8. Intervallschätzung

Größe: px
Ab Seite anzeigen:

Download "8. Intervallschätzung"

Transkript

1 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 etomme werde, da lasse sich daraus bis zu m verschiedee Schätzwerte θ bereche. Die Puktschätzer werde aufgrud des Stichprobefehlers im Allgemeie vo abweiche. Beispiel: Gegebe sid m = 4 Stichprobe. Für de ubekate Erwartugswert µ der Grudgesamtheit wird die Schätzfuktio X betrachtet. Die beobachtete Realisatioe vo X sid die arithmetische Mittel X j der etsprechede Stichprobewerte, wobei j = 1,..., 4. Dabei wurde folgede Ergebisse erzielt: x 1 = 14,5 x = 16,0 x 3 = 15,5 x 4 = 14,8 Zu erkee ist, dass sich alle Realisatioe der erwartugstreue, effiziete ud kosistete Schätzfuktio X uterscheide. Falls darüber hiaus µ = 15 ist, wird mit keier Puktschätzug der wahre Parameter getroffe. 1

2 Die Gütekriterie für Schätzfuktioe beziehe sich ur auf de Durchschitt vo Stichprobe, icht aber auf eie kokrete Stichprobe. Außerdem ist die Wahrscheilichkeit, dass ei Puktschätzer θ eie Schätzwert liefert, der mit dem ubekate Parameter der Grudgesamtheit übereistimmt, klei (bei stetige Zufallsvariable gleich 0). Ma ka aber isbesodere icht beurteile, wie verlässlich der kokrete Schätzwert für ist. Um eie Bereich abzugreze, i dem der ubekate Parameter erwartet werde ka, geht ma zu eier Itervallschätzug über. Ausgehed vo eier Puktschätzug wird bei der Itervallschätzug ei Itervall [c 1 ; c ] mit c 1 < c agegebe, i dem der ubekate Parameter bei viele Wiederholuge der Stichprobeziehug mit hoher Wahrscheilichkeit liegt. Die Greze dieses Itervall c 1 = θ - d 1 ud c = θ + d werde dabei aus derselbe Stichprobe wie der Schätzwert ermittelt, d.h. c 1 ud c sid Realisatioe vo Zufallsvariable, die im Allgemeie vo Stichprobe zu Stichprobe schwake. Beispiel: We im vorherige Beispiel d 1 = d = 0,8, erhält ma folgede Itervalle [c 1, c ]: [13,7; 15,3], [15,; 16,8], [14,7; 16,3], [14,0; 15,6] Das arithmetische Mittel µ i der Grudgesamtheit beträgt aahmegemäß15. Damit stimmt kei Puktschätzer (= Stichprobemittel) mit µ überei. Jedoch wird der wahre Parameter µ = 15 i drei vo vier Itervalle, d.h. vo 75% der Itervalle überdeckt.

3 Graphisch lässt sich dies folgedermaße veraschauliche: Stichprobe 4 Stichprobe 3 Stichprobe Stichprobe Ei Itervall [C 1 ; C ], das mit eier Wahrscheilichkeit vo 1- de ubekate Parameter der Grudgesamtheit ethält, heißt Kofidez- oder Vertrauesitervall für zum Kofideziveau 1-. Dabei gilt: P(C 1 C ) = 1- Für das Kofideziveau wird zumeist 1- = 0,95 oder 1- = 0,99 gewählt. Die Itervallgreze C 1 ud C sid hierbei Stichprobefuktioe, d.h. Zufallsvariable, die sich aus de Stichprobevariable X 1, X,..., X ergebe. Die obige Wahrscheilichkeit gibt die Situatio vor der Stichprobeziehug wieder. c, 1 c 3

4 Nach der Stichprobeziehug liege kokrete Werte c 1 ud c für die Itervallgreze vor. [c 1 ; c ] ist also das realisierte Kofidezitervall zum Kofideziveau 1-. Da die Greze c 1 ud c feste Größe sid ud der Parameter eie Kostate ist, lässt sich ach Ziehe der Stichprobe keie Wahrscheilichkeitsaussage mehr mache. Vielmehr ist das kokrete Kofidezitervall mit eier Häufigkeitsaussage verbude. Ei auf diese Weise kostruiertes Kofidezitervall wird i (1-) 100% aller Fälle de ubekate Parameter der Grudgesamtheit überdecke. Arbeitsschritte bei der Berechug des Kofidezitervalls Arbeitsschritte 1. Schritt: Festlegug des Kofideziveaus 1-. Schritt Wahl eies (1-)-Kofidezitervalls 3. Schritt: Ermittlug des (1-/)-Quatils 4. Schritt: Bestimmug des kokrete (1-)- Kofidezitervalls 4

5 8. Kofidezitervalle für de Erwartugswert Kofidezitervall für µ bei bekater Variaz Zuächst wird uterstellt, dass die Variaz i der Grudgesamtheit bekat ist. Außerdem wird ageomme, dass die betrachtete Zufallsvariable X ormalverteilt ist. Aahme 1: Variaz bekat Aahme : Stichprobevariable ormalverteilt Als Puktschätzer für µ wird das Stichprobemittel X verwedet, das ei erwartugstreuer, effizieter ud kosisteter Schätzer für de Erwartugswert ist. Da X ormalverteilt ist, d.h. X ~ N(µ; /), ist folgedes stadardisierte Stichprobemittel stadardormalverteilt: Z = X - μ σ ~ N(0;1) 5

6 Dichtefuktio der Stadardormalverteilug / 1- / Die Wahrscheilichkeit, dass die stadardormalverteilte Zufallsvariable Z i das symmetrische Itervall zwische -z 1-/ ud z 1-/ fällt, beträgt: α 1-α 1-α 1-α P z Z z = P -z Z z = 1-α Daraus folgt: X - μ P-z 1-α z 1-α = 1-α σ 6

7 Durch verschiedee Umformuge erhält ma daraus das gesuchte Kofidezitervall für µ zum Kofideziveau 1-: X - μ P-z z σ 1-α 1-α σ = P-z X - μ z 1-α 1-α σ = P-X - z -μ -X + z 1-α 1-α σ = PX + z μ X - z σ 1-α 1-α Daraus folgt schließlich: σ σ PX - z 1-α μ X + z 1-α = 1-α σ σ Das Itervall ist das Kofidezitervall für de ubekate Erwartugswert µ eier Grudgesamtheit zum Kofideziveau 1-, sofer die zugrude liegede Stichprobevariable ormalverteilt sid ud die Variaz bekat ist. 7

