Korrekturliste zum Studienbuch Statistik

Größe: px
Ab Seite anzeigen:

Download "Korrekturliste zum Studienbuch Statistik"

Transkript

1 Korrekturlite zum Studiebuch Statitik I der aktuelle Auflage wurde durch ei Kovertierugproblem i de Kapitel 0 (S. 3 3 ud de etprechede Abchitte i de Löuge (S teilweie die Zeiche µ durch ud π durch eretzt. Da dieer Fehler icht immer auftritt folgt hier eie Auflitug der betroffee Stelle. Seite 3 Der Erwartugwert eier Zufallvariable X wird i der Regel mit E( X oder X bezeichet. bzw. Dichtefuktio ud der Erwartugwert der Zufallvariable. Der Erwartugwert eier Zufallvariable X wird i der Regel mit E( X µ oder µ X bezeichet. bzw. Dichtefuktio ud µ der Erwartugwert der Zufallvariable. für x i =... ud = 3. für x i =... ud µ = ud Erwartugwert = 3. ud Erwartugwert µ = 3. 3 vo zwei Parameter σ 0 ab. vo zwei Parameter µ σ 0 3 E( X = E( X = µ ab. Der Graph it ymmetrich zur Ache x = ud beitzt a der Stelle x = ei Maximum. Eie Normalverteilug mit Parameter ud σ = verchiebt die Dichtefuktio um ach Der Graph it ymmetrich zur Ache x = μ ud beitzt a der Stelle x = μ ei Maximum. Eie Normalverteilug mit Parameter μ ud σ = verchiebt die Dichtefuktio um μ ach a Skizziere Sie die Wahrcheilichkeitdichte für ud σ =. b Wie ädert ich die Wahrcheilichkeitdichte we = bzw. it aber weiterhi σ = it? c Wie ieht die Wahrcheilichkeitdichte für ud σ im Vergleich zu a au? Wie ieht ie für ud σ = au? Skizziere Sie! a Skizziere Sie die Wahrcheilichkeitdichte für μ ud σ =. b Wie ädert ich die Wahrcheilichkeitdichte we μ = bzw. μ it aber weiterhi σ = it? c Wie ieht die Wahrcheilichkeitdichte für μ ud σ im Vergleich zu a au? Wie ieht ie für μ ud σ = au? Skizziere Sie! ormalverteilte Zufallvariable mit = mm ormalverteilte Zufallvariable mit μ = mm 9 mit de Parameter der Normalverteilug = mit de Parameter der Normalverteilug μ = 7 X X... X mit Erwartugwert ud X X... X mit Erwartugwert μ ud 7 0 Erwartugwert: = p Erwartugwert: μ = p 7 3 it der Erwartugwert = p = 0 =. it der Erwartugwert µ = p = 0 =.

2 7 79 = p ud σ = µ. μ = p ud σ = μ. Uter diee Aahme it die Zahl der Aküfte biomialverteilt mit Erwartugwert = p. Durch Wahl immer kleierer Zeititervalle alo Grezübergag bei kotatem geht die Biomialverteilug i die Poioverteilug mit Parameter über. Uter diee Aahme it die Zahl der Aküfte biomialverteilt mit Erwartugwert μ = p. Durch Wahl immer kleierer Zeititervalle alo Grezübergag bei kotatem μ geht die Biomialverteilug i die Poioverteilug mit Parameter μ über = µ = Erwartugwert: = p Erwartugwert: μ = p 7 0 f( x = e x. Wege = a lautet die Dichtefuktio mit Parameter ageomme wird. f( x = e µ x µ. Wege μ = a lautet die Dichtefuktio mit Parameter μ ageomme wird. 9 9 ud Γ( =. ud Γ( = π. Erwartugwert: = Erwartugwert: μ = 93 3 f ( x = + Γ x + Γ + f ( x = + Γ x + π Γ + 93 Erwartugwert: Erwartugwert: μ 9 9 Erwartugwert: = für > Erwartugwert: µ = für > 9 ormalverteilt it mit = ormalverteilt it mit μ = 9 3 ormalverteilt mit Erwartugwert ud Stadardabweichug σ it. Die optimale Betellmege für da Produkt etzt ich da au der durchchittliche Nachfrage ud eiem Sicherheitbetad zuamme: x * = +. ormalverteilt mit Erwartugwert μ ud Stadardabweichug σ it. Die optimale Betellmege für da Produkt etzt ich da au der durchchittliche Nachfrage μ ud eiem Sicherheitbetad zuamme: x * = µ für = 00 ud σ = 0? für μ = 00 ud σ = 0? 9 für allgemeie ud σ? für allgemeie μ ud σ?

