1. Versuch: Fehlerrechnung - Statistik

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "1. Versuch: Fehlerrechnung - Statistik"

Transkript

1 Physikpraktikum für Pharmazeuten Universität Regensburg Fakultät Physik 1. Versuch: Fehlerrechnung - Statistik In diesem Versuch werden Sie mit den statistischen Grundlagen vertraut gemacht. Anhand der statistischen Auswertung von Bohnengewicht und -länge sammeln Sie erste Erfahrungen bei der Bedienung des Programms QTI-Plot zur graphischen Darstellungen von Messergebnissen.

2 1 Einführung In der Einführung zu diesem Praktikum haben wir festgestellt, dass Physiker Fakten auf quantitative Weise untersuchen. Man sagt beispielsweise nicht, dass ein Körper warm ist. Stattdessen sagen wir er hat zum Beispiel eine Temperatur von 97 C. Außerdem hängt die Gültigkeit dieser Aussage ( Der Körper A hat eine Temperatur von 97 C. ) von der Art der Messung mit welcher sie festgestellt wurde, beziehungsweise deren Fehler ab. An dem Konzept des Fehlers ist nichts falsch. Alle Messungen werden durch Fehler beeinflusst, die von der Präzision und Genauigkeit aller verwendeten Messinstrumente oder von Rauschen, Störungen und Fluktuationen der Umgebung abhängen. Diese Fehlerquellen sind unvermeidbar. Im Allgemeinen gilt: Je mehr man die Genauigkeit eines Instruments verbessert, desto wichtiger wird die Rolle von Fluktuationen der Umgebung. Andererseits erlangt das Auflösungslimit unserer Instrumente eine größere Bedeutung, wenn wir die externen Störungen reduzieren. Schlussendlich gibt es noch eine weitere Quelle von Fehlern, die systematischen Fehler. Diese sind die einzigen Fehler durch welche man auf eine wirkliche Fehlfunktion eines Messinstruments schließen kann. Zum Beispiel tendiert eine Uhr mit schwacher Batterie dazu zu spät gehen. Sie wird daher die gemessenen Zeiten systematisch unterschätzen. Solche Fehler lassen sich jedoch durch eine genaue Überprüfung des Experiments und der verwendeten Geräte vermeiden. Deswegen werden wir diese Art von Fehler in unserer Analyse nicht betrachten. Die von uns betrachteten zwei Fehlerquellen, die durch das Auflösungsvermögen unseres Instruments, sowie die in der Umgebung verursachten Fluktuationen gegeben sind, stellen beide eine Messung der Ungenauigkeit unserer Messung dar. Ausgedrückt werden sie durch die Angabe eines Intervalls mit denselben Einheiten des gemessenen Wertes, zum Beispiel 97 C±2 C. In diesem Beispiel bedeutet die Angabe der 2 C, dass wir vermuten, dass der genaue wahre Wert der Messung, welcher nicht verfügbar ist, irgendwo zwischen 95 C und 99 C liegt. Wie wir bereits in der Einführung zu diesem Praktikum erwähnt haben, beruht die Wahrheit in der Physik auf den Fehler der Messungen. Die Aussage der Körper A (mit einer Temperatur T A = 97 C±2 ) ist heißer als der Körper B (mit der Temperatur T B = 96 C±2 C) ist nicht notwendigerweise richtig, da ein entscheidender Überlapp zwischen den beiden Intervallen vorliegt, der beachtet werden muss. Obwohl beide Fehlerarten in derselben Weise dargestellt werden, behandelt man sie unterschiedlich. Der Fehler verursacht durch die begrenzte Auflösung des Messinstruments gibt einfach die Genauigkeit des Instrumentes an. Bei der anderen Sorte der Fehler, die durch Fluktuationen in der Umwelt induziert werden, ist die Situation komplizierter. Aufgrund der Fluktuationen wird das Ergebnis der Messung zu einer zufälligen Varia- 2

3 ble, selbst wenn unser Instrument sehr gut und präzise ist. Der einzig mögliche Umgang mit zufälligen Variablen besteht darin Statistik zu nutzen. Statistik ist ein extrem großes und wichtiges Themengebiet, das eine entscheidende Bedeutung in vielen Bereichen des menschlichen Wissens spielt. Es ist klar, dass ein solch riesiges Thema nicht in einem Abschnitt in diesem Skript zusammengefasst werden kann. Was wir jedoch versuchen werden, ist ein selbsterklärendes Konzept der Statistik zu vermitteln, wobei wir den Begriff des zufälligen Fehlers einführen werden. Wir werden erklären was ein maximaler Fehler ist und wir werden lernen wie man mit Fehlern umgeht, wenn wir verschiedene Messwerte, welche alle eigene Fehler besitzen, addieren, subtrahieren, multiplizieren, dividieren, etc. müssen. Nach der theoretischen Einführung wenden wir das Gelernte an einem (relativ kleinen) statistischen Ensemble an. Dieses besteht aus 100 Bohnen, deren Länge und Masse individuell gemessen werden. Da wir mit zwei unterschiedlichen Größen arbeiten, die beide zur selben Population gehören, können wir mit den gelernten Konzepten der Statistik schließen, ob eine Korrelation zwischen den beiden Größen besteht oder nicht. 3

4 2 Theorie 2.1 Mathematische Grundlagen Mittelwert Das Ziel der Statistik ist es, Informationen über große (oder sogar unendliche) Mengen von Objekten zu erhalten. Die untersuchte Menge heißt Grundgesamtheit und die damit verbundene Größe wird Zufallsvariable genannt. Zum Beispiel kann man die Durchschnittskörpergröße der Studenten der Uni Regensburg bestimmen: Dazu nimmt man die Menge der Studenten als Grundgesamtheit und die Zufallsvariable ist in diesem Fall die Größe. Leider ist es bei einer Menge von Studenten (Stand Sommersemester 2014) ein immenser Aufwand, wirklich für alle Studenten die Größe zu bestimmen. Man kann allerdings eine genäherte Durchschnittsgröße ermitteln, indem wir nun als Versuchspersonen 5 Studenten zufällig auswählen und ihre Größe messen. Die Grundgesamtheit N unserer Stichprobe ist somit N = 5. Auf diese Weise könnten wir eine Reihe von Werten wie zum Beispiel diese erhalten: x 1 = 1, 85 m; x 2 = 1, 77 m; x 3 = 1, 81 m; x 4 = 1, 69 m; x 5 = 1, 75 m Aus dieser Stichprobe ermitteln wir nun eine Durchschnittsgröße, genannt (arithmetischer) Mittelwert x: x = 1 N (x 1 + x x N ) = 1 N N x i, (2.1) i=1 In unserer Stichprobe ergibt sich x = 1 N (x 1 + x 2 + x 3 + x 4 + x 5 ) = 1 (1, 85 m + 1, 77 m + 1, 81 m + 1, 69 m + 1, 75 m) 5 = 1, 774 m Es leuchtet ein, dass dieser Wert natürlich recht grob geschätzt ist und - je nach gewählten Versuchspersonen deutliche Schwankungen haben kann und somit auch deutlich von der Durchschnittsgröße eines Studenten der Uni Regensburg abweichen kann, je nachdem ob in der Stichprobe mehr über- oder unterdurchschnittlich große Studenten enthalten sind (siehe auch Versuch Stichprobenproblem ). Diese Abweichungen werden als Standardabweichung bezeichnet. 4

