Auswertung univariater Datenmengen - deskriptiv
|
|
- Kristian Michel
- vor 7 Jahren
- Abrufe
Transkript
1 Auswertung unvarater Datenengen - deskrptv Bblografe Prof. Dr. Kück; Statstk, Vorlesungsskrpt Abschntt 6.., 6..4, 6..5 Bleyüller/Gehlert/Gülcher; Statstk für Wrtschaftswssenschaftler Verlag Vahlen Bleyüller/Gehlert; Foreln, Tabellen und Prograe Verlag Vahlen 2
2 Standardserte Maßzahlen Wll an ehrere Egenschaften (Merkale) der Objekte (Enheten) tenander verglechen, st es erforderlch, de unterschedlchen Merkalsdensonen auszuschalten. Das gescheht ttels Standardserung. De her behandelten Foren der Standardserung snd: z-transforaton,-standardserung z-transforaton Es glt: z = a µ σ Abwechung gegenüber de Mttel Dabe bedeuten: z : neuer Wert a : alter Wert µ : arthetsches Mttel σ : Standardabwechung De Dfferenz zwschen Merkalswert und Mttelwert Zähler sowe de Standardabwechung Nenner haben de selbe Denson, de sch wegkürzt. Durch z-transforaton erhält an densonslose Daten. 4 2
3 z-transforaton Egenschaften der standardserten Werte z : se snd densonslose relatve Abwechungen, das arthetsche Mttel st Null, E(Z) = de Varanz hat den Wert Ens, V(Z) = Geessene Werte a Standardserte Werte z 5 De standardserten Werte z snd anschaulcher als de Ausgangswerte a, denn: f(z) < z < enfacher Streuberech 2 < z < 2 doppelter Streuberech < z < drefacher Streuberech z-transforaton ,%* 95,5%* 99,7%* Abwechungen enfachen Streuberech drücken Noraltät n den Abwechungen aus, Abwechungen drefachen Streuberech snd eher unwahrschenlch. *De angegebenen Wahrschenlchketen gelten nur für de Noralvertelung! z 6
4 z-transforaton Bespel: De standardserten Merkalswerte der Lestung der 25 Autos wesen folgende Vertelung auf: SPSS-Dagra Noralvertelungskurve 4,,5, 2,5 2,,5,,5, -,5 -, -,5 Std.abw. =, Mttel =, N = 25, Z-Wert: Lestung [PS] En Merkalswert von 28 PS entsprcht ene z -Wert von 2,24; er legt außerhalb des zwefachen Streubereches und st sot auffällg abwechend vo Mttelwert. 7 z-transforaton Bespel: Stellt an de standardserten Werte des Verbrauches dar, so ergbt sch folgende Vertelung: 4 SPSS-Dagra Noralvertelungskurve 2 Std.abw. =, Mttel =, N = 25, -2,25 -,25 -,75 -,25 -,75,25,75,25 2,25,75,25 2,75 Z-Wert: Kraftstoffverbrauch durchschnttlch Der VW Lupo t ene Verbrauch von 4, l/ k hat enen standardserten Wert von -2,7, der Ford Mondeo 2,5 V6 hat enen z-wert von 2,8. 8 4
5 z-transforaton - Bespel Bespel: We snd enzelne Fahrzeuge hnschtlch hrer Lestungsausstattung und hre Benznverbrauch verglechend zu beurtelen? VW Lupo Ford Mondeo 2,5 V6 Volvo S8 2,4 Z-Wert des Verbrauchs -2,7 2,8,25 < > Z-Wert der Lestung -,88,78,26 Analytsche Interpretaton: Bezüglch der 25 untersuchten Autos hat VW Lupo sowohl ene unterdurchschnttlche Lestung als auch enen unterdurchschnttlchen Verbrauch. Jedoch st der Verbrauch deutlch gernger als de Lestung Verglech zu den anderen 249 Autos. VW Lupo st en Fahrzeug, das enen gerngen Energeensatz je Lestung hat. Negatv fällt n deser Hnscht Ford Mondeo auf, Volvo S8 st ausgeglchen. 9 z-transforaton - Bespel Bespel: Verglech zweer Messrehen n unterschedlchen Werteberechen: Was erkennt an daraus? a () a (2) z () z (2),8 24 -,9 -,9 2 2, 27 -,6 -,6 4,7 64,72,72 4, ,9 -,9 5 2,5 24 -,27 -,27 6, 672 -,6 -,6 7 2,8 6,, 8,2 44,6,6 9 4,4 5657,45,45,6 4629,72,72 Mttelwert 2,8 6,, Streuung, 422,, 5
6 ,-Standardserung Ene wetere Standardserungsöglchket st de Engrenzung des Wertebereches [.). s = a a n a a ax ax Snd alle a postv, so legen alle s zwschen o und. Für den axalen Merkalswert a ax nt de standardserte Größe s den Wert an, für den nalen Merkalswert a n st s glech. Man seht sot deutlch Abwechungen gegenüber de Höchstwert, der zu Maßstab der Standardserung geacht wrd. Das st be Unternehensverglechen t ökonoschen Kennzahlen snnvoll.,-standardserung von zwe Rehen - Bespel a () a (2) s () s (2),8 24,85,85 2 2, 27,76,76 4,7 64,, 4,6 257,9,9 5 2,5 24,65,65 6, 672,, 7 2,8 6,56,56 8,2 44,44,44 9 4,4 5657,9,9,6 4629,2,2 Mnu, 672,, Maxu 4,7 64,, 2 6
