Grundlagen der Statistik und Fehlerrechnung
|
|
- Hannah Berg
- vor 7 Jahren
- Abrufe
Transkript
1 Physikalisches Grundpraktikum Teil 1 WS 2010/2011 Grundlagen der Statistik und Fehlerrechnung Stefan Diehl HS I CHEG18
2 Inhalt Grundbegriffe der Statistik Wahrscheinlichkeitsverteilungen Fehlerfortpflanzung Graphische Darstellung und Analyse von Messwerten Fehlerrechnung bei graphischen Darstellungen
3 Warum beschäftigen wir uns mit Statistik? Alle Messgrößen sind mit Fehlern behaftet! Fehler ermöglicht Aussage über Qualität des gemessenen Wertes! Bild: Verhindert Über- oder Unterschätzung des Ergebnises Grundlage für kritisches hinterfragen des Messwertes
4 2 Arten von Fehlern Systematischer Fehler: Ursache: falsch geeichte Messgeräte, unreine Substanzen, mangelnde Wärmeisolation, Näherungsformeln außerhalb des Gültigkeitsbereichs 10 8 Beispiele: Wert x Beeinflusst Ergebnis stets in die gleiche Richtung - prinzipiell vermeidbar Immer experimentspezifisch - muss im Einzelfall abgeschätzt werden
5 Statistischer Fehler: 2 Arten von Fehlern Tritt zusätzlich zum systematischen Fehler auf! Ursache: Einstell- und Ablesefehler, Äußere Einflüsse (Temperatur-, Netzspannungsschwankungen), Statistische Natur von Prozessen (z.b. radioaktiver Zerfall)
6 2 Arten von Fehlern Beeinflusst Ergebnis in beide Richtungen unvermeidbar, kann jedoch durch wiederholte Messung reduziert werden Mittelwert? Schwankung?
7 Grundbegriffe der Statistik
8 Der Wahrscheinlichkeitsbegriff Definition: : Versuch Experiment mit exakt festgelegten Vorschriften und Bedingungen (Ergebnis ist reproduzierbar) Relative Häufigkeit: Absolute Häufigkeit von Ereignis r Anzahl der Durchführungen Wahrscheinlichkeit:
9 Rechenregeln Aufgabe: Wie groß ist die Wahrscheinlichkeit mit einem Würfel eine 1 oder eine 5 zu würfeln? Wie groß ist die Wahrscheinlichkeit beim zweimaligem werfen eines Würfels erst eine 1 und dann eine 5 zu würfeln? P (1 oder 5) = 1/6 + 1/6 = 2/6 = 1/3 33,3 % P ( 1 und 5) = 1/6 * 1/6 = 1/36 2,8 %
10 Mittelwert und Erwartungswert Arithmetischer Mittelwert: Erwartungswert:
11 Varianz und Standardabweichung Varianz: Maß für die Streuung der Einzelwerte um den Erwartungswert Standardabweichung:
12 Statistische Messfehler Ab jetzt: endliche Messreihe Ziel: Aus endlich vielen Messwerten soll auf den wahren Wert der Messgröße geschlossen werden Mittelwert aus N Messwerten: Mehrmalige Wiederholung der gesamten Messreihe liefert mehr oder weniger stark schwankende Mittelwerte Betrachte Mittelwert selbst als Messwert mit gleichem Erwartungswert wie die Einzelmesswerte:
13 Die mittlere quadratische Abweichung Verwende Mittelwert als Näherungswert für den gesuchten Erwartungswert: Mittlere quadratische Abweichung:
14 Zusammenhang zu Varianz und Standardabweichung Wie hängt die mittlere quadratische Abweichung mit der Varianz zusammen? Umstellen und einsetzen von s² liefert: Varianz ist Grenzwert für unendlich viele Messungen! Standardabweichung:
15 Standardabweichung des Mittelwertes Bisher: Eine Messreihe mit endlich vielen (N) Messwerten Jetzt: Messwerte sind Mittelwerte mehrerer Messreihen mit Umfang N Fragestellung: Wie groß ist die Schwankung des Mittelwertes zwischen den verschiedenen Messreihen?
