Induktive Statistik. Formelsammlung. Prof. Dr. W. Assenmacher. Stichprobenraum: Ω = {ω 1, ω 2,...,ω m }
|
|
- Laura Schreiber
- vor 6 Jahren
- Abrufe
Transkript
1 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 }: A j : Ereigis eies Zufallsvorgags, j = 1,.... (1 Ω = A 1 A... A = A j ( A i A j = für i j, (3 A j für j = 1,..., Ω: sicheres Ereigis, : umögliches Ereigis. σ Algebra A: (1 Ω A ( A j A für alle A j A (3 A A Ā A, Ā : zu A komplemetäres Ereigis Messraum: (Ω, A Kolmogoroff Axiome: (1 P(A 0 für alle A A ( P(Ω = 1 (3 P(A 1 A... = P(A 1 + P(A + für alle A i, A j A mit A i A j = ud i j. P : Wahrscheilichkeit(smaß Wahrscheilichkeitsraum: (Ω, A, P Wahrscheilichkeitssätze 1. P(A + P(Ā = 1. P( = 0 3. A B P(A < P(B
2 4. Additiossätze für paarweise icht disjukte Ereigisse a Ereigisse A ud B: P(A B = P(A + P(B P(A B b 3 Ereigisse A, B, C: P(A B C = P(A + P(B + P(C P(A B P(A C P(B C + P(A B C 5. Additiossätze für edliche ud abzählbar uedliche, paarweise disjukte Ereigisse: P(A 1 A... A... = P(A 1 + P(A + + P(A + 6. Multiplikatiossatz für zwei Ereigisse A ud B: P(A B = P(A BP(B = P(B AP(A P(A B bzw. P(B A: bedigte Wahrscheilichkeit. Sid A ud B stochastisch uabhägig: P(A B = P(A, da gilt P(A B = P(AP(B 7. Satz der totale Wahrscheilichkeit A j, B A, j = 1,..., ; {A j } : vollstädiges System vo Ereigisse P(B = P(B A 1 P(A 1 + P(B A P(A + + P(B A P(A = 8. Bayes sches Theorem P(A i B = P(B A ip(a i, für P(B > 0 ud i = 1,...,. P(B A j P(A j P(B A j P(A j
3 3 Flussdiagramm zu Kombiatorik N Elemete Kriterie A, B, C, D... A, B, B, C, D, D, D... Elemete gleich oder verschiede aus N N N Auswahl oder icht A, B = B, A A, B B, A A, B B, A A, B B, A Reihefolge wesetlich oder icht A, A A, A A, A A, A A, A A, A {z } {z } {z } mit oder ohe Wiederholug Kombiatioe Variatioe Permutatioe! N! N + 1 N! (N! N N! N! Q i! i Diskrete Verteilug: Wahrscheilichkeitsfuktio f(x: P(X = x i = p i, für i = 1,,... f(x = 0, sost Verteilugsfuktio: P(X x = x i xf(x i Stetige Verteilug: Dichtefuktio: f(x = df(x dx Verteilugsfuktio: x IR x P(X x = f(udu bzw. x a f(udu für a < x
4 4 Bestimmte Parameter eier Verteilug 1. Erwartugswert E(X = µ a diskreter Fall: E(X = µ = x i f(x i i=1 b stetiger Fall: E(X = µ = xf(xdx. Variaz var(x = σ : var(x = E{[X E(X] } = E(X [E(X] Lieartrasformatio Y = a + bx E(Y = a + be(x var(y = b var(x Additiossätze für Variaze X 1,..., X : Zufallsvariable, Y := λ j X j, a abhägige Zufallsvariable: var(y = = λ j var(x j + [λ 1 λ cov(x 1, X + λ 1 λ 3 cov(x 1, X λ 1 λ cov(x 1, X ] λ j var(x j + i=1,j i λ i λ j cov(x i X j b uabhägige Zufallsvariable var(y = Tschebyscheff sche Ugleichug Spezielle diskrete Verteiluge λ j var(x j, da cov(x i, X j = 0 für i j. P( X µ > kσ 1 k, k > 1 P( X µ kσ > 1 1 k, k > 1 1. Zweipuktverteilug f(x = p 1, x = x 1 p = 1 p 1, x = x 0, sost 0, x < x 1 p 1, x 1 x < x 1, x x E(X = p 1 x 1 + p x var(x = p 1 (1 p 1 (x 1 x Spezialfall: x 1 = 1, x = 0 (Beroulli Verteilug E(X = p 1 var(x = p 1 (1 p 1 = p 1 p.
5 5. Gleichverteilug 1 f(x = m, x = x i, i = 1,...,m 0, sost 3. Biomialverteilug B(,p: f(x = E(X = 1 m E(X = p m i=1 x i var(x = 1 m 0, x < x 1 i m, x i x < x i+1, i = 1,...,m 1 1, x x m m x i µ i=1 ( x p x (1 p x, x = 0, 1,,...,, [x] k=0 0, sost 0, x < 0 ( p k (1 p k k 1, x > var(x = p(1 p = pq. Rekursiosformel: f(x + 1 = x x + 1, 0 x, k = 0, 1,...[x] p 1 p f(x Relativierte Biomialverteilug : E( 1 X = p var(1 p (1 p X = = p q. 4. Laplace Verteilug: p = (1 p = 0.5 ( ( 1, x {0, 1,,..., } f(x = x 0, sost ( 1 0, x < 0 (, 0 x <, k = 0, 1,..., [x] k [x] k=0 1, x 5. Geometrische Verteilug G(p p (1 p x, x = 0, 1,,... f(x = 0 sost 0, x < 0 1 q [x]+1, x 0 1, x = E(X = 1 p p = q p, var(x = 1 p p = q p.
