Beschreibende Statistik
|
|
- Marie Hofmeister
- vor 7 Jahren
- Abrufe
Transkript
1 Beschreibende Aufgaben der beschreibenden : Erhebung von Daten Auswertung von Daten Darstellung von Daten Erhebung von Daten Bei der Erhebung von Daten geht es um die Erfassung von Merkmalen (Variablen) einer bestimmten Grundgesamtheit, Jedes Merkmal, jede Variable kann bestimmte Variablenwerte (Merkmalsausprägungen) annehmen. Variablen, deren Merkmalsausprägungen Zahlen sind, heißen quantitative Variable (z.b. Körpergröße, Gewicht, etc.), die übrigen Variablen heißen qualitative Variable (z.b. Geschlecht, Augenfarbe). Darstellung von Daten Daten einer Erhebung werden zunächst in einer Urliste niedergeschrieben. Aus dieser Liste lassen sich direkt die absoluten und relativen Häufigkeiten der Variablenwerte ableiten. Absolute Häufigkeit: gibt an, wie oft ein Variablenwert in einer Erhebung vorkommt. Relative Häufigkeit: die relative Häufigkeit ergibt sich aus der absoluten Häufigkeit eines Variablenwertes dividiert durch die Gesamtzahl der erfassten Daten der Erhebung. Darstellungsmethoden: Histogramm: ein Histogramm ist eine graphische Darstellung der Häufigkeitsverteilung quantitativer Variablen. Ein Histogramm erfordert die Einteilung der Daten in Klassen, die eine konstante oder variable Breite haben können. Im Histogramm werden über den Klassen direkt aneinander angrenzende Rechtecke errichtet, deren
2 Flächeninhalt die (relative) Klassenhäufigkeit darstellt. Die Höhe der Rechtecke repräsentiert die (relative) Häufigkeitsdichte, also die (relative) Häufigkeit dividiert durch die Breite der entsprechenden Klasse. Kreisdiagramm: ein Kreisdiagramm (auch Kuchenoder Tortendiagramm) ist eine Darstellungsform für Teilwerte eines Ganzen als Teile eines Kreises. Das Kreisdiagramm ist kreisförmig und in mehrere Kreissektoren eingeteilt, wobei jeder Kreissektor einen Teilwert und der Kreis somit die Summe der Teilwerte (das Ganze) darstellt. Die alternative Benennung als Kuchen- oder Tortendiagramm bezieht sich auf Schnitte eines runden Kuchens, die den Kreissektoren entsprechen. Zentralmaße Zur Beschreibung der in einer erhobenen Datenmenge enthaltenen Information können folgende Kennzahlen verwendet werden: Arithmetisches Mittel (Mittelwert, Durchschnitt) Definition: Seien x 1, x 2,, x n Daten einer Grundgesamtheit, dann versteht man unter x = x 1 x 2 x n n das arithmetische Mittel (Mittelwert,Durchschnitt). Besitzt eine Variable die möglichen Werte a 1, a 2,, a k und kommen diese Werte mit den Häufigkeiten H 1, H 2,, H k vor, dann ergibt sich das arithmetische Mittel aus: x = H 1 a 1 H 2 a s H n a k n = H 1 a 1 H 2 a s H n a k H 1 H 2 H k Das arithmetische Mittel kann nur von qualitativen Variablen berechnet werden. Es ist aber
3 nicht immer sinnvoll (z.b. Mittelwert der Postleitzahlen der Gemeinden eines Bezirkes). Modalwert (Modus) Definition: Jener Wert m der in der Urliste am häufigsten vorkommt, wird als Modalwert oder Modus bezeichnet. Der Modalwert ist nicht immer eindeutig, da es mehrere häufigste Werte in einer Urliste geben kann. Der Modalwert kann immer angegeben werden, er ist jedoch nicht immer aussagekräftig. Zentralwert (Median) Der Zentralwert z von n Zahlen wird stets aus der geordneten Urliste ermittelt. Es ist für eine ungerade Anzahl n von Listenelementen die genau in der Mitte stehende Zahl, für eine gerade Anzahl n von Listenelementen das arithmetische Mittel der beiden in der Mitte stehenden Zahlen In einer geordneten Liste liegen also vor dem Medianwert gleich viele Zahlen wie nach dem Medianwert. Der Medianwert kann nur von quantitativen Variablen angegeben werden. Auch er ist, wie der Modalwert, nicht immer aussagekräftig. Quartile Mit den Quartilen wir die geordnete Urliste in vier Teile (Quartale) q 1, q 2 und q 3 geteilt, wobei q 2 = z. Die Quartile q 1 und q 3 können als Zentralwerte der durch das Zentralmaß z = q 2 festgelegten unteren bzw. oberen Hälfte der Urliste bestimmt werden. Die Differenz q 3 q 1 wird als Quartilabstand bezeichnet. Zwischen q 1 und q 3 liegen ca. die mittleren 50% der Daten der geordneten Liste. Spannweite (Range) Die Spannweite R ist die Differenz zwischen dem größten Element (Maximum x max ) und dem kleinsten Element (Minimum x min ) der Liste. Die Spannweite kann also als Maß für die Gesamtbreite bzw. für das verstreut Liegen der der Daten betrachtet werden.
4 Streuungsmaß (Standardabweichung, Standard Deviation) Definition: Seien x 1, x 2,, x n Daten einer Grundgesamtheit, dann versteht man unter die Standardabweichung der Liste. s x = x 1 x 2 x 2 x 2 x n x 2 n Die Standardabweichung ist ein Maß dafür, um wie viel die Merkmalswerte um ihren Durchschnittswert x streuen. Vergleich von Merkmalen Vergleicht man mehrere Merkmale, kann wesentlich mehr Information gewonnen werden, als bei der Auswertung einzelner Merkmale. Streudiagramm, Punktwolke Passgerade Bei der Untersuchung von zwei Merkmalen, lassen sich die Ergebnisse der Urliste zu Zahlenpaaren zusammenfassen und als Punkte in ein Koordinatensystem eintragen. Dabei erhält man ein Streudiagramm bzw. eine Punktwolke. Es können die folgenden Fragen ins Auge gefasst werden: konzentrieren sich die Punkte an bestimmten Stellen (gibt es Häufungspunkte) oder sind die Punkte zufällig verteilt? Gibt es Punkte mit größeren Abweichungen (Ausreißer)? Lässt sich ein Zusammenhang zwischen den Merkmalen erkennen bzw. vermuten? Lässt sich die Verteilung der Punkte durch eine Gerade annähern? In diesem Fall gibt es einen annähernd linearen Zusammenhang zwischen den beiden Merkmalen.
5 Wahrscheinlichkeiten In der Wahrscheinlichkeitsrechnung betrachtet man so genannte Zufallsexperimente (Zufallsversuche). Bei jedem Zufallsexperiment gibt es verschiedene Ergebnisse (Versuchsausfälle). Definition: Die Menge aller bei einem Zufallsexperiment möglichen Ergebnisse (Versuchsausgänge, Versuchsausfälle, Elementarereignisse) wird als Ergebnismenge bezeichnet. Beispiel: beim Werfen einer Münze besteht die Ergebnismenge aus den Ereignissen = {Kopf, Adler }= {0, 1} beim Werfen eines Würfels ist = {1, 2, 3, 4, 5, 6}. In einem Zufallsexperiment gehen wir davon aus, dass die Ergebnisse der Ergebnismenge vollkommen zufällig auftreten. Deren relative Häufigkeit h wird als Wahrscheinlichkeit des Auftretens des Ereignisses bezeichnet. Definition: Seien eine Ergebnismenge und H 1, H 2,, H n die absoluten Häufigkeiten des Auftretens der Ergebnisse 1, 2,, n in einem Zufallsexperiment.
6 Die relativen Häufigkeiten h mit h = H n heißt die Wahrscheinlichkeit des Auftretens des Ergebnisses. Wir schreiben: P = h Die Wahrscheinlichkeit P liegt im Intervall [0, 1]. Definition: Ein Zufallsexperiment, bei dem jedes der n ( n N {1} ) möglichen Versuchsergebnisse mit der gleichen Wahrscheinlichkeit P = 1 n ein LAPLACE'sches (Zufalls-)Experiment. auftritt, heißt Beispiel: Beim Werfen einer idealen Münze treten die Ereignisse Kopf und Adler gleich häufig auf,d.h. P Kopf = 1 2 und P Adler = 1 2 Würfel: jede Augenzahl eines idealen Würfels wird gleich häufig gewürfelt, d.h. P 1 = P 2 = P 3 = P 4 = P 5 = P 6 = 1 6 LAPLACE'sche Wahrscheinlichkeitsregel LAPLACE'sche Wahrscheinlichkeitsregel: Lässt sich ein Ereignis A aus den Versuchsergebnissen eines LAPLACE'schen Experiments mit der Ergebnismenge bilden (ist also A ), so gilt: P A = Zahl der für A günstigen Fälle Zahl der möglichen Fälle = A
7 Betrachten wir ein Glücksrad mit den möglichen Ausgängen A, B und C. Die einzelnen Sektoren sind unterschiedlich groß, d.h. die Wahrscheinlichkeiten für das Eintreten der Ereignisse A, B, oder C sind ebenfalls unterschiedlich groß. Teilen wir das Glücksrad in 8 gleich große Sektoren, dann sind für das Eintreten des Ereignisses A bzw. B jeweils 3 von 8 Sektoren, für das Eintreten des Ereignisses C 2 von 8 Sektoren günstig. Dies bedeutet: P A = 3 8, P B = 3 8, P C = 2 8 = 1 4 Wahrscheinlichkeit als relative Häufigkeit Definition: ein Zufallsexperiment werde n-mal unter den gleichen Bedingungen durchgeführt. Tritt dabei ein bestimmtes Ereignis E genau k-mal ein, so nennt man den Quotienten h n E = k n die relative Häufigkeit des Ereignisses E unter den n Versuchen. Wir ein Zufallsexperiment sehr oft ausgeführt, dann nähern sich die relativen Häufigkeiten aller möglichen Ereignisse den Wahrscheinlichkeiten. Wahrscheinlichkeit als relative Häufigkeit: ein Zufallsexperiment werde n-mal unter den gleichen Bedingungen durchgeführt ( n sehr groß). Als Wahrscheinlichkeit für das Eintreten eines Ereignisses E kann man (mit gewisser Unsicherheit) die relative Häufigkeit von E unter diesen n Versuchen nehmen, d.h.: P E h n E Unmögliche und sichere Ereignisse
8 Definition: ein unmögliches Ereignis ist ein Ereignis, das bei keiner Versuchsdurchführung eintreten kann. Ein sicheres Ereignis ist ein Ereignis, das bei jeder Versuchsdurchführung eintritt. Satz: Ist E ein unmögliches Ereignis, dann ist P E = 0. Ist E ein sicheres Ereignis, dann ist P E = 1. Gegenereignisse Zu jedem Ereignis E kann das so genannte Gegenereignis E gebildet werden: Definition: es sei E ein Ereignis eines Zufallsversuches. Das Gegenereignis E von E tritt genau bei jenen Versuchsausfällen ein, bei denen das Ereignis E nicht eintritt. Satz: Ist E ein unmögliches Ereignis, dann gilt: P E = 1 P E Begründung mit relativen Anteilen: Es sei G die Menge aller Versuchsausfälle, A die Menge aller Versuchsausfälle, bei denen E eintritt, und A ' die Menge aller Versuchsausfälle, bei denen E nicht eintritt. Für A ' gilt: A' = G A. Für P E gilt somit: P E = A ' G = G A G = G G A G = 1 P E Wettquotienten Man kann die Chancen für das Eintreten eines Ereignisses auch in Form eines Quotienten formulieren. Es sei G die Menge aller Versuchsausfälle, A die Menge aller Versuchsausfälle, bei denen E eintritt, und A ' die Menge aller Versuchsausfälle, bei denen E nicht eintritt. Bezeichne a = A die Anzahl der Versuchsausfälle für das Ereignis E und b = A' die Anzahl der Versuchsausfälle für das Ereignis A ', dann gilt:
9 P E = A G P E = A' G P E = a G P E G b P E : P E = a : b = a G = b G = a b Definition: es sei E ein Ereignis eines Zufallsversuches und E das Gegenereignis. Das Verhältnis P E : P E = a : b wird Chancenverhältnis oder Wettquotient genannt. Bedingte Wahrscheinlichkeit Definition: es seien E 1 und E 2 zwei Ereignisse eines Zufallsversuches. Die Wahrscheinlichkeit für das Eintreten des Ereignisses E 1 unter der Voraussetzung, dass das Ereignis E 2 eintritt, nennt man bedingte Wahrscheinlichkeit von E 1 unter der Voraussetzung E 2 und bezeichnet sie mit P E 1 E 2 Definition: es seien E 1 und E 2 zwei Ereignisse eines Zufallsversuches. Man sagt: E 2 begünstigt E 1, wenn P E 1 E 2 P E 1 E 2 benachteiligt E 1, wenn P E 1 E 2 P E 1 E 1 ist von E 2 unabhängig, wenn P E 1 E 2 = P E 1 Rechnen mit Wahrscheinlichkeiten Multiplikationsregel für Versuchsausfälle Führt man Zufallsexperimente mehrfach hintereinander aus, oder führt man verschiedene Zufallsexperimente hintereinander aus, dann werden die sich ergebenden Versuchsausgänge in Form eines Baumdiagramms dargestellt. Speilt jemand y.b. An einem Automaten A mit einer Gewinnchance von 1 4 und anschließend an einem Automaten mit einer Gewinnchance von 1 5, dann werden alle
10 möglichen Versuchsausfälle in einem Baumdiagramm dargestellt (G steht für Gewinn und V steht für Verlust): Die einzelnen Strecken im Baumdiagramm entsprechen den Spielverläufen, die im Baumdiagramm eingetragenen Zahlen den zugehörigen Wahrscheinlichkeiten. Im folgenden Baumdiagramm ist das Ereignis, dass ein Spieler bei beiden Automaten gewinnt rötlich eingefärbt. Die Wahrscheinlichkeit, dass ein Spieler an beiden Automaten gewinnt, ergibt sich aus der 1 Überlegung, dass der Spieler bei der Spiele an Automat A gewinnen wird und von 4 diesen Versuchsausfällen wird er in 1 5 der Fälle anschließend auch bei Automat B gewinnen. Insgesamt wird er also in 1 5 von 1 4 gewinnen, d.h.: der Fälle bei beiden Automaten P Gewinn bei beiden Automaten = = 1 20 Im folgenden Baumdiagramm ist nun die Situation dargestellt, dass ein Spieler beim Automaten A verliert, anschließend beim Automaten B aber gewinnt:
11 Auch hier ergibt sich die Wahrscheinlichkeit, dass ein Spieler beim Automaten A verliert und anschließend beim Automaten B gewinnt aus der Überlegung, dass er in 3 4 der Fälle beim Automaten A verlieren wird. In 1 5 dieser Versuchsausfälle wird er anschließend beim Automaten B gewinnen, d.h. insgesamt wird er in 1 5 von 3 4 Fälle beim ersten Automaten verlieren und anschließend beim zweiten Automaten gewinnen, d.: P Gewinn bei A, Verlust bei B = = 3 20 Spielt ein Spieler an drei Automaten, ergibt sich die folgende Situation In obigem Baumdiagramm ist die Situation festgehalten, dass ein Spieler beim Automaten A verliert, beim Automaten B gewinnt und schließlich beim Automaten C wieder gewinnt. Die Wahrscheinlichkeit für dieses Ereignis beträgt: P Verlust bei A, Gewinn bei B, Verlust bei C = = = 3 35
12 Multiplikationsregel für Versuchsausfälle: die Wahrscheinlichkeit des Eintretens eines Versuchsausfalls, der einem bestimmten Weg im Baumdiagramm entspricht, ist gleich dem Produkt der Wahrscheinlichkeiten entlang dieses Weges. Additionsregel für Versuchsausfälle Betrachtet wir eine Urne, in der sich 4 weiße, drei rote und eine schwarze Kugel befinden. Es werden zwei Kugeln ohne zurücklegen gezogen. Wie groß ist die Wahrscheinlichkeit, dass beide gezogenen Kugeln die selbe Farbe haben? Zunächst gilt, dass die Wahrscheinlichkeit P weiße Kugel = 4 8, P rote Kugel = 3 8 und P schwarze Kugel = 1 8 Baumdiagramm:. Mit diesen Wahrscheinlichkeiten ergibt sich das folgende Es gibt insgesamt drei Versuchsausfälle, bei denen beide Kugeln die selbe Farbe haben. Jeder dieser Fälle ist im Baumdiagramm rötlich eingefärbt. Die Wahrscheinlichkeit P weiße Kugel = 4. Da die Kugel nicht zurückgelegt wird, 8 befinden sich nur mehr 7 Kugeln in der Urne. Die Anzahl der weißen Kugeln hat sich von 4 auf 3 verringert. Entsprechend ist nun P weiße Kugel = 3 7 Insgesamt erhalten wir für P 2 weiße Kugeln = = Die Wahrscheinlichkeit zwei rote Kugeln zu ziehen ist P 2 rote Kugeln = = Für die Wahrscheinlichkeit, zwei schwarze Kugeln zu ziehen erhält man P 2 schwarze Kugeln = = 0. Jedes Der Ereignisse, (2 weiße Kugeln, 2 rote Kugeln und 2 schwarze Kugeln) ist ein günstiges Ereignis, d.h. für die Gesamtwahrscheinlichkeit, dass eines dieser Ereignisse
13 eintritt, gilt: P 2 Kugeln gleicher Farbe = P 2 weiße Kugeln P 2 rote Kugeln P 2 schwarze Kugeln = 12 = = 18 = 56 = 0,32 = Additionsregel für Versuchsausfälle: Sind A und B zwei Ausfälle eines Zufallsexperimentes, dann gilt: P A B = P A P B Multiplikationsregel für Ereignisse Definition: es seien E 1 und E 2 zwei Ereignisse eines Zufallsversuches. 1. Das Ereignis E 1 und E 2, E 1 E 2, tritt genau dann ein, wenn sowohl das Ereignis E 1 als auch das Ereignis E 2 eintritt. 2. Das Ereignis E 1 oder E 2, E 1 E 2, tritt genau dann ein, wenn mindestens eines der Ereignisse E 1 oder E 2 eintritt. Multiplikationsregel für Ereignisse: Sind E 1 und E 2 Ereignisse eines Zufallsexperimentes, dann gilt: P E 1 E 2 = P E 1 P E 2 E 1 Additionsregel für Ereignisse Definition: zwei Ereignisse E 1 und E 2 eines Zufallsversuches heißen einander ausschließend, wenn sie nicht beide zugleich eintreten können. Additionsregel für Ereignisse: Sind E 1 und E 2 einander ausschließende Ereignisse eines Zufallsexperimentes, dann gilt: P E 1 E 2 = P E 1 P E 2
14 Unabhängige Ereignisse Satz: Seien E 1 und E 2 Ereignisse eines Zufallsexperimentes mit P E 1 0 und P E 2 0. E 1 Ist genau dann von E 2 unabhängig, wenn E 2 von E 1 unabhängig ist. Der Satz von BAYES Betrachten wir zwei Urnen mit Kugeln. Die erste Urne enthalte je zwei rote und schwarze Kugeln, während die zweite Urne 3 rote und eine schwarze Kugel enthalte. In einem Zufallsexperiment werde zunächst eine der Urnen zufällig ausgewählt und aus dieser Urne werde dann zufällig eine Kugel gezogen. Wie groß ist die Wahrscheinlichkeit, dass die gezogene Kugel rot ist? Das folgende Baumdiagramm zeigt die möglichen Versuchsausfälle: Die Wahrscheinlichkeit, eine bestimmte Urne zu wählen ist P Urne1 = P Urne2 = 1 2. Für das Ziehen einer roten Kugel gilt für Urne1 P 1 rote Kugel = 1 2 und für Urne2 gilt: P 2 rote Kugel = 3 4. Für die Gesamtwahrscheinlichkeit erhalten wir damit: P rote Kugel = P Urne1 P 1 rote Kugel P Urne2 P 2 rote Kugel = = 5 8 Falls eine rote Kugel gezogen wurde, mit welcher Wahrscheinlichkeit stammt die Kugel aus Urne1? Wir müssen die Wahrscheinlichkeit P Urne1 rote Kugel berechnen. Nach der Multplikationsregel gilt:
15 P rote Kugel Urne1 = P rote Kugel P Urne1 rote Kugel P Uren1 rote Kugel = P Urne1 P rote Kugel Urne1 Die Ereignisse rote Kugel und Urne1 sind unabhängig, d.h. es gilt P rote Kugel Urne1 = P Urne1 rote Kugel Durch Einsetzen erhalten wir: P rote Kugel Urne1 = P Urne1 rote Kugel P rote Kugel P Urne1 rote Kugel = P Urne1 P rote Kugel Urne1 P Urne1 rote Kugel = P Urne1 P rote Kugel Urne1 P rote Kugel Die Wahrscheinlichkeit, dass eine rote Kugel gezogen wird ist P rote Kugel = 5 8, die Wahrscheinlichkeit, dass Urne1 ausgewählt wird ist P Urne1 = 1 und die 2 Wahrscheinlichkeit, dass aus der Urne1 eine rote Kugel gezogen wird, ist P rote Kugel Urne1 = 1. Damit ergibt sich für die Wahrscheinlichkeit, dass eine 2 gezogene rote Kugel aus Urne1 stammt: P rote Kugel Urne1 = = = 2 5 Mit den entsprechenden Überlegungen findet man P rote Kugel Urne2 = P Urne2 P rote Kugel Urne2 P rote Kugel = = = 3 5 Satz (von BAYES): Ein Zufallsexperiment bestehe aus zwei Teilversuchen. Im ersten Teilversuch gehöre jeder Versuchsausfall zu genau einem der Ereignisse E 1, E 2,, E n Es sei weiters E ein Ereignis im zweiten Teilversuch. Dann gilt für i = 1, 2,, n : P E i E = P E P E i E i P E
16 wobei P E = P E 1 P E E 1 P E 2 P E E 2 P E n P E E n
Zusammenfassung Stochastik
Zusammenfassung Stochastik Die relative Häufigkeit Ein Experiment, dessen Ausgang nicht vorhersagbar ist, heißt Zufallsexperiment (ZE). Ein Würfel wird 40-mal geworfen, mit folgendem Ergebnis Augenzahl
MehrDie erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man:
Die erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man: a) Die absoluten Häufigkeit: Sie gibt an, wie oft ein Variablenwert vorkommt b) Die relative Häufigkeit: Sie erhält
MehrDie erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man:
Die erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man: a) Die absoluten Häufigkeit: Sie gibt an, wie oft ein Variablenwert vorkommt b) Die relative Häufigkeit: Sie erhält
MehrEs werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.
R. Brinkmann http://brinkmann-du.de Seite 08..2009 Von der relativen Häufigkeit zur Wahrscheinlichkeit Es werden 20 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 20 Schülern
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
MehrBasiswissen Daten und Zufall Seite 1 von 8 1 Zufallsexperiment Ein Zufallsexperiment ist ein Versuchsaufbau mit zufälligem Ausgang, d. h. das Ergebnis kann nicht vorhergesagt werden. 2 Ergebnis (auch Ausgang)
MehrStatistik 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
MehrGrundlagen der. h Rückblick. Dr. K. Krüger. Grundwissen Mathematik
Grundlagen der Schulmathematik h Rückblick Sommersemester 2009 Dr. K. Krüger Grundwissen Mathematik (DGS) Folie aus der 1. Vorlesung Inhalte 1. Beschreibende Statistik Mauna Loa Co2 1200 Streudiagramm
MehrStatistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
MehrZusammenfassung Mathematik AHS Oberstufe. Lukas Prokop
Zusammenfassung Mathematik AHS Oberstufe Lukas Prokop 2. Mai 2009 Inhaltsverzeichnis 1 Grundlagen 3 1.1 Geometrische Figuren............................. 3 1.2 Zahlensysteme.................................
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
MehrWahrscheinlichkeitsrechnung
Wahrscheinlichkeitsrechnung Grundbegriffe: Experiment: ein Vorgang, den man unter gleichen Voraussatzungen beliebig oft wiederholen kann. Ergebnis ω : Ausgang eines Experiments Ergebnismenge Ω : Menge
MehrZufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen
Zufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen Wichtige Tatsachen und Formeln zur Vorlesung Mathematische Grundlagen für das Physikstudium 3 Franz Embacher http://homepage.univie.ac.at/franz.embacher/
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
MehrLösungen. w58r4p Lösungen. w58r4p. Name: Klasse: Datum:
Testen und Fördern Name: Klasse: Datum: 1) Ermittle jeweils das arithmetische Mittel. Ordne die Datenerhebungen nach der Größe der arithmetischen Mittel. Beginne mit dem Größten. 45, 39, 44, 48, 42, 39,
Mehr1. Grundlagen der Wahrscheinlichkeitsrechnung
1. Grundlagen der Wahrscheinlichkeitsrechnung Ereignisse und Wahrscheinlichkeiten Zufälliger Versuch: Vorgang, der (zumindest gedanklich) beliebig oft wiederholbar ist und dessen Ausgang innerhalb einer
MehrStochastik. Grundwissenskatalog G8-Lehrplanstandard
GRUNDWISSEN MATHEMATIK Stochastik Grundwissenskatalog G8-Lehrplanstandard Basierend auf den Grundwissenskatalogen des Rhöngymnasiums Bad Neustadt und des Kurt-Huber-Gymnasiums Gräfelfing J O H A N N E
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
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,
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
MehrLehrerfortbildung: Stochastik
Lehrerfortbildung: Stochastik Workshop: 3.0.06-6..06 an der Ruhr-Uni-Bochum Einführung mit Aufgaben und Lösungen Dipl.-Math. Bettina Reuther Dipl.-Math. Dirk Bachmann Einführende Beispiele Das Ziegenproblem
MehrZiegenproblem, Monty-Hall-Problem, Wahrscheinlichkeitsrechnung. Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem
Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem Wahrscheinlichkeitsrechnung Theorie Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem Ziegenproblem, Monty-Hall-Problem, Drei-Türen-Problem Ziegenproblem,
MehrEinführung in die Wahrscheinlichkeitsrechnung
Einführung in die Wahrscheinlichkeitsrechnung. In einer Urne befinden sich 3 schwarze und weiße Kugel. Wir entnehmen der Urne eine Kugel, notieren die Farbe und legen die Kugel in die Urne zurück. Dieses
MehrKurs 2 Stochastik EBBR Vollzeit (1 von 2)
Erwachsenenschule Bremen Abteilung I: Sekundarstufe Doventorscontrescarpe 172 A 281 Bremen Kurs 2 Stochastik EBBR Vollzeit (1 von 2) Name: Ich 1. 2. 3. 4.. 6. 7. So schätze ich meinen Lernzuwachs ein.
MehrStochastik - Kapitel 2
" k " h(a) n = bezeichnet man als die relative Häufigkeit des Ereignisses A bei n Versuchen. n (Anmerkung: für das kleine h wird in der Literatur häufig auch ein r verwendet) k nennt man die absolute Häufigkeit
MehrKapitel 6. Kapitel 6 Mehrstufige Zufallsexperimente
Mehrstufige Zufallsexperimente Inhalt 6.1 6.1 Mehrstufige Experimente 6.2 6.2 Bedingte Wahrscheinlichkeiten Seite 2 6.1 Mehrstufige Experimente Grundvorstellung: Viele Viele Experimente werden der der
MehrAbitur 2015 Mathematik Stochastik IV
Seite 1 http://www.abiturloesung.de/ Seite 2 Abitur 201 Mathematik Stochastik IV In einer Urne befinden sich vier rote und sechs blaue Kugeln. Aus dieser wird achtmal eine Kugel zufällig gezogen, die Farbe
Mehr2.2 Ereignisse und deren Wahrscheinlichkeit
2.2 Ereignisse und deren Wahrscheinlichkeit Literatur: [Papula Bd., Kap. II.2 und II.], [Benning, Kap. ], [Bronstein et al., Kap. 1.2.1] Def 1 [Benning] Ein Zufallsexperiment ist ein beliebig oft wiederholbarer,
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
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
MehrStatistik I für Betriebswirte Vorlesung 9
Statistik I für Betriebswirte Vorlesung 9 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik Vorlesung am 8. Juni 2017 im Audi-Max (AUD-1001) Dr. Andreas Wünsche Statistik I für Betriebswirte
MehrWie hoch ist das Risiko, dass ein System, das aus mehreren Komponenten besteht, ausfällt?
In diesem Kapitel werden wir den egriff Wahrscheinlichkeit und die Grundlagen der Wahrscheinlichkeitsrechnung kennenlernen, um z.. folgende Fragestellungen zu beantworten. Wie hoch ist das Risiko, dass
MehrAn die Zweige schreibt man jeweils die Wahrscheinlichkeit, die für dieses Ereignis gilt.
. Mehrstufige Zufallsversuche und Baumdiagramme Entsprechend der Anmerkung in. wollen wir nun auf der Basis von bekannten Wahr- scheinlichkeiten weitere Schlüsse ziehen. Dabei gehen wir immer von einem
MehrBiomathematik für Mediziner, Klausur WS 2000/2001 Seite 1
Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1 Aufgabe 1: Von 2 gleichartigen Maschinen eines pharmazeutischen Betriebes stellt die erste 40% und die zweite 60% der Produkte her. Dabei verursacht
MehrÜberblick. Linguistische Anwendungen: æ Spracherkennung æ Textretrival æ probabilistische Grammatiken: z.b. Disambiguierung. Problem: woher Daten?
1 Überblick æ Beschreibende Statistik: Auswertung von Experimenten und Stichproben æ Wahrscheinlichkeitsrechnung: Schlüsse aus gegebenen Wahrscheinlichkeiten, Hilfsmittel: Kombinatorik æ Beurteilende Statistik:
MehrWahrscheinlichkeit und Zufall
Wahrscheinlichkeit und Zufall Rechnen mit Wahrscheinlichkeiten 16. Juni 2009 Dr. Katja Krüger Universität Paderborn 1 Inhalt Ereignisse i und deren Wahrscheinlichkeit h hk i Laplace-Regel Baumdiagramm
MehrWahrscheinlichkeitsrechnung
Abiturvorbereitung Wahrscheinlichkeitsrechnung S. 1 von 9 Wahrscheinlichkeitsrechnung Kombinatorik Formeln für Wahrscheinlichkeiten Bedingte Wahrscheinlichkeiten Zusammenfassung wichtiger Begriffe Übungsaufgaben
MehrMathematik: LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 12. Erwartungswert, Varianz und Standardabweichung
Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester ARBEITSBLATT Erwartungswert, Varianz und Standardabweichung Die Begriffe Varianz und Standardabweichung sind uns bereits aus der Statistik bekannt
Mehrhtw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK htw saar 2 Grundbegriffe htw saar 3 Grundgesamtheit und Stichprobe Ziel: Über eine Grundgesamtheit (Population) soll eine Aussage über ein
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,
MehrWählt man aus n Mengen mit z 1 bzw. z 2,..., bzw. z n Elementen nacheinander aus jeder Menge jeweils ein Element aus,
V. Stochastik ================================================================== 5.1 Zählprinzip Wählt man aus n Mengen mit z 1 bzw. z 2,..., bzw. z n Elementen nacheinander aus jeder Menge jeweils ein
MehrInteraktives Skriptum: Elementare Wahrscheinlichkeitsrechnung
Interaktives Skriptum: Elementare Wahrscheinlichkeitsrechnung 1. Grundbegriffe Würfeln, Werfen einer Münze, Messen der Lebensdauer einer Glühbirne Ausfall/Ausgang: Würfeln: Augenzahlen 1, 2, 3, 4, 5, 6
MehrVorwort Statistik Spannweite und Zentralwert Modalwert...7. Vierfeldertafeln Mittelwert Säulendiagramme...
Inhaltsverzeichnis Vorwort...5 1 Statistik Spannweite und Zentralwert...6 2 Modalwert...7 3 Boxplots...8/9 4 Vierfeldertafeln...10 5 Mittelwert...11 6 Säulendiagramme...12 Statistik 7 8 9 10 11 12 13 14
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
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13 Aufgabenstellung und Ergebnisse Dr. Martin Becker Hinweise für die
MehrStatistik Einführung // Wahrscheinlichkeitstheorie 3 p.2/58
Statistik Einführung Wahrscheinlichkeitstheorie Kapitel 3 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Leydold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Wahrscheinlichkeitstheorie
MehrKontrolle. Themenübersicht
Themenübersicht Arbeitsblatt 1 Statistik Arbeitsblatt 2 Erheben und Auswerten von Daten Arbeitsblatt 3 Zufallsexperimente Arbeitsblatt 4 mehrstufige Zufallsexperimente Inhalt, Schwerpunkte des Themas Urliste,
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
Mehr15 Wahrscheinlichkeitsrechnung und Statistik
5 Wahrscheinlichkeitsrechnung und Statistik Alles, was lediglich wahrscheinlich ist, ist wahrscheinlich falsch. ( Descartes ) Trau keiner Statistik, die du nicht selbst gefälscht hast. ( Churchill zugeschrieben
MehrDefinition: Ein endlicher Ergebnisraum ist eine nichtleere Menge, deren. wird als Ereignis, jede einelementige Teilmenge als Elementarereignis
Stochastische Prozesse: Grundlegende Begriffe bei zufälligen Prozessen In diesem Abschnitt beschäftigen wir uns mit den grundlegenden Begriffen und Definitionen von Zufallsexperimenten, also Prozessen,
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
Mehr1 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung. Statistik und Wahrscheinlichkeitsrechnung
1 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung 2 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Stochastik Wahrscheinlichkeitsrechnung
MehrPfadregel. 400 Kugeln durchlaufen die möglichen Pfade. Das Diagramm zeigt das Ergebnis am Ende der Versuchsdurchführung.
Würfelsimulation 1) Bezeichnen Sie in den Säulendiagrammen (Histogrammen - 2. Graphik) die senkrechten Achsen und vervollständigen Sie im ersten Diagramm die Achseneinteilung. Lesen Sie im Histogramm für
MehrZufall? Als Zufall werden Dinge bezeichnet, die nicht vorhergesehen werden können.
H 1 Zufall? Als Zufall werden Dinge bezeichnet, die nicht vorhergesehen werden können. Beispiel: - Eine Münze wird geworfen und die Zahl liegt oben. Das ist nicht vorhersehbar! Es könnte auch Kopf oben
MehrWahrscheinlichkeitsrechnung
Wahrscheinlichkeitsrechnung Was du wissen musst: Die Begriffe Zufallsexperiment, Ereignisse, Gegenereignis, Zufallsvariable und Wahrscheinlichkeit sind dir geläufig. Du kannst mehrstufige Zufallsversuche
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Mag. Dipl.Ing. Dr. Pantelis Christodoulides & Mag. Dr. Karin Waldherr SS 2014 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 1/57 Die Deskriptivstatistik
MehrDeskriptive Statistik
Deskriptive Statistik 1 Ziele In der deskriptiven (=beschreibenden) Statistik werden Untersuchungsergebnisse übersichtlich dargestellt, durch Kennzahlen charakterisiert und grafisch veranschaulicht. 2
MehrStochastik (Laplace-Formel)
Stochastik (Laplace-Formel) Übungen Spielwürfel oder Münzen werden ideal (oder fair) genannt, wenn jedes Einzelereignis mit gleicher Wahrscheinlichkeit erwartet werden kann. 1. Ein idealer Spielwürfel
MehrAufgabe 1. Übung Wahrscheinlichkeitsrechnung Markus Kessler Seite 1 von 8. Die Ereignisse A, B und C erfüllen die Bedingungen
Ü b u n g 1 Aufgabe 1 Die Ereignisse A, B und C erfüllen die Bedingungen P(A) = 0. 7, P(B) = 0. 6, P(C) = 0. 5 P(A B) = 0. 4, P(A C) = 0. 3, P(B C) = 0. 2, P(A B C) = 0. 1 Bestimmen Sie P(A B), P(A C),
MehrExpertenrunde Gruppe 1: Wiederholungsgruppe EXCEL (Datenerfassung, Darstellungsformen, Verwertung)
Epertenrunde Gruppe 1: Wiederholungsgruppe EXCEL (Datenerfassung, Darstellungsformen, Verwertung) Im Folgenden wird mit Hilfe des Programms EXEL, Version 007, der Firma Microsoft gearbeitet. Die meisten
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Wie stehen unsere Chancen? Das komplette Material finden Sie hier:
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Wie stehen unsere Chancen? Das komplette Material finden Sie hier: School-Scout.de RAAbits Hauptschule 7 9 Mathematik 78 Zufallsversuche
MehrLevel 1 Grundlagen Blatt 1. Dokument mit 19 Aufgaben
Level 1 Grundlagen Blatt 1 Dokument mit 19 Aufgaben Aufgabe A1 Ein Glücksrad hat drei Sektoren mit den Farben Rot, Gelb und Grün. Das Rad bleibt mit einer Wahrscheinlichkeit von 0,1 so stehen, dass der
MehrKapitel 2. Zufällige Versuche und zufällige Ereignisse. 2.1 Zufällige Versuche
Kapitel 2 Zufällige Versuche und zufällige Ereignisse In diesem Kapitel führen wir zunächst anschaulich die grundlegenden Begriffe des zufälligen Versuchs und des zufälligen Ereignisses ein und stellen
MehrDie erhobenen Daten (Urliste) werden mithilfe einer Strichliste geordnet. Damit kann die absolute Häufigkeit einfach und schnell erfasst werden.
Kennzahlen der Statistik Die Aufgabe der Statistik besteht in der Analyse und der Deutung von Daten. Dies geschieht mit bestimmten Kennzahlen wie: en, arithmetischer Mittelwert, Modalwert, Zentralwert,
MehrEinführung in die Statistik
Einführung in die Statistik 1. Deskriptive Statistik 2. Induktive Statistik 1. Deskriptive Statistik 1.0 Grundbegriffe 1.1 Skalenniveaus 1.2 Empirische Verteilungen 1.3 Mittelwerte 1.4 Streuungsmaße 1.0
MehrVorkurs Mathematik. Christoph Hindermann. Wahrscheinlichkeitstheorie
Kapitel 4 Christoph Hindermann Vorkurs Mathematik 1 4.0 Motivation Wenn 100 Münzen geworfen werden, wie ist dann die Wahrscheinlichkeit, dass genau 50 davon Kopf zeigen? Angenommen, es befinden sich 300
MehrTutorium Mathematik in der gymnasialen Oberstufe 1. Veranstaltung: Beschreibende Statistik 19. Oktober 2016
Tutorium Mathematik in der gymnasialen Oberstufe 1. Veranstaltung: Beschreibende Statistik 19. Oktober 2016 1. Daten erfassen 1. Aufgabe: Würfeln Sie 30-mal mit einem regelmäßigen Oktaeder und dokumentieren
MehrErgebnis Ergebnisraum Ω. Ereignis. Elementarereignis
Stochastik Die Stochastik besteht aus zwei Teilgebieten, der Statistik und der Wahrscheinlichkeitsrechnung. Die Statistik beschreibt die Vergangenheit und verwendet Informationen, die (in realen Versuchen)
MehrDeskriptive Statistik Auswertung durch Informationsreduktion
Deskriptive Statistik Auswertung durch Informationsreduktion Gliederung Ø Grundbegriffe der Datenerhebung Total-/Stichprobenerhebung, qualitatives/quantitatives Merkmal Einteilung der Daten (Skalierung,
MehrWeitere Lagemaße: Quantile/Perzentile I
3 Auswertung von eindimensionalen Daten Lagemaße 3.3 Weitere Lagemaße: Quantile/Perzentile I Für jeden Median x med gilt: Mindestens 50% der Merkmalswerte sind kleiner gleich x med und ebenso mindestens
Mehrbenötigen. Die Zeit wird dabei in Minuten angegeben und in einem Boxplot-Diagramm veranschaulicht.
, D 1 Kreuze die richtige Aussage an und stelle die anderen Aussagen richtig. A Das arithmetische Mittel kennzeichnet den mittleren Wert einer geordneten Datenliste. B Die Varianz erhält man, wenn man
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.
Mehr3 Berechnung von Wahrscheinlichkeiten bei mehrstufigen Zufallsversuchen
Berechnung von Wahrscheinlichkeiten bei mehrstufigen Zufallsversuchen Berechnung von Wahrscheinlichkeiten bei mehrstufigen Zufallsversuchen.1 Pfadregeln.1.1 Pfadmultiplikationsregel Eine faire Münze und
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2011/12.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2011/12 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer
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
MehrMathematik W27. Mag. Rainer Sickinger LMM. v 1 Mag. Rainer Sickinger Mathematik W27 1 / 51
Mathematik W27 Mag. Rainer Sickinger LMM v 1 Mag. Rainer Sickinger Mathematik W27 1 / 51 Einführung Wir befinden uns in einer kleinen Stadt. In dieser Stadt gibt es zwei Taxiunternehmen. Die Taxis des
MehrAnliegen: Beschreibung von Versuchsergebnissen mit Zahlen, um mit Zahlen bzw. bekannten Funktionen rechnen zu können.
2 Zufallsvariable 2.1 Einführung Anliegen: Beschreibung von Versuchsergebnissen mit Zahlen, um mit Zahlen bzw. bekannten Funktionen rechnen zu können. Eine Zufallsvariable X ordnet jedem elementaren Versuchsausgang
MehrSS 2017 Torsten Schreiber
173 Diese Lücken sollten nicht auch bei Ihnen vorhanden sein: Wird die Anordnung von unterschiedlichen Objekten eines Experiments untersucht, so handelt es sich um eine. Möchte man die Anzahl der möglichen
MehrWahrscheinlichkeitstheorie
Kapitel 2 Wahrscheinlichkeitstheorie Josef Leydold c 2006 Mathematische Methoden II Wahrscheinlichkeitstheorie 1 / 24 Lernziele Experimente, Ereignisse und Ereignisraum Wahrscheinlichkeit Rechnen mit Wahrscheinlichkeiten
MehrAuf dem Schulfest bietet Peter als Spielleiter das Glücksspiel "GlücksPasch" an.
Aufgabe 4 Glückspasch" (16 Punkte) Auf dem Schulfest bietet Peter als Spielleiter das Glücksspiel "GlücksPasch" an. Spielregeln: Einsatz 1. Der Mitspieler würfelt mit 2 Oktaederwürfeln. Fällt ein Pasch,
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ
Mehr1 Grundlagen Wahrscheinlichkeitsrechung
1 Grundlagen Wahrscheinlichkeitsrechung 1.1 Grundbegriffe Alle möglichen Ereignisse eines Zufallsexperiments fassen wir in einer Ereignismenge Ω zusammen. Ereignisse sind Teilmengen von Ω. Umfasst das
MehrWahrscheinlichkeitsrechnung [probability]
Wahrscheinlichkeitsrechnung [probability] Hinweis: Die Wahrscheinlichkeitsrechnung ist nicht Gegenstand dieser Vorlesung. Es werden lediglich einige Begriffsbildungen bereitgestellt und an Beispielen erläutert,
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
MehrÜbersicht Wahrscheinlichkeitsrechnung EF
Übersicht Wahrscheinlichkeitsrechnung EF. Grundbegriffe der Wahrscheinlichkeitsrechnung (eite ). Regeln zur Berechnung von Wahrscheinlichkeiten (eite ). Bedingte Wahrscheinlichkeit und Vierfeldertafel
MehrGrundwissen zur Stochastik
Grundwissen zur Stochastik Inhalt: ABHÄNGIGE EREIGNISSE...2 ABHÄNGIGKEIT UND UNABHÄNGIGKEIT VON ERGEBNISSEN...2 ABHÄNGIGKEIT UND UNABHÄNGIGKEIT VON MERKMALEN IN VIERFELDERTAFELN...2 ABSOLUTE HÄUFIGKEIT...2
MehrLösungen zu den. Beispielaufgaben für die Klasse 6. zum Themenbereich
Lösungen zu den Beispielaufgaben für die Klasse zum Themenbereich Statistik und Wahrscheinlichkeitsrechnung erstellt von den Kolleginnen und Kollegen der Aufgabenentwicklergruppe für Vergleichsarbeiten
MehrAUSWERTEN. Ein Zufallsexperiment wird ausgewertet, indem man die relativen Häufigkeiten berechnet. Die relative Häufigkeit ist das Verhältnis:
Hilfe EIN ZUFALLSEXPERIMENT AUSWERTEN Die Ergebnisse eines Zufallsexperiments werden in der Regel in einer Tabelle aufgeschrieben. Hierzu können während des Experiments Strichlisten geführt oder nach Beendigung
MehrVorlesungsskript. Deskriptive Statistik. Prof. Dr. Günter Hellmig
Vorlesungsskript Deskriptive Statistik Prof. Dr. Günter Hellmig Prof. Dr. Günter Hellmig Vorlesungsskript Deskriptive Statistik Erstes Kapitel Die Feingliederung des ersten Kapitels, welches sich mit einigen
MehrPROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale)
PROC MEAS zum Berechnen statistischer Maßzahlen (für quantitative Merkmale) Allgemeine Form: PROC MEAS DATA=name Optionen ; VAR variablenliste ; CLASS vergleichsvariable ; Beispiel und Beschreibung der
MehrBeispiel 37. Wir werfen eine Münze so lange, bis zum ersten Mal
Beispiel 37 Wir werfen eine Münze so lange, bis zum ersten Mal Kopf erscheint. Dies geschehe in jedem Wurf unabhängig mit Wahrscheinlichkeit p. Wir definieren dazu die Zufallsvariable X := Anzahl der Würfe.
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
Mehr1. Einführung in die induktive Statistik
Wichtige Begriffe 1. Einführung in die induktive Statistik Grundgesamtheit: Statistische Masse, die zu untersuchen ist, bzw. über die Aussagen getroffen werden soll Stichprobe: Teil einer statistischen
MehrInformatik II Grundbegriffe der Wahrscheinlichkeitsrechnung
lausthal Begriffe Informatik II rundbegriffe der Wahrscheinlichkeitsrechnung. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Definition: Unter einem Zufallsexperiment versteht man einen,
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2011 Aufgabenstellung und Ergebnisse Dr. Martin Becker Hinweise für die Klausurteilnehmer
MehrDer Modus ist. Der Median ist. 3. Übung. Aufgabe 1. a) der häufigste Wert. b) der Wert unter dem 50 % aller anderen Werte liegen.
3. Übung Aufgabe 1 Der Modus ist a) der häufigste Wert. b) der Wert unter dem 50 % aller anderen Werte liegen. c) der Durchschnitt aller Werte. d) der Wert mit der größten Häufigkeitsdichte. e) der Schwerpunkt
MehrStatistische Kennzahlen für die Lage
Statistische Kennzahlen für die Lage technische universität ach der passenden grafischen Darstellung der Werte eines Merkmals auf der Gesamtheit der Beobachtungen interessieren jetzt geschickte algebraische
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
Mehr