16 Wichtige Formeln: Mittelwert: (Bestwert für ein Ergebnis) Standardabweichung der Einzelmessung: (Streuung der Einzelwerte) Standardabweichung des Mittelwertes: (Streuung der Mittelwerte bei identischen Messreihen mit Umfang N)
17 Verständnisfragen: 1. Was ist größer, der mittlere Fehler der Einzelmessung oder der mittlere Fehler des Mittelwertes? 2. Was passiert mit dem Fehler des Mittelwertes bei unendlich vielen Messwerten? 0 3. Bei welchen Messwerten ist die Standardabweichung größer? a) 5 ; 6 ; 7 b) 4 ; 6 ; 8 a) + b) Mittelwert = 6 ; Standartabweichung = a) 1 b) 2 4. Was ist der Unterschied zwischen Varianz und mittlerer quadratischer Abweichung? 5. Wie nennt man den Mittelwert einer Messreihe mit unendlich vielen Werten? Erwartungswert
18 Wahrscheinlichkeitsverteilungen
19 Die Binomialverteilung Beispiel: System aus n Würfeln Wahrscheinlichkeit p, dass bei einem der Würfel eine bestimmte Zahl gewürfelt wird ist 1/6 Gegenwahrscheinlichkeit: q = 1 p = 5/6 p + q = 1 Betrachte nun: Wahrscheinlichkeit, dass eine bestimmte Zahl bei x von n Würfeln auftritt und bei den übrigen nicht.
20 Die Binomialverteilung Möglichkeiten, x Würfel aus den n Würfeln auszuwählen (Anordnung der Würfel): Zusammen: Beispiel: Wahrscheinlichkeit, dass beim Werfen von 5 Würfeln genau 2 mal die 3 fällt. Gegeben: n=5, x=2, p=1/6, q =1 p=5/ P5,1 6 = = 0, %
21 Die Binomialverteilung Erwartungswert und Standartabweichung p = q = 0.5 p = ¼, n =12 p = 0.65, n =10
22 Aufgaben: 1. Die Wahrscheinlichkeit, dass unter Zwillingen beide Kinder männlich sind wird auf 32 % geschätzt. Wie wahrscheinlich ist es, dass bei 6 Zwillingspaaren die Hälfte der Kinder männlich ist? Gegeben: p = 0.32, n = 6, x = 3 2. Ein Expertenteam, das regelmäßig mit Prognosen zu wirtschaftlichen Entwicklungen beauftragt wird, hat eine Trefferquote von 65%. In nächster Zeit sind 10 neue Gutachten zu erstellen. Wie groß ist die Wahrscheinlichkeit, dass die Experten dabei eine Trefferquote von mindestens 80 % erzielen? Gegeben: p = 0.65, n=10 Summenregel liefert:
23 Näherungsformeln - Poissonverteilung - Problem: Berechnung von Fakultäten bei großen Zahlen schwierig Taschenrechner maximal bis 69! Lösung: Näherungsformeln 1. Poissonverteilung: (n groß, np klein ~1) mit Erwartungswert / Standardabweichung: p << 1 q = 1- p ~ 1
24 Näherungsformeln - Gaußverteilung 2. Normal- (Gauss-) ) Verteilung: (n groß und np groß p ~ 0,5) 1 1 e Konfidenzintervalle: 68,3 % Symmetrisch zu <x> σ ~ Breite der Verteilung 2 95,5 %
25 Näherungsformeln - Gaußverteilung Einfluss der Standardabweichung auf die Breite: < x > Praxis (z.b. Fitten): Unnormierte Gaußverteilung G ( x < x> ) H 2 2 σ ( x) = e 2π σ 2
26 Wichtige Formeln: Binomialverteilung: Poissonverteilung: (n groß, np klein ~1) Gaußverteilung: (n groß und np groß p ~ 0,5)
27 Aufgaben: 1. Von 100 Personen ist durchschnittlich eine Person farbenblind. Mit welcher Wahrscheinlichkeit befinden sich unter 100 zufällig ausgewählten Personen mindestens zwei farbenblinde Personen? Gegeben: p = 1/100 ; n = 100 n*p = 1 Poisson P( x 2) = 1 P( x = 0) P( x = 1) 0 1 = 1 e 0! 1 1 e 1! 1 1 = 1 e 1 e = 0, ,4% 2. Ein Würfel trägt 3 Einser, 2 Zweier und eine Vier. Er wird 1000 mal geworfen. Mit welcher Wahrscheinlichkeit erhält man genau 450 Einser? Gegeben: p= 3/6 = ½ ; n = 1000 ; x = 450 n*p = 500 Gauss < x >= n p = 500 σ = n p q = ,5 0,5 = 250 = 5 10 G( x) = 1 2π 5 10 e 2 ( ) 2 2 (5 10 ) 1, ,017%
