SBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit
|
|
- Joseph Brinkerhoff
- vor 7 Jahren
- Abrufe
Transkript
1 SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf # 0 Atwort Diese Lerkarte sid sorgfältig erstellt worde, erhebe aber weder Aspruch auf Richtigkeit och auf Vollstädigkeit. Das Lere mit Lerkarte fuktioiert ur we die Ihalte bereits eimal verstade worde sid. Ich ware davor diese Lerkarte ur stur auswedig zu lere. SBP Mathe Aufbaukurs 1 Diese ud adere Lerkarte köe vo herutergelade werde. Viel Erfolg bei der SBP Mathe Aufbaukurs 1 Prüfug! Clifford Wolf <clifford@clifford.at> Diese Lerkarte stehe uter der CC BY-NC-SA Lizez. SBP Mathe Aufbaukurs 1 # 1 by Clifford Wolf # 1 Atwort Bei beobachtete Objekte mit k verschiedee Merkmalsauspräguge: Absolute ud relative Häufigkeit h i = H i mit i = 1, 2,..., k H i absolute Häufigkeit (H i [0; ]) h i relative Häufigkeit (h i [0; 1]) H i = ud h i = 1 SBP Mathe Aufbaukurs 1 # 2 by Clifford Wolf # 2 Atwort Das arithmetische Mittel x ist ei Zetralmass. Es sei x 1, x 2,..., x eie Liste reeller Zahle: Das arithmetische Mittel ud seie Eigeschafte x = x 1 + x x x = x 1 + x x = 1 x i (x i x) = 0 Vo keiem Wert ist die Summe der Abstadsquadrate der x i geriger als vom arithmetische Mittel, d.h.: (x i x) 2 hat a der Stelle x = x ei Miimum. SBP Mathe Aufbaukurs 1 # 3 by Clifford Wolf # 3 Atwort Das arithmetische Mittel x ka icht ur direkt aus de beobachtete Objekte soder auch idirekt aus der Häufigkeit der Merkmalsauspräguge ermittelt werde: Das arithmetische Mittel ud Häufigkeit k a i H i h i x = 1 H i a i bzw. x = h i a i Azahl der beobachtete Objekte Azahl der verschiedee Merkmalsauspräguge Zahlemässige Werte der Merkmalsauspräguge absolute Häufigkeit relative Häufigkeit
2 SBP Mathe Aufbaukurs 1 # 4 by Clifford Wolf # 4 Atwort Das gewogee arithmetische Mittel ist ei Verfahre um ei arithmetisches Mittel aus bereits gemittelte Werte zu erreche: Das gewogee arithmetische Mittel x = 1 i x i mit = i k x i i Azahl der bereits gemittelte Werte Arithmetisches Mittel eier Liste mit i Elemete Azahl der beobachtete Objekte im Wert x i SBP Mathe Aufbaukurs 1 # 5 by Clifford Wolf # 5 Atwort Für Größe die multiplikativ miteiader verküpft werde (z.b. Wachstumsrate wie Zise) wird als Zetralmass das geometrische Mittel ˆx verwedet: ˆx = x 1 x 2 x Das geometrische Mittel ud das harmoische Mittel Für Größe die idirekt Proportioal zu adere Größe sid (z.b. Geschwidigkeit zur Zeit) wird als Zetralmass das harmoische Mittel x verwedet: x = 1 x x x SBP Mathe Aufbaukurs 1 # 6 by Clifford Wolf # 6 Atwort I eier Liste vo Variablewerte bezeichet ma de wert mit der höchste Häufigkeit als Modus (oder Modalwert). Media ud Modus Ordet ma eie Liste x 1, x 2,..., x der Größe ach, so heisst der i der Mitte stehede Wert m Media. Bei eier gerade Azahl vo Werte wählt ma das arithmetische Mittel der beide i der Mitte stehede Werte. Der Media ist jees Zetralmass, bei dem die Summe der Beträge der Abweichuge am kleiste ist, d.h.: x i x hat a der Stelle x = m ei Miimum. SBP Mathe Aufbaukurs 1 # 7 by Clifford Wolf # 7 Atwort Nomialdate: Die Variablewerte (Begriffe oder über Zahle codiert). Drücke lediglich eie Verschiedeartigkeit aus. z.b.: Name, Geschlecht, Haarfarbe, usw. Statistische Skale Ordialdate: Die Variablewerte brige ebe der Verschiedeartigkeit auch eie Ragordug zum Ausdruck. z.b.: Güteklasse, Schulote u.ä. Metrische Date: Die Variablewerte lasse sich icht ur orde, soder es lasse sich auch Abstäde zwische Werte agebe ud sivoll iterpretiere. z.b.: Jahreszahle, Läge, Megeagabe, usw.
