PRÜFUNG: METHODEN DER STATISTIK II WS 2016/17. Name, Vorname (Druckschrift) Matrikelnummer Platznummer
|
|
- Petra Sommer
- vor 5 Jahren
- Abrufe
Transkript
1 OTTO-FRIEDRICH-UNIVERSITÄT BAMBERG Prof. Dr. Susanne Rässler Lehrstuhl für Statistik und Ökonometrie PRÜFUNG: METHODEN DER STATISTIK II WS 2016/17 Name, Vorname (Druckschrift) Matrikelnummer Platznummer Hinweise zur Klausur: Die Bearbeitungszeit beträgt 90 Minuten. Bitte tragen Sie Ihren Namen und Vornamen sowie Ihre Matrikelnummer und Ihre Platznummer in die dafür vorgesehenen Felder ein. Unterschreiben Sie den Mantelbogen und legen Sie bitte Ihren amtlichen Lichtbildausweis gut sichtbar vor sich auf den Tisch. Hinweise zur Bearbeitung: Alle Blätter sind zu nummerieren und mit dem Namen zu versehen. Auf allen Seiten sollte ein ca. 5 cm breiter Rand frei bleiben. Die Arbeit darf nicht mit Bleistift verfasst werden. Diese Angabenblätter und das Zusatzpapier sind nach der Bearbeitung abzugeben! Die Aufgaben können in beliebiger Reihenfolge bearbeitet werden. Bei sämtlichen Lösungen sind Lösungswege und Zwischenergebnisse anzugeben. Zugelassene Hilfsmittel: Die vom Lehrstuhl für Statistik und Ökonometrie herausgegebene Formelsammlung von der vierten bis zur achten Auflage. Jegliche Ergänzungen der Formelsammlung sind unzulässig. Einzig zulässig ist das Hervorheben von FORMELN und TEXT mittels Textmarker. Ein nicht programmierbarer und nicht grafikfähiger Taschenrechner. Klausurergebnis: Aufgaben: Summe: Note: maximale Punktzahl erreichte Punktzahl
2 Aufgabe 1 Jasper arbeitet neben seinem Studium als Servicekraft in einer Pizzeria. Bei der Aufnahme der Bestellungen fragt er sich immer wieder, wie man statt der stadtbekannten Pizza Nudeln bestellen kann. Er vermutet, dass diese Fehlentscheidung vor allem von weiblichen Gästen getroffen wird, da diese eher auf ihre Figur achten. Um seine Hypothese zu überprüfen, beschließt er bei seiner nächsten Schicht, von 450 zufällig über den Tag ausgewählten Gästen das bestellte Hauptgericht sowie das Geschlecht der Personen zu notieren. Am Ende des Abends hatten schließlich 350 Personen Pizza bestellt. 30% der Gäste, die Pizza gewählt haben, waren weiblich. Von den 100 Personen, die Nudeln bestellt hatten, waren 25% männlich. a) Erstellen Sie eine vollständige Kontingenztabelle für Geschlecht vs. Hauptgericht mit den angegebenen Häufigkeiten. Ersatzergebnis: Falls Sie die Teilaufgabe a) nicht lösen konnten (und nur dann), verwenden Sie im Folgenden die nachstehende Tabelle Nudeln Pizza männlich weiblich b) Überprüfen Sie mit Hilfe eines geeigneten statistischen Tests mit einer Irrtumswahrscheinlichkeit von 1%, ob die Wahl des Hauptgerichtes vom Geschlecht der Gäste abhängt. Interpretieren Sie Ihr Testergebnis inhaltlich. c) Erläutern Sie kurz welcher Fehler bei Ihrer Entscheidung vorliegen könnte. Gehen Sie dabei auch auf das Fehlerrisiko ein.
3 Aufgabe 2 Über Twitter werden kontinuierlich Fake News verbreitet. Durchschnittlich so haben eingehende Analysen ergeben geschieht dies (unabhängig von der Tageszeit) drei mal pro Minute. a) Wie und mit welchem/ welchen Parameter(n) ist die Variable Anzahl der über Twitter pro Minute verbreiteten Fake News-Meldungen verteilt? Welche Annahme ist hierfür bezüglich der Beziehung der Fake News-Meldungen zueinander notwendig? b) Wie groß ist die Wahrscheinlichkeit, dass innerhalb von fünf Minuten mindestens 8 Fake News-Meldungen verbreitet werden? Verwenden Sie zunächst eine geeignete Approximation und überprüfen Sie die zugehörigen Regeln. Sie haben auf der Website huffingtonpost.de in Ihrem Browser sieben zufällig ausgewählte Meldungen in verschiedenen Tabs geöffnet. Aus langjähriger Erfahrung (zum Teil als Fake News noch Falschmeldungen hießen) wissen Sie, dass generell der Anteil an Fake News in diesem Portal 45% beträgt. c) Wie und mit welchem/ welchen Parameter(n) ist die Variable Anzahl der Fake News-Meldungen in der nun vorliegenden Situation verteilt? d) Berechnen Sie die Wahrscheinlichkeit, dass unter den sieben Meldungen... (i) genau drei Meldungen falsch sind. (ii) höchstens drei Meldungen wahr sind.