28 Fehlerfortpflanzung
29 Fehlerfortpflanzung Experiment: Bestimme kinetische Energie Sowohl die Masse m als auch die Geschwindigkeit v haben einen Fehler Allgemeiner Fall: Fehler liegen als Standardabweichung der Messgröße vor Ergebnis ist Funktion mehrerer gemessener Größen: Gesamtfehler: Gaußsche Fehlerfortpflanzung
30 Beispiel: Kinetische Energie f f df := partielle Ableitung x x dx Alle übrigen Variablen werden konstant gehalten (unabhängig davon, ob diese implizit von x abhängen) Konkret gilt: Part. Ableitungen: x = m E Kin x = E y = v Kin m = 1 v 2 2 E Kin y = E Kin v = m v Zusammen: σ ( E Kin ) = v m + v 2 ( m v ) 2
31 Statistisch verteilte Messwerte Annahme: Einzelmessungen Gaußförmig um Erwartungswert verteilt Es gilt: σ = n p q sowie < x >= n p σ = < x > q mit q = 1 p 0,5 ; < x >= N >> q σ N Beispiel: Kreisflächenberechnung mit Montecarlomethoden Werfe Dartpfeile auf Wand und zähle, wie viele in einen Kreis treffen. N im N im Kreis Ges Kreis = N = 2 π r 2r 2r N im Kreis π = 4 π = = 4 π N N N im Ges Kreis Nim Kreis Ges 4 = N N im Kreis Ges
32 Größ ößtfehler (Maximalfehler) Fall: Messwert wurde nur einmal gemessen Standartabweichung nicht bekannt! Fehler muss nach oben abgeschätzt werden (Größtfehler) Zu Berücksichtigen: Ablesegenauigkeit der Skala + Experimentelle Gegebenheiten Im Praktikum: Abschätzung des Größtfehlers durch - Aufnahme einer Messreihe (3-5 Messwerte) - Bestimmung des Mittelwertes - Maximalfehler := größte Abweichung eines Messwertes vom Mittelwert
33 Größ ößtfehler (Maximalfehler) Für den Gesamtfehler gilt (Folgerung des Taylorschen Satzes): Bedingung: x << x y << y, Der Betrag ist hier wichtig, da sich die Fehler sonst evtl. auslöschen!!! Beispiel: E Kin x = E Kin m = 1 v 2 2 E Kin y = E Kin v = m v E Kin = 1 2 v 2 m + m v v
34 Der relative Fehler Der relative Fehler Liefert Ergebnis als Bruchteil von 1 Angabe in %: Beispiel: Beispiel: 100% ( ) = c b a c a b c b a z y x A y z x y b x z y x a A f f
35 Exkurs: Ablesen von Messwerten und Fehlerangabe +- 1 mm +- 0,1 mm V +- 2,5 V
36 Wichtige Formeln: Gaußsche Fehlerfortpflanzung: Maximalfehler: Wichtig: Angabe eines Messwertes ohne Fehler ist sinnlos!!! Angabe des Messwertes mit einer Genauigkeit, die besser ist als der Fehler, ist sinnlos!!!
37 Aufgaben: 1. Der Taschenrechner liefert die folgenden Werte für das Ergebnis und den Fehler. Wie wird das Ergebnis korrekt notiert? Wert: 3, m ; Fehler: 0, m Ergebnis = ( 3,45633 ± 0,00033)m 2. Im Internet steht, der Eiffelturm in Paris sei m hoch. Was ist von der Genauigkeit dieser Angabe zu halten? (Stichwort: Wärmeausdehnung) Wärmeausdehnungskoeffizient: 1,17 cm/k 3,52 m bei m Höhe 3. Ein Würfel habe Kantenlänge (18.2 ± 0.1) mm und Masse (51.9 ± 0.1) g. Berechnen Sie die Dichte des Materials inklusive absoluter Fehlerschranke. ρ = ρ = ρ = m V 1 L m = L 51,9 g (18,2 mm) 3 = = 8, m L 0,1g (18,2 mm) g mm 4 m + 3 L = + 3 0,1mm = 1, (8,61 ± 0,16) 10 3 g mm ,9 g 4 3 ( 18,2mm) g mm
38 Aufgaben Teil 2: 4. Eine Strecke von 1.80 km werde in 0.47 h zurückgelegt. Beide Größen weisen eine relative Fehlerschranke von 5 % auf. Berechnen Sie die mittlere Geschwindigkeit mit relativer und absoluter Fehlerschranke. s = 0,05 1,80 km = 0, 09km v s 1.80km = = = 3, km t 0,47h 83 t = 0,05 0,47h = 0, 024h v 1 s = s + t = 0, t t² 39 km h km v 0,39 v = 39 = = 0,11 11% v 3,38 ( 3,38 ± 0, ) h
