Fehlerfortpflanzung. M. Schlup. 27. Mai 2011
|
|
- Reinhold Holst
- vor 7 Jahren
- Abrufe
Transkript
1 Fehlerfortpflanzung M. Schlup 7. Mai 0 Wird eine nicht direkt messbare physikalische Grösse durch das Messen anderer Grössen ermittelt, so stellt sich die Frage, wie die Unsicherheitsschranke dieser nicht-messbaren Grösse aus den Unsicherheiten der Teilgrössen bestimmt werden kann. Für die hier gemachten Überlegungen sollen die folgenden Annahmen und Festlegungen gelten: Für die aus n Teilgrössen x,..., x n zusammengesetzte Grösse y wird die folgende Funktion als bekannt vorausgesetzt: y f(x, x,..., x n ) () Der indirekt ermittelte Messwert m y von y wird aus den Messwerten m x,..., m xn der Teilgrössen x,..., x n nach derselben Funktion bestimmt: m y f(m x, m x,..., m xn ) () Es wird angenommen, dass die Messwerte m x,..., m xn voneinander unabhängig sind, d. h. ihre zufälligen Werte nicht voneinander abhängen und dass ihre Messunsicherheiten s x,..., s xn als geschätzte Standardabweichungen oder Streuungen 3 gegeben sind. Dabei spielt es keine Rolle welche Dichtefunktionen die Teilgrössen aufweisen, z. B. ob diese gleich- oder normalverteilt sind. Um die Messunsicherheit eines Ergebnisses zu bestimmen, welches aus mehreren fehlerbehafteten Grössen berechnet wird, muss die Empfindlichkeit des Ergebnisses auf die einzelnen Komponenten ermittelt werden. Diese kann bei nicht allzu grossen Fehlertermen durch Linearisierung, d. h. bilden der partiellen Ableitung 4 bestimmt werden. Die geschätzte Streuung Der Messwert einer Teilgrösse wird im Allgemeinen durch den (linearen) Mittelwert der Ergebnisse von mehreren Messungen geschätzt. Dies bedeutet auch, dass die Grössen x,..., x n ebenfalls voneinander unabhängig sein müssen. 3 Die Standardabweichung oder Streuung σ k einer stochastischen Grösse ist ein statistisches Mass für die Unsicherheit dieser Grösse. Im (üblichen) Fall einer Normalverteilung (Gauß-Verteilung) der Zufallsgrösse, beträgt die Wahrscheinlichkeit, dass sich die Zufallsgrösse im Bereich ±σ um deren Mittelwert befindet, ca. 68% (so genannter 68%-Vertrauensbereich). 4 Partiell bedeutet teilweise. Bei einer Funktion von mehreren (unabhängigen) Variablen kann die Ableitung nach jeder dieser Variablen einzeln gebildet werden. Dabei werden die anderen Variablen (nach welchen gerade nicht abgeleitet wird) als konstant angenommen. Die Differentiale werden um dies hervorzuheben mit einem runden geschrieben, anstelle des gewöhnlichen d, wie bei Funktionen mit nur einer Variablen.
2 s y der Unsicherheit der Grösse y berechnet sich aus den Unsicherheiten s x,..., s xn der unabhängigen Grössen x k wie folgt: s y ( x ( ) ( ) s x + s x x + + s x x n (3) n In der folgenden Tabelle sind Empfindlichkeiten für häufig auftretende Funktionen zu finden: Tabelle : Empfindlichkeiten Tabelle der Ableitungen für die gebräuchlichsten Verknüpfungen Funktion y f(x, x, ) x x x 3 Funktionen einer Variablen: y ax a y ax + bx + c ax + b y a 3 x 3 + a x + a x + a 0 3a 3 x + a x + a y a x a x y a x a x Funktionen zweier Variablen: y ax + bx a b y ax + bx x + cx + d ax + bx bx + cx y a x x a x a x x y x x x x x x y x x x +x ( x x +x ( x x +x Funktionen dreier Variablen: y x x x 3 x 3 x 3 x x x 3
3 Beispiel Spannungssumme (Maschensatz) U f(u, U, U 3 ) U + U U 3 s U 3 s U + s U + ( s U 3 s U + s U + s U 3 (4) Das Ergebnis der Gleichung (4) lässt sich als vereinfachte Fehlerfortpflanzungsregel verallgemeinern: Im Fall von Summen oder Differenzen von unabhängigen Grössen, lässt sich die Unsicherheit des Ergebnisses durch das Quadratische Mittel der Unsicherheiten dieser Grössen berechnen. Anders ausgedrückt: Die Varianz 5 des Ergebnisses entspricht der Summe der Varianzen der Bestandteile. Beispiel Leistung (aus Spannungs- und Strommessung) P f(u, I) UI P I m I P I U m U s P m I s U + m U s I (5) Das Ergebnis der Gleichung (5) lässt sich durch Division mit der Leistung m P m I und Quadrieren (optisch) vereinfachen: ( sp ( su ( si + bzw. m P m U m I ( ( su si s P m P + m I (6) Das Ergebnis der Gleichung (6) lässt sich ebenfalls als vereinfachte Fehlerfortpflanzungsregel verallgemeinern: 5 Als Varianz bezeichnet man das Quadrat der Streuung. 3
