K7 PhysikalischesGrundpraktikum
|
|
- Fanny Hausler
- vor 6 Jahren
- Abrufe
Transkript
1 K7 PhysikalischesGrundpraktikum Abteilung Kernphysik Statistik und statistischer Fehler 1 Lernziele Im Versuch K7 setzen Sie sich insbesondere mit der Statistik von radioaktiven Zerfallsprozessen auseinander. Statistische Betrachtungen von Messreihen spielen nicht nur in der Kernphysik, sondern auch in vielen anderen nicht nur physikalischen Prozessen eine entscheidende Rolle in der Aus- und Bewertung, u. a. im Hinblick auf die Qualität des Resultats. Des Weiteren erlernen bzw. vertiefen Sie Kenntnisse in der computergestützten Bearbeitung, Darstellung und Auswertung von experimentell ermittelten Messdaten, der gerade bei komplexen Experimenten eine immer größere Bedeutung zukommt. 2 Vorbereitung Machen Sie sich, aufbauend auf detaillierten Kenntnissen der Betrachtung von Messunsicherheiten, die Sie in den vorausgegangenen Versuchen erwerben konnten, mit den Grundbegriffen der Statistik, wie Wahrscheinlichkeit, Mittelwert, Standardabweichung und den in der Auswertung häufig verwendeten Verteilungen, wie Binomial-, Poisson- und Normalverteilung vertraut. Sie sollten auch wissen, wie die Qualität von Messdaten bewertet werden kann, und wie sich quantitativ die Übereinstimmung experimenteller Daten mit einer theoretischen Vorhersage überprüfen lässt, z. B. mit einemχ 2 -Test. Arbeiten Sie vor dem Versuch bitte unbedingt das Skript zur Einführung in die Messdatenanalyse für das physikalische Grundpraktikum durch. Fragen zur Durchführung der Messung, zur Messtechnik sowie zum Strahlenschutz sollten Sie selbstverständlich auch beantworten können. 3 Literatur zusammengefasst als Literaturmappe in der physikalischen Lehrbuchsammlung hinterlegt Schaum, Statistik Riezler - Kopitzki, Kernphysikalisches Grundpraktikum Knoll, Radiation detection and measurement außerdem: das Skript Einführung in die Messdatenanalyse für das physikalische Grundpraktikum, verfügbar auf den Webseiten des Grundpraktikums J. Lehn, H. Wegmann, Einführung in die Statistik, 5. Auflage, Teubner, Wiesbaden, 2006 K7 Seite1von
2 4 Grundlagen Bei vielen Messungen (Zeitreihenanalyse, Niveaudichteanalyse angeregter Kerne, Abstandsverteilungen in der Chaosforschung, Verhaltensforschung, Börsenkurse,... ) werden sowohl bei einmaliger als auch bei mehrmaliger Ausführung eines Experimentes unter exakt gleichen Versuchsbedingungen statistische Schwankungen auftreten. Dabei wird die unendliche Gesamtheit aller möglichen Beobachtungsergebnisse, die durch Wiederholung eines Zufallsexperimentes unter gleichen Bedingungen gewonnen wird, Grundgesamtheit genannt. Das Ziel der analytischen Statistik ist nun, aus einer gegebenen Stichprobe von n Beobachtungsergebnissen auf die Grundgesamtheit zu schließen. Dazu ist es notwendig, für die Grundverteilung anzunehmen, dass sie durch eine theoretische Wahrscheinlichkeitsverteilung beschrieben wird. Auf Grund dieser Annahme wird dann versucht, aus den experimentellen Messgrößen auf die Eigenschaften der Grundgesamtheit zu schließen. Machen Sie sich zunächst die Zusammenhänge und Unterschiede der Begriffe Ereignis, Einzelmessung (auch Messung, Messergebnis, Ergebnis) und Messreihe klar, ein grundlegendes Verständnis ist absolut notwendig. Beim radioaktiven Zerfall und bei der Untergrundstrahlung handelt es sich jeweils um rein statistische Prozesse. Die daraus resultierenden Schwankungen stellen einen unvermeidbaren Fehler bei allen kernphysikalischen Messungen dar. Der Begriff statistischer Fehler soll in diesem Versuch genauer untersucht werden. Bei statistischen Abläufen ist die Verteilungsfunktion P(x) bekannt, sie basiert auf der Wahrscheinlichkeit p für das Eintreten eines einzelnen Ereignisses. Die Wahrscheinlichkeit P B (x), dass bei n voneinander unabhängigen Versuchen ein Ereignis x-mal eintritt, beträgt n! P B (x)= (n x)!x! px (1 p) n x. (1) Dieses ist die so genannte Bernoulli-Verteilung, oder auch Binomial-Verteilung. Als Einzelmessung gilt in diesem Versuch die Beobachtung von Materie mit n unabhängigen Atomkernen über eine fest gewählte Zeitdauer t. Jedes Ereignis besteht im Nachweis eines radioaktiven Zerfalls, d. h. im Ansprechen des Zählrohrs. Das Messergebnis ist die Anzahl x i der innerhalb t registrierten Ereignisse. Die Wahrscheinlichkeit, dass Strahlung aus einem bestimmten Atomkern innerhalb t ein Ereignis verursacht, wird mit p bezeichnet. Mathematisch bedeutet das p= x /n, doch dies ist verbunden mit unendlich vielen Einzelmessungen. Bereits 1µg Materie enthält ca. n=10 15 Atomkerne. Für solch große n ist die Auswertung von (1) praktisch nicht durchführbar (probieren Sie es mal für n = 25), daher müssen Näherungsformeln gefunden werden, in denen n nicht mehr auftritt. Für Wahrscheinlichkeiten p 1kann in der Regel x n angenommen werden. Damit vereinfacht sich (1) unter Berücksichtigung von µ = p n zur Poisson-Verteilung: P P (x)= µx x! e µ (2) Für x 10 ist (2) zweckmäßig. Statistische Ereignisse können mit (1) mathematisch exakt und durch die Poisson-Verteilung (2) für große n näherungsweise beschrieben werden. Diese Verteilungen sind dabei auf 1 normiert: x P(x)=1. Wird hingegen x als kontinuierliche Variable angenommen und ist der Mittelwert µ 1, geht die Poisson-Verteilung, die eine Wahrscheinlichkeit angibt, in die Gauß- oder Normalverteilung mitσ 2 =µ und damit in eine Wahrscheinlichkeitsdichteverteilung über: f G (x)= 1 (x µ) 2 σ 2π e 2σ 2, (3) aus der sich die Wahrscheinlichkeit einen Messwert x im Intervall(a, b) zu finden, als Integral ergibt: P(a< x<b)= b a f G (x) dx. (4) K7 Seite2von
3 4.1 Test statistischer Verteilungen Für die Bewertung der Qualität von Messdaten wird häufig derχ 2 -Test genutzt, bei dem die Messwerte x i in Intervalle, so genannte Klassen, eingeteilt und mit der zu erwartenden Häufigkeit gemäß z.b. (2) oder (3) für jede Klasse verglichen wird. Die Größeχ 2 e wird dabei berechnet aus k χ 2 e = (s j e j ) 2 j=1 e j (5) mit der berechneten bzw. erwarteten Häufigkeit pro Klasse s j bzw. e j und der Anzahl der Klassen k. Für einen Wert vonχ 2 = 0 stimmen theoretisch erwartete Messwerte mit den tatsächlich gemessenen exakt überein. Dies ist in der Realität aber nicht der Fall. Je größer die Diskrepanz zwischen den gemessenen und den erwarteten Werten ist, desto größer ist auchχ 2. Dabei sollte die Zahl der Messwerte pro Klasse größer sein als 5 und die Zahl der Klassen auf nicht mehr als 20 begrenzt werden. Die Zahl der Freiheitsgradeν= k m 1 der Verteilung gilt unter der Annahme, dass m Parameter der theoretischen Verteilung aus den Messdaten abgeschätzt werden. Für die Normalverteilung sind das z.b. die Parameter x undσ, also m=2, für die Poisson-Verteilung ist m=1. Die p-quantile derχ 2 -Verteilung sind im Anhang tabelliert. Die dort angegebenen Zahlenχ 2 p besagen, dass man bei vielfacher Wiederholung einer Messreihe und entsprechender Ermittelung vonχ 2 mit einer Wahrscheinlichkeit von p zu Werten kommt, e die nicht größer sind alsχ 2 p. Sollte für eine gegebene Zahl von Freiheitsgraden diese Wahrscheinlichkeit höher sein als 95%, ist die Übereinstimmung von Messdaten und theoretisch erwarteten Werten sehr schlecht. Sollte sie kleiner sein als 5%, ist die Übereinstimmung unerwartet gut, was auf manipulierte Daten schließen ließe. In beiden Fällen würde die Hypothese, dass die experimentelle Verteilung nur zufällig von der theoretischen abweicht, verworfen. 4.2 Intervallverteilung Aus der Poisson - Verteilung lässt sich die statistische Verteilung der zeitlichen Abstände von Einzelereignissen herleiten (Intervallverteilung). Ist a der Mittelwert der Zahl der Ereignisse pro Zeiteinheit und t die Messzeit, so gilt x= a t. In einem kurzen Zeitintervall dt, für das gilt: a t 1, ist P 1 (dt)= a dt die Wahrscheinlichkeit, im Zeitraum dt ein Ereignis zu registrieren. Wird das Zeitintervall dt immer kleiner, so wird die Wahrscheinlichkeit, zwei oder mehr Ereignisse innerhalb des Intervalls zu zählen, vernachlässigbar klein: P 1 (dt) P 2 (dt) P 3 (dt)... Die Wahrscheinlichkeit, dass zwischen t und t+ dt gerade das s-te Ereignis stattfindet, lässt sich nun bestimmen: dp s = P s 1 (t) P 1 (dt)= (a t)s 1 (s 1)! e a t a dt (6) Für das so genannte einfache Intervall mit s=1 ergibt sich daraus eine Exponentialfunktion: dp s dt = a e a t (7) Sie nennt die zeitliche Wahrscheinlichkeitsdichte für das Eintreten des nächsten Ereignisses, wenn das vorangegangene Ereignis schon die Zeit t zurück liegt, und ist auf 1 normiert. 5 Versuchsaufbau 60 Co oder 137 Cs-Präparat, GM-Fensterzählrohr mit HV-Versorgung, Interface, PC. Hinweis: Sollte der Wunsch bestehen, mit den Messdaten zu Hause weiter zu experimentieren, können diese auf einen mitzubringenden USB-Stick (bitte virenfrei!) kopiert werden. K7 Seite3von
4 6 Aufgaben 1. (Hausaufgabe) Leiten Sie die Binomial - Verteilung und aus dieser die Poisson - Verteilung ab. 2. Machen Sie sich mit dem Umgang mit der Software Cassy Lab und MS Excel vertraut, eine Kurzeinführung in das Programm Cassy Lab finden Sie am Versuchsaufbau. 3. Bestimmen Sie die Häufigkeitsverteilung für niedrige Zählraten an Hand der Umgebungsstrahlung. Nehmen Sie dazu das Geiger-Müller-Zählrohr aus der Bleiabschirmung (Vorsicht: zerbrechlich!) und wählen Sie im Programm Cassy Lab unter Einstellung und Anklicken des Sensor-Symbols die Torzeit so, dass im Mittel etwa 5 10 Ereignisse in diesem Intervall nachgewiesen werden. Bestimmen Sie etwa 100 Messwerte, in dem Sie im Fenster Messparameter unter x-anzahl einen entsprechenden Wert einstellen. Die Intervallzeit sollte gleich der Torzeit sein. a) Kopieren Sie die Daten in die Tabellenkalkulation MS Excel (Anklicken der Tabelle im Programm Cassy Lab mit der rechten Maustaste liefert ein Menü, in dem der Punkt Kopieren angewählt werden kann, anschließend können die Daten über STRG-V im Programm MS Excel in ein Tabellenblatt eingefügt werden) und ermitteln Sie den laufenden arithmetischen Mittelwert x n (mitteln Sie für den n-ten Messpunkt über die Messwerte 1... n) sowie das entsprechende Fehlerband x ±σ n / n. Stellen Sie Messwerte, den Mittelwert sowie das Fehlerintervall grafisch dar. Die benötigten mathematischen Funktionen finden Sie im Menü Einfügen/Funktion. b) Ermitteln Sie die Spannweite, die Varianz, die Standardabweichung, den Standardfehler des arithmetischen Mittelwertes sowie den Median der Verteilung. Bestimmen Sie den Modalwert und die Schiefe der Verteilung, ist sie links- oder rechtsschief? c) Stellen Sie die Messreihe als Häufigkeitsverteilung dar und legen Sie die Klassengröße fest. Die für die Darstellung notwendige Funktion finden Sie unter Extras/Analyse-Funktionen. Die Klasseneinteilung ist dazu in einem vertikalen Zeilenarray anzugeben. d) Vergleichen Sie die experimentell bestimmten Häufigkeiten mit theoretisch zu erwartenden unter der Hypothese einer Poisson- bzw. einer Gaussverteilung und stellen Sie beides als kontinuierliche Funktion im Diagramm zu 3 c) dar. e) Bestimmen Sie mit Hilfe desχ 2 -Tests die Übereinstimmung der gemessenen Häufigkeiten mit den in 3 d) ermittelten theoretischen Werten. Welche der beiden theoretischen Verteilungen nähert das experimentelle Ergebnis besser? Können Sie eine der beiden Hypothesen hochsignifikant, das heißt mit einem Konfidenzintervall von 3σ verwerfen? Von den folgenden Aufgaben sollten Sie mindestens eine bearbeiten: 4. Bestimmen Sie die Häufigkeitsverteilung für hohe Zählraten. Gestellt wird dazu ein 60 Co- oder ein 137 Cs-Präparat. Variieren Sie den Abstand Zählrohr-Präparat so, dass Sie etwa Ereignisse pro Zählintervall sehen. Nehmen Sie etwa 250 Messwerte auf und führen Sie die Auswertung analog der Aufgabe 3 durch. 5. Überprüfen Sie die Annahme vonσ= x. Verwenden Sie dazu das Präparat und variieren Sie den Abstand Zählrohr-Präparat so, dass Sie etwa Ereignisse pro Zählintervall sehen. Wieviel Prozent aller Messwerte liegen im Intervall x ±σ, x ±2σ, x ±3σ? Bestimmen Sie dann die mittlere Zählrate, d. h. die Zahl der Ereignisse pro Sekunde, der gemessenen Verteilung abzüglich der Untergrundstrahlung aus Aufgabe 3. Führen Sie wie üblich eine Betrachtung der Messunsicherheiten durch und geben Sie die Genauigkeit des Mittelwertes bei Wiederholungsmessungen an. Wie lautet die allgemeine Formel der Fehlerrechnung für n 1 Ereignisse in der Zeit t 1 und eines Untergrundes mit n 0 Ereignissen in der Zeit t Bestimmen Sie die Häufigkeitsverteilung der Zeitintervalle zwischen zwei Ereignissen unter Verwendung des 60 Co-Präparats. K7 Seite4von
5 a) Nehmen Sie zunächst die Zeit zwischen gemessenen Ereignissen auf (einfache Intervalle), nutzen Sie dazu die Messgröße 1/N im Programm Cassy Lab. Dabei ist N die Zahl der Ereignisse in einem Zeitintervall, z. B. der Torzeit. Kopieren Sie die Daten ins Programm MS Excel und erstellen Sie eine Häufigkeitsverteilung für diese Intervalle. b) Erstellen Sie eine Häufigkeitsverteilung für zwei - oder dreifache Intervalle. c) Erstellen Sie eine Häufigkeitsverteilung für vielfache Intervalle(s [10, 100]). d) Was bedeutet die Entwicklung von a) zu c) für Messungen und Messinstrumente im Allgemeinen? 7 Wertevonχ 2 p Angegeben sind die p-quantileχ 2 p derχ2 -Verteilung fürν Freiheitsgrade. Es gilt dabei: χ 2 p p= P(χ 2 χ 2 p )= 0 f χ 2(z,ν) dz. ν p= 0.99 p= p= 0.95 p= 0.90 p= 0.80 p= 0.70 p= 0.50 p= 0.30 p= 0.20 p= 0.10 p= Werte vonχ 2 p entnommen aus Schaum s Outline Statistics. 8 Wichtiges zur Bedienung von MS Excel Ein Zellbereich wird in den Formeln z.b. mit C15:D21 gekennzeichnet, dabei ist C15 die Startzelle (Spalte C, Zelle 15), D21 die Endzelle. Beim Kopieren ändert sich der Zellbezug, d.h. steht z.b. die Formel A4=A1+A2 in Zelle A4 und wird diese Formel in die Zelle B5 kopiert, ergibt sich daraus B5=B2+B3. Durch Voranstellen eines $ kann getrennt für Zeile und Spalte diese festgehalten werden. Im obigen Beispiel würde A4=$A1+A$2 in B5=$A2+B$2 konvertiert. K7 Seite5von
6 8.1 Klassifizierung von Daten Zunächst ist eine Liste mit Klassengrenzen zu erstellen. Diese können entweder einzeln eingegeben oder mittels einer arithmetischen Reihe erzeugt werden. Anschließend muss über den Menüpunkt Extras/Analyse-Funktionen der Punkt Histogramm aufgerufen werden. Der zu analysierende Datenbereich, der Bereich mit den Einträgen der Klassengrenzen und der Ausgabebereich (linke obere Ecke der zu erstellenden Tabelle, sinnvoller Weise auf der gleichen Tabellenseite) sind nun anzugeben. Für eine gleichzeitige grafische Ausgabe ist der Punkt Diagrammdarstellung anzuwählen. Erzeugt wird ein Diagramm, bei dem die obere Klassengrenze und nicht die Klassenmitten zusammen mit den absoluten Häufigkeiten angegeben sind. 8.2 Erstellen einer arithmetischen Reihe Eine arithmetische Reihe, die ausgehend von zwei Startwerten, z. B. den Klassengrenzen 15 und 20, diese mit den Werten 20, 25,... fortsetzt, kann folgendermaßen erzeugt werden: Der Bereich beider Zellen wird markiert, Anklicken mit der Maus erzeugt in der unteren rechten Ecke ein +, mit dem man bei gedrückter linker Maustaste den Bereich entsprechend nach unten erweitern kann, die Folgewerte der arithmetischen Reihe werden dann automatisch erzeugt. 8.3 GrafischeDarstellung Zur Erzeugung einer grafischen Darstellung ist zunächst der Datenbereich zu markieren, dabei geht MS Excel davon aus, dass die äußerste linke Spalte die x-werte enthält. Anschließend wird der Menüpunkt Einfügen/Diagramm ausgewählt und das Diagramm anhand verschiedener Abfragen gestaltet. 8.4 Zur Auswertung benötigte Formeln des Programms MS Excel Spannweite: MIN(Zahl1; Zahl2;... ) MAX(Zahl1; Zahl2;... ) Median: MEDIAN(Zahl1; Zahl2;... ) Modalwert: MODALWERT (Zahl1; Zahl2;... ) Mittelwert: MITTELWERT(Zahl1; Zahl2;... ) Standardabweichung: STABW(Zahl1; Zahl2;... ) Varianz: VARIANZ(Zahl1; Zahl2;... ) Normalverteilung: NORMVERT(Zahl; Mittelwert; Standardabweichung; kumuliert) Zahl steht dabei für die Klasse, für die die Häufigkeit zu berechnen ist; kumuliert ist wahr, wenn die kumulierte Normalverteilung von 0 bis zur angegebenen Klasse berechnet werden soll, ansonsten falsch. Poisson-Verteilung: POISSON(Zahl; Mittelwert; kumuliert) Häufigkeit: HÄUFIGKEIT(Datenbereich; Klassenbereich) K7 Seite6von
F7: Statistik und Radioaktivität
Grundpraktikum F7: Statistik und Radioaktivität Autor: Partner: Versuchsdatum: Versuchsplatz: Abgabedatum: Inhaltsverzeichnis 1 Physikalische Grundlagen und Aufgabenstellung 2 2 Messwerte und Auswertung
MehrWahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
MehrPhysikalisches Grundpraktikum I
INSTITUT FÜR PHYSIK DER HUMBOLDT-UNIVERSITÄT ZU BERLIN Physikalisches Grundpraktikum I Versuchsprotokoll P2 : F7 Statistik und Radioaktivität Versuchsort: Raum 217-2 Versuchsbetreuer: E. von Seggern, D.
MehrBei diesem Versuch haben wir die Impulshöhenspektren verschiedener radioaktiver Präparate aufgenommen.
AUSWERTUNG: γ-spektroskopie UND STATISTIK TOBIAS FREY, FREYA GNAM 1. IMPULSHÖHENSPEKTREN Bei diesem Versuch haben wir die Impulshöhenspektren verschiedener radioaktiver Präparate aufgenommen. 1.1. Messung
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
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
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
MehrMathematisch-Naturwissenschaftliche Fakultät I Humboldt-Universität zu Berlin Institut für Physik Physikalisches Grundpraktikum.
Mathematisch-Naturwissenschaftliche Fakultät I Humboldt-Universität u Berlin Institut für Physik Physikalisches Grundpraktikum Versuchsprotokoll Statistik und Radioaktivität (F7) Arbeitsplat 1 durchgeführt
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
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
MehrVorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf. Vorlesung 04 Mathematische Grundlagen II,
Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf 1 Was sollen Sie heute lernen? 2 Agenda Wiederholung stetige Renditen deskriptive Statistik Verteilungsparameter
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
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Stetige und diskrete Wahrscheinlichkeitsverteilungen Lageparameter Streuungsparameter Diskrete und stetige Zufallsvariablen Eine Variable (oder Merkmal
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
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
MehrBegleitmaterial zur Vorlesung. Fehlerrechnung und Fehlerabschätzung bei physikalischen Messungen
Institut für Technische Thermodynamik und Kältetechnik Leiter: Prof. Dr.-Ing. K. Schaber Begleitmaterial zur Vorlesung Fehlerrechnung und Fehlerabschätzung bei physikalischen Messungen Verfasst von Dr.
MehrGrundlagen der Statistik und Fehlerrechnung
Physikalisches Grundpraktikum Teil 1 WS 2010/2011 Grundlagen der Statistik und Fehlerrechnung Stefan Diehl 28.02.2011 12.30 13.30 HS I 01.03.2011 12.30 13.30 CHEG18 Inhalt Grundbegriffe der Statistik Wahrscheinlichkeitsverteilungen
MehrEinführung. Fehlerarten
Einführung Jede Messung ist mit einer Messunsicherheit behaftet. Die Unsicherheit bezieht sich dabei nicht auf eine falsche Durchführung der Messung, sondern auf die Tatsache, dass jede von einem Menschen
MehrAuswertung von Messungen Teil II
Auswertung von Messungen Teil II 1. Grundgesamtheit und Stichprobe. Modellverteilungen.1 Normalverteilung. Binominalverteilung.3 Poissonverteilung.4 Näherungen von Binominal- und Poissonverteilung 3. Zentraler
MehrP2-83: Gammaspektroskopie
Physikalisches Anfängerpraktikum (P2) P2-83: Gammaspektroskopie Auswertung Matthias Ernst Matthias Faulhaber Durchführung: 28.10.2009 1 Impulshöhenspektren 1.1 Messung im Einkanalbetrieb ( 137 Cs) Zu Beginn
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
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 11. Vorlesung Jochen Köhler 10.05.011 1 Inhalt der heutigen Vorlesung Zusammenfassung Parameterschätzung Übersicht über Schätzung und Modellbildung Modellevaluation
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage
MehrÜbungen mit dem Applet Rangwerte
Rangwerte 1 Übungen mit dem Applet Rangwerte 1 Statistischer Hintergrund... 2 1.1 Verteilung der Einzelwerte und der Rangwerte...2 1.2 Kurzbeschreibung des Applets...2 1.3 Ziel des Applets...4 2 Visualisierungen
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:
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
MehrWissenschaftliche Nachrichten: https://www.bmbf.gv.at/schulen/sb/wina/wina.html Vol. 131/2006, 19-21
Der T-Test in Excel NORBERT BRUNNER und MANFRED KÜHLEITNER Ein häufiges Problem ist der Vergleich eines beobachteten Stichprobenmittelwerts mit einem Sollwert. Dabei wird der T-Test angewandt. Wir zeigen
MehrStatistik für NichtStatistiker
Statistik für NichtStatistiker Zufall und Wahrscheinlichkeit von Prof. Dr. Karl Bosch 5., verbesserte Auflage R. Oldenbourg Verlag München Wien Inhaltsverzeichnis 1. ZufalLsexperimente und zufällige Ereignisse
MehrStatistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
Mehr4.1 Stichproben, Verteilungen und Schätzwerte. N(t) = N 0 e λt, (4.1)
Kapitel 4 Stichproben und Schätzungen 4.1 Stichproben, Verteilungen und Schätzwerte Eine physikalische Messung ist eine endliche Stichprobe aus einer Grundgesamtheit, die endlich oder unendlich sein kann.
MehrStatistics, Data Analysis, and Simulation SS 2017
Mainz, 8. Juni 2017 Statistics, Data Analysis, and Simulation SS 2017 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Dr. Michael O. Distler
Mehr1. Grundbegri e der Stochastik
Wiederholung von Grundwissen der Stochastik. Grundbegri e der Stochastik Menge der Ereignisse. Die Elemente! der Menge heißen Elementarereignisse und sind unzerlegbare Ereignisse. Das Ereignis A tritt
MehrBiomathematik für Mediziner, Klausur WS 1999/2000 Seite 1
Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
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
MehrAnfänger-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
MehrDatenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse (PHY231) Herbstsemester 2015 Olaf Steinkamp 36-J-22 olafs@physik.uzh.ch 044 63 55763 Vorlesungsprogramm Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung
Mehr5. Seminar Statistik
Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation
MehrDatenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse (PHY23) Herbstsemester 207 Olaf Steinkamp 36-J-05 olafs@physik.uzh.ch 044 63 55763 Vorlesungsprogramm Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung
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:
MehrStoffverteilungsplan Mathematik Grundkurs. Lambacher Schweizer Stochastik ISBN Klassenarbeit
Q3.1 Grundlegende Begriffe der Grundlagen der Wahrscheinlichkeitstheorie: Beschreiben von Zufallsexperimenten (Laplace-Experimente) unter Verwendung der Begriffe Ergebnis, Ergebnismenge, Ereignis und Wahrscheinlichkeit
MehrM0 BIO - Reaktionszeit
M0 BIO - Reaktionszeit 1 Ziel des Versuches In diesem Versuch haben Sie die Möglichkeit, sich mit Messunsicherheiten vertraut zu machen. Die Analyse von Messunsicherheiten erfolgt hierbei an zwei Beispielen.
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
MehrTeil VIII. Zentraler Grenzwertsatz und Vertrauensintervalle. Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle. Lernziele. Typische Situation
Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle Patric Müller ETHZ Teil VIII Zentraler Grenzwertsatz und Vertrauensintervalle WBL 17/19, 29.05.2017 Wahrscheinlichkeit
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
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 12.5.2006 1 Test auf Anteilswert: Binomialtest Sei eine Stichprobe unabhängig, identisch verteilter ZV (i.i.d.). Teile diese Stichprobe in zwei Teilmengen
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
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
MehrNachklausur zur Vorlesung
Institut für Mathematische Stochastik WS 003/004 Universität Karlsruhe 30. April 004 Priv.-Doz. Dr. D. Kadelka Nachklausur zur Vorlesung Statistik für Biologen Musterlösungen Aufgabe 1 Gemessen wurde bei
MehrMathematische und statistische Methoden II
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 Persike
MehrStatistics, Data Analysis, and Simulation SS 2017
Statistics, Data Analysis, and Simulation SS 2017 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Mainz, 4. Mai 2017 Dr. Michael O. Distler
MehrPraktikum Atom- und Quantenphysik
I A M P I. Physikalisches Institut AG Atom- und Molekülphysik JUSTUS-LIEBIG- UNIVERSITÄT GIESSEN Praktikum Atom- und Quantenphysik Leihgesterner Weg 7 (Strahlenzentrum), Raum 4 Einführung in die Messtechnik
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg 2 R. 06-206 (Persike) R. 06-214 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrÜbungsaufgabe Parameter und Verteilungsschätzung
Übungsaufgabe Parameter und Verteilungsschätzung Prof. Dr. rer. nat. Lüders Datum: 21.01.2019 Autor: Marius Schulte Matr.-Nr.: 10049060 FH Südwestfalen Aufgabenstellung Analysiert werden sollen die Verteilungen
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und
MehrDer Erwartungswert E[g(X)] von g(x) ist definiert. g(x k )w(x = x k ),
2.5 Parameter einer Verteilung 2.5. Erwartungswert X eine Zufallsvariable, g : R R stetig. Der Erwartungswert E[g(X)] von g(x) ist definiert durch: E[g(X)] := k g(x k )w(x = x k ), falls X diskret ist
Mehr- Normalverteilung (Gaußverteilung) kann auf sehr viele Zufallsprozesse angewendet werden.
Normalverteilung und Standardnormalverteilung als Beispiel einer theoretischen Verteilung - Normalverteilung (Gaußverteilung) kann auf sehr viele Zufallsprozesse angewendet werden. - Stetige (kontinuierliche),
MehrStoffverteilungsplan Mathematik Leistungskurs. Lambacher Schweizer Stochastik ISBN Klassenarbeit
Lambacher Schweizer Q3.1 Grundlegende Begriffe der Grundlagen der Wahrscheinlichkeitstheorie: Beschreiben von Zufallsexperimenten (Laplace-Experimente) unter Verwendung der Begriffe Ergebnis, Ergebnismenge,
MehrEinführung in die computergestützte Datenanalyse
Karlheinz Zwerenz Statistik Einführung in die computergestützte Datenanalyse 6., überarbeitete Auflage DE GRUYTER OLDENBOURG Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL
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
MehrQualität und Zuverlässigkeit - Statistik Master MB Aufgaben zum Kapitel 2: Zufallsgröÿen und ihre Verteilungen
Fachbereich Grundlagenwissenschaften Prof. Dr. Viola Weiÿ Sommersemester 08 Qualität und Zuverlässigkeit - Statistik Master MB Aufgaben zum Kapitel : Zufallsgröÿen und ihre Verteilungen. Bei einer Klausur
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
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
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,
MehrÜber den Autor 7. Einführung 21
Inhaltsverzeichnis Über den Autor 7 Einführung 21 Über dieses Buch oder:» für Dummies«verpflichtet! 21 Wie man dieses Buch benutzt 22 Wie ich Sie mir vorstelle 22 Wie dieses Buch aufgebaut ist 23 Teil
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
MehrStatistics, Data Analysis, and Simulation SS 2017
Statistics, Data Analysis, and Simulation SS 2017 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Mainz, May 29, 2017 Dr. Michael O. Distler
Mehr2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.11. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler 2009 war genau 33.7%. Wie groß ist die Wahrscheinlichkeit, in einer Zufallsstichprobe von 1000 Personen genau
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
MehrBeispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es
Beispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es beim radioaktiven Zerfall, zwischen 100 und 110 Zerfälle
Mehr1 Grundlagen der Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsräume. Ein erster mathematischer Blick auf Zufallsexperimente...
Inhaltsverzeichnis 1 Grundlagen der Wahrscheinlichkeitsrechnung 1 1.1 Wahrscheinlichkeitsräume Ein erster mathematischer Blick auf Zufallsexperimente.......... 1 1.1.1 Wahrscheinlichkeit, Ergebnisraum,
MehrModellierung- und Simulation Mathis Plewa ( )
Inhaltsverzeichnis Abbildungsverzeichnis... 1 Übungsaufgabe: Zufallsgeneratoren und Histogramme... 2 Standard Gleichverteilung... 2 Gaußverteilung... 3 Exponentialverteilung... 4 Übungsaufgabe: Geometrische
MehrFehlerrechnung. Bei physikalisch-technischen Messungen können systematische und zufällige Fehler auftreten.
Seite 1 / 6 H.C. iehuus Fehlerrechnung Bei physikalisch-technischen Messungen können systematische und zufällige Fehler auftreten. Systematische Fehler erzeugen systematische Effekte. Falsch kalibrierte
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
MehrAnpassungstests VORGEHENSWEISE
Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel
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
MehrPhysikalische Übungen für Pharmazeuten
Helmholtz-Institut für Strahlen- und Kernphysik Seminar Physikalische Übungen für Pharmazeuten Ch. Wendel Max Becker Karsten Koop Dr. Christoph Wendel Übersicht Inhalt des Seminars Praktikum - Vorbereitung
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
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übung 7 1 Inhalt der heutigen Übung Statistik und Wahrscheinlichkeitsrechnung Vorrechnen der Hausübung D.9 Gemeinsames Lösen der Übungsaufgaben D.10: Poissonprozess
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003. Eine seltene Krankheit trete mit Wahrscheinlichkeit : 0000 auf. Die bedingte Wahrscheinlichkeit, dass ein bei einem Erkrankten durchgeführter
MehrPhysikalisches Institut
Fortgeschrittenenpraktikum für Studierende der Physik und Astronomie F. Jost, Januar 1993 Aufdatiert durch Oliver Nyffenegger, Juni 2005 Aufdatiert durch Martin Hierholzer, September 2014 Physikalisches
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Punkt- und Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr.
MehrStatistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz 3., überarbeitete Auflage R.01denbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt
MehrBiostatistik, Sommer 2017
1/52 Biostatistik, Sommer 2017 Prof. Dr. Achim Klenke http://www.aklenke.de 7. Vorlesung: 02.06.2017 2/52 Inhalt 1 Wahrscheinlichkeit Bayes sche Formel 2 Diskrete Stetige 3/52 Wahrscheinlichkeit Bayes
MehrBedingte Wahrscheinlichkeiten: Ein Baumdiagramm der nachstehenden Art bzw. die zugehörige Vierfeldertafel gibt jeweils absolute Häufigkeiten an.
Bedingte Wahrscheinlichkeiten: Ein Baumdiagramm der nachstehenden Art bzw. die zugehörige Vierfeldertafel gibt jeweils absolute Häufigkeiten an. Interpretiert man die numerischen Einträge als Beschreibungen
MehrAufgabe 8: Stochastik (WTR)
Abitur Mathematik: Nordrhein-Westfalen 2013 Aufgabe 8 a) (1) WAHRSCHEINLICHKEIT FÜR KEINE ANGABE ERMITTELN Nach der Laplace Formel ist Anzahl der Personen, die keine Angabe machten keine Angabe Gesamtzahl
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
MehrKlausur zur Vorlesung
Institut für Mathematische Stochastik WS 2006/2007 Universität Karlsruhe 12. Februar 2007 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Aufgabe 1 (15 Punkte) Klausur zur Vorlesung Statistik für Biologen
MehrZufallszahlen Mathematik zum Nachbilden von Zufälligkeit SommerUni 2013 Bergische Universität Wuppertal Autor: Prof. Dr.
Zufallszahlen Mathematik zum Nachbilden von Zufälligkeit SommerUni 23 Bergische Universität Wuppertal Autor: Prof. Dr. Roland Pulch Aufgabe: Konstruiere Zufallszahlen aus der Menge {,, 2, 3, 4, 5, 6, 7,
MehrStatistik. Einführung in die com putergestützte Daten an alyse. Oldenbourg Verlag München B , überarbeitete Auflage
Statistik Einführung in die com putergestützte Daten an alyse von Prof. Dr. Karlheinz Zwerenz 4., überarbeitete Auflage B 366740 Oldenbourg Verlag München Inhalt Vorwort XI Hinweise zu EXCEL und SPSS XII
MehrVorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf
Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf 1 Agenda Wiederholung stetige Renditen deskriptive Statistik Verteilungsparameter Erwartsungswert und Varianz
MehrBiostatistik, Sommer 2017
1/51 Biostatistik, Sommer 2017 Wahrscheinlichkeitstheorie: Verteilungen, Kenngrößen Prof. Dr. Achim Klenke http://www.aklenke.de 8. Vorlesung: 09.06.2017 2/51 Inhalt 1 Verteilungen Normalverteilung Normalapproximation
Mehr