Univ.-Prof. Dr. A. Kleine/Univ.-Prof. Dr. H. Singer

Größe: px
Ab Seite anzeigen:

Download "Univ.-Prof. Dr. A. Kleine/Univ.-Prof. Dr. H. Singer"

Transkript

1 Fernuniversität in Hagen Fakultät für Wirtschaftswissenschaft Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte Statistik und Methoden der empirischen Sozialforschung Univ.-Prof. Dr. H. Singer Klausur: Modul Grundlagen der Wirtschaftsmathematik und Statistik Termin: , Uhr Prüfer: Univ.-Prof. Dr. A. Kleine/Univ.-Prof. Dr. H. Singer

2 Hinweise zur Bearbeitung der Klausur: 1. Bitte lesen Sie diese Hinweise vollständig und aufmerksam durch, bevor Sie mit der Bearbeitung beginnen. 2. Die Klausur besteht aus 19 Aufgaben, die in 120 Minuten zu bearbeiten sind. Bitte kontrollieren Sie sofort, ob Sie ein vollständiges Klausurexemplar mit 14 Seiten, einen LOTSE-Markierungsbogen. erhalten haben. Der LOTSE-Markierungsbogen der Klausur wird maschinell korrigiert. 3. Bevor Sie mit der Bearbeitung der Klausuraufgaben beginnen, füllen Sie bitte den Identifikationsteil des LOTSE-Markierungsbogens aus und tragen Sie Ihren Namen, Ihre Anschrift und Ihre Matrikelnummer ein. Hinweis: Ausschließlich Ihre Markierungen auf dem LOTSE-Markierungsbogen sind für die Bewertung Ihrer Klausur ausschlaggebend (Das Klausurexemplar wird nicht eingesammelt!). Erfahrungen haben gezeigt, dass Sie spätestens 15 Min. vor Abgabe der Klausur mit dem Markieren beginnen sollten. Kontrollieren Sie am besten noch einmal Ihre Markierungen, bevor Sie den Markierungsbogen abgeben. 4. Bei jeder Aufgabe ist die maximal erreichbare Anzahl der Punkte angegeben. 5. Insgesamt können Sie 100 Punkte erreichen. Mit 50 Punkten haben Sie die Klausur bestanden. 6. Die Klausur besteht aus numerischen und Multiple-Choice-Aufgaben. Beachten Sie bitte, dass bei den Multiple-Choice-Aufgaben vom Typ (1 aus n) genau eine Alternative angekreuzt werden muss, wohingegen bei den Aufgaben vom Typ (x aus n) möglicherweise auch mehrere Alternativen richtig sein können. Richtige Antworten sind zu markieren, falsche Antworten sind nicht zu markieren. Für die Ergebnisse der numerischen Aufgaben sind auf dem LOTSE- Markierungsbogen entsprechende Felder zum Eintrag vorgesehen. Geben Sie alle Lösungen in Dezimaldarstellung an und verwenden Sie als Dezimalzeichen ein Komma. Nutzen Sie für jedes Komma ein eigenes Kästchen und tragen Sie die Lösung linksbündig ein.

3 7. Grafiken Bei Grafiken und Formeln wurde zugunsten der Übersichtlichkeit z. T. auf (streng mathematisch eigentlich notwendige) Beschriftungen und Details verzichtet. So wurden i. d. R. die Achsenbeschriftungen und häufig die Definitionsbereiche weggelassen. Sofern nichts anderes angegeben ist, gelten die üblichen Konventionen. 8. Für beide Klausurteile ist die Verwendung eines Taschenrechners dann und nur dann erlaubt, wenn dieser einer der drei folgenden Modellreihen angehört: - Casio-fx86 - Texas Instruments TI 30 X II - Sharp EL 531 Die Verwendung anderer Taschenrechnermodelle wird als Täuschungsversuch gewertet und mit der Note nicht ausreichend (5,0) sanktioniert. Ob ein Taschenrechner einer der drei Modellreihen angehört, können Sie selbst überprüfen, indem Sie die vom Hersteller auf dem Rechner angebrachte Modellbezeichnung mit den oben angegebenen Bezeichnungen vergleichen: Bei vollständiger Übereinstimmung ist das Modell erlaubt. Ist die auf dem Rechner angebrachte Modellbezeichnung umfangreicher, enthält aber eine der oben angegebenen Bezeichnungen vollständig, ist das Modell ebenfalls erlaubt. In allen anderen Fällen ist das Modell nicht erlaubt. Als weiteres Hilfsmittel ist für den Statistikteil das Glossar zugelassen. Unterstreichungen, Korrekturhinweise und Post-Its sind erlaubt. Weitere Anmerkungen oder zusätzlich eingeheftete eigene Aufzeichnungen gelten als Täuschungsversuch. 9. Abzugeben ist nur der LOTSE-Markierungsbogen. Das Klausurexemplar wird nicht eingesammelt. Viel Erfolg!

4 Weitere Hinweise Ausfu llen des LOTSE-Markierungsbogens: Wichtig ist, dass Sie beim Markieren der Antworten auf dem LOTSE-Markierungsbogen einen nicht zu du nnen Strich oder ein nicht zu du nnes Kreuz machen und dass Sie darauf achten, dass Ihre Markierungen nicht in Nachbarfelder hineinreichen. Bleiben Sie innerhalb der weißen Fla chen. Die Korrekturen mu ssen eindeutig und klar sein, damit sie anerkannt werden. Schreiben Sie z.b. an den Rand Durchgestrichen=falsch oder 8 A=falsch. Ha ufig werden einzelne Markierungen mehrfach durchgestrichen und dann auch als gelo scht gewertet. Wenn Sie diese Markierung gewertet haben wollen, schreiben Sie das an den Rand, z.b. 18 C=richtig. Ansonsten werden mehrfach durchgestrichene Markierungen als Lo schungen gewertet! In das Antwortfeld fu r numerische Antworten mu ssen Sie die Ziffernfolge in die entsprechenden Felder des LOTSE-Markierungsbogens eintragen. Verwenden Sie als Dezimalzeichen ein Komma! Jedes Komma wird in ein eigenes Ka stchen geschrieben. Bitte fangen Sie linksbu ndig mit der ersten Ziffer an. Damit Ihre Zahlen richtig interpretiert werden, sollen sie schno rkellos geschrieben sein. Bewertung: Ist eine numerische Aufgabe richtig, wird die volle Punktzahl, ansonsten Null Punkte, vergeben. Die Bewertung der Multiple-Choice-Aufgaben erfolgt nach folgendem Prinzip: Bei einer Einfachaufgabe wird die volle Punktzahl erreicht, wenn die entsprechende Alternative markiert worden ist. Ansonsten werden Null Punkte vergeben.

5 Für Mehrfachaufgaben erhalten Sie nur Punkte, wenn Sie die Mehrzahl der vorgegebenen Antworten richtig bearbeitet haben. Das Bewertungsschema wird in folgender Tabelle verdeutlicht. Anzahl richtiger Antworten Punkte-Aufgabe 1 Punkt 3 Punkte 5 Punkte 10-Punkte-Aufgabe 2 Punkte 6 Punkte 10 Punkte Beispiel: Sind A und B richtig und es wurden A, B und C markiert (d.h. 4 richtige Antworten A, B, D, E) gibt es bei einer Aufgabe mit 10 zu vergebenden Punkten 6 Punkte und bei einer Aufgabe mit 5 zu vergebenden Punkten 3 Punkte.

6 Grundlagen der Statistik Aufgabe 7 Welche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt stetig. B Ein Merkmal ist entweder metrisch oder stetig, d.h. es gibt kein Merkmal, das gleichzeitig metrisch und stetig ist. C Das Merkmal Abiturnote in Deutsch ist kardinal skaliert. D Das Merkmal Körpergewicht ist ordinal skaliert. E Das Merkmal Geschwindigkeit ist bei beliebig genauer Messung stetig.

7 Grundlagen der Statistik Aufgabe 8 Gegeben sind 100 Beobachtungen mit den Merkmalsausprägungen x i und den zugehörigen relativen Häufigkeiten f(x i ): x i f(x i ) 0,1 0,25 0,35 0,15 0,1 0,05 Welche der folgenden Aussagen sind richtig? (x aus 5) A Der Median nimmt den Wert 4,5 an. B Der Modus und der Median nehmen denselben Wert an. C Das arithmetische Mittel nimmt den Wert 3,95 an. D Das Quantil x 0,4 berechnet sich zu 4. E Die Spannweite beträgt 5.

8 Grundlagen der Statistik Aufgabe 9 Ein Sportlehrer möchte wissen, ob bei sechs seiner Schüler ein Zusammenhang zwischen den Leistungen im Weitsprung und im Kugelstoßen nachzuweisen ist. Bei einem Sportfest erbrachten die sechs Schüler folgende Leistungen. i Kugelstoßen x i 8,06 7,75 8,10 7,9 8,01 7,81 Weitsprung y i 4,18 4,07 4,15 3,98 3,87 3,95 Berechnen Sie anhand der Platzierungen den Korrelationskoeffizient nach Spearman. Welche der folgenden Aussagen sind richtig? (x aus 5) A Der Korrelationskoeffizient nach Spearman r s nimmt den Wert -0,36 (gerundet) an. B Der Korrelationskoeffizient nach Spearman r s misst lineare Zusammenhänge zwischen nominal skalierten Merkmalen. C Der Korrelationskoeffizient nach Spearman r s wird angewendet, wenn ordinalskalierte Merkmale vorliegen. D Der Korrelationskoeffizient nach Spearman r s nimmt den Wert 0,43 (gerundet) an. E Keine der Aussagen A - D ist richtig.

9 Grundlagen der Statistik Aufgabe 10 Welche der folgenden Aussagen sind richtig? (x aus 5) A Der Mittelwert ist ein Lageparameter. B Die Varianz ist ein Maß für die Streuung der Beobachtungen um den Mittelwert. Je größer die Streuung, desto steiler ist der Verlauf der Dichtefunktionskurve der Normalverteilung. C Ob die Dichtefunktion einer Normalverteilung flach verläuft, hängt (abgesehen von der Achsenskalierung) vom Mittelwert ab. D Die Transformation z = x µ überführt die Werte einer normalverteilten σ Zufallsvariablen in Werte einer standardnormalverteilten Zufallsvariablen. E Bei einer Normalverteilung liegen ca. 99% der Beobachtungen im Bereich (µ 2σ, µ + 2σ).

10 Grundlagen der Statistik Aufgabe 11 In einer Urne befinden sich 4 rote und 6 weiße Kugeln. Eine Kugel wird zufällig entnommen. Falls sie weiß ist, wird sie zurückgelegt, falls sie rot ist, wird sie nicht zurückgelegt. Danach wird eine zweite Kugel gezogen. Welche der folgenden Aussagen sind richtig? (x aus 5) A Die Wahrscheinlichkeit, im ersten Zug eine weiße und im zweiten Zug eine rote Kugel zu erhalten, beträgt 0,24. B Die Wahrscheinlichkeit, zwei weiße Kugeln zu ziehen, beträgt 0,4. C Die Wahrscheinlichkeit, im zweiten Zug eine weiße Kugel zu ziehen, beträgt 4/15 (unabhängig davon, welche Farbe im ersten Zug gezogen wurde). D Die Wahrscheinlichkeit, zwei rote Kugeln zu ziehen, beträgt 2/15. E Keine der Aussagen A - D ist richtig.

11 Grundlagen der Statistik Aufgabe 12 Die Werte -3,5; -3; -1; 0; 0,5, 0,8; 1; 1,7; 3,5 seien unabhängige Realisationen aus einer normalverteilen Grundgesamtheit mit bekannter Varianz σ 2 = 9 und unbekanntem Mittelwert µ (Zufallstichprobe aus einer unendlichen Grundgesamtheit). Welche der folgenden Aussagen sind richtig? (x aus 5) A Da der Mittelwert µ der Grundgesamtheit unbekannt ist, läßt sich kein Konfidenzintervall berechnen. B Das 99%-Konfidenzintervall für µ lautet [-2,58;2,58]. C Das 99%-Konfidenzintervall für µ lautet [-2,33;2,33]. D σ x = 1. E Keine der Aussagen A - D ist richtig.

12 Grundlagen der Statistik Aufgabe 13 (10 Punkte) In einer Studie wurden zufällig 100 Absolventen einer Hochschule nach ihrer Studienrichtung und ihrer Studiendauer befragt, wobei die Stichprobe Absolventen der Wirtschaftswissenschaften (W), Geisteswissenschaften (G) und Naturwissenschaften (N) umfasst. Untersucht wurde, ob die Absolventen die Regelstudienzeit (R) weit überschreiten. W G N R > R Es soll der Zusammenhang zwischen Studiendauer und Studienrichtung überprüft werden (α = 0.05). Welche der folgenden Aussagen sind richtig? (x aus 5) A Als geeignetster Test wird der χ 2 -Unabhängigkeitstest durchgeführt. B Die geeignetste Prüfgröße nimmt einen Wert von 5.4 an (gerundet). C Als kritischer Wert ergibt sich D Die Hypothese, es liegt kein Zusammenhang vor, kann nicht abgelehnt werden. E Es liegt 1 Freiheitsgrad vor. Bemerkung: Hypothesen Anpassungstest H 0 : P (X = x j ) = π j für alle j = 1,..., m H 1 : P (X = x j ) π j für mindestens ein j = 1,..., m Hypothesen Unabhängigkeitstest H 0 : π jk = π j. π.k für alle j = 1,..., m, k = 1,..., r H 1 : π jk π j. π.k für mindestens ein j, k Hypothesen Mediantest H 0 : X med = δ 0 H 1 : X med δ 0

13 Grundlagen der Statistik Aufgabe 45 Eine Reifenfirma untersucht die Lebensdauer eines neu entwickelten Reifens. Dabei zeigt sich, dass die ermittelte Lebensdauer der Reifen durch eine Normalverteilung mit den Parametern µ=36000 km und σ=4000 angenähert werden kann. Wie groß ist die Wahrscheinlichkeit, dass ein zufällig ausgewählter Reifen mehr als km hält (4 Nachkommastellen)? (numerisch) P =

14 Grundlagen der Statistik Aufgabe 46 Ein Glücksrad hat 40 gleich große Felder, die mit den Zahlen 1 bis 40 beschriftet sind. Die Zahl 13 gewinnt 6 Euro, jede gerade Zahl 0,2 Euro. Berechnen Sie den Erwartungswert für den Gewinn eines Spielers (2 Nachkommastellen). (numerisch) E =

Univ.-Prof. Dr. A. Kleine/Univ.-Prof. Dr. H. Singer

Univ.-Prof. Dr. A. Kleine/Univ.-Prof. Dr. H. Singer Fernuniversität in Hagen Fakultät für Wirtschaftswissenschaft Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte

Mehr

Fernuniversität in Hagen

Fernuniversität in Hagen Fernuniversität in Hagen Fakultät für Wirtschaftswissenschaft Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte

Mehr

Fernuniversität in Hagen

Fernuniversität in Hagen Fernuniversität in Hagen Fakultät für Wirtschaftswissenschaft Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte

Mehr

Fernuniversität in Hagen

Fernuniversität in Hagen Fernuniversität in Hagen Fakultät für Wirtschaftswissenschaft Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte

Mehr

WIRTSCHAFTSWISSENSCHAFT

WIRTSCHAFTSWISSENSCHAFT FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte

Mehr

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT

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

Mehr

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik PD Dr. E. Reucher Lehrstuhl für Angewandte Statistik

Mehr

Fernuniversität in Hagen

Fernuniversität in Hagen Fernuniversität in Hagen Fakultät für Wirtschaftswissenschaft Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte

Mehr

Fernuniversität in Hagen

Fernuniversität in Hagen Fernuniversität in Hagen Fakultät für Wirtschaftswissenschaft Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte

Mehr

Fernuniversität in Hagen

Fernuniversität in Hagen Fernuniversität in Hagen Fakultät für Wirtschaftswissenschaft Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte

Mehr

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT

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

Mehr

Fernuniversität in Hagen

Fernuniversität in Hagen Fernuniversität in Hagen Fakultät für Wirtschaftswissenschaft Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte

Mehr

Fernuniversität in Hagen

Fernuniversität in Hagen Fernuniversität in Hagen Fakultät für Wirtschaftswissenschaft Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte

Mehr

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT

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

Mehr

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Matrikelnummer Name: Vorname: Klausur Modul 31091: STATISTISCHE METHODENLEHRE Termin: 24.03.2010, 18.00-20.00 Uhr Prüfer: Univ.-Prof. Dr. Hermann

Mehr

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT

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

Mehr

Fernuniversität in Hagen

Fernuniversität in Hagen Fernuniversität in Hagen Fakultät für Wirtschaftswissenschaft Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte

Mehr

Modulklausur Multivariate Verfahren

Modulklausur Multivariate Verfahren Name, Vorname Matrikelnummer Modulklausur 31821 Multivariate Verfahren Datum Note Termin: 24. März 2017, 11.30-13.30 Uhr Erstprüfer: Univ.-Prof. Dr. H. Singer Hinweise zur Bearbeitung der Modulklausur

Mehr

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Matrikelnummer Name: Vorname: Klausur Modul 31091: STATISTISCHE METHODENLEHRE Termin: 21.09.2009, 18.00-20.00 Uhr Prüfer: Univ.-Prof. Dr. Hermann

Mehr

Deskriptive Statistik Aufgaben und Lösungen

Deskriptive Statistik Aufgaben und Lösungen Grundlagen der Wirtschaftsmathematik und Statistik Aufgaben und en Lernmaterial zum Modul - 40601 - der Fernuniversität Hagen Inhaltsverzeichnis 1 Daten und Meßskalen 5 1.1 Konkrete Beispiele...................................

Mehr

Statistik für SozialwissenschaftlerInnen II p.85

Statistik für SozialwissenschaftlerInnen II p.85 Schätzverfahren Statistik für SozialwissenschaftlerInnen II p.85 Schätzverfahren Ziel von Schätzverfahren: Ausgehend von Stichproben Aussagen über Populationskennwerte machen Kenntnis der Abweichung des

Mehr

Inferenzstatistik (=schließende Statistik)

Inferenzstatistik (=schließende Statistik) Inferenzstatistik (=schließende Statistik) Grundproblem der Inferenzstatistik: Wie kann man von einer Stichprobe einen gültigen Schluß auf di Grundgesamtheit ziehen Bzw.: Wie groß sind die Fehler, die

Mehr

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT

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

Mehr

Statistik Klausur Wintersemester 2013/2014 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!

Statistik Klausur Wintersemester 2013/2014 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Statistik 1 2. Klausur Wintersemester 2013/2014 Hamburg, 18.03.2014 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................

Mehr

Statistik Klausur Wintersemester 2013/2014 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!

Statistik Klausur Wintersemester 2013/2014 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Statistik 1 A 2. Klausur Wintersemester 2013/2014 Hamburg, 18.03.2014 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................

Mehr

AUFGABENTEIL. Klausur: Modul Optimierungsmethoden des Operations Research. Termin:

AUFGABENTEIL. Klausur: Modul Optimierungsmethoden des Operations Research. Termin: Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. Andreas Kleine AUFGABENTEIL Klausur: Modul 32621 Termin: 19.09.2016 Prüfer: Prof. Dr. Andreas

Mehr

Übungsblatt 9 (25. bis 29. Juni)

Übungsblatt 9 (25. bis 29. Juni) Statistik 2 Dr. Andrea Beccarini Dipl.-Vw. Dipl.-Kffr. Heike Bornewasser-Hermes Sommersemester 2012 Übungsblatt 9 (25. bis 29. Juni) Stetiges Verteilungsmodell und Gemeinsame Verteilung Stetiges Verteilungsmodell

Mehr

Statistik Klausur Wintersemester 2013/2014 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!

Statistik Klausur Wintersemester 2013/2014 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Statistik 1 1. Klausur Wintersemester 2013/2014 Hamburg, 12.02.2014 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................

Mehr

Deskriptive Statistik Erläuterungen

Deskriptive Statistik Erläuterungen Grundlagen der Wirtschaftsmathematik und Statistik Erläuterungen Lernmaterial zum Modul - 40601 - der Fernuniversität Hagen 7 2.1 Einfache Lageparameter aus einer gegebenen Messreihe ablesen Erklärung

Mehr

AUFGABEN. Klausur: Modul Planen mit mathematischen Modellen. Termin:

AUFGABEN. Klausur: Modul Planen mit mathematischen Modellen. Termin: Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. Andreas Kleine AUFGABEN Klausur: Modul 31811 Termin: 07.03.2016 Prüfer: Univ.-Prof. Dr. Andreas

Mehr

Welche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret.

Welche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret. Grundlagen der Statistik 25.9.2014 7 Aufgabe 7 Welche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret. B Ein Merkmal

Mehr

Wirtschaftswissenschaftliches Prüfungssekretariat Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2015

Wirtschaftswissenschaftliches Prüfungssekretariat Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2015 Wirtschaftswissenschaftliches Prüfungssekretariat Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 205 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer

Mehr

Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1

Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1 Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1 Aufgabe 1: Von 2 gleichartigen Maschinen eines pharmazeutischen Betriebes stellt die erste 40% und die zweite 60% der Produkte her. Dabei verursacht

Mehr

1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests

1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests 1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests Statistische Tests dienen dem Testen von Vermutungen, so genannten Hypothesen, über Eigenschaften der Gesamtheit aller Daten ( Grundgesamtheit

Mehr

Stetige Verteilungen. A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch

Stetige Verteilungen. A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch 6 Stetige Verteilungen 1 Kapitel 6: Stetige Verteilungen A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch dargestellt. 0.2 6

Mehr

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT

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

Mehr

Kapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße. x mod (lies: x-mod) Wofür? Lageparameter. Modus/ Modalwert Zentrum. Median Zentralwert

Kapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße. x mod (lies: x-mod) Wofür? Lageparameter. Modus/ Modalwert Zentrum. Median Zentralwert Kapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße Wofür? Lageparameter Modus/ Modalwert Zentrum Median Zentralwert Im Datensatz stehende Informationen auf wenige Kenngrößen verdichten ermöglicht

Mehr

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11.

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11. Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer

Mehr

Analytische Statistik II

Analytische Statistik II Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Grundproblem Generell sind wir nur selten in der Geographie in der Lage, Daten über die Grundgesamtheit zur Verfügung zu haben.

Mehr

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13 Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13 Aufgabenstellung und Ergebnisse Dr. Martin Becker Hinweise für die

Mehr

Probeklausur zur Vorlesung Statistik II für Studierende der Soziologie und Nebenfachstudierende

Probeklausur zur Vorlesung Statistik II für Studierende der Soziologie und Nebenfachstudierende Probeklausur zur Vorlesung Statistik II für Studierende der Soziologie und Nebenfachstudierende im Sommersemester 2012 Prof. Dr. H. Küchenhoff, J. Brandt, G. Schollmeyer, G. Walter Aufgabe 1 Betrachten

Mehr

825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170 e 500 e 443 e 608 e. Zeichnen Sie das Box-Plot. Sind in dieser Stichprobe Ausreißer vorhanden?

825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170 e 500 e 443 e 608 e. Zeichnen Sie das Box-Plot. Sind in dieser Stichprobe Ausreißer vorhanden? 1. Aufgabe: Eine Bank will die jährliche Sparleistung eines bestimmten Kundenkreises untersuchen. Eine Stichprobe von 12 Kunden ergab folgende Werte: 825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170

Mehr

Fit for Abi & Study Stochastik

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

Mehr

Brückenkurs Statistik für Wirtschaftswissenschaften

Brückenkurs Statistik für Wirtschaftswissenschaften Peter von der Lippe Brückenkurs tatistik für Wirtschaftswissenschaften Lösungen UVK Verlagsgesellschaft mbh Konstanz mit UVK/Lucius München Brückenkurs tatistik für Wirtschaftswissenschaften: Lösungen

Mehr

Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1

Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1 Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2013 Aufgabe 1 In einer Urne

Mehr

AUFGABEN. Klausur: Modul Optimierungsmethoden des Operations Research. Termin:

AUFGABEN. Klausur: Modul Optimierungsmethoden des Operations Research. Termin: Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Prof. Dr. Andreas Kleine AUFGABEN Klausur: Modul 32621 Optimierungsmethoden des Operations Research Termin:

Mehr

FernUniversität in Hagen September 2018 Fakultät für Wirtschaftswissenschaft

FernUniversität in Hagen September 2018 Fakultät für Wirtschaftswissenschaft FernUniversität in Hagen September 2018 Fakultät für Wirtschaftswissenschaft Bitte beachten Sie, dass auf den Notenbescheiden des Prüfungsamtes nicht die in der Klausur erreichte Punktzahl, sondern die

Mehr

FernUniversität in Hagen Februar 2016 Fakultät für Wirtschaftswissenschaft

FernUniversität in Hagen Februar 2016 Fakultät für Wirtschaftswissenschaft FernUniversität in Hagen Februar 2016 Fakultät für Wirtschaftswissenschaft Bitte beachten Sie, dass auf den Notenbescheiden des Prüfungsamtes nicht die in der Klausur erreichte Punktzahl, sondern die erreichte

Mehr

Ermitteln Sie auf 2 Dezimalstellen genau die folgenden Kenngrößen der bivariaten Verteilung der Merkmale Weite und Zeit:

Ermitteln Sie auf 2 Dezimalstellen genau die folgenden Kenngrößen der bivariaten Verteilung der Merkmale Weite und Zeit: 1. Welche der folgenden Kenngrößen, Statistiken bzw. Grafiken sind zur Beschreibung der Werteverteilung des Merkmals Konfessionszugehörigkeit sinnvoll einsetzbar? A. Der Modalwert. B. Der Median. C. Das

Mehr

Unterschrift des Prüfers

Unterschrift des Prüfers Name : Vorname : Modulklausur: Investition und Finanzierung (31021) Teil: Termin: Prüfer: Investition 27. September 2018, 14:00 16:00 Uhr Aufgabe 1 2 3 Gesamt Maximale Punktzahl 25 10 15 50 Erreichte Punktzahl

Mehr

AUFGABENTEIL. Klausur: Modul Optimierungsmethoden des Operations Research. Termin:

AUFGABENTEIL. Klausur: Modul Optimierungsmethoden des Operations Research. Termin: Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. Andreas Kleine AUFGABENTEIL Klausur: Modul 32621 Termin: 23.03.2017 Prüfer: Prof. Dr. Andreas

Mehr

Statistik I. 1. Klausur Wintersemester 2010/2011 Hamburg, Art der Anmeldung: STiNE FlexNow Zulassung unter Vorbehalt

Statistik I. 1. Klausur Wintersemester 2010/2011 Hamburg, Art der Anmeldung: STiNE FlexNow Zulassung unter Vorbehalt Statistik I 1. Klausur Wintersemester 2010/2011 Hamburg, 11.02.2011 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................

Mehr

Statistik Klausur Wintersemester 2012/2013 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!

Statistik Klausur Wintersemester 2012/2013 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Statistik 1 1. Klausur Wintersemester 2012/2013 Hamburg, 19.03.2013 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................

Mehr

Wiederholung der Hauptklausur STATISTIK

Wiederholung der Hauptklausur STATISTIK Name, Vorname: Matrikel-Nr. Die Klausur enthält zwei Typen von Aufgaben: Teil A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens eine Antwort richtig ist und von denen

Mehr

F E R N U N I V E R S I T Ä T

F E R N U N I V E R S I T Ä T Matrikelnummer Name: Vorname: F E R N U N I V E R S I T Ä T Fakultät für Wirtschaftswissenschaft Klausur: Modul 37 Markt und Staat (6 SWS) Termin: 6.03.07, 4:00 6:00 Uhr Aufgabe 3 Summe Max. Punktzahl

Mehr

Biomathematik für Mediziner

Biomathematik für Mediziner Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur SS 2002 Aufgabe 1: Franz Beckenbauer will, dass

Mehr

Statistik I. 2. Klausur Wintersemester 2011/2012 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!

Statistik I. 2. Klausur Wintersemester 2011/2012 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Statistik I A 2. Klausur Wintersemester 2011/2012 Hamburg, 20.03.2012 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................

Mehr

Matrikelnummer: Name: Vorname: Unterschrift: Klausur: Ökonomie der Umweltpolitik Termin: :00 11:00 Prof. Dr. A.

Matrikelnummer: Name: Vorname: Unterschrift: Klausur: Ökonomie der Umweltpolitik Termin: :00 11:00 Prof. Dr. A. Matrikelnummer: Name: Vorname: Unterschrift: Klausur: 31741 - Ökonomie der Umweltpolitik Termin: 05.09.2018 09:00 11:00 Prüfer: Prof. Dr. A. Endres Aufgabe I II III Gesamt Maximale Punktzahl 20 30 50 100

Mehr

Statistik I. 2. Klausur Wintersemester 2011/2012 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!

Statistik I. 2. Klausur Wintersemester 2011/2012 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Statistik I A 2. Klausur Wintersemester 2011/2012 Hamburg, 20.03.2012 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................

Mehr

Kenngrößen von Zufallsvariablen

Kenngrößen von Zufallsvariablen Kenngrößen von Zufallsvariablen Die Wahrscheinlichkeitsverteilung kann durch die sogenannten Kenngrößen beschrieben werden, sie charakterisieren sozusagen die Verteilung. Der Erwartungswert Der Erwartungswert

Mehr

Biomathematik für Mediziner, Klausur SS 2000 Seite 1

Biomathematik für Mediziner, Klausur SS 2000 Seite 1 Biomathematik für Mediziner, Klausur SS 2000 Seite 1 Aufgabe 1: Bei der Diagnose einer bestimmten Krankheit mit einem speziellen Diagnoseverfahren werden Patienten, die tatsächlich an der Krankheit leiden,

Mehr

F E R N U N I V E R S I T Ä T i n H a g e n Fakultät für Wirtschaftswissenschaft

F E R N U N I V E R S I T Ä T i n H a g e n Fakultät für Wirtschaftswissenschaft F E R N U N I V E R S I T Ä T i n H a g e n Fakultät für Wirtschaftswissenschaft Matrikelnummer: Name: Vorname: Klausur: Termin: Prüfer: Modul 31901 - Öffentliche Ausgaben (6 SWS) 26.09.2018, 17:00-19:00

Mehr

Statistik I für Betriebswirte Vorlesung 14

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

Mehr

Kapitel 2 Wahrscheinlichkeitsrechnung

Kapitel 2 Wahrscheinlichkeitsrechnung Definition 2.77: Normalverteilung & Standardnormalverteilung Es sei µ R und 0 < σ 2 R. Besitzt eine stetige Zufallsvariable X die Dichte f(x) = 1 2 πσ 2 e 1 2 ( x µ σ ) 2, x R, so heißt X normalverteilt

Mehr

Aufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2015/16. Dr.

Aufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2015/16. Dr. Aufgabenstellung und Ergebnisse zur Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 205/6 Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Die Klausur besteht

Mehr

Modulklausur Multivariate Verfahren

Modulklausur Multivariate Verfahren Name, Vorname Matrikelnummer Modulklausur 31821 Multivariate Verfahren Datum Punkte Note Termin: 28. März 2014, 9.00-11.00 Uhr Erstprüfer: Univ.-Prof. Dr. H. Singer Hinweise zur Bearbeitung der Modulklausur

Mehr

FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT

FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT FERNUNIVERSITÄT IN HAGEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT MATRIKELNUMMER: NAME: VORNAME: UNTERSCHRIFT: KLAUSUR: Marktversagen TERMIN: 21.09.2015 09:00-11:00 Uhr PRÜFER: Prof. Dr. A. Endres Aufgabe

Mehr

Von der Normalverteilung zu z-werten und Konfidenzintervallen

Von der Normalverteilung zu z-werten und Konfidenzintervallen Von der Normalverteilung zu z-werten und Konfidenzintervallen Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH

Mehr

Wahrscheinlichkeitsrechnung und Statistik. 11. Vorlesung /2019

Wahrscheinlichkeitsrechnung und Statistik. 11. Vorlesung /2019 Wahrscheinlichkeitsrechnung und Statistik 11. Vorlesung - 2018/2019 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 2 heißt Median. P(X < z

Mehr

Aufgabe I II III Gesamt Maximale Punktzahl Erreichte Punktzahl

Aufgabe I II III Gesamt Maximale Punktzahl Erreichte Punktzahl Matrikelnummer: Name: Vorname: Unterschrift: Klausur: Modul 31731 - Marktversagen Termin: 17.09.2018 09:00 11:00 Prüfer: Prof. Dr. A. Endres Aufgabe I II III Gesamt Maximale Punktzahl 39 37 24 100 Erreichte

Mehr

Klausurlösungen Statistik

Klausurlösungen Statistik Klausurlösungen Statistik Kurs 4060 Grundlagen der Statistik - Version vom 0.0.07 Wichtige Hinweise Liebe Studierende, Vielen Dank für den Erwerb dieser Klausurlösungen zum Kurs 4060 Grundlagen der Statistik

Mehr

3.2 Streuungsmaße. 3 Lage- und Streuungsmaße 133. mittlere Variabilität. geringe Variabilität. große Variabilität 0.0 0.1 0.2 0.3 0.4 0.

3.2 Streuungsmaße. 3 Lage- und Streuungsmaße 133. mittlere Variabilität. geringe Variabilität. große Variabilität 0.0 0.1 0.2 0.3 0.4 0. Eine Verteilung ist durch die Angabe von einem oder mehreren Mittelwerten nur unzureichend beschrieben. Beispiel: Häufigkeitsverteilungen mit gleicher zentraler Tendenz: geringe Variabilität mittlere Variabilität

Mehr

F E R N U N I V E R S I T Ä T

F E R N U N I V E R S I T Ä T Matrikelnummer Name: Vorname: F E R N U N I V E R S I T Ä T Fakultät für Wirtschaftswissenschaft Klausur: Modul 31721 Markt und Staat (6 SWS) Termin: 21.09.2016, 9.00 11.00 Uhr Aufgabe 1 2 3 Summe Max.

Mehr

I. Deskriptive Statistik 1

I. Deskriptive Statistik 1 I. Deskriptive Statistik 1 1. Einführung 3 1.1. Grundgesamtheit und Stichprobe.................. 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung und Statistik 10. Vorlesung - 017 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 heißt Median. P(X < z α ) α P(X z α ). Falls X stetige zufällige Variable

Mehr

Klausur zu Statistik II

Klausur zu Statistik II Goethe-Universität Frankfurt Prof. Dr. Uwe Hassler FB Wirtschaftswissenschaften Sommersemester 2005 Klausur zu Statistik II Version B Bitte tragen Sie hier und auf den Lösungsblättern (oben links) Ihre

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

Aufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2017/18. Dr.

Aufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2017/18. Dr. Aufgabenstellung und Ergebnisse zur Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2017/18 Dr. Martin Becker Hinweise für die Klausurteilnehmer Die Klausur besteht

Mehr

Kapitel VI - Lage- und Streuungsparameter

Kapitel VI - Lage- und Streuungsparameter Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel VI - Lage- und Streuungsparameter Markus Höchstötter Lehrstuhl für Statistik, Ökonometrie

Mehr

FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT

FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT FERNUNIVERSITÄT IN HAGEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT MATRIKELNUMMER: NAME: VORNAME: UNTERSCHRIFT: KLAUSUR: Marktversagen TERMIN: 14.03.2016 09:00-11:00 Uhr PRÜFER: Prof. Dr. A. Endres Aufgabe

Mehr

Chi-Quadrat-Verteilung

Chi-Quadrat-Verteilung Chi-Quadrat-Verteilung Wikipedia http://de.wikipedia.org/wiki/chi-quadrat-verteilung 1 von 7 6/18/2009 6:13 PM Chi-Quadrat-Verteilung aus Wikipedia, der freien Enzyklopädie Die Chi-Quadrat-Verteilung ist

Mehr

Glücksrad-Aufgabe. Das Glücksrad ist in 2 Sektoren mit den Zahlen 1 (Winkel 120 ) und 2 eingeteilt.

Glücksrad-Aufgabe. Das Glücksrad ist in 2 Sektoren mit den Zahlen 1 (Winkel 120 ) und 2 eingeteilt. Glücksrad-Aufgabe Das Glücksrad ist in Sektoren mit den Zahlen (Winkel ) und eingeteilt. a) Das Glücksrad wird dreimal gedreht. Wie groß ist die Wahrscheinlichkeit für die folgenden Ereignisse: A: Die

Mehr

Klausur zur Vorlesung

Klausur zur Vorlesung Institut für Mathematische Stochastik WS 2006/2007 Universität Karlsruhe 12. Februar 2007 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Aufgabe 1 (15 Punkte) Klausur zur Vorlesung Statistik für Biologen

Mehr

1 Grundlagen der Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsräume. Ein erster mathematischer Blick auf Zufallsexperimente...

1 Grundlagen der Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsräume. Ein erster mathematischer Blick auf Zufallsexperimente... Inhaltsverzeichnis 1 Grundlagen der Wahrscheinlichkeitsrechnung 1 1.1 Wahrscheinlichkeitsräume Ein erster mathematischer Blick auf Zufallsexperimente.......... 1 1.1.1 Wahrscheinlichkeit, Ergebnisraum,

Mehr

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 Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir

Mehr

Aufgabe Gesamt. Maximale Punktzahl

Aufgabe Gesamt. Maximale Punktzahl Fakultät für Wirtschaftswissenschaft Lehrstuhl für Betriebswirtschaftslehre, insbesondere Investitionstheorie und Unternehmensbewertung Name : Vorname : Modulklausur: Unternehmensgründung (31581) Termin:

Mehr

F E R N U N I V E R S I T Ä T

F E R N U N I V E R S I T Ä T Matrikelnummer Name: Vorname: F E R N U N I V E R S I T Ä T Fakultät für Wirtschaftswissenschaft Klausur: Modul 31721 Markt und Staat (6 SWS) Aufgabe 1 2 3 Summe Max. Punktzahl 10 50 40 100 Erreichte Punktzahl

Mehr

Aufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2018/19

Aufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2018/19 Aufgabenstellung und Ergebnisse zur Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 08/9 PD Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Die Klausur besteht

Mehr

Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1

Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,

Mehr

Über den Autor 7. Teil Beschreibende Statistik 29

Über den Autor 7. Teil Beschreibende Statistik 29 Inhaltsverzeichnis Über den Autor 7 Einführung Über dieses Buch - oder:»... für Dummies«verpflichtet! Wie man dieses Buch benutzt 22 Wie ich Sie mir vorstelle 22 Wie dieses Buch aufgebaut ist 23 Teil I:

Mehr

Name: Vorname: Unterschrift:

Name: Vorname: Unterschrift: Fakultät für Wirtschaftswissenschaft Matrikelnummer Name: Vorname: Unterschrift: Modul-Abschlussklausur zum C-Modul Nr. 32551 Supply Chain Management Termin: 12. März 2018, 11 30 13 30 Uhr Prüfer: Prof.

Mehr

N 1 0 50 0.5 50 0.5 2 1 20 0.2 70 0.7 3 2 15 0.15 85 0.85 4 3 10 0.1 95 0.95 5 4+ 5 0.05 100 1-100 1.00 - -

N 1 0 50 0.5 50 0.5 2 1 20 0.2 70 0.7 3 2 15 0.15 85 0.85 4 3 10 0.1 95 0.95 5 4+ 5 0.05 100 1-100 1.00 - - 2 Deskriptive Statistik 1 Kapitel 2: Deskriptive Statistik A: Beispiele Beispiel 1: Im Rahmen einer Totalerhebung der Familien eines Dorfes (N = 100) wurde u.a. das diskrete Merkmal Kinderanzahl (X) registriert.

Mehr

Unterschrift des Prüfers

Unterschrift des Prüfers Name : Vorname : Modulklausur: Investition und Finanzierung (31021) Teil: Termin: Prüfer: Investition 22. März 2018, 14:00 16:00 Uhr Aufgabe 1 2 3 Gesamt Maximale Punktzahl 15 10 25 50 Erreichte Punktzahl

Mehr

Inhalt. I. Deskriptive Statistik Einführung Die Grundgesamtheit Merkmale und Verteilungen Tabellen und Grafiken...

Inhalt. I. Deskriptive Statistik Einführung Die Grundgesamtheit Merkmale und Verteilungen Tabellen und Grafiken... I. Deskriptive Statistik 1 1. Einführung 3 1.1. Die Grundgesamtheit......................... 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................ 10

Mehr

Unterschrift des Prüfers

Unterschrift des Prüfers Name : Vorname : Modulklausur: Investition und Finanzierung (31021) Teil: Termin: Prüfer: Investition 28. September 2017, 14:00 16:00 Uhr Aufgabe 1 2 3 4 Gesamt Maximale Punktzahl 8 17 17 8 50 Erreichte

Mehr

2.3 Intervallschätzung

2.3 Intervallschätzung 2.3.1 Motivation und Hinführung Bsp. 2.15. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler unter allen Wählern war 2009 auf eine Nachkommastelle gerundet genau 33.7%. Wie groß ist die Wahrscheinlichkeit,

Mehr

Dr. W. Kuhlisch Dresden, Institut für Mathematische Stochastik

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

Mehr

Welche der folgenden Aussagen sind richtig (jeweils 1 Punkt)?

Welche der folgenden Aussagen sind richtig (jeweils 1 Punkt)? Aufgabe 1 Welche der folgenden Aussagen sind richtig (jeweils 1 Punkt)? (a) Der Median entspricht dem 50%-Quantil. (b) Für eine eingipflige und symmetrische Verteilung gilt stets, dass der Median und der

Mehr