Statistik. 2. Semester. Begleitendes Skriptum zur Vorlesung. im FH-Masterstudiengang. Technisches Management. von. Günther Karigl
|
|
- Maike Boer
- vor 6 Jahren
- Abrufe
Transkript
1 Statistik. Semester Begleitedes Skriptum zur Vorlesug im FH-Masterstudiegag Techisches Maagemet vo Güther Karigl FH Campus Wie 06/7
2 Statistische Schätzverfahre Statistische Schätzverfahre Währed die deskriptive Statistik die Beschreibug statistischer Date aus Erhebuge, Messuge usw. durch Tabelle, Kezahle ud Graphike zum Ihalt hat, geht es i der beurteilede Statistik um de Schluss vo eier Stichprobe auf die zugehörige Grudgesamtheit. Dabei wolle wir zwei uterschiedliche Fragestelluge auseiader halte: Ma spricht vo Pukt- bzw. Itervallschätzug, we es um die Agabe vo Näherugswerte für ubekate Parameter eier Grudgesamtheit (z.b. de Ateil vo Sympathisate für eie politische Partei) geht bzw. um eie Beschreibug der Geauigkeit der gefudee Schätzwerte. Werde dagege Aahme über die Grudgesamtheit (z.b. die Eihaltug bestimmter Qualitätsorme bei der Produktio) a Had eier Stichprobe überprüft, so hadelt es sich um die Prüfug eier Hypothese mittels eies statistische Tests. Solage wir us ierhalb der Wahrscheilichkeitstheorie bewege, stehe wir im gesicherte Rahme eies mathematische Modells. Nu aber trete wir hiaus i die Realität. Die i der Praxis auftretede Grudgesamtheite werde i der Regel durch Wahrscheilichkeitsverteiluge modelliert, welche gewöhlich vo eiem oder mehrere Parameter abhäge (z.b. p für die Biomialverteilug, λ für die Poissoverteilug, µ ud für die Normalverteilug, usw.). Eie Stadardaufgabe der iduktive Statistik, auf die wir u eigehe wolle, ist es, de Wert eies ubekate Parameters auf Grud des erhobee Datematerials abzuschätze. Ma uterscheidet dabei grudsätzlich zwische Puktschätzuge, welche ur aus der Agabe eies Schätzwertes für de gesuchte Parameter bestehe, ud Itervallschätzuge, wobei ei so geates Kofidezitervall (auch Vertrauesitervall) agegebe wird, i dem der gesuchte Parameter mit eier vorgegebe Wahrscheilichkeit liegt.. Puktschätzug Gegebe sei eie Grudgesamtheit durch ihre Verteilug X ud eie kokrete Stichprobe x, x,..., x vom Umfag. Zur Schätzug des Mittelwerts µ = E(X) ist es ahe lieged, das Stichprobemittel gemäß µ ˆ = x = (x x ) ud zur Schätzug der Variaz = E(X µ) die Stichprobevariaz ˆ = s = (x x) (x x) ( ) herazuziehe. (Allgemei wird mit ˆπ ei Schätzwert für eie Parameter π der Grudgesamtheit bezeichet.) Beispiel: Aus eier N(µ, )-verteilte Grudgesamtheit sei die Stichprobe gegebe. Daraus berechet ma x = 50, x = 5, x 3 = 49, x 4 = 55
3 Statistische Schätzverfahre ud Also erhält ma die Schätzwerte µ ˆ = 5,5 ud x = ( ) = 5,5 4 = =. 3 s (, 5 0,5,5 3,5 ) 7 ˆ = 7 bzw. ˆ = 7 =, 65. Eg mit dem Schätze vo Erwartugswerte verküpft ist das Problem, eie Näherugswert ˆp für die Wahrscheilichkeit p = P(A) eies Ereigisses A zu fide. Es ist ahe lieged, dabei so vorzugehe: Ma führt das Zufallsexperimet, bei dem A eitrete oder icht eitrete ka, -mal aus ud registriert, wie oft A eitritt. Divisio dieser Zahl k durch ergibt da eie Schätzwert für p, ämlich die relative Häufigkeit h = k/ vo A, also ˆp = h = k /. Zur Bestätigug dieser Vorgagsweise betrachte wir die Zufallsvariable X, welche wie folgt defiiert ist: falls A zutrifft X = 0 falls A icht zutrifft mit P(X = ) = p ud P(X = 0) = q = p ist. Da ist X ach B(, p) biomialverteilt ud besitzt de Erwartugswert E(X) = p ud die Variaz Var(X) = pq. Folglich bietet sich als Schätzwert für p das Stichprobemittel ˆp = x = (x x ) a, das ist gerade die relative Häufigkeit h des Ereigisses A i der Stichprobe x,..., x. Beispiel: Beim Würfel erhalte wir uter 00 Würfe geau 0 mal die Augezahl sechs. Wir schätze daraus die Wahrscheilichkeit p für das Ereigis A, eie Sechser zu würfel. Mit = 00 ud k = 0 folgt ˆp = k / = 0 /00 = 0,. Eie allgemeie Methode zur Kostruktio eies Schätzwerts ˆπ für eie Parameter π stellt die so geate Maximum-Likelihood-Methode dar. Die Idee dabei ist folgede: Zu gegebeer Stichprobe x, x,..., x bestimmt ma jee Wert des Parameters π, für de das Auftrete gerade dieser Stichprobe im vorgegebee Modell am wahrscheilichste ist. Dazu maximiert ma bei diskrete Verteiluge die Wahrscheilichkeit L(π) = P(x, x,..., x ; π) für festes x,..., x i Abhägigkeit vo π. Die Fuktio L(π) heißt Likelihood-Fuktio ud misst die Plausibilität der beobachtete Stichprobe uter der Aahme, dass die Grudgesamtheit mit dem Parameter π verteilt ist. Zur Bestimmug des Maximums wird L(π) - oder aus techische Grüde vielfach auch l L(π) ach π differeziert, die Ableitug gleich 0 gesetzt ud daraus ˆπ ermittelt. Bei stetige Verteiluge maximiert ma die Fuktio L(π) = f(x,π) f(x,π), also das Produkt der Dichte uter dem Parameter π, bzw. de Logarithmus davo.
4 Statistische Schätzverfahre 3 Beispiel: Wir bestimme de Maximum-Likelihood-Schätzer für de Parameter p eier Biomialverteilug B(, p) aus eier Stichprobe mit k Erfolge uter Beobachtuge. Dazu betrachte wir die Maximum-Likelihood-Fuktio bzw. dere Logarithmus k L(p) = P(k Erfolge aus ; p) = ( k) l L(p) = l ( k ) p ( p) k + k l p + ( k) l ( p). Um das Maximum zu fide, setze wir die erste Ableitug gleich 0 ud erhalte d l L(p) / dp = k / p ( k) / ( p) = 0 k( p) = ( k)p k ˆp =. Als Maximum-Likelihood-Schätzer ergibt sich also wieder die relative Häufigkeit eies Erfolgs (siehe obe).. Itervallschätzug Die Begriffe Grudgesamtheit ud Stichprobe wurde bereits mehrmals verwedet. Eie Grudgesamtheit wird i der mathematische Statistik durch ihre Verteilug, also eie Zufallsvariable X beschriebe. Eie kokrete Stichprobe x,..., x ka ma u als eie Folge vo Realisieruge vo uabhägige Zufallsvariable X,..., X auffasse, wobei jede Variable X i die i-te Ausführug des mit X verbudee Zufallsexperimets beschreibt ud folglich die selbe Verteilug wie X besitzt. Der Mittelwert x ka da als eie Realisierug des Stichprobemittels X = (X + X X ) agesehe werde. Dabei ist X selbst eie Zufallsvariable ud ei Beispiel für eie so geate Stichprobefuktio, das ist eie Fuktio, die vo de Variable X,..., X abhägt. Ei aderes Beispiel ist die Stichprobevariaz S = (X X) + (X X) (X X) ( ) aus der ma durch Eisetze der Stichprobewerte x i für X i die Variaz der etsprechede kokrete Stichprobe erhält. Das Stichprobemittel X ud die Stichprobevariaz S diee zur Schätzug des Mittelswerts µ bzw. der Variaz der Grudgesamtheit X ud werde daher Schätzfuktioe (kurz Schätzer) für µ bzw. geat. Wir bereche u de Erwartugswert ud die Variaz der Schätzfuktio X ud erhalte mit E(X i ) = µ ud Var(X i ) = (für i =,...,) sowie E(X) = E (X X ) = ( E(X ) E(X )) = µ,
5 Statistische Schätzverfahre 4 Var(X) = Var (X X ) ( Var(X )... Var(X )) = + + =. Diese Rechug zeigt, dass der Erwartugswert des Stichprobemittels X mit dem Mittelwert µ der Grudgesamtheit übereistimmt. Ma et X eie erwartugstreue Schätzer für µ. Das bedeutet, dass zwar eizele Schätzwerte durchaus vo µ abweiche köe, jedoch bei häufiger Berechug vo Schätzwerte dere Mittel praktisch mit µ zusammefällt. Darüber hiaus ist X auch ei kosisteter Schätzer für µ, de die Variaz vo X geht mit wachsedem Stichprobeumfag gege 0 ud damit kovergiert X gege µ. Geauso ist die Stichprobevariaz S eie erwartugstreue Schätzfuktio für die Variaz der Grudgesamtheit, de E(S ) = E (Xi X) i= = E (X µ ) (X µ ) i= = ( i ) = E (X i ) (X ) µ µ i=. = E(X i ) E(X ) µ µ i= = Daher wird die Stichprobevariaz, auch we sie de Wert vo im Eizelfall icht geau trifft, ih doch icht systematisch über- oder uterschätze, soder weigstes im Mittel mit ihm übereistimme. Würde ma i der Formel für die Stichprobevariaz jedoch de Faktor / statt /( ) verwede, so hätte dies eie systematische Uterschätzug vo zur Folge. Nach diese eileitede Überleguge über Schätzfuktioe köe wir u dara gehe, ei Kofidezitervall (bzw. Vertrauesitervall) für eie ubekate Parameter der Grudgesamtheit zu bestimme. Daruter versteht ma eie Bereich, der de zu schätzede Parameter mit eier vorgegebee (große) Wahrscheilichkeit γ, z.b. γ = 95% ethält. Die Wahrscheilichkeit γ ist ei Maß für die Zuverlässigkeit der Schätzug ud wird Sicherheitswahrscheilichkeit oder Kofidezzahl geat. (i) Kofidezitervall für de Mittelwert µ eier Normalverteilug mit bekater Variaz Ausgagspukt ist also eie N(µ, )-verteilte Grudgesamtheit, wobei die Variaz etwa aus eier frühere Erhebug bekat ist, der Mittelwert µ higege geschätzt werde soll. Dazu betrachte wir eie geeigete Schätzfuktio für de ubekate Parameter, i userem Fall also das Stichprobemittel X, das ebefalls ormalverteilt ist mit dem
6 Statistische Schätzverfahre 5 Erwartugswert µ ud der Variaz / (siehe obe). Folglich ist die stadardisierte Zufallsvariable X µ Z = N(0,)-verteilt ud es gilt P( c Z c) = γ = α für Φ(c) = ( + γ)/ = α/. Wir habe also ei Itervall [ c, c] gefude, so dass die Werte vo Z mit Wahrscheilichkeit γ ierhalb bzw. mit Wahrscheilichkeit α = γ außerhalb dieses Itervalls liege. Mit derselbe Wahrscheilichkeit γ gilt da weiter d.h., µ liegt im Itervall X µ c c µ c X µ + c X c µ X + c, I γ ( µ ) = x c, x + c mit + γ α Φ (c) = = (wobei die Variable X durch das Mittel x eier kokrete Stichprobe ersetzt wurde). Wir habe damit ei Kofidezitervall für µ kostruiert. Beispiel: Die Größe eies bestimmte Bauteils sei ormalverteilt mit der Stadardabweichug = 4. Aus eier Stichprobe vo = 30 Produktiosstücke wurde der Mittelwert x = 90,5 berechet. Ma schätze de Erwartugswert µ vo X durch ei Kofidezitervall zur Kofidezzahl γ = 0,95. Zur gegebee Sicherheitswahrscheilichkeit γ = 0,95 bestimme wir zuächst c aus der Gleichug Φ(c) = ( + γ)/ = 0,975 ud erhalte c =,96 (laut Tabelle im Ahag). Setzt ma diese Wert gemeisam mit de übrige Agabe i obige Formel für das Kofidezitervall ei, so ergebe sich die Greze x ± c / = 90,5 ± 8,6 = 99, bzw. 8,9. Also habe wir mit [8,9; 99,] ei 95%-Kofidezitervall für de Mittelwert µ der Grudgesamtheit gefude. Eie weitere Stichprobe wird i. Allg. ei uterschiedliches Kofidezitervall liefer. Bei eier lage Stichprobeserie ka ma aber damit reche, dass etwa 95 % aller berechete Itervalle de ubekate Mittelwert µ tatsächlich ethalte. (ii) Kofidezitervall für de Mittelwert µ eier Normalverteilug mit ubekater Variaz Die i (i) agegebee Kostruktio eies Kofidezitervalls für de Mittelwert eier ormalverteilte Grudgesamtheit setzt voraus, dass dere Variaz bekat ist. Im Allgemeie wird dies aber icht der Fall sei. Es ist jedoch ahe lieged, zur Schätzug vo
7 Statistische Schätzverfahre 6 die Stichprobevariaz S zu verwede. Währed Z = (X µ ) / stadardormalverteilt ist, gilt dies für X µ T = S icht mehr. Vielmehr folgt diese Zufallsvariable eier so geate t-verteilug mit Freiheitsgrade. Die t-verteilug spielt ebeso wie die Normalverteilug eie wichtige Rolle bei statistische Schätz- ud Prüfverfahre. Die Dichtekurve f(x) der t-verteilug ist ählich wie die der Normalverteilug symmetrisch ud glockeförmig. Das Aussehe vo f(x) wird ur vo eiem Parameter FG bestimmt, der Azahl der Freiheitsgrade heißt. Mit wachseder Zahl FG strebt f(x) gege die Dichtefuktio Φ(x) der Stadardormalverteilug ud fällt für FG 30 praktisch mit Φ(x) zusamme. Obestehede Abbildug zeigt die Dichtekurve der t-verteilug für verschiedee Freiheitsgrade. Zur Kostruktio des gesuchte Kofidezitervalls bestimme wir u zu vorgegebeer Kofidezzahl γ mittels der Verteilugsfuktio F(x) der t-verteilug mit FG = jees c, für welches P( c T c) = γ = α, also F(c) = ( + γ)/ = α/ gilt. Das mit diesem c sowie de Stichprobeparameter x ud s gebildete Itervall s s I γ ( µ ) = x c, x + c mit + γ α F(c) = = ist da das gesuchte Kofidezitervall für µ zur Kofidezzahl γ. Beispiel: Ma schätze de Erwartugswert µ im vorhergehede Beispiel, falls die Stadardabweichug der Grudgesamtheit icht bekat ist, soder durch die Stadardabweichug der Stichprobe s = 4,6 ersetzt werde muss.
8 Statistische Schätzverfahre 7 Zur Sicherheitswahrscheilichkeit γ = 0,95 bestimme wir zuächst c aus der Gleichug F(c) = ( + γ)/ = 0,975 für die t-verteilug mit FG = = 9 ud erhalte c =,045. Die Werte der t-verteilug sid im Ahag tabelliert. Mit = 30 ud x = 90,5 ergebe sich da die Greze des Kofidezitervalls wie folgt x ± cs / = 90,5 ± 9, = 99,7 bzw. 8,3. Das 95%-Kofidezitervall für de Mittelwert µ der Grudgesamtheit beträgt i diesem Fall [8,3; 99,7]. Etscheide wir us jedoch für eie höhere Sicherheit ud wähle etwa γ = 0,99, ergibt sich für c aus der Gleichug F(c) = ( + γ)/ = 0,995 der Wert c =,756 ud damit das 99%- Kofidezitervall [78,; 30,9]. Eie Erhöhug der Kofidezzahl γ brigt offesichtlich eie Vergrößerug des Kofidezitervalls mit sich. Eie Verkleierug des Kofidezitervalls ka dagege durch eie Erhöhug des Stichprobeumfags erreicht werde. (iii) Plaug des Stichprobeumfags Die Geauigkeit der Schätzug ist durch die Abweichug d = c /, d.i. die halbe Breite des Kofidezitervalls gegebe. Offesichtlich ist d abhägig vo der Kofidezzahl γ (über de Wert c), vo der Stadardabweichug ud schließlich vom Stichprobeumfag. Wir stelle us u die Frage: Wie groß muss die Stichprobe sei, damit bei der Schätzug vo µ eie vorgegebee Abweichug d mit Sicherheit γ eigehalte wird. Aus obiger Formel für d ergibt sich umittelbar der erforderliche Stichprobeumfag gemäß c d mit + γ α Φ (c) = =. Beispiel: Wir beziehe us ochmals auf obiges Beispiel vo Abschitt (i) ud wolle diesmal eie Schätzug des Mittels µ mit eier Geauigkeit vo ±3 bei eier Sicherheit vo γ = 0,95. Mit c =,96, = 4 ud d = 3 berechet ma für de erforderliche Stichprobeumfag 5,68 = 45,86, also = 46. (iv) Kofidezitervall für die Variaz eier Normalverteilug Grudlage für die Schätzug der Variaz ist erwartugsgemäß die Stichprobevariaz S. Allerdigs folgt die Stichprobevariaz auch bei ormalverteilter Grudgesamtheit icht wie das Stichprobemittel eier Normalverteilug, soder eier so geate Chi- Quadrat-Verteilug (χ -Verteilug). Geauer gesagt gilt: We S die Stichprobevariaz eier Stichprobe vom Umfag aus eier N(µ, )-verteilte Grudgesamtheit ist, da ist die Zufallsvariable χ -verteilt mit Freiheitsgrade. ( )S V = So wie die Normal- oder die t-verteilug ist auch die χ -Verteilug stetig, sie ist jedoch ur für icht-egative Werte defiiert. Ferer ist die χ -Verteilug wie auch die t-verteilug
9 Statistische Schätzverfahre 8 vo eiem Parameter FG, der Azahl der Freiheitsgrade, abhägig. Der Verlauf der Dichtefuktio wird, wie die folgede Abbildug zeigt, sehr vom Parameter FG beeiflusst. Isbesodere weise die Dichtefuktioe für kleie Azahle vo Freiheitsgrade eie ausgeprägte Usymmetrie auf. Zur Kostruktio eies Kofidezitervalls für bestimme wir zuächst zwei Werte c ud c derart, dass P(c V c ) = γ = α gilt, wobei γ wieder die Sicherheitswahrscheilichkeit (bzw. α die etsprechede Gegewahrscheilichkeit) bezeichet. Wie ma sich leicht überlegt, erhält ma c ud c aus de beide Gleichuge F(c ) = ( γ)/ = α/ ud F(c ) = ( + γ)/ = α/. Dabei steht F(x) für die Verteilugsfuktio der χ -Verteilug mit FG =, welche ebefalls im Ahag tabelliert ist. Also gilt mit Wahrscheilichkeit γ, dass ( )S c c c ( )S c ( )S ( )S. c c Damit lautet das gesuchte Kofidezitervall für ( )s ( )s γ α + γ α = mit F(c ) = =, F(c ) = =. I γ ( ), c c Beispiel: Wir verwede ochmals obige Stichprobe über die Größe eies bestimmte Bauteils mit de Parameter = 30 ud s = 4,6. Gesucht ist ei 95%-Kofidezitervall für die Variaz der zugehörede Grudgesamtheit. Mit γ = 0,95 löse wir vorerst die beide Gleichuge F(c ) = ( γ)/ = 0,05 ud F(c ) = ( + γ)/ = 0,975 für die χ -Verteilug mit FG = = 9 ud erhalte (mit Hilfe der
10 Statistische Schätzverfahre 9 Tabelle im Ahag) die Werte c = 6, 05 ud c = 45,7. Folglich betrage die Itervallgreze ( )s /c = 383,9 ud ( )s /c = 093,4. Also ist [383,9; 093,4] ei 95%-Kofidezitervall für die Variaz bzw. [9,6; 33,] ei 95%-Kofidezitervall für die Stadardabweichug. (v) Kofidezitervall für die Wahrscheilichkeit p = P(A) eies Ereigisses A Als Puktschätzug für die ubekate Wahrscheilichkeit p eies Ereigisses habe wir bereits desse relative Häufigkeit h bei -maliger Ausführug des zu A gehörede Zufallsexperimets verwedet. Dabei ist h eie Realisierug der Stichprobefuktio H = ( X X ), welche die relative Häufigkeit des Ereigisses A i der Stichprobe als Zufallsvariable beschreibt. Die Variable X i gebe jeweils a, ob A beim i-te Versuch zutrifft oder icht zutrifft ud sid ach B(, p) verteilt, die Variable H ist da aäherd ormalverteilt ach N(p, p( p)/). Daraus erhält ma für p das Kofidezitervall h( h) h( h) I γ (p) = h c, h + c mit + γ α Φ (c) = =. Beispiel: Würfelt ma uter = 00 Würfe geau 0 mal eie Sechser, so beträgt die relative Häufigkeit für eie Sechser i der beobachtete Stichprobe h = 0/00 = 0,. Wir bestimme das 95%-Kofidezitervall für die Wahrscheilichkeit p, eie Sechser zu würfel. Aus der Normalverteilug ermittel wir zuerst zur Kofidezzahl γ = 0,95 die Lösug der Gleichug Φ(c) = ( + γ)/ = 0,975 ud erhalte c =,96. Setze wir diese Wert gemeisam mit de Werte für h ud i obige Formel ei, so ergebe sich die Greze h( h) h ± c = 0, ± 0,078 = 0,78 bzw. 0,. Das 95%-Kofidezitervall für die Wahrscheilichkeit p ist also durch [, %; 7,8 %] gegebe. (Wege /6 = 6,7% spricht ichts dagege, dass der Würfel fair ist.) Wie oft müsste ma würfel, um p bei eier Sicherheit vo 95 % auf d = ± % geau zu schätze? Die Atwort auf diese Frage ergibt sich aus der Ugleichug c p( p) / d ud führt auf c p( p)/d oder (wege p( p) /4) c. 4d Das ergibt im kokrete Beispiel eie Mideststichprobeumfag vo etwa = 9600.
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
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
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
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
MehrKapitel 12. Schätzung von Parametern
Kapitel 12 Schätzug vo Parameter Die Verteilug eier Zufallsvariable hägt i der Regel vo eiem oder mehrere Parameter ab. Bei der Poissoverteilug ist dies der Parameter λ, währed es bei der Normalverteilug
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
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
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
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:
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
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
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:
MehrÜbungsblatt 1 zur Vorlesung Angewandte Stochastik
Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche
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 ; : :
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:
MehrStandard Normalverteilung Dichtefunktion von Standard Normal Verteilung. Grenzwertsatz. Normalverteilung. Andere wichtige Verteilungen: Anwendungen
Statistik. Vorlesug, September, 00 f() 0.0 0. 0. 0.3 0.4 Stadard Normalverteilug Dichtefuktio vo Stadard Normal Verteilug -4-0 4 Der Erwartugswert: mittlere Wert E ( = f( ) d=0 für die Stadard Normal Verteilug
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
MehrPflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik
Pflichtlektüre: Kapitel 10 Grudlage der Iferezstatistik Überblick der Begriffe Populatio Iferezstatistik Populatiosparameter Stichprobeverteiluge Auch Stichprobekewerteverteiluge Wahrscheilichkeitstheorie
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
MehrA = Ereignisraum = σ-algebra (Sigma-Algebra) = Menge aller messbaren Ergebnisse über eine definierte Grundmenge Ω
Statistik Theorie Defiitioe Ω = Grudmege = Ergebismege = Mege aller mögliche Ergebisse A = Ereigisraum = σ-algebra (Sigma-Algebra) = Mege aller messbare Ergebisse über eie defiierte Grudmege Ω P(Ω) = Potezmege
Mehr2.3 Kontingenztafeln und Chi-Quadrat-Test
2.3 Kotigeztafel ud Chi-Quadrat-Test Die Voraussetzuge a die Date i diesem Kapitel sid dieselbe, wie im voragegagee Kapitel, ur dass die Stichprobe hier aus Realisieruge vo kategorielle Zufallsvariable
MehrStochastik für WiWi - Klausurvorbereitung
Dr. Markus Kuze WS 2013/14 Dipl.-Math. Stefa Roth 11.02.2014 Stochastik für WiWi - Klausurvorbereitug Gesetz der totale Wahrscheilichkeit ud Satz vo Bayes (Ω, F, P) Wahrscheilichkeitsraum, E 1,..., E F
MehrFormelsammlung Mathematik
Formelsammlug Mathematik 1 Fiazmathematik 1.1 Reterechug Sei der Zissatz p%, der Zisfaktor q = 1 + p 100. Seie R die regelmäßig zu zahlede Rate, die Laufzeit. Edwert: Barwert: achschüssig R = R q 1 q 1
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
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)
MehrStatistik. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.html
Statistik Prof. Dr. K. Melzer kari.melzer@hs-esslige.de http://www.hs-esslige.de/de/mitarbeiter/kari-melzer.html Ihaltsverzeichis 1 Eileitug ud Übersicht 3 2 Dategewiug (kurzer Überblick) 3 2.1 Plaugsphase
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
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-
Mehr14 Statistische Beziehungen zwischen nomi nalen Merkmalen
14 Statistische Beziehuge zwische omi ale Merkmale 14.1 Der Chi Quadrat Test auf Uabhägigkeit für Vier Feldertafel 14.2 Der Chi Quadrat Test auf Uabhägigkeit für r s Kotigeztafel 14.3 Zusammmehagsmaße
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
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
MehrZahlenfolgen, Grenzwerte und Zahlenreihen
KAPITEL 5 Zahlefolge, Grezwerte ud Zahlereihe. Folge Defiitio 5.. Uter eier Folge reeller Zahle (oder eier reelle Zahlefolge) versteht ma eie auf N 0 erlarte reellwertige Futio, die jedem N 0 ei a R zuordet:
MehrMonte Carlo-Simulation
Mote Carlo-Simulatio Mote Carlo-Methode Der Begriff Mote Carlo-Methode etstad i de 1940er Jahre, als ma im Zusammehag mit dem Bau der Atombombe die Simulatio vo Zufallsprozesse erstmals i größerem Stil
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:
MehrInstitut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban
Istitut für tochastik Prof. Dr. N. Bäuerle Dipl.-Math.. Urba Lösugsvorschlag 9. Übugsblatt zur Vorlesug Fiazmathematik I Aufgabe Ei euartiges Derivat) Wir sid i eiem edliche, arbitragefreie Fiazmarkt,
Mehr8. Intervallschätzung
8. Itervallschätzug 8.1 Begriff des Kofidezitervalls Mit uterschiedliche Stichprobe lasse sich verschiedee Puktschätzer θ für de Parameter der Grudgesamtheit erziele. We m Stichprobe aus der Grudgesamtheit
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.
