Bivariate Daten: Tabellarische und grafische Darstellungen
|
|
- Martha Walter
- vor 7 Jahren
- Abrufe
Transkript
1 Bivariate Date: Tabellariche ud grafiche Dartelluge Ordiale Date Kotigeztafel ud Moaiplot mit geordete Kategorie Quatitative Date Kotigeztafel ud Moaiplot mit laierte Date il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier
2 Bivariate Date: Tabellariche ud grafiche Dartelluge Quatitative Date : Beipiel Bearbeituge vo Softwareaufgabe Streudiagramm Dartellug der Putepaare ( i, i ) i eiem arteiche Koordiatetem il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier
3 Bivariate Date: Zuammehagmaße Erierug allgemeie Eigechaft der Streuug uivariater Date: Streuug vo X deto höher, je chlechter orete Werte ich vorherage lae. Biher: Vorherage der Werte vo X durch eizele Lageparameter. Jetzt: Vorherage der Werte vo Y uter Verwedug der Werte vo X. Allgemei: Zuammehag (Korrelatio) zwiche Y ud X deto größer, je beer ich der Wert vo Y uter Keti de Wert vo X vorherage lät (oder umgeehrt). il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 3
4 Bivariate Date: Zuammehagmaße Korrelatio ud Kaualität E gilt: X it Urache vo Y > X ud Y orreliere X X Y Y Aber: X ud Y orreliere > X it Urache vo Y X X Y Y il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 4
5 Bivariate Date: Zuammehagmaße Korrelatio ud Kaualität X it Urache vo Y > X ud Y orreliere X ud Y orreliere > X it Urache vo Y Verchiedee Korrelatioquelle möglich X Z Y X Y X X Y Y X Z Y X Y X Y Z Z il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 5
6 Bivariate Date: Zuammehagmaße Simpo Paradoo Beipiel: Gelbe Karte für deutche ud egliche Team i atioale ud iteratioale Wettbewerbe betrachtete Spiele der Saio 00/0: Spiel Gelb Spiel Gelb Tot ham Areal 5(3+) MaU Areal 4(0+4) Partiza Areal 0 Werder Baer 4(+) Baer Werder 0 Tot ham MaU 6(+4) Baer Cluj Real Tot ham 3 Baer Werder 4(+3) Iter Schale 4 MaU Tot ham 3(0+3) Werder Schale 3(0+3) Bura MaU 0 Tot ham Areal 3(0+3) Schale Werder 3(+) Baer Schale 3(+) Areal Tot ham 4(3+) OM MaU 0 Schale Baer (0+) Schale Baer (0+) Befica Schale Areal MaU 5(+3) il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 6
7 Bivariate Date: Zuammehagmaße Simpo Paradoo Beipiel: Gelbe Karte für deutche ud egliche Team i atioale ud iteratioale Wettbewerbe Gelbe Karte pro Team ud Spiel Team Deutch Eglich il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 7
8 Bivariate Date: Zuammehagmaße Simpo Paradoo Beipiel: Gelbe Karte für deutche ud egliche Team i atioale ud iteratioale Wettbewerbe betrachtete Spiele der Saio 00/0: Spiel Heruft Schiri Gelb Spiel Heruft Schiri Gelb Tot ham Areal Eglad 5(3+) MaU Areal Eglad 4(0+4) Partiza Areal Deutchlad 0 Werder Baer Deutchlad 4(+) Baer Werder Deutchlad 0 Tot ham MaU Eglad 6(+4) Baer Cluj Eglad Real Tot ham Deutchlad 3 Baer Werder Deutchlad 4(+3) Iter Schale Eglad 4 MaU Tot ham Eglad 3(0+3) Werder Schale Deutchlad 3(0+3) Bura MaU Deutchlad 0 Tot ham Areal Eglad 3(0+3) Schale Werder Deutchlad 3(+) Baer Schale Deutchlad 3(+) Areal Tot ham Eglad 4(3+) OM MaU Deutchlad 0 Schale Baer Deutchlad (0+) Schale Baer Deutchlad (0+) Befica Schale Eglad Areal MaU Eglad 5(+3) il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 8
9 Bivariate Date: Zuammehagmaße Simpo Paradoo Beipiel: Gelbe Karte für deutche ud egliche Team i atioale ud iteratioale Wettbewerbe Gelbe Karte pro Team ud Spiel Team Deutch Eglich il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 9
10 Bivariate Date: Zuammehagmaße Simpo Paradoo Beipiel: Gelbe Karte für deutche ud egliche Team i atioale ud iteratioale Wettbewerbe Gelbe Karte pro Team ud Spiel Bedigt auf Heruft Schiedrichter Schiri eglich Team Deutch Eglich Schiri Deutch Eglich Schiri deutch il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 0
11 Bivariate Date: Zuammehagmaße Simpo Paradoo Beipiel: Gelbe Karte für deutche ud egliche Team i atioale ud iteratioale Wettbewerbe Gelbe Karte pro Team ud Spiel Bedigt auf Heruft Schiedrichter Schiri eglich Team Deutch Eglich Schiri Deutch Eglich 0/6.5 8/ / /4.43 3/0.5 38/7.35 Schiri deutch 8/ /8.833 il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier
12 Bivariate Date: Zuammehagmaße omiale Date Zuammehag (Korrelatio) zwiche Y ud X deto größer, je beer ich der Wert vo Y uter Keti de Wert vo X vorherage lät(oder umgeehrt). X Y () () (K) Σ () f ; f ; f ;K () f ; f ; f ;K (J) f ; J f ; J f ;K J f f f K Wert vo Y lät ich bei Keti vo X umo beer vorherage, je tärer die bedigte Verteilug f Y X vo Y gegebe X vo der Radverteilug f Y vo Y abweicht. il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier
13 Bivariate Date: Zuammehagmaße omiale Date Wert vo Y lät ich bei Keti vo X umo beer vorherage, je tärer die bedigte Verteilug f Y X vo Y gegebe X vo der Radverteilug f Y vo Y abweicht. Y () () (K) Σ Zuammehag miimal, fall f; j f j für alle j {,...,J} ud {,...,K} () f f f K X () f f f K (J) f f f K f f f K il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 3
14 Bivariate Date: Zuammehagmaße omiale Date Wert vo Y lät ich bei Keti vo X umo beer vorherage, je tärer die bedigte Verteilug f Y X vo Y gegebe X vo der Radverteilug f Y vo Y abweicht. Y () () (K) Σ Zuammehag maimal, fall e für alle j {,...,J} ei {,...,K} mit f ; j gibt () 0 0 X () 0 0 (J) 0 0 f f f K il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 4
15 Bivariate Date: Zuammehagmaße omiale Date Wert vo Y lät ich bei Keti vo X umo beer vorherage, je tärer die bedigte Verteilug f Y X vo Y gegebe X vo der Radverteilug f Y vo Y abweicht. X Y () () (K) Σ () f ; f ; f ;K () f ; f ; f ;K (J) f ; J f ; J f ;K J f f f K Ei Maß, da deto größerwird, je größer die Abweichug der bedigte Verteilug f Y X vo der Radverteilug f Y it, it alo ei ivolle Zuammehagmaß. il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 5
