Kursthemen 5. Sitzung. Lagemaße

Größe: px
Ab Seite anzeigen:

Download "Kursthemen 5. Sitzung. Lagemaße"

Transkript

1 Kurstheme 5. Sitzug Folie I Lagemaße A) Arithmetisches Mittel (AM), Media ud Modus (Folie 2 bis 8) A) Arithmetisches Mittel (AM), Media ud Modus (Folie 2 bis 8) B) Der Additiossatz für AM (Folie 9 bis ) B) Der Additiossatz für AM (Folie 9 bis ) C) Berechug des AM aus der Klassetabelle (Folie 2 bis 3) C) Berechug des AM aus der Klassetabelle (Folie 2 bis 3) D) Trasformatiossätze für das AM (Folie 4) D) Trasformatiossätze für das AM (Folie 4) E) Geometrisches Mittel, Harmoisches Mittel (Folie 5 bis 20) E) Geometrisches Mittel, Harmoisches Mittel (Folie 5 bis 20) F) Getrimmte ud Wisorisierte Mittelwerte (Folie 2 bis 22) F) Getrimmte ud Wisorisierte Mittelwerte (Folie 2 bis 22)

2 Uivariate Statistik Lagemaße - I (measures of locatio, shift) Folie I Lagemaße = Lokatiosmaße = Zetralitätsmaße = Mittelwerte Lagemaße = Lokatiosmaße = Zetralitätsmaße = Mittelwerte Es sei,..., eie Stichprobe x x Name Arithmetisches Mittel (AM, AM(X), Durchschitt ) Defiitio x : = xi i= Media (Zetralwert, 50%-Pukt, 50%-Quatil) x + 2 x : = x + x we ugerade we gerade Modus (Modalwert, häufigster Wert, dichtester Wert) o o * * x, x = xi mit x = max ( ) i

3 Aufgabe zur Defiitio des Arithmetische Mittels Folie I Es sei x,..., x eie Stichprobe Für welche Zahl a gilt: ( x a) i= i = 0?

4 Aufgabe zu de Lagemaße Folie I Studetie wiese folgede Budget-Bedarfswerte (i ) auf : a) Bereche Sie das Arithmetische Mittel! b) Bereche Sie de Media! c) Bereche Sie de Modalwert!

5 Aufgabe zur Iterpretatio vo Lagemaße Folie I Bei 62 Studetie ud Studete wurde die moatliche Budget-Bedarfswerte (i ) ermittelt. Die folgede Lagemaße wurde berechet: Das Arithmetische Mittel betrug 035,- Der Media 950,- Der Modalwert 500,-. a) Iterpretiere Sie die Maße ihaltlich. b) Erkläre Sie, warum sich die Maßzahle uterscheide. c) Welche Maßzahl halte Sie für die beste zur Charakterisierug der mittlere Tedez i der Stichprobe?

6 Histogramm zur Klassetabelle des Merkmals Budget-Bedarf Folie I Empirische Dichte 0,000 0,0008 0,0006 0,0004 Media AM Modus 0, Moatl. Budget-Bedarf

7 Eigeschafte vo Lagemaße Folie I Lagemaß defiierbar für sivoll für ausreißerempfidlich? x quatitative Sk. mid. Itervallsk. ja x quatitative Sk. mid. Ordialsk. ei Modus alle Skale diskrete Skale ja Achtug: Verschiedee Lagemaße habe im allgemeie eie uterschiedliche ihaltliche Bedeutug!

8 Folie I Vereifachte Berechug des arithmetische Mittels bei diskrete Date aus der Häufigkeitstabelle Berechug des AM aus de Eizelwerte: x = xi i= Vereifachug: x k = j x j j= wobei k die Azahl der Merkmalsauspräguge ist

9 Der Additiossatz Folie I Eie Stichprobe (ei Kollektiv) möge aus k Teilstichprobe (Teilkollektive) vom Umfag,,..., bestehe. 2 Gesamtstichprobeumfag = = Ferer sei x das arithmetische Mittel der Gesamtstichprobe ud x mit j =,2,..., k die arithmetische Mittel der k Teilstichprobe. j k k j= j Da gilt: x = x = x k k j j j j j= j= (Additiossatz für arithmetische Mittel)

10 Beispielaufgabe zum Additiossatz Folie I Studetie wiese eie mittlere Budget-Bedarf vo 388,89 auf. 53 Studete wiese eie mittlere Budget-Bedarf vo 974,53 auf. Welche mittlere Budgetbedarf wies die Gesamtgruppe auf?

