, dt. $+ f(x) = , - + < x < +, " > 0. " 2# Für die zugehörige Verteilungsfunktion F(x) ergibt sich dann: F(x) =
|
|
- Hertha Diefenbach
- vor 8 Jahren
- Abrufe
Transkript
1 Normalverteilung Die Gauß-Verteilung oder Normal-Verteilung ist eine stetige Verteilung, d.h. ihre Zufallsvariablen können beliebige reelle Zahlenwerte annehmen. Wir definieren sie durch die folgende Wahrscheinlichkeitsdichte: % xµ ( f(x) = " # e ' * & " ), - + < x < +, " > 0. Für die zugehörige Verteilungsfunktion F(x) ergibt sich dann: F(x) = " # e % tµ ( x ' * & " ), dt. + Wenn uns die Wahrscheinlichkeit P interessiert, mit der bei einem normalverteilten Zufallsexperiment ein Ereignis auftritt, dessen Zahlenwert im Intervall (a,b] liegt, so müssen wir den Ausdruck bilden: P(a< X" b) = F(b) #F(a) = Anmerkungen % e# & ḇ t#µ ( ' #, ) + * dt # % e# & t#µ ) a ( + - ' * dt = % #, e# & ḇ ( ' a t#µ ) + * dt. Die Dichtefunktion f(x) ist symmetrisch zur Geraden x=µ. Ihr Aussehen erinnert an eine Glocke. Wir sprechen deshalb auch von einer Glockenfunktion. Das Maximum der Dichtefunktion zeigt den Wert der größten Wahrscheinlichkeitsdichte an. Das Maximum liegt im Zentrum der Verteilung bei x=µ. 3 Die Fläche unter der Dichtefunktion ist. 4 Eine Stammfunktion zu f(x) kann nicht berechnet werden. 5 Die beiden einzigen Variabeln in der Normalverteilung sind die Parametergrößen µ und σ. Wir skizzieren einige Kurven, indem wir die Parameter µ und σ verändern und lesen aus den Skizzen die Bedeutung der Parameter für die Normalverteilung ab. Die nachfolgenden Grafiken zeigt zunächst drei Kurven mit dem Mittelwert µ=0 und den drei Standardabweichungen σ=0.5 (schlanke Glockenkurve, blau), σ=(mittlere Glockenkurve, rot) und σ= (flache Glockenkurve, oliv). Je kleiner σ ist, desto schlanker und höher wird der Kurvenverlauf der Wahrscheinlichkeitsdichte. Darunter sind drei Kurven mit σ= und den drei Mittelwerten µ=-, rot, µ=, blau, und µ=.5, violett.. Die Glockenkurven verschieben sich mit den µ - Werten. Für positive µ wandern sie um µ nach rechts, für negative µ- Werte wandern sie nach links. Der Flächeninhalt unter allen Kurven ist immer gleich.
2 39 Wir formulieren nun die wichtige Aussage: Ist eine Zufallsvariable X normalverteilt, so ist die Wahrscheinlichkeit, dass X irgendeinen Wert zwischen x=a und x=b annimmt, also a<x b gilt, definiert durch: P(a<X"b) = F(b)#F(a) = % e# & t#µ ) ( + ' * b, dt. a
3 40 Bedauerlicherweise können wir dieses Integral nicht elementar auflösen; wir können es aber mit der Substitution u = t "µ # nebst du = dt überführen in eine "normierte" Normalverteilung " mit dem Mittelwert µ=0 und der Varianz σ =: "(#) = # ' e %u du. Normierte Normalverteilung %& Zwischen x und ξ bzw. F(x) und Φ(ξ) gelten die Zusammenhänge: " = x #µ Die Funktion bzw. "(u) = # e% u, % & < u < &, & F(x) = "(#) = " x µ ) ( +. ' % * heißt Dichte der Standardnormalverteilung. Für die Standardnormalverteilung Φ(ξ) existieren Tabellen in der Literatur aus denen wir die Wahrscheinlichkeiten ablesen können. Diese Ergebnisse können wir dann zurück ü- bertragen auf unser nicht normiertes Problem. Beispiele Die Messfehler bei einer Beobachtung seien normalverteilt mit den Parametern µ= und σ=. Wie groß ist die Wahrscheinlichkeit P(X 3) einen Zahlenwert X 3 abzulesen bzw. wie groß ist der Zahlenwert der Verteilungsfunktion F(x=3)? Wie groß ist die Wahrscheinlichkeit einen Messwert zu erhalten, der zwischen µ-σ=- und µ+σ=3 liegt? Wir illustrieren zunächst die zugehörige Glockenkurve f(x) und die Verteilung F(x). Die analytischen Ausdrücke unserer Graphen sehen so aus: f(x) = % x( " # # e ' * & ), + < x < +, und F(x) = % t( x " # # e ' * & ), dt. + Bild der Gausskurve f(x) mit µ= und σ=. Die grüne Fläche repräsentiert die Wahr-scheinlichkeit für ein Ergebnis zwischen x=- und x=3.
