|
|
|
- Kristina Ackermann
- vor 9 Jahren
- Abrufe
Transkript
1 Bachelor BEE Statistik Übung: Blatt 1 Ostfalia - Hochschule für angewandte Wissenschaften Fakultät Versorgungstechnik Aufgabe (1.1): Gegeben sei die folgende Messreihe: Nr. ph-werte Bestimmen Sie die absoluten und relativen Häufigkeiten der Messreihe. Visualisieren Sie die Daten in einem Stabdiagramm. Bestimmen Sie die absoluten und relativen Summenhäufigkeiten der Messreihe. Visualisieren Sie die Daten in einem Stabdiagramm. Bestimmen Sie den Modalwert, den Quartilsabstand, die Spannbreite, den arithmetischen Mittelwert, die empirische Standardabweichung und Varianz der Messreihe. Visualisieren Sie die Daten in einem Stabdiagramm und tragen Sie die Kenngrößen in dem Diagramm ab. Stellen Sie die Daten ebenfalls in einem Kastendiagramm dar. Bilden Sie k Klassen der Messreihe und visualisieren Sie die Daten in einem Histogramm. Begründen Sie die Anzahl der Klassen und die Aufteilung. Aufgabe (1.2): Gegeben sei die folgende Messreihe: Nr. ph-werte Bestimmen Sie die absoluten und relativen Häufigkeiten der Messreihe. Bestimmen Sie die absoluten und relativen Summenhäufigkeiten der Messreihe. Bestimmen Sie den Modalwert, den Quartilsabstand, die Spannbreite, den arithmetischen Mittelwert, die empirische Standardabweichung und Varianz der Messreihe. Visualisieren Sie die Daten in einem Stabdiagramm und tragen Sie die Kenngrößen in dem Diagramm ab. Stellen Sie die Daten ebenfalls in einem Kastendiagramm dar.
2 Statistik, Ostfalia, Fakultät Versorgungstechnik 2 Aufgabe (1.3): Mit einem festgelegten Analyseverfahren wird die Konzentration eines Parameters bei einer vorgegebenen Probe mehrfach untersucht. Bestimmen Sie den Modalwert, den Quartilsabstand, die Spannbreite, den aritmethischen Mittelwert, die empirische Standardabweichung und Varianz der drei Messreihen. Könnte ein Ausreißer in den Messreihen vorliegen? Die Daten lauten: Messreihe Messwerte , 5.22, 5.35, 5.13, 5.29, 5.32, 5.31, 5.28, , 5.22, 5.35, 5.12, 5.29, 5.32, 5.31, 5.28, , 5.22, 5.35, 5.12, 5.19, 5.19, 5.29, 5.32, 5.31, 5.35 Visualisieren Sie die Daten. (Lösung: 1 ) Messreihe 1: arithmetischer Mittelwert: Median:5.29 Modalwert:5.35 Spannbreite:0.22 Standardabweichung: Varianz: Quantil: Quantil: 5.32 Quartilabstand: 0.08 Messreihe 2: arithmetischer Mittelwert: Median:5.29 Modalwert:5.35 Spannbreite:0.23 Standardabweichung: Varianz: Quantil: Quantil: 5.32 Quartilabstand: 0.08 Messreihe 3: arithmetischer Mittelwert:5.258 Median:5.265 Modalwert:5.19, 5.35 Spannbreite:0.23 Standardabweichung: Varianz: Quantil: Quantil: 5.32 Quartilabstand: Alle Lösungsangaben ohne Gewähr. Kleine Abweichungen zu den Tafelwerten sind möglich, da die meisten Aufgaben mit MatLab gelöst wurden.
