Fehler- und Ausgleichsrechnung

Größe: px
Ab Seite anzeigen:

Download "Fehler- und Ausgleichsrechnung"

Transkript

1 Fehler- und Ausgleichsrechnung Daniel Gerth Daniel Gerth (JKU) Fehler- und Ausgleichsrechnung 1 / 12

2 Überblick Fehler- und Ausgleichsrechnung Dieses Kapitel erklärt: Wie man Ausgleichsrechnung betreibt Wie man Messreihen statistisch auswertet und interpretiert Wie man Fehlerfortpflanzung kontrolliert Daniel Gerth (JKU) Fehler- und Ausgleichsrechnung 2 / 12

3 Regressionsgerade Wir betrachten die folgende Aufgabe: Von einem gegebenen naturwissenschaftlichen Prozess sei bekannt, dass er durch einen eindimensionalen linearen Zusammenhang y = f(x) = mx + c modelliert werden kann. Unbekannt jedoch sind die Geradenparameter m (Steigung) und c (y Achsenabschnitt). Ausgehend von den x Werten x 1,..., x r, die allesamt verschieden voneinander sein sollen und welche wir als Messstellen interpretieren wollen, und den an diesen Stellen vorliegenden y Werten y 1,..., y r, interpretierbar als Messwerte, wollen wir auf die unbekannten Parameter m und c schließen. Wo liegt das Problem? (theoretisch reichen zwei Punktepaare (x 1, y 1 ) und (x 2, y 2 ) aus, um die Parameter m und c festzulegen).bedingt durch Fehler oder Ungenauigkeiten beim Messvorgang liegen die Punkte (x 1, y 1 ),..., (x r, y r) typischerweise jedoch nicht auf einer Geraden, d.h. y i = m x i + c + ɛ i wobei ɛ i klein ist. Wir suchen nach Kompromisse: Zu bestimmen ist dann eine Gerade y = mx + c welche den Punktepaaren zumindest leidlich nahekommt. Hinweis: Die hier präsentierte Theorie gilt analog für beliebige Polynome! Daniel Gerth (JKU) Fehler- und Ausgleichsrechnung 3 / 12

4 Für jedes Paar (x i, y i ) setzen wir trotz des Fehlers ɛ an: y i = m x i + c = ( x 1 1 ) ( ) m Man kann damit das gesamte Problem schreiben c als y 1 x 1 1 y 2 y =. = x 2 1 ( ) m = A v.. c y r x r 1 Es entsteht also eine Matrixgleichung mit y R r, A R r n und v R n in der typischerweise r > n. Bedingt durch die Messfehler hat diese Gleichung keine Lösung. Stattdessen sucht man nach Werten m und c, so dass der resultierende Vektor v einen kleinen Fehler produziert: v = min y A v 2 v Rn (Man kann dies für alle linearen Systeme y = Ax machen, wir behandeln hier jedoch nur den oben genannten Spezialfall) Daniel Gerth (JKU) Fehler- und Ausgleichsrechnung 4 / 12

5 Nun ist y A v 2 eine Funktion von R n nach R, fällt also in ein bekanntes Schema. Wir benötigen noch folgende hilfreiche Werkzeuge: Theorem 1 Sei x R n, y R m und M R m n. Dann gilt für das Skalarprodukt in R m bzw. R n : Mx, y = x, M T y Desweiteren gilt, falls M = A T : grad x ( Mx, x ) = 2Mx und grad x ( x, z ) = z Damit gilt: A v y 2 = A v y, A v v = A v, A v 2 A v, y + y, y = A T A v, v 2 A T y, v + y 2 Daniel Gerth (JKU) Fehler- und Ausgleichsrechnung 5 / 12

6 Um f( v) = y A v 2 zu minimieren, müssen wir den Gradienten gleich Null setzen: 0 = grad( y A v 2 ) = grad( A T A v, v 2 A T y, v + y 2 ) = 2A T A v 2A T y Damit ist v Lösung der so genannten Normalengleichung A T A v = A T y Die Lösung ist eindeutig, falls rang(a) = n. Dann ist A T A symmetrisch und positiv semidefinit, und die Lösung stellt tatsächlich ein Minimum dar. Daniel Gerth (JKU) Fehler- und Ausgleichsrechnung 6 / 12

7 Gegeben sei die Messreihe (x i, y i ): (1, 0.9) (3, 5.5) (5, 9.1) Wir suchen den linearen Zusammenhang y = mx + c, also ist 0.9 ( ) 1 1 y = 5.5 m, v =, A = 3 1 c Die Normalengleichung A T A v = A T y lautet ( ) 1 ( ) m = c 5 1 ( ( ) 35 9 m = 9 3) c ( ( ) ) ( ) 2.05 Die Lösung lautet v =, also gilt die Funktionsgleichung 0.98 y = 2.05x 0.98, zum Vergleich: die Gleichung mit fehlerlosen Daten ist y = 2x 1. Daniel Gerth (JKU) Fehler- und Ausgleichsrechnung 7 / 12

8 Messreihenauswertung Wir nehmen an, wir messen ein Größe x (z.b. die Dicke eines Blatt Papiers, den PH-Wert einer Lösung, usw). Für eine einzelne Messung haben wir folgende Begriffe: Definition 2.1 Gegeben sei eine Messgröße x, für welche ein Messwert x existiere. Der wirkliche, unbekannte Wert der Messgröße sei ebenfalls mit x bezeichnet. Dann heißt die Differenz x := x x der absolute Fehler der Größe x. Der Quotient heißt relativer Fehler der Größe x. x x = x x x Daniel Gerth (JKU) Fehler- und Ausgleichsrechnung 8 / 12

