2. Dosieren. H.-C. Langowski Lebensmittel-Verpackungstechnik (früher: Abfüll- und Verpackungstechnik 2) Dosieren

Größe: px
Ab Seite anzeigen:

Download "2. Dosieren. H.-C. Langowski Lebensmittel-Verpackungstechnik (früher: Abfüll- und Verpackungstechnik 2) Dosieren"

Transkript

1 2. Dosieren

2 Begriffsbestimmungen Dosieren: Unter Dosieren versteht man nach G. Vetter die nach Größe und zeitlicher Folge veränderliche Zuteilung von Stoffen in Produktionsprozessen. Die Dosierung wird durch direktes Messen der Dosiergröße oder reproduzierbaren Antrieb erfasst (z. B. Steuerung der Dosierschnecke über Schrittmotor oder steuerbare Kupplung). Abfüllen: Hierzu gehören Zusatzfunktionen wie der Transport leerer und befüllter Packmittel, Verschließeinrichtungen, Etikettiereinrichtungen usw. Abfüllen ist somit umfassender als Dosieren.

3 Begriffe beim Dosieren Man unterscheidet kontinuierliches (Verfahrenstechnik) und diskontinuierliches (Verpackungstechnik) Dosieren. Das diskontinuierliche Dosieren kann weiter unterteilt werden in gravimetrisches Dosieren volumetrisches Dosieren und Zählen (stückige Güter wie Brötchen, Gemüse, Gewürze oder Früchte)

4 2.1 Dosiergenauigkeit

5 Dosiergenauigkeit Die erforderliche Dosiergenauigkeit ist im Eichgesetz (EG) und der Fertigpackungsverordnung (FPVO) festgelegt. 15 EG: Mittelwertforderung 22 FPVO: Minusabweichung 8 und 10 FPVO: Abgabe in Stückzahl

6 Aus AVT: Fertigpackungsverordnung - Minusabweichungen Nach Gewicht oder Volumen gekennzeichnete Fertigpackungen gleicher Nennfüllmenge dürfen zum Zeitpunkt der Herstellung keine größeren Minusabweichungen haben, als sich aus nachstehender Tabelle ergibt: Nennfüllmenge Q N Zulässige Minusabweichung in g oder ml in % von Q N in g oder ml 5 bis bis 100-4,5 100 bis 200 4,5-200 bis bis bis bis ,5 -

7 Einfluss der Füllguteigenschaften auf die Dosiergenauigkeit Für die Dosiergenauigkeit sind unter anderem folgende Füllguteigenschaften von Bedeutung: Dichte beziehungsweise Schüttdichte Fließeigenschaften, Böschungswinkel der Ruhe und der Bewegung Kompressibilität Viskosität Lagerungsgeschichte u. a.

8 Dosierfehler Chargendosierfehler Unter dem Chargendosierfehler versteht man die Schwankung einer Anzahl Einzelbeobachtungen der Dosiermenge m 1... m n, wenn alle Einflussgrößen innerhalb angegebener Toleranzen konstant gehalten werden. Reproduzierbarkeit Schwankungen der Dosiermenge m 1...m n, wenn die Stellgröße nach jeder Einzelbeobachtung wesentlich verstellt und wieder auf den ursprünglichen Wert zurückgestellt wird. Kurzzeitdosierfehler Zum Ermitteln des Kurzzeitdosierfehlers wird eine Urliste mit den Massen der einzelnen Packungen angelegt. Bei mehr als 50 Werten kann eine Gruppierung in Klassen vorgenommen werden. Klassenbreite 0,6 Standardabweichung

9 Fertigpackungsverordnung: Auswerten von Meßergebnissen Maßzahlen zum Berechnen charakteristischer Werte der Meßwertreihen Mittlere Lage (Mittelwert) - Arithmetisches Mittel - Median x = 1 n n i= 1 x i Maß der - Spannweite Streuung - Durchschnittliche Abweichung R = d x = max n i= 1 x x i min x 1 n - Standardabweichung s = 1 n -1 n i= 1 ( xi x) 2

10 Fertigpackungsverordnung: Auswerten von Messergebnissen Charakteristische Werte von Messwertreihen Vertrauensbereich für den Mittelwert: (1 - α: Vertrauensniveau) zweiseitig: einseitig: x+ w µ x w x + w µ oder µ x w w = t(n, α) s n -1/2 Werte für t als Funktion von n und α aus Tabelle 1 Vertrauensbereich für die Standardabweichung: χ o s σ χ u s Werte für χ o, χ u aus Tabelle 2

11 Fertigpackungsverordnung: Auswerten von Messergebnissen Charakteristische Werte von Messwertreihen Tabelle 1: Werte t der Student-Verteilung Tabelle 2 einseitige Abgrenzung zweiseitige Abgrenzung Vertrauensniveau 1 - α n 95 % 99 % 99,9 % 95 % 99 % 99,9 % 5 2,13 3,75 7,17 2,78 4,60 8, ,83 2,82 4,30 2,26 3,25 4, ,73 2,54 3,58 2,09 2,86 3, ,70 2,46 3,40 2,05 2,76 3, ,69 2,43 3,31 2,02 2,71 3, ,68 2,41 3,27 2,01 2,68 3, ,66 2,36 3,18 1,98 2,63 3, ,65 2,35 3,13 1,97 2,60 3,34

12 Fertigpackungsverordnung: Kennwerte der Normalverteilung 1 ϕ( x)= 1 σ 2π e 1 x µ 2 σ 2 Maximum Wendepunkt 34 % 34 % Wendepunkt σ σ Entsprechungen: 16 % µ: arithm. Mittelwert σ : Standardabweichung µ 16 % Füllmenge Merkmal x

