Zählstatistik. h= 6, J s Plancksches Wirkungsquantum f

Größe: px
Ab Seite anzeigen:

Download "Zählstatistik. h= 6, J s Plancksches Wirkungsquantum f"

Transkript

1 A06 ählstatistik Mit eiem ählrohr solle die Null- ud die ählrate bei eiem radioaktive Präparat aufgeomme werde. Die gemessee ählstatistike werde mit der Poisso- ud der Normalverteilug vergliche.. Theoretische Grudlage. Radioaktive Strahlug Nebe stabile Atomkere trete i der Natur auch Atomkere auf, die ohe äußere Eifluss uter Emissio radioaktiver Strahlug spota zerfalle. Die am häufigste auftretede Strahlugsarte sid α-, β- ud γ-strahlug. Bei der α-strahlug emittiert der Atomker X eie He-Ker (α-teilche) ud wadelt sich damit i de Tochterker Y um (A: Massezahl, : Kerladugszahl): A 4 X Y+ He A 4 () Da Mutter ud Tochterkere ur diskrete Eergie aehme köe, habe auch die α-teilche ur diskrete kietische Eergie, die typisch zwische ud 0MeV liege (ev=, J). β-strahlug besteht aus schelle Elektroe, die beim erfall eies Neutros des Atomkers etstehe. Bei jedem erfall etsteht ebe eiem Elektro ud eiem Proto och ei Atieutrio: A A X + Y + e + ν () Die frei werdede kietische Eergie ka sich auf das Elektro ud auf das Atieutrio ν verteile. Demzufolge besitzt die β-strahlug ei kotiuierliches Eergiespektrum mit eier bestimmte Maimaleergie, die i der gleiche Größeordug wie die Eergie der α-strahle liegt. Oft bleibt der Tochterker ach eiem α- oder β-erfall zuächst i eiem ageregte ustad zurück ud gibt seie Eergie mehr oder weiger verzögert als eergiereiches Photo (Gammaquat) ab: A A + Y + Y + h f (3) h= 6, J s Placksches Wirkugsquatum f dem Photo zugeordete Frequez Wie bei der Gammastrahlug hadelt es sich auch bei der Rötgestrahlug um elektromagetische Strahlug. Die Uterscheidug zwische beide Strahlugsarte beruht lediglich auf der uterschiedliche Herkuft der beide Strahlugsarte. Rötgestrahlug etsteht i de iere Schale der Atomhülle, Gammastrahlug higege im Atomker. Auch im elektromagetische Spektrum köe sie icht scharf gegeeiader abgegrezt werde. Bei Rötgestrahlug liege die Photoeeergie etwa zwische kev ud 0,5MeV. Gammastrahlug besitzt Photoeeergie vo etwa 0,MeV bis 5MeV. Sowohl Gamma- als auch Rötgestrahle köe Materie ioisiere.. Nachweis ioisiereder Strahlug Als empfidliches Nachweisgerät wird das Geiger-Müller-ählrohr verwedet. Mit ihm ist der Nachweis eizeler ioisiereder Teilche bzw. Strahlug möglich. 05

2 Es besteht aus eiem Metallzylider, i dem isoliert ei düer Draht gespat ist. wische de Draht ud das Gehäuse wird eie Spaug vo eiige hudert bis taused Volt gelegt, so dass der Draht positiv gegeüber dem Gehäuse ist. Das ählrohr ist mit eiem Gas (Haloge) vo etwa 00mbar Druck gefüllt. A eiem Ede des Rohres befidet sich ei sehr dües Fester, durch das die Strahlug eitrete ka. Durch eidrigede Strahlug werde wie bei der Ioisatioskammer eiige Gasatome ioisiert. Wege der große Feldstärke i Drahtähe tritt jedoch Stoßioisatio auf. Durch diese Verstärkug, die je ach ählrohrspaug eiige eherpoteze beträgt, etsteht ei Stromstoß durch de hochohmige Widerstad R. Der Bild : Schaltug Geiger-Müller-ählrohr Spaugsabfall a R ka über eie geeigete Elektroik registriert werde. Wege der gleichzeitige Vermiderug der ählrohrspaug reicht die Feldstärke i Drahtähe für weitere Stoßioisatio icht mehr aus, ud die gezüdete Gasetladug verlöscht wieder. Währed der Etladug spricht das ählrohr auf weitere ioisierede Teilche icht a. Diese Totzeit des ählers ka verrigert werde, idem ma dem Füllgas eie gerige Mege Dampf mehratomiger Moleküle (z.b. Alkohol) zugibt. Wege der gerige Ioeproduktio im Gas ist für γ - Strahlug die Asprechwahrscheilichkeit eies ählrohres sehr gerig..3 ählstatistik selteer Ereigisse We ma mehrmals uter uveräderte Versuchsbediguge die Azahl der erfallsereigisse währed der eitdauer t bei eiem laglebige radioaktive Präparat bestimmt, so wird ma im allgemeie uterschiedliche Azahle erhalte, die um eie Mittelwert streue. Es soll u die Wahrscheilichkeit agegebe werde, mit der währed eies eititervalls t geau ählereigisse registriert werde. Dazu zerlege wir zuächst das eititervall t i m gleich große Teilitervalle dt. Die ahl m soll so groß sei, dass die Wahrscheilichkeit für zwei oder mehr erfallsereigisse währed dt verachlässigbar ist. Es geügt da, die Wahrscheilichkeit für eie eizele erfall währed des eititervalls dt zu betrachte. Diese hägt vo dt ud damit vo m ab ud wird mit p m bezeichet. Die Bestimmug der Azahl der ählereigisse währed t ka uter der geate Voraussetzug als ei m-stufiges Eperimet aufgefasst werde, bei dem i jeder Stufe etweder ei erfall stattfidet oder icht. Die Wahrscheilichkeit p(), bei diesem Eperimet geau ählereigisse zu registriere, ist durch die Biomialverteilug gegebe. ( ) ( p ) p m = p m m m (4) I Gleichug (4) tritt och die vo der Feiheit der Uterteilug abhägige Wahrscheilichkeit p m auf. Die vorgeommee Uterteilug war jedoch vollkomme willkürlich. Wir betrachte deshalb de Erwartugswert für die Azahl der ählereigisse im gesamte eititervall t: = m. (5) p m - -