39 Graphische Darstellung und Analyse von Messwerten
40 Die Ausgleichsgerade y 2 Funktion: 10 8 Y 6 Steigung: 4 2 x 1 y 1 x X Achsenabschnitte:
41 Logarithmische Darstellung mit Messpunkte Ausgleichsgerade 7,38906 Messpunkte Ausgleichsgerade , Y Y 1 0,36788 A = 2,34831 S = -0, y ln = y y = a y ln( ) ln( 0 ) 0 X x ln( y) = ln( y0 ) X a x
42 Logarithmische Darstellung Allgemein: f ln( f ( x)) ln( a) b x ( x) = a log ( f ( x)) = = bx a Vorteile: Bestimmung der Parameter aus einer Geraden Leichte Approximation kleinerer und größerer Messwerte Anwendung auch, um weit auseinander liegende Messpunkte darzustellen: y (linear) y (log 10 ) x x
43 Fehlerrechnung bei graphischen Darstellungen
44 Fehler der Geradensteigung Y = A + S * X A = 3,09545 S = 1,00818 y x y 2 Y x 1 y 1 x X
45 Fehler des Achsenabschnittes Y = A + S * X A = 3,09545 S = 1,00818 y x y 2 Y x 1 y 1 x X
46 Aufgabe: Die Steigung einer Ausgleichsgeraden wurde aus einem Steigungsdreieck zwischen den Punkten P 1 =( 0, 1 ) und P 2 =( 5, 26 ) zu S = 5 bestimmt. Der am weitesten von der Geraden entfernte Punkt hat einen Abstand von 0,4 in x-richtung und 0,5 in y-richtung. Bestimmen Sie den Fehler der Geradensteigung und der Achsenabschnitte. S A x A y = 2 x x x 2 1 y1 + y = 2 2 S = S S 2 2 0, = = 2 0,8 0,8 x1 + x = S = 0,8 = = 0, y y y Y Y = A + S * X A = 3,09545 S = 1,00818 x 1 y x y 2 y 1 x X S = 2 1 S 2 0,5 = 5 = 0,2 26 1
47 Zusammenfassung Mittelwert, Standardabweichung von Einzelwert und Mittelwert Wahrscheinlichkeitsverteilungen: Binomialverteilung Näherungsformeln: Poissonverteilung, Gaußverteilung Fehlerfortpflanzung Gaußsche Fehlerfortpflanzung (Fehler als Standardabweichung) Maximalfehler Ergebnis muss immer mit Fehlergrenzen angegeben werden. Im Praktikum immer den Fehler Diskutieren, sowohl systematischer Fehler als auch statistischer Fehler! Graphische Darstellung von Messwerten Fehler wird aus der Grafik bestimmt!
48 Referenzen und weiterführende Links S. Lange, Anleitung zum physikalischen Grundpraktikum Teil 1, JLU Gießen (2009) W. Kühn, Dateien/v3_document.htm Bronstein, Taschenbuch der Mathematik, 7. Auflage, Kap. 16 Die Folien können k im StupIP heruntergeladen werden.
Einführung. 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
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
Mehr1 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
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
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
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
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
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
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
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
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,
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
MehrBegleitmaterial zur Vorlesung. Fehlerrechnung und Fehlerabschätzung bei physikalischen Messungen
Institut für Technische Thermodynamik und Kältetechnik Leiter: Prof. Dr.-Ing. K. Schaber Begleitmaterial zur Vorlesung Fehlerrechnung und Fehlerabschätzung bei physikalischen Messungen Verfasst von Dr.
