{"id":539,"date":"2023-07-29T13:54:31","date_gmt":"2023-07-29T13:54:31","guid":{"rendered":"https:\/\/statorials.org\/de\/cdf-vs-pdf\/"},"modified":"2023-07-29T13:54:31","modified_gmt":"2023-07-29T13:54:31","slug":"cdf-vs-pdf","status":"publish","type":"post","link":"https:\/\/statorials.org\/de\/cdf-vs-pdf\/","title":{"rendered":"Cdf oder pdf: was ist der unterschied?"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Dieses Tutorial bietet eine einfache Erkl\u00e4rung des Unterschieds zwischen einer PDF (Wahrscheinlichkeitsdichtefunktion) und einer CDF (kumulative Verteilungsfunktion) in der Statistik.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Zuf\u00e4llige Variablen<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Bevor wir ein PDF oder CDF definieren k\u00f6nnen, m\u00fcssen wir zun\u00e4chst Zufallsvariablen verstehen.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Eine <a href=\"https:\/\/statorials.org\/de\/zufallige-variablen\/\" target=\"_blank\" rel=\"noopener\"><strong>Zufallsvariable<\/strong><\/a> , \u00fcblicherweise mit X bezeichnet, ist eine Variable, deren Werte die numerischen Ergebnisse eines Zufallsprozesses sind. Es gibt zwei Arten von Zufallsvariablen: diskrete und kontinuierliche.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Diskrete Zufallsvariablen<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Eine <strong>diskrete Zufallsvariable<\/strong> ist eine Variable, die nur eine abz\u00e4hlbare Anzahl unterschiedlicher Werte annehmen kann, wie 0, 1, 2, 3, 4, 5 \u2026 100, 1 Million usw. Hier sind einige Beispiele f\u00fcr diskrete Zufallsvariablen:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Die H\u00e4ufigkeit, mit der eine M\u00fcnze \u201eZahl\u201c erh\u00e4lt, nachdem sie 20 Mal geworfen wurde.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Die H\u00e4ufigkeit, mit der ein W\u00fcrfel auf der Zahl <em>4<\/em> landet, nachdem er 100 Mal gew\u00fcrfelt wurde.<\/span><\/li>\n<\/ul>\n<h3> <span style=\"color: #000000;\"><strong>Kontinuierliche Zufallsvariablen<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Eine <strong>kontinuierliche Zufallsvariable<\/strong> ist eine Variable, die unendlich viele m\u00f6gliche Werte annehmen kann. Hier sind einige Beispiele f\u00fcr kontinuierliche Zufallsvariablen:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Gr\u00f6\u00dfe einer Person<\/span><\/li>\n<li> <span style=\"color: #000000;\">Gewicht eines Tieres<\/span><\/li>\n<li> <span style=\"color: #000000;\">Die Zeit, die man braucht, um eine Meile zu laufen<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Die K\u00f6rpergr\u00f6\u00dfe einer Person k\u00f6nnte beispielsweise 60,2 Zoll, 65,2344 Zoll, 70,431222 Zoll usw. betragen. Es gibt unendlich viele m\u00f6gliche Werte f\u00fcr die Gr\u00f6\u00dfe.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><span style=\"text-decoration: underline;\">Allgemeine Faustregel:<\/span> Wenn Sie die Anzahl der Ergebnisse <i>z\u00e4hlen<\/i> k\u00f6nnen, dann arbeiten Sie mit einer diskreten Zufallsvariablen (z. B. z\u00e4hlen Sie, wie oft eine M\u00fcnze \u201eKopf\u201c zeigt). Wenn Sie das Ergebnis jedoch <i>messen<\/i> k\u00f6nnen, arbeiten Sie mit einer kontinuierlichen Zufallsvariablen (z. B. Gr\u00f6\u00dfe, Gr\u00f6\u00dfe, Gewicht, Zeit usw.).<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Wahrscheinlichkeitsdichtefunktionen<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Eine <strong>Wahrscheinlichkeitsdichtefunktion<\/strong> (PDF) gibt uns die Wahrscheinlichkeit an, mit der eine Zufallsvariable einen bestimmten Wert annimmt.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Angenommen, wir w\u00fcrfeln einmal. Wenn wir <em>x<\/em> die Zahl bezeichnen, auf der die W\u00fcrfel landen, dann kann die Wahrscheinlichkeitsdichtefunktion f\u00fcr das Ergebnis wie folgt beschrieben werden:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>P(x &lt; 1)<\/strong> : 0<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>P(x = 1)<\/strong> : 1\/6<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>P(x = 2)<\/strong> : 1\/6<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>P(x = 3)<\/strong> : 1\/6<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>P(x = 4)<\/strong> : 1\/6<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>P(x = 5)<\/strong> : 1\/6<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>P(x = 6)<\/strong> : 1\/6<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>P(x &gt; 6)<\/strong> : 0<\/span><\/p>\n<p> <span style=\"color: #000000;\">Beachten Sie, dass dies ein Beispiel f\u00fcr eine diskrete Zufallsvariable ist, da <em>x<\/em> nur ganzzahlige Werte annehmen kann.<\/span><\/p>\n<p> <span style=\"color: #000000;\">F\u00fcr eine kontinuierliche Zufallsvariable k\u00f6nnen wir kein PDF direkt verwenden, da die Wahrscheinlichkeit, dass <em>x<\/em> einen exakten Wert annimmt, Null ist.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Angenommen, wir m\u00f6chten die Wahrscheinlichkeit wissen, dass ein Hamburger aus einem bestimmten Restaurant ein Viertel Pfund (0,25 Pfund) wiegt. Da <em>das Gewicht<\/em> eine kontinuierliche Variable ist, kann es unendlich viele Werte annehmen.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Beispielsweise k\u00f6nnte ein bestimmter Hamburger tats\u00e4chlich 0,250001 Pfund, 0,24 Pfund oder 0,2488 Pfund wiegen. Die Wahrscheinlichkeit, dass ein bestimmter Hamburger genau 0,25 Pfund wiegt, ist praktisch Null.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Kumulative Verteilungsfunktionen<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Eine <strong>kumulative Verteilungsfunktion<\/strong> (cdf) gibt uns die Wahrscheinlichkeit an, dass eine Zufallsvariable einen Wert kleiner oder gleich <em>x<\/em> annimmt.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Angenommen, wir w\u00fcrfeln einmal. Wenn wir <em>x<\/em> die Zahl bezeichnen, auf der die W\u00fcrfel landen, dann kann die kumulative Verteilungsfunktion des Ergebnisses wie folgt beschrieben werden:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>P(x \u2264 0)<\/strong> : 0<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>P(x \u2264 1)<\/strong> : 1\/6<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>P(x \u2264 2)<\/strong> : 2\/6<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>P(x \u2264 3)<\/strong> : 3\/6<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>P(x \u2264 4)<\/strong> : 4\/6<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>P(x \u2264 5)<\/strong> : 5\/6<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>P(x \u2264 6)<\/strong> : 6\/6<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>P(x &gt; 6)<\/strong> : 0<\/span><\/p>\n<p> <span style=\"color: #000000;\">Beachten Sie, dass die Wahrscheinlichkeit, dass <em>x<\/em> kleiner oder gleich <em>6<\/em> ist, 6\/6 betr\u00e4gt, was gleich 1 ist. Dies liegt daran, dass die W\u00fcrfel mit einer Wahrscheinlichkeit von 100 % auf 1, 2, 3, 4, 5 oder 6 landen.<\/span><\/p>\n<p> <span style=\"color: #000000;\">In diesem Beispiel wird eine diskrete Zufallsvariable verwendet, aber eine kontinuierliche Dichtefunktion kann auch f\u00fcr eine kontinuierliche Zufallsvariable verwendet werden.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Kumulative Verteilungsfunktionen haben die folgenden Eigenschaften:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Die Wahrscheinlichkeit, dass eine Zufallsvariable einen Wert annimmt, der kleiner als der kleinstm\u00f6gliche Wert ist, ist Null. Beispielsweise ist die Wahrscheinlichkeit, dass ein W\u00fcrfel auf einem Wert kleiner als 1 landet, Null.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Die Wahrscheinlichkeit, dass eine Zufallsvariable einen Wert annimmt, der kleiner oder gleich dem gr\u00f6\u00dftm\u00f6glichen Wert ist, betr\u00e4gt eins. Beispielsweise ist die Wahrscheinlichkeit, dass ein W\u00fcrfel auf einem Wert von 1, 2, 3, 4, 5 oder 6 landet, eins. Es muss auf einer dieser Nummern landen.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Der CDF nimmt immer nicht ab. Das hei\u00dft, die Wahrscheinlichkeit, dass ein W\u00fcrfel auf eine Zahl kleiner oder gleich 1 f\u00e4llt, betr\u00e4gt 1\/6, die Wahrscheinlichkeit, dass er auf eine Zahl kleiner oder gleich 2 f\u00e4llt, betr\u00e4gt 2\/6, die Wahrscheinlichkeit, auf a zu fallen Zahl kleiner oder gleich 3 ist 3\/6 usw. Die kumulativen Wahrscheinlichkeiten nehmen immer nicht ab.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\"><strong>Verwandt:<\/strong> Sie k\u00f6nnen ein <a href=\"https:\/\/statorials.org\/de\/excel-sprengkopf\/\" target=\"_blank\" rel=\"noopener\">Ogivendiagramm<\/a> verwenden, um eine kumulative Verteilungsfunktion zu visualisieren.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Die Beziehung zwischen einem CDF und einem PDF<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Technisch gesehen ist eine Wahrscheinlichkeitsdichtefunktion (pdf) die Ableitung einer kumulativen Verteilungsfunktion (cdf).<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dar\u00fcber hinaus ist die Fl\u00e4che unter der Kurve einer PDF zwischen negativer Unendlichkeit und <em>x<\/em> gleich dem Wert von <em>x<\/em> auf der CDF.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Eine ausf\u00fchrliche Erkl\u00e4rung der Beziehung zwischen einem PDF und einem CDF sowie den Beweis, warum das PDF die Ableitung des CDF ist, finden Sie in einem Statistiklehrbuch.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Dieses Tutorial bietet eine einfache Erkl\u00e4rung des Unterschieds zwischen einer PDF (Wahrscheinlichkeitsdichtefunktion) und einer CDF (kumulative Verteilungsfunktion) in der Statistik. Zuf\u00e4llige Variablen Bevor wir ein PDF oder CDF definieren k\u00f6nnen, m\u00fcssen wir zun\u00e4chst Zufallsvariablen verstehen. Eine Zufallsvariable , \u00fcblicherweise mit X bezeichnet, ist eine Variable, deren Werte die numerischen Ergebnisse eines Zufallsprozesses sind. Es gibt [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>CDF oder PDF: Was ist der Unterschied? - Statistik<\/title>\n<meta name=\"description\" content=\"Eine einfache Erkl\u00e4rung des Unterschieds zwischen einer PDF (Wahrscheinlichkeitsdichtefunktion) und einer CDF (kumulative Verteilungsfunktion).\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/de\/cdf-vs-pdf\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"CDF oder PDF: Was ist der Unterschied? - Statistik\" \/>\n<meta property=\"og:description\" content=\"Eine einfache Erkl\u00e4rung des Unterschieds zwischen einer PDF (Wahrscheinlichkeitsdichtefunktion) und einer CDF (kumulative Verteilungsfunktion).\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/de\/cdf-vs-pdf\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-29T13:54:31+00:00\" \/>\n<meta name=\"author\" content=\"Dr. Benjamin Anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Dr. Benjamin Anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"4 Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/de\/cdf-vs-pdf\/\",\"url\":\"https:\/\/statorials.org\/de\/cdf-vs-pdf\/\",\"name\":\"CDF oder PDF: Was ist der Unterschied? - Statistik\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/de\/#website\"},\"datePublished\":\"2023-07-29T13:54:31+00:00\",\"dateModified\":\"2023-07-29T13:54:31+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0\"},\"description\":\"Eine einfache Erkl\u00e4rung des Unterschieds zwischen einer PDF (Wahrscheinlichkeitsdichtefunktion) und einer CDF (kumulative Verteilungsfunktion).\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/de\/cdf-vs-pdf\/#breadcrumb\"},\"inLanguage\":\"de-DE\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/de\/cdf-vs-pdf\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/de\/cdf-vs-pdf\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Heim\",\"item\":\"https:\/\/statorials.org\/de\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Cdf oder pdf: was ist der unterschied?\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/de\/#website\",\"url\":\"https:\/\/statorials.org\/de\/\",\"name\":\"Statorials\",\"description\":\"Ihr Leitfaden f\u00fcr statistische Kompetenz !\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/de\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de-DE\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0\",\"name\":\"Dr. Benjamin Anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de-DE\",\"@id\":\"https:\/\/statorials.org\/de\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"caption\":\"Dr. Benjamin Anderson\"},\"description\":\"Hallo, ich bin Benjamin, ein pensionierter Statistikprofessor, der sich zum engagierten Statorials-Lehrer entwickelt hat. Mit umfassender Erfahrung und Fachwissen auf dem Gebiet der Statistik bin ich bestrebt, mein Wissen zu teilen, um Studenten durch Statorials zu bef\u00e4higen. Mehr wissen\",\"sameAs\":[\"https:\/\/statorials.org\/de\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"CDF oder PDF: Was ist der Unterschied? - Statistik","description":"Eine einfache Erkl\u00e4rung des Unterschieds zwischen einer PDF (Wahrscheinlichkeitsdichtefunktion) und einer CDF (kumulative Verteilungsfunktion).","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/de\/cdf-vs-pdf\/","og_locale":"de_DE","og_type":"article","og_title":"CDF oder PDF: Was ist der Unterschied? - Statistik","og_description":"Eine einfache Erkl\u00e4rung des Unterschieds zwischen einer PDF (Wahrscheinlichkeitsdichtefunktion) und einer CDF (kumulative Verteilungsfunktion).","og_url":"https:\/\/statorials.org\/de\/cdf-vs-pdf\/","og_site_name":"Statorials","article_published_time":"2023-07-29T13:54:31+00:00","author":"Dr. Benjamin Anderson","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"Dr. Benjamin Anderson","Gesch\u00e4tzte Lesezeit":"4 Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/de\/cdf-vs-pdf\/","url":"https:\/\/statorials.org\/de\/cdf-vs-pdf\/","name":"CDF oder PDF: Was ist der Unterschied? - Statistik","isPartOf":{"@id":"https:\/\/statorials.org\/de\/#website"},"datePublished":"2023-07-29T13:54:31+00:00","dateModified":"2023-07-29T13:54:31+00:00","author":{"@id":"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0"},"description":"Eine einfache Erkl\u00e4rung des Unterschieds zwischen einer PDF (Wahrscheinlichkeitsdichtefunktion) und einer CDF (kumulative Verteilungsfunktion).","breadcrumb":{"@id":"https:\/\/statorials.org\/de\/cdf-vs-pdf\/#breadcrumb"},"inLanguage":"de-DE","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/de\/cdf-vs-pdf\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/de\/cdf-vs-pdf\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Heim","item":"https:\/\/statorials.org\/de\/"},{"@type":"ListItem","position":2,"name":"Cdf oder pdf: was ist der unterschied?"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/de\/#website","url":"https:\/\/statorials.org\/de\/","name":"Statorials","description":"Ihr Leitfaden f\u00fcr statistische Kompetenz !","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/de\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de-DE"},{"@type":"Person","@id":"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0","name":"Dr. Benjamin Anderson","image":{"@type":"ImageObject","inLanguage":"de-DE","@id":"https:\/\/statorials.org\/de\/#\/schema\/person\/image\/","url":"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","contentUrl":"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","caption":"Dr. Benjamin Anderson"},"description":"Hallo, ich bin Benjamin, ein pensionierter Statistikprofessor, der sich zum engagierten Statorials-Lehrer entwickelt hat. Mit umfassender Erfahrung und Fachwissen auf dem Gebiet der Statistik bin ich bestrebt, mein Wissen zu teilen, um Studenten durch Statorials zu bef\u00e4higen. Mehr wissen","sameAs":["https:\/\/statorials.org\/de"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/posts\/539"}],"collection":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/comments?post=539"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/posts\/539\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/media?parent=539"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/categories?post=539"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/tags?post=539"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}