Übungsaufgaben - Organisatorisches

Größe: px
Ab Seite anzeigen:

Download "Übungsaufgaben - Organisatorisches"

Transkript

1 Übugsaufgabe - Orgaisatorisches Der Abgabetermi der eue Übugsblätter ist: Motag, 4:00 Uhr Fehlerrechugsbriefkaste Der Abgabetermi der verbesserte Übugsblätter ist: Freitag, 6:00 Uhr T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-

2 Güteklasse elektrischer Messistrumete Aber wie geau messe jetzt meie Istrumete? T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-

3 Güteklasse elektrischer Messistrumete Die zulässige Fehler elektrischer Messistrumete werde durch das Klassezeiche agegebe. Die Klasseagabe etspricht dem zulässige Azeigefehler i %: z.b.,5% Fehler bei eiem Gerät der Klasse,5 Dieser Fehler ist bezoge auf de Edwert oder auf die Summe der Skaleläge, we der Nullpukt ierhalb der Skala liegt. Edwert Skaleläge Dies ist der Fehler, der auftrete darf!! T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-3

4 Ablese bei aaloge Messistrumete Vollausschlag 50,0 V Ablesug 8,8 V Ablesegeauigkeit: Vorlesug 4 (Letzte Stelle ist geschätzt). Schätzwert: Bestmögliche Schätzug (Messug) der Ablesug. Aahme : Feimessgerät der Klasse % vo 50 V etspricht,5v U = (8,8 ±,5) V Aahme : Betriebsmessgerät der Klasse 5 5% vo 50 V etspricht 7,5V U = (8,8 ± 7,5) V T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-4

5 Fehler bei Digitalvoltmeter Auszug aus der Praktikums-Gerätealeitug Beispiel: V Messbereich Azeige,64 V 0,% vo rdg = 0,006 V 0,% vo rg = 0,00 V Isgesamt 0,006 V (,64 0,003) V T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-5

6 Ablese bei digitale Messistrumete Messug eier Spaug vo 0,64 V Messbereich 0 V Azeige: 0,6 V 0, % rage = 0,0 V 0, % readig = 0,0006 V U = (,6 0, )*0 - V Messbereich V Messbereich 0, V Azeige: 0,6 V 0, % rage = 0,00 V 0, % readig = 0,0006 V U = (,6 0,0 ) *0 - V Azeige: 0,64 V 0, % rage = 0,000 V 0, % readig = 0,000 V U = (,64 0,003 ) *0 - V T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-6

7 Übugsaufgabe Amerkug wisseschaftliche Notatio: Zahle zwische 0 3 ud 0 3 ka ma ausschreibe, wie i Aufgabe 3 ud 6 T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-7

8 Übugsaufgabe Güteklasse 5 bedeutet 5 % vo,50 V. 5 % vo,50 V sid 0,65V. Gerudet auf zwei sigifikate Stelle ergibt 0,63 V. Somit lautet das Edergebis: U = (9,83 ± 0,63) V T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-8

9 Übugsaufgabe = 34,7 o C 99,9 o C bis 999,9 o C 0, % der Ablesug (rdg = readig) plus 0,7 o C 0, % (34,7 o C) = 0,69 o C a) (0,69 + 0,7) o C = 0,969 o C b) (0,3 + 0,7) o C =,0 o C = 0,97 o C = ( 34,7 ±,0 ) o C T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-9

10 Übugsaufgabe T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-0

11 Übugsaufgabe si( rad) =? si( rad) = 0, FALSCH si( rad) si( Grad) Grad giga rad si( rad) = -8, T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-

12 Mei Tascherecher das ubekate Wese si( rad) si( Grad) Dekaufgabe: = (36 3) Grad si () = 0,695? Fehlerfortpflazug: Wie pflazt sich der Fehler vo i si() fort? Deke Sie über eie Lösug ach! Bedieugsaleitug Ihres Tascherechers ist hilfreich: Wie bereche ich Mittelwerte ud Stadardabweichug?? T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-