5 2.1.2 Standardabweichung der Einzelmessung Betrachtet man nun separat die Größe der einzelnen Studenten aus der Stichprobe, haben diese in der Regel nicht exakt die Durchschnittsgröße x, sondern verteilen sich mit einer gewissen Streuung um x. Die Standardabweichung s ist ein Maß für die typische Abweichung der x i -Werte rund um den Mittelwert. s = 1 N (x i x) N 1 2. (2.2) Manchmal benutzt man in der Statistik auch die Größe Varianz s 2, die jedoch einfach das Quadrat von s ist: s 2 = 1 N (x i x) 2. (2.3) N Korrelation und Kovarianz i=1 i=1 Wenn man zwei Grundgesamtheiten (x i und y i ) hat und ihre Korrelation will, benutzt man die sogenannte Kovarianz C xy : berechnen C xy = 1 N 1 N (x i x)(y i ȳ). (2.4) i=1 Diese zwei Grundgesamtheiten können zum Beispiel Körpergröße (x i mit Mittelwert x) und Körpergewicht (y i mit Mittelwert ȳ) der Regensburger Studenten sein. Die Korrelation zwischen den zwei Größen wird durch die Korrelationskoeffizienten r xy dargestellt: r xy = C xy s x s y, (2.5) wobei s x und s y die Standardabweichungen der x i - und y i - Werte sind. Wenn r xy sehr klein ist, sind die zwei Werte nicht korreliert. Wenn r xy 1 ist, sind die zwei Werte perfekt linear korreliert (Abb. 2.1) Darstellung der statistischen Daten Statistische Daten werden oft mit Hilfe eines Histogramms dargestellt. Wir entscheiden uns für die Gruppierung der möglichen Ergebnisse der Zufallsvariablen (die x i ) in endlichen Intervallen. Dann zeichnen wir einen Graphen, indem wir für jedes Intervall eine Spalte zeichnen, deren Länge proportional zur Anzahl der extrahierten x i ist, die in das angegebene Intervall fallen. Zum Beispiel könnten wir die Körpergröße von 1000 Studenten messen. Ein typisches Ergebnis ist in Abb. 2.2 abgebildet. Hier haben wir willkürlich entschieden, dass jedes Intervall 10 cm breit ist. Wir beobachten, dass 0 Studenten unserer Testgruppe eine Größe zwischen 1,30 und 1,40 m hatten, 2 Studenten zwischen 1,40 und 1,50 m waren, 56 Studenten zwischen 1,50 und 1,60 m und 354 Studenten zwischen 1,60 und 1,70 m, usw. 5

6 (a) (b) (c) y y y x x x Abbildung 2.1: Korrelation der Werte x i und y i für (a) r xy 0 unkorreliert, (b) 0 < r xy < 1 und (c) r xy = 1 perfekt korreliert. Wenn die Menge N unserer Grundgesamtheit groß genug ist, bildet das Histogramm zuverlässig die Wahrscheinlichkeitsverteilung für die Zufallsvariable ab. Viele Phänomene haben eine Wahrscheinlichkeitsverteilung, die wie eine Glocke aussieht. Eine solche Wahrscheinlichkeitsverteilung wird als Gauß-Verteilung bezeichnet, mathematisch wird sie durch eine Gauß-Funktion dargestellt: G µ,σ (x) = 1 σ (x µ) 2 2π e 2σ 2. (2.6) Die Gauß-Funktion hat zwei Parameter, µ und σ. Der µ-wert stellt den Mittelwert unserer Verteilung dar und σ ihre Standardabweichung. Abb. 2.3 zeigt die so gennante standardisierte Gauß-Funktion, die µ = 0 und σ = 1 hat. Die Interpretation einer Wahrscheinlichkeitsverteilung ist die folgende: die Wahrscheinlichkeit, dass x in das Intervall [x 1, x 2 ] fällt, ist entsprechend der Fläche unter der Kurve (mathematisch betrachtet das Integral x 2 x 1 G µ,σ (x)dx). 2.2 Messungen und Messfehler Messungen können nicht mit unendlicher Genauigkeit ausgeführt werden, jede Messung ist stets mit Fehlern behaftet. Zwei Messungen derselben Größe werden nie auf beliebig vielen Nachkommastellen übereinstimmen. Es ist daher unmöglich, den exakten, wahren Wert (der unbekannt bleibt) zu bestimmen. Die Schwankungen bei wiederholten Messungen werden Messfehler genannt. Es gibt verschiedene Arten von Messfehlern: Systematische Messfehler: sie hängen von dem Messgerät ab und haben immer den gleichen Betrag und Vorzeichen. Zum Beispiel haben wir eine systematische Messabweichung, wenn die Batterie unserer Uhr leer ist und deswegen langsamer läuft oder wenn eine Waage nicht geeicht ist. Bekannte systematische Abweichungen können durch Berichtigung ausgeschlossen werden. 6

7 Abbildung 2.2: Histogramm über Größe der Studenten. Zufällige Messfehler: sie werden von Fluktuationen des Messgeräts oder der Umgebung verursacht und können nicht durch Berichtigung ausgeschlossen werden. Zum Beispiel werden wir im Lauf des Praktikums die Periode der Schwingung eines Fadenpendels messen. Dafür benutzen wir eine Stoppuhr, die eine Auflösung von 0,01 s hat. Diese Genauigkeit bleibt jedoch unerreicht, da die Fluktuation unserer Reaktionszeit größer als eine solche Auflösung ist. Wie zuvor beschrieben, kann die Verteilung der Messwerte oft durch eine Gauß-Verteilung beschrieben werden. Der Mittelwert ist unser exakter Wert und die Standardabweichung ergibt unseren Messfehler. Wenn wir die gleiche Messung zehn Mal wiederholen, hätten wir eine Folge der Perioden wie zum Beispiel: t 1 t 2 t 3 t 4 t 5 t 6 t 7 t 8 t 9 t 10 1,57 s 1,68 s 1,66 s 1,60 s 1,77 s 1,69 s 1,57 s 1,54 s 1,64 s 1,73 s Die t i sind Zufallswerte: ihr Mittelwert ist 1,645 s und ihre Standardabweichung 7

8 G(x) s s µ x Abbildung 2.3: Gauß-Funktion für µ = 0 und σ = 1 (die so gennante standardisierte Gauß-Funktion). 0,075 s. Das Ergebnis unserer Messung wird deswegen wie folgt dargestellt 1 t + t = 1, 64 ± 0, 07 s. Maximale Fehler. Die Auflösung eines Messgeräts ist die kleinste Differenz zweier Messwerte, die das Messgerät eindeutig unterscheidet. Oft sind die Fluktuationen kleiner als die Auslösung, z.b. wenn man ein Objekt mit einer Waage mit Auflösung 1 g misst. In diesem Fall kann der Messfehler nicht durch die Standardabweichung (die Null ist, weil alle Messwerte gleich sind) abgeschätzt werden. Man kann nur sagen, in welchem Abstand der richtige Wert zu finden ist. Wenn unsere Waage (maximale Auflösung 0, 1 g) beispielsweise eine Masse von 13,4 g darstellt, können wir nur sagen, dass der richtige Wert irgendwo zwischen 13,3 g und 13,5 g liegt. Deswegen schreiben wir m = 13, 4 ± 0, 1 g, wobei 0,1 g der maximale Fehler ist. Wie bereits in der Einführung erwähnt, sind maximale und zufällige Fehler gewissermaßen komplementär zueinander. Die erste Fehlerart wird durch die Auflösung des Instruments bestimmt, während die zweite von Fluktuationen abhängig ist. Je mehr man das Messinstrument verbessert und seine Auflösung verschmälert (wodurch der maximale Fehler verringert wird), desto wichtiger wird die Rolle der Fluktuationen, was wiederum den zufälligen Fehler vergrößert. 1 Für den Fehler nimmt man nur eine signifikante Stelle. Für den Messwert sollte die letzte signifikante Stelle von der gleichen Größenordnung sein wie die letzte signifikante Stelle des Fehlers. Siehe dazu auch den Absatz Signifikante Stellen und Runden. 8

9 Absolutfehler und Relativfehler Zufällige Fehler und maximale Fehler sind beide Absolutfehler. Sie stellen das Intervall dar, in dem wir den richtigen Wert erwarten. Die Größe des Intervalls kann von der Auflösung des Geräts (maximaler Fehler) oder von den Fluktuationen (zufälliger Fehler) abhängen. Der Absolutfehler ist eine positive Menge, die mit der gleichen Einheit des gemessenen Wertes angegeben wird. Oft ist es sehr nützlich, den Quotient zwischen Absolutfehler und gemessenem Wert zu kennen. Dieser Quotient heißt Relativfehler ɛ x = x x. (2.7) Der Relativfehler ist eine dimensionslose Zahl, die oft in Prozent angegeben wird. Damit wird ausgedrückt, wie groß der Fehler im Vergleich zum Messwert ist. Signifikante Stellen und Runden Die Genauigkeit einer Messung wird - wie bereits oben erklärt - durch verschiedenste Arten von Messfehlern beschränkt. Bei der Angabe von Zwischen- bzw. Endergebnissen sowie der Messunsicherheiten stellt sich daher stets die Frage, wie genau das erhaltene Ergebnis denn tatsächlich ist, bzw. wie groß die Schwankungen bei einer wiederholten Messung sein dürften. Aus diesem Grund muss stets überlegt werden, wie viele Stellen des erhaltenen Ergebnisses anzugeben sind. Die Anzahl der bestätigten, belastbaren Stellen des Ergebnis werden als signifikant bezeichnet. Überflüssige Stellen müssen aufbzw. abgerundet werden. Das Runden von Zahlenangaben ist durch DIN1333 Zahlenangaben geregelt. Im Rahmen dieses Praktikums werden wir uns auf das Wesentliche beschränken. Aus diesem Grund folgende einfache Faustregeln: Im Pharmazie-Praktikum beschränken wir uns bei dem Fehler auf eine signifikante Stelle (zwei, falls die erste Stelle 1 oder 2 ist). Beispielweise wäre somit 17,10 ± 0,15 eine korrekte Rundung des Messergebnisses, während 191,37 ± 0,79 es nicht wäre. Im zweiten Fall wäre 191,4 ± 0,8 richtig. Die letzte signifikante Stelle des Fehlers bestimmt die des Messergebnisses. Das Messergebnis wird daher nur in so vielen Stellen angegeben, indenen sich der Fehler noch bemerkbar macht. Folgende Beispiele sind richtig dargestellt: 3893,15 ± 0,01, 2070 ± 30 und 15 ± 2. Falsch dagegegen wäre zum Beispiel: 1957,371 ± 0,3 oder 1096 ± 10. Das Ergebnis wird je nach Wert der Folgestelle entweder abgerundet (Wert der Folgestelle kleiner als 5) oder aufgerundet (Wert der Folgestelle 5 oder größer). Beispiele (Rundestelle ist fett gedruckt): 9

10 Beispiel A Beispiel B Messwert 5, , Messfehler 0, 1 0, 04 zu rundender Messwert 5, 4633 ± 0, 1 132, ± 0, 04 gerundetes Ergebnis 5, 5 ± 0, 1 132, 05 ± 0, Fehlerfortpflanzung 1. Regel: Fehlerfortpflanzung für Summe und Differenz. Wenn y eine Größe ist, die aus der Summe (oder der Differenz) anderer Größen herstammt, ist sein Absolutfehler die Summe der Absolutfehler der Summanden. y = x 1 + x 2 x y = x 1 + x 2 + x (2.8) Korollar: wenn y = n x, dann y = n x, (2.9) wobei n eine reine Zahl ist, wie z.b. 3, π, 57, 2, e, etc. Hier ein konkretes Anwendungsbeispiel: Wir betrachten ein Dreieck, mit den Seitenlängen a± a = 10, 2±0, 1 cm, b± b = 8, 17±0, 23 cm und c± c = 3, 51±0, 17 cm. Wenn wir jetzt den Umfang dieses Dreiecks berechnen wollen, müssen lediglich alle Seitenlängen addiert werden: Umfang = a + b + c + ( a + b + c ) = 10, 2 + 8, , 51 ± ( 0, 1 + 0, , 17 ) = 21, 88 ± 0, 50 cm Da wir nach den gerade gelernten Regeln, die Anzahl der signifikanten Stellen beachten müssen, runden wir das Ergebnis wie folgt: Umfang = 21, 9 ± 0, 5 2. Regel: Fehlerfortpflanzung für Produkt und Quotient. Wenn y eine Größe ist, die aus dem Produkt (oder dem Quotient) anderer Größen herstammt, ist sein Relativfehler die Summe der Relativfehler der Faktoren. y = p 1p 2 p 3... q 1 q 2 q 3... ɛ y = ɛ p1 + ɛ p2 + ɛ p ɛ q1 + ɛ q2 + ɛ q3... (2.10) Korollar: wenn y = x n, dann ɛ y = n ɛ x. 10

11 3 Versuchsdurchführung Mit einem Messschieber wird jede der einhundert Bohnen zunächst vermessen und anschließend ihr Gewicht bestimmt. Bitte beachten Sie, dass für jede Bohne sowohl Länge als auch ihr zugehöriges Gewicht notiert werden müssen. Es ist also die falsche Vorgehensweise zuerst alle Längen für die einhundert Bohnen zu bestimmen und erst danach die Gewichte für alle zu messen. Um vergleichbare Ergebnisse zu erhalten, müssen außerdem alle Messungen gleich ausgeführt werden. In unserem Fall bedeutet das, dass alle Bohnen der Länge nach oder der Breite nach gemessen werden sollten. Um eine ausreichende Genauigkeit der Messungen zu gewährleisten, werden wir mit Hilfe eines Messschiebers messen. Der Messschieber besteht aus einem festen Messschenkel, dem beweglichen Schieber, einer Messskala und einer sogenannten Nonius-Skala. Wenn man den Messschieber auseinander schiebt, kann man zwischen den beiden sich öffnenden Außenschenkeln den zu messenden Gegenstand legen und den Messschieber wieder zusammenschieben, bis er Kontakt mit dem Gegenstand hat. Nun kann man auf der Hauptskala den Millimeterwert ablesen, indem man kontrolliert, auf welchen Wert die Null der Noniusskala fällt. Um die Mikrometer zu bestimmen, muss man nun noch den Strich der Noniusskala finden, der sich mit einem Strich der Hauptskala deckt. Im Beispiel (Abb. 3.1) ist es der Wert 24,75 mm. Die Messungen werden anschließend direkt in das Programm QTI-Plot eingetragen (eine Kurz-Anleitung über die essentiellen Funktionen finden Sie auf der Praktikums- Website im Abschnitt Downloads). QTI wird in fast jedem Praktikumsversuch verwendet, weshalb es sich lohnt, dass jeder Praktikant einer Gruppe damit arbeitet. QTI ermöglicht eine schnelle Auswertung der Daten und ist im Internet frei 1 erhältlich, kann also auch zu Hause für das Studium genutzt werden. In diesem Versuch werden in die erste Spalte die Nummer der Messung eingetragen und in die zweite Spalte der jeweilige Messwert. Die Auswertungsmöglichkeiten für die verschiedenen Versuchsteile und die weitere Bedienung des Programms werden Ihnen direkt vom Praktikumsbetreuer erklärt. 1 zurzeit über die RZ Website nur für UR Studenten 11