7 Ausreßerprobleatk be,-standardserung - Bespel Bespel: Würde Nls ncht kg sondern ungesunde 46 kg wegen, hat de Änderung des Maxalwertes Auswrkung auf alle standardserten Werte: Nae Lsa Anna Antje Mare Dörte Sven Uwe Ka Jan Nls Nr x s,,96,89,82,79,56,5,4,7, Nae Lsa Anna Antje Mare Dörte Sven Uwe Ka Jan Nls Nr x s,,98,94,9,88,75,7,67,65, De gleche Auswrkung hätte de Änderung des Mnalwertes n dese Fall das Gewcht von Lsa. De,-Standardserung st daher probleatsch. Enführung Moente Moente snd Maßzahlen für de Beurtelung endensonaler Häufgketsvertelungen. Se snd durchschnttlche potenzerte Abwechungen der Merkalswerte von ene Bezugspunkt. Man unterschedet folgende Arten zur Bldung der Moente: Gewöhnlche Moente t de Bezugspunkt Null Zentrale Moente u den Bezugspunkt des arthetschen Mttels N r r ( ) = x N = N r r ( µ ) = ( x µ ) N = 4 7
8 Moente, Schefe und Wölbung Das gewöhnlche erste Moent t de Bezugspunkt Null st das arthetsche Mttel: N µ = ( ) = x N = Das 2.,. und 4. zentrale Moent t de Bezugspunkt des arthetschen Mttel ergeben: N 2 de Varanz: 2 σ = 2 ( µ ) = ( x µ ) N de Schefe: de Wölbung: = N ( µ ) = ( x µ ) N = N 4 4 ( µ ) = ( x µ ) N = 5 Moente Schefe und Wölbung De angegebenen Maße snd absolute Maßzahlen, welche de jewelge Denson der Merkalsausprägung n der jewelgen Potenz haben. (z. B. hat das Schefeaß für de Vertelung ener Zetdauer n Stunden de Denson Stunden³) Daher ergeben sch oft sehr hohe Werte, de für praktsche Auswertungen ungeegnet snd. Moente werden deshalb auch als relatve Maßzahlen angegeben. 6 8
9 Moente Schefe und Wölbung Aussage deser Moente: Neben Lageparaetern und Streuungsaßen lässt sch ene Häufgketsvertelung auch noch durch Paraeter beschreben, welche de For der Vertelung charakterseren. Herzu gehören de Moente Schefe und Wölbung. Schefe- und Wölbungsaße snd deshalb snnvoll, wel Häufgketsvertelungen trotz gleche arthetschen Mttel und glecher Standardabwechung unterschedlche Foren aufwesen können. 7 Moente Schefe und Wölbung - Bespel Bespel: Folgende dre Häufgketsvertelungen haben be gleche arthetschen Mttel von und glecher Varanz von 6,4 unterschedlche Foren: Klassentte x f(x ),,,2,5,2,,,6,5,4,,2,,4 2 Klassentte x f(x ),2,2,,2,2,,2, Klassentte x f(x ),,,2,,4,,5,4,,2, 8 9
10 Moente Schefe und Wölbung,6,5,4,,2, 2,4,5,,4,,2,2,, und 2 snd syetrsche Vertelungen, wobe sch be de Merkalswerte stärker u den Mttelwert konzentreren. De Vertelungen und 2 unterscheden sch n hrer Stelhet. Vertelung st asyetrsch, konkret: lnksschef (rechtsstel). De Stelhet der Vertelung wrd durch das Maß der Wölbung ausgewesen. De Asyetre wrd durch das Maß der Schefe ausgewesen. 9 Schefe (skewness) Ene Vertelung st syetrsch, wenn es ene Syetreachse gbt, so dass lnke und rechte Hälfte der Vertelung spegelbldlch snd:,,25,2,5,,5 Be eprschen Vertelungen st exakte Syetre selten! 2
11 Schefe (skewness) Ene Vertelung st rechtsschef bzw. lnksstel, wenn der überwegende Tel der Daten lnkssetg lokalsert st, d.h. klene Merkalsausprägungen große Häufgketen haben.,5,4,,2,, Ene Vertelung st lnksschef bzw. rechtsstel, wenn der überwegende Tel der Daten rechtssetg lokalsert st, d.h. große Merkalsausprägungen große Häufgketen haben.,25,2,5,,5 2 Absolutes Schefeaß (skewness) Das absolute Schefeaß st we folgt defnert: N ( µ ) = ( x µ ) N = Das Schefeaß st das Mttel der kuberten Abwechung der Enzelwerte vo Mttel. Da durch de. Potenz das Vorzechen der Abwechung erhalten blebt, kürzen sch be syetrschen Vertelungen de Abwechungen weg; be asyetrschen Vertelungen wrd jedoch en Schefeaß größer oder klener Null ausgewesen. Be rechtsschefer Vertelung st das Maß postv, be syetrscher Vertelung st das Maß Null, be lnksschefer Vertelung st das Maß negatv. 22
12 Relatves Schefeaß (skewness) Das absolute Schefeaß st uso größer, je größer de Streuung der Merkalswerte st. U de Schefe verschedener Vertelungen zu verglechen, epfehlt sch ene Norerung. Analog zu Varatonskoeffzenten erhält an en relatves Maß: Relatves Schefeaß: (drttes Standardoent) ( µ ) * = ( µ ) σ ³ Das relatve Schefeaß st ene densonslose Größe, welche de relatve Abwechung von der Syetre ndzert. 2 Schefeaß (skewness) - Bespel Bespel: Für de 25 untersuchten Autos soll de Vertelung des Anschaffungspreses t der Vertelung des Kraftstoffverbrauches verglchen werden: SPSS-Dagra 4 2 2,,, 9, 7, 5,, 2, 9, 7, 5, Std.abw. = 265,57 Mttel = 4269,9 N = 25, 4,,5, 2,5 2,,5,,5, 9,5 9, 8,5 8, 7,5 7, 6,5 6, 5,5 5, 4,5 Std.abw. =,8 Mttel = 8,22 N = 25, Pres [DM] U de unterschedlch densonerten Merkale tenander verglechen zu können, wrd das relatve Schefeaß verwendet: Kraftstoffverbrauch durchschnttlch [l/k] ( µ ) * = ( µ ) σ³ 24 2
13 Schefeaß (skewness) - Bespel Bespel: Für de 25 untersuchten Autos soll de Vertelung des Anschaffungspreses t der Vertelung des Kraftstoffverbrauches verglchen werden: Std.abw. = 265,57 Mttel = 4269,9 N = 25,,, 5, 7, 9, 4,,5, 2,5 2,,5,,5, 9,5 9, 8,5 8, 7,5 7, 6,5 6, 5,5 5, 4,5 Std.abw. =,8 Mttel = 8,22 N = 25, Pres [DM],, 5, 7, 9, 2, Kraftstoffverbrauch durchschnttlch [l/k] * * ( µ ) = 2,95 ( µ ) =,668 Pres Verbrauch Der optsche Endruck de Vertelung der Anschaffungsprese st stärker asyetrsch als de Vertelung des Kraftstoffverbrauches wrd durch das relatve Schefeaß bestätgt. 25 Wölbung (Exzess, Kurtoss) Maßzahlen der Wölbung sollen charakterseren, we stark oder schwach der zentrale Berech und de Randbereche der Vertelung besetzt snd. Vertelungen t glecher Streuung können unterschedlche Wölbungen bestzen.,6,5,4,,2,,4,,2, Trotz glecher Varanz wesen de beden syetrschen Vertelungen unterschedlche Wölbungen auf. 26
14 Absolutes Wölbungsaß (Exzess, Kurtoss) De absolute Wölbung st we folgt defnert: N 4 4 ( µ ) = ( x µ ) N = Das Wölbungsaß st aufgrund der verten Potenz stets postv. Ausnahe: alle Merkalswerte snd glech, es exsteren kene Abwechungen vo Mttelwert. 27 Relatves Wölbungsaß (Exzess, Kurtoss) De relatve Wölbung wrd Verglech zur Standardnoralvertelung defnert, deren Wölbungsaß ergbt. Der Wert Null für das odfzerte relatve Wölbungsaß ndzert de Noralvertelung. Modfzertes relatves Wölbungsaß: ( µ ) 4 ( µ ) =! * 4 4 Das odfzerte relatve Wölbungsaß kann analog zur Schefe en postves oder negatves Vorzechen haben oder Fall der Noralvertelung Null sen. * 4 (µ) =, Noralvertelung * 4 (µ) >, Maxu der Vertelung größer als NV * 4 (µ) <, Maxu der Vertelung klener als NV σ 28 4
15 Wölbung - Grafsche Darstellung * 4 (µ) > * 4 (µ) = * 4 (µ) < Noralvertelung 29 Beschrebung von Häufgketsvertelungen ttels grafscher Verfahren Das Dagra enes Boxplots eröglcht ene koprerte Vsualserung ener unvaraten Häufgketsvertelung, nde de fünf Punkte ener Vertelung zusaengefasst dargestellt werden. Aufbau des Boxplots: Merkalsausprägung Maxu oberes Quartl Medan unteres Quartl Mnu 5
16 Boxplots be asyetrscher Vertelung Aus der konkreten Gestalt des Boxplots lassen sch Aussagen über de eprsche Vertelung ableten. Je nachde, wo der Medan nnerhalb der Box legt, lassen sch Aussagen über de Syetre der Vertelung treffen. Merkalsausprägung Be ener asyetrschen Vertelung legt der Medan ncht ttg n der Box. Unglech brete Abstände zwschen Extrea und unteren bzw. oberen Quartl ( whskers ) ndzeren ebenfalls Asyetre. Der Streuberech der Merkalswerte wrd durch de Spannwete der Extrea gekennzechnet. Boxplots be syetrscher Vertelung Für ene exakt syetrsche Vertelung hat das Boxplot folgende Gestalt: Der Medan legt ttg n der Box, de Abstände zwschen Extrea und unteren bzw. oberen Quartl snd glech. Merkalsausprägung Jeglche Abwechungen davon bedeuten Asyetre der eprschen Vertelung. Be eprschen Vertelungen st exakte Syetre selten! 2 6
17 Aussagen des Boxplots - Bespel Bespel: Für de 25 untersuchten Autos se de Lestung der Großraulousnen, Kobs, Schrägheckfahrzeuge, Stufenhecklousnen ttels der Boxplot- Darstellung verglechend dargestellt: 4 2 SPSS-Dagra Lestung [PS] N = GL K SH STH Karosserefor De Gruppe der Großraulousnen st Verglech a wengsten asyetrsch und west be Merkal Lestung den gerngsten Streuberech auf. Den größten Streuberech haben Stufenhecklousnen. Extree Lestungen oberen Lestungsberech gbt es be SH und STH. Boxplots - Ausreßerprobleatk SPSS kann optonal bestte Objekte aus der Erstellung des Boxplots ausschleßen Als Ausreßer werden Objekte behandelt, deren Merkalswerte zwschen,5 und Boxlängen vo oberen oder unteren Rand der Box entfernt snd. De Boxlänge entsprcht de nterquartlen Berech. Lestung [PS] 2 N = 6 GL 29 Karosserefor 2 K 7 SH STH Als Extrewerte werden Objekte behandelt und gekennzechnet ausgewesen, deren Merkalswerte ehr als Boxlängen vo oberen oder unteren Rand der Box entfernt snd. De Boxlänge entsprcht de Interquartlsabstand. 4 7
18 Boxplots für Haushaltsnettoenkoen n Ost- und Westdeutschland, Quelle: Datenreport 24 - Bespel 5 Lage- und Streuungsparaeter Snd Se wachsa! Alles Klar? 6 8
wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:
Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab
MehrAuswertung univariater Datenmengen - deskriptiv
Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;
MehrStreuungs-, Schiefe und Wölbungsmaße
aptel IV Streuungs-, Schefe und Wölbungsmaße B... Lagemaße von äufgketsvertelungen geben allen weng Auskunft über ene äufgketsvertelung. Se beschreben zwar en Zentrum deser Vertelung, geben aber kenen
MehrAuswertung univariater Datenmengen - deskriptiv
Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;
MehrAuswertung univariater Datenmengen - deskriptiv
Auswertung unvarater Datenmengen - deskrptv Egenschaften des arthmetschen Mttels Enfache Streuungsmaße Spannwete Quartlabstand Das Dagramm enes Boplots Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter
MehrGrundlagen sportwissenschaftlicher Forschung Deskriptive Statistik
Grundlagen sportwssenschaftlcher Forschung Deskrptve Statstk Dr. Jan-Peter Brückner jpbrueckner@emal.un-kel.de R.6 Tel. 880 77 Deskrptve Statstk - Zele Beschreben der Daten Zusammenfassen der Daten Überblck
Mehr2 Zufallsvariable und Verteilungen
Zufallsvarable und Vertelungen 7 Zufallsvarable und Vertelungen Wr wollen uns jetzt mt Zufallsexpermenten beschäftgen, deren Ausgänge durch (reelle) Zahlen beschreben werden können, oder be denen man jedem
MehrLösungen zum 3. Aufgabenblock
Lösungen zum 3. Aufgabenblock 3. Aufgabenblock ewerber haben n enem Test zur sozalen Kompetenz folgende ntervallskalerte Werte erhalten: 96 131 11 1 85 113 91 73 7 a) Zegen Se für desen Datensatz, dass
MehrItemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i
Itemanalyse und Itemkennwerte De Methoden der Analyse der Itemegenschaften st ncht m engeren Snne Bestandtel der Klassschen Testtheore Im Rahmen ener auf der KTT baserenden Testkonstrukton und -revson
MehrFORMELSAMMLUNG STATISTIK (I)
Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen
MehrStandardnormalverteilung / z-transformation
Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ
MehrArbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2
ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung
MehrÜbungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen
Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen
MehrBeschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression
Beschrebung des Zusammenhangs zweer metrscher Merkmale Streudagramme Korrelatonskoeffzenten Regresson Alter und Gewcht be Kndern bs 36 Monaten Knd Monate Gewcht 9 9 5 8 3 4 7.5 4 3 6 5 3 6 4 3.5 7 35 5
MehrDie hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)
ZZ Lösung zu Aufgabe : Ch²-Test Häufg wrd be der Bearbetung statstscher Daten ene bestmmte Vertelung vorausgesetzt. Um zu überprüfen ob de Daten tatsächlch der Vertelung entsprechen, wrd en durchgeführt.
MehrLineare Regression (1) - Einführung I -
Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:
MehrVerteilungen eindimensionaler diskreter Zufallsvariablen
Vertelungen endmensonaler dskreter Zufallsvarablen Enführung Dskrete Vertelungen Dskrete Glechvertelung Bernoull-Vertelung Bnomalvertelung Bblografe: Prof. Dr. Kück Unverstät Rostock Statstk, Vorlesungsskrpt,
MehrSind die nachfolgenden Aussagen richtig oder falsch? (1 Punkt pro korrekter Beantwortung)
LÖSUNG KLAUSUR STATISTIK I Berufsbegletender Studengang Betrebswrtschaftslehre Sommersemester 016 Aufgabentel I: Theore (10 Punkte) Snd de nachfolgenden Aussagen rchtg oder falsch? (1 Punkt pro korrekter
MehrIn der beschreibenden Statistik werden Daten erhoben, aufbereitet und analysiert. Beispiel einer Datenerhebung mit Begriffserklärungen (Vokabel)
Rudolf Brnkmann http://brnkmann-du.de Sete.. Datenerhebung, Datenaufberetung und Darstellung. In der beschrebenden Statstk werden Daten erhoben, aufberetet und analysert. Bespel ener Datenerhebung mt Begrffserklärungen
MehrErwartungswert, Varianz, Standardabweichung
RS 24.2.2005 Erwartungswert_Varanz_.mcd 4) Erwartungswert Erwartungswert, Varanz, Standardabwechung Be jedem Glücksspel nteresseren den Speler vor allem de Gewnnchancen. 1. Bespel: Setzen auf 1. Dutzend
MehrComputerunterstützte Gesichtserkennung = Eigenface - Methode = Thomas Weise Betreuer: PD Dr. Oliver Ernst
Matheatsches Senar 00 Nuerk Coputerunterstützte Geschtserkennung = Egenface - Methode = hoas Wese Betreuer: PD Dr. Olver Ernst Glederung:. Enletung/Allgeenes. HauptKoponentenAnalyse 3. Egenface Methode.
