Kaplan-Meier-Schätzer

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Kaplan-Meier-Schätzer"

Transkript

1 Kaplan-Meier-Schätzer Ausgangssituation Zwei naive Ansätze zur Schätzung der Survivalfunktion Unverzerrte Schätzung der Survivalfunktion Der Kaplan-Meier-Schätzer Standardfehler und Konfidenzintervall für die Schätzung Aus dem Modul wissen wir, dass im Rahmen der Lebensdaueranalyse neben der Verteilungsfunktion und der Dichte die Hazardrate und insbesondere die Survivalfunktion von Interesse sind Wir haben zwei theoretische Verteilungsmodelle für Lebensdauern, die Exponentialverteilung und die Weibull-Verteilung, kennen gelernt In diesem Modul werden wir uns mit der Frage beschäftigen, wie man aus empirischen Lebensdauerdaten eine Survivalfunktion schätzen kann Ausgangssituation Wir beginnen die Überlegungen zur Schätzung der Survivalfunktion mit einem motivierenden Beispiel (vgl Beispiel "Leuchtstofflampen" aus dem Modul ) Beispiel: Leuchtstofflampen Ausgangspunkt unserer Überlegungen sind die Daten eines Lebensdauerversuchs, in dem eine Stichprobe von Leuchtstofflampen untersucht wurde Die Lampen wurden gleichzeitig (zum Zeitpunkt 0) eingeschaltet Der Versuch wurde nach 1000 Stunden (6 Wochen) beendet Der Datensatz enthält 50 Zeiten; handelt es sich um eine beobachtete Lebensdauer, ist der Wert nicht gekennzeichnet, bei einer Zensierung ist ein +-Zeichen angefügt (weshalb die "zensierten" Lampen vorzeitig, also ohne dass deren Lebensdauer erreicht war, aus dem Lebensdauerversuch ausgeschieden sind, wollen wir hier nicht weiter verfolgen) Die identischen Werte 1000 mit +-Zeichen am Ende des Datensatzes kennzeichnen die Lampen, die am Ende der Beobachtungszeit noch nicht ausgefallen waren Wir wollen den Datensatz zunächst ganz einfach graphisch darstellen, in dem wir für jede Lampe eine horizontale Lebenslinie zeichnen, die zu Beginn der Beobachtung beginnt (hier also für alle Lampen bei ) Handelt es sich um eine Lebensdauer, beenden wir die Lebenslinie mit einem vollen Punkt, bei einer Zensierung mit einem hohlen Punkt Wir beginnen oben mit der kurzlebigsten Lampe und enden unten mit den Lampen, die bei noch leben Die Abbildung veranschaulicht gut, wie sich der Bestand "lebender" Lampen, ausgehend von, allmählich verringert Die vollen und hohlen Punkte am Ende der Lebenslinien geben einen Eindruck davon, ob ein größerer oder kleinerer Teil der Stichprobe zensiert wurde Zwei naive Ansätze zur Schätzung der Survivalfunktion Bei einem gewöhnlichen Merkmal würden wir nach der empirischen Page 1

2 Verteilungsfunktion fragen, dh nach der relativen Häufigkeit von Lebensdauern, die kleiner oder gleich sind: Es hat sich aber eingebürgert, in der Lebensdaueranalyse statt dessen die Überlebenshäufigkeitsfunktion zu berechnen; ist definiert als die relative Häufigkeit von Lebensdauern, die größer als sind: Ein naiver Ansatz besteht darin, zur Aufstellung von bzw die zensierten Werte einfach zu ignorieren Beispiel: Naive Ansätze zur Schätzung der Survivalfunktion Wenn wir die zensierten Werte im Datensatz ignorieren, verbleibt eine Stichprobe von Lebensdauern Wir errechnen (weil wir das schon können) und stellen dann statt der Treppenfunktion die Treppenfunktion dar Man sieht leicht (vgl Abbildung unten), dass wir ein verfälschtes Bild bekommen haben Zum Ende des Beobachtungszeitraums, bei Stunden waren 6 Lampen noch nicht ausgefallen, haben also eine Lebensdauer, die größer ist als 1000; aber die Funktion fällt bei der größten beobachteten Lebensdauer,, auf Null ab, suggeriert also, dass keine der Lebensdauern größer war als Das Weglassen der vor zensierten Werte hat denselben Effekt: hätte man die zensierten Lampen bis zum Ende ihrer Lebensdauer beobachten können, dann wäre langsamer gegen Null gefallen als es sich in unserem - falschen - Ansatz ergibt Auch der Alternativ-Vorschlag, die Zensierungszeit als Lebensdauer anzusehen, löst unser Problem nicht Wir haben dann zwar eine Stichprobe mit so vielen Daten wie am Anfang der Beobachtungszeit zur Verfügung standen, aber auch jetzt fällt steiler gegen Null als es der Situation entspricht, denn jeder zensierte Wert wird als eine Lebensdauer angesehen, ist aber tatsächlich kleiner als die Lebensdauer (wenn sie beobachtet worden wäre), und zum Ende der Beobachtungszeit, bei, fällt auf Null ab In der folgenden Abbildung sind die beiden verzerrten Schätzfunktionen (orange) wiedergegeben (die zuerst diskutierte endet bei, die zweite bei ) Dazu ist die nachfolgend diskutierte, asymptotisch unverzerrte Schätzfunktion (blau) eingezeichnet, die flacher verläuft Unverzerrte Schätzung der Survivalfunktion So wie die empirische Verteilungsfunktion eine unverzerrte Schätzung der theoretischen Verteilungsfunktion ist (vgl Modul, Abschnitt "Schätzung der Verteilungsfunktion F(x)"), soll die Überlebenshäufigkeitsfunktion eine unverzerrte Schätzung der Überlebenswahrscheinlichkeitsfunktion sein Die beiden Vorschläge, bei der Berechnung von entweder die Zensierzeiten nicht zu beachten oder als Lebensdauern zu bewerten, gewährleisten das nicht Dagegen erhält man mit folgenden Ansatz, der von Kaplan und Meier (1958) stammt, eine Page 2

