berlin (WMO ) - Köln / Bonn (WMO ) - Leipzig (WMO 7) - München (WMO ) - Stuttgart (WMO 79) - Frankfurt/Main (WMO 7) - Palma de (WMO ) Die Wetterportale bieten für all diese Stationen Vorhersagen an, nur bei wetter-online scheint München die Station (Flughafen Riem) zu sein. wetter.com erstellt für alle deutschen Städte Prognosen für den aktuellen Tag und für die nächsten Tage. Für Palma de wird nur für den aktuellen und die nächsten Tage prognostiziert. Der Prognosetermin wird im Weiteren meist leadtime genannt. Bei wetter.de werden durchweg Prognosen für den aktuellen Tag und die nächsten Tage erstellt (leadtime bis ). Wetter-online erstellt nur Prognosen der leadtime bis. Die Prognosen wurden täglich um die gleiche Zeit (ca. Uhr ) den entsprechenden Webseiten entnommen und archiviert. Februar 7
2 Vorgehensweise Um die eigentliche Gütebestimmung einer Prognose durchführen zu können, werden Zeitreihen der Differenzen (Prognosewert-Eingetroffen) produziert. Dies geschieht für jeden Ort, für beide Parameter (Tmax:tx und Tmin:tn), für jeden Dienstleister und für jede leadtime. Aus diesen Differenz-Zeitreihen werden bestimmte statistische Kenngrößen berechnet, die Aussagen über die Güte der einzelnen Prognosen zulassen. Es werden folgende Kenngrößen berechnet:.) Mittlerer Prognosefehler (BIAS) Der arithmetische Mittelwert der Reihe der Prognosefehler gibt den systematischen Fehler der jeweiligen Prognose an. Der systematische Fehler (BIAS) sollte möglichst gleich Null sein. Liegt der BIAS z.b. bei + Grad, so sind die betreffenden Prognosen im Schnitt immer um Grad zu warm..) (sdev) Die ist ein Maß für die Schwankungsbreite der Fehlerreihe. Je kleiner die ist, desto besser ist die Prognose, da die Fehler näher bei Null liegen..) Mittlerer Fehlerbereich Der mittlere positive und negative Fehler ergibt sich aus der Mittelung aller positiven und aller negativen Prognosefehler. Dabei wird die Anzahl der Null-Fehler je zu Hälfte auf die beiden verteilt..) Maximaler Fehlerbereich Hier werden die maximalen positiven und maximal negativen Prognosefehler angegeben. Februar 7
3 .) Der ist ein Maß, das die wirkliche Prognoseleistung gegenüber einer Simpelprognose anzeigt. Als Simpelprognose wird bei Kurz- bis Mittelfristprognosen die Persistenzprognose (morgen wie heute) benutzt. Bei Langfristprognosen ist das Klimamittel geeigneter. Hier wurde die Prognoseleistung gegenüber der Persistenz gerechnet. Durch den kann man erkennen, ob die erreichte geringe Fehlerstandardabweichung auf echte Leistung oder nur auf eine einfachere Prognostizierbarkeit zurückzuführen ist. Der besitzt einen Wert von, wenn die Prognose perfekt ist, das heißt die Fehler-Varianz der Prognose ist. Allgemein gilt: umso näher der wert bei liegt, desto besser ist die Prognose in Relation zur Vergleichsprognose (hier Persistenz)..) Der ist ein Maß für Übereinstimmung der Tendenz (des Verlaufs) der Prognose mit der Tendenz der Originalreihe. Bei einer totalen Übereinstimmung der Phasen liegt der Wert bei. Dieser Wert wird umso kleiner je schlechter diese Übereinstimmung ist. Er hat den Wert, wenn die Reihen genau gegenläufig sind. Februar 7
4 GLOSSAR Erläuterungen für die in der Dokumentation und Auswertung genannten statistischen Begriffe. Mittelwert Der arithmetische Mittelwert ist die Summe aller Daten dividiert durch den Stichprobenumfang n. Formel: x = n m x i n i= Um die Streuung um den Mittelwert zu erhalten wird die Wurzel aus der Varianz gezogen. Formel : Varianz s = s Die Varianz s ist die mittlere quadratische Abweichung der Einzelwerte vom Mittelwert. Die Varianz ist ein Streuungsmaß. Formel : s ( xi ( xi ) = N N Formel : s = ( ) N n i= x i x m Februar 7
5 Gütemaß der Prognose gegenüber Persistenz. Formel : - (s² (prog) / s² (persistenz)) ; s = Varianz Der ist ein Maß für den linearen Zusammenhang zweier Werte. Er liegt zwischen - und + und ist positiv, wenn den hohen (bzw. niedrigen) Werten eines Merkmals jeweils hohe (bzw. niedrige) Werte des anderen Merkmals gegenüberstehen. Im entgegengesetzten Fall ist er negativ. Der Wert liegt umso näher bei ±, je straffer die Beziehung ist. Ein Wert bei lässt auf das Fehlen einer linearen Beziehung schließen. Formel : r = n ( x x )( y y ) i m ( x x ) ( y y ) i m i= i= n i i m m Februar 7
6 Grafiken Auf den folgenden Seiten werden für jede Station und für jedes Element (tn, tx) die oben genannten Gütemaße dargestellt. Als X-Achse ist immer die Vorhersagezeit (leadtime) aufgetragen, die Y-Achse ist die Temperatur. Beim ist die Y-Achse dimensionslos. Die Werte von wetter.de sind immer blau, die Werte von wetter.com sind immer rot, die Werte von wetter-online.de sind immer grün dargestellt. Die Werte der Persistenzprognose sind schwarz dargestellt. Die Mehrzahl der Vorhersagen weisen mit zunehmender leadtime einen immer größeren systematischen Fehler auf. Im Gegensatz zu den letzten Monaten ist der systematische Fehler bei allen deutlich kleiner und ist nicht mehr bei fast jeder Station negativ. Der fällt ab Prognosetag oder 7 meist deutlich ab, da sich hier die Prognosefehler der Persistenz und die Prognosefehler der Dienstleister annähern. Der ist allgemein bis zum. Vorhersagetag recht hoch, nimmt ab dem. oder. Tag stärker ab. Februar 7
7 Prog - Synop - - Mittlerer Prognosefehler (BIAS) hamburg 7 hamburg Mittlerer Fehlerbereich hamburg Maximaler Fehlerbereich hamburg Prog - Synop - Prog - Synop hamburg.. hamburg Februar 7 7
8 Prog - Synop - - Mittlerer Prognosefehler (BIAS) hamburg 7 hamburg Mittlerer Fehlerbereich hamburg Maximaler Fehlerbereich hamburg Prog - Synop - Prog - Synop hamburg.. hamburg Februar
