KORRELATION VON ORDINALDATEN Rangkorrelation nach Spearman Terminologie Berechnung Signifikanzprüfung

Größe: px
Ab Seite anzeigen:

Download "KORRELATION VON ORDINALDATEN Rangkorrelation nach Spearman Terminologie Berechnung Signifikanzprüfung"

Transkript

1 KORRELATION VON ORDINALDATEN Ragkorrelatio ach Spearma Termiologie Berechug Sigifikazprüfug Ziel: Ei Maß für de Zusammehag zweier ordialskalierter Variable ermittel Beispiele: Messug vo Kameradschaftlichkeit - Kider i eiem Ferielager werde gebete, die adere Kider darauf eizuschätze, i welchem Maße sie diese Eigeschaft besitze. Kider solle i eiem Eizelversuch 5 Küstlerpostkarte mit ähliche Motive i verschiedee Stilforme uter dem Gesichtspukt orde, welche Darstellug sie am meiste aspricht. Schüler schätze eiader hisichtlich des Merkmals Diszipliiertheit ei ud bilde eie Ragreihe. Lehrer schätze dieselbe Schüler ach dem gleiche Kriterium ei. Die Ragreihe werde vergliche. Die Ragkorrelatio ach Spearma Folie 1

2 Rechebeispiel (Bortz 14): Zwei Kustkritiker brige 1 Gemälde ach ihrem Wert i eie Ragreihe. Bild Kritiker 1 Kritiker d d Termiologie: - Azahl der Befragte di - Differez der Ragplätze eier Utersuchugseiheit bezüglich der Merkmale x ud y di - quadrierte Differez der Ragplätze eier Utersuchugseiheit bezüglich der Merkmale x ud y d - Summe aller quadrierte Ragplatzdiffereze i 1 i Die Ragkorrelatio ach Spearma Folie

3 Zur Kotrolle: Die Summe der Ragplatzdiffereze muß Null ergebe. I jeder Spalte muß die Summe der Ragplätze gleich ( +1) sei. Ragkorrelatiokoeffiziet r (ach Spearma): 6 d i 1 1 i ( ² 1) Wertebereich: -1 < < +1 awedbar ur we > 5 Iterpretatio wie bei der Produkt-Momet-Korrelatio, d.h. der absolute Betrag vo sagt etwas über die Stärke des Zusammehags aus, das Vorzeiche etwas über die Richtug. Im Beispiel: (144 1) ,83 Die Ragkorrelatio ach Spearma Folie 3

4 Die Sigifikazprüfug H0 : 0 Prüfgröße t ( 1 ²)/( ) df - Die Prüfgröße muß größer sei als der t-wert der Tabelle für df, α asoste wird die H0 beibehalte Die Berechug mit SPSS SPSS - Prozedur: Correlate / Bivariate Correlatios / Spearma SPSS-Ausdruck S P E A R M A N C O R R E L A T I O N C O E F F I C I E N T S - VAR0000,85 N( 1) Sig,001 VAR00001 (Coefficiet / (Cases) / -tailed Sigificace) Die Ragkorrelatio ach Spearma Folie 4

5 Aufgabe aus Clauss/Eber (17) Die Berufseigug vo 10 jugedliche Lehrlige wird durch ihre Ausbilder ud durch de Berufsschullehrer ach dem Ragordugsverfahre eigeschätzt. A erster Stelle steht der Lehrlig mit der mutmaßlich beste Eigug. Der Lehrausbilder gibt folgede Ragfolge a: Fritz, Ulrike, Margit, Heiz, Theo, Rita, Eva, Ulli, Berd, Ute. Die Ragreihe des Lehrers sieht so aus: Theo, Heiz, Ulrike, Eva, Berd, Fritz, Margit, Rita Ulli, Ute. Wie hoch ist der Grad der Übereistimmug? Nach 3jähriger Berufstätigkeit liege objektive Iformatioe über die tatsächliche Berufsbewährug der Lehrlige vor. Diese sid als Puktwerte gegebe. Hohe Puktzahl gute Berufsbewährug: Berd 9, Eva 9, Fritz 48, Heiz 3, Margit 36, Rita 31, Theo 3, Ulli 9, Ulrike 36 Ute 11. Wesse Eischätzug wird durch diese Date bestätigt, die des Lehrers oder die des Ausbilders? Die Ragkorrelatio ach Spearma Folie 5

6 Problem: verbudee Räge/Umwadlug vo Meßwerte i Ragplätze Vo 6 Schüler wird die Azahl uetschuldigte Fehles festgehalte: Name Häufigkeit des Fehles Azahl Ragplatz Karl 0 1 Petra 1,5 Heiz 1,5 Willi 5 4 Paul 1 5 Charly 14 6 Die Gesamtzahl aller verbudee Räge darf maximal 0% aller Ragplätze ausmache. Die verbudee Räge erhält ma, idem de Persoe mit gleichem Ragplatz der Durchschitt der für diese Persoe zu vergebede Ragplätze zugewiese wird. Beispiel: Bei 10 Geschwisterpaare ist die Korrelatio der Deutschote zu bereche. Die Ragkorrelatio ach Spearma Folie 6

7 Paar x y x y Note Note Rag Rag d 1. Gesch. Gesch 1. Gesch. Gesch ,5 10 0, ,5 6 0, ,5 1 30,5 6 3,5 0, ,5, ,5 6 0, ,5 9 0, ,5 6 0,5 verbudee Räge i x i y 3 * Ragplatz 3 (t13) * Ragplatz,5 (u1) 4 * Ragplatz 6,5 (t4) 5 * Ragplatz 6 (u5) * Ragplatz 9,5 (t3) k(x)3 k(y) Azahl der verbudee Räge i x Azahl der verbudee Räge i y Die Ragkorrelatio ach Spearma Folie 7

8 Die Ragkorrelatio ach Spearma Folie 8 Berechug vo ach korrigierter Formel U T d U T i i 1 ³ 1 ³ 1 ³ 1 wobei ) ( 1 3 ) ( 1 1 x k j j j t t T ud ) ( 1 3 ) ( 1 1 y k j u j u j U t j Azahl der t j zusammegefaßte Räge i der Variable x u j Azahl der u j zusammegefaßte Räge i der Variable y k(x) bzw. k(y) Azahl der verbudee Räge i der Variable x bzw. y

9 Spezielle Korrelatiostechike Übersicht Korrelatioskoeffiziete Itervall Ordial Nomial itervall ordial omial Produkt- Momet- Korrelatio Spearma s Cramer s V Die Ragkorrelatio ach Spearma Folie 9

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

( ), der genau auf der Geraden ( ) 2 ( ) #( ) 8. Lineare Regression. = f i. Nach der Summe der kleinsten. mx i

( ), der genau auf der Geraden ( ) 2 ( ) #( ) 8. Lineare Regression. = f i. Nach der Summe der kleinsten. mx i 8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Ziel dieses Verfahres ist es, Beziehuge zwische zwei Merkmale

Mehr

So lösen Sie die Gleichung für den Korrelationskoeffizienten

So lösen Sie die Gleichung für den Korrelationskoeffizienten 8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Dabei sid Datepukte ( x 1, y 1 ),( x 2, y 2 ), ( x, y ) gegebe.

Mehr

h a 2 b 1 h a1 b 2 h a1 b 1 h a1. h a 2. h.b1 h ij h 11 h 12 h 21 a b h. j h 1. h 2. h.1 a b h i. =h i1 h i2... h i m h. j =h 1j h 2j... h k j h.

h a 2 b 1 h a1 b 2 h a1 b 1 h a1. h a 2. h.b1 h ij h 11 h 12 h 21 a b h. j h 1. h 2. h.1 a b h i. =h i1 h i2... h i m h. j =h 1j h 2j... h k j h. Kotigeztabelle / Kreuztabelle für 2 diskrete /omialskalierte Variable ethält: 1. absolute gemeisame Häufigkeite h 11 h 12 h 21 für Kombiatioe vo zwei Merkmale / Variable a b steht also für mit jeweils

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

Kreuztabellenanalyse und Assoziationsmaße

Kreuztabellenanalyse und Assoziationsmaße FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkomme zur Vorlesug Statistik Zusammehäge zwische omiale (ud/oder ordiale) Merkmale: aalyse ud FB 1 W. Ludwig-Mayerhofer Statistik 2 eige sich zur Darstellug

Mehr

Univariate Verteilungen

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

Mehr

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

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

Mehr

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

Aufgabe 5: Grundlagen Wahr keit, Satz von Bayes und Binomialverteilung

Aufgabe 5: Grundlagen Wahr keit, Satz von Bayes und Binomialverteilung Klausur: Statistik Jürge Meisel Zugelassee Hilfsmittel: icht progr. Tascherecher Bearbeitugszeit: 60 Miute Amerkug zur Bearbeitug: Die Klausur besteht aus isgesamt 6 Aufgabe. Sie müsse ur 5 davo bearbeite.

Mehr

und wird als n-dimensionaler (reeller) Vektorraum bezeichnet. heißt der von v 1,..., v k aufgespannte Unterraum des R n.

und wird als n-dimensionaler (reeller) Vektorraum bezeichnet. heißt der von v 1,..., v k aufgespannte Unterraum des R n. Reeller Vektorraum Kapitel Vektorräume Die Mege aller Vektore x mit Kompoete bezeiche wir mit x R =. : x i R, i x ud wird als -dimesioaler (reeller) Vektorraum bezeichet. Defiitio Ei Vektorraum V ist eie

Mehr

Differenz X-Y normalverteilt Lagetest für zwei verbundene. Differenz X-Y symmetrisch Wilcoxon-Test Stichproben

Differenz X-Y normalverteilt Lagetest für zwei verbundene. Differenz X-Y symmetrisch Wilcoxon-Test Stichproben 1 Fuktio des Tests Bezeichug Testgegestad X ormalverteilt Lagetest für eie Stichprobe Wilcoxo-Test X symmetrisch verteilt Vorzeichetest Variable X Differez X-Y ormalverteilt Lagetest für zwei verbudee

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

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

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

Mehr

Kennwerte eindimensionaler Häufigkeitsverteilungen Einführung

Kennwerte eindimensionaler Häufigkeitsverteilungen Einführung Kewerte eidimesioaler Häufigkeitsverteiluge Eiführug Statistische Kewerte vo Verteiluge sid umerische Maße mit der Fuktio, zusammefassed eie Eidruck vo 1) dem Schwerpukt, ) der Variabilität ud 3) der Form

Mehr

Übungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 8

Übungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 8 Mathematisches Istitut der Uiversität Müche Prof Dr Peter Otte WiSe 203/4 Lösug 8 032203 Übuge zur Aalysis für Iformatiker ud Statistiker Lösug zu Blatt 8 Aufgabe 8 [8 Pukte] (a) Für alle N sei = (+) Wir

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

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

Zweifaktorielle Varianzanalyse. Zweifaktorielle Varianzanalyse. Zweifaktorielle Varianzanalyse. Zweifaktorielle Varianzanalyse

Zweifaktorielle Varianzanalyse. Zweifaktorielle Varianzanalyse. Zweifaktorielle Varianzanalyse. Zweifaktorielle Varianzanalyse Ziel Überprüfug der Gleichheit der Erwartugswerte eies Merals i Utergruppe, die vo zwei Fatore erzeugt werde Fator A i a Stufe Fator B i b Stufe Ist jede Stufe vo Fator A it jeder vo Fator B obiiert, spricht

Mehr

Konzentration und Disparität

Konzentration und Disparität Begleitede Uterlage zur Übug Deskriptive Statistik Michael Westerma Uiversität Esse Ihaltsverzeichis 6 Kozetratios- ud Disparitätsmessug................................ 2 6.1 Begriff ud Eileitug.......................................

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

(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

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

Mathematik 2 für Naturwissenschaften

Mathematik 2 für Naturwissenschaften Has Walser Mathematik 2 für Naturwisseschafte 2 3 3 4 6 4 5 0 0 5 6 5 20 5 6 Modul 209 Tabelle Has Walser: Modul 209, Tabelle ii Ihalt Fakultäte... 2 Biomialkoeffiziete... 2 3 Biomische Verteilug... 3

Mehr

3.2 Wilcoxon Rangsummentest

3.2 Wilcoxon Rangsummentest 3. Wilcoxo Ragsummetest Wir gehe davo aus, dass zwei Teilstichprobe x 1, x,..., x 1 ud y1, y,..., y vorliege, wobei die erste Teilstichprobe aus Realisieruge vo uabhägig ud idetisch stetig verteilte Zufallsvariable

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

= 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

n=0 f(x) = log(1 + x) = n=1

n=0 f(x) = log(1 + x) = n=1 Potez - Reihe Machmal ist es praktisch eie Fuktio f() mir Hilfe ihrer Potezreihe auszudrücke. Eie Potezreihe um de Etwicklugspukt 0 sieht im Allgemeie so aus a ( 0 ) Fuktioe, für die eie Potezreihe eistiert,

Mehr

Statistik I/Empirie I

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

Mehr

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

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

Der Modus. Lageparameter. Beispiel (Einrichtungen) Beispiel (Lieblingsfarben) Modus. Untersuchungseinheiten U 1,...,U n. Merkmal X

Der Modus. Lageparameter. Beispiel (Einrichtungen) Beispiel (Lieblingsfarben) Modus. Untersuchungseinheiten U 1,...,U n. Merkmal X Lageparameter Der Modus Utersuchugseiheite U,...,U Modus mod Mermal X Urliste,..., geordete Urliste (),..., () Es gilt i.allg.: ( ), i, K i i, Mermalsauspräguge a,..., a wird auch Modalwert oder häufigster

Mehr

Auszüge der nichtparametrischen Statisik

Auszüge der nichtparametrischen Statisik Empirische Wirtschaftsforschug - 1 - Auszüge der ichtparametrische Statisik Kapitel 1: Räge ud lieare Ragstatistike Aahme, Defiitioe ud Eigeschafte (1.1) Aahme: (a) (b) Die Date x 1,, x sid midestes ordial.

Mehr

Statistik ) 217 Haushalte 3) 2) Anzahl der TV-Geräte ) 220 Personen, 96 Personen, 285 Personen 2) 6,6. 8,7 m 1 0,06

Statistik ) 217 Haushalte 3) 2) Anzahl der TV-Geräte ) 220 Personen, 96 Personen, 285 Personen 2) 6,6. 8,7 m 1 0,06 Statistik 7 7. Erstelle eier stabelle i der Klasse, idividuell verschiedee Ergebisse sid möglich. 7. ) ordial ) omial 3) metrisch ) metrisch 7.3 ) Diskret. Es komme ur atürliche Zahle als Ergebis i Frage.

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

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

Monotonie einer Folge

Monotonie einer Folge Mootoie eier Folge 1 E Mootoe Folge We jedes Folgeglied eier Folge größer oder gleich dem vorhergehede Folgeglied ist a 1 a ℕ so et ma die Folge mooto steiged (oder mooto wachsed). Die geometrische Folge

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

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

... a ik) i=1...m, k=1...n A = = ( a mn

... a ik) i=1...m, k=1...n A = = ( a mn Zurück Stad: 4..6 Reche mit Matrize I der Mathematik bezeichet ma mit Matrix im Allgemeie ei rechteckiges Zahleschema. I der allgemeie Darstellug habe die Zahle zwei Idizes, de erste für die Zeileummer,

Mehr

Es gibt verschiedene Möglichkeiten eine Folge zu definieren. Die zwei häufigsten Methoden

Es gibt verschiedene Möglichkeiten eine Folge zu definieren. Die zwei häufigsten Methoden Folge ud Reihe Folge Eie Folge ist eie Abbildug der atürliche Zahle N = {0, 1,,...} i die Mege der (zumidest i de meiste Fälle) reelle Zahle R. I diesem Fall ka ma sich eie Folge als Pukte i eiem Koordiatesystem

Mehr

Formelsammlung. zur Klausur. Beschreibende Statistik

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

Mehr

Testen statistischer Hypothesen

Testen statistischer Hypothesen Kapitel 9 Teste statistischer Hypothese 9.1 Eiführug, Sigifiaztests Sigifiaztest für µ bei der ormalverteilug bei beatem σ = : X i seie uabhägig ud µ, ) verteilt, µ sei ubeat. Stelle eie Hypothese über

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

Jugendliche (18-24 Jahre) in Westdeutschland

Jugendliche (18-24 Jahre) in Westdeutschland Modus Beispiel: Modus Jugedliche (8-4 Jahre) i Westdeutschlad Parameter oder Kewerte eier Häufigkeitsverteilug sid Kegröße, mit dere Hilfe die Verteilug z.t. oder vollstädig rekostruiert werde ka D West

Mehr

Exponentialfunktionen und die e- Funktion. Bei den bisher betrachteten Funktionen traten Exponenten nur als Zahlen auf.

Exponentialfunktionen und die e- Funktion. Bei den bisher betrachteten Funktionen traten Exponenten nur als Zahlen auf. R. Brikma http://brikma-du.de Seite.. Eiführug Epoetialfuktioe ud die e- Fuktio Bei de bisher betrachtete Fuktioe trate Epoete ur als Zahle auf. q Potezfuktio : f a mit q Beispiel: f Fuktioe mit positiver

Mehr

Skript zum Modul Statistik

Skript zum Modul Statistik Skript zum Modul 4 - Statistik 5 Kozetratiosmaße Zusätzlich zu de Lageparameter (Sitzug 3), die markate Pukte (z.b. Media, Modus, Mittelwert) beschreibe ud de Streuugsparameter (Sitzug 4), die de Charakter

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

Kapitel 2: Stochastische Prozesse. Copyright M. Gross, ETH Zürich 2006, 2007

Kapitel 2: Stochastische Prozesse. Copyright M. Gross, ETH Zürich 2006, 2007 Kaitel 2: Coyright M. Gross, ETH Zürich 2006, 2007 Bedigte Verteiluge Ebeso a die Verbudwahrscheilicheit vo Zufallsvariable über bedigte Wahrscheilicheite ausgedrüct werde i i,, i,, Wiederum ommt eie Produtregel

Mehr

Übungsblatt Folgen, Reihen, Finanzmathematik

Übungsblatt Folgen, Reihen, Finanzmathematik Tutorium zu Mathematik für WFB Übugsblatt Folge, Reihe, Fiazmathematik Aufgabe (Grezwerte vo Folge) Bestimme Sie die Grezwerte der Folge ( ), N 4 b) c) d) e) si( ) f) a () g) a cos( ) Aufgabe (4 ) 4 b)

Mehr

Kapitel 7: Korrelation = Stärke eines Zusammenhangs zwischen zwei Variablen. Korrelation Beschreibung von einfachen Zusammenhängen zweier Merkmale

Kapitel 7: Korrelation = Stärke eines Zusammenhangs zwischen zwei Variablen. Korrelation Beschreibung von einfachen Zusammenhängen zweier Merkmale Korrelatio Zusammehag zwische zwei Variable bivariat Das Strickmuster erkee Kapitel 7: Korrelatio Stärke eies Zusammehags zwische zwei Variable. ud alles was damit zusammehägt Positiver Zusammehag "Glatt"

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

Bestimmung von Vertrauensintervallen (Konfidenzintervallen) bei unbekannten Wahrscheinlichkeiten

Bestimmung von Vertrauensintervallen (Konfidenzintervallen) bei unbekannten Wahrscheinlichkeiten Bestimmug vo Vertrauesitervalle (Kofidezitervalle bei ubekate Warsceilickeite Beispiel : Es soll utersuct werde, wie viele 8-järige Erstwäler bei der äcste Budestagswal wäle gee werde. Dazu werde 600 Persoe

Mehr

3 Vergleich zweier unverbundener Stichproben

3 Vergleich zweier unverbundener Stichproben 3 Vergleich zweier uverbudeer Stichprobe 3. Der Zweistichprobe t-test Es wird vorausgesetzt, dass die beide Teilstichprobe x, x,..., x ud y, y,..., y jeweils aus (voeiader uabhägige) ormalverteilte Grudgesamtheite

Mehr

Quantenmechanik I. Musterlösung 12.

Quantenmechanik I. Musterlösung 12. Quatemechaik I. Musterlösug 1. Herbst 011 Prof. Reato Reer Übug 1. Ster-Gerlach (19). Ei Strahl aus ugeladee Teilche mit Spi s = 1 läuft etlag der x-achse ud durchquert ei i z-richtug stark ihomogees Magetfeld.

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

Positiv denken! Lösungen

Positiv denken! Lösungen Schülerzirkel Mathematik Fakultät für Mathematik. Uiversität Regesburg Positiv deke! Lösuge Aufgabe 1 (GMAMQM (ur für die Klasse 7/8) [ Pukte]). Seie a, b reelle Zahle. 1. Sei a 0 ud b 0. Zeige, dass a

Mehr

Übungsblatt 1 zur Vorlesung Angewandte Stochastik

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

Mehr

Zusammenhangsmaß Korrelation (Pearsons Produkt-Moment-Korrelation r)

Zusammenhangsmaß Korrelation (Pearsons Produkt-Moment-Korrelation r) Ergäzede Hiweise zur Iterpretatio Zusammehagsmaß Korrelatio (Pearsos Produkt-Momet-Korrelatio r) Thürigeweite Kompeteztests 3 Dipl.-Psych. Ulf Kröhe, Dr. Christof Nachtigall Lehrstuhl für Methodelehre

Mehr

Teilaufgabe 1.1 (3 BE) Berechnen Sie die Wahrscheinlichkeit dafür, dass ein im Flughafen zufällig herausgegriffener Pauschalreisender ( ) =

Teilaufgabe 1.1 (3 BE) Berechnen Sie die Wahrscheinlichkeit dafür, dass ein im Flughafen zufällig herausgegriffener Pauschalreisender ( ) = Abiturprüfug Berufliche Oberschule 004 Mathematik 3 Techik - B I - Lösug Teilaufgabe.0 A eiem Flughafe sid 0% der Reisede Ferreisede. Uter de Ferreisede befide sich 5% Nicht-Pauschalreisede. Der Ateil

Mehr

Investitionsentscheidungsrechnung Annuitäten Methode

Investitionsentscheidungsrechnung Annuitäten Methode Mit Hilfe der köe folgede Ivestitioe beurteilt werde: eizele Ivestitioe alterative Ivestitiosobjekte optimale Ersatzzeitpukte Seite 1 Folgeder Zusammehag besteht zwische der Kapitalbarwertmethode ud der

Mehr

Zusammenfassung: Folgen und Konvergenz

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

Mehr

D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Übungsblatt 5. (1 + x) n 1 + nx

D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Übungsblatt 5. (1 + x) n 1 + nx D-MATH, D-PHYS, D-CHAB Aalysis I HS 2017 Prof. Mafred Eisiedler Übugsblatt 5 1. Die Beroullische Ugleichug besagt, dass für N 0 ud x R mit x 1 stets 1 + x 1 + x gilt. Wir wolle u aaloge Ugleichuge für

Mehr

Kennzeichen: Die Berechnungsbasis bleibt während der gesamten Verzinsungsdauer unverändert (lineares Wachstum)

Kennzeichen: Die Berechnungsbasis bleibt während der gesamten Verzinsungsdauer unverändert (lineares Wachstum) 5. Fiazmathematik 5.1. Zis- ud Ziseszisrechug 5.1.1. Eifache Verzisug Kezeiche: Die Berechugsbasis bleibt währed der gesamte Verzisugsdauer uverädert (lieares Wachstum) Die Verzisug wird ach dem Zeitpukt

Mehr

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

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

Mehr

Eigenschaften von Texten

Eigenschaften von Texten Worthäufigkeite Eigeschafte vo Texte Eiige Wörter sid sehr gebräuchlich. 2 der häufigste Wörter (z.b. the, of ) köe ca. 0 % der Wortvorkomme ausmache. Die meiste Wörter sid sehr selte. Die Hälfte der Wörter

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

Konvergenzradius von Taylorreihen

Konvergenzradius von Taylorreihen HTBLA Neufelde Peter Fischer pe.fischer@at.u Kovergezradius vo Taylorreihe Mathematische / Fachliche Ihalte i Stichworte: Taylorreihe, Kovergezradius, bestädige Kovergez Kurzzusammefassug Zuerst wird der

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

Zusammenfassung: Folgen und Konvergenz

Zusammenfassung: Folgen und Konvergenz Zusammefassug Folge ud Kovergez Ihaltsverzeichis Defiitioe ud Beispiele für Folge Beschräkte Folge Kovergez vo Folge Grezwertsätze für Folge 6 Für Experte 8 Defiitioe ud Beispiele für Folge Defiitio Eie

Mehr

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

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

Mehr

Indizieren Sie die folgenden Summen und Produkte gemäß der Vorgabe um und schreiben Sie sie einmal explizit aus: 5

Indizieren Sie die folgenden Summen und Produkte gemäß der Vorgabe um und schreiben Sie sie einmal explizit aus: 5 FU Berli: WiSe 13-14 (Aalysis 1 - Lehr.) Übugsaufgabe Zettel 9 Aufgabe 37 Idiziere Sie die folgede Summe ud Produte gemäß der Vorgabe um ud schreibe Sie sie eimal explizit aus: 5 (a) + 1) 0( Lösug. Die

Mehr

Herzlich Willkommen zur Vorlesung. Analysis I SoSe 2014

Herzlich Willkommen zur Vorlesung. Analysis I SoSe 2014 Herzlich Willkomme zur Vorlesug Aalysis I SoSe 2014 Prof. Dr. Berd Dreseler Lebediges Lere: Aufgabe Ich Wir 2 Reelle Zahle 2.1 Körperstruktur vo (K1) Additio ud Multiplikatio kommutativ: a b b a, ab ba.

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

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

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

Wiederholung: Linearer Ausgleich 1. Linearer Ausgleich. Vorlesung April. Aufgabe Gegeben Naturgesetz

Wiederholung: Linearer Ausgleich 1. Linearer Ausgleich. Vorlesung April. Aufgabe Gegeben Naturgesetz Vorlesug 4 6 + 9 April Bei w,, w m, v R ; (w,, w m =: A R (,m ud ieres Produkt = euklidisches Produkt schrieb sich das Approximatiosproblem so: Fide w = Wiederholug: m ζ k w k mit w v w v w spa{w,, w m

Mehr

2.3 Kontingenztafeln und Chi-Quadrat-Test

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

Mehr

Tests für beliebige Zufallsvariable

Tests für beliebige Zufallsvariable Kapitel 10 Tests für beliebige Zufallsvariable 10.1 Der Chi-Quadrat-Apassugstest Sei x eie gaz beliebige Zufallsvariable, dere Dichtefuktio icht oder icht geau bekat ist. Beispiel: Es seie z.b. mittels

Mehr

Klausur 3 Kurs 11ma3g Mathematik

Klausur 3 Kurs 11ma3g Mathematik 202-06-2 Klausur 3 Kurs ma3g Mathematik Lösug I eier Lotto-Ure befide sich 49 Kugel, die mit de Zahle vo bis 49 beschriftet sid. Eie eizige Kugel wird gezoge. Bereche Sie die Wahrscheilichkeit, dass diese

Mehr

FormelnfürdieAnzahlmöglicherQuadrateaufn*nSpielfeldern

FormelnfürdieAnzahlmöglicherQuadrateaufn*nSpielfeldern Modrago Formel Herleitug, Azahl Quadrate ud Differeze 01.doc 1 FormelfürdieAzahlmöglicherQuadrateauf*Spielfelder Mit Erläuteruge zur Ableitug der Formel vo Dr. Volker Bagert Berli, 11.03.010 Ihaltsverzeichis

Mehr

Teilaufgabe 1.0 Bei der Firma Kohl kommen morgens alle im Büro Beschäftigten nacheinander ins Großraumbüro.

Teilaufgabe 1.0 Bei der Firma Kohl kommen morgens alle im Büro Beschäftigten nacheinander ins Großraumbüro. mathphys-olie Abiturprüfug Berufliche Oberschule 014 Mathematik 13 Techik - B I - Lösug Teilaufgabe 1.0 Bei der Firma Kohl komme morges alle im Büro Beschäftigte acheiader is Großraumbüro. Teilaufgabe

Mehr

3. Taylorformel und Taylorreihen

3. Taylorformel und Taylorreihen Prof Dr Siegfried Echterhoff Aalysis Vorlesug SS 9 3 Taylorformel ud Taylorreihe Sei I R ei Itervall ud sei f : I R eie Fuktio Ziel: Wolle utersuche, wa sich die Fuktio f i eier Umgebug vo eiem Pukt I

Mehr

Statistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S

Statistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S Statistik mit Excel 2013 Peter Wies Theme-Special 1. Ausgabe, Februar 2014 W-EX2013S 3 Statistik mit Excel 2013 - Theme-Special 3 Statistische Maßzahle I diesem Kapitel erfahre Sie wie Sie Date klassifiziere

Mehr

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

Komplexe Zahlen. Gauss (1831) stellte eine strenge Theorie zur Begründung der komplexen Zahlen auf.

Komplexe Zahlen. Gauss (1831) stellte eine strenge Theorie zur Begründung der komplexen Zahlen auf. Komplexe Zahle Problem: x 2 + 1 = 0 ist i R icht lösbar. Zur Geschichte: Cardao 1501-1576: Auflösug quadratischer ud kubischer Gleichuge. Empfehlug: Reche z.b. mit 1 wie mit gewöhliche Zahle. Descartes

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

Grenzwerte von Folgen. 1-E Ma 1 Lubov Vassilevskaya

Grenzwerte von Folgen. 1-E Ma 1 Lubov Vassilevskaya Grezwerte vo Folge -E Ma Lubov Vassilevskaya Berechug vo Grezwerte: Aufgabe Die Berechug vo Grezwerte ka oft ziemlich umstädlich sei. Die etwickelte Regel vereifache oft solche Berechuge. Diese Regel beruhe

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

c B Analytische Geometrie

c B Analytische Geometrie KITL 9 alytische Geometrie Gerade arameterdarstellug eier Gerade ie Gerade g ist bestimmt durch eie Richtug, gegebe durch eie Vektor c, c 0, ud eie ukt, der auf der Gerade liegt Ma et de ufpukt i ukt X

Mehr

s xy x i x y i y s xy = 1 n i=1 y 2 i=1 x 2 s 1 n x n i Streudiagramme empirische Kovarianz x=5,5 y=7,5

s xy x i x y i y s xy = 1 n i=1 y 2 i=1 x 2 s 1 n x n i Streudiagramme empirische Kovarianz x=5,5 y=7,5 Streudiagramme für metrisch skalierte Variable paarweise Messwerte (x,y) x 5 7 y 7 5 7 5 5 7 Aussage zu Zusammehäge. empirische Kovariaz Stadardabweichug der WertPAARE x i x y Wert x Mittelwert aller x

Mehr

Prof. Dr.-Ing. Bernd Kochendörfer. Bauwirtschaft und Baubetrieb. Investitionsrechnung

Prof. Dr.-Ing. Bernd Kochendörfer. Bauwirtschaft und Baubetrieb. Investitionsrechnung ud Baubetrieb A Ivestitiosrechug ud Baubetrieb Ivestitiosbegriff Bilazorietierter Ivestitiosbegriff Umwadlug vo Geldkapital i adere Forme vo Vermöge Aktiva Passiva Zahlugsorietierter Ivestitiosbegriff

Mehr

Goldener Schnitt und Fünfecke. Ein Streifzug durch einige Wunder der Mathematik. Geeignet für Klasse 9 (teilweise) und 11 sowie Facharbeiten

Goldener Schnitt und Fünfecke. Ein Streifzug durch einige Wunder der Mathematik. Geeignet für Klasse 9 (teilweise) und 11 sowie Facharbeiten Aalysis Fiboacci-Folge Goldeer Schitt ud Füfecke Ei Streifzug durch eiige Wuder der Mathematik Geeiget für Klasse 9 (teilweise) ud sowie Facharbeite Datei Nr. 40070 Stad 8. Jauar 009 INTERNETBIBLIOTHEK

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

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

Proseminar Lineare Algebra WS 2016/17

Proseminar Lineare Algebra WS 2016/17 Prosemiar Lieare Algebra WS 2016/17 Bachelorstudium Lehramt Sekudarstufe (Allgemeibildug) Lehramtsstudium Uterrichtsfach Mathematik Kapitel 0: Grudlage 1. Wie sid die Begriffe Vereiigug, Durchschitt ud

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

Analysis I Lösungsvorschläge zum 3. Übungsblatt Abgabe: Bis Donnerstag, den , um 11:30 Uhr

Analysis I Lösungsvorschläge zum 3. Übungsblatt Abgabe: Bis Donnerstag, den , um 11:30 Uhr Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Dipl.-Math. Lars Machiek Dipl.-Math. Sebastia Schwarz WS 206/207 03..206 Aalysis I Lösugsvorschläge zum 3. Übugsblatt Abgabe:

Mehr