Die richtige Wahl von Verteilungen
|
|
- Jasper Dressler
- vor 7 Jahren
- Abrufe
Transkript
1 Die richtige Wahl von Verteilungen N. Schiering, ZMK GmbH Sachsen-Anhalt
2 Agenda Einleitung Standardmessunsicherheiten Typ A und Typ B Normalverteilung Rechteckverteilung Dreieckverteilung Trapezverteilung U-Verteilung Poisson-Verteilung Zusammenfassung 2
3 Einleitung () Exakte Kontrolle des Messprozesses und Angabe der Messbedingungen in der messtechnischen Praxis nicht möglich Messgröße kann daher nicht nur ein einziger Wert zugeordnet werden Beschreibung der nicht vollständigen Kenntnisse durch Verteilungen von Werten und Einschätzung deren Variation Die Wahrscheinlichkeitsdichteverteilung bestimmt das Gewicht, das einem Wert der Größe X aufgrund der vorhandenen Kenntnisse beigemessen werden kann Grundlagen der Wahrscheinlichkeitsrechnung bzw. Statistik notwendig 3
4 Einleitung (2) Abschätzung der Verteilung aufgrund von speziellen Kenntnissen bzw. grundsätzlichen Überlegungen. Der GUM geht von Wahrscheinlichkeitsverteilungen der verträglichen Werte aus. Kann für die Größe X i auf theoretischer oder empirischer Grundlage eine Wahrscheinlichkeitsverteilung angenommen werden, so sind der Erwartungswert und die Quadratwurzel der Varianz dieser Verteilung als Schätzwert x i bzw. die ihm beigeordnete Standardmessunsicherheit u(x i ) zu verwenden. E X xg( x) dx und x E X ( ) µ ( ) Var 2 ( X ) ( x µ ) g( x) dx und u( x ) VAR( X ) i i 4
5 Standardmessunsicherheit Typ A Typ A: Anwendung von Analysemethoden der Statistik für Messreihen unter Wiederholbedingungen zur Ermittlung des Wertes und der ihm beigeordneten Standardmessunsicherheit. Für die Normalverteilung gilt: bester Schätzwert arithmetischer Mittelwert beizuordnende Unsicherheit empirische Standardabweichung (Wurzel aus Varianz dividiert durch Quadratwurzel aus Anzahl der Messungen): x n n und i x i u n ( x) ( x i x) n n i 2 5
6 Standardmessunsicherheit Typ B Typ B: Ermittlung des Wertes und der ihm beigeordneten Standardmessunsicherheit beruht auf anderen Erkenntnissen und kann aus folgenden Informationen eingeschätzt werden: Daten und Ergebnisse aus vorangegangenen Messungen allgemeine Kenntnisse und Erfahrungen über die Eigenschaften und das Verhalten von Messinstrumenten und Materialien Herstellerangaben Kalibrierscheine oder anderen Zertifikate Referenzdaten / Literaturwerte 6
7 Typ A versus Typ B Verwendung nach Methode B nur möglich, wenn ausreichende Erfahrungen und allgemeine Kenntnisse vorhanden sind. Diese Fertigkeit wird in der messtechnischen Praxis erlernt. Eine gut fundierte Ermittlung der Standardmessunsicherheit nach Methode B ist genau so verlässlich wie eine Ermittlung nach Methode A. Insbesondere, wenn die Ermittlung nach Methode A nur auf einer verhältnismäßig geringen Anzahl von statistisch unabhängigen Beobachtungen beruht. Typ A: Angabe der Standardunsicherheit bereits als Standardabweichung des Mittelwertes. Typ B: Berechnung der Standardunsicherheit aller Eingangsgrößen aus deren angenommenen Wahrscheinlichkeitsverteilungen 7
8 Normalverteilung Verteilungsform ist eine glockenförmige Normalverteilung (Gauß sche Glockenkurve) Verwendung: bester Schätzwert und beigeordnete Unsicherheit, z. B. aus früheren eigenen oder anderen Messungen oder aus Tabellen bekannt. Diese werden unverändert übernommen und man nimmt für die möglichen Werte eine Normalverteilung an. x n n u( x) i U k x i, wobei k der Erweiterungsfaktor ist 8
9 Normalverteilung Grafische Darstellung Quelle: QUAM:2000.P 9
10 Normalverteilung Beispiele Unsicherheitsangabe in einem Kalibrierschein Unsicherheitsangabe in einem Prüfschein Unsicherheitsangabe in einem Eichschein 0
11 Rechteckverteilung In vielen Fällen lässt sich für den Wert einer Größe nur die Oberund Untergrenze a + und a - angeben, wobei alle Werte innerhalb der Grenzen als gleich wahrscheinlich angesehen werden können. Beschreibung dieses Sachverhaltes durch eine rechteckförmige Wahrscheinlichkeitsverteilung und es gilt: x 2 u( x) ( a + a ) ( a a ) a, wobei a Halbweite der Verteilung + 3
12 Rechteckverteilung Grafische Darstellung Quelle: QUAM:2000.P 2
