Das Semi-Variogramm. Friedrich-Schiller-Universität Jena Institut für Geographie Wintersemester 2004/2005
|
|
- Gesche Keller
- vor 7 Jahren
- Abrufe
Transkript
1 Friedrich-Schiller-Universität Jena Institut für Geographie Wintersemester 004/005 Hausarbeit zum Seminar Analyse und Modellierung räumlicher Daten Thema: Das Semi-Variogramm Vorgelegt von: Oliver Roick Ernst-Zielinski-Str Jena oliver.roick@uni-jena.de
2 Inhalt 1 Einleitung... Das experimentelle Variogramm....1 Das Prinzip der Stationarität.... Die Variogrammwolke Schätzung des experimentellen Variogramms Omnidirektionale und direktionale Variogramme Schätzung des theoretischen Variogramms Kovariogramm und Korrelogramm Zusammenfassung Literatur
3 1 Einleitung Zur Interpolation von punktuell gemessenen Daten ist eine Abschätzung des räumlichen Zusammenhangs der Daten notwendig. Bei nicht-statistischen Interpolationsverfahren, wie Thiessen-Polygone, Triangulated Irregular Network oder Inverse-Distance-Methode werden intuitive Annahmen über den räumlichen Zusammenhang zu Grunde gelegt, die die Qualität der Interpolation stark beeinträchtigen. Das Semivariogramm, als Methode zur Analyse räumlicher Daten, ermöglicht, auf Grundlage vorliegender punktueller Daten, eine Aussage über der den räumlichen Zusammenhang dieser Daten zu treffen. Der räumliche Zusammenhang der Daten soll durch eine Funktion beschrieben werden, die einem statistischen Interpolationsverfahren zu Grunde gelegt werden. Das experimentelle Variogramm Durch das experimentelle Variogramm soll der räumliche Zusammenhang eines vorliegenden Datensatzes beschrieben werden. Ziel des experimentellen Variogramms ist die graphische Darstellung der mittleren Varianz zweier Werte in Abhängigkeit von ihrem Abstand zueinander..1 Das Prinzip der Stationarität Abbildung 1: Das Prinzip der Stationarität (eigene Darstellung). Der Berechnung des Variogramms liegt die Annahme der Stationarität zu Grunde. Man geht davon aus, dass der räumliche Zusammenhang von Daten unabhängig von deren absoluter geometrischer Position im Raum ist. Die Varianz verschiedener Wertepaare ist also bei gleichem Abstand gleich. In Abbildung 1 weisen die Punkte a und b sowie c und d den gleichen Abstand
4 zueinander auf. Die Differenz der gemessenen Werte ist bei beiden Wertepaaren ebenfalls gleich, obwohl sie unterschiedliche geometrische Positionen besitzen. In der Realität wird diese Annahme nicht erfüllt (WACKERNAGEL 1998: 4).. Die Variogrammwolke Zunächst soll die Varianz aller Wertepaare in Abhängigkeit ihres Abstandes zueinander dargestellt werden. Die Varianz eines Wertepaares (a, b) berechnet sich nach Formel (1): γ = ( z m z n ) Formel 1: Berechnung der Varianz eines Wertepaares. Z m und z n sind die Werte beider Punkte des Wertepaares (WACKERNAGEL 1998: 43). Der zu diesem Wertepaar gehörige Abstand wird mit Hilfe der euklidischen Distanz nach Formel () berechnet. Zu Beginn wird angenommen, dass die Varianz unabhängig von der Richtung des Abstandsvektors ist, d.h. lediglich die Länge des Vektors fließt in die Berechnung des Variogramms ein. h = ( x) + ( y ) Formel : Berechnung des Abstandes eines Wertepaares. Abbildung : Variogrammwolke (Wackernagel 1998: 44). Die Varianz der Wertepaare kann nun, entsprechend Abbildung, in ein Diagramm das Variogramm eingetragen werden. Die Abszisse des Diagramms entspricht dabei der Länge des Abstandsvektors, die Ordinate zeigt die Varianz (WACKERNAGEL 1998: 44). Die 3
5 Darstellung erfolgt bei diesem Beispiel in Form einer Variogrammwolke. Diese zeigt jedoch nur grob den räumlichen Zusammenhang der Daten. Man erkennt, dass die Varianz der Wertepaare mit deren Abstand zunimmt. Eine konkrete Aussage über den räumlichen Zusammenhang der Daten bietet die Variogrammwolke nicht..3 Schätzung des experimentellen Variogramms Eine Annäherung an die geforderte Variogrammfunktion kann durch die Berechnung eines experimentellen Variogramms erfolgen. Die Konstruktion des experimentellen Variogramms erfolgt durch die Berechnung der mittleren Varianz für einzelne Gruppen von Wertepaaren. Die Gruppierung der Wertepaare erfolgt in folgenden Schritten (vgl. Abb. 3). 1. Zunächst müssen die lags bestimmt werden, für die das Variogramm berechnet wird. Der lag increment beschreibt die Größe des Intervalls zwischen einzelnen lags. Das Variogramm wird dann für alle Wertepaare berechnet, deren Abstandsvektor ein Vielfaches des lag incremments als Länge aufweist. Bestimmt man also einen lag increment von 1.5, so wird die Berechnung für die lags 0, 1.5, 3.0, 4.5, usw. durchgeführt.. Bei einer exakten Angabe der lags stehen unter Umständen zu wenige Messwerte pro lag zur Verfügung. Deshalb definiert um ein lag einen Toleranzbereich, so dass auch Werte mit geringfügig von den lags abweichenden Abstandsvektoren zur Berechnung des Variogramms herangezogen werden können. Lag increment und Toleranz sollten so gewählt werden, dass die Anzahl der Werte in einer Gruppe mindestens 30 ergibt. 3. Die Anzahl der Lags bescheibt schließlich bis zu welcher Größe der Abstandsvektoren das Variogramm berechnet wird. Die maximale Größe der Abstandsvektoren sollte kleiner als die Hälfte des Durchmessers des Versuchsfeldes sein (DUMFARTH & LORUP 1999: ; KALUZNY 1998: 69-70). Aus den eben beschriebenen Annahmen ergeben sich Gruppen von Wertepaaren mit ähnlichen Abstandsvektoren. Für diese Gruppen wird nun jeweils die mittlere Varianz nach Formel (3) berechnet. 4
