Sind Sie mit unserem Angebot zufrieden? ja nein weiß nicht
|
|
- Erica Böhler
- vor 6 Jahren
- Abrufe
Transkript
1 STATISTIK Eiführug Statistik kommt vom italieische Wort statistica, was so viel wie Staatsma bedeutet. Früher verwedete ma de Begriff ur für eie Auswertug vo Date (Klima, Bevölkerug, Bräuche,...) eies Staates. Grudlage der Statistik sid Date. Ma uterscheidet i der Statistik zwische qualitative ud quatitative Variable. Eie qualitative Variable ist zum Beispiel das Geschlecht. Hierbei ist keie Zahl die Atwort, soder etweder mälich oder weiblich. Eie quatitative Variable ist zum Beispiel die Körpergröße, de hierbei ist eie Zahl (z.b. 182cm) die Atwort. Bei quatitative Variable ka ma gaz eifach de Mittelwert erreche. Bei qualitative geht das auch, jedoch kommt da ei Wert heraus, der icht real vorkommt (z.b. ¾ Ma). Ma hört auch oft die Begriffe stetig ud diskret. Diskret bedeutet, eie Variable ist edlich oder abzählbar, bei eier stetige Variable ka diese jede beliebige Wert (also auch Werte mit uedlich viele Nachkommastelle) aehme. Beispiele: We ma würfelt oder zählt, wie viele Studierede a eier Ui sid, so hadelt es sich um diskrete Zahle (es ka icht 2, herauskomme). We ma die Größe eier Perso betrachtet, so hadelt es sich um eie stetige Variable, weil es irgedetwas zwische eiem ud drei Meter sei ka. Auch das Alter ist eie stetige Variable, weil ma zu jedem Zeitpukt aders alt ist, also zum Beispiel jetzt gerade 34 Jahre, 3 Moate, 5 Tage, 4 Stude, 1 Miute, 55 Sekude, 33 Hudertstel, Diese Variable wird aber diskret agegebe (also ma ist etweder 34 oder 35, ma rechet icht mit Nachkommastelle beim Alter) Sid Sie mit userem Agebot zufriede? ja ei weiß icht gibt och viele weitere Möglichkeite, Dia-gramme zu verfälsche. Statistische Kegröße 1. Häufigkeite Diese Date werde oft mithilfe vo Diagramme dargestellt. Hierbei muss ma wisse, dass ma mit Diagramme eiiges beschöige/verfälsche ka. Lässt ma z.b. die Achse icht bei Null begie, so werde kleie Uterschiede viel dramatischer dargestellt (Bild). Ma ka zum Beispiel auch kleie Jahres- Umsatzeibuße bei Firme wegkaschiere idem ma ur jedes zweite Jahr am Diagramm darstellt. Es Uter Häufigkeit versteht ma die Azahl vo Ereigisse/Werte/Objekte i eiem Zeitraum oder i eier Liste. Wir uterscheide hier drei verschiedee Häufigkeite: Absolute Häufigkeit Relative Häufigkeit Prozetuelle Häufigkeit Sid Sie mit userem Agebot zufriede? ja ei weiß icht
2 Absolute Häufigkeit: Diese Wert bekommt ma z.b. durch das Abzähle der Striche eier Strichliste. Relative Häufigkeit: Diese Wert errechet ma, idem ma de Wert der absolute Häufigkeit durch die gesamte Werte dividiert. Prozetuelle Häufigkeit: Ist die relative Häufigkeit i Prozet ausgedrückt. Beispiel: Welche Haarfarbe komme i der Schulklasse mit 30 Schülerie ud Schüler vor? Zuerst werde alle Schülerie ud Schüler ach ihrer Haarfarbe befragt, ud aschließed wird eie Tabelle erstellt. Haarfarbe absolute Häufigkeit relative Häufigkeit prozetuelle Häufigkeit schwarz 8 0,27 27 % dukelbrau 3 0,1 10 % brau 6 0,2 2 % dukelblod 5 0,17 17 % blod 7 0,23 23 % rot 1 0,03 3 % 2. Zetralmaße Die Zetralmaße versuche, die Date durch eie "mittlere Wert" zu beschreibe. Hierbei gibt es aber ebe dem klassische Mittelwert auch och de Modus ud de Media. a. Mittelwert (=arithmetisches Mittel) x = x 1+x 2 +x x bzw. x = 1 i=1 x i Der Mittelwert ist die am häufigste verwedete Variable i der Statistik. Er errechet sich aus der Summe der Werte, dividiert durch die Azahl der Werte. Bsp.: Note eies Tests: 2, 4, 5, 3, 4, 1, 1, 4 => Mittelwert: 24 (Summe der Werte) / 8 (Azahl) = 3 Allerdigs ist ei Mittelwert sehr empfidlich für so geate Ausreißer, also Werte die besoders hoch oder tief sid. Ei Beispiel wäre das Durchschittseikomme. Hierbei ka es auch i der ausgewertete Gruppe ei paar Ausreißer gebe, die besoders viel verdiee ud damit de Durchschitt extrem ahebe (9 Persoe verdiee 1.000, die zehte => Mittelwert über ). We es Werte gibt, die sehr große Uterschiede zu de restliche aufweise, hat der Mittelwert keie Aussagekraft mehr. Ma muss also vor der Berechug des Mittelwertes überprüfe, ob dieser auch eie Si macht. Es gibt aber auch eie adere Kewert, der icht so sesibel auf Ausreißer reagiert. Dieser heißt Media. b. Media Der Media ist derjeige Wert, der bei eier geordete Liste (auf- oder absteiged) geau i der Mitte liegt. Bsp.: Alter eier Fußballmaschaft (bereits geordet): 15, 16, 17, 17, 21, 22, 22, 23, 24, 24, 26, 48 Der Mittelwert würde hier das Ergebis verfälsche, weil es mit 48 eie Ausreißer gibt. Der Media ist der Wert, der i der Mitte der geordete Liste liegt, i dem Fall 22. Liege zwei Werte i der Mitte, so wird aus diese der Mittelwert gebildet. Bsp.: {1, 2, 3, 4, 5, 6} Die zwei Werte die geau i der Mitte liege sid 3 ud 4 => Media: 3,5
3 c. Modus Der Modus oder auch Modalwert geat, ist bei eier Liste vo Messwerte, jeer Wert, der am öfteste vorkommt. Beispiel mit eiem häufigste Wert: {1, 1, 1, 3, 3, 5, 5, 5, 5} Der Modus i diesem Fall ist der Wert 5 mit eier Häufigkeit vo 4. (d.h. die Zahl 5 kommt vier Mal i der Liste vor). Beispiel mit mehrere häufige Werte: {1, 1, 3, 3, 3, 4, 5, 5, 6, 6, 6} Die Häufigkeitsverteilug hat zwei Modi, 3 ud 6, mit der Häufigkeit 3 (die Zahle komme jeweils drei Mal vor). Beispiel ohe Modus: {1, 4, 7, 9, 15} Da jeder Wert der Liste gleich oft vorkommt, gibt es i diesem Fall keie Modus/ keie Häufigste Wert. 3. Streuugsmaße Die Streuugsmaße liefer ei Maß dafür, wie sehr die gemessee Werte vom Mittelwert abweiche. Ma uterscheidet hierbei die Variaz/Stadardabweichug, die Spaweite ud die Quartile. a. Stadardabweichug We ma alle Date hat: s = 1 i=1 (x i x )² We ma ur eie Stichprobe hat: s = 1 1 i=1 (x i x )² Oft hört ma auch de Begriff der Stadardabweichug. Diese gibt die Streuug der Date a ud wird meist zusätzlich zum Mittelwert berechet. De trotz gleicher Mittelwerte köe die Verteiluge gaz uterschiedlich ausfalle. Beispiel: I eier Klasse sid gaz viele große ud gaz viele kleie Persoe. I der Parallelklasse sid die Persoe alle ugefähr gleich groß. Die Mittelwerte der beide Klasse köe gleich ausfalle, obwohl die Streuug verschiede ist. Bei der Stadardabweichug gibt es zwei verschiedee Formel. Eie, we ma alle Date hat ud eie, we ma aus der Grudgesamtheit ur eie Stichprobe hat. We ma zum Beispiel eie Meiugsumfrage zu de Parteie macht, so werde icht immer alle Mesche i eiem Lad befragt, soder ur eie repräsetative Stichprobe. Ma muss aber bei der Auswahl der Stichprobe aufpasse, dass ma eie repräsetative Gruppe hat, d.h. die Befragte solle i Alter, Beruf ud adere Eigeschafte die Gesamtheit der Wähler repräsetiere. Es wäre also falsch, ur Persoe vor eier Ui zu befrage. Als Variaz wird die Stadardabweichug² bezeichet. Je größer u der Wert der Variaz ud demach auch der Stadardabweichug ist, desto breiter getreut sid die Date. Sid die beide Kegröße klei, so bedeutet das, dass die eizele Werte sehr ahe am Mittelwert liege ud demach sid die Date icht so weit gestreut. b. Miimum, Maximum Das Maximum ist der größte Wert i eier Liste, das Miimum ist der kleiste Wert i eier Liste. Beispiel: {5, 8, 2, 14, 3, 7, 26, 9} => Zuerst Liste orde: {2, 3, 5, 7, 8, 9, 14, 26}
4 Quelle Quartile: statistics4u.ifo, Has Lohiger c. Spaweite Formel: Maximum - Miimum = Spaweite Um die Spaweite zu erhalte, berechet ma die Differez zwische dem größte ud dem kleiste Wert eier Liste vo Werte. Ma Subtrahiert also de kleiste Wert vom größte. Ausreißer habe Eifluss auf die Spaweite. Beispiel (geordete Liste): {1, 2, 3, 4, 5, 70} Nu ist hier die Zahl 70 der Ausreißer. We ma u de kleiste Wert vom größte abzieht erhält ma eie Spaweite vo 69. Wie ma sieht wirkt sie dieser Ausreißer sehr auf die Spaweite aus. d. Quartile Quartile teile die Verteilug i vier Viertel. Ei bestimmtes Quartil ist die Greze zwische zwei bestimmte Viertel der Verteilug. Die Berechug vo Quartile ist machmal (vor allem bei Stichprobe dere Umfag icht durch vier teilbar ist) uklar. Darum im Folgede eie exakte Aleitug zur Berechug vo Quartile, die allerdigs ur eie vo mehrere mögliche Variate ist. Für eie Stichprobe vo N Beobachtuge gilt: 1. Quartil = (0.25*(N+1)) => Zahl rude 2. Quartil: Das zweite Quartil ist der Media, also der Wert i der Mitte bei eier geordete Liste. Sid 2 Werte i der Mitte, so wird der Durchschittswert dieser beide ermittelt. 3. Quartil = (0.75*(N+1)) => Zahl rude Beispiel: Ageomme ma hat folgede 20 Beobachtuge gemacht: 2, 4, 7, -20, 22, -1, 0, -1, 7, 15, 8, 4, -4, 11, 11, 12, 3, 12, 18, 1 Zur Berechug der Quartile ist die Liste der Beobachtuge zuerst zu sortiere: -20, -4, -1, -1, 0, 1, 2, 3, 4, 4, 7, 7, 8, 11, 11, 12, 12, 15, 18, 22 Für das 1. Quartil gilt u: (0.25*(20+1)) = 5. Das heißt, Q1 ist der Wert der 5. Stelle i der sortierte Reihefolge, also Q1 = 0. Für Q2 ergibt sich aalog Q2 = 5.5 ud für das 3. Quartil Q3 = 12. Amerkug zur Praxis: Quartile gibt ma üblicherweise erst ab 12 Beobachtuge a (besser wäre aber mehr als 20). Ma ka ebe Quartile auch Quitile (Eiteilug i 5 Bereiche) oder Dezile (i 10 Bereiche) agebe. Ma ka die Werte auch i de TR eigebe ud auf STAT => 1-Var-Stats clicke, damm bekommt ma alle Date ausgerechet heraus.
5 4. Klasseeiteilug Uter eier Klasseeiteilug versteht ma, dass ma Werte/Objekte/Date ach ihre Merkmalsauspräguge zu 'Klasse' zusammeordet. Zum Beispiel sid alle Schülerie ud Schüler eier Schulklasse, die zwische 150 cm ud 160 cm groß sid i eier Klasse (=Gruppe). Durch das Eiteile i Klasse wird eie große Mege a Werte/Objekte/Date auf eie Klasse verkleiert, damit verschiedee Utersuchuge eifacher werde. Nachteil der Klasseeiteilug ist jedoch, dass auch Iformatioe verlore gehe. (Es werde keie Eizelwerte berücksichtigt.) Ma ka Klasse auf 2 verschiedee Arte eiteile. Erste Möglichkeit: Klasse 1 Klasse 2 Klasse 3 Klasse < 145 cm 145 < 170 cm 170 < 180 cm 180 < 195 cm Bei Klasse 1 gehöre 130 cm ud 145 cm icht mehr zur Klasse weil die Klasse echt kleier ist als 145 cm ud echt größer als 130 cm ist. 130,1 cm ud 144,9 cm sid och i der Klasse. Zweite Möglichkeit: Klasse A Klasse B Klasse C Klasse D Klasse E 41 bis 50 kg 51 bis 60 kg 61 bis 70 kg 71 bis 80 kg 81 bis 90 kg Hier sid bei der Klasse A die Werte 41 kg ud 50 kg och i der Klasse. Statt dem "bis" köte ma auch ei größer/kleier-gleich- Zeiche eifüge. Die Afags ud Edwerte der Klasse sid alle immer dabei. 5. Beispiel Zeh Fraue wurde ach ihrer Körpergröße (i cm) gefragt. Urliste: 167, 171, 162, 169, 163, 170, 160, 168, 172, 158 Geordete Urliste: 158, 160, 162, 163, 167, 168, 169, 170, 171, 172 Mittelwert: x = = Media: x = = 167,5 2 Modus: keier, weil kei Wert am häufigste vorkommt (alle ur eimal) Variaz ud Stadardabweichug: V(x) = 1 (x i=1 i x )² = 1 [( )2 + ( ) 2 + ( ) 2 + ] = 24 Miimum: 158; Maximum: 172
6 Quelle: mathe-olie, Taja Hauptma Spaweite: R = = 14 Quartile: Q1 = 0,25*11 = gerudet 3 => dritter Wert => 162 Q2 = 0,50*11 = 5,5 => Werte 5 ud 6 => 167 ud 168 => 167,5 (=Media) Q3 = 0,75*11 = gerudet 8 => achter Wert => 170 Graphische Darstellug vo Datemege We ma eie Reihe vo Date, Messwerte ud ähliches vor sich hat, ka ma erst eimal icht viel damit afage. Um eie solch große Datemege zu veraschauliche gibt es Diagramme. So ka ma auf eie Blick sehe wie eie Verteilug vo Date aussieht. Date ka ma durch verschiedee Diagrammarte darstelle: Säulediagramm Balkediagramm Kreisdiagramm Liiediagramm Es gibt ei weiteres, wichtiges Diagramm, welches die Statistische Kegröße wie Media, Spaweite ud Quartile übersichtlich darstellt. Ei solches Diagramm et ma Boxplot- Diagramm. Ei Boxplot vereit mehrere Merkmale ud kaschell eie gute Überblick über die wichtigste Kegröße vermittel. I eiem Boxplot werde folgede Werte dargestellt: Media, zwei Quartile ud die beide Extremwerte. Das arithmetische Mittel fidet sich icht im Boxplot wieder. Miimum Uteres Quartil Media Uteres Quartil Maximum
7 Azahl Das Säulediagramm eiget sich vor allem zum Darstelle vo absolute Häufigkeite. Ei Säulediagramm oder ei Balkediagramm ist dasselbe, ur umgelegt. Säulediagramm Körpergröße Balkediagramm Körpergröße Azahl < < < < <180 >180 > < < < <150 <140 Kreisdiagramme eige sich zur Darstellug vo relative ud prozetuelle Häufigkeite. Wichtig ist, dass es bei der Darstellug immer 100 % gebe muss. Die Kreissektore eies Kreisdiagramms beziehe sich immer auf eie Gesamtmege (100 %). Kreisdiagramm Körpergröße < < < < <180 >180 Das Liiediagramm wird vor allem verwedet um eie Etwicklug im Zeitverlauf darzustelle.
Univariate Verteilungen
(1) Aalyse: "deskriptive Statistike" Aalysiere -> deskriptive Statistike -> deskriptive Statistik Keie tabellarische Darstellug der Häufigkeitsverteilug () Aalyse: "Häufigkeitsverteilug" Aalysiere -> deskriptive
MehrStreuungsmaße. Prof. Dr. Paul Reuber. Institut für Geographie. Seminar Methoden der empirischen Humangeographie
Streuugsmaße Istitut für Geographie Streuugswerte (Streuugsmaße) Die Diskussio um die Mittelwerte hat die Vorteile dieser statistische Kewerte gezeigt, aber bereits, isbesodere beim arithmetische Mittel,
MehrStatistik Einführung // Beschreibende Statistik 2 p.2/61
Statistik Eiführug Beschreibede Statistik Kapitel Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Beschreibede Statistik
Mehrn 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:
61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl
MehrUmrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung
.3. Prozetuale Häufigkeitsverteilug (HV) Die prozetuale Häufigkeitsverteilug erlaubt de Vergleich vo Auswertuge, dee uterschiedliche Stichprobegröße zugrude liege. Es köe auch uterschiedliche Stichprobegröße
Mehr2.2.1 Lagemaße. Exkurs: Quantile. und n. p n
Ekurs: Quatile Ausgagspukt : Geordete Urliste Jeder Wert p, mit 0 < p
MehrParameter von Häufigkeitsverteilungen
Kapitel 3 Parameter vo Häufigkeitsverteiluge 3. Mittelwerte Mo Der Modus (:= häufigster Wert, Abk.: Mo) ist der Merkmalswert mit der größte Häufigkeit, falls es eie solche gibt. Er sollte ur bei eigipflige
MehrStatistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39
Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle
MehrStatistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte.
Statistik Vorlesug,. ärz, Statistische aßzahle Iformatio zu verdichte, Besoderheite hervorzuhebe ittelwerte Aufgabe: die Lage der Verteilug auf der Abszisse zu zeige. Der odus: derjeige Wert, der im Häufigste
MehrKapitel 5: Schließende Statistik
Kapitel 5: Schließede Statistik Statistik, Prof. Dr. Kari Melzer 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte
MehrWissenschaftliches Arbeiten Studiengang Energiewirtschaft
Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:
MehrKonzentration und Disparität
Begleitede Uterlage zur Übug Deskriptive Statistik Michael Westerma Uiversität Esse Ihaltsverzeichis 6 Kozetratios- ud Disparitätsmessug................................ 2 6.1 Begriff ud Eileitug.......................................
MehrStatistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S
Statistik mit Excel 2013 Peter Wies Theme-Special 1. Ausgabe, Februar 2014 W-EX2013S 3 Statistik mit Excel 2013 - Theme-Special 3 Statistische Maßzahle I diesem Kapitel erfahre Sie wie Sie Date klassifiziere
MehrSBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit
SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf # 0 Atwort Diese Lerkarte sid sorgfältig erstellt worde, erhebe aber weder Aspruch auf Richtigkeit och auf Vollstädigkeit. Das Lere mit Lerkarte fuktioiert ur
Mehrh i :=h a i f i = h a i n Absolute Häufigkeit: Relative Häufigkeit: h 2 h 4 h 6 :=h der Elemente mit der Ausprägung i=6 zu der Anzahl n aller Werte
. Wer Rechtschreibfehler fidet, darf sie behalte. Rechefehler werde zurückgeomme. Absolute Häufigkeit: h Wie viele Elemete weise diese bestimmte Wert (= diese bestimmte Ausprägug) auf? > Azahl h der Elemete
MehrStatistik I/Empirie I
Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass
MehrÜbungen mit dem Applet erwartungstreu
Übuge mit dem Applet erwartugstreu Visualisierug vo erwartugstreu Begriffe ud statischer Hitergrud. Visualisieruge mit dem Applet..3. Zufallsstreuug der Eizelwerte...3. Mittelwerte 3.3 Variaz. 4.4 Variaz
MehrWeitere Lagemaße: Quantile/Perzentile II. Weitere Lagemaße: Quantile/Perzentile I. Weitere Lagemaße: Quantile/Perzentile IV
3 Auswertug vo eidimesioale Date Lagemaße 3.3 Weitere Lagemaße: Quatile/Perzetile I 3 Auswertug vo eidimesioale Date Lagemaße 3.3 Weitere Lagemaße: Quatile/Perzetile II Für jede Media x med gilt: Midestes
Mehr4 Schwankungsintervalle Schwankungsintervalle 4.2
4 Schwakugsitervalle Schwakugsitervalle 4. Bemerkuge Die bekate Symmetrieeigeschaft Φ(x) = 1 Φ( x) bzw. Φ( x) = 1 Φ(x) für alle x R überträgt sich auf die Quatile N p der Stadardormalverteilug i der Form
MehrFolgen und Reihen. 23. Mai 2002
Folge ud Reihe Reé Müller 23. Mai 2002 Ihaltsverzeichis 1 Folge 2 1.1 Defiitio ud Darstellug eier reelle Zahlefolge.................. 2 1.1.1 Rekursive Defiitio eier Folge......................... 3 1.2
MehrFormelsammlung. zur Klausur. Beschreibende Statistik
Formelsammlug zur Klausur Beschreibede Statistik Formelsammlug Beschreibede Statistik. Semester 004/005 Statistische Date Qualitative Date Nomial skalierte Merkmalsauspräguge (Uterscheidugsmerkmale) köe
MehrDritter Zirkelbrief: Ungleichungen
Matheschülerzirkel Uiversität Augsburg Schuljahr 014/015 Dritter Zirkelbrief: Ugleichuge Ihaltsverzeichis 1 Grudlage vo Ugleichuge 1 Löse vo Ugleichuge 3 3 Mittel 4 4 Mittelugleichuge 5 5 Umordugsugleichug
MehrEinführung in die Grenzwerte
Eiführug i die Grezwerte Dieser Text folgt hauptsächlich der Notwedigkeit i sehr kurzer Zeit eie Idee ud Teile ihrer Awedug zu präsetiere, so dass relativ schell mit dieser Idee gerechet werde ka. Der
MehrStatistik ) 217 Haushalte 3) 2) Anzahl der TV-Geräte ) 220 Personen, 96 Personen, 285 Personen 2) 6,6. 8,7 m 1 0,06
Statistik 7 7. Erstelle eier stabelle i der Klasse, idividuell verschiedee Ergebisse sid möglich. 7. ) ordial ) omial 3) metrisch ) metrisch 7.3 ) Diskret. Es komme ur atürliche Zahle als Ergebis i Frage.
MehrPraktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle
Praktikum Vorbereitug Fertigugsmesstechik Statistische Qualitätskotrolle Bei viele Erzeugisse ist es icht möglich jedes Werkstück zu prüfe, z.b.: bei Massefertigug. Hier ist es aus ökoomische Grüde icht
MehrKennwerte Univariater Verteilungen
Kewerte Uivariater Verteiluge Kewerte Beschreibug vo Verteiluge durch eie (oder weige) Werte Werde auch als Parameter oder Maße vo Verteiluge bezeichet Ma uterscheidet: Lagemaße oder auch Maße der zetrale
MehrTutorial zum Grenzwert reeller Zahlenfolgen
MAE Mathematik: Aalysis für Igeieure Herbstsemester 206 Dr. Christoph Kirsch ZHAW Witerthur Tutorial zum Grezwert reeller Zahlefolge I diesem Tutorial lere Sie, die logische Aussage i der Defiitio des
MehrLage- und Streuungsmaße
Statistik 1 für SoziologIe Lage- ud Streuugsmaße Uiv.Prof. Dr. Marcus Hudec Streuugsmaße Statistische Maßzahle, welche die Variabilität oder die Streubreite i de Date messe. Sie beschreibe die Abweichug
MehrÜbersicht: BS - 08 BS Häufigkeitsverteilung. Häufigkeitsverteilungen. Parametrisierung. unklassiert. eindimensional. klassiert.
Übersicht: eidimesioal mehrdimesioal Häufigkeitsverteilug uklassiert klassiert tabellarische Darstellug Modul 07, graphische Darstellug Modul 07,2 Parametrisierug Lageparameter Modul 08 Streuugsparameter
MehrBeschreibende Statistik Kenngrößen in der Übersicht (Ac)
Beschreibede Statistik Kegröße i der Übersicht (Ac) Im folgede wird die Berechugsweise des TI 83 (sowie vo SPSS, s. ute) verwedet. Diese geht auf eie Festlegug vo Moore ud McCabe (00) zurück. I der Literatur
MehrStatistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik
Statistik Kapitel 5: Schließede Statistik 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel 1» Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte der arithmetische
Mehr1 Randomisierte Bestimmung des Medians
Praktikum Diskrete Optimierug (Teil 0) 0.07.006 Radomisierte Bestimmug des Medias. Problemstellug ud Ziel I diesem Abschitt stelle wir eie radomisierte Algorithmus zur Bestimmug des Medias vor, der besser
MehrKapitel XI - Korrelationsrechnung
Istitut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökoometrie ud Statistik Kapitel XI - Korrelatiosrechug Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Seska Carlo Siebeschuh Aufgabe der Korrelatiosrechug
MehrÜbungen zu QM III Mindeststichprobenumfang
Techische Hochschule Köl Fakultät für Wirtschafts- ud Rechtswisseschafte Prof. Dr. Arreberg Raum 221, Tel. 39 14 jutta.arreberg@th-koel.de Übuge zu QM III Mideststichprobeumfag Aufgabe 12.1 Sie arbeite
MehrGrundgesamtheitsanaylsen und Stichproben. Betrachtungen zur Stichprobenfindung
MaMaEuSch Maagemet Mathematics for Europea Schools http://www.mathematik.uikl.de/ mamaeusch Grudgesamtheitsaaylse ud Stichprobe. Betrachtuge zur Stichprobefidug Paula Lagares Justo Puerto 1 MaMaEuSch 2
MehrDer Modus. Lageparameter. Beispiel (Einrichtungen) Beispiel (Lieblingsfarben) Modus. Untersuchungseinheiten U 1,...,U n. Merkmal X
Lageparameter Der Modus Utersuchugseiheite U,...,U Modus mod Mermal X Urliste,..., geordete Urliste (),..., () Es gilt i.allg.: ( ), i, K i i, Mermalsauspräguge a,..., a wird auch Modalwert oder häufigster
MehrKlausur 3 Kurs 11ma3g Mathematik
202-06-2 Klausur 3 Kurs ma3g Mathematik Lösug I eier Lotto-Ure befide sich 49 Kugel, die mit de Zahle vo bis 49 beschriftet sid. Eie eizige Kugel wird gezoge. Bereche Sie die Wahrscheilichkeit, dass diese
MehrJugendliche (18-24 Jahre) in Westdeutschland
Modus Beispiel: Modus Jugedliche (8-4 Jahre) i Westdeutschlad Parameter oder Kewerte eier Häufigkeitsverteilug sid Kegröße, mit dere Hilfe die Verteilug z.t. oder vollstädig rekostruiert werde ka D West
MehrAbsolutskala: metrische Skala mit einem natürlichen Nullpunkt und einer natürlichen Einheit. (Z.B. Einwohnerzahl). Nicht alle Variablen lassen sich
Grudbegrie Die beschreibede Statistik (deskriptive Statistik) ist eie systematische Zusammestellug vo Zahle ud Date zur Beschreibug bestimmter Zustäde, Etwickluge oder Phäomee. Die beschreibede Statistik
Mehr3 Folgen, Reihen, Grenzwerte 3.1 Zahlenfolgen. Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.
3 Folge, Reihe, Grezwerte 3.1 Zahlefolge Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.000, 1 3 Folge, Reihe, Grezwerte 3.1 Zahlefolge Defiitio: Eie
MehrHarmonisches Mittel. Streuungsmaße. Die mittlere Abweichung. Die Standardabweichung. Die Varianz. Statistik 3. Vorlesung, März 11, ,...
Statistik. Vorlesug, März, 9 Harmoisches Mittel xh = w wk +... + x x k Wobei w, w,... w k sid die gewichte (w + w + w +...+ w k = Beispiel: wir habe km mit eier Geschwidigkeit vo km/h, ud eie adere km
MehrEs werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.
Vo der relative Häufigkeit zur Wahrscheilichkeit Es werde 20 Schüler befragt, ob sie ei Hady besitze. Das Ergebis der Umfrage lautet: Vo 20 Schüler besitze 99 ei Hady. Ereigis E: Schüler besitzt ei Hady
Mehr3. Einführung in die Statistik
3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :
MehrBINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008
Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe
MehrArithmetische und geometrische Folgen. Die wichtigsten Theorieteile. und ganz ausführliches Training. Datei Nr
ZAHLENFOLGEN Teil 2 Arithmetische ud geometrische Folge Die wichtigste Theorieteile ud gaz ausführliches Traiig Datei Nr. 4002 Neu Überarbeitet Stad: 7. Juli 206 INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK
MehrGrenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen
. Der Grezwert vo mootoe, beschräkte Folge Der Grezwert vo mootoe, beschräkte Folge ist eifacher verstädlich als der allgemeie Fall. Deshalb utersuche wir zuerst diese Spezialfall ud verallgemeier aschliessed.
MehrPhysikalisches Anfaengerpraktikum. Beugung und Brechung
Physikalisches Afaegerpraktikum Beugug ud Brechug Ausarbeitug vo Marcel Egelhardt & David Weisgerber (Gruppe 37) Mittwoch, 3. Februar 005 I Utersuchuge am Prismespektroskop 1. Versuch zur Bestimmug des
MehrÜbungsaufgaben - Organisatorisches
Übugsaufgabe - Orgaisatorisches Der Abgabetermi der eue Übugsblätter ist: Motag, 4:00 Uhr Fehlerrechugsbriefkaste Der Abgabetermi der verbesserte Übugsblätter ist: Freitag, 6:00 Uhr T. Kießlig: Auswertug
MehrKennwerte eindimensionaler Häufigkeitsverteilungen Einführung
Kewerte eidimesioaler Häufigkeitsverteiluge Eiführug Statistische Kewerte vo Verteiluge sid umerische Maße mit der Fuktio, zusammefassed eie Eidruck vo 1) dem Schwerpukt, ) der Variabilität ud 3) der Form
MehrBei 95%iger Konfidenz wäre der Mittelwert der GG zwischen 1421,17DM und 1778,83DM zu erwarten.
Aufgabe 36 (S. 346: Schätzverfahre für Mittelwert ud Stadardabweichug a Puktschätzuge für µ aufgrud der Werte der kleie Stichprobe aus Aufgabe 3 Bei eier Puktschätzug wird für de zu schätzede Parameter
MehrKlausur vom
UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Domiik Faas Stochastik Witersemester 00/0 Klausur vom 7.0.0 Aufgabe 3+.5+.5=6 Pukte Bei eier Umfrage wurde 60 Hotelbesucher ach ihrer Zufriedeheit
MehrTests für beliebige Zufallsvariable
Kapitel 10 Tests für beliebige Zufallsvariable 10.1 Der Chi-Quadrat-Apassugstest Sei x eie gaz beliebige Zufallsvariable, dere Dichtefuktio icht oder icht geau bekat ist. Beispiel: Es seie z.b. mittels
MehrDeskriptive Statistik
Deskriptive Statistik I der beschreibede Statistik werde Methode behadelt, mit dere Hilfe ma Date übersichtlich darstelle ud kezeiche ka. Die Urliste (=Date i der Reihefolge ihrer Erhebug) ist meist umfagreich
Mehr= a n: Wurzelexponent x: Radikand oder Wurzelbasis a: Wurzelwert Bei der ersten Wurzel wird einfach das Wurzelzeichen weggelassen.
Wurzelgesetze Gesetzmäßigkeite Grudlage Das Wurzelziehe (oder Radiziere) ist die Umkehrug des Potezieres. Daher sid die Wurzelgesetze de Potezgesetze sehr ählich. Die Wurzel aus eier positive Zahl ergibt
Mehr14 Statistische Beziehungen zwischen nomi nalen Merkmalen
14 Statistische Beziehuge zwische omi ale Merkmale 14.1 Der Chi Quadrat Test auf Uabhägigkeit für Vier Feldertafel 14.2 Der Chi Quadrat Test auf Uabhägigkeit für r s Kotigeztafel 14.3 Zusammmehagsmaße
Mehrh i Deskriptive Statistik 1-dimensionale Daten Daten und Häufigkeiten Seite 1 Nominal Ordinal Metrisch (Kardinal) Metrisch - klassiert
Deskriptive Statistik dimesioale Date Date ud Häufigkeite Seite Nomial Ordial Metrisch (Kardial Metrisch klassiert Beschreibug: Date habe keie atürliche Reihefolge. Bsp: Farbe, Religio, Geschlecht, Natioalität...
Mehr10 Aussagen mit Quantoren und
0 Aussage mit Quatore ud 0.6. Eisatz vo (bereits bekater) Eistezaussage Bisher hatte wir Eistezbeweise geführt, idem wir ei passedes Objekt agegebe habe ( Setze... ). Stattdesse ka ma auch auf bereits
MehrStatistik I Februar 2005
Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet
MehrKombinatorik. Systematisches Abzählen und Anordnen einer endlichen Menge von Objekten unter Beachtung vorgegebener Regeln.
Systematisches Abzähle ud Aorde eier edliche Mege vo Objekte uter Beachtug vorgegebeer Regel Permutatioe Variatioe Kombiatioe Permutatioe: Eie eieideutige (bijektive) Abbildug eier edliche Mege i sich
MehrTests statistischer Hypothesen
KAPITEL 0 Tests statistischer Hypothese I der Statistik muss ma oft Hypothese teste, z.b. muss ma ahad eier Stichprobe etscheide, ob ei ubekater Parameter eie vorgegebee Wert aimmt. Zuerst betrachte wir
MehrÜbungsaufgaben - Organisatorisches
Übugsaufgabe - Orgaisatorisches Der Abgabetermi der eue Übugsblätter ist: Motag, 4:00 Uhr Fehlerrechugsbriefkaste Der Abgabetermi der verbesserte Übugsblätter ist: Freitag, 6:00 Uhr T. Kießlig: Auswertug
MehrNormierte Vektorräume
Normierte Vektorräume Wir betrachte im Folgede ur Vektorräume über R 1. Sei also V ei Vektorraum. Wir möchte Metrike auf V betrachte, die im folgede Sie mit der Vektorraumstruktur verträglich sid:, y,
MehrK. Felten: Internet Network infrastucture Fachhochschule Kiel, Fachbereich IuE
Defiitio ach DIN4004 Als Zuverlässigkeit ( reliability ) gilt die Fähigkeit eier Betrachtugseiheit ierhalb vorgegebeer Greze dejeige durch de Awedugszweck bedigte Aforderuge zu geüge, die a das Verhalte
MehrDie notwendigen Verteilungstabellen finden Sie z.b. hier:
Fakultät für Mathematik Istitute IAG ud IMO Prof. Dr. G. Kyureghya/Dr. M. Hödig Schätz- ud Prüfverfahre Die otwedige Verteilugstabelle fide Sie z.b. hier: http://www.ivwl.ui-kassel.de/kosfeld/lehre/zeitreihe/verteilugstabelle.pdf
MehrFinanzmathematische Formeln und Tabellen
Jui 2008 Dipl.-Betriebswirt Riccardo Fischer Fiazmathematische Formel ud Tabelle Arbeitshilfe für Ausbildug, Studium ud Prüfug im Fach Fiaz- ud Ivestitiosrechug Dieses Werk, eischließlich aller seier Teile,
MehrNachtrag. Alternatives Buch zum Satz von Fermat 1999 bei amazon nur noch gebraucht
Nachtrag Alteratives Buch zum Satz vo Fermat 1999 bei amazo ur och gebraucht 1 Uedliche (Zahle-) Mege 2 Wiederholug Steuer Bei eiem Eikomme vo ud eiem Steuersatz vo 33% müsse Sie Steuer zahle. Da werde
MehrDer Vergleich eines Stichprobenmittelwertes mit einem Populationsmittelwert
Der Vergleich eies Stichprobemittelwertes mit eiem Populatiosmittelwert Am Beispiel des Falschspielers habe wir - uterstützt durch Ketisse über die Eigeschafte der Biomialverteilug - erstmals gesehe, welche
MehrAufgaben zur Übung und Vertiefung
Aufgabe zur Übug ud Vertiefug ARITHMETISCHE ZAHLENFOLGEN Berufliches Gymasium / Uterstufe () Stelle Sie fest, welche der gegebee Folge arithmetisch sid: Bestimme Sie zuächst die erste füf Folgeglieder,
Mehrn=0 f(x) = log(1 + x) = n=1
Potez - Reihe Machmal ist es praktisch eie Fuktio f() mir Hilfe ihrer Potezreihe auszudrücke. Eie Potezreihe um de Etwicklugspukt 0 sieht im Allgemeie so aus a ( 0 ) Fuktioe, für die eie Potezreihe eistiert,
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seiar für Theoretische Wirtschaftslehre Vorlesugsprogra 14.05.2013 Streuugsaße 1. Norierte Etropie 2. Spaweite, Quartilsabstad,
MehrEinige wichtige Ungleichungen
Eiige wichtige Ugleichuge Has-Gert Gräbe, Leipzig http://www.iformatik.ui-leipzig.de/~graebe 1. Februar 1997 Ziel dieser kurze Note ist es, eiige wichtige Ugleichuge, die i verschiedee Olympiadeaufgabe
MehrSkriptum zur ANALYSIS 1
Skriptum zur ANALYSIS 1 Güter Lettl WS 2017/2018 1. Grudbegriffe der Megelehre ud der Logik 1.1 Naive Megelehre [Sch-St 4.1] Defiitio eier Mege ach Georg Cator (1845 1918):,,Eie Mege M ist eie Zusammefassug
MehrKursthemen 5. Sitzung. Lagemaße
Kurstheme 5. Sitzug Folie I - 5 - Lagemaße A) Arithmetisches Mittel (AM), Media ud Modus (Folie 2 bis 8) A) Arithmetisches Mittel (AM), Media ud Modus (Folie 2 bis 8) B) Der Additiossatz für AM (Folie
Mehr15.4 Diskrete Zufallsvariablen
.4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet
MehrEigenschaften von Texten
Worthäufigkeite Eigeschafte vo Texte Eiige Wörter sid sehr gebräuchlich. 2 der häufigste Wörter (z.b. the, of ) köe ca. 0 % der Wortvorkomme ausmache. Die meiste Wörter sid sehr selte. Die Hälfte der Wörter
MehrVl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5
Vl Statistische Prozess- ud Qualitätskotrolle ud Versuchsplaug Übug 5 Aufgabe ) Sei p = P(A) die Wahrscheilichkeit für ei Ereigis A, dh., es gilt 0 p. Bereche Sie das Maximum der Fuktio f(p) = p(-p). Aufgabe
Mehr(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen.
Schülerbuchseite 98 1 Lösuge vorläufig IV Beurteilede Statistik S. 98 p S. 1 p w a t Tabelle Tabelle dowloadbar im Iteretauftritt 1 Teste vo Hypothese 1 a) Erwartugswert μ = 5 ud Stadardabweichug σ = 1,6;
MehrMathematik 2 für Naturwissenschaften
Has Walser Mathematik 2 für Naturwisseschafte Modul 201 Beschreibede Statistik Has Walser: Modul 201, Beschreibede Statistik ii Modul 201 für die Lehrverastaltug Mathematik 2 für Naturwisseschafte Sommer
MehrZusammenfassung: Folgen und Konvergenz
LGÖ Ks VMa Schuljahr 6/7 Zusammefassug Folge ud Kovergez Ihaltsverzeichis Defiitioe ud Beispiele für Folge Beschräkte Folge Kovergez vo Folge Grezwertsätze für Folge 5 Für Experte 7 Defiitioe ud Beispiele
Mehr2.3 Kontingenztafeln und Chi-Quadrat-Test
2.3 Kotigeztafel ud Chi-Quadrat-Test Die Voraussetzuge a die Date i diesem Kapitel sid dieselbe, wie im voragegagee Kapitel, ur dass die Stichprobe hier aus Realisieruge vo kategorielle Zufallsvariable
Mehr6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $
Mathematik für Iformatiker B, SS 0 Diestag 5.6 $Id: folge.tex,v. 0/06/05 ::8 hk Exp $ 6 Folge 6.4 Folge reeller Zahle I der letzte Sitzug habe wir de Begriff des Grezwerts eier Folge i eiem metrische Raum
MehrVariiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen.
3. Variazaalyse Die Variazaalyse mit eier quatitative abhägige Variable ud eier oder mehrerer qualitativer uabhägiger Variable wird auch als ANOVA (Aalysis of Variace) bezeichet. Mit eier Variazaalyse
MehrAnwendung für Mittelwerte
Awedug für Mittelwerte Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe... "wahre", ubekate Mittelwert der Grudgesamtheit icht zufällig?... beobachtete Mittelwert zufällig Statistik für SoziologIe 1
MehrKapitel 6: Statistische Qualitätskontrolle
Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle
Mehr4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa
20 I. Zahle, Kovergez ud Stetigkeit 4 Kovergete Folge 4. Dezimalzahle ud Itervallschachteluge. a) Reelle Zahle werde meist als Dezimalzahle dargestellt, etwa 7,304 = 0+7 +3 0 +0 00 +4 000. Edliche Dezimalzahle
MehrVordiplomprüfung 2014 Mathematik Seite 1 von 3
Vordiplomprüfug 14 Mathematik Seite 1 vo 1. Aufgabe Has hat eie Uhr bekomme. Er beobachtet, dass der Miutezeiger vo Zeit zu Zeit de Studezeiger überholt. a) Um welche Zeit zwische 9 ud 1 Uhr stehe die
MehrEindimensionale Darstellungen
Deskriptive Statistik Eidimesioale Darstelluge vo Häufigkeitsverteiluge 6..20 Der Modalwert Eie Merkmalsausprägug, welche i der Beobachtugsreihe die größte absolute Häufigkeit besitzt, wird Modalwert (Modus
MehrEvaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt
2.4.5 Gauss-Test ud t-test für verbudee Stichprobe 2.4.5.8 Zum Begriff der verbudee Stichprobe Verbudee Stichprobe: Vergleich zweier Merkmale X ud Y, die jetzt a deselbe Persoe erhobe werde. Vorsicht:
MehrKapitel 9 WAHRSCHEINLICHKEITS-RÄUME
Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Fassug vom 13. Februar 2006 Mathematik für Humabiologe ud Biologe 129 9.1 Stichprobe-Raum 9.1 Stichprobe-Raum Die bisher behadelte Beispiele vo Naturvorgäge oder Experimete
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Iformatiker II (Sommersemester 004) Aufgabe 7. Ubeschräktes
MehrLinsengesetze und optische Instrumente
Lisegesetze ud optische Istrumete Gruppe X Xxxx Xxxxxxxxx Xxxxxxx Xxxxxx Mat.-Nr.: XXXXX Mat.-Nr.: XXXXX XX.XX.XX Theorie Im olgede werde wir eie kurze Überblick über die Fuktio, de Aubau ud die Arte vo
MehrWahrscheinlichkeit & Statistik
Wahrscheilichkeit & Statistik created by Versio: 3. Jui 005 www.matheachhilfe.ch ifo@matheachhilfe.ch 079 703 7 08 Mege als Sprache der Wahrscheilichkeitsrechug, Begriffe, Grudregel Ereigisraum: Ω Ω Mege
MehrKombinatorik und Polynommultiplikation
Kombiatorik ud Polyommultiplikatio 3 Vorträge für Schüler SS 2004 W Pleske RWTH Aache, Lehrstuhl B für Mathematik 3 Eiige Zählprizipie ud Ausblicke Wir habe bislag gesehe, was die Multiomialkoeffiziete
Mehr6. Grenzwertsätze. 6.1 Tschebyscheffsche Ungleichung
6. Grezwertsätze 6.1 Tschebyscheffsche Ugleichug Sofer für eie Zufallsvariable X die Verteilug bekat ist, lässt sich die Wahrscheilichkeit dafür bestimme, dass X i eiem bestimmte Itervall liegt. Wie ist
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
Mehr(Verdeutlichen Sie die Berechnung/Herleitung Ihrer Ergebnisse und begründen Sie die Fälle, in denen die Berechnung nicht möglich ist!
moatl. Netto- i Nr. Geschlecht verdiest Klassemitte Nettoverdiest M [0 ; 00[ 00 3,, weiger -,8 3,68 M [ 30000 ; 000[ 00,, zufriede -, 6, 3 M [ 0000 ; 000[ 300 6,, Sehr zufriede -,8 8,3 W [ 000; 3000[ 00
MehrArithmetische und geometrische Folgen. Die wichtigsten Theorieteile. und ganz ausführliches Training. Datei Nr
DEMO für ZAHLENFOLGEN Teil 2 Arithmetische ud geometrische Folge Die wichtigste Theorieteile ud gz ausführliches Traiig Datei Nr. 40012 Neu geschriebe ud sehr erweitert Std: 4. Februar 2010 INTERNETBIBLIOTHEK
MehrKorrelationsanalyse zwischen kategorischen Merkmalen. Kontingenztabellen. Chi-Quadrat-Test
Kotigeztabelle. Chi-Quadrat-Test Korrelatiosaalyse zwische kategorische Merkmale Beispiel 1 ohe Frau 8 75 1 Ma 48 49 97 76 14? Häufigkeitstabelle (Kotigeztabelle): eie tabellarische Darstellug der gemeisame
MehrBeispiel 4 (Die Urne zu Fall 4 mit Zurücklegen und ohne Beachten der Reihenfolge ) das Sitzplatzproblem (Kombinationen mit Wiederholung) Reihenfolge
1 Beispiel 4 (Die Ure zu Fall 4 mit Zurücklege ud ohe Beachte der Reihefolge ) das Sitzplatzproblem (Kombiatioe mit Wiederholug) 1. Übersicht Ziehugsmodus ohe Zurücklege des gezogee Loses mit Zurücklege
MehrStochastik: Binomialverteilung Stochastik Bernoulli-Experimente, binomialverteilte Zufallsvariablen Gymnasium ab Klasse 10
Stochastik Beroulli-Experimete, biomialverteilte Zufallsvariable Gymasium ab Klasse 0 Alexader Schwarz www.mathe-aufgabe.com November 203 Hiweis: Für die Aufgabe darf der GTR beutzt werde. Aufgabe : Ei
Mehr