Übungsaufgaben. Häufige Fehler: Banale Rechenfehler. Signifikante Stellen falsch. Unsaubere Arbeitsweise. Einheiten vergessen, Pi ist KEINE Einheit

Größe: px
Ab Seite anzeigen:

Download "Übungsaufgaben. Häufige Fehler: Banale Rechenfehler. Signifikante Stellen falsch. Unsaubere Arbeitsweise. Einheiten vergessen, Pi ist KEINE Einheit"

Transkript

1 Übugsaufgabe Häufige Fehler: Baale Rechefehler Sigifikate Stelle falsch Eiheite vergesse, Pi ist KEINE Eiheit Usaubere Arbeitsweise Rudugsfehler Eiheite falsch ugerechet T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-

2 Erstabgabe Übug icht abgegebe T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-

3 Verteilugsfuktioe : Reche it Wahrscheilichkeite Bioialverteilug Noralverteilug T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-3

4 Wahrscheilichkeitsdefiitio Die Wahrscheilichkeit eies Eizelereigisses ist der Quotiet der güstige Fälle zur Zahl der ögliche Fälle. W E Z Z E Azahlder für E güstige Ereigisse Azahlderögliche, gleich wahrscheiliche Eleetarereigisse Die Wahrscheilichkeit des sichere Ereigisses ist. Die Wahrscheilichkeit des uögliche Ereigisses ist 0. 0 W Je äher W a ist, desto wahrscheilicher ist ei Ereigis. I tägliche Lebe wird die Wahrscheilichkeit oft i % agegebe. T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-4

5 Reche it Wahrscheilichkeite Zu Beispiel ist die Wahrscheilichkeit, eie "6" zu würfel: /6 Wie groß ist die Wahrscheilichkeit für das Ereigis A = {, 4, 6 }? Das Ereigis A lässt sich zerlege i die Eleetarereigisse E, E 4 ud E 6 Es gilt für die Wahrscheilichkeit vo A W(A ) = W(E ) + W(E 4 ) + W(E 6 ) = /6 + /6 + /6 = / Obige Additio vo Wahrscheilichkeite ist ur da korrekt, we die Ereigisse E i eiader ausschließe. Eiader ausschließe heißt, a ka etweder eie eie 4 oder eie 6 würfel. Es gibt auch Ereigisse, die sich icht ausschließe. T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-5

6 Reche it Wahrscheilichkeite Es seie A ud B Teilege vo A AB B Der Durchschitt (Schitt) vo A ud B: Die Mege der Eleete vo, die gleichzeitig zu A ud zu B gehöre, heißt Durchschitt: A B oder AB A B Die Vereiigug vo A ud B: Die Mege der Eleete vo, die zu A oder zu B gehöre, heißt Vereiigug. Ei Eleet ka auch zu beide gehöre (Oder ist icht zu verwechsel it etweder oder) A B T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-6

7 Reche it Wahrscheilichkeite Allgeei gilt: Die Wahrscheilichkeit für de Schitt ud die Vereiigug zweier Eizelereigisse ist: We stochastisch uabhägig: AB W (A B) = W (A) * W (B) A B W (A B) = W (A) + W (B) W (A B) A B T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-7

8 Reche it Wahrscheilichkeite Zusaegefasst für stochastische Uabhägigkeit: W (A B) = W (A) + W (B) W (A B) W (A B) = W (A) * W (B) Da a bei eie Würfel icht gleichzeitig eie "" ud eie "3" würfel ka, ist die Wahrscheilichkeit, eie "" oder eie "3" zu würfel, gleich der Sue der Wahrscheilichkeite der Eizelereigisse, also ergibt sich: Sid A ud B sich gegeseitig ausschließede Ereigisse, ist also W (AB) = W (A B ) = 0, da ist die Wahrscheilichkeit für die Vereiigug vo A ud B: W (A B) = W (A) + W (B) /6 + /6 = /3 T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-8

9 Reche it Wahrscheilichkeite Beispiel : Kartespiel it 5 Karte. Wie groß ist die Wahrscheilichkeit, eie Dae oder ei Herz zu ziehe? 5 Karte habe vier Dae ud 3 Herz, davo ist eie Karte Herz-Dae. W (A B) = W (A) + W (B) W (A B) W (A B) = W (A) * W (B) 3 5 W (A B) = 3/5 + 4/5 (3/5*4/5) 4 W (A B) = 3/5 + 4/5 -/5 = 6/5 T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-9

10 Beispiel: Kugel aus Ure Reche it Wahrscheilichkeite Für viele grudsätzliche Überleguge köe Ereigisse it zwei ögliche Ergebisse (Treffer / kei Treffer) betrachtet werde Ureodell: Wichtig bei Qualitätssicherug ud Eigagskotrolle. Eie Ure ethält 5 Kugel, drei davo sid weiß, zwei sid schwarz. Es werde zwei Kugel zufällig herausgegriffe. ide a beide Kugel zugleich herausit (Ziehe ohe Zurücklege) ide a zuächst eie Kugel herausit, zurücklegt ud och al zieht (Ziehe it Zurücklege) Die Kugel seie ueriert Weiß = {,, 3 } ud Schwarz = {4, 5 } T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-0

11 Reche it Wahrscheilichkeite Ziehe it Zurücklege Auf Reihefolge achte! Wie viele Möglichkeite gibt es isgesat? Ma hat 5 Möglichkeite für die erste Kugel: (,..), (,..), (3,..), (4,..), (5,..) Für jede dieser 5 Möglichkeite gibt es 5 Möglichkeite für die zweite Kugel, also Z() = 5 * 5 = 5 T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-

12 Reche it Wahrscheilichkeite Wie groß ist die Wahrscheilichkeit, zwei weiße Kugel zu ziehe? Lösugswege: Stupfsiiges Hischreibe (,), (,), (,3), (,), (,), (,3), (3,), (3,), (3,3) Dies sid eu Möglichkeite also: W ("zweial weiß") = 9/5 = 0.36 Kobiatorik Ma hat für die erste Kugel 3 güstige Möglichkeite. Für jede dieser drei Möglichkeite gibt es bei zweite Zug wiederu 3 güstige Möglichkeite, also Z ("zweial weiß") = 3*3 = 9 T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-

13 Reche it Wahrscheilichkeite Ziehe ohe Zurücklege Hier ist die Reihefolge ohe Bedeutug. Wie viele Möglichkeite gibt es isgesat? Ma hat isgesat zeh al Möglichkeite : [,], [,3], [,4], [,5], [,3], [,4], [,5], [3,4], [3,5], [4,5], Davo sid 3 al Ereigisse zwei weiße Kugel Wie groß ist die Wahrscheilichkeit, zwei weiße Kugel zu ziehe? W ("zweial weiß") = 6/0 = 0.30 T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-3

14 Kobiatorik I diese Beispiele sid die Eleetarereigisse och abzählbar. Suche ach atheatische Hilfsittel zur allgeeie Behadlug Aahe: Wir habe vier Bücher i eier Kiste. Wir greife zufällig ei Buch aus der Kiste ud stelle es auf ei Regal. Wir greife das ächste Buch, stelle es daebe ud so fort Wie viele verschiedee Reihefolge (Perutatioe) gibt es? T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-4

15 Kobiatorik Bezeichug der Bücher it A, B, C ud D. Ausprobiere ist lagwierig ud ustädlich (A,C,B,D)...(D,A,C,B). Bei erste Griff i die Kiste habe wir vier Möglichkeite. Auf de Regal steht das Buch A, B, C oder D. Bei zweite Griff i die Kiste habe wir drei Möglichkeite. Bei dritte zwei ud bei vierte ur och eie Es gibt soit isgesat 4*3** = 4! = 4 Reihefolge Bezeichug für! : - Fakultät T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-5

16 Kobiatorik Es gilt :! = (-)! ud 0! = Weiteres Beispiel: 5 Bücher auf 3 Plätze Für de erste Platz habe wir füf Möglichkeite, für de zweite Platz vier ud für de letzte Platz drei. Dies bedeutet, es gibt 5*4*3 = 60 ögliche Perutatioe 543 5! (5 3)! T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-6

17 Kobiatorik Allgeeie Schreibweise P r! ( r)! Auf de drei Plätze gibt es ehrere Möglichkeite, die drei Bücher (z.b. C, E ud A) azuorde. Wie wir wisse geau: 3! = 6, (CEA, CAE, EAC, ECA, ACE, AEC) We us die Reihefolge egal ist, wir lediglich dara iteressiert sid, wie viele uterschiedliche Kobiatioe verschiedeer Bücher es gibt, üsse wir die Zahl der Perutatioe durch r! dividiere. C r! r! r! r T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-7

18 Bioischer Satz C r! r! r! r Das Klaersybol (gesproche über r) heißt auch Bioialkoeffiziet. Es sei der Ausdruck (a + b) auszureche. al Es gibt Faktore (a + b) [(a+b) (a+b) (a+b)...(a+b) (a+b)] Wir habe die Aufgabe, aus jede dieser Faktore etweder a oder b auszuwähle ud diese Glieder iteiader zu ultipliziere ud die Ergebisse aufzuaddiere. Wir köe aus jede Faktor das a herausziehe, was a ergibt. Da ka a aus (-) Faktore das a herausziehe ud aus de verbleibede das b auswähle. Dies ergibt a - b. Wir erhalte Glieder der For a -r b r. T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-8

19 T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-9 Das Glied a -r b r kot so oft vor, wie es öglich ist, aus de vorhadee Faktore diejeige r Faktore auszuwähle, aus dee a das b zur Multiplikatio herazieht. Da die Reihefolge egal ist, ist dies auf verschiedee Arte öglich r r -r r b a r b a 0 Bis auf a 0 b ud a b 0 koe alle Glieder ehrfach vor. b a b a b a b a b a Bioischer Satz

20 Aweduge Beispiel: Ure it zeh Kugel vier sid weiß, sechs sid schwarz weiß hat die Ziffer bis 4 schwarz die Ziffer 5 bis 0 a) ohe Zurücklege b) it Zurücklege Wir ziehe drei Kugel. Us iteressiere folgede Wahrscheilichkeite: E o : a erhält drei weiße Kugel E : a erhält zwei weiße Kugel ud eie schwarze Kugel E : a erhält eie weiße Kugel ud zwei schwarze Kugel E 3 : a erhält drei schwarze Kugel T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-0

21 Aweduge a ) Ziehe ohe Zurücklege Reihefolge ist egal (Kobiatioe, icht Perutatioe) Diskussio für W(E o ) (Drei weiße Kugel) Z Z E o soit ist W (E o ) = 4/0 = T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-

22 Aweduge a ) Ziehe ohe Zurücklege Reihefolge ist egal (Kobiatioe icht Perutatioe) Diskussio für W(E ) (zwei weiße, eie schwarze Kugel) 4 Es gibt Möglichkeite, die erste beide Stelle zu besetze. 6 Für jede dieser Möglichkeite gibt es Möglichkeite de dritte Platz zu besetze 4 6 Die Azahl der eleetare Ereigisse ist soit Z(E) = = 36 soit ist W (E ) = 36/0 = 0.30 T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-

23 T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-3 a ) Ziehe ohe Zurücklege Zusaefassug E W E W E W E W o W(E 0 ) + W(E ) + W(E ) + W(E 3 ) = Aweduge

24 Aweduge Beispiel: Ure it zeh Kugel vier sid weiß, sechs sid schwarz weiß hat die Ziffer bis 4 schwarz die Ziffer 5 bis 0 a) ohe Zurücklege b) it Zurücklege Wir ziehe drei Kugel. Us iteressiere folgede Wahrscheilichkeite: E o : a erhält drei weiße Kugel E : a erhält zwei weiße Kugel ud eie schwarze Kugel E : a erhält eie weiße Kugel ud zwei schwarze Kugel E 3 : a erhält drei schwarze Kugel T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-4

25 Aweduge b ) Ziehe it Zurücklege Reihefolge ist wichtig [Hier werde geordete Tripel gesucht (i,i,i 3 )]! Diskussio für W(E o ) (Drei weiße Kugel) Die Gesatzahl der Ereigisse ist : Z() = 0 3 Wie viele Möglichkeite für weiße Kugel gibt es? Z(E o ) = = 64 soit ist W (E o ) = 64/000 = T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-5

26 Aweduge b ) Ziehe it Zurücklege Reihefolge ist wichtig [Hier werde geordete Tripel gesucht (i,i,i 3 )] Diskussio für W(E ) (Zwei weiße Kugel, eie schwarze) Die Gesatzahl der Ereigisse ist : Z() = 0 3 Irgedwelche zwei der drei Plätze werde it Zahle zwische ud 4 besetzt (Weiß). Der restliche dritte Platz wird it eier Nuer zwische 5 ud 0 besetzt (Schwarz) 3 Dies ist auf Arte öglich : w, w, s w, s, w s, w, w T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-6

27 Aweduge b ) Ziehe it Zurücklege Diskussio für W(E ) (Zwei weiße Kugel, eie schwarze) Wir zähle zuächst alle Eleetarereigisse, bei dee die erste beide Plätze it weiße Kugel besetzt werde, der dritte it eier schwarze Kugel (w, w, s) Azahl ist 4 4 6, besser 4 6 Wir köe die zwei Plätze für weiße Kugel aus isgesat drei ögliche Plätze auf verschiedee Arte auswähle 3 Also habe wir für E geau 4 6 Möglichkeite (88) W(E ) = 88/000 = 0.9 T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-7

28 Aweduge b ) Ziehe it Zurücklege Zusaefassug W E o W E W E W(E 0 ) + W(E ) + W(E ) + W(E 3 ) = W E T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-8

29 Zusaefassug Eie Ure ethalte N Kugel, uter dee sich geau M schwarze Kugel befide (0 M N). Aus dieser Ure werde Kugel (0 N) zufällig herausgezoge, ud zwar a) ohe Zurücklege ( ist die Azahl der herausgegriffee schwarze Kugel) b) it Zurücklege ( ist die Azahl der herausgegriffee schwarze Kugel) Die Wahrscheilichkeit: a) ohe Zurücklege b) it Zurücklege W M N M N W M N NM Hypergeoetrische Verteilug Bioialverteilug T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-9

30 T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug N M p wobei p p N M N M N N N M N M N M N M W, Ziehe aus eier Ure it Zurücklege Ma sieht, dass die Wahrscheilichkeit, uter gezogee Kugel geau schwarze zu fide, ur vo Ateil der schwarze Kugel i der Ure abhägt ud icht vo N oder M selbst abhägt. Die Bioialverteilug

31 Die Bioialverteilug W p p, wobei p M N Ma sieht, dass die Wahrscheilichkeit, uter gezogee Kugel geau schwarze zu fide, ur vo Ateil der schwarze Kugel i der Ure abhägt ud icht vo N oder M selbst abhägt. Dieser Ateil p ka atürlich selbst wieder als die Wahrscheilichkeit aufgefasst werde, bei eialige Ziehe eie schwarze Kugel zu erhalte. T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-3

32 Die Bioialverteilug W p p Beispiel: Müzwurf Wir werfe zwazig Mal ( = 0) eie Müze ud frage: Wie oft erhalte ich das Ergebis Zahl? Die Wahrscheilichkeit für das Eizelereigis Zahl ist p = / Die Bioialverteilug gibt Auskuft über Frage ach der Wahrscheilichkeit, bei zwazig Würfe vier Mal ( = 4) das Ergebis Zahl zu erhalte. T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-3

33 Die Bioialverteilug - Eigeschafte W p p Die Bioialverteilug hat zwei Paraeter ( ud p). Sie ist für p=/ syetrisch. Für kleie ud große p ist sie stark asyetrisch. Die Bioialverteilug ist oriert, d.h. die Sue der W() ist. Wie groß ist der Mittelwert (Erwartugswert)? T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-33

34 T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug p p!!! W M 0 0 Der Suad it = 0 ist Null, daher ka a die Suatiosgreze = 0 durch = ersetze.!! Es gilt : Dait erhält a: p p!!! M Mittelwert der Bioialverteilug

35 Mittelwert der Bioialverteilug M p!!! p Ausklaer vo p! M p p p!! Substitutio vo a = - ud b = - ergibt: b b! a M p p p a! b a! a0 b a Dait ist der Mittelwert eier Bioialverteilug M = p T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-35

36 T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug Die Variaz ist der Erwartugswert vo (-M) 0 M p p!!! Nu wird geutzt, dass folgedes gilt: M x p x x p M x x x p p!!! M 0 lässt sich schreibe als ( ( - ) + ) Variaz der Bioialverteilug

37 Variaz der Bioialverteilug 0!!! p p M lässt sich schreibe als ( ( - ) + ) p p p p M 0!! 0!! M!! Für =0 ud = sid die Suade Null; Die Suatio begit also it = T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-37

38 Variaz der Bioialverteilug! p p M M!!! p p p M M!! b! p p p M M a! b a! b a ba a0 T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-38

39 Variaz der Bioialverteilug p M M Da M = p, p p p p Die Variaz der Bioialverteilug ist soit p p M p T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-39

40 Die Bioialverteilug W p p = 0 p = / Verteilug ist diskret Verteilug ist syetrisch T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-40

41 Die Bioialverteilug = 0 p = 0.85 = 0 p = 0.5 = 0 p = 0.0 Je größer die Abweichug vo p = 0.5, desto usyetrischer wird die Verteilug T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-4

42 Übergag zur Grezverteilug T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-4

43 Zetraler Grezwertsatz vo Moivre-Laplace Die Zufallsvariable S besitze eie Bioialverteilug it Paraeter ud p, wobei 0<p< vorausgesetzt ist. Da gilt für jede Wahl reeller Zahle a,b it a<b: b S p li P a b G( x) dx p( p) a Dabei ist die Fuktio G(x) defiiert als: x M G x e x,. Beweis siehe z.b: N. Heze, Stochastik für Eisteiger, Vieweg Verlag. T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-43

44 Dabei ist die Fuktio G(x) defiiert als: Die Noralverteilug x M G x e x,. Diese Fuktio beschreibt die Noral- oder Gauß - Verteilug ud ist die a häufigste vorkoede Verteilug. Sie wird durch zwei Paraeter beschriebe: ud M (oder T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-44

45 Eigeschafte der Noralverteilug Eigeschafte der Fuktio: syetrisch u M Der größte Wert wird a der Stelle x = M eigeoe Die Fuktio geht schell gege Null, sobald (x M) groß wird Eigeschafte, die eie Verteilug vo Messwerte darstellt. Der Vorfaktor diet der Norierug. G x x M e T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-45

46 Noralverteilug wesetliche Itegrale Der Eifachheit halber folge alle weitere Überleguge für M = 0 Wichtige Itegrale (ohe Beweis) 0 x e x e e e x x x x dx dx dx dx 3 T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-46

47 Bedeutug der Stadardabweichug Wir frage, welcher Ateil der Messuge liegt zwische M a ud M + b? P ierhalb M a ud M b M b M a e xm σ dx Zuächst a = b = T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-47

48 Bedeutug der Stadardabweichug Wir frage, welcher Ateil der Messuge liegt zwische M ud M +? P ierhalb M M e xm dx Vereifachug durch Substitutio ( x M) / = z dait wird dx = dz ud die Itegratiosgreze P ierhalb e dz z T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-48

49 Bedeutug der Stadardabweichug P ierhalb e dz Dieses Itegral ist ei Stadarditegral der atheatische Physik ud wird oft als Fehlerfuktio bezeichet, Bezeichug erf(t) [errorfuctio]. z P t ierhalb tσ e dz t z T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-49

50 Die Fehlerfuktio P t ierhalb t e dz t Dieses Itegral ka icht aalytisch ausgewertet werde. Es liegt i tabellarischer Fuktio vor. z t P (%) T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-50

51 Die Fehlerfuktio allgeeie For Häufig auftretede Fragestelluge: Wie viel % der Messwerte liege oberhalb (uterhalb) eies bestite Messwertes? Wie groß ist das Itegral bis zu eie bestite Wert? t z t e zwische ud σ dz T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe Vorlesug 04-5

Übungsaufgaben. Häufige Fehler: Banale Rechenfehler. Unsaubere Arbeitsweise. Signifikante Stellen falsch. Einheiten vergessen.

Übungsaufgaben. Häufige Fehler: Banale Rechenfehler. Unsaubere Arbeitsweise. Signifikante Stellen falsch. Einheiten vergessen. Übugsaufgabe Häufige Fehler: Baale Rechefehler Sigifikate Stelle falsch Eiheite vergesse Usaubere Arbeitsweise Rudugsfehler Eiheite falsch ugerechet T. Kießlig: Auswertug vo Messuge ud Fehlerrechug - Verteilugsfuktioe

Mehr

Verteilungsfunktionen

Verteilungsfunktionen Verteilugsfuktioe Wie sid zufällige Fehler verteilt? Wie sid Messwerte verteilt? Fehler Messwerte Verteilugsfuktioe: Maxwell-Boltza Feri-Dirac Bose-Eistei Placksche Verteilug Frage ist stets, wie groß

Mehr

Prof. S. Krauter Kombinatorik. WS Blatt07.doc. (Quelle: M. Aigner; Diskrete Mathematik. Vieweg 1993.)

Prof. S. Krauter Kombinatorik. WS Blatt07.doc. (Quelle: M. Aigner; Diskrete Mathematik. Vieweg 1993.) Prof. S. Krauter Kobiatorik. WS-05-06. Blatt07.doc (Quelle: M. Aiger; Diskrete Matheatik. Vieweg 1993.) 1. a) Bereche Sie i Pascal sche Zahledreieck die Sue der Bioialkoeffiziete lägs eier Diagoale, also

Mehr

Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME

Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Fassug vom 13. Februar 2006 Mathematik für Humabiologe ud Biologe 129 9.1 Stichprobe-Raum 9.1 Stichprobe-Raum Die bisher behadelte Beispiele vo Naturvorgäge oder Experimete

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

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

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

Zählterme (Seite 1) Aufgabe: Wie viele Nummernschilder kann es theoretisch im Raum Dresden geben? Wann müsste die 4.Ziffer eingeführt werden?

Zählterme (Seite 1) Aufgabe: Wie viele Nummernschilder kann es theoretisch im Raum Dresden geben? Wann müsste die 4.Ziffer eingeführt werden? Bemerkug: I Mathematik sollte ma keie Fahrpläe verwede, i der Stochastik erst recht icht. Zitat vo S.L. Das Baumdiagramm ist aber fast immer ei geeigetes Hilfsmittel. Produktregel Aufgabe: Wie viele Nummerschilder

Mehr

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy. Vo der relative Häufigkeit zur Wahrscheilichkeit Es werde 20 Schüler befragt, ob sie ei Hady besitze. Das Ergebis der Umfrage lautet: Vo 20 Schüler besitze 99 ei Hady. Ereigis E: Schüler besitzt ei Hady

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

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:

n 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

Mehr

A D A E B D D E D E D C C D E

A D A E B D D E D E D C C D E ie Kombiatori beschäftigt sich mit der Zusammestellug vo lemete eier Mege. s werde 2 Kugel ohe Zurüclege aus zwei Ure gezoge. ie erste Ure ethält 3 Kugel ; ; ud die zweite Ure 2 Kugel ;. ie erste Kugel

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

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

Übungsaufgaben - Organisatorisches

Übungsaufgaben - Organisatorisches Übugsaufgabe - Orgaisatorisches Der Abgabetermi der eue Übugsblätter ist: Motag, 4:00 Uhr Fehlerrechugsbriefkaste Der Abgabetermi der verbesserte Übugsblätter ist: Freitag, 6:00 Uhr T. Kießlig: Auswertug

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

Beispiel 4 (Die Urne zu Fall 4 mit Zurücklegen und ohne Beachten der Reihenfolge ) das Sitzplatzproblem (Kombinationen mit Wiederholung) Reihenfolge

Beispiel 4 (Die Urne zu Fall 4 mit Zurücklegen und ohne Beachten der Reihenfolge ) das Sitzplatzproblem (Kombinationen mit Wiederholung) Reihenfolge 1 Beispiel 4 (Die Ure zu Fall 4 mit Zurücklege ud ohe Beachte der Reihefolge ) das Sitzplatzproblem (Kombiatioe mit Wiederholug) 1. Übersicht Ziehugsmodus ohe Zurücklege des gezogee Loses mit Zurücklege

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

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

Gliederung. Value-at-Risk

Gliederung. 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

Mehr

5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung

5 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

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

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

6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $

6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $ Mathematik für Iformatiker B, SS 0 Diestag 5.6 $Id: folge.tex,v. 0/06/05 ::8 hk Exp $ 6 Folge 6.4 Folge reeller Zahle I der letzte Sitzug habe wir de Begriff des Grezwerts eier Folge i eiem metrische Raum

Mehr

SUCHPROBLEME UND ALPHABETISCHE CODES

SUCHPROBLEME 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

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

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

Zur Definition. der wirksamen. Wärmespeicherkapazität

Zur Definition. der wirksamen. Wärmespeicherkapazität Ao. Uiv. Prof. Dipl.-Ig. Dr. tech. Klaus Kreč, Büro für Bauphysik, Schöberg a Kap, Österreich Zur Defiitio der wirksae Wärespeicherkapazität vo Ao. Uiv. Prof. Dipl.-Ig. Dr. tech. Klaus Kreč Büro für Bauphysik

Mehr

Statistik I Februar 2005

Statistik 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

Mehr

7.1 Einführung Unter der n-ten Wurzel aus a versteht man eine Zahl x, die mit n potenziert a ergibt.

7.1 Einführung Unter der n-ten Wurzel aus a versteht man eine Zahl x, die mit n potenziert a ergibt. Rdiziere 7 Rdiziere 7.1 Eiführug Uter der -te Wurzel us versteht eie Zhl x, die it poteziert ergibt. x x für 0 9 3 3 9 * : Wurzelexpoet, N ud 1 : Rdikd, 0 x: Wurzel(wer) t Poteziere: Bsis ud Expoet sid

Mehr

4. Die Menge der Primzahlen. Bertrands Postulat

4. Die Menge der Primzahlen. Bertrands Postulat O. Forster: Eiführug i die Zahletheorie 4. Die Mege der Primzahle. Bertrads Postulat 4.1. Satz (Euklid. Es gibt uedlich viele Primzahle. Beweis. Wir zeige, dass es zu jeder edliche Mege p 1, p 2,..., p

Mehr

Beweistechniken Vollständige Induktion - Beispiele, Erweiterungen und Übungen

Beweistechniken Vollständige Induktion - Beispiele, Erweiterungen und Übungen Beweistechike Vollstädige Iduktio - Beispiele, Erweiteruge ud Übuge Alex Chmelitzki 15. März 005 1 Starke Iduktio Eie etwas abgewadelte Form der Iduktio ist die sogeate starke Iduktio. Bei dieser Spielart

Mehr

Innerbetriebliche Leistungsverrechnung

Innerbetriebliche 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

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

... a ik) i=1...m, k=1...n A = = ( a mn

... a ik) i=1...m, k=1...n A = = ( a mn Zurück Stad: 4..6 Reche mit Matrize I der Mathematik bezeichet ma mit Matrix im Allgemeie ei rechteckiges Zahleschema. I der allgemeie Darstellug habe die Zahle zwei Idizes, de erste für die Zeileummer,

Mehr

Die zu den Zufallswerten x gehörigen Wahrscheinlichkeiten fasst man in einer Tabelle zusammen:

Die 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

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

Qualitätskennzahlen für IT-Verfahren in der öffentlichen Verwaltung Lösungsansätze zur Beschreibung von Metriken nach V-Modell XT

Qualitätskennzahlen 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

Mehr

1 Analysis T1 Übungsblatt 1

1 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.

Mehr

Der Additionssatz und der Multiplikationssatz für Wahrscheinlichkeiten

Der Additionssatz und der Multiplikationssatz für Wahrscheinlichkeiten Der Additiossatz ud der Multiplikatiossatz für Wahrscheilichkeite Die Wahrscheilichkeitsrechug befasst sich mit Ereigisse, die eitrete köe, aber icht eitrete müsse. Die Wahrscheilichkeit eies Ereigisses

Mehr

von solchen Abbildungen. Eine solche Folge bestimmt für jedes x M die Folge der Werte f n. Schreibt man dies noch einmal formal hin, so erhält man:

von solchen Abbildungen. Eine solche Folge bestimmt für jedes x M die Folge der Werte f n. Schreibt man dies noch einmal formal hin, so erhält man: Gleichmäßige Kovergez Wir betrachte im Folgede Abbilduge f : M N, wobei M eie Mege ud N ei metrischer Raum ist. Isbesodere iteressiere ud Folge f vo solche Abbilduge. Eie solche Folge bestimmt für jedes

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 zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0

Übungen 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,

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

Erfolg im Mathe-Abi 2013

Erfolg im Mathe-Abi 2013 Gruber I Neuma Erfolg im Mathe-Abi 2013 Vorabdruck Wahlteil Stochastik für das Abitur ab 2013 zum Übugsbuch für de Wahlteil Bade-Württemberg mit Tipps ud Lösuge Vorwort Vorwort Erfolg vo Afag a...ist das

Mehr

Kleines Matrix-ABC. Fachgebiet Regelungstechnik Leiter: Prof. Dr.-Ing. Johann Reger. 1 Elementares

Kleines Matrix-ABC. Fachgebiet Regelungstechnik Leiter: Prof. Dr.-Ing. Johann Reger. 1 Elementares 4 6 Fachgebiet Regelugstechik Leiter: Prof. Dr.-Ig. Joha Reger Kleies Matrix-ABC 1 Eleetares Eie ( )-Matrix ist eie rechteckige Aordug vo reelle oder koplexe Zahle a ij (auch Skalare geat) ud besteht aus

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

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

(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

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

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

Satz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.

Satz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist. Erfüllbarkeit, Uerfüllbarkeit, Allgemeigültigkeit Defiitio Eie Belegug β ist passed zu eiem Boolesche Term t, falls β für alle atomare Terme i t defiiert ist. (Wird ab jetzt ageomme.) Ist β(t) = true,

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

Musterlösung zu Blatt 8 der Vorlesung Analysis I WS08/09

Musterlösung zu Blatt 8 der Vorlesung Analysis I WS08/09 Musterlösug zu Blatt 8 der Vorlesug Aalysis I WS08/09 Schriftliche Aufgabe Aufgabe. Voraussetzuge: Für alle N setze a : +2 ud b : ( 2. [Amerkug: I der Aufgabestellug heiÿe die Reihe beide gleich. Es steht

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

Wahrscheinlichkeit und Statistik

Wahrscheinlichkeit und Statistik ETH Zürich HS 2015 Prof. Dr. P. Embrechts Wahrscheilichkeit ud Statistik D-INFK Lösuge Serie 2 Lösug 2-1. (a Wir bereche P [W c B] auf zwei Arte: (a Wir betrachte folgede Tabelle: Azahl W W c B 14 6 B

Mehr

Beurteilende Statistik - Testen von Hypothesen Übungsaufgaben (1)

Beurteilende Statistik - Testen von Hypothesen Übungsaufgaben (1) Moika Kobel, MK 07052005 Hypothesetest_Ueb_1cd Beurteilede Statistik - Teste vo Hypothese Übugsaufgabe (1) (1) (2) (3) (4) (5) (6) (7) (8) (9) Eie Fira öchte bei eie Sigifikaztest das Fehlerrisiko bzw

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

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

Grundgesamtheitsanaylsen und Stichproben. Betrachtungen zur Stichprobenfindung

Grundgesamtheitsanaylsen 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

Mehr

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban

Institut 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,

Mehr

Übungen zur Klausur Nr. 2: Wahrscheinlichkeitsrechnung II

Übungen zur Klausur Nr. 2: Wahrscheinlichkeitsrechnung II Berufskolleg Marieschule Lippstadt Schule der Sekudarstufe II mit gymasialer Oberstufe ud Fachschule - staatlich aerkat - Kurslehrer: Lagebach Berufskolleg Marieschule Lippstadt Schule der Sekudarstufe

Mehr

Einführung in die Grenzwerte

Einführung in die Grenzwerte Eiführug i die Grezwerte Dieser Text folgt hauptsächlich der Notwedigkeit i sehr kurzer Zeit eie Idee ud Teile ihrer Awedug zu präsetiere, so dass relativ schell mit dieser Idee gerechet werde ka. Der

Mehr

AT AB., so bezeichnet man dies als innere Teilung von

AT 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

Mehr

A Ω, Element des Ereignisraumes

A 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

Mehr

Formelsammlung Mathematik

Formelsammlung 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

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

elektr. und magnet. Feld A 7 (1)

elektr. 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

Mehr

Vorkurs Mathematik für Informatiker Folgen

Vorkurs Mathematik für Informatiker Folgen Vorkurs Mathematik ür Iormatiker -- 8 Folge -- 11.10.2015 1 Folge: Deiitio Eie (uedliche) Folge im herkömmliche Sie etsteht durch Hitereiaderschreibe vo Zahle 1,2,3,4,5, Dabei ist die Reiheolge wichtig,

Mehr

6.1 Grundlagen der Wahrscheinlichkeitsrechnung 6.1.1 Definitionen und Beispiele Beispiel 1 Zufallsexperiment 1,2,3,4,5,6 Elementarereignis

6.1 Grundlagen der Wahrscheinlichkeitsrechnung 6.1.1 Definitionen und Beispiele Beispiel 1 Zufallsexperiment 1,2,3,4,5,6 Elementarereignis 6. Grudlage der Wahrscheilichkeitsrechug 6.. Defiitioe ud Beispiele Spiele aus dem Alltagslebe: Würfel, Müze, Karte,... u.s.w. sid gut geeiget die Grudlage der Wahrscheilichkeitsrechug darzustelle. Wir

Mehr

Einführung in die Wahrscheinlichkeitstheorie

Einführung in die Wahrscheinlichkeitstheorie Eiführug i die Wahrscheilichkeitstheorie Nikolai Nowaczyk http://math.iko.de/ Lars Wallebor http://math.wallebor.et/ 06.-08. Mai 2011 Ihaltsverzeichis 1 Mege, Abbilduge,

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

Übungen mit dem Applet Fourier-Reihen

Übungen mit dem Applet Fourier-Reihen Fourier-Reihe 1 Übuge mit dem Applet Fourier-Reihe 1 Mathematischer Hitergrud... Übuge mit dem Applet... 3.1 Eifluss der Azahl ud der Sprugstelle...3. Eifluss vo y-verschiebug ud Amplitude...4.3 Eifluss

Mehr

Daten und Zufall in der Jahrgangsstufe 9 Seite 1

Daten und Zufall in der Jahrgangsstufe 9 Seite 1 Date ud uall i der Jahrgagsstue Seite usammegesetzte uallsexperimete, Padregel Aubaued au de Erahruge aus de vorhergehede Jahrgagsstue beschätige sich die Schüler systematisch mit zusammegesetzte uallsexperimete

Mehr

Lernhilfe in Form eines ebooks

Lernhilfe in Form eines ebooks Ziseszisrechug Lerhilfe i Form eies ebooks apitel Thema Seite 1 Vorwort ud Eiführug 2 2 Theorie der Ziseszisrechug 5 3 Beispiele ud Beispielrechuge 12 4 Testaufgabe mit Lösuge 18 Zis-Ziseszis.de 212 Seite

Mehr

Mengenbegriff und Mengendarstellung

Mengenbegriff und Mengendarstellung R. Brikma http://brikma-du.de Seite 1 05.10.008 Megebegriff ud Megedarstellug Eie Mege, ist die Zusammefassug bestimmter, wohluterschiedeer Objekte userer Aschauug ud useres Dekes welche Elemete der Mege

Mehr

Methoden: Heron-Verfahren, Erweiterung von Differenzen von Quadratwurzeln

Methoden: Heron-Verfahren, Erweiterung von Differenzen von Quadratwurzeln 6 Kovergete Folge Lerziele: Kozepte: Grezwertbegriff bei Folge, Wachstumsgeschwidigkeit vo Folge Resultat: Mootoe beschräkte Folge sid koverget. Methode: Hero-Verfahre, Erweiterug vo Differeze vo Quadratwurzel

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

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

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

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

Monte Carlo-Simulation

Monte 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

Mehr

Beschreibende Statistik Kenngrößen in der Übersicht (Ac)

Beschreibende 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

Mehr

Reihen Arithmetische Reihen Geometrische Reihen. Datei Nr (Neu bearbeitet und erweitert) Juni Friedrich W. Buckel

Reihen Arithmetische Reihen Geometrische Reihen. Datei Nr (Neu bearbeitet und erweitert) Juni Friedrich W. Buckel Zahlefolge Teil 3 Reihe Reihe Arithmetische Reihe Geometrische Reihe Datei Nr. 4003 (Neu bearbeitet ud erweitert) Jui 005 Friedrich W. Buckel Iteretbibliothek für Schulmathematik Ihalt Defiitio eier Reihe

Mehr

Zahlenfolgen und Konvergenzkriterien

Zahlenfolgen und Konvergenzkriterien www.mathematik-etz.de Copyright, Page of 7 Zahlefolge ud Kovergezkriterie Defiitio: (Zahle-Folge, Grezwert) Eie Folge ist eie Abbildug der atürliche Zahle i die Mege A. Es ist also im Fall A: ; f: mit

Mehr

WISTA WIRTSCHAFTSSTATISTIK

WISTA WIRTSCHAFTSSTATISTIK WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seiar für Theoretische Wirtschaftslehre Vorlesugsprogra 14.05.2013 Streuugsaße 1. Norierte Etropie 2. Spaweite, Quartilsabstad,

Mehr

Lösungsskizzen Mathematik für Informatiker 5. Aufl. Kapitel 3 Peter Hartmann

Lösungsskizzen Mathematik für Informatiker 5. Aufl. Kapitel 3 Peter Hartmann Lösugsskizze Mathematik für Iformatiker 5. Aufl. Kapitel 3 Peter Hartma Verstädisfrage. Ka ma ei Axiom beweise? Nei!. Ka ei Beweis eier Aussage richtig sei, we im Iduktiosschluss die Iduktiosaahme icht

Mehr

6.4. Intervalle und Inhalte

6.4. Intervalle und Inhalte 6.4. Itervalle ud Ihalte Vo zetraler Bedeutug für die Igeieurmathematik (ud icht ur dort) ist die Berechug vo Läge, Flächeihalte ud Volumia. Die Grudidee ist dabei, die gesuchte Größe durch Summe vo leicht

Mehr

Lösungen der Aufgaben zur Vorbereitung auf die Klausur Mathematik für Informatiker I

Lösungen 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

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

Linsengesetze und optische Instrumente

Linsengesetze 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

Mehr

1 Vollständige Induktion

1 Vollständige Induktion 1 Vollstädige Idutio 1.1 Idutiosbeweise Das Beweisprizip der vollstädige Idutio ist eies der wichtigste Hilfsmittel der Mathemati icht ur der Aalysis. Es fidet Verwedug bei pratische alle Aussage, die

Mehr

Statistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte.

Statistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte. Statistik Vorlesug,. ärz, Statistische aßzahle Iformatio zu verdichte, Besoderheite hervorzuhebe ittelwerte Aufgabe: die Lage der Verteilug auf der Abszisse zu zeige. Der odus: derjeige Wert, der im Häufigste

Mehr

Einführende Beispiele Arithmetische Folgen. Datei Nr SW. Das komplette Manuskript befindet sich auf der Mathematik - CD.

Einführende Beispiele Arithmetische Folgen. Datei Nr SW. Das komplette Manuskript befindet sich auf der Mathematik - CD. ZAHLENFOLGEN Eiführede Beispiele Arithmetische Folge Datei Nr. 400 SW Das komplette Mauskript befidet sich auf der Mathematik - CD Friedrich Buckel Februar 00 Iteratsgymasium Schloß Torgelow Ihalt Eiführede

Mehr

Stochastik. Eine Vorlesung für das Lehramtsstudium. Franz Hofbauer

Stochastik. Eine Vorlesung für das Lehramtsstudium. Franz Hofbauer Stochastik Eie Vorlesug für das Lehramtsstudium Fraz Hofbauer SS 01 Vorwort Der Begriff Wahrscheilichkeit wird üblicherweise mit Häufigkeit assoziiert. Was oft eitritt, hat hohe Wahrscheilichkeit, was

Mehr

Statistik und Wahrscheinlichkeitslehre

Statistik 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

Mehr

Statistik. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.html

Statistik. 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

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

x mit Hilfe eines linearen, zeitinvarianten

x mit Hilfe eines linearen, zeitinvarianten Übug &Prktiku zu Digitle Sigle ud Systee The: Fltug Diskrete Fltug Wird ei zeitdiskretes Sigl ( T ) x it Hile eies liere, zeitivrite Siglverrbeitugssystes verrbeitet, so lässt sich ds Verhlte des verrbeitede

Mehr

Pflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik

Pflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik Pflichtlektüre: Kapitel 10 Grudlage der Iferezstatistik Überblick der Begriffe Populatio Iferezstatistik Populatiosparameter Stichprobeverteiluge Auch Stichprobekewerteverteiluge Wahrscheilichkeitstheorie

Mehr