13 Was icht gewertet wird. T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-3

14 Was icht gewertet wird. T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-4

15 Erstabgabe Übug icht abgegebe T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-5

16 Übugsaufgabe - Orgaisatorisches Falls es zur Erstkorrektur Frage/Uklarheite gibt: Frage Sie Ihre Betreuer! Studetebüro: Mo - Fr besetzt vo 0:45 Uhr bis :5 Uhr T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-6

17 Messreihe Wie bestimme ich die Messusicherheit i Messreihe? T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-7

18 Begriffe Modalwert Media Mittelwert Spaweite der Verteilug: Differez zwische größtem ud kleistem Wert. T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-8

19 Der Media Der Media teilt die Grudgesamtheit i zwei Hälfte gleicher Größe Messug der Läge eies Stabes Nummer der Messug L/cm Sortiert ach Größe: 3, 4, 4, 4, 5, 5, 6, 6, 6 T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-9

20 Der Media Der Media teilt die Grudgesamtheit i zwei Hälfte gleicher Größe Messug der Läge eies Stabes Nummer der Messug L/cm Sortiert ach Größe: 3, 4, 4, 4, 5, 5, 6, 6, 6,8 Media Ei Wert m ist Media eier Stichprobe, we höchstes die Hälfte der Beobachtuge eie Wert < m ud höchstes die Hälfte eie Wert > m hat. Der Media m eier geordete Stichprobe vo Werte ist da: ugerade m gerade T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-0

21 Begriffe Modalwert Media Mittelwert Spaweite der Verteilug: Differez zwische größtem ud kleistem Wert. T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-

22 Mittelwert Arithmetischer Mittelwert Messug der Läge eies Stabes Nummer der Messug L/cm Summatio über alle Messwerte: i i 5,0 Arithmetischer Mittelwert Seie (eifach liear zusammehägede) Werte i (i ϵ {;...; }) eier gemessee Größe gegebe. Die Größe a, die aus a i i berechet wird, wird arithmetisches Mittel oder arithmetischer Mittelwert geat. T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-

23 Beispiel: Studiedauer Diplom 40 Semester Azahl Azahl der Absolvete Studiedauer / Semester Die meiste der Studete mache die Diplomprüfug ach Semester (Modus). Die mittlere Studiedauer ist,5 Semester (Media). Liegt der Media zwische zwei gaze Zahle, wird gemittelt, z.b.,5 Semester (Es gibt detailliertere Regel). Der Mittelwert der Studiedauer ist 3, Semester (Mittelwert Mea) Spaweite der Verteilug: Differez zwische größtem ud kleistem Wert. T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-3

24 Mittelwert Geometrischer Mittelwert. Jahr Wir kaufe Aktie für 000. Jahr Aktiekurs steigt auf Jahr Aktiekurs steigt auf Jahr Aktiekurs fällt auf 000 Wir verkaufe Aahme, es gab weder Zise och Dividede Trivialrechug:.. Jahr +0 %. 3.Jahr +5 % ,89 % Jahr 33 % 3,89 % pro Jahr bedeute ca. ach 3 Jahre T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-4

25 Mittelwert Geometrischer Mittelwert Wachstumsfaktore:.. Jahr 00/000 =,00. 3.Jahr 500/00 =, Jahr 000/500 = 0,667 geo 3 3,00,50 0,667,0005,00 Geometrischer Mittelwert Seie epoetiell zusammehägede Werte Wichtigste Awedug des geometrische Mittelwertes i (i ϵ {; ;...; }) bei eier gemessee Größe gegebe. Die Größe durchschittliche Wachstumsfaktore. g, die aus g Wachstumsfaktor: Neuer Wert dividiert i i durch alte Wert berechet wird, wird geometrisches Mittel oder geometrischer Mittelwert geat. T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-5

26 Zusammefassug Mittelwerte Der arithmetische Mittelwert i i Der geometrische Mittelwert Der quadratische Mittelwert i i Der Media Derjeige Wert, der i der Mitte steht, we ma die i der Größe ach sortiert Weitere Möglichkeite der Agabe vo mittlere Werte Der häufigste Wert (Modus oder Modalwert)!!!Bimodale Verteilug!!! Das arithmetische Mittel aus dem kleiste ud größte vorkommede Wert T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-6