4 Im Fall von Produkte oder Quotienten von unabhängigen Grössen, lässt sich die relative Unsicherheit des Ergebnisses durch das Quadratische Mittel der relativen Unsicherheiten dieser Grössen berechnen. Anders ausgedrückt: Die relative Varianz des Ergebnisses entspricht der Summe der relativen Varianzen der Bestandteile. Beispiel 3 Umrechnung Widerstand in Leitwert Dieser Fall ist so überrachend wie einfach. Beispiel 4 G f(r) R G R R G R m G s G m G s R m R s R m R m R Kapazität (z. B. bei messtechnischer Bestimmung mit KO) C f(u c,, R m, f) I c ωu c πfr m U c C m C m πfr m U c m Um c πfr m Uc C m C U c m Uc R m πfrmu C m C c R m πf C R m U c f m C s C m C ( s Um m Um m Rm m f ( ( ) ( suc srm sf m Uc m Rm m f Das Ergebnis entspricht hier der selben Fehlerfortpflanznugsregel gemäss dem Beispiel entsprechend der Gleichung (6). Beispiel 5 Blindleistung (kapazitiv, berechnet aus Schein- und Wirkleistung) Q f(s, P ) S P Q S S S P S Q m S Q P P S P P Q m P 4
5 s Q ( ms ( s S + mp s P Hier kann kann offensichtlich keine vereinfachte Regel für die Fehlerfortpflanzung angewendet werden, da die Formel für Q weder aus reinen Produkten und Quotienten noch aus reinen Summen und Differenzen besteht. Beispiel 6 Ersatzwiderstand (Parallelschaltung) R f(r, R ) R R R + R R R ( ) (R + R ) R R ( ) R R ( mr R (R + R R + R R m R R R ( ) (R + R ) R R ( ) R R ( mr R (R + R R + R R m R s R ( mr m R ) 4 ( ) 4 s mr R + s R m R Hier kann kann ebenfalls keine vereinfachte Regel für die Fehlerfortpflanzung angewendet werden. 5
1 Messfehler. 1.1 Systematischer Fehler. 1.2 Statistische Fehler
1 Messfehler Jede Messung ist ungenau, hat einen Fehler. Wenn Sie zum Beispiel die Schwingungsdauer eines Pendels messen, werden Sie - trotz gleicher experimenteller Anordnungen - unterschiedliche Messwerte
MehrEinführung in die Theorie der Messfehler
Einführung in die Theorie der Messfehler Ziel der Vorlesung: Die Studentinnen/Studenten sollen die Grundlagen der Theorie der Messfehler sowie den Unterschied zwischen Ausgleichsrechnung und statistischer
MehrEinführung. Fehlerarten
Einführung Jede Messung ist mit einer Messunsicherheit behaftet. Die Unsicherheit bezieht sich dabei nicht auf eine falsche Durchführung der Messung, sondern auf die Tatsache, dass jede von einem Menschen
MehrFehler- und Ausgleichsrechnung
Fehler- und Ausgleichsrechnung Daniel Gerth Daniel Gerth (JKU) Fehler- und Ausgleichsrechnung 1 / 12 Überblick Fehler- und Ausgleichsrechnung Dieses Kapitel erklärt: Wie man Ausgleichsrechnung betreibt
MehrMathematik für Naturwissenschaften, Teil 2
Lösungsvorschläge für die Aufgaben zur Vorlesung Mathematik für Naturwissenschaften, Teil Zusatzblatt SS 09 Dr. J. Schürmann keine Abgabe Aufgabe : Eine Familie habe fünf Kinder. Wir nehmen an, dass die
MehrPhysikalische Übungen für Pharmazeuten
Helmholtz-Institut für Strahlen- und Kernphysik Seminar Physikalische Übungen für Pharmazeuten Ch. Wendel Max Becker Karsten Koop Dr. Christoph Wendel Übersicht Inhalt des Seminars Praktikum - Vorbereitung
Mehr5. Meßfehler. Zufällige Messfehler machen das Ergebnis unsicher - ihre Abschätzung ist nur unter Verwendung statistischer Methoden durchführbar
5. Meßfehler Man unterscheidet... zufällige Meßfehler systematische Meßfehler Zufällige Messfehler machen das Ergebnis unsicher - ihre Abschätzung ist nur unter Verwendung statistischer Methoden durchführbar
MehrMessen elektrischer Größen (MT I) Elektronische Messtechnik. Klausurvorbereitung
Messen elektrischer Größen (MT I) Elektronische Messtechnik Klausurvorbereitung Prof. Dr.-Ing. Clemens Gühmann Technische Universität Berlin Fakultät IV Elektrotechnik und Informatik Institut für Energie
