SBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "SBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit"

Transkript

1 SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf # 0 Atwort Diese Lerkarte sid sorgfältig erstellt worde, erhebe aber weder Aspruch auf Richtigkeit och auf Vollstädigkeit. Das Lere mit Lerkarte fuktioiert ur we die Ihalte bereits eimal verstade worde sid. Ich ware davor diese Lerkarte ur stur auswedig zu lere. SBP Mathe Aufbaukurs 1 Diese ud adere Lerkarte köe vo herutergelade werde. Viel Erfolg bei der SBP Mathe Aufbaukurs 1 Prüfug! Clifford Wolf Diese Lerkarte stehe uter der CC BY-NC-SA Lizez. SBP Mathe Aufbaukurs 1 # 1 by Clifford Wolf # 1 Atwort Bei beobachtete Objekte mit k verschiedee Merkmalsauspräguge: Absolute ud relative Häufigkeit h i = H i mit i = 1, 2,..., k H i absolute Häufigkeit (H i [0; ]) h i relative Häufigkeit (h i [0; 1]) H i = ud h i = 1 SBP Mathe Aufbaukurs 1 # 2 by Clifford Wolf # 2 Atwort Das arithmetische Mittel x ist ei Zetralmass. Es sei x 1, x 2,..., x eie Liste reeller Zahle: Das arithmetische Mittel ud seie Eigeschafte x = x 1 + x x x = x 1 + x x = 1 x i (x i x) = 0 Vo keiem Wert ist die Summe der Abstadsquadrate der x i geriger als vom arithmetische Mittel, d.h.: (x i x) 2 hat a der Stelle x = x ei Miimum. SBP Mathe Aufbaukurs 1 # 3 by Clifford Wolf # 3 Atwort Das arithmetische Mittel x ka icht ur direkt aus de beobachtete Objekte soder auch idirekt aus der Häufigkeit der Merkmalsauspräguge ermittelt werde: Das arithmetische Mittel ud Häufigkeit k a i H i h i x = 1 H i a i bzw. x = h i a i Azahl der beobachtete Objekte Azahl der verschiedee Merkmalsauspräguge Zahlemässige Werte der Merkmalsauspräguge absolute Häufigkeit relative Häufigkeit

2 SBP Mathe Aufbaukurs 1 # 4 by Clifford Wolf # 4 Atwort Das gewogee arithmetische Mittel ist ei Verfahre um ei arithmetisches Mittel aus bereits gemittelte Werte zu erreche: Das gewogee arithmetische Mittel x = 1 i x i mit = i k x i i Azahl der bereits gemittelte Werte Arithmetisches Mittel eier Liste mit i Elemete Azahl der beobachtete Objekte im Wert x i SBP Mathe Aufbaukurs 1 # 5 by Clifford Wolf # 5 Atwort Für Größe die multiplikativ miteiader verküpft werde (z.b. Wachstumsrate wie Zise) wird als Zetralmass das geometrische Mittel ˆx verwedet: ˆx = x 1 x 2 x Das geometrische Mittel ud das harmoische Mittel Für Größe die idirekt Proportioal zu adere Größe sid (z.b. Geschwidigkeit zur Zeit) wird als Zetralmass das harmoische Mittel x verwedet: x = 1 x x x SBP Mathe Aufbaukurs 1 # 6 by Clifford Wolf # 6 Atwort I eier Liste vo Variablewerte bezeichet ma de wert mit der höchste Häufigkeit als Modus (oder Modalwert). Media ud Modus Ordet ma eie Liste x 1, x 2,..., x der Größe ach, so heisst der i der Mitte stehede Wert m Media. Bei eier gerade Azahl vo Werte wählt ma das arithmetische Mittel der beide i der Mitte stehede Werte. Der Media ist jees Zetralmass, bei dem die Summe der Beträge der Abweichuge am kleiste ist, d.h.: x i x hat a der Stelle x = m ei Miimum. SBP Mathe Aufbaukurs 1 # 7 by Clifford Wolf # 7 Atwort Nomialdate: Die Variablewerte (Begriffe oder über Zahle codiert). Drücke lediglich eie Verschiedeartigkeit aus. z.b.: Name, Geschlecht, Haarfarbe, usw. Statistische Skale Ordialdate: Die Variablewerte brige ebe der Verschiedeartigkeit auch eie Ragordug zum Ausdruck. z.b.: Güteklasse, Schulote u.ä. Metrische Date: Die Variablewerte lasse sich icht ur orde, soder es lasse sich auch Abstäde zwische Werte agebe ud sivoll iterpretiere. z.b.: Jahreszahle, Läge, Megeagabe, usw.

3 SBP Mathe Aufbaukurs 1 # 8 by Clifford Wolf # 8 Atwort Bei eier Liste x 1, x 2,..., x et ma die Differez zwische dem grösste Wert x max ud dem kleiste Wert x mi die Spaweite. Spaweite ud Quartile Der Wert des Elemets aus der Liste der de utere ate Teil der Elemete vom obere (1 a)te Teil der Elemete tret wird x a geat. So ist z.b. x 0,50 der Media der Liste. De Wert x 0,25 et ma auch uteres Quartil Q 1. De Wert x 0,50 et ma auch mittleres Quartil Q 2 (oder Media). De Wert x 0,75 et ma auch oberes Quartil Q 3. Die Differez Q 3 Q 1 et ma Iterquartil-Spaweite. Sie umfasst (aäherd) die mittlere Hälfte der Date. SBP Mathe Aufbaukurs 1 # 9 by Clifford Wolf # 9 Atwort Sei x 1, x 2,..., x eie Liste ud z ei Zetralmass: Mittlere absolute Abweichug s (miimal beim Media): s = 1 x i z Mittlere absolute ud quadratische Abweichug ud die empirische Stadardabweichug Mittlere quadratische Abweichug oder empirische Variaz s 2 (miimal beim arithmetische Mittel): s 2 = 1 (x i z) 2 Empirische Stadardabweichug s: s = s 2 = 1 (x i z) 2 SBP Mathe Aufbaukurs 1 # 10 by Clifford Wolf Berechug der empirische Stadardabweichug # 10 Atwort Sei x 1, x 2,..., x eie Liste, x das arithmetische Mittel, a i die auftretede Werte, H i die absolute Häufigkeit der Werte, h i die relative Häufigkeit der Werte ud s die empirische Stadardabweichug: s = 1 ( (x i x) 2 = 1 ) x 2 i x 2 s = 1 ( ) H i (a i x) 2 = 1 H i a 2 i x 2 s = k ( ) h i (a i x) 2 = h i a 2 i x 2 SBP Mathe Aufbaukurs 1 # 11 by Clifford Wolf # 11 Atwort Sei x 1, x 2,..., x eie Liste, z ei Zetralmass, a i die auftretede Werte, H i die absolute Häufigkeit der Werte, h i die relative Häufigkeit der Werte ud s die mittlere Abweichug vo z: Berechug der mittlere absolute Abweichug s = 1 x i z = s = 1 H i a i z = h i a i z