3 99 ormalverteilt mit = 00 ud ormalverteilt mit μ = 00 ud 0 3 a σ = b σ = c = σ = a μ σ = b μ σ = c μ = σ = de Mittelwert der Grudgeamtheit die Stadardabweichug σ eie prozetuale Ateil mit tatitiche Parameter ud σ für de Mittelwert der Grudgeamtheit Ateil i der Grudgeamtheit Für die Variaze der Puktchätzer ˆ = x ud σ ( ˆ = p gilt da V( ˆ µ = ud V( ˆ = gilt ud diee damit für gege Null gehe. Grudgeamtheit mit Parameter ud darau betimmte Puktchätzer für ud σ mit Mittelwert ud de Mittelwert der Grudgeamtheit μ die Stadardabweichug σ eie prozetuale Ateil π mit tatitiche Parameter μ ud σ für de Mittelwert der Grudgeamtheit μ Ateil π i der Grudgeamtheit Für die Variaze der Puktchätzer ˆµ = x ud σ π ( π ˆπ = p gilt da V( ˆ µ = ud V( ˆ π = gilt ud diee damit für gege Null gehe. Grudgeamtheit mit Parameter μ ud darau betimmte Puktchätzer für μ ud σ mit Mittelwert μ ud 0 σ =. µ µ X X X σ =. X für de Ateil eier Grudgeamtheit für de Ateil π eier Grudgeamtheit ei Kofidezitervall für ei Kofidezitervall für π bezeiche de Ateil der Grudgeamtheit π bezeiche de Ateil der Grudgeamtheit p ( für betimmt werde durch für de Ateil der Geamtpopulatio. p π π( π für π betimmt werde durch für de Ateil π der Geamtpopulatio a : =. :. b :. oder :. : >. : <. a : µ =. : µ. b : µ. oder : µ. : µ >. : µ <. da <. it ud daher :. da µ <. it ud daher : µ.

4 ud daher :. verwerfe ud daher : µ. verwerfe dem Erwartugwert dem Erwartugwert μ der Form = 0 0 oder 0 der Form μ = μ 0 μ μ 0 oder μ μ x mit = 30 Sekude da falch gewählt wurde. da = 30 Sekude falch it. x µ mit μ = 30 Sekude da μ falch gewählt wurde. da μ = 30 Sekude falch it. : = 30 ; : 30 :µ = 30 ; :µ 30 die Aahme = 30 Sekude die Aahme μ = 30 Sekude tehede Mittelwert = 30 tehede Mittelwert μ = 30 da der Mittelwert der Moatumätze höher al 70 it. Daher it > 70 al da der Mittelwert μ der Moatumätze höher al 70 it. Daher it μ > 70 al : 70 ; : > 70 :µ 70 ; :µ > 70 ab dem die Nullhypothee : > 7 verworfe werde ka. Welche Wert hat der p-wert zur Nullhypothee : = 7? : 00 ; : < 00 :µ 00 ; :µ < 00 Sei da vo alle Betrachter Ateil i eier Grudgeamtheit. Sei μ da vo alle Betrachter der Werbug Ateil π i eier Grudgeamtheit. = 0 0 oder 0 getetet werde. π = π 0 π π 0 oder π π 0 getetet werde. P ( P π π ( π

