Konfidenzintervall für den Anteilswert θ. Konfidenzintervalle. Jost Reinecke. Universität Bielefeld. 13. Juni 2005

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Konfidenzintervall für den Anteilswert θ. Konfidenzintervalle. Jost Reinecke. Universität Bielefeld. 13. Juni 2005"

Transkript

1 Universität Bielefeld 13. Juni 2005

2 Einführung

3 Einführung Wie kann die Kenntnis der Wahrscheinlichkeitsverteilung der Parameter einer Stichprobe dazu verhelfen auf die wahren Werte der Grundgesamtheit zu schließen? Bekannte Größe: Stichprobenergebnis Unbekannte Größe: Wahrer Wert der Grundgesamtheit Beispiel Wahlprognose: Bei einem Teil der Wähler werden die Stimmenanteile für die Parteien ermittelt, die Stimmenanteile bei allen Wählern ist unbekannt.

4 Die Schätzung der Populationsparameter kann als Punktschätzung oder als Intervallschätzung vorgenommen werden. Eine Punktschätzung ist von der zufälligen Zusammensetzung der Stichprobe abhängig. Eine Intervallschätzung bedeutet, daß der Populationsparameter sich in einem Intervall mit einer Unterund Obergrenze befindet. Die Intervalle werden als oder Vertrauensintervalle bezeichnet. Sie können für alle möglichen Parameter der Grundgesamtheit (Mittelwert, Varianz, Regressionskoeffizienten) berechnet werden.

5 Zentraler Grenzwertsatz: Mittelwerte aus beliebigen Verteilungen folgen mit zunehmendem Stichprobenumfang einer Normalverteilung. Bei Kenntnis der Parameter der Grundgesamtheit (µ, σ 2 ) kann berechnet werden, wieviel Prozent der Stichprobenmittelwerte x in bestimmten Grenzen liegen Bei Kenntnis der Parameter der Grundgesamtheit (µ, σ 2 ) kann berechnet werden, in welchen Grenzen sich ein bestimmter Prozentsatz der Stichprobenmittelwerte x befindet. Dieser Prozentsatz gibt die Wahrscheinlichkeit an, mit der ein Stichprobenmittelwert in diesem Intervall zu erwarten ist. Wahrscheinlichkeitsintervalle: Bereiche, in denen Stichprobenmittelwerte mit einer gewissen Wahrscheinlichkeit liegen.

6 95%-Wahrscheinlichkeitsintervall einer Standardnormalverteilung % 2.5% 2.5% z Links vom u. Grenzwert sind 2,5% der Fläche: z 0,025 = 1, 96 Links vom o. Grenzwert sind 97,5% der Fläche: z 0,975 = +1, 96

7 Wahrscheinlichkeitsintervall einer Standardnormalverteilung α α/2 α/2 0.0 z α/2 0 z 1-α/2 z Die Wahrscheinlichkeit, daß ein Wert nicht in das Wahrscheinlichkeitsintervall fällt, wird mit α bezeichnet. Zweiseitige Intervalle mit den Grenzen z α/2 und z 1 α/2

8 Bei der Stichprobenmittelwerteverteilung handelt es sich um eine beliebige Normalverteilung. Daher müssen die Grenzen z α/2 und z 1 α/2 destandardisiert werden: z α/2 z = x µ σ x x = µ + z α/2 σ x (1) z 1 α/2 z = x µ σ x x = µ + z 1 α/2 σ x (2) Da die Verteilung symmetrisch ist, ist z α/2 = z 1 α/2 und die untere Grenze dann µ z 1 α/2 σ x. Das Wahrscheinlichkeitsintervall für eine Stichprobenmittelwerteverteilung lautet dann: µ z 1 α 2 σ x x µ + z 1 α 2 σ x (3)

9 Wahrscheinlichkeitsintervall einer Stichprobenmittelwerteverteilung α α/2 α/2 0.0 µ-z 1-α/2 σ x µ µ+z 1-α/2 σ x x

10 Beispiel: Altersverteilung der bundesrepublikanischen Bevölkerung Bekannte Parameter der Grundgesamtheit: µ = 37, 27 Jahre und σ = 22, 46 Jahre Fragestellung: Wenn Stichproben mit n = 1000 gezogen werden, in welchem Intervall befinden sich 95% der Stichprobenmittelwerte (d. h. Altersdurchschnitte)? α = 0, 05 µ z 1 α 2 1 α = 0, 95 σ n x µ + z 1 α 2 σ n

11 37,27 z 1 0, ,46 22,46 x 37,27 + z , ,27 z 0,975 22,46 22,46 x 37,27 + z 0, ,27 1,96 0,71 x 37,27 + 1,96 0,71 35,88 x 38,66 Der Altersdurchschnitt liegt zwischen 35,88 und 38,66 Jahren für 95% aller Stichproben.

12 Fazit: Bei bekannter Grundgesamtheit können Wahrscheinlichkeitsintervalle für Stichprobenmittelwerte berechnet werden. Frage: Kann man auf der Basis eines Stichprobenmittelwertes x ein Intervall angeben, in dem der Mittelwert der Grundgesamtheit µ mit einer bestimmten Wahrscheinlichkeit liegt? Weichen 95% der Stichprobenmittelwerte nicht weiter als ±1, 96 σ x von µ ab, dann ist µ auch nicht weiter als ±1, 96 σ x von 95% der Stichprobenmittelwerte entfernt. Intervalle, in denen ein unbekannter Parameter der Grundgesamtheit mit einer bestimmten Wahrscheinlichkeit vermutet wird, werden als bezeichnet.

13 Mit Hilfe der bekannten Grenzen z 1 α/2 und z 1 α/2 kann das Konfidenzintervall gebildet werden: x z (1 α 2 ) σ x } {{ } untere Grenze µ x + z (1 α 2 ) σ x } {{ } obere Grenze (4) Setzt man die Standardabweichung der Stichprobenmittelwerte σ n für σ x ein, dann ergibt sich folgendes Konfidenzintervall: σ x z (1 α 2 ) n } {{ } untere Grenze µ σ x + z (1 α 2 ) n } {{ } obere Grenze (5)

14 Beispiel: Altersverteilung der bundesrepublikanischen Bevölkerung Stichprobe mit 1000 Personen und folgenden Parametern: x = 38, 11 Jahre und σ = 22, 46 Jahre Die Intervallgrenzen berechnen sich folgendermaßen: 38,11 z (1 0,05 2 ) 22, µ 38,11 + z (1 0,05 2 ) 22, ,11 1,96 0,71 µ 38,11 + 1,96 0,71 36,72 µ 39,50 Mit einer Wahrscheinlichkeit von 95% liegt das Durchschnittsalter der bundesdeutschen Bevölkerung zwischen 36,72 und 39,50 Jahren.

15 bei unterschiedlichen Stichprobenmittelwerten unterschiedliche Stichproben unterschiedliche Altersdurchschnitte unterschiedliche für µ Da der Mittelwert der Grundgesamtheit hier bekannt ist, kann hier beurteilt werden, ob der Altersdurchschnitt der Stichprobe im berechneten Konfidenzintervall liegt oder nicht.

16 Der Mittelwert µ ist normalerweise unbekannt. In 95% der Stichproben aus einer Grundgesamtheit wird das Konfidenzintervall den Mittelwert der Grundgesamtheit enthalten. In 5% der Stichproben wird das um den Stichprobenmittelwert gelegte Konfidenzintervall den Mittelwert der Grundgesamtheit µ nicht einschließen. α = 0,05 Irrtumswahrscheinlichkeit 1 α = 0, 95 Vertrauenswahrscheinlichkeit

17 Die Vertrauenswahrscheinlichkeit kann erhöht bzw. die Irrtumswahrscheinlichkeit kann gesenkt werden: α = 0,01 Irrtumswahrscheinlichkeit 1 α = 0, 99 Vertrauenswahrscheinlichkeit Neue Berechnung des Konfidenzintervalls: 38,11 z (1 0,01 2 ) 22, µ 38,11 + z (1 0,01 2 ) 22, ,11 2,58 0,71 µ 38,11 + 2,58 0,71 36,28 µ 39,94 Mit einer Wahrscheinlichkeit von 99% liegt das Durchschnittsalter der bundesdeutschen Bevölkerung zwischen 36,28 und 39,94 Jahren.

18 Die Standardabweichung der Stichprobenmittelwerteverteilung σ x = σ/ n kann nur berechnet werden, wenn die Varianz σ 2 bzw. die Standardabweichung σ bekannt ist. Wenn σ 2 bzw. σ nicht bekannt sind, wird die Varianz s 2 bzw. die Standardabweichung der Stichprobe s verwendet. Die Unterschätzung der Varianz in der Grundgesamtheit erfordert die Korrektur von s 2 um den Faktor n/(n 1): ˆσ 2 = s 2 n n 1 = n (x i x) 2 i=1 n n n 1 = n (x i x) 2 i=1 n 1 (6) Der Schätzwert für die Stichprobenvarianz s 2 unterscheidet sich vom Schätzwert für die Varianz der Grundgesamtheit σ 2 nur durch den Nenner (einmal dividiert durch n 1, einmal dividiert durch n). Bei großen Stichproben nähern sich beide Werte an.

19 Zur Bestimmung der wird nicht die z-verteilung, sondern die t-verteilung herangezogen. t-verteilungen haben wie Normalverteilungen einen glockenförmigen Verlauf, sind aber flacher und breiter. Man erhält eine t-verteilte Zufallsvariable, wenn die Differenz aus Stichproben- und Populationsmittelwert durch die Wurzel aus der Varianz der Stichprobe geteilt wird: T = x µ x Pn i=1 (x i x) 2 (7) n (n 1) Der zweite Nenner n 1 wird auch als Freiheitsgrad (degrees of freedom) bezeichnet und mit df abgekürzt. Die Form der t-verteilung ist demnach abhängig vom Stichprobenumfang bzw. vom Freiheitsgrad.

20 t-verteilungen in Abhängigkeit vom Freiheitsgrad t(df=1) t(df=4) t(df=29) N(0;1) Je größer n ist, desto näher liegt die t-verteilung an der Normalverteilung.

21 Das Konfidenzintervall erhält man durch Einsetzen der t-werte: ˆσ x t (1 α 2 ;n 1) n } {{ } untere Grenze µ ˆσ x + t (1 α 2 ;n 1) n } {{ } obere Grenze (8) Beispiel: Stichprobe n = 81 mit x=38,75 Jahre und s 2 = 423, 1249 Nach Gleichung 6 erhält man als Schätzer für die Standardabweichung in der Grundgesamtheit: ˆσ = 423, = 20, 7Jahre 80 Frage: Wie hoch ist das Konfidenzintervall für den Altersdurchschnitt der Bevölkerung in der Grundgesamtheit, wenn die Irrtumswahrscheinlichkeit α = 0, 05 beträgt?

22 20,7 38,57 t (1 0,05 ;81 1) 2 81 µ 38,57 + t (1 0,05 2 ;81 1) 20, ,57 t (0,975;80) 20,7 81 µ 38,57 + t (0,975;80) 20, ,57 1,990 2,3 µ 38,57 + 1,990 2,3 33,99 µ 43,15 Mit einer Wahrscheinlichkeit von 95% liegt der Altersdurchschnitt in der Grundgesamtheit zwischen 33,99 und 43,15 Jahren. Auf Grund der geringen Fallzahl ist das Konfidenzintervall groß.

23 Beispiel: ALLBUS 1994: n = 745 ostdeutsche Befragte mit Einkommensangaben, Mittelwert x=1431,24 DM und geschätzter Streuung von σ = 755, 72 DM Frage: Wie hoch ist das Konfidenzintervall für den Einkommensdurchschnitt in der ostdeutschen Grundgesamtheit, wenn die Irrtumswahrscheinlichkeit α = 0, 01 beträgt? 1431,24 z (1 0,01 2 ) 755,72 µ 1431,24 + z 745 (1 0,01 2 ) 755, ,24 2,58 27,69 µ 1431,24 + 2,58 27, ,95 µ 1502,54 Mit einer Wahrscheinlichkeit von 99% liegt der Einkommensdurchschnitt in der ostdeutschen Grundgesamtheit zwischen 1359,95 DM und 1502,54 DM.

24 Der Anteilswert θ bezieht sich auf die Binomialverteilung in Stichproben. Die Bildung eines Konfidenzintervalls für Anteilswerte entspricht der Vorgehensweise bei den Mittelwerten. Werden viele Stichproben vom Umfang n gezogen, dann erhalten wir für die Anteilswerte näherungsweise eine Binomialverteilung, die bei einem genügend großen n in eine Normalverteilung übergeht. Die Faustregel für ein genügend großes n lautet: n p (1 p) 9 Beispiel: Bei einem Anteilswert von p = 0, 07 und einer Stichprobe von n = 1250 erhält man 81,375.

25 Der Mittelwert in der Grundgesamtheit ist der Anteilswert θ. Die Standardabweichung in der Grundgesamtheit wird durch den Standardfehler des Anteilswertes σ p bestimmt. Zu bestimmen ist das Konfidenzintervall für den unbekannten Anteilswert θ der Grundgesamtheit: 1. z-transformation für die Anteilswerteverteilung: z = p θ σ p (9) 2. Einsetzen von z 1 α/2 als untere Grenze und z 1 α/2 als obere Grenze der Verteilung (hier exemplarisch für z 1 α/2 demonstriert): z 1 α/2 = p θ σ p z 1 α/2 σ p = p θ p z 1 α/2 σ p = θ p z 1 α/2 σ p = θ

26 3. Das Konfidenzintervall kann demnach folgendermaßen berechnet werden: p z (1 α 2 ) σ p } {{ } untere Grenze θ p + z (1 α 2 ) σ p } {{ } obere Grenze (10) Der Standardfehler des Stichprobenanteilswertes σ p errechnet sich folgendermaßen: σ p = θ (1 θ) n (11) Je größer die Streuung in der Grundgesamtheit, um so breiter wir die Verteilung der Anteilswerte. Je größer der Stichprobenumfang, desto enger liegen die Stichprobenanteilswerte beieinander.

27 Da der Anteilswert der Grundgesamtheit θ nicht bekannt ist, wird σ p durch den Anteilswert in der Stichprobe geschätzt: p (1 p) ˆσ p = (12) n Wird ˆσ p statt σ p in die Gleichung 10 eingesetzt, erhält man: p (1 p) p z (1 α 2 ) } {{ n } untere Grenze θ p (1 p) p + z (1 α 2 ) } {{ n } obere Grenze (13)

28 Beispiel: Wenn der Stimmenanteil einer Partei (FDP) 7% beträgt und die Stichprobe n = 1250 beträgt, dann läßt sich das Konfidenzintervall bei α = 0, 05 folgendermaßen berechnen: 0,07 z (1 0,05 2 ) 0,07 0, θ 0,07 + z (1 0,05 2 ) 0,07 0, ,07 1,96 0,0072 θ 0,07 + 1,96 0,0072 0,0559 θ 0,0841 Der Stimmenanteil liegt mit einer Wahrscheinlichkeit von 95% zwischen 5,6% und 8,4%.

29 Einfluß des Stichprobenumfangs (µ) Ist das berechnete Konfidenzintervall zu breit (und damit zu ungenau), dann sollte der Stichprobenumfang erhöht werden. Wie groß muß ein Stichprobenumfang sein, um eine bestimmte Genauigkeit der Schätzung zu erhalten? Für die Stichprobenmittelwerteverteilung beträgt die Konfidenzintervallbreite (KIB): KIB = 2 z 1 α σ x 2 = 2 z 1 α σ (14) 2 n

30 Wird diese nach der Stichprobengröße n aufgelöst, erhält man: KIB n = 2 z 1 α 2 σ 2 z 1 α σ n = 2 KIB 4 z1 2 n = α σ 2 2 KIB 2 (15) Frage: Wie groß muß die Stichprobe der ostdeutschen Befragten sein, um den Mittelwert µ des Einkommens mit einer Irrtumswahrscheinlichkeit von 1% und einer KIB von 100/50 DM zu schätzen? Bekannte Größen: z 1 0,01/2 = 2,58 und ˆσ = 755,72 DM

31 Für KIB = 100 DM erhält man: n = 4 2, , = 1520,62 Für KIB = 50 DM erhält man: n = 4 2, , = 6082,49 Für eine Konfidenzintervallbreite von 100 DM/50 DM liegt der notwendige Stichprobenumfang bei 1521/6082 Personen. Allgemein gilt: Die Stichprobengröße muß viermal höher sein, wenn die Genauigkeit verdoppelt werden soll.

32 Einfluß des Stichprobenumfangs (θ) Für die Verteilung der Anteilswerte beträgt die Konfidenzintervallbreite (KIB): KIB = 2 z 1 α σ p 2 θ (1 θ) = 2 z 1 α 2 n (16) Wird diese nach der Stichprobengröße n aufgelöst, erhält man: n = 4 z1 2 α θ(1 θ) 2 (17) KIB 2 Ist der Anteilswert in der Grundgesamtheit θ nicht bekannt, wird der Anteilswert der Stichprobe p zur Schätzung herangezogen.

33 Frage: Wie groß muß die Stichprobe der Wähler sein, um den Anteilswert θ mit einer Irrtumswahrscheinlichkeit von 1% und einer KIB von 0,02/0,01 Prozentpunkte zu schätzen? Bekannte Größen: z 1 0,01/2 = 2,58 und Anteilswert p = 0,07 (bezogen auf die FDP-Wähler) Für KIB = 0,02 erhält man: n = 4 2,582 0,07 (1 0,93) = 326,16 Für KIB = 0,01 erhält man: n = 4 2,582 0,07 (1 0,93) = 1304,65 Für eine Konfidenzintervallbreite von 0,02/0,01 Prozentpunkte liegt der notwendige Stichprobenumfang bei 326/1305 Personen.

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

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

Jost Reinecke. 7. Juni 2005

Jost 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

Mehr

Wahrscheinlichkeitsverteilungen

Wahrscheinlichkeitsverteilungen Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet

Mehr

Willkommen zur Vorlesung Statistik (Master)

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

Mehr

Willkommen zur Vorlesung Statistik (Master)

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

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

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

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

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

Aufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97.

Aufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97. Aufgabenblock 4 Aufgabe ) Da s = 8. cm nur eine Schätzung für die Streuung der Population ist, müssen wir den geschätzten Standardfehler verwenden. Dieser berechnet sich als n s s 8. ˆ = = =.88. ( n )

Mehr

Zentraler Grenzwertsatz/Konfidenzintervalle

Zentraler Grenzwertsatz/Konfidenzintervalle / Statistik I Sommersemester 2009 Statistik I ZGWS/ (1/37) Kann Ahmadinejad die Wahl gewonnen haben? Im wesentlichen Dreiteilung der polit. Elite 2005: 17.3 Millionen Stimmen (Stichwahl), Wahlbeteiligung

Mehr

Stichproben Parameterschätzung Konfidenzintervalle:

Stichproben Parameterschätzung Konfidenzintervalle: Stichproben Parameterschätzung Konfidenzintervalle: Beispiel Wahlprognose: Die Grundgesamtheit hat einen Prozentsatz p der Partei A wählt. Wenn dieser Prozentsatz bekannt ist, dann kann man z.b. ausrechnen,

Mehr

Willkommen zur Vorlesung Statistik

Willkommen zur Vorlesung Statistik Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Inferenzstatistik (schließende Statistik, induktive Statistik) Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät,

Mehr

Ringvorlesung Einführung in die Methoden der empirischen Sozialforschung II

Ringvorlesung Einführung in die Methoden der empirischen Sozialforschung II Ringvorlesung Einführung in die Methoden der empirischen Sozialforschung II Auswahlverfahren - Begriffe und theoretische Grundlagen 1 USA 1936: - Wahlstudie mit 10.000.000 Probestimmzetteln - Quelle: Telefonverzeichnis

Mehr

Konfidenzintervalle. Einführung von Ac

Konfidenzintervalle. Einführung von Ac Konfidenzintervalle Einführung von Ac Problem: ( Schluss von der Stichprobe auf die Gesamtheit - Schätzen ) Von einer binomialverteilten Zufallsgröße X sei n (der Stichprobenumfang) gegeben, aber p (Erfolgswahrscheinlichkeit)

Mehr

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Binomialverteilung und Bernoulli- Experiment

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Binomialverteilung und Bernoulli- Experiment Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Binomialverteilung und Bernoulli- Experiment Das komplette Material finden Sie hier: Download bei School-Scout.de TOSSNET Der persönliche

Mehr

1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung

1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung 0 Einführung 1 Wahrscheinlichkeitsrechnung Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Intervallschätzung Motivation und Hinführung Der wahre Anteil der rot-grün Wähler 009 war genau

Mehr

6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen

6. 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,

Mehr

Konfindenzintervall für My - Sigma unbekannt

Konfindenzintervall für My - Sigma unbekannt Konfindenzintervall für My - Sigma unbekannt Worum geht es in diesem Modul? Ausgangspunkt t-verteilung Herleitung des Konfidenzintervalls Breite des Konfidenzintervalls Simulation: Vergleich der Konfidenzintervalle

Mehr

Wahrscheinlichkeitsrechnung und schließende Statistik

Wahrscheinlichkeitsrechnung und schließende Statistik Springer-Lehrbuch Wahrscheinlichkeitsrechnung und schließende Statistik von Karl Mosler, Friedrich Schmid Neuausgabe Wahrscheinlichkeitsrechnung und schließende Statistik Mosler / Schmid schnell und portofrei

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

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

3 Konfidenzintervalle

3 Konfidenzintervalle 3 Konfidenzintervalle Konfidenzintervalle sind das Ergebnis von Intervallschätzungen. Sicheres Wissen über Grundgesamtheiten kann man anhand von Stichproben nicht gewinnen. Aber mit Hilfe der Statistik

Mehr

4.1. Nullhypothese, Gegenhypothese und Entscheidung

4.1. 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

Mehr

Fallzahlplanung bei unabhängigen Stichproben

Fallzahlplanung bei unabhängigen Stichproben Seminar Aktuelle biometrische Probleme benjamin.hofner@stat.uni-muenchen.de 2. Januar 2005 Inhaltsverzeichnis Einführung in die Fallzahlplanung 2. Grundlegendes zur Fallzahlplanung...........................

Mehr

Hypothesenprüfung. Darüber hinaus existieren zahlreiche andere Testverfahren, die alle auf der gleichen Logik basieren

Hypothesenprüfung. 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

Mehr

2.3 Intervallschätzung

2.3 Intervallschätzung 2.3.1 Motivation und Hinführung Bsp. 2.11. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler 2009 war genau 33.7%. Wie groß ist die Wahrscheinlichkeit, in einer Zufallsstichprobe von 1000 Personen genau

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

1. Statistische Grundlagen: Überblick

1. Statistische Grundlagen: Überblick 1. Statistische Grundlagen: Überblick Stichwörter: Messprozess, Bias, Präzision, Grundgesamtheit, Stichprobe, Stichprobenrahmen, systematische Stichprobe, einfache Stichprobe, geschichtete Stichprobe,

Mehr

Messung von Rendite und Risiko. Finanzwirtschaft I 5. Semester

Messung 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

Mehr

8 Stichprobenkennwerteverteilung

8 Stichprobenkennwerteverteilung 8 Stichprobenkennwerteverteilung 8.1 Vorbemerkungen 8.2 Die Normalverteilung: Teil 2 8.3 Die t Verteilung 8.4 Normalverteilungs Approximation: Der zentrale Grenzwertsatz 8.1 Vorbemerkungen Daten x 1,...,

Mehr

Konfidenzintervalle so einfach wie möglich erklärt

Konfidenzintervalle so einfach wie möglich erklärt Konfidenzintervalle so einfach wie möglich erklärt Wolfgang Ludwig-Mayerhofer, Universität Siegen, FB 1, Fach Soziologie Das Problem SozialwissenschaftlerInnen erheben sehr oft Daten aus Stichproben. Es

Mehr

Übungen mit dem Applet

Übungen mit dem Applet Übungen mit dem Applet 1. Visualisierung der Verteilungsform... 1.1. Normalverteilung... 1.. t-verteilung... 1.3. χ -Verteilung... 1.4. F-Verteilung...3. Berechnung von Wahrscheinlichkeiten...3.1. Visualisierung

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

Bereiche der Statistik

Bereiche der Statistik Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden

Mehr

Ü b u n g s b l a t t 15

Ü b u n g s b l a t t 15 Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel 2. 7. 2007 Ü b u n g s b l a t t 15 Hier ist zusätzliches Übungsmaterial zur Klausurvorbereitung quer durch die Inhalte der Vorlesung. Eine

Mehr

Forschungsstatistik I

Forschungsstatistik I Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg R. 06-06 (Persike) R. 06-31 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/

Mehr

Wiederholung Hypothesentests Zusammenfassung. Hypothesentests. Statistik I. Sommersemester Statistik I Hypothesentests I (1/36)

Wiederholung Hypothesentests Zusammenfassung. Hypothesentests. Statistik I. Sommersemester Statistik I Hypothesentests I (1/36) Statistik I Sommersemester 2009 Statistik I I (1/36) Wiederholung Grenzwertsatz Konfidenzintervalle Logik des 0.0 0.1 0.2 0.3 0.4 4 2 0 2 4 Statistik I I (2/36) Zum Nachlesen Agresti/Finlay: Kapitel 6+7

Mehr

Willkommen zur Vorlesung Statistik (Master)

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

Mehr

Konkretes Durchführen einer Inferenzstatistik

Konkretes Durchführen einer Inferenzstatistik Konkretes Durchführen einer Inferenzstatistik Die Frage ist, welche inferenzstatistischen Schlüsse bei einer kontinuierlichen Variablen - Beispiel: Reaktionszeit gemessen in ms - von der Stichprobe auf

Mehr

Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz

Zweiseitiger 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

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

Vorlesung: Statistik II für Wirtschaftswissenschaft

Vorlesung: Statistik II für Wirtschaftswissenschaft Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 017 4 Spezielle Zufallsgrößen Einführung 1 Wahrscheinlichkeit: Definition

Mehr

Test auf einen Anteilswert (Binomialtest) Vergleich zweier Mittelwerte (t-test)

Test 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

Mehr

SozialwissenschaftlerInnen II

SozialwissenschaftlerInnen II Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Testen von Hypothesen

Mehr

Analysen politikwissenschaftlicher Datensätze mit Stata. Sitzung 6: Inferenzstatistik und Regression

Analysen politikwissenschaftlicher Datensätze mit Stata. Sitzung 6: Inferenzstatistik und Regression Analysen politikwissenschaftlicher Datensätze mit Stata Sitzung 6: Inferenzstatistik und Regression 1 Vorbereitung Bitte laden Sie den Datensatz z:\daten\infsim.dta 2 Inferenzstatistik Grundproblem der

Mehr

SozialwissenschaftlerInnen II

SozialwissenschaftlerInnen II Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Wahrscheinlichkeitsfunktionen

Mehr

1 of 3 6/14/2012 11:20 AM

1 of 3 6/14/2012 11:20 AM Standardnormalverteilung http://eswf.uni-koeln.de/glossar/zvert.htm 1 of 3 6/14/2012 11:20 AM Die folgende Tabelle zeigt die Verteilungsfunktion der Standardnormalverteilung. Für ausgewählte z-werte ist

Mehr

Konfidenzintervalle. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09

Konfidenzintervalle. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09 Konfidenzintervalle Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09 Münzspiel Experiment 100 Münzwürfe: Stefan gewinnt bei "Kopf" Hypothesen H 0 : Stefan wird so oft gewinnen

Mehr

Verteilung von Summen

Verteilung von Summen Verteilung von Summen Beispiel: Würfelwurf Frage: Wie verhält sich die Verteilung der Augensumme von -Würfeln bei wachsendem? Zur Beantwortung führen wir ein Simulationseperiment durch. 6 Würfe mit 1 Würfel

Mehr

Beschreibende Statistik Deskriptive Statistik. Schließende Statistik Inferenzstatistik. Schluss von der Stichprobe auf die Grundgesamtheit

Beschreibende Statistik Deskriptive Statistik. Schließende Statistik Inferenzstatistik. Schluss von der Stichprobe auf die Grundgesamtheit Beschreibende Statistik Deskriptive Statistik Schließende Statistik Inferenzstatistik Beschreibung der Stichprobe Schluss von der Stichprobe auf die Grundgesamtheit Keine Voraussetzungen Voraussetzung:

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

Mathematische und statistische Methoden II

Mathematische 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

Mehr

Wahrscheinlichkeit und die Normalverteilung. Jonathan Harrington

Wahrscheinlichkeit und die Normalverteilung. Jonathan Harrington Wahrscheinlichkeit und die Normalverteilung Jonathan Harrington Der Bevölkerungs-Mittelwert 99 Stück Papier nummeriert 0, 1, 2, 99 Ich ziehe 10 davon und berechne den Mittelwert. Was ist der Mittelwert

Mehr

Statistische Methoden in den Umweltwissenschaften

Statistische 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

Mehr

Probleme bei kleinen Stichprobenumfängen und t-verteilung

Probleme bei kleinen Stichprobenumfängen und t-verteilung Probleme bei kleinen Stichprobenumfängen und t-verteilung Fassen wir zusammen: Wir sind bisher von der Frage ausgegangen, mit welcher Wahrscheinlichkeit der Mittelwert einer empirischen Stichprobe vom

Mehr

Konfidenzintervalle so einfach wie möglich erklärt

Konfidenzintervalle so einfach wie möglich erklärt Konfidenzintervalle so einfach wie möglich erklärt Wolfgang Ludwig-Mayerhofer, Universität Siegen, Philosophische Fakultät, Seminar für Sozialwissenschaften Vorbemerkung: Es handelt sich um die Anfang

Mehr

6. Übung Statistische Tests Teil 1 (t-tests)

6. 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)

Mehr

Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19

Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19 Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist

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

Methodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft

Mehr

Verteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen. Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung

Verteilungen 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:

Mehr

von x-würfeln bei wachsendem n? Zur Beantwortung führen wir ein Simulationsexperiment durch.

von x-würfeln bei wachsendem n? Zur Beantwortung führen wir ein Simulationsexperiment durch. Zentraler Grenzwertsatz Die Normalverteilung verdankt ihre universelle theoretische und praktische Bedeutung dem zentralen Grenzwertsatz. Unabhängig von der konkreten k Ausgangsverteilung konvergiert nämlich

Mehr

a) Wie hoch ist die Wahrscheinlichkeit, dass Vokale vorkommen, die länger als 140 ms sind?

a) 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,

Mehr

Grundlagen der Statistik

Grundlagen der Statistik www.nwb.de NWB Studium Betriebswirtschaft Grundlagen der Statistik Band 2: Wahrscheinlichkeitsrechnung und induktive Statistik Von Professor Dr. Jochen Schwarze 9., vollständig überarbeitete Auflage STUDIUM

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de lordsofthebortz.de lordsofthebortz.de/g+

Mehr

Bivariate lineare Regression. Statistik für SozialwissenschaftlerInnen II p.154

Bivariate lineare Regression. Statistik für SozialwissenschaftlerInnen II p.154 Bivariate lineare Regression Statistik für SozialwissenschaftlerInnen II p.154 Grundidee und Typen der Regression Die Regressionsanalyse dient zur Quantifizierung des Zusammenhangs und der statistisch

Mehr

Dipl.-Volksw. Markus Pullen Wintersemester 2012/13

Dipl.-Volksw. Markus Pullen Wintersemester 2012/13 Statistische Auswertungen mit R Universität Kassel, FB 07 Wirtschaftswissenschaften Dipl.-Volksw. Markus Pullen Wintersemester 2012/13 Beispiele 8. Sitzung Konfidenzintervalle, Hypothesentests > # Anwendungsbeispiel

Mehr

5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)

5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte

Mehr

Teil I Statistik im Alltag 25. Kapitel 1 Statistik kurz und knapp 27

Teil I Statistik im Alltag 25. Kapitel 1 Statistik kurz und knapp 27 Inhaltsverzeichnis Einführung 19 Über dieses Buch 19 Wie man dieses Buch benutzt 20 Törrichte Annahmen über den Leser 20 Wie dieses Buch organisiert ist 21 Teil I: Statistik im Alltag 21 Teil II: Grundlagen

Mehr

Schließende Statistik

Schließende Statistik Schließende Statistik Die schließende Statistik befaßt sich mit dem Rückschluß von einer Stichprobe auf die Grundgesamtheit (Population). Es muß eine repräsentative (d.h. nur zufallsbeeinflusste) Stichprobe

Mehr

Schließende Statistik

Schließende Statistik Schließende Statistik Die schließende Statistik befasst sich mit dem Rückschluss von einer Stichprobe auf die Grundgesamtheit (Population). Die Stichprobe muss repräsentativ für die Grundgesamtheit sein.

Mehr

Statistische Methoden in den Umweltwissenschaften

Statistische Methoden in den Umweltwissenschaften Statistische Methoden in den Umweltwissenschaften Stetige und diskrete Wahrscheinlichkeitsverteilungen Lageparameter Streuungsparameter Diskrete und stetige Zufallsvariablen Eine Variable (oder Merkmal

Mehr

von x-würfeln bei wachsendem n? Zur Beantwortung führen wir ein Simulationsexperiment durch.

von x-würfeln bei wachsendem n? Zur Beantwortung führen wir ein Simulationsexperiment durch. Zentraler Grenzwertsatz Die Normalverteilung verdankt ihre universelle theoretische und praktische Bedeutung dem zentralen Grenzwertsatz. Unabhängig von der konkreten k Ausgangsverteilung konvergiert die

Mehr

x(n x) cm 2 ) zweier Betonsorten wird überprüft. Dabei ergaben Sorte 1 185 186 184 186 185 187 186 187 185 Sorte 2 183 182 185 182 181 179

x(n x) cm 2 ) zweier Betonsorten wird überprüft. Dabei ergaben Sorte 1 185 186 184 186 185 187 186 187 185 Sorte 2 183 182 185 182 181 179 . Aufgabe: Zwei bis drei Millionen deutsche Haushalte sind überschuldet. Einer der Hauptgründe für die Überschuldung privater Haushalte ist eine gescheiterte Selbstständigkeit. In einer Stichprobe von

Mehr

Wahrscheinlichkeitsverteilungen

Wahrscheinlichkeitsverteilungen Wahrscheinlichkeitsverteilungen 1. Binomialverteilung 1.1 Abzählverfahren 1.2 Urnenmodell Ziehen mit Zurücklegen, Formel von Bernoulli 1.3 Berechnung von Werten 1.4 Erwartungswert und Standardabweichung

Mehr

Wahrscheinlichkeitsrechnung und Statistik für Biologen 2. Der Standardfehler

Wahrscheinlichkeitsrechnung und Statistik für Biologen 2. Der Standardfehler Wahrscheinlichkeitsrechnung und Statistik für Biologen 2. Der Standardfehler Noémie Becker & Dirk Metzler 15. April 2016 Inhaltsverzeichnis 1 Der Standardfehler 1 1.1 Ein Versuch............................................

Mehr

Stetige Wahrscheinlichkeitsverteilung

Stetige Wahrscheinlichkeitsverteilung Stetige Wahrscheinlichkeitsverteilung Stetige Wahrscheinlichkeitsverteilung Gaußsche Normalverteilung [7] S.77 [6] S.7 ORIGIN µ : Mittelwert σ : Streuung :, 9.. Zufallsvariable, Zufallsgröße oder stochastische

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

Übungen mit dem Applet Vergleich von zwei Mittelwerten

Übungen mit dem Applet Vergleich von zwei Mittelwerten Vergleich von zwei Mittelwerten 1 Übungen mit dem Applet Vergleich von zwei Mittelwerten 1 Statistischer Hintergrund... 2 1.1 Typische Fragestellungen...2 1.2 Fehler 1. und 2. Art...2 1.3 Kurzbeschreibung

Mehr

10 Konfidenzintervall für µ

10 Konfidenzintervall für µ 10. Konfidenzintervall fü µ Seite 1 10 Konfidenzintervall für µ 10.1 Berechnung des Konfidenzintervalls über die z-tabelle nach KI = ± z * s 10.2 Berechnung des Konfidenzintervalls über die t-tabelle nach

Mehr

Analyse von Querschnittsdaten. Signifikanztests I Basics

Analyse 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

Statistik Einführung // Stichprobenverteilung 6 p.2/26

Statistik Einführung // Stichprobenverteilung 6 p.2/26 Statistik Einführung Kapitel 6 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Leydold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // 6 p.0/26 Lernziele 1. Beschreiben

Mehr

Kapitel 3 Schließende Statistik

Kapitel 3 Schließende Statistik Bemerkung 3.34: Die hier betrachteten Konfidenzintervalle für unbekannte Erwartungswerte sind umso schmaler, je größer der Stichprobenumfang n ist, je kleiner die (geschätzte) Standardabweichung σ (bzw.

Mehr

Binomialverteilung Vertrauensbereich für den Anteil

Binomialverteilung Vertrauensbereich für den Anteil Übungen mit dem Applet Binomialverteilung Vertrauensbereich für den Anteil Binomialverteilung Vertrauensbereich für den Anteil 1. Statistischer Hintergrund und Darstellung.... Wie entsteht der Vertrauensbereich?...

Mehr

Häufigkeiten. Verteilungen. Lageparameter Mittelwert. oder

Häufigkeiten. Verteilungen. Lageparameter Mittelwert. oder Formelsammlung Beschreibende Statistik Univariate Häufigkeitsverteilungen X ist ein diskretes Merkmal, mit k Ausprägungen TR: Mode 2 1 = AC absolute relative Häufigkeit Häufigkeiten Bivariate Häufigkeitsverteilungen

Mehr

Arbeitsblatt 27: Normalverteilung Kerzen

Arbeitsblatt 27: Normalverteilung Kerzen Erläuterungen und Aufgaben Zeichenerklärung: [ ] - Drücke die entsprechende Taste des Graphikrechners! [ ] S - Drücke erst die Taste [SHIFT] und dann die entsprechende Taste! [ ] A - Drücke erst die Taste

Mehr

Es gibt insgesamt 14 Grundkompetenzpunkte: Je einen für jede der 12 Teil-1-Aufgaben und jede der beiden mit A gekennzeichnete Aufgaben aus Teil 2.

Es gibt insgesamt 14 Grundkompetenzpunkte: Je einen für jede der 12 Teil-1-Aufgaben und jede der beiden mit A gekennzeichnete Aufgaben aus Teil 2. Prototypische Schularbeit 2 Klasse 8 Autor: Mag. Paul Schranz Begleittext Die vorliegende Schularbeit behandelt größtenteils Grundkompetenzen der Inhaltsbereiche Analysis und Wahrscheinlichkeitsrechnung

Mehr

= 3. Kapitel 4: Normalverteilung.. und Standardnormalverteilung und: das Konfidenzintervall..

= 3. Kapitel 4: Normalverteilung.. und Standardnormalverteilung und: das Konfidenzintervall.. Kapitel : Normalverteilung.. und Standardnormalverteilung und: das Konfidenzintervall.. Mittelwert = Summe aller Einzelwerte / n = durchschnittliche Ausprägung, wenn alle gleich viel hätten. Streuung =

Mehr

Biometrieübung 5 Spezielle Verteilungen. 1. Anzahl von weiblichen Mäusen in Würfen von jeweils 4 Mäusen

Biometrieübung 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

Mehr

Konfidenzintervall für Sigma

Konfidenzintervall für Sigma Konfidenzintervall für Sigma Worum geht es in diesem Modul? Ausgangspunkt Chi^2-Verteilung Herleitung des Konfidenzintervalls Modifikation des Konfidenzintervalls Simulation: Konfidenzintervall für Sigma

Mehr

Multivariate lineare Regression. Statistik für SozialwissenschaftlerInnen II p.167

Multivariate lineare Regression. Statistik für SozialwissenschaftlerInnen II p.167 Multivariate lineare Regression Statistik für SozialwissenschaftlerInnen II p.167 Multivariate Regression Verfahren zur Prüfung des gemeinsamen linearen Einflusses mehrerer unabhängiger Variablen auf eine

Mehr

Statistische Tests für unbekannte Parameter

Statistische Tests für unbekannte Parameter Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung

Mehr

LAF Mathematik. Näherungsweises Berechnen von Nullstellen von Funktionen

LAF Mathematik. Näherungsweises Berechnen von Nullstellen von Funktionen LAF Mathematik Näherungsweises Berechnen von Nullstellen von Funktionen von Holger Langlotz Jahrgangsstufe 12, 2002/2003 Halbjahr 12.1 Fachlehrer: Endres Inhalt 1. Vorkenntnisse 1.1 Nicht abbrechende Dezimalzahlen;

Mehr

Statistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de

Statistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent

Mehr

Sigma-Umgebung. Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5. n = 20 p = 0,75

Sigma-Umgebung. Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5. n = 20 p = 0,75 Sigma-Umgebung Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5 0,2 (z.b. 30-maliges Werfen einer Münze, X Anzahl von Zahl ) 5 10 15 20 n = 20 p = 0,75 0,2 5 10 15 20 Der Erwartungswert

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 9. Dezember 2010 1 Konfidenzintervalle Idee Schätzung eines Konfidenzintervalls mit der 3-sigma-Regel Grundlagen

Mehr

Abitur - Übung 1 Glege 9/11

Abitur - Übung 1 Glege 9/11 Abitur - Übung 1 Glege 9/11 Aufgabe 1.1) ganz-rationale Funktion 1.1.a) Bestimmen Sie eine ganz-rationale Funktion 3.Grades, deren Graph bei =4 die -Achse berührt und an deren Punkt (2/f(2)) die Tangente

Mehr

Konfidenzintervall für p

Konfidenzintervall für p Konfidenzintervall für p Worum geht es in diesem Modul? Ausgangspunkt 1 Schritt: Konstruktion eines Schwankungsintervalls 2 Schritt: Schwankungsintervall für p-dach 3 Schritt: Schwankungsintervall für

Mehr