11 Folie I Aufgabe zum Additiossatz: Durchschittliche Körpergröße der Studete Eie Gruppe vo 67 Studete war im Mittel 8,64 cm groß. Die 57 mäliche Gruppemitglieder ware im Mittel 82,58 cm groß. Wie groß ware die Fraue i dieser Gruppe im Mittel?

12 Berechug des arithmetische Mittels aus der Klassetabelle /2 Folie I Idee: Ersetze die ubekate x,..., x durch die Klassemitte x j * der Klasse, i der sie jeweils zu fide sid, ud bereche die gewüschte Maßzahl approximativ aus dieser küstliche diskrete Stichprobe. x Resultat: k = appr j x j j=

13 Berechug des arithmetische Mittels aus der Klassetabelle 2/2 Folie I x Resultat: k = appr j x j j= Iterpretatio: Das Resultat ergibt sich aus dem Additiossatz, we der Mittelwert i eier Klasse gleich der Klassemitte ist. Folge: Das Gesamtmittel ist um so stärker verfälscht, je stärker sich i de eizele Klasse das arithmetische Mittel vom Klassemittelpukt etfert.

14 Trasformatiossätze Folie I Maß Arithmetisches Mittel Trasformatio y = b x y = x + a y = b x + a i i i y = b x y = x + a y = b x + a i i i Beispiele Währugsumrechug vo Euro i DM : y = x Berücksichtigug vo fixe Koste a=fixe Koste Temperaturumrechug vo C i F: y =.8. x + 32

15 Uivariate Statistik Lagemaße - II (measures of locatio, shift) Folie I Lagemaße = Lokatiosmaße = Zetralitätsmaße = Mittelwerte) Lagemaße = Lokatiosmaße = Zetralitätsmaße = Mittelwerte) Es sei x,..., x eie Stichprobe Name Defiitio Geometrisches Mittel GM ( x) = (GM, GM(x)) i= x i

16 Beispielsaufgabe zum Geometrisches Mittel: Die Durchschittsredite des DAX Folie I ,7 47, 39, 28,2 2,9 7,0 7,7 4,5 % -2, -7, -2, GM = ( 0,29) ( + 0,29)... ( + 0,39) = 3,887 =,45 Das bedeutet, die durchschittliche Redite betrug,45 - = 0,45, also 4,5 %

17 Folie I Lösug zur Aufgabe zum Geometrisches Mittel: Die Durchschittsredite des DAX 2,9 46,7 7,0 28,2 47, 7,7 39, -2, -7, -2, Falsch ist i diesem Fall die Verwedug des arithmetische Mittels: AM = ( 2,9 + 2, ,) = 6,76 0

18 Aufgabe zur Berechug durchschittlicher Wachstumsrate Folie I Die Verschuldug der öffetliche Haushalte i der BRD betrug: (Vgl. Schlittge, S. 26) Jahr Versch. i Mio DM DM DM DM DM DM DM Bereche Sie die durchschittliche Wachstumsrate der Verschuldug der öffetliche Haushalte i der BRD vo 982 bis 988!

19 Uivariate Statistik Lagemaße - III (measures of locatio, shift) Folie I Lagemaße = Lokatiosmaße = Zetralitätsmaße = Mittelwerte) Lagemaße = Lokatiosmaße = Zetralitätsmaße = Mittelwerte) Es sei x,..., x eie Stichprobe Name Defiitio Harmoisches Mittel (HM, HM(x)) = = i i= HM ( x) x x i= i

20 Beispielaufgabe: Berechug eier Durchschittsgeschwidigkeit Folie I Ei Autofahrer fährt jede Tag die gleiche Strecke vo s = 0 km zur Arbeit. Am Ede eier Woche ( = 5 Tage) hat er die folgede Zeite (t (t i ) i ud Durchschitts-Geschwidigkeite (d i ) i erzielt: i Wochetag t i [Mi.] d i [km/h] Motag 20 30,0 2 Diestag 4 42,9 3 Mittwoch 6 37,5 4 Doerstag 8 33,3 5 Freitag 28 2,4 Wie hoch war die durchschittliche Geschwidigkeit? Wie hoch war die durchschittliche Geschwidigkeit?

