Praktikumsprotokoll: Galton-Brett
|
|
- Peter Breiner
- vor 6 Jahren
- Abrufe
Transkript
1 Praktikumsprotokoll: Galton-Brett Robin Marzucca, Andreas Liehl 26. November 2010 Protokoll zum Versuch Galton-Brett, durchgeführt am an der Universität Konstanz im Rahmen des physikalischen Anfängerpraktikums I von Robin Marzucca und Andreas Liehl unter Tutor Bernhard Herzog. Inhaltsverzeichnis 1 Einleitung 2 2 Grundlagen Zentraler Grenzwertsatz Binomialverteilung Normalverteilung und Mittelwert Standardabweichung und Varianz Der Versuch Versuchsaufbau Versuchsdurchführung Verhalten der Kugeln im Labyrinth Messungen Auswertung Theoretische Verteilung Aufgabe Aufgabe Experimentelle Bestimmung der Wahrscheinlichkeit mit der eine Kugel nach rechts abgelenkt wird Verringern der Standardabweichung Fehlerfortpflanzung Fragen und Antworten 13 1
2 1 Einleitung Das Galton-Brett, benannt nach dem engl. Statistiker und Wissenschaftler Sir Francis Galton ist ein zentraler Versuch der Statistik. Dabei fallen Kugeln unter Einfluss der Erdgravitation durch ein Labyrinth nach unten und sammeln sich in Fächern. Man beobachtet in der Regel, dass die meisten Kugeln in die Mitte fallen und die Anzahl nach außen hin stark abnimmt. Diese Verteilung nennt man die sog. Binomialverteilung oder auch Normalverteilung, die bei wissenschaftlichen Experimenten häufig auftritt sie wird durch die Kugeln veranschaulicht. Somit ist der Versuch für das Grundverständnis von experimentalphysikalischer Arbeit enorm wichtig, da sich bei vielen Versuch jeglicher Art die Normalverteilung nach und nach einstellt, wiederholt man das Experiment nur häufig genug. Der genaue Ablauf des Versuchs zum Galton- Brett, sowie deren Theorie und Praxis wird im Folgenden genauer erläutert. 2 Grundlagen 2.1 Zentraler Grenzwertsatz In der Experimentalphysik entstehen bei einem Versuch in der Regel viele verschiedene Messwerte, die immer etwas vom wahren Wert abweichen. Bei der Abweichung vom wahren Wert unterscheidet man zwischen semantischen Fehlern und statistischen Fehlern. Semantische Fehler lassen sich vermeiden, sie sind bedingt durch einen fehlerhaften Versuchsaufbau oder eine fehlerhafte Messung. Statistische Fehler hingegen sind nicht Ursache eines falschen Versuchsaufbaus oder einer fehlerhaften Messung, sondern sie kommen durch Einflüsse von außerhalb zufälliger Natur zustande. Überlagert man nun die Messwerte bei einem Versuch frei von semantischen Fehlern, so erhält man näherungsweise den wahren Wert. Dieser Sachverhalt wird durch den Zentralen Grenzwertsatz wie folgt definiert: Eine Messgröße möge aus der additiven Überlagerung von vielen zufälligen Einzelgrößen entstehen, die statistisch unabhängig voneinander sind und deren Wahrscheinlichkeitsverteilungen jeweils eine endliche Varianz haben, aber sonst beliebig und möglicherweise auch verschieden verteilt sind. Dann ist die Messgröße näherungsweise normalverteilt. Die Näherung gilt umso besser, je mehr zufällige Einzelgrößen einwirken. Mit diesem Hintergrund kann man theoretisch den wahren Wert bei N Versuchsdurchläufen nur für N erhalten. Bei statistischen Fehlern ist entscheidend, dass sie durch unabhängige, verschiedene physikalische Einflüsse bedingt sind. Liegt kein semantischer Fehler vor, sondern nur statistische, so sagt man, die Messergebnisse sind normalverteilt. Dann werden die Messwerte durch die sog. Normalverteilung (siehe 2.3) beschrieben. 2.2 Binomialverteilung Die Binomialverteilung beschreibt eine Wahrscheinlichkeitsverteilung für ein Zufallsexperiment. Dabei wird das Experiment N-mal hintereinander ausgeführt, wobei jeweils nur zwei mögliche 2
3 Ereignisse eintreten können. Entscheidend dabei ist, dass die Experimente unabhängig voneinander sind. Man berechnet die Wahrscheinlichkeit p, dass bei N-maliger Ausführung n-mal das Ereignis eintritt über die Binomialverteilung mit der Formel: ( ) N p N (n) = (1 p) N n p n (1) n Beim Galtonschen Brett ist das Messergebnis binomialverteilt (s.u.). 2.3 Normalverteilung und Mittelwert Wie bereits in der Einleitung erwähnt, so stellt sich für N nach und nach die sog. Normalverteilung (oder auch Gauss-Verteilung) ein. Die Dichte der Normalverteilung ist eine Kurve, die an die Binomialverteilung angenähert ist und berechnet sich durch die Funktion f(n) = 1 σ 2π (n µ) 2 e 2σ 2 (2) wobei σ die Standardabweichung (siehe 2.4) und µ der zu erwartende Mittelwert der Messwerte ist. Aufgrund ihrer Form, die dem Querschnitt einer Glocke ähnelt, wird diese Kurve auch als die Glockenkurve bezeichnet. Über Integration von a bis b dieser Dichtefunktion lässt sich die Wahrscheinlichkeitsdichte im Intervall [a; b] berechnen. Dementsprechend ist logischerweise: f(n) = 1 Mittels Differentialrechnung erhält man das Maximum dieser Funktion, was bei f (n) = 1 σ 2π f (n) = 0 n = µ 2 (n µ) 2σ 2 e (n µ) 2 2σ 2 liegt. Entsprechend lassen sich die Wendepunkte bei n = µ ± σ, d.h. jenseits der Standardabweichung flacht die Kurve auf beiden Seiten ab. Interessant wäre noch zu wissen, mit welcher Wahrscheinlichkeit der Messwert innerhalb der Standardabweichung bzw. der doppelten Standardabweichung landet. Man berechnet: n+σ n σ n+2σ n 2σ f(n) 68, 3% (3) f(n) 95, 4% (4) Man nennt diese Intervalle auch den sog. Vertrauensbereich. 3