16 Bivariate Date: Zuammehagmaße omiale Date Ei Maß, da deto größer wird, je größer die Abweichug der bedigte Verteilug f Y X vo der Radverteilug f Y it, it alo ei ivolle Zuammehagmaß. X Y () () (K) Σ () f 0; f 0; f 0;K f () f 0; f 0; f 0;K f (J) f 0;J f 0;J f 0;JK f J Σ f f f K Wäre bedigte ud Radverteilug idetich, o würde ei Ateil vo vo f 0; f f j a de Date i Kategorie ((j), ()) falle. Dieer Fall wird al empiriche Uabhägigeit vo X ud Y bezeichet. il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 6
17 Bivariate Date: Zuammehagmaße omiale Date Ei Maß, da deto größer wird, je größer die Abweichug der bedigte Verteilug f Y X vo der Radverteilug f Y it, it alo ei ivolle Zuammehagmaß. X Y () () (K) Σ () ν ν ν K () ν ν ν K (J) ν J ν J ν JK J Σ K Somit würde bei Uabhägigeit j j ν f fj Beobachtuge i Kategorie((j), ()) erwartet. il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 7
18 Bivariate Date: Zuammehagmaße omiale Date Je größer die beobachtete Azahle vo de erwartete ν abweiche, deto mehr utercheide ich bedigte ud Radverteiluge. Ei Maß, da auf der quadratiche Abweichug der erwartete vo de beobachtete Häufigeite baiert, it die χ -Größe χ ( ν J K j, ν j ν Y () () (K) Σ () ( -ν ) ( -ν ) ( K -ν K ) ) X () ( -ν ) ( -ν ) ( K -ν K ) (J) ( J -ν J ) ( J -ν J ) ( JK -ν JK ) J Σ K il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 8
19 Bivariate Date: Zuammehagmaße omiale Date: die χ -Größe χ ( ν J K j, ν j ν Die χ -Größe erfüllt die Forderug, deto größer zu werde, je größer die Abweichug der bedigte Verteilug f Y X vo der Radverteilug f Y it. ) χ J K j j j J K (f -f f f j j f j ) J K (f f -f f j j f ) j J K f f f f j fj j j il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier f J K f (f j ; j f j f ) 9
20 Bivariate Date: Zuammehagmaße 0 il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier omiale Date: die χ -Größe Alterative Dartellug der χ -Größe ν, ν ) ν ( χ j J j K χ J j K j J j K j J j K j J j K j j j j J j K j J j K j j
21 Bivariate Date: Zuammehagmaße omiale Date: die χ -Größe χ ( ν ) J K J K j ν j j, ν j Bewei: E gilt: 0 χ (mi[j,k]-) 0 χ lar wege j > 0, > 0, ( ν ) 0 0 χ, we ν, d.h. we alle bedigte Häufigeite de uter Uabhägigeit erwartete Häufigeite etpreche. ur möglich, we ν ℵ für alle j,...,j ud,...,k. il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier
22 Bivariate Date: Zuammehagmaße omiale Date: die χ -Größe χ ( ν ) J K J K j ν j j, ν j χ Bewei: (mi[j,k] ) J K j j J K j j { (*) E gilt: 0 χ (mi[j,k]-) j j J K J K mi(j,k) j j J j Egilt: J J j (*) il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier
23 Bivariate Date: Zuammehagmaße omiale Date: die χ -Größe χ ( ν ) J K J K j ν j j, ν j Bewei: J K j j χ J,aalog J K E gilt: 0 χ (mi[j,k]-) (mi[j,k] ) j j K J ud K j j damit J K mi(j,k) j j mi(j,k) il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 3
24 Bivariate Date: Zuammehagmaße omiale Date: die χ -Größe χ ( ν ) J K J K j ν j j, ν j Wa gilt: χ (mi[j,k]-)? Sei o.b.d.a. K J. Da gilt für alle,,k ud j,,j mit > 0: J K d.h. χ wird maimal, we e zu jedem j ei (j) mit f,(j) j gibt. j j K j, il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 4
25 Bivariate Date: Zuammehagmaße omiale Date: die χ -Größe χ Bewei:" " Fall e ei(j,)mit 0 < ( ν ) J K J K j ν j j J K j j j K < gibt,ogilt J j K, j j > 0 <, J ν K j j K Für die Gleichheit mu alo zu jedem j ei (j) eitiere mit (j) f j ;(j) j. il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 5
26 Bivariate Date: Zuammehagmaße omiale Date: die χ -Größe χ Bewei:" " f;(j) j K (j) J ( ν ) J K J K j ν j j j j j (j) J K j j K j ~ ~ j {j (j) } K (j) (j) j j, il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier K K > 0 /, (j) ~ ~ j { j (j) } ν / (j) (j) ~ ~ ~ ~ j {j (j) } j { j ( j) } j K 6
27 Bivariate Date: Zuammehagmaße omiale Date: die χ -Größe χ ( ν ) J K J K j ν j j, ν j E gilt: 0 χ (mi[j,k]-) Kotigezoeffiziet ach Pearo C χ χ + mi(j,k) mi(j,k) [0,] il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 7
28 Bivariate Date: Zuammehagmaße omiale Date: die χ -Größe Wert vo Y lät ich bei Keti vo X umo beer vorherage, je tärer die bedigte Verteilug f Y X vo Y gegebe X vo der Radverteilug f Y vo Y abweicht. Beipiel J K, 50 (> ν ν ν ν 5) χ C χ f ; -f il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 8
29 Bivariate Date: Zuammehagmaße omiale Date: Beipiel Bearbeituge vo Softwareaufgabe Aufgabe Abfrage Eport Verüpfug Σ Kai 0 Bearbeiter(i) Miriam Oliver 4 Tia 0 3 Σ 6 4 il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 9
30 Bivariate Date: Zuammehagmaße omiale Date: Beipiel Bearbeituge vo Softwareaufgabe ν Aufgabe Abfrage Eport Verüpfug Σ Kai 0 //3 6/ 4//3 Bearbeiter(i) Miriam 0 3 // Oliver 4 // /3/ 4 6/ 0 3 4/ 4 4/4/3 3 4 Tia 0 3 // 3 6/3/ 3 4/ 3 Σ 6 4 il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 30
31 Bivariate Date: Zuammehagmaße omiale Date: Beipiel Bearbeituge vo Softwareaufgabe ( -ν ) Aufgabe Abfrage Eport Verüpfug Σ Kai 0 (0-/3) /9 (-) 0 (-/3) /9 Bearbeiter(i) Miriam 0 (0-/) /4 Oliver (-/3) 6/9 3 (3-3/) 9/4 (-) 0 (0-) (-4/3) /9 3 4 Tia 0 (0-/) /4 (-3/) /4 (-) 3 Σ 6 4 il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 3
32 Bivariate Date: Zuammehagmaße omiale Date: Beipiel Bearbeituge vo Softwareaufgabe ( -ν ) /ν Aufgabe Abfrage Eport Verüpfug Σ Kai 0 3/(9 )/3 0/0 3/(9 )/6 Bearbeiter(i) Miriam 0 /(4 )/ Oliver 6 3/(9 )8/3 3 9 /(4 3)3/ / 0 / 3/(9 4)/ 3 4 Tia 0 /(4 )/ /(4 3)/6 / 3 Σ 6 4 il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 3
33 Bivariate Date: Zuammehagmaße omiale Date: Beipiel Bearbeituge vo Softwareaufgabe J K ( ν ) χ j ν ( -ν ) /ν Aufgabe Abfrage Eport Verüpfug Σ Kai /3 0 / Bearbeiter(i) Miriam / 3/ 3 Oliver 8/3 / / 4 Tia / /6 3 Σ 6 4 il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 33