4 SBP Mathe Aufbaukurs 1 # 12 by Clifford Wolf # 12 Atwort Sei x das arithmetische Mittel eier Liste mit der Stadardabweichug s ud der mittlere absolute Abweichug s vom Zetralmass z: Vergleich vo Streuuge V = s x v = s z = Variatioskoeffiziet = Variabilitätskoeffiziet Variatioskoeffiziet ud Variabilitätskoeffiziet sid dimesioslos ud werde meist i Prozet agegebe. SBP Mathe Aufbaukurs 1 # 13 by Clifford Wolf # 13 Atwort Sei G die edliche Grudgesamtheit mit g Elemete ud A G jee Teilmege vo G mit a Elemete die eie bestimmte Eigeschaft aufweise. Wahrscheilichkeit ud relativer Ateil h(a) = a g = der relative Ateil vo A i G Wird u ei Elemet aus G zufällig ausgewählt ud das Ereigis E bezeichet dabei die zufällige Auswahl eies Elemets aus A: P (E) = h(a) = die Wahrscheilichkeit vo E SBP Mathe Aufbaukurs 1 # 14 by Clifford Wolf # 14 Atwort Sei E ei Ereigis ud P (E) die Wahrscheilichkeit des eitretes: 0 P (E) 1 Wertebereich vo Wahrscheilichkeite P (E) + P ( E) = 1 = P ( E) = 1 P (E) Additiosregel für eiader ausschließede Ereigisse: P (E 1 E 2 ) = P (E 1 ) + P (E 2 ) SBP Mathe Aufbaukurs 1 # 15 by Clifford Wolf # 15 Atwort Seie E 1 ud E 2 Ereigisse: E 2 uter der Aahme das E 1 bereits eigetrete ist: E 2 E 1 Bedigte Wahrscheilichkeite Die Wahrscheilichkeit vom Eitrete vo E 2 uter der Aahme das E 1 bereits eigetrete ist: P (E 2 E 1 ) We E 1 ud E 2 voeiader uabhägig sid: P (E 2 E 1 ) = P (E 2 E 1 ) = P (E 2 )

5 SBP Mathe Aufbaukurs 1 # 16 by Clifford Wolf # 16 Atwort Seie E 1 ud E 2 Ereigisse: Multiplikatiosregel für Wahrscheilichkeite P (E 1 E 2 ) = P (E 1 ) P (E 2 E 1 ) Bei uabhägige Eregiisse: P (E 1 E 2 ) = P (E 1 ) P (E 2 ) SBP Mathe Aufbaukurs 1 # 17 by Clifford Wolf # 17 Atwort Seie E 1 ud E 2 Ereigisse: Additiosregel für Wahrscheilichkeite P (E 1 E 2 ) = P (E 1 ) + P (E 2 ) P (E 1 E 2 ) Für eiader ausschliessede Eregiisse: P (E 1 E 2 ) = P (E 1 ) + P (E 2 ) SBP Mathe Aufbaukurs 1 # 18 by Clifford Wolf # 18 Atwort Empirisches Gesetz der große Zahle Die relative Häufigkeit h(e) eies Ereigisses E stabilisiert sich mit zuehmeder Versuchsazahl um eie feste Wert. We E bei k vo Versuche eitritt, da ist: h(e) = k, h(e) P (E) SBP Mathe Aufbaukurs 1 # 19 by Clifford Wolf # 19 Atwort Defiitio: Zufallsgröße ud Wahrscheilichkeitsverteilug Eie Fuktio, die jedem mögliche Ausgag eies Zufallsexperimets eie zahlemäßige Wert zuordet, et ma Zufallsgröße. Eie Fuktio, die jedem mögliche Wert a i der (diskrete) Zufallsgröße B eie Wahrscheilichkeit P (B = a i ) zuordet, et ma Wahrscheilichkeitsverteilug vo B.

6 SBP Mathe Aufbaukurs 1 # 20 by Clifford Wolf # 20 Atwort Die Fakultät vo, geschriebe als!, gesproche als Faktorielle, ist das Produkt aller Zahle vo 1 bis : Defiitio: Fakulät Spezialfall = 0:! = = 0! = 1 i Azahl der Permutatioe (mögliche voeiader verschiedee Aorduge der Elemete) eier Mege mit Elemete:! SBP Mathe Aufbaukurs 1 # 21 by Clifford Wolf # 21 Atwort Permutatioe vo k aus = die Azahl Pr(, k) aller Mögliche Aorduge vo k verschiedee Elemete aus eier Mege mit Elemete. Permutatioe vo k aus Pr(, k) =! ( k)! = ( 1)... ( k+1) = i i= k+1 SBP Mathe Aufbaukurs 1 # 22 by Clifford Wolf # 22 Atwort Kombiatioe vo k aus = die Azahl Cr(, k) aller Mögliche Auswahle vo k verschiedee Elemete aus eier Mege mit Elemete, uabhäig vo der Reihefolge der Elemete. Kombiatioe vo k aus Cr(, k) = ( ) k =! k! ( k)! = Pr(, k) 1 k! Für ( k) sagt ma k aus oder auch über k. Die Fuktio ( k) wird Biomialkoeffiziet geat. SBP Mathe Aufbaukurs 1 # 23 by Clifford Wolf # 23 Atwort Sei E ei Ereigis mit der Wahrscheilichkeit p i eiem Versuch der mal durchgeführt wird ud B die Azahl der Male i dee E eitritt, da ist die Wahrscheilichkeit das B gleich der Zahl k ist: Biomialverteilte Zufallsgröße P (B = k) =! k! ( k)! pk (1 p) k Ordet ma jedem mögliche Wert k der Zufallsgröße B eie Wahrscheilichkeit P (B = k) zu, so ist dadurch eie Wahrscheilichkeitsverteilug gegebe, die ma Biomialverteilug mit de Parameter ud p ( -p-biomialverteilug ) et; etspreched et ma B eie -p-biomialverteilte Zufallsgröße.

