429 Suchergebnisse

Hier kannst du dich selbst testen. So kannst du dich gezielt auf Prüfungen und Klausuren vorbereiten oder deine Lernerfolge kontrollieren.

Multiple-Choice-Test zum Thema "Mathematik - Funktionsanpassungen".

Viel Spaß beim Beantworten der Fragen!

WISSENSTEST

Gleichungen, für die exakte Lösungsverfahren nicht bekannt oder zu zeitaufwendig sind, lassen sich oft mit hinreichender Genauigkeit grafisch lösen.

Dabei geht man von der zu lösenden Bestimmungsgleichung zur entsprechenden Funktionsgleichung über, stellt (unter Verwendung eines Taschenrechners) eine Wertetabelle auf und zeichnet den Graphen der Funktion.

Die Abszissen der Schnittpunkte des Funktionsgraphen mit der x-Achse, also die Nullstellen, sind die Lösungen der Gleichung. Man liest sie näherungsweise ab. Die Genauigkeit beim Ablesen kann verbessert werden, wenn die Funktion in einem immer engeren Intervall um die Nullstelle herum dargestellt wird.

Das Vorgehen beim grafischen Lösen von Gleichungen soll im Folgenden durch ein Beispiel verdeutlicht werden.

* 1786 Bristol, England
† 22. September 1837 Bath, England

Der einzige Beitrag des englischen Lehrers WILLIAM GEORGE HORNER zur Mathematik besteht in der Entwicklung eines Verfahrens zur vorteilhaften Berechnung von Funktionswerten ganzrationaler Funktionen.
Dieses bis Mitte des 20. Jahrhunderts (auch in Schulbüchern) häufig benutzte Verfahren ist im heutigen Computerzeitalter allerdings nahezu gegenstandslos.

Mithilfe der l'hospitalschen Regeln lassen sich Grenzwerte von unbestimmten Ausdrücken der Form
$\underset{x\to x_0}{\lim }\frac{f\left(x\right)}{g\left(x\right)}$ mit $f\left(x_0\right)=g\left(x_0\right)=0$
berechnen.

Die Regeln sind nach dem französischen Mathematiker GUILLAUME FRANÇOISE ANTOINE DE L'HOSPITAL benannt und gehen auf diesen bzw. den Schweizer JOHANN BERNOULLI zurück.

* 1661 Paris
† 2. Februar 1704 Paris

GUILLAUME L’HOSPITAL entstammte dem französischen Hochadel und arbeitete sich als Autodidakt in die Mathematik ein. Er war einer der Ersten, der die leibnizsche Infinitesimalrechnung verstand. Sein 1696 veröffentlichtes Werk „Analyse des infiniment petits“ gilt als erstes Buch über Differenzialrechnung.

Mithilfe der l'hospitalschen Regeln lassen sich Grenzwerte von unbestimmten Ausdrücken der Form
$\underset{x\to x_0}{\lim }\frac{f\left(x\right)}{g\left(x\right)}$ mit $f\left(x_0\right)=g\left(x_0\right)=0$
berechnen.
Die zweite Regel stellt eine Erweiterung für Grenzwerte mit $x\to \pm \infty$ dar.

* 14. April 1629 Den Haag
† 8. Juli 1695 Den Haag

CHRISTIAAN HUYGENS war ein äußerst vielseitiger Naturwissenschaftler.
Unter anderem entdeckte er die Doppelbrechung am Kalkspat und erklärte sie mithilfe der Wellennatur des Lichtes.
Auch machte er eine Reihe astronomischer Entdeckungen.
HUYGENS beteiligte sich aktiv an der Lösung mathematischer Probleme seiner Zeit, u.a. schuf er eine erste geschlossene Theorie des Würfelspiels.

Beim Arbeiten mit Tabellen wie Sinus- oder Logarithmentafeln besteht ein Problem darin, zu Werten, die zwischen den tabellierten liegen, entsprechende Funktionswerte (oder auch umgekehrt zu Funktionswerten, die nicht direkt in den Tabellen vorkommen, die entsprechenden Argumente) zu ermitteln.

Dies leistet das Verfahren der sogenannten linearen Interpolation. Hierbei ersetzt man den Graph einer Funktion zwischen den Stellen $x_{1}und{x}_2$ durch eine Gerade und kann so einen Näherungswert für f(x) ablesen.

Der (historisch gesehen) zunächst nur naiv gefasste Begriff der reellen Zahl bedurfte einer exakten Fundierung. Dies gelang RICHARD DEDEKIND (1831 bis 1916), der mithilfe eines Schnittes zwischen zwei rationalen Zahlenmengen zu einer exakten Definition der reellen Zahlen gelangte.

Ein etwas anderes Vorgehen ist die Methode der Intervallschachtelungen, die im Folgenden skizziert wird.