4 Aufgabe 3 Beim so genannten Fracking werden neben großen Mengen an Wasser auch verschiedene Chemikalien (anteilig jedoch nur ca. 2% der Gesamtflüssigkeit) in tiefliegende Gesteinsschichten gepumpt. Im Folgenden liegen Daten zum Verbrauch von Chlorwasserstoffsäure (in t) für vier Fracking-Einsätze vor, die mit einem Standardverfahren durchgeführt wurden. i x i Bei fünf weiteren Fracking-Einsätzen wurde ein alternatives Verfahren verwendet. Hier wurden folgende Mengen an Chlorwasserstoffsäure (in t) je Einsatz verbraucht: j y j a) Berechnen Sie die Stichprobenmittelwerte und Stichprobenvarianzen des Verbrauchs an Chlorwasserstoffsäure für beide Verfahren. Ersatzergebnis: Falls Sie Teilaufgabe a) nicht lösen konnten (und nur dann), verwenden Sie im Folgenden x = 20, 5; ȳ = 17; S 2 X = 3, 6667 und S2 Y = 3, 5 b) Welches Theorem der Statistik zeigt, dass für die Stichprobenmittelwerte von X und Y (näherungsweise) eine Normalverteilung angenommen werden kann? c) Schätzen Sie ein zentrales 95%-Konfidenzintervall für den Mittelwert von X. Wie groß ist die Wahrscheinlichkeit, dass der tatsächliche Durchschnittsverbrauch von Chlorwasserstoffsäure für das Standardverfahren innerhalb der ermittelten Intervallgrenzen liegt? d) Führen Sie mit einer Irrtumswahrscheinlichkeit von 1 % einen geeigneten statistischen Test durch, um zu überprüfen, ob das alternative Verfahren weniger Chlorwasserstoffsäure benötigt.
5 Aufgabe 4 In einer Lostrommel befinden sich vier Lose, auf denen sich jeweils eine Abbildung befindet: ein Bär, ein Herz, ein Luftballon oder eine Eule. Diese Abbildungen stehen jeweils für Punkte, die sich in Gewinne einlösen lassen. Die Eule zählt dabei 0 Gewinnpunkte (Niete), der Bär 5, der Luftballon 5 und das Herz 10 Gewinnpunkte. Luisa (7 Jahre) soll nun zwei Lose hintereinander ziehen: a) Luisa muss - bevor sie aus der Lostrommel die beiden Lose hintereinander ziehen darf - den Ereignisraum kennen. Listen Sie für Luisa die Ergebnismenge Ω bei einer Auswahl ohne Zurücklegen auf. b) Wie hoch ist die Wahrscheinlichkeit, dass Luisa bei zweimaligem Ziehen insgesamt genau 10 Gewinnpunkte erhält, wenn es sich um eine Auswahl ohne Zurücklegen handelt? Würden sich Luisas Chancen auf insgesamt genau 10 Gewinnpunkte erhöhen, wenn es sich stattdessen um eine Auswahl mit Zurücklegen handeln würde? Begründen Sie kurz Ihre Antwort. c) Wie groß ist bei Auswahl ohne Zurücklegen die Wahrscheinlichkeit, dass Luisa im ersten oder im zweiten Zug die Eule (Niete) zieht? Zehn Jahre später ist Luisa vollkommen überschuldet und glückspielabhängig. Deshalb nimmt sie an einer Therapie in Baden-Baden teil. Die Therapiegruppe besteht aus acht Männern (M), 60% der Gruppe sind weiblich (M). Da Glückspielsucht schwer zu therapieren ist, haben bereits 60% der aktuellen Teilnehmer eine Therapie hinter sich (T ), davon sind sechs Frauen. d) Zeichnen Sie einen Ereignisbaum, tragen Sie die im Text gegebenen Informationen ein und ergänzen Sie die fehlenden Informationen. Ersatzergebnis: Falls Sie die Teilaufgabe d) nicht lösen konnten, dann verwenden Sie bitte folgende Ergebnisse: P (M) = 0, 5; P (M) = 0, 5; P (T M) = 0, 25; P (T M) = 0, 25; P (T M) = 0, 25; P (T M) = 0, 25. e) Mit welcher Wahrscheinlichkeit hat eine zufällig betrachtete Frau bereits an einer Therapie teilgenommen? f) Mit welcher Wahrscheinlichkeit ist ein ehemaliger Teilnehmer an einer Therapie männlichen Geschlechts? g) Übersteigt die Wahrscheinlichkeit, dass eine zufällig gezogene Person ein männlicher Teilnehmer ist, der noch keine Therapie erhalten hat, die Wahrscheinlichkeit, dass eine zufällig gezogene Person ein weiblicher Teilnehmer ist, die noch keine Therapie erhalten hat?
6 Lösung Aufgabe 1 a) Kontingenztabelle: Nudeln Pizza männlich weiblich b) 1. Testauswahl: Geeigneter Test: χ 2 -Unabhängigkeitstest 2. Hypothesen: H 0 : p ij = p i. p.j (Wahl des Hauptgerichts unabhängig vom Geschlecht) H A : p ij p i. p.j 3. Approximationsregeln: n ij 10 erfüllt und n i. n.j n 5 erfüllt. 4. Prüfmaß: Unter H 0 ist das Prüfmaß approx. χ 2 -verteilt mit (k 1)(l 1) = (2 1)(2 1) = 1 Freiheitsgraden. 5. Entscheidungsregel: Nullhypothese ist zu verwerfen, wenn die Prüffunktion größer χ 2 0,99;1 = 6, 635 ist. 6. Rechnung: Indifferenztabelle: Nudeln Pizza männlich ( )/450 = 60 ( )/450 = weiblich ( )/450 = 40 ( )/450 = Prüfgröße: χ 2 = 65, Entscheidung und Interpretation: χ 2 0,99;1 = 6, 635 < 65, 62497, also wird die Nullhypothese auf einem Konfidenzniveau von 99% abgelehnt. Die Wahl des Hauptgerichtes ist laut Test nicht statistisch unabhängig vom Geschlecht. (Die Wahl des Hauptgerichtes ist laut Test abhängig vom Geschlecht.) c) Es könnte ein Fehler 1. Art (α-fehler) vorliegen, d.h. Nullhypothese wurde fälschlicherweise abgelehnt. Die Wahrscheinlichkeit für diesen Fehler liegt bei 1%.
7 Lösung: Aufgabe 2 a) X: Anzahl Fake News-Meldungen je Minute sind unabhängig auftretende Ereignisse (ohne zeitliche Ausdehnung) in einem zeitlichen Kontinuum. X P oi(λ = 3) b) Y: Anzahl Fake News-Meldungen in fünf Minuten. Gesucht ist P (Y 8) = P (Y > 7) = 1 P (Y 7) Y = 5X λ = E(Y ) = V ar(y ) = 15 λ = 15 nicht tabelliert in F.S. Approximation durch (Standard-)Normalverteilung. Approximationsregel λ > 9 ist erfüllt. P (Y 8) 1 0, 0262 = 0, 9738 Mit einer Wahrscheinlichkeit von 97,4% werden innerhalb von fünf Minuten mehr als sieben Fake News-Meldungen verbreitet. c) X: Anzahl der Fake News innerhalb der geöffneten Tabs. X Bin(p = 0, 45, n = 7) d) (i) gesucht: P (X = 3) = 0, 2918 (ii) Y: Anzahl der korrekten Meldungen innerhalb der geöffneten tabs. Gesucht: P (Y 3) = 0, 3917
8 Lösung: Aufgabe 3 a) x = 3, 5 b) Der Zentrale Grenzwertsatz. c) Zentrales 95%-Konfidenzintervall um x als Schätzer für den Durchschnittsverbrauch an HCl (bei unbekannter Varianz) mit dem Standardverfahren: ( ) S n P X n t 1 α/2;n 1 µ X S n n + t 1 α/2;n 1 = 1 α n n Realisiertes Konfidenzintervall: Untergrenze: KI l = 16, 453 Obergrenze: KI l = 22, 547 d) Mittelwertdifferenzentest bei unverbundenen Stichproben mit unbekannter (aber identischer) Varianz Hypothesenpaar: H 0 : δ 0 gegen H A : δ > 0 mit δ = µ x µ Y Kritischer Bereich: mn > t m+n 1 α;n+m 2 S = 1, 8898 t-wert: 2, 7608 (X)n (Y )m S Kritische Schranke: t 0,99;7 = 2, 998 Da die Teststatistik nicht in den kritischen Bereich fällt, können wir die Nullhypothese, dass das Standardverfahren gleich viel oder weniger HCl verbraucht als das alternative Verfahren, nicht verwerfen. (Es könnte jedoch ein Fehler 2. Art vorliegen.)
9 Lösung Aufgabe 4 a) Ω = {(Herz,Eule), (Eule,Herz), (Eule,Luftballon), (Luftballon,Eule), (Bär,Eule), (Eule,Bär), (Herz,Bär), (Bär,Herz), (Luftballon,Bär), (Bär,Luftballon), (Herz,Luftballon), (Luftballon,Herz)} b) Ω = {(Herz,Eule), (Eule,Herz), (Bär,Luftballon), (Luftballon,Bär)} Die Wahrscheinlichkeit von 10 Gewinnpunkten beträgt somit 33 %. Ja, da die Kombination Bär, Bär sowie Luftballon, Luftballon zusätzlich vorkommen können. c) Die Wahrscheinlichkeit, entweder im ersten oder im zweiten Zug eine Niete zu ziehen, beträgt 50 Prozent. d) e) P (T M) = 0, 5 Die Wahrscheinlichkeit für eine Frau bereits an einer Therapie teilgenommen zu haben, beträgt 50 Prozent. f) P (M T ) = 0, 5 Die Wahrscheinlichkeit für einen ehemaligen Therapieteilnehmer männnlich zu sein, beträgt 50 Prozent. g) nein, da P (T M) = 0, 3 und P (T M) = 0, 1
PRÜFUNG: METHODEN DER STATISTIK II SS Name, Vorname (Druckschrift) Matrikelnummer Platznummer
OTTO-FRIEDRICH-UNIVERSITÄT BAMBERG Prof. Dr. Susanne Rässler Lehrstuhl für Statistik und Ökonometrie PRÜFUNG: METHODEN DER STATISTIK II SS 2016 Name, Vorname (Druckschrift) Matrikelnummer Platznummer Hinweise
MehrAufgabe 1. Die Abweichung Y vom errechneten Geburtstermin sei normalverteilt mit dem Erwartungswert
Aufgabe 1 Marina hat ihr Studium satt und beschließt Hebamme zu werden. Sie beginnt ein Praktikum auf der Entbindungsstation eines großen städtischen Klinikums. Roswitha, eine erfahrene Hebamme, erklärt
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2013 Aufgabe 1 In einer Urne
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2011/12. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2011/12 Aufgabe 1 Übungsleiter
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2013/2014. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2013/2014 Aufgabe 1 Der Fußballprofi
Mehr0 sonst. a) Wie lautet die Randwahrscheinlichkeitsfunktion von Y? 0.5 y = 1
Aufgabe 1 (2 + 2 + 2 + 1 Punkte) Gegeben sei folgende gemeinsame Wahrscheinlichkeitsfunktion f(x, y) = P (X = x, Y = y) der Zufallsvariablen X und Y : 0.2 x = 1, y = 1 0.3 x = 2, y = 1 f(x, y) = 0.45 x
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2014 Aufgabe 1 Zur besseren
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 007/008 Aufgabe 1 (I) Herr
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2015 Aufgabe 1 Zum Ende des
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2014/2015. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2014/2015 Aufgabe 1 Im Rahmen
Mehr( x i 1 ; x i ] \(ỹ j 1 ; ỹ j ]
Aufgabe 1 Die Befragung von 100 mittelständischen Dienstleistungsunternehmen einer Metropolregion nach ihren Umsätzen sowie Werbeausgaben im Jahre 2008 erbrachte folgende Häufigkeitsfunktion: ( x i 1 ;
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2017 Aufgabe 1 Island ist bekanntlich
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2012/13. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2012/13 Aufgabe 1 Die Firma
MehrPrüfung. Wahrscheinlichkeit und Statistik. ETH Zürich SS 2016 Prof. Dr. P. Embrechts August BSc INFK. Nachname. Vorname.
ETH Zürich SS 2016 Prof. Dr. P. Embrechts August 2016 Prüfung Wahrscheinlichkeit und Statistik BSc INFK Nachname Vorname Legi Nummer Das Folgende bitte nicht ausfüllen! Aufgabe Max. Punkte Summe Kontrolle
MehrKlausur Stochastik und Statistik 31. Juli 2012
Klausur Stochastik und Statistik 31. Juli 2012 Prof. Dr. Matthias Schmid Institut für Statistik, LMU München Wichtig: ˆ Überprüfen Sie, ob Ihr Klausurexemplar vollständig ist. Die Klausur besteht aus fünf
MehrPRÜFUNG: METHODEN DER STATISTIK I SS Name, Vorname (Druckschrift) Matrikelnummer Platznummer
OTTO-FRIEDRICH-UNIVERSITÄT BAMBERG Prof. Dr. Susanne Rässler Lehrstuhl für Statistik und Ökonometrie PRÜFUNG: METHODEN DER STATISTIK I SS 2017 Name, Vorname (Druckschrift) Matrikelnummer Platznummer Hinweise
Mehr1. Nennen Sie den für das Merkmal X geeigneten Skalentyp und begründen Sie Ihre Antwort.
Aufgabe 1 150 Personen gaben bei einer Befragung an, wie viel Geld sie in diesem Jahr für Weihnachtsgeschenke ausgegeben haben. Die Ergebnisse der Befragung sind in nachfolgender Tabelle zusammengefasst,
MehrKlausur zu Statistik II
GOETHE-UNIVERSITÄT FRANKFURT FB Wirtschaftswissenschaften Statistik und Methoden der Ökonometrie Prof. Dr. Uwe Hassler Wintersemester 03/04 Klausur zu Statistik II Matrikelnummer: Hinweise Hilfsmittel
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 5.5.2006 1 Ausgangslage Wir können Schätzen (z.b. den Erwartungswert) Wir können abschätzen, wie zuverlässig unsere Schätzungen sind: In welchem Intervall
MehrGrundidee. χ 2 Tests. Ausgangspunkt: Klasseneinteilung der Beobachtungen in k Klassen. Grundidee. Annahme: Einfache Zufallsstichprobe (X 1,..., X n ).
Grundidee χ 2 -Anpassungstest χ 2 -Unabhängigkeitstest χ 2 -Homogenitätstest χ 2 Tests Grundidee Ausgangspunkt: Klasseneinteilung der Beobachtungen in k Klassen Annahme: Einfache Zufallsstichprobe (X 1,,
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrInstitut für Stochastik, SoSe K L A U S U R , 13:
Institut für Stochastik, SoSe 2014 Mathematische Statistik Paravicini/Heusel 1. K L A U S U R 12.7.2014, 13:00-16.00 Name: Geburtsdatum: Vorname: Matrikelnummer: Übungsgruppe bei: Studiengang & angestrebter
MehrPrüfung. Wahrscheinlichkeit und Statistik. ETH Zürich HS 2015 Prof. Dr. P. Embrechts Januar Nachname. Vorname. Legi Nummer
ETH Zürich HS 25 Prof. Dr. P. Embrechts Januar 26 Prüfung Wahrscheinlichkeit und Statistik BSc INFK Nachname Vorname Legi Nummer Das Folgende bitte nicht ausfüllen! Aufgabe Max. Punkte Summe Kontrolle
MehrEinführung in die Induktive Statistik: Testen von Hypothesen
Einführung in die Induktive Statistik: Testen von Hypothesen Jan Gertheiss LMU München Sommersemester 2011 Vielen Dank an Christian Heumann für das Überlassen von TEX-Code! Testen: Einführung und Konzepte
MehrKlausur zur Vorlesung Analyse mehrdimensionaler Daten, Lösungen WS 2010/2011; 6 Kreditpunkte, 90 min
Klausur, Analyse mehrdimensionaler Daten, WS 2010/2011, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 21.02.2011 Klausur zur Vorlesung Analyse mehrdimensionaler Daten, Lösungen WS 2010/2011; 6 Kreditpunkte,
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2010 Aufgabe 1 Die Inhaberin
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage
MehrStatistiktutorium (Kurs Frau Jacobsen)
Statistiktutorium (Kurs Frau Jacobsen) von Timo Beddig 1 Grundbegriffe p = Punktschätzer, d.h. der Mittelwert aus der Stichprobe, auf Basis dessen ein angenäherter Wert für den unbekannten Parameter der
Mehr5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrAufgabe 1. Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. S. Rässler
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. S. Rässler Klausur zu Methoden der Statistik II mit Lösung Sommersemester 2008 Aufgabe 1 Der landwirtschaftliche
Mehr3 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
MehrWichtige 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
MehrStatistik Zusätzliche Beispiele SS 2018 Blatt 3: Schließende Statistik
Statistik Zusätzliche Beispiele SS 2018 Blatt 3: Schließende Statistik 1. I Ein Personalchef führt so lange Vorstellungsgespräche durch bis der erste geeignete Bewerber darunter ist und stellt diesen an.
MehrPrüfung 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.
MehrWahrscheinlichkeitsrechnung 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
MehrEntscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten
Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 4.1 4. Statistische Entscheidungsverfahren Entscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten Beispiel:
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrNachhol-Klausur - Schätzen und Testen - Wintersemester 2013/14
Prof. Dr. Rainer Schwabe 08.07.2014 Otto-von-Guericke-Universität Magdeburg Institut für Mathematische Stochastik Nachhol-Klausur - Schätzen und Testen - Wintersemester 2013/14 Name:, Vorname: Matr.-Nr.
Mehr5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrStatistik 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:............................................................................
MehrHandelt 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
Mehr73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments
73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind
MehrWirtschaftsstatistik-Klausur am
Wirtschaftsstatistik-Klausur am 0.07.017 Aufgabe 1 Ein Handy- und PC-Hersteller verfügt über ein exklusives Filialnetz von 900 Filialen. Der Gewinn (in GE) der Filialen ist in der folgenden Tabelle nach
MehrAufgabe 2. Zudem konnten Sie bereits die folgenden Maße ermitteln: g = 2040 x = 3 xg = 7049 S 2 X = 2, 98.
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester 2016 Aufgabe 1 Absolventen und
MehrFERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT
FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte
MehrVarianzvergleiche bei normalverteilten Zufallsvariablen
9 Mittelwert- und Varianzvergleiche Varianzvergleiche bei zwei unabhängigen Stichproben 9.3 Varianzvergleiche bei normalverteilten Zufallsvariablen Nächste Anwendung: Vergleich der Varianzen σa 2 und σ2
MehrPRÜFUNG: METHODEN DER STATISTIK I WS 2014/15. Name, Vorname (Druckschrift) Matrikelnummer Platznummer
OTTO-FRIEDRICH-UNIVERSITÄT BAMBERG Prof. Dr. Susanne Rässler Lehrstuhl für Statistik und Ökonometrie PRÜFUNG: METHODEN DER STATISTIK I WS 2014/15 Name, Vorname (Druckschrift) Matrikelnummer Platznummer
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003. Eine seltene Krankheit trete mit Wahrscheinlichkeit : 0000 auf. Die bedingte Wahrscheinlichkeit, dass ein bei einem Erkrankten durchgeführter
MehrNachklausur Wahrscheinlichkeitstheorie und Inferenz II Sommersemester Oktober 2011
Nachklausur Wahrscheinlichkeitstheorie und Inferenz II Sommersemester 2011 28. Oktober 2011 Prof. Dr. Torsten Hothorn Institut für Statistik Nachname: Vorname: Matrikelnummer: Anmerkungen: ˆ Schreiben
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Schließende Statistik Sommersemester Namensschild
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Schließende Statistik Sommersemester 2010 Namensschild Prof. Dr. Ralph Friedmann / Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ
MehrVerteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen. Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung
Verteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung Typisierung der stetigen theoretischen Verteilungen Bibliografie:
Mehr7. 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
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
Mehr4.1. 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
MehrNachklausur zur Vorlesung. Statistik für Studierende der Biologie
Institut für Mathematische Stochastik WS 1999/2000 Universität Karlsruhe 11. Mai 2000 Dr. Bernhard Klar Nachklausur zur Vorlesung Statistik für Studierende der Biologie Bearbeitungszeit: 90 Minuten Name:
MehrDie Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
MehrDie Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
Mehr3.Wiederholung: Toleranzbereiche Für EX Geg:
3.Wiederholung: Toleranzbereiche Für EX Geg: Vl. 24.2.2017 Schätzfunktion für Güte: Ist X Problem: Feb 17 13:21 > Wir berechnen Bereiche (Toleranzbereiche) für sind untere und obere Grenzen, berechnet
MehrFERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT
FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 41 Übersicht Struktur eines Hypothesentests Stichprobenverteilung t-test: Einzelner-Parameter-Test F-Test: Multiple lineare Restriktionen 2 / 41 Struktur
MehrAllgemeines zu Tests. Statistische Hypothesentests
Statistische Hypothesentests Allgemeines zu Tests Allgemeines Tests in normalverteilten Grundgesamtheiten Asymptotische Tests Statistischer Test: Verfahren Entscheidungsregel), mit dem auf Basis einer
MehrVorname: Nachname: Matrikel-Nr.: Klausur Statistik
Vorname: Nachname: Matrikel-Nr.: Klausur Statistik Prüfer Etschberger, Heiden, Jansen Prüfungsdatum 21. Januar 2016 Prüfungsort Augsburg Studiengang IM und BW Bearbeitungszeit: 90 Minuten Punkte: 90 Die
MehrKonfidenzintervalle. Gesucht: U = U(X 1,..., X n ), O = O(X 1,..., X n ), sodass für das wahre θ gilt
Konfidenzintervalle Annahme: X 1,..., X n iid F θ. Gesucht: U = U(X 1,..., X n ), O = O(X 1,..., X n ), sodass für das wahre θ gilt P θ (U θ O) = 1 α, α (0, 1). Das Intervall [U, O] ist ein Konfidenzintervall
MehrKlausur zu Statistik II
Goethe-Universität Frankfurt Prof. Dr. Uwe Hassler FB Wirtschaftswissenschaften Sommersemester 2005 Klausur zu Statistik II Version B Bitte tragen Sie hier und auf den Lösungsblättern (oben links) Ihre
MehrScheinklausur Stochastik 1 für Studierende des Lehramts und der Diplom-Pädagogik
Universität Karlsruhe (TH) Institut für Stochastik Dr. Bernhard Klar Dipl.-Math. oec. Volker Baumstark Name Vorname Matr.-Nr.: Scheinklausur Stochastik für Studierende des Lehramts und der Diplom-Pädagogik
MehrAufgabe Punkte
Institut für Mathematik Freie Universität Berlin Carsten Hartmann, Stefanie Winkelmann Musterlösung für die Nachklausur zur Vorlesung Stochastik I im WiSe 20/202 Name: Matr.-Nr.: Studiengang: Mathematik
Mehr8. Konfidenzintervalle und Hypothesentests
8. Konfidenzintervalle und Hypothesentests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Beispiel. Sie wollen den durchschnittlichen Fruchtsaftgehalt eines bestimmten Orangennektars
MehrSie wissen noch, dass 18.99% der Surfer, die kein Smartphone haben, pro Monat weniger als 20 Stunden das Internet nutzen, d.h. f(y 1 X 2 ) =
Aufgabe 1 In einer Umfrage wird der Besitz eines Smartphones (Merkmal X) und die Nutzungsdauer des Internets pro Monat (Merkmal Y ) untersucht. Merkmal X hat zwei Ausprägungen: X 1 : Besitz und X 2 : Nichtbesitz.
Mehrb) Bestimmen Sie die Varianz der beiden Schätzer. c) Ist ein oder sind beide Schätzer konsistent? Begründen Sie!
Aufgabe 1 (3 + 3 + 2 Punkte) Ein Landwirt möchte das durchschnittliche Gewicht von einjährigen Ferkeln bestimmen lassen. Dies möchte er aus seinem diesjährigen Bestand an n Tieren schätzen. Er kann dies
MehrKapitel 17. Unabhängigkeit und Homogenität Unabhängigkeit
Kapitel 17 Unabhängigkeit und Homogenität 17.1 Unabhängigkeit Im Rahmen der Wahrscheinlichkeitsrechnung ist das Konzept der Unabhängigkeit von zentraler Bedeutung. Die Ereignisse A und B sind genau dann
MehrKlausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester 2007 Aufgabe 1 25 Schülern einer
MehrEmpirische Wirtschaftsforschung
Empirische Wirtschaftsforschung Prof. Dr. Bernd Süßmuth Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie 1 4. Basiskonzepte der induktiven
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Schließende Statistik Sommersemester Aufgabenstellung und Ergebnisse
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Schließende Statistik Sommersemester 2010 Aufgabenstellung und Ergebnisse Prof. Dr. Ralph Friedmann / Dr. Martin Becker Hinweise für die Klausurteilnehmer
Mehr2. Formulieren von Hypothesen. Nullhypothese: H 0 : µ = 0 Gerät exakt geeicht
43 Signifikanztests Beispiel zum Gauß-Test Bei einer Serienfertigung eines bestimmten Typs von Messgeräten werden vor der Auslieferung eines jeden Gerätes 10 Kontrollmessungen durchgeführt um festzustellen,
MehrGoethe-Universität Frankfurt
Goethe-Universität Frankfurt Fachbereich Wirtschaftswissenschaft PD Dr. Martin Biewen Dr. Ralf Wilke Sommersemester 2006 Klausur Statistik II 1. Alle Aufgaben sind zu beantworten. 2. Bitte runden Sie Ihre
MehrMathematik 2 Probeprüfung 1
WWZ Wirtschaftswissenschaftliche Fakultät der Universität Basel Dr. Thomas Zehrt Bitte in Druckbuchstaben ausfüllen: Name Vorname Mathematik 2 Probeprüfung 1 Zeit: 90 Minuten, Maximale Punktzahl: 72 Zur
MehrStatistik Klausur Sommersemester 2013 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik 2 1. Klausur Sommersemester 2013 Hamburg, 26.07.2013 A BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
MehrStatistik II. Begriff, Begründung: Statistik II, WS 2003/2004, Seite 1 von 7
Statistik II, WS 2003/2004, Seite 1 von 7 Statistik II Hinweise zur Bearbeitung Hilfsmittel: - Taschenrechner (ohne Datenbank oder die Möglichkeit diesen zu programmieren) - Formelsammlung im Umfang von
MehrKlausur zur Mathematik für Biologen
Mathematisches Institut der Heinrich-Heine-Universität DÜSSELDORF WS 2002/2003 12.02.2003 (1) Prof. Dr. A. Janssen / Dr. H. Weisshaupt Klausur zur Mathematik für Biologen Bitte füllen Sie das Deckblatt
Mehr3. Geben Sie Modus, Erwartungswert und Varianz der Zufallsvariablen X an.
Aufgabe 1 Der Student Paul fährt jeden Tag mit dem Fahrrad zur Uni. Die Strecke kreuzt drei Fußgängerüberwege mit Bedarfsampeln, die durch Fußgänger aktiviert werden. Wird Paul an einer Bedarfsampel gestoppt,
MehrBeispiel für Gütefunktionen Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = 0.10
6 Hypothesentests Gauß-Test für den Mittelwert bei bekannter Varianz 6.3 Beispiel für Gütefunktionen Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = 0.10 G(µ) 0 α 0. 0.4 0.6 0.8 1 n = 10 n =
MehrDr. W. Kuhlisch Dresden, Institut für Mathematische Stochastik
Dr. W. Kuhlisch Dresden, 12. 08. 2014 Institut für Mathematische Stochastik Klausur Statistik für Studierende der Fachrichtungen Hydrologie und Altlasten/Abwasser zugelassene Hilfsmittel: Taschenrechner
MehrAbitur 2013 Mathematik Stochastik IV
Seite 1 http://www.abiturloesung.de/ Seite 2 Abitur 201 Mathematik Stochastik IV In einer Großstadt steht die Wahl des Oberbürgermeisters bevor. 12% der Wahlberechtigten sind Jungwähler, d. h. Personen
Mehra) Man bestimme ein 95%-Konfidenzintervall für den Anteil der Wahlberechtigten, die gegen die Einführung dieses generellen
2) Bei einer Stichprobe unter n=800 Wahlberechtigten gaben 440 an, dass Sie gegen die Einführung eines generellen Tempolimits von 100km/h auf Österreichs Autobahnen sind. a) Man bestimme ein 95%-Konfidenzintervall
MehrSo berechnen Sie einen Schätzer für einen Punkt
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: SCHÄTZEN UND TESTEN htw saar 2 Schätzen: Einführung Ziel der Statistik ist es, aus den Beobachtungen eines Merkmales in einer Stichprobe Rückschlüsse über die Verteilung
MehrVorlesung: 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
MehrKapitel VIII - Tests zum Niveau α
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel VIII - Tests zum Niveau α Induktive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh Testsituationen
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2009/2010. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2009/2010 Aufgabe 1 Die Porzellanmanufaktur
MehrTECHNISCHE UNIVERSITÄT DORTMUND Wintersemester 2010/2011 FAKULTÄT STATISTIK Dr. H. Hansen
TECHNISCHE UNIVERSITÄT DORTMUND Wintersemester 2010/2011 FAKULTÄT STATISTIK 11.02.2011 Dr. H. Hansen Klausur für den Bachelorstudiengang zur Vorlesung Statistik für Ökonomen Bitte in Druckschrift ausfüllen
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2009 Aufgabe 1 Nach dem von
Mehr3) 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
MehrFit 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
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg. für Betriebswirtschaft und internationales Management
für Betriebswirtschaft und internationales Management Sommersemester 2015 Prof. Dr. Stefan Etschberger Hochschule Augsburg Testverteilungen Chi-Quadrat-Verteilung Sind X 1,..., X n iid N(0; 1)-verteilte
MehrKapitel 3 Schließende Statistik
Beispiel 3.4: (Fortsetzung Bsp. 3.) bekannt: 65 i=1 X i = 6, also ˆp = X = 6 65 = 0, 4 Überprüfen der Voraussetzungen: (1) n = 65 30 () n ˆp = 6 10 (3) n (1 ˆp) = 39 10 Dr. Karsten Webel 194 Beispiel 3.4:
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13 Aufgabenstellung und Ergebnisse Dr. Martin Becker Hinweise für die
MehrJost Reinecke. 7. Juni 2005
Universität Bielefeld 7. Juni 2005 Testtheorie Test für unabhängige Stichproben Test für abhängige Stichproben Testtheorie Die Testtheorie beinhaltet eine Reihe von Testverfahren, die sich mit der Überprüfung
Mehr