13 Rechteckverteilung Beispiele () Die Rechteckverteilung wird beispielsweise angenommen: wenn in Kalibrier-, Prüf- und Eichscheinen oder Herstellerdokumentationen Fehlergrenzen (MPE) angegeben sind wenn Temperaturgrenzen gegeben sind zur Beschreibung der Auflösung einer Skala oder digitalen Anzeige oder um eine mögliche zeitliche Drift zu berücksichtigen 3
14 Rechteckverteilung Beispiele (2) Herstellerangaben in Bedienanleitungen: Spezifikation Auflösung Drift Quelle: 4
15 Dreieckverteilung Liegen die Werte mit größerer Wahrscheinlichkeit in der Mitte des Bereiches, dann ist die Annahme einer dreieckförmigen Verteilung sinnvoll: x 2 u( x) ( a + a ) ( a a ) + a 6 wobei a Halbweite der Verteilung Mathematisch ergibt sich die Dreieckverteilung aus der Summe oder Differenz zweier Rechteckverteilungen mit gleicher Halbweite. 5
16 Dreieckverteilung Grafische Darstellung Quelle: QUAM:2000.P T 6
17 Dreieckverteilung Beispiel Schwankung des Luftdruckes bei der Kalibrierung von Kolbenhubpipettten mit Luftpolster Interpolationsabweichung bei der statischen Kalibrierung von anzeigenden Drehmomentschlüsseln Quelle: DAkkS-DKD-R 3-7 7
18 Trapezverteilung Die trapezförmige Verteilung ist ein weiterer Sonderfall, die sich aus der Summe oder der Differenz zweier Rechteckverteilungen mit unterschiedlicher Halbweite ergibt. Sie kommt in der Praxis selten vor. x 2 u( x) ( a + a ) + a 2 + β 6 Quelle: QZ-onlinde.de wobei a Halbweite der Verteilung und 0 b 8
19 U-Verteilung Wenn bei harmonischen Schwingungen nichts über die Phase bekannt ist, dann ist für die Phase eine Rechteckverteilung anzunehmen. Mathematisch folgt daraus für die Amplitude eine U-förmige Verteilung. x 2 ( a + a ) + u( x) a 2 Quelle: Meßunsicherheit, Wolfgang Kessel, wobei a hier gleich der Amplitude A 0 ist, z.b. A(x) A 0 sin ωx 9
20 U-Verteilung Beispiele Bei Messungen im Bereich der elektromagnetischen Verträglichkeit (EMV) Bei Messungen im Bereich der Hochfrequenztechnik Bei der Kalibrierung von Beschleunigungsaufnehmern Einfluss der Hebelarmlänge bei der statischen Kalibrierung von Kalibriereinrichtungen für Drehmomentschraubwerkzeuge Quelle: DAkkS-DKD-R
21 Poissonverteilung Als letztes Beispiel sei die Poissonverteilung genannt. Für diese gilt: u ( x) N wobei N.. Anzahl der Ereignisse. Es ist sinnvoll die relative Unsicherheit zu betrachten. Sie ist gegeben durch / N. Die Poissonverteilung ist nicht symmetrisch, aber für große Werte von N geht sie in eine Normalverteilung über. 2
22 Poissonverteilung Beispiele Eine Poissonverteilung wird z.b. angenommen für die Anzahl von Zerfällen radioaktiver Substanzen in einem Zeitintervall von Ereignissen in einem Teilchendetektor 22
23 Zusammenfassung () Erfahrungen und allgemeine Kenntnisse aus der messtechnischen Praxis müssen vorhanden sein, um anhand der verfügbaren Informationen der Eingangsgröße die richtige Verteilungsfunktion auswählen zu können. Manchmal wird mehr als eine Angabe berücksichtigt. Dann ist es nicht eindeutig, welche Wahrscheinlichkeitsverteilung man wählen soll. Im GUM Supplement, Tabelle werden weitere Beispiele gegeben, wie aus vorhandenen Informationen einer Typ B Eingangsgröße auf deren Wahrscheinlichkeitsdichtefunktion (PDF) geschlossen werden kann. 23
24 Zusammenfassung (2) z.b. Spezifikationsangaben, Auflösung z.b. Messgerät mit Kalibrierschein Quelle: JCGM 02:20 24
25 Zusammenfassung - Übersicht - Verteilungsform Normal Rechteck Dreieck Trapez U-förmig Poisson Standardmessunsicherheit u(x) σ oder U u ( x) k u ( x) a 3 u ( x) a 6 2 u( x) a + β 6 u ( x) a 2 u ( x) N 25
26 Danke für Ihre Aufmerksamkeit! Zentrum für Messen und Kalibrieren GmbH Sachsen-Anhalt 26
Grundlagen der Berechnung von Messunsicherheiten
Metrodata GmbH Datenverarbeitung für Messtechnik und Qualitätssicherung Y=ŷ±U; k p =x Grundlagen der Berechnung von Messunsicherheiten Teresa Werner Munich Calibration Day München 1 Konzept der Messunsicherheit
MehrErweiterte Messunsicherheit
Erweiterte Messunsicherheit Gerd Wübbeler, Stephan Mieke PTB, 8.4 Berechnung der Messunsicherheit Empfehlungen für die Praxis Berlin, 11. und 12. März 2014 Gliederung 1. Was gibt die erweiterte Messunsicherheit
Mehrvon Prof. Dr. P. H. Osanna, Prof. Dr. N. M. Durakbasa, Dr. techn. L. Kräuter Inhalt
Geometrische Produktspezifikation und -Verifikation "GPS" und Messunsicherheit nach "GUM" als Basis moderner Metrologie im fortschrittlichen Produktionsbetrieb von Prof. Dr. P. H. Osanna, Prof. Dr. N.