MehrEinführungsseminar S1 Elemente der Fehlerrechnung. Physikalisches Praktikum der Fakultät für Physik und Astronomie Ruhr-Universität Bochum
Einführungsseminar S1 Elemente der Fehlerrechnung Physikalisches Praktikum der Fakultät für Physik und Astronomie Ruhr-Universität Bochum Literatur Wolfgang Kamke Der Umgang mit experimentellen Daten,
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage
MehrStetige Verteilungen Rechteckverteilung
Stetige Verteilungen Rechteckverteilung Die Längenabweichungen X produzierter Werkstücke von der Norm seien gleichmäßig verteilt zwischen a = mm und b = 4mm. Die Dichtefunktion lautet also f(x) = für a
MehrStatistik für Ingenieure Vorlesung 3
Statistik für Ingenieure Vorlesung 3 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 14. November 2017 3. Zufallsgrößen 3.1 Zufallsgrößen und ihre Verteilung Häufig sind
MehrProbleme bei kleinen Stichprobenumfängen und t-verteilung
Probleme bei kleinen Stichprobenumfängen und t-verteilung Fassen wir zusammen: Wir sind bisher von der Frage ausgegangen, mit welcher Wahrscheinlichkeit der Mittelwert einer empirischen Stichprobe vom
MehrFehlerabschätzung und Fehlerrechnung
Fehlerabschätzung und Fehlerrechnung 4 März 2010 I Fehlerabschätzung I1 Allgemeines Jeder physikalische Messwert ist mit einem Fehler behaftet Man unterscheidet nach systematischen und zufälligen Fehlern
Mehr5. Spezielle stetige Verteilungen
5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für
MehrVermessungskunde für Bauingenieure und Geodäten
Vermessungskunde für Bauingenieure und Geodäten Übung 5: statistische Auswertung gleichgenauer Messungen Milo Hirsch Hendrik Hellmers Florian Schill Institut für Geodäsie Fachbereich 3 Inhaltsverzeichnis
MehrPhysik für Biologen und Zahnmediziner
Physik für Biologen und Zahnmediziner Propädeutikum 4: Messfehler und Vektoren Dr. Daniel Bick 25. Oktober 2013 Daniel Bick Physik für Biologen und Zahnmediziner 25. Oktober 2013 1 / 41 Organisatorisches
MehrStatistik I für Betriebswirte Vorlesung 4
Statistik I für Betriebswirte Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 25. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrAnfänger-Praktikum I WS 11/12. Michael Seidling Timo Raab Enrico Mank. Praktikumsbericht: Galton-Brett
Anfänger-Praktikum I WS 11/12 Michael Seidling Timo Raab Enrico Mank Praktikumsbericht: Galton-Brett Inhaltsverzeichnis Inhaltsverzeichnis I. Theoretische Grundlagen 2 1. Zentraler Grenzwertsatz 2 2. Binomialverteilung
MehrCHEMISCHES RECHNEN II ANALYT. CHEM. FÜR FORTGS
Arbeitsunterlagen zu den VU CHEMISCHES RECHNEN II - 771.119 Einheit 5 ANALYT. CHEM. FÜR FORTGS. - 771.314 Einheit 4 ao. Prof. Dr. Thomas Prohaska (Auflage Mai 2005) Einführung in die Metrology in Chemistry
MehrEinführung in die Fehlerrechnung und Messdatenauswertung
Grundpraktikum der Physik Einführung in die Fehlerrechnung und Messdatenauswertung Wolfgang Limmer Institut für Halbleiterphysik 1 Fehlerrechnung 1.1 Motivation Bei einem Experiment soll der Wert einer
MehrStatistik I für Betriebswirte Vorlesung 3
Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 15. April 2019 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 1. April
Mehr7.2 Mittelwert einer Stichprobe
66 7.2 Mittelwert einer Stichprobe Gegeben ist eine normalverteilte Grundgesamtheit. Mit Hilfe einer Stichprobe möchten wir Aussagen über den unbekannten Mittelwert µ dieser Grundgesamtheit machen. Wenn
MehrPhysikübungsaufgaben Institut für math.-nat. Grundlagen (IfG)
Datei Abbildungsgleichung.docx Titel Abbildungsgleichung Abbildungsgleichung Gegeben sei folgende Gleichung: n 1 a n1 a n n R Eine Serie von Messungen ergibt für die Gegenstandsweite einen mittleren Wert
MehrStatistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
MehrFehlerrechnung. Bei physikalisch-technischen Messungen können systematische und zufällige Fehler auftreten.
