Absolutskala: metrische Skala mit einem natürlichen Nullpunkt und einer natürlichen Einheit. (Z.B. Einwohnerzahl). Nicht alle Variablen lassen sich
|
|
- Werner Hummel
- vor 7 Jahren
- Abrufe
Transkript
1 Grudbegrie Die beschreibede Statistik (deskriptive Statistik) ist eie systematische Zusammestellug vo Zahle ud Date zur Beschreibug bestimmter Zustäde, Etwickluge oder Phäomee. Die beschreibede Statistik umfasst statistische Methode, die sich auf die Erhebug, Aufbereitug, Auswertug ud Aalyse vo Date beziehe. Die Aussage beziehe sich ur auf die erhobee Datemege. Es werde also keie Schlüsse auf die übergeordete Gesamtheit gezoge. Grudgesamtheit(Statistische Gesamtheit) ist eie sachlich, räumlich oder zeitlich abgegrezte Mege vo Elemete (Merkmalsträger, Eiheite). Stichprobe(Teilgesamtheit) ist eie Teilmege der Grudgesamtheit, die geauer betrachtet wird. Die Azahl der Elemete eier Stichprobe heiÿt Stichprobeumfag. Merkmalsträger(Statistisches Elemet/Eiheit) ist das eizele Elemet der Grudgesamtheit oder Stichprobe. Der Merkmalsträger ist der Träger der statistische Iformatio. Merkmal ist eie Eigeschaft des statistische Elemets oder Merkmalsträgers bezüglich der statistische Utersuchug. Merkmalsausprägug(Merkmalswert/Beobachtugswert/Messwert) ist der Wert, der bei der Beobachtug bei der eizele statistische Eiheit bzw. dem Merkmalsträger festgestellt wurde. Erhebug ist die Feststellug der Merkmalsausprägug vo Merkmale bei de Merkmalsträger. Skala: Vorschrift, ach der jedem Merkmalsträger eier Gesamtheit geau eie Merkmalsausprägug zugeordet werde ka. 1. Nomialskala: die Merkmalsauspräguge Bezeichuge, die ausschlieÿlich der Kezeichug diee. Keie Reihefolge bestimmbar.(z.b. Farbe, Kezeiche, Geschlecht usw.) 2. Ordialskala: die Merkmalsausprägug habe eie Ragfolge. Abstäde zwische eiele Merkmalsauspräguge ist icht quatizierbar. (z.b. Note, Ragplätze usw.) 3. Metrische Skala: die Merkmalsausprägug ist eie reelle Zahl (Merkmalswert). Das Merkmal heiÿt diskret, falls die Auspräguge isolierte Zahlewerte sid. Das Merkmal heiÿt stetig, falls die Auspräguge alle Zahlewerte eies Itervalls aehme köe. Itervallskala: metrische Skala ohe atürliche Nullpukt ud ohe atürliche Eiheit. Itervalle köe hier miteiader vergliche werde, d.h. aussagefähige Diereze der Auspräguge köe gebildet werde (z.b. Temperatur). Verhältisskala: metrische Skala mit atürlichem Nullpukt ud keier atürliche Eiheit. Aussagefähige Diereze ud auch Quotiete der Auspräguge köe gebildet werde (z.b. Alter, Körpergröÿe, Füllmege). 1
2 Absolutskala: metrische Skala mit eiem atürliche Nullpukt ud eier atürliche Eiheit. (Z.B. Eiwoherzahl). Nicht alle Variable lasse sich eideutig de obige Kategorie zuorde! 2
3 Eidimesioale (icht klassierte) Datesätze Die Urliste etsteht durch Aeiaderreihug der beobachtete Merkmalsauspräguge eies eizige metrisch skalierte Merkmals bei eier Erhebug. I der sortierte Urliste sid die Merkmalsauspräguge der Gröÿe ach geordet. 0.1 Häugkeitsverteilug Sei X das beobachtete Merkmal der Elemete (Merkmalsträger) eier Gesamtheit vo Elemete. Bezeiche k die Azahl der mögliche Merkmalsauspräguge (Merkmalswert) des Merkmals X. Die mögliche Merkmalsauspräguge sid x i (i 1,..., k). Eie wichtige statistische Tätigkeit besteht dari, die auf eie bestimmte Merkmalsausprägug etfallede Azahl vo Elemete auszuzähle. Die absolute Häugkeit f i der Merkmalsausprägug x i ist die Azahl der Elemete, welche die Merkmalsausprägug x i besitze. Es gilt 0 f i (i 1,..., k), ud f f k k f i. Die relative Häugkeit vo x i ist der Quotiet g i fi. Es gilt 0 g i 1 (i 1,..., k), ud g g k k g i 1. Die prozetuale relative Häugkeit vo x i ist g i 100%. Die Darstellug der Merkmalsausprägug mit de dazugehörede Häugkeite i tabellarischer bzw. graphischer Form bezeichet ma als Häugkeitsverteilug: i x i f i g i g i 100% 1 x 1 f 1 g 1 g 1 100% 2 x 2 f 2 g 2 g 2 100%..... k x k f k g k g k 100% Σ 1 100% Die Häugkeitsverteilug läÿt sich auch graphisch darstelle: 1. Stabdiagramm: höheproportiale Darstellug 2. Histogramm: ächeproportiale Darstellug Diese Häugkeitsverteilug ka mit zusätzliche Spalte ergäzt werde. Die kumulierte absolute Häugkeit F i ist die Azahl jeer Elemete (Merkmalsträger) eier statistische Gesamtheit, bei dee die Ausprägug des Merkmals X höchstes gleich x i ist, d.h. F i f f i i j1 f j. Die kumulierte relative Häugkeit G i ist die Azahl jeer Elemete (Merkmalsträger) eier statistische Gesamtheit, bei dee die Ausprägug des Merkmals X höchstes gleich x i ist, d.h. G i g g i i j1 g j. 3
