Auswertung von Messungen Teil III
|
|
- Gretel Gerstle
- vor 7 Jahren
- Abrufe
Transkript
1 Auswertung von Messungen Teil III 1. Nichtlineare Regression 1.1 Mehrfach-lineare Regression 1. Allgemeines Vorgehen bei nichtlinearen Funktionen. Entscheidungstheorie.1 Signifikanzzahl Signifikanzniveau. Vorgehen beim statistischen Test.3 Einseitige und zweiseitige Tests 3. Signifikanztests 3.1 Test für Mittelwert z-test 3. Test für Mittelwert t-test 4. Anpassungstest 4.1 Chi-Quadrat Test 4. Freiheitsgrade 4.3 Beispiele 1
2 1. Nichtlineare Regression 1.1 Mehrfach-lineare Regression Gesucht: y = m 1 x 1 + m x + + m k x k + b Es liegen j = 1... n Messwerte vor. Lösung mit Excelfunktion RGP (y 1 : y n ; x 11 : x kn ; WAHR ; WAHR) Ergebnisangabe: m k m k-1 m 1 b se k se k-1 se 1 se b mit: se k Standardabweichung r - Bestimmtheitsmaß r F se Y d f ss reg ss resid
3 1. Allgemeines Vorgehen bei nichtlinearen Funktionen Beispiel: Y = a e b X X c ln Y = c ln X + b X + ln a Überführen in die lineare Darstellung: Y = a X + a 1 X 1 + a 0 mit Y = ln y, X = ln x, X 1 = x, a `= c, a 1 = b, a 0 = ln a für Y(X 1, X ) dann die mehrfach-lineare Regression durchführen. 3
4 . Entscheidungstheorie Aufgabe: Aus Stichproben sind Entscheidungen über Grundgesamtheiten zu treffen (Mittelwerte, Varianz, Verteilungstyp) Häufigkeit H z.b. Frage: Genügen die grünen Ergebnisse auch der blauen Statistik, d.h. der roten Verteilungskurve? Mittelwert Mittelwert 4
5 . Entscheidungstheorie Aufgabe: Aus Stichproben sind Entscheidungen über Grundgesamtheiten zu treffen (Mittelwerte, Varianz, Verteilungstyp) Nullhypothese H 0 und Alternativhypothese H 1 aufstellen. Haltbarkeit der Hypothese an Hand von Stichprobenwerten prüfen. Bei Versagen von H 0 die Alternativhypothese annehmen. Signifikanzzahl α = Irrtumswahrscheinlichkeit Signifikanztest Entscheidungsregeln, ob signifikante oder bloß zufällige Abweichungen vom erwarteten Ergebnis vorliegen. ( Beispiel: 0 x Münzwurf, es fällt 16x Kopf! Ist die Münze präpariert?) Eine Nullhypothese kann angenommen oder verworfen werden. Dabei kann man Fehler machen: - Fehler 1. Art - Richtige Hypothese wird abgelehnt - Lieferantenrisiko - Fehler. Art - Falsche Hypothese wird akzeptiert - Kundenrisiko 5
6 .1 Signifikanzzahl - Signifikanzniveau Die Signifikanzzahl ist die maximale Wahrscheinlichkeit, mit der man willentlich einen Fehler 1. Art riskiert. z.b. bei α=0,05 (5% Niveau) wird zu 5% falsch geurteilt, d.h. wir entscheiden zu 95% richtig. Tests bei Normalverteilungen 1 Wahrscheinlichkeit 0.5 Fläche = 0.05 Fläche = x = x = 1.96= Messgröße 6
7 .1 Signifikanzzahl - Signifikanzniveau Tests bei Normalverteilungen 0,4 Akzeptanzfläche 0, Fläche = 0.95 Fläche = Z = Z = 1.96 Signifikanzfläche Zu 95% kann man sicher sein, dass z im Intervall (-1.96, 1.96) liegt 7
8 . Vorgehen beim statistischen Test 5-Schritte-Prozedur 1. Definition von Nullhypothese und Alternativhypothese. Signifikanzzahl wählen 3. Kritischen Wert aus Tabellen auswählen (ist ein normierter Wert) 4. Aus der Stichprobe die (normierte) Prüfgröße berechnen 5. Prüfen, ob die Prüfgröße den kritischen Wert verletzt. (Was verletzt bedeutet, hängt von der Testproblematik ab) 8
9 .3 Einseitige und zweiseitige Tests Einseitiger Test Risiko: Höchstwertüberschreitung Z < L Einseitiger Test Risiko: Mindestwertunterschreitung Z > L Zweiseitiger Test Risiko: außerhalb der Toleranzen L1<Z <L L 1 L 9
10 3. Signifikanztests 3.1 Test für den Mittelwert µ bei bekannter Varianz σ (z-test) Stichprobe vom Umfang n, Mittelwert Irrtumswahrscheinlichkeit α, Hypothese H 0 soll gelten: µ = µ 0. x Stichprobenwert: z st x μ σ 0 = n Grenzwert z 1-α aus F(z) bestimmen! µ > µ 0 µ < µ 0 µ µ 0 10
11 3. Signifikanztests 3.1 Test für den Mittelwert µ bei bekannter Varianz σ (z-test) Stichprobe vom Umfang n, Mittelwert, Irrtumswahrscheinlichkeit α, Hypothese H 0 soll gelten: µ = µ 0. x μ0 zst = n Stichprobenwert: σ wird berechnet aus Messdaten! x Grenzwert z 1-α aus F(z) bestimmen! Bei Alternativhypothese: µ > µ 0 H o annehmen für: z st z 1-α µ < µ 0 z st z 1-α µ µ 0 z α/ z st z 1-α/ 11
12 3. Test für den Mittelwert bei unbekannter Varianz σ (s bekannt) (t-test) Dieser Fall liegt gewöhnlich bei Messaufgaben vor! Es liegt eine Stichprobe vom Umfang n vor. Mittelwert und Standardabweichung s der Stichprobe werden daraus berechnet. Die Prüfgröße ist hier: x µ x µ t = = n s/ n s t genügt der STUDENT-Verteilung. Diese ist tabelliert und hängt vom Parameter Freiheitsgrad (n-1) ab. Auch die Grenzwerte der kumulativen (d.h. integrierten) STUDENT-Verteilung sind tabelliert: x 1
13 3. Test für den Mittelwert bei unbekannter Varianz σ (s bekannt) (Grenzwerte der STUDENT-Verteilung) Freiheitsgrade Flächen F(t) f 0,90 0,95 0,975 0,99 0,995 0, ,08 6,31 1,71 31,8 63,66 318,9 1,89,9 4,30 6,96 9,9,33 3 1,64,35 3,18 4,54 5,84 10,1 4 1,53,13,78 3,75 4,60 7,17 5 1,48,0,57 3,36 4,03 5,89 6 1,44 1,94,45 3,14 3,71 5,1 7 1,41 1,89,36 3,00 3,50 4,79 8 1,40 1,86,31,90 3,36 4,50 9 1,38 1,83,6,8 3,5 4, ,37 1,81,3,76 3,17 4, ,34 1,75,13,60,95 3,73 0 1,33 1,7,09,53,85 3, ,9 1,66 1,98,36,63 3, ,9 1,65 1,97,35,60 3, ,8 1,65 1,96,33,58 3,09 1-α/ Sicherheitswahrscheinlichkeit 13
14 3. Test für den Mittelwert bei unbekannter Varianz σ (s bekannt) Beispiel: Zweiseitiger Test In der Eingangskontrolle einer Maschinenbaufirma werden die Innendurchmesser von Kugellagern vermessen. Im Rahmen einer Stichprobenerhebung wurden 30 Lager einer Lieferung vermessen. Als Mittelwert ergab sich der Innendurchmesser 30,03 mm; die Standardabweichung wurde zu 0,09 mm gemessen. Zu testen ist, ob mit einer Irrtumswahrscheinlichkeit von 5% behauptet werden kann, dass der Sollwert 30,00 mm eingehalten wird? Bei Alternativhypothese µ µ 0 : H o annehmen für t α/ t st t 1-α/ µ? µ 0 14
15 3. Test für den Mittelwert bei unbekannter Varianz σ (s bekannt) Beispiel: Zweiseitiger Test In der Eingangskontrolle einer Maschinenbaufirma werden die Innendurchmesser von Kugellagern vermessen. Im Rahmen einer Stichprobenerhebung wurden 30 Lager einer Lieferung vermessen. Als Mittelwert ergab sich der Innendurchmesser 30,03 mm; die Standardabweichung wurde zu 0,09 mm gemessen. Zu testen ist, ob mit einer Irrtumswahrscheinlichkeit von 5% behauptet werden kann, dass der Sollwert 30,00 mm eingehalten wird? Stichprobe: x= 30, 03mm n= 30 s= 0,1 mm t =? st Testparameter: µ 0 = 30,0 mm α = 0,05 f = n 1= 9 t =? krit t St ( μ ) ( 30, 03 30) x n mm = = 30 = 1,86 s 0,09 mm Tabelle 15
16 3. Test für den Mittelwert bei unbekannter Varianz σ (s bekannt) (Grenzwerte der STUDENT-Verteilung) Freiheitsgrade Flächen F(t) f 0,90 0,95 0,975 0,99 0,995 0, ,08 6,31 1,71 31,8 63,66 318,9 1,89,9 4,30 6,96 9,9,33 3 1,64,35 3,18 4,54 5,84 10,1 4 1,53,13,78 3,75 4,60 7,17 5 1,48,0,57 3,36 4,03 5,89 6 1,44 1,94,45 3,14 3,71 5,1 7 1,41 1,89,36 3,00 3,50 4,79 8 1,40 1,86,31,90 3,36 4,50 9 1,38 1,83,6,8 3,5 4, ,37 1,81,3,76 3,17 4, ,34 1,75,13,60,95 3,73 0 1,33 1,7,09,53,85 3, ,9 1,66 1,98,36,63 3, ,9 1,65 1,97,35,60 3, ,8 1,65 1,96,33,58 3,09 1-α/ Sicherheitswahrscheinlichkeit t krit =,045 16
17 3. Test für den Mittelwert bei unbekannter Varianz σ (s bekannt) Beispiel: Zweiseitiger Test In der Eingangskontrolle einer Maschinenbaufirma werden die Innendurchmesser von Kugellagern vermessen. Im Rahmen einer Stichprobenerhebung wurden 30 Lager einer Lieferung vermessen. Als Mittelwert ergab sich der Innendurchmesser 30,03 mm; die Standardabweichung wurde zu 0,09 mm gemessen. Zu testen ist, ob mit einer Irrtumswahrscheinlichkeit von 5% behauptet werden kann, dass der Sollwert 30,00 mm eingehalten wird? Stichprobe: x= 30, 03mm n= 30 s= 0,1mm t = 1,86 st Testparameter: µ 0 = 30,0 mm α = 0,05 f = n 1= 9 t = ±,045 krit Der Vergleich des Stichprobenwertes t St mit dem Grenzwert t krit liefert das Testergebnis: Da t st =1,86 im Intervall zwischen dem unteren (-,045) und dem oberen (,045) kritischen Wert aus der t-tabelle liegt, wird die Nullhypothese angenommen. Mit einer Irrtumswahrscheinlichkeit von 5% kann behauptet werden, dass der Mittelwert 30 mm für den Innendurchmesser eingehalten wird. 17
18 3.3 Test für den Vergleich zweier Mittelwerte (t-test) x x Frage: Stammen Stichprobenmittelwerte und aus der gleichen 1 Grundgesamtheit oder nicht? (n 1 =n ). t x x 1 = s1 + s n Prüfgröße ist prüf Nullhypothese H 0 : µ 1 = µ Freiheitsgrade: f = (n-1) 18
19 3.3 Test für den Vergleich zweier Mittelwerte (t-test) Beispiel für zweiseitigen Test Hierzu ein Beispiel: Zur Überprüfung der Reproduzierbarkeit einer bei Abkühlversuchen benutzten Messmethode wurden zwei Versuchsreihen V1 und V angestellt. Die Temperaturmittelwerte unterscheiden sich. Ist der Unterschied der Mittelwerte dieser gemessenen Temperaturen signifikant? ( Zweiseitiger Test mit Irrtumswahrscheinlichkeit 5 %). Temperaturen beim Abkühlversuch [ C] V1 106,9 106,3 107,0 106,0 104,9 V 106,5 106,7 106,8 106,1 105,6 Stichprobe: n=5 Testparameter: f=8 x x t = 106, s = 0, st = 106,34 s = 0, x x 1 = n = s1 + s ( 1) 0,74 α = 0,05 =±,306 t krit 19
20 3.3 Test für den Vergleich zweier Mittelwerte (t-test) Beispiel für zweiseitigen Test Stichprobe: Testparameter: t = 0, 74 t = ±,306 st krit Einseitiger Test Einseitiger Test Zweiseitiger Test Nullhypothese H 0 µ 1 = µ µ 1 = µ µ 1 = µ Alternativhypothese H 1 µ 1 > µ µ 1 < µ µ 1 # µ t krit unten -1,860 -,306 t krit oben 1,860,306 Test-Ergebnis H 0 annehmen H 0 annehmen H 0 annehmen Da die Prüfgröße (t-wert der Stichprobe) zwischen den kritischen Werten der t -Verteilung liegt, wird die Nullhypothese angenommen. Der beobachtete Unterschied der Mittelwerte der beiden Stichproben ist mit 95%iger Sicherheit nicht signifikant. 0
21 3.4 Ein weiteres Beispiel für den t-test Frage: Es wird eine Entscheidungsregel gesucht, ob die Münze fair ist. 64 Münzwürfe sind möglich, das Signifikanzniveau soll 5% sein. Dazu betrachten wir wieder die tabellierten Grenzwerte der STUDENT-Verteilung: Freiheitsgrade f ,90 3,08 1,89 1,64 1,53 1,48 0,95 6,31,9,35,13,0 Flächen F(t) 0,975 0,99 1,71 31,8 4,30 6,96 3,18 4,54,78 3,75,57 3,36 0,995 63,66 9,9 5,84 4,60 4,03 0, ,9,33 10,1 7,17 5,89 6 1,44 1,94,45 3,14 3,71 5,1 7 1,41 1,89,36 3,00 3,50 4,79 8 1,40 1,86,31,90 3,36 4,50 9 1,38 1,83,6,8 3,5 4, ,37 1,81,3,76 3,17 4, ,34 1,75,13,60,95 3,73 0 1,33 1,7,09,53,85 3, ,9 1,66 1,98,36,63 3, ,9 1,65 1,97,35,60 3, ,8 1,65 1,96,33,58 3,09 µ = 64 ½ = 3, σ = 4, t =? Wenn die Kopfzahl zwischen 3 ± t σ = 3 ± 4 = (4.. 40) liegt, ist mit 95% Sicherheit die Münze fair. 1
22 3.4 Ein weiteres Beispiel für den t-test Frage: Es wird eine Entscheidungsregel gesucht, ob die Münze fair ist. 64 Münzwürfe sind möglich, das Signifikanzniveau soll 5% sein. Zahl der Meßwerte für statistische Sicherheit von 68% 95% 99% t 1-α (!) µ = 64 ½ = 3, σ = 4, t Wenn die Kopfzahl zwischen 3 ± t σ = 3 ± 4 = (4.. 40) liegt, so ist mit 95% Sicherheit die Münze fair.
23 4. Anpassungstest Problem: Gehören die Meßwerte einer Messreihe zu einer bestimmten Verteilungsfunktion? Antwort: Chi-Quadrat-Test durchführen - Messwerte y werden in M Gruppen zusammengefaßt. - Messwerte: y i erwartete bzw. berechnete Werte: Y i - Definition der Merit-Funktion χ M beobachteter Wert erwarteter Wert = 1 Standardabweichung y i Y i Die Standardabweichung innerhalb einer Gruppe kann als Ergebnis einer Zählstatistik (Poissonverteilung!) angenommen werden. d.h. Varianz = (Standardabweichung) = erwarteter Wert Y i χ i =1..M 3
24 4. Anpassungstest Problem: Gehören die Meßwerte einer Messreihe zu einer bestimmten Verteilungsfunktion? Antwort: Chi-Quadrat-Test - Messwerte y werden in M Gruppen zusammengefaßt. - Messwerte: y i erwartete bzw. berechnete Werte: Y i - Definition der Merit-Funktion χ y i Y i i =1..M χ M (yi Y) i χ = Y ist ein Maß dafür, wie gut die unsicheren Messwerte der angenommenen Verteilungsfunktion entsprechen. χ i= 1 Je größer, desto unwahrscheinlicher ist es, dass die Messwerte der Verteilungsfunktion entsprechen. i 4
25 4.1 Chi-Quadrat-Verteilung 1) Messwerte sind in M Klassen sortiert: M> 6, mehr als 5 Messwerte pro Klasse! ) Aus Stichprobe sind K Parameter zu berechnen 3) Zahl der Freiheitsgrade v : v = M K 1 4) Die Verteilungsfunktion für χ ist: P( χ, ν) ν χ χ e / = ν / Γ ( ν /) P( χ) v=4 v=6 v=0 Fazit: Kleine und große χ sind unwahrscheinlich, wenn die Verteilungsfunktion stimmen soll! χ 5
26 4.1 Chi-Quadrat-Verteilung Prüfgröße: χ St M = i= 1 ( y Y ) i Y i i Die Prüfgröße χ ist bei ausreichend vielen y i annähernd χ verteilt mit M-K-1 Freiheitsgraden. Wenn die Nullhypothese wahr ist, sollte der Unterschied zwischen der beobachteten und der theoretisch erwarteten Häufigkeit klein sein. Dazu wird eine kritische Prüfgröße χ krit bestimmt. Bei einem Signifikanzniveau α wird H o angenommen, wenn χ krit χ χ α ( 1, 1) St krit M K Man sagt: ist das (1-α)-Quantil der -Verteilung mit M-K-1 Freiheitsgraden. χ krit Es existieren Tabellen für die -Schwellenwerte in Abhängigkeit von der Anzahl der Freiheitsgrade ν und vom gewünschten Signifikanzniveau α. χ 6
27 4.1 Chi-Quadrat-Verteilung Wie funktioniert der Chi-Quadrat-Test? P(χ) v=4 v=6 v=0 Zufallswerte genügen der angenommenen Verteilungsfunktion, wenn χ χ exp krit χ W = P( χ ) dχ χ exp χ exp χ krit Es ist tabelliert: χ krit ( 1 a, ν ) Das Integral W(χ exp ) sollte größer als 5% sein! 7
28 4. Freiheitsgrade ein Beispiel v = Anzahl der beobachteten Daten Anzahl der aus den Daten berechneten Parameter d.h. Anzahl der Freiheitsgrade = Anzahl der Klassen Anzahl der Zwangsbedingungen -1 Beispiel: 100 γ-messungen mit Zählrohr. Frage: liegt hier Poisson-Verteilung vor? Zählwert Häufigkeit Klassennummer Beobachtung Erwartung Summe 100 8
29 4. Freiheitsgrade ein Beispiel Achtung: Mindestsen 6 Klassen, Zusammenfassung aller Zählwerte mit kleiner Häufigkeit in einer einzigen Klasse. Zählwert Häufigkeit Klassennummer Beobachtung Erwartung Summe 100 9
30 4. Freiheitsgrade ein Beispiel Zur Berechnung der erwarteten Werte nach der Poisson-Verteilung brauchen wir dem Mittelwert : m =,59 Wegen Poisson-Verteilung ist die Standardabweichung s = m = 1, 61 Zählwert Häufigkeit Klassennummer Beobachtung Erwartung , , , , , Summe ,1 30
31 Dichte f( χ ) der χ Verteilung 0,5 0,0 0,15 Dichte f(χ ) der χ -Verteilung f = 4 0,10 0,05 0, χ χ Kumulierte Verteilung = F( χ ) 1,0 0,8 0,6 0,4 0, Die kumulierte χ -Verteilung F(χ ) (Linksseitige Flächenanteile F(χ²) unter der Dichte f(χ²)) f = 4 0, χ² 31
32 4. Freiheitsgrade ein Beispiel 6 Klassen Zwangsbedingungen: - Summe der Klassenhäufigkeiten (hier 100) - Mittelwert der Poisson-Verteilung Freiheitsgrade: ν = 6 - = 4 exp χ exp = 1, 4 χkrit = 9,5 χ Damit ist Hypothese der Poisson-Verteilung gerechfertigt 3
33 4.3 Beispiel: Lottozahlen Sind die gezogenen LOTTO-Zahlen gleichverteilt? Zur Prüfung wurden die Zahlen aus Ziehungen ausgewertet Nullhypothese: Gleichverteilung mit H i = χ exp = Prüfgröße: Testgröße (95%, ν=48) gesucht! 33
34 Bestimmung der Testgröße aus der F( χ ) -Tabelle v F(x ) 0,9 0,95 0,975 0,99 0,995 0,999 Wahrscheinlichkeit 1,71 3,84 5,0 6,63 7,88 10,83 4,61 5,99 7,38 9,1 10,60 13,8 3 6,5 7,81 9,35 11,34 1,84 16,7 4 7,78 9,49 11,14 13,8 14,86 18,47 5 9,4 11,07 1,83 15,09 16,75 0, ,55 1,03 3,34 6, 8,30 3, ,81,36 4,74 7,69 9,8 34, ,06 3,68 6,1 9,14 31,3 36,1 15,31 5,00 7,49 30,58 3,80 37, ,54 6,30 8,85 3,00 34,7 39,5 17 4,77 7,59 30,19 33,41 35,7 40, ,99 8,87 31,53 34,81 37,16 4, ,0 30,14 3,85 36,19 38,58 43,8 0 8,41 31,41 34,17 37,57 40,00 45, ,6 43,77 46,98 50,89 53,67 59, ,81 55,76 59,34 63,69 66,77 73, ,17 67,50 71,4 76,15 79,49 86, ,40 79,08 83,30 88,38 91,95 99, ,53 90,53 95,0 100,43 104,1 11, ,58 101,88 106,63 11,33 116,3 14, ,57 113,15 118,14 14,1 18,30 137, ,50 14,34 19,56 135,81 140,17 149,45 ( P ) χ ν = 48, = 95% = 65 34
35 4.3 Beispiel: Lottozahlen Sind die gezogenen LOTTO-Zahlen gleichverteilt? Zur Prüfung wurden die Zahlen aus Ziehungen ausgewertet Nullhypothese: Gleichverteilung mit H i = Prüfgröße: χ st = Testgröße (95%, ν=48) χ = χ χ exp 0.95 Wegen kann die Nullhypothese angenommen werden ,0 35
36 4.3 Beispiel: Fahrspuren Auf einer 4-spurigen Autobahn werden die Fahrzeuge pro Spur gezählt (n=1000). Frage: Bevorzugen die Fahrer eine Fahrbahn? Spur Fahrzeuge Nullhypothese : Die 1000 Fahrer bevorzugen keine Spur, d.h. P i = ¼, H i = 50 Prüfgröße: (94 50) (76 50) (38 50) (19 50) χst = Wegen χ χ wird die Nullhypothese mit 95% Sicherheit abgelehnt. Test ν Testgröße für: =3, P =! 95% 0,95 = 4,48 χ Test (3; 95%) = 7,8 36
37 Literatur H.Gränicher, Messung beendet was nun?, Teubner 1994.R.Spiegel, L.J.Stephens, Statistik, McCraw_Hill 1999 T.Elser, Statistik für die Praxis, Wiley 004 L.Squires, Messergebnisse und ihre Auswertung, 1971 J.Mandel, The statistical analysis of experimental data, 1984 M.Drosg, Umgang mit Unsicherheiten, facultas 006 L.Kirkup, B.Frenkel, Uncertainty in Measurements, Cambridge 006 J.R.Taylor, Fehleranalyse VCH 1988 DIN 1319, Teil 3 und 4 DIN 55350, Teil 13 Messunsicherheiten Messunsicherheiten 37
Auswertung von Messungen Teil II
Auswertung von Messungen Teil II 1. Grundgesamtheit und Stichprobe. Modellverteilungen.1 Normalverteilung. Binominalverteilung.3 Poissonverteilung.4 Näherungen von Binominal- und Poissonverteilung 3. Zentraler
Mehr3) Testvariable: T = X µ 0
Beispiel 4.9: In einem Molkereibetrieb werden Joghurtbecher abgefüllt. Der Sollwert für die Füllmenge dieser Joghurtbecher beträgt 50 g. Aus der laufenden Produktion wurde eine Stichprobe von 5 Joghurtbechern
MehrZweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz
Grundlage: Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz Die Testvariable T = X µ 0 S/ n genügt der t-verteilung mit n 1 Freiheitsgraden. Auf der Basis
Mehr5. Seminar Statistik
Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation
MehrWahrscheinlichkeit 1-α: richtige Entscheidung - wahrer Sachverhalt stimmt mit Testergebnis überein. Wahrscheinlichkeit α: falsche Entscheidung -
wahrer Sachverhalt: Palette ist gut Palette ist schlecht Entscheidung des Tests: T K; Annehmen von H0 ("gute Palette") positive T > K; Ablehnen von H0 ("schlechte Palette") negative Wahrscheinlichkeit
Mehr1.3 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
MehrJost Reinecke. 7. Juni 2005
Universität Bielefeld 7. Juni 2005 Testtheorie Test für unabhängige Stichproben Test für abhängige Stichproben Testtheorie Die Testtheorie beinhaltet eine Reihe von Testverfahren, die sich mit der Überprüfung
MehrAuswertung von Messungen Teil I
Auswertung von Messungen Teil I 1. Ergebnisdarstellung. Rechnen mit Messwerten - Signifikante Stellen 3. Linearisierung 4. Ausgleichsgerade - lineare Regression 5. Messabweichungen 6. Häufigkeitsverteilung
MehrModul 141 Statistik. 1. Studienjahr 11. Sitzung Signifikanztests
Modul 141 Statistik 1. Studienjahr 11. Sitzung Signifikanztests Inhalt der 11. Sitzung 1. Parametrische Signifikanztests 2. Formulierung der Hypothesen 3. Einseitige oder zweiseitige Fragestellung 4. Signifikanzniveau
MehrWahrscheinlichkeitsrechnung 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
MehrWahrscheinlichkeitsrechnung 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
MehrTest auf einen Anteilswert (Binomialtest) Vergleich zweier Mittelwerte (t-test)
Spezielle Tests Test auf einen Anteilswert (Binomialtest) Vergleich zweier Anteilswerte Test auf einen Mittelwert (Ein-Stichproben Gauss bzw. t-test) Vergleich zweier Mittelwerte (t-test) Test auf einen
MehrBeurteilende Statistik
Beurteilende Statistik Wahrscheinlichkeitsrechnung und Beurteilende Statistik was ist der Unterschied zwischen den beiden Bereichen? In der Wahrscheinlichkeitstheorie werden aus gegebenen Wahrscheinlichkeiten
Mehr4.1. Nullhypothese, Gegenhypothese und Entscheidung
rof. Dr. Roland Füss Statistik II SS 8 4. Testtheorie 4.. Nullhypothese, Gegenhypothese und Entscheidung ypothesen Annahmen über die Verteilung oder über einzelne arameter der Verteilung eines Merkmals
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 11. Vorlesung Jochen Köhler 10.05.011 1 Inhalt der heutigen Vorlesung Zusammenfassung Parameterschätzung Übersicht über Schätzung und Modellbildung Modellevaluation
Mehra) Man bestimme ein 95%-Konfidenzintervall für den Anteil der Wahlberechtigten, die gegen die Einführung dieses generellen
2) Bei einer Stichprobe unter n=800 Wahlberechtigten gaben 440 an, dass Sie gegen die Einführung eines generellen Tempolimits von 100km/h auf Österreichs Autobahnen sind. a) Man bestimme ein 95%-Konfidenzintervall
MehrAllgemeines zu Tests. Statistische Hypothesentests
Statistische Hypothesentests Allgemeines zu Tests Allgemeines Tests in normalverteilten Grundgesamtheiten Asymptotische Tests Statistischer Test: Verfahren Entscheidungsregel), mit dem auf Basis einer
Mehr3.Wiederholung: Toleranzbereiche Für EX Geg:
3.Wiederholung: Toleranzbereiche Für EX Geg: Vl. 24.2.2017 Schätzfunktion für Güte: Ist X Problem: Feb 17 13:21 > Wir berechnen Bereiche (Toleranzbereiche) für sind untere und obere Grenzen, berechnet
MehrTESTEN VON HYPOTHESEN
TESTEN VON HYPOTHESEN 1. Beispiel: Kann ein neugeborenes Küken Körner erkennen oder lernt es dies erst durch Erfahrung? Um diese Frage zu entscheiden, wird folgendes Experiment geplant: Sobald das Küken
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften t-test Varianzanalyse (ANOVA) Übersicht Vergleich von Mittelwerten 2 Gruppen: t-test einfaktorielle ANOVA > 2 Gruppen: einfaktorielle ANOVA Seeigel und
MehrAnpassungstests VORGEHENSWEISE
Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
MehrKonfidenzintervall für den Anteilswert θ. Konfidenzintervalle. Jost Reinecke. Universität Bielefeld. 13. Juni 2005
Universität Bielefeld 13. Juni 2005 Einführung Einführung Wie kann die Kenntnis der Wahrscheinlichkeitsverteilung der Parameter einer Stichprobe dazu verhelfen auf die wahren Werte der Grundgesamtheit
MehrZusammenfassung PVK Statistik
Zusammenfassung PVK Statistik (Diese Zusammenfassung wurde von Carlos Mora erstellt. Die Richtigkeit der Formeln ist ohne Gewähr.) Verteilungen von diskreten Zufallsvariablen Beschreibung Binomialverteilung
MehrMessen, Messabweichungen, Messungenauigkeiten, Messfehler
Messen, Messabweichungen, Messungenauigkeiten, Messfehler . Fehlerrechnung . Wie exakt (glaubwürdig) ist meine Messung? 1. Ablesen von Messwerten Jede Messung hat eine Ungenauigkeit Winkelmessungen Längenmessungen
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg. für Betriebswirtschaft und internationales Management
für Betriebswirtschaft und internationales Management Sommersemester 2015 Prof. Dr. Stefan Etschberger Hochschule Augsburg Testverteilungen Chi-Quadrat-Verteilung Sind X 1,..., X n iid N(0; 1)-verteilte
Mehr2. Formulieren von Hypothesen. Nullhypothese: H 0 : µ = 0 Gerät exakt geeicht
43 Signifikanztests Beispiel zum Gauß-Test Bei einer Serienfertigung eines bestimmten Typs von Messgeräten werden vor der Auslieferung eines jeden Gerätes 10 Kontrollmessungen durchgeführt um festzustellen,
MehrAussagen hierzu sind mit einer unvermeidbaren Unsicherheit behaftet, die statistisch über eine Irrtumswahrscheinlichkeit bewertet wird.
Stichprobenumfang Für die Fragestellung auf Gleichheit von ein oder zwei Stichproben wird auf Basis von Hypothesentests der notwendige Stichprobenumfang bestimmt. Deshalb werden zunächst die Grundlagen
MehrHypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests
ue biostatistik: hypothesen, fehler 1. und. art, power 1/8 h. lettner / physik Hypothesen: Fehler 1. und. Art, Power eines statistischen Tests Die äußerst wichtige Tabelle über die Zusammenhänge zwischen
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und
Mehr1. Grundbegri e der Stochastik
Wiederholung von Grundwissen der Stochastik. Grundbegri e der Stochastik Menge der Ereignisse. Die Elemente! der Menge heißen Elementarereignisse und sind unzerlegbare Ereignisse. Das Ereignis A tritt
MehrStatistik III. Methodologie der Psychologie
Statistik III Methodologie der Psychologie Thomas Schmidt & Lena Frank Wintersemester 2003/2004 Georg-Elias-Müller-Institut für Psychologie Uni Göttingen Literatur: Glantz, S.A. (2002). Primer of Biostatistics.
MehrForschungsmethodik II Mag.rer.nat. M. Kickmeier-Rust Karl-Franzens-Universität Graz. Lisza Gaiswinkler, Daniela Gusel, Tanja Schlosser
Kolmogorov-Smirnov-Test Forschungsmethodik II Mag.rer.nat. M. Kickmeier-Rust Karl-Franzens-Universität Graz 1 Kolmogorov- Smirnov Test Andrei Nikolajewitsch Kolmogorov * 25.4.1903-20.10.1987 2 Kolmogorov-
MehrKapitel 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
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 12.5.2006 1 Test auf Anteilswert: Binomialtest Sei eine Stichprobe unabhängig, identisch verteilter ZV (i.i.d.). Teile diese Stichprobe in zwei Teilmengen
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 41 Übersicht Struktur eines Hypothesentests Stichprobenverteilung t-test: Einzelner-Parameter-Test F-Test: Multiple lineare Restriktionen 2 / 41 Struktur
MehrInferenzstatistik (=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
Mehr825 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
MehrMathematische und statistische Methoden II
Statistik & 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
MehrGegeben 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
MehrBasisprüfung B. Sc. FS 2009
Basisprüfung B. Sc. Statistik und Wahrscheinlichkeitsrechnung FS 2009 (Als Tafelübung im FS 2011, Aufgabe 1c leicht abgeändert) Prof. Dr. M. H. Faber ETH Zürich Montag, 17. August 2009 14:00 16:00 Inhalt
MehrStatistische Messdatenauswertung
Roland Looser Statistische Messdatenauswertung Praktische Einführung in die Auswertung von Messdaten mit Excel und spezifischer Statistik-Software für naturwissenschaftlich und technisch orientierte Anwender
MehrWahrscheinlichkeit und Statistik BSc D-INFK
Prof. Dr. P. Bühlmann ETH Zürich Sommer 2010 Wahrscheinlichkeit und Statistik BSc D-INFK 1. (10 Punkte) Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete
MehrTutorial: Anpassungstest
Tutorial: Anpassungstest An einem Institut gibt es vier UniversitätslehrerInnen, die auch Diplomarbeiten betreuen. Natürlich erfordert die Betreuung einer Diplomarbeit einiges an Arbeit und Zeit und vom
MehrStatistische Tests funktionieren generell nach obigem Schema; der einzige Unterschied besteht in der unterschiedlichen Berechnung der Testgröße.
Statistische Tests Testen von Hypothesen Fehlerarten wichtigste statistische Tests Hypothesen Jeder statistische Test beruht auf der Widerlegung einer zuvor aufgestellten Hypothese. Die Widerlegung ist
MehrProbeklausur 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
MehrVergleich von Parametern zweier Stichproben
Vergleich von Parametern zweier Stichproben Vergleich von Mittelwerten bei gebundenen Stichproben Vergleich von Mittelwerten bei unabhängigen Stichproben Vergleich von Varianzen bei unabhängigen Stichproben
Mehr1.8 Kolmogorov-Smirnov-Test auf Normalverteilung
1.8 Kolmogorov-Smirnov-Test auf Normalverteilung Der Kolmogorov-Smirnov-Test ist einer der klassischen Tests zum Überprüfen von Verteilungsvoraussetzungen. Der Test vergleicht die Abweichungen der empirischen
MehrStatistik für Naturwissenschaftler
Hans Walser Statistik für Naturwissenschaftler 9 t-verteilung Lernumgebung Hans Walser: 9 t-verteilung ii Inhalt 1 99%-Vertrauensintervall... 1 2 95%-Vertrauensintervall... 1 3 Akkus... 2 4 Wer ist der
MehrTesten von Hypothesen:
Testen von Hypothesen: Ein Beispiel: Eine Firma produziert Reifen. In der Entwicklungsabteilung wurde ein neues Modell entwickelt, das wesentlich ruhiger läuft. Vor der Markteinführung muss aber auch noch
Mehr6. Übung Statistische Tests Teil 1 (t-tests)
Querschnittsbereich 1: Epidemiologie, Medizinische iometrie und Medizinische Informatik - Übungsmaterial - Erstellt von Mitarbeitern des IMISE und des ZKS Leipzig 6. Übung Statistische Tests Teil 1 (t-tests)
MehrStatistics, Data Analysis, and Simulation SS 2017
Mainz, 8. Juni 2017 Statistics, Data Analysis, and Simulation SS 2017 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Dr. Michael O. Distler
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrStatistik II. Weitere Statistische Tests. Statistik II
Statistik II Weitere Statistische Tests Statistik II - 19.5.2006 1 Überblick Bisher wurden die Test immer anhand einer Stichprobe durchgeführt Jetzt wollen wir die statistischen Eigenschaften von zwei
MehrKlausur Statistik 2 RE Statistik für Soziologen Do,
Klausur Statistik 2 RE Statistik für Soziologen Do, 24. 9. 2009 Name...Vorname... Matrikelnummer... Einsichtnahme: Fr, 2. Oktober BITTE DEUTLICH UND LESERLICH SCHREIBEN! Es wird nur gewertet, was in diesem
MehrBiometrieübung 5 Spezielle Verteilungen. 1. Anzahl von weiblichen Mäusen in Würfen von jeweils 4 Mäusen
Biometrieübung 5 (Spezielle Verteilungen) - Aufgabe Biometrieübung 5 Spezielle Verteilungen Aufgabe 1. Anzahl von weiblichen Mäusen in Würfen von jeweils 4 Mäusen Anzahl weiblicher Mäuse (k) Anzahl Würfe
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 5.5.2006 1 Ausgangslage Wir können Schätzen (z.b. den Erwartungswert) Wir können abschätzen, wie zuverlässig unsere Schätzungen sind: In welchem Intervall
MehrT-Test für unabhängige Stichproben
T-Test für unabhängige Stichproben Wir gehen von folgendem Beispiel aus: Wir erheben zwei Zufallstichproben, wobei nur die Probanden der einen Stichprobe einer speziellen experimentellen Behandlung (etwa
MehrExperimentelle Methoden der Teilchenphysik Sommersemester 2011/2012 Albert-Ludwigs-Universität Freiburg
Experimentelle Methoden der Teilchenphysik Sommersemester 2011/2012 Albert-Ludwigs-Universität Freiburg Prof. Markus Schumacher Physikalisches Institut, Westbau, 2. OG Raum 008 Telefon 07621 203 7612 E-Mail:
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage
MehrMittelwertvergleiche, Teil I: Zwei Gruppen
FB W. Ludwig-Mayerhofer Statistik II Mittelwertvergleiche Herzlich willkommen zur Vorlesung Mittelwertvergleiche, Teil I: Zwei Gruppen FB W. Ludwig-Mayerhofer Statistik II Mittelwertvergleiche Mittelwertvergleiche:
MehrPrüfgröße: Ist die durch eine Schätzfunktion zugeordnete reelle Zahl (etwa Mittelwert 7 C).
Statistik Grundlagen Charakterisierung von Verteilungen Einführung Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsverteilungen Schätzen und Testen Korrelation Regression Einführung Aus praktischen Gründen
MehrMacht des statistischen Tests (power)
Macht des statistischen Tests (power) Realer Treatment ja Ergebnis der Studie H 0 verworfen statistisch signifikant O.K. Macht H 0 beibehalten statistisch nicht signifikant -Fehler Effekt nein -Fehler
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests Nach Verteilungsannahmen: verteilungsabhängig: parametrischer [parametric] Test verteilungsunabhängig: nichtparametrischer [non-parametric] Test Bei parametrischen Tests
MehrStatistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg
Statistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg Prof. Markus Schumacher, Dr. Stan Lai Physikalisches Institut Westbau 2 OG E-Mail: Markus.Schumacher@physik.uni-freiburg.de
MehrDie Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
MehrDie Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
MehrAnalytische Statistik II
Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Das Testen von Hypothesen Während die deskriptive Statistik die Stichproben nur mit Hilfe quantitativer Angaben charakterisiert,
MehrPrüfung aus Statistik 2 für SoziologInnen
Prüfung aus Statistik 2 für SoziologInnen 11. Oktober 2013 Gesamtpunktezahl =80 Name in Blockbuchstaben: Matrikelnummer: Wissenstest (maximal 16 Punkte) Kreuzen ( ) Sie die jeweils richtige Antwort an.
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 20. Januar 2011 1 Der F -Test zum Vergleich zweier Varianzen 2 Beispielhafte Fragestellung Bonferroni-Korrektur
MehrHypothesenprüfung. Darüber hinaus existieren zahlreiche andere Testverfahren, die alle auf der gleichen Logik basieren
Hypothesenprüfung Teil der Inferenzstatistik Befaßt sich mit der Frage, wie Hypothesen über eine (in der Regel unbekannte) Grundgesamtheit an einer Stichprobe überprüft werden können Behandelt werden drei
MehrKonfidenzintervalle. Gesucht: U = U(X 1,..., X n ), O = O(X 1,..., X n ), sodass für das wahre θ gilt
Konfidenzintervalle Annahme: X 1,..., X n iid F θ. Gesucht: U = U(X 1,..., X n ), O = O(X 1,..., X n ), sodass für das wahre θ gilt P θ (U θ O) = 1 α, α (0, 1). Das Intervall [U, O] ist ein Konfidenzintervall
MehrFit 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
MehrProf. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006 Hypothesentesten, Fehlerarten und Güte 2 Literatur Kreyszig: Statistische Methoden und ihre Anwendungen, 7.
MehrMathematik 2 für Naturwissenschaften
Hans Walser Mathematik 2 für Naturwissenschaften 2 3 3 4 6 4 5 0 0 5 6 5 20 5 6 Tabellen (leicht gekürzte Version) Hans Walser: Tabellen ii Inhalt Binomische Verteilung.... Binomische Verteilung (ohne
Mehr7. Übung: Aufgabe 1. b), c), e) Aufgabe 2. a), c), e) Aufgabe 3. c), e) Aufgabe 4. Aufgabe 5. Aufgabe 6. Aufgabe 7. Aufgabe 8. Aufgabe 9.
7. Übung: Aufgabe 1 b), c), e) Aufgabe a), c), e) Aufgabe 3 c), e) Aufgabe 4 b) Aufgabe 5 a) Aufgabe 6 b) Aufgabe 7 e) Aufgabe 8 c) Aufgabe 9 a), c), e) Aufgabe 10 b), d) Aufgabe 11 a) Aufgabe 1 b) Aufgabe
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 12. Januar 2011 1 Vergleich zweier Erwartungswerte Was heißt verbunden bzw. unverbunden? t-test für verbundene Stichproben
MehrHerzlich willkommen zur Vorlesung Statistik
FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkommen zur Vorlesung Statistik Zusammenhänge zwischen nominalen (und/oder ordinalen) Merkmalen: analyse und II: Signifikanztests und Maße der Assoziation
MehrStatistik 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
MehrWahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Prof. Dr. Michael Havbro Faber 8.04.009 1 Inhalt der heutigen Vorlesung Zusammenfassung der letzten Vorlesung Übersicht über Schätzung und Modellbildung Modellevaluation
MehrStetige 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
MehrMessung von Rendite und Risiko. Finanzwirtschaft I 5. Semester
Messung von Rendite und Risiko Finanzwirtschaft I 5. Semester 1 Messung von Renditen Ergebnis der Anwendung der Internen Zinsfuß- Methode ist die Rentabilität des Projekts. Beispiel: A0-100.000 ZÜ1 54.000
MehrVerteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen. Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung
Verteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung Typisierung der stetigen theoretischen Verteilungen Bibliografie:
MehrStatistik Zusätzliche Beispiele SS 2018 Blatt 3: Schließende Statistik
Statistik Zusätzliche Beispiele SS 2018 Blatt 3: Schließende Statistik 1. I Ein Personalchef führt so lange Vorstellungsgespräche durch bis der erste geeignete Bewerber darunter ist und stellt diesen an.
MehrStatistik II: Signifikanztests /1
Medien Institut : Signifikanztests /1 Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Noch einmal: Grundlagen des Signifikanztests 2. Der chi 2 -Test 3. Der t-test
MehrTesten von Hypothesen, Beurteilende Statistik
Testen von Hypothesen, Beurteilende Statistik Was ist ein Test? Ein Test ist ein Verfahren, mit dem man anhand von Beobachtungen eine begründete Entscheidung über die Gültigkeit oder Ungültigkeit einer
MehrHypothesentests. Hypothese Behauptung eines Sachverhalts, dessen Überprüfung noch aussteht.
Hypothese Behauptung eines Sachverhalts, dessen Überprüfung noch aussteht. Wissenschaftliche Vorgehensweise beim Hypothesentest Forscher formuliert eine Alternativhypothese H 1 (die neue Erkenntnis, die
Mehra) Wie hoch ist die Wahrscheinlichkeit, dass Vokale vorkommen, die länger als 140 ms sind?
Modul G 20.12.2007 Zur Hausaufgabe 3 Erkläre die folgenden Plots und Berechnungen zu Wahrscheinlichkeiten aus technischer und statistischer Sicht. a) Wie hoch ist die Wahrscheinlichkeit, dass Vokale vorkommen,
Mehr10. Die Normalverteilungsannahme
10. Die Normalverteilungsannahme Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Bisher haben wir vorausgesetzt, daß die Beobachtungswerte normalverteilt sind. In diesem Fall kann man
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
Mehr6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen
6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Bisher: Diskrete Zufallsvariablen,
MehrR. Brinkmann Seite
R. Brinkmann http://brinkmann-du.de Seite 1 24.2.214 Grundlagen zum Hypothesentest Einführung: Wer Entscheidungen zu treffen hat, weiß oft erst im nachhinein ob seine Entscheidung richtig war. Die Unsicherheit
MehrKapitel 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
MehrAnalyse von Querschnittsdaten. Signifikanztests I Basics
Analyse von Querschnittsdaten Signifikanztests I Basics Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Generalisierung kategoriale Variablen Datum 13.10.2004 20.10.2004 27.10.2004
Mehr