CHEMISCHES RECHNEN II
|
|
- Bernhard Friedrich
- vor 6 Jahren
- Abrufe
Transkript
1 Arbeitsunterlagen zu den VU CHEMISCHES RECHNEN II Einheit 1 ao. Prof. Dr. Thomas Prohaska (Auflage März 2007) Beurteilung von Analysenergebnissen Muthgasse 18, A-1190 Wien, Tel.: , Fax: , thomas.prohaska@boku.ac.at,
2 1 BEURTEILUNG VON ANALYSENERGEBNISSEN 1.1 Signifikante Stellen (vgl. Mortimer Kapitel Ausgabe 1996): Bei den Berechnungen von Analysenergebnissen sind die signifikanten Stellen zu berücksichtigen. Im Allgemeinen werden in den Berechnungne im Labor die signifikanten Stellen nicht nach den unten beschriebenen Regeln berechnet, obwohl sie eignetlich gefordert sind. Nichts desto trotz ist eine bewusste Auseinandersetzung mit den Ergebnissen essentiel. Signifikante Stellen geben die Genauigkeit eines Meßergebnisses wieder und bezeichnen alle Stellen, die mit Sicherheit bekannt sind plus eine Stelle, die geschätzt ist. Beispiel: Auf einer Waage wird die Masse eines Gegenstandes mit 71,4 g gemessen. Die wahre Masse beträgt ein wenig mehr oder weniger. Die ersten beiden Ziffern (71) sind zuverlässig, die dritte Ziffer (4) ist dabei weniger genau und sagt aus, daß die wahre Masse näher bei 71,4 als bei 71,3 oder 71,5 liegt. D.H. Die genauigkeit der Waage ist 0,1 g. Das Anhängen einer weiteren Null ist nicht korrekt. Andererseits dürfen aber Nullen nicht weggelassen werden, wenn sie signifikant sind. Beispiel: Läßt ein Meßgefäß eine Meßgenauigkeit von 0,0001 Liter zu und mißt man 2 Liter Wasser mit dieser Genauigkeit, dann ist das Volumen mit 2,0000 L (oder 2000,0 ml) anzugeben - d.h. mit 5 signifikanten Stellen. Führende Nullen in einer Dezimalzahl sind keine signifikanten Stellen. Auch bei Zehnerpotenzen sind demnach die signifikanten Stellen richtig anzugeben. Beispiel: Die Längenangabe 0,03 m ist eine Angabe mit einer signifikanten Stelle (also 3 x 10-2 m oder 3 cm). Die Längenangabe 300 m ist iene Angabe mit dre signifikanten Stellen: 300 m oder 0,300 km oder 3,00 x 10 2 m. 1
3 Bei Berechnungen kann das Ergebnis nie genauer sein als die ungenaueste Zahl, die in die Rechnungen eingeht (auch wenn der Taschenrechner 10 Stellen ausgibt!!). Dementsprechend ist das Rechenergebnis mit so vielen signifikanten Stellen anzugeben, wie es dem ungenauesten Zahlenwert entspricht. Bei der Addition von Zahlen bedeutet das: das Ergebnis hat so viele Dezimalstellen, wie die Zahl mit der geringsten Anzahl an Dezimalstellen (signifikante Stellen hinter dem Komma). Das Ergebnis einer Multiplikation oder Division wird auf die gleiche Anzahl signifikanter Stellen gerundet wie sie die ungenaueste Zahl in der Rechnung hat. Beispiel: Addition: 161,032 Multiplikation: 152,06 x 0,24 = 36,4944 5,6 anzugeben als 36 da 0,24 nur 32, signifikante Stellen hat 199,0844 anzugeben als 199,1 da 5,6 nur eine signifikante Stelle hinter dem Komma hat. Konstante Faktoren haben unenddlich viele signifikante Stellen. Sie verändern die Anzahl der signifikanten stellen nicht: Beispiel: Nehmes Sie 3 mal 100 L: sind 300 L (3 signifikante Stellen) Die Fehlerangabe wird als WERT +/- FEHLER angegeben. Daher wird bei der Fehlerangabe die Regel der Addition/Subtraktion angewendet: Der Fehler wird in soviel Stellen hinter dem Komma angegeben, wie der Messwert hat: z.b.: 12,5 +/- 0,2 ml Wird bei der Berechnung (Taschenrechner) ein Wert mit mehreren Kommastellen ausgespuckt => runden: z.b.: Fehler = 0, ml => Angabe: 12,5 +/- 0,1 ml z.b.: Fehler= 0, ml => Angabe: 12,5 +/- 0,2 ml Ist der berechnete Fehler kleiner als die letzte signifikante Stelle des Messwertes, ist demnach der Fehler NICHT SIGNIFIKANT: z.b.: Fehler = 0,01 ml => Angabe: 12,5 +/- <0,1 ml (0,1 wäre die letzte signifikante Stelle) z.b.: Fehler = 0,06 ml => Angabe: 12,5 +/- 0,1 ml (gerundet) 2
4 Wenn Sie den Fehler in Prozent angeben, müssen Sie so viele signifikante Stellen angeben, damit Sie auf jeden Fall den Fehler mit seinen signifikanten Stellen errechnen können: z.b.: 12,5 +/- 0,2 ml = 12,5 ml +/- 1,6% 12,5 ml +/- 2% wäre: 0,25 => +/-0,3 d.h zu wenig signifikante Stellen! 12,5 ml +/- 1,62 % wäre: 0,2025 => +/-0,2 d.h. OK, aber das erreiche ich auch mit 1,6 % => zu viele signifikante Stellen! Bei Berechnungen machen Sie KEINE Zwischenergebnisse ausser: Wenn Additionen/Subtraktionen mit Multiplikationen/Divisionen zusammentreffen sind je nach Rechenregel alle Werte zusammenzuziehen, welche Punkt- oder Strichrechnungen beinhalten: (15,4 + 3,28) x 2,5 + 7,88 x 3,2 18,7 x 2, = 72 (Anm.: der Taschenrechner gibt 71,916 aus) 3