Dabei zeigt sich: Durch eine Intervallschachtelung in der Menge $\mathbb{Q}$ der rationalen Zahlen wird genau eine reelle Zahl (als Kern) definiert. In der Menge $ℝ$ der reellen Zahlen besitzt jede Intervallschachtelung als Kern eine reelle Zahl, d.h., $ℝ$ ist abgeschlossen.

Als Kettenlinie bzw. Katenoide (engl. catenary; franz. chainette) wird die Kurve bezeichnet, die durch eine in zwei nicht senkrecht übereinander liegenden Punkten frei aufgehängte Kette gegeben ist. Analytisch ist diese durch die hyperbolische Funktion (Hyperbelfunktion) Cosinus hyperbolicus beschrieben.
Die Drehfläche der Kettenlinie heißt Katenoid (Catenoid).

Im Folgenden soll die Kettenregel der Differenzialrechnung bewiesen werden.
Die Kettenregel besagt: Die Ableitung einer verketteten Funktion ist gleich dem Produkt der Ableitungen von äußerer und innerer Funktion an der jeweiligen Stelle.
Für die Anwendung der Kettenregel ist eine auf der leibnizschen Schreibweise $\frac{dy}{dx}$ anstelle von $f\text{'}\left(x\right)$ beruhende Notation sehr einprägsam.

Wir vermuten das Folgende: Eine konstante Funktion $f\left(x\right)=c\left(c\in ℝ,aberfest\right)$ besitzt für alle $x\in ℝ$ die Ableitung $f^{\prime }\left(x\right)=0.$

Mitunter wird man mit dem Problem konfrontiert, die Wahrscheinlichkeit für ein Ereignis A zu berechnen, das im Zusammenhang mit n verschiedenen Ereignissen $B_i$ auftritt (in der Praxis können die $B_i$ zum Beispiel verschiedene Fälle oder Ursachen von A sein), wobei sich die Wahrscheinlichkeiten für die Ereignisse $B_i$ und insbesondere für das Eintreten von A unter der Bedingung, dass jeweils ein $B_i$ eingetreten ist, mitunter leichter angeben bzw. ermitteln lassen.

Gesucht ist also eine Aussage über eine „unbedingte“ Wahrscheinlichkeit, wenn Informationen über bedingte Wahrscheinlichkeiten vorliegen bzw. primär bestimmbar sind. Bei einer solchen Problemsituation wird man versuchen, den im Folgenden angeführten Satz der totalen Wahrscheinlichkeit anzuwenden.

Bei der Lösung kombinatorischer Probleme sind zwei Zählprinzipien hilfreich – das für k-Tupel und das für Mengen.

Besteht ein zufälliger Vorgang aus mehreren, nacheinander ablaufenden Teilvorgängen (oder aus Teilvorgängen, die als nacheinander ablaufend interpretiert werden können), so spricht man von einem mehrstufigen Zufallsexperiment (Zufallsversuch).

Eine Zufallsgröße wird vollständig durch ihre Verteilungsfunktion beschrieben. Diese gibt an, welche Werte die Zufallsgröße annehmen kann und mit welchen Wahrscheinlichkeiten sie dies tut.
In der Praxis möchte man allerdings meist mit möglichst wenigen, aber typischen Angaben auskommen, denn oftmals reicht schon eine grobe Vorstellung von der Zufallsgröße aus. Es kommt hinzu, dass die Verteilungsfunktion mitunter gar nicht oder nur schwer bestimmbar ist.

Man sucht deshalb nach Kenngrößen (manchmal spricht man auch von Parametern), die einen hinreichenden Aufschluss und eine quantitative Charakterisierung einer Zufallsgröße ermöglichen. Dies leisten Kenngrößen wie Erwartungswert, Median und Modalwert sowie die Streuung (bzw. Varianz) der Zufallsgröße.
Zur Charakterisierung der Asymmetrie einer Zufallsgröße benutzt man darüber hinaus die Kenngröße Schiefe. Eine Definition dieser Kenngröße geht auf den Vater der mathematischen Statistik KARL PEARSON (1857 bis 1936) zurück.

Für die Definition der Unabhängigkeit von Zufallsgrößen werden die Ansätze und Erkenntnisse genutzt, die im Zusammenhang mit dem Begriff der stochastischen Unabhängigkeit von Ereignissen gewonnen wurden.
Die Unabhängigkeit von Zufallsgrößen wird als Unabhängigkeit von Ereignissen interpretiert.

Zufallsziffern können genutzt werden zur Simulation von Zufallsexperimenten (Zufallsversuchen). Mithilfe der Randomfunktion von Computern und Taschenrechnern lassen sich (Pseudo-)Zufallszahlen erzeugen.

Statistische Untersuchungen wie zum Beispiel ein Alternativtest werden für die Qualitätskontrolle eingesetzt.
Bei der Testkonstruktion ist in folgenden Hauptschritten vorzugehen:

1. Man legt fest, was als Nullhypothese und was als Alternativhypothese zu formulieren ist. Dabei ist zu beachten, in welchem Maße Vorsicht angebracht ist bzw. wo (ob) man größere Risiken eingehen darf.
2. Man legt den Annahme- bzw. den Ablehnungsbereich für die Nullhypothese fest und ermittelt daraus das zugehörige Signifikanzniveau (also den Fehler 1. Art) und den Fehler 2. Art.

Alternativ geht man von einem vorgegebenen Signifikanzniveau aus und bestimmt daraus den zugehörigen Annahme- bzw. den Ablehnungsbereich für die Nullhypothese sowie den Fehler 2. Art.

Verteilungsannahmen (z.B. Hypothesen zu unbekannten Wahrscheinlichkeiten) über Merkmale einer zu untersuchenden Grundgesamtheit werden mithilfe statistischer Tests, sogenannten Signifikanztests, anhand konkreter Stichproben überprüft. Basis der Überprüfungen ist die Nullhypothese. Der mathematische Aufbau der Signifikanztests erfolgt so, dass genau zwei Prüfergebnisse möglich sind: Die Nullhypothese ist abzulehnen oder die Nullhypothese kann nicht abgelehnt werden.

Für den Fall, dass die Nullhypothese abzulehnen ist, legt im Allgemeinen die Alternativhypothese fest, wie das „Nichtgültigsein“ der Nullhypothese zu deuten ist. Sind in einem Test beide Hypothesen einfache Hypothesen, also durch jeweils genau einen konkreten Wert formuliert, so spricht man von einem besonderen Signifikanztest, dem Alternativtest, anderenfalls (nur) von einem (normalen) Signifikanztest.

Wegen der eindeutigen Festlegung beider Hypothesen lässt sich im ersten Fall für die Signifikanzbeurteilung sowohl der Fehler 1. Art als auch der Fehler 2. Art eindeutig berechnen.
Bei einem (normalen) Signifikanztest kann der Fehler 2. Art nicht eindeutig berechnet werden, da (zumindest) die Alternativhypothese nicht eindeutig (nicht durch genau einen Wert) festgelegt ist.

• Definition: Ein statistischer Test auf signifikante Unterschiede (Signifikanztest), bei dem zwischen zwei einfachen Hypothesen alternativ (für den einen oder den anderen konkreten Wert) entschieden wird, heißt Alternativtest.

Die (mathematische) Statistik beschäftigt sich mit dem zahlenmäßigen Erfassen, dem Darstellen und dem Untersuchen bzw. Bewerten von Massenerscheinungen in der Natur, der Gesellschaft und der Technik, bei denen Zufallseinflüsse wirken. Dabei werden Methoden und Verfahren der Wahrscheinlichkeitsrechnung angewandt.

Unter Boxplots oder Kastenschaubildern versteht man eine Form der grafischen Darstellung von Häufigkeitsverteilungen, in der neben dem Median als Bezugspunkte außerdem der größte und der kleinste Ausprägungswert sowie die Quartile (Viertelwerte) vermerkt sind.

Die Boxplotdarstellung ist ein gutes Hilfsmittel für den Vergleich von Verteilungen, da man erkennt, welchen Bereich (welche Spannweite) die ermittelten Daten einnehmen, ob die Verteilung bezüglich des Medians symmetrisch, rechts- oder linksschief ist usw.

Für die grafische Veranschaulichung von Daten, die durch statistische Untersuchungen gewonnen wurden, nutzt man verschiedene Möglichkeiten, die in starkem Maße durch den Charakter der darzustellenden Daten (quantitative oder qualitative Merkmale, diskrete oder stetige quantitative Merkmale usw.) bestimmt werden.
Wichtige Darstellungsarten sind Stängel-Blatt-Diagramme, Stabdiagramme (auch Strecken- oder Balkendiagramme), Blockdiagramme (Streifendiagramme), Kreisdiagramme, Histogramme (Säulendiagramme) und Polygonzüge.

In der Statistik werden statistische (Daten-)Mengen untersucht und dabei ein interessierender statistischer Zusammenhang durch eine Zufallsgröße, z.B. die Zufallsgröße X, beschrieben.

• Definition: Statistische Mengen sind Gesamtheiten von Ereignissen, Objekten oder Individuen. Die Menge aller Ereignisse bzw. Objekte oder Individuen, die zu einem klar gekennzeichneten Merkmal (oder einer Merkmalsgruppe) gebildet werden kann, bezeichnet man als Grundgesamtheit, bei Individuen auch als Population.

Hier kannst du dich selbst testen. So kannst du dich gezielt auf Prüfungen und Klausuren vorbereiten oder deine Lernerfolge kontrollieren.

Multiple-Choice-Test zum Thema "Mathematik - Darstellung von Häufigkeitsverteilungen".

Viel Spaß beim Beantworten der Fragen!

WISSENSTEST