MehrKapitel V. Parameter der Verteilungen
Kaptel V Parameter der Vertelungen D. 5.. (Erwartungswert) Als Erwartungswert ener Zufallsvarablen X bezechnet man: E( X ) : Dabe se vorausgesetzt: = = + p falls X dskret f d falls X stetg und = + p
Mehr(Theoretische) Konfidenzintervalle für die beobachteten Werte: Die Standardabweichung des Messfehlers wird Standardmessfehler genannt:
(Theoretsche Konfdenzntervalle für de beobachteten Werte: De Standardabwechung des Messfehlers wrd Standardmessfehler genannt: ( ε ( 1- REL( Mt Hlfe der Tschebyscheff schen Unglechung lassen sch be bekanntem
MehrDie Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung
am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall
MehrStreuungs-, Schiefe und Wölbungsmaße 1
aptel IV Streuung-, Schefe und Wölbungmaße B... Lagemaße von äufgketvertelungen geben allen weng Aukunft über ene äufgketvertelung. Se bechreben zwar en Zentrum deer Vertelung, geben aber kenen Anhaltpunkt
MehrLösungen der Aufgaben zu Kapitel 2
Lösungen der Aufgaben zu Kaptel Abschntt 1 Aufgabe 1 Wr benutzen de Potenzrechenregeln, um ene Potenz von mt geradem Eponenten n oder mt ungeradem Eponenten n + 1 we folgt darzustellen: n n und n+1 n n
MehrMaße der zentralen Tendenz (10)
Maße der zentralen Tendenz (10) - De Berechnung der zentralen Tendenz be ategorserten Daten mt offenen Endlassen I - Bespel 1: offene Endlasse Alter x f x f p x p p cum bs 20 1? 3? 6? 6 21-25 2 23 20 460
Mehr-70- Anhang: -Lineare Regression-
-70- Anhang: -Lneare Regressn- Für ene Messgröße y f(x) gelte flgender mathematsche Zusammenhang: y a+ b x () In der Regel läßt sch durch enen Satz vn Messwerten (x, y ) aber kene Gerade zechnen, da de
MehrMathematik für MolekularbiologInnen. Vorlesung VII Block III: Wahrscheinlichkeit und Statistik Verteilungen und Lagemaßzahlen
Mathematk für MolekularbologInnen Vorlesung VII Block III: Wahrschenlchket und Statstk Vertelungen und Lagemaßzahlen Überscht Allgemene Defntonen Bezehung und Vsualserung von Daten Regresson, Fehlerbetrachtung
Mehrz.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel!
Aufgabe : Vorbemerkung: Ene Zufallsvarable st ene endeutge Funkton bzw. ene Abbldungsvorschrft, de angbt, auf welche Art aus enem Elementareregns ene reelle Zahl gewonnen wrd. x 4 (, ) z.b. Münzwurf: Kopf
MehrANOVA (Analysis of Variance) Varianzanalyse. Statistik Methoden. Ausgangssituation ANOVA. Ao.Prof.DI.Dr Josef Haas
Ao.Prof.DI.Dr Josef Haas josef.haas@medungraz.at ANOVA (Analyss of Varance) Varanzanalyse Statstk Methoden Verglech von Mttelwerten Ao.Unv.Prof.DI.Dr. Josef Haas josef.haas@medungraz.at Ausgangsstuaton
MehrFunktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e
Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de
MehrAbbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).
44 n n F F a) b) Abbldung 3.: Besetzungszahlen enes Fermgases m Grundzustand (a)) und für ene angeregte Konfguraton (b)). 3.3 Ferm Drac Statstk In desem Abschntt wollen wr de thermodynamschen Egenschaften
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Menhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzet nach Verenbarung und nach der Vorlesung. Mathematsche und statstsche Methoden II Dr. Malte Perske perske@un-manz.de
MehrDaten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.
Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve
MehrPortfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe
Portfolothore (Markowtz) Separatonstheore (Tobn) Kaptaarkttheore (Sharpe Ene Enführung n das Werk von dre Nobelpresträgern zu ene Thea U3L-Vorlesung R.H. Schdt, 3.12.2015 Wozu braucht an Theoren oder Modelle?
MehrEin metrisches Merkmal
En metrsches Merkmal 170 171 Bespel Ntratbelastung n NÖ-Trnkwasser Quelle NösWAG/WWF 1998 526 Meßstellen, Angaben n mg/l, Grenzwert st 50mg/l 23 23 32 32 32 12 12 12 12 12 12 12 23 12 12 12 12 23 23 23
MehrElemente der Mathematik - Sommer 2016
Elemente der Mathematk - Sommer 2016 Prof Dr Matthas Lesch, Regula Krapf Lösungen Übungsblatt 3 Aufgabe 9 (10 Punkte) Das Horner-Schema st ene Methode zum Auswerten enes Polynoms n a0 x an der Stelle s
MehrBeschreibende Statistik Mittelwert
Beschrebende Statstk Mttelwert Unter dem arthmetschen Mttel (Mttelwert) x von n Zahlen verstehen wr: x = n = x = n (x +x +...+x n ) Desen Mttelwert untersuchen wr etwas genauer.. Zege für n = 3: (x x )
Mehr6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen
196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen
MehrAnalyse von Querschnittsdaten. Bivariate Regression
Analse von Querschnttsdaten Bvarate Regresson Warum geht es n den folgenden Stzungen? Kontnuerlche Varablen Deskrptve Modelle kategorale Varablen Datum 3.0.2004 20.0.2004 27.0.2004 03..2004 0..2004 7..2004
MehrStatistik. Finanzmathematik 1-15
Prüfungsdauer: Hlfsmttel: 90 Mnuten Taschenrechner (ncht grafkfähg und ncht programmerbar) und Formelsammlung De Klausur besteht aus dem 16 Aufgaben m Pflchttel, de alle bearbetet werden müssen. Auf de
MehrÜbungen zur Vorlesung Physikalische Chemie 1 (B. Sc.) Lösungsvorschlag zu Blatt 2
Übungen zur Vorlesung Physkalsche Chee 1 B. Sc.) Lösungsorschlag zu Blatt Prof. Dr. Norbert Happ Jens Träger Soerseester 7. 4. 7 Aufgabe 1 a) Aus den tabellerten Werten ergbt sch folgendes Dagra. Btte
Mehr2πσ. e ax2 dx = x exp. 2πσ. 2σ 2. Die Varianz ergibt sich mit Hilfe eines weiteren bestimmten Integrals: x 2 e ax2 dx = 1 π.
