Biostatistik, Winter 2011/12

Größe: px
Ab Seite anzeigen:

Download "Biostatistik, Winter 2011/12"

Transkript

1 Biostatistik, Winter 2011/12 Vergleich zweier Stichproben, nichtparametrische Tests Prof. Dr. Achim Klenke Vorlesung: /86 Inhalt 1 Tests t-test 2 Vergleich zweier Stichproben Gepaarter t-test Ungepaarter t-test Ungepaarter t-test bei unterschiedlicher Varianz, Welch Test Vergleich: Gepaarter vs ungepaarter t-test 3 Nichtparametrische Lagetests Der Mediantest Wilcoxon Rangsummentest 4 χ 2 -Test χ 2 -Test 2/86

2 Tests t-test, Problemstellung t-test Merkmal (Messgröße) zufällig und normalverteilt. Erwartungswert µ R unbekannt. Varianz σ 2 > 0 unbekannt. Hypothese H 0 = {µ 0 } für ein µ 0 R (Lehrmeinung). Alternative H 1. H 1 : H 1 : H 1 : µ < µ 0 linksseitig, µ > µ 0 rechtsseitig, µ µ 0 beidseitig. Problem Entwickle Test zum Niveau α (0, 1). 3/86 Vergleich mit Gaußtest Gemeinsam Messwerte normalverteilt, µ unbekannt. Stichprobe x 1,..., x n H 0 verwerfen, wenn Teststatistik T (x) groß (rechtsseitige Alternative). Anders bei t-test Varianz σ 2 unbekannt, schätzen durch sn 1 2 = 1 n (x i x) 2 n 1 i=1 Teststatistik T (x) = x µ 0 s n 1 / n. t-quantile t n 1;1 α statt Normal-Quantile z α. Keine Fallzahlplanung möglich, da σ 2 unbekannt.

3 Tests Linksseitige Alternative t-test Verwerfungsregel Alternative H 1 (, µ 0 ). Stichprobe x 1,..., x n.teststatistik T (x) = x µ 0 s n 1 / n. Verwirf H 0 zugunsten von H 1, falls T (x) t n 1;1 α. p-wert p(x) = t n 1 (T (x)) = 1 t n 1 ( T (x)). t n 1 Verteilungsfunktion der t n 1 -Verteilung (Tabelle A.4). 5/86 Tests t-test Rechtsseitige Alternative Verwerfungsregel Alternative H 1 (µ 0, ). Stichprobe x 1,..., x n. Teststatistik T (x) = x µ 0 s n 1 / n. Verwirf H 0 zugunsten von H 1, falls T (x) t n 1;1 α. p-wert p(x) = t n 1 ( T (x)) = 1 t n 1 (T (x)). t n 1 Verteilungsfunktion der t n 1 -Verteilung (Tabelle A.4). 6/86

4 Tests Beidseitige Alternative t-test Verwerfungsregel Alternative H 1 R \ {µ 0 }. Stichprobe x 1,..., x n. Teststatistik T (x) = x µ 0 s n 1 / n. Verwirf H 0 zugunsten von H 1, falls T (x) t n 1;1 α/2. p-wert p(x) = 2(1 t n 1 ( T (x) )). t n 1 Verteilungsfunktion der t n 1 -Verteilung (Tabelle A.4). 7/86 Tests Beispiel: Straußeneier t-test Straußeneier, Gewicht µ unbekannt, normalverteilt. Konservative Hypothese: µ = µ 0 = 110. Alternative H 1 : µ 110. Beidseitiger t-test zum Niveau α = 0.05 mit Stichprobengröße n verwirft H 0, falls T (x) = x 110 s n 1 / 10 t 9;1 α/2 = t 9; = /86

5 Tests t-test Gesammelte Daten Test verwirft H 0, falls x 110 s n 1 / 10 t 9; = i x i Wir berechnen x = 103.9, s n 1 = und T (x) = / 10 = Fazit Wegen T (x) = > verwirft der Test H 0 gegen H 1 zum Niveau 5% 9/86 Straußeneier, p-wert Tests t-test Allgemeine Formel Hier T (x) = Tabelle: p(x) = 2(1 t n 1 ( T (x) )). p-wert ist t 9 (3.9) = p(x) = 2(1 t 9 ( T (x) )) = 2(1 t 9 (3.90)) = = 0.362%. Der beidseitige t-test verwirft zu jedem Niveau α > 0.362%. 10/86

6 Tests t-test Anstieg des Niveaus beim Ersetzen t n 1 durch z Für große n können die Quantile von t n 1 durch die von N 0,1 ersetzt werden. Fehler im Niveau: n Fehler einseitiger Test Fehler zweiseitiger Test /86 Grundproblem Vergleich zweier Stichproben Gepaarter t-test Bei n Individuen soll eine Messgröße x unter zwei Versuchsbedingungen gemessen werden. Unterscheiden sich die Mittelwerte der Messungen? 12/86

7 Modellierung Vergleich zweier Stichproben Gepaarter t-test Unter Versuchsbedingung 1 sind die Messwerte x (1) 1,..., x (1) n unabhängig mit Erwartungswerte µ 1. Unter Versuchsbedingung 2 sind die Messwerte x (2) 1,..., x (2) n unabhängig mit Erwartungswerte µ 2. Annahme (Hoffnung!!!): Die Differenzen x (2) 1 x (1) 1,..., x (2) n x (1) n sind (ungefähr) normalverteilt mit unbekannter Varianz σ 2 (und Erwartungswert µ 2 µ 1 ). Nullhypothese (H 0 ): µ 1 = µ 2. Alternative (H 1 ): µ 1 µ 2 (beidseitig) µ 1 < µ 2 (rechtsseitig) µ 1 > µ 2 (linksseitig). 13/86 Verfahren Vergleich zweier Stichproben Gepaarter t-test Unter der Nullhypothese sind die Differenzen x k = x (2) k x (1) k unabhängig normalverteilt mit unbekannter Varianz σ 2 und Erwartungswert µ = µ 2 µ 1 = 0. Also verfahren wir jetzt wie im bekannten t-test: Teststatistik T (x) = x s n 1 / n, wobei ist und x = 1 n n x k = 1 n k=1 s 2 n 1 = 1 n 1 n k=1 (x (2) k x (1) k ) n (x i x) 2. k=1 14/86

8 Vergleich zweier Stichproben Linksseitige Alternative Gepaarter t-test Verwerfungsregel Nullhypothese (H 0 ): µ 2 = µ 1 Alternative (H 1 ): µ 2 < µ 1. Verwirf H 0 zugunsten von H 1, falls T (x) t n 1;1 α. p-wert p(x) = t n 1 (T (x)) = 1 t n 1 ( T (x)). t n 1 Verteilungsfunktion der t n 1 -Verteilung (Tabelle A.4). 15/86 Vergleich zweier Stichproben Rechtsseitige Alternative Gepaarter t-test Verwerfungsregel Nullhypothese (H 0 ): µ 2 = µ 1 Alternative (H 1 ): µ 2 > µ 1. Verwirf H 0 zugunsten von H 1, falls T (x) t n 1;1 α. p-wert p(x) = t n 1 ( T (x)) = 1 t n 1 (T (x)). t n 1 Verteilungsfunktion der t n 1 -Verteilung (Tabelle A.4). 16/86

