Mathematik 2 für Naturwissenschaften
|
|
- Viktoria Maier
- vor 6 Jahren
- Abrufe
Transkript
1 Has Walser Mathematik 2 für Naturwisseschafte Modul 209 Tabelle
2 Has Walser: Modul 209, Tabelle ii Ihalt Fakultäte... 2 Biomialkoeffiziete Biomische Verteilug Biomische Verteilug (ohe Summatio) Summierte biomische Verteilug Summierte biomische Verteilug, p = q = Normalverteilug Studetsche t-verteilug Mittelwert eier Stichprobe. Vertrauesitervall Vergleich der Mittelwerte zweier Normalverteiluge Uabhägige Stichprobe Gepaarte Stichprobe Schrake der F-Verteilug für das Sigifikaziveau 5% Ma-Whitey-U-Test. Kritische utere Schrake Sigifikaziveau 2.5%, eiseitig. Sigifikaziveau 5%, zweiseitig Sigifikaziveau 5%, eiseitig. Sigifikaziveau 0%, zweiseitig Korrelatiosaalyse Kritische Werte für de Korrelatioskoeffiziete ach Pearso Kritische Werte für de Korrelatioskoeffiziete ach Spearma Chi-Quadrat-Tabelle Modul 209 für die Lehrverastaltug Mathematik 2 für Naturwisseschafte Sommer 2006 Probeausgabe Sommer 2007 Korrekture. MathType. Ergäzuge Frühjahr 2008 Grafische Überarbeitug. Kleie Ergäzuge Frühjahr 2009 Fehlerkorrekture Frühjahr 20 Fehlerkorrekture. Kürzug Frühjahr 204 Kleie Überarbeitug last modified: 0. November 203 Has Walser Mathematisches Istitut, Rheisprug 2, 405 Basel
3 Has Walser: Modul 209, Tabelle Fakultäte! = 2 3 = k k= Azahl Permutatioe vo Elemete!
4 Has Walser: Modul 209, Tabelle 2 2 Biomialkoeffiziete ( k ) =! k! ( k)! Azahl Möglichkeite, aus Elemete dere k auszuwähle Beispiele 4 ( ) = ( 4 ) = ( 5 ) = 628 (Symmetrie ausütze) \ k
5 Has Walser: Modul 209, Tabelle 3 3 Biomische Verteilug Biomische Verteilug (ohe Summatio) Es ist p die Erfolgswahrscheilichkeit im Eizelversuch Ferer ist q = p die Misserfolgswahrscheilichkeit im Eizelversuch Gesucht ist die Wahrscheilichkeit P ( k), auf Versuche geau k Erfolge zu habe P ( k) = ( k ) p k q k Summierte biomische Verteilug Es ist p die Erfolgswahrscheilichkeit im Eizelversuch Ferer ist q = p die Misserfolgswahrscheilichkeit im Eizelversuch Gesucht ist die Wahrscheilichkeit, auf Versuche höchstes x Erfolge zu habe P ( k x) = P ( 0) + P ( ) + + P ( x) = P ( k) x k=0
6 Has Walser: Modul 209, Tabelle 4 3. Biomische Verteilug (ohe Summatio) P ( k) = ( k ) p k q k 6 Beispiel: P 6 ( 4) = ( 4 ) = p / k
7 Has Walser: Modul 209, Tabelle 5 Biomische Verteilug (ohe Summatio) P ( k) = k ( ) p k q k Beispiel: P 9 4 ( ) = 4 9 ( ) = 0.72 p / k
8 Has Walser: Modul 209, Tabelle 6 Biomische Verteilug (ohe Summatio) P ( k) = k ( ) p k q k Beispiel: P 20 4 ( ) = 4 20 ( ) = 0.30 p / k
9 Has Walser: Modul 209, Tabelle Summierte biomische Verteilug ( ) = P ( k) P k x x Beispiel: p = 0.4 P 5 k 3 k=0 3 = 0.93 ( ) = P 5 ( k) p / x k=
10 Has Walser: Modul 209, Tabelle 8 Summierte biomische Verteilug ( ) = P ( k) P k x x Beispiel: p = 0.4 P 9 k 5 k=0 5 = 0.90 ( ) = P 9 ( k) p / x k=
11 Has Walser: Modul 209, Tabelle 9 Summierte biomische Verteilug ( ) = P ( k) P k x x Beispiel: p = 0.25 P 20 k 7 k=0 ( ) = P 20 ( k) 7 = p / x k=
12 Has Walser: Modul 209, Tabelle Summierte biomische Verteilug, p = q = 0.5 ( ) = P ( k) P k x x Beispiel: P 20 k 7 k=0 ( ) = P 20 ( k) 7 = x k= x
13 Has Walser: Modul 209, Tabelle Summierte biomische Verteilug, p = q = 0.5 ( ) = P ( k) P k x x Beispiel: P 27 k 7 k=0 ( ) = P 27 ( k) 7 = x k=0
14 Has Walser: Modul 209, Tabelle 2 4 Normalverteilug ( ) = Φ u u x = k µ σ 2π e 2 x2 dx 0.4 Tabellewert: Problemstellug: b Beispiel Φ.5 u =.5 Was die Tabelle liefert.5 ( ) = dx = π e 2 x2 σ P = 2 dk = dx = σ 2π e a () Umreche der Greze: k µ ( σ ) 2 b µ a µ σ 2π e 2 x2 u b u a 2π e 2 x2 dx (2) Die Tabelle liefert: u b = b µ σ u a = a µ σ (3) Berechug des Itegrals u b ( ) = Φ u P = u a u 2π e 2 x2 2π e 2 x2 dx dx = Φ( u b ) Φ( u a )
15 Has Walser: Modul 209, Tabelle 3 Die zweite Stelle ach dem Dezimalpukt für de Iput u wird der oberste Zeile etomme. Beispiel: Φ(.26) = u Negatives u: Φ( 0.7) = Φ( 0.7) = =
16 Has Walser: Modul 209, Tabelle 4 5 Studetsche t-verteilug 5. Mittelwert eier Stichprobe. Vertrauesitervall Testgröße für µ 0 als Mittelwert: t = x µ 0 SE x Vertrauesitervall zum Niveau α : x t α,ν SE x, x + t α,ν SE x Dabei bedeutet t α,ν die kritische Schrake für das Sigifikaziveau α ud ν Freiheitsgrade, ν = Schreibweise: x ± t α,ν SE x Beispiele t 5% zweiseitig, 8 = t 5% eiseitig, 2 = Vergleich der Mittelwerte zweier Normalverteiluge 5.2. Uabhägige Stichprobe Nullhypothese: µ x = µ y α wähle. Etscheide, ob zweiseitig oder eiseitig teste Testgröße: t Exp = x y SE x y = x y Freiheitsgrad: ν = x + y 2 Aus Tabelle t krit ablese. x y x + y x + y 2 s 2 x ( x )+s 2 y y ( ) Falls t Exp > t krit Nullhypothese verwerfe Gepaarte Stichprobe Nullhypothese: µ x = µ y α wähle. Etscheide, ob zweiseitig oder eiseitig teste Testgröße: t Exp = Freiheitsgrad: ν = Aus Tabelle t krit ablese. d = d, dabei ist d SE d sd i = x i y i Falls t Exp > t krit Nullhypothese verwerfe
17 Has Walser: Modul 209, Tabelle 5 Studetsche t-verteilug FG ν Irrtumswahrscheilichkeit α für de zweiseitige Test FG ν Irrtumswahrscheilichkeit α für de eiseitige Test
18 Has Walser: Modul 209, Tabelle 6 6 Schrake der F-Verteilug für das Sigifikaziveau 5% Nullhypothese: σ x = σ y () Sigifikaziveau wähle (2) Testgröße bereche: F = s x 2, Zähler größer als Neer (3) Freiheitsgrade: ν x = x, ν y = y (4) Kritische Schrake aus der Tabelle s y 2 (5) Vergleich mit Testgröße. Nullhypothese beibehalte, we Testgröße kleier als kritische Schrake. Sost verwerfe. Resultat i Worte formuliere
19 Has Walser: Modul 209, Tabelle 7 Schrake der F-Verteilug für das Sigifikaziveau 5% Freiheitsgrade für de Zähler (größere Variaz) Freiheitsgrade für de Neer (kleiere Variaz)
20 Has Walser: Modul 209, Tabelle 8 Schrake der F-Verteilug für das Sigifikaziveau 5% Freiheitsgrade für de Zähler (größere Variaz) Freiheitsgrade für de Neer (kleiere Variaz)
21 Has Walser: Modul 209, Tabelle 9 Schrake der F-Verteilug für das Sigifikaziveau 5% Freiheitsgrade für de Zähler (größere Variaz) Freiheitsgrade für de Neer (kleiere Variaz)
22 Has Walser: Modul 209, Tabelle 20 Schrake der F-Verteilug für das Sigifikaziveau 5% Freiheitsgrade für de Zähler (größere Variaz) Freiheitsgrade für de Neer (kleiere Variaz)
23 Has Walser: Modul 209, Tabelle 2 Schrake der F-Verteilug für das Sigifikaziveau 5% Freiheitsgrade für de Zähler (größere Variaz) Freiheitsgrade für de Neer (kleiere Variaz)
24 Has Walser: Modul 209, Tabelle 22 7 Ma-Whitey-U-Test. Kritische utere Schrake Ragtest für zwei uabhägige Stichprobe Stichprobeumfäge, 2, Ragsumme R, R 2 Testgröße: U Exp = 2 + ( +) R 2 Die Formel für U Exp ist asymmetrisch, die erste Gruppe wird bevorzugt. Die Tabelle gibt utere kritische Schrake. Die Tabelle so orgaisiert, dass 2 ; es muss daher die größere Gruppe als erste Gruppe gewählt werde. Kritische obere Schrake = 2 kritische utere Schrake 2 = 2.5% 2 = 2.5% utere Schrake. 2 2 U obere Schrake =. 2 utere Schrake Schrake Falls Testgröße U Exp außerhalb der kritische Schrake, Gruppeuterschied sigifikat. Gleichheit vo U Exp ud Schrakewert gilt als sigifikat
25 Has Walser: Modul 209, Tabelle Sigifikaziveau 2.5%, eiseitig. Sigifikaziveau 5%, zweiseitig Kritische utere Schrake für de Ma-Whitey-U-Test \
26 Has Walser: Modul 209, Tabelle Sigifikaziveau 5%, eiseitig. Sigifikaziveau 0%, zweiseitig Kritische utere Schrake für de Ma-Whitey-U-Test \
27 Has Walser: Modul 209, Tabelle 25 8 Korrelatiosaalyse 8. Kritische Werte für de Korrelatioskoeffiziete ach Pearso Voraussetzug: Bivariate Normalverteilug. Nullhypothese: Keie Korrelatio Testgröße: r x,y = c x,y s x s y = i= ( x i x ) y i y i= ( x i x ) 2 ( ) i= ( y i y ) 2 Bei r x,y > r krit, Tabelle Nullhypothese verwerfe. = 2 x i i= x i y i x y i= x 2 2 y i y 2 i= α (zweiseitig) α (zweiseitig) 0% 5% 2% % 0% 5% 2% %
28 Has Walser: Modul 209, Tabelle Kritische Werte für de Korrelatioskoeffiziete ach Spearma Keie bivariate Normalverteilug vorhade. Nullhypothese: Keie Korrelatio Testgröße: r Spearma = 6 2 d 3 i i=, wobei d i = Ragdiffereze Bei r Spearma > r krit, Tabelle Nullhypothese verwerfe. α (zweiseitig) α (zweiseitig) 0% 5% 2% % 0% 5% 2% %
29 Has Walser: Modul 209, Tabelle 27 9 Chi-Quadrat-Tabelle m Felder habe m ( )( ) Freiheitsgrade. Nullhypothese H 0 : stochastische Uabhägigkeit Aus Radhäufigkeite die Erwartugswerte bei H 0 bereche Differeze zwische de beobachtete Werte ud de Erwartugswerte. Quadrate davo. Relatio zu de Erwartugswerte. Summe dieser Zahle ist χ 2 2 Tabelle gibt χ krit. Bei χ 2 2 > χ krit Nullhypothese H 0 verwerfe. Freiheitsgrad α = 0% α = 5% α = 2.5% α = % α = 0.5%
Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12075, p-wert: 00168 f χ 2 (4)
Mehr3 Kritischer Bereich zum Niveau α = 0.10: K = (χ 2 k 1;1 α, + ) = (χ2 5;0.90, + ) = (9.236, + ) 4 Berechnung der realisierten Teststatistik:
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 1275, p-wert: 168 8 Apassugs-
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
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
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
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:
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;
MehrEinführung in die induktive Statistik. Inferenzstatistik. Konfidenzintervalle. Friedrich Leisch
Spiel Körpergröße Zahl: Azahl weiblich Eiführug i die iduktive Statistik Friedrich Leisch Istitut für Statistik Ludwig-Maximilias-Uiversität Müche Tafelgruppe 8.5 8.6 8.7 8.8 8.9 9.0 9.1 4 5 3 2 1 0 1
Mehr2 Vollständige Induktion
8 I. Zahle, Kovergez ud Stetigkeit Vollstädige Iduktio Aufgabe: 1. Bereche Sie 1+3, 1+3+5 ud 1+3+5+7, leite Sie eie allgemeie Formel für 1+3+ +( 3)+( 1) her ud versuche Sie, diese zu beweise.. Eizu5% ZiseproJahragelegtes
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:
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
MehrDemo für www.mathe-cd.de
Wahrscheilichkeitsrechug Hypergeometrische Verteilug Themeheft ud Traiigsheft Datei r. 4211 Stad 17. April 2010 Friedrich W. Buckel Demo für ITERETBIBLIOTHEK FÜR SCHULMATHEMATIK 4211 Hypergeometrische
MehrProf. Dr. Roland Füss Statistik II SS 2008
1. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug ergibt sich aus de Grezwertsätze. Grezwertsätze sid Aussage über eie Zufallsvariable für de Fall, dass die Azahl
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
Mehr( ) Formelsammlung. Kombinatorik. Permutation: ohne Wiederholung. n! = n (n - 1) (n - 2)... 3 2 1 n= alle Elemente. Permutation: mit Wiederholung
Formelsammlug Kombiatori Permutatio: ohe Wiederholug! = ( - 1) ( - 2).... 3 2 1 = alle Elemete Permutatio: mit Wiederholug!! P, = = usw. = gleiche Elemete! 1! K 2! Stichprobe (SP) = geordete Auswahl Geordete
MehrFormelsammlung Mathematik
Formelsammlug Mathematik 1 Fiazmathematik 1.1 Reterechug Sei der Zissatz p%, der Zisfaktor q = 1 + p 100. Seie R die regelmäßig zu zahlede Rate, die Laufzeit. Edwert: Barwert: achschüssig R = R q 1 q 1
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
MehrIntervallschätzung II 2
Itervallschätzug Kofidezitervall für die Variaz Kofidezitervall für de Ateilswerte Kofidezitervall für die Differez zweier Ateile Bestimmug des Stichrobeumfags Itervallschätzug II Bibliografie Bleymüller
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
MehrKonfidenzintervall_fuer_pi.doc Seite 1 von 6. Konfidenzintervall für den Anteilswert π am Beispiel einer Meinungsumfrage
Kofidezitervall_fuer_pi.doc Seite 1 vo 6 Kofidezitervall für de Ateilswert π am Beispiel eier Meiugsumfrage Nach eier Meiugsumfrage der Wochezeitug Bezirksblatt vom März 005, ei halbes Jahr vor de Ladtagswahle
MehrÜbungen mit dem Applet Fourier-Reihen
Fourier-Reihe 1 Übuge mit dem Applet Fourier-Reihe 1 Mathematischer Hitergrud... Übuge mit dem Applet... 3.1 Eifluss der Azahl ud der Sprugstelle...3. Eifluss vo y-verschiebug ud Amplitude...4.3 Eifluss
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
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 ; : :
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
MehrÜbungsblatt 1 zur Vorlesung Angewandte Stochastik
Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche
MehrZufallsstreubereiche und Vertrauensbereiche
HTL Saalfelde Zufallsstreu- ud Vertrauesbereiche Seite 1 vo 1 Wilfried Rohm, HTL Saalfelde wilfried.rohm@schule.at Zufallsstreubereiche ud Vertrauesbereiche Mathematische / Fachliche Ihalte i Stichworte:
MehrKörpergröße x Häufigkeit in [m] 1.50 1.60 1 1.60 1.70 5 1.70 1.80 49 1.80 1.90 53 1.90 2.00 15 2.00 2.10 1
8 Kofidezitervalle 1 Kapitel 8: Kofidezitervalle A: Beispiele Beispiel 1: Im WS 2000/01 wurde im Rahme der Statistik Vorlesug 124 Studete u.a. zu ihrer Körpergröße befragt. Ma erhielt folgedes Ergebis:
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 19. Januar 2011 1 Nichtparametrische Tests Ordinalskalierte Daten 2 Test für ein Merkmal mit nur zwei Ausprägungen
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
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
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
MehrInstitut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban
Istitut für tochastik Prof. Dr. N. Bäuerle Dipl.-Math.. Urba Lösugsvorschlag 9. Übugsblatt zur Vorlesug Fiazmathematik I Aufgabe Ei euartiges Derivat) Wir sid i eiem edliche, arbitragefreie Fiazmarkt,
MehrMaximum Likelihood Version 1.6
Maximum Likelihood Versio 1.6 Uwe Ziegehage 15. November 2005 Logarithmegesetze log a (b) + log a (c) = log a (b c) (1) log a (b) log a (c) = log a (b/c) (2) log a (b c ) = c log a (b) (3) Ableitugsregel
MehrFolgen und Reihen Glege 03/01
Folge ud Reihe Glege 03/0 I diesem Script werde folgede Theme behadelt: Folge (Eiführug)... Arithmetische Folge... Geometrische Folge...3 Mootoie...4 Kovergez...5 Grezwert...6 Schrake...7 Arithmetische
MehrLV "Grundlagen der Informatik" Programmierung in C (Teil 2)
Aufgabekomplex: Programmiere i C (Teil vo ) (Strukturierte Datetype: Felder, Strukture, Zeiger; Fuktioe mit Parameterübergabe; Dateiarbeit) Hiweis: Alle mit * gekezeichete Aufgabe sid zum zusätzliche Übe
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
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
MehrFehlerrechnung. 3. Genauigkeit von Meßergebnissen am Beispiel der Längenmessung
1 Gie 11/000 Fehlerrechug 1. Physikalische Größe: Zahlewert ud Eiheit. Ursache vo Meßfehler 3. Geauigkeit vo Meßergebisse am Beispiel der Lägemessug 4. Messug eier kostate Größe ud Mittelwert 5. Messug
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
MehrWahrscheinlichkeit und Statistik
ETH Zürich HS 2015 Prof. Dr. P. Embrechts Wahrscheilichkeit ud Statistik D-INFK Lösuge Serie 2 Lösug 2-1. (a Wir bereche P [W c B] auf zwei Arte: (a Wir betrachte folgede Tabelle: Azahl W W c B 14 6 B
MehrFormelsammlung Grundzüge der Statistik für die Veranstaltungen Statistik I und Statistik II im Grundstudium
Formelsammlug Grudzüge der Statistik für die Verastaltuge Statistik I ud Statistik II im Grudstudium Prof. Dr. Claudia Becker Lehrstuhl für Statistik Ihaltsverzeichis 1 Summezeiche 5 2 Häufigkeitsverteiluge
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
MehrDer Geschäftsführer hat zwei Handlungsalternativen (Entscheidungsknoten gelbe Kästchen):
MODUL G Lösuge Aufgabe G.1 Lösug a. A Priori Aalyse Der Geschäftsführer hat zwei Hadlugsalterative (Etscheidugskote gelbe Kästche): A 1: Bohre eies Brues vor Ort 10 Mio. A : Bau eier Pipelie zur Wasserversorgug
MehrPflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik
Pflichtlektüre: Kapitel 10 Grudlage der Iferezstatistik Überblick der Begriffe Populatio Iferezstatistik Populatiosparameter Stichprobeverteiluge Auch Stichprobekewerteverteiluge Wahrscheilichkeitstheorie
MehrTestumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen
Testumfag für die Ermittlug ud Agabe vo Fehlerrate i biometrische Systeme Peter Uruh SRC Security Research & Cosultig GmbH peter.uruh@src-gmbh.de Eileitug Biometrische Systeme werde durch zwei wichtige
MehrNennenswertes zur Stetigkeit
Neeswertes zur Stetigkeit.) Puktweise Stetigkeit: Vo Floria Modler Defiitio der pukteweise Stetigkeit: Eie Fuktio f : D R ist geau da i x D stetig, we gilt: ε > δ >, so dass f ( x) f ( x ) < ε x D mit
MehrGrundproblem der Inferenzstatistik
Grudproblem der Iferezstatistik Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe... "wahre", ubekate Ateil icht zufällig p... beobachtete Ateil zufällig? Statistik für SoziologIe 1 Iferezschluss Kofidezitervall
MehrINFERENZSTATISTISCHE AUSSAGEN FÜR LAGEMAßE UND STREUUNGSMAßE. Inferenzstatistik für Lagemaße Inferenzstatistik für Streuungsmaße
DAS THEMA: INFERENZSTATISTIK III INFERENZSTATISTISCHE AUSSAGEN FÜR LAGEMAßE UND STREUUNGSMAßE Inferenzstatistik für Lagemaße Inferenzstatistik für Streuungsmaße Inferenzstatistik für Lagemaße Standardfehler
Mehr1.2. Taylor-Reihen und endliche Taylorpolynome
1.. aylor-reihe ud edliche aylorpolyome 1..1 aylor-reihe Wir köe eie Fuktio f() i eier Umgebug eies Puktes o gut durch ihre agete i o: t o () = f(o) + f (o) (-o) aäher: Wir sehe: Je weiter wir vo o weg
MehrEmpirische Methoden I
Hochschule für Wirtschaft ud 2012 Umwelt Nürtige-Geislige Fakultät Betriebswirtschaft ud Iteratioale Fiaze Prof. Dr. Max C. Wewel Prof. Dr. Corelia Niederdrek-Felger Aufgabe zum Tutorium Empirische Methode
Mehr2.4.1 Grundprinzipien statistischer Hypothesentests
86 2.4. Hypothesetests 2.4 Hypothesetests 2.4.1 Grudprizipie statistischer Hypothesetests Hypothese: Behauptug eier Tatsache, dere Überprüfug och aussteht (Leuter i: Edruweit, Trommsdorff: Wörterbuch der
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,
MehrPlanen und Organisieren von Arbeitsabläufen. Kostenrechnung
osterechug Bei der Vorkalkulatio werde die eies Erzeugisses vor der Herstellug ermittelt. Sie ist Grudlage für ei Preisagebot. Die Nachkalkulatio wird ach der Herstellug eies Erzeugisses durchgeführt.
MehrLösungen zu den Übungsaufgaben in Kapitel 10
Lösungen zu den Übungsaufgaben in Kapitel 10 (1) In einer Stichprobe mit n = 10 Personen werden für X folgende Werte beobachtet: {9; 96; 96; 106; 11; 114; 114; 118; 13; 14}. Sie gehen davon aus, dass Mittelwert
Mehr2.2.1 Lagemaße. Exkurs: Quantile. und n. p n
Ekurs: Quatile Ausgagspukt : Geordete Urliste Jeder Wert p, mit 0 < p
MehrModel CreditRisk + : The Economic Perspective of Portfolio Credit Risk Part I
Model CreditRisk + : The Ecoomic Perspective of Portfolio Credit Risk Part I Semiar: Portfolio Credit Risk Istructor: Rafael Weißbach Speaker: Pablo Kimmig Ageda 1. Asatz ud Ziele Was ist CreditRisk +
MehrWirtschaftsmathematik
Studiegag Betriebswirtschaft Fach Wirtschaftsmathematik Art der Leistug Studieleistug Klausur-Kz. BW-WMT-S1 040508 Datum 08.05.004 Bezüglich der Afertigug Ihrer Arbeit sid folgede Hiweise verbidlich: Verwede
Mehrunibasel VORLESUNG PROGRAMMIER- PARADIGMEN departement mathematik & informatik informatik.unibas.ch/lehre/fs16/prog#thorsten.
uibasel VORLESUNG PROGRAMMIER- PARADIGMEN departemet mathematik & iformatik iformatik.uibas.ch/lehre/fs16/prog#thorste.moeller 2 Team Dozet: Dr. Thorste Möller thorste.moeller@uibas.ch Chief Techical Officer
MehrTechnische Fachhochschule Berlin, FB IV Architektur und Gebäudetechnik Labor für Elektro-, Mess- und Regelungstechnik
Messfehler Welche Störeiflüsse köe auftrete? Wie lasse sich Fehler klassifiziere? Wie lasse sich Fehler abschätze? Wie werde Messergebisse agegebe? Ihalt Messfehler... 1 Repräsetativitätsfehler... 2 Störeiflüsse
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...
MehrDatenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse (PHY31) Herbstsemester 015 Olaf Steinkamp 36-J- olafs@physik.uzh.ch 044 63 55763 Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung und
MehrVereinheitlichung Einheitlicher Maßstab der Risikoeinschätzung. Limitierung / Steuerung Messung und Limitierung ist fundamental für die Steuerung
. Marktpreisrisiko Motivatio der VaR-Ermittlug Vereiheitlichug Eiheitlicher Maßstab der Risikoeischätzug Limitierug / Steuerug Messug ud Limitierug ist fudametal für die Steuerug Kapitaluterlegug Zur Deckug
MehrIntegrationsseminar zur BBL und ABWL Wintersemester 2002/2003
Credit Risk+ Itegratiossemiar zur BBL ud BWL Witersemester 2002/2003 Oksaa Obukhova lia Sirsikova Credit Risk+ 1 Ihalt. Eiführug i die Thematik B. Ökoomische Grudlage I. Ziele II. wedugsmöglichkeite 1.
MehrHallo, kurze Anmerkung: Diese Scripte stammen von Ich kann leider dazu. keine Fragen mehr beantworten! : ( Euch trotzdem viel Erfolg!
Hallo, kurze Amerkug: Diese Scripte stamme vo 999. Ich ka leider dazu keie Frage mehr beatworte! : ( Euch trotzdem viel Erfolg! Dorthe dorthe@luebbert.et Statistik B Script ud Diplomklausurvorbereitug
MehrAufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97.
Aufgabenblock 4 Aufgabe ) Da s = 8. cm nur eine Schätzung für die Streuung der Population ist, müssen wir den geschätzten Standardfehler verwenden. Dieser berechnet sich als n s s 8. ˆ = = =.88. ( n )
MehrOrdnungsstatistiken und Quantile
KAPITEL Ordugsstatste ud Quatle Um robuste Lage- ud Streuugsparameter eführe zu öe, beötge wr Ordugsstatste ud Quatle... Ordugsstatste ud Quatle Defto... Se (x,..., x R ee Stchprobe. Wr öe de Elemete der
MehrStatistik. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.html
Statistik Prof. Dr. K. Melzer kari.melzer@hs-esslige.de http://www.hs-esslige.de/de/mitarbeiter/kari-melzer.html Ihaltsverzeichis 1 Eileitug ud Übersicht 3 2 Dategewiug (kurzer Überblick) 3 2.1 Plaugsphase
Mehr2 Martingale. E (X G) dp = X dp (2.1) B
Martigale Zuächst eie Bemerkug über bedigte Erwartugswerte Ist Ω, F, P ei Wahrscheilichkeitsraum, G eie Teil-σ-lgebra vo F, ud X eie itegrierbare Zufallsgrösse, so hatte wir E X G als die bis auf P fs
MehrMathematische und statistische Methoden I
Methodelehre e e Prof. Dr. G. Meihardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstude jederzeit ach Vereibarug ud ach der Vorlesug. Mathematische ud statistische Methode I Dr. Malte Persike persike@ui-maiz.de
MehrA = Ereignisraum = σ-algebra (Sigma-Algebra) = Menge aller messbaren Ergebnisse über eine definierte Grundmenge Ω
Statistik Theorie Defiitioe Ω = Grudmege = Ergebismege = Mege aller mögliche Ergebisse A = Ereigisraum = σ-algebra (Sigma-Algebra) = Mege aller messbare Ergebisse über eie defiierte Grudmege Ω P(Ω) = Potezmege
Mehr8. Intervallschätzung
8. Itervallschätzug 8.1 Begriff des Kofidezitervalls Mit uterschiedliche Stichprobe lasse sich verschiedee Puktschätzer θ für de Parameter der Grudgesamtheit erziele. We m Stichprobe aus der Grudgesamtheit
MehrMengenbegriff und Mengendarstellung
R. Brikma http://brikma-du.de Seite 1 05.10.008 Megebegriff ud Megedarstellug Eie Mege, ist die Zusammefassug bestimmter, wohluterschiedeer Objekte userer Aschauug ud useres Dekes welche Elemete der Mege
MehrWIB 2 Mathematik und Statistik Formelsammlung. Z Menge der ganzen Zahlen {...,-3,-2,-1,0,1,2,3,...}
1 Allgeme Geometrsche Rehe: q t = 1 q1 t=0 1 q Mtterachtsformel: ax 2 bxc=0 x 1/ 2 = b±b2 4ac 2a Bomsche Formel: 1. ab 2 =a 2 2abb 2 2. a b 2 =a 2 2abb 2 3. ab a b=a 2 b 2 Wurzel: ugerade 1 Ergebs gerade
MehrPrüfgröße: Ist die durch eine Schätzfunktion zugeordnete reelle Zahl (etwa Mittelwert 7 C).
Statistik Grundlagen Charakterisierung von Verteilungen Einführung Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsverteilungen Schätzen und Testen Korrelation Regression Einführung Aus praktischen Gründen
MehrTao De / Pan JiaWei. Ihrig/Pflaumer Finanzmathematik Oldenburg Verlag 1999 =7.173,55 DM. ges: A m, A v
Tao De / Pa JiaWei Ihrig/Pflaumer Fiazmathematik Oldeburg Verlag 1999 1..Ei Darlehe vo. DM soll moatlich mit 1% verzist ud i Jahre durch kostate Auitäte getilgt werde. Wie hoch sid a) die Moatsrate? b)
MehrStatistik I für Studierende der Soziologie und Nebenfachstudierende
Name: Matrikelummer: Formelsammlug zur Vorlesug Statistik I für Studierede der Soziologie ud Nebefachstudierede Prof Dr Helga Wager Dipl-Soz MSc Julia Kopf, Dipl Stat Gero Walter WS 2010/11 Zur Klausur
MehrInnerbetriebliche Leistungsverrechnung
Ierbetriebliche Leistugsverrechug I der Kostestellerechug bzw. im Betriebsabrechugsboge (BAB ist ach der Erfassug der primäre Kostestellekoste das Ziel, die sekudäre Kostestellekoste, also die Koste der
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
MehrMathematik für Maschinenbauer, Bauingenieure und Umwelttechniker III. R. Verfürth
Mathematik für Maschiebauer, Bauigeieure ud Umwelttechiker III Vorlesugsskriptum WS 001/0 - WS 00/03 überarbeitet September 008 R. Verfürth Fakultät für Mathematik, Ruhr-Uiversität Bochum Ihaltsverzeichis
Mehr... a ik) i=1...m, k=1...n A = = ( a mn
Zurück Stad: 4..6 Reche mit Matrize I der Mathematik bezeichet ma mit Matrix im Allgemeie ei rechteckiges Zahleschema. I der allgemeie Darstellug habe die Zahle zwei Idizes, de erste für die Zeileummer,
MehrChi-Quadrat Verfahren
Chi-Quadrat Verfahren Chi-Quadrat Verfahren werden bei nominalskalierten Daten verwendet. Die einzige Information, die wir bei Nominalskalenniveau zur Verfügung haben, sind Häufigkeiten. Die Quintessenz
MehrAT AB., so bezeichnet man dies als innere Teilung von
Teilverhältisse Aus der Geometrie der Dreiecke ket ma die Aussage, dass der Schwerpukt T eies Dreiecks die Seitehalbierede im Verhältis : teilt. Für die Strecke AT ud TM gilt gemäß der Abbildug AT : TM
MehrKorrekturrichtlinie zur Studienleistung Wirtschaftsmathematik am 22.12.2007 Betriebswirtschaft BB-WMT-S11-071222
Korrekturrichtliie zur Studieleistug Wirtschaftsmathematik am..007 Betriebswirtschaft BB-WMT-S-07 Für die Bewertug ud Abgabe der Studieleistug sid folgede Hiweise verbidlich: Die Vergabe der Pukte ehme
MehrGeometrische Folgen. Auch Wachstumsfolgen Viele Aufgaben. Lösungen nur auf der Mathe-CD Hier nur Ausschnitte. Datei Nr
ZAHLENFOLGEN Teil Geometrische Folge Auch Wachstumsfolge Viele Aufgabe Lösuge ur auf der Mathe-CD Hier ur Ausschitte Datei Nr. 00 Friedrich Buckel März 00 Iteretbibliothek für Schulmathematik 00 Geometrische
MehrDer natürliche Werkstoff Holz - Statistische Betrachtungen zum uniaxialen Zugversuch am Beispiel von Furnier
Der atürliche Werkstoff Holz - Statistische Betrachtuge zum uiaxiale Zugversuch am Beispiel vo Furier B. Bellair, A. Dietzel, M. Zimmerma, Prof. Dr.-Ig. H. Raßbach Zusammefassug FH Schmalkalde, 98574 Schmalkalde,
MehrAufgaben zur Analysis I
Aufgabe zur Aalysis I Es werde folgede Theme behadelt:. Logik, Iduktio, Mege, Abbilduge 2. Supremum, Ifimum 3. Folge, Fuktioefolge 4. Reihe, Potezreihe 5. Mootoie ud Stetigkeit 6. Differetialrechug 7.
MehrGüteeigenschaften von Schätzern
KAPITEL 6 Güteeigeschafte vo Schätzer Wir erier a ie Defiitio es parametrische Moells Sei {h θ : θ Θ}, wobei Θ R m, eie Familie vo Dichte oer Zählichte Seie X 1,, X uabhägige u ietisch verteilte Zufallsvariable
MehrMathematische 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
MehrTransformator. n Windungen
echische iversität Dresde stitut für Ker- ud eilchephysik R. Schwierz V/5/29 Grudpraktikum Physik Versuch R rasformator rasformatore werde i viele ereiche der Elektrotechik ud Elektroik eigesetzt. Für
Mehr2.4 Hypothesentests Grundprinzipien statistischer Hypothesentests. Hypothese:
2.4.1 Grundprinzipien statistischer Hypothesentests Hypothese: Behauptung einer Tatsache, deren Überprüfung noch aussteht (Leutner in: Endruweit, Trommsdorff: Wörterbuch der Soziologie, 1989). Statistischer
Mehr2. Diophantische Gleichungen
2. Diophatische Gleichuge [Teschl05, S. 91f] 2.1. Was ist eie diophatische Gleichug ud wozu braucht ma sie? Def D2-1: Eie diophatische Gleichug ist eie Polyomfuktio i x,y,z,, bei der als Lösuge ur gaze
MehrGrundlagen der Mathematik II Lösungsvorschlag zum 2. Tutoriumsblatt
Mathematisches Istitut der Uiversität Müche Sommersemester 2014 Daiel Rost Lukas-Fabia Moser Grudlage der Mathematik II Lösugsvorschlag zum 2. Tutoriumsblatt Aufgabe 1. a) Die Additios- ud Multiplikatiosoperatioe
MehrKryptologie: Kryptographie und Kryptoanalyse Kryptologie ist die Wissenschaft, die sich mit dem Ver- und Entschlüsseln von Informationen befasst.
Krytologie: Krytograhie ud Krytoaalyse Krytologie ist die Wisseschaft, die sich mit dem Ver- ud Etschlüssel vo Iformatioe befasst. Beisiel Iteretkommuikatio: Versiegel (Itegrität der Nachricht) Sigiere
MehrAuch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert.
Prof. Dr. H. Rommelfager: Etscheidugstheorie, Kaitel 3 7 3. Etscheidug bei Risiko (subjektive oder objektive) Eitrittswahrscheilichkeite für das Eitrete der mögliche Umweltzustäde köe vom Etscheidugsträger
MehrNormalverteilung. Zhuohua Xu. Ausarbeitung zum Vortrag im Seminar Stochastik (Wintersemester 2008/09, Leitung PD Dr.
Normalverteilug Zhuohua Xu Ausarbeitug zum Vortrag im Semiar Stochastik (Witersemester 008/09, Leitug PD Dr. Gudru Thäter) Zusammefassug: I meier Ausarbeitug über die Normalverteilug versuche ich die grudlegede
MehrStatistik. Deskriptive Statistik. Deskriptive Statistik. Deskriptive Statistik
AGAH Aual Meetig 004, Berli Grudlage der Biometrie Beschreibede ud schließede Statistik i kliische Studie Jede mathematische Formel reduziert die Azahl der Zuhörer um 50% PD Dr. Thomas Sudhop & Dr. med.
MehrGrundzüge der Stichprobentheorie. Statistisches Bundesamt
Grudzüge der Stichprobetheorie Grüde für Stichprobeerhebug - deutlich gerigere Koste - größere Awedugsbreite - kürzere Erhebugs- ud Auswertugszeite - i der Regel größere Geauigkeit der Ergebisse Begriffsbestimmug
Mehr