34 Bivariate Date: Zuammehagmaße omiale Date: Beipiel Bearbeituge vo Softwareaufgabe 0 χ χ, C χ + mi(j,k) mi(j,k) ( -ν ) /ν Aufgabe Abfrage Eport Verüpfug Σ Kai /3 0 /6 Bearbeiter(i) Miriam / 3/ 3 Oliver 8/3 / / 4 Tia / /6 3 Σ 6 4 il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 34
35 Bivariate Date: Zuammehagmaße Ordiale Date Allgemei: Zuammehag (Korrelatio) zwiche Y ud X deto größer, je beer ich der Wert vo Y uter Keti de Wert vo X vorherage lät(oder umgeehrt). Wert vo Y lät ich bei Keti vo X umo beer vorherage, je mehr ei hoher Wert vo X eie hohe Wert vo Y impliziert (poitiver Zuammehag) bzw. je mehr ei hoher Wert vo X eie iedrige Wert vo Y impliziert (egativer Zuammehag). il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 35
36 Bivariate Date: Zuammehagmaße Ordiale Date Beipiel 5-Pute-Beotugtem: ote i de Fächer Mathemati ud Phi Latete Leitug λ,beotug f (λ ) il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 36
37 Bivariate Date: Zuammehagmaße Ordiale Date Beipiel 5-Pute-Beotugtem: ote i de Fächer Mathemati ud Phi Zuammehag zwiche Leituge il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 37
38 Bivariate Date: Zuammehagmaße Ordiale Date Beipiel 5-Pute-Beotugtem: ote i de Fächer Mathemati ud Phi Zuammehag zwiche ote bei uterchiedlicher Salierug il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 38
39 Bivariate Date: Zuammehagmaße Ordiale Date Beipiel 5-Pute-Beotugtem: ote i de Fächer Mathemati ud Phi Zuammehag zwiche oteräge bei uterchiedlicher Salierug il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 39
40 Bivariate Date: Zuammehagmaße Ordiale Date Allgemei: Zuammehag (Korrelatio) zwiche Y ud X deto größer, je beer ich der Wert vo Y uter Keti de Wert vo X vorherage lät(oder umgeehrt). Wert vo Y lät ich bei Keti vo X umo beer vorherage, je mehr ei hoher Ragvo X eie hohe Ragvo Y impliziert (poitiver Zuammehag) bzw. je mehr ei hoher Ragvo X eie iedrige Ragvo Y impliziert (egativer Zuammehag). Ei ivolle Zuammehagmaß für ordialedate ollte alo im Abolutwerthoch ei, we hohe Rägevo X mit hohe bzw. iedrige Rägevo Y eihergehe ud iedrig, we Paare vo hohe ud hohe, hohe ud iedrige, iedrige ud hohe owie iedrige ud iedrige X- ud Y-Räge i gleichem Maße auftrete. il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 40
41 Bivariate Date: Zuammehagmaße Quatitative Date Allgemei: Zuammehag (Korrelatio) zwiche Y ud X deto größer, je beer ich der Wert vo Y uter Keti de Wert vo X vorherage lät(oder umgeehrt). Wert vo Y lät ich bei Keti vo X umo beer vorherage, je mehr ei hoher Wertvo X eie hohe Wertvo Y impliziert (poitiver Zuammehag) bzw. je mehr ei hoher Wertvo X eie iedrige Wertvo Y impliziert (egativer Zuammehag). Ei ivolle Zuammehagmaß für quatit. Date ollte alo im Abolutwerthoch ei, we hohe Wertevo X mit hohe bzw. iedrige Wertevo Y eihergehe ud iedrig, we Paare vo hohe ud hohe, hohe ud iedrige, iedrige ud hohe owie iedrige ud iedrige X- ud Y-Werte i gleichem Maße auftrete. il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 4
42 Bivariate Date: Zuammehagmaße Quatitative Date Allgemei: Zuammehag (Korrelatio) zwiche Y ud X deto größer, je beer ich der Wert vo Y uter Keti de Wert vo X vorherage lät(oder umgeehrt). Kovariaz: ( )( ) >0, we hohe Werte vo X i hohem Maße mit hohe Werte vo Y eihergehe (Poitive Korrelatio) <0, we hohe Werte vo X i hohem Maße mit iedrige Werte vo Y eihergehe (egative Korrelatio) 0, we hohe Werte vo X i gleichem Maße mit hohe Werte wie mit iedrige Werte vo Y eihergehe (Uorreliertheit) il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 4
43 Bivariate Date: Zuammehagmaße Quatitative Date: Kovariaz ( ) ( ) il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 43
44 Bivariate Date: Zuammehagmaße Quatitative Date: Kovariaz ( ) ( ) ( ) ( ) < 3 3 < 0 > 0 0 ( ) ( ) > 3 3 > 0 > 0 0 ( ) ( ) > 3 3 < 0 < 0 0 ( ) ( ) < 3 3 > 0 < 0 0 il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 44
45 Bivariate Date: Zuammehagmaße 45 il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier Quatitative Date Kovariaz Bewei aalog zu Bewei vo ( ) ) )( ( d ( ) - ) - ( ) )( ( i i + + +
46 Bivariate Date: Zuammehagmaße Quatitative Date Kovariaz Für die Kovariaz gilt: il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 46
47 Bivariate Date: Zuammehagmaße 47 il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier Quatitative Date: Kovariaz Bewei: Spezialfall der Cauch-Schwarz-Ugleichug: ) ( ) ( ) )( ( ) ( ) ( ) ( ) ( ) )( ( ) ( ) ( ) ( ) ( ) )( ( b a b a gilt, ),b für(a R
48 Bivariate Date: Zuammehagmaße Quatitative Date: Kovariaz ( ) ( ) E gilt: Korrelatiooeffiziet ach Bravai-Pearo r il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 48
49 Bivariate Date: Zuammehagmaße Quatitative Date: Korrelatiooeffiziet ach Bravai-Pearo r Gleichheitbedigug für(a,b ) R, gilt a b a b bei der e gibt Cauch- Schwarz-Ugleichug Kotatecuddmitb r c + d a für alle r {,} ( -) c + d ( -) ~ c + d mit ~ c c + -d Da heißt, r it geau da,wealle ud auf eier Gerade liege. il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 49
50 Bivariate Date: Zuammehagmaße Quatitative Date: Kovariaz ( ) (c + d c d) + r il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 50
51 Bivariate Date: Zuammehagmaße Quatitative Date: Korrelatiooeffiziet ach Bravai-Pearo icht-liearer mootoer Zuammehag r il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 5
52 Bivariate Date: Zuammehagmaße Ordiale/Quatitative Date: icht-liearer mootoer Zuammehag Übergag zu Räge r il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 5
53 Bivariate Date: Zuammehagmaße Ordiale/Quatitative Date: icht-liearer mootoer Zuammehag Übergag zu Räge R() R() R() r R()R() R() il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 53
54 Bivariate Date: Zuammehagmaße Ordiale/Quatitative Date Abolute Korrelatio vo Räge bei mootoem Zuammehag immer r r 0.79 r R()R() r r 0.95 il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 54
