F7 STATISTIK UND RADIOAKTIVITÄT
|
|
- Gregor Egger
- vor 7 Jahren
- Abrufe
Transkript
1 F7 STATISTIK UD RADIOAKTIVITÄT PHYSIKALISCHE GRUDLAGE Grundbegriffe: Häufigkeit, Summenhäufigkeit, Poisson- und Gaußverteilung, Geiger-Müller- Zählrohr, Zählrate, χ -Test (Einführungsskript, Abschnitt 3.3; R. Storm "Wahrscheinlichkeitsrechnung, mathematische Statistik...", Leipzig 986, S. 84 ff).. Poisson- und Gaußverteilung: Bei statistischen Prozessen, beispielsweise dem radioaktiven Zerfall, treten unterschiedliche Häufigkeitsverteilungen auf. Die Wahrscheinlichkeit P(x) für das Eintreffen seltener Ereignisse - beim radioaktiven Zerfall ist die Wahrscheinlichkeit für den Zerfall eines Atoms während der Messzeit sehr klein - wird durch eine Poisson-Verteilung beschrieben x ( x) P( x) = exp( x). () x! Die zufällige Veränderliche x ist die während der Messzeit mit z.b. einem Geiger-Müller-Zählrohr registrierte Impulszahl. Die Impulszahl pro Zeiteinheit bezeichnet man als Impuls- oder Zählrate. Die Impulszahl x kann nur ganze positive Zahlen annehmen und ergibt eine Häufigkeitsverteilung, welche für kleine Mittelwerte x unsymmetrisch zum Mittelwert x ist und für größere Mittelwerte zunehmend symmetrischer wird (Abb.). In numerischen Berechnungen verwendet man zweckmäßig die Rekursionsformeln Abb. POISSO-VERTEILUG x P(0) = exp( x), P( x ) = P( x ). () x Für die Standardabweichung einer Poisson-Verteilung gilt s = x. (3) Für große x,also wenn x x << x ist, geht die Poisson-Verteilung in eine spezielle Gaußsche ormalverteilung ( x x) ϕ( x ) = exp (4) πσ σ (mit σ = x ) über, deren empirische Standardabweichung sich für eine Messreihe vom Umfang n nach n i= ( x x ) i s = ± (5) n 4
2 berechnet. Die Poisson-Verteilung ist also bereits durch einen Anpassungsparameter, den Mittelwert, festgelegt, während für die Gaußsche ormalverteilung zwei Anpassungsparameter, Mittelwert und Standardabweichung, benötigt werden. Überdecken die einzelnen Messwerte einen größeren Wertebereich von x min bis x max und ist der Umfang n der Messreihe groß, dann berechnet man Mittelwert und Standardabweichung nicht aus den Einzelwerten x sondern nimmt eine Klasseneinteilung wie folgt vor: Die sinnvolle i Klassenzahl und die Klassenbreite d legt man durch 5lgn, d ( x max xmin) (6) fest. Man wählt die Klassengrenzen zweckmäßig so, dass keine Messwerte auf eine Klassengrenze fallen, da sonst eine Aufteilung ihrer Häufigkeiten e zur Hälfte auf die benachbarten Klassen erfolgen müsste, was die Behandlung unnötig erschweren würde. Anschließend ermittelt man die absoluten Häufigkeiten k( x ) der Messwerte in der -ten Klasse mit der Klassenmitte x und berechnet für den arithmetischen Mittelwert x bzw. die Standardabweichung s die äherungswerte: ( x x ) k ( x ) = x x k ( x ), s ±. (7) n n =. χ -Test: Zum Vergleich einer gemessene Häufigkeitsverteilung mit einer theoretischen Verteilung gibt es verschiedene Prüfverfahren. Bei der Darstellung auf Wahrscheinlichkeitspapier (vgl. Versuch F ) wird mit der ormalverteilung verglichen. Ein weiteres Verfahren ist der χ - Test, der für beliebige Verteilungen anwendbar ist und bei dem die Güte der Anpassung zwischen gemessener und theoretischer Verteilung durch eine Prüfgröße bewertet wird. Dazu bildet man die Quadrate der Abweichungen der gemessenen Häufigkeiten k( x ) von den theoretischen Häufigkeiten np, normiert und addiert sie, so dass sich die Prüfgröße = ( k ( x ) np ) χ p = (8) np Abb. ergibt. Liegt einer Messreihe ein Prozess χ - VERTEILUG zugrunde, der einer angenommenen theoretischen Verteilung entspricht, so werden bei Wiederholung der Messreihe aber unterschiedliche χ -Werte auftreten, da die Streuung der gemessenen Werte k ( x ) bezüglich der theoretisch zu erwartenden Werte np zufällig ist. Die Häufigkeitsverteilung, d. h. die Wahrscheinlich- 5