4 Aber Vorsicht! Diese Funktion ist keine exakte Reproduktion, sondern nur eine Näherung der Binomialverteilung und deshalb nicht immer problemlos anwendbar. Die Funktion ist leider nicht sehr präzise für p > 99% p < 1%. Diese Normalverteilung, die den Sachverhalt des Zentralen Grenzwertsatzes beschreibt, spielt wie bereits erwähnt in der Experimentalphysik eine wichtige Rolle. Erhält man bei einem Versuch eine Reihe von an Messwerten, x 1, x 2, x 3,..., x N, so geht man sofern das Versuch frei von semantischen Fehlern ist davon aus, dass die Werte normalverteilt sind und man kann den Mittelwert berechnen durch: x = 1 N N i=1 x i Führt man den Versuch des Galton-Bretts häufig genug aus, so lässt sich der Grenzwertsatz mathematisch auch auf diese Messwerte anwenden und die Anzahl der Kugeln in den einzelnen Fächern lässt sich näherungsweise durch die Funktion für die Normalverteilung beschreiben. Der zu erwartende Mittelwert bei N Ablenkungen pro Kugel berechnet sich dann durch die Formel µ = N p N (n) n = N p (6) i=1 und die Standardabweichung gemäß σ = N p (1 p) (7) Nun haben wir bereits einen Begriff vorweg genommen, die sog. Standardabweichung. Was genau die Standardabweichung ist, soll nun kurz erläutert werden. (5) 2.4 Standardabweichung und Varianz Standardabweichung und Varianz sind Größen, die die Streuung, also konkret die Abweichungen vom wahren Wert, beschreiben. Zwar erhält man bei vielen Versuchsdurchläufen, die frei von semantischen Fehlern sind, in der Regeln über den Mittelwert der Messwerte näherungsweise den wahren Wert, jedoch muss man davon ausgehen, dass man letztendlich noch noch minimal daneben liegt. Deshalb kann man den endgültigen Wert nur ungefähr angeben. Man rechnet dann mit der Standardabweichung, welche sich bei N Versuchsdurchläufen mit den Messwerten x 1, x 2,..., x N allgemein berechnet durch: σ x = 1 N 1 N (x i x) 2 (8) i=1 wobei man für den Mittelwert die empirische Standardabweichung des Mittelwerts berechnen muss mittels der Formel: σ x = σ x 1 N (x i x) N N(N 1) 2 (9) i=1 Die Varianz ist das Quadrat der Standardabweichung. 4
5 3 Der Versuch In einem Versuch mit dem Galton-Brett sollen nun die beschriebenen Zusammenhänge veranschaulicht und überprüft werden. Das Galton - Brett ist hierfür besonders gut geeignet, da schon der Aufbau eine sehr gute Binomialverteilung verspricht. 3.1 Versuchsaufbau Abbildung 1: Aufbau des Galton-Bretts mit N + 1 = 11 Fächern [1] Gearbeitet wird mit einem Galtonschen Brett aus präzisionsgefrästem Plexiglas (siehe Abb. (1)), in welchem sich 256 Kugeln befinden. Der Aufbau des Galtonschen Brettes lässt sich in drei Teile gliedern. Oben befindet sich der Kugelspeicher, in dem sich bei Versuchsbeginn die 256 Edelstahlkügelchen befinden. Von dort rollen die Kügelchen in das Labyrinth, das den mittleren Teil des Brettes darstellt. Es besteht aus 10 Ebenen, die die Kugeln durchlaufen, wobei sie auf jeder Ebene entweder nach rechts oder nach links abgelenkt werden. Anders, als beim original Galton-Brett wird die Ablenkung hier durch Sechsecke, statt durch Nägel hervorgerufen. Nach diesem Labyrinth werden die Kügelchen im dritten Teil des Galton schen Brettes, in den elf verschiedenen Fächern aufgefangen. 3.2 Versuchsdurchführung Im Laufe des Versuches werden die 256 Kügelchen zehnmal komplett in das Labyrinth geleitet, worauf nach jedem Durchlauf die Verteilung auf die 11 Fächer notiert wird. 5
6 Im Anschluss soll auf Basis der Messwerte auf das Verhalten der Kügelchen an den Abzweigungen des Labyrinths geschlossen werden Verhalten der Kugeln im Labyrinth Die Kügelchen gelangen zu Beginn über eine treppenähnliche gestufte Bahn in das Labyrinth, die dafür sorgt, dass die Kugeln mit einem gewissen zeitlichen Abstand in das Labyrinth gelangen und sich somit nicht gegenseitig beeinflussen. Gleich zu Beginn gelangt die Kugel an den ersten sog. Prellstreuer, der von einer Ecke, den beiden benachbarten Kanten des Sechsecks und von den beiden benachbarten Sechsecken gebildet wird. Hier prallt die Kugel nun so lange von den Seitenwänden ab, bis sie schließlich entweder nach rechts oder nach links abgelenkt wird. Für den Weg zurück nach oben hat sie auf Grund der vielen unelastischen Stöße an den Seitenwänden des Labyrinths zu wenig kinetische Energie. Jetzt gelangt die Kugel weiter zu einem sog. Prelltrichter, in welchem sie wiederum auch so lange an den Kanten benachbarter Sechsecke abprallt, bis sie schließlich nach unten zum nächsten Prellstreuer weitergeleitet wird. Dieser Vorgang wird in Abb. (??) veranschaulicht. Das Ganze wiederholt sich nun für jede Kugel zehnmal, bis sie schließlich, je nach Weg, den sie genommen hat, in einem der elf Fächer landet. Abbildung 2: Elementarprozess: eine Kugel fällt auf den Prellstreuer und wird dann in einen der beiden Prelltrichter weitergeleitet [1] Zwar ist es in der Theorie möglich von den genauen Anfangsbedingungen, also Ort und Impuls auf das Fach zu schließen, in dem die Kugel letztendlich landet, man kann jedoch dennoch von einem Zufallsexperiment sprechen, da sich einerseits Ort und Impuls niemals beliebig genau bestimmen lässt, und auf der anderen Seite sich die geringsten äußeren Einflüsse letztlich exponentiell auswirken und es somit unmöglich für uns ist eine Bewegungsgleichung für die einzelnen Kugeln zu erstellen. Wir können die Ablenkung am Prellstreuer also als rein Zufällig ansehen, wobei sich unter idealen Bedingungen eine Wahrscheinlichkeit für die Ablenkung nach rechts p r = p l = (1 p r ) = 0, 5 (10) unabhängig vom vorherigen Weg ergibt. 6
7 Nach jeder Ablenkung bleibt also die Informationsmenge 1 bit erhalten, und wir können den Weg eines Kügelchens als 10-Stelligen Binärcode angeben, wobei die 1 eine Ablenkung nach rechts und die 0 für eine Ablenkung nach links repräsentiert. Am Ende bleibt als Information noch die Nummer des Fachs übrig (siehe auch das Beispiel in Abb. (3)). Abbildung 3: Beispiel für eine Kugel, die im Fach 6 landet. Der Binärcode ist dementsprechend [1] Messungen Bei der Durchführung des Versuchs wurden insgesamt 10 Versuchdurchläufe getätigt, wobei in jedem Versuch 256 Kugeln durch das Labyrinth in die Fächer liefen. In der folgenden Tabelle sind die Verteilungen der Kugeln auf die 11 Fächer in den einzelnen Versuchsdurchläufen aufgelistet. Nach rechts sind die jeweiligen Fachnummern F n aufgetragen und nach unten die Nummer des Versuchsdurchlauf. 7
8 Nr. / F n Gesamt Mittelwert 0,4 4,3 11, , ,2 31,6 12 3,7 0,4 Tabelle 1: Messwerte bei den 10 Versuchsdurchläufen. Die letzte Spalte zeigt den Mittelwert der 10 Messdaten der Kugeln im Fach n, gemäß Gleichung (5). Diese Werte können wir nun zur Veranschaulichung in einem Diagramm darstellen: Abbildung 4: Darstellung der Messwerte im Diagramm. Man kann hier schon näherungsweise die Binomialverteilung erkennen. 8
9 Im Folgenden Vergleichen wir die von uns gemessenen Verteilungen mit den Idealwerten der theoretischen Verteilung auf Grund der Betrachtung der einzelnen, unabhängigen Zufallsexperimente, die schließlich den Weg der Kugel bestimmen. 4 Auswertung 4.1 Theoretische Verteilung Wie in Abschnitt bereits geschrieben, lässt sich das Fach, in dem die Kugel letztlich landet in Abhängigkeit der Anzahl der Ablenkungen nach Rechts bzw. nach links und damit schließlich als Binärcode darstellen. Man kann also, da wir als Wahrscheinlichkeit für eine Ablenkung nach rechts p r = p l = 0.5 annehmen (Gleichung (10)) können, die theoretische Verteilung anhand des Binomialkoeffizienten errechnen. Dafür betrachten wir zunächst die Anzahl der möglichen Wege, die zu einem Feld führen. So ist es zum Beispiel nur möglich in das Feld ganz links zu gelangen, wenn die Kugel an jeder Abzweigung nach links abgelenkt wird. Wenn wir für jede Linksablenkung eine 0 registrieren und für jede Rechtsablenkung eine 1, so können wir die Wege über den Binärcode darstellen. Demnach wäre der Binärcode für den Weg zum Fach 0 ist also , der zum 10. Fach entsprechend Die Anzahl der 1en im Binärcode gibt also die Nummer de Faches an, in dem die Kugel landet. Die Anzahl der Wege zum Fach n der insgesamt N + 1 = 11 Fächer erhalten wir schließlich über den Binomialkoeffizienten ( N n ) = N! n! (N n)! Da die Wahrscheinlichkeit für jeden einzelnen möglichen Weg gleich ist genügt es nun die Anzahl der möglichen Wege zu einem jeden Fach durch die Gesamtzahl der Wege insgesamt (2 N = 2 10 ) zu teilen und wir erhalten die Wahrscheinlichkeit p mit der eine Kugel im Fach n landet: p n = ( N n ) 1 2 N = ( 10 n ) (11) (12) Die theoretisch zu erwartende Verteilung der Kugeln in einem Versuchsdurchlauf mit M = 256 Kugeln berechnet sich durch Multiplikation der Wahrscheinlichkeit p für das Fach n mit 256: ( ) ( ) N 1 10 µ n = M p n = M n 2 N = n 2 10 (13) F n p n 0,001 0,0097 0,044 0,117 0,205 0,246 0,205 0,117 0,044 0,0097 0,001 1 µ n Tabelle 2: Erwartungswerte für die Wahrscheinlichkeit p, dass eine Kugel im Fach n landet und theoretisch zu erwartende Anzahl Kugeln im Fach n bei einem idealen Durchlauf. 9
10 Diese Binomialverteilung kann nun nach dem zentralen Grenzwertsatz mit der Normalverteilung genähert werden, wobei sich für den Erwartungswert gemäß Gleichung (6) µ n = 5 und für die Standardabweichung nach Gleichung (7) σ n = 2, 5 1, 58 ergibt. Damit ist mit einer recht großen Abweichung von der Normalverteilung zu rechnen, da die Näherung nur für viele Versuchsdurchläufe und σ > 3 als gute Näherung angewandt werden kann. 4.2 Aufgabe 1 Nun wollen wir die Messwerte mit den Erwartungswerten vergleichen. Dazu verwenden wir die Mittelwerte aus Tabelle (1). Da aber nur 10 Versuchdurchläufe getätigt wurden, müssen wir natürlich mit einer Abweichung rechnen. Hierzu verwenden wir die Standardabweichung nach Gleichung (8). F n f(n) 0,44 2,63 10,68 29,02 52,88 64,59 52,88 29,02 10,68 2,63 0,44 µ n m 0,4 4,3 11, , ,2 31,6 12 3,7 0,4 σ n 0,16 0,83 0,59 1,24 2,21 2,29 1,45 2,24 0,84 0,42 0, Tabelle 3: Werten gemäß Normalverteilung berechnet durch Einsetzen von n in Gleichung (2), theoretisch zu erwartende Anzahl Kugeln im Fach n, gemessene Mittelwerte gemäß Messdaten in Tabelle (1) und berechnete Standardabweichung. 10
11 Das Histogramm sieht dann wie folgt aus: Abbildung 5: Dargestellt sind im Vergleich die Messwerte und die Idealwerte aus Tabelle (3). Bei den Mittelwerten, die aus den Messwerten hervorgehen ist jeweils die Standardabweichung aufgetragen. Leider ist sie an den Rändern so klein, dass sie kaum noch zu erkennen ist. 4.3 Aufgabe Experimentelle Bestimmung der Wahrscheinlichkeit mit der eine Kugel nach rechts abgelenkt wird Die experimentelle Bestimmung der Wahrscheinlichkeit verwendet ausschließlich die Messwerte aus Tabelle (1). Insgesamt gab es in den K = 10 Versuchsdurchläufen T = K N M = Ablenkungen. Nun summieren wir die Ablenkungen T r nach rechts und teilen durch die Gesamtzahl der Ablenkungen, wodurch wir den Mittelwert der Wahrscheinlichkeit erhalten, dass eine 11
12 Kugel nach rechts abgelenkt wird, wobei k die Nummer des Versuchsdurchlaufes und m(k, n) die Anzahl der Kugeln im Fach n im k-ten Versuch bezeichnetd: p r = T r T = N n=0 [n K k=1 m(k, n) ] = , 501 (14) Um den Vertrauensbereich für 68% auszurechnen benötigen wir die einfache Standardabweichung (siehe Gleichung (3)). Zur Vereinfachung benutzen wir die Näherungen: für viele Messungen (in unserem Fall 25600) gilt näherungsweise: T (T 1) T 2 p r p 0, 5 T r T l T 2 Daraus ergibt sich als empirische Standardabweichung des Mittelwerts gemäß Gleichung (9): σ p = 1 T (x t p) T (T 1) 2 T l (0 p) 2 + T r (1 p) 2 T l T r (T l + T r ) 2 = (15) (T l T r ) t=1 Aufgrund der letzten Näherung, die wir verwenden, vereinfacht sich der Rechenausdruck zu σ p 1 2 T (16) was uns die empirische Standardabweichung des Mittelwerts σ p 0, 003 liefert, d.h. wir können zu einer 68%igen Wahrscheinlichkeit sagen, dass der "wahre Wert"für p im Intervall [0,498; 0,504] liegt. Entsprechend können wir zu einer 95%igen Wahrscheinlichkeit davon ausgehen, dass p im Intervall [0,495; 0,507] liegt. Hier rechnet man mit der doppelten Standardabweichung gemäß Gleichung (4). Anhand dieser Werte ist die Wahrscheinlichkeit, dass p > p + σ p aufgrund der Symmetrieeigenschaft der Normalverteilung lediglich 1 0,68 2 = 0, Verringern der Standardabweichung Nun ist die Standardabweichung mit 0,3% allerdings noch relativ hoch. Um mit 95%iger Sicherheit einen Vertrauensbereich von p ± 0, 001 zu erhalten, hätten wir den Versuch jedoch öfters durchführen müssen. Wir berechnen, wie oft wir den Versuch hätten durchführen müssen mit: 2σ p! = 0, 001 T = 10 6 Nun ist aber auch T = K M N, und wir erhalten für die Anzahl K der Versuchsdurchläufe K = T M N = 391 d.h. wir hätten den Versuch 391 mal wiederholen müssen um mit 95%iger Sicherheit die Wahrscheinlichkeit, dass eine Kugel nach rechts abgelenkt wird mit 0,1%iger Sicherheit angeben zu können. 12
13 4.3.3 Fehlerfortpflanzung Anhand der gemessenen Wahrscheinlichkeit p wollen wir nun noch den Mittelwert µ und die Standardabweichung σ der Binomialverteilung der Kugeln in den Fächern berechnen. Allerdings müssen wir nun beachten, dass die gemessene Wahrscheinlichkeit p nicht exakt ist, d.h. wir müssen mit einem Fehler rechnen. Dazu verwenden wir die empirische Standardabweichung des Mittelwerts. Gemäß Gleichung (6) ergibt sich dann für den Mittelwert µ: µ = N p = N (p ± σ p ) = 10 (0, 501 ± 0, 003) = 5, 01 ± 0, 03 und für die Standardabweichung σ nach Formel (7): σ = N p (1 p) = 1, 581 ± δσ wobei wir noch den Fehler δσ berechnen müssen: also ist: δσ = σ p σ p 0, σ = 1, 581 ± 0, Fragen und Antworten Zum Schluss noch ein paar Erläuterungen auf die gestellten Fragen, sowie deren Antworten. a Zunächst ist gefragt, wie viele verschiedene Versuchsergebnisse bei unserer Ausführung des Galton-Bretts (11 Fächer und 256 Kugeln) möglich sind, wenn man die Kugeln unterscheidet. Dann hat jede der 256 Kugeln 11 verschiedene Möglichkeiten, wo sie im Endeffekt landet und es gibt demnach: N M = = 3, verschiedene Versuchsergebnisse. b Nun ist nach der Anzahl der Versuchsergebnisse gefragt, wenn man die Kugeln nicht unterscheidet. In diesem Fall, ist nur noch entscheidend, wie viele Kugeln in den einzelnen Fächern sind. Also gibt es: ( ) ( ) N + M 266 = = 4, N 10 verschiedene Versuchsergebnisse. 13
14 Anhang Literatur [1] pompe/scripts/galton-studentenfassung.pdf [2] [3] [4] [5] http : //de.wikipedia.org/wiki/zentraler_grenzwertsatz Abbildungsverzeichnis 1 Aufbau Galton-Brett [1] Prellstreuer und Prelltrichter 1 [1] Weg einer Kugel [1] Messwert-Diagramm Histogramm: Erwartungswerte vs Messwerte Tabellenverzeichnis 1 Messwerte Erwartungswerte Vergleichswerte
Anfänger-Praktikum I WS 11/12. Michael Seidling Timo Raab Enrico Mank. Praktikumsbericht: Galton-Brett
Anfänger-Praktikum I WS 11/12 Michael Seidling Timo Raab Enrico Mank Praktikumsbericht: Galton-Brett Inhaltsverzeichnis Inhaltsverzeichnis I. Theoretische Grundlagen 2 1. Zentraler Grenzwertsatz 2 2. Binomialverteilung
MehrWahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
MehrHeute. Die Binomialverteilung. Poissonverteilung. Approximation der Binomialverteilung durch die Normalverteilung
Heute Die Binomialverteilung Poissonverteilung Approximation der Binomialverteilung durch die Normalverteilung Arbeiten mit Wahrscheinlichkeitsverteilungen Die Binomialverteilung Man werfe eine Münze n
MehrZufallsvariablen [random variable]
Zufallsvariablen [random variable] Eine Zufallsvariable (Zufallsgröße) X beschreibt (kodiert) die Versuchsausgänge ω Ω mit Hilfe von Zahlen, d.h. X ist eine Funktion X : Ω R ω X(ω) Zufallsvariablen werden
MehrBasiswissen Daten und Zufall Seite 1 von 8 1 Zufallsexperiment Ein Zufallsexperiment ist ein Versuchsaufbau mit zufälligem Ausgang, d. h. das Ergebnis kann nicht vorhergesagt werden. 2 Ergebnis (auch Ausgang)
