Bivariable/bivariate Verteilungen. Tabellen Grafiken Maßzahlen

Ähnliche Dokumente
11 Charaktere endlicher Gruppen

Seminar über Algorithmen. Load Balancing. Slawa Belousow Freie Universität Berlin, Institut für Informatik SS 2006

3.2 Die Kennzeichnung von Partikeln Partikelmerkmale

Statisches Gleichgewicht des starren Körpers (Statik)

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression

Grundgedanke der Regressionsanalyse

4. Merkmalszusammenhänge 4.1 Kovarianz und Korrelation Der Begriff des Zusammenhangs Die Kovarianz

Leistungsmessung im Drehstromnetz

Einführung in Moderne Portfolio-Theorie. Dr. Thorsten Oest Oktober 2002

9. Der starre Körper; Rotation I

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

Versuche: Trommelstock Drehstuhl mit Kreisel (Erhaltung des Gesamtdrehimpulses) Drehstuhl mit Hanteln (Variation des Trägheitsmoments)

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen

Zur Erinnerung. Stichworte aus der 9. Vorlesung: Einteilung von Stößen:

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

ermittelt. Für zwei Wertpapiere i und j ermittelt er eine Schätzung der Kovarianz ˆ

Wärmeübertragung. Grundsätzlich sind drei verschiedene Möglichkeiten der Wärmeübertragung möglich: Wärmeleitung, Konvektion und Strahlung:

Capital Asset Pricing Model (CAPM)

Lösungen zu den Übungsaufgaben

Streuungs-, Schiefe und Wölbungsmaße

Beschreibende Statistik Mittelwert

12. Vortrag Verzweigung. Seminar Zahlentheorie WS 07/08

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n

Informatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition

Prof. Dr. Johann Graf Lambsdorff Universität Passau. Pflichtlektüre: WS 2007/08

Einschub: Der Fluss eines Vektorfeldes am Beispiel des Strömungsfeldes

Definition: Unter dem vektoriellen Flächenelement einer ebnen Fläche A versteht man einen Vektor A r der

Hochschule für Technik und Informatik HTI Burgdorf. Elektrotechnik. 1. Elektrisches Feld... 3

7.Vorlesung. Überblick

Exkurs: Entropie in der Wahrscheinlichkeitstheorie

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x,

3. Lineare Algebra (Teil 2)

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/ ω Additionstheorem: 2 sin 2 2

Kernphysik I. Kernmodelle: Schalenmodell

Konkave und Konvexe Funktionen

2 Zufallsvariable und Verteilungen

Physik II TU Dortmund SS2018 Götz Uhrig Shaukat Khan Kapitel 1. Bisher: Elektrostatik im Vakuum (keine Felder in Materie), keine Magnetfelder

Funds Transfer Pricing. Daniel Schlotmann

In der beschreibenden Statistik werden Daten erhoben, aufbereitet und analysiert. Beispiel einer Datenerhebung mit Begriffserklärungen (Vokabel)

Lineare Regression. Stefan Keppeler. 16. Januar Mathematik I für Biologen, Geowissenschaftler und Geoökologen

Definition des linearen Korrelationskoeffizienten

12 UMPU Tests ( UMP unbiased )

18. Dynamisches Programmieren

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung

6. Übung zur Linearen Algebra II

Die Jordansche Normalform

Lineare Regression (1) - Einführung I -

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):

Grundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt

Rotation (2. Versuch)

TU Dresden, AG Mechanische Verfahrenstechnik, Vorlesender: Dr.-Ing. Benno Wessely 1/7. Zyklonabscheider

4. Krummlinige orthogonale Koordinaten

Analyse von Querschnittsdaten. Drittvariablenkontrolle

1 Lineare, affine und konvexe Kombinationen. für einen Punkt (Vektor) von IR d. IR heißt affin unabhängig, wenn für alle r IN, x1,, R S

Seite 2. Anatomische, physikalische und funktionelle. Modelle des menschlichen Körpers. Delaunay Algorithmus 2D/3D.

R S T R S T R S T. 1 Lineare, affine und konvexe Kombinationen. Definition: X. Definition: Sei X. U. BREHM: Konvexgeometrie 1-1

Stochastische Prozesse

Resultate / "states of nature" / mögliche Zustände / möglicheentwicklungen

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

Maße der zentralen Tendenz (10)

Mathematik für das Ingenieurstudium

-70- Anhang: -Lineare Regression-

Kapitel 7: Ensemble Methoden. Maschinelles Lernen und Neural Computation

ME II, Prof. Dr. T. Wollmershäuser. Kapitel 2 Das IS-LM-Modell

Computer-Aided Reactor Design

Elektrolytlösungen, Leitfähigkeit, Ionentransport. Teil I

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

Hochschule Heilbronn Technik Wirtschaft Informatik Heilbronn University Institut für math.-naturw. Grundlagen

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

Auswertung univariater Datenmengen - deskriptiv

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

Statistik und Wahrscheinlichkeitsrechnung

WS 2016/17 Prof. Dr. Horst Peters , Seite 1 von 9

4.6 Das Pumping-Lemma für reguläre Sprachen:

An welche Stichwörter von der letzten Vorlesung können Sie sich noch erinnern?

Erläuterungen zur Analyse des Zinssatzswaps Referenz N//83734/5 zwischen der A/B Duegården und der Nykredit Bank A/S

8. Mathematische Begriffe der Thermodynamik. Basel, 2008

1 3«^ ÖÖ. Vorbereitung für 1. Klassenarbeit Dezimalzahlen und Zuordnungen

MECHATRONISCHE NETZWERKE

4.12 Zentrifugalkraft

Kapitel V. Parameter der Verteilungen

2. Mittelwerte (Lageparameter)

Drehbewegungen. F r. F r x1. F r 1. r r r. Das Drehmoment: Beispiel Wippe: Erfahrung:

3.3 Lineare Abbildungen und Matrizen

1 Mehrdimensionale Analysis

1.Schularbeit 22.Okt A. A) Berechne ohne TI-92: Beachte: Für die Beispiele 1 und 2 sind alle notwendigen Rechenschritte anzugeben.

Z Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden.

Zufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert

Das Risiko ist jedoch nicht nur vom Risiko der einzelnen Aktien, sondern auch von deren Kovarianz abhängig: Bsp. 2-Aktien-Portfolio.

1.11 Beispielaufgaben

Prof. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz

1 Definition und Grundbegriffe

Standardnormalverteilung / z-transformation

4.2 Grundlagen der Testtheorie

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

IK: Einkommen, Beschäftigung und Finanzmärkte (Wintersemester 2011/12) Das IS LM Modell

Transkript:

Bvaable/bvaate Vetelungen Tabellen Gafken Maßzahlen 153

Ulste: Wetepaae x/y ode x 1 /x x = Flügellänge [mm], y = Gewcht [g] 3,8; 0,8 3,6; 0,7 4,3; 1,3 3,5; 0,7 4,1; 1,1 4,4; 1,3 4,5; 1,6 3,6; 0,75 3,8; 0,8 3,3; 0,7 4,3; 1, 3,9; 0,85 4,3; 1,3 4,4; 1,4 4,1; 1,0 3,6; 0,8 4,; 1,1 3,9; 1.0 3,8; 0,9 4,4; 1,5 3,8; 0,85 4,7;,0 3,8; 0,9 3,6; 0,7 4,3; 1,3 154

Klasse Beech von Messweten Mtte Häufgket kumulete Häufgket kumulete Pozente 1 3.3 x < 3.6 3,45 8 3.6 x < 3.9 3,75 9 11 44 3 3.9 x < 4. 4,05 4 15 60 4 4. x < 4.5 4,35 8 3 9 5 4.5 x < 4.8 4,65 5 100 3,8; 0,8 3,6; 0,7 4,3; 1,3 3,5; 0,7 4,1; 1,1 4,4; 1,3 4,5; 1,6 3,6; 0,75 3,8; 0,8 3,3; 0,7 4,3; 1, 3,9; 0,85 4,3; 1,3 4,4; 1,4 4,1; 1,0 3,6; 0,8 4,; 1,1 3,9; 1.0 3,8; 0,9 4,4; 1,5 3,8; 0,85 4,7;,0 3,8; 0,9 3,6; 0,7 4,3; 1,3 3,3 3,5 3,6 3,6 3,6 3,6 3,8 3,8 3,8 3,8 3,8 3,9 3,9 4,1 4,1 4, 4,3 4,3 4,3 4,3 4,4 4,4 4,4 4,5 0,7 0,7 0,7 0,7 0,75 0,8 0,8 0,8 0,85 0,9 0,9 0,85 1.0 1 1,1 1,1 1, 1,3 1,3 1,3 1,3 1,4 1,5 1,6 155

Gewcht: 0.7 y < 1.0 1.0 y < 1.3 1.3 y < 1.6 1.6 y < 1.9 1.9 y <. Beech von Messweten 3.3 x < 3.6 0 0 0 0 Randhäufgket Randhäufgket 3.6 x < 3.9 9 0 0 0 0 9 3.9 x < 4. 1 3 0 0 0 4 4. x < 4.5 0 6 0 0 8 4.5 x < 4.8 0 0 0 1 1 1 5 6 1 1 5 156

Scatteplot,5 Gewcht [g] 1,5 1 0,5 0 4 4, 4,4 4,6 4,8 Flügellänge [mm] 9 8 7 6 5 4 3 1 0 0,85 1,15 1,45 1,75,05 3,45 4,05 4,65 157

158

159

160 Peasonsche Maßkoelatonskoeffzent Anwendung: ntevall- und atoskalete Daten; n> Voaussetzung: annähend lneae Zusammenhang zwschen x und y- Weten, d.h ene Geade kann duch de x-y-paae gezogen weden und de Punkte legen meh ode wenge gut auf de Geaden. Fomel wobe x, y x- und y-wete des -ten Mekmalspaaes Mttelwete n Anzahl de Wetepaae n y y n x x n y x y x y y x x y y x x ) ( ) ( ) )( ( ) ( ) ( ) )( ( y x,

Bedeutung des Zahlenwetes von De Wet von legt zwschen -1 und +1 >0: wenn x wächst/fällt, wächst/fällt y: Geade hat postve Stegung <0: "antkoelet": wenn x wächst, fällt y, und umgekeht: Geade hat negatve Stegung 0 : ken Zusammenhang (Geade paallel zu ene Achse) Je göße de Absolutwet von, desto nähe legen de Punkte an de Geaden (=1 bzw. 1: Wete legen auf de Geaden) 161

16

163

164

Das Bestmmthetsmaß B wevel Pozent de Veändeung enes Mekmals (z.b. y) kann duch de Veändeung des andeen Mekmals (z.b. x) eklät (d.h. voausgesagt) weden? Fomel: B = 165

Intepetaton von Koelatonskoeffzent bzw Bestmmthetsmaß Es handelt sch um enen en mathematschen Zusammenhang zwschen zwe Mekmalen, de zunächst nchts übe de Kausaltät aussagt! Möglche Aten, we en mathematsche Zusammenhang zustande kommen kann: 1) ensetge Abhänggket: unabhängges und abhängges Mekmal ) wechselsetge Abhänggket: z.b. de Mekmale messen Ähnlches 3) Gemensamketskoelaton: Kausaltät übe ene dtte Göße z, von de x und y abhängen 4) Inhomogentätskoelaton: Zusammenhang entsteht duch (unzulässge) Zusammenfassung mehee Populatonen 5) Fomale Koelaton: z.b. Summe von x und y st ene Konstante Wssenschaft beteben heßt untesuchen, woduch Zusammenhang zustande kommt 166

Aussagekaft von und B Kausaltät nu m Falle de ensetgen Abhänggket es gbt kene absoluten Regeln fü de Bedeutung de Göße von und B= B hat ene anschaulchee Bedeutung, nämlch de des ekläten Pozentsatzes de Vaaton enes Mekmales bevo man den Zahlenwet vesucht zu ntepeteen, sollte man sch mme enen Scatteplot anschauen: glt de Lneatät? 167

Speamansche Rangkoelatonskoeffzent R Anwendung: mndestens odnalskalete Daten; n>5 lt. KSV Voaussetzung: monotone Zusammenhang zwschen x und y-weten Vogehen: den x - und y -Weten weden Rangplätze zugeodnet - Soteung de Daten nach Göße wenn alle Daten unteschedlch : Rangplätze = Rehenfolgezahlen wenn Daten glech: "Bndungen" (tes) Rangplätze = Mttelwete de Rehenfolgezahlen Bezechnung de Ränge: x und y 168

Fomeln zu Beechnung von R a) allgemen: Fomel we Maßkoelatonskoeffzent, mt x und y anstelle von x und y R ( ( x x ) x x )( y ) ( y y ) y x ( x y n ( x ) x )( n y y ) ( n y ) Achtung: bedeutet he Rangplatz, ncht Koelaton! b) Falls kene Bndungen exsteen (KSV Fomel 6.3): R 6 1 n( n d 1) d Dffeenzen de Rangplätze x und y 169

R kann auch be ntevall- und atoskaleten Daten vewendet weden. Des st nsbesondee dann snnvoll, wenn x und y kene lneae Bezehung zuenande haben. Intepetaton des Zahlenwetes von R genau we de von! Man nennt den Übegang (de Tansfomaton) auf en nedgees Skalennveau Skalentansfomaton 170

Bespel: x = fehlende Tage ; y = Note Tage Rang (Tage) Note Rang (Note) Peason C:E Dffeenzen Dffeenzen-Quadate Anna 1 5 3 7-4 16 Doa 0,5 3,5-1 1 Ek 4 8 3 7 1 1 Ena 5 10 4 10 0 0 Ida 8 11 5 11 0 0 Kal 4 8 3 7 1 1 Mac 6 3 7-1 1 Max 0,5 1 1,5 1 1 Paul 0,5 1 1,5 1 1 Rta 4 8 3 7 1 1 Uwe 0,5 3,5-1 1 66 66 0,94077853 0 1 0,94545455 x x y y R d d KSV Fomel 6.3 Pobe: n 1 x n 1 y n( n 1) 171

tylevgen.com: Spuous Coelatons (Amazon) Age of Mss Ameca coelates wth Mudes by steam, hot vapous and hot objects 5 ys 1999 000 001 00 003 004 005 006 007 008 009 8 mudes Age of Mss Ameca 3.75 ys.5 ys 1.5 ys 0 ys 6 mudes 4 mudes Mudes by steam 18.75 ys 1999 000 001 00 003 004 005 006 007 008 009 mudes Mudes by steam Age of Mss Ameca tylevgen.com =0.87 17

=0.9979 $30 bllon US spendng on scence, space, and technology US spendng on scence US spendng on scence, space, and technology coelates wth Sucdes by hangng, stangulaton and suffocaton coelates wth 1999 000 001 00 003 004 005 006 007 008 009 $30 bllon 10000 sucdes Sucdes by hangng, stangulaton and suffocaton $5 bllon 8000 sucdes 1999 000 001 $0 bllon 00 003 004 005 006 6000 sucdes 007 008 009 $15 bllon 4000 sucdes 1999 000 001 00 003 004 005 006 007 008 009 Hangng sucdes 10000 sucdes Hangng sucdes US spendng on scence US spendng on scence $5 bllon $0 bllon tylevgen.com 8000 sucdes 6000 sucdes Hangng sucdes $15 bllon 1999 000 001 00 003 004 005 006 007 008 009 4000 sucdes Hangng sucdes US spendng on scence tylevgen.com 173

=0.666 Numbe of people who downed by fallng nto a pool coelates wth Flms Ncolas Cage appeaed n 140 downngs 1999 000 001 00 003 004 005 006 007 008 009 6 flms Swmmng pool downngs 10 downngs 100 downngs 4 flms flms Ncholas Cage 80 downngs 1999 000 001 00 003 004 005 006 007 008 009 0 flms Ncholas Cage Swmmng pool downngs tylevgen.com 174