9 Prog - Synop - - Mittlerer Prognosefehler (BIAS) bremen 7 bremen Mittlerer Fehlerbereich bremen Maximaler Fehlerbereich bremen Prog - Synop - Prog - Synop bremen.. bremen Februar
10 Prog - Synop - - Mittlerer Prognosefehler (BIAS) bremen 7 bremen Mittlerer Fehlerbereich bremen Maximaler Fehlerbereich bremen Prog - Synop - Prog - Synop bremen.. bremen Februar 7
11 Prog - Synop - - Mittlerer Prognosefehler (BIAS) hannover 7 hannover Mittlerer Fehlerbereich hannover Maximaler Fehlerbereich hannover Prog - Synop - Prog - Synop hannover.. hannover Februar 7
12 Prog - Synop - - Mittlerer Prognosefehler (BIAS) hannover 7 hannover Mittlerer Fehlerbereich hannover Maximaler Fehlerbereich hannover Prog - Synop - Prog - Synop hannover.. hannover Februar 7
13 Prog - Synop - - Mittlerer Prognosefehler (BIAS) berlin 7 berlin Mittlerer Fehlerbereich berlin Maximaler Fehlerbereich berlin Prog - Synop - Prog - Synop berlin.. berlin Februar 7
14 Prog - Synop - - Mittlerer Prognosefehler (BIAS) berlin 7 berlin Mittlerer Fehlerbereich berlin Maximaler Fehlerbereich berlin Prog - Synop - Prog - Synop berlin.. berlin Februar 7
15 Prog - Synop - - Mittlerer Prognosefehler (BIAS) essen 7 essen Mittlerer Fehlerbereich essen Maximaler Fehlerbereich essen Prog - Synop - Prog - Synop essen.. essen Februar 7
16 Prog - Synop - - Mittlerer Prognosefehler (BIAS) essen 7 essen Prog - Synop Mittlerer Fehlerbereich essen Prog - Synop Maximaler Fehlerbereich essen essen.. essen Februar 7
17 Prog - Synop - - Mittlerer Prognosefehler (BIAS) leipzig 7 leipzig Prog - Synop Mittlerer Fehlerbereich leipzig Prog - Synop Maximaler Fehlerbereich leipzig leipzig.. leipzig Februar 7 7
18 Prog - Synop - - Mittlerer Prognosefehler (BIAS) leipzig 7 leipzig Prog - Synop Mittlerer Fehlerbereich leipzig Prog - Synop Maximaler Fehlerbereich leipzig leipzig.. leipzig Februar 7
19 Prog - Synop - - Mittlerer Prognosefehler (BIAS) koeln 7 koeln Mittlerer Fehlerbereich koeln Maximaler Fehlerbereich koeln Prog - Synop - Prog - Synop koeln.. koeln Februar 7 9
20 Prog - Synop - - Mittlerer Prognosefehler (BIAS) koeln 7 koeln Prog - Synop Mittlerer Fehlerbereich koeln Prog - Synop Maximaler Fehlerbereich koeln koeln.. koeln Februar 7
21 Prog - Synop - - Mittlerer Prognosefehler (BIAS) frankfurt_m 7 frankfurt_m Mittlerer Fehlerbereich frankfurt_m Maximaler Fehlerbereich frankfurt_m Prog - Synop - Prog - Synop frankfurt_m.. frankfurt_m Februar 7
22 Prog - Synop - - Mittlerer Prognosefehler (BIAS) frankfurt_m 7 frankfurt_m Mittlerer Fehlerbereich frankfurt_m Maximaler Fehlerbereich frankfurt_m Prog - Synop - Prog - Synop frankfurt_m.. frankfurt_m Februar 7
23 Prog - Synop - - Mittlerer Prognosefehler (BIAS) stuttgart 7 stuttgart Mittlerer Fehlerbereich stuttgart Maximaler Fehlerbereich stuttgart Prog - Synop - Prog - Synop stuttgart.. stuttgart Februar 7
24 Prog - Synop - - Mittlerer Prognosefehler (BIAS) stuttgart 7 stuttgart Mittlerer Fehlerbereich stuttgart Maximaler Fehlerbereich stuttgart Prog - Synop - Prog - Synop stuttgart.. stuttgart Februar 7
25 Mittlerer Prognosefehler (BIAS) muenchen 7 muenchen Prog - Synop Mittlerer Fehlerbereich muenchen Maximaler Fehlerbereich muenchen Prog - Synop - Prog - Synop muenchen.. muenchen tx Februar 7
26 Mittlerer Prognosefehler (BIAS) muenchen 7 muenchen Prog - Synop Mittlerer Fehlerbereich muenchen Maximaler Fehlerbereich muenchen Prog - Synop - Prog - Synop muenchen.. muenchen Februar 7
27 Mittlerer Prognosefehler (BIAS) palma_de_mallorca 7 palma_de_mallorca Prog - Synop Mittlerer Fehlerbereich palma_de_mallorca Maximaler Fehlerbereich palma_de_mallorca Prog - Synop - Prog - Synop palma_de_mallorca.. palma_de_mallorca Februar 7 7
28 Mittlerer Prognosefehler (BIAS) palma_de_mallorca 7 palma_de_mallorca Prog - Synop Mittlerer Fehlerbereich palma_de_mallorca Maximaler Fehlerbereich palma_de_mallorca Prog - Synop - Prog - Synop palma_de_mallorca.. palma_de_mallorca Februar 7
29 Tabellen Die folgenden Tabellen zeigen die en der Prognosefehler, die en und den für die Wetterdienstleister für jeden Ort und für jede leadtime getrennt für das Temperaturminimum tn und das Temperaturmaximum tx. Außerdem ist für jede Station auch das Mittel des Parameters aus leadtime - (bei tn auch -) und das Mittel aus leadtime - und das Mittel aus der leadtime - (bei tn aus -) angegeben. Die Spalte Mittel BRD fasst die Güte pro leadime über alle deutschen Orte zusammen. In den Schnittpunkten aus den Mitteln über eine leadtime-spanne und der Spalte Mittel BRD sind die mittleren Parameter über alle Orte und alle entsprechenden leadtimes angegeben. Diese Werte der Fehlerstandardabweichungen sind nachfolgend zu einer kompakten Liste über die Prognosegüte zusammengefasst: TemperaturMax tx TemperaturMin tn leadtime wd wc wo leadtime wd wc wo -,,, -,, ,,7 - -,, - -,,9 - -,, - -,, Bei der Prognose des Temperaturmaximums und den Vorhersagetagen bis ist wetter.de Sieger vor wetter.com und wetter-online. Bei der Prognose des Temperaturminimums und den Vorhersagetagen bis ist wetter.de deutlicher Sieger vor wetter.com und wetter-online. Bewertet man auch die Nichtvorhersage der leadtime, so ist der Abstand von wetter.de zum Zweitplatzierten wetter-online noch größer. Bei den Vorhersagetagen - ist bei tx und tn ist wetter.de ebenfalls deutlicher Sieger vor wetter.com. Über den vollen Vorhersagezeitraum von - Tagen ist wetter.de deutlicher Sieger bei tx und tn vor wetter.com. Bis auf den Unterschied der Fehlerstandardabweichungen zwischen wetter.de und wetter.com bei Tmax bei der --Tagesprognose (, zu,) sind alle Unterschiede zum Zweitplatzierten statistisch signifikant auf dem 9% oder gar 9%-Niveau. Februar 7 9