3 Statistik, Ostfalia, Fakultät Versorgungstechnik 3 Aufgabe (1.4): Nehmen Sie einem Würfel und werfen Sie n = 20 mal. Berechnen Sie den arithmetischen Mittelwert, die empirische Standardabweichung und die relativen Häufigkeiten. Visualisieren Sie die Daten. Nehmen Sie nun zwei Würfel und werfen Sie n = 20 mal. Berechnen Sie den arithmetischen Mittelwert, die empirische Standardabweichung und die relativen Häufigkeiten. Visualisieren Sie die Daten. Was stellen Sie fest? Aufgabe (1.5): Programmieren Sie in MatLab für eine Messreihe bestehend aus n Werten folgende Kenngrößen: a) arithmetische Mittelwert. b) Median. c) die Spannbreite. d) oberes und unteres Quantil. e) Quartilsabstand. f) empirische Standardabweichung. g) empirische Varianz. (Hinweis: mean, median, std, var) Aufgabe (1.6): Für den idealen Würfel gilt, jede Augenzahl hat die gleiche diskrete Wahrscheinlichkeit von p = 1/6. Berechnen Sie für den Würfel den Erwartungswert und die Standardabweichung. Aufgabe (1.7): Geben Sie die Wahrscheinlichkeitsdichtefunktion der Standardnormalverteilung an, und zeichnen Sie die Funktion auf dem Intervall [-4,4]. Geben Sie einen beliebigen Bereich an, für den Sie einen Flächenwert von 0.7 erhalten. Aufgabe (1.8): Es sei die Zufallsvariable X standardnormalverteilt. Bestimmen Sie a) P( 1 X 1) b) P( 2 X 2) c) P( 3 X 3) d) P( 4 X 4) e) P(0 X 1.42) f) P( 0.73 X 0) g) P( 1.37 X 2.01) h) P(0.65 X 1.26) i) P(X 1.13) (Lösung: a) b) c) d) e) f) g) h) i) ) Aufgabe (1.9): Die Lufttemperatur T im Juni sei normalverteilt mit Mittelwert 20 C und Standardabweichung 3 C. Wie groß ist die Wahrscheinlichkeit, dass die Lufttemperatur zwischen 21 C und 26 C liegt? Fertigen Sie eine Skizze an. (Lösung: )
4 Statistik, Ostfalia, Fakultät Versorgungstechnik 4 Aufgabe (1.10): Die Lufttemperatur T im Juni sei normalverteilt mit Mittelwert 21.5 C und Standardabweichung 3.2 C. Wie groß ist die Wahrscheinlichkeit, dass die Lufttemperatur zwischen 20.1 C und 23.6 C liegt? (Lösung: ) Aufgabe (1.11): Die Lufttemperatur T im Juni sei normalverteilt mit Mittelwert 20 C und Standardabweichung 3 C. a) Welcher Anteil der Lufttemperaturen ist kleiner als 18 C? b) Welcher Anteil der Lufttemperaturen ist größer als 22 C? c) Welcher Anteil der Lufttemperaturen liegt zwischen 16 C und 23 C? d) Welche Lufttemperatur liegt vor, wenn darunter 30% aller Temperaturen liegen? e) Zwischen welchen zwei Lufttemperaturwerten liegen 85% aller Temperaturen? (symmetrisch um den Mittelwert verteilt) (Lösung: a) 25.25% b) 25.25% c) 75.01% d) C e) [15.68 C,24.32 C]) Aufgabe (1.12): Die Lufttemperatur T im August sei normalverteilt mit Mittelwert 27 C und Standardabweichung 2.4 C. a) Welcher Anteil der Lufttemperaturen ist kleiner als 18 C? b) Welcher Anteil der Lufttemperaturen ist größer als 30 C? c) Welcher Anteil der Lufttemperaturen liegt zwischen 20 C und 30 C? d) Welche Lufttemperatur liegt vor, wenn darunter 