Pflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik
|
|
- Magdalena Gerhardt
- vor 7 Jahren
- Abrufe
Transkript
1 Pflichtlektüre: Kapitel 10 Grudlage der Iferezstatistik Überblick der Begriffe Populatio Iferezstatistik Populatiosparameter Stichprobeverteiluge Auch Stichprobekewerteverteiluge Wahrscheilichkeitstheorie ist eie meist zu große Gruppe vo Idividue mit gleiche Merkmale, die für eie Erhebug umöglich ist zu utersuche Methode ud Verfahre der Statistik, die mit mathematische Mittel Date aalysiere, bildet die Lösug um große Populatioe zu utersuche, idem eie Teilgruppe der Populatio gezoge wird ud mit de iferezstatistische Techike geschlussfolgert wird Stichprobestatistike(auch Stichprobekewerte) der Herkuftspopulatio für Schätzuge der statistische Parameter Theoretische Verteilug vo Stichprobestatistike, mit welcher Wahrscheilichkeit ma welche Stichprobeergebisse erwarte ka, we ma bestimmte Aahme trifft Mit Hilfe der Wahrscheilichkeitstheorie ist es möglich, vo de Stichprobeergebisse auf die etsprechede Parameter der Grudgesamtheit zu schließe, d.h. diese zu schätze. (Iferezschluß) 10.1.Wahrscheilichkeite, kurz gefasst Uterscheidug zwische subjektiver, klassischer & empirischer/frequetistischer Wahrscheilichkeit: Subjektiver Gefühl/Ituitio gemischt mit Hitergrudwisse p bewegt sich zwische 0 bis 100%, Wertebereich wird ausgeschöpft Schätzug, Ituitio, Wisse Klassischer Wahrscheilichkeite werde aus de Eigeschafte der Gegestäde abgeleitet, Eizelaussage müsse eideutig sei Beispiel: Würfel hat sechs Seite Azahl der güstige Fälle Azahl der mögliche Fälle Empirische Schätzt sie aufgrud vo relative Häufigkeite, darauf achte das Date aus Zufallsstichprobe etstade sid/zumidest so iterpretiert werde köe Azahl passeder Beobachtuge Azahl relevater Beobachtuge
2 f (A) f(a) + f( A) Kojuktioe Bedigte Wahrscheilichkeite Zusammegesetzte Ereigisse, die Wahrscheilichkeit eier Kojuktio ka icht größer sei, als die Wahrscheilichkeit jeder der Eizelwahrscheilichkeite. die Wahrscheilichkeit des Eitretes eies Ereigisses uter der Bedigug, dass das Eitrete eies adere Ereigisses bereits bekat ist A B Ereigis A uter der Bedigug B abhägig A B Ereigis A ud B p(a B) p(a B) = p(b) We A uabhägig vo B auftritt, gilt folgede Produktregel: p (A B) = p(a)p(b) Vo der Populatio über Stichprobe zur Stichprobeverteilug Empirische Stichprobeverteilug Theoretische Stichprobeverteilug Vo der Stichprobe zur Populatio Beispiel Verteiluge der aus de Stichprobe berechete Stichprobestatistike, alle dekbare uterschiedliche Stichprobe werde gezoge ud ausgewertet Stichprobeverteiluge sid Verteiluge vo Stichprobestatistike. Sie existiere icht real (hypothetisch) soder ur als theoretische Modelle, die us agebe, mit welche Wahrscheilichkeite die eizele Realisatioe vo Stichprobestatistike (Mittelwerte, e, Ateilswerte) zu erwarte sid = Zusammefassug vo hypothetische Ereigisse ( Stichprobe) Verteiluge uedlich vieler Stichprobestatistike aus derselbe Populatio, zuvor werde Sie stadardisiert, Fläche hat de Wert 1 (oder 100%) Eie eizige Stichprobe zur Verfügug, die daraus berechete Stichprobestatistike werde für Aussage über de Populatiosparameter geutzt Eie Stichprobe = 10 mit x Messwerte, daraus wird ei Durchschitt gebildet, beliebig oft wiederholbar, Bedigug ist mit Zurücklege!!! Ma erhält beliebig viele Mittelwerte vo diese Stichprobe. Ordet ma diese Mittelwerte der Stichprobe der Größe ach, ud stellt die Verteilug der Mittelwerte i eier Tabelle oder Grafik da, so wird ma feststelle, dass diese sich (tedeziell) um de wahre Mittelwert kozetriere Stichprobeverteilug für Ateile Biomialverteilug Formel Zufallsexperimete (auch Beroulli Experimete) mit ur zwei mögliche Ergebisse, omialskaliert Verteilug diskreter Werte P (A k ) = ( k ) pk (1 p) k
3 ( ) über k Biomialkoeffiziet k p k (1 p) k Wahrscheilichkeit eier Kojuktio ( k ) =! k! ( k)!! ausgesproche Fakultät, jeweilige Zahl mit jeder kleiere multipliziert wird (3! = 3*2*1 = 6) Biomialkoeffiziet Gibt a, wie viele Aorduge möglich sid, die aus k mal A ud k mal icht A bestehe Lage- ud Streuugsmaße vo Stichprobeverteiluge Biomialverteilug Erwartugswert (ei Lagemaß) Variaz (Streuugsmaß) Auch Stadardfehler Azahl: E (X) = μ = p Ateil: E (X) = μ = p = p s 2 = σ 2 = p(1 p) s = σ = p(1 p) Um de Ateil zu erreche, muss ma durch dividiere Stichprobeverteilug für Mittelwerte Erwartugswert Erwartugswert eier Zufallsvariable = Populatiosmittelwert d.h. ma utzt de Erwartugswert der Stichprobe: μ = x 1 + x 2 +,, + x N Variaz - Variaz muss aus der Populatiosvariaz geschätzt werde: - Variaz für Mittelwerte σ 2 = 1 1 (x i x ) ² σ ² x = σ ² i=1 - Stadardfehler σ x = σ ² = σ Vorgehesweise - Fehlerbehaftet
4 - Häufigkeitsverteilug (Stichprobeergebis) der Stichprobe, die als Schätzugsgrudlage für die Populatiosverteilug diet, ka deutlich vo dieser abweiche, trotzdem repräsetativ - Aahme über die Form der Populatiosverteilug, um die geaue Form der etsprechede Stichprobeverteilug zu bestimme Der Eifluss der Stichprobegröße auf die Stichprobeverteilug Gesetz der große Zahle - Besagt, dass die Schätzuge vo zusammegesetzte Werte mit steigeder Stichprobegröße geauer wird - Nimmt icht mooto zu Zetraler Grezwertsatz - mathematische Gesetzmäßigkeit - hat Auswirkug auf die Form der Stichprobeverteilug: mit steigeder Stichprobegröße ähert sie sich der Normalverteilug oder, i ihrer stadardisierte Form, Stadardormalverteilug a Normalverteilug Auch Glockekurve oder Gaußsche Verteilug Jeder gebräuchliche Stichprobeverteilug bei i eie Normalverteilug über!! Bei der Biomialverteilug i Normalverteilug, we p(1 p) > 9 Es hadelt sich um kotiuierliche Werte Spielt eie wichtige Rolle als Aahme über die Verteilug vo Werte i der Populatio (Populatioswerte sid ormalverteilt), gebräuchliche Verfahre sid t-test, Variazaalyse Stadardormalverteilug Erhält ma durch z-trasformatio: z i = X i μ σ X i empirischer Mittelwert der Stichprobeverteilug μ theoretischer Erwartugswert σ Stadardfehler Durch die z-trasformatio köe sämtliche Normalverteiluge stadardisiert werde, d.h. auf eie Stadard gebracht werde. Eigeschaft Mittelwert = 0 Variaz (auch die Streuug) = 1 Durch de Vergleich der Werte der Normalverteilug ud der Stadardormalverteilug lasse sich die Werte iterpretiere.
5 Ausgehed vo de Verteilugseigeschafte eier Normalverteilug befidet sich der Stichprobemittelwert mit eier Wahrscheilichkeit vo ca. 68% im Bereich siehe Abbildug oder zu 95% wie siehe Abbildug Rekapitulatio ud Ausblick Zetrales Problem: Wie ka ma aufgrud vo Stichprobeergebisse ud de daraus berechete Stichprobestatistike Schlüsse auf die etsprechede Populatiosparameter ziehe? = Wahrscheilichkeitsaussage, die aus Stichprobeverteiluge stamme 1. Stichprobeverteiluge für Ateile, Mittelwerte ud adere zusammegesetzte Maße erhält ma,we uedlich oft Stichprobe aus eier Populatio zieht, Stichprobestatistik berechet ud Verteilug bildet 2. Stadardisierug, da ka ma bestimmte Werte (diskret) oder festgelegte Itervalle vo Werte (kotiuierlich) bestimme ud iterpretiere. Sid Stichprobe groß geug ( > 30, besser > 100) ka ma für die Stichprobeverteiluge i der Regel aehme, dass sich diese eier Normalverteilug aäher Falls < 30, da köe adere zetrale Verteiluge (t-, F- ud Chic-Quadrat) agewedet werde. Diese habe aufgrud der theoretische Verteilug ebefalls solche Itegratiosmöglichkeite.
Prof. Dr. Roland Füss Statistik II SS 2008
1. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug ergibt sich aus de Grezwertsätze. Grezwertsätze sid Aussage über eie Zufallsvariable für de Fall, dass die Azahl
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte SS00 7.Sitzug vom.06.00 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluß Grudlage des Iduktiosschlusses:
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
Lehrstuhl für Empirische Wirtschaftsforschug ud Ökoometrie Dr. Rolad Füss Statistik II: Schließede Statistik SS 2007 6. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte 7.Sitzug 35 Seite, SoSe 003 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluss Grudlage
Mehr,,, xn. 3. Intervallschätzungen Zufallsstichproben und Stichprobenfunktionen Zufallsstichproben. Zufallsvariablen mit
3. Itervallschätzuge 3.1. Zufallsstichprobe ud Stichprobefuktioe 3.1.1 Zufallsstichprobe 1 Sei eie Zufallsvariable ud seie gemeisamer Verteilug,,,, Zufallsvariable mit - da heiße 1,,, Zufallsstichprobe
MehrEmpirische Verteilungsfunktion
KAPITEL 3 Empirische Verteilugsfuktio 3.1. Empirische Verteilugsfuktio Seie X 1,..., X uabhägige ud idetisch verteilte Zufallsvariable mit theoretischer Verteilugsfuktio F (t) = P[X i t]. Es sei (x 1,...,
MehrDer Vergleich eines Stichprobenmittelwertes mit einem Populationsmittelwert
Der Vergleich eies Stichprobemittelwertes mit eiem Populatiosmittelwert Am Beispiel des Falschspielers habe wir - uterstützt durch Ketisse über die Eigeschafte der Biomialverteilug - erstmals gesehe, welche
Mehr2. Repetition relevanter Teilbereiche der Statistik
. Repetitio Statistik Ökoometrie I - Peter Stalder. Repetitio relevater Teilbereiche der Statistik (Maddala Kapitel ) Zufallsvariable ud Wahrscheilichkeitsverteiluge Zufallsvariable X (stochastische Variable)
MehrKapitel 5: Schließende Statistik
Kapitel 5: Schließede Statistik Statistik, Prof. Dr. Kari Melzer 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
MehrÜbungen mit dem Applet erwartungstreu
Übuge mit dem Applet erwartugstreu Visualisierug vo erwartugstreu Begriffe ud statischer Hitergrud. Visualisieruge mit dem Applet..3. Zufallsstreuug der Eizelwerte...3. Mittelwerte 3.3 Variaz. 4.4 Variaz
MehrWissenschaftliches Arbeiten Studiengang Energiewirtschaft
Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:
Mehr( ) Formelsammlung. Kombinatorik. Permutation: ohne Wiederholung. n! = n (n - 1) (n - 2)... 3 2 1 n= alle Elemente. Permutation: mit Wiederholung
Formelsammlug Kombiatori Permutatio: ohe Wiederholug! = ( - 1) ( - 2).... 3 2 1 = alle Elemete Permutatio: mit Wiederholug!! P, = = usw. = gleiche Elemete! 1! K 2! Stichprobe (SP) = geordete Auswahl Geordete
MehrGrundlagen der Biostatistik und Informatik
Vergleich vo mehrere Stichprobe Grudlage der Biostatisti ud Iformati Hypotheseprüfuge III., Nichtparametrische Methode dr László Smeller Semmelweis Uiversität 0 Vergleich vo mehrere Stichprobe Boferroi
MehrStatistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39
Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle
MehrEvaluation & Forschungsstrategien
Evaluatio & Forschugsstrategie WS2/2 Prof. Dr. G. Meihardt Johaes Guteberg Uiversität Maiz Prizipie des statistische Schliesses Samplig - Modellvorstellug Populatio Samplig Stichprobe Kewerte x Theoretische
MehrVl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5
Vl Statistische Prozess- ud Qualitätskotrolle ud Versuchsplaug Übug 5 Aufgabe ) Sei p = P(A) die Wahrscheilichkeit für ei Ereigis A, dh., es gilt 0 p. Bereche Sie das Maximum der Fuktio f(p) = p(-p). Aufgabe
MehrVl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3
Vl Statistische Prozess ud Qualitätskotrolle ud Versuchsplaug Übug 3 Aufgabe ) Die Schichtdicke X bei eier galvaische Beschichtug vo Autoteile sei ormalverteilt N(μ,σ ). 4 Teile werde galvaisch beschichtet.
MehrKlausur vom
UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Domiik Faas Stochastik Witersemester 00/0 Klausur vom 7.0.0 Aufgabe 3+.5+.5=6 Pukte Bei eier Umfrage wurde 60 Hotelbesucher ach ihrer Zufriedeheit
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Übug 6 3.03.20 Ihalt der heutige Übug Aufgabe D.7: Reche mit Zufallsvariable Erwartugswert- ud Variazoperator Statistik ud Wahrscheilichkeitsrechug
Mehr4 Schwankungsintervalle Schwankungsintervalle 4.2
4 Schwakugsitervalle Schwakugsitervalle 4. Bemerkuge Die bekate Symmetrieeigeschaft Φ(x) = 1 Φ( x) bzw. Φ( x) = 1 Φ(x) für alle x R überträgt sich auf die Quatile N p der Stadardormalverteilug i der Form
MehrKörpergröße x Häufigkeit in [m] 1.50 1.60 1 1.60 1.70 5 1.70 1.80 49 1.80 1.90 53 1.90 2.00 15 2.00 2.10 1
8 Kofidezitervalle 1 Kapitel 8: Kofidezitervalle A: Beispiele Beispiel 1: Im WS 2000/01 wurde im Rahme der Statistik Vorlesug 124 Studete u.a. zu ihrer Körpergröße befragt. Ma erhielt folgedes Ergebis:
MehrTests statistischer Hypothesen
KAPITEL 0 Tests statistischer Hypothese I der Statistik muss ma oft Hypothese teste, z.b. muss ma ahad eier Stichprobe etscheide, ob ei ubekater Parameter eie vorgegebee Wert aimmt. Zuerst betrachte wir
MehrDemo für www.mathe-cd.de
Wahrscheilichkeitsrechug Hypergeometrische Verteilug Themeheft ud Traiigsheft Datei r. 4211 Stad 17. April 2010 Friedrich W. Buckel Demo für ITERETBIBLIOTHEK FÜR SCHULMATHEMATIK 4211 Hypergeometrische
MehrDie notwendigen Verteilungstabellen finden Sie z.b. hier:
Fakultät für Mathematik Istitute IAG ud IMO Prof. Dr. G. Kyureghya/Dr. M. Hödig Schätz- ud Prüfverfahre Die otwedige Verteilugstabelle fide Sie z.b. hier: http://www.ivwl.ui-kassel.de/kosfeld/lehre/zeitreihe/verteilugstabelle.pdf
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler 9.04.008 Äderug Übugsstude Statistik ud Wahrscheilichkeitsrechug Die Gruppe vo Markus trifft sich am Doerstag statt im HCI D zusamme mit der Gruppe
MehrStatistik I/Empirie I
Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass
Mehr2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters:
. Schätzverfahre. Puktschätzug wirtschaftlicher Kezahle Allgemei: Puktschätzug eies Parameters: Ermittlug eies Schätzwertes für eie ubekate Parameter eier Zufallsvariable i der Grudgesamtheit mit Hilfe
Mehr6. Grenzwertsätze. 6.1 Tschebyscheffsche Ungleichung
6. Grezwertsätze 6.1 Tschebyscheffsche Ugleichug Sofer für eie Zufallsvariable X die Verteilug bekat ist, lässt sich die Wahrscheilichkeit dafür bestimme, dass X i eiem bestimmte Itervall liegt. Wie ist
MehrAnwendung für Mittelwerte
Awedug für Mittelwerte Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe... "wahre", ubekate Mittelwert der Grudgesamtheit icht zufällig?... beobachtete Mittelwert zufällig Statistik für SoziologIe 1
MehrSBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit
SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf # 0 Atwort Diese Lerkarte sid sorgfältig erstellt worde, erhebe aber weder Aspruch auf Richtigkeit och auf Vollstädigkeit. Das Lere mit Lerkarte fuktioiert ur
MehrEs werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.
Vo der relative Häufigkeit zur Wahrscheilichkeit Es werde 20 Schüler befragt, ob sie ei Hady besitze. Das Ergebis der Umfrage lautet: Vo 20 Schüler besitze 99 ei Hady. Ereigis E: Schüler besitzt ei Hady
Mehr1) Wahrscheinlichkeitsbegriff und Rechnen mit Wahrscheinlichkeiten. P A = lim r N LI: ={ 1 LII: LIII: P A =1 P A
FORMELSAMMLUNG V03 Alle Formel ohe Gewähr auf Korrektheit Grudlage der Wahrscheilichkeitstheorie 1) Wahrscheilichkeitsbegriff ud Reche mit Wahrscheilichkeite Relative Häufigkeit r N A = h N A N = Abs.
MehrX X Schätzen von Vertrauensintervallen Schwankungsintervall
.. Schätze vo Vertrauesitervalle..1. Schwakugsitervall Beispiel: X = Betrag vo Geldüberweisuge, ormalverteilt, µ = 5000, = 1000 Zufallsstichprobe mit = 100, Schätzer für µ: X X Gesucht: Itervall, i dem
Mehr6 Vergleich mehrerer unverbundener Stichproben
6 Vergleich mehrerer uverbudeer Stichprobe 6.1 Die eifaktorielle Variazaalyse Die eifaktorielle Variazaalyse diet der Utersuchug des Eiflusses eier kategorieller (bzw. ichtmetrischer) Variable, die die
MehrKapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit
- 18 - (Kapitel 3 : Bedigte Wahrscheilichkeite ud Uabhägigkeit) Kapitel 3: Bedigte Wahrscheilichkeite ud Uabhägigkeit Wird bei der Durchführug eies stochastische Experimets bekat, daß ei Ereigis A eigetrete
Mehr10. Testen von Hypothesen Seite 1 von 6
10. Teste vo Hypothese Seite 1 vo 6 10.1 Eiführug i das Teste vo Hypothese Eie Hypothese ist eie Vermutug bzw. Behauptug über die Wahrscheilichkeit eies Ereigisses. Mit Hilfe eies geeigete Tests (=Testverfahre)
MehrEinführung in die Wahrscheinlichkeitstheorie Lösungen zum Wiederholungsblatt
TUM, Zetrum Mathematik Lehrstuhl für Mathematische Physik WS 23/4 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weider Eiführug i die Wahrscheilichkeitstheorie Lösuge zum Wiederholugsblatt Aufgabe
MehrEvaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt
2.4.5 Gauss-Test ud t-test für verbudee Stichprobe 2.4.5.8 Zum Begriff der verbudee Stichprobe Verbudee Stichprobe: Vergleich zweier Merkmale X ud Y, die jetzt a deselbe Persoe erhobe werde. Vorsicht:
MehrStandard Normalverteilung Dichtefunktion von Standard Normal Verteilung. Grenzwertsatz. Normalverteilung. Andere wichtige Verteilungen: Anwendungen
Statistik. Vorlesug, September, 00 f() 0.0 0. 0. 0.3 0.4 Stadard Normalverteilug Dichtefuktio vo Stadard Normal Verteilug -4-0 4 Der Erwartugswert: mittlere Wert E ( = f( ) d=0 für die Stadard Normal Verteilug
MehrStatistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik
Statistik Kapitel 5: Schließede Statistik 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel 1» Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte der arithmetische
MehrWirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel
3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Beispiel: Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
MehrParameterschätzung. Numero, pondere et mensura Deus omnia condidit
Parameterschätzug Numero, podere et mesura Deus omia codidit Populatio, Zufallsvariable, Stichprobe Populatio Zufallsvariable X Stichprobe x eie"realisierug vo X (Beobachtug) alle mäliche Rekrute der US
Mehr3 Vergleich zweier unverbundener Stichproben
3 Vergleich zweier uverbudeer Stichprobe 3. Der Zweistichprobe t-test Es wird vorausgesetzt, dass die beide Teilstichprobe x, x,..., x ud y, y,..., y jeweils aus (voeiader uabhägige) ormalverteilte Grudgesamtheite
MehrIntervallschätzung II 2
Itervallschätzug Kofidezitervall für die Variaz Kofidezitervall für de Ateilswerte Kofidezitervall für die Differez zweier Ateile Bestimmug des Stichrobeumfags Itervallschätzug II Bibliografie Bleymüller
MehrKapitel 11 DIE NORMAL-VERTEILUNG
Kapitel DIE NORMAL-VERTEILUNG Fassug vom 7. Februar 006 Prof. Dr. C. Porteier Mathematik für Humabiologe ud Biologe 49 . De itio der Normal-Verteilug. De itio der Normal-Verteilug Bisher habe wir ur diskret
MehrGrundzüge der Stichprobentheorie. Statistisches Bundesamt
Grudzüge der Stichprobetheorie Grüde für Stichprobeerhebug - deutlich gerigere Koste - größere Awedugsbreite - kürzere Erhebugs- ud Auswertugszeite - i der Regel größere Geauigkeit der Ergebisse Begriffsbestimmug
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler Statistik ud Wahrscheilichkeitsrechug Testatprüfug am Doerstag 5.Mai Wa? Doerstag, 5. Mai, 8:00 Uhr Dauer der
MehrFormelsammlung Mathematik
Formelsammlug Mathematik 1 Fiazmathematik 1.1 Reterechug Sei der Zissatz p%, der Zisfaktor q = 1 + p 100. Seie R die regelmäßig zu zahlede Rate, die Laufzeit. Edwert: Barwert: achschüssig R = R q 1 q 1
MehrPraktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle
Praktikum Vorbereitug Fertigugsmesstechik Statistische Qualitätskotrolle Bei viele Erzeugisse ist es icht möglich jedes Werkstück zu prüfe, z.b.: bei Massefertigug. Hier ist es aus ökoomische Grüde icht
MehrKapitel VI. Einige spezielle diskrete Verteilungen
Kapitel VI Eiige spezielle diskrete Verteiluge D 6 (Hypergeometrische Verteilug) Eie Zufallsvariable X heißt hypergeometrisch verteilt, we sie folgede Wahrscheilichkeitsfuktio besitzt: M N M P ( X ) p
Mehr15.4 Diskrete Zufallsvariablen
.4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet
MehrStatistik I im Sommersemester 2007
Theme am 2.5.07: Statistik I im Sommersemester 2007 Wahrscheilichkeitstheorie III Zufallsvariable ud Wahrscheilichkeitsverteiluge Stichprobekewerte, Kewerteverteiluge ud Populatiosparameter Statistische
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG 9 - LÖSUNGEN. Ziehug vo Kugel aus eier Ure a. Die Zahl der Permutatio der Kugel, die aus Klasse utereiader gleicher
MehrX in einer Grundgesamtheit vollständig beschreiben.
Prof. Dr. Rolad Füss Statistik II SS 008. Puktschätzug vo Parameter eier Grudgesamtheit Nur durch eie Totalerhebug ka ma die Verteilug eier Zufallsvariable X i eier Grudgesamtheit vollstädig beschreibe.
Mehrh a 2 b 1 h a1 b 2 h a1 b 1 h a1. h a 2. h.b1 h ij h 11 h 12 h 21 a b h. j h 1. h 2. h.1 a b h i. =h i1 h i2... h i m h. j =h 1j h 2j... h k j h.
Kotigeztabelle / Kreuztabelle für 2 diskrete /omialskalierte Variable ethält: 1. absolute gemeisame Häufigkeite h 11 h 12 h 21 für Kombiatioe vo zwei Merkmale / Variable a b steht also für mit jeweils
MehrR. Brinkmann Seite
R. Brikma http://brikma-du.de Seite 1.0.014 Lösuge zur Biomialverteilug I Ergebisse: E1 E E E4 E E E7 Ergebis Ei Beroulli-Experimet ist ei Zufallsexperimet, das ur zwei Ergebisse hat. Die Ergebisse werde
MehrZenraler Grenzwertsatz
Zeraler Grezwertsatz Ato Klimovsky Zetraler Grezwertsatz. Kovergez i Verteilug. Normalapproximatio. I diesem Abschitt beschäftige wir us mit der folgede Frage. Frage: Wie sieht die Verteilug eier Summe
MehrDas kollektive Risikomodell. 12. Mai 2009
Kirill Rudik Das kollektive Risikomodell 12. Mai 2009 4.1 Eileitug Wir betrachte i diesem Kapitel die Gesamtforderuge im Laufe eies Jahres. Beim Abschluss eies Versicherugsvertrages weiß der Versicherer
MehrMusterlösung für die Klausur zur Vorlesung Stochastik I im WiSe 2014/2015
Musterlösug für die Klausur zur Vorlesug Stochastik I im WiSe 204/205 Teil I wahr falsch Aussage Gilt E[XY ] = E[X]E[Y ] für zwei Zufallsvariable X ud Y mit edlicher Variaz, so sid X ud Y uabhägig. Für
MehrTESTEN VON HYPOTHESEN
TESTEN VON HYPOTHESEN 1. Grudlage Oft hat ma Vermutuge zu Sachverhalte ud möchte diese gere durch Experimete bestätige. Dabei ka es sich i der Praxis zum Beispiel um Verteiluge vo gewisse Zufallsgröße
MehrZufallsvariable. Die Wahrscheinlichkeitsverteilung p (probability function) ist definiert durch: p(x i ) := P (X = x i ),
ETHZ 90-683 Dr. M. Müller Statistische Methode WS 00/0 Zufallsvariable Zusammehag: Wirklichkeit Modell Wirklichkeit Stichprobe Date diskret stetig rel. Häufigkeit Häufigkeitstabelle Stabdiagramm Histogramm
MehrTests für beliebige Zufallsvariable
Kapitel 10 Tests für beliebige Zufallsvariable 10.1 Der Chi-Quadrat-Apassugstest Sei x eie gaz beliebige Zufallsvariable, dere Dichtefuktio icht oder icht geau bekat ist. Beispiel: Es seie z.b. mittels
MehrWahrscheinlichkeitstheorie und Statistik vom
INSTITUT FÜR MATHEMATISCHE STOCHASTIK WS 005/06 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Klausur Wahrscheilichkeitstheorie ud Statistik vom 9..006 Musterlösuge Aufgabe A: Gegebe sei eie Urliste
MehrDer χ 2 Test. Bei Verteilungen Beantwortung der Frage, ob eine gemessene Verteilung Gauß- oder Poisson-verteilt ist oder nicht?
Der χ Test Es gibt verschiedee Arte vo Sigifikaztests Nebe Sigifikaztests, die sich mit dem Mittelwert beschäftige, gibt es auch Testverfahre für Verteiluge Bei Verteiluge Beatwortug der Frage, ob eie
MehrMathematische und statistische Methoden I
Methodelehre e e Prof. Dr. G. Meihardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstude jederzeit ach Vereibarug ud ach der Vorlesug. Mathematische ud statistische Methode I Dr. Malte Persike persike@ui-maiz.de
Mehr7.2 Grundlagen der Wahrscheinlichkeitsrechnung
7.2 Grudlage der Wahrscheilichkeitsrechug Ei Ereigis heißt i Bezug auf eie Satz vo Bediguge zufällig, we es bei der Realisierug dieses Satzes eitrete ka, aber icht ubedigt eitrete muss. Def. 7.2.: Ei Experimet
Mehr3. Einführung in die Statistik
3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :
MehrStochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. M. Schweizer ETH Zürich Witer 28 Stochastik - Lösug (BSc D-MAVT / BSc D-MATH / BSc D-MATL). (6 Pukte) a) (2 Pukte) Wir defiiere die Ereigisse K {die Perso ist krak} ud T {der Test ist positiv}.
MehrStochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten
Kapitel 2 Stochastische Uabhägigkeit, bedigte Wahrscheilichkeite 2.1 Stochastische Uabhägigkeit vo Ereigisse Im Folgede gehe wir vo eiem W-Raum (Ω, A, P aus. Der Begriff der stochastische Uabhägigkeit
Mehr1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre Morgasche Formel A \ B = A [ B A [ B = A \ B Kommutativgesetz A \ B = B \ A A [ B = B [ A Assozia
Statistik I - Formelsammlug Ihaltsverzeichis 1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre................................. 1. Kombiatorik........................................ 1.3 Wahrscheilichkeite....................................
MehrTeil II Zählstatistik
Teil II Zählstatistik. Aufgabestellug. Vergleiche Sie experimetelle Zählverteiluge mit statistische Modelle (POISSON-Verteilug ud Normalverteilug) 2. Theoretische Grudlage Stichworte zur Vorbereitug: Impulszahl,
MehrGrenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen
. Der Grezwert vo mootoe, beschräkte Folge Der Grezwert vo mootoe, beschräkte Folge ist eifacher verstädlich als der allgemeie Fall. Deshalb utersuche wir zuerst diese Spezialfall ud verallgemeier aschliessed.
MehrLösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung
Prof. Dr. V. Schmidt WS 200/20 G. Gaiselma, A. Spettl 7.02.20 Lösugsvorschlag Probeklausur zur Elemetare Wahrscheilichkeitsrechug Hiweis: Der Umfag ud Schwierigkeitsgrad dieser Probeklausur muss icht dem
MehrFolgen und Reihen Glege 03/01
Folge ud Reihe Glege 03/0 I diesem Script werde folgede Theme behadelt: Folge (Eiführug)... Arithmetische Folge... Geometrische Folge...3 Mootoie...4 Kovergez...5 Grezwert...6 Schrake...7 Arithmetische
Mehr1. Probabilistisches Sprachmodell - Verständnisfragen
. Probabilistisches Sprachmodell - Verstädisfrage (a) Defiiere Sie de Begriff eies probabilistische Sprachmodells für eie Sprache. (b) Beerte Sie die folgede Aussage als richtig oder falsch: I eiem probabilistische
MehrWichtige Verteilungen
Wichtige Verteiluge Gaußsche Glockekurve ormalverteilug Logarithmische ormalverteilug Histogramm mit Glockekurve 3 Biomial- oder Beroulli-Verteilug Poisso-Verteilug Hypergeometrische Verteilug Epoetialverteilug
MehrKATA LOGO Mathematik Statistik Wahrscheinlichkeitsverteilungen
KATA LOGO Mathematik Statistik Wahrscheilichkeitsverteiluge x = reelle Zahl X = Zufallsgröße 1. Diskrete Zufallsgröße Beschreibug durch: a) Liste ihrer Merkmalswerte (x1,x2,...) b) dazugehörige Wahrscheilichkeite
Mehr3. Grundbegrie der Schätztheorie
Statistik, Abschitt 3. 3. Grudbegrie der Schätztheorie I der kormatorische Statistik will ma uter aderem auf Grud eier Stichprobe vom Umfag Iformatioe über ubekate Parameter θ der Verteilug F der zugrudeliegede
MehrA = Ereignisraum = σ-algebra (Sigma-Algebra) = Menge aller messbaren Ergebnisse über eine definierte Grundmenge Ω
Statistik Theorie Defiitioe Ω = Grudmege = Ergebismege = Mege aller mögliche Ergebisse A = Ereigisraum = σ-algebra (Sigma-Algebra) = Mege aller messbare Ergebisse über eie defiierte Grudmege Ω P(Ω) = Potezmege
MehrKennwerte eindimensionaler Häufigkeitsverteilungen Einführung
Kewerte eidimesioaler Häufigkeitsverteiluge Eiführug Statistische Kewerte vo Verteiluge sid umerische Maße mit der Fuktio, zusammefassed eie Eidruck vo 1) dem Schwerpukt, ) der Variabilität ud 3) der Form
MehrReader Teil 1: Beschreibende Statistik
Dr. Katharia Best Sommersemester 2011 14. April 2011 Reader Teil 1: Beschreibede Statistik WiMa-Praktikum Um Date darzustelle ud eie Übersicht über die Struktur der Date zu erstelle, stellt die beschreibede
MehrKapitel 6 : Punkt und Intervallschätzer
7 Kapitel 6 : Pukt ud Itervallschätzer Puktschätzuge. I der Statistik wolle wir Rückschlüsse auf das Wahrscheilichkeitsgesetz ziehe, ach dem ei vo us beobachtetes Zufallsexperimet abläuft. Hierzu beobachte
MehrStochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. M. Schweizer ETH Zürich Sommer 8 Stochastik - Lösug (BSc D-MAVT / BSc D-MATH / BSc D-MATL). (6 Pukte) a) (.5 Pukte) Wir defiiere die Ereigisse D = die ähmaschie bekommt eie kleie Defekt} ud U
MehrKapitel 10 VERTEILUNGEN
Kapitel 0 VERTEILUNGEN Fassug vo 3. Februar 2006 Prof. Dr. C. Porteier Prof. Dr. W. Groes Matheati für Huabiologe ud Biologe 39 0. Zufallsvariable 0. Zufallsvariable Häu g wird statt des Ergebisses! 2
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG. - LÖSUNGEN. ypothesetest für die Dicke vo Plättche Die Dicke X vo Plättche, die auf eier bestimmte Maschie
MehrZufallsstreubereiche und Vertrauensbereiche
HTL Saalfelde Zufallsstreu- ud Vertrauesbereiche Seite 1 vo 1 Wilfried Rohm, HTL Saalfelde wilfried.rohm@schule.at Zufallsstreubereiche ud Vertrauesbereiche Mathematische / Fachliche Ihalte i Stichworte:
Mehr1. Wahrscheinlichkeitsrechnung. 2. Diskrete Zufallsvariable. 3. Stetige Zufallsvariable. 4. Grenzwertsätze. 5. Mehrdimensionale Zufallsvariable
1. Wahrscheilichkeitsrechug. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grezwertsätze 5. Mehrdimesioale Zufallsvariable Stetige Zufallsvariable Eie Zufallsvariable X : Ω R heißt stetig, we
MehrAnwendungen der Wahrscheinlichkeit II. Markovketten
Aweduge der Wahrscheilichkeit II 1. Fragestelluge Markovkette Markovkette sid ei häufig verwedetes Modell zur Beschreibug vo Systeme, dere Verhalte durch eie zufällige Übergag vo eiem Systemzustad zu eiem
MehrWahrscheinlichkeit und Statistik
ETH Zürich HS 2015 Prof. Dr. P. Embrechts Wahrscheilichkeit ud Statistik D-INFK Lösuge Serie 2 Lösug 2-1. (a Wir bereche P [W c B] auf zwei Arte: (a Wir betrachte folgede Tabelle: Azahl W W c B 14 6 B
Mehr8. Intervallschätzung
8. Itervallschätzug 8.1 Begriff des Kofidezitervalls Mit uterschiedliche Stichprobe lasse sich verschiedee Puktschätzer θ für de Parameter der Grudgesamtheit erziele. We m Stichprobe aus der Grudgesamtheit
Mehr7. Grenzwertsätze Grenzwertsätzen Zentraler Grenzwertsatz Gesetz der großen Zahlen Tschebyscheffsche Ungleichung
7. Grezwertsätze Bei de Grezwertsätze geht es um Aussage, die ma sogar da treffe ka, we keierlei Iformatioe über de Verteilugs-Typ der betrachtete Zufallsvariable vorliege. Zetraler Grezwertsatz Aussage
MehrKapitel 2: Stochastische Prozesse. Copyright M. Gross, ETH Zürich 2006, 2007
Kaitel 2: Coyright M. Gross, ETH Zürich 2006, 2007 Bedigte Verteiluge Ebeso a die Verbudwahrscheilicheit vo Zufallsvariable über bedigte Wahrscheilicheite ausgedrüct werde i i,, i,, Wiederum ommt eie Produtregel
MehrAussage über die Verteilung Summen und Durchschnitte beliebig verteilter Zufallsvariablen
7. Grezwertsätze Die Grezwertsätze bilde de Abschluss der Wahrscheilichkeitsrechug ud sid vo zetraler Bedeutug vor allem für die iduktive Statistik. Gesetz der große Zahle Aussage über die Geauigkeit der
Mehr10. Intervallschätzung 10.1 Begriff des Konfidenzintervalls
10. Itervallschätzug 10.1 Begriff des Kofidezitervalls Mit uterschiedliche Stichprobe werde verschiedee Puktschätzer für de Parameter der Grudgesamtheit erzielt. We m Stichprobe aus der Grudgesamtheit
MehrÜbungen zu QM III Mindeststichprobenumfang
Techische Hochschule Köl Fakultät für Wirtschafts- ud Rechtswisseschafte Prof. Dr. Arreberg Raum 221, Tel. 39 14 jutta.arreberg@th-koel.de Übuge zu QM III Mideststichprobeumfag Aufgabe 12.1 Sie arbeite
MehrUmrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung
.3. Prozetuale Häufigkeitsverteilug (HV) Die prozetuale Häufigkeitsverteilug erlaubt de Vergleich vo Auswertuge, dee uterschiedliche Stichprobegröße zugrude liege. Es köe auch uterschiedliche Stichprobegröße
Mehr