12 2,4cm + 0,075cm = 2,475cm Abbildung 3.1: Messschieber mit Nonius-Skala Hier liegt der einzige aneinandergereihte Strich (=0,75 mm) Hier liest man die annähernde Länge (2,4 cm, Auflösung 1mm) 3.1 Aufgaben Messen Sie die Länge und das Gewicht von 100 individuellen Bohnen. Bitte beachten Sie, dass für jede Bohne sowohl Länge als auch ihr zugehöriges Gewicht einzeln notiert werden müssen. Zeichnen Sie mithilfe QTI-Plot zwei Histogramme, eins für die Länge l i und eins für das Gewicht m i der vermessenen Bohnen. Bestimmen Sie mithilfe QTI-Plot und der Funktion Spaltenstatistik die Standardabweichung s l und s m für die Messung des Gewichts und der Länge der Bohnen. Bestimmen Sie die Gauß-Kurven, die am besten die zwei Histogramme nähern (siehe QTI-Anleitung). Achten Sie beim Erstellen der Histogramme auf die richtige Intervallgröße. Durch zu große Intervalle wird das Histogramm zu grob, da es zu wenige Intervalle gibt. Zu kleine hingegen machen es zu verrauscht (nicht jedes Intervall enthält eine statistisch ausreichende Zahl von Elementen, wodurch die Werte zwischen benachbarten Spalten stark fluktuieren.) Der Gauß-Fit kann direkt 12

13 mit QTI-Plot erstellt werden. Zeichnen Sie ein Diagramm l i gegen m i. Wie sieht das Ergebnis aus? Bitte vergessen Sie nicht das Resultat zu kommentieren. Bestimmen Sie den Korrelations-Faktor für das l i gegen m i -Diagramm. Kommentieren Sie bitte das Ergebnis mit Bezug auf den vorherigen Punkt. 13

1 Messfehler. 1.1 Systematischer Fehler. 1.2 Statistische Fehler

1 Messfehler. 1.1 Systematischer Fehler. 1.2 Statistische Fehler 1 Messfehler Jede Messung ist ungenau, hat einen Fehler. Wenn Sie zum Beispiel die Schwingungsdauer eines Pendels messen, werden Sie - trotz gleicher experimenteller Anordnungen - unterschiedliche Messwerte

Mehr

Einführung in die Fehlerrechnung und Messdatenauswertung

Einführung in die Fehlerrechnung und Messdatenauswertung Grundpraktikum der Physik Einführung in die Fehlerrechnung und Messdatenauswertung Wolfgang Limmer Institut für Halbleiterphysik 1 Fehlerrechnung 1.1 Motivation Bei einem Experiment soll der Wert einer

Mehr

2. Grundbegriffe. Literatur. Skript D. Huhnke S emg GEM. emg GEM

2. Grundbegriffe. Literatur. Skript D. Huhnke S emg GEM. emg GEM . Grundbegriffe Literatur Skript D. Huhnke S. 10-1 Messung Messwert: Wert, der zur Messgröße gehört und der Ausgabe eines Messgerätes eindeutig zugeordnet ist. Messvoraussetzungen Die Messung soll sein

Mehr

Physikalische Übungen für Pharmazeuten

Physikalische Übungen für Pharmazeuten Helmholtz-Institut für Strahlen- und Kernphysik Seminar Physikalische Übungen für Pharmazeuten Ch. Wendel Max Becker Karsten Koop Dr. Christoph Wendel Übersicht Inhalt des Seminars Praktikum - Vorbereitung

Mehr

Einführungsseminar S1 Elemente der Fehlerrechnung. Physikalisches Praktikum der Fakultät für Physik und Astronomie Ruhr-Universität Bochum

Einführungsseminar S1 Elemente der Fehlerrechnung. Physikalisches Praktikum der Fakultät für Physik und Astronomie Ruhr-Universität Bochum Einführungsseminar S1 Elemente der Fehlerrechnung Physikalisches Praktikum der Fakultät für Physik und Astronomie Ruhr-Universität Bochum Literatur Wolfgang Kamke Der Umgang mit experimentellen Daten,

Mehr

Fadenpendel (M1) Ziel des Versuches. Theoretischer Hintergrund

Fadenpendel (M1) Ziel des Versuches. Theoretischer Hintergrund Fadenpendel M) Ziel des Versuches Der Aufbau dieses Versuches ist denkbar einfach: eine Kugel hängt an einem Faden. Der Zusammenhang zwischen der Fadenlänge und der Schwingungsdauer ist nicht schwer zu

Mehr

Datenanalyse. (PHY231) Herbstsemester Olaf Steinkamp

Datenanalyse. (PHY231) Herbstsemester Olaf Steinkamp Datenanalyse (PHY31) Herbstsemester 015 Olaf Steinkamp 36-J- olafs@physik.uzh.ch 044 63 55763 Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung und

Mehr

Physikpraktikum für Pharmazeuten Universität Regensburg Fakultät Physik. 4. Versuch: Atwoodsche Fallmaschine

Physikpraktikum für Pharmazeuten Universität Regensburg Fakultät Physik. 4. Versuch: Atwoodsche Fallmaschine Physikpraktikum für Pharmazeuten Universität Regensburg Fakultät Physik 4. Versuch: Atwoodsche Fallmaschine 1 Einführung Wir setzen die Untersuchung der beschleunigten Bewegung in diesem Versuch fort.

Mehr

Protokoll Grundpraktikum: O1 Dünne Linsen

Protokoll Grundpraktikum: O1 Dünne Linsen Protokoll Grundpraktikum: O1 Dünne Linsen Sebastian Pfitzner 22. Januar 2013 Durchführung: Sebastian Pfitzner (553983), Jannis Schürmer (552892) Arbeitsplatz: 3 Betreuer: A. Ahlrichs Versuchsdatum: 16.01.2013

Mehr

Fehler- und Ausgleichsrechnung

Fehler- und Ausgleichsrechnung Fehler- und Ausgleichsrechnung Daniel Gerth Daniel Gerth (JKU) Fehler- und Ausgleichsrechnung 1 / 12 Überblick Fehler- und Ausgleichsrechnung Dieses Kapitel erklärt: Wie man Ausgleichsrechnung betreibt

Mehr

3. Versuch: Fadenpendel

3. Versuch: Fadenpendel Physikpraktikum für Pharmazeuten Universität Regensburg Fakultät Physik 3. Versuch: Fadenpendel In diesem Versuch werden Sie mit den mechanischen Grundlagen vertraut gemacht. Anhand eines Fadenpendels

Mehr

Grundlagen der Statistik und Fehlerrechnung

Grundlagen der Statistik und Fehlerrechnung Physikalisches Grundpraktikum Teil 1 WS 2010/2011 Grundlagen der Statistik und Fehlerrechnung Stefan Diehl 28.02.2011 12.30 13.30 HS I 01.03.2011 12.30 13.30 CHEG18 Inhalt Grundbegriffe der Statistik Wahrscheinlichkeitsverteilungen

