Weitere Lagemaße: Quantile/Perzentile I
|
|
- Martha Stein
- vor 5 Jahren
- Abrufe
Transkript
1 3 Auswertug vo eidimesioale Date Lagemaße 3.3 Weitere Lagemaße: Quatile/Perzetile I Für jede Media x med gilt: Midestes 50% der Merkmalswerte sid kleier gleich x med ud ebeso midestes 50% größer gleich x med. Verallgemeierug dieser Eigeschaft auf beliebige Ateile geläufig, also auf Werte, zu dee midestes ei Ateil p kleier gleich ud ei Ateil 1 p größer gleich ist, sog. p-quatile (auch p-perzetile) x p. Mediae sid da gleichbedeuted mit 50%-Quatile bzw. 0.5-Quatile, es gilt also isbesodere bei eideutige Mediae x med = x 0.5. Deskriptive Statistik ud Wahrscheilichkeitsrechug (SS 2019) Folie 73 3 Auswertug vo eidimesioale Date Lagemaße 3.3 Weitere Lagemaße: Quatile/Perzetile II Defiitio 3.5 (Quatile/Perzetile, Quartile) Sei X ei (midestes) ordialskaliertes Merkmal auf der Mege der vorstellbare Merkmalsauspräguge M mit de Merkmalswerte x 1,..., x. Für 0 < p < 1 heißt jeder Wert x p M mit der Eigeschaft #{i {1,..., } x i x p } p ud #{i {1,..., } x i x p } 1 p p-quatil (auch p-perzetil) vo X. Ma bezeichet spezieller das 0.25-Quatil x 0.25 als uteres Quartil sowie das 0.75-Quatil x 0.75 als oberes Quartil. Deskriptive Statistik ud Wahrscheilichkeitsrechug (SS 2019) Folie 74
2 3 Auswertug vo eidimesioale Date Lagemaße 3.3 Weitere Lagemaße: Quatile/Perzetile III p-quatile ka ma auch mit der emp. Verteilugsfuktio F bestimme: Mit der Abkürzug F (x 0) := lim h 0 h>0 F (x h), x R, für liksseitige Grezwerte empirischer Verteilugsfuktioe F ist x p ist geau da ei p-quatil, we gilt: F (x p 0) p F (x p ) Spezieller ist x p geau da ei p-quatil, we bei Vorliege der exakte Häufigkeitsverteilug r ud Verteilugsfuktio F F (x p ) r(x p ) p F (x p ), bei Verwedug der approximative Verteilugsfuktio F bei klassierte Date (wege der Stetigkeit der Approximatio!) gilt. F (x p ) = p Deskriptive Statistik ud Wahrscheilichkeitsrechug (SS 2019) Folie 75 3 Auswertug vo eidimesioale Date Lagemaße 3.3 Weitere Lagemaße: Quatile/Perzetile IV Geauso wie der Media muss ei p-quatil icht eideutig bestimmt sei. Bei stetige Merkmale ka Eideutigkeit zum Beispiel durch die gägige Festlegug { x ( p +1) für p / N x p = 1 2 (x ) ( p) + x ( p+1) für p N erreicht werde, wobei x (1), x (2),..., x () die gemäß der vorgegebee Ordug sortierte Urliste ist ud mit y für y R die größte gaze Zahl kleier gleich y bezeichet wird. Zum Beispiel ist für die (bereits sortierte) Urliste 6.77, 7.06, 8.84, 9.98, 11.87, 12.18, 12.7, der Läge = 8 das 0.25-Quatil x 0.25 wege p = = 2 N icht eideutig bestimmt, soder alle Werte x 0.25 [7.06, 8.84] sid 0.25-Quatile. Die eideutige Festlegug ach obiger Kovetio würde da die Auswahl x 0.25 = 1 2 ( ) = 7.95 treffe. Deskriptive Statistik ud Wahrscheilichkeitsrechug (SS 2019) Folie 76
3 3 Auswertug vo eidimesioale Date Streuugsmaße 3.4 Streuugsmaße I Verdichtug der Merkmalswerte auf eie Lageparameter als eizige Kezahl recht uspezifisch. Starke Uterschiede trotz übereistimmeder Lagemaße möglich: Stabdiagramme zu Urliste mit idetischem Mittelwert, Modus, Media Urliste 1 Urliste 2 absolute Häufigkeit absolute Häufigkeit Merkmalsausprägug Merkmalsausprägug Deskriptive Statistik ud Wahrscheilichkeitsrechug (SS 2019) Folie 77 3 Auswertug vo eidimesioale Date Streuugsmaße 3.4 Streuugsmaße II Bei kardialskalierte Merkmale: zusätzliche Kezahl für Variatio bzw. Streuug der Merkmalswerte vo Iteresse Ählich wie bei Lagemaße: verschiedee Streuugsmaße gägig Alle Streuugsmaße gemeisam: Bezug zu Abstad zwische Merkmalswerte Ei möglicher Abstad: (Betrag der) Differez zwische Merkmalswerte Deskriptive Statistik ud Wahrscheilichkeitsrechug (SS 2019) Folie 78
4 3 Auswertug vo eidimesioale Date Streuugsmaße 3.4 Streuugsmaße III Defiitio 3.6 (Spaweite, IQA, mittlere abs. Abweichug) Seie x 1,..., x die Urliste zu eiem kardialskalierte Merkmal X, x med der Media ud x 0.25 bzw. x 0.75 das utere bzw. obere Quartil vo X. Da heißt ( ( 1 SP := ) max x i i {1,...,} ) mi x i = x () x (1) die Spaweite vo X, i {1,...,} 2 IQA := x 0.75 x 0.25 der Iterquartilsabstad (IQA) vo X, 3 MAA := 1 x i x med die mittlere absolute Abweichug vo X. i=1 Deskriptive Statistik ud Wahrscheilichkeitsrechug (SS 2019) Folie 79 3 Auswertug vo eidimesioale Date Streuugsmaße 3.4 Streuugsmaße IV Die Betragsstriche i Teil 1 ud 2 vo Defiitio 3.6 fehle, da sie überflüssig sid. Um Eideutigkeit i Teil 2 ud 3 vo Defiitio 3.6 zu erhalte, sid die für kardialskalierte Merkmale übliche Kovetioe zur Berechug vo Media ud Quatile aus Folie 61 bzw. 76 azuwede. Verwedug vo x statt x med i Teil 3 vo Defiitio 3.6 prizipiell möglich, aber: Beachte Folie 72! Weiterer möglicher Abstad: Quadrate der Differeze zwische Merkmalswerte Deskriptive Statistik ud Wahrscheilichkeitsrechug (SS 2019) Folie 80