3 Beispiel: Unverzerrte Schätzung der Survivalfunktion Wir gehen von dem Lampenbeispiel aus und betrachten die registrierten Zeiten nacheinander, beginnend mit der kleinsten Zeit 96 Das ist der erste Ausfallzeitpunkt, bis zu dem alle Lampen im Test waren, also ausfallen konnten Die Wahrscheinlichkeit, mit der der erste Ausfall bis erfolgte, schätzen wir zu (eine Lampe von 50), die Überlebenswahrscheinlichkeit bis wird also durch geschätzt Bei wurde der zweite Ausfall registriert; dessen bedingte Ausfallwahrscheinlichkeit unter der Bedingung, dass nach nur noch 49 Lampen im Test waren, wird mit (eine Lampe von 49, die noch im Test waren) geschätzt Die bedingte Überlebenswahrscheinlichkeit von bis ist also Der Schätzwert für die Überlebenswahrscheinlichkeit bis ist der bis,, multipliziert mit der bedingten von bis,, also Das nächste Ereignis im Test ist eine Zensierung zum Zeitpunkt Da wir zu diesem Zeitpunkt keine Lebensdauer beobachtet haben, können wir bei keine Überlebenswahrscheinlichkeit schätzen Danach erfolgt bei ein Ausfall Bis waren noch 47 Lampen im Test (weil bereits zwei ausgefallen und eine zensiert worden war); die bedingte Ausfallwahrscheinlichkeit von bis wird also durch geschätzt, die bedingte Überlebenswahrscheinlichkeit durch Die geschätzte Überlebenswahrscheinlichkeit bis ist also Auf diese Weise erhalten wir für jeden Ausfallzeitpunkt eine Schätzung Die Schätzung ist in der Abbildung oben (blau) eingezeichnet Der Kaplan-Meier-Schätzer Das Vorgehen können wir schematisieren: Für jeden Ausfallzeitpunkt berechnen wir die Anzahl der noch im Test befindlichen Einheiten und bezeichnen sie als Risikomenge Falls zum selben Zeitpunkt sowohl ein Ausfall eintritt als auch eine Zensierung erfolgt, nehmen wir an, dass der Ausfall der Zensierung vorgeht (dass also die zensierte Einheit noch zur Risikomenge für diesen Ausfall gehört) Außerdem berücksichtigen wir noch, dass es durchaus auch zwei (oder mehr) Ausfälle zum selben Zeitpunkt geben kann, und bezeichnen allgemein die Anzahl der Ausfälle zum Zeitpunkt mit Dann ist der Schätzwert für die bedingte Überlebenshäufigkeit von bis, und wir erhalten wobei ist Das ist eine Rekursionsformel, mit der man berechnen kann, wenn man schon berechnet hat Durch Einsetzen ergibt sich Diese Formel ist für die Berechnung besonders einfach: die fortlaufendes Multiplizieren der Ausdrücke ergeben sich durch an den Ausfallzeitpunkten Wenn Page 3

4 man außerdem beachtet, dass für jeden Zensierungszeitpunkt die Anzahl der Ausfälle gleich Null ist,, dann kann man die Formel auch auf alle beobachteten Zeitpunkte (Lebensdauern und Zensierzeiten) anwenden, indem man alle (nach der Größe geordneten) Zeiten nacheinander durchgeht und mit den jeweiligen multipliziert Die geschätzte Überlebenswahrscheinlichkeitsfunktion ist Da die Ausfallwahrscheinlichkeit gleich Eins minus die Überlebenswahrscheinlichkeit ist,, gilt entsprechend für die Schätzung Standardfehler und Konfidenzintervall für die Schätzung Greenwood (1987) hat eine Formel für den Standardfehler von angegeben: Mit und dem zugehörigen lässt sich näherungsweise ein Konfidenzintervall für angeben Unter den Annahmen der Normalverteilung von ergibt es sich zum Konfidenzniveau mit approximativ als Konfidenzintervall Da es sich um eine Näherung handelt, kann die obere Konfidenzgrenze größer als Eins, die untere Konfidenzgrenze kleiner als Null werden; in einem solchen Fall setzen wir sie Eins bzw Null Beispiel: Standardfehler und Konfidenzintervalle Versuchen wir für unser Lampenbeispiel für den Standardfehler der Schätzung zu berechnen, erhalten wir und für Die folgende Tabelle zeigt die Auswertung für unser Lampenbeispiel Spalte 2 enthält die registrierten Zeiten (mit einem +, falls es sich um eine Zensierung handelt) Spalte 3 enthält die Ausfallzeitpunkte, Spalte 4 die Anzahl von Lampen in der Risikomenge, Spalte 5 die Anzahl der Ausfälle zum Zeitpunkt (in unserem Beispiel sind alle ), Spalte 6 die Schätzung der bedingten Überlebenswahrscheinlichkeit, Spalte 7 die geschätzte Überlebenswahrscheinlichkeit, Spalte 8 deren Standardfehler, Spalte 9 und 10 die Grenzen des Konfidenzintervalls für und Spalte 11 die geschätzte Ausfallwahrscheinlichkeit Jeder Wert in Spalte 7 ist das Produkt aus dem darüber stehenden, beginnend mit, und dem in Spalte 6 links daneben stehenden In der folgenden Abbildung ist die geschätzte Überlebenswahrscheinlichkeitsfunktion (blau) dargestellt, ergänzt durch die Konfidenzgrenzen für (orange) Diese bilden in der Abbildung ein Band, das zu der Fehlinterpretationen verleitet, die Überlebenswahrscheinlichkeitsfunktion würde insgesamt innerhalb des Bandes verlaufen Es handelt sich aber nach wie vor um einzelne Konfidenzintervalle für an den Zeitpunkten, jeweils auf dem Konfidenzniveau Page 4

