2 ISO/BIPM-Leitfaden Guide to the Expression of Uncertainty in Measurement, GUM (2008 überarbeitet, die deutsche Fassung ist [3])
|
|
- Willi Rosenberg
- vor 6 Jahren
- Abrufe
Transkript
1 I- Messusicherheite: Lit.: Prof. Dr. Gerz Wahrscheilichkeitsrechug ud Usicherheitsberechug IO/BIPM-Leitfade Guide to the Epressio of Ucertaity i Measuremet, GUM (008 überarbeitet, die deutsche Fassug ist [3]) 3 Vororm DIN V ENV 3005, Ausgabe : [4] Joh R. Taylor: A Itroductio to Error Aalysis: The tudy of Ucertaites i Physical Measuremets a.) Histogramme: Die meiste Messuge vo physikalische Größe habe eie kotiuierliche Bereich möglicher Werte zb. 00,04 99,83 99,89 00,07 99,99 00,0 00,08 00,09 99,93 00,3 Um über treuug, statistische Verteilug ud wahre Wert eier Messgröße Aussage mache zu köe, werde die Messwerte i Itervalle = Klasse j eigeteilt ud die Zahl der Messwerte i de Klasse aufgetrage. Klassegreze j Abs.Häufigkeit j i Klasse j Rel.Häufigkeit j /= h j Rel.ummehäufig keit F j (Klasseede) 99,80 - < 99,90 0, 0, 99,90 - < 00,00 0, 0,4 00,00 - < 00, ,5 0,9 00,0 - < 00,0 4 0,,0 = = 0 = Prof. Dr. Higsammer, HM, Nachdruck verbote
2 Fläche h j /Gesamtfläche = h j Ateil der Messwerte i der j te Klasse. 0,5 0,4 0,3 0, 0, 0,0 i 99,80 99,90 00,00 00,0 00,0 3 4 Klasse j 0, 0, 0, 0, Klassebreite j = Grezverteilug, Wahrscheilichkeitsdichte: Die Zahl der Messwerte wird immer weiter erhöht, aus der Häufigkeitsverteilug etsteht die Wahrscheilichkeitsdichte f(). f() = Wahrscheilichkeitsdichte Grezverteilug Gesamtfläche = (Normierug) f()d = Ateil der Messwerte, die zwische ud +d falle = relative Häufigkeit h der Messwerte zwische ud +d +d
3 Bedeutug der Grezverteilug bzw. der Wahrscheilichkeitsdichte: Die Wahrscheilichkeit, dass ei beliebiges Messergebis zwische ud liegt ist : Fläche zwische ud / Gesamtfläche = wege Normierug f f d d dh., P f d a Verteiluge, die i der Messtechik häufig vorkomme: f() f() hohe Geauigkeit gerige Geauigkeit Normalverteilug Rechteckverteilug f() Dreieckverteilug 3
4 Aufgabe : Bei eier Lägemessug erhält ma folgede Messwerte: Läge i /mm 00,04 99,89 99,99 00,08 99,93 00,0 00,9 99,94 00,3 00,09 99,83 00,07 00,0 00,09 99,99 00,03 00,4 99,93 00,04 99,97 Teile ie die Messwerte i Klasse ei ud gebe ie die absolute Häufigkeite j, die relative Häufigkeite h j i de Klasse j ud die relative ummehäufigkeit F j tabellarisch a. Trage ie das Histogramm auf. b.) Häufige Verteiluge: Normalverteilug (stetig): Damit wird die treuug rei zufälliger Messwerte beschriebe (die Abbildug bezieht sich auf die obige Aufgabe) f e b X Zum chätzwert vo σ ud µ siehe Abschitt Variaz ud Erwartugswert. Die Zahl der beobachtete Messwerte i de Klasse erhält ma äherugsweise, idem ma das Itegral vo f() über die jeweilige Klassegreze ausführt ud mit der Zahl der Messwerte multipliziert. Das gibt de Erwartugswert E k der Messwerte i de Klasse, der bei eier Vielzahl vo Wiederholugsmessuge im Mittel auftritt. 4
5 Die Wahrscheilichkeit P, Messwerte im Itervall a < b zu fide, ist b b a Pa b f X d a b a erf erf ; b z z erf ; z z ; 0; z ; Brostei z 0 z 0,5 ist die sog. Verteilugsfuktio der tadard-normalverteilug ( ud erf die sog. Errorfuctio; beides ist i Formelsammluge bzw. oftwareprogramme (Mathematica ) tabellarisch dokumetiert, da das Itegral i (b) icht elemetar lösbar ist. iehe ächste eite! Im Bereich - bis + sid 68,3% aller Messwerte ethalte - bis + sid 95,5% aller Messwerte ethalte - 3 bis + 3 sid 99,7% aller Messwerte ethalte Aufgabe: Wie groß ist die Wahrscheilichkeit, daß bei = 50 mm ud = 0 mm ei Messwert im Itervall (45-55) mm liegt bzw. kleier 45 mm ist? (0,383; 0,3085) ( Die tadard-normalverteilug ist symmetrisch mit µ = 0 ud σ =. Jede allgemeie Gauß sche Verteilugsfuktio t F e dt läßt sich auf sie zurückführe. 5