30% aller Temperaturen liegen? e) Zwischen welchen zwei Lufttemperaturwerten liegen 75% aller Temperaturen? (symmetrisch um den Mittelwert verteilt) (Lösung: a) 0.01% b) 10.56% c) 89.26% d) C e) [24.24 C,29.76 C]) Aufgabe (1.13): Das Gewicht von 800 Schülern sei normalverteilt mit Erwartungswert 66 kg und Standardabweichung 5 kg. Bestimmen Sie die Anzahl von Schülern mit einem Gewicht a) zwischen 65 und 70 kg. b) über 72 kg. c) unter 62 kg. (Lösung: a) 294 b) 92 c) 169 ) Aufgabe (1.14): Das Gewicht von 750 Schülern sei normalverteilt mit Erwartungswert 70 kg und Standardabweichung 7 kg. Bestimmen Sie die Anzahl von Schülern mit einem Gewicht a) zwischen 65 und 75 kg. b) über 72 kg. c) unter 60 kg. (Lösung: a) 197 b) 291 c) 57 )
5 Statistik, Ostfalia, Fakultät Versorgungstechnik 5 Aufgabe (1.15): Bei Bestimmungen von Phenol in einem Abwasser werden normalverteilte Werte mit einem Mittelwert von µ=0.7 µg/l und einer Standardabweichung von σ=0.05 µg/l gefunden. Wie groß ist die Wahrscheinlichkeit, bei einer weiteren Messung eine Phenolkonzentration im Bereich von 0.71 bis 0.75 µg/l anzutreffen? Wie groß ist die Wahrscheinlichkeit, bei einer weiteren Messung eine Phenolkonzentration über 0.8 µg/l anzutreffen? Erstellen Sie eine Skizze. (Lösung: a) b) ) Aufgabe (1.16): Bei Bestimmungen von Phenol in einem Abwasser werden normalverteilte Werte mit einem Mittelwert von µ=0.74 µg/l und einer Standardabweichung von σ=0.08 µg/l gefunden. Wie groß ist die Wahrscheinlichkeit, bei einer weiteren Messung eine Phenolkonzentration im Bereich von 0.72 bis 0.75 µg/l anzutreffen? Wie groß ist die Wahrscheinlichkeit, bei einer weiteren Messung eine Phenolkonzentration über 0.8 µg/l anzutreffen? Erstellen Sie eine Skizze. (Lösung: a) b) ) Aufgabe (1.17): Für eine technische Messgröße X sei ein Sollwert von 152 mit Toleranzen ±5 vorgegeben. (Schreibweise N(µ,σ 2 )-verteilte Zufallsvariable) a) Mit welcher Wahrscheinlichkeit liegt ein Messwert außerhalb der Toleranzen, falls X eine N(152,4)-verteilte Zufallsvariable ist? b) Wie ändert sich das Resultat, falls nur Toleranzen ±1 zugelassen sind? c) Wie groß muss die Toleranz gewählt werden, damit die Wahrscheinlichkeit 50% beträgt? (Lösung: a) b) c) ± ) Aufgabe (1.18): Eine Apparatur füllt X 1 Gramm eines pulverförmigen Medikaments in X 2 Gramm schwere Röhrchen. Die Zufallsvariablen X 1 und X 2 seien stochastisch unabhängig und näherungsweise N(50,1)- bzw. N(20,0.5)-verteilt. (Schreibweise N(µ,σ 2 )-verteilte Zufallsvariable) a) Wie ist die Zufallsvariable X = X 1 +X 2 näherungsweise verteilt? b) Mit welcher Wahrscheinlichkeit liegt das Gewicht X eines gefüllten Röhrchens zwischen 68 g und 72 g? c) Mit welcher Wahrscheinlichkeit ist ein gefülltes Röhrchen leichter als 68 g? (Lösung: a) N(70,1.5), b) , c) )
WS 2014/15. (d) Bestimmen Sie die Wahrscheinlichkeitsfunktion von X. (e) Bestimmen Sie nun den Erwartungswert und die Varianz von X.
Fragenkatalog zur Übung Methoden der empirischen Sozialforschung WS 2014/15 Hier finden Sie die denkbaren Fragen zum ersten Teil der Übung. Das bedeutet, dass Sie zu diesem Teil keine anderen Fragen im
Wirtschaftswissenschaftliches Prüfungssekretariat Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2015
Wirtschaftswissenschaftliches Prüfungssekretariat Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 205 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13 Aufgabenstellung und Ergebnisse Dr. Martin Becker Hinweise für die
Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:
Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1
Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1 Aufgabe 1: Von 2 gleichartigen Maschinen eines pharmazeutischen Betriebes stellt die erste 40% und die zweite 60% der Produkte her. Dabei verursacht
Statistik I für Humanund Sozialwissenschaften
Statistik I für Humanund Sozialwissenschaften 1 Übung Lösungsvorschlag Gruppenübung G 1 Auf einer Touristeninsel in der Karibik wurden in den letzten beiden Juliwochen morgens zur gleichen Zeit die folgenden
Klausur zur Vorlesung Statistik für BWL Name Vorname Matrikelnr.
Hochschule Darmstadt Fachbereich MN Prof. Dr. Dietrich Baumgarten Darmstadt, den 9.7.2012 Klausur zur Vorlesung Statistik für BWL Name Vorname Matrikelnr. Aufgabe 1 2 3 4 5 6 Summe Note Punkte 1 Aufgabe
Statistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
Beschreibende/Deskriptive Statistik
Kapitel 1 Beschreibende/Deskriptive Statistik 1.1 Häufigkeitsverteilungen Aufgabe 1.1.1 : Erläutern Sie in welchen Bereichen die deskriptive Statistik angewendet wird und grenzen Sie sie gegenüber der
Biomathematik für Mediziner, Klausur SS 2000 Seite 1
Biomathematik für Mediziner, Klausur SS 2000 Seite 1 Aufgabe 1: Bei der Diagnose einer bestimmten Krankheit mit einem speziellen Diagnoseverfahren werden Patienten, die tatsächlich an der Krankheit leiden,
Biostatistik, Sommer 2017
1/51 Biostatistik, Sommer 2017 Wahrscheinlichkeitstheorie: Verteilungen, Kenngrößen Prof. Dr. Achim Klenke http://www.aklenke.de 8. Vorlesung: 09.06.2017 2/51 Inhalt 1 Verteilungen Normalverteilung Normalapproximation
6. Kontinuierliche Zufallsgrößen. Beispiel 1: Die Exponentialverteilungen Sei λ > 0. Setzen
6. Kontinuierliche Zufallsgrößen Definition: Eine Z. G. ξ ist absolut stetig mit (Wahrscheinlichkeits-) Dichte f : R R, wenn gilt: P ( a ξ < b ) = b a f(x) dx (a < b) allgem. Eigenschaften einer Dichte
Klausur vom
UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Dominik Faas Stochastik Wintersemester 00/0 Klausur vom 09.06.0 Aufgabe (++4=9 Punkte) Bei einer Umfrage wurden n Personen befragt, an wievielen Tagen
Statistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de
rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent
Statistik I für Betriebswirte Vorlesung 4
Statistik I für Betriebswirte Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 25. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
Stichproben Parameterschätzung Konfidenzintervalle:
Stichproben Parameterschätzung Konfidenzintervalle: Beispiel Wahlprognose: Die Grundgesamtheit hat einen Prozentsatz p der Partei A wählt. Wenn dieser Prozentsatz bekannt ist, dann kann man z.b. ausrechnen,
Mathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 11. November 2010 1 Erwartungswert und Varianz Erwartungswert Varianz und Streuung Rechenregeln Binomialverteilung
Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1
Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2011/12.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2011/12 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer
Statistik 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
Beispiel 4 (Einige weitere Aufgaben)
1 Beispiel 4 (Einige weitere Aufgaben) Aufgabe 1 Bestimmen Sie für die folgenden Zweierstichproben, d. h. Stichproben, die jeweils aus zwei Beobachtungen bestehen, a) den Durchschnitt x b) die mittlere
Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf. Vorlesung 04 Mathematische Grundlagen II,
Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf 1 Was sollen Sie heute lernen? 2 Agenda Wiederholung stetige Renditen deskriptive Statistik Verteilungsparameter
Teil VII. Deskriptive Statistik. Woche 5: Deskriptive Statistik. Arbeitsschritte der Datenanalyse. Lernziele
Woche 5: Deskriptive Statistik Teil VII Patric Müller Deskriptive Statistik ETHZ WBL 17/19, 22.05.2017 Wahrscheinlichkeit und Statistik Patric Müller WBL 2017 Wahrscheinlichkeit
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer
Mathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 9. Dezember 2010 1 Konfidenzintervalle Idee Schätzung eines Konfidenzintervalls mit der 3-sigma-Regel Grundlagen
Mathematik III für MB und ME
Mathematik III für MB und ME Fachbereich Grundlagenwissenschaften Prof Dr Viola Weiÿ Sommersemester 2017 Übungsaufgaben Serie 2: Statistik 1 Bei 20 Streichholzschachteln wird jeweils die Anzahl der darin
Aufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2018/19
Aufgabenstellung und Ergebnisse zur Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 08/9 PD Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Die Klausur besteht
Dr. Quapp: Statistik für Mathematiker mit SPSS. Lösungs Hinweise 1. Übung Beschreibende Statistik & Verteilungsfunktion
Dr. Quapp: Statistik für Mathematiker mit SPSS Lösungs Hinweise. Übung Beschreibende Statistik & Verteilungsfunktion. Die folgende Tabelle enthält die Pulsfrequenz einer Versuchsgruppe von 39 Personen:
SozialwissenschaftlerInnen II
Statistik für SozialwissenschaftlerInnen II Henning Best [email protected] Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Wahrscheinlichkeitsfunktionen
Nachklausur zur Vorlesung. Statistik für Studierende der Biologie
Institut für Mathematische Stochastik WS 1999/2000 Universität Karlsruhe 11. Mai 2000 Dr. Bernhard Klar Nachklausur zur Vorlesung Statistik für Studierende der Biologie Bearbeitungszeit: 90 Minuten Name:
ETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig)
ETWR Teil B 2 Ziele Bisher (eindimensionale, mehrdimensionale) Zufallsvariablen besprochen Lageparameter von Zufallsvariablen besprochen Übertragung des gelernten auf diskrete Verteilungen Ziel des Kapitels
Dr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen Hochschule Esslingen Übungsblatt 2. Statistik
Dr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen 6.10.2016 Hochschule Esslingen Übungsblatt 2 Statistik Stichworte: arithmetischer Mittelwert, empirische Varianz, empirische Standardabweichung, empirischer
Statistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übung 3 1 Inhalt der heutigen Übung Vorrechnen der Hausübung B.7 Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben C.1: Häufigkeitsverteilung C.2: Tukey
Dr. W. Kuhlisch Dresden, Institut für Mathematische Stochastik
Dr. W. Kuhlisch Dresden, 12. 08. 2014 Institut für Mathematische Stochastik Klausur Statistik für Studierende der Fachrichtungen Hydrologie und Altlasten/Abwasser zugelassene Hilfsmittel: Taschenrechner
70 Wichtige kontinuierliche Verteilungen
70 Wichtige kontinuierliche Verteilungen 70. Motivation Zufallsvariablen sind nicht immer diskret, sie können oft auch jede beliebige reelle Zahl in einem Intervall [c, d] einnehmen. Beispiele für solche
Statistik... formeln für Dummies
Timm Si99 Statistik... formeln für Dummies Fachkorrektur tlon Christoph Maas und Joachim Gaukel WILEY WILEY-VCH Verlag GmbH & Co. KGaA lnhaftsllerzeichnis Einleitun9 17 Teil I Formeln aus der beschreibenden
Teil IV Deskriptive Statistik
Woche 5: Deskriptive Statistik Teil IV Deskriptive Statistik WBL 15/17, 18.05.2015 Alain Hauser Berner Fachhochschule, Technik und Informatik Berner Fachhochschule Haute école spécialisée
3. Deskriptive Statistik
3. Deskriptive Statistik Eindimensionale (univariate) Daten: Pro Objekt wird ein Merkmal durch Messung / Befragung/ Beobachtung erhoben. Resultat ist jeweils ein Wert (Merkmalsausprägung) x i : - Gewicht
Deskriptive Statistik Aufgaben und Lösungen
Grundlagen der Wirtschaftsmathematik und Statistik Aufgaben und en Lernmaterial zum Modul - 40601 - der Fernuniversität Hagen Inhaltsverzeichnis 1 Daten und Meßskalen 5 1.1 Konkrete Beispiele...................................
Mathematik 3 für Informatik
Gunter Ochs Wintersemester 20/6 Mathematik 3 für Informatik Lösungen zum Hausaufgabenblatt 4 Lösungshinweise (ohne Ganantie auf Fehlerfreiheit. Wenn man beim Roulette auf Rot oder Schwarz setzt, erhält
Statistik II für Betriebswirte Vorlesung 2
Statistik II für Betriebswirte Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 26. Oktober 2016 Prof. Dr. Hans-Jörg Starkloff Statistik II für Betriebswirte Vorlesung
7. Grenzwertsätze. Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012
7. Grenzwertsätze Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Mittelwerte von Zufallsvariablen Wir betrachten die arithmetischen Mittelwerte X n = 1 n (X 1 + X 2 + + X n ) von unabhängigen
Handelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen?
1. Handelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen? a.) Anzahl der Kunden, die an der Kasse in der Schlange stehen. b.) Die Menge an Energie, die pro Tag von einem Energieversorgungsunternehmen
Teil VIII. Zentraler Grenzwertsatz und Vertrauensintervalle. Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle. Lernziele. Typische Situation
Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle Patric Müller ETHZ Teil VIII Zentraler Grenzwertsatz und Vertrauensintervalle WBL 17/19, 29.05.2017 Wahrscheinlichkeit
Statistik für Ingenieure Vorlesung 5
Statistik für Ingenieure Vorlesung 5 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 28. November 2017 3.4 Wichtige stetige Verteilungen 3.4.1 Exponentialverteilung Parameter:
Hinweis: Es sind 4 aus 6 Aufgaben zu bearbeiten. Werden mehr als 4 Aufgaben bearbeitet, werden nur die ersten vier Aufgaben gewertet.
11.01.2012 Prof. Dr. Ingo Klein Klausur zur VWA-Statistik Hinweis: Es sind 4 aus 6 Aufgaben zu bearbeiten. Werden mehr als 4 Aufgaben bearbeitet, werden nur die ersten vier Aufgaben gewertet. Aufgabe 1:
A3.Die Lebensdauer eines elektronischen Gerätes werde als normalverteilt angenommen. Der Erwartungswert betrage
Aufgaben ~ Beispiele A1. Wir spielen Roulette mit einem Einsatz von 5 mit der Glückszahl 15. Die Wahrscheinlichkeiten und Auszahlungen beim Roulette sind in folgender Tabelle zusammengefasst: Ereignis
Statistik für Ingenieure Vorlesung 3
Statistik für Ingenieure Vorlesung 3 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 14. November 2017 3. Zufallsgrößen 3.1 Zufallsgrößen und ihre Verteilung Häufig sind
Statistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli
Modellierung- und Simulation Mathis Plewa ( )
Inhaltsverzeichnis Abbildungsverzeichnis... 1 Übungsaufgabe: Zufallsgeneratoren und Histogramme... 2 Standard Gleichverteilung... 2 Gaußverteilung... 3 Exponentialverteilung... 4 Übungsaufgabe: Geometrische
Zufallsvariablen [random variable]
Zufallsvariablen [random variable] Eine Zufallsvariable (Zufallsgröße) X beschreibt (kodiert) die Versuchsausgänge ω Ω mit Hilfe von Zahlen, d.h. X ist eine Funktion X : Ω R ω X(ω) Zufallsvariablen werden
Wahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
PROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale)
PROC MEAS zum Berechnen statistischer Maßzahlen (für quantitative Merkmale) Allgemeine Form: PROC MEAS DATA=name Optionen ; VAR variablenliste ; CLASS vergleichsvariable ; Beispiel und Beschreibung der
5. Spezielle stetige Verteilungen
5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für
Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007