5 z = p ( ud der gechätzte z = p π π ( π ud π der gechätzte : ; : 0 : π ; : π 0 P ( P π π ( π Eieitige oder zweieitige Tet je ach ( = ( = Größe der Stichprobe Eieitige oder zweieitige Tet je ach ( = p ( = gechätzter Ateil a der Grudgeamtheit Eieitige oder zweieitige Tet je ach ( µ µ µ µ 0 µ µ 0 ( μ = Größe der Stichprobe Eieitige oder zweieitige Tet je ach ( µ µ µ µ 0 µ µ 0 p π π ( π π = gechätzter Ateil a der Grudgeamtheit Eieitige oder zweieitige Tet je ach 0 0 ( Eieitige oder zweieitige Tet je ach π π 0 π π 0 (π π = p =. µ = p =. mehr Iformatioe da icht ur mehr Iformatioe da icht ur µ 0 a : ; : < b : ; : < a : µ ; : µ < b : µ ; : µ < a : 00; : > 00 a : µ 00; : µ > 00 i : 00; : > 00 : µ 00; : µ > 00 0

6 0 7 : ; : > : µ ; : µ > : 0 ; : > 0 : π 0 ; : π > 0 P ( P π π ( π : 0 ; : > 0 ; : π 0 ; : π > 0 : 0 wobei der Ateil der : π 0 wobei π der Ateil 07 dieer Nullhypothee al Ateil dieer Nullhypothee π al Ateil a : < 0 ; p = ; a : π < 0 ; p = = b : < 0 t -Tet b : µ < 0 t -Tet 07 3 b : > 0 ; t -Tet b : µ > 0 ; t -Tet 0 ;

Statistische Schätzungen

Statistische 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)

Mehr

Statistik und Wahrscheinlichkeitsrechnung

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

Mehr

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39

Statistik 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

Mehr

Kapitel 5: Schließende Statistik

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

Mehr

Eingangsprüfung Stochastik,

Eingangsprüfung 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

Mehr

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren

Dr. 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

Mehr

Testen statistischer Hypothesen

Testen 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

Mehr

Statistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik

Statistik. 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

Mehr

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

SBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf # 0 Atwort Diese Lerkarte sid sorgfältig erstellt worde, erhebe aber weder Aspruch auf Richtigkeit och auf Vollstädigkeit. Das Lere mit Lerkarte fuktioiert ur

Mehr

Übungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie

Übungen 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

Mehr

Der χ 2 Test. Bei Verteilungen Beantwortung der Frage, ob eine gemessene Verteilung Gauß- oder Poisson-verteilt ist oder nicht?

Der 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

Mehr

Einführung in die induktive Statistik. Inferenzstatistik. Konfidenzintervalle. Friedrich Leisch

Einführung 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

Mehr

Prof. Dr. Roland Füss Statistik II SS 2008

Prof. Dr. Roland Füss Statistik II SS 2008 1. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug ergibt sich aus de Grezwertsätze. Grezwertsätze sid Aussage über eie Zufallsvariable für de Fall, dass die Azahl

Mehr

Kovarianz und Korrelation

Kovarianz 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

Mehr

Stochastisches Integral

Stochastisches 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

Mehr

Statistische Modelle und Parameterschätzung

Statistische 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

Mehr

Schätzen von Populationswerten

Schätzen 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

Mehr

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft

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

Mehr

Bei 95%iger Konfidenz wäre der Mittelwert der GG zwischen 1421,17DM und 1778,83DM zu erwarten.

Bei 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

Mehr

Praktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle

Praktikum 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

Mehr

Klausur vom

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

Mehr

15.4 Diskrete Zufallsvariablen

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

Mehr

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

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

Mehr

Intervallschätzung II 2

Intervallschätzung II 2 Itervallschätzug Kofidezitervall für die Variaz Kofidezitervall für de Ateilswerte Kofidezitervall für die Differez zweier Ateile Bestimmug des Stichrobeumfags Itervallschätzug II Bibliografie Bleymüller

Mehr

(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen.

(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen. Schülerbuchseite 98 1 Lösuge vorläufig IV Beurteilede Statistik S. 98 p S. 1 p w a t Tabelle Tabelle dowloadbar im Iteretauftritt 1 Teste vo Hypothese 1 a) Erwartugswert μ = 5 ud Stadardabweichug σ = 1,6;

Mehr

Wirksamkeit, Effizienz

Wirksamkeit, 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

Mehr

Schätzen. Mehrdimensionale Zufallsvariablen Kovarianz und Korrelation Statistiken BLUE Konsistenz Arithmetisches Mittel vs.