55 Bivariate Date: Zuammehagmaße Ordiale/Quatitative Date Fall X ud Y midete ordiale Saleiveau habe, o wird der Bravai-Pearo- Korrelatiooeffiziet der Räge R(X) ud R(X) vo X ud Y der Spearmache Ragorrelatiooeffiziet r Sp vo X ud Y geat: r Sp r R()R() R()R() R() R() ( R( )( ) )-R() R()-R() ( ) R( ( ) )-R() R()-R() il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 55
56 Bivariate Date: Zuammehagmaße Ordiale/Quatitative Date Spearmache Ragorrelatiooeffiziet Fall eie Biduge auftrete, d.h. R( j ) R( ) ud R( j ) R( ) für alle j, o gilt: r 6 Sp - ) ( -) ( R()-R( ) Beweiaatz: ud R( R( ) ) R( ) R() (+ ) (+ )(+ ) 6 il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 56
57 Bivariate Date: Zuammehagmaße Ordiale/Quatitative Date: Beipiel Bearbeituge vo Softwareaufgabe Azahl Clic Rag Bearbeitugzeit Rag r 4 5 [(0.5.95) + ( ) + (.5.55) + ( ) + (3.5.75) + ( ) + (0.5.05) + ( ) + ( ) + + ( ) + (.5.475) + (.5.375)]/( r Sp 45 [( 4.5) + (.5) + ( 3.5) + ( ) + (4.5.5) + ( ) + (.5) + ( 5 3) + ( 5 0.5) + + ( ) + ( ) + (.5 3)]/(39.455) il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 7 3.4)
58 Bivariate Date: Lieare Regreio Quatitative Date: Erierug Allgemei: Zuammehag (Korrelatio) zwiche Y ud X deto größer, je beer ich der Wert vo Y uter Keti de Wert vo X vorheragelät(oder umgeehrt). Bravai-Pearo-Korrelatiooeffiziet mit lieare Zuammehag. Wie lät ich der lieare Zuammehag zur Vorherage utze? il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 58
59 Bivariate Date: Lieare Regreio Quatitative Date r <> c+d für,, Für beliebige j c + dj c + d (j,) mit j : j (c + dj) (c + d) d(j ) d ( ) / ( ) j j c + d c d ( j ) / ( j ) Perfete Vorherage durch Eietze i die Gleichug. il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 59
60 Bivariate Date: Lieare Regreio Quatitative Date 0 < r < <> c + d + ε für,, Vorheragefehler ε c d il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 60
61 Bivariate Date: Lieare Regreio Quatitative Date: Methode der leite Quadrate Koeffiziete c ud d o betimme, da Fehlerquadratumme Q(c,d) miimal wird. ε il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 6
62 Bivariate Date: Lieare Regreio Quatitative Date: Methode der leite Quadrate ( c d ) Die Fehlerquadratumme Q(c,d) it miimal für d ud c - Bewei Q(c,d) ( c + d ) c + d- 0 c + d 0 c Q(c,d) ( c + d ) c + d 0 d c + d 0 il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 6
63 ( ) c (3),(3)i() / / d d 0 d -d ()i() d c 0 d ()c 0 d ()c Bewei Bivariate Date: Lieare Regreio 63 il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier Quatitative Date: Methode der leite Quadrate ( ) - c ud d für miimal it d c Q(c,d) Fehlerquadratumme Die
64 det Q(c,d) d d, Q(c,d) d c, Q(c,d) c c d c Q(c,d) d, d- c Q(c,d) c Bewei > + + Bivariate Date: Lieare Regreio 64 il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier Quatitative Date: Methode der leite Quadrate ( ) - c ud d für miimal it d c Q(c,d) Fehlerquadratumme Die
65 Bivariate Date: Lieare Regreio 65 il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier Quatitative Date: Methode der leite Quadrate Je größer die abolute Korrelatio, deto leier die Fehlerquadratumme - c ud d ( ) ( ) r (-) r r (-) r r (-) ) ( r ) )( ( r ) ( ) ( r ) ( r ) r ( ) ( ε + + +
66 Bivariate Date: Lieare Regreio Quatitative Date: Methode der leite Quadrate Je größer die abolute Korrelatio, deto leier die Fehlerquadratumme r il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 66
67 Bivariate Date: Lieare Regreio Quatitative Date: Methode der leite Quadrate Je größer die abolute Korrelatio, deto leier die Fehlerquadratumme r il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 67
68 Bivariate Date: Lieare Regreio Quatitative Date: Methode der leite Quadrate Je größer die abolute Korrelatio, deto leier die Fehlerquadratumme r 0.9 il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 68
69 Bivariate Date: Lieare Regreio Quatitative Date: Methode der leite Quadrate Je größer die abolute Korrelatio, deto leier die Fehlerquadratumme r il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 69
70 Bivariate Date: Lieare Regreio Quatitative Date: Beipiel Bearbeituge vo Softwareaufgabe Azahl Clic Bearbeitugzeit c+d r 4 5 ε 0.30 c + d c d r il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 5 5 r ε
71 Bivariate Date: Lieare Regreio Quatitative Date: Beipiel Bearbeituge vo Softwareaufgabe ε il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 7
72 Bivariate Date: Zuammehagmaße Zuammefaug Saleivau Zuammehagmaß χ -Größe/ Kotigezoeffiziet ach Pearo Ragorrelatiooeffizietach Spearma Korrelatiooeff. ach Bravai- Pearo/li. Regr. omial Ordial Quatitativ ur für J ur für J Iformatioverlut ur für laierte Date + Robut + Allg. Zuammehag Iformatioverlut Aureißerafällig Li. Zuammehag + Iformatioutzug il Raabe: Wahrcheilicheitrechug ud mathematiche Statiti für Iformatier 7
Kapitel 17 : Lineare Regression Darstellung von zweidimensionalen Daten : (x 1, y 1 ), (x 2, y 2 ),..., (x n, y n )
(Kapitel 7: Lieare Regreio) Kapitel 7 : Lieare Regreio 7. Dartellug vo zweidimeioale Date : (, ), (, ),..., (, ). 7.. Beipiel : (a) Körpergewicht eie erwachee mäliche Pfälzer. Körpergröße (b) Azahl der
MehrDer Modus. Lageparameter. Beispiel (Einrichtungen) Beispiel (Lieblingsfarben) Modus. Untersuchungseinheiten U 1,...,U n. Merkmal X
Lageparameter Der Modus Utersuchugseiheite U,...,U Modus mod Mermal X Urliste,..., geordete Urliste (),..., () Es gilt i.allg.: ( ), i, K i i, Mermalsauspräguge a,..., a wird auch Modalwert oder häufigster
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
MehrSchätzen. Mehrdimensionale Verteilungsfunktionen Kovarianz und Korrelation Statistiken BLUE Konsistenz Arithmetisches Mittel vs.