MehrMessung von Rendite und Risiko. Finanzwirtschaft I 5. Semester
Messung von Rendite und Risiko Finanzwirtschaft I 5. Semester 1 Messung von Renditen Ergebnis der Anwendung der Internen Zinsfuß- Methode ist die Rentabilität des Projekts. Beispiel: A0-100.000 ZÜ1 54.000
MehrSYS_A - ANALYSIEREN. Statistik. NTB Druckdatum: SYS A. Histogramm (Praxis) Gaußsche Normalverteilung (Theorie) Gebrauch: bei n > 100
SYS_A - ANALYSIEREN Statistik Gaußsche Normalverteilung (Theorie) Gebrauch: bei n > 100 Histogramm (Praxis) Realisierung Lage Streuung Zufallsvariable Dichte der Normalverteilung Verteilungsfunktion Fläche
MehrGrundlagen der Messunsicherheitsanalyse Das ABC der Messunsicherheitsbudgets
Metrodata GmbH Datenverarbeitung für Messtechnik und Qualitätssicherung Y=ŷ±U; k p =x Grundlagen der Messunsicherheitsanalyse Das ABC der Messunsicherheitsbudgets Teresa Werner Munich Calibration Day München
Mehr1 Grundbegriffe der Messtechnik 1
1 Grundbegriffe der Messtechnik 1 1.1 Definitionen 1 1.2 Art des Messens 3 1.3 Messsysteme 4 1.4 Messverfahren 6 1.4.1 Messmethoden 6 1.4.2 Messeffekt 8 1.5 Funktionselemente von Messeinrichtungen 9 1.6
MehrVereinfachte Messunsicherheit im Labor
esz AG - Praxis Vereinfachte im Labor Inhalt praxisgerecht und vereinfacht im Labor Mathematik vom Schreibtisch ins Labor Ursachen für Berechnung theoretisch praktisch Angabe der in Kalibrierscheinen und
MehrMessunsicherheitsangabe für Messbereiche
Messunsicherheitsangabe für Messbereiche Messunsicherheitsangabe für Messbereiche 260. PTB-Seminar 21./22. März 2011 Dr. Harry Stolz PTB Braunschweig Leiter der Zertifizierungsstelle H. Stolz, März 2011
MehrZusammenfassung PVK Statistik
Zusammenfassung PVK Statistik (Diese Zusammenfassung wurde von Carlos Mora erstellt. Die Richtigkeit der Formeln ist ohne Gewähr.) Verteilungen von diskreten Zufallsvariablen Beschreibung Binomialverteilung
MehrKenngrößen von Zufallsvariablen
Kenngrößen von Zufallsvariablen Die Wahrscheinlichkeitsverteilung kann durch die sogenannten Kenngrößen beschrieben werden, sie charakterisieren sozusagen die Verteilung. Der Erwartungswert Der Erwartungswert
MehrKapitel VI - Lage- und Streuungsparameter
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel VI - Lage- und Streuungsparameter Markus Höchstötter Lehrstuhl für Statistik, Ökonometrie
MehrÜ b u n g s b l a t t 15
Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel 2. 7. 2007 Ü b u n g s b l a t t 15 Hier ist zusätzliches Übungsmaterial zur Klausurvorbereitung quer durch die Inhalte der Vorlesung. Eine
MehrMessunsicherheitsbetrachtung. bei der Kalibrierung von Druckmessgeräten nach DKD-R 6-1
Messunsicherheitsbetrachtung bei der Kalibrierung von Druckmessgeräten nach DKD-R 6-1 Source: www.ptb.de Dipl.-Math. Nadine Schiering, Dr.-Ing. Olaf Schnelle-Werner Zentrum für Messen und Kalibrieren &
MehrKapitel 2 Wahrscheinlichkeitsrechnung
Definition 2.77: Normalverteilung & Standardnormalverteilung Es sei µ R und 0 < σ 2 R. Besitzt eine stetige Zufallsvariable X die Dichte f(x) = 1 2 πσ 2 e 1 2 ( x µ σ ) 2, x R, so heißt X normalverteilt
Mehr6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen
6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Bisher: Diskrete Zufallsvariablen,
MehrEinführung in die Bestimmung der Messunsicherheit nach GUM
Seite 1 Einführung in die Bestimmung der Veranstaltung des DGQ Regionalkreises, 08. Juli 2010 und Qualitätssicherung 1 Gliederung Wer hat GUM eingeführt Definitionen von Messung, Modell der Messung, Messabweichung
MehrHeute. Die Binomialverteilung. Poissonverteilung. Approximation der Binomialverteilung durch die Normalverteilung
Heute Die Binomialverteilung Poissonverteilung Approximation der Binomialverteilung durch die Normalverteilung Arbeiten mit Wahrscheinlichkeitsverteilungen Die Binomialverteilung Man werfe eine Münze n
MehrStatistische Grundlagen I
Statistische Grundlagen I Arten der Statistik Zusammenfassung und Darstellung von Daten Beschäftigt sich mit der Untersuchung u. Beschreibung von Gesamtheiten oder Teilmengen von Gesamtheiten durch z.b.