7 SBP Mathe Aufbaukurs 1 # 24 by Clifford Wolf # 24 Atwort Defiitio: γ-schätzbereich Ma et das Itervall, i dem die (relative) Häufigkeite der Stichprobe mit der Wahrscheilichkeit γ liege, de γ-schätzbereich für (relative) Häufigkeite. SBP Mathe Aufbaukurs 1 # 25 by Clifford Wolf # 25 Atwort Sei Z eie diskrete Zufallsgröße mit de Werte a 1, a 2,..., a k, die mit de Wahrscheilichkeite p 1, p 2,..., p k ageomme werde. Erwartugswert ud Variaz vo diskrete Zufallsgröße µ = a i p i = Erwartugswert vo Z ( ) σ 2 = a 2 i p i µ 2 = Variaz vo Z σ = Stadardabweichug vo Z SBP Mathe Aufbaukurs 1 # 26 by Clifford Wolf # 26 Atwort Sei B eie biomialverteilte Zufallsgröße mit de Parameter ud p. µ = p = Erwartugswert vo B Erwartugswert ud Variaz vo biomialverteilte Zufallsgröße σ 2 = p (1 p) = Variaz vo B σ = Stadardabweichug vo B SBP Mathe Aufbaukurs 1 # 27 by Clifford Wolf # 27 Atwort σ = p (1 p) µ = p ϕ(z) = 1 2π e z2 2 Die Gaußsche Glockekurve µ µ σ µ + σ x z Φ(z 0 ) = z0 ϕ(z)dz z = x µ σ

8 SBP Mathe Aufbaukurs 1 # 28 by Clifford Wolf # 28 Atwort Eie kotiuierliche Zufallsgröße X heißt ormalverteilt mit de Parameter µ ud σ (µ-σ-ormalverteilt), we die Wahrscheilichkeitsverteilug durch die Gaußsche Glockekurve beschriebe wird. Für eie µ-σ-ormalverteilte Zufallsgröße X gilt: Normalverteilte Zufallsgröße P (X µ + z 0 σ) = Φ(z 0 ) = z0 ϕ(z)dz P (µ + z 1 σ X µ + z 2 σ) = Φ(z 2 ) Φ(z 1 ) P (µ z 0 σ X µ + z 0 σ) = 2Φ(z 0 ) 1 SBP Mathe Aufbaukurs 1 # 29 by Clifford Wolf # 29 Atwort Sei B eie -p-biomialverteilte Zufallsgröße (mit Erwartugswert µ ud Stadardabweichug σ), so ka die Gaußsche Glockekurve als Wahrscheilichkeitsverteilug ageomme werde, we die Laplace-Bedigug Laplace-Bedigug p (1 p) 9 σ 3 erfüllt ist. Es gilt i diese Fälle also: P (B µ + z 0 σ) Φ(z 0 ) SBP Mathe Aufbaukurs 1 # 30 by Clifford Wolf γ-schätzbereich für ormalverteilte Zufallsgröße # 30 Atwort Zur Ermittlug des γ-schätzbereiches für eie (äherugsweise) ormalverteilte Zufallsgröße muss zuächst ei z 0 ermittel werde, so dass γ = 2Φ(z 0 ) 1 γ = Φ(z 0 ) ist. Da ist der γ-schätzbereich für die absolute Häufigkeit H: [µ z 0 σ; µ + z 0 σ] Ud der γ-schätzbereich für die relative Häufigkeit h: [ ] µ z0 σ µ + z 0 σ p (1 p) p (1 p) ; = p z 0 ; p + z 0 SBP Mathe Aufbaukurs 1 # 31 by Clifford Wolf # 31 Atwort Gegebe ist eie Hypothese über die relative Häufigkeit p eier Merkmalsausprägug i eier Grudgesamtheit. Diese Hypothese soll ahad eier Stichprobe getestet werde. Teste vo Hypothese über relative Ateile Dazu wird Ahad der der Stichprobegröße, der vermutete relative Häufigkeit (= Wahrscheilichkeit des Auftretes der Merkmalsausprägug) ud der gewüschte Sicherheit (bzw. Irrtumswahrscheilichkeit) ei γ-schätzbereich ermittelt. Liegt die vermutete Häufigkeit ierhalb des γ-schätzbereichs so ist die Vermutug mit dem Stichprobeergebis (mit der gewählte Irrtumswahrscheilichkeit) vereibahr. Aderfalls ist die Vermutug mit dem Stichprobeergebis (mit der gewählte Irrtumswahrscheilichkeit) uvereibahr.

9 SBP Mathe Aufbaukurs 1 # 32 by Clifford Wolf # 32 Atwort Sei h die beobachtete relative Häufigkeit eier Merkmalsausprägug i eier Stichprobe mit Elemete ud γ eie (grosse) Wahrscheilichkeit. Kofidezitervall Die Mege aller p dere, dere γ-schätzbereich de Wert h ethält, et ma γ-kofidezitervall (γ-vertrauesitervall) für p: h z 0 h (1 h) p h + z 0 h (1 h) mit 2Φ(z 0 ) 1 γ SBP Mathe Aufbaukurs 1 # 33 by Clifford Wolf Erforderlicher Stichprobeumfag # 33 Atwort Sei ɛ die vorgegebee halbe Läge des gesuchte Kofidezitervalls, h die erwartete relative Häufigkeit der zu utersuchede Merkmalsausprägug, γ = 2Φ(z 0 ) 1 die geforderte Sicherheit ud die Azahl der beötigte Elemete i der Stichprobe: = z2 0 h (1 h) ɛ2 Bzw. die maximal beötigte Stichprobegrösse we es keie Abschätzuge für h gibt: = z2 0 ɛ 2 ( ) 2 1 = z ɛ 2

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

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

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

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

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

Formelsammlung. zur Klausur. Beschreibende Statistik

Formelsammlung. zur Klausur. Beschreibende Statistik Formelsammlug zur Klausur Beschreibede Statistik Formelsammlug Beschreibede Statistik. Semester 004/005 Statistische Date Qualitative Date Nomial skalierte Merkmalsauspräguge (Uterscheidugsmerkmale) köe

Mehr

Statistik Einführung // Beschreibende Statistik 2 p.2/61

Statistik Einführung // Beschreibende Statistik 2 p.2/61 Statistik Eiführug Beschreibede Statistik Kapitel Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Beschreibede Statistik

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

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

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

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

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

Kennwerte Univariater Verteilungen

Kennwerte Univariater Verteilungen Kewerte Uivariater Verteiluge Kewerte Beschreibug vo Verteiluge durch eie (oder weige) Werte Werde auch als Parameter oder Maße vo Verteiluge bezeichet Ma uterscheidet: Lagemaße oder auch Maße der zetrale

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

Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME

Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Fassug vom 13. Februar 2006 Mathematik für Humabiologe ud Biologe 129 9.1 Stichprobe-Raum 9.1 Stichprobe-Raum Die bisher behadelte Beispiele vo Naturvorgäge oder Experimete

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

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

Pflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik

Pflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik Pflichtlektüre: Kapitel 10 Grudlage der Iferezstatistik Überblick der Begriffe Populatio Iferezstatistik Populatiosparameter Stichprobeverteiluge Auch Stichprobekewerteverteiluge Wahrscheilichkeitstheorie

Mehr

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG. - LÖSUNGEN. ypothesetest für die Dicke vo Plättche Die Dicke X vo Plättche, die auf eier bestimmte Maschie

Mehr

Absolutskala: metrische Skala mit einem natürlichen Nullpunkt und einer natürlichen Einheit. (Z.B. Einwohnerzahl). Nicht alle Variablen lassen sich

Absolutskala: metrische Skala mit einem natürlichen Nullpunkt und einer natürlichen Einheit. (Z.B. Einwohnerzahl). Nicht alle Variablen lassen sich Grudbegrie Die beschreibede Statistik (deskriptive Statistik) ist eie systematische Zusammestellug vo Zahle ud Date zur Beschreibug bestimmter Zustäde, Etwickluge oder Phäomee. Die beschreibede Statistik

Mehr

Testumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen

Testumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen Testumfag für die Ermittlug ud Agabe vo Fehlerrate i biometrische Systeme Peter Uruh SRC Security Research & Cosultig GmbH peter.uruh@src-gmbh.de Eileitug Biometrische Systeme werde durch zwei wichtige

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

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

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

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

Weitere Lagemaße: Quantile/Perzentile II. Weitere Lagemaße: Quantile/Perzentile I. Weitere Lagemaße: Quantile/Perzentile IV

Weitere Lagemaße: Quantile/Perzentile II. Weitere Lagemaße: Quantile/Perzentile I. Weitere Lagemaße: Quantile/Perzentile IV 3 Auswertug vo eidimesioale Date Lagemaße 3.3 Weitere Lagemaße: Quatile/Perzetile I 3 Auswertug vo eidimesioale Date Lagemaße 3.3 Weitere Lagemaße: Quatile/Perzetile II Für jede Media x med gilt: Midestes

Mehr

Dritter Zirkelbrief: Ungleichungen

Dritter Zirkelbrief: Ungleichungen Matheschülerzirkel Uiversität Augsburg Schuljahr 014/015 Dritter Zirkelbrief: Ugleichuge Ihaltsverzeichis 1 Grudlage vo Ugleichuge 1 Löse vo Ugleichuge 3 3 Mittel 4 4 Mittelugleichuge 5 5 Umordugsugleichug

Mehr

X in einer Grundgesamtheit vollständig beschreiben.

X in einer Grundgesamtheit vollständig beschreiben. Prof. Dr. Rolad Füss Statistik II SS 008. Puktschätzug vo Parameter eier Grudgesamtheit Nur durch eie Totalerhebug ka ma die Verteilug eier Zufallsvariable X i eier Grudgesamtheit vollstädig beschreibe.

Mehr

Univariate Verteilungen

Univariate Verteilungen (1) Aalyse: "deskriptive Statistike" Aalysiere -> deskriptive Statistike -> deskriptive Statistik Keie tabellarische Darstellug der Häufigkeitsverteilug () Aalyse: "Häufigkeitsverteilug" Aalysiere -> deskriptive

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

2.2.1 Lagemaße. Exkurs: Quantile. und n. p n

2.2.1 Lagemaße. Exkurs: Quantile. und n. p n Ekurs: Quatile Ausgagspukt : Geordete Urliste Jeder Wert p, mit 0 < p

Mehr

Zusammenfassung: Folgen und Konvergenz

Zusammenfassung: Folgen und Konvergenz LGÖ Ks VMa Schuljahr 6/7 Zusammefassug Folge ud Kovergez Ihaltsverzeichis Defiitioe ud Beispiele für Folge Beschräkte Folge Kovergez vo Folge Grezwertsätze für Folge 5 Für Experte 7 Defiitioe ud Beispiele

Mehr

Übersicht: BS - 08 BS Häufigkeitsverteilung. Häufigkeitsverteilungen. Parametrisierung. unklassiert. eindimensional. klassiert.

Übersicht: BS - 08 BS Häufigkeitsverteilung. Häufigkeitsverteilungen. Parametrisierung. unklassiert. eindimensional. klassiert. Übersicht: eidimesioal mehrdimesioal Häufigkeitsverteilug uklassiert klassiert tabellarische Darstellug Modul 07, graphische Darstellug Modul 07,2 Parametrisierug Lageparameter Modul 08 Streuugsparameter

Mehr

AngStat1(Ue13-21).doc 23

AngStat1(Ue13-21).doc 23 3. Ereigisse Versuchsausgäge ud Wahrscheilicheite: a) Wie wird die Wahrscheilicheit des Auftretes eies Elemetarereigisses A geschätzt? A Ω heißt Elemetarereigis we es ur eie Versuchsausgag ethält also

Mehr

Statistische Modelle und Parameterschätzung

Statistische Modelle und Parameterschätzung Kapitel 2 Statistische Modelle ud Parameterschätzug 2. Statistisches Modell Die bisher betrachtete Modellierug eies Zufallsexperimetes erforderte isbesodere die Festlegug eier W-Verteilug. Oft besteht

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler 9.04.008 Äderug Übugsstude Statistik ud Wahrscheilichkeitsrechug Die Gruppe vo Markus trifft sich am Doerstag statt im HCI D zusamme mit der Gruppe

Mehr

A Ω, Element des Ereignisraumes

A Ω, Element des Ereignisraumes ue biostatisti: grudlegedes zur wahrscheilicheit ud ombiatori 1/6 WAHRSCHEINLICHKEIT / EINIGE BEGRIFFE Ereigisraum Ω Elemetarereigis A: Ω ist die Mege aller mögliche Elemetarereigisse A Ω, Elemet des Ereigisraumes

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

Kovarianz und Korrelation

Kovarianz und Korrelation Kapitel 2 Kovariaz ud Korrelatio Josef Leydold c 2006 Mathematische Methode II Kovariaz ud Korrelatio 1 / 41 Lerziele Mathematische ud statistische Grudlage der Portfoliotheorie Kovariaz ud Korrelatio

Mehr

Eingangsprüfung Stochastik,

Eingangsprüfung Stochastik, Eigagsprüfug Stochastik, 5.5. Wir gehe stets vo eiem Wahrscheilichkeitsraum (Ω, A, P aus. Die Borel σ-algebra auf wird mit B bezeichet, das Lebesgue Maß auf wird mit λ bezeichet. Aufgabe ( Pukte Sei x

Mehr

Klassifizierung der Verteilungen. Streuung der diskreten Verteilung

Klassifizierung der Verteilungen. Streuung der diskreten Verteilung Wichtigste Verteiluge der Biostatisti Disrete Zur Erierug Klassifizierug der Verteiluge Kotiuierliche Disrete Gleichverteilug Kotiuierliche Gleichverteilug Biomialverteilug Normalverteilug Poisso Verteilug

Mehr

1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre Morgasche Formel A \ B = A [ B A [ B = A \ B Kommutativgesetz A \ B = B \ A A [ B = B [ A Assozia

1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre Morgasche Formel A \ B = A [ B A [ B = A \ B Kommutativgesetz A \ B = B \ A A [ B = B [ A Assozia Statistik I - Formelsammlug Ihaltsverzeichis 1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre................................. 1. Kombiatorik........................................ 1.3 Wahrscheilichkeite....................................

Mehr

Statistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte.

Statistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte. Statistik Vorlesug,. ärz, Statistische aßzahle Iformatio zu verdichte, Besoderheite hervorzuhebe ittelwerte Aufgabe: die Lage der Verteilug auf der Abszisse zu zeige. Der odus: derjeige Wert, der im Häufigste

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

Kontingenztabellen. Chi-Quadrat-Test. Korrelationsanalyse zwischen kategorischen Merkmalen. 1. Unabhängigkeitstest

Kontingenztabellen. Chi-Quadrat-Test. Korrelationsanalyse zwischen kategorischen Merkmalen. 1. Unabhängigkeitstest Kotigeztabelle. Chi-Quadrat-Test KAD 1.11. 1. Uabhägigkeitstest. Apassugstest. Homogeitätstest Beispiel 1 ohe Frau 8 75 1 Ma 48 49 97 76 14? Korrelatiosaalyse zwische kategorische Merkmale Häufigkeitstabelle

Mehr

A = Ereignisraum = σ-algebra (Sigma-Algebra) = Menge aller messbaren Ergebnisse über eine definierte Grundmenge Ω

A = Ereignisraum = σ-algebra (Sigma-Algebra) = Menge aller messbaren Ergebnisse über eine definierte Grundmenge Ω Statistik Theorie Defiitioe Ω = Grudmege = Ergebismege = Mege aller mögliche Ergebisse A = Ereigisraum = σ-algebra (Sigma-Algebra) = Mege aller messbare Ergebisse über eie defiierte Grudmege Ω P(Ω) = Potezmege

Mehr

Statistik I/Empirie I

Statistik I/Empirie I Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass

Mehr

(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen.

(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen. Schülerbuchseite 98 1 Lösuge vorläufig IV Beurteilede Statistik S. 98 p S. 1 p w a t Tabelle Tabelle dowloadbar im Iteretauftritt 1 Teste vo Hypothese 1 a) Erwartugswert μ = 5 ud Stadardabweichug σ = 1,6;

Mehr

Evaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt

Evaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt 2.4.5 Gauss-Test ud t-test für verbudee Stichprobe 2.4.5.8 Zum Begriff der verbudee Stichprobe Verbudee Stichprobe: Vergleich zweier Merkmale X ud Y, die jetzt a deselbe Persoe erhobe werde. Vorsicht:

Mehr

h i Deskriptive Statistik 1-dimensionale Daten Daten und Häufigkeiten Seite 1 Nominal Ordinal Metrisch (Kardinal) Metrisch - klassiert

h i Deskriptive Statistik 1-dimensionale Daten Daten und Häufigkeiten Seite 1 Nominal Ordinal Metrisch (Kardinal) Metrisch - klassiert Deskriptive Statistik dimesioale Date Date ud Häufigkeite Seite Nomial Ordial Metrisch (Kardial Metrisch klassiert Beschreibug: Date habe keie atürliche Reihefolge. Bsp: Farbe, Religio, Geschlecht, Natioalität...

Mehr

Kapitel 6: Statistische Qualitätskontrolle

Kapitel 6: Statistische Qualitätskontrolle Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle

Mehr

3 Folgen, Reihen, Grenzwerte 3.1 Zahlenfolgen. Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.

3 Folgen, Reihen, Grenzwerte 3.1 Zahlenfolgen. Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10. 3 Folge, Reihe, Grezwerte 3.1 Zahlefolge Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.000, 1 3 Folge, Reihe, Grezwerte 3.1 Zahlefolge Defiitio: Eie

Mehr

K. Felten: Internet Network infrastucture Fachhochschule Kiel, Fachbereich IuE

K. Felten: Internet Network infrastucture Fachhochschule Kiel, Fachbereich IuE Defiitio ach DIN4004 Als Zuverlässigkeit ( reliability ) gilt die Fähigkeit eier Betrachtugseiheit ierhalb vorgegebeer Greze dejeige durch de Awedugszweck bedigte Aforderuge zu geüge, die a das Verhalte

Mehr

Bernoulli-Experiment und Binomialverteilung

Bernoulli-Experiment und Binomialverteilung IV Beroulli-Exerimet ud Biomialverteilug Beroulli-Exerimet ud Beroulliette Defiitio: Zufallsexerimete, bei dee ma sich ur für das Eitrete ( Treffer, Symbol ) oder das Nichteitrete ( Niete, Symbol 0 ) eies

Mehr

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008 Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe

Mehr

4 Konvergenz von Folgen

4 Konvergenz von Folgen 4 Kovergez vo Folge Defiitio 4.. Sei M eie Mege. Ist 0 Z ud für jedes Z mit 0 ei a M gegebe, so et ma die Abbildug { Z; 0 } M, a eie Folge i M. Abkürzed schreibt ma für eie solche Abbildug auch a ) 0 oder

Mehr

5.3 Wachstum von Folgen

5.3 Wachstum von Folgen 53 Wachstum vo Folge I diesem Abschitt betrachte wir (rekursiv oder aders defiierte) Folge {a } = ud wolle vergleiche, wie schell sie awachse, we wächst Wir orietiere us dabei a W Hochstättler: Algorithmische

Mehr

Übungen mit dem Applet Taylor-Entwickung von Funktionen

Übungen mit dem Applet Taylor-Entwickung von Funktionen Taylor-Etwickug vo Fuktioe Übuge mit dem Applet Taylor-Etwickug vo Fuktioe Ziele des Applets... Mathematischer Hitergrud... 3 Vorschläge für Übuge... 3 3. Siusfuktio si(...3 3. Cosiusfuktio cos(...4 3.3

Mehr

Stochastisches Integral

Stochastisches Integral Kapitel 11 Stochastisches Itegral Josef Leydold c 26 Mathematische Methode XI Stochastisches Itegral 1 / 2 Lerziele Wieer Prozess ud Browsche Bewegug Stochastisches Itegral Stochastische Differetialgleichug

Mehr

Mathe-Lernzettel. Schwerpunkt 3 : Stochastik. Einführung in die Stochastik: - wichtige Begriffe: Absolute Häufigkeit

Mathe-Lernzettel. Schwerpunkt 3 : Stochastik. Einführung in die Stochastik: - wichtige Begriffe: Absolute Häufigkeit Mathe-Lerzettel Schwerpukt 3 : Stochastik Eiführug i die Stochastik: - wichtige Begriffe: Relative Häufigkeit - Baumdiagramm: h(e) ; Darstellug eies Ergebisses absolute Häufigkeit Aza l der Durc füruge

Mehr

Formelsammlung Mathematik

Formelsammlung Mathematik Formelsammlug Mathematik 1 Fiazmathematik 1.1 Reterechug Sei der Zissatz p%, der Zisfaktor q = 1 + p 100. Seie R die regelmäßig zu zahlede Rate, die Laufzeit. Edwert: Barwert: achschüssig R = R q 1 q 1

Mehr

Bei 95%iger Konfidenz wäre der Mittelwert der GG zwischen 1421,17DM und 1778,83DM zu erwarten.

Bei 95%iger Konfidenz wäre der Mittelwert der GG zwischen 1421,17DM und 1778,83DM zu erwarten. Aufgabe 36 (S. 346: Schätzverfahre für Mittelwert ud Stadardabweichug a Puktschätzuge für µ aufgrud der Werte der kleie Stichprobe aus Aufgabe 3 Bei eier Puktschätzug wird für de zu schätzede Parameter

Mehr

Für die Vorlesung von Prof. Schmitz

Für die Vorlesung von Prof. Schmitz Agewadte Mathematik Skript Für die Vorlesug vo Prof. Schmitz Vo Michael Barth www.little-thigs.de Dak a Patrick Bader 1 Table of Cotets 6. Graphe ud Bäume... 3 6.1 Graphe...3 6.1.1 Grudlegede e...3 6.1.2

Mehr

Statistische Formelsammlung Begleitende Materialien zur Statistik - Vorlesung des Grundstudiums im Fachbereich IK

Statistische Formelsammlung Begleitende Materialien zur Statistik - Vorlesung des Grundstudiums im Fachbereich IK Statistische Formelsammlug Begleitede Materialie zur Statistik - Vorlesug des Grudstudiums im Fachbereich IK Erstellt im Rahme des studierede Projektes PROST Studiejahr 00/00 uter Aleitug vo Frau Prof.

Mehr

Statistik. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.html

Statistik. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.html Statistik Prof. Dr. K. Melzer kari.melzer@hs-esslige.de http://www.hs-esslige.de/de/mitarbeiter/kari-melzer.html Ihaltsverzeichis 1 Eileitug ud Übersicht 3 2 Dategewiug (kurzer Überblick) 3 2.1 Plaugsphase

Mehr

Übungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie

Übungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie Uiversität Müster Istitut für Mathematische Statistik Stochastik WS 203/204, Blatt Löwe/Heusel Aufgabe (4 Pukte) Übuge Abgabetermi: Freitag, 24.0.204, 0 Uhr THEMEN: Testtheorie Die Sollstärke der Rohrwäde

Mehr

Der Additionssatz und der Multiplikationssatz für Wahrscheinlichkeiten

Der Additionssatz und der Multiplikationssatz für Wahrscheinlichkeiten Der Additiossatz ud der Multiplikatiossatz für Wahrscheilichkeite Die Wahrscheilichkeitsrechug befasst sich mit Ereigisse, die eitrete köe, aber icht eitrete müsse. Die Wahrscheilichkeit eies Ereigisses

Mehr

5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung

5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung Seite vo 7 5 Beroulli-Kette Jakob Beroulli 654-705 Schweizer Mathematiker ud Physiker 5. Beroulli-Exerimet 5.. Eileitug Oft iteressiert ma sich bei Zufallsexerimete icht für die eizele Ergebisse, soder

Mehr

Reihen Arithmetische Reihen Geometrische Reihen. Datei Nr (Neu bearbeitet und erweitert) Juni Friedrich W. Buckel

Reihen Arithmetische Reihen Geometrische Reihen. Datei Nr (Neu bearbeitet und erweitert) Juni Friedrich W. Buckel Zahlefolge Teil 3 Reihe Reihe Arithmetische Reihe Geometrische Reihe Datei Nr. 4003 (Neu bearbeitet ud erweitert) Jui 005 Friedrich W. Buckel Iteretbibliothek für Schulmathematik Ihalt Defiitio eier Reihe

Mehr

TESTEN VON HYPOTHESEN

TESTEN VON HYPOTHESEN TESTEN VON HYPOTHESEN 1. Grudlage Oft hat ma Vermutuge zu Sachverhalte ud möchte diese gere durch Experimete bestätige. Dabei ka es sich i der Praxis zum Beispiel um Verteiluge vo gewisse Zufallsgröße

Mehr

Einführung in die Stochastik 10. Übungsblatt

Einführung in die Stochastik 10. Übungsblatt Eiführug i die Stochastik. Übugsblatt Fachbereich Mathematik SS M. Kohler.7. A. Fromkorth D. Furer Gruppe ud Hausübug Aufgabe 37 (4 Pukte) Ei Eremit am Südpol hat sich für die eibrechede polare Nacht mit

Mehr

1 Vollständige Induktion

1 Vollständige Induktion 1 Vollstädige Idutio 1.1 Idutiosbeweise Das Beweisprizip der vollstädige Idutio ist eies der wichtigste Hilfsmittel der Mathemati icht ur der Aalysis. Es fidet Verwedug bei pratische alle Aussage, die

Mehr

Betrachtung von wahrscheinlichen und unwahrscheinlichen Zuständen eines Systems. Beide Zustände haben die gleiche Innere Energie (ideales Gas).

Betrachtung von wahrscheinlichen und unwahrscheinlichen Zuständen eines Systems. Beide Zustände haben die gleiche Innere Energie (ideales Gas). Etropie etrachtug vo wahrscheiliche ud uwahrscheiliche Zustäde eies Systems. A eispiel: Gas Vakuum Gas eide Zustäde habe die gleiche Iere Eergie (ideales Gas). Übergag vo ach A ist keie Verletzug des Eergiesatzes.

Mehr

Intervallschätzung II 2

Intervallschätzung II 2 Itervallschätzug Kofidezitervall für die Variaz Kofidezitervall für de Ateilswerte Kofidezitervall für die Differez zweier Ateile Bestimmug des Stichrobeumfags Itervallschätzug II Bibliografie Bleymüller

Mehr

2.3 Kontingenztafeln und Chi-Quadrat-Test

2.3 Kontingenztafeln und Chi-Quadrat-Test 2.3 Kotigeztafel ud Chi-Quadrat-Test Die Voraussetzuge a die Date i diesem Kapitel sid dieselbe, wie im voragegagee Kapitel, ur dass die Stichprobe hier aus Realisieruge vo kategorielle Zufallsvariable

Mehr

II. Grundzüge der Stichprobentheorie

II. Grundzüge der Stichprobentheorie II. Grudzüge der Stichprobetheorie Grüde für Stichprobeerhebug - deutlich gerigere Koste - größere Awedugsbreite - kürzere Erhebugs- ud Auswertugszeite - i der Regel größere Geauigkeit der Ergebisse Begriffsbestimmug

Mehr

4. Übung Konfidenzintervalle für Anteile und Mittelwerte

4. Übung Konfidenzintervalle für Anteile und Mittelwerte Querschittsbereich 1: Epidemiologie, Mediziische Biometrie ud Mediziische Iformatik - Übugsmaterial - Erstellt vo Mitarbeiter des IMISE ud des ZKS Leipzig 4. Übug Kofidezitervalle für Ateile ud Mittelwerte

Mehr

14 Statistische Beziehungen zwischen nomi nalen Merkmalen

14 Statistische Beziehungen zwischen nomi nalen Merkmalen 14 Statistische Beziehuge zwische omi ale Merkmale 14.1 Der Chi Quadrat Test auf Uabhägigkeit für Vier Feldertafel 14.2 Der Chi Quadrat Test auf Uabhägigkeit für r s Kotigeztafel 14.3 Zusammmehagsmaße

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Iformatiker II (Sommersemester 004) Aufgabe 7. Ubeschräktes

Mehr

Beschreibende Statistik Kenngrößen in der Übersicht (Ac)

Beschreibende Statistik Kenngrößen in der Übersicht (Ac) Beschreibede Statistik Kegröße i der Übersicht (Ac) Im folgede wird die Berechugsweise des TI 83 (sowie vo SPSS, s. ute) verwedet. Diese geht auf eie Festlegug vo Moore ud McCabe (00) zurück. I der Literatur

Mehr

Monte Carlo-Simulation

Monte Carlo-Simulation Mote Carlo-Simulatio Mote Carlo-Methode Der Begriff Mote Carlo-Methode etstad i de 1940er Jahre, als ma im Zusammehag mit dem Bau der Atombombe die Simulatio vo Zufallsprozesse erstmals i größerem Stil

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

$Id: reihen.tex,v /06/14 13:59:06 hk Exp $

$Id: reihen.tex,v /06/14 13:59:06 hk Exp $ Mathematik für Iformatiker B, SS 202 Doerstag 4.6 $Id: reihe.tex,v.9 202/06/4 3:59:06 hk Exp $ 7 Reihe 7.4 Kovergezkriterie für Reihe 7.4. Alterierede Reihe Wir hatte gesehe das die harmoische Reihe divergiert,

Mehr

Verteilungsfunktionen

Verteilungsfunktionen Verteilugsfuktioe Wie sid zufällige Fehler verteilt? Wie sid Messwerte verteilt? Fehler Messwerte Verteilugsfuktioe: Maxwell-Boltza Feri-Dirac Bose-Eistei Placksche Verteilug Frage ist stets, wie groß

Mehr

Empirische Methoden I

Empirische Methoden I Hochschule für Wirtschaft ud 2012 Umwelt Nürtige-Geislige Fakultät Betriebswirtschaft ud Iteratioale Fiaze Prof. Dr. Max C. Wewel Prof. Dr. Corelia Niederdrek-Felger Aufgabe zum Tutorium Empirische Methode

Mehr

Stochastik: Binomialverteilung Stochastik Bernoulli-Experimente, binomialverteilte Zufallsvariablen Gymnasium ab Klasse 10

Stochastik: Binomialverteilung Stochastik Bernoulli-Experimente, binomialverteilte Zufallsvariablen Gymnasium ab Klasse 10 Stochastik Beroulli-Experimete, biomialverteilte Zufallsvariable Gymasium ab Klasse 0 Alexader Schwarz www.mathe-aufgabe.com November 203 Hiweis: Für die Aufgabe darf der GTR beutzt werde. Aufgabe : Ei

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

Übungsblatt 1 zur Vorlesung Angewandte Stochastik

Übungsblatt 1 zur Vorlesung Angewandte Stochastik Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche

Mehr

Wir weisen die Gültigkeit der 4Axiome der sigma-algebra für die Potenzmenge einer endlichen Menge A nach!

Wir weisen die Gültigkeit der 4Axiome der sigma-algebra für die Potenzmenge einer endlichen Menge A nach! Lösug zu Übug 4 Prof. Dr. B.Grabowski E-Post: grabowski@htw-saarlad.de Zu Aufgabe ) Wir weise die Gültigkeit der 4Axiome der sigma-algebra für die Potezmege eier edliche Mege A ach! ) Die leere Mege ud

Mehr

SUCHPROBLEME UND ALPHABETISCHE CODES

SUCHPROBLEME UND ALPHABETISCHE CODES SUCHPROBLEME UND ALPHABETISCHE CODES Der Problematik der alphabetische Codes liege Suchprobleme zugrude, dere Lösug dem iformatiostheoretische Problem der Fidug eies (optimale) alphabetische Codes gleich

Mehr

Korrelationsanalyse zwischen kategorischen Merkmalen. Kontingenztabellen. Chi-Quadrat-Test

Korrelationsanalyse zwischen kategorischen Merkmalen. Kontingenztabellen. Chi-Quadrat-Test Kotigeztabelle. Chi-Quadrat-Test Korrelatiosaalyse zwische kategorische Merkmale Beispiel 1 ohe Frau 8 75 1 Ma 48 49 97 76 14? Häufigkeitstabelle (Kotigeztabelle): eie tabellarische Darstellug der gemeisame

Mehr

2 Vollständige Induktion

2 Vollständige Induktion 8 I. Zahle, Kovergez ud Stetigkeit Vollstädige Iduktio Aufgabe: 1. Bereche Sie 1+3, 1+3+5 ud 1+3+5+7, leite Sie eie allgemeie Formel für 1+3+ +( 3)+( 1) her ud versuche Sie, diese zu beweise.. Eizu5% ZiseproJahragelegtes

Mehr

ABITURPRÜFUNG 2007 GRUNDFACH MATHEMATIK

ABITURPRÜFUNG 2007 GRUNDFACH MATHEMATIK ABITURPRÜFUNG 007 GRUNDFACH MATHEMATIK (HAUPTTERMIN) Arbeitszeit: Hilfsmittel: 0 Miute Wörterbuch zur deutsche Rechtschreibug Tascherecher (icht programmierbar, icht grafikfähig) Tafelwerk Wähle Sie vo

Mehr

Zusammenfassung: Gleichungen und Ungleichungen

Zusammenfassung: Gleichungen und Ungleichungen LGÖ Ks VMa Schuljahr 6/7 Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud ugleichuge 6 Für Eperte 8 Polyomgleichuge ud -ugleichuge

Mehr

Statistische Schätzungen

Statistische Schätzungen Statitiche Schätzuge Statitiche Schätzuge, Ei Wiechaftler mu geau mee, icht chätze! Da it aber eie wiechaftliche Schätzug! Lázló Smeller? (8,5±1,5) cm Aalytiche Statitik (iduktive o. chließede Statitik)

Mehr

Beispiel 4 (Die Urne zu Fall 4 mit Zurücklegen und ohne Beachten der Reihenfolge ) das Sitzplatzproblem (Kombinationen mit Wiederholung) Reihenfolge

Beispiel 4 (Die Urne zu Fall 4 mit Zurücklegen und ohne Beachten der Reihenfolge ) das Sitzplatzproblem (Kombinationen mit Wiederholung) Reihenfolge 1 Beispiel 4 (Die Ure zu Fall 4 mit Zurücklege ud ohe Beachte der Reihefolge ) das Sitzplatzproblem (Kombiatioe mit Wiederholug) 1. Übersicht Ziehugsmodus ohe Zurücklege des gezogee Loses mit Zurücklege

Mehr

Stochastik. Eine Vorlesung für das Lehramtsstudium. Franz Hofbauer

Stochastik. Eine Vorlesung für das Lehramtsstudium. Franz Hofbauer Stochastik Eie Vorlesug für das Lehramtsstudium Fraz Hofbauer SS 01 Vorwort Der Begriff Wahrscheilichkeit wird üblicherweise mit Häufigkeit assoziiert. Was oft eitritt, hat hohe Wahrscheilichkeit, was

Mehr

von solchen Abbildungen. Eine solche Folge bestimmt für jedes x M die Folge der Werte f n. Schreibt man dies noch einmal formal hin, so erhält man:

von solchen Abbildungen. Eine solche Folge bestimmt für jedes x M die Folge der Werte f n. Schreibt man dies noch einmal formal hin, so erhält man: Gleichmäßige Kovergez Wir betrachte im Folgede Abbilduge f : M N, wobei M eie Mege ud N ei metrischer Raum ist. Isbesodere iteressiere ud Folge f vo solche Abbilduge. Eie solche Folge bestimmt für jedes

Mehr

Stochastik für Physiker: Aufgaben und Lösungsvorschläge

Stochastik für Physiker: Aufgaben und Lösungsvorschläge Stochastik für Physiker: Aufgabe ud Lösugsvorschläge Simo Stützer Stad: 4. Februar 9 Aufgabe : Vergleiche Sie die Wahrscheilichkeit, beim Spiel mit eiem Würfel i 4 Würfe midestes eimal 6 zu würfel, mit

Mehr

Haszonits Iris Theoriefragen und interessante Beispiel

Haszonits Iris Theoriefragen und interessante Beispiel Schätze sie X als lieare Fuktio bzw. aufgrud vo Y Regressio Wie stark hägt X mit Y zusamme? Korrelatio Güte der Schätzug, Welcher Ateil der Variaz vo X wird durch Y erklärt Bestimmtheitsmaß (Quadrat der

Mehr