8 Diese Aussage, die eie Schluss vo der Stichprobe auf die ubekate Grudgesamtheit wiedergibt (idirekter Schluss), bezieht sich auf die Situatio vor der Ziehug der Stichprobe. We die Stichprobe etomme wird, da wird im Kofidezitervall die Schätzfuktio X durch de etsprechede realisierte Stichprobemittelwert x ersetzt. Auf diese Weise erhält ma folgedes kokrete (1-α)-Kofidezitervall: x - z σ ; x + z 1-α 1-α σ I diesem Itervall ist der ubekate Parameter µ im Durchschitt i (1-) 100% aller Fälle ethalte. Das vorherige Kofidezitervall ist approximativ gültig, falls die Stichprobevariable icht ormalverteilt sid ud we die Aahme durch folgede Aahme ersetzt wird: Aahme : Großer Stichprobeumfag (Faustregel: >30) I diesem Fall wird der Zetrale Grezwertsatz agewedet. 8

9 Beispiel: I eier Brauerei ist eie Abfüllalage für Bier auf eie Sollmege vo 1 hl (= 100 l) pro Fass eigestellt. Der Hersteller der Alage hat agegebe, dass die Stadardabweichug der Abfüllmege 0,3 l beträgt. Im Zeitablauf ist es aber möglich, dass die Sollmege vo 1 hl icht kostat bleibt, so dass die Abfüllmaschie eu justiert werde muss. Der Produktiosleiter hat Bedeke, ob die Sollmege tatsächlich och 1 hl beträgt, achdem bei eier Stichprobe vo 50 Fässer Bier eie durchschittliche Abfüllmege vo 100, l gemesse wurde. Er möchte ei 95%-Kofidezitervall für die durchschittliche Abfüllmege bereche, um zu überprüfe, ob der Produktiosprozess och uter de gesetzte Bediguge verläuft. Festlegug des Kofideziveaus 1-: Das Kofideziveau 1- ist hier vorgegebe ud beträgt 0,95. 95%-Kofidezitervall für µ: Gesucht ist ei Kofidezitervall für de Mittelwert der Grudgesamtheit (Sollmege). Als Puktschätzer wird daher das Stichprobemittel X verwedet, die Stadardabweichug ist hier aufgrud der Herstelleragabe vorgegebe. Aufgrud des Zetrale Grezwertsatzes (Faustregel: = 50 > 30) ist folgedes Kofidezitervall azuwede: σ σ PX - z 0,975 μ X + z 0,975 = 0,95 9

10 Ermittlug des (1-/)-Quatils z 0,975 der Stadardormalverteilug: Zu dem Kofideziveau 1- = 0,95 beötigt ma zur Bestimmug der Greze des Kofidezitervalls das 0,975-Quatil der Stadardormalverteilug: Bestimmug des kokrete 95%-Kofidezitervalls: Mit = 50, x = 100, ud = 0,3 erhält ma folgedes kokrete 95%- Kofidezitervall: σ σ x - z 0,975 ; x + z 0,975 = 0,3 0,3 100, - 1,96 ;100, + 1,96 = , - 0,083 ;100,+0,083 = 100,117 ;100,83 z = 1,96 Iterpretatio: Aufgrud der vorliegede Stichprobe erstreckt sich das 95%-Kofidezitervall auf de Bereich vo 100,117 l bis 100,83 l. Da dieses Itervall die eigestellte Soll- Abfüllmege vo 100 l icht ethält, ka (bei eiem Kofideziveau vo 0,95) icht mehr davo ausgegage werde, dass der Produktiosprozess och uter de ge- setzte Bediguge verläuft. Die Brauerei sollte daher die Abfüllalage eu justiere. 10 0,975

11 Kofidezitervall für µ bei ubekater Variaz (kleie Stichprobe) Aahme 1: Variaz ubekat Aahme : Stichprobevariable ormalverteilt I diesem Fall werde Puktschätzer für µ ud zur Bestimmug des Kofidezitervalls beötigt. Als Puktschätzer für µ wird wiederum das Stichprobemittel X verwedet. Als Puktschätzer für die Variaz wird die etsprechede erwartugstreue Schätzfuktio betrachtet: S = 1-1 i=1 X - X i Da die Stichprobevariable ormalverteilt sid, ihre Variaz jedoch geschätzt werde muss, ist folgede Fuktio des Stichprobemittels t-verteilt mit -1 Freiheitsgrade: T = X - μ S ~ t -1 11

12 Wahrscheilichkeit, dass die Zufallsvariable T i das symmetrische Itervall zwische -t -1;1-/ ud t -1;1-/ fällt: -1;α -1;1-α -1;1-α -1;1-α P t T t = P -t T t = 1-α t -1;1-/ ist das (1-/)-Quatil eier t-verteilug mit -1 Freiheitsgrade. Daraus ergibt sich: X - μ P-t -1;1-α t -1;1-α = 1-α S Daraus erhält ma das Kofidezitervall für µ zum Kofideziveau 1-: S S PX - t -1;1-α μ X + t -1;1-α = 1-α Dieses Itervall ist das Kofidezitervall für de ubekate Erwartugswert µ eier Grudgesamtheit zum Sicherheitsgrad 1-, sofer die Stichprobevariable ormalverteilt sid ud ihre Variaz ubekat ist. Da die t-verteilug für gege die Stadardormalverteilug strebt, kommt dieses Kofidezitervall bei kleie Stichprobe zur Awedug, sofer die Variaz ubekat ist (Faustregel: 30). 1

13 Kokretes (1-)-Kofidezitervall für µ bei ubekater Variaz (kleier Stichprobeumfag): s x - t ; x + t -1;1-a -1;1-a s I dem kokrete Kofidezitervall sid die Zufallsvariable X ud S durch ihre Realisatioe ersetzt worde. Es ethält im Durchschitt i (1-) 100% aller Fälle de ubekate Parameter µ der Grudgesamtheit. Vergleich eiiger (1-/)-Quatile der t-verteilug (die tabelliert sid) bei alterative Stichprobeumfäge mit de etsprechede Quatile z 1-/ der Stadardormalverteilug: t -1,1-/ 1- = 5 = 10 = 30 = 60 = z 1-/ 0,95,776,6,045,000 1,960 1,960 0,99 4,604 3,50,756,660,576,576 13

