Zusammenfassung
In unseren bisherigen Überlegungen haben die Modelle meistens mehr oder weniger gutzu den vorliegenden Daten gepasst. Falls wir dennoch Diskrepanzen zwischen Modellund Daten vorfanden, haben wir diesen Differenzen keine besondere Aufmerksamkeit geschenkt.
This is a preview of subscription content, log in via an institution to check access.
Notes
- 1.
Zu Ehren von Karl Pearson (1857 – 1936) und in Abgrenzung zu anderen Zusammenhangsmaßen wird r genauer als Pearsonscher Korrelationskoeffizient bezeichnet.
- 2.
Die verursachende Variable ist das Geschlecht: Frauen sind in der Tendenz kleiner als Männer und haben ein geringeres Jahreseinkommen.
Literatur
Anscombe, F.J.: Graphs in statistical analysis. Am. Stat. 27(1), 17 – 21 (1972)
Engel, J., Theiss, E.: Elementare und robuste Instrumente zur Datenanalyse im Streudiagramm. Der Mathematisch-Naturwissenschaftliche Unterricht 54(5), 267–270 (2001)
Jeffreys, W.H., Breger, J.O.: Ockham’s Razor and Bayesian Analysis. Am. Scientist, 80, 64 – 72 (1992)
Motulsky, H., Christopoulos, A.: Fitting Models to Biological Data Using Linear and Nonlinear regression - A practical Guide to Curve Fitting. Oxford University Press, Oxford, UK (2004)
Tukey, J.: Exploratory Data Analysis. Addison Wesley, Reading, MA (1977)
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2018 Springer-Verlag GmbH Deutschland
About this chapter
Cite this chapter
Engel, J. (2018). Verrauschte Signale und funktionale Modelle. In: Anwendungsorientierte Mathematik: Von Daten zur Funktion. Mathematik für das Lehramt. Springer Spektrum, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-55487-6_5
Download citation
DOI: https://doi.org/10.1007/978-3-662-55487-6_5
Published:
Publisher Name: Springer Spektrum, Berlin, Heidelberg
Print ISBN: 978-3-662-55486-9
Online ISBN: 978-3-662-55487-6
eBook Packages: Life Science and Basic Disciplines (German Language)