7. Lösung weitere Übungsaufgaben Statistik II WiSe 2017/2018
|
|
- Lieselotte Hofer
- vor 5 Jahren
- Abrufe
Transkript
1 7. Lösung weitere Übungsaufgaben Statistik II WiSe 2017/ Aufgabe: Die durchschnittliche tägliche Verweildauer im Internet wurde bei 60 Studierenden (30 Männer und 30 Frauen) erfragt. Die Studierenden gehören zu den Studiengängen B&L, BWL und WiW. Dabei waren es je 10 Frauen und 10 Männer pro Studiengang. Die Verweildauern wurden wie folgt ausgewertet: Table of Least Squares Means for Verweildauer Level Count Mean GRAND MEAN 60 62,4 Geschlecht m 30 77,2 w 30 47,6 Fach B&L 20 56,5 BWL 20 62,9 WiW 20 67,8 Geschlecht by Fach m,b&l 10 70,1 m,bwl 10 79,9 m,wiw 10 81,8 w,b&l 10 42,9 w,bwl 10 46,0 w,wiw 10 53,8 Analysis of Variance for Verweildauer - Type I Sums of Squares Source Sum of Squares Df Mean Square F-Ratio P-Value MAIN EFFECTS A:Geschlecht 13185, ,5 144,05 0,0000 B:Fach 1284, ,032 7,01 0,0020 INTERACTIONS AB 133, ,7505 0,73 0,4870 RESIDUAL 4942, ,5357 TOTAL (CORRECTED) 19546,0 59 All F-ratios are based on the residual mean square error. a) Wie lautet die verwendete Modellgleichung? b) Welche Hypothesen werden getestet und wie lauten die Testentscheidungen und die Testergebnisse bei α = 0,01? c) Schätzen Sie den Wechselwirkungseffekt bei Männern im Fach BWL! 1
2 a) X ijk - durchschnittliche tägliche Verweildauer, α i - Effekt vom Geschlecht Größe β j - Effekt vom Faktor Studiengang, γ ij - Wechselwirkungseffekt µ - allgemeiner Erwartungswert, ε ijk - zufälliger Fehler. Modellgleichung: X ijk = µ + α i + β j + γ ij + ε ijk i = 1,..., 2(= p) j = 1,..., 3(= q) und k = 1,..., 10(= n) b) H A 0 : α i = 0 für alle i gegen H A A : α i 0 für mindestens ein i p = 0, 0000 < 0, 01 = α = H A 0 wird abgelehnt. H B 0 : β j = 0 für alle j gegen H B A : β j 0 für mindestens ein j p = 0, 0020 < 0, 01 = α = H B 0 wird abgelehnt. H0 AB : γ ij = 0 für alle (i, j) gegen HA AB : γ ij 0 für mindestens ein (i, j) p = 0, 4870 > 0, 01 = α = H0 AB wird angenommen. D.h. es gibt signifikante Effekte durch das Geschlecht und durch den Studiengang, aber nicht durch Wechselwirkungen zwischen Geschlecht und Studiengang. c) Wechselwirkungseffekt: m, BWL ˆγ 12 = 79, 9 77, 2 62, , 4 = 2, 2 2
3 2. Aufgabe: In einer Firma fallen täglich zwei gleiche Aufgaben an. Eine der Aufgaben muss der Angestellte X erledigen und die andere der Angestellte Y. Um zu erfahren welche der Aufgaben dauerhaft welchem der beiden Angestellten zuzuordnen ist, wurde folgende Untersuchung gemacht. In der ersten Woche hat der Angestellte X die Aufgabe 1 erledigt und der Angestellte Y die Aufgabe 2. In der zweiten Woche wurden die Aufgaben getauscht. Die täglich benötigten Zeiten (in min) wurden gemessen und wie folgt ausgewertet: Analysis of Variance for Zeit - Type I Sums of Squares Source Sum of Squares Df Mean Square F-Ratio P-Value MAIN EFFECTS A:Aufgabe 3175, ,2 266,82 0,0000 B:Angestellte 0,8 1 0,8 0,07 0,7987 INTERACTIONS AB 924, ,8 77,71 0,0000 RESIDUAL 190, ,9 TOTAL (CORRECTED) 4291,2 19 All F-ratios are based on the residual mean square error. a) Wie lautet die Modellgleichung? X ijk - benötigte Zeit (in min), α i - Effekt vom Faktor Aufgabe β j - Effekt vom Faktor Arbeiter, γ ij - Wechselwirkungseffekt µ - allgemeiner Erwartungswert, ε ijk - zufälliger Fehler. Modellgleichung: X ijk = µ + α i + β j + γ ij + ε ijk i = 1,.., 2, j = 1,.., 2 und k = 1,.., 5 Faktor Aufgabe: p 1 = 1 = p = 2 Faktor Arbeiter: q 1 = 1 = q = 2 N 1 = 19 = N = 20 = p q n = n = 5 b) Welche Hypothesen werden in der obigen Tabelle getestet und wie lauten die Testentscheidungen und Testergebnisse bei α = 0,01? Es werden die folgenden drei Hypothesenpaare gestestet: H A 0 : α 1 = α 2 = 0 v.s. H A A : α i 0 für mindestens ein i H B 0 : β 1 = β 2 = 0 v.s. H A A : β j 0 für mindestens ein j H AB 0 : γ ij = 0 für alle (i, j) v.s. H AB A : γ ij 0 für mindestens ein (i, j) 3