6 6 6. Negative Biomialverteilug (Pascal Verteilug NB(r,p ( x + r 1 p r q x, x = 0, 1,,... f(x = r 1 0, sost E(X = [x] k=0 r(1 p p 7. Poisso Verteilug PV(λ f(x = 0, x < 0 ( k + r 1 p r q k, 0 x, k = 0, 1,...,[x]. r 1 = rq p var(x = r(1 p p Rekursiosformel: f(x + 1 = q x + r x + 1 f(x λ λx e x!, x = 0, 1,... 0, sost 0, x < 0 = rq p [x] λ λ e k k!, x 0, k = 0, 1,...[x]. k=0 E(X = λ var(x = λ λ = p Rekursiosformel: f(x + 1 = λ x + 1 f(x Liegt ei Poissoprozess vor, ist λ vom Itervall t abhägig. λ( t 8. Hypergeometrische Verteilug H(N,M, ( M ( N M x x ( f(x = N, max{0, + M N} x mi{, M} 0, sost [x] k=a 0, x < max{0, + M N} = a ( M ( N M k k ( N, a x mi{, M}, k = a,...,[x] 1, x > mi{, M} E(X = p var(x = p (1 p N N 1 Relativierte hypergeometrische Verteilug: E( 1 X = p var(1 p (1 p N X = N 1
7 7 Spezielle stetige Verteiluge 1. Rechteckverteilug f(x = 1, a x b b a 0, sost 0, x < a x a, a x b b a 1, x > b E(X = 1 1 (a + b var(x = 1 (b a. Normalverteilug N(µ, σ Reproduktivität: [ f(x = 1 σ π exp 1 1 σ π x ( ] x µ, < x < σ [ exp 1 ( ] u µ du, < x < σ E(X = µ var(x = σ X j, j = 1,...,: stochastisch uabhägige Zufallsvariable mit N(µ j, σj Y = λ j X j, λ j R, midestes ei λ j 0 Y : N( λ j µ j, λ j σ j Lieartrasformatio: Y = a + bx a, b 0, X : N(µ, σ Y : N(a + bµ, b σ Stadardisierug: Z = a + bx; a = µ σ, b = 1 σ 3. Stadardormalverteilug X : N(µ, σ, Z : N(0, 1 Z = X µ σ f(z = 1 π e 1 z, < z < F(z = 1 π z e 1 u du, < z <
8 8 4. Logarithmische Normalverteilug LN(µ L, σ L X : stetig, mit 0 < x < ; E(X = µ, var(x = σ Y = lx, < y < : N(µ L, σ L. f(x = [ 1 exp 1 xσ L π ( ] lx µl, 0 < x < σ L 1 σ L π x 0 [ 1 u exp 1 ( ] lu µl du, σ L 0 < x < E(X = e (µl+ 1 σ L var(x = e µl+σ L (e σ L 1 5. χ ( Verteilug Z j : j = 1,..., : uabhägige, idetisch ormalverteilte Zufallsvariable N(0, 1 X = Zj, 0 x < : χ ( verteilt, : Freiheitsgrade E(X = var(x = 6. t Verteilug 7. F Verteilug Z : N(0, 1, Y : χ (, Z, Y : stochastisch uabhägig X = Z : t verteilt Y Für 3 : E(X = 0 var(x = X 1 : χ (m, X : χ (; X 1, X : stochastisch uabhägig ; m, : Freiheitsgrade X = 1 X X 1 m X : F(m, verteilt : F(, m verteilt E(X = Zweidimesioale Verteiluge: X,Y: diskrete bzw. stetige Zufallsvariable für > var(x = (m + m( für > 4. ( 4 f(x, y : gemeisame Wahrscheilichkeits bzw. Dichtefuktio vo X ud Y mit: f(x, y = 1 (diskret, y x f(x, ydxdy = 1 (stetig
9 9 Verteilugsfuktio: F(x, y = f(u, v (diskret, F(x, y = v y u x Radwahrscheilichkeits bzw. Raddichtefuktio für X: f X (x = y y x f(x, y, f X (x = f(x, ydy f Y (y : aalog zu f X (x Bedigte Wahrscheilichkeits bzw. Dichtefuktio f(x y f(u, vdudv (stetig f(x y = f(x, y f Y (y bzw. f(y x = f(x, y f X (x Stochastische Üabhägigkeit: f(x, y = f X (xf Y (y Kovariaz: cov(x, Y = E(XY E(X E(Y mit E(Y X = y xyf(x, y (diskret, x xyf(x, ydxdy (stetig Korrelatioskoeffiziet: r XY = cov(x, Y var(xvar(y Zweidimesioale Stadardormalverteilug Gesetze der große Zahl X, Y : N(0, 1 ud stochastisch uabhägig f(x, y = 1 [ π exp 1 ] (x + y F(x, y = 1 y x [ exp 1 ] π (u + v dudv X i, i = 1,..., : uabhägige, idetisch verteilte Zufallsvariable. 1. Schwaches Gesetz der große Zahl a Homograder Fall (ach Beroulli b Heterograder Fall (ach Tschebyscheff lim P( h (A p < ε = 1 plimh (A = p. Starkes Gesetz der große Zahl lim P( X( µ < ε = 1 plim X( = µ P( lim h (A = p = 1 bzw. P( lim X( = µ = 1
10 10 Grezwertsätze 1. Moivre Laplace X: Azahl der Erfolge bei uabhägige Beroulli Experimete X i : uabhägig ud idetisch Beroulli verteilt 9 Für (Faustregel > erhält ma als Grezverteilug: p (1 p. Lideberg Lévy S( = X j N(p, p (1 p (biomialverteilt X( = 1 Xj ( p (1 p N p, (relativiert biomialverteilt X i : uabhägige, idetisch verteilte Zufallsvariable mit µ ud σ Für (Faustregel > 30 erhält ma als Grezverteilug: S( = X j N(µ, σ X( = 1 3. Zetraler Grezwertsatz vo Ljapuoff Xj N(µ, σ X j : uabhägige ud icht idetisch verteilte Zufallsvariable mit µ j ud σ j Für (Faustregel > 30 erhält ma als Grezverteilug: S( = X j N ( µ j, σj Eiige Stichprobefuktioe ud ihre Verteiluge X( = 1 Xj N ( 1 µj, 1 σ j X i, i = 1,...: uabhägige Stichprobevariable aus eifacher Zufallsstichprobe; Fall A: X ist i der Grudgesamtheit ormalverteilt Fall B: X ist icht ormalverteilt, aber Merkmalssumme S( = X i i=1 A S( : N(µ, σ B S( N(µ, σ (wege Grezwertsätze. Stichprobemittelwert X = 1 A X : N(µ, σ X i i=1 B X N(µ, σ (wege Grezwertsätze
11 11 3. Stichprobeateilswert P = 1 für < für > 4. Stichprobevariaz Heterograder F all X i, X i der Grudgesamtheit Beroulli verteilt i=1 9 p (1 p : P : RB(, p (relativiert Biomialverteilt ( 9 p (1 p : P N p, p (1 p µ der GG bekat µ der GG ubekat ZmZ S = 1 Σ (X i µ S = 1 1 Σ (X i X ZoZ S = N 1 N 1 Σ (X i µ S = N 1 N 1 1 Σ (X i X Homograder F all ZmZ ZoZ S = 1 P (1 P S = N 1 N 1 P (1 P Mittlerer quadratischer Fehler (mea square error MSE MSE(θ = E(ˆθ θ = var(ˆθ + [E(ˆθ θ] Schwakugsitervall (GG: N(µ, σ oder > 30, σ : bekat heterograd: homograd: P(µ σ Xz 1 α X µ + σ Xz 1 α = 1 α P(p z 1 α p(1 p P p + z 1 α p (1 p = 1 α
12 1 Kofidezitervalle Kofidezitervall für µ (Heterograder Fall: σ bekat σ ubekat 1 ZmZ Fall (1 Fall ( mit σ = S = 1 j (X j X 1 ZoZ Fall (3 Fall (4 mit σ = S = N 1 N 1 j (X j X (1 P ( P (3 P (4 P ( X z1 α ( X t 1,1 α ( X z1 α ( X t 1,1 α σ µ X + z 1 α S µ X + t 1,1 α σ N N 1 µ X + z 1 α σ = 1 α S = 1 α = 1 α = 1 α σ N N 1 S N N 1 µ X + t 1,1 α S N N 1 Kofidezitervall für p (Homograder Fall: σ ubekat ZmZ Fall (1 mit σ = S = P(1 1 P N 1 ZoZ Fall ( mit σ = S = P(1 N 1 P (1 P ( P ( P z1 α ( P z1 α S p P + z 1 α S = 1 α S N N 1 p P + z 1 α S N N 1 = 1 α Kofidezitervall für σ (X I der GG (aäherd ormalverteilt, eifache Zufallsstichprobe: [ ( 1S ] P χ (1 α ; 1 ( σ 1S χ ( α ; 1 = 1 α mit S = 1 1 (X j X Notwediger Stichprobeumfag e: absoluter Fehler (:= halbe Läge eies Kofidezitervalls heterograd: ZmZ ZoZ ( zα σ e z σ N z σ + e (N 1 homograd: ZmZ z P(1 α P e + 1 ZoZ bei < 0, 05 wie bei ZmZ N Hochrechug heterograd: ŝ X = N x, homograd: ˆM = N P,
13 13 Eistichprobe Sigifikaztests für µ bzw. p: H 0 : µ = µ 0 bzw. H 0 : p = p 0 Fall A: X ist i der Grudgesamtheit ormalverteilt Fall B: X ist i der Grudgesamtheit icht ormalverteilt bzw. Verteilug vo X ubekat Voraussetzuge Prüfgröße Z Stichprobeverteilug heterograd σ bekat X µ A Z : N(0, 1 mit Zurücklege σ B Z N(0,1 für 30 σ ubekat X µ A Z : t( 1, Z N(0, 1 für 30 mit Zurücklege S B Z N(0,1 für 30 σ bekat X µ A Z N(0, 1 r ohe Zurücklege σ N B Z N(0,1 für 30 ud /N < 0, 05 N 1 σ ubekat X µ A Z : t( 1, Z N(0, 1 für 30 r ohe Zurücklege S N B Z N(0,1 für 30 ud /N < 0, 05 N 1 homograd σ bekat P p P : RB(, p relativiert biomial r mit Zurücklege p(1 p Z N(0, 1 für p(1 p > 9 σ bekat P p P : RH(N, M, relativiert hypergeometrisch r ohe Zurücklege p(1 p N Z N(0, 1 für p(1 p > 9 ud /N < 0,05 N 1 Aalog hierzu sid die Tests für adere Parameter durchzuführe!