5 1.2 Bewertung von Analysenergebnissen Die Wiederholung von Meßergebnissen verbessert die Zuverlässigkeit von Analysenergebnissen. Der Meßwert ergibt sich aus der Bildung des Mittelwertes. Die einzelnen Werte streuen um den Mittelwert. Wenn n Messungen derselben Größe die Einzelwerte x 1, x 2, x 3, x n geliefert haben, dann ist - unter der Annahme einer Noramalverteilung der Einzelwerte der wahrscheinlichste Wert der ermittelten Größe der arithmetische Mittelwert x. Wichtig ist der klare Bezug von n (Anzahl der Proben, Anzahl der Injektionen etc.) x = x + x + x x = n n 1 n n i= 1 x i Die Größenordnung der Streuung ergibt die Präzision der Messung. (Wird als Wiederholbarkeit oder Reproduzierbarkeit angegeben). Die Berechnung erfolgt mittels statistischer Methoden. Die Streuung der Meßergebnisse ergibt sich aus der Standardabweichung s x. (unter Annahme einer Normalverteilung). Die Standardabweichung s x ist ein Maß für die mittlere Abweichung der Einzelwerte x i vom Mittelwert ). In der Regel wird in der Praxis nur der Stichprobenmittelwert sowie dessen Standardabweichung bestimmt (die Standardabweichung σ der Grundgesamtheit würde theoretisch für n gelten). Die Kenngröße s x ist nur dann ein zuverlässiger Schätzwert für die Streuungen der Einzelwerte, wenn diejenigen Einzelwerte, die durch systematische Abweichungen bedingt sind (sog. Ausreißer) eliminiert werden. Außerdem dürfen die Einzelwerte keinem Trend folgen. s x = ( xi n 1 sx VK = x RSD = 100 s 1 n 2 i= 1 x x) / x(%) ; s x = Standardabweichung; VK = Variationskoeffizient; RSD = relative STDABW n = Anzahl der Meßwerte x i = Meßwert i x = Mittelwert Als Maß für die zufällige Abweichung der Ienzelwerte vom Mittelwert wird häufig auch der Variationskoeffizient VK (engl.: CV: coefficient of variation), bzw. die relative Standardabweichung angegeben. Er stellt ein relatives Streumaß des Mittelwertes dar. In der Analytik wird in der Regel die relative prozentuale Standardabweichung RSD in % angegeben (relative Standard deviation). Sind die Voraussetzungen erfüllt, lassen sich über die Standardabweichungen Bereiche definieren, innerhalb deren ein Einzelwert mit einer bestimmten Wahrscheinlichkeit anzutreffen ist. 4
6 Hiermit ist eine Gütebeurteilung des Mess- bzw. des Analyseverfahrens möglich. Es lassen sich Streubereiche um den Mittelwert angeben, die als Vielfaches (t-faktor) der Standardabweichung definiert sind. Je größer der Streubereich ist, den man betrachten muss, umso höher, ist die Wahrscheinlichkeit, einen Einzelwert innerhalb des Streubereiches anzutreffen. Nach Berechnung des Mittelwertes und der Standardabweichung, beträgt die Wahrscheinlichkeit bei unendlich vielen Meßwerten 68.3 %, daß der wahre Wert innerhalb der Grenzen x ± 1s x liegt und 99.7 %, daß er innerhalb von m ± 3 s x liegt. Da wir es in der Regel nicht mit unendlich vielen Messwerten zu tun haben, gilt in guter Näherung für den Streubereich: x ± t s x n = Anzahl der Meßwerte x i = Meßwert i x = Mittelwert s x = Standardabweichung t = Faktor aus der t - Tabelle F = Freiheitsgrad (n-1) 5
7 Statistische Sicherheit und Vertrauensbereich des Mittelwertes Anstelle des Begriffs Wahrscheinlichkeit wird in der Statistik meist der Begriff statistische Sicherheit P verwendet. P ist ein Maß für die Wahrscheinlichkeit, mit der eine bestimmte Aussage zutreffend ist. Bei der Gütebeurteilung eines Analyseverfahrens ist man an der Streubreite der Einzelwerte interessiert (s. oben). Häufig möchte man aber auch eine Aussage treffen über die Zuverlässigkeit des durch Mehrfachbestimmung oder Mehrfachmessung erhaltenen Mittelwertes einer Stichprobe. Hierzu definiert man einen so genannten Vertrauensbereich: Der Vertrauensbereich VB ist das Intervall um den Mittelwert zwischen dessen unterer und oberer Vertrauensgrenze VGu bzw. VGo und gibt den Bereich x ± DVG an, innerhalb dessen sich der wahre Wert µ mit einer gegebenen statistischen Sicherheit befindet. Die Berechnung des Vertrauensbereiches erfolgt nachfolgender Formel. Dabei geht die statistischen Sicherheit in Form eines Multiplikators t ein. Bei einer realen Stichprobe mit einer endlichen Zahl von Messwerten wird ein von P und n abhängiger Faktor aus der t-tabelle, dem die sog. STUDENT-Verteilung zugrunde liegt, eingesetzt: VB = x ± t( P, F) s n x 6
8 7
9 Ausreißertest nach GRUBBS Mit dem Ausreißertest kann man prüfen, ob die Abweichung eines Einzelwertes vom Mittelwert innerhalb einer Messreihe nur zufälliger Natur ist oder ob die Abweichung auf einen systematischen Einfluss zurückzuführen ist. Liegt eine systematische Abweichung vor, so muss der Ausreißer entfernt werden, da er nicht zu der Grundgesamtheit der Daten gehört. Mittelwert und Standardabweichung sind aus den restlichen Daten neu zu berechnen. Als Ausreißer kommt derjenige Wert der Messreihe in Betracht, der am weitesten vom Mittelwert entfernt ist, also der größte bzw. kleinste Wert der Messreihe (x min bzw. x max ). Zunächst wird eine Prüfgröße PG berechnet. PG = x * x s x x*: ausreißerverdächtiger Wert (xmin bzw. xmax) x : Mittelwert, berechnet aus allen Werten der Messreihe s x : Standardabweichung, berechnet aus allen Werten der Messreihe Anschließend vergleicht man die Prüfgröße mit den in der Tabelle in Abhängigkeit von n für verschiedene