3 Macht ma u die Uterteilug vo t immer feier, so wächst m gege uedlich, währed uverädert bleibt. Nach dem Poissosche Grezwertsatz folgt da, dass sich die Biomialverteilug (4) mit wachsedem m der Poissoverteilug p ( ) =! e (6) ähert. Wird also bei gleichbleibede eititervalle t mehrfach die Azahl der ählereigisse bestimmt, so sid die gemessee Werte poissoverteilt. Ma beachte, dass die Poissoverteilug icht symmetrisch zum Erwartugswert ist ud dass der wahrscheilichste Wert im allgemeie vo verschiede ist. Die Stadardabweichug σ eier Wahrscheilichkeitsverteilug ist defiiert als die positive Wurzel aus dem Erwartugswert der Abweichugsquadrate: σ = p ( )( ) (7) Bild : Poissoverteilug für = 5,0 Für die Stadardabweichug der Poissoverteilug ergibt sich: σ =. (8).4 Die Normalverteilug Ist größer als etwa 50, so ka ma die Poissoverteilug (6) gut durch die Normal- oder Gaußverteilug approimiere: F,σ ( ) = e σ π ( ) σ. (9) Die Poissoverteilug besitzt ur eie Parameter, ämlich de Erwartugs- oder Mittelwert. Bei der Normalverteilug higege trete zwei uabhägige Parameter auf, der Mittelwert ud die Stadardabweichug σ. Bei der Bestimmug der Azahl vo ählereigisse muss die Stadardabweichug uverädert bleibe, we ma vo der Poissoverteilug zur Normalverteilug übergeht. Die Aussage vo Gleichug (8) gilt deshalb auch, we ma die Normalverteilug zugrude legt. Damit wird aus der zweiparametrische Verteilug (9) die eiparametrische Verteilug: ( ) ( ) F = e π (0) - 3 -

4 ( ) Bei dem vorliegede Eperimet ist es selbstverstädlich ur sivoll, i (9) bzw. (0) für atürliche ahle eizusetze. Die Normalverteilug beschreibt jedoch icht ur die ählstatistik bei radioaktive Prozesse, soder ist praktisch auf jede ufallsvariable awedbar, dere Streuug durch voeiader uabhägige Ereigisse verursacht ist. Im Allgemeie sid (9) bzw. (0) also für de gaze Bereich der reelle ahle defiiert. Ka eie ufallsvariable beliebige reelle Werte aehme, so ist die Wahrscheilichkeit, dass ei gaz bestimmter Wert 0 auftritt, gleich ull. Es ist da ur sivoll, ach der Wahrscheilichkeit p(i) zu frage, mit der ei Versuchsergebis i eiem Itervall I = a,b liegt. Bei diskrete Wahrscheilichkeitsverteiluge müsse zur Beatwortug dieser Frage die Eizelwahrscheilichkeite der mögliche Ergebisse i I aufsummiert werde. Bei der kotiuierliche Normalverteilug erhält ma die gesuchte Wahrscheilichkeit p(i) durch Itegratio über I: [ ] p( I )= F ( ) d () I Die Gleichuge (9) ud (0) gebe also icht direkt eie Wahrscheilichkeit, soder vielmehr die Wahrscheilichkeit pro Eiheitsitervall, also eie Wahrscheilichkeitsdichte a. Geau wie ma die Masse eies ihomogee Körpers durch Itegratio der Dichtefuktio über das betrachtete Volume erhält, so erhält ma die Wahrscheilichkeit, dass der Wert eier ufallsvariable i eiem bestimmte Itervall liegt, durch Itegratio der Wahrscheilichkeitsdichte über dieses Itervall..5 Betrachtuge zur Messusicherheit Die umerische Berechug des Itegrals () liefert die Wahrscheilichkeit p, dass eie Eizelmessug höchstes um vom Mittelwert abweicht. Ma erhält die scho aus der Eiführug bekate Ergebisse: p σ 0.68 σ σ 0.99 p F ( ) 5 0,0000 0, ,0007 0, ,0054 0, ,05 0, ,0458 0, ,0563 0, ,04 0, ,00 0, ,0063 0, ,004 0, ,000 0,000 Tabelle : Vergleich zwische Poisso- ud Normalverteilug ( = = ) 50,σ. Die Wahrscheilichkeit, dass i eier Reihe vo ählergebisse ei Eizelergebis um mehr als σ vom Mittelwert abweicht, liegt demach bei 3%. Führt ma ur eie eizige Messug mit dem Ergebis aus, so ka ma umgekehrt schließe, dass ei Mittelwert, der sich i eier lägere Messreihe eistelle würde, mit 68% Wahrscheilichkeit um icht mehr als σ vom Eizelergebis abweiche würde. Da icht bekat ist, wählt ma als absolute Messabweichug bei der Bestimmug vo. Das Messergebis für de durch eie eizige Messug bestimmte Mittelwert ist da = ± () Die relative Abweichug bei () immt mit wachseder Azahl der gemessee Ereigisse ab:

5 =. (3) Werde k Eizelmessuge mit de Ergebisse i (i=,...,k) durchgeführt, ka der Mittelwert als Ergebis agegebe werde: = k k i i= (4) Die relative Abweichug dieses Mittelwertes wird u icht durch die Stadardabweichug der Eizelmessug bestimmt, soder ausschließlich vo der Gesamtzahl der registrierte ählereigisse: =. (5) k i= i Soll beispielsweise eie relative Abweichug vo % erreicht werde, so müsse isgesamt 0000 Ereigisse gezählt werde. Dabei spielt es keie Rolle, ob dies i mehrere Eizeleperimete oder i eiem eizige Eperimet geschieht. um Verstädis dieser Betrachtuge ist es uumgäglich, Kapitel 4 der Eiführug i das physikalische Praktikum bearbeitet zu habe..versuch. Vorbetrachtug Aufgabe: Mache Sie sich mit der Poisso- sowie mit der Normalverteilug vertraut. Wori bestehe die Uterschiede?. Versuchsdurchführug.. Verwedete Geräte Radioaktives Präparat: Radium (Ra-6), Aktivität 3,3kBq, Halbwertszeit 60a, α-, β-ud γ-strahler, ählrohr, Computer mit Messsystem ud Auswertugssoftware.. Versuchshiweise Für das Eperimet wird ei Computermesssystem verwedet, das auch die Betriebsspaug für das ählrohr liefert. Die Bedieugsaleitug für dieses Messsystem liegt am Praktikumsplatz. Bei der Darstellug ud de Berechuge im PC werde folgede Symbole ud Gleichuge verwedet: = H( ) N = H ( ) N = d ( ) H ( ) = σ σ = s=

