Mathematische und statistische Methoden I
|
|
- Ingrid Graf
- vor 7 Jahren
- Abrufe
Transkript
1 Methodelehre e e Prof. Dr. G. Meihardt 6. Stock, Wallstr. 3 (Raum ) Sprechstude jederzeit ach Vereibarug ud ach der Vorlesug. Mathematische ud statistische Methode I Dr. Malte Persike persike@ui-maiz.de WS 2010/2011 Fachbereich Sozialwisseschafte Psychologisches Istitut Johaes Guteberg Uiversität Maiz
2 Numerische Beschreibug: Darstellug I Maße der zetrale Tedez Mittelwert Streuugsmaße (Dispersiosmaße) Mittlere Differez (Abweichugs-)Quadratsumme Variaz a Stadardabweichug
3 Numerische Beschreibug: Mittelwert Darstellug I Der Mittelwert ist bei Beobachtuge x 1 x defiiert als 1 1 x = ( x1+ x2 + xn) = x = Ist durch extreme Werte beeiflussbar (ausreißerempfidlich) Ist der Schwerpukt der Beobachtuge, d.h. ( x ) i x = 0 i= 1 i 1 i
4 Numerische Beschreibug: Mittelwert Der Mittelwert stimmt häufig mit keier beobachtete Darstellug I Realisatio überei Der Mittelwert ist äquivariat gegeüber gewisse (z.b. lieare) Trasformatioe Isbesodere 1. Additio eier Kostate a zu alle Beobachtuge x 1 x x + a = x + a 2. Multiplikatio aller Beobachtuge x 1 x mit eier Kostate c a x= a x
5 Darstellug I Numerische Beschreibug: Mittelwert Lageregel für die Maße der zetrale Tedez Bei symmetrische Verteiluge: x x x med Bei likssteile Verteiluge: x > x x med mod mod Bei rechtssteile Verteiluge x < x x med mod
6 Numerische Beschreibug: Mittlere Abweichug Als mittlere Abweichug (MD) vo Beobachtuge Darstellug I x 1 x i eiem Datesatz wird die Summe aller Abweichugsbeträge zum Media bezeichet. 1 i i = 1 MD= x x Für jede adere Wert als für de Media ist der mittlere Abweichugsbetrag größer, d.h. 1 1 x i x xi c i= 1 i= 1
7 Numerische Beschreibug: Abweichugsquadratsumme Die Abweichugsquadratsumme (oder auch: Darstellug I Fehlerquadratsumme oder eifach Quadratsumme) ist die Summe der quadrierte Abweichuge aller Beobachtuge x 1 x vom Mittelwert. 1 = i i=1 QS x x x ( ) ( ) 2 Erfasst die Streuug um de Mittelwert Nur falls keie Streuug besteht, ist QS = 0, dh d.h. alle beobachtete Werte sid gleich. Sost: QS> 0 Je größer die Streuug, desto größer ist die QS Problem: Die Fehlerquadratsumme wird um so größer, je mehr Beobachtuge vorliege
8 Darstellug I Numerische Beschreibug: Variaz Die Variaz ist das mittlere Abweichugsquadrat aller Beobachtuge x 1 x vom Mittelwert. 2 1 s x = xi x i = 1 ( ) ( ) 2 Erfasst die mittlere Streuug um de Mittelwert Nur falls keie Streuug besteht, ist s² =0 0, dh d.h. alle beobachtete Werte sid gleich. Sost: s² > 0 Je größer die Streuug um de Mittelwert, desto größer ist die Variaz Ist afällig gegeüber Ausreißer
9 Darstellug I Numerische Beschreibug: Variaz Für jede adere Wert als für de Mittelwert ist die Summe der Abweichugsquadrate höher 1 1 ( ) 2 ( ) 2 xi x xi c i= 1 i= 1 Der Mittelwert miimiert also die quadrierte Abweichuge aller Beobachtuge.
10 Darstellug I Numerische Beschreibug: Variaz Die Formel für die Variaz lässt sich leicht umforme i eie recherisch machmal güstigere Variate: 1 1 ( ) i i= 1 i= 1 x x = x x = x x Die Variaz a ist aso also de die Differez e des Mittelwerts e ts der quadrierte Date ud dem quadrierte Mittelwert der Date. i Dies wird auch als Mometeschreibweise der Variaz bezeichet.