14 14 Verteilugsfuktio der Stadardormalverteilug Beispiel zur Beutzug der Tabelle: P(Z, 36 = 0, Ma liest diese Wert im Schittpukt der Zeile.3 mit der Spalte 0,06. z 0,00 0,01 0,0 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0,5000 0,5040 0,5080 0,510 0,5160 0,5199 0,539 0,579 0,5319 0,5359 0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753 0, 0,5793 0,583 0,5871 0,5910 0,5948 0,5987 0,606 0,6064 0,6103 0,6141 0,3 0,6179 0,617 0,655 0,693 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517 0,4 0,6554 0,6591 0,668 0,6664 0,6700 0,6736 0,677 0,6808 0,6844 0,6879 0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,713 0,7157 0,7190 0,74 0,6 0,757 0,791 0,734 0,7357 0,7389 0,74 0,7454 0,7486 0,7517 0,7549 0,7 0,7580 0,7611 0,764 0,7673 0,7704 0,7734 0,7764 0,7794 0,783 0,785 0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,803 0,8051 0,8078 0,8106 0,8133 0,9 0,8159 0,8186 0,81 0,838 0,864 0,889 0,8315 0,8340 0,8365 0,8389 1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,861 1,1 0,8643 0,8665 0,8686 0,8708 0,879 0,8749 0,8770 0,8790 0,8810 0,8830 1, 0,8849 0,8869 0,8888 0,8907 0,895 0,8944 0,896 0,8980 0,8997 0,9015 1,3 0,903 0,9049 0,9066 0,908 0,9099 0,9115 0,9131 0,9147 0,916 0,9177 1,4 0,919 0,907 0,9 0,936 0,951 0,965 0,979 0,99 0,9306 0,9319 1,5 0,933 0,9345 0,9357 0,9370 0,938 0,9394 0,9406 0,9418 0,949 0,9441 1,6 0,945 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,955 0,9535 0,9545 1,7 0,9554 0,9564 0,9573 0,958 0,9591 0,9599 0,9608 0,9616 0,965 0,9633 1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706 1,9 0,9713 0,9719 0,976 0,973 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767,0 0,977 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,981 0,9817,1 0,981 0,986 0,9830 0,9834 0,9838 0,984 0,9846 0,9850 0,9854 0,9857, 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916,4 0,9918 0,990 0,99 0,995 0,997 0,999 0,9931 0,993 0,9934 0,9936,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,995,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,996 0,9963 0,9964,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,997 0,9973 0,9974,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981,9 0,9981 0,998 0,998 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986 3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990 3,1 0,9990 0,9991 0,9991 0,9991 0,999 0,999 0,999 0,999 0,9993 0,9993 3, 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995 3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997 3,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998 3,5 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998
15 15 Quatile der t Verteilug Beispiel zur Beutzug der Tabelle: t(0, 95; 4 =, ,6 0,7 0,8 0,9 0,95 0,975 0,99 0, ,349 0,765 1,3764 3,0777 6,3137 1,706 31,810 63,6559 0,887 0,617 1,0607 1,8856,900 4,307 6,9645 9, ,767 0,5844 0,9785 1,6377,3534 3,184 4,5407 5, ,707 0,5686 0,9410 1,533,1318,7765 3,7469 4, ,67 0,5594 0,9195 1,4759,0150,5706 3,3649 4, ,648 0,5534 0,9057 1,4398 1,943,4469 3,147 3, ,63 0,5491 0,8960 1,4149 1,8946,3646,9979 3, ,619 0,5459 0,8889 1,3968 1,8595,3060,8965 3, ,610 0,5435 0,8834 1,3830 1,8331,6,814 3, ,60 0,5415 0,8791 1,37 1,815,81,7638 3, ,596 0,5399 0,8755 1,3634 1,7959,010,7181 3, ,590 0,5386 0,876 1,356 1,783,1788,6810 3, ,586 0,5375 0,870 1,350 1,7709,1604,6503 3, ,58 0,5366 0,8681 1,3450 1,7613,1448,645, ,579 0,5357 0,866 1,3406 1,7531,1315,605, ,576 0,5350 0,8647 1,3368 1,7459,1199,5835, ,573 0,5344 0,8633 1,3334 1,7396,1098,5669, ,571 0,5338 0,860 1,3304 1,7341,1009,554, ,569 0,5333 0,8610 1,377 1,791,0930,5395, ,567 0,539 0,8600 1,353 1,747,0860,580, ,566 0,535 0,8591 1,33 1,707,0796,5176,8314 0,564 0,531 0,8583 1,31 1,7171,0739,5083, ,563 0,5317 0,8575 1,3195 1,7139,0687,4999, ,56 0,5314 0,8569 1,3178 1,7109,0639,49, ,561 0,531 0,856 1,3163 1,7081,0595,4851, ,560 0,5309 0,8557 1,3150 1,7056,0555,4786, ,559 0,5306 0,8551 1,3137 1,7033,0518,477, ,558 0,5304 0,8546 1,315 1,7011,0484,4671, ,557 0,530 0,854 1,3114 1,6991,045,460, ,556 0,5300 0,8538 1,3104 1,6973,043,4573, ,555 0,598 0,8534 1,3095 1,6955,0395,458, ,555 0,597 0,8530 1,3086 1,6939,0369,4487, ,554 0,595 0,856 1,3077 1,694,0345,4448, ,553 0,594 0,853 1,3070 1,6909,03,4411, ,553 0,59 0,850 1,306 1,6896,0301,4377, ,55 0,591 0,8517 1,3055 1,6883,081,4345, ,55 0,589 0,8514 1,3049 1,6871,06,4314, ,551 0,588 0,851 1,304 1,6860,044,486, ,551 0,587 0,8509 1,3036 1,6849,07,458, ,550 0,586 0,8507 1,3031 1,6839,011,433, ,549 0,581 0,8497 1,3007 1,6794,0141,411, ,547 0,578 0,8489 1,987 1,6759,0086,4033,6778