30 Auffälliges Bei der Betrachtung der Prognosegüte verschiedener Orte (unabhänging vom Dienstleister) fällt auf, dass einige wenige Orte aus dem Rahmen fallen. So scheint es im Februar 7 für alle schwerer zu sein, die Tiefsttemperatur für Hamburg, Berlin oder Bremen zu prognostizieren, als für die anderen Orte. Essen ist erneut am leichtesten. Bei der Prognose der Höchsttemperatur sind dieses Mal Berlin und Leipzig für alle schwieriger als die anderen. Hamburg und teilweise Stuttgart sind für alle am leichtesten. Bei den Tmin-Prognosen für den aktuellen Tag (vergangene Nacht, lt=) von wetter-online und auch von wetter.de fällt auf, dass dabei nahezu keine Fehler gemacht werden. Dies wird dadurch erreicht, dass beide bereits kurz nach der offiziellen Meldung der Tiefsttemperatur um Uhr UTC (7 oder Uhr Ortszeit) die jeweiligen Prognosen durch die Messwerte ersetzt. Wenn dann gegen : Uhr die Internetprognosen erfasst werden, stehen dort schon echte Messwerte. Es handelt sich also nicht um eine echte Prognoseleistung. Die leadtime= Prognosen der Tiefsttemperatur wurde daher zur Gütebeurteilung nicht benutzt, bzw. gesondert aufgeführt, da es sich nicht um eine echte Vorhersageleistung handelt. Bei allen Stationen macht dieses Mal wetter-online bei tx und und teilweise auch bei tn den größten systematischen Fehler, indem häufig zu kalt vorhergesagt wurde. Der BIAS (systematische Fehler) von wetter.de und wetter.com bewegt sich in vernünftigen Grenzen von +- Grad. Februar 7
31 wetter.de en der Fehler Februar 7 wd Ort Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M. Mittel BRD Palma de tx tx tx tx tx tx tx tx tx tx tx tx Prognosetag Prognosetag Prognosetag Februar 7
32 Februar en der Fehler 7 wetter.com wc Ort Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M. Mittel BRD Palma de tx tx tx tx tx tx tx tx tx tx tx tx Prognosetag Prognosetag Prognosetag Februar 7
33 Februar en der Fehler 7 wetter-online wo Ort Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M. Mittel BRD Palma de tx tx tx tx tx tx tx tx tx tx tx tx Prognosetag Februar 7
34 wetter.de Februar 7 wd Ort Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M. Mittel BRD Palma de tx tx tx tx tx tx tx tx tx tx tx tx Prognosetag Prognosetag Prognosetag Februar 7
35 Februar 7 wetter.com wc Ort Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M. Mittel BRD Palma de tx tx tx tx tx tx tx tx tx tx tx tx Prognosetag Prognosetag Prognosetag Februar 7
36 Februar 7 wetter-online wo Ort Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M. Mittel BRD Palma de tx tx tx tx tx tx tx tx tx tx tx tx Prognosetag Februar 7
37 wetter.de Februar 7 wd Ort Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M. Mittel BRD Palma de tx tx tx tx tx tx tx tx tx tx tx tx Prognosetag Prognosetag Prognosetag Februar 7 7
38 wetter.com Februar 7 wc Ort Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M. Mittel BRD Palma de tx tx tx tx tx tx tx tx tx tx tx tx Prognosetag Prognosetag Prognosetag Februar 7
39 Februar 7 wetter-online wo Ort Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M. Mittel BRD Palma de tx tx tx tx tx tx tx tx tx tx tx tx Prognosetag Februar 7 9
40 wetter.de en der Fehler Februar 7 wd Ort Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M. Mittel BRD Palma de tn tn tn tn tn tn tn tn tn tn tn tn Prognosetag Prognosetag Prognosetag Prognosetag Februar 7
41 wetter.com wc en der Fehler Februar 7 Ort Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M. Mittel BRD Palma de tn tn tn tn tn tn tn tn tn tn tn tn Prognosetag Prognosetag Prognosetag Prognosetag Februar 7
42 wetter-online wo en der Fehler Ort Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M. Mittel BRD Palma de tn tn tn tn tn tn tn tn tn tn tn tn Februar Prognosetag Prognosetag Februar 7
43 wetter.de Februar 7 wd Ort Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M. Mittel BRD Palma de tn tn tn tn tn tn tn tn tn tn tn tn Prognosetag Prognosetag Prognosetag Prognosetag Februar 7
44 wetter.com wc Februar 7 Ort Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M. Mittel BRD Palma de tn tn tn tn tn tn tn tn tn tn tn tn Prognosetag Prognosetag Prognosetag Prognosetag Februar 7
45 wetter-online wo Ort Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M. Mittel BRD Palma de tn tn tn tn tn tn tn tn tn tn tn tn Februar Prognosetag Prognosetag Februar 7
46 wetter.de Februar 7 wd Ort Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M. Mittel BRD Palma de tn tn tn tn tn tn tn tn tn tn tn tn Prognosetag Prognosetag Prognosetag Prognosetag Februar 7
47 wetter.com wc Ort Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M. Mittel BRD Palma de tn tn tn tn tn tn tn tn tn tn tn tn Februar Prognosetag Prognosetag Prognosetag Prognosetag Februar 7 7
48 wetter-online wo Ort Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M. Mittel BRD Palma de tn tn tn tn tn tn tn tn tn tn tn tn Februar Prognosetag Prognosetag Februar 7
49 Mittel BRD Mittel BRD wd wc wo wd wc wo wd wc wo Prognosetag - Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M. Palma de Ort wd wc Prognosetag - Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M.Palma de Ort wd wc Prognosetag - wd wc wo Prognosetag - Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M. Palma de Ort wd wc Prognosetag - Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M. Palma de Ort wd wc Prognosetag - Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen StuttgartFrankfurt/M.Palma de Ort Februar 7 9 Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen StuttgartFrankfurt/M.Palma de Ort