13 Fertigpackungsverordnung: Kennwerte für die Normalverteilung 2 ϕ( x) = 1 σ 2π exp 1 2 x µ σ 2 mit der Transformation u = x µ σ erhält man die standardisierte Normalverteilung 1 ϕ( u) = σ 2π exp 1 2 u2

14 Normalverteilungen mit verschiedenen Standardabweichungen σ

15 Normalverteilung und Standardabweichung Summenhäufigkeitskurve Linearisierung der Summenhäufigkeitskurve im Wahrscheinlichkeitsnetz

16 Gesetzmäßigkeiten der Normalverteilung

17 Fertigpackungsverordnung: Standardisierte Normalverteilung Φ(u) 0 ϕ u ϕ(u) u u 0 1,000 1,282 1,645 1,960 2,000 2,054 2,241 2,326 2,576 2,807 3,000 3,090 3,291 4,000 Φ(u) 0,5000 0,8413 0,9000 0,9500 0,9750 0,9773 0,9800 0,9875 0,9900 0,9950 0,9975 0,9987 0,9990 0,9995 0,99997

18 Fertigpackungsverordnung: Auswertung Begriffe T u1 Untere Toleranzgrenze, die bei der Herstellung von Fertigpackungen von höchstens 2 % der portionierten Füllmengen unterschritten werden darf. T u2 Unterste Toleranzgrenze; Fertigpackungen mit Füllmengen unter T u2 dürfen erstmalig nicht in den Verkehr gebracht werden und nicht häufiger als zu 0,05 % auftreten. 2,054 Faktor, der sich aus den zulässigen Minusabweichungen unter der Voraussetzung einer normalen Häufigkeitsverteilung der Füllmengen ergibt. 3,291 Faktor, der sich unter der Voraussetzung normalverteilter Meßwerte ergibt, wenn für die Unterschreitung der untersten Toleranzgrenze T u2 eine Wahrscheinlichkeit von 0,05 % vorgegeben wird.

19 Maximal zulässige Streuung eines Loses (einseitige Abgrenzung) Nach 22 FPV darf T u1 von 2 % der hergestellten Fertigpackungen unterschritten werden, mindestens 98 % müssen über T u1 liegen. Damit ist statistisch ein einseitiger Abgrenzungsfall gegeben. Weiterhin gilt die Bedingung, dass der Mittelwert µ größer oder gleich der Nennfüllmenge Q N sein muss. (Hier: Annahme µ = Q N )

20 Fertigpackungsverordnung: Notwendige Überfüllung Rechenbeispiel Überfüllung Ü Ü = T ux -(µ-s u) Gegeben: Mittelwert der Grundgesamtheit: 100 g untere Toleranzgrenze: 95,5 g unterste Toleranzgrenze: 91,0 g ermittelte Standardabweichung: 4,7 g Für T u1 : Ü = 95,5 g - (100,0 g - 4,7 g 2,054) = 5,2 g Für T u2 : Ü = 91,0 g - (100,0 g - 4,7 g 3,291) = 6,5 g Zum Einhalten der Toleranzforderung ist es notwendig, die tatsächlich dosierte Füllmenge (= innerbetriebliche Sollfüllmenge) auf 106,5 g zu erhöhen. Ob T u1 oder T u2 für eine Überfüllung verantwortlich ist, hängt von der Größe der Standardabweichung ab.

21 Toleranzgrenzenforderungen für ein Maßbehältnis 0,5-l-Bierflasche (zweiseitige Abgrenzung) Nennvolumen V N = 500 ml Randvollvolumen V R = 520 ml T u1 = 510 T o1 = 530

22 Beispiel Prüfungsfrage Bei drei parallel arbeitenden Abfüllanlagen für das Produkt Orangensaft mit Fruchtfleisch für 200-Millliter-Behälter mit einem Randvollvolumen von 215 ml (nach FPVO zulässige Minusabweichungen T U1 9 ml, T U2 18 ml) wurde eine Füllmengenkontrolle durchgeführt. Für die einzelnen Maschinen ergaben sich die Stichproben in Tabelle 1.2 aus einer normalverteilten Grundgesamtheit. Erfüllen die einzelnen Füllorgane die vom Gesetzgeber geforderten Anforderungen? Begründen Sie ihre Antwort rechnerisch!

23 Beispiel Prüfungsfrage Maschine 1 200,0 204,9 207,1 196,9 196,9 194,1 197,1 196,9 203,1 200,0 207,9 198,0 203,3 202,0 Maschine 2 189,0 200,9 194,1 205,1 196,0 210,0 203,1 203,1 208,0 194,1 204,9 198,9 191,1 204,3 199,1 190,0 202,2 213,7 195,7 193,8 197,7 Maschine 3 196,8 191,2 192,8 198,0 214,8 209,8 205,4 Mittelwert Standardabweichung 200,19 6,44 Erfüllt gesetzliche Anforderungen Tu1: nein Tu2: nein Überfüllung für Überfüllung T u1 für T u2 4,04 3,00 Mittelwert Standardabweichung 200,59 4,23 Erfüllt gesetzliche Anforderungen Tu1: ja Tu2: ja Überfüllung für Überfüllung für T u1 T u2-0,90, d.h. - 4,67, d.h. keine keine Überfüllung Überfüllung Niedrigste mögliche Maschineneinstellung (nominal) 199,41 Mittelwert Standardabweichung 200,07 8,05 Erfüllt gesetzliche Anforderungen Tu1: nein Tu2: nein Überfüllung für Überfüllung für Niedrigste mögliche Maschineneinstellung (nominal) 204,04 T u1 7,46 T u2 8,42 Niedrigste mögliche Maschineneinstellung (nominal) 208,42

Übungen mit dem Applet

Übungen mit dem Applet Übungen mit dem Applet 1. Visualisierung der Verteilungsform... 1.1. Normalverteilung... 1.. t-verteilung... 1.3. χ -Verteilung... 1.4. F-Verteilung...3. Berechnung von Wahrscheinlichkeiten...3.1. Visualisierung

Mehr

Auswertung und Lösung

Auswertung und Lösung Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage

Mehr

Übungen mit dem Applet Rangwerte

Übungen mit dem Applet Rangwerte Rangwerte 1 Übungen mit dem Applet Rangwerte 1 Statistischer Hintergrund... 2 1.1 Verteilung der Einzelwerte und der Rangwerte...2 1.2 Kurzbeschreibung des Applets...2 1.3 Ziel des Applets...4 2 Visualisierungen

Mehr

3. Das Prüfen von Hypothesen. Hypothese?! Stichprobe Signifikanztests in der Wirtschaft

3. Das Prüfen von Hypothesen. Hypothese?! Stichprobe Signifikanztests in der Wirtschaft 3. Das Prüfen von Hypothesen Hypothese?! Stichprobe 3.1. Signifikanztests in der Wirtschaft Prüfung, ob eine (theoretische) Hypothese über die Verteilung eines Merkmals X und ihre Parameter mit einer (empirischen)

Mehr

3) Testvariable: T = X µ 0

3) Testvariable: T = X µ 0 Beispiel 4.9: In einem Molkereibetrieb werden Joghurtbecher abgefüllt. Der Sollwert für die Füllmenge dieser Joghurtbecher beträgt 50 g. Aus der laufenden Produktion wurde eine Stichprobe von 5 Joghurtbechern

Mehr

Anpassungstests VORGEHENSWEISE

Anpassungstests VORGEHENSWEISE Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel

Mehr

Beispiel 4 (Einige weitere Aufgaben)

Beispiel 4 (Einige weitere Aufgaben) 1 Beispiel 4 (Einige weitere Aufgaben) Aufgabe 1 Bestimmen Sie für die folgenden Zweierstichproben, d. h. Stichproben, die jeweils aus zwei Beobachtungen bestehen, a) den Durchschnitt x b) die mittlere

Mehr

Statistik I für Betriebswirte Vorlesung 4

Statistik I für Betriebswirte Vorlesung 4 Statistik I für Betriebswirte Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 25. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung

Mehr

9. Übungen. Statistik: Mittelwert und Standardabweichung Statistik: Median Statistik: Kennwerte

9. Übungen. Statistik: Mittelwert und Standardabweichung Statistik: Median Statistik: Kennwerte QM-Übungsaufgaben 9. Übungen F1 Statistik: Mittelwert und Standardabweichung F2 Statistik: Median F3 Statistik: Kennwerte F4 Statistik: Kennwerte F5 Lebensdauer F6 Vertrauensgrenzen und Histogramm F7 Statistik:

Mehr

Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1

Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1 Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1 Aufgabe 1: Von 2 gleichartigen Maschinen eines pharmazeutischen Betriebes stellt die erste 40% und die zweite 60% der Produkte her. Dabei verursacht

Mehr

Übungen mit dem Applet Zentraler Grenzwertsatz

Übungen mit dem Applet Zentraler Grenzwertsatz Zentraler Grenzwertsatz 1 Übungen mit dem Applet Zentraler Grenzwertsatz 1 Statistischer Hintergrund... 1.1 Zentraler Grenzwertsatz... 1. Beispiel Würfeln... 1.3 Wahrscheinlichkeit und relative Häufigkeit...3

Mehr

Einführung in die Induktive Statistik: Testen von Hypothesen

Einführung in die Induktive Statistik: Testen von Hypothesen Einführung in die Induktive Statistik: Testen von Hypothesen Jan Gertheiss LMU München Sommersemester 2011 Vielen Dank an Christian Heumann für das Überlassen von TEX-Code! Testen: Einführung und Konzepte

Mehr

Hochschule Darmstadt FB Mathematik und Naturwissenschaften. Statistik. für Wirtschaftsingenieure (B.Sc.) Sommersemester 2017

Hochschule Darmstadt FB Mathematik und Naturwissenschaften. Statistik. für Wirtschaftsingenieure (B.Sc.) Sommersemester 2017 für Wirtschaftsingenieure (B.Sc.) Sommersemester 017 Dr. rer. nat. habil. E-mail: adam-georg.balogh@h-da.de 1 Hochschule Darmstadt, Fachbereich MN Sommersemester 017 Testklausur zur Vorlesung Wirtschaftsstatistik

Mehr

Statistik K urs SS 2004

Statistik K urs SS 2004 Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die

Mehr

Statistik Übungsblatt 5

Statistik Übungsblatt 5 Statistik Übungsblatt 5 1. Gaussverteilung Die Verteilung der Messwerte einer Grösse sei durch eine Gaussverteilung mit Mittelwert µ = 7.2 und σ = 1.2 gegeben. (a) Wie gross ist die Wahrscheinlichkeit

Mehr

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:

Mehr

Statistische Tests für unbekannte Parameter

Statistische Tests für unbekannte Parameter Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung

Mehr

Übungsaufgaben zu Kapitel 5

Übungsaufgaben zu Kapitel 5 Übungsaufgaben zu Kapitel 5 Lösungen zu den Übungsaufgaben ab Seite 9. Aufgabe 9 Bei der Herstellung von Schokoladentafeln interessiert a) das durchschnittliche Abfüllgewicht einer Tafel Schokolade. b)

Mehr

2. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017

2. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017 . Lösung weitere Übungsaufgaben Statistik II WiSe 016/017 1. Aufgabe: Bei der Produktion eines Werkstückes wurde die Bearbeitungszeit untersucht. Für die als normalverteilt angesehene zufällige Bearbeitungszeit

Mehr

Anhang: Statistische Tafeln und Funktionen

Anhang: Statistische Tafeln und Funktionen A1 Anhang: Statistische Tafeln und Funktionen Verteilungsfunktion Φ(z) der Standardnormalverteilung Die Tabelle gibt die Werte Φ(z) der Verteilungsfunktion zu vorgegebenem Wert z 0 an; ferner gilt Φ( z)

Mehr

Grenzen für x -s-regelkarten

Grenzen für x -s-regelkarten Normalverteilte Fertigung: Stichproben aus der Fertigung: σ σ Eine normalverteilte Fertigung hat den Mittelwert µ und die Standardabweichung σ. Stichproben aus der Fertigung haben zufällig abweichende

Mehr

Übungsaufgaben zu Kapitel 12 bis 14

Übungsaufgaben zu Kapitel 12 bis 14 Hochschule für Technik und Wirtschaft Dresden Wintersemester 0/6 Fakultät Informatik/Mathematik Prof. Dr. B. Jung Übungsaufgaben zu Kapitel bis Hinweis: Die Berechnung evtl. auftretender Integrale kann

Mehr

10,24 ; 10,18 ; 10,28 ; 10,25 ; 10,31.

10,24 ; 10,18 ; 10,28 ; 10,25 ; 10,31. Bei einer Flaschenabfüllanlage ist die tatsächliche Füllmenge einer Flasche eine normalverteilte Zufallsvariable mit einer Standardabweichung = 3 [ml]. Eine Stichprobe vom Umfang N = 50 ergab den Stichprobenmittelwert

Mehr

Übungen mit dem Applet Wahrscheinlichkeitsnetz

Übungen mit dem Applet Wahrscheinlichkeitsnetz Wahrscheinlichkeitsnetz 1 Übungen mit dem Applet Wahrscheinlichkeitsnetz 1 Statistischer Hintergrund... 1.1 Verteilungen... 1. Darstellung von Daten im Wahrscheinlichkeitsnetz...4 1.3 Kurzbeschreibung

Mehr

2 Aufgaben aus [Teschl, Band 2]

2 Aufgaben aus [Teschl, Band 2] 20 2 Aufgaben aus [Teschl, Band 2] 2.1 Kap. 25: Beschreibende Statistik 25.3 Übungsaufgabe 25.3 a i. Arithmetisches Mittel: 10.5 ii. Median: 10.4 iii. Quartile: x 0.25 Y 4 10.1, x 0.75 Y 12 11.1 iv. Varianz:

Mehr

Empirische Wirtschaftsforschung

Empirische Wirtschaftsforschung Empirische Wirtschaftsforschung Prof. Dr. Bernd Süßmuth Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie 1 4. Basiskonzepte der induktiven

Mehr

Qualität " Beschaffenheit einer Einheit bezüglich ihrer Eignung festgelegt und vorrausgesetzter Erfordernisse zu erfüllen " ( DIN Teil 11 ).

Qualität  Beschaffenheit einer Einheit bezüglich ihrer Eignung festgelegt und vorrausgesetzter Erfordernisse zu erfüllen  ( DIN Teil 11 ). Qualitätssicherung (Folien) - 1 - KN103..2001 QS beginnt: - Im Aufbau und Ausbau des Systems in allen Bereichen. - Betrifft jeden Mitarbeiter - Betrifft die Produktionsplanung - Betrifft die Gestaltung

Mehr

Statistik I für Betriebswirte Vorlesung 14

Statistik I für Betriebswirte Vorlesung 14 Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli

Mehr

Lösg: a) 0,0548 b) 0,4514 c) 23 Becher d) 234,9 [ml]

Lösg: a) 0,0548 b) 0,4514 c) 23 Becher d) 234,9 [ml] Ein Elektrokonzern stellt Halogenlampen mit einer durchschnittlichen Lebensdauer von 8 Stunden und einer Standardabweichung von 4 Stunden her. Die Lebensdauer sei eine normalverteilte Zufallsvariable.

Mehr

Die im Folgenden vorgestellten Lösungen sind Vorschläge. Andere Lösungswege sind denkbar, Tippfehler sind nicht auszuschließen.

Die im Folgenden vorgestellten Lösungen sind Vorschläge. Andere Lösungswege sind denkbar, Tippfehler sind nicht auszuschließen. Zusätzliche Übungsaufgaben II Die im Folgenden vorgestellten Lösungen sind Vorschläge. Andere Lösungswege sind denkbar, Tippfehler sind nicht auszuschließen. Aufgabe 1 ( Punkte) Eine Tablettenverpackungsmaschine

Mehr

Sigma-Umgebung. Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5. n = 20 p = 0,75

Sigma-Umgebung. Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5. n = 20 p = 0,75 Sigma-Umgebung Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5 0,2 (z.b. 30-maliges Werfen einer Münze, X Anzahl von Zahl ) 5 10 15 20 n = 20 p = 0,75 0,2 5 10 15 20 Der Erwartungswert

Mehr

Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1

Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,

Mehr

5. Seminar Statistik

5. Seminar Statistik Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation

Mehr

Übungen mit dem Applet Vergleich von zwei Mittelwerten

Übungen mit dem Applet Vergleich von zwei Mittelwerten Vergleich von zwei Mittelwerten 1 Übungen mit dem Applet Vergleich von zwei Mittelwerten 1 Statistischer Hintergrund... 2 1.1 Typische Fragestellungen...2 1.2 Fehler 1. und 2. Art...2 1.3 Kurzbeschreibung

Mehr

Auswertung von Messungen Teil II

Auswertung von Messungen Teil II Auswertung von Messungen Teil II 1. Grundgesamtheit und Stichprobe. Modellverteilungen.1 Normalverteilung. Binominalverteilung.3 Poissonverteilung.4 Näherungen von Binominal- und Poissonverteilung 3. Zentraler

Mehr

4.1. Nullhypothese, Gegenhypothese und Entscheidung

4.1. Nullhypothese, Gegenhypothese und Entscheidung rof. Dr. Roland Füss Statistik II SS 8 4. Testtheorie 4.. Nullhypothese, Gegenhypothese und Entscheidung ypothesen Annahmen über die Verteilung oder über einzelne arameter der Verteilung eines Merkmals

Mehr

Kapitel XI - Operationscharakteristik und Gütefunktion

Kapitel XI - Operationscharakteristik und Gütefunktion Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XI - Operationscharakteristik und Gütefunktion Induktive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo

Mehr

70 Wichtige kontinuierliche Verteilungen

70 Wichtige kontinuierliche Verteilungen 70 Wichtige kontinuierliche Verteilungen 70. Motivation Zufallsvariablen sind nicht immer diskret, sie können oft auch jede beliebige reelle Zahl in einem Intervall [c, d] einnehmen. Beispiele für solche

Mehr

Statistik I für Betriebswirte Vorlesung 14

Statistik I für Betriebswirte Vorlesung 14 Statistik I für Betriebswirte Vorlesung 14 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 11. Juli 016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung

Mehr

Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007

Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007 Mathematik IV für Maschinenbau und Informatik Stochastik Universität Rostock, Institut für Mathematik Sommersemester 007 Prof. Dr. F. Liese Dipl.-Math. M. Helwich Serie Termin: 9. Juni 007 Aufgabe 3 Punkte

Mehr

QM-Übungsaufgaben und Fragen

QM-Übungsaufgaben und Fragen QM-Übungsaufgaben und Fragen QM-Fragen F1 (15 Aufgaben Kennwerte) QM-Fragen F50 (13 Fragen) QM-Fragen F100 (43 Fragen) QM-Fragen F150 (40 Fragen) QM-Fragen F200 (17 Aufgaben Wahrscheinlichkeit) QM-Fragen

Mehr

Modul 141 Statistik. 1. Studienjahr 11. Sitzung Signifikanztests

Modul 141 Statistik. 1. Studienjahr 11. Sitzung Signifikanztests Modul 141 Statistik 1. Studienjahr 11. Sitzung Signifikanztests Inhalt der 11. Sitzung 1. Parametrische Signifikanztests 2. Formulierung der Hypothesen 3. Einseitige oder zweiseitige Fragestellung 4. Signifikanzniveau

Mehr

KLAUSUR_MAI_08 LÖSUNGEN Stat2. 1. Eine Einkommensstatistik (Jahresbruttoeinkommen, klassiert), zeigte folgende Ergebnisse: (in 1000 Euro)

KLAUSUR_MAI_08 LÖSUNGEN Stat2. 1. Eine Einkommensstatistik (Jahresbruttoeinkommen, klassiert), zeigte folgende Ergebnisse: (in 1000 Euro) 1. Eine Einkommensstatistik (Jahresbruttoeinkommen, klassiert), zeigte folgende Ergebnisse: (in 1000 Euro) 10 bis unter 20 20 30 30 40 über 40 bis 100 U (Unselbständige) 46 89 90 45 S (Selbständige) 63

Mehr

Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL)

Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Prof. Dr. M. Schweizer ETH Zürich Sommer 2018 Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Bitte... Lege deine Legi auf den Tisch. Trage deine Daten in dieses Deckblatt ein, und schreibe auf jedes

Mehr

Zeit zum Kochen [in min] [10, 20[ [20, 30[ [30, 40[ [40, 50[ [50,60[ [60, 100] Hi

Zeit zum Kochen [in min] [10, 20[ [20, 30[ [30, 40[ [40, 50[ [50,60[ [60, 100] Hi 1. Susi und Fritzi bereiten ein Faschingsfest vor, dazu gehört natürlich ein Faschingsmenü. Ideen haben sie genug, aber sie möchten nicht zu viel Zeit fürs Kochen aufwenden. In einer Zeitschrift fanden

Mehr

Mittelwert Median Stabw StabwN 1. Quartil 3. Quartil 27,22 % 26,06 % 8,07 % 8,03 % 22,12 % 31,25 %

Mittelwert Median Stabw StabwN 1. Quartil 3. Quartil 27,22 % 26,06 % 8,07 % 8,03 % 22,12 % 31,25 % 3. a) Mit Hilfe der Excel-Funktionen Mittelwert(DB), Median(DB), Stabw(DB) sowie Quantil(DB;P) 1 werden aus den gegebenen Leberfettgehaltmessdaten Mittelwert, Median, Standardabweichung (Stabw) sowie das

Mehr

Stichproben Parameterschätzung Konfidenzintervalle:

Stichproben Parameterschätzung Konfidenzintervalle: Stichproben Parameterschätzung Konfidenzintervalle: Beispiel Wahlprognose: Die Grundgesamtheit hat einen Prozentsatz p der Partei A wählt. Wenn dieser Prozentsatz bekannt ist, dann kann man z.b. ausrechnen,

Mehr

Statistische Methoden in den Umweltwissenschaften

Statistische Methoden in den Umweltwissenschaften Statistische Methoden in den Umweltwissenschaften t-test Varianzanalyse (ANOVA) Übersicht Vergleich von Mittelwerten 2 Gruppen: t-test einfaktorielle ANOVA > 2 Gruppen: einfaktorielle ANOVA Seeigel und

