1. Statistische Grundlagen: Überblick
|
|
- Kornelius Adler
- vor 7 Jahren
- Abrufe
Transkript
1 1. Statistische Grundlagen: Überblick Stichwörter: Messprozess, Bias, Präzision, Grundgesamtheit, Stichprobe, Stichprobenrahmen, systematische Stichprobe, einfache Stichprobe, geschichtete Stichprobe, Zufallszahlen, Stichprobenfehler, Konfidenzintervall, Test, Stichprobenumfang. Literatur: Hackl & Katzenbeisser, Statistik für Sozial- und Wirtschaftswissenschaften: Kap. 9: Konzepte der statistischen Inferenz; Kap. 10.1: Das Lageproblem. Ledolter & Burrill, Statistical Quality Control: Kap. 6: Measurements and Their Importance for Sampling; Kap. 9: Sample Surveys; Kap. 10: Statistical Inference under Simple Random Sampling. Basis jeder Entscheidung in den Bereichen von Produktion und Dienstleistung sind Daten und die entsprechenden statistischen Verfahren zur Entscheidungsfindung. Dieses Kapitel behandelt, aufbauend auf dem Stoff der Lehrveranstaltungen aus Statistik in der Studieneingangsphase, im ersten Teil die Verfahren der Datenerhebung und anschließend einige Konzepte aus dem Bereich der schließenden Statistik, die für die weiteren Kapitel bedeutsam sind. Eine Übersicht über statistische Verfahren gibt der Anhang. 1 Das Gewinnen von Daten 1.1 Messen Messungen sind das Ergebnis eines Messprozesses mit (a) Messinstrumenten (b) Messverfahren (c) messenden Personen Beispiele: Gemessen werden (A) die Länge eines Tisches, (B) die Länge eines Eies, (C) die Härte von Stahl, (D) die Zufriedenheit des Käufers eines PKW. Kriterien für die Qualität von Messungen
2 systematischer Fehler (bias, Bias) Präzision Reproduzierbarkeit Stabilität Problembereiche für hohe Datenqualität Deming (Out of the Crisis, 1986): Clear operational definitions soziale Faktoren, welche die Messung beeinflussen Relevanz der Daten für die Fragestellung Prozessorientierung (Produktions-)prozess Prozessvariabilität Messvariabilität 1.2 Die Datenerhebung (survey) Vollerhebung (census) ist das Erheben der interessierenden Information für jedes Element der Grundgesamtheit. Gebräuchlicher sind Erhebungen auf Basis einer Stichprobe. Die wesentlichen Begriffe im Zusammenhang mit Stichproben sind: Grundgesamtheit oder Population (Umfang N; N ist meist sehr groß) Stichprobenrahmen (Liste aller Elemente der Grundgesamtheit) Stichprobe (Umfang n; n ist meist klein) Auswahl der Stichprobe (Wahl der n Stichprobenelemente) Auswahl ohne Zufallsmechanismus (non-probability sample survey) Auswahl nach dem Zufallsprinzip (probability sample survey) Methoden der Auswahl ohne Zufallsmechanismus
3 Bequemlichkeits-Stichprobe (convenience sampling) Systematische Stichprobe Methoden der Auswahl nach dem Zufallsprinzip Einfache Zufallsstichprobe (simple random sample) Geschichtete Zufallsstichprobe (stratified random sample) Systematische Zufallsstichprobe Clusterstichprobe Einfache Zufallsstichprobe Eine einfache Zufallsstichprobe liegt vor, wenn jede mögliche Stichprobe (vom gegebenen Umfang n) die gleiche Wahrscheinlichkeit hat, gezogen zu werden. Beispiel 1: Einfache Zufallsstichprobe. Die Grundgesamtheit mit den Elementen {a, b, c, d, e} hat den Umfang N = 5. Folgende 10 Stichproben vom Umfang n = 2 sind möglich: {a, b}, {a, c},..., {a, e},..., {d, e}. Methoden, eine einfache Zufallsstichprobe zu ziehen sind: (a) Eine Urne enthält zehn Zettel; auf jedem steht eines der zehn Paare. wählen zufällig einen Zettel aus. Wir (b) Eine Urne enthält fünf Zettel mit den fünf Buchstaben; wir wählen zufällig zwei Zettel (ohne Zurücklegen) aus. (c) Wir verwenden Zufallszahlen. Zufallszahlen In vielen Büchern zu statistischen Verfahren sind Tabellen von Zufallszahlen enthalten; z.b. in Ledolter & Burrill, S.233; in Hackl & Katzenbeisser, S Statistik-Software enthält oft Programme zum Erzeugen von Pseudozufallszahlen. Auch in EXCEL stehen Routinen zum Erzeugen von diskreten Pseudozufallszahlen und von Zufallszahlen verschiedener Wahrscheinlichkeitsverteilungen zur Verfügung. Sie können aufgerufen werden unter Extras Analyse-Funktionen Zufallszahlengenerierung Diskrete Verteilung.
4 Beispiel 2: Erzeugen von Zufallszahlen. Aus einer Grundgesamtheit von N = 81 Personen sollen n = 3 zufällig ausgewählt werden. Welche der in Beispiel 1 genannten Möglichkeiten bietet sich an? Beispiel 3: Erzeugen von Zufallszahlen. Wie Beispiel 2 mit N = 5276 und n = 100. Vor-/Nachteile der einfachen Zufallsstichprobe A Vorteile: Ergebnisse haben keinen systematischen Fehler (Bias); sie sind unverzerrt kontrollierter Stichprobenfehler B Nachteil: in Praxis nicht leicht realisierbar, oft aufwendig Erhebungsfehler: Statistische Ergebnisse können als Folge von Fehlern im Erhebungsprozess, im Rahmen der Datenaufbereitung und bei der Auswertung fehlerhaft sein. Bei den Fehlern im Erhebungsprozess unterscheiden wir Reine Stichprobenfehler (pure sampling error): Variation des Ergebnisses dadurch, dass bestimmte Elemente ausgewählt werden; der Fehler ist durch ein Streuungsmaß quantifizierbar. Nicht-Stichprobenfehler (non-sampling error): Effekte von schlechter Repräsentation der Grundgesamtheit, von Problemen der Erhebungstechnik, der beteiligten Personen, von schlechter Fehlerkontrolle, etc.; kaum quantifizierbar, meist schlecht kontrollierbar Geschichtete Zufallsstichprobe Die Grundgesamtheit wird in Schichten zerlegt; innerhalb jeder Schicht wird eine Zufallsstichprobe gezogen. Der Vorteil gegenüber der einfachen Zufallsstichprobe ist der reduzierte Stichprobenfehler: Voraussetzung ist, dass innerhalb der Schichten geringere Variabilität besteht als in der Grundgesamtheit.
5 Beispiel 4: Einkommen von Arbeitern und Managern. Die Einkommen (in 1000 EUR) von zwei Arbeitern seien a = 2 und b = 3; die von zwei Managern: c = 6, d = 7. aus der Grundgesamtheit (N = 4) wird eine Stichprobe vom Umfang n = 2 gezogen. Als zwei Schichten bieten sich an: Arbeiter, Manager. Wir ziehen Stichproben und schätzen daraus das mittlere Einkommen in der Population als Durchschnittseinkommen MW der Stichprobe. Die folgende Tabelle enthält in den Spalten MW alle möglichen Ergebnisse, unterteilt nach Art der Stichprobe; ZSP steht für Zufallsstichprobe. ZSP Einf. Gesch. MW MW a, b 2.5 a, c a, d b, c b, d c, d 6.5 Beachte! Das mittlere Einkommen in der Population beträgt EUR; die durchschnittliche Abweichung des Durchschnittseinkommens vom mittleren Einkommen ist bei den geschichteten Stichproben deutlich geringer als bei den einfachen Stichproben Weiteres zu Zufallsstichproben Klumpenstichprobe auch Clusterstichprobe: Darunter versteht man die Vollerhebung in zufällig ausgewählten Klumpen oder Clustern (Teilmengen, von denen jede die Grundgesamtheit repräsentiert). Die Erhebung erfolgt also zweistufig. Zwei- (mehr-)stufige Stichprobenverfahren: Man hofft, durch höhere Komplexität des Designs eine höhere Genauigkeit der statistischen Ergebnisse und/oder geringeren Aufwand zu erreichen. Beispiele sind die geschichtete Stichprobe (1.: Vollerhebung der Schichten, 2.: Teilerhebung in den Schichten) und die Klumpenstichprobe ( 1.: Teilerhebung der Klumpen, 2.: Vollerhebung in den Klumpen). 2 Inferenz bei einfachen Zufalls-Stichproben 2.1 Zwei Beispiele Die hier behandelten Fragestellungen haben zentrale Bedeutung für alle anderen Fragestellungen, die mit Verfahren der schließenden Statistik behandelt werden
6 können. Sie sollen zunächst an Hand zweier Beispiele erläutert werden. In den folgenden Abschnitten werden die entsprechenden statistischen Verfahren zusammenfassen behandelt. Beispiel 5: Abfüllmenge einer Abfüllanlage für Getränke. Der Mittelwert µ der Füllmenge sei unbekannt und soll geschätzt werden. Wir ziehen eine Stichprobe von n = 25 abgefüllten Flaschen und erhalten x = und s = Der natürliche Punktschätzer für µ ist der Stichprobenmittelwert X. Der realisierte Wert x hängt von den zufällig realisierten Werten der Stichprobe ab; er ist also eine zufällige Größe (wir wissen auch, dass er ein erwartungstreuer Schätzer ist). 2. Wie sehr kann x von µ abweichen? Zur Beurteilung der Verlässlichkeit von X ermitteln wir das Konfidenzintervall für µ: x ± c. 3. Eine frühere Stichprobe ergab x = 126.4; hat sich µ verändert? Wir testen die Nullhypothese H 0 : µ = gegen die Alternative H 1 : µ > Beispiel 6: Ausschuss in einer Lieferung. Der Kunde und auch der Lieferant würden gerne wissen, wie hoch der Ausschussanteil in der Lieferung ist. Eine Stichprobe (n = 200) wird gezogen und gibt einen Ausschussanteil von 3.5%. 1. Punktschätzer für den tatsächlichen Anteil θ des Ausschusses ist p = Wie verlässlich ist der Schätzer? Wir ermitteln ein Konfidenzintervall p ± c. 3. Ist der Stichprobenbefund mit dem Liefervertrag vereinbar, wonach der Ausschussanteil 0.02 beträgt? Wir testen die Nullhypothese H 0 : θ = 0.02 gegen die Alternative H 1 : θ > Im Mittelpunkt steht die Frage, mit welcher Variation von X und von p wir rechnen müssen. 2.2 Die Wahrscheinlichkeitsverteilung des Stichprobenmittelwerts Die Grundgesamtheit sei beschrieben durch eine (beliebige) Verteilung des uns interessierenden Merkmals X mit Mittelwert µ und Standardabweichung σ. Wir ziehen eine Zufallsstichprobe vom Umfang n.
7 Der Stichprobenmittelwert hat folgende Verteilungseigenschaften: X = 1 n (X X n ) 1. Der Mittelwert der Stichprobenverteilung von X ist µ. 2. Die Standardabweichung σ x der Stichprobenverteilung von X (der Standardfehler, standard error) ist σ x = σ n 3. Für nicht zu kleines n (Faustregel: n > 30) gilt (nach dem zentralen Grenzwertsatz) näherungsweise, dass die Stichprobenverteilung von X normalverteilt ist: ( ) X N µ, σ2. n Beispiel 5: Abfüllmenge einer Abfüllanlage für Getränke (Fortsetzung). Die Füllmenge X sei (beliebig) verteilt mit den Parametern µ = 125 und σ = 2; bei einer Stichprobe vom Umfang n = 49 beträgt die Wahrscheinlichkeit, einen Stichprobenmittelwert im Intervall [124.5, 125.5] zu realisieren, P {124.5 x 125.5} = Φ(1.75) Φ( 1.75) = Dabei wurde von X N(125, 2/7) Gebrauch gemacht. 2.3 Konfidenzintervall für den Mittelwert Die Zahl c des Konfidenzintervalls µ ± c zur Konfidenzzahl γ = 0.95 erhalten wir wegen {µ 2 n σ x µ + 2 n σ } zu P c = 2 σ n = 0.95 [genau: c = 1.96σ/ n]. 95% aller nach dieser Formel berechneten Konfidenzintervalle enthalten den unbekannten Parameter µ; 5% enthalten ihn nicht. Beachte! Ob ein konkretes Konfidenzintervall den unbekannten Parameter enthält, wissen wir nicht; es ist aber sehr wahrscheinlich!
8 Beispiel 5: Abfüllmenge einer Abfüllanlage für Getränke (Fortsetzung). Die Standardabweichung σ der Abfüllmenge ist aus langjährigen Aufzeichnungen bekannt: σ = 0.5; der Mittelwert µ der Abfüllmenge soll bestimmt werden. Eine Stichprobe (n = 25) ergibt x = 126.7; das 95%-ige Konfidenzintervall lautet daher , oder [126.5, 126.9]. Bei unbekanntem σ 2 müssen wir die t-verteilung anstelle der Normalverteilung verwenden. Je nach Fragestellung können wir die Konfidenzzahl γ näher oder weniger nahe zu 100% wählen. 95% ist eine häufig geählte Konfidenzzahl. Die folgende Tabelle gibt das Konfidenzintervall zu einigen Konfidenzzahlen an. Konfidenzzahl γ 100γ%-iges Konfidenzintervall 0.90 X ± 1.645σ x 0.95 X ± 2σ x X ± 3σ x 2.4 Test für den Mittelwert Beispiel 5: Abfüllmenge einer Abfüllanlage für Getränke (Fortsetzung). Die Standardabweichung σ der Abfüllmenge ist aus langjährigen Aufzeichnungen bekannt: σ = 0.5. Eine Stichprobe (n = 25) zum Bestimmen des Mittelwertes µ gibt x = Eine frühere Stichprobe ergab den Schätzwert für µ. Wenn wir davon ausgehen, dass früher µ tatsächlich den Wert hatte: hat sich µ verändert? Beachte! Das Konfidenzintervall [126.5, 126.9] enthält den Wert nicht. Der Wert der Teststatistik T zum Test von H 0 : µ = beträgt T = = 3.0 ; 0.5 T ist sehr groß! Im Test von H 0 gegen die Alternative H 1 : µ > werden wir H 0 verwerfen, wenn der p-wert, d.i. die Wahrscheinlichkeit P {Z > T H 0 }, sehr klein ist. Der p-wert P {Z > T H 0 } = zeigt an, dass der Mittelwert µ = nicht sehr plausibel ist!
9 Zum Test der Nullhypothese H 0 : µ = µ 0 gegen die Alternative H 1 µ > µ 0 verwenden wir (siehe auch Anhang A) die Teststatistik T = x µ 0 n ; σ unter H 0 folgt T näherungsweise der Standardnormalverteilung N(0, 1). Die maximal tolerierte Wahrscheinlichkeit, den Fehler 1. Art zu begehen (H 0 irrtümlich zu verwerfen), wird meist mit 0.05 festgelegt. Das Test-Verfahren umfasst folgende Schritte: 1. Lege H 0 (µ = µ 0 ) und H 1 fest. 2. Wähle den maximal tolerierten p-wert (probability value), d.i. die Wahrscheinlichkeit, den Fehler 1. Art zu begehen (auch Signifikanzniveau genannt, mit α bezeichnet); ein typischer Wert ist α = Ziehe die Stichprobe, berechne x. 4. Berechne den p-wert. 5. Verwerfe H 0, wenn der p-wert kleiner als α ist. Zweiseitiger Test vs. einseitiger Test 2.5 Konfidenzintervall und Test für den Anteil Die relative Häufigkeit p folgt (nach dem Zentralen Grenzwertsatz) für nicht zu kleines n (Faustregel: n > 30) näherungsweise der Normalverteilung p N Das 95%-ige Konfidenzintervall für θ ist [ θ, ] θ(1 θ). n p(1 p) p(1 p) p 2, p + 2 n n Achtung! In der Formel für die Standardabweichung wurde p für θ gesetzt! Ein Test kann analog zum Verfahren für einen Mittelwert µ ausgeführt werden.
10 2.6 Bestimmung des Stichprobenumfanges Ein 95%-iges Konfidenzintervall sei X ± c; daraus können wir n bestimmen: Aus c = 2 σ n ergibt sich ( 2σ n = c ) 2. Beispiel 5: Abfüllmenge einer Abfüllanlage für Getränke (Fortsetzung). Die Standardabweichung σ der Abfüllmenge ist aus langjährigen Aufzeichnungen bekannt: σ = 0.5. Welchen Umfang muß eine Stichprobe zum Bestimmen des Mittelwertes µ haben, damit ein 95%-iges Konfidenzintervall die halbe Länge c von höchstens 0.1 hat? Wir finden n = ( ) 2 2(0.5) = Aufgaben 1. Der Geschäftsführer eines Restaurants möchte durch eine Kundenbefragung die Zufriedenheit mit Produkten und Service messen. Welche Daten soll er erheben, wie soll er vorgehen? Welche Aspekte sind relevant für die Qualität der erhobenen Daten und Ergebnisse? 2. Lesen Sie Kap.9.1, insb von Ledolter & Burrill; schreiben Sie eine Liste aller Punkte, die in einem Protokoll (Verfahrensanleitung) zu einer Erhebung zu regeln sind. 3. Generieren Sie in EXCEL 200 Paare X und Y von Würfelwürfen; berechnen Sie für jedes Paar X + Y und X Y. Was erwarten Sie für die Standardabweichungen von X, Y, X + Y und X Y? Vergleichen Sie damit die numerischen Ergebnisse. 4. Die Abfüllmenge einer Tube beträgt im Durchschnitt 33g mit einer Standardabweichung von 4g. Mit welcher Wahrscheinlichkeit enthält eine Stichprobe von 25 Tuben im Durchschnitt höchstens 32.5g? 5. Berechnen Sie ein 95%-iges Konfidenzintervall für die mittlere Abfüllmenge in Aufgabe 4.
11 6. Kann entsprechend dem Stichprobenbefund in Aufgabe 4 behauptet werden, dass die mittlere Abfüllmenge 33g beträgt? Testen Sie eine geeignete Nullhypothese gegen die möglichen Alternativen; erklären Sie, bei welcher Interessenslage welche Alternative interessiert. 7. In einer Stichprobe von 200 Produkten eines Produktionsprozesses fanden sich 7 defekte Exemplare. Berechnen ein 95%-iges Konfidenzintervall für den Anteil der defekten Produkte. 8. Stimmt die Behauptung, dass der Anteil der defekten Produkte in diesem Produktionsprozess 3% beträgt (α = 0.05)?
Konfidenzintervall für den Anteilswert θ. Konfidenzintervalle. Jost Reinecke. Universität Bielefeld. 13. Juni 2005
Universität Bielefeld 13. Juni 2005 Einführung Einführung Wie kann die Kenntnis der Wahrscheinlichkeitsverteilung der Parameter einer Stichprobe dazu verhelfen auf die wahren Werte der Grundgesamtheit
MehrInferenzstatistik (=schließende Statistik)
Inferenzstatistik (=schließende Statistik) Grundproblem der Inferenzstatistik: Wie kann man von einer Stichprobe einen gültigen Schluß auf di Grundgesamtheit ziehen Bzw.: Wie groß sind die Fehler, die
MehrStatistik 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
MehrAnalytische 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.
MehrRingvorlesung 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
MehrProbeklausur zur Vorlesung Statistik II für Studierende der Soziologie und Nebenfachstudierende
Probeklausur zur Vorlesung Statistik II für Studierende der Soziologie und Nebenfachstudierende im Sommersemester 2012 Prof. Dr. H. Küchenhoff, J. Brandt, G. Schollmeyer, G. Walter Aufgabe 1 Betrachten
MehrJost Reinecke. 7. Juni 2005
Universität Bielefeld 7. Juni 2005 Testtheorie Test für unabhängige Stichproben Test für abhängige Stichproben Testtheorie Die Testtheorie beinhaltet eine Reihe von Testverfahren, die sich mit der Überprüfung
MehrT-Test für unabhängige Stichproben
T-Test für unabhängige Stichproben Wir gehen von folgendem Beispiel aus: Wir erheben zwei Zufallstichproben, wobei nur die Probanden der einen Stichprobe einer speziellen experimentellen Behandlung (etwa
Mehr825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170 e 500 e 443 e 608 e. Zeichnen Sie das Box-Plot. Sind in dieser Stichprobe Ausreißer vorhanden?
1. Aufgabe: Eine Bank will die jährliche Sparleistung eines bestimmten Kundenkreises untersuchen. Eine Stichprobe von 12 Kunden ergab folgende Werte: 825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170
MehrKapitel 2 Wahrscheinlichkeitsrechnung
Definition 2.77: Normalverteilung & Standardnormalverteilung Es sei µ R und 0 < σ 2 R. Besitzt eine stetige Zufallsvariable X die Dichte f(x) = 1 2 πσ 2 e 1 2 ( x µ σ ) 2, x R, so heißt X normalverteilt
MehrKonkretes 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
MehrÜ 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
MehrStichwortverzeichnis. Symbole
Stichwortverzeichnis Symbole 50ste Perzentil 119 A Absichern, Ergebnisse 203 Abzählbar unendliche Zufallsvariable 146 Alternativhypothese 237 238 formulieren 248 Anekdote 340 Annäherung 171, 191 Antwortquote
MehrTrim 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
MehrVon 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
Mehr5. Seminar Statistik
Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation
MehrGegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen. 0 sonst.
Aufgabe 1 (2 + 4 + 2 + 1 Punkte) Gegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen X und Y : { 2x + 2y für 0.5 x 0.5, 1 y 2 f(x, y) = 3 0 sonst. a) Berechnen
MehrMessung von Rendite und Risiko. Finanzwirtschaft I 5. Semester
Messung von Rendite und Risiko Finanzwirtschaft I 5. Semester 1 Messung von Renditen Ergebnis der Anwendung der Internen Zinsfuß- Methode ist die Rentabilität des Projekts. Beispiel: A0-100.000 ZÜ1 54.000
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
Mehr3 Grundlagen statistischer Tests (Kap. 8 IS)
3 Grundlagen statistischer Tests (Kap. 8 IS) 3.1 Beispiel zum Hypothesentest Beispiel: Betrachtet wird eine Abfüllanlage für Mineralwasser mit dem Sollgewicht µ 0 = 1000g und bekannter Standardabweichung
Mehr4.1. Nullhypothese, Gegenhypothese und Entscheidung
rof. Dr. Roland Füss Statistik II SS 8 4. Testtheorie 4.. Nullhypothese, Gegenhypothese und Entscheidung ypothesen Annahmen über die Verteilung oder über einzelne arameter der Verteilung eines Merkmals
MehrTest auf einen Anteilswert (Binomialtest) Vergleich zweier Mittelwerte (t-test)
Spezielle Tests Test auf einen Anteilswert (Binomialtest) Vergleich zweier Anteilswerte Test auf einen Mittelwert (Ein-Stichproben Gauss bzw. t-test) Vergleich zweier Mittelwerte (t-test) Test auf einen
MehrEmpirische Wirtschaftsforschung
Empirische Wirtschaftsforschung Prof. Dr. Bernd Süßmuth Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie 1 4. Basiskonzepte der induktiven
MehrGrundlagen 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
MehrÜber den Autor 7. Teil Beschreibende Statistik 29
Inhaltsverzeichnis Über den Autor 7 Einführung Über dieses Buch - oder:»... für Dummies«verpflichtet! Wie man dieses Buch benutzt 22 Wie ich Sie mir vorstelle 22 Wie dieses Buch aufgebaut ist 23 Teil I:
MehrSchließende Statistik
Schließende Statistik [statistical inference] Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.
MehrAnalyse von Querschnittsdaten. Signifikanztests I Basics
Analyse von Querschnittsdaten Signifikanztests I Basics Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Generalisierung kategoriale Variablen Datum 13.10.2004 20.10.2004 27.10.2004
Mehr1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests
1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests Statistische Tests dienen dem Testen von Vermutungen, so genannten Hypothesen, über Eigenschaften der Gesamtheit aller Daten ( Grundgesamtheit
MehrWahrscheinlichkeitsverteilungen
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
MehrStatistik 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
MehrDer Trainer einer Fußballmannschaft stellt die Spieler seiner Mannschaft auf. Insgesamt besteht der Kader seiner Mannschaft aus 23 Spielern.
Aufgabe 1 (2 + 1 + 2 + 2 Punkte) Der Trainer einer Fußballmannschaft stellt die Spieler seiner Mannschaft auf. Insgesamt besteht der Kader seiner Mannschaft aus 23 Spielern. a) Wieviele Möglichkeiten hat
MehrWS 2014/15. (d) Bestimmen Sie die Wahrscheinlichkeitsfunktion von X. (e) Bestimmen Sie nun den Erwartungswert und die Varianz von X.
Fragenkatalog zur Übung Methoden der empirischen Sozialforschung WS 2014/15 Hier finden Sie die denkbaren Fragen zum ersten Teil der Übung. Das bedeutet, dass Sie zu diesem Teil keine anderen Fragen im
MehrWahrscheinlichkeitsrechnung und schließende Statistik
Springer-Lehrbuch Wahrscheinlichkeitsrechnung und schließende Statistik von Karl Mosler, Friedrich Schmid Neuausgabe Wahrscheinlichkeitsrechnung und schließende Statistik Mosler / Schmid schnell und portofrei
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 12 2009 FernUniversität in Hagen Alle Rechte vorbehalten Fachbereich Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
MehrBiometrische Planung von Versuchsvorhaben
Biometrische Planung von Versuchsvorhaben Einführung in das Prinzip der Lehrstuhl für Mathematik VIII Statistik http://statistik.mathematik.uni-wuerzburg.de/~hain Ziel des Vortrags Im nachfolgenden Vortrag
MehrÜbungsaufgaben zu Statistik II
Übungsaufgaben zu Statistik II Prof. Dr. Irene Prof. Dr. Albrecht Ungerer Die Kapitel beziehen sich auf das Buch: /Ungerer (2016): Statistik für Wirtschaftswissenschaftler Springer Gabler 4 Übungsaufgaben
MehrPrüfung aus Statistik 2 für SoziologInnen
Prüfung aus Statistik 2 für SoziologInnen 11. Oktober 2013 Gesamtpunktezahl =80 Name in Blockbuchstaben: Matrikelnummer: Wissenstest (maximal 16 Punkte) Kreuzen ( ) Sie die jeweils richtige Antwort an.
MehrMaster of Science in Pflege
Master of Science in Pflege Modul: Statistik Einführung in die schliessende Statistik Oktober 212 Prof. Dr. Jürg Schwarz Folie 2 Programm 31. Oktober 212: Vormittag (9.15 12.3) Vorlesung - Einführung,
Mehr6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen
6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Bisher: Diskrete Zufallsvariablen,
MehrRangkorrelationskoeffizient nach Spearman
Grundgesamtheit vs. Stichprobe Wer gehört zur Grundgesamtheit? Die Untersuchungseinheiten, die zur Grundgesamtheit gehören, sollten nach zeitlichen Kriterien räumlichen Kriterien sachlichen Kriterien Wie
MehrWirtschaftsstatistik-Klausur am
Wirtschaftsstatistik-Klausur am 03.07.208 Aufgabe Statistik-Dozent K.R. lehrt an einer privaten FH in Köln, wohnt aber in Frankfurt am Main. Er hat - wegen möglicher saisonaler Schwankungen - zwei Semester
MehrPrüfungstutorat: Angewandte Methoden der Politikwissenschaft. Polito Seminar Carl Schweinitz 10.12.2014
Prüfungstutorat: Angewandte Methoden der Politikwissenschaft Polito Seminar Carl Schweinitz 10.12.2014 Übersicht 1. Einheiten und Variablen 2. Skalen und ihre Transformation 3. Deskriptive Statistik 4.
MehrHandelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen?
1. Handelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen? a.) Anzahl der Kunden, die an der Kasse in der Schlange stehen. b.) Die Menge an Energie, die pro Tag von einem Energieversorgungsunternehmen
MehrDipl.-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
Mehr2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.15. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler unter allen Wählern war 2009 auf eine Nachkommastelle gerundet genau 33.7%. Wie groß ist die Wahrscheinlichkeit,
MehrAufgabenblock 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 )
Mehr1. Einführung in die induktive Statistik
Wichtige Begriffe 1. Einführung in die induktive Statistik Grundgesamtheit: Statistische Masse, die zu untersuchen ist, bzw. über die Aussagen getroffen werden soll Stichprobe: Teil einer statistischen
Mehr2.3 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
MehrStatistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli
Mehr5. 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
MehrDeskriptive Statistik Beschreiben, Zusammenfassen, Darstellen gegebener Daten (Datenreduktion!)
Deskriptive Statistik Beschreiben, Zusammenfassen, Darstellen gegebener Daten (Datenreduktion!) - Arithmetisches Mittel o Das arithmetische Mittel (auch Durchschnitt) ist ein Mittelwert, der als Quotient
MehrStatistik für Dummies
Bearbeitet von Deborah Rumsey, Reinhard Engel 3. aktualisierte Auflage 2015. Buch. 368 S. Softcover ISBN 978 3 527 71156 7 Format (B x L): 17,6 x 24 cm Wirtschaft > Betriebswirtschaft: Theorie & Allgemeines
MehrKapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße. x mod (lies: x-mod) Wofür? Lageparameter. Modus/ Modalwert Zentrum. Median Zentralwert
Kapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße Wofür? Lageparameter Modus/ Modalwert Zentrum Median Zentralwert Im Datensatz stehende Informationen auf wenige Kenngrößen verdichten ermöglicht
MehrStatistische Tests. Kapitel Grundbegriffe. Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe
Kapitel 4 Statistische Tests 4.1 Grundbegriffe Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe X 1,..., X n. Wir wollen nun die Beobachtung der X 1,...,
MehrExperimentelle und quasiexperimentelle
Experimentelle und quasiexperimentelle Designs Experimentelle Designs Quasi- experimenttel Designs Ex- post- facto- Desingns Experimentelle Designs 1. Es werden mindestens zwei experimentelle Gruppen gebildet.
MehrHypothesentests. Hypothese Behauptung eines Sachverhalts, dessen Überprüfung noch aussteht.
Hypothese Behauptung eines Sachverhalts, dessen Überprüfung noch aussteht. Wissenschaftliche Vorgehensweise beim Hypothesentest Forscher formuliert eine Alternativhypothese H 1 (die neue Erkenntnis, die
MehrStatistik 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
MehrDr. H. Grunert Schließende Statistik Vorlesungscharts. Vorlesung 7. Schätzverfahren
Vorlesungscharts Vorlesung 7 Schätzverfahren Konstruktion von Konfidenzintervallen Konfidenzintervalle für den Erwartungswert normalverteilter Grundgesamtheiten Konfidenzintervalle für Anteilswerte Seite
Mehr6. Übung Statistische Tests Teil 1 (t-tests)
Querschnittsbereich 1: Epidemiologie, Medizinische iometrie und Medizinische Informatik - Übungsmaterial - Erstellt von Mitarbeitern des IMISE und des ZKS Leipzig 6. Übung Statistische Tests Teil 1 (t-tests)
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2
MehrTESTEN VON HYPOTHESEN
TESTEN VON HYPOTHESEN 1. Beispiel: Kann ein neugeborenes Küken Körner erkennen oder lernt es dies erst durch Erfahrung? Um diese Frage zu entscheiden, wird folgendes Experiment geplant: Sobald das Küken
MehrWillkommen zur Vorlesung Statistik
Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Inferenzstatistik (schließende Statistik, induktive Statistik) Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät,
MehrZusammenfassung PVK Statistik
Zusammenfassung PVK Statistik (Diese Zusammenfassung wurde von Carlos Mora erstellt. Die Richtigkeit der Formeln ist ohne Gewähr.) Verteilungen von diskreten Zufallsvariablen Beschreibung Binomialverteilung
MehrThema der Stunde. I. Die Form der Stichprobenkennwerteverteilung. II. Schlüsse von der Stichprobe auf die Population
Thema der Stunde I. Die Form der Stichprobenkennwerteverteilung II. Schlüsse von der Stichprobe auf die Population III. t-test für unabhängige und abhängige Stichproben Stichprobenkennwerte Population
MehrGrundgesamtheit und Stichprobe
Grundgesamtheit und Stichprobe Definition 1 Die Menge der Untersuchungseinheiten {U 1,U 2,...,U N } heißt Grundgesamtheit. Die Anzahl N der Einheiten ist der Umfang der Grundgesamtheit. Jeder Einheit U
MehrStatistische Grundlagen I
Statistische Grundlagen I Arten der Statistik Zusammenfassung und Darstellung von Daten Beschäftigt sich mit der Untersuchung u. Beschreibung von Gesamtheiten oder Teilmengen von Gesamtheiten durch z.b.
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
MehrBiometrie und Methodik (Statistik) - WiSem08/09 Probeklausur 1
Biometrie und Methodik (Statistik) - WiSem08/09 Probeklausur 1 Aufgabe 1 (10 Punkte). 10 Schüler der zehnten Klasse unterziehen sich zur Vorbereitung auf die Abschlussprüfung einem Mathematiktrainingsprogramm.
MehrWahrscheinlichkeitsrechnung und schließende Statistik
Günther Bourier Wahrscheinlichkeitsrechnung und schließende Statistik Praxisorientierte Einführung Mit Aufgaben und Lösungen 3. F überarbeitete Auflage GABLER Inhaltsverzeichnis Vorwort Inhaltsverzeichnis
MehrStatistik Zusätzliche Beispiele SS 2018 Blatt 3: Schließende Statistik
Statistik Zusätzliche Beispiele SS 2018 Blatt 3: Schließende Statistik 1. I Ein Personalchef führt so lange Vorstellungsgespräche durch bis der erste geeignete Bewerber darunter ist und stellt diesen an.
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage
Mehr1 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
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:
MehrBemerkungen zu statistischen Tests
Bemerkungen zu statistischen Tests Einseitige vs. zweiseitige Tests Die Entscheidung für eine einseitige oder zweiseitige Alternative hängt von der Fragestellung ab. Eine einseitige Alternative ist dann
MehrTeil II. Der Weg zur schließenden Statistik: Von den Daten zu Wahrscheinlichkeiten. StatSoz 127
Teil II Der Weg zur schließenden Statistik: Von den Daten zu Wahrscheinlichkeiten StatSoz 127 6 Zufallsstichprobe und Parameter 6.1 Parameter einer Grundgesamtheit 6.2 Zufallsstichprobe und Bias 6.3 Stichprobenfehler
MehrStatistik mit und ohne Zufall
Christoph Weigand Statistik mit und ohne Zufall Eine anwendungsorientierte Einführung Mit 118 Abbildungen und 10 Tabellen Physica-Verlag Ein Unternehmen von Springer Inhaltsverzeichnis Teil I Deskriptive
MehrInhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 10 Prof. Dr. Karin Melzer, Prof. Dr. Gabriele Gühring, Fakultät Grundlagen
Inhaltsverzeichnis: 1. Aufgabenlösungen... Lösung zu Aufgabe 1:... Lösung zu Aufgabe... Lösung zu Aufgabe 3... Lösung zu Aufgabe 4... Lösung zu Aufgabe 5... 3 Lösung zu Aufgabe... 3 Lösung zu Aufgabe 7...
MehrGrundgesamtheit und Stichprobe
Grundgesamtheit und Stichprobe Definition 1 Die Menge der Untersuchungseinheiten {U 1,U 2,...,U N } heißt Grundgesamtheit. Die Anzahl N der Einheiten ist der Umfang der Grundgesamtheit. Jeder Einheit U
Mehr5. 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
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 15 009 FernUniversität in Hagen Alle Rechte vorbehalten Fachbereich Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 41 Übersicht Struktur eines Hypothesentests Stichprobenverteilung t-test: Einzelner-Parameter-Test F-Test: Multiple lineare Restriktionen 2 / 41 Struktur
MehrPolizeidienst-Aufgabe Abiturprüfung Bayern LK 2003
Polizeidienst-Aufgabe Abiturprüfung Bayern LK 003 a) Bei einem Einstellungstermin für den Polizeidienst waren 0% der Bewerber Frauen, von denen 90% die Aufnahmeprüfung bestanden. Drei Viertel derjenigen,
MehrSo berechnen Sie einen Schätzer für einen Punkt
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: SCHÄTZEN UND TESTEN htw saar 2 Schätzen: Einführung Ziel der Statistik ist es, aus den Beobachtungen eines Merkmales in einer Stichprobe Rückschlüsse über die Verteilung
Mehr0 sonst. a) Wie lautet die Randwahrscheinlichkeitsfunktion von Y? 0.5 y = 1
Aufgabe 1 (2 + 2 + 2 + 1 Punkte) Gegeben sei folgende gemeinsame Wahrscheinlichkeitsfunktion f(x, y) = P (X = x, Y = y) der Zufallsvariablen X und Y : 0.2 x = 1, y = 1 0.3 x = 2, y = 1 f(x, y) = 0.45 x
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 22 Übersicht Weitere Hypothesentests in der Statistik 1-Stichproben-Mittelwert-Tests 1-Stichproben-Varianz-Tests 2-Stichproben-Tests Kolmogorov-Smirnov-Test
Mehr3.2 Stichprobenauswahl (Sampling)
3.2 Stichprobenauswahl (Sampling) Stichprobe = als Stichprobe bezeichnet man eine Teilmenge einer Grundgesamtheit, die unter bestimmten Gesichtspunkten ausgewählt wurde. Der Stichprobenentnahme vorgelagert
MehrStichproben und statistische Fehler
Kapitel 0 Stichproben und statistische Fehler 0. Verfahren zur Auswahl von Stichproben Stichprobenauswahl als Bestandteil von Teilerhebungen: Aus dem Ergebnis der Untersuchung der Stichprobe soll dann
MehrMittelwertvergleiche, Teil I: Zwei Gruppen
FB W. Ludwig-Mayerhofer Statistik II Mittelwertvergleiche Herzlich willkommen zur Vorlesung Mittelwertvergleiche, Teil I: Zwei Gruppen FB W. Ludwig-Mayerhofer Statistik II Mittelwertvergleiche Mittelwertvergleiche:
MehrWiederholung 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
MehrStatistik - Übungen WS 2015
Statistik - Übungen WS 2015 Blatt 3: Schließende Statistik 1. Für die Durchführung eines Entwicklungshilfeprojekts soll in einem Entwicklungsland zunächst der Anteil der Personen ermittelt werden, die
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests Nach Verteilungsannahmen: verteilungsabhängig: parametrischer [parametric] Test verteilungsunabhängig: nichtparametrischer [non-parametric] Test Bei parametrischen Tests
MehrGrundlagen der Wahrscheinlichkeitstheorie und Statistik für Studierende der Informatik
INSTITUT FÜR STOCHASTIK WS 07/08 UNIVERSITÄT KARLSRUHE Blatt 4 Dr. B. Klar Übungen zur Vorlesung Grundlagen der Wahrscheinlichkeitstheorie und Statistik für Studierende der Informatik Musterlösungen Aufgabe
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrStatistik-Übungsaufgaben
Statistik-Übungsaufgaben 1) Bei der Produktion eine Massenartikels sind erfahrungsgemäß 20 % aller gefertigten Erzeugnisse unbrauchbar. Es wird eine Stichprobe vom Umfang n =1000 entnommen. Wie groß ist
MehrStichprobenverteilung bei unterschiedlichen Auswahlsätzen
Stichprobenverteilung bei unterschiedlichen Auswahlsätzen Begleitende Unterlagen zur Übung Induktive Statistik Michael Westermann Universität Essen Inhaltsverzeichnis 1 Einleitung.......................................................
MehrEs 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
MehrKugelschreiber-Aufgabe Bayern LK 1986
Kugelschreiber-Aufgabe Bayern LK 1986 1. Eine Firma stellt Kugelschreiber her. Sie werden in Packungen zu je 20 Stück geliefert. Ein Händler prüft aus jeder Packung nacheinander zwei Kugelschreiber (ohne
MehrAllgemeines zu Tests. Statistische Hypothesentests
Statistische Hypothesentests Allgemeines zu Tests Allgemeines Tests in normalverteilten Grundgesamtheiten Asymptotische Tests Statistischer Test: Verfahren Entscheidungsregel), mit dem auf Basis einer
MehrKapitel 2. Fehlerrechnung
Fehlerrechnung 1 Messungen => quantitative Aussagen Messungen müssen zu jeder Zeit und an jedem Ort zu den gleichen Ergebnissen führen Messungen sind immer mit Fehler behaftet. => Angabe des Fehlers! Bespiel
Mehr10. Die Normalverteilungsannahme
10. Die Normalverteilungsannahme Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Bisher haben wir vorausgesetzt, daß die Beobachtungswerte normalverteilt sind. In diesem Fall kann man
Mehr