Deskriptive Statistik (Skript) J. Thomsen
|
|
- Bernhard Meyer
- vor 6 Jahren
- Abrufe
Transkript
1 Deskriptive Statistik (Skript) J. Thomse 3. Mai 2008
2
3 Kapitel Deskriptive Statistik. Begriffsdefiitioe.. Utersuchugsobjekte Statistische Eiheite sid die Objekte, a dee die zu utersuchede Date erfasst werde. Beispiel: Bäume, Uterehme, Studete, Wohuge etc. Populatio (Grudgesamtheit) ist die Mege der statistische Eiheite, über die eie Aussage getroffe werde soll (z.b. alle DAX-Uterehme, alle Absolvete eies Jahres etc.), also Teilmege der Grudgesamtheit. Die Populatio ka edlich (z.b. Eiwoher eier Stadt), uedlich (z.b. Mege der mögliche Wartezeite) sei oder hypothetisch (z.b. Mege aller potetielle Kude) sei. Teilpopulatio (Teilgesamtheit) ist eie Auswahl aus der Populatio (Grudgesamtheit) ud wird oft stellvertreted für diese utersucht we eie vollstädige Utersuchug icht möglich oder zu aufwädig ist (z.b. Grudgesamtheit: Korruptiosfälle, Teilgesamtheit: bekate Korruptiosfälle. Populatio: Wahletscheiduge, Teilpopulatio: Umfrageteilehmer)...2 Merkmale ud Auspräguge Merkmale werde die Date geat, die a eier statistische Eiheit beobachtet werde, z.b. Alter, Größe, Farbe etc. Auspräguge (Merkmalsauspräguge) sid die Werte, die ei Merkmal aehme ka, z.b. Merkmal: Alter, Ausprägug: 0, 20, 30,... oder Merkmal: Geschlecht, Ausprägug: mälich, weiblich. Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse Seite
4 KAPITEL. DESKRIPTIVE STATISTIK..3 Merkmalstype Diskretes Merkmal hat edlich viele Auspräguge (z.b. Azahl Urlaubstage, Azahl der Kider im Haushalt) oder abzählbar uedlich viele Auspräguge (z.b. Azahl der Würfe mit eiem Würfel, bis die 6 erscheit). Stetiges Merkmal: die Auspräguge köe alle Werte ierhalb eies Itervalls aehme (z.b. Temperatur, Größe). Quasistetiges Merkmal: die Auspräguge sid diskret aber lasse sich so fei eiteile, dass sie äherugsweise als stetig behadelt werde köe (z.b. Geld). Gruppiertes Merkmal: die Auspräguge sid stetig aber werde i Klasse gruppiert bzw. kathegorisiert (z.b. Altersgruppe: Kider, Teeager, Erwachsee, Seiore). Hierbei heiße die ugruppierte Merkmale Rohdate...4 Skaleiveaus Nomialskaliert: die Auspräguge sid Name ud köe icht i eie Reihefolge gebracht werde (z.b. Religio, Automarke). Ordialskaliert: die Auspräguge lasse sich i eie Reihefolge brige, aber ihre Abstäde sid icht iterpretierbar (z.b. Schulote: ist Note vo Note 2 soweit etfert wie Note 3 vo Note 4?) Itervallskaliert: die Auspräguge lasse sich i eie Reihefolge brige ud die Abstäde sivoll iterpretiere, aber es ka kei sivoller Nullpukt festgelegt werde. Beispiele sid die Temperatur i Celsius ud Jahreszahle. Die Nullpukte sid hier willkürlich festgelegt, ud so köe keie Verhältis-Aussage gemacht werde: So ist z.b. 50 C icht doppelt so warm wie 25 C! Verhältisskaliert: wie itervallskaliert ur mit atürlichem Nullpukt ud der Möglichkeit Verhältisvergleiche azustelle. Beispiele sid z.b. Kredite, Körpergröße, die Temperatur i Kelvi (0 K ist der atürliche Temperaturullpukt ud 323 K ist vergliche mit 298 K etwa, 08 mal wärmer, bzw. 00 Euro auf dem Koto sid füfmal mehr als 20 Euro). Diese Skalierig wird auch kardialskaliert oder metrisch geat. Kardialskaliert, Metrisch sid adere Bezeichuge für verhältisskaliert. Skalehierarchie ist die Ordug der geate Skale bezüglich ihrer Mächtigkeit (siehe Tabelle.). Iformatioe aus eiem feie Skalierugsiveau köe (uter Verlust vo Iformatioe) i eiem grobe Skalierugsiveau verwedet werde, umgekehrt gilt dies jedoch icht. Seite 2 Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse
5 .. BEGRIFFSDEFINITIONEN Skaleart auszähle orde Differeze bilde Quotiete bilde omial ja ei ei ei ordial ja ja ei ei itervall ja ja ja ei verhältis ja ja ja ja Tab..: Skalehierarchie..5 Qualität Qualitativ: Größe mit edlich viele Auspräguge die höchstes ordialskaliert sid (z.b. Farbe, Studiefach). Quatitativ: die Auspräguge stelle Itesität bzw. Ausmaß dar (z.b. Alter, Größe, Geschwidigkeit, Studiedauer). Kardialskalierte Merkmale sid stets quatitativ...6 Studietype Querschittsstudie: Utersuchug eies oder mehrerer Merkmale zu eiem Zeitpukt (z.b. aktuelle Mietpreise). Zeitreihe: Utersuchug eies Merkmals zu verschiedee Zeitpukte (z.b. Aktiekurs eier Firma). Lägsschittstudie (auch Pael geat) etspricht mehrere parallele Zeitreihe (z.b. durchschittliche Eikommesetwickluge pro Budeslad oder Aktierkurse aller DAX-Firme)...7 Auswahlverfahre Stichprobe: die tatsächlich utersuchte Teilpopulatio. Stichprobe sid meist eher klei im Vergleich zur Populatiosgröße. Zufallsstichprobe: um zu erreiche, dass die Stichprobe die Eigeschafte der Grudgesamtheit möglichst geau abbildet, werde die statistische Eiheite meist zufällig (icht willkürlich!) ausgewählt, d.h. jede Eiheit der Populatio hat die gleiche Chace i die Teilpopulatio aufgeomme zu werde. Beispiele für Stichprobe: Zoll-Kotrolle, Umfrage. Systematische Ziehug: Auswahl der Statistische Eiheite ach eiem System, z.b. jede Telefoummer, die mit 555 begit, für Umfrage arufe. Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse Seite 3
