![]() ![]() |
HERZLICH
Statistik
WILLKOMMEN
!!
Wirtschafts-STATISTIK - Modul EFA 1. Semester |
|
Übersicht über Vorlesungs- und Übungsfortschritt:
Planung = einzelne Termine / Inhalte können sich abhängig
von unserem Fortschritt ggf. verschieben. Die Modulübung
(MÜ) ist zeitlich in die Lehrveranstaltung (donnerstags) integriert.
Flipped Classroom: Dieser Zeit- und
Inhaltsplan dient dazu, dass Sie die entsprechenden Inhalte VORBEREITEN
und dann Ihre Fragen dazu im Unterricht stellen! Sie sind aufgefordert, sich
die Inhalte VORHER mittels des Buches und der Videos anzueignen.
Ich stelle keine Themen (noch einmal) vor, sondern wir werden im Unterricht
Ihre Fragen beantworten sowie die von Ihnen vorbereiteten Inhalte
anwenden und darüber sprechen. Dafür nehmen wir uns alle Zeit, die
nötig ist. .
Das Lehr- / Lernkonzept ist basiert darauf, dass Sie für jeden Unterrichtstag
ca. 2-4 Videos vorbereiten (vgl. Tabelle unten). Bitte tun Sie das jeweils
rechtzeitig, so dass Sie Fragen entwickeln und mitbringen können.
Nr |
Woche |
Datum |
Lernschritte = Inhalte | Videos
(-> VORBEREITEN!) |
Material |
1 |
1 |
16.10. 2024 |
Vorstellung: Fach, Gliederung, Vorgehen, Dozent; Organisatorisches ... Schritt A - Ablauf einer statistischen Untersuchung
|
Orientieren Sie
sich auf der Seite Statistikschritte.de
und dort v.a. bei II
Videos. Bitte entnehmen Sie die Zuordnung der Videos auch
direkt den Playlists
zu den einzelnen Kapiteln.
- YouTube
Kanal Statistikschritte - die Überschriften
unten sind Links zu den Kapitel-Playlists |
|
2 |
1 |
17.10. |
MATERIAL
/ DATEN: Ein
guter Weg, sich in Pivot-Tabellen und andere Excel-Möglichkeiten
einzuarbeiten sind Video-Tutorials. Als Material zum Buch entstehen erläuternde Videos, die während des Semesters jeweils hier hochgeladen werden, siehe rechte Spalte: Schritt
B: Häufigkeiten |
Einleitung: die StudierBar, didaktisches Konzept und Inhaltsüberblick A 1
Worum geht’s? Allgemeine Grundlagen und Fallbeispiel
(Link zur YouTube-Playlist für dieses Kapitel) A |
Videos
zu Excel: |
3 |
2 |
Beschreibung Eindimensionaler (= univariater) Daten (= ein Merkmal) Schritt
C: Häufigkeitskonzepte: Absolute und relative
Häufigkeiten, Wichtig:
Die Tests dürfen nur an der Hochschule (im
PC-Pool) abgelegt werden (ich führe eine Teilnehmerliste, Lichtbildausweis
nötig, da ja das Handy nicht erlaubt ist), ein online
durchgeführter Test wird nicht gezählt. Wir
werden die PC-Pools A 114 und A 130 verwenden. JedeR muss einmalig
eine Erstanmeldung vornehmen, die etwas dauert. Das
machen wir heute gemeinsam. Wer nicht dabei sein kann, muss das unbedingt
vor dem 1. Test tun; weitere Informationen auf
dieser Webseite, dort "Virtuelle PCs" aufrufen. |
Ab
heute bitte immer die in dieser Spalte verlinkten Videos ansehen und
die Inhalte (mit Hilfe des Buches) erarbeiten. 2 Einzelne Merkmale: Auswertung und Darstellung (Link zur YouTube-Playlist für dieses Kapitel)
B
C
Erinnerung: Zur besseren Orientierung im Buch hilft Überblick: Gliederungspunkte & Lernschritte |
2. Teil (Vorbereitungsphase): Excel-Datei mit Ihren Befragungsdaten, siehe Link oben Die Excel-Datei zum Arbeitsmaterial
Ausblick
für Interessierte: (Zahlen
des Statistischen Bundesamtes) Übung im Unterricht: Gehen Sie zur Webseite "Unternehmen nach Umsatzgrößenklassen". Dort macht jedes House eine Lorenzkurve, so dass wir die Gini-Koeffizienten der Wirtschaftssektoren vergleichen können. Die Houses B-F nehmen ihren Buchstaben, A darf sich einen der anderen Sektoren aussuchen. |
|
4 |
2 |
24.10. |
Zur
heutigen Sitzungen bereiten die Houses die Präsentationen Ihrer
Themen zur Befragung der letzten Woche vor!