16 16 Quatile der χ Verteilug Beispiel zur Beutzug der Tabelle: χ (0, 95; 5 = 11, 07. F(x 0,005 0,01 0,05 0,05 0,1 0,9 0,95 0,975 0,99 0, ,000 0,000 0,001 0,004 0,016,706 3,841 5,04 6,635 7,879 0,010 0,00 0,051 0,103 0,11 4,605 5,991 7,378 9,10 10, ,07 0,115 0,16 0,35 0,584 6,51 7,815 9,348 11,345 1, ,07 0,97 0,484 0,711 1,064 7,779 9,488 11,143 13,77 14, ,41 0,554 0,831 1,145 1,610 9,36 11,070 1,83 15,086 16, ,676 0,87 1,37 1,635,04 10,645 1,59 14,449 16,81 18, ,989 1,39 1,690,167,833 1,017 14,067 16,013 18,475 0,78 8 1,344 1,647,180,733 3,490 13,36 15,507 17,535 0,090 1, ,735,088,700 3,35 4,168 14,684 16,919 19,03 1,666 3,589 10,156,558 3,47 3,940 4,865 15,987 18,307 0,483 3,09 5,188 11,603 3,053 3,816 4,575 5,578 17,75 19,675 1,90 4,75 6, ,074 3,571 4,404 5,6 6,304 18,549 1,06 3,337 6,17 8, ,565 4,107 5,009 5,89 7,041 19,81,36 4,736 7,688 9, ,075 4,660 5,69 6,571 7,790 1,064 3,685 6,119 9,141 31, ,601 5,9 6,6 7,61 8,547,307 4,996 7,488 30,578 3, ,14 5,81 6,908 7,96 9,31 3,54 6,96 8,845 3,000 34, ,697 6,408 7,564 8,67 10,085 4,769 7,587 30,191 33,409 35, ,65 7,015 8,31 9,390 10,865 5,989 8,869 31,56 34,805 37, ,844 7,633 8,907 10,117 11,651 7,04 30,144 3,85 36,191 38,58 0 7,434 8,60 9,591 10,851 1,443 8,41 31,410 34,170 37,566 39, ,034 8,897 10,83 11,591 13,40 9,615 3,671 35,479 38,93 41,401 8,643 9,54 10,98 1,338 14,041 30,813 33,94 36,781 40,89 4, ,60 10,196 11,689 13,091 14,848 3,007 35,17 38,076 41,638 44, ,886 10,856 1,401 13,848 15,659 33,196 36,415 39,364 4,980 45, ,50 11,54 13,10 14,611 16,473 34,38 37,65 40,646 44,314 46, ,160 1,198 13,844 15,379 17,9 35,563 38,885 41,93 45,64 48, ,808 1,878 14,573 16,151 18,114 36,741 40,113 43,195 46,963 49, ,461 13,565 15,308 16,98 18,939 37,916 41,337 44,461 48,78 50, ,11 14,56 16,047 17,708 19,768 39,087 4,557 45,7 49,588 5, ,787 14,953 16,791 18,493 0,599 40,56 43,773 46,979 50,89 53, ,707,164 4,433 6,509 9,051 51,805 55,758 59,34 63,691 66, ,991 9,707 3,357 34,764 37,689 63,167 67,505 71,40 76,154 79,490
17 17 0,95 Quatile der F-Verteilug Beispiel zur Beutzug der Tabelle: F6 7 (0, 95 = 4, 1. Freiheitsgrade Neer Freiheitsgrade Zähler m ,4 199,5 15,7 4,6 30, 34,0 36,8 38,9 41,9 43,9 45,9 48,0 49,1 50,1 18,51 19,00 19,16 19,5 19,30 19,33 19,35 19,37 19,40 19,41 19,43 19,45 19,45 19, ,13 9,55 9,8 9,1 9,01 8,94 8,89 8,85 8,79 8,74 8,70 8,66 8,64 8,6 4 7,71 6,94 6,59 6,39 6,6 6,16 6,09 6,04 5,96 5,91 5,86 5,80 5,77 5,75 5 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,8 4,74 4,68 4,6 4,56 4,53 4,50 6 5,99 5,14 4,76 4,53 4,39 4,8 4,1 4,15 4,06 4,00 3,94 3,87 3,84 3,81 7 5,59 4,74 4,35 4,1 3,97 3,87 3,79 3,73 3,64 3,57 3,51 3,44 3,41 3,38 8 5,3 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,35 3,8 3, 3,15 3,1 3,08 9 5,1 4,6 3,86 3,63 3,48 3,37 3,9 3,3 3,14 3,07 3,01,94,90, ,96 4,10 3,71 3,48 3,33 3, 3,14 3,07,98,91,85,77,74, ,84 3,98 3,59 3,36 3,0 3,09 3,01,95,85,79,7,65,61,57 1 4,75 3,89 3,49 3,6 3,11 3,00,91,85,75,69,6,54,51, ,67 3,81 3,41 3,18 3,03,9,83,77,67,60,53,46,4, ,60 3,74 3,34 3,11,96,85,76,70,60,53,46,39,35, ,54 3,68 3,9 3,06,90,79,71,64,54,48,40,33,9,5 16 4,49 3,63 3,4 3,01,85,74,66,59,49,4,35,8,4, ,45 3,59 3,0,96,81,70,61,55,45,38,31,3,19, ,41 3,55 3,16,93,77,66,58,51,41,34,7,19,15, ,38 3,5 3,13,90,74,63,54,48,38,31,3,16,11,07 0 4,35 3,49 3,10,87,71,60,51,45,35,8,0,1,08,04 1 4,3 3,47 3,07,84,68,57,49,4,3,5,18,10,05,01 4,30 3,44 3,05,8,66,55,46,40,30,3,15,07,03 1,98 3 4,8 3,4 3,03,80,64,53,44,37,7,0,13,05,01 1,96 4 4,6 3,40 3,01,78,6,51,4,36,5,18,11,03 1,98 1,94 5 4,4 3,39,99,76,60,49,40,34,4,16,09,01 1,96 1,9 30 4,17 3,3,9,69,53,4,33,7,16,09,01 1,93 1,89 1, ,08 3,3,84,61,45,34,5,18,08,00 1,9 1,84 1,79 1, ,00 3,15,76,53,37,5,17,10 1,99 1,9 1,84 1,75 1,70 1,65
18 18 0,99 Quatile der F Verteilug Beispiel zur Beutzug der Tabelle: F 7 6 (0, 99 = 8, 6. Freiheitsgrade Neer Freiheitsgrade Zähler m , 4999,3 5403,5 564,3 5764,0 5859,0 598,3 5981,0 6055,9 6106,7 6157,0 608,7 634,3 660,4 98,50 99,00 99,16 99,5 99,30 99,33 99,36 99,38 99,40 99,4 99,43 99,45 99,46 99, ,1 30,8 9,46 8,71 8,4 7,91 7,67 7,49 7,3 7,05 6,87 6,69 6,60 6,50 4 1,0 18,00 16,69 15,98 15,5 15,1 14,98 14,80 14,55 14,37 14,0 14,0 13,93 13, ,6 13,7 1,06 11,39 10,97 10,67 10,46 10,9 10,05 9,89 9,7 9,55 9,47 9, ,75 10,9 9,78 9,15 8,75 8,47 8,6 8,10 7,87 7,7 7,56 7,40 7,31 7,3 7 1,5 9,55 8,45 7,85 7,46 7,19 6,99 6,84 6,6 6,47 6,31 6,16 6,07 5, ,6 8,65 7,59 7,01 6,63 6,37 6,18 6,03 5,81 5,67 5,5 5,36 5,8 5,0 9 10,56 8,0 6,99 6,4 6,06 5,80 5,61 5,47 5,6 5,11 4,96 4,81 4,73 4, ,04 7,56 6,55 5,99 5,64 5,39 5,0 5,06 4,85 4,71 4,56 4,41 4,33 4,5 11 9,65 7,1 6, 5,67 5,3 5,07 4,89 4,74 4,54 4,40 4,5 4,10 4,0 3,94 1 9,33 6,93 5,95 5,41 5,06 4,8 4,64 4,50 4,30 4,16 4,01 3,86 3,78 3, ,07 6,70 5,74 5,1 4,86 4,6 4,44 4,30 4,10 3,96 3,8 3,66 3,59 3, ,86 6,51 5,56 5,04 4,69 4,46 4,8 4,14 3,94 3,80 3,66 3,51 3,43 3, ,68 6,36 5,4 4,89 4,56 4,3 4,14 4,00 3,80 3,67 3,5 3,37 3,9 3,1 16 8,53 6,3 5,9 4,77 4,44 4,0 4,03 3,89 3,69 3,55 3,41 3,6 3,18 3, ,40 6,11 5,19 4,67 4,34 4,10 3,93 3,79 3,59 3,46 3,31 3,16 3,08 3, ,9 6,01 5,09 4,58 4,5 4,01 3,84 3,71 3,51 3,37 3,3 3,08 3,00,9 19 8,18 5,93 5,01 4,50 4,17 3,94 3,77 3,63 3,43 3,30 3,15 3,00,9,84 0 8,10 5,85 4,94 4,43 4,10 3,87 3,70 3,56 3,37 3,3 3,09,94,86,78 1 8,0 5,78 4,87 4,37 4,04 3,81 3,64 3,51 3,31 3,17 3,03,88,80,7 7,95 5,7 4,8 4,31 3,99 3,76 3,59 3,45 3,6 3,1,98,83,75,67 3 7,88 5,66 4,76 4,6 3,94 3,71 3,54 3,41 3,1 3,07,93,78,70,6 4 7,8 5,61 4,7 4, 3,90 3,67 3,50 3,36 3,17 3,03,89,74,66,58 5 7,77 5,57 4,68 4,18 3,85 3,63 3,46 3,3 3,13,99,85,70,6, ,56 5,39 4,51 4,0 3,70 3,47 3,30 3,17,98,84,70,55,47, ,31 5,18 4,31 3,83 3,51 3,9 3,1,99,80,66,5,37,9,0 60 7,08 4,98 4,13 3,65 3,34 3,1,95,8,63,50,35,0,1,03
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
MehrStochastik für WiWi - Klausurvorbereitung
Dr. Markus Kuze WS 2013/14 Dipl.-Math. Stefa Roth 11.02.2014 Stochastik für WiWi - Klausurvorbereitug Gesetz der totale Wahrscheilichkeit ud Satz vo Bayes (Ω, F, P) Wahrscheilichkeitsraum, E 1,..., E F
MehrFormelsammlung Mathematik
Formelsammlug Mathematik 1 Fiazmathematik 1.1 Reterechug Sei der Zissatz p%, der Zisfaktor q = 1 + p 100. Seie R die regelmäßig zu zahlede Rate, die Laufzeit. Edwert: Barwert: achschüssig R = R q 1 q 1
MehrWissenschaftliches Arbeiten Studiengang Energiewirtschaft
Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:
Mehr3. Einführung in die Statistik
3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :
MehrÜbungsblatt 1 zur Vorlesung Angewandte Stochastik
Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche
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
MehrElementare Wahrscheinlichkeitsrechnung und Statistik
CURANDO UNIVERSITÄT ULM SCIENDO DOCENDO Elemetare Wahrscheilichkeitsrechug ud Statistik Uiversität Ulm Istitut für Stochastik Vorlesugsskript Prof. Dr. Volker Schmidt Stad: Witersemester 28/9 Ulm, im Februar
MehrDatenauswertung. Prof. Dr. Josef Brüderl Universität Mannheim. Frühjahrssemester 2007
Dateauswertug Prof. Dr. Josef Brüderl Uiversität Maheim Frühjahrssemester 007 Methode-Curriculum B.A. Soziologie Basismodul: Methode ud Statistik: VL Dateerhebug (): 5 ÜK (): 3 ----------------------------------------------------------
MehrStatistik und Wahrscheinlichkeitslehre
Statistik ud Wahrscheilichkeitslehre Zufall ud Mittelwerte Für alle techische Studiegäge Prof. Dr.-Ig. habil. Thomas Adamek Grudlage der Wahrscheilichkeitsrechug. Eiführug Grudlage vo Statistik ud Wahrscheilichkeitsrechug
MehrKapitel 1. Einige Begriffe aus der Asymptotik. 1.1 Wiederholung
Kapitel Eiige Begriffe aus der Asymptotik. Wiederholug Eiwesetlicher Teil der Ökoometrie befasst sichmit der Ermittlug voschätzer ud dere Eigeschafte. Diese werde beötigt, um aus de beobachtbare Date eier
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
MehrVereinheitlichung Einheitlicher Maßstab der Risikoeinschätzung. Limitierung / Steuerung Messung und Limitierung ist fundamental für die Steuerung
. Marktpreisrisiko Motivatio der VaR-Ermittlug Vereiheitlichug Eiheitlicher Maßstab der Risikoeischätzug Limitierug / Steuerug Messug ud Limitierug ist fudametal für die Steuerug Kapitaluterlegug Zur Deckug
MehrKapitel 4: Stationäre Prozesse
Kapitel 4: Statioäre Prozesse M. Scheutzow Jauary 6, 2010 4.1 Maßerhaltede Trasformatioe I diesem Kapitel führe wir zuächst de Begriff der maßerhaltede Trasformatio auf eiem Wahrscheilichkeitsraum ei ud
MehrGliederung. Value-at-Risk
Value-at-Risk Dr. Richard Herra Nürberg, 4. Noveber 26 IVS-Foru Gliederug Modell Beispiel aus der betriebliche Altersversorgug Verteilug des Gesatschades Value-at-Risk ud Tail Value-at-Risk Risikobeurteilug
Mehr1 Wahrscheinlichkeitslehre
Wahrscheilichkeitslehre. Grudlage der Wahrscheilichkeitsrechug Die Wahrscheilichkeitslehre ist ei elemetarer Bestadteil der Statistik. Die mathematische Wahrscheilichkeitslehre umfasst ei kompliziertes
MehrMonte Carlo-Simulation
Mote Carlo-Simulatio Mote Carlo-Methode Der Begriff Mote Carlo-Methode etstad i de 1940er Jahre, als ma im Zusammehag mit dem Bau der Atombombe die Simulatio vo Zufallsprozesse erstmals i größerem Stil
MehrModel CreditRisk + : The Economic Perspective of Portfolio Credit Risk Part I
Model CreditRisk + : The Ecoomic Perspective of Portfolio Credit Risk Part I Semiar: Portfolio Credit Risk Istructor: Rafael Weißbach Speaker: Pablo Kimmig Ageda 1. Asatz ud Ziele Was ist CreditRisk +
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
Mehr6.1 Grundlagen der Wahrscheinlichkeitsrechnung 6.1.1 Definitionen und Beispiele Beispiel 1 Zufallsexperiment 1,2,3,4,5,6 Elementarereignis
6. Grudlage der Wahrscheilichkeitsrechug 6.. Defiitioe ud Beispiele Spiele aus dem Alltagslebe: Würfel, Müze, Karte,... u.s.w. sid gut geeiget die Grudlage der Wahrscheilichkeitsrechug darzustelle. Wir
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
Mehr5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung
Seite vo 7 5 Beroulli-Kette Jakob Beroulli 654-705 Schweizer Mathematiker ud Physiker 5. Beroulli-Exerimet 5.. Eileitug Oft iteressiert ma sich bei Zufallsexerimete icht für die eizele Ergebisse, soder
MehrLV "Grundlagen der Informatik" Programmierung in C (Teil 2)
Aufgabekomplex: Programmiere i C (Teil vo ) (Strukturierte Datetype: Felder, Strukture, Zeiger; Fuktioe mit Parameterübergabe; Dateiarbeit) Hiweis: Alle mit * gekezeichete Aufgabe sid zum zusätzliche Übe
MehrKapitel 6: Statistische Qualitätskontrolle
Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle
MehrLösungen der Aufgaben zur Vorbereitung auf die Klausur Mathematik für Informatiker I
Uiversität des Saarlades Fakultät für Mathematik ud Iformatik Witersemester 2003/04 Prof. Dr. Joachim Weickert Dr. Marti Welk Dr. Berhard Burgeth Lösuge der Aufgabe zur Vorbereitug auf die Klausur Mathematik
MehrSUCHPROBLEME UND ALPHABETISCHE CODES
SUCHPROBLEME UND ALPHABETISCHE CODES Der Problematik der alphabetische Codes liege Suchprobleme zugrude, dere Lösug dem iformatiostheoretische Problem der Fidug eies (optimale) alphabetische Codes gleich
Mehr15. WAHRSCHEINLICHKEITSRECHNUNG
5. WAHRSCHEINLICHKEITSRECHNUNG 5.. Eiführug Ereigisse sid oft icht geau vorhersagbar. Ma weiß vorher icht sicher, ob sie eitrete werde. Solche Ereigisse et ma zufällig. Beispiele: Müzwurf (Kopf oder Zahl)
Mehr6.6 Grundzüge der Fehler- und Ausgleichsrechnung 6.6.1 Fehlerarten- Aufgaben der Fehler- und Ausgleichsrechnung physikalisch-technische Experiment
103 66 Grudzüge der Fehler- ud Ausgleichsrechug 661 Fehlerarte- Aufgabe der Fehler- ud Ausgleichsrechug Jedes physikalisch-techische Experimet liefert gewisse gemessee Werte x Bei dem Messvorgag verwede
MehrLektion II Grundlagen der Kryptologie
Lektio II Grudlage der Kryptologie Klassische Algorithme Ihalt Lektio II Grudbegriffe Kryptologie Kryptographische Systeme Traspositioschiffre Substitutioschiffre Kryptoaalyse Übuge Vorlesug Datesicherheit
MehrVersuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK. 1. Vorbemerkung
Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK Physikalische Prozesse, die eier statistische Gesetzmäßigkeit uterworfe sid, lasse sich mit eier Verteilugsfuktio beschreibe. Die Gauß-Verteilug
MehrGrundkompetenz-Aufgaben
Durch starte Mathematik übugsbuch bis Grudkompetez-Aufgabe Aufgrud der eue schriftliche Reifeprüfug i Mathematik ist es otwedig, sich mit de eue Grudkompetez-Aufgabe auseiaderzusetze. Die Olie-Ergäzug
MehrSatz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.
Erfüllbarkeit, Uerfüllbarkeit, Allgemeigültigkeit Defiitio Eie Belegug β ist passed zu eiem Boolesche Term t, falls β für alle atomare Terme i t defiiert ist. (Wird ab jetzt ageomme.) Ist β(t) = true,
MehrStatistik I Vorlesungsskript
Statistik I Vorlesugsskript Prof. Dr. Evgey Spodarev Ulm 2008 Vorwort Dieses Skript etstad aus dem Zyklus der Vorlesuge über Statistik, die ich i de Jahre 2005 2008 a der Uiversität Ulm gehalte habe. Dabei
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
MehrEinführung in die mathematische Statistik
Kapitel 7 Eiführug i die mathematische Statistik 7.1 Statistische Modellierug Bei der Modellierug eies Zufallsexperimets besteht oft Usicherheit darüber, welche W-Verteilug auf der Ergebismege adäquat
MehrStatistik I/Empirie I
Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass
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
Mehr13.5 Der zentrale Grenzwertsatz
13.5 Der zentrale Grenzwertsatz Satz 56 (Der Zentrale Grenzwertsatz Es seien X 1,...,X n (n N unabhängige, identisch verteilte zufällige Variablen mit µ := EX i ; σ 2 := VarX i. Wir definieren für alle
MehrInstitut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban
Istitut für tochastik Prof. Dr. N. Bäuerle Dipl.-Math.. Urba Lösugsvorschlag 9. Übugsblatt zur Vorlesug Fiazmathematik I Aufgabe Ei euartiges Derivat) Wir sid i eiem edliche, arbitragefreie Fiazmarkt,
MehrVorlesung Einführung in die mathematische Statistik
Vorlesug Eiführug i die mathematische Statistik Prof. A. Atille Sommersemester 2004 Literatur P.J. Bickel K.A. Doksum, Mathematical Statistics: Basic Ideas ad Selected Topics Holde-Day, 1977. L. Breima,
Mehrelektr. und magnet. Feld A 7 (1)
FachHochschule Lausitz Physikalisches Praktikum α- ud β-strahlug im elektr. ud maget. Feld A 7 Name: Matrikel: Datum: Ziel des Versuches Das Verhalte vo α- ud β-strahlug im elektrische ud magetische Feld
Mehr2.4.1 Grundprinzipien statistischer Hypothesentests
86 2.4. Hypothesetests 2.4 Hypothesetests 2.4.1 Grudprizipie statistischer Hypothesetests Hypothese: Behauptug eier Tatsache, dere Überprüfug och aussteht (Leuter i: Edruweit, Trommsdorff: Wörterbuch der
MehrMathematische Statistik
Skript Mathematische Statistik Max v. Reesse Aufgezeichet vo Tobias Weihrauch Sommersemester 202 Uiversität Leipzig INHALTSVERZEICHNIS Ihaltsverzeichis Eiführug 3. Statistik als Teil der Stochastik........................
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
MehrMathematik für Wirtschaftswissenschaftler Beispiele, Graken, Beweise. c Uwe Jensen
Mathematik für Wirtschaftswisseschaftler Beispiele, Grake, Beweise c Uwe Jese 8. Oktober 2007 Ihaltsverzeichis 4 Folge, Reihe, Grezwerte, Stetigkeit 47 4. Folge ud Reihe............................ 47
MehrAufgaben und Lösungen der Probeklausur zur Analysis I
Fachbereich Mathematik AG 5: Fuktioalaalysis Prof. Dr. K.-H. Neeb Dipl.-Math. Rafael Dahme Dipl.-Math. Stefa Wager ATECHNISCHE UNIVERSITÄT DARMSTADT SS 007 19. Jui 007 Aufgabe ud Lösuge der Probeklausur
MehrAuch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert.
Prof. Dr. H. Rommelfager: Etscheidugstheorie, Kaitel 3 7 3. Etscheidug bei Risiko (subjektive oder objektive) Eitrittswahrscheilichkeite für das Eitrete der mögliche Umweltzustäde köe vom Etscheidugsträger
MehrÜbungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Prof. Dr. Rolad Speicher M.Sc. Tobias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 01 Musterlösug zu Blatt 0 Aufgabe 1. Käpt Schwarzbart,
Mehr2. Diophantische Gleichungen
2. Diophatische Gleichuge [Teschl05, S. 91f] 2.1. Was ist eie diophatische Gleichug ud wozu braucht ma sie? Def D2-1: Eie diophatische Gleichug ist eie Polyomfuktio i x,y,z,, bei der als Lösuge ur gaze
MehrTestumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen
Testumfag für die Ermittlug ud Agabe vo Fehlerrate i biometrische Systeme Peter Uruh SRC Security Research & Cosultig GmbH peter.uruh@src-gmbh.de Eileitug Biometrische Systeme werde durch zwei wichtige
MehrBeispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen
4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.
MehrEinführung in die Stochastik
Prof. Dr. Has-Wolfgag He UNIVERSITÄT DORTMUND Fachbereich Mathematik Istitut für Etwicklug ud Erforschug des Mathematikuterrichts Eiführug i die Stochastik Skriptum zur Vorlesug im WS 00/003 Ihaltsverzeichis.
MehrDiplomarbeit. Stochastische Modelle für Schadenabwicklungsschemata unter Berücksichtigung von Reservenbildung
- - Prof. Dr. Dietmar Pfeifer Uiversität Hamburg Fachbereich Mathematik Istitut für Mathematische Stochastik Diplomarbeit Stochastische Modelle für Schadeabwicklugsschemata uter Berücksichtigug vo Reservebildug
MehrStatistik. Deskriptive Statistik. Deskriptive Statistik. Deskriptive Statistik
AGAH Aual Meetig 004, Berli Grudlage der Biometrie Beschreibede ud schließede Statistik i kliische Studie Jede mathematische Formel reduziert die Azahl der Zuhörer um 50% PD Dr. Thomas Sudhop & Dr. med.
MehrVariiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen.
3. Variazaalyse Die Variazaalyse mit eier quatitative abhägige Variable ud eier oder mehrerer qualitativer uabhägiger Variable wird auch als ANOVA (Aalysis of Variace) bezeichet. Mit eier Variazaalyse
MehrZahlenfolgen, Grenzwerte und Zahlenreihen
KAPITEL 5 Zahlefolge, Grezwerte ud Zahlereihe. Folge Defiitio 5.. Uter eier Folge reeller Zahle (oder eier reelle Zahlefolge) versteht ma eie auf N 0 erlarte reellwertige Futio, die jedem N 0 ei a R zuordet:
MehrAllgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable
Allgemeie Lösuge der -dimesioale Laplace-Gleichug ud ihre komplexe Variable Dr. rer. at. Kuag-lai Chao Göttige, de 4. Jauar 01 Abstract Geeral solutios of the -dimesioal Laplace equatio ad its complex
Mehr= T. 1.1. Jährliche Ratentilgung. 1.1. Jährliche Ratentilgung. Ausgangspunkt: Beispiel:
E Tilgugsrechug.. Jährliche Raeilgug Ausgagspuk: Bei Raeilgug wird die chuldsumme (Newer des Kredis [Aleihe, Hypohek, Darleh]) i gleiche Teilberäge T geilg. Die Tilgugsrae läss sich ermiel als: T =.. Jährliche
Mehr1 = 1. 6 Induktionsannahme: Die Formal gelte für n = k. Induktionsschritt: Gültigkeit der Formel für k+1: 1 2 + 2 2 +... + k 2 + (k + 1) 2 = 2 = 6 = 6
65 Eric Müller Vollstädige Iduktio Nach GIUSEPPE PEANO (858-93) ka ma die Mege N der atürliche Zahle durch folgede Axiome defiiere []:. ist eie atürliche Zahl.. Zu jeder atürliche Zahl gibt es geau eie
MehrVersuch 13/1 NEWTONSCHE INTERFERENZRINGE Blatt 1 NEWTONSCHE INTERFERENZRINGE
Versuch 3/ NEWTONSCHE INTERFERENZRINGE Blatt NEWTONSCHE INTERFERENZRINGE Die Oberfläche vo Lise hat im allgemeie Kugelgestalt. Zur Messug des Krümmugsradius diet das Sphärometer. Bei sehr flacher Krümmug
MehrWahrscheinlichkeitsrechnung
www.s.schule.de/~matheabi 1 Wahrscheilichkeitsrechug Eileitug Dieser Text ist etstade, um Schülerie ud Schüler der Jahrgagsstufe 12 die Wiederholug des Stoffs voragegageer Jahre zu erleichter. Nebe viele
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...
MehrGeometrische Wahrscheinlichkeiten für nichtkonvexe Testelemente
Geometrische Wahrscheilichkeite für ichtkovexe Testelemete Dissertatio zur Erlagug des akademische Grades Dr. rer. at. FerUiversität i Hage Fakultät für Mathematik ud Iformatik vorgelegt vo Dr.-Ig. Uwe
MehrWirtschaftsmathematik
Studiegag Betriebswirtschaft Fach Wirtschaftsmathematik Art der Leistug Studieleistug Klausur-Kz. BW-WMT-S1 040508 Datum 08.05.004 Bezüglich der Afertigug Ihrer Arbeit sid folgede Hiweise verbidlich: Verwede
MehrInnerbetriebliche Leistungsverrechnung
Ierbetriebliche Leistugsverrechug I der Kostestellerechug bzw. im Betriebsabrechugsboge (BAB ist ach der Erfassug der primäre Kostestellekoste das Ziel, die sekudäre Kostestellekoste, also die Koste der
MehrNachklausur - Analysis 1 - Lösungen
Prof. Dr. László Székelyhidi Aalysis I, WS 212 Nachklausur - Aalysis 1 - Lösuge Aufgabe 1 (Folge ud Grezwerte). (i) (1 Pukt) Gebe Sie die Defiitio des Häufugspuktes eier reelle Zahlefolge (a ) N. Lösug:
MehrAufgaben zur vollständigen Induktion
c 7 by Raier Müller - Aufgabe zur vollstädige Idutio We ichts aderes agegebe ist, da gelte die Behauptuge für IN {; ; ;...}. A) Teilbareit: ) ist gerade (d.h. durch teilbar). ) ist durch teilbar. ) ist
MehrMusterlösung zu Übungsblatt 2
Prof. R. Padharipade J. Schmitt C. Schießl Fuktioetheorie 25. September 15 HS 2015 Musterlösug zu Übugsblatt 2 Aufgabe 1. Reelle Fuktioe g : R R stelle wir us üblicherweise als Graphe {(x, g(x)} R R vor.
MehrFüllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge
2.4 Stetige Zufallsvariable Beispiel. Abfüllung von 500 Gramm Packungen einer bestimmten Ware auf einer automatischen Abfüllanlage. Die Zufallsvariable X beschreibe die Füllmenge einer zufällig ausgewählten
Mehr4 Punkt- und Intervallschätzung
W. Timischl, Agewadte Statistik - Formel (Agewadte Statistik Bachelor-Bioegieerig/Biotechologie) 4 Pukt- ud Itervallschätzug 4. Mittelwert ud Variaz Zufallsstichprobe der metrische Variable X vom Umfag
MehrZusammenfassung Wirtschaftsinformatik Stefan Käßmann
I. Iformatio ud Nachricht 1. Iformatio ud Nachricht - Nachricht (Sytax), Sigale, Zeiche - Iformatio (Sematik), bit - Rausche 2. digitale Nachrichte - digitale Sigale (Sigalparameter aus edlicher Zeichevorrat)
MehrMathematischer Vorkurs zum Studium der Physik
Uiversität Heidelberg Mathematischer Vorkurs zum Studium der Physik Übuge Aufgabe zu Kapitel 1 (aus: K. Hefft Mathematischer Vorkurs zum Studium der Physik, sowie Ergäzuge) Aufgabe 1.1: SI-Eiheite: a)
Mehr1 Analysis T1 Übungsblatt 1
Aalysis T Übugsblatt A eier Weggabelug i der Wüste lebe zwei Brüder, die vollkomme gleich aussehe, zwische dee es aber eie gewaltige Uterschied gibt: Der eie sagt immer die Wahrheit, der adere lügt immer.
MehrBINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008
Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe
MehrKlasse: Platzziffer: Punkte: / Graph zu f
Pflichtteil Mathematik I Aufgabe P Name: Vorame: Klasse: Platzziffer: Pukte: / P.0 Gegebe ist die Fuktio f mit der Gleichug (siehe Zeichug). y x8 y,25 4 mit GI IRIR Graph zu f O x P. x 8 Die Pukte C (x,25
MehrEinführung in die Computerlinguistik Statistische Grundlagen
Statistik 1 Sommer 2015 Einführung in die Computerlinguistik Statistische Grundlagen Laura Heinrich-Heine-Universität Düsseldorf Sommersemester 2015 Statistik 2 Sommer 2015 Überblick 1. Diskrete Wahrscheinlichkeitsräume
MehrGaußsche Prozesse - ein funktionalanalytischer Zugang
Universität Ulm Fakultät für Mathematik und Wirtschaftswissenschaften Gaußsche Prozesse - ein funktionalanalytischer Zugang Bachelorarbeit in Wirtschaftsmathematik vorgelegt von Clemens Kraus am 31. Mai
MehrWintersemester 2006/2007, Universität Rostock Abgabetermin: spätestens 24.10.2006, 09:00 Uhr. Aufgabe 1.1: (5 P)
Serie Abgabetermi: spätestes 24.0.2006, 09:00 Uhr Aufgabe.: 5 P Zeige Sie, dass das geometrische Mittel icht größer ist als das arithmetische Mittel, d.h., dass für alle Zahle a, b R mit a, b 0 gilt ab
MehrKryptologie: Kryptographie und Kryptoanalyse Kryptologie ist die Wissenschaft, die sich mit dem Ver- und Entschlüsseln von Informationen befasst.
Krytologie: Krytograhie ud Krytoaalyse Krytologie ist die Wisseschaft, die sich mit dem Ver- ud Etschlüssel vo Iformatioe befasst. Beisiel Iteretkommuikatio: Versiegel (Itegrität der Nachricht) Sigiere
MehrStatistische Thermodynamik I Lösungen zur Serie 1
Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen
MehrErwartungswert und Varianz bei Verteilungen und Glücksspielen
HL Saalfelde Erwartugswert / Variaz Seite vo 7 Wilfried Rohm Erwartugswert ud Variaz bei Verteiluge ud Glücksspiele Mathematische / Fachliche Ihalte i Stichworte: Erwartugswerte ud Variaz (Stadardabweichug)
MehrKapitel 6: Quadratisches Wachstum
Kapitel 6: Quadratisches Wachstum Dr. Dakwart Vogel Ui Esse WS 009/10 1 Drei Beispiele Beispiel 1 Bremsweg eies PKW Bremsweg Auto.xls Ui Esse WS 009/10 Für user Modell des Bremsweges gilt a = a + d a =
Mehr3. Tilgungsrechnung. 3.1. Tilgungsarten
schreier@math.tu-freiberg.de 03731) 39 2261 3. Tilgugsrechug Die Tilgugsrechug beschäftigt sich mit der Rückzahlug vo Kredite, Darlehe ud Hypotheke. Dabei erwartet der Gläubiger, daß der Schulder seie
MehrStichproben im Rechnungswesen, Stichprobeninventur
Stichprobe im Rechugswese, Stichprobeivetur Prof Dr Iree Rößler ud Prof Dr Albrecht Ugerer Duale Hochschule Bade-Württemberg Maheim Im eifachste Fall des Dollar-Uit oder Moetary-Uit Samplig (DUS oder MUS-
MehrFeldeffekttransistoren in Speicherbauelementen
Feldeffekttrasistore i Speicherbauelemete DRAM Auch we die Versorgugsspaug aliegt, ist ei regelmäßiges (typischerweise eiige ms) Refresh des Speicherihaltes erforderlich (Kodesator verliert mit der Zeit
MehrAusarbeitung des Seminarvortrags zum Thema
Ausarbeitung des Seminarvortrags zum Thema Anlagepreisbewegung zum Seminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn von Imke Meyer im W9/10 Anlagepreisbewegung
MehrPräsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik
Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik Dozent: Volker Krätschmer Fakultät für Mathematik, Universität Duisburg-Essen, WS 2012/13 1. Präsenzübung Aufgabe T 1 Sei (Z 1,...,
MehrVerbesserung von Datengüte und Analysemöglichkeiten durch den Einsatz visueller Analogskalen in Onlineumfragen
Gemeisame Tagug des DVPW-Arbeitskreises Empirische Methode der Politikwisseschaft ud der DGS-Sektio Methode der Empirische Sozialforschug m Thema Olieforschug Maheim, 27. ud 28. Mai 2011 Verbesserug vo
Mehr1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem P( ) = 0.
1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem Folg. 2 Sei (Ω, E, P) W.-raum. Seien A, B,A 1,...,A n Ereignisse. Es gelten die folgenden Aussagen: 1. P(A) = 1 P(A). 2. Für das unmögliche Ereignis gilt:
MehrKombinatorik für Klasse 8
Kombiatorik für Klasse 8 Lisa Sauerma März 013 Kombiatorik ist ei Gebiet, das oft bei Mathematikolympiade vorkommt. Es gibt dabei Aufgabe i beliebige Schwierigkeitsstufe. I utere Klassestufe werde oft
MehrAUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2. Datenfluß und Programmablauf 2. Vorbedingung 3. Nachbedingung 3. Schleifeninvariante 3
INHALTSVERZEICHNIS AUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2 Datefluß ud Programmablauf 2 Vorbedigug 3 Nachbedigug 3 Schleifeivariate 3 KONSTRUKTION 4 ALTERNATIVE ENTWURFSMÖGLICHKEITEN 5 EFFEKTIVE
MehrKerncurriculum Berufliche Gymnasien Niedersachsen Stochastik
Jes Hellig Herausgeber: Klaus Schillig Kercurriculum Berufliche Gymasie Niedersachse Stochastik Darstelle Auswerte Beurteile 2. Auflage Bestellummer 03330 Habe Sie Areguge oder Kritikpukte zu diesem Produkt?
MehrBitte schicken Sie mir eine E-mail, wenn Sie einen Fehler gefunden haben 1. Moritz Kaßmann
Das folgede Skript zur Vorlesug Spezielle Aspekte der Aalysis für Studierede des Lehramts a Grud, Haupt ud Realschule wird fortlaufed aktualisiert ud verädert werde. Das Skript ethält bei weitem icht alle
Mehr2. Einführung in die Geometrische Optik
2. Eiührug i die Geometrische Optik 2. Allgemeie Prizipie 2.. Licht ud Materie Optische Ssteme werde ür de Spektralbereich zwische dem extreme Ultraviolette ( m) ud dem thermische Irarote (Q-Bad bei 2
MehrFlexibilität beim Lagern und Kommissionieren: Schienengeführte Regalbediengeräte
Flexibilität beim Lager ud Kommissioiere: Schieegeführte Regalbediegeräte Ei Kozept zwei Baureihe: DAMBACH Regalbediegeräte Seit mehr als 35 Jahre baut die DAMBACH Lagersysteme Regalbediegeräte ud gehört
Mehre d m m = D d (E e (m)) D d E e m f c = f(m) m m m 1 f(m 1 ) = c m m 1 m c = f(m) c m c m b b 0, 1 b r f(b, r) f f(b, r) := y b r 2 n, n = pq ggt (p, q) = 1 p q y n f K f(x + y) = f(x) + f(y) f(x y) =
MehrEin kleines Einmaleins über Mittelwertbildungen
Vorlesugsergäzug zur Igeieurmathematik R.Brigola Ei kleies Eimaleis über Mittelwertbilduge Grudlage über arithmetische Mittel, geometrische Mittel, harmoische Mittel, quadratische Mittel ud das arithmetisch-geometrische
MehrFormelsammlung für Investition und Finanzierung
Formelsammlug für Ivesiio ud Fiazierug (Sad: 3.2.22) Seie vo 8 Formelsammlug für Ivesiio ud Fiazierug INHALSVERZEICHNIS. Mahemaische Grudlage...3 a) Auflösug quadraischer Gleichuge mi der pq-formel...3
Mehr