Schätzen. Mehrdimensionale Zufallsvariablen Kovarianz und Korrelation Statistiken BLUE Konsistenz Arithmetisches Mittel vs. Schätze Mehrdimeioale Zufallvariable Kovariaz ud Korrelatio Statitike BLUE Koitez Arithmetiche Mittel v. Media Quiz Eie Fuktio : Ω R ordet edem ω Ω geau eie reelle Zahl x zu. Eie Fuktio : Ω R ordet edem

Mehr

Statistische Tests zu ausgewählten Problemen

Statistische Tests zu ausgewählten Problemen Eiführug i die statistische Testtheorie Statistische Tests zu ausgewählte Probleme Teil : Tests für Erwartugswerte Statistische Testtheorie I Eiführug Beschräkug auf parametrische Testverfahre Beschräkug

Mehr

Testumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen

Testumfang 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

Mehr

Nutzung der Ergebnisse von Ringvergleichen und Methodenvalidierungen zur Ermittlung der Messunsicherheit

Nutzung der Ergebnisse von Ringvergleichen und Methodenvalidierungen zur Ermittlung der Messunsicherheit Nutzug der Ergebie vo igvergleiche ud Methodevalidieruge zur Ermittlug der Meuicherheit Abtract Deutch Wolfgag ichter I der chemiche Aalytik werde ebe der Bottom-u -Methode ach GUM auch Todow -Verfahre

Mehr

Maximum Likelihood Version 1.6

Maximum 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

Mehr

II. Grundzüge der Stichprobentheorie

II. 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

Mehr

Stichproben im Rechnungswesen, Stichprobeninventur

Stichproben 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-

Mehr

Statistik I/Empirie I

Statistik 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

Mehr

Körpergröße 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

Körpergröße 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:

Mehr

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

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

Mehr

4. Übung Konfidenzintervalle für Anteile und Mittelwerte

4. 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

Mehr

Methoden zur Konstruktion von Schätzern

Methoden 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

Mehr

Betrachtung von wahrscheinlichen und unwahrscheinlichen Zuständen eines Systems. Beide Zustände haben die gleiche Innere Energie (ideales Gas).

Betrachtung von wahrscheinlichen und unwahrscheinlichen Zuständen eines Systems. Beide Zustände haben die gleiche Innere Energie (ideales Gas). Etropie etrachtug vo wahrscheiliche ud uwahrscheiliche Zustäde eies Systems. A eispiel: Gas Vakuum Gas eide Zustäde habe die gleiche Iere Eergie (ideales Gas). Übergag vo ach A ist keie Verletzug des Eergiesatzes.

Mehr

Kennwerte Univariater Verteilungen

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

Mehr

Umrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung

Umrechnung 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

Mehr

Elementarstatistik für Umweltwissenschaftler

Elementarstatistik für Umweltwissenschaftler Elemetarstatistik für Umweltwisseschaftler Skript zur Vorlesug Witersemester 010/011 vo Dr. Domiik Faas Istitut für Mathematik Fachbereich 7: Natur- ud Umweltwisseschafte Uiversität Koblez-Ladau Ei besoderer

Mehr

Wahrscheinlichkeit & Statistik

Wahrscheinlichkeit & Statistik Wahrscheilichkeit & Statistik created by Versio: 3. Jui 005 www.matheachhilfe.ch ifo@matheachhilfe.ch 079 703 7 08 Mege als Sprache der Wahrscheilichkeitsrechug, Begriffe, Grudregel Ereigisraum: Ω Ω Mege

Mehr

X in einer Grundgesamtheit vollständig beschreiben.

X 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.

Mehr

Variiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen.

Variiert 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

Mehr

TESTEN VON HYPOTHESEN

TESTEN 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

Mehr

Statistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S

Statistik 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

Mehr

2.3 Dampfdruck des Wassers und Luftfeuchtigkeit

2.3 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

Mehr

3. Einführung in die Statistik

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

Mehr

Didaktik der Mathematik der Sekundarstufe II Anwendungen des bestimmten Integrals

Didaktik 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

Mehr

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008

BINOMIALKOEFFIZIENTEN. 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

Mehr

Diskrete Zufallsvariablen

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

Mehr

Konfidenzintervall_fuer_pi.doc Seite 1 von 6. Konfidenzintervall für den Anteilswert π am Beispiel einer Meinungsumfrage

Konfidenzintervall_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

Mehr

α : { n Z n l } n a n IR

α : { n Z n l } n a n IR 1 KAPITEL VI. ZAHLENFOLGEN UND REIHEN 1) REELLE ZAHLENFOLGEN: i) Jede Abbildug α : IN a IR heiÿt 'reelle Zahlefolge' bzw. 'Folge i IR'. Ma otiert diese i der Form α = a ) IN = a ) =0 = a 0, a 1, a 2,...)

