Mit Simulationen von einfachen Zufallsexperimenten bis zur Inferenzstatistik
|
|
- Carsten Wagner
- vor 7 Jahren
- Abrufe
Transkript
1 Mit Simulationen von einfachen Zufallsexperimenten bis zur Inferenzstatistik
2 Eine Familie hat zwei Kinder. Mit welcher Wahrscheinlichkeit haben alle Kinder dasselbe Geschlecht (2 Mädchen oder 2 Jungen)? Vorgehensweisen: Empirisch: Anfrage bei Einwohnermeldeämtern, Statistische Landes- und Bundesämter Theoretische Berechnung, z.b. Baumdiagramm Modellannahmen: Wahrscheinlichkeit ½ Unabhängigkeit Experimentell (???): Beobachte Paare, die zwei Kinder haben wollen und notiere das Geschlecht der Kinder Simulation: Repräsentation des Vorgangs durch doppelten Münzwurf
3 Was ist eine Simulation? Wenn man die Realsituation durch ein passendes Modell ersetzt, anhand dessen Experimente durchgeführt werden, so spricht man von Simulation Ein konstitutives Moment der Simulation ist somit die Modellbildung. Das Modell selbst ist eine Abbildung der Realität, nicht die Realität selbst, es idealisiert durch Vereinfachungen und Hinzufügen, besitzt also auch subjektive Merkmale. Das darf man nie vergessen, stets ist man zur Reflexion aufgefordert. (Kütting 1994, S. 247) Erst die Modellierung macht das Durchführen eines Experiments zu einer Simulation. All das bisher gesagte gilt auch für Simulationen außerhalb der Stochastik, z.b. Flugsimulator Simulation im Crash-Test Simulation im Windkanal Simulationen in der Stochastik sind Simulationen, bei denen Zufallsexperimente durchgeführt werden
4 Was ist eine Simulation? Unter Simulation versteht man in der Stochastik Verfahren, mit Hilfe von geeigneten Zufallsgeneratoren eine stochastische Situation nachzuspielen, um so ein Modell für diese Situation zu erhalten, das dann zur weiteren Analyse und zur Prognose eingesetzt werden kann. (Tietze u. a. 2002, 129).
5 Simulationen in der Stochastik Simulation als Werkzeug, um stochastische Probleme zu lösen Simulation zur Visualisierung von zufälligen Vorgängen, um Lernenden zufallsabhängige Vorgänge erfahrbar zu machen, um die darauf bezogene Begriffsbildung durch aktive Auseinandersetzung mit den zufallsabhängigen Situationen zu fördern.
6 Simulationen in der Stochastik Jede Frage der Stochastik kann im Prinzip auf zweierlei Weise beantwortet werden Analytisch (mit den Methoden der Wahrscheinlichkeitstheorie) Simulativ (als Annäherung) Beispiel: Wahrscheinlichkeit, dass in Familien mit zwei Kindern alle Kinder Mädchen sind
7 Marko und seine Krawatten Marko hat zehn Krawatten im Schrank und wählt an jedem Arbeitstag (Mo-Fr) zufällig einen Schlips, den er am Abend wieder in den Schrank legt. Wie groß ist die Wahrscheinlichkeit, das Marko an jedem Tag der Woche eine unterschiedliche Krawatte trägt?
8 Simulation im MU Simulationsmodell als Repräsentation eines komplexen Phänomens Experimenteller, handlungsorientierter Zugang Konkrete Erfahrungen mit Phänomen Zufall Wechselspiel: Realproblem Modell Simulation Mathematischer Formalismus sekundär
9 Jetzt ran an die Maschinen Multiple-Choice-Test bestehend aus 10 Fragen mit jeweils 2 Auswahlantworten: Kann ich die zum Bestehen erforderlichen 70% korrekter Antworten erreichen? Dreifacher Würfelwurf: Verteilung der Augensummen Sammelbild: Wann ist die Serie von 22 Bildern komplett?
