Modulbeschreibung
Wahrscheinlichkeit und Messdaten
Kurzzeichen:
M_WRechMess
Unterrichtssprache:
Deutsch
ECTS-Credits:
2
Leitidee:
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)
Modulverantwortung:
Prof. Dr. Himmelmann Lin
Standort (angeboten):
Rapperswil-Jona
Zusätzliche Eingangskompetenzen:
Mathematik-Module des ersten Studienjahres
Modultyp:
Wahlpflicht-Modul für
Maschinentechnik-Innovation STD_10
(Empfohlenes Semester: 3)
Kategorie:Mathematik (M-m)
Wahlpflicht-Modul für
Maschinentechnik-Innovation STD_14
(Empfohlenes Semester: 3)
Kategorie:Mathematik (M-m)
Wahlpflicht-Modul für
Maschinentechnik-Innovation STD_21
(Empfohlenes Semester: 3)
Kategorie:Mathematik (M-m)
Wahl-Modul für
Maschinentechnik-Innovation STD_23
(Empfohlenes Semester: 3)
Modulbewertung:
Note von 1 - 6
Leistungsnachweise und deren Gewichtung
Modulschlussprüfung:
Schriftliche Prüfung, 90 Minuten
Inhalte
Modul- 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)