27 Messreihe Messug der Läge eies Stabes Wie bestimmt ma de Fehler eier Messug aus eier Messreihe? Nummer der Messug L/cm Sortiere der Werte ach Klasse Werte k Azahl der Messwerte T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-7

28 Mittelwertbildug Messug der Läge eies Stabes Werte k Azahl der Messwerte Summatio über alle Messwerte: i i i i ,0 Summatio über alle Klasse: k k k k k k 3 (43) (5) k k Fk k, wobei Fk F k k T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-8

29 Histogramm / Stabdiagramm Beispielhaftes Histogramm zu eier Messreihe: Messug der Läge eies Stabes 3 Werte k Azahl der Messwerte Azahl der Messwerte Läge/cm T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-9

30 Eischub: Wie fasse ich Werte sivoll zu Klasse zusamme? Weitere Messreihe: Messug der Läge eies Stabes L/cm 6,4 3,9 5, 4,6,7 3,8 5, 3,8 5,3 5,4 I diesem Beispiel ist das Zeiche eies Stabdiagramms weig sivoll Faustregel für die Azahl der Klasse k 5 * lg (). Häufig reicht auch Zusammefassug der Messwerte zu Klasse Klasse Azahl der Messuge bis 3 3 bis 4 4 bis 5 5 bis 6 6 bis 7 7 bis T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-30

31 Eischub: Wie fasse ich Werte sivoll zu Klasse zusamme? Klasse bis 3 3 bis 4 4 bis 5 5 bis 6 6 bis 7 7 bis 8 Azahl der Messuge Das Zusammefasse vo Messwerte zu Klasse ist ei wichtiger Vorgag i der Statistik ud wird i de Vorlesuge zu Verteilugsfuktioe ud Sigifikaztest ausführlich diskutiert. Azahl der Messwerte Läge /cm T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-3

32 Eischub: Betrug mit graphische Darstelluge Typisches Wahlvolk: 8 bis 8 Jahre Aufteile i: 8 bis 49: 5 % 50 bis 8: 49 % Realistisches Wahlvolk: 8 bis 0 Jahre Aufteile i: 8 bis 59: 68 % 60 bis 0: 3 % Ist das jetzt die Domiaz der Juge? T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-3

33 Wir erier us: Für zufällige Fehler gilt: Bedeutug des Mittelwertes Positive ud egative Abweichuge sid gleich häufig Die Häufigkeit des Vorkommes immt mit dem Absolutbetrag des Fehlers ab Die Wahrscheilichkeit für das Auftrete des Fehlers Null besitzt ei Maimum Erwartugswert E(X) Seie die Ergebisse bei eiem (Wahrscheilichkeits )Eperimet aus der Gesamtheit aller Ergebisse, dem Ergebisraum. Sei X() eie reelle Zahl, die dem Ergebis zugeordet ist, ud P({}) eie gegebee Wahrscheilichkeit zu dem eizele Ereigis. So bezeichet ma die Zahl E(X), die aus Iterpretatio vo Nikolaus Beroulli (709): Das mit ihre Wahrscheilichkeite gewichtete arithmetische Mittel der Werte eier Zufallsgröße ist der Erwartugswert der Zufallsgröße. E( X ) : X ( ) P({ }) berechet wird, als Erwartugswert der Zufallsgröße X(). T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-33

34 Messreihe Wie bestimmt ma de Fehler eier Messug aus eier Messreihe? 3 Azahl der Messwerte Wie verlässlich kee wir de Erwartugswert? Wie sehr streue die Date? Wie breit ist die Verteilug der Date? Läge/cm T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-34

35 Die Stichprobe Um de mathematisch eakte Erwartugswert zu bestimme, müsse wir die Grudgesamtheit kee. Es gibt aber uedlich viele mögliche Messwerte! Wir müsse de Erwartugswert schätze T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-35

