ExEv

Experimentieren und Evaluieren

Experimentieren und Evaluieren


M. S.
Diese Lernkarten behandeln grundlegende Konzepte der Wahrscheinlichkeitstheorie und Statistik auf Universitätsniveau. Sie decken Themen wie Wahrscheinlichkeiten, Verteilungen, Zufallsvariablen, Hypothesen und Experimente ab, wobei der Fokus auf der Unterscheidung zwischen wahr und falsch, verschiedenen Verteilungsfunktionen und der Analyse von Daten liegt. Besonders nützlich sind sie für Studierende der Informatik, die ein tieferes Verständnis der statistischen Methoden und ihrer Anwendung in der Datenanalyse erlangen möchten.
Flashcards
87
Students
4
Language
German
Category
Computer Science
Level
University
Created / Updated
09.08.2019 / 20.01.2024

Flashcards

Systematische Fehler können vermieden werden

Der systematische Fehler ist nicht reproduzierbar.

Störgrössen sind der Regel gut bekannt und können daher in der Fehlerrechnung herausgerechnet werden.

Bei Produkten und Quotienten addieren sich die relativen Fehler

Bei Addition und Subtraktion multiplizieren sich die absoluten Fehler

Bei Messgeräten wird meist der relative Fehler auf den gemessenen Wert angegeben

Bei einem klassischen Hypothesentest wählt man im Allgemeinen nur die Wahrscheinlichkeit des \(\alpha\)-Fehlers klein

Bei Messgeräten wird meist der relative Fehler auf den eingestellten Wertebereich angegeben

Man spricht von einem Fehler 2. Art oder ß-Fehler, wenn die Null-hypothese nicht verworfen wird, obwohl sie falsch ist.

Für große n nähert sich die ‚Wahrscheinlichkeitsfunktion der Binominalverteilung einer Glockenform, ähnlich der Dichtefunktion einer Normalverteilung.

Der zentrale Grenzwertsatz besagt, dass ausschlieslich die Summe normal verteilter Werte wieder Normalverteilt sind.

Die Wahrscheinlichkeitsfunktion einer Poissonverteilung ist symmetrisch um \(\lambda\).

Die Poissonverteilung wird auch die Verteilung der seltenen Ereignisse genannt

Treten Ereignisse unabhängig auf, wie z.B. Telefonanrufe, so kann ihr Auftreten durch eine Poissonverteilung beschrieben werden

Ein Boxplot ist eine geeignete grafische Darstellung, um die Verteilung eines Merkmals in verschiedenen Teilpopulationen zu vergleichen.

Eine Zufallsvariable ist eine Funktion, die jedem möglichen Ergebnis eines Zufallsexperiments eine reelle Zahl (die Wahrscheinlichkeit) zuweist.

Für stetige Zufallsvariablen erhält man Wahrscheinlichkeiten, indem man Flächen unterhalb der Verteilungsfunktion berechnet.

Die Verteilungsfunktion einer stetigen Zufallsvariablen an der Stelle z kann als Fläche unterhalb der Dichtefunktion von - \(\infty\) bis z interpretiert werden.

Komplexe Systeme sind auch immer kompliziert

Bei seriösen Messungen müssen sie auch immer eine Fehlerschätzung für die ermittelten Werte machen.

Ein systematischer Fehler ist schwer zu erkennen, da er grossen Schwankungen unterliegt.

Unter Validierung versteht man die Überprüfung der Gültigkeit des Modells.

Ein verifiziertes Modell kann trotzdem nicht valide sein.

Die Begriffe Merkmal und Merkmalswert beschreiben dasselbe.

Ein Boxplot fasst in komprimierter, graphischer Darstellung die kardinalskalierten Daten eines Experiments zusammen.

Der Variationskoeffizient misst nicht die absolute, sondern die relative Streuung, d.h. er setzt die Streuung in Relation zur Lage der Häufigkeitsverteilung.

Die Begriffe Menge und Tupel können synonym verwendet werden, da sie den gleichen Sachverhalt beschreiben.

Eine Zufallsvariable lässt sich formal als Funktion darstellen, die jedem Ergebnis eines Zufallsexperiments einen Wert (Realisierung) zuordnet

Eine Verteilungsdichtefunktion oder auch Wahrscheinlichkeitsfunktion f(x) weist den Werten einer Zufallsvariablen die Wahrscheinlichkeit p ihres Auftretens zu

Bei einer kontinuierlichen Verteilungsdichtefunktion kann die Auftrittswahrscheinlichkeit eines Wertes unmittelbar aus dem Diagramm abgelesen werden.

Bei einer diskreten Wahrscheinlichkeitsfunktion kann die Auftrittswahrscheinlichkeit eines Wertes unmittelbar aus dem Diagramm abgelesen werden.

Bei einer Poisson Verteilung werden genau zwei Ergebnisse eines Experiments unterschieden.

Welche drei Phasen aus dem Shewhart-Cycle sind die Phasen des Lernens?

Hypothese erstellen, Experimentieren Daten gewinnen und Hypothese testen

Benennen sie die drei Haupthindernisse des Erkenntnisgewinns durch Experiment.

  • Rauschen
  • Komplexität
  • Kompliziertheit

Welches sind die wichtigsten Grössen im Prozessmodel eines Experiments?

  • Steuergrössen
  • Störgrössen
  • Zielgrössen

Was ist der Unterschied zwischen Störgrössen und Steuergrössen?

Steuergrössen können vom Nutzer eingestellt und für eine bestimmte Zeit gehalten werden.

Was sind Zielgrössen?

Zielgrössen sind das Ergebnis eines Versuches. Zielgrössen werden durch das Problem des Kunden festgelegt, z.B. Verringerung der Durchlaufzeit.

Welche Arten von Faktoren werden unterschieden?

  • Quantitative Faktoren: hier werden die Stufen mit Zahlenwerten auf einer Messskala beschrieben
  • Qualitative Faktoren: Namen, Beschreibungen oder Bezeichnungen.

Nennen Sie Gründe für Experimente

Ziel ist in der Regel, durch das Experiment ein besseres Verständnis der realen Welt und deren Zusammenhänge zu erhalten, mit dem Ziel Verbesserungen zu erreichen. Eine einzelne Messung, oder Probe kann quasi ebenfalls als Experiment betrachtet werden, um ein Augenblickszustand zu erfassen.

In welchem Zusammenhang steht die Simulation zum Experiment?

Simulation ist das Durchführen von Experimenten am Modell anstatt am realen System

Study