3 SBP Mathe Aufbaukurs 1 # 8 by Clifford Wolf # 8 Atwort Bei eier Liste x 1, x 2,..., x et ma die Differez zwische dem grösste Wert x max ud dem kleiste Wert x mi die Spaweite. Spaweite ud Quartile Der Wert des Elemets aus der Liste der de utere ate Teil der Elemete vom obere (1 a)te Teil der Elemete tret wird x a geat. So ist z.b. x 0,50 der Media der Liste. De Wert x 0,25 et ma auch uteres Quartil Q 1. De Wert x 0,50 et ma auch mittleres Quartil Q 2 (oder Media). De Wert x 0,75 et ma auch oberes Quartil Q 3. Die Differez Q 3 Q 1 et ma Iterquartil-Spaweite. Sie umfasst (aäherd) die mittlere Hälfte der Date. SBP Mathe Aufbaukurs 1 # 9 by Clifford Wolf # 9 Atwort Sei x 1, x 2,..., x eie Liste ud z ei Zetralmass: Mittlere absolute Abweichug s (miimal beim Media): s = 1 x i z Mittlere absolute ud quadratische Abweichug ud die empirische Stadardabweichug Mittlere quadratische Abweichug oder empirische Variaz s 2 (miimal beim arithmetische Mittel): s 2 = 1 (x i z) 2 Empirische Stadardabweichug s: s = s 2 = 1 (x i z) 2 SBP Mathe Aufbaukurs 1 # 10 by Clifford Wolf Berechug der empirische Stadardabweichug # 10 Atwort Sei x 1, x 2,..., x eie Liste, x das arithmetische Mittel, a i die auftretede Werte, H i die absolute Häufigkeit der Werte, h i die relative Häufigkeit der Werte ud s die empirische Stadardabweichug: s = 1 ( (x i x) 2 = 1 ) x 2 i x 2 s = 1 ( ) H i (a i x) 2 = 1 H i a 2 i x 2 s = k ( ) h i (a i x) 2 = h i a 2 i x 2 SBP Mathe Aufbaukurs 1 # 11 by Clifford Wolf # 11 Atwort Sei x 1, x 2,..., x eie Liste, z ei Zetralmass, a i die auftretede Werte, H i die absolute Häufigkeit der Werte, h i die relative Häufigkeit der Werte ud s die mittlere Abweichug vo z: Berechug der mittlere absolute Abweichug s = 1 x i z = s = 1 H i a i z = h i a i z
4 SBP Mathe Aufbaukurs 1 # 12 by Clifford Wolf # 12 Atwort Sei x das arithmetische Mittel eier Liste mit der Stadardabweichug s ud der mittlere absolute Abweichug s vom Zetralmass z: Vergleich vo Streuuge V = s x v = s z = Variatioskoeffiziet = Variabilitätskoeffiziet Variatioskoeffiziet ud Variabilitätskoeffiziet sid dimesioslos ud werde meist i Prozet agegebe. SBP Mathe Aufbaukurs 1 # 13 by Clifford Wolf # 13 Atwort Sei G die edliche Grudgesamtheit mit g Elemete ud A G jee Teilmege vo G mit a Elemete die eie bestimmte Eigeschaft aufweise. Wahrscheilichkeit ud relativer Ateil h(a) = a g = der relative Ateil vo A i G Wird u ei Elemet aus G zufällig ausgewählt ud das Ereigis E bezeichet dabei die zufällige Auswahl eies Elemets aus A: P (E) = h(a) = die Wahrscheilichkeit vo E SBP Mathe Aufbaukurs 1 # 14 by Clifford Wolf # 14 Atwort Sei E ei Ereigis ud P (E) die Wahrscheilichkeit des eitretes: 0 P (E) 1 Wertebereich vo Wahrscheilichkeite P (E) + P ( E) = 1 = P ( E) = 1 P (E) Additiosregel für eiader ausschließede Ereigisse: P (E 1 E 2 ) = P (E 1 ) + P (E 2 ) SBP Mathe Aufbaukurs 1 # 15 by Clifford Wolf # 15 Atwort Seie E 1 ud E 2 Ereigisse: E 2 uter der Aahme das E 1 bereits eigetrete ist: E 2 E 1 Bedigte Wahrscheilichkeite Die Wahrscheilichkeit vom Eitrete vo E 2 uter der Aahme das E 1 bereits eigetrete ist: P (E 2 E 1 ) We E 1 ud E 2 voeiader uabhägig sid: P (E 2 E 1 ) = P (E 2 E 1 ) = P (E 2 )
5 SBP Mathe Aufbaukurs 1 # 16 by Clifford Wolf # 16 Atwort Seie E 1 ud E 2 Ereigisse: Multiplikatiosregel für Wahrscheilichkeite P (E 1 E 2 ) = P (E 1 ) P (E 2 E 1 ) Bei uabhägige Eregiisse: P (E 1 E 2 ) = P (E 1 ) P (E 2 ) SBP Mathe Aufbaukurs 1 # 17 by Clifford Wolf # 17 Atwort Seie E 1 ud E 2 Ereigisse: Additiosregel für Wahrscheilichkeite P (E 1 E 2 ) = P (E 1 ) + P (E 2 ) P (E 1 E 2 ) Für eiader ausschliessede Eregiisse: P (E 1 E 2 ) = P (E 1 ) + P (E 2 ) SBP Mathe Aufbaukurs 1 # 18 by Clifford Wolf # 18 Atwort Empirisches Gesetz der große Zahle Die relative Häufigkeit h(e) eies Ereigisses E stabilisiert sich mit zuehmeder Versuchsazahl um eie feste Wert. We E bei k vo Versuche eitritt, da ist: h(e) = k, h(e) P (E) SBP Mathe Aufbaukurs 1 # 19 by Clifford Wolf # 19 Atwort Defiitio: Zufallsgröße ud Wahrscheilichkeitsverteilug Eie Fuktio, die jedem mögliche Ausgag eies Zufallsexperimets eie zahlemäßige Wert zuordet, et ma Zufallsgröße. Eie Fuktio, die jedem mögliche Wert a i der (diskrete) Zufallsgröße B eie Wahrscheilichkeit P (B = a i ) zuordet, et ma Wahrscheilichkeitsverteilug vo B.
6 SBP Mathe Aufbaukurs 1 # 20 by Clifford Wolf # 20 Atwort Die Fakultät vo, geschriebe als!, gesproche als Faktorielle, ist das Produkt aller Zahle vo 1 bis : Defiitio: Fakulät Spezialfall = 0:! = = 0! = 1 i Azahl der Permutatioe (mögliche voeiader verschiedee Aorduge der Elemete) eier Mege mit Elemete:! SBP Mathe Aufbaukurs 1 # 21 by Clifford Wolf # 21 Atwort Permutatioe vo k aus = die Azahl Pr(, k) aller Mögliche Aorduge vo k verschiedee Elemete aus eier Mege mit Elemete. Permutatioe vo k aus Pr(, k) =! ( k)! = ( 1)... ( k+1) = i i= k+1 SBP Mathe Aufbaukurs 1 # 22 by Clifford Wolf # 22 Atwort Kombiatioe vo k aus = die Azahl Cr(, k) aller Mögliche Auswahle vo k verschiedee Elemete aus eier Mege mit Elemete, uabhäig vo der Reihefolge der Elemete. Kombiatioe vo k aus Cr(, k) = ( ) k =! k! ( k)! = Pr(, k) 1 k! Für ( k) sagt ma k aus oder auch über k. Die Fuktio ( k) wird Biomialkoeffiziet geat. SBP Mathe Aufbaukurs 1 # 23 by Clifford Wolf # 23 Atwort Sei E ei Ereigis mit der Wahrscheilichkeit p i eiem Versuch der mal durchgeführt wird ud B die Azahl der Male i dee E eitritt, da ist die Wahrscheilichkeit das B gleich der Zahl k ist: Biomialverteilte Zufallsgröße P (B = k) =! k! ( k)! pk (1 p) k Ordet ma jedem mögliche Wert k der Zufallsgröße B eie Wahrscheilichkeit P (B = k) zu, so ist dadurch eie Wahrscheilichkeitsverteilug gegebe, die ma Biomialverteilug mit de Parameter ud p ( -p-biomialverteilug ) et; etspreched et ma B eie -p-biomialverteilte Zufallsgröße.
7 SBP Mathe Aufbaukurs 1 # 24 by Clifford Wolf # 24 Atwort Defiitio: γ-schätzbereich Ma et das Itervall, i dem die (relative) Häufigkeite der Stichprobe mit der Wahrscheilichkeit γ liege, de γ-schätzbereich für (relative) Häufigkeite. SBP Mathe Aufbaukurs 1 # 25 by Clifford Wolf # 25 Atwort Sei Z eie diskrete Zufallsgröße mit de Werte a 1, a 2,..., a k, die mit de Wahrscheilichkeite p 1, p 2,..., p k ageomme werde. Erwartugswert ud Variaz vo diskrete Zufallsgröße µ = a i p i = Erwartugswert vo Z ( ) σ 2 = a 2 i p i µ 2 = Variaz vo Z σ = Stadardabweichug vo Z SBP Mathe Aufbaukurs 1 # 26 by Clifford Wolf # 26 Atwort Sei B eie biomialverteilte Zufallsgröße mit de Parameter ud p. µ = p = Erwartugswert vo B Erwartugswert ud Variaz vo biomialverteilte Zufallsgröße σ 2 = p (1 p) = Variaz vo B σ = Stadardabweichug vo B SBP Mathe Aufbaukurs 1 # 27 by Clifford Wolf # 27 Atwort σ = p (1 p) µ = p ϕ(z) = 1 2π e z2 2 Die Gaußsche Glockekurve µ µ σ µ + σ x z Φ(z 0 ) = z0 ϕ(z)dz z = x µ σ
8 SBP Mathe Aufbaukurs 1 # 28 by Clifford Wolf # 28 Atwort Eie kotiuierliche Zufallsgröße X heißt ormalverteilt mit de Parameter µ ud σ (µ-σ-ormalverteilt), we die Wahrscheilichkeitsverteilug durch die Gaußsche Glockekurve beschriebe wird. Für eie µ-σ-ormalverteilte Zufallsgröße X gilt: Normalverteilte Zufallsgröße P (X µ + z 0 σ) = Φ(z 0 ) = z0 ϕ(z)dz P (µ + z 1 σ X µ + z 2 σ) = Φ(z 2 ) Φ(z 1 ) P (µ z 0 σ X µ + z 0 σ) = 2Φ(z 0 ) 1 SBP Mathe Aufbaukurs 1 # 29 by Clifford Wolf # 29 Atwort Sei B eie -p-biomialverteilte Zufallsgröße (mit Erwartugswert µ ud Stadardabweichug σ), so ka die Gaußsche Glockekurve als Wahrscheilichkeitsverteilug ageomme werde, we die Laplace-Bedigug Laplace-Bedigug p (1 p) 9 σ 3 erfüllt ist. Es gilt i diese Fälle also: P (B µ + z 0 σ) Φ(z 0 ) SBP Mathe Aufbaukurs 1 # 30 by Clifford Wolf γ-schätzbereich für ormalverteilte Zufallsgröße # 30 Atwort Zur Ermittlug des γ-schätzbereiches für eie (äherugsweise) ormalverteilte Zufallsgröße muss zuächst ei z 0 ermittel werde, so dass γ = 2Φ(z 0 ) 1 γ = Φ(z 0 ) ist. Da ist der γ-schätzbereich für die absolute Häufigkeit H: [µ z 0 σ; µ + z 0 σ] Ud der γ-schätzbereich für die relative Häufigkeit h: [ ] µ z0 σ µ + z 0 σ p (1 p) p (1 p) ; = p z 0 ; p + z 0 SBP Mathe Aufbaukurs 1 # 31 by Clifford Wolf # 31 Atwort Gegebe ist eie Hypothese über die relative Häufigkeit p eier Merkmalsausprägug i eier Grudgesamtheit. Diese Hypothese soll ahad eier Stichprobe getestet werde. Teste vo Hypothese über relative Ateile Dazu wird Ahad der der Stichprobegröße, der vermutete relative Häufigkeit (= Wahrscheilichkeit des Auftretes der Merkmalsausprägug) ud der gewüschte Sicherheit (bzw. Irrtumswahrscheilichkeit) ei γ-schätzbereich ermittelt. Liegt die vermutete Häufigkeit ierhalb des γ-schätzbereichs so ist die Vermutug mit dem Stichprobeergebis (mit der gewählte Irrtumswahrscheilichkeit) vereibahr. Aderfalls ist die Vermutug mit dem Stichprobeergebis (mit der gewählte Irrtumswahrscheilichkeit) uvereibahr.
9 SBP Mathe Aufbaukurs 1 # 32 by Clifford Wolf # 32 Atwort Sei h die beobachtete relative Häufigkeit eier Merkmalsausprägug i eier Stichprobe mit Elemete ud γ eie (grosse) Wahrscheilichkeit. Kofidezitervall Die Mege aller p dere, dere γ-schätzbereich de Wert h ethält, et ma γ-kofidezitervall (γ-vertrauesitervall) für p: h z 0 h (1 h) p h + z 0 h (1 h) mit 2Φ(z 0 ) 1 γ SBP Mathe Aufbaukurs 1 # 33 by Clifford Wolf Erforderlicher Stichprobeumfag # 33 Atwort Sei ɛ die vorgegebee halbe Läge des gesuchte Kofidezitervalls, h die erwartete relative Häufigkeit der zu utersuchede Merkmalsausprägug, γ = 2Φ(z 0 ) 1 die geforderte Sicherheit ud die Azahl der beötigte Elemete i der Stichprobe: = z2 0 h (1 h) ɛ2 Bzw. die maximal beötigte Stichprobegrösse we es keie Abschätzuge für h gibt: = z2 0 ɛ 2 ( ) 2 1 = z ɛ 2
SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf. SBP Mathe Aufbaukurs 1
SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf SBP Mathe Aufbaukurs 1 # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit. Das
MehrVl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3
Vl Statistische Prozess ud Qualitätskotrolle ud Versuchsplaug Übug 3 Aufgabe ) Die Schichtdicke X bei eier galvaische Beschichtug vo Autoteile sei ormalverteilt N(μ,σ ). 4 Teile werde galvaisch beschichtet.
MehrVl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5
Vl Statistische Prozess- ud Qualitätskotrolle ud Versuchsplaug Übug 5 Aufgabe ) Sei p = P(A) die Wahrscheilichkeit für ei Ereigis A, dh., es gilt 0 p. Bereche Sie das Maximum der Fuktio f(p) = p(-p). Aufgabe
MehrKapitel 5: Schließende Statistik
Kapitel 5: Schließede Statistik Statistik, Prof. Dr. Kari Melzer 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte
MehrStatistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik
Statistik Kapitel 5: Schließede Statistik 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel 1» Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte der arithmetische
MehrEmpirische Verteilungsfunktion
KAPITEL 3 Empirische Verteilugsfuktio 3.1. Empirische Verteilugsfuktio Seie X 1,..., X uabhägige ud idetisch verteilte Zufallsvariable mit theoretischer Verteilugsfuktio F (t) = P[X i t]. Es sei (x 1,...,
MehrTests statistischer Hypothesen
KAPITEL 0 Tests statistischer Hypothese I der Statistik muss ma oft Hypothese teste, z.b. muss ma ahad eier Stichprobe etscheide, ob ei ubekater Parameter eie vorgegebee Wert aimmt. Zuerst betrachte wir
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte SS00 7.Sitzug vom.06.00 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluß Grudlage des Iduktiosschlusses:
Mehrx 1, x 2,..., x n ist eine Liste von n reellen Zahlen. Das arithmetische Mittel x der Zahlen ist x = x 1 + x x n n
Mathemati macht Freu()de AB Statistische Kegröße ud Boxplot x 1, x,..., x ist eie Liste vo reelle Zahle. Das arithmetische Mittel x der Zahle ist x = x 1 + x + + x. Arithmetischer Mittelwert Arithmetischer
Mehr2. Repetition relevanter Teilbereiche der Statistik
. Repetitio Statistik Ökoometrie I - Peter Stalder. Repetitio relevater Teilbereiche der Statistik (Maddala Kapitel ) Zufallsvariable ud Wahrscheilichkeitsverteiluge Zufallsvariable X (stochastische Variable)
Mehr,,, xn. 3. Intervallschätzungen Zufallsstichproben und Stichprobenfunktionen Zufallsstichproben. Zufallsvariablen mit
3. Itervallschätzuge 3.1. Zufallsstichprobe ud Stichprobefuktioe 3.1.1 Zufallsstichprobe 1 Sei eie Zufallsvariable ud seie gemeisamer Verteilug,,,, Zufallsvariable mit - da heiße 1,,, Zufallsstichprobe
MehrKapitel VI. Einige spezielle diskrete Verteilungen
Kapitel VI Eiige spezielle diskrete Verteiluge D 6 (Hypergeometrische Verteilug) Eie Zufallsvariable X heißt hypergeometrisch verteilt, we sie folgede Wahrscheilichkeitsfuktio besitzt: M N M P ( X ) p
Mehr= 3. = 14,38... = x neu x = 0, = 97,87...%. Wie verändert sich der arithmetische Mittelwert von 20 Zahlen, wenn...
Mathemati macht Freu()de AB Statistische Kegröße ud Boxplot Arithmetischer Mittelwert x 1, x,..., x ist eie Liste vo reelle Zahle. Das arithmetische Mittel x der Zahle ist x = x 1 + x + + x. Arithmetischer
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
Lehrstuhl für Empirische Wirtschaftsforschug ud Ökoometrie Dr. Rolad Füss Statistik II: Schließede Statistik SS 2007 6. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug
Mehr15.4 Diskrete Zufallsvariablen
.4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet
MehrKlausur vom
UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Domiik Faas Stochastik Witersemester 00/0 Klausur vom 7.0.0 Aufgabe 3+.5+.5=6 Pukte Bei eier Umfrage wurde 60 Hotelbesucher ach ihrer Zufriedeheit
MehrDie notwendigen Verteilungstabellen finden Sie z.b. hier:
Fakultät für Mathematik Istitute IAG ud IMO Prof. Dr. G. Kyureghya/Dr. M. Hödig Schätz- ud Prüfverfahre Die otwedige Verteilugstabelle fide Sie z.b. hier: http://www.ivwl.ui-kassel.de/kosfeld/lehre/zeitreihe/verteilugstabelle.pdf
MehrÜbungen mit dem Applet erwartungstreu
Übuge mit dem Applet erwartugstreu Visualisierug vo erwartugstreu Begriffe ud statischer Hitergrud. Visualisieruge mit dem Applet..3. Zufallsstreuug der Eizelwerte...3. Mittelwerte 3.3 Variaz. 4.4 Variaz
MehrStreuungsmaße. Prof. Dr. Paul Reuber. Institut für Geographie. Seminar Methoden der empirischen Humangeographie
Streuugsmaße Istitut für Geographie Streuugswerte (Streuugsmaße) Die Diskussio um die Mittelwerte hat die Vorteile dieser statistische Kewerte gezeigt, aber bereits, isbesodere beim arithmetische Mittel,
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte 7.Sitzug 35 Seite, SoSe 003 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluss Grudlage
Mehr(a) Richtig, die Varianz ist eine Summe quadratischer Größen.
Aufgabe 1 (10 Pukte) Welche der folgede Aussage sid richtig? (a) Richtig, die Variaz ist eie Summe quadratischer Größe. (b) Falsch, die Abweichug ordialer Merkmale vom Media ist icht defiiert - also auch
Mehr7.2 Grundlagen der Wahrscheinlichkeitsrechnung
7.2 Grudlage der Wahrscheilichkeitsrechug Ei Ereigis heißt i Bezug auf eie Satz vo Bediguge zufällig, we es bei der Realisierug dieses Satzes eitrete ka, aber icht ubedigt eitrete muss. Def. 7.2.: Ei Experimet
MehrUmrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung
.3. Prozetuale Häufigkeitsverteilug (HV) Die prozetuale Häufigkeitsverteilug erlaubt de Vergleich vo Auswertuge, dee uterschiedliche Stichprobegröße zugrude liege. Es köe auch uterschiedliche Stichprobegröße
MehrEs werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.
Vo der relative Häufigkeit zur Wahrscheilichkeit Es werde 20 Schüler befragt, ob sie ei Hady besitze. Das Ergebis der Umfrage lautet: Vo 20 Schüler besitze 99 ei Hady. Ereigis E: Schüler besitzt ei Hady
MehrSind Sie mit unserem Angebot zufrieden? ja nein weiß nicht
STATISTIK Eiführug Statistik kommt vom italieische Wort statistica, was so viel wie Staatsma bedeutet. Früher verwedete ma de Begriff ur für eie Auswertug vo Date (Klima, Bevölkerug, Bräuche,...) eies
MehrStatistik Einführung // Beschreibende Statistik 2 p.2/61
Statistik Eiführug Beschreibede Statistik Kapitel Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Beschreibede Statistik
MehrX X Schätzen von Vertrauensintervallen Schwankungsintervall
.. Schätze vo Vertrauesitervalle..1. Schwakugsitervall Beispiel: X = Betrag vo Geldüberweisuge, ormalverteilt, µ = 5000, = 1000 Zufallsstichprobe mit = 100, Schätzer für µ: X X Gesucht: Itervall, i dem
Mehrh i :=h a i f i = h a i n Absolute Häufigkeit: Relative Häufigkeit: h 2 h 4 h 6 :=h der Elemente mit der Ausprägung i=6 zu der Anzahl n aller Werte
. Wer Rechtschreibfehler fidet, darf sie behalte. Rechefehler werde zurückgeomme. Absolute Häufigkeit: h Wie viele Elemete weise diese bestimmte Wert (= diese bestimmte Ausprägug) auf? > Azahl h der Elemete
MehrFormelsammlung. zur Klausur. Beschreibende Statistik
Formelsammlug zur Klausur Beschreibede Statistik Formelsammlug Beschreibede Statistik. Semester 004/005 Statistische Date Qualitative Date Nomial skalierte Merkmalsauspräguge (Uterscheidugsmerkmale) köe
MehrParameter von Häufigkeitsverteilungen
Kapitel 3 Parameter vo Häufigkeitsverteiluge 3. Mittelwerte Mo Der Modus (:= häufigster Wert, Abk.: Mo) ist der Merkmalswert mit der größte Häufigkeit, falls es eie solche gibt. Er sollte ur bei eigipflige
Mehr3 Vergleich zweier unverbundener Stichproben
3 Vergleich zweier uverbudeer Stichprobe 3. Der Zweistichprobe t-test Es wird vorausgesetzt, dass die beide Teilstichprobe x, x,..., x ud y, y,..., y jeweils aus (voeiader uabhägige) ormalverteilte Grudgesamtheite
MehrKennwerte Univariater Verteilungen
Kewerte Uivariater Verteiluge Kewerte Beschreibug vo Verteiluge durch eie (oder weige) Werte Werde auch als Parameter oder Maße vo Verteiluge bezeichet Ma uterscheidet: Lagemaße oder auch Maße der zetrale
Mehr4 Schwankungsintervalle Schwankungsintervalle 4.2
4 Schwakugsitervalle Schwakugsitervalle 4. Bemerkuge Die bekate Symmetrieeigeschaft Φ(x) = 1 Φ( x) bzw. Φ( x) = 1 Φ(x) für alle x R überträgt sich auf die Quatile N p der Stadardormalverteilug i der Form
MehrMusterlösung für die Klausur zur Vorlesung Stochastik I im WiSe 2014/2015
Musterlösug für die Klausur zur Vorlesug Stochastik I im WiSe 204/205 Teil I wahr falsch Aussage Gilt E[XY ] = E[X]E[Y ] für zwei Zufallsvariable X ud Y mit edlicher Variaz, so sid X ud Y uabhägig. Für
MehrPraktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle
Praktikum Vorbereitug Fertigugsmesstechik Statistische Qualitätskotrolle Bei viele Erzeugisse ist es icht möglich jedes Werkstück zu prüfe, z.b.: bei Massefertigug. Hier ist es aus ökoomische Grüde icht
MehrFormelsammlung zur Statistik
Darstellug uivariater Date Formelsammlug zur Statistik Urliste x i : x 1,... x, aufsteiged geordete Urliste x (i) Die k (verschiedee) Auspräguge: a 1
MehrKapitel 6 : Punkt und Intervallschätzer
7 Kapitel 6 : Pukt ud Itervallschätzer Puktschätzuge. I der Statistik wolle wir Rückschlüsse auf das Wahrscheilichkeitsgesetz ziehe, ach dem ei vo us beobachtetes Zufallsexperimet abläuft. Hierzu beobachte
Mehr10. Testen von Hypothesen Seite 1 von 6
10. Teste vo Hypothese Seite 1 vo 6 10.1 Eiführug i das Teste vo Hypothese Eie Hypothese ist eie Vermutug bzw. Behauptug über die Wahrscheilichkeit eies Ereigisses. Mit Hilfe eies geeigete Tests (=Testverfahre)
Mehr2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters:
. Schätzverfahre. Puktschätzug wirtschaftlicher Kezahle Allgemei: Puktschätzug eies Parameters: Ermittlug eies Schätzwertes für eie ubekate Parameter eier Zufallsvariable i der Grudgesamtheit mit Hilfe
MehrWissenschaftliches Arbeiten Studiengang Energiewirtschaft
Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:
MehrKapitel 9 WAHRSCHEINLICHKEITS-RÄUME
Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Fassug vom 13. Februar 2006 Mathematik für Humabiologe ud Biologe 129 9.1 Stichprobe-Raum 9.1 Stichprobe-Raum Die bisher behadelte Beispiele vo Naturvorgäge oder Experimete
MehrTests für beliebige Zufallsvariable
Kapitel 10 Tests für beliebige Zufallsvariable 10.1 Der Chi-Quadrat-Apassugstest Sei x eie gaz beliebige Zufallsvariable, dere Dichtefuktio icht oder icht geau bekat ist. Beispiel: Es seie z.b. mittels
MehrFakultät für Wirtschafts- und Rechtswissenschaften
F A C H H O C H S C H U L E K Ö L N Fakultät für Wirtschafts- ud Rechtswisseschafte F O R M E L S A M M L U N G Deskriptive Statistik Iduktive Statistik Herausgeber: c 2004 Fachgruppe Quatitative Methode
MehrProf. Dr. Roland Füss Statistik II SS 2008
1. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug ergibt sich aus de Grezwertsätze. Grezwertsätze sid Aussage über eie Zufallsvariable für de Fall, dass die Azahl
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
MehrWahrscheinlichkeitstheorie und Statistik vom
INSTITUT FÜR MATHEMATISCHE STOCHASTIK WS 005/06 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Klausur Wahrscheilichkeitstheorie ud Statistik vom 9..006 Musterlösuge Aufgabe A: Gegebe sei eie Urliste
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Übug 6 3.03.20 Ihalt der heutige Übug Aufgabe D.7: Reche mit Zufallsvariable Erwartugswert- ud Variazoperator Statistik ud Wahrscheilichkeitsrechug
Mehra) Histogramm der Verteilung: Zunächst werden die gegebenen Messwerte in aufsteigender Reihenfolge sortiert:
D Lösug zu Aufgabe 2: Histogra a) Histogra der Verteilug: Zuächst werde die gegebee Messwerte i aufsteigeder Reihefolge sortiert: i 2 3 4 5 6 7 8 9 2 3 4 5 4,574 4,589 4,593 4,599 4,6 4,67 4,68 4,69 4,6
MehrPflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik
Pflichtlektüre: Kapitel 10 Grudlage der Iferezstatistik Überblick der Begriffe Populatio Iferezstatistik Populatiosparameter Stichprobeverteiluge Auch Stichprobekewerteverteiluge Wahrscheilichkeitstheorie
MehrZufallsvariable. Die Wahrscheinlichkeitsverteilung p (probability function) ist definiert durch: p(x i ) := P (X = x i ),
ETHZ 90-683 Dr. M. Müller Statistische Methode WS 00/0 Zufallsvariable Zusammehag: Wirklichkeit Modell Wirklichkeit Stichprobe Date diskret stetig rel. Häufigkeit Häufigkeitstabelle Stabdiagramm Histogramm
MehrAbsolutskala: metrische Skala mit einem natürlichen Nullpunkt und einer natürlichen Einheit. (Z.B. Einwohnerzahl). Nicht alle Variablen lassen sich
Grudbegrie Die beschreibede Statistik (deskriptive Statistik) ist eie systematische Zusammestellug vo Zahle ud Date zur Beschreibug bestimmter Zustäde, Etwickluge oder Phäomee. Die beschreibede Statistik
MehrTeil II Zählstatistik
Teil II Zählstatistik. Aufgabestellug. Vergleiche Sie experimetelle Zählverteiluge mit statistische Modelle (POISSON-Verteilug ud Normalverteilug) 2. Theoretische Grudlage Stichworte zur Vorbereitug: Impulszahl,
MehrEreignis Wahrscheinlichkeit P (A) A oder B P (A + B) A und B P (AB) B, wenna P (B A)
Kapitel 10 Statistik 10.1 Wahrscheilichkeit Das Ergebis eier Messug oder Beobachtug wird Ereigis geat. Ereigisse werde mit de Buchstabe A, B,...bezeichet. Die Messug eier kotiuierliche Variable x gibt
MehrWeitere Lagemaße: Quantile/Perzentile I
3 Auswertug vo eidimesioale Date Lagemaße 3.3 Weitere Lagemaße: Quatile/Perzetile I Für jede Media x med gilt: Midestes 50% der Merkmalswerte sid kleier gleich x med ud ebeso midestes 50% größer gleich
MehrDiskrete Zufallsvariablen
Erste Beispiele diskreter Verteiluge Diskrete Zufallsvariable Beroulli-Verteilug Eie diskrete Zufallsvariable heißt beroulliverteilt mit arameter p, falls sie die Wahrscheilichkeitsfuktio p,, f ( ) ( )
MehrLösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 4: Aufgaben zu den Kapiteln 7 und 8
1 Lösuge ausgewählter Übugsaufgabe zum Buch Elemetare Stochastik (Spriger Spektrum, 2012) Teil 4: Aufgabe zu de Kapitel 7 ud 8 Aufgabe zu Kapitel 7 Zu Abschitt 7.1 Ü7.1.1 Ω sei höchstes abzählbar, ud X,
MehrTeilaufgabe 1.0 Bei der Firma Kohl kommen morgens alle im Büro Beschäftigten nacheinander ins Großraumbüro.
mathphys-olie Abiturprüfug Berufliche Oberschule 014 Mathematik 13 Techik - B I - Lösug Teilaufgabe 1.0 Bei der Firma Kohl komme morges alle im Büro Beschäftigte acheiader is Großraumbüro. Teilaufgabe
MehrWirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel
3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Beispiel: Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische
MehrWeitere Lagemaße: Quantile/Perzentile II. Weitere Lagemaße: Quantile/Perzentile I. Weitere Lagemaße: Quantile/Perzentile IV
3 Auswertug vo eidimesioale Date Lagemaße 3.3 Weitere Lagemaße: Quatile/Perzetile I 3 Auswertug vo eidimesioale Date Lagemaße 3.3 Weitere Lagemaße: Quatile/Perzetile II Für jede Media x med gilt: Midestes
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
Mehr3. Grundbegrie der Schätztheorie
Statistik, Abschitt 3. 3. Grudbegrie der Schätztheorie I der kormatorische Statistik will ma uter aderem auf Grud eier Stichprobe vom Umfag Iformatioe über ubekate Parameter θ der Verteilug F der zugrudeliegede
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG. - LÖSUNGEN. ypothesetest für die Dicke vo Plättche Die Dicke X vo Plättche, die auf eier bestimmte Maschie
Mehrmathphys-online Abiturprüfung Berufliche Oberschule 2010 Mathematik 13 Technik - B I - Lösung
Abiturprüfug Berufliche Oberschule 2010 Mathematik 13 Techik - B I - Lösug Teilaufgabe 1.0 Die Firma Sparlux stellt Eergiesparlampe i großer Azahl her, die, je achdem, wie geau sie die Neleistug eihalte,
MehrGrundlagen der Biostatistik und Informatik
Vergleich vo mehrere Stichprobe Grudlage der Biostatisti ud Iformati Hypotheseprüfuge III., Nichtparametrische Methode dr László Smeller Semmelweis Uiversität 0 Vergleich vo mehrere Stichprobe Boferroi
MehrWahrscheinlichkeit & Statistik
Wahrscheilichkeit & Statistik created by Versio: 3. Jui 005 www.matheachhilfe.ch ifo@matheachhilfe.ch 079 703 7 08 Mege als Sprache der Wahrscheilichkeitsrechug, Begriffe, Grudregel Ereigisraum: Ω Ω Mege
MehrStatistik I für Studierende der Soziologie
Name: Matrikelummer: Formelsammlug zur Vorlesug Statistik I für Studierede der Soziologie Dr. Caroli Strobl & Gero Walter WS 2008/09 1 Eiführug 1.1 Orgaisatorisches 1.2 Grudbegriffe 1.2.1 Statistische
Mehr3 Wichtige Wahrscheinlichkeitsverteilungen
26 3 Wichtige Wahrscheilicheitsverteiluge Wir betrachte zuächst eiige Verteilugsfutioe für Produtexperimete 31 Die Biomialverteilug Wir betrachte ei Zufallsexperimet zum Beispiel das Werfe eier Müze, bei
MehrHarmonisches Mittel. Streuungsmaße. Die mittlere Abweichung. Die Standardabweichung. Die Varianz. Statistik 3. Vorlesung, März 11, ,...
Statistik. Vorlesug, März, 9 Harmoisches Mittel xh = w wk +... + x x k Wobei w, w,... w k sid die gewichte (w + w + w +...+ w k = Beispiel: wir habe km mit eier Geschwidigkeit vo km/h, ud eie adere km
MehrÜbungen zu QM III Mindeststichprobenumfang
Techische Hochschule Köl Fakultät für Wirtschafts- ud Rechtswisseschafte Prof. Dr. Arreberg Raum 221, Tel. 39 14 jutta.arreberg@th-koel.de Übuge zu QM III Mideststichprobeumfag Aufgabe 12.1 Sie arbeite
MehrLage- und Streuungsmaße
Statistik 1 für SoziologIe Lage- ud Streuugsmaße Uiv.Prof. Dr. Marcus Hudec Streuugsmaße Statistische Maßzahle, welche die Variabilität oder die Streubreite i de Date messe. Sie beschreibe die Abweichug
MehrKapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit
- 18 - (Kapitel 3 : Bedigte Wahrscheilichkeite ud Uabhägigkeit) Kapitel 3: Bedigte Wahrscheilichkeite ud Uabhägigkeit Wird bei der Durchführug eies stochastische Experimets bekat, daß ei Ereigis A eigetrete
MehrKombinatorik. Systematisches Abzählen und Anordnen einer endlichen Menge von Objekten unter Beachtung vorgegebener Regeln.
Systematisches Abzähle ud Aorde eier edliche Mege vo Objekte uter Beachtug vorgegebeer Regel Permutatioe Variatioe Kombiatioe Permutatioe: Eie eieideutige (bijektive) Abbildug eier edliche Mege i sich
MehrUnivariate Verteilungen
(1) Aalyse: "deskriptive Statistike" Aalysiere -> deskriptive Statistike -> deskriptive Statistik Keie tabellarische Darstellug der Häufigkeitsverteilug () Aalyse: "Häufigkeitsverteilug" Aalysiere -> deskriptive
MehrFormelsammlung Statistik 29. Januar 2019
Formelsammlug Statistik Seite 1 Formelsammlug Statistik 9. Jauar 019 Witersemester 018/19 Adreas Löpker, HTW Dresde 1. Deskriptive Statistik (F1) Stichprobe x vom Umfag, Stichprobe y vom Umfag m x = (x
MehrParameterschätzung. Numero, pondere et mensura Deus omnia condidit
Parameterschätzug Numero, podere et mesura Deus omia codidit Populatio, Zufallsvariable, Stichprobe Populatio Zufallsvariable X Stichprobe x eie"realisierug vo X (Beobachtug) alle mäliche Rekrute der US
MehrKombinatorik. Permutationen Permutationen eines Kollektivs
Kombiatorik Permutatioe Permutatioe eies Kollektivs Kombiatorik Die Fuktio P perm_a gibt die kombiatorische Azahl der mögliche Aorduge oder Permutatioe a, die sich bei der Umordug der atürliche gaze Zahle,,...
MehrStatistik. 2. Semester. Begleitendes Skriptum zur Vorlesung. im FH-Masterstudiengang. Technisches Management. von. Günther Karigl
Statistik. Semester Begleitedes Skriptum zur Vorlesug im FH-Masterstudiegag Techisches Maagemet vo Güther Karigl FH Campus Wie 06/7 Statistische Schätzverfahre Statistische Schätzverfahre Währed die deskriptive
MehrZusammenfassung: Folgen und Konvergenz
LGÖ Ks VMa Schuljahr 6/7 Zusammefassug Folge ud Kovergez Ihaltsverzeichis Defiitioe ud Beispiele für Folge Beschräkte Folge Kovergez vo Folge Grezwertsätze für Folge 5 Für Experte 7 Defiitioe ud Beispiele
MehrDer Vergleich eines Stichprobenmittelwertes mit einem Populationsmittelwert
Der Vergleich eies Stichprobemittelwertes mit eiem Populatiosmittelwert Am Beispiel des Falschspielers habe wir - uterstützt durch Ketisse über die Eigeschafte der Biomialverteilug - erstmals gesehe, welche
Mehr2.2.1 Lagemaße. Exkurs: Quantile. und n. p n
Ekurs: Quatile Ausgagspukt : Geordete Urliste Jeder Wert p, mit 0 < p
MehrDritter Zirkelbrief: Ungleichungen
Matheschülerzirkel Uiversität Augsburg Schuljahr 014/015 Dritter Zirkelbrief: Ugleichuge Ihaltsverzeichis 1 Grudlage vo Ugleichuge 1 Löse vo Ugleichuge 3 3 Mittel 4 4 Mittelugleichuge 5 5 Umordugsugleichug
Mehr1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6
Ihaltsverzeichis 1 Vorbemerkuge 1 Zufallsexperimete - grudlegede Begriffe ud Eigeschafte 3 Wahrscheilichkeitsaxiome 4 4 Laplace-Experimete 6 5 Hilfsmittel aus der Kombiatorik 7 6 Bedigte Wahrscheilichkeite
MehrParameterschätzung. Kapitel Schätzfunktionen
Kapitel 8 Parameterschätzug 8.1 Schätzfuktioe Def. 8.1.1: Es seie X 1,X,...,X uabhägige ZV, die alle die gleiche Verteilug besitze. θ sei ei ubekater Parameter dieser Verteilug. X 1,X,...,X ist als eie
Mehrso spricht man von einer kommutativen Gruppe oder auch abelschen Gruppe.
Defiitioe ud Aussage zu ruppe Michael ortma Eie ruppe ist ei geordetes Paar (, ). Dabei ist eie icht-leere Mege, ist eie Verküpfug (Abbildug), wobei ma i.a. a b oder gar ur ab statt ( a, b) schreibt. Es
Mehr6 Vergleich mehrerer unverbundener Stichproben
6 Vergleich mehrerer uverbudeer Stichprobe 6.1 Die eifaktorielle Variazaalyse Die eifaktorielle Variazaalyse diet der Utersuchug des Eiflusses eier kategorieller (bzw. ichtmetrischer) Variable, die die
MehrStatistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39
Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle
MehrVorkurs Mathematik für Informatiker Folgen
Vorkurs Mathematik für Iformatiker -- 9 Folge -- 6.1.215 1 Folge: Defiitio Eie (uedliche) Folge im herkömmliche Sie etsteht durch Hitereiaderschreibe vo Zahle 1,2,3,4,5, Dabei ist die Reihefolge wichtig,
MehrTeilaufgabe 1.1 (3 BE) Berechnen Sie die Wahrscheinlichkeit dafür, dass ein im Flughafen zufällig herausgegriffener Pauschalreisender ( ) =
Abiturprüfug Berufliche Oberschule 004 Mathematik 3 Techik - B I - Lösug Teilaufgabe.0 A eiem Flughafe sid 0% der Reisede Ferreisede. Uter de Ferreisede befide sich 5% Nicht-Pauschalreisede. Der Ateil
MehrKapitel 2: Laplacesche Wahrscheinlichkeitsräume
- 12 - (Kapitel 2 : Laplacesche Wahrscheilicheitsräume) Kapitel 2: Laplacesche Wahrscheilicheitsräume Wie beim uverfälschte Müzewurf ud beim uverfälschte Würfel spiele Symmetrieüberleguge, die jedem Elemetarereigis
MehrStatistik I Februar 2005
Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet
MehrÜbersicht: BS - 08 BS Häufigkeitsverteilung. Häufigkeitsverteilungen. Parametrisierung. unklassiert. eindimensional. klassiert.
Übersicht: eidimesioal mehrdimesioal Häufigkeitsverteilug uklassiert klassiert tabellarische Darstellug Modul 07, graphische Darstellug Modul 07,2 Parametrisierug Lageparameter Modul 08 Streuugsparameter
MehrStochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. M. Schweizer ETH Zürich Sommer 8 Stochastik - Lösug (BSc D-MAVT / BSc D-MATH / BSc D-MATL). (6 Pukte) a) (.5 Pukte) Wir defiiere die Ereigisse D = die ähmaschie bekommt eie kleie Defekt} ud U
MehrKovarianz und Korrelation
Kapitel 2 Kovariaz ud Korrelatio Josef Leydold c 2006 Mathematische Methode II Kovariaz ud Korrelatio 1 / 41 Lerziele Mathematische ud statistische Grudlage der Portfoliotheorie Kovariaz ud Korrelatio
MehrX in einer Grundgesamtheit vollständig beschreiben.
Prof. Dr. Rolad Füss Statistik II SS 008. Puktschätzug vo Parameter eier Grudgesamtheit Nur durch eie Totalerhebug ka ma die Verteilug eier Zufallsvariable X i eier Grudgesamtheit vollstädig beschreibe.
MehrDer χ 2 Test. Bei Verteilungen Beantwortung der Frage, ob eine gemessene Verteilung Gauß- oder Poisson-verteilt ist oder nicht?
Der χ Test Es gibt verschiedee Arte vo Sigifikaztests Nebe Sigifikaztests, die sich mit dem Mittelwert beschäftige, gibt es auch Testverfahre für Verteiluge Bei Verteiluge Beatwortug der Frage, ob eie
Mehr6. Grenzwertsätze. 6.1 Tschebyscheffsche Ungleichung
6. Grezwertsätze 6.1 Tschebyscheffsche Ugleichug Sofer für eie Zufallsvariable X die Verteilug bekat ist, lässt sich die Wahrscheilichkeit dafür bestimme, dass X i eiem bestimmte Itervall liegt. Wie ist
Mehrh a 2 b 1 h a1 b 2 h a1 b 1 h a1. h a 2. h.b1 h ij h 11 h 12 h 21 a b h. j h 1. h 2. h.1 a b h i. =h i1 h i2... h i m h. j =h 1j h 2j... h k j h.
Kotigeztabelle / Kreuztabelle für 2 diskrete /omialskalierte Variable ethält: 1. absolute gemeisame Häufigkeite h 11 h 12 h 21 für Kombiatioe vo zwei Merkmale / Variable a b steht also für mit jeweils
MehrKorrekturliste zum Studienbuch Statistik
Korrekturlite zum Studiebuch Statitik I der aktuelle Auflage wurde durch ei Kovertierugproblem i de Kapitel 0 (S. 3 3 ud de etprechede Abchitte i de Löuge (S. 39 07 teilweie die Zeiche µ durch ud π durch
Mehr