Mehr

Messunsicherheit und Fehlerrechnung

Messunsicherheit und Fehlerrechnung Messunsicherheit und Fehlerrechnung p. 1/25 Messunsicherheit und Fehlerrechnung Kurzeinführung Peter Riegler p.riegler@fh-wolfenbuettel.de Fachhochschule Braunschweig/Wolfenbüttel Messunsicherheit und

Mehr

5. Spezielle stetige Verteilungen

5. Spezielle stetige Verteilungen 5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für

Mehr

Einführung in die Fehlerrechnung

Einführung in die Fehlerrechnung 1 Einführung in die Fehlerrechnung liederung 1. Motivation. Fehlerarten 1. robe Fehler. Systematische Fehler 3. Zufällige Fehler 3. Rechnerische Erfassung der Messabweichungen 1. Fehlerabschätzung einmaliges

Mehr

Messtechnische Grundlagen und Fehlerbetrachtung. (inkl. Fehlerrechnung)

Messtechnische Grundlagen und Fehlerbetrachtung. (inkl. Fehlerrechnung) Messtechnische Grundlagen und Fehlerbetrachtung (inkl. Fehlerrechnung) Länge Masse Zeit Elektrische Stromstärke Thermodynamische Temperatur Lichtstärke Stoffmenge Basisgrößen des SI-Systems Meter (m) Kilogramm

Mehr

LK Lorentzkraft. Inhaltsverzeichnis. Moritz Stoll, Marcel Schmittfull (Gruppe 2) 25. April Einführung 2

LK Lorentzkraft. Inhaltsverzeichnis. Moritz Stoll, Marcel Schmittfull (Gruppe 2) 25. April Einführung 2 LK Lorentzkraft Blockpraktikum Frühjahr 2007 (Gruppe 2) 25. April 2007 Inhaltsverzeichnis 1 Einführung 2 2 Theoretische Grundlagen 2 2.1 Magnetfeld dünner Leiter und Spulen......... 2 2.2 Lorentzkraft........................

Mehr

Methoden der Werkstoffprüfung Kapitel I Grundlagen. WS 2009/2010 Kapitel 1.0

Methoden 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

Mehr

Kapitel 7. Regression und Korrelation. 7.1 Das Regressionsproblem

Kapitel 7. Regression und Korrelation. 7.1 Das Regressionsproblem Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandelt die Verteilung einer Variablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem

Mehr

Statistische Tests für unbekannte Parameter

Statistische Tests für unbekannte Parameter Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung

Mehr

Übungen mit dem Applet Vergleich von zwei Mittelwerten

Übungen mit dem Applet Vergleich von zwei Mittelwerten Vergleich von zwei Mittelwerten 1 Übungen mit dem Applet Vergleich von zwei Mittelwerten 1 Statistischer Hintergrund... 2 1.1 Typische Fragestellungen...2 1.2 Fehler 1. und 2. Art...2 1.3 Kurzbeschreibung

Mehr

Das Histogramm ist glockenförmig. Es würde bei mehr als vier Fehlerquellen sich der Glockenform noch besser annähern.

Das Histogramm ist glockenförmig. Es würde bei mehr als vier Fehlerquellen sich der Glockenform noch besser annähern. 10. Stetige Zufallsvariable, Normalverteilung 55 Die in den folgenden Beispielen dargestellten Verteilungen haben ungefähr Glockenform. Sie können durch die sogenannte Normalverteilung oder Gaussverteilung

Mehr

Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend

Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten

Mehr

Kapitel 2. Fehlerrechnung

Kapitel 2. Fehlerrechnung Fehlerrechnung 1 Messungen => quantitative Aussagen Messungen müssen zu jeder Zeit und an jedem Ort zu den gleichen Ergebnissen führen Messungen sind immer mit Fehler behaftet. => Angabe des Fehlers! Bespiel

Mehr

CHEMISCHES RECHNEN II ANALYT. CHEM. FÜR FORTGS

CHEMISCHES RECHNEN II ANALYT. CHEM. FÜR FORTGS Arbeitsunterlagen zu den VU CHEMISCHES RECHNEN II - 771.119 Einheit 1 ANALYT. CHEM. FÜR FORTGS. - 771.314 Einheit 3a ao. Prof. Dr. Thomas Prohaska (Auflage März 006) Beurteilung von Analysenergebnissen

Mehr

wav.de Stand: 01/2017 Messen und Lehren

wav.de Stand: 01/2017 Messen und Lehren Stand: 01/2017 Messen und Lehren Prüfen Vergleich des geforderten Soll-Zustands mit dem tatsächlichen Ist-Zustand Geschwindigkeit beim Autofahren Temperatur im Wohnraum. Man unterteilt das Prüfen in Messen

Mehr

Physikprotokoll: Fehlerrechnung. Martin Henning / Torben Zech / Abdurrahman Namdar / Juni 2006

Physikprotokoll: Fehlerrechnung. Martin Henning / Torben Zech / Abdurrahman Namdar / Juni 2006 Physikprotokoll: Fehlerrechnung Martin Henning / 736150 Torben Zech / 7388450 Abdurrahman Namdar / 739068 1. Juni 2006 1 Inhaltsverzeichnis 1 Einleitung 3 2 Vorbereitungen 3 3 Messungen und Auswertungen

Mehr

Auswertung und Lösung

Auswertung und Lösung Dieses Quiz soll Ihnen helfen, Kapitel 4.7 und 4.8 besser zu verstehen. Auswertung und Lösung Abgaben: 71 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 5.65 Frage 1

Mehr

Einführung in die Fehlerrechnung

Einführung in die Fehlerrechnung Einführung in die Fehlerrechnung Jede quantitative physikalische Messung ist mit Fehlern behaftet. Die Angabe der Fehler gehört zu einer ordentlichen Auswertung ebenso dazu, wie die Angabe des eigentlichen

Mehr

Fehlerrechnung. Einführung. Jede Messung ist fehlerbehaftet! Ursachen:

Fehlerrechnung. Einführung. Jede Messung ist fehlerbehaftet! Ursachen: Fehlerrechnung Einführung Jede Messung ist fehlerbehaftet! Ursachen: Ablesefehler (Parallaxe, Reaktionszeit) begrenzte Genauigkeit der Messgeräte falsche Kalibrierung/Eichung der Messgeräte Digitalisierungs-Fehler

Mehr

Regression und Korrelation

Regression und Korrelation Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandeltdie VerteilungeinerVariablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem dagegen

Mehr

Statistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de

Statistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent

Mehr

Klassifikation von Signifikanztests

Klassifikation von Signifikanztests Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen

Mehr

Brückenkurs Statistik für Wirtschaftswissenschaften

Brückenkurs Statistik für Wirtschaftswissenschaften Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München

Mehr

Was ist Physik? Modell der Natur universell es war schon immer so

Was ist Physik? Modell der Natur universell es war schon immer so Was ist Physik? Modell der Natur universell es war schon immer so Kultur Aus was sind wir gemacht? Ursprung und Aufbau der Materie Von wo/was kommen wir? Ursprung und Aufbau von Raum und Zeit Wirtschaft

Mehr

Methoden der Werkstoffprüfung Kapitel II Statistische Verfahren I. WS 2009/2010 Kapitel 2.0

Methoden der Werkstoffprüfung Kapitel II Statistische Verfahren I. WS 2009/2010 Kapitel 2.0 Methoden der Werkstoffprüfung Kapitel II Statistische Verfahren I WS 009/010 Kapitel.0 Schritt 1: Bestimmen der relevanten Kenngrößen Kennwerte Einflussgrößen Typ A/Typ B einzeln im ersten Schritt werden

Mehr

Quantitative Methoden (Vertretung für Prof. Th. Pechmann)

Quantitative Methoden (Vertretung für Prof. Th. Pechmann) Quantitative Methoden (Vertretung für Prof. Th. Pechmann) Inferenzstatistik I: Zusammenhänge (Korrelationen) Logik inferenzstatistischer Verfahren Andreas Opitz Universität Leipzig Institut für Linguistik

Mehr

Deskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien

Deskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische

Mehr

Statistische Tests (Signifikanztests)

Statistische Tests (Signifikanztests) Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)

Mehr

VS PLUS

VS PLUS VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen - Inferenzstatistik 1 [Übungsaufgaben und Lösungenn - Inferenzstatistik 1] ÜBUNGSAUFGABEN

Mehr

Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007

Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007 Mathematik IV für Maschinenbau und Informatik Stochastik Universität Rostock, Institut für Mathematik Sommersemester 007 Prof. Dr. F. Liese Dipl.-Math. M. Helwich Serie Termin: 9. Juni 007 Aufgabe 3 Punkte

Mehr

Behandlung von Messabweichungen

Behandlung von Messabweichungen 1 Behandlung von Messabweichungen Hier wird eine kurze Darstellung zum Verständnis der Problematik von Messgenauigkeit und Messunsicherheit aus der Sicht des Physikalischen Praktikums gegeben, siehe auch

Mehr

Statistik II. Lineare Regressionsrechnung. Wiederholung Skript 2.8 und Ergänzungen (Schira: Kapitel 4) Statistik II

Statistik II. Lineare Regressionsrechnung. Wiederholung Skript 2.8 und Ergänzungen (Schira: Kapitel 4) Statistik II Statistik II Lineare Regressionsrechnung Wiederholung Skript 2.8 und Ergänzungen (Schira: Kapitel 4) Statistik II - 09.06.2006 1 Mit der Kovarianz und dem Korrelationskoeffizienten können wir den statistischen

Mehr

Stetige Verteilungen Rechteckverteilung

Stetige Verteilungen Rechteckverteilung Stetige Verteilungen Rechteckverteilung Die Längenabweichungen X produzierter Werkstücke von der Norm seien gleichmäßig verteilt zwischen a = mm und b = 4mm. Die Dichtefunktion lautet also f(x) = für a

Mehr

Entscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten

Entscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 4.1 4. Statistische Entscheidungsverfahren Entscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten Beispiel:

Mehr

INHALTSVERZEICHNIS. 7 Temperatur und Zustandsänderungen 48 V1 Einfaches Flüssigkeitsthermometer 48 V2 Bimetallthermometer 50 Warm und kalt 52

INHALTSVERZEICHNIS. 7 Temperatur und Zustandsänderungen 48 V1 Einfaches Flüssigkeitsthermometer 48 V2 Bimetallthermometer 50 Warm und kalt 52 INHALTSVERZEICHNIS Verhaltensregeln 3 Einführung in das Praxisbuch 4 1 Physik bestimmt unser Leben 6 V1 Längenmessung 6 V2 Messung des Volumens 8 Exp Schwingunsdauer 10 Mein Zeigefinger! 12 2 Alles in

Mehr

Elastizität und Torsion

Elastizität und Torsion INSTITUT FÜR ANGEWANDTE PHYSIK Physikalisches Praktikum für Studierende der Ingenieurswissenschaften Universität Hamburg, Jungiusstraße 11 Elastizität und Torsion 1 Einleitung Ein Flachstab, der an den

Mehr

Motivation. Jede Messung ist mit einem sogenannten Fehler behaftet, d.h. einer Messungenauigkeit

Motivation. Jede Messung ist mit einem sogenannten Fehler behaftet, d.h. einer Messungenauigkeit Fehlerrechnung Inhalt: 1. Motivation 2. Was sind Messfehler, statistische und systematische 3. Verteilung statistischer Fehler 4. Fehlerfortpflanzung 5. Graphische Auswertung und lineare Regression 6.

Mehr

Aussagen hierzu sind mit einer unvermeidbaren Unsicherheit behaftet, die statistisch über eine Irrtumswahrscheinlichkeit bewertet wird.

Aussagen hierzu sind mit einer unvermeidbaren Unsicherheit behaftet, die statistisch über eine Irrtumswahrscheinlichkeit bewertet wird. Stichprobenumfang Für die Fragestellung auf Gleichheit von ein oder zwei Stichproben wird auf Basis von Hypothesentests der notwendige Stichprobenumfang bestimmt. Deshalb werden zunächst die Grundlagen

Mehr

Übungsaufgaben zu Statistik II

Übungsaufgaben zu Statistik II Übungsaufgaben zu Statistik II Prof. Dr. Irene Prof. Dr. Albrecht Ungerer Die Kapitel beziehen sich auf das Buch: /Ungerer (2016): Statistik für Wirtschaftswissenschaftler Springer Gabler 4 Übungsaufgaben

Mehr

Statistik 2 für SoziologInnen. Normalverteilung. Univ.Prof. Dr. Marcus Hudec. Themen dieses Kapitels sind:

Statistik 2 für SoziologInnen. Normalverteilung. Univ.Prof. Dr. Marcus Hudec. Themen dieses Kapitels sind: Statistik 2 für SoziologInnen Normalverteilung Univ.Prof. Dr. Marcus Hudec Statistik 2 für SoziologInnen 1 Normalverteilung Inhalte Themen dieses Kapitels sind: Das Konzept stetiger Zufallsvariablen Die

Mehr

Skript zum Kurz-Referat:

Skript zum Kurz-Referat: Prof. Dr. Klaus-Jürgen Tillmann/ Michael Lenz WS 2001/02 Fakultät für Pädagogik (AG 4) der Universität Bielefeld Seminar: Anlage und : Der pädagogische Streit seit den 50er-Jahren 7. Sitzung: Die Erblichkeit

Mehr

Statistik, Datenanalyse und Simulation

Statistik, Datenanalyse und Simulation Dr. Michael O. Distler distler@kph.uni-mainz.de Mainz, 31. Mai 2011 4. Methode der kleinsten Quadrate Geschichte: Von Legendre, Gauß und Laplace zu Beginn des 19. Jahrhunderts eingeführt. Die Methode der

Mehr

Übung 1: Wiederholung Wahrscheinlichkeitstheorie

Übung 1: Wiederholung Wahrscheinlichkeitstheorie Übung 1: Wiederholung Wahrscheinlichkeitstheorie Ü1.1 Zufallsvariablen Eine Zufallsvariable ist eine Variable, deren numerischer Wert solange unbekannt ist, bis er beobachtet wird. Der Wert einer Zufallsvariable

Mehr

Willkommen zur Vorlesung Statistik (Master)

Willkommen zur Vorlesung Statistik (Master) Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Punkt- und Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr.

Mehr

Standardabweichung und Variationskoeffizient. Themen. Prinzip. Material TEAS Qualitätskontrolle, Standardabweichung, Variationskoeffizient.

Standardabweichung und Variationskoeffizient. Themen. Prinzip. Material TEAS Qualitätskontrolle, Standardabweichung, Variationskoeffizient. Standardabweichung und TEAS Themen Qualitätskontrolle, Standardabweichung,. Prinzip Die Standardabweichung gibt an, wie hoch die Streuung der Messwerte um den eigenen Mittelwert ist. Sie ist eine statistische

Mehr

Institut für Biometrie und klinische Forschung. WiSe 2012/2013

Institut 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

Mehr

8. Konfidenzintervalle und Hypothesentests

8. Konfidenzintervalle und Hypothesentests 8. Konfidenzintervalle und Hypothesentests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Beispiel. Sie wollen den durchschnittlichen Fruchtsaftgehalt eines bestimmten Orangennektars

Mehr

Grundlegende Eigenschaften von Punktschätzern

Grundlegende Eigenschaften von Punktschätzern Grundlegende Eigenschaften von Punktschätzern Worum geht es in diesem Modul? Schätzer als Zufallsvariablen Vorbereitung einer Simulation Verteilung von P-Dach Empirische Lage- und Streuungsparameter zur

Mehr

Anleitung: Standardabweichung

Anleitung: 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

Mehr

Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003

Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003 Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003. Eine seltene Krankheit trete mit Wahrscheinlichkeit : 0000 auf. Die bedingte Wahrscheinlichkeit, dass ein bei einem Erkrankten durchgeführter

Mehr

Methodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft

Mehr

Berechnung von W für die Elementarereignisse einer Zufallsgröße

Berechnung von W für die Elementarereignisse einer Zufallsgröße R. Albers, M. Yanik Skript zur Vorlesung Stochastik (lementarmathematik) 5. Zufallsvariablen Bei Zufallsvariablen geht es darum, ein xperiment durchzuführen und dem entstandenen rgebnis eine Zahl zuzuordnen.

Mehr

Varianz und Kovarianz

Varianz und Kovarianz KAPITEL 9 Varianz und Kovarianz 9.1. Varianz Definition 9.1.1. Sei (Ω, F, P) ein Wahrscheinlichkeitsraum und X : Ω eine Zufallsvariable. Wir benutzen die Notation (1) X L 1, falls E[ X ]

Mehr

Ü b u n g s b l a t t 13

Ü b u n g s b l a t t 13 Einführung in die Stochastik Sommersemester 06 Dr. Walter Oevel 5. 6. 006 Ü b u n g s b l a t t 3 Mit und gekennzeichnete Aufgaben können zum Sammeln von Bonuspunkten verwendet werden. Lösungen von -Aufgaben

Mehr

Regression ein kleiner Rückblick. Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate

Regression ein kleiner Rückblick. Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate Regression ein kleiner Rückblick Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate 05.11.2009 Gliederung 1. Stochastische Abhängigkeit 2. Definition Zufallsvariable 3. Kennwerte 3.1 für

Mehr

Statistische Tests. Kapitel Grundbegriffe. Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe

Statistische Tests. Kapitel Grundbegriffe. Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe Kapitel 4 Statistische Tests 4.1 Grundbegriffe Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe X 1,..., X n. Wir wollen nun die Beobachtung der X 1,...,

Mehr

Grundlagen der Mathematik II (LVA U)

Grundlagen der Mathematik II (LVA U) Dr. Marcel Dettling 21.05.2010 Dr. Daniel Haase FS 2010 daniel.haase@math.ethz.ch Grundlagen der Mathematik II (LVA 401-0622-00 U 11 Zur Übungsstunde vom 21.05.2010 Aufgabe 31 (Rechnen mit der Normalverteilung

Mehr

1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung

1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung 0 Einführung 1 Wahrscheinlichkeitsrechnung Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Intervallschätzung Motivation und Hinführung Der wahre Anteil der rot-grün Wähler 009 war genau

Mehr

4. Empirische Momente von ZR. 4. Empirische Momente von ZR. 4. Empirische Momente von ZR. 4. Empirische Momente von ZR

4. Empirische Momente von ZR. 4. Empirische Momente von ZR. 4. Empirische Momente von ZR. 4. Empirische Momente von ZR Im Allgemeinen wird sich das Verhalten einer ZR über die Zeit ändern, z.b. Trend, saisonales Verhalten, sich verändernde Variabilität. Eine ZR wird als stationär bezeichnet, wenn sich ihr Verhalten über

Mehr

3.5 Beschreibende Statistik. Inhaltsverzeichnis

3.5 Beschreibende Statistik. Inhaltsverzeichnis 3.5 Beschreibende Statistik Inhaltsverzeichnis 1 beschreibende Statistik 26.02.2009 Theorie und Übungen 2 1 Die Darstellung von Daten 1.1 Das Kreisdiagramm Wir beginnen mit einem Beispiel, welches uns

Mehr

Deskriptive Statistik 1 behaftet.

Deskriptive Statistik 1 behaftet. Die Statistik beschäftigt sich mit Massenerscheinungen, bei denen die dahinterstehenden Einzelereignisse meist zufällig sind. Statistik benutzt die Methoden der Wahrscheinlichkeitsrechnung. Fundamentalregeln:

Mehr

Einführung. Ablesen von einander zugeordneten Werten

Einführung. Ablesen von einander zugeordneten Werten Einführung Zusammenhänge zwischen Größen wie Temperatur, Geschwindigkeit, Lautstärke, Fahrstrecke, Preis, Einkommen, Steuer etc. werden mit beschrieben. Eine Zuordnung f, die jedem x A genau ein y B zuweist,

Mehr

Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1

Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1 Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2013 Aufgabe 1 In einer Urne

Mehr

3 Konfidenzintervalle

3 Konfidenzintervalle 3 Konfidenzintervalle Konfidenzintervalle sind das Ergebnis von Intervallschätzungen. Sicheres Wissen über Grundgesamtheiten kann man anhand von Stichproben nicht gewinnen. Aber mit Hilfe der Statistik

Mehr

Grundwissen Mathematik Klasse 8. Beispiel: m= 2,50 1 = 5,00. Gleichung: y=2,50 x. Beispiel: c=1,5 160=2,5 96=3 80=6 40=240.

Grundwissen Mathematik Klasse 8. Beispiel: m= 2,50 1 = 5,00. Gleichung: y=2,50 x. Beispiel: c=1,5 160=2,5 96=3 80=6 40=240. I. Funktionen 1. Direkt proportionale Zuordnungen Grundwissen Mathematik Klasse x und y sind direkt proportional, wenn zum n fachen Wert für x der n fache Wert für y gehört, die Wertepaare quotientengleich

Mehr

Rechnen mit Messwerten

Rechnen mit Messwerten Rechnen mit Messwerten Messwerte sind grundsätzlich Werte mit einer bestimmten Unsicherheit, also einer eingeschränkten Genauigkeit. Sie ist durch das Messverfahren, mit dem der Messwert gewonnen wurde,

Mehr

Zufallsgröße X : Ω R X : ω Anzahl der geworfenen K`s

Zufallsgröße X : Ω R X : ω Anzahl der geworfenen K`s X. Zufallsgrößen ================================================================= 10.1 Zufallsgrößen und ihr Erwartungswert --------------------------------------------------------------------------------------------------------------

Mehr

Wahrscheinlichkeitstheorie und Statistik vom

Wahrscheinlichkeitstheorie und Statistik vom INSTITUT FÜR STOCHASTIK SS 2007 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Dipl.-Math. oec. W. Lao Klausur (Maschineningenieure) Wahrscheinlichkeitstheorie und Statistik vom 2.9.2007 Musterlösungen

Mehr

15.5 Stetige Zufallsvariablen

15.5 Stetige Zufallsvariablen 5.5 Stetige Zufallsvariablen Es gibt auch Zufallsvariable, bei denen jedes Elementarereignis die Wahrscheinlich keit hat. Beispiel: Lebensdauer eines radioaktiven Atoms Die Lebensdauer eines radioaktiven

Mehr

Bitte bearbeite zunächst alle Aufgaben bevor du einen Blick in die Lösungen wirfst.