Mehr

Wahrscheinlichkeitsrechnung und Statistik. 11. Vorlesung /2019

Wahrscheinlichkeitsrechnung und Statistik. 11. Vorlesung /2019 Wahrscheinlichkeitsrechnung und Statistik 11. Vorlesung - 2018/2019 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 2 heißt Median. P(X < z

Mehr

Statistische Tests für unbekannte Parameter

Statistische Tests für unbekannte Parameter Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung

Mehr

5. Spezielle stetige Verteilungen

5. Spezielle stetige Verteilungen 5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für

Mehr

Deskriptivstatistik a) Univariate Statistik Weiters zum Thema der statistischen Informationsverdichtung

Deskriptivstatistik a) Univariate Statistik Weiters zum Thema der statistischen Informationsverdichtung 20 Weiters zum Thema der statistischen Informationsverdichtung M a ß z a h l e n Statistiken bei Stichproben Parameter bei Grundgesamtheiten Maßzahlen zur Beschreibung univariater Verteilungen Maßzahlen

Mehr

Vorlesung: Statistik II für Wirtschaftswissenschaft

Vorlesung: Statistik II für Wirtschaftswissenschaft Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2

Mehr

Medizinische Statistik

Medizinische Statistik Medizinische Statistik Angewandte Biometrie für Ärzte und Gesundheitsberufe Bearbeitet von Wilhelm Gaus, Rainer Muche 1. Auflage 2013. Buch. 640 S. Hardcover ISBN 978 3 7945 2931 5 Format (B x L): 16,5

Mehr

Wissenschaftliche Nachrichten: https://www.bmbf.gv.at/schulen/sb/wina/wina.html Vol. 131/2006, 19-21

Wissenschaftliche Nachrichten: https://www.bmbf.gv.at/schulen/sb/wina/wina.html Vol. 131/2006, 19-21 Der T-Test in Excel NORBERT BRUNNER und MANFRED KÜHLEITNER Ein häufiges Problem ist der Vergleich eines beobachteten Stichprobenmittelwerts mit einem Sollwert. Dabei wird der T-Test angewandt. Wir zeigen

Mehr

Klassifikation von Signifikanztests

Klassifikation von Signifikanztests Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen

Mehr

Lösungen zu Übungsblatt 9 Höhere Mathematik2/Stochastik 2 Master KI/PI

Lösungen zu Übungsblatt 9 Höhere Mathematik2/Stochastik 2 Master KI/PI Lösungen zu Übungsblatt 9 Höhere Mathematik/Stochastik Anpassung von Verteilungen Zu Aufgabe ) a) Zeichnen des Histogranmmes: Um das Histogramm zu zeichnen, benötigen wir die Höhe der Balken. Die Höhe

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung und Statistik 10. Vorlesung - 017 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 heißt Median. P(X < z α ) α P(X z α ). Falls X stetige zufällige Variable

Mehr

In den letzten zwei Abschnitten wurde die tatsächliche Häufigkeitsverteilung bzw. prozentuale Häufigkeitsverteilung abgehandelt.

In den letzten zwei Abschnitten wurde die tatsächliche Häufigkeitsverteilung bzw. prozentuale Häufigkeitsverteilung abgehandelt. .3.3 Theoretisch-prozentuale Häufigkeitsverteilung In den letzten zwei Abschnitten wurde die tatsächliche Häufigkeitsverteilung bzw. prozentuale Häufigkeitsverteilung abgehandelt. Charakteristisch für

Mehr

Hypothesentests für Erwartungswert und Median. Statistik (Biol./Pharm./HST) FS 2015

Hypothesentests für Erwartungswert und Median. Statistik (Biol./Pharm./HST) FS 2015 Hypothesentests für Erwartungswert und Median Statistik (Biol./Pharm./HST) FS 2015 Normalverteilung X N μ, σ 2 X ist normalverteilt mit Erwartungswert μ und Varianz σ 2 pdf: pdf cdf:??? cdf 1 Zentraler

Mehr

Kapitel VII. Einige spezielle stetige Verteilungen

Kapitel VII. Einige spezielle stetige Verteilungen Kapitel VII Einige spezielle stetige Verteilungen D. 7.. (Normalverteilung) Eine stetige Zufallsgröße X sei als normalverteilt bezeichnet, wenn sie folgende Wahrscheinlichkeitsdichte besitzt: µ f ( ; µ,

Mehr

BOXPLOT 1. Begründung. Boxplot A B C

BOXPLOT 1. Begründung. Boxplot A B C BOXPLOT 1 In nachstehender Tabelle sind drei sortierte Datenreihen gegeben. Zu welchem Boxplot gehört die jeweilige Datenreihe? Kreuze an und begründe Deine Entscheidung! Boxplot A B C Begründung 1 1 1

Mehr

DWT 2.1 Maximum-Likelihood-Prinzip zur Konstruktion von Schätzvariablen 330/467 Ernst W. Mayr

DWT 2.1 Maximum-Likelihood-Prinzip zur Konstruktion von Schätzvariablen 330/467 Ernst W. Mayr 2.1 Maximum-Likelihood-Prinzip zur Konstruktion von Schätzvariablen Wir betrachten nun ein Verfahren zur Konstruktion von Schätzvariablen für Parameter von Verteilungen. Sei X = (X 1,..., X n ). Bei X

Mehr

Statistics, Data Analysis, and Simulation SS 2017

Statistics, Data Analysis, and Simulation SS 2017 Statistics, Data Analysis, and Simulation SS 2017 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Mainz, May 29, 2017 Dr. Michael O. Distler

Mehr

Prüfung aus Statistik 2 für SoziologInnen

Prüfung aus Statistik 2 für SoziologInnen Prüfung aus Statistik 2 für SoziologInnen 11. Oktober 2013 Gesamtpunktezahl =80 Name in Blockbuchstaben: Matrikelnummer: Wissenstest (maximal 16 Punkte) Kreuzen ( ) Sie die jeweils richtige Antwort an.

