Vorab-Kontrolltabellen

Das Gibbs-Phänomen beschreibt das Verhalten einer Fourier-Reihe an einer Sprungstelle. Die Partialsummen der Reihe weisen in der Nähe des Sprungs einen Überschwinger auf, der auch bei Hinzunahme weiterer Terme nicht verschwindet. Dieser Überschwinger konvergiert unabhängig von der Anzahl der Terme in der Reihe gegen einen konstanten Wert von etwa 9 % der Sprunghöhe.

Dieser Satz besagt, dass in einem linearen Regressionsmodell, in dem die Fehler einen Mittelwert von null aufweisen, unkorreliert sind und eine konstante Varianz (Homoskedastizität) besitzen, der OLS-Schätzer (Ordinary Least Squares) der beste lineare erwartungstreue Schätzer (BLUE) ist. „Bester“ bedeutet, dass er unter allen linearen erwartungstreuen Schätzern der Regressionskoeffizienten die geringste Varianz aufweist und somit die höchste Präzision besitzt.

Dieses Theorem besagt, dass es für jede stetige Funktion [latex]f[/latex], die eine kompakte konvexe Menge auf sich selbst abbildet, einen Punkt [latex]x_0[/latex] gibt, für den gilt: [latex]f(x_0) = x_0[/latex]. Diesen Punkt nennt man einen Fixpunkt. Nimmt man eine Landkarte eines Landes, zerknüllt sie und platziert sie innerhalb der Landesgrenzen, so gibt es immer mindestens einen Punkt auf der Karte, der direkt über dem entsprechenden realen Punkt liegt.

A core principle of SPC distinguishing between two types of process variation. Common cause variation is the inherent, random "noise" within a process that is stable and predictable. Special cause variation, or assignable cause, stems from external, identifiable sources, indicating process instability. The goal is to eliminate special causes and reduce common cause variation.

Ein grafisches Werkzeug, das in der statistischen Prozesskontrolle (SPC) zur Überwachung einer Prozessvariablen im Zeitverlauf eingesetzt wird. Es stellt Datenpunkte zwischen einer Mittellinie (CL), die den Prozessmittelwert repräsentiert, und der oberen (UCL) und unteren (LCL) Kontrollgrenze dar. Diese Grenzen werden typischerweise auf drei Standardabweichungen vom Mittelwert (µ ± 3σ) festgelegt und definieren den Bereich der zu erwartenden Abweichungen aufgrund üblicher Ursachen.

Die einfaktorielle ANOVA wird verwendet, um festzustellen, ob es statistisch signifikante Unterschiede zwischen den Mittelwerten von drei oder mehr unabhängigen Gruppen gibt. Sie analysiert die Auswirkung einer einzigen kategorialen unabhängigen Variable, die als Faktor bezeichnet wird, auf eine kontinuierliche abhängige Variable. Die Nullhypothese besagt, dass alle Gruppenmittelwerte gleich sind, [latex]H_0: \mu_1 = \mu_2 = \dots = \mu_k[/latex].

Das Primzahltheorem beschreibt die asymptotische Verteilung der Primzahlen unter den ganzen Zahlen. Es besagt, dass die Primzahlzählfunktion [latex]\pi(x)[/latex], die die Anzahl der Primzahlen kleiner oder gleich [latex]x[/latex] angibt, asymptotisch äquivalent zu [latex]x / \ln(x)[/latex] ist. Formal ist [latex]\lim_{x \bis \infty} \frac{\pi(x)}{x/\ln(x)} = 1[/latex]. Dies stellt eine grundlegende Verbindung zwischen Primzahlen und dem natürlichen Logarithmus her.

Eine Statistik, die die Anpassungsgüte eines Modells angibt und den Anteil der Varianz in der abhängigen Variablen darstellt, der durch die unabhängige(n) Variable(n) vorhersagbar ist. Ein R² von 1 bedeutet eine perfekte Anpassung, während 0 keine lineare Beziehung anzeigt. Es wird berechnet als [latex]R^2 \equiv 1 - \frac{SS_{res}}{SS_{tot}}[/latex], wobei [latex]SS_{res}[/latex] die Summe der Restquadrate ist.

Der Fredholm-Index verallgemeinert den Rang-Nullitäts-Satz auf unendliche Dimensionen wie Banach-Räume. Für einen Fredholm-Operator [latex]T: X \to Y[/latex] ist sein Index definiert als [latex]\text{ind}(T) = \dim(\ker(T)) - \dim(\text{coker}(T))[/latex], wobei die Dimension des Cokernels misst, wie weit das Bild vom gesamten Raum entfernt ist. Dieser Index ist ein stabiler ganzzahliger Wert unter kleinen Störungen des Operators.

Ein topologischer Raum ist ein geordnetes Paar [latex](X, \tau)[/latex], wobei [latex]X[/latex] eine Menge und [latex]\tau[/latex] eine Sammlung von Teilmengen von [latex]X[/latex], so genannte offene Mengen, ist, die drei Axiome erfüllen: 1) Die leere Menge [latex]\emptyset[/latex] und [latex]X[/latex] selbst sind in [latex]\tau[/latex]. 2) Die Vereinigung einer beliebigen Anzahl von Mengen in [latex]\tau[/latex] ist auch in [latex]\tau[/latex]. 3) Die Schnittmenge einer beliebigen endlichen Anzahl von Mengen in [latex]\tau[/latex] ist auch in [latex]\tau[/latex].

Die Zermelo-Fraenkel-Mengenlehre, kurz ZFC (mit Auswahlaxiom), ist das Standardaxiomsystem der modernen Mathematik. Sie besteht aus einer Sammlung von Axiomen, die in Prädikatenlogik erster Stufe formuliert sind und die Eigenschaften von Mengen formalisieren. Nahezu alle heute gebräuchlichen mathematischen Theoreme lassen sich mit ZFC formulieren und beweisen.

Die Varianzanalyse (ANOVA) ist ein statistisches Verfahren, das die beobachtete Variabilität eines Datensatzes in Komponenten aufteilt, die unterschiedlichen Quellen zuzuordnen sind. Die Kernidee besteht darin, die Varianz zwischen den Mittelwerten verschiedener Gruppen mit der Varianz innerhalb dieser Gruppen zu vergleichen. Ist die Varianz zwischen den Gruppen signifikant größer, deutet dies darauf hin, dass die Gruppenmittelwerte tatsächlich unterschiedlich sind.

Die Courant-Friedrichs-Lewy-Bedingung (CFL) ist ein notwendiges Stabilitätskriterium für numerische Lösungen von hyperbolischen partiellen Differentialgleichungen mit expliziten Zeitintegrationsverfahren. Sie besagt, dass die Zeitschrittweite so klein sein muss, dass die Information nicht weiter als eine räumliche Gitterzelle pro Zeitschritt wandert. Für einen 1D-Fall ist [latex]C = u \frac{\Delta t}{\Delta x} \le C_{max}[/latex], was die numerische Stabilität gewährleistet.

Damit die Ergebnisse einer ANOVA als gültig gelten, müssen mehrere wichtige Annahmen über die Daten erfüllt sein. Diese sind: (1) Unabhängigkeit der Beobachtungen, d. h. die Fehler sind nicht korreliert. (2) Normalität, d. h. die Residuen für jede Gruppe sind annähernd normal verteilt. (3) Homoskedastizität oder Homogenität der Varianzen, d. h. die Varianz der Residuen ist in allen Gruppen gleich.