4 4 Bild der Gauss- Verteilung F(x) mit µ= und σ=. Die Werte der roten Kurve F(x) stellen die Wahrscheinlichkeit für ein Ergebnis x dar, mit "# < X x. Die Wahrscheinlichkeit, dass ein Ergebnis auftritt, dass zwischen x=- und x=3 liegt, ist durch die grüne Fläche repräsentiert. Unsere Ergebnisse könnten wir auch direkt aus dem Bild zur Gauss-Verteilung F(x) ablesen. Aus dem Bild lesen wir ab: F(3)=0.84; also ist die Wahrscheinlichkeit gleich 84%, eine Zahl x 3 abzulesen. Außerdem ist die Wahrscheinlichkeit gleich 6%, eine Zahl x - abzulesen. Daraus errechnen wir für die Wahrscheinlichkeit einen Messwert abzulesen, der zwischen µ-σ=- und µ+σ =3 liegt: F(3)- F(-)= =0.68 " 3. Offensichtlich müssen wir diese Rechnung aber stets wieder von vorn beginnen, wenn sich die Parameterwerte ändern. Mit der Standard-Normalverteilung besitzen wir nun ein Instrument, das es uns erlaubt, Bild und Tabelle nur einmal erstellen zu müssen, und daraus für alle Parameterwerte µ und σ die jeweiligen Wahrscheinlichkeitsberechnungen herzuleiten. Wir wollen deshalb beispielhaft die obigen Ergebnisse aus der Standardform ablesen. Zunächst transformieren wir zu diesem Anlass die Formeln in die Standardform und rechnen aus, wie sich die Zahlenwerte mit der Substitution u = x " verändern: x = a " u = a #µ % ' x = a = 3 " u a = 3 # u = x # µ = ' & x = b = " u b = ## x = b " u = b #µ ' = # ' =,µ = " ( S = =und µ S = µ + ) # µ, +. = 0 * - Außerdem errechnen wir für die Substitution dx=du und somit insgesamt: "(u) = # e% u, % & < u < &, und "(#) = # % ( e& u du. &' Die Werte von µ und σ in der Standardform sind also stets µ S =0 und σ S =. Außerdem ergibt die Standardform u a = für x=a=3 und u b =0 für x=b=. Daraus rechnen wir folgende Ergebnisse: Φ(u=)=F(x=3)=0.84 und Φ(µ S +σ S =0+=)-Φ(µ S -σ S =0-=-)= =0.68.
5 4 In der Grafik sieht dies nun so aus: Bild der Standard- Gausskurve f(x) mit µ=0 und σ=. Die grüne Fläche repräsentiert die Wahrscheinlichkeit für ein Ergebnis zwischen u=- und u= (bzw. zwischen x=- und x=3). Bild der Standard- Gaussverteilung Φ(u) mit µ=0 und σ=. Die Werte der roten Kurve Φ(u) stellen die Wahrscheinlichkeit für ein Ergebnis u dar, mit "# < U u. Die Berechnung der Wahrscheinlichkeiten einer normalverteilten Zufallsvariablen mit dem Instrument der Standardform fassen wir so zusammen: Die Wahrscheinlichkeit, dass die normalverteilte Zufallsvariable X mit dem Mittelwert µ und der Standardabweichung σ einen Wert annimmt, der kleinergleich x ist, lautet: & F(x) = P(X " x) = # x µ ) ( + = #(u), mit u = x µ. ' % * % Die Wahrscheinlichkeit, dass X einen Wert größer x annimmt, ist dann: -F(x)=P(X>x)=-Φ(u). Die Wahrscheinlichkeit, dass die normalverteilte Zufallsvariable X mit dem Mittelwert µ und der Standardabweichung σ einen Wert x mit a<x b annimmt, lautet: & F(b) " F(a) = P(a < X # b) = b "µ ) & ( + " a "µ ) ( + = (u ' % 3 * ' % 3 * b ) " (u a ). u b u a
6 43 Normalverteilungen erhalten ihre besondere Bedeutung auch durch ihre Anwendung auf die Theorie der Messfehler (s. Nachfolgende Kapitel). Zufällige Messfehler, das sind solche, die nicht einer systematischen Abweichung unterworfen sind, besitzen im Regelfall eine Normalverteilung. Für den Wissenschaftler, der Messwerte abliest, stellt sich dabei häufig die Frage, mit welcher Wahrscheinlichkeit Messwerte außerhalb einer vorgegebenen Toleranz liegen. Bei einer einseitigen Abgrenzung nach oben lautet dann die Frage: Wie heißt der noch zu tolerierende Grenzwert x T für den F(x T )=P(X x T )=p ist bzw. wie heißt der entsprechende Standardwert u T mit Φ(u T )=P(U u T )=p T? Zu jedem vorgegebenen Wert von p T existieren Werte x T bzw. u T. Den Grenzwert u T nennen wir die Quantile der Standardnormalverteilung. Solche Werte werden tabellarisch aus der Standard-Normalverteilung abgelesen. In unserem obigen Beispiel ist etwa u T = die Quantile, die den Bereich U u T begrenzt, aus dem wir mit einer Wahrscheinlichkeit von 84% die Zufallsvariablen ablesen. Anmerkung Für große Werte von n können wir die Normalverteilung verwenden, um die Poisson- bzw. die Binomialverteilung anzunähern. Die Binomialverteilung besitzt den Mittelwert µ=n p und die Varianz σ =n p q. Als Näherung setzen wir diese Werte in die Formel für die Dichtefunktion bzw. die Verteilungsfunktion der Gausskurven ein: f B (x) = " # n# p # q e % xn#p ( ' * & n#p#q ) und F B (x) = " #n#p # q x % tn#p ( ' * & n#p#q ), e dt. + Beispiel aus Das Bild zeigt die Gauss- Glockenkurve (grüne Linie), die Binomial- bzw. die Poissonverteilung (gelbe bzw. violette Punkte) und die Beobachtungswerte (grüne Punkte). Die Parameterwerte erhalten wir aus dem Experiment: n=608 und µ " x = Daraus errechnen wir p = µ = und setzen n µ = " für Gauss. Grafische Darstellung zum Beispiel in mit Gausskurve, Binomi- Poissonverteilung und beobachteter relativer Häufigkeit von α-teilchen pro Zeitintervall.