21 Lösug der Beispielsaufgabe zum Harmoische Mittel /2: i Wochetag t i [Mi.] d i [km/h] Motag 20 30,0 2 Diestag 4 42,9 3 Mittwoch 6 37,5 4 Doerstag 8 33,3 5 Freitag 28 2,4 Folie I Die Gesamtzeit betrug: i= t i = 96 Miute Damit betrug die Durchschittsgeschwidigkeit über die gaze Woche: s i= t i = 3,3 km/h

22 Lösug der Beispielsaufgabe zum Harmoische Mittel 2/2: i Wochetag t i [Mi.] d i [km/h] Motag 20 30,0 2 Diestag 4 42,9 3 Mittwoch 6 37,5 4 Doerstag 8 33,3 5 Freitag 28 2,4 Folie I Wie ka ma diese Woche-Durchschittsgeschwidigkeit aus de tägliche Durchschittsgeschwidigkeite bereche? Lösug: Berechug des harmoische Mittels der tägliche Durchschittsgeschwidigkeite: s s = = s t d i i= i= di i= i

23 Aufgabe : Der Doktorad fährt ach Berli I / III Folie I Ei Doktorad im Bereich Statistik aus Hamburg möchte seie Professor besuche, der i Berli lebt. Auf der Autobah kommt es immer wieder zu stockedem Verkehr. Der Doktorad lagweilt sich. Er merkt sich daher über bestimmte Strecke, wie schell er fährt. Es ergebe sich folgede Date: Er fährt zuächst 0km durch eie Baustelle mit 60 km/h, da 0 km mit 00 km/h ud da kommt er i eie Stau ud fährt 0km mit ur 30 km/h. Der Doktorad berechet für die gefahree 30 km seie Durchschittsgeschwidigkeit. Auf welches Ergebis ist der Doktorad gekomme, we Sie uterstelle, dass er promotioswürdig ist?

24 Aufgabe : Der Doktorad fährt ach Berli II / III Folie I Der Doktorad fährt weiter. Er lagweilt sich immer och ud erhebt daher weiter Date. Diesmal erhält er folgede Date: Er fährt eie halbe Stude mit eier Geschwidigkeit vo 60 km/h, eie weitere halbe Stude mit 00 km/h ud och eie halbe Stude mit 30 km/h. Der Doktorad berechet für die gefahree,5 Stude seie mittlere Geschwidigkeit. Auf welches Ergebis ist der Doktorad gekomme, we Sie uterstelle, dass er promotioswürdig ist?

25 Aufgabe : Der Doktorad fährt ach Berli III / III Folie I Der Doktorad lagweilt sich immer och ud erhebt ereut Fahr-Date. Diesmal ergebe sich folgede Date: Er fährt 0km mit 60 km/h, 5km mit 00km/h ud 2km mit 30 km/h. Der Doktorad berechet für die gefahree Strecke seie Durchschittsgeschwidigkeit. Auf welches Ergebis ist der Doktorad gekomme, we Sie uterstelle, dass er promotioswürdig ist?

26 Beispiel zum Getrimmte Mittelwert: Budget-Bedarf der Fraue Folie I Studetie wiese folgede Budget-Bedarfswerte (i ) auf (aufsteiged geordet): Trimmt ma diese Stichprobe liks ud rechts um 5%, also um 0,5 mal 9 =,35, abgerudet Wert, so verbleibt die sog. 5%-getrimmte Stichprobe : Dere arithmetisches Mittel heißt: 5%-getrimmtes arithmetisches Mittel (i diesem Fall: 328,57) Zum Vergleich: das arithmetische Mittel der gesamte Stichprobe beträgt 389

