CHEMISCHES RECHNEN II

Größe: px
Ab Seite anzeigen:

Download "CHEMISCHES RECHNEN II"

Transkript

1 Arbetsunterlagen zu den VU CHEMISCHES RECHE II Enhet 3 ao. Prof. Dr. Thomas Prohaska (Auflage Ma 5) Berechnung von Kalbratonskurven Muthgasse 8, A-9 Wen, Tel.: , Fax: , thomas.prohaska@boku.ac.at,

2 9 Kalbrerung und Regressonsanalyse 7. Grundlagen (Theore) 7.. Kalbratonsgerade lneare Regresson Vele Analysenmethoden bedürfen der vorhergen Kalbrerung, um aus enem für ene unbekannte Probe gemessenen Messwert $y enen Konzentratonswert $x zu berechnen. Dazu werden Proben mt bekannter Konzentraton (Kalbrerproben oder Standards) analysert und das Messgnal gegen de Konzentraton aufgetragen. Häufg st nnerhalb enes bestmmeten Arbetsbereches, dem lnearen Berech der Analysenmethode, der gemessene Messwert y dem Konzentratonswert x des Analyten n der Probe drekt proportonal. Dann kann der Konzentratonswert ener unbekannten Probe aus dem Messwert mt Hlfe ener lnearen Kalbrerfunkton (Kalbrergeraden), de durch Analyse von Kalbrerproben mt bekanntem Gehalt des Analyten ermttelt werden kann, berechnet werden. De Ermttlung der lnearen Kalbrerfunkton erfolgt mttels lnearer Regresson (Methode der klensten Quadrate). Zel der lnearen Regresson st es, ene Ausglechsgerade (Regressonsgerade) zu fnden, de de Abhänggket des Messwertes y vom Konzentratonswert x optmal, d.h. am wengsten fehlerbehaftet, beschreben kann. De entsprechende Geradenglechung lautet: y = m x + b Snd de Stegung m und der Ordnatenabschntt b der Geradenglechung bekannt, kann von jedem Messwert $y der dazugehörge Konzentratonswert $x berechnet werden gemäß: $x = $y b m Aus den vorlegenden x/y-wertepaaren, de durch de Analyse der Kalbrerproben (Standards) erhalten werden können, lassen sch de Stegung und der Ordnatenabschntt der Regressonsgeraden berechnen. Es st zweckmäßg, zunächst folgende Größen, de sogenannten Quadratsummen, zu defneren: Q xx = x - = Q yy = y - = ( x ) = ( y ) = Q xy = ( x y ) = - = x = y De Stegung m der Regressonsgeraden lässt sch dann we folgt berechnen:

3 m = Q Q xy xx Se stellt en Maß für de Empfndlchket der Methode dar. Je größer de Stegung der Geraden st, desto höher st de Empfndlchket des Verfahrens. Der Ordnatenabschntt b lässt sch folgendermaßen berechnen: b = y - m x Dabe stellt x das arthmetsche Mttel der Gehalte aller Kalbrerproben (de Abszsse des Schwerpunktes der Regressonsgeraden) und y das arthmetsche Mttel der Messwerte aller Kalbrerproben (de Ordnate des Schwerpunktes der Regressonsgeraden) dar. Se ergeben sch aus: x = = x und y = = y Häufg werden auch der Korrelatonskoeffzent r oder das Bestmmthetsmaß r herangezogen, um de Güte der Anpassung durch de Regressonsgerade zu beurtelen. Der Korrelatonskoeffzent verglecht de Streuung der Punkte von der Regressonsgeraden mt der Gesamtstreuung des Verfahrens. Der Korrelatonskoeffzent st ene Indexzahl, de angbt, ob und we en Varablenpaar (x;y) mtenander verknüpft st (korrelert). De Werte des Korrelatonskoeffzenten legen zwschen - und + (negatves Vorzechen für fallende Gerade, postves Vorzechen für aufstegende Gerade). De Berechnung des Korrelatonskoeffzenten erfolgt gemäß: r = = = [( x x) ( y y)] ( x x) ( y y) = Ist der Korrelatonskoeffzent n der ähe von ull, st en funktonaler Zusammenhang zwschen x und y ncht erkennbar. mmt der Korrelatonskoeffzent Werte n der ähe von Ens en, st en lnearer Zusammenhang zwschen den Konzentratonswerten x und den Messwerten y wahrschenlch. Das Quadrat des Korrelatonskoeffzenten nennt man Bestmmthetsmaß r. Der Vortel des Bestmmthetsmaßes als Indexzahl st, dass zum enen r mmer postv st und zum anderen der Indexwert schärfer wrd (z.b. ergbt sch für r =,95 en Wert von r =,95). Der Korrelatonskoeffzent bzw. das Bestmmthetsmaß snd jedoch nur bedngt tauglch, um de Güte ener Anpassung zu beurtelen. Man kann aus desen Indexzahlen z.b. ncht entnehmen, ob ene lneare oder ene quadratsche Anpassung günstger wäre. Um de Qualtät des lnearen Ansatzes zu bewerten, st de Resdualanalyse geegnet. Herzu werden de Resduen (Restfehler) normert. Dazu dvdert man de Resduen aller Meßpunkte durch de Standardabwechung aller Resduen, also de Verfahrenstandardabwechung. Man erhält de normerten Resduen nach: y m x b ( + ) u = s y Dabe st zu beachten, dass der wahre Konzentratonswert µ des Analyten n der Probe ncht bekannt st und nur durch das Analyseverfahren abgeschätzt werden kann. Jede Analysenmethode st jedoch fehlerbehaftet. Der Gesamtfehler, der dabe gemacht wrd, besteht aus der Summe der Fehler, de be der Analyse der Probe gemacht werden, und den Fehlern, de be der Kalbrerung entstehen.