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+
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 11. Vorlesung Jochen Köhler 10.05.011 1 Inhalt der heutigen Vorlesung Zusammenfassung Parameterschätzung Übersicht über Schätzung und Modellbildung Modellevaluation
MehrAnalytische Statistik II
Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Grundproblem Generell sind wir nur selten in der Geographie in der Lage, Daten über die Grundgesamtheit zur Verfügung zu haben.
MehrMessunsicherheit für Prozesse GUM-konforme Fähigkeitsbestimmung für Messprozesse
Metrodata GmbH Datenverarbeitung für Messtechnik und Qualitätssicherung Y=ŷ±U; k p =x Messunsicherheit für Prozesse GUM-konforme Fähigkeitsbestimmung für Messprozesse Teresa Werner 293. PTB- Seminar Berlin
MehrÜber den Autor 7. Teil Beschreibende Statistik 29
Inhaltsverzeichnis Über den Autor 7 Einführung Über dieses Buch - oder:»... für Dummies«verpflichtet! Wie man dieses Buch benutzt 22 Wie ich Sie mir vorstelle 22 Wie dieses Buch aufgebaut ist 23 Teil I:
MehrStatistik für SozialwissenschaftlerInnen II p.85
Schätzverfahren Statistik für SozialwissenschaftlerInnen II p.85 Schätzverfahren Ziel von Schätzverfahren: Ausgehend von Stichproben Aussagen über Populationskennwerte machen Kenntnis der Abweichung des
MehrKonfidenzintervall für den Anteilswert θ. Konfidenzintervalle. Jost Reinecke. Universität Bielefeld. 13. Juni 2005
Universität Bielefeld 13. Juni 2005 Einführung Einführung Wie kann die Kenntnis der Wahrscheinlichkeitsverteilung der Parameter einer Stichprobe dazu verhelfen auf die wahren Werte der Grundgesamtheit
MehrWahrscheinlichkeitsrechnung und schließende Statistik
Springer-Lehrbuch Wahrscheinlichkeitsrechnung und schließende Statistik von Karl Mosler, Friedrich Schmid Neuausgabe Wahrscheinlichkeitsrechnung und schließende Statistik Mosler / Schmid schnell und portofrei
MehrStatistik für NichtStatistiker
Statistik für NichtStatistiker Zufall und Wahrscheinlichkeit von Prof. Dr. Karl Bosch 5., verbesserte Auflage R. Oldenbourg Verlag München Wien Inhaltsverzeichnis 1. ZufalLsexperimente und zufällige Ereignisse
MehrErmittlung der Messunsicherheit und Anwendung der Monte-Carlo-Methode in GUMsim
Ermittlung der Messunsicherheit und Anwendung der Monte-Carlo-Methode in GUMsim PTB-Seminar 308 Felix Straube, QuoData GmbH Berlin, 16.03.2018 Gliederung GUM Verfahren Monte-Carlo-Methode Prinzip der Messunsicherheitsbestimmung
MehrKalmanfiter (1) Typische Situation für den Einsatz von Kalman-Filtern
Kalmanfiter (1) Typische Situation für den Einsatz von Kalman-Filtern Vorlesung Robotik SS 016 Kalmanfiter () Kalman-Filter: optimaler rekursiver Datenverarbeitungsalgorithmus optimal hängt vom gewählten
MehrELEMENTARE EINFÜHRUNG IN DIE MATHEMATISCHE STATISTIK
DIETER RASCH ELEMENTARE EINFÜHRUNG IN DIE MATHEMATISCHE STATISTIK MIT 53 ABBILDUNGEN UND 111 TABELLEN ZWEITE, BERICHTIGTE UND ERWEITERTE AUFLAGE s-~v VEB DEUTSCHER VERLAG DER WISSENSCHAFTEN BERLIN 1970
MehrArbeitsblatt 27: Normalverteilung Kerzen
Erläuterungen und Aufgaben Zeichenerklärung: [ ] - Drücke die entsprechende Taste des Graphikrechners! [ ] S - Drücke erst die Taste [SHIFT] und dann die entsprechende Taste! [ ] A - Drücke erst die Taste
MehrStatistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
Mehr15.5 Stetige Zufallsvariablen
5.5 Stetige Zufallsvariablen Es gibt auch Zufallsvariable, bei denen jedes Elementarereignis die Wahrscheinlich keit hat. Beispiel: Lebensdauer eines radioaktiven Atoms Die Lebensdauer eines radioaktiven
MehrFit for Abi & Study Stochastik
Fit for Abi & Study Stochastik Prof. Dr. Tilla Schade Hochschule Harz 15. und 16. April 2014 No. 1 Stochastik besteht aus: Wahrscheinlichkeitsrechnung Statistik No. 2 Gliederung Grundlagen Zufallsgrößen
MehrBenutzerfreundliche QMSys GUM Software zur praxisorientierte und normgerechte Ermittlung der Messunsicherheit