27 Beispiel zum Wisorisierte Mittelwert: Budget-Bedarf der Fraue Folie I Studetie wiese folgede Budget-Bedarfswerte (i ) auf (aufsteiged geordet): Wisorisiert ma diese Stichprobe liks ud rechts um 5%, also um 0,5 mal 9 =,35, abgerudet Wert, so verbleibt die sog. 5%-wisorisierte Stichprobe : Dere arithmetisches Mittel heißt: 5%-wisorisiertes arithmetisches Mittel (i diesem Fall: 300) Zum Vergleich: das arithmetische Mittel der gesamte Stichprobe beträgt 389,-

(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

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

2.2.1 Lagemaße. Exkurs: Quantile. und n. p n

2.2.1 Lagemaße. Exkurs: Quantile. und n. p n Ekurs: Quatile Ausgagspukt : Geordete Urliste Jeder Wert p, mit 0 < p

Mehr

Statistik Einführung // Beschreibende Statistik 2 p.2/61

Statistik Einführung // Beschreibende Statistik 2 p.2/61 Statistik Eiführug Beschreibede Statistik Kapitel Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Beschreibede Statistik

Mehr

Kennwerte Univariater Verteilungen

Kennwerte Univariater Verteilungen Kewerte Uivariater Verteiluge Kewerte Beschreibug vo Verteiluge durch eie (oder weige) Werte Werde auch als Parameter oder Maße vo Verteiluge bezeichet Ma uterscheidet: Lagemaße oder auch Maße der zetrale

Mehr

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

Eindimensionale Darstellungen

Eindimensionale Darstellungen Deskriptive Statistik Eidimesioale Darstelluge vo Häufigkeitsverteiluge 6..20 Der Modalwert Eie Merkmalsausprägug, welche i der Beobachtugsreihe die größte absolute Häufigkeit besitzt, wird Modalwert (Modus

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

WISTA WIRTSCHAFTSSTATISTIK

WISTA WIRTSCHAFTSSTATISTIK WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Semiar für Theoretische Wirtschaftslehre Vorlesugsprogramm 30.04.203 Mittelwerte ud Lagemaße I. Quatile vo Häufigkeitsverteiluge

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

Statistik I für Studierende der Soziologie

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

Mehr

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

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

Univariate Verteilungen

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

Mehr

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

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

Mehr

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

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

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

Reader Teil 1: Beschreibende Statistik

Reader Teil 1: Beschreibende Statistik Dr. Katharia Best Sommersemester 2011 14. April 2011 Reader Teil 1: Beschreibede Statistik WiMa-Praktikum Um Date darzustelle ud eie Übersicht über die Struktur der Date zu erstelle, stellt die beschreibede

Mehr

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

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

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

= 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

Aufgabe 1: Funktionale Modellierungen

Aufgabe 1: Funktionale Modellierungen Didaktik des Sachreches (Sek. I) Übugsblatt 4 Dr. Astrid Brikma Name, Vorame: Matrikelummer: Doppelte Lösuge führe zum Verlust aller Pukte beider Persoe-Gruppe. Die Lösuge sid hadschriftlich abzugebe.

Mehr

Sind Sie mit unserem Angebot zufrieden? ja nein weiß nicht

Sind Sie mit unserem Angebot zufrieden? ja nein weiß nicht STATISTIK Eiführug Statistik kommt vom italieische Wort statistica, was so viel wie Staatsma bedeutet. Früher verwedete ma de Begriff ur für eie Auswertug vo Date (Klima, Bevölkerug, Bräuche,...) eies

Mehr

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

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

Mehr

Weitere Lagemaße: Quantile/Perzentile I

Weitere Lagemaße: Quantile/Perzentile I 3 Auswertug vo eidimesioale Date Lagemaße 3.3 Weitere Lagemaße: Quatile/Perzetile I Für jede Media x med gilt: Midestes 50% der Merkmalswerte sid kleier gleich x med ud ebeso midestes 50% größer gleich

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

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

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

Mehr

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

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

. Mit dem Unit Hydrograph (U) und gegebenen Niederschlägen (P) kann der Direktabfluss für jeden Zeitpunkt n berechnet werden. Dies erfolgt nach:

. Mit dem Unit Hydrograph (U) und gegebenen Niederschlägen (P) kann der Direktabfluss für jeden Zeitpunkt n berechnet werden. Dies erfolgt nach: Kursuterlage zum BSc Studiegag Geographie, FSU Jea, Modul 4 Die Eiheitsgagliie, Uit Hydrograph Eiheitsgagliie (Uit Hydrograph) Defiitio der Eiheitsgagliie Die Eiheitsgagliie (egl. uit hydrograph, Sherma

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

( ), 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

Dritter Zirkelbrief: Ungleichungen

Dritter Zirkelbrief: Ungleichungen Matheschülerzirkel Uiversität Augsburg Schuljahr 014/015 Dritter Zirkelbrief: Ugleichuge Ihaltsverzeichis 1 Grudlage vo Ugleichuge 1 Löse vo Ugleichuge 3 3 Mittel 4 4 Mittelugleichuge 5 5 Umordugsugleichug

Mehr

Höhere Analysis. Lösungen zu Aufgabenblatt 6. Die Funktion f sei auf ( π, π] definiert durch f(x) = x und wird 2π-periodisch fortgesetzt.

Höhere Analysis. Lösungen zu Aufgabenblatt 6. Die Funktion f sei auf ( π, π] definiert durch f(x) = x und wird 2π-periodisch fortgesetzt. Fachbereich Iformatik Sommersemester 8 Prof. Dr. Peter Becker Höhere Aalysis Lösuge zu Aufgabeblatt 6 Aufgabe (Fourierreihe) 3+5 Pukte Die Fuktio f sei auf (, π] defiiert durch f(x) x ud wird π-periodisch

Mehr

Diskrete Zufallsvariablen

Diskrete Zufallsvariablen Erste Beispiele diskreter Verteiluge Diskrete Zufallsvariable Beroulli-Verteilug Eie diskrete Zufallsvariable heißt beroulliverteilt mit arameter p, falls sie die Wahrscheilichkeitsfuktio p,, f ( ) ( )

Mehr

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

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

Übung 1 Algorithmen II

Übung 1 Algorithmen II Yaroslav Akhremtsev, Demia Hespe yaroslav.akhremtsev@kit.edu, hespe@kit.edu Mit Folie vo Michael Axtma (teilweise) http://algo2.iti.kit.edu/algorithmeii_ws17.php - 0 Akhremtsev, Hespe: KIT Uiversität des

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

Reihen Arithmetische Reihen Geometrische Reihen. Datei Nr (Neu bearbeitet und erweitert) Juni Friedrich W. Buckel

Reihen Arithmetische Reihen Geometrische Reihen. Datei Nr (Neu bearbeitet und erweitert) Juni Friedrich W. Buckel Zahlefolge Teil 3 Reihe Reihe Arithmetische Reihe Geometrische Reihe Datei Nr. 4003 (Neu bearbeitet ud erweitert) Jui 005 Friedrich W. Buckel Iteretbibliothek für Schulmathematik Ihalt Defiitio eier Reihe

Mehr

Herzlich willkommen zur Demo der mathepower.de Aufgabensammlung

Herzlich willkommen zur Demo der mathepower.de Aufgabensammlung Herzlich willkomme zur der Aufgbesmmlug Um sich schell ierhlb der c. 0.000 Mthemtikufgbe zu orietiere, beutze Sie ubedigt ds Lesezeiche Ihres Acrobt Reders: Ds Ico fide Sie i der liks stehede Leiste. Bitte

Mehr

Lage- und Streuungsmaße

Lage- und Streuungsmaße Statistik 1 für SoziologIe Lage- ud Streuugsmaße Uiv.Prof. Dr. Marcus Hudec Beschreibug quatitativer Date Um die empirische Verteilug eies quatitative Merkmals zu beschreibe, betrachte wir Parameter, die

Mehr

Kapitel 9: Geometrische Summe und ein Mischmodell

Kapitel 9: Geometrische Summe und ein Mischmodell Kapitel 9: Geometrische Summe ud ei Mischmodell Dr. Dakwart Vogel Ui Esse WS 2009/10 1 Die Summeformel der geometrische Reihe + 1 2 1 q 1 + q+ q +... + q =, 0, q> 0, 1 1 q Bemerkuge 1. Mit Hilfe des -Zeiches

Mehr

Formelsammlung zur Statistik

Formelsammlung zur Statistik Darstellug uivariater Date Formelsammlug zur Statistik Urliste x i : x 1,... x, aufsteiged geordete Urliste x (i) Die k (verschiedee) Auspräguge: a 1

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

Fakultät für Wirtschafts- und Rechtswissenschaften

Fakultät für Wirtschafts- und Rechtswissenschaften F A C H H O C H S C H U L E K Ö L N Fakultät für Wirtschafts- ud Rechtswisseschafte F O R M E L S A M M L U N G Deskriptive Statistik Iduktive Statistik Herausgeber: c 2004 Fachgruppe Quatitative Methode

Mehr

Einführende Beispiele Arithmetische Folgen. Datei Nr SW. Das komplette Manuskript befindet sich auf der Mathematik - CD.

Einführende Beispiele Arithmetische Folgen. Datei Nr SW. Das komplette Manuskript befindet sich auf der Mathematik - CD. ZAHLENFOLGEN Eiführede Beispiele Arithmetische Folge Datei Nr. 400 SW Das komplette Mauskript befidet sich auf der Mathematik - CD Friedrich Buckel Februar 00 Iteratsgymasium Schloß Torgelow Ihalt Eiführede

Mehr

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008 Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe

Mehr

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG 9 - LÖSUNGEN. Ziehug vo Kugel aus eier Ure a. Die Zahl der Permutatio der Kugel, die aus Klasse utereiader gleicher

Mehr

Analysis ZAHLENFOLGEN Teil 4 : Monotonie

Analysis ZAHLENFOLGEN Teil 4 : Monotonie Aalysis ZAHLENFOLGEN Teil 4 : Mootoie Datei Nr. 40051 Friedrich Buckel Juli 005 Iteretbibliothek für Schulmathematik Ihalt 1 Eiführugsbeispiele 1 Mootoie bei arithmetische Folge Defiitioe 3 3 Welche Beweistechik

Mehr

Tests statistischer Hypothesen

Tests statistischer Hypothesen KAPITEL 0 Tests statistischer Hypothese I der Statistik muss ma oft Hypothese teste, z.b. muss ma ahad eier Stichprobe etscheide, ob ei ubekater Parameter eie vorgegebee Wert aimmt. Zuerst betrachte wir

Mehr

Weitere Lagemaße: Quantile/Perzentile II. Weitere Lagemaße: Quantile/Perzentile I. Weitere Lagemaße: Quantile/Perzentile IV

Weitere Lagemaße: Quantile/Perzentile II. Weitere Lagemaße: Quantile/Perzentile I. Weitere Lagemaße: Quantile/Perzentile IV 3 Auswertug vo eidimesioale Date Lagemaße 3.3 Weitere Lagemaße: Quatile/Perzetile I 3 Auswertug vo eidimesioale Date Lagemaße 3.3 Weitere Lagemaße: Quatile/Perzetile II Für jede Media x med gilt: Midestes

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

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

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

Wirksamkeit, Effizienz

Wirksamkeit, Effizienz 3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue

Mehr

Statistik ) 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

Beschreibende Statistik Kenngrößen in der Übersicht (Ac)

Beschreibende Statistik Kenngrößen in der Übersicht (Ac) Beschreibede Statistik Kegröße i der Übersicht (Ac) Im folgede wird die Berechugsweise des TI 83 (sowie vo SPSS, s. ute) verwedet. Diese geht auf eie Festlegug vo Moore ud McCabe (00) zurück. I der Literatur

Mehr

Statistik und Biometrie. Deskriptive Statistik I

Statistik und Biometrie. Deskriptive Statistik I Statistik ud Biometrie Deskriptive Statistik I Spruch des Tages Traue keier Statistik, die du icht selbst gefaelscht hast Wiederholug Merkmale Beobachtugseiheite sid Träger vo Merkmale Wiederholug Die

Mehr

Geometrische Folgen. Auch Wachstumsfolgen Viele Aufgaben. Lösungen nur auf der Mathe-CD Hier nur Ausschnitte. Datei Nr

Geometrische Folgen. Auch Wachstumsfolgen Viele Aufgaben. Lösungen nur auf der Mathe-CD Hier nur Ausschnitte. Datei Nr ZAHLENFOLGEN Teil Geometrische Folge Auch Wachstumsfolge Viele Aufgabe Lösuge ur auf der Mathe-CD Hier ur Ausschitte Datei Nr. 00 Friedrich Buckel März 00 Iteretbibliothek für Schulmathematik 00 Geometrische

