Auswertung univariater Datenmengen - deskriptiv

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Auswertung univariater Datenmengen - deskriptiv"

Transkript

1 Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert; Formeln, Tabellen und Programme Verlag Vahlen

2 Emprsche Streuungsmaße Lageparameter önnen de Vertelung ncht vollständg beschreben. De dre extrem unterschedlchen Vertelungen haben den glechen (arthmetschen) Mttelwert von 000: De zwete Aufgabe der statstschen Beschrebung st de Messung der Streuung. Streuungsparameter denen der näheren Charaterserung von Vertelungen. Se snd en Maß dafür, we wet de Daten auf der Mermalsachse vonenander oder vom Zentrum der Vertelung entfernt legen. 3 Emprsche Streuungsmaße Bespel: Temperaturschwanungen Für Mosau und Dubln wrd de gleche Jahresdurchschnttstemperatur von 0 C ausgewesen. Der Verglech der gemessenen Enzelwerte zegt folgendes Bld, wo man erennen ann, dass de Temperaturschwanungen n Mosau größer als n Dubln snd: J F M A M J J A S O D J F M A M J J A S O D Das Temperaturmttel recht ncht, um de Temperaturstuaton zu verglechen. Her wrd en Streuungsmaß gebraucht, um de Schwanungen zu charaterseren. 4

3 Emprsche Streuungsmaße In der beschrebenden Statst werden folgende Maßzahlen der Streuung verwendet: Spannwete Quartlsabstand Mttlere absolute Abwechung Varanz Standardabwechung Varatonsoeffzent Streuungsmaße lassen sch nur für ardnalsalerte Mermale ermtteln, da sch be nomnal- und ordnalsalerten Mermalen ene (snnvollen) Dfferenzen der Mermalsausprägungen ermtteln lassen. 5 Spannwete De Spannwete st de enfachste Maßzahl für de Dfferenz der Daten, de den Abstand zwschen dem lensten und dem größten Beobachtungswert angbt. Se drüct damt ncht de mttleren sondern puntuelle Abwechungen aus: Spannwete (Englsch: range) R = a [] a [] a [] a [] Dabe snd a [] und a [] de der Größe nach aufstegend geordneten Enzelwerte. 6 3

4 Spannwete Bespel: In der Rehe der geordneten Mermalswerte der Gewchte für de zehn untersuchten Personen st de Spannwete de Dfferenz aus dem Gewcht von ls und Lsa: ame Lsa Anna Antje MareDörte Sven Uwe Ka Jan ls r a Es ergbt sch: R = max a mn a = 0 44 = 57 De Spannwete beträgt 57 g. 7 Quartlsabstand Der Quartlsabstand (Englsch: nterquartl range) st de Dfferenz zwschen dem 75%gen und 5%gen Quartl der Häufgetsvertelung. Das st de Spanne, welche de mttleren 50 % der Daten umfasst: QA = Q 3 Q a [] Q Q 3 a [] Dabe snd Q und Q 3 das erste und das drtte Quartl der Vertelung 8 4

5 Quartlsabstand -Bespel Bespel: Für de n Gewchtslassen erfassten 00 Personen snd zunächst de 75%gen und 5%gen Quartlswerte zu bestmmen: Gewcht von bs unter 4,5 47,5 47,5 5,5 f(x ) 0,04 0,8 F(x ) 0,04 0,, F(x ) 0,8 5,5 57,5 57,5 6,5 6,5 67,5 Enfallslassen 0,6 0,0 0, 0,48 0,68 0,80 0,6 0,4 4,5 bs 47,5 47,5 bs 5,5 5,5 bs 57,5 57,5 bs 6,5 6,5 bs 67,5 67,5 bs 7,5 7,5 bs 77,5 77,5 bs 8,5 8,5 bs 87,5 0, 0 87,5 bs 9,5 Man bestmmt für Q : 53, und für Q 3 : 65,4. Der Quartlsabstand beträgt,3 g. 9 Mttlerer Quartlsabstand Mttelt man den Abstand der beden Quartle, so erhält man den durchschnttlchen Abstand der Quartle gegenüber dem Zentrum der Vertelung. Deser Wert sagt aus, we wet de Quartle m Mttel von Q (Medan) abwechen. Q Q MQA = 3 Später lernen wr wetere Streuungsmaße ennen, be denen de Enzelabwechungen gegenüber dem Medan gemttelt werden. 0 5

6 Quartlsabstand unterschedlcher Vertelungen f(x) Glechvertelung: F(x) 0,75 0,5 f(x) X ormalvertelung: 0 F(x) 0,75 Quartlsabstand X X 0,5 0 Quartlsabstand Der Quartlsabstand st be ormalvertelung lener als be Glechvertelung. Man ann aus dem Abstand auch verglechende Aussagen über de Form von Vertelungen ableten. X Quartle ener emprschen Vertelung -Bespel Bespel: Haushaltnettoenommen (HHE) m früheren Bundesgebet Erwerbsstatst 003 ( DESTATIS) HHE von bs unter Euro Unter Früheres Bundesgebet 7,,7 6,6 4,7 4,7 8, 4,6, Q legt n der Klasse von 300 bs unter 500 Euro Q 3 legt n der Klasse von 3600 bs unter 5000 Euro. F(x) 0,07 0,89 0,55 0,40 0,549 0,730 0,876 0,998 Q Q 3 u u p F(x ) o u Me = x + (x x ) 0 u F(x ) F(x ) Der Medan legt n der Klasse von 000 bs unter 600 Euro. Daraus folgt: 0,5 0,40 Me = ( ) = 400 0,549 0,40 0,5 0,89 = ( ) = 484,85 0,55 0,89 0,75 0,730 = ( ) = 379,78 0,876 0,730 6