36 Übergag zur Grezverteilug 3 0 Messuge 00 Messuge 50 Messuge 000 Messuge g Häufigkeit 0 Häufigkeit 0 Häufigkeit Läge / mm Läge /mm Läge / mm Mit zuehmeder Azahl der Messuge wird ei Histogramm glatter ud regelmäßiger. Die Breite der Kurve ädert sich icht. Mit zuehmeder Zahl der Messuge ka die Breite ud der Mittelwert verlässlicher agegebe werde. We die Azahl der Messuge gege uedlich geht, ähert sich die Verteilug eier stetige Kurve. Eie solche Verteilug heißt Grezverteilug oder Grudgesamtheit. Mehr zur Normalverteilug folgt i de spätere Vorlesuge T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-36

37 Usere Messug ist eie Stichprobe We wir wirklich ur zufällige Fehler habe köe wir de Erwartugswert über das arithmetische Mittel schätze. Diese Schätzug wird besser sei, je mehr Messwerte wir habe. Aber wie gut ist sie wirklich? Wir beötige ei Streuugsmaß! T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-37

38 Die Variaz Die Variaz ist ei Maß für die "Breite" der Verteilug der Messwerte i i Bei obiger Defiitio ist der wahre Mittelwert der Verteilug. Dieser ist aber icht bekat. Daher wird durch de gemessee Mittelwert ersetzt. Der Mittelwert muss aus der Datemege berechet werde. Dieser ist jedoch ur mit eier Usicherheit bekat. Dies zwigt zur Eiführug der Stichprobevariaz. T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-38

39 Die Stadardabweichug Variaz: i i Die Messgröße besitze eie Eiheit. I userem Beispiel ware das mm. Somit hat die Variaz die Eiheit mm. Sivoll ist eie Größe mit der gleiche Dimesio wie der Messwert. Stadardabweichug: i i T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-39

40 Die Stichprobevariaz Köe wir eifach durch de Mittelwert ersetze? i Z Schaue wir us de Erwartugswert vo Z a: i EZ ( ) E i E i i i a b E i i i )( Erierug: i i E i i i i )( E i i )( T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-40

41 Die Stichprobevariaz EZ E ( ) i )( i E i i Erierug: Var( ) i E i i E E i Var( ) E i Var( ) Var( ) Var( ) Var( ) T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-4

42 Wie groß ist Var( X )? i Kurze Zwischerechug X X, mit idetisch verteilte Zufallsgröße X, X,..., X. i Die Zufallsgröße X i seie uabhägig. Da gilt: Weiter: Var X i Var X ( ) i Var X i i i i Var( X i ). i Erierug: Var( ) i i Begrüdug folgt später! T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-4

43 Die Stichprobevariaz EZ E ( ) i )( i E i i Erierug: Var( ) i E i i E E i Var( ) E i Var( ) Var( ) Var( ) Var( ) T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-43

44 Die Stichprobevariaz E( Z ) Var( ) Var( ) Die Variaz ist icht erwartugstreu! ABER: Diese Vorfaktor köe wir eifach berücksichtige! Wir wähle statt Z eifach: s i i Es ergibt sich da sofort: Es ( ) Kleie Hausaufgabe falls icht offesichtlich: Prüfe Sie das! T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-44

45 Die Stichprobestadardabweichug (mittlerer quadratischer Fehler der Eizelmessug). Die Stadardabweichug ist die Quadratwurzel aus der Variaz s i i s wird auch als Stichprobe-Stadardabweichug bezeichet. Die (Stichprobe)Stadardabweichug ist ei Maß für die Geauigkeit der Messmethode Usere eigetliche Frage war aber eie adere: Wie verlässlich kee wir de Erwartugswert? T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-45

46 Stadardfehler des arithmetische Mittelwertes Wir habe eie Grudgesamtheit, dere geaue Verteilug ubekat ist, mit Mittelwert ud Stadardabweichug Wir mache eie Stichprobe vo Messuge ud erhalte eie Mittelwert ud eie Stichprobestadardabweichug s. User Mittelwert ist gegebe durch: i i Wir betrachte u die Schätzfuktio: X X, mit idetisch verteilte Zufallsgröße X, X,..., X. i i Wie sieht die Verteilug der X aus? T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-46

47 Stadardfehler des arithmetische Mittelwertes Wie groß ist Var( X )? X X, mit idetisch verteilte Zufallsgröße X, X,..., X. i i Die Zufallsgröße X i seie uabhägig. Da gilt: Weiter: Damit: Var X i Var X ( ) i Var X i i i i Var( X i ). i ( X ). Der Stadardfehler ist ei Maß für die Geauigkeit der Agabe des Mittelwertes. T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-47