6 Hiweis: H = e! Vergleiche Sie diese Darstellug mit de Abhadluge der Versuchsaleitug ud orde Sie die Größe zu, bevor Sie mit der Auswertug begie! Als Ergebis liefert das Computermesssystem: - Eie Häufigkeitsverteilug H() der ählimpulse als Histogramm, - die statistische Kedate etspreched eier Poissoverteilug. Aufgabe : Bestimmug der Nullrate Messe Sie mit eiem ählrohr 00mal die Nullrate 0 i eititervalle vo 0s ud utersuche Sie dere statistische Schwakug. Aufgabe : Bestimmug der ählrate Messe Sie mit eiem ählrohr die ählrate eies laglebige radioaktive Präparats, das etwa 00 ählereigisse je s ergibt ud utersuche Sie die statistische Schwakug der ählrate..3 Versuchsauswertug Aufgabe ud : Bestimmug der Null- ud der ählrate Nehme Sie ach Abschluss der Messuge zu Aufgabe ud eie statistische Auswertug ud eie Vergleich mit der theoretische Wahrscheilichkeitsverteilug vor. Beziehe Sie die mit dem Computer mögliche Auswertug der Messergebisse i de Vergleich mit ei. Trasformiere Sie die y-achse beider Darstelluge zu eier Darstellug der relative Häufigkeit h()/% (Eitragug i die vom PC gelieferte Diagramme). Bereche Sie die theoretische Poissoverteilug mit de aus der Aufgabe erhaltee Werte etspreched der Gleichug (6) ud trage Sie diese i das Diagramm der relative Häufigkeit mit ei. Vergleiche Sie die Ergebisse mit de vom Computermesssystem bestimmte theoretische Date. Gebe Sie die Nullrate eischließlich der absolute Abweichug a. Iterpretiere Sie das Ergebis. Bereche Sie die theoretische Normalverteilug ach Gleichug (0). Verwede Sie zur Vereifachug eie Schrittweite vo = 5 (Messwerte aus Aufgabe ). Trage Sie die berechete Werte i die Darstellug der relative Häufigkeit h()/% ei ud vergleiche Sie diese mit de vom Computermesssystem bestimmte theoretische Date. Bereche Sie die statistische Kedate des Mittelwertes ud der relative Abweichug. Gebe Sie die ählrate eischließlich der absolute Abweichug a. Stelle Sie auf eiem Wahrscheilichkeitspapier (am Versuchsplatz) die Fuktio Σh() = f() graphisch dar, trage sie die Regressiosgerade ei ud bestimme Sie die eifache bzw. die doppelte Stadardabweichug σ

7 3. Ergäzug Mit Hilfe vo Wahrscheilichkeitspapier ka geprüft werde, ob sich die Verteilug des utersuchte Merkmals uter eier Normalverteilug apasst ud wie groß außerdem der Mittelwert ud die Stadardabweichug σ sid. Das Wahrscheilichkeitsetz ist ei Koordiatepapier, desse Ordiate so eigestellt wurde, dass die Summeprozetkurve der Normalverteilug eie Gerade wird (Bild 3) Bild 3: Summeprozetkurve eier Häufigkeitsverteilug - 7 -

elektr. und magnet. Feld A 7 (1)

elektr. und magnet. Feld A 7 (1) FachHochschule Lausitz Physikalisches Praktikum α- ud β-strahlug im elektr. ud maget. Feld A 7 Name: Matrikel: Datum: Ziel des Versuches Das Verhalte vo α- ud β-strahlug im elektrische ud magetische Feld

Mehr

Teil II Zählstatistik

Teil II Zählstatistik Teil II Zählstatistik. Aufgabestellug. Vergleiche Sie experimetelle Zählverteiluge mit statistische Modelle (POISSON-Verteilug ud Normalverteilug) 2. Theoretische Grudlage Stichworte zur Vorbereitug: Impulszahl,

Mehr

Charakterisierung von α-teilchen

Charakterisierung von α-teilchen A08 Charakterisierug vo α-teilche Die Geschwidigkeit ud die spezifische Ladug vo emittierte α-teilche aus eiem Am-24- Präparat (Americium) sid zu bestimme.. Theoretische Grudlage. Radioaktive Strahlug

Mehr

A11. γ-strahlen. Neben der Bestimmung der Halbwertszeit für Ba-137m werden das Absorptions- und das Abstandsgesetz für γ-strahlen nachgewiesen (1)

A11. γ-strahlen. Neben der Bestimmung der Halbwertszeit für Ba-137m werden das Absorptions- und das Abstandsgesetz für γ-strahlen nachgewiesen (1) A γ-strahle Nebe der Bestimmug der Halbwertszeit für Ba-37m werde das Absorptios- ud das Abstadsgesetz für γ-strahle achgewiese. Theoretische Grudlage. Radioaktive Strahlug Nebe stabile Atomkere trete

Mehr

Ulrich Stein Fehlerrechnung

Ulrich Stein Fehlerrechnung Fehlerrechug Verteilug vo Messwerte Mittelwert Stadardabweichug Stadardfehler Rude vo Messwerte Darstellug vo Messwerte (Stellezahl) Fehlerfortpflazug Messergebisse Messug physikalische Realität Messgerät,

Mehr

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft

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

Mehr

Praktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle

Praktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle Praktikum Vorbereitug Fertigugsmesstechik Statistische Qualitätskotrolle Bei viele Erzeugisse ist es icht möglich jedes Werkstück zu prüfe, z.b.: bei Massefertigug. Hier ist es aus ökoomische Grüde icht

Mehr

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

Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK. 1. Vorbemerkung Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK Physikalische Prozesse, die eier statistische Gesetzmäßigkeit uterworfe sid, lasse sich mit eier Verteilugsfuktio beschreibe. Die Gauß-Verteilug

Mehr

Umrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung

Umrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung .3. Prozetuale Häufigkeitsverteilug (HV) Die prozetuale Häufigkeitsverteilug erlaubt de Vergleich vo Auswertuge, dee uterschiedliche Stichprobegröße zugrude liege. Es köe auch uterschiedliche Stichprobegröße

Mehr

Kapitel VI. Einige spezielle diskrete Verteilungen

Kapitel VI. Einige spezielle diskrete Verteilungen Kapitel VI Eiige spezielle diskrete Verteiluge D 6 (Hypergeometrische Verteilug) Eie Zufallsvariable X heißt hypergeometrisch verteilt, we sie folgede Wahrscheilichkeitsfuktio besitzt: M N M P ( X ) p

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Übug 6 3.03.20 Ihalt der heutige Übug Aufgabe D.7: Reche mit Zufallsvariable Erwartugswert- ud Variazoperator Statistik ud Wahrscheilichkeitsrechug

Mehr

Kapitel 11 DIE NORMAL-VERTEILUNG

Kapitel 11 DIE NORMAL-VERTEILUNG Kapitel DIE NORMAL-VERTEILUNG Fassug vom 7. Februar 006 Prof. Dr. C. Porteier Mathematik für Humabiologe ud Biologe 49 . De itio der Normal-Verteilug. De itio der Normal-Verteilug Bisher habe wir ur diskret

Mehr

Ereignis Wahrscheinlichkeit P (A) A oder B P (A + B) A und B P (AB) B, wenna P (B A)

Ereignis Wahrscheinlichkeit P (A) A oder B P (A + B) A und B P (AB) B, wenna P (B A) Kapitel 10 Statistik 10.1 Wahrscheilichkeit Das Ergebis eier Messug oder Beobachtug wird Ereigis geat. Ereigisse werde mit de Buchstabe A, B,...bezeichet. Die Messug eier kotiuierliche Variable x gibt

Mehr

Tests für beliebige Zufallsvariable

Tests für beliebige Zufallsvariable Kapitel 10 Tests für beliebige Zufallsvariable 10.1 Der Chi-Quadrat-Apassugstest Sei x eie gaz beliebige Zufallsvariable, dere Dichtefuktio icht oder icht geau bekat ist. Beispiel: Es seie z.b. mittels

Mehr

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

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 Lehrstuhl für Empirische Wirtschaftsforschug ud Ökoometrie Dr. Rolad Füss Statistik II: Schließede Statistik SS 2007 6. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug

Mehr

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

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen: 61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl

Mehr

Musterlösung für die Klausur zur Vorlesung Stochastik I im WiSe 2014/2015

Musterlösung für die Klausur zur Vorlesung Stochastik I im WiSe 2014/2015 Musterlösug für die Klausur zur Vorlesug Stochastik I im WiSe 204/205 Teil I wahr falsch Aussage Gilt E[XY ] = E[X]E[Y ] für zwei Zufallsvariable X ud Y mit edlicher Variaz, so sid X ud Y uabhägig. Für

Mehr

Vl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5

Vl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5 Vl Statistische Prozess- ud Qualitätskotrolle ud Versuchsplaug Übug 5 Aufgabe ) Sei p = P(A) die Wahrscheilichkeit für ei Ereigis A, dh., es gilt 0 p. Bereche Sie das Maximum der Fuktio f(p) = p(-p). Aufgabe

Mehr

( ), der genau auf der Geraden ( ) 2 ( ) #( ) 8. Lineare Regression. = f i. Nach der Summe der kleinsten. mx i

( ), der genau auf der Geraden ( ) 2 ( ) #( ) 8. Lineare Regression. = f i. Nach der Summe der kleinsten. mx i 8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Ziel dieses Verfahres ist es, Beziehuge zwische zwei Merkmale

Mehr

10. Testen von Hypothesen Seite 1 von 6

10. Testen von Hypothesen Seite 1 von 6 10. Teste vo Hypothese Seite 1 vo 6 10.1 Eiführug i das Teste vo Hypothese Eie Hypothese ist eie Vermutug bzw. Behauptug über die Wahrscheilichkeit eies Ereigisses. Mit Hilfe eies geeigete Tests (=Testverfahre)

Mehr

4 Schwankungsintervalle Schwankungsintervalle 4.2

4 Schwankungsintervalle Schwankungsintervalle 4.2 4 Schwakugsitervalle Schwakugsitervalle 4. Bemerkuge Die bekate Symmetrieeigeschaft Φ(x) = 1 Φ( x) bzw. Φ( x) = 1 Φ(x) für alle x R überträgt sich auf die Quatile N p der Stadardormalverteilug i der Form

Mehr

2 ISO/BIPM-Leitfaden Guide to the Expression of Uncertainty in Measurement, GUM (2008 überarbeitet, die deutsche Fassung ist [3])

2 ISO/BIPM-Leitfaden Guide to the Expression of Uncertainty in Measurement, GUM (2008 überarbeitet, die deutsche Fassung ist [3]) I- Messusicherheite: Lit.: Prof. Dr. Gerz Wahrscheilichkeitsrechug ud Usicherheitsberechug IO/BIPM-Leitfade Guide to the Epressio of Ucertaity i Measuremet, GUM (008 überarbeitet, die deutsche Fassug ist

Mehr

Die notwendigen Verteilungstabellen finden Sie z.b. hier:

Die notwendigen Verteilungstabellen finden Sie z.b. hier: Fakultät für Mathematik Istitute IAG ud IMO Prof. Dr. G. Kyureghya/Dr. M. Hödig Schätz- ud Prüfverfahre Die otwedige Verteilugstabelle fide Sie z.b. hier: http://www.ivwl.ui-kassel.de/kosfeld/lehre/zeitreihe/verteilugstabelle.pdf

Mehr

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

Statistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S Statistik mit Excel 2013 Peter Wies Theme-Special 1. Ausgabe, Februar 2014 W-EX2013S 3 Statistik mit Excel 2013 - Theme-Special 3 Statistische Maßzahle I diesem Kapitel erfahre Sie wie Sie Date klassifiziere

Mehr

2. Repetition relevanter Teilbereiche der Statistik

2. Repetition relevanter Teilbereiche der Statistik . Repetitio Statistik Ökoometrie I - Peter Stalder. Repetitio relevater Teilbereiche der Statistik (Maddala Kapitel ) Zufallsvariable ud Wahrscheilichkeitsverteiluge Zufallsvariable X (stochastische Variable)

Mehr

Der χ 2 Test. Bei Verteilungen Beantwortung der Frage, ob eine gemessene Verteilung Gauß- oder Poisson-verteilt ist oder nicht?

Der χ 2 Test. Bei Verteilungen Beantwortung der Frage, ob eine gemessene Verteilung Gauß- oder Poisson-verteilt ist oder nicht? Der χ Test Es gibt verschiedee Arte vo Sigifikaztests Nebe Sigifikaztests, die sich mit dem Mittelwert beschäftige, gibt es auch Testverfahre für Verteiluge Bei Verteiluge Beatwortug der Frage, ob eie

Mehr

Vl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3

Vl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3 Vl Statistische Prozess ud Qualitätskotrolle ud Versuchsplaug Übug 3 Aufgabe ) Die Schichtdicke X bei eier galvaische Beschichtug vo Autoteile sei ormalverteilt N(μ,σ ). 4 Teile werde galvaisch beschichtet.

Mehr

1 Randomisierte Bestimmung des Medians

1 Randomisierte Bestimmung des Medians Praktikum Diskrete Optimierug (Teil 0) 0.07.006 Radomisierte Bestimmug des Medias. Problemstellug ud Ziel I diesem Abschitt stelle wir eie radomisierte Algorithmus zur Bestimmug des Medias vor, der besser

Mehr

5. Übungsblatt - Lösungsskizzen

5. Übungsblatt - Lösungsskizzen Eiführug i die Wahrscheilichkeitstheorie ud Statistik rof. Dr. Ja Johaes Sadra Schluttehofer Witersemester 8/9 5. Übugsblatt - Lösugsskizze Aufgabe 7 (Neyma-earso-Lemma für stetige Verteiluge, 4 ukte).

Mehr

3 Grenzwerte. 3.1 Grenzwerte von Folgen

3 Grenzwerte. 3.1 Grenzwerte von Folgen 03-grezwerte.cdf 3 Grezwerte 3. Grezwerte vo Folge Kovergez Mache Folge zeige ei spezielles Verhalte, we der Idex sehr groß wird. Sie äher sich eier bestimmte Zahl. Betrachte wir zum Beispiel die Folge

Mehr

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy. Vo der relative Häufigkeit zur Wahrscheilichkeit Es werde 20 Schüler befragt, ob sie ei Hady besitze. Das Ergebis der Umfrage lautet: Vo 20 Schüler besitze 99 ei Hady. Ereigis E: Schüler besitzt ei Hady

Mehr

Kapitel 6 : Punkt und Intervallschätzer

Kapitel 6 : Punkt und Intervallschätzer 7 Kapitel 6 : Pukt ud Itervallschätzer Puktschätzuge. I der Statistik wolle wir Rückschlüsse auf das Wahrscheilichkeitsgesetz ziehe, ach dem ei vo us beobachtetes Zufallsexperimet abläuft. Hierzu beobachte

Mehr

Normalverteilung. Voraussetzung und verwandte Themen. Einführung. Ziel und Nutzen. Grundlagen

Normalverteilung. Voraussetzung und verwandte Themen. Einführung. Ziel und Nutzen. Grundlagen h Normalverteilug Voraussetzug ud verwadte Theme Für diese Beschreibuge sid Grudlage der Statistik ud isbesodere der statistische Verteiluge vorteilhaft. Weiterführede Theme sid: www.versuchsmethode.de/verteilugstests.pdf

Mehr

15.4 Diskrete Zufallsvariablen

15.4 Diskrete Zufallsvariablen .4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet

Mehr

Wirksamkeit, Effizienz

Wirksamkeit, Effizienz 3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue

Mehr

Kapitel 10 VERTEILUNGEN

Kapitel 10 VERTEILUNGEN Kapitel 0 VERTEILUNGEN Fassug vo 3. Februar 2006 Prof. Dr. C. Porteier Prof. Dr. W. Groes Matheati für Huabiologe ud Biologe 39 0. Zufallsvariable 0. Zufallsvariable Häu g wird statt des Ergebisses! 2

Mehr

Tutorium Mathematik ITB1(B), WI1(B)

Tutorium Mathematik ITB1(B), WI1(B) Tutorium Mathematik ITB(B), WI(B) Aufgabeblatt F Aufgabe zum Kapitel Fuktioe Prof Dr Peter Plappert Fachbereich Grudlage Aufgabe : Bestimme Sie jeweils de maimal mögliche Defiitiosbereich D ma a) f ( =

Mehr

7.2 Grundlagen der Wahrscheinlichkeitsrechnung

7.2 Grundlagen der Wahrscheinlichkeitsrechnung 7.2 Grudlage der Wahrscheilichkeitsrechug Ei Ereigis heißt i Bezug auf eie Satz vo Bediguge zufällig, we es bei der Realisierug dieses Satzes eitrete ka, aber icht ubedigt eitrete muss. Def. 7.2.: Ei Experimet

Mehr

Parameter von Häufigkeitsverteilungen

Parameter von Häufigkeitsverteilungen Kapitel 3 Parameter vo Häufigkeitsverteiluge 3. Mittelwerte Mo Der Modus (:= häufigster Wert, Abk.: Mo) ist der Merkmalswert mit der größte Häufigkeit, falls es eie solche gibt. Er sollte ur bei eigipflige

Mehr

Kapitel 5: Schließende Statistik

Kapitel 5: Schließende Statistik Kapitel 5: Schließede Statistik Statistik, Prof. Dr. Kari Melzer 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte

Mehr

,,, xn. 3. Intervallschätzungen Zufallsstichproben und Stichprobenfunktionen Zufallsstichproben. Zufallsvariablen mit

,,, xn. 3. Intervallschätzungen Zufallsstichproben und Stichprobenfunktionen Zufallsstichproben. Zufallsvariablen mit 3. Itervallschätzuge 3.1. Zufallsstichprobe ud Stichprobefuktioe 3.1.1 Zufallsstichprobe 1 Sei eie Zufallsvariable ud seie gemeisamer Verteilug,,,, Zufallsvariable mit - da heiße 1,,, Zufallsstichprobe

Mehr

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39 Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle

Mehr

Fehlerrechnung. 3. Genauigkeit von Meßergebnissen am Beispiel der Längenmessung

Fehlerrechnung. 3. Genauigkeit von Meßergebnissen am Beispiel der Längenmessung 1 Gie 11/000 Fehlerrechug 1. Physikalische Größe: Zahlewert ud Eiheit. Ursache vo Meßfehler 3. Geauigkeit vo Meßergebisse am Beispiel der Lägemessug 4. Messug eier kostate Größe ud Mittelwert 5. Messug

Mehr

1. Zahlenfolgen und Reihen

1. Zahlenfolgen und Reihen . Zahlefolge ud Reihe We ma eie edliche Mege vo Zahle hat, ka ma diese i eier bestimmte Reihefolge durchummeriere: {a,a 2,...,a }. Ma spricht vo eier edliche Zahlefolge. Fügt ma immer mehr Zahle hizu,

Mehr

Anwendungen der Wahrscheinlichkeit II. Markovketten

Anwendungen der Wahrscheinlichkeit II. Markovketten Aweduge der Wahrscheilichkeit II 1. Fragestelluge Markovkette Markovkette sid ei häufig verwedetes Modell zur Beschreibug vo Systeme, dere Verhalte durch eie zufällige Übergag vo eiem Systemzustad zu eiem

Mehr

Klausur vom

Klausur vom UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Domiik Faas Stochastik Witersemester 00/0 Klausur vom 7.0.0 Aufgabe 3+.5+.5=6 Pukte Bei eier Umfrage wurde 60 Hotelbesucher ach ihrer Zufriedeheit

Mehr

Zentraler Grenzwert Satz

Zentraler Grenzwert Satz Zetraler Grezwert Satz Aufgabe Aufgabe 1 Um ihr Studium zu fiaziere jobbe Sie ebebei als Iterviewer ud befrage bei eier ihrer Missioe zufällig Wahlberechtigte um das Wahlergebis eier bestimmte Partei vorherzusage.

Mehr

Streuungsmaße. Prof. Dr. Paul Reuber. Institut für Geographie. Seminar Methoden der empirischen Humangeographie

Streuungsmaße. Prof. Dr. Paul Reuber. Institut für Geographie. Seminar Methoden der empirischen Humangeographie Streuugsmaße Istitut für Geographie Streuugswerte (Streuugsmaße) Die Diskussio um die Mittelwerte hat die Vorteile dieser statistische Kewerte gezeigt, aber bereits, isbesodere beim arithmetische Mittel,

Mehr

Prof. Dr. Roland Füss Statistik II SS 2008

Prof. Dr. Roland Füss Statistik II SS 2008 1. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug ergibt sich aus de Grezwertsätze. Grezwertsätze sid Aussage über eie Zufallsvariable für de Fall, dass die Azahl

Mehr

Parameterschätzung. Kapitel Schätzfunktionen

Parameterschätzung. Kapitel Schätzfunktionen Kapitel 8 Parameterschätzug 8.1 Schätzfuktioe Def. 8.1.1: Es seie X 1,X,...,X uabhägige ZV, die alle die gleiche Verteilug besitze. θ sei ei ubekater Parameter dieser Verteilug. X 1,X,...,X ist als eie

Mehr

Zufallsvariable. Die Wahrscheinlichkeitsverteilung p (probability function) ist definiert durch: p(x i ) := P (X = x i ),

Zufallsvariable. Die Wahrscheinlichkeitsverteilung p (probability function) ist definiert durch: p(x i ) := P (X = x i ), ETHZ 90-683 Dr. M. Müller Statistische Methode WS 00/0 Zufallsvariable Zusammehag: Wirklichkeit Modell Wirklichkeit Stichprobe Date diskret stetig rel. Häufigkeit Häufigkeitstabelle Stabdiagramm Histogramm

Mehr

Analysis II für M, LaG und Ph, WS07/08 Übung 2, Lösungsskizze

Analysis II für M, LaG und Ph, WS07/08 Übung 2, Lösungsskizze Gruppeübug Aalysis II für M, LaG ud Ph, WS7/8 Übug, Lösugsskizze G 4 (Zum warm werde). Begrüde die vo Physiker beliebte Näheruge si(x) x, cos(x) ud ta(x) x für kleie x R. Dies folgt direkt aus der Tayloretwicklug

Mehr

R. Brinkmann Seite

R. Brinkmann  Seite R. Brikma http://brikma-du.de Seite 1.0.014 Lösuge zur Biomialverteilug I Ergebisse: E1 E E E4 E E E7 Ergebis Ei Beroulli-Experimet ist ei Zufallsexperimet, das ur zwei Ergebisse hat. Die Ergebisse werde

Mehr

Es gibt verschiedene Möglichkeiten eine Folge zu definieren. Die zwei häufigsten Methoden

Es gibt verschiedene Möglichkeiten eine Folge zu definieren. Die zwei häufigsten Methoden Folge ud Reihe Folge Eie Folge ist eie Abbildug der atürliche Zahle N = {0, 1,,...} i die Mege der (zumidest i de meiste Fälle) reelle Zahle R. I diesem Fall ka ma sich eie Folge als Pukte i eiem Koordiatesystem

Mehr

6 Vergleich mehrerer unverbundener Stichproben

6 Vergleich mehrerer unverbundener Stichproben 6 Vergleich mehrerer uverbudeer Stichprobe 6.1 Die eifaktorielle Variazaalyse Die eifaktorielle Variazaalyse diet der Utersuchug des Eiflusses eier kategorieller (bzw. ichtmetrischer) Variable, die die

Mehr

Kapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit

Kapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit - 18 - (Kapitel 3 : Bedigte Wahrscheilichkeite ud Uabhägigkeit) Kapitel 3: Bedigte Wahrscheilichkeite ud Uabhägigkeit Wird bei der Durchführug eies stochastische Experimets bekat, daß ei Ereigis A eigetrete

Mehr

425 Polarisationszustand des Lichtes

425 Polarisationszustand des Lichtes 45 Polarisatioszustad des Lichtes. Aufgabe. Bestimme Sie de Polarisatiosgrad vo Licht ach Durchgag durch eie Glasplattesatz, ud stelle Sie de Zusammehag zwische Polarisatiosgrad ud Azahl der Glasplatte

Mehr

Übungen mit dem Applet erwartungstreu

Übungen mit dem Applet erwartungstreu Übuge mit dem Applet erwartugstreu Visualisierug vo erwartugstreu Begriffe ud statischer Hitergrud. Visualisieruge mit dem Applet..3. Zufallsstreuug der Eizelwerte...3. Mittelwerte 3.3 Variaz. 4.4 Variaz

Mehr

Statistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik

Statistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik Statistik Kapitel 5: Schließede Statistik 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel 1» Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte der arithmetische

Mehr

(a) Richtig, die Varianz ist eine Summe quadratischer Größen.

(a) Richtig, die Varianz ist eine Summe quadratischer Größen. Aufgabe 1 (10 Pukte) Welche der folgede Aussage sid richtig? (a) Richtig, die Variaz ist eie Summe quadratischer Größe. (b) Falsch, die Abweichug ordialer Merkmale vom Media ist icht defiiert - also auch

Mehr

Praktikum Messtechnik

Praktikum Messtechnik Praktikum Messtechik Fachhochschule Stuttgart, Hochschule der Medie Witersemester 008/009 Versuchsdatum: 05. November 008 Versuch 6: 6/ Biegesteifigkeit (Balkemethode DIN 53 ) 6/ Biegesteifigkeit (Resoazläge-Verfahre

Mehr

Schätzen von Populationswerten

Schätzen von Populationswerten Schätze vo Populatioswerte SS00 7.Sitzug vom.06.00 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluß Grudlage des Iduktiosschlusses:

Mehr

So lösen Sie die Gleichung für den Korrelationskoeffizienten

So lösen Sie die Gleichung für den Korrelationskoeffizienten 8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Dabei sid Datepukte ( x 1, y 1 ),( x 2, y 2 ), ( x, y ) gegebe.

Mehr

Sind Sie mit unserem Angebot zufrieden? ja nein weiß nicht

Sind Sie mit unserem Angebot zufrieden? ja nein weiß nicht STATISTIK Eiführug Statistik kommt vom italieische Wort statistica, was so viel wie Staatsma bedeutet. Früher verwedete ma de Begriff ur für eie Auswertug vo Date (Klima, Bevölkerug, Bräuche,...) eies

Mehr

Bemerkungen zur Fehlerdiskussion

Bemerkungen zur Fehlerdiskussion Fakultätsübergreifedes Labor für Physik. Vorbemerkuge Bemerkuge zur Fehlerdiskussio Messergebisse sid stets mit Fehler behaftet. Nach DIN 39-3 werde Abweichuge der Messergebisse vom tatsächliche Wert,

Mehr

Einführung in die Wahrscheinlichkeitstheorie Lösungen zum Wiederholungsblatt

Einführung in die Wahrscheinlichkeitstheorie Lösungen zum Wiederholungsblatt TUM, Zetrum Mathematik Lehrstuhl für Mathematische Physik WS 23/4 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weider Eiführug i die Wahrscheilichkeitstheorie Lösuge zum Wiederholugsblatt Aufgabe

Mehr

Lösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung

Lösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung Prof. Dr. V. Schmidt WS 200/20 G. Gaiselma, A. Spettl 7.02.20 Lösugsvorschlag Probeklausur zur Elemetare Wahrscheilichkeitsrechug Hiweis: Der Umfag ud Schwierigkeitsgrad dieser Probeklausur muss icht dem

Mehr

Tests statistischer Hypothesen

Tests statistischer Hypothesen KAPITEL 0 Tests statistischer Hypothese I der Statistik muss ma oft Hypothese teste, z.b. muss ma ahad eier Stichprobe etscheide, ob ei ubekater Parameter eie vorgegebee Wert aimmt. Zuerst betrachte wir

Mehr

Arithmetische und geometrische Folgen. Die wichtigsten Theorieteile. und ganz ausführliches Training. Datei Nr

Arithmetische und geometrische Folgen. Die wichtigsten Theorieteile. und ganz ausführliches Training. Datei Nr ZAHLENFOLGEN Teil 2 Arithmetische ud geometrische Folge Die wichtigste Theorieteile ud gaz ausführliches Traiig Datei Nr. 4002 Neu Überarbeitet Stad: 7. Juli 206 INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK

Mehr

Analysis ZAHLENFOLGEN Teil 4 : Monotonie

Analysis ZAHLENFOLGEN Teil 4 : Monotonie Aalysis ZAHLENFOLGEN Teil 4 : Mootoie Datei Nr. 40051 Friedrich Buckel Juli 005 Iteretbibliothek für Schulmathematik Ihalt 1 Eiführugsbeispiele 1 Mootoie bei arithmetische Folge Defiitioe 3 3 Welche Beweistechik

Mehr

Stochastik im SoSe 2018 Übungsblatt 2

Stochastik im SoSe 2018 Übungsblatt 2 Stochasti im SoSe 2018 Übugsblatt 2 K. Paagiotou/ L. Ramzews / S. Reisser Lösuge zu de Aufgabe. Aufgabe 1 Eie Ure ethält B blaue, R rote ud G grüe Bälle. Wir ziehe eie Teilmege mit geau Bälle aus der Ure,

Mehr

6. Übung - Differenzengleichungen

6. Übung - Differenzengleichungen 6. Übug - Differezegleichuge Beispiel 00 Gesucht sid alle Lösuge vo a) x + 3x + = 0 ud b) x + x + 7 = 0, jeweils für 0. Um diese lieare Differezegleichug erster Ordug zu löse, verwede wir die im Buch auf

Mehr

n 2(a + bx i y i ) = 0 und i=1 n 2(a + bx i y i )x i = 0 i=1 gilt. Aus diesen beiden Gleichungen erhalten wir nach wenigen einfachen Umformungen

n 2(a + bx i y i ) = 0 und i=1 n 2(a + bx i y i )x i = 0 i=1 gilt. Aus diesen beiden Gleichungen erhalten wir nach wenigen einfachen Umformungen Regressio Dieser Text rekapituliert die i der Aalsis ud Statistik wohlbekate Methode der kleiste Quadrate, auch Regressio geat, zur Bestimmug vo Ausgleichsgerade Regressiosgerade ud allgemei Ausgleichpolome.

Mehr

6. Grenzwertsätze. 6.1 Tschebyscheffsche Ungleichung

6. Grenzwertsätze. 6.1 Tschebyscheffsche Ungleichung 6. Grezwertsätze 6.1 Tschebyscheffsche Ugleichug Sofer für eie Zufallsvariable X die Verteilug bekat ist, lässt sich die Wahrscheilichkeit dafür bestimme, dass X i eiem bestimmte Itervall liegt. Wie ist

Mehr

Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 12. Übungsblatt

Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 12. Übungsblatt UNIVERSITÄT KARLSRUHE Istitut für Aalysis HDoz. Dr. P. C. Kustma Dipl.-Math. M. Uhl WS 8/9 Höhere Mathematik I für die Fachrichtuge Elektroigeieurwese, Physik ud Geodäsie Lösugsvorschläge zum. Übugsblatt

Mehr

+ a 3 cos (3ωt) + b 3 sin (3ωt)

+ a 3 cos (3ωt) + b 3 sin (3ωt) Fourier-Reihe Wir gehe aus vo eier gegebee periodische Fuktio f (t). Die Fuktio hat die Fudametalperiode ( Schwigugsdauer ) ud damit die Grud-Kreisfrequez ω = π. Zeit t Periode Die Fuktio f (t) soll zerlegt

Mehr

Lösungsvorschlag zu den Hausaufgaben der 1. Übung

Lösungsvorschlag zu den Hausaufgaben der 1. Übung FAKULTÄT FÜR MATHEMATIK Prof. Dr. Patrizio Neff Christia Thiel 4.04.04 Lösugsvorschlag zu de Hausaufgabe der. Übug Aufgabe : (6 Pukte Bereche Sie für die Fuktio f : R R, f( : ep( a der Stelle 0 0 das Taylorpolyom

Mehr

Diskrete Zufallsvariablen

Diskrete Zufallsvariablen Erste Beispiele diskreter Verteiluge Diskrete Zufallsvariable Beroulli-Verteilug Eie diskrete Zufallsvariable heißt beroulliverteilt mit arameter p, falls sie die Wahrscheilichkeitsfuktio p,, f ( ) ( )

Mehr

Physikalisches Anfaengerpraktikum. Beugung und Brechung

Physikalisches Anfaengerpraktikum. Beugung und Brechung Physikalisches Afaegerpraktikum Beugug ud Brechug Ausarbeitug vo Marcel Egelhardt & David Weisgerber (Gruppe 37) Mittwoch, 3. Februar 005 I Utersuchuge am Prismespektroskop 1. Versuch zur Bestimmug des

Mehr

Für eine n n-matrix A müssen wir die Gleichung. lösen. Falls (A λi) invertierbar ist, dann ist. Dann ist aber λ kein Eigenwert.