10 Zentraler Grenzwertsatz Unter sehr allgemeinen Voraussetzungen kann der Mittelwert unabhängiger und identisch verteilter Zufallsvariabler als annähernd normalverteil angenommen werden Simulationen als Illustration Rolle des Stichprobenumfangs Symmetrie/ Schiefe der Ausgangsverteilung Simulation und Zufallsexperimente
11 Inferenz Bei der kommenden Kommunalwahl in Mainz soll auch über ein Gesetzentwurf abgestimmt werden (haha!), der es legalisiert, Wasserschweine (Capybaras) als Haustiere zu halten. Als Vorsitzender des örtlichen Tierschutzvereins hoffen Sie, dass die Initiative nicht durchkommt. In einer Umfrage unter 50 Wählern geben nur 19 an, dass sie mit JA votieren. Was sagt Ihnen das? Überlegungen: 19 von 50 = 38% => Erleichterung? Sie rechnen P-Wert 9% Sie korrigieren sich: Einseitiges Testen H 0 : p=0,5 versus H A : p<0,5 => P-Wert 4,5% Oder mittels Binomialverteilung: X~B(50;0,5), P(X 19)=5,56% Was lernen die Schüler hieraus über das Hypothesentesten? Simulation und Zufallsexperimente
12 Inferenz Bei der kommenden Kommunalwahl in Mainz soll auch über ein Gesetzentwurf abgestimmt werden, der es legalisiert, Wasserschweine (Capybaras) als Haustiere zu halten. Als Vorsitzender des örtlichen Tierschutzvereins hoffen Sie, dass die Initiative nicht durchkommt. In einer Umfrage unter 50 Wählern geben nur 19 an, dass sie mit JA votieren. Was sagt Ihnen das? Per Simulation Wirf 50mal ein Münze, Zahl= Ja, Wappen= Nein Vielfache Wiederholung am PC Simulation und Zufallsexperimente
13 Inferenz MUFFIN-Studie zu Medien- und Freizeitnutzen von Jugendlichen (Biehler, Kombrink, Schweynoch, 2003 Stichprobe Elftklässlern, n= 538, 233 Jungen, 305 Mädchen Helfen Mädchen im Haushalt mehr als Jungen? Simulation und Zufallsexperimente
14 Randomisierungstest als anschauliche und intuitive Alternative zu klassischen Verfahren wie z.b. t-test Theoriearm Referenzverteilung wird sukzessive aufgebaut Unterstützt die dem Hypothesentesten zugrunde liegende Idee ohne Notwendigkeit von viel formaler Mathematik Simulation und Zufallsexperimente
15 Inferenz MUFFIN-Studie zu Medien- und Freizeitnutzen von Jugendlichen (Biehler, Kombrink, Schweynoch, 2003 Stichprobe Elftklässlern, n= 538, 233 Jungen, 305 Mädchen Schauen Jugendliche mit eigenem TV im Zimmer mehr Fernsehen? Randomisierungstest als anschuliche und intuitive Alternative zu klassischem t-test Simulation und Zufallsexperimente
16 Didaktische Prinzipien beim Einsatz von Simulationen Das konzeptuelle Verständnis kann verbessert werden, wenn Lernende Prognosen zu den stochastischen Situationen abgeben und diese dann selbst überprüfen (Inter-)aktives Arbeiten mit Simulationen ist effektiver als das bloße Vorführen von Simulationen Das Lernen wird unterstützt, wenn sich Lernende ihrer Fehlvorstellungen bewusst sind, mit diesen konfrontiert werden und durch strukturierte Aktivitäten ihre eigenen Vorstellungen mit den simulierten Ergebnissen in Zusammenhang bringen Allerdings: Simulationen alleine haben per se keine explanative Kraft
17 Literatur Zu Simulationen R. Biehler, C. Maxara (2007): Integration von stochastischer Simulation in den Stochastikunterricht mit Hilfe von Werkzeugsoftware. Der Mathematikunterricht, 3,45-62 Maxara, C. (2009). Stochastische Simulation von Zufallsexperimenten mit Fathom Eine theoretische Werkzeuganalyse und explorative Fallstudie. Kasseler Online-Schriften zur Didaktik der Stochastik (KaDiSto) Bd. 7. Kassel: Universität Kassel [Online: J., R. Grübel (2008): Bootstrap oder die Kunst, sich selbst aus dem Sumpf zu ziehen. Mathematische Semesterberichte, 55, Leuders, T. (2005): Darf das denn wahr sein? Eine schüleraktive Entdeckung der Grundidee des Hypothesentestens durch Simulation und Tabellenkalkulation. Praxis der Mathematik in der Schule, 8(4), 8-16 P. Sedlmeier, D. Köhlers (2001): Wahrscheinlichkeiten im Alltag. Statistik ohne Formeln. Braunschweig: Westermann Schulmaterial R. Biehler, T. Hofmann, C. Maxara, A. Prömmel (2011): Daten und Zufall mit FATHOM. Unterrichtsideen für die S1 mit Software- Einführung. Schroedel-Verlag M. Gnanadesikan, R. Scheaffer, J. Swift (1987): The Art and Techniques of Simulation. Palo Alto: Dale Seymour Zur Software FATHOM R. Biehler, T. Hofmann, C. Maxara, A. Prömmel (2006): FATHOM2. Eine Einführung. Heidelberg: Springer E-Fathom
