Mathematische Verfahren zur Bewertung und zum Vergleich von Befragungen zur Verkehrslärm-Lästigkeit
|
|
- Hartmut Friedrich
- vor 7 Jahren
- Abrufe
Transkript
1 Dirk Windelberg Mathematische Verfahren zur Bewertung und zum Vergleich von Befragungen zur Verkehrslärm-Lästigkeit Vortrag am 17. März 2010, DAGA2010, Berlin D. Windelberg AG Qualität Leibniz Universität Hannover Mathematik
2 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 1 Mathematische Verfahren zur Bewertung und zum Vergleich von Befragungen zur Verkehrslärm-Lästigkeit 1. Verkehrslärm 2. Lästigkeit von (gemitteltem) Verkehrslärm 3. Beschreibung der Lästigkeit von Verkehrslärm 4. Daten des BMVBS 5. Straßen- und Schienenlärm in der IF-Studie 6. lärmsensible Tageszeit Inhalt
3 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 2 1. Verkehrslärm Zum Vergleich: Bild 1.1: Güterzug-Vorbeifahrpegel: 77 db(a) und Vorbeifahrzeit am Ort O Bild 1.2: Güterzug-Vorbeifahrpegel, Lärmpausen und Mittelungspegel am Ort O jeweils 25 gemessenen Pegel aus Bild 1.1 wurden zusammengefasst maximaler Pegel = 79 db(a), Vorbeifahrpegel = 77 db(a) und 10-Minuten-Mittelung = 65 db(a) 1. Verkehrslärm
4 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 3 Bild 1.3: Zum Vergleich: Vorbeifahrpegel, Stunden-Mittelungs- und Stunden-Beurteilungspegel maximal = 79 db(a), Vorbeifahr = 77 db(a), 10-Minuten-Mittelung = 65 db(a), Stunden-Mittelung = 63 db(a) und Stunden-Beurteilung = 58 db(a) 1. Verkehrslärm
5 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 4 Der Unterschied zwischen dem lautesten Pegel (79 db(a)) und dem berechneten Beurteilungspegel (58 db(a)) beträgt in dem hier gewählten Beispiel - 21 db(a), falls der Pegel durch ein Schienenfahrzeug erzeugt wurde - 16 db(a), falls der Pegel durch Straßen- oder Flugverkehr erzeugt wurde (denn für Straßenfahrzeuge und auch für Flugzeuge gibt es keinen Schienenbonus und daher ist der Stunden-Beurteilungspegel gleich dem Stunden-Mittelungspegel.) 1. Verkehrslärm
6 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) Bestimmung des Beurteilungspegels Es wird angenommen, dass während der 16 Tagesstunden (von 06 bis 22 Uhr) - und entsprechend während der 8 Nachtstunden (von 22 bis 06 Uhr) - des Tages jeweils die Vorbeifahrpegel gemessen wurden und daraus die jeweiligen (Stunden-)Beurteilungspegel am Ort O berechnet wurden. Das energetische Mittel dieser einzelnen Stunden-Beurteilungspegel ist dann der Tages-Beurteilungspegel L r,t ag, (O) bzw. der Nacht-Beurteilungspegel L r,nacht, (O). Da es keine Vorschriften zur Ermittlung des Tages- und des Nacht-Beurteilungspegel gibt, ist es auch denkbar, dass anstelle der wirklich vorbeigefahrenen Schienenfahrzeuge - für sämtliche nach dem Streckenfahrplan möglicherweise vorbeifahrenden Schienenfahrzeuge (inklusive der Bedarfszüge) den Tages-Beurteilungspegel zu berechnen, oder - nur für die in jedem Falle - auch wenn kein Bedarf besteht - nach dem Streckenfahrplan vorbeifahrenden Schienenfahrzeuge (ohne Bedarfszüge) den Tages-Beurteilungspegel zu berechnen. 1. Verkehrslärm
7 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 6 Innerhalb einer Woche und auch innerhalb eines Jahres variieren die Tages- bzw. Nacht-Beurteilungspegel. Daher wird weiter gemittelt: Für den Ort O ist L r,t ag,2007 (O) der Mittelungspegel sämtlicher Tages-Beurteilungspegel und L r,nacht,2007 (O) der Mittelungspegel sämtlicher Nacht-Beurteilungspegel des Jahres Neben dem Tages- und Nacht-Beurteilungspegel L r,t ag,2007 (O) bzw. L r,nacht,2007 (O) werden hier auch die Tages- und Nacht-Mittelungspegel L mittel,t ag,2007 (O) bzw. L mittel,t ag,2007 (O) verwendet, wobei gelten und L r,t ag,2007 (O) = L mittel,t ag,2007 (O) 5 db(a) L r,nacht,2007 (O) = L mittel,nacht,2007 (O) 5 db(a) Bei Lästigkeitsuntersuchungen wie der IF-Studie [3] oder dem Leisen Verkehr in EA2131 [3] wurde zwar die Lästigkeit von Jahresbeurteilungspegeln bei Schienenund Straßenverkehrslärm untersucht, nicht aber die Lästigkeit einzelner Vorbeifahrpegel (obwohl diese eventuell eine größere Bedeutung haben als ein Jahres- Beurteilungspegel). 1. Verkehrslärm
8 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 7 2. Lästigkeit von (gemitteltem) Verkehrslärm Zur Beschreibung der Lästigkeit von Verkehrslärm wird oft eine 5-stufige Lästigkeitsskala A=5: äußerst - A=4: stark - A=3: mittelmäßig - A=2: etwas - A=1: überhaupt nicht verwendet - oder es wird der Prozentsatz der Befragten angegeben, die sich durch den Verkehrslärm an ihrem Wohnort mindestens mittelmäßig belästigt fühlen. Eine Umrechnung von einer Darstellung in die andere ist mathematisch meist nicht möglich. Außerdem wird meist nicht untersucht, welche Lästigkeit einem Einzelpegel bei einer bestimmten Frequenzverteilung jeweils zuzuordnen ist, sondern es wird nach einem Zusammenhang gefragt zwischen - der in einem Wohnraum empfundenen Lästigkeit zum Zeitpunkt der Befragung, und - einer aus gemitteltem Verkehrslärm während - einer Stunde, - einem typischen Tag, einem Abend oder einer Nacht, oder - einem mittleren Tag eines Jahres an der lautesten Außen-Fassade berechneten Zahl (dem Beurteilungspegel ). 2. Lästigkeit von (gemitteltem) Verkehrslärm
9 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) Lästigkeit an einem festen Ort Es wird also nicht die Lästigkeit einzelner Vorbeifahrpegel bewertet. Die Szenarien zeigen Schienenverkehrslärm von jeweils einer Stunde Dauer; in jeder beträgt der Stunden-Mittelungspegel jeweils 66 db(a) und der Stunden-Beurteilungspegel 61 db(a): Bild 2.1: 1 einzelner Pegel Bild 2.2: 6 gleiche Pegel Bild 2.3: 6 verschiedene Pegel 2. Lästigkeit von (gemitteltem) Verkehrslärm
10 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 9 Aber dennoch unterscheiden sich diese Szenarien: Im Bild 2.1 gibt es zu Beginn der Stunde für 18 Sekunden eine sehr laute Vorbeifahrt von 89 db(a) - die rstliche Zeit herrscht Ruhe. Im Bild 2.2 fährt alle 10 Minuten für jeweils 18 Sekunden ein Zug vorbei - alle Züge sind gleich laut mit einem Pegel von 81 db(a). Im Bild 2.3 fahren alle 10 Minuten für jeweils 18 Sekunden unterschiedlich laute Züge, zwei davon mit einem Vorbeifahrpegel von 85 db(a). Dennoch ist denkbar, dass weder der Stunden-Mittelungspegel noch der Stunden-Beurteilungspegel die Lästigkeit von Schienenverkehrslärm beschreibt, weil diese Pegel keine Informationen enthalten über Dauer und Höhe der Vorbeifahrpegel sowie der Pausenstruktur: 2. Lästigkeit von (gemitteltem) Verkehrslärm
