PDF

MODULBESCHREIBUNG

Wahrscheinlichkeit und Messdaten

Kurzzeichen:
M_WRechMess
Durchführungszeitraum:
HS 2018 - HS 2018
ECTS-Punkte:
2
Lernziele:
  • Wissen
    • Grundlegende Begriffe der Wahrscheinlichkeitsrechnung kennen (Ereignis, Wahrscheinlichkeit, Zufallsvariable, Verteilung und Dichte u.a.)
  • Können
    • Mit Verteilungen umgehen (Normal, Lognormal, t, Chi-Quadrat, evtl. Weibull, Beta)
    • Konfidenzintervalle bestimmen, statistische Tests durchführen
    • Versuche planen und auswerten
    • Bayes‘sche Statistik verstehen und anwenden
  • Beurteilen
    • Versuchsdaten beurteilen (Verteilung, Varianz, Genauigkeit)
    • Effekte und Signifikanzen beurteilen
  • Verteilungen und statistische Modelle beurteilen (z.B. mit dem residualen Standardfehler)

 

 

Verantwortliche Person:
Olaf Tietje
Empfohlene Module:
-
Zusätzlich vorausgesetzte Kenntnisse:

Mathematik-Module des ersten Studienjahres

Modultyp:
Standard-Modul für Maschinentechnik-Innovation (Bachelor 10) (Empfohlenes Semester: 3)
Standard-Modul für Maschinentechnik-Innovation (Bachelor 14) (Empfohlenes Semester: 3)

ECTS-Punkte pro Kategorie

Kategorie:
Maschinentechnik-Innovation (Bachelor 10)
Mathematik / 2 Punkte
Maschinentechnik-Innovation (Bachelor 14)
Mathematik / 2 Punkte

Modulbewertung

Bewertungsart:
Note von 1 - 6

Leistungsbewertung

Während der Prüfungssession:
Schriftliche Prüfung, 90 Minuten
Zulassungsbedingungen zur Prüfung:
 

Während des Semesters:
 
Bewertungsart:
keine Note oder Wertung

Kurse in diesem Modul

Wahrscheinlichkeitsrechnung und Messdaten

Kürzel:
WRechMess
Lernziele:
-
Plan und Lerninhalt:
  • Messwerte, deren Häufigkeitsverteilungen und Verteilungs- und Dichtefunktionen
  • Quantile von stetigen und diskreten empirischen Wahrscheinlichkeitsverteilungen
  • Normalverteilung, Lognormalverteilung, Binomialverteilung und ihre Quantile
  • Wahrscheinlichkeitsintervalle von Messdaten und Konfidenzintervalle für Mittelwert, Varianz und Standardabweichung
  • Konfidenzintervalle für die Parameter der linearen Regression
  • Residualer Standardfehler
  • Anwendung und Interpretation von t-Tests, Verteilungstests (Kolmogorov-Smirnov-Test,  -Test), F-Test und ANOVA
  • Bedingte Wahrscheinlichkeiten von klassierten und stetigen Variablen und Bayes‘sche Statistik
  • Versuchsplanung (Screening mit Mittelwertanalyse, Signifikanz der Effekte, Parameter-Optimierungen)

 

Kursart:
Vorlesung mit 1.5 Lektionen pro Woche
Uebung mit 0.5 Lektionen pro Woche

Beschreibung erzeugt: 2018-12-14 12:00:22
Letzte Moduländerung: 2017-12-13 11:12:27
Modul-Id: 31553 (Vorgänger)
Status: aktiviert