18 Weitere Materialien, zahlreiche Links unter Stochastik in der Schule
Didaktik der Stochastik
Didaktik der Stochastik. Didaktik der Stochastik Didaktik der Stochastik. Inhaltsverzeichnis Didaktik der Stochastik Ziele und Inhalte Beschreibende Statistik Wahrscheinlichkeitsrechnung Beurteilende Statistik
MehrKinga Szűcs Friedrich-Schiller-Universität Jena Fakultät für Mathematik und Informatik Abteilung Didaktik
Beurteilende Statistik im Mathematikunterricht Kinga Szűcs Friedrich-Schiller-Universität Jena Fakultät für Mathematik und Informatik Abteilung Didaktik 20.11.2014 Gliederung Anliegen der beurteilenden
MehrIm Leben ist nichts gewiss - außer dem Tod und den Steuern
Stochastik für Klasse - Joachim engel@ph-ludwigsburg.de www.joachimengel.eu Jahrestagung Mathematik der GHS-Seminare,. Oktober 00 Im Leben ist nichts gewiss - außer dem Tod und den Steuern SERJ - Statistics
MehrStation 1 Das Galtonbrett, Realmodelle
Station 1 Das Galtonbrett, Realmodelle Zeit zur Bearbeitung: 10 Minuten 1.1 Versuch:. Münzwurf mit dem Galtonbrett Betrachtet wird folgendes Zufallsexperiment: Fünf identische Münzen werden zehn-mal geworfen.
MehrNotenpunkte: Unterschrift: Zur Bestimmung des arithmetischen Mittels ist es wichtig die Daten der Größe nach zu ordnen.!!
Name: Seite 1 von 11 Universität Kassel 29. April 2009 Biehler / Hofmann Elementare Stochastik 1 2 3 4 5 6 7! 12 5 9 4 13 4 13 60 Notenpunkte: Unterschrift: Aufgabe 1 Aussagen (12 Punkte) Kreuzen Sie an,
MehrKinga Szűcs
Kinga Szűcs 28.10.2014 Warum wird Stochastik in der Schule unterrichtet? Welche Vorteile kann der Stochastikunterricht in den MU bringen? Welche Nachteile kann der Stochastikunterricht haben? Welche Ziele
MehrStoffverteilungsplan Mathematik Leistungskurs. Lambacher Schweizer Stochastik ISBN Klassenarbeit
Lambacher Schweizer Q3.1 Grundlegende Begriffe der Grundlagen der Wahrscheinlichkeitstheorie: Beschreiben von Zufallsexperimenten (Laplace-Experimente) unter Verwendung der Begriffe Ergebnis, Ergebnismenge,
MehrElementare Stochastik
Mathematik für das Lehramt Elementare Stochastik Eine Einführung in die Mathematik der Daten und des Zufalls Bearbeitet von Andreas Büchter, Hans-Wolfgang Henn Neuausgabe 2007. Taschenbuch. xii, 572 S.
MehrStoffverteilungsplan Mathematik Grundkurs. Lambacher Schweizer Stochastik ISBN Klassenarbeit
Q3.1 Grundlegende Begriffe der Grundlagen der Wahrscheinlichkeitstheorie: Beschreiben von Zufallsexperimenten (Laplace-Experimente) unter Verwendung der Begriffe Ergebnis, Ergebnismenge, Ereignis und Wahrscheinlichkeit
MehrKapitel IV - Spezielle Verteilungen: Diskrete Verteilungen
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel IV - Spezielle Verteilungen: Diskrete Verteilungen Markus Höchstötter Lehrstuhl
MehrVerteilung von Summen
Verteilung von Summen Beispiel: Würfelwurf Frage: Wie verhält sich die Verteilung der Augensumme von -Würfeln bei wachsendem? Zur Beantwortung führen wir ein Simulationseperiment durch. 6 Würfe mit 1 Würfel
MehrMit Daten sicher durch den Zufall
Mit Daten sicher durch den Zufall Wie der Stochastikunterricht in der Sekundarstufe gemäß der nationalen Bildungsstandards aussehen könnte Gliederung 1. Einstiegsbeispiel 2. Bildungsstandards, wieso-weshalb-warum?
