Klausur in Biomathematik WS 2005 / 2006 Montag, den 6. Februar 2006

Größe: px
Ab Seite anzeigen:

Download "Klausur in Biomathematik WS 2005 / 2006 Montag, den 6. Februar 2006"

Transkript

1 Name: Klausur in Biomathematik WS 2005 / 2006 Montag, den 6. Februar 2006 Matrikelnummer: Unterschrift: Aufgabe 1: Deskriptive Statistik Im Rahmen einer klinischen Studie werden 28 Patienten entsprechend ihres Therapieerfolgs eingeteilt in Kategorien, die mit 0 (Patient verstorben), 1 (Zustand verschlechtert), 2 (Zustand unverändert), 3 (Zustand gebessert) und 4 (vollständige Heilung) bezeichnet werden. Welche Aussage trifft zu? A. Es handelt sich um ein quantitatives Merkmal. B. Die Standardabweichung ist bei diesem Merkmal ein geeignetes Maß, um die Streuung der Daten zu quantifizieren. C. Ein Median von 3,5 besagt, dass bei 14 Patienten eine vollständige Heilung eingetreten ist. D. Die Spannweite ist maximal 3. E. Das Merkmal kann für praktische Analysen wie ein intervall-skaliertes Merkmal behandelt werden. Das Merkmal ist ordinal skaliert und nicht quantitativ (A und damit auch E falsch). Die Berechnung der Standardabweichung setzt ein quantitatives Merkmal voraus (B falsch). Die Spannweite ist 4, wenn manche Patienten versterben und andere vollständig geheilt werden (D falsch). C folgt aus der Definition des Medians. Aufgabe 2: Induktive Statistik Welche Aussage bezüglich des U-Tests von Mann und Whitney gilt nicht? A. Dieser Test kann verwendet werden, um die Mittelwerte zweier unverbundener Stichproben zu vergleichen. B. Der U-Test hat weniger Voraussetzungen als der t-test für zwei unverbundene Stichproben. C. Der U-Test kann auch bei schiefen Verteilungen angewandt werden. D. Bei einem signifikanten Testergebnis ist es sinnvoll, basierend auf der t-verteilung ein Konfidenzintervall für die Differenz der Mittelwerte zu berechnen. E. Der U-Test basiert auf den Rängen der Stichprobenwerte. Der U-Test kann anstelle des t-tests für 2 unverbundene Stichproben verwendet werden (A richtig). Er setzt im Gegensatz zum t-test keine besondere Verteilung voraus (B und C richtig). In die Berechnung der Prüfgröße fließen nicht die Original-Werte, sondern deren Ränge ein (E richtig). Man wird den U-Test nur dann anwenden, wenn die Voraussetzungen des t-tests (Normalverteilung) nicht erfüllt sind. Wenn die Normalverteilung gegeben ist, kann man auch das Konfidenzintervall (das auf der t-verteilung basiert) berechnen. Ein Konfidenzintervall als Ergänzung zum U-Test ist jedoch nicht sinnvoll (wenn man ein Konfidenzintervall berechnet, sollte man auch t-test nehmen).

2 Aufgabe 3: Wahrscheinlichkeitsrechnung Bei einem bestimmten Personenkreis beträgt die Prävalenz einer Krankheit 0,01. X sei die Zufallsvariable, die die Anzahl der erkrankten Personen bei einer Stichprobe von 150 Personen quantifiziert. Welche der folgenden Aussagen ist falsch? A. X ist binomialverteilt : X ~ B(150;0,01). B. In diesem Fall kann die Binomialverteilung durch eine Poissonverteilung approximiert werden. C. Der Erwartungswert und die Varianz von X betragen 1,5. D. Theoretisch kann X alle Werte zwischen 0 und 150 annehmen; die dazugehörenden Wahrscheinlichkeiten sind größer als 0. E. Die Wahrscheinlichkeit, dass mehr als eine Person der Stichprobe erkrankt 1,5 ist, beträgt P ( X > 1) = 1 1,5 e = 0, 665. Es gibt zwei mögliche Ereignisse: Patient ist krank oder er ist nicht krankt. Insofern ist X binomialverteilt (A richtig). Da hier n = 150 groß und p = 0,01 klein ist, kann man die Binomialverteilung durch eine Poissonverteilung approximieren (B richtig). Bei der Poissonverteilung stimmen Erwartungswert und Varianz überein als λ= np = 1, 5 (C richtig). Theoretisch kann es zwischen 0 und 150 erkrankte Personen in der Stichprobe geben (D richtig). Die Wahrscheinlichkeiten, dass niemand bzw. genau eine Person erkrankt ist, betragen 1,5 PX ( 0) e 1,5 = = = 0, 223 bzw. PX ( = 1) = 1,5 e = 0,335. Damit ist die Wahrscheinlichkeit, 1,5 1,5 dass mehr als eine Person erkrankt ist, PX ( > 1) = 1 ( e + 1,5 e ) = 0, 442. Aufgabe 4: Deskriptive Statistik Welche der folgenden statistischen Kenngrößen sind niemals negativ? Standardabweichung Modus Spannweite Korrelationskoeffizient Bestimmtheitsmaß relative Häufigkeit Steigung einer Regressionsgeraden A. alle B. keine einzige C. nur die Streuungsmaße D. nur der Korrelationskoeffizient und das Bestimmtheitsmaß E. alle außer dem Modus, dem Korrelationskoeffizienten und der Steigung der Regressionsgeraden Niemals negativ (also immer positiv oder 0) sind die Standardabweichung, die Spannweite, das Bestimmtheitsmaß und die relative Häufigkeit. Der Korrelationskoeffizient hat einen Wertebereich zwischen -1 und +1; die Steigung der Regressionsgeraden kann ebenfalls negativ sein. Daher ist E richtig; die anderen Antworten sind falsch. Aufgabe 5: Induktive Statistik Wir betrachten eine hypothetische Studie, in der 20 Frauen, die ein krankes Baby zur Welt gebracht hatten (Fälle), befragt wurden, ob sie zu Beginn ihrer Schwangerschaft einem bestimmten Risikofaktor ausgesetzt waren. Ihnen wurden 20 Frauen gegenübergestellt, die ein gesundes Baby geboren hatten und ebenfalls befragt (Kontrollen). Die Häufigkeiten sind in der unten stehenden Tabelle eingetragen. Mit dem Chi 2 -Vierfeldertest ergab sich eine Prüfgröße χ 2 = 2, 67 und p = 0, Getestet wurde auf dem Niveau α = 0, 05. Was folgt aus diesen Werten?

3 exponiert ja nein Fälle Kontrollen A. Die Fälle sind 2,67-fach stärker exponiert als die Kontrollen. B. Damit ist nachgewiesen, dass es keinen Zusammenhang gibt zwischen dem Risikofaktor und der Krankheit der Babys. C. Die Wahrscheinlichkeit, dass ein Zusammenhang besteht, beträgt 10,25 %. D. Wenn alle Häufigkeiten im Innern der Tabelle verdoppelt werden würden, ergäbe sich ein signifikantes Ergebnis. E. Ob die Voraussetzungen des Chi 2 -Vierfeldertests erfüllt sind, kann anhand der vorliegenden Informationen nicht beurteilt werden. χ 2 = 2,67 ist lediglich die Prüfgröße (A ist falsch); daraus resultiert die Irrtumswahrscheinlichkeit p = 0, Sie quantifiziert die Wahrscheinlichkeit, dass die beobachteten Häufigkeiten unter der Nullhypothese (also rein zufällig) zustande kommen (C ist falsch). Das Testergebnis ist zwar nicht signifikant; daraus folgt jedoch nicht, dass es generell keinen Zusammenhang gibt (B falsch). D ist korrekt; das wurde in der letzten Übungsstunde besprochen. Die Prüfgröße verdoppelt sich ebenfalls und man erhält χ 2 = 5,34 > 3,84. Dieser Wert ist signifikant. Die Voraussetzungen sind erfüllt, wenn alle erwarteten Häufigkeiten mindestens 5 betragen; die erwarteten Häufigkeiten kann man anhand der beobachteten Häufigkeiten ausrechnen (daher ist E falsch). Aufgabe 6: Wahrscheinlichkeitsrechnung Der BMI (Body-Mass-Index) einer männlichen Population sei normalverteilt mit dem Erwartungswert µ = 26 und der Standardabweichung σ= 4. Welche Aussage gilt nicht? A. Der Median beträgt µ ~ = 26. B. Innerhalb des Intervalls [22 ; 30] liegen etwa 68 % aller BMI-Werte. C. Bei kleinerer Standardabweichung wird die Glockenkurve (grafische Darstellung der Dichtefunktion) breiter. D. Die Wahrscheinlichkeit, dass ein Mann aus dieser Population einen Wert hat, der kleiner ist als 18, beträgt etwa 2,5 %. E. Die Fläche unter der Dichtefunktion beträgt bei jeder normalverteilten Zufallsvariablen 1. Die Normalverteilung ist symmetrisch; daher ist der Erwartungswert mit dem Median identisch (A richtig). Bei jeder Normalverteilung liegen innerhalb der Grenzen µ ±σ 68 % aller Werte (B richtig). Bei kleinerer Streuung liegen die Werte näher am Erwartungswert; die Glockenkurve wird schmaler und höher (C falsch). Innerhalb der Grenzen µ ± 2σ liegen etwa 95 % aller Werte; jenseits dieser Grenzen etwa 2,5 % (D richtig). Die Fläche unter der Kurve ist die Gesamtwahrscheinlichkeit; sie beträgt immer 1 (E richtig). Aufgabe 7: Deskriptive Statistik In manchen Fällen ist es zweckmäßig, bei quantitativen Merkmalen anstelle der Original- Messwerte x i transformierte Werte x i c zum Rechnen zu benutzen (wobei c > 0 ). Wie ändern sich durch die Transformation der Mittelwert, der Median und die Standardabweichung?

4 A. Alle drei Maßzahlen werden ebenfalls um den Betrag c kleiner. B. Die Lagemaße werden um den Betrag c kleiner, die Standardabweichung ändert sich nicht. C. Alle drei Maßzahlen bleiben unverändert. D. Nur der Mittelwert ändert sich; der Median und die Standardabweichung bleiben von der Transformation unbeeinflusst. E. Der Mittelwert und der Median werden um c kleiner; die Standardabweichung s ändert sich zu c s. Aus der Definition der Lagemaße ergibt sich, dass sie ebenfalls um c kleiner werden (beim Median bleibt lediglich die Rangzahl unverändert). Aus der Definition der Streuungsmaße ergibt sich, dass diese von der Transformation unbeeinflusst sind. Daher ist B richtig und der Rest falsch. Aufgabe 8: Induktive Statistik Welche Aussage gilt bezüglich des McNemar-Tests nicht? A. Alle Häufigkeiten im Innern der Vierfelder-Tafel fließen in die Berechnung der Prüfgröße ein. B. Der Test eignet sich zum Vergleich 2er verbundener Stichproben bezüglich eines Alternativmerkmals. C. Er basiert auf der Chi 2 -Verteilung. D. Der Unterschied zwischen den beiden Stichproben ist statistisch signifikant, wenn die Prüfgröße größer ist als 3,841 (für α = 0, 05 ). E. Der McNemar-Test eignet sich bei Cross-Over-Studien, wenn die Zielgröße ein Alternativmerkmal darstellt. Das haben wir in der letzten Übungsstunde behandelt: In die Berechnung der Prüfgröße fließen nur die Häufigkeiten, die für die Ungleichheit der beiden Stichproben sprechen. Daher ist A falsch. B und E ergeben sich aus der Beschreibung des McNemar-Tests. Es handelt sich um eine Variante des Chi 2 -Tests (bei dem erwartete mit beobachteten Häufigkeiten verglichen werden); C ist richtig. Der kritische Wert ist 3,841 wie bei allen Vierfeldertests (D stimmt). Aufgabe 9: Wahrscheinlichkeitsrechnung Bei einem diagnostischen Test beträgt die Sensitivität 98 %. Was bedeutet dies? A. Die Wahrscheinlichkeit, dass eine nicht erkrankte Person einen negativen Befund erhält, beträgt 98 %. B. Die Wahrscheinlichkeit, dass der Test ein korrektes Ergebnis liefert, beträgt 98 %. C. Die Wahrscheinlichkeit, dass eine Person mit einem positiven Testergebnis erkrankt ist, beträgt 98 %. D. Die Wahrscheinlichkeit, dass eine erkrankte Person fälschlicherweise ein negatives Ergebnis erhält, beträgt 2 %. E. Die Wahrscheinlichkeit, dass eine Person mit einem negativen Ergebnis tatsächlich nicht erkrankt ist, beträgt 98 %. Die Sensitivität bezieht sich auf kranke Personen, die getestet werden: Es handelt sich um die Wahrscheinlichkeit, dass der Test eine vorhandene Krankheit erkennt. Aus einer Sensitivität von 98 % ergibt sich, dass bei 2 % aller Kranken die Krankheit nicht erkannt wird (also ist D korrekt). A ist die Spezifität; B ist die accuracy (wird selten verwendet); C ist die positive Vorhersagewert (sollte nicht mit der Sensitivtät verwechselt werden); E ist der negative Vorhersagewert.

5 Aufgabe 10: Deskriptive Statistik Bei 122 Patienten mit Lungenfibrose wird der maximale statische inspiratorische Druck PImax als Maß für die Lungenfunktion bestimmt. Es ergeben sich folgende Maßzahlen (jeweils in cm H 2 O): x = 91, 7, ~ x = 76 und s = 22, 4. Der kleinste Wert liegt bei 48, der größte bei 140 cm H 2 O. Welche Aussage folgt aus diesen Angaben nicht? A. Der Stichprobenverteilung ist schief. B. Die Spannweite beträgt 92 cm H 2 O. C. Die Hälfte der Patienten hat einen PImax-Wert, der größer ist als 91,7 cm H 2 0. D. Wenn man die Patienten, deren Wert über 120 cm H 2 0 liegt, aus der Stichprobe eliminiert, verringern sich der Mittelwert und die Standardabweichung. E. Der Median ist gegenüber Ausreißern weniger empfindlich als der Mittelwert. Wenn Mittelwert und Median stark voneinander abweichen, ist die Verteilung schief (A). Die Spannweite berechnet sich einfach aus der Differenz zwischen Maximum und Minimum (B). C ist falsch: Jeweils die Hälfte der Patienten hat einen Wert, der über bzw. unter dem Median liegt (also hier über 76). Wenn man die großen Ausreißer am rechten Rand eliminiert, wird der Mittelwert kleiner und die Verteilung weniger schief; daher verringert sich die Standardabweichung (Antwort D). Antwort E ergibt sich aus der Definition des Medians. Aufgabe 11: Induktive Statistik In einer klinischen Studie wird bei 17 Patienten der systolische Blutdruck vor und nach einer Therapie gemessen. Um die beiden Mittelwerte zu vergleichen, soll ein zweiseitiger t- Test für zwei verbundene Stichproben durchgeführt werden (mit α = 5% ). Welche Aussage ist falsch? A. Das Konfidenzintervall sollte zusätzlich zum p-wert angegeben werden, um die Größe des Unterschieds abschätzen zu können. B. Ein hoher Stichprobenumfang trägt dazu bei, dass der p-wert klein und das Konfidenzintervall schmal wird. C. Die Differenzen vorher nachher müssen annähernd normalverteilt sein. D. Falls der p-wert größer ist als 0,05, ist das Ergebnis nicht statistisch signifikant. E. Der Wilcoxon-Test für zwei verbundene Stichproben enthält weniger Voraussetzungen als der t-test und ist daher in jedem Fall besser geeignet. A ist korrekt; das ist der Sinn eines Konfidenzintervalls. Ein größerer Stichprobenumfang bedeutet bessere Schätzeigenschaften (B ist korrekt). C beschreibt die Voraussetzungen des t-tests für 2 verbundene Stichproben. Das Ergebnis ist signifikant für p < 0,05 und nicht signifikant für p > 0,05 (D korrekt). E ist falsch: Der Wilcoxon-Test enthält wirklich weniger Voraussetzungen; er hat jedoch, wenn die Voraussetzungen des t-tests erfüllt sind, eine geringere Power. Deshalb ist er nicht generell zu bevorzugen. Aufgabe 12: Wahrscheinlichkeitsrechnung In einer gynäkologischen Klinik wird routinemäßig jede Frau auf das Vorhandenseins eines Mammakarzinoms untersucht. Dabei werden die Mammographie und die Palpation angewandt; die Testergebnisse dieser beiden Methoden seien unabhängig voneinander. Die Wahrscheinlichkeit bei einer erkrankten Frau, ein Karzinom mit Mammographie zu entdecken, betrage 90%; bei der Palpation liegt diese Wahrscheinlichkeit nur bei 50%. Wie groß ist dann die Wahrscheinlichkeit, dass ein vorhandenes Karzinom bei einer Frau nicht entdeckt wird?

6 A. 1 % B. 5 % C. 10 % D. 50 % E. 45 % Das ergibt sich aus dem Additionssatz. Die Wahrscheinlichkeit, ein Karzinom mit einer der beiden Methoden ist entdecken, ist PMa ( Pa) = 0,90 + 0,50 0,90 0,50 = 0,95. Also ist die Wahrscheinlichkeit, das Karzinom nicht zu entdecken 1 0,95= 0,05. Aufgabe 13: Deskriptive Statistik Für eine große Stichprobe, bestehend aus erwachsenen Männern zwischen 25 und 70 Jahren, wurde der Zusammenhang zwischen Alter und Cholesterin bestimmt. Als Regressionsgerade ergab sich y = 1, , 058 x (wobei x das Alter in Jahren und y den Cholesteringehalt in mg/ml bezeichnet). Der Korrelationskoeffizient nach Pearson hatte einen Betrag von 0,95. Was folgt aus diesen Angaben nicht zwangsläufig? A. Der Cholesteringehalt eines Jungen beträgt bei der Geburt durchschnittlich 1,163 mg/ml. B. Der Cholesteringehalt nimmt mit fortschreitendem Alter zu. C. Der Korrelationskoeffizient ist positiv. D. Die Variabilität des Cholesteringehalts ist zu etwa 90 % durch den Einfluss des Alters bedingt. E. Der Cholesteringehalt eines 50-jährigen Mannes ist durchschnittlich 1,16 mg/ml höher als der Cholesteringehalt eines 30-jährigen. Man sollte nicht über den Beobachtungsbereich hinaus extrapolieren; daher folgt A nicht zwangsläufig. Aus der Gleichung der Regressionsgeraden folgt B. Da die Steigung positiv ist (hier 0,058), ist auch der Korrelationskoeffizient positiv (also C). Die 90 % in Antwort D ergeben sich aus dem Bestimmtheitsmaß r 2 = 0,95 2 = 0,9025. Antwort E ergibt sich aus der Gleichung der Regressionsgeraden ( 20 0,058 = 1,16 ). Aufgabe 14: Induktive Statistik Um einen Mittelwert besser schätzen zu können, wird häufig ein 2-seitiges Konfidenzintervall basierend auf der t-verteilung konstruiert. Welche Aussage ist falsch? A. Ein hoher Stichprobenumfang n trägt dazu bei, dass die Breite des Konfidenzintervalls schmal wird. B. Der Mittelwert der Stichprobe entspricht der Intervall-Mitte. C. Die Breite des Intervalls ist abhängig von der Standardabweichung der Stichprobe. D. Je größer das Intervall ist, desto präziser ist die Schätzung. E. Man benötigt zur Konstruktion eines 95%-Konfidenzintervalls das Quantil t n 1;0, 975. s Die Formel zur Berechnung des Intervalls ist x ± tn 1;1 0,975. Die Breite ist also n s 2 t n 1;1 0,975. Das folgen A, B, C und E. D ist falsch: Je schmaler das Intervall, desto n präziser die Schätzung.

7 Aufgabe 15: Wahrscheinlichkeitsrechnung 30 Patienten sollen durch Randomisation einer der beiden Therapiegruppen Verum oder Placebo zugeordnet werden. X sei die Anzahl der Patienten in der Verum-Gruppe. Welche Aussage ist falsch? A. Der Erwartungswert von X beträgt 15; die Standardabweichung ist 7,5. B. Die Wahrscheinlichkeit, der Verum-Gruppe zugeordnet zu werden, beträgt bei jedem Patienten 0,5. C. Die Wahrscheinlichkeit, dass sich in einer Gruppe weniger als 12 Patienten befinden, beträgt 2 0,5 = 0, k= 0 k. D. Die Wahrscheinlichkeit, dass sich in der Placebogruppe genau 15 Patienten 30 befinden, beträgt P ( X = 15) = 0,5 30 = 0, E. Der Binomialkoeffizient in Antwort D quantifiziert die Anzahl der Möglichkeiten, von 30 Personen genau 15 auszuwählen. A ist falsch: Bei einer Binomialverteilung ist der Erwartungswert µ = np = 0,5 30 = 15 ; die 2 Varianz ist σ = npq = 30 0,25 = 7,5 - die Standardabweichung ist die Wurzel daraus. B ist trivialerweise richtig. Zu C: 30 0,5 k= 0 k ist die Wahrscheinlichkeit, dass in der Verum- Gruppe weniger als 12 Patienten sind; ebenso ist dies die Wahrscheinlichkeit, dass in der Placebo-Gruppe weniger als 12 Patienten sind. Gefragt ist nach der Wahrscheinlichkeit, dass in einer der beiden Gruppen weniger als 12 sind deshalb muss man den Term mit 2 multiplizieren (C ist korrekt). D ergibt sich aus der Formel der Wahrscheinlichkeitsfunktion bei der Binomialverteilung. Antwort E ergibt sich aus der Definition des Binomialkoeffizienten. Aufgabe 16: Deskriptive Statistik Wir betrachten ein Merkmal, das intervall-, aber nicht verhältnisskaliert ist. Welche Aussage trifft nicht zu? A. Die Differenz zwischen zwei Ausprägungen ist sinnvoll interpretierbar. B. Es ist ferner erlaubt und sinnvoll, aus zwei Ausprägungen deren Quotienten zu bestimmen (falls der Nenner ungleich 0 ist). C. Es gibt keinen absoluten Nullpunkt. D. Ein solches Merkmal kann diskret oder stetig sein. E. Negative Werte sind möglich. Ein Beispiel ist die Körpertemperatur in Celsius-Graden. Man kann die Differenz berechnen; es gibt keinen absoluten Nullpunkt und negative Werte sind möglich (A, C und E korrekt). Den Quotienten kann man aber nicht bestimmen (B falsch). Jedes quantitative Merkmal kann stetig oder diskret sein.

8 Aufgabe 17: Induktive Statistik Welche Aussage bezüglich statistischer Tests ist korrekt? A. Der ß-Fehler kann nicht durch den Stichprobenumfang beeinflusst werden. B. Wenn der p-wert kleiner ist als ein zuvor festgelegtes α, ist das Ergebnis statistisch signifikant. C. Ein ß-Fehler wird gemacht, wenn man fälschlicherweise die Alternativhypothese annimmt. D. Wenn der p-wert zur Beibehaltung der Nullhypothese führt, kann dies theoretisch ein α-fehler sein. E. Je größer der ß-Fehler, desto größer ist auch die Power eines Tests. B ist korrekt. Man legt als Obergrenze für die Irrtumswahrscheinlichkeit p üblicherweise α= 0,05 fest. ß ist die Wahrscheinlichkeit, bei der Nullhypothese zu bleiben, falls die Alternativhypothese richtig ist. Bei kleinem Stichprobenumfang wird dies oft passieren; d. h. der Test kann einen vorhandenen Unterschied nicht erkennen (das ist ein ß-Fehler). Deshalb ist A falsch der ß-Fehler hängt ganz wesentlich vom Stichprobenumfang ab. In den Aussagen C und D wurden der α - und der ß-Fehler verwechselt; beide Aussagen sind daher falsch. Die Power eines Tests ist 1 ß (das ist die Wahrscheinlichkeit, einen vorhandenen Unterschied zu erkennen). Also ist auch E falsch. Aufgabe 18: Wahrscheinlichkeitsrechnung Anhand einer Stichprobe soll ein Mittelwert für die Zufallsvariable diastolischer Blutdruck berechnet werden. Der Erwartungswert und die Standardabweichung der Grundgesamtheit betragen µ = 70 mmhg und σ = 12 mmhg. Wie sind dann die (theoretisch denkbaren) Mittelwerte aus Stichproben des Umfangs n = 36 verteilt? A. Die Mittelwerte sind ebenso verteilt wie die Original-Messwerte. B. Die Mittelwerte sind normalverteilt mit µ x = 70 mmhg und σ x = 12 mmhg. C. Die Mittelwerte sind normalverteilt mit µ x = 70 mmhg und σ x = 2 mmhg. D. Die Mittelwerte sind normalverteilt mit µ x = 70 mmhg und σ x =1/ 3 mmhg. E. Keine der Aussagen A bis D ist korrekt. Mittelwerte sind normalverteilt mit dem Erwartungswert wie die Grundgesamtheit und der Standardabweichung σ / n (zentraler Grenzwertsatz); also in diesem Fall µ x = 70 und σ = 12 / 36 = 12 / 6 = 2. Daraus folgt C; der Rest ist falsch. x

Klausur in Biomathematik WS 2005 / 2006 Montag, den 6. Februar 2006

Klausur in Biomathematik WS 2005 / 2006 Montag, den 6. Februar 2006 Name: Klausur in Biomathematik WS 2005 / 2006 Montag, den 6. Februar 2006 Matrikelnummer: Unterschrift: Aufgabe 1: Deskriptive Statistik Wir betrachten ein Merkmal, das intervall-, aber nicht verhältnisskaliert

Mehr

Klausur in "Biomathematik" WS 2007 / 2008 Montag, den 28. Januar 2008

Klausur in Biomathematik WS 2007 / 2008 Montag, den 28. Januar 2008 Klausur in "Biomathematik" WS 2007 / 2008 Montag, den 28. Januar 2008 Name: Matrikelnummer: Unterschrift: Aufgabe 1: Bei einer klinischen Therapiestudie wird bei allen Patienten der Wert eines quantitativen

Mehr

KLAUSUR IN BIOMATHEMATIK WS 2007/08 MONTAG, DEN 28. JANUAR 2008

KLAUSUR IN BIOMATHEMATIK WS 2007/08 MONTAG, DEN 28. JANUAR 2008 KLAUSUR IN BIOMATHEMATIK WS 2007/08 MONTAG, DEN 28. JANUAR 2008 Name: Matrikelnummer: Unterschrift: Aufgabe 1: Welche der folgenden Aussagen ist falsch? A. Der Median ist weniger stark von Ausreißern beeinflusst

Mehr

Lösungen zur Biomathe-Klausur Gruppe C Montag, den 16. Juli 2001

Lösungen zur Biomathe-Klausur Gruppe C Montag, den 16. Juli 2001 Lösungen zur Biomathe-Klausur Gruppe C Montag, den 16. Juli 2001 1. Normalverteilung Der diastolische Blutdruck bei einer Gruppe von jungen Männern ist normalverteilt mit einem Erwartungswert von 65 mmhg

Mehr

Lösungen zur Biomathe-Klausur Gruppe B Montag, den 16. Juli 2001

Lösungen zur Biomathe-Klausur Gruppe B Montag, den 16. Juli 2001 Lösungen zur Biomathe-Klausur Gruppe B Montag, den 16. Juli 2001 1. α-fehler und ß-Fehler Welche Aussage ist richtig? A. Der ß-Fehler ist unabhängig von α-fehler. Falsch. Je größer der α-fehler, umso kleiner

Mehr

Lösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001

Lösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001 Lösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001 1. Sensitivität und Spezifität In einer medizinischen Ambulanz haben 30 % der Patienten eine akute Appendizitis. 80 % dieser Patienten haben

Mehr

Klausur zur Vorlesung Biomathematik WS 2004/05. Montag, den 14. Februar 2005

Klausur zur Vorlesung Biomathematik WS 2004/05. Montag, den 14. Februar 2005 Klausur zur Vorlesung Biomathematik WS 2004/05 Montag, den 14. Februar 2005 Name (bitte lesbar schreiben): Matrikelnummer: Unterschrift: 1: Induktive Statistik (1) Welche Aussage ist richtig? A. Je kleiner

Mehr

Klausur zur Vorlesung Biomathematik WS 2003/04. Mittwoch, den 11. Februar 2004

Klausur zur Vorlesung Biomathematik WS 2003/04. Mittwoch, den 11. Februar 2004 Klausur zur Vorlesung Biomathematik WS 2003/04 Mittwoch, den 11. Februar 2004 1: Induktive Statistik (1) Welche Aussage ist richtig? A. Je kleiner der ß-Fehler, desto geringer ist die Power eines Tests.

Mehr

Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1

Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,

Mehr

Biomathematik für Mediziner

Biomathematik für Mediziner Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur SS 2002 Aufgabe 1: Franz Beckenbauer will, dass

Mehr

Biomathematik für Mediziner, Klausur SS 2001 Seite 1

Biomathematik für Mediziner, Klausur SS 2001 Seite 1 Biomathematik für Mediziner, Klausur SS 2001 Seite 1 Aufgabe 1: Von den Patienten einer Klinik geben 70% an, Masern gehabt zu haben, und 60% erinnerten sich an eine Windpockeninfektion. An mindestens einer

Mehr

Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1

Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1 Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1 Aufgabe 1: Von 2 gleichartigen Maschinen eines pharmazeutischen Betriebes stellt die erste 40% und die zweite 60% der Produkte her. Dabei verursacht

Mehr

Biomathematik für Mediziner

Biomathematik für Mediziner Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur WS 2002/2003 Aufgabe 1: Man gehe davon aus,

Mehr

Institut für Biometrie und klinische Forschung. WiSe 2012/2013

Institut für Biometrie und klinische Forschung. WiSe 2012/2013 Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie (3) Überblick. Deskriptive Statistik I 2. Deskriptive

Mehr

BSc Bioinformatik Wintersemester 2013/2014 Nachklausur zur Statistik I Freie Universität Berlin

BSc Bioinformatik Wintersemester 2013/2014 Nachklausur zur Statistik I Freie Universität Berlin Sc ioinformatik Wintersemester 013/014 Nachklausur zur Statistik I Freie Universität erlin 4. pril 014 Matrikelnummer Nachname Vorname Unterschrift ufgabe 1 (4 Punkte): Zu einem Wahrscheinlichkeitsraum

Mehr

Klausur zur Biomathematik / Epidemiologie WS 2008/09. Montag, den 1. Dezember 2008

Klausur zur Biomathematik / Epidemiologie WS 2008/09. Montag, den 1. Dezember 2008 Klausur zur Biomathematik / Epidemiologie WS 2008/09 Montag, den 1. Dezember 2008 Name: Matrikelnummer: Unterschrift: Aufgabe 1: In einer dermatologischen Klinik werden 30 Patienten mit Botulinumtoxin

Mehr

1 Grundlagen der Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsräume. Ein erster mathematischer Blick auf Zufallsexperimente...

1 Grundlagen der Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsräume. Ein erster mathematischer Blick auf Zufallsexperimente... Inhaltsverzeichnis 1 Grundlagen der Wahrscheinlichkeitsrechnung 1 1.1 Wahrscheinlichkeitsräume Ein erster mathematischer Blick auf Zufallsexperimente.......... 1 1.1.1 Wahrscheinlichkeit, Ergebnisraum,

Mehr

Die mit * gekennzeichneten Abschnitte beinhalten Themen, die über die Anforderungen des Gegenstandskatalogs hinausgehen.

Die mit * gekennzeichneten Abschnitte beinhalten Themen, die über die Anforderungen des Gegenstandskatalogs hinausgehen. Die mit * gekennzeichneten Abschnitte beinhalten Themen, die über die Anforderungen des Gegenstandskatalogs hinausgehen. 1 Einleitung...1 1.1 Die Bedeutung der Statistik für die Medizin...1 1.2 Die medizinische

Mehr

Bereiche der Statistik

Bereiche der Statistik Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden

Mehr

Epidemiologie / Biometrie

Epidemiologie / Biometrie Wintersemester 2004 / 2005 Epidemiologie / Biometrie Robert Hochstrat 14. März 2005 Zusammenschrift der Übung zur Vorlesung aus dem WS 04/05 Rückfragen, Ergänzungen und Korrekturen an robert hochstrat@web.de

Mehr

Biomathematik für Mediziner, Klausur SS 2000 Seite 1

Biomathematik für Mediziner, Klausur SS 2000 Seite 1 Biomathematik für Mediziner, Klausur SS 2000 Seite 1 Aufgabe 1: Bei der Diagnose einer bestimmten Krankheit mit einem speziellen Diagnoseverfahren werden Patienten, die tatsächlich an der Krankheit leiden,

Mehr

Statistik I für Betriebswirte Vorlesung 14

Statistik I für Betriebswirte Vorlesung 14 Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli

Mehr

Deskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien

Deskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische

Mehr

Statistik Prüfung 24. Jänner 2008

Statistik Prüfung 24. Jänner 2008 Statistik Prüfung 24. Jänner 2008 February 10, 2008 Es ist immer nur EINE Antwort richtig, bei falsch beantworteten Fragen gibt es KEINEN Punktabzug. Werden mehrere Antworten bei einer Frage angekreuzt,

Mehr

Handelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen?

Handelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen? 1. Handelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen? a.) Anzahl der Kunden, die an der Kasse in der Schlange stehen. b.) Die Menge an Energie, die pro Tag von einem Energieversorgungsunternehmen

Mehr

Biomathematik für Mediziner

Biomathematik für Mediziner Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur SS 2003 Aufgabe 1: Welche der unten angegebenen

Mehr

Statistik K urs SS 2004

Statistik K urs SS 2004 Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die

Mehr

Philipp Sibbertsen Hartmut Lehne. Statistik. Einführung für Wirtschafts- und. Sozialwissenschaftler. 2., überarbeitete Auflage. 4^ Springer Gabler

Philipp Sibbertsen Hartmut Lehne. Statistik. Einführung für Wirtschafts- und. Sozialwissenschaftler. 2., überarbeitete Auflage. 4^ Springer Gabler Philipp Sibbertsen Hartmut Lehne Statistik Einführung für Wirtschafts- und Sozialwissenschaftler 2., überarbeitete Auflage 4^ Springer Gabler Inhaltsverzeichnis Teil I Deskriptive Statistik 1 Einführung

Mehr

Statistische Methoden in den Umweltwissenschaften

Statistische Methoden in den Umweltwissenschaften Statistische Methoden in den Umweltwissenschaften Stetige und diskrete Wahrscheinlichkeitsverteilungen Lageparameter Streuungsparameter Diskrete und stetige Zufallsvariablen Eine Variable (oder Merkmal

Mehr

Vorlesung: Statistik II für Wirtschaftswissenschaft

Vorlesung: Statistik II für Wirtschaftswissenschaft Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2

Mehr

Statistisches Testen

Statistisches Testen Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall

Mehr

Klausur zur Vorlesung

Klausur zur Vorlesung Institut für Mathematische Stochastik WS 2006/2007 Universität Karlsruhe 12. Februar 2007 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Aufgabe 1 (15 Punkte) Klausur zur Vorlesung Statistik für Biologen

Mehr

Übung zur Vorlesung Statistik I WS Übungsblatt 12

Übung zur Vorlesung Statistik I WS Übungsblatt 12 Übung zur Vorlesung Statistik I WS 2013-2014 Übungsblatt 12 20. Januar 2014 Die folgenden ufgaben sind aus ehemaligen Klausuren! ufgabe 38.1 (1 Punkt: In einer Studie werden 10 Patienten therapiert. Die

Mehr

5. Seminar Statistik

5. Seminar Statistik Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation

Mehr

Statistik für NichtStatistiker

Statistik für NichtStatistiker Statistik für NichtStatistiker Zufall und Wahrscheinlichkeit von Prof. Dr. Karl Bosch 5., verbesserte Auflage R. Oldenbourg Verlag München Wien Inhaltsverzeichnis 1. ZufalLsexperimente und zufällige Ereignisse

Mehr

Fit for Abi & Study Stochastik

Fit for Abi & Study Stochastik Fit for Abi & Study Stochastik Prof. Dr. Tilla Schade Hochschule Harz 15. und 16. April 2014 No. 1 Stochastik besteht aus: Wahrscheinlichkeitsrechnung Statistik No. 2 Gliederung Grundlagen Zufallsgrößen

Mehr

Wahrscheinlichkeit 1-α: richtige Entscheidung - wahrer Sachverhalt stimmt mit Testergebnis überein. Wahrscheinlichkeit α: falsche Entscheidung -

Wahrscheinlichkeit 1-α: richtige Entscheidung - wahrer Sachverhalt stimmt mit Testergebnis überein. Wahrscheinlichkeit α: falsche Entscheidung - wahrer Sachverhalt: Palette ist gut Palette ist schlecht Entscheidung des Tests: T K; Annehmen von H0 ("gute Palette") positive T > K; Ablehnen von H0 ("schlechte Palette") negative Wahrscheinlichkeit

Mehr

Chi-Quadrat Verfahren

Chi-Quadrat Verfahren Chi-Quadrat Verfahren Chi-Quadrat Verfahren werden bei nominalskalierten Daten verwendet. Die einzige Information, die wir bei Nominalskalenniveau zur Verfügung haben, sind Häufigkeiten. Die Quintessenz

Mehr

1 EINLEITUNG Allgemeines Kapitelübersicht Gebrauch dieses Buches Verwenden zusätzlicher Literatur...

1 EINLEITUNG Allgemeines Kapitelübersicht Gebrauch dieses Buches Verwenden zusätzlicher Literatur... Inhaltsverzeichnis 1 EINLEITUNG... 1 1.1 Allgemeines... 1 1.2 Kapitelübersicht... 2 1.3 Gebrauch dieses Buches... 3 1.4 Verwenden zusätzlicher Literatur... 4 DESKRIPTIVE STATISTIK 2 GRUNDLAGEN... 5 2.1

Mehr

Einführung in die Statistik

Einführung in die Statistik Elmar Klemm Einführung in die Statistik Für die Sozialwissenschaften Westdeutscher Verlag INHALTSVERZEICHNIS 1. Einleitung und Begrifflichkeiten 11 1.1 Grundgesamtheit, Stichprobe 12 1.2 Untersuchungseinheit,

Mehr

Statistik I. 2. Klausur Wintersemester 2011/2012 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!

Statistik I. 2. Klausur Wintersemester 2011/2012 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Statistik I A 2. Klausur Wintersemester 2011/2012 Hamburg, 20.03.2012 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................

Mehr

4.1. Nullhypothese, Gegenhypothese und Entscheidung

4.1. Nullhypothese, Gegenhypothese und Entscheidung rof. Dr. Roland Füss Statistik II SS 8 4. Testtheorie 4.. Nullhypothese, Gegenhypothese und Entscheidung ypothesen Annahmen über die Verteilung oder über einzelne arameter der Verteilung eines Merkmals

Mehr

Klassifikation von Signifikanztests

Klassifikation von Signifikanztests Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 12. Januar 2011 1 Vergleich zweier Erwartungswerte Was heißt verbunden bzw. unverbunden? t-test für verbundene Stichproben

Mehr

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:

Mehr

SozialwissenschaftlerInnen II

SozialwissenschaftlerInnen II Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Wahrscheinlichkeitsfunktionen

Mehr

Statistik II. Version A. 1. Klausur Sommersemester 2011 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!

Statistik II. Version A. 1. Klausur Sommersemester 2011 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Statistik II Version A 1. Klausur Sommersemester 2011 Hamburg, 27.07.2011 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................

Mehr

7.2 Mittelwert einer Stichprobe

7.2 Mittelwert einer Stichprobe 66 7.2 Mittelwert einer Stichprobe Gegeben ist eine normalverteilte Grundgesamtheit. Mit Hilfe einer Stichprobe möchten wir Aussagen über den unbekannten Mittelwert µ dieser Grundgesamtheit machen. Wenn

Mehr

Biomathematik für Mediziner

Biomathematik für Mediziner Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur WS 001/00 Aufgabe 1: Die empirische Varianz

Mehr

I. Deskriptive Statistik 1

I. Deskriptive Statistik 1 I. Deskriptive Statistik 1 1. Einführung 3 1.1. Grundgesamtheit und Stichprobe.................. 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................

Mehr

PROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale)

PROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale) PROC MEAS zum Berechnen statistischer Maßzahlen (für quantitative Merkmale) Allgemeine Form: PROC MEAS DATA=name Optionen ; VAR variablenliste ; CLASS vergleichsvariable ; Beispiel und Beschreibung der

Mehr

Statistik I für Betriebswirte Vorlesung 14

Statistik I für Betriebswirte Vorlesung 14 Statistik I für Betriebswirte Vorlesung 14 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 11. Juli 016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung

Mehr

Statistik I. 2. Klausur Wintersemester 2011/2012 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!

Statistik I. 2. Klausur Wintersemester 2011/2012 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Statistik I A 2. Klausur Wintersemester 2011/2012 Hamburg, 20.03.2012 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................

Mehr

Prüfungsklausur zur Stochastik (LMG)/ Elementare Wahrscheinlichkeitstheorie und Statistik

Prüfungsklausur zur Stochastik (LMG)/ Elementare Wahrscheinlichkeitstheorie und Statistik B. Schmalfuß Jena, den 20.02.2018 Prüfungsklausur zur Stochastik (LMG)/ Elementare Wahrscheinlichkeitstheorie und Statistik Allgemeine Hinweise: Zur Verfügung stehende Zeit: 90 min. Hilfsmittel: keine.

Mehr

2 Aufgaben aus [Teschl, Band 2]

2 Aufgaben aus [Teschl, Band 2] 20 2 Aufgaben aus [Teschl, Band 2] 2.1 Kap. 25: Beschreibende Statistik 25.3 Übungsaufgabe 25.3 a i. Arithmetisches Mittel: 10.5 ii. Median: 10.4 iii. Quartile: x 0.25 Y 4 10.1, x 0.75 Y 12 11.1 iv. Varianz:

Mehr

7. Übung: Aufgabe 1. b), c), e) Aufgabe 2. a), c), e) Aufgabe 3. c), e) Aufgabe 4. Aufgabe 5. Aufgabe 6. Aufgabe 7. Aufgabe 8. Aufgabe 9.

7. Übung: Aufgabe 1. b), c), e) Aufgabe 2. a), c), e) Aufgabe 3. c), e) Aufgabe 4. Aufgabe 5. Aufgabe 6. Aufgabe 7. Aufgabe 8. Aufgabe 9. 7. Übung: Aufgabe 1 b), c), e) Aufgabe a), c), e) Aufgabe 3 c), e) Aufgabe 4 b) Aufgabe 5 a) Aufgabe 6 b) Aufgabe 7 e) Aufgabe 8 c) Aufgabe 9 a), c), e) Aufgabe 10 b), d) Aufgabe 11 a) Aufgabe 1 b) Aufgabe

Mehr

Inhaltsverzeichnis DESKRIPTIVE STATISTIK. 1 Grundlagen Grundbegriffe Skalen... 15

Inhaltsverzeichnis DESKRIPTIVE STATISTIK. 1 Grundlagen Grundbegriffe Skalen... 15 Inhaltsverzeichnis 1 Grundlagen... 13 1.1 Grundbegriffe...13 1.2 Skalen... 15 DESKRIPTIVE STATISTIK 2 Eindimensionale Häufigkeitsverteilungen...16 2.1 Häufigkeiten... 16 2.1.1 Grundbegriffe... 16 2.1.2

Mehr

Hypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests

Hypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests ue biostatistik: hypothesen, fehler 1. und. art, power 1/8 h. lettner / physik Hypothesen: Fehler 1. und. Art, Power eines statistischen Tests Die äußerst wichtige Tabelle über die Zusammenhänge zwischen

Mehr

BIOMETRIE I - KLINISCHE EPIDEMIOLOGIE

BIOMETRIE I - KLINISCHE EPIDEMIOLOGIE BIOMETRIE I - KLINISCHE EPIDEMIOLOGIE Wintersemester 2003/04 - Übung zur Vorlesung Biometrie I Ein Lösungsvorschlag von Christian Brockly Lösungsvorschlag zur Übung Biometrie I Bei diesem Dokument handelt

Mehr

Wichtige Definitionen und Aussagen

Wichtige Definitionen und Aussagen Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge

Mehr

Statistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de

Statistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent

Mehr

Zusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen

Zusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind

Mehr

Prüfung aus Statistik 2 für SoziologInnen

Prüfung aus Statistik 2 für SoziologInnen Prüfung aus Statistik 2 für SoziologInnen 11. Oktober 2013 Gesamtpunktezahl =80 Name in Blockbuchstaben: Matrikelnummer: Wissenstest (maximal 16 Punkte) Kreuzen ( ) Sie die jeweils richtige Antwort an.

Mehr

Statistik I. 1. Klausur Wintersemester 2010/2011 Hamburg, Art der Anmeldung: STiNE FlexNow Zulassung unter Vorbehalt

Statistik I. 1. Klausur Wintersemester 2010/2011 Hamburg, Art der Anmeldung: STiNE FlexNow Zulassung unter Vorbehalt Statistik I 1. Klausur Wintersemester 2010/2011 Hamburg, 11.02.2011 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................

Mehr

Forschungsstatistik I

Forschungsstatistik I Prof. Dr. G. Meinhardt 2. Stock, Nordflügel R. 02-429 (Persike) R. 02-431 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 2008/2009

Mehr

Klausur zur Vorlesung

Klausur zur Vorlesung Institut für Mathematische Stochastik WS 2004/2005 Universität Karlsruhe 14. Februar 2005 Dr. Bernhard Klar Sebastian Müller Aufgabe 1: (15 Punkte) Klausur zur Vorlesung Statistik für Biologen Musterlösungen

Mehr

Statistik für Bachelorund Masterstudenten

Statistik für Bachelorund Masterstudenten Walter Zucchini Andreas Schlegel Oleg Nenadic Stefan Sperlich Statistik für Bachelorund Masterstudenten Eine Einführung für Wirtschaftsund Sozialwissenschaftler 4y Springer 1 Der Zufall in unserer Welt

Mehr

Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz

Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz Grundlage: Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz Die Testvariable T = X µ 0 S/ n genügt der t-verteilung mit n 1 Freiheitsgraden. Auf der Basis

Mehr

Glossar Biometrie / Statistik. Auszug für Fragebogen Fallzahlberechnung/-begründung

Glossar Biometrie / Statistik. Auszug für Fragebogen Fallzahlberechnung/-begründung Glossar Biometrie / Statistik A Äquivalenztest Der Äquivalenztest beurteilt die Gleichwertigkeit von Therapien. Beim Äquivalenztest werden als Hypothesen formuliert: Nullhypothese H 0 : Die Präparate sind

Mehr

Klassifikation von Signifikanztests

Klassifikation von Signifikanztests Klassifikation von Signifikanztests Nach Verteilungsannahmen: verteilungsabhängig: parametrischer [parametric] Test verteilungsunabhängig: nichtparametrischer [non-parametric] Test Bei parametrischen Tests

Mehr

Wahrscheinlichkeit und Statistik BSc D-INFK

Wahrscheinlichkeit und Statistik BSc D-INFK Prof. Dr. P. Bühlmann ETH Zürich Winter 2010 Wahrscheinlichkeit und Statistik BSc D-INFK 1. (10 Punkte) Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete

Mehr

1 GRUNDLAGEN Grundbegriffe Skalen...15

1 GRUNDLAGEN Grundbegriffe Skalen...15 Inhaltsverzeichnis 1 GRUNDLAGEN...13 1.1 Grundbegriffe...13 1.2 Skalen...15 DESKRIPTIVE STATISTIK 2 EINDIMENSIONALE HÄUFIGKEITSVERTEILUNGEN...16 2.1 Häufigkeiten...16 2.1.1 Grundbegriffe...16 2.1.2 Klassieren

Mehr

3) Testvariable: T = X µ 0

3) Testvariable: T = X µ 0 Beispiel 4.9: In einem Molkereibetrieb werden Joghurtbecher abgefüllt. Der Sollwert für die Füllmenge dieser Joghurtbecher beträgt 50 g. Aus der laufenden Produktion wurde eine Stichprobe von 5 Joghurtbechern

Mehr

Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19

Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19 Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist

Mehr

Klausur Statistik 2 RE Statistik für Soziologen Do,

Klausur Statistik 2 RE Statistik für Soziologen Do, Klausur Statistik 2 RE Statistik für Soziologen Do, 24. 9. 2009 Name...Vorname... Matrikelnummer... Einsichtnahme: Fr, 2. Oktober BITTE DEUTLICH UND LESERLICH SCHREIBEN! Es wird nur gewertet, was in diesem

Mehr

Nachklausur zur Vorlesung

Nachklausur zur Vorlesung Institut für Mathematische Stochastik WS 003/004 Universität Karlsruhe 30. April 004 Priv.-Doz. Dr. D. Kadelka Nachklausur zur Vorlesung Statistik für Biologen Musterlösungen Aufgabe 1 Gemessen wurde bei

Mehr

Welche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret.

Welche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret. Grundlagen der Statistik 25.9.2014 7 Aufgabe 7 Welche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret. B Ein Merkmal

Mehr

Inhalt. I. Deskriptive Statistik Einführung Die Grundgesamtheit Merkmale und Verteilungen Tabellen und Grafiken...

Inhalt. I. Deskriptive Statistik Einführung Die Grundgesamtheit Merkmale und Verteilungen Tabellen und Grafiken... I. Deskriptive Statistik 1 1. Einführung 3 1.1. Die Grundgesamtheit......................... 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................ 10

Mehr

3 Grundlagen statistischer Tests (Kap. 8 IS)

3 Grundlagen statistischer Tests (Kap. 8 IS) 3 Grundlagen statistischer Tests (Kap. 8 IS) 3.1 Beispiel zum Hypothesentest Beispiel: Betrachtet wird eine Abfüllanlage für Mineralwasser mit dem Sollgewicht µ 0 = 1000g und bekannter Standardabweichung

Mehr

Stichwortverzeichnis. Symbole

Stichwortverzeichnis. Symbole Stichwortverzeichnis Symbole 50ste Perzentil 119 A Absichern, Ergebnisse 203 Abzählbar unendliche Zufallsvariable 146 Alternativhypothese 237 238 formulieren 248 Anekdote 340 Annäherung 171, 191 Antwortquote

Mehr

Wahrscheinlichkeitsverteilungen

Wahrscheinlichkeitsverteilungen Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet

Mehr

Einführung in Quantitative Methoden

Einführung in Quantitative Methoden Einführung in Quantitative Methoden Karin Waldherr & Pantelis Christodoulides 11. Mai 2011 Waldherr / Christodoulides Einführung in Quantitative Methoden- 8.VO 1/40 Poisson-Verteilung Diese Verteilung

Mehr

Statistische Tests für unbekannte Parameter

Statistische Tests für unbekannte Parameter Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung

Mehr

Empirische Wirtschaftsforschung

Empirische Wirtschaftsforschung Empirische Wirtschaftsforschung Prof. Dr. Bernd Süßmuth Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie 1 4. Basiskonzepte der induktiven

Mehr

Inhaltsverzeichnis. Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite. 1.0 Erste Begriffsbildungen Merkmale und Skalen 5

Inhaltsverzeichnis. Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite. 1.0 Erste Begriffsbildungen Merkmale und Skalen 5 Inhaltsverzeichnis Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite 1.0 Erste Begriffsbildungen 1 1.1 Merkmale und Skalen 5 1.2 Von der Urliste zu Häufigkeitsverteilungen 9 1.2.0 Erste Ordnung

Mehr

Parametrische vs. Non-Parametrische Testverfahren

Parametrische vs. Non-Parametrische Testverfahren Parametrische vs. Non-Parametrische Testverfahren Parametrische Verfahren haben die Besonderheit, dass sie auf Annahmen zur Verteilung der Messwerte in der Population beruhen: die Messwerte sollten einer

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun http://blog.ruediger-braun.net Heinrich-Heine-Universität Düsseldorf 16. Januar 2015 1 Verteilungsfunktionen Definition Binomialverteilung 2 Stetige Zufallsvariable,

Mehr

Wahrscheinlichkeitsrechnung und Statistik. 11. Vorlesung /2019

Wahrscheinlichkeitsrechnung und Statistik. 11. Vorlesung /2019 Wahrscheinlichkeitsrechnung und Statistik 11. Vorlesung - 2018/2019 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 2 heißt Median. P(X < z

Mehr

Schließende Statistik

Schließende Statistik Schließende Statistik Die schließende Statistik befasst sich mit dem Rückschluss von einer Stichprobe auf die Grundgesamtheit (Population). Die Stichprobe muss repräsentativ für die Grundgesamtheit sein.

Mehr

Wiederholung. Statistik I. Sommersemester 2009

Wiederholung. Statistik I. Sommersemester 2009 Statistik I Sommersemester 2009 Statistik I (1/21) Daten/graphische Darstellungen Lage- und Streuungsmaße Zusammenhangsmaße Lineare Regression Wahrscheinlichkeitsrechnung Zentraler Grenzwertsatz Konfidenzintervalle

Mehr

JosefPuhani. Kleine Formelsammlung zur Statistik. 10. Auflage. averiag i

JosefPuhani. Kleine Formelsammlung zur Statistik. 10. Auflage. averiag i JosefPuhani Kleine Formelsammlung zur Statistik 10. Auflage averiag i Inhalt- Vorwort 7 Beschreibende Statistik 1. Grundlagen 9 2. Mittelwerte 10 Arithmetisches Mittel 10 Zentral wert (Mediän) 10 Häufigster

Mehr

Konkretes Durchführen einer Inferenzstatistik

Konkretes Durchführen einer Inferenzstatistik Konkretes Durchführen einer Inferenzstatistik Die Frage ist, welche inferenzstatistischen Schlüsse bei einer kontinuierlichen Variablen - Beispiel: Reaktionszeit gemessen in ms - von der Stichprobe auf

Mehr

Stochastik Serie 11. ETH Zürich HS 2018

Stochastik Serie 11. ETH Zürich HS 2018 ETH Zürich HS 208 RW, D-MATL, D-MAVT Prof. Marloes Maathuis Koordinator Dr. Marvin Müller Stochastik Serie. Diese Aufgabe behandelt verschiedene Themenbereiche aus dem gesamten bisherigen Vorlesungsmaterial.

Mehr

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte

Mehr

Willkommen zur Vorlesung Statistik (Master)

Willkommen zur Vorlesung Statistik (Master) Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungen stetiger Zufallsvariablen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften

Mehr

Teil / Ein paar statistische Grundlagen 25. Kapitel 1 Was Statistik ist und Warum sie benötigt Wird 2 7

Teil / Ein paar statistische Grundlagen 25. Kapitel 1 Was Statistik ist und Warum sie benötigt Wird 2 7 Inhaltsverzeichnis Einführung 21 Über dieses Buch 21 Törichte Annahmen über den Leser 22 Wie dieses Buch aufgebaut ist 23 Teil I: Ein paar statistische Grundlagen 23 Teil II: Die beschreibende Statistik

Mehr

Klausur vom

Klausur vom UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Dominik Faas Stochastik Wintersemester 00/0 Klausur vom 09.06.0 Aufgabe (++4=9 Punkte) Bei einer Umfrage wurden n Personen befragt, an wievielen Tagen

Mehr