Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage Daten graphisch darzustellen, Maßzahlen zu berechnen, unbekannte Parameter zu schätzen, Hypothesen zu testen sowie lineare Regressionsmodelle an Datensätze anzupassen. Die Studierenden können statistische Auswertungsverfahren verschiedenen Anwendungsgebieten zuordnen und diese gegebenenfalls anwenden.
1. Deskriptive Statistik: Wie kann ich meine experimentellen Daten knapp, aber aussagekräftig präsentieren? 2. Stochastische Modellierung: Wie kann ich ein Modell für meine Daten finden, das die zufälligen Komponenten des Experiments korrekt beschreibt, und welche Modelle sind dafür in der Praxis relevant? 3. Parametrische Schätzverfahren, Konfidenzintervalle: Wie kann ich aus meinen Daten physikalische Größen schätzen, und wie kann ich die Unsicherheit meiner Schätzung angeben? 4. Parametrische Tests: Wie kann ich überprüfen, ob meine Daten signifikant von der Theorie abweichen? 5. Lineare Regression: Besteht ein Zusammenhang zwischen zwei (oder mehr) beobachteten Größen, und wie kann ich ihn quantifizieren?
Praktische Demonstration der Methoden anhand von echten oder simulierten Datensätzen, die für die experimentelle Praxis typisch sind. Alle verwendeten Rechenverfahren sind in Matlab implementiert und werden den Studierenden zusammen mit den Datensätzen zur Verfügung gestellt.
Die Folien und das Handout (2 oder 4 Folien pro Seite) können von den Studierenden heruntergeladen werden.
Als ebenso wichtige Unterlage dient mein ebook "Wahrscheinlichkeitsrechnung und Statistik: Für Studierende der Physik". Es kann kostenlos von
http://bookboon.com/de/wahrscheinlichkeitsrechnung-und-statistik-ebook
heruntergeladen werden.
Für die Prüfung brauchen Sie auch die Tabellen.
Weitere empfohlene Bücher:
>>> Rooch, Statistik für Ingenieure: online in der TU-Bibliothek <<<
L. Lyons, A practical guide to data analysis for physical science students, Cambridge University Press, 1991.
L. Lyons, Statistics for Nuclear and Particle Physicists, Cambridge University Press, 1986.
W. Stahel, Statistische Datenanalyse: Eine Einführung für Naturwissenschaftler, Vieweg+Teubner, 2007.
V. Blobel und E. Lohrmann, Statistische und numerische Methoden der Datenanalyse, Teubner, 1998. L. Fahrmeir et al., Statistik: Der Weg zur Datenanalyse, Springer, 2007.
S. M. Ross, Statistik für Ingenieure und Naturwissenschaftler, Spektrum, 2006.