MehrStochastik im Wechselspiel von Intuitionen und Mathematik
Stochastik im Wechselspiel von Intuitionen und Mathematik von Univ. Doz. Dr. Manfred Borovcnik Universität Klagenfurt Wissenschaftsverlag Mannheim/Leipzig/Wien/Zürich Inhaltsverzeichnis Intuitionen und
Mehr4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 4.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrElementare Stochastik
Mathematik Primarstufe und Sekundarstufe I + II Elementare Stochastik Mathematische Grundlagen und didaktische Konzepte Bearbeitet von Herbert Kütting, Martin J. Sauer, Friedhelm Padberg 3. Aufl. 2011.
Mehruntersuchen Lage- und Streumaße von Stichproben
Qualifikationsphase Leistungskurs 1 QII 2.1.2 Konkretisierte Unterrichtsvorhaben auf der Basis des Lehrwerks Buch: Elemente der Mathematik, Qualifikationsphase NRW Leistungskurs, Braunschweig 2015, Westermann
MehrDidaktik der Stochastik. PM-Heft 48, 2012: Fit für die Zukunft Stochastik
Didaktik der Stochastik 1.1 Didaktik der Stochastik PM-Heft 48, 2012: Fit für die Zukunft Stochastik Didaktik der Stochastik 1.2 Inhaltsverzeichnis Didaktik der Stochastik 1 Ziele und Inhalte 2 Beschreibende
MehrDidaktik der Stochastik
Jürgen Roth Didaktik der Stochastik Modul 12a/b: Fachdidaktische Bereiche 1.1 FundaMINT Lehramtsstipendium 1.2 Materialien zur Veranstaltung Internetseite zur Veranstaltung und Skript www.juergen-roth.de/lehre/did_stochastik/
MehrBeurteilende Statistik
Beurteilende Statistik SIGNIFIKANZ UND HYPOTHESENTESTS 12.02.2018 HOLGER WUSCHKE BEURTEILENDE STATISTIK 1 12.02.2018 HOLGER WUSCHKE BEURTEILENDE STATISTIK 2 12.02.2018 HOLGER WUSCHKE BEURTEILENDE STATISTIK
MehrMarcel Dettling. GdM 2: LinAlg & Statistik FS 2017 Woche 12. Winterthur, 17. Mai Institut für Datenanalyse und Prozessdesign
Marcel Dettling Institut für Datenanalyse und Prozessdesign Zürcher Hochschule für Angewandte Wissenschaften marcel.dettling@zhaw.ch http://stat.ethz.ch/~dettling Winterthur, 17. Mai 2017 1 Verteilung
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
MehrMathematische und statistische Methoden II
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 persike@uni-mainz.de
MehrZentraler Grenzwertsatz
Statistik 2 für SoziologInnen Zentraler Grenzwertsatz Univ.Prof. Dr. Marcus Hudec Statistik für SoziologInnen 1 Zentraler Grenzwertsatz Inhalte Themen dieses Kapitels sind: Der zentrale Grenzwertsatz und
MehrWahrscheinlichkeitsrechnung und schließende Statistik
Karl Mosler Friedrich Schmid Wahrscheinlichkeitsrechnung und schließende Statistik Vierte, verbesserte Auflage Springer Inhaltsverzeichnis 0 Einführung 1 1 Zufalls Vorgänge und Wahrscheinlichkeiten 5 1.1
MehrEinführung in die Stochastik mit dem GTR. Gliederung. Zufallsexperiment??? Wie geht man vor???
Einführung in die Stochastik mit dem GTR Referenten: Annika Lux und Tatjana Robert Gliederung Wichtige Definitionen: - Zufallsexperiment - Relative Häufigkeit - Absolute Häufigkeit - Simulation Beispiel:
MehrWahrscheinlichkeitstheorie. eine Einführung
eine Einführung Antony R. Unwin Lehrstuhl für Rechnerorientierte Statistik und Datenanalyse Institut für Mathematik Universität Augsburg tel: 598-2218 email: unwin@math.augsburg.de Ziele Wahrscheinlichkeitsmodelle
Mehr2 Das GESIM-Konzept. Wie kann das Erlernen der Werkzeugsoftware FATHOM effektiver gestaltet
2 Das GESIM-Konzept Aufbauend auf den Erkenntnissen des Simulationsvorkurses von Meyfarth (2008b, vgl. Kap. 3.3.1) ist in der Arbeitsgruppe Biehler ein Einführungskurs, im Umfang von 15 Stunden, im Kurshalbjahr
MehrKonzept diskreter Zufallsvariablen
Statistik 1 für SoziologInnen Konzept diskreter Zufallsvariablen Univ.Prof. Dr. Marcus Hudec Beispiel: Zufallsvariable 3 Münzen werden unabhängig voneinander geworfen. Jede Münze kann entweder Kopf oder
MehrMehrdimensionale Zufallsvariablen
Mehrdimensionale Zufallsvariablen Im Folgenden Beschränkung auf den diskreten Fall und zweidimensionale Zufallsvariablen. Vorstellung: Auswerten eines mehrdimensionalen Merkmals ( ) X Ỹ also z.b. ω Ω,
MehrWahrscheinlichkeitsrechnung und Stochastik
Wahrscheinlichkeitsrechnung und Stochastik 2-stündige Vorlesung für den Bachelor-Studiengang Angewandte Informatik Vorläufige Version Gerhard Freiling und Hans-Bernd Knoop Inhalt Inhalt..........................................................................