4 Die Testentscheidung trifft man durch die jeweiligen p-werte aus der ANOVA- Tabelle: p A = 0, 0000 < 0, 01 = α = H0 A ablehnen p B = 0, 7987 > 0, 01 = α = H0 B annehmen p AB = 0, 0000 < 0, 01 = α = H0 AB ablehnen D.h. der Einflussfaktor Angestellter hat keinen signifikanten Einfluss auf die benötigte Zeit. Der Einflussfaktor Aufgabe hat einen signifikanten Einfluss. Zudem besteht ein signifikanter Einfluss durch einen Wechselwirkungseffekt zwischen den Einflussfaktoren. c) Schätzen Sie aus folgender Tabelle die Wechselwirkungseffekte beim Angestellten X. AnovaTable of Least Squares Means for Zeit Level Count Mean GRAND MEAN 20 91,2 Aufgabe , ,8 Angestellte X 10 91,0 Y 10 91,4 Aufgabe by Angestellte 1,X 5 71,6 1,Y 5 85,6 2,X 5 110,4 2,Y 5 97,2 Die Schätzer für die Werte γ ij berechnen sich durch die Formel ˆγ ij = X ij X i X j + X Hier: ˆγ 1X = 71, 6 78, , 2 = 6, 8 ˆγ 2X = 110, 4 103, , 2 = 6, 8 4
5 d) Betrachten Sie den Interaction Plot Interaction Plot Angestellte X Y 101 Zeit Aufgabe Sie wollen langfristig jedem der beiden Angestellten eine der beiden Arbeiten zuordnen. Welchem Angestellten würden Sie welche Aufgabe zuordnen? Man sollte dem Arbeiter X die Aufgabe 1 und dem Arbeiter Y die Aufgabe 2 zuordnen, da Sie diese Aufgabe jeweils schneller bearbeiten als der jeweils andere Arbeiter. 5
6 3. Aufgabe: In einer Studie soll der Einfluss der Größenklasse und des Typs des Abgasfilters auf den Geräuschpegel von PKW untersucht werden. Dazu wurden die Modelle nach ihrer Größe in die 3 Klassen klein, mittel und groß eingeteilt. Außerdem gibt es 3 Typen des Abgasfilters. Analysis of Variance for Geräuschpegel - Type I Sums of Squares Source Sum of Squares Df Mean Square F-Ratio P-Value MAIN EFFECTS A:Größe 3381, ,55 138,52 0,0000 B:Type 401, ,533 16,43 0,0000 INTERACTIONS AB 169, ,3362 3,47 0,0149 RESIDUAL 549, ,2047 TOTAL (CORRECTED) 4500,71 53 a) Wie lautet die Modellgleichung? X ijk - Geräuschpegel, α i - Effekt vom Faktor Größe β j - Effekt vom Faktor Type, γ ij - Wechselwirkungseffekt µ - allgemeiner Erwartungswert, ε ijk - zufälliger Fehler. Modellgleichung: X ijk = µ + α i + β j + γ ij + ε ijk i = 1,.., 3, j = 1,.., 3 und k = 1,.., 6 Faktor Größe: p 1 = 2 = p = 3 Faktor Type: q 1 = 2 = q = 3 N 1 = 53 = N = 54 = p q n = n = 6 b) Welche Hypothesen werden in der obigen Tabelle getestet und wie lauten die Testentscheidungen bei α = 0, 03? H A 0 : α i = 0 für alle i gegen H A A : α i 0 für mindestens ein i p = 0, 0000 < 0, 03 = α = H A 0 wird abgelehnt. H B 0 : β j = 0 für alle j gegen H B A : β j 0 für mindestens ein j p = 0, 0000 < 0, 03 = α = H B 0 wird abgelehnt. H0 AB : γ ij = 0 für alle (i, j) gegen HA AB : γ ij 0 für mindestens ein (i, j) p = 0, 0149 < 0, 03 = α = H0 AB wird abgelehnt. D.h. es gibt signifikante Effekte durch die Größe und durch den Typ und durch Wechselwirkungen zwischen Größe und Typ. 6
7 c) Schätzen Sie aus folgender Tabelle den Effekt der Größenklasse groß und den Wechselwirkungseffekt zwischen der Größenklasse groß und dem Filtertyp 3. Table of Least Squares Means for Geräuschpegel Level Count Mean GRAND MEAN ,4 Größe klein ,4 mittel ,6 groß ,4 Type , , ,7 Größe by Type klein, ,0 klein, ,6 klein, ,6 mittel, ,6 mittel, ,1 mittel, ,1 groß, ,0 groß, ,6 groß, ,5 ˆα 3 = 776, 4 787, 4 = 11 ˆγ 33 = 772, 5 776, 4 786, , 4 = 3, 2 d) Betrachten Sie den Interaction Plot. Interaction Plot Type Geräuschpegel klein mittel groß Größe Welchen Filtertyp sollte man in welcher Größenklasse wählen, um den Geräuschpegel gering zu halten? Bei der Größe klein und mittel sollte der Filtertyp 1 und bei der Größe groß der Filtertyp 3 gewählt werden. 7
Statistik II für Betriebswirte Vorlesung 5
Statistik II für Betriebswirte Vorlesung 5 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. November 2017 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 5 Version:
Mehr13. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017
13. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017 1. Aufgabe: Für 25 der größten Flughäfen wurde die Anzahl der abgefertigten Passagiere in den Jahren 2009 und 2012 erfasst. Aus den Daten (Anzahl
Mehr6. Tutoriumsserie Statistik II
6. Tutoriumsserie Statistik II 1. Aufgabe: Eine Unternehmensabteilung ist ausschließlich mit der Herstellung eines einzigen Produktes beschäftigt. Für 10 Perioden wurden folgende Produktmenge y und Gesamtkosten
MehrEinleitung. Statistik. Bsp: Ertrag Weizen. 6.1 Einfache Varianzanalyse
Einleitung Statistik Institut für angewandte Statistik & EDV Universität für Bodenkultur Wien Der Begriff Varianzanalyse (analysis of variance, ANOVA) taucht an vielen Stellen in der Statistik mit unterschiedlichen
Mehr11. weitere Übungsaufgaben Statistik II WiSe 2017/2018
11. weitere Übungsaufgaben Statistik II WiSe 2017/2018 1. Aufgabe: Bei 100 Fahrzeugen des gleichen Typs sind neben dem Preis (PREIS) auch die gefahrene Strecke (MEILEN) und die Anzahl der Werkstattbesuche
Mehr4. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017
4. Lösung weitere Übungsaufgaben Statistik II WiSe 016/017 1. Aufgabe: Eine sächsische Molkerei füllt Milch in Tetrapacks ab. Es wird vermutet, dass die Füllmenge normalverteilt ist mit einem Erwartungswert
MehrEine Einführung in R: Varianzanalyse
Eine Einführung in R: Varianzanalyse Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig 13. Januar 2009 Bernd Klaus, Verena Zuber Das
MehrANalysis Of VAriance (ANOVA) 2/2
ANalysis Of VAriance (ANOVA) 2/2 Markus Kalisch 22.10.2014 1 Wdh: ANOVA - Idee ANOVA 1: Zwei Medikamente zur Blutdrucksenkung und Placebo (Faktor X). Gibt es einen sign. Unterschied in der Wirkung (kontinuierlich
MehrVarianzkomponentenschätzung
Qualitas AG Varianzkomponentenschätzung Peter von Rohr Qualitas AG Peter von Rohr Folien ZL I+II LFW C11 October 29, 2015 2 / 23 Multiple Lineare Regression Annahmen Modell y = Xb + e Varianz der Fehler
MehrEine Einführung in R: Varianzanalyse
Eine Einführung in R: Varianzanalyse Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig 6. Januar 2011 Bernd Klaus, Verena Zuber Das
MehrEine Einführung in R: Varianzanalyse
Eine Einführung in R: Varianzanalyse Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig 13. Dezember 2012 Bernd Klaus, Verena Zuber,
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrStatistik II für Betriebswirte Vorlesung 4
Statistik II für Betriebswirte Vorlesung 4 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 6. November 2017 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 4 Version:
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 für Betriebswirte Vorlesung 11
Statistik II für Betriebswirte Vorlesung 11 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 07. Januar 2019 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 11 Version:
MehrMehrfach-Varianzanalyse
Mehrfach-Varianzanalyse Werner Brannath VO Biostatistik im WS 2006/2007 Inhalt Zweifaktorielle ANOVA Dreifaktorielle ANOVA Unbalanzierte Designs Zusammenfassung ANCOVA Zweifaktorielle ANOVA mit Interaktion
MehrEinfaktorielle Varianzanalyse Vergleich mehrerer Mittelwerte
Einfaktorielle Varianzanalyse Vergleich mehrerer Mittelwerte Es wurden die anorganischen Phosphatwerte im Serum (mg/dl) eine Stunde nach einem Glukosetoleranztest bei übergewichtigen Personen mit Hyperinsulinämie,
MehrAnhang zu Asexualität, sexuelle und nicht sexuelle Gewalt
Anhang zu Asexualität, sexuelle und nicht sexuelle Multivariate Varianzanalyse zur Analyse der Einflüsse von sexueller (Sexgewalt) und nicht sexueller () auf fünf Asexualitäts-Maße Bezüglich mögliche Auswirkungen
MehrAufgaben zu Kapitel 9
Aufgaben zu Kapitel 9 Aufgabe 1 Für diese Aufgabe benötigen Sie den Datensatz Nominaldaten.sav. a) Sie arbeiten für eine Marktforschungsfirma und sollen überprüfen ob die in diesem Datensatz untersuchte
MehrÜbungsklausur Lineare Modelle. Prof. Dr. H. Toutenburg
Übungsklausur Lineare le Prof. Dr. H. Toutenburg Aufgabe Ein lineares Regressionsmodell mit der abhängigen Variablen Körpergröße und der unabhängigen Variablen Geschlecht wurde einmal mit der dummykodierten
MehrMehrfach-Varianzanalyse
VO Biostatistik im WS 2006/2007 1 2 3 4 5 mit Interaktion Zwei Faktoren A und B, z.b., Medikament M1 vs. M2 und Diät JA vs. NEIN Metrische Zielvariable Y, z.b. Blutdruckwerte y ij Marginale Mittelwerte
Mehr13. Übungswoche - Lösungen
1 13. Übungswoche - Lösungen Kapitel 12: Varianzanalyse (Fortsetzung) [ 3 ] a) Es gibt deutliche Unterschiede, die Gruppen 2, 3, 7 und 9 liegen deutlich tiefer. b) F = DQ(gruppe)/DQ(Residuals) = 25.13/6.19
MehrBachelorprüfung: Statistik (1 Stunde)
Prof. H.R. Künsch D-BIOL, D-CHAB Winter 2010 Bachelorprüfung: Statistik (1 Stunde) Bemerkungen: Es sind alle mitgebrachten schriftlichen Hilfsmittel und der Taschenrechner erlaubt. Natels sind auszuschalten!
MehrBiometrische und Ökonometrische Methoden II Lösungen 2
TECHNISCHE UNIVERSITÄT MÜNCHEN - WEIHENSTEPHAN SS 01 MATHEMATIK UND STATISTIK, INFORMATIONS- UND DOKUMENTATIONSZENTRUM Biometrische und Ökonometrische Methoden II Lösungen 2 1. a) Zunächst wird die Tafel
MehrVergleich von k unabhängigen Gruppen (einfaktorielle, einfache Varianzanalyse)
Vergleich von k unabhängigen Gruppen (einfaktorielle, einfache ) A: Faktor (Gruppenvariable) mit k Stufen (Faktorstufen) Modell Y ij = µ + α i + ǫ ij, i = 1...k, j = 1...n i µ: Gesamterwartungswert α i
Mehr(GENERAL FULL FACTORIALS)
TQU BUSINESS GMBH VOLLFAKTORIELLE VERSUCHSPLÄNE (GENERAL FULL FACTORIALS) Lernziele Sie können vollfaktorielle Versuchspläne auf und mehr Stufen erstellen. Sie kennen Haupteffekte und Wechselwirkungen
MehrKapitel 6: Zweifaktorielle Varianzanalyse
Kapitel 6: Zweifaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung 1 Teststärkebestimmung a posteriori 4 Berechnen der Effektgröße f² aus empirischen Daten und Bestimmung
Mehr2. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017
. Lösung weitere Übungsaufgaben Statistik II WiSe 016/017 1. Aufgabe: Bei der Produktion eines Werkstückes wurde die Bearbeitungszeit untersucht. Für die als normalverteilt angesehene zufällige Bearbeitungszeit
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 25. September 2015 Aufgabe 1 (15 Punkte) Kennzeichnen Sie die folgenden Aussagen zur Regressionsanalyse mit R für richtig oder F für falsch. F Wenn
MehrMusterlösung der Aufgaben vom 14.3.
Musterlösung der Aufgaben vom 14.3. Aufstellen der Designmatrix der zweifaktoriellen ANOVA für das Laborantenbeispiel. Die Faktoren heißen L (Labor) und A (Angestellter, Laborant), die Zielgröße Y (gem.
MehrStatistik II für Betriebswirte Vorlesung 8
Statistik II für Betriebswirte Vorlesung 8 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 3. Dezember 2018 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 8 Version:
MehrBiometrische und Ökonometrische Methoden II Lösungen 1
TECHNISCHE UNIVERSITÄT MÜNCHEN - WEIHENSTEPHAN SS 01 MATHEMATIK UND STATISTIK, INFORMATIONS- UND DOKUMENTATIONSZENTRUM Biometrische und Ökonometrische Methoden II Lösungen 1 1. a) MTB > name c1 '100 mm'
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:............................................................................
Mehr> read.table("d:\\reifen.txt",header=t) > Reifen
1. Aufgabe: Auf einer Reifenrollentestanlage werden Versuche durchgeführt um die Langlaufeigenschaften zu untersuchen. Insbesondere wird die Untersuchung des Abriebs über simulierte Anfahr- Brems- und
Mehr1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung. 5 Hypothesentests.
0 Einführung 1 Wahrscheinlichkeitsrechnung 2 Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Intervallschätzung 5 Hypothesentests 6 Regression Lineare Regressionsmodelle Deskriptive Statistik:
MehrWiederholung. Seminar für Statistik
Wiederholung 17.12.2014 1 Prüfung: 2 Kohorten 2 Kohorten alphabetisch nach Nachname sortiert: Kohorte 1: A bis und mit Müller Kohorte 2: Müllhaupt bis und mit Z 17.12.2014 2 Prüfung: 2 Kohorten Kohorte
Mehr5. Seminar Statistik
Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation
Mehr13. Übungswoche. Kapitel 12: Varianzanalyse (Fortsetzung)
1 13. Übungswoche Kapitel 12: Varianzanalyse (Fortsetzung) [ 3 ] Im Vorkurs Mathematik für Wirtschafstwissenschaftler vor Beginn des Sommersemesters 2009 wurde am Anfang und am Ende ein Test geschrieben,
MehrStochastik Praktikum Lineare Modelle
Stochastik Praktikum Lineare Modelle Thorsten Dickhaus Humboldt-Universität zu Berlin 06.10.2010 Übersicht 1 Einfache lineare Regression 2 Multiple lineare Regression 3 Varianzanalyse 4 Verallgemeinerte
MehrLean Body Mass [kg] Estimate Std. Error t value Pr(> t ) (Intercept) ??? lbm <2e-16 ***
Körperkraft [Nm] 0 50 100 150 200 250 0 20 40 60 80 Lean Body Mass [kg] Dieses Quiz soll Ihnen helfen, den R Output einer einfachen linearen Regression besser zu verstehen (s. Kapitel 5.4.1) Es wurden
MehrLineare Modelle in R: Klassische lineare Regression
Lineare Modelle in R: Klassische lineare Regression Achim Zeileis 2009-02-20 1 Das Modell Das klassische lineare Regressionsmodell versucht den Zusammenhang zwischen einer abhängigen Variablen (oder Responsevariablen)
MehrTandem 6. Versuchsansteller: M. Fleck. K. Emrich, E. Thomas, H.-P. Piepho
Tandem 6 Ein Feldversuch zur Optimierung von Qualität und Ertrag von Möhren unter besonderer Berücksichtigung biologisch-dynamischer Feldspritzpräparate Versuchsansteller: M. Fleck Biometriker: K. Emrich,
MehrMultivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Musterlösung Aufgabe 1 (40 Punkte) Auf der dem Kurs beigelegten CD finden Sie im Unterverzeichnis Daten/Excel/ die Datei zahlen.xlsx. Alternativ können Sie
Mehrt-tests Lösung: b) und c)
t-tests 2015 Assessmentmodul 1 - Frage B10: Ein Team von Gesundheitspsychologinnen hat ein Programm entwickelt, das die Studierenden der Universität Zürich dazu anregen soll, mehr Sport zu treiben. In
MehrAufgabensammlung (Nicht-MC-Aufgaben) Klausur Ökonometrie SS ( = 57 Punkte)
Aufgabe 3 (9 + 5 + 7 + 7 + 3 + 9 + 7 + 10 = 57 Punkte) Hinweis: Beachten Sie die Tabellen mit Quantilen am Ende der Aufgabenstellung! Zu Beginn der Studienjahre 2011 und 2012 wurden Studienanfänger an
MehrStatistik II für Betriebswirte Vorlesung 1
Statistik II für Betriebswirte Vorlesung 1 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 19. Oktober 2016 Prof. Dr. Hans-Jörg Starkloff Statistik II für Betriebswirte Vorlesung
Mehr7.1 Korrelationsanalyse. Statistik. Kovarianz. Pearson-Korrelation. Institut für angewandte Statistik & EDV Universität für Bodenkultur Wien
Statistik 7.1 Korrelationsanalyse Institut für angewandte Statistik & EDV Universität für Bodenkultur Wien Sommersemester 2012 7 Regressions- und Korrelationsanalyse Kovarianz Pearson-Korrelation Der (lineare)
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
MehrKapitel 8: Verfahren für Rangdaten
Kapitel 8: Verfahren für Rangdaten Anmerkung 1 Mann-Whitney U-Test 1 Wilcoxon-Test 3 Kruskal-Wallis H-Test 3 Literatur 6 Anmerkung In Kapitel 8 der Bücher wird erwähnt, dass für nichtparametrische Daten
MehrNachschreibklausur im Anschluss an das SS 2009
Nachschreibklausur im Anschluss an das SS 2009 08. Oktober 2009 Lehrstuhl: Prüfungsfach: Prüfer: Hilfsmittel: Klausurdauer: Wirtschaftspolitik Empirische Wirtschaftsforschung Prof. Dr. K. Kraft Nicht-programmierbarer
MehrMultiple Regression III
Multiple Regression III Werner Brannath VO Biostatistik im WS 2006/2007 Inhalt Überprüfung der Modellannahmen Residuen-Plot Normal-Q-Q-Plot Cook s Distanz-Plot Maßnahmen bei Abweichungen von Modellannahmen
MehrAuswertung und Lösung
Körperkraft [Nm] 0 50 100 150 200 250 0 20 40 60 80 Lean Body Mass [kg] Dieses Quiz soll Ihnen helfen, den R Output einer einfachen linearen Regression besser zu verstehen (s. Kapitel 5.4.1) Es wurden
MehrTeil XI. Hypothesentests für zwei Stichproben. Woche 9: Hypothesentests für zwei Stichproben. Lernziele. Beispiel: Monoaminooxidase und Schizophrenie
Woche 9: Hypothesentests für zwei Stichproben Patric Müller Teil XI Hypothesentests für zwei Stichproben ETHZ WBL 17/19, 26.06.2017 Wahrscheinlichkeit und Statistik Patric
MehrHYBRIDRASEN DER RASEN DER ZUKUNFT?
Institut für Landschaftsbau Sportfreianlagen und Grünflächen HYBRIDRASEN DER RASEN DER ZUKUNFT? Erste Ergebnisse einer Forschungsarbeit 1 1 12. Juli 2017 INHALT Abbaubarkeit Einleitung 2. Material und
MehrStatistik-Quiz Wintersemester
Statistik-Quiz Wintersemester Seite 1 von 8 Statistik-Quiz Wintersemester Die richtigen Lösungen sind mit gekennzeichnet. 1a Für 531 Personen liegen Daten zu folgenden Merkmalen vor. Welche der genannten
MehrProbeklausur - Statistik II, SoSe 2017
Probeklausur - Statistik II, SoSe 2017 Aufgabe 1: Mehrdimensionale Zufallsvariablen (15 Punkte) Gegeben sei ein zweidimensionaler stetiger Zufallsvektor X = (X 1, X 2 ) T mit der gemeinsamen Dichtefunktion
MehrMittelwertsvergleich bei mehr als 2 Stichproben
Mittelwertsvergleich bei mehr als 2 Stichproben Im Fall von 2 Gruppen kennen wir nunmehr verschiedene Varianten des t-tests für den Vergleich der Mittelwerte Liegen k > 2 Gruppen von Beobachtungen vor
Mehr2.5 Lineare Regressionsmodelle
2.5.1 Wiederholung aus Statistik I Gegeben Datenpunkte (Y i, X i ) schätze die beste Gerade Y i = β 0 + β 1 X i, i = 1,..., n. 2 Induktive Statistik 409 Bsp. 2.30. [Kaffeeverkauf auf drei Flohmärkten]
MehrSchweizer Statistiktage, Aarau, 18. Nov. 2004
Schweizer Statistiktage, Aarau, 18. Nov. 2004 Qualitative Überprüfung der Modellannahmen in der linearen Regressionsrechnung am Beispiel der Untersuchung der Alterssterblichkeit bei Hitzeperioden in der
MehrVersuchsplanung SoSe 2015 R - Lösung zu Übung 1 am 24.04.2015 Autor: Ludwig Bothmann
Versuchsplanung SoSe 2015 R - Lösung zu Übung 1 am 24.04.2015 Autor: Ludwig Bothmann Contents Aufgabe 1 1 b) Schätzer................................................. 3 c) Residuenquadratsummen........................................
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 6 Genzwertsätze Einführung 1 Wahrscheinlichkeit: Definition und Interpretation
MehrKlausur zur Vorlesung
Institut für Mathematische Stochastik WS 2004/2005 Universität Karlsruhe 14. Februar 2005 Dr. Bernhard Klar Sebastian Müller Aufgabe 1: (15 Punkte) Klausur zur Vorlesung Statistik für Biologen Musterlösungen
MehrEinfache Varianzanalyse für unabhängige Stichproben
Einfache Varianzanalyse für unabhängige Stichproben VARIANZANALYSE Die Varianzanalyse ist das dem t-test entsprechende Mittel zum Vergleich mehrerer (k 2) Stichprobenmittelwerte. Sie wird hier mit VA abgekürzt,
MehrDie Anwendung des globalen und partiellen F-Tests beim Regressionsmodell
Dr. Wolfgang Langer - Integrierte Veranstaltung Methoden IV WS 2002/2003-1 Die Anwendung des globalen und partiellen F-Tests beim Regressionsmodell von XENOPHOB auf V247 und POSTMAT, MATERIAL Für unsere
MehrTHEMA: MAßGESCHNEIDERTE TESTS IN DER VARIANZANALYSE" TORSTEN SCHOLZ
WEBINAR@LUNCHTIME THEMA: MAßGESCHNEIDERTE TESTS IN DER VARIANZANALYSE" TORSTEN SCHOLZ HERZLICH WILLKOMMEN BEI WEBINAR@LUNCHTIME Moderation Anne K. Bogner-Hamleh SAS Institute GmbH Education Consultant
MehrMittelwertsvergleich bei mehr als 2 Stichproben. Marcus Hudec
Mittelwertsvergleich bei mehr als 2 Stichproben Im Fall von 2 Gruppen kennen wir nunmehr verschiedene Varianten des t-tests für den Vergleich der Mittelwerte Liegen k > 2 Gruppen von Beobachtungen vor
Mehr1 Einfachregression 1.1In 10 Haushalten wurden Einkommen und Ausgaben für Luxusgüter erfragt:
Beispiele zum Üben und Wiederholen zu Wirtschaftsstatistik 2 (Kurs 3) 1 Einfachregression 1.1In 10 Haushalten wurden Einkommen und Ausgaben für Luxusgüter erfragt: Haushaltseinkommen 12 24 30 40 80 60
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
MehrAnalyse 1 Tierkreiszeichen (korrigiert für Bounces).docx Seite 1 von 7. Tierkreiszeichen * Crosstabulation
2012 03 31 Analyse 1 Tierkreiszeichen (korrigiert für Bounces).docx Seite 1 von 7 Count Tierkreiszeichen * Crosstabulation Total nicht Tierkreiszeichen 22.12.-20.01. Steinbock 36278 22383 58661 21.01.-19.02.
MehrKlausur zu Biometrische und Ökonometrische Methoden und Ökologische Statistik
TECHNISCHE UNIVERSITÄT MÜNCHEN - WEIHENSTEPHAN WS / MATHEMATIK UND STATISTIK, INFORMATIONS- UND DOKUMENTATIONSZENTRUM Klausur zu Biometrische und Ökonometrische Methoden und Ökologische Statistik 4 26..,
MehrDabei bezeichnet x die Einflussgrösse (Regressor), y die Zielvariable (die eine Folge der Ursache x ist) und die Störung. Die n = 3 Beobachtungen
Lineare Regression und Matrizen. Einführendes Beispiel Der im Kapitel Skalarprodukt gewählte Lösungsweg für das Problem der linearen Regression kann auch mit Matrizen formuliert werden. Die Idee wird zunächst
MehrDeskriptive Beschreibung linearer Zusammenhänge
9 Mittelwert- und Varianzvergleiche Mittelwertvergleiche bei k > 2 unabhängigen Stichproben 9.4 Beispiel: p-wert bei Varianzanalyse (Grafik) Bedienungszeiten-Beispiel, realisierte Teststatistik F = 3.89,
MehrX =, y In welcher Annahme unterscheidet sich die einfache KQ Methode von der ML Methode?
Aufgabe 1 (25 Punkte) Zur Schätzung der Produktionsfunktion des Unternehmens WV wird ein lineares Regressionsmodell der Form angenommen. Dabei ist y t = β 1 + x t2 β 2 + e t, t = 1,..., T (1) y t : x t2
MehrAnalyse 2: Hypothesentests
Analyse 2: Hypothesentests Ashkan Taassob Andreas Reisch Inhalt Motivation Statistischer Hintergrund Hypothese Nullhypothesen Alternativhypothesen Fehler beim Hypothesentesten Signifikanz-LEVEL und P-value
MehrKapitel 5: Einfaktorielle Varianzanalyse
Kapitel 5: Einfaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung 1 Teststärkebestimmung a posteriori Berechnen der Effektgröße f aus empirischen Daten und Bestimmung
MehrLösung - Übungsblatt 10
Lösung - Übungsblatt 10 Aufgabe 2: Siehe Outputfile Aufgabe 2 a) Regressionsgleichung - Equation 1: price = β 1 + β 2 lotsize + β 3 sqrft + β 4 bdrms + u i Fit: price = β 1 + β 2 lotsize + β 3 sqrft +
Mehr# Befehl für den Lilliefors-Test
1/5 Matthias Rudolf & Diana Vogel R-Kurs Graduiertenakademie September 2017 Loesungsskript: Tests 1a library(nortest) 1b lillie.test Befehl für den Lilliefors-Test 2a, Datensatz "Schachbeispiel einlesen"
MehrANalysis Of VAriance (ANOVA) 1/2
ANalysis Of VAriance (ANOVA) 1/2 Markus Kalisch 16.10.2014 1 ANOVA - Idee ANOVA 1: Zwei Medikamente zur Blutdrucksenkung und Placebo (Faktor). Gibt es einen sign. Unterschied in der Wirkung (kontinuierlich)?
MehrAufgabensammlung (Nicht-MC-Aufgaben) Klausur Ökonometrie WS 2017/18. ( = 58 Punkte)
Aufgabe 3 (14 + 2 + 7 + 7 + 3 + 5 + 9 + 11 = 58 Punkte) Hinweis: Beachten Sie die Tabellen mit Quantilen am Ende der Aufgabenstellung! Mit Hilfe der Statistiksoftware R soll der Datensatz HousePrices aus
MehrAufgaben zur Varianzanalyse
Aufgaben zur Varianzanalyse 1. Eine Firma möchte eine von fünf verschieden Maschinen kaufen: A, B, C, D oder E. Zur Entscheidungsfindung werden die Maschinen nach folgendem Experiment getestet: Es werden
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.
MehrStatistische Tests Version 1.2
Statistische Tests Version 1.2 Uwe Ziegenhagen ziegenhagen@wiwi.hu-berlin.de 7. Dezember 2006 1 Einführung Ein statistischer Test dient der Überprüfung einer statistischen Hypothese. Mithilfe des Tests
MehrKurs Empirische Wirtschaftsforschung
Kurs Empirische Wirtschaftsforschung 5. Bivariates Regressionsmodell 1 Martin Halla Institut für Volkswirtschaftslehre Johannes Kepler Universität Linz 1 Lehrbuch: Bauer/Fertig/Schmidt (2009), Empirische
MehrVorbereitung auf 3. Übungsblatt (Präsenzübungen) - Lösungen
Prof Dr Rainer Dahlhaus Statistik 1 Wintersemester 2016/2017 Vorbereitung auf Übungsblatt (Präsenzübungen) - Lösungen Aufgabe P9 (Prognosen und Konfidenzellipsoide in der linearen Regression) Wir rekapitulieren
MehrStatistik II für Betriebswirte Vorlesung 1
Statistik II für Betriebswirte Vorlesung 1 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 16. Oktober 2017 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 1 Version:
MehrVergleich von Gruppen I
Vergleich von Gruppen I t-test und einfache Varianzanalyse (One Way ANOVA) Werner Brannath VO Biostatistik im WS 2006/2007 Inhalt Der unverbundene t-test mit homogener Varianz Beispiel Modell Teststatistik
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
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2002
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2002 1. Ein Chemiestudent hat ein Set von 10 Gefäßen vor sich stehen, von denen vier mit Salpetersäure Stoff A), vier mit Glyzerin Stoff
Mehry t = 30, 2. Benutzen Sie die Beobachtungen bis einschließlich 2002, um den Koeffizientenvektor β mit der KQ-Methode zu schätzen.
Aufgabe 1 (25 Punkte Zur Schätzung des Werbe-Effekts in einem Getränke-Unternehmen wird das folgende lineare Modell aufgestellt: Dabei ist y t = β 1 + x t2 β 2 + e t. y t : x t2 : Umsatz aus Getränkeverkauf
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen Faktorielle Varianzanalyse
Wahrscheinlichkeitsrechnung und Statistik für Biologen Faktorielle Varianzanalyse Dirk Metzler & Martin Hutzenthaler 15. Juni 2010 Inhaltsverzeichnis 1 Die einfaktorielle Varianzanalyse und der F -Test
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)
Mehr> library(nlme) > fit <- lme(y ~ 1, random = ~1 id, data = sim.y.long) > summary(fit)
Übungsblatt Analyse longitudinaler Daten und Zeitreihen SoSe 007 Donna Pauler Ankerst, Ulrich Mansmann, Volkmar Henschel, Michael Höhle Übung: Montag 0..007 Aufgabe 1 (Mixed Model Simulation) In dieser
MehrStatistische Überlegungen: Eine kleine Einführung in das 1 x 1
Statistische Überlegungen: Eine kleine Einführung in das 1 x 1 PD Dr. Thomas Friedl Klinik für Frauenheilkunde und Geburtshilfe, Universitätsklinikum Ulm München, 23.11.2012 Inhaltsübersicht Allgemeine
Mehrx t2 y t = 160, y = 8, y y = 3400 t=1
Aufgabe 1 (25 Punkte) 1. Eine Online Druckerei möchte die Abhängigkeit des Absatzes gedruckter Fotos vom Preis untersuchen. Dazu verwendet die Firma das folgende lineare Regressionsmodell: wobei y t =
MehrLineare Regression 1 Seminar für Statistik
Lineare Regression 1 Seminar für Statistik Markus Kalisch 17.09.2014 1 Statistik 2: Ziele Konzepte von einer breiten Auswahl von Methoden verstehen Umsetzung mit R: Daten einlesen, Daten analysieren, Grafiken
MehrSchriftliche Prüfung (1 Stunde)
Prüfung Statistik Herbstsemester 2011 Schriftliche Prüfung (1 Stunde) Bemerkungen: Alle schriftlichen Hilfsmittel und ein Taschenrechner sind erlaubt. Mobiltelefone sind auszuschalten! Lesen Sie zuerst
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
MehrDr. M. Kalisch. Statistik (für Biol./Pharm. Wiss.) Winter Musterlösung
Dr. M. Kalisch. Statistik (für Biol./Pharm. Wiss.) Winter 2014 Musterlösung 1. (11 Punkte) a) Für welchen Parameter ist X ein geeigneter Schätzer? X ist ein geeigneter Schätzer für den Erwartungswert µ
MehrBiometrische und Ökonometrische Methoden I! Lösungen 6
TECHNISCHE UNIVERSITÄT MÜNCHEN - WEIHENSTEPHAN WS 97/98 MATHEMATIK UND STATISTIK, INFORMATIONS- UND DOKUMENTATIONSZENTRUM Biometrische und Ökonometrische Methoden I! Lösungen 6 1. a) MTB > Read "H:\STUDENT\MINITAB\CNP.DAT"
Mehr