4 i x i f i g i F i G i 1 x 1 f 1 g 1 F 1 f 1 G 1 g 1 2 x 2 f 2 g 2 F 2 f 1 + f 2 G 2 g 1 + g k x k f k g k F k f f k G k g g k Σ 1 Mit Hilfe der kumulierte relative Häugkeite (relative Summehäugkeite) läÿt sich die empirische Verteilugsfuktio F (x) deiere: 0 für x < x 1 F (x) G i für x i x < x i+1 (i 1..., k 1) 1 für x k x Der Graph der empirische Verteilugsfuktio ist eie Treppefuktio. 0.2 Lageparameter (Mittelwerte) Ei Lageparameter ist ei Mittelwert. Mittelwerte beschreibe die Gesamtheit durch eie eizige Wert, der eie charakteristische Gröÿe aimmt. Dieser Wert soll die Lage der Gesamtheit möglichst gut repräsetiere. Deitio 0.1 (Modus) Der Modus M o (oder Modalwert) ist der häugste Merkmalswert. Voraussetzug: Es muÿ midestes ei omialskaliertes Merkmal vorliege. Eigeschafte des Modus: Der Modus ist icht immer bestimmt: habe mehrere Merkmalswerte die gleiche gröÿte Häugkeit, so spricht ma etweder über die Mege der Modalwerte, oder ma sagt, daÿ es keie Modus gibt. Bildug des Modus ist icht immer sivoll, z.b. we keie herausragede Häugkeit zu beobachte ist. Deitio 0.2 (Media) Der Media M e (oder Zetralwert) heiÿt der Merkmalswert, desse Merkmalsträger i der Ragordug aller Merkmalsträger geau die mittlere Positio eiimmt. Uterhalb ud oberhalb des Medias liege jeweils die Hälfte aller Merkmalswerte. Ist die Azahl aller Merkmalswerte eie ugerade Zahl, so gleicht der Media dem te Merkmalswert i der Ragordug, d.h. M e x +1 ; 2 gerade Zahl, so gleicht der Media dem Mittelwert der ( 2 -te ud 2 +1-te Merkmalswerte i der Ragordug, d.h. M e 1 2 x + x ) Voraussetzug: Wege der beötigte Ragordug müsse die Merkmale midestes ordialskaliert sei. 4
5 Deitio 0.3 (q-quatil) Das q-quatil Q q (0 < q < 1) ist derjeige Merkmalswert, der die raggeordete Mege aller Merkmalswerte im Verhältis q : (1 q) aufteilt, d.h. uterhalb Q q liegt geau der Ateil q aller Fälle der Verteilug. Berechet ma Q q aus der Ragordug für q j k, da ist Q j k x m + t (x m+1 x m ) (1 t)x m + tx m+1, wo m [ j k ( + 1)] ud t { j k ( + 1)} j k ( + 1) m; der Häugkeitsverteilug mit Hilfe der kumulierte relative Häugkeite G i, da ist Q q x i, falls G i 1 q ud G i q. Spezielle q-quatile sid: für q 1 4 ist Q 1 : Q 1 4 für q 1 2 ist M e Q 1 2 für q 3 4 ist Q 3 : Q 3 4 für q 1 10 ist D 1 : Q 1 10 für q 9 10 ist D 9 : Q 9 10 das utere Quartil, der Media, das obere Quartil, das 10%-Dezil, das 90%-Dezil. Deitio 0.4 (arithmetisches Mittel) Das arithmetische Mittel (Durchschitt) x vo Werte x i ist die Summe dieser Werte, geteilt durch ihre Azahl, d.h. x x i. Voraussetzug: Das Merkmal X muss midestes itervallskaliert sei, damit der Durchschitt eie Si ergibt. Deitio 0.5 (gewogees arithmetisches Mittel) Das gewogee arithmetische Mittel x vo k Werte x i, dere absolute bzw. relative Häugkeite f i bzw. g i bezeichet, ist k x f ix i k k f g i x i. i Eigeschafte des arithmetische Mittels: x mi x x max ; x i x. Sid A, B R ud y i Bx i + A die trasformierte Werte, so gilt ȳ y i Bx i + A B x i + A B x i +A B x+a, d.h. das arithmetische Mittel uterliegt der selbe lieare Trasformatio, wie die Werte selbst. 5
6 0.3 Streuugsparameter Deitio 0.6 (Spaweite) Der Maÿ R x max x mi für die Etferug zwische kleistem ud gröÿtem beobachtetem Merkmalswert. Sie gibt Läge des Bereichs a, über de sich die Merkmalswerte verteile. Voraussetzug: Berechug vo Diereze erfordert midestes Itervallskalierug. Eigeschafte der Spaweite: Erste Abschätzug für die Streuug. Reagiert sehr empdlich auf Ausreiÿer. Deitio 0.7 (zetraler Quartilsabstad) Der zetrale Quartilsabstad IQR Q 3 Q 1 ist die Etferug zwische de beide Merkmalswerte, die die zetral gelegee 50% der Merkmalsträger eigreze. Voraussetzug: Die Merkmale müsse midestes itervallskaliert sei, da zur Berechug des Abstades die Dierez gebildet werde muss. Eigeschafte der Spaweite: Ausreiÿer uproblematisch, da utere ud obere 25% der Häugkeitsverteilug abgeschitte werde. Deitio 0.8 (mittlere absolute Abweichug) Die mittlere absolute Abweichug δ (oder M AD) ist das arithmetische Mittel der Beträge der Abweichuge d i x i x der Merkmalswerte x i vom Durchschitt x, d.h. MAD δ P di k g i d i vo der Häugkeitsverteilug be- MAD δ rechet. P k fi di P k fi, vo der Ragordug berechet; Voraussetzug: Die Merkmale müsse midestes itervallskaliert sei, da zur Berechug des Abstades die Dierez gebildet werde muss. Bemerkug 0.1 Die mittlere absolute Abweichug vo eier festgelegte Zahl A R läÿt sich durch die Formel δ A x i A deiere. Es gilt δ Me mi A R δ A. Deitio 0.9 (Variaz) Die Variaz σ 2 ist das arithmetische Mittel der Quadrate der Abweichuge d i x i x der Merkmalswerte x i vom Durchschitt x, d.h. 6
