Auswertung univariater Datenmengen - deskriptiv
|
|
- Lisa Armbruster
- vor 7 Jahren
- Abrufe
Transkript
1 Auswertung unvarater Datenmengen - deskrptv Egenschaften des arthmetschen Mttels Enfache Streuungsmaße Spannwete Quartlabstand Das Dagramm enes Boplots Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II Bblografe Bleymüller / Gehlert / Gülcher Verlag Vahlen Statstk für Wrtschaftswssenschaftler Bleymüller / Gehlert Verlag Vahlen Statstsche Formeln, Tabellen und Programme PowerPontPräsentatonen (Prof. Kück/ Dr. Rcabal), Vorlesungsskrpt für Statstk I (Dr. Pu Chen), Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 2
2 Egenschaften des arthmetschen Mttels ull-egenschaft: De Summe der Abwechungen der Beobachtungswerte vom arthmetschen Mttel st ull. Quadratsche Mnmumegenschaft: De Summe der quadrerten Abwechungen zwschen Beobachtungswerten und enem belebgen Wert errecht das Mnmum für das arthmetsche Mttel. De Lneare Transformaton der Beobachtungswerte bewrkt de analoge Transformaton des arthmetschen Mttels. Das arthmetsche Mttel ener Gesamtmasse aggregert de arthmetschen Mttel von Telmassen n gewogener Form. Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 3 ull-egenschaft des arthmetschen Mttels De Summe der Abwechungen der Beobachtungswerte vom arthmetschen Mttel st ull. = (a µ) = mt µ = = a Bewes: (a µ) = a µ = a µ = a a = = = = = = = Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 4
3 Bespel: ull-egenschaft des arthmetschen Mttels Bespel: Körpergewcht n kg von Personen. Das arthmetsche Mttel des Gewchtes der betrachteten Personen beträgt 65 kg µ Lsa Anna Antje Mare Dörte Sven Uwe Ka Jan ls Enge Abwechungen der Enzelwerte zum arthmetschen Mttel snd postv de anderen negatv. Ihre Summe st glech ull. Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 5 Quadratsche Mnmumegenschaft des arthmetschen Mttels SQ() = Bewes: dsq() d = = 2 (a ) = 2(a ) = = = (a ) = 2 (a ) errecht en Mnmum an der Stelle =µ erste Abletung der Funkton SQ() notwendge Bedngung = a = = = a = µ 2 d SQ() = + 2 > SQ() hat en Mnmum an der Stelle = µ 2 d Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 6
4 Bespel: Quadratsche Mnmumegenschaft des arthmetschen Mttels Verglech der Abwechungsquadrate bem arthmetschen Mttel 65 kg und zwe anderen Werten (75 und 55). (44-65)² (44-75)² (44-55)² + (46-65)² + (46-75)² + (46-55)² + (5-65)² + (5-75)² + (5-55)² + (54-65)² + (54-75)² + (54-55)² + (56-65)² + (56-75)² + (56-55)² + (69-65)² + (69-75)² + (69-55)² + (72-65)² + (72-75)² + (72-55)² + (78-65)² + (78-75)² + (78-55)² + (8-65)² + (8-75)² + (8-55)² + (-65)² + (-75)² + (-55)² = = = Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 7 Lneare Egenschaft des arthmetschen Mttels Se µ das arthmetsche Mttel der Beobachtungen enes Merkmals X. Se Y ene lneare Transformaton von X, d. h. y = a b für alle =, 2,..., + Dann glt für das arthmetsche Mttel µ 2 von Y: µ 2 =aµ +b. Das arthmetsche Mttel st äquvarant gegenüber deser Transformaton. Bewes: y a + b a + b = = = µ = = = = aµ 2 + Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 8 b
5 Bespel: Lneare Egenschaft des arthmetschen Mttel Wäre das Gewcht aller erfassten Personen n Pfund statt n Klogramm angegeben, würde sch das arthmetsche Mttel entsprechend verdoppeln. Gewcht Lneare Transformaton Lsa Anna Andje Mare Dörte Sven Uwe Ka Jan ls Klogramm Pfund Mttelwert aus transformerten Daten Y=2X (Gewcht n Pfund) µ y = 3 Mttelwert aus ursprünglchen Daten X (Gewcht n kg) µ = 65 µ = 2 y µ Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 9 Aggregerbarket des arthmetschen Mttels Seen T, T 2,, T k k Telgesamtheten jewels mt, 2,, k Merkmalsträgern. Seen µ, µ 2,, µ k de entsprechenden arthmetschen Mttel n der Telgesamtheten. Für das arthmetsche Mttel µ der Grundgesamthet G glt: µ k µ µ k µ = µ + µ 2 + L+ mt k µ k = µ = = L k Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II k
6 Aggregerbarket des arthmetschen Mttels -Bewes- µ = µ µ 2 2 k = µ Gewogenes Arthmetsches Mttel und folgen: µ k k k k = j= = j= Aus Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II j j = j= µ = + j= j µ = und j 2 j= µ 2 µ 2 k µ µ = + + L+ 2 j + L+ j 2 j = j= j= + + L+ j= k j= 2 k j= k k = µ = j k j k j Bespel: Aggregerbarket des arthmetschen Mttels Für de 25 nach Karossereform grupperten Autos ergeben sch folgende Mttelwerte für de Motorlestung. Karossereform Mttelwert Gruppenumfang Großraumlmousne 8,6 6 Komb,5 2 Schräghecklmousne 93,97 7 Stufenhecklmousne 69,25 97 µ µ Gesamt Gesamt 6 = 8,6 +,5 25 = 25,37 PS , , Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 2
7 Beurtelung des arthmetschen Mttels Das arthmetsche Mttel st der n der Pras am häufgsten verwendete Mttelwert. Für Vertelungen, de stärker von den Egenschaften der Symmetre und Engpfelgket abwechen, egnet sch das arthmetsche Mttel ncht, da der berechnete Mttelwert ncht das Zentrum der Vertelung repräsentert. Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 3 Bespel: Beurtelung des arthmetschen Mttels Es se folgende emprsche Häufgketsvertelung gegeben: f( ) Der numersche Wert für das arthmetsche Mttel st rchtg. Sachlch st deser Mttelwert jedoch ungeegnet, da er ene falsche Vorstellung vom Zentrum der Vertelung vermttelt. Denken se an de Kuh! Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 4
8 Bespel: Trügersche Mtte Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 5 Symmetre und Lageparameter Für metrsch skalerte Merkmale können das arthmetsche Mttel, der Medan und der Modus auch dazu verwendet werden, um Symmetre oder Schefe ener Vertelung beurtelen zu können. Der Verglech der numerschen Werte lefert Vorstellungen über de Vertelungsform. Symmetreregeln geben de Größenbezehung zwschen den Mttelwerten an. Be symetrscher Vertelung glt: µ = Me = Mo f() bzw. angeschwächt: µ Me Mo µ = Me = Mo Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 6
9 Symmetre und Lageparameter f() Be lnkssteler (rechtsschefer) Vertelung glt: Mo > Me > µ Mo Me µ f() Be rechtssteler (lnksschefer) Vertelung glt: µ < Me < Mo µ Me Mo Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 7 Zusammenfassung Mttelwerte De Unterschede zwschen arthmetschem Mttel, Zentralwert und Modalwert snd n praktschen Analysen von Bedeutung. Welcher Mttelwert hat n der gegebenen Stuaton de bessere Aussage, welcher Mttelwert trfft de Mtte am besten? Her gbt es kene endeutge Antwort, denn de Beantwortung wrd auch subjektv davon beenflusst, welches Bld der Analytker vermtteln möchte. Enkommensvertelungen lefern Bespele, de m Allgemenen lnksstel snd und für sehr hohe Enkommen flach nach rechts auslaufen. Werden Modus und Medan verwendet, beenflusst man de Argumentaton zu nedrgen Enkommen, während de Verwendung des arthmetschen Mttels en höheres Enkommen argumentert. Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 8
10 Medan oder arthmetsches Mttel?...Wenn z.b. der Präsdent der Bundesärztekammer vom mttleren Enkommen der deutschen Ärzte sprcht, ment er.d.r. ncht das arthmetsche Mttel sondern den Medan. Wann mmer m deutschen Ärzteblatt von Geld de Rede st, ernnert man sch gern daran, dass es außer dem arthmetsche Mttel noch andere Mttelwerte gbt. Auf der anderen Sete rufen Krtker, de menen, deutsche Ärzte verdenen vel zu vel, gern das arthmetsche Mttel n den Zeugenstand. Deses st we be allen rechtsschefen Vertelungen mmer größer als der von den Ärzten bevorzugte Medan. Z. B. Laborarzt: Arthmetsche Mttel: 7. DM p.a. Medan: 5. DM p.a. Aus Krämer: So lügt man mt Statstk Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 9 Vorscht be Mttelwerten! Das durchschnttlche Enkommen m Sultanat Brune beträgt nach dem arthmetschen Mttel berechnet 54. DM, für Deutschland dagegen 46. DM. Zu beachten st jedoch, dass de Enkommensvertelung n Brune erheblch schefer st als de von Deutschland. Lässt man den Sultan, der als rechster Mensch der Erde glt, und sene Famle weg, seht das Bld schon ganz anders aus. Solche Ausreßer, we de Statstker sagen, zehen das arthmetsche Mttel an sch heran we en Magnet. Aus Krämer: So lügt man mt Statstk Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 2
11 Vorscht be Mttelwerten! Sollen wr das arthmetsche Mttel als durchschnttlche Körpergröße nehmen und den Gegner erschrecken, oder wollen wr hn enlullen und nehmen den Medan? Aus Krämer: So lügt man mt Statstk Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 2 Überlegen Se selbst! Berechnen Se für de ausgewesenen Jahre de durchschnttlche Knderzahl, de Akademkernnen n West- und n Ostdeutschland haben. We müsste man vorgehen, wenn aus desen Daten en Durchschnttswert für Deutschland über Knderlosgket be Akademkernnen ausgewesen werden soll? Quelle: Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 22
12 Bespel: Lage- oder Streuungsparameter? Für Moskau und Dubln wrd de gleche Jahresdurchschnttstemperatur von C ausgewesen. Der Verglech der gemessenen Enzelwerte zegt folgendes Bld, wo man erkennen kann, dass de Temperaturschwankungen n Moskau größer als n Dubln snd: J F M A M J J A S O D J F M A M J J A S O D De durchschnttlche Temperatur recht ncht, um de Temperaturstuaton zu charakterseren. Her wrd en Streuungsmaß gebraucht, um de Schwankungen zu beschreben. Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 23 otwendgket der Streuungsmaße Lageparameter können de Vertelung ncht vollständg beschreben. De dre etrem unterschedlchen Vertelungen haben den glechen (arthmetschen) Mttelwert von : Streuungsparameter denen der näheren Charakterserung von Schwankungen ener Vertelung. Se snd en Maß dafür, we wet de Daten auf der Merkmalsachse vonenander oder vom Zentrum der Vertelung entfernt legen. Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 24
13 Emprsche Streuungsmaße In der beschrebenden Statstk werden folgende Maßzahlen der Streuung verwendet: Spannwete Quartlsabstand Mttlere absolute Abwechung Varanz Standardabwechung Varatonskoeffzent Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 25 Spannwete De Spannwete st de enfachste Maßzahl für de Abwechung der Daten, de den Abstand zwschen dem klensten und dem größten Beobachtungswert angbt. Spannwete (Englsch: range) R = a ma a mn a mn a ma Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 26
14 Bespel: Spannwete In der Rehe der geordneten Merkmalswerte der Gewchte für untersuchte Personen st de Spannwete de Dfferenz aus dem Gewcht von ls und Lsa: ame Lsa Anna Antje Mare Dörte Sven Uwe Ka Jan ls r a Es ergbt sch: R = a ma a mn = 44 = 57 De Spannwete beträgt 57 kg. Interpretaton: De Ausprägungen legen n enem Berecht von 75 kg Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 27 Beurtelung der Spannwete De Spannwete st ene enfache Maßzahl für de Streuung. De Spannwete drückt de Varatonsbrete der Beobachtungswerte aus. Da se nur aus den beden Etremwerten berechnet wrd, st se sensbel gegenüber Ausreßer. Se st nur geegnet, wenn de Anzahl der Beobachtungen klen st. Bespel: Würde ls ncht kg sondern ledglch 8 kg wegen, so ergäbe sch für de Spannwete 37 kg (statt 57 kg) Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 28
15 Quartlsabstand Der Quartlsabstand (Englsch: nterquartl range) st de Dfferenz zwschen dem 75%gen und 25%gen Quartl der Vertelung. Das st de Spanne, welche de mttleren 5 % der Daten (de mttlere Hälfte) umfasst: a [] Q Q 3 a [] QA = Q 3 Q 25% 5% 25% Dabe bezechnen Q und Q 3 das erste (untere) und das drtte (obere) Quartl der Vertelung. Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 29 Bespel: Quartlsabstand klasserter Daten Für de n Gewchtsklassen erfassten Personen snd zunächst de 75%gen und 25%gen Quartlswerte zu bestmmen: Gewcht f( ) F( ) von bs unter 42,5 47,5,4,4 47,5 52,5,8,22 52,5 57,5,26,48 57,5 62,5,2,68 62,5 67,5,2,8 Enfallsklassen für Q Enfallsklassen für Q3 F( ),2,8,6,4,2 42,5 bs 47,5 47,5 bs 52,5 52,5 bs 57,5 57,5 bs 62,5 62,5 bs 67,5 67,5 bs 72,5 72,5 bs 77,5 77,5 bs 82,5 82,5 bs 87,5 87,5 bs 92,5 Man bestmmt für Q : 53, und für Q 3 : 65,4. Der Quartlsabstand beträgt 2,3 kg. Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 3
16 Bespel: Berechnung des ersten Quartls Gewcht f( ) F( ) von bs unter 42,5 47,5,4,4 47,5 52,5,8,22 52,5 57,5,26,48 57,5 62,5,2,68 62,5 67,5,2,8 Enfallsklassen für Q F(Q)=,25,22 <,25 <,48 F(52,5) < F(Q ) < F(57,5) 52,5 < Q < 57,5 Q Q Q = u u,25 F( ) + ( o u F( ) F( ),25 F(52,5) = 52,5 + (57,5 52,5) F(57,5) F(52,5),25,22 = 52,5 + (57,5 52,5) = 53,,48,22 o u ) Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 3 Bespel: Berechnung des drtten Quartls Gewcht f( ) F( ) von bs unter 42,5 47,5,4,4 47,5 52,5,8,22 52,5 57,5,26,48 57,5 62,5,2,68 62,5 67,5,2,8 Q Q Q Enfallsklassen für Q3 F(Q3)=,75,68 <,75 <,8 F(62,5) < F(Q ) < F(67,5) 62,5 < Q = u 3 < 67,5 u,75 F( ) + ( o u F( ) F( ),75 F(62,5) = 62,5 + (67,5 62,5) F(67,5) F(62,5),75,68 = 62,5 + (67,5 62,5) = 65,4,8,68 o 3 u ) Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 32
17 Bespel: Quartlsabstand unterschedlcher Vertelungen f() Glechvertelung: F(),75,25 f() X ormalvertelung: F(),75 X,25 X X Der Quartlsabstand st be ormalvertelung klener als be Glechvertelung. Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 33 Bespel: Quartle klasserter Daten Haushaltsnettoenkommen (HHE) m früheren Bundesgebet Erwerbsstatstk 23 ( DESTATIS) HHE von bs unter Euro Früheres Bundesgebet F() Unter 9 7,2,72 9 3,7, ,6, ,7, ,7, ,, ,6, ,2,998 Enfallsklassen Für Q=Q,25 Für Q2=Me=Q,5 Für Q3=Q,75 u u p F( ) o u Qp = + ( ) Allgemene Formel für das p-quantl u F( ) F( ) Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 34
18 Bespel: Berechnung der Quartle Haushaltsnettoenkommen (HHE) m früheren Bundesgebet Erwerbsstatstk 23 ( DESTATIS) Das erste Quartl (p=,25) Q,25,89 = 3 + (5 3) = 484,85,255,89 Der Medan (p=,5),5,42 Me = 2 + (26 2) = 24,549,42 Das drtte Quartl (p=,75) Q 3,75,73 = 36 + (5 36) = 379,78,876,73 Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 35 Bespel: Interquartlsabstand Bespel: Haushaltsnettoenkommen (HHE) m früheren Bundesgebet. Erwerbsstatstk 23 ( DESTATIS) HHE von bs unter Euro Früheres Bundesgebet F() Unter 9 7,2,72 9 3,7, ,6, ,7, ,7, ,, ,6, ,2,998 Q =484,85 Q 2 =Me=24 Q 3 =379,78 QA=Q 3 -Q QA=379,78-484,85 QA=236,93 De mttlere Hälfte der Haushaltsnettoenkommen hat ene Spannung von 236,93. Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 36
19 Beurtelung des Quartlsabstandes Der Quartlsabstand wrd ncht durch enzelne Etremwerte beenflusst. Er st gegenüber Ausreßern robuster. Der Quartlsabstand gbt de Dfferenz der Merkmalswerte an, welche de mttlere Hälfte der Enzelwerte repräsentert. Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 37 Grafsche Darstellung von fünf wchtgen Vertelungspunkten (Boplots) Das Dagramm enes Boplots ermöglcht ene komprmerte Vsualserung ener unvaraten Häufgketsvertelung, ndem fünf wchtge Punkte ener Vertelung zusammengefasst dargestellt werden. Aufbau des Boplots: Merkmalsausprägun g Mamum oberes Quartl Medan unteres Quartl Mnmum Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 38
20 Boplots be asymmetrscher Vertelung Je nachdem, wo der Medan nnerhalb der Bo legt, lassen sch Aussagen über de Symmetre der Vertelung treffen. Merkmalsausprägung Be ener asymmetrschen Vertelung legt der Medan ncht mttg n der Bo. Unglech brete Abstände zwschen Etrema und unteren bzw. oberen Quartl ( whskers ) ndzeren ebenfalls Asymmetre. Der Streuung der Merkmalswerte wrd durch de Spannwete der Etrema und den Quartlabstand dargestellt. Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 39 Boplots be symmetrscher Vertelung Für ene eakt symmetrsche Vertelung hat das Boplot folgende Gestalt: Der Medan legt mttg n der Bo, de Abstände zwschen Etrema und unteren bzw. oberen Quartl snd glech. Merkmalsausprägung Jeglche Abwechungen davon bedeuten Asymmetre der emprschen Vertelung. Be emprschen Vertelungen st eakte Symmetre selten! Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 4
21 Bespel: Aussagen des Boplots Für de 25 untersuchten Autos se de Lestung der Großraumlmousnen, Kombs, Schrägheckfahrzeuge, Stufenhecklmousnen mttels der Boplot- Darstellung verglechend dargestellt: SPSS-Dagramm Lestung [PS] = GL K SH STH Karossereform De Gruppe der Großraumlmousnen st m Verglech am wengsten asymmetrsch und west bem Merkmal Lestung den gerngsten Streuberech auf. Den größten Streuberech haben Stufenhecklmousnen. Etreme Lestungen m oberen Lestungsberech gbt es be SH und STH. Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 4 Boplots - Ausreßerproblematk SPSS kann optonal bestmmte Objekte aus der Erstellung des Boplots ausschleßen Als Ausreßer werden Objekte behandelt, deren Merkmalswerte zwschen,5 und 3 Bolängen vom oberen oder unteren Rand der Bo entfernt snd. De Bolänge entsprcht dem nterquartlen Berech. Lestung [PS] 2 = 6 GL K 7 SH STH Karossereform Als Etremwerte werden Objekte behandelt und gekennzechnet ausgewesen, deren Merkmalswerte mehr als 3 Bolängen vom oberen oder unteren Rand der Bo entfernt snd. Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter II 42
Auswertung univariater Datenmengen - deskriptiv
Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;
MehrStreuungs-, Schiefe und Wölbungsmaße
aptel IV Streuungs-, Schefe und Wölbungsmaße B... Lagemaße von äufgketsvertelungen geben allen weng Auskunft über ene äufgketsvertelung. Se beschreben zwar en Zentrum deser Vertelung, geben aber kenen
Mehrwird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:
Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab
MehrAuswertung univariater Datenmengen - deskriptiv
Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;
MehrSind die nachfolgenden Aussagen richtig oder falsch? (1 Punkt pro korrekter Beantwortung)
LÖSUNG KLAUSUR STATISTIK I Berufsbegletender Studengang Betrebswrtschaftslehre Sommersemester 016 Aufgabentel I: Theore (10 Punkte) Snd de nachfolgenden Aussagen rchtg oder falsch? (1 Punkt pro korrekter
MehrGrundlagen sportwissenschaftlicher Forschung Deskriptive Statistik
Grundlagen sportwssenschaftlcher Forschung Deskrptve Statstk Dr. Jan-Peter Brückner jpbrueckner@emal.un-kel.de R.6 Tel. 880 77 Deskrptve Statstk - Zele Beschreben der Daten Zusammenfassen der Daten Überblck
MehrAuswertung univariater Datenmengen - deskriptiv
Auswertung unvarater Datenengen - deskrptv Bblografe Prof. Dr. Kück; Statstk, Vorlesungsskrpt Abschntt 6.., 6..4, 6..5 Bleyüller/Gehlert/Gülcher; Statstk für Wrtschaftswssenschaftler Verlag Vahlen Bleyüller/Gehlert;
Mehr2 Zufallsvariable und Verteilungen
Zufallsvarable und Vertelungen 7 Zufallsvarable und Vertelungen Wr wollen uns jetzt mt Zufallsexpermenten beschäftgen, deren Ausgänge durch (reelle) Zahlen beschreben werden können, oder be denen man jedem
MehrFORMELSAMMLUNG STATISTIK (I)
Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen
MehrMaße der zentralen Tendenz (10)
Maße der zentralen Tendenz (10) - De Berechnung der zentralen Tendenz be ategorserten Daten mt offenen Endlassen I - Bespel 1: offene Endlasse Alter x f x f p x p p cum bs 20 1? 3? 6? 6 21-25 2 23 20 460
MehrAuswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07
Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage
MehrDaten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.
Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve
MehrLösungen zum 3. Aufgabenblock
Lösungen zum 3. Aufgabenblock 3. Aufgabenblock ewerber haben n enem Test zur sozalen Kompetenz folgende ntervallskalerte Werte erhalten: 96 131 11 1 85 113 91 73 7 a) Zegen Se für desen Datensatz, dass
MehrBeschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression
Beschrebung des Zusammenhangs zweer metrscher Merkmale Streudagramme Korrelatonskoeffzenten Regresson Alter und Gewcht be Kndern bs 36 Monaten Knd Monate Gewcht 9 9 5 8 3 4 7.5 4 3 6 5 3 6 4 3.5 7 35 5
MehrStatistik Exponentialfunktion
! " Statstk " Eponentalfunkton # $ % & ' $ ( )&* +, - +. / $ 00, 1 +, + ) Ensemble von radoaktven Atomkernen Zerfallskonstante λ [1/s] Lebensdauer τ 1/λ [s] Anzahl der pro Zetenhet zerfallenden Kerne:
MehrIn der beschreibenden Statistik werden Daten erhoben, aufbereitet und analysiert. Beispiel einer Datenerhebung mit Begriffserklärungen (Vokabel)
Rudolf Brnkmann http://brnkmann-du.de Sete.. Datenerhebung, Datenaufberetung und Darstellung. In der beschrebenden Statstk werden Daten erhoben, aufberetet und analysert. Bespel ener Datenerhebung mt Begrffserklärungen
MehrVerteilungen eindimensionaler diskreter Zufallsvariablen
Vertelungen endmensonaler dskreter Zufallsvarablen Enführung Dskrete Vertelungen Dskrete Glechvertelung Bernoull-Vertelung Bnomalvertelung Bblografe: Prof. Dr. Kück Unverstät Rostock Statstk, Vorlesungsskrpt,
MehrBeim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):
Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.
MehrDefinition des linearen Korrelationskoeffizienten
Defnton des lnearen Korrelatonskoeffzenten r xy x y y r x xy y 1 x x y y x Der Korrelatonskoeffzent st en Indkator dafür, we gut de Punkte (X,Y) zu ener Geraden passen. Sen Wert legt zwschen -1 und +1.
MehrStreuungs-, Schiefe und Wölbungsmaße 1
aptel IV Streuung-, Schefe und Wölbungmaße B... Lagemaße von äufgketvertelungen geben allen weng Aukunft über ene äufgketvertelung. Se bechreben zwar en Zentrum deer Vertelung, geben aber kenen Anhaltpunkt
MehrItemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i
Itemanalyse und Itemkennwerte De Methoden der Analyse der Itemegenschaften st ncht m engeren Snne Bestandtel der Klassschen Testtheore Im Rahmen ener auf der KTT baserenden Testkonstrukton und -revson
MehrÜbungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen
Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen
MehrMathematik für MolekularbiologInnen. Vorlesung VII Block III: Wahrscheinlichkeit und Statistik Verteilungen und Lagemaßzahlen
Mathematk für MolekularbologInnen Vorlesung VII Block III: Wahrschenlchket und Statstk Vertelungen und Lagemaßzahlen Überscht Allgemene Defntonen Bezehung und Vsualserung von Daten Regresson, Fehlerbetrachtung
MehrLineare Regression (1) - Einführung I -
Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:
MehrKapitel V. Parameter der Verteilungen
Kaptel V Parameter der Vertelungen D. 5.. (Erwartungswert) Als Erwartungswert ener Zufallsvarablen X bezechnet man: E( X ) : Dabe se vorausgesetzt: = = + p falls X dskret f d falls X stetg und = + p
MehrArbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2
ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung
MehrDatenaufbereitung und -darstellung III
Datenafberetng nd Darstellng 1 Glederng: Zel der Datenafberetng nd Darstellng Datenverdchtng Tabellen nd grafsche Darstellngen Darstellng nvarater Datenmengen (Abschntt 4.4 Darstellng mltvarater Daten
Mehr(Theoretische) Konfidenzintervalle für die beobachteten Werte: Die Standardabweichung des Messfehlers wird Standardmessfehler genannt:
(Theoretsche Konfdenzntervalle für de beobachteten Werte: De Standardabwechung des Messfehlers wrd Standardmessfehler genannt: ( ε ( 1- REL( Mt Hlfe der Tschebyscheff schen Unglechung lassen sch be bekanntem
MehrStatistische Kennzahlen für die Lage
Statstsche Kennzahlen für de Lage Bsher: gernge Informatonsverdchtung durch Vertelungsbeschrebung Jetzt: stärere Zusammenfassung der Daten auf hr Zentrum ls Raabe: Wahrschenlchetsrechnung und Statstsche
Mehr-70- Anhang: -Lineare Regression-
-70- Anhang: -Lneare Regressn- Für ene Messgröße y f(x) gelte flgender mathematsche Zusammenhang: y a+ b x () In der Regel läßt sch durch enen Satz vn Messwerten (x, y ) aber kene Gerade zechnen, da de
MehrBeschreibende Statistik Mittelwert
Beschrebende Statstk Mttelwert Unter dem arthmetschen Mttel (Mttelwert) x von n Zahlen verstehen wr: x = n = x = n (x +x +...+x n ) Desen Mttelwert untersuchen wr etwas genauer.. Zege für n = 3: (x x )
MehrErwartungswert, Varianz, Standardabweichung
RS 24.2.2005 Erwartungswert_Varanz_.mcd 4) Erwartungswert Erwartungswert, Varanz, Standardabwechung Be jedem Glücksspel nteresseren den Speler vor allem de Gewnnchancen. 1. Bespel: Setzen auf 1. Dutzend
MehrÜbungsaufgabeN mit Lösungen
ÜbngsafgabeN mt Lösngen Statstk / Grndstdm Statstk I G - 3. Fachhochschle der Detschen Bndesbank Dr. Detmar Hbrch Dr. Detmar Hbrch Statstk I Afgaben nd Lösngen Fachhochschle der G 3. Detschen Bndesbank
MehrKonkave und Konvexe Funktionen
Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage
MehrVerteilungen, sondern nur, wenn ein. Eignet sich nicht bei flachen. Bei starker Streuung wenig. Wert eindeutig dominiert.
Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 Kenngrössen der Statstk Für de Auswertung von Datenrehen werden verschedene Kenngrössen
MehrFunktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e
Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de
MehrEin metrisches Merkmal
En metrsches Merkmal 170 171 Bespel Ntratbelastung n NÖ-Trnkwasser Quelle NösWAG/WWF 1998 526 Meßstellen, Angaben n mg/l, Grenzwert st 50mg/l 23 23 32 32 32 12 12 12 12 12 12 12 23 12 12 12 12 23 23 23
MehrKonzept der Chartanalyse bei Chart-Trend.de
Dpl.-Phys.,Dpl.-Math. Jürgen Brandes Konzept der Chartanalyse be Chart-Trend.de Konzept der Chartanalyse be Chart-Trend.de... Bewertungsgrundlagen.... Skala und Symbole.... Trendkanalbewertung.... Bewertung
MehrProf. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz
Prof. Dr. P. Kschka WS 2012/13 Lehrstuhl für Wrtschafts- und Sozalstatstk Klausur Statstsche Inferenz 15.02.2013 Name: Matrkelnummer: Studengang: Aufgabe 1 2 3 4 5 6 7 8 Summe Punkte 6 5 5 5 5 4 4 6 40
MehrStandardnormalverteilung / z-transformation
Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ
MehrTeil IV: Drei Musterklausuren
Tel IV: Dre Musterklausuren Hauptklausur SS 97 Aufgabe : 5 Schwmmer verschedenen Alters erbrachten n Wettkämpfen über 50 m Brustschwmmen de folgenden Zeten: Alter Zeten n sec. 8 37.00 40.00 4.00 30 39.00
MehrResultate / "states of nature" / mögliche Zustände / möglicheentwicklungen
Pay-off-Matrzen und Entschedung unter Rsko Es stehen verschedene Alternatven (Strategen) zur Wahl. Jede Stratege führt zu bestmmten Resultaten (outcomes). Man schätzt dese Resultate für jede Stratege und
MehrStatistik und Wahrscheinlichkeitsrechnung
Statstk und Wahrschenlchketsrechnung Statstk und Wahrschenlchketsrechnung 5. Vorlesung Dr. Jochen Köhler.03.0 Statstk und Wahrschenlchketsrechnung Wchtg!!! Vorlesung Do 4.03.0 HCI G3 Übung 5 D 9.03.0 Fnk
MehrFallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum
Abgabe: Aufgabentext und Lösungen schrftlch bs zum 15. 6. 2012 I. Thema: Zehen mt und ohne Zurücklegen Lesen Se sch zunächst folgenden Text durch! Wr haben bsher Stchprobenzehungen aus Grundgesamtheten
MehrSpannweite, Median Quartilsabstand, Varianz und Standardabweichung.
Rudolf Brkma http://brkma-du.de Sete 06.0.008 Spawete, Meda Quartlsabstad, Varaz ud Stadardabwechug. Streuug um de Mttelwert. I de folgede Säuledagramme st de Notevertelug zweer Schülergruppe (Mädche,
Mehr22. Vorlesung Sommersemester
22 Vorlesung Sommersemester 1 Bespel 2: Würfel mt festgehaltener Ecke In desem Fall wählt man den Koordnatenursprung n der Ecke und der Würfel st durch den Berech x = 0 a, y = 0 a und z = 0 a bestmmt De
MehrDie Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung
am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall
MehrZur Interpretation einer Beobachtungsreihe kann man neben der grafischen Darstellung weitere charakteristische Größen heranziehen.
Rudolf Brkma http://brkma-du.de Sete 0.0.008 Lagemaße der beschrebede Statstk. Zur Iterpretato eer Beobachtugsrehe ka ma ebe der grafsche Darstellug wetere charakterstsche Größe herazehe. Mttelwert ud
MehrBedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY)
Bedngte Entrope Kaptel : Bedngte Entrope Das vorherge Theorem kann durch mehrfache Anwendung drekt verallgemenert werden H (... H ( = Ebenso kann de bedngt Entrope defnert werden Defnton: De bedngte Entrope
MehrGrundgedanke der Regressionsanalyse
Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden
MehrLösungen der Aufgaben zu Kapitel 2
Lösungen der Aufgaben zu Kaptel Abschntt 1 Aufgabe 1 Wr benutzen de Potenzrechenregeln, um ene Potenz von mt geradem Eponenten n oder mt ungeradem Eponenten n + 1 we folgt darzustellen: n n und n+1 n n
MehrLineare Optimierung Dualität
Kaptel Lneare Optmerung Dualtät D.. : (Dualtät ) Folgende Aufgaben der lnearen Optmerung heßen symmetrsch dual zuenander: und { z = c x Ax b x } max, 0 { Z b A c } mn =, 0. Folgende Aufgaben der lnearen
MehrDie hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)
ZZ Lösung zu Aufgabe : Ch²-Test Häufg wrd be der Bearbetung statstscher Daten ene bestmmte Vertelung vorausgesetzt. Um zu überprüfen ob de Daten tatsächlch der Vertelung entsprechen, wrd en durchgeführt.
MehrANOVA (Analysis of Variance) Varianzanalyse. Statistik Methoden. Ausgangssituation ANOVA. Ao.Prof.DI.Dr Josef Haas
Ao.Prof.DI.Dr Josef Haas josef.haas@medungraz.at ANOVA (Analyss of Varance) Varanzanalyse Statstk Methoden Verglech von Mttelwerten Ao.Unv.Prof.DI.Dr. Josef Haas josef.haas@medungraz.at Ausgangsstuaton
MehrStatistik. 1. Vorbereitung / Planung - präzise Formulierung der Ziele - detaillierte Definition des Untersuchungsgegenstandes
Statstk Defnton: Entwcklung und Anwendung von Methoden zur Erhebung, Aufberetung, Analyse und Interpretaton von Daten. Telgebete der Statstk: - Beschrebende (deskrptve) Statstk - Wahrschenlchketsrechnung
MehrNSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.
PV - Hausaugabe Nr. 7.. Berechnen Se eakt und verglechen Se de Werte ür de Nullstelle, de mttels dem Verahren von Newton, der Regula als und ener Mttelung zu erhalten snd von der! Funkton: ( ) Lösungs
MehrKapitel 4: Unsicherheit in der Modellierung Modellierung von Unsicherheit. Machine Learning in der Medizin 104
Kaptel 4: Unscherhet n der Modellerung Modellerung von Unscherhet Machne Learnng n der Medzn 104 Regresson Modellerung des Datengenerators: Dchteschätzung der gesamten Vertelung, t pt p p Lkelhood: L n
Mehr16. Vorlesung Sommersemester
16. Vorlesung Sommersemester 1 Das Egenwertproblem In allgemener Form hat das Egenwertproblem de Form A x = λ x, (1) wobe A ene n n-matrx, x en n-dmensonaler Vektor und λ der Egenwert st (n Englsch: egenvector,
Mehrnonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen
arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree
MehrAbbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).
44 n n F F a) b) Abbldung 3.: Besetzungszahlen enes Fermgases m Grundzustand (a)) und für ene angeregte Konfguraton (b)). 3.3 Ferm Drac Statstk In desem Abschntt wollen wr de thermodynamschen Egenschaften
MehrDatensätze und statistische Grundlagen: Begriffe, Definitionen, Konzepte
Abtelung Arbetsmarktpoltk und Beschäftgung Hauptsemnar: Analse von Längsschnttdaten mt GSOEP und STATA Datensätze und statstsche Grundlagen: Begrffe, Defntonen, Konzepte 27. Oktober 2003 Abtelung Arbetsmarktpoltk
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen
Mehr1 Mehrdimensionale Analysis
1 Mehrdmensonale Analyss Bespel: De Gesamtmasse der Erde st ene Funton der Erddchte ρ Erde und des Erdradus r Erde De Gesamtmasse der Erde st dann m Erde = V Erde ρ Erde Das Volumen ener Kugel mt Radus
Mehr1.11 Beispielaufgaben
. Bespelaufgaben Darstellung komplexer Zahlen Aufgabe. Man stelle de komplexe Zahl z = +e 5f n algebrascher Form, also als x + y dar. Damt man de Formel für de Dvson anwenden kann, muss zunächst der Nenner
Mehr4. Indexzahlen. 5.1 Grundlagen 5.2 Preisindizes 5.3 Indexzahlenumrechnungen. Dr. Rebecca Schmitt, WS 2013/2014
4. ndexzahlen 5.1 Grundlagen 5.2 Presndzes 5.3 ndexzahlenumrechnungen 1 4.1 Grundlagen Als Messzahlen werden de Quotenten bezechnet, de aus den Beobachtungswerten bzw. den Maßzahlen zweer Telmengen derselben
Mehr4.2 Grundlagen der Testtheorie
4.2 Grundlagen der Testtheore Wntersemester 2008 / 2009 Hochschule Magdeburg-Stendal (FH) Frau Prof. Dr. Gabrele Helga Franke Deskrptve Statstk 4-1 bs 4-2 1 GHF m WSe 2008 / 2009 an der HS MD-SDL(FH) m
MehrMultilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel
ultlneare Algebra und hre Anwendungen Nr. : Normalformen Verfasser: Yee Song Ko Adran Jenn Rebecca Huber Daman Hodel 9.5.7 - - ultlneare Algebra und hre Anwendungen Jordan sche Normalform Allgemene heore
MehrRegressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n
Regressonsgerade x x x x 3... x n y y y y 3... y n Bem Auswerten von Messrehen wrd häufg ene durch theoretsche Überlegungen nahegelegte lneare Bezehung zwschen den x- und y- Werten gesucht, d.h. ene Gerade
MehrElemente der Mathematik - Sommer 2016
Elemente der Mathematk - Sommer 2016 Prof Dr Matthas Lesch, Regula Krapf Lösungen Übungsblatt 3 Aufgabe 9 (10 Punkte) Das Horner-Schema st ene Methode zum Auswerten enes Polynoms n a0 x an der Stelle s
MehrStochastische Prozesse
INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)
MehrAnalyse von Querschnittsdaten. Bivariate Regression
Analse von Querschnttsdaten Bvarate Regresson Warum geht es n den folgenden Stzungen? Kontnuerlche Varablen Deskrptve Modelle kategorale Varablen Datum 3.0.2004 20.0.2004 27.0.2004 03..2004 0..2004 7..2004
MehrAspekte zur Approximation von Quadratwurzeln
Aspete zur Approxmaton von Quadratwurzeln Intervallschachtelung Intervallhalberungsverfahren Heron-Verfahren Rechnersche und anschaulche Herletung Zusammenhang mt Newtonverfahren Monotone und Beschränthet
MehrAufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):
LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete
MehrSIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT
Smulaton von Hybrdfahrzeugantreben mt optmerter Synchronmaschne 1 SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT OPTIMIERTER SYNCHRONMASCHINE H. Wöhl-Bruhn 1 EINLEITUNG Ene Velzahl von Untersuchungen hat sch
MehrKlasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten
Versuch r. 1: achwes des Hook schen Gesetzes und Bestmmung der Federkonstanten achwes des Hookeschen Gesetzes und Bestmmung der Federkonstanten Klasse : ame1 : ame 2 : Versuchszel: In der Technk erfüllen
MehrAuswertung univariater Datenmengen - deskriptiv
Auswertung unvrter Dtenmengen - desrptv Bblogrfe Prof. Dr. Küc; Sttst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Sttst für Wrtschftswssenschftler Verlg Vhlen Bleymüller/Gehlert; Formeln,
MehrMi , Dr. Ackermann Übungsaufgaben Gewöhnliche Differentialgleichungen Serie 13
M. 3. 5-4. 45, Dr. Ackermann 6..4 Übungsaufgaben Gewöhnlche Dfferentalglechungen Sere 3.) Bestmmung ener homogenen Dfferentalglechung zu gegebenen Funktonen y (partkuläre Lösungen) enes Fundamentalsystems.
Mehr6. Modelle mit binären abhängigen Variablen
6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch
MehrMusterklausur Wirtschaftsmathematik und Statistik. Zusatzstudium für Wirtschaftsingenieur
Musterklausur Wrtschaftsmathematk und Statstk Zusatzstudum für Wrtschaftsngeneur Telnehmer (Name, Vorname): Datum:.2006 Prüfer: Böhm-Retg Matrkelnummer: REGELN 1. Zum Bestehen der Klausur snd mndestens
MehrProtokoll zu Versuch C1-Mischungsvolumina
Protokoll zu Prnz: De sezfschen Mschungsvolumna ener Lösung werden durch auswegen fester Flüssgketsvolumna bekannter Lösungszusammensetzungen mt Hlfe von Pyknometern bestmmt. Theoretsche Grundlagen: Um
MehrGrundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt
Mathematsches Insttut der Unverstät München Wntersemester 3/4 Danel Rost Lukas-Faban Moser Grundlagen der Mathematk I Lösungsvorschlag zum. Tutorumsblatt Aufgabe. a De Formel besagt, daß de Summe der umrahmten
MehrLineare Regression - Mathematische Grundlagen
FKULTÄT FÜR MTHEMTIK U TURWISSESCHFTE ISTITUT FÜR PHYSIK FCHGEBIET EXPERIMETLPHYSIK I r. rer. nat. orbert Sten, pl.-ing (FH) Helmut Barth Lneare Regresson - Mathematsche Grundlagen. llgemene Gerade Wr
MehrAlternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF
Alternatve Darstellung des -Stchprobentests für Antele DCF CF Total n= 111 11 3 Response 43 6 69 Resp. Rate 0,387 0,3 0,309 Beobachtete Response No Response Total absolut DCF 43 68 111 CF 6 86 11 69 154
MehrBestimmung der Elementarladung nach Millikan. 1. Theorie zum Versuchs. F R = 6 $ $ $ r $ v. $ g. F s = 4 3 $ $ r 3 $ Öl.
Versuch Nr. 5: Bestmmung der Elementarladung nach Mllkan. Theore zum Versuchs Be der Öltröpfchenmethode nach Mllkan wrd Öl mttels enes Zerstäubers n wnzge Tropfen aufgetelt. De Öltröpfchen werden durch
MehrBeschreibung von Vorgängen durch Funktionen
Beschrebung von Vorgängen durch Funktonen.. Splnes (Sete 6) a +b c Zechenerklärung: [ ] - Drücken Se de entsprechende Taste des Graphkrechners! [ ] S - Drücken Se erst de Taste [SHIFT] und dann de entsprechende
MehrFacility Location Games
Faclty Locaton Games Semnar über Algorthmen SS 2006 Klaas Joeppen 1 Abstract Wr haben berets sehr häufg von Nash-Glechgewchten und vor allem von deren Exstenz gesprochen. Das Faclty Locaton Game betet
MehrMECHATRONISCHE NETZWERKE
MECHATRONISCHE NETZWERKE Jörg Grabow Tel 3: Besondere Egenschaften 3.Besondere Egenschaften REZIPROZITÄT REZIPROZITÄT Neben den allgemenen Enschränkungen (Lneartät, Zetnvaranz) be der Anwendung der Verpoltheore
MehrAlternative Konzepte zur Laufzeitenermittlung: Statistisch-theoretische Grundlagen. Dr. Jürgen Faik. - Reinfeld,
Alternatve Konzepte zur Laufzetenermttlung: Statstsch-theoretsche Grundlagen Dr. Jürgen Fak - Renfeld, 20.11.2007-1. Enletung In der sozalpoltschen Dskusson, welche sch auf de gesetzlche Rentenverscherung
MehrZufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert
R. Brnkmann http://brnkmann-du.de Sete..8 Zufallsvarable, Wahrschenlchketsvertelungen und Erwartungswert Enführungsbespel: Zwe Würfel (en blauer und en grüner) werden 4 mal zusammen geworfen. De Häufgketen
MehrInformatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition
Informatk II Raner Schrader und Implkanten Zentrum für Angewandte Informatk Köln 27. Oktober 2005 1 / 28 2 / 28 Was bsher geschah: jede Boolesche Funkton kann durch enfache Grundfunktonen dargestellt werden
Mehr3.3 Lineare Abbildungen und Matrizen
33 LINEARE ABBILDUNGEN UND MATRIZEN 87 33 Lneare Abbldungen und Matrzen Wr wollen jetzt de numersche Behandlung lnearer Abbldungen zwschen Vektorräumen beschreben be der vorgegebene Basen de Hauptrolle
MehrHausübung 1 Lösungsvorschlag
Hydrologe und Wasserwrtschaft Hausübung Lösungsvorschlag NIDRSCHLAG Hnwes: Be dem vorlegenden Dokument handelt es sch ledglch um enen Lösungsvorschlag und ncht um ene Musterlösung. s besteht ken Anspruch
Mehre dt (Gaußsches Fehlerintegral)
Das Gaußsche Fehlerntegral Φ Ac 5-8 Das Gaußsche Fehlerntegral Φ st denert als das Integral über der Standard-Normalvertelung j( ) = -,5 n den Grenzen bs, also F,5 t ( ) = - e dt (Gaußsches Fehlerntegral)
MehrAn dem Ergebnis eines Zufallsexperiments interessiert oft nur eine spezielle Größe, meistens ein Messwert.
SS 2013 Prof. Dr. J. Schütze/ J. Puhl FB GW Ds. ZG 1 Zufallsgrößen An dem Ergebns enes Zufallsexperments nteressert oft nur ene spezelle Größe, mestens en Messwert. Bespel 1. Zufällge Auswahl enes Studenten,
MehrÜbungen zur Vorlesung Physikalische Chemie 1 (B. Sc.) Lösungsvorschlag zu Blatt 2
Übungen zur Vorlesung Physkalsche Chee 1 B. Sc.) Lösungsorschlag zu Blatt Prof. Dr. Norbert Happ Jens Träger Soerseester 7. 4. 7 Aufgabe 1 a) Aus den tabellerten Werten ergbt sch folgendes Dagra. Btte
MehrStatistik und Wahrscheinlichkeit
Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse
MehrSei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ).
Taylorentwcklung (Approxmaton durch Polynome). Problemstellung Se T( x ) de Tangente an den Graphen der Funkton f(x) m Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Dann kann man de
MehrFallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung
Fallstude 4 Qualtätsregelkarten (SPC) und Versuchsplanung Abgabe: Lösen Se de Aufgabe 1 aus Abschntt I und ene der beden Aufgaben aus Abschntt II! Aufgabentext und Lösungen schrftlch bs zum 31.10.2012
Mehrz.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel!
Aufgabe : Vorbemerkung: Ene Zufallsvarable st ene endeutge Funkton bzw. ene Abbldungsvorschrft, de angbt, auf welche Art aus enem Elementareregns ene reelle Zahl gewonnen wrd. x 4 (, ) z.b. Münzwurf: Kopf
MehrRückblick Regression II: Anpassung an Polynome
Rückblck Regresson II: Anpassung an Polynome T. Keßlng: Auswertung von Messungen und Fehlerrechnung - Fehlerrechnung und Korrelaton 0.06.08 Vorlesung 0- Temperaturmessung mt Thermospannung Wr erhalten
Mehr