MehrAngewandte Statistik 1
Angewandte Statistik 1 Beschreibende und Explorative Statistik - Wahrscheinlichkeitsrechnung - Zufallsvariablen und Statistische Maßzahlen -Wichtige Verteilungen - Beurteilende Statistik -Vertrauensintervalle
MehrMarcus Hudec. Statistik 2 für SoziologInnen. Grenzwertsätze. Marcus Hudec. Statistik für SoziologInnen 1 Zentraler Grenzwertsatz
Statistik 2 für SoziologInnen Grenzwertsätze Marcus Hudec Statistik für SoziologInnen 1 Zentraler Grenzwertsatz Inhalte Themen dieses Kapitels sind: Der zentrale Grenzwertsatz und seine Bedeutung für die
Mehr73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments
73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind
MehrWiederholung Hypothesentests Zusammenfassung. Hypothesentests. Statistik I. Sommersemester Statistik I Hypothesentests I (1/36)
Statistik I Sommersemester 2009 Statistik I I (1/36) Wiederholung Grenzwertsatz Konfidenzintervalle Logik des 0.0 0.1 0.2 0.3 0.4 4 2 0 2 4 Statistik I I (2/36) Zum Nachlesen Agresti/Finlay: Kapitel 6+7
Mehrvon x-würfeln bei wachsendem n? Zur Beantwortung führen wir ein Simulationsexperiment durch.
Zentraler Grenzwertsatz Die Normalverteilung verdankt ihre universelle theoretische und praktische Bedeutung dem zentralen Grenzwertsatz. Unabhängig von der konkreten k Ausgangsverteilung konvergiert die
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
MehrStochastische Simulationen mit TinkerPlots Von einfachen Zufallsexperimenten zum informellen Hypothesentesten
Stochastische Simulationen mit TinkerPlots Von einfachen Zufallsexperimenten zum informellen Hypothesentesten ROLF BIEHLER, DANIEL FRISCHEMEIER & SUSANNE PODWORNY, PADERBORN Zusammenfassung: Die Software
MehrSTOCHASTIK Die Binomialverteilung. Hartmut Meyer
STOCHASTIK Die Binomialverteilung Hartmut Meyer https://mathemeyer.com Inhalt BERNOULLI-Experimente BERNOULLI-Experiment... 2 BERNOULLI-Kette... 2 Die Formel von BERNOULLI... 4 Binomialverteilung Definition
MehrModelle diskreter Zufallsvariablen
Statistik 2 für SoziologInnen Modelle diskreter Zufallsvariablen Univ.Prof. Dr. Marcus Hudec Zufallsvariable Eine Variable (Merkmal) X, deren numerische Werte als Ergebnisse eines Zufallsvorgangs aufgefasst
Mehr5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrSozialwissenschaftlerInnen II
Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Wahrscheinlichkeitsfunktionen
MehrDie Rolle von Text und Kontext in Stochastik-Aufgaben
Die Rolle von Text und Kontext in Stochastik-Aufgaben Franz Schoberleitner Adalbert Stifter Gymnasium Linz JKU Linz Einige Feststellungen Der Stochastik-Unterricht ist besonders sprachintensiv und erfordert
MehrI. Deskriptive Statistik 1
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Grundgesamtheit und Stichprobe.................. 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................