7 P σ 2 d2 i, vo der Ragordug berechet; P σ 2 k P fid2 i k fi k g id 2 i vo der Häugkeitsverteilug berechet. Die Stadardabweichug σ ist die ichtegative Wurzel aus der Variaz. Voraussetzug: Die Merkmale müsse midestes itervallskaliert sei, da zur Berechug des Abstades die Dierez gebildet werde muss. Eigeschafte der Variaz (bzw. Stadardabweichug): Die Variaz ist das am meiste beutzte Maÿ für ie Streuug. Die Variaz (ud die Stadardabweichug) ka icht ihaltlich iterpretiert werde, de die resultierede quadrierte Dimesioe sid ihaltlich icht iterpretierbar. MAD < σ. Verschiebugssatz: σ 2 (x i x) 2 (x2 i 2 xx i + x 2 ) x2 i 2 x x i + x 2 1 x 2 i x 2, d.h. die Variaz läÿt sich aus der Quadratsumme der Merkmalswerte ud aus dem arithmetische Mittel bereche. Ist Y B X +A das liear trasformierte Merkmal, so sid y i Bx i +A desse Merkmalswerte, ud es ist σ 2 Y B2 σ 2 X, de: σy 2 1 yi 2 ȳ 2 1 (Bx i + A) 2 (B x + A) 2 ( 1 ) B 2 x 2 i + 2AB x i + A 2 B 2 x 2 2AB x A 2 ( 1 ) B 2 x 2 i + 2AB x + A 2 B 2 x 2 2AB x A 2 B 2 ( 1 ) x 2 i x 2 B 2 σx 2 Deitio 0.10 (Variatioskoeziet) Der Variatioskoeziet ist das Verhältis der Stadardabweichug zum arithmetische Mittel, d.h. V σ x. Eigeschafte des Variatioskoeziete: Eiget sich zum Vergleich der Streuuge zweier Verteiluge mit sehr uterschiedliche Mittelwerte. Wege Verwedug der Stadardabweichug icht iterpretierbar. 7
8 0.4 Schiefe Die Asymmetrie der Häugkeitsverteilug läÿt sich auch messe. Maÿe für die Asymmetrie sid: Pearso-Parameter: A x Mo σ F -Parameter 3( x Me) σ. aus de Quartile: F (Q3 Me) (Me Q1) (Q 3 M e)+(m e Q 1), aus de Dezile: F (D9 Me) (Me D1) (D 9 M e)+(m e D 1), wofür ist F 1. Die Häugkeitsverteilug ist symmetrisch, falls M o M e x. Es ist i diesem Fall A F 0. likssteil bzw. rechtsschief, falls M o < M e < x. Es sid i diesem Fall A > 0 ud F > 0. rechtssteil bzw. liksschief, falls M o < M e < x. Es sid i diesem Fall A < 0 ud F < Wölbug (Kurtosis) Es ist ur sivoll, die Wölbug symmetrischer Verteiluge zu bereche. Ei Maÿ für die Wölbug ist K Q 3 Q 1 2(D 9 D 1 ). (Dieses Wölbugsmaÿ reagiert sehr empdlich auf usymmetrische Verteiluge.) Ist K < 0, so ist die beobachtete Häugkeitsverteilug acher gewölbt als eie Normalverteilug mit deselbe Parameter. Ist K 0, so ist die beobachtete Häugkeitsverteilug idetisch gewölbt wie eie Normalverteilug mit deselbe Parameter. Ist K > 0, so ist die beobachtete Häugkeitsverteilug steiler gewölbt als eie Normalverteilug mit deselbe Parameter. 0.6 Beispiele Beispiel 0.1 Die folgede Liste ethält die Krakeurlaubstage vo 20 Mitarbeiter eies kleie Uterehmes im letzte Jahr: 10, 31, 17, 22, 7, 1, 9, 36, 5, 13, 26, 2, 8, 6, 0, 24, 30, 24, 11, 20. Ermittel wir die gelerte Lage- ud Streuugsparameter! 8
9 Ahad der Tabelle ordet ma die Urliste der Gröÿe ach. Der Datesatz ist: Zeherzier Eierzier , 1, 2, 5, 6, 7, 8, 9, 10, 11, 13, 17, 20, 22, 24, 24, 26, 30, 31, 36 Die Lageparameter sid: Modus: M o 24 (mit absoluter Häugkeit 2). Media: 20 ist gerade M e 1 2 (x 10 + x 11 ) uteres Quartil: 1 4 (20 + 1) 5, 25; m [5, 25] 5; t {5, 25} 0, 25 Q 1 Q 1 4 x m+1 + t (x m+1 x m ) 6 + 0, 25(7 6) 6, 25 oberes Quartil: 3 4 (20 + 1) 15, 75; m [15, 75] 15; t {15, 75} 0, 75 Q 3 Q 3 4 x m+1 + t (x m+1 x m ) , 75(24 24) %-Dezil: 10 (20 + 1) 2, 1; m [2, 1] 2; t {2, 1} 0, 1 D 1 Q 1 10 x m+1 + t (x m+1 x m ) 2 + 0, 1(2 1) 2, %-Dezil: 10 (20 + 1) 18, 9; m [18, 9] 18; t {18, 9} 0, 9 D 9 Q 9 10 x m+1 + t (x m+1 x m ) , 9(31 30) 31, 9 arithmetisches Mittel: x x i 15, 1 Die Streuugsparameter sid: Spaweite: R zetraler Quartilsabstad: IQR Q 3 Q , 25 17, 75 9
10 mittlere absolute Abweichug: x i x i M e MAD i M e 9, 2 Variaz ud Stadardabweichug: Variatioskoeziet: Pearso-Parameter: σ 2 112, 39 ud σ 10, 60 V A x M o σ F -Parameter aus de Quartile: σ x 10, 60 15, 1 15, , 60 0, , 8396 F (Q 3 M e ) (M e Q 1 ) 12 5, 75 0, 3913 (Q 3 M e ) + (M e Q 1 ) , 25 F -Parameter aus de Dezile: F (D 9 M e ) (M e D 1 ) 19, 9 9, 9 0, 3356 (D 9 M e ) + (M e D 1 ) 19, 9 + 9, 9 Beispiel 0.2 Die Azahl der Kider i de Familie eier Ortschaft wurde i der folgede Tabelle zusammegefaÿt: Azahl der Kider i der Familie Azahl der Familie Fertige wir die Häugkeitstabelle ud ermittel wir die gelerte Lage- ud Streuugsparameter! Die Häugkeitstabelle ergäzt mit de Summewertspalte ud mit de Abweichugsspalte ist: i x i f i g i F i G i x i f i x i g i x i M e x i x , , , , , , , , , , , , , , , , , , , Σ ,
11 Die Lageparameter sid: Modus: Media: M o 2, de Merkmalswert mit gröÿter absoluter Häugkeit49 ) uteres Quartil: M e 2, de G 2 0, , 5 ud G 3 0, , 5 Q 1 Q 1 4 1, de G 1 0, , 25 ud G 2 0, , 25 oberes Quartil: Q 3 Q 3 4 3, de G 3 0, , 75 ud G 4 0, , 75 10%-Dezil: 90%-Dezil: D 1 Q , de G 0 0 0, 10 ud G 1 0, , 10 D 9 Q , de G 3 0, , 90 ud G 4 0, , 90 arithmetisches Mittel: x x i g i 2, 02 2 Die Streuugsparameter sid: Spaweite: R zetraler Quartilsabstad: IQR Q 3 Q mittlere absolute Abweichug: MAD 1 Variaz ud Stadardabweichug: x i M e f i 1 σ 2 1 (x i x) 2 f i 1, 71 ud σ 1, 31 11
12 Variatioskoeziet: V 0, 647 σ x Pearso-Parameter: A x M o σ 2, , 31 0, 02 0 F -Parameter aus de Quartile: F -Parameter aus de Dezile: F (Q 3 M e ) (M e Q 1 ) (Q 3 M e ) + (M e Q 1 ) 0 F (D 9 M e ) (M e D 1 ) (D 9 M e ) + (M e D 1 ) 0 Da diese Verteilug ahezu symmetrisch ist, ist es sivoll, die Wölbug zu bereche: K Q 3 Q 1 2(D 9 D 1 ) Aufgabe Aufgabe 0.1 Die folgede Liste ethält die Alter vo 20 Autokäufer, die bei eiem Gebrauchtwagehädler im letzte Moat eie Wage gekauft habe. (a) Orde Sie die Liste! (b) Bereche Sie Modus, Media, uteres Quartil, oberes Quartil, die 10% ud 90% Dezile ud de Durchschitt der Date! (c) Bereche Sie die Spaweite, de zetrale Quartilsabstad (IQR), die mittlere absolute Abweichug (MAD), die Variaz ud Stadardabweichug! (d) Bereche Sie de Pearso-Parameter ud die F -Parameter! Iterpretiere Sie die berechete Werte! Aufgabe 0.2 I eiem Fuÿballverei spiele Nachwuchsspieler vom Alter 10 bis 15. Die Folgede Tabelle zeigt, wie viele Schüler jeweils i de eizele Altersgruppe spiele. Alter Azahl der Nachwuchsspieler (a) Fertige Sie die Häugkeitsverteilug mit sämtliche gelerte Spalte! Stelle Sie die Date a eiem Säulediagramm bzw. Kreisdiagramm graphisch dar! Stelle Sie die empirische Verteilugsfuktio dar! 12
13 (b) Bereche Sie Modus, Media, uteres Quartil, oberes Quartil, die 10% ud 90% Dezile ud de Durchschitt der Date! Iterpretiere Sie die berechete Werte! (c) Bereche Sie die Spaweite, de zetrale Quartilsabstad (IQR), die mittlere absolute Abweichug (MAD), die Variaz ud Stadardabweichug! (d) Bereche Sie de Pearso-Parameter ud die F -Parameter! Iterpretiere Sie die berechete Werte! (e) Wieviel Prozet der Nachwuchsspieler ist icht älter als 14? (f) Wieviel Prozet der Nachwuchsspieler ist älter als 14? (g) Welcher Ateil aller Nachwuchsspieler ist 14 Jahre alt? 13
h i Deskriptive Statistik 1-dimensionale Daten Daten und Häufigkeiten Seite 1 Nominal Ordinal Metrisch (Kardinal) Metrisch - klassiert
Deskriptive Statistik dimesioale Date Date ud Häufigkeite Seite Nomial Ordial Metrisch (Kardial Metrisch klassiert Beschreibug: Date habe keie atürliche Reihefolge. Bsp: Farbe, Religio, Geschlecht, Natioalität...
MehrWeitere Lagemaße: Quantile/Perzentile II. Weitere Lagemaße: Quantile/Perzentile I. Weitere Lagemaße: Quantile/Perzentile IV
3 Auswertug vo eidimesioale Date Lagemaße 3.3 Weitere Lagemaße: Quatile/Perzetile I 3 Auswertug vo eidimesioale Date Lagemaße 3.3 Weitere Lagemaße: Quatile/Perzetile II Für jede Media x med gilt: Midestes
MehrFormelsammlung. zur Klausur. Beschreibende Statistik
Formelsammlug zur Klausur Beschreibede Statistik Formelsammlug Beschreibede Statistik. Semester 004/005 Statistische Date Qualitative Date Nomial skalierte Merkmalsauspräguge (Uterscheidugsmerkmale) köe
MehrKennwerte Univariater Verteilungen
Kewerte Uivariater Verteiluge Kewerte Beschreibug vo Verteiluge durch eie (oder weige) Werte Werde auch als Parameter oder Maße vo Verteiluge bezeichet Ma uterscheidet: Lagemaße oder auch Maße der zetrale
MehrParameter von Häufigkeitsverteilungen
Kapitel 3 Parameter vo Häufigkeitsverteiluge 3. Mittelwerte Mo Der Modus (:= häufigster Wert, Abk.: Mo) ist der Merkmalswert mit der größte Häufigkeit, falls es eie solche gibt. Er sollte ur bei eigipflige
Mehr2.2.1 Lagemaße. Exkurs: Quantile. und n. p n
Ekurs: Quatile Ausgagspukt : Geordete Urliste Jeder Wert p, mit 0 < p
MehrStatistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39
Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle
MehrÜbersicht: BS - 08 BS Häufigkeitsverteilung. Häufigkeitsverteilungen. Parametrisierung. unklassiert. eindimensional. klassiert.
Übersicht: eidimesioal mehrdimesioal Häufigkeitsverteilug uklassiert klassiert tabellarische Darstellug Modul 07, graphische Darstellug Modul 07,2 Parametrisierug Lageparameter Modul 08 Streuugsparameter
MehrWissenschaftliches Arbeiten Studiengang Energiewirtschaft
Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:
Mehr3. Einführung in die Statistik
3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :
Mehrn 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:
61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl
MehrSBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit
SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf # 0 Atwort Diese Lerkarte sid sorgfältig erstellt worde, erhebe aber weder Aspruch auf Richtigkeit och auf Vollstädigkeit. Das Lere mit Lerkarte fuktioiert ur
MehrStatistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S
Statistik mit Excel 2013 Peter Wies Theme-Special 1. Ausgabe, Februar 2014 W-EX2013S 3 Statistik mit Excel 2013 - Theme-Special 3 Statistische Maßzahle I diesem Kapitel erfahre Sie wie Sie Date klassifiziere
MehrStatistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte.
Statistik Vorlesug,. ärz, Statistische aßzahle Iformatio zu verdichte, Besoderheite hervorzuhebe ittelwerte Aufgabe: die Lage der Verteilug auf der Abszisse zu zeige. Der odus: derjeige Wert, der im Häufigste
MehrKapitel 5: Schließende Statistik
Kapitel 5: Schließede Statistik Statistik, Prof. Dr. Kari Melzer 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte
MehrPraktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle
Praktikum Vorbereitug Fertigugsmesstechik Statistische Qualitätskotrolle Bei viele Erzeugisse ist es icht möglich jedes Werkstück zu prüfe, z.b.: bei Massefertigug. Hier ist es aus ökoomische Grüde icht
MehrStreuungsmaße. Prof. Dr. Paul Reuber. Institut für Geographie. Seminar Methoden der empirischen Humangeographie
Streuugsmaße Istitut für Geographie Streuugswerte (Streuugsmaße) Die Diskussio um die Mittelwerte hat die Vorteile dieser statistische Kewerte gezeigt, aber bereits, isbesodere beim arithmetische Mittel,
MehrMathematische und statistische Methoden I
Methodelehre e e Prof. Dr. G. Meihardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstude jederzeit ach Vereibarug ud ach der Vorlesug. Mathematische ud statistische Methode I Dr. Malte Persike persike@ui-maiz.de
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Semiar für Theoretische Wirtschaftslehre Vorlesugsprogramm 30.04.203 Mittelwerte ud Lagemaße I. Quatile vo Häufigkeitsverteiluge
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seiar für Theoretische Wirtschaftslehre Vorlesugsprogra 14.05.2013 Streuugsaße 1. Norierte Etropie 2. Spaweite, Quartilsabstad,
MehrStatistik I/Empirie I
Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass
Mehr14 Statistische Beziehungen zwischen nomi nalen Merkmalen
14 Statistische Beziehuge zwische omi ale Merkmale 14.1 Der Chi Quadrat Test auf Uabhägigkeit für Vier Feldertafel 14.2 Der Chi Quadrat Test auf Uabhägigkeit für r s Kotigeztafel 14.3 Zusammmehagsmaße
MehrStatistik I Februar 2005
Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet
MehrMusterlösung zu Blatt 8 der Vorlesung Analysis I WS08/09
Musterlösug zu Blatt 8 der Vorlesug Aalysis I WS08/09 Schriftliche Aufgabe Aufgabe. Voraussetzuge: Für alle N setze a : +2 ud b : ( 2. [Amerkug: I der Aufgabestellug heiÿe die Reihe beide gleich. Es steht
Mehr15.4 Diskrete Zufallsvariablen
.4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet
MehrBeschreibende Statistik Kenngrößen in der Übersicht (Ac)
Beschreibede Statistik Kegröße i der Übersicht (Ac) Im folgede wird die Berechugsweise des TI 83 (sowie vo SPSS, s. ute) verwedet. Diese geht auf eie Festlegug vo Moore ud McCabe (00) zurück. I der Literatur
MehrVariiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen.
3. Variazaalyse Die Variazaalyse mit eier quatitative abhägige Variable ud eier oder mehrerer qualitativer uabhägiger Variable wird auch als ANOVA (Aalysis of Variace) bezeichet. Mit eier Variazaalyse
MehrStatistische Formelsammlung Begleitende Materialien zur Statistik - Vorlesung des Grundstudiums im Fachbereich IK
Statistische Formelsammlug Begleitede Materialie zur Statistik - Vorlesug des Grudstudiums im Fachbereich IK Erstellt im Rahme des studierede Projektes PROST Studiejahr 00/00 uter Aleitug vo Frau Prof.
MehrKursthemen 5. Sitzung. Lagemaße
Kurstheme 5. Sitzug Folie I - 5 - Lagemaße A) Arithmetisches Mittel (AM), Media ud Modus (Folie 2 bis 8) A) Arithmetisches Mittel (AM), Media ud Modus (Folie 2 bis 8) B) Der Additiossatz für AM (Folie
Mehr... a ik) i=1...m, k=1...n A = = ( a mn
Zurück Stad: 4..6 Reche mit Matrize I der Mathematik bezeichet ma mit Matrix im Allgemeie ei rechteckiges Zahleschema. I der allgemeie Darstellug habe die Zahle zwei Idizes, de erste für die Zeileummer,
MehrEmpirische Methoden I
Hochschule für Wirtschaft ud 2012 Umwelt Nürtige-Geislige Fakultät Betriebswirtschaft ud Iteratioale Fiaze Prof. Dr. Max C. Wewel Prof. Dr. Corelia Niederdrek-Felger Aufgabe zum Tutorium Empirische Methode
MehrFehlerrechnung. 3. Genauigkeit von Meßergebnissen am Beispiel der Längenmessung
1 Gie 11/000 Fehlerrechug 1. Physikalische Größe: Zahlewert ud Eiheit. Ursache vo Meßfehler 3. Geauigkeit vo Meßergebisse am Beispiel der Lägemessug 4. Messug eier kostate Größe ud Mittelwert 5. Messug
MehrEvaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt
2.4.5 Gauss-Test ud t-test für verbudee Stichprobe 2.4.5.8 Zum Begriff der verbudee Stichprobe Verbudee Stichprobe: Vergleich zweier Merkmale X ud Y, die jetzt a deselbe Persoe erhobe werde. Vorsicht:
MehrDer natürliche Werkstoff Holz - Statistische Betrachtungen zum uniaxialen Zugversuch am Beispiel von Furnier
Der atürliche Werkstoff Holz - Statistische Betrachtuge zum uiaxiale Zugversuch am Beispiel vo Furier B. Bellair, A. Dietzel, M. Zimmerma, Prof. Dr.-Ig. H. Raßbach Zusammefassug FH Schmalkalde, 98574 Schmalkalde,
MehrProf. Dr. Roland Füss Statistik II SS 2008
1. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug ergibt sich aus de Grezwertsätze. Grezwertsätze sid Aussage über eie Zufallsvariable für de Fall, dass die Azahl
MehrBeschreibung eines Merkmals
53 Beschreibug eies Merkmals.1 Methode der uivariable Statistik 5.2 Lagemaße 55.2.1 Arithmetisches Mittel 55.2.2 Media 56.2.3 Quartile ud Quatile 58.2. Modus 59.2.5 Geometrisches Mittel 60.2.6 Harmoisches
MehrZahlenfolgen und Konvergenzkriterien
www.mathematik-etz.de Copyright, Page of 7 Zahlefolge ud Kovergezkriterie Defiitio: (Zahle-Folge, Grezwert) Eie Folge ist eie Abbildug der atürliche Zahle i die Mege A. Es ist also im Fall A: ; f: mit
MehrInhaltsverzeichnis Office Excel 2003 - Themen-Special: Statistik I
W-EX2003S Autor: Christia Müster Ihaltliches Lektorat: Peter Wies Überarbeitete Ausgabe vom 23. Mai 2007 by HERDT-Verlag für Bildugsmedie GmbH, Bodeheim Microsoft Office Excel 2003 für Widows Theme-Special:
Mehr3. Tilgungsrechnung. 3.1. Tilgungsarten
schreier@math.tu-freiberg.de 03731) 39 2261 3. Tilgugsrechug Die Tilgugsrechug beschäftigt sich mit der Rückzahlug vo Kredite, Darlehe ud Hypotheke. Dabei erwartet der Gläubiger, daß der Schulder seie
MehrWahrscheinlichkeit & Statistik
Wahrscheilichkeit & Statistik created by Versio: 3. Jui 005 www.matheachhilfe.ch ifo@matheachhilfe.ch 079 703 7 08 Mege als Sprache der Wahrscheilichkeitsrechug, Begriffe, Grudregel Ereigisraum: Ω Ω Mege
MehrKapitel 6: Statistische Qualitätskontrolle
Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle
MehrÜbungsaufgaben - Organisatorisches
Übugsaufgabe - Orgaisatorisches Der Abgabetermi der eue Übugsblätter ist: Motag, 4:00 Uhr Fehlerrechugsbriefkaste Der Abgabetermi der verbesserte Übugsblätter ist: Freitag, 6:00 Uhr T. Kießlig: Auswertug
MehrGrundlagen der deskriptiven Statistik
. Ihaltsverzeichis. Ihaltsverzeichis. Begriffsbestimmug ud Ablauf eier empirische Utersuchug 3 3. Grudbegriffe ud Typisierug statistischer Merkmale 5 4. Aufbereite vo Date 0 5. Darstelle vo Date 3 6. Bestimmug
MehrAT AB., so bezeichnet man dies als innere Teilung von
Teilverhältisse Aus der Geometrie der Dreiecke ket ma die Aussage, dass der Schwerpukt T eies Dreiecks die Seitehalbierede im Verhältis : teilt. Für die Strecke AT ud TM gilt gemäß der Abbildug AT : TM
MehrPflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik
Pflichtlektüre: Kapitel 10 Grudlage der Iferezstatistik Überblick der Begriffe Populatio Iferezstatistik Populatiosparameter Stichprobeverteiluge Auch Stichprobekewerteverteiluge Wahrscheilichkeitstheorie
MehrMengenbegriff und Mengendarstellung
R. Brikma http://brikma-du.de Seite 1 05.10.008 Megebegriff ud Megedarstellug Eie Mege, ist die Zusammefassug bestimmter, wohluterschiedeer Objekte userer Aschauug ud useres Dekes welche Elemete der Mege
MehrZählterme (Seite 1) Aufgabe: Wie viele Nummernschilder kann es theoretisch im Raum Dresden geben? Wann müsste die 4.Ziffer eingeführt werden?
Bemerkug: I Mathematik sollte ma keie Fahrpläe verwede, i der Stochastik erst recht icht. Zitat vo S.L. Das Baumdiagramm ist aber fast immer ei geeigetes Hilfsmittel. Produktregel Aufgabe: Wie viele Nummerschilder
MehrStatistik I. Christian Reinboth, Dipl.-Wi.Inf.(FH)
Statistik I Bachelorstudiegag Betriebswirtschaftslehre Bachelorstudiegag Wirtschaftsigeieurwese Seite 1 Statistik Wesetliche Kursihalte (1) Kurzvorstellug Orgaisatorisches Bücher ud Software Grudlage Statistik
MehrStatistische Kennwerte
5 Kapitel Statistische Kewerte ÜBERSICHT Arithmetisches Mittel Modalwert Mediawert Variaz Stadardabweichug Iterquartilbereich Perzetil z-wert Die Awedug statistischer Verfahre setzt voraus, dass quatitative
Mehr1.3 Funktionen. Seien M und N Mengen. f : M N x M : 1 y N : y = f(x) nennt man Funktion oder Abbildung. Beachte: Zuordnung ist eindeutig.
1.3 Fuktioe Seie M ud N Mege f : M N x M : 1 y N : y fx et ma Fuktio oder Abbildug. Beachte: Zuordug ist eideutig. Bezeichuge: M : Defiitiosbereich N : Bildbereich Zielmege vo f Der Graph eier Fuktio:
MehrX in einer Grundgesamtheit vollständig beschreiben.
Prof. Dr. Rolad Füss Statistik II SS 008. Puktschätzug vo Parameter eier Grudgesamtheit Nur durch eie Totalerhebug ka ma die Verteilug eier Zufallsvariable X i eier Grudgesamtheit vollstädig beschreibe.
MehrDer χ 2 Test. Bei Verteilungen Beantwortung der Frage, ob eine gemessene Verteilung Gauß- oder Poisson-verteilt ist oder nicht?
Der χ Test Es gibt verschiedee Arte vo Sigifikaztests Nebe Sigifikaztests, die sich mit dem Mittelwert beschäftige, gibt es auch Testverfahre für Verteiluge Bei Verteiluge Beatwortug der Frage, ob eie
MehrLösungen der Aufgaben zur Vorbereitung auf die Klausur Mathematik für Informatiker I
Uiversität des Saarlades Fakultät für Mathematik ud Iformatik Witersemester 2003/04 Prof. Dr. Joachim Weickert Dr. Marti Welk Dr. Berhard Burgeth Lösuge der Aufgabe zur Vorbereitug auf die Klausur Mathematik
MehrKovarianz und Korrelation
Kapitel 2 Kovariaz ud Korrelatio Josef Leydold c 2006 Mathematische Methode II Kovariaz ud Korrelatio 1 / 41 Lerziele Mathematische ud statistische Grudlage der Portfoliotheorie Kovariaz ud Korrelatio
MehrEs werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.
Vo der relative Häufigkeit zur Wahrscheilichkeit Es werde 20 Schüler befragt, ob sie ei Hady besitze. Das Ergebis der Umfrage lautet: Vo 20 Schüler besitze 99 ei Hady. Ereigis E: Schüler besitzt ei Hady
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG. - LÖSUNGEN. ypothesetest für die Dicke vo Plättche Die Dicke X vo Plättche, die auf eier bestimmte Maschie
MehrKunde. Kontobewegung
Techische Uiversität Müche WS 2003/04, Fakultät für Iformatik Datebaksysteme I Prof. R. Bayer, Ph.D. Lösugsblatt 4 Dipl.-Iform. Michael Bauer Dr. Gabi Höflig 17.11. 2003 Abbildug E/R ach relatioal - Beispiel:
Mehr4. Vektorräume mit Skalarprodukt
4. Vektorräume mit Skalarprodukt Wiederholug: V=R x, y R: x= x x i x, y= y y, :R R R Skalarprodukt Stadardskalarprodukt lieare Abbildug mit 2 Argumete 4. Eigeschafte vo Skalarprodukte Def.: Es sei V ei
MehrBeispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12075, p-wert: 00168 f χ 2 (4)
Mehr3 Kritischer Bereich zum Niveau α = 0.10: K = (χ 2 k 1;1 α, + ) = (χ2 5;0.90, + ) = (9.236, + ) 4 Berechnung der realisierten Teststatistik:
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 1275, p-wert: 168 8 Apassugs-
MehrIndizieren Sie die folgenden Summen und Produkte gemäß der Vorgabe um und schreiben Sie sie einmal explizit aus: 5
FU Berli: WiSe 13-14 (Aalysis 1 - Lehr.) Übugsaufgabe Zettel 9 Aufgabe 37 Idiziere Sie die folgede Summe ud Produte gemäß der Vorgabe um ud schreibe Sie sie eimal explizit aus: 5 (a) + 1) 0( Lösug. Die
MehrKORRELATION VON ORDINALDATEN Rangkorrelation nach Spearman Terminologie Berechnung Signifikanzprüfung
KORRELATION VON ORDINALDATEN Ragkorrelatio ach Spearma Termiologie Berechug Sigifikazprüfug Ziel: Ei Maß für de Zusammehag zweier ordialskalierter Variable ermittel Beispiele: Messug vo Kameradschaftlichkeit
MehrMathematik Funktionen Grundwissen und Übungen
Mathematik Fuktioe Grudwisse ud Übuge Potezfuktio Hyperbel Epoetialfuktio Umkehrfuktio Stefa Gärter 004 Gr Mathematik Fuktioe Seite Grudwisse Potezfuktio Defiitio Durch die Zuordugsvorschrift f: Æ mit
MehrKörpergröße x Häufigkeit in [m] 1.50 1.60 1 1.60 1.70 5 1.70 1.80 49 1.80 1.90 53 1.90 2.00 15 2.00 2.10 1
8 Kofidezitervalle 1 Kapitel 8: Kofidezitervalle A: Beispiele Beispiel 1: Im WS 2000/01 wurde im Rahme der Statistik Vorlesug 124 Studete u.a. zu ihrer Körpergröße befragt. Ma erhielt folgedes Ergebis:
MehrVerteilungsfunktionen
Verteilugsfuktioe Wie sid zufällige Fehler verteilt? Wie sid Messwerte verteilt? Fehler Messwerte Verteilugsfuktioe: Maxwell-Boltza Feri-Dirac Bose-Eistei Placksche Verteilug Frage ist stets, wie groß
MehrZahlenfolgen, Grenzwerte und Zahlenreihen
KAPITEL 5 Zahlefolge, Grezwerte ud Zahlereihe. Folge Defiitio 5.. Uter eier Folge reeller Zahle (oder eier reelle Zahlefolge) versteht ma eie auf N 0 erlarte reellwertige Futio, die jedem N 0 ei a R zuordet:
Mehr2 Vollständige Induktion
8 I. Zahle, Kovergez ud Stetigkeit Vollstädige Iduktio Aufgabe: 1. Bereche Sie 1+3, 1+3+5 ud 1+3+5+7, leite Sie eie allgemeie Formel für 1+3+ +( 3)+( 1) her ud versuche Sie, diese zu beweise.. Eizu5% ZiseproJahragelegtes
MehrQualitätskennzahlen für IT-Verfahren in der öffentlichen Verwaltung Lösungsansätze zur Beschreibung von Metriken nach V-Modell XT
Qualitätskezahle für IT-Verfahre i der öffetliche Verwaltug Lösugsasätze zur Vo Stefa Bregezer Der Autor arbeitet im Bereich Softwaretest ud beschäftigt sich als Qualitätsbeauftragter mit Theme zu Qualitätssicherug
Mehr1 Vollständige Induktion
1 Vollstädige Idutio 1.1 Idutiosbeweise Das Beweisprizip der vollstädige Idutio ist eies der wichtigste Hilfsmittel der Mathemati icht ur der Aalysis. Es fidet Verwedug bei pratische alle Aussage, die
MehrTestumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen
Testumfag für die Ermittlug ud Agabe vo Fehlerrate i biometrische Systeme Peter Uruh SRC Security Research & Cosultig GmbH peter.uruh@src-gmbh.de Eileitug Biometrische Systeme werde durch zwei wichtige
MehrA D A E B D D E D E D C C D E
ie Kombiatori beschäftigt sich mit der Zusammestellug vo lemete eier Mege. s werde 2 Kugel ohe Zurüclege aus zwei Ure gezoge. ie erste Ure ethält 3 Kugel ; ; ud die zweite Ure 2 Kugel ;. ie erste Kugel
MehrStatistische Datenanalyse und Versuchsplanung
Statistische Dateaalyse ud Versuchsplaug Wahlpflicht für Studete der Biotechologie SWS IV (VL/Ü/PR) Abschluss: Übugsote U. Römisch http:// www.lmtc.tu-berli.de/agewadte_statistik_ud_cosultig LITERATUR
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Semiar für Theoretische Wirtschaftslehre Vorlesugsprogramm 11.06.2013 Zweidimesioale Datesätze (Fortsetzug) 3. Regressiosaalyse:
MehrStatistische Modelle und Parameterschätzung
Kapitel 2 Statistische Modelle ud Parameterschätzug 2. Statistisches Modell Die bisher betrachtete Modellierug eies Zufallsexperimetes erforderte isbesodere die Festlegug eier W-Verteilug. Oft besteht
MehrFormelsammlung Mathematik
Formelsammlug Mathematik 1 Fiazmathematik 1.1 Reterechug Sei der Zissatz p%, der Zisfaktor q = 1 + p 100. Seie R die regelmäßig zu zahlede Rate, die Laufzeit. Edwert: Barwert: achschüssig R = R q 1 q 1
Mehr2.3 Kontingenztafeln und Chi-Quadrat-Test
2.3 Kotigeztafel ud Chi-Quadrat-Test Die Voraussetzuge a die Date i diesem Kapitel sid dieselbe, wie im voragegagee Kapitel, ur dass die Stichprobe hier aus Realisieruge vo kategorielle Zufallsvariable
Mehr1.2. Taylor-Reihen und endliche Taylorpolynome
1.. aylor-reihe ud edliche aylorpolyome 1..1 aylor-reihe Wir köe eie Fuktio f() i eier Umgebug eies Puktes o gut durch ihre agete i o: t o () = f(o) + f (o) (-o) aäher: Wir sehe: Je weiter wir vo o weg
MehrWir weisen die Gültigkeit der 4Axiome der sigma-algebra für die Potenzmenge einer endlichen Menge A nach!
Lösug zu Übug 4 Prof. Dr. B.Grabowski E-Post: grabowski@htw-saarlad.de Zu Aufgabe ) Wir weise die Gültigkeit der 4Axiome der sigma-algebra für die Potezmege eier edliche Mege A ach! ) Die leere Mege ud
Mehr5.7. Aufgaben zu Folgen
5.7. Aufgabe zu Folge Aufgabe : Lieares ud beschräktes Wachstum Aus eiem Quadrat mit der Seiteläge dm gehe auf die rechts agedeutete Weise eue Figure hervor. Die im -te Schritt agefügte Quadrate sid jeweils
MehrStatistik. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.html
Statistik Prof. Dr. K. Melzer kari.melzer@hs-esslige.de http://www.hs-esslige.de/de/mitarbeiter/kari-melzer.html Ihaltsverzeichis 1 Eileitug ud Übersicht 3 2 Dategewiug (kurzer Überblick) 3 2.1 Plaugsphase
Mehr6.6 Grundzüge der Fehler- und Ausgleichsrechnung 6.6.1 Fehlerarten- Aufgaben der Fehler- und Ausgleichsrechnung physikalisch-technische Experiment
103 66 Grudzüge der Fehler- ud Ausgleichsrechug 661 Fehlerarte- Aufgabe der Fehler- ud Ausgleichsrechug Jedes physikalisch-techische Experimet liefert gewisse gemessee Werte x Bei dem Messvorgag verwede
MehrKleines Matrix-ABC. Fachgebiet Regelungstechnik Leiter: Prof. Dr.-Ing. Johann Reger. 1 Elementares
4 6 Fachgebiet Regelugstechik Leiter: Prof. Dr.-Ig. Joha Reger Kleies Matrix-ABC 1 Eleetares Eie ( )-Matrix ist eie rechteckige Aordug vo reelle oder koplexe Zahle a ij (auch Skalare geat) ud besteht aus
MehrBINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008
Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe
MehrPage-Rank: Markov-Ketten als Grundlage für Suchmaschinen im Internet
Humboldt-Uiversität zu Berli Istitut für Iformatik Logik i der Iformatik Prof. Dr. Nicole Schweikardt Page-Rak: Markov-Kette als Grudlage für Suchmaschie im Iteret Skript zum gleichamige Kapitel der im
MehrÜbungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Prof. Dr. Rolad Speicher M.Sc. Tobias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 01 Musterlösug zu Blatt 0 Aufgabe 1. Käpt Schwarzbart,
MehrEinführende Beispiele Arithmetische Folgen. Datei Nr SW. Das komplette Manuskript befindet sich auf der Mathematik - CD.
ZAHLENFOLGEN Eiführede Beispiele Arithmetische Folge Datei Nr. 400 SW Das komplette Mauskript befidet sich auf der Mathematik - CD Friedrich Buckel Februar 00 Iteratsgymasium Schloß Torgelow Ihalt Eiführede
MehrGrundzüge der Stichprobentheorie. Statistisches Bundesamt
Grudzüge der Stichprobetheorie Grüde für Stichprobeerhebug - deutlich gerigere Koste - größere Awedugsbreite - kürzere Erhebugs- ud Auswertugszeite - i der Regel größere Geauigkeit der Ergebisse Begriffsbestimmug
MehrLöslichkeitsdiagramm. Grundlagen
Grudlage Löslichkeitsdiagramm Grudlage Zur etrachtug des Mischugsverhaltes icht vollstädig mischbarer Flüssigkeite, das heißt Flüssigkeite, die sich icht bei jeder Temperatur i alle Megeverhältisse miteiader
MehrBeispiel 4 (Die Urne zu Fall 4 mit Zurücklegen und ohne Beachten der Reihenfolge ) das Sitzplatzproblem (Kombinationen mit Wiederholung) Reihenfolge
1 Beispiel 4 (Die Ure zu Fall 4 mit Zurücklege ud ohe Beachte der Reihefolge ) das Sitzplatzproblem (Kombiatioe mit Wiederholug) 1. Übersicht Ziehugsmodus ohe Zurücklege des gezogee Loses mit Zurücklege
MehrKorrelationsanalyse zwischen kategorischen Merkmalen. Kontingenztabellen. Chi-Quadrat-Test
Kotigeztabelle. Chi-Quadrat-Test Korrelatiosaalyse zwische kategorische Merkmale Beispiel 1 ohe Frau 8 75 1 Ma 48 49 97 76 14? Häufigkeitstabelle (Kotigeztabelle): eie tabellarische Darstellug der gemeisame
MehrKlausur 1 über Folgen
www.mathe-aufgabe.com Klausur über Folge Hiweis: Der GTR darf für alle Aufgabe eigesetzt werde. Aufgabe : Bestimme eie explizite ud eie rekursive Darstellug! a) für eie arithmetische Folge mit a = 6, ;
MehrKapitel 4: Stationäre Prozesse
Kapitel 4: Statioäre Prozesse M. Scheutzow Jauary 6, 2010 4.1 Maßerhaltede Trasformatioe I diesem Kapitel führe wir zuächst de Begriff der maßerhaltede Trasformatio auf eiem Wahrscheilichkeitsraum ei ud
MehrSatz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.
Erfüllbarkeit, Uerfüllbarkeit, Allgemeigültigkeit Defiitio Eie Belegug β ist passed zu eiem Boolesche Term t, falls β für alle atomare Terme i t defiiert ist. (Wird ab jetzt ageomme.) Ist β(t) = true,
MehrTao De / Pan JiaWei. Ihrig/Pflaumer Finanzmathematik Oldenburg Verlag 1999 =7.173,55 DM. ges: A m, A v
Tao De / Pa JiaWei Ihrig/Pflaumer Fiazmathematik Oldeburg Verlag 1999 1..Ei Darlehe vo. DM soll moatlich mit 1% verzist ud i Jahre durch kostate Auitäte getilgt werde. Wie hoch sid a) die Moatsrate? b)
MehrMaximum Likelihood Version 1.6
Maximum Likelihood Versio 1.6 Uwe Ziegehage 15. November 2005 Logarithmegesetze log a (b) + log a (c) = log a (b c) (1) log a (b) log a (c) = log a (b/c) (2) log a (b c ) = c log a (b) (3) Ableitugsregel
Mehr1 Funktionen und Flächen
Fuktioe ud Fläche. Fläche Defiitio: Die Ebee R ist defiiert als Mege aller geordete Paare vo reelle Zahle: R = {(,, R} Der erste Eitrag heißt da auch Koordiate ud der zweite Koordiate. Für zwei Pukte (,,
MehrDie zu den Zufallswerten x gehörigen Wahrscheinlichkeiten fasst man in einer Tabelle zusammen:
0 Statistik 0. Wahrscheilichkeitsfuktio ud optische Darstellug Bei der Auswertug vo Zufallsexperimete ist oft gar icht das eizele Ergebis vo Iteresse, soder vielmehr eie Zahlegröße (Zufallsgröße X), die
MehrVersuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK. 1. Vorbemerkung
Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK Physikalische Prozesse, die eier statistische Gesetzmäßigkeit uterworfe sid, lasse sich mit eier Verteilugsfuktio beschreibe. Die Gauß-Verteilug
MehrLV "Grundlagen der Informatik" Programmierung in C (Teil 2)
Aufgabekomplex: Programmiere i C (Teil vo ) (Strukturierte Datetype: Felder, Strukture, Zeiger; Fuktioe mit Parameterübergabe; Dateiarbeit) Hiweis: Alle mit * gekezeichete Aufgabe sid zum zusätzliche Übe
MehrFolgen und Reihen Glege 03/01
Folge ud Reihe Glege 03/0 I diesem Script werde folgede Theme behadelt: Folge (Eiführug)... Arithmetische Folge... Geometrische Folge...3 Mootoie...4 Kovergez...5 Grezwert...6 Schrake...7 Arithmetische
Mehr