Interaktive Experimente und Lehrvideos für die st at ist ische Grundausbildung
|
|
|
- Gertrud Schreiber
- vor 6 Jahren
- Abrufe
Transkript
1 Interaktive Experimente und Lehrvideos für die st at ist ische Grundausbildung Hans-Joachim Mittag / Salzburg, 14. September FernUniversität in Hagen
2 Interaktive Lernobjekte und Lehrvideos für die st at ist ische Grundausbildung 1. Interaktive Lernobjekte zur Statistik 2. Videos zur Statistik 3. Einsatzerfahrungen / Perspektiven 2 FernUniversität in Hagen
3 Interaktive Lernobjekte zur Statistik: Web App Visualisierung von statistischen Methoden und statistischen Daten Innovationspreis Bildung 2015 (Bundesverband für BBWF) Virtuelle Bibliothek mit 4 Teilbibliotheken aktuell ca. 35 Lernobjekte für mobile Endgeräte + Desktops Handhabungshinweise für jedes Lernobjekt 3 FernUniversität in Hagen
4 Interaktive Lernobjekte zur Statistik: Web App mit ca. 35 Lernobjekten ( Mini-Lernwelten ) Eigenschaften der Lernobjekte Sprache: Deutsch keine Formeln, kaum Text granular, alle Lernobjekte einzeln nutzbar Responsive Web Design 4 FernUniversität in Hagen
5 Beispiel 1: Münzwurf- und Würfelexperimente Analog: Würfelexperiment 5 FernUniversität in Hagen
6 Beispiel 2-3: Binomialverteilung Lineare Regression / KQ 6 FernUniversität in Hagen
7 Beispiel 5: Normalverteilung / Standardnormalverteilung 7 FernUniversität in Hagen
8 Beispiel 6: Konfidenzintervalle für Erwartungswerte Simulationsexperiment (Stichproben aus einer Standardnormalverteilung): Erzeugung von bis zu 200 Konfidenzintervallen 8 FernUniversität in Hagen
9 Beispiel 7: PKW-Neuzulassungen in DE (nach Marken) 9 FernUniversität in Hagen
10 Beispiel 8: Militärausgaben im Ländervergleich Ziel: Kritisches Hinterfragen von Rankings 10 FernUniversität in Hagen
11 Beispiel 9: Erneuerbare Energien in der EU 11 FernUniversität in Hagen
12 Interaktive Lernobjekte zur Statistik Web App (mobile Endgeräte + Desktops) Sprache: Englisch keine Formeln, kaum Text granular, alle Lernobjekte einzeln nutzbar Responsive Web Design Verzicht auf Handhabungshinweise aktuell nur ca. 30 Lernobjekte 12 FernUniversität in Hagen
13 Beispiele: Binomialverteilung / KQ-Schätzung 13 FernUniversität in Hagen
14 Neue interaktive Lernobjekte und Videos 1. Interaktive Lernobjekte zur Statistik 2. Videos zur Statistik 3. Einsatzerfahrungen / Perspektiven 14 FernUniversität in Hagen
15 Neue Lehrvideos zur Statistik (2017) Momentan drei Videos (Einsatz an der Hamburger Fern-Hochschule): Diskrete Zufallsvariablen Die Binomialverteilung ein Verteilungsmodell für Zählvariablen Wahrscheinlichkeits- / Verteilungsfunktion der Binomialverteilung Dauer: 14 Minuten 14 Minuten 24 Minuten Web-Adressen: FernUniversität in Hagen
16 Lehrvideo zur Binomialverteilung Wahrscheinlichkeitsfunktion: Verteilungsfunktion: Verteilung hängt von zwei Parametern ab: n und p Ausschnitte (Video 3): Herleitung von f(x) (zunächst für Spezialfall n = 3 und p = 0,25): Anwendung der Formeln: FernUniversität in Hagen
17 Neue interaktive Lernobjekte und Videos 1. Interaktive Lernobjekte zur Statistik 2. Videos zur Statistik 3. Einsatzerfahrungen / Perspektiven 17 FernUniversität in Hagen
18 Verwendung der Lernobjekte / Videos in unterschiedlichen Lehr- und Lernszenarien Im Selbststudium (Ergänzung zu Lehrbüchern) An Schulen und Hochschulen In virtuellen Campussystemen 18 FernUniversität in Hagen
19 Erweiterung des Medienmixes durch Verknüpfung von Printmaterialien mit mobilen Endgeräten via QR-Codes Auszug aus einem Statistik-Lehrbuch (5. Auflage, Springer, September 2017) 19 FernUniversität in Hagen
20 Erweiterung des Medienmixes 20 FernUniversität in Hagen Auszug aus dem Kurs Wirtschaftsstatistik der Hamburger Fern-Hochschule Perspektivisch: Direkte Einbindung in HTML5- Dokumente / Studienbriefe
21 Perspektivisch: Verwendung der Lernobjekte im Mathematikunterricht (Schüler) Bearbeitung von Aufgaben zur Statistik im Unterricht und zu Hause; experimentgestütztes Ausprobieren von Konzepten und Modellen 21 FernUniversität in Hagen
22 Perspektivisch: Einsatz in der Aus- und Fortbildung, z. B. im Referendariat (Mathematik, Sek II) Nutzung interaktiver Visualisierungen im Unterricht unter Einsatz elektronischer Tafeln 22 FernUniversität in Hagen
23 Referenzen (Publikationen / Webadressen): Mittag, H.-J. (2017), Statistik, Springer, 5. Auflage, Heidelberg Mittag, H.-J. (2015), Interaktive Lernobjekte zur Statistik für Tablets und Smartphones, Stochastik in der Schule, Heft 3/2015 Statistik-App: Rezension in mathematik lehren, Heft 203, S. 46, August 2017 Videos: at ist ik.de/ videos/ Kontakt: joachim.mittag@fernuni-hagen.de 23 FernUniversität in Hagen
kultur- und sozialwissenschaften
Hans-Joachim Mittag Statistik Eine interdisziplinäre Einführung kultur- und sozialwissenschaften Das Werk ist urheberrechtlich geschützt. Die dadurch begründeten Rechte, insbesondere das Recht der Vervielfältigung
Interaktive Lernobjekte zur Statistik für Tablets und Smartphones
Interaktive Lernobjekte zur Statistik für Tablets und Smartphones HANS-JOACHIM MITTAG Zusammenfassung: Vorgestellt wird eine neue und frei zugängliche Web-App, die an Hochschulen und Schulen zur Vermittlung
Hans-Joachim Mittag. Statistik. Eine Einführung mit interaktiven Elementen 4. Auflage. freier Zugang zu interaktiven Elementen inklusive
Hans-Joachim Mittag Statistik Eine Einführung mit interaktiven Elementen 4. Auflage freier Zugang zu interaktiven Elementen inklusive Springer-Lehrbuch Hans-Joachim Mittag Statistik Eine Einführung mit
Grundlagen der Mathematik, der Statistik und des Operations Research für Wirtschaftswissenschaftler
Grundlagen der Mathematik, der Statistik und des Operations Research für Wirtschaftswissenschaftler Von Professor Dr. Gert Heinrich 3., durchgesehene Auflage R.Oldenbourg Verlag München Wien T Inhaltsverzeichnis
1.1.1 Ergebnismengen Wahrscheinlichkeiten Formale Definition der Wahrscheinlichkeit Laplace-Experimente...
Inhaltsverzeichnis 0 Einführung 1 1 Zufallsvorgänge und Wahrscheinlichkeiten 5 1.1 Zufallsvorgänge.......................... 5 1.1.1 Ergebnismengen..................... 6 1.1.2 Ereignisse und ihre Verknüpfung............
I. Deskriptive Statistik 1
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Grundgesamtheit und Stichprobe.................. 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................
Statistik für Ökonomen
Wolfgang Kohn Riza Öztürk Statistik für Ökonomen Datenanalyse mit R und SPSS 2., überarbeitete Auflage 4ü Springer Gabler Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R '! 3 1.1 Installieren
Statistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 12.5.2006 1 Test auf Anteilswert: Binomialtest Sei eine Stichprobe unabhängig, identisch verteilter ZV (i.i.d.). Teile diese Stichprobe in zwei Teilmengen
Basiswissen Mathematik, Statistik. und Operations Research für. Wirtschaftswissenschaftler. von. Prof. Dr. Gert Heinrich DHBW Villingen-Schwenningen
Basiswissen Mathematik, Statistik und Operations Research für Wirtschaftswissenschaftler von Prof. Dr. Gert Heinrich DHBW Villingen-Schwenningen 5., korrigierte Auflage Oldenbourg Verlag München Inhaltsverzeichnis
Box. Mathematik ZU DEN KERNCURRICULUM-LERNBEREICHEN:
Box Mathematik Schülerarbeitsbuch P (μ o- X μ + o-) 68,3 % s rel. E P (X = k) f g h A t μ o- μ μ + o- k Niedersachsen Wachstumsmodelle und Wahrscheinlichkeitsrechnung ZU DEN KERNCURRICULUM-LERNBEREICHEN:
Inhaltsverzeichnis. 2 Kurzbeschreibung von SPSS Der SPSS-Dateneditor Statistische Analysen mit SPSS DieDaten...
Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R... 3 1.1 Installieren und Starten von R... 3 1.2 R-Befehleausführen... 3 1.3 R-Workspace speichern... 4 1.4 R-History sichern........ 4 1.5
Wahrscheinlichkeitsrechnung und schließende Statistik
Günther Bourier Wahrscheinlichkeitsrechnung und schließende Statistik Praxisorientierte Einführung Mit Aufgaben und Lösungen 3. F überarbeitete Auflage GABLER Inhaltsverzeichnis Vorwort Inhaltsverzeichnis
Inhaltsverzeichnis. Teil I Einführung
Inhaltsverzeichnis Teil I Einführung 1 Statistik-Programme... 1.1 Kleine Einführung in R... 1.1.1 Installieren und Starten von R. 1.1.2 R-Konsole... 1.1.3 R-Workspace... 1.1.4 R-History... 1.1.5 R-Skripteditor...
Kapitel 2 Wahrscheinlichkeitsrechnung
Definition 2.77: Normalverteilung & Standardnormalverteilung Es sei µ R und 0 < σ 2 R. Besitzt eine stetige Zufallsvariable X die Dichte f(x) = 1 2 πσ 2 e 1 2 ( x µ σ ) 2, x R, so heißt X normalverteilt
Abiturvorbereitung Stochastik. neue friedländer gesamtschule Klasse 12 GB Holger Wuschke B.Sc.
Abiturvorbereitung Stochastik neue friedländer gesamtschule Klasse 12 GB 24.02.2014 Holger Wuschke B.Sc. Siedler von Catan, Rühlow 2014 Organisatorisches 0. Begriffe in der Stochastik (1) Ein Zufallsexperiment
Vorlesung Wirtschaftsstatistik 2 (FK ) Wiederholungen deskriptive Statistik und Einleitung Normalverteilungsverfahren. Dipl.-Ing.
Vorlesung Wirtschaftsstatistik 2 (FK 040637) Wiederholungen deskriptive Statistik und Einleitung Normalverteilungsverfahren Dipl.-Ing. Robin Ristl Wintersemester 2012/13 1 Vorlesungsinhalte Wiederholung:
Statistik. Ludwig Fahrmeir Rita Künstler Iris Pigeot Gerhard Tutz. Der Weg zur Datenanalyse. Springer. Zweite, verbesserte Auflage
Ludwig Fahrmeir Rita Künstler Iris Pigeot Gerhard Tutz Statistik Der Weg zur Datenanalyse Zweite, verbesserte Auflage Mit 165 Abbildungen und 34 Tabellen Springer Inhaltsverzeichnis Vorwort v 1 Einführung
Einführung in die computergestützte Datenanalyse
Karlheinz Zwerenz Statistik Einführung in die computergestützte Datenanalyse 6., überarbeitete Auflage DE GRUYTER OLDENBOURG Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL
Statistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz 3., überarbeitete Auflage R.01denbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt
Binomialverteilung. Statistik für SoziologInnen 1 Diskrete Verteilungsmodelle. Marcus Hudec
Binomialverteilung Jakob Bernoulli (1654-1705) Ars Conjectandi Klassisches Verteilungsmodell für die Berechnung der Wahrscheinlichkeit für die Häufigkeit des Eintretens von Ereignissen in bestimmten noch
Wahrscheinlichkeitsrechnung und schließende Statistik
Springer-Lehrbuch Wahrscheinlichkeitsrechnung und schließende Statistik von Karl Mosler, Friedrich Schmid Neuausgabe Wahrscheinlichkeitsrechnung und schließende Statistik Mosler / Schmid schnell und portofrei
1 Dichte- und Verteilungsfunktion
Tutorium Yannick Schrör Klausurvorbereitungsaufgaben Statistik Lösungen Yannick.Schroer@rub.de 9.2.26 ID /455 Dichte- und Verteilungsfunktion Ein tüchtiger Professor lässt jährlich 2 Bücher drucken. Die
Inhaltsverzeichnis. 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
Auswahl von Schätzfunktionen
Auswahl von Schätzfunktionen Worum geht es in diesem Modul? Überblick zur Punktschätzung Vorüberlegung zur Effizienz Vergleich unserer Schätzer für My unter Normalverteilung Relative Effizienz Einführung
Klausur zum Fach GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK. für Studierende der INFORMATIK
Institut für Stochastik Prof. Dr. Daniel Hug Name: Vorname: Matr.-Nr.: Klausur zum Fach GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK für Studierende der INFORMATIK Datum: 08. Februar 0 Dauer:
Hypergeometrische Verteilung
Hypergeometrische Verteilung Typischer Anwendungsfall: Ziehen ohne Zurücklegen Durch den Ziehungsprozess wird die Wahrscheinlichkeit des auch hier zu Grunde liegenden Bernoulli-Experimentes verändert.
Einführung in die Wahrscheinlichkeitsrechnung und Statistik für Ingenieure
Einführung in die Wahrscheinlichkeitsrechnung und Statistik für Ingenieure Von Prof. Hubert Weber Fachhochschule Regensburg 3., überarbeitete und erweiterte Auflage Mit zahlreichen Bildern, Tabellen sowie
I. Zahlen, Rechenregeln & Kombinatorik
XIV. Wiederholung Seite 1 I. Zahlen, Rechenregeln & Kombinatorik 1 Zahlentypen 2 Rechenregeln Brüche, Wurzeln & Potenzen, Logarithmen 3 Prozentrechnung 4 Kombinatorik Möglichkeiten, k Elemente anzuordnen
Biometrie und Methodik (Statistik) - WiSem08/09 Probeklausur 1
Biometrie und Methodik (Statistik) - WiSem08/09 Probeklausur 1 Aufgabe 1 (10 Punkte). 10 Schüler der zehnten Klasse unterziehen sich zur Vorbereitung auf die Abschlussprüfung einem Mathematiktrainingsprogramm.
Über den Autor 7. Teil Beschreibende Statistik 29
Inhaltsverzeichnis Über den Autor 7 Einführung Über dieses Buch - oder:»... für Dummies«verpflichtet! Wie man dieses Buch benutzt 22 Wie ich Sie mir vorstelle 22 Wie dieses Buch aufgebaut ist 23 Teil I:
Statistik II SoSe 2006 immer von 8:00-9:30 Uhr
Statistik II SoSe 2006 immer von 8:00-9:30 Uhr Was machen wir in der Vorlesung? Testen und Lineares Modell Was machen wir zu Beginn: Wir wiederholen und vertiefen einige Teile aus der Statistik I: Konvergenzarten
Von der Normalverteilung zu z-werten und Konfidenzintervallen
Von der Normalverteilung zu z-werten und Konfidenzintervallen Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH
Schulinternes Curriculum Mathematik SII
Schulinternes Curriculum Mathematik SII Koordinatengeometrie Gerade, Parabel, Kreis Lösen von LGS mithilfe des Gaußverfahrens zur Bestimmung von Geraden und Parabeln 11 Differentialrechnung ganzrationaler
Biostatistik Erne Einfuhrung fur Biowissenschaftler
Matthias Rudolf Wiltrud Kuhlisch Biostatistik Erne Einfuhrung fur Biowissenschaftler PEARSON Studium Inhaltsverzeichnis Vorwort xi Kapitel 1 Einfiihrung 1 1.1 Biostatistik als Bestandteil biowissenschafllicher
Mathematische und statistische Methoden II
Statistik & Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte
Grundkompetenzen (Mathematik Oberstufe)
Grundkompetenzen (Mathematik Oberstufe) AG: Algebra und Geometrie (14 Deskriptoren) FA: Funktionale Abhängigkeiten (35 Deskriptoren) AN: Analysis (11 Deskriptoren) WS: Wahrscheinlichkeit und Statistik
STATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik. Mögliche Ergebnisse, auch Elementarereignisse bezeichnet
Kapitel 10 Zufall und Wahrscheinlichkeit 10.1. Grundbegriffe Wahrscheinlichkeitsrechnung Zufallsvorgang Klein-Omega ω Groß-Omega Ω Stellt Modelle bereit, die es erlauben zufallsabhängige Prozesse abzuschätzen
Keine Panik vor Statistik!
Markus Oestreich I Oliver Romberg Keine Panik vor Statistik! Erfolg und Spaß im Horrorfach nichttechnischer Studiengänge STUDIUM 11 VIEWEG+ TEUBNER Inhaltsverzeichnis 1 Erstmal locker bleiben: Es längt
Statistik. Datenanalyse mit EXCEL und SPSS. Prof. Dr. Karlheinz Zwerenz. R.Oldenbourg Verlag München Wien. Von
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz R.Oldenbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL I GRUNDLAGEN
Peter P. Eckstein. Statistik für. Wirtschaftswissenschaftler. Eine realdatenbasierte. Einführung mit SPSS. 4., aktualisierte und erweitete Auflage
Peter P. Eckstein Statistik für Wirtschaftswissenschaftler Eine realdatenbasierte Einführung mit SPSS 4., aktualisierte und erweitete Auflage Springer Gabler VII 1 Statistik I 1.1 Historisehe Notizen 2
Mathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 9. Dezember 2010 1 Konfidenzintervalle Idee Schätzung eines Konfidenzintervalls mit der 3-sigma-Regel Grundlagen
GeoGebra eine dynamische Sicht auf die (Schul)Mathematik
ComputerMathematik-II (2VU) CMG (3. Sem. Math-SekAB W16/17) LV-Nr: MAA.03031PH GeoGebra eine dynamische Sicht auf die (Schul)Mathematik erinnern Sie sich noch Voraussetzungen: * Kenntnisse der Schulmathematik
Vorwort Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße Erwartungswert und Varianz...
Inhaltsverzeichnis Vorwort... 2 Zum Einstieg... 3 1 Zufallsvariable X, Erwartungswert E(X), Varianz V(X) 1.1 Zufallsvariable oder Zufallsgröße... 5 1.2 Erwartungswert und Varianz... 7 2 Wahrscheinlichkeitsverteilungen
Statistik für Wirtschaftswissenschaftler
Peter R Eckstein Statistik für Wirtschaftswissenschaftler Eine realdatenbasierte Einführung mit SPSS 2., aktualisierte und erweiterte Auflage GABLER HOCHSCHULE LIECHTENSTEIN Bibliothek Inhaltsverzeichnis
Institut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie (3) Überblick. Deskriptive Statistik I 2. Deskriptive
Schließende Statistik
Schließende Statistik Die schließende Statistik befasst sich mit dem Rückschluss von einer Stichprobe auf die Grundgesamtheit (Population). Die Stichprobe muss repräsentativ für die Grundgesamtheit sein.
Kinga Szűcs
Kinga Szűcs 28.10.2014 Warum wird Stochastik in der Schule unterrichtet? Welche Vorteile kann der Stochastikunterricht in den MU bringen? Welche Nachteile kann der Stochastikunterricht haben? Welche Ziele
Kapitel 3 Schließende Statistik
Beispiel 3.4: (Fortsetzung Bsp. 3.) bekannt: 65 i=1 X i = 6, also ˆp = X = 6 65 = 0, 4 Überprüfen der Voraussetzungen: (1) n = 65 30 () n ˆp = 6 10 (3) n (1 ˆp) = 39 10 Dr. Karsten Webel 194 Beispiel 3.4:
Station 1 Das Galtonbrett, Realmodelle
Station 1 Das Galtonbrett, Realmodelle Zeit zur Bearbeitung: 10 Minuten 1.1 Versuch:. Münzwurf mit dem Galtonbrett Betrachtet wird folgendes Zufallsexperiment: Fünf identische Münzen werden zehn-mal geworfen.
Statistik 2 für SoziologInnen. Normalverteilung. Univ.Prof. Dr. Marcus Hudec. Themen dieses Kapitels sind:
Statistik 2 für SoziologInnen Normalverteilung Univ.Prof. Dr. Marcus Hudec Statistik 2 für SoziologInnen 1 Normalverteilung Inhalte Themen dieses Kapitels sind: Das Konzept stetiger Zufallsvariablen Die
Stochastik I. Vorlesungsmitschrift
Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................
Jahrgangscurriculum 11.Jahrgang
Jahrgangscurriculum 11.Jahrgang Koordinatengeometrie Geraden (Lage von Geraden; Schnittwinkel) Abstände im KOSY Kreise Kreise und Geraden Parabeln und quadratische Funktionen (Parabel durch 3 Punkte, Anwendungsaufgaben)
Stetige Verteilungen. A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch
6 Stetige Verteilungen 1 Kapitel 6: Stetige Verteilungen A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch dargestellt. 0.2 6
Mathematik für Ingenieure und Naturwissenschaftler BandS
Lothar Papula Mathematik für Ingenieure und Naturwissenschaftler BandS Vektoranalysis, Wahrscheinlichkeitsrechnung, Mathematische Statistik, Fehler- und Ausgleichsrechnung 6., überarbeitete und erweiterte
Inhaltsverzeichnis Was man über Microsoft Excel wissen sollte
Inhaltsverzeichnis 1 Was man über Microsoft Excel wissen sollte... 1 1.1 Eingabenanalyse durch Excel... 1 1.1.1 Trennung zwischen numerischer und nichtnumerischer Eingabe. 1 1.1.2 Speicherung numerischer
Lehramt an Haupt- und Realschulen L2 und Förderschulen L5. Mathematik
Lehramt an Haupt- und Realschulen L2 und Förderschulen L5 Mathematik Mathematik L2 / L5 Modul 1 bis 3: Mathematik Fachwissenschaft Modul 4 bis 6: Didaktik der Mathematik Schulpraktikum Modul 1 bis 3 Wissenschaftliche
Grundlegende Eigenschaften von Punktschätzern
Grundlegende Eigenschaften von Punktschätzern Worum geht es in diesem Modul? Schätzer als Zufallsvariablen Vorbereitung einer Simulation Verteilung von P-Dach Empirische Lage- und Streuungsparameter zur
8. Konfidenzintervalle und Hypothesentests
8. Konfidenzintervalle und Hypothesentests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Beispiel. Sie wollen den durchschnittlichen Fruchtsaftgehalt eines bestimmten Orangennektars
1 Stochastische Konvergenz 2. 2 Das Gesetz der grossen Zahlen 4. 3 Der Satz von Bernoulli 6
Wirtschaftswissenschaftliches Zentrum 0 Universität Basel Mathematik Dr. Thomas Zehrt Grenzwertsätze Benötigtes Vorwissen: Der Stoff der Vorlesung,,Statistik wird als bekannt vorausgesetzt, insbesondere
Zusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen
Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind
Stochastik für die Naturwissenschaften
Stochastik für die Naturwissenschaften Dr. C.J. Luchsinger 6. Ausgewählte Verteilungen (Distributions) * diskret: Bernoulli, Binomial, Geometrisch, Poisson * stetig: Uniform, Exponential, Normal, χ 2,
ETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig)
ETWR Teil B 2 Ziele Bisher (eindimensionale, mehrdimensionale) Zufallsvariablen besprochen Lageparameter von Zufallsvariablen besprochen Übertragung des gelernten auf diskrete Verteilungen Ziel des Kapitels
Grundlagen der Probabilistik
Grundlagen der Probabilistik Gliederung Einleitung Theoretische Grundlagen der Stochastik Probabilistische Methoden Mögliche Ergebnisse von probabilistischen Untersuchungen Mögliche Fehlerquellen bei probabilistischen
Verteilungen eindimensionaler stetiger Zufallsvariablen Einführung Stetige Verteilungen
Verteilungen eindimensionaler stetiger Zufallsvariablen Einführung Stetige Verteilungen Stetige Gleichverteilung Exponentialverteilung Normalverteilung Bibliografie: Prof. Dr. Kück Universität Rostock
Mit Simulationen von einfachen Zufallsexperimenten bis zur Inferenzstatistik
Mit Simulationen von einfachen Zufallsexperimenten bis zur Inferenzstatistik Eine Familie hat zwei Kinder. Mit welcher Wahrscheinlichkeit haben alle Kinder dasselbe Geschlecht (2 Mädchen oder 2 Jungen)?
Statistische Methoden der Datenanalyse
Statistische Methoden der Datenanalyse Vorlesung im Sommersemester 2002 H. Kolanoski Humboldt-Universität zu Berlin Inhaltsverzeichnis Literaturverzeichnis iii 1 Grundlagen der Statistik 3 1.1 Wahrscheinlichkeit..................................
Einführung in die Maximum Likelihood Methodik
in die Maximum Likelihood Methodik Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Gliederung 1 2 3 4 2 / 31 Maximum Likelihood
Über den Autor 7 Über den Fachkorrektor 7. Einführung 19
Inhaltsverzeichnis Über den Autor 7 Über den Fachkorrektor 7 Einführung 19 Über dieses Buch 19 Törichte Annahmen über den Leser 20 Wie dieses Buch aufgebaut ist 20 Teil I: Ein paar statistische Grundlagen
Übung 1: Wiederholung Wahrscheinlichkeitstheorie
Übung 1: Wiederholung Wahrscheinlichkeitstheorie Ü1.1 Zufallsvariablen Eine Zufallsvariable ist eine Variable, deren numerischer Wert solange unbekannt ist, bis er beobachtet wird. Der Wert einer Zufallsvariable
Bourier. Wahrscheinlichkeitsrechnung und schließende Statistik
Bourier. Wahrscheinlichkeitsrechnung und schließende Statistik GÜNTHER BOURIER Wahrscheinlichkeitsrechnung und schließende Statistik Praxisorientierte Ei nfü h ru ng Mit Aufgaben und Lösungen LEHRBUCH
Einführung 17. Teil I Kopfüber eintauchen in die Statistik 23. Kapitel 1 Kategoriale Daten zusammenfassen: Häufigkeiten und Prozente 25
Inhaltsverzeichnis Einführung 17 Über dieses Buch 17 Törichte Annahmen über den Leser 19 Wie dieses Buch aufgebaut ist 19 Teil I: Kopfüber eintauchen indie Statistik 19 Teil II: Von Wahrscheinlichkeiten,
Mathematische und statistische Hilfsmittel für Pharmazeuten
Mathematische und statistische Hilfsmittel für Pharmazeuten Dr. Helga Lohöfer Fachbereich Mathematik und Informatik der Philipps-Universität Marburg Fassung vom September 2003 Inhaltsverzeichnis I Elementare
Mathematik in den Life Siences
Gerhard Keller Mathematik in den Life Siences Grundlagen der Modellbildung und Statistik mit einer Einführung in die Statistik-Software R 49 Abbildungen Verlag Eugen Ulmer Stuttgart Inhaltsverzeichnis
ROFIN App Benutzerhandbuch. Version 1.0
ROFIN App Benutzerhandbuch Version 1.0 Inhaltsverzeichnis 1. Beschreibung 2. Passwort und Einstellungen 3. Support Tab 4. Vertriebs Tab 5. Web Tab 6. Häufig gestellte Fragen BESCHREIBUNG Die ROFIN App
Stochastik und Statistik für Ingenieure Vorlesung 4
Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Stochastik und Statistik für Ingenieure Vorlesung 4 30. Oktober 2012 Quantile einer stetigen Zufallsgröße Die reelle Zahl
Lösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 3: Aufgaben zu den Kapiteln 5 und 6
1 Lösungen ausgewählter Übungsaufgaben zum Buch Elementare Stochastik (Springer Spektrum, 2012) Teil 3: Aufgaben zu den Kapiteln 5 und 6 Aufgaben zu Kapitel 5 Zu Abschnitt 5.1 Ü5.1.1 Finden Sie eine maximum-likelihood-schätzung
Tests einzelner linearer Hypothesen I
4 Multiple lineare Regression Tests einzelner linearer Hypothesen 4.5 Tests einzelner linearer Hypothesen I Neben Tests für einzelne Regressionsparameter sind auch Tests (und Konfidenzintervalle) für Linearkombinationen
Willkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Punkt- und Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr.
4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 4.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
Themenpool teilzentrale Reifeprüfung Mathematik Europagymnasium Auhof, Aubrunnerweg 4, 4040 Linz; Schulkennzahl:
Themenpool teilzentrale Reifeprüfung Mathematik Europagymnasium Auhof, Aubrunnerweg 4, 4040 Linz; Schulkennzahl: 401546 Thema 1: Zahlenbereiche und Rechengesetze Reflektieren über das Erweitern von Zahlenbereichen
Seminar zur Energiewirtschaft:
Seminar zur Energiewirtschaft: Ermittlung der Zahlungsbereitschaft für erneuerbare Energien bzw. bessere Umwelt Vladimir Udalov 1 Modelle mit diskreten abhängigen Variablen 2 - Ausgangssituation Eine Dummy-Variable
Kenngrößen von Zufallsvariablen
Kenngrößen von Zufallsvariablen Die Wahrscheinlichkeitsverteilung kann durch die sogenannten Kenngrößen beschrieben werden, sie charakterisieren sozusagen die Verteilung. Der Erwartungswert Der Erwartungswert
Der Aufbau einer erfolgreichen Website
Bremen, 24. Oktober 2013 Der Aufbau einer erfolgreichen Website Oliver Wächter Abraxas Medien, Bremen Berlin Otto-Gildemeister-Straße 43 28209 Bremen Bismarckstraße 108 10625 Berlin www.abraxas-medien.de
Wahrscheinlichkeitstheorie und Statistik vom
INSTITUT FÜR STOCHASTIK SS 2007 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Dipl.-Math. oec. W. Lao Klausur (Maschineningenieure) Wahrscheinlichkeitstheorie und Statistik vom 2.9.2007 Musterlösungen
Kapitel 12 Stetige Zufallsvariablen Dichtefunktion und Verteilungsfunktion. stetig. Verteilungsfunktion
Kapitel 12 Stetige Zufallsvariablen 12.1. Dichtefunktion und Verteilungsfunktion stetig Verteilungsfunktion Trägermenge T, also die Menge der möglichen Realisationen, ist durch ein Intervall gegeben Häufig
Statistik 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
Prüfungsteil 2, Aufgabe 8 Stochastik
Prüfung Mathematik Nordrhein-Westfalen 2013 (LK) Aufgabe 8: (WTR) Abitur Mathematik: Prüfungsteil 2, Aufgabe 8 Nordrhein-Westfalen 2012 LK Aufgabe a (1) und (2) 1. SCHRITT: VERTEILUNG ANGEBEN Da die Anzahl
Das Histogramm ist glockenförmig. Es würde bei mehr als vier Fehlerquellen sich der Glockenform noch besser annähern.
10. Stetige Zufallsvariable, Normalverteilung 55 Die in den folgenden Beispielen dargestellten Verteilungen haben ungefähr Glockenform. Sie können durch die sogenannte Normalverteilung oder Gaussverteilung
Univariates Datenmaterial
Univariates Datenmaterial 1.6.1 Deskriptive Statistik Zufallstichprobe: Umfang n, d.h. Stichprobe von n Zufallsvariablen o Merkmal/Zufallsvariablen: Y = {Y 1, Y 2,..., Y n } o Realisationen/Daten: x =
LEHRPLAN MATHEMATIK SPORT- UND MUSIKKLASSE
LEHRPLAN MATHEMATIK SPORT- UND MUSIKKLASSE STUNDENDOTATION GF EF 3. KLASSE 1. SEM. 4 2. SEM. 4 4. KLASSE 1. SEM. 3 2. SEM. 3 5. KLASSE 1. SEM. 3 2. SEM. 3 6. KLASSE 1. SEM. 3 2 2. SEM. 3 2 7. KLASSE 1.
hw.design DAX-30 ONLINE- GESCHÄFTS- BERICHTE 2013 STUDIE
hw.design DAX-30 ONLINE- GESCHÄFTS- BERICHTE 013 STUDIE 15 05 014 STUDIE: DAX-30 ONLINE-GESCHÄFTSBERICHTE 013 Wir wollten wissen 15 05 014 In welcher Form werden die Online-Geschäftsberichte des Berichtsjahres
Prüfung aus Statistik 1 für SoziologInnen. Musterlösung
Prüfung aus Statistik 1 für SoziologInnen Gesamtpunktezahl =80 1) Wissenstest (maximal 20 Punkte) Prüfungsdauer: 2 Stunden Musterlösung Kreuzen ( ) Sie die jeweils richtige Antwort an. Jede richtige Antwort
Signalverarbeitung 2. Volker Stahl - 1 -
- 1 - Überblick Bessere Modelle, die nicht nur den Mittelwert von Referenzvektoren sondern auch deren Varianz berücksichtigen Weniger Fehlklassifikationen Mahalanobis Abstand Besseres Abstandsmaß basierend
Klausur Stochastik und Statistik 18. September 2012
Klausur Stochastik und Statistik 18. September 2012 Prof. Dr. Matthias Schmid Institut für Statistik, LMU München Wichtig: ˆ Überprüfen Sie, ob Ihr Klausurexemplar vollständig ist. Die Klausur besteht
Induktive Statistik. Von o. Prof. Dr. Joachim Härtung. Fachbereich Statistik der Universität Dortmund und. Dr. Barbara Heine
Statistik-Übungen Induktive Statistik Von o. Prof. Dr. Joachim Härtung Fachbereich Statistik der Universität Dortmund und Dr. Barbara Heine 4., durchgesehene und ergänzte Auflage R.Oldenbourg Verlag München
1. Ziehg.: N M. falls nicht-rote K. in 1. Ziehg. gezogen
6.4 Hyergeometrische Verteilung Gegeben ist eine Urne, die mit N Kugeln gefüllt ist. Es seien M dieser Kugeln rot und N-M Kugeln nicht rot. Wir entnehmen n Kugeln, d.h. eine Stichrobe des Umfangs n. Dabei
Vorlesung 8b. Bedingte Erwartung, bedingte Varianz, bedingte Verteilung, bedingte Wahrscheinlichkeiten
Vorlesung 8b Bedingte Erwartung, bedingte Varianz, bedingte Verteilung, bedingte Wahrscheinlichkeiten 1 Wie gehabt, denken wir uns ein zufälliges Paar X = (X 1,X 2 ) auf zweistufige Weise zustande gekommen:
Der Zentrale Grenzwertsatz
QUALITY-APPS Applikationen für das Qualitätsmanagement Der Zentrale Grenzwertsatz Autor: Dr. Konrad Reuter Für ein Folge unabhängiger Zufallsvariablen mit derselben Verteilung und endlichem Erwartungswert
Statistik für Betriebswirte 1 Probeklausur Universität Hamburg Wintersemester 2016/ Dezember 2016
Statistik für Betriebswirte 1 Probeklausur Universität Hamburg Wintersemester 2016/2017 16. Dezember 2016 1 Aufgabe 1: Beschreibung univariater Daten (30 Punkte) Ein Autohändler verkauft Autos in fünf
Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2013 Aufgabe 1 In einer Urne