7 Interquartlsabstand als Streuungsmaß - Bespel Bespel: Haushaltnettoenommen (HHE) m früheren Bundesgebet Erwerbsstatst 003 ( DESTATIS) HHE von bs unter Euro Unter Früheres Bundesgebet 7,,7 6,6 4,7 4,7 8, 4,6, F(x) 0,07 0,89 0,55 0,40 0,549 0,730 0,876 0,998 Q =484,85; Q =Me=400; Q 3 =379,78 QA=Q 3 -Q =379,78-484,85=306,93 Q Q 306,93 MQA = = 3 = 53,47 De mttlere Hälfte der Haushaltsnettoenommen hat enen Abstand von 306,93, gegenüber dem Zentralwert beträgt de mttlere Abwechung des ersten und drtten Quartls 53,47. 3 Beurtelung der Spannwete De Spannwete st ene enfache Maßzahl für de Streuung. De Spannwete drüct de Varatonsbrete der Beobachtungswerte aus. Da se nur aus den beden Extremwerten berechnet wrd, st se sensbel für Ausreßer. Se st ncht geegnet, wenn de Anzahl der Beobachtungen sehr groß st. Bespel: Würde ls ncht 0 g sondern ledglch 8 g wegen, so ergäbe sch für de Spannwete 37 g (statt 57 g) 4 7

8 Beurtelung des Quartlsabstandes Der Quartlsabstand wrd ncht durch enzelne Extremwerte beenflusst. Er st gegenüber Ausreßern robuster. Der Quartlsabstand gbt de Dfferenz der Mermalswerte an, welche de mttlere Hälfte der Enzelwerte repräsentert. Der mttlere Quartlsabstand msst de Abwechung des ersten und drtten Quartls, ndem de mttlere Hälfte n zwe Bereche getelt wrd. 5 Mttlere absolute Abwechung für Enzelwerte De mttlere absolute Abwechung wrd mest gegenüber dem arthmetschen Mttel gebldet. Grundlage der Streuungsberechnung snd de Abwechungen aller Enzelwerte vom Mttelwert. De mttlere absolute Abwechung st das arthmetsche Mttel aller Enzelabwechungen. MAD = = a µ 6 8

9 Mttlere absolute Abwechung - Bespel Bespel: Für de Vertelung der Gewchte der 0 betrachteten Personen ergeben sch be enem arthmetschen Mttel von 65 g folgende Abwechungen: Lsa Anna Antje Mare Dörte MAD = ( ) = 5 0 Sven Uwe Ka Jan ls Man erhält als mttlere absolute Abwechung 5 g. 7 Mttlere absolute Abwechung für gehäufte oder lasserte Daten Für gehäufte bzw. lasserte Daten glt: Anzahl der verschedenen Mermalsausprägungen bzw. Klassen MAD = = absolute Häufget der jewelgen Klasse x µ h gehäufte Mermalsausprägung bzw. Klassenmtte = = x µ f relatve Häufget der jewelgen Klasse 8 9

10 MAD für lasserte Daten -Bespel Bespel: Für de n Gewchtslassen erfassten 00 Personen ergbt sch be enem arthmetschen Mttel von (gerundet) 60 g: Klasse von Relatve Absolute Spalte * Spalte 3 bs unter Häufget Dfferenz 4,5 bs 47,5 0,04 5 0,60 47,5 bs 5,5 0,8 0,80 5,5 bs 57,5 0,6 5,30 57,5 bs 6,5 0,0 0 0,00 6,5 bs 67,5 0, 5 0,60 67,5 bs 7,5 0,09 0 0,90 7,5 bs 77,5 0,05 5 0,75 77,5 bs 8,5 0,03 0 0,60 8,5 bs 87,5 0,0 5 0,50 87,5 bs 9,5 0,0 30 0,30 Mttlere absolute Abwechung: 7,35 Interpretaton: Be enem arthmetschen Mttel von (gerundet) 60 g wechen de Enzelgewchte der 00 Personen durchschnttlch um 7,35 g ab. Damt wrd en Streuberech von 5,65 g bs unter 67,35 g ausgewesen. 9 MAD für gehäufte Daten - Bespel Bespel: Klausuraufgabe 3 vom Februar 003 In orddeutschland lebten m Jahr 00 5 Mll. Enwohner. Für de 5 Bundesländer legen für 00 folgende Ecdaten über Bevölerung, Erwerb, Arbetslosget und Bruttonlandsprodut vor: Bundesland Bevölerungsantel (%) Erwerbstätge (Tsd.) Erwerbsquote (%) Arbetslosenzahl (Tsd.) Arbetslosenquote (%) Bruttonlands -produt (Mrd. ) HB 4, ,5 40 3,6 3,4 HH, , 7 9,3 75,5 MV, , 68 9,6 9,7 I SH 53,0 8, ,8 43, ,0 9,4 80,4 66,0 0 0

11 MAD für gehäufte Daten Klausur 0/003 Klausuraufgabe 3 vom Februar 003, Aufgabenstellung: 3. Berechnen Se de Erwerbsquote (Erwerbstätge je Bevölerung) für orddeutschland und wesen Se den Prozentwert aus. 3. Berechnen Se de Arbetslosenquote (Arbetslosenzahl je Arbetsräftepotenzal) als Prozentwert für orddeutschland. 3.3 Geben Se für de 5 Bundesländer und orddeutschland gesamt de Quote des Bruttonlandsprodutes n Tsd. Euro je Enwohner an. Wesen Se mt der mttleren absoluten Abwechung gegenüber dem Wert für orddeutschland, gewchtet mt dem Bevölerungsantel, de Dfferenzerthet der Bundesländer nach. Lösung 3.3 Unter Verwendung der Gesamtgrößen ergbt sch en (mttleres) Verhältns von 5000 BIP je Enwohner für orddeutschland. Für de Berechnung der Landeswerte muss zuerst de Bevölerungszahl nach Bundesländern berechnet werden. De gewchtete mttlere absolute Abwechung der fünf Bundesländer vom Wert für orddeutschland beträgt Damt wrd en Berech n den Grenzen von 0000 und Euro für den Wert des BIP je Enwohner gebldet. MAD * gegenüber dem Medan Wenn als Lageparameter der Medan verwendet wrd, dann st de Angabe der mttleren absoluten Abwechung gegenüber dem Medan aussagefähg. Medan MAD * = x Me h = Interpretaton: MAD* st das arthmetsche Mttel aller Abwechung der Enzelwerte gegenüber dem Mermalswert, den de Hälfte der geordneten Daten annmmt.