6 KAPITEL. DESKRIPTIVE STATISTIK Problematisch, we bei de zu erhebede Date ei ähliches System vorliegt (z.b. we diese Nummer alle a Film-Fas vergebe sid, die sicherlich icht repräsetativ für typische deutsche Bevölkerug sid). Schichtug: die Grudgesamtheit i icht überlappede Schichte aufteile, i jeder eie Zufallsstichprobe durchführe. Ergebisse ach größe der Schichte gewichte. Die Schichtug sollte eg mit dem zu utersuchede Merkmal zusammehäge (hochkorreliert sei), die Schichte sollte utereiader möglichst verschiede sei (heteroge) ud die Eiheite i jeder Schicht möglichst ählich (homoge). Beispiel: Umfrage ach politischer Eistellug (koservativ bis liberal) mit Schichtug ach Größe des Wohorts (Dorf, Kleistadt, Stadt). Klumpestichprobe: Astelle eie Schichtug durchzuführe wird eie bereits vorhadee verwedet. Voraussetzug ist hier, dass die Utersuchugseiheite i jedem Klumpe möglichst uterschiedlich (heteroge) sid, im Gegesatz zur geschichtete Zufallsstichprobe! Beispiel: für Umfrage icht jede zehtausedste Bürger arufe, soder i eiige zufällig ausgewählte Gemeide alle Eiwoher befrage. Quote sid eie Form der Schichtug, wobei die Größe der Teilpopulatioe i jeder Schicht so festgelegt wird, dass das Verhältis (Quote) mit dem der Grudpopulatio übereistimmt. Beispiel: gibt es 5% Fraue im Maschiebau-Studium, so sollte ma sicherstelle, dass geau 5% weibliche Studete i der Stichprobe sid...8 Dategewiug Experimet: Versuch durchführe, um Date zu erhalte. Erhebug: Bereits vorhadee Date utze. Primärerhebug: z.b. Umfrage. Sekudärerhebug: Date, die i adere Studie erhobe wurde utze. Terziärerhebug: Auf Ergebisse, aus Date aus adere Studie stamme, aufbaue. Seite 4 Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse
7 .2. HÄUFIGKEITEN UND VERTEILUNG.2 Häufigkeite ud Verteilug Im Folgede gehe wir davo aus, dass wir über eie Liste vo Rohdate x, x 2,..., x verfüge, die im Zuge eies Experimets oder eier Erhebug beobachtet oder erhobe wurde. Nehme wir zum Beispiel a, wir werfe zwei Würfel ud otiere die Augesumme. Nach 36 würfe erhalte wir (im Idealfall) folgede Rohdate: Häufigkeite Ei erster Schritt um die Date zusammezufasse besteht dari, die Date zu sortiere. I userem Beispiel: Absolute Häufigkeite Nu köe wir zähle, wie oft jede Augesumme vorkommt. Diese Zähluge ee wir absolute Häufigkeite. Im Würfel-Beispiel erhalte wir: Augesumme: absolute Häufigkeit: Modus Der am häufigste vorkommede Wert (hier: 7 mit Häufigkeit 6) wird Modus geat. Relative Häufigkeite Die absolute Häufigkeite habe de Nachteil, dass sie vo der Azahl der erhobee Date abhägig sid. Um dieses Problem zu löse dividiere wir jede der absolute Häufigkeite durch die Azahl der Werte. I userem Beispiel: Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse Seite 5
8 KAPITEL. DESKRIPTIVE STATISTIK Augesumme ,028 0,056 0,083 0, 0,39 0,67 0,39 0, 0,083 0,056 0,028 relative Häufigkeit.2.2 Darstellugsforme Die folgede Visualisierugsforme lasse sich auf Merkmale jeder Skala (omial bis verhältisskaliert) awede. Stabdiagramm Eie Möglichkeit Häufigkeite grafisch darzustelle ist das Stabdiagramm. Hierbei wird für jede Wert eie (vertikale) Liie gezoge, dere Höhe proportioal zu der Häufigkeite dieses Wertes ist. Säulediagramm, Balkediagramm Nach ählichem Prizip fuktioiere auch das Säulediagramm bzw. das Stabdiagramm, ur dass die Liie hier durch Rechtecke ersetzt werde, die vertikal (Säule) oder horizotal (Balke) orietiert sid. Kreisdiagramm, Tortediagramm Das Kreisdiagramm bzw. das Tortediagramm stellt die Häufigkeite als Kreissegmete dar. Ei Kreissegmet, welches die absolute Häufigkeit h darstellt, wird durch de Wikel ϕ = 2π h (Bogemaß) beschriebe. Für relative Häufigkeite f ist der Wikel ϕ = 2πf. Seite 6 Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse
9 .2. HÄUFIGKEITEN UND VERTEILUNG Stabdiagramm der absolute Häufigkeite der Würfelsumme zweier Würfel..2.3 Histogramm Ei Histogramm lässt sich ur für verhältisskalierte Merkmale erstelle. Vorgehesweise: Die Werte werde i Itervalle eier defiierte Klassebreite eigeteilt, die sich berühre aber icht überscheide. Über jedes Itervall wird ei Rechteck gezeichet, desse Fläche proportioal zu der Summe der Häufigkeite der Werte ierhalb des Itervalls ist. 0,028 0,056 0,083 0, 0,39 0,67 0,39 0, 0,083 0,056 0, Histogramm der relative Häufigkeite der Würfelsumme zweier Würfel. Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse Seite 7
10 KAPITEL. DESKRIPTIVE STATISTIK Eigeschafte des Histogramms Die Fläche uter dem Histogramm ist (Azahl der Messuge) bei absolute Häufigkeite bzw. bei relative Häufigkeite. Die Fläche F jedes Rechtecks gibt die Häufigkeit der Ereigisse a, die ierhalb des Itervalls liege. Allgemei ist die Höhe des Rechtecks über dem Itervall [x a, x b ] Rechtechshoehe = x a x<x b h(x) x b x a (.) Z.B. i userem Fall, mit Klassebreite 3: Im mittlere Itervall [5.5, 8.5] liege die Augezahle 6, 7, 8 mit de absolute Häufigkeite h(6) = 5, h(7) = 6, h(8) = 5. Die Höhe des zugehörige Rechtechs ist somit h(6) + h(7) + h(8) = 6 ud seie Fläche h(6)+h(7)+h(8) = Histogramme mit Klassebreite 4, 3, 2 ud..2.4 Empirische Verteilug Die Häufigkeit gibt a, wie oft der Wert x i auftrat. Wolle wir wisse, wie oft die Werte x i kleier als x ware, so müsse wir die kumulierte Häufigkeit der Werte x i bilde. Ist z.b. gefragt Wie oft trate Augesumme kleier oder gleich 5 auf so bilde wir F (5) = h(2) + h(3) + h(4) + h(5) (hier: F (5) = = 0). Im Würfel-Beispiel erhalte wir: Seite 8 Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse
11 .2. HÄUFIGKEITEN UND VERTEILUNG Augesumme kumulierte absolute Häufigkeit Die absolute kumulierte Häufigkeite habe wieder de Nachteil, dass sie vo der Azahl der erhobee Date abhägig sid. Um dieses Problem zu löse dividiere wir durch die Azahl der Werte. I userem Beispiel: Augesumme ,028 0,084 0,67 0,278 0,47 0,584 0,722 0,833 0,96 0,982,000 kumulierte relative Häufigkeit bzw. empirische Verteilug F (x) = H(x) Ateil der Werte x i mit x i x (.2) bzw. F (x) = h(x i ) (.3) x i x 0,584 0,722 0,39 0,833 0, 0,96 0,982,000 0,056 0,028 0,083 0,028 0,084 0,67 0,028 0,056 0,083 0,278 0, 0,47 0,39 0, Empirische Verteilug der Augesumme zweier Würfel. Eigeschafte der Verteilug: Wertebereich [0, ] (relative Verteilug) bzw. [0, ] (absolute Verteilug). Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse Seite 9