Schritt
D: Lagemaße: |
KI-Anwendung(en)
(in unserem Unterricht) Übung
im Unterricht: Die faulen Deutschen und die Tücken von Mittelwerten: Unstatistik des Monats August 23. |
|
5 |
3 |
Ab heute 10:00 Uhr können sich die TEAMs in AULIS ("Empirisches Projekt") registrieren ("Teambildung") Schritt D:
Lagemaße:
Schritt E
: Streuungsmaße |
Hinweis auf Selbststests in AULIS Übung
im Unterricht: Ich freue mich über ein paar Follower, Daumen und Kommentare auf youtube.com/@statistikschritte |
||
6 |
3 |
31.10. |
REGIONALER FEIERTAG
Schritt E
: Streuungsmaße |
Daher heute kein Unterricht - aber nutzen Sie die Zeit, die Videos zu schauen, sonst werden es zu viele. E |
Übung
im Unterricht: - Ermitteln Sie das durchschnittliche Alter und die Standardabweichung der COVID 19 Erkrankten in den Städten (nach Gruppen-Nummern): 1 Berlin 2 Hamburg 3 Bremen 4 Köln 5 Stuttgart 6 München |
7 |
4 |
3. Beschreibung
mehrdimensionaler (= Multivariater) Daten |
E E 3
Mehrere Merkmale im Verhältnis: mehrdimensionale Daten
(Link zur YouTube-Playlist für dieses Kapitel) |
Info
zum EFA-symposium.net |
|
8 |
4 |
|
Bis heute 10:00 Uhr müssen sich die TEAMs zusammengefunden und sich in AULIS ("Empirisches Projekt") registriert haben ("Teambildung") Heute Verschiebung der Unterrichtszeit: 3. Beschreibung
mehrdimensionaler (= Multivariater) Daten Schritt G
: Einführung in die Regessionsanalyse |
F G |
KI-Anwendung(en)
(in unserem Unterricht) Empirisches
Projekt: |
9 |
5 |
Schritt G
: Regessionsanalyse |
|||
10 |
5 |
14.11 |
Schritt H : Vertiefung der Regressionsanalyse: Nichtlineare und Mehrfachregression sowie Rangkorrelation für ordinal skalierte Merkmale Ausblick: am 4.12. möchten wie eine Sprecherin und einen Sprecher des EFA-Jahrgang 2024 wählen - stimmen Sie sich bitte schon einmal untereinander ab. |
H
![]() (beinhaltet 8.4.4 Abbildung 9 & 18/19 Multiple Regression und 8.4.4 Ergebnisse der Multiplen Regression - Kaffeeabsatz in Uni-Bars) H ![]() H ![]() |
Mehrfachregressionen
sind ein geeignetes statistisches Maß für Ihre empirischen
Projekte, denn sie verbinden die Anforderungen "mehrdimensionale
Auswertungen" und "statistische Tests / Konfidenzintervalle".
Da wir letztere erst ab Woche 10 besprechen, erfolgt in dieser Sitzung ein Vorblick, wie diese in Mehrfachregressionen durchgeführt und interpretiert werden: |
11 |
6 |
Heute
stellen die ersten Teams die ersten Einblicke in Ihre empirischen Projekte
vor = Exposé: Schritt H: Vertiefung der Regressionsanalyse: Nichtlineare und Mehrfachregression sowie Rangkorrelation für ordinal skalierte Merkmale |
--- " --- Heute schauen wir noch einmal vertieft auf die multiple Regression mit Blick auf die empirischen Projekte. Vorblick auf: W |
Beispiel für Empirisches Projekt: -
Hedonic regression for used cars Beispiel einer Präsentation aus einem englischsprachigen Unterricht: Best practice example of a presentation (2019) |
|
12 | 7 |
21.11. |
Fortsetzung
der Vorstellung Ihres Exposé:
Schritt J : Einführung in die Zeitreihenanalyse |
I
|
Info
zum EFA-symposium.net
Ein Datensatz über Hauspreise in Canada. Was können wir über die Determinanten von Hauspreisen lernen? Der Beispieldatensatz befindet sich in diesem AULIS-Verzeichnis. |
13 |
8 |
Vorstellung
der letzten Exposé Zeitreihenanalyse: Glättung mit linearer Trendfunktion, Saisonbereinigung & Prognosen. |
|||
14 |
9 |
28.11. (+ 29.11.!) |
kein
Statistik-Unterricht, alle nehmen
teil am ----> |
||
15 |
8 |
|
- " - Ich freue mich über Ihre Bewertung des Buches und der Formelsammlung bei Amazon und anderen Portalen.