12 MAD ** gegenüber dem Medan Es st auch snnvoll, anstelle des arthmetschen Mttels den Medan der Abwechungen zu bestmmen: MAD ** = Me ({ a Me,..., a Me} ) Abwechung zwschen Wert und Medan der Vertelung Interpretaton: MAD** gbt den Medan aller Abwechung der Enzelwerte gegenüber dem Medan an, d.h. es gbt glech vele negatve we postve Abwechungen gegenüber dem Medan. 3 MAD gegenüber dem Medan - Bespel Bespel: Für das Körpergewcht der 0 etwa glechaltrgen Personen ergbt sch be enem Medan von 6,5 g der Zentralwert der Abwechungen we folgt: ame Lsa Anna Antje Mare Dörte Sven Uwe Ka Jan ls r x x - Me 8,5 6,5,5 8,5 6,5 6,5 9,5 5,5 7,5 38,5 Summe=50 g Das arthmetsche Mttel der Abwechungen (MAD*) beträgt 5 g. Abwechungen absolut, der Größe nach geordnet: Abw. 6,5 6,5 8,5 9,5,5 5,5 6,5 7,5 8,5 38,5 Der Zentralwert der Abwechungsbeträge (MAD**) st 4 g. 4

13 Beurtelung der mttleren absoluten Abwechung De mttlere absolute Abwechung st ene sehr anschaulche und plausble Maßzahl der Streuung. Allen Abwechungen wrd das postve Vorzechen gegeben, damt betragsmäßg gleche, vom Vorzechen jedoch verschedene Abwechungen sch ncht aufheben. Für asymmetrsche Vertelungen st es snnvoll, de mttlere absolute Abwechung für den oberen und für den unteren Berech getrennt zu ermtteln: 5 Beurtelung der mttleren absoluten Abwechung f(x) Unterer Berech Oberer Berech Für asymmetrsche Vertelungen ergeben sch für den unteren und für den oberen Berech unterschedlche mttlere Abstände. Arthmetsches Mttel bzw. Medan f(x) x x Arthmetsches Mttel bzw. Medan Für symmetrsche Vertelungen snd de Abstände des unteren und des oberen Bereches glech bzw. annähernd glech. 6 3

14 Varanz De Varanz st das am häufgsten verwendete Streuungsmaß. Analog zur mttleren absoluten Abwechung werden de Abwechungen der Enzelwerte vom Mttelwert gebldet, dese jedoch quadrert. Größere Abwechungen fallen dadurch stärer ns Gewcht, es treten nur postve Abwechungen auf. Es glt für ungehäufte Daten: σ = = ( a µ )² Enzelabwechungen zwschen Beobachtungswerten und arthmetschem Mttel der Vertelung Zur Begrffsabgrenzung sollte her von emprscher Varanz gesprochen werden, da de modfzerte Form (Dvson durch n-) n der ndutven Statst bevorzugt wrd. Achten Se be Standardoptonen n Programmpaeten darauf, welche Varanzberechnung vorgenommen wrd! 7 Varanz - Bespel Bespel: Für das Gewcht der 0 betrachteten Personen ergbt sch be enem arthmetschen Mttel von 65 g de Varanz we folgt: ame Lsa Anna Antje Mare Dörte Sven Uwe Ka Jan ls r x (x - µ) Summe=.984 g² σ = [ = 0 ( 44 65) ² + ( 46 65) ² ( 0 65) ²] 98,4 g ² Infolge des Quadrerens hat de Varanz ncht de gleche Maßenhet we das Mermal selbst. De Interpretaton st daher ncht snnvoll. 8 4

15 Varanz - Berechnungsformel Be manueller Berechnung ann ene andere Varanzformel vortelhaft sen, deren Herletung gezegt wrd: σ = = a µ σ σ σ = = = = ( ( = = ( a µ ) = ( a a µ + µ ) a a ² µ = µ = a + µ + µ ) ) = = a µ 9 Varanz für gehäufte bzw. lasserte Daten Für gehäufte bzw. lasserte Mermalsausprägungen ergbt sch de Varanz we folgt: Anzahl der verschedenen Mermalsausprägungen bzw. der Klassen σ Absolute Häufget des gehäuften Mermals bzw. der jewelgen Klasse = = = ( x µ ) ² h = ( x µ ) ² f Enzelabwechungen zwschen gehäuften Beobachtungswerten bzw. zwschen Klassenmtten und arthmetschem Mttel der Vertelung Relatve Häufget des gehäuften Mermals bzw. der jewelgen Klasse 30 5

16 Varanz für gehäufte bzw. lasserte Daten -Berechnungsformel- Ohne Herletung se auch her de andere Varanzformel für gehäufte Daten angeführt: -mt absoluten Häufgeten: σ = x ² h = -mt relatven Häufgeten: σ = = x ² f = = x x h f µ² 3 Varanzberechnung - Bespel Bespel: Für das Gewcht der 00 betrachteten Personen ergbt sch be enem arthmetschen Mttel von (gerundet) 60 g de Varanz we folgt: Klasse h x (Mtte) (x - µ) h σ = = ( x µ ) h Summe=77.5 g² 00 ( 45 60) 4 + ( 50 60) ( 90 60) ] 77,5 g σ = [ = 3 6

17 Varanzberechnung - Bespel Bespel: Klausuraufgabe 3 vom Februar 003 (geürzt) In orddeutschland lebten m Jahr 00 5 Mll. Enwohner. Für de 5 Bundesländer legen für 00 folgende Ecdaten über Bevölerung, Erwerb, vor: Bundesland Bevölerungsantel Erwerbs- (%) tätge (Tsd.) HB 4,8 385 HH MV I SH,6,8 53,0 8,8 Erwerbsquote orddeutschland Erwerbsquote (%) 53,5 60, 4, 43,8 43,6 45,8 σ ²= (0,535-0,458)² 0, (0,60-0,458)² 0,6 + (0,4-0,458)² 0,8 + (0,438-0,458)² 0,530 + (0,436-0,458)² 0,88 σ² = 0,0034 Berechnen Se de Varanz der Erwerbsquote. 33 Varanzberechnung - Bespel Bespel: Klausuraufgabe 3 vom Februar 003 (geürzt) In orddeutschland lebten m Jahr 00 5 Mll. Enwohner. Für de 5 Bundesländer legen für 00 folgende Ecdaten über Bevölerung und Bruttonlandsprodut vor: Bundesland Bevölerungsantel (%) Bruttonlandsprodut (Mrd. ) HB 4,8 3,4 HH,6 75,5 MV,8 9,7 I 53,0 80,4 SH 8,8 66,0 BIP je Enwohner orddeutschland BIP je Enwohner (Tausend ) 3,5 43,4 6,8,7 3,4 5,0 σ² = (3,5-5)² 0, (43,4-5)² 0,6 + (6,8-5)² 0,8 + (,7-5)² 0,530 + (3,4-5)² 0,88 σ² = 53,9 Berechnen Se de Varanz des BIP je Enwohner (n Tausend Euro). 34 7

18 Varanzberechnung Klausur 0/003 Klausuraufgabe 3 vom Februar 003, Aufgabenstellung: 3.3 Geben Se für de 5 Bundesländer und orddeutschland gesamt de Quote des Bruttonlandsprodutes n Tsd. Euro je Enwohner an. Wesen Se mt der mttleren absoluten Abwechung gegenüber dem Wert für orddeutschland, gewchtet mt dem Bevölerungsantel, de Dfferenzerthet der Bundesländer nach. Geben Se zusätzlch de Varanz für de Messung der Streuung an. Lösung 3.3 Unter Verwendung der Gesamtgrößen ergbt sch en (mttleres) Verhältns von 5000 BIP je Enwohner für orddeutschland. Für de Berechnung der Landeswerte muss zuerst de Bevölerungszahl nach Bundesländern berechnet werden. De gewchtete mttlere absolute Abwechung der fünf Bundesländer vom Wert für orddeutschland beträgt Damt wrd en Berech n den Grenzen von 0000 und Euro für den Wert des BIP je Enwohner gebldet. De Varanz beträgt 53,9 [Tausend Euro² ] 35 8

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

FORMELSAMMLUNG STATISTIK (I)

FORMELSAMMLUNG STATISTIK (I) Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen

Mehr

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung: Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab

Mehr

Streuungs-, Schiefe und Wölbungsmaße

Streuungs-, Schiefe und Wölbungsmaße aptel IV Streuungs-, Schefe und Wölbungsmaße B... Lagemaße von äufgketsvertelungen geben allen weng Auskunft über ene äufgketsvertelung. Se beschreben zwar en Zentrum deser Vertelung, geben aber kenen

Mehr

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07 Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage

Mehr

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de

Mehr

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree

Mehr

Lineare Regression (1) - Einführung I -

Lineare Regression (1) - Einführung I - Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:

Mehr

6. Modelle mit binären abhängigen Variablen

6. Modelle mit binären abhängigen Variablen 6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch

Mehr

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm): Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.

Mehr

Maße der zentralen Tendenz (10)

Maße der zentralen Tendenz (10) Maße der zentralen Tendenz (10) - De Berechnung der zentralen Tendenz be ategorserten Daten mt offenen Endlassen I - Bespel 1: offene Endlasse Alter x f x f p x p p cum bs 20 1? 3? 6? 6 21-25 2 23 20 460

Mehr

Grundlagen sportwissenschaftlicher Forschung Deskriptive Statistik

Grundlagen sportwissenschaftlicher Forschung Deskriptive Statistik Grundlagen sportwssenschaftlcher Forschung Deskrptve Statstk Dr. Jan-Peter Brückner jpbrueckner@emal.un-kel.de R.6 Tel. 880 77 Deskrptve Statstk - Zele Beschreben der Daten Zusammenfassen der Daten Überblck

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - deskrptv Egenschaften des arthmetschen Mttels Enfache Streuungsmaße Spannwete Quartlabstand Das Dagramm enes Boplots Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter

Mehr

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2 1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:

Mehr

2 Zufallsvariable und Verteilungen

2 Zufallsvariable und Verteilungen Zufallsvarable und Vertelungen 7 Zufallsvarable und Vertelungen Wr wollen uns jetzt mt Zufallsexpermenten beschäftgen, deren Ausgänge durch (reelle) Zahlen beschreben werden können, oder be denen man jedem

Mehr

Lösungen zum 3. Aufgabenblock

Lösungen zum 3. Aufgabenblock Lösungen zum 3. Aufgabenblock 3. Aufgabenblock ewerber haben n enem Test zur sozalen Kompetenz folgende ntervallskalerte Werte erhalten: 96 131 11 1 85 113 91 73 7 a) Zegen Se für desen Datensatz, dass

Mehr

Methoden der innerbetrieblichen Leistungsverrechnung

Methoden der innerbetrieblichen Leistungsverrechnung Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den

Mehr

Erwartungswert, Varianz, Standardabweichung

Erwartungswert, Varianz, Standardabweichung RS 24.2.2005 Erwartungswert_Varanz_.mcd 4) Erwartungswert Erwartungswert, Varanz, Standardabwechung Be jedem Glücksspel nteresseren den Speler vor allem de Gewnnchancen. 1. Bespel: Setzen auf 1. Dutzend

Mehr

Ionenselektive Elektroden (Potentiometrie)

Ionenselektive Elektroden (Potentiometrie) III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,

Mehr

Aspekte zur Approximation von Quadratwurzeln

Aspekte zur Approximation von Quadratwurzeln Aspete zur Approxmaton von Quadratwurzeln Intervallschachtelung Intervallhalberungsverfahren Heron-Verfahren Rechnersche und anschaulche Herletung Zusammenhang mt Newtonverfahren Monotone und Beschränthet

Mehr

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden. Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve

Mehr

Beschreibende Statistik Mittelwert

Beschreibende Statistik Mittelwert Beschrebende Statstk Mttelwert Unter dem arthmetschen Mttel (Mttelwert) x von n Zahlen verstehen wr: x = n = x = n (x +x +...+x n ) Desen Mttelwert untersuchen wr etwas genauer.. Zege für n = 3: (x x )

Mehr

Statistik und Wahrscheinlichkeit

Statistik und Wahrscheinlichkeit Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse

Mehr

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten Versuch r. 1: achwes des Hook schen Gesetzes und Bestmmung der Federkonstanten achwes des Hookeschen Gesetzes und Bestmmung der Federkonstanten Klasse : ame1 : ame 2 : Versuchszel: In der Technk erfüllen

Mehr

Nomenklatur - Übersicht

Nomenklatur - Übersicht Nomenklatur - Überscht Name der synthetschen Varable Wert der synthetschen Varable durch synth. Varable erklärte Gesamt- Streuung durch synth. Varable erkl. Streuung der enzelnen Varablen Korrelaton zwschen

Mehr

Datenaufbereitung und -darstellung III

Datenaufbereitung und -darstellung III Datenafberetng nd Darstellng 1 Glederng: Zel der Datenafberetng nd Darstellng Datenverdchtng Tabellen nd grafsche Darstellngen Darstellng nvarater Datenmengen (Abschntt 4.4 Darstellng mltvarater Daten

Mehr

Statistik. 1. Vorbereitung / Planung - präzise Formulierung der Ziele - detaillierte Definition des Untersuchungsgegenstandes

Statistik. 1. Vorbereitung / Planung - präzise Formulierung der Ziele - detaillierte Definition des Untersuchungsgegenstandes Statstk Defnton: Entwcklung und Anwendung von Methoden zur Erhebung, Aufberetung, Analyse und Interpretaton von Daten. Telgebete der Statstk: - Beschrebende (deskrptve) Statstk - Wahrschenlchketsrechnung

Mehr

Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i

Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i Itemanalyse und Itemkennwerte De Methoden der Analyse der Itemegenschaften st ncht m engeren Snne Bestandtel der Klassschen Testtheore Im Rahmen ener auf der KTT baserenden Testkonstrukton und -revson

Mehr

-70- Anhang: -Lineare Regression-

-70- Anhang: -Lineare Regression- -70- Anhang: -Lneare Regressn- Für ene Messgröße y f(x) gelte flgender mathematsche Zusammenhang: y a+ b x () In der Regel läßt sch durch enen Satz vn Messwerten (x, y ) aber kene Gerade zechnen, da de

Mehr

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x) ZZ Lösung zu Aufgabe : Ch²-Test Häufg wrd be der Bearbetung statstscher Daten ene bestmmte Vertelung vorausgesetzt. Um zu überprüfen ob de Daten tatsächlch der Vertelung entsprechen, wrd en durchgeführt.

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen

Mehr

Streuungs-, Schiefe und Wölbungsmaße 1

Streuungs-, Schiefe und Wölbungsmaße 1 aptel IV Streuung-, Schefe und Wölbungmaße B... Lagemaße von äufgketvertelungen geben allen weng Aukunft über ene äufgketvertelung. Se bechreben zwar en Zentrum deer Vertelung, geben aber kenen Anhaltpunkt

Mehr

Konkave und Konvexe Funktionen

Konkave und Konvexe Funktionen Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage

Mehr

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt -

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt - Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche

Mehr

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen

Mehr

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale 3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche

Mehr

4. Indexzahlen. 5.1 Grundlagen 5.2 Preisindizes 5.3 Indexzahlenumrechnungen. Dr. Rebecca Schmitt, WS 2013/2014

4. Indexzahlen. 5.1 Grundlagen 5.2 Preisindizes 5.3 Indexzahlenumrechnungen. Dr. Rebecca Schmitt, WS 2013/2014 4. ndexzahlen 5.1 Grundlagen 5.2 Presndzes 5.3 ndexzahlenumrechnungen 1 4.1 Grundlagen Als Messzahlen werden de Quotenten bezechnet, de aus den Beobachtungswerten bzw. den Maßzahlen zweer Telmengen derselben

Mehr

Standardnormalverteilung / z-transformation

Standardnormalverteilung / z-transformation Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ

Mehr

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung Fallstude 4 Qualtätsregelkarten (SPC) und Versuchsplanung Abgabe: Lösen Se de Aufgabe 1 aus Abschntt I und ene der beden Aufgaben aus Abschntt II! Aufgabentext und Lösungen schrftlch bs zum 31.10.2012

Mehr

Portfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe

Portfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe Portfolothore (Markowtz) Separatonstheore (Tobn) Kaptaarkttheore (Sharpe Ene Enführung n das Werk von dre Nobelpresträgern zu ene Thea U3L-Vorlesung R.H. Schdt, 3.12.2015 Wozu braucht an Theoren oder Modelle?

Mehr

Wechselstrom. Dr. F. Raemy Wechselspannung und Wechselstrom können stets wie folgt dargestellt werden : U t. cos (! t + " I ) = 0 $ " I

Wechselstrom. Dr. F. Raemy Wechselspannung und Wechselstrom können stets wie folgt dargestellt werden : U t. cos (! t +  I ) = 0 $  I Wechselstrom Dr. F. Raemy Wechselspannung und Wechselstrom können stets we folgt dargestellt werden : U t = U 0 cos (! t + " U ) ; I ( t) = I 0 cos (! t + " I ) Wderstand m Wechselstromkres Phasenverschebung:!"

Mehr

Gruppe. Lineare Block-Codes

Gruppe. Lineare Block-Codes Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung

Mehr

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com. Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener

Mehr

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen 196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen

Mehr

4. Musterlösung. Problem 1: Kreuzende Schnitte **

4. Musterlösung. Problem 1: Kreuzende Schnitte ** Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,

Mehr

Verteilungen, sondern nur, wenn ein. Eignet sich nicht bei flachen. Bei starker Streuung wenig. Wert eindeutig dominiert.

Verteilungen, sondern nur, wenn ein. Eignet sich nicht bei flachen. Bei starker Streuung wenig. Wert eindeutig dominiert. Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 Kenngrössen der Statstk Für de Auswertung von Datenrehen werden verschedene Kenngrössen

Mehr

Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord

Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord 1 Kredtrskomodellerung und Rskogewchte m Neuen Baseler Accord erschenen n: Zetschrft für das gesamte Kredtwesen (ZfgK), 54. Jahrgang, 2001, S. 1004-1005. Prvatdozent Dr. Hans Rau-Bredow, Lehrstuhl für

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvrter Dtenmengen - desrptv Mttlere bsolute Abwechung (Desvton) Vrnz Stndrdbwechung Vrtonsoeffzent Stndrdserung Prof. Küc / Dr. Rcbl Lge- und Streuungsprmeter III Bblogrfe Bleymüller / Gehlert

Mehr

Grundgedanke der Regressionsanalyse

Grundgedanke der Regressionsanalyse Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden

Mehr

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem

Mehr

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2 ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung

Mehr

Grundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften

Grundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften Bassmodul Makroökonomk /W 2010 Grundlagen der makroökonomschen Analyse klener offener Volkswrtschaften Terms of Trade und Wechselkurs Es se en sogenannter Fall des klenen Landes zu betrachten; d.h., de

Mehr

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)). 44 n n F F a) b) Abbldung 3.: Besetzungszahlen enes Fermgases m Grundzustand (a)) und für ene angeregte Konfguraton (b)). 3.3 Ferm Drac Statstk In desem Abschntt wollen wr de thermodynamschen Egenschaften

Mehr

14 Überlagerung einfacher Belastungsfälle

14 Überlagerung einfacher Belastungsfälle 85 De bsher betrachteten speellen Belastungsfälle treten n der Technk. Allg. ncht n rener orm auf, sondern überlagern sch. Da de auftretenden Verformungen klen snd und en lnearer Zusammenhang wschen Verformung

Mehr

1 Mehrdimensionale Analysis

1 Mehrdimensionale Analysis 1 Mehrdmensonale Analyss Bespel: De Gesamtmasse der Erde st ene Funton der Erddchte ρ Erde und des Erdradus r Erde De Gesamtmasse der Erde st dann m Erde = V Erde ρ Erde Das Volumen ener Kugel mt Radus

Mehr

VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE

VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE Karl Rudolf KOCH Knut RIESMEIER In: WELSCH, Walter (Hrsg.) [1983]: Deformatonsanalysen 83 Geometrsche Analyse und Interpretaton von Deformatonen

Mehr

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall

Mehr

Elemente der Mathematik - Sommer 2016

Elemente der Mathematik - Sommer 2016 Elemente der Mathematk - Sommer 2016 Prof Dr Matthas Lesch, Regula Krapf Lösungen Übungsblatt 3 Aufgabe 9 (10 Punkte) Das Horner-Schema st ene Methode zum Auswerten enes Polynoms n a0 x an der Stelle s

Mehr

1 BWL 4 Tutorium V vom 15.05.02

1 BWL 4 Tutorium V vom 15.05.02 1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)

Mehr

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher. PV - Hausaugabe Nr. 7.. Berechnen Se eakt und verglechen Se de Werte ür de Nullstelle, de mttels dem Verahren von Newton, der Regula als und ener Mttelung zu erhalten snd von der! Funkton: ( ) Lösungs

Mehr

5. ZWEI ODER MEHRERE METRISCHE MERKMALE

5. ZWEI ODER MEHRERE METRISCHE MERKMALE 5. ZWEI ODER MEHRERE METRISCHE MERKMALE wenn an ener Beobachtungsenhet zwe (oder mehr) metrsche Varablen erhoben wurden wesentlche Problemstellungen: Frage nach Zusammenhang: Bsp.: Duxbury Press (sehe

Mehr

Physikalisches Anfängerpraktikum Teil 2 Versuch PII 33: Spezifische Wärmekapazität fester Körper Auswertung

Physikalisches Anfängerpraktikum Teil 2 Versuch PII 33: Spezifische Wärmekapazität fester Körper Auswertung Physkalsches Anfängerpraktkum Tel 2 Versuch PII 33: Spezfsche Wärmekapaztät fester Körper Auswertung Gruppe M-4: Marc A. Donges , 060028 Tanja Pfster, 204846 2005 07 spezfsche Wärmekapaztäten.

Mehr

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x,

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x, Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analyss I Vorlesung 17 Logarthmen Satz 17.1. De reelle Exponentalfunkton R R, x exp x, st stetg und stftet ene Bjekton zwschen R und R +. Bewes. De Stetgket

Mehr

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel ultlneare Algebra und hre Anwendungen Nr. : Normalformen Verfasser: Yee Song Ko Adran Jenn Rebecca Huber Daman Hodel 9.5.7 - - ultlneare Algebra und hre Anwendungen Jordan sche Normalform Allgemene heore

Mehr

6 Wandtafeln. 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln. 6.3.1 Allgemeines

6 Wandtafeln. 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln. 6.3.1 Allgemeines 6 Wandtafeln 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln 6.3.1 Allgemenes Be der Berechnung der auf de enzelnen Wandtafeln entfallenden Horzontalkräfte wrd ene starre Deckenschebe angenommen.