MehrStatistik für NichtStatistiker
Statistik für NichtStatistiker Zufall und Wahrscheinlichkeit von Prof. Dr. Karl Bosch 5., verbesserte Auflage R. Oldenbourg Verlag München Wien Inhaltsverzeichnis 1. ZufalLsexperimente und zufällige Ereignisse
MehrEinführung in die Grundlagen der Fehlerrechnung Bestimmung von Messunsicherheiten
Physikalisches Praktikum PAP1 Einführung in die Grundlagen der Fehlerrechnung Bestimmung von Messunsicherheiten Jens Wagner, Physikalisches Institut Gliederung Angabe von Messergebnissen Ursache und Arten
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
MehrBiostatistik, Sommer 2017
1/51 Biostatistik, Sommer 2017 Wahrscheinlichkeitstheorie: Verteilungen, Kenngrößen Prof. Dr. Achim Klenke http://www.aklenke.de 8. Vorlesung: 09.06.2017 2/51 Inhalt 1 Verteilungen Normalverteilung Normalapproximation
Mehr70 Wichtige kontinuierliche Verteilungen
70 Wichtige kontinuierliche Verteilungen 70. Motivation Zufallsvariablen sind nicht immer diskret, sie können oft auch jede beliebige reelle Zahl in einem Intervall [c, d] einnehmen. Beispiele für solche
MehrEinführung in die Fehlerrechnung. Einleitung. Die Unvermeidbarkeit von Unsicherheiten. Warum muss man die Grösse der Unsicherheit kennen?
Einführung in die Fehlerrechnung Einleitung Die Fehlerrechnung hat den Zweck, Unsicherheiten in Messungen zu untersuchen und zu evaluieren. Die Erfahrung zeigt, dass jede, auch die am sorgfältigsten ausgeführte
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
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
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
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
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
MehrDatenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse (PHY31) Herbstsemester 015 Olaf Steinkamp 36-J- olafs@physik.uzh.ch 044 63 55763 Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung und
MehrPhysik Fehlerrechnung
Physik Fehlerrechnung 1. Abschätzung des wahren Messwertes 1.1. Systematische/zufällige Fehler 1.. Mittelwert, Varianz 3 1.3. Gaußverteilung 5 1.4. Vertrauensbereich 6 1.5. Vergleich von Messwerten 8 1.6.
MehrFehlerbetrachtung. 1. Fehlerarten
Eine physikalische Messung liefert nie den wahren Wert x w einer Messgröße X. Der als Ergebnis der Messung gewonnene Messwert besitzt stets Messabweichungen. Die Ermittlung der Messunsicherheiten für die
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
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
MehrAnleitung zur Fehlerrechnung und Fehlerabschätzung
Anleitung zur Fehlerrechnung und Fehlerabschätzung Dr. Angela Fösel & Dipl. Phys. Tom Michler Revision: 1.08.018 Es ist grundsätzlich nicht möglich, fehlerfrei zu messen. Die Abweichungen der Messwerte
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
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
MehrExperimentalphysik E1!
Experimentalphysik E1! Prof. Joachim Rädler! Paul Koza (Vorlesungsbetreuung)! Alle Informationen zur Vorlesung unter :! http://www.physik.lmu.de/lehre/vorlesungen/index.html! Fehlerrechnung! Der freie
MehrI. Zahlen, Rechenregeln & Kombinatorik
XIV. Wiederholung Seite 1 I. Zahlen, Rechenregeln & Kombinatorik 1 Zahlentypen 2 Rechenregeln Brüche, Wurzeln & Potenzen, Logarithmen 3 Prozentrechnung 4 Kombinatorik Möglichkeiten, k Elemente anzuordnen
MehrWahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
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
MehrStatistik - Fehlerrechnung - Auswertung von Messungen
Statistik - Fehlerrechnung - Auswertung von Messungen TEIL II Vorbereitungskurs F-Praktikum B (Physik), RWTH Aachen Thomas Hebbeker Eindimensionaler Fall: Parameterbestimmung - Beispiele [Übung] Mehrdimensionaler
MehrM0 BIO - Reaktionszeit
M0 BIO - Reaktionszeit 1 Ziel des Versuches In diesem Versuch haben Sie die Möglichkeit, sich mit Messunsicherheiten vertraut zu machen. Die Analyse von Messunsicherheiten erfolgt hierbei an zwei Beispielen.
MehrDie Maximum-Likelihood-Methode
Vorlesung: Computergestützte Datenauswertung Die Maximum-Likelihood-Methode Günter Quast Fakultät für Physik Institut für Experimentelle Kernphysik SS '17 KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft
Mehr1.5 Erwartungswert und Varianz
Ziel: Charakterisiere Verteilungen von Zufallsvariablen durch Kenngrößen (in Analogie zu Lage- und Streuungsmaßen der deskriptiven Statistik). Insbesondere: a) durchschnittlicher Wert Erwartungswert, z.b.