Seite 1 / 6 H.C. iehuus Fehlerrechnung Bei physikalisch-technischen Messungen können systematische und zufällige Fehler auftreten. Systematische Fehler erzeugen systematische Effekte. Falsch kalibrierte
MehrEinführung in die Fehlerrechnung
1 Einführung in die Fehlerrechnung liederung 1. Motivation. Fehlerarten 1. robe Fehler. Systematische Fehler 3. Zufällige Fehler 3. Rechnerische Erfassung der Messabweichungen 1. Fehlerabschätzung einmaliges
MehrAllgemeine Chemie Computer Praktikum Frühjahrssemester Regressions-Tutorial Lineare und nicht-lineare Regression
1 Einführung Allgemeine Chemie Computer Praktikum Frühjahrssemester Regressions-Tutorial Lineare und nicht-lineare Regression Datenauswertung In einem naturwissenschaftlichen Experiment werden Sie meist
MehrSchnellkurs und Übersicht zur Gröÿtfehlerabschätzung und Fehlerrechnung
1 Schnellkurs und Übersicht zur Gröÿtfehlerabschätzung und Fehlerrechnung Zum Messergebnis gehören immer eine Fehlerangabe und nur signikante Stellen 1 Beim Messen arbeiten wir mit Näherungswerten! Selbst
MehrVersuch 2 Kirchhoff'sche Gesetze (Bilanzgesetze)
1/6 Lernziele Versuch 2 Kirchhoff'sche Gesetze (Bilanzgesetze) Sie kennen die Kirchhoff'schen Gesetze und können den Maschen- sowie den Knotensatz in ihrer Bedeutung als Bilanzgesetze erläutern. Sie können
MehrEine Firma will den Zusammenhang zwischen Werbungskosten und Absatz untersuchen. Dazu nimmt sie zunächst eine Stichprobe dieser beiden Merkmale
Wirtschaftswissenschaftliches Zentrum 4 Universität Basel Statistik Dr. Thomas Zehrt Regression Motivation Eine Firma will den Zusammenhang zwischen Werbungskosten und Absatz untersuchen. Dazu nimmt sie
MehrSignalverarbeitung 2. Volker Stahl - 1 -
- 1 - Überblick Bessere Modelle, die nicht nur den Mittelwert von Referenzvektoren sondern auch deren Varianz berücksichtigen Weniger Fehlklassifikationen Mahalanobis Abstand Besseres Abstandsmaß basierend
MehrMetrologie = Wissenschaft vom Messen. Messunsicherheit von Analysenergebnissen. VU Chemisch Rechnen
Metrologie = Wissenschaft vom Messen Messunsicherheit von Analysenergebnissen Wer mißt, mißt Mist!! Metrologie Meteorologie Kräht der Hahn am Mist, Ändert sich das Wetter oder es bleibt, wie es ist!! Inhalt
MehrPraktikum zur Vorlesung Einführung in die Geophysik
Praktikum zur Vorlesung Einführung in die Geophysik Hinweise zum Praktikum: Messunsicherheit und Fehlerrechnung Stefan Wenk, Prof. Thomas Bohlen TU Bergakademie Freiberg Institut für Geophysik www.geophysik.tufreiberg.de/pages/studenten/praktika/nebenfaechlerpraktikum.htm
MehrEinführung Fehlerrechnung
Einführung Fehlerrechnung Bei jeder Messung, ob Einzelmessung oder Messreihe, muss eine Aussage über die Güte ( Wie groß ist der Fehler? ) des Messergebnisses gemacht werden. Mögliche Fehlerarten 1. Systematische
MehrVerteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen. Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung
Verteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung Typisierung der stetigen theoretischen Verteilungen Bibliografie:
Mehr2. Parallel- und Reihenschaltung. Resonanz
Themen: Parallel- und Reihenschaltungen RLC Darstellung auf komplexen Ebene Resonanzerscheinungen // Schwingkreise Leistung bei Resonanz Blindleistungskompensation 1 Reihenschaltung R, L, C R L C U L U
Mehr12GE1 - Wiederholung - Verbesserung Praktikum 01
12GE1 - Wiederholung - Verbesserung Praktikum 01 Raymond KNEIP, LYCÉE DES ARTS ET MÉTIERS September 2015 1 Die gleichförmige Bewegung Dritte Reihe der Tabelle: s/t (m/s) (F.I.) 0.5 0.5 0.5 0.5 a. Der Quotient
MehrMathematica: u=5;s=1;plot[exp[-0.5((x-u)/s)^2],{x,0,10}] 76
4. Normalverteilung Gauß'sche Glockenkurve: P(a X b) = b 1 x 1 a e dx 1 0.8 0.6 0.4 0. 4 6 8 10 Mathematica: u=5;s=1;plot[exp[-0.5((x-u)/s)^],{x,0,10}] 76 Zentraler Grenzwertsatz: Es sei X 1, X,... eine
MehrMaurizio Musso, Universität Salzburg, ver Physikalische Grundlagen der Meßtechnik. Teil 2
Teil 2 Auswertung von Messungen, zufällige oder statistische Abweichungen Auswertung direkter Messungen Häufigkeitsverteilung, Häufigkeitsfunktion Mittelwert, Standardabweichung der Einzelwerte Standardabweichung
MehrLineare Gleichungen Exkurs: Binomische Formeln Quadratische Gleichungen Exkurs: Polynomdivision Polynomgleichungen
Gleichungen Lineare Gleichungen Exkurs: Binomische Formeln Quadratische Gleichungen Exkurs: Polynomdivision Polynomgleichungen Lineare Gleichungen Lineare Gleichungen ax + b = 0 Lineare Gleichungen ax
MehrBivariate Regressionsanalyse
Universität Bielefeld 15. März 2005 Kovarianz, Korrelation und Regression Kovarianz, Korrelation und Regression Ausgangspunkt ist folgende Datenmatrix: Variablen 1 2... NI 1 x 11 x 12... x 1k 2 x 21 x
MehrMathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007
Mathematik IV für Maschinenbau und Informatik Stochastik Universität Rostock, Institut für Mathematik Sommersemester 007 Prof. Dr. F. Liese Dipl.-Math. M. Helwich Serie Termin: 9. Juni 007 Aufgabe 3 Punkte
Mehr1 Dichte- und Verteilungsfunktion
Tutorium Yannick Schrör Klausurvorbereitungsaufgaben Statistik Lösungen Yannick.Schroer@rub.de 9.2.26 ID /455 Dichte- und Verteilungsfunktion Ein tüchtiger Professor lässt jährlich 2 Bücher drucken. Die
MehrLK Lorentzkraft. Inhaltsverzeichnis. Moritz Stoll, Marcel Schmittfull (Gruppe 2) 25. April Einführung 2
LK Lorentzkraft Blockpraktikum Frühjahr 2007 (Gruppe 2) 25. April 2007 Inhaltsverzeichnis 1 Einführung 2 2 Theoretische Grundlagen 2 2.1 Magnetfeld dünner Leiter und Spulen......... 2 2.2 Lorentzkraft........................
Mehr5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrDie Stochastischen Eigenschaften von OLS
Die Stochastischen Eigenschaften von OLS Das Bivariate Modell Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Wiederholung
Mehr13 Mehrdimensionale Zufallsvariablen Zufallsvektoren
3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem
MehrAufgaben zu Messfehlern
Aufgaben zu Messfehlern. Aufgabe Ein Spannungsmesser zeigt 35V, das sind 2,5% zuviel. Wie groß ist der absolute Fehler und der wahre Wert? 2. Aufgabe Ein Spannungsmesser zeigt an einer Eichspannungsquelle
MehrElektrische Messtechnik, Labor
Institut für Elektrische Messtechnik und Messsignalverarbeitung Elektrische Messtechnik, Labor Messbrücken und Leistungsmessung Studienassistentin/Studienassistent Gruppe Datum Note Nachname, Vorname Matrikelnummer
MehrMathematik 2 Probeprüfung 1
WWZ Wirtschaftswissenschaftliche Fakultät der Universität Basel Dr. Thomas Zehrt Bitte in Druckbuchstaben ausfüllen: Name Vorname Mathematik 2 Probeprüfung 1 Zeit: 90 Minuten, Maximale Punktzahl: 72 Zur
MehrPhysik für Biologen und Zahnmediziner
Physik für Biologen und Zahnmediziner Übungen zur Klausur über das Propädeutikum Dr. Daniel Bick 08. November 2013 Daniel Bick Physik für Biologen und Zahnmediziner 08. November 2013 1 / 27 Information
Mehr5. Seminar Statistik
Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation
MehrÜbung 1: Wiederholung Wahrscheinlichkeitstheorie
Übung 1: Wiederholung Wahrscheinlichkeitstheorie Ü1.1 Zufallsvariablen Eine Zufallsvariable ist eine Variable, deren numerischer Wert solange unbekannt ist, bis er beobachtet wird. Der Wert einer Zufallsvariable
MehrAnwendungen der Differentialrechnung
KAPITEL 3 Anwendungen der Differentialrechnung 3.1 Lokale Maxima und Minima Definition 16: Sei f : D R eine Funktion von n Veränderlichen. Ein Punkt x heißt lokale oder relative Maximalstelle bzw. Minimalstelle
MehrAuswertung von Messungen Teil II
Auswertung von Messungen Teil II 1. Grundgesamtheit und Stichprobe. Modellverteilungen.1 Normalverteilung. Binominalverteilung.3 Poissonverteilung.4 Näherungen von Binominal- und Poissonverteilung 3. Zentraler
MehrMesstechnische Grundlagen und Fehlerbetrachtung. (inkl. Fehlerrechnung)
Messtechnische Grundlagen und Fehlerbetrachtung (inkl. Fehlerrechnung) Länge Masse Zeit Elektrische Stromstärke Thermodynamische Temperatur Lichtstärke Stoffmenge Basisgrößen des SI-Systems Meter (m) Kilogramm
MehrÜbungen zur Vorlesung Statistische Methoden Kapitel 1-2
TECHNISCHE UNIVERSITÄT DORTMUND Sommersemester 2011 FAKULTÄT STATISTIK Dr. M. Arnold Dipl.-Stat. R. Walter Übungen zur Vorlesung Statistische Methoden Kapitel 1-2 Aufgabe 1: Gegeben ist eine diskrete Zufallsvariable
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 2. Stock, Nordflügel R. 02-429 (Persike) R. 02-431 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrFehlerfortpflanzung & Extremwertbestimmung. Folie 1
Fehlerfortpflanzung & Etremwertbestimmung Folie 1 Fehlerfortpflanzung Einführung In vielen technischen Zusammenhängen sind die Werte bestimmter Größen nicht genau bekannt sondern mit einer Unsicherheit
MehrCarl-Engler-Schule Karlsruhe Physik-Labor (BS/BK/FS) 1 (5)
Carl-Engler-Schule Karlsruhe Physik-Labor (BS/BK/FS) (5) Laborversuch: Bessel-Verfahren. Grundlagen Bei der Bestimmung der Brennweite einer Sammellinse lassen sich die Gegenstands- und Bildweite direkt
MehrAufgabe 1 (8= Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten:
Aufgabe 1 (8=2+2+2+2 Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten: Die Zufallsvariable X bezeichne die Note. 1443533523253. a) Wie groß ist h(x 5)? Kreuzen
MehrAufgaben. d) Seien X und Y Poissonverteilt mit Parameter µ, X, Y P(µ). 2. Dann ist die Summe auch Poissonverteilt mit (X + Y ) P(2µ).
Aufgaben 1. Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete Frage 1 Punkt und pro falsche Antwort 1/2 Punkt Abzug. Minimal erhält man für die gesamte
MehrKlausur vom
UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Dominik Faas Stochastik Wintersemester 00/0 Klausur vom 09.06.0 Aufgabe (++4=9 Punkte) Bei einer Umfrage wurden n Personen befragt, an wievielen Tagen
MehrEinführung in die Maximum Likelihood Methodik
in die Maximum Likelihood Methodik Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Gliederung 1 2 3 4 2 / 31 Maximum Likelihood
MehrWahrscheinlichkeit und Statistik: Zusammenfassung
HSR Hochschule für Technik Rapperswil Wahrscheinlichkeit und Statistik: Zusammenfassung beinhaltet Teile des Skripts von Herrn Hardy von Lukas Wilhelm lwilhelm.net 12. Januar 2007 Inhaltsverzeichnis 1
MehrDie n-dimensionale Normalverteilung
U. Mortensen Die n-dimensionale Normalverteilung Es wird zunächst die -dimensionale Normalverteilung betrachtet. Die zufälligen Veränderlichen X und Y seien normalverteilt. Gesucht ist die gemeinsame Verteilung
MehrElastizität Hooke sches Gesetz
Elastizität Hooke sches Gesetz Im linearen (elastischen) Bereich gilt: Die Spannung ist proportional zur Dehnung F E A E l l Die Proportionalitätskonstante heißt: Elastizitätsmodul. Das makroskopische
MehrSeminar Biopharmazie. Statistik. nur was für Unsichere oder ist sie ihr Geld wert?
Seminar Biopharmazie Statistik nur was für Unsichere oder ist sie ihr Geld wert? Biopharmazie Statistik 1 Allgemeine Symbole Probenstatistik Verteilungs- Funktion Mittelwert bzw. Erwartungswert für n µ
MehrHypothesentests für Erwartungswert und Median. Statistik (Biol./Pharm./HST) FS 2015
Hypothesentests für Erwartungswert und Median Statistik (Biol./Pharm./HST) FS 2015 Normalverteilung X N μ, σ 2 X ist normalverteilt mit Erwartungswert μ und Varianz σ 2 pdf: pdf cdf:??? cdf 1 Zentraler
MehrStatistik Übungsblatt 5
Statistik Übungsblatt 5 1. Gaussverteilung Die Verteilung der Messwerte einer Grösse sei durch eine Gaussverteilung mit Mittelwert µ = 7.2 und σ = 1.2 gegeben. (a) Wie gross ist die Wahrscheinlichkeit
Mehrsimple lineare Regression kurvilineare Regression Bestimmtheitsmaß und Konfidenzintervall
Regression Korrelation simple lineare Regression kurvilineare Regression Bestimmtheitsmaß und Konfidenzintervall Zusammenhänge zw. Variablen Betrachtet man mehr als eine Variable, so besteht immer auch
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrDatenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
PHY3 Herbstsemester 04 Olaf Steinkamp Physik-Institut der Universität Zürich Winterthurerstrasse 90 CH-8057 Zürich olafs@physik.uzh.ch Büro: 36-J- Tel.: 044-635.57.63 Vorlesungsprogramm Einführung, Messunsicherheiten,
MehrFehlerrechnung. Einführung. Jede Messung ist fehlerbehaftet! Ursachen:
Fehlerrechnung Einführung Jede Messung ist fehlerbehaftet! Ursachen: Ablesefehler (Parallaxe, Reaktionszeit) begrenzte Genauigkeit der Messgeräte falsche Kalibrierung/Eichung der Messgeräte Digitalisierungs-Fehler
MehrMesstechnische Ermittlung der Größen komplexer Bauelemente
TFH Berlin Messtechnik Labor Seite 1 von 9 Messtechnische Ermittlung der Größen komplexer Bauelemente Ort: TFH Berlin Datum: 08.12.03 Uhrzeit: Dozent: Arbeitsgruppe: von 8.00 bis 11.30 Uhr Prof. Dr.-Ing.
MehrBisher haben wir nur Gleichungen kennengelernt, die ein einfaches x beinhalten: x + 9 = 17-9 x = 8. D. Faber
Bisher haben wir nur Gleichungen kennengelernt, die ein einfaches x beinhalten: x + 9 = 17-9 x = 8 Bisher haben wir nur Gleichungen kennengelernt, die ein einfaches x beinhalten: x + 9 = 17-9 x = 8 Diese
MehrMessunsicherheit und Fehlerrechnung
Messunsicherheit und Fehlerrechnung p. 1/25 Messunsicherheit und Fehlerrechnung Kurzeinführung Peter Riegler p.riegler@fh-wolfenbuettel.de Fachhochschule Braunschweig/Wolfenbüttel Messunsicherheit und
Mehr1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung
0 Einführung 1 Wahrscheinlichkeitsrechnung Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Intervallschätzung Motivation und Hinführung Der wahre Anteil der rot-grün Wähler 009 war genau
MehrEine zweidimensionale Stichprobe
Eine zweidimensionale Stichprobe liegt vor, wenn zwei qualitative Merkmale gleichzeitig betrachtet werden. Eine Urliste besteht dann aus Wertepaaren (x i, y i ) R 2 und hat die Form (x 1, y 1 ), (x 2,
MehrGalton'sches Brett. Anfängerpraktikum 12/13. Inhaltsverzeichnis. Simeon Beinlich und Rebekka Garreis Universtität Konstanz.
S.Beinlich & R.Garreis Inhaltsverzeichnis Galton'sches Brett Anfängerpraktikum 12/13 Simeon Beinlich und Rebekka Garreis 10.12.2012 Universtität Konstanz Inhaltsverzeichnis 1 Einleitung 2 2 Grundlagen
MehrVerwendung von Fourier-Koeffizienten zum Testen auf Gleichverteilung
Verwendung von Fourier-Koeffizienten zum Testen auf Gleichverteilung Jan Behrens. Juni 008 Ziel soll es sein, zu einer Stichprobe von Zufallszahlen den eindeutig definierten Wert g(h) zwischen 0 und zu
MehrMATHEMATIK 3 STUNDEN
EUROPÄISCHES ABITUR 2013 MATHEMATIK 3 STUNDEN DATUM : 10. Juni 2013, Vormittag DAUER DER PRÜFUNG: 2 Stunden (120 Minuten) ERLAUBTES HILFSMITTEL Prüfung mit technologischem Hilfsmittel 1/6 DE AUFGABE B1
MehrChi-Quadrat-Verteilung
Chi-Quadrat-Verteilung Wikipedia http://de.wikipedia.org/wiki/chi-quadrat-verteilung 1 von 7 6/18/2009 6:13 PM Chi-Quadrat-Verteilung aus Wikipedia, der freien Enzyklopädie Die Chi-Quadrat-Verteilung ist
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:
MehrDatenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse PHY31 Herbstsemester 016 Olaf Steinkamp 36-J- olafs@physik.uzh.ch 044 63 55763 Vorlesungsprogramm Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und
Mehr1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Hypothesentests. 5 Regression
0 Einführung 1 Wahrscheinlichkeitsrechnung 2 Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Hypothesentests 5 Regression Zufallsgrößen Ergebnisse von Zufallsexperimenten werden als Zahlen
MehrKapitel 1:»Rechnen« c 3 c 4 c) b 5 c 4. c 2 ) d) (2x + 3) 2 e) (2x + 0,01)(2x 0,01) f) (19,87) 2
Kapitel :»Rechnen«Übung.: Multiplizieren Sie die Terme so weit wie möglich aus. a /5 a 5 Versuchen Sie, vorteilhaft zu rechnen. Übung.2: Berechnen Sie 9% von 2573. c 3 c 4 b 5 c 4 ( b 2 c 2 ) (2x + 3)
MehrVersuch 11 Einführungsversuch
Versuch 11 Einführungsversuch I Vorbemerkung Ziel der Einführungsveranstaltung ist es Sie mit grundlegenden Techniken des Experimentierens und der Auswertung der Messdaten vertraut zu machen. Diese Grundkenntnisse
MehrRechenmethoden der Physik
May-Britt Kallenrode Rechenmethoden der Physik Mathematischer Begleiter zur Experimentalphysik Mit 47 Abbildungen, 297 Aufgaben und Lösungen Springer Teil I Erste Schritte Rechnen in der Mechanik Rechnen
MehrVersuchsprotokoll von Thomas Bauer und Patrick Fritzsch. Münster, den
E Wheatstonesche Brücke Versuchsprotokoll von Thomas Bauer und Patrick Fritzsch Münster, den 7..000 INHALTSVEZEICHNIS. Einleitung. Theoretische Grundlagen. Die Wheatstonesche Brücke. Gleichstrombrücke
MehrHinweise zum praktischen Experimentieren. RüdigerScholz/April 2014/1
Hinweise zum praktischen Experimentieren RüdigerScholz/April 014/1 Grundlagen der Messtechnik Messen und Auswerten Gefahrenquellen Messunsicherheiten und Statistik RüdigerScholz/April 014/ Messen und Auswerten
Mehrp = h n (K)= Juli vl smart vp qk notebook Praktische Lösung des Problems: mit den Werten
I. Eigenschaften von Schätzfunktionen Wir wollen den unbekannten Anteil p von Autos ermitteln, die mit Katalysator fahren. Mathematisch können wir das Problem wie folgt beschreiben: Sei X der Autotyp eines
Mehr5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrMessunsicherheitsanalyse Tag 1
Messunsicherheitsanalyse Tag 1 1 REGELN ZUR ANGABE UND VERWENDUNG Regel Nr. 1: Angabe von Messwerten Messwert x und zugehörige Unsicherheit u(x) werden häufig in folgender Form angegeben: x ± u(x) Hinweis:
MehrMarcel Dettling. GdM 2: LinAlg & Statistik FS 2017 Woche 11. Winterthur, 10. Mai Institut für Datenanalyse und Prozessdesign
Marcel Dettling Institut für Datenanalyse und Prozessdesign Zürcher Hochschule für Angewandte Wissenschaften marcel.dettling@zhaw.ch http://stat.ethz.ch/~dettling Winterthur, 10. Mai 017 1 Zufallsvariablen:
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
Mehr