7 44 Als weiteres Beispiel dafür, dass die Binomialverteilung bzw. die Poissonverteilung für große n und kleine Wahrscheinlichkeiten p mit der Gausskurve übereinstimmt zeigt das Bild zum Roulettebeispiel mit n=000 Spielen und dem Einsatz auf eine Zahl: p = 37. Darin sind die Ergebnisse der Binomialverteilung als rote und die der Poissonverteilung als grüne Punkte dargestellt. Die Gausskurve mit µ = n"p = und # 000" 36 = n"p " q = 37 ist als blaue Linie eingezeichnet. Mittelwerte von Zufallszahlen und die Normalverteilung Nachdem wir gelernt haben, wie die Normalverteilung analytisch und grafisch aussieht, und wie man mit ihr rechnet, wollen wir uns abschließend zu diesem Thema mit der Frage befassen, wie man sich den Begriff Wahrscheinlichkeitsdichte: % xµ ( f(x) = " # e ' * & " ), - + < x < +, " > 0, veranschaulichen kann. Zu diesem Zweck lassen wir uns von einem Rechenprogramm zunächst einen Datensatz mit einer Anzahl n, z.b. n=5000, Zufallszahlen zwischen den Grenzen a und b, z.b. a=-0 und b=0, ausdrucken. Wir teilen das Intervall [-0,0] in z.b. 0 Teilintervalle "x i,# i # 0, berechnen die relativen Häufigkeiten und die Summenhäufigkeiten dieser Stichprobenwerte und tragen sie in eine Tabelle ein.
8 45 Klasse i "9 "8 "7 "6 "5 "4 "3 " " Relative Häufigkeit h i Summen " häufigkeit Die Tabelle zeigt uns eine Verteilung an, in der alle 0 Intervalle in etwa gleich viele Zahlen enthalten, nämlich f(x) = 0 " h i # Dies ist natürlich zunächst keine Normalverteilung. Die Grafik zeigt zunächst die experimentellen bzw. theoretischen Werte (Säulen bzw. Linien) und bestätigt, dass unser Zufallsgenerator für die 5000 Zahlen kein Intervall bevorzugt. Wir wiederholen nun den Vorgang, bestimmen aber jede einzelne Zufallszahl nicht direkt, sondern als den Mittelwert von weiteren00 Zufallszahlen. Danach gehen wir so vor: Wir teilen den Bereich [-,], der alle Mittelwerte enthält, in 0 Teilintervalle "x i = 0., # i # 0, berechnen die relativen Häufigkeiten dieser Stichprobenwerte und bilden daraus folgende Werte: Relative Häufigkeit im Intervall "x i = h i = g i # f(x "x i "x { i ) i GaussDichte &Relative Häufigkeit im Intervall "x i = g i ' "x i # f(x i ) ' "x i. Mit dem Grenzwert für "x i # 0 entsteht dann: Wir fassen die Ergebnisse in einer Tabelle zusammen: Relative,% i % 0, h { i = g i " #x i = & f(x)dx =. i= relative Häufigkeiten i= %0 Klasse i ".9 ".7 ".5 ".3 ". "0.9 "0.7 "0.5 "0.3 " Häufigkeit h i g i = h i #x i Außerdem ermitteln wir aus dem Datensatz dessen Mittelwert und Standardabweichung und zeichnen mit diesen beiden empirischen Werten die entsprechende theoretische
9 46 Normalverteilung. Der Vergleich dieser Normalverteilung mit den Werten g i zeigt gute Ü- bereinstimmung. Die orangenen Punkte sind die g i Werte zu einer Gesamtheit von 500 Datenpunkten, während die grünen Punkte aus einer Gesamtheit von 0000 Datenpunkten ermittelt wurden. Je größer der Datensatz, umso besser die Übereinstimmung. Nun wurde das Experiment nochmals wiederholt, um die Bedeutung der Standardabweichung für die Normalverteilung zu veranschaulichen. Zu diesem Zweck wurden neben dem Ansatz, jeden einzelnen Mittelwert des Datensatzes aus 00 Zufallszahlen zu bestimmen, auch zwei weitere Ansätze mit 400 bzw. 900 Zufallszahlen pro Mittelwert gemacht. Je höher die Anzahl von Zufallszahlen pro Mittelwert, umso geringer wird die Standardabweichung der Normalverteilungen. Die blaue Kurve zeigt das Ergebnis mit 900 Zufallszahlen pro Mittelwert, die grüne Kurve zeigt die Kurve mit 400 Zufallszahlen pro Mittelwert und die orangene das Ergebnis für 00 Zufallszahlen pro Mittelwert. Die empirischen Maßzahlen zu diesen drei Kurven sind: n x s " Während sich n mit dem Faktor 4 bzw. 9 steigert, reduziert sich s mit den Faktoren 4 = bzw. 9 = 3. Um Statistik und insbesondere die Normalverteilung zu begreifen, wäre es nun zweckmäßig das Experiment zu diesen drei Kurven beliebig häufig zu wiederholen, um zu erkennen, dass sich jedes mal auf verschiedenen Wegen das gleiche Ergebnis ergibt.
$ % + 0 sonst. " p für X =1 $
31 617 Spezielle Verteilungen 6171 Bernoulli Verteilung Wir beschreiben zunächst drei diskrete Verteilungen und beginnen mit einem Zufallsexperiment, indem wir uns für das Eintreffen eines bestimmten Ereignisses
MehrFüllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge
2.4 Stetige Zufallsvariable Beispiel. Abfüllung von 500 Gramm Packungen einer bestimmten Ware auf einer automatischen Abfüllanlage. Die Zufallsvariable X beschreibe die Füllmenge einer zufällig ausgewählten
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrUniversität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B
Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip Sommersemester 2010 KLAUSUR Statistik B Hinweise zur Bearbeitung: Bei allen Teilaufgaben
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrBox-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8
. Aufgabe: Für zwei verschiedene Aktien wurde der relative Kurszuwachs (in % beobachtet. Aus den jeweils 20 Quartaldaten ergaben sich die folgenden Box-Plots. Box-and-Whisker Plot Aktie Aktie 2-0,2 0,8,8
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrStatistische Thermodynamik I Lösungen zur Serie 1
Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen
MehrStatistik I für Betriebswirte Vorlesung 5
Statistik I für Betriebswirte Vorlesung 5 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik 07. Mai 2015 PD Dr. Frank Heyde Statistik I für Betriebswirte Vorlesung 5 1 Klassische Wahrscheinlichkeitsdefinition
MehrBeispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen
4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.
MehrQuantilsschätzung als Werkzeug zur VaR-Berechnung
Quantilsschätzung als Werkzeug zur VaR-Berechnung Ralf Lister, Aktuar, lister@actuarial-files.com Zusammenfassung: Zwei Fälle werden betrachtet und die jeweiligen VaR-Werte errechnet. Im ersten Fall wird
MehrAustausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen
Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
MehrDer monatliche Tarif für ein Handy wurde als lineare Funktion der Form f(x) = k x + d modelliert (siehe Grafik).
1) Handytarif Der monatliche Tarif für ein Handy wurde als lineare Funktion der Form f(x) = k x + d modelliert (siehe Grafik). Euro Gesprächsminuten Tragen Sie in der folgenden Tabelle ein, welche Bedeutung
MehrB 2. " Zeigen Sie, dass die Wahrscheinlichkeit, dass eine Leiterplatte akzeptiert wird, 0,93 beträgt. (genauerer Wert: 0,933).!:!!
Das folgende System besteht aus 4 Schraubenfedern. Die Federn A ; B funktionieren unabhängig von einander. Die Ausfallzeit T (in Monaten) der Federn sei eine weibullverteilte Zufallsvariable mit den folgenden
MehrAbituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
MehrRegelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall
Wahrscheinlichkeitstheorie Was will die Sozialwissenschaft damit? Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall Auch im Alltagsleben arbeiten wir mit Wahrscheinlichkeiten, besteigen
Mehr9. Schätzen und Testen bei unbekannter Varianz
9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,
MehrVerteilungsmodelle. Verteilungsfunktion und Dichte von T
Verteilungsmodelle Verteilungsfunktion und Dichte von T Survivalfunktion von T Hazardrate von T Beziehungen zwischen F(t), S(t), f(t) und h(t) Vorüberlegung zu Lebensdauerverteilungen Die Exponentialverteilung
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt. Stock, Nordflügel R. 0-49 (Persike) R. 0- (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 008/009 Fachbereich
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
Mehrq = 1 p = 0.8 0.2 k 0.8 10 k k = 0, 1,..., 10 1 1 0.8 2 + 10 0.2 0.8 + 10 9 1 2 0.22 1 = 0.8 8 [0.64 + 1.6 + 1.8] = 0.678
Lösungsvorschläge zu Blatt 8 X binomialverteilt mit p = 0. und n = 10: a PX = = 10 q = 1 p = 0.8 0. 0.8 10 = 0, 1,..., 10 PX = PX = 0 + PX = 1 + PX = 10 10 = 0. 0 0.8 10 + 0. 1 0.8 9 + 0 1 10 = 0.8 8 [
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
MehrZahlen und das Hüten von Geheimnissen (G. Wiese, 23. April 2009)
Zahlen und das Hüten von Geheimnissen (G. Wiese, 23. April 2009) Probleme unseres Alltags E-Mails lesen: Niemand außer mir soll meine Mails lesen! Geld abheben mit der EC-Karte: Niemand außer mir soll
MehrData Mining: Einige Grundlagen aus der Stochastik
Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener
MehrR ist freie Software und kann von der Website. www.r-project.org
R R ist freie Software und kann von der Website heruntergeladen werden. www.r-project.org Nach dem Herunterladen und der Installation von R kann man R durch Doppelklicken auf das R-Symbol starten. R wird
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrAnhand des bereits hergeleiteten Models erstellen wir nun mit der Formel
Ausarbeitung zum Proseminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn zum Thema Simulation des Anlagenpreismodels von Simon Uphus im WS 09/10 Zusammenfassung
MehrAufgaben zur Flächenberechnung mit der Integralrechung
ufgaben zur Flächenberechnung mit der Integralrechung ) Geben ist die Funktion f(x) = -x + x. a) Wie groß ist die Fläche, die die Kurve von f mit der x-chse einschließt? b) Welche Fläche schließt der Graph
MehrName:... Matrikel-Nr.:... 3 Aufgabe Handyklingeln in der Vorlesung (9 Punkte) Angenommen, ein Student führt ein Handy mit sich, das mit einer Wahrscheinlichkeit von p während einer Vorlesung zumindest
Mehri x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1
1. Aufgabe: Der E-Commerce-Umsatz (in Millionen Euro) der fünf größten Online- Shopping-Clubs liegt wie folgt vor: Club Nr. Umsatz 1 120 2 72 3 54 4 30 5 24 a) Bestimmen Sie den Ginikoeffizienten. b) Zeichnen
MehrPlotten von Linien ( nach Jack Bresenham, 1962 )
Plotten von Linien ( nach Jack Bresenham, 1962 ) Ac Eine auf dem Bildschirm darzustellende Linie sieht treppenförmig aus, weil der Computer Linien aus einzelnen (meist quadratischen) Bildpunkten, Pixels
MehrGibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero?
Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Manche sagen: Ja, manche sagen: Nein Wie soll man das objektiv feststellen? Kann man Geschmack objektiv messen? - Geschmack ist subjektiv
MehrQM: Prüfen -1- KN16.08.2010
QM: Prüfen -1- KN16.08.2010 2.4 Prüfen 2.4.1 Begriffe, Definitionen Ein wesentlicher Bestandteil der Qualitätssicherung ist das Prüfen. Sie wird aber nicht wie früher nach der Fertigung durch einen Prüfer,
MehrAusarbeitung des Seminarvortrags zum Thema
Ausarbeitung des Seminarvortrags zum Thema Anlagepreisbewegung zum Seminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn von Imke Meyer im W9/10 Anlagepreisbewegung
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrLineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
MehrUli Greßler. Qualitätsmanagement. Überwachung der Produkt- und Prozessqualität. Arbeitsheft. 2. Auflage. Bestellnummer 04796
Uli Greßler Qualitätsmanagement Überwachung der Produt- und Prozessqualität Arbeitsheft 2. Auflage Bestellnummer 04796 Haben Sie Anregungen oder Kritipunte zu diesem Produt? Dann senden Sie eine E-Mail
MehrEin möglicher Unterrichtsgang
Ein möglicher Unterrichtsgang. Wiederholung: Bernoulli Experiment und Binomialverteilung Da der sichere Umgang mit der Binomialverteilung, auch der Umgang mit dem GTR und den Diagrammen, eine notwendige
MehrModellbildungssysteme: Pädagogische und didaktische Ziele
Modellbildungssysteme: Pädagogische und didaktische Ziele Was hat Modellbildung mit der Schule zu tun? Der Bildungsplan 1994 formuliert: "Die schnelle Zunahme des Wissens, die hohe Differenzierung und
MehrSchleswig-Holstein 2011. Kernfach Mathematik
Aufgabe 6: Stochastik Vorbemerkung: Führen Sie stets geeignete Zufallsvariablen und Namen für Ereignisse ein. Machen Sie auch Angaben über die Verteilung der jeweiligen Zufallsvariablen. Eine repräsentative
MehrStochastische Eingangsprüfung, 17.05.2008
Stochastische Eingangsprüfung, 17.5.8 Wir gehen stets von einem Wahrscheinlichkeitsraum (Ω, A, P) aus. Aufgabe 1 ( Punkte) Sei X : Ω [, ) eine integrierbare Zufallsvariable mit XdP = 1. Sei Q : A R, Q(A)
MehrTangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:
Tangentengleichung Wie Sie wissen, gibt die erste Ableitung einer Funktion deren Steigung an. Betrachtet man eine fest vorgegebene Stelle, gibt f ( ) also die Steigung der Kurve und somit auch die Steigung
MehrRepetitionsaufgaben Wurzelgleichungen
Repetitionsaufgaben Wurzelgleichungen Inhaltsverzeichnis A) Vorbemerkungen B) Lernziele C) Theorie mit Aufgaben D) Aufgaben mit Musterlösungen 4 A) Vorbemerkungen Bitte beachten Sie: Bei Wurzelgleichungen
MehrSuche schlecht beschriftete Bilder mit Eigenen Abfragen
Suche schlecht beschriftete Bilder mit Eigenen Abfragen Ist die Bilderdatenbank über einen längeren Zeitraum in Benutzung, so steigt die Wahrscheinlichkeit für schlecht beschriftete Bilder 1. Insbesondere
MehrDarstellungsformen einer Funktion
http://www.flickr.com/photos/sigfrid/348144517/ Darstellungsformen einer Funktion 9 Analytische Darstellung: Eplizite Darstellung Funktionen werden nach Möglichkeit eplizit dargestellt, das heißt, die
MehrAbiturprüfung Mathematik 2008 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1
Abiturprüfung Mathematik (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe Für jedes t f t () + t R ist die Funktion f t gegeben durch = mit R. Das Schaubild von f t heißt K t.. (6 Punkte)
MehrBehörde für Bildung und Sport Abitur 2008 Lehrermaterialien zum Leistungskurs Mathematik
Abitur 8 II. Insektenpopulation LA/AG In den Tropen legen die Weibchen einer in Deutschland unbekannten Insektenpopulation jedes Jahr kurz vor Beginn der Regenzeit jeweils 9 Eier und sterben bald darauf.
MehrHIER GEHT ES UM IHR GUTES GELD ZINSRECHNUNG IM UNTERNEHMEN
HIER GEHT ES UM IHR GUTES GELD ZINSRECHNUNG IM UNTERNEHMEN Zinsen haben im täglichen Geschäftsleben große Bedeutung und somit auch die eigentliche Zinsrechnung, z.b: - Wenn Sie Ihre Rechnungen zu spät
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrKapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung
Kapitel 3 Zufallsvariable Josef Leydold c 2006 Mathematische Methoden III Zufallsvariable 1 / 43 Lernziele Diskrete und stetige Zufallsvariable Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion
MehrDas RSA-Verschlüsselungsverfahren 1 Christian Vollmer
Das RSA-Verschlüsselungsverfahren 1 Christian Vollmer Allgemein: Das RSA-Verschlüsselungsverfahren ist ein häufig benutztes Verschlüsselungsverfahren, weil es sehr sicher ist. Es gehört zu der Klasse der
MehrMathematik: Mag. Schmid Wolfgang Arbeitsblatt 3 1. Semester ARBEITSBLATT 3 RECHNEN MIT GANZEN ZAHLEN
ARBEITSBLATT 3 RECHNEN MIT GANZEN ZAHLEN Wir wollen nun die Rechengesetze der natürlichen Zahlen auf die Zahlenmenge der ganzen Zahlen erweitern und zwar so, dass sie zu keinem Widerspruch mit bisher geltenden
MehrMATHEMATIK 3 STUNDEN. DATUM: 8. Juni 2009
EUROPÄISCHES ABITUR 2009 MATHEMATIK 3 STUNDEN DATUM: 8. Juni 2009 DAUER DES EXAMENS : 3 Stunden (180 Minuten) ZUGELASSENE HILFSMITTEL : Europäische Formelsammlung Nicht graphischer und nicht programmierbarer
MehrErgänzungen zum Fundamentum
Matura 2014 - Mathematik - Gymnasium Immensee 2 Ergänzungen zum Fundamentum Abstand eines Punktes zu einer Geraden d = AP v v Substitution ohne Grenzen Mit u = g(x) gilt: f(g(x))dx = 1 u f(u)du Matura
MehrApproximation durch Taylorpolynome
TU Berlin Fakultät II - Mathematik und Naturwissenschaften Sekretariat MA 4-1 Straße des 17. Juni 10623 Berlin Hochschultag Approximation durch Taylorpolynome Im Rahmen der Schülerinnen- und Schüler-Uni
Mehr4. Erstellen von Klassen
Statistik mit Tabellenkalkulation 4. Erstellen von Klassen Mit einem einfachen Befehl lässt sich eine Liste von Zahlen auf die Häufigkeit der einzelnen Werte untersuchen. Verwenden Sie dazu den Befehl
MehrMathematischer Vorbereitungskurs für Ökonomen
Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Gleichungen Inhalt: 1. Grundlegendes 2. Lineare Gleichungen 3. Gleichungen mit Brüchen
MehrProfil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8
1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen
MehrUmgekehrte Kurvendiskussion
Umgekehrte Kurvendiskussion Bei einer Kurvendiskussion haben wir eine Funktionsgleichung vorgegeben und versuchen ihre 'Besonderheiten' herauszufinden: Nullstellen, Extremwerte, Wendepunkte, Polstellen
MehrAbschlussprüfung Realschule Bayern II / III: 2009 Haupttermin B 1.0 B 1.1
B 1.0 B 1.1 L: Wir wissen von, dass sie den Scheitel hat und durch den Punkt läuft. Was nichts bringt, ist beide Punkte in die allgemeine Parabelgleichung einzusetzen und das Gleichungssystem zu lösen,