Signifikanzniveau α angegebenen Werten r(α); n ist die Anzahl der Einzelwerte einschließlich des ausreißerverdächtigen Wertes. Ist PG > r(α), dann ist der untersuchte kleinste oder größte Wert auf dem Niveau α als Ausreißer zu sehen und ist aus dem Datenkollektiv zu entfernen. Im Einzelnen gelten folgende Kriterien zur Beurteilung eines Messwertes als Ausreißer: PG < r (10 %): Der Messwert x* ist kein Ausreißer. Die Kenndaten x und s x der Messreihe können aus allen n Einzelwerten berechnet werden. r (10 %) PG < r (5 %): Der Messwert x* ist wahrscheinlich ein Ausreißer. Werden für diese Vermutung eindeutige untersuchungstechnische oder andere Gründe gefunden, so ist der betreffende Wert zu eliminieren. Andernfalls sind die Kenndaten x und sx aus allen n Einzelwerten zu berechnen. Der ausreißerverdächtige Wert x* ist jedoch zu kennzeichnen. PG r (5 %): Der Messwert x* ist signifikant ein Ausreißer und ersatzlos aus dem Datensatz zu entfernen. Die Kenndaten x und sx sind aus den verbleibenden Einzelwerten neu zu berechnen. 8
10 9
11 10
12 Die Mittelwertbildung und Standardabweichung ergibt nur eine Aussage über die Streuung der Meßwerte um den Mittelwert und sagt nichts über die Richtigkeit des Meßwertes aus!! Dazu ist es notwendig, die gesamte Meßunsicherheit des verwendeten Analysenverfahrens (gesamtes Meßunsicherheitsbudget = total combined uncertainty) zu berechnen. siehe Chemisch Rechnen II Man unterscheidet bei der Beurteilung von Meßwerten folgende Begriffe: Präzision (englisch: precision): Streuung um den Mittelwert, ausgedrückt durch die Standardabweichung. Bedingt meist durch zufällige Fehler Richtigkeit (englisch: trueness): Aussage über die Abweichung des Mittelwertes vom wahren Wert. Bedingt durch systematische Fehler. Genauigkeit (englisch: accuracy): Aussage über Richtigkeit und Streuung der Meßergebnisse (ein qualitatives statement und kein Zahlenwert!) Gibt die Übereinstimmung zwischen dem Ergebnis einer Messung und dem Konventionellen wahren Wert wieder. Unsicherheit (englisch: uncertainty):ein Zahlenwert, der mit dem Ergebnis gekoppelt ist und den Bereich widerspiegelt, in dem nach größter anzunehmender Wahrscheinlichkeit das ergebnis zu finden ist. Die Messunsicherheit beinhaltet alle möglichen Fehlerquellen 11
13 Zuverlässigkeit von wiederholten Meßergebnissen (Mortimer, Abb. 1.5.) Value 1 Value 4 Conventional True Value Value 2 Error bars Value 3 Bewertung von ergebnissen anhand ihrer Messunsicherheit. Durchgestrichee Werte überlappen mit ihrer Messunsicherheit nicht mit dem certified range und sind deshalb nicht genau (non accurate result) Die bei der Messung erhaltenen Einzelwerte werden meist einer statistischen Untersuchung unterzogen, um etwaige Ausreisser (bedingt durch Zufallsfehler) zu eliminieren. Zu diesem Zwecke gibt es diverse Ausreissertests, die je nach Art und Anzahl der Analysendaten herangezogen werden können (s. Vorlesung Statistik). Accuracy:..the closeness of the agreement between the result of a measurement and the conventional true value of the measurand.. Uncertainty:..parameter associated with the result of a measurement, that characterises the dispersion of the values, that could be reasonably be attributed to the measurand.. includes all sources of error 12
14 Bei der Angabe eines Fehlerintervalles MUSS IMMER die Art des Fehlerintervalles angegeben werden: z.b.: 12,5 +/- 0,2 ml (STDEV) - Standardabweichung 12,5 ml +/- 2% (RSD) relative Standardabweichung 12,5 +/- 0,5 ml (SU) Standard Uncertainty Beispiel: Im Zuge einer Titration erhalten Sie folgende sechs Meßergebnisse (in g): 1.23 ; 1.44 ; 1.18 ; 1.22 ; 1.56 ; 1.33 Berechnen Sie den Mittelwert und die Standardabweichung und geben Sie das Endergebnis an als Mittelwert inklusive der Meßunsicherheit von 99.7%. m = ( ) / 6 = 1.33 σ = [( ) + ( ) + ( ) + ( ) + ( ) + ( ) ] = Ergebnis = / g 13
CHEMISCHES RECHNEN II ANALYT. CHEM. FÜR FORTGS
Arbeitsunterlagen zu den VU CHEMISCHES RECHNEN II - 771.119 Einheit 1 ANALYT. CHEM. FÜR FORTGS. - 771.314 Einheit 3a ao. Prof. Dr. Thomas Prohaska (Auflage März 006) Beurteilung von Analysenergebnissen
Mehr3 Konfidenzintervalle
3 Konfidenzintervalle Konfidenzintervalle sind das Ergebnis von Intervallschätzungen. Sicheres Wissen über Grundgesamtheiten kann man anhand von Stichproben nicht gewinnen. Aber mit Hilfe der Statistik
MehrMethoden der Werkstoffprüfung Kapitel II Statistische Verfahren I. WS 2009/2010 Kapitel 2.0
Methoden der Werkstoffprüfung Kapitel II Statistische Verfahren I WS 009/010 Kapitel.0 Schritt 1: Bestimmen der relevanten Kenngrößen Kennwerte Einflussgrößen Typ A/Typ B einzeln im ersten Schritt werden
MehrQuantifizierung in der Analytischen Chemie
Quantifizierung in der Analytischen Chemie in der Grundvorlesung Analytische Chemie Literatur: W. Gottwald, Statistik für Anwender, Wiley-VCH, Weinheim, 2000 Kapitel in: M. Otto, Analytische Chemie, 3.
