Mathematik 2 für Naturwissenschaften

Größe: px
Ab Seite anzeigen:

Download "Mathematik 2 für Naturwissenschaften"

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.

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)

Mehr

3 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:

3 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-

Mehr

Korrelationsanalyse zwischen kategorischen Merkmalen. Kontingenztabellen. Chi-Quadrat-Test

Korrelationsanalyse 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

Mehr

14 Statistische Beziehungen zwischen nomi nalen Merkmalen

14 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

Mehr

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39

Statistik 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

Mehr

Evaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt

Evaluierung 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.

(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;

Mehr

Einführung in die induktive Statistik. Inferenzstatistik. Konfidenzintervalle. Friedrich Leisch

Einführung 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

Mehr

2 Vollständige Induktion

2 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

Mehr

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft

Wissenschaftliches 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:

Mehr

2.3 Kontingenztafeln und Chi-Quadrat-Test

2.3 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

Mehr

Demo für www.mathe-cd.de

Demo 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

Mehr

Prof. Dr. Roland Füss Statistik II SS 2008

Prof. 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

Mehr

Variiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen.

Variiert 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

( ) 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

Mehr

Formelsammlung Mathematik

Formelsammlung 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

Mehr

Formelsammlung. zur Klausur. Beschreibende Statistik

Formelsammlung. zur Klausur. Beschreibende Statistik Formelsammlug zur Klausur Beschreibede Statistik Formelsammlug Beschreibede Statistik. Semester 004/005 Statistische Date Qualitative Date Nomial skalierte Merkmalsauspräguge (Uterscheidugsmerkmale) köe

Mehr

Intervallschätzung II 2

Intervallschätzung II 2 Itervallschätzug Kofidezitervall für die Variaz Kofidezitervall für de Ateilswerte Kofidezitervall für die Differez zweier Ateile Bestimmug des Stichrobeumfags Itervallschätzug II Bibliografie Bleymüller

Mehr

Statistik I/Empirie I

Statistik 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

Mehr

Konfidenzintervall_fuer_pi.doc Seite 1 von 6. Konfidenzintervall für den Anteilswert π am Beispiel einer Meinungsumfrage

Konfidenzintervall_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

Mehr

Übungen mit dem Applet Fourier-Reihen

Übungen 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

Mehr

Parameter von Häufigkeitsverteilungen

Parameter 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

Mehr

3. Einführung in die Statistik

3. 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 ; : :

Mehr

15.4 Diskrete Zufallsvariablen

15.4 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

Mehr

Übungsblatt 1 zur Vorlesung Angewandte Stochastik

Übungsblatt 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

Mehr

Zufallsstreubereiche und Vertrauensbereiche

Zufallsstreubereiche 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:

Mehr

Körpergröße 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

Körpergröße 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:

Mehr

Mathematik für Biologen

Mathematik 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

Mehr

Statistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S

Statistik 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

Mehr

Statistik I Februar 2005

Statistik 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

Mehr

Wahrscheinlichkeit & Statistik

Wahrscheinlichkeit & 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

Mehr

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban

Institut 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,

Mehr

Maximum Likelihood Version 1.6

Maximum 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

Mehr

Folgen und Reihen Glege 03/01

Folgen 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

Mehr

LV "Grundlagen der Informatik" Programmierung in C (Teil 2)

LV 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

Mehr

Kapitel 6: Statistische Qualitätskontrolle

Kapitel 6: Statistische Qualitätskontrolle Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle

Mehr

Beschreibende Statistik Kenngrößen in der Übersicht (Ac)

Beschreibende 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

Mehr

Fehlerrechnung. 3. Genauigkeit von Meßergebnissen am Beispiel der Längenmessung

Fehlerrechnung. 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

Mehr

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:

n 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

Mehr

Wahrscheinlichkeit und Statistik

Wahrscheinlichkeit 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

Mehr

Formelsammlung Grundzüge der Statistik für die Veranstaltungen Statistik I und Statistik II im Grundstudium

Formelsammlung 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

Mehr

Statistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte.

Statistische 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

Mehr

Der Geschäftsführer hat zwei Handlungsalternativen (Entscheidungsknoten gelbe Kästchen):

Der 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

Mehr

Pflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik

Pflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik Pflichtlektüre: Kapitel 10 Grudlage der Iferezstatistik Überblick der Begriffe Populatio Iferezstatistik Populatiosparameter Stichprobeverteiluge Auch Stichprobekewerteverteiluge Wahrscheilichkeitstheorie

Mehr

Testumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen

Testumfang 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

Mehr

Nennenswertes zur Stetigkeit

Nennenswertes 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

Mehr

Grundproblem der Inferenzstatistik

Grundproblem der Inferenzstatistik Grudproblem der Iferezstatistik Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe... "wahre", ubekate Ateil icht zufällig p... beobachtete Ateil zufällig? Statistik für SoziologIe 1 Iferezschluss Kofidezitervall

Mehr

INFERENZSTATISTISCHE AUSSAGEN FÜR LAGEMAßE UND STREUUNGSMAßE. Inferenzstatistik für Lagemaße Inferenzstatistik für Streuungsmaße

INFERENZSTATISTISCHE 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

Mehr

1.2. Taylor-Reihen und endliche Taylorpolynome

1.2. 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

Mehr

Empirische Methoden I

Empirische 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

Mehr

2.4.1 Grundprinzipien statistischer Hypothesentests

2.4.1 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

Mehr

Finanzmathematische Formeln und Tabellen

Finanzmathematische 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,

Mehr

Planen und Organisieren von Arbeitsabläufen. Kostenrechnung

Planen 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.

Mehr

Lösungen zu den Übungsaufgaben in Kapitel 10

Lösungen 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

Mehr

2.2.1 Lagemaße. Exkurs: Quantile. und n. p n

2.2.1 Lagemaße. Exkurs: Quantile. und n. p n Ekurs: Quatile Ausgagspukt : Geordete Urliste Jeder Wert p, mit 0 < p

Mehr

Model CreditRisk + : The Economic Perspective of Portfolio Credit Risk Part I

Model 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 +

Mehr

Wirtschaftsmathematik

Wirtschaftsmathematik 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

Mehr

unibasel VORLESUNG PROGRAMMIER- PARADIGMEN departement mathematik & informatik informatik.unibas.ch/lehre/fs16/prog#thorsten.

unibasel 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

Mehr

Technische Fachhochschule Berlin, FB IV Architektur und Gebäudetechnik Labor für Elektro-, Mess- und Regelungstechnik

Technische 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

Mehr

h i Deskriptive Statistik 1-dimensionale Daten Daten und Häufigkeiten Seite 1 Nominal Ordinal Metrisch (Kardinal) Metrisch - klassiert

h 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...

Mehr

Datenanalyse. (PHY231) Herbstsemester Olaf Steinkamp

Datenanalyse. (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

Mehr

Vereinheitlichung Einheitlicher Maßstab der Risikoeinschätzung. Limitierung / Steuerung Messung und Limitierung ist fundamental für die Steuerung

Vereinheitlichung 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

Mehr

Integrationsseminar zur BBL und ABWL Wintersemester 2002/2003

Integrationsseminar 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.

Mehr

Hallo, kurze Anmerkung: Diese Scripte stammen von Ich kann leider dazu. keine Fragen mehr beantworten! : ( Euch trotzdem viel Erfolg!

Hallo, 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

Mehr

Aufgabenblock 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. 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 )

Mehr

Ordnungsstatistiken und Quantile

Ordnungsstatistiken 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

Mehr

Statistik. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.html

Statistik. 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

Mehr

2 Martingale. E (X G) dp = X dp (2.1) B

2 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

Mehr

Mathematische und statistische Methoden I

Mathematische 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

Mehr

A = Ereignisraum = σ-algebra (Sigma-Algebra) = Menge aller messbaren Ergebnisse über eine definierte Grundmenge Ω

A = 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

Mehr

8. Intervallschätzung

8. 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

Mehr

Mengenbegriff und Mengendarstellung

Mengenbegriff 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

Mehr

WIB 2 Mathematik und Statistik Formelsammlung. Z Menge der ganzen Zahlen {...,-3,-2,-1,0,1,2,3,...}

WIB 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

Mehr

Prüfgröße: Ist die durch eine Schätzfunktion zugeordnete reelle Zahl (etwa Mittelwert 7 C).

Prüfgröße: 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

Mehr

Tao De / Pan JiaWei. Ihrig/Pflaumer Finanzmathematik Oldenburg Verlag 1999 =7.173,55 DM. ges: A m, A v

Tao 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)

Mehr

Statistik I für Studierende der Soziologie und Nebenfachstudierende

Statistik 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

Mehr

Innerbetriebliche Leistungsverrechnung

Innerbetriebliche 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

Mehr

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008

BINOMIALKOEFFIZIENTEN. 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

Mehr

Mathematik für Maschinenbauer, Bauingenieure und Umwelttechniker III. R. Verfürth

Mathematik 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

... 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,

Mehr

Chi-Quadrat Verfahren

Chi-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

Mehr

AT AB., so bezeichnet man dies als innere Teilung von

AT 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

Mehr

Korrekturrichtlinie zur Studienleistung Wirtschaftsmathematik am 22.12.2007 Betriebswirtschaft BB-WMT-S11-071222

Korrekturrichtlinie 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

Mehr

Geometrische Folgen. Auch Wachstumsfolgen Viele Aufgaben. Lösungen nur auf der Mathe-CD Hier nur Ausschnitte. Datei Nr

Geometrische 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

Mehr

Der natürliche Werkstoff Holz - Statistische Betrachtungen zum uniaxialen Zugversuch am Beispiel von Furnier

Der 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,

Mehr

Aufgaben zur Analysis I

Aufgaben 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.

Mehr

Güteeigenschaften von Schätzern

Güteeigenschaften 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

Mehr

Mathematische und statistische Methoden II

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

Mehr

Transformator. n Windungen

Transformator. 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

Mehr

2.4 Hypothesentests Grundprinzipien statistischer Hypothesentests. Hypothese:

2.4 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

Mehr

2. Diophantische Gleichungen

2. 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

Mehr

Grundlagen der Mathematik II Lösungsvorschlag zum 2. Tutoriumsblatt

Grundlagen 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

Mehr

Kryptologie: Kryptographie und Kryptoanalyse Kryptologie ist die Wissenschaft, die sich mit dem Ver- und Entschlüsseln von Informationen befasst.

Kryptologie: 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

Mehr

Auch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert.

Auch 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

Mehr

Normalverteilung. Zhuohua Xu. Ausarbeitung zum Vortrag im Seminar Stochastik (Wintersemester 2008/09, Leitung PD Dr.

Normalverteilung. 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

Mehr

Statistik. Deskriptive Statistik. Deskriptive Statistik. Deskriptive Statistik

Statistik. 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.

Mehr

Grundzüge der Stichprobentheorie. Statistisches Bundesamt

Grundzüge 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