MehrKlausur vom
UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Dominik Faas Stochastik Wintersemester 00/0 Klausur vom 09.06.0 Aufgabe (++4=9 Punkte) Bei einer Umfrage wurden n Personen befragt, an wievielen Tagen
Mehr6.6 Poisson-Verteilung
6.6 Poisson-Verteilung Die Poisson-Verteilung ist eine Wahrscheinlichkeitsverteilung, die zur Modellierung der Anzahl von zufälligen Vorkommnissen in einem bestimmten räumlichen oder zeitlichen Abschnitt
MehrÜbungen mit dem Applet Zentraler Grenzwertsatz
Zentraler Grenzwertsatz 1 Übungen mit dem Applet Zentraler Grenzwertsatz 1 Statistischer Hintergrund... 1.1 Zentraler Grenzwertsatz... 1. Beispiel Würfeln... 1.3 Wahrscheinlichkeit und relative Häufigkeit...3
MehrErwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung
R. Brinkmann http://brinkmann-du.de Seite 5.05.0 Erwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung Erwartungswert binomialverteilter Zufallsgrößen Wird ein Bernoulli- Versuch, bei
MehrWahrscheinlichkeit und Statistik: Zusammenfassung
HSR Hochschule für Technik Rapperswil Wahrscheinlichkeit und Statistik: Zusammenfassung beinhaltet Teile des Skripts von Herrn Hardy von Lukas Wilhelm lwilhelm.net 12. Januar 2007 Inhaltsverzeichnis 1
MehrWichtige Definitionen und Aussagen
Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge
MehrEinführung Fehlerrechnung
Einführung Fehlerrechnung Bei jeder Messung, ob Einzelmessung oder Messreihe, muss eine Aussage über die Güte ( Wie groß ist der Fehler? ) des Messergebnisses gemacht werden. Mögliche Fehlerarten 1. Systematische
Mehr1 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
MehrWird ein Bernoulli- Versuch, bei dem die Trefferwahrscheinlichkeit p = 0,2 ist, n = 40 mal durchgeführt, dann erwarten wir im Mittel 8 Treffer.
R. Brinkmann http://brinkmann-du.de Seite 1 06.1008 Erwartungswert binomialverteilter Zufallsgrößen. Wird ein Bernoulli- Versuch, bei dem die Trefferwahrscheinlichkeit p = 0,2 ist, n = 40 mal durchgeführt,
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Karin Waldherr & Pantelis Christodoulides 11. Mai 2011 Waldherr / Christodoulides Einführung in Quantitative Methoden- 8.VO 1/40 Poisson-Verteilung Diese Verteilung
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
MehrMathematik: LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 12. Erwartungswert, Varianz und Standardabweichung
Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester ARBEITSBLATT Erwartungswert, Varianz und Standardabweichung Die Begriffe Varianz und Standardabweichung sind uns bereits aus der Statistik bekannt
MehrLösungen zu Übungsblatt 9 Höhere Mathematik2/Stochastik 2 Master KI/PI
Lösungen zu Übungsblatt 9 Höhere Mathematik/Stochastik Anpassung von Verteilungen Zu Aufgabe ) a) Zeichnen des Histogranmmes: Um das Histogramm zu zeichnen, benötigen wir die Höhe der Balken. Die Höhe
Mehr70 Wichtige kontinuierliche Verteilungen
70 Wichtige kontinuierliche Verteilungen 70. Motivation Zufallsvariablen sind nicht immer diskret, sie können oft auch jede beliebige reelle Zahl in einem Intervall [c, d] einnehmen. Beispiele für solche
MehrGrundlegende 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
MehrSTETIGE VERTEILUNGEN
STETIGE VERTEILUNGEN. Die Näherungsformel von Moivre Laplace Betrachtet man die Binomialverteilungen Bnp für wachsendes n bei konstantem p, so werden die Histogramme einer binomialverteilten Zufallsvariablen
MehrPfadregel. 400 Kugeln durchlaufen die möglichen Pfade. Das Diagramm zeigt das Ergebnis am Ende der Versuchsdurchführung.
Würfelsimulation 1) Bezeichnen Sie in den Säulendiagrammen (Histogrammen - 2. Graphik) die senkrechten Achsen und vervollständigen Sie im ersten Diagramm die Achseneinteilung. Lesen Sie im Histogramm für
Mehr7.5 Erwartungswert, Varianz
7.5 Erwartungswert, Varianz Def. 7.5.: a) X sei eine diskrete ZV, die bei unendl. vielen Werten x k folgende Zusatzbedingung erfüllt: x k p k
MehrSozialwissenschaftlerInnen II
Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Wahrscheinlichkeitsfunktionen
MehrDas 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
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 2. Stock, Nordflügel R. 02-429 (Persike) R. 02-431 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 2008/2009
MehrÜbung zu Empirische Ökonomie für Fortgeschrittene SS 2009
Übung zu Empirische Ökonomie für Fortgeschrittene Steen Elstner, Klaus Wohlrabe, Steen Henzel SS 9 1 Wichtige Verteilungen Die Normalverteilung Eine stetige Zufallsvariable mit der Wahrscheinlichkeitsdichte
MehrProgramm. Wiederholung. Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung. Binomialverteilung. Hypergeometrische Verteilung
Programm Wiederholung Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung Binomialverteilung Hypergeometrische Verteilung Wiederholung verschiedene Mittelwerte für verschiedene Skalenniveaus
MehrEinführung in die Theorie der Messfehler
Einführung in die Theorie der Messfehler Ziel der Vorlesung: Die Studentinnen/Studenten sollen die Grundlagen der Theorie der Messfehler sowie den Unterschied zwischen Ausgleichsrechnung und statistischer
MehrAbiturvorbereitung 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
MehrStation 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.
MehrFadenpendel (M1) Ziel des Versuches. Theoretischer Hintergrund
Fadenpendel M1) Ziel des Versuches Der Aufbau dieses Versuches ist denkbar einfach: eine Kugel hängt an einem Faden. Der Zusammenhang zwischen der Fadenlänge und der Schwingungsdauer ist nicht schwer zu
MehrÜbungen mit dem Applet Wahrscheinlichkeitsnetz
Wahrscheinlichkeitsnetz 1 Übungen mit dem Applet Wahrscheinlichkeitsnetz 1 Statistischer Hintergrund... 1.1 Verteilungen... 1. Darstellung von Daten im Wahrscheinlichkeitsnetz...4 1.3 Kurzbeschreibung
MehrZusammenfassung 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
MehrIn den letzten zwei Abschnitten wurde die tatsächliche Häufigkeitsverteilung bzw. prozentuale Häufigkeitsverteilung abgehandelt.
.3.3 Theoretisch-prozentuale Häufigkeitsverteilung In den letzten zwei Abschnitten wurde die tatsächliche Häufigkeitsverteilung bzw. prozentuale Häufigkeitsverteilung abgehandelt. Charakteristisch für
MehrZuverlässigkeitstheorie
3. Grundbegriffe der Wahrscheinlichkeitsrechnung Prof. Jochen Seitz Fachgebiet Kommunikationsnetze 20. November 2008 Übersicht Gesetz der großen Zahlen von Bernoulli 1 Gesetz der großen Zahlen von Bernoulli
MehrUmgang mit und Analyse von Messwerten
In diesem ersten Praktikumsversuch erarbeiten Sie sich das Handwerkszeug, was zum erfolgreichen absolvieren des Physikpraktikums nötig ist. Im Fokus dieses Versuchs stehen die Themen: Signifikante Stellen
MehrBiostatistik, Sommer 2017
1/39 Biostatistik, Sommer 2017 Wahrscheinlichkeitstheorie: Gesetz der großen Zahl, Zentraler Grenzwertsatz Schließende Statistik: Grundlagen Prof. Dr. Achim Klenke http://www.aklenke.de 9. Vorlesung: 16.06.2017
MehrSBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf. SBP Mathe Aufbaukurs 1
SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf SBP Mathe Aufbaukurs 1 # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit. Das
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
MehrSpezielle Eigenschaften der Binomialverteilung
Spezielle Eigenschaften der Binomialverteilung Wir unterscheiden: 1) die Wahrscheinlichkeitsfunktion einer diskreten Variablen 2) die Verteilungsfunktion einer diskreten Variablen. 1) Die Wahrscheinlichkeitsfunktion
MehrGrundlagen der Wahrscheinlichkeitstheorie
Priv.-Doz. Dr. H. Steinacker Wintersemester 2013/2014 Grundlagen der Wahrscheinlichkeitstheorie betrachte Wiederholungen eines Experimentes, gleicher Vorbereitung (z.b. Würfeln, Dart werfen, Doppelspaltexperiment,...)
MehrBestimmte Zufallsvariablen sind von Natur aus normalverteilt. - naturwissenschaftliche Variablen: originär z.b. Intelligenz, Körpergröße, Messfehler
6.6 Normalverteilung Die Normalverteilung kann als das wichtigste Verteilungsmodell der Statistik angesehen werden. Sie wird nach ihrem Entdecker auch Gaußsche Glockenkurve genannt. Die herausragende Stellung
MehrDie ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist.
.3. Stochastik Grundlagen Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist. Die RELATIVE HÄUFIGKEIT einer Merkmalsausprägung gibt an mit welchem Anteil
MehrPraktikum zur Vorlesung Einführung in die Geophysik
Praktikum zur Vorlesung Einführung in die Geophysik Hinweise zum Praktikum: Messunsicherheit und Fehlerrechnung Stefan Wenk, Prof. Thomas Bohlen TU Bergakademie Freiberg Institut für Geophysik www.geophysik.tufreiberg.de/pages/studenten/praktika/nebenfaechlerpraktikum.htm
MehrKapitel VII. Einige spezielle stetige Verteilungen
Kapitel VII Einige spezielle stetige Verteilungen D. 7.. (Normalverteilung) Eine stetige Zufallsgröße X sei als normalverteilt bezeichnet, wenn sie folgende Wahrscheinlichkeitsdichte besitzt: µ f ( ; µ,
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
MehrVorlesung Stetige Verteilungen / Mathematische Behandlung
B E A C D Z Faultät Verehrswissenschaften Friedrich List Professur für Verehrsströmungslehre Verehrssystemtheorie I+II (V.-Wirtschaft) Vorlesung..0 Stetige Verteilungen / Mathematische Behandlung Neufert,
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
Mehr1 Stochastische Konvergenz 2
Wirtschaftswissenschaftliches Zentrum 0 Universität Basel Mathematik Dr. Thomas Zehrt Grenzwertsätze Benötigtes Vorwissen: Der Stoff der Vorlesung,,Statistik wird als bekannt vorausgesetzt, insbesondere
MehrMaurizio Musso, Universität Salzburg, ver Physikalische Grundlagen der Meßtechnik. Teil 2
Teil 2 Auswertung von Messungen, zufällige oder statistische Abweichungen Auswertung direkter Messungen Häufigkeitsverteilung, Häufigkeitsfunktion Mittelwert, Standardabweichung der Einzelwerte Standardabweichung
MehrFadenpendel (M1) Ziel des Versuches. Theoretischer Hintergrund
Fadenpendel M) Ziel des Versuches Der Aufbau dieses Versuches ist denkbar einfach: eine Kugel hängt an einem Faden. Der Zusammenhang zwischen der Fadenlänge und der Schwingungsdauer ist nicht schwer zu
MehrChi-Quadrat-Verteilung
Chi-Quadrat-Verteilung Wikipedia http://de.wikipedia.org/wiki/chi-quadrat-verteilung 1 von 7 6/18/2009 6:13 PM Chi-Quadrat-Verteilung aus Wikipedia, der freien Enzyklopädie Die Chi-Quadrat-Verteilung ist
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13 Aufgabenstellung und Ergebnisse Dr. Martin Becker Hinweise für die
Mehr10. Die Normalverteilungsannahme
10. Die Normalverteilungsannahme Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Bisher haben wir vorausgesetzt, daß die Beobachtungswerte normalverteilt sind. In diesem Fall kann man
MehrZufallsgröße X : Ω R X : ω Anzahl der geworfenen K`s
X. Zufallsgrößen ================================================================= 10.1 Zufallsgrößen und ihr Erwartungswert --------------------------------------------------------------------------------------------------------------
Mehr1 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
MehrStatistik, Datenanalyse und Simulation
Dr. Michael O. Distler distler@kph.uni-mainz.de Mainz, 24. Oktober 2007 1. Statistik Wir denken an Experimente, bei deren Durchführung die Variable X, um die es dabei geht, verschiedene Werte annehmen
MehrFit for Abi & Study Stochastik
Fit for Abi & Study Stochastik Prof. Dr. Tilla Schade Hochschule Harz 15. und 16. April 2014 No. 1 Stochastik besteht aus: Wahrscheinlichkeitsrechnung Statistik No. 2 Gliederung Grundlagen Zufallsgrößen
MehrKlassifikation von Daten Einleitung
Klassifikation von Daten Einleitung Lehrstuhl für Künstliche Intelligenz Institut für Informatik Friedrich-Alexander-Universität Erlangen-Nürnberg (Lehrstuhl Informatik 8) Klassifikation von Daten Einleitung
Mehr15.5 Stetige Zufallsvariablen
5.5 Stetige Zufallsvariablen Es gibt auch Zufallsvariable, bei denen jedes Elementarereignis die Wahrscheinlich keit hat. Beispiel: Lebensdauer eines radioaktiven Atoms Die Lebensdauer eines radioaktiven
Mehr5. Spezielle stetige Verteilungen
5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für
MehrKapitel 10 VERTEILUNGEN
Kapitel 10 VERTEILUNGEN Fassung vom 18. Januar 2001 130 VERTEILUNGEN Zufallsvariable. 10.1 10.1 Zufallsvariable. HäuÞg wird statt des Ergebnisses ω Ω eines Zufalls-Experiments eine zugeordnete Zahl X(ω)
MehrÜbungen mit dem Applet
Übungen mit dem Applet 1. Visualisierung der Verteilungsform... 1.1. Normalverteilung... 1.. t-verteilung... 1.3. χ -Verteilung... 1.4. F-Verteilung...3. Berechnung von Wahrscheinlichkeiten...3.1. Visualisierung
MehrWAHRSCHEINLICHKEITSRECHNUNG
WAHRSCHEINLICHKEITSRECHNUNG Mathematischer Teil In der Wahrscheinlichkeitsrechnung haben wir es mit Zufallsexperimenten zu tun, d.h. Ausgang nicht vorhersagbar. Grundbegriffe Zufallsexperiment und Ergebnisse
MehrInstitut 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
MehrEinführung in die Fehlerrechnung
1 Einführung in die Fehlerrechnung liederung 1. Motivation. Fehlerarten 1. robe Fehler. Systematische Fehler 3. Zufällige Fehler 3. Rechnerische Erfassung der Messabweichungen 1. Fehlerabschätzung einmaliges
MehrEine Zufallsvariable X sei stetig gleichverteilt im Intervall [0,5]. Die Wahrscheinlichkeit P(2< x <4) ist dann
4. Übung Themenkomplex: Zufallsvariablen und ihre Verteilung Aufgabe 1 Für eine stetige Zufallsvariable gilt: a) P (x = t) > 0 b) P (x 1) = F (1) c) P (x = 1) = 0 d) P (x 1) = 1 F(1) e) P (x 1) = 1 F(1)
MehrÜbungsblatt 9 (25. bis 29. Juni)
Statistik 2 Dr. Andrea Beccarini Dipl.-Vw. Dipl.-Kffr. Heike Bornewasser-Hermes Sommersemester 2012 Übungsblatt 9 (25. bis 29. Juni) Stetiges Verteilungsmodell und Gemeinsame Verteilung Stetiges Verteilungsmodell
MehrPRAKTIKUM Grundlagen der Messtechnik. VERSUCH GMT 01 Auswertung von Messreihen
1 Fachbereich: Fachgebiet: Maschinenbau Mess-, Steuerungs- und Regelungstechnik Prof. Dr.-Ing. habil. Michael Kaufmann PRAKTIKUM Grundlagen der Messtechnik VERSUCH GMT 01 Auswertung von Messreihen Version
MehrEinführungsseminar S1 Elemente der Fehlerrechnung. Physikalisches Praktikum der Fakultät für Physik und Astronomie Ruhr-Universität Bochum
Einführungsseminar S1 Elemente der Fehlerrechnung Physikalisches Praktikum der Fakultät für Physik und Astronomie Ruhr-Universität Bochum Literatur Wolfgang Kamke Der Umgang mit experimentellen Daten,
MehrStatistische Messdatenauswertung
Roland Looser Statistische Messdatenauswertung Praktische Einführung in die Auswertung von Messdaten mit Excel und spezifischer Statistik-Software für naturwissenschaftlich und technisch orientierte Anwender
MehrBasistext - Wahrscheinlichkeitsrechnung
Basistext - Wahrscheinlichkeitsrechnung Die Wahrscheinlichkeitsrechnung beschäftigt sich mit Vorgängen, die in ihrem Ausgang unbestimmt sind. Sie versucht mögliche Ergebnisse der Vorgänge zu quantifizieren.
MehrSchulversuch Fotometrie und Wirkungsgrad von verschiedenen künstlichen Lichtquellen
Schulversuch Fotometrie und Wirkungsgrad von verschiedenen künstlichen Lichtquellen Erstellt von: Michael Lötsch und Gerd Krizek Version vom: 12. Juni 2016 Inhaltsverzeichnis 1 Motivation 2 2 Theorie zur
Mehr5. Meßfehler. Zufällige Messfehler machen das Ergebnis unsicher - ihre Abschätzung ist nur unter Verwendung statistischer Methoden durchführbar
5. Meßfehler Man unterscheidet... zufällige Meßfehler systematische Meßfehler Zufällige Messfehler machen das Ergebnis unsicher - ihre Abschätzung ist nur unter Verwendung statistischer Methoden durchführbar
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 23. Dezember 2011 1 Stetige Zufallsvariable, Normalverteilungen Der zentrale Grenzwertsatz und die 3-Sigma Regel
MehrWahrscheinlichkeitsrechnung und Quantentheorie
Physikalische Chemie II: Atombau und chemische Bindung Winter 2013/14 Wahrscheinlichkeitsrechnung und Quantentheorie Messergebnisse können in der Quantenmechanik ganz prinzipiell nur noch mit einer bestimmten
Mehr11. Approximation der Binomialverteilung durch die Normalverteilung
7. Approximation der Binomialverteilung durch die Normalverteilung Die Berechnung der Binomialverteilung ist wegen der Binomialkoeffizienten nicht unproblematisch. Man kann sie deshalb in gewissen Fällen
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
MehrMotivation. Benötigtes Schulwissen. Übungsaufgaben. Wirtschaftswissenschaftliches Zentrum 10 Universität Basel. Statistik
Wirtschaftswissenschaftliches Zentrum 0 Universität Basel Statistik Dr. Thomas Zehrt Ausblick Motivation Wir werfen einen Würfel 000-mal und wir möchten die Wahrscheinlichkeit P bestimmen, dass zwischen
MehrDer Weg eines Betrunkenen
Der Weg eines Betrunkenen 2 Hätte es damals schon Computer gegeben, wäre es für unseren Mathematiker um einiges leichter gewesen, den Weg des Betrunkenen zu bestimmen. Er hätte nicht nur eine beliebige
MehrErwartungswert, Varianz und Standardabweichung einer Zufallsgröße. Was ist eine Zufallsgröße und was genau deren Verteilung?
Erwartungswert, Varianz und Standardabweichung einer Zufallsgröße Von Florian Modler In diesem Artikel möchte ich einen kleinen weiteren Exkurs zu meiner Serie Vier Wahrscheinlichkeitsverteilungen geben
MehrWahrscheinlichkeitsfunktion. Binomialverteilung. Binomialverteilung. Wahrscheinlichkeitshistogramme
Binomialverteilung Wahrscheinlichkeitsfunktion Konstruktionsprinzip: Ein Zufallsexperiment wird n mal unabhängig durchgeführt. Wir interessieren uns jeweils nur, ob ein bestimmtes Ereignis A eintritt oder
Mehr7. Grenzwertsätze. Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012
7. Grenzwertsätze Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Mittelwerte von Zufallsvariablen Wir betrachten die arithmetischen Mittelwerte X n = 1 n (X 1 + X 2 + + X n ) von unabhängigen
MehrLösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK
Institut für Stochastik Dr. Steffen Winter Lösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK für Studierende der INFORMATIK vom 17. Juli 01 (Dauer: 90 Minuten) Übersicht über
MehrFehlerfortpflanzung. M. Schlup. 27. Mai 2011
Fehlerfortpflanzung M. Schlup 7. Mai 0 Wird eine nicht direkt messbare physikalische Grösse durch das Messen anderer Grössen ermittelt, so stellt sich die Frage, wie die Unsicherheitsschranke dieser nicht-messbaren
MehrAnleitung: Standardabweichung
Anleitung: Standardabweichung So kann man mit dem V200 Erwartungswert und Varianz bzw. Standardabweichung bei Binomialverteilungen für bestimmte Werte von n, aber für allgemeines p nach der allgemeinen
MehrVerteilung von Summen
Verteilung von Summen Beispiel: Würfelwurf Frage: Wie verhält sich die Verteilung der Augensumme von -Würfeln bei wachsendem? Zur Beantwortung führen wir ein Simulationseperiment durch. 6 Würfe mit 1 Würfel
MehrSigma-Umgebung. Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5. n = 20 p = 0,75
Sigma-Umgebung Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5 0,2 (z.b. 30-maliges Werfen einer Münze, X Anzahl von Zahl ) 5 10 15 20 n = 20 p = 0,75 0,2 5 10 15 20 Der Erwartungswert
MehrF7: Statistik und Radioaktivität
Grundpraktikum F7: Statistik und Radioaktivität Autor: Partner: Versuchsdatum: Versuchsplatz: Abgabedatum: Inhaltsverzeichnis 1 Physikalische Grundlagen und Aufgabenstellung 2 2 Messwerte und Auswertung
MehrVerteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen. Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung
Verteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung Typisierung der stetigen theoretischen Verteilungen Bibliografie:
MehrZusammenfassung Stochastik
Zusammenfassung Stochastik Die relative Häufigkeit Ein Experiment, dessen Ausgang nicht vorhersagbar ist, heißt Zufallsexperiment (ZE). Ein Würfel wird 40-mal geworfen, mit folgendem Ergebnis Augenzahl
Mehr4.4 Punktschätzung. E(X 1 )+ +E(X n ) Var(ˆµ) = 1 n 2 ( Var(X1 )+ +Var(X n ) ) = 1 n 2nσ2 = σ2
4 4.4 Punktschätzung Wir betrachten eine endliche oder unendliche Grundgesamtheit, zum Beispiel alle Studierenden der Vorlesung Mathe II für Naturwissenschaften. Im endlichen Fall soll die Anzahl N ihrer
MehrMathematik für Naturwissenschaften, Teil 2
Lösungsvorschläge für die Aufgaben zur Vorlesung Mathematik für Naturwissenschaften, Teil Zusatzblatt SS 09 Dr. J. Schürmann keine Abgabe Aufgabe : Eine Familie habe fünf Kinder. Wir nehmen an, dass die
MehrComputersimulation des Qualitätstests
.1 Computersimulation des Qualitätstests In diesem Kapitel erreichen wir ein erstes entscheidendes Ziel: Wir ermitteln näherungsweise die Wahrscheinlichkeiten und für die Fehler 1. und. Art und zwar ohne
MehrKalmanfiter (1) Typische Situation für den Einsatz von Kalman-Filtern
Kalmanfiter (1) Typische Situation für den Einsatz von Kalman-Filtern Vorlesung Robotik SS 016 Kalmanfiter () Kalman-Filter: optimaler rekursiver Datenverarbeitungsalgorithmus optimal hängt vom gewählten
Mehr73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments
73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind
MehrTrim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist
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
Mehr