11 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 10 Bild 2.1 Bild 2.2 Bild 2.3 Mittelungspegel 66 db(a) 66 db(a) 66 db(a) Beurteilungspegel 61 db(a) 61 db(a) 61 db(a) lauteste Vorbeifahrpegel 89 db(a) 81 db(a) 85 db(a) Anzahl Vorbeifahrpegel db(a) db(a) mittlere Zeit zwischen Vorbeifahrpegeln db(a) 60 min - 30 min db(a) - 10 min - Differenz lautester Pegel - zu Mittelungspegel (66 db(a)) 23 db(a) 15 db(a) 19 db(a) - zu Beurteilungspegel (61 db(a)) 28 db(a) 20 db(a) 24 db(a) Tabelle 2.1: numerische Beschreibung dreier verschiedener Verkehrslärmsituationen mit gleichem Beurteilungspegel 2. Lästigkeit von (gemitteltem) Verkehrslärm
12 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) Mittelwertbildung von Lästigkeiten Die Lästigkeitsreaktionen auf Vorbeifahrpegel - und folglich auch auf Mittelungspegel - von Verkehrslärm variieren meist sehr stark; über deren Ursachen gibt es viele sozialwissenschaftlich formulierte Vermutungen. Zur Beschreibung dieser unterschiedlichen Reaktionen wird das arithmetische Mittel µ gebildet und - in sorgfältigeren Untersuchungen - zusätzlich die empirische Standardabweichung σ. Damit gelten dann für n Lästigkeitsstufen l i (mit 1 i n) die folgenden Zusammenhänge: µ = 1 n n i=1 l i und σ = 1 n 1 n i=1 (l i µ) 2 Um umgekehrt aus der Kenntnis von Anzahl n, Mittelwert µ und Standardabweichung σ mögliche einzelne Lästigkeiten l i zu rekonstruieren, wird hier jeweils eine Normalverteilung gewählt, die auf Lästigkeitsstufen zwischen 1 und 5 eingeschränkt wird. - Die durch dieses Verfahren bestimmten Anzahlen Betroffener kann sich jedoch stark von den wirklichen Anzahlen unterscheiden. 2. Lästigkeit von (gemitteltem) Verkehrslärm
13 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 12 Wenn zum Beispiel n = 56 ganzzahlige Lästigkeitsstufen l i aus einem Mittelwert µ = 1.29 und einer Standardabweichung σ = 0.59 rekonstruiert werden sollen, dann ergeben sich bei diesem Verfahren (die der Lästigkeitsstufe 0 zugehörige Anzahl wird der Lästigkeitsstufe 1 zugeordnet): Lästigkeitsstufe Anzahl Bild 2.4: Daten-Rekonstruktion 2. Lästigkeit von (gemitteltem) Verkehrslärm
14 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) Beschreibung der Lästigkeit von Verkehrslärm Ein Zusammenhang zwischen Lästigkeit und Verkehrslärm läßt sich graphisch in einem Koordinatensystem beschreiben, in dem Pegel in x-richtung und die 5 Lästigkeitsstufen (oder der Anteil der mindestens mittelmäßig Belästigten) in y-richtung aufgetragen sind. Daher werden Meßpunkte als Punkte der Form ( Pegel, Lästigkeitsstufe (oder Anteil) ) eingetragen. Es gibt viele Möglichkeiten, in einem solchen Koordinatensystem nach einem Zusammenhang zwischen Verkehrslärm und seiner Lästigkeit zu suchen: Meist werden nicht einzelne Vorbeifahrpegel und deren Lästigkeit betrachtet, sondern es werden Mittelwerte sowohl von den Vorbeifahrpegeln als auch von den Lästigkeitesmpfindungen gebildet - auch wenn Mittelwertbildung nicht eindeutig ist und damit auch zu keinen eindeutigen Ergebnissen führt. Hier werden an einem Beispiel zwei verschiedene Beschreibungen der Lästigkeit von Verkehrslärm miteinander verglichen. 3. Beschreibung der Lästigkeit von Verkehrslärm
15 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 14 Das Beispiel stammt aus einer Untersuchung, die im Jahr 2004 im Rahmen des Forscherverbundes Leiser Verkehr ([4]) zur Lästigkeit von Straßen- und Schienenverkehrslärm durchgeführt wurde: - Verkehrslärm: Für jeden Probanden wird durch Messung und Ausbreitungsrechnung jeweils für die lauteste Außen-Fassade seiner Wohnung das energetische Mittel L mittel,di+mi+do 06 22,2004 über die Stunden-Mittelungspegel des Schienenverkehrs von 06 bis 22 Uhr bestimmt. - Lästigkeit: Jeder Proband wird in seiner Wohnung über die abendliche Lästigkeit des Tages-Schienenverkehrs befragt. Durch entsprechende Zusammenfassungen ergibt sich daraus folgende Tabelle: Abendliche Lärmbelästigung durch Tages-Schienenverkehrslärm L mittel,di+mi+do 06 22, 2004 in db(a) stufige Lästigkeit, Uhr Anzahl Probanden Standardabweichung Tabelle 3.1: Messwerte der Lästigkeit von Schienenverkehr (nach [4],Abbildung 5.12) 3. Beschreibung der Lästigkeit von Verkehrslärm
16 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 15 Bild 3.1 zeigt die in Tabelle 3.1 angegebenen Mittelwerte. Aus den Informationen der Tabelle 3.1 lassen sich die beiden folgenden Bilder rekonstruieren: Bild Beschreibung der Lästigkeit von Verkehrslärm
17 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 16 Bild 3.2 Bild 3.3 In Bild 3.2 sind neben dem jeweiligen Mittelungspegel µ zusätzlich die empirischen Standardabweichungen eingezeichnet. (Damit erfüllt diese Darstellung auch die Anforderungen aus [2], Absatz zur Kennzeichnung der Standardunsicherheit.) Aus der Kenntnis der zusätzlichen Kenntnis der Anzahl n zu den Mittelwerten µ und den Standardabweichungen können in Bild 3.3 die rekonstruierten einzelnen Befragungsergebnisse dargestellt werden. 3. Beschreibung der Lästigkeit von Verkehrslärm
18 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 17 Die Bilder Bild 3.1 bis Bild 3.3 charakterisieren bereits die ersten Schritte einer Beschreibung der Messdaten des hier betrachteten Beispiels - allerdings in umgekehrter Reihenfolge: Die erste graphische Darstellung der Messergebnisse ist Bild 3.3 ähnlich, durch Klassenbildung und Mittelung ergibt sich eine Bild 3.2 ähnliche Beschreibung und daraus vereinfachend ein Bild wie Bild 3.1. Um die in Bild 3.1 bereits vereinfachte Beschreibung der Messdaten zu charakterisieren, werden diese in der Lärmwirkungsforschung meist mit Hilfe linearer Regression zu einer Regressions -Geraden linearisiert - mit der folgenden Begründung: Aus der Lärmforschungsliteratur... ist bekannt, dass die Beziehungen zwischen akustischen Stimulus- und Gestörtheits-Maßen durch lineare Gleichungen hinlänglich genau charakterisiert werden können und dass die Berücksichtigung nichtlinearer Komponenten kaum - wenn überhaupt - zu einer Erhöhung der Präzision beiträgt ([3], Band I, 7.2.1). So wurde in der IF-Studie von 1983 zu diesen Messdaten ein linearer Zusammenhang gesucht ( Verfahren der Strukturgeraden in [3], Band I, S. 204). 3. Beschreibung der Lästigkeit von Verkehrslärm
19 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 18 Andere Autoren verwenden Parabeln: z.b. bei Miedema in [6]: Beginn bei einem Mittelungspegel von 42 db(a) mit einem Anteil von 0% Belästigter Ende bei Schienenverkehrslärm von 136 db(a) bei 100% der Probanden mit mindestens mittelmäßiger Lästigkeit. (Straßenverkehrslärm: Ende bei 98 db(a) mit 100% der Probanden bei mindestens mittelmäßiger Lästigkeit.) Oberhalb dieser Grenzpegel geben in dieser Publikation mehr als 100% der Probanden an, entsprechend belästigt zu werden! In diesem und den folgenden Beispielen wird die vereinfachende Darstellung der Messdaten jeweils sowohl durch eine Regressionsgerade als auch durch eine Arcustangenskurve beschrieben. Als Qualitätskriterium der Anpassung zwischen Messdaten und Kurve dient dabei das mittlere Abstandsquadrat zwischen der Kurve und den Messpunkten. 3. Beschreibung der Lästigkeit von Verkehrslärm
20 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) Lineare Regression Eine Regressionsgerade ist dadurch bestimmt, dass für alle Meßpunkte die Summe der Abstandsquadrate jeweils zwischen Meßpunkt und Regressionsgerade minimal wird. Die Berechnung der Gleichung einer Regressionsgerade für eine Tabelle, in der einer Anzahl n von Pegeln p(i) jeweils ihre Lästigkeit a(i) für 1 i n zugeordnet ist, ist zwar einfach, aber sie enthält folgende Annahmen: 1. Der prozentuale (oder der stufenweise) Lästigkeitsunterschied pro Pegeldifferenz ist konstant, d.h. bei einer Pegeldifferenz von 10 db(a) ist der Lästigkeitsunterschied stets gleich - unabhängig von der Höhe der Pegel. 2. Die Lästigkeit kann die obere Grenze (Lästigkeitsstufe 5 bei 5 Lästigkeitsstufen oder 100% bei dem Anteil der mindestens mittelmäßig Belästigten ) überschreiten. 3. Die Lästigkeit kann die untere Grenze (Lästigkeitsstufe 1 bei 5 Lästigkeitsstufen oder 0% bei dem Anteil der mindestens mittelmäßig Belästigten) unterschreiten. 4. Die Lästigkeit von Verkehrslärm wächst monoton. 3. Beschreibung der Lästigkeit von Verkehrslärm
21 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 20 Für eine Regressionsgerade, die den Zusammenhang zwischen einem Pegel p und seiner Lästigkeit a in der Form a := m p + n beschreibt, werden hier Parameter m und n so bestimmt, dass die Summe der Abstandsquadrate zu den 7 gemittelten Schienenverkehrs-Belästigungswerten aus Tabelle 3.1 minimal wird. Für die Lästigkeit des Schienenverkehrslärms aus Tabelle 3.1 ergeben sich dann folgende Darstellungen: Bild 3.4: Lineare Regression zu Tabelle 3.1 Bild 3.5: Ausschnitt von Bild Beschreibung der Lästigkeit von Verkehrslärm
22 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) Arcustangenskurve Da die Annahmen, die zu der Anwendung einer Regressionsgeraden führen, für die Beschreibung der Lästigkeit von Verkehrslärm nur unzureichend erfüllbar sind, wird hier eine Arcustangens-Kurve eingeführt: Die Lästigkeit a m,f (p) eines Pegels p kann durch eine mittelmäßige Lästigkeit m und eine Lästigkeitssteigung f beschrieben werden: Bei 5 Lästigkeitsstufen gilt: a 3,m,f (p) = arctan ((p m) f) π Bild 3.6: Ideale Lästigkeitskurve In Bild 3.6 wurde m = M und f = 0.25 gewählt. Der prozentuale Anteil der mindestens mittelmäßig Belästigten läßt sich entsprechend durch folgenden Zusammenhang beschreiben: a 50,m,f (p) = arctan ((p m) f) π 3. Beschreibung der Lästigkeit von Verkehrslärm
23 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 22 Für eine Lästigkeitskurve a 3,m, f (p) = arctan ((p m) f) π werden hier Parameter m und f so bestimmt, dass die Summe der Abstandsquadrate zu den 7 gemittelten Schienenverkehrs-Belästigungswerten aus Tabelle 3.1 minimal wird: Bild 3.7: Arcustangenskurve zu Tabelle 3.1 Bild 3.8: Ausschnitt von Bild Beschreibung der Lästigkeit von Verkehrslärm
24 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) Arcustangenskurve und lästigkeitsempfindlicher Lärmbereich Ein Vergleich der Regressionsgeraden mit der Arcustangenskurve zeigt, dass sich die Arcustangenskurve besser an die aus der realen Befragung zum Leisen Verkehr entnommenen Messdaten der Tabelle 3.1 anpasst als die Regressionsgerade: Das mittlere Abstandsquadrat beträgt - bei der Arcustangenskurve Einheiten - bei der Regressionsgeraden Einheiten Die Arcustangenskurve berücksichtigt - einen (individuellen) lästigkeitsempfindlichen Lärmbereich, in dem bereits kleine Pegelunterschiede zu sehr grossen Lästigkeitsunterschieden führen, während sowohl vor als auch nach diesem Bereich Pegelunterschiede zu geringeren Lästigkeitsunterschieden führen (dieser lästigkeitsempfindliche Lärmbereich liegt in der Umgebung der mittelmäßigen Lästigkeit ) - die Lästigkeitstufen bleiben innerhalb des Intervalles zwischen 1 und 5 - auch für sehr niedrige und auch für sehr hohe Pegel. 3. Beschreibung der Lästigkeit von Verkehrslärm
25 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) Berücksichtigung der Streuung: Streukurve In den graphischen Darstellungen (insbesondere in Bild 3.5 und in Bild 3.8) wird deutlich, dass die aus den Befragungsergebnisse (Messdaten) berechneten Kurven diese nicht genau treffen. Die Messdaten sind jedoch sowohl bezüglich der Vorbeifahrpegel als auch bezüglich der Lästigkeitsstufen Mittelwerte; die Punkte in den Bildern sind daher jeweils Zusammenfassungen vieler Einzelinformationen. Hier wird eine untere Streu-Grenze für Pegel an der lautesten Außen-Fassade G streu,str für Straßenverkehrslärm (bzw. G streu,sch für Schienenverkehrslärm) eingeführt, da teilweise die Lästigkeit für sehr niedrige Pegel (hier: unter 50 db(a)) unverhältnismäßig hoch bewertet wurde und daher diese Messwerte unberücksichtigt bleiben sollen. Um die zugehörige Streu-Mittelungskurve zu bestimmen, wird die durch minimale mittlere Abstandsquadrate zu den Messpunkten bestimmte Mittelungskurve verschoben, so dass die Mittelwerte für Pegel oberhalb der unteren Streugrenze G streu,str bzw. G streu,sch jeweils auf (oder unterhalb) der Kurve liegen. Dabei behält die Streu-Mittelungskurve die Steigung der Mittelungskurve. Oberhalb der Streugrenze G streu wird daher die Streu-Mittelungskurve als die angemessene Beschreibung betrachtet. 3. Beschreibung der Lästigkeit von Verkehrslärm
26 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 25 Bild 3.9: Streu-Regressionsgerade (dick) bei G streu,sch = 45 db(a) zu der Regressionsgeraden aus Bild 3.4 Bild 3.10: Streu-Regressionsgerade (dick) bei G streu,sch = 45 db(a) zu der Regressionsgeraden aus Bild Beschreibung der Lästigkeit von Verkehrslärm
27 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 26 Bild 3.11: Streu-Regressionskurve (dick) bei G streu,sch = 45 db(a) zu der Arcustangenskurve aus Bild 3.7 Bild 3.12: Streu-Regressionskurve (dick) bei G streu,sch = 45 db(a) zu der Arcustangenskurve aus Bild Beschreibung der Lästigkeit von Verkehrslärm
28 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) Daten des BMVBS Das Bundesministerium für Verkehr, Bau und Stadtentwicklung verwendet zur Beschreibung der Rangordnung für Lärmsanierungsmaßnahmen die in der Tabelle 4.1 angegebene Abhängigkeit zwischen Jahres-Beurteilungspegeln und Lästigkeit keine Gerade, sondern die Arcus-Tangens-Kurve. Den Unterschied zwischen den beiden Beschreibungen zeigt das Bild 4.1: Das mittlere Abstandsquadrat zwischen den Kennwerten des BMVBS und beträgt - bei der Regressionsgeraden Einheiten, und - bei der Arcustangenskurve ( ATN- Kurve ) Einheiten Bild 4.1: BMVBS-Bewertung der Lästigkeit in nichtlinearer Abhängigkeit vom Mittelungspegel A DB,ys,m,f (p) = arctan ((p 114.3) 0.29) π 4. Daten des BMVBS
29 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) Straßen- und Schienenlärm in der IF-Studie 5.1 Graphische Darstellungen Pegel Straße Schiene Pegel Straße Schiene Tabelle 5.1: nächtliche Störung durch Straßen- und/oder Schienenverkehrslärm Interdisziplinären Feldstudie II ([3]), Seite 315, RN Bild 5.1: Mittelwerte und Standardabweichung Bild 5.2: Lineare Regression 5. Straßen- und Schienenlärm in der IF-Studie Bild 5.3: Arcustangens Regression
30 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 29 Bild 5.4: Nächtlicher Schienen- und Straßenverkehrslärm gemäß IF-Studie RN 5. Straßen- und Schienenlärm in der IF-Studie
31 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 30 Schienenverkehrslärm Kurven-Gleichung q 2 p Regression l = [+0.69] db(a) Arcustangens l = ( ) π atn p ( 80.5 [+7.9]]) db(a) Straßenverkehrslärm Kurven-Gleichung q 2 p Regression l = [+0.46] db(a) Arcustangens l = ( ) π atn p ( 67.7 [+2.66]) db(a) Tabelle 5.2: Gleichungen der Regressionsgeraden und Arcustangenskurven zu Tabelle 5.1 q 2 ist jeweils der mittlere quadratische Abstand zwischen den Messpunkten und der Kurve. Die eckigen Klammern beschreiben die Verschiebung für die Streu-Kurven in Bild 5.5 und Bild 5.6. Die Berechnung der Regressionskurven zeigt, dass die Beschreibung durch eine Arcustangenskurve geringere mittlere Abstände zu den Messpunkten aufweist als die Beschreibung durch eine Regressionsgerade. 5. Straßen- und Schienenlärm in der IF-Studie
32 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) Berücksichtigung der Streuung Es werden die Lästigkeitsgeraden bzw. -kurven aus Bild 5.2 bzw. aus Bild 5.3 jeweils so verschoben, dass sie sämtliche Messpunkte mit den höheren Pegeln enthalten (bei G streu = 50 db(a)) Bild 5.5: Streu-Regressionsgeraden (dick) mit G streu,str = 49 db(a) und G streu,sch = 45 db(a) Bild 5.6: Streu-Regressionskurven (dick) mit G streu,str = 49 db(a) und G streu,sch = 45 db(a) 5. Straßen- und Schienenlärm in der IF-Studie
33 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) Bonus- und Malus-Bewertung An diesem Beispiel aus der IF-Studie wird untersucht, ob ein Schienenbonus erkennbar ist, d.h. ob gemittelter Schienenverkehrslärm eine andere Lästigkeit hervorruft als gemittelter Straßenverkehrslärm. Schienenbonus Es wird der Jahres-Mittelungspegel p sch des Schienenverkehrslärms bestimmt, der die gleiche Lästigkeit hervorruft wie der Jahres-Mittelungspegel p str = 65 db(a) des Straßenverkehrslärms. Die Pegeldifferenz L 65 = p sch p str heißt dann Schienenbonus. 5. Straßen- und Schienenlärm in der IF-Studie
34 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 33 In bisherigen Untersuchungen wurde dieser Zusammenhang beschrieben - durch Regressionsgeraden (z.b. in der hier betrachteten IF-Studie [3] von 1983 und in dem Forschungsverbund Leiser Verkehr [4] von 2004) - durch Parabeln (z.b. in den Zusammenfassungen von Miedema et al. [6] von 1998 und in [5] von 2006). Bild 5.7: Streu-Regressionsgeraden G streu,str = 49 db(a) und G streu,sch = 45 db(a) Nacht-Schienenbonus: 82-65=17 db(a) Für die Lästigkeit nächtlichen Verkehrslärms wird in der IF-Studie ein Schienenbonus von 10 db(a) bestimmt - aus der Beschreibung durch Regressionsgeraden ohne Berücksichtigung der Streuung nach Bild 5.2. Für die Lästigkeit bei Tag und Nacht wurde 1990 ein solcher Schienenbonus in der 16. Verordnung zur Durchführung des Bundes-Immisschutzgesetzes ([1]) in Höhe von 5 db(a) eingeführt. 5. Straßen- und Schienenlärm in der IF-Studie
35 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 34 Hier soll jedoch die Streuung berücksichtigt und die Arcustangenskurve zum Vergleich angewandt werden. Bild 5.7: Streu-Regressionsgeraden G streu,str = 49 db(a) und G streu,sch = 45 db(a) Nacht-Schienenbonus: 82-65=17 db(a) Bild 5.8: Streu-Regressionskurven G streu,str = 49 db(a) und G streu,sch = 45 db(a) Nacht-Schienenbonus: 73-65=8 db(a) 5. Straßen- und Schienenlärm in der IF-Studie
36 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 35 Bild Kurve Referenzgröße L 65 Ergebnis der IF-Studie 5.7 Gerade 65 db(a) 17 db(a) Nacht-Schienenbonus 17 db(a) 5.8 ATN-Kurve 65 db(a) 8 db(a) Nacht-Schienenbonus 8 db(a) Tabelle 5.3: Vergleich der Bonus-Regelung bei unterschiedlichen Beschreibungen Für die Arcustangenskurven ist der Nacht-Schienenbonus kleiner als für die Regressionsgeraden. Um zu entscheiden, aus welcher der beiden Beschreibungen ein Nacht-Schienenbonus aus dem Datensatz der Tabelle 5.1 definiert werden kann, ist ein Qualitätskriterium für die Beschreibung des Zusammenhanges zwischen Lästigkeit und gemitteltem Verkehrslärm zu formulieren. Wird hierfür das mittlere Abstandsquadrat zwischen Messpunkten und Kurve gewählt, dann wäre nach Bild 5.8 der Nacht- Schienenbonus mit 8 db(a) anzusetzen. Ohne Berücksichtigung der Streuung zeigen Bild 5.2 und Bild 5.3, dass bei linearer Regression der Nacht-Schienenbonus 23 db(a) und bei Arcustangenskurven der Nacht-Schienenbonus 12 db(a) betragen würde (siehe Bild 5.9 und Bild 5.10). 5. Straßen- und Schienenlärm in der IF-Studie
37 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 36 Bild 5.9: Regressionsgeraden ohne Berücksichtigung der Streuung Nacht-Schienenbonus: 88-65=23 db(a) Bild 5.10: Regressionskurven ohne Berücksichtigung der Streuung Nacht-Schienenbonus: 77-65=12 db(a) 5. Straßen- und Schienenlärm in der IF-Studie
38 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) lärmsensible Tageszeit In Kapitel 3 dieses Berichtes wurden aus der Untersuchung Leiser Verkehr ([4]) die Ergebnisse für den Schienenverkehr untersucht. In diesem Kapitel sollen aus dieser Untersuchung die Ergebnisse für den Straßenverkehr mit denen des Schienenverkehr verglichen werden, um auch an diesem Beispiel zu untersuchen, ob und gegebenenfalls welche Unterschiede zwischen L 65,reg (für die Beschreibung durch Regressionsgeraden)und L 65,atn (für die Beschreibung durch Arcustangensgeraden) auftreten. Zunächst werden die reinen Messdaten so normiert, dass die Anzahl der Probanden beim Straßenverkehr gleich groß ist wie beim Schienenverkehr: Abendliche Lärmbelästigung durch Tages-Straßenverkehrslärm L mittel,di+mi+do 06 22, 2004 in db(a) stufige Lästigkeit, Uhr Anzahl Probanden Standardabweichung Tabelle 6.1: Mittelwerte der Lästigkeit von Straßenverkehr (nach [4],Abbildung 5.12) 6. lärmsensible Tageszeit
39 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 38 Bild 6.1: Lästigkeit (5-stufig) von Straßenverkehrslärm gemäß Tabelle 6.1 Bild 6.2: Mittelungspegel µ mit empirischen Standardabweichungen σ Bild 6.3: Straßenverkehrslärm rekonstruierte Lästigkeitsstufen 6. lärmsensible Tageszeit
40 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 39 Bild 3.3: Schienenverkehrslärm rekonstruierte Bild 6.3: Straßenverkehrslärm rekonstruierte Lästigkeitsstufen Lästigkeitsstufen Straßen- und Schienenverkehrslärm: Messdaten im Vergleich Ein Vergleich zwischen Bild 6.3 und Bild 3.3 zeigt kaum Unterschiede, aber durch mehrfache Mittelwertbildungen lassen sich Unterschiede finden, die jedoch von der Beschreibung abhängig sind: So wird hier für Straßenverkehrslärm - unter Verwendung der Ergebnisse aus Kapitel 3 zum Schienenverkehrslärm im Forschungsverbundes Leiser Verkehr - sowohl eine Beschreibung durch lineare Regression als auch durch eine Arcustangenskurve angegeben: 6. lärmsensible Tageszeit
41 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 40 Bild 6.4: Ursache und Wirkung Meßdaten Bild 6.5: Ursache und Wirkung Lineare Regression Bild 6.6: Ursache und Wirkung Arcustangens-Kurve 6. lärmsensible Tageszeit
42 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 41 Schienenverkehrslärm Kurven-Gleichung q 2 p Regression l = [+0.264] db(a) Arcustangens l = ( ) π atn p ( 69.1 [+3.1]) db(a) Straßenverkehrslärm Kurven-Gleichung q 2 p Regression l = [+0.034] db(a) Arcustangens l = ( ) π atn p ( 84.1 [+3.1]) db(a) Tabelle 6.2: Gleichungen der Regressionsgeraden und Arcustangenskurven zu Tabelle 6.1 Die Berechnung der Regressionskurven zeigt, dass die Beschreibung durch eine Arcustangenskurve geringere mittlere Abstände zu den Messpunkten aufweist als die Beschreibung durch eine Regressionsgerade. 6. lärmsensible Tageszeit
43 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) Berücksichtigung der Streuung Es werden die Lästigkeitsgeraden bzw. -kurven aus Bild 6.5 bzw. Bild 6.6 jeweils so verschoben, dass sie sämtliche Messpunkte mit den höheren Pegeln erreichen (bei unterer Streu-Grenze für Pegel an der lautesten Außen-Fassade 50 db(a)): Bild 6.7: Streu-Regressionsgeraden (dick) G streu,str = 45 db(a) für Straße G streu,sch = 45 db(a) für Schiene Bild 6.8: Streu-Regressionskurven (dick) G streu,str = 45 db(a) für Straße G streu,sch = 46 db(a) für Schiene 6. lärmsensible Tageszeit
44 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) Bonus- und Malus-Bewertung In der IF-Studie wurde der gemittelte Straßenverkehrslärm von 65 db(a) als Referenzgröße eingeführt. Wird anstelle dieser Referenzgröße jedoch eine Lärmbelastung von 70 db(a) durch gemittelten Straßenverkehrslärm verwendet, so wird der Abend-Schienenmalus stärker: Bild 6.9: Schienenbonus: S = 10 db(a) bei 65 dba (dick) S = 12 db(a) bei 70 dba (dünn) Bild 6.10: Schienenbonus: S = 8 db(a) bei 65 dba (dick) S = 11 db(a) bei 70 dba (dünn) 6. lärmsensible Tageszeit
45 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 44 Nach Bild 6.10 müßte hier ein Abend-Schienenbonus mit 8 db(a) angesetzt werden - also ein Abend-Schienenmalus von 8 db(a) Wenn die Referenzgröße erhöht wird auf einen gemittelte Straßenverkehrslärm von 70 db(a), dann ergäbe sich ein Abend-Schienenmalus von 11 db(a). 6. lärmsensible Tageszeit
46 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 45 Herzlichen Dank für Ihre Teilnahme. Ich hoffe, Anregungen zu mathematischer Genauigkeit gegeben zu haben. Letzte Seite
47 D.Windelberg: Mathematische Verfahren: Befragungen zur Verkehrslärm-Lästigkeit D tex (19. März 2010) 46 Literatur [1] 16. BImSchV: Sechzehnte Verordnung zur Durchführung des Bundes-Immissionsschutzgesetzes (Verkehrslärmschutzverordnung) vom 12. Juni [2] Guide to the expression of uncertainty in measurement, ENV 13005:1999 : Leitfaden zur Angabe der Unsicherheit beim Messen. [3] Interdisziplinäre Feldstudie über die Besonderheiten des Schienenverkehrslärms gegenüber dem Straßenverkehrslärm, Band I (Hauptbericht) und Band II (Anlagen). Planungsbüro Obermeyer, München [4] Forschungsverbund Leiser Verkehr : Bundesministerium für Forschung und Technolgie: Forschungsverbund Leiser Verkehr, Bereich 2000 Lärmwirkungen, EV2121: Lästigkeit kombinierter Verkehrslärmquellen û laborexperimenteller Ringversuch und EV2131: Lärmbelästigung durch Straßen- und Schienenverkehr in Abhängigkeit von der Tageszeit (Förderkennzeichen 19U2062D) vom Dezember [5] Miedema, Henk M.E., C.G.M.Groothuis-Oudshoom Multilevel Grouped Regression for Analyzing Self-reported Health in Relation to Environmental Factors: the Model and its Application. Biometrical Journal 48 (2006), [6] Miedema, Henk M.E., H. Vos Exposure-response relationships for transportation noise. J.Acoust. Soc. Am. 104 (1998), Letzte Seite
3 Logarithmen und Exponentialfunktion
Mathematik fur Ingenieure Institut fur Algebra, Zahlentheorie und Diskrete Mathematik Dr. Dirk Windelberg Universitat Hannover Stand: 8. August 008 http://www.iazd.uni-hannover.de/windelberg/teach/ing
MehrAußenpegel-Frequenzverteilung bei Straßen- und Schienenverkehrsgeräuschen. Notwendige Korrektur der 24. BImSchV und der Akustik 23 (Ausgabe 1997)
Dr. Dirk Windelberg AG QUALITÄT Leibniz Universität Hannover Mathematik Außenpegel-Frequenzverteilung bei Straßen- und Schienenverkehrsgeräuschen Notwendige Korrektur der 24. BImSchV und der Akustik 23
MehrMessstation Hamminkeln
Messstation Hamminkeln Plädoyer für einen Vergleich von Messung und Berechnung bei Schienenverkehrslärm Vortrag am 15. Juni 2012, in Hamminkeln D. Windelberg AG Qualität Leibniz Universität Hannover Mathematik
MehrDirk Windelberg Beispiel zur Epidemiologie 2-dimensionale Regression Stand: 11. Dezember 2010
Dr. Dirk Windelberg AG QUALITÄT im Institut für Algebra, Zahlentheorie und Diskrete Mathematik Universität Hannover Dirk Windelberg Beispiel zur Epidemiologie 2-dimensionale Regression Stand: 11. Dezember
MehrDirk Windelberg Güterzug-Schallemissionen: Messung und gesetzliche Bewertung. Stand: Oktober 2008
Dr. Dirk Windelberg AG QUALITÄT Leibniz Universität Hannover Mathematik Dirk Windelberg Güterzug-Schallemissionen: Messung und gesetzliche Bewertung Veröffentlicht in Immissionsschutz 13 (2008), 193-196
MehrSchienenverkehrslärm gestern und heute
Dirk Windelberg Schienenverkehrslärm gestern und heute Vortrag am 20. Oktober 2016 in Hamminkeln D. Windelberg AG Qualität Mathematik Leibniz Universität Hannover Windelberg (AG Qualität): Sieben Nächte
MehrLärm-Messung und -Bewertung
1 AG Qualität im Institut für Algebra, Zahlentheorie und Diskrete Mathematik, Leibniz Universität Hannover Lärm-Messung und -Bewertung Beginn: 1993 Projektdauer: 1996 - heute. Projektleitung: Dr. rer.
MehrWindelberg, D. Windel~rg) D. "Lästigkeit und Schienenbonus" vom & A. Söller. Schulte-Forthaup. 13ericht-Nr
/-=- - / GtitachterJiche StellLi11griührne zu Windelberg, D. "Typische Frequeniverteilung - Analyse einer poblematischen DefInition" Vom 04.05.1993 Windel~rg) D. "Lästigkeit und Schienenbonus" vom 07.08.1993
MehrSchienenverkehrslärm gestern und heute
Dr. Dirk Windelberg windelberg@math.uni-hannover.de dirk@windelberg.de AG QUALITÄT Leibniz Universität Hannover Mathematik Schienenverkehrslärm gestern und heute am Beispiel Hamminkeln 2011-2012 - 2015
MehrDirk Windelberg: Vergleich Schall 03 (1990) mit Schall 03 (2006) - ein Beispiel - Stand: 15. Dezember 2011
Dr. Dirk Windelberg windelberg@math.uni-hannover.de AG QUALITÄT Leibniz Universität Hannover Mathematik 15. Dezember 211 wi1112.tex Dirk Windelberg: Vergleich Schall (199) mit Schall (26) - ein Beispiel
MehrMonitoring von Güterzügen
Dr. Dirk Windelberg AG QUALITÄT Leibniz Universität Hannover Mathematik Monitoring von Güterzügen Stand: 18. März 2012 Inhaltsverzeichnis 1 Vorbeifahrpegel: Messung und Berechnung 2 2 Grundlagen 3 2.1
MehrAG QUALITÄT im Fachbereich Mathematik der Universität Hannover Welfengarten1, Hannover
AG QUALITÄT im Fachbereich Mathematik der Universität Hannover Welfengarten1, 30167 Hannover Gleispflege Auch ein "normales" Gleis muss im Rahmen der Instandhaltung der Bahn gepflegt werden. Diese Pflege
MehrNächtlicher Schienen-Güterverkehr Möglichkeiten einer Lärmminderung
Nächtlicher Schienen-Güterverkehr Möglichkeiten einer Lärmminderung Dr. Dirk Windelberg AG Qualität Institut für Algebra, Zahlentheorie und Diskrete Mathematik Universität Hannover www.iazd.uni-hannover.de/
MehrSchienenverkehrslärm ab 2011 (Ereignisbericht)
Dr. Dirk Windelberg windelberg@math.uni-hannover.de AG QUALITÄT Leibniz Universität Hannover Mathematik Schienenverkehrslärm ab 2011 (Ereignisbericht) Die sieben Nächte einer Woche Aufzeichnungen an einer
MehrAllgemeine Chemie Computer Praktikum Frühjahrssemester Regressions-Tutorial Lineare und nicht-lineare Regression
1 Einführung Allgemeine Chemie Computer Praktikum Frühjahrssemester Regressions-Tutorial Lineare und nicht-lineare Regression Datenauswertung In einem naturwissenschaftlichen Experiment werden Sie meist
MehrWie wirkt (Verkehrs-)Lärm auf Schlaf? Vortrag auf der DAGA 2016 in Aachen mit zusätzlichen
Wie wirkt (Verkehrs-)Lärm auf Schlaf? Vortrag auf der DAGA 2016 in Aachen mit zusätzlichen offenen Fragen Dirk Windelberg Mathematik, Universität Hannover, Deutschland, Email: windelberg@math.uni-hannover.de
MehrMessungen zu Schienenverkehrslärm
Dr. Dirk Windelberg AG QUALITÄT im Institut für Algebra, Zahlentheorie und Diskrete Mathematik Universität Hannover Messungen zu Schienenverkehrslärm Bestimmung der Anzahl Aufweckreaktionen durch Schienenverkehrslärm
MehrMessstation Hamminkeln Plädoyer für einen Vergleich von Messung und Berechnung bei Schienenverkehrslärm
Dr. Dirk Windelberg windelberg@math.uni-hannover.de AG QUALITÄT Leibniz Universität Hannover Mathematik Messstation Hamminkeln Plädoyer für einen Vergleich von Messung und Berechnung bei Schienenverkehrslärm
Mehra) Stellen Sie das Diagramm Geschwindigkeits Zeit Diagramm für eine geeignete Kombination von Massen und dar.
Atwood sche Fallmaschine Die kann zum Bestimmen der Erdbeschleunigung und zum Darstellen der Zusammenhänge zwischen Weg, Geschwindigkeit und Beschleunigung verwendet werden. 1) Aufgaben a) Stellen Sie
MehrAG QUALITÄT in der Fakultät für Mathematik und Physik Universität Hannover Dr. Dirk Windelberg
AG QUALITÄT in der Fakultät für Mathematik und Physik Universität Hannover Dr. Dirk Windelberg 6. November 2011 wi51031 Mathematische Aspekte der gesundheitlichen Beeinträchtigung durch transiente Geräuschereignisse
MehrExpositions-Wirkungsbeziehung zur Belästigung durch Schienenverkehrslärm im Rheintal
Expositions-Wirkungsbeziehung zur Belästigung durch Schienenverkehrslärm im Rheintal Dirk Schreckenberg ZEUS GmbH, 5093 Hagen Kerstin Giering, Sabine Augustin FH Trier, Umwelt-Campus, 55761 Birkenfeld
MehrVerarbeitung von Messdaten
HTL Steyr Verarbeitung von Messdaten Seite von 8 Bernhard Nietrost, HTL Steyr Verarbeitung von Messdaten Mathematische / Fachliche Inhalte in Stichworten: Regression, Polynominterpolation, Extremwertberechnung,
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
MehrMessungen zu Schienenverkehr
Dr. Dirk Windelberg AG QUALITÄT Leibniz Universität Hannover Mathematik Messungen zu Schienenverkehr Stand: 18. Dezember 2012 Inhaltsverzeichnis 1 Vorbemerkungen 2 1.1 Definition: (mittlerer) Vorbeifahrpegel....................
MehrEinführung. Ablesen von einander zugeordneten Werten
Einführung Zusammenhänge zwischen Größen wie Temperatur, Geschwindigkeit, Lautstärke, Fahrstrecke, Preis, Einkommen, Steuer etc. werden mit beschrieben. Eine Zuordnung f, die jedem x A genau ein y B zuweist,
MehrUnterschiedliche Wahrnehmung von Flug-, Straßen- und Schienenverkehrslärm
Unterschiedliche Wahrnehmung von Flug-, Straßen- und Schienenverkehrslärm 2015 Deutscher Bundestag Seite 2 Unterschiedliche Wahrnehmung von Flug-, Straßen- und Schienenverkehrslärm Aktenzeichen: Abschluss
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
MehrBerücksichtigung des Schienenverkehrslärms in der DIN 4109, Schallschutz im Hochbau
Berücksichtigung des Schienenverkehrslärms in der DIN 4109, Schallschutz im Hochbau Ulrich Möhler ulrich.moehler@mopa.de Möhler+Partner Ingenieure AG Landaubogen 10 81373 München 1 Allgemeines Für Schienen-
MehrIn den letzten zwei Abschnitten wurde die tatsächliche Häufigkeitsverteilung bzw. prozentuale Häufigkeitsverteilung abgehandelt.
.3.3 Theoretisch-prozentuale Häufigkeitsverteilung In den letzten zwei Abschnitten wurde die tatsächliche Häufigkeitsverteilung bzw. prozentuale Häufigkeitsverteilung abgehandelt. Charakteristisch für
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
MehrDeskriptive Beschreibung linearer Zusammenhänge
9 Mittelwert- und Varianzvergleiche Mittelwertvergleiche bei k > 2 unabhängigen Stichproben 9.4 Beispiel: p-wert bei Varianzanalyse (Grafik) Bedienungszeiten-Beispiel, realisierte Teststatistik F = 3.89,
MehrNORAH Studie DAGA 2012
NORAH Studie Noise-Related Annoyance, Cognition and Health Akustische Kennwerte für den Schienenlärm DAGA 2012 Übersicht 1.) Übersicht akustische Daten je Modul 2.) Berechnungsgrundlagen 3.) Sachstand
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
MehrZusatzmaterialien Funktionen von R. Brinkmann
Zusatzmaterialien Funktionen von R. Brinkmann http://brinkmann-du.de 6..0 Ausführliche Lösungen Kapitel. U U Finden Sie weitere Beispiele für solche Abhängigkeiten. Die Leistung eines Verbrennungsmotors
MehrStatistik. Ronald Balestra CH St. Peter
Statistik Ronald Balestra CH - 7028 St. Peter www.ronaldbalestra.ch 17. Januar 2010 Inhaltsverzeichnis 1 Statistik 1 1.1 Beschreibende Statistik....................... 1 1.2 Charakterisierung von Häufigkeitsverteilungen...........
Mehr1 Lambert-Beersches Gesetz
Physikalische Chemie II Lösung 6 23. Oktober 205 Lambert-Beersches Gesetz Anhand des idealen Gasgesetzes lässt sich die Teilchenkonzentration C wie folgt ausrechnen: C = N V = n N A V pv =nrt = N A p R
MehrAutofokus für das MONET-Teleskop. Projektwoche 2013 im Pascal-Gymnasium Münster AiM-Projektgruppe
Autofokus für das MONET-Teleskop Projektwoche 2013 im Pascal-Gymnasium Münster AiM-Projektgruppe Einführung Wir gehen davon aus, dass ein Bild mit einem kleinen mittleren Sternendurchmesser eher für eine
MehrMerksatz Begriff der Funktion
Der Begriff Funktion Um uns klar zu machen, was eine Funktion (lateinisch functio) ist, betrachten wir uns die Gegenüberstellung nachfolgender Situationen. Die Temperatur eines Gewässers wird in verschiedenen
MehrLaborübungen aus Physikalischer Chemie (Bachelor) Universität Graz
Arbeitsbericht zum Versuch Temperaturverlauf Durchführung am 9. Nov. 2016, M. Maier und H. Huber (Gruppe 2) In diesem Versuch soll der Temperaturgradient entlang eines organischen Kristalls (Bezeichnung
MehrSchwingungen und ihre Filterung unter Verwendung von Ergebnissen aus FEM-Rechnungen
Schwingungen und ihre Filterung unter Verwendung von Ergebnissen aus FEM-Rechnungen AG Qualität im Fachbereich Mathematik Universität Hannover, Welfengarten, D - 3067 Hannover Telephon: +49-5-762-3336
MehrTEIL 13: DIE EINFACHE LINEARE REGRESSION
TEIL 13: DIE EINFACHE LINEARE REGRESSION Die einfache lineare Regression Grundlagen Die einfache lineare Regression ist ebenfalls den bivariaten Verfahren für metrische Daten zuzuordnen 1 Sie hat einen
MehrD-CHAB Frühlingssemester 2017 T =
D-CHAB Frühlingssemester 17 Grundlagen der Mathematik II Dr Marcel Dettling Lösung 13 1) Die relevanten Parameter sind n = 3, x = 1867, σ x = und µ = 18 (a) Die Teststatistik T = X µ Σ x / n ist nach Annahme
MehrDr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen Hochschule Esslingen Übungsblatt 2. Statistik
Dr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen 6.10.2016 Hochschule Esslingen Übungsblatt 2 Statistik Stichworte: arithmetischer Mittelwert, empirische Varianz, empirische Standardabweichung, empirischer
MehrAG Qualität FACHBEREICH MATHEMATIK
AG Qualität FACHBEREICH MATHEMATIK Projekt Untersuchung zur Gleispflege bezüglich einer Bonusregelung für besondere Pflege Abschlußbericht Februar 2000 AG Qualität im Fachbereich Mathematik Universität
MehrTU Dresden Fachrichtung Mathematik Institut für Numerische Mathematik 1. Dr. M. Herrich SS 2017
TU Dresden Fachrichtung Mathematik Institut für Numerische Mathematik 1 Prof. Dr. K. Eppler Institut für Numerische Mathematik Dr. M. Herrich SS 2017 Aufgabe 1 Übungen zur Vorlesung Mathematik II 4. Übung,
MehrBerechnen Sie die Körpergröße eines Mannes, dessen Oberschenkelknochen eine Länge von 50 cm aufweist!
Aufgabe 1 Archäologie In der Archäologie gibt es eine empirische Formel, um von der Länge eines entdeckten Oberschenkelknochens auf die Körpergröße der zugehörigen Person schließen zu können. Für Männer
MehrKernaussagen des Lärmaktionsplanes für die Haupteisenbahnstrecken des Bundes außerhalb von Ballungsräumen (Teil A)
Bürgerinitiative e. V. 17.November 2015 Ergebnisse der 1. Phase der Öffentlichkeitsbeteiligung der Lärmaktionsplanung des Eisenbahn-Bundesamtes Kernaussagen des Lärmaktionsplanes für die Haupteisenbahnstrecken
MehrKapitel 7. Regression und Korrelation. 7.1 Das Regressionsproblem
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandelt die Verteilung einer Variablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem
MehrBiometrieübung 10 Lineare Regression. 2. Abhängigkeit der Körpergröße von der Schuhgröße bei Männern
Biometrieübung 10 (lineare Regression) - Aufgabe Biometrieübung 10 Lineare Regression Aufgabe 1. Düngungsversuch In einem Düngeversuch mit k=9 Düngungsstufen x i erhielt man Erträge y i. Im (X, Y)- Koordinatensystem
MehrDeskriptivstatistik a) Univariate Statistik Weiters zum Thema der statistischen Informationsverdichtung
20 Weiters zum Thema der statistischen Informationsverdichtung M a ß z a h l e n Statistiken bei Stichproben Parameter bei Grundgesamtheiten Maßzahlen zur Beschreibung univariater Verteilungen Maßzahlen
MehrFadenpendel (M1) Ziel des Versuches. Theoretischer Hintergrund
Fadenpendel M1) Ziel des Versuches Der Aufbau dieses Versuches ist denkbar einfach: eine Kugel hängt an einem Faden. Der Zusammenhang zwischen der Fadenlänge und der Schwingungsdauer ist nicht schwer zu
MehrBei näherer Betrachtung des Diagramms Nr. 3 fällt folgendes auf:
18 3 Ergebnisse In diesem Kapitel werden nun zunächst die Ergebnisse der Korrelationen dargelegt und anschließend die Bedingungen der Gruppenbildung sowie die Ergebnisse der weiteren Analysen. 3.1 Ergebnisse
MehrWas ist eine Funktion?
Lerndomino zum Thema Funktionsbegriff Kopiereen Sie die Seite (damit Sie einen Kontrollbogen haben), schneiden Sie aus der Kopie die "Dominosteine" zeilenweise aus, mischen Sie die "Dominosteine" und verteilen
MehrElastizität und Torsion
INSTITUT FÜR ANGEWANDTE PHYSIK Physikalisches Praktikum für Studierende der Ingenieurswissenschaften Universität Hamburg, Jungiusstraße 11 Elastizität und Torsion 1 Einleitung Ein Flachstab, der an den
MehrKommentar zu VDI Wirkung von Verkehrsgeräuschen - Teil 2
Dr. Dirk Windelberg AG QUALITÄT im Institut für Algebra, Zahlentheorie und Diskrete Mathematik Universität Hannover Kommentar zu VDI 3722-2 Wirkung von Verkehrsgeräuschen - Teil 2 Inhaltsverzeichnis 2.
MehrDeckblatt zum Versuch:
Deckblatt zum Versuch: Angaben zum Experiment Name: Gruppennummer: Tutor: Datum der Abgabe: Stempel/ Tutor-Unterschrift / Punkte Die nachstehende Checkliste bildet die Anforderungen an den Bericht im PhysikPraktikum
MehrKurvenanpassung mit dem SOLVER
1 Iterative Verfahren (SOLVER) Bei einem iterativen Verfahren wird eine Lösung durch schrittweise Annäherung gefunden. Der Vorteil liegt in der Verwendung einfacher Rechenoperationen und darin, dass der
Mehr5. Spezielle stetige Verteilungen
5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für
MehrW-Seminar: Versuche mit und am Menschen 2017/2019 Skript
3. Deskriptive Statistik Die deskriptive (auch: beschreibende) Statistik hat zum Ziel, [ ] Daten durch Tabellen, Kennzahlen [ ] und Grafiken übersichtlich darzustellen und zu ordnen. Dies ist vor allem
MehrFadenpendel (M1) Ziel des Versuches. Theoretischer Hintergrund
Fadenpendel M) Ziel des Versuches Der Aufbau dieses Versuches ist denkbar einfach: eine Kugel hängt an einem Faden. Der Zusammenhang zwischen der Fadenlänge und der Schwingungsdauer ist nicht schwer zu
MehrMessung der Statistischen Vorbeifahrt von Pkw auf der Haselbrunnstr. 5 in Radolfzell an ZWOPA 0/8
Messung der Statistischen Vorbeifahrt von Pkw auf der Haselbrunnstr. 5 in Radolfzell an ZWOPA 0/8 Bundesanstalt für Straßenwesen Messbericht F3-SPB-O2012.08 zum Projekt F1100.5312007.01 Bergisch Gladbach,
MehrMathematik 2 für Naturwissenschaften
Hans Walser Mathematik 2 für Naturwissenschaften Modul 202 Regressionsgerade und Korrelation Lernumgebung. Teil Hans Walser: Modul 202, Regressionsgerade und Korrelation. Lernumgebung. ii Inhalt Messwertpaare...
MehrAusführliche Lösungen zu ausgewählten Aufgaben von ÜB 5 und 6. Streudiagramm
y Aufgabe 3 Ausführliche Lösungen zu ausgewählten Aufgaben von ÜB 5 und 6 a) Zur Erstellung des Streudiagramms zeichnet man jeweils einen Punkt für jedes Datenpaar (x i, y i ) aus der zweidimensionalen
MehrMethoden der Werkstoffprüfung Kapitel I Grundlagen. WS 2009/2010 Kapitel 1.0
Methoden der Werkstoffprüfung Kapitel I Grundlagen WS 2009/2010 Kapitel 1.0 Grundlagen Probenmittelwerte ohne MU Akzeptanzbereich Probe 1 und 2 liegen im Akzeptanzbereich Sie sind damit akzeptiert! Probe
MehrDidaktisches Seminar über Stochastik. Themen: ffl Korrelation von zwei Zufallsvariablen
Didaktisches Seminar über Stochastik Themen: ffl Gemeinsame Verteilung von zwei Zufallsvariablen ffl Lineare Regression ffl Korrelation von zwei Zufallsvariablen Michael Ralph Pape Mai 1998 1 1 GEMEINSAME
MehrPraktikum Optische Technologien Anleitung zum Versuch Dicke Linsen
Fachbereich Energietechnik Lehrgebiet für Lasertechnik und Optische Technologien Prof. Dr. F.-M. Rateike Praktikum Optische Technologien Anleitung zum Versuch Dicke Linsen August 204 Praktikum Optische
MehrMATHEMATIK 3 STUNDEN
EUROPÄISCHES ABITUR 2013 MATHEMATIK 3 STUNDEN DATUM : 10. Juni 2013, Vormittag DAUER DER PRÜFUNG: 2 Stunden (120 Minuten) ERLAUBTES HILFSMITTEL Prüfung mit technologischem Hilfsmittel 1/6 DE AUFGABE B1
MehrVerkehrslärm. Grundlagen
Verkehrslärm Bürgerdialog A 33 Nord Fachinformationsveranstaltung 18.11.2014 Grundlagen Dipl.-Ing. Manfred Ramm Neubau der A 33 von der A 1 (nördlich Osnabrück) bis zur A 33/B 51n (OU Belm) Bürgerdialog
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
MehrAufgaben zum Physikpraktikum : 1. E-Modul: (die angegebenen Seitenzahlen beziehen sich immer auf die jeweilige Protokollanleitung)
Aufgaben zum Physikpraktikum : 1. E-Modul: (die angegebenen Seitenzahlen beziehen sich immer auf die jeweilige Protokollanleitung) Messen Sie die Verlängerung des Drahtes δl in mm in Abhängigkeit von der
MehrLK Lorentzkraft. Inhaltsverzeichnis. Moritz Stoll, Marcel Schmittfull (Gruppe 2) 25. April Einführung 2
LK Lorentzkraft Blockpraktikum Frühjahr 2007 (Gruppe 2) 25. April 2007 Inhaltsverzeichnis 1 Einführung 2 2 Theoretische Grundlagen 2 2.1 Magnetfeld dünner Leiter und Spulen......... 2 2.2 Lorentzkraft........................
MehrNORAH Studie. Tag gegen Lärm Noise-Related Annoyance, Cognition and Health. Ermittlung der akustischen Kennwerte
NORAH Studie Noise-Related Annoyance, Cognition and Health Ermittlung der akustischen Kennwerte Übersicht Akustische Grundlagen, Begriffe Anforderungen an akustische Daten der NORAH Studie Berechnungsmethoden
MehrMathematik für Naturwissenschaften, Teil 2
Lösungsvorschläge für die Aufgaben zur Vorlesung Mathematik für Naturwissenschaften, Teil Zusatzblatt SS 09 Dr. J. Schürmann keine Abgabe Aufgabe : Eine Familie habe fünf Kinder. Wir nehmen an, dass die
MehrÜbungen mit dem Applet x /s-regelkarte nach Shewhart
x /s-regelkarte nach Shewhart 1 Übungen mit dem Applet x /s-regelkarte nach Shewhart 1 Statistischer Hintergrund... 2 1.1 Ziel und Vorgehensweise der x /s-regelkarte nach Shewhart...2 1.2 Kurzbeschreibung
MehrBeispiel 2 (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter)
Beispiel (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter) 1 Ein Statistiker ist zu früh zu einer Verabredung gekommen und vertreibt sich nun die Zeit damit, daß er die Anzahl X der Stockwerke
MehrBrückenkurs Statistik für Wirtschaftswissenschaften
Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München
MehrÜbungen mit dem Applet Wahrscheinlichkeitsnetz
Wahrscheinlichkeitsnetz 1 Übungen mit dem Applet Wahrscheinlichkeitsnetz 1 Statistischer Hintergrund... 1.1 Verteilungen... 1. Darstellung von Daten im Wahrscheinlichkeitsnetz...4 1.3 Kurzbeschreibung
MehrProtokoll Grundpraktikum: F0: Auswertung und Präsentation von Messdaten
Protokoll Grundpraktikum: F0: Auswertung und Präsentation von Messdaten Sebastian Pfitzner 19. Februar 013 Durchführung: Sebastian Pfitzner (553983), Jannis Schürmer (5589) Betreuer: N. Haug Versuchsdatum:
MehrFehlerfortpflanzung. M. Schlup. 27. Mai 2011
Fehlerfortpflanzung M. Schlup 7. Mai 0 Wird eine nicht direkt messbare physikalische Grösse durch das Messen anderer Grössen ermittelt, so stellt sich die Frage, wie die Unsicherheitsschranke dieser nicht-messbaren
MehrStatistik Übungsblatt 5
Statistik Übungsblatt 5 1. Gaussverteilung Die Verteilung der Messwerte einer Grösse sei durch eine Gaussverteilung mit Mittelwert µ = 7.2 und σ = 1.2 gegeben. (a) Wie gross ist die Wahrscheinlichkeit
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.
MehrVersuchsplanung und multivariate Statistik Sommersemester 2018
Versuchsplanung und multivariate Statistik Sommersemester 2018 Vorlesung 11: Lineare und nichtlineare Modellierung I Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 6.6.2018
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
MehrFehler- und Ausgleichsrechnung
Fehler- und Ausgleichsrechnung Daniel Gerth Daniel Gerth (JKU) Fehler- und Ausgleichsrechnung 1 / 12 Überblick Fehler- und Ausgleichsrechnung Dieses Kapitel erklärt: Wie man Ausgleichsrechnung betreibt
MehrWie versteht man die Tabellen zum Schallgutachten?
Wie versteht man die Tabellen zum Schallgutachten? Wie versteht man die Tabellen zum Schallgutachten? Immissionen? Immission: Die Einwirkung von Schall auf einen Ort. Die lokale physikalische Auswirkung
MehrEine zweidimensionale Stichprobe
Eine zweidimensionale Stichprobe liegt vor, wenn zwei qualitative Merkmale gleichzeitig betrachtet werden. Eine Urliste besteht dann aus Wertepaaren (x i, y i ) R 2 und hat die Form (x 1, y 1 ), (x 2,
MehrVersuchsauswertung: Franck-Hertz-Versuch
Praktikum Klassische Physik II Versuchsauswertung: Franck-Hertz-Versuch (P-53,54,55) Christian Buntin, Jingfan Ye Gruppe Mo- Karlsruhe, 9. April Inhaltsverzeichnis Bestimmung der kleinsten Anregungsenergie
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
MehrRegression und Korrelation
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandeltdie VerteilungeinerVariablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem dagegen
MehrRingversuch 1/1998. Parameter: Natrium Fluorid Nitrit-N Borat-B Biochemischer Sauerstoffbedarf Cyanid
Analytische Qualitätssicherung Baden-Württemberg Ringversuch 1/1998 Parameter: Natrium Fluorid Nitrit-N Borat-B Biochemischer Sauerstoffbedarf Cyanid AQS-Leitstelle am Institut für Siedlungswasserbau,
MehrErgebnisse der NORAH-Studie
Rainer Guski und Dirk Schreckenberg und 43 Ko-Autoren von 11 Universitäten, Forschungs- und Beratungsorganisationen Ergebnisse der NORAH-Studie http://www.laermstudie.de/wissen/norah-wissen/ Fluglärmkommission
MehrEinführung in die Arbeitswissenschaft
Einführung in die Arbeitswissenschaft Übung zur Lehreinheit 7 Arbeitsökologie Sommersemester 2016 Univ.-Prof. Dr.-Ing. Dipl.-Wirt.-Ing. Christopher M. Schlick Lehrstuhl und Institut für Arbeitswissenschaft
MehrÜbungsaufgaben zur Klausur Statistik
Übungsaufgaben zur Klausur Statistik 1.) Mittelwerte und Streumaße I Bei einer Geschwindigkeitskontrolle innerhalb einer geschlossenen Ortschaft notierte die Polizei folgende 20 Messwerte in km/h: 45;
MehrSommersemester Marktforschung
Dipl.-Kfm. Sascha Steinmann Universität Siegen Lehrstuhl für Marketing steinmann@marketing.uni-siegen.de Sommersemester 2010 Marktforschung Übungsaufgaben zu den Themen 3-6 mit Lösungsskizzen Aufgabe 1:
MehrBahnhofsmodernisierungsprogramm Baden-Württemberg. Bf Beimerstetten. schalltechnische Untersuchung
Bahnhofsmodernisierungsprogramm Baden-Württemberg Bf Beimerstetten schalltechnische Untersuchung DB Station&Service AG Regionalbereich Südwest I.SV-SW Stuttgart, 26.02.2015 Bahnhofsmodernisierungsprogramm
Mehr