MehrPhysikalische Übungen für Pharmazeuten
Helmholtz-Institut für Strahlen- und Kernphysik Seminar Physikalische Übungen für Pharmazeuten Ch. Wendel Max Becker Karsten Koop Dr. Christoph Wendel Übersicht Inhalt des Seminars Praktikum - Vorbereitung
MehrAnpassungstests VORGEHENSWEISE
Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrEinführung in die Anwendung Statistischer Methoden in der analytischen Chemie
Einführung in die Anwendung Statistischer Methoden in der analytischen Chemie Analytisch Chemisches Grundpraktikum 1. Beschreibende Statistik 1.1 Einleitung 1.2 Standardform der Angabe von Analysenresultaten
MehrÜbungen mit dem Applet Vergleich von zwei Mittelwerten
Vergleich von zwei Mittelwerten 1 Übungen mit dem Applet Vergleich von zwei Mittelwerten 1 Statistischer Hintergrund... 2 1.1 Typische Fragestellungen...2 1.2 Fehler 1. und 2. Art...2 1.3 Kurzbeschreibung
MehrEinführung in die Fehlerrechnung und Messdatenauswertung
Grundpraktikum der Physik Einführung in die Fehlerrechnung und Messdatenauswertung Wolfgang Limmer Institut für Halbleiterphysik 1 Fehlerrechnung 1.1 Motivation Bei einem Experiment soll der Wert einer
MehrBrückenkurs Statistik für Wirtschaftswissenschaften
Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München
MehrMathematische und statistische Methoden II
Statistik & Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte
MehrJost Reinecke. 7. Juni 2005
Universität Bielefeld 7. Juni 2005 Testtheorie Test für unabhängige Stichproben Test für abhängige Stichproben Testtheorie Die Testtheorie beinhaltet eine Reihe von Testverfahren, die sich mit der Überprüfung
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.7 und 4.8 besser zu verstehen. Auswertung und Lösung Abgaben: 71 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 5.65 Frage 1
MehrMethoden der Werkstoffprüfung Kapitel I Grundlagen. WS 2009/2010 Kapitel 1.0
Methoden der Werkstoffprüfung Kapitel I Grundlagen WS 2009/2010 Kapitel 1.0 Grundlagen Probenmittelwerte ohne MU Akzeptanzbereich Probe 1 und 2 liegen im Akzeptanzbereich Sie sind damit akzeptiert! Probe
MehrFehlerrechnung EXPERIMENTELLE FEHLER ANALYTIK II IAAC, TU-BS, 2004 ANALYTIK II IAAC, TU-BS, 2004. Dr. Andreas Martens a.mvs@tu-bs.
Fehlerrechnung ANALYTIK II Dr. Andreas Martens a.mvs@tu-bs.de Institut f. Anorg.u. Analyt. Chemie, Technische Universität Braunschweig, Braunschweig, Germany EXPERIMENTELLE FEHLER ANALYTIK II - 2 - Signifikante
MehrMesstechnische Grundlagen und Fehlerbetrachtung. (inkl. Fehlerrechnung)
Messtechnische Grundlagen und Fehlerbetrachtung (inkl. Fehlerrechnung) Länge Masse Zeit Elektrische Stromstärke Thermodynamische Temperatur Lichtstärke Stoffmenge Basisgrößen des SI-Systems Meter (m) Kilogramm
MehrFehlerfortpflanzung. M. Schlup. 27. Mai 2011
Fehlerfortpflanzung M. Schlup 7. Mai 0 Wird eine nicht direkt messbare physikalische Grösse durch das Messen anderer Grössen ermittelt, so stellt sich die Frage, wie die Unsicherheitsschranke dieser nicht-messbaren
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Punkt- und Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr.
MehrMethodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft
MehrHypothesenprüfung. Darüber hinaus existieren zahlreiche andere Testverfahren, die alle auf der gleichen Logik basieren
Hypothesenprüfung Teil der Inferenzstatistik Befaßt sich mit der Frage, wie Hypothesen über eine (in der Regel unbekannte) Grundgesamtheit an einer Stichprobe überprüft werden können Behandelt werden drei
MehrVS PLUS
VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen - Inferenzstatistik 1 [Übungsaufgaben und Lösungenn - Inferenzstatistik 1] ÜBUNGSAUFGABEN
MehrNummer Seite Bemerkungen
Zahlenmengen A. Zahlenmengen A.1 Einführung siehe Frommenwiler Kapitel 1.1.1 ab Seite 8! A.2 Übungen, Frommenwiler Lösen Sie die folgenden Aufgaben: Nummer Seite Bemerkungen 3 8 4 9 A.3 Doppelstrich-Buchstaben
MehrRechnen mit Messwerten
Rechnen mit Messwerten Messwerte sind grundsätzlich Werte mit einer bestimmten Unsicherheit, also einer eingeschränkten Genauigkeit. Sie ist durch das Messverfahren, mit dem der Messwert gewonnen wurde,
MehrLösungen zu den Übungsaufgaben in Kapitel 10
Lösungen zu den Übungsaufgaben in Kapitel 10 (1) In einer Stichprobe mit n = 10 Personen werden für X folgende Werte beobachtet: {9; 96; 96; 106; 11; 114; 114; 118; 13; 14}. Sie gehen davon aus, dass Mittelwert
MehrEinführung in die Fehlerrechnung
1 Einführung in die Fehlerrechnung liederung 1. Motivation. Fehlerarten 1. robe Fehler. Systematische Fehler 3. Zufällige Fehler 3. Rechnerische Erfassung der Messabweichungen 1. Fehlerabschätzung einmaliges
MehrHerzlich willkommen zur Vorlesung Statistik. Streuungsmaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung
FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkommen zur Vorlesung Statistik smaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung FB 1 W. Ludwig-Mayerhofer
Mehr8. Konfidenzintervalle und Hypothesentests
8. Konfidenzintervalle und Hypothesentests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Beispiel. Sie wollen den durchschnittlichen Fruchtsaftgehalt eines bestimmten Orangennektars
MehrAnleitung: Standardabweichung
Anleitung: Standardabweichung So kann man mit dem V200 Erwartungswert und Varianz bzw. Standardabweichung bei Binomialverteilungen für bestimmte Werte von n, aber für allgemeines p nach der allgemeinen
MehrAufgaben zu Kapitel 5:
Aufgaben zu Kapitel 5: Aufgabe 1: Ein Wissenschaftler untersucht, in wie weit die Reaktionszeit auf bestimmte Stimuli durch finanzielle Belohnung zu steigern ist. Er möchte vier Bedingungen vergleichen:
Mehr10,24 ; 10,18 ; 10,28 ; 10,25 ; 10,31.
Bei einer Flaschenabfüllanlage ist die tatsächliche Füllmenge einer Flasche eine normalverteilte Zufallsvariable mit einer Standardabweichung = 3 [ml]. Eine Stichprobe vom Umfang N = 50 ergab den Stichprobenmittelwert
MehrGrundlegende Eigenschaften von Punktschätzern
Grundlegende Eigenschaften von Punktschätzern Worum geht es in diesem Modul? Schätzer als Zufallsvariablen Vorbereitung einer Simulation Verteilung von P-Dach Empirische Lage- und Streuungsparameter zur
MehrLösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001
Lösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001 1. Sensitivität und Spezifität In einer medizinischen Ambulanz haben 30 % der Patienten eine akute Appendizitis. 80 % dieser Patienten haben
MehrMessunsicherheit und Fehlerrechnung
Messunsicherheit und Fehlerrechnung p. 1/25 Messunsicherheit und Fehlerrechnung Kurzeinführung Peter Riegler p.riegler@fh-wolfenbuettel.de Fachhochschule Braunschweig/Wolfenbüttel Messunsicherheit und
Mehr10. Die Normalverteilungsannahme
10. Die Normalverteilungsannahme Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Bisher haben wir vorausgesetzt, daß die Beobachtungswerte normalverteilt sind. In diesem Fall kann man
MehrStatistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de
rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent
MehrTHEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ
WEBINAR@LUNCHTIME THEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ EINLEITENDES BEISPIEL SAT: Standardisierter Test, der von Studienplatzbewerbern an amerikanischen Unis gefordert
MehrDr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen Hochschule Esslingen Übungsblatt 2. Statistik
Dr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen 6.10.2016 Hochschule Esslingen Übungsblatt 2 Statistik Stichworte: arithmetischer Mittelwert, empirische Varianz, empirische Standardabweichung, empirischer
MehrBeispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es
Beispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es beim radioaktiven Zerfall, zwischen 100 und 110 Zerfälle
MehrChi-Quadrat Verfahren
Chi-Quadrat Verfahren Chi-Quadrat Verfahren werden bei nominalskalierten Daten verwendet. Die einzige Information, die wir bei Nominalskalenniveau zur Verfügung haben, sind Häufigkeiten. Die Quintessenz
MehrGrenzen für x -s-regelkarten
Normalverteilte Fertigung: Stichproben aus der Fertigung: σ σ Eine normalverteilte Fertigung hat den Mittelwert µ und die Standardabweichung σ. Stichproben aus der Fertigung haben zufällig abweichende
MehrAnalyse von Querschnittsdaten. Signifikanztests I Basics
Analyse von Querschnittsdaten Signifikanztests I Basics Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Generalisierung kategoriale Variablen Datum 13.10.2004 20.10.2004 27.10.2004
MehrStatistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
MehrEntscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten
Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 4.1 4. Statistische Entscheidungsverfahren Entscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten Beispiel:
MehrAufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97.
Aufgabenblock 4 Aufgabe ) Da s = 8. cm nur eine Schätzung für die Streuung der Population ist, müssen wir den geschätzten Standardfehler verwenden. Dieser berechnet sich als n s s 8. ˆ = = =.88. ( n )
MehrKapitel 2. Fehlerrechnung
Fehlerrechnung 1 Messungen => quantitative Aussagen Messungen müssen zu jeder Zeit und an jedem Ort zu den gleichen Ergebnissen führen Messungen sind immer mit Fehler behaftet. => Angabe des Fehlers! Bespiel
MehrStandardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend
Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten
MehrValidierung von Messmethoden. Validierung von Messmethoden
Validierung von Messmethoden Was soll eine gute Messmethode erfüllen? 1. Richtigkeit (accucacy) 2. Genauigkeit (precision) PD Dr. Sven Reese, LMU München 1 Richtigkeit (accuracy) Gibt Auskunft darüber,
MehrStatistische Auswertung von Meß- und Versuchsdaten mit Taschenrechner und Tischcomputer
Siegfried Noack Statistische Auswertung von Meß- und Versuchsdaten mit Taschenrechner und Tischcomputer Anleitungen und Beispiele aus dem Laborbereich W DE G Walter de Gruyter Berlin New York 1980 Inhaltsverzeichnis
MehrDatenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse (PHY31) Herbstsemester 015 Olaf Steinkamp 36-J- olafs@physik.uzh.ch 044 63 55763 Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung und
MehrÜbungsaufgaben zu Kapitel 2 und 3
Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 2 und 3... 2 Aufgabe 1... 2 Aufgabe 2... 2 Aufgabe 3... 2 Aufgabe 4... 3 Aufgabe 5... 3 Aufgabe 6... 3 Aufgabe 7... 4 Aufgabe 8... 4 Aufgabe 9... 5 Aufgabe
MehrWiederholung Hypothesentests Zusammenfassung. Hypothesentests. Statistik I. Sommersemester Statistik I Hypothesentests I (1/36)
Statistik I Sommersemester 2009 Statistik I I (1/36) Wiederholung Grenzwertsatz Konfidenzintervalle Logik des 0.0 0.1 0.2 0.3 0.4 4 2 0 2 4 Statistik I I (2/36) Zum Nachlesen Agresti/Finlay: Kapitel 6+7
MehrBeschreibende Statistik Eindimensionale Daten
Mathematik II für Biologen 16. April 2015 Prolog Geordnete Stichprobe Rang Maße für die mittlere Lage der Daten Robustheit Quantile Maße für die Streuung der Daten Erkennung potentieller Eindimensionales
MehrInhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 10 Prof. Dr. Karin Melzer, Prof. Dr. Gabriele Gühring, Fakultät Grundlagen
Inhaltsverzeichnis: 1. Übungsaufgaben zu Kapitel 2 und 3... 2 Aufgabe 1... 2 Aufgabe 2... 2 Aufgabe 3... 2 Aufgabe 4... 2 Aufgabe 5... 3 Aufgabe 6... 3 Aufgabe 7... 4 Aufgabe 8... 4 Aufgabe 9... 4 Aufgabe
MehrWissenschaftliche Nachrichten: https://www.bmbf.gv.at/schulen/sb/wina/wina.html Vol. 131/2006, 19-21
Der T-Test in Excel NORBERT BRUNNER und MANFRED KÜHLEITNER Ein häufiges Problem ist der Vergleich eines beobachteten Stichprobenmittelwerts mit einem Sollwert. Dabei wird der T-Test angewandt. Wir zeigen
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 9. Dezember 2010 1 Konfidenzintervalle Idee Schätzung eines Konfidenzintervalls mit der 3-sigma-Regel Grundlagen
MehrLK Lorentzkraft. Inhaltsverzeichnis. Moritz Stoll, Marcel Schmittfull (Gruppe 2) 25. April Einführung 2
LK Lorentzkraft Blockpraktikum Frühjahr 2007 (Gruppe 2) 25. April 2007 Inhaltsverzeichnis 1 Einführung 2 2 Theoretische Grundlagen 2 2.1 Magnetfeld dünner Leiter und Spulen......... 2 2.2 Lorentzkraft........................
MehrUnterschiedshypothesen Vergleiche von Häufigkeiten bzw. Mittelwerten zwischen (mindestens) zwei Gruppen Zusammenhangshypothesen Korrelationsanalysen
Statistische Überprüfung von Hypothesen Hypothesen sind allgemeine Aussagen über Zusammenhänge zwischen empirischen und logischen Sachverhalten.Allgemein bezeichnet man diejenigen Aussagen als Hypothesen,
MehrNachweis- (NG) und Bestimmungsgrenzen (BG)
1 Freiheitsgrade Nachweis- (NG) und Bestimmungsgrenzen (BG) - Die Anzahl von Freiheitsgraden hängt vor allem von der Anzahl der verfügbaren Informationen ab (A). (A) f = n-v-m f: Freiheitsgrade n: Anzahl
MehrPrüfgröße: Ist die durch eine Schätzfunktion zugeordnete reelle Zahl (etwa Mittelwert 7 C).
Statistik Grundlagen Charakterisierung von Verteilungen Einführung Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsverteilungen Schätzen und Testen Korrelation Regression Einführung Aus praktischen Gründen
MehrDipl.-Volksw. Markus Pullen Wintersemester 2012/13
Statistische Auswertungen mit R Universität Kassel, FB 07 Wirtschaftswissenschaften Dipl.-Volksw. Markus Pullen Wintersemester 2012/13 Beispiele 8. Sitzung Konfidenzintervalle, Hypothesentests > # Anwendungsbeispiel
MehrMessgeräte: Mess-System-Analyse und Messmittelfähigkeit
Messgeräte: Mess-System-Analyse und Messmittelfähigkeit Andreas Berlin 14. Juli 2009 Bachelor-Seminar: Messen und Statistik Inhalt: 1 Aspekte einer Messung 2 Mess-System-Analyse 2.1 ANOVA-Methode 2.2 Maße
MehrHypothesentest, ein einfacher Zugang mit Würfeln
R. Brinkmann http://brinkmann-du.de Seite 4..4 ypothesentest, ein einfacher Zugang mit Würfeln Von einem Laplace- Würfel ist bekannt, dass bei einmaligem Wurf jede einzelne der Zahlen mit der Wahrscheinlichkeit
Mehr3. Das Prüfen von Hypothesen. Hypothese?! Stichprobe Signifikanztests in der Wirtschaft
3. Das Prüfen von Hypothesen Hypothese?! Stichprobe 3.1. Signifikanztests in der Wirtschaft Prüfung, ob eine (theoretische) Hypothese über die Verteilung eines Merkmals X und ihre Parameter mit einer (empirischen)
MehrAussagen hierzu sind mit einer unvermeidbaren Unsicherheit behaftet, die statistisch über eine Irrtumswahrscheinlichkeit bewertet wird.