Mehr7.5 Erwartungswert, Varianz
7.5 Erwartungswert, Varianz Def. 7.5.: a) X sei eine diskrete ZV, die bei unendl. vielen Werten x k folgende Zusatzbedingung erfüllt: x k p k
MehrErwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung
R. Brinkmann http://brinkmann-du.de Seite 5.05.0 Erwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung Erwartungswert binomialverteilter Zufallsgrößen Wird ein Bernoulli- Versuch, bei
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
Mehr6.6 Poisson-Verteilung
6.6 Poisson-Verteilung Die Poisson-Verteilung ist eine Wahrscheinlichkeitsverteilung, die zur Modellierung der Anzahl von zufälligen Vorkommnissen in einem bestimmten räumlichen oder zeitlichen Abschnitt
MehrDatenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse (PHY23) Herbstsemester 207 Olaf Steinkamp 36-J-05 olafs@physik.uzh.ch 044 63 55763 Vorlesungsprogramm Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung
MehrWirtschaftsmathematik
Einführung in einige Teilbereiche der Wintersemester 206 Prof. Dr. Stefan Etschberger HSA Unabhängigkeit von Ereignissen A, B unabhängig: Eintreten von A liefert keine Information über P(B). Formal: P(A
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
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
MehrDatenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse (PHY231) Herbstsemester 2015 Olaf Steinkamp 36-J-22 olafs@physik.uzh.ch 044 63 55763 Vorlesungsprogramm Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung
Mehr1 Grundlagen der Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsräume. Ein erster mathematischer Blick auf Zufallsexperimente...
Inhaltsverzeichnis 1 Grundlagen der Wahrscheinlichkeitsrechnung 1 1.1 Wahrscheinlichkeitsräume Ein erster mathematischer Blick auf Zufallsexperimente.......... 1 1.1.1 Wahrscheinlichkeit, Ergebnisraum,
MehrZufallsvariablen [random variable]
Zufallsvariablen [random variable] Eine Zufallsvariable (Zufallsgröße) X beschreibt (kodiert) die Versuchsausgänge ω Ω mit Hilfe von Zahlen, d.h. X ist eine Funktion X : Ω R ω X(ω) Zufallsvariablen werden
Mehr1.5 Erwartungswert und Varianz
Ziel: Charakterisiere Verteilungen von Zufallsvariablen (Bildbereich also reelle Zahlen, metrische Skala) durch Kenngrößen (in Analogie zu Lage- und Streuungsmaßen der deskriptiven Statistik). Insbesondere:
MehrProgramm. Wiederholung. Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung. Binomialverteilung. Hypergeometrische Verteilung
Programm Wiederholung Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung Binomialverteilung Hypergeometrische Verteilung Wiederholung verschiedene Mittelwerte für verschiedene Skalenniveaus
MehrHeute. Die Binomialverteilung. Poissonverteilung. Approximation der Binomialverteilung durch die Normalverteilung
Heute Die Binomialverteilung Poissonverteilung Approximation der Binomialverteilung durch die Normalverteilung Arbeiten mit Wahrscheinlichkeitsverteilungen Die Binomialverteilung Man werfe eine Münze n
MehrStatistik, Datenanalyse und Simulation
Dr. Michael O. Distler distler@kph.uni-mainz.de Mainz, 29. Oktober 2007 1. Statistik 1.1 Wahrscheinlichkeit Pragmatisch: p(e) = n(e) N für N sehr groß Kombination von Wahrscheinlichkeiten p(a oder B) =
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
MehrDer Erwartungswert E[g(X)] von g(x) ist definiert. g(x k )w(x = x k ),
2.5 Parameter einer Verteilung 2.5. Erwartungswert X eine Zufallsvariable, g : R R stetig. Der Erwartungswert E[g(X)] von g(x) ist definiert durch: E[g(X)] := k g(x k )w(x = x k ), falls X diskret ist
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 11. November 2010 1 Erwartungswert und Varianz Erwartungswert Varianz und Streuung Rechenregeln Binomialverteilung
MehrPhysikalisches Grundpraktikum I
INSTITUT FÜR PHYSIK DER HUMBOLDT-UNIVERSITÄT ZU BERLIN Physikalisches Grundpraktikum I Versuchsprotokoll P2 : F7 Statistik und Radioaktivität Versuchsort: Raum 217-2 Versuchsbetreuer: E. von Seggern, D.