5 In einer medizinischen Studie wurde die Überlebenszeit (in Wochen) von männlichen Zungenkrebs-Patienten untersucht Die Ergebnisse sind der folgenden Tabelle zusammengestellt: Quelle: Sickle-Santanello et al (1988) Mit dem Statistiklabor lassen sich die Daten analog zu denen aus dem Lampenbeispiel auswerten Da die Berechnungen und die Erstellung der Graphiken nicht trivial ist, enthält das Labor-Szenario eine Funktion, die die Auswertung automatisiert Diese Funktion kann auch zur Auswertung anderer Versuchsdaten verwendet werden Labor-Szenario: Krebsspf ( cacspf ) Im Rahmen von Survivalanalysen besteht in vielen Fällen ein Interesse an der Schätzung der Survivalfunktion aus den vorliegenden Daten Im Gegensatz zu "gewöhnlichen" Schätzproblemen, besteht im Kontext von Survivalanalysen dabei das Problem der Zensierungen Werden die Zensierungen ignoriert oder als Lebenszeiten uminterpretiert, sind die resultierenden Schätzer verzerrt Der Kaplan-Meier-Schätzer dagegen bezieht die in den Zensierungen enthaltenen Informationen in die Schätzung mit ein und führt so zu einer asymptotisch unverzerrten Schätzung der Survivalfunktion Zu dieser Schätzung lassen sich punktweise die Standardfehler bestimmen, so dass sich problemlos auch ein näherungsweises Konfidenzintervall angeben lässt Literaturangabe Sickle-Santanello BJ, Farrar WB, DeCenzo JF et al Technical and statistical improvements for flow cytometric DNA analysis of paraffin-embedded tissue Cytometry 1988; 9: (c) Projekt Neue Statistik 2003, Freie Universität Berlin, Center für Digitale Systeme Kontakt: Page 5

Verteilungsmodelle. Verteilungsfunktion und Dichte von T

Verteilungsmodelle. Verteilungsfunktion und Dichte von T Verteilungsmodelle Verteilungsfunktion und Dichte von T Survivalfunktion von T Hazardrate von T Beziehungen zwischen F(t), S(t), f(t) und h(t) Vorüberlegung zu Lebensdauerverteilungen Die Exponentialverteilung

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

- Eine typische Ausfallrate, wie sie bei vielen technischen Anwendungen zu sehen ist hat die Form einer Badewanne, deshalb nennt man diese Kurve auch

- Eine typische Ausfallrate, wie sie bei vielen technischen Anwendungen zu sehen ist hat die Form einer Badewanne, deshalb nennt man diese Kurve auch 1 2 - Eine typische Ausfallrate, wie sie bei vielen technischen Anwendungen zu sehen ist hat die Form einer Badewanne, deshalb nennt man diese Kurve auch Badewannenkurve. -mit der Badewannenkurve lässt

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

, dt. $+ f(x) = , - + < x < +, " > 0. " 2# Für die zugehörige Verteilungsfunktion F(x) ergibt sich dann: F(x) =

, dt. $+ f(x) = , - + < x < +,  > 0.  2# Für die zugehörige Verteilungsfunktion F(x) ergibt sich dann: F(x) = 38 6..7.4 Normalverteilung Die Gauß-Verteilung oder Normal-Verteilung ist eine stetige Verteilung, d.h. ihre Zufallsvariablen können beliebige reelle Zahlenwerte annehmen. Wir definieren sie durch die

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

Business Value Launch 2006

Business Value Launch 2006 Quantitative Methoden Inferenzstatistik alea iacta est 11.04.2008 Prof. Dr. Walter Hussy und David Tobinski UDE.EDUcation College im Rahmen des dokforums Universität Duisburg-Essen Inferenzstatistik Erläuterung

Mehr

Willkommen zur Vorlesung Statistik (Master)

Willkommen zur Vorlesung Statistik (Master) Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungsfreie Verfahren Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften

Mehr

Multivariate Statistik

Multivariate Statistik Hermann Singer Multivariate Statistik 1 Auflage 15 Oktober 2012 Seite: 12 KAPITEL 1 FALLSTUDIEN Abbildung 12: Logistische Regression: Geschätzte Wahrscheinlichkeit für schlechte und gute Kredite (rot/blau)

Mehr

Interne und externe Modellvalidität

Interne und externe Modellvalidität Interne und externe Modellvalidität Interne Modellvalidität ist gegeben, o wenn statistische Inferenz bzgl. der untersuchten Grundgesamtheit zulässig ist o KQ-Schätzer der Modellparameter u. Varianzschätzer

Mehr

Versuchsplanung. Teil 1 Einführung und Grundlagen. Dr. Tobias Kiesling <kiesling@stat.uni-muenchen.de> Einführung in die Versuchsplanung

Versuchsplanung. Teil 1 Einführung und Grundlagen. Dr. Tobias Kiesling <kiesling@stat.uni-muenchen.de> Einführung in die Versuchsplanung Versuchsplanung Teil 1 Einführung und Grundlagen Dr. Tobias Kiesling Inhalt Einführung in die Versuchsplanung Hintergründe Grundlegende Prinzipien und Begriffe Vorgehensweise

Mehr

6 Mehrstufige zufällige Vorgänge Lösungshinweise

6 Mehrstufige zufällige Vorgänge Lösungshinweise 6 Mehrstufige zufällige Vorgänge Lösungshinweise Aufgabe 6.: Begründen Sie, warum die stochastische Unabhängigkeit zweier Ereignisse bzw. zufälliger Vorgänge nur ein Modell der Realität darstellen kann.

Mehr

Studiendesign und Statistik: Interpretation publizierter klinischer Daten

Studiendesign und Statistik: Interpretation publizierter klinischer Daten Studiendesign und Statistik: Interpretation publizierter klinischer Daten Dr. Antje Jahn Institut für Medizinische Biometrie, Epidemiologie und Informatik Universitätsmedizin Mainz Hämatologie im Wandel,

Mehr

Herzlich Willkommen zur Vorlesung Statistik

Herzlich Willkommen zur Vorlesung Statistik Herzlich Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Kovarianz und Korrelation Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften

Mehr

METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER

METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede

Mehr

Mathematische und statistische Methoden II

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

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

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

Statistische Analyse von Ereigniszeiten

Statistische Analyse von Ereigniszeiten Statistische Analyse von Survival Analysis VO Biostatistik im WS 2006/2007 1 2 3 : Leukemiedaten (unzensiert) 33 Patienten mit Leukemie; Zielvariable Überlebenszeit. Alle Patienten verstorben und Überlebenszeit

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

4 Produktspezifische Ausfallwahrscheinlichkeit und Ausbeute

4 Produktspezifische Ausfallwahrscheinlichkeit und Ausbeute 4.1 Grundlagen 4 Produktspezifische Ausfallwahrscheinlichkeit und Ausbeute 4.1 Grundlagen In den bisherigen Ausführungen wurden die Grundlagen der Ausbeuteberechnung behandelt. So wurde bereits im Abschnitt

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

Abitur 2012 Mathematik GK Stochastik Aufgabe C1

Abitur 2012 Mathematik GK Stochastik Aufgabe C1 Seite 1 Abiturloesung.de - Abituraufgaben Abitur 2012 Mathematik GK Stochastik Aufgabe C1 nter einem Regentag verstehen Meteorologen einen Tag, an dem mehr als ein Liter Niederschlag pro Quadratmeter gefallen

Mehr

2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen

2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen 4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form

Mehr

werden können. Wenn der Benutzer zudem eine konkrete Differenz mit praktischen Konsequenzen angibt, berechnet der Assistent den Stichprobenumfang,

werden können. Wenn der Benutzer zudem eine konkrete Differenz mit praktischen Konsequenzen angibt, berechnet der Assistent den Stichprobenumfang, Dieses White Paper ist Teil einer Reihe von Veröffentlichungen, welche die Forschungsarbeiten der Minitab-Statistiker erläutern, in deren Rahmen die im Assistenten der Minitab 17 Statistical Software verwendeten

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

Survival Analysis (Modul: Lebensdaueranalyse)

Survival Analysis (Modul: Lebensdaueranalyse) Survival Analysis (Modul: Lebensdaueranalyse) ROLAND RAU Universität Rostock, Sommersemester 2015 12. Mai 2015 c Roland Rau Survival Analysis 1 / 24 Hausaufgabe 1 Schreiben Sie die Log-Likelihood Gleichung

Mehr

Kapitel 34 Boxplots und Fehlerbalken

Kapitel 34 Boxplots und Fehlerbalken Kapitel 34 Boxplots und Fehlerbalken Boxplots und Fehlerbalken sind dazu geeignet, die Lage und Verteilung der Werte einer Stichprobe grafisch darzustellen. Die beiden Diagrammtypen sind auf die Darstellungen

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

Grundlagen Programmierung

Grundlagen Programmierung 13. Aufgabe (13 Punkte) Schreiben Sie eine neue Klasse Zahlenanalyse, mit der Integer-Objekte genauer betrachtet werden können. Bei den zu entwickelnden Methoden kann es immer sinnvoll sein, sich den Ablauf

Mehr

Teil I. Theoretisch methodischer Teil

Teil I. Theoretisch methodischer Teil Teil I Theoretisch methodischer Teil 1 Einleitung In vielen Bereichen der Praxis sind Schätzungen über künftige Entwicklungen wichtiger makroökonomischer Größen von entscheidender Bedeutung für den Erfolg

Mehr

Kapitel 7: Varianzanalyse mit Messwiederholung

Kapitel 7: Varianzanalyse mit Messwiederholung Kapitel 7: Varianzanalyse mit Messwiederholung Durchführung einer einfaktoriellen Varianzanalyse mit Messwiederholung 1 Durchführung einer zweifaktoriellen Varianzanalyse mit Messwiederholung auf einem

Mehr

Berechnungen in Excel Zahlen, Formeln und Funktionen

Berechnungen in Excel Zahlen, Formeln und Funktionen René Martin Berechnungen in Excel Zahlen, Formeln und Funktionen ISBN-10: 3-446-41029-5 ISBN-13: 978-3-446-41029-9 Leseprobe Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41029-9

Mehr

1 Wiederholung einiger Grundlagen

1 Wiederholung einiger Grundlagen TUTORIAL MODELLEIGENSCHAFTEN Im vorliegenden Tutorial werden einige der bisher eingeführten Begriffe mit dem in der Elektrotechnik üblichen Modell für elektrische Netzwerke formalisiert. Außerdem soll

Mehr

Taschenbuch Versuchsplanung

Taschenbuch Versuchsplanung Wilhelm Kleppmann Taschenbuch Versuchsplanung Produkte und Prozesse optimieren Praxisreihe Qualitätswissen Herausgegeben von Franz J. Brunner Carl Hanser Verlag München Wien VII Inhalt 1 Einführung 1 1.1

Mehr

geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen

geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde

Mehr

Lineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3

Lineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3 Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen

Mehr

CdsComXL. Excel add-in für Bearbeitung und Auswertung der CDS-daten. ComXL-020/D, 0102. Spur 9 014.700. Spur 7 014.680. Spur 5 014.660. Spur 3 014.

CdsComXL. Excel add-in für Bearbeitung und Auswertung der CDS-daten. ComXL-020/D, 0102. Spur 9 014.700. Spur 7 014.680. Spur 5 014.660. Spur 3 014. Excel add-in für Bearbeitung und Auswertung der CDS-daten CdsComXL 100 50 0 Spur 9 014.700 Spur 7 014.680 014.660 014.640 Spur 3 Spur 5 014.620 Spur 1 014.600 ComXL-020/D, 0102 Inhaltsverzeichnis 1. Installation----------------------------------------------------------------------------------------------------

Mehr

Statistische Auswertung der Daten von Blatt 13

Statistische Auswertung der Daten von Blatt 13 Statistische Auswertung der Daten von Blatt 13 Problemstellung 1 Graphische Darstellung der Daten 1 Diskussion der Normalverteilung 3 Mittelwerte und deren Konfidenzbereiche 3 Signifikanz der Behandlung

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

FAKTORIELLE VERSUCHSPLÄNE. Andreas Handl

FAKTORIELLE VERSUCHSPLÄNE. Andreas Handl FAKTORIELLE VERSUCHSPLÄNE Andreas Handl 1 Inhaltsverzeichnis 1 Versuchsplanung 4 2 Einfaktorielle Varianzanalyse 6 2.1 DieAnnahmen... 6 2.2 Die ANOVA-Tabelle und der F -Test... 6 2.3 Versuche mit zwei

Mehr

Inhalt. 1 Einleitung...1

Inhalt. 1 Einleitung...1 1 Einleitung...1 2 Grundlagen quantitativer Methoden...7 2.1 Grundbegriffe der Statistik und Wahrscheinlichkeitstheorie...9 2.1.1 Statistische Beschreibung und Darstellung des Ausfallverhaltens...9 2.1.2

Mehr

3 Quellencodierung. 3.1 Einleitung

3 Quellencodierung. 3.1 Einleitung Source coding is what Alice uses to save money on her telephone bills. It is usually used for data compression, in other words, to make messages shorter. John Gordon 3 Quellencodierung 3. Einleitung Im

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

Survival Analysis (Modul: Lebensdaueranalyse)

Survival Analysis (Modul: Lebensdaueranalyse) Survival Analysis (Modul: Lebensdaueranalyse) ROLAND RAU Universität Rostock, Sommersemester 2015 05. Mai 2015 c Roland Rau Survival Analysis 1 / 18 Zensierung & Trunkierung: Nicht vollständig beobachtete

Mehr

Statistischer Mittelwert und Portfoliorendite

Statistischer Mittelwert und Portfoliorendite 8 Wahrscheinlichkeitsrechnung und Statistik Statistischer Mittelwert und Portfoliorendite Durch die immer komplexer werdenden Bündel von Investitionen stellen Investorinnen und Investoren eine Vielzahl

Mehr

Wilcoxon-Rangsummen-Test

Wilcoxon-Rangsummen-Test Wilcoxon-Rangsummen-Test Theorie: Wilcoxon-Rangsummen-Test Der Wilcoxon-Rangsummen-Test prüft, ob sich die Verteilungen der Grundgesamtheiten zweier Stichproben bezüglich ihrer Lage unterscheiden. Ein

Mehr

Der Einfluss der Verpackung auf die Geschmackswahrnehmung von Kindergartenkindern

Der Einfluss der Verpackung auf die Geschmackswahrnehmung von Kindergartenkindern Der Einfluss der Verpackung auf die Geschmackswahrnehmung von Kindergartenkindern Ergebnisse einer experimentellen Studie in Kindertageseinrichtungen aus NRW Institut für Therapie- und Gesundheitsforschung

Mehr

Welch-Test. Welch-Test

Welch-Test. Welch-Test Welch-Test Welch-Test Test auf Lageunterschied zweier normalverteilter Grundgesamtheiten mit unbekannten Varianzen durch Vergleich der Mittelwerte zweier unabhängiger Zufallsstichproben. Beispiel Im Labor

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

12.1 Wie funktioniert ein Signifikanztest?

12.1 Wie funktioniert ein Signifikanztest? Sedlmeier & Renkewitz Kapitel 12 Signifikanztests 12.1 Wie funktioniert ein Signifikanztest? Zentrales Ergebnis eine Signifikanztests: Wie wahrscheinlich war es unter der Bedingung dass H0 gilt, diesen

Mehr

Operations Strategie und Management. - Projektmanagement - Helmut M. Dietl 1

Operations Strategie und Management. - Projektmanagement - Helmut M. Dietl 1 Operations Strategie und Management - Projektmanagement - Helmut M. Dietl 1 Lernziele Nach dieser Veranstaltung sollen Sie wissen, was man unter einem Projekt versteht was Projektmanagement bedeutet wie

Mehr

Kleine Einführung in die lineare Regression mit Excel

Kleine Einführung in die lineare Regression mit Excel Kleine Einführung in die lineare Regression mit Excel Grundoperationen mit Excel Werte mit Formeln berechnen Bsp.: Mittelwert und Standardabweichung Das $-Zeichen Beispielauswertung eines Versuches Daten

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

Datenanalyse aus einer Urliste

Datenanalyse aus einer Urliste Datenanalyse aus einer Urliste Worum geht es in diesem Modul? Geordneter Datensatz und Extremwerte Empirische Verteilungsfunktion Bestimmung von Quantilen Spezielle Quantile Median und Angeln Fünf-Zahlen-Zusammenfassung

Mehr

Praktikum Physik. Protokoll zum Versuch 1: Viskosität. Durchgeführt am 26.01.2012. Gruppe X

Praktikum Physik. Protokoll zum Versuch 1: Viskosität. Durchgeführt am 26.01.2012. Gruppe X Praktikum Physik Protokoll zum Versuch 1: Viskosität Durchgeführt am 26.01.2012 Gruppe X Name 1 und Name 2 (abc.xyz@uni-ulm.de) (abc.xyz@uni-ulm.de) Betreuerin: Wir bestätigen hiermit, dass wir das Protokoll

Mehr

Zuverlässigkeit im Fahrzeugund Maschinenbau

Zuverlässigkeit im Fahrzeugund Maschinenbau Bernd Bertsche Gisbert Lechner Zuverlässigkeit im Fahrzeugund Maschinenbau Ermittlung von Bauteilund System-Zuverlässigkeiten 3., überarbeitete und erweiterte Auflage Mit 344 Abbildungen 4ü Springer Inhalt

Mehr

1 Statistische Grundlagen

1 Statistische Grundlagen Konzepte in Empirische Ökonomie 1 (Winter) Hier findest Du ein paar Tipps zu den Konzepten in Empirische 1. Wenn Du aber noch etwas Unterstützung kurz vor der Klausur brauchst, schreib uns eine kurze Email.

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

Folie 1: Fehlerbaumanalyse (FTA) Kurzbeschreibung und Ziel Die Fehlerbaumanalyse im Englischen als Fault Tree Analysis bezeichnet und mit FTA

Folie 1: Fehlerbaumanalyse (FTA) Kurzbeschreibung und Ziel Die Fehlerbaumanalyse im Englischen als Fault Tree Analysis bezeichnet und mit FTA Folie 1: Fehlerbaumanalyse (FTA) Kurzbeschreibung und Ziel Die Fehlerbaumanalyse im Englischen als Fault Tree Analysis bezeichnet und mit FTA abgekürzt dient der systematischen Untersuchung von Komponenten

Mehr

Taschenbuch Versuchsplanung Produkte und Prozesse optimieren

Taschenbuch Versuchsplanung Produkte und Prozesse optimieren Wilhelm Kleppmann Taschenbuch Versuchsplanung Produkte und Prozesse optimieren ISBN-10: 3-446-41595-5 ISBN-13: 978-3-446-41595-9 Inhaltsverzeichnis Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41595-9

Mehr

Klausur Sommersemester 2010

Klausur Sommersemester 2010 Klausur Sommersemester 2010 Lehrstuhl: Wirtschaftspolitik Prüfungsfach: Empirische Wirtschaftsforschung Prüfer: Prof. Dr. K. Kraft Datum: 04.08.2010 Hilfsmittel: Nicht-programmierbarer Taschenrechner Klausurdauer:

Mehr

LQS EWS Anlage 5. Arbeitsanweisung zum Mess-System CEMTRAKKER gemäß Leitlinie 3.3.4 (LQS EWS, Stand März 2015) Arbeitsschritte CEMTRAKKER

LQS EWS Anlage 5. Arbeitsanweisung zum Mess-System CEMTRAKKER gemäß Leitlinie 3.3.4 (LQS EWS, Stand März 2015) Arbeitsschritte CEMTRAKKER Arbeitsanweisung zum Mess-System CEMTRAKKER gemäß Leitlinie 334 (LQS EWS, Stand März 2015) Nr Arbeitsschritte CEMTRAKKER 1 Arbeitsschritt 1 Die Messung erfolgt über ein mit Wasser gefülltes Rohr der Erdwärmesonde

Mehr

3. Der t-test. Der t-test

3. Der t-test. Der t-test Der t-test 3 3. Der t-test Dieses Kapitel beschäftigt sich mit einem grundlegenden statistischen Verfahren zur Auswertung erhobener Daten: dem t-test. Der t-test untersucht, ob sich zwei empirisch gefundene

Mehr

Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero?

Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Manche sagen: Ja, manche sagen: Nein Wie soll man das objektiv feststellen? Kann man Geschmack objektiv messen? - Geschmack ist subjektiv

Mehr

Schätzung des Lifetime Values von Spendern mit Hilfe der Überlebensanalyse

Schätzung des Lifetime Values von Spendern mit Hilfe der Überlebensanalyse Schätzung Lifetime Values von Spenn mit Hilfe Überlebensanalyse Einführung in das Verfahren am Beispiel Einzugsgenehmigung Überlebensanalysen o Ereignisdatenanalysen behandeln das Problem, mit welcher

Mehr

6.2 Scan-Konvertierung (Scan Conversion)

6.2 Scan-Konvertierung (Scan Conversion) 6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster

Mehr

Einführung in die Geostatistik (7) Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam.

Einführung in die Geostatistik (7) Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam. Einführung in die Geostatistik (7) Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam.de 1 Gliederung 7 Weitere Krigingverfahren 7.1 Simple-Kriging 7.2 Indikator-Kriging

Mehr

Medizinische Statistik Epidemiologie und χ 2 Vierfeldertest

Medizinische Statistik Epidemiologie und χ 2 Vierfeldertest Universität Wien Institut für Mathematik Wintersemester 2009/2010 Medizinische Statistik Epidemiologie und χ 2 Vierfeldertest Seminar Angewandte Mathematik Ao. Univ. Prof. Dr. Peter Schmitt von Nadja Reiterer

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

Taschenbuch Versuchsplanung

Taschenbuch Versuchsplanung Wilhelm Kleppmann 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Taschenbuch Versuchsplanung Produkte und Prozesse

Mehr

Inhalt 1 Einführung... 1 2 Ausgewählte Begriffe... 10 3 Vorgehensweise im Überblick... 14

Inhalt 1 Einführung... 1 2 Ausgewählte Begriffe... 10 3 Vorgehensweise im Überblick... 14 VII 1 Einführung... 1 1.1 Warum Versuche?... 1 1.2 Warum Statistik?... 1 1.3 Warum Versuchsplanung?... 4 1.4 Welche Art von Ergebnissen kann man erwarten?... 6 1.5 Versuche oder systematische Beobachtung?...

Mehr

Aufgabe 1: Malerarbeiten

Aufgabe 1: Malerarbeiten Aufgabe 1: Malerarbeiten Fritz braucht zwei Stunden, um ein Zimmer zu streichen. Susi braucht für das gleiche Zimmer drei Stunden. Wie lange brauchen beide zusammen, um das Zimmer zu streichen? Lösung:

Mehr

Inhalt. Vorwort... 1 Einführung... 1. 2 Ausgewählte Begriffe... 11. 3 Vorgehensweise im Überblick... 17

Inhalt. Vorwort... 1 Einführung... 1. 2 Ausgewählte Begriffe... 11. 3 Vorgehensweise im Überblick... 17 Inhalt Vorwort.................................................................. V Inhalt.................................................................... VII 1 Einführung..........................................................

Mehr

DOE am Beispiel Laserpointer

DOE am Beispiel Laserpointer DOE am Beispiel Laserpointer Swen Günther Ein wesentliches Ziel im Rahmen der Neuproduktentwicklung ist die aus Kundesicht bestmögliche, d.h. nutzenmaximale Konzeption des Produktes zu bestimmen (vgl.

Mehr

Commercial Banking Übung 1 Kreditscoring

Commercial Banking Übung 1 Kreditscoring Commercial Banking Übung Kreditscoring Dr. Peter Raupach raupach@wiwi.uni-frankfurt.de Sprechzeit Dienstag 6-7:00 Uhr Raum 603 B Kreditscoring Gliederung Grundanliegen Das Sample Modellspezifikation Diskriminanzanalyse

Mehr

Nichtparametrische Analyse longitudinaler Daten in faktoriellen Experimenten. Frank Konietschke

Nichtparametrische Analyse longitudinaler Daten in faktoriellen Experimenten. Frank Konietschke Nichtparametrische Analyse longitudinaler Daten in faktoriellen Experimenten Frank Konietschke Abteilung für Medizinische Statistik Universität Göttingen 1 Übersicht Beispiele CGI (repeated measures) γ-gt

Mehr

Grundlagen von Versuchsmethodik und Datenanalyse

Grundlagen von Versuchsmethodik und Datenanalyse Grundlagen von Versuchsmethodik und Datenanalyse Der Anfang: Hypothesen über Ursache-Wirkungs-Zusammenhänge Ursache Wirkung Koffein verbessert Kurzzeitgedächtnis Gewaltfilme führen zu aggressivem Verhalten

Mehr

Verkäufer/-in im Einzelhandel. Kaufmann/-frau im Einzelhandel. belmodi mode & mehr ein modernes Unternehmen mit Tradition.

Verkäufer/-in im Einzelhandel. Kaufmann/-frau im Einzelhandel. belmodi mode & mehr ein modernes Unternehmen mit Tradition. Eine gute Mitarbeiterführung und ausgeprägte sind dafür Das ist sehr identisch des Verkäufers. Eine gute Mitarbeiterführung und ausgeprägte sind dafür Das ist sehr identisch des Verkäufers. Eine gute Mitarbeiterführung

Mehr

Einführung in SPSS. 1. Die Datei Seegräser

Einführung in SPSS. 1. Die Datei Seegräser Einführung in SPSS 1. Die Datei Seegräser An 25 verschiedenen Probestellen wurde jeweils die Anzahl der Seegräser pro m 2 gezählt und das Vorhandensein von Seeigeln vermerkt. 2. Programmaufbau Die wichtigsten

Mehr

Datenerfassung (mehrere Merkmale) 1/5

Datenerfassung (mehrere Merkmale) 1/5 Datenerfassung (mehrere Merkmale) 1/5 Ziel: Ziel dieser Aufgabe ist es, die Möglichkeiten der linearen Transformation, der Merkmalsverknüpfung und des Erstellens zusätzlicher Merkmale kennen zu lernen.

Mehr

30.07.14-1 - E:\Stefan\CAD\CATIA\R19\Anleitungen\Skizzierer.doc. CATIA-Skizzierer

30.07.14-1 - E:\Stefan\CAD\CATIA\R19\Anleitungen\Skizzierer.doc. CATIA-Skizzierer 30.07.14-1 - E:\Stefan\CAD\CATIA\R19\Anleitungen\Skizzierer.doc 1. Einführung CATIA-Skizzierer - Skizzen sind die Grundlage der meisten Volumenkörper (siehe Anleitung Teilemodellierung) - eigene Umgebung

Mehr

F-Praktikum Physik: Photolumineszenz an Halbleiterheterostruktur

F-Praktikum Physik: Photolumineszenz an Halbleiterheterostruktur F-Praktikum Physik: Photolumineszenz an Halbleiterheterostruktur David Riemenschneider & Felix Spanier 31. Januar 2001 1 Inhaltsverzeichnis 1 Einleitung 3 2 Auswertung 3 2.1 Darstellung sämtlicher PL-Spektren................

Mehr

15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit

15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit 5.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit Einführendes Beispiel ( Erhöhung der Sicherheit bei Flugreisen ) Die statistische Wahrscheinlichkeit, dass während eines Fluges ein Sprengsatz an Bord

Mehr

Elektronische Sicherheitssysteme

Elektronische Sicherheitssysteme Josef Börcsök Elektronische Sicherheitssysteme Hardwarekonzepte, Modelle und Berechnung f 2., überarbeitete Auflage Hüthig Verlag Heidelberg Inhaltsverzeichnis 1 Einleitung 1 1.1 Gründlegende Forderungen

Mehr

1 Verteilungen und ihre Darstellung

1 Verteilungen und ihre Darstellung GKC Statistische Grundlagen für die Korpuslinguistik Kapitel 2: Univariate Deskription von Daten 8.11.2004 Univariate (= eindimensionale) Daten bestehen aus Beobachtungen eines einzelnen Merkmals. 1 Verteilungen

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

Felix Klug SS 2011. 2. Tutorium Deskriptive Statistik

Felix Klug SS 2011. 2. Tutorium Deskriptive Statistik 2. Tutorium Deskriptive Statistik Felix Klug SS 2011 Skalenniveus Weitere Beispiele für Skalenniveus (Entnommen aus Wiederholungsblatt 1.): Skalenniveu Nominalskala Ordinalskala Intervallskala Verhältnisskala

Mehr

Qualitätssicherung von Dienstleistungsbegegnungen

Qualitätssicherung von Dienstleistungsbegegnungen Christiane Erbel 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Qualitätssicherung von Dienstleistungsbegegnungen

Mehr

Kapitel 13 Häufigkeitstabellen

Kapitel 13 Häufigkeitstabellen Kapitel 13 Häufigkeitstabellen Die gesammelten und erfaßten Daten erscheinen in der Datendatei zunächst als unübersichtliche Liste von Werten. In dieser Form sind die Daten jedoch wenig aussagekräftig

Mehr

Lösungen zu den Übungsaufgaben aus Kapitel 3

Lösungen zu den Übungsaufgaben aus Kapitel 3 Lösungen zu den Übungsaufgaben aus Kapitel 3 Ü3.1: a) Die Start-Buchungslimits betragen b 1 = 25, b 2 = 20 und b 3 = 10. In der folgenden Tabelle sind jeweils die Annahmen ( ) und Ablehnungen ( ) der Anfragen

Mehr

Das Krankenversicherungswesen der Schweiz Entwicklung, Herausforderungen und Lösungsansätze

Das Krankenversicherungswesen der Schweiz Entwicklung, Herausforderungen und Lösungsansätze Institut für Banking & Finance Prof. Dr. Alexander F. Wagner Das Krankenversicherungswesen der Schweiz Entwicklung, Herausforderungen und Lösungsansätze Bachelorarbeit Erstellt von: Rafael Amrein Matrikelnummer:

Mehr

Inhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1

Inhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1 Inhaltsverzeichnis Regressionsanalyse... 2 Lernhinweise... 2 Einführung... 2 Theorie (1-8)... 2 1. Allgemeine Beziehungen... 3 2. 'Best Fit'... 3 3. 'Ordinary Least Squares'... 4 4. Formel der Regressionskoeffizienten...

Mehr

Christian FG Schendera. Regressionsanalyse. mit SPSS. 2. korrigierte und aktualisierte Auflage DE GRUYTER OLDENBOURG

Christian FG Schendera. Regressionsanalyse. mit SPSS. 2. korrigierte und aktualisierte Auflage DE GRUYTER OLDENBOURG Christian FG Schendera Regressionsanalyse mit SPSS 2. korrigierte und aktualisierte Auflage DE GRUYTER OLDENBOURG Inhalt Vorworte V 1 Korrelation 1 1.1 Einführung 1 1.2 Erste Voraussetzung: Das Skalenniveau

Mehr

Numerische Optionsbepreisung durch Monte-Carlo-Simulation und Vergleich mit dem Black-Scholes-Modell

Numerische Optionsbepreisung durch Monte-Carlo-Simulation und Vergleich mit dem Black-Scholes-Modell Numerische Optionsbepreisung durch Monte-Carlo-Simulation und Vergleich mit dem Black-Scholes-Modell Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftswissenschaft

Mehr

Survival Analysis (Modul: Lebensdaueranalyse)

Survival Analysis (Modul: Lebensdaueranalyse) Survival Analysis (Modul: Lebensdaueranalyse) ROLAND RAU Universität Rostock, Sommersemester 2015 21. April 2015 c Roland Rau Survival Analysis 1 / 35 Veranstaltung nächste Woche entfällt. Lehrstuhl Demographie

Mehr

Eine Einführung in R: Statistische Tests

Eine Einführung in R: Statistische Tests Eine Einführung in R: Statistische Tests Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig http://www.uni-leipzig.de/ zuber/teaching/ws12/r-kurs/

Mehr

Stetige Verteilungsmodelle

Stetige Verteilungsmodelle Stetige Verteilungsmodelle Worum geht es in diesem Modul? Stetige Verteilungsfunktionen Quantile Dichtefunktion Maßzahlen stetiger Verteilungen Stetige Gleichverteilung Exponentialverteilung Überprüfung

Mehr

a) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten.

a) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten. Statistik für Kommunikationswissenschaftler Wintersemester 2009/200 Vorlesung Prof. Dr. Helmut Küchenhoff Übung Cornelia Oberhauser, Monia Mahling, Juliane Manitz Thema 4 Homepage zur Veranstaltung: http://www.statistik.lmu.de/~helmut/kw09.html

Mehr

Was war vor dem Startwert?

Was war vor dem Startwert? 63 Hans Walser Was war vor dem Startwert? Das mathematische Analogon zur Frage, was vor Adam und Eva war, ist die Frage, ob und wie Folgen und mathematische Strukturen, welche einen natürlichen Anfang

Mehr