6 z (-z) (z) z (-z) (z) z (-z) (z)
7 Prüfug auf Normalverteilug: oll geprüft werde, ob eie vorhadee Verteilug eier Normalverteilug = Gaußverteilug etspricht, trägt ma die relative ummehäufigkeite i ei Wahrscheilichkeitsdiagramm ei, desse Ordiate so geteilt ist, daß bei Normalverteilug eie Gerade etsteht. Bei = ist die relative ummehäufigkeit 5,87% bzw. 84,3%. Aufgabe: Prüfe ie ahad des Wahrscheilichkeitsdiagrammes die Häufigkeitsverteilug der Aufgabe eite 4 auf Normalverteilug. Variaz ud Erwartugswert: Der Erwartugswert vo (-)² ergibt die Variaz ², ei Maß für die treuug der Messwerte, der Erwartugswert vo liefert de Mittelwert. 7
8 3 lim i E X f d b i X X E X f d Der Erwartugswert ist die umme aller mit ihrer Wahrscheilichkeit multiplizierte Messwerte oder das arithmetische Mittel bei uedlich viele Messwerte i. j = -Wert der Klassemitte. Da ur eie edliche Zahl vo Messwerte vorliegt, läßt sich ud icht bestimme, soder ur ei chätzwert = Arithmetisches Mittel für ud ei chätzwert s = Empirische tadardabweichug (treuug) für die tadardabweichug : i ; s i b4 i treuug des arithmetische Mittels: Werde verschiedee Messreihe erstellt, erhält ma i.a. jedesmal adere arithmetische Mittelwerte, dh.auch die Mittelwerte streue, ur wesetlich geriger, wie die Messwerte. Ma erhält allgemei für jede Verteilug: s s b5 Das Arithmetische Mittel ist also ormalverteilt mit / Bem.: Zufallsvariable werde großgeschriebe, ihre chätzwerte (Messwerte, Mittelwerte) klei. I der vorliegede Broschüre werde sie äherugsweise oft gleichgesetzt. 8
9 Aufgabe ach Kapitel a: Urliste der Meßwerte: Läge i i mm 00,04 99,89 99,99 00,08 99,93 00,0 00,9 99,94 00,3 00,09 99,83 00,07 00,0 00,09 99,99 00,03 00,4 99,93 00,04 99,97 Bestimme ie de Mittelwert, die tadardabweichug der Messwerte ud die treuug des arithmetische Mittels. (00,0 mm; 0,0875 mm; 0,0 mm) Wichtige Awedug: s / wird als sog. tadardusicherheit ach DIN ENV 3005 bei Vielfachmessuge verwedet, dh. als Usicherheit des als Ergebis agegebee arithmetische Mittelwertes. (Kapitel c) Rechteckverteilug: Jede Lage vo Messwerte i ierhalb eies bestimmte Bereiches soll gleich wahrscheilich sei: f X () = a = b f X fuer a b b b a 0 sost 6 Wege der Normierugsbedigug (. ud 3) muß die Wahrscheilichkeitsdichte f() im Bereich a bis b de Wert /(b-a) besitze ud ull für alle übrige -Werte. Für de Erwartugswert vo X = µ ud de Erwartugswert vo (X-µ)² = σ² = Variaz vo X erhält ma: 9
10 b f d b a a 3 f d b a 3 a 3 3 b b a a b a b a b a 3 b a 3 8 s a b b a b a b a halbes Itervall ; 3 3 Wichtige Awedug: s ist die tadardusicherheit (Kap. c) ach DIN, we zu vermute ist, daß die Messwerte mit ihre Usicherheite gleichmäßig über ei Itervall verteilt sid, zb. bei Geräte mit eier Fehlergreze. Fehlergreze ach DIN 39-: Es hadelt sich hier um vereibarte oder garatierte Höchstwerte für Abweichuge eier Messeirichtug vom richtige Wert, der wirklich gemessee Wert liegt irgedwo ierhalb des garatierte Itervalles. b 3 Aufgabe: Bei der Produktio vo 00 gleichartige Lägemeßgeräte wird die Messläge cm mit eiem Edmaß vo cm Läge ( wahrer Wert) vergliche. Ma erhält eie Häufigkeitsverteilug für die Azeige bei der wahre Läge cm, die zwische 0,999 cm ud,00 cm gleichmäßig verteilt ist. Wie groß ist die Wahrscheilichkeit, Azeige im obere Drittel des Itervalls 0,999 cm,00 cm bei der Messug vo cm zu erhalte. (/3) Zeige ie, daß bei der Rechteckverteilug die Normierugsbedigug z fbgd erfüllt ist. Bestimme ie die Wahrscheilichkeitsdichte für die Dreiecksverteilug uter Verwedug der Normierugsbedigug ud die tadardabweichug. Der Hersteller eier Persoewaage garatiert, daß der tatsächliche Wert ierhalb des Itervalles [abgeleseer Messwert. 00 g ] liegt. Wie groß ist die tadardusicherheit s? (00 g / 3) 0