Mehr1.5.4 Quantile und Modi. Bem [Quantil, Modus]
1.5.4 Quantile und Modi 1.5 Erwartungswert und Varianz Bem. 1.73. [Quantil, Modus] und Vertei- Analog zu Statistik I kann man auch Quantile und Modi definieren. Gegeben sei eine Zufallsvariable X mit Wahrscheinlichkeitsverteilung
MehrAuswertung und Lösung
Residuals vs Fitted Normal Q Q Residuals 2 1 0 1 2 16 18 30 Standardized residuals 2 1 0 1 2 18 30 16 5 10 15 20 25 30 Fitted values 2 1 0 1 2 Theoretical Quantiles Abbildung 1: Dieses Quiz soll Ihnen
MehrEinige Worte zu Messungen und Messfehlern. Sehr schöne Behandlung bei Walcher!
Einige Worte zu Messungen und Messfehlern Sehr schöne Behandlung bei Walcher! Was ist eine Messung? Messung = Vergleich einer physikalischen Größe mit Einheit dieser Größe Bsp.: Längenmessung durch Vgl.
Mehr15 Wahrscheinlichkeitsrechnung und Statistik
5 Wahrscheinlichkeitsrechnung und Statistik Alles, was lediglich wahrscheinlich ist, ist wahrscheinlich falsch. ( Descartes ) Trau keiner Statistik, die du nicht selbst gefälscht hast. ( Churchill zugeschrieben
MehrStatistik I für Betriebswirte Vorlesung 4
Statistik I für Betriebswirte Vorlesung 4 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 30. April 2018 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 4 Version: 24.
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 17. November 2010 1 Gesetze Das Gesetz der seltenen Ereignisse Das schwache Gesetz der großen Zahl 2 Verteilungsfunktionen
Mehr5 Binomial- und Poissonverteilung
45 5 Binomial- und Poissonverteilung In diesem Kapitel untersuchen wir zwei wichtige diskrete Verteilungen d.h. Verteilungen von diskreten Zufallsvariablen): die Binomial- und die Poissonverteilung. 5.1
MehrTeil VIII. Zentraler Grenzwertsatz und Vertrauensintervalle. Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle. Lernziele. Typische Situation
Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle Patric Müller ETHZ Teil VIII Zentraler Grenzwertsatz und Vertrauensintervalle WBL 17/19, 29.05.2017 Wahrscheinlichkeit
MehrVerteilung von Summen
Verteilung von Summen Beispiel: Würfelwurf Frage: Wie verhält sich die Verteilung der Augensumme von -Würfeln bei wachsendem? Zur Beantwortung führen wir ein Simulationseperiment durch. 6 Würfe mit 1 Würfel
MehrAbbildung 1: Dieses Quiz soll Ihnen helfen, die Residuenplots besser zu verstehen. Am Schluss kommen noch vermischte Aufgaben zur Wiederholung.
Residuals vs Fitted Normal Q Q Residuals 2 1 0 1 2 16 18 30 Standardized residuals 2 1 0 1 2 18 30 16 5 10 15 20 25 30 Fitted values 2 1 0 1 2 Theoretical Quantiles Abbildung 1: Dieses Quiz soll Ihnen
Mehr4.4 Punktschätzung. E(X 1 )+ +E(X n ) Var(ˆµ) = 1 n 2 ( Var(X1 )+ +Var(X n ) ) = 1 n 2nσ2 = σ2
4 4.4 Punktschätzung Wir betrachten eine endliche oder unendliche Grundgesamtheit, zum Beispiel alle Studierenden der Vorlesung Mathe II für Naturwissenschaften. Im endlichen Fall soll die Anzahl N ihrer
MehrBiostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 stheorie: Grundbegriffe Prof. Dr. Achim Klenke http://www.aklenke.de 5. Vorlesung: 25.11.2011 1/33 Inhalt 1 Zufallsvariablen 2 Ereignisse 3 2/33 Zufallsvariablen Eine Zufallsvariable
MehrMessen, Messabweichungen, Messungenauigkeiten, Messfehler
Messen, Messabweichungen, Messungenauigkeiten, Messfehler . Fehlerrechnung . Wie exakt (glaubwürdig) ist meine Messung? 1. Ablesen von Messwerten Jede Messung hat eine Ungenauigkeit Winkelmessungen Längenmessungen
MehrWahrscheinlichkeiten. Verteilungen
Wahrscheinlichkeiten. Verteilungen 2 2.1 Wahrscheinlichkeitsrechnung Das Ergebnis eines mit Zufälligkeit behafteten Versuchs nennen wir ein Ereignis. Beim Wurf einer Münze sind zwei Ereignisse möglich.
MehrSBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf. SBP Mathe Aufbaukurs 1
SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf SBP Mathe Aufbaukurs 1 # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit. Das
MehrWird ein Bernoulli- Versuch, bei dem die Trefferwahrscheinlichkeit p = 0,2 ist, n = 40 mal durchgeführt, dann erwarten wir im Mittel 8 Treffer.
R. Brinkmann http://brinkmann-du.de Seite 1 06.1008 Erwartungswert binomialverteilter Zufallsgrößen. Wird ein Bernoulli- Versuch, bei dem die Trefferwahrscheinlichkeit p = 0,2 ist, n = 40 mal durchgeführt,
Mehr1. Grundbegri e der Stochastik
Wiederholung von Grundwissen der Stochastik. Grundbegri e der Stochastik Menge der Ereignisse. Die Elemente! der Menge heißen Elementarereignisse und sind unzerlegbare Ereignisse. Das Ereignis A tritt
MehrKurzanleitung. Auswertung, Fehlerrechnung und Ergebnisdarstellung. Praktikum Physikalisch-Chemische Experimente
Kurzanleitung zur Auswertung, Fehlerrechnung und Ergebnisdarstellung im Praktikum Physikalisch-Chemische Experimente Dr. Markus Braun Institut für Physikalische und Theoretische Chemie Goethe-Universität
MehrMathematische Grundlagen für das Physik-Praktikum:
Mathematische Grundlagen für das Physik-Praktikum: Grundwissen: Bruchrechnung Potenzen Logarithmen Funktionen und ihre Darstellungen: Lineare Funktionen Proportionen Exponentialfunktion Potenzfunktionen
MehrVorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf. Vorlesung 04 Mathematische Grundlagen II,
Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf 1 Was sollen Sie heute lernen? 2 Agenda Wiederholung stetige Renditen deskriptive Statistik Verteilungsparameter
MehrAnleitung. zur. Anfertigung der Versuchsprotokolle. Praktikum Physikalisch-Chemische Übungen für Pharmazeuten
Anleitung zur Anfertigung der Versuchsprotokolle im Praktikum Physikalisch-Chemische Übungen für Pharmazeuten Dr. Hans-Dieter Barth Institut für Physikalische und Theoretische Chemie Goethe-Universität
MehrStatistics, Data Analysis, and Simulation SS 2017
Statistics, Data Analysis, and Simulation SS 2017 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Mainz, May 29, 2017 Dr. Michael O. Distler
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:
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
MehrZUM UMGANG MIT MESSUNSICHERHEITEN IM PHYSIKUNTERRICHT. 25. Oktober Didaktik der Physik Julia Glomski und Burkhard Priemer
ZUM UMGANG MIT MESSUNSICHERHEITEN IM PHYSIKUNTERRICHT 25. Oktober 2010 und Burkhard Priemer Was sind Messfehler? Was ist Fehlerrechnung? Warum misst man etwas? Wann ist eine Messung gut gelaufen? 2 4 Dimensionen
MehrExperimentalphysik E1
Experimentalphysik E1 Prof. Joachim Rädler & Dr. Bert Nickel Paul Koza (Vorlesungsbetreuung) Alle Informationen zur Vorlesung unter : http://www.physik.lmu.de/lehre/vorlesungen/index.html Heute: Fehlerrechnung
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
MehrBehandlung von Messabweichungen
1 Behandlung von Messabweichungen Hier wird eine kurze Darstellung zum Verständnis der Problematik von Messgenauigkeit und Messunsicherheit aus der Sicht des Physikalischen Praktikums gegeben, siehe auch
MehrAuswertung von Messungen Teil I
Auswertung von Messungen Teil I 1. Ergebnisdarstellung. Rechnen mit Messwerten - Signifikante Stellen 3. Linearisierung 4. Ausgleichsgerade - lineare Regression 5. Messabweichungen 6. Häufigkeitsverteilung
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Stetige und diskrete Wahrscheinlichkeitsverteilungen Lageparameter Streuungsparameter Diskrete und stetige Zufallsvariablen Eine Variable (oder Merkmal
Mehr(a) Richtig, die Varianz ist eine Summe quadratischer Größen.
Aufgabe Welche der folgenden Aussagen sind richtig? (a) Richtig, die Varianz ist eine Summe quadratischer Größen. (b) Falsch, die Abweichung ordinaler Merkmale vom Median ist nicht definiert - also auch
Mehr28. Lineare Approximation und Differentiale
28. Lineare Approximation und Differentiale Sei y = f(x) differenzierbar. Die Gleichung der Tangente t im Punkt x 0 lautet t : y f(x 0 ) = f (x 0 )(x x 0 ) Für x nahe bei x 0 können wir f(x) durch den
Mehr