5 3 Auswertug vo eidimesioale Date Streuugsmaße 3.4 Streuugsmaße V Defiitio 3.7 (empirische Variaz, empirische Stadardabweichug) Seie x 1,..., x die Urliste zu eiem kardialskalierte Merkmal X, x = 1 i=1 x i das arithmetische Mittel vo X. Da heißt 1 s 2 := 1 (x i x) 2 die (empirische) Variaz vo X, i=1 2 die (positive) Wurzel s = s 2 1 = i=1 (x i x) 2 die (empirische) Stadardabweichug vo X. Deskriptive Statistik ud Wahrscheilichkeitsrechug (SS 2019) Folie 81 3 Auswertug vo eidimesioale Date Streuugsmaße 3.4 Streuugsmaße VI Empirische Variaz bzw. Stadardabweichug sid die gebräuchlichste Streuugsmaße. Stadardabweichug s hat dieselbe Dimesio wie die Merkmalswerte, daher i.d.r. besser zu iterpretiere als Variaz. Für Merkmale mit positivem Mittelwert x als relatives Streuugsmaß gebräuchlich: Variatioskoeffiziet VK := s x Recheregel zur alterative Berechug vo s bzw. s2 vorhade. Satz 3.8 (Verschiebugssatz) Seie x 1,..., x die Urliste zu eiem kardialskalierte Merkmal X, x das arithmetische Mittel ud s 2 die empirische Variaz vo X. Da gilt s 2 = 1 i=1 x 2 i x 2 Deskriptive Statistik ud Wahrscheilichkeitsrechug (SS 2019) Folie 82
6 3 Auswertug vo eidimesioale Date Streuugsmaße 3.4 Streuugsmaße VII Mit der Schreibweise x 2 = 1 i=1 x i 2 erhält ma aus Satz 3.8 die kürzere Darstellug s 2 = x 2 x 2. Liegt zum Merkmal X die absolute Häufigkeitsverteilug h(a) bzw. die relative Häufigkeitsverteilug r(a) auf der Mege der Auspräguge A = {a 1,..., a m } vor, so ka s 2 auch durch s 2 = 1 m h(a j ) (a j x) 2 = m r(a j ) (a j x) 2 berechet werde. (Berechug vo x da mit Häufigkeite als x = 1 m h(a j) a j = m r(a j) a j, siehe Bemerkug 3.4 auf Folie 67) Natürlich ka alterativ auch Satz 3.8 verwedet ud x 2 = 1 i=1 x i 2 mit Hilfe der Häufigkeitsverteilug durch berechet werde. x 2 = 1 m h(a j ) aj 2 = m r(a j ) aj 2 Deskriptive Statistik ud Wahrscheilichkeitsrechug (SS 2019) Folie 83 3 Auswertug vo eidimesioale Date Streuugsmaße 3.4 Empirische Variaz bei klassierte Date Bei klassierte Date: auch für empirische Variaz ur Approximatio möglich. Aalog zur Berechug vo s 2 aus Häufigkeitsverteiluge: Näherugsweise Berechug vo s 2 aus Klassemitte m j ud absolute bzw. relative Klassehäufigkeite h j bzw. r j der l Klasse als s 2 = 1 l h j (m j x) 2 mit x = 1 l h j m j bzw. s 2 = l r j (m j x) 2 mit x = Alterativ: Verwedug vo Satz 3.8 mit x := 1 l h j m j = ud x 2 := 1 l h j mj 2 = l r j m j. l r j m j l r j mj 2. Deskriptive Statistik ud Wahrscheilichkeitsrechug (SS 2019) Folie 84
7 3 Auswertug vo eidimesioale Date Box-Plot 3.5 Box-ad-whisker-Plot I Häufig vo Iteresse: Visueller Vergleich eies Merkmals für verschiedee statistische Masse Dazu ötig: Grafische Darstellug mit Ausdehug (im Wesetliche) ur i eier Dimesio (2. Dimesio für Nebeeiaderstellug der Datesätze) Box-ad-whisker-Plot oder kürzer Box-Plot: Zur Urliste x 1,..., x eies kardialskalierte Merkmals werde im Prizip die 5 Kezahle x (1), x 0.25, x 0.5, x 0.75, x () i Form eies durch x 0.5 geteilte Kästches (Box) vo x 0.25 bis x 0.75 ud dara aschließede Schurrhaare (Whisker) bis zum kleiste Merkmalswert x (1) ud zum größte Merkmalswert x () dargestellt: x (1) x 0.25 x 0.5 x 0.75 x () Deskriptive Statistik ud Wahrscheilichkeitsrechug (SS 2019) Folie 85 3 Auswertug vo eidimesioale Date Box-Plot 3.5 Box-ad-whisker-Plot II (Häufig auftretede!) Ausahme: x (1) ud/oder x () liege weiter als der 1.5-fache Iterquartilsabstad (IQA) x 0.75 x 0.25 vo der Box etfert (also weiter als die 1.5-fache Breite der Box) Da: Whiskers ur bis zu äußerste Merkmalswerte ierhalb dieser Distaz ud separates Eitrage der Ausreißer, d.h. aller Urlisteeiträge, die icht vo der Box ud de Whiskers abgedeckt werde. Beispiel mit Ausreißer : x (1) x (2) x 0.25 x 0.5 x 0.75 x ( 5) x () Deskriptive Statistik ud Wahrscheilichkeitsrechug (SS 2019) Folie 86