2.5. NORMALVERTEILUNG 27 2.5 Normalvertelung De n der Statstk am häufgsten benutzte Vertelung st de Gauss- oder Normalvertelung. Wr haben berets gesehen, dass dese Vertelung aus den Bnomal- und Posson-Vertelungen
Mehr6. Modelle mit binären abhängigen Variablen
6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch
Mehr6 Wandtafeln. 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln. 6.3.1 Allgemeines
6 Wandtafeln 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln 6.3.1 Allgemenes Be der Berechnung der auf de enzelnen Wandtafeln entfallenden Horzontalkräfte wrd ene starre Deckenschebe angenommen.
MehrAuswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07
Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage
MehrKonkave und Konvexe Funktionen
Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage
MehrRegression und Korrelation
Regresson und Korrelaton von Ac Enstegsaufgabe lneare Regresson: Durch de 3 Punkte P/, P4/5, P39/6 st ene Mn-Punktwolke gegeben. Gesucht st dejenge Gerade g, welche n der Nähe der Punkte verläuft und de
MehrKlasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten
Versuch r. 1: achwes des Hook schen Gesetzes und Bestmmung der Federkonstanten achwes des Hookeschen Gesetzes und Bestmmung der Federkonstanten Klasse : ame1 : ame 2 : Versuchszel: In der Technk erfüllen
MehrStatistik und Wahrscheinlichkeit
Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse
Mehr(Essentiell) τ-äquivalente Tests:
(Essentell) τ-äquvalente Tests: τ-äquvalenz: Essentelle τ-äquvalenz: τ τ τ τ +λ Repräsentatonstheore (Exstenzsatz): De Tests,..., snd genau dann τ-äquvalent, wenn ene reelle Zufallsvarable η sowereellekonstantenλ,...,
MehrDatenaufbereitung und Darstellung
Datenaufberetung und Darstellung 1 Glederung: Zel der Datenaufberetung und Darstellung Datenverdchtung Tabellen und grafsche Darstellungen Darstellung unvarater Datenmengen Darstellung multvarater Daten
MehrResultate / "states of nature" / mögliche Zustände / möglicheentwicklungen
Pay-off-Matrzen und Entschedung unter Rsko Es stehen verschedene Alternatven (Strategen) zur Wahl. Jede Stratege führt zu bestmmten Resultaten (outcomes). Man schätzt dese Resultate für jede Stratege und
MehrBeim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):
Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.
MehrFallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum
Abgabe: Aufgabentext und Lösungen schrftlch bs zum 15. 6. 2012 I. Thema: Zehen mt und ohne Zurücklegen Lesen Se sch zunächst folgenden Text durch! Wr haben bsher Stchprobenzehungen aus Grundgesamtheten
MehrModul 14 (BA Bw) bzw. Modul 3 (BA IB) bzw. Modul 4 (BA IBM): Wirtschaftsstatistik Teil 1: Beschreibende Statistik
Fachhochschule Dortund Wnterseester 2/ Fachberech Wrtschaft Prof. Dr. Laufner Studengänge BA Betrebswrtschaft und BA Internatonal Busness (Manageent) Übungsaufgaben zur Woche 8. 0. + 9. 0. 2 Modul 4 (BA
MehrU Test (Rangsummentest) Parameterfreie Tests. U -Test. U -Test. χ ²- Unabhängigkeitstest Test auf Unabhängigkeit von zwei Zufallsgrößen
Parameterfree Tests U Test (Rangsummentest) Verglech der Mttelwerte (Medane) be ncht normalvertelten Größen U - Test Mttelwertverglech von zwe ncht verbundenen Zugrößen Wlcoxon - Vorzechenrangtest Mttelwertverglech
MehrTeil IV: Drei Musterklausuren
Tel IV: Dre Musterklausuren Hauptklausur SS 97 Aufgabe : 5 Schwmmer verschedenen Alters erbrachten n Wettkämpfen über 50 m Brustschwmmen de folgenden Zeten: Alter Zeten n sec. 8 37.00 40.00 4.00 30 39.00
MehrGrundgedanke der Regressionsanalyse
Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden
MehrStatistik Exponentialfunktion
! " Statstk " Eponentalfunkton # $ % & ' $ ( )&* +, - +. / $ 00, 1 +, + ) Ensemble von radoaktven Atomkernen Zerfallskonstante λ [1/s] Lebensdauer τ 1/λ [s] Anzahl der pro Zetenhet zerfallenden Kerne:
MehrProf. Dr. Roland Füss Statistik II SS 2008
5. Spezelle Testverfahren Zahlreche parametrsche und nchtparametrsche Testverfahren, de nach Testvertelung (Bnomal, t-test etc.), Analysezel (Anpassungs- und Unabhänggketstest) oder Konstrukton der Prüfgröße
MehrProtokoll zu Versuch C1-Mischungsvolumina
Protokoll zu Prnz: De sezfschen Mschungsvolumna ener Lösung werden durch auswegen fester Flüssgketsvolumna bekannter Lösungszusammensetzungen mt Hlfe von Pyknometern bestmmt. Theoretsche Grundlagen: Um
MehrVerteilungen, sondern nur, wenn ein. Eignet sich nicht bei flachen. Bei starker Streuung wenig. Wert eindeutig dominiert.
Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 Kenngrössen der Statstk Für de Auswertung von Datenrehen werden verschedene Kenngrössen
MehrOrdered Response Models (ORM)
Handout: Mkroökonometre Ordered Response Models Domnk Hanglberger - SS 28 Ordered Response Models (ORM) Ist de abhängge Varable ordnal skalert (d.h. hre Kategoren lassen sch n ene Rangrehenfolge brngen,
MehrSIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT
Smulaton von Hybrdfahrzeugantreben mt optmerter Synchronmaschne 1 SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT OPTIMIERTER SYNCHRONMASCHINE H. Wöhl-Bruhn 1 EINLEITUNG Ene Velzahl von Untersuchungen hat sch
MehrMultilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel
ultlneare Algebra und hre Anwendungen Nr. : Normalformen Verfasser: Yee Song Ko Adran Jenn Rebecca Huber Daman Hodel 9.5.7 - - ultlneare Algebra und hre Anwendungen Jordan sche Normalform Allgemene heore
MehrKryoskopie. Gruppe 15: Markus Krause, Tobias Nigst Ziel
PROTOKOLL ZU VERSUCH 5 Kryoskope ruppe 15: Markus Krause, Tobas Ngst 1.5.4 1. Zel Mt ene efrerpunktsosoeter werden de Aktvtätskoeffzenten von Kaluntrat geessen und t de theoretschen Wert des Debye-Hückel-esetzes
MehrHochschule Heilbronn Technik Wirtschaft Informatik Heilbronn University Institut für math.-naturw. Grundlagen
Versuch : Messung von Glechspannung und Glechstrom mt Multmetern 1. Aufgabenstellung Messung von Glechspannung u. Glechstrom mt analogen und dgtalen Messgeräten Verglech verschedener Messgeräte, Messgenaugket
MehrStatistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler, Eidgenössische Technische Hochschule, ETH Zürich. 1. Teilprüfung FS 2008.
Dr. Jochen Köhler, Edgenösssche Technsche Hochschule, ETH Zürch. Telprüfung Statstk und Wahrschenlchketsrechnung FS 2008 Lösungen Dr. J. Köhler ETH Zürch Donnerstag 0. Aprl 2008 08:5 09:45 0BTel : Multple
MehrGrundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt
Mathematsches Insttut der Unverstät München Wntersemester 3/4 Danel Rost Lukas-Faban Moser Grundlagen der Mathematk I Lösungsvorschlag zum. Tutorumsblatt Aufgabe. a De Formel besagt, daß de Summe der umrahmten
MehrDefinition des linearen Korrelationskoeffizienten
Defnton des lnearen Korrelatonskoeffzenten r xy x y y r x xy y 1 x x y y x Der Korrelatonskoeffzent st en Indkator dafür, we gut de Punkte (X,Y) zu ener Geraden passen. Sen Wert legt zwschen -1 und +1.
Mehrnonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen
arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree
MehrZufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert
R. Brnkmann http://brnkmann-du.de Sete..8 Zufallsvarable, Wahrschenlchketsvertelungen und Erwartungswert Enführungsbespel: Zwe Würfel (en blauer und en grüner) werden 4 mal zusammen geworfen. De Häufgketen
Mehr4.6 Das Pumping-Lemma für reguläre Sprachen:
Theoretsche Informatk 1 Vorlesungsskrpt vom Fretag, 30 Jun 000 Index: Erstellt von: (Matrkelnummer: 70899) Sete : 46 Das Pumpng-Lemma für reguläre Sprachen 1 Satz W 1 Zugrundelegende Idee des Pumpng-Lemma
MehrSpannweite, Median Quartilsabstand, Varianz und Standardabweichung.
Rudolf Brkma http://brkma-du.de Sete 06.0.008 Spawete, Meda Quartlsabstad, Varaz ud Stadardabwechug. Streuug um de Mttelwert. I de folgede Säuledagramme st de Notevertelug zweer Schülergruppe (Mädche,
Mehr4. Indexzahlen. 5.1 Grundlagen 5.2 Preisindizes 5.3 Indexzahlenumrechnungen. Dr. Rebecca Schmitt, WS 2013/2014
4. ndexzahlen 5.1 Grundlagen 5.2 Presndzes 5.3 ndexzahlenumrechnungen 1 4.1 Grundlagen Als Messzahlen werden de Quotenten bezechnet, de aus den Beobachtungswerten bzw. den Maßzahlen zweer Telmengen derselben
Mehr12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2
1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:
MehrStatistik und Wahrscheinlichkeitsrechnung
Statstk und Wahrschenlchketsrechnung Statstk und Wahrschenlchketsrechnung 5. Vorlesung Dr. Jochen Köhler.03.0 Statstk und Wahrschenlchketsrechnung Wchtg!!! Vorlesung Do 4.03.0 HCI G3 Übung 5 D 9.03.0 Fnk
MehrProtokoll zum Grundversuch Mechanik
Protokoll zum Grundversuch Mechank 3.6. In desem Grundversuch zur Mechank werden dre verschedene Arten von Pendeln untersucht. Das Reversonspendel, das Torsonspendel und gekoppelte Pendel. A. Das Reversonspendel
MehrWS 2016/17 Prof. Dr. Horst Peters , Seite 1 von 9
WS 2016/17 Prof. Dr. Horst Peters 06.12.2016, Sete 1 von 9 Lehrveranstaltung Statstk m Modul Quanttatve Methoden des Studengangs Internatonal Management (Korrelaton, Regresson) 1. Überprüfen Se durch Bestmmung
MehrDiskrete Mathematik 1 WS 2008/09
Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /
MehrNomenklatur - Übersicht
Nomenklatur - Überscht Name der synthetschen Varable Wert der synthetschen Varable durch synth. Varable erklärte Gesamt- Streuung durch synth. Varable erkl. Streuung der enzelnen Varablen Korrelaton zwschen
MehrMASCHINELLES LERNEN TOBIAS SCHEFFER, NIELS LANDWEHR, MATTHIAS BUSSAS. Mathematische Grundlagen
MASCHINELLES LERNEN TOBIAS SCHEFFER, NIELS LANDWEHR, MATTHIAS BUSSAS Matheatsche Grundlagen Überblck Lneare Algebra: Vektoren, Matrzen, Analyss & Opterung: Dstanzen, konvexe Funktonen, Lagrange-Ansatz,
MehrÜbung zu Erwartungswert und Standardabweichung
Aufgabe Übung zu Erwartungswert und Standardabwechung In ener Lottere gewnnen 5 % der Lose 5, 0 % der Lose 0 und 5 % der Lose. En Los kostet 2,50. a)berechnen Se den Erwartungswert für den Gewnn! b)der
MehrQuantitatives Prognosemodell für die Anwendung des Black-Litterman-Verfahrens
Quanttatves Prognosemodell für de Anwendung des Black-Ltterman-Verfahrens Franzska Felke* und Marc Gürtler** Abstract: De chätzung erwarteter Wertpaperrendten stellt ene der zentralen Aufgaben n der praktschen
MehrUrsache der Ungewissheit kann dabei z.b. unvollständige Information sein oder unbekannte bzw. nicht beeinflussbare Bedingungen.
SS 2013 Prof. Dr. J. Schütze/ J. Puhl/ FB GW Deskr.1 1 Warum Stochastk? Stochastk: Kunst des Mutmaßens (grech.) Mathematsche Stochastk beschäftgt sch mt der Beschrebung und Untersuchung von Erschenungen,
Mehr18. Vorlesung Sommersemester
8. Vorlesung Sommersemester Der Drehmpuls des starren Körpers Der Drehmpuls des starren Körpers st etwas komplzerter. Wenn weder de Wnkelgeschwndgket um de feste Rotatonsachse st, so wrd mt Hlfe des doppelten
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen
MehrBedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY)
Bedngte Entrope Kaptel : Bedngte Entrope Das vorherge Theorem kann durch mehrfache Anwendung drekt verallgemenert werden H (... H ( = Ebenso kann de bedngt Entrope defnert werden Defnton: De bedngte Entrope
Mehr5. ZWEI ODER MEHRERE METRISCHE MERKMALE
5. ZWEI ODER MEHRERE METRISCHE MERKMALE wenn an ener Beobachtungsenhet zwe (oder mehr) metrsche Varablen erhoben wurden wesentlche Problemstellungen: Frage nach Zusammenhang: Bsp.: Duxbury Press (sehe
MehrAlternative Konzepte zur Laufzeitenermittlung: Statistisch-theoretische Grundlagen. Dr. Jürgen Faik. - Reinfeld,
Alternatve Konzepte zur Laufzetenermttlung: Statstsch-theoretsche Grundlagen Dr. Jürgen Fak - Renfeld, 20.11.2007-1. Enletung In der sozalpoltschen Dskusson, welche sch auf de gesetzlche Rentenverscherung
MehrWeitere NP-vollständige Probleme
Wetere NP-vollständge Probleme Prosemnar Theoretsche Informatk Marten Tlgner December 10, 2014 Wr haben letzte Woche gesehen, dass 3SAT NP-vollständg st. Heute werden wr für enge wetere Probleme n NP zegen,
MehrAlternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF
Alternatve Darstellung des -Stchprobentests für Antele DCF CF Total n= 111 11 3 Response 43 6 69 Resp. Rate 0,387 0,3 0,309 Beobachtete Response No Response Total absolut DCF 43 68 111 CF 6 86 11 69 154
MehrProf. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz
Prof. Dr. P. Kschka WS 2012/13 Lehrstuhl für Wrtschafts- und Sozalstatstk Klausur Statstsche Inferenz 15.02.2013 Name: Matrkelnummer: Studengang: Aufgabe 1 2 3 4 5 6 7 8 Summe Punkte 6 5 5 5 5 4 4 6 40
Mehrω 0 = Protokoll zu Versuch E6: Elektrische Resonanz
Protokoll zu Versuch E6: Elektrsche esonanz. Enletung En Schwngkres st ene elektrsche Schaltung, de aus Kapaztät, Induktvtät und ohmschen Wderstand besteht. Stmmt de Frequenz der anregenden Wechselspannung
MehrPraktikum Physikalische Chemie I (C-2) Versuch Nr. 6
Praktkum Physkalsche Cheme I (C-2) Versuch Nr. 6 Konduktometrsche Ttratonen von Säuren und Basen sowe Fällungsttratonen Praktkumsaufgaben 1. Ttreren Se konduktometrsch Schwefelsäure mt Natronlauge und
Mehr2.2 Die Schwingungen mehratomiger Moleküle
. De Schwngungen ehratoger Moleüle De potentelle Energe wrd als Funton der uslenungen aller toe des Moleüls aus hren Glechgewchtslagen angesetzt. Taylor-Rehe:..., t =x -x e... als uslenung der toe aus
MehrAspekte zur Approximation von Quadratwurzeln
Aspete zur Approxmaton von Quadratwurzeln Intervallschachtelung Intervallhalberungsverfahren Heron-Verfahren Rechnersche und anschaulche Herletung Zusammenhang mt Newtonverfahren Monotone und Beschränthet
MehrSchiefe- und Konzentrationsmaße
Statstk für SozologIe Schefe- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Merkmal wurde 3 Gruppe beobachtet ud Form der folgede Häufgketstabelle berchtet: Klasse m Gruppe
Mehr