11 t-(tudet ( -) Verteilug (stetig) Dies ist die Verteilug der Zufallsvariable T X b7 Mit als empirischer tadardabweichug, µ als wahre Wert ud X als arithmetische Mittelwert der Messuge, dh. chätzwert vo µ. Für geht die Verteilug i die Normalverteilug mit µ = 0 ud = über. Die Wahrscheilichkeit, eie Wert vo T im Itervall t +t zu erhalte ist P t T t F t F t Vertrauesivau b T t ; T T T T 3 ; 8 F t P T t f t dt f t Wahrscheilichkeitsdichte ( Wurde vo W..Gosset uter dem Pseudoym tudet veröffetlicht. ( Zufallsvariable werde mit Großbuchstabe gekezeichet, ihre chätzwerte (Messwerte, Mittelwerte) mit Kleibuchstabe; (3 auch Kofidezkoeffiziet
12 F T (t) ist die Verteilugsfukio aalog zu i (b). Die Ugleichug (b8) ka folgedermaße umgeschriebe werde: X t t t X t t X t X X t X t Damit ka (b8) auch so geschriebe werde: PX t X t FT t FT t b9 Die Wahrscheilichkeit P = - heißt Kofidezkoeffiziet, Vertrauesiveau oder Kofideziveau, Irrtumswahrscheilichkeit. Ist vo eier ormalverteilte Größe der arithmetische Mittelwert ud die empirische tadardabweichug s bekat, so gibt (b9) die Wahrscheilichkeit P = (- a, de wahre Mittelwert µ im Kofidezitervall s s s tp, ; tp, bzw. tp, P, azutreffe. P = F T (t) - F T (-t) = - ist als 68,6%, 90%, 99%, 99,5% ud 99,73% als Tabelle ute agegebe; i Abhägigkeit vo P ud etimmt ma daraus t P,. Die Verteilugsfuktio F T (t) ud die Dichtefuktio f T (t) ist i Formelsammluge ud oftware tabelliert oder ka ach de Formel ute berechet werde.
13 68,6% 90% 95% 99% 99,5% 99,73%,84 6,3,7 63,66 7,3 35,8 3,3,9 4,30 9,93 4,09 9, 4,0,35 3,8 5,84 7,45 9, 5,5,3,78 4,60 5,60 6,6 6,,0,57 4,03 4,77 5,5 8,08,90,37 3,50 4,03 4,53 0,06,83,6 3,5 3,69 4,09 3,05,78,8 3,05 3,43 3,76 0,03,73,09,86 3,7 3,45 30,0,70,05,76 3,04 3,8 3,0,70,04,74 3,0 3,6 50,0,68,0,68,94 3,6 80,00,66,99,64,89 3,0 00,00,66,98,63,87 3,08 5,00,66,98,6,86 3,07 00,00,65,97,60,84 3,04 >00,00,65,96,58,8 3,00 ft t ; / t t dt t F t / ; Zahl der Freiheitsgrade Beispiel ahad der Urliste der Messwerte eite 8 ute (Teil ) soll das 90% Kofidezitervall agegebe werde. Dabei wird eie Läge zwazigmal i mm gemesse : 00,04 99,89 99,99 00,08 99,93 00,0 00,9 99,94 00,3 00,09 99,83 00,07 00,0 00,09 99,99 00,03 00,4 99,93 00,04 99,97 3
14 00, 0 mm, s i 00, 0mm 0, 09mm 9 i s 0,09 mm ; Vertrauesiveau 90% ud 0 t, 73 aus Tabelle 0 t s 0, 035 mm; fuer das 90% Kofidezitervall erhaelt ma s s t ; t 99,98 mm;00, 06 mm P, P, 90%, 0 s t 00, 0 0, 035 mm 90%, 0 90%, 0 bzw. Bedeutug: i 90% aller Fälle dh. i 90 vo 00 Fälle beihaltet das agegebee Itervall de wahre Mittelwert µ. µ muß also icht zwiged im Itervall ethalte sei. Wege F(t 90%,=0 ) - F(-t 90%,=0 ) = 0,90 ach (b9) ka ma aus der Verteilugsfuktio gemäß Abbildug direkt das t 90%,=0 etehme. 4
15 Die ächste Abbildug zeigt die Läge des Kofidezitervalles i Abhägigkeit vom tichprobeumfag : je geriger, desto größer muß das Kofidezitervall gewählt werde, um de wahre Mittelwert µ mit 90% iger Wahrscheilichkeit dari zu fide. Itervall mm
16 Poisso ( - Verteilug (diskret) Nebe adere wichtige Aweduge beschreibt sie i der Physik die Messug radioaktiver trahlug mit eiem Zählrohr. Die Wahrscheilichkeitsfuktio f X ( j ) eistiert ur a de diskrete Werte,.. f X ( j ) ist die Wahrscheilichkeit, eie Wert j zu erhalte. Für µ 5 ähert sich die Verteilug immer mehr der Normalverteilug (Zetraler Grezwertsatz der tatistik). I der Abbildug sid die Hüllkurve gezeichet, für µ=3 die tatsächliche Wahrscheilichkeitsfuktioe. (Nach DIN 39 Teil 4 wird f X ( j ) Wahrscheilichkeitsfuktio geat) j j 0 f X e b! j ( vo.d.poisso 837 eigeführt 6