MehrAbitur 2007 Mathematik GK Stochastik Aufgabe C1
Seite 1 Abiturloesung.de - Abituraufgaben Abitur 2007 Mathematik GK Stochastik Aufgabe C1 Eine Werbeagentur ermittelte durch eine Umfrage im Auftrag eines Kosmetikunternehmens vor Beginn einer Werbekampagne
MehrDiana Lange. GENERATIVE GESTALTUNG Arten des Zufalls
Diana Lange GENERATIVE GESTALTUNG Arten des Zufalls RANDOM int index = 0; while (index < 200) { float x = random(0, width); float y = random(0, height); float d = random(40, 100); ellipse(x, y, d, d);
MehrUniversität Bonn, Institut für Angewandte Mathematik. WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW
Universität Bonn, Institut für Angewandte Mathematik Dr. Antje Kiesel WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW 08.03.2013 Matrikelnummer Platz Name Vorname 1 2 3 4 5 6
MehrA Lösungen zu Einführungsaufgaben zu QueueTraffic
A Lösungen zu Einführungsaufgaben zu QueueTraffic 1. Selber Phasen einstellen a) Wo im Alltag: Baustelle, vor einem Zebrastreifen, Unfall... 2. Ankunftsrate und Verteilungen a) poissonverteilt: b) konstant:
Mehrx 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt
- 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +
MehrStellen Sie bitte den Cursor in die Spalte B2 und rufen die Funktion Sverweis auf. Es öffnet sich folgendes Dialogfenster
Es gibt in Excel unter anderem die so genannten Suchfunktionen / Matrixfunktionen Damit können Sie Werte innerhalb eines bestimmten Bereichs suchen. Als Beispiel möchte ich die Funktion Sverweis zeigen.
MehrVergleichsklausur 12.1 Mathematik vom 20.12.2005
Vergleichsklausur 12.1 Mathematik vom 20.12.2005 Mit CAS S./5 Aufgabe Alternative: Ganzrationale Funktionen Berliner Bogen Das Gebäude in den Abbildungen heißt Berliner Bogen und steht in Hamburg. Ein
MehrAufgabe 12 Nach dem Eintippen der Kantenlänge soll die folgende Tabelle den Rauminhalt und die Oberfläche eines Würfels automatisch berechnen.
Aufgabe 11 Excel hat für alles eine Lösung. So kann das Programm automatisch den größten oder den kleinsten Wert einer Tabelle bestimmen. Wenn man die richtige Funktion kennt, ist das überhaupt kein Problem.
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
Mehr90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft
Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte
MehrTheoretische Grundlagen der Informatik WS 09/10
Theoretische Grundlagen der Informatik WS 09/10 - Tutorium 6 - Michael Kirsten und Kai Wallisch Sitzung 13 02.02.2010 Inhaltsverzeichnis 1 Formeln zur Berechnung Aufgabe 1 2 Hamming-Distanz Aufgabe 2 3
MehrGleichungen und Ungleichungen
Gleichungen Ungleichungen. Lineare Gleichungen Sei die Gleichung ax = b gegeben, wobei x die Unbekannte ist a, b reelle Zahlen sind. Diese Gleichung hat als Lösung die einzige reelle Zahl x = b, falls
MehrAnwendungsbeispiele Buchhaltung
Rechnungen erstellen mit Webling Webling ist ein Produkt der Firma: Inhaltsverzeichnis 1 Rechnungen erstellen mit Webling 1.1 Rechnung erstellen und ausdrucken 1.2 Rechnung mit Einzahlungsschein erstellen
MehrRepetitionsaufgaben: Lineare Gleichungen
Kantonale Fachschaft Mathematik Repetitionsaufgaben: Lineare Gleichungen Zusammengestellt von Hannes Ernst, KSR Lernziele: - Lineare Gleichungen von Hand auflösen können. - Lineare Gleichungen mit Parametern
MehrDie Größe von Flächen vergleichen
Vertiefen 1 Die Größe von Flächen vergleichen zu Aufgabe 1 Schulbuch, Seite 182 1 Wer hat am meisten Platz? Ordne die Figuren nach ihrem Flächeninhalt. Begründe deine Reihenfolge. 1 2 3 4 zu Aufgabe 2
Mehr2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen
4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form
Mehr1 C H R I S T O P H D R Ö S S E R D E R M A T H E M A T I K V E R F Ü H R E R
C H R I S T O P H D R Ö S S E R D E R M A T H E M A T I K V E R F Ü H R E R L Ö S U N G E N Seite 7 n Wenn vier Menschen auf einem Quadratmeter stehen, dann hat jeder eine Fläche von 50 mal 50 Zentimeter
MehrMelanie Kaspar, Prof. Dr. B. Grabowski 1
7. Hypothesentests Ausgangssituation: Man muss sich zwischen 2 Möglichkeiten (=Hypothesen) entscheiden. Diese Entscheidung soll mit Hilfe von Beobachtungen ( Stichprobe ) getroffen werden. Die Hypothesen