Für eine n n-matrix A müssen wir die Gleichung. lösen. Falls (A λi) invertierbar ist, dann ist. Dann ist aber λ kein Eigenwert. Geschlossees Leotief-Modell Ei Leotief-Modell für eie Volkswirtschaft heißt geschlosse, we der Kosum gleich der Produktio ist, d.h. we Kapitel 5 Eigewerte V x = x Es hadelt sich dabei um eie Spezialfall

Mehr

Klausur 3 Kurs 11ma3g Mathematik

Klausur 3 Kurs 11ma3g Mathematik 202-06-2 Klausur 3 Kurs ma3g Mathematik Lösug I eier Lotto-Ure befide sich 49 Kugel, die mit de Zahle vo bis 49 beschriftet sid. Eie eizige Kugel wird gezoge. Bereche Sie die Wahrscheilichkeit, dass diese

Mehr

Wahrscheinlichkeit & Statistik

Wahrscheinlichkeit & Statistik Wahrscheilichkeit & Statistik created by Versio: 3. Jui 005 www.matheachhilfe.ch ifo@matheachhilfe.ch 079 703 7 08 Mege als Sprache der Wahrscheilichkeitsrechug, Begriffe, Grudregel Ereigisraum: Ω Ω Mege

Mehr

Fehlerrechnung und Fehlerabschätzung

Fehlerrechnung und Fehlerabschätzung Fehlerrechug ud Fehlerabschätzug Vorbemerkug Eiteilug der Meßfehler. Grobe Fehler. Systematische Fehler.3 Zufällige oder statistische Fehler Fehlerrechug ud Fehlerabschätzug. Bei direkte Messuge.. Durchschittlicher

Mehr

Folgen und Reihen. 23. Mai 2002

Folgen und Reihen. 23. Mai 2002 Folge ud Reihe Reé Müller 23. Mai 2002 Ihaltsverzeichis 1 Folge 2 1.1 Defiitio ud Darstellug eier reelle Zahlefolge.................. 2 1.1.1 Rekursive Defiitio eier Folge......................... 3 1.2

Mehr

Höhere Mathematik für die Fachrichtung Physik

Höhere Mathematik für die Fachrichtung Physik Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 05/06 04..05 Höhere Mathematik für die Fachrichtug Physik Lösugsvorschläge zum 6. Übugsblatt Aufgabe

Mehr

Wörterbuchmethoden und Lempel-Ziv-Codierung

Wörterbuchmethoden und Lempel-Ziv-Codierung Kapitel 3 Wörterbuchmethode ud Lempel-Ziv-Codierug I diesem Abschitt lere wir allgemei Wörterbuchmethode zur Kompressio ud isbesodere die Lempel-Ziv (LZ))-Codierug kee. Wörterbuchmethode sid ei eifaches

Mehr

Vorkurs Mathematik für Informatiker Folgen

Vorkurs Mathematik für Informatiker Folgen Vorkurs Mathematik für Iformatiker -- 9 Folge -- 6.1.215 1 Folge: Defiitio Eie (uedliche) Folge im herkömmliche Sie etsteht durch Hitereiaderschreibe vo Zahle 1,2,3,4,5, Dabei ist die Reihefolge wichtig,

Mehr

Wirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel

Wirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Beispiel: Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische

Mehr

Reader Teil 1: Beschreibende Statistik

Reader Teil 1: Beschreibende Statistik Dr. Katharia Best Sommersemester 2011 14. April 2011 Reader Teil 1: Beschreibede Statistik WiMa-Praktikum Um Date darzustelle ud eie Übersicht über die Struktur der Date zu erstelle, stellt die beschreibede

Mehr

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0. 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 8.1 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12.075, p-wert: 0.0168 f χ

Mehr

Probeklausur. (b) Was geschieht, wenn man ein Quantenbit in einem solchen Zustand misst?

Probeklausur. (b) Was geschieht, wenn man ein Quantenbit in einem solchen Zustand misst? Quaterecher Witersemester 5/6 Theoretische Iformatik Uiversität Haover Dr. Matthias Homeister Dipl.-Math. Heig Schoor Probeklausur Hiweis: Diese Probeklausur ist kürzer als die tatsächliche Klausur.. a

Mehr

3. Einführung in die Statistik

3. Einführung in die Statistik 3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :

Mehr

Methode der kleinsten Quadrate

Methode der kleinsten Quadrate Methode der kleiste Quadrate KAPITEL 5: REGRESSIONSRECHNUNG Die Methode der kleiste Quadrate (MklQ) ist ei Verfahre zur Apassug eier Fuktio a eie Puktwolke. Agewadt wird sie beispielsweise, um eie Gesetzmäßigkeit

Mehr

Statistik I Februar 2005

Statistik I Februar 2005 Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet

Mehr

6. Übungsblatt Aufgaben mit Lösungen + Selbsttest-Auflösung

6. Übungsblatt Aufgaben mit Lösungen + Selbsttest-Auflösung 6. Übugsblatt Aufgabe mit Lösuge + Selbsttest-Auflösug Aufgabe 6: Utersuche Sie die Folge, dere Glieder ute für N agegebe sid, auf Beschräktheit, Mootoie ud Kovergez bzw. Beschräktheit, Mootoie ud Kovergez

Mehr

Mathematische Probleme, SS 2015 Montag 1.6. $Id: convex.tex,v /06/01 09:26:03 hk Exp $

Mathematische Probleme, SS 2015 Montag 1.6. $Id: convex.tex,v /06/01 09:26:03 hk Exp $ athematische Probleme, 2015 otag 1.6 $Id: cove.te,v 1.19 2015/06/01 09:26:03 hk Ep $ 3 Kovegeometrie 3.2 Die platoische Körper I der letzte itzug habe wir mit de Vorarbeite zur Berechug der platoische

Mehr

Der Vergleich eines Stichprobenmittelwertes mit einem Populationsmittelwert

Der Vergleich eines Stichprobenmittelwertes mit einem Populationsmittelwert Der Vergleich eies Stichprobemittelwertes mit eiem Populatiosmittelwert Am Beispiel des Falschspielers habe wir - uterstützt durch Ketisse über die Eigeschafte der Biomialverteilug - erstmals gesehe, welche

Mehr