Basisprüfung / 1. VD Prüfung. Statistik und Wahrscheinlichkeitsrechnung. Herbst 2006
|
|
- Britta Gerber
- vor 5 Jahren
- Abrufe
Transkript
1 Basisprüfung / 1. VD Prüfung Herbst 2006 ETH Zürich 06. Oktober :00 16:00 Name:... Vorname:... Stud. Nr.:... Studiengang:... 1/16
2 1. VD Prüfung: Bau-, Umwelt- und Geomatikingenieurwissenschaften Datum und Dauer: Freitag, 06. Oktober 2006 Beginn: 14:00 Uhr Zeitdauer: 120 Minuten Hilfsmittel: - Alle Unterlagen (Skripte, Bücher, andere Ausdrucke, etc.) erlaubt. - Taschenrechner (nicht programmierbar, ohne Kommunikationsmittel) erlaubt. - Keine Kommunikationsmittel (z.b. Natel) erlaubt. Administratives: - Bitte legen Sie Ihre Legi vor sich auf den Tisch. - Alle Lösungsblätter müssen mit Namen, Vornamen und Studiengang versehen werden. - Nur die zur Verfügung gestellten Blätter dürfen verwendet werden. - Verwenden Sie für jede Aufgabe einen neuen Papierbogen. - Legen Sie am Ende der Prüfung alle Aufgaben- und Lösungsblätter in das Couvert zurück und lassen Sie dieses am Platz liegen. Inhalt der Prüfung: Inhalt Aufgaben Seite Punkte Aufgabe 1 Beschreibende Statistik 3 25 Aufgabe 2 Testen von Hypothesen 7 25 Aufgabe 3 Satz von Bayes 9 15 Aufgabe 4 Parameterschätzung und Güte der Anpassung Aufgabe 5 Versagenswahrscheinlichkeit Anhang Tabellen 14 - Glossary 16 - Hinweise: - Die Prüfung ist so konzipiert, dass alle Aufgaben 1 bis 5 gelöst werden sollen. - Geben Sie alle 16 Aufgabenblätter und alle Lösungsbögen ab. - Bitte kontrollieren Sie zu Beginn der Prüfung, ob Ihre Unterlagen vollständig sind. Konzeptpapier ist nicht mit abzugeben und wird bei der Korrektur nicht berücksichtigt. - Wenn Ihnen für einen Aufgabenteil ein Zwischenresultat fehlt, treffen Sie eine sinnvolle Annahme und markieren Sie diese deutlich. Sie können die Aufgabe mit Ihrer Annahme zu Ende lösen. - Alle Aufgaben und Aufgabenteile sind unabhängig voneinander lösbar. - Während der 15-minütigen Einlesezeit dürfen die Lösungsbögen nicht beschrieben werden. Couvertinhalt: - Allgemeine Informationen, Aufgabenstellungen, Glossary und Anhänge zur Klausur ( 16 Seiten). - 5 Papierbögen (kariert, gestempelt) und Konzeptpapier (weiss) /16
3 Aufgabe 1: Beschreibende Statistik (25 Punkte) Die Erforschung der globalen Erwärmung ist ein bedeutendes Wissenschaftsgebiet. An einer Konferenz zum Thema globale Erwärmung präsentiert ein Forscher Temperaturdaten. A) Der Forscher hat ein Q-Q-Plot erstellt, in dem die Quantilwerte der globalen jährlichen Mittelwerte der Oberflächentemperatur während der ersten Hälfte des letzten Jahrhunderts ( ) den Quantilwerten der Temperaturen der zweiten Hälfte des letzten Jahrhunderts ( ) gegenübergestellt sind. Der Q-Q-Plot ist in Abbildung 1.1 dargestellt. Kommentieren Sie mit Hilfe der Abbildung 1.1 die Temperaturveränderung in der zweiten Jahrhunderthälfte. B) Des Weiteren untersucht der Forscher die Korrelation zwischen dem jährlichen globalen Minimum und dem jährlichen globalen Maximum der monatlichen Mittelwerte der Oberflächentemperaturen. Kommentieren Sie ohne Berechnung diese Korrelation mit Hilfe der Abbildung 1.2. C) Die in der Abbildung 1.2 dargestellten Daten sind in der Tabelle 1.1 zusammengestellt. Berechnen Sie den Korrelationskoeffizienten aus den Daten in Tabelle 1.1 und kommentieren Sie ihn. D) Tabelle 1.2 zeigt die mittleren Jahrestemperaturen der letzten 20 Jahre für Zürich und Global. Visualisieren Sie die beiden Datensätze mit Hilfe eines Tukey-Box-Plots, indem Sie die zugehörigen Werte berechnen und an der entsprechenden Stelle im Tukey-Box-Plot eintragen. Verwenden Sie Abbildung 1.3 für Ihren Tukey-Box Plot. Diskutieren Sie die Symmetrie und die Schiefe der Temperaturverteilung für beide Datensätze. 3/16
4 14.5 Globaler jährlicher Mittelwert der Oberflächentemperatur in der Periode von [ o C ] Globaler jährlicher Mittelwert der Oberflächentemperatur in der Periode von [ o C ] Abbildung 1.1: Q-Q-Plot der jährlichen globalen Mittelwerte der Oberflächentemperatur Jährliches globales Maximum der monatlichen Mittelwerte der Oberflächentemperaturen in der Periode von [ o C ] Jährliches globales Minimum der monatlichen Mittelwerte der Oberflächentemperaturen in der Periode von [ o C ] Abbildung 1.2: Jährliches globales Minimum und Maximum der monatlichen Mittelwerte der Oberflächentemperaturen. 4/16
5 Tabelle 1.1: Jährliches globales Minimum und Maximum der monatlichen Mittelwerte der Oberflächentemperaturen der letzten 10 Jahren sowie der Mittelwert und die nicht erwartungstreue Stichprobenvarianz. Minimum Maximum Stichprobenmittelwert x Stichprobenvarianz σ X Tabelle 1.2: Mittlere jährliche Oberflächentemperaturen in Zürich und Global in den letzten 20 Jahren (geordnet). Nr. Zürich [ C] Global [ C] /16
6 Abbildung 1.3: Tukey-Box Plot für die mittleren jährlichen Oberflächentemperaturen ( Zürich (links); Global (rechts)). 6/16
7 Aufgabe 2: Testen von Hypothesen (25 Punkte) Aufgrund der globalen Erwärmung wird eine Zunahme der Intensität von Taifunen erwartet. Die Intensität der Taifune kann durch die Windgeschwindigkeiten repräsentiert werden. Es soll untersucht werden, ob der Unterschied des langjährigen Mittels der jährlichen maximalen Windgeschwindigkeiten der Periode von verglichen mit der Periode signifikant ist. Es wird angenommen, dass die jährlichen maximalen Windgeschwindigkeiten in der jeweiligen Periode stationär sind. Des Weiteren wird angenommen, dass die Werte in jeder Periode normalverteilt sind. Die Standardabweichung ist bekannt und liegt bei 10 m/s. Die maximalen jährlichen Windgeschwindigkeiten in der ersten Periode ( ) werden durch die Zufallsvariable X, mit einem Mittelwert μ X und einer Standardabweichungσ X, repräsentiert. Die maximalen jährlichen Windgeschwindigkeiten in der zweiten Periode ( ) werden durch die Zufallsvariable Y, mit einem Mittelwert μ Y und einer Standardabweichung σ Y, repräsentiert. A) Bearbeiten Sie die folgenden fünf Punkte. 1. Formulieren Sie die Null-Hypothese mit den vorangehend definierten mathematischen Symbolen. X, X,..., X und YY 1, 2,..., Y 15 die Stichproben aus X beziehungsweise Y. Es wird angenommen, dass die Stichproben unabhängig sind. Die Stichprobenstatistik D im Hypothesentest kann definiert werden als: 2. Seien D = 20 X 15 Y i i i= 1 i= 1 Geben Sie den Mittelwert und die Standardabweichung der Stichprobenstatistik D für die gegebene Nullhypothese an. 3. Die Entscheidungsregel für die Annahme der Null-Hypothese kann durch Δ < D < Δ repräsentiert werden. Bestimmen Sie den Wert von Δ unter der Annahme eines Signifikanzniveaus von α = 5%. 4. Berechnen Sie die Stichprobenstatistik D für die Beobachtungen, die in der Tabelle 2.1 gegeben sind. 5. Beurteilen Sie die Null-Hypothese. 7/16
8 Tabelle 2.1: Beobachtungen der maximalen jährlichen Windgeschwindigkeiten. Jahr Windgeschwindigkeit (m/s) Jahr Windgeschwindigkeit (m/s) /16
9 Aufgabe 3: Satz von Bayes (15 Punkte) In Zürich ist es Tradition, das Wetter für den bevorstehenden Sommer mit Hilfe des Böögg vorauszusagen. Die Zeit, die der Böögg von Anzünden des Scheiterhaufens bis zur Explosion des Kopfes braucht, dient als Indikator für das Sommerwetter. Das Sommerwetter kann in drei Kategorien aufgeteilt werden: heiss, mild und kalt. Aus historischen Daten ist ersichtlich, dass die Wahrscheinlichkeit für einen heissen Sommer (bezeichnet mit H ) gleich 0.3, für einen milden Sommer (bezeichnet mit M ) gleich 0.5 und für einen kalten Sommer (bezeichnet mit C ) gleich 0.2 ist. Die bedingte Wahrscheinlichkeit für die Brenndauer des Böögg ( I 1, I 2 und I 3 ) bei gegebenem Sommerwetter ( H, M und C ) wurde ebenfalls aus historischen Daten ermittelt. Diese bedingten Wahrscheinlichkeiten sind in Tabelle 3.1 angegeben. In diesem Jahr explodiert der Böögg nach 10 Minuten und 28 Sekunden. Berechnen Sie die Wahrscheinlichkeiten für einen heissen, milden oder kalten Sommer. Tabelle 3.1: Bedigte Wahrscheinlichkeit für die Brenndauer des Böög ( I i ) bei gegebenem Sommerwetter. H : Heiss M : Mild C : Kalt I 1 : Weniger als 10 min I 2 : Zwischen 10 und 20 min I : Länger als 20 min /16
10 Aufgabe 4: Parameterschätzung und Güte der Anpassung (35 Punkte) Durch den Rückzug des Permafrosts treten an einer bisher ungefährlichen Stelle in den Alpen vermehrt Steinschläge auf. Um Schutzmassnahmen planen zu können, wird die Wahrscheinlichkeitsdichteverteilung der Volumen der Steine benötigt. Aus den Beobachtungen dieses Jahres soll der Parameter b der Wahrscheinlichkeitsverteilungsfunktion geschätzt werden. Die kleinsten auftretenden Steine haben das Volumen von v 3 lim = 0.05 m. Die Wahrscheinlichkeitsdichtefunktion und die Wahrscheinlichkeitsverteilungsfunktion sind durch f v b v v v v b b b 1 V () = lim lim <, > 1 b F () v = 1 v v V b lim gegeben. Die Volumen der Steinschläge, die dieses Jahr beobachtet wurden, sind in Tabelle 4.1 angegeben. A) Schätzen Sie den Parameter b mit der Maximum Likelihood Methode. Stellen Sie dafür zunächst die Log-Likelihoodfunktion auf. Ermitteln Sie analytisch das Maximum der Log-Likelihoodfunktion für den Parameter b. Schätzen Sie anschliessend den Parameter b unter Verwendung der in Tabelle 4.1 gegebenen Daten. B) Schätzen Sie den Parameter b mit der Methode der Momente. Ermitteln Sie hierzu zuerst analytisch das erste Moment der Wahrscheinlichkeitsdichtefunktion (siehe Hinweise). Ermitteln Sie dann das erste Moment aus den gegebenen Steinschlagdaten (Tab. 4.1) und schätzen Sie den Parameter b. C) Um die Güte der Anpassung zu testen, kann der Kolmogorov-Smirnov Test oder der 2 χ -Test verwendet werden. Geben Sie einen Grund an, weshalb in diesem Fall nur 2 der χ -Test verwendet werden kann. D) Testen Sie die Güte der Anpassung der Verteilung mit dem Test auf einem Signifikanzniveau von 5%. Verwenden Sie für die Verteilung den in A) geschätzten Parameter. Für die Berechungen kann die Tabelle 4.2 verwendet werden. Sollten Sie den Aufgabenteil A) nicht bearbeitet haben, nehmen Sie an, dass der Parameter aus den Daten zu b = 1.6 geschätzt wurde. Hinweise: 1 1 dx x 0 b 1 b x = b x >, > x b 1 ( 1 ) b lim, = 0 b > 1 b 1 ( 1 b) x χ 2 10/16
11 Tabelle 4.1: Volumen der beobachteten Steinschläge. Steinschlag Nr. v m 3 i [ ] Tabelle 4.2: Berechnungstabelle für den χ 2 Test. Intervall Bereich 3 [ m ] 1 ]0.05,0.08] 2 ]0.08,0.11] 3 ]0.11,0.2] 4 ]0.2, ] 11/16
12 Aufgabe 5: Versagenswahrscheinlichkeit (20 Punkte) Eine Auswirkung der Klimaveränderung ist, dass es vermehrt extreme Schneeereignisse gibt. Ihnen wurde der Auftrag erteilt, die jährliche Versagenswahrscheinlichkeit P f eines Flachdaches infolge von Schneebelastungen neu zu berechnen. Es kann angenommen werden, dass das jährliche Maximum der Belastung durch eine Zufallsvariable S und der Widerstand durch die Zufallsvariable R beschrieben werden kann. 2 Sie haben für den Widerstand R kn / m die folgende Wahrscheinlichkeitsdichtefunktion ermittelt: 0 r 0.84 fr ( r) = 0.222( r 0.84) 0.84 < r < r Approximativ kann für das jährliche Maximum der Einwirkung Wahrscheinlichkeitsdichtefunktion angenommen werden: S 2 kn / m die folgende 0 s < s < 0.84 fs () s = s < s Die Wahrscheinlichkeitsdichtefunktion des Widerstandes R und der Einwirkung S sind in Abbildung 5.1 dargestellt. Die Einwirkung S und der Widerstand R können als unabhängig voneinander angenommen werden. Der Mittelwert und die Standardabweichung der Einwirkung und des Widerstandes betragen in 2 kn / m : μr = 2.84, σr = μ = 0.75, σ = S S A) Berechnen Sie die jährliche Versagenswahrscheinlichkeit P f des Flachdaches (siehe auch Hinweis). B) Berechnen Sie die jährliche Versagenswahrscheinlichkeit P f unter der Annahme, dass der Widerstand R und das jährliche Maximum der Einwirkung S normalverteilt sind und die gleichen Verteilungsparameter ( μs, σs, μr, σ R) wie die Verteilungen in Aufgabenteil A) haben (siehe Abb. 5.2). Die Einwirkung und der Widerstand können als unabhängig voneinander betrachtet werden. 12/16
13 Abbildung 5.1: Wahrscheinlichkeitsdichtefunktionen der Einwirkung S und des Widerstandes R. Abbildung 5.2: Wahrscheinlichkeitsdichtefunktionen der Einwirkung S und des Widerstandes R unter der Annahme von Normalverteilungen. Hinweis: Pf = P [ R S < 0] = FR( x) fs ( x) dx 13/16
14 Anhang: Tabellen Wahrscheinlichkeitsverteilungsfunktion der Standardnormalverteilung Φ ( z). z z Φ ( z) z Φ ( z) z Φ ( z) z Φ ( z) /16
15 Wahrscheinlichkeitsverteilungsfunktion der Chi-Quadratverteilung für unterschiedliche Freiheitsgrade v. v F(z) = z= z= z= z= z= z= z= z= z= z= z= z= z= z= z= z= z= z= z= z= z= z= z= z= z= z= z= z= z= z= /16
16 Glossary Analyse Approximativ Bedingte Wahrscheinlichkeit Belastung Beobachtungen Berechnungen Berechnungstabelle Beschreibende Statistik Daten Einwirkung Entscheidungsregel Erstes Moment Flachdach Forschungsthema Globale Erwärmung Güte der Anpassung Hypothesentest Jährliches Maximum Korrelation Korrelationskoeffizient Langjähriges Mittel Mittelwert Normalverteilt Null-Hypothese Parameter Parameterschätzung Quantilwerte Schätzen Schiefe Schneebelastungen Signifikanzniveau Standardabweichnung Stationär Stichprobe Stichprobenstatistik Symmetrie Unabhängig Unterschied Untersuchung Versagenswahrscheinlichkeit Verteilungsparameter Wahrscheinlichkeit Wahrscheinlichkeitsdichtefunktion Wahrscheinlichkeitsverteilungsfunktion Widerstand Windgeschwindigkeiten Zufallsvariable Analysis Approximative Conditional probability Load Observations Calculations Calculation sheed Descriptive statistics Data Actions Operational rule First moment Flat roof Research topic Global warming Goodness of fit Hypothesis testing Yearly maximum Correlation Coefficient of correlation Long time mean Mean value Normal distributed Null-Hypothesis Parameter Parameter estimation Quantile values Estimate Skewness Snow loads Level of significance Standard deviation Stationary Sample Sample statistic Symmetry Independent Difference Investigation Probability of failure Distribution parameter Probability Probability density function Probability distribution function Resistance Wind speeds Random variable 16/16
Basisprüfung B. Sc. FS 2009
Basisprüfung B. Sc. Statistik und Wahrscheinlichkeitsrechnung FS 2009 Prof. Dr. M. H. Faber ETH Zürich Montag, 17. August 2009 14:00 16:00 Vorname:... Name:... Stud. Nr.:... Studienrichtung:... Basisprüfung
Basisprüfung B. Sc. HS 2010
Basisprüfung B. Sc. Statistik und Wahrscheinlichkeitsrechnung HS 2010 Prof. Dr. M. H. Faber ETH Zürich Mittwoch, 2. Februar 2011 9:00 11:00 Vorname:... Name:... Stud. Nr.:... Studienrichtung:... Basisprüfung
Basisprüfung B. Sc. WS 2009/10
Basisprüfung B. Sc. Statistik und Wahrscheinlichkeitsrechnung WS 2009/10 Prof. Dr. M. H. Faber ETH Zürich Montag, 08. Februar 2010 14:00 16:00 Vorname:... Name:... Stud. Nr.:... Studienrichtung:... 1/15
Basisprüfung B. Sc. FS 2011
Basisprüfung B. Sc. Statistik und Wahrscheinlichkeitsrechnung FS 2011 Dr. Jochen Köhler ETH Zürich Mittwoch, 17. August 2011 9:00 11:00 Vorname:... Name:... Stud. Nr.:... Studienrichtung:... Aufgabe Beschreibung
Statistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und
Statistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 11. Vorlesung Jochen Köhler 10.05.011 1 Inhalt der heutigen Vorlesung Zusammenfassung Parameterschätzung Übersicht über Schätzung und Modellbildung Modellevaluation
Basisprüfung Statistik und Wahrscheinlichkeitsrechnung Frühjahr 2005
Basisprüfung Statistik und Wahrscheinlichkeitsrechnung Frühahr 2005 Prof. Dr. M.H. Faber Prof. Dr. P. Burlando ETH Zürich Freitag, 11. März 2005 14:00 16:00 Name:... Vorname:... 1/10 Basisprüfung: Statistik
Basisprüfung B. Sc. FS 2009
Basisprüfung B. Sc. Statistik und Wahrscheinlichkeitsrechnung FS 2009 (Als Tafelübung im FS 2011, Aufgabe 1c leicht abgeändert) Prof. Dr. M. H. Faber ETH Zürich Montag, 17. August 2009 14:00 16:00 Inhalt
Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. M. Schweizer ETH Zürich Sommer 2018 Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Bitte... Lege deine Legi auf den Tisch. Trage deine Daten in dieses Deckblatt ein, und schreibe auf jedes
Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Prof. Dr. Michael Havbro Faber 8.04.009 1 Inhalt der heutigen Vorlesung Zusammenfassung der letzten Vorlesung Übersicht über Schätzung und Modellbildung Modellevaluation
FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT
FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte
2. Teilprüfung FS 2009
2. Teilprüfung Statistik und Wahrscheinlichkeitsrechnung FS 2009 Prof. Dr. Michael Havbro Faber ETH Zürich Dienstag 19. Mai 2009 08:00 09:30 Vorname:... Name:... Stud. Nr.:... Studienrichtung:... 2. Teilprüfung:
Statistics, Data Analysis, and Simulation SS 2015
Mainz, June 11, 2015 Statistics, Data Analysis, and Simulation SS 2015 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Dr. Michael O. Distler
Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Prof. Dr. Michael Havbro Faber 8.04.009 Inhalt der heutigen Vorlesung Auswahl einer Verteilungsfunktion: Wahrscheinlichkeitspapier pp Schätzung und Modellentwicklung:
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Schließende Statistik Sommersemester Namensschild. Dr.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Schließende Statistik Sommersemester 2013 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Kleben Sie bitte sofort Ihr Namensschild
Statistik II. Version A. 1. Klausur Sommersemester 2011 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik II Version A 1. Klausur Sommersemester 2011 Hamburg, 27.07.2011 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................
1. VD Prüfung Statistik und Wahrscheinlichkeitsrechnung Frühjahr 2004
1. VD Prüfung Statistik und Wahrscheinlichkeitsrechnung Frühjahr 2004 Prof. Dr. M.H. Faber Prof. Dr. P. Burlando ETH Zürich Freitag, 5. März 2004 10:15 12:15 Name:... Vorname:... 1/10 Institut für Hydromechanik
Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. M. Schweizer ETH Zürich Winter 2018 Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Bitte... Lege deine Legi auf den Tisch. Trage deine Daten in dieses Deckblatt ein, und schreibe auf jedes
DWT 2.1 Maximum-Likelihood-Prinzip zur Konstruktion von Schätzvariablen 330/467 Ernst W. Mayr
2.1 Maximum-Likelihood-Prinzip zur Konstruktion von Schätzvariablen Wir betrachten nun ein Verfahren zur Konstruktion von Schätzvariablen für Parameter von Verteilungen. Sei X = (X 1,..., X n ). Bei X
Wichtige Definitionen und Aussagen
Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge
Statistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übung 1 1 Inhalt der heutigen Übung Statistik und Wahrscheinlichkeitsrechnung Hausübung F.4 (Zuverlässigkeitsberechnung) Bayes sche Entscheidungsanalyse (Aufgabe
Statistik-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
3) Testvariable: T = X µ 0
Beispiel 4.9: In einem Molkereibetrieb werden Joghurtbecher abgefüllt. Der Sollwert für die Füllmenge dieser Joghurtbecher beträgt 50 g. Aus der laufenden Produktion wurde eine Stichprobe von 5 Joghurtbechern
Prüfung. 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
Statistik 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:.............................................................................
Statistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
Prüfungsklausur zur Stochastik (LMG)/ Elementare Wahrscheinlichkeitstheorie und Statistik
B. Schmalfuß Jena, den 20.02.2018 Prüfungsklausur zur Stochastik (LMG)/ Elementare Wahrscheinlichkeitstheorie und Statistik Allgemeine Hinweise: Zur Verfügung stehende Zeit: 90 min. Hilfsmittel: keine.
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
How To Find Out If A Ball Is In An Urn
Prof. Dr. P. Embrechts ETH Zürich Sommer 2012 Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Schreiben Sie für Aufgabe 2-4 stets alle Zwischenschritte und -rechnungen sowie Begründungen auf. Aufgabe
Statistik. 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
Statistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de
rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent
10. Statistische Verteilungen
10. Statistische Verteilungen Übung Röntgenpraxis XVI Die Patienten der Röntgenpraxis unterscheiden sich durch unterschiedliche Fitness. Daher benötigen die MTRA unterschiedliche Zeiten, um die Patienten
Statistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übung 3 1 Inhalt der heutigen Übung Vorrechnen der Hausübung B.7 Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben C.1: Häufigkeitsverteilung C.2: Tukey
4. 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
Prüfung. 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
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Schließende Statistik Wintersemester 2012/13. Namensschild. Dr.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Schließende Statistik Wintersemester 2012/13 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Kleben Sie bitte sofort Ihr Namensschild
Aufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Schließende Statistik Wintersemester 2017/18. Dr. Martin Becker
Aufgabenstellung und Ergebnisse zur Bachelor-Prüfung Schließende Statistik Wintersemester 2017/18 Dr. Martin Becker Hinweise für die Klausurteilnehmer Die Klausur besteht aus insgesamt 9 Aufgaben. Prüfen
Wahrscheinlichkeit und Statistik BSc D-INFK
Prof. Dr. P. Embrechts ETH Zürich Sommer 2015 Wahrscheinlichkeit und Statistik BSc D-INFK Name: Vorname: Stud. Nr.: Das Folgende bitte nicht ausfüllen! Aufg. Summe Kontr. Pkte.-Max. 1 10 2 10 3 10 4 10
Statistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Kurze Zusammenfassung der letzten Vorlesung Schätzung und Modellentwicklung Überblick Statistische Signifikanztests
Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. M. Maathuis ETH Zürich Winter 2010 Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Schreiben Sie für Aufgabe 2-4 stets alle Zwischenschritte und -rechnungen sowie Begründungen auf. Aufgabe
4.1. Nullhypothese, Gegenhypothese und Entscheidung
rof. Dr. Roland Füss Statistik II SS 8 4. Testtheorie 4.. Nullhypothese, Gegenhypothese und Entscheidung ypothesen Annahmen über die Verteilung oder über einzelne arameter der Verteilung eines Merkmals
Vorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2
Nachklausur 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
Modellanpassung und Parameterschätzung. A: Übungsaufgaben
7 Modellanpassung und Parameterschätzung 1 Kapitel 7: Modellanpassung und Parameterschätzung A: Übungsaufgaben [ 1 ] Bei n unabhängigen Wiederholungen eines Bernoulli-Experiments sei π die Wahrscheinlichkeit
Punktetabelle (wird von den Korrektoren beschriftet)
Probability and Statistics FS 2018 Prüfung 13.08.2018 Dauer: 180 Minuten Name: Legi-Nummer: Diese Prüfung enthält 12 Seiten (zusammen mit dem Deckblatt) und 10 Aufgaben. Das Formelblatt wird separat verteilt.
- Normalverteilung (Gaußverteilung) kann auf sehr viele Zufallsprozesse angewendet werden.
Normalverteilung und Standardnormalverteilung als Beispiel einer theoretischen Verteilung - Normalverteilung (Gaußverteilung) kann auf sehr viele Zufallsprozesse angewendet werden. - Stetige (kontinuierliche),
Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:
Statistics, Data Analysis, and Simulation SS 2017
Statistics, Data Analysis, and Simulation SS 2017 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Mainz, May 29, 2017 Dr. Michael O. Distler
7. Übung: Aufgabe 1. b), c), e) Aufgabe 2. a), c), e) Aufgabe 3. c), e) Aufgabe 4. Aufgabe 5. Aufgabe 6. Aufgabe 7. Aufgabe 8. Aufgabe 9.
7. Übung: Aufgabe 1 b), c), e) Aufgabe a), c), e) Aufgabe 3 c), e) Aufgabe 4 b) Aufgabe 5 a) Aufgabe 6 b) Aufgabe 7 e) Aufgabe 8 c) Aufgabe 9 a), c), e) Aufgabe 10 b), d) Aufgabe 11 a) Aufgabe 1 b) Aufgabe
Schriftliche Prüfung (2 Stunden)
Prüfung Statistik Winter 2013 Schriftliche Prüfung (2 Stunden) Bemerkungen: Alle schriftlichen Hilfsmittel und ein Taschenrechner sind erlaubt. Mobiltelefone sind auszuschalten! Lesen Sie zuerst alle Aufgaben
2 Aufgaben aus [Teschl, Band 2]
20 2 Aufgaben aus [Teschl, Band 2] 2.1 Kap. 25: Beschreibende Statistik 25.3 Übungsaufgabe 25.3 a i. Arithmetisches Mittel: 10.5 ii. Median: 10.4 iii. Quartile: x 0.25 Y 4 10.1, x 0.75 Y 12 11.1 iv. Varianz:
Wirtschaftswissenschaftliches 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
Wahrscheinlichkeitsrechnung und Statistik für Biologen Spezielle Verteilungen
Wahrscheinlichkeitsrechnung und Statistik für Biologen Spezielle Verteilungen Noémie Becker & Dirk Metzler http://evol.bio.lmu.de/_statgen 7. Juni 2013 1 Binomialverteilung 2 Normalverteilung 3 T-Verteilung
Multivariate 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
Prüfung 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
Dr. 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
Biostatistik, WS 2017/18 Der zwei-stichproben-t-test
1/28 Biostatistik, WS 2017/18 Der zwei-stichproben-t-test (t-test für ungepaarte Stichproben) Matthias Birkner http://www.staff.uni-mainz.de/birkner/biostatistik1718/ 15.12.2017 und 22.12.2017 2/28 Inhalt
Fit for Abi & Study Stochastik
Fit for Abi & Study Stochastik Prof. Dr. Tilla Schade Hochschule Harz 15. und 16. April 2014 No. 1 Stochastik besteht aus: Wahrscheinlichkeitsrechnung Statistik No. 2 Gliederung Grundlagen Zufallsgrößen
Wirtschaftswissenschaftliches 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
73 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
TECHNISCHE 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
3 Grundlagen statistischer Tests (Kap. 8 IS)
3 Grundlagen statistischer Tests (Kap. 8 IS) 3.1 Beispiel zum Hypothesentest Beispiel: Betrachtet wird eine Abfüllanlage für Mineralwasser mit dem Sollgewicht µ 0 = 1000g und bekannter Standardabweichung
Empirische Wirtschaftsforschung
Empirische Wirtschaftsforschung Prof. Dr. Bernd Süßmuth Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie 1 4. Basiskonzepte der induktiven
Nachhol-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.
Musterlösung zu Serie 8
Dr. Markus Kalisch Statistik I für Biol./Pharm. Wiss./HST) FS 15 Musterlösung zu Serie 8 1. a) Damit fx) eine Dichte ist, muss die Fläche des Dreiecks gleich 1 sein. Es muss also gelten c = 1. Daraus folgt
Schriftliche 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
Statistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
Statistics, Data Analysis, and Simulation SS 2017
Mainz, 8. Juni 2017 Statistics, Data Analysis, and Simulation SS 2017 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Dr. Michael O. Distler
Musterlösung zur Klausur im Fach Fortgeschrittene Statistik am Gesamtpunktzahl: 60
WESTFÄLISCHE WILHELMS - UNIVERSITÄT MÜNSTER Wirtschaftswissenschaftliche Faktultät Prof. Dr. Bernd Wilfling Professur für VWL, insbesondere Empirische Wirtschaftsforschung Musterlösung zur Klausur im Fach
5. Spezielle stetige Verteilungen
5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Schließende Statistik Sommersemester Namensschild. Dr.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Schließende Statistik Sommersemester 2011 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Kleben Sie bitte sofort Ihr
Die 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 +... +
Die 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 +... +
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist
Einfaktorielle Varianzanalyse
Kapitel 16 Einfaktorielle Varianzanalyse Im Zweistichprobenproblem vergleichen wir zwei Verfahren miteinander. Nun wollen wir mehr als zwei Verfahren betrachten, wobei wir unverbunden vorgehen. Beispiel
Multivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Diese Selbstkontrollarbeit bezieht sich auf die Kapitel 1 bis 4 der Kurseinheit 1 (Multivariate Statistik) des Kurses Multivariate Verfahren (883). Hinweise:
W-Rechnung und Statistik für Ingenieure Übung 13
W-Rechnung und Statistik für Ingenieure Übung 13 Nächste Woche: Probeklausur Bringen Sie sich ein leeres Exemplar der Probeklausur mit, um sich eine Musterlösung zu erstellen. Aufgabe 1 : Testproblem Testproblem:
Statistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 11. Juli 016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
8. Keine Normalverteilung der Störgrößen (Verletzung der B4-Annahme)
8. Keine Normalverteilung der Störgrößen (Verletzung der B4-Annahme) Annahme B4: Die Störgrößen u i sind normalverteilt, d.h. u i N(0, σ 2 ) Beispiel: [I] Neoklassisches Solow-Wachstumsmodell Annahme einer
Statistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 3. Vorlesung Dr. Jochen Köhler 1 Inhalte der heutigen Vorlesung Ziel: Daten Modellbildung Probabilistisches Modell Wahrscheinlichkeit von Ereignissen Im ersten
Bachelorprüfung: 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!
FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT
FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte
3.3 Konfidenzintervalle für Regressionskoeffizienten
3.3 Konfidenzintervalle für Regressionskoeffizienten Konfidenzintervall (Intervallschätzung): Angabe des Bereichs, in dem der "wahre" Regressionskoeffizient mit einer großen Wahrscheinlichkeit liegen wird
Statistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli
WS 2014/15. (d) Bestimmen Sie die Wahrscheinlichkeitsfunktion von X. (e) Bestimmen Sie nun den Erwartungswert und die Varianz von X.
Fragenkatalog zur Übung Methoden der empirischen Sozialforschung WS 2014/15 Hier finden Sie die denkbaren Fragen zum ersten Teil der Übung. Das bedeutet, dass Sie zu diesem Teil keine anderen Fragen im
Klausur 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
Modul 141 Statistik. 1. Studienjahr 11. Sitzung Signifikanztests
Modul 141 Statistik 1. Studienjahr 11. Sitzung Signifikanztests Inhalt der 11. Sitzung 1. Parametrische Signifikanztests 2. Formulierung der Hypothesen 3. Einseitige oder zweiseitige Fragestellung 4. Signifikanzniveau
WIRTSCHAFTSWISSENSCHAFTLICHES PRÜFUNGSSEKRETARIAT DER RECHTS- UND WIRTSCHAFTSWISSENSCHAFTLICHEN FAKULTÄT DER UNIVERSITÄT DES SAARLANDES
WIRTSCHAFTSWISSENSCHAFTLICHES PRÜFUNGSSEKRETARIAT DER RECHTS- UND WIRTSCHAFTSWISSENSCHAFTLICHEN FAKULTÄT DER UNIVERSITÄT DES SAARLANDES Von der/dem Studierenden auszufüllen (Bitte leserlich und in Blockschrift):
Vergleich zweier Stichproben
zurück zum Inhaltsverzeichnis Die Werte sind verbunden, abhängig oder korreliert. Beispiel: Eine Probe wird mit zwei Messgeräten bestimmt. Es gibt eine paarweise Zuordnung. Die Werte sind unabhängig also
Zwischenklausur ÖKONOMETRIE
Zwischenklausur ÖKONOMETRIE Name, Vorname: Matrikel-Nr. Die Klausur besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens eine Antwort richtig ist und von denen mehrere
Mathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
Statistik 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
Probeklausur EW II. Für jede der folgenden Antworten können je 2 Punkte erzielt werden!
Probeklausur EW II Bitte schreiben Sie Ihre Antworten in die Antwortfelder bzw. markieren Sie die zutreffenden Antworten deutlich in den dafür vorgesehenen Kästchen. Wenn Sie bei einer Aufgabe eine nicht-zutreffende
D-CHAB Frühlingssemester 2017 T =
D-CHAB Frühlingssemester 17 Grundlagen der Mathematik II Dr Marcel Dettling Lösung 13 1) Die relevanten Parameter sind n = 3, x = 1867, σ x = und µ = 18 (a) Die Teststatistik T = X µ Σ x / n ist nach Annahme