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)