8 3 Auswertug vo eidimesioale Date Box-Plot 3.5 Box-ad-whisker-Plot III Beispiel für Gegeüberstellug mehrerer Datesätze (Diskrete Tagesredite verschiedeer DAX-Papiere) ADS.DE ALV.DE BAS.DE BAYN.DE BEI.DE BMW.DE CBK.DE DAI.DE Deskriptive Statistik ud Wahrscheilichkeitsrechug (SS 2019) Folie 87 3 Auswertug vo eidimesioale Date Symmetrie- ud Wölbugsmaße 3.6 Symmetrie(-maß), Schiefe I Nebe Lage ud Streuug bei kardialskalierte Merkmale auch iteressat: Symmetrie (bzw. Asymmetrie oder Schiefe) ud Wölbug Ei Merkmal X ist symmetrisch (um x), we die Häufigkeitsverteilug vo X x mit der vo x X übereistimmt. (Dabei ist mit X x das Merkmal mit de Urlisteelemete x i x für i {1,..., } bezeichet, dies gilt aalog für x X.) Symmetrie eies Merkmals etspricht also der Achsesymmetrie des zugehörige Stabdiagramms um x. Ist ei Merkmal icht symmetrisch, ist die empirische Schiefe bzw. empirische Skewess ei geeigetes Maß für die Stärke der Asymmetrie. Deskriptive Statistik ud Wahrscheilichkeitsrechug (SS 2019) Folie 88
9 3 Auswertug vo eidimesioale Date Symmetrie- ud Wölbugsmaße 3.6 Symmetrie(-maß), Schiefe II Defiitio 3.9 (empirische Schiefe, Skewess) Sei X ei Merkmal mit der Urliste x 1,..., x. Da heißt skewess(x ) := 1 ( ) 3 xi x s i=1 mit x = 1 i=1 x 1 i ud s = i=1 (x i x) 2 die empirische Schiefe (Skewess) vo X. Ma ka zeige: X symmetrisch skewess(x ) = 0 X heißt likssteil oder rechtsschief, falls skewess(x ) > 0. X heißt rechtssteil oder liksschief, falls skewess(x ) < 0. Für symmetrische Merkmale ist x gleichzeitig Media vo X, bei likssteile Merkmale gilt tedeziell x > x med, bei rechtssteile tedeziell x < x med. Deskriptive Statistik ud Wahrscheilichkeitsrechug (SS 2019) Folie 89 3 Auswertug vo eidimesioale Date Symmetrie- ud Wölbugsmaße 3.6 Beispiele für empirische Schiefe vo Merkmale h(aj) symmetrisches Merkmal x med x a j h(aj) skewess(x)=1.128 likssteiles Merkmal x med x a j h(aj) rechtssteiles Merkmal x med x skewess(x)= a j Deskriptive Statistik ud Wahrscheilichkeitsrechug (SS 2019) Folie 90
10 3 Auswertug vo eidimesioale Date Symmetrie- ud Wölbugsmaße 3.6 Wölbugsmaß (Kurtosis) I Defiitio 3.10 (empirische Wölbug, Kurtosis) Sei X ei Merkmal mit der Urliste x 1,..., x. Da heißt kurtosis(x ) := 1 ( ) 4 xi x s i=1 mit x = 1 i=1 x 1 i ud s = i=1 (x i x) 2 die empirische Wölbug (Kurtosis) vo X. Kurtosis misst bei Merkmale mit eiem Modalwert, wie flach (kleier Wert) bzw. spitz (großer Wert) der Gipfel um diese Modalwert ist. Deskriptive Statistik ud Wahrscheilichkeitsrechug (SS 2019) Folie 91 3 Auswertug vo eidimesioale Date Symmetrie- ud Wölbugsmaße 3.6 Wölbugsmaß (Kurtosis) II Bei gleicher mittlerer quadratischer Abweichug vom Mittelwert ( Variaz) müsse Merkmale mit größerer emp. Kurtosis (mehr Werte i der Nähe des Gipfels) auch mehr weit vom Gipfel etferte Merkmalswerte besitze. Der Wert 3 wird als ormaler Wert für die empirische Kurtosis ageomme, Merkmale mit 1 kurtosis(x ) < 3 heiße platykurtisch, Merkmale mit kurtosis(x ) > 3 leptokurtisch. Vorsicht: Statt der Kurtosis vo X wird oft die Exzess-Kurtosis vo X agegebe, die der um de Wert 3 vermiderte Kurtosis etspricht. Deskriptive Statistik ud Wahrscheilichkeitsrechug (SS 2019) Folie 92
11 3 Auswertug vo eidimesioale Date Symmetrie- ud Wölbugsmaße 3.6 Beispiele für Merkmale mit uterschiedlicher empirischer Kurtosis Merkmal mit kleier empirischer Kurtosis (2.088) f j Merkmal mit großer empirischer Kurtosis (12.188) f j Deskriptive Statistik ud Wahrscheilichkeitsrechug (SS 2019) Folie 93 3 Auswertug vo eidimesioale Date Symmetrie- ud Wölbugsmaße 3.6 Schiefe ud Wölbug i grafische Darstelluge I Box-Plots lasse auch auf empirische Schiefe ud Kurtosis schließe. Bei symmetrische Merkmale sid auch die Box-Plots symmetrisch. Beispiel: Box-Plot zur Urliste 1, 2, 3, 4, 5, 6, 7, 8, 9: Deskriptive Statistik ud Wahrscheilichkeitsrechug (SS 2019) Folie 94
12 3 Auswertug vo eidimesioale Date Symmetrie- ud Wölbugsmaße 3.6 Schiefe ud Wölbug i grafische Darstelluge II Bei likssteile Merkmale hat tedeziell der rechte/obere Teil (rechter/oberer Teil der Box ud rechter/oberer Whisker) eie größere Ausdehug als der like/utere Teil. Bei rechtssteile Merkmale hat tedeziell der rechte/obere Teil (rechter/oberer Teil der Box ud rechter/oberer Whisker) eie kleiere Ausdehug als der like/utere Teil. Bei Merkmale mit großer empirischer Kurtosis gibt es tedeziell viele Ausreißer, also separat eigetragee Merkmalswerte außerhalb der Whiskers (weigstes auf eier Seite). Bei Merkmale mit kleier empirischer Kurtosis gibt es häufig weige oder gar keie Ausreißer. Deskriptive Statistik ud Wahrscheilichkeitsrechug (SS 2019) Folie 95 3 Auswertug vo eidimesioale Date Symmetrie- ud Wölbugsmaße 3.6 Beispiele für Merkmale mit uterschiedlicher empirischer Schiefe/Kurtosis Likssteil mit großer emp. Kurtosis Rechtssteil mit kleier emp. Kurtosis f j skewess(x)=2.13 kurtosis(x)=10.65 f j skewess(x)= 0.58 kurtosis(x)= Zugehörige Box-Plots: Deskriptive Statistik ud Wahrscheilichkeitsrechug (SS 2019) Folie 96
Weitere Lagemaße: Quantile/Perzentile II. Weitere Lagemaße: Quantile/Perzentile I. Weitere Lagemaße: Quantile/Perzentile IV
3 Auswertug vo eidimesioale Date Lagemaße 3.3 Weitere Lagemaße: Quatile/Perzetile I 3 Auswertug vo eidimesioale Date Lagemaße 3.3 Weitere Lagemaße: Quatile/Perzetile II Für jede Media x med gilt: Midestes
MehrWeitere Lagemaße: Quantile/Perzentile I
3 Auswertung von eindimensionalen Daten Lagemaße 3.3 Weitere Lagemaße: Quantile/Perzentile I Für jeden Median x med gilt: Mindestens 50% der Merkmalswerte sind kleiner gleich x med und ebenso mindestens
MehrStatistik I für Studierende der Soziologie
Name: Matrikelummer: Formelsammlug zur Vorlesug Statistik I für Studierede der Soziologie Dr. Caroli Strobl & Gero Walter WS 2008/09 1 Eiführug 1.1 Orgaisatorisches 1.2 Grudbegriffe 1.2.1 Statistische
MehrUnivariate Verteilungen
(1) Aalyse: "deskriptive Statistike" Aalysiere -> deskriptive Statistike -> deskriptive Statistik Keie tabellarische Darstellug der Häufigkeitsverteilug () Aalyse: "Häufigkeitsverteilug" Aalysiere -> deskriptive
MehrStatistik Einführung // Beschreibende Statistik 2 p.2/61
Statistik Eiführug Beschreibede Statistik Kapitel Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Beschreibede Statistik
MehrReader Teil 1: Beschreibende Statistik
Dr. Katharia Best Sommersemester 2011 14. April 2011 Reader Teil 1: Beschreibede Statistik WiMa-Praktikum Um Date darzustelle ud eie Übersicht über die Struktur der Date zu erstelle, stellt die beschreibede
MehrKennwerte 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
Mehrh i :=h a i f i = h a i n Absolute Häufigkeit: Relative Häufigkeit: h 2 h 4 h 6 :=h der Elemente mit der Ausprägung i=6 zu der Anzahl n aller Werte
. Wer Rechtschreibfehler fidet, darf sie behalte. Rechefehler werde zurückgeomme. Absolute Häufigkeit: h Wie viele Elemete weise diese bestimmte Wert (= diese bestimmte Ausprägug) auf? > Azahl h der Elemete
MehrAbsolutskala: metrische Skala mit einem natürlichen Nullpunkt und einer natürlichen Einheit. (Z.B. Einwohnerzahl). Nicht alle Variablen lassen sich
Grudbegrie Die beschreibede Statistik (deskriptive Statistik) ist eie systematische Zusammestellug vo Zahle ud Date zur Beschreibug bestimmter Zustäde, Etwickluge oder Phäomee. Die beschreibede Statistik
Mehr2.2.1 Lagemaße. Exkurs: Quantile. und n. p n
Ekurs: Quatile Ausgagspukt : Geordete Urliste Jeder Wert p, mit 0 < p
MehrParameter von Häufigkeitsverteilungen
Kapitel 3 Parameter vo Häufigkeitsverteiluge 3. Mittelwerte Mo Der Modus (:= häufigster Wert, Abk.: Mo) ist der Merkmalswert mit der größte Häufigkeit, falls es eie solche gibt. Er sollte ur bei eigipflige
MehrÜbersicht: BS - 08 BS Häufigkeitsverteilung. Häufigkeitsverteilungen. Parametrisierung. unklassiert. eindimensional. klassiert.
Übersicht: eidimesioal mehrdimesioal Häufigkeitsverteilug uklassiert klassiert tabellarische Darstellug Modul 07, graphische Darstellug Modul 07,2 Parametrisierug Lageparameter Modul 08 Streuugsparameter
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
MehrStatistik und Biometrie. Deskriptive Statistik I
Statistik ud Biometrie Deskriptive Statistik I Spruch des Tages Traue keier Statistik, die du icht selbst gefaelscht hast Wiederholug Merkmale Beobachtugseiheite sid Träger vo Merkmale Wiederholug Die
Mehr= 3. = 14,38... = x neu x = 0, = 97,87...%. Wie verändert sich der arithmetische Mittelwert von 20 Zahlen, wenn...