9 Vergleich zweier Stichproben Beidseitige Alternative Gepaarter t-test Verwerfungsregel Nullhypothese (H 0 ): µ 2 = µ 1 Alternative (H 1 ): µ 2 µ 1. Verwirf H 0 zugunsten von H 1, falls T (x) t n 1;1 α/2. p-wert p(x) = 2(1 t n 1 ( T (x) )). t n 1 Verteilungsfunktion der t n 1 -Verteilung (Tabelle A.4). 17/86 Vergleich zweier Stichproben Gepaarter t-test Beispiel: Orientierung von Zugvögeln Zugvögel werden einer Beleuchtung mit bestimmter Farbe (grün oder blau) ausgesetzt. Ist das Orientierungsverhalten (magnetischer Kompass) abhängig von der Farbe? 18/86

10 Vergleich zweier Stichproben Gepaarter t-test Beispiel: Orientierung von Zugvögeln Zugvögel werden einer Beleuchtung mit bestimmter Farbe (grün oder blau) ausgesetzt. Ist die Genauigkeit der Orientierung (magnetischer Kompass) abhängig von der Farbe? Nullhypothese: Nein. Alternative: Doch. 19/86 Vergleich zweier Stichproben Gepaarter t-test Beispiel: Orientierung von Zugvögeln Versuchsanordnung Es werden n = 17 Trauerschnäpper in Käfigen einer Beleuchtung mit blauem Licht ausgesetzt (Versuchsbedingung 1) und jeweils in mehreren Durchgängen ihre Flugrichtung ermittelt. Die Flugrichtung wird als Punkt auf einem Kreis dargestellt. Aus allen Punkten auf dem Kreis wird der Schwerpunktvektor ermittelt. Danach der gleiche Versuch mit grünem Licht (Bedingung 2). 20/86

11 Vergleich zweier Stichproben Gepaarter t-test Beispiel: Orientierung von Zugvögeln Bestimmung des Schwerpunktvektors Je variabler die Richtungen, desto kürzer der Pfeil! 21/86 Vergleich zweier Stichproben Gepaarter t-test Beispiel: Orientierung von Zugvögeln Ansatz des Tests Für jeden Vogel i = 1,..., 17 bezeichnen wir mit x (1) i die Länge des Schwerpunktvektors bei blauem Licht und mit x (2) i die Länge des Schwerpunktvektors bei grünem Licht. x i = x (2) i x (1) i. Festlegung des Niveaus: α = 5%. Schwerpunktvektoren sind Mittelwerte vieler zufälliger Beobachtungen, also etwa normalverteilt (zentraler Grenzwertsatz). Also: Gepaarter t-test mit beidseitiger Alternative und Niveau 5%. Verwerfe H 0, falls T (x) > t n 1;1 α/2 = t 16;0.975 = /86

12 Vergleich zweier Stichproben Gepaarter t-test Beispiel: Orientierung von Zugvögeln Daten und Durchführung Differenzen x i : Mittelwert und Streuung: x = s n 1 = x t-statistik T (x) = s n 1 / n = / Also ist T (x) = 2.34 > 2.12 = t 16; p-wert: p(x) = 2(1 t n 1 ( T (x) )) = 2(1 t 16 (2.34)) = 2( ) = /86 Vergleich zweier Stichproben Gepaarter t-test Beispiel: Orientierung von Zugvögeln Fazit Wir können die Hypothese, dass die Farbe des Lichtes keine Rolle für die Orientierungsgenauigkeit der Trauerschnäpper spielt, zum Niveau 5% verwerfen. 24/86

13 Vergleich zweier Stichproben Ungepaarter t-test Beispiel: Backenzähne von Hipparions (c): public domain 25/86 Vergleich zweier Stichproben Ungepaarter t-test Beispiel: Backenzähne von Hipparions Die Daten 77 Backenzähne gefunden in den Chiwondo Beds, Malawi, jetzt in den Sammlungen des Hessischen Landesmuseums, Darmstadt 26/86

14 Vergleich zweier Stichproben Ungepaarter t-test Beispiel: Backenzähne von Hipparions Zuordnung Die Zähne wurden zwei Arten zugeordnet: Hipparion africanum 4 Mio. Jahre, 39 Zähne Hipparion libycum 2,5 Mio. Jahre, 38 Zähne 27/86 Vergleich zweier Stichproben Ungepaarter t-test Beispiel: Backenzähne von Hipparions Geologischer Hintergrund Vor 2,8 Mio. Jahren kühlte sich das Klima weltweit ab. Das Klima in Ostafrika: warm-feucht kühl-trocken Hipparion: Laubfresser Grasfresser 28/86

15 Vergleich zweier Stichproben Ungepaarter t-test Beispiel: Backenzähne von Hipparions Frage Hipparion: Laubfresser Grasfresser andere Nahrung andere Zähne? Messungen: mesiodistale Länge Lässt sich die Nullhypothese, dass die Zähne gleich sind, zum Niveau 1% verwerfen? 29/86 Die Theorie Vergleich zweier Stichproben Ungepaarter t-test Annahme: Wir haben zwei unabhängige Stichproben x 1,1,..., x 1,n1 und x 2,1,..., x 2,n2. Die x 1,i stammen aus einer Normalverteilung mit (unbekanntem) Mittelwert µ 1 und unbekannter Varianz σ 2 > 0, die x 2,i aus einer Normalverteilung mit (unbekanntem) Mittelwert µ 2 und derselben Varianz σ 2. 30/86

16 Die Theorie Vergleich zweier Stichproben Ungepaarter t-test Seien x 1 = 1 n 1 x 1,i, x 2 = 1 n 2 n 1 n 2 i=1 i=1 die jeweiligen Stichprobenmittelwerte, s 1 = 1 n 1 (x 1,i x 1 ) n 1 1 2, i=1 s 2 = 1 n 2 (x 2,i x 2 ) n 2 1 2, i=1 die (korrigierten) Stichprobenstreuungen. x 2,i 31/86 Die Theorie Vergleich zweier Stichproben Ungepaarter t-test Wir möchten die Hypothese H 0 : µ 1 = µ 2 prüfen. Wenn µ 1 = µ 2 gilt, so sollte x 1 = x 2 bis auf Zufallsschwankungen gelten, denn E[x 1 ] = µ 1, E[x 2 ] = µ 2. Was ist die Skala der typischen Schwankungen von x 2 x 1? Var(x 1 x 2 ) = σ 2( 1 n n 2 ) Problem (wie bereits im ein-stichproben-fall): Wir kennen σ 2 nicht. Wir schätzen es im zwei-stichproben-fall durch die gepoolte Stichprobenvarianz s 2 = (n 1 1)s (n 2 1)s 2 2 n 1 + n 2 2 und bilden die Teststatistik T (x) = x 2 x 1. 1 s n n 2 32/86

17 Die Theorie Vergleich zweier Stichproben Ungepaarter t-test Es gilt dann: Wenn µ 1 = µ 2 gilt, so ist T (x) = x 2 x 1. 1 s n n 2 t-verteilt mit n 1 + n 2 2 Freiheitsgraden. 33/86 Die Theorie Linksseitige Alternative Vergleich zweier Stichproben Ungepaarter t-test Verwerfungsregel Nullhypothese (H 0 ): µ 2 = µ 1 Alternative (H 1 ): µ 2 < µ 1. Verwirf H 0 zugunsten von H 1, falls T (x) t n1 +n 2 2;1 α. p-wert p(x) = t n1 +n 2 2(T (x)) = 1 t n1 +n 2 2( T (x)). t n1 +n 2 2 Verteilungsfunktion der t n1 +n 2 2-Verteilung (Tabelle A.4). 34/86

18 Die Theorie Rechtsseitige Alternative Vergleich zweier Stichproben Ungepaarter t-test Verwerfungsregel Nullhypothese (H 0 ): µ 2 = µ 1 Alternative (H 1 ): µ 2 > µ 1. Verwirf H 0 zugunsten von H 1, falls T (x) t n1 +n 2 2;1 α. p-wert p(x) = t n1 +n 2 2( T (x)) = 1 t n1 +n 2 2(T (x)). t n1 +n 2 2 Verteilungsfunktion der t n1 +n 2 2-Verteilung (Tabelle A.4). 35/86 Die Theorie Beidseitige Alternative Vergleich zweier Stichproben Ungepaarter t-test Verwerfungsregel Nullhypothese (H 0 ): µ 2 = µ 1 Alternative (H 1 ): µ 2 µ 1. Verwirf H 0 zugunsten von H 1, falls T (x) t n1 +n 2 2;1 α/2. p-wert p(x) = 2(1 t n1 +n 2 2( T (x) )). t n1 +n 2 2 Verteilungsfunktion der t n1 +n 2 2-Verteilung (Tabelle A.4). 36/86

19 Vergleich zweier Stichproben Ungepaarter t-test Beispiel: Backenzähne von Hipparions Die Daten H. libycum H. africanum x A = 25.9, s A = 2.2 x A s A x A + s A x L = 28.4, s L = 4.3 x L s L x L + s L mesiodistale Länge [mm] 37/86 Vergleich zweier Stichproben Ungepaarter t-test Beispiel: Backenzähne von Hipparions Die Daten n A = 39, x A = 25.9, s A = 2.2 n L = 38, x L = 28.4, s L = 4.3 Gepoolte Stichprobenstreuung (n A 1)sA 2 s = + (n L 1)sL 2 n A + n L = 2 = Es folgt T (x) = x L x A = 1 s n A /39 + 1/38 = n L 38/86

20 Vergleich zweier Stichproben Ungepaarter t-test Beispiel: Backenzähne von Hipparions Durchführung des Tests Nullhypothese µ 1 = µ 2, Alternative µ 1 µ 2 (beidseitig). Test verwirft zum Niveau α = 1%, wenn T (x) > t na +n L 2;1 α/2 = t 75; Tatsächliche Daten: T (x) = 3.22 > p-wert p(x) = 2(1 t na +n L 2( T (x) )) = 2(1 t 75 (3.22)) = 2( ) = Diesen p-wert sollte man nicht glauben, weil die Modellanahmen zu optimistisch waren. 39/86 Vergleich zweier Stichproben Ungepaarter t-test Beispiel: Backenzähne von Hipparions Fazit Der ungepaarte Zweistichproben-t-Test verwirft die Nullhypothese, dass die mesiodistale Länge der Backenzähne bei Hipparion africanum und Hipparion libycum gleich Erwartungswert hätten, zu Gunsten der zweiseitigen Alternative zum Niveau 1%. 40/86

21 Vergleich zweier Stichproben Die Theorie (Welch Test) Ungepaarter t-test bei unterschiedlicher Varianz, Welch Test Annahme: Wir haben zwei unabhängige Stichproben x 1,1,..., x 1,n1 und x 2,1,..., x 2,n2. Die x 1,i stammen aus einer Normalverteilung mit (unbekanntem) Mittelwert µ 1 und unbekannter Varianz σ 2 1 > 0, die x 2,i aus einer Normalverteilung mit (unbekanntem) Mittelwert µ 2 und möglicherweise anderer Varianz σ /86 Vergleich zweier Stichproben Die Theorie (Welch Test) Ungepaarter t-test bei unterschiedlicher Varianz, Welch Test Seien s 1 = 1 n 1 (x 1,i x 1 ) n 1 1 2, i=1 s 2 = 1 n 2 (x 2,i x 2 ) n 2 1 2, i=1 die (korrigierten) Stichprobenstreuungen. 42/86

22 Vergleich zweier Stichproben Die Theorie (Welch Test) Ungepaarter t-test bei unterschiedlicher Varianz, Welch Test Unter der Hypothese µ 1 = µ 2 ist die Teststatistik T (x) = x 2 x 1 s 2 1 n 1 + s2 2 n 2 ungefähr t-verteilt mit f Freiheitsgraden, wobei f aus den Daten geschätzt wird: ( ) s n 1 + s2 2 n 2 f =. s 4 1 n 2 1 (n 1 1) + s4 2 n 2 2 (n 2 1) 43/86 Vergleich zweier Stichproben Ungepaarter t-test bei unterschiedlicher Varianz, Welch Test Die Theorie (Welch Test) Linksseitige Alternative Verwerfungsregel Nullhypothese (H 0 ): µ 2 = µ 1 Alternative (H 1 ): µ 2 < µ 1. Verwirf H 0 zugunsten von H 1, falls T (x) t f ;1 α. p-wert p(x) = t f (T (x)) = 1 t f ( T (x)). t f Verteilungsfunktion der t f -Verteilung (Tabelle A.4). 44/86

23 Vergleich zweier Stichproben Ungepaarter t-test bei unterschiedlicher Varianz, Welch Test Die Theorie (Welch Test) Rechtsseitige Alternative Verwerfungsregel Nullhypothese (H 0 ): µ 2 = µ 1 Alternative (H 1 ): µ 2 > µ 1. Verwirf H 0 zugunsten von H 1, falls T (x) t f ;1 α. p-wert p(x) = t f ( T (x)) = 1 t f (T (x)). t f Verteilungsfunktion der t f -Verteilung (Tabelle A.4). 45/86 Vergleich zweier Stichproben Ungepaarter t-test bei unterschiedlicher Varianz, Welch Test Die Theorie (Welch Test) Beidseitige Alternative Verwerfungsregel Nullhypothese (H 0 ): µ 2 = µ 1 Alternative (H 1 ): µ 2 µ 1. Verwirf H 0 zugunsten von H 1, falls T (x) t f ;1 α/2. p-wert p(x) = 2(1 t f ( T (x) )). t f Verteilungsfunktion der t f -Verteilung (Tabelle A.4). 46/86

24 Vergleich zweier Stichproben Ungepaarter t-test bei unterschiedlicher Varianz, Welch Test Beispiel: Versuch zur Keimhemmung Versuchsaufbau im Pflanzenphysiologischen Praktikum In vier Petrischalen werden jeweils exakt 100 Samen Gartenkresse ausgebracht. Gewässert wird mit (A) Aqua dest. (zur Kontrolle) (B) ABS Lösung (C) Saccharose-Lösung (D) Saccharose-ABS-Lösung Nach zwei Tagen wird gezählt, wie viele Samen gekeimt haben. 47/86 Vergleich zweier Stichproben Ungepaarter t-test bei unterschiedlicher Varianz, Welch Test Beispiel: Versuch zur Keimhemmung Im Praktikum wird jeder Versuch dreimal durchgeführt. Versuch A B C D Keime Schale Keime Schale Keime Schale A B C D 48/86

25 Vergleich zweier Stichproben Ungepaarter t-test bei unterschiedlicher Varianz, Welch Test Beispiel: Versuch zur Keimhemmung A B C D (A) Aqua dest. (B) ABS (C) Saccharose (D) Saccharose- ABS Fragen Ist die Hemmung bei B schon vorhanden? Hemmt Saccharose (C)? Hemmt Saccharose mit ABS (D) stärker als Saccharose? Ist die Wirkung von Saccharose und ABS gleich? 49/86 Vergleich zweier Stichproben Ungepaarter t-test bei unterschiedlicher Varianz, Welch Test Beispiel: Versuch zur Keimhemmung Vergleich C gegen D Vermutung: Hemmung bei ABS+Saccharose (D) stärker als bei Saccharose (C). Test zum Niveau α = 1% soll Klarheit schaffen. Nullhypothese: (D) genauso wie (C) Alternative: (D) hemmt stärker. 50/86

26 Vergleich zweier Stichproben Ungepaarter t-test bei unterschiedlicher Varianz, Welch Test Beispiel: Versuch zur Keimhemmung Vergleich C gegen D, Welch Test Daten x C,1 = 45, x C,2 = 44, x C,3 = 45 x D,1 = 25, x D,2 = 27, x D,3 = 29 Idee: Daten etwa normalverteilt mit unbekannten Mittelwerten µ C und µ D und unbekannten Varianzen σ 2 C, σ2 D. Nullhypothese (H 0 ) µ C = µ D Alternative (H 1 ) µ C > µ D. Linksseitiger Zwei-Stichproben t-test mit unterschiedlichen Varianzen (Welch Test). 51/86 Vergleich zweier Stichproben Ungepaarter t-test bei unterschiedlicher Varianz, Welch Test Beispiel: Versuch zur Keimhemmung Vergleich C gegen D, Welch Test x C,1 = 45, x C,2 = 44, x C,3 = 45 x D,1 = 25, x D,2 = 27, x D,3 = 29 x C = 44.67, x D = 27. s C = 1 3 (x C,i x C ) 2 2 i=1 1 = 2 (( )2 + ( ) 2 + ( ) 2 ) = /86

27 Vergleich zweier Stichproben Ungepaarter t-test bei unterschiedlicher Varianz, Welch Test Beispiel: Versuch zur Keimhemmung Vergleich C gegen D, Welch Test x C,1 = 45, x C,2 = 44, x C,3 = 45 x D,1 = 25, x D,2 = 27, x D,3 = 29 x C = 44.67, x D = 27. s D = 1 3 (x D,i x D ) 2 2 i=1 1 = 2 ((25 27)2 + (27 27) 2 + (29 27) 2 ) = 2. 53/86 Vergleich zweier Stichproben Ungepaarter t-test bei unterschiedlicher Varianz, Welch Test Beispiel: Versuch zur Keimhemmung Vergleich C gegen D, Welch Test t-statistik T (x) = Freiheitsgrade f = x C = 44.67, x D = 27. s C = , s D = 2. x D x C = + s2 D nd s 2 C n C ( s 2 C n C + s2 D nd ) 2 sc 4 + s4 nc 2 D (n C 1) nd 2 (n D 1) = =... = /86

28 Vergleich zweier Stichproben Ungepaarter t-test bei unterschiedlicher Varianz, Welch Test Beispiel: Versuch zur Keimhemmung Vergleich C gegen D, Welch Test t-statistik Freiheitsgrade T (x) = f = Der linksseitige Test zum Niveau α = 0.01 verwirft H 0, falls T (x) < t f,1 α = t 2.331; (Alternativ: Tabellenwert t 2;0.99 = 6.96) Wegen T (x) = 14.7 < 5.77 verwirft der Test zum Niveau 1% die Nullhypothese. p-wert p(x) = t ( 14.7) = Alternativ: Tabellenwert p(x) t 2 ( 14.7) = /86 Vergleich zweier Stichproben Ungepaarter t-test bei unterschiedlicher Varianz, Welch Test Beispiel: Versuch zur Keimhemmung Vergleich C gegen D, Ergebnis Mit Hilfe eines ungepaarten einseitigen t-tests bei unterschiedlichen Varianzen (Welch Test) wird die Nullhypothese (Saccharose hemmt die Keimung gleich gut wie ein Lösung mit Saccharose und ABS) auf dem Niveau 1% gegen die Alternative (S hemmt nicht so gut wie S+ABS) verworfen. Der p-wert beträgt p (bzw. p = , wenn man exakt mit dem Computer rechnet, statt den p-wert nach der Tabelle der t 2 -Verteilung anzunähern). 56/86

29 Vergleich zweier Stichproben Ungepaarter t-test bei unterschiedlicher Varianz, Welch Test Beispiel: Versuch zur Keimhemmung Vergleich C gegen B Hemmt Saccharose (C) genauso gut wie ABS (B)? Zweiseitiger ungepaarter t-test bei unterschiedlichen Varianzen (Welch Test) zum Niveau α = 1%. 57/86 Vergleich zweier Stichproben Ungepaarter t-test bei unterschiedlicher Varianz, Welch Test Beispiel: Versuch zur Keimhemmung Vergleich C gegen B, Daten t-statistik Freiheitsgrade x C = 44.67, x B = s C = , s B = T (x) = x C x B s 2 C Beidseitiger Test verwirft, falls n C + s2 B n B f = = T (x) > t 2.032;0.995 t 2;0.995 = Wegen T (x) = 10.1 verwirft der Test zum Niveau 1%. p-wert 2(1 t (10.1)) 2(1 t 2 (10.1)) = /86

30 Vergleich zweier Stichproben Ungepaarter t-test bei unterschiedlicher Varianz, Welch Test Beispiel: Versuch zur Keimhemmung Vergleich C gegen B, Ergebnis Der zweiseitige ungepaarte t-test bei unterschiedlicher Varianz (Welch Test) verwirft die Nullhypothese (Saccharose hemmt Keimung gleich gut wie ABS) gegen die beidseitige Alternative zum Niveau 1%. Der p-wert ist etwa /86 Vergleich zweier Stichproben Vergleich: Gepaarter vs ungepaarter t-test Vergleich: Gepaarter vs ungepaarter t-test Wenn die Stichprobenlänge unterschiedlich ist, ergibt gepaart keinen Sinn. Wenn die Stichprobenlänge gleich ist: Sind die Stichproben unabhängig voneinander? Falls ja, dann ungepaart testen. Ein gepaarter Test würde sinnlose Abhängigkeiten unterstellen und hätte auch eine geringere Schärfe. Sind die Stichproben voneinander abhängig? (z.b. Messungen von denselben Individuen bzw. Objekten) Falls ja, dann ist ein gepaarter Test sinnvoll. Bei starker Abhängigkeitsstruktur hat der gepaarte t-test größere Schärfe (da der Test von Variabilität zwischen den Individuen bereinigt ist) 60/86

31 Nichtparametrische Lagetests Der Mediantest Beispiel: Medikamententest Bei der Behandlung mit dem etablierten Herzmedikament XY lebt die Hälfte der Patienten noch acht Jahre oder länger. Bei einem neuen Medikament wurde in einer Langzeitstudie an 20 Patienten festgestellt, wie lange die Patienten noch leben: Patient Nr Lebensdauer x i Patient Nr Lebensdauer x i Ist das neue Medikament besser als das etablierte? 61/86 Nichtparametrische Lagetests Der Mediantest Beispiel: Medikamententest Nullhypothese H 0 : Alternative H 1 : Beide gleich gut. Neues Medikament besser. Formal: Nullhypothese H 0 : Lebensdauer des neuen Medikaments hat einen Median von höchstens 8 Jahren. Alternative H 1 : Lebensdauer des neuen Medikaments hat einen Median von mehr als 8 Jahren. 62/86

32 Nichtparametrische Lagetests Der Mediantest Beispiel: Medikamenentest Sei T (x) die Anzahl der Werte x i mit x i 8. Unter H 0 ist für jedes i: Also ist T (x) b 20,0.5. P[x i 8] = 1 2. Gilt H 1, so ist T (x) b 20,p mit p > 0.5. Große Werte von T (x) stützen H 1. Der p-wert ist p = 20 k=t (x) b 20,0.5 (k). 63/86 Nichtparametrische Lagetests Der Mediantest Beispiel: Medikamententest Patient Nr Lebensdauer x i Patient Nr Lebensdauer x i Wir haben also und p = 20 k=11 T (x) = 11 b 20,0.5 (k) = Die Ergebnisse geben also keinen Hinweis darauf, dass das neue Medikament besser als das etablierte wäre. 64/86

33 Nichtparametrische Lagetests Theorie: Mediantest Formale Problemstellung Der Mediantest Sei m P der bekannte Median einer gewissen Verteilung P (altes Medikament) und m Q der Median der Verteilung Q (neues Medikament). Daten: x 1,..., x n gezogen nach der Verteilung Q. T (x) =Anzahl der Werte x i mit x i > m P. Nullhypothese H 0 : Alternative H 1 : m P = m Q m P > m Q (linksseitig) m P < m Q (rechtsseitig) m P m Q (beidseitig). 65/86 Nichtparametrische Lagetests Theorie: Mediantest Linksseitige Alternative m P > m Q Der Mediantest p-wert ( ) T (x) n 1 T (x) 2 p = b n,0.5 (k) 1 Φ. n/4 k=0 Verwerfungsregel H 0 wird zum Niveau α verworfen, falls p α. 66/86

34 Nichtparametrische Lagetests Theorie: Mediantest Rechtsseitige Alternative: m P < m Q Der Mediantest p-wert p = n k=t (x) b n,0.5 (k) 1 Φ ( ) T (x) n+1 2. n/4 Verwerfungsregel H 0 wird zum Niveau α verworfen, falls p α. 67/86 Nichtparametrische Lagetests Theorie: Mediantest Beidseitige Alternative: m P m Q Der Mediantest p-wert und T (x) p = 2 b n,0.5 (k) falls T (x) < n/2 p = 2 k=0 n k=t (x) b n,0.5 (k) falls T (x) > n/2. [ ( )] T (x) n In beiden Fällen gilt p 2 1 Φ. n/4 Verwerfungsregel H 0 wird zum Niveau α verworfen, falls p α. 68/86

35 Nichtparametrische Lagetests Wilcoxon Rangsummentest Beispiel: Hipparion Reloaded Niemand sagt Ihnen, dass die Größen der Backenzähne normalverteilt sind. Was kann man ohne diese Annahme noch rechnen? 69/86 Rangsummen Nichtparametrische Lagetests Wilcoxon Rangsummentest Gegeben zwei Stichproben x 1, x 2,..., x m und y 1, y 2,..., y n. Setze U i = Rang von x i in den y 1,..., y n = Anzahl der j mit y j < x i m und definiere die Rangsumme U(x, y) = U i. Beispiel mit m = 4 und n = 7 x i i=1 y j Wert Rang U i Rangsumme U(x, y) = = 6. 70/86

36 Rangsummen Nichtparametrische Lagetests Wilcoxon Rangsummentest Idee Entstammen die x i und y j der gleichen Verteilung (H 0 ), so sollte U i n/2 sein und U mn 2. U(x, y) groß zeigt an, dass (x i ) tendenziell größer ist als (y j ). U(x, y) klein zeigt an, dass (x i ) tendenziell kleiner ist als (y j ). 71/86 Rangsummen Nichtparametrische Lagetests Wilcoxon Rangsummentest Die Verteilung U m,n von U(x, y) unter H 0 ist tabelliert und heißt Wilcoxon-U-Verteilung mit Parametern m und n. Für große m, n ist U(x, y) mn 2 approx. N 0,1. mn(m+n+1) 12 Also können wir das Quantil u m,n;α durch das Quantil z α approximativ ausrechnen: u m,n;α mn 2 + mn(m + n + 1) 12 z α. 72/86

37 Nichtparametrische Lagetests Wilcoxon Rangsummentest Wilcoxon Rangsummentest Die Theorie Formale Problemstellung Die Werte der Stichprobe x 1,..., x m sind unabhängig und nach der Verteilung P gezogen. Die Werte der Stichprobe y 1,..., y n sind unabhängig und nach der Verteilung Q gezogen. Nullhypothese H 0 : Alternative H 1 : P = Q P tendenziell größer als Q (linksseitig) P tendenziell kleiner als Q (rechtsseitig) P Q (beidseitig) 73/86 Nichtparametrische Lagetests Wilcoxon Rangsummentest Wilcoxon Rangsummentest Linksseitige Alternative: P größer als Q Verwerfungsregel Verwirf H 0 zugunsten von H 1, falls U(x, y) > u m,n;1 α mn 2 + mn(m + n + 1) 12 z 1 α. p-wert mn U(x, y) p 1 Φ 2. mn(m+n+1) 12 74/86

38 Nichtparametrische Lagetests Wilcoxon Rangsummentest Wilcoxon Rangsummentest Rechtsseitige Alternative: P kleiner als Q Verwerfungsregel Verwirf H 0 zugunsten von H 1, falls U(x, y) < u m,n;α mn 2 + mn(m + n + 1) 12 z α. p-wert p 1 Φ U(x, y) mn 2. mn(m+n+1) 12 75/86 Nichtparametrische Lagetests Wilcoxon Rangsummentest Wilcoxon Rangsummentest Beidseitige Alternative: P Q Verwerfungsregel Verwirf H 0 zugunsten von H 1, falls U(x, y) > u m,n;1 α/2 mn 2 + mn(m + n + 1) 12 z 1 α/2. oder U(x, y) < u m,n;α/2 mn mn(m + n + 1) 2 + z α/2. 12 p-wert p 2 1 Φ U(x, y) mn 2 mn(m+n+1) /86

39 Nichtparametrische Lagetests Wilcoxon Rangsummentest Beispiel: Hipparion Reloaded Die Daten Libycum Africanum /86 Nichtparametrische Lagetests Wilcoxon Rangsummentest Beispiel: Hipparion Reloaded Die Daten, U-Statistik Libycum: m = 38 Zähne, Africanum: n = 39 Zähne. Durch mühseliges Ausrechnen von Hand (oder mit dem Computer) erhält man U(Lib, Afr) = 990. Wir verwerfen die Nullhypothese Libycum=Africanum zum Niveau 1% zugunsten der beidseitigen Alternative, falls U > u 38,39;0.995 = 992 oder U < u 38,39;0.005 = 490 (Tabelle: A.8). Beides ist nicht der Fall, also wird die Nullhypothese zum Niveau 1% nicht verworfen. 78/86

40 Nichtparametrische Lagetests Wilcoxon Rangsummentest Beispiel: Hipparion Reloaded Die Daten, U-Statistik m = 38, n = 39, U(Lib, Afr) = 990. p-wert: p 2 1 Φ [ = 2 1 Φ U(Lib, Afr) mn 2 mn(m+n+1) 12 ( )] = 2(1 Φ(2.537)) 2( ) = /86 Nichtparametrische Lagetests Wilcoxon Rangsummentest Beispiel: Hipparion Reloaded Fazit Der zweiseitige Wilcoxon Rangsummentest verwirft die Hypothese, dass Hipparion Africanum und Libycum unterschiedliche mesiodistale Zahnlänge haben zum Niveau 1% nicht. Der p-wert beträgt p = /86

41 χ 2 -Test Das Grundproblem χ 2 -Test χ 2 -Test Wir beobachten ein Merkmal in endlich vielen Ausprägungen i = 1,..., k mit Häufigkeiten x 1,..., x k. Gesamtzahl n = x x k. Nach einer Theorie sollte der Anteil von Typ i gleich p i sein, also die absolute Häufigkeit etwa E i = p i n. Es soll ein Test zum Niveau α entwickelt werden, der diese Theorie prüft. 81/86 χ 2 -Test Teststatistik χ 2 -Test χ 2 -Test Beobachtungen x 1,..., x k. Gesamtzahl n = x x k. Erwartete Häufigkeiten E i = p i n. Gewichtete quadratische Abweichungen als Teststatistik T (x) = k i=1 (x i E i ) 2 E i. Ist χ 2 (x) zu groß, so wird die Hypothese verworfen. 82/86

42 χ 2 -Test Verwerfungsregel χ 2 -Test χ 2 -Test Unter H 0 ist T (x) chiquadrat-verteilt (χ 2 f ) mit f = k 1 Freiheitsgraden. Ist T (x) > χ 2 f ;1 α, so wird die Nullhypothese zum Niveau α verworfen. Der p-wert ist p = 1 χ 2 f (T (x)). 83/86 χ 2 -Test χ 2 -Test Beispiel: Hardy-Weinberg Gesetz Fragestellung In einer sehr großen Population tritt an einem Locus das Gen A mit Wahrscheinlichkeit p = 0.53 auf, das Gen a mit Wahrscheinlichkeit 1 p = Nach dem Hardy-Weinberg Gesetz sind die Anteile AA Aa aa p 2 = p(1 p) = (1 p) 2 = In einer Teilpopulation der Größe n soll die Gültigkeit des Hardy-Weinberg Gesetzes geprüft werden. 84/86

43 χ 2 -Test χ 2 -Test Beispiel: Hardy-Weinberg Gesetz Der Test Die Hypothese HW Gesetz gilt soll zum Niveau 1% geprüft werden. Es werden die Daten x AA, x Aa und x aa mit Gesamtumfang n = erhoben. Teststatistik T (x) = (x AA 2809 n) (x Aa 4982) (x aa 2209) Der Test verwirft, falls T (x) > χ 2;0.99 = 9.21 (Tabelle A.5). 85/86 χ 2 -Test χ 2 -Test Beispiel: Hardy-Weinberg Gesetz Der Test, Daten und Durchführung Teststatistik AA Aa aa ( n)2 T (x) = = ( )2 ( ) Der Test verwirft die Nullhypothese zum Niveau 1%, weil T (x) = > χ 2;0.99 = p-wert p(x) = 1 χ 2 2(33.187) = /86

Biostatistik, WS 2015/2016 Der zwei-stichproben-t-test

Biostatistik, WS 2015/2016 Der zwei-stichproben-t-test 1/29 Biostatistik, WS 2015/2016 Der zwei-stichproben-t-test (t-test für ungepaarte Stichproben) Matthias Birkner http://www.staff.uni-mainz.de/birkner/biostatistik1516/ 11.12.2015 2/29 Inhalt 1 t-test

Mehr

Biostatistik, Sommer 2017

Biostatistik, Sommer 2017 1/57 Biostatistik, Sommer 2017 : Gepaarter, Ungepaarter t-test, Welch Test Prof. Dr. Achim Klenke http://www.aklenke.de 12. Vorlesung: 07.07.2017 2/57 Inhalt 1 Gepaarter t-test Ungepaarter t-test Ungepaarter

Mehr

Biostatistik, WS 2017/18 Der zwei-stichproben-t-test

Biostatistik, WS 2017/18 Der zwei-stichproben-t-test 1/28 Biostatistik, WS 2017/18 Der zwei-stichproben-t-test (t-test für ungepaarte Stichproben) Matthias Birkner http://www.staff.uni-mainz.de/birkner/biostatistik1718/ 15.12.2017 und 22.12.2017 2/28 Inhalt

Mehr

9. Schätzen und Testen bei unbekannter Varianz

9. Schätzen und Testen bei unbekannter Varianz 9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,

Mehr

Wahrscheinlichkeitsrechnung und Statistik für Biologen 5. Der zwei-stichproben-t-test. und der Wilcoxon-Test

Wahrscheinlichkeitsrechnung und Statistik für Biologen 5. Der zwei-stichproben-t-test. und der Wilcoxon-Test Wahrscheinlichkeitsrechnung und Statistik für Biologen 5. Der zwei-stichproben-t-test (t-test für ungepaarte Stichproben) und der Wilcoxon-Test Dirk Metzler 22. Mai 2015 Inhaltsverzeichnis 1 Wiederholung:

Mehr

Melanie Kaspar, Prof. Dr. B. Grabowski 1

Melanie Kaspar, Prof. Dr. B. Grabowski 1 7. Hypothesentests Ausgangssituation: Man muss sich zwischen 2 Möglichkeiten (=Hypothesen) entscheiden. Diese Entscheidung soll mit Hilfe von Beobachtungen ( Stichprobe ) getroffen werden. Die Hypothesen

Mehr

Statistik II für Betriebswirte Vorlesung 2

Statistik II für Betriebswirte Vorlesung 2 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 2 21. Oktober 2014 Verbundene Stichproben Liegen zwei Stichproben vor, deren Werte einander

Mehr

Motivation. Wilcoxon-Rangsummentest oder Mann-Whitney U-Test. Wilcoxon Rangsummen-Test Voraussetzungen. Bemerkungen

Motivation. Wilcoxon-Rangsummentest oder Mann-Whitney U-Test. Wilcoxon Rangsummen-Test Voraussetzungen. Bemerkungen Universität Karlsruhe (TH) Forschungsuniversität gegründet 825 Wilcoxon-Rangsummentest oder Mann-Whitney U-Test Motivation In Experimenten ist die Datenmenge oft klein Daten sind nicht normalverteilt Dann

Mehr

Willkommen zur Vorlesung Statistik (Master)

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

Mehr

Biostatistik, Sommer Nichtparametrische Statistik: Mediantest, Rangsummentest, χ 2 -Test. Prof. Dr. Achim Klenke.

Biostatistik, Sommer Nichtparametrische Statistik: Mediantest, Rangsummentest, χ 2 -Test. Prof. Dr. Achim Klenke. 1/52 Biostatistik, Sommer 2017 Nichtparametrische Statistik: Mediantest, Rangsummentest, χ 2 -Test Prof. Dr. Achim Klenke http://www.aklenke.de 13. Vorlesung: 14.07.2017 Entwurf 2/52 Inhalt 1 Nichtparametrische

Mehr

Wahrscheinlichkeitsrechnung und Statistik für Biologen 5. Der zwei-stichproben-t-test. und der Wilcoxon-Test

Wahrscheinlichkeitsrechnung und Statistik für Biologen 5. Der zwei-stichproben-t-test. und der Wilcoxon-Test Wahrscheinlichkeitsrechnung und Statistik für Biologen 5. Der zwei-stichproben-t-test (t-test für ungepaarte Stichproben) und der Wilcoxon-Test Martin Hutzenthaler & Dirk Metzler 20. Mai 2010 Inhaltsverzeichnis

Mehr

Wahrscheinlichkeitsrechnung und Statistik für Biologen 5. Der zwei-stichproben-t-test. und der Wilcoxon-Test

Wahrscheinlichkeitsrechnung und Statistik für Biologen 5. Der zwei-stichproben-t-test. und der Wilcoxon-Test Wahrscheinlichkeitsrechnung und Statistik für Biologen 5. Der zwei-stichproben-t-test (t-test für ungepaarte Stichproben) und der Wilcoxon-Test Martin Hutzenthaler & Dirk Metzler http://www.zi.biologie.uni-muenchen.de/evol/statgen.html

Mehr

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8 1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen

Mehr

Willkommen zur Vorlesung Statistik

Willkommen zur Vorlesung Statistik Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang

Mehr

Einfache Varianzanalyse für abhängige

Einfache Varianzanalyse für abhängige Einfache Varianzanalyse für abhängige Stichproben Wie beim t-test gibt es auch bei der VA eine Alternative für abhängige Stichproben. Anmerkung: Was man unter abhängigen Stichproben versteht und wie diese

Mehr

Füllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge

Füllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge 2.4 Stetige Zufallsvariable Beispiel. Abfüllung von 500 Gramm Packungen einer bestimmten Ware auf einer automatischen Abfüllanlage. Die Zufallsvariable X beschreibe die Füllmenge einer zufällig ausgewählten

Mehr

Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero?

Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Manche sagen: Ja, manche sagen: Nein Wie soll man das objektiv feststellen? Kann man Geschmack objektiv messen? - Geschmack ist subjektiv

Mehr

Eine Einführung in R: Statistische Tests

Eine Einführung in R: Statistische Tests Eine Einführung in R: Statistische Tests Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig http://www.uni-leipzig.de/ zuber/teaching/ws12/r-kurs/

Mehr

Überblick über die Verfahren für Ordinaldaten

Überblick über die Verfahren für Ordinaldaten Verfahren zur Analyse ordinalskalierten Daten 1 Überblick über die Verfahren für Ordinaldaten Unterschiede bei unabhängigen Stichproben Test U Test nach Mann & Whitney H Test nach Kruskal & Wallis parametrische

Mehr

Einfache statistische Testverfahren

Einfache statistische Testverfahren Einfache statistische Testverfahren Johannes Hain Lehrstuhl für Mathematik VIII (Statistik) 1/29 Hypothesentesten: Allgemeine Situation Im Folgenden wird die statistische Vorgehensweise zur Durchführung

Mehr

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion

Mehr

Biostatistik, Winter 2011/12

Biostatistik, Winter 2011/12 Biostatistik, Winter 2011/12 / Übungsaufgaben Prof. Dr. Achim Klenke http://www.aklenke.de 13. Vorlesung: 10.02.2012 1/51 Aufgabe 1 Aufgabenstellung Übungsaufgaben Ein Pharmakonzern möchte ein neues Schlankheitsmedikament

Mehr

Grundlagen der Inferenzstatistik

Grundlagen der Inferenzstatistik Grundlagen der Inferenzstatistik (Induktive Statistik oder schließende Statistik) Dr. Winfried Zinn 1 Deskriptive Statistik versus Inferenzstatistik Die Deskriptive Statistik stellt Kenngrößen zur Verfügung,

Mehr

Statistische Thermodynamik I Lösungen zur Serie 1

Statistische Thermodynamik I Lösungen zur Serie 1 Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen

Mehr

Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)

Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.) ue biostatistik: nichtparametrische testverfahren / ergänzung 1/6 h. Lettner / physik Statistische Testverfahren Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)

Mehr

Tutorial: Homogenitätstest

Tutorial: Homogenitätstest Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite

Mehr

q = 1 p = 0.8 0.2 k 0.8 10 k k = 0, 1,..., 10 1 1 0.8 2 + 10 0.2 0.8 + 10 9 1 2 0.22 1 = 0.8 8 [0.64 + 1.6 + 1.8] = 0.678

q = 1 p = 0.8 0.2 k 0.8 10 k k = 0, 1,..., 10 1 1 0.8 2 + 10 0.2 0.8 + 10 9 1 2 0.22 1 = 0.8 8 [0.64 + 1.6 + 1.8] = 0.678 Lösungsvorschläge zu Blatt 8 X binomialverteilt mit p = 0. und n = 10: a PX = = 10 q = 1 p = 0.8 0. 0.8 10 = 0, 1,..., 10 PX = PX = 0 + PX = 1 + PX = 10 10 = 0. 0 0.8 10 + 0. 1 0.8 9 + 0 1 10 = 0.8 8 [

Mehr

METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER

METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede

Mehr

geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen

geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde

Mehr

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank

Mehr

Beurteilung der biometrischen Verhältnisse in einem Bestand. Dr. Richard Herrmann, Köln

Beurteilung der biometrischen Verhältnisse in einem Bestand. Dr. Richard Herrmann, Köln Beurteilung der biometrischen Verhältnisse in einem Bestand Dr. Richard Herrmann, Köln Beurteilung der biometrischen Verhältnisse in einem Bestand 1 Fragestellung Methoden.1 Vergleich der Anzahlen. Vergleich

Mehr

Messung von Veränderungen. Dr. Julia Kneer Universität des Saarlandes

Messung von Veränderungen. Dr. Julia Kneer Universität des Saarlandes von Veränderungen Dr. Julia Kneer Universität des Saarlandes Veränderungsmessung Veränderungsmessung kennzeichnet ein Teilgebiet der Methodenlehre, das direkt mit grundlegenden Fragestellungen der Psychologie

Mehr

Statistik im Versicherungs- und Finanzwesen

Statistik im Versicherungs- und Finanzwesen Springer Gabler PLUS Zusatzinformationen zu Medien von Springer Gabler Grimmer Statistik im Versicherungs- und Finanzwesen Eine anwendungsorientierte Einführung 2014 1. Auflage Übungsaufgaben zu Kapitel

Mehr

Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B

Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip Sommersemester 2010 KLAUSUR Statistik B Hinweise zur Bearbeitung: Bei allen Teilaufgaben

Mehr

Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min

Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Klausur, Multivariate Verfahren, SS 2006, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 08.08.2006 Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Gesamtpunkte: 39 Aufgabe

Mehr

Box-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8

Box-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8 . Aufgabe: Für zwei verschiedene Aktien wurde der relative Kurszuwachs (in % beobachtet. Aus den jeweils 20 Quartaldaten ergaben sich die folgenden Box-Plots. Box-and-Whisker Plot Aktie Aktie 2-0,2 0,8,8

Mehr

Zeichen bei Zahlen entschlüsseln

Zeichen bei Zahlen entschlüsseln Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren

Mehr

Business Value Launch 2006

Business Value Launch 2006 Quantitative Methoden Inferenzstatistik alea iacta est 11.04.2008 Prof. Dr. Walter Hussy und David Tobinski UDE.EDUcation College im Rahmen des dokforums Universität Duisburg-Essen Inferenzstatistik Erläuterung

Mehr

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als

Mehr

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte

Mehr

Überblick über die Tests

Überblick über die Tests Anhang A Überblick über die Tests A.1 Ein-Stichproben-Tests A.1.1 Tests auf Verteilungsannahmen ˆ Shapiro-Wilk-Test Situation: Test auf Normalverteilung H 0 : X N(µ, σ 2 ) H 1 : X nicht normalverteilt

Mehr

Stichprobenauslegung. für stetige und binäre Datentypen

Stichprobenauslegung. für stetige und binäre Datentypen Stichprobenauslegung für stetige und binäre Datentypen Roadmap zu Stichproben Hypothese über das interessierende Merkmal aufstellen Stichprobe entnehmen Beobachtete Messwerte abbilden Schluss von der Beobachtung

Mehr

Professionelle Seminare im Bereich MS-Office

Professionelle Seminare im Bereich MS-Office Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion

Mehr

Statistik II für Betriebswirte Vorlesung 3

Statistik II für Betriebswirte Vorlesung 3 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 3 5. November 2013 Beispiel: Aktiensplit (Aczel & Sounderpandan, Aufg. 14-28) Ein Börsenanalyst

Mehr

15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit

15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit 5.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit Einführendes Beispiel ( Erhöhung der Sicherheit bei Flugreisen ) Die statistische Wahrscheinlichkeit, dass während eines Fluges ein Sprengsatz an Bord

Mehr

Zahlen und das Hüten von Geheimnissen (G. Wiese, 23. April 2009)

Zahlen und das Hüten von Geheimnissen (G. Wiese, 23. April 2009) Zahlen und das Hüten von Geheimnissen (G. Wiese, 23. April 2009) Probleme unseres Alltags E-Mails lesen: Niemand außer mir soll meine Mails lesen! Geld abheben mit der EC-Karte: Niemand außer mir soll

Mehr

Die Post hat eine Umfrage gemacht

Die Post hat eine Umfrage gemacht Die Post hat eine Umfrage gemacht Bei der Umfrage ging es um das Thema: Inklusion Die Post hat Menschen mit Behinderung und Menschen ohne Behinderung gefragt: Wie zufrieden sie in dieser Gesellschaft sind.

Mehr

Primzahlen und RSA-Verschlüsselung

Primzahlen und RSA-Verschlüsselung Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also

Mehr

Statistik I für Betriebswirte Vorlesung 11

Statistik I für Betriebswirte Vorlesung 11 Statistik I für Betriebswirte Vorlesung 11 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 22. Juni 2012 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung

Mehr

Statistische Analyse von Ereigniszeiten

Statistische Analyse von Ereigniszeiten Statistische Analyse von Survival Analysis VO Biostatistik im WS 2006/2007 1 2 3 : Leukemiedaten (unzensiert) 33 Patienten mit Leukemie; Zielvariable Überlebenszeit. Alle Patienten verstorben und Überlebenszeit

Mehr

PCD Europe, Krefeld, Jan 2007. Auswertung von Haemoccult

PCD Europe, Krefeld, Jan 2007. Auswertung von Haemoccult Auswertung von Haemoccult Ist das positiv? Nein! Ja! Im deutschen Krebsfrüherkennungsprogramm haben nur etwa 1 % der Frauen und 1,5 % der Männer ein positives Haemoccult -Ergebnis, da dieser Test eine

Mehr

Theoretische Grundlagen der Informatik WS 09/10

Theoretische Grundlagen der Informatik WS 09/10 Theoretische Grundlagen der Informatik WS 09/10 - Tutorium 6 - Michael Kirsten und Kai Wallisch Sitzung 13 02.02.2010 Inhaltsverzeichnis 1 Formeln zur Berechnung Aufgabe 1 2 Hamming-Distanz Aufgabe 2 3

Mehr

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen 4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.

Mehr

Informationsblatt Induktionsbeweis

Informationsblatt Induktionsbeweis Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln

Mehr

Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.

Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!. 040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl

Mehr

Ohne Fehler geht es nicht Doch wie viele Fehler sind erlaubt?

Ohne Fehler geht es nicht Doch wie viele Fehler sind erlaubt? Ohne Fehler geht es nicht Doch wie viele Fehler sind erlaubt? Behandelte Fragestellungen Was besagt eine Fehlerquote? Welche Bezugsgröße ist geeignet? Welche Fehlerquote ist gerade noch zulässig? Wie stellt

Mehr

Kapitalerhöhung - Verbuchung

Kapitalerhöhung - Verbuchung Kapitalerhöhung - Verbuchung Beschreibung Eine Kapitalerhöhung ist eine Erhöhung des Aktienkapitