Formelsammlung. Deskriptive Statistik und Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen

Größe: px
Ab Seite anzeigen:

Download "Formelsammlung. Deskriptive Statistik und Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen"

Transkript

1 Formelsammlug Deskriptive Statistik ud Elemetare Wahrscheilichkeitsrechug Prof. Dr. Ralf Rude Statistik ud Ökoometrie, Uiversität Siege

2 Prof. Dr. Ralf Rude - Uiversität Siege I Statistische Grudbegriffe Urliste/Stichprobe (x,..., x ) mit a,..., a r; (r ) Absolute Häufigkeit Relative Häufigkeit H i H(a i ); h i h(a i ) H i ; Häufigkeitsverteilug H i h i, 0 h i {(a, H ),..., (a r, H r)} oder {(a, h ),..., (a r, h r)} Empirische Verteilugsfuktio F (x) h(a i ) Absolute Klassehäufigkeit H j H(K j ); a i x m H j j Relative Klassehäufigkeit m h j h(k j ) H j ; h j, 0 h j Histogrammhöhe h j h j B j j mit B j u j u j Harmoisches Mittel Media x h x i H i H i a i h i a i x Med x 0,5 mi{x R : F (x) 0, 5} α-quatil oder 00α%-Quatil Spaweite x α mi{x R : F (x) α}; 0 < α < Quartilsabstad r x () x () max{x i } mi{x i } Q x 0,75 x 0,5 Mittlere absolute Abweichug vom Media d x i x Med a i x Med H i a i x Med h i Empirische Variaz (x i x) x i x (a i x) H i (a i x) h i Empirische Stadardabweichug s Variatioskoeffiziet II Statistische Kezahle v s x Arithmetisches Mittel x x i H i a i h i a i Gewogees arithmetisches Mittel x g g i x i ; g i, 0 g i Geometrisches Mittel x x... x a H... a Hr r a h... ahr r Momete eier Beobachtugsreihe m k x k i (k-tes Momet) m k (x i x) k (k-tes zetrales Momet) Empirische Schiefe (x i x) 3 m 3 g ( ) 3 s 3 (x i x)

3 Prof. Dr. Ralf Rude - Uiversität Siege Statistische Kezahle bei liearer Trasformatio y i a + bx i für alle i III ȳ a + b x ȳ g a + b x g y Med a + bx Med y α a + bx α r b r Q b Q d b d b s b s Kozetratiosmaße Lorezkurve bzw. v i i x (j) j i v i, u i x j j i j a (j)h j r j a (j)h j, u i i j H j Gii-Koeffiziet GK (u i u i )(v i +v i ) H i (v i +v i ) h i (v i + v i ) mit GK mi 0 (keie Kozetratio) GK max Normierter Gii-Koeffiziet IV Idexzahle GK Preisidex ach Laspeyres (vollstädige Kozetratio) GK p t(i)q 0 (i) P0t L p 0 (i)q 0 (i) Preisidex ach Paasche p t(i)q t(i) P0t P p 0 (i)q t(i) Megeidex ach Laspeyres p 0 (i)q t(i) Q L 0t p 0 (i)q 0 (i) Megeidex ach Paasche p t(i)q t(i) Q P 0t p t(i)q 0 (i) V Zusammehagsmaße Empirische Kovariaz s (x i x)(y i ȳ) x i y i xȳ Korrelatioskoeffiziet ach Bravais-Pearso (x i x)(y i ȳ) r s s ; s (x i x) (y i ȳ) r r y i ax i + b mit a > 0 r y i ax i + b mit a < 0 Ragkorrelatioskoeffiziet ach Spearma (R(x i ) R )(R(y i ) R ) r S, (R(x i ) R ) (R(y i ) R ) 6 (R(x i ) R(y i )) ( )( + ) Zusammehagsmaße bei lieare Trasformatioe v i ax i + b ud w i cy i + d s V W a c s r V W r r S,V W r S,

4 Prof. Dr. Ralf Rude - Uiversität Siege VI Elemetare Regressio VIII Spezielle Ereigisse Modell der eifache lieare Regressio y i b 0 + b x i + u i, i,..., Regressiosgerade (KQ-Gerade) Regressioskoeffiziete KQ-Residue ŷ ˆb 0 + ˆb x ˆb0 ȳ ˆb x, ˆb s r s s Recheregel für Ereigisse Assoziativgesetze: A (B C) (A B) C A B C A (B C) (A B) C A B C Distributivgesetze: A (B C) (A B) (A C) A (B C) (A B) (A C) Regel vo de Morga: Bestimmtheitsmaß R s Ŷ û i y i ŷ i s Û ˆb s r I A B A B A B A B Wahrscheilichkeit vo Ereigisse VII Elemetare Zeitreiheaalyse Axiome vo Kolmogoroff Additives Kompoetemodell y i m i + k i + s i + z i, i,..., m i T redkompoete k i Kojukturkompoete g i m i + k i GlatteKompoete Gleiteder Durchschitt s i Saisokompoete z i Zufallskompoete ỹ i y i m + y i m y i y i+m + y i+m m + ỹ i bzw. y i m + y i m y i y i+m + y i+m ; m Typische Saisobewegug Saisobereiigte Werte Liearer Tred i m +,..., m p ŝ j s j s j p j ỹ i y ij ŝ j g i b 0 + b t i 0 P(A) P(Ω) P( A i ) P(A i ) Laplace sche Wahrscheilichkeit P(A) A Azahl der für A güstige F älle Ω Azahl aller mögliche F älle Wahrscheilichkeit vo spezielle Ereigisse Wahrscheilichkeit des umögliche Ereigisses P( ) 0 Wahrscheilichkeit des Komplemetärereigisses P(A) P(A) Wahrscheilichkeit durch Zerlegug eies Ereigisses P(A) P(A B) + P(A B) Additiossatz für zwei Ereigisse P(A B) P(A) + P(B) P(A B) 3

5 Prof. Dr. Ralf Rude - Uiversität Siege Additiossatz für drei Ereigisse P(A B C) P(A)+P(B)+P(C) P(A B) P(A C) P(B C) +P(A B C) Wahrscheilichkeit der Differez zweier Ereigisse P(A\B) P(A) P(A B) I Bedigte Wahrscheilichkeit Bedigte Wahrscheilichkeit Auswahlmöglichkeite Uremodelle (a) Berücksichtigug der Reihefolge mit ohe ( zurück- mit k +k ) ( k! lege ohe ( k)! k) Ziehe ohe Zurücklege ( M )( N M ) k k p k ( N ) P(A B) P(A B) P(B) Totale Wahrscheilichkeit P(B) P(B A i ) P(A i ) Formel vo Bayes (b) für 0 k mi(, M); 0 k N M; N. Ziehe mit Zurücklege ( ) ( ) M k ( ) N M k p k k N N für k 0,,..., ; beliebig. P(A j B) P(B A j ) P(A j ) P(B A i) P(A i ), j,..., II Uabhägigkeit vo Ereigisse Multiplikatiossatz für zwei uabhägige Ereigisse P(A B) P(A) P(B) III Kombiatorik Aordugsmöglichkeite/Permutatioe (a) verschiedee Dige lasse sich auf ( )...! (b) verschiedee Arte aorde. Dige, vo dee jeweils,,..., r gleich sid lasse sich auf!!!... r! verschiedee Arte aorde. 4

Fakultät für Wirtschafts- und Rechtswissenschaften

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

Mehr

Formelsammlung. PD Dr. C. Heumann

Formelsammlung. PD Dr. C. Heumann Formelsammlug zur Vorlesug Statisti I PD Dr. C. Heuma Formelsammlug Statisti I Desriptive Statisti Häufigeitsverteiluge Darstellugsforme vo Date Rohdate: x 1, x 2,..., x x i Azahl der Beobachtuge Mermalsausprägug

Mehr

Formelsammlung Grundzüge der Statistik für die Veranstaltungen Statistik I und Statistik II im Grundstudium

Formelsammlung Grundzüge der Statistik für die Veranstaltungen Statistik I und Statistik II im Grundstudium Formelsammlug Grudzüge der Statistik für die Verastaltuge Statistik I ud Statistik II im Grudstudium Prof. Dr. Claudia Becker Lehrstuhl für Statistik Ihaltsverzeichis 1 Summezeiche 5 2 Häufigkeitsverteiluge

Mehr

Kapitel XI - Korrelationsrechnung

Kapitel XI - Korrelationsrechnung Istitut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökoometrie ud Statistik Kapitel XI - Korrelatiosrechug Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Seska Carlo Siebeschuh Aufgabe der Korrelatiosrechug

Mehr

h i :=h a i f i = h a i n Absolute Häufigkeit: Relative Häufigkeit: h 2 h 4 h 6 :=h der Elemente mit der Ausprägung i=6 zu der Anzahl n aller Werte

h i :=h a i f i = h a i n Absolute Häufigkeit: Relative Häufigkeit: h 2 h 4 h 6 :=h der Elemente mit der Ausprägung i=6 zu der Anzahl n aller Werte . Wer Rechtschreibfehler fidet, darf sie behalte. Rechefehler werde zurückgeomme. Absolute Häufigkeit: h Wie viele Elemete weise diese bestimmte Wert (= diese bestimmte Ausprägug) auf? > Azahl h der Elemete

Mehr

1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre Morgasche Formel A \ B = A [ B A [ B = A \ B Kommutativgesetz A \ B = B \ A A [ B = B [ A Assozia

1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre Morgasche Formel A \ B = A [ B A [ B = A \ B Kommutativgesetz A \ B = B \ A A [ B = B [ A Assozia Statistik I - Formelsammlug Ihaltsverzeichis 1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre................................. 1. Kombiatorik........................................ 1.3 Wahrscheilichkeite....................................

Mehr

Empirische Methoden I

Empirische Methoden I Hochschule für Wirtschaft ud 2017 Umwelt Nürtige-Geislige Fakultät Betriebswirtschaft ud Iteratioale Fiaze Prof. Dr. Max C. Wewel Aufgabe zum Tutorium Empirische Methode I (Dateaalyse ud Grudlage der Wahrscheilichkeitsrechug)

Mehr

Induktive Statistik. Formelsammlung. Prof. Dr. W. Assenmacher. Stichprobenraum: Ω = {ω 1, ω 2,...,ω m }

Induktive Statistik. Formelsammlung. Prof. Dr. W. Assenmacher. Stichprobenraum: Ω = {ω 1, ω 2,...,ω m } Prof. Dr. W. Assemacher Statistik ud Ökoometrie Uiversität Duisburg-Esse Campus Esse Iduktive Statistik Formelsammlug Stichproberaum: Ω = {ω 1, ω,...,ω m } Vollstädiges System vo Ereigisse {A 1,..., A

Mehr

Formelsammlung in Statistik

Formelsammlung in Statistik Formelsammlug i Statistik Häufigkeitsverteilug ud Summeverteilug Zählidices Klassierug vo Date absolute Häufigkeit relative Häufigkeit i = 1,..., zählt die Elemete der Urliste j = 1,...,m zählt die Merkmalsauspräguge

Mehr

Lineare Transformationen

Lineare Transformationen STAT 4 FK Herleituge Lieare Trasformatioe Sei eie lieare Trasformatio vo, so gilt Allgemei: a b, () Lieare Trasformatio des arithmetische Mittels y a+b x i () Da a eie additiv verküpfte Kostate ist, ka

Mehr

Parameter von Häufigkeitsverteilungen

Parameter von Häufigkeitsverteilungen Kapitel 3 Parameter vo Häufigkeitsverteiluge 3. Mittelwerte Mo Der Modus (:= häufigster Wert, Abk.: Mo) ist der Merkmalswert mit der größte Häufigkeit, falls es eie solche gibt. Er sollte ur bei eigipflige

Mehr

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

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

Mehr

Formelsammlung. zur Klausur. Beschreibende Statistik

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

Mehr

Lösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung

Lösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung Prof. Dr. V. Schmidt WS 200/20 G. Gaiselma, A. Spettl 7.02.20 Lösugsvorschlag Probeklausur zur Elemetare Wahrscheilichkeitsrechug Hiweis: Der Umfag ud Schwierigkeitsgrad dieser Probeklausur muss icht dem

Mehr

Statistik I Februar 2005

Statistik I Februar 2005 Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet

Mehr

Empirische Ökonomie 1 Sommersemester Formelsammlung. Statistische Grundlagen. Erwartungswert und Varianz einer Zufallsvariable.

Empirische Ökonomie 1 Sommersemester Formelsammlung. Statistische Grundlagen. Erwartungswert und Varianz einer Zufallsvariable. Empirische Ökoomie 1 Sommersemester 2013 Formelsammlug Hiweis: Alle Variable, Parameter ud Symbole sid wie i de Vorlesugsuterlage defiiert. Statistische Grudlage Erwartugswert Erwartugswert ud Variaz eier

Mehr

Formelsammlung Mathematik

Formelsammlung 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

Mehr

Häufigkeiten Berechnung bei klassierter Datengrundlage aus einer Verteilungsfunktion: F.x/ D F.x i 1 / C x x i 1 i. x v f v.

Häufigkeiten Berechnung bei klassierter Datengrundlage aus einer Verteilungsfunktion: F.x/ D F.x i 1 / C x x i 1 i. x v f v. Formelsammlug Häufigkeite Berechug bei klassierter ategrudlage aus eier Verteilugsfuktio: Lageparameter Mittelwert aus eier Urliste: F.x/ F.x i / C x x i i Nx.x C x C :::C x / Mittelwert aus eier gegebee

Mehr

2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters:

2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters: . Schätzverfahre. Puktschätzug wirtschaftlicher Kezahle Allgemei: Puktschätzug eies Parameters: Ermittlug eies Schätzwertes für eie ubekate Parameter eier Zufallsvariable i der Grudgesamtheit mit Hilfe

Mehr

Vorlesung Basismodul Statistik SS 13

Vorlesung Basismodul Statistik SS 13 Basismodul Statistik Prof. Dr. Peter Kischka, Lehrstuhl für Wirtschafts- ud Sozialstatistik Wirtschaftswisseschaftliche Fakultät Lehrstuhl für Wirtschafts- ud Sozialstatistik Prof. Dr. Peter Kischka Vorlesug

Mehr

Ökonometrie Formeln und Tabellen

Ökonometrie Formeln und Tabellen Ökoometrie Formel ud Tabelle Formelsammlug 1 Lieares Modell ud KQ-Schätzug 11 Eifachregressio Lieares Modell: Y i = β 0 + β 1 x i + U i, i = 1,2,, Aahme des lieare Modells: A1: E[U i ] = 0 für alle i =

Mehr

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

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

Mehr

Wahrscheinlichkeitstheorie und Statistik vom

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

Mehr

Kapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit

Kapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit - 18 - (Kapitel 3 : Bedigte Wahrscheilichkeite ud Uabhägigkeit) Kapitel 3: Bedigte Wahrscheilichkeite ud Uabhägigkeit Wird bei der Durchführug eies stochastische Experimets bekat, daß ei Ereigis A eigetrete

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 Lehrstuhl für Empirische Wirtschaftsforschug ud Ökoometrie Dr. Rolad Füss Statistik II: Schließede Statistik SS 2007 6. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug

Mehr

Kennwerte Univariater Verteilungen

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

Mehr

Wahrscheinlichkeitstheorie und Statistik

Wahrscheinlichkeitstheorie und Statistik Kapitel 15 Wahrscheilichkeitstheorie ud Statistik Verstädisfrage Sachfrage 1. Erläuter Sie de Begriff der absolute ud relative Häufigkeit eier Stichprobe! 2. Erläuter Sie de Begriff der Klassehäufigkeit

Mehr

7.2 Grundlagen der Wahrscheinlichkeitsrechnung

7.2 Grundlagen der Wahrscheinlichkeitsrechnung 7.2 Grudlage der Wahrscheilichkeitsrechug Ei Ereigis heißt i Bezug auf eie Satz vo Bediguge zufällig, we es bei der Realisierug dieses Satzes eitrete ka, aber icht ubedigt eitrete muss. Def. 7.2.: Ei Experimet

Mehr

s n =a 1 1 qn 1 q Für unendliche Reihen mit q 1 gilt: s=a 1

s n =a 1 1 qn 1 q Für unendliche Reihen mit q 1 gilt: s=a 1 Fiazmathematik Folge Arithmetische Geometrische Rekursiosformel a 1 =a d a 1 =a q N-tes Glied a =a 1 1 d a =a 1 q 1 N-te Partialsummer Prozetreche Grudwert, Bezugsgrösse Prozetfuss Prozetsatz i p s = 2

Mehr

SBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit

SBP 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

Mehr

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

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

Mehr

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:

Mehr

Klausur vom

Klausur vom UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Domiik Faas Stochastik Witersemester 00/0 Klausur vom 7.0.0 Aufgabe 3+.5+.5=6 Pukte Bei eier Umfrage wurde 60 Hotelbesucher ach ihrer Zufriedeheit

Mehr

Univariate Verteilungen

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

Mehr

Wahrscheinlichkeit & Statistik

Wahrscheinlichkeit & 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

Mehr

Formelsammlung zur Vorlesung Statistik I/II für Statistiker, Mathematiker und Informatiker (WS 08/09)

Formelsammlung zur Vorlesung Statistik I/II für Statistiker, Mathematiker und Informatiker (WS 08/09) Departmet für Statistik, LMU Müche Statistik I/II für Statistiker, Mathematiker ud Iformatiker Prof. Gerhard Tutz, Adreas Groll WS 08/09 1 EINDIMENSIONALE MERKMALE Formelsammlug zur Vorlesug Statistik

Mehr

Zufallsvariable. Die Wahrscheinlichkeitsverteilung p (probability function) ist definiert durch: p(x i ) := P (X = x i ),

Zufallsvariable. Die Wahrscheinlichkeitsverteilung p (probability function) ist definiert durch: p(x i ) := P (X = x i ), ETHZ 90-683 Dr. M. Müller Statistische Methode WS 00/0 Zufallsvariable Zusammehag: Wirklichkeit Modell Wirklichkeit Stichprobe Date diskret stetig rel. Häufigkeit Häufigkeitstabelle Stabdiagramm Histogramm

Mehr

Statistik I für Studierende der Soziologie und Nebenfachstudierende

Statistik I für Studierende der Soziologie und Nebenfachstudierende Name: Matrikelummer: Formelsammlug zur Vorlesug Statistik I für Studierede der Soziologie ud Nebefachstudierede Prof Dr Helga Wager Dipl-Soz MSc Julia Kopf, Dipl Stat Gero Walter WS 2010/11 Zur Klausur

Mehr

Diskrete Zufallsvariablen

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

Mehr

Absolutskala: metrische Skala mit einem natürlichen Nullpunkt und einer natürlichen Einheit. (Z.B. Einwohnerzahl). Nicht alle Variablen lassen sich

Absolutskala: metrische Skala mit einem natürlichen Nullpunkt und einer natürlichen Einheit. (Z.B. Einwohnerzahl). Nicht alle Variablen lassen sich Grudbegrie Die beschreibede Statistik (deskriptive Statistik) ist eie systematische Zusammestellug vo Zahle ud Date zur Beschreibug bestimmter Zustäde, Etwickluge oder Phäomee. Die beschreibede Statistik

Mehr

Formelsammlung für die Vorlesung Statistik A

Formelsammlung für die Vorlesung Statistik A Formelsammlug für die Vorlesug Statistik A Uiv.-Prof. Dr. Keip Uiversität Bo Statistische Abteilug Witersemester 2011/2012 Ihaltsverzeichis 2 Uivariate Deskriptio ud Exploratio vo Date 2 3 Bivariate Deskriptio

Mehr

Jugendliche (18-24 Jahre) in Westdeutschland

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

Mehr

Lage- und Streuungsmaße

Lage- und Streuungsmaße Statistik 1 für SoziologIe Lage- ud Streuugsmaße Uiv.Prof. Dr. Marcus Hudec Streuugsmaße Statistische Maßzahle, welche die Variabilität oder die Streubreite i de Date messe. Sie beschreibe die Abweichug

Mehr

Empirische Methoden I

Empirische 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

Mehr

I. II. I. II. III. IV. I. II. III. I. II. III. IV. I. II. III. IV. V. I. II. III. IV. V. VI. I. II. I. II. III. I. II. I. II. I. II. I. II. III. I. II. III. IV. V. VI. VII. VIII.

Mehr

Statistik für Soziologen

Statistik für Soziologen Arbeitsuterlage zur Verastaltug Statistik für Soziologe Teil I Beschreibede Statistik Stad: Oktober 2006 Gliederug Literatur Grudsätzliches. Grudbegriffe.2 Empirische Utersuchuge.3 Messiveaus ud Skaletype.4

Mehr

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

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

Mehr

Ereignis Wahrscheinlichkeit P (A) A oder B P (A + B) A und B P (AB) B, wenna P (B A)

Ereignis Wahrscheinlichkeit P (A) A oder B P (A + B) A und B P (AB) B, wenna P (B A) Kapitel 10 Statistik 10.1 Wahrscheilichkeit Das Ergebis eier Messug oder Beobachtug wird Ereigis geat. Ereigisse werde mit de Buchstabe A, B,...bezeichet. Die Messug eier kotiuierliche Variable x gibt

Mehr

Zusammenfassung der Vorlesungen Statistik I und II von Konrad Urbanski

Zusammenfassung der Vorlesungen Statistik I und II von Konrad Urbanski Zusammefassug der Vorlesuge Statistik I ud II vo Korad Urbaski TU Berli, Witersemester 2013/2014 Floria Wiesweg 16. Jauar 2017 Dieses Werk ist lizeziert uter eier Creative Commos-Lizez: Nameseug-Nicht-kommerziell-Keie

Mehr

( ) Formelsammlung. Kombinatorik. Permutation: ohne Wiederholung. n! = n (n - 1) (n - 2)... 3 2 1 n= alle Elemente. Permutation: mit Wiederholung

( ) Formelsammlung. Kombinatorik. Permutation: ohne Wiederholung. n! = n (n - 1) (n - 2)... 3 2 1 n= alle Elemente. Permutation: mit Wiederholung Formelsammlug Kombiatori Permutatio: ohe Wiederholug! = ( - 1) ( - 2).... 3 2 1 = alle Elemete Permutatio: mit Wiederholug!! P, = = usw. = gleiche Elemete! 1! K 2! Stichprobe (SP) = geordete Auswahl Geordete

Mehr

Zusammenfassung WrStat Wahrscheinlichkeit und Statistik

Zusammenfassung WrStat Wahrscheinlichkeit und Statistik Zusammefassug WrStat Wahrscheilichkeit ud Statistik Emauel Duss emauel.duss@gmail.com 31. Jauar 2014 Zusammefassug WrStat Wahrscheilichkeit ud Statistik Dieses Dokumet basiert auf der Vorlesug Wahrscheilichkeit

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler 9.04.008 Äderug Übugsstude Statistik ud Wahrscheilichkeitsrechug Die Gruppe vo Markus trifft sich am Doerstag statt im HCI D zusamme mit der Gruppe

Mehr

Prof. Dr. Roland Füss Statistik II SS 2008

Prof. 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

Mehr

Rumpfskript. Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen

Rumpfskript. Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen Rumpfskript Elementare Wahrscheinlichkeitsrechnung Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen Vorbemerkung Vorbemerkung Das vorliegende Skript heißt nicht nur Rumpf skript, sondern

Mehr

Stetige Messwerte Diskrete Messwerte

Stetige Messwerte Diskrete Messwerte Sadra Schlick Seite 1 1.SemiarStat015.doc 1. Semiar Statistik 9.45 10.00 Übersicht Semester 10.00 10.15 Merkmale ud Auspräguge 10.15 10.30 Häufigkeitsverteiluge 10.30 11.30 Natürliche ud recherische Lage-

Mehr

Statistik I für WInf und WI Prof. Dr. Wilhelm Stannat

Statistik I für WInf und WI Prof. Dr. Wilhelm Stannat 29. Jauar 2008 1 Statistik I für WIf ud WI Prof. Dr. Wilhelm Staat Ihalt: I Deskriptive Statistik 1. Grudbegriffe 2. Auswertug eidimesioaler Datesätze 3. Auswertug zwei- ud mehrdimesioaler Messreihe II

Mehr

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

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

Mehr

Mathematik IV für Maschinenbau und Informatik

Mathematik IV für Maschinenbau und Informatik UNIVERSITÄT ROSTOCK Mathematik IV für Maschiebau ud Iformatik Stochastik Prof. Dr. Friedrich Liese Sommersemester 2007 2 Mathematik IV für Maschiebau ud Iformatik INHALT Ihalt... 2 Vorlesugsverzeichis...

Mehr

Empirische Verteilungsfunktion

Empirische Verteilungsfunktion KAPITEL 3 Empirische Verteilugsfuktio 3.1. Empirische Verteilugsfuktio Seie X 1,..., X uabhägige ud idetisch verteilte Zufallsvariable mit theoretischer Verteilugsfuktio F (t) = P[X i t]. Es sei (x 1,...,

Mehr

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung Kapitel 7 Wahrscheilichkeitsrechug 7. Kombiatorik Def. 7..:a) Für eie beliebige atürliche Zahl m bezeichet ma das Produkt aus de Zahle vo bis m mit m Fakultät: m! := 2 3 m, 0! :=. b) Für zwei beliebige

Mehr

Konzentration und Disparität

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

Mehr

Mathematische und statistische Methoden I

Mathematische 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

Mehr

14 Regression, lineare Korrelation und Hypothesen-Testverfahren

14 Regression, lineare Korrelation und Hypothesen-Testverfahren 14 Regressio, lieare Korrelatio ud Hypothese-Testverfahre 141 Regressiosverfahre I der Meßtechik kommt es häufig vor, daß eie Schar vo aufgeommee Meßpukte durch eie geeigete aalytische Fuktio i Form eier

Mehr

Statistik I für WInf und WI Prof. Dr. Wilhelm Stannat

Statistik I für WInf und WI Prof. Dr. Wilhelm Stannat 2. November 2009 1 Statistik I für WIf ud WI Prof. Dr. Wilhelm Staat Ihalt: I Deskriptive Statistik 1. Grudbegriffe 2. Auswertug eidimesioaler Datesätze 3. Auswertug zwei- ud mehrdimesioaler Messreihe

Mehr

f X1 X 2 Momente: Eigenschaften: Var(aX + b) = a 2 Var(X) a, b R

f X1 X 2 Momente: Eigenschaften: Var(aX + b) = a 2 Var(X) a, b R Siebformel vo Poicare-Sylvester: k P A k = k+ P A ij k= k= = k= P A k k= i

Mehr

Beispiel 4 (Die Urne zu Fall 4 mit Zurücklegen und ohne Beachten der Reihenfolge ) das Sitzplatzproblem (Kombinationen mit Wiederholung) Reihenfolge

Beispiel 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

Mehr

Statistik I für WInf und WI Prof. Dr. Wilhelm Stannat

Statistik I für WInf und WI Prof. Dr. Wilhelm Stannat 8. Februar 2009 1 Statistik I für WIf ud WI Prof. Dr. Wilhelm Staat Ihalt: I Deskriptive Statistik 1. Grudbegriffe 2. Auswertug eidimesioaler Datesätze 3. Auswertug zwei- ud mehrdimesioaler Messreihe II

Mehr

Statistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte.

Statistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte. Statistik Vorlesug,. ärz, Statistische aßzahle Iformatio zu verdichte, Besoderheite hervorzuhebe ittelwerte Aufgabe: die Lage der Verteilug auf der Abszisse zu zeige. Der odus: derjeige Wert, der im Häufigste

Mehr

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

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

Mehr

15.4 Diskrete Zufallsvariablen

15.4 Diskrete Zufallsvariablen .4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet

Mehr

WISTA WIRTSCHAFTSSTATISTIK

WISTA WIRTSCHAFTSSTATISTIK WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Semiar für Theoretische Wirtschaftslehre Vorlesugsprogramm 11.06.2013 Zweidimesioale Datesätze (Fortsetzug) 3. Regressiosaalyse:

Mehr

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

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

Mehr

3. Einführung in die Statistik

3. Einführung in die Statistik 3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :

Mehr

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

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

Mehr

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

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

Mehr

Vl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5

Vl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5 Vl Statistische Prozess- ud Qualitätskotrolle ud Versuchsplaug Übug 5 Aufgabe ) Sei p = P(A) die Wahrscheilichkeit für ei Ereigis A, dh., es gilt 0 p. Bereche Sie das Maximum der Fuktio f(p) = p(-p). Aufgabe

Mehr

LGÖ Ks VMa 12 Schuljahr 2017/2018

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

Mehr

Das kollektive Risikomodell. 12. Mai 2009

Das kollektive Risikomodell. 12. Mai 2009 Kirill Rudik Das kollektive Risikomodell 12. Mai 2009 4.1 Eileitug Wir betrachte i diesem Kapitel die Gesamtforderuge im Laufe eies Jahres. Beim Abschluss eies Versicherugsvertrages weiß der Versicherer

Mehr

Kennwerte eindimensionaler Häufigkeitsverteilungen Einführung

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

Mehr

sfg Quadratwurzeln a ist diejenige nichtnegative Zahl (a 0), die quadriert a ergibt: Die Zahl a unter der Wurzel heißt Radikand:

sfg Quadratwurzeln a ist diejenige nichtnegative Zahl (a 0), die quadriert a ergibt: Die Zahl a unter der Wurzel heißt Radikand: M 9.1 Quadratwurzel a ist diejeige ichtegative Zahl (a 0), die quadriert a ergibt: a 2 = a Die Zahl a uter der Wurzel heißt Radikad: a Quadratwurzel sid ur für ichtegative Zahle defiiert: a 0 25 = 5; 81

Mehr

Haszonits Iris Theoriefragen und interessante Beispiel

Haszonits Iris Theoriefragen und interessante Beispiel Schätze sie X als lieare Fuktio bzw. aufgrud vo Y Regressio Wie stark hägt X mit Y zusamme? Korrelatio Güte der Schätzug, Welcher Ateil der Variaz vo X wird durch Y erklärt Bestimmtheitsmaß (Quadrat der

Mehr

Herleitung der Parameter-Gleichungen für die einfache lineare Regression

Herleitung der Parameter-Gleichungen für die einfache lineare Regression Herleitug der Parameter-Gleichuge für die eifache lieare Regressio Uwe Ziegehage. März 03 Historie v.0 6.03.009, erste Versio hochgelade v.0 0.03.03, eie Vorzeichefehler beseitigt, diverse Gleichuge ud

Mehr

Statistik I für Betriebswirte

Statistik I für Betriebswirte Statistik I für Betriebswirte Privat-Doz. Dr. H. Haase Ist. f. Math. u. If. 07.11.2016 Privat-Doz. Dr. H. Haase (Ist. f. Math. u. If.) Vorlesug 3 07.11.2016 1 / 48 Übersicht 1 Auswertugmethode Lageparameter

Mehr

Skriptum zur ANALYSIS 1

Skriptum zur ANALYSIS 1 Skriptum zur ANALYSIS 1 Güter Lettl WS 2017/2018 1. Grudbegriffe der Megelehre ud der Logik 1.1 Naive Megelehre [Sch-St 4.1] Defiitio eier Mege ach Georg Cator (1845 1918):,,Eie Mege M ist eie Zusammefassug

Mehr

Elektrische Messtechnik

Elektrische Messtechnik Spriger-Lehrbuch Elektrische Messtechik Aaloge, digitale ud computergestützte Verfahre vo Reihard Lerch 5., eu bearb. Aufl. Elektrische Messtechik Lerch schell ud portofrei erhältlich bei beck-shop.de

Mehr

Herzlich Willkommen zur Vorlesung. Analysis I SoSe 2013

Herzlich Willkommen zur Vorlesung. Analysis I SoSe 2013 Herzlich Willkomme zur Vorlesug Aalysis I SoSe 2013 Prof. Dr. Berd Dreseler Lebediges Lere: Aufgabe Ich Wir Überblick Mittelwertsatz Differetialrechug Natürliche Zahle Iduktiosprizip Kombiatorik Körper

Mehr

Stochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten

Stochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten Kapitel 2 Stochastische Uabhägigkeit, bedigte Wahrscheilichkeite 2.1 Stochastische Uabhägigkeit vo Ereigisse Im Folgede gehe wir vo eiem W-Raum (Ω, A, P aus. Der Begriff der stochastische Uabhägigkeit

Mehr

Statistik. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.html

Statistik. 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

Mehr

14 Statistische Beziehungen zwischen nomi nalen Merkmalen

14 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

Mehr

Allgemeine diskrete Wahrscheinlichkeitsräume II. Beispiel II. Beispiel I. Definition 6.3 (Diskreter Wahrscheinlichkeitsraum)

Allgemeine diskrete Wahrscheinlichkeitsräume II. Beispiel II. Beispiel I. Definition 6.3 (Diskreter Wahrscheinlichkeitsraum) Allgemeine diskrete Wahrscheinlichkeitsräume I Allgemeine diskrete Wahrscheinlichkeitsräume II Verallgemeinerung von Laplaceschen Wahrscheinlichkeitsräumen: Diskrete Wahrscheinlichkeitsräume Ω endlich

Mehr

Streuungsmaße. Prof. Dr. Paul Reuber. Institut für Geographie. Seminar Methoden der empirischen Humangeographie

Streuungsmaße. Prof. Dr. Paul Reuber. Institut für Geographie. Seminar Methoden der empirischen Humangeographie Streuugsmaße Istitut für Geographie Streuugswerte (Streuugsmaße) Die Diskussio um die Mittelwerte hat die Vorteile dieser statistische Kewerte gezeigt, aber bereits, isbesodere beim arithmetische Mittel,

Mehr

Verteilungsfunktionen

Verteilungsfunktionen 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

Mehr

Statistische Formelsammlung Begleitende Materialien zur Statistik - Vorlesung des Grundstudiums im Fachbereich IK

Statistische 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.

Mehr

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

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

Mehr

Zusammenfassung: Gleichungen und Ungleichungen

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

Mehr

Zeitreihenanalyse. Kapitel Einführung der Zeitreihen

Zeitreihenanalyse. Kapitel Einführung der Zeitreihen Kapitel 5 Zeitreiheaalyse 5.1 Eiführug der Zeitreihe Uter eier Zeitreihe versteht ma die Etwicklug eier bestimmte Größe, dere Werte im Zeitablauf zu bestimmte Zeitpukte oder für bestimmte Zeititervalle

Mehr

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy. Vo der relative Häufigkeit zur Wahrscheilichkeit Es werde 20 Schüler befragt, ob sie ei Hady besitze. Das Ergebis der Umfrage lautet: Vo 20 Schüler besitze 99 ei Hady. Ereigis E: Schüler besitzt ei Hady

Mehr

Deskriptive Statistik

Deskriptive Statistik Deskriptive Statistik I der beschreibede Statistik werde Methode behadelt, mit dere Hilfe ma Date übersichtlich darstelle ud kezeiche ka. Die Urliste (=Date i der Reihefolge ihrer Erhebug) ist meist umfagreich

Mehr

Forschungsstatistik I

Forschungsstatistik I Prof. Dr. G. Meihardt 6. Stock, Taubertsberg R. 06-06 (Persike) R. 06-31 (Meihardt) Sprechstude jederzeit ach Vereibarug Forschugsstatistik I Dr. Malte Persike persike@ui-maiz.de http://psymet03.sowi.ui-maiz.de/

Mehr