Mathemati macht Freu()de AB Statistische Kegröße ud Boxplot Arithmetischer Mittelwert x 1, x,..., x ist eie Liste vo reelle Zahle. Das arithmetische Mittel x der Zahle ist x = x 1 + x + + x. Arithmetischer
MehrDeskriptive Statistik
Deskriptive Statistik I der beschreibede Statistik werde Methode behadelt, mit dere Hilfe ma Date übersichtlich darstelle ud kezeiche ka. Die Urliste (=Date i der Reihefolge ihrer Erhebug) ist meist umfagreich
MehrMesseinheit in gleichen Abständen (Punkteskala, kg, cm, Jahre) Kapitel 3: Deskription Reihenfolge Beschreibung der Daten: (sehr - eher -
Kapitel 3: Deskriptio Beschreibug der Date: Gipfel, Streuug ud Verteilugsform Gruppe (ledig - verheiratet - gesch. - verwitwet) = omial Reihefolge (sehr - eher - weig - gar icht) = ordial Messeiheit i
Mehrx 1, x 2,..., x n ist eine Liste von n reellen Zahlen. Das arithmetische Mittel x der Zahlen ist x = x 1 + x x n n
Mathemati macht Freu()de AB Statistische Kegröße ud Boxplot x 1, x,..., x ist eie Liste vo reelle Zahle. Das arithmetische Mittel x der Zahle ist x = x 1 + x + + x. Arithmetischer Mittelwert Arithmetischer
MehrJugendliche (18-24 Jahre) in Westdeutschland
Modus Beispiel: Modus Jugedliche (8-4 Jahre) i Westdeutschlad Parameter oder Kewerte eier Häufigkeitsverteilug sid Kegröße, mit dere Hilfe die Verteilug z.t. oder vollstädig rekostruiert werde ka D West
MehrStreuungsmaße. 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,
MehrFormelsammlung. zur Klausur. Beschreibende Statistik
Formelsammlug zur Klausur Beschreibede Statistik Formelsammlug Beschreibede Statistik. Semester 004/005 Statistische Date Qualitative Date Nomial skalierte Merkmalsauspräguge (Uterscheidugsmerkmale) köe
MehrSind Sie mit unserem Angebot zufrieden? ja nein weiß nicht
STATISTIK Eiführug Statistik kommt vom italieische Wort statistica, was so viel wie Staatsma bedeutet. Früher verwedete ma de Begriff ur für eie Auswertug vo Date (Klima, Bevölkerug, Bräuche,...) eies
MehrZusammenfassung: Folgen und Konvergenz
LGÖ Ks VMa Schuljahr 6/7 Zusammefassug Folge ud Kovergez Ihaltsverzeichis Defiitioe ud Beispiele für Folge Beschräkte Folge Kovergez vo Folge Grezwertsätze für Folge 5 Für Experte 7 Defiitioe ud Beispiele
MehrUmrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung
.3. Prozetuale Häufigkeitsverteilug (HV) Die prozetuale Häufigkeitsverteilug erlaubt de Vergleich vo Auswertuge, dee uterschiedliche Stichprobegröße zugrude liege. Es köe auch uterschiedliche Stichprobegröße
MehrOrganisatorisches I. Deskriptive Statistik und Wahrscheinlichkeitsrechnung Vorlesung an der Universität des Saarlandes. Organisatorisches II
1 Eileitug Orgaisatorisches 11 Orgaisatorisches I Deskriptive Statistik ud Wahrscheilichkeitsrechug Vorlesug a der Uiversität des Saarlades PD Dr Marti Becker Sommersemester 2019 Vorlesug: Freitag, 12-14
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
MehrLage- und Streuungsmaße
Statistik 1 für SoziologIe Lage- ud Streuugsmaße Uiv.Prof. Dr. Marcus Hudec Streuugsmaße Statistische Maßzahle, welche die Variabilität oder die Streubreite i de Date messe. Sie beschreibe die Abweichug
Mehrh i Deskriptive Statistik 1-dimensionale Daten Daten und Häufigkeiten Seite 1 Nominal Ordinal Metrisch (Kardinal) Metrisch - klassiert
Deskriptive Statistik dimesioale Date Date ud Häufigkeite Seite Nomial Ordial Metrisch (Kardial Metrisch klassiert Beschreibug: Date habe keie atürliche Reihefolge. Bsp: Farbe, Religio, Geschlecht, Natioalität...
MehrHarmonisches Mittel. Streuungsmaße. Die mittlere Abweichung. Die Standardabweichung. Die Varianz. Statistik 3. Vorlesung, März 11, ,...
Statistik. Vorlesug, März, 9 Harmoisches Mittel xh = w wk +... + x x k Wobei w, w,... w k sid die gewichte (w + w + w +...+ w k = Beispiel: wir habe km mit eier Geschwidigkeit vo km/h, ud eie adere km
MehrSBP 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
MehrWirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel
3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Beispiel: Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische
MehrKennwerte eindimensionaler Häufigkeitsverteilungen Einführung
Kewerte eidimesioaler Häufigkeitsverteiluge Eiführug Statistische Kewerte vo Verteiluge sid umerische Maße mit der Fuktio, zusammefassed eie Eidruck vo 1) dem Schwerpukt, ) der Variabilität ud 3) der Form
MehrZusammenfassung: Folgen und Konvergenz
Zusammefassug Folge ud Kovergez Ihaltsverzeichis Defiitioe ud Beispiele für Folge Beschräkte Folge Kovergez vo Folge Grezwertsätze für Folge 6 Für Experte 8 Defiitioe ud Beispiele für Folge Defiitio Eie
Mehr3 Vergleich zweier unverbundener Stichproben
3 Vergleich zweier uverbudeer Stichprobe 3. Der Zweistichprobe t-test Es wird vorausgesetzt, dass die beide Teilstichprobe x, x,..., x ud y, y,..., y jeweils aus (voeiader uabhägige) ormalverteilte Grudgesamtheite
MehrFormelsammlung. Deskriptive Statistik und Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen
Formelsammlug Deskriptive Statistik ud Elemetare Wahrscheilichkeitsrechug Prof. Dr. Ralf Rude Statistik ud Ökoometrie, Uiversität Siege Prof. Dr. Ralf Rude - Uiversität Siege I Statistische Grudbegriffe
Mehr6 Vergleich mehrerer unverbundener Stichproben
6 Vergleich mehrerer uverbudeer Stichprobe 6.1 Die eifaktorielle Variazaalyse Die eifaktorielle Variazaalyse diet der Utersuchug des Eiflusses eier kategorieller (bzw. ichtmetrischer) Variable, die die
Mehr(a) Richtig, die Varianz ist eine Summe quadratischer Größen.
Aufgabe 1 (10 Pukte) Welche der folgede Aussage sid richtig? (a) Richtig, die Variaz ist eie Summe quadratischer Größe. (b) Falsch, die Abweichug ordialer Merkmale vom Media ist icht defiiert - also auch
MehrKleine Formelsammlung Beschreibende Statistik
Kleie Formelsammlug Beschreibede Statistik Prof. Dr. Philipp Sibbertse Wirtschaftswisseschaftliche Fakultät Leibiz Uiversität Haover Ihaltsverzeichis 1 Lage- ud Streuugsmaße 2 1.1 Der Media...................................
MehrBeschreibende Statistik Kenngrößen in der Übersicht (Ac)
Beschreibede Statistik Kegröße i der Übersicht (Ac) Im folgede wird die Berechugsweise des TI 83 (sowie vo SPSS, s. ute) verwedet. Diese geht auf eie Festlegug vo Moore ud McCabe (00) zurück. I der Literatur
MehrKapitel XI - Korrelationsrechnung
Istitut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökoometrie ud Statistik Kapitel XI - Korrelatiosrechug Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Seska Carlo Siebeschuh Aufgabe der Korrelatiosrechug
MehrVl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5
Vl Statistische Prozess- ud Qualitätskotrolle ud Versuchsplaug Übug 5 Aufgabe ) Sei p = P(A) die Wahrscheilichkeit für ei Ereigis A, dh., es gilt 0 p. Bereche Sie das Maximum der Fuktio f(p) = p(-p). Aufgabe
Mehr3 Folgen, Reihen, Grenzwerte 3.1 Zahlenfolgen. Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.
3 Folge, Reihe, Grezwerte 3.1 Zahlefolge Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.000, 1 3 Folge, Reihe, Grezwerte 3.1 Zahlefolge Defiitio: Eie
Mehr1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre Morgasche Formel A \ B = A [ B A [ B = A \ B Kommutativgesetz A \ B = B \ A A [ B = B [ A Assozia
Statistik I - Formelsammlug Ihaltsverzeichis 1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre................................. 1. Kombiatorik........................................ 1.3 Wahrscheilichkeite....................................
MehrVorkurs Mathematik für Informatiker Folgen
Vorkurs Mathematik für Iformatiker -- 9 Folge -- 6.1.215 1 Folge: Defiitio Eie (uedliche) Folge im herkömmliche Sie etsteht durch Hitereiaderschreibe vo Zahle 1,2,3,4,5, Dabei ist die Reihefolge wichtig,
MehrMathematik 2 für Naturwissenschaften
Has Walser Mathematik 2 für Naturwisseschafte Modul 201 Beschreibede Statistik Has Walser: Modul 201, Beschreibede Statistik ii Modul 201 für die Lehrverastaltug Mathematik 2 für Naturwisseschafte Sommer
MehrVl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3
Vl Statistische Prozess ud Qualitätskotrolle ud Versuchsplaug Übug 3 Aufgabe ) Die Schichtdicke X bei eier galvaische Beschichtug vo Autoteile sei ormalverteilt N(μ,σ ). 4 Teile werde galvaisch beschichtet.
Mehr4 Schwankungsintervalle Schwankungsintervalle 4.2
4 Schwakugsitervalle Schwakugsitervalle 4. Bemerkuge Die bekate Symmetrieeigeschaft Φ(x) = 1 Φ( x) bzw. Φ( x) = 1 Φ(x) für alle x R überträgt sich auf die Quatile N p der Stadardormalverteilug i der Form
Mehr15.4 Diskrete Zufallsvariablen
.4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet
Mehrn 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:
61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl
MehrFormelsammlung zur Statistik
Darstellug uivariater Date Formelsammlug zur Statistik Urliste x i : x 1,... x, aufsteiged geordete Urliste x (i) Die k (verschiedee) Auspräguge: a 1
MehrEvaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt
2.4.5 Gauss-Test ud t-test für verbudee Stichprobe 2.4.5.8 Zum Begriff der verbudee Stichprobe Verbudee Stichprobe: Vergleich zweier Merkmale X ud Y, die jetzt a deselbe Persoe erhobe werde. Vorsicht:
MehrDer Modus. Lageparameter. Beispiel (Einrichtungen) Beispiel (Lieblingsfarben) Modus. Untersuchungseinheiten U 1,...,U n. Merkmal X
Lageparameter Der Modus Utersuchugseiheite U,...,U Modus mod Mermal X Urliste,..., geordete Urliste (),..., () Es gilt i.allg.: ( ), i, K i i, Mermalsauspräguge a,..., a wird auch Modalwert oder häufigster
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte SS00 7.Sitzug vom.06.00 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluß Grudlage des Iduktiosschlusses:
MehrStatistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S
Statistik mit Excel 2013 Peter Wies Theme-Special 1. Ausgabe, Februar 2014 W-EX2013S 3 Statistik mit Excel 2013 - Theme-Special 3 Statistische Maßzahle I diesem Kapitel erfahre Sie wie Sie Date klassifiziere
MehrUnsere Daten. Konzentrationsmessung. Konzentrationskurve Summenkurve der Bierkonsumierung. Statistik 2. Vorlesung, Feb. 29, 2012
Statisti. Vorlesug, Feb. 9, Usere Date Höhe Gewicht 5 5 Coctails 5 7 75 5 7 cm Gewicht Glas Schuhgrösse Mathe 5 7 -.5..5..5..5 Reisezeit y 7 9 5 cm Mi Kozetratiosmessug Was für ei Ateil der Eiomme gehört
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte 7.Sitzug 35 Seite, SoSe 003 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluss Grudlage
MehrÜbungen mit dem Applet erwartungstreu
Übuge mit dem Applet erwartugstreu Visualisierug vo erwartugstreu Begriffe ud statischer Hitergrud. Visualisieruge mit dem Applet..3. Zufallsstreuug der Eizelwerte...3. Mittelwerte 3.3 Variaz. 4.4 Variaz
MehrGrenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen
. Der Grezwert vo mootoe, beschräkte Folge Der Grezwert vo mootoe, beschräkte Folge ist eifacher verstädlich als der allgemeie Fall. Deshalb utersuche wir zuerst diese Spezialfall ud verallgemeier aschliessed.
MehrWahrscheinlichkeit & Statistik Musterlösung Serie 13
ETH Zürich FS 2013 D-MATH Has Rudolf Küsch Koordiator Blaka Horvath Wahrscheilichkeit & Statistik Musterlösug Serie 13 1. a) Die Nullhypothese lautet dass das echte Medikamet höchstes gleich gut ist wie
MehrTests statistischer Hypothesen
KAPITEL 0 Tests statistischer Hypothese I der Statistik muss ma oft Hypothese teste, z.b. muss ma ahad eier Stichprobe etscheide, ob ei ubekater Parameter eie vorgegebee Wert aimmt. Zuerst betrachte wir
MehrKapitel 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
MehrWissenschaftliches Arbeiten Studiengang Energiewirtschaft
Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:
MehrKursthemen 5. Sitzung. Lagemaße
Kurstheme 5. Sitzug Folie I - 5 - Lagemaße A) Arithmetisches Mittel (AM), Media ud Modus (Folie 2 bis 8) A) Arithmetisches Mittel (AM), Media ud Modus (Folie 2 bis 8) B) Der Additiossatz für AM (Folie
Mehr3.2 Wilcoxon Rangsummentest
3. Wilcoxo Ragsummetest Wir gehe davo aus, dass zwei Teilstichprobe x 1, x,..., x 1 ud y1, y,..., y vorliege, wobei die erste Teilstichprobe aus Realisieruge vo uabhägig ud idetisch stetig verteilte Zufallsvariable
MehrFolgen und Reihen. 23. Mai 2002
Folge ud Reihe Reé Müller 23. Mai 2002 Ihaltsverzeichis 1 Folge 2 1.1 Defiitio ud Darstellug eier reelle Zahlefolge.................. 2 1.1.1 Rekursive Defiitio eier Folge......................... 3 1.2
MehrKonzentration und Disparität
Begleitede Uterlage zur Übug Deskriptive Statistik Michael Westerma Uiversität Esse Ihaltsverzeichis 6 Kozetratios- ud Disparitätsmessug................................ 2 6.1 Begriff ud Eileitug.......................................
Mehr3 Grenzwerte. 3.1 Grenzwerte von Folgen
03-grezwerte.cdf 3 Grezwerte 3. Grezwerte vo Folge Kovergez Mache Folge zeige ei spezielles Verhalte, we der Idex sehr groß wird. Sie äher sich eier bestimmte Zahl. Betrachte wir zum Beispiel die Folge
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Semiar für Theoretische Wirtschaftslehre Vorlesugsprogramm 30.04.203 Mittelwerte ud Lagemaße I. Quatile vo Häufigkeitsverteiluge
MehrStatistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39
Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle
MehrStatistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik
Statistik Kapitel 5: Schließede Statistik 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel 1» Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte der arithmetische
Mehrmit (a 1 ) (0,0,,0). Dann ist die Menge,,a n,a 2 eine endliche Menge und besitzt ein grösstes Element ggt(a 1
Kapitel 1: Reste, Teiler, Vielfache Defiitio Es sei a 0. Die Zahl b 0 ist ei Teiler vo a, we es ei u 0 gibt, sodass ub= a. Ist b ei Teiler vo a, so ist a ei Vielfaches vo b. Bezeichug b a für b ist Teiler
MehrMathematische und statistische Methoden I
Methodelehre e e Prof. Dr. G. Meihardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstude jederzeit ach Vereibarug ud ach der Vorlesug. Mathematische ud statistische Methode I Dr. Malte Persike persike@ui-maiz.de
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
Lehrstuhl für Empirische Wirtschaftsforschug ud Ökoometrie Dr. Rolad Füss Statistik II: Schließede Statistik SS 2007 6. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug
MehrStatistik I Februar 2005
Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet
MehrStatistik I im Sommersemester 2007
Statistik I im Sommersemester 2007 Theme am 30.4.2007: Uivariate Verteiluge II Graphische Darstellug omialskalierter Verteiluge Verteilugsparameter: Lagemaße Modus, Media ud Mittelwerte Lerziele:. Iterpretatio
MehrWISTA 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,
MehrKreisabbildungen. S 1 f S 1. Beispiele: (1) f = id, F = id,
Kreisabbilduge Im Folgede sehe wir us eie gaz spezielle Klasse vo dyamische Systeme a: Abbilduge auf dem Kreis. Diese sid eifach geug, so dass wir sie och recht leicht aalysiere köe, habe aber adererseits
Mehrs xy x i x y i y s xy = 1 n i=1 y 2 i=1 x 2 s 1 n x n i Streudiagramme empirische Kovarianz x=5,5 y=7,5
Streudiagramme für metrisch skalierte Variable paarweise Messwerte (x,y) x 5 7 y 7 5 7 5 5 7 Aussage zu Zusammehäge. empirische Kovariaz Stadardabweichug der WertPAARE x i x y Wert x Mittelwert aller x
MehrDiskrete Zufallsvariablen
Erste Beispiele diskreter Verteiluge Diskrete Zufallsvariable Beroulli-Verteilug Eie diskrete Zufallsvariable heißt beroulliverteilt mit arameter p, falls sie die Wahrscheilichkeitsfuktio p,, f ( ) ( )
MehrAuszüge der nichtparametrischen Statisik
Empirische Wirtschaftsforschug - 1 - Auszüge der ichtparametrische Statisik Kapitel 1: Räge ud lieare Ragstatistike Aahme, Defiitioe ud Eigeschafte (1.1) Aahme: (a) (b) Die Date x 1,, x sid midestes ordial.
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
Prof Dr R Köig Dr M Prähofer Zetralübug TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik Mathematik für Physiker (Aalysis ) MA90 Witersem 07/8 Lösugsblatt 4 http://www-m5matumde/allgemeies/ma90 07W (007)
Mehr3. Einführung in die Statistik
3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :
MehrHöhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 5. Übungsblatt
KARLSRUHER INSTITUT FÜR TECHNOLOGIE KIT Istitut für Aalysis Dr A Müller-Rettkowski Dr T Gauss WS 00/ Höhere Mathematik I für die Fachrichtuge Elektroigeieurwese, Physik ud Geodäsie Lösugsvorschläge zum
MehrELEMENTE DER ZAHLENTHEORIE UND AUFBAU DES ZAHLENSYSTEMS
ELEMENTE DER ZAHLENTHEORIE UND AUFBAU DES ZAHLENSYSTEMS vo Rolf Waldi 1 Kapitel I. Elemetare Zahletheorie 1 Grudlegede Regel ud Prizipie Es wird vorausgesetzt, daß der Leser mit gaze Zahle reche ka ud
MehrWahrscheinlichkeitstheorie und Statistik vom
INSTITUT FÜR MATHEMATISCHE STOCHASTIK WS 005/06 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Klausur Wahrscheilichkeitstheorie ud Statistik vom 9..006 Musterlösuge Aufgabe A: Gegebe sei eie Urliste
Mehr1 Randomisierte Bestimmung des Medians
Praktikum Diskrete Optimierug (Teil 0) 0.07.006 Radomisierte Bestimmug des Medias. Problemstellug ud Ziel I diesem Abschitt stelle wir eie radomisierte Algorithmus zur Bestimmug des Medias vor, der besser
MehrKlausur 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
MehrAnalysis I Lösungsvorschläge zum 3. Übungsblatt Abgabe: Bis Donnerstag, den , um 11:30 Uhr
Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Dipl.-Math. Lars Machiek Dipl.-Math. Sebastia Schwarz WS 206/207 03..206 Aalysis I Lösugsvorschläge zum 3. Übugsblatt Abgabe:
MehrBsp.: Kostenfunktion: Gerade, nichtlineare Kurve Stichwort: Fixkosten, Variable Kosten, proportional/überproportional steigend
FerUNI Hage WS 00/0 Differetialrechug für Fkt. Eier Variable Ziel: Maß für lokale Äderuge eier Fuktio Bei Etscheiduge sid of icht die absolute Koste iteressat, soder vielmehr die Veräderug, die eie Produktio
Mehr2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters:
. Schätzverfahre. Puktschätzug wirtschaftlicher Kezahle Allgemei: Puktschätzug eies Parameters: Ermittlug eies Schätzwertes für eie ubekate Parameter eier Zufallsvariable i der Grudgesamtheit mit Hilfe
Mehr14 Statistische Beziehungen zwischen nomi nalen Merkmalen
14 Statistische Beziehuge zwische omi ale Merkmale 14.1 Der Chi Quadrat Test auf Uabhägigkeit für Vier Feldertafel 14.2 Der Chi Quadrat Test auf Uabhägigkeit für r s Kotigeztafel 14.3 Zusammmehagsmaße
MehrSo lösen Sie die Gleichung für den Korrelationskoeffizienten
8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Dabei sid Datepukte ( x 1, y 1 ),( x 2, y 2 ), ( x, y ) gegebe.
Mehr6. Übungsblatt Aufgaben mit Lösungen + Selbsttest-Auflösung
6. Übugsblatt Aufgabe mit Lösuge + Selbsttest-Auflösug Aufgabe 6: Utersuche Sie die Folge, dere Glieder ute für N agegebe sid, auf Beschräktheit, Mootoie ud Kovergez bzw. Beschräktheit, Mootoie ud Kovergez
MehrPraktikum 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
MehrProf. 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
Mehr6 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
MehrKapitel 6 : Punkt und Intervallschätzer
7 Kapitel 6 : Pukt ud Itervallschätzer Puktschätzuge. I der Statistik wolle wir Rückschlüsse auf das Wahrscheilichkeitsgesetz ziehe, ach dem ei vo us beobachtetes Zufallsexperimet abläuft. Hierzu beobachte
Mehr6. Grenzwertsätze. 6.1 Tschebyscheffsche Ungleichung
6. Grezwertsätze 6.1 Tschebyscheffsche Ugleichug Sofer für eie Zufallsvariable X die Verteilug bekat ist, lässt sich die Wahrscheilichkeit dafür bestimme, dass X i eiem bestimmte Itervall liegt. Wie ist
Mehr