Grundlagen der Stochastik
|
|
- Josef Michel
- vor 7 Jahren
- Abrufe
Transkript
1 stoch_7.nb 1 Grundlagen der Stochastik Das vorliegende Skript wurde im Original mit dem Programmsystem MATHEMATICA von WOLFRAM-Research [ geschrieben und erstmals auf den Webseiten der Hochschule für Technik und Wirtschaft in Dresden (University of Applied Sciences) [ veröffentlicht. Die Schrift trägt den Charakter eines Arbeitskonzepts, so dass ich für Hinweise und Anregungen aller Art, einschließlich zu Rechtschreibung, Grammatik und Druckbild sehr dankbar bin. Mit meinem Beitrag erhebe ich keinen Anspruch auf irgendeine Vollständigkeit bzw. Allgemeingültigkeit. Ich möchte einzig und allein an exemplarischen Problemstellungen der Baumechanik logisch einfache mathematisch-physikalische Lösungsmethoden zur Diskussion stellen. Mirko Slavik, Dresden 7 Beschreibende Statistik 7.1 Die beschreibende Statistik stellt primär die Hilfsmittel zur Verfügung mit denen aus den Werten einer Stichprobe auf die statistischen Eigenschaften der entsprechenden Grundgesamtheit geschlossen werden kann. Die Methoden der angewandten Wahrscheinlichkeitsrechnung (siehe Abschnitt 8) hingegen dienen dazu, mathematische Modelle zu finden, die die Prozesse beschreiben, die zur Herausbildung von Zufallsdaten führen. 7.2 Eine eindimensionale Stichprobe x 1, x 2,... x i,... x n-1, x n, die aus einer Grundgesamtheit in einer zufälligen Reihenfolge i = 1, 2, 3,..., n gewonnen wird, wobei diese selbst keinen Einfluss auf die Ergebnisse hat, bezeichnet man als probabilistische Stichprobe. 7.3 Der Mittelwert ewx einer solchen Stichprobe berechnet sich zu ewx = Å 1 n n Konstanten c zu ewx = c + Å 1 n n x i. x i oder mit der n = 1 6 ; stichprobe = Table@Random@Real, 83, 27<D, 8i, 1, n<d; ewx == Mean@stichprobeD ewx Im obigen Beispiel haben wir zur Erzeugung der Stichprobe den internen Zufallsgenerator von MATHEMATICA genutzt. Der gemäß mathematischer Logik zu erwartende Mittelwert, den wir als exakten Mittelwert (exakt) bezeichnen wollen, beträgt = = 15. Wir interpretieren die Abweichung des berechneten vom exakten Mittelwert als Fehler Dx k einer k-ten Stichprobe. Es gilt ewx = exakt + Dx k. 7.5 Würde man die Erzeugung einer Stichprobe k-fach wiederholen, dann erhielte man den mittleren Fehler mfx = 1 maxk maxk k=1 Dx k 7.6 Für das Beispiel (7.3) wird jetzt neben der Wiederholung auch ein sukzessives Erhöhen des Stichprobenumfanges vorgenommen. Die grafische Darstellung der Ergebnisse bestätigt die bekannte Tatsache, dass der Mittelwert für wachsendes n und/oder k als Grenzwert den Mittelwert der Gesamtheit besitzt. 2
2 stoch_7.nb 2 maxk = 25; exakt = 15; DoB:n = 2 k, stichprobe = Table@Random@Real, 83, 27<D, 8i, 1, n<d, ewx@kd = Mean@stichprobeD, x k = ewx@kd exakt, mfx k = 1 k k x i >, 8k, 1, maxk<f 2 Entwicklung des Mittelwertes Zahlenwert Stichprobenanzahl k Bild 7.6: Darstellung der Verhältnisse zwischen exaktem Mittelwert (gelb) und den zugeordneten Werten einschließlich der Abweichungen Dx k (rot) bzw. der mittleren Fehler mfx (blau) 7.7 Der Mittelwert einer Stichprobe repräsentiert den besten Schätzwert der gewonnen Zufallsgrößen einer Gesamtheit. Dies kann mit dem fundamentalen Prinzip der Methode der kleinsten Quadrate (MkQ) [6], das Carl Friedrich GAUSS ( ) unabhängig von Adrien-Marie LEGENDRE ( ) ausgearbeitet hat, sehr anschaulich aufgezeigt werden. Die unten ausgewiesene Anwendung verifiziert diese Methode am Beispiel (7.3). Einen Beweis zur MkQ findet man u. a. in [3]. n = 1 3 ; maxk = 1 ; k =.1; stichprobe = Table@Random@Real, 83, 27<D, 8i, 1, n<d; ewx == Mean@stichprobeD DoB:schätzwert@kD = 1 + k k, n quadratabweichung@kd = Hstichprobe@@iDD schätzwert@kdl 2 >, 8k, 1, maxk<f ewx
3 stoch_7.nb 3 Minimum der Summe der Abweichungsquadrate HBild 7.7L: bei 815.8< Summe der Abweichungsquadrate Schätzwerte Bild 7.7: Beispiel zum Prinzip des Minimums der kleinsten Quadrate 7.8 Neben dem Mittelwert interessiert als ein wichtiges Fehler- bzw. Abweichungsmaß die Standardabweichung sx einer Stichprobe. Sie ist die Wurzel der Varianz sx 2 (vgl. hierzu Absatz 7.7) : sx 2 = 1 n n-1 Hx i - ewxl 2 Anmerkung: Vereinzelt findet man in der Literatur statt dem Nenner "n-1" auch "n" allein. Jedoch nur mit "n-1" wird eine erwartungstreue Schätzung der Standardabweichung erreicht (vgl. hierzu u. v. a. [7]). 7.9 Der Mittelwert und die Standardabweichung bzw. Varianz stellen die wichtigsten Merkmale einer Stichprobe dar. Als Beispiel erzeugen wir uns wieder mithilfe des Zufallsgenerators eine Stichprobe, für die wir die entsprechenden Kenngrößen berechnen: n = 1 5 ; stichprobe = Table@Random@Real, 83, 27<D, 8i, 1, n<d; :ewx == Mean@stichprobeD, sx== Variance@stichprobeD, test_sx == StandardDeviation@stichprobeD> 8ewx , sx , test_sx < 7.1 Um dem Mittelwert und der Standardabweichung einer Stichprobe einen Relativbezug zu verleihen, wird der Variationskoeffizient vx = sx ewx eingeführt. Er spielt eine wichtige Rolle bei der Charakteristik von Wahrscheinlichkeitsverteilungen (Abschnitt 8).
4 stoch_7.nb 4 vx == Variance@stichprobeD Mean@stichprobeD vx Eine weitere Möglichkeit eine Stichprobe zu beurteilen, basiert auf der Frage, wie häufig bleiben die Stichprobenwerte x i einer Zufallsgröße X unter einem bestimmten Wert x, also X b x. Als Ergebnis erhalten wir die absolute Häufigkeitssumme einer Stichprobe, die man auch als Verteilungsfunktion bezeichnet (vgl. Absatz 8. 4) Bei kleinen Stichproben erfolgt die Analyse über eine Sortierung der Werte x i ihrer Größe nach. Dieses Vorgehen wird im Falle großer Stichproben zweckmäßigerweise dahingehend approximiert, dass man eine Klassierung des Wertebereiches vornimmt. Hierfür sind in [3], die in der beschreibenden Statistik üblichen Hinweise zur Wahl der Mindestanzahl von Klassen in Abhängigkeit vom Stichprobenumfang zu finden Wir stellen beide Methoden anhand zweier Beispiele dar. Zuerst wird eine gleichverteilte Stichprobe erzeugt, im zweiten Fall bedienen wir uns normalverteilter Daten. Die in den anschließenden Grafiken ausgewiesen roten Punkte stehen für die Ergebnisse, die über eine Klassierung bestimmt worden, die blauen für die gemäß Sortierung ermittelten. Anmerkung: Bezüglich der Charakteristik der beiden gewählten Verteilungstypen, sei auf die ergänzenden Aussagen im Abschnitt 8 hingewiesen. n = 1 3 maxx minx ; minx = 3; maxx = 27; = 2; x = êê N; stichprobe = Table@Random@Real, 8minX, maxx<d, 8i, 1, n<d; geordnet = Sort@stichprobeD; häufig = BinCounts@stichprobe, 8minX, maxx, x<d; HÄUFIGKEITSSUMMENKURVE HgleichverteiltL Summenhäufigkeit ewx , sx 6.77, vx.45454<
5 stoch_7.nb 5 RandomNormal@μ_, σ_d := Random@NormalDistribution@μ, σdd ewxneu = 14.5; sxneu = 7.4; n = 1 3 ; = 2; maxx minx minx = ewxneu 4 sxneu; maxx = ewxneu + 4 sxneu; x = êê N; stichprobe = Table@RandomNormal@ewxneu, sxneud, 8i, 1, n<d; geordnet = Sort@stichprobeD; häufig = BinCounts@stichprobe, 8minX, maxx, x<d; HÄUFIGKEITSSUMMENKURVE HnormalverteiltL Summenhäufigkeit ewx , sx , vx.51518< 7.14 Anbetracht der enormen Rechengeschwindigkeit heutiger Hardware, bereitet es keine Schwierigkeit hinreichend große Stichproben sowie ausreichend kleine Intervalle für die Analyse der gewonnenen Daten zu erzeugen. Deshalb weiche ich in den weiteren Algorithmen etwas von der üblichen Vorgehensweise ab, indem keine Korrektur auf die Intervallmitten vorgenommen wird, sondern der Bezug auf den rechten Intervallrand bestehen bleibt Basierend auf der oben vorgestellten Klassierungsmethode werden jetzt zusätzlich die Verteilungen der (blau) über die einzelnen Klassen ausgewiesen und diese mit den zugehörigen Häufigkeitsummen (rot), den eigentlichen Verteilungsfunktionen verglichen. Es erfolgt zuerst die Darstellung der absoluten Zuordnungen und im Anschluss die der relativen Funktionen, bei denen die Absolutwerte auf den jeweiligen gesamten Stichprobenumfang bezogen worden sind.
6 stoch_7.nb 6 Beispiel einer gleichverteilten Stichprobe n = 1 4 maxx minx ; minx = 2; maxx = 4; = 4; x = êê N; stichprobe = Table@Random@Real, 8minX, maxx<d, 8i, 1, n<d; häufig = BinCounts@stichprobe, 8minX, maxx, x<d; ABSOLUTE HÄUFIGKEITEN + SUMMENKURVE HgleichverteiltL RELATIVE HÄUFIGKEITEN + SUMMENKURVE HgleichverteiltL ewx , sx , vx <
7 stoch_7.nb 7 Beispiel einer normalverteilten Stichprobe RandomNormal@μ_, σ_d := Random@NormalDistribution@μ, σdd ewxneu = 1; sxneu = 1.75; n = 1 5 ; = 4; maxx minx minx = ewxneu 3 sxneu; maxx = ewxneu + 3 sxneu; x = ; stichprobe = Table@RandomNormal@ewxneu, sxneud, 8i, 1, n<d; häufig = BinCounts@stichprobe, 8minX, maxx, x<d; ABSOLUTE HÄUFIGKEITEN + SUMMENKURVE HnormalverteiltL RELATIVE HÄUFIGKEITEN + SUMMENKURVE HnormalverteiltL ewx , sx , vx <
8 stoch_7.nb 8 Beispiel einer logarithmisch normalverteilten Stichprobe ewxneu = 3; sxneu = 1.5; n = 1 5 ; = 4; minwert = ; sx 2 :su = LogB1 + F ê. 8ewx ewxneu, minx minwert, sx sxneu< êên, ewx minx ewu = Log@ewx minxd su2 ê. 8ewx ewxneu, minx minwert< êên> ,.98741< su = ; ewu =.98741; RandomLogNormal@μ_, σ_d := Random@LogNormalDistribution@μ, σdd maxx minx minx = minwert; maxx = ewxneu + 5 sxneu; x = ; stichprobe = Table@RandomLogNormal@ewu, sud, 8i, 1, n<d; häufig = BinCounts@stichprobe, 8minX, maxx, x<d; ABSOLUTE HÄUFIGKEITEN + SUMMENKURVE HlognormalverteiltL
9 stoch_7.nb 9 RELATIVE HÄUFIGKEITEN + SUMMENKURVE HlognormalverteiltL ewx 3.379, sx 1.497, vx < 7.16 Anhand der obigen log-normalen Verteilung soll auf ein weiteres statistisches Merkmal aufmerksam gemacht werden, die Schiefe einer Verteilung. Um diese beurteilen zu können, nutzt man neben dem Mittelwert den Medianwert (Zentralwert) und/oder den Modalwert. Unter dem Medianwert verstehen wir genau den Stichprobenwert, bei dem 5% der Gesamtheit der Stichprobe kleiner und 5% größer als dieser selbst sind. Bei einer linksschiefen eingipfligen Verteilung befindet sich der Median links vom Mittelwert (siehe oben), bei einer rechtsschiefen Verteilung rechts davon Der Modalwert repräsentiert das Maximum einer Häufigkeitsverteilung. Liegt der Mittelwert links vom Modalwert spricht man von einer rechtsschiefen Häufigkeitsverteilung, sofern diese eingipflig ist. Befindet er sich rechts vom ihm, handelt es sich entsprechend um eine linksschiefe Verteilung (siehe oben).
Statistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 3. Vorlesung Dr. Jochen Köhler 1 Inhalte der heutigen Vorlesung Ziel: Daten Modellbildung Probabilistisches Modell Wahrscheinlichkeit von Ereignissen Im ersten
MehrBaudynamik und Zustandsanalyse
Baudynamik und Zustandsanalyse Eine Einführung in die Baudynamik mit Mathematica Das vorliegende Skript wurde im Original mit dem Programmsystem MATHEMATICA von WOLFRAM-Research [http://www.wolfram.com]
MehrGrundlagen der Stochastik
stoch_09.nb Grundlagen der Stochastik Das vorliegende Skript wurde im Original mit dem Programmsstem MATHEMATICA von WOLFRAM-Research [http://www.wolfram.com] geschrieben und erstmals auf den Webseiten
MehrGrundlegende Eigenschaften von Punktschätzern
Grundlegende Eigenschaften von Punktschätzern Worum geht es in diesem Modul? Schätzer als Zufallsvariablen Vorbereitung einer Simulation Verteilung von P-Dach Empirische Lage- und Streuungsparameter zur
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übung 3 1 Inhalt der heutigen Übung Vorrechnen der Hausübung B.7 Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben C.1: Häufigkeitsverteilung C.2: Tukey
MehrChi-Quadrat-Verteilung
Chi-Quadrat-Verteilung Wikipedia http://de.wikipedia.org/wiki/chi-quadrat-verteilung 1 von 7 6/18/2009 6:13 PM Chi-Quadrat-Verteilung aus Wikipedia, der freien Enzyklopädie Die Chi-Quadrat-Verteilung ist
Mehrabsolute Häufigkeit h: Anzahl einer bestimmten Note relative Häufigkeit r: Anzahl einer bestimmten Note, gemessen an der Gesamtzahl der Noten
Statistik Eine Aufgabe der Statistik ist es, Datenmengen zusammenzufassen und darzustellen. Man verwendet dazu bestimmte Kennzahlen und wertet Stichproben aus, um zu Aussagen bzw. Prognosen über die Gesamtheit
MehrStatistik eindimensionaler Größen
Statistik eindimensionaler Größen Michael Spielmann Inhaltsverzeichnis 1 Aufgabe der eindimensionalen Statistik 2 2 Grundbegriffe 2 3 Aufbereiten der Stichprobe 3 4 Die Kennzahlen Mittelwert und Streuung,
MehrInhaltsverzeichnis. Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite. 1.0 Erste Begriffsbildungen Merkmale und Skalen 5
Inhaltsverzeichnis Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite 1.0 Erste Begriffsbildungen 1 1.1 Merkmale und Skalen 5 1.2 Von der Urliste zu Häufigkeitsverteilungen 9 1.2.0 Erste Ordnung
MehrGrundlagen der Stochastik
stoch_00_05.nb 1 Grundlagen der Stochastik Das vorliegende Skript wurde im Original mit dem Programmsystem MATHEMATICA von OLFRAM-Research [http://www.wolfram.com] geschrieben und erstmals auf den ebseiten
MehrDie ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist.
.3. Stochastik Grundlagen Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist. Die RELATIVE HÄUFIGKEIT einer Merkmalsausprägung gibt an mit welchem Anteil
Mehr1 Univariate Statistiken
1 Univariate Statistiken Im ersten Kapitel berechnen wir zunächst Kenngrößen einer einzelnen Stichprobe bzw. so genannte empirische Kenngrößen, wie beispielsweise den Mittelwert. Diese können, unter gewissen
MehrDiese Lücken sollten nicht auch bei Ihnen vorhanden sein: Aufgrund einer statistischen Untersuchung entsteht eine geordnete bzw. ungeordnete, die durc
SS 2017 Torsten Schreiber 222 Diese Lücken sollten nicht auch bei Ihnen vorhanden sein: Aufgrund einer statistischen Untersuchung entsteht eine geordnete bzw. ungeordnete, die durch Summierung je Ausprägung
MehrWird ein Bernoulli- Versuch, bei dem die Trefferwahrscheinlichkeit p = 0,2 ist, n = 40 mal durchgeführt, dann erwarten wir im Mittel 8 Treffer.
R. Brinkmann http://brinkmann-du.de Seite 1 06.1008 Erwartungswert binomialverteilter Zufallsgrößen. Wird ein Bernoulli- Versuch, bei dem die Trefferwahrscheinlichkeit p = 0,2 ist, n = 40 mal durchgeführt,
MehrVerteilungen 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:
MehrBerechnung von W für die Elementarereignisse einer Zufallsgröße
R. Albers, M. Yanik Skript zur Vorlesung Stochastik (lementarmathematik) 5. Zufallsvariablen Bei Zufallsvariablen geht es darum, ein xperiment durchzuführen und dem entstandenen rgebnis eine Zahl zuzuordnen.
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 26.02.2008 1 Warum Statistik und Wahrscheinlichkeits rechnung im Ingenieurwesen? Zusammenfassung der letzten Vorlesung Statistik und Wahrscheinlichkeitsrechnung
MehrInhaltsverzeichnis DESKRIPTIVE STATISTIK. 1 Grundlagen Grundbegriffe Skalen... 15
Inhaltsverzeichnis 1 Grundlagen... 13 1.1 Grundbegriffe...13 1.2 Skalen... 15 DESKRIPTIVE STATISTIK 2 Eindimensionale Häufigkeitsverteilungen...16 2.1 Häufigkeiten... 16 2.1.1 Grundbegriffe... 16 2.1.2
MehrGrundlagen der Stochastik
stoch_08.nb Grundlagen der Stochastik Das vorliegende Skript wurde im Original mit dem Programmsystem MATHEMATICA von WOLFRAM-Research [http://www.wolfram.com] geschrieben und erstmals auf den Webseiten
MehrWichtige Definitionen und Aussagen
Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge
Mehr3. Deskriptive Statistik
3. Deskriptive Statistik Eindimensionale (univariate) Daten: Pro Objekt wird ein Merkmal durch Messung / Befragung/ Beobachtung erhoben. Resultat ist jeweils ein Wert (Merkmalsausprägung) x i : - Gewicht
MehrBeispiel 2 (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter)
Beispiel (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter) 1 Ein Statistiker ist zu früh zu einer Verabredung gekommen und vertreibt sich nun die Zeit damit, daß er die Anzahl X der Stockwerke
MehrLage- und Streuungsparameter
Lage- und Streuungsparameter Beziehen sich auf die Verteilung der Ausprägungen von intervall- und ratio-skalierten Variablen Versuchen, diese Verteilung durch Zahlen zu beschreiben, statt sie graphisch
Mehr1 GRUNDLAGEN Grundbegriffe Skalen...15
Inhaltsverzeichnis 1 GRUNDLAGEN...13 1.1 Grundbegriffe...13 1.2 Skalen...15 DESKRIPTIVE STATISTIK 2 EINDIMENSIONALE HÄUFIGKEITSVERTEILUNGEN...16 2.1 Häufigkeiten...16 2.1.1 Grundbegriffe...16 2.1.2 Klassieren
MehrDemokurs. Modul Grundlagen der Wirtschaftsmathematik Grundlagen der Statistik
Demokurs Modul 31101 Grundlagen der Wirtschaftsmathematik und Statistik Kurs 40601 Grundlagen der Statistik 13. Juli 2010 KE 1 2.4 Schiefe und Wölbung einer Verteilung Seite: 53 2.4 Schiefe und Wölbung
MehrGrundlagen der Probabilistik
Grundlagen der Probabilistik Gliederung Einleitung Theoretische Grundlagen der Stochastik Probabilistische Methoden Mögliche Ergebnisse von probabilistischen Untersuchungen Mögliche Fehlerquellen bei probabilistischen
MehrBaudynamik und Zustandsanalyse
Baudynamik und Zustandsanalyse Eine Einführung in die Baudynamik mit Mathematica Das vorliegende Skript wurde im Original mit dem Programmsystem MATHEMATICA von WOLFRAM-Research [http://www.wolfram.com]
MehrStatistik und Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Prof. Dr. Michael Havbro Faber 1 Inhalte der heutigen Vorlesung Ziel: Daten Modellbildung Probabilistisches Modell Im ersten Schritt werden wir die Daten nur beschreiben:
MehrAnwendung A_0801_Quantile_Minimum_Maximum
8. Lageparameter 63 8.3 Interaktive EXCEL-Anwendungen (CD-ROM) Anwendung A_080_Quantile_Minimum_Maimum Die Anwendung besteht aus einem Tabellenblatt Simulation : In der Simulation wird aus einer Urliste
MehrKinga Szűcs
Kinga Szűcs 28.10.2014 Warum wird Stochastik in der Schule unterrichtet? Welche Vorteile kann der Stochastikunterricht in den MU bringen? Welche Nachteile kann der Stochastikunterricht haben? Welche Ziele
MehrWahrscheinlichkeit und Statistik: Zusammenfassung
HSR Hochschule für Technik Rapperswil Wahrscheinlichkeit und Statistik: Zusammenfassung beinhaltet Teile des Skripts von Herrn Hardy von Lukas Wilhelm lwilhelm.net 12. Januar 2007 Inhaltsverzeichnis 1
MehrStetige Verteilungen Rechteckverteilung
Stetige Verteilungen Rechteckverteilung Die Längenabweichungen X produzierter Werkstücke von der Norm seien gleichmäßig verteilt zwischen a = mm und b = 4mm. Die Dichtefunktion lautet also f(x) = für a
MehrInhaltsbereich Wahrscheinlichkeit und Statistik
Inhaltsbereich Wahrscheinlichkeit und Statistik AG Mathematik, Sankt Pölten 11.11.2009 Markus Binder Modell für die zentrale srp im Schulversuch Teil I: Aufgaben mit 15-25 Items Teil II: 6-8 Aufgaben,
MehrGrundlagen der Statistik I
NWB-Studienbücher Wirtschaftswissenschaften Grundlagen der Statistik I Beschreibende Verfahren Von Professor Dr. Jochen Schwarze 10. Auflage Verlag Neue Wirtschafts-Briefe Herne/Berlin Inhaltsverzeichnis
MehrArbeitsbuch zur deskriptiven und induktiven Statistik
Helge Toutenburg Michael Schomaker Malte Wißmann Christian Heumann Arbeitsbuch zur deskriptiven und induktiven Statistik Zweite, aktualisierte und erweiterte Auflage 4ü Springer Inhaltsverzeichnis 1. Grundlagen
MehrErmitteln Sie auf 2 Dezimalstellen genau die folgenden Kenngrößen der bivariaten Verteilung der Merkmale Weite und Zeit:
1. Welche der folgenden Kenngrößen, Statistiken bzw. Grafiken sind zur Beschreibung der Werteverteilung des Merkmals Konfessionszugehörigkeit sinnvoll einsetzbar? A. Der Modalwert. B. Der Median. C. Das
MehrBitte bearbeite zunächst alle Aufgaben bevor du einen Blick in die Lösungen wirfst.
Übungsblatt 1 - Häufigkeiten, Mittelwert, Erwartungswert Das erste Übungsblatt ist als Einstieg ins Thema Wahrscheinlichkeitsrechnung gedacht und umfasst die Themen relative/absolute Häufigkeiten, Mittelwert
Mehr13 Mehrdimensionale Zufallsvariablen Zufallsvektoren
3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem
MehrVorwort Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße Erwartungswert und Varianz...
Inhaltsverzeichnis Vorwort... 2 Zum Einstieg... 3 1 Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße... 5 1.2 Erwartungswert und Varianz... 7 2 Wahrscheinlichkeitsverteilungen
Mehr4 Statistische Maßzahlen
4 Statistische Maßzahlen 4.1 Maßzahlen der mittleren Lage 4.2 Weitere Maßzahlen der Lage 4.3 Maßzahlen der Streuung 4.4 Lineare Transformationen, Schiefemaße 4.5 Der Box Plot Ziel: Charakterisierung einer
MehrZentraler Grenzwertsatz
Statistik 2 für SoziologInnen Zentraler Grenzwertsatz Univ.Prof. Dr. Marcus Hudec Statistik für SoziologInnen 1 Zentraler Grenzwertsatz Inhalte Themen dieses Kapitels sind: Der zentrale Grenzwertsatz und
MehrDimensionen. Mathematik. Grundkompetenzen. für die neue Reifeprüfung
Dimensionen Mathematik 7 GK Grundkompetenzen für die neue Reifeprüfung Inhaltsverzeichnis Buchkapitel Inhaltsbereiche Seite Komplexe Zahlen Algebra und Geometrie Grundbegriffe der Algebra (Un-)Gleichungen
MehrKapitel XIV - Anpassungstests
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XIV - Anpassungstests Induktive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh 2. Grundannahme:
Mehr4 Statistische Maßzahlen
4 Statistische Maßzahlen 4.1 Maßzahlen der mittleren Lage 4.2 Weitere Maßzahlen der Lage 4.3 Maßzahlen der Streuung 4.4 Lineare Transformationen, Schiefemaße 4.5 Der Box Plot Ziel: Charakterisierung einer
MehrZusammenfassung 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
Mehr1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung?
86 8. Lageparameter Leitfragen 1) Warum ist die Lage einer Verteilung für das Ergebnis einer statistischen Analyse von Bedeutung? 2) Was ist der Unterschied zwischen Parametern der Lage und der Streuung?
MehrNotgepäck Genauigkeit
Notgepäck Genauigkeit Beat Hulliger Dienst Statistische Methoden, Bundesamt für Statistik 20.4.2006 1 Was ist Genauigkeit genau? Um zu beschreiben, was Genauigkeit in der Statistik ist, müssen wir untersuchen,
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
Mehr1.5 Erwartungswert und Varianz
Ziel: Charakterisiere Verteilungen von Zufallsvariablen durch Kenngrößen (in Analogie zu Lage- und Streuungsmaßen der deskriptiven Statistik). Insbesondere: a) durchschnittlicher Wert Erwartungswert, z.b.
MehrErwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung
R. Brinkmann http://brinkmann-du.de Seite 5.05.0 Erwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung Erwartungswert binomialverteilter Zufallsgrößen Wird ein Bernoulli- Versuch, bei
MehrSBP 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
MehrHerzlich willkommen zur Vorlesung Statistik. Streuungsmaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung
FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkommen zur Vorlesung Statistik smaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung FB 1 W. Ludwig-Mayerhofer
Mehrvon x-würfeln bei wachsendem n? Zur Beantwortung führen wir ein Simulationsexperiment durch.
Zentraler Grenzwertsatz Die Normalverteilung verdankt ihre universelle theoretische und praktische Bedeutung dem zentralen Grenzwertsatz. Unabhängig von der konkreten k Ausgangsverteilung konvergiert die
MehrDeskriptive Statistik Kapitel VI - Lage- und Streuungsparameter
Deskriptive Statistik Kapitel VI - Lage- und Streuungsparameter Georg Bol bol@statistik.uni-karlsruhe.de Markus Höchstötter, hoechstoetter@statistik.uni-karlsruhe.de Agenda 1. Ziele 2. Lageparameter 3.
MehrStatistik 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
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer
Mehr5 Exkurs: Deskriptive Statistik
5 EXKURS: DESKRIPTIVE STATISTIK 6 5 Ekurs: Deskriptive Statistik Wir wollen zuletzt noch kurz auf die deskriptive Statistik eingehen. In der Statistik betrachtet man für eine natürliche Zahl n N eine Stichprobe
Mehr1 EINLEITUNG Allgemeines Kapitelübersicht Gebrauch dieses Buches Verwenden zusätzlicher Literatur...
Inhaltsverzeichnis 1 EINLEITUNG... 1 1.1 Allgemeines... 1 1.2 Kapitelübersicht... 2 1.3 Gebrauch dieses Buches... 3 1.4 Verwenden zusätzlicher Literatur... 4 DESKRIPTIVE STATISTIK 2 GRUNDLAGEN... 5 2.1
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Mag. Dipl.Ing. Dr. Pantelis Christodoulides & Mag. Dr. Karin Waldherr SS 2011 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 1/62 Summenzeichen
Mehrvon x-würfeln bei wachsendem n? Zur Beantwortung führen wir ein Simulationsexperiment durch.
Zentraler Grenzwertsatz Die Normalverteilung verdankt ihre universelle theoretische und praktische Bedeutung dem zentralen Grenzwertsatz. Unabhängig von der konkreten k Ausgangsverteilung konvergiert nämlich
MehrBaudynamik und Zustandsanalyse
Baudynamik und Zustandsanalyse Eine Einführung in die Baudynamik mit Mathematica Das vorliegende Skript wurde im Original mit dem Programmsystem MATHEMATICA von WOLFRAM-Research [http://www.wolfram.com]
MehrStatistische Grundlagen I
Statistische Grundlagen I Arten der Statistik Zusammenfassung und Darstellung von Daten Beschäftigt sich mit der Untersuchung u. Beschreibung von Gesamtheiten oder Teilmengen von Gesamtheiten durch z.b.
MehrPopulation und Stichprobe Wahrscheinlichkeitstheorie II
Population und Stichprobe Wahrscheinlichkeitstheorie II 5. Sitzung 1 S. Peter Schmidt 2003 1 Stichprobenziehung als Zufallsexperiment Definition Stichprobe: Teilmenge der Elemente der Grundgesamtheit bzw.
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrDeskriptive Statistik
Deskriptive Statistik Deskriptive Statistik: Ziele Daten zusammenfassen durch numerische Kennzahlen. Grafische Darstellung der Daten. Quelle: Ursus Wehrli, Kunst aufräumen 1 Modell vs. Daten Bis jetzt
MehrEmpirische Verteilungsfunktion
Empirische Verteilungsfunktion H(x) := Anzahl der Werte x ist. Deskriptive
Mehr8. Statistik Beispiel Noten. Informationsbestände analysieren Statistik
Informationsbestände analysieren Statistik 8. Statistik Nebst der Darstellung von Datenreihen bildet die Statistik eine weitere Domäne für die Auswertung von Datenbestände. Sie ist ein Fachgebiet der Mathematik
MehrMotivation. Benötigtes Schulwissen. Übungsaufgaben. Wirtschaftswissenschaftliches Zentrum 10 Universität Basel. Statistik
Wirtschaftswissenschaftliches Zentrum 0 Universität Basel Statistik Dr. Thomas Zehrt Ausblick Motivation Wir werfen einen Würfel 000-mal und wir möchten die Wahrscheinlichkeit P bestimmen, dass zwischen
MehrÜbungen 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
MehrVorlesung Stetige Verteilungen / Mathematische Behandlung
B E A C D Z Faultät Verehrswissenschaften Friedrich List Professur für Verehrsströmungslehre Verehrssystemtheorie I+II (V.-Wirtschaft) Vorlesung..0 Stetige Verteilungen / Mathematische Behandlung Neufert,
MehrErwartungswert, Varianz und Standardabweichung einer Zufallsgröße. Was ist eine Zufallsgröße und was genau deren Verteilung?
Erwartungswert, Varianz und Standardabweichung einer Zufallsgröße Von Florian Modler In diesem Artikel möchte ich einen kleinen weiteren Exkurs zu meiner Serie Vier Wahrscheinlichkeitsverteilungen geben
MehrBrückenkurs 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
MehrVerteilung von Summen
Verteilung von Summen Beispiel: Würfelwurf Frage: Wie verhält sich die Verteilung der Augensumme von -Würfeln bei wachsendem? Zur Beantwortung führen wir ein Simulationseperiment durch. 6 Würfe mit 1 Würfel
MehrWahrscheinlichkeitsrechnung und Statistik
5. Vorlesung Verteilungsfunktion (VF) Definition 9 Die Verteilungsfunktion (VF) einer Zufallsgröße X ist F : R R definiert als F (x) := P({ω Ω : X (ω) x}) = P( X x ) für jedes x R. Satz 9 - Eigenschaften
Mehr1 45, 39, 44, 48, 42, 39, 40, , 31, 46, 35, 31, 42, 51, , 42, 33, 46, 33, 44, 43
1) Ermittle jeweils das arithmetische Mittel. Ordne die Datenerhebungen nach der Größe der arithmetischen Mittel. Beginne mit dem Größten. 1 45, 39, 44, 48, 42, 39, 40, 31 2 35, 31, 46, 35, 31, 42, 51,
MehrEinführung in die computergestützte Datenanalyse
Karlheinz Zwerenz Statistik Einführung in die computergestützte Datenanalyse 6., überarbeitete Auflage DE GRUYTER OLDENBOURG Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL
Mehr5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
Mehr3 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
MehrStatistik. Ronald Balestra CH St. Peter
Statistik Ronald Balestra CH - 7028 St. Peter www.ronaldbalestra.ch 17. Januar 2010 Inhaltsverzeichnis 1 Statistik 1 1.1 Beschreibende Statistik....................... 1 1.2 Charakterisierung von Häufigkeitsverteilungen...........
MehrDie Maximum-Likelihood-Methode
Vorlesung: Computergestützte Datenauswertung Die Maximum-Likelihood-Methode Günter Quast Fakultät für Physik Institut für Experimentelle Kernphysik SS '17 KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft
MehrMaurizio Musso, Universität Salzburg, ver Physikalische Grundlagen der Meßtechnik. Teil 2
Teil 2 Auswertung von Messungen, zufällige oder statistische Abweichungen Auswertung direkter Messungen Häufigkeitsverteilung, Häufigkeitsfunktion Mittelwert, Standardabweichung der Einzelwerte Standardabweichung
MehrSozialwissenschaftlerInnen II
Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Wahrscheinlichkeitsfunktionen
MehrVerteilungsfunktion und dquantile
Statistik 1 für SoziologInnen Verteilungsfunktion und dquantile Univ.Prof. Dr. Marcus Hudec Kumulierte Häufigkeiten Hinweis: Damit die Kumulation inhaltlich sinnvoll ist, muss das Merkmal zumindest ordinal
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen 2. Der Standardfehler
Wahrscheinlichkeitsrechnung und Statistik für Biologen 2. Der Standardfehler Noémie Becker & Dirk Metzler 15. April 2016 Inhaltsverzeichnis 1 Der Standardfehler 1 1.1 Ein Versuch............................................
MehrGrundgesamtheit und Stichprobe
Grundgesamtheit und Stichprobe Definition 1 Die Menge der Untersuchungseinheiten {U 1,U 2,...,U N } heißt Grundgesamtheit. Die Anzahl N der Einheiten ist der Umfang der Grundgesamtheit. Jeder Einheit U
Mehr1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung
0 Einführung 1 Wahrscheinlichkeitsrechnung Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Intervallschätzung Motivation und Hinführung Der wahre Anteil der rot-grün Wähler 009 war genau
MehrZufallsvariablen [random variable]
Zufallsvariablen [random variable] Eine Zufallsvariable (Zufallsgröße) X beschreibt (kodiert) die Versuchsausgänge ω Ω mit Hilfe von Zahlen, d.h. X ist eine Funktion X : Ω R ω X(ω) Zufallsvariablen werden
MehrBiomathematik 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,
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Stetige und diskrete Wahrscheinlichkeitsverteilungen Lageparameter Streuungsparameter Diskrete und stetige Zufallsvariablen Eine Variable (oder Merkmal
MehrKinga Szűcs
Kinga Szűcs 25.10.2011 Die Schülerinnen und Schüler werten graphische Darstellungen und Tabellen von statistischen Erhebungen aus, planen statistische Erhebungen, sammeln systematisch Daten, erfassen sie
Mehr5. 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
MehrDeskriptivstatistik a) Univariate Statistik Weiters zum Thema der statistischen Informationsverdichtung
20 Weiters zum Thema der statistischen Informationsverdichtung M a ß z a h l e n Statistiken bei Stichproben Parameter bei Grundgesamtheiten Maßzahlen zur Beschreibung univariater Verteilungen Maßzahlen
MehrErnst Klett Verlag GmbH, Stuttgart 2017 Alle Rechte vorbehalten Von dieser Druckvorlage ist die Vervielfältigung für den eigenen Unterrichtsgebrauch
Ernst Klett Verlag GmbH, Stuttgart 2017 Alle Rechte vorbehalten Von dieser Druckvorlage ist die Vervielfältigung für den eigenen Unterrichtsgebrauch gestattet. Seite 1 Ernst Klett Verlag GmbH, Stuttgart
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 20. Oktober 2010 1 empirische Verteilung 2 Lageparameter Modalwert Arithmetisches Mittel Median 3 Streuungsparameter
MehrEine Zufallsvariable X sei stetig gleichverteilt im Intervall [0,5]. Die Wahrscheinlichkeit P(2< x <4) ist dann
4. Übung Themenkomplex: Zufallsvariablen und ihre Verteilung Aufgabe 1 Für eine stetige Zufallsvariable gilt: a) P (x = t) > 0 b) P (x 1) = F (1) c) P (x = 1) = 0 d) P (x 1) = 1 F(1) e) P (x 1) = 1 F(1)
MehrDie 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 +... +
MehrKlausur vom
UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Dominik Faas Stochastik Wintersemester 00/0 Klausur vom 09.06.0 Aufgabe (++4=9 Punkte) Bei einer Umfrage wurden n Personen befragt, an wievielen Tagen
MehrHäufigkeitsverteilungen und Statistische Maßzahlen. Häufigkeitsverteilungen und Statistische Maßzahlen. Variablentypen. Stichprobe und Grundgesamtheit
TECHNISCHE UNIVERSITÄT MÜNCHEN-WEIHENSTEPHAN MATHEMATIK UND STATISTIK INFORMATIONS- UND DOKUMENTATIONSZENTRUM R. Häufigkeitsverteilungen und Statistische Maßzahlen Statistik SS Variablentypen Qualitative
Mehr4. Kumulierte Häufigkeiten und Quantile
4. Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen 1 4. Kumulierte Häufigkeiten und Quantile Kumulierte Häufigkeiten Oft ist man nicht an der Häufigkeit einzelner Merkmalsausprägungen
Mehr