MehrWahrscheinlichkeitsrechnung und schließende Statistik
Springer-Lehrbuch Wahrscheinlichkeitsrechnung und schließende Statistik Bearbeitet von Karl Mosler, Friedrich Schmid 4., verb. Aufl. 2010. Taschenbuch. XII, 347 S. Paperback ISBN 978 3 642 15009 8 Format
MehrZentraler Grenzwertsatz
Statistik 2 für SoziologInnen Zentraler Grenzwertsatz Univ.Prof. Dr. Marcus Hudec Statistik für SoziologInnen 1 Zentraler Grenzwertsatz Inhalte Themen dieses Kapitels sind: Der zentrale Grenzwertsatz und
Mehr<; ;6 ++9,1, + ( #, + 6( 6( 4, 6,% 6 ;, 86': ; 3'!(( A 0 "( J% ;;,,,' "" ,+ ; & "+ <- ( + " % ; ; ( 0 + A,)"%1%#( + ", #( +. +!
!
MehrWahrscheinlichkeitstheorie 2
Wahrscheinlichkeitstheorie 2 Caroline Sporleder Computational Linguistics Universität des Saarlandes Sommersemester 2011 19.05.2011 Caroline Sporleder Wahrscheinlichkeitstheorie 2 (1) Wiederholung (1):
MehrSchließende Statistik
Schließende Statistik [statistical inference] Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.
MehrKonzept diskreter Zufallsvariablen
Statistik 1 für SoziologInnen Konzept diskreter Zufallsvariablen Univ.Prof. Dr. Marcus Hudec Beispiel: Zufallsvariable 3 Münzen werden unabhängig voneinander geworfen. Jede Münze kann entweder Kopf oder
Mehr5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrKonzept diskreter Zufallsvariablen
Statistik 1 für SoziologInnen Konzept diskreter Zufallsvariablen Univ.Prof. Dr. Marcus Hudec Beispiel: Zufallsvariable 3 Münzen werden unabhängig voneinander geworfen. Jede Münze kann entweder Kopf oder
MehrStatistik für Bachelorund Masterstudenten
Walter Zucchini Andreas Schlegel Oleg Nenadic Stefan Sperlich Statistik für Bachelorund Masterstudenten Eine Einführung für Wirtschaftsund Sozialwissenschaftler 4y Springer 1 Der Zufall in unserer Welt
MehrBeispiel: Zufallsvariable
Beispiel: Zufallsvariable 3 Münzen werden unabhängig voneinander geworfen. Jede Münze kann entweder Kopf oder Zahl zeigen. Man ist nur an der Zahl der Köpfe interessiert. Anzahl Kopf Elementarereignis
MehrMathematische und statistische Methoden II
Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de lordsofthebortz.de lordsofthebortz.de/g+
MehrBio- Statistik 1. mit 87 Abbildungen, 40 Tabellen und 102 Beispielen
Bio- Statistik 1 Beschreibende und explorative Statistik - Wahrscheinlichkeitsrechnung und Zufallsvariablen - Statistische Maßzahlen - Wichtige Verteilungen - Beurteilende Statistik - Vertrauensintervalle
MehrGrundlagen der. h Rückblick. Dr. K. Krüger. Grundwissen Mathematik
Grundlagen der Schulmathematik h Rückblick Sommersemester 2009 Dr. K. Krüger Grundwissen Mathematik (DGS) Folie aus der 1. Vorlesung Inhalte 1. Beschreibende Statistik Mauna Loa Co2 1200 Streudiagramm
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg 2 R. 06-206 (Persike) R. 06-214 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilung diskreter Zufallsvariablen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie (3) Überblick. Deskriptive Statistik I 2. Deskriptive
MehrFit for Abi & Study Stochastik
Fit for Abi & Study Stochastik Prof. Dr. Tilla Schade Hochschule Harz 15. und 16. April 2014 No. 1 Stochastik besteht aus: Wahrscheinlichkeitsrechnung Statistik No. 2 Gliederung Grundlagen Zufallsgrößen
Mehrvon x-würfeln bei wachsendem n? Zur Beantwortung führen wir ein Simulationsexperiment durch.
Zentraler Grenzwertsatz Die Normalverteilung verdankt ihre universelle theoretische und praktische Bedeutung dem zentralen Grenzwertsatz. Unabhängig von der konkreten k Ausgangsverteilung konvergiert nämlich
MehrAuf dem Schulfest bietet Peter als Spielleiter das Glücksspiel "GlücksPasch" an.