17 Für de Erwartugswert = Mittelwert vo X ud die Variaz ergibt sich : j X j ; j X j P X f E X f j X j E X f b j tadardabweichug des Mittelwertes... ; s ; j Bei praktische Messuge ist die chätzfuktio für de Mittelwert µ der Grudgesamtheit, die empirische tadardabweichug s der chätzwert für die tadardabweichug σ der Grudgesamtheit ud s der chätzwert für die Variaz des Mittelwertes der Grudgesamtheit µ (s = tadardabweichug des arithmetische Mittels, ma erhält diese, weil bei jeder eue Versuchsreihe adere Mittelwerte gemesse werde). Korrelatioe werde i DIN39 Teil 4 behadelt. Beispiel: I =500 Beobachtuge werde j Impulse pro Zeititervall mit eiem Zählrohr erfaßt. µ=,99; s=,73 ; Urliste j j geordet Häufigkeit H j gemesse f X ( j ) 500, berechet = = = ,4 500 =
Kapitel 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
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
MehrProf. Dr. Roland Füss Statistik II SS 2008
1. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug ergibt sich aus de Grezwertsätze. Grezwertsätze sid Aussage über eie Zufallsvariable für de Fall, dass die Azahl
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
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:
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
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
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
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
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
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
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
MehrEinführung in die Stochastik 10. Übungsblatt
Eiführug i die Stochastik. Übugsblatt Fachbereich Mathematik SS M. Kohler.7. A. Fromkorth D. Furer Gruppe ud Hausübug Aufgabe 37 (4 Pukte) Ei Eremit am Südpol hat sich für die eibrechede polare Nacht mit
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
MehrStochastisches Integral
Kapitel 11 Stochastisches Itegral Josef Leydold c 26 Mathematische Methode XI Stochastisches Itegral 1 / 2 Lerziele Wieer Prozess ud Browsche Bewegug Stochastisches Itegral Stochastische Differetialgleichug
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
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
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG. - LÖSUNGEN. ypothesetest für die Dicke vo Plättche Die Dicke X vo Plättche, die auf eier bestimmte Maschie
MehrEinführung in die induktive Statistik. Inferenzstatistik. Konfidenzintervalle. Friedrich Leisch
Spiel Körpergröße Zahl: Azahl weiblich Eiführug i die iduktive Statistik Friedrich Leisch Istitut für Statistik Ludwig-Maximilias-Uiversität Müche Tafelgruppe 8.5 8.6 8.7 8.8 8.9 9.0 9.1 4 5 3 2 1 0 1
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
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
MehrÜbungsaufgaben - Organisatorisches
Übugsaufgabe - Orgaisatorisches Der Abgabetermi der eue Übugsblätter ist: Motag, 4:00 Uhr Fehlerrechugsbriefkaste Der Abgabetermi der verbesserte Übugsblätter ist: Freitag, 6:00 Uhr T. Kießlig: Auswertug
MehrStatistische Modelle und Parameterschätzung
Kapitel 2 Statistische Modelle ud Parameterschätzug 2. Statistisches Modell Die bisher betrachtete Modellierug eies Zufallsexperimetes erforderte isbesodere die Festlegug eier W-Verteilug. Oft besteht
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler 9.04.008 Äderug Übugsstude Statistik ud Wahrscheilichkeitsrechug Die Gruppe vo Markus trifft sich am Doerstag statt im HCI D zusamme mit der Gruppe
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
MehrWahrscheinlichkeit & Statistik
Wahrscheilichkeit & Statistik created by Versio: 3. Jui 005 www.matheachhilfe.ch ifo@matheachhilfe.ch 079 703 7 08 Mege als Sprache der Wahrscheilichkeitsrechug, Begriffe, Grudregel Ereigisraum: Ω Ω Mege
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
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
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
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
MehrKörpergröße x Häufigkeit in [m] 1.50 1.60 1 1.60 1.70 5 1.70 1.80 49 1.80 1.90 53 1.90 2.00 15 2.00 2.10 1
8 Kofidezitervalle 1 Kapitel 8: Kofidezitervalle A: Beispiele Beispiel 1: Im WS 2000/01 wurde im Rahme der Statistik Vorlesug 124 Studete u.a. zu ihrer Körpergröße befragt. Ma erhielt folgedes Ergebis:
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
MehrFehlerrechnung. 3. Genauigkeit von Meßergebnissen am Beispiel der Längenmessung
1 Gie 11/000 Fehlerrechug 1. Physikalische Größe: Zahlewert ud Eiheit. Ursache vo Meßfehler 3. Geauigkeit vo Meßergebisse am Beispiel der Lägemessug 4. Messug eier kostate Größe ud Mittelwert 5. Messug
MehrEvaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt
2.4.5 Gauss-Test ud t-test für verbudee Stichprobe 2.4.5.8 Zum Begriff der verbudee Stichprobe Verbudee Stichprobe: Vergleich zweier Merkmale X ud Y, die jetzt a deselbe Persoe erhobe werde. Vorsicht:
Mehr1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre Morgasche Formel A \ B = A [ B A [ B = A \ B Kommutativgesetz A \ B = B \ A A [ B = B [ A Assozia
Statistik I - Formelsammlug Ihaltsverzeichis 1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre................................. 1. Kombiatorik........................................ 1.3 Wahrscheilichkeite....................................
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-
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)
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
Mehr1.2. Taylor-Reihen und endliche Taylorpolynome
1.. aylor-reihe ud edliche aylorpolyome 1..1 aylor-reihe Wir köe eie Fuktio f() i eier Umgebug eies Puktes o gut durch ihre agete i o: t o () = f(o) + f (o) (-o) aäher: Wir sehe: Je weiter wir vo o weg
MehrTesten statistischer Hypothesen
Kapitel 9 Teste statistischer Hypothese 9.1 Eiführug, Sigifiaztests Sigifiaztest für µ bei der ormalverteilug bei beatem σ = : X i seie uabhägig ud µ, ) verteilt, µ sei ubeat. Stelle eie Hypothese über
MehrBehandlung von Messunsicherheiten (Fehlerrechnung)
Behadlug vo Messusicherheite (Fehlerrechug). Ermittlug vo Messusicherheite. Messug ud Messusicherheit Die Messug eier physikalische Größe erfolgt durch de Vergleich dieser Größe mit eier Bezugseiheit ach
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
MehrTESTEN VON HYPOTHESEN
TESTEN VON HYPOTHESEN 1. Grudlage Oft hat ma Vermutuge zu Sachverhalte ud möchte diese gere durch Experimete bestätige. Dabei ka es sich i der Praxis zum Beispiel um Verteiluge vo gewisse Zufallsgröße
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
Mehr4. Übung Konfidenzintervalle für Anteile und Mittelwerte
Querschittsbereich 1: Epidemiologie, Mediziische Biometrie ud Mediziische Iformatik - Übugsmaterial - Erstellt vo Mitarbeiter des IMISE ud des ZKS Leipzig 4. Übug Kofidezitervalle für Ateile ud Mittelwerte
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
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
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
MehrPflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik
Pflichtlektüre: Kapitel 10 Grudlage der Iferezstatistik Überblick der Begriffe Populatio Iferezstatistik Populatiosparameter Stichprobeverteiluge Auch Stichprobekewerteverteiluge Wahrscheilichkeitstheorie
MehrBei 95%iger Konfidenz wäre der Mittelwert der GG zwischen 1421,17DM und 1778,83DM zu erwarten.
Aufgabe 36 (S. 346: Schätzverfahre für Mittelwert ud Stadardabweichug a Puktschätzuge für µ aufgrud der Werte der kleie Stichprobe aus Aufgabe 3 Bei eier Puktschätzug wird für de zu schätzede Parameter
Mehr2.2.1 Lagemaße. Exkurs: Quantile. und n. p n
Ekurs: Quatile Ausgagspukt : Geordete Urliste Jeder Wert p, mit 0 < p
MehrKonfidenzintervall_fuer_pi.doc Seite 1 von 6. Konfidenzintervall für den Anteilswert π am Beispiel einer Meinungsumfrage
Kofidezitervall_fuer_pi.doc Seite 1 vo 6 Kofidezitervall für de Ateilswert π am Beispiel eier Meiugsumfrage Nach eier Meiugsumfrage der Wochezeitug Bezirksblatt vom März 005, ei halbes Jahr vor de Ladtagswahle
Mehr2.3 Dampfdruck des Wassers und Luftfeuchtigkeit
1 Eileitug Physikalisches Praktikum für Afäger - Teil 1 Gruppe 2 Wärmelehre 2.3 Dampfdruck des Wassers ud Luftfeuchtigkeit Die Luftfeuchtigkeit, oder kurz Luftfeuchte, bezeichet de Ateil des Wasserdampfs
MehrIntervallschätzung II 2
Itervallschätzug Kofidezitervall für die Variaz Kofidezitervall für de Ateilswerte Kofidezitervall für die Differez zweier Ateile Bestimmug des Stichrobeumfags Itervallschätzug II Bibliografie Bleymüller
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
MehrVerteilungsfunktionen
Verteilugsfuktioe Wie sid zufällige Fehler verteilt? Wie sid Messwerte verteilt? Fehler Messwerte Verteilugsfuktioe: Maxwell-Boltza Feri-Dirac Bose-Eistei Placksche Verteilug Frage ist stets, wie groß
MehrAnalysis ZAHLENFOLGEN Teil 4 : Monotonie
Aalysis ZAHLENFOLGEN Teil 4 : Mootoie Datei Nr. 40051 Friedrich Buckel Juli 005 Iteretbibliothek für Schulmathematik Ihalt 1 Eiführugsbeispiele 1 Mootoie bei arithmetische Folge Defiitioe 3 3 Welche Beweistechik
MehrDemo für www.mathe-cd.de
Wahrscheilichkeitsrechug Hypergeometrische Verteilug Themeheft ud Traiigsheft Datei r. 4211 Stad 17. April 2010 Friedrich W. Buckel Demo für ITERETBIBLIOTHEK FÜR SCHULMATHEMATIK 4211 Hypergeometrische
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
MehrÜbungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie
Uiversität Müster Istitut für Mathematische Statistik Stochastik WS 203/204, Blatt Löwe/Heusel Aufgabe (4 Pukte) Übuge Abgabetermi: Freitag, 24.0.204, 0 Uhr THEMEN: Testtheorie Die Sollstärke der Rohrwäde
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
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
MehrZufallsstreubereiche und Vertrauensbereiche
HTL Saalfelde Zufallsstreu- ud Vertrauesbereiche Seite 1 vo 1 Wilfried Rohm, HTL Saalfelde wilfried.rohm@schule.at Zufallsstreubereiche ud Vertrauesbereiche Mathematische / Fachliche Ihalte i Stichworte:
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
Mehrvon solchen Abbildungen. Eine solche Folge bestimmt für jedes x M die Folge der Werte f n. Schreibt man dies noch einmal formal hin, so erhält man:
Gleichmäßige Kovergez Wir betrachte im Folgede Abbilduge f : M N, wobei M eie Mege ud N ei metrischer Raum ist. Isbesodere iteressiere ud Folge f vo solche Abbilduge. Eie solche Folge bestimmt für jedes
MehrGrundproblem der Inferenzstatistik
Grudproblem der Iferezstatistik Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe... "wahre", ubekate Ateil icht zufällig p... beobachtete Ateil zufällig? Statistik für SoziologIe 1 Iferezschluss Kofidezitervall
MehrVorkurs Mathematik für Informatiker Folgen
Vorkurs Mathematik ür Iormatiker -- 8 Folge -- 11.10.2015 1 Folge: Deiitio Eie (uedliche) Folge im herkömmliche Sie etsteht durch Hitereiaderschreibe vo Zahle 1,2,3,4,5, Dabei ist die Reiheolge wichtig,
MehrÜbungsaufgaben. Häufige Fehler: Banale Rechenfehler. Unsaubere Arbeitsweise. Signifikante Stellen falsch. Einheiten vergessen.
Übugsaufgabe Häufige Fehler: Baale Rechefehler Sigifikate Stelle falsch Eiheite vergesse Usaubere Arbeitsweise Rudugsfehler Eiheite falsch ugerechet T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe
MehrUnivariate Verteilungen
(1) Aalyse: "deskriptive Statistike" Aalysiere -> deskriptive Statistike -> deskriptive Statistik Keie tabellarische Darstellug der Häufigkeitsverteilug () Aalyse: "Häufigkeitsverteilug" Aalysiere -> deskriptive
MehrMaximum Likelihood Version 1.6
Maximum Likelihood Versio 1.6 Uwe Ziegehage 15. November 2005 Logarithmegesetze log a (b) + log a (c) = log a (b c) (1) log a (b) log a (c) = log a (b/c) (2) log a (b c ) = c log a (b) (3) Ableitugsregel
MehrKonzentration und Disparität
Begleitede Uterlage zur Übug Deskriptive Statistik Michael Westerma Uiversität Esse Ihaltsverzeichis 6 Kozetratios- ud Disparitätsmessug................................ 2 6.1 Begriff ud Eileitug.......................................
Mehr= a n: Wurzelexponent x: Radikand oder Wurzelbasis a: Wurzelwert Bei der ersten Wurzel wird einfach das Wurzelzeichen weggelassen.
Wurzelgesetze Gesetzmäßigkeite Grudlage Das Wurzelziehe (oder Radiziere) ist die Umkehrug des Potezieres. Daher sid die Wurzelgesetze de Potezgesetze sehr ählich. Die Wurzel aus eier positive Zahl ergibt
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,
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Iformatiker II (Sommersemester 004) Aufgabe 7. Ubeschräktes
MehrEinführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 5
TUM, Zetrum Mathematik Lehrstuhl für Mathematische Physik WS 13/14 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weider Tutoraufgabe: Eiführug i die Wahrscheilichkeitstheorie Lösugsvorschläge zu Übugsblatt
MehrX in einer Grundgesamtheit vollständig beschreiben.
Prof. Dr. Rolad Füss Statistik II SS 008. Puktschätzug vo Parameter eier Grudgesamtheit Nur durch eie Totalerhebug ka ma die Verteilug eier Zufallsvariable X i eier Grudgesamtheit vollstädig beschreibe.
MehrLinsengesetze und optische Instrumente
Lisegesetze ud optische Istrumete Gruppe X Xxxx Xxxxxxxxx Xxxxxxx Xxxxxx Mat.-Nr.: XXXXX Mat.-Nr.: XXXXX XX.XX.XX Theorie Im olgede werde wir eie kurze Überblick über die Fuktio, de Aubau ud die Arte vo
MehrP{k Fehlschläge vor dem ersten Erfolg} P(X=k) = p k = f(k) = p(1-p) k, k= 0, 1, 2,..., 0< p <1, F(k) = 1 - q k+1, q:=1-p, E(X) = q p, var(x) = q p 2
GEOMETRIC geometrische Verteilug (Pascalverteilug mit r)/geometric distributio (df)/ la loi geometrique/distribució geométrica/distribuzioe geometrica P{k Fehlschläge vor dem erste Erfolg} P(Xk) k f(k)
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.
Mehr4. Vektorräume mit Skalarprodukt
4. Vektorräume mit Skalarprodukt Wiederholug: V=R x, y R: x= x x i x, y= y y, :R R R Skalarprodukt Stadardskalarprodukt lieare Abbildug mit 2 Argumete 4. Eigeschafte vo Skalarprodukte Def.: Es sei V ei
MehrDidaktik der Mathematik der Sekundarstufe II Anwendungen des bestimmten Integrals
Didaktik der Mathematik der Sekudarstufe II Aweduge des bestimmte Itegrals Fläche zwische zwei Graphe Mittelwert eier Fuktio Volume eies Rotatioskörpers Läge vo Kurve, die Graphe vo Fuktioe sid (Bogeläge
MehrBestimmung von Vertrauensintervallen (Konfidenzintervallen) bei unbekannten Wahrscheinlichkeiten
Bestimmug vo Vertrauesitervalle (Kofidezitervalle bei ubekate Warsceilickeite Beispiel : Es soll utersuct werde, wie viele 8-järige Erstwäler bei der äcste Budestagswal wäle gee werde. Dazu werde 600 Persoe
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
Mehr$Id: reihen.tex,v /06/14 13:59:06 hk Exp $
Mathematik für Iformatiker B, SS 202 Doerstag 4.6 $Id: reihe.tex,v.9 202/06/4 3:59:06 hk Exp $ 7 Reihe 7.4 Kovergezkriterie für Reihe 7.4. Alterierede Reihe Wir hatte gesehe das die harmoische Reihe divergiert,
Mehr5.3 Wachstum von Folgen
53 Wachstum vo Folge I diesem Abschitt betrachte wir (rekursiv oder aders defiierte) Folge {a } = ud wolle vergleiche, wie schell sie awachse, we wächst Wir orietiere us dabei a W Hochstättler: Algorithmische
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
MehrMethoden zur Konstruktion von Schätzern
KAPITEL 5 Methode zur Kostruktio vo Schätzer 5.1. Parametrisches Modell Sei (x 1,..., x ) eie Stichprobe. I der parametrische Statistik immt ma a, dass die Stichprobe (x 1,..., x ) eie Realisierug vo uabhägige
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 ; : :
MehrInduktive Schlussweise. Schätzfunktionen und Schätzverfahren. Bibliografie
Auswertug uivariater Datemege -iduktiv - Iduktive Schlussweise Schätzfuktioe ud Schätzverfahre Schätzug I Bibliografie Prof. Dr. Kück Uiversität Rostock Statistik, Vorlesugsskript Abschitt 7..; 7.. Bleymüller
MehrStatistische Schätzungen
Statitiche Schätzuge Statitiche Schätzuge, Ei Wiechaftler mu geau mee, icht chätze! Da it aber eie wiechaftliche Schätzug! Lázló Smeller? (8,5±1,5) cm Aalytiche Statitik (iduktive o. chließede Statitik)
MehrKlausur 1 über Folgen
www.mathe-aufgabe.com Klausur über Folge Hiweis: Der GTR darf für alle Aufgabe eigesetzt werde. Aufgabe : Bestimme eie explizite ud eie rekursive Darstellug! a) für eie arithmetische Folge mit a = 6, ;
MehrZählterme (Seite 1) Aufgabe: Wie viele Nummernschilder kann es theoretisch im Raum Dresden geben? Wann müsste die 4.Ziffer eingeführt werden?
Bemerkug: I Mathematik sollte ma keie Fahrpläe verwede, i der Stochastik erst recht icht. Zitat vo S.L. Das Baumdiagramm ist aber fast immer ei geeigetes Hilfsmittel. Produktregel Aufgabe: Wie viele Nummerschilder
MehrDifferenz X-Y normalverteilt Lagetest für zwei verbundene. Differenz X-Y symmetrisch Wilcoxon-Test Stichproben
1 Fuktio des Tests Bezeichug Testgegestad X ormalverteilt Lagetest für eie Stichprobe Wilcoxo-Test X symmetrisch verteilt Vorzeichetest Variable X Differez X-Y ormalverteilt Lagetest für zwei verbudee
MehrDiskrete Zufallsvariablen
Erste Beispiele diskreter Verteiluge Diskrete Zufallsvariable Beroulli-Verteilug Eie diskrete Zufallsvariable heißt beroulliverteilt mit arameter p, falls sie die Wahrscheilichkeitsfuktio p,, f ( ) ( )
Mehr4 Konvergenz von Folgen
4 Kovergez vo Folge Defiitio 4.. Sei M eie Mege. Ist 0 Z ud für jedes Z mit 0 ei a M gegebe, so et ma die Abbildug { Z; 0 } M, a eie Folge i M. Abkürzed schreibt ma für eie solche Abbildug auch a ) 0 oder
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
MehrVorkurs Grundlagen für das Mathematikstudium Lösungen 2: Binomialreihen, Exponential- und Logarithmusfunktion
Uiversität Zürich, 3. September 0 Vorurs Grudlage für das Mathematistudium Lösuge : Biomialreihe, Expoetial- ud Logarithmusfutio Lösug zu Aufgabe Seie x, y > 0 ud a > 0. Da gilt: a log a z z für alle z
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
MehrSPIRALE AUS RECHTECKEN
SPIRALE AUS RECHTECKEN Die Rechtecke sid aus eiem Papierblatt im Format DIN A4 durch sukzessives Halbiere herausgeschitte ud da "über Eck" eu ageordet worde. Welche Folge bilde die Flächeihalte der Rechtecke
Mehr7. Grenzwertsätze Grenzwertsätzen Zentraler Grenzwertsatz Gesetz der großen Zahlen Tschebyscheffsche Ungleichung
7. Grezwertsätze Bei de Grezwertsätze geht es um Aussage, die ma sogar da treffe ka, we keierlei Iformatioe über de Verteilugs-Typ der betrachtete Zufallsvariable vorliege. Zetraler Grezwertsatz Aussage
Mehr