Mehr

Grundproblem der Inferenzstatistik

Grundproblem der Inferenzstatistik Grudproblem der Iferezstatistik Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe... "wahre", ubekate Ateil icht zufällig p... beobachtete Ateil zufällig? Statistik für SoziologIe 1 Iferezschluss Kofidezitervall

Mehr

Stochastik für WiWi - Klausurvorbereitung

Stochastik 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

Mehr

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

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

Mehr

Kapitel 6: Statistische Qualitätskontrolle

Kapitel 6: Statistische Qualitätskontrolle Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle

Mehr

Übungsblatt 9 zur Vorlesung. Statistische Methoden

Übungsblatt 9 zur Vorlesung. Statistische Methoden Dr. Christof Luchsiger Übugsblatt 9 zur Vorlesug Statistische Methode Schätztheorie ud Kofidezitervalle Herausgabe des Übugsblattes: Woche 8, Abgabe der Lösuge: Woche 9 (bis Freitag, 65 Uhr), Besprechug:

Mehr

Konzentration und Disparität

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

Mehr

$Id: reihen.tex,v /06/14 13:59:06 hk Exp $

$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,

Mehr

Fehlerrechnung. 3. Genauigkeit von Meßergebnissen am Beispiel der Längenmessung

Fehlerrechnung. 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

Mehr

Einführung in die Stochastik 10. Übungsblatt

Einführung 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

Mehr

Aufgaben Brechung am Prisma

Aufgaben Brechung am Prisma Aufgabe Brechug am Prisma 67. Zwei Lichtstrahle gleicher Farbe treffe parallel zur rudfläche auf ei Prisma aus leichtem Kroglas. Sie werde beim Übergag Luft - las so gebroche, dass sie beide die rudfläche

Mehr

Kapitel 4: Stationäre Prozesse

Kapitel 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

Mehr

Statistische Analyse von Messergebnissen

Statistische Analyse von Messergebnissen Da virtuelle Bildungnetzwerk für Textilberufe Statitiche Analye von Meergebnien 3 Hochchule Niederrhein Stand: 17..3 Seite 1 / 8 Im Abchnitt "Grundlagen der Statitik" wurde u.a. bechrieben, wie nach der

Mehr

Klassifizierung der Verteilungen. Streuung der diskreten Verteilung

Klassifizierung der Verteilungen. Streuung der diskreten Verteilung Wichtigste Verteiluge der Biostatisti Disrete Zur Erierug Klassifizierug der Verteiluge Kotiuierliche Disrete Gleichverteilug Kotiuierliche Gleichverteilug Biomialverteilug Normalverteilug Poisso Verteilug

Mehr

Zufallsstreubereiche und Vertrauensbereiche

Zufallsstreubereiche 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:

Mehr

Parameter von Häufigkeitsverteilungen

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

Mehr

Auch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert.

Auch 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

Mehr

Steuerplanung Sommersemester 2008 2 SWS Teil IV

Steuerplanung Sommersemester 2008 2 SWS Teil IV Otto-vo-Guericke-Uiverität Magdeburg Lehrtuhl für BWL, ibeodere Betriebwirtchaftliche Steuerlehre Steuerplaug Sommeremeter 2008 2 SWS Teil IV Jae: Steuerplaug 1 Ihaltüberblick 1 Eiführug Steuerplaug ud

Mehr

Wir weisen die Gültigkeit der 4Axiome der sigma-algebra für die Potenzmenge einer endlichen Menge A nach!

