Statistik I für Betriebswirte Vorlesung 11

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Statistik I für Betriebswirte Vorlesung 11"

Transkript

1 Statistik I für Betriebswirte Vorlesung 11 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 22. Juni 2012 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 11 1

2 2. Fall: Optimal geschichtete Stichproben Bei optimal geschichteten Stichproben werden die Stichprobenumfänge für die einzelnen Schichten n i, i = 1,..., k mit Hilfe der folgenden Extremwertaufgabe bestimmt. Aufgabe: Bestimme n i, i = 1,..., k, so dass die Varianz Varˆµ = k minimal wird, wobei die Nebenbedingung p 2 i σ 2 i n i k n i = n erfüllt sein soll! Die Lösung kann nach Verstetigung des Problems mit Hilfe der Lagrange-Multiplikatoren gefunden werden, sie lautet n n i = p i σ i, i = 1,..., k. k p j σ j j=1 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 11 2

3 Optimal geschichtete Stichproben II Dabei müssen die Ergebnisse durch die nächsten natürlichen Zahlen approximiert werden. Außerdem müssen im Allgemeinen die Streuungen in den Schichten geschätzt werden, z.b. aus alten Daten. In dem Spezialfall, wenn alle Varianzen in den Schichten übereinstimmen, d.h. σ1 2 =... = σ2 k gilt, erhält man die Beziehung n i = np i, i = 1,..., k. In diesem Fall sind also proportional geschichtete Stichproben optimal. Im obigen Beispiel erhält man als optimale Stichprobenumfänge n 1 = 56, n 2 = 116, n 3 = 28 und eine Varianz der Schätzung von k Varˆµ = p 2 σi 2 i = (im Vergleich zu im n i proportional geschichteten Fall). Der relative Schichtungseffekt beträgt dann 21.2%. Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 11 3

4 3. Fall: Kostenoptimal geschichtete Stichproben Werden die (möglicherweise unterschiedlichen) Kosten für die Stichprobenerhebungen mit berücksichtigt, sind im Allgemeinen andere Stichprobenumfänge für die einzelnen Schichten optimal. Geg.: Gesamtkosten c für die Stichprobenerhebung, Kosten c i für die Auswahl einer Untersuchungseinheit aus Schicht i, i = 1,..., k. Optimierungsproblem: Bestimme n i, i = 1,..., k, so dass Varˆµ = k p 2 i σ 2 i n i minimal wird, wobei k c i n i = c gelten soll! Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 11 4

5 Kostenoptimal geschichtete Stichproben II Lösung: Optimal sind die Werte n i = c k p j σ j cj j=1 p i σ i ci = c k p j σ j cj j=1 p i σ i ci c i, i = 1,..., k. Im Spezialfall übereinstimmender Kosten c i, d.h. falls c 1 =... = c k gilt, erhält man die Formeln für die optimal geschichteten Stichproben. Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 11 5

6 Beispiel kostenoptimal geschichtete Stichprobe I Ein Unternehmen möchte c = e für Informationsbeschaffung über den Absatz im kommenden Jahr einsetzen. Das Unternehmen hat N = Kunden in k = 3 Schichten. i Schicht N i σ i in e c i in e 1 Kleinabnehmer mittlere Abnehmer Großabnehmer k p j σ j cj = = 221. j= n 1 = = 15.08, n 2 = und n 3 = = = Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 11 6

7 Beispiel kostenoptimal geschichtete Stichprobe II Gerundet erhält man n 1 = 15, n 2 = 23, n 3 = 90. Damit werden erst e ausgeschöpft. Wenn die e maximal ausgeschöpft werden sollen, gibt es zwei Möglichkeiten mit in natürlicher Weise verringerter und somit besserer Varianz: n 1 = 19, n 2 = 23, n 3 = 90 oder n 1 = 15, n 2 = 24, n 3 = 90. Eine etwas kleinere Varianz erreicht die 2. Möglichkeit n 1 = 15, n 2 = 24, n 3 = 90. Vergleich Beispielvarianten: (n=129) Stichprobe n 1 n 2 n 3 Varˆµ Kosten in e kostenoptimal geschichtet varianzoptimal geschichtet proportional geschichtet Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 11 7

8 d) Klumpenstichproben Bisher wurde die Grundgesamtheit in Schichten unterteilt, die im Allgemeinen verschieden in Erwartungswerten und Varianzen sind. Jetzt erfolgt eine Einteilung der Grundgesamtheit in M Klumpen, die jede für sich die Grundgesamtheit schon recht gut repräsentieren. Beispiel: Alter der Personen in Vierpersonenhaushalten Nr. Vater Mutter 1. Kind 2. Kind Klumpen Klumpen Klumpen Klumpen Schicht 1 Schicht 2 Weitere Beispiele für Klumpen sind: Bevölkerung in Kreisen für Bevölkerung in BRD, Studenten einer Uni für Studenten in BRD, usw. Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 11 8

9 Auswertungen im Beispiel Gleichgültig, ob Schichten oder Klumpen: beides sind Zerlegungen der Grundgesamtheit, für die die Zerlegungsformeln für Erwartungswerte und Varianzen gelten, d.h. M µ = p i µ i, σ 2 = M M p i σi 2 + p i (µ i µ) 2. i Vater Mutter 1. Kind 2. Kind µ i σ i µ I = µ II = µ = σ I = 2.78 σ II = 4.14 σ = Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 11 9

10 Prinzipielle Betrachtungen am Beispiel I Aufgabe: Schätzung von µ durch Stichprobe vom Umfang n = 4 ( ) 16 a) Reine Zufallsausawahl: = 1820 mögliche Stichproben, 4 7,8,10,11 x = 9; darunter die extremen : 43,41,40,39 x = Die Standardabweichung σ X von X müsste sich reduzieren lassen, wenn man extreme Stichproben nicht zulässt, also eine eingeschränkte Zufallsauswahl durchführt. b) Prortional geschichtete Stichprobe: Wähle n 1 = 2 statistische Einheiten aus ( ) Schicht ( ) I und n 2 = Einheiten aus Schicht II. Dies ergibt = 784 mögliche ,37,7,8 x = 21.25; Stichproben mit den extremen : 43,41,18,18 x = 30. Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 11 10

11 Prinzipielle Betrachtungen am Beispiel II c) Klumpenstichprobe: Wähle zufällig einen der 4 Klumpen und mache dort eine Totalerhebung. Dies ergibt 4 mögliche Stichproben mit Schätzwerten x = Klumpen Klumpen Klumpen Klumpen 4 Diese Variante scheint bezüglich der Streuung von X am besten zu sein. Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 11 11

12 Zufällige Auswahl der Klumpen Wir betrachten ein Untersuchungsmerkmal X und wollen den Erwartungswert EX = µ schätzen. Bei einer klassischen reinen Zufallsauswahl erhalten wir für die Schätzungfunktion ˆµ = X die Varianz VarX = σ2 n, wobei σ2 die (exakte) Varianz von X ist und n der Stichprobenumfang. Demgegenüber betrachten wir jetzt eine Klumpenstichprobe: Es werden zufällig m Klumpen aus den M vorhandenen Klumpen ausgewählt. Dabei wird diejenige Wahrscheinlichkeitsverteilung auf der Menge {1,..., M} gewählt, bei der die Einzelwahrscheinlichkeit p i proportional zur Elementanzahl N i im Klumpen K i ist. Damit wird der i-te Klumpen mit einer Wahrscheinlichkeit von p i = N i N (i = 1,..., M) ausgewählt. Dann erfolgt eine Totalerhebung in den m Klumpen, d.h. die exakte Ermittlung des dortigen Mittelwertes µ i. Damit liegt auch hier wieder eine eingeschränkte Zufallsauswahl vor. Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 11 12

13 Auswahlmechanismus der m Klumpen Die Auswahl der m Klumpen kann zum Beispiel mit Hilfe von Zufallszahlen (ZZ) erfolgen. Beispiel: Beschäftigte N i in Betrieb i i N i p i kumulativ Auswahl i falls ZZ in [0; 0.053) [0.053; 0.169) [0.169; 0.253) [0.253; 0.453) [0.453; 1.000) N = 95 Zum Beispiel: ZZ Auswahl i 3 5 5, verworfen 1 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 11 13

14 Schätzung von µ bei einer Klumpenstichprobe Es seien h 1,..., h m die Indizes der m ausgewählten Klumpen und µ h1,..., µ hm die exakt ermittelten Mittelwerte in diesen Klumpen. Dann wird der Mittelwert µ = EX geschätzt durch ˆµ = 1 m m µ hi. Diese Schätzung ist unverzerrt (erwartungstreu), denn es gilt Eˆµ = 1 m m Eµ hi = 1 m m M p j µ j = 1 m m µ = µ. j=1 Für die Varianz der Schätzung gilt Varˆµ = 1 Nm M N i (µ i µ) 2. Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 11 14

15 Statistische Vorteile von Klumpenstichproben Klumpenstichproben sind häufig kostengünstiger als reine Zufallstichproben vom gleichen Umfang (geringere Reisekosten o.ä.). Bei statistischen Untersuchungen muss man berücksichtigen, dass eine Klumpenstichprobe im Allgemeinen einen zufälligen m Stichprobenumfang besitzt: n = N hi. Daher beschränken wir uns beim Vergleich mit dem Fall einer reinen Zufallsauswahl auf den Spezialfall N i = N M = const, d.h. p i = 1 M, i = 1,..., M und einen Stichprobenumfang n = m N M. Für die reine Zufallsauswahl gilt wegen p i = 1 M ( VarX = σ2 n = Mσ2 Nm = 1 M ) M σi 2 + (µ i µ) 2. Nm Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 11 15

16 Vergleich Klumpenstichprobe und reine Zufallsauswahl I Für die Klumpenstichprobe gilt mit der vorherigen Beziehung ( ) Varˆµ = 1 M (µ i µ) 2 = 1 M σ 2 M σi 2. Mm Mm Folglich gilt [ VarX Varˆµ = 1 1 M ( σi 2 σ 2 1 M ) ], m M N d.h. Klumpenstichproben sind statistisch vorteilhafter als X, falls 1 M M σi 2 > ( 1 M ) σ 2 N (Klumpeneffekt). Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 11 16

17 Vergleich Klumpenstichprobe und reine Zufallsauswahl II Die Bedingung für den Klumpeneffekt ist auf jeden Fall erfüllt, falls alle µ i gleich sind, denn dann folgt aus der Zerlegungsformel für die M Varianzen (siehe Folie 9) σi 2 = Mσ 2. Die Schätzung ˆµ aus der Klumpenstichprobe ist auch besser als X, wenn die Klumpen fast gleiche Mittelwerte haben und (bei einer anderen Zerlegung) die Grundgesamtheit deutlich geschichtet ist. Im Beispiel von vorn gelten M = 4, m = 1, N = 16 und 1 M M σi 2 = > = ( 1 4 ) (13.35) 2, 16 also VarX = (13.35)2 4 = 44.56, Varˆµ = (µ i µ) 2 = Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 11 17

Statistik I für Betriebswirte Vorlesung 13

Statistik I für Betriebswirte Vorlesung 13 Statistik I für Betriebswirte Vorlesung 13 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 6. Juli 2017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 13 Version: 7. Juli

Mehr

Statistik I für Betriebswirte Vorlesung 5

Statistik I für Betriebswirte Vorlesung 5 Statistik I für Betriebswirte Vorlesung 5 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik 07. Mai 2015 PD Dr. Frank Heyde Statistik I für Betriebswirte Vorlesung 5 1 Klassische Wahrscheinlichkeitsdefinition

Mehr

W-Rechnung und Statistik für Ingenieure Übung 11

W-Rechnung und Statistik für Ingenieure Übung 11 W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik

Mehr

9. Schätzen und Testen bei unbekannter Varianz

9. Schätzen und Testen bei unbekannter Varianz 9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,

Mehr

RUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG

RUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG Die Poisson-Verteilung Jianmin Lu RUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG Ausarbeitung zum Vortrag im Seminar Stochastik (Wintersemester 2008/09, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In der Wahrscheinlichkeitstheorie

Mehr

Statistik II für Betriebswirte Vorlesung 2

Statistik II für Betriebswirte Vorlesung 2 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 2 21. Oktober 2014 Verbundene Stichproben Liegen zwei Stichproben vor, deren Werte einander

Mehr

Biostatistik, WS 2015/2016 Der zwei-stichproben-t-test

Biostatistik, WS 2015/2016 Der zwei-stichproben-t-test 1/29 Biostatistik, WS 2015/2016 Der zwei-stichproben-t-test (t-test für ungepaarte Stichproben) Matthias Birkner http://www.staff.uni-mainz.de/birkner/biostatistik1516/ 11.12.2015 2/29 Inhalt 1 t-test

Mehr

P( X µ c) Var(X) c 2. mit. In der Übung wurde eine alternative, äquivalente Formulierung verwendet: P( X µ < c) 1 Var(X)

P( X µ c) Var(X) c 2. mit. In der Übung wurde eine alternative, äquivalente Formulierung verwendet: P( X µ < c) 1 Var(X) Ich habe eine Frage zur Tschebyschew Ungleichung. In der Aufgabe 4 des Übungsblattes 3 benötigt man ja die Ungleichung. In diesem Falle war der Bereich (0, 20) symmetrisch um den Erwartungswert µ = 5.

Mehr

13.5 Der zentrale Grenzwertsatz

13.5 Der zentrale Grenzwertsatz 13.5 Der zentrale Grenzwertsatz Satz 56 (Der Zentrale Grenzwertsatz Es seien X 1,...,X n (n N unabhängige, identisch verteilte zufällige Variablen mit µ := EX i ; σ 2 := VarX i. Wir definieren für alle

Mehr

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion

Mehr

Statistik II für Betriebswirte Vorlesung 3

Statistik II für Betriebswirte Vorlesung 3 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 3 5. November 2013 Beispiel: Aktiensplit (Aczel & Sounderpandan, Aufg. 14-28) Ein Börsenanalyst

Mehr

Box-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8

Box-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8 . Aufgabe: Für zwei verschiedene Aktien wurde der relative Kurszuwachs (in % beobachtet. Aus den jeweils 20 Quartaldaten ergaben sich die folgenden Box-Plots. Box-and-Whisker Plot Aktie Aktie 2-0,2 0,8,8

Mehr

Statistische Thermodynamik I Lösungen zur Serie 1

Statistische Thermodynamik I Lösungen zur Serie 1 Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen

Mehr

Messwerte und deren Auswertungen

Messwerte und deren Auswertungen Thema: Messwerte und deren Auswertungen Vorlesung Qualitätsmanagement, Prof. Dr. Johann Neidl Seite 1 Stichproben vertrauen Die Genauigkeit von Voraussagen (Vertrauensniveau) einer Stichprobenprüfung hängt

Mehr

QM: Prüfen -1- KN16.08.2010

QM: Prüfen -1- KN16.08.2010 QM: Prüfen -1- KN16.08.2010 2.4 Prüfen 2.4.1 Begriffe, Definitionen Ein wesentlicher Bestandteil der Qualitätssicherung ist das Prüfen. Sie wird aber nicht wie früher nach der Fertigung durch einen Prüfer,

Mehr

Skriptum zur Veranstaltung. Quantitative Methoden (Mathematik/Statistik) Teil Induktive Statistik. 1. Version (mehr Draft als Skriptum)

Skriptum zur Veranstaltung. Quantitative Methoden (Mathematik/Statistik) Teil Induktive Statistik. 1. Version (mehr Draft als Skriptum) Skriptum zur Veranstaltung Quantitative Methoden (Mathematik/Statistik) Teil Induktive Statistik 1. Version (mehr Draft als Skriptum) Anmerkungen, Aufzeigen von Tippfehlern und konstruktive Kritik erwünscht!!!

Mehr

4. Erstellen von Klassen

4. Erstellen von Klassen Statistik mit Tabellenkalkulation 4. Erstellen von Klassen Mit einem einfachen Befehl lässt sich eine Liste von Zahlen auf die Häufigkeit der einzelnen Werte untersuchen. Verwenden Sie dazu den Befehl

Mehr

Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1

Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1 Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008 Aufgabe 1 Ihnen liegt

Mehr

Statistik II für Betriebswirte Vorlesung 14

Statistik II für Betriebswirte Vorlesung 14 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 14 25. Januar 2013 8. Indizes 8.1. Einfache Indexzahlen Indizes (Indexzahlen, Indexzeitreihen)

Mehr

Melanie Kaspar, Prof. Dr. B. Grabowski 1

Melanie Kaspar, Prof. Dr. B. Grabowski 1 7. Hypothesentests Ausgangssituation: Man muss sich zwischen 2 Möglichkeiten (=Hypothesen) entscheiden. Diese Entscheidung soll mit Hilfe von Beobachtungen ( Stichprobe ) getroffen werden. Die Hypothesen

Mehr

4. Versicherungsangebot

4. Versicherungsangebot 4. Versicherungsangebot Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Versicherungsangebot 1 / 13 1. Einleitung 1.1 Hintergrund In einem grossen Teil

Mehr

Optimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen

Optimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen Optimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen Dr. Abebe Geletu Ilmenau University of Technology Department of Simulation and Optimal Processes

Mehr

5. Auswahlverfahren für Stichprobenelemente

5. Auswahlverfahren für Stichprobenelemente Grundlagen Uneingeschränkte Zufallsauswahl (z.b. Roulette, Würfeln) Zufallszahlen müssen eine vorgegebene Verteilung erfüllen (Gleichverteilung) Zufallszahlen müssen zufällig aufeinander folgen (keine

Mehr

Statistik II für Betriebswirte Vorlesung 12

Statistik II für Betriebswirte Vorlesung 12 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 12 11. Januar 2013 7.3. Multiple parameterlineare Regression Im Folgenden soll die

Mehr

Einfache Varianzanalyse für abhängige

Einfache Varianzanalyse für abhängige Einfache Varianzanalyse für abhängige Stichproben Wie beim t-test gibt es auch bei der VA eine Alternative für abhängige Stichproben. Anmerkung: Was man unter abhängigen Stichproben versteht und wie diese

Mehr

Angewandte Stochastik

Angewandte Stochastik Angewandte Stochastik Dr. C.J. Luchsinger 17 Crash Course Brownsche Bewegung (stetige Zeit, stetiger Zustandsraum); Pricing & Hedging von Optionen in stetiger Zeit Literatur Kapitel 17 * Uszczapowski:

Mehr

3.3. Aufgaben zur Binomialverteilung

3.3. Aufgaben zur Binomialverteilung .. Aufgaben zur Binomialverteilung Aufgabe 1: Ziehen mit Zurücklegen und Binomialverteilung Ein sechsseitiger Würfel wird zehnmal geworfen. a) Wie groß ist die Wahrscheinlichkeit, nur beim ersten Mal die

Mehr

Studiendesign/ Evaluierungsdesign

Studiendesign/ Evaluierungsdesign Jennifer Ziegert Studiendesign/ Evaluierungsdesign Praxisprojekt: Nutzerorientierte Evaluierung von Visualisierungen in Daffodil mittels Eyetracker Warum Studien /Evaluierungsdesign Das Design einer Untersuchung

Mehr

LÖSUNG ZUR VORLESUNG MAKROÖKONOMIK I (SoSe 14) Aufgabenblatt 4

LÖSUNG ZUR VORLESUNG MAKROÖKONOMIK I (SoSe 14) Aufgabenblatt 4 Fakultät Wirtschafts- und Sozialwissenschaften Jun.-Prof. Dr. Philipp Engler, Michael Paetz LÖSUNG ZUR VORLESUNG MAKROÖKONOMIK I (SoSe 14) Aufgabenblatt 4 Aufgabe 1: IS-Kurve Leiten Sie graphisch mit Hilfe

Mehr

Statistik im Versicherungs- und Finanzwesen

Statistik im Versicherungs- und Finanzwesen Springer Gabler PLUS Zusatzinformationen zu Medien von Springer Gabler Grimmer Statistik im Versicherungs- und Finanzwesen Eine anwendungsorientierte Einführung 2014 1. Auflage Übungsaufgaben zu Kapitel

Mehr

Access [basics] Gruppierungen in Abfragen. Beispieldatenbank. Abfragen gruppieren. Artikel pro Kategorie zählen

Access [basics] Gruppierungen in Abfragen. Beispieldatenbank. Abfragen gruppieren. Artikel pro Kategorie zählen Abfragen lassen sich längst nicht nur dazu benutzen, die gewünschten Felder oder Datensätze einer oder mehrerer Tabellen darzustellen. Sie können Daten auch nach bestimmten Kriterien zu Gruppen zusammenfassen

Mehr

Stichprobenauslegung. für stetige und binäre Datentypen

Stichprobenauslegung. für stetige und binäre Datentypen Stichprobenauslegung für stetige und binäre Datentypen Roadmap zu Stichproben Hypothese über das interessierende Merkmal aufstellen Stichprobe entnehmen Beobachtete Messwerte abbilden Schluss von der Beobachtung

Mehr

Name:... Matrikel-Nr.:... 3 Aufgabe Handyklingeln in der Vorlesung (9 Punkte) Angenommen, ein Student führt ein Handy mit sich, das mit einer Wahrscheinlichkeit von p während einer Vorlesung zumindest

Mehr

Einführung in die Methoden der empirischen Sozialforschung

Einführung in die Methoden der empirischen Sozialforschung Einführung in die Methoden der empirischen Sozialforschung Überblick Population - nauswahl Definition der Begriffe Quantitative Studien: Ziehen von n (= Sampling) Qualitative Studien: Ziehen von n (= Sampling)

Mehr

Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall

Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall Wahrscheinlichkeitstheorie Was will die Sozialwissenschaft damit? Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall Auch im Alltagsleben arbeiten wir mit Wahrscheinlichkeiten, besteigen

Mehr

Kugel-Fächer-Modell. 1fach. 3fach. Für die Einzelkugel gibt es 3 Möglichkeiten. 6fach. 3! Möglichkeiten

Kugel-Fächer-Modell. 1fach. 3fach. Für die Einzelkugel gibt es 3 Möglichkeiten. 6fach. 3! Möglichkeiten Kugel-Fächer-Modell n Kugeln (Rosinen) sollen auf m Fächer (Brötchen) verteilt werden, zunächst 3 Kugeln auf 3 Fächer. 1fach 3fach Für die Einzelkugel gibt es 3 Möglichkeiten } 6fach 3! Möglichkeiten Es

Mehr

Lernmaterial für die Fernuni Hagen effizient und prüfungsnah

Lernmaterial für die Fernuni Hagen effizient und prüfungsnah Lernmaterial für die Fernuni Hagen effizient und prüfungsnah www.schema-f-hagen.de Sie erhalten hier einen Einblick in die Dokumente Aufgaben und Lösungen sowie Erläuterungen Beim Kauf erhalten Sie zudem

Mehr

Einfache statistische Auswertungen mit dem Programm SPSS

Einfache statistische Auswertungen mit dem Programm SPSS Einfache statistische Auswertungen mit dem Programm SPSS Datensatz: fiktive_daten.sav Dipl. Päd. Anne Haßelkus Dr. Dorothea Dette-Hagenmeyer 11/2011 Überblick 1 Deskriptive Statistiken; Mittelwert berechnen...

Mehr

(c) Projekt Neue Statistik 2003 - Lernmodul: Klumpenstichproben. Klumpenstichproben

(c) Projekt Neue Statistik 2003 - Lernmodul: Klumpenstichproben. Klumpenstichproben Klumpenstichproben Worum geht es in diesem Modul? Definition der Klumpenstichprobe Varianten der Klumpenstichprobe Zur Definition von Klumpen Auswahlwahrscheinlichkeit der Einzelelemente Ziehung der Klumpenstichprobe

Mehr

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt!

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! 1 Einführung 2 Wahrscheinlichkeiten kurz gefasst 3 Zufallsvariablen und Verteilungen 4 Theoretische Verteilungen (Wahrscheinlichkeitsfunktion)

Mehr

DIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 2006/07 28.02.2007

DIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 2006/07 28.02.2007 Wirtschaftswissenschaftliches Prüfungsamt DIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 006/07 8.0.007 Lösung Prof. Dr. R Friedmann / Dr. R. Hauser Hinweise für die Klausurteilnehmer

Mehr

Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005

Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005 Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005 Aufgabe 1: Grundzüge der Wahrscheinlichkeitsrechnung 19 P. Als Manager eines großen

Mehr

Investition und Risiko. Finanzwirtschaft I 5. Semester

Investition und Risiko. Finanzwirtschaft I 5. Semester Investition und Risiko Finanzwirtschaft I 5. Semester 1 Gliederung Ziel Korrekturverfahren: Einfache Verfahren der Risikoberücksichtigung Sensitivitätsanalyse Monte Carlo Analyse Investitionsentscheidung

Mehr

Bestimmung einer ersten

Bestimmung einer ersten Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,

Mehr

Schneeballverfahren 25.02.2005 Autor: Daniel Dupart

Schneeballverfahren 25.02.2005 Autor: Daniel Dupart Inhaltsverzeichnis Schneeballverfahren 25.02.2005 Autor: Daniel Dupart Inhaltsverzeichnis... - 1 - Was ist das Schneeballverfahren... - 1 - Auswahlverfahren... - 1 - Befragung... - 2 - Quotenverfahren...

Mehr

Überblick über die Tests

Überblick über die Tests Anhang A Überblick über die Tests A.1 Ein-Stichproben-Tests A.1.1 Tests auf Verteilungsannahmen ˆ Shapiro-Wilk-Test Situation: Test auf Normalverteilung H 0 : X N(µ, σ 2 ) H 1 : X nicht normalverteilt

Mehr

i x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1

i x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1 1. Aufgabe: Der E-Commerce-Umsatz (in Millionen Euro) der fünf größten Online- Shopping-Clubs liegt wie folgt vor: Club Nr. Umsatz 1 120 2 72 3 54 4 30 5 24 a) Bestimmen Sie den Ginikoeffizienten. b) Zeichnen

Mehr

12. Vergleich mehrerer Stichproben

12. Vergleich mehrerer Stichproben 12. Vergleich mehrerer Stichproben Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Häufig wollen wir verschiedene Populationen, Verfahren, usw. miteinander vergleichen. Beipiel: Vergleich

Mehr

Primzahlen und RSA-Verschlüsselung

Primzahlen und RSA-Verschlüsselung Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also

Mehr

1.4 Installation eines Qualitätsmanagementsystems

1.4 Installation eines Qualitätsmanagementsystems Ko n t r o l l f r a g e n : 1 Geben Sie vier Argumente an, die für die Installation eines Qualitätsmanagementsystems sprechen. 2 Erläutern Sie den Zusammenhang zwischen einem funktionierenden Qualitätsmanagementsystem

Mehr

Schleswig-Holstein 2011. Kernfach Mathematik

Schleswig-Holstein 2011. Kernfach Mathematik Aufgabe 6: Stochastik Vorbemerkung: Führen Sie stets geeignete Zufallsvariablen und Namen für Ereignisse ein. Machen Sie auch Angaben über die Verteilung der jeweiligen Zufallsvariablen. Eine repräsentative

Mehr

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte 50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien

Mehr

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:

Mehr

B 2. " Zeigen Sie, dass die Wahrscheinlichkeit, dass eine Leiterplatte akzeptiert wird, 0,93 beträgt. (genauerer Wert: 0,933).!:!!

B 2.  Zeigen Sie, dass die Wahrscheinlichkeit, dass eine Leiterplatte akzeptiert wird, 0,93 beträgt. (genauerer Wert: 0,933).!:!! Das folgende System besteht aus 4 Schraubenfedern. Die Federn A ; B funktionieren unabhängig von einander. Die Ausfallzeit T (in Monaten) der Federn sei eine weibullverteilte Zufallsvariable mit den folgenden

Mehr

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen 4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.

Mehr

Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre

Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre Grundlagen der Betriebswirtschaftslehre, Kurs 00091, KE 4, 5 und 6, SS 2008 1 Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre Lösungshinweise zur Einsendearbeit

Mehr

Gegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen. 0 sonst.

Gegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen. 0 sonst. Aufgabe 1 (2 + 4 + 2 + 1 Punkte) Gegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen X und Y : { 2x + 2y für 0.5 x 0.5, 1 y 2 f(x, y) = 3 0 sonst. a) Berechnen

Mehr

Von der Untersuchungsfrage zu statistischen Hypothesen, und wie war das nochmal mit dem α- und

Von der Untersuchungsfrage zu statistischen Hypothesen, und wie war das nochmal mit dem α- und Von der Untersuchungsfrage zu statistischen Hypothesen, und wie war das nochmal mit dem α- und β-fehler? Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de

Mehr

Lebensdauer eines x-jährigen

Lebensdauer eines x-jährigen Lebensdauer eines x-jährigen Sabrina Scheriau 20. November 2007, Graz 1 INHALTSVERZEICHNIS 2 Inhaltsverzeichnis 1 Einleitung 3 2 Sterbewahrscheinlichkeiten 4 2.1 Definition und Ermittlung....................

Mehr

Einfache Differentialgleichungen

Einfache Differentialgleichungen Differentialgleichungen (DGL) spielen in der Physik eine sehr wichtige Rolle. Im Folgenden behandeln wir die grundlegendsten Fälle 1, jeweils mit einer kurzen Herleitung der Lösung. Dann schliesst eine

Mehr

$ % + 0 sonst. " p für X =1 $

$ % + 0 sonst.  p für X =1 $ 31 617 Spezielle Verteilungen 6171 Bernoulli Verteilung Wir beschreiben zunächst drei diskrete Verteilungen und beginnen mit einem Zufallsexperiment, indem wir uns für das Eintreffen eines bestimmten Ereignisses

Mehr

Informationsblatt Induktionsbeweis

Informationsblatt Induktionsbeweis Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln

Mehr

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8 1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen

Mehr

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung Kapitel 3 Zufallsvariable Josef Leydold c 2006 Mathematische Methoden III Zufallsvariable 1 / 43 Lernziele Diskrete und stetige Zufallsvariable Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion

Mehr

Aufgabe 1. Zunächst wird die allgemeine Tangentengleichung in Abhängigkeit von a aufgestellt:

Aufgabe 1. Zunächst wird die allgemeine Tangentengleichung in Abhängigkeit von a aufgestellt: Aufgabe 1 1.1. Bestimmung von D max : 1. Bedingung: x >0 ; da ln(x) nur für x > 0 definiert ist. 2. Bedingung: Somit ist die Funktion f a nur für x > 0 definiert und sie besitzt eine Definitionslücke an

Mehr

Klausur: Einführung in die Statistik

Klausur: Einführung in die Statistik 1 Lösungen immer unter die jeweiligen Aufgaben schreiben. Bei Platzmangel auf die Rückseite schreiben (dann Nummer der bearbeiteten Aufgabe mit anmerken!!!). Lösungen, die nicht auf den Aufgabenblättern

Mehr

der die und in den von zu das mit sich des auf für ist im dem nicht ein eine als auch es an werden aus er hat daß sie nach wird bei

der die und in den von zu das mit sich des auf für ist im dem nicht ein eine als auch es an werden aus er hat daß sie nach wird bei der die und in den von zu das mit sich des auf für ist im dem nicht ein eine als auch es an werden aus er hat daß sie nach wird bei einer um am sind noch wie einem über einen so zum war haben nur oder

Mehr

Betragsgleichungen und die Methode der Fallunterscheidungen

Betragsgleichungen und die Methode der Fallunterscheidungen mathe online Skripten http://www.mathe-online.at/skripten/ Betragsgleichungen und die Methode der Fallunterscheidungen Franz Embacher Fakultät für Mathematik der Universität Wien E-mail: franz.embacher@univie.ac.at

Mehr

Statistik für Studenten der Sportwissenschaften SS 2008

Statistik für Studenten der Sportwissenschaften SS 2008 Statistik für Studenten der Sportwissenschaften SS 008 Aufgabe 1 Man weiß von Rehabilitanden, die sich einer bestimmten Gymnastik unterziehen, dass sie im Mittel µ=54 Jahre (σ=3 Jahre) alt sind. a) Welcher

Mehr

Forschungsstatistik I

Forschungsstatistik I Prof. Dr. G. Meinhardt. Stock, Nordflügel R. 0-49 (Persike) R. 0- (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 008/009 Fachbereich

Mehr

Tabelle 11.2 zeigt die gemeinsame Wahrscheinlichkeitsfunktion und die Randverteilungen

Tabelle 11.2 zeigt die gemeinsame Wahrscheinlichkeitsfunktion und die Randverteilungen Kapitel 11 Stichprobenfunktionen Um eine Aussage über den Wert eines unbekannten Parameters θ zu machen, zieht man eine Zufallsstichprobe vom Umfang n aus der Grundgesamtheit. Das Merkmal wird in diesem

Mehr

1 Von den Ereignissen U und V eines Zufallsexperiments kennt man die Eigenschaften (1) bis (3) :

1 Von den Ereignissen U und V eines Zufallsexperiments kennt man die Eigenschaften (1) bis (3) : Prof. Dr. E. Mammen SEMINAR FÜR STATISTIK Prof. Dr. H. Stenger UNIVERSITÄT MANNHEIM Vierstündige Klausur in statistischer Methodenlehre 9. Juli 003; 8:30 - :30 Zulässige Hilfsmittel: keine, insbesondere

Mehr

BONUS MALUS SYSTEME UND MARKOV KETTEN

BONUS MALUS SYSTEME UND MARKOV KETTEN Fakultät Mathematik und Naturwissenschaften, Fachrichtung Mathematik, Institut für Mathematische Stochastik BONUS MALUS SYSTEME UND MARKOV KETTEN Klaus D. Schmidt Ringvorlesung TU Dresden Fakultät MN,

Mehr

Zusatztutorium, 25.01.2013

Zusatztutorium, 25.01.2013 Zusatztutorium, 25.01.2013 David Müßig muessig[at]mi.fu-berlin.de http://page.mi.fu-berlin.de/def/tutorium/ WiSe 12/13 1 Der Homomorphiesatz Der Homomorphiesatz scheint für viele eine Art rotes Tuch zu

Mehr

1.3 Die Beurteilung von Testleistungen

1.3 Die Beurteilung von Testleistungen 1.3 Die Beurteilung von Testleistungen Um das Testergebnis einer Vp zu interpretieren und daraus diagnostische Urteile ableiten zu können, benötigen wir einen Vergleichsmaßstab. Im Falle des klassischen

Mehr

Portfolioselection. Zentrale Frage: Wie stellen rationale Investoren ihr Portfolio zusammen?

Portfolioselection. Zentrale Frage: Wie stellen rationale Investoren ihr Portfolio zusammen? Portfolioselection Zentrale Frage: Wie stellen rationale Investoren ihr Portfolio zusammen? Investieren in Aktien ist riskant Risiko einer Aktie kann in 2 Teile zerlegt werden: o Unsystematisches Risiko

Mehr

Behörde für Bildung und Sport Abitur 2008 Lehrermaterialien zum Leistungskurs Mathematik

Behörde für Bildung und Sport Abitur 2008 Lehrermaterialien zum Leistungskurs Mathematik Abitur 8 II. Insektenpopulation LA/AG In den Tropen legen die Weibchen einer in Deutschland unbekannten Insektenpopulation jedes Jahr kurz vor Beginn der Regenzeit jeweils 9 Eier und sterben bald darauf.

Mehr

Das Briefträgerproblem

Das Briefträgerproblem Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv

Mehr

Homomorphe Verschlüsselung

Homomorphe Verschlüsselung Homomorphe Verschlüsselung Definition Homomorphe Verschlüsselung Sei Π ein Verschlüsselungsverfahren mit Enc : G G für Gruppen G, G. Π heißt homomorph, falls Enc(m 1 ) G Enc(m 2 ) eine gültige Verschlüsselung

Mehr

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte

Mehr

AUSWERTUNG: LASER B TOBIAS FREY, FREYA GNAM

AUSWERTUNG: LASER B TOBIAS FREY, FREYA GNAM AUSWERTUNG: LASER B TOBIAS FREY, FREYA GNAM 6. FOURIER-TRANSFORMATION In diesem Versuch ging es darum, mittels Fouriertransformation aus dem Beugungsbild eines Einfachspaltes auf dessen Breite zu schließen.

Mehr

Nichtlineare Optimierung ohne Nebenbedingungen

Nichtlineare Optimierung ohne Nebenbedingungen Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt

Mehr

Umfrage zum Thema Fremdsprachen (Spanisch)

Umfrage zum Thema Fremdsprachen (Spanisch) Umfrage zum Thema Fremdsprachen (Spanisch) Datenbasis: 1.004 Befragte ab 14, bundesweit Erhebungszeitraum: 27. bis 30. Januar 2012 Statistische Fehlertoleranz: +/ 3 Prozentpunkte Auftraggeber: CASIO Europe

Mehr

Varianzanalyse ANOVA

Varianzanalyse ANOVA Varianzanalyse ANOVA Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/23 Einfaktorielle Varianzanalyse (ANOVA) Bisher war man lediglich in der Lage, mit dem t-test einen Mittelwertsvergleich für

Mehr

R ist freie Software und kann von der Website. www.r-project.org

R ist freie Software und kann von der Website. www.r-project.org R R ist freie Software und kann von der Website heruntergeladen werden. www.r-project.org Nach dem Herunterladen und der Installation von R kann man R durch Doppelklicken auf das R-Symbol starten. R wird

Mehr

AQL. 9. Statistisches Qualitätsmanagement 9.3 Statistische Methoden der Warenannahme (AQL)

AQL. 9. Statistisches Qualitätsmanagement 9.3 Statistische Methoden der Warenannahme (AQL) 9.3 Statistische Methoden der Warenannahme (AQL) AQL Vorlesung Qualitätsmanagement, Prof. Dr. Johann Neidl Seite 1 Um was geht es? Stichprobensysteme insbesondere für Eingangsprüfungen. Diese werden durch

Mehr

Anhand des bereits hergeleiteten Models erstellen wir nun mit der Formel

Anhand des bereits hergeleiteten Models erstellen wir nun mit der Formel Ausarbeitung zum Proseminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn zum Thema Simulation des Anlagenpreismodels von Simon Uphus im WS 09/10 Zusammenfassung

Mehr

5. Schließende Statistik. 5.1. Einführung

5. Schließende Statistik. 5.1. Einführung 5. Schließende Statistik 5.1. Einführung Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.

Mehr

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als

Mehr

8. Quadratische Reste. Reziprozitätsgesetz

8. Quadratische Reste. Reziprozitätsgesetz O Forster: Prizahlen 8 Quadratische Reste Rezirozitätsgesetz 81 Definition Sei eine natürliche Zahl 2 Eine ganze Zahl a heißt uadratischer Rest odulo (Abkürzung QR, falls die Kongruenz x 2 a od eine Lösung

Mehr

Motivation. Jede Messung ist mit einem sogenannten Fehler behaftet, d.h. einer Messungenauigkeit

Motivation. Jede Messung ist mit einem sogenannten Fehler behaftet, d.h. einer Messungenauigkeit Fehlerrechnung Inhalt: 1. Motivation 2. Was sind Messfehler, statistische und systematische 3. Verteilung statistischer Fehler 4. Fehlerfortpflanzung 5. Graphische Auswertung und lineare Regression 6.

Mehr

Stochastische Eingangsprüfung, 17.05.2008

Stochastische Eingangsprüfung, 17.05.2008 Stochastische Eingangsprüfung, 17.5.8 Wir gehen stets von einem Wahrscheinlichkeitsraum (Ω, A, P) aus. Aufgabe 1 ( Punkte) Sei X : Ω [, ) eine integrierbare Zufallsvariable mit XdP = 1. Sei Q : A R, Q(A)

Mehr

Grundlagen der Inferenzstatistik

Grundlagen der Inferenzstatistik Grundlagen der Inferenzstatistik (Induktive Statistik oder schließende Statistik) Dr. Winfried Zinn 1 Deskriptive Statistik versus Inferenzstatistik Die Deskriptive Statistik stellt Kenngrößen zur Verfügung,

Mehr

Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen

Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in

Mehr

Stromdurchossene Leiter im Magnetfeld, Halleekt

Stromdurchossene Leiter im Magnetfeld, Halleekt Physikalisches Anfängerpraktikum 1 Gruppe Mo-16 Wintersemester 2005/06 Jens Küchenmeister (1253810) Versuch: P1-73 Stromdurchossene Leiter im Magnetfeld, Halleekt - Vorbereitung - Inhaltsverzeichnis 1

Mehr

Teil I Beschreibende Statistik 29

Teil I Beschreibende Statistik 29 Vorwort zur 2. Auflage 15 Vorwort 15 Kapitel 0 Einführung 19 0.1 Methoden und Aufgaben der Statistik............................. 20 0.2 Ablauf statistischer Untersuchungen..............................

Mehr

Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik

Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik Dozent: Volker Krätschmer Fakultät für Mathematik, Universität Duisburg-Essen, WS 2012/13 1. Präsenzübung Aufgabe T 1 Sei (Z 1,...,

Mehr

Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 3. Vorlesung

Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 3. Vorlesung Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 3. Vorlesung Rainer Hufnagel / Laura Wahrig 2006 Diese Woche LO - Sensitivitätsanalyse Simulation Beispiel Differenzengleichungen

Mehr

Kaplan-Meier-Schätzer

Kaplan-Meier-Schätzer Kaplan-Meier-Schätzer Ausgangssituation Zwei naive Ansätze zur Schätzung der Survivalfunktion Unverzerrte Schätzung der Survivalfunktion Der Kaplan-Meier-Schätzer Standardfehler und Konfidenzintervall

Mehr