14 Beispiel: Wie im vorherige Beispiel soll eie Abfüllalage für Bier daraufhi überprüft werde, ob sie korrekt auf eie Sollmege vo 1 hl (= 100 l) pro Fass eigestellt ist. Im Uterschied zum vorherige Beispiel fehlt eie Herstelleragabe über die Stadardabweichug der ormalverteilte Abfüllmege. Sie ist vielmehr aus eier Stichprobe vo 5 Fässer Bier berechet worde. Hierbei ergab sich eie durchschittliche Abfüllmege vo 100, l bei eier Stadardabweichug vo 0,8 l. Wie lautet u das 95%-Kofidezitervall für die durchschittliche Abfüllmege (= Sollmege)? Festlegug des Kofideziveaus 1-: Das Kofideziveau 1- ist vorgegebe ud beträgt 0,95. 95%-Kofidezitervall für µ: Gesucht ist ei Kofidezitervall für de Mittelwert der Grudgesamtheit (Sollmege). Als Puktschätzer wird daher das Stichprobemittel X verwedet, die Stadardabweichug der Grudgesamtheit wird aufgrud der fehlede Herstelleragabe durch S geschätzt. Aufgrud des kleie Stichprobeumfags (Faustregel: = 5 < 30) ist folgedes Kofidezitervall azuwede: S S PX - t 4;0,975 μ X + t 4;0,975 = 0,95 14

15 Ermittlug des (1-/)-Quatils t 4;0,975 der t-verteilug: Zu dem Kofideziveau 1- = 0,95 beötigt ma zur Bestimmug der Greze des Kofidezitervalls das 0,975-Quatil der t-verteilug mit -1 = 4 Freiheitsgrade: t 4;0,975 =,06 Bestimmug des kokrete 95%-Kofidezitervalls: Mit = 5, x = 100, ud s = 0,8 erhält ma folgedes kokretes 95%- Kofidezitervall: s s x - t 4;0,975 ; x + t 4;0,975 = 0,8 0,8 100, -,06 ; 100, +,06 = , - 0,115 ; 100,+0,115 = 100,085 ;100,315 Iterpretatio: Da das kokrete 95%-Kofidezitervall die ursprügliche Sollmege vo 100 l icht überdeckt, sollte die Abfüllalage eu adjustiert werde. 15

16 Kofidezitervall für µ bei ubekater Variaz (große Stichprobe) Aahme 1: Variaz ubekat Aahme : Großer Stichprobeumfag (Faustregel: >30) Da die t-verteilug für gege die Stadardormalverteilug strebt, köe bei großem Stichprobeumfag (Faustregel: > 30) Quatile aus der Stadardormalverteilug verwedet werde: S S PX - z 1-α μ X + z 1-α = 1-α Die Aahme ormalverteilter Stichprobevariable ist hier icht mehr erforderlich. Kokretes (1-)-Kofidezitervall für µ bei ubekater Variaz (großer Stichprobeumfag): s x - z ; x + z 1-α 1-α s 16

17 Beispiel: Eie Stichprobeerhebug bei 30 Eizelhadelsuterehme i eier Regio ergab, dass bei 1600 Ladediebstähle i eiem Geschäftsjahr im Durchschitt Ware im Wert vo 101,50 etwedet worde sid. Die Stadardabweichug der etwedete Werte bei de 1600 Ladediebstähle beträgt 60. Wie lautet das 99%-Kofidezitervall für de durchschittliche Wert der Kudediebstähle? Festlegug des Kofideziveaus 1-: Das Kofideziveau 1- ist hier vorgegebe ud beträgt 0,99. 99%-Kofidezitervall für µ: Gesucht ist ei Kofidezitervall für de durchschittliche Wert der Kudediebstähle. Als Puktschätzer für µ wird daher das Stichprobemittel X verwedet, die Stadardabweichug des Wertes aller Kudediebstähle wird durch die Stadardabweichug S i der Stichprobe geschätzt. Aufgrud des große Stichprobeumfags ( = 1600 > 30) ka trotz fehleder Ketis der Variaz folgedes Kofidezitervall verwedet werde: S S PX - z 0,995 μ X + z 0,995 = 0,99 17

18 Ermittlug des (1-/)-Quatils z 0,995 der Stadardormalverteilug: Zu dem Kofideziveau 1- = 0,99 beötigt ma zur Bestimmug der Greze des Kofidezitervalls das 0,995-Quatil der Stadardormalverteilug: Bestimmug des kokrete 99%-Kofidezitervalls: Mit = 1600, x = 101,50 ud s = 60 erhält ma folgedes kokretes 99%- Kofidezitervall: s s x - z 0,995 ; x + z 0,995 = ,50 -,5758 ; 101,50 +,5758 = ,50-3,86 ; 101,50 + 3,86 = 97,64 ; 105,36 Iterpretatio: z =,5758 Als Itervallschätzug für die durchschittliche Höhe der Diebstähle erhält ma bei eiem Sicherheitsgrad vo 99% eie Bereich vo 97,64 bis 105,36. 0,995 18

19 8.3 Kofidezitervall für de Ateilswert Gesucht ist ei Kofidezitervall für de ubekate Ateil p der Merkmalsträger mit eier Eigeschaft A. Da p zugleich die Wahrscheilichkeit agibt, dass a eiem zufällig ausgewählte Merkmalsträger die Eigeschaft A festgestellt wird, lässt sich dieses Kofidezitervall auch als eie Itervallschätzug für eie ubekate Wahrscheilichkeit P(A) iterpretiere. Die uabhägige ud idetisch verteilte Stichprobevariable X 1,..., X köe ur die Werte 0 oder 1 aehme, sid also Beroulli-verteilt. Als Puktschätzer für de ubekate Ateilswert p der Grudgesamtheit wird der Stichprobeateilswert verwedet: P = 1 X i=1 i P ist eie erwartugstreue, effiziete ud kosistete Schätzfuktio für p. Die folgede stadardisierte Zufallsvariable (= stadardisierter Stichprobeateilswert) ist bei große Stichprobe aufgrud des Zetrale Grezwertsatzes asymptotisch stadardormalverteilt (Faustregel: > 9/[p(1- p)]: P - p Z = ~ N(0; 1) p 1-p 19

20 Daraus folgt: P - p P -z z = 1-α 1-α p1-p 1-α Die Stadardabweichug des Stichprobeateilswertes ka uter Verwedug folgeder Schätzfuktio für die Variaz des Stichprobeateils-. wertes P geschätzt werde: ˆσ = P P 1-P P σ = p 1-p Damit erhält ma das Kofidezitervall für de Ateilswert p zum Kofideziveau 1-: P(1-P) P(1-P) P P - z 1-α p P + z 1-α = 1-α Für das kokrete Kofidezitervall für p ergibt sich: p(1-p) p - z ; p + z 1-α 1-α p(1-p) 0

21 Beispiel: Bei eier Qualitätskotrolle wurde a 100 vo 500 Stücke ei Magel festgestellt. Wie lautet das 95%-Kofidezitervall für de Ateil p der mit eiem Magel behaftete Teile i der Produktio? Festlegug des Kofideziveaus 1-: Das Kofideziveau 1- ist vorgegebe ud beträgt 0,95. 95%-Kofidezitervall für p: Zu bestimme ist ei Kofidezitervall für die Wahrscheilichkeit p, dass ei produziertes Stück eie Magel aufweist. Als Puktschätzer für p verwede wir de Stichprobeateilswert P, mit dem auch die Stadardabweichug σ P geschätzt wird. Da p = 100/500 = 0, ergibt sich: 9 9 ( = 500) > = = 56,5 p(1-p) 0,(1-0,) Demach lässt sich folgedes Kofidezitervall für die ubekate Wahrscheilichkeit p ableite: P(1-P) P(1-P) P P - z 0,975 p P + z 0,975 = 0,95 1

22 Ermittlug des (1-/)-Quatils z 0,975 der Stadardormalverteilug: Zu dem Kofideziveau 1- = 0,95 beötigt ma zur Bestimmug der Greze des Kofidezitervalls das 0,975-Quatil der Stadardormalverteilug: z = z = 1,96 1-α/ 0,975 Bestimmug des kokrete 95%-Kofidezitervalls: Mit = 500 ud p = 0, erhält ma folgedes kokretes 95%-Kofidezitervall: p(1-p) p(1-p) p - z 0,975 ; p + z 0,975 = 0,(1-0,) 0,(1-0,) 0, - 1,96 ; 0, + 1,96 = , - 1,960,018 ; 0, + 1,96 0,018 = [0,165 ; 0,35]

23 8.4 Kofidezitervall für die Variaz Ausgagspukt sid ereut uabhägig ud idetisch verteilte Stichprobevariable X 1, X,..., X. Nu soll ei Kofidezitervall zum Kofideziveau 1- für die ubekate Variaz uter folgede Voraussetzuge kostruiert werde: Aahme 1: Erwartugswert µ ubekat Aahme : Stichprobevariable ormalverteilt Betrachtet wird der Stichprobemittelwert X sowie die folgede Schätzfuktio für die ubekate Variaz : S = 1-1 i=1 X - X i Daraus ergibt sich, dass die Zufallsvariable (-1)S / -verteilt ist mit -1 Freiheitsgrade: (-1)S σ ~ χ -1 Alterative Darstellug für (-1)S / : * (X i - X) (-1)S S i=1 = = ~ χ σ σ σ -1 3

24 χ -1;α/ χ -1;1-α/ Es bezeiche ud die / ud 1-/-Quatile der -Verteilug mit -1 Freiheitsgrade. Daraus ergibt sich: (-1)S Pχ -1;α χ -1;1-α = 1-α σ Dichtefuktio ud Quatile eier -Verteilug mit Freiheitsgrade Nach verschiedee Umformuge erhält ma das (1-)-Kofidezitervall für die ubekate Variaz : -1 S -1 S P σ = 1-α χ-1;1-α χ -1;α Kokretes Kofidezitervall für zum Kofideziveau 1-: -1 s -1 s ; χ-1;1-α χ-1;α 4

25 Beispiel: Ei Uterehme stellt Schraube her. Eie Zufallsstichprobe vom Umfag 91 ergibt für de Durchmesser der Schraube ei arithmetisches Mittel vo 5 mm bei eier Stadardabweichug vo 0,03 mm. Führe Sie eie Itervallschätzug für die mit der Stadardabweichug gemessee Präzisio des Schraubedurchmessers (der als ormalverteilt ageomme wird) bei eiem Sicherheitsgrad vo 90% durch! Zu bestimme ist zuächst ei 90%-Kofidezitervall für die Variaz, aus dem da das etsprechede Itervall für die Stadardabweichug bestimmt wird. Festlegug des Kofideziveaus 1-: Das Kofideziveau 1- ist vorgegebe ud beträgt 0,90. 90%-Kofidezitervall für : Gesucht ist ei Kofidezitervall für die Variaz des Schraubedurchmessers der vo dem Uterehme produzierte Schraube: -1 S -1 S P σ = 0,90 χ-1;0,95 χ -1;0,05 5

26 Ermittlug der Quatile ud der -Verteilug : Zu dem Kofideziveau 1- = 0,90 beötigt ma zur Bestimmug der Greze des Kofidezitervalls die 0,05- ud 0,95-Quatile der -Verteilug mit -1 Freiheitsgrade. Für -1 = 90 ergebe sich folgede Tabellewerte: χ = 113,15 χ 90;0,05 = 69,13 90;0,95 Bestimmug des kokrete 90%-Kofidezitervalls für : Mit = 91 ud s = 0,03 erhält ma folgedes kokretes 90%-Kofidezitervall für : Das 90%-Kofidezitervall für die Stadardabweichug ergibt sich ach Ziehe der Wurzel i de Itervallgreze: -1 s -1 s ; = χ90;0,95 χ90;0,05 900, ,03 ; = 113,145 69,16 0,081 0,081 ; = 113,145 69,16 [0, ; 0,00117] χ -1;α/ 0, ; 0,00117 = 0,07 ; 0,034 χ -1;1-α/ 6

27 8.5 Notwediger Stichprobeumfag Zielkoflikt zwische Sicherheit ud Geauigkeit: Der Zielkoflikt zwische Sicherheit ud Geauigkeit soll ahad des Kofidezitervalls für de Erwartugswert µ bei bekater Variaz ud ormalverteilte Stichprobevariable aufgezeigt werde. Läge L des Kofidezitervalls: Differez zwische Itervallober- ud -utergreze σ σ σ L = X + z 1-α - X - z 1-α = z1-α Falls ma de Sicherheitsgrad 1- erhöht, hat ma eie größere Sicherheit, dass der ubekate Parameter µ i dem Kofidezitervall liegt. Mit eiem höhere Kofideziveau 1- wird allerdigs auch das Quatil z 1-/ größer, so dass das Itervall läger wird. Ei lägeres (bzw. breiteres) Itervall bedeutet aber eie ugeauere Itervallschätzug. Stichprobeumfag ud Geauigkeit: Bei gegebeem Kofideziveau 1- hägt die Läge des Kofidezitervalls allei vom Stichprobeumfag ab. Bei gleichem Stichprobeumfag ergibt sich eie gleiche Läge der Kofidezitervalle. Mit wachsedem Stichprobeumfag erhöht sich die Geauigkeit, wird also das Kofidezitervall kürzer. 7

28 Determiate des otwedige Stichprobeumfags Kofideziveau 1- Variaz i der Grudgesamtheit Geauigkeit Fehlermarge (= halbe Läge des Kofidezitervalls): 1 z1-α e = L = σ Notwediger Stichprobeumfag bei eier Itervallschätzug vo µ: Nach Auflöse des obige Asatzes ach erhält ma de Stichprobeumfag, der midestes erforderlich ist, damit eie vorgegebee Fehlermarge e bei gegebeem Kofideziveau 1- icht überschritte wird: z1-α σ = = e z 1-α e σ 8

29 Eie Reduktio der Fehlermarge (= Stichprobefehler) um die Hälfte wird icht durch eie Verdoppelug, soder eie Vervierfachug des Stichprobeumfags erreicht: z σ z σ 1-α 1-α = = = 4 e/ e (e/) (1/4)e e : Stichprobeumfag bei ursprüglicher Fehlermarge e e/ : Stichprobeumfag bei halber Fehlermarge Allgemei ka eie Verrigerug der Fehlermarge ur durch eie überproportioale Erhöhug des Stichprobeumfags erreicht werde. I der Regel ist die Variaz der Grudgesamtheit ubekat. Ma ka de Stichprobeumfag i diesem Fall icht eifach uter Verwedug der Stichprobevariaz S bestimme, da die Stichprobe ja erst och gezoge werde soll. Vielmehr ist durch eie Vorabiformatio * zu ersetze: = z * 1-α e σ Eie Vorabiformatio * über die Variaz der Grudgesamtheit ka sich z.b. aus vorherige Utersuchuge ergebe. 9

30 Beispiel: Ei Marktforschugsistitut führt eie Utersuchug über die Eikommessituatio der deutsche Bevölkerug durch. Aufgrud ählicher Utersuchuge i Frakreich ud de Niederlade wird eie Stadardabweichug i der Grudgesamtheit vo * = 000 uterstellt. Wie groß muss der Stichprobeumfag midestes sei, we die Fehlermarge bei 00 ud der Sicherheitsgrad 1- bei 95% liege solle? Für de otwedige Stichprobeumfag ergibt sich: z σ 1, e 00 * 0,975 = = = 384,16 Aufgrud der Midestbedigug ist der ächst höhere gazzahlige Wert zu bestimme. Der otwedige Stichprobeumfag muss also midestes 385 Persoe umfasse. 30

31 Notwediger Stichprobeumfag bei eier Itervallschätzug vo p: Bei eier Schätzug des Ateilswerts oder der Wahrscheilichkeit p ist die Variaz der Grudgesamtheit (= Variaz der Beroulli-Verteilug) durch = p(1-p) gegebe. Damit erhält ma folgede spezifische Fehlermarge: 1 e = L = z1-α p(1-p). Nach Auflöse ach ergibt sich hieraus: = z 1-α p(1-p) e Ersetzt ma hieri die ubekate Wahrscheilichkeit p durch die Vorabifomatio p*, erhält ma de otwedige Stichprobeumfag: = z 1-α p*(1-p*) e Sofer keierlei Vorabiformatioe vorhade sid, geht ma bei der Festlegug des Stichprobeumfags vom ugüstigste Fall p* = 0,5 aus (maximale Variaz): z = 4e 1-α 31

32 Beispiel: Ei Meiugsforschugsistitut soll ermittel, ob die Mehrheit der Budesbürger für eie Direktwahl des Budespräsidete bzw. der Budespräsideti ist. Wie groß ist der Stichprobeumfag midestes zu wähle, we die Geauigkeit der Schätzug bei eiem Kofideziveau vo 90% bei ±3 Prozetpukte liege soll? Da keie Vorabiformatioe über p vorhade sid, gehe wir vom ugüstigste Fall p* = 0,5 aus. Damit beträgt der otwedige Stichprobeumfag: z0,95 1,6449,7057 = = = = 751,6 4e 40,03 0,0036 Das Meiugsforschugsistitut muss also midestes 75 Persoe befrage. 3

10. Intervallschätzung 10.1 Begriff des Konfidenzintervalls

10. 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

Mehr

Körpergröße 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

Körpergröße 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:

Mehr

4 Schwankungsintervalle Schwankungsintervalle 4.2

4 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

Mehr

Anwendung für Mittelwerte

Anwendung für Mittelwerte Awedug für Mittelwerte Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe... "wahre", ubekate Mittelwert der Grudgesamtheit icht zufällig?... beobachtete Mittelwert zufällig Statistik für SoziologIe 1

Mehr

,,, xn. 3. Intervallschätzungen Zufallsstichproben und Stichprobenfunktionen Zufallsstichproben. Zufallsvariablen mit

,,, 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

Mehr

Wirksamkeit, Effizienz

Wirksamkeit, 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

Mehr

Wirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel

Wirksamkeit, 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

Mehr

Wirksamkeit, Effizienz

Wirksamkeit, 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

Mehr

Schätzen von Populationswerten

Schätzen 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:

Mehr

Schätzen von Populationswerten

Schätzen 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

Vl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3

Vl 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.

Mehr

Vl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5

Vl 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

Mehr

X X Schätzen von Vertrauensintervallen Schwankungsintervall

X 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

Mehr

Die notwendigen Verteilungstabellen finden Sie z.b. hier:

Die 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

Mehr

Prof. Dr. Roland Füss Statistik II SS 2008

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

Mehr

Kapitel 6 : Punkt und Intervallschätzer

Kapitel 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

Mehr

Intervallschätzung II 2

Intervallschätzung II 2 Itervallschätzug Kofidezitervall für die Variaz Kofidezitervall für de Ateilswerte Kofidezitervall für die Differez zweier Ateile Bestimmug des Stichrobeumfags Itervallschätzug II Bibliografie Bleymüller

Mehr

Tests statistischer Hypothesen

Tests 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

Mehr

6. Grenzwertsätze. 6.1 Tschebyscheffsche Ungleichung

6. 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

Mehr

Übungen zu QM III Mindeststichprobenumfang

Übungen 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

Mehr

Grundzüge der Stichprobentheorie. Statistisches Bundesamt

Grundzüge 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

Mehr

Kapitel 5: Schließende Statistik

Kapitel 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

Mehr

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39

Statistik 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

Mehr

2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters:

2. 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

Mehr

7. Stichproben und Punktschätzung

7. Stichproben und Punktschätzung 7. Stichprobe ud Puktschätzug 7. Grudgesamtheit ud Stichprobe Ausgagspukt der iduktive Statistik (beurteilede Statistik) sid Stichprobedate. Speziell stamme die Date aus Zufallsstichprobe. Die Stichprobeergebisse

Mehr

Grundproblem der Inferenzstatistik

Grundproblem der Inferenzstatistik Grudproblem der Iferezstatistik Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe... "wahre", ubekate Ateil icht zufällig p... beobachtete Ateil zufällig? Statistik für SoziologIe 1 Iferezschluss Kofidezitervall

Mehr

Pflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik

Pflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik Pflichtlektüre: Kapitel 10 Grudlage der Iferezstatistik Überblick der Begriffe Populatio Iferezstatistik Populatiosparameter Stichprobeverteiluge Auch Stichprobekewerteverteiluge Wahrscheilichkeitstheorie

Mehr

3. Grundbegrie der Schätztheorie

3. 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

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl 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

Mehr

3 Vergleich zweier unverbundener Stichproben

3 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

Mehr

2. Repetition relevanter Teilbereiche der Statistik

2. 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)

Mehr

Statistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik

Statistik. 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

Mehr

Kapitel 6: Statistische Qualitätskontrolle

Kapitel 6: Statistische Qualitätskontrolle Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle

Mehr

Standard Normalverteilung Dichtefunktion von Standard Normal Verteilung. Grenzwertsatz. Normalverteilung. Andere wichtige Verteilungen: Anwendungen

Standard 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

Mehr

Gütefunktion und Fehlerwahrscheinlichkeiten Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = Interpretation von Testergebnissen I

Gütefunktion und Fehlerwahrscheinlichkeiten Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = Interpretation von Testergebnissen I 6 Hypothesetests Gauß-Test für de Mittelwert bei bekater Variaz 6.3 Gütefuktio ud Fehlerwahrscheilichkeite Rechtsseitiger Test (µ 0 = 500) zum Sigifikaziveau α = 0.30 6 Hypothesetests Gauß-Test für de

Mehr

Zufallsstreubereiche und Vertrauensbereiche

Zufallsstreubereiche 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:

Mehr

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren

Dr. 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

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik 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

Mehr

Demo für www.mathe-cd.de

Demo 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

Mehr

Parameterschätzung. Kapitel Schätzfunktionen

Parameterschätzung. Kapitel Schätzfunktionen Kapitel 8 Parameterschätzug 8.1 Schätzfuktioe Def. 8.1.1: Es seie X 1,X,...,X uabhägige ZV, die alle die gleiche Verteilug besitze. θ sei ei ubekater Parameter dieser Verteilug. X 1,X,...,X ist als eie

Mehr

Statistische Tests zu ausgewählten Problemen

Statistische Tests zu ausgewählten Problemen Eiführug i die statistische Testtheorie Statistische Tests zu ausgewählte Probleme Teil : Tests für Erwartugswerte Statistische Testtheorie I Eiführug Beschräkug auf parametrische Testverfahre Beschräkug

Mehr

6 Vergleich mehrerer unverbundener Stichproben

6 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

Mehr

Stochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL)

Stochastik - 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

Mehr

Stochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL)

Stochastik - 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}.

Mehr

X in einer Grundgesamtheit vollständig beschreiben.

X 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.

Mehr

Statistik. 2. Semester. Begleitendes Skriptum zur Vorlesung. im FH-Masterstudiengang. Technisches Management. von. Günther Karigl

Statistik. 2. Semester. Begleitendes Skriptum zur Vorlesung. im FH-Masterstudiengang. Technisches Management. von. Günther Karigl Statistik. Semester Begleitedes Skriptum zur Vorlesug im FH-Masterstudiegag Techisches Maagemet vo Güther Karigl FH Campus Wie 06/7 Statistische Schätzverfahre Statistische Schätzverfahre Währed die deskriptive

Mehr

Parameterschätzung. Numero, pondere et mensura Deus omnia condidit

Parameterschätzung. 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

Mehr

Inhaltsverzeichnis. Wirtschaftswissenschaftliches Zentrum 11 Universität Basel. Mathematik 2

Inhaltsverzeichnis. Wirtschaftswissenschaftliches Zentrum 11 Universität Basel. Mathematik 2 Wirtschaftswisseschaftliches Zetrum 11 Uiversität Basel Mathematik Dr. Thomas Zehrt Schätze Beötigtes Vorwisse: Der Stoff der Vorlesug,,Statistik wird als bekat vorausgesetzt, isbesodere Kapitel 11,,(Pukt)schätze

Mehr

Grundproblem der Inferenzstatistik

Grundproblem der Inferenzstatistik Grudproblem der Iferezstatistik Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe... "wahre", ubekate Ateil icht zufällig p... beobachtete Ateil zufällig Statistik für SoziologIe 1 Iferez für Ateile?

Mehr

Empirische Verteilungsfunktion

Empirische 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,...,

Mehr

Induktive Schlussweise. Schätzfunktionen und Schätzverfahren. Bibliografie

Induktive Schlussweise. Schätzfunktionen und Schätzverfahren. Bibliografie Auswertug uivariater Datemege -iduktiv - Iduktive Schlussweise Schätzfuktioe ud Schätzverfahre Schätzug I Bibliografie Prof. Dr. Kück Uiversität Rostock Statistik, Vorlesugsskript Abschitt 7..; 7.. Bleymüller

Mehr

Bei 95%iger Konfidenz wäre der Mittelwert der GG zwischen 1421,17DM und 1778,83DM zu erwarten.

Bei 95%iger Konfidenz wäre der Mittelwert der GG zwischen 1421,17DM und 1778,83DM zu erwarten. Aufgabe 36 (S. 346: Schätzverfahre für Mittelwert ud Stadardabweichug a Puktschätzuge für µ aufgrud der Werte der kleie Stichprobe aus Aufgabe 3 Bei eier Puktschätzug wird für de zu schätzede Parameter

Mehr

Kapitel VI. Einige spezielle diskrete Verteilungen

Kapitel 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

Mehr

Der Vergleich eines Stichprobenmittelwertes mit einem Populationsmittelwert

Der 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

Mehr

Normalverteilung. Standardnormalverteilung. Intervallwahrscheinlichkeiten. Verteilungsfunktion

Normalverteilung. Standardnormalverteilung. Intervallwahrscheinlichkeiten. Verteilungsfunktion Normalverteilug Stadardormalverteilug Normalverteilug N(μ, ) mit ichte : Gaußche Glockekurve μ μ μ+ μ >, f ( ) = ( μ) WS 6/7 Prof. r. J. Schütze, FB GW NV π Eigechafte der ichte: - Maimum i μ - mmetrich

Mehr

7. Grenzwertsätze Grenzwertsätzen Zentraler Grenzwertsatz Gesetz der großen Zahlen Tschebyscheffsche Ungleichung

7. 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

Mehr

Evaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt

Evaluierung 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:

Mehr

Konfidenzintervalle. Praktische Übung Stochastik SS 2017 Lektion 10 1

Konfidenzintervalle. Praktische Übung Stochastik SS 2017 Lektion 10 1 Kofidezitervalle Praktische Übug Stochastik SS 017 Lektio 10 1 Kofidezitervalle Geerelle Aahme: Parametrisches Modell (P ϑ ) ϑ Θ Beobachtuge X 1,..., X u.i.v. ach P ϑ mit ubekatem ϑ Θ Grudidee: Schätzer

Mehr

Grundproblem der Inferenzstatistik

Grundproblem der Inferenzstatistik Grudproblem der Iferezstatistik Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe π... "wahre", ubekate Ateil icht zufällig p... beobachtete Ateil zufällig? Statistik für SoziologIe 1 Iferezschluss Kofidezitervall

Mehr

Konfidenzintervall_fuer_pi.doc Seite 1 von 6. Konfidenzintervall für den Anteilswert π am Beispiel einer Meinungsumfrage

Konfidenzintervall_fuer_pi.doc Seite 1 von 6. Konfidenzintervall für den Anteilswert π am Beispiel einer Meinungsumfrage Kofidezitervall_fuer_pi.doc Seite 1 vo 6 Kofidezitervall für de Ateilswert π am Beispiel eier Meiugsumfrage Nach eier Meiugsumfrage der Wochezeitug Bezirksblatt vom März 005, ei halbes Jahr vor de Ladtagswahle

Mehr

http://www.statistik.lmu.de/~kraemer/kw10/index.html Aufgabe 1 (Punkt- und Intervallschätzung für ein metrisches Merkmal)

http://www.statistik.lmu.de/~kraemer/kw10/index.html Aufgabe 1 (Punkt- und Intervallschätzung für ein metrisches Merkmal) tatistik für Kouikatioswisseschaftler Witerseester 010/011 Vorlesug Prof. Dr. Nicole Kräer Übug Nicole Kräer, Corelia Oberhauser, Moia Mahlig Lösug Thea Hoepage zur Verastaltug: http://www.statistik.lu.de/~kraeer/kw10/idex.htl

Mehr

Aussage über die Verteilung Summen und Durchschnitte beliebig verteilter Zufallsvariablen

Aussage 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

Mehr

TESTEN VON HYPOTHESEN

TESTEN 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

Mehr

Einstichprobentests für das arithmetische Mittel

Einstichprobentests für das arithmetische Mittel Eistichprobetests für das arithmetische Mittel H 0 : = 0 bzw. H 0 : 0 H 1 : 0 zweiseitiger Test) H 1 : 0 zweiseitiger Test) Uter Gültigkeit vo H 0 ist die achfolgede Teststatistik stadardormalverteilt.

Mehr

1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6

1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6 Ihaltsverzeichis 1 Vorbemerkuge 1 Zufallsexperimete - grudlegede Begriffe ud Eigeschafte 3 Wahrscheilichkeitsaxiome 4 4 Laplace-Experimete 6 5 Hilfsmittel aus der Kombiatorik 7 6 Bedigte Wahrscheilichkeite

Mehr

Übungen mit dem Applet erwartungstreu

Übungen 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

Mehr

2 Induktive Statistik

2 Induktive Statistik Kapitel 2 Iduktive Statistik Seite 19 2 Iduktive Statistik 2.1 Grudprizipie der iduktive Statistik 2.2 Puktschätzug 2.2.1 Schätzfuktioe Defiitio 2.1 Sei X 1,...,X i.i.d. Stichprobe. Eie Fuktio heißt Schätzer

Mehr

2 Einführung in die mathematische Statistik

2 Einführung in die mathematische Statistik 2 Eiführug i die mathematische Statistik Die Hauptaufgabe der mathematische Statistik ist es, ahad der Eigeschafte eies Teils eier Mege vo Objekte auf die Eigeschafte aller Objekte i dieser Mege zu schließe.

Mehr

Wahrscheinlichkeitstheorie und Statistik vom

Wahrscheinlichkeitstheorie 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

Mehr

Wahrscheinlichkeit & Statistik Musterlösung Serie 13

Wahrscheinlichkeit & Statistik Musterlösung Serie 13 ETH Zürich FS 2013 D-MATH Has Rudolf Küsch Koordiator Blaka Horvath Wahrscheilichkeit & Statistik Musterlösug Serie 13 1. a) Die Nullhypothese lautet dass das echte Medikamet höchstes gleich gut ist wie

Mehr

Evaluation & Forschungsstrategien

Evaluation & 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

Mehr

Formelsammlung Statistik 29. Januar 2019

Formelsammlung Statistik 29. Januar 2019 Formelsammlug Statistik Seite 1 Formelsammlug Statistik 9. Jauar 019 Witersemester 018/19 Adreas Löpker, HTW Dresde 1. Deskriptive Statistik (F1) Stichprobe x vom Umfag, Stichprobe y vom Umfag m x = (x

Mehr

Folgen und Reihen Glege 03/01

Folgen 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

Mehr

Der χ 2 Test. Bei Verteilungen Beantwortung der Frage, ob eine gemessene Verteilung Gauß- oder Poisson-verteilt ist oder nicht?

Der 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

Mehr

Kapitel 2. Induktive Statistik. 2.1 Grundprinzipien der induktiven Statistik

Kapitel 2. Induktive Statistik. 2.1 Grundprinzipien der induktiven Statistik Kapitel Iduktive Statistik.1 Grudprizipie der iduktive Statistik Ziel: Iferezschluss, Repräsetatiosschluss: Schluss vo eier Stichprobe auf Eigeschafte der Grudgesamtheit, aus der sie stammt. Vo Iteresse

Mehr

Vereinheitlichung Einheitlicher Maßstab der Risikoeinschätzung. Limitierung / Steuerung Messung und Limitierung ist fundamental für die Steuerung

Vereinheitlichung Einheitlicher Maßstab der Risikoeinschätzung. Limitierung / Steuerung Messung und Limitierung ist fundamental für die Steuerung . Marktpreisrisiko Motivatio der VaR-Ermittlug Vereiheitlichug Eiheitlicher Maßstab der Risikoeischätzug Limitierug / Steuerug Messug ud Limitierug ist fudametal für die Steuerug Kapitaluterlegug Zur Deckug

Mehr

10. Testen von Hypothesen Seite 1 von 6

10. 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)

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik 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

Mehr

Klausur vom

Klausur 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

Mehr

10. Grundlagen der linearen Regressionsanalyse 10.1 Formulierung linearer Regressionsmodelle

10. Grundlagen der linearen Regressionsanalyse 10.1 Formulierung linearer Regressionsmodelle 10. Grudlage der lieare Regressiosaalyse 10.1 Formulierug liearer Regressiosmodelle Eifaches lieares Regressiosmodell: Das eifache lieare Regressiosmodell ist die simpelste Form eies ökoometrische Modells

Mehr

Teilaufgabe 1.0 Bei der Firma Kohl kommen morgens alle im Büro Beschäftigten nacheinander ins Großraumbüro.

Teilaufgabe 1.0 Bei der Firma Kohl kommen morgens alle im Büro Beschäftigten nacheinander ins Großraumbüro. mathphys-olie Abiturprüfug Berufliche Oberschule 014 Mathematik 13 Techik - B I - Lösug Teilaufgabe 1.0 Bei der Firma Kohl komme morges alle im Büro Beschäftigte acheiader is Großraumbüro. Teilaufgabe

Mehr

5.4.2 Die empirische Verteilungsfunktion als Ausgangspunkt

5.4.2 Die empirische Verteilungsfunktion als Ausgangspunkt Tests 9 5.4 Der Kolmogorov Smirov Test Grudlage für de Kolmogorov Smirov Apassugs Test ist ei Satz vo Kolmogorov, die asymptotische Verteilug eier Statistik Δ betreffed. Aus Δ ergibt sich durch Modifikatio

Mehr

A = Ereignisraum = σ-algebra (Sigma-Algebra) = Menge aller messbaren Ergebnisse über eine definierte Grundmenge Ω

A = 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

Mehr

1. Wahrscheinlichkeitsrechnung. 2. Diskrete Zufallsvariable. 3. Stetige Zufallsvariable. 4. Grenzwertsätze. 5. Mehrdimensionale Zufallsvariable

1. 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

Mehr

3.2 Wilcoxon Rangsummentest

3.2 Wilcoxon Rangsummentest 3. Wilcoxo Ragsummetest Wir gehe davo aus, dass zwei Teilstichprobe x 1, x,..., x 1 ud y1, y,..., y vorliege, wobei die erste Teilstichprobe aus Realisieruge vo uabhägig ud idetisch stetig verteilte Zufallsvariable

Mehr

Einführung in die Stochastik 10. Übungsblatt

Einführung in die Stochastik 10. Übungsblatt Eiführug i die Stochastik. Übugsblatt Fachbereich Mathematik SS M. Kohler.7. A. Fromkorth D. Furer Gruppe ud Hausübug Aufgabe 37 (4 Pukte) Ei Eremit am Südpol hat sich für die eibrechede polare Nacht mit

Mehr

4. Übung Konfidenzintervalle für Anteile und Mittelwerte

4. Übung Konfidenzintervalle für Anteile und Mittelwerte Querschittsbereich 1: Epidemiologie, Mediziische Biometrie ud Mediziische Iformatik - Übugsmaterial - Erstellt vo Mitarbeiter des IMISE ud des ZKS Leipzig 4. Übug Kofidezitervalle für Ateile ud Mittelwerte

Mehr

Testen statistischer Hypothesen

Testen statistischer Hypothesen Kapitel 9 Teste statistischer Hypothese 9.1 Eiführug, Sigifiaztests Sigifiaztest für µ bei der ormalverteilug bei beatem σ = : X i seie uabhägig ud µ, ) verteilt, µ sei ubeat. Stelle eie Hypothese über

Mehr

Kapitel 11 DIE NORMAL-VERTEILUNG

Kapitel 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

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik 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

Mehr

Grundsätzlich sollen Varianz bzw. Standardabweichung Maße dafür sein, wie stark eine Verteilung um ihren Erwartungswert streut.

Grundsätzlich sollen Varianz bzw. Standardabweichung Maße dafür sein, wie stark eine Verteilung um ihren Erwartungswert streut. Eie Iterpretatiosfrage habe ich zu eiem Beispiel das i der der letzte Vorlesug behadelt wurde: Auf Folie.7 zur Variaz. Dort wird ei Beispiel eier stetige Zufallsvariable geat (Warte a eier S-Bah-Haltestelle).

Mehr

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren

Dr. 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

Mehr

15.4 Diskrete Zufallsvariablen

15.4 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

Mehr

Wahrscheinlichkeit und Statistik

Wahrscheinlichkeit 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

Mehr

Musterlösung für die Klausur zur Vorlesung Stochastik I im WiSe 2014/2015

Musterlösung 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

Mehr

Diskrete Wahrscheinlichkeitstheorie Wiederholungsklausur

Diskrete Wahrscheinlichkeitstheorie Wiederholungsklausur Techische Uiversität Müche Sommersemester 007 Istitut für Iformatik Prof. Dr. Javier Esparza Diskrete Wahrscheilichkeitstheorie Wiederholugsklausur LÖSUNG Hiweis: Bei alle Aufgabe wird ebe dem gefragte

Mehr