11 Darstellug I Numerische Beschreibug: Stadardabweichug Problem: Die Variaz ist icht äquivariat zu erlaubte Skaletrasformatioe s a x = a s x ( ) ( ) (mit a = cost.) Durch Wurzelziehe erhält ma die Stadardabweichug (SD, stadard deviatio) 1 2 s x = s x = xi x ( ) 2 ( ) ( ) 2 i = 1 Die Stadardabweichug ist äquivariat zu de erlaubte Skaletrasformatioe
12 Darstellug I Numerische Beschreibug: s² ud s Verhalte vo Variaz ud Stadardabweichug bei Trasformatioe der Beobachtuge x 1 x 1. Die Additio eier Kostate a zu alle Werte x verädert Variaz ud Stadardabweichug icht s²(x + a) = s²(x) s(x + a) = s(x) 2. Die Multiplikatio aller Werte x mit eier Kostate a führt zu eier Erhöhug der Variaz um a² ud der Stadardabweichug um a s²(a x) = a² s²(x) s(a x) = a s(x)
13 Darstellug I Mittelwert ud Variaz aus kategorisierte Date Liege itervallskalierte Date bereits i kategorisierter Form vor (z.b. i eier Häufigkeitstabelle), so köe daraus Mittelwert ud Variaz äherugsweise bestimmt werde. Es sei x jmid, = UG j + OG 2 j die Kategoriemitte der j-te vo isgesamt k Kategorie mit der Häufigkeit f j (x). Mittelwert Variaz k 2 k ( = 2 j) j, mid s ( x) f ( xj) ( x j, mid x) x = f x x j= 1 j= 1
14 Darstellug I Beschreibug: Fehlerbalkediagramm Das Fehlerbalkediagramm (Error Bar) veraschaulicht Mittelwerte ud die Streuug vo Date für midestes eie Stichprobe. Für die Läge der Fehlerbalke lk existiere verschiedee Kovetioe (± 1 SD, ± 1.96 SD, ± 2.58 SD) Kö Körpergröße i i cm cm (+/ (+/ SD) SD) Fraue Geschlecht Mäer
15 z-stadardisierug Trasformatiosregel Ziel: Agabe der relative Lage vo Werte i eier Verteilug. 1. Quatile: wie bereits gesehe 2. Agabe eier ormierte Differez eies Messwertes zum Mittelwert Berechugsvorschrift: Jede Differez eies Messwertes wird durch die Stadardabweichug aller Messwerte geteilt. Die erhaltee Werte werde als z-werte bezeichet. z x = x x s x
16 z-stadardisierug Eigeschafte Der z-wert ka auch als Differez eies ormierte Datewertes vom ormierte Mittelwert betrachtet werde, de z x x x x x = = s s s x x x Der Mittelwert t vo z-werte ist immer 0 Die Stadardabweichug vo z-werte ist immer 1
17 z-stadardisierug Eigeschafte Der z-wert ka auch als Differez eies ormierte Datewertes vom ormierte Mittelwert betrachtet werde, de z x x x x x = = s s s x x x Der Mittelwert t vo z-werte ist immer 0 Die Stadardabweichug vo z-werte ist immer 1
18 z-stadardisierug Skaletrasformatio Mithilfe der z-trasformatio köe Messdate mit beliebigem Mittelwert ud Stadardabweichug i Date trasformiert werde, die eie defiierte Mittelwert ud Stadardabweichug aufweise. Schritt 1: z-stadardisierug jedes Datepuktes Schritt 2: Trasformatio jedes Datepuktes i die eue Skala ( ) x = z s + x eu eu eu Beispiele: Hamburg-Wechsler IQ-Test (MW=100, s=15), IQ-Skala laut IST (MW=100, s=10), Staie- Skala (MW=5, s=2),
19 Methodelehre e e Relevate Excel Fuktioe ABS() ^-Operator für Quadrierug, POTENZ() WURZEL() MITTELWERT(), MITTELWERTWENN(), MITTELWERTWENNS() MITTELABW() QUADRATESUMME() VAR.P() STABW.N() STANDARDISIERUNG()
Mathematische und statistische Methoden I
Prof. Dr. G. Meinhardt Methodenlehre Mathematische und statistische Methoden I Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Dr. Malte Persike persike@uni-mainz.de
MehrForschungsstatistik I