Schätze Mehrdimeioale Verteilugfuktioe Kovariaz ud Korrelatio Statitike BLUE Koitez Arithmetiche Mittel v. Media Quiz Die -dimeioale Verteilugfuktio eier -dimeioale Zufallvariable mit Kompoete,, it für
MehrMathematik 2 für Naturwissenschaften
Has Walser Mathematik für Naturwisseschafte Modul 0 Regressiosgerade ud Korrelatio Has Walser: Modul 0, Regressiosgerade ud Korrelatio ii Ihalt Die Regressiosgerade.... Problemstellug.... Berechug der
MehrAbschlussklausur vom 26. Juli 2012 Teil 1: Multiple Choice (10 Punkte)
Prof. Dr. Oliver Ladma Jahrekur Makroökoomik, Teil 2 1 bchluklauur vom 26. Juli 2012 Teil 1: Multiple Choice (10 Pukte 1. Welche der folgede Bediguge defiiert de maximale teady-tate- oum: r g B r g g C
MehrAusgewählte Kapitel der Energieelektronik 1, Fach Nr. 5931
Augewählte Kapitel der Eergieeletroi 1, Fach Nr. 5931 Prof. Dr.-g. H. Alt Aychromachie Der Aychromotor it der am meite verwedete dutriemotor. Er a diret (mit Motorchutzchalter) a Drehtrometz agechloe werde
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
Mehrs xy x i x y i y s xy = 1 n i=1 y 2 i=1 x 2 s 1 n x n i Streudiagramme empirische Kovarianz x=5,5 y=7,5
Streudiagramme für metrisch skalierte Variable paarweise Messwerte (x,y) x 5 7 y 7 5 7 5 5 7 Aussage zu Zusammehäge. empirische Kovariaz Stadardabweichug der WertPAARE x i x y Wert x Mittelwert aller x
MehrKapitel 2: Stochastische Prozesse. Copyright M. Gross, ETH Zürich 2006, 2007
Kaitel 2: Coyright M. Gross, ETH Zürich 2006, 2007 Bedigte Verteiluge Ebeso a die Verbudwahrscheilicheit vo Zufallsvariable über bedigte Wahrscheilicheite ausgedrüct werde i i,, i,, Wiederum ommt eie Produtregel
MehrDas kollektive Risikomodell. 12. Mai 2009
Kirill Rudik Das kollektive Risikomodell 12. Mai 2009 4.1 Eileitug Wir betrachte i diesem Kapitel die Gesamtforderuge im Laufe eies Jahres. Beim Abschluss eies Versicherugsvertrages weiß der Versicherer
Mehrue biostatistik: hypothesen, t test 1/8 h. lettner / physik
ue biotatitik: hypothee t tet /8 h. letter / phyik Hypothee Augagituatio ud Problemtellug * Populatio σ * Lagjähriger Durchchitt Erte * Wahrcheilichkeit für Ereigie Müze Roulette * Radioaktivität Hitergrudtrahlug
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
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
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:
MehrFormelsammlung. PD Dr. C. Heumann
Formelsammlug zur Vorlesug Statisti I PD Dr. C. Heuma Formelsammlug Statisti I Desriptive Statisti Häufigeitsverteiluge Darstellugsforme vo Date Rohdate: x 1, x 2,..., x x i Azahl der Beobachtuge Mermalsausprägug
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
MehrKonfidenzintervalle. Praktische Übung Stochastik SS 2017 Lektion 10 1
Kofidezitervalle Praktische Übug Stochastik SS 017 Lektio 10 1 Kofidezitervalle Geerelle Aahme: Parametrisches Modell (P ϑ ) ϑ Θ Beobachtuge X 1,..., X u.i.v. ach P ϑ mit ubekatem ϑ Θ Grudidee: Schätzer
MehrWahrscheinlichkeitsrechnung & Statistik - Ergänzung zum Skript
Wahrscheilichkeitsrechug & Statistik - Ergäzug zum Skript Prof. Schweizer 9. Oktober 008 Mitschrift: Adreas Steiger Warug: Wir sid sicher dass diese Notize eie Mege Fehler ethalte. Betrete der Baustelle
Mehrc.) Fortpflanzung von Unsicherheiten: (Teil 2)
c.) Fortpflazug vo Uicherheite: (Teil ) (DIN V ENV 3005, 999 06, DIN 39 Teil 4, GUM) Im Allgemeie wird au uicherheitbehaftete Eigaggröße,,... ei Ergebi y = y(,,... ) berechet. E oll die Uicherheit de Ergebie
MehrPositiv denken! Lösungen
Schülerzirkel Mathematik Fakultät für Mathematik. Uiversität Regesburg Positiv deke! Lösuge Aufgabe 1 (GMAMQM (ur für die Klasse 7/8) [ Pukte]). Seie a, b reelle Zahle. 1. Sei a 0 ud b 0. Zeige, dass a
MehrSchätzen. Mehrdimensionale Zufallsvariablen Kovarianz und Korrelation Statistiken BLUE Konsistenz Arithmetisches Mittel vs.
Schätze Mehrdimeioale Zufallvariable Kovariaz ud Korrelatio Statitike BLUE Koitez Arithmetiche Mittel v. Media Quiz Eie Fuktio : Ω R ordet edem ω Ω geau eie reelle Zahl x zu. Eie Fuktio : Ω R ordet edem
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürge Seger INDUKTIVE STATISTIK Wahrheilihkeittheorie, Shätz- ud Tetverfahre ÜBUNG 0 - LÖSUNGEN. Kofidezitervall für de Mittelwert eier ormalverteilte Grudgeamtheit bei gegebeer Variaz a. Gegebe id
MehrU V R S T. V W = = s U V W R S T. Protokoll zum Versuch 25 Physikpraktikum. Reale Gase-Verflüssigung und kritischer Punkt. Namen:
Protokoll zum eruch 5 Phyikraktikum Reale Gae-erflüigug ud kriticher Pukt Name: Datum: Kur/Grue: emeratur: C hermotat ϑ C Ga,ϑ Hg R S a + b m R R Molzahl W ; bg d H d R J mol K verd bg bg 8314 ga, / fl
MehrAufgaben zur Übung und Vertiefung
bg_ma_fg004_geozf.doc Aufgabe zur Übug ud Vertiefug GEOMETRISCHE ZAHLENFOLGEN Berufliche Gymaium / Utertufe () Stelle Sie fet, welche der gegebee Folge geometrich id: a : a b : 0;;;4;6;... c : ; 4; 8;
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
Mehr2.2.1 Lagemaße. Exkurs: Quantile. und n. p n
Ekurs: Quatile Ausgagspukt : Geordete Urliste Jeder Wert p, mit 0 < p
Mehr18 2 Zeichen, Zahlen & Induktion *
18 2 Zeiche, Zahle & Idutio * Ma macht sich z.b. sofort lar, dass das abgeschlossee Itervall [ 3, 4] die Eigeschafte if[ 3, 4] 3 mi[ 3, 4] ud sup[ 3, 4]4max[ 3, 4] besitzt, währed das offee Itervall 3,
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
MehrBesprechung: S. 1/1
Übug 8 Aufgabe 8.1 Sei P R ei Polytop mit P Z =vert(p ). Zeige Sie, dass vert(p ) 2. Aufgabe 8.2 Sei P V ei ratioales Polyeder. Zeige Sie, dass P ebefalls ei ratioales Polyeder ist. Aufgabe 8.3 Sei u 1,...,u
MehrAuszüge der nichtparametrischen Statisik
Empirische Wirtschaftsforschug - 1 - Auszüge der ichtparametrische Statisik Kapitel 1: Räge ud lieare Ragstatistike Aahme, Defiitioe ud Eigeschafte (1.1) Aahme: (a) (b) Die Date x 1,, x sid midestes ordial.
MehrHerleitung der Parameter-Gleichungen für die einfache lineare Regression
Herleitug der Parameter-Gleichuge für die eifache lieare Regressio Uwe Ziegehage. März 03 Historie v.0 6.03.009, erste Versio hochgelade v.0 0.03.03, eie Vorzeichefehler beseitigt, diverse Gleichuge ud
MehrAnwendungen der Wahrscheinlichkeit II. Markovketten
Aweduge der Wahrscheilichkeit II 1. Fragestelluge Markovkette Markovkette sid ei häufig verwedetes Modell zur Beschreibug vo Systeme, dere Verhalte durch eie zufällige Übergag vo eiem Systemzustad zu eiem
Mehr5. Eine weitere Klasse von q-fibonacci-zahlen und der Euler sche Pentagonalzahlensatz.
5 Eie weitere Klae vo -Fiboacci-Zahle ud der Euler che Petagoalzahleatz I dieem Abchitt betrachte wir ei weitere Aalogo der Fiboacci-Polyome, für da auch ei chöe Aalogo der Luca-Polyome exitiert ud da
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
MehrStatistische Schätzungen
Statitiche Schätzuge Statitiche Schätzuge, Ei Wiechaftler mu geau mee, icht chätze! Da it aber eie wiechaftliche Schätzug! Lázló Smeller? (8,5±1,5) cm Aalytiche Statitik (iduktive o. chließede Statitik)
MehrMEBAK-Methodensammlung Grundlagen der Statistik. 1. Definitionen. 2. Charakterisierung der Verteilung. 2.1 Normalverteilung (Gauß-Verteilung)
. Defiitioe Zufallvariable Eie Zufallvariable it eie Größe, die bei eiem Zufallexperimet auftrete ka, z. B. die Läge der Bredauer eier Glühbire oder da Ergebi eier Petizidbetimmug. Grudgeamtheit Eie Grudgeamtheit
MehrNutzung der Ergebnisse von Ringvergleichen und Methodenvalidierungen zur Ermittlung der Messunsicherheit
Nutzug der Ergebie vo igvergleiche ud Methodevalidieruge zur Ermittlug der Meuicherheit Abtract Deutch Wolfgag ichter I der chemiche Aalytik werde ebe der Bottom-u -Methode ach GUM auch Todow -Verfahre
MehrD-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Übungsblatt 5. (1 + x) n 1 + nx
D-MATH, D-PHYS, D-CHAB Aalysis I HS 2017 Prof. Mafred Eisiedler Übugsblatt 5 1. Die Beroullische Ugleichug besagt, dass für N 0 ud x R mit x 1 stets 1 + x 1 + x gilt. Wir wolle u aaloge Ugleichuge für
MehrFinanzmathematische Formeln und Tabellen
Jui 2008 Dipl.-Betriebswirt Riccardo Fischer Fiazmathematische Formel ud Tabelle Arbeitshilfe für Ausbildug, Studium ud Prüfug im Fach Fiaz- ud Ivestitiosrechug Dieses Werk, eischließlich aller seier Teile,
MehrBINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008
Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe
MehrKonvexität und Ungleichungen
Koveität ud Ugleichuge Tag der Mathematik 2003 Holger Stepha Weierstraß Istitut für Agewadte Aalysis ud Stochastik http://www.wias-berli.de/people/stepha = Für mathematisch iteressierte Schüler = Folie
MehrMethode der kleinsten Quadrate
Methode der kleiste Quadrate KAPITEL 5: REGRESSIONSRECHNUNG Die Methode der kleiste Quadrate (MklQ) ist ei Verfahre zur Apassug eier Fuktio a eie Puktwolke. Agewadt wird sie beispielsweise, um eie Gesetzmäßigkeit
MehrGleichungen und Ungleichungen. Mathematische Grundlagen. Beispiel. Beispiel. Lösung einer quadratischen Gleichung:
Gleichuge ud Ugleichuge Mathematische Grudlage Das Hadout ist Bestadteil der Vortragsfolie zur Höhere Mathemati; siehe die Hiweise auf der Iteretseite wwwimgui-stuttgartde/lstnumgeomod/vhm/ für Erläuteruge
MehrKlassifizierung der Verteilungen. Streuung der diskreten Verteilung
Wichtigste Verteiluge der Biostatisti Disrete Zur Erierug Klassifizierug der Verteiluge Kotiuierliche Disrete Gleichverteilug Kotiuierliche Gleichverteilug Biomialverteilug Normalverteilug Poisso Verteilug
MehrLösungsskizzen Mathematik für Informatiker 6. Aufl. Kapitel 4 Peter Hartmann
Lösugssizze Mathemati für Iformatier 6. Aufl. Kapitel 4 Peter Hartma Verstädisfrage 1. We Sie die Berechug des Biomialoeffiziete mit Hilfe vo Satz 4.5 i eiem Programm durchführe wolle stoße Sie schell
MehrDirichlet - Reihen III. 1 Die Möbiussche Umkehrformel
Dirichlet - Reihe III Vortrag zum Semiar zur Fuktioetheorie, 07.0.008 Sohia Dahme I ieem Vortrag geht e arum, eiige Dirichlet-Reihe mit multilikative Koeffiziete kee zu lere u e Zuammehag zwiche verchieee
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)
MehrFür eine n n-matrix A müssen wir die Gleichung. lösen. Falls (A λi) invertierbar ist, dann ist. Dann ist aber λ kein Eigenwert.
Geschlossees Leotief-Modell Ei Leotief-Modell für eie Volkswirtschaft heißt geschlosse, we der Kosum gleich der Produktio ist, d.h. we Kapitel 5 Eigewerte V x = x Es hadelt sich dabei um eie Spezialfall
Mehr( ), der genau auf der Geraden ( ) 2 ( ) #( ) 8. Lineare Regression. = f i. Nach der Summe der kleinsten. mx i
8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Ziel dieses Verfahres ist es, Beziehuge zwische zwei Merkmale
Mehr11 Likelihoodquotiententests
11 Likelihoodquotietetests I de Paragraphe 7-10 wurde beste Tests UMP-Tests oder UMPU-Tests i spezielle Verteilugssituatioe hergeleitet Hier soll u ei allgemeies Kostruktiosprizip für Tests vo zusammegesetzte
MehrBehandlung statistisch verteilter Messwerte
Phyikaliche Grudpraktikum Veruch 00 Behadlug tatitich verteilter Mewerte Aufgabe:. Führe Sie am PC Eperimete mit dem Galtoche Nagelbrett durch. Lae Sie mehrmal Kugelmege durchlaufe ud regitriere Sie die
MehrEigenschaften von Texten
Worthäufigkeite Eigeschafte vo Texte Eiige Wörter sid sehr gebräuchlich. 2 der häufigste Wörter (z.b. the, of ) köe ca. 0 % der Wortvorkomme ausmache. Die meiste Wörter sid sehr selte. Die Hälfte der Wörter
Mehr2 Vollständige Induktion
8 I. Zahle, Kovergez ud Stetigkeit Vollstädige Iduktio Aufgabe: 1. Bereche Sie 1+3, 1+3+5 ud 1+3+5+7, leite Sie eie allgemeie Formel für 1+3+ +( 3)+( 1) her ud versuche Sie, diese zu beweise.. Eizu5% ZiseproJahragelegtes
MehrWahrscheinlichkeit & Statistik Musterlösung Serie 13
ETH Zürich FS 2013 D-MATH Has Rudolf Küsch Koordiator Blaka Horvath Wahrscheilichkeit & Statistik Musterlösug Serie 13 1. a) Die Nullhypothese lautet dass das echte Medikamet höchstes gleich gut ist wie
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.
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
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
MehrStatistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte.
Statistik Vorlesug,. ärz, Statistische aßzahle Iformatio zu verdichte, Besoderheite hervorzuhebe ittelwerte Aufgabe: die Lage der Verteilug auf der Abszisse zu zeige. Der odus: derjeige Wert, der im Häufigste
MehrElemente der Mathematik - Winter 2016/2017
4 Elemete der Mathemati - Witer 201/2017 Prof. Dr. Peter Koepe, Regula Krapf Übugsblatt 8 Aufgabe 33 ( Pute). Beweise Sie folgede Idetitäte durch vollstädige Idutio: (a) 0 2 (1)(21), N. (b) 2 (1 1 ) 1
MehrInvestitionsentscheidungsrechnung Annuitäten Methode
Mit Hilfe der köe folgede Ivestitioe beurteilt werde: eizele Ivestitioe alterative Ivestitiosobjekte optimale Ersatzzeitpukte Seite 1 Folgeder Zusammehag besteht zwische der Kapitalbarwertmethode ud der
MehrVariiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen.
3. Variazaalyse Die Variazaalyse mit eier quatitative abhägige Variable ud eier oder mehrerer qualitativer uabhägiger Variable wird auch als ANOVA (Aalysis of Variace) bezeichet. Mit eier Variazaalyse
Mehr1. Einleitung. Uni- und bivariate Datenanalyse. Auswertung eines Merkmals. Verbundene Auswertung zweier Merkmale
. Eileitug Ui- ud ivariate Dateaalyse Uivariate Dateaalyse uswertug eies Merkmals Beispiele: Uivariate Häufigkeitsverteiluge, arithmetisches Mittel, Variaz ud Stadardaweichug Bivariate Dateaalyse Verudee
MehrUnivariate Verteilungen
(1) Aalyse: "deskriptive Statistike" Aalysiere -> deskriptive Statistike -> deskriptive Statistik Keie tabellarische Darstellug der Häufigkeitsverteilug () Aalyse: "Häufigkeitsverteilug" Aalysiere -> deskriptive
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
MehrFormelsammlung Mathematik
Formelsammlug Mathematik 1 Fiazmathematik 1.1 Reterechug Sei der Zissatz p%, der Zisfaktor q = 1 + p 100. Seie R die regelmäßig zu zahlede Rate, die Laufzeit. Edwert: Barwert: achschüssig R = R q 1 q 1
MehrVorbereitung auf 6. Übungsblatt (Präsenzübungen) - Lösungen
Prof. Dr. Raier Dahlhaus Statisti Witersemester 06/07 Vorbereitug auf 6. Übugsblatt Präsezübuge - Lösuge Aufgabe P0 Bereche vo UMVU-Schätzer. Gegebe sei jeweils ei statistisches Modell R, B R, P θ, θ Θ
MehrInnerbetriebliche Leistungsverrechnung
Ierbetriebliche Leistugsverrechug I der Kostestellerechug bzw. im Betriebsabrechugsboge (BAB ist ach der Erfassug der primäre Kostestellekoste das Ziel, die sekudäre Kostestellekoste, also die Koste der
MehrEinführung in die Wahrscheinlichkeitstheorie Lösungen zum Wiederholungsblatt
TUM, Zetrum Mathematik Lehrstuhl für Mathematische Physik WS 23/4 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weider Eiführug i die Wahrscheilichkeitstheorie Lösuge zum Wiederholugsblatt Aufgabe
MehrKreuztabellenanalyse und Assoziationsmaße
FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkomme zur Vorlesug Statistik Zusammehäge zwische omiale (ud/oder ordiale) Merkmale: aalyse ud FB 1 W. Ludwig-Mayerhofer Statistik 2 eige sich zur Darstellug
MehrZeitliche und Räumliche Autokorrelation
Zeitlice ud Räumlice Autokorrelatio Geerelle Beobactug: Eg beacbarte eitlic, räumlic euge lieer tedeiell älice Werte Autokorrelatio: -dimeioal Zeitreieaalye Variogramm: -dimeioal Geotatitik > Dieelbe Priipie,
Mehr3.2 Reihen Folgen und Reihen. Beispiele : (i) a n+1 = 1 2 beschränkt. a n 2. ), n N, a 1 = 2; zeigen: (a n ) n monoton fallend & nach unten
6 3 Folge ud Reihe Beispiele : i + = beschrät Satz 3..5 + = +, N, a = ; zeige: ooto falled & ach ute + a = li + = + s.o. a + = + a = a + a a = a a+ a ii x =, x + = + x, =,,... x ooto wachsed: Idutio: x
Mehr2. Diophantische Gleichungen
2. Diophatische Gleichuge [Teschl05, S. 91f] 2.1. Was ist eie diophatische Gleichug ud wozu braucht ma sie? Def D2-1: Eie diophatische Gleichug ist eie Polyomfuktio i x,y,z,, bei der als Lösuge ur gaze
Mehr4. Die q-fibonacci-zahlen von I. Schur und L. Carlitz und die Identitäten von Rogers- Ramanujan
4 Die -Fiboacci-Zahle vo I Schur ud L Carlitz ud die Idetitäte vo Roger- Ramauja E gibt im weetliche zwei Aaloga der Fiboacci-Zahle ud Polyome, die ich al ützlich erwiee habe I dieem Kapitel tudiere wir
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
MehrNormalverteilung. Standardnormalverteilung. Intervallwahrscheinlichkeiten. Verteilungsfunktion
Normalverteilug Stadardormalverteilug Normalverteilug N(μ, ) mit ichte : Gaußche Glockekurve μ μ μ+ μ >, f ( ) = ( μ) WS 6/7 Prof. r. J. Schütze, FB GW NV π Eigechafte der ichte: - Maimum i μ - mmetrich
MehrVorlesung 3. Tilman Bauer. 11. September 2007
Vorurs Mathemati 2007 Tilma Bauer Vorurs Mathemati 2007 Vorlesug 3 Tilma Bauer Mege ud Abbilduge Wiederholug ud Vollstädige Idutio Das Prizip Idex-Schreibweise! ud Aufgabe Uiversität Müster 11. September
MehrMathematische und statistische Methoden I
Mathematische ud statistische Methode I Sprechstude jederzeit ach Vereibarug ud ach der Vorlesug Wallstr. 3, 6. Stoc, Raum 06-06 Dr. Malte Persie persie@ui-maiz.de lordsofthebortz.de twitter.com/methodelehre
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
MehrLösungen. Lösung zu d):
Löuge Löug zu a De Date chee ch äherugwee etlag eer Gerade potoert zu e. Da lät cho recht gut vermute, da e learer Zuammehag vorhade e köte. Löug zu b We e Ateg/ee Abahme der Deutche Bak Akte auch zu eem
Mehr( ) Formelsammlung. Kombinatorik. Permutation: ohne Wiederholung. n! = n (n - 1) (n - 2)... 3 2 1 n= alle Elemente. Permutation: mit Wiederholung
Formelsammlug Kombiatori Permutatio: ohe Wiederholug! = ( - 1) ( - 2).... 3 2 1 = alle Elemete Permutatio: mit Wiederholug!! P, = = usw. = gleiche Elemete! 1! K 2! Stichprobe (SP) = geordete Auswahl Geordete
MehrTotzeitbehaftete Prozesse in der Automation - Probleme und Lösungen
Totzeitbehaftete Prozee i der Automatio - Probleme ud Löuge Hauptemiar Techiche Iformatioyteme Burkhard Heel Drede, 7..2008 Ihalt - Wiederholug Totzeit - Problemtellug Löuge:. Regelug mit PID-Regler 2.
MehrEinführung in die Stochastik für Mathematiker - SS 03 Prof. Dr. M. Schaefer, RWTH Aachen Definitionen und Sätze
Eiführug i die Stochastik für Mathematiker - SS 03 Prof. Dr. M. Schaefer, RWTH Aache Defiitioe ud Sätze Erstellt vo Lars Otte lars.otte@kulle.rwth-aache.de 5. September 2003 Diese Aufzeichuge stamme icht
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
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
MehrD-ITET Wahrscheinlichkeitstheorie und Statistik FS 2017 Prof. P. Nolin. Musterlösung 11 = Φ( 6/5) = 1 Φ(6/5) = = 0.
D-ITET Wahrscheilichkeitstheorie ud Statistik FS 17 Prof. P. Noli Musterlösug 11 1. Sei Φ die Verteilugsfuktio der Stadardormalverteilug. a Da T B N 6, 4, ist T B + 6/4 stadardormalverteilt. Folglich ist
MehrUnsere Daten. Konzentrationsmessung. Konzentrationskurve Summenkurve der Bierkonsumierung. Statistik 2. Vorlesung, Feb. 29, 2012
Statisti. Vorlesug, Feb. 9, Usere Date Höhe Gewicht 5 5 Coctails 5 7 75 5 7 cm Gewicht Glas Schuhgrösse Mathe 5 7 -.5..5..5..5 Reisezeit y 7 9 5 cm Mi Kozetratiosmessug Was für ei Ateil der Eiomme gehört
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürge Seger INDUKTIVE STATISTIK Wahrcheilichkeittheorie, Schät- ud Tetverfahre ÜBUNG. - LÖSUNGEN. Differetet für de Mittelwert (abhägige Stichprobe) Zwei Verfahre um Nachwei eie hormoale Dopigmittel
MehrDer natürliche Werkstoff Holz - Statistische Betrachtungen zum uniaxialen Zugversuch am Beispiel von Furnier
Der atürliche Werkstoff Holz - Statistische Betrachtuge zum uiaxiale Zugversuch am Beispiel vo Furier B. Bellair, A. Dietzel, M. Zimmerma, Prof. Dr.-Ig. H. Raßbach Zusammefassug FH Schmalkalde, 98574 Schmalkalde,
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meihardt 6. Stoc, Wallstr. 3 (Raum 06-206) Sprechstude jederzeit ach Vereibarug ud ach der Vorlesug. Mathematische ud statistische Methode I Dr. Malte Persie persie@ui-maiz.de http://psymet03.sowi.ui-maiz.de/
MehrInstitut für Physik und Physikalische Technologien der TU Clausthal Okt. 2002 Experimentalphysik VI (Festkörperphysik) WS 2002/2003
Ititut ür Phyik ud Phyikaliche Techologie der TU Clauthal Okt. 00 Experimetalphyik VI (Fetkörperphyik) WS 00/00 4 Gitterdyamik 4. Gitterchwiguge Schwiguge der Gitteratome lae ich al Sytem vo gekoppelte
MehrKapitel XI - Korrelationsrechnung
Istitut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökoometrie ud Statistik Kapitel XI - Korrelatiosrechug Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Seska Carlo Siebeschuh Aufgabe der Korrelatiosrechug
MehrAlgebra. (R1) Die Summe zweier Endomorphismen ist punktweise definiert, daher ist es leicht einzusehen, daß End(A) eine abelsche Gruppe bildet.
Fachbereich Mathemati Prof. Dr. Nils Scheithauer Walter Reußwig TECHNISCHE UNIVERSITÄT DARMSTADT WS 08/09 14. Otober 2008 Algebra 1. Übug mit Lösugshiweise Aufgabe 1 Es seie R,S Rige ud ϕ : R S ei Righomomorphismus.
MehrAufgaben zu Kapitel 2
2 Sei a R ud seie a ud a Iverse vo a Da ist a = a = a ( aa ) = ( a a)a = a = a 22 Wege Aufgabe 4 bleibt lediglich (R2) ud (R3) zu zeige (R2): Die Multipliatio ist offebar assoziativ Das Eiselemet ist die
MehrMathematik 2 für Naturwissenschaften
Has Walser Mathematik 2 für Naturwisseschafte 2 3 3 4 6 4 5 0 0 5 6 5 20 5 6 Modul 209 Tabelle Has Walser: Modul 209, Tabelle ii Ihalt Fakultäte... 2 Biomialkoeffiziete... 2 3 Biomische Verteilug... 3
MehrStrukturelle Modelle in der Bildverarbeitung Markovsche Ketten II
Strukturelle Modelle i der Bildverarbeitug Markovsche Kette II D. Schlesiger TUD/INF/KI/IS Statioäre Verteilug Verborgee Markovsche Kette (HMM) Erkeug stochastisches Automate D. Schlesiger SMBV: Markovsche
MehrLineare Transformationen
STAT 4 FK Herleituge Lieare Trasformatioe Sei eie lieare Trasformatio vo, so gilt Allgemei: a b, () Lieare Trasformatio des arithmetische Mittels y a+b x i () Da a eie additiv verküpfte Kostate ist, ka
MehrArithmetische Reihen Geometrische Reihen. Theorie und Musterbeispiele. Es wird auch das Arbeiten mit dem Summenzeichen geübt! Datei Nr.
Zahlefolge Teil 3: Reihe Arithmetiche Reihe Geometriche Reihe Theorie ud Muterbeipiele E wird auch da Arbeite mit dem Summezeiche geübt! Datei Nr. 40050 Stad 7. September 06 Friedrich W. Buckel INTERNETBIBLIOTHEK
MehrKlausur zu Stochastische Risikomodellierung und statistische Methoden (Mai 2014)
Klauur zu Stochatiche Riiomodellierug ud tatitiche Methode (Mai 04) Aufgabe (30 Pute): Sie id Veratwortlicher Atuar eier Lebevericherug ud müe die Agemeeheit der biometriche Rechuggrudlage für Mäer i eiem
Mehr