|
||
16 |
8 |
5.12. |
EFA: Wahl Kurssprecherin und Kurssprecher Schritt L: Verhältniszahlen, Messziffern, Indexzahlen Rückblick
und Vertiefung, Ihre Fragen |
5
Alles in Maßen – Maß- und Indexzahlen
(Link zur YouTube-Playlist für dieses Kapitel) L ![]() L ![]() L ![]() L ![]() |
Ich freue mich über ein paar Follower, Daumen und Kommentare auf youtube.com/@statistikschritte -
"Was
ist Inflation", Warenkorb, HVPI usw. bei der EZB Übung:
Wir betrachten den Gesamtindex und dessen Abteilungen: Häuser:
|
17 |
9 |
Schritt M: Einführung in die schließende Statistik, Kombinatorik Schritt N: Grundbegriffe und Definitionen der Wahrscheinlichkeitsrechnung Schritt O:
Wahrscheinlichkeitsrechnung ->
AUSBLICK; Vorstellungen der ersten Ergebnisse der multiplen Regressionen
ab Donnerstag |
6 (Wie) viele Möglichkeiten? Kombinatorik & Wahrscheinlichkeitsrechnung (Link zur YouTube-Playlist für dieses Kapitel) M |
Erinnerung:
Bitte entnehmen Sie die Zuordnung der Videos auch der Webseite statistikschritte.de,
von wo Sie direkt auf die Playlists
zu den einzelnen Kapiteln
zugreifen können.
Hinweis: Unter
http://www.wilhelmlorenz.de/etc/ziege/ziegenproblem.htm
finden Sie |
|
18 |
9 |
Heute
Raum |
Heute stellen die Teams die ersten Ergebnisse der multiplen Regressionen (1: Teams 1-4). Schritt
O: Wahrscheinlichkeitsrechnung
Schritt P: Einführung in Theoretische
Verteilungen |
O 7
Die Basis – Theoretische Verteilungen (Link zur
YouTube-Playlist für dieses Kapitel) |
Heute noch einmal der Vorblick auf: -> Primär geht es dabei um den p-Wert und wie wir ihn in den Empirischen Projekten verwenden können. Beispiel einer Präsentation aus einem englischsprachigen Unterricht: Best practice example of a presentation (2019) |
19 |
10 |
Schritt Q: Diskrete Verteilungen Schritt R: Stetige Verteilungen
Wie
gefällt euch unser Unterricht?
|
|
. Hier
finden Sie eine Excel-Datei, in der Sie eine Normalverteilung
in Abhängigkeit von deren Hausaufgabe: |
|
20 |
10 |
19.12. |
Heute stellen die Teams die ersten Ergebnisse der multiplen Regressionen (2: Teams 5-9) Schritt R: Stetige Verteilungen |
Was haben Sie über William Sealy Gosset herausgefunden? In der Modulübung
zum Mitzeichnen ist diese Skizze einer Normalverteilung mit x- und z-Achse nützlich) |
|
21 |
11 |
Ich
wünsche allen ein frohes, Schritt
S: Zentraler Grenzwertsatz und Approximationen von
Verteilungen |
Bitte
WÜRFEL mitbringen / bereitlegen |
||
22 |
11 |
9.1. |
Schritt T: Einführung in die Schätztheorie und Konfidenzintervalle Vorstellungen
der empirischen Projekte (ab ca. 16:00/16:30 - nach
den Fragen zum aktuellen Stoff): Hinweis: Ich werde allen Teams die Bewertungen der empirischen Projekte übermitteln, nachdem alle Vorträge abgeschlossen sind. |
8
Zum guten Schluss … von der Stichprobe auf die Grundgesamtheit
(Link zur YouTube-Playlist für dieses Kapitel) T ![]() T ![]() |
|
23 |
12 |
Schritt
T: Einführung in die Schätztheorie und Konfidenzintervalle
Wie
gefällt euch unser Unterricht? |
Achtung: Überprüfen Sie bitte, ob Sie - und alle anderen - unten in der Tabelle der Houses richtig eingetragen sind. Die Punkt für den HouseCup werden auf dieser Basis eingetragen. Wir haben mit den
Übungsaufgaben begonnen (MC, 8-8 usw.), um uns
die Konfidenzintervalle gründlich zu erarbeiten.