4 Bespel : Be der Analyse von Ble wurden mt Hlfe von ICP-MS folgende Standards gemessen: Konzentraton (ppb) Intenstät Pb (cps) Aus den Daten ergbt sch folgende Geradenglechung: y = 9933 x Für ene unbekannte Wasserprobe wurde nun en Pb Sgnal von 7. gemessen. Aus der Geradenglechung ergbt sch daraus ene Konzentraton von: 7 = 9933 c => c = 35 ppb lneare Kalbraton Intenstät (counts per seconds) y = 9933x R =.9998 gemessenes Sgnal n der Probe Konzentraton (ppb) 7.. ncht lneare Regresson Velfach ergeben sch für ene Kalbraton ene ncht lneare Funkton (z.b. AAS Analytk). Dese Funkton wrd allerdngs von der Software der Analysengeräte drekt berechnet und zur Konzentzratonsbestmmung der unbekannten Probe herangezogen. Als Annäherung kann aber ene Plynomfunkton höherer Ordnung zwschen Punkten als Gerade angenähert werden. In der praktschen Durchführung sucht man sch gemessene Punkte der Kalbratonsfunkton zwschen denen der Messwert legt und nterpolert ene Gerade. Über dese Geradenglechung kann nun annähernd de Konzentraton der unbekannten Probe berechnet werden. 3

5 Bespel : De Analyse der folgenden Standards ergab folgendes Ergebns: Gemessenes conc ng g- Sgnal Sgnal der unbekannten Probe y = x.5 R = B gemessenes Sgnal zwschen A und B nterpolerte Gerade A Konzentraton / ppb (a) Daraus ergbt sch ene Funkton () mt y = x.5. De unbekannte Probe ergbt en Sgnal von. Aus der obgen Funkton () ergbt sch aus x = (y/) und somt für de Probe ene Konzentraton von 36, ppb. (b) Wenn man nun lnear zwschen den Punkten A und B nterpolert: Der Messwert legt zwschen dem Standard A (3 ppb / 95) und B (4 ppb /65). Zwschen desen beden Punkten ergbt sch folgende Gerade y = m x + b m = (65-95)/(4-3) = 7 enen Punkt ensetzen: 65 = 7*4 + b => b = 585 Daraus ergbt sch zwschen den beden Punkten de Gerade () y = 7x +585 Es st klar erschtlch, dass dese Gerade nur n enem sehr klenen Berech mt der ursprünglchen Funkton überenstmmt, n desem Berech allerdngs sehr gut für de Berechnung der Konzetnraton geegnet st: Unbekannte Probe: Sgnal = aus Geradenglechung (): x = ( - 585)/7 = 36, ppb. 4

6 Deses Resultat st ene gute Annäherung an das Ergebns. (Anm.: Man muss bedenken, dass de mesten Analytschen Methoden enen Fehler von > % haben) 7..3 Interne Standardserung In velen Fällen wrd en nterner Standard zum Ausglech von Geräteschwankungen oder der Supresson des Sgnals durch Matrxeffekte zugegeben. Dabe wrd en Sgnal enes Analyten gemessen, welcher n allen Proben n glecher Konzentraton zugegeben wurde oder welcher m Hntergrund ständg vorhanden st. (Bespel ICP-MS: Indum Zugabe oder Xe Sgnal, welches m Ar Trägergas vorhanden st => s. Analytsche Cheme VO) In der praktschen durchführung wrd das gemessene Sgnal der gesuchten Größe durch das Sgnal des nternen Standards dvdert. Aus desen relatven Sgnalen wrd neuerlch ene Kalbratonsgerade bestmmt, aus der mt Hlfe des relatven Sgnals der Probe (.e. Sgnal dvdert durch das Sgnal des nternen Standards) de Konzentraton bestmmt wrd. Bespel 3 (Weterführung von Bespel ): Intenstät In Konzentraton Intenstät Pb (nterner Intenstät Pb / (ppb) (cps) Standard) Intenstät In Aus den relatven Konzentratonswerten ergbt sch folgende Kalbratonsfunkton: lneare Kalbraton relatve Intenstät y =.997x +.39 R =.9994 gemessenes Sgnal n der Probe Konzentraton (ppb) un messen wr als Bespel ene unbekannte Meerwasserprobe. Durch den hohen Salzgehalt kommt es zu enem Matrxeffekt, der alle Sgnale um de Hälfte reduzert (Anm.: es werden nur mehr wenger Ionen gebldet): Intenstät In Intenstät Pb (cps) (nterner Standard) Intenstät Pb / Intenstät In Meerwasserprobe 54 49,56 Aus der Geradenfunkton y =.997x +.39 ergbt sch für y =.56 en x-wert von: Konzentraton der Meerwasserprobe (mt nternem Standard) =,7 ppb. Zum Verglech: Würden wr kenen nternen Standard verwenden, würden wr gemäß der Geradenfunkton aus Bespel folgenden Wert für y = 54 erhalten: Konzentraton der Meerwasserprobe (ohne nternen Standard) = 6,3 ppb. D.h. de angenommene Konzentraton wäre nur halb so hoch. 5

7 7..4 Blndwert und Blndwertkorrektur Der Blndwert st jenes Analysensgnal, welches als Gesamthntergrund be der Messung enes Analysensgnals auftrtt. Deser Blndwert setzt sch mest aus enzelnen Werten zusammen: In den mesten Fällen lefert das Analysengerät auch dann en Sgnal, wenn kene Probe engebracht wrd, auch wenn deses Sgnal sehr klen st. Deses Sgnal bezechnet man als den Geräteuntergrund oder Blndwert des Gerätes. De Standards werden zumest aus ener hochkonzentrerten Lösung bekannten Gehaltes mt Wasser, verdünnten Säuren oder anderen Lösungsmtteln verdünnt. Dese Lösungsmttel können alle berets ene gewsse Konzentraton des Analyten benhalten. Der Analyt wrd dann aus dem konzentrerten Standard zuaddert. Deser Blndwert bezechnet man als Analysenblndwert des Standards. Für de Kalbratonsgerade wrd dann das Sgnal des Blndwertes (auch Standard) gemessen und dese Sgnalntenstät von jedem enzelnen Sgnal des Standards abgezogen. Daraus ergb sch ene Blndwert korrgerte Kalbratonskurve. Es kann auch der Standard drekt n de Kalbratonskurve aufgenommen werden n der de Standards ncht-blank-korrgert aufgetragen werden. De Blndwertkonzentraton ergbt sch dann m Falle ener lnearen Kalbraton aus dem Schnttpunkt mt der x-achse. (Bespel sehe Standardaddton). Deser Blndwert st dann von den weteren Analysen abzuzehen. Da n den mesten Fällen ene zu analyserende Probe enzelne Probenvorberetungsschrtte durchmachen, n denen es zur Verunrengung der Proben kommen kann, muß en sogenannter Methodenblndwert ermttelt werden. Dabe werden de enzelnen Chemkalen analog der Probenvorberetungsschrtte verarbetet, ohne daß ene Probe verwendet wrd. Deser Methodenblndwert wrd dann von allen Probenmesswerten abgezogen. Be der Verwendung enes nternen Standards müssen manchmal auch für desen de Blndwerte ermttelt werden. Erst dann kann de Kalbraton über de relatven Sgnalntensotäten durchgeführt werden. (Anmerkung: mest wrd der nterne Standard so gewählt, dass er n der Probe ncht vorkommt und der Hntergrund sgnfkant klener (< %) als das gemessene Sgnal st) Bespel 4: (Weterführung von Bespel 3): Konzentraton (ppb) Intenstät Pb (cps) Intenstät Pb (Blank korrgert) Intenstät In (nterner Standard) Intenstät In (Blank korrgert) Intenstät Pb Blank korr. / Intenstät In Blank korr. -Standard (Blank) 6-5 (ncht zugegeben) Kalbratonsgerade funktonert dann analog Bespel 3. Als Probe wrd nun weder ene Meerwasserprobe gemessen, de allerdngs n Behältern aufbewahrt wurden, de verunrengt waren. Als Blndwert wurde her hoch gerengtes Wasser mt Salzmatrx (acl) n de Behälter gefüllt und de Sgnalntenstät n desen Proben gemessen: 6

8 Methodenblank: Probe Intenstät Pb (cps) Intenstät Pb (Blank korrgert) Intenstät In (nterner Standard) Intenstät In (Blank korrgert) Intenstät Pb Blank korr. / Intenstät In Balnk korr. 4 (ncht Methodenblank 35 - zugegeben!) - Meerwasserprobe ,56 Wetere Auswertung analog Bespel 3 Anmerkung: Für de Blank Korrektur n Kombnaton mt nterner Standardserung gbt es verschedene Strategen. In unserem Bespel st ene davon aufgeführt. Se müssen entscheden, welche Stratege Se anwenden. Se können also auch de Konzentraton der Probe + Methodenblank n ppb (n unserem Bespel) bestmmen. Danach den Methodenblank n ppb berechnen und am Ende dese Werte vonenander abzehen. Se können machen was Se wollen, solange Se wssen, was Se tun! 7..5 Standardaddton Das Standard Addton stellt enen Spezalfall der Kalbrerung dar. Es kommt besonders n jenen Fällen zur Anwendug, be denen das Mess Sgnal durch de Probenmatrx besonders beenflußt wrd. Dabe werden äquvalente Probenvolumna mt stegender Konzentraton des Analyten versetzt. D.h. der Analyt wrd zu der ursprünglch vorhandenen Analytenmenge zuaddert. In Folge werden de Probe mt dem zugegebenen -Standard (ken Analyt) und de Proben mt stegendd zugegebener Analytkonzentraton gemessen. De daraus resulterende Kurve wrd n en Dagramm engetragen. Aus dem Schnttpunkt der (lnearen) Kurve mt der x-achse kann man drekt de Konzentraton des Analyten n der Probe ablesen. zugegebene Konzentraton Pb Intenstät nach Standard Addton Probe 64 Probe + 5ppp 5 84 Probe + ppp 734 Probe + 5ppp Probe + 5ppp Man erkennt auch klar, daß obwohl es zu ener starken Matrx Supresson kommt (vgl. Intenstäten Bespel 3) de Standardaddton de Rolle enes nternen Standards übernmmt und für dese Matrxeffekte korrgert. 7

9 lneare Kalbraton (Standard Addton) 7 6 y = 73x + 39 R = Intenstät 4 3 Pb Konzentraton n der Probe gemessenes Sgnal n der Probe Konzentraton (ppb) Aus der Geradenglechung y = 73 x ergbt sch nun de Konzentraton n der Probe: = 73 c => c = 6,5 ppb (wchtg: deser Wert st noch ICHT Blank korrgert!) Der Methodenblank kann nun separat n analoger Wese bestmmt werden: Methodenblank (MB) zugegebene Konzentraton Pb Intenstät nach Standard Addton 38 MB + 5 ppb 5 88 MB + ppb 43 MB + 5 ppb MB + 5 ppb lneare Kalbraton (Standard Addton) 6 5 y = x R =.9998 Intenstät 4 3 Pb Konzentraton des Methodenblanks gemessenes Sgnal m Methodenblank Konzentraton (ppb) Aus der Geradenglechung y = 9984,4 x ergbt sch für den Methodenblank: = 9984,4 c Blank => c Blank = 3,9 ppb Fur de Probe ergbt sch Konzentraton = c c Blank = 6,5 3,9 =,7 ppb. 8

Beschreibende Statistik Mittelwert

Beschreibende Statistik Mittelwert Beschrebende Statstk Mttelwert Unter dem arthmetschen Mttel (Mttelwert) x von n Zahlen verstehen wr: x = n = x = n (x +x +...+x n ) Desen Mttelwert untersuchen wr etwas genauer.. Zege für n = 3: (x x )

Mehr

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden. Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve

Mehr

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression Beschrebung des Zusammenhangs zweer metrscher Merkmale Streudagramme Korrelatonskoeffzenten Regresson Alter und Gewcht be Kndern bs 36 Monaten Knd Monate Gewcht 9 9 5 8 3 4 7.5 4 3 6 5 3 6 4 3.5 7 35 5

Mehr

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung: Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab

Mehr

Definition des linearen Korrelationskoeffizienten

Definition des linearen Korrelationskoeffizienten Defnton des lnearen Korrelatonskoeffzenten r xy x y y r x xy y 1 x x y y x Der Korrelatonskoeffzent st en Indkator dafür, we gut de Punkte (X,Y) zu ener Geraden passen. Sen Wert legt zwschen -1 und +1.

Mehr

Kalibrierverfahren / Anwendungsbeispiele aus der Voltammetrie

Kalibrierverfahren / Anwendungsbeispiele aus der Voltammetrie 1 Kalbrerverfahren / Anwendungsbespele aus der Voltammetre a) Externer tandard Messwert (z.b. Peakstrom / na) 14 12 1 8 6 4 Externe Kalbrerung Messwert Probe A 1.9 1.47567 B 6.264.1249 2 Probe R D N P.99945

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statstk und Wahrschenlchketsrechnung Statstk und Wahrschenlchketsrechnung 5. Vorlesung Dr. Jochen Köhler.03.0 Statstk und Wahrschenlchketsrechnung Wchtg!!! Vorlesung Do 4.03.0 HCI G3 Übung 5 D 9.03.0 Fnk

Mehr

Grundgedanke der Regressionsanalyse

Grundgedanke der Regressionsanalyse Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden

Mehr

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de

Mehr

Lineare Regression - Mathematische Grundlagen

Lineare Regression - Mathematische Grundlagen FKULTÄT FÜR MTHEMTIK U TURWISSESCHFTE ISTITUT FÜR PHYSIK FCHGEBIET EXPERIMETLPHYSIK I r. rer. nat. orbert Sten, pl.-ing (FH) Helmut Barth Lneare Regresson - Mathematsche Grundlagen. llgemene Gerade Wr

Mehr

Lineare Regression. Stefan Keppeler. 16. Januar Mathematik I für Biologen, Geowissenschaftler und Geoökologen

Lineare Regression. Stefan Keppeler. 16. Januar Mathematik I für Biologen, Geowissenschaftler und Geoökologen Mathematk I für Bologen, Geowssenschaftler und Geoökologen 16. Januar 2012 Problemstellung Bespel Maß für Abwechung Trck Mnmum? Exponentalfunktonen Potenzfunktonen Bespel Problemstellung: Gegeben seen

Mehr

Streuungs-, Schiefe und Wölbungsmaße

Streuungs-, Schiefe und Wölbungsmaße aptel IV Streuungs-, Schefe und Wölbungsmaße B... Lagemaße von äufgketsvertelungen geben allen weng Auskunft über ene äufgketsvertelung. Se beschreben zwar en Zentrum deser Vertelung, geben aber kenen

Mehr

WS 2016/17 Prof. Dr. Horst Peters , Seite 1 von 9

WS 2016/17 Prof. Dr. Horst Peters , Seite 1 von 9 WS 2016/17 Prof. Dr. Horst Peters 06.12.2016, Sete 1 von 9 Lehrveranstaltung Statstk m Modul Quanttatve Methoden des Studengangs Internatonal Management (Korrelaton, Regresson) 1. Überprüfen Se durch Bestmmung

Mehr

Verteilungen, sondern nur, wenn ein. Eignet sich nicht bei flachen. Bei starker Streuung wenig. Wert eindeutig dominiert.

Verteilungen, sondern nur, wenn ein. Eignet sich nicht bei flachen. Bei starker Streuung wenig. Wert eindeutig dominiert. Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 Kenngrössen der Statstk Für de Auswertung von Datenrehen werden verschedene Kenngrössen

Mehr

Statistik Exponentialfunktion

Statistik Exponentialfunktion ! " Statstk " Eponentalfunkton # $ % & ' $ ( )&* +, - +. / $ 00, 1 +, + ) Ensemble von radoaktven Atomkernen Zerfallskonstante λ [1/s] Lebensdauer τ 1/λ [s] Anzahl der pro Zetenhet zerfallenden Kerne:

Mehr

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n Regressonsgerade x x x x 3... x n y y y y 3... y n Bem Auswerten von Messrehen wrd häufg ene durch theoretsche Überlegungen nahegelegte lneare Bezehung zwschen den x- und y- Werten gesucht, d.h. ene Gerade

Mehr

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten Versuch r. 1: achwes des Hook schen Gesetzes und Bestmmung der Federkonstanten achwes des Hookeschen Gesetzes und Bestmmung der Federkonstanten Klasse : ame1 : ame 2 : Versuchszel: In der Technk erfüllen

Mehr

Rückblick Regression II: Anpassung an Polynome

Rückblick Regression II: Anpassung an Polynome Rückblck Regresson II: Anpassung an Polynome T. Keßlng: Auswertung von Messungen und Fehlerrechnung - Fehlerrechnung und Korrelaton 0.06.08 Vorlesung 0- Temperaturmessung mt Thermospannung Wr erhalten

Mehr

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07 Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage

Mehr

Dynamisches Programmieren

Dynamisches Programmieren Marco Thomas - IOI 99 -. Treffen n Bonn - Dynamsches Programmeren - Unverstät Potsdam - 8.02.999 Dynamsches Programmeren 957 R. Bellmann: Dynamc Programmng für math. Optmerungsprobleme Methode für Probleme,.

Mehr

Konzept der Chartanalyse bei Chart-Trend.de

Konzept der Chartanalyse bei Chart-Trend.de Dpl.-Phys.,Dpl.-Math. Jürgen Brandes Konzept der Chartanalyse be Chart-Trend.de Konzept der Chartanalyse be Chart-Trend.de... Bewertungsgrundlagen.... Skala und Symbole.... Trendkanalbewertung.... Bewertung

Mehr

Lineare Regression (1) - Einführung I -

Lineare Regression (1) - Einführung I - Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:

Mehr

Versuch Nr. 6. Chemische Kinetik Aktivierungsenergie (Inversion von Saccharose)

Versuch Nr. 6. Chemische Kinetik Aktivierungsenergie (Inversion von Saccharose) Chrstan Wdlng, Georg Deres Versuch Nr. 6 Chemsche Knet Atverungsenerge (Inverson von Saccharose) Zel des Versuchs: Das Zel des Versuches st de Bestmmung der Atverungsenerge der Reaton von Saccharose (S)

Mehr

2 Zufallsvariable und Verteilungen

2 Zufallsvariable und Verteilungen Zufallsvarable und Vertelungen 7 Zufallsvarable und Vertelungen Wr wollen uns jetzt mt Zufallsexpermenten beschäftgen, deren Ausgänge durch (reelle) Zahlen beschreben werden können, oder be denen man jedem

Mehr

Lösungen der Aufgaben zu Kapitel 2

Lösungen der Aufgaben zu Kapitel 2 Lösungen der Aufgaben zu Kaptel Abschntt 1 Aufgabe 1 Wr benutzen de Potenzrechenregeln, um ene Potenz von mt geradem Eponenten n oder mt ungeradem Eponenten n + 1 we folgt darzustellen: n n und n+1 n n

Mehr

Protokoll zu Versuch C1-Mischungsvolumina

Protokoll zu Versuch C1-Mischungsvolumina Protokoll zu Prnz: De sezfschen Mschungsvolumna ener Lösung werden durch auswegen fester Flüssgketsvolumna bekannter Lösungszusammensetzungen mt Hlfe von Pyknometern bestmmt. Theoretsche Grundlagen: Um

Mehr

Ökometrie I 10 Korrelation - Regression

Ökometrie I 10 Korrelation - Regression Ökometre I 10 Korrelaton - Regresson Ka Uwe Totsche LS Hydrogeologe Fredrch-Schller-Unverstät Jena Prof. Dr. Ka Uwe Totsche Ökometre I Korrelaton - Regresson 10-1 Zele und Lernnhalte Zel deser Enhet Zwedmensonale

Mehr

6. Modelle mit binären abhängigen Variablen

6. Modelle mit binären abhängigen Variablen 6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch

Mehr

Algorithmen und ihre Programmierung -Teil 3-

Algorithmen und ihre Programmierung -Teil 3- Veranstaltung Pr.-Nr.: Algorthmen und hre Programmerung -Tel - Veronka Waue WS / Veronka Waue: Grundstudum Wrtschaftsnformatk WS/ Übung Ersetzen Se n folgendem Bespel de For schlefe durch ene WhleWend-Schlefe

Mehr

Bestimmung der Elementarladung nach Millikan. 1. Theorie zum Versuchs. F R = 6 $ $ $ r $ v. $ g. F s = 4 3 $ $ r 3 $ Öl.

Bestimmung der Elementarladung nach Millikan. 1. Theorie zum Versuchs. F R = 6 $ $ $ r $ v. $ g. F s = 4 3 $ $ r 3 $ Öl. Versuch Nr. 5: Bestmmung der Elementarladung nach Mllkan. Theore zum Versuchs Be der Öltröpfchenmethode nach Mllkan wrd Öl mttels enes Zerstäubers n wnzge Tropfen aufgetelt. De Öltröpfchen werden durch

Mehr

Aspekte zur Approximation von Quadratwurzeln

Aspekte zur Approximation von Quadratwurzeln Aspete zur Approxmaton von Quadratwurzeln Intervallschachtelung Intervallhalberungsverfahren Heron-Verfahren Rechnersche und anschaulche Herletung Zusammenhang mt Newtonverfahren Monotone und Beschränthet

Mehr

Gruppe. Lineare Block-Codes

Gruppe. Lineare Block-Codes Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung

Mehr

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

4. Musterlösung. Problem 1: Kreuzende Schnitte **

4. Musterlösung. Problem 1: Kreuzende Schnitte ** Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,

Mehr

2.1 Einfache lineare Regression 31

2.1 Einfache lineare Regression 31 .1 Enfache lneare Regresson 31 Regressonsanalyse De Regressonsanalyse gehört zu den am häufgsten engesetzten multvaraten statstschen Auswertungsverfahren. Besonders de multple Regressonsanalyse hat große

Mehr

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x) ZZ Lösung zu Aufgabe : Ch²-Test Häufg wrd be der Bearbetung statstscher Daten ene bestmmte Vertelung vorausgesetzt. Um zu überprüfen ob de Daten tatsächlch der Vertelung entsprechen, wrd en durchgeführt.

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

3.3 Lineare Abbildungen und Matrizen

3.3 Lineare Abbildungen und Matrizen 33 LINEARE ABBILDUNGEN UND MATRIZEN 87 33 Lneare Abbldungen und Matrzen Wr wollen jetzt de numersche Behandlung lnearer Abbldungen zwschen Vektorräumen beschreben be der vorgegebene Basen de Hauptrolle

Mehr

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1. Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.

Mehr

Grundlagen der Technischen Informatik. 12. Übung. Christian Knell Keine Garantie für Korrekt-/Vollständigkeit

Grundlagen der Technischen Informatik. 12. Übung. Christian Knell Keine Garantie für Korrekt-/Vollständigkeit Grundlagen der Technschen Informatk 12. Übung Chrstan Knell Kene Garante für Korrekt-/Vollständgket 12. Übungsblatt Themen Aufgabe 1: Aufgabe 2: Aufgabe 3: Komparator Adderer/Subtraherer Mehr-Operanden-Adderer

Mehr

Standardnormalverteilung / z-transformation

Standardnormalverteilung / z-transformation Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ

Mehr

Sind die nachfolgenden Aussagen richtig oder falsch? (1 Punkt pro korrekter Beantwortung)

Sind die nachfolgenden Aussagen richtig oder falsch? (1 Punkt pro korrekter Beantwortung) LÖSUNG KLAUSUR STATISTIK I Berufsbegletender Studengang Betrebswrtschaftslehre Sommersemester 016 Aufgabentel I: Theore (10 Punkte) Snd de nachfolgenden Aussagen rchtg oder falsch? (1 Punkt pro korrekter

Mehr

6. Übung zur Linearen Algebra II

6. Übung zur Linearen Algebra II Unverstät Würzburg Mathematsches Insttut Prof. Dr. Peter Müller Dr. Peter Fleschmann SS 2006 30.05.2006 6. Übung zur Lnearen Algebra II Abgabe: Bs Mttwoch, 14.06.2006, 11:00 Uhr n de Brefkästen vor der

Mehr

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1. Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.

Mehr

FORMELSAMMLUNG STATISTIK (I)

FORMELSAMMLUNG STATISTIK (I) Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen

Mehr

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2 ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung

Mehr

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm): Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.

Mehr

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel ultlneare Algebra und hre Anwendungen Nr. : Normalformen Verfasser: Yee Song Ko Adran Jenn Rebecca Huber Daman Hodel 9.5.7 - - ultlneare Algebra und hre Anwendungen Jordan sche Normalform Allgemene heore

Mehr

Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i

Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i Itemanalyse und Itemkennwerte De Methoden der Analyse der Itemegenschaften st ncht m engeren Snne Bestandtel der Klassschen Testtheore Im Rahmen ener auf der KTT baserenden Testkonstrukton und -revson

Mehr

Erwartungswert, Varianz, Standardabweichung

Erwartungswert, Varianz, Standardabweichung RS 24.2.2005 Erwartungswert_Varanz_.mcd 4) Erwartungswert Erwartungswert, Varanz, Standardabwechung Be jedem Glücksspel nteresseren den Speler vor allem de Gewnnchancen. 1. Bespel: Setzen auf 1. Dutzend

Mehr

Elemente der Mathematik - Sommer 2016

Elemente der Mathematik - Sommer 2016 Elemente der Mathematk - Sommer 2016 Prof Dr Matthas Lesch, Regula Krapf Lösungen Übungsblatt 3 Aufgabe 9 (10 Punkte) Das Horner-Schema st ene Methode zum Auswerten enes Polynoms n a0 x an der Stelle s

Mehr

-70- Anhang: -Lineare Regression-

-70- Anhang: -Lineare Regression- -70- Anhang: -Lneare Regressn- Für ene Messgröße y f(x) gelte flgender mathematsche Zusammenhang: y a+ b x () In der Regel läßt sch durch enen Satz vn Messwerten (x, y ) aber kene Gerade zechnen, da de

Mehr

3. Lineare Algebra (Teil 2)

3. Lineare Algebra (Teil 2) Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw

Mehr

Grundpraktikum M5 Oberflächenspannung

Grundpraktikum M5 Oberflächenspannung Grundpraktkum M5 Oberflächenspannung Julen Kluge 21. Ma 2015 Student: Julen Kluge (564513) Partner: Emly Albert (564536) Betreuer: Dr. Mykhaylo Semtsv Raum: 314 Messplatz: 2 INHALTSVERZEICHNIS 1 ABSTRACT

Mehr

Gauss sche Fehlerrrechnung

Gauss sche Fehlerrrechnung Gauss sche Fehlerrrechnung T. Ihn 24. Oktober 206 Inhaltsverzechns Modell und Lkelhood 2 Alle Standardabwechungen σ snd bekannt, bzw. de Kovaranzmatrx der Daten st bekannt: Mnmeren der χ 2 -Funkton. 6

Mehr

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree

Mehr

Ionenselektive Elektroden (Potentiometrie)

Ionenselektive Elektroden (Potentiometrie) III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,

Mehr

Alternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF

Alternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF Alternatve Darstellung des -Stchprobentests für Antele DCF CF Total n= 111 11 3 Response 43 6 69 Resp. Rate 0,387 0,3 0,309 Beobachtete Response No Response Total absolut DCF 43 68 111 CF 6 86 11 69 154

Mehr

Konkave und Konvexe Funktionen

Konkave und Konvexe Funktionen Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage

Mehr

(Theoretische) Konfidenzintervalle für die beobachteten Werte: Die Standardabweichung des Messfehlers wird Standardmessfehler genannt:

(Theoretische) Konfidenzintervalle für die beobachteten Werte: Die Standardabweichung des Messfehlers wird Standardmessfehler genannt: (Theoretsche Konfdenzntervalle für de beobachteten Werte: De Standardabwechung des Messfehlers wrd Standardmessfehler genannt: ( ε ( 1- REL( Mt Hlfe der Tschebyscheff schen Unglechung lassen sch be bekanntem

Mehr

1 Mehrdimensionale Analysis

1 Mehrdimensionale Analysis 1 Mehrdmensonale Analyss Bespel: De Gesamtmasse der Erde st ene Funton der Erddchte ρ Erde und des Erdradus r Erde De Gesamtmasse der Erde st dann m Erde = V Erde ρ Erde Das Volumen ener Kugel mt Radus

Mehr

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2 1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:

Mehr

Auswertung P1-81 Elektrische Messverfahren

Auswertung P1-81 Elektrische Messverfahren Auswertung P1-81 Elektrsche Messverfahren Mchael Prm & Tobas Volkenandt 16. Januar 6 Aufgabe 1.1 Messung des nnenwderstandes des µ A -Multzets Nachdem wr de Schaltung gemäß Schaltskzze (Abb.1) aufgebaut

Mehr

e dt (Gaußsches Fehlerintegral)

e dt (Gaußsches Fehlerintegral) Das Gaußsche Fehlerntegral Φ Ac 5-8 Das Gaußsche Fehlerntegral Φ st denert als das Integral über der Standard-Normalvertelung j( ) = -,5 n den Grenzen bs, also F,5 t ( ) = - e dt (Gaußsches Fehlerntegral)

Mehr

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen

Mehr

1.11 Beispielaufgaben

1.11 Beispielaufgaben . Bespelaufgaben Darstellung komplexer Zahlen Aufgabe. Man stelle de komplexe Zahl z = +e 5f n algebrascher Form, also als x + y dar. Damt man de Formel für de Dvson anwenden kann, muss zunächst der Nenner

Mehr

Lösungen zum 3. Aufgabenblock

Lösungen zum 3. Aufgabenblock Lösungen zum 3. Aufgabenblock 3. Aufgabenblock ewerber haben n enem Test zur sozalen Kompetenz folgende ntervallskalerte Werte erhalten: 96 131 11 1 85 113 91 73 7 a) Zegen Se für desen Datensatz, dass

Mehr

Aufgabenkomplex 2: Umrechung von Einheiten, Ungleichungen, Komplexe Zahlen

Aufgabenkomplex 2: Umrechung von Einheiten, Ungleichungen, Komplexe Zahlen Technsche Unverstät Chemntz 0. Oktober 009 Fakultät für Mathematk Höhere Mathematk I.1 Aufgabenkomplex : Umrechung von Enheten, Unglechungen, Komplexe Zahlen Letzter Abgabetermn: 19. November 009 n Übung

Mehr

ω 0 = Protokoll zu Versuch E6: Elektrische Resonanz

ω 0 = Protokoll zu Versuch E6: Elektrische Resonanz Protokoll zu Versuch E6: Elektrsche esonanz. Enletung En Schwngkres st ene elektrsche Schaltung, de aus Kapaztät, Induktvtät und ohmschen Wderstand besteht. Stmmt de Frequenz der anregenden Wechselspannung

Mehr

Resultate / "states of nature" / mögliche Zustände / möglicheentwicklungen

Resultate / states of nature / mögliche Zustände / möglicheentwicklungen Pay-off-Matrzen und Entschedung unter Rsko Es stehen verschedene Alternatven (Strategen) zur Wahl. Jede Stratege führt zu bestmmten Resultaten (outcomes). Man schätzt dese Resultate für jede Stratege und

Mehr

Informatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition

Informatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition Informatk II Raner Schrader und Implkanten Zentrum für Angewandte Informatk Köln 27. Oktober 2005 1 / 28 2 / 28 Was bsher geschah: jede Boolesche Funkton kann durch enfache Grundfunktonen dargestellt werden

Mehr

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher. PV - Hausaugabe Nr. 7.. Berechnen Se eakt und verglechen Se de Werte ür de Nullstelle, de mttels dem Verahren von Newton, der Regula als und ener Mttelung zu erhalten snd von der! Funkton: ( ) Lösungs

Mehr

1.Schularbeit 22.Okt A. A) Berechne ohne TI-92: Beachte: Für die Beispiele 1 und 2 sind alle notwendigen Rechenschritte anzugeben.

1.Schularbeit 22.Okt A. A) Berechne ohne TI-92: Beachte: Für die Beispiele 1 und 2 sind alle notwendigen Rechenschritte anzugeben. 1.Schularbet.Okt. 1997 7.A A) Berechne ohne TI-9: Beachte: Für de Bespele 1 und snd alle notwendgen Rechenschrtte anzugeben. 1a) De zu z= a + bkonjugert komplexe Zahl st z= a b. Zege für z 1 = -4 + 3 und

Mehr

Mehrfachregression: Einfluss mehrerer Merkmale auf ein metrisches Merkmal. Designmatrix Bestimmtheitsmaß F-Test T-Test für einzelne Regressoren

Mehrfachregression: Einfluss mehrerer Merkmale auf ein metrisches Merkmal. Designmatrix Bestimmtheitsmaß F-Test T-Test für einzelne Regressoren Mehrfachregresson: Enfluss mehrerer Merkmale auf en metrsches Merkmal Desgnmatrx Bestmmthetsmaß F-Test T-Test für enzelne Regressoren Mehrfachregresson Bvarat: x b b y + = 0 ˆ k k x b x b x b b y + + +

Mehr

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)). 44 n n F F a) b) Abbldung 3.: Besetzungszahlen enes Fermgases m Grundzustand (a)) und für ene angeregte Konfguraton (b)). 3.3 Ferm Drac Statstk In desem Abschntt wollen wr de thermodynamschen Egenschaften

Mehr

ME II, Prof. Dr. T. Wollmershäuser. Kapitel 2 Das IS-LM-Modell

ME II, Prof. Dr. T. Wollmershäuser. Kapitel 2 Das IS-LM-Modell ME II, Prof. Dr. T. Wollmershäuser Kaptel 2 Das IS-LM-Modell Verson: 26.04.2011 2.1 Der Gütermarkt De gesamte Güternachfrage Z (Verwendung des BIP) lässt sch we folgt darstellen: Z C+ I + G ME II, Prof.

Mehr

Sequential minimal optimization: A fast Algorithm for Training Support Vector machines

Sequential minimal optimization: A fast Algorithm for Training Support Vector machines Sequental mnmal optmzaton: A fast Algorthm for Tranng Support Vector machnes By John C. Platt (998) Referat von Joerg Ntschke Fall der ncht-trennbaren Tranngs-Daten (/) In der Realtät kommen lnear ncht-trennbare

Mehr

Zweck. Radiometrische Kalibrierung. Traditioneller Ansatz. Kalibrierung ohne Kalibrierkörper

Zweck. Radiometrische Kalibrierung. Traditioneller Ansatz. Kalibrierung ohne Kalibrierkörper Raometrsche Kalbrerung Tratoneller Ansatz Kalbrerung aus mehreren Blern Behanlung von übersteuerten Blern Zweck Das Antwortverhalten es Systems Kamera Framegrabber st ncht mmer lnear Grauwerte sn ncht

Mehr

Diskrete Mathematik 1 WS 2008/09

Diskrete Mathematik 1 WS 2008/09 Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /

Mehr

Physikalisches Anfängerpraktikum Teil 2 Versuch PII 33: Spezifische Wärmekapazität fester Körper Auswertung

Physikalisches Anfängerpraktikum Teil 2 Versuch PII 33: Spezifische Wärmekapazität fester Körper Auswertung Physkalsches Anfängerpraktkum Tel 2 Versuch PII 33: Spezfsche Wärmekapaztät fester Körper Auswertung Gruppe M-4: Marc A. Donges , 060028 Tanja Pfster, 204846 2005 07 spezfsche Wärmekapaztäten.

Mehr

Die Jordansche Normalform

Die Jordansche Normalform De Jordansche Normalform Danel Hug 29. Aprl 211 KIT Unverstät des Landes Baden-Württemberg und natonales Forschungszentrum n der Helmholtz-Gemenschaft www.kt.edu 1 Zerlegung n Haupträume 2 Fazt und nächstes

Mehr

Bedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY)

Bedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY) Bedngte Entrope Kaptel : Bedngte Entrope Das vorherge Theorem kann durch mehrfache Anwendung drekt verallgemenert werden H (... H ( = Ebenso kann de bedngt Entrope defnert werden Defnton: De bedngte Entrope

Mehr

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung Fachberech Mathematk Prof. K. Grosse-Brauckmann D. Frsch WS 27/8./.. 6. Übungsblatt zur Lnearen Algebra für Physker Gruppenübung Aufgabe G7 (Kern, Bld, Rang und Orthogonaltät) Gegeben se ene lneare Abbldung

Mehr

Sei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ).

Sei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Taylorentwcklung (Approxmaton durch Polynome). Problemstellung Se T( x ) de Tangente an den Graphen der Funkton f(x) m Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Dann kann man de

Mehr

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum Abgabe: Aufgabentext und Lösungen schrftlch bs zum 15. 6. 2012 I. Thema: Zehen mt und ohne Zurücklegen Lesen Se sch zunächst folgenden Text durch! Wr haben bsher Stchprobenzehungen aus Grundgesamtheten

Mehr

Prof. Dr.- Ing. Herzig Vorlesung "Grundlagen der Elektrotechnik 1" 1etv3-4

Prof. Dr.- Ing. Herzig Vorlesung Grundlagen der Elektrotechnik 1 1etv3-4 Prof. Dr.- ng. Herzg.6 Spezelle erechnungsverfahren lnearer Netzwerke.6. Überlagerungsverfahren Der Lernende kann - den Überlagerungssatz und das darauf beruhende erechnungsprnzp lnearer Netzwerke erklären

Mehr

1 Definition und Grundbegriffe

1 Definition und Grundbegriffe 1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:

Mehr

Beschreibung von Vorgängen durch Funktionen

Beschreibung von Vorgängen durch Funktionen Beschrebung von Vorgängen durch Funktonen.. Splnes (Sete 6) a +b c Zechenerklärung: [ ] - Drücken Se de entsprechende Taste des Graphkrechners! [ ] S - Drücken Se erst de Taste [SHIFT] und dann de entsprechende

Mehr

Kapitel V. Parameter der Verteilungen

Kapitel V. Parameter der Verteilungen Kaptel V Parameter der Vertelungen D. 5.. (Erwartungswert) Als Erwartungswert ener Zufallsvarablen X bezechnet man: E( X ) : Dabe se vorausgesetzt: = = + p falls X dskret f d falls X stetg und = + p

Mehr

5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013

5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013 O. Alaya, S. Demrel M. Fetzer, B. Krnn M. Wed 5. Gruppenübung zur Vorlesung Höhere Mathematk Wntersemester /3 Dr. M. Künzer Prof. Dr. M. Stroppel Lösungshnwese zu den Hausaufgaben: Aufgabe H 6. Darstellungen

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Übung/Tutorate Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Übung/Tutorate Statistik II: Schließende Statistik SS 2007 Übung/Tutorate Statstk II: Schleßende Statstk SS 7 Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt

Mehr

6 Wandtafeln. 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln. 6.3.1 Allgemeines

6 Wandtafeln. 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln. 6.3.1 Allgemeines 6 Wandtafeln 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln 6.3.1 Allgemenes Be der Berechnung der auf de enzelnen Wandtafeln entfallenden Horzontalkräfte wrd ene starre Deckenschebe angenommen.

Mehr

Wissenschaftliche Nachrichten: https://www.bmbf.gv.at/schulen/sb/wina/wina.html Vol. 136/2009, 19-21

Wissenschaftliche Nachrichten: https://www.bmbf.gv.at/schulen/sb/wina/wina.html Vol. 136/2009, 19-21 Von emprschen Daten zum Modell: Das Monod-Modell NORBERT BRUNNER und MANFRED KÜHLEITNER Vele Wachstumsvorgänge lassen sch mt Hlfe ener Exponentalfunkton beschreben. Man denke etwa an de Znsesznsrechnung.

Mehr

Prof. Dr. Marc Gürtler SS Prof. Dr. Marc Gürtler. Klausur zur 4/8 SWS-Vertiefung Finanzwirtschaftliches Risikomanagement Finanzwirtschaft

Prof. Dr. Marc Gürtler SS Prof. Dr. Marc Gürtler. Klausur zur 4/8 SWS-Vertiefung Finanzwirtschaftliches Risikomanagement Finanzwirtschaft Prof. Dr. Marc Gürtler Klausur zur 4/8 SWS-Vertefung Fnanzwrtschaftlches Rskomanagement Fnanzwrtschaft Lösungsskzze Aufgabe : (6 Punkte) ) (0 Punkte) Aufstellung und Lösung enes Glechungssystems 70V 800,4

Mehr

Analytische Chemie. LD Handblätter Chemie. Bestimmung der chemischen Zusammensetzung. mittels Röntgenfluoreszenz C3.6.5.2

Analytische Chemie. LD Handblätter Chemie. Bestimmung der chemischen Zusammensetzung. mittels Röntgenfluoreszenz C3.6.5.2 SW-214-3 Analytsche Cheme Angewandte Analytk Materalanalytk LD andblätter Cheme Bestmmung der chemschen Zusammensetzung ener Messngprobe mttels Röntgenfluoreszenz Versuchszele Mt enem Röntgengerät arbeten.

Mehr

Prof. Dr. Roland Füss Statistik II SS 2008

Prof. Dr. Roland Füss Statistik II SS 2008 5. Spezelle Testverfahren Zahlreche parametrsche und nchtparametrsche Testverfahren, de nach Testvertelung (Bnomal, t-test etc.), Analysezel (Anpassungs- und Unabhänggketstest) oder Konstrukton der Prüfgröße

Mehr