48 Der Stadardfehler Nebe der Stadardabweichug, die ei Maß für die Geauigkeit der Messmethode ist, gibt es de Stadardfehler, der ei Maß für die Verlässlichkeit der Agabe des Mittelwertes ist. s s Dies ist also der etscheidede Wert für die Agabe vo Messgeauigkeite! T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-48

49 Zur Stadardabweichug Wie groß ist der Fehler des Fehlers? Für de relative Fehler der Stadardabweichug gilt (Siehe Squires): s s Die Stadardabweichug (Geauigkeit eier Messmethode) ist umso geauer agebbar, je mehr Messuge ma durchführt. T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-49

50 Zur Stellezahl Aahme: Der recherische Wert der Stadardabweichug bei eier Messug sei s = 6,43754 Wie geau soll ich diese Wert agebe? Beispiel a: Es sid 5 Messuge durchgeführt worde. s s s /s = 0,354, d.h. s ist auf 35,4% geau bekat 35,4% vo s sid, s = 6,, Daher macht es eigetlich ur Si, s = 6 auf eie sigifikate Stelle azugebe. Der Fehler der Stadardabweichug liegt i der erste Stelle. T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-50

51 Zur Stellezahl Aahme: Der recherische Wert der Stadardabweichug bei eier Messug sei s = 6,43754 Wie geau soll ich diese Wert agebe? Beispiel b: Es sid 50 Messuge durchgeführt worde. s s s /s = 0,0, d.h. s ist auf 0,% geau bekat 0,% vo s sid 0,63 s = 6,4 0,63 Erst bei mehr als Messuge macht es i diesem Beispiel Si, s = 6, auf mehr als eie sigifikate Stelle azugebe. T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-5

52 Der Stadardfehler - Zusammefassug Die Stadardabweichug ist ei Maß für die Geauigkeit der Meßmethode. Der Stadardfehler ist ei Maß für die Verlässlichkeit der Agabe des Mittelwertes. s s Mit zuehmeder Azahl vo Messuge wird somit die Agabe des Mittelwertes der Stichprobe immer verlässlicher. Das bedeutet icht, dass das Messverfahre geauer wird! Ma ka lediglich bei dieser Messmethode (Stadardabweichug) de Mittelwert verlässlicher agebe. T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Messreihe (Stadardfehler, Stadardabweichug) Vorlesug 0-5

Übungsaufgaben - Organisatorisches

Übungsaufgaben - Organisatorisches Übugsaufgabe - Orgaisatorisches Der Abgabetermi der eue Übugsblätter ist: Motag, 4:00 Uhr Fehlerrechugsbriefkaste Der Abgabetermi der verbesserte Übugsblätter ist: Freitag, 6:00 Uhr T. Kießlig: Auswertug

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

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

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

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

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

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

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

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

Univariate Verteilungen

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters:

2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters: . Schätzverfahre. Puktschätzug wirtschaftlicher Kezahle Allgemei: Puktschätzug eies Parameters: Ermittlug eies Schätzwertes für eie ubekate Parameter eier Zufallsvariable i der Grudgesamtheit mit Hilfe

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

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

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Übug 9 1 Ihalt der heutige Übug Statistik ud Wahrscheilichkeitsrechug Iformatioe zur Testatprüfug Besprechug der der Hausübug

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 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

Anwendung für Mittelwerte

Anwendung für Mittelwerte Awedug für Mittelwerte Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe... "wahre", ubekate Mittelwert der Grudgesamtheit icht zufällig?... beobachtete Mittelwert zufällig Statistik für SoziologIe 1

Mehr

3. Grundbegrie der Schätztheorie

3. Grundbegrie der Schätztheorie Statistik, Abschitt 3. 3. Grudbegrie der Schätztheorie I der kormatorische Statistik will ma uter aderem auf Grud eier Stichprobe vom Umfag Iformatioe über ubekate Parameter θ der Verteilug F der zugrudeliegede

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

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

a) Histogramm der Verteilung: Zunächst werden die gegebenen Messwerte in aufsteigender Reihenfolge sortiert:

a) Histogramm der Verteilung: Zunächst werden die gegebenen Messwerte in aufsteigender Reihenfolge sortiert: D Lösug zu Aufgabe 2: Histogra a) Histogra der Verteilug: Zuächst werde die gegebee Messwerte i aufsteigeder Reihefolge sortiert: i 2 3 4 5 6 7 8 9 2 3 4 5 4,574 4,589 4,593 4,599 4,6 4,67 4,68 4,69 4,6

Mehr

10. Übungsblatt zur Einführung in die Stochastik

10. Übungsblatt zur Einführung in die Stochastik Fachbereich Mathematik rof. Dr. Michael Kohler Dipl.-Math. Adreas Fromkorth Dipl.-If. Jes Mehert SS 09 6.7.2009 0. Übugsblatt zur Eiführug i die Stochastik Aufgabe 38 (3 ukte Die Zufallsvariable X,...,

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

Unsere Daten. Konzentrationsmessung. Konzentrationskurve Summenkurve der Bierkonsumierung. Statistik 2. Vorlesung, Feb. 29, 2012

Unsere Daten. Konzentrationsmessung. Konzentrationskurve Summenkurve der Bierkonsumierung. Statistik 2. Vorlesung, Feb. 29, 2012 Statisti. Vorlesug, Feb. 9, Usere Date Höhe Gewicht 5 5 Coctails 5 7 75 5 7 cm Gewicht Glas Schuhgrösse Mathe 5 7 -.5..5..5..5 Reisezeit y 7 9 5 cm Mi Kozetratiosmessug Was für ei Ateil der Eiomme gehört

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

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

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

,,, 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

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

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

= 3. = 14,38... = x neu x = 0, = 97,87...%. Wie verändert sich der arithmetische Mittelwert von 20 Zahlen, wenn...

= 3. = 14,38... = x neu x = 0, = 97,87...%. Wie verändert sich der arithmetische Mittelwert von 20 Zahlen, wenn... Mathemati macht Freu()de AB Statistische Kegröße ud Boxplot Arithmetischer Mittelwert x 1, x,..., x ist eie Liste vo reelle Zahle. Das arithmetische Mittel x der Zahle ist x = x 1 + x + + x. Arithmetischer

Mehr

Übungen zu QM III Mindeststichprobenumfang

Übungen zu QM III Mindeststichprobenumfang Techische Hochschule Köl Fakultät für Wirtschafts- ud Rechtswisseschafte Prof. Dr. Arreberg Raum 221, Tel. 39 14 jutta.arreberg@th-koel.de Übuge zu QM III Mideststichprobeumfag Aufgabe 12.1 Sie arbeite

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

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler Statistik ud Wahrscheilichkeitsrechug Testatprüfug am Doerstag 5.Mai Wa? Doerstag, 5. Mai, 8:00 Uhr Dauer der

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

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

Wahrscheinlichkeitstheorie und Statistik vom

Wahrscheinlichkeitstheorie und Statistik vom INSTITUT FÜR MATHEMATISCHE STOCHASTIK WS 005/06 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Klausur Wahrscheilichkeitstheorie ud Statistik vom 9..006 Musterlösuge Aufgabe A: Gegebe sei eie Urliste

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

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

Schätzen von Populationswerten

Schätzen von Populationswerten Schätze vo Populatioswerte 7.Sitzug 35 Seite, SoSe 003 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluss Grudlage

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

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

(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

x 1, x 2,..., x n ist eine Liste von n reellen Zahlen. Das arithmetische Mittel x der Zahlen ist x = x 1 + x x n n

x 1, x 2,..., x n ist eine Liste von n reellen Zahlen. Das arithmetische Mittel x der Zahlen ist x = x 1 + x x n n Mathemati macht Freu()de AB Statistische Kegröße ud Boxplot x 1, x,..., x ist eie Liste vo reelle Zahle. Das arithmetische Mittel x der Zahle ist x = x 1 + x + + x. Arithmetischer Mittelwert Arithmetischer

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

Harmonisches Mittel. Streuungsmaße. Die mittlere Abweichung. Die Standardabweichung. Die Varianz. Statistik 3. Vorlesung, März 11, ,...

Harmonisches Mittel. Streuungsmaße. Die mittlere Abweichung. Die Standardabweichung. Die Varianz. Statistik 3. Vorlesung, März 11, ,... Statistik. Vorlesug, März, 9 Harmoisches Mittel xh = w wk +... + x x k Wobei w, w,... w k sid die gewichte (w + w + w +...+ w k = Beispiel: wir habe km mit eier Geschwidigkeit vo km/h, ud eie adere km

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

Empirische Verteilungsfunktion

Empirische Verteilungsfunktion KAPITEL 3 Empirische Verteilugsfuktio 3.1. Empirische Verteilugsfuktio Seie X 1,..., X uabhägige ud idetisch verteilte Zufallsvariable mit theoretischer Verteilugsfuktio F (t) = P[X i t]. Es sei (x 1,...,

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

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

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 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

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

Parameterschätzung. Numero, pondere et mensura Deus omnia condidit

Parameterschätzung. Numero, pondere et mensura Deus omnia condidit Parameterschätzug Numero, podere et mesura Deus omia codidit Populatio, Zufallsvariable, Stichprobe Populatio Zufallsvariable X Stichprobe x eie"realisierug vo X (Beobachtug) alle mäliche Rekrute der US

Mehr

Grundlagen der Biostatistik und Informatik

Grundlagen der Biostatistik und Informatik Vergleich vo mehrere Stichprobe Grudlage der Biostatisti ud Iformati Hypotheseprüfuge III., Nichtparametrische Methode dr László Smeller Semmelweis Uiversität 0 Vergleich vo mehrere Stichprobe Boferroi

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

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

Einstichprobentests für das arithmetische Mittel

Einstichprobentests für das arithmetische Mittel Eistichprobetests für das arithmetische Mittel H 0 : = 0 bzw. H 0 : 0 H 1 : 0 zweiseitiger Test) H 1 : 0 zweiseitiger Test) Uter Gültigkeit vo H 0 ist die achfolgede Teststatistik stadardormalverteilt.

Mehr

Evaluation & Forschungsstrategien

Evaluation & Forschungsstrategien Evaluatio & Forschugsstrategie WS2/2 Prof. Dr. G. Meihardt Johaes Guteberg Uiversität Maiz Prizipie des statistische Schliesses Samplig - Modellvorstellug Populatio Samplig Stichprobe Kewerte x Theoretische

Mehr

Statistik I für Studierende der Soziologie

Statistik I für Studierende der Soziologie Name: Matrikelummer: Formelsammlug zur Vorlesug Statistik I für Studierede der Soziologie Dr. Caroli Strobl & Gero Walter WS 2008/09 1 Eiführug 1.1 Orgaisatorisches 1.2 Grudbegriffe 1.2.1 Statistische

Mehr

Kapitel XI - Korrelationsrechnung

Kapitel XI - Korrelationsrechnung Istitut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökoometrie ud Statistik Kapitel XI - Korrelatiosrechug Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Seska Carlo Siebeschuh Aufgabe der Korrelatiosrechug

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

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

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

X X Schätzen von Vertrauensintervallen Schwankungsintervall

X X Schätzen von Vertrauensintervallen Schwankungsintervall .. Schätze vo Vertrauesitervalle..1. Schwakugsitervall Beispiel: X = Betrag vo Geldüberweisuge, ormalverteilt, µ = 5000, = 1000 Zufallsstichprobe mit = 100, Schätzer für µ: X X Gesucht: Itervall, i dem

Mehr

, h(1) =, h(2) = c. a) Säulendiagramm siehe Tafel- oder Folienskizze b) Ermittlung von c: Die Summe der relativen Häufigkeiten muss 1 sein: c = 4 9

, h(1) =, h(2) = c. a) Säulendiagramm siehe Tafel- oder Folienskizze b) Ermittlung von c: Die Summe der relativen Häufigkeiten muss 1 sein: c = 4 9 Techische Uiversität Müche SS 2006 Zetrum Mathematik Blatt 3 Prof. Dr. J. Hartl Dr. Haes Petermeier Dr. Corelia Eder Dipl.-Ig. Marti Nagel Höhere Mathematik 2 (Weihestepha). Jeder der Bewoher eies Stadtviertels

Mehr

Aufgaben zur Übung und Vertiefung

Aufgaben zur Übung und Vertiefung Aufgabe zur Übug ud Vertiefug ARITHMETISCHE ZAHLENFOLGEN Berufliches Gymasium / Uterstufe () Stelle Sie fest, welche der gegebee Folge arithmetisch sid: Bestimme Sie zuächst die erste füf Folgeglieder,

Mehr

Konfidenzintervalle. Praktische Übung Stochastik SS 2017 Lektion 10 1

Konfidenzintervalle. Praktische Übung Stochastik SS 2017 Lektion 10 1 Kofidezitervalle Praktische Übug Stochastik SS 017 Lektio 10 1 Kofidezitervalle Geerelle Aahme: Parametrisches Modell (P ϑ ) ϑ Θ Beobachtuge X 1,..., X u.i.v. ach P ϑ mit ubekatem ϑ Θ Grudidee: Schätzer

Mehr

h i :=h a i f i = h a i n Absolute Häufigkeit: Relative Häufigkeit: h 2 h 4 h 6 :=h der Elemente mit der Ausprägung i=6 zu der Anzahl n aller Werte

h i :=h a i f i = h a i n Absolute Häufigkeit: Relative Häufigkeit: h 2 h 4 h 6 :=h der Elemente mit der Ausprägung i=6 zu der Anzahl n aller Werte . Wer Rechtschreibfehler fidet, darf sie behalte. Rechefehler werde zurückgeomme. Absolute Häufigkeit: h Wie viele Elemete weise diese bestimmte Wert (= diese bestimmte Ausprägug) auf? > Azahl h der Elemete

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

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

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

Lage- und Streuungsmaße

Lage- und Streuungsmaße Statistik 1 für SoziologIe Lage- ud Streuugsmaße Uiv.Prof. Dr. Marcus Hudec Streuugsmaße Statistische Maßzahle, welche die Variabilität oder die Streubreite i de Date messe. Sie beschreibe die Abweichug

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

Mathematik 2 für Naturwissenschaften

Mathematik 2 für Naturwissenschaften Has Walser Mathematik für Naturwisseschafte Modul 0 Regressiosgerade ud Korrelatio Has Walser: Modul 0, Regressiosgerade ud Korrelatio ii Ihalt Die Regressiosgerade.... Problemstellug.... Berechug der

Mehr

Kapitel 2. Kapitel 1 Skalierungen. Graphische Darstellungen. Seite 1/5 Deskriptive Statistik. Aufgabe 1 Welche Skalenniveaus liegen vor?

Kapitel 2. Kapitel 1 Skalierungen. Graphische Darstellungen. Seite 1/5 Deskriptive Statistik. Aufgabe 1 Welche Skalenniveaus liegen vor? Seite 1/5 Deskriptive Statistik Kapitel 1 Skalieruge Aufgabe 1 Welche Skaleiveaus liege vor? Telefoummer Hausummer Ihalt vo Bierflasche i Zetiliter Haushaltsgröße i Persoe Lägegrade Nummerschilder Kapitel

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

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

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

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

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

Diskrete Wahrscheinlichkeitstheorie Wiederholungsklausur

Diskrete Wahrscheinlichkeitstheorie Wiederholungsklausur Techische Uiversität Müche Sommersemester 007 Istitut für Iformatik Prof. Dr. Javier Esparza Diskrete Wahrscheilichkeitstheorie Wiederholugsklausur LÖSUNG Hiweis: Bei alle Aufgabe wird ebe dem gefragte

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

Angewandte Mathematik und Programmierung

Angewandte Mathematik und Programmierung Agewadte Mathematik ud Programmierug Eiführug i das Kozept der objektorietierte Aweduge zu wisseschaftliche Reches mit C++ ud Matlab SS03 Orgaisatorisches Dozete Gruppe: Ago (.50), Ludger Buchma(.50) Webseite:

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