Hier werden wir weiter gemeinsam üben, sobald Ihre Fragen beantwortet
sind) |
||
24 |
12 |
16.1. |
Schritt U: Hypothesentests allgemein Schritt V: Parametrische Tests: Mittelwerte und Anteilswerte Vorstellungen
der empirischen Projekte (ab ca. 16:00/16:30 - nach
den Fragen zum aktuellen Stoff): Hinweis: Ich werde allen Teams die Bewertungen der empirischen Projekte übermitteln, nachdem alle Vorträge abgeschlossen sind. |
V 8.4 Parametrische
Tests (praktische Durchführung - zum Mitzeichnen ist diese Skizze
einer Normalverteilung mit x- und z-Achse nützlich): |
Nach Beantwortung Ihrer Fragen üben wir den Hypothesentest für den Mittelwert anhand Aufgabe 5 (5.1 bis 5.3) der Klausur EFA WS 2016-17 und weiterer Übungsaufgaben |
25 |
13 |
Schritt
V: Parametrische Tests: Mittelwerte und Anteilswerte |
|||
26 |
13 |
23.1. |
Schritt W: Erweiterung der parametrischen und nicht-parametrische Tests Ergebnisse der Evaluation - Danke! Vorstellungen
der empirischen Projekte (ab ca. 16:00/16:30 - nach
den Fragen zum aktuellen Stoff): Hinweis: Ich werde allen Teams die Bewertungen der empirischen Projekte übermitteln, nachdem alle Vorträge abgeschlossen sind. |
Ich freue mich über ein paar Follower, Daumen und Kommentare auf youtube.com/@statistikschritte Und auch über Bewertungen des Buches und der Formelsammlung bei Amazon und anderen Portalen Danke! |
|
27 |
14 |
Überblick und praktische Anwendungen |
Praktische
Übungen mit Ihren Befragungsdaten: Excel-Datei mit Befragungsdaten aus unserem WS 24/25 (Link oben in Woche 2) - Zweistichrobentest: Unterscheidet sich die gewünschte Menge/Woche von 1) Kaffee, 2) Tee, ... 6) Torten (Gruppennummer verwenden) nach Geschlecht? - Multiple Regression: Hängt das Einkommen ab von: Alter, Geschlecht, Berufsausbildung*, Berufstätigkeit (Arbeit)*, Entfernung von der HS? |
Wiederholungsfragen Kapitel 9 | |
28 |
14 |
30.1. |
Vorstellungen
der empirischen Projekte (ab ca. 16:00/16:30 - nach
den Fragen zum aktuellen Stoff): Rückblick: |
Praktische
Übungen mit Ihren Befragungsdaten: |
Übung: Gruppen und Aufgaben
Die folgenden Houses dienen vor allem für den House
Cup und die Aufgaben der ersten beiden Wochen (die Teams
für Ihr empirisches Projekt bilden Sie selbst).
Die Houses bilden sich in der ersten Gruppenarbeit vor Ort (und tragen sich
während der Sitzung
in der AULIS-Gruppe ein)
die Idee ist,
dass Sie die Aufgaben VORBEREITEN, wir haben im Unterricht
nicht genug Zeit, alle gemeinsam zu rechnen. Aus diesem Grunde, werden hier
jeweils die Houses eingeladen, bestimmte Aufgaben in dem Sinne vorzubereiten,
dass sie deren Bearbeitung im Unterricht moderieren können, wenn wir
diese gemeinsam besprechen.