9 Angenommen, wir haben nun n Messwerte x 1, x 2,..., x n für unsere Größe x. Definition 2.2 Der Mittelwert der Messung ist x := 1 n die Standardabweichung ( gemittelter Fehler der Einzelmessungen ) beträgt σ := 1 n (x i x) n 1 2 und der mittlere Fehler des Mittelwertes, aslo die zu erwartende Unsicherheit für σ die Schätzung des Mittelwertes, ist n n i=1 i=1 x i Damit gilt bzw. P( x σ x i x + σ) = P( x 0.677σ x i x σ) = 0.5 Daniel Gerth (JKU) Fehler- und Ausgleichsrechnung 9 / 12

10 Fehlerfortpflanzung Als wichtige Anwendung des totalen Differentials wollen wir die unabhängigen Variablen x 1,..., x n einer Funktion f(x 1,..., x n ) als Messgrößen eines naturwissenschaftlichen Experiments interpretieren. Abhängig davon soll eine weitere Größe z = f(x 1,..., x n ) errechnet werden. Ideal wäre es, die obigen Messgrößen exakt zu x Messung = ( x 1,..., x n ) bestimmen zu können. Unter diesen Umständen resultierte daraus die ebenfalls exakt bestimmbare abhängige Größe z Messung = f( x 1,..., x n ). Die Wirklichkeit sieht anders aus. Bedingt durch Ungenauigkeiten der Messmethoden o.ä. sind die Messwerte x 1,..., x n fehlerbehaftet: Die wirklichen, aber leider unbekannten Messgrößen x 1,..., x n weichen von den gemessenen Werten x 1,..., x n geringfügig ab. Daniel Gerth (JKU) Fehler- und Ausgleichsrechnung 10 / 12

11 Welche Auswirkung haben kleine Abweichungen der realen Größen von den Messwerten auf das zu berechnende Endergebnis z? Wir wirken sich Fehler in den Messwerten auf die davon abhängige Größe z = f(x 1,..., x n) auf? Satz 3.1 Die Größe x 1,..., x n seien gemessen zu x 1,..., x n und fehlerbehaftet mit maximalen Abweichungen max x 1,..., max x n. Ist f differenzierbar in ( x 1,..., x n ), so gilt für den maximalen absoluten Fehler der abhängigen Größe z = f(x 1,..., x n ) max z f x1 ( x 1,..., x n ) max x f xn ( x 1,..., x n ) max x n. (1) Daniel Gerth (JKU) Fehler- und Ausgleichsrechnung 11 / 12

12 Wir betrachten zwei Größen x und y, deren Werte zu x 0 und ȳ 0 ermittelt wurden, aber maxx bzw. maxy fehlerbehaftet sind. Fehlerfortpflanzung bei Summation und Differenzbildung max z = max x + max y, wobei z = f(x, y) = x ± y. Fehlerfortpflanzung bei Produkt- und Quotientenbildung max p = ȳ max x + x max y, wobei p(x, y) = xy. wobei q(x, y) = x y. max q = 1 ȳ maxx + x ȳ 2 maxy, Daniel Gerth (JKU) Fehler- und Ausgleichsrechnung 12 / 12

4.5 Überbestimmte Gleichungssysteme, Gauß sche Ausgleichrechnung

4.5 Überbestimmte Gleichungssysteme, Gauß sche Ausgleichrechnung 4.5 Überbestimmte Gleichungssysteme, Gauß sche Ausgleichrechnung In vielen Anwendungen treten lineare Gleichungssysteme auf, die eine unterschiedliche Anzahl von Gleichungen und Unbekannten besitzen: Ax

Mehr

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.

Mehr

Eine zweidimensionale Stichprobe

Eine 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,

Mehr

Einfache statistische Auswertungen mit dem TI-Nspire

Einfache statistische Auswertungen mit dem TI-Nspire 1. Neues Dokument und darin eine neue Seite anlegen Als Typ 6: Lists & Spreadsheet wählen. Darin die Messwerte in einer Spalte erfassen. Dies ergibt die Urliste. Wenn mehrere Messwerte vorliegen, die diejenigen,

Mehr

Motivation. Jede Messung ist mit einem sogenannten Fehler behaftet, d.h. einer Messungenauigkeit

Motivation. Jede Messung ist mit einem sogenannten Fehler behaftet, d.h. einer Messungenauigkeit Fehlerrechnung Inhalt: 1. Motivation 2. Was sind Messfehler, statistische und systematische 3. Verteilung statistischer Fehler 4. Fehlerfortpflanzung 5. Graphische Auswertung und lineare Regression 6.

Mehr

Eigenwerte und Eigenvektoren von Matrizen

Eigenwerte und Eigenvektoren von Matrizen Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt

Mehr

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x

Mehr

Optimalitätskriterien

Optimalitätskriterien Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen

Mehr

Lineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3

Lineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3 Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen

Mehr

a) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten.

a) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten. Statistik für Kommunikationswissenschaftler Wintersemester 2009/200 Vorlesung Prof. Dr. Helmut Küchenhoff Übung Cornelia Oberhauser, Monia Mahling, Juliane Manitz Thema 4 Homepage zur Veranstaltung: http://www.statistik.lmu.de/~helmut/kw09.html

Mehr

Kernel, Perceptron, Regression. Erich Schubert, Arthur Zimek. 2014-07-20 KDD Übung

Kernel, Perceptron, Regression. Erich Schubert, Arthur Zimek. 2014-07-20 KDD Übung Kernel, Perceptron, Regression Erich Schubert, Arthur Zimek Ludwig-Maximilians-Universität München 2014-07-20 KDD Übung Kernel-Fukctionen Kernel kann mehrdeutig sein! Unterscheidet zwischen: Kernel function

Mehr

Was ist Physik? Modell der Natur universell es war schon immer so

Was ist Physik? Modell der Natur universell es war schon immer so Was ist Physik? Modell der Natur universell es war schon immer so Kultur Aus was sind wir gemacht? Ursprung und Aufbau der Materie Von wo/was kommen wir? Ursprung und Aufbau von Raum und Zeit Wirtschaft

Mehr

DIFFERENTIALGLEICHUNGEN

DIFFERENTIALGLEICHUNGEN DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung

Mehr

Validierung von Messmethoden. Validierung von Messmethoden

Validierung von Messmethoden. Validierung von Messmethoden Validierung von Messmethoden Was soll eine gute Messmethode erfüllen? 1. Richtigkeit (accucacy) 2. Genauigkeit (precision) PD Dr. Sven Reese, LMU München 1 Richtigkeit (accuracy) Gibt Auskunft darüber,

Mehr

Physik III - Anfängerpraktikum- Versuch 302

Physik III - Anfängerpraktikum- Versuch 302 Physik III - Anfängerpraktikum- Versuch 302 Sebastian Rollke (103095) und Daniel Brenner (105292) 15. November 2004 Inhaltsverzeichnis 1 Theorie 2 1.1 Beschreibung spezieller Widerstandsmessbrücken...........

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

Optimierung. Optimierung. Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren. 2013 Thomas Brox, Fabian Kuhn

Optimierung. Optimierung. Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren. 2013 Thomas Brox, Fabian Kuhn Optimierung Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren 1 Minimierung ohne Nebenbedingung Ein Optimierungsproblem besteht aus einer zulässigen Menge und einer Zielfunktion Minimum

Mehr

Bivariate lineare Regression. Statistik für SozialwissenschaftlerInnen II p.154

Bivariate lineare Regression. Statistik für SozialwissenschaftlerInnen II p.154 Bivariate lineare Regression Statistik für SozialwissenschaftlerInnen II p.154 Grundidee und Typen der Regression Die Regressionsanalyse dient zur Quantifizierung des Zusammenhangs und der statistisch

Mehr

Optimieren unter Nebenbedingungen

Optimieren unter Nebenbedingungen Optimieren unter Nebenbedingungen Hier sucht man die lokalen Extrema einer Funktion f(x 1,, x n ) unter der Nebenbedingung dass g(x 1,, x n ) = 0 gilt Die Funktion f heißt Zielfunktion Beispiel: Gesucht

Mehr

Rotation. Versuch: Inhaltsverzeichnis. Fachrichtung Physik. Erstellt: U. Escher A. Schwab Aktualisiert: am 29. 03. 2010. Physikalisches Grundpraktikum

Rotation. Versuch: Inhaltsverzeichnis. Fachrichtung Physik. Erstellt: U. Escher A. Schwab Aktualisiert: am 29. 03. 2010. Physikalisches Grundpraktikum Fachrichtung Physik Physikalisches Grundpraktikum Versuch: RO Erstellt: U. Escher A. Schwab Aktualisiert: am 29. 03. 2010 Rotation Inhaltsverzeichnis 1 Aufgabenstellung 2 2 Allgemeine Grundlagen 2 2.1

Mehr

Mathematik 1 für Wirtschaftsinformatik

Mathematik 1 für Wirtschaftsinformatik Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 7 Folgen und Reihen 8 Finanzmathematik 9 Reelle Funktionen 10 Differenzieren 1 11 Differenzieren 2 12 Integration

Mehr

Praktikum Physik. Protokoll zum Versuch 1: Viskosität. Durchgeführt am 26.01.2012. Gruppe X

Praktikum Physik. Protokoll zum Versuch 1: Viskosität. Durchgeführt am 26.01.2012. Gruppe X Praktikum Physik Protokoll zum Versuch 1: Viskosität Durchgeführt am 26.01.2012 Gruppe X Name 1 und Name 2 (abc.xyz@uni-ulm.de) (abc.xyz@uni-ulm.de) Betreuerin: Wir bestätigen hiermit, dass wir das Protokoll

Mehr

Regression. Leonardo da Vinci (1452-1519) formulierte folgende Zusammenhänge:

Regression. Leonardo da Vinci (1452-1519) formulierte folgende Zusammenhänge: Regression Leonardo da Vinci (142-119) formulierte folgende Zusammenhänge: 1. Die Körpergröße ist gleich der Spannweite der Arme. 2. Die Höhe einer knienden Person ist 3 4 der Körpergröße. 3. Die Handlänge

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der

Mehr

Betriebswirtschaftslehre > Betrieblicher Absatz, betriebliche Preispolitik > Polypol

Betriebswirtschaftslehre > Betrieblicher Absatz, betriebliche Preispolitik > Polypol Michael Buhlmann Schülerkurs Betriebswirtschaftslehre > Betrieblicher Absatz, betriebliche Preispolitik > Polpol An der Schnittstelle zwischen Wirtschaftsunternehmen und Markt (im wirtschaftswissenschaftlichen

Mehr

Computer Vision: 3D-Geometrie. D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17

Computer Vision: 3D-Geometrie. D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17 Computer Vision: 3D-Geometrie D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17 Lochkamera Modell C Projektionszentrum, Optische Achse, Bildebene, P Hauptpunkt (optische Achse kreuzt die Bildebene),

Mehr

6.2 Regressionsanalyse

6.2 Regressionsanalyse c-kennzahlensystem (ROCI) 6. Regressionsanalyse Die Regressionsanalyse zählt zu den wichtigsten Analysemethoden des Kommunikationscontrollings und hat ihre tiefen Wurzeln in der Statistik. Im Rahmen des

Mehr

Messungen und Messfehler

Messungen und Messfehler Messungen und Messfehler B. Schönfeld LMPT, ETH Zürich September 2007 1 Einleitung Messfehler sind (meistens) keine Fehler, sondern Messunsicherheiten. Was man in Messungen bestimmt, sind Schätzwerte,

Mehr

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel

Mehr

Dr. Jürgen Roth. Fachbereich 6: Abteilung Didaktik der Mathematik. Elemente der Algebra. Dr. Jürgen Roth 3.1

Dr. Jürgen Roth. Fachbereich 6: Abteilung Didaktik der Mathematik. Elemente der Algebra. Dr. Jürgen Roth 3.1 .1 Dr. Jürgen Roth Fachbereich 6: Abteilung Didaktik der Mathematik Elemente der Algebra . Inhaltsverzeichnis Elemente der Algebra & Argumentationsgrundlagen, Gleichungen und Gleichungssysteme Quadratische

Mehr

Repetitionsaufgaben: Lineare Gleichungen

Repetitionsaufgaben: Lineare Gleichungen Kantonale Fachschaft Mathematik Repetitionsaufgaben: Lineare Gleichungen Zusammengestellt von Hannes Ernst, KSR Lernziele: - Lineare Gleichungen von Hand auflösen können. - Lineare Gleichungen mit Parametern

Mehr

LAF Mathematik. Näherungsweises Berechnen von Nullstellen von Funktionen

LAF Mathematik. Näherungsweises Berechnen von Nullstellen von Funktionen LAF Mathematik Näherungsweises Berechnen von Nullstellen von Funktionen von Holger Langlotz Jahrgangsstufe 12, 2002/2003 Halbjahr 12.1 Fachlehrer: Endres Inhalt 1. Vorkenntnisse 1.1 Nicht abbrechende Dezimalzahlen;

Mehr

Inhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden

Inhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden Inhaltsverzeichnis Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3 Warum Statistik? 3 Checkpoints 4 Daten 4 Checkpoints 7 Skalen - lebenslang wichtig bei der Datenanalyse

Mehr

Teil II. Nichtlineare Optimierung

Teil II. Nichtlineare Optimierung Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene

Mehr

Bestimmung einer ersten

Bestimmung einer ersten Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,

Mehr

Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen

Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html

Mehr

Relationen / Lineare Funktionen

Relationen / Lineare Funktionen Relationen / Lineare Funktionen Relationen Werden Elemente aus einer Menge X durch eine Zuordnungsvorschrift anderen Elementen aus einer Menge Y zugeordnet, so wird durch diese Zuordnungsvorschrift eine

Mehr

3.4 Histogramm, WENN-Funktion

3.4 Histogramm, WENN-Funktion 3.4 Histogramm, WENN-Funktion 3.4.1 Aufgabe Ausgehend von den Lösungen der zum Aufgabenkomplex 3.3, Absenkung (s. S. 106), aufgestellten Tabellen sollen weitere Elemente der MS-Excel-Programmierung genutzt

Mehr

Übungsaufgaben zum Aufstellen von ganzrationalen Funktionsgleichungen

Übungsaufgaben zum Aufstellen von ganzrationalen Funktionsgleichungen Übungsaufgaben zum Aufstellen von ganzrationalen Funktionsgleichungen Aufgabe : Eine zum Ursprung symmetrische ganzrationale Funktion.Ordnung hat im Ursprung die Tangente mit der Gleichung y = 7x und in

Mehr

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt - 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +

Mehr

f : x y = mx + t Der Graph einer linearen Funktion ist eine Gerade, welche die y-achse im Punkt S schneidet. = m 2 x 2 m x 1

f : x y = mx + t Der Graph einer linearen Funktion ist eine Gerade, welche die y-achse im Punkt S schneidet. = m 2 x 2 m x 1 III. Funktionen und Gleichungen ================================================================== 3.1. Lineare Funktionen Eine Funktion mit der Zuordnungvorschrift f : x y = mx + t und m, t R heißt lineare

Mehr

Gleichungen - Aufgabenstellung und Lösungsstrategien

Gleichungen - Aufgabenstellung und Lösungsstrategien Gleichungen - Aufgabenstellung und Lösungsstrategien Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 25, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at 18. Juli 2006 1 Einleitung

Mehr

Einführung Physik-Praktikum

Einführung Physik-Praktikum Seite1 von 18 Messunsicherheit und Fehlerfortpflanzung Messunsicherheit Die Messung einer physikalischen Größe (Masse, Spannung, Strom, Zeit,...) ist in der Regel mit einer gewissen Unsicherheit behaftet.

Mehr

Universität Bonn, Institut für Angewandte Mathematik. WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW

Universität Bonn, Institut für Angewandte Mathematik. WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW Universität Bonn, Institut für Angewandte Mathematik Dr. Antje Kiesel WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW 08.03.2013 Matrikelnummer Platz Name Vorname 1 2 3 4 5 6

Mehr

Wahlfach Mathematik: Funktionen

Wahlfach Mathematik: Funktionen Wahlfach Mathematik: Funktionen In der Mathematik ist eine Funktion oder Abbildung eine Beziehung zwischen zwei Mengen, die jedem Element der einen Menge (Funktionsargument, unabhängige Variable, x-wert)

Mehr

Differenzengleichungen. und Polynome

Differenzengleichungen. und Polynome Lineare Differenzengleichungen und Polynome Franz Pauer Institut für Mathematik, Universität Innsbruck Technikerstr. 13/7, A-600 Innsbruck, Österreich franz.pauer@uibk.ac.at 1 Einleitung Mit linearen Differenzengleichungen

Mehr

8.6.1 Erwartungswert eines beliebigen Operators O 8.6.2 Beispiel: Erwartungswert des Impulses eines freien Teilchens

8.6.1 Erwartungswert eines beliebigen Operators O 8.6.2 Beispiel: Erwartungswert des Impulses eines freien Teilchens phys4.013 Page 1 8.6.1 Erwartungswert eines beliebigen Operators O 8.6.2 Beispiel: Erwartungswert des Impulses eines freien Teilchens phys4.013 Page 2 8.6.3 Beispiel: Orts- und Impuls-Erwartungswerte für

Mehr

x 0 0,5 1 2 3 4 0,5 1 2. Die Quadratfunktion ist für x 0 streng monoton fallend und für x 0 streng monoton steigend.

x 0 0,5 1 2 3 4 0,5 1 2. Die Quadratfunktion ist für x 0 streng monoton fallend und für x 0 streng monoton steigend. Quadratische Funktionen ================================================================= 1. Die Normalparabel Die Funktion f : x y = x 2, D = R, heißt Quadratfunktion. Ihr Graph heißt Normalparabel. Wertetabelle

Mehr

Kurs Multivariate Datenanalyse (MVA) Versuchsplanung (design of experiments)

Kurs Multivariate Datenanalyse (MVA) Versuchsplanung (design of experiments) Kurs Multivariate Datenanalyse (MVA) Versuchsplanung (design of experiments) Datenanalyse heißt, aus einer Menge von Daten nicht irgendwelche sondern solche Informationen über ein Objekt zu gewinnen, die

Mehr

Statistik II für Betriebswirte Vorlesung 12

Statistik II für Betriebswirte Vorlesung 12 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 12 11. Januar 2013 7.3. Multiple parameterlineare Regression Im Folgenden soll die

Mehr

Extrema von Funktionen in zwei Variablen

Extrema von Funktionen in zwei Variablen Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen in zwei Variablen Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,

Mehr

Übungsaufgaben zur Linearen Funktion

Übungsaufgaben zur Linearen Funktion Übungsaufgaben zur Linearen Funktion Aufgabe 1 Bestimmen Sie den Schnittpunkt der beiden Geraden mit den Funktionsgleichungen f 1 (x) = 3x + 7 und f (x) = x 13! Aufgabe Bestimmen Sie den Schnittpunkt der

Mehr

Institut für Physikalische und Theoretische Chemie Physikalisch-Chemisches Praktikum für Studenten L2

Institut für Physikalische und Theoretische Chemie Physikalisch-Chemisches Praktikum für Studenten L2 Institut für Physikalische und heoretische Chemie Physikalisch-Chemisches Praktikum für Studenten L2. Das Gasgesetz von Gay-Lussac hema In diesem ersuch soll das erhalten von Gasen bei Erwärmung unter

Mehr

Basistext Funktionen. Eine Funktion f ordnet jedem Element x aus einer Definitionsmenge D f genau ein Wert y zu.

Basistext Funktionen. Eine Funktion f ordnet jedem Element x aus einer Definitionsmenge D f genau ein Wert y zu. Basistext Funktionen Definition Eine Funktion f ordnet jedem Element x aus einer Definitionsmenge D f genau ein Wert y zu. Man schreibt: f: x -> y mit y = f(x) Die Wertemenge einer Funktion f besteht aus

Mehr

Gleichstromnetzwerke

Gleichstromnetzwerke Gleichstromnetzwerke 1. Durchführung In diesem Experiment werden Spannungen und Ströme, eines auf einem Steckbrett aufgebauten Gleichstromnetzwerks, gemessen und mit den Berechnungen laut den Kirchhoff-Regelen

Mehr

M4 Oberflächenspannung Protokoll

M4 Oberflächenspannung Protokoll Christian Müller Jan Philipp Dietrich M4 Oberflächenspannung Protokoll Versuch 1: Abreißmethode b) Messergebnisse Versuch 2: Steighöhenmethode b) Messergebnisse Versuch 3: Stalagmometer b) Messergebnisse

Mehr

Weiterbildungskurs Stochastik

Weiterbildungskurs Stochastik Hansruedi Künsch Seminar für Statistik Departement Mathematik, ETH Zürich 24. Juni 2009 Inhalt STATISTIK DER BINOMIALVERTEILUNG 1 STATISTIK DER BINOMIALVERTEILUNG 2 Fragestellungen Typische Fragestellungen

Mehr

Praktikumsprotokoll. vom 25.06.2002. Thema: Radioaktiver Zerfall, radioaktive Strahlung. Tutor: Arne Henning. Gruppe: Sven Siebler Martin Podszus

Praktikumsprotokoll. vom 25.06.2002. Thema: Radioaktiver Zerfall, radioaktive Strahlung. Tutor: Arne Henning. Gruppe: Sven Siebler Martin Podszus Praktikumsprotokoll vom 25.6.22 Thema: Radioaktiver Zerfall, radioaktive Strahlung Tutor: Arne Henning Gruppe: Sven Siebler Martin Podszus Versuch 1: Reichweite von α -Strahlung 1.1 Theorie: Die Reichweite

Mehr

Vektoralgebra Anwendungen der Vektorrechnung VEKTORRECHNUNG. Prof. Dr. Dan Eugen Ulmet. Hochschule Esslingen 1/64

Vektoralgebra Anwendungen der Vektorrechnung VEKTORRECHNUNG. Prof. Dr. Dan Eugen Ulmet. Hochschule Esslingen 1/64 1/64 VEKTORRECHNUNG Prof. Dr. Dan Eugen Ulmet Hochschule Esslingen März 2011 2/64 Overview Vektoralgebra 1 Vektoralgebra 2 Was sind Vektoren? 3/64 Vektoren werden geometrisch definiert als Pfeilklassen:

Mehr

Newton-Verfahren zur gleichungsbeschränkten Optimierung. 1 Gleichungsbeschränkte Optimierungsprobleme

Newton-Verfahren zur gleichungsbeschränkten Optimierung. 1 Gleichungsbeschränkte Optimierungsprobleme Newton-Verfahren zur gleichungsbeschränkten Optimierung Armin Farmani Anosheh (afarmani@mail.uni-mannheim.de) 3.Mai 2016 1 Gleichungsbeschränkte Optimierungsprobleme Einleitung In diesem Vortrag geht es

Mehr

Planungsblatt Mathematik für die 4E

Planungsblatt Mathematik für die 4E Planungsblatt Mathematik für die 4E Woche 26 (von 09.03 bis 13.03) Hausaufgaben 1 Bis Mittwoch 11.03: Auf dem Planungsblatt stehen einige Aufgaben als Übung für die SA. Bereite diese Aufgaben vor! Vor

Mehr

ZHW / CB / AnP SS 03. Quantitative Bestimmung von Co- und Ni-Ionen im Gemisch Kinetische Untersuchungen an Farbstoffen

ZHW / CB / AnP SS 03. Quantitative Bestimmung von Co- und Ni-Ionen im Gemisch Kinetische Untersuchungen an Farbstoffen UV/VIS Methode: UV/VIS - Spektrometrie Themen: Analyte: Matrix: Quantitative Bestimmung von Co- und Ni-Ionen im Gemisch Kinetische Untersuchungen an Farbstoffen Ni 2+, 2+, Murexid Rostfreier Stahl, Wasser

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr

Auswertung P2-10 Auflösungsvermögen

Auswertung P2-10 Auflösungsvermögen Auswertung P2-10 Auflösungsvermögen Michael Prim & Tobias Volkenandt 22 Mai 2006 Aufgabe 11 Bestimmung des Auflösungsvermögens des Auges In diesem Versuch sollten wir experimentell das Auflösungsvermögen

Mehr

Messtechnik. Rainer Parthier

Messtechnik. Rainer Parthier Rainer Parthier Messtechnik Grundlagen und Anwendungen der elektrischen Messtechnik für alle technischen Fachrichtungen und Wirtschaftsingenieure 6., überarbeitete und erweiterte Auflage Mit 136 Abbildungen

Mehr

Umgekehrte Kurvendiskussion

Umgekehrte Kurvendiskussion Umgekehrte Kurvendiskussion Bei einer Kurvendiskussion haben wir eine Funktionsgleichung vorgegeben und versuchen ihre 'Besonderheiten' herauszufinden: Nullstellen, Extremwerte, Wendepunkte, Polstellen

Mehr

Nichtlineare Optimierung ohne Nebenbedingungen

Nichtlineare Optimierung ohne Nebenbedingungen Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt

Mehr

1. Allgemeine Hinweise Alexander.Martin.Koenig@TU-Clausthal.de

1. Allgemeine Hinweise Alexander.Martin.Koenig@TU-Clausthal.de 1. Allgemeine Hinweise Alexander.Martin.Koenig@TU-Clausthal.de Man sollte eine Excel-Tabelle immer so übersichtlich wie möglich halten. Dazu empfiehlt es sich, alle benötigten Daten, Konstanten und Messwerte

Mehr

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u. Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume

Mehr

Zuammenfassung: Reelle Funktionen

Zuammenfassung: Reelle Funktionen Zuammenfassung: Reelle Funktionen 1 Grundlegendes a) Zahlenmengen IN = {1; 2; 3; 4;...} Natürliche Zahlen IN 0 = IN {0} Natürliche Zahlen mit 0 ZZ = {... ; 2; 1; 0; 1; 2;...} Ganze Zahlen Q = { z z ZZ,

Mehr

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse

Mehr

Kapitel I. Lineare Gleichungssysteme

Kapitel I. Lineare Gleichungssysteme Kapitel I Lineare Gleichungsssteme Lineare Gleichungen in zwei Unbestimmten Die Grundaufgabe der linearen Algebra ist das Lösen von linearen Gleichungssstemen Beispiel : Gesucht sind alle Lösungen des