Prof. Dr. G. Meihardt 6. Stock, Taubertsberg R. 06-06 (Persike) R. 06-31 (Meihardt) Sprechstude jederzeit ach Vereibarug Forschugsstatistik I Dr. Malte Persike persike@ui-maiz.de http://psymet03.sowi.ui-maiz.de/
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
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meihardt 6. Stoc, Wallstr. 3 (Raum 06-206) Sprechstude jederzeit ach Vereibarug ud ach der Vorlesug. Mathematische ud statistische Methode I Dr. Malte Persie persie@ui-maiz.de http://psymet03.sowi.ui-maiz.de/
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
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:
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,
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
MehrMathematische und statistische Methoden I
Mathematische ud statistische Methode I Sprechstude jederzeit ach Vereibarug ud ach der Vorlesug Wallstr. 3, 6. Stoc, Raum 06-06 Dr. Malte Persie persie@ui-maiz.de lordsofthebortz.de twitter.com/methodelehre
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
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
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
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
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
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
MehrUnivariate Verteilungen
(1) Aalyse: "deskriptive Statistike" Aalysiere -> deskriptive Statistike -> deskriptive Statistik Keie tabellarische Darstellug der Häufigkeitsverteilug () Aalyse: "Häufigkeitsverteilug" Aalysiere -> deskriptive
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
Mehr2.2.1 Lagemaße. Exkurs: Quantile. und n. p n
Ekurs: Quatile Ausgagspukt : Geordete Urliste Jeder Wert p, mit 0 < p
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
MehrDiesen Grenzwert nennt man partielle Ableitung von f nach x i und
Bevor wir zum ächste Kapitel übergehe, werde wir de Begri eier Fuktio i mehrere Variable eiführe. Eie Fuktio vo Variable ist eie Vorschrift, die jedem Pukt (x 1,x,...,x ) eier Teilmege D des IR eie bestimmte
MehrLineare Transformationen
STAT 4 FK Herleituge Lieare Trasformatioe Sei eie lieare Trasformatio vo, so gilt Allgemei: a b, () Lieare Trasformatio des arithmetische Mittels y a+b x i () Da a eie additiv verküpfte Kostate ist, ka
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
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
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...
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.
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
Mehr, h(1) =, h(2) = c. a) Säulendiagramm siehe Tafel- oder Folienskizze b) Ermittlung von c: Die Summe der relativen Häufigkeiten muss 1 sein: c = 4 9
Techische Uiversität Müche SS 2006 Zetrum Mathematik Blatt 3 Prof. Dr. J. Hartl Dr. Haes Petermeier Dr. Corelia Eder Dipl.-Ig. Marti Nagel Höhere Mathematik 2 (Weihestepha). Jeder der Bewoher eies Stadtviertels
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
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
Mehrn 2(a + bx i y i ) = 0 und i=1 n 2(a + bx i y i )x i = 0 i=1 gilt. Aus diesen beiden Gleichungen erhalten wir nach wenigen einfachen Umformungen
Regressio Dieser Text rekapituliert die i der Aalsis ud Statistik wohlbekate Methode der kleiste Quadrate, auch Regressio geat, zur Bestimmug vo Ausgleichsgerade Regressiosgerade ud allgemei Ausgleichpolome.
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
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
MehrWeitere Lagemaße: Quantile/Perzentile I
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
Mehr2. Repetition relevanter Teilbereiche der Statistik
. Repetitio Statistik Ökoometrie I - Peter Stalder. Repetitio relevater Teilbereiche der Statistik (Maddala Kapitel ) Zufallsvariable ud Wahrscheilichkeitsverteiluge Zufallsvariable X (stochastische Variable)
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
MehrKapitel 2: Stochastische Prozesse. Copyright M. Gross, ETH Zürich 2006, 2007
Kaitel 2: Coyright M. Gross, ETH Zürich 2006, 2007 Bedigte Verteiluge Ebeso a die Verbudwahrscheilicheit vo Zufallsvariable über bedigte Wahrscheilicheite ausgedrüct werde i i,, i,, Wiederum ommt eie Produtregel
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
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
MehrPflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik
Pflichtlektüre: Kapitel 10 Grudlage der Iferezstatistik Überblick der Begriffe Populatio Iferezstatistik Populatiosparameter Stichprobeverteiluge Auch Stichprobekewerteverteiluge Wahrscheilichkeitstheorie
MehrMethode der kleinsten Quadrate
Methode der kleiste Quadrate KAPITEL 5: REGRESSIONSRECHNUNG Die Methode der kleiste Quadrate (MklQ) ist ei Verfahre zur Apassug eier Fuktio a eie Puktwolke. Agewadt wird sie beispielsweise, um eie Gesetzmäßigkeit
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
MehrUlrich Stein Fehlerrechnung
Fehlerrechug Verteilug vo Messwerte Mittelwert Stadardabweichug Stadardfehler Rude vo Messwerte Darstellug vo Messwerte (Stellezahl) Fehlerfortpflazug Messergebisse Messug physikalische Realität Messgerät,
MehrWeitere 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
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meihardt Methodelehre Mathematische ud statistische Methode I Sprechstude jederzeit ach Vereibarug ud ach der Vorlesug Wallstr. 3, 6. Stock, Raum 06-206 Dr. Malte Persike persike@ui-maiz.de
Mehr3. Grundbegrie der Schätztheorie
Statistik, Abschitt 3. 3. Grudbegrie der Schätztheorie I der kormatorische Statistik will ma uter aderem auf Grud eier Stichprobe vom Umfag Iformatioe über ubekate Parameter θ der Verteilug F der zugrudeliegede
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
MehrHerleitung der Parameter-Gleichungen für die einfache lineare Regression
Herleitug der Parameter-Gleichuge für die eifache lieare Regressio Uwe Ziegehage. März 03 Historie v.0 6.03.009, erste Versio hochgelade v.0 0.03.03, eie Vorzeichefehler beseitigt, diverse Gleichuge ud
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
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
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
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug 9. Vorlesug Joche Köhler 1 Statistik ud Wahrscheilichkeitsrechug Testatprüfug am Doerstag 5.Mai Wa? Doerstag, 5. Mai, 8:00 Uhr
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
MehrStatistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte.
Statistik Vorlesug,. ärz, Statistische aßzahle Iformatio zu verdichte, Besoderheite hervorzuhebe ittelwerte Aufgabe: die Lage der Verteilug auf der Abszisse zu zeige. Der odus: derjeige Wert, der im Häufigste
MehrMathematische und statistische Methoden II
Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de lordsofthebortz.de lordsofthebortz.de/g+
MehrMathematik 2 für Naturwissenschaften
Has Walser Mathematik für Naturwisseschafte Modul 0 Regressiosgerade ud Korrelatio Has Walser: Modul 0, Regressiosgerade ud Korrelatio ii Ihalt Die Regressiosgerade.... Problemstellug.... Berechug der
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
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
Mehr,,, xn. 3. Intervallschätzungen Zufallsstichproben und Stichprobenfunktionen Zufallsstichproben. Zufallsvariablen mit
3. Itervallschätzuge 3.1. Zufallsstichprobe ud Stichprobefuktioe 3.1.1 Zufallsstichprobe 1 Sei eie Zufallsvariable ud seie gemeisamer Verteilug,,,, Zufallsvariable mit - da heiße 1,,, Zufallsstichprobe
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
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
MehrFür eine n n-matrix A müssen wir die Gleichung. lösen. Falls (A λi) invertierbar ist, dann ist. Dann ist aber λ kein Eigenwert.
Geschlossees Leotief-Modell Ei Leotief-Modell für eie Volkswirtschaft heißt geschlosse, we der Kosum gleich der Produktio ist, d.h. we Kapitel 5 Eigewerte V x = x Es hadelt sich dabei um eie Spezialfall
Mehr186.813 Algorithmen und Datenstrukturen 1 VU 6.0 1. Übungstest SS 2012 26. April 2012
Techische Uiversität Wie Istitut für Computergraphik ud Algorithme Arbeitsbereich für Algorithme ud Datestrukture 186.813 Algorithme ud Datestrukture 1 VU 6.0 1. Übugstest SS 2012 26. April 2012 Mache
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.
MehrStandard Normalverteilung Dichtefunktion von Standard Normal Verteilung. Grenzwertsatz. Normalverteilung. Andere wichtige Verteilungen: Anwendungen
Statistik. Vorlesug, September, 00 f() 0.0 0. 0. 0.3 0.4 Stadard Normalverteilug Dichtefuktio vo Stadard Normal Verteilug -4-0 4 Der Erwartugswert: mittlere Wert E ( = f( ) d=0 für die Stadard Normal Verteilug
MehrZusammenfassung: Gleichungen und Ungleichungen
LGÖ Ks VMa Schuljahr 6/7 Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud ugleichuge 6 Für Eperte 8 Polyomgleichuge ud -ugleichuge
Mehr( ), der genau auf der Geraden ( ) 2 ( ) #( ) 8. Lineare Regression. = f i. Nach der Summe der kleinsten. mx i
8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Ziel dieses Verfahres ist es, Beziehuge zwische zwei Merkmale
MehrFormelsammlung Mathematik
Formelsammlug Mathematik 1 Fiazmathematik 1.1 Reterechug Sei der Zissatz p%, der Zisfaktor q = 1 + p 100. Seie R die regelmäßig zu zahlede Rate, die Laufzeit. Edwert: Barwert: achschüssig R = R q 1 q 1
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
MehrBehandlung von Messunsicherheiten (Fehlerrechnung)
Behadlug vo Messusicherheite (Fehlerrechug). Ermittlug vo Messusicherheite. Messug ud Messusicherheit Die Messug eier physikalische Größe erfolgt durch de Vergleich dieser Größe mit eier Bezugseiheit ach
MehrLGÖ Ks VMa 12 Schuljahr 2017/2018
LGÖ Ks VMa Schuljahr 7/8 Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud ugleichuge 6 Für Experte 8 Polyomgleichuge ud -ugleichuge
MehrGrundkurs Mathematik II
Prof. Dr. H. Breer Osabrück SS 2017 Grudkurs Mathematik II Vorlesug 48 Itervallschachteluge Eie weitere Möglichkeit, reelle Zahle zu beschreibe, eizuführe, zu approximiere ud recherisch zu hadhabe, wird
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:
MehrEvaluation & Forschungsstrategien
Evaluatio & Forschugsstrategie WS2/2 Prof. Dr. G. Meihardt Johaes Guteberg Uiversität Maiz Prizipie des statistische Schliesses Samplig - Modellvorstellug Populatio Samplig Stichprobe Kewerte x Theoretische
MehrNumerische Lineare Algebra - Theorie-Blatt 2
Prof Dr Stefa Fuke Uiversität Ulm MSc Adreas Batle Istitut für Numerische Mathematik Dipl-Math oec Klaus Stolle Witersemester 04/05 Numerische Lieare Algebra - Theorie-Blatt Lösug (Abgabe am 04 vor der
MehrStatistik I/Empirie I
Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass
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
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
MehrKapitel 6 Differenzierbarkeit
Kapitel 6 Differezierbarkeit Ihalt 6.1 6.1Die Defiitio 6.2 6.2Die Eigeschafte 6.3 6.3Extremwerte Seite 2 Was heißt differezierbar? Differezierbare Fuktioe sid sid glatte Fuktioe. Wir Wir beschreibe diese
MehrGliederung. Value-at-Risk
Value-at-Risk Dr. Richard Herra Nürberg, 4. Noveber 26 IVS-Foru Gliederug Modell Beispiel aus der betriebliche Altersversorgug Verteilug des Gesatschades Value-at-Risk ud Tail Value-at-Risk Risikobeurteilug
MehrMathematik III. Vorlesung 81. Eigenschaften des Dachprodukts. Die folgende Aussage beschreibt die universelle Eigenschaft des Dachproduktes.
Prof. Dr. H. Breer Osabrück S 2010/2011 Mathematik III Vorlesug 81 Eigeschafte des Dachprodukts Die folgede Aussage beschreibt die uiverselle Eigeschaft des Dachproduktes. Satz 81.1. Es sei K ei Körper,
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
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler Statistik ud Wahrscheilichkeitsrechug Testatprüfug am Doerstag 5.Mai Wa? Doerstag, 5. Mai, 8:00 Uhr Dauer der
MehrVereinheitlichung Einheitlicher Maßstab der Risikoeinschätzung. Limitierung / Steuerung Messung und Limitierung ist fundamental für die Steuerung
. Marktpreisrisiko Motivatio der VaR-Ermittlug Vereiheitlichug Eiheitlicher Maßstab der Risikoeischätzug Limitierug / Steuerug Messug ud Limitierug ist fudametal für die Steuerug Kapitaluterlegug Zur Deckug
MehrKörpergröße x Häufigkeit in [m] 1.50 1.60 1 1.60 1.70 5 1.70 1.80 49 1.80 1.90 53 1.90 2.00 15 2.00 2.10 1
8 Kofidezitervalle 1 Kapitel 8: Kofidezitervalle A: Beispiele Beispiel 1: Im WS 2000/01 wurde im Rahme der Statistik Vorlesug 124 Studete u.a. zu ihrer Körpergröße befragt. Ma erhielt folgedes Ergebis:
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.
MehrVordiplomprüfung 2014 Mathematik Seite 1 von 3
Vordiplomprüfug 14 Mathematik Seite 1 vo 1. Aufgabe Has hat eie Uhr bekomme. Er beobachtet, dass der Miutezeiger vo Zeit zu Zeit de Studezeiger überholt. a) Um welche Zeit zwische 9 ud 1 Uhr stehe die
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
MehrProbeklausur. (b) Was geschieht, wenn man ein Quantenbit in einem solchen Zustand misst?
Quaterecher Witersemester 5/6 Theoretische Iformatik Uiversität Haover Dr. Matthias Homeister Dipl.-Math. Heig Schoor Probeklausur Hiweis: Diese Probeklausur ist kürzer als die tatsächliche Klausur.. a
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....................................
MehrAuch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert.
Prof. Dr. H. Rommelfager: Etscheidugstheorie, Kaitel 3 7 3. Etscheidug bei Risiko (subjektive oder objektive) Eitrittswahrscheilichkeite für das Eitrete der mögliche Umweltzustäde köe vom Etscheidugsträger
MehrVorkurs Mathematik für Informatiker Potenzen und Polynome --
Vorkurs Mathematik für Iformatiker -- Poteze ud Polyome -- Thomas Huckle Stefa Zimmer (Stuttgart) 6.0.06 Vorwort Es solle Arbeitstechike vermittelt werde für das Iformatikstudium Der wesetliche Teil ist
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
MehrLösungen zu Übungsblatt 2 Signale, Codes und Chiffren II Sommersemester 2009 Übung vom 26. Mai 2009
Uiversität Karlsruhe TH Istitut für Kryptographie ud Sicherheit Willi Geiselma Vorlesug Marius Hillebrad Übug Lösuge zu Übugsblatt 2 Sigale, Codes ud Chiffre II Sommersemester 2009 Übug vom 26. Mai 2009
Mehr( ) Formelsammlung. Kombinatorik. Permutation: ohne Wiederholung. n! = n (n - 1) (n - 2)... 3 2 1 n= alle Elemente. Permutation: mit Wiederholung
Formelsammlug Kombiatori Permutatio: ohe Wiederholug! = ( - 1) ( - 2).... 3 2 1 = alle Elemete Permutatio: mit Wiederholug!! P, = = usw. = gleiche Elemete! 1! K 2! Stichprobe (SP) = geordete Auswahl Geordete
MehrZusammenfassung: Gleichungen und Ungleichungen
Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud -ugleichuge 6 Für Eperte 9 Polyomgleichuge ud -ugleichuge Defiitio: Ei Term
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,
MehrDie Wurzel einer Zahl a ist die Zahl, die mit sich selbst malgenommen wieder a ergibt.
Wurzel Wurzelexpoet Radikad oder auch Basis Die Wurzel eier Zahl a ist die Zahl, die mit sich selbst malgeomme wieder a ergibt. Die -te Wurzel et ma auch Quadratwurzel, dabei lässt ma die (als Wurzelexpoet)
MehrHerzlich Willkommen zur Vorlesung. Analysis I SoSe 2014
Herzlich Willkomme zur Vorlesug Aalysis I SoSe 2014 Prof. Dr. Berd Dreseler Lebediges Lere: Aufgabe Ich Wir 2 Reelle Zahle 2.1 Körperstruktur vo (K1) Additio ud Multiplikatio kommutativ: a b b a, ab ba.
Mehr