50 BIAS Mittel BRD BIAS Mittel BRD wd wc wo - wd wc wo - wd wc wo BIAS Prognosetag - wd wc wo BIAS Prognosetag - Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M.Palma de Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen StuttgartFrankfurt/M.Palma de Ort - Ort wd wc BIAS Prognosetag - wd wc BIAS Prognosetag - Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M. Palma de Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M.Palma de Ort Ort wd wc BIAS Prognosetag - wd wc BIAS Prognosetag - Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen StuttgartFrankfurt/M.Palma de Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen Stuttgart Frankfurt/M.Palma de Februar 7 Ort - Ort
51 ..9. Mittel BRD.. Mittel BRD wd wc wo.. wd wc wo wd wc wo Prognosetag -..9 wd wc wo Prognosetag Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen StuttgartFrankfurt/M.Palma de Ort. Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen StuttgartFrankfurt/M.Palma de Ort..9. Prognosetag - wd wc..9. wd wc Prognosetag Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen StuttgartFrankfurt/M.Palma de Ort Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen StuttgartFrankfurt/M.Palma de Ort..9 wd wc Prognosetag -..9 wd wc Prognosetag Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen StuttgartFrankfurt/M.Palma de Ort Februar 7. Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen StuttgartFrankfurt/M.Palma de Ort
52 . Mittel BRD. Mittel BRD wd wc wo. wd wc wo...9 wd wc wo Prognosetag -..9 Prognosetag - wd wc wo Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen StuttgartFrankfurt/M.Palma de. Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen StuttgartFrankfurt/M.Palma de Ort Ort..9. Prognosetag - wd wc..9. wd wc Prognosetag Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen StuttgartFrankfurt/M.Palma de Ort Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen StuttgartFrankfurt/M.Palma de Ort..9. wd wc Prognosetag wd wc Prognosetag Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen StuttgartFrankfurt/M.Palma de Ort Februar 7. Hannover Hamburg Essen Bremen Berlin Koeln Leipzig Muenchen StuttgartFrankfurt/M.Palma de Ort
53 Zusammenfassung Bei den bis zu Tagesprognosen macht wetter.de im Februar 7 bei der Höchst- und Tiefsttemperatur an von Orten die besten Prognosen, wetter.com an Orten, während wetter-online an keinem Ort punkten konnte. Bei den / bis Tagesprognosen macht wetter.de bei Tmax und bei Tmin für alle Orte die besten Prognosen. Fasst man auch die Prognosen von Tmin und Tmax zusammen, so ergibt sich folgendes Kompaktbild der Fehlerstandardabweichungen: Leadtime wd wc wo /-,9,,9 -,79,,9 mit leadtime bei Tmin /-,,7 -,, mit leadtime bei Tmin In der über alles -Prognose ist auch im Februar 7 wetter.de (,) deutlich besser als wetter.com (,7). Betrachtet man nur die /- Tagesprognosen, so ist wetter.de Sieger, während wetter.com und wetter-online nachfolgen. Wetter.de hat in den längerfristigen Prognosen die eindeutigen Vorteile. Außerdem behauptet wetter.de erneut auch bei den / bis Tagesprognosen die Spitze, bei Tmax knapp, bei Tmin sehr deutlich. Alle Unterschiede (außer bei lt=/- zwischen,9 und,) zu den Zweitplatzierten der obigen Fehlerstandardabweichungen sind statistisch signifikant auf dem 9%- oder gar 9%-Niveau. Das MOS-Verfahren (Modell Output Statistik der MC-Wetter GmbH) von wetter.de, das im Oktober und November zu einem Multi-MOS mit zwei Modellen (ECMWF und zusätzlich US-GFS Modell) erweitert wurde, hat bereits im Dezember, Januar 7 und nun auch im Februar 7 seine Vorteile gegenüber den Mitbewerbern deutlich ausgespielt. Berlin, 9..7 Februar 7
Prognosegüte von Wetterportalen
Prognosegüte von Wetterportalen Auswertung Monat Dezember durchgeführt am Institut für Meteorologie der Freien Universität Berlin von Dipl.-Met. Thomas Dümmel Dipl.-Met. Petra Jankiewicz Petra Grasse im
MehrStatistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
MehrW-Seminar: Versuche mit und am Menschen 2017/2019 Skript
3. Deskriptive Statistik Die deskriptive (auch: beschreibende) Statistik hat zum Ziel, [ ] Daten durch Tabellen, Kennzahlen [ ] und Grafiken übersichtlich darzustellen und zu ordnen. Dies ist vor allem
MehrMittelwert, Standardabweichung, Median und Bereich für alle durchgeführten Messungen (in Prozent)
3. Ergebnisse 3.1 Kennwerte, Boxplot Die Kennwerte der deskriptiven Statistik sind in der Tabelle 1 für alle Messungen, in der Tabelle 2 für die Messungen, bei denen mit der Referenzmethode eine festgestellt
MehrAnwendungsaufgaben. a. Anhand des Streudiagramms (. Abb. 1) lässt sich ein linearer Zusammenhang vermuten. Aufgabe 1. Anhang 1: Lösungen der Aufgaben
Anhang 1: Lösungen der Aufgaben 15 +1). Korrelationskoeffizienten unterschiedlicher Stichproben oder verschiedener Variablen können so miteinander verglichen werden, was mit der Kovarianz nicht möglich
Mehr1. Maße der zentralen Tendenz Beispiel: Variable Anzahl der Geschwister aus Jugend '92. Valid Cum Value Frequency Percent Percent Percent
Deskriptive Statistik 1. Verteilungsformen symmetrisch/asymmetrisch unimodal(eingipflig) / bimodal (zweigipflig schmalgipflig / breitgipflig linkssteil / rechtssteil U-förmig / abfallend Statistische Kennwerte
MehrGibt es in Deutschland nur noch zu warme Monate?
Gibt es in Deutschland nur noch zu warme Monate? Rolf Ullrich 1), Jörg Rapp 2) und Tobias Fuchs 1) 1) Deutscher Wetterdienst, Abteilung Klima und Umwelt, D-63004 Offenbach am Main 2) J.W.Goethe-Universität,
MehrEine zweidimensionale Stichprobe
Eine zweidimensionale Stichprobe liegt vor, wenn zwei qualitative Merkmale gleichzeitig betrachtet werden. Eine Urliste besteht dann aus Wertepaaren (x i, y i ) R 2 und hat die Form (x 1, y 1 ), (x 2,
Mehrabsolute Häufigkeit h: Anzahl einer bestimmten Note relative Häufigkeit r: Anzahl einer bestimmten Note, gemessen an der Gesamtzahl der Noten
Statistik Eine Aufgabe der Statistik ist es, Datenmengen zusammenzufassen und darzustellen. Man verwendet dazu bestimmte Kennzahlen und wertet Stichproben aus, um zu Aussagen bzw. Prognosen über die Gesamtheit
MehrIm Jahr 2012 wurde die Höchsttemperatur im Süden der Steiermark gemessen. Bad Radkersburg liegt mit 34,9
Im Jahr 212 wurde die Höchsttemperatur im Süden der Steiermark gemessen. Bad Radkersburg liegt mit 34,9 o C voran. Es folgen ex aequo und mit 34,6 o C. Am Ende befinden sich mit 3,8 o C und mit 31,2 o
MehrTEIL 13: DIE EINFACHE LINEARE REGRESSION
TEIL 13: DIE EINFACHE LINEARE REGRESSION Die einfache lineare Regression Grundlagen Die einfache lineare Regression ist ebenfalls den bivariaten Verfahren für metrische Daten zuzuordnen 1 Sie hat einen
MehrMusterlösung zur Übungsklausur Statistik
Musterlösung zur Übungsklausur Statistik WMS15B Oettinger 9/216 Aufgabe 1 (a) Falsch: der Modus ist die am häufigsten auftretende Merkmalsausprägung in einer Stichprobe. (b) Falsch: die beiden Größen sind
MehrStatistik Klausur Wintersemester 2013/2014 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik 1 A 2. Klausur Wintersemester 2013/2014 Hamburg, 18.03.2014 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................
MehrKapitel 7. Crossvalidation
Kapitel 7 Crossvalidation Wie im Kapitel 5 erwähnt wurde, ist die Crossvalidation die beste Technik, womit man die Genauigkeit der verschiedenen Interpolationsmethoden überprüft. In diesem Kapitel wurde
MehrLandesstatistik Steiermark
Unter den 14 ausgewählten Messstellen in der Steiermark wurde die Höchsttemperatur 2015 in Leoben im Juli mit 36,5 o C gemessen. Dahinter folgen Hartberg und Bad Gleichenberg, zwei Stationen in der Thermenregion,
MehrStatistik eindimensionaler Größen
Statistik eindimensionaler Größen Michael Spielmann Inhaltsverzeichnis 1 Aufgabe der eindimensionalen Statistik 2 2 Grundbegriffe 2 3 Aufbereiten der Stichprobe 3 4 Die Kennzahlen Mittelwert und Streuung,
Mehra) Was ist die statistische Gesamtheit der hier vorliegenden Untersuchung und welche Merkmale wurden erhoben?
Statistik I, WS 2005/06, Seite 1 von 8 Statistik I Hinweise zur Bearbeitung Hilfsmittel: - Taschenrechner (ohne Datenbank oder die Möglichkeit diesen zu programmieren) - Formelsammlung im Umfang von einer
MehrWiederholung Statistik I. Statistik für SozialwissenschaftlerInnen II p.8
Wiederholung Statistik I Statistik für SozialwissenschaftlerInnen II p.8 Konstanten und Variablen Konstante: Merkmal hat nur eine Ausprägung Variable: Merkmal kann mehrere Ausprägungen annehmen Statistik
MehrStatistik Klausur Wintersemester 2013/2014 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik 1 2. Klausur Wintersemester 2013/2014 Hamburg, 18.03.2014 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
MehrMusterlösung zur Übungsklausur Statistik
Musterlösung zur Übungsklausur Statistik WMS4A Oettinger 6/205 Aufgabe (a) Falsch: der Modus ist die am häufigsten auftretende Merkmalsausprägung in einer Stichprobe. (b) Richtig: ein ordinales Merkmal
MehrBivariate Regressionsanalyse
Universität Bielefeld 15. März 2005 Kovarianz, Korrelation und Regression Kovarianz, Korrelation und Regression Ausgangspunkt ist folgende Datenmatrix: Variablen 1 2... NI 1 x 11 x 12... x 1k 2 x 21 x
MehrWahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
MehrDer Korrelationskoezient nach Pearson
Der Korrelationskoezient nach Pearson 1 Motivation In der Statistik werden wir uns häug mit empirisch erfassten Daten beschäftigen. Um diese auszuwerten, ist es oftmals notwendig einen Zusammenhang zwischen
MehrDie Funktion f wird als Regressionsfunktion bezeichnet.
Regressionsanalyse Mit Hilfe der Techniken der klassischen Regressionsanalyse kann die Abhängigkeit metrischer (intervallskalierter) Zielgrößen von metrischen (intervallskalierten) Einflussgrößen untersucht
MehrPROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale)
PROC MEAS zum Berechnen statistischer Maßzahlen (für quantitative Merkmale) Allgemeine Form: PROC MEAS DATA=name Optionen ; VAR variablenliste ; CLASS vergleichsvariable ; Beispiel und Beschreibung der
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften t-test Varianzanalyse (ANOVA) Übersicht Vergleich von Mittelwerten 2 Gruppen: t-test einfaktorielle ANOVA > 2 Gruppen: einfaktorielle ANOVA Seeigel und
Mehrmittlere WS bis Silageernte ab Blüte
Mais - Modellbeschreibung und Interpretationshilfe Anhand vorliegender Temperaturzeitreihen und beobachteter phänologischer Phasen werden Silage- und des Maises vorhergesagt. Diese Vorhersagen werden tabellarisch
MehrGrafiken zur Pressemitteilung. Immowelt-Kaufpreis- Prognose: 2020 kosten Wohnungen in deutschen Großstädten bis zu 28 Prozent mehr
Grafiken zur Pressemitteilung Immowelt-Kaufpreis- Prognose: 2020 kosten Wohnungen in deutschen Großstädten bis zu 28 Prozent mehr München Nürnberg Hannover Berlin Stuttgart Hamburg Deutschland Frankfurt
MehrTEIL 12: BIVARIATE ANALYSE FÜR METRISCH SKALIERTE VARIABLEN
TEIL 12: BIVARIATE ANALYSE FÜR METRISCH SKALIERTE VARIABLEN Bivariate Analyse für metrisch skalierte Variablen Grundlagen Verfahren für metrische Daten nutzen den vollen mathematischen Informationsgehalt
MehrArbeitsmarkt Münchner Statistik, 2. Quartalsheft, Jahrgang Tabelle und Grafiken: Adriana Kühnl
Autorin: Adriana Kühnl Tabelle und Grafiken: Adriana Kühnl München hat niedrigste Arbeitslosenquote 2015 unter den zehn größten deutschen Städten Die Münchner Arbeitslosenquoten im Vergleich zu den größten
Mehr3. Lektion: Deskriptive Statistik
Seite 1 von 5 3. Lektion: Deskriptive Statistik Ziel dieser Lektion: Du kennst die verschiedenen Methoden der deskriptiven Statistik und weißt, welche davon für Deine Daten passen. Inhalt: 3.1 Deskriptive
MehrTEIL 13: DIE LINEARE REGRESSION
TEIL 13: DIE LINEARE REGRESSION Dozent: Dawid Bekalarczyk GLIEDERUNG Dozent: Dawid Bekalarczyk Lineare Regression Grundlagen Prognosen / Schätzungen Verbindung zwischen Prognose und Zusammenhang zwischen
MehrDie erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man:
Die erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man: a) Die absoluten Häufigkeit: Sie gibt an, wie oft ein Variablenwert vorkommt b) Die relative Häufigkeit: Sie erhält
MehrStatistik I für Betriebswirte Vorlesung 4
Statistik I für Betriebswirte Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 25. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrDie erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man:
Die erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man: a) Die absoluten Häufigkeit: Sie gibt an, wie oft ein Variablenwert vorkommt b) Die relative Häufigkeit: Sie erhält
MehrEinfluss des Erstkalbealters auf spätere Leistungen beim Braunvieh D. Sprengel J. Duda
Einfluss des Erstkalbealters auf spätere Leistungen beim Braunvieh D. Sprengel J. Duda Anhand des umfangreichen Datenmaterials des LKVs in Bayern sollte geklärt werden, wie sich das EKA auf die Laktationen
MehrAuswertung der Daten von 2 Mehrfamilienwohnhäusern in Spremberg Anhang 1 Wetter: Wetterverlauf, Datengrundlagen, Gradtagszahlen, Witterungsbereinigung
DIMaGB MFH Spremberg Energieverbrauchsanalyse S. 1/9 Auswertung der Daten von 2 Mehrfamilienwohnhäusern in Spremberg Anhang 1 Wetter: Wetterverlauf, Datengrundlagen, Gradtagszahlen, Witterungsbereinigung
MehrG R A F I K E N Z U R P R E S S E M I T T E I L U N G
G R A F I K E N Z U R P R E S S E M I T T E I L U N G Immowelt-Prognose: Bis Ende nächsten Jahres werden die Immobilienpreise um bis zu 1.000 Euro pro Quadratmeter steigen Prognostizierte Preisentwicklung
MehrDr. W. Kuhlisch Dresden, Institut für Mathematische Stochastik
Dr. W. Kuhlisch Dresden, 12. 08. 2014 Institut für Mathematische Stochastik Klausur Statistik für Studierende der Fachrichtungen Hydrologie und Altlasten/Abwasser zugelassene Hilfsmittel: Taschenrechner
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 3. Vorlesung Dr. Jochen Köhler 1 Inhalte der heutigen Vorlesung Ziel: Daten Modellbildung Probabilistisches Modell Wahrscheinlichkeit von Ereignissen Im ersten
Mehr3) Lagemaße: Mittelwert, Median, Modus
Thema: Beschreibende Statistik LE.1: 40 min Seite 9 3) Lagemaße: Mittelwert, Median, Modus Lagemaße In der beschreibenden Statistik werden Daten erhoben. Diese Daten weisen eine bestimmte Verteilung auf.
MehrDie ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist.
.3. Stochastik Grundlagen Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist. Die RELATIVE HÄUFIGKEIT einer Merkmalsausprägung gibt an mit welchem Anteil
MehrPhallosan-Studie. Statistischer Bericht
Phallosan-Studie Statistischer Bericht Verfasser: Dr. Clemens Tilke 15.04.2005 1/36 Inhaltsverzeichnis Inhaltsverzeichnis... 2 Einleitung... 3 Alter der Patienten... 4 Körpergewicht... 6 Penisumfang...
MehrMonatsübersicht Priv. Wetterstation Hohenpeißenberg / Bschorrwald http://wetter-js.dyndns.org:8081/wetter/monatsuebersicht.php Klimatabelle der Priv. Wetterstation Hohenpeißenberg / Bschorrwald Monat:
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management
Statistik für Betriebswirtschaft und International Management Sommersemester 2014 Prof. Dr. Stefan Etschberger HSA Ausgangsdaten Bundesliga 2008/2009 Gegeben: Daten zu den 18 Vereinen der ersten Bundesliga
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Mag. Dipl.Ing. Dr. Pantelis Christodoulides & Mag. Dr. Karin Waldherr SS 2014 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 1/57 Die Deskriptivstatistik
MehrDer Weg eines Betrunkenen
Der Weg eines Betrunkenen 2 Hätte es damals schon Computer gegeben, wäre es für unseren Mathematiker um einiges leichter gewesen, den Weg des Betrunkenen zu bestimmen. Er hätte nicht nur eine beliebige
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 05. Dezember 2012 1 Datenpaare Korrelation 2 Lineare Regression Problemstellung Beispiel Bleibelastung 3 Regression
MehrKlausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester 2015 Aufgabe 1 In der aktuellen
MehrBitte am PC mit Windows anmelden!
Einführung in SPSS Plan für heute: Grundlagen/ Vorwissen für SPSS Vergleich der Übungsaufgaben Einführung in SPSS http://weknowmemes.com/generator/uploads/generated/g1374774654830726655.jpg Standardnormalverteilung
MehrDer Modus ist. Der Median ist. 3. Übung. Aufgabe 1. a) der häufigste Wert. b) der Wert unter dem 50 % aller anderen Werte liegen.