Wir weisen die Gültigkeit der 4Axiome der sigma-algebra für die Potenzmenge einer endlichen Menge A nach! Lösug zu Übug 4 Prof. Dr. B.Grabowski E-Post: grabowski@htw-saarlad.de Zu Aufgabe ) Wir weise die Gültigkeit der 4Axiome der sigma-algebra für die Potezmege eier edliche Mege A ach! ) Die leere Mege ud

Mehr

Logarithmusfunktion, Rechenregeln für Logarithmen, Ableiten von Logarithmen (die Ableitung nach p wird hier stets als p geschrieben)

Logarithmusfunktion, Rechenregeln für Logarithmen, Ableiten von Logarithmen (die Ableitung nach p wird hier stets als p geschrieben) Wirtschaftswisseschaftliches Zetrum Uiversität Basel Statistik Dr. Thomas Zehrt (Pukt)Schätze Motivatio Eie vollstädige Iformatio über die Verteilug eies Merkmals X i eier Grudgesamtheit ka ur durch eie

Mehr

HISTORIE DAS BESTIMMTE INTEGRAL

HISTORIE DAS BESTIMMTE INTEGRAL HITORIE Die Itegralrecug ettad urprüglic au dem Prolem, de Ialt olcer eee Bereice zu erkläre, die vo elieige Kurve egrezt werde. Die Itegralrecug ediet ic daei der Uterucug vo Grezwerte ud ägt eg mit der

Mehr

Zahlenfolgen, Grenzwerte und Zahlenreihen

Zahlenfolgen, 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:

Mehr

Stochastik für Physiker: Aufgaben und Lösungsvorschläge

Stochastik für Physiker: Aufgaben und Lösungsvorschläge Stochastik für Physiker: Aufgabe ud Lösugsvorschläge Simo Stützer Stad: 4. Februar 9 Aufgabe : Vergleiche Sie die Wahrscheilichkeit, beim Spiel mit eiem Würfel i 4 Würfe midestes eimal 6 zu würfel, mit

Mehr

Die Gasgesetze. Die Beziehung zwischen Volumen und Temperatur (Gesetz von J.-L. und J. Charles): Gay-Lussac

Die Gasgesetze. Die Beziehung zwischen Volumen und Temperatur (Gesetz von J.-L. und J. Charles): Gay-Lussac Die Gasgesetze Die Beziehug zwische olume ud Temeratur (Gesetz vo J.-L. Gay-Lussac ud J. Charles): cost. T oder /T cost. cost.. hägt h vo ud Gasmege ab. Die extraolierte Liie scheidet die Temeratur- skala

Mehr

Ökonometrie Formeln und Tabellen

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

Mehr

Grundproblem der Inferenzstatistik

Grundproblem der Inferenzstatistik Grudproblem der Iferezstatistik Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe π... "wahre", ubekate Ateil icht zufällig p... beobachtete Ateil zufällig? Statistik für SoziologIe 1 Iferezschluss Kofidezitervall

Mehr

Übungsblatt 1 zur Vorlesung Angewandte Stochastik

Übungsblatt 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

Mehr

Übungen mit dem Applet Taylor-Entwickung von Funktionen

Übungen mit dem Applet Taylor-Entwickung von Funktionen Taylor-Etwickug vo Fuktioe Übuge mit dem Applet Taylor-Etwickug vo Fuktioe Ziele des Applets... Mathematischer Hitergrud... 3 Vorschläge für Übuge... 3 3. Siusfuktio si(...3 3. Cosiusfuktio cos(...4 3.3

Mehr

7.2 Grundlagen der Wahrscheinlichkeitsrechnung

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

Mehr

Formelsammlung. zur Klausur. Beschreibende Statistik

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

Mehr

Diese Lösung wurde erstellt von Cornelia Sanzenbacher. Sie ist keine offizielle Lösung des Bayerischen Staatsministeriums für Unterricht und Kultus.