Mehr

Gleichungen Lösen. Ein graphischer Blick auf Gleichungen

Gleichungen Lösen. Ein graphischer Blick auf Gleichungen Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term

Mehr

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2013/14 Hochschule Augsburg : Gliederung 1 Aussagenlogik 2 Lineare Algebra 3 Lineare Programme 4 Folgen

Mehr

Versuch P1-42 Lichtgeschwindigkeit Auswertung mit Fehlerrechnung

Versuch P1-42 Lichtgeschwindigkeit Auswertung mit Fehlerrechnung Versuch P1-42 Lichtgeschwindigkeit Auswertung mit Fehlerrechnung Gruppe Mo-19 Yannick Augenstein Patrick Kuntze Versuchsdurchführung: 31. Oktober 2011 1 Inhaltsverzeichnis 1 Drehspiegelmethode 3 1.1 Messung.....................................

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Übersicht Lineare Gleichungssystem mit 2 Variablen 1 Lineare Gleichungssystem mit 2 Variablen Beispiele 2 Fakultät Grundlagen Folie: 2 Beispiel I Lineare

Mehr

Taylorentwicklung der k ten Dimension

Taylorentwicklung der k ten Dimension Taylorentwicklung der k ten Dimension 1.) Taylorentwicklung... 2 1.1.) Vorgehenesweise... 2 1.2.) Beispiel: f ((x, y)) = e x2 +y 2 8x 2 4y 4... 3 2.) Realisierung des Algorithmus im CAS Sage Math... 5

Mehr

Selbständiges Arbeiten. Oberstufe - KSOe (SprachProfil) GeoGebra. Klasse 6bw. Okt. 2011 / R. Balestra

Selbständiges Arbeiten. Oberstufe - KSOe (SprachProfil) GeoGebra. Klasse 6bw. Okt. 2011 / R. Balestra Selbständiges Arbeiten Oberstufe - KSOe (SprachProfil) GeoGebra Klasse 6bw Okt. 2011 / R. Balestra Inhaltsverzeichnis 1 Ziel 2 2 freeware GeoGebra - Der Download 3 3 Die Eingabe von Funktionen 4 3.1 Bearbeitungsmöglichkeiten......................

Mehr

Optimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen

Optimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen Optimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen Dr. Abebe Geletu Ilmenau University of Technology Department of Simulation and Optimal Processes

Mehr

Aufgabe 1 (LGS mit Parameter): Bestimmen Sie die Lösungsmengen des folgenden LGS in Abhängigkeit vom Parameter :

Aufgabe 1 (LGS mit Parameter): Bestimmen Sie die Lösungsmengen des folgenden LGS in Abhängigkeit vom Parameter : Mathematik MB Übungsblatt Termin Lösungen Themen: Grundlagen Vektoren und LGS ( Aufgaben) DHBW STUTTGART WS / Termin SEITE VON Aufgabe (LGS mit Parameter): Bestimmen Sie die Lösungsmengen des folgenden

Mehr

Wertetabelle : x 0 0,5 1 2 3 4 0,5 1. y = f(x) = x 2 0 0,25 1 4 9 16 0,25 1. Graph der Funktion :

Wertetabelle : x 0 0,5 1 2 3 4 0,5 1. y = f(x) = x 2 0 0,25 1 4 9 16 0,25 1. Graph der Funktion : Quadratische Funktionen ================================================================= 1. Die Normalparabel Die Funktion f : x y = x, D = R, heißt Quadratfunktion. Wertetabelle : x 0 0,5 1 3 4 0,5 1

Mehr

a n := ( 1) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 10n + 1. a n := 1 3 + 1 2n 5n 2 n 2 + 7n + 8 b n := ( 1) n

a n := ( 1) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 10n + 1. a n := 1 3 + 1 2n 5n 2 n 2 + 7n + 8 b n := ( 1) n Folgen und Reihen. Beweisen Sie die Beschränktheit der Folge (a n ) n N mit 2. Berechnen Sie den Grenzwert der Folge (a n ) n N mit a n := ( ) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 n +. 4 3. Untersuchen

Mehr

Computer Vision: Optische Flüsse

Computer Vision: Optische Flüsse Computer Vision: Optische Flüsse D. Schlesinger TUD/INF/KI/IS Bewegungsanalyse Optischer Fluss Lokale Verfahren (Lukas-Kanade) Globale Verfahren (Horn-Schunck) (+ kontinuierliche Ansätze: mathematische

Mehr

Korrelation. Übungsbeispiel 1. Übungsbeispiel 4. Übungsbeispiel 2. Übungsbeispiel 3. Korrel.dtp Seite 1

Korrelation. Übungsbeispiel 1. Übungsbeispiel 4. Übungsbeispiel 2. Übungsbeispiel 3. Korrel.dtp Seite 1 Korrelation Die Korrelationsanalyse zeigt Zusammenhänge auf und macht Vorhersagen möglich Was ist Korrelation? Was sagt die Korrelationszahl aus? Wie geht man vor? Korrelation ist eine eindeutige Beziehung

Mehr

Extremwertverteilungen

Extremwertverteilungen Seminar Statistik Institut für Stochastik 12. Februar 2009 Gliederung 1 Grenzwertwahrscheinlichkeiten 2 3 MDA Fréchet MDA Weibull MDA Gumbel 4 5 6 Darstellung von multivariaten, max-stabilen Verteilungsfunktionen

Mehr

Protokoll zu Versuch E5: Messung kleiner Widerstände / Thermoelement

Protokoll zu Versuch E5: Messung kleiner Widerstände / Thermoelement Protokoll zu Versuch E5: Messung kleiner Widerstände / Thermoelement 1. Einleitung Die Wheatstonesche Brücke ist eine Brückenschaltung zur Bestimmung von Widerständen. Dabei wird der zu messende Widerstand

Mehr

Mathematikaufgaben zur Vorbereitung auf das Studium

Mathematikaufgaben zur Vorbereitung auf das Studium Hochschule für Technik und Wirtschaft Dresden (FH) Fachbereich Informatik/Mathematik Mathematikaufgaben zur Vorbereitung auf das Studium Studiengänge Informatik Medieninformatik Wirtschaftsinformatik Wirtschaftsingenieurwesen

Mehr

Labor Einführung in die Elektrotechnik

Labor Einführung in die Elektrotechnik Laborleiter: Ostfalia Hochschule für angewandte Wissenschaften Fakultät Elektrotechnik Labor Einführung in die Elektrotechnik Prof. Dr. M. Prochaska Laborbetreuer: Versuch 2: Erstellen technischer Berichte,

Mehr

Ergänzungen zur Analysis I

Ergänzungen zur Analysis I 537. Ergänzungsstunde Logik, Mengen Ergänzungen zur Analysis I Die Behauptungen in Satz 0.2 über die Verknüpfung von Mengen werden auf die entsprechenden Regelnfür die Verknüpfung von Aussagen zurückgeführt.

Mehr

Druckgleichung nach Daniel Bernoulli (Bernoulligleichung)

Druckgleichung nach Daniel Bernoulli (Bernoulligleichung) HTW Dresden V-SL1 Lehrgebiet Strömungslehre 1. Vorbetrachtung Druckgleichung nach Daniel Bernoulli (Bernoulligleichung) In ruhenden und bewegten Flüssigkeiten gilt, wie in der Physik allgemein, das Gesetz

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder

Mehr

Abiturvorbereitung Mathematik -Dierentialrechnungc Max. Hoffmann

Abiturvorbereitung Mathematik -Dierentialrechnungc Max. Hoffmann Abiturvorbereitung Mathematik -Dierentialrechnungc Max Hoffmann 1 Ganzrationale Funktionen Im Folgenden wollen wir uns mit ganzrationale Funktionen und der Untersuchung solcher beschäftigen. Dabei werden

Mehr

Funktionale Abhängigkeiten

Funktionale Abhängigkeiten Funktionale Abhängigkeiten Lehrplan Die Lehrpläne für die allgemein bildenden Schulen finden Sie online unter: http://www.bmukk.gv.at/schulen/unterricht/lp/lp_abs.xml 5. Klasse (Funktionen) Beschreiben

Mehr

STATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG

STATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG STATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG Statistische Methoden In der vorliegenden fiktiven Musterstudie wurden X Patienten mit XY Syndrom (im folgenden: Gruppe XY) mit Y Patienten eines unauffälligem

Mehr

Kapitel 3 Mathematik. Kapitel 3.3. Algebra Gleichungen

Kapitel 3 Mathematik. Kapitel 3.3. Algebra Gleichungen TG TECHNOLOGISCHE GRUNDLAGEN Kapitel 3 Mathematik Kapitel 3.3 Algebra Gleichungen Verfasser: Hans-Rudolf Niederberger Elektroingenieur FH/HTL Vordergut 1, 877 Nidfurn 055-654 1 87 Ausgabe: Februar 009

Mehr

Anleitung zum Physikpraktikum für Oberstufenlehrpersonen Fehlerrechnung und Statistik (FR) Herbstsemester 2015

Anleitung zum Physikpraktikum für Oberstufenlehrpersonen Fehlerrechnung und Statistik (FR) Herbstsemester 2015 Anleitung zum Physikpraktikum für Oberstufenlehrpersonen Fehlerrechnung und Statistik (FR) Herbstsemester 2015 Physik-Institut der Universität Zürich Inhaltsverzeichnis 12 Fehlerrechnung und Statistik

Mehr

Lineare Gleichungen mit 2 Variablen

Lineare Gleichungen mit 2 Variablen Lineare Gleichungen mit 2 Variablen Lineare Gleichungen mit 2 Variablen sind sehr eng verwandt mit linearen Funktionen. Die Funktionsgleichung einer linearen Funktion f(x) = m x+q m: Steigung, q: y Achsenabschnitt

Mehr

Kegelschnitte. Evelina Erlacher 13. & 14. M arz 2007

Kegelschnitte. Evelina Erlacher 13. & 14. M arz 2007 Workshops zur VO Einfu hrung in das mathematische Arbeiten im SS 2007 Kegelschnitte Evelina Erlacher 13. & 14. M arz 2007 Denken wir uns einen Drehkegel, der nach oben als auch nach unten unbegrenzt ist.

Mehr

9. Schätzen und Testen bei unbekannter Varianz

9. Schätzen und Testen bei unbekannter Varianz 9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,

Mehr

Survival of the Fittest Wie statistische Modelle an Daten angepasst werden

Survival of the Fittest Wie statistische Modelle an Daten angepasst werden Tag der Mathematik 2009 Survival of the Fittest Wie statistische Modelle an Daten angepasst werden Thomas Kneib Fakultät für Mathematik und Naturwissenschaften Carl von Ossietzky Universität Oldenburg

Mehr