3. Übung Aufgabe 1 Der Modus ist a) der häufigste Wert. b) der Wert unter dem 50 % aller anderen Werte liegen. c) der Durchschnitt aller Werte. d) der Wert mit der größten Häufigkeitsdichte. e) der Schwerpunkt
Mehr7. Wettervorhersage und Vorhersagbarkeit (aus der Theorie-Vorlesung von K. Fraedrich)
7. Wettervorhersage und Vorhersagbarkeit (aus der Theorie-Vorlesung von K. Fraedrich) Begriffe Vorhersagbarkeit Vorhersagbarkeit charakterisiert die sensitive Abhängigkeit (Wetter- und Klima) von Anfangs-
MehrStatistik für NichtStatistiker
Statistik für NichtStatistiker Zufall und Wahrscheinlichkeit von Prof. Dr. Karl Bosch 5., verbesserte Auflage R. Oldenbourg Verlag München Wien Inhaltsverzeichnis 1. ZufalLsexperimente und zufällige Ereignisse
MehrLandesstatistik Steiermark
Unter den 14 ausgewählten Messstellen in der Steiermark wurde die Höchsttemperatur 2014 in Leoben mit 35 o C gemessen. Dahinter folgen Bad Gleichenberg und Bad Radkersburg, zwei Stationen in der Thermenregion,
MehrLandesstatistik Steiermark
Unter den 14 ausgewählten Messstellen in der Steiermark wurde die Höchsttemperatur 2016 in Bad Radkersburg und Leoben - jeweils im Juli - mit 33,3 o C gemessen. Dahinter folgen Bad Gleichenberg und Hartberg
MehrLARSIM-Anwendertreffen 2014
LARSIM-Anwendertreffen 214 Alternative statistische Maßzahlen zur Modellbewertung Definition und erste Ergebnisse Ingo Haag HYDRON Ingenieurgesellschaft für Umwelt und Wasserwirtschaft mbh Norbert Demuth
MehrTEIL 12: BIVARIATE ANALYSE FÜR METRISCH SKALIERTE VARIABLEN
TEIL 12: BIVARIATE ANALYSE FÜR METRISCH SKALIERTE VARIABLEN GLIEDERUNG Bivariate Analyse für metrisch skalierte Variablen Grundlagen Streudiagramme und Visualisierungen von Zusammenhängen Positive lineare
MehrUm die Güte die EZMW Prognosen abzuschätzen, wurden 2 Datensätze verwendet:
Kapitel 3 Niederschlagsdaten und Niederschlagsstatistik Um die Güte die EZMW Prognosen abzuschätzen, wurden 2 Datensätze verwendet: Beobachtungsdaten von der Niederschlagsstationen im ganzen Iran EZMW-Niederschlagsprognosen
MehrBivariater Zusammenhang in der Mehrfeldertafel PEΣO
Bivariater Zusammenhang in der Mehrfeldertafel PEΣO 9. November 2001 Bivariate Häufigkeitsverteilungen in Mehrfeldertabellen In der Mehrfeldertabelle werden im Gegensatz zur Vierfeldertabelle keine dichotomen
MehrAnleitung: Standardabweichung
Anleitung: Standardabweichung So kann man mit dem V200 Erwartungswert und Varianz bzw. Standardabweichung bei Binomialverteilungen für bestimmte Werte von n, aber für allgemeines p nach der allgemeinen
MehrBericht. über die Entwicklung der Lufttemperatur und der Windböen an Messstellen in NÖ
Bericht über die Entwicklung der Lufttemperatur und der Windböen an Messstellen in NÖ Impressum: Amt der NÖ Landesregierung Abteilung Anlagentechnik Referat Luftgüteüberwachung Landhausplatz 1 3109 St.
MehrModel Output Statistics (MOS)
Model Output Statistics (MOS) Numerische Modelle zur Wettervorhersage (NWV Modelle) berechnen den zukünftigen Zustand der Atmosphäre zu bestimmten Zeitpunkten (Prognose). Als Basis für die Berechnung der
MehrKapitel XI - Korrelationsrechnung
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Kapitel XI - Korrelationsrechnung Markus Höchstötter Uni Karlsruhe Karlsruhe, SS 2008 Kapitel XI - Korrelationsrechnung
MehrStatistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli
MehrBachelorprüfung: Statistik (1 Stunde)
Prof. H.R. Künsch D-BIOL, D-CHAB Winter 2010 Bachelorprüfung: Statistik (1 Stunde) Bemerkungen: Es sind alle mitgebrachten schriftlichen Hilfsmittel und der Taschenrechner erlaubt. Natels sind auszuschalten!
MehrÄnderung des Klimas in Bremen und Niedersachsen für *
Änderung des Klimas in Bremen und Niedersachsen für 2036-2065* Kennwerte Beobachtungen Referenzzeitraum 1971-2000 Klimaschutz -Szenario RCP2.6 (minimaler und maximaler Wert) Jahresmitteltemperatur ( C)
MehrVergleich von Seegangsmessungen mit Boje und Radar an der Plattform FINO 1. Dipl.-Ing. Maria Blümel Prof. Dr.-Ing. W. Zielke
Vergleich von Seegangsmessungen mit Boje und Radar an der Plattform FINO 1 Dipl.-Ing. Maria Blümel Prof. Dr.-Ing. W. Zielke Leibniz Universität Hannover Institut für Strömungsmechanik und Elektronisches
MehrStatistische Grundlagen I
Statistische Grundlagen I Arten der Statistik Zusammenfassung und Darstellung von Daten Beschäftigt sich mit der Untersuchung u. Beschreibung von Gesamtheiten oder Teilmengen von Gesamtheiten durch z.b.
MehrAllgemeines zu Tests. Statistische Hypothesentests
Statistische Hypothesentests Allgemeines zu Tests Allgemeines Tests in normalverteilten Grundgesamtheiten Asymptotische Tests Statistischer Test: Verfahren Entscheidungsregel), mit dem auf Basis einer
MehrWasserwirtschaftsamt Weilheim. Vergleich LME ALMO Sep. 2007
Vergleich LME ALMO Sep. 2007 Map-D-Phase Im Rahmen des Projektes Map-D-Phase standen uns ab dem 29.08.07 zum Test Daten des Schweizer Modells ALMO parallel zu den LME Vorhersagen zur Verfügung. Nach dem
MehrMethoden der Werkstoffprüfung Kapitel I Grundlagen. WS 2009/2010 Kapitel 1.0
Methoden der Werkstoffprüfung Kapitel I Grundlagen WS 2009/2010 Kapitel 1.0 Grundlagen Probenmittelwerte ohne MU Akzeptanzbereich Probe 1 und 2 liegen im Akzeptanzbereich Sie sind damit akzeptiert! Probe
Mehr3) Testvariable: T = X µ 0
Beispiel 4.9: In einem Molkereibetrieb werden Joghurtbecher abgefüllt. Der Sollwert für die Füllmenge dieser Joghurtbecher beträgt 50 g. Aus der laufenden Produktion wurde eine Stichprobe von 5 Joghurtbechern
MehrSommersemester Marktforschung
Dipl.-Kfm. Sascha Steinmann Universität Siegen Lehrstuhl für Marketing steinmann@marketing.uni-siegen.de Sommersemester 2010 Marktforschung Übungsaufgaben zu den Themen 3-6 mit Lösungsskizzen Aufgabe 1:
MehrBeispiel 4 (Einige weitere Aufgaben)
1 Beispiel 4 (Einige weitere Aufgaben) Aufgabe 1 Bestimmen Sie für die folgenden Zweierstichproben, d. h. Stichproben, die jeweils aus zwei Beobachtungen bestehen, a) den Durchschnitt x b) die mittlere
MehrAusführliche Lösungen zu ausgewählten Aufgaben von ÜB 5 und 6. Streudiagramm
y Aufgabe 3 Ausführliche Lösungen zu ausgewählten Aufgaben von ÜB 5 und 6 a) Zur Erstellung des Streudiagramms zeichnet man jeweils einen Punkt für jedes Datenpaar (x i, y i ) aus der zweidimensionalen
MehrT-Test für unabhängige Stichproben
T-Test für unabhängige Stichproben Wir gehen von folgendem Beispiel aus: Wir erheben zwei Zufallstichproben, wobei nur die Probanden der einen Stichprobe einer speziellen experimentellen Behandlung (etwa
MehrColorcontex Zusammenhänge zwischen Farbe und textilem Material
Colorcontex Zusammenhänge zwischen Farbe und textilem Material Zusammenfassung 2 2 2 Abstract Gruppierungen nach Eigenschaftspaaren Wirkung der Materialien Auswertung 3 4 5 6 7 8 9 10 Gelb Orange Rot Braun
Mehrb) Bestimmen Sie die bedingten relativen Häufigkeiten mit dem Merkmal Abschluss als Bedingung.