Mehr

Klausurnachbesprechung

Klausurnachbesprechung Klausurnachbesprechung 8.0.006 nicht bestanden bestanden sehr gut gut befriedigend ausreichend 0 5 0 5 0 5 Aufgabe B Aufgabe : 0 Punkte Der Anteil an Grundwasserneubildung (GWN in %) an der Gesamtabflussbildung

Mehr

Hypothesentests für Erwartungswert und Median. für D-UWIS, D-ERDW, D-USYS und D-HEST SS15

Hypothesentests für Erwartungswert und Median. für D-UWIS, D-ERDW, D-USYS und D-HEST SS15 Hypothesentests für Erwartungswert und Median für D-UWIS, D-ERDW, D-USYS und D-HEST SS15 Normalverteilung X N(μ, σ 2 ) : «X ist normalverteilt mit Erwartungswert μ und Varianz σ 2» pdf: f x = 1 2 x μ exp

Mehr

Statistik Prüfung 24. Jänner 2008

Statistik Prüfung 24. Jänner 2008 Statistik Prüfung 24. Jänner 2008 February 10, 2008 Es ist immer nur EINE Antwort richtig, bei falsch beantworteten Fragen gibt es KEINEN Punktabzug. Werden mehrere Antworten bei einer Frage angekreuzt,

Mehr

Aufgabe 17: 0,4 0,2. c) P ( Z ) ( Z ) 0,4 0,2 [ ] 0,4 0,2 0,4 0,2

Aufgabe 17: 0,4 0,2. c) P ( Z ) ( Z ) 0,4 0,2 [ ] 0,4 0,2 0,4 0,2 Aufgabe 17: a) P( Z > ) =, 8,4, - - -1 1 b) P( Z ) ( ) 1< < + 1 = 1, 158655 = 1, 171=, 6869 = 68, 69%,4, - - -1 1 [ ] c) P ( Z ) ( Z ) < 1, 64 > + 1, 64 =, 55 =, 116,4, - - -1 1 d) P( Z < A) =, 5 A =,4,

Mehr

Klausur zur Vorlesung

Klausur zur Vorlesung Institut für Mathematische Stochastik WS 2004/2005 Universität Karlsruhe 14. Februar 2005 Dr. Bernhard Klar Sebastian Müller Aufgabe 1: (15 Punkte) Klausur zur Vorlesung Statistik für Biologen Musterlösungen

Mehr

Vergleich von Gruppen I

Vergleich von Gruppen I Vergleich von Gruppen I t-test und einfache Varianzanalyse (One Way ANOVA) Werner Brannath VO Biostatistik im WS 2006/2007 Inhalt Der unverbundene t-test mit homogener Varianz Beispiel Modell Teststatistik

Mehr

7. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17

7. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17 7. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17 1. Aufgabe: a) Grundgesamtheit sind alle Reifen aus der Produktion von Langstone aus dem Monat März der entsprechenden Reifentypen.

Mehr

Maurizio Musso, Universität Salzburg, ver Physikalische Grundlagen der Meßtechnik. Teil 2

Maurizio Musso, Universität Salzburg, ver Physikalische Grundlagen der Meßtechnik. Teil 2 Teil 2 Auswertung von Messungen, zufällige oder statistische Abweichungen Auswertung direkter Messungen Häufigkeitsverteilung, Häufigkeitsfunktion Mittelwert, Standardabweichung der Einzelwerte Standardabweichung

Mehr

PROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale)

PROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale) PROC MEAS zum Berechnen statistischer Maßzahlen (für quantitative Merkmale) Allgemeine Form: PROC MEAS DATA=name Optionen ; VAR variablenliste ; CLASS vergleichsvariable ; Beispiel und Beschreibung der

Mehr

Statistik Zusätzliche Beispiele SS 2018 Blatt 3: Schließende Statistik

Statistik Zusätzliche Beispiele SS 2018 Blatt 3: Schließende Statistik Statistik Zusätzliche Beispiele SS 2018 Blatt 3: Schließende Statistik 1. I Ein Personalchef führt so lange Vorstellungsgespräche durch bis der erste geeignete Bewerber darunter ist und stellt diesen an.

Mehr

Kennwerteverteilungen von Häufigkeiten und Anteilen

Kennwerteverteilungen von Häufigkeiten und Anteilen Kennwerteverteilungen von Häufigkeiten und Anteilen SS200 6.Sitzung vom 29.05.200 Die hypergeometrische Verteilung Wahrscheinlichkeitsverteilung der Häufigkeit eines binären Merkmals bei Einfacher Zufallsauswahl

Mehr

Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf. Vorlesung 04 Mathematische Grundlagen II,

Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf. Vorlesung 04 Mathematische Grundlagen II, Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf 1 Was sollen Sie heute lernen? 2 Agenda Wiederholung stetige Renditen deskriptive Statistik Verteilungsparameter

Mehr

Biostatistik, Sommer 2017

Biostatistik, Sommer 2017 1/51 Biostatistik, Sommer 2017 Wahrscheinlichkeitstheorie: Verteilungen, Kenngrößen Prof. Dr. Achim Klenke http://www.aklenke.de 8. Vorlesung: 09.06.2017 2/51 Inhalt 1 Verteilungen Normalverteilung Normalapproximation

Mehr

Der Erwartungswert E[g(X)] von g(x) ist definiert. g(x k )w(x = x k ),

Der Erwartungswert E[g(X)] von g(x) ist definiert. g(x k )w(x = x k ), 2.5 Parameter einer Verteilung 2.5. Erwartungswert X eine Zufallsvariable, g : R R stetig. Der Erwartungswert E[g(X)] von g(x) ist definiert durch: E[g(X)] := k g(x k )w(x = x k ), falls X diskret ist

Mehr

Das Histogramm ist glockenförmig. Es würde bei mehr als vier Fehlerquellen sich der Glockenform noch besser annähern.

Das Histogramm ist glockenförmig. Es würde bei mehr als vier Fehlerquellen sich der Glockenform noch besser annähern. 10. Stetige Zufallsvariable, Normalverteilung 55 Die in den folgenden Beispielen dargestellten Verteilungen haben ungefähr Glockenform. Sie können durch die sogenannte Normalverteilung oder Gaussverteilung

Mehr

Seminar Biopharmazie. Statistik. nur was für Unsichere oder ist sie ihr Geld wert?

Seminar Biopharmazie. Statistik. nur was für Unsichere oder ist sie ihr Geld wert? Seminar Biopharmazie Statistik nur was für Unsichere oder ist sie ihr Geld wert? Biopharmazie Statistik 1 Allgemeine Symbole Probenstatistik Verteilungs- Funktion Mittelwert bzw. Erwartungswert für n µ

Mehr

4. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017

4. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017 4. Lösung weitere Übungsaufgaben Statistik II WiSe 016/017 1. Aufgabe: Eine sächsische Molkerei füllt Milch in Tetrapacks ab. Es wird vermutet, dass die Füllmenge normalverteilt ist mit einem Erwartungswert

Mehr

1.5 Erwartungswert und Varianz

1.5 Erwartungswert und Varianz Ziel: Charakterisiere Verteilungen von Zufallsvariablen durch Kenngrößen (in Analogie zu Lage- und Streuungsmaßen der deskriptiven Statistik). Insbesondere: a) durchschnittlicher Wert Erwartungswert, z.b.

Mehr

Klassifikation von Signifikanztests

Klassifikation von Signifikanztests Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen

Mehr

Einführung in die Statistik

Einführung in die Statistik Einführung in die Statistik 1. Deskriptive Statistik 2. Induktive Statistik 1. Deskriptive Statistik 1.0 Grundbegriffe 1.1 Skalenniveaus 1.2 Empirische Verteilungen 1.3 Mittelwerte 1.4 Streuungsmaße 1.0

Mehr

Probeklausur zu Mathematik 3 für Informatik

Probeklausur zu Mathematik 3 für Informatik Gunter Ochs Juli 0 Probeklausur zu Mathematik für Informatik Lösungshinweise wie immel ohne Galantie auf Fehreleiheit Sei f ln a Berechnen Sie die und die Ableitung f und f Mit der Produktregel erhält

Mehr

Weibull-Statistik in der Praxis

Weibull-Statistik in der Praxis Holger Wilker Band 3 Weibull-Statistik in der Praxis Leitfaden zur Zuverlässigkeitsermittlung technischer Komponenten Zweite, vollständig überarbeitete und erweiterte Auflage Mit 182 Abbildungen, 86 Tabellen,

Mehr

Übungsaufgaben zu Statistik II

Übungsaufgaben zu Statistik II Übungsaufgaben zu Statistik II Prof. Dr. Irene Prof. Dr. Albrecht Ungerer Die Kapitel beziehen sich auf das Buch: /Ungerer (2016): Statistik für Wirtschaftswissenschaftler Springer Gabler 4 Übungsaufgaben

Mehr

Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz

Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz Grundlage: Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz Die Testvariable T = X µ 0 S/ n genügt der t-verteilung mit n 1 Freiheitsgraden. Auf der Basis

Mehr

Probleme bei kleinen Stichprobenumfängen und t-verteilung

Probleme bei kleinen Stichprobenumfängen und t-verteilung Probleme bei kleinen Stichprobenumfängen und t-verteilung Fassen wir zusammen: Wir sind bisher von der Frage ausgegangen, mit welcher Wahrscheinlichkeit der Mittelwert einer empirischen Stichprobe vom

Mehr

Die Familie der χ 2 (n)-verteilungen

Die Familie der χ 2 (n)-verteilungen Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +

Mehr

Pkt. Aufg.1: Aufg.2: Aufg.3: Aufg.4: Aufg.5:

Pkt. Aufg.1: Aufg.2: Aufg.3: Aufg.4: Aufg.5: Klausurbeispiel zu den Vorlesungen Statistik für Ingenieure/Stochastik sowie Datenanalyse und Statistik (Herbstsemester 00/003) Die Lösungen der Aufgaben sind jeweils in dieser grünen Farbe dargestellt!

Mehr

Die Familie der χ 2 (n)-verteilungen

Die Familie der χ 2 (n)-verteilungen Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +

Mehr

Musterlösung zu Serie 8

Musterlösung zu Serie 8 Dr. Markus Kalisch Statistik I für Biol./Pharm. Wiss./HST) FS 15 Musterlösung zu Serie 8 1. a) Damit fx) eine Dichte ist, muss die Fläche des Dreiecks gleich 1 sein. Es muss also gelten c = 1. Daraus folgt

Mehr

Test auf den Erwartungswert

Test auf den Erwartungswert Test auf den Erwartungswert Wir interessieren uns für den Erwartungswert µ einer metrischen Zufallsgröße. Beispiele: Alter, Einkommen, Körpergröße, Scorewert... Wir können einseitige oder zweiseitige Hypothesen

Mehr