12 KAPITEL. DESKRIPTIVE STATISTIK Mooto steiged. Stetig. Im Fall der empirische Verteilug liegt außerdem eie Treppefuktio vor..3 Quatile Quatile stelle i gewisse Sie die Umkehrfuktio der Verteilug dar. Astelle zu frage Wie häufig ware die Werte kleier als x iteressiert us u Die p vorkommede (kleiste) Werte ware alle kleier als welcher x Wert. Wir ee diese Wert das p-quatil. Beispiele: Das 25%-Quatil z 0,25 Für welche Augesumme z 0,25 gilt, dass die 25% der kleiste Augesumme daruter liege. Hier: F (5) = 0, 278 liegt grade über 25%, d.h. (etwas mehr als) 25% der auftretede Augesumme sid kleier oder gleich 5. Das 50%-Quatil wird auch als Media bezeichet. Die 25%, 50%ud75%-Quatile heiße auch. Quartil, 2.Quartil ud 3.Quartil. Selteer werde Dezetile verwedet (Quatile i 0%-Schritte) oder auch Perzetile (Quatile i %- Schritte). Für de Fall Die p vorkommede (kleiste) Werte ware alle größer als welcher x Wert verwede wir eifach - p-quatil, also z p. Als Iterquartilsabstad bezeiche wir die Differez x 0,75 x 0,25. 00% 75% 50% 25% 0% z 0,25 z 0,5 z 0, Quatile für 25% (. Quartil), 50% (Media, 2. Quartil) ud 75% (3. Quartil). Seite 0 Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse
13 .4. KENNGRÖSSEN.4 Kegröße.4. Lagewert Arithmetisches Mittel Der Mittelwert x ist der Wert, um de die Werte x i schwake (siehe A..). x = x k (.4) I userem Beispiel ergibt sich für das arithmetische Mittel geau 7. Gewichtetes arithmetisches Mittel x = k x k (.5) k Da der Mittelwert empfidlich gege Ausreißer i de Date ist, verwedet ma machmal auch das getrimmte Mittel welches dari besteht, extreme Werte (z.b. kleier als 5%-Quatil oder größer als 95%-Quatil) bei der Mittelwertbildug icht zu berücksichtige. Werde die x i Werte liear trasformiert, d.h. mit eier Kostate a multipliziert ud eie Kostate b aufsummiert, also y i = ax i + b, so gilt für de Mittelwert ȳ = a x + b (siehe A..). Geometrisches Mittel x geom = x k (.6) Das geometrische Mittel fidet bei expoetielle Wachstumsprozesse Awedug. Beispiel: ageomme wir beobachte, dass eie Bakteriekultur sich i eier gewisse Zeitspae verdoppelt, ach ocheimal dieser Zeitspae vervierfacht ud schließlich kostat bleibt. Wie ist das durchschittliche Wachstum? Nach.6 erhalte wir x geom = = 3 8 = 2 (.7) Die Bakteriekultur verdoppelt sich also im Durchschitt. Das arithmetische Mittel wäre hier mit 7 icht korrekt. 3 Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse Seite
14 KAPITEL. DESKRIPTIVE STATISTIK Harmoisches Mittel x har = (.8) x i Beispiel: Wir fahre eie gewisse Strecke (z.b. 00km) mit 00 km h mit 50 km. Da ist die Durchschittsgeschwidigkeit h ud ebesoweit x har = ( 2 00 km h + 50 km h ) = 200 km 3 h 67km h Bemerkug: ist statt eier feste Fahrstrecke eie feste Fahrzeit agegebe, so müsse wir wie gewoht das arithmetische Mittel awede (dies wäre i diesem Fall 75 km h ). Media Der Wert m für de gilt, dass geausoviele Rohdate kleier sid als m (also x i < m) ud ebesoviele Rohdate größer sid als m (also x i > m) wird Media geat (siehe auch A..2). Wir ermittel de Media z.b. idem wir die Rohdate sortiere ud de mittlere Wert dieser Liste auswähle. Damit ist der Media idetisch mit dem 50% Quatilz 0.5. Beispiel: Sortiert Rohdate (usortiert) Rohdate (sortiert) Media Der Media (hier 6) ist stabiler gege Ausreißer i de Date als der Mittelwert (hier 0, 647). Modus Der häufigste Wert wird Modus geat. Z.B : Modus 4 Seite 2 Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse
15 .4. KENNGRÖSSEN Empirische Streuug Die (empirische) Stadardabweichug beschreibt, wieviel die Werte um der Mittelwert schwake (siehe auch A.2). s = (x k x) 2 (.9) Das Quadrat der (empirische) Stadardabweichug wird (empirische) Variaz geat: v = s 2 = (x k x) 2 (.0) Machmal ist es eifacher, eie alterative Methode zur Berechug der Variaz zu verwede (siehe auch A.2.): s 2 = V ar(x) = ( x 2 k ) x 2 (.) Werde die x i Werte liear trasformiert, d.h. mit eier Kostate a multipliziert ud eie Kostate b aufsummiert, also y i = ax i + b, so gilt für die Variaz V ar(y) = a 2 V ar(x) (siehe A.2.2). Miimum, Maximum, Spaweite Das Miimum ist der kleiste Wert der Urliste, das Maximum der Größte. Der Abstad zwische Miimum ud Maximum max mi wird Spaweite geat. Schiefe m 3 = (x k x) 3 (.2) Schiefe = m 3 s 3 (.3) Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse Seite 3
16 KAPITEL. DESKRIPTIVE STATISTIK Lageregel Für symmetrische Verteilug (Schief e = 0) gilt: M ittelwert M edia Modus. Für likssteile Verteilug (Schiefe > 0) gilt: Mittelwert < Media < Modus. Für rechtssteile Verteilug (Schiefe < 0) gilt: Mittelwert > Media > Modus. Wölbug m 4 = (x k x) 4 (.4) Woelbug = m 4 s 4 3 (.5) Füf-Pukte-Zusammefassug Zusammefassug der füf wichtigste Werte eier Verteilug: x mi, x 0,25, x med, x 0,75, x max (.6) Box-Plot Graphische Darstellug der Füf-Pukte-Zusammefassug:. Afag der Box: 25%-Quatil x Ede der Box: 75%-Quatil x Media als Pukt i der Box markiere 4. Liie vo Afag der Box ach auße bis x mi ( Whisker ) 5. Liie vo Ede der Box ach auße bis x max ( Whisker ) Beispiel: Urliste Seite 4 Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse
17 .4. KENNGRÖSSEN Boxplot Modifizierter Box-Plot Um potetielle Ausreißer i de Date zu erkee, bildet ma Zäue. Z.B. z u = 5%-Quatil z o = 95%-Quatil. Die ( Whisker ) werde u ur och bis zum jeweilige Zau gezeichet. Date außerhalb der Zäue werde als Ausreißer idividuell eigezeichet..4.2 Momete I der Statistik sid Momete Kegröße eier Verteilugsfuktio.. Momet: Mittel m = x k (.7) 2. Momet: Variaz m 2 = (x k x) 2 (.8) Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse Seite 5