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;
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
MehrBeschreibende Statistik Kenngrößen in der Übersicht (Ac)
Beschreibede Statistik Kegröße i der Übersicht (Ac) Im folgede wird die Berechugsweise des TI 83 (sowie vo SPSS, s. ute) verwedet. Diese geht auf eie Festlegug vo Moore ud McCabe (00) zurück. I der Literatur
MehrEinführung in die mathematische Statistik
Kapitel 7 Eiführug i die mathematische Statistik 7.1 Statistische Modellierug Bei der Modellierug eies Zufallsexperimets besteht oft Usicherheit darüber, welche W-Verteilug auf der Ergebismege adäquat
MehrNennenswertes zur Stetigkeit
Neeswertes zur Stetigkeit.) Puktweise Stetigkeit: Vo Floria Modler Defiitio der pukteweise Stetigkeit: Eie Fuktio f : D R ist geau da i x D stetig, we gilt: ε > δ >, so dass f ( x) f ( x ) < ε x D mit
Mehr( ) Formelsammlung. Kombinatorik. Permutation: ohne Wiederholung. n! = n (n - 1) (n - 2)... 3 2 1 n= alle Elemente. Permutation: mit Wiederholung
Formelsammlug Kombiatori Permutatio: ohe Wiederholug! = ( - 1) ( - 2).... 3 2 1 = alle Elemete Permutatio: mit Wiederholug!! P, = = usw. = gleiche Elemete! 1! K 2! Stichprobe (SP) = geordete Auswahl Geordete
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
MehrWirtschaftsmathematik
Studiegag Betriebswirtschaft Fach Wirtschaftsmathematik Art der Leistug Studieleistug Klausur-Kz. BW-WMT-S1 040508 Datum 08.05.004 Bezüglich der Afertigug Ihrer Arbeit sid folgede Hiweise verbidlich: Verwede
Mehr3. Tilgungsrechnung. 3.1. Tilgungsarten
schreier@math.tu-freiberg.de 03731) 39 2261 3. Tilgugsrechug Die Tilgugsrechug beschäftigt sich mit der Rückzahlug vo Kredite, Darlehe ud Hypotheke. Dabei erwartet der Gläubiger, daß der Schulder seie
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
MehrDer natürliche Werkstoff Holz - Statistische Betrachtungen zum uniaxialen Zugversuch am Beispiel von Furnier
Der atürliche Werkstoff Holz - Statistische Betrachtuge zum uiaxiale Zugversuch am Beispiel vo Furier B. Bellair, A. Dietzel, M. Zimmerma, Prof. Dr.-Ig. H. Raßbach Zusammefassug FH Schmalkalde, 98574 Schmalkalde,
Mehrelektr. und magnet. Feld A 7 (1)
FachHochschule Lausitz Physikalisches Praktikum α- ud β-strahlug im elektr. ud maget. Feld A 7 Name: Matrikel: Datum: Ziel des Versuches Das Verhalte vo α- ud β-strahlug im elektrische ud magetische Feld
Mehr2.2.1 Lagemaße. Exkurs: Quantile. und n. p n
Ekurs: Quatile Ausgagspukt : Geordete Urliste Jeder Wert p, mit 0 < p
MehrStichproben im Rechnungswesen, Stichprobeninventur
Stichprobe im Rechugswese, Stichprobeivetur Prof Dr Iree Rößler ud Prof Dr Albrecht Ugerer Duale Hochschule Bade-Württemberg Maheim Im eifachste Fall des Dollar-Uit oder Moetary-Uit Samplig (DUS oder MUS-
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
MehrRobuste Asset Allocation in der Praxis
Fiazmarkt Sachgerechter Umgag mit Progosefehler Robuste Asset Allocatio i der Praxis Pesiosfods ud adere istitutioelle Aleger sid i aller Regel a ei bestimmtes Rediteziel (Rechugszis) gebude, das Jahr
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
MehrGrundkompetenz-Aufgaben
Durch starte Mathematik übugsbuch bis Grudkompetez-Aufgabe Aufgrud der eue schriftliche Reifeprüfug i Mathematik ist es otwedig, sich mit de eue Grudkompetez-Aufgabe auseiaderzusetze. Die Olie-Ergäzug
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
MehrÜbungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Prof. Dr. Rolad Speicher M.Sc. Tobias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 01 Musterlösug zu Blatt 0 Aufgabe 1. Käpt Schwarzbart,
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
MehrDie zu den Zufallswerten x gehörigen Wahrscheinlichkeiten fasst man in einer Tabelle zusammen:
0 Statistik 0. Wahrscheilichkeitsfuktio ud optische Darstellug Bei der Auswertug vo Zufallsexperimete ist oft gar icht das eizele Ergebis vo Iteresse, soder vielmehr eie Zahlegröße (Zufallsgröße X), die
MehrKapitel 1. Einige Begriffe aus der Asymptotik. 1.1 Wiederholung
Kapitel Eiige Begriffe aus der Asymptotik. Wiederholug Eiwesetlicher Teil der Ökoometrie befasst sichmit der Ermittlug voschätzer ud dere Eigeschafte. Diese werde beötigt, um aus de beobachtbare Date eier
MehrGrundgesamtheitsanaylsen und Stichproben. Betrachtungen zur Stichprobenfindung
MaMaEuSch Maagemet Mathematics for Europea Schools http://www.mathematik.uikl.de/ mamaeusch Grudgesamtheitsaaylse ud Stichprobe. Betrachtuge zur Stichprobefidug Paula Lagares Justo Puerto 1 MaMaEuSch 2
MehrPhysikalische Grundlagen: Strahlengang durch optische Systeme
ieser Text ist ür iteressierte Leser gedacht, die sich über die klausur-relevate, physiologische Grudlage hiaus mit der Optik des Auges beschätige wolle! Physikalische Grudlage: Strahlegag durch optische
MehrAT AB., so bezeichnet man dies als innere Teilung von
Teilverhältisse Aus der Geometrie der Dreiecke ket ma die Aussage, dass der Schwerpukt T eies Dreiecks die Seitehalbierede im Verhältis : teilt. Für die Strecke AT ud TM gilt gemäß der Abbildug AT : TM
MehrQualitätskennzahlen für IT-Verfahren in der öffentlichen Verwaltung Lösungsansätze zur Beschreibung von Metriken nach V-Modell XT
Qualitätskezahle für IT-Verfahre i der öffetliche Verwaltug Lösugsasätze zur Vo Stefa Bregezer Der Autor arbeitet im Bereich Softwaretest ud beschäftigt sich als Qualitätsbeauftragter mit Theme zu Qualitätssicherug
Mehr6.6 Grundzüge der Fehler- und Ausgleichsrechnung 6.6.1 Fehlerarten- Aufgaben der Fehler- und Ausgleichsrechnung physikalisch-technische Experiment
103 66 Grudzüge der Fehler- ud Ausgleichsrechug 661 Fehlerarte- Aufgabe der Fehler- ud Ausgleichsrechug Jedes physikalisch-techische Experimet liefert gewisse gemessee Werte x Bei dem Messvorgag verwede
MehrStatistik und Wahrscheinlichkeitslehre
Statistik ud Wahrscheilichkeitslehre Zufall ud Mittelwerte Für alle techische Studiegäge Prof. Dr.-Ig. habil. Thomas Adamek Grudlage der Wahrscheilichkeitsrechug. Eiführug Grudlage vo Statistik ud Wahrscheilichkeitsrechug
MehrVariiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen.
3. Variazaalyse Die Variazaalyse mit eier quatitative abhägige Variable ud eier oder mehrerer qualitativer uabhägiger Variable wird auch als ANOVA (Aalysis of Variace) bezeichet. Mit eier Variazaalyse
MehrVereinheitlichung Einheitlicher Maßstab der Risikoeinschätzung. Limitierung / Steuerung Messung und Limitierung ist fundamental für die Steuerung
. Marktpreisrisiko Motivatio der VaR-Ermittlug Vereiheitlichug Eiheitlicher Maßstab der Risikoeischätzug Limitierug / Steuerug Messug ud Limitierug ist fudametal für die Steuerug Kapitaluterlegug Zur Deckug
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.
MehrNachklausur - Analysis 1 - Lösungen
Prof. Dr. László Székelyhidi Aalysis I, WS 212 Nachklausur - Aalysis 1 - Lösuge Aufgabe 1 (Folge ud Grezwerte). (i) (1 Pukt) Gebe Sie die Defiitio des Häufugspuktes eier reelle Zahlefolge (a ) N. Lösug:
MehrStatistische Formelsammlung Begleitende Materialien zur Statistik - Vorlesung des Grundstudiums im Fachbereich IK
Statistische Formelsammlug Begleitede Materialie zur Statistik - Vorlesug des Grudstudiums im Fachbereich IK Erstellt im Rahme des studierede Projektes PROST Studiejahr 00/00 uter Aleitug vo Frau Prof.
Mehr5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung
Seite vo 7 5 Beroulli-Kette Jakob Beroulli 654-705 Schweizer Mathematiker ud Physiker 5. Beroulli-Exerimet 5.. Eileitug Oft iteressiert ma sich bei Zufallsexerimete icht für die eizele Ergebisse, soder
MehrA Ω, Element des Ereignisraumes
ue biostatisti: grudlegedes zur wahrscheilicheit ud ombiatori 1/6 WAHRSCHEINLICHKEIT / EINIGE BEGRIFFE Ereigisraum Ω Elemetarereigis A: Ω ist die Mege aller mögliche Elemetarereigisse A Ω, Elemet des Ereigisraumes
MehrKerncurriculum Berufliche Gymnasien Niedersachsen Stochastik
Jes Hellig Herausgeber: Klaus Schillig Kercurriculum Berufliche Gymasie Niedersachse Stochastik Darstelle Auswerte Beurteile 2. Auflage Bestellummer 03330 Habe Sie Areguge oder Kritikpukte zu diesem Produkt?
MehrMusterlösung zu Übungsblatt 2
Prof. R. Padharipade J. Schmitt C. Schießl Fuktioetheorie 25. September 15 HS 2015 Musterlösug zu Übugsblatt 2 Aufgabe 1. Reelle Fuktioe g : R R stelle wir us üblicherweise als Graphe {(x, g(x)} R R vor.
Mehr1 Wahrscheinlichkeitslehre
Wahrscheilichkeitslehre. Grudlage der Wahrscheilichkeitsrechug Die Wahrscheilichkeitslehre ist ei elemetarer Bestadteil der Statistik. Die mathematische Wahrscheilichkeitslehre umfasst ei kompliziertes
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
MehrKapitel 4: Stationäre Prozesse
Kapitel 4: Statioäre Prozesse M. Scheutzow Jauary 6, 2010 4.1 Maßerhaltede Trasformatioe I diesem Kapitel führe wir zuächst de Begriff der maßerhaltede Trasformatio auf eiem Wahrscheilichkeitsraum ei ud
MehrLerneinheit 2: Grundlagen der Investition und Finanzierung
Lereiheit 2: Grudlage der Ivestitio ud Fiazierug 1 Abgrezug zu de statische Verfahre Durchschittsbetrachtug wird aufgegebe Zeitpukt der Zahlugsmittelbewegug explizit berücksichtigt exakte Erfassug der
MehrGeometrische Folgen. Auch Wachstumsfolgen Viele Aufgaben. Lösungen nur auf der Mathe-CD Hier nur Ausschnitte. Datei Nr
ZAHLENFOLGEN Teil Geometrische Folge Auch Wachstumsfolge Viele Aufgabe Lösuge ur auf der Mathe-CD Hier ur Ausschitte Datei Nr. 00 Friedrich Buckel März 00 Iteretbibliothek für Schulmathematik 00 Geometrische
MehrEmpirische Methoden I
Hochschule für Wirtschaft ud 2012 Umwelt Nürtige-Geislige Fakultät Betriebswirtschaft ud Iteratioale Fiaze Prof. Dr. Max C. Wewel Prof. Dr. Corelia Niederdrek-Felger Aufgabe zum Tutorium Empirische Methode
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
MehrLösungen der Aufgaben zur Vorbereitung auf die Klausur Mathematik für Informatiker I
Uiversität des Saarlades Fakultät für Mathematik ud Iformatik Witersemester 2003/04 Prof. Dr. Joachim Weickert Dr. Marti Welk Dr. Berhard Burgeth Lösuge der Aufgabe zur Vorbereitug auf die Klausur Mathematik
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
MehrInnerbetriebliche Leistungsverrechnung
Ierbetriebliche Leistugsverrechug I der Kostestellerechug bzw. im Betriebsabrechugsboge (BAB ist ach der Erfassug der primäre Kostestellekoste das Ziel, die sekudäre Kostestellekoste, also die Koste der
MehrVersuch 13/1 NEWTONSCHE INTERFERENZRINGE Blatt 1 NEWTONSCHE INTERFERENZRINGE
Versuch 3/ NEWTONSCHE INTERFERENZRINGE Blatt NEWTONSCHE INTERFERENZRINGE Die Oberfläche vo Lise hat im allgemeie Kugelgestalt. Zur Messug des Krümmugsradius diet das Sphärometer. Bei sehr flacher Krümmug
MehrAuch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert.
Prof. Dr. H. Rommelfager: Etscheidugstheorie, Kaitel 3 7 3. Etscheidug bei Risiko (subjektive oder objektive) Eitrittswahrscheilichkeite für das Eitrete der mögliche Umweltzustäde köe vom Etscheidugsträger
MehrMathematik für Maschinenbauer, Bauingenieure und Umwelttechniker III. R. Verfürth
Mathematik für Maschiebauer, Bauigeieure ud Umwelttechiker III Vorlesugsskriptum WS 001/0 - WS 00/03 überarbeitet September 008 R. Verfürth Fakultät für Mathematik, Ruhr-Uiversität Bochum Ihaltsverzeichis
MehrLV "Grundlagen der Informatik" Programmierung in C (Teil 2)
Aufgabekomplex: Programmiere i C (Teil vo ) (Strukturierte Datetype: Felder, Strukture, Zeiger; Fuktioe mit Parameterübergabe; Dateiarbeit) Hiweis: Alle mit * gekezeichete Aufgabe sid zum zusätzliche Übe
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
Mehrx 2 + 2 m c Φ( r, t) = n q n (t) φ n ( r) (5) ( + k 2 n ) φ n ( r) = 0 (6a)
Quatisierug eies skalare Feldes Das Ziel ist eigetlich das elektromagetische Feld zu quatisiere, aber wie ma scho a de MAXWELLsche Gleichuge sehe ka, ist es zu kompliziert, um damit zu begie. Außerdem
MehrFINANZMATHEMATIK. 1. Zinsen und Zinseszinsen. Finanzmathematik 81
Fiazmathematik 8 FINANZMATHEMATIK. Zise ud Ziseszise Die Zise als Preis für die Zurverfügugstellug vo Geld bilde das zetrale Elemet i der Fiazmathematik. Hierbei sid verschiedee Arte der Verzisug zu uterscheide.
MehrDatenauswertung. Prof. Dr. Josef Brüderl Universität Mannheim. Frühjahrssemester 2007
Dateauswertug Prof. Dr. Josef Brüderl Uiversität Maheim Frühjahrssemester 007 Methode-Curriculum B.A. Soziologie Basismodul: Methode ud Statistik: VL Dateerhebug (): 5 ÜK (): 3 ----------------------------------------------------------
MehrLektion II Grundlagen der Kryptologie
Lektio II Grudlage der Kryptologie Klassische Algorithme Ihalt Lektio II Grudbegriffe Kryptologie Kryptographische Systeme Traspositioschiffre Substitutioschiffre Kryptoaalyse Übuge Vorlesug Datesicherheit
MehrKlasse: Platzziffer: Punkte: / Graph zu f
Pflichtteil Mathematik I Aufgabe P Name: Vorame: Klasse: Platzziffer: Pukte: / P.0 Gegebe ist die Fuktio f mit der Gleichug (siehe Zeichug). y x8 y,25 4 mit GI IRIR Graph zu f O x P. x 8 Die Pukte C (x,25
MehrPage-Rank: Markov-Ketten als Grundlage für Suchmaschinen im Internet
Humboldt-Uiversität zu Berli Istitut für Iformatik Logik i der Iformatik Prof. Dr. Nicole Schweikardt Page-Rak: Markov-Kette als Grudlage für Suchmaschie im Iteret Skript zum gleichamige Kapitel der im
Mehr2. Diophantische Gleichungen
2. Diophatische Gleichuge [Teschl05, S. 91f] 2.1. Was ist eie diophatische Gleichug ud wozu braucht ma sie? Def D2-1: Eie diophatische Gleichug ist eie Polyomfuktio i x,y,z,, bei der als Lösuge ur gaze
MehrModel CreditRisk + : The Economic Perspective of Portfolio Credit Risk Part I
Model CreditRisk + : The Ecoomic Perspective of Portfolio Credit Risk Part I Semiar: Portfolio Credit Risk Istructor: Rafael Weißbach Speaker: Pablo Kimmig Ageda 1. Asatz ud Ziele Was ist CreditRisk +
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
Mehr2.4.1 Grundprinzipien statistischer Hypothesentests
86 2.4. Hypothesetests 2.4 Hypothesetests 2.4.1 Grudprizipie statistischer Hypothesetests Hypothese: Behauptug eier Tatsache, dere Überprüfug och aussteht (Leuter i: Edruweit, Trommsdorff: Wörterbuch der
MehrBetriebswirtschaft Wirtschaftsmathematik Studienleistung BW-WMT-S12 011110
Name, Vorame Matrikel-Nr. Studiezetrum Studiegag Fach Art der Leistug Klausur-Kz. Betriebswirtschaft Wirtschaftsmathematik Studieleistug Datum 10.11.2001 BW-WMT-S12 011110 Verwede Sie ausschließlich das
Mehr