Aufgabe 1: Im Wintersemester 2007/2008 waren an der RUB 3.140 Studierende, darunter 1.168 weibliche, in wirtschaftswissenschaftlichen Studiengängen (Angestrebte Abschlüsse: Diplom, Bachelor oder Promotion)
MehrUniversität Koblenz 9./10. September 2005 Prof. Dr. Joachim Hofmann-Göttig
Meinungsforschung und Meinungsmache am Beispiel des Bundestagswahlkampfs 2005 Zur prognostischen Zuverlässigkeit zeitnaher Vorwahl-Umfragen Was taugt die Sonntagsfrage? Universität Koblenz 9./10. September
Mehr5. Seminar Statistik
Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation
MehrMathematik: LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 12. Erwartungswert, Varianz und Standardabweichung
Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester ARBEITSBLATT Erwartungswert, Varianz und Standardabweichung Die Begriffe Varianz und Standardabweichung sind uns bereits aus der Statistik bekannt
MehrDeckungsumfänge in der Kfz-Versicherung nach Wohnort und Alter des Versicherungsnehmers. September 2016
Deckungsumfänge in der Kfz-Versicherung nach Wohnort und Alter des Versicherungsnehmers September 2016 CHECK24 2016 Agenda 1 2 3 4 5 Zusammenfassung Methodik Deckungsumfänge in der Kfz-Versicherung nach
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Stetige und diskrete Wahrscheinlichkeitsverteilungen Lageparameter Streuungsparameter Diskrete und stetige Zufallsvariablen Eine Variable (oder Merkmal
MehrAUSWERTUNG DES RINGVERSUCHS Nonylphenol, Oktylphenol, Bisphenol A NP02
AUSWERTUNG DES RINGVERSUCHS Nonylphenol, Oktylphenol, Bisphenol A NP02 Probenversand am 24. Februar 2015 Anschrift: Umweltbundesamt GmbH Spittelauer Lände 5 1090 Wien/Österreich Ansprechpartner: Dr. Sandra
Mehr1 Univariate Statistiken
1 Univariate Statistiken Im ersten Kapitel berechnen wir zunächst Kenngrößen einer einzelnen Stichprobe bzw. so genannte empirische Kenngrößen, wie beispielsweise den Mittelwert. Diese können, unter gewissen
MehrHarry Potter und die Kammer des Schreckens : m, s, g, a, a, a, sg, g, a, g, m, m, g, g, sg, s, a, a, a, g, a, a, g, g, a
Aufgabe 1: Harry Potters Filmkritik 25 Schüler und Schülerinnen der Klasse 9 sollten die ersten beiden Harry-Potter- Filme mit ausgezeichnet (a), sehr gut (sg), gut (g), mittelprächtig (m), schlecht (s)
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrBasistext Funktionen. Eine Funktion f ordnet jedem Element x aus einer Definitionsmenge D f genau ein Wert y zu.
Basistext Funktionen Definition Eine Funktion f ordnet jedem Element x aus einer Definitionsmenge D f genau ein Wert y zu. Man schreibt: f: x -> y mit y = f(x) Die Wertemenge einer Funktion f besteht aus
MehrLagemasse und Streuung
Lagemasse und Streuung Benjamin Schlegel 07. März 2016 Lagemasse sagen etwas über die Lage und das Zentrum der Daten aus, Streuungsmasse, wie die Daten um dieses Zentrum gestreut sind. Lagemasse Lagemasse
MehrStatistik Klausur Wintersemester 2012/2013 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik 1 1. Klausur Wintersemester 2012/2013 Hamburg, 19.03.2013 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
MehrHotel- und Flugpreise zum Oktoberfest 2013 Angebote, Preisaufschläge und Preisentwicklung
Hotel- und Flugpreise zum Oktoberfest 2013 Angebote, Preisaufschläge und Preisentwicklung Stand: August 2013 Agenda 1. Zusammenfassung 2. Methodik 3. Die günstigsten verfügbaren Zimmer 4. Hotelpreisaufschläge
MehrDemographie und Fußball
Demographie und Fußball Eike Emrich 1, Werner Pitsch & Christian Rullang Einleitung Die Bevölkerung Deutschlands wird sich in den kommenden Jahrzehnten nach der 12. koordinierten Bevölkerungsvorausberechnung
MehrEinführung in einige Teilbereiche der Wirtschaftsmathematik für Studierende des Wirtschaftsingenieurwesens
in einige Teilbereiche der für Studierende des Wirtschaftsingenieurwesens Sommersemester 2013 Hochschule Augsburg Graphische Repräsentation von Kontingenztabellen Beispiel Autounfälle Verletzung leicht
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
MehrDas (multiple) Bestimmtheitsmaß R 2. Beispiel: Ausgaben in Abhängigkeit vom Einkommen (I) Parameterschätzer im einfachen linearen Regressionsmodell
1 Lineare Regression Parameterschätzung 13 Im einfachen linearen Regressionsmodell sind also neben σ ) insbesondere β 1 und β Parameter, deren Schätzung für die Quantifizierung des linearen Zusammenhangs
MehrHintergrundinformation Berlin, Entwicklung der Mitteltemperatur im Dezember in den letzten 45 Jahren
WWF Deutschland Regine Günther WWF Vertretung Berlin Große Präsidentenstraße 10 10178 Berlin Tel.: 0 30/30 87 42-0 Fax: 0 30/30 87 42 50 rguenther@wwf.de www.wwf.de Hintergrundinformation Berlin, 21.12.2006
MehrStatistik, Geostatistik
Geostatistik Statistik, Geostatistik Statistik Zusammenfassung von Methoden (Methodik), die sich mit der wahrscheinlichkeitsbezogenen Auswertung empirischer (d.h. beobachteter, gemessener) Daten befassen.
MehrDaten und Fakten: Verkehrssicherheit in Großstädten
ACE Auto Club Europa e.v. Presse- und Öffentlichkeitsarbeit Verantwortlich: Rainer Hillgärtner Schmidener Str. 227 70374 Stuttgart Tel.: 0711 / 53 03-266/277 Fax: 0711 / 53 03-288 www.ace-online.de E-Mail:
Mehr