Mathematik IV für Maschinenbau und Informatik Stochastik Universität Rostock, Institut für Mathematik Sommersemester 007 Prof. Dr. F. Liese Dipl.-Math. M. Helwich Serie Termin: 9. Juni 007 Aufgabe 3 Punkte
Tests für Erwartungswert & Median
Mathematik II für Biologen 26. Juni 2015 Prolog Varianz des Mittelwerts Beispiel: Waage z-test t-test Vorzeichentest Wilcoxon-Rangsummentest Varianz des Mittelwerts Beispiel: Waage Zufallsvariable X 1,...,X
Kapitel 12 Stetige Zufallsvariablen Dichtefunktion und Verteilungsfunktion. stetig. Verteilungsfunktion
Kapitel 1 Stetige Zufallsvariablen 1.1. Dichtefunktion und Verteilungsfunktion stetig Verteilungsfunktion Trägermenge T, also die Menge der möglichen Realisationen, ist durch ein Intervall gegeben Häufig
Prof. Dr. Christoph Karg Hochschule Aalen. Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik. Sommersemester 2017
Prof. Dr. Christoph Karg 10.7.2017 Hochschule Aalen Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik Sommersemester 2017 Name: Unterschrift: Klausurergebnis Aufgabe 1 (10 Punkte) Aufgabe
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
Statistik I für Betriebswirte Vorlesung 3
Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 15. April 2019 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 1. April
10. Die Normalverteilungsannahme
10. Die Normalverteilungsannahme Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Bisher haben wir vorausgesetzt, daß die Beobachtungswerte normalverteilt sind. In diesem Fall kann man
Lösungen. w58r4p Lösungen. w58r4p. Name: Klasse: Datum:
Testen und Fördern Name: Klasse: Datum: 1) Ermittle jeweils das arithmetische Mittel. Ordne die Datenerhebungen nach der Größe der arithmetischen Mittel. Beginne mit dem Größten. 45, 39, 44, 48, 42, 39,
FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT
FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte
Inhaltsverzeichnis Inhaltsverzeichnis VII Erst mal locker bleiben: Es f angt ganz einfach an! Keine Taten ohne Daten!
Inhaltsverzeichnis Inhaltsverzeichnis VII 1 Erst mal locker bleiben: Es fängt ganz einfach an! 1 1.1 Subjektive Wahrscheinlichkeit - oder warum...?..... 4 1.2 Was Ethik mit Statistik zu tun hat - Pinocchio
Das Histogramm ist glockenförmig. Es würde bei mehr als vier Fehlerquellen sich der Glockenform noch besser annähern.
10. Stetige Zufallsvariable, Normalverteilung 55 Die in den folgenden Beispielen dargestellten Verteilungen haben ungefähr Glockenform. Sie können durch die sogenannte Normalverteilung oder Gaussverteilung
Modellanpassung und Parameterschätzung. A: Übungsaufgaben
7 Modellanpassung und Parameterschätzung 1 Kapitel 7: Modellanpassung und Parameterschätzung A: Übungsaufgaben [ 1 ] Bei n unabhängigen Wiederholungen eines Bernoulli-Experiments sei π die Wahrscheinlichkeit
Biostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 Wahrscheinlichkeitstheorie:, Kenngrößen Prof. Dr. Achim Klenke http://www.aklenke.de 7. Vorlesung: 09.12.2011 1/58 Inhalt 1 2 Kenngrößen von Lagemaße 2/58 mit Dichte Normalverteilung
Definition Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) :=
Definition 2.34. Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) := x f(x)dx der Erwartungswert von X, sofern dieses Integral existiert. Entsprechend wird die Varianz V(X)
5 Exkurs: Deskriptive Statistik
5 EXKURS: DESKRIPTIVE STATISTIK 6 5 Ekurs: Deskriptive Statistik Wir wollen zuletzt noch kurz auf die deskriptive Statistik eingehen. In der Statistik betrachtet man für eine natürliche Zahl n N eine Stichprobe
P (X = 2) = 1/36, P (X = 3) = 2/36,...
2.3 Zufallsvariablen 2.3 Zufallsvariablen Meist sind die Ereignisse eines Zufallseperiments bereits reelle Zahlen. Ist dies nicht der Fall, kann man Ereignissen eine reelle Zahl zuordnen. Zum Beispiel
77) auf zwei Nachkommastellen genau, und geben Sie den wesentlichen Unterschied der Verfahren an μ 0.
Abiturprüfung Berufliche Oberschule 00 Mathematik Technik - B I - Lösung Aufgabe.0 Eine Zufallsgröße X ist binomial verteilt mit n 0 und der Trefferwahrscheinlichkeit p 0.7. Aufgabe. (7 BE) Bestimmen Sie
Statistik I. 2. Klausur Wintersemester 2011/2012 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik I A 2. Klausur Wintersemester 2011/2012 Hamburg, 20.03.2012 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................
Stochastik Musterlösung 4
ETH Zürich HS 218 RW, D-MATL, D-MAVT Prof. Marloes H. Maathuis Koordinator Dr. Marvin S. Müller Stochastik Musterlösung 4 1. Die Zufallsvariable, die die Anzahl eingehender Telefonanrufe in einer Telefonzentrale
Bestimmte Zufallsvariablen sind von Natur aus normalverteilt. - naturwissenschaftliche Variablen: originär z.b. Intelligenz, Körpergröße, Messfehler
6.6 Normalverteilung Die Normalverteilung kann als das wichtigste Verteilungsmodell der Statistik angesehen werden. Sie wird nach ihrem Entdecker auch Gaußsche Glockenkurve genannt. Die herausragende Stellung
2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.11. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler 2009 war genau 33.7%. Wie groß ist die Wahrscheinlichkeit, in einer Zufallsstichprobe von 1000 Personen genau
1 45, 39, 44, 48, 42, 39, 40, , 31, 46, 35, 31, 42, 51, , 42, 33, 46, 33, 44, 43
1) Ermittle jeweils das arithmetische Mittel. Ordne die Datenerhebungen nach der Größe der arithmetischen Mittel. Beginne mit dem Größten. 1 45, 39, 44, 48, 42, 39, 40, 31 2 35, 31, 46, 35, 31, 42, 51,
Übungsblatt 9 (25. bis 29. Juni)
Statistik 2 Dr. Andrea Beccarini Dipl.-Vw. Dipl.-Kffr. Heike Bornewasser-Hermes Sommersemester 2012 Übungsblatt 9 (25. bis 29. Juni) Stetiges Verteilungsmodell und Gemeinsame Verteilung Stetiges Verteilungsmodell
j K j d j m j h j f j
Für eine stetige Zufallsvariable X in einem Intervall [ a ; b ] kann X jeden beliebigen Wert annehmen. Die Wahrscheinlichkeiten werden in diesem Fall nicht mehr wie bei einer diskreten Zufallsvariable
Keine Panik vor Statistik!
Markus Oestreich Oliver Romberg Keine Panik vor Statistik! Erfolg und Spaß im Horrorfach nichttechnischer Studiengänge 4., aktualisierte Auflage STUDIUM 4y Springer Spektrum Inhaltsverzeichnis Inhaltsverzeichnis
Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf
Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf 1 Agenda Wiederholung stetige Renditen deskriptive Statistik Verteilungsparameter Erwartsungswert und Varianz
Fit 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