Diese Lösung wurde erstellt von Cornelia Sanzenbacher. Sie ist keine offizielle Lösung des Bayerischen Staatsministeriums für Unterricht und Kultus. bschlussprüfug 0 a de Realschule i Bayer usterlösug Lösug Diese Lösug wurde erstellt vo orelia azebacher. ie ist keie offizielle Lösug des Bayerische taatsmiisteriums für Uterricht ud Kultus. ufgabe.0

Mehr

Allgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable

Allgemeine 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

2 Asymptotische Schranken

2 Asymptotische Schranken Asymptotische Schrake Sowohl die Laufzeit T () als auch der Speicherbedarf S() werde meist durch asymptotische Schrake agegebe. Die Kostate c i, welche i der Eiführug deiert wurde, sid direkt vo der Implemetatio

Mehr

5.3 Wachstum von Folgen

5.3 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

Mehr

MEBAK-Methodensammlung Grundlagen der Statistik. 1. Definitionen. 2. Charakterisierung der Verteilung. 2.1 Normalverteilung (Gauß-Verteilung)

MEBAK-Methodensammlung Grundlagen der Statistik. 1. Definitionen. 2. Charakterisierung der Verteilung. 2.1 Normalverteilung (Gauß-Verteilung) . Defiitioe Zufallvariable Eie Zufallvariable it eie Größe, die bei eiem Zufallexperimet auftrete ka, z. B. die Läge der Bredauer eier Glühbire oder da Ergebi eier Petizidbetimmug. Grudgeamtheit Eie Grudgeamtheit

Mehr

GIBS. Übungsaufgaben zur Vertiefung. V1. Beschriften Sie die Konstruktionen! n n n n ' ' ' ' Modul 1.5. Geometrische Optik 1 58.

GIBS. Übungsaufgaben zur Vertiefung. V1. Beschriften Sie die Konstruktionen! n n n n ' ' ' ' Modul 1.5. Geometrische Optik 1 58. eometrische Optik 1 58 Übugsaufgabe zur Vertiefug V1. Beschrifte Sie die Kostruktioe! ' ' ' ' ' ' ' ' Lehrerversio eometrische Optik 1 59 V2. Bei eiem Brillekroglas tritt Licht a der Rückfläche des lases

Mehr

Nachklausur - Analysis 1 - Lösungen

Nachklausur - 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:

Mehr

Univariate Verteilungen

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

Mehr

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

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

Mehr

Demo für www.mathe-cd.de

Demo 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

Mehr

Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK. 1. Vorbemerkung

Versuch 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

Mehr

Aufgaben und Lösungen Weihnachtsgeschenke zur Vorlesung Analysis I

Aufgaben und Lösungen Weihnachtsgeschenke zur Vorlesung Analysis I Aufgabe ud Lösuge Weihachtsgescheke zur Vorlesug Aalysis I Der Witersemester 008/009 Übug am 4.., 5..008 sowie 0.0.009 Aufgabe. Folge Aufgabe Ma bestimme, ob die Folge (a ) mit a = + 3 + 4 kovergiert ud

Mehr

= a n: Wurzelexponent x: Radikand oder Wurzelbasis a: Wurzelwert Bei der ersten Wurzel wird einfach das Wurzelzeichen weggelassen.

= 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

Mehr

3 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 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

Mehr

Differenz X-Y normalverteilt Lagetest für zwei verbundene. Differenz X-Y symmetrisch Wilcoxon-Test Stichproben

Differenz 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

Mehr

n (n + 1) = 1(1 + 1)(1 + 2) 3 Induktionsschritt: Angenommen die Gleichung gilt für n N. Dann folgt: 1 2 = 2 =

n (n + 1) = 1(1 + 1)(1 + 2) 3 Induktionsschritt: Angenommen die Gleichung gilt für n N. Dann folgt: 1 2 = 2 = Aufgabe 1: (6 Pukte) Zeige Sie für alle N die Formel: 1 2 + 2 3 + 3 4 +... + ( + 1) = ( + 1)( + 2). 3 Lösug: Beweis durch vollstädige Iduktio. Iduktiosafag: Für = 1 gilt: 1 2 = 2 = 1(1 + 1)(1 + 2) 3 Iduktiosschritt:

Mehr

Investitionsentscheidungsrechnung Annuitäten Methode

Investitionsentscheidungsrechnung Annuitäten Methode Mit Hilfe der köe folgede Ivestitioe beurteilt werde: eizele Ivestitioe alterative Ivestitiosobjekte optimale Ersatzzeitpukte Seite 1 Folgeder Zusammehag besteht zwische der Kapitalbarwertmethode ud der

Mehr