Aufgabe 4 Glückspasch" (16 Punkte) Auf dem Schulfest bietet Peter als Spielleiter das Glücksspiel "GlücksPasch" an. Spielregeln: Einsatz 1. Der Mitspieler würfelt mit 2 Oktaederwürfeln. Fällt ein Pasch,
MehrBiostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 stheorie: Grundbegriffe Prof. Dr. Achim Klenke http://www.aklenke.de 5. Vorlesung: 25.11.2011 1/33 Inhalt 1 Zufallsvariablen 2 Ereignisse 3 2/33 Zufallsvariablen Eine Zufallsvariable
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Kopiervorlagen Stochastik (2) - Wahrscheinlichkeitsrechnung
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Kopiervorlagen Stochastik (2) - Wahrscheinlichkeitsrechnung Das komplette Material finden Sie hier: School-Scout.de Inhaltsverzeichnis
MehrStochastik in den Ingenieu rwissenschaften
---_..,.'"--.---------- Christine Müller Liesa Denecke Stochastik in den Ingenieu rwissenschaften Eine Einführung mit R ~ Springer Vieweg 1 Fragestellungen........................................... Teil
MehrProf. Dr. Christoph Karg Hochschule Aalen. Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik. Sommersemester 2018
Prof. Dr. Christoph Karg 9.7.2018 Hochschule Aalen Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik Sommersemester 2018 Unterschrift: Klausurergebnis Aufgabe 1 (15 Punkte) Aufgabe 3 (10 Punkte)
MehrStatistik, Datenanalyse und Simulation
Dr. Michael O. Distler distler@kph.uni-mainz.de Mainz, 13. Juli 2011 Ziel der Vorlesung Vermittlung von Grundkenntnissen der Statistik, Simulationstechnik und numerischen Methoden (Algorithmen) Aufgabe:
MehrWahrscheinlichkeitsrechnung Übung Aufgabe 2.b und 3
Wahrscheinlichkeitsrechnung Übung Aufgabe 2.b und 3 B I N O M I A L V E R T E I L U N G, B I N O M I A L T A B E L L E, U N A B H Ä N G I G E E R E I G N I S S E Zentrale Methodenlehre, Europa Universität
MehrSTATISTISCHE METHODEN UND IHRE ANWENDUNGEN
STATISTISCHE METHODEN UND IHRE ANWENDUNGEN Von Dr. rer. nat. Erwin Kreyszig o. Professor für Statistik an der Universität Karlsruhe mit 82 Abbildungen und zahlreichen Tabellen Vierter, unveränderter Nachdruck
MehrWahl des Fachdidaktischen Schwerpunkts in der Primarstufe
Übersicht Wahl des Fachdidaktischen Schwerpunkts in der Primarstufe Raum und Form Daten und Zufall Zahlen und Operationen Muster und Strukturen Messen und Größen Jgst. 3 und 4 Jgst. 1 und 2 1 Thema 1:
MehrInhaltsbereich Wahrscheinlichkeit und Statistik
Inhaltsbereich Wahrscheinlichkeit und Statistik AG Mathematik, Sankt Pölten 11.11.2009 Markus Binder Modell für die zentrale srp im Schulversuch Teil I: Aufgaben mit 15-25 Items Teil II: 6-8 Aufgaben,
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilung diskreter Zufallsvariablen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
Mehr1.6 Der Vorzeichentest
.6 Der Vorzeichentest In diesem Kapitel soll der Vorzeichentest bzw. Zeichentest vorgestellt werden, mit dem man Hypothesen bezüglich des Medians der unabhängig und identisch stetig verteilten Zufallsvariablen
MehrDaten und Zufall. Daten und Zufall und Rechner - wann, wo und wie hilft der Rechner im Stochastikunterricht
Daten und Zufall und Rechner - wann, wo und wie hilft der Rechner im Stochastikunterricht Gliederung 1. Einstiegsbeispiel 2. Wieso, weshalb, warum? 3. Aufgaben aber wie (mit/ohne Rechner)? Fragen beantworten
MehrStochastik 02 Wiederholung & Vierfeldertafel
23. August 2018 Grundlagen der Statistik (bis Klasse 10) Grundlagen der Stochastik (bis Klasse 10) Zufallsgrößen und Verteilungen Beurteilende Statistik (Testen von Hypothesen) Bernoulli-Experimente Ziele
MehrBiostatistik, Sommer 2017
1/39 Biostatistik, Sommer 2017 Wahrscheinlichkeitstheorie: Gesetz der großen Zahl, Zentraler Grenzwertsatz Schließende Statistik: Grundlagen Prof. Dr. Achim Klenke http://www.aklenke.de 9. Vorlesung: 16.06.2017
Mehr8. Wahrscheinlichkeitsrechnung
Didaktik der Geometrie und Stochastik WS 09/10 Bürker 27. 1. 11 8. Wahrscheinlichkeitsrechnung 8.1 Begriffe 8.1.1 Zufallsexperiment Was ist ein Zufallsexperiment? a) Mehrere Ergebnisse möglich b) Ergebnis
MehrVorwort Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße Erwartungswert und Varianz...
Inhaltsverzeichnis Vorwort... 2 Zum Einstieg... 3 1 Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße... 5 1.2 Erwartungswert und Varianz... 7 2 Wahrscheinlichkeitsverteilungen
MehrAufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97.
Aufgabenblock 4 Aufgabe ) Da s = 8. cm nur eine Schätzung für die Streuung der Population ist, müssen wir den geschätzten Standardfehler verwenden. Dieser berechnet sich als n s s 8. ˆ = = =.88. ( n )
MehrReduSoft Ltd. Kurzbeschreibungen zu einigen Modulen, die im Programm
ReduSoft Ltd. www.redusoft.de Kurzbeschreibungen zu einigen Modulen, die im Programm MathProf 5.0 unter dem Themenbereich Stochastik implementiert sind. Urnenmodell Das Modul Urnenmodell ermöglicht die
MehrZusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen
Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind
MehrBiostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 Wahrscheinlichkeitstheorie:, Unabhängigkeit Prof. Dr. Achim Klenke http://www.aklenke.de 6. Vorlesung: 02.12.2011 1/30 Inhalt 1 Wahrscheinlichkeit 2 2/30 Wahrscheinlichkeit
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
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
MehrMathematikunterricht auf dem ipad mit der TI NSPIRE CAS APP
Mathematikunterricht auf dem ipad mit der TI NSPIRE CAS APP Seite 0 von 12 Schuljahrgänge 5/6 Schuljahrgänge 7/8 Schuljahrgänge 9/10 Umgang mit natürlichen Zahlen Körper und Figuren Umgang mit Brüchen
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:
MehrMATHEMATISCHE STATISTIK
EINFÜHRUNG IN DIE MATHEMATISCHE STATISTIK UND IHRE ANWENDUNG VON MARTIN HENGST a. o. Professor an der PH Berlin BIBLIOGRAPHISCHES INSTITUT MANNHEIM HOCHSCHULTASCHENBÜCHER-VERLAG INHALTSVERZEICHNIS Vorwort
MehrTesten von Hypothesen
Elke Warmuth Humboldt-Universität zu Berlin Sommersemster 2010 1 / 46 2 / 46 1 Testen von Hypothesen 3 / 46 Signifikant, signifikant, signifikant,... 4 / 46 Signifikant, signifikant, signifikant,... 5
Mehrefathom eine multimediale Einführung in die Werkzeugsoftware FATHOM
efathom eine multimediale Einführung in die Werkzeugsoftware FATHOM TOBIAS HOFMANN, KASSEL, ROLF BIEHLER, PADERBORN Zusammenfassung: Vorgestellt wird der Aufbau der multimedialen Lernumgebung efathom und
MehrStatistik I für Betriebswirte Vorlesung 2
Statistik I für Betriebswirte Vorlesung 2 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 16. April 2018 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 2 Version: 9. April
MehrWahl des Fachdidaktischen Schwerpunkts in der Primarstufe
Übersicht Wahl des Fachdidaktischen Schwerpunkts in der Primarstufe Raum und Form Daten und Zufall Zahlen und Operationen Muster und Strukturen Messen und Größen Jgst. 3 und 4 Jgst. 1 und 2 Thema 1: Leitidee
MehrÜbungen mit dem Applet Zentraler Grenzwertsatz
Zentraler Grenzwertsatz 1 Übungen mit dem Applet Zentraler Grenzwertsatz 1 Statistischer Hintergrund... 1.1 Zentraler Grenzwertsatz... 1. Beispiel Würfeln... 1.3 Wahrscheinlichkeit und relative Häufigkeit...3
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungen stetiger Zufallsvariablen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
Mehr1.8 Kolmogorov-Smirnov-Test auf Normalverteilung
1.8 Kolmogorov-Smirnov-Test auf Normalverteilung Der Kolmogorov-Smirnov-Test ist einer der klassischen Tests zum Überprüfen von Verteilungsvoraussetzungen. Der Test vergleicht die Abweichungen der empirischen
Mehrbis zum 1/ n -Gesetz ein didaktisch orientiertes Stufenkonzept
Von ersten stochastischen Erfahrungen mit großen Zahlen bis zum 1/ n -Gesetz ein didaktisch orientiertes Stufenkonzept ROLF BIEHLER, PADERBORN UND ANDREAS PRÖMMEL, GOTHA Zusammenfassung: In diesem Aufsatz
Mehr