3 keitsdichtefunktion f( χ ) der χ -Werte lässt sich berechnen (Abb. ); sie ist von einer natürlichen Zahl f, der sogenannten Zahl der Freiheitsgrade f = r (9) abhängig. Die Abhängigkeit der χ -Verteilung von der Klassenzahl ist verständlich, weil sie die Zahl der addierten Differenzen bestimmt (Gl. (8)). Da per Definition die Bedingung = k ( x ) = n (0) gilt, sind die Summanden nicht voneinander unabhängig, und die Zahl der Freiheitsgrade wird um reduziert. Die Zahl der Freiheitsgrade verringert sich weiter um die Zahl der Anpassungsparameter r der theoretischen Verteilung, da diese aus den Messwerten gebildet werden. Um beurteilen zu können, ob die Hypothese einer bestimmten theoretischen Verteilung gerechtfertigt ist oder nicht, führt man in der Statistik die sogenannte Irrtumswahrscheinlichkeit α = f( χ ) χ () χ p ein, die für einen vorgegebenen Freiheitsgrad f (Gl. (9)) einen bestimmten Zahlenwert ergibt. Sie ist nicht analytisch angebbar, ihre Größe entspricht der schraffierten Fläche in Abb. und kann aus Tab. entnommen werden. Je nach der Größe der Irrtumswahrscheinlichkeit kann man die Anpassung von Messreihe und theoretischer Verteilung klassifizieren: gut: α 0, 5 mäßig: 0,5 > α 0, schwach: 0, > α 0, 06 fehlend: 0,06 > α. d α 0,99 0,975 0,95 0,90 0,70 0,50 0,30 0,0 0,05 0,05 0,0 0,00 f,57(- 0,8(- 3,93(- 0,06 0,48 0,455,07,7 3,84 5,0 6,63 0,8 4) 4) 3) 0,00 0,05 0,03 0, 0,73,39,4 4,6 5,99 7,38 9, 3,8 3 0,5 0,6 0,35 0,584,4,37 3,67 6,5 7,8 9,35,3 6,3 4 0,97 0,484 0,7,06,9 3,36 4,88 7,78 9,49, 3,3 8,5 5 0,554 0,83,5,6 3,00 4,35 6,06 9,4,,8 5, 0,5 6 0,87,4,64,0 3,83 5,35 7,3 0,6,6 4,4 6,8,5 7,4,69,7,83 4,67 6,35 8,38,0 4, 6,0 8,5 4,3 8,65,8,73 3,40 5,53 7,34 9,5 3,4 5,5 7,5 0, 6, 9,09,70 3,33 4,7 6,39 8,34 0,7 4,7 6,9 9,0,7 7,9 0,56 3,5 3,94 4,87 7,7 9,34,8 6,0 8,3 0,5 3, 9,6 3,57 4,40 5,3 6,30 9,03,3 4,0 8,5,0 3,3 6, 3,0 4 4,66 5,63 6,57 7,79 0,8 3,3 6,, 3,7 6, 9, 36, 6 5,8 6,9 7,96 9,3,6 5,3 8,4 3,5 6,3 8,8 3,0 39,3 8 7,0 8,3 9,39 0,9 4,4 7,3 0,6 6,0 8,9 3,5 34,8 4,3 0 8,6 9,59 0,9,4 6,3 9,3,8 8,4 3,4 34, 37,6 45,3 Tab. IRRTUMSWAHRSCHEILICHKEIT α Man erhält also beim χ -Test keine Ja-ein-Ausage sowie keine Angabe über die Sicherheit der gewählten Hypothese. Die angegebene Klassifizierung ist ein grobes Raster, das für viele Zwecke in der Praxis sinnvoll ist. In der Literatur werden manchmal die Grenzen schärfer oder wei- 6
4 ter gesetzt. Die Irrtumswahrscheinlichkeit gibt keine Ja-ein-Aussage, vielmehr gibt sie an, wie man sich irrt, wenn die Hypothese verworfen wird. Ergibt sich beispielsweise α = 0, 3, dann wäre aufgrund der durchgeführten Messreihe eine Ablehnung der angenommenen Hypothese mit 30 prozentiger Wahrscheinlichkeit unberechtigt. Dies bedeutet, dass bei Auswertung von 0 analogen Messreihen etwa drei von ihnen den gleichen oder einen größeren χ -Wert ergeben könnten. Damit die berechnete Prüfgröße (Gl. (8)) näherungsweise eine χ -Verteilung besitzt, müssen die theoretischen Häufigkeiten np 5 sein. Wenn dies nicht erfüllt ist, was an den Enden der Verteilungen häufig auftritt, dann müssen benachbarte Klassen an den Enden der Verteilung zusammengefasst werden, wodurch sich die Zahl der Freiheitsgrade verringert. 3. Absorption von γ-strahlung: Trifft γ-strahlung auf einen Stoff, so treten die γ-quanten mit den Atomen des Stoffes in Wechselwirkung. Dabei nimmt die Intensität der γ-strahlung nach Durchdringen der Schichtdicke dz um den Betrag di ab, wobei d I = µ I dz () ist. µ ist der lineare Schwächungskoeffizient, der vom Absorptionsmaterial und der Energie der γ-strahlung abhängt. Durch Integration erhält man das Schwächungsgesetz in der Form I = Io exp( µ z). (3) Dabei ist I o die Anfangsintensität bei z = 0. Die Intensitätsgrößen I und I o sind den eweiligen Impulsraten x z und x 0 proportional, von denen der ulleffekt mit der Impulsrate x abgezogen wurde. Von praktischem Interesse ist oft die material- und energieabhängige Halbwertsdicke z /, bei welcher die Anfangsintensität I o auf den halben Wert abgeschwächt wird. Aus Gl. (3) folgt ln z / =. (4) µ In der einschlägigen Literatur (z.b. Kohlrausch, Praktische Physik, Band 3) findet man für ausgewählte Materialien und ausgedehnte Energiebereiche Angaben für µ bzw. den daraus mit der Dichte ρ gebildeten Massenschwächungskoeffizienten µ ρ (bevorzugte Einheit cm ). Aus g praktischen Gründen wird anstelle der Schichtdicke z oft die Massenflächendichte d = z ρ g (bevorzugte Einheit ) und die damit gebildete Halbwertsflächendichte cm ln d / = ρ (5) µ benutzt. AUFGABE. Es sind zwei Messreihen mit e 500 Messungen aufzunehmen: Messreihe : Kleine Impulszahl mit Mittelwert -3. 7
5 Messreihe : Große Impulszahl mit Mittelwert größer als 60.. Mit Hilfe des PC-geführten χ -Testes vergleiche man die Häufigkeitsverteilungen der Messreihen mit einer Poisson- und einer Gaußverteilung. Während des Programmablaufs werden Sie zur Anfertigung und Eingabe einer Klasseneinteilung aufgefordert. Dabei muss für Messreihe eine Einteilung gemäß Gl. (6) vorgenommen werden. 3. Messung der Absorption von γ-strahlung in Blei als Funktion der Schichtdicke z und grafische Darstellung von I / I o = f ( z) auf Exponentialpapier. 4. Bestimmung der Energie des γ-strahlers. VERSUCHSDURCHFÜHRUG Den Prinzipaufbau der Messanordnung zeigt Abb. 3. Wenn der gestrichelt umrandete PC am Versuchsplatz angeschlossen ist, muss der Funktionswahlschalter am Zählgerät auf REMOTE gestellt werden. Jetzt können alle Einstellungen am Zählgerät (Zählrohrspannung, Zeit- oder Impulsvorwahl, Stichprobenumfang sowie Start, Stop, Reset) mit der PC-Maus vorgenommen werden. Die hierzu angebotenen Menüs sind übersichtlich, im Bedarfsfall hilft Ihr Betreuer. Alle Messwertetabellen können ausdruckt werden. Das Programm wird mit C:\RAD\LABLIK.EXE aufgerufen. Das Zählgerät wird nach Aufforderung auf COM. geschaltet. Abb. 3 PRIZIP DER MESSAORDUG 8
6 Bei einer Versuchsdurchführung ohne PC können alle Einstellungen am Zählgerät mit dem Funktionswahlschalter und dem UP- und DOW-Taster vorgenommen werden. Alle Einstellungen werden auf dem Display angezeigt. Für START, STOP und RESET stehen in dem Fall gesonderte Tasten zur Verfügung. Alle Messungen werden bei einer Zählrohrspannung von 900 V durchgeführt. Für Aufgabe werden unterschiedliche Strahler benutzt. Für Messreihe wird das Cs-37- Präparat in das etwa 3.Fach (ausprobieren!) von oben eingeführt und eine Messzeit von s vorgewählt. Für Messreihe wird das Co-60-Präparat in das. Fach von oben derart eingelegt, dass der Abstand zum Zählrohr möglichst klein ist, und eine Messzeit von ca. s (ausprobieren!) ausgewählt. ach Vorwahl von RUS = 500 und Anklicken von COUT erfolgen die Messungen einschließlich Ergebnisauflistung auf dem Bildschirm automatisch. Am Ende eder Messreihe müssen die Messdatenlisten für die anschließende PC-Auswertung eweils unter einem unverwechselbaren Dateinamen abgespeichert werden: Wählen Sie zweckmäßig den Dateinamen XY.TSV. Hier ist X der Platzhalter für die ersten 5 Buchstaben Ihres Familiennamens (für Umlaute wie ä wird ae eingegeben). Y ist der Platzhalter für eine Ziffer zur Kennzeichnung der Messreihe. Beispiel: Herr Müstermann speichert die Datenliste seiner Messreihe I unter MUEST.TSV. Für Aufgabe steht zur Durchführung des χ -Testes das Rechnerprogramm "CHI.EXE" zur Verfügung. Vom Programm werden verschiedene Eingabevarianten angeboten. Für die Auswertung nach Aufgabe ist Variante () auszuwählen. ach dem Start von Variante () wird zur Eingabe des amens der Messdatendatei aufgefordert. Danach erfolgt die automatische Datenübernahme und die Ausgabe von n, x min und x max mit der Aufforderung zur selbständigen Festlegung einer zweckmäßigen Klasseneinteilung (Gl.(6)). ach Eingabe der Klasseneinteilung erfolgt der eigentliche χ -Test. Wichtig für die Klasseneinteilung: Es sind grundsätzlich nur halbzahlige Klassengrenzen zu wählen. Beispiel für Messreihe : Treten Impulszahlen zwischen x min = 0 und x max = 7 auf, dann wählt man für die erste Klasse die untere Grenze -0,5 und die obere Grenze 0,5. Für die letzte (die 8.) Klasse wählt man als untere Grenze 6,5 und als obere Grenze 7,5. Beispiel für Messreihe : Werden bei z.b. x min = 54 von Ihnen in der ersten Klasse die Impulszahlen 54 bis 56 zusammengefasst, dann wählt man als untere Grenze dieser Klasse 53,5 und als obere Grenze 56,5 usw. Zur Übertragung ins Messprotokoll werden vom Rechner nach edem Test angezeigt: Mittelwert, Standardabweichung, Freiheitsgrad, die experimentellen Häufigkeiten k(x ), die theoretischen Häufigkeitswerte np für die angepasste Poisson- bzw. Gaußverteilung sowie die χ - Werte. Mit Hilfe der in Tabelle aufgeführten Irrtumswahrscheinlichkeiten diskutiere man die Ergebnisse des χ -Testes. Die Eingabevarianten (4) und (5) sind für den Fall vorgesehen, dass keine Messdatendatei existiert. Die Variante (3) steht Ihnen fakultativ zur Selbstkontrolle nach Durchführung von Variante () zur Verfügung. 9
7 Zusatzangebot (Eingabevariante ()): Unabhängig vom konkreten Versuch F7 kann zunächst das Verhalten statistischer Ensembles bei Parameterveränderungen und Wiederholungsmessungen untersucht werden. Es werden Zählraten-Stichproben nach einer Monte-Carlo-Methode ausgewürfelt. Stichprobenumfang und Mittelwert der Grundgesamtheit können in weiten Grenzen von Ihnen selbst vorgegeben werden. Im Anschluss können Sie den χ -Test hierauf anwenden. Für Aufgabe 3 werden die 5 Bleiplatten nacheinander in das. Fach und das Cs-37-Präparat in das. Fach von oben eingeführt. (Vergessen Sie nicht die I 0 -Messung ohne Bleiplatte!). Für alle Messungen wird eine Impulszahl von 000 vorgewählt und die Messzeit registriert. Zur Bestimmung des ulleffekts (Impulsvorwahl 00) müssen alle Präparate genügend weit (mindestens 0,5 m) vom Zählrohr entfernt sein. Die Funktion x z x ) /( x x ) = f( z) wird ( o grafisch auf Exponentialpapier dargestellt. Beachten Sie, dass hier x z, x und x 0 Impulsraten sind, also die vorgewählten Impulszahlen auf dieselbe Zeitbasis umzurechnen sind. Tragen Sie an allen Messpunkten einen Fehlerbalken (nur Ordinate berücksichtigen) ein. Für Aufgabe 4 werden die grafischen Darstellungen µ / ρ = f( E) (Abb. 4) und z / = f( E) (Abb. 5) benutzt. Sie können aus Ihrer grafischen Darstellung I / I o = f( z) (Aufg. 3) entweder µ aus dem Anstieg bestimmen und mit Blei 3 ρ =,34g/cm rechnen oder z / direkt entnehmen. FRAGE. Welche Verfahren zur Prüfung statistischer Verteilungen kennen Sie?. Worauf schließt man, wenn man für die Anpassung einer Gaußverteilung s = x findet? 3. Wie funktioniert ein Geiger-Müller-Zählrohr? 0
8 cm /g Massenschwächungskoeffizient µ/ρ Photonenenergie E MeV Abb. 4 MASSESCHWÄCHUGSKOEFFIZIET
9 mm 0 Halbwertsdicke z / Photonenenergie E MeV Abb. 5 HALBWERTSDICKE
Physikalisches Grundpraktikum I
INSTITUT FÜR PHYSIK DER HUMBOLDT-UNIVERSITÄT ZU BERLIN Physikalisches Grundpraktikum I Versuchsprotokoll P2 : F7 Statistik und Radioaktivität Versuchsort: Raum 217-2 Versuchsbetreuer: E. von Seggern, D.
F7: Statistik und Radioaktivität
Grundpraktikum F7: Statistik und Radioaktivität Autor: Partner: Versuchsdatum: Versuchsplatz: Abgabedatum: Inhaltsverzeichnis 1 Physikalische Grundlagen und Aufgabenstellung 2 2 Messwerte und Auswertung
Mathematisch-Naturwissenschaftliche Fakultät I Humboldt-Universität zu Berlin Institut für Physik Physikalisches Grundpraktikum.
Mathematisch-Naturwissenschaftliche Fakultät I Humboldt-Universität u Berlin Institut für Physik Physikalisches Grundpraktikum Versuchsprotokoll Statistik und Radioaktivität (F7) Arbeitsplat 1 durchgeführt
F7 STATISTIK UND RADIOAKTIVITÄT
PHYSIKALISCHE GRUNDLAGEN Wichtige Grundbegriffe: Häufigkeit, Summenhäufigkeit, Histogramm, Poisson-Verteilung und Gaußsche Normalverteilung, χ Test, Geiger-Müller-Zählrohr, Zählrate Bei der Auswertung
Bei diesem Versuch haben wir die Impulshöhenspektren verschiedener radioaktiver Präparate aufgenommen.
AUSWERTUNG: γ-spektroskopie UND STATISTIK TOBIAS FREY, FREYA GNAM 1. IMPULSHÖHENSPEKTREN Bei diesem Versuch haben wir die Impulshöhenspektren verschiedener radioaktiver Präparate aufgenommen. 1.1. Messung
INSTITUT FÜR PHYSIK HUMBOLDT-UNIVERSITÄT ZU BERLIN. Physikalisches Grundpraktikum I Versuchsprotokoll F7 Statistik und Radioaktivität
INSTITUT FÜR PHYSIK HUMBOLDT-UNIVERSITÄT ZU BERLIN Physikalisches Grundpraktikum I Versuchsprotokoll F7 Statistik und Radioaktivität Betreuer: Jan Eike von Seggern NEW 14, Raum 2'17,, Versuchsplatz 2 Benjamin
2.3 Abschirmung von Betastrahlen. Aufgabe. Welche Stoffe eignen sich zur Abschirmung von β-strahlen?
Naturwissenschaften - Physik - Radioaktivität - 2 Strahlenarten und ihre Eigenschaften (P7300800) 2.3 Abschirmung von Betastrahlen Experiment von: Phywe Gedruckt: 6.0.203 6:22:32 intertess (Version 3.06
5. Seminar Statistik
Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation
AUSWERTUNG: BETA-/ GAMMA-ABSORBTION
AUSWERTUNG: BETA-/ GAMMA-ABSORBTION TOBIAS FREY, FREYA GNAM 1. GEIGER-MÜLLER-ZÄHLROHR UND β-absorption 1.1. Zählrohrcharakteristik. Die Spannung zwischen Draht und Zylinder bestimmt entscheidend das Verhalten
Physikalisches Grundpraktikum
Mathematisch-Naturwissenschaftliche Fakultät I Institut für Physik Physikalisches Grundpraktikum Physikalisches Grundpraktikum Physik als Nebenfach 005 VORBEMERKUNG Das physikalische Experiment besteht
Beispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es
Beispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es beim radioaktiven Zerfall, zwischen 100 und 110 Zerfälle
Auswertung von Messungen Teil II
Auswertung von Messungen Teil II 1. Grundgesamtheit und Stichprobe. Modellverteilungen.1 Normalverteilung. Binominalverteilung.3 Poissonverteilung.4 Näherungen von Binominal- und Poissonverteilung 3. Zentraler
Übungen mit dem Applet Vergleich von zwei Mittelwerten
Vergleich von zwei Mittelwerten 1 Übungen mit dem Applet Vergleich von zwei Mittelwerten 1 Statistischer Hintergrund... 2 1.1 Typische Fragestellungen...2 1.2 Fehler 1. und 2. Art...2 1.3 Kurzbeschreibung
Einführung in die Fehlerrechnung und Messdatenauswertung
Grundpraktikum der Physik Einführung in die Fehlerrechnung und Messdatenauswertung Wolfgang Limmer Institut für Halbleiterphysik 1 Fehlerrechnung 1.1 Motivation Bei einem Experiment soll der Wert einer
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:
73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments
73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind
Praktikum Atom- und Quantenphysik
I A M P I. Physikalisches Institut AG Atom- und Molekülphysik JUSTUS-LIEBIG- UNIVERSITÄT GIESSEN Praktikum Atom- und Quantenphysik Leihgesterner Weg 7 (Strahlenzentrum), Raum 4 Einführung in die Messtechnik
Auswertung. D10: Radioaktivität
zum Versuch D10: Radioaktivität Jule Heier Partner: Alexander Fufaev Gruppe 334 Einleitung In diesem Versuch sollen verschiedene Eigenschaften, wie z.b. Absorption und Reichweite, von β- und γ-strahlung
10. Medizinische Statistik
10. Medizinische Statistik Projektplanung Deskriptive Statistik Inferenz-Statistik Literatur: Hüsler, J. und Zimmermann, H.: Statistische Prinzipien für medizinische Projekte, Verlag Hans Huber, 1993.
UNIVERSITÄT BIELEFELD
UNIVERSITÄT BIELEFELD 7 Kernphysik 7.5 - Absorption von Gammastrahlung Durchgeführt am 15.11.06 Dozent: Praktikanten (Gruppe 1): Dr. Udo Werner Marcus Boettiger R. Kerkhoff Marius Schirmer E3-463 marius.schirmer@gmx.de
Mittelwert Median Stabw StabwN 1. Quartil 3. Quartil 27,22 % 26,06 % 8,07 % 8,03 % 22,12 % 31,25 %
3. a) Mit Hilfe der Excel-Funktionen Mittelwert(DB), Median(DB), Stabw(DB) sowie Quantil(DB;P) 1 werden aus den gegebenen Leberfettgehaltmessdaten Mittelwert, Median, Standardabweichung (Stabw) sowie das
Anpassungstests VORGEHENSWEISE
Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel
Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz
Grundlage: Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz Die Testvariable T = X µ 0 S/ n genügt der t-verteilung mit n 1 Freiheitsgraden. Auf der Basis
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
Biomathematik für Mediziner
Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur SS 2002 Aufgabe 1: Franz Beckenbauer will, dass
Wahrscheinlichkeit 1-α: richtige Entscheidung - wahrer Sachverhalt stimmt mit Testergebnis überein. Wahrscheinlichkeit α: falsche Entscheidung -
wahrer Sachverhalt: Palette ist gut Palette ist schlecht Entscheidung des Tests: T K; Annehmen von H0 ("gute Palette") positive T > K; Ablehnen von H0 ("schlechte Palette") negative Wahrscheinlichkeit
Protokoll Grundpraktikum I: F7 Statistik und Radioaktivität
Protokoll Grundpraktikum I: F7 Statistik und Radioaktivität Sebastian Pfitzner 13. Mai 013 Durchführung: Sebastian Pfitzner (553983), Anna Andrle (55077) Arbeitsplatz: Platz Betreuer: Michael Große Versuchsdatum:
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
Schwächung von γ-strahlen
AKP-47-Neu-1 Schwächung von γ-strahlen 1 Vorbereitung Vorbereitung von Versuch 46 Schwächung von γ-strahlung Lit.: GERTHSEN, WALCHER 6.4.4.0 Abschnitt 3 Streuung eines Hertzschen Oszillators (klassische
Grundlagen der Statistik und Fehlerrechnung
Physikalisches Grundpraktikum Teil 1 WS 2010/2011 Grundlagen der Statistik und Fehlerrechnung Stefan Diehl 28.02.2011 12.30 13.30 HS I 01.03.2011 12.30 13.30 CHEG18 Inhalt Grundbegriffe der Statistik Wahrscheinlichkeitsverteilungen
Datenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse (PHY23) Herbstsemester 207 Olaf Steinkamp 36-J-05 olafs@physik.uzh.ch 044 63 55763 Vorlesungsprogramm Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung
Wahrscheinlichkeitsrechnung und Statistik. 11. Vorlesung /2019
Wahrscheinlichkeitsrechnung und Statistik 11. Vorlesung - 2018/2019 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 2 heißt Median. P(X < z
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,
Die Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
Die Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
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
VU mathematische methoden in der ökologie: räumliche verteilungsmuster 1/5 h.lettner /
VU mathematische methoden in der ökologie: räumliche verteilungsmuster / h.lettner / Analyse räumlicher Muster und Verteilungen Die Analyse räumlicher Verteilungen ist ein zentrales Gebiet der ökologischen
4. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017
4. Lösung weitere Übungsaufgaben Statistik II WiSe 016/017 1. Aufgabe: Eine sächsische Molkerei füllt Milch in Tetrapacks ab. Es wird vermutet, dass die Füllmenge normalverteilt ist mit einem Erwartungswert
Biostatistik, Sommer 2017
1/52 Biostatistik, Sommer 2017 Prof. Dr. Achim Klenke http://www.aklenke.de 7. Vorlesung: 02.06.2017 2/52 Inhalt 1 Wahrscheinlichkeit Bayes sche Formel 2 Diskrete Stetige 3/52 Wahrscheinlichkeit Bayes
Jost Reinecke. 7. Juni 2005
Universität Bielefeld 7. Juni 2005 Testtheorie Test für unabhängige Stichproben Test für abhängige Stichproben Testtheorie Die Testtheorie beinhaltet eine Reihe von Testverfahren, die sich mit der Überprüfung
Übungen mit dem Applet Wahrscheinlichkeitsnetz
Wahrscheinlichkeitsnetz 1 Übungen mit dem Applet Wahrscheinlichkeitsnetz 1 Statistischer Hintergrund... 1.1 Verteilungen... 1. Darstellung von Daten im Wahrscheinlichkeitsnetz...4 1.3 Kurzbeschreibung
Szintillationszähler Zählstatistik
Physikalisches Grundpraktikum IV Universität Rostock :: Institut für Physik 10 Szintillationszähler Zählstatistik Name: Daniel Schick Betreuer: Dr. Enenkel & Dr. Holzhüter Versuch ausgeführt: 01.06.05
Wahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
Fehlerrechnung. Bei physikalisch-technischen Messungen können systematische und zufällige Fehler auftreten.
Seite 1 / 6 H.C. iehuus Fehlerrechnung Bei physikalisch-technischen Messungen können systematische und zufällige Fehler auftreten. Systematische Fehler erzeugen systematische Effekte. Falsch kalibrierte
Klassifikation von Signifikanztests
Klassifikation von Signifikanztests Nach Verteilungsannahmen: verteilungsabhängig: parametrischer [parametric] Test verteilungsunabhängig: nichtparametrischer [non-parametric] Test Bei parametrischen Tests
PRAKTIKUM Grundlagen der Messtechnik. VERSUCH GMT 01 Auswertung von Messreihen
1 Fachbereich: Fachgebiet: Maschinenbau Mess-, Steuerungs- und Regelungstechnik Prof. Dr.-Ing. habil. Michael Kaufmann PRAKTIKUM Grundlagen der Messtechnik VERSUCH GMT 01 Auswertung von Messreihen Version
Umgang mit und Analyse von Messwerten
In diesem ersten Praktikumsversuch erarbeiten Sie sich das Handwerkszeug, was zum erfolgreichen absolvieren des Physikpraktikums nötig ist. Im Fokus dieses Versuchs stehen die Themen: Signifikante Stellen
Wahrscheinlichkeitsrechnung und Statistik
10. Vorlesung - 017 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 heißt Median. P(X < z α ) α P(X z α ). Falls X stetige zufällige Variable
Abstandsgesetz und Absorption von γ-strahlen
INSTITUT FÜR ANGEWANDTE PHYSIK Physikalisches Praktikum für Studierende der Ingenieurswissenschaften Universität Hamburg, Jungiusstraße 11 Abstandsgesetz und Absorption von γ-strahlen 1. Einleitung Ähnlich
Statistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften t-test Varianzanalyse (ANOVA) Übersicht Vergleich von Mittelwerten 2 Gruppen: t-test einfaktorielle ANOVA > 2 Gruppen: einfaktorielle ANOVA Seeigel und
- Normalverteilung (Gaußverteilung) kann auf sehr viele Zufallsprozesse angewendet werden.
Normalverteilung und Standardnormalverteilung als Beispiel einer theoretischen Verteilung - Normalverteilung (Gaußverteilung) kann auf sehr viele Zufallsprozesse angewendet werden. - Stetige (kontinuierliche),
Kapitel 7. Regression und Korrelation. 7.1 Das Regressionsproblem
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandelt die Verteilung einer Variablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem
Statistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Stetige und diskrete Wahrscheinlichkeitsverteilungen Lageparameter Streuungsparameter Diskrete und stetige Zufallsvariablen Eine Variable (oder Merkmal
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
Pkt. Aufg.1: Aufg.2: Aufg.3: Aufg.4: Aufg.5:
Klausurbeispiel zu den Vorlesungen Statistik für Ingenieure/Stochastik sowie Datenanalyse und Statistik (Herbstsemester 00/003) Die Lösungen der Aufgaben sind jeweils in dieser grünen Farbe dargestellt!
303 Statistik Zur Auswertung größerer Stichproben wird ein Würfel-Simulationsprogramm verwendet.
303 Statistik 1. Aufgaben Dieser Versuch verfolgt mehrere Zielrichtungen. Zum einen soll der Einfluß der Größe einer Stichprobe auf das Ergebnis statistischer Messungen untersucht werden. Dies geschieht
Einführung in die Theorie der Messfehler
Einführung in die Theorie der Messfehler Ziel der Vorlesung: Die Studentinnen/Studenten sollen die Grundlagen der Theorie der Messfehler sowie den Unterschied zwischen Ausgleichsrechnung und statistischer
Seminar Biopharmazie. Statistik. nur was für Unsichere oder ist sie ihr Geld wert?
Seminar Biopharmazie Statistik nur was für Unsichere oder ist sie ihr Geld wert? Biopharmazie Statistik 1 Allgemeine Symbole Probenstatistik Verteilungs- Funktion Mittelwert bzw. Erwartungswert für n µ
Parameterfreie Tests. ²- Unabhängigkeitstest Test auf Unabhängigkeit von zwei Zufallsgrößen
Parameterfreie Tests ²- Unabhängigkeitstest Test auf Unabhängigkeit von zwei Zufallsgrößen ²- Anpassungstest Test auf Vorliegen einer bestimmten Verteilung Binomialtest Vergleich von unbekannten Anteilen
5. Statistische Auswertung
5. Statistische Auswertung 5.1 Varianzanalyse Die Daten der vorliegenden Versuchsreihe zeigen eine links steile, rechts schiefe Verteilung. Es wird untersucht, ob sich die Meßdaten durch Transformation
Datenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse (PHY231) Herbstsemester 2015 Olaf Steinkamp 36-J-22 olafs@physik.uzh.ch 044 63 55763 Vorlesungsprogramm Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung
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
Hypothesenprüfung. Darüber hinaus existieren zahlreiche andere Testverfahren, die alle auf der gleichen Logik basieren
Hypothesenprüfung Teil der Inferenzstatistik Befaßt sich mit der Frage, wie Hypothesen über eine (in der Regel unbekannte) Grundgesamtheit an einer Stichprobe überprüft werden können Behandelt werden drei
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
313 Statistische Verteilungen (Computer-Simulation)
313 Statistische Verteilungen (Computer-Simulation) 1. Aufgaben 1.1 Berechnen Sie in Vorbereitung dieses Versuches einige Beispiele für Binomial-, Poisson- und Normalverteilungen (Übungsaufgaben 1-3, Abschnitt.
Statistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 11. Vorlesung Jochen Köhler 10.05.011 1 Inhalt der heutigen Vorlesung Zusammenfassung Parameterschätzung Übersicht über Schätzung und Modellbildung Modellevaluation
Gamma-Spektroskopie und Statistik Versuch P2-72,73,83
Auswertung Gamma-Spektroskopie und Statistik Versuch P2-72,73,83 Iris Conradi und Melanie Hauck Gruppe Mo-02 20. Mai 2011 Inhaltsverzeichnis Inhaltsverzeichnis 1 Impulshöhenspektren 3 1.1 Einkanalbetrieb................................
Kapitel III: Einführung in die schließende Statistik
Kapitel III: Einführung in die schließende Statistik Das zweite Kapitel beschäftigte sich mit den Methoden der beschreibenden Statistik. Im Mittelpunkt der kommenden Kapitel stehen Verfahren der schließenden
P2-80, 82: ABSORPTION VON BETA- UND GAMMASTRAHLUNG
P2-80, 82: ABSORPTION VON BETA- UND GAMMASTRAHLUNG GRUPPE 19 - SASKIA MEIßNER, ARNOLD SEILER 1. Geiger-Müller-Zählrohr und β-absorption 1.1. Zählrohrcharakteristik. Es wird die Zählrate bei zunehmender
2. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017
. Lösung weitere Übungsaufgaben Statistik II WiSe 016/017 1. Aufgabe: Bei der Produktion eines Werkstückes wurde die Bearbeitungszeit untersucht. Für die als normalverteilt angesehene zufällige Bearbeitungszeit
Einführung. Fehlerarten
Einführung Jede Messung ist mit einer Messunsicherheit behaftet. Die Unsicherheit bezieht sich dabei nicht auf eine falsche Durchführung der Messung, sondern auf die Tatsache, dass jede von einem Menschen
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
Messung der Intensität der -Strahlung hinter einem Absorber in Abhängigkeit von der Absorberdicke. Bestätigung des Lambertschen Schwächungsgesetzes.
Atom und Kernphysik Kernphysik -Spektroskopie LEYBOLD Handblätter Physik P6.5.5.3 Absorption von -Strahlung Versuchsziele Messung der Intensität der -Strahlung hinter einem Absorber in Abhängigkeit von
Verteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen. Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung
Verteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung Typisierung der stetigen theoretischen Verteilungen Bibliografie:
fh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik
fh management, communication & it Folie 1 Überblick Grundlagen (Testvoraussetzungen) Mittelwertvergleiche (t-test,..) Nichtparametrische Tests Korrelationen Regressionsanalyse... Folie 2 Überblick... Varianzanalyse
Klausur zur Vorlesung
Institut für Mathematische Stochastik WS 2006/2007 Universität Karlsruhe 12. Februar 2007 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Aufgabe 1 (15 Punkte) Klausur zur Vorlesung Statistik für Biologen
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
Übungen mit dem Applet
Übungen mit dem Applet 1. Visualisierung der Verteilungsform... 1.1. Normalverteilung... 1.. t-verteilung... 1.3. χ -Verteilung... 1.4. F-Verteilung...3. Berechnung von Wahrscheinlichkeiten...3.1. Visualisierung
Brückenkurs Statistik für Wirtschaftswissenschaften
Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München
Wie kann ich überprüfen, welche Verteilung meinen Daten zu Grunde liegt? Chi-Quadrat-Test auf Normalverteilung
Wie kann ich überprüfen, welche Verteilung meinen Daten zu Grunde liegt? Chi-Quadrat-Test auf Normalverteilung T. Kießling: Fortgeschrittene Fehlerrechnung - Korrelation 5.04.018 Vorlesung 03-1 Chi-Quadrat-Test:
3 Häufigkeitsverteilungen
3 Häufigkeitsverteilungen 3.1 Absolute und relative Häufigkeiten 3.2 Klassierung von Daten 3.3 Verteilungsverläufe 3.1 Absolute und relative Häufigkeiten Datenaggregation: Bildung von Häufigkeiten X nominal
Statistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
Theoretische Grundlagen Physikalisches Praktikum. Versuch 8: Radioaktivität
Theoretische Grundlagen Physikalisches Praktikum Versuch 8: Radioaktivität Radioaktivität spontane Umwandlung instabiler tomkerne natürliche Radioaktivität: langlebige Urnuklide und deren Zerfallsprodukte
Statistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
Zusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen
Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind
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
Auswertung Gammaspektroskopie
Auswertung Gammaspektroskopie Marcel Köpke & Axel Müller (Do-30) 05.07.2012 Inhaltsverzeichnis 1 Spektren der γ Strahlung von Cs-137, Na-22 und Co-60 3 1.1 Messung.....................................
Statistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und
Mathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 17. November 2010 1 Gesetze Das Gesetz der seltenen Ereignisse Das schwache Gesetz der großen Zahl 2 Verteilungsfunktionen
Klassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
P2-80,82,84: Absorption radiaktiver Strahlung
Physikalisches Anfängerpraktikum (P) P-8,8,84: Absorption radiaktiver Strahlung Matthias Faulhaber, Matthias Ernst (Gruppe 19) Auswertung.1 Eigenschaften des Geiger-Müller-Zählrohrs.1.1 Messung der Einsatzspannung
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
Inhaltsverzeichnis. 1. Grundlagen und Durchführung. 2. Auswertung
Inhaltsverzeichnis 1. Grundlagen und Durchführung 2. Auswertung 2.1.1 Überlauf-Methode 2.1.2 Geometrie des Körpers 2.1.3 Auftriebsmessung 2.2 Ergebniszusammenfassung und Diskussion 3. Fragen 4. Anhang
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:
Einführung in die Statistik
Einführung in die Statistik 1. Deskriptive Statistik 2. Induktive Statistik 1. Deskriptive Statistik 1.0 Grundbegriffe 1.1 Skalenniveaus 1.2 Empirische Verteilungen 1.3 Mittelwerte 1.4 Streuungsmaße 1.0