Mehr

1 Definition und Grundbegriffe

1 Definition und Grundbegriffe 1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:

Mehr

Einführung in die Finanzmathematik

Einführung in die Finanzmathematik 1 Themen Enführung n de Fnanzmathematk 1. Znsen- und Znsesznsrechnung 2. Rentenrechnung 3. Schuldentlgung 2 Defntonen Kaptal Betrag n ener bestmmten Währungsenhet, der zu enem gegebenen Zetpunkt fällg

Mehr

ÜbungsaufgabeN mit Lösungen

ÜbungsaufgabeN mit Lösungen ÜbngsafgabeN mt Lösngen Statstk / Grndstdm Statstk I G - 3. Fachhochschle der Detschen Bndesbank Dr. Detmar Hbrch Dr. Detmar Hbrch Statstk I Afgaben nd Lösngen Fachhochschle der G 3. Detschen Bndesbank

Mehr

Übung zur Vorlesung. Informationstheorie und Codierung

Übung zur Vorlesung. Informationstheorie und Codierung Übung zur Vorlesung Informatonstheore und Coderung Prof. Dr. Lla Lajm März 25 Ostfala Hochschule für angewandte Wssenschaften Hochschule Braunschweg/Wolfenbüttel Postanschrft: Salzdahlumer Str. 46/48 3832

Mehr

Nernstscher Verteilungssatz

Nernstscher Verteilungssatz Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.

Mehr

Weitere NP-vollständige Probleme

Weitere NP-vollständige Probleme Wetere NP-vollständge Probleme Prosemnar Theoretsche Informatk Marten Tlgner December 10, 2014 Wr haben letzte Woche gesehen, dass 3SAT NP-vollständg st. Heute werden wr für enge wetere Probleme n NP zegen,

Mehr

Teil IV: Drei Musterklausuren

Teil IV: Drei Musterklausuren Tel IV: Dre Musterklausuren Hauptklausur SS 97 Aufgabe : 5 Schwmmer verschedenen Alters erbrachten n Wettkämpfen über 50 m Brustschwmmen de folgenden Zeten: Alter Zeten n sec. 8 37.00 40.00 4.00 30 39.00

Mehr

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf.

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf. Ich habe en Bespel ähnlch dem der Ansys-Issue [ansys_advantage_vol_ssue3.pdf durchgeführt. Es stammt aus dem Dokument Rfatgue.pdf. Abbldung 1: Bespel aus Rfatgue.pdf 1. ch habe es manuell durchgerechnet

Mehr

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression Beschrebung des Zusammenhangs zweer metrscher Merkmale Streudagramme Korrelatonskoeffzenten Regresson Alter und Gewcht be Kndern bs 36 Monaten Knd Monate Gewcht 9 9 5 8 3 4 7.5 4 3 6 5 3 6 4 3.5 7 35 5

Mehr

Spannweite, Median Quartilsabstand, Varianz und Standardabweichung.

Spannweite, Median Quartilsabstand, Varianz und Standardabweichung. Rudolf Brkma http://brkma-du.de Sete 06.0.008 Spawete, Meda Quartlsabstad, Varaz ud Stadardabwechug. Streuug um de Mttelwert. I de folgede Säuledagramme st de Notevertelug zweer Schülergruppe (Mädche,

Mehr

Netzwerkstrukturen. Entfernung in Kilometer:

Netzwerkstrukturen. Entfernung in Kilometer: Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.

Mehr

Schiefe- und Konzentrationsmaße

Schiefe- und Konzentrationsmaße Statst für SozologIe Schefe- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Mermal wurde 3 Gruppe beobachtet ud Form der folgede Häufgetstabelle berchtet: Klasse m Gruppe

Mehr

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6 Praktkum Physkalsche Cheme I (C-2) Versuch Nr. 6 Konduktometrsche Ttratonen von Säuren und Basen sowe Fällungsttratonen Praktkumsaufgaben 1. Ttreren Se konduktometrsch Schwefelsäure mt Natronlauge und

Mehr

Konzept der Chartanalyse bei Chart-Trend.de

Konzept der Chartanalyse bei Chart-Trend.de Dpl.-Phys.,Dpl.-Math. Jürgen Brandes Konzept der Chartanalyse be Chart-Trend.de Konzept der Chartanalyse be Chart-Trend.de... Bewertungsgrundlagen.... Skala und Symbole.... Trendkanalbewertung.... Bewertung

Mehr

Kennlinienaufnahme des Transistors BC170

Kennlinienaufnahme des Transistors BC170 Kennlnenufnhme des Trnsstors 170 Enletung polre Trnsstoren werden us zwe eng benchbrten pn-übergängen gebldet. Vorrusetzung für ds Funktonsprnzp st de gegensetge eenflussung beder pn-übergänge, de nur

Mehr

1 = Gl.(12.7) Der Vergleich mit Gl. (12.3) zeigt, dass für die laminare Rohrströmung die Rohrreibungszahl

1 = Gl.(12.7) Der Vergleich mit Gl. (12.3) zeigt, dass für die laminare Rohrströmung die Rohrreibungszahl 0. STRÖMUNG INKOMPRESSIBLER FLUIDE IN ROHRLEITUNGEN Enführung Vorlesung Strömungslehre Prof. Dr.-Ing. Chrstan Olver Pascheret C. O. Pascheret Insttute of Flud Mechancs and Acoustcs olver.pascheret@tu-berln.de

Mehr

c) schwierige freiwillige Zusatzaufgabe (ohne Bonuspunkte): Leiten Sie die allgemeinen iterativen Formeln für S, D, D R und V her.

c) schwierige freiwillige Zusatzaufgabe (ohne Bonuspunkte): Leiten Sie die allgemeinen iterativen Formeln für S, D, D R und V her. Rechnerarchtetur Lösungsvorschlag. Bonusübung oerseester Fachgebet Rechnerarchtetur Prof. R. Hoffann Patrc Edger. Aufgabe: Maße für Barrel-hfter 7 + 7 Punte Gegeben st en Barrel hfter t n= Prozessoren

Mehr

Anwendungsmöglichkeiten von Lernverfahren

Anwendungsmöglichkeiten von Lernverfahren Künstlche Neuronale Netze Lernen n neuronalen Netzen 2 / 30 Anwendungsmöglcheten von Lernverfahren Prnzpelle Möglcheten Verbndungsorentert 1 Hnzufügen neuer Verbndungen 2 Löschen bestehender Verbndungen

Mehr

mit der Anfangsbedingung y(a) = y0

mit der Anfangsbedingung y(a) = y0 Numersce Lösung von Dfferentalglecungen De n den naturwssenscaftlc-tecnscen Anwendungen auftretenden Dfferentalglecungen snd n den wengsten Fällen eplzt lösbar. Man st desalb auf Näerungsverfaren angewesen.

Mehr

SS 2017 Torsten Schreiber

SS 2017 Torsten Schreiber SS Torsten Schreber e den Ebenen unterscheden wr de und de prmeterfree Drstellung. Wenn wr ene Ebenenglechung durch dre Punkte bestmmen wollen, so müssen de zugehörgen Vektoren sen, d es sonst nur ene

Mehr

In der beschreibenden Statistik werden Daten erhoben, aufbereitet und analysiert. Beispiel einer Datenerhebung mit Begriffserklärungen (Vokabel)

In der beschreibenden Statistik werden Daten erhoben, aufbereitet und analysiert. Beispiel einer Datenerhebung mit Begriffserklärungen (Vokabel) Rudolf Brnkmann http://brnkmann-du.de Sete.. Datenerhebung, Datenaufberetung und Darstellung. In der beschrebenden Statstk werden Daten erhoben, aufberetet und analysert. Bespel ener Datenerhebung mt Begrffserklärungen

Mehr

Dynamisches Programmieren

Dynamisches Programmieren Marco Thomas - IOI 99 -. Treffen n Bonn - Dynamsches Programmeren - Unverstät Potsdam - 8.02.999 Dynamsches Programmeren 957 R. Bellmann: Dynamc Programmng für math. Optmerungsprobleme Methode für Probleme,.

Mehr

2.1 Einfache lineare Regression 31

2.1 Einfache lineare Regression 31 .1 Enfache lneare Regresson 31 Regressonsanalyse De Regressonsanalyse gehört zu den am häufgsten engesetzten multvaraten statstschen Auswertungsverfahren. Besonders de multple Regressonsanalyse hat große

Mehr

Prof. Dr. Roland Füss Statistik II SS 2008

Prof. Dr. Roland Füss Statistik II SS 2008 5. Spezelle Testverfahren Zahlreche parametrsche und nchtparametrsche Testverfahren, de nach Testvertelung (Bnomal, t-test etc.), Analysezel (Anpassungs- und Unabhänggketstest) oder Konstrukton der Prüfgröße

Mehr

Prof. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz

Prof. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz Prof. Dr. P. Kschka WS 2012/13 Lehrstuhl für Wrtschafts- und Sozalstatstk Klausur Statstsche Inferenz 15.02.2013 Name: Matrkelnummer: Studengang: Aufgabe 1 2 3 4 5 6 7 8 Summe Punkte 6 5 5 5 5 4 4 6 40

Mehr

Prof. Dr.- Ing. Herzig Vorlesung "Grundlagen der Elektrotechnik 1" 1etv3-4

Prof. Dr.- Ing. Herzig Vorlesung Grundlagen der Elektrotechnik 1 1etv3-4 Prof. Dr.- ng. Herzg.6 Spezelle erechnungsverfahren lnearer Netzwerke.6. Überlagerungsverfahren Der Lernende kann - den Überlagerungssatz und das darauf beruhende erechnungsprnzp lnearer Netzwerke erklären

Mehr

Versicherungstechnischer Umgang mit Risiko

Versicherungstechnischer Umgang mit Risiko Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über

Mehr

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1. Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.

Mehr

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n Regressonsgerade x x x x 3... x n y y y y 3... y n Bem Auswerten von Messrehen wrd häufg ene durch theoretsche Überlegungen nahegelegte lneare Bezehung zwschen den x- und y- Werten gesucht, d.h. ene Gerade

Mehr

18. Dynamisches Programmieren

18. Dynamisches Programmieren 8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus

Mehr

13.Selbstinduktion; Induktivität

13.Selbstinduktion; Induktivität 13Sebstndukton; Induktvtät 131 Sebstndukton be En- und Ausschatvorgängen Versuch 1: Be geschossenem Schater S wrd der Wderstand R 1 so groß gewäht, dass de Gühämpchen G 1 und G 2 gech he euchten Somt snd

Mehr

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum Abgabe: Aufgabentext und Lösungen schrftlch bs zum 15. 6. 2012 I. Thema: Zehen mt und ohne Zurücklegen Lesen Se sch zunächst folgenden Text durch! Wr haben bsher Stchprobenzehungen aus Grundgesamtheten

Mehr

Verteilungen eindimensionaler diskreter Zufallsvariablen

Verteilungen eindimensionaler diskreter Zufallsvariablen Vertelungen endmensonaler dskreter Zufallsvarablen Enführung Dskrete Vertelungen Dskrete Glechvertelung Bernoull-Vertelung Bnomalvertelung Bblografe: Prof. Dr. Kück Unverstät Rostock Statstk, Vorlesungsskrpt,

Mehr

Spiele und Codes. Rafael Mechtel

Spiele und Codes. Rafael Mechtel Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,

Mehr

6. Übung zur Linearen Algebra II

6. Übung zur Linearen Algebra II Unverstät Würzburg Mathematsches Insttut Prof. Dr. Peter Müller Dr. Peter Fleschmann SS 2006 30.05.2006 6. Übung zur Lnearen Algebra II Abgabe: Bs Mttwoch, 14.06.2006, 11:00 Uhr n de Brefkästen vor der

Mehr