GUM Enterprise / Professional / Excel AddIn GUMX Benutzerfreundliche QMSys GUM Software zur praxisorientierte und normgerechte Ermittlung der Messunsicherheit Messmodell Stefan Golemanov Qualisyst GmbH
MehrStatistik für Ökonomen
Wolfgang Kohn Riza Öztürk Statistik für Ökonomen Datenanalyse mit R und SPSS tfü. Springer Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R 3 1.1 Installieren und Starten von R 3 1.2 R-Befehle
MehrPhilipp Sibbertsen Hartmut Lehne. Statistik. Einführung für Wirtschafts- und. Sozialwissenschaftler. 2., überarbeitete Auflage. 4^ Springer Gabler
Philipp Sibbertsen Hartmut Lehne Statistik Einführung für Wirtschafts- und Sozialwissenschaftler 2., überarbeitete Auflage 4^ Springer Gabler Inhaltsverzeichnis Teil I Deskriptive Statistik 1 Einführung
MehrSozialwissenschaftlerInnen II
Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Wahrscheinlichkeitsfunktionen
MehrINGENIEUR-STATISTIK DR. JOSEF HEINHOLD DR. KARL-WALTER GAEDE R. OLDENBOURG VERLAG MÜNCHEN WIEN 1979
INGENIEUR-STATISTIK DR. JOSEF HEINHOLD o. Professor für Angewandte Mathematik und Mathematische Statistik an der Technischen Universität München DR. KARL-WALTER GAEDE o. Professor für Mathematische Statistik
MehrLängenmessung, Toleranzen und Messunsicherheit
Seite 1 von 22 Längenmessung, Toleranzen und Messunsicherheit Wolfgang Knapp IWF, ETH Zürich Leiter Messtechnik Tannenstrasse 3, CLA G11.2 8092 Zürich Tel 052 680 2504 knapp@iwf.mavt.ethz.ch Seite 2 von
MehrInhaltsverzeichnis. Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite. 1.0 Erste Begriffsbildungen Merkmale und Skalen 5
Inhaltsverzeichnis Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite 1.0 Erste Begriffsbildungen 1 1.1 Merkmale und Skalen 5 1.2 Von der Urliste zu Häufigkeitsverteilungen 9 1.2.0 Erste Ordnung
MehrEA-4/02 M: 2013 Ermittlung der Messunsicherheit bei Kalibrierungen (Deutsche Übersetzung)
EA-4/0 M: 013 Ermittlung der Messunsicherheit bei Kalibrierungen (Deutsche Übersetzung) EA-4/0 M: 013 Freigabe EA 18. Oktober 013 Übersetzung vom 06.11.018 Dieses Dokument ist die deutsche Fassung der
MehrStoffverteilungsplan Mathematik Leistungskurs. Lambacher Schweizer Stochastik ISBN Klassenarbeit
Lambacher Schweizer Q3.1 Grundlegende Begriffe der Grundlagen der Wahrscheinlichkeitstheorie: Beschreiben von Zufallsexperimenten (Laplace-Experimente) unter Verwendung der Begriffe Ergebnis, Ergebnismenge,
MehrKapitel 2. Fehlerrechnung
Fehlerrechnung 1 Messungen => quantitative Aussagen Messungen müssen zu jeder Zeit und an jedem Ort zu den gleichen Ergebnissen führen Messungen sind immer mit Fehler behaftet. => Angabe des Fehlers! Bespiel
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und
MehrKapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße. x mod (lies: x-mod) Wofür? Lageparameter. Modus/ Modalwert Zentrum. Median Zentralwert
Kapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße Wofür? Lageparameter Modus/ Modalwert Zentrum Median Zentralwert Im Datensatz stehende Informationen auf wenige Kenngrößen verdichten ermöglicht
MehrMathematica: u=5;s=1;plot[exp[-0.5((x-u)/s)^2],{x,0,10}] 76
4. Normalverteilung Gauß'sche Glockenkurve: P(a X b) = b 1 x 1 a e dx 1 0.8 0.6 0.4 0. 4 6 8 10 Mathematica: u=5;s=1;plot[exp[-0.5((x-u)/s)^],{x,0,10}] 76 Zentraler Grenzwertsatz: Es sei X 1, X,... eine
MehrMessungen und Messfehler
Messungen und Messfehler B. Schönfeld LMPT, ETH Zürich September 2007 1 Einleitung Messfehler sind (meistens) keine Fehler, sondern Messunsicherheiten. Was man in Messungen bestimmt, sind Schätzwerte,
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:
MehrMeßprozeß, Meßfehler und Statistik
0- Meßprozeß, Meßfehler und Statistik Vorbereitung : Begriff der Wahrscheinlichkeit, statistische Verteilungen (Binomialverteilung, Poissonverteilung, Gaussverteilung), Meßfehler und Fehlerfortpflanzung.
Mehr1. Grundbegri e. T n i=1 A i = A 1 \ A 2 \ : : : \ A n alle A i treten ein. na = A das zu A komplementäre Ereignis; tritt ein, wenn A nicht eintritt.
. Grundbegri e Menge der Ereignisse. Die Elemente! der Menge heißen Elementarereignisse und sind unzerlegbare Ereignisse. Das Ereignis A tritt ein, wenn ein! A eintritt. ist auch das sichere Ereignis,
MehrRingvorlesung Einführung in die Methoden der empirischen Sozialforschung II
Ringvorlesung Einführung in die Methoden der empirischen Sozialforschung II Auswahlverfahren - Begriffe und theoretische Grundlagen 1 USA 1936: - Wahlstudie mit 10.000.000 Probestimmzetteln - Quelle: Telefonverzeichnis
MehrStetige Verteilungen. A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch
6 Stetige Verteilungen 1 Kapitel 6: Stetige Verteilungen A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch dargestellt. 0.2 6
Mehr1 Messfehler. 1.1 Systematischer Fehler. 1.2 Statistische Fehler
1 Messfehler Jede Messung ist ungenau, hat einen Fehler. Wenn Sie zum Beispiel die Schwingungsdauer eines Pendels messen, werden Sie - trotz gleicher experimenteller Anordnungen - unterschiedliche Messwerte
MehrInferenzstatistik (=schließende Statistik)
Inferenzstatistik (=schließende Statistik) Grundproblem der Inferenzstatistik: Wie kann man von einer Stichprobe einen gültigen Schluß auf di Grundgesamtheit ziehen Bzw.: Wie groß sind die Fehler, die
MehrWas ist Physik? Modell der Natur universell es war schon immer so
Was ist Physik? Modell der Natur universell es war schon immer so Kultur Aus was sind wir gemacht? Ursprung und Aufbau der Materie Von wo/was kommen wir? Ursprung und Aufbau von Raum und Zeit Wirtschaft
MehrMesstechnik und Analytik
VE 2: Grundlagen der Wahrscheinlichkeitsberechnung und Statistik Zufällige Ereignisse Häufigkeit und Wahrscheinlichkeit Zufallsgrößen Grundgesamtheit Verteilungen Stichprobenparameter Klaus-Dieter Sommer
MehrUwe Hassler. Statistik im. Bachelor-Studium. Eine Einführung. für Wirtschaftswissenschaftler. ^ Springer Gabler
Uwe Hassler Statistik im Bachelor-Studium Eine Einführung für Wirtschaftswissenschaftler ^ Springer Gabler 1 Einführung 1 2 Beschreibende Methoden univariater Datenanalyse 5 2.1 Grundbegriffe 5 2.2 Häufigkeitsverteilungen
MehrBerechnung der Messunsicherheit Empfehlungen für die Praxis
308. PTB-Seminar Berechnung der Messunsicherheit Empfehlungen für die Praxis 15. und 16. März 2018 in der PTB Berlin Dr.-Ing. Michael Hernla Erweiterte Messunsicherheit bei nicht korrigierten systematischen
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg 2 R. 06-206 (Persike) R. 06-214 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrAngewandte Statistik 1
Angewandte Statistik 1 Beschreibende und Explorative Statistik - Wahrscheinlichkeitsrechnung - Zufallsvariablen und Statistische Maßzahlen -Wichtige Verteilungen - Beurteilende Statistik -Vertrauensintervalle
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 2. Stock, Nordflügel R. 02-429 (Persike) R. 02-431 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 2008/2009
MehrStatistik I für Betriebswirte Vorlesung 4
Statistik I für Betriebswirte Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 25. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
Mehr5. Meßfehler. Zufällige Messfehler machen das Ergebnis unsicher - ihre Abschätzung ist nur unter Verwendung statistischer Methoden durchführbar
5. Meßfehler Man unterscheidet... zufällige Meßfehler systematische Meßfehler Zufällige Messfehler machen das Ergebnis unsicher - ihre Abschätzung ist nur unter Verwendung statistischer Methoden durchführbar
MehrVorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf. Vorlesung 04 Mathematische Grundlagen II,
Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf 1 Was sollen Sie heute lernen? 2 Agenda Wiederholung stetige Renditen deskriptive Statistik Verteilungsparameter
MehrErstellen von Messunsicherheitsbudg ets nach dem GUM
Metrodata GmbH Datenverarbeitung für Messtechnik und Qualitätssicherung Munich Calibration Day München 16.10.2015 Y=ŷ±U; k p =x Erstellen von Messunsicherheitsbudg ets nach dem GUM Nachvollziehbares Dokumentieren
MehrGrundlagen der statistischen Prozessregelung (SPC)
Fachinformation Nr.: 2013-01 MeßTechnikNord GmbH Team Jena Prüssingstraße 41 07745 Jena Telefon: 03641-65-3780 Fax: 03641-65-3927 E-Mail: info@messtechniknord.de Internet http://www.messtechniknord.de
MehrFF Düsseldorf WS 2007/08 Prof. Dr. Horst Peters. Vorlesung Quantitative Methoden 1B im Studiengang Business Administration (Bachelor) Seite 1 von 6
Vorlesung Quantitative Methoden 1B im Studiengang Business Administration (Bachelor) Seite 1 von 6 (Wahrscheinlichkeitsrechnung, Verteilungen) 1. Eine Illustrierte veranstaltet wöchentlich ein Ratespiel,
MehrStetige Wahrscheinlichkeitsverteilung
Stetige Wahrscheinlichkeitsverteilung Stetige Wahrscheinlichkeitsverteilung Gaußsche Normalverteilung [7] S.77 [6] S.7 ORIGIN µ : Mittelwert σ : Streuung :, 9.. Zufallsvariable, Zufallsgröße oder stochastische
MehrTeil / Ein paar statistische Grundlagen 25. Kapitel 1 Was Statistik ist und Warum sie benötigt Wird 2 7
Inhaltsverzeichnis Einführung 21 Über dieses Buch 21 Törichte Annahmen über den Leser 22 Wie dieses Buch aufgebaut ist 23 Teil I: Ein paar statistische Grundlagen 23 Teil II: Die beschreibende Statistik
MehrTrim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist
Mehr4b. Wahrscheinlichkeit und Binomialverteilung
b. Wahrscheinlichkeit und Binomialverteilung Um was geht es? Häufigkeit in der die Fehlerzahl auftritt 9 6 5 3 2 2 3 5 6 Fehlerzahl in der Stichprobe Wozu dient die Wahrscheinlichkeit? Häfigkeit der Fehlerzahl
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage
MehrMethoden der Werkstoffprüfung Kapitel I Grundlagen. WS 2009/2010 Kapitel 1.0
Methoden der Werkstoffprüfung Kapitel I Grundlagen WS 2009/2010 Kapitel 1.0 Grundlagen Probenmittelwerte ohne MU Akzeptanzbereich Probe 1 und 2 liegen im Akzeptanzbereich Sie sind damit akzeptiert! Probe
MehrTest auf einen Anteilswert (Binomialtest) Vergleich zweier Mittelwerte (t-test)
Spezielle Tests Test auf einen Anteilswert (Binomialtest) Vergleich zweier Anteilswerte Test auf einen Mittelwert (Ein-Stichproben Gauss bzw. t-test) Vergleich zweier Mittelwerte (t-test) Test auf einen
MehrWahrscheinlichkeitsverteilungen
Wahrscheinlichkeitsverteilungen 1. Binomialverteilung 1.1 Abzählverfahren 1.2 Urnenmodell Ziehen mit Zurücklegen, Formel von Bernoulli 1.3 Berechnung von Werten 1.4 Erwartungswert und Standardabweichung
MehrStichwortverzeichnis. Symbole
Stichwortverzeichnis Symbole 50ste Perzentil 119 A Absichern, Ergebnisse 203 Abzählbar unendliche Zufallsvariable 146 Alternativhypothese 237 238 formulieren 248 Anekdote 340 Annäherung 171, 191 Antwortquote
MehrErmittlung der Unsicherheit von Formmessungen
Ermittlung der Unsicherheit von Formmessungen Michael Neugebauer PTB-Braunschweig Fachbereich Koordinatenmesstechnik Kontakt: michael.neugebauer@ptb.de 1 1. Einführung. Normen und Richtlinien 3. Definition
MehrBio- Statistik 1. mit 87 Abbildungen, 40 Tabellen und 102 Beispielen
Bio- Statistik 1 Beschreibende und explorative Statistik - Wahrscheinlichkeitsrechnung und Zufallsvariablen - Statistische Maßzahlen - Wichtige Verteilungen - Beurteilende Statistik - Vertrauensintervalle
MehrMethoden der Werkstoffprüfung Kapitel II Statistische Verfahren I. WS 2009/2010 Kapitel 2.0
Methoden der Werkstoffprüfung Kapitel II Statistische Verfahren I WS 009/010 Kapitel.0 Schritt 1: Bestimmen der relevanten Kenngrößen Kennwerte Einflussgrößen Typ A/Typ B einzeln im ersten Schritt werden
Mehr1 Grundlagen der Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsräume. Ein erster mathematischer Blick auf Zufallsexperimente...
