Modulbeschreibung
Statistik und Sensoren
Kurzzeichen:
Unterrichtssprache:
ECTS-Credits:
Arbeitsaufwand (h):
Leitidee:
Die Studierenden
-
können modellieren, abstrahieren, strukturieren, analysieren und synthetisieren.
-
besitzen eine fachsprachliche Ausdrucksfähigkeit, können präzise formulieren und überzeugend argumentieren.
-
verfügen über Selbstdisziplin, Leistungsbereitschaft und die Fähigkeit, analytisch und lösungsbezogen zu denken.
- besitzen Problemlösungs- und Umsetzungskompetenz.
- können einen Versuchsplan erstellen, Messung durchführen, Messdaten auswerten und darstellen.
- können mit Regressionsmethoden die Parameter einfacher Sensormodelle aus den Messungen extrahieren, und die Ergebnisse in einem technischen Bericht zusammenfassen.
Die Studierenden
- können mit mathematischen Fachbegriffen umgehen und Sachverhalte im mathematisch-technischen Umfeld korrekt formulieren.
- kennen die Grundprinzipien und -begriffe der beschreibenden Statistik (Datentypen, Lage-, Streu- und Zusammenhangsmasse, graphische Darstellungsmethoden, Datentransformationen) und können diese praktisch anwenden und interpretieren.
- verstehen grundlegende Aspekte der Wahrscheinlichkeitstheorie (Wahrscheinlichkeitsdichtefunktion, Verteilungsfunktion, sigma-Intervalle) als Werkzeug zur statistischen Modellierung realer Vorgänge.
- können Punkt- und Intervallschätzer berechnen und interpretieren.
- können einfache statistische Hypothesen formulieren und testen.
- verstehen die Grundlagen der Regressions- und Varianzanalyse und können diese auf einfache Problemstellungen anwenden.
können unter Einsatz statistischer Software einfache Problemstellungen bearbeiten und analysieren. - können Lösungsstrategien für reale statistische Probleme zu konkreten Datensätzen entwickeln und mithilfe statistischer Software umsetzen.
- können Messgrössen und Wandlerprinzipien verknüpfen und unterscheiden.
- können Sensoren als einstufige oder mehrstufige Wandler beschreiben.
- können den piezoresistiven Effekt beschreiben und zur Kraftmessung einsetzen.
- können Magnetfeldsensoren zur kontaktlosen Strommessung beschreiben und anforderungsgerecht einsetzen.
- können Sensorprinzipien zur Positions-, Geschwindigkeits-, und Beschleunigungsmessung benennen und können diese Grössen aus den Signalen einer 3-Achsen MEMS IMU bestimmen .
Modulverantwortung:
Lehrpersonen:
Standort (angeboten):
Zusätzliche Eingangskompetenzen:
Zusätzlich sollte das Modul ELA1 absolviert worden sein.
Modultyp:
Bemerkungen:
Das Modul findet im Herbstsemester statt.
Modulbewertung:
Leistungsnachweise und deren Gewichtung
Modulschlussprüfung:
Während der Unterrichtsphase:
Projektarbeit im Kurs Sensoren
Bewertungsart:
Gewichtung:
Im Kurs Statistik findet eine abgesetzte Modulschlussprüfung (Gewicht 75%) statt. Im Kurs Sensoren wird ein Praktikum (Gewicht 25%) bewertet.
Bemerkungen:
Inhalte
Angestrebte Lernergebnisse (Abschlusskompetenzen):
Die Studierenden
- können mit mathematischen Fachbegriffen umgehen und Sachverhalte im mathematisch-technischen Umfeld korrekt formulieren.
- kennen die Grundprinzipien und -begriffe der beschreibenden Statistik (Datentypen, Lage-, Streu- und Zusammenhangsmasse, graphische Darstellungsmethoden, Datentransformationen) und können diese praktisch anwenden und interpretieren.
- verstehen grundlegende Aspekte der Wahrscheinlichkeitstheorie (Wahrscheinlichkeitsdichtefunktion, Verteilungsfunktion, sigma-Intervalle) als Werkzeug zur statistischen Modellierung realer Vorgänge.
- können Punkt- und Intervallschätzer berechnen und interpretieren.
- können einfache statistische Hypothesen formulieren und testen.
- verstehen die Grundlagen der Regressions- und Varianzanalyse und können diese auf einfache Problemstellungen anwenden.
- können unter Einsatz statistischer Software einfache Problemstellungen bearbeiten und analysieren.
- können Lösungsstrategien für reale statistische Probleme zu konkreten Datensätzen entwickeln und mithilfe statistischer Software umsetzen.
Modul- und Lerninhalt:
- Mathematische Fachsprache
- Beschreibende Statistik
- Einführung in die Wahrscheinlichkeitstheorie
- Grundlagen des Schätzens und Testens
- Statistische Modellbildung
- Grundlagen der Regression und der Varianzanalyse
- Einführung in geeignete statistische Software
Lehr- und Lernmethoden:
Unterrichtsgespräch im Klassenverband, Selbststudium (Übungsaufgaben, Vor- und Nachbereitung der Fachinhalte sowie das selbstständige Erarbeiten von Sachverhalten)
Lehrmittel/-materialien:
L. Papula: Mathematische Formelsammlung für Ingenieure und Naturwissenschaftler
M. Sachs: Wahrscheinlichkeitsrechnung und Statistik für Ingenieurstudenten an Fachhochschulen
Bemerkungen:
In den ersten 6 Wochen findet der Kurs mit 2 Lektionen pro Woche statt und in den letzten 7 Wochen mit 4 Lektionen pro Woche