Stichprobenumfang Für die Fragestellung auf Gleichheit von ein oder zwei Stichproben wird auf Basis von Hypothesentests der notwendige Stichprobenumfang bestimmt. Deshalb werden zunächst die Grundlagen
MehrMessunsicherheit nach GUM* Praxisgerecht für chemische Laboratorien
Messunsicherheit nach GUM* Praxisgerecht für chemische Laboratorien *) Guide to the Expression of Uncertainty in Measurement - F 1 Einführung und Motivation Gliederung: 1. Notwendigkeit und Nutzen der
MehrÜbungsaufgaben zu Kapitel 2 und 3
Übungsaufgaben zu Kapitel 2 und 3 Aufgabe 1 Wann ist eine Teilerhebung sinnvoller als eine Vollerhebung? Nennen Sie mindestens drei Gründe. Aufgabe 2 Welches Verfahren soll angewendet werden, um eine Teilerhebung
MehrBeispiel 2 (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter)
Beispiel (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter) 1 Ein Statistiker ist zu früh zu einer Verabredung gekommen und vertreibt sich nun die Zeit damit, daß er die Anzahl X der Stockwerke
MehrStatistik. Jan Müller
Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen
MehrAngewandte Statistik 3. Semester
Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen
MehrStatistische Tests: t-test
EDV in der Geologie, SS003 Statistische Tests: t-test In der Regel verfügt ein Geologe nur über einen begrenzten Datensatz, z.b. aufgrund schlechter Aufschlußverhältnisse. Statistisch betrachtet steht
MehrFadenpendel (M1) Ziel des Versuches. Theoretischer Hintergrund
Fadenpendel M) Ziel des Versuches Der Aufbau dieses Versuches ist denkbar einfach: eine Kugel hängt an einem Faden. Der Zusammenhang zwischen der Fadenlänge und der Schwingungsdauer ist nicht schwer zu
MehrAllgemeines zu Tests. Statistische Hypothesentests
Statistische Hypothesentests Allgemeines zu Tests Allgemeines Tests in normalverteilten Grundgesamtheiten Asymptotische Tests Statistischer Test: Verfahren Entscheidungsregel), mit dem auf Basis einer
MehrBachelor BEE Statistik Übung: Blatt 1 Ostfalia - Hochschule für angewandte Wissenschaften Fakultät Versorgungstechnik Aufgabe (1.1): Gegeben sei die folgende Messreihe: Nr. ph-werte 1-10 6.4 6.3 6.7 6.5
Mehr1. Maße der zentralen Tendenz Beispiel: Variable Anzahl der Geschwister aus Jugend '92. Valid Cum Value Frequency Percent Percent Percent
Deskriptive Statistik 1. Verteilungsformen symmetrisch/asymmetrisch unimodal(eingipflig) / bimodal (zweigipflig schmalgipflig / breitgipflig linkssteil / rechtssteil U-förmig / abfallend Statistische Kennwerte
MehrDas Konfidenzintervall (Confidence Interval CI) Vertrauen schaffen, Signifikanz erkennen Autor: Beat Giger
QUALITY APPs Applikationen für das Qualitätsmanagement Testen und Anwenden Das Konfidenzintervall (Confidence Interval CI) Vertrauen schaffen, Signifikanz erkennen Autor: Beat Giger Das Konfidenzintervall
MehrStatistische Grundlagen I
Statistische Grundlagen I Arten der Statistik Zusammenfassung und Darstellung von Daten Beschäftigt sich mit der Untersuchung u. Beschreibung von Gesamtheiten oder Teilmengen von Gesamtheiten durch z.b.
MehrKonformitätsaussagen in Kalibrierzertifikaten
Eidgenössisches Departement für Wirtschaft, Bildung und Forschung WBF Staatssekretariat für Wirtschaft SECO Schweizerische Akkreditierungsstelle SAS Konformitätsaussagen in Kalibrierzertifikaten Dokument
Mehr313 Statistische Verteilungen (Computer-Simulation)
313 Statistische Verteilungen (Computer-Simulation) 1. Aufgaben 1.1 Berechnen Sie in Vorbereitung dieses Versuches einige Beispiele für Binomial-, Poisson- und Normalverteilungen (Übungsaufgaben 1-3, Abschnitt.
MehrEinfache Varianzanalyse für unabhängige Stichproben
Einfache Varianzanalyse für unabhängige Stichproben VARIANZANALYSE Die Varianzanalyse ist das dem t-test entsprechende Mittel zum Vergleich mehrerer (k 2) Stichprobenmittelwerte. Sie wird hier mit VA abgekürzt,
MehrDGM Arbeitskreis Quantitative Gefügeanalyse
DGM Arbeitskreis Quantitative Gefügeanalyse VI. Treffen 10/11.5.2016 (Hochschule Aalen) Messgerätefähigkeit, Stabilitätsüberwachung von Messprozessen Lars Thieme PixelFerber, Berlin 2016 PixelFerber 1
MehrStatistik-Klausur vom
Statistik-Klausur vom 27.09.2010 Bearbeitungszeit: 60 Minuten Aufgabe 1 Ein international tätiges Unternehmen mit mehreren Niederlassungen in Deutschland und dem übrigen Europa hat seine überfälligen Forderungen
MehrEinleitung. I. GENAUIGKEIT Methode
Genauigkeit und Präzision des Accu-Chek Aviva Systems Einleitung Die Genauigkeit des Systems wurde gemäß der Norm ISO 15197:2003 untersucht. In einer externen Diabetesklinik wurde Diabetikern kapillares
MehrTesten von Hypothesen:
Testen von Hypothesen: Ein Beispiel: Eine Firma produziert Reifen. In der Entwicklungsabteilung wurde ein neues Modell entwickelt, das wesentlich ruhiger läuft. Vor der Markteinführung muss aber auch noch
MehrQuantitative Methoden (Vertretung für Prof. Th. Pechmann)
Quantitative Methoden (Vertretung für Prof. Th. Pechmann) Inferenzstatistik I: Zusammenhänge (Korrelationen) Logik inferenzstatistischer Verfahren Andreas Opitz Universität Leipzig Institut für Linguistik
MehrAnteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen. Anteile Häufigkeiten Verteilungen
DAS THEMA: VERTEILUNGEN LAGEMAßE - STREUUUNGSMAßE Anteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen Anteile Häufigkeiten Verteilungen Anteile und Häufigkeiten Darstellung
MehrBeschreibende Statistik Deskriptive Statistik. Schließende Statistik Inferenzstatistik. Schluss von der Stichprobe auf die Grundgesamtheit
Beschreibende Statistik Deskriptive Statistik Schließende Statistik Inferenzstatistik Beschreibung der Stichprobe Schluss von der Stichprobe auf die Grundgesamtheit Keine Voraussetzungen Voraussetzung:
MehrEinführung in die Fehlerrechnung
Einführung in die Fehlerrechnung Jede quantitative physikalische Messung ist mit Fehlern behaftet. Die Angabe der Fehler gehört zu einer ordentlichen Auswertung ebenso dazu, wie die Angabe des eigentlichen
MehrLösungen zu den Übungsaufgaben
Lösungen zu den Übungsaufgaben SS 004 Dr. H. Grunert Franzstraße 49, 06406 Bernburg Tel. 03471-66493, Fax 03471-66496 email: grunert @ mws-bbg.de Der Einfachheit halber werden alle Wahrscheinlichkeiten
MehrLage- und Streuungsparameter
Lage- und Streuungsparameter Beziehen sich auf die Verteilung der Ausprägungen von intervall- und ratio-skalierten Variablen Versuchen, diese Verteilung durch Zahlen zu beschreiben, statt sie graphisch
MehrDeskriptive Statistik 1 behaftet.
Die Statistik beschäftigt sich mit Massenerscheinungen, bei denen die dahinterstehenden Einzelereignisse meist zufällig sind. Statistik benutzt die Methoden der Wahrscheinlichkeitsrechnung. Fundamentalregeln:
MehrGrundlagen der Labormedizin. Die analytische Phase
Grundlagen der Labormedizin Die analytische Phase Die analytische Phase im diagnostischen Prozess Begriffe analytischer Qualität - Richtigkeit - Präzision - Genauigkeit Definition der Richtigkeit Die Richtigkeit
MehrMessunsicherheiten. In der Spektormetrie. I.Poschmann, W.S. Werkstoff Service GmbH.
Messunsicherheiten In der Spektormetrie I.Poschmann, W.S. Werkstoff Service GmbH www.werkstoff-service.de I. Poschmann, www.werkstoff-service.de, Messunsicherheiten in der Spektrometrie 1/ 14 W.S. Werkstoff
MehrStatistik II Übung 1: Einfache lineare Regression
Statistik II Übung 1: Einfache lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen dem Lohneinkommen von sozial benachteiligten Individuen (16-24 Jahre alt) und der Anzahl der
MehrINFERENZSTATISTISCHE AUSSAGEN FÜR LAGEMAßE UND STREUUNGSMAßE. Inferenzstatistik für Lagemaße Inferenzstatistik für Streuungsmaße
DAS THEMA: INFERENZSTATISTIK III INFERENZSTATISTISCHE AUSSAGEN FÜR LAGEMAßE UND STREUUNGSMAßE Inferenzstatistik für Lagemaße Inferenzstatistik für Streuungsmaße Inferenzstatistik für Lagemaße Standardfehler
MehrAnalytische Statistik II
Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Grundproblem Generell sind wir nur selten in der Geographie in der Lage, Daten über die Grundgesamtheit zur Verfügung zu haben.
MehrStatistik für SozialwissenschaftlerInnen II p.85
Schätzverfahren Statistik für SozialwissenschaftlerInnen II p.85 Schätzverfahren Ziel von Schätzverfahren: Ausgehend von Stichproben Aussagen über Populationskennwerte machen Kenntnis der Abweichung des
MehrÜbungsaufgaben zu Statistik II
Übungsaufgaben zu Statistik II Prof. Dr. Irene Prof. Dr. Albrecht Ungerer Die Kapitel beziehen sich auf das Buch: /Ungerer (2016): Statistik für Wirtschaftswissenschaftler Springer Gabler 4 Übungsaufgaben
MehrStatistiken deuten und erstellen
Statistiken deuten und erstellen Dipl. Ök. Jens K. Perret, M.Sc. Evgenija Yushkova, M.A. Schumpeter School of Business and Economics Bergische Universität Wuppertal Gaußstraße 20 42097 Wuppertal Inhalt
MehrCarl-Engler-Schule Karlsruhe Physik-Labor (BS/BK/FS) 1 (5)
Carl-Engler-Schule Karlsruhe Physik-Labor (BS/BK/FS) (5) Laborversuch: Bessel-Verfahren. Grundlagen Bei der Bestimmung der Brennweite einer Sammellinse lassen sich die Gegenstands- und Bildweite direkt
Mehr