6 1 γ ( h) = ( z m zn ) N( h) Formel 3: Formel für das Variogramm. z m und z n sind die Werte beider Punkte des Wertepaares. N(h) ist die Anzahl der Wertpaare in der zu berechnenden Gruppe (KALUZNY 1998: 68). Die Bezeichnungen Variogramm und Semi-Variogramm werden oft synonym verwendet. Normalerweise ist γ(h) das Semivariogramm und γ(h) das Variogramm (KALUZNY 1998: 68). In dieser Arbeit wird die Bezeichnung Variogramm für die Funktion γ(h) verwendet. Nach den so berechneten Daten kann nun ein Graph gezeichnet werden, der das experimentelle Variogramm darstellt. Dieses Variogramm kann mit Hilfe verschiedener Parameter beschrieben werden (vgl. Abb. 3). Abbildung 3: Das Variogramm mit seinen Eigenschaften (eigene Darstellung, nach KALUZNY 1998: 69). Der Schwellenwert oder sill berechnet sich durch lim h γ(h) und repräsentiert in etwa die statistische Varianz des Datensatzes. Häufig ist der sill jedoch kleiner als die statistische Varianz. 5
7 Die Aussageweite oder range markiert den Punkt, an dem das Variogramm den Schwellenwert erreicht oder überschreitet. Für Wertepaare, deren Abstandsvektor größer als der range ist, kann keine Aussage über den räumlichen Zusammenhang der Daten getroffen werden, da diese Daten nicht autokorreliert sind (KALUZNY 1998: 69). Der nugget effect repräsentiert den Wert der Funktion γ(h) für h=0. Theoretisch müsste die Varianz für ein Wertepaar mit dem Abstandsvektor h=0 ebenfalls 0 sein, da es sich um ein und denselben Punkt handelt. Der Graph müsste demnach durch den Koordinatenursprung des Variogramms verlaufen. Tritt ein nugget effect auf, deutet dies auf das Vorkommen von Messfehlern oder kleinräumige Varianz des Datensatzes (DUMFARTH & LORUP 1999: 6)..4 Omnidirektionale und direktionale Variogramme Bei den bisher genannten Beispielen handelt es sich um isotrope Modelle. Das heißt, dass die Korrelation der Daten unabhängig von der Richtung des Abstandsvektors gegeben ist. Die Varianz eines Wertepaares ist bei gleichem Abstand h in horizontaler bzw. vertikaler Richtung gleich. Die räumliche Korrelation kann in so genannten omnidirektionalen Variogrammen dargestellt werden, bei deren Berechnung die Richtung des Abstandsektors außer Acht gelassen wird. Es treten jedoch häufig Daten auf, bei denen die räumliche Korrelation abhängig von der Richtung des Abstandsvektors ist. Man bezeichnet solche Modelle als anisotrope Modelle. Variogramme für anisotrope Modelle werden nach dem Muster omnidirektionaler Variogramme berechnet. Neben der Gruppierung der Wertepaare, deren Abstandsvektoren eine ähnliche Länge aufweisen, wird nun auch eine Gruppierung nach Richtung der Abstandsvektoren durchgeführt. Dann wird für jede dieser Gruppen ein separates Variogramm berechnet und dargestellt. Winkel, die um 180 differieren können bei der Gruppierung zusammengefasst werden. Zum Beispiel werden Abstandsvektoren mit einer Nord-Abweichung von 90 und solche mit einer Nord-Abweichung von 70 in eine Gruppe geordnet. Die Gruppierung erfolgt auch 6
8 hier unter Einbezug eines bestimmten Toleranzbereiches um die Winkelrichungen, für die ein direktionales Variogramm berechnet wird (KITANIDIS 1997: 113). Signifikante Unterschiede zwischen den einzelnen direktionalen Variogrammen können auf Anisotropie im Datensatz hinweisen. Auch die Richtung der Anisotropie kann aus dem direktionalen Variogramm abgeleitetet werden. Sie wird angezeigt durch den schärfsten Kontrast zwischen Variogrammen mit zueinander orthogonalen Richtungsvektoren (KITANIDIS 1997: 110). 3 Schätzung des theoretischen Variogramms Um ein Variogramm für eine Interpolation räumlicher Daten nutzen zu können, muss dieses durch eine Funktion genau beschrieben werden. Es wird dem experimentellen Variogramm also eine Funktion angepasst, die dessen Verlauf möglichst genau wieder gibt. Man nennt diese Funktion theoretische Variogrammfunktion oder theoretisches Variogramm. Die theoretische Variogrammfunktion wird zumeist halbautomatisch geschätzt. Zunächst wird das Variogrammmodell ausgewählt, dessen Verlauf den Verlauf des experimentellen Variogramms am ehesten entspricht (KALUZNY 1998: 9). Dafür stehen verschiedene Typen von Variogrammmodellen zur Verfügung, die im Folgenden näher erläutert werden. Zur Schätzung des theoretischen Variogramms stehen das exponentielle, das sphärische und das gauss sche Modell zur Verfügung. Die Funktionen und repräsentative Abbildungen sind im Folgenden aufgeführt (KALUZNY 1998: 91). 7
9 Exponentielles Modell (BAILEY & GATRELL 1995: ) Graphische Darstellung Formel ohne nugget effect: Formel mit nugget effect: Sphärisches Modell (BAILEY & GATRELL 1995: ) Graphische Darstellung: Formel ohne nugget effect: Formel mit nugget effect: Gauss sches Modell (BAILEY & GATRELL 1995: ) Graphische Darstellung Formel ohne nugget effect: Formel mit nugget effect: 8