Inhaltsverzeichnis 1 Grundlagen der Wahrscheinlichkeitsrechnung 1 1.1 Wahrscheinlichkeitsräume Ein erster mathematischer Blick auf Zufallsexperimente.......... 1 1.1.1 Wahrscheinlichkeit, Ergebnisraum,
MehrISO/BIPM-Leitfaden: Meßunsicherheit
Metrodata GmbH Datenverarbeitung für Meßtechnik und Qualitätssicherung ISO/BIPM-Leitfaden: Meßunsicherheit (Fussnote 1) Dr. Wolfgang Kessel, Braunschweig Zusammenfassung: Ausgehend vom Begriff des Meßprozesses
MehrGrundkompetenzkatalog. Mathematik
Grundkompetenzkatalog Mathematik AG - Algebra und Geometrie AG 1.1 AG 1.2 AG 2.1 AG 2.2 AG 2.3 AG 2.4 AG 2.5 AG 3.1 AG 3.2 AG 3.3 Wissen über Zahlenmengen N, Z, Q, R, C verständig einsetzen Wissen über
MehrVon der Normalverteilung zu z-werten und Konfidenzintervallen
Von der Normalverteilung zu z-werten und Konfidenzintervallen Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH
MehrSoftwareunterstützung bei der Modellbildung. Rüdiger Kessel Metrodata GmbH
Softwareunterstützung bei der Modellbildung Rüdiger Kessel Metrodata GmbH Inhalt Einführung Modellierung im industriellen Alltag Modellierungsmethode: Messprozessmodell Graphische Elemente zur Modellierung
MehrWolfgang Kohn Riza Öztürk. Statistik für Ökonomen. Datenanalyse mit R und SPSS. 3., überarbeitete Auflage. 4^ Springer Gabler
Wolfgang Kohn Riza Öztürk Statistik für Ökonomen Datenanalyse mit R und SPSS 3., überarbeitete Auflage 4^ Springer Gabler Inhaltsverzeichnis Teil I Einführung 1 Statistik-Programme 3 1.1 Kleine Einführung
MehrBevor wir richtig anfangen... 8
Statistik macchiato Inhalt Vorwort Bevor wir richtig anfangen... 8 Beschreibung von Daten Ordnung ist das halbe Leben... 16 Häufigkeitstabellen... 19 Häufigkeitsverteilungen... 19 Mittelwert (arithmetisches
MehrBiostatistik, Sommer 2017
1/51 Biostatistik, Sommer 2017 Wahrscheinlichkeitstheorie: Verteilungen, Kenngrößen Prof. Dr. Achim Klenke http://www.aklenke.de 8. Vorlesung: 09.06.2017 2/51 Inhalt 1 Verteilungen Normalverteilung Normalapproximation
MehrNeubewertung der Messunsicherheit nach statistischer Auswertung von Kalibrierergebnissen bei der Kalibrierung von Kolbenhubpipetten
Neubewertung der Messunsicherheit nach statistischer Auswertung von Kalibrierergebnissen bei der Kalibrierung von Kolbenhubpipetten Nadine Schiering, Dr. Barbara Werner, Dr. Olaf Schnelle-Werner, Dr. Ulrich
MehrGegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen. 0 sonst.
Aufgabe 1 (2 + 4 + 2 + 1 Punkte) Gegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen X und Y : { 2x + 2y für 0.5 x 0.5, 1 y 2 f(x, y) = 3 0 sonst. a) Berechnen
MehrKapitel VII - Funktion und Transformation von Zufallsvariablen
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel VII - Funktion und Transformation von Zufallsvariablen Markus Höchstötter Lehrstuhl
Mehr2.2 Binomialverteilung, Hypergeometrische Verteilung, Poissonverteilung
2.2 Binomialverteilung, Hypergeometrische Verteilung, Poissonverteilung Die einfachste Verteilung ist die Gleichverteilung, bei der P(X = x i ) = 1/N gilt, wenn N die Anzahl möglicher Realisierungen von
MehrVorwort Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße Erwartungswert und Varianz...
Inhaltsverzeichnis Vorwort... 2 Zum Einstieg... 3 1 Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße... 5 1.2 Erwartungswert und Varianz... 7 2 Wahrscheinlichkeitsverteilungen
MehrSTATISTISCHE METHODEN UND IHRE ANWENDUNGEN
STATISTISCHE METHODEN UND IHRE ANWENDUNGEN Von Dr. rer. nat. Erwin Kreyszig o. Professor für Statistik an der Universität Karlsruhe mit 82 Abbildungen und zahlreichen Tabellen Vierter, unveränderter Nachdruck
MehrInhaltsverzeichnis. 2 Kurzbeschreibung von SPSS Der SPSS-Dateneditor Statistische Analysen mit SPSS DieDaten...
Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R... 3 1.1 Installieren und Starten von R... 3 1.2 R-Befehleausführen... 3 1.3 R-Workspace speichern... 4 1.4 R-History sichern........ 4 1.5
Mehr