18 KAPITEL. DESKRIPTIVE STATISTIK 3. Momet: Schiefe m 3 = (x k x) 3 Schiefe = m 3 m (.9) 4. Momet: Wölbug m 4 = (x k x) 4 W oelbug = m 4 m 2 2 (.20).4.3 Bestimmug der Kozetratio Die Kozetratio ka für alle Type vo Merkmale (ab Nomialskala) bestimmt werde. Sie zeigt wie (u)gleichmäßig die Häufigkeite verteilt sid. Beispiel: I drei Städte sid füf Corflakes-Marke vertrete. Wie (u)gleichmäßig sie auf dem Markt verteilt? Lorezkurve Wir sortiere die Urliste, so dass x x. Nu bilde wir die Paare (u i, v i ) mit u i = i/ (.2) ud v i = i x k (.22) x k Die Puktefolge (0, 0), (u, v ),..., (u, v ) wird Lorezkurve geat. i u i Stadt A x i i x k v i Stadt B x i i x k v i Stadt C x i i x k v i x Seite 6 Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse
19 .4. KENNGRÖSSEN Darstellug der Lorezkurve Kozetratiosmaß: Gii-Koeffiziet Eie Möglichkeit die Kozetratio auszudrücke besteht dari, de Ateil der Fläche zwische Lorezkurve ud Diagoale im Verhältis zu der Fläche zwische Diagoale ud u-achse zu messe (Herleitug siehe A.3). G = 2 ix i + x i (.23) G liegt im Itervall [0, ] d.h. G mi = 0 ud G max =. Normierter Gii-Koeffiziet Problematisch ist, dass der maximale Gii-Koeffiziet G max = Azahl der Werte abhägig ist. Um dies auszugleiche wird der Gii-Koeffiziet ormiert: G = G max G = 2 ix i + x i G liegt im Itervall [0, ] d.h. G mi = 0 ud G max =. Je größer wird, desto weiger macht sich dieser Fehler bemerkbar vo der (.24) Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse Seite 7
20 KAPITEL. DESKRIPTIVE STATISTIK.5 Zweidimesioale Date Oft iteressiere wir us bei eier Utersuchugseiheit icht ur für ei Merkmal soder für mehrere ud isbesodere für dere Zusammehag. We wir z.b. die Merkmale Prüfugsote ud Aweseheit erhebe, wäre es iteressat zu wisse, ob häufigere Aweseheit mit eier bessere Note eihergeht..5. Darstellug der 2d-Date Streudiagramm Eie Möglichkeit zweidimesioale Date darzustelle ist das Streudiagramm. Hierbei wird jedes Datum als Pukt i eiem Koordiatesystem aufgefasst. Streudiagramm 2d-Histogramm Da bei großer Datemege ei Streudiagramm uübersichtlich werde ka, wird stattdesse oft ei 2d-Histogramm erstellt. Dieses fuktioiert ach deselbe Prizipie wie das d-histogramm, ur dass astelle vo Rechtecke Quader verwedet werde, dere Volume der Häufigkeit der vo ihe repräsetierte Werte etspricht. Das Gesamtvolume des 2d-Histogramms ist immer (bei relative Häufigkeite) bzw. (bei absolute Häufigkeite). Kotigeztabelle Die Häufigkeite lasse sich i eier Kotigeztabelle bzw. Kotigeztafel absoluter Häufigkeite darstelle. Seite 8 Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse
21 .5. ZWEIDIMENSIONALE DATEN b... b m a h... h m h a l h l... h lm h l h... h m Hier sid a i die Auspräguge des Merkmals a ud b j die Auspräguge des Merkmals b. Die Häufigkeite eier Utersuchugseiheit mit dem Merkmal (a i, b j ) ist mit h ij bezeichet. Die Spaltesumme h j = l h ij bzw. die Zeilesumme h i = m j= h ij werde auch als Radhäufigkeite bezeichet. Es gilt: Summe aller Spaltesumme = Summe aller Zeilesumme =. = 3, 0 Note < 2, 0 2, 0 Note < 4, 0 Zeilesumme häufig awesed 3 4 selte awesed 2 9 Spaltesumme Kotigeztabelle fiktiver Note-/Aweseheitsdate..5.2 Bedigte relative Häufigkeite Vorgehesweise: Häufigkeit des zu utersuchede Merkmals durch Radsumme der bedigede Merkmale dividiere. Im vorige Beispiel: f(gute Note haeufig awesed) = h(gute Note ud haeufig awesed) h(haeufig awesed) = 3/4 f(gute Note selte awesed) = h(gute Note ud selte awesed) h(selte awesed) = 2/.5.3 Empirische Uabhägigkeit Defiitio.. Bleibt die relative Häufigkeit f(a) uverädert uter der Bedigug b so ee wir die Variable a ud b empirisch uabhägig. b b 2 a 2 3 a Hier: f(a ) = +2 2 = 4 = f(a b ) d.h. a ud b sid empirisch uabhägig. Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse Seite 9
22 KAPITEL. DESKRIPTIVE STATISTIK.5.4 Zusammehagsmaße Sehe wir us das vorige Beispiel ocheimal a, u als Kotigeztafel relativer Häufigkeite. Da a ud b empirisch uabhägig sid, lasse gilt f ij = f j f i bzw. h ij = h jh i. f b b 2 a a 2 = = = h b b 2 a = = a 2 3 = = χ 2 -Koeffiziet Um Ahad eier Häufigkeitstabelle zu ermittel, wieweit die Variable a ud b voeiader abhägig sid, bestimme wir für jede absolute Häufigkeit h ij, wieweit diese vo der für uabhägige Werte erwartete Häufigkeit h jh i abweicht, ud bilde die Summe der quadrierte Differeze (h ij h jh i )2. Defiitio.2. χ 2 -Koeffiziet: χ 2 = l m j= (h ij h i h j )2 h i h j (.25) Problem: der χ 2 -Koeffiziet ist abhägig vo der Azahl der Werte ud lässt sich damit icht direkt iterpretiere. Defiitio.3. Der Kotigezkoeffiziet löst dieses Problem idem er de χ 2 -Koeffiziete ormiert, so dass 0 K <. χ K = 2 (.26) χ Weitere Normierug: ormierter Kotigezkoeffiziet mit 0 K K = K mi(l, m) mit K max = K max mi(l, m) (.27) Die Werte liege zwische 0 (Uabhägigkeit der Variable), ud (Abhägigkeit der Variable). Seite 20 Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse
23 .5. ZWEIDIMENSIONALE DATEN Empirischer Korrelatioskoeffiziet Bisher habe wir die (U-)Abhägigkeit ahad der Häufigkeite utersucht. Wir köe de Zusammehag allerdigs aucch direkt ahad der Rohdate utersuche. Zu diesem Zweck führe wir die Kovariaz ei. Defiitio.4. Die empirische Kovariaz ermittelt iwiefer die Date X ud Y i dieselbe Richtug streue. s XY = (x i x)(y i ȳ) (.28) Die empirische Kovariaz ist u och auf Werte i [0, ] zu ormiere. Defiitio.5. Der empirische Korrelatioskoeffiziet ist ei Maß für de lieare Zusammehag zweier Merkmale. r = r XY = s XY s X s Y = Alterative Form: r = r XY = s XY s X s Y = empirische Kovariaz {}}{ (x i x)(y i ȳ) (x i x) 2 (y i ȳ) 2 }{{} StadardabweichugvoY }{{} StadardabweichugvoX (.29) x i y i xȳ ( ) ( ) (.30) x 2 i x2 yi 2 ȳ2 Übug {(, ), (3, ), (, 3), (3, 3)} r = 0 {(, ), (2, 2), (3, 3)} r = {(, 3), (2, 2), (3, )} r = {( 2, ), (0, 0), (2, )} r = {(, ), (2, ), (, 3), (2, 3)} r = 0 {(, 2), (2, ), ( 2, ), (, 2)} r = 0, 8 Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse Seite 2
24 KAPITEL. DESKRIPTIVE STATISTIK Hiweise Der Korrelatioskoeffiziet erfasst ur lieare Zusammehäge, adere (z.b. Kurve, etwa U-förmige) werde icht erfasst. Es besteht die Gefahr vo Scheikorrelatioe. We etwa festgestellt wird, dass die Azahl der Störche mit der Azahl der Geburte korreliert ist, so bedeutet dies icht, das die Kider der Storch brigt! Stattdesse häge beide Variable mit der fortschreitede Idustrialisierug zusamme, die eierseits Familieplaug erleichtert ud aderseits durch Veräderug der Umwelt de Störche das Lebe schwer macht. Hohe Korrelatio beweist keie kausale Zusammehag, ka aber geutzt werde, um ei Model zu stütze oder zu wiederlege. Verdeckte Korrelatio z.b. tritt auf, we die Populatio aus zwei Teilpopulatioe besteht, ud i der eie eie positive, i der adere higege eie egative Korrelatio besteht, so dass diese sich i der Summe aufhebe ud für die Gesamtpopulatio keie Korrelatio sichtbar ist..5.5 Lieare Regressio Es seie Werte der Form (x i, y i ) gegebe (z.b. liege im Fall eier Zeitreihe Zeitpukte x i ud Werte y i vor). Durch diese Werte soll eie Ausgleichsgerade gelegt werde, die für jede Wert x i eie progostizierte Wert ŷ i liefert: ŷ i = α + βx i. Die Ausgleichsgerade verläuft so, dass die quadratische Abweichuge zwische Gerade ud Pukte miimiert werde (Herleitug siehe A.4). Wir ermittel β mit β = y i x i ȳ x = x 2 i x2 (x i x)(y i ȳ) = s XY (x i x) 2 s 2 X (.3) ud α mit α = ȳ β x (.32).5.6 Beispiel i x i y i Seite 22 Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse
25 .5. ZWEIDIMENSIONALE DATEN Die Azahl der Werte ist = 4, wir ermittel die Mittelwerte als x = ( ) = 4 ud ȳ = ( ) =. 4 Damit ist β β = y i x i ȳ x = x 2 i x2 ud α ist ( ) + (2 2) + (2 4) + (3 5) = α = ȳ β x = = = Beispielwerte mit Ausgleichsgerade. Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse Seite 23
26 ANHANG A.... ZUR DESKRIPTIVEN STATISTIK Ahag A... zur deskriptive Statistik A. Optimalität der Lageparameter A.. Arithmetisches Mittel Welcher Wert z hat de gerigste Abstad zu alle Auspräguge x k? D.h. welcher Wert beschreibt die Date isgesamt am beste? Es gilt die Summe der quadratische Abweichuge Q = (x k z) 2 (A.) zu miimiere: ( ) d (x k z) 2 = dz d ( (xk z) 2) = dz 2(x k z)( ) = 2 (x k z) Auflöse ach z: Seite 24 Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse
27 A.. OPTIMALITÄT DER LAGEPARAMETER 2 (x k z) = 0 (x k z) = 0 ( ) x k z = 0 x k = z x k = z Die Summe der quadratische Abweichuge wird durch das arithmetische Mittel miimiert. x = x k (A.2) Liear trasformiertes Mittel Bei eier lieare Trasformatio der Date y k = ax k + b gilt: ȳ = ax k + b = ax k + b = a x k + b = a x + b (A.3) A..2 Media Was passiert, we wir astelle der Summe der quadratische Abweichuge (siehe A..) die Summe der Beträge miimiere? Q = x k z (A.4) zu miimiere: ( ) d x k z = dz d dz x k z = sg(x k z) = 0 Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse Seite 25
28 ANHANG A.... ZUR DESKRIPTIVEN STATISTIK Diese Gleichug ist geau da erfüllt, we die Hälfte der Werte x k kleier ud die adere Hälfte größer sid als z, de da liefert sg(x k z) geauso oft für die kleiere wie + für die größere Werte, so dass sich i der Summe 0 ergibt. Die Zahl z, welche diese Bedigug erfüllt, wird Media geat. Ist gerade, so kommt jeder Wert zwische de beide der Mitte am ächste liegede Werte i Frage. A.2 Streuug, Stadardabweichug, Variaz Wieviel schwake die Date i.a. um de Mittelwert? Es gilt die Summe der quadratische Abweichuge der Abstäde der Werte zum Mittelwert zum gesuchte Wert Q = ((x k x) 2 s 2 ) 2 (A.5) zu miimiere: ( ) d ((x k x) 2 s 2 ) 2 = ds d ( ((xk x) 2 s 2 ) 2) = ds 2((x k x) 2 s 2 )( 2s) = 4s ((x k x) 2 s 2 ) = 4s 3 4s (x k x) 2 Auflöse ach s: Seite 26 Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse
29 A.2. STREUUNG, STANDARDABWEICHUNG, VARIANZ 4s 3 4s 4s (x k x) 2 = 0 (x k x) 2 = 4s 3 (x k x) 2 = s 2 (x k x) 2 = s Die Stadardabweichug beschreibt, wieviel die Werte um de Mittelwert schwake. s = (x k x) 2 (A.6) A.2. Alterative Variaz-Berechug x 2 k = = = = (x k x + x) 2 [(x k x) 2 + 2(x k x) x + x 2 ] (x k x) x (x k x) 2 + x 2 2(x k x) + x 2 Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse Seite 27
30 ANHANG A.... ZUR DESKRIPTIVEN STATISTIK Ud ach Umforme: x 2 k = (x k x) 2 + x 2 x 2 k = (x k x) 2 + x 2 ( ) (x k x) 2 = x 2 k x 2 ud damit: s 2 = V ar(x) = ( x 2 k ) x 2 (A.7) A.2.2 Variaz bei liearer Trasformatio Bei eier lieare Trasformatio der Date y k = ax k + b gilt: V ar(y) = = = = (y k ȳ) 2 mit A.. ((ax k + b) (a x + b)) 2 (ax k a x) 2 a 2 (x k x) 2 = a 2 (x k x) 2 = a 2 V ar(x) A.3 Herleitug des Gii-Koeffiziete Die Fläche zwische v-achse ud Lorezkurve ist ix i. Davo subtrahiere wir die Fläche zwische v-achse ud Diagoale 2 x i. Seite 28 Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse
31 A.4. HERLEITUNG DER REGRESSIONSGERADEN 5 x 5 4 x 4 3 x 3 2 x 2 x ud erhalte die absolute Fläche zwische Lorezkurve ud Diagoale: F abs = ix i + 2 Um die relative Fläche zu erhalte (also de Ateil der Fläche zwische Lorezkurve ud Diagoale im Verhältis zur Gesamtfläche), dividiere wir durch die Summe der x i, durch ud multipliziere mit 2 ud erhalte G liegt im Itervall [0, ]. G = 2 2 ix i x i + x i x i (A.8) A.4 Herleitug der Regressiosgerade Es seie Werte der Form (x i, y i ) gegebe (z.b. liege im Fall eier Zeitreihe Zeitpukte x i ud Werte y i vor). Durch diese Werte soll eie Ausgleichsgerade gelegt werde, die für jede Wert x i eie progostizierte Wert ŷ i liefert: ŷ i = α + βx i. Die Ausgleichsgerade verläuft so, dass die quadratische Abweichuge zwische Gerade ud Pukte miimiert werde. Wir bestimme also α ud β so dass Q(α, β) = (y i ŷ i ) 2 = (y i (α + βx i )) 2 (A.9) Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse Seite 29
32 ANHANG A.... ZUR DESKRIPTIVEN STATISTIK miimal wird. Um das Miimum zu bestimme, führe wir eie partielle Ableitug ach α ud β durch. Partielle Ableitug ach α: dq(α, β) dα = d (y i (α + βx i )) 2 dα = d dα (y i α βx i ) 2 = 2(y i α βx i )( ) Nullsetze der Gleichug: 2 (y i α βx i ) = 0 y i α β x i }{{}}{{} = 0 ȳ x also α = ȳ β x (A.0) Partielle Ableitug ach β: dq(α, β) dβ = d dβ = = (y i (α + βx i )) 2 d dβ (y i α βx i ) 2 2(y i α βx i )( x i ) Seite 30 Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse
33 A.4. HERLEITUNG DER REGRESSIONSGERADEN Nullsetze der Gleichug: 2 (y i α βx i )( x i ) = 0 y i x i α x i β x 2 i }{{} = 0 x y i x i α x β x 2 i = 0 Eisetze vo Gleichug A.0 ergibt: y i x i (ȳ β x) x β y i x i ȳ x + β x 2 β x 2 i = 0 x 2 i = 0 Auflöse ach β: β x 2 β x 2 i = ȳ x ( ) β x 2 x 2 i = ȳ x y i x i y i x i β = β = ȳ x x 2 y i x i x 2 i y i x i ȳ x x 2 i x2 = s XY s 2 X (A.) Mit de Gleichuge A.0 ud A. köe wir die Ausgleichsgerade also wie folgt bestimme: ŷ i = α + βx i = (ȳ β x) + βx i = (ȳ x s XY s 2 X ) + s XY s 2 X x i (A.2) Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse Seite 3
34 LITERATURVERZEICHNIS Literaturverzeichis [] Fahrmeir, Küstler, Pigeot, Tutz: Statistik, Spriger Verlag [2] A. Steger: Diskrete Strukture I, Spriger Verlag [3] Touteburg: Iduktive Statistik, Spriger Verlag [4] Touteburg: Deskriptive Statistik, Spriger Verlag [5] Fahrmeir, Küstler, Pigeot, Tutz, Caputo, Lag: Arbeitsbuch Statistik, Spriger Verlag [6] Eric Weisstei: Mathworld, [7] Brostei / Semedjajew: Taschebuch der Mathematik, Verlag Harri Deutsch [8] Wikipedia ( Statistik ), title=statistik&oldid= Seite 32 Deskriptive Statistik (Skript), Stad 3. Mai 2008, J.Thomse
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
Mehrh 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
MehrStatistik 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
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
MehrHarmonisches 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
Mehr2.2.1 Lagemaße. Exkurs: Quantile. und n. p n
Ekurs: Quatile Ausgagspukt : Geordete Urliste Jeder Wert p, mit 0 < p
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
MehrSind Sie mit unserem Angebot zufrieden? ja nein weiß nicht
STATISTIK Eiführug Statistik kommt vom italieische Wort statistica, was so viel wie Staatsma bedeutet. Früher verwedete ma de Begriff ur für eie Auswertug vo Date (Klima, Bevölkerug, Bräuche,...) eies
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
MehrUmrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung
.3. Prozetuale Häufigkeitsverteilug (HV) Die prozetuale Häufigkeitsverteilug erlaubt de Vergleich vo Auswertuge, dee uterschiedliche Stichprobegröße zugrude liege. Es köe auch uterschiedliche Stichprobegröße
MehrVl 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
MehrAbsolutskala: 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
MehrUnivariate Verteilungen
(1) Aalyse: "deskriptive Statistike" Aalysiere -> deskriptive Statistike -> deskriptive Statistik Keie tabellarische Darstellug der Häufigkeitsverteilug () Aalyse: "Häufigkeitsverteilug" Aalysiere -> deskriptive
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
MehrII. Grundzüge der Stichprobentheorie
II. Grudzüge der Stichprobetheorie Grüde für Stichprobeerhebug - deutlich gerigere Koste - größere Awedugsbreite - kürzere Erhebugs- ud Auswertugszeite - i der Regel größere Geauigkeit der Ergebisse Begriffsbestimmug
MehrÜbungen mit dem Applet erwartungstreu
Übuge mit dem Applet erwartugstreu Visualisierug vo erwartugstreu Begriffe ud statischer Hitergrud. Visualisieruge mit dem Applet..3. Zufallsstreuug der Eizelwerte...3. Mittelwerte 3.3 Variaz. 4.4 Variaz
MehrDiesen Grenzwert nennt man partielle Ableitung von f nach x i und
Bevor wir zum ächste Kapitel übergehe, werde wir de Begri eier Fuktio i mehrere Variable eiführe. Eie Fuktio vo Variable ist eie Vorschrift, die jedem Pukt (x 1,x,...,x ) eier Teilmege D des IR eie bestimmte
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
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
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
MehrFormelsammlung. Deskriptive Statistik und Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen
Formelsammlug Deskriptive Statistik ud Elemetare Wahrscheilichkeitsrechug Prof. Dr. Ralf Rude Statistik ud Ökoometrie, Uiversität Siege Prof. Dr. Ralf Rude - Uiversität Siege I Statistische Grudbegriffe
MehrLineare 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
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:
MehrHerleitung 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
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
Mehr6. Übung - Differenzengleichungen
6. Übug - Differezegleichuge Beispiel 00 Gesucht sid alle Lösuge vo a) x + 3x + = 0 ud b) x + x + 7 = 0, jeweils für 0. Um diese lieare Differezegleichug erster Ordug zu löse, verwede wir die im Buch auf
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
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
MehrDeskriptive 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
Mehr2. 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
Mehrh 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...
MehrEmpirische 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,...,
MehrJugendliche (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
MehrBeispiel: 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
MehrKlausur 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
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
MehrMethode der kleinsten Quadrate
Methode der kleiste Quadrate KAPITEL 5: REGRESSIONSRECHNUNG Die Methode der kleiste Quadrate (MklQ) ist ei Verfahre zur Apassug eier Fuktio a eie Puktwolke. Agewadt wird sie beispielsweise, um eie Gesetzmäßigkeit
MehrLage- 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
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
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)
Mehr4 Schwankungsintervalle Schwankungsintervalle 4.2
4 Schwakugsitervalle Schwakugsitervalle 4. Bemerkuge Die bekate Symmetrieeigeschaft Φ(x) = 1 Φ( x) bzw. Φ( x) = 1 Φ(x) für alle x R überträgt sich auf die Quatile N p der Stadardormalverteilug i der Form
MehrKonzentration und Disparität
Begleitede Uterlage zur Übug Deskriptive Statistik Michael Westerma Uiversität Esse Ihaltsverzeichis 6 Kozetratios- ud Disparitätsmessug................................ 2 6.1 Begriff ud Eileitug.......................................
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
MehrFolgen und Reihen. 23. Mai 2002
Folge ud Reihe Reé Müller 23. Mai 2002 Ihaltsverzeichis 1 Folge 2 1.1 Defiitio ud Darstellug eier reelle Zahlefolge.................. 2 1.1.1 Rekursive Defiitio eier Folge......................... 3 1.2
MehrNormalverteilung. Voraussetzung und verwandte Themen. Einführung. Ziel und Nutzen. Grundlagen
h Normalverteilug Voraussetzug ud verwadte Theme Für diese Beschreibuge sid Grudlage der Statistik ud isbesodere der statistische Verteiluge vorteilhaft. Weiterführede Theme sid: www.versuchsmethode.de/verteilugstests.pdf
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-
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,
MehrLineare Regression. Roland Heynkes. 18. April 2006, Aachen
Lieare Regressio Rolad Heykes 18. April 2006, Aache Es kommt i der Natur relativ oft vor, daß zwei Größe statistisch mit eiader verbude sid. We sich diese Verbudeheit mathematisch durch eie Fuktio beschreibe
MehrTests für beliebige Zufallsvariable
Kapitel 10 Tests für beliebige Zufallsvariable 10.1 Der Chi-Quadrat-Apassugstest Sei x eie gaz beliebige Zufallsvariable, dere Dichtefuktio icht oder icht geau bekat ist. Beispiel: Es seie z.b. mittels
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
MehrLGÖ 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
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
MehrZusammenfassung: 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
MehrDiskrete Zufallsvariablen
Erste Beispiele diskreter Verteiluge Diskrete Zufallsvariable Beroulli-Verteilug Eie diskrete Zufallsvariable heißt beroulliverteilt mit arameter p, falls sie die Wahrscheilichkeitsfuktio p,, f ( ) ( )
Mehr7.2 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
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
MehrZusammenfassung: Folgen und Konvergenz
LGÖ Ks VMa Schuljahr 6/7 Zusammefassug Folge ud Kovergez Ihaltsverzeichis Defiitioe ud Beispiele für Folge Beschräkte Folge Kovergez vo Folge Grezwertsätze für Folge 5 Für Experte 7 Defiitioe ud Beispiele
Mehr3 Folgen, Reihen, Grenzwerte 3.1 Zahlenfolgen. Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.
3 Folge, Reihe, Grezwerte 3.1 Zahlefolge Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.000, 1 3 Folge, Reihe, Grezwerte 3.1 Zahlefolge Defiitio: Eie
MehrDritter Zirkelbrief: Ungleichungen
Matheschülerzirkel Uiversität Augsburg Schuljahr 014/015 Dritter Zirkelbrief: Ugleichuge Ihaltsverzeichis 1 Grudlage vo Ugleichuge 1 Löse vo Ugleichuge 3 3 Mittel 4 4 Mittelugleichuge 5 5 Umordugsugleichug
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte SS00 7.Sitzug vom.06.00 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluß Grudlage des Iduktiosschlusses:
MehrStatistik ) 217 Haushalte 3) 2) Anzahl der TV-Geräte ) 220 Personen, 96 Personen, 285 Personen 2) 6,6. 8,7 m 1 0,06
Statistik 7 7. Erstelle eier stabelle i der Klasse, idividuell verschiedee Ergebisse sid möglich. 7. ) ordial ) omial 3) metrisch ) metrisch 7.3 ) Diskret. Es komme ur atürliche Zahle als Ergebis i Frage.
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
Mehr6 Grenzwerte von Zahlenfolgen
6 Grezwerte vo Zahlefolge Ei zetraler Begriff der Aalysis ist der des Grezwertes. Wir begie mit der Betrachtug vo Grezwerte vo Zahlefolge. 6. Zahlefolge 6.. Grudbegriffe Defiitio 6... Eie Fuktio f : Z
MehrFormelnfürdieAnzahlmöglicherQuadrateaufn*nSpielfeldern
Modrago Formel Herleitug, Azahl Quadrate ud Differeze 01.doc 1 FormelfürdieAzahlmöglicherQuadrateauf*Spielfelder Mit Erläuteruge zur Ableitug der Formel vo Dr. Volker Bagert Berli, 11.03.010 Ihaltsverzeichis
MehrDas 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
Mehr4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa
20 I. Zahle, Kovergez ud Stetigkeit 4 Kovergete Folge 4. Dezimalzahle ud Itervallschachteluge. a) Reelle Zahle werde meist als Dezimalzahle dargestellt, etwa 7,304 = 0+7 +3 0 +0 00 +4 000. Edliche Dezimalzahle
MehrStatistik 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
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
MehrStatistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik
Statistik Kapitel 5: Schließede Statistik 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel 1» Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte der arithmetische
MehrKapitel 9: Schätzungen
- 73 (Kapitel 9: chätzuge) Kapitel 9: chätzuge Betrachte wir folgedes 9. Beispiel : I eiem Krakehaus wurde Date über Zwilligsgeburte gesammelt. Bei vo 48 Paare hatte die beide Zwillige verschiedees Geschlecht.
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte 7.Sitzug 35 Seite, SoSe 003 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluss Grudlage
MehrStatistik I im Sommersemester 2007
Statistik I im Sommersemester 2007 Theme am 30.4.2007: Uivariate Verteiluge II Graphische Darstellug omialskalierter Verteiluge Verteilugsparameter: Lagemaße Modus, Media ud Mittelwerte Lerziele:. Iterpretatio
MehrMethoden: Heron-Verfahren, Erweiterung von Differenzen von Quadratwurzeln
6 Kovergete Folge Lerziele: Kozepte: Grezwertbegriff bei Folge, Wachstumsgeschwidigkeit vo Folge Resultat: Mootoe beschräkte Folge sid koverget. Methode: Hero-Verfahre, Erweiterug vo Differeze vo Quadratwurzel
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
MehrWirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel
3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Beispiel: Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische
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 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
MehrAnalysis I Lösungsvorschläge zum 3. Übungsblatt Abgabe: Bis Donnerstag, den , um 11:30 Uhr
Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Dipl.-Math. Lars Machiek Dipl.-Math. Sebastia Schwarz WS 206/207 03..206 Aalysis I Lösugsvorschläge zum 3. Übugsblatt Abgabe:
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
MehrDer Modus. Lageparameter. Beispiel (Einrichtungen) Beispiel (Lieblingsfarben) Modus. Untersuchungseinheiten U 1,...,U n. Merkmal X
Lageparameter Der Modus Utersuchugseiheite U,...,U Modus mod Mermal X Urliste,..., geordete Urliste (),..., () Es gilt i.allg.: ( ), i, K i i, Mermalsauspräguge a,..., a wird auch Modalwert oder häufigster
Mehr8. Übungsblatt Aufgaben mit Lösungen
8. Übugsblatt Aufgabe mit Lösuge Aufgabe 36: Bestimme Sie alle z C, für die die folgede Potezreihe kovergiere: z z a, b! +, c z +. = = Lösug 36: Wir bezeiche de Kovergezradius mit r. a Wir wede das Quotietekriterium
MehrGrundgesamtheitsanaylsen und Stichproben. Betrachtungen zur Stichprobenfindung
MaMaEuSch Maagemet Mathematics for Europea Schools http://www.mathematik.uikl.de/ mamaeusch Grudgesamtheitsaaylse ud Stichprobe. Betrachtuge zur Stichprobefidug Paula Lagares Justo Puerto 1 MaMaEuSch 2
MehrKapitel 9 WAHRSCHEINLICHKEITS-RÄUME
Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Fassug vom 13. Februar 2006 Mathematik für Humabiologe ud Biologe 129 9.1 Stichprobe-Raum 9.1 Stichprobe-Raum Die bisher behadelte Beispiele vo Naturvorgäge oder Experimete
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
MehrGanzrationale Funktionen
Gazratioale Fuktioe 9. Defiitio gazratioaler Fuktioe Im Folgede werde ebe lieare ud quadratische Fuktioe auch solche betrachtet, bei dee die Variable i der dritte, vierte oder auch i eier och höhere Potez
MehrEingangsprüfung Stochastik,
Eigagsprüfug Stochastik, 5.5. Wir gehe stets vo eiem Wahrscheilichkeitsraum (Ω, A, P aus. Die Borel σ-algebra auf wird mit B bezeichet, das Lebesgue Maß auf wird mit λ bezeichet. Aufgabe ( Pukte Sei x
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
Mehr4. Reihen Definitionen
4. Reihe 4.1. Defiitioe Addiere wir die Glieder eier reelle Zahlefolge (a k ), so heißt diese Summe S (uedliche) (Zahle-) Reihe S (Folge: Fuktio über N; Reihe: 1 Zahl): S := a 1 + a 2 + a 3 +... := Σ a
MehrGrenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen
. Der Grezwert vo mootoe, beschräkte Folge Der Grezwert vo mootoe, beschräkte Folge ist eifacher verstädlich als der allgemeie Fall. Deshalb utersuche wir zuerst diese Spezialfall ud verallgemeier aschliessed.
MehrGeometrische Folgen. Auch Wachstumsfolgen Viele Aufgaben. Lösungen nur auf der Mathe-CD Hier nur Ausschnitte. Datei Nr
ZAHLENFOLGEN Teil Geometrische Folge Auch Wachstumsfolge Viele Aufgabe Lösuge ur auf der Mathe-CD Hier ur Ausschitte Datei Nr. 00 Friedrich Buckel März 00 Iteretbibliothek für Schulmathematik 00 Geometrische
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 1
Techische Uiversität Müche Zetrum Mathematik Mathematik (Elektrotechik) Prof. Dr. Ausch Taraz Dr. Michael Ritter Übugsblatt Hausaufgabe Aufgabe. Bestimme Sie de Kovergezbereich M der folgede Reihe für
MehrWahrscheinlichkeitstheorie 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
Mehr6. Übungsblatt Aufgaben mit Lösungen + Selbsttest-Auflösung
6. Übugsblatt Aufgabe mit Lösuge + Selbsttest-Auflösug Aufgabe 6: Utersuche Sie die Folge, dere Glieder ute für N agegebe sid, auf Beschräktheit, Mootoie ud Kovergez bzw. Beschräktheit, Mootoie ud Kovergez
MehrMathematische Vorgehensweise
Kapitel 2 Mathematische Vorgehesweise Um eue Ergebisse zu erziele, ist es häufig otwedig, Aussage präzise zu formuliere ud zu beweise. Daher werde i diesem Kapitel die mathematische Begriffsbilduge ud
MehrEinige wichtige Ungleichungen
Eiige wichtige Ugleichuge Has-Gert Gräbe, Leipzig http://www.iformatik.ui-leipzig.de/~graebe 1. Februar 1997 Ziel dieser kurze Note ist es, eiige wichtige Ugleichuge, die i verschiedee Olympiadeaufgabe
MehrForschungsstatistik 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/
MehrEigenschaften von Texten
Worthäufigkeite Eigeschafte vo Texte Eiige Wörter sid sehr gebräuchlich. 2 der häufigste Wörter (z.b. the, of ) köe ca. 0 % der Wortvorkomme ausmache. Die meiste Wörter sid sehr selte. Die Hälfte der Wörter
Mehr