10 Das Gauss sche Variogrammmodell zeigt ein parabelförmiges Verhalten nahe dem Ursprung. Der Graph hat einen Wendepunkt, dieses Modell hat deshalb einen s- förmigen Verlauf. Exponentielles und Sphärisches Variogrammmodell zeigen einen ähnlichen Verlauf mit dem Unterschied, dass das Exponentielle Modell einen stärkeren Anstieg in Richtung sill aufweist. Der Schnittpunkt zwischen sill und der Tangente am Koordinatenursprung liegt beim Exponentiellen Modell bei ca. 1/5 des range, beim Sphärischen Modell liegt der Schnittpunkt bei /3 des range (BAILEY & GATRELL 1995: 180). Die jeweiligen theoretischen Variogrammfunktionen werden durch Einsetzen der Werte für sill und range bestimmt. Diese Werte können aus dem experimentellen Variogramm abgelesen werden. Sollte das experimentelle Variogramm einen nugget effect aufweisen, so muss dieser ebenfalls bei der Bestimmung des theoretischen Variogramms einbezogen werden. Das geschieht durch Addition eine Koonstanten a, die den Wert des nugget effects erhält. Zudem muss eine Fallunterscheidung gemacht werden, da aus bereits beschriebenen Gründen eine Wertepaar mit dem Abstandsvektor h=0 keine Varianz aufweisen kann (BAILEY & GATRELL: 180). 4 Kovariogramm und Korrelogramm Eine weitere Möglichkeit, den Zusammenhang räumlicher Daten in Abhängigkeit ihres Abstandes darzustellen, bieten Kovariogramm und Korrelogramm. Das Kovariogramm zeigt die Kovarianz eines Wertepaares in Abhängigkeit des Abstandsvektors h. Es wird nach Formel (4) berechnet. Abbildung 4: Kovariogramm (BAILEY & GATRELL 1995: 163). 9
11 1 C( h) = ( zm z)( zn z) N( h) Formel 4: Formel für das Kovariogramm. z m und z n sind die Werte beider Punkte des Wertepaares. N(h) ist die Anzahl der Wertpaare in der zu berechnenden Gruppe (BAILEY & GATRELL 1995: 165). Das Kovariogramm (vgl. Abb. 5) zeigt große Ähnlichkeit zum Variogramm; es ist die umgekehrte Darstellung des Variogramms. Die Beziehung zwischen Variogramm und Kovariogramm wird auch durch Formel (5) beschrieben. Kovariogramm und Variogeramm zeigen eine dirkete Abhängigkeit, da das Variogramm durch die Differenz aus statistischer Varianz und Kovariogramm berechnet werden kann (BAILEY & GATRELL 1995: 163). γ ( h) = σ C( h) Formel 5: Zusammenhang zwischen Variogramm und Kovariogram. σ ist die statistische Varianz des gesamten Datensatzes. C(h) ist die Kovarianzfunktion (vgl Formel 4) (BAILEY & GATRELL 1995: 163). Das Korrelogramm ist die graphische Darstellung der Korrelation der Wertepaare in Abhängigkeit des Abstandsvektors h. Die Berechnung des Korrelogramms erfolgt durch Formel (6). Das Korrelogramm kann Werte zwischen 1 und 0 Annehmen. Wertepaare mit geringem Abstand weisen eine hohe Korrelation auf; Paare mit größerem Abstand weisen eine geringe Korrelation auf (vgl. Abb. 5). Abbildung 5: Korellogramm (BAILEY & GATRELL 1995: 163). C( h) ρ( h ) = σ Formel 6: Formel für das Korrelogramm. σ ist die statistische Varianz des gesamten Datensatzes. C(h) ist die Kovarianzfunktion (vgl. Formel 4). 10
12 Die entsprechenden theoretischen Modelle können aus der erläuterten Beziehung zwischen Variogramm und Kovariogramm (vgl. Formel 5) abgeleitet werden (BAILEY & GATRELL 1995: 179). 5 Zusammenfassung Das Variogramm bietet die Möglichkeit zur Darstellung räumlicher Varianz eines gegebenen Datensatzes. Die Varianz wird durch einer Funktion beschrieben. Zur Berechnung der Funktion wird zunächst aus den vorliegenden Daten ein experimentelles Variogramm abgeleitet, das dann Grundlage zur Bestimmung der der geforderten Variogrammfunktion, dem theoretischen Variogramm, ist. Weitere Möglichkeiten den räumlichen Zusammenhang von Daten zu beschreiben bieten das Kovariogramm und das Korrlogramm. Die berechnete Variogrammfunktion kann dann einem statistischen Interpolationsverfahren, wie dem Kriging zu Grunde gelegt werden. 11
13 Literatur BAILEY, T.C. & GATRELL (1995): Interactive Spatial Data Analysis. Essex. DUMFARTH, E. & E. LORUP (1999): Explorative Variographie: Kontinuität im Raum. Vorlesungsskript Geostatistik I: Theorie und Praxis. pdf, Zugriff am: KALUZNY, S. P. (1998): S+SpatialStats: User s manual for Windows and Unix. New York. KITANIDIS, P.K. (1997): Introduction to Geostatistics. Applications in Hydrogeology. Camebridge. WACKERNAGEL, H. (1998): Multivariate Geostatistics. An Introduction with Applications. Berlin und Heidelberg. 1
Flächenbildung durch Interpolation von diskreten Punktdaten
Flächenbildung durch Interpolation von diskreten Punktdaten Praktische Anwendung von Thiessen-Polygonen als Methode der Regionalisierung im GIS Koris Forum 14.Okt.2010 Corinna Mundzeck Vortragsübersicht
MehrEinführung. Ablesen von einander zugeordneten Werten
Einführung Zusammenhänge zwischen Größen wie Temperatur, Geschwindigkeit, Lautstärke, Fahrstrecke, Preis, Einkommen, Steuer etc. werden mit beschrieben. Eine Zuordnung f, die jedem x A genau ein y B zuweist,
MehrBlockkurs Geowissenschaftliches Modellieren
Blockkurs Geowissenschaftliches Modellieren Modul: Isolinien und digitales Geländemodell Prof. B. Merkel, Dipl.-Geol. Y. Lindig 2./3.4.2009 Bemerkungen Abgabe des Protokolls in Berichtsform Abgabetermin:
MehrGeostatistik und Anwendungen im Precision Farming
Geostatistik und Anwendungen im Precision Farming Irina Kuzyakova Institut für Pflanzenbau und Grünland Precision Farming Managementstrategie, die die räumlichen Informationstechnologien benutzt, um Entscheidungen
MehrKapitel 7. Regression und Korrelation. 7.1 Das Regressionsproblem
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandelt die Verteilung einer Variablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem
MehrLernunterlagen Vektoren in R 2
Die Menge aller reellen Zahlen wird mit R bezeichnet, die Menge aller Paare a 1 a 2 reeller Zahlen wird mit R 2 bezeichnet. Definition der Menge R 2 : R 2 { a 1 a 2 a 1, a 2 R} Ein Zahlenpaar a 1 a 2 bezeichnet
MehrAufgabenanalyse Pflichtaufgabe 2 Ganzrationale Funktionen Seite 1 von 10
Aufgabenanalyse Pflichtaufgabe Ganzrationale Funktionen Seite von Allgemeines zur Aufgabenstellung: Die Aufgabenstellung gibt in der Regel eine kubische Funktion in ihrer allgemeinen Form oder in ihrer
MehrAnalyse eines zweistufigen, regionalen Clusteralgorithmus am Beispiel der Verbundenen Wohngebäudeversicherung
Analyse eines zweistufigen, regionalen Clusteralgorithmus am Beispiel der Verbundenen Wohngebäudeversicherung Zusammenfassung der Diplomarbeit an der Hochschule Zittau/Görlitz Maria Kiseleva Motivation
MehrProtokoll Grundpraktikum: O1 Dünne Linsen
Protokoll Grundpraktikum: O1 Dünne Linsen Sebastian Pfitzner 22. Januar 2013 Durchführung: Sebastian Pfitzner (553983), Jannis Schürmer (552892) Arbeitsplatz: 3 Betreuer: A. Ahlrichs Versuchsdatum: 16.01.2013
MehrOhmscher Spannungsteiler
Fakultät Technik Bereich Informationstechnik Ohmscher Spannungsteiler Beispielbericht Blockveranstaltung im SS2006 Technische Dokumentation von M. Mustermann Fakultät Technik Bereich Informationstechnik
MehrKapitel 7. Crossvalidation
Kapitel 7 Crossvalidation Wie im Kapitel 5 erwähnt wurde, ist die Crossvalidation die beste Technik, womit man die Genauigkeit der verschiedenen Interpolationsmethoden überprüft. In diesem Kapitel wurde
MehrRegression und Korrelation
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandeltdie VerteilungeinerVariablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem dagegen
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 2017/18 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2017 Steven Köhler Wintersemester 2017/18 Inhaltsverzeichnis Teil 1 Teil
MehrDieses Kapitel vermittelt:
2 Funktionen Lernziele Dieses Kapitel vermittelt: wie die Abhängigkeit quantitativer Größen mit Funktionen beschrieben wird die erforderlichen Grundkenntnisse elementarer Funktionen grundlegende Eigenschaften
MehrBei näherer Betrachtung des Diagramms Nr. 3 fällt folgendes auf:
18 3 Ergebnisse In diesem Kapitel werden nun zunächst die Ergebnisse der Korrelationen dargelegt und anschließend die Bedingungen der Gruppenbildung sowie die Ergebnisse der weiteren Analysen. 3.1 Ergebnisse
Mehrunabhängigen Variablen Eine Funktion dient der Beschreibung von Zusammenhängen zwischen mehreren verschiedenen Faktoren.
Funktionsbegriff 2.1 2 Funktionen mit einer unabhängigen Variablen 2.1 Funktionsbegriff Eine Funktion dient der Beschreibung von Zusammenhängen zwischen mehreren verschiedenen Faktoren. In den Wirtschaftswissenschaften
MehrEinführungsbeispiel Kostenfunktion
Einführungsbeispiel Kostenfunktion Sie bauen eine Fabrik für Luxusautos auf und steigern die Produktion jeden Monat um 1000 Stück. Dabei messen Sie die jeweiligen Kosten und stellen sie grafisch dar. Die
Mehr3. Analyse der Kamerabewegung Video - Inhaltsanalyse
3. Analyse der Kamerabewegung Video - Inhaltsanalyse Stephan Kopf Bewegungen in Videos Objektbewegungen (object motion) Kameraoperationen bzw. Kamerabewegungen (camera motion) Semantische Informationen
MehrEinführung in die Fehlerrechnung und Messdatenauswertung
Grundpraktikum der Physik Einführung in die Fehlerrechnung und Messdatenauswertung Wolfgang Limmer Institut für Halbleiterphysik 1 Fehlerrechnung 1.1 Motivation Bei einem Experiment soll der Wert einer
MehrLösungen zur Prüfung 2014: Pflichtteil
Pflichtteil Lösungen zur Prüfung : Pflichtteil Benötigte Kenntnisse: Analysis: Ableiten mit Produktregel, Integral mit Stammfunktion berechnen, Gleichung lösen, Kosinusfunktion, Nullstellen, Funktionswerte
MehrEffizienz & Gütekriterien
Prozessmodellierung II Effizienz & Gütekriterien Linda Spazier Matrikel: 93515 Linda.Spazier@uni jena.de 25.05.2009 GEO 241 Modellierung von Systemen 1 Effizienz und Gütekriterien Stellen Übereinstimmungen
Mehrvertikale effektive Spannung log σ' z [kpa] M E ' 1
Aufgabe 1: Ödometerversuch Im Labor wurde an einem Seebodenlehm ein Ödometerversuch durchgeführt. Im Folgenden ist eine kure Übersicht der Messresultate usammengestellt, mit denen im Weiteren dieses Musterbeispieles
MehrGrundlagen der Vektorrechnung
Grundlagen der Vektorrechnung Ein Vektor a ist eine geordnete Liste von n Zahlen Die Anzahl n dieser Zahlen wird als Dimension des Vektors bezeichnet Schreibweise: a a a R n Normale Reelle Zahlen nennt
Mehr7. Stochastische Prozesse und Zeitreihenmodelle
7. Stochastische Prozesse und Zeitreihenmodelle Regelmäßigkeiten in der Entwicklung einer Zeitreihe, um auf zukünftige Entwicklung zu schließen Verwendung zu Prognosezwecken Univariate Zeitreihenanalyse
MehrKurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof. Dr. Ulrich Reif
14 Oktober 2008 1 Kurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof Dr Ulrich Reif Inhalt: 1 Vektorrechnung 2 Lineare Gleichungssysteme 3 Matrizenrechnung 4 Lineare Abbildungen 5 Eigenwerte
MehrKorrespondenzanalyse
Seite 1 von 5 Korrespondenzanalyse Ziel der Korrespondenzanalyse... 1 Anforderungen an die Daten (Stärke des Verfahrens)... 1 Einordnung in die multivariaten Verfahren... 1 Normierung der Daten... 1 Festlegung
MehrEinführung in die medizinische Bildverarbeitung WS 12/13
Einführung in die medizinische Bildverarbeitung WS 12/13 Stephan Gimbel Kurze Wiederholung Landmarkenbasierte anhand anatomischer Punkte interaktiv algorithmisch z.b. zur Navigation im OP Markierung von
MehrHerleitung der Formel für die Krümmung von Funktionsgraphen
Herleitung der Formel für die Krümmung von Funktionsgraphen mit Hilfe der Beispiele f(x) = x 2 und f(x) = x 4 Jens Weitendorf Kurzfassung des Inhalts: In dem Artikel wird in einer kurzen Einheit dargestellt,
MehrPhysikprotokoll: Fehlerrechnung. Martin Henning / Torben Zech / Abdurrahman Namdar / Juni 2006
Physikprotokoll: Fehlerrechnung Martin Henning / 736150 Torben Zech / 7388450 Abdurrahman Namdar / 739068 1. Juni 2006 1 Inhaltsverzeichnis 1 Einleitung 3 2 Vorbereitungen 3 3 Messungen und Auswertungen
MehrGrundkompetenzkatalog. Mathematik
Grundkompetenzkatalog Mathematik AG - Algebra und Geometrie AG 1.1 AG 1.2 AG 2.1 AG 2.2 AG 2.3 AG 2.4 AG 2.5 AG 3.1 AG 3.2 AG 3.3 Wissen über Zahlenmengen N, Z, Q, R, C verständig einsetzen Wissen über
Mehr4. Empirische Momente von ZR. 4. Empirische Momente von ZR. 4. Empirische Momente von ZR. 4. Empirische Momente von ZR
Im Allgemeinen wird sich das Verhalten einer ZR über die Zeit ändern, z.b. Trend, saisonales Verhalten, sich verändernde Variabilität. Eine ZR wird als stationär bezeichnet, wenn sich ihr Verhalten über
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrFunktionen in der Mathematik
R. Brinkmann http://brinkmann-du.de Seite 05.0.008 Funktionen in der Mathematik Bei der mathematischen Betrachtung natürlicher, technischer oder auch alltäglicher Vorgänge hängt der Wert einer Größe oft
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
Mehr12GE1 - Wiederholung - Verbesserung Praktikum 01
12GE1 - Wiederholung - Verbesserung Praktikum 01 Raymond KNEIP, LYCÉE DES ARTS ET MÉTIERS September 2015 1 Die gleichförmige Bewegung Dritte Reihe der Tabelle: s/t (m/s) (F.I.) 0.5 0.5 0.5 0.5 a. Der Quotient
MehrAnalyse von zeitlichen Variationen bei unregelmäßig vorliegenden räumlichen Daten
. Analyse von zeitlichen Variationen bei unregelmäßig vorliegenden räumlichen Daten Geodätische Woche 2010 1 Andreas Ernst und Wolf-Dieter Schuh 7. Oktober 2010 Motivation Räumliche Daten entstehen inzwischen
MehrKonfirmatorische Faktorenanalyse. Regressionsmodelle für Politikwissenschaftler
Konfirmatorische Faktorenanalyse Regressionsmodelle für Politikwissenschaftler Was ist ein Faktor? Faktor oder latente Variable Regressionsmodelle für Politikwissenschaftler Konfirmatorische Faktorenanalyse
Mehr1 Messfehler. 1.1 Systematischer Fehler. 1.2 Statistische Fehler
1 Messfehler Jede Messung ist ungenau, hat einen Fehler. Wenn Sie zum Beispiel die Schwingungsdauer eines Pendels messen, werden Sie - trotz gleicher experimenteller Anordnungen - unterschiedliche Messwerte
MehrStandardisierte kompetenzorientierte schriftliche Reifeprüfung. Mathematik. Korrekturheft zur Probeklausur März 2014.
Standardisierte kompetenzorientierte schriftliche Reifeprüfung Mathematik Korrekturheft zur Probeklausur März 2014 Teil-1-Aufgaben Aufgabe 1 Gleichung interpretieren + y = 24 = 2y Ein Punkt ist genau dann
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun http://blog.ruediger-braun.net Heinrich-Heine-Universität Düsseldorf 10. Dezember 2014 1 Datenpaare Korrelation 2 Lineare Regression Problemstellung Beispiel
MehrStatistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de
rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent
MehrDas Wichtigste auf einen Blick
Das Wichtigste auf einen Blick Zusammenfassung Geometrie.Parameterform einer Geraden Eine Gerade ist wie auch in der Analysis durch zwei Punkte A, B im Raum eindeutig bestimmt einer der beiden Punkte,
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übung 3 1 Inhalt der heutigen Übung Vorrechnen der Hausübung B.7 Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben C.1: Häufigkeitsverteilung C.2: Tukey
MehrMathematische Grundlagen für die Vorlesung. Differentialgeometrie
Mathematische Grundlagen für die Vorlesung Differentialgeometrie Dr. Gabriele Link 13.10.2010 In diesem Text sammeln wir die nötigen mathematischen Grundlagen, die wir in der Vorlesung Differentialgeometrie
MehrStatistik, Geostatistik
Geostatistik Statistik, Geostatistik Statistik Zusammenfassung von Methoden (Methodik), die sich mit der wahrscheinlichkeitsbezogenen Auswertung empirischer (d.h. beobachteter, gemessener) Daten befassen.
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 8.-10. Januar 2010 BOOTDATA.GDT: 250 Beobachtungen für die Variablen... cm:
MehrFehler- und Ausgleichsrechnung
Fehler- und Ausgleichsrechnung Daniel Gerth Daniel Gerth (JKU) Fehler- und Ausgleichsrechnung 1 / 12 Überblick Fehler- und Ausgleichsrechnung Dieses Kapitel erklärt: Wie man Ausgleichsrechnung betreibt
MehrGeometrie. Bei der Addition von Vektoren erhält man einen Repräsentanten des Summenvektors +, indem man die Repräsentanten von aneinanderfügt:
Geometrie 1. Vektoren Die Menge aller zueinander parallelen, gleich langen und gleich gerichteten Pfeile werden als Vektor bezeichnet. Jeder einzelne Pfeil heißt Repräsentant des Vektors. Bei Ortsvektoren:
MehrMathematische Grundlagen
Mathematische Grundlagen Ökonomische Entscheidungen und Märkte IK Alexander Ahammer Institut für Volkswirtschaftslehre Johannes Kepler Universität Linz Letztes Update: 6. Oktober 2017, 12:57 Alexander
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 7 11. Mai 2010 Kapitel 8. Vektoren Definition 76. Betrachten wir eine beliebige endliche Anzahl von Vektoren v 1, v 2,..., v m des R n, so können
MehrStatistik III. Walter Zucchini Fred Böker Andreas Stadie
Statistik III Walter Zucchini Fred Böker Andreas Stadie Inhaltsverzeichnis 1 Zufallsvariablen und ihre Verteilung 1 1.1 Diskrete Zufallsvariablen........................... 1 1.2 Stetige Zufallsvariablen............................
MehrAnpassungsrechnungen mit kleinsten Quadraten und Maximum Likelihood
Anpassungsrechnungen mit kleinsten Quadraten und Maximum Likelihood KARLSRUHER INSTITUT FÜR TECHNOLOGIE (KIT) 0 KIT 06.01.2012 Universität des Fabian Landes Hoffmann Baden-Württemberg und nationales Forschungszentrum
MehrPflichtteil Wahlteil Analysis Wahlteil Analysis Wahlteil Analysis Wahlteil Analytische Geometrie 1...
Pflichtteil... Wahlteil Analysis... Wahlteil Analysis... Wahlteil Analysis 3... 5 Wahlteil Analytische Geometrie... Wahlteil Analytische Geometrie... Lösungen: 00 Pflichtteil Lösungen zur Prüfung 00: Pflichtteil
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
Mehr3 GEOSTATISTIK 25. Erwartungswertfunktion, räumlicher Trend. . c(s i,s j ) i=1,...,n; j=1,...,n
3 GEOSTATISTIK 5 3 Geostatistik 3.1 Gauß-Prozesse Definition 3.1. (Gauß-Zufallsfelder) Y = Y (s), s D R d heißt Gauß-Zufallsfeld der Dimension d (Gauß-ZF oder Gaussian random field (GRF) oder Gauß-Prozess):,
MehrMonte-Carlo Tests. Diplomarbeit. Wiebke Werft. Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf
Monte-Carlo Tests Diplomarbeit Wiebke Werft Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Düsseldorf im Dezember 2003 Betreuung: Prof. Dr. Arnold Janssen Inhaltsverzeichnis Einleitung
MehrANALYSIS. 3. Extremwertaufgaben (folgt)
ANALYSIS 1. Untersuchung ganzrationaler Funktionen 1.1 Symmetrie 2 1.2 Ableitung 2 1.3 Berechnung der Nullstellen 3 1.4 Funktionsuntersuchung I 4 1.5 Funktionsuntersuchung II 6 2. Bestimmung ganzrationaler
MehrÄhnlichkeits- und Distanzmaße
Ähnlichkeits- und Distanzmaße Jörg Rahnenführer, Multivariate Verfahren, WS89, TU Dortmund 11.1.8-1 - Ähnlichkeits- und Distanzmaße Jörg Rahnenführer, Multivariate Verfahren, WS89, TU Dortmund 11.1.8 -
Mehr3. Versuch M2 - Trägheitsmomente. zum Physikalischen Praktikum
HUMBOLDT-UNIVERSITÄT ZU BERLIN INSTITUT FÜR PHYSIK 3. Versuch M2 - Trägheitsmomente zum Physikalischen Praktikum Bearbeitet von: Andreas Prang 504337 Jens Pöthig Abgabe in der Übung am 10.05.2005 Anlagen:
MehrAnalytische Geometrie Spatprodukt
Analytische Geometrie Spatprodukt David Schmid, Reto Da Forno Kantonsschule Schüpfheim Januar 2005 Analytische Geometrie: Das Spatprodukt 1 Das Spatprodukt Hinweis: Die Vektoren werden aus darstellungstechnischen
MehrCox-Regression. Ausgangspunkt Ansätze zur Modellierung von Einflussgrößen Das Cox-Modell Eigenschaften des Cox-Modells
Cox-Regression Ausgangspunkt Ansätze zur Modellierung von Einflussgrößen Das Cox-Modell Eigenschaften des Cox-Modells In vielen Fällen interessiert, wie die Survivalfunktion durch Einflussgrößen beeinflusst
MehrGraphische Verfahren in der Statistik: Q-Q- und P-P-Plots
Prof. Dr. Dietmar Pfeifer Institut für Mathemati Graphische Verfahren in der Statisti: Q-Q- und P-P-Plots Bei den üblichen parametrischen Testverfahren in der Statisti wird in der Regel eine Annahme über
MehrGraphische Darstellung einer univariaten Verteilung:
Graphische Darstellung einer univariaten Verteilung: Die graphische Darstellung einer univariaten Verteilung hängt von dem Messniveau der Variablen ab. Bei einer graphischen Darstellung wird die Häufigkeit
MehrMittelwert Median Stabw StabwN 1. Quartil 3. Quartil 27,22 % 26,06 % 8,07 % 8,03 % 22,12 % 31,25 %
3. a) Mit Hilfe der Excel-Funktionen Mittelwert(DB), Median(DB), Stabw(DB) sowie Quantil(DB;P) 1 werden aus den gegebenen Leberfettgehaltmessdaten Mittelwert, Median, Standardabweichung (Stabw) sowie das
MehrInhaltsverzeichnis. Vorwort. Abbildungsverzeichnis. Tabellenverzeichnis. 1 Einleitung Gegenstand Aufbau 4
Inhaltsverzeichnis Vorwort Abbildungsverzeichnis Tabellenverzeichnis v xv xvii 1 Einleitung 1 1.1 Gegenstand 1 1.2 Aufbau 4 2 Datenerhebung - ganz praktisch 7 2.1 Einleitung 7 2.2 Erhebungsplan 7 2.2.1
MehrZusammenfassung der Analytischen Geometrie
Zusammenfassung der Analytischen Geometrie 1. Rechnen mit Vektoren (Addition, Subtraktion, S-Multiplikation, Linearkombinationen) 1. Gegeben sind die Punkte A(2-6 ) und B(-1 14-4), 4 4 sowie die Vektoren
MehrPflichtteil Wahlteil Analysis Wahlteil Analysis Wahlteil Analysis Wahlteil Analytische Geometrie 1...
Pflichtteil Wahlteil Analysis 8 Wahlteil Analysis Wahlteil Analysis 9 Wahlteil Analytische Geometrie Wahlteil Analytische Geometrie 9 Lösungen: Pflichtteil Lösungen zur Prüfung : Pflichtteil Benötigte
MehrStatistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli
MehrGamma-Spektroskopie und Statistik Versuch P2-72,73,83
Auswertung Gamma-Spektroskopie und Statistik Versuch P2-72,73,83 Iris Conradi und Melanie Hauck Gruppe Mo-02 20. Mai 2011 Inhaltsverzeichnis Inhaltsverzeichnis 1 Impulshöhenspektren 3 1.1 Einkanalbetrieb................................
MehrModul 241. Systemen. Modellierung des Wachstums der. Weltbevölkerung - Definition
Modul 241 Modellierung von Systemen Modellierung des Wachstums der Weltbevölkerung Weltbevölkerung - Definition Der Begriff Weltbevölkerung bezeichnet die geschätzte Anzahl der Menschen, die zu einem bestimmten
MehrForschungsstatistik I
Psychologie Prof. Dr. G. Meinhardt 6. Stock, TB II R. 06-206 (Persike) R. 06-321 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrVersuch 11 Einführungsversuch
Versuch 11 Einführungsversuch I Vorbemerkung Ziel der Einführungsveranstaltung ist es Sie mit grundlegenden Techniken des Experimentierens und der Auswertung der Messdaten vertraut zu machen. Diese Grundkenntnisse
MehrLineare Funktion. Wolfgang Kippels 21. März 2011
Lineare Funktion Wolfgang Kippels. März 0 Inhaltsverzeichnis Grundlegende Zusammenhänge. Aufbau der Linearen Funktion......................... Nullstellenbestimmung............................. Schnittpunktbestimmung............................
MehrStatistik-Klausur vom
Statistik-Klausur vom 27.09.2010 Bearbeitungszeit: 60 Minuten Aufgabe 1 Ein international tätiges Unternehmen mit mehreren Niederlassungen in Deutschland und dem übrigen Europa hat seine überfälligen Forderungen
MehrLineare Funktion. Wolfgang Kippels 3. November Inhaltsverzeichnis
Lineare Funktion Wolfgang Kippels. November 0 Inhaltsverzeichnis Grundlegende Zusammenhänge. Aufbau der Linearen Funktion......................... Nullstellenbestimmung............................. Schnittpunktbestimmung............................
MehrKonfirmatorische Faktorenanalyse
Konfirmatorische Faktorenanalyse Regressionsmodelle für Politikwissenschaftler Was ist ein Faktor? Faktor oder latente Variable nicht direkt beobachtbare Größe die beobachtbare Variablen ( Indikatoren
Mehr1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte. D. Horstmann: Oktober
1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte D. Horstmann: Oktober 2014 4 Graphische Darstellung von Daten und unterschiedliche Mittelwerte Eine Umfrage nach der Körpergröße
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 05. Dezember 2012 1 Datenpaare Korrelation 2 Lineare Regression Problemstellung Beispiel Bleibelastung 3 Regression
MehrAngewandte Statistik mit R
Reiner Hellbrück Angewandte Statistik mit R Eine Einführung für Ökonomen und Sozialwissenschaftler 2., überarbeitete Auflage B 374545 GABLER Inhaltsverzeichnis Vorwort zur zweiten Auflage Tabellenverzeichnis
MehrDatenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse (PHY23) Herbstsemester 207 Olaf Steinkamp 36-J-05 olafs@physik.uzh.ch 044 63 55763 Vorlesungsprogramm Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung
MehrPhysikalische Übungen für Pharmazeuten
Helmholtz-Institut für Strahlen- und Kernphysik Seminar Physikalische Übungen für Pharmazeuten Ch. Wendel Max Becker Karsten Koop Dr. Christoph Wendel Übersicht Inhalt des Seminars Praktikum - Vorbereitung
MehrDas (multiple) Bestimmtheitsmaß R 2. Beispiel: Ausgaben in Abhängigkeit vom Einkommen (I) Parameterschätzer im einfachen linearen Regressionsmodell
1 Lineare Regression Parameterschätzung 13 Im einfachen linearen Regressionsmodell sind also neben σ ) insbesondere β 1 und β Parameter, deren Schätzung für die Quantifizierung des linearen Zusammenhangs
Mehr13 Mehrdimensionale Zufallsvariablen Zufallsvektoren
3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem
MehrBeschränktheit, Monotonie & Symmetrie
Beschränktheit, Monotonie & Symmetrie ein Referat Dies ist eine Beilage zum Gruppen-SOL - Projekt Potenz- & Exponentialfunktionen Ronald Balestra CH - 8046 Zürich www.ronaldbalestra.ch November 2015 Inhaltsverzeichnis
MehrPflichtteil Wahlteil Analysis Wahlteil Analysis Wahlteil Analysis Wahlteil Analytische Geometrie 1...
Pflichtteil... Wahlteil Analysis... 7 Wahlteil Analysis... Wahlteil Analysis... Wahlteil Analytische Geometrie... 9 Wahlteil Analytische Geometrie... 008 Pflichtteil Lösungen zur Prüfung 008: Pflichtteil
MehrE. AUSBAU DER INFINITESIMALRECHNUNG
151 Dieses Skript ist ein Auszug mit Lücken aus Einführung in die mathematische Behandlung der Naturwissenschaften I von Hans Heiner Storrer, Birkhäuser Skripten. Als StudentIn sollten Sie das Buch auch
MehrStatistik. Ronald Balestra CH St. Peter
Statistik Ronald Balestra CH - 7028 St. Peter www.ronaldbalestra.ch 17. Januar 2010 Inhaltsverzeichnis 1 Statistik 1 1.1 Beschreibende Statistik....................... 1 1.2 Charakterisierung von Häufigkeitsverteilungen...........
MehrLK Lorentzkraft. Inhaltsverzeichnis. Moritz Stoll, Marcel Schmittfull (Gruppe 2) 25. April Einführung 2
LK Lorentzkraft Blockpraktikum Frühjahr 2007 (Gruppe 2) 25. April 2007 Inhaltsverzeichnis 1 Einführung 2 2 Theoretische Grundlagen 2 2.1 Magnetfeld dünner Leiter und Spulen......... 2 2.2 Lorentzkraft........................
Mehr1 Lambert-Beersches Gesetz
Physikalische Chemie II Lösung 6 23. Oktober 205 Lambert-Beersches Gesetz Anhand des idealen Gasgesetzes lässt sich die Teilchenkonzentration C wie folgt ausrechnen: C = N V = n N A V pv =nrt = N A p R
MehrElastizität und Torsion
INSTITUT FÜR ANGEWANDTE PHYSIK Physikalisches Praktikum für Studierende der Ingenieurswissenschaften Universität Hamburg, Jungiusstraße 11 Elastizität und Torsion 1 Einleitung Ein Flachstab, der an den
MehrBegleitmaterial zur Vorlesung. Fehlerrechnung und Fehlerabschätzung bei physikalischen Messungen
Institut für Technische Thermodynamik und Kältetechnik Leiter: Prof. Dr.-Ing. K. Schaber Begleitmaterial zur Vorlesung Fehlerrechnung und Fehlerabschätzung bei physikalischen Messungen Verfasst von Dr.
MehrGeometrische Optik. Praktikumsversuch am Gruppe: 3. Thomas Himmelbauer Daniel Weiss
Geometrische Optik Praktikumsversuch am 17.11.2010 Gruppe: 3 Thomas Himmelbauer Daniel Weiss Abgegeben am: 24.11.2010 Inhaltsverzeichnis 1 Einleitung 2 2 Bestimmung der Brennweite einer Linse 2 3 Mikroskop
Mehrd 2 b 2 c 2 d 3 b 3 c 3 , D a 1 d 1 c 1 v 3 Definiton (Verbindungsvektor): Zwei Punkte A(a 1 a 2 a 3 ) und B(b 1 b 2 b 3 ) legen den Vektor b 1 a 1
2008/2009 Das Wichtigste in Kürze Klasse 3 Lineare Gleichungssysteme und Determinanten Definiton (Lineare Gleichungssysteme: Lineare Gleichungssysteme löst man entweder mit dem Gauß-Algorithmus oder nach
MehrWiederholungsblatt Elementargeometrie LÖSUNGSSKIZZE
Wiederholungsblatt Elementargeometrie im SS 01 bei Prof. Dr. S. Goette LÖSUNGSSKIZZE Die Lösungen unten enthalten teilweise keine vollständigen Rechnungen. Es sind aber alle wichtigen Zwischenergebnisse
Mehr(x 1. Vektoren. g: x = p + r u. p r (u1. x 2. u 2. p 2
Vektoren Mit der Vektorrechnung werden oft geometrische Probleme gelöst. Wenn irgendwelche Aufgabenstellungen geometrisch darstellbar sind, z.b. Flugbahnen oder Abstandsberechnungen, dann können sie mit
MehrQuick- und INR-Werte
Quick- und INR-Werte Univ.-Prof. Dr.-Ing. habil. Josef BETTEN RWTH Aachen University Mathematical Models in Materials Science and Continuum Mechanics Augustinerbach 4-20 D-52056 A a c h e n, Germany
Mehr(f(xi ) y i ) 2. minimal ist: man will also die Summe der quadratischen Abweichungen minimieren ... f(x i ) y i, i=1 (t x i) 2
Mathematik für Biologen, Biotechnologen und Biochemiker Lineare Regression Gegeben seien Datenpaare (, ), (, ),, ( n, n ) Wir stellen die Frage, ob sich die Zahlen i als Werte einer linearen Funktion i
MehrPraktikum Optische Technologien Anleitung zum Versuch Dicke Linsen
Fachbereich Energietechnik Lehrgebiet für Lasertechnik und Optische Technologien Prof. Dr. F.-M. Rateike Praktikum Optische Technologien Anleitung zum Versuch Dicke Linsen August 204 Praktikum Optische
Mehr