MehrBerechnungen in Access Teil I
in Access Teil I Viele Daten müssen in eine Datenbank nicht eingetragen werden, weil sie sich aus anderen Daten berechnen lassen. Zum Beispiel lässt sich die Mehrwertsteuer oder der Bruttopreis in einer
MehrZufallsgrößen und Wahrscheinlichkeitsverteilungen
RS 24.2.2005 Zufallsgroessen_i.mcd 1) Zufallsgröße Zufallsgrößen und Wahrscheinlichkeitsverteilungen Zu jedem Zufallsexeriment gehört ein Ergebnisraum Ω. Die einzelnen Ergebnisse ω i können Buchstaben,
MehrWurzeln als Potenzen mit gebrochenen Exponenten. Vorkurs, Mathematik
Wurzeln als Potenzen mit gebrochenen Exponenten Zur Einstimmung Wir haben die Formel benutzt x m n = x m n nach der eine Exponentialzahl potenziert wird, indem man die Exponenten multipliziert. Dann sollte
MehrStatistik II für Betriebswirte Vorlesung 2
PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 2 21. Oktober 2014 Verbundene Stichproben Liegen zwei Stichproben vor, deren Werte einander
MehrErstellen von x-y-diagrammen in OpenOffice.calc
Erstellen von x-y-diagrammen in OpenOffice.calc In dieser kleinen Anleitung geht es nur darum, aus einer bestehenden Tabelle ein x-y-diagramm zu erzeugen. D.h. es müssen in der Tabelle mindestens zwei
MehrAbituraufgabe zur Analysis, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Analysis, Hessen 2009, Grundkurs (TR) Gegeben ist die trigonometrische Funktion f mit f(x) = 2 sin(2x) 1 (vgl. Material 1). 1.) Geben Sie für die Funktion f den Schnittpunkt mit der y
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
MehrRepetitionsaufgaben: Lineare Funktionen
Kantonale Fachschaft Mathematik Repetitionsaufgaben: Lineare Funktionen Zusammengestellt von Irina Bayer-Krakvina, KSR Lernziele: - Wissen, was ein Steigungsdreieck einer Geraden ist und wie die Steigungszahl
MehrExcel Pivot-Tabellen 2010 effektiv
7.2 Berechnete Felder Falls in der Datenquelle die Zahlen nicht in der Form vorliegen wie Sie diese benötigen, können Sie die gewünschten Ergebnisse mit Formeln berechnen. Dazu erzeugen Sie ein berechnetes
MehrHauptprüfung Abiturprüfung 2014 (ohne CAS) Baden-Württemberg
Baden-Württemberg: Abitur 04 Pflichtteil www.mathe-aufgaben.com Hauptprüfung Abiturprüfung 04 (ohne CAS) Baden-Württemberg Pflichtteil Hilfsmittel: keine allgemeinbildende Gymnasien Alexander Schwarz www.mathe-aufgaben.com
MehrSowohl die Malstreifen als auch die Neperschen Streifen können auch in anderen Stellenwertsystemen verwendet werden.
Multiplikation Die schriftliche Multiplikation ist etwas schwieriger als die Addition. Zum einen setzt sie das kleine Einmaleins voraus, zum anderen sind die Überträge, die zu merken sind und häufig in
Mehr15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit
5.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit Einführendes Beispiel ( Erhöhung der Sicherheit bei Flugreisen ) Die statistische Wahrscheinlichkeit, dass während eines Fluges ein Sprengsatz an Bord
MehrLeseprobe. Wilhelm Kleppmann. Versuchsplanung. Produkte und Prozesse optimieren ISBN: 978-3-446-42033-5. Weitere Informationen oder Bestellungen unter
Leseprobe Wilhelm Kleppmann Versuchsplanung Produkte und Prozesse optimieren ISBN: -3-44-4033-5 Weitere Informationen oder Bestellungen unter http://www.hanser.de/-3-44-4033-5 sowie im Buchhandel. Carl
MehrHistogramm und Wahrscheinlichkeitsnetz 1/16
Histogramm und Wahrscheinlichkeitsnetz 1/16 Ziel: Ziel der Aufgabe Ziel ist es, die Grafiken Histogramm und Wahrscheinlichkeitsnetz und die Funktionalitäten (z.b. C-Wert-Funktion) von qs-stat ME kennen
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrToleranzberechnung/-Simulation
Summenhäufigkeit zufallsgeneriert Toleranzberechnung/-Simulation Einführung Das Ziel ist es die Auswirkung von vielen Einzeltoleranzen auf ein Funktionsmaß zu ermitteln. Bekanntlich ist das addieren der
MehrKugel-Fächer-Modell. 1fach. 3fach. Für die Einzelkugel gibt es 3 Möglichkeiten. 6fach. 3! Möglichkeiten
Kugel-Fächer-Modell n Kugeln (Rosinen) sollen auf m Fächer (Brötchen) verteilt werden, zunächst 3 Kugeln auf 3 Fächer. 1fach 3fach Für die Einzelkugel gibt es 3 Möglichkeiten } 6fach 3! Möglichkeiten Es
Mehr