Bitte bearbeite zunächst alle Aufgaben bevor du einen Blick in die Lösungen wirfst. Übungsblatt 2 - Varianz, Standardabweichung, Kovarianz Das zweite Übungsblatt umfasst die Themen Varianz, Standardabweichung und Kovarianz. Hinter den Aufgaben steht wie gewohnt in Klammern die durchschnittliche

Mehr

Annahmen des linearen Modells

Annahmen des linearen Modells Annahmen des linearen Modells Annahmen des linearen Modells zusammengefasst A1: Linearer Zusammenhang: y = 0 + 1x 1 + 2x 2 + + kx k A2: Zufallsstichprobe, keine Korrelation zwischen Beobachtungen A3: Erwartungswert

Mehr

7.2 Moment und Varianz

7.2 Moment und Varianz 7.2 Moment und Varianz Def. 21 Es sei X eine zufällige Variable. Falls der Erwartungswert E( X p ) existiert, heißt der Erwartungswert EX p p tes Moment der zufälligen Variablen X. Es gilt dann: + x p

Mehr

Kern- und Schulcurriculum Mathematik Klasse 5/6. Stand Schuljahr 2009/10

Kern- und Schulcurriculum Mathematik Klasse 5/6. Stand Schuljahr 2009/10 Kern- und Schulcurriculum Mathematik Klasse 5/6 Stand Schuljahr 2009/10 Klasse 5 UE 1 Natürliche en und Größen Große en Zweiersystem Römische en Anordnung, Vergleich Runden, Bilddiagramme Messen von Länge

Mehr

V.2 Phasengleichgewichte

V.2 Phasengleichgewichte Physikalisch-Chemisches Praktikum II WS 02/03 Josef Riedl BCh Team 4/1 V.2 Phasengleichgewichte V.2.1 Gegenstand des Versuches Als Beispiel für ein Phasengleichgewicht im Einstoffsystem wird die Koexistenzkurve

Mehr

Mathematik für Naturwissenschaften, Teil 2

Mathematik für Naturwissenschaften, Teil 2 Lösungsvorschläge für die Aufgaben zur Vorlesung Mathematik für Naturwissenschaften, Teil Zusatzblatt SS 09 Dr. J. Schürmann keine Abgabe Aufgabe : Eine Familie habe fünf Kinder. Wir nehmen an, dass die

Mehr

Kapitel 2 Experiment: Messwert & Messgenauigkeit

Kapitel 2 Experiment: Messwert & Messgenauigkeit Kapitel 2 Experiment: Messwert & Messgenauigkeit Die Reproduzierbarkeit von Experimenten ist ein zentrales Thema in allen Naturwissenschaften. In diesem Kapitel erarbeiten wir Verfahren, mit denen wir

Mehr

Standardnormalverteilung

Standardnormalverteilung Standardnormalverteilung 1720 erstmals von Abraham de Moivre beschrieben 1809 und 1816 grundlegende Arbeiten von Carl Friedrich Gauß 1870 von Adolphe Quetelet als "ideales" Histogramm verwendet alternative

Mehr

Jost Reinecke. 7. Juni 2005

Jost Reinecke. 7. Juni 2005 Universität Bielefeld 7. Juni 2005 Testtheorie Test für unabhängige Stichproben Test für abhängige Stichproben Testtheorie Die Testtheorie beinhaltet eine Reihe von Testverfahren, die sich mit der Überprüfung

Mehr

Physikalische Übungen für Pharmazeuten

Physikalische Übungen für Pharmazeuten Helmholtz-Institut für Strahlen- und Kernphysik Seminar Physikalische Übungen für Pharmazeuten K. Koop Max Becker Karsten Koop Dr. Christoph Wendel Übersicht Inhalt des Seminars Praktikum - Vorbereitung

Mehr

Klausur zu Statistik II

Klausur zu Statistik II GOETHE-UNIVERSITÄT FRANKFURT FB Wirtschaftswissenschaften Statistik und Methoden der Ökonometrie Prof. Dr. Uwe Hassler Wintersemester 03/04 Klausur zu Statistik II Matrikelnummer: Hinweise Hilfsmittel

Mehr

VU mathematische methoden in der ökologie: räumliche verteilungsmuster 1/5 h.lettner /

VU mathematische methoden in der ökologie: räumliche verteilungsmuster 1/5 h.lettner / VU mathematische methoden in der ökologie: räumliche verteilungsmuster / h.lettner / Analyse räumlicher Muster und Verteilungen Die Analyse räumlicher Verteilungen ist ein zentrales Gebiet der ökologischen

Mehr

Statistik Klausur Wintersemester 2012/2013 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!

Statistik 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:.............................................................................

Mehr

Elementäre Bausteine m = 10 micron. Blutzelle Atom 1800 D.N.A Elektron m = 0.1 nanometer Photon 1900

Elementäre Bausteine m = 10 micron. Blutzelle Atom 1800 D.N.A Elektron m = 0.1 nanometer Photon 1900 Was ist Physik? Das Studium der uns umgebenden Welt vom Universum bis zum Atomkern, bzw. vom Urknall bis weit in die Zukunft, mit Hilfe von wenigen Grundprinzipien. Diese gesetzmäßigen Grundprinzipien

Mehr

Sonderanhang: Manuelle Berechnungen der Statistikaufgaben

Sonderanhang: Manuelle Berechnungen der Statistikaufgaben Albert/Marx 0: Empirisches Arbeiten Sonderanhang: Manuelle Berechnungen der Statistikaufgaben Kaum jemand führt heutzutage statistische Berechnungen noch von Hand durch, weil es sehr viele Computerprogramme

Mehr

Verwandte Begriffe Maxwell-Gleichungen, elektrisches Wirbelfeld, Magnetfeld von Spulen, magnetischer Fluss, induzierte Spannung.

Verwandte Begriffe Maxwell-Gleichungen, elektrisches Wirbelfeld, Magnetfeld von Spulen, magnetischer Fluss, induzierte Spannung. Verwandte Begriffe Maxwell-Gleichungen, elektrisches Wirbelfeld, Magnetfeld von Spulen, magnetischer Fluss, induzierte Spannung. Prinzip In einer langen Spule wird ein Magnetfeld mit variabler Frequenz

Mehr

Protokoll Grundpraktikum I: M3 - Elastizität und Torsion

Protokoll Grundpraktikum I: M3 - Elastizität und Torsion Protokoll Grundpraktikum I: M3 - Elastizität und Torsion Sebastian Pfitzner. Mai 13 Durchführung: Sebastian Pfitzner (553983), Anna Andrle (5577) Arbeitsplatz: Platz 4 Betreuer: Jacob Michael Budau Versuchsdatum:

Mehr

K8 Stetige Zufallsvariablen Theorie und Praxis

K8 Stetige Zufallsvariablen Theorie und Praxis K8 Stetige Zufallsvariablen Theorie und Praxis 8.1 Theoretischer Hintergrund Wir haben (nicht abzählbare) Wahrscheinlichkeitsräume Meßbare Funktionen Zufallsvariablen Verteilungsfunktionen Dichten in R

Mehr

Statistik. Ronald Balestra CH St. Peter

Statistik. Ronald Balestra CH St. Peter Statistik Ronald Balestra CH - 7028 St. Peter www.ronaldbalestra.ch 17. Januar 2010 Inhaltsverzeichnis 1 Statistik 1 1.1 Beschreibende Statistik....................... 1 1.2 Charakterisierung von Häufigkeitsverteilungen...........

Mehr

Statistik eindimensionaler Größen

Statistik 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,

Mehr