House:
|
Alle |
Alfa |
Bravo |
Charlie |
Delta |
Echo |
Foxtrot |
Houses gebildet am 16.10.24 | Mitglieder: (Namen
werden eingetragen) |
Rasmus Marc Ines Amada Georg Sabri Ahmet |
Nicolas Kassem Laura Nisa Helen Ilian Semi |
Mert |
Sebo, |
Barwin Diane Thuc, Mert Patrik Gibriel |
Carsten Thilo Tobias Aaron Cihan Koray |
Erste Sitzung im Unterricht (16.10) | Ü
1-1 Aufgaben für alle: Planung StudierBar, alle Fragen, insbesondere --> |
Heißgetränke | Kaltgetränke | Snacks | Kuchen und Torten | Öffnungszeiten | Produkte |
24.10. | Abschlusspräsentation
= Werten Sie ALLE Fragen aus, besonders intensiv jedoch das Merkmal ... |
Torten (der Wahrheit) Bitte verwenden Sie Pivot-Tabellen, um die entsprechenden Merkmale "mehrdimensional" zu analysieren, wie im Unterricht vorgeführt. |
Brötchen/Snacks Bitte verwenden Sie Pivot-Tabellen, um die entsprechenden Merkmale "mehrdimensional" zu analysieren, wie im Unterricht vorgeführt. |
Softgetränke Bitte verwenden Sie Pivot-Tabellen, um die entsprechenden Merkmale "mehrdimensional" zu analysieren, wie im Unterricht vorgeführt. |
Mineralwasser Bitte verwenden Sie Pivot-Tabellen, um die entsprechenden Merkmale "mehrdimensional" zu analysieren, wie im Unterricht vorgeführt. |
Tee Bitte verwenden Sie Pivot-Tabellen, um die entsprechenden Merkmale "mehrdimensional" zu analysieren, wie im Unterricht vorgeführt. |
Kaffee Bitte verwenden Sie Pivot-Tabellen, um die entsprechenden Merkmale "mehrdimensional" zu analysieren, wie im Unterricht vorgeführt. |
30.10. (da 31.10. Feiertag) |
bis
LE D |
1-3;
1-5 2-7 |
1-5
(für Altersgruppe, Geburtsort und noch zwei weitere Merkmale)
2-6, 2-8 |
2-4 2-10, 2-12 |
2-1 2-14 |
2-2 2-15 |
2-3 2-16 |
7.11. | bis
LE F |
2-17 3-3 |
2-18 3-4 |
2-20 3-6 |
2-21 |
2-25,
2-27 |
2-26 |
14.11. | bis
LE G |
3-7 bis 3- 8 |
3-9 und 3-10 |
3-11 bis 3-12 |
3-14,
3-15 |
3-16,
3-17 |
3-20,
3-28 |
21.11. -> | bis
LE H |
3-18
+ 3-21 |
3-23,
3-25, |
3-27 |
3-29
+ 3-31 |
3-32 |
3-34 |
(28.11. | bis
LE J |
4-9
|
4-8 |
4-7
|
4-4
- 4-5 |
4-2
- 4-3 |
4-1) |
5.12. | bis
LE L |
4-10,
4-11
|
4-12,
4-13 |
5-1
- 5-3 |
5-5
- 5-8 |
5-9
|
5-10
- 5-11 |
12.12. | bis
LE O |
6-11,
6-12 7-1 bis 7-3 |
6-8,
6-9 7-4 bis 7-6 |
6-5,6-22
7-7 bis 7-8 |
6-3,
6-18 7-9 bis 7-10 |
6-1,
6-16 7-11 bis 7-13 |
6-13, 6-14 7-14 bis 7-15 |
19.12. | (vgl. Aufg. 4 dieser Klausur) |
7-16 7- 25, 7-26 |
7-17 7- 27, 7-28 |
7-18 7- 29 |
7-19 7-30 |
7-22, 7-23 7- 31 |
7-24 7- 32 |
9.1.23 | 8-11, 8-12 |
8-9, 8-10 |
8-6, 8-8 |
8-5, 8-7 |
8-2, 8-4 |
8-1, 8-3 |
|
16.1. | 8-13, 8-18 |
8-14, 8-19 |
8-15, 8-20 |
8-16, 8-21 |
8-17, 8-22 |
8-23 |
|
23.1. | gemeinsam: 8-31 |
8-24 |
8-25 |
8-26 |
8-27 |
8-28 |
8-29, 8-30 |
30.1. | gemeinsam: AS-6 Beachten Sie
auch |
AS-1 |
AS-2 |
AS-3 |
AS-4 |
AS-5 |
AS-7 |
Didaktisches Konzept der Veranstaltung
Die Veranstaltung besteht aus zwei
Einheiten (je 90 Min.) "seminaristischem Unterricht" pro
Woche zuzüglich einer Modulübung (MÜ - Termine s.u.).
|
|
|
![]() Die Modulübungen funktionieren so, dass die in der ersten Woche eingeteilten Gruppen jeweils Aufgaben bekommen, die sie vorbereiten und in der Modulübung (MÜ) den anderen Teilnehmer die Lösung präsentieren. Die MÜ wird von IHNEN durchgeführt, ich moderiere lediglich und antworte auf konkrete Fragen - ich werde aber keine unvorbereiteten Aufgaben für Sie lösen! Das Beste ist es, wenn Sie die Lösungen rechtzeitig (=bis Samstag mittag) in die AULIS-Gruppe hochladen, so dass alle drauf zugreifen können. Für die Präsentation in der MÜ kann dann entweder auf Aulis zugegriffen werden, Sie können auch einen USB-Stick mitbringen (keine Disketten), die Kommilitonen werden aber trotzdem Ihre Ergebnisse in binärer Form haben wollen. |
Allgemeine
Materialien
Unterlagen
zur Veranstaltung:
.
"Statistik schrittweise verstehen"
|
In dieser Lehrveranstaltung wird die bei UTB erschienene Formelsammlung "Statistik Formeln" verwendet. Es wird empfohlen, diese zu erwerben. Sie ist für die Benutzung in der Klausur zugelassen, solange keine handschriftlichen Erläuterung ergänzt wurden. |
Im
Mathe-Unterricht (2. Semester) sind nur
die hier genannten Taschenrechner erlaubt, wir werden
uns in dieser Veranstaltung ebenfalls an diesem Standard orientieren.
Artikel
über Betriebsstatistik, der einen Überblick über die
gesamte deskriptive Statistik (Statistik I) gibt als pdf-Datei
(155 kB) und die im Text erwähnten Excel-Dateien Betriebsstatistik.xls
(157 kB) und Excel-Einführung.xls
(176 kB) oder alle drei Dateien in einem
zip-Archiv (292 kB).
Früheres
Fallbeispiel bis 2016 -> der
verwendete Fragebogen (2017)
-->
Excel-Datei mit Befragungsdaten aus
WS 2017/18 und älteren (466 Datensätze, davon
37 aus dem Jahrgang 2016).
Die Datei öffnet sich im Datenbalatt "Roh-Daten", das wir
im Unterricht kennenlernen und bearbeiten.
Englische Videos (data handling & analysis
in XL (.swf):
- 1_Orientation
in Excel (6:51)
- 2_Basic
data Analysis in Excel (12:30)
- 3_Filtering
Data in Excel (10:14)
- 4_Pivot
Tables in Excel (16:09)
- 5_Pivot
2 - several variables in 1 question (5:26)
or in my YouTube
channel (.avi)
Daten dazu:
- Case Study: surveys in a museum (different data sets):
- Questionnaire
- Dataset in
Excel and in SPSS format
Erstellung
von Fragebogen
- Technische Hinweise (Word-Datei)
- Fragebogenbeispiel (Zusatz-Befragung
in einem Bremer Museum)
- Excel-Datei zur Auswertung
dieser Fragebogendaten
Normalverteilung
Ein bekanntes Portrait des Erfinders
der Normalverteilung ;-)
.... der übrigens ganz in
der Nähe wirkte.
Hier finden Sie
eine Excel-Datei, in der Sie eine Normalverteilung
in Abhängigkeit von deren
- Lageparameter (Mittelwert) (Zelle C2) und ihrem
- Streuungsparameter (Standardabweichung) (Zelle C3)
betrachten und selbst verändern können .... Just try it
& have fun". Sie können in die genannten Zellen entweder selbst
Werte eintragen oder die vorhandenen Werte durch die Laufleisten neben diesen
Feldern verändern.
Hier finden Sie eine Excel-Datei, in der Sie eine Binomialverteilung
(und anderer Verteilungen) betrachten und deren Parameter verändern
können .... Just try it & have fun". (Alternative
Darstellung der Binomialverteilung).
Und alles noch viel interaktiver bei http://www.uni-konstanz.de/FuF/wiwi/heiler/os/vt-index.html
Hinweise/Beispiele zur Lernmethodik:
- Arbeiten mit
Karteikarten (Erläuterung und Beispiele als Word-Datei)
- Beipspiel
für eine Mind-Map
Nach
oben (Übersicht)
Auf
dieser Seite sind Sie BesucherIn Nummer: