Variiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen.

Größe: px
Ab Seite anzeigen:

Download "Variiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen."

Transkript

1 3. Variazaalyse Die Variazaalyse mit eier quatitative abhägige Variable ud eier oder mehrerer qualitativer uabhägiger Variable wird auch als ANOVA (Aalysis of Variace) bezeichet. Mit eier Variazaalyse (ANOVA) wird der Eifluss eier oder mehrer omialskalierter uabhägiger Variabler auf eie metrische skalierte Variable utersucht. Die omialskalierte uabhägige Variable werde hierbei auch als Faktore bezeichet. Die Variazaalyse ist ei gägiges Verfahre zur Auswertug vo Experimete i der Biologie, Ladwirtschaft, Pädagogik, Psychologie ud der Marktforschug. Je ach Azahl der Faktore liegt eie vor. - eifaktorielle Variazaalyse (eifache Variazaalyse), - zweifaktorielle Variazaalyse (zweifache Variazaalyse), - dreifaktorielle Variazaalyse (dreifache Variazaalyse) - etc. Beipiel: I der Ladwirtschaft wird z.b. der Eifluss der Dügug (z.b. 4 Dosierugs- Stufe) auf de Erteertrag utersucht wird. We die ausgewählte Parzelle im Hiblick auf die Größe ud Bodebeschaffeheit gleichwertig sid ist die Dügug hier der eizige Faktore (=omialskalierte uabhägige Variable). Der Ertertrag ist die metrisch skalierte abhägige Variable. Ma würde hier also vo eier eifaktorielle Variazaalyse spreche. Variiert ma zusätzlich och die Saatstärke (z.b. 3 Stärkearte), würde ma vo eier zweifaktorielle Variazaalyse spreche. Beispiel: I der Pädagogik wird der Lererfolg vo Schüler (abhägige Variable) bei uterschiedlich Uterríchtsmethode evaluiert. Im eifachste Fall besteht der Faktor Uterrichtsmethode hier z.b. aus de beide Stufe traditioell ud multimedial. Sofer der Lererfolg geeiget quatifiziert werde ka (z.b. Pukte) ist die eifaktorielle Variazaalyse awedbar.

2 Die Variazaalyse ist zum feste Bestadteil der multivariate Statistik geworde ud keiesfalls auf die Auswertug vo Experimete beschräkt. I de Wirtschaftswisseschafte wird die Variazaalyse auch auf Beobachtugsdate agewedet. Auf die hierbei auftretede Auswertugsprobleme werde wird eizugehe habe. Beispiel: Im Marketig wird der Absatz eies Produkts (quatitative abhägige Variable) i Abhägigkeit vo verschiedee Werbeträger wie z.b. Pritmedie, Plakate, TV-Spots ud Iteret utersucht. Die Werbträger sid hier der Faktor (=qualitative uabhägige Variable), desse Auspräguge hier aus 4 Stufe (Pritmedie, Plakate, TV-Spots, Iteret) besteht. Es hadelt sich um eie eifaktorielle Variazaalyse. Mit der Variazaalyse (ANOVA) wird also die Abhägigkeit eier quatitative Variable vo eier oder mehrere qualitative Variable utersucht. Aufgrud der Merkmalsauspräguge der qualitative Variable lasse sich die Utersuchugsobekte i Gruppe eiteile. Mit Hilfe der Variazaalyse ka da geprüft werde, ob zwische de Gruppe sigifikate Uterschiede bestehe. Wir behadel hier die eifaktorielle ud zweifaktorielle Variazaalyse: Variazaalyse (ANOVA Eifaktorielle Variazaalyse Eifluss eies Faktors (=qualitative uabh. Variable) auf eie quatitative abh. Variable Zweifaktorielle Variazaalyse Eifluss vo zwei Faktore (=qualitative uabh. Variable) auf eie quatitative abh. Variable ohe Iteraktio mit Iteraktio

3 3 3. Eifaktorielle Variazaalyse I der eifaktorielle Variazaalyse wird die Abhägigkeit eier metrisch skalierte Variable vo eier omialskalierte Eiflussgröße, die auch als Faktor bezeichet wird, utersucht. Wir bezeiche dabei de Faktor mit A ud die abhägige Variable mit Y: Faktor A (qualitative uabh. Variable) Abhägige Variable Y (quatitativ) Modell der eifaktorielle Variazaalyse Es wird eie Stichprobe vo N statistische Eiheite aus eier Grudgesamtheit gezoge, die sich aufgrud der Stufe des Faktors A (p Stufe) i p Gruppe eiteile lasse. Bei de Utersuchugseiheite wird eweils der Wert der abhägige Variable, y i, ermittelt: Wert der abhägige Variable y i mit Doppelidex: -. Idex: i-te Utersuchugseiheit, i=,,,, -. Idex: -te Gruppe (Faktorstufe A ),,,,p. Das Modell der ifaktorielle Variazaalyse geht davo aus, dass sich der Beobachtugswert y i systematisch aus dem Gesamtmittelwert der Grudgesamtheit, µ, ud dem Effekt des Faktors A, α, ergibt. Alle adere Eiflussgröße, die icht weiter betrachtet werde, schlage sich i eier Restgröße (Störgröße) ε i ieder, die als ormalverteilt ageomme wird: y = µ + α + ε (3..) i i Die Mittelwerte der p Stufe des Faktors A, µ, i der Grudgesamtheit siddurch (3..) µ = µ + α, =,, K, p gegebe. Die Größe α gibt damit de Effekt des Faktors i Form eier Veräderug des Gesamtmitels µ wieder. Getestet wird i der eifaktorielle Variazaalyse die Nullhypothese (3..3) H 0 : µ µ = = µ p = K, die uterstellt, dass die Mittelwerte der abhägige Variable Y i alle Stufe des Faktors A gleich sid. Der Faktor A übt ur da eie Eifluss auf die ab-

4 4 hägige Variable Y aus, we sich midestes zwei Stufemittelwerte voeiader uterscheide (=Alterativhypothese H ). Uterschiedliche Wirkuge der Stufe des Faktors A auf die abhägige Variable Y werde i der eifaktorielle Variazaalyse durch eie Vergleich der berechete Mittelwerte der p Stufe des Faktors A, y, y,..., y p, mit y = y (3..4) i i= beurteilt. Der Gesamtmittelwert yder Stichprobe lautet (3..5) = p y yi. i= Die Größe gibt dabei die Azahl der Utersuchugseiheite i der -te Gruppe a. Die Besetzugszahle der eizele Gruppe,, summiere sich isgesamt zu N: p = N.

5 5 Beispiel: Ei Uterehme stellt Teile für PKWs mit vier verschiedee Produktiosverfahre A, A, A3 ud A4 her. 48 Arbeiter werde auf die vier Produktiosverfahre gleichmäßig aufgeteilt, so dass 4 Gruppe á 6 Arbeiter etstehe. Am Ede eier Schicht wird bei edem Arbeiter die Azahl der hergestellte Teile ermittelt. Das Uterehme möchte herausfide, ob die Produktiosmethode uterschiedlich produktiv sid. Produktiosmethode Output e Schicht (Werte der abhägige Variable Y) (Faktor A) Produktiosmethode (Faktor A): 4 Verfahre (Faktorstufe) Faktorstufe A (Gruppe ): = 6 Faktorstufe A (Gruppe ): = 6 Faktorstufe A3 (Gruppe 3): 3 = 6 Faktorstufe A4 (Gruppe 4): 4 = 6 4 = = = 4 Azahl der Teile für PKWs (abhägige Variable) Gruppemittelwerte: 6 y = y i = = = i= 6 6 ( ) 68 6 y = y i 6 = = i= 6 6 ( ) = y 3 = y i 6 3 = = i= 6 6 ( ) = y 4 = y i 6 4 = = i= 6 6 ( ) = 40 70

6 6 Der Gesamtmittelwert beträgt p y = yi 4 i= = ( = 78 4 = 7 Ma erhält die hier berechete Mittelwerte ebefalls mit SPSS durch Wahl der Meüpukte Mittelwerte vergleiche Mittelwerte Bericht Produktiosergebis e Arbeitsschicht Produktiosmethode 3 4 Isgesamt Stadardab Mittelwert N weichug Nach (3..) sid die Effekte des Faktors A, α, im variazaalytische Modell durch vo ihm hervorgerufee Veräderuge gegeüber dem Gesamtmittel gegebe: α = µ µ. Gemesse werde die Faktoreffekte durch die Mittelwertdiffereze i der Stichprobe: y y. So sid mit Produktiosverfahres A im Vergleich zum Gesamtdurchschitt im Mittel 4 Teile weiger hergestellt:worde: y y = 68 7 = 4 Mit de Produktiosverfahre A ud A 3 sid dagege überdurchschittlich viele Teile hergestellt worde, währed die Azahl der mit dem Produktiosverfahre A 4 produzierte Teile uter dem Durchschitt liegt: y y = 73 7 = y 3 y = 77 7 = 5 y 4 y = 70 7 =

7 7 Betrachte wir u das variazaalytische Modell ((3..) für de erste Arbeiter, der i der Schicht eie Produktiosleistug vo y = 69 erzielt hat. Subtrahiert ma hiervo die im Durchschitt zu erwartede Produktiosleistug y = 7 ud de Effekt des Faktors A, y y = 4, da erhält ma eie Restgröße (ε ) vo y y ( y y) = 69 7 ( 4) =. Faktor A Faktor A Das bedeutet, dass produziertes Teil des erste Arbeiters der Gruppe uerklärt bleibt. Ohe Berücksichtigug des spezielle Produktiosverfahres ist vo eiem Arbeiter eie Durchschittsleistug vo 7 produzierte Teile zu erwarte. Mit dem Produktiosverfahre A erzielt ma im Mittel edoch ei um 4 Eiheite gerigeres Produktiosergebis. Da der erste Arbeiter mit dem Produktiosverfahre A arbeitet, liegt seie erwartete Produktiosleistug bei 7-4=68. Tatsächlich hat er aber i der Schicht 69 Teile hergestellt. Die Mehrproduktio vo Teil, die icht durch das Produktiosverfahre A erklärt werde ka, ist ei Restwert, der icht i dem variazaalytische Modell berücksichtigte Eiflussgröße zuzuschreibe ist.

8 8 Das mit SPSS erstellte horizotale Balkediagramm gibt die vo dem eweilige Produktiosverfahre ermittelte Outputgröße e Schicht aschaulich wieder [Grafike Balke Eifach Kategorieachse: Produktiosmethode, Adere Auswertugsfuktio: MEAN(Produktiosmethode) rechte Maustaste aklicke Obekt: SPSS-Diagramm Öffe Diagramm Diagramm traspoiere]: 4 Produktiosmethode Mittelwert Produktiosergebis e Arbeitsschicht 80 Die berechete Gruppemittelwertey spiegel zwar de Effekt des Faktors A wieder. Da sie aber aus de beobachtete Werte des Produktiosergebisses e Arbeitsschicht, y i, berechet worde sid, schlage sich hieri ebefalls die Effekte aller verachlässigte Eiflussgrößte ieder, die durch die Restgröße (Stögröße) ε i erfasst werde. Es stellt sich daher die Frage, ob sich die Mittelwerte der Faktorstufe, y, tatsächlich substaziell uterscheide oder ob die Uterschiede als zufallsbedigt ageomme werde köe. Substazielle Uterschiede, d.h. sigifikate Uterschiede, werde i der Statistik mit Hilfe vo Tests aufgedeckt. Auf der Grudlage des Modells der Variazaalyse ist daher zu teste, ob die Uterschiede der Gruppemittelwerte sigifikat sid. Nur i diesem Fall ka auf eie uterschiedliche Produktivität der Produktiosverfahre geschlosse werde.

9 9 Streuugszerlegug, mittlere Abweichugsquadratsumme ud Prüfgröße Bei dem Test auf Gleichheit der Gruppemittelwert im Modell der eifaktorielle Variazaalyse wird die Gesamtstreuug der Beobachtugswerte der abhägige Variable i zwei Kompoete aufgespalte. Geauer lässt sich die Gesamtstreuug, d.h. die Summe der quadrierte Abweichuge vo ihrem Gesamtmittel (Q T ), aus eier - Abweichugsquadratsumme, die die Streuug zwische de Gruppe wiedergibt (durch Faktor A bedigte Streuug Q A ), - ud eier Abweichugsquadratsumme, die die Streuug ierhalb der Gruppe erfasst (Reststreuug Q R ), zusammesetze: Streuugszerlegug: Gesamtstreuug (Q T ) = Streuug zwische de Gruppe (Q A ) + Streuug ierhalb der Gruppe (Q R ) Totale (gesamte) Abweichugsquadratsumme: i i= Q p p p (3..6) Q = ( y y) = ( y y) + ( y y ) T i= Streuug zwische de Gruppe: Q p = (3..7) ( ) A i y y i= Q Weiche die Gruppemittelwerte y stark voeiader ab, sid ihre Abweichuge vom Gesamtmittelwert y ebefalls groß Streuug ierhalb der Gruppe (=Reststreuug): = p R i= (3..8) Q ( y y ) i A R

10 0 Sofer die Streuug zwische de Gruppe uter Berücksichtigug der Freiheitsgrade sigifikat größer ist als die Streuug ierhalb der Gruppe, muss die Nullhypothese eier Mittelwertgleichheit abgeleht werde. Die Streuug zwische de Gruppe, die durch die Mittelwertuterschiede hervorgerufe wird, lässt sich da icht mehr als Zufallsstreuug auffasse. Der Faktor A lässt sich da für die Gruppeuterschiede veratwortlich mache. Dividiert ma die eweilige Abweichugsquadratsumme durch die dazugehörige Freiheitsgrade [degrees of freedom (df)], da erhält ma so geate mittlere Abweichugsquadratsumme MQ. Die Azahl der Freiheitsgrade gibt a, wie viele Messwerte bei der Berechug der Abweichugsquadratsumme tatsächlich frei variiere köe. Bei der Gesamtabweichugsquadratsumme geht ei Freiheitsgrad dadurch verlore, dass mit N y-werte ud dem Gesamtmittelwert die Abweichug des -te y-wertes vo y, y N - y, berechet werde ka. Es sid also ur N y-werte frei variierbar, so dass die totale mittlere Abweichugsquadratsumme durch Q p (3..9) = T MQ = ( y y) T N N i= gegebe ist. Etspreched geht bei p Gruppemittelwerte ei Freiheitsgrad durch die Verwedug des Gesamtmittelwerts y verlore. Als mittlere Abweichugsquadratsumme zwische de Gruppe erhält ma damit: Q p (3..0) = A MQ = ( y y) A p p i= Die mittlere Abweichugsquadratsumme ierhalb der Gruppe (Residualabweichugsquadratsumme) besitzt bei y-werte ud p Gruppemittelwerte -p Freiheitsgrade: i.. Q p (3..) = R MQ = ( y y ) R N p N p i= i.

11 Die Prüfgröße des Tests auf Gleichheit der Gruppemittelwerte ermittelt ma als Quotiete zwische der mittlere Abweichugsquadratsumme zwische de Gruppe (MQ A ) ud der mittlere Abweichugsquadratsumme ierhalb der Gruppe (Residualabweichugsquadratsumme) (MQ R ): (3..) p ( y y) MQ = = = A p i F =. MQ p R ( yi y ) N p i= Uter Gültigkeit der Nullhypothese ist davo auszugehe, dass die Gruppemittelwerte i der Stichprobe gerig voeiader abweiche. Da ist auch die Differez zwische de Gruppemittelwerte y ud de Gesamtmittelwert y klei. Der Zähler i (3..) würde da eie iedrige Wert aehme, was da, da der Neer als Schätzer für die Streuug (σ²) der Grudgesamtheit betrachtet wird, auch für de Wert der Prüfgröße F selbst gelte würde. Die folgede ANOVA-Tabelle gibt die Quelle der Streuug übersichtlich wieder: Quelle Abweichugsquadratsumme Freiheitsgrade = p Q T i= i N p QA = y y p = p Q R yi y i= N p isgesamt ( y y) Faktor A ( ) Rest (icht erklärt) ( ) Mittlere Abweichugsquadratsumme MQT MQ A Q = T N Q = A p Q MQ R R = N p

12 Beispiel: I dem Beispiel des Produktiosergebisses pro Schicht i Abhägigkeit vo dem Produktiosverfahre hatte wir eie Gesamtmittelwert vo y = 7 ud die Gruppemittelwerte y = 68, mit = y = 3 = 73, = 4 = 6 y3 = 77, y4 = 70 berechet. Die Abweichugsquadratsumme Q T ud Q R lasse sich aus eier Arbeitstabelle bereche: Prod.- verf. A A A3 A4 i y i. y ( y y) ( y ) i i y Summe - - Q T = 954 Q R = 678

13 3 Die Abweichugsquadratsumme Q A erhält ma durch Awedug der Formel (3..7): Q 4 A = = 6 ( y y) ( 68 7) + 6 ( 73 7) + 6 ( 77 7) + 6 ( = = = Wege Q T = Q A + Q R würde es aber auch ausreiche, ur Q T ud Q A direkt zu bereche. Die Restabweichugsquadratsumme ergibt sich da aus Q R = Q T Q A = = 678. Für die mittlere Abweichugsquadratsumme erhält ma Q MQ T T = = = = 4,478 N - N 4 Q MQ A A = = = = 9 p - p 4 Q Q MQ R R R = = = = = 33,9, N - p N p so dass die Prüfgröße F de Wert F = ( p ) ( N p) QA MQ 9 = A = =,74. QR MQR 33,9 aimmt. ).

14 4 Mit SPSS erhalte wir dieselbe Ergebisse mit der Meüwahl Aalysiere Mittelwerte vergleiche Eifaktorielle ANOVA : Produktiosergebis e Arbeitsschicht Zwische de Gruppe Ierhalb der Gruppe Gesamt ONEWAY ANOVA Quadrats Mittel der umme df Quadrate F Sigifikaz Die letzte Spalte der SPSS-Tabelle ONEWAY ANOVA bezieht sich auf die Sigifikaz der Prüfgröße, auf die wir etzt och eizugehe habe.

15 5 Verteilug der Prüfgröße ud kritischer Wert Uter der Aahme der Normalverteilug stellt sich die Prüfgröße F dar als Quotiet vo zweier χ -verteilter Zufallsvariable (χ : Chi-Quadrat) mit p- ud N-p Freiheitsgrade. Die Teststatistik F folgt daher eier F-Verteilug mit p- ud N-p Freiheitsgrade: F ~ F p ;N p Der F-Test auf Gleichheit der Gruppemittelwerte prüft, ob die Streuug der Gruppemittelwerte bei Berücksichtigug der Freiheitsgrade, MQ A, sigifikat größer ist als die Reststreuug MQ R. Da die Reststreuug eie zufallbedigte Streuug ist, ka bei gleicher Größeordug kei substazieller Eifluss des Faktors A gefolgert werde. Erst we die durch MQ A gemessee Streuug der Gruppemittelwerte sigifikat größer als die mittlere Reststreuug MQ R ist, ist für de Faktor A ei Effekt achgewiese, der über eie zufällige Eifluss hiausgeht. Als Verhältis vo Abweichugsquadrate ist der empirische F-Wert stets positiv ud der F-Test ei eiseitiger Test (rechtsseitiger Test). Die Nullhypothese gleicher Gruppemittelwerte wird verworfe, we der Wert der Prüfgröße (empirischer F-Wert) F bei eiem Sigifikaziveau vo α das (-α)-quatil der F-Verteilug mit p- ud N-p Freiheitsgrade übersteigt: F > F p-;n-p;-α Nullhypothese ablehe. f( F) α 0 Fp ;N p; α F Aahmebereich Ablehugsbereich

16 6 Beispiel: I userem Beispiel der eifaktorielle Variazaalyse gebe wir ei Sigifikaziveau vo 5% vor. Der kritische F-Wert ist eier F-Verteilugstabelle zu etehme, aus der ute ei Ausschitt agebe ist. Zu diesem Sigifikaziveau lese wir für eie Freiheitsgradzahl des Zählers (v ) vo p-=4- =3 ud eier Freiheitsgradzahl des Neers (v ) vo N-p=4-4=0 de kritische Wert ab. F 3;0;0,95 = 3,0 Quatile der F-Verteilug v F(x) v 3 4 M M M M M M 0,95 4,35 3,49 3,0,87 0 0,99 8,0 5,85 4,94 4,43 0,95 4,7 3,3,9, ,99 7,56 5,39 4,5 4,0 0,95 4,08 3,3,84,6 40 0,99 7,3 5,8 4,3 3,83 0,95 4,03 3,8,79, ,99 7,7 5,06 4,0 3,7 0,95 4,00 3,5,76, ,99 7,08 4,98 4,3 3,65 M M M M M M M Da der empirische F-Wert vo,74 kleier als der kritische Wert vo 3,0 ist, lässt sicht die Nullhypothese gleicher Gruppemittelwerte auf eiem Sigifikaziveau vo 5% icht abgelehe: F =,74 < F3 ;0;0, 95 = 3,0 Beibehaltug der Nullhypothese. Das bedeutet, dass die Uterschiede der mit de verschiedee Produktiosverfahre durchschittlich produzierte Teile icht auf substazielle Produktivitätsuterschiede der Produktiosverfahre zurückgeführt werde köe. Vielmehr liege die Uterschiede och im Bereich der Zufallsabweichuge, die durch de Stichprobefehler bedigt sid. Die i der Stichprobe ermittelte Produktivitätsuterschiede der Produktiosverfahre sid damit icht statistisch gesichert. [Amerkug: Ma beachte, dass hier ei relativ kleier Stichprobeumfag vorliegt, bei dem der Stichprobefehler größer ist als bei große Stichprobeum-

17 7 fäge. Bei große Stichprobe lasse sich sigifikate Uterschiede daher erheblich leichter achweise. ] I der Grafik fällt der empirische F-Wert i de Aahmebereich, da er liksseitig des kritische Werts F 3;0;0,95 = 3,0 liegt. Aus diesem Grud wird die Nullhypothese eier Gleichheit der Gruppemittelwerte beibehalte. Würde er dagege i de Ablehbereich H0,05 = (F3;0;0,95 = 3,0; ) falle, der rechtsseitig des kritische Wertes F 3;0;0,95 = 3,0 liegt, müsste die Nullhypothese verworfe werde. I diesem Fall würde ma die gemessee verfahresbedigte Uterschiede der Produktiosleistug e Schicht icht mehr als Zufallsabweichuge iterpretiere köe. Im Vergleich zu dem Stichprobefehler wäre die Uterschiede der Gruppemittelwerte so groß, dass ma sie auf substa- fhfl zielle Produktivitätsuterschiede der Produktiosverfahre zurückführe würde α=0, Aahmebereich emp F =,74 F 3;0;0,95 = 3,0 Ablehugsbereich F

18 8 Sigifikaztest ud p-wert SPSS weist i der Tabelle ONEWAY ANOVA uter Sigifikaz de Wert.07 aus. Dieser Wert wird auch als p-wert bezeichet. Er gibt die Überschreitugswahrscheilichkeit des empirische F-Wertes vo,74 a. Währed α das vorgegebee Sigifikaziveau (omiales Sigifikaziveau) ist, gibt der p-wert das tatsächliche Sigifikaziveau, d.h. die tatsächliche Irrtumswahrscheilichkeit, des Tests a. Isofer gibt der p-wert mehr Iformatioe wieder als der Vergleich zwische dem empirische F-Wert ud dem kritische Wert. Da ma zur Berechug des p-wertes mauell aber sehr aufwedig ist, wird er im Allgemeie ur i eier computergestützte Dateaalyse ausgewiese. Uter Verwedug des p-wertes lautet die Testetscheidug: p < α Nullhypothese ablehe p α Nullhypothese beibehalte.

19 9 Beispiel: I userem Beispiel liegt ei icht-sigifikates Testergebis. Durch eie Vergleich des empirische F-Wertes vo,74 mit dem kritische Wert vo 3,0 habe wir die Testetscheidug F =,74 < F 3;0;0,95 = 3,0 Nullhypothese beibehalte. gefällt. SPSS weist demgegeüber de p-wert vo 0,07 aus. Vergleicht ma diese p-wert mit dem vorgegebee Sigifikaziveau, kommt ma zur selbe Testetscheidug: p = 0,07 > α = 0,05 Nullhypothese beibehalte. Die Aalogie fhfl des Vergleichs der F-Werte ud der Wahrscheilichkeite geht aus der ute stehede Grafik hervor p = 0, 07 α= 0, emp F =,74 F 3;0;0,95 = 3,0 F

20 0 Exkurs: Chi-Quadrat-Verteilug ud F-Verteilug Chi-Quadrat-Verteilug Es seie Z, Z, K, Z, Xi µ Zi =, σ uabhägige, stadardormalverteilte Zufallsvariable. Da besitzt die Quadratsumme f ( χ ) (*) χ = Z + Z + K + Z = i= Z i χ eie -Verteilug mit Freiheitsgrade. Hierbei lässt sich die Quadratsumme auch i der Form ( ) = Xi µ Xi µ χ = i= i= σ σ darstelle. Wird µ durch de Stichprobemittelwert geschätzt, da ist die Quadratsumme ( X i X ) i= χ = σ χ mit Freiheitsgrade. Allgemei ist eie Quadratsumme der Form (*) χ - verteilt mit k Freiheitsgrade, we hier i k Parameter aus der Stichprobe zu schätze sid. F-Verteilug Es seie χ ud χ zwei uabhägige -verteilte Zufallsvariable mit v v v ud v Freiheitsgrade. Da ist das Verhältis χ χ

21 χ v F = χ v F-verteilt mit v ud v Freiheitsgrade.

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39 Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle

Mehr

Evaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt

Evaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt 2.4.5 Gauss-Test ud t-test für verbudee Stichprobe 2.4.5.8 Zum Begriff der verbudee Stichprobe Verbudee Stichprobe: Vergleich zweier Merkmale X ud Y, die jetzt a deselbe Persoe erhobe werde. Vorsicht:

Mehr

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen: 61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl

Mehr

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:

Mehr

15.4 Diskrete Zufallsvariablen

15.4 Diskrete Zufallsvariablen .4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet

Mehr

Kapitel 6: Statistische Qualitätskontrolle

Kapitel 6: Statistische Qualitätskontrolle Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle

Mehr

Statistik I/Empirie I

Statistik I/Empirie I Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass

Mehr

Kapitel 5: Schließende Statistik

Kapitel 5: Schließende Statistik Kapitel 5: Schließede Statistik Statistik, Prof. Dr. Kari Melzer 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte

Mehr

Formelsammlung Mathematik

Formelsammlung Mathematik Formelsammlug Mathematik 1 Fiazmathematik 1.1 Reterechug Sei der Zissatz p%, der Zisfaktor q = 1 + p 100. Seie R die regelmäßig zu zahlede Rate, die Laufzeit. Edwert: Barwert: achschüssig R = R q 1 q 1

Mehr

Auch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert.

Auch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert. Prof. Dr. H. Rommelfager: Etscheidugstheorie, Kaitel 3 7 3. Etscheidug bei Risiko (subjektive oder objektive) Eitrittswahrscheilichkeite für das Eitrete der mögliche Umweltzustäde köe vom Etscheidugsträger

Mehr

Testumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen

Testumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen Testumfag für die Ermittlug ud Agabe vo Fehlerrate i biometrische Systeme Peter Uruh SRC Security Research & Cosultig GmbH peter.uruh@src-gmbh.de Eileitug Biometrische Systeme werde durch zwei wichtige

Mehr

Quantitative Methoden in der klinischen Epidemiologie Der statistische Test

Quantitative Methoden in der klinischen Epidemiologie Der statistische Test Lerziele Quatitative Methode i der kliische Epidemiologie Der statistische Test Dr. Markus Pfirrma pfi@ibe.med.ui-mueche.de IBE Der Statistische Test Im Zetrum jeder kliische ud epidemiologische Studie

Mehr

Statistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik

Statistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik Statistik Kapitel 5: Schließede Statistik 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel 1» Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte der arithmetische

Mehr

14 Statistische Beziehungen zwischen nomi nalen Merkmalen

14 Statistische Beziehungen zwischen nomi nalen Merkmalen 14 Statistische Beziehuge zwische omi ale Merkmale 14.1 Der Chi Quadrat Test auf Uabhägigkeit für Vier Feldertafel 14.2 Der Chi Quadrat Test auf Uabhägigkeit für r s Kotigeztafel 14.3 Zusammmehagsmaße

Mehr

3. Einführung in die Statistik

3. Einführung in die Statistik 3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :

Mehr

Beschreibende Statistik Kenngrößen in der Übersicht (Ac)

Beschreibende Statistik Kenngrößen in der Übersicht (Ac) Beschreibede Statistik Kegröße i der Übersicht (Ac) Im folgede wird die Berechugsweise des TI 83 (sowie vo SPSS, s. ute) verwedet. Diese geht auf eie Festlegug vo Moore ud McCabe (00) zurück. I der Literatur

Mehr

2.4.1 Grundprinzipien statistischer Hypothesentests

2.4.1 Grundprinzipien statistischer Hypothesentests 86 2.4. Hypothesetests 2.4 Hypothesetests 2.4.1 Grudprizipie statistischer Hypothesetests Hypothese: Behauptug eier Tatsache, dere Überprüfug och aussteht (Leuter i: Edruweit, Trommsdorff: Wörterbuch der

Mehr

Der natürliche Werkstoff Holz - Statistische Betrachtungen zum uniaxialen Zugversuch am Beispiel von Furnier

Der natürliche Werkstoff Holz - Statistische Betrachtungen zum uniaxialen Zugversuch am Beispiel von Furnier Der atürliche Werkstoff Holz - Statistische Betrachtuge zum uiaxiale Zugversuch am Beispiel vo Furier B. Bellair, A. Dietzel, M. Zimmerma, Prof. Dr.-Ig. H. Raßbach Zusammefassug FH Schmalkalde, 98574 Schmalkalde,

Mehr

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG. - LÖSUNGEN. ypothesetest für die Dicke vo Plättche Die Dicke X vo Plättche, die auf eier bestimmte Maschie

Mehr

Statistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte.

Statistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte. Statistik Vorlesug,. ärz, Statistische aßzahle Iformatio zu verdichte, Besoderheite hervorzuhebe ittelwerte Aufgabe: die Lage der Verteilug auf der Abszisse zu zeige. Der odus: derjeige Wert, der im Häufigste

Mehr

Kryptologie: Kryptographie und Kryptoanalyse Kryptologie ist die Wissenschaft, die sich mit dem Ver- und Entschlüsseln von Informationen befasst.

Kryptologie: Kryptographie und Kryptoanalyse Kryptologie ist die Wissenschaft, die sich mit dem Ver- und Entschlüsseln von Informationen befasst. Krytologie: Krytograhie ud Krytoaalyse Krytologie ist die Wisseschaft, die sich mit dem Ver- ud Etschlüssel vo Iformatioe befasst. Beisiel Iteretkommuikatio: Versiegel (Itegrität der Nachricht) Sigiere

Mehr

Übungsblatt 1 zur Vorlesung Angewandte Stochastik

Übungsblatt 1 zur Vorlesung Angewandte Stochastik Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche

Mehr

Innerbetriebliche Leistungsverrechnung

Innerbetriebliche Leistungsverrechnung Ierbetriebliche Leistugsverrechug I der Kostestellerechug bzw. im Betriebsabrechugsboge (BAB ist ach der Erfassug der primäre Kostestellekoste das Ziel, die sekudäre Kostestellekoste, also die Koste der

Mehr

2 Vollständige Induktion

2 Vollständige Induktion 8 I. Zahle, Kovergez ud Stetigkeit Vollstädige Iduktio Aufgabe: 1. Bereche Sie 1+3, 1+3+5 ud 1+3+5+7, leite Sie eie allgemeie Formel für 1+3+ +( 3)+( 1) her ud versuche Sie, diese zu beweise.. Eizu5% ZiseproJahragelegtes

Mehr

Statistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S

Statistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S Statistik mit Excel 2013 Peter Wies Theme-Special 1. Ausgabe, Februar 2014 W-EX2013S 3 Statistik mit Excel 2013 - Theme-Special 3 Statistische Maßzahle I diesem Kapitel erfahre Sie wie Sie Date klassifiziere

Mehr

Grundgesamtheitsanaylsen und Stichproben. Betrachtungen zur Stichprobenfindung

Grundgesamtheitsanaylsen und Stichproben. Betrachtungen zur Stichprobenfindung MaMaEuSch Maagemet Mathematics for Europea Schools http://www.mathematik.uikl.de/ mamaeusch Grudgesamtheitsaaylse ud Stichprobe. Betrachtuge zur Stichprobefidug Paula Lagares Justo Puerto 1 MaMaEuSch 2

Mehr

Statistik. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.html

Statistik. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.html Statistik Prof. Dr. K. Melzer kari.melzer@hs-esslige.de http://www.hs-esslige.de/de/mitarbeiter/kari-melzer.html Ihaltsverzeichis 1 Eileitug ud Übersicht 3 2 Dategewiug (kurzer Überblick) 3 2.1 Plaugsphase

Mehr

Behandlung von Messunsicherheiten (Fehlerrechnung)

Behandlung von Messunsicherheiten (Fehlerrechnung) Behadlug vo Messusicherheite (Fehlerrechug). Ermittlug vo Messusicherheite. Messug ud Messusicherheit Die Messug eier physikalische Größe erfolgt durch de Vergleich dieser Größe mit eier Bezugseiheit ach

Mehr

Prof. Dr. Roland Füss Statistik II SS 2008

Prof. Dr. Roland Füss Statistik II SS 2008 1. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug ergibt sich aus de Grezwertsätze. Grezwertsätze sid Aussage über eie Zufallsvariable für de Fall, dass die Azahl

Mehr

2.3 Kontingenztafeln und Chi-Quadrat-Test

2.3 Kontingenztafeln und Chi-Quadrat-Test 2.3 Kotigeztafel ud Chi-Quadrat-Test Die Voraussetzuge a die Date i diesem Kapitel sid dieselbe, wie im voragegagee Kapitel, ur dass die Stichprobe hier aus Realisieruge vo kategorielle Zufallsvariable

Mehr

Praktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle

Praktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle Praktikum Vorbereitug Fertigugsmesstechik Statistische Qualitätskotrolle Bei viele Erzeugisse ist es icht möglich jedes Werkstück zu prüfe, z.b.: bei Massefertigug. Hier ist es aus ökoomische Grüde icht

Mehr

Grundlagen der Biostatistik und Informatik

Grundlagen der Biostatistik und Informatik Vergleich vo mehrere Stichprobe Grudlage der Biostatisti ud Iformati Hypotheseprüfuge III., Nichtparametrische Methode dr László Smeller Semmelweis Uiversität 0 Vergleich vo mehrere Stichprobe Boferroi

Mehr

Umrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung

Umrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung .3. Prozetuale Häufigkeitsverteilug (HV) Die prozetuale Häufigkeitsverteilug erlaubt de Vergleich vo Auswertuge, dee uterschiedliche Stichprobegröße zugrude liege. Es köe auch uterschiedliche Stichprobegröße

Mehr

4 Punkt- und Intervallschätzung

4 Punkt- und Intervallschätzung W. Timischl, Agewadte Statistik - Formel (Agewadte Statistik Bachelor-Bioegieerig/Biotechologie) 4 Pukt- ud Itervallschätzug 4. Mittelwert ud Variaz Zufallsstichprobe der metrische Variable X vom Umfag

Mehr

Lösungen der Aufgaben zur Vorbereitung auf die Klausur Mathematik für Informatiker I

Lösungen der Aufgaben zur Vorbereitung auf die Klausur Mathematik für Informatiker I Uiversität des Saarlades Fakultät für Mathematik ud Iformatik Witersemester 2003/04 Prof. Dr. Joachim Weickert Dr. Marti Welk Dr. Berhard Burgeth Lösuge der Aufgabe zur Vorbereitug auf die Klausur Mathematik

Mehr

Korrelationsanalyse zwischen kategorischen Merkmalen. Kontingenztabellen. Chi-Quadrat-Test

Korrelationsanalyse zwischen kategorischen Merkmalen. Kontingenztabellen. Chi-Quadrat-Test Kotigeztabelle. Chi-Quadrat-Test Korrelatiosaalyse zwische kategorische Merkmale Beispiel 1 ohe Frau 8 75 1 Ma 48 49 97 76 14? Häufigkeitstabelle (Kotigeztabelle): eie tabellarische Darstellug der gemeisame

Mehr

Methodische Grundlagen der Kostenkalkulation

Methodische Grundlagen der Kostenkalkulation Methodische Grudlage der Kostekalkulatio Plaugsebee Gebrauchsgüter Die i der ladwirtschaftliche Produktio eigesetzte Produktiosmittel werde i Gebrauchsgüter ud Verbrauchsgüter uterteilt. Zu de Gebrauchsgüter

Mehr

elektr. und magnet. Feld A 7 (1)

elektr. und magnet. Feld A 7 (1) FachHochschule Lausitz Physikalisches Praktikum α- ud β-strahlug im elektr. ud maget. Feld A 7 Name: Matrikel: Datum: Ziel des Versuches Das Verhalte vo α- ud β-strahlug im elektrische ud magetische Feld

Mehr

Qualitätskennzahlen für IT-Verfahren in der öffentlichen Verwaltung Lösungsansätze zur Beschreibung von Metriken nach V-Modell XT

Qualitätskennzahlen für IT-Verfahren in der öffentlichen Verwaltung Lösungsansätze zur Beschreibung von Metriken nach V-Modell XT Qualitätskezahle für IT-Verfahre i der öffetliche Verwaltug Lösugsasätze zur Vo Stefa Bregezer Der Autor arbeitet im Bereich Softwaretest ud beschäftigt sich als Qualitätsbeauftragter mit Theme zu Qualitätssicherug

Mehr

Kleines Matrix-ABC. Fachgebiet Regelungstechnik Leiter: Prof. Dr.-Ing. Johann Reger. 1 Elementares

Kleines Matrix-ABC. Fachgebiet Regelungstechnik Leiter: Prof. Dr.-Ing. Johann Reger. 1 Elementares 4 6 Fachgebiet Regelugstechik Leiter: Prof. Dr.-Ig. Joha Reger Kleies Matrix-ABC 1 Eleetares Eie ( )-Matrix ist eie rechteckige Aordug vo reelle oder koplexe Zahle a ij (auch Skalare geat) ud besteht aus

Mehr

... a ik) i=1...m, k=1...n A = = ( a mn

... a ik) i=1...m, k=1...n A = = ( a mn Zurück Stad: 4..6 Reche mit Matrize I der Mathematik bezeichet ma mit Matrix im Allgemeie ei rechteckiges Zahleschema. I der allgemeie Darstellug habe die Zahle zwei Idizes, de erste für die Zeileummer,

Mehr

Stichproben im Rechnungswesen, Stichprobeninventur

Stichproben im Rechnungswesen, Stichprobeninventur Stichprobe im Rechugswese, Stichprobeivetur Prof Dr Iree Rößler ud Prof Dr Albrecht Ugerer Duale Hochschule Bade-Württemberg Maheim Im eifachste Fall des Dollar-Uit oder Moetary-Uit Samplig (DUS oder MUS-

Mehr

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008 Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe

Mehr

Streuungsmaße. Prof. Dr. Paul Reuber. Institut für Geographie. Seminar Methoden der empirischen Humangeographie

Streuungsmaße. Prof. Dr. Paul Reuber. Institut für Geographie. Seminar Methoden der empirischen Humangeographie Streuugsmaße Istitut für Geographie Streuugswerte (Streuugsmaße) Die Diskussio um die Mittelwerte hat die Vorteile dieser statistische Kewerte gezeigt, aber bereits, isbesodere beim arithmetische Mittel,

Mehr

Univariate Verteilungen

Univariate Verteilungen (1) Aalyse: "deskriptive Statistike" Aalysiere -> deskriptive Statistike -> deskriptive Statistik Keie tabellarische Darstellug der Häufigkeitsverteilug () Aalyse: "Häufigkeitsverteilug" Aalysiere -> deskriptive

Mehr

Empirische Methoden I

Empirische Methoden I Hochschule für Wirtschaft ud 2012 Umwelt Nürtige-Geislige Fakultät Betriebswirtschaft ud Iteratioale Fiaze Prof. Dr. Max C. Wewel Prof. Dr. Corelia Niederdrek-Felger Aufgabe zum Tutorium Empirische Methode

Mehr

Löslichkeitsdiagramm. Grundlagen

Löslichkeitsdiagramm. Grundlagen Grudlage Löslichkeitsdiagramm Grudlage Zur etrachtug des Mischugsverhaltes icht vollstädig mischbarer Flüssigkeite, das heißt Flüssigkeite, die sich icht bei jeder Temperatur i alle Megeverhältisse miteiader

Mehr

IWW Studienprogramm. Vertiefungsstudium. Modul XI: Volkswirtschaftslehre. Lösungshinweise zur 1. Musterklausur

IWW Studienprogramm. Vertiefungsstudium. Modul XI: Volkswirtschaftslehre. Lösungshinweise zur 1. Musterklausur Istitut für Wirtschaftswisseschaftliche Forschug ud Weiterbildug GmbH Istitut a der FerUiversität i Hage IWW Studieprogramm Vertiefugsstudium Modul XI: Volkswirtschaftslehre Lösugshiweise zur 1. Musterklausur

Mehr

Statistische Tests zu ausgewählten Problemen

Statistische Tests zu ausgewählten Problemen Eiführug i die statistische Testtheorie Statistische Tests zu ausgewählte Probleme Teil : Tests für Erwartugswerte Statistische Testtheorie I Eiführug Beschräkug auf parametrische Testverfahre Beschräkug

Mehr

2.2.1 Lagemaße. Exkurs: Quantile. und n. p n

2.2.1 Lagemaße. Exkurs: Quantile. und n. p n Ekurs: Quatile Ausgagspukt : Geordete Urliste Jeder Wert p, mit 0 < p

Mehr

6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $

6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $ Mathematik für Iformatiker B, SS 0 Diestag 5.6 $Id: folge.tex,v. 0/06/05 ::8 hk Exp $ 6 Folge 6.4 Folge reeller Zahle I der letzte Sitzug habe wir de Begriff des Grezwerts eier Folge i eiem metrische Raum

Mehr

h i Deskriptive Statistik 1-dimensionale Daten Daten und Häufigkeiten Seite 1 Nominal Ordinal Metrisch (Kardinal) Metrisch - klassiert

h i Deskriptive Statistik 1-dimensionale Daten Daten und Häufigkeiten Seite 1 Nominal Ordinal Metrisch (Kardinal) Metrisch - klassiert Deskriptive Statistik dimesioale Date Date ud Häufigkeite Seite Nomial Ordial Metrisch (Kardial Metrisch klassiert Beschreibug: Date habe keie atürliche Reihefolge. Bsp: Farbe, Religio, Geschlecht, Natioalität...

Mehr

WS 2000/2001. zeitanteiliger nomineller Jahreszinssatz für eine unterjährige Verzinsungsperiode bei einfachen Zinsen

WS 2000/2001. zeitanteiliger nomineller Jahreszinssatz für eine unterjährige Verzinsungsperiode bei einfachen Zinsen Aufgabe 1: WS 2000/2001 Aufgabe 1: (4 P (4 Pukte) Gebe Sie die Formel zur Bestimmug des relative sowie des koforme Zissatzes a ud erläuter Sie die Uterschiede bzw. Gemeisamkeite der beide Zisfüße. Lösug:

Mehr

Vereinheitlichung Einheitlicher Maßstab der Risikoeinschätzung. Limitierung / Steuerung Messung und Limitierung ist fundamental für die Steuerung

Vereinheitlichung Einheitlicher Maßstab der Risikoeinschätzung. Limitierung / Steuerung Messung und Limitierung ist fundamental für die Steuerung . Marktpreisrisiko Motivatio der VaR-Ermittlug Vereiheitlichug Eiheitlicher Maßstab der Risikoeischätzug Limitierug / Steuerug Messug ud Limitierug ist fudametal für die Steuerug Kapitaluterlegug Zur Deckug

Mehr

Der χ 2 Test. Bei Verteilungen Beantwortung der Frage, ob eine gemessene Verteilung Gauß- oder Poisson-verteilt ist oder nicht?

Der χ 2 Test. Bei Verteilungen Beantwortung der Frage, ob eine gemessene Verteilung Gauß- oder Poisson-verteilt ist oder nicht? Der χ Test Es gibt verschiedee Arte vo Sigifikaztests Nebe Sigifikaztests, die sich mit dem Mittelwert beschäftige, gibt es auch Testverfahre für Verteiluge Bei Verteiluge Beatwortug der Frage, ob eie

Mehr

Tao De / Pan JiaWei. Ihrig/Pflaumer Finanzmathematik Oldenburg Verlag 1999 =7.173,55 DM. ges: A m, A v

Tao De / Pan JiaWei. Ihrig/Pflaumer Finanzmathematik Oldenburg Verlag 1999 =7.173,55 DM. ges: A m, A v Tao De / Pa JiaWei Ihrig/Pflaumer Fiazmathematik Oldeburg Verlag 1999 1..Ei Darlehe vo. DM soll moatlich mit 1% verzist ud i Jahre durch kostate Auitäte getilgt werde. Wie hoch sid a) die Moatsrate? b)

Mehr

Lerneinheit 2: Grundlagen der Investition und Finanzierung

Lerneinheit 2: Grundlagen der Investition und Finanzierung Lereiheit 2: Grudlage der Ivestitio ud Fiazierug 1 Abgrezug zu de statische Verfahre Durchschittsbetrachtug wird aufgegebe Zeitpukt der Zahlugsmittelbewegug explizit berücksichtigt exakte Erfassug der

Mehr

Linsengesetze und optische Instrumente

Linsengesetze und optische Instrumente Lisegesetze ud optische Istrumete Gruppe X Xxxx Xxxxxxxxx Xxxxxxx Xxxxxx Mat.-Nr.: XXXXX Mat.-Nr.: XXXXX XX.XX.XX Theorie Im olgede werde wir eie kurze Überblick über die Fuktio, de Aubau ud die Arte vo

Mehr

= a n: Wurzelexponent x: Radikand oder Wurzelbasis a: Wurzelwert Bei der ersten Wurzel wird einfach das Wurzelzeichen weggelassen.

= a n: Wurzelexponent x: Radikand oder Wurzelbasis a: Wurzelwert Bei der ersten Wurzel wird einfach das Wurzelzeichen weggelassen. Wurzelgesetze Gesetzmäßigkeite Grudlage Das Wurzelziehe (oder Radiziere) ist die Umkehrug des Potezieres. Daher sid die Wurzelgesetze de Potezgesetze sehr ählich. Die Wurzel aus eier positive Zahl ergibt

Mehr

Versuch D3: Energiebilanz einer Verbrennung

Versuch D3: Energiebilanz einer Verbrennung Versuch D: Eergiebilaz eier Verbreug 1. Eiführug ud Grudlage 1.1 Eergiebilaz eier Verbreug Die Eergiebilaz eier Verbreug wird am eispiel eier kleie rekammer utersucht, i welcher die bei der Verbreug vo

Mehr

6. Übung - Differenzengleichungen

6. Übung - Differenzengleichungen 6. Übug - Differezegleichuge Beispiel 00 Gesucht sid alle Lösuge vo a) x + 3x + = 0 ud b) x + x + 7 = 0, jeweils für 0. Um diese lieare Differezegleichug erster Ordug zu löse, verwede wir die im Buch auf

Mehr

Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK. 1. Vorbemerkung

Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK. 1. Vorbemerkung Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK Physikalische Prozesse, die eier statistische Gesetzmäßigkeit uterworfe sid, lasse sich mit eier Verteilugsfuktio beschreibe. Die Gauß-Verteilug

Mehr

3. Tilgungsrechnung. 3.1. Tilgungsarten

3. Tilgungsrechnung. 3.1. Tilgungsarten schreier@math.tu-freiberg.de 03731) 39 2261 3. Tilgugsrechug Die Tilgugsrechug beschäftigt sich mit der Rückzahlug vo Kredite, Darlehe ud Hypotheke. Dabei erwartet der Gläubiger, daß der Schulder seie

Mehr

SUCHPROBLEME UND ALPHABETISCHE CODES

SUCHPROBLEME UND ALPHABETISCHE CODES SUCHPROBLEME UND ALPHABETISCHE CODES Der Problematik der alphabetische Codes liege Suchprobleme zugrude, dere Lösug dem iformatiostheoretische Problem der Fidug eies (optimale) alphabetische Codes gleich

Mehr

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0. 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 8.1 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12.075, p-wert: 0.0168 f χ

Mehr

Kennwerte Univariater Verteilungen

Kennwerte Univariater Verteilungen Kewerte Uivariater Verteiluge Kewerte Beschreibug vo Verteiluge durch eie (oder weige) Werte Werde auch als Parameter oder Maße vo Verteiluge bezeichet Ma uterscheidet: Lagemaße oder auch Maße der zetrale

Mehr

Lichtquellen Körper die selbst Licht erzeugen, nennt man Lichtquellen. Die meisten Lichtquellen sind glühende Körper mit hoher Temperatur.

Lichtquellen Körper die selbst Licht erzeugen, nennt man Lichtquellen. Die meisten Lichtquellen sind glühende Körper mit hoher Temperatur. PS - OPTIK P. Redulić 2007 LICHT STRAHLENOPTIK LICHT. Lichtquelle ud beleuchtete Körper Sichtbare Körper sede teilweise Licht aus, teilweise reflektiere sie aber auch das auf sie fallede Licht. Lichtquelle

Mehr

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Istitut für tochastik Prof. Dr. N. Bäuerle Dipl.-Math.. Urba Lösugsvorschlag 9. Übugsblatt zur Vorlesug Fiazmathematik I Aufgabe Ei euartiges Derivat) Wir sid i eiem edliche, arbitragefreie Fiazmarkt,

Mehr

AngStat1(Ue13-21).doc 23

AngStat1(Ue13-21).doc 23 3. Ereigisse Versuchsausgäge ud Wahrscheilicheite: a) Wie wird die Wahrscheilicheit des Auftretes eies Elemetarereigisses A geschätzt? A Ω heißt Elemetarereigis we es ur eie Versuchsausgag ethält also

Mehr

Statistik I Februar 2005

Statistik I Februar 2005 Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet

Mehr

Kontingenztabellen. Chi-Quadrat-Test. Korrelationsanalyse zwischen kategorischen Merkmalen. 1. Unabhängigkeitstest

Kontingenztabellen. Chi-Quadrat-Test. Korrelationsanalyse zwischen kategorischen Merkmalen. 1. Unabhängigkeitstest Kotigeztabelle. Chi-Quadrat-Test KAD 1.11. 1. Uabhägigkeitstest. Apassugstest. Homogeitätstest Beispiel 1 ohe Frau 8 75 1 Ma 48 49 97 76 14? Korrelatiosaalyse zwische kategorische Merkmale Häufigkeitstabelle

Mehr

Pflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik

Pflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik Pflichtlektüre: Kapitel 10 Grudlage der Iferezstatistik Überblick der Begriffe Populatio Iferezstatistik Populatiosparameter Stichprobeverteiluge Auch Stichprobekewerteverteiluge Wahrscheilichkeitstheorie

Mehr

Übungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie

Übungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie Uiversität Müster Istitut für Mathematische Statistik Stochastik WS 203/204, Blatt Löwe/Heusel Aufgabe (4 Pukte) Übuge Abgabetermi: Freitag, 24.0.204, 0 Uhr THEMEN: Testtheorie Die Sollstärke der Rohrwäde

Mehr

Zahlenfolgen, Grenzwerte und Zahlenreihen

Zahlenfolgen, Grenzwerte und Zahlenreihen KAPITEL 5 Zahlefolge, Grezwerte ud Zahlereihe. Folge Defiitio 5.. Uter eier Folge reeller Zahle (oder eier reelle Zahlefolge) versteht ma eie auf N 0 erlarte reellwertige Futio, die jedem N 0 ei a R zuordet:

Mehr

Elektronikpraktikum: Digitaltechnik 2

Elektronikpraktikum: Digitaltechnik 2 Elektroikpraktikum: Digitaltechik 2 Datum, Ort: 16.05.2003, PHY/D-213 Betreuer: Schwierz Praktikate: Teshi C. Hara, Joas Posselt (beide 02/2/PHY/02) Gruppe: 8 Ziele Aufbau eier 3-Bit-Dekodierschaltug;

Mehr

Arbeitsplätze in SAP R/3 Modul PP

Arbeitsplätze in SAP R/3 Modul PP Arbeitsplätze i SAP R/3 Modul PP Was ist ei Arbeitsplatz? Der Stadort eier Aktioseiheit, sowie dere kokrete räumliche Gestaltug Was ist eie Aktioseiheit? kleiste produktive Eiheit i eiem Produktiosprozess,

Mehr

Integrationsseminar zur BBL und ABWL Wintersemester 2002/2003

Integrationsseminar zur BBL und ABWL Wintersemester 2002/2003 Credit Risk+ Itegratiossemiar zur BBL ud BWL Witersemester 2002/2003 Oksaa Obukhova lia Sirsikova Credit Risk+ 1 Ihalt. Eiführug i die Thematik B. Ökoomische Grudlage I. Ziele II. wedugsmöglichkeite 1.

Mehr

Hallo, kurze Anmerkung: Diese Scripte stammen von 1999. Ich kann leider dazu. keine Fragen mehr beantworten! : ( Euch trotzdem viel Erfolg!

Hallo, kurze Anmerkung: Diese Scripte stammen von 1999. Ich kann leider dazu. keine Fragen mehr beantworten! : ( Euch trotzdem viel Erfolg! Hallo, kurze Amerkug: Diese Scripte stamme vo 999. Ich ka leider dazu keie Frage mehr beatworte! : ( Euch trotzdem viel Erfolg! Dorthe dorthe@luebbert.et Statistik-C Skript ud Diplomklausurvorbereitug

Mehr

Fachartikel CVM-NET4+ Erfüllt die Energieeffizienz- Richtlinie. Neuer Multikanal-Leistungs- und Verbrauchsanalyser Aktuelle Situation

Fachartikel CVM-NET4+ Erfüllt die Energieeffizienz- Richtlinie. Neuer Multikanal-Leistungs- und Verbrauchsanalyser Aktuelle Situation 1 Joatha Azañó Fachartikel Abteilug Eergiemaagemet ud etzqualität CVM-ET4+ Erfüllt die Eergieeffiziez- Richtliie euer Multikaal-Leistugs- ud Verbrauchsaalyser Aktuelle Situatio Die gegewärtige Richtliie

Mehr

Folgen und Reihen. 23. Mai 2002

Folgen und Reihen. 23. Mai 2002 Folge ud Reihe Reé Müller 23. Mai 2002 Ihaltsverzeichis 1 Folge 2 1.1 Defiitio ud Darstellug eier reelle Zahlefolge.................. 2 1.1.1 Rekursive Defiitio eier Folge......................... 3 1.2

Mehr

Lernhilfe in Form eines ebooks

Lernhilfe in Form eines ebooks Ziseszisrechug Lerhilfe i Form eies ebooks apitel Thema Seite 1 Vorwort ud Eiführug 2 2 Theorie der Ziseszisrechug 5 3 Beispiele ud Beispielrechuge 12 4 Testaufgabe mit Lösuge 18 Zis-Ziseszis.de 212 Seite

Mehr

AUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2. Datenfluß und Programmablauf 2. Vorbedingung 3. Nachbedingung 3. Schleifeninvariante 3

AUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2. Datenfluß und Programmablauf 2. Vorbedingung 3. Nachbedingung 3. Schleifeninvariante 3 INHALTSVERZEICHNIS AUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2 Datefluß ud Programmablauf 2 Vorbedigug 3 Nachbedigug 3 Schleifeivariate 3 KONSTRUKTION 4 ALTERNATIVE ENTWURFSMÖGLICHKEITEN 5 EFFEKTIVE

Mehr

Testen statistischer Hypothesen

Testen statistischer Hypothesen Kapitel 9 Teste statistischer Hypothese 9.1 Eiführug, Sigifiaztests Sigifiaztest für µ bei der ormalverteilug bei beatem σ = : X i seie uabhägig ud µ, ) verteilt, µ sei ubeat. Stelle eie Hypothese über

Mehr

Gliederung. Value-at-Risk

Gliederung. Value-at-Risk Value-at-Risk Dr. Richard Herra Nürberg, 4. Noveber 26 IVS-Foru Gliederug Modell Beispiel aus der betriebliche Altersversorgug Verteilug des Gesatschades Value-at-Risk ud Tail Value-at-Risk Risikobeurteilug

Mehr

Wahrscheinlichkeit & Statistik

Wahrscheinlichkeit & Statistik Wahrscheilichkeit & Statistik created by Versio: 3. Jui 005 www.matheachhilfe.ch ifo@matheachhilfe.ch 079 703 7 08 Mege als Sprache der Wahrscheilichkeitsrechug, Begriffe, Grudregel Ereigisraum: Ω Ω Mege

Mehr

Inhaltsverzeichnis Office Excel 2003 - Themen-Special: Statistik I

Inhaltsverzeichnis Office Excel 2003 - Themen-Special: Statistik I W-EX2003S Autor: Christia Müster Ihaltliches Lektorat: Peter Wies Überarbeitete Ausgabe vom 23. Mai 2007 by HERDT-Verlag für Bildugsmedie GmbH, Bodeheim Microsoft Office Excel 2003 für Widows Theme-Special:

Mehr

Körpergröße x Häufigkeit in [m] 1.50 1.60 1 1.60 1.70 5 1.70 1.80 49 1.80 1.90 53 1.90 2.00 15 2.00 2.10 1

Körpergröße x Häufigkeit in [m] 1.50 1.60 1 1.60 1.70 5 1.70 1.80 49 1.80 1.90 53 1.90 2.00 15 2.00 2.10 1 8 Kofidezitervalle 1 Kapitel 8: Kofidezitervalle A: Beispiele Beispiel 1: Im WS 2000/01 wurde im Rahme der Statistik Vorlesug 124 Studete u.a. zu ihrer Körpergröße befragt. Ma erhielt folgedes Ergebis:

Mehr

Formelsammlung. zur Klausur. Beschreibende Statistik

Formelsammlung. zur Klausur. Beschreibende Statistik Formelsammlug zur Klausur Beschreibede Statistik Formelsammlug Beschreibede Statistik. Semester 004/005 Statistische Date Qualitative Date Nomial skalierte Merkmalsauspräguge (Uterscheidugsmerkmale) köe

Mehr

1. Zahlenfolgen und Reihen

1. Zahlenfolgen und Reihen . Zahlefolge ud Reihe We ma eie edliche Mege vo Zahle hat, ka ma diese i eier bestimmte Reihefolge durchummeriere: {a,a 2,...,a }. Ma spricht vo eier edliche Zahlefolge. Fügt ma immer mehr Zahle hizu,

Mehr

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0. 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12075, p-wert: 00168 f χ 2 (4)

Mehr

3 Kritischer Bereich zum Niveau α = 0.10: K = (χ 2 k 1;1 α, + ) = (χ2 5;0.90, + ) = (9.236, + ) 4 Berechnung der realisierten Teststatistik:

3 Kritischer Bereich zum Niveau α = 0.10: K = (χ 2 k 1;1 α, + ) = (χ2 5;0.90, + ) = (9.236, + ) 4 Berechnung der realisierten Teststatistik: 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 1275, p-wert: 168 8 Apassugs-

Mehr

Fehlerrechnung. 3. Genauigkeit von Meßergebnissen am Beispiel der Längenmessung

Fehlerrechnung. 3. Genauigkeit von Meßergebnissen am Beispiel der Längenmessung 1 Gie 11/000 Fehlerrechug 1. Physikalische Größe: Zahlewert ud Eiheit. Ursache vo Meßfehler 3. Geauigkeit vo Meßergebisse am Beispiel der Lägemessug 4. Messug eier kostate Größe ud Mittelwert 5. Messug

Mehr

K. Felten: Internet Network infrastucture Fachhochschule Kiel, Fachbereich IuE

K. Felten: Internet Network infrastucture Fachhochschule Kiel, Fachbereich IuE Defiitio ach DIN4004 Als Zuverlässigkeit ( reliability ) gilt die Fähigkeit eier Betrachtugseiheit ierhalb vorgegebeer Greze dejeige durch de Awedugszweck bedigte Aforderuge zu geüge, die a das Verhalte

Mehr

Versicherungstechnik

Versicherungstechnik Operatios Research ud Wirtschaftsiformati Prof. Dr. P. Recht // Dipl.-Math. Rolf Wedt DOOR Versicherugstechi Übugsblatt 3 Abgabe bis zum Diestag, dem 03..205 um 0 Uhr im Kaste 9 Lösugsvorschlag: Vorbereituge

Mehr

Korrekturrichtlinie zur Studienleistung Wirtschaftsmathematik am 22.12.2007 Betriebswirtschaft BB-WMT-S11-071222

Korrekturrichtlinie zur Studienleistung Wirtschaftsmathematik am 22.12.2007 Betriebswirtschaft BB-WMT-S11-071222 Korrekturrichtliie zur Studieleistug Wirtschaftsmathematik am..007 Betriebswirtschaft BB-WMT-S-07 Für die Bewertug ud Abgabe der Studieleistug sid folgede Hiweise verbidlich: Die Vergabe der Pukte ehme

Mehr

Physikalisches Anfaengerpraktikum. Beugung und Brechung

Physikalisches Anfaengerpraktikum. Beugung und Brechung Physikalisches Afaegerpraktikum Beugug ud Brechug Ausarbeitug vo Marcel Egelhardt & David Weisgerber (Gruppe 37) Mittwoch, 3. Februar 005 I Utersuchuge am Prismespektroskop 1. Versuch zur Bestimmug des

Mehr

6.6 Grundzüge der Fehler- und Ausgleichsrechnung 6.6.1 Fehlerarten- Aufgaben der Fehler- und Ausgleichsrechnung physikalisch-technische Experiment

6.6 Grundzüge der Fehler- und Ausgleichsrechnung 6.6.1 Fehlerarten- Aufgaben der Fehler- und Ausgleichsrechnung physikalisch-technische Experiment 103 66 Grudzüge der Fehler- ud Ausgleichsrechug 661 Fehlerarte- Aufgabe der Fehler- ud Ausgleichsrechug Jedes physikalisch-techische Experimet liefert gewisse gemessee Werte x Bei dem Messvorgag verwede

Mehr

Wirksamkeit, Effizienz

Wirksamkeit, Effizienz 3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue

Mehr

Beispiel 4 (Die Urne zu Fall 4 mit Zurücklegen und ohne Beachten der Reihenfolge ) das Sitzplatzproblem (Kombinationen mit Wiederholung) Reihenfolge

Beispiel 4 (Die Urne zu Fall 4 mit Zurücklegen und ohne Beachten der Reihenfolge ) das Sitzplatzproblem (Kombinationen mit Wiederholung) Reihenfolge 1 Beispiel 4 (Die Ure zu Fall 4 mit Zurücklege ud ohe Beachte der Reihefolge ) das Sitzplatzproblem (Kombiatioe mit Wiederholug) 1. Übersicht Ziehugsmodus ohe Zurücklege des gezogee Loses mit Zurücklege

Mehr

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy. Vo der relative Häufigkeit zur Wahrscheilichkeit Es werde 20 Schüler befragt, ob sie ei Hady besitze. Das Ergebis der Umfrage lautet: Vo 20 Schüler besitze 99 ei Hady. Ereigis E: Schüler besitzt ei Hady

Mehr