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

LGÖ Ks VMa 12 Schuljahr 2017/2018

LGÖ Ks VMa 12 Schuljahr 2017/2018 LGÖ Ks VMa Schuljahr 7/8 Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud ugleichuge 6 Für Experte 8 Polyomgleichuge ud -ugleichuge

Mehr

Kleine Formelsammlung Beschreibende Statistik

Kleine Formelsammlung Beschreibende Statistik Kleie Formelsammlug Beschreibede Statistik Prof. Dr. Philipp Sibbertse Wirtschaftswisseschaftliche Fakultät Leibiz Uiversität Haover Ihaltsverzeichis 1 Lage- ud Streuugsmaße 2 1.1 Der Media...................................

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

Zusammenfassung: Gleichungen und Ungleichungen

Zusammenfassung: Gleichungen und Ungleichungen Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud -ugleichuge 6 Für Eperte 9 Polyomgleichuge ud -ugleichuge Defiitio: Ei Term

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

Wirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel

Wirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Beispiel: Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische

Mehr

Zusammenfassung: Gleichungen und Ungleichungen

Zusammenfassung: Gleichungen und Ungleichungen LGÖ Ks VMa Schuljahr 6/7 Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud ugleichuge 6 Für Eperte 8 Polyomgleichuge ud -ugleichuge

Mehr

1. Man zeige, daß (IR n, d i ), i = 1, 2, metrische Räume sind, wenn für x = (x 1,..., x n ), y = (y 1,..., y n ) IR n die Abstandsfunktionen durch

1. Man zeige, daß (IR n, d i ), i = 1, 2, metrische Räume sind, wenn für x = (x 1,..., x n ), y = (y 1,..., y n ) IR n die Abstandsfunktionen durch Ma zeige, daß IR, d i ), i,, metrische Räume sid, we für x x,, x ), y y,, y ) IR die Abstadsfuktioe durch d x, y) x y, d x, y) x y ), d x, y) max x y gegebe sid Lösug: Ma muß für alle drei Fuktio d i x,

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

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

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

h i Deskriptive Statistik 1-dimensionale Daten Daten und Häufigkeiten Seite 1 Nominal Ordinal Metrisch (Kardinal) Metrisch - klassiert

h i Deskriptive Statistik 1-dimensionale Daten Daten und Häufigkeiten Seite 1 Nominal Ordinal Metrisch (Kardinal) Metrisch - klassiert Deskriptive Statistik dimesioale Date Date ud Häufigkeite Seite Nomial Ordial Metrisch (Kardial Metrisch klassiert Beschreibug: Date habe keie atürliche Reihefolge. Bsp: Farbe, Religio, Geschlecht, Natioalität...

Mehr

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0. 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 8.1 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12.075, p-wert: 0.0168 f χ

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

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

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

Konfidenzintervall_fuer_pi.doc Seite 1 von 6. Konfidenzintervall für den Anteilswert π am Beispiel einer Meinungsumfrage

Konfidenzintervall_fuer_pi.doc Seite 1 von 6. Konfidenzintervall für den Anteilswert π am Beispiel einer Meinungsumfrage Kofidezitervall_fuer_pi.doc Seite 1 vo 6 Kofidezitervall für de Ateilswert π am Beispiel eier Meiugsumfrage Nach eier Meiugsumfrage der Wochezeitug Bezirksblatt vom März 005, ei halbes Jahr vor de Ladtagswahle

Mehr

Vordiplomprüfung 2014 Mathematik Seite 1 von 3

Vordiplomprüfung 2014 Mathematik Seite 1 von 3 Vordiplomprüfug 14 Mathematik Seite 1 vo 1. Aufgabe Has hat eie Uhr bekomme. Er beobachtet, dass der Miutezeiger vo Zeit zu Zeit de Studezeiger überholt. a) Um welche Zeit zwische 9 ud 1 Uhr stehe die

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

Lösungen zur Präsenzübung 6

Lösungen zur Präsenzübung 6 Lösuge zur Präsezübug 6 Mirko Getzi Uiversität Bielefeld Fakultät für Mathematik. Dezember 203 Ich gebe keie Gewähr auf eie vollstädige Richtigkeit der Lösuge zu de Übugsaufgabe. Das Dokumet hat jedoch

Mehr

Tao De / Pan JiaWei. Ihrig/Pflaumer Finanzmathematik Oldenburg Verlag 1999 =7.173,55 DM. ges: A m, A v

Tao De / Pan JiaWei. Ihrig/Pflaumer Finanzmathematik Oldenburg Verlag 1999 =7.173,55 DM. ges: A m, A v Tao De / Pa JiaWei Ihrig/Pflaumer Fiazmathematik Oldeburg Verlag 1999 1..Ei Darlehe vo. DM soll moatlich mit 1% verzist ud i Jahre durch kostate Auitäte getilgt werde. Wie hoch sid a) die Moatsrate? b)

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

Technische Universität München Zentrum Mathematik. Übungsblatt 1

Technische Universität München Zentrum Mathematik. Übungsblatt 1 Techische Uiversität Müche Zetrum Mathematik Mathematik (Elektrotechik) Prof. Dr. Ausch Taraz Dr. Michael Ritter Übugsblatt Hausaufgabe Aufgabe. Bestimme Sie de Kovergezbereich M der folgede Reihe für

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

+ a 3 cos (3ωt) + b 3 sin (3ωt)

+ a 3 cos (3ωt) + b 3 sin (3ωt) Fourier-Reihe Wir gehe aus vo eier gegebee periodische Fuktio f (t). Die Fuktio hat die Fudametalperiode ( Schwigugsdauer ) ud damit die Grud-Kreisfrequez ω = π. Zeit t Periode Die Fuktio f (t) soll zerlegt

Mehr

Funktionenreihen. 1-E1 Ma 2 Lubov Vassilevskaya

Funktionenreihen. 1-E1 Ma 2 Lubov Vassilevskaya Fuktioereihe Erst durch Newto wurde die Theorie uedlicher Reihe zu eiem eigestädige Forschugsgebiet i der Mathematik, das da i Britaie besodere Beachtug ud weitere Etwicklug durch Brook Taylor ud Coli

Mehr

Wahrscheinlichkeitstheorie und Statistik vom

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

Mehr

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen: 61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl

Mehr

10 Aussagen mit Quantoren und

10 Aussagen mit Quantoren und 0 Aussage mit Quatore ud 0.6. Eisatz vo (bereits bekater) Eistezaussage Bisher hatte wir Eistezbeweise geführt, idem wir ei passedes Objekt agegebe habe ( Setze... ). Stattdesse ka ma auch auf bereits

Mehr

b) Alle ganzen Zahlen die auf 0 enden sind durch 5 teilbar Spezialisierung: 120 endet auf ist durch 5 teilbar

b) Alle ganzen Zahlen die auf 0 enden sind durch 5 teilbar Spezialisierung: 120 endet auf ist durch 5 teilbar d) Die Beweismethode der vollstädige Iduktio Der Übergag vo allgemeie zu spezielle Aussage heisst Deduktio Beispiele: a) Allgemeie Aussage: Spezialisierug: Schluss: Alle Mesche sid sterblich Sokrates ist

Mehr

3 Grenzwerte. 3.1 Grenzwerte von Folgen

3 Grenzwerte. 3.1 Grenzwerte von Folgen 03-grezwerte.cdf 3 Grezwerte 3. Grezwerte vo Folge Kovergez Mache Folge zeige ei spezielles Verhalte, we der Idex sehr groß wird. Sie äher sich eier bestimmte Zahl. Betrachte wir zum Beispiel die Folge

Mehr

Lösungen zum Thema Folgen und Reihen

Lösungen zum Thema Folgen und Reihen Schülerzirkel Mathematik Fakultät für Mathematik. Uiversität Regesburg Lösuge zum Thema Folge ud Reihe Lösug zu Aufgabe 1. a) (a ) N ist eie arithmetische Folge mit d = 11 ud damit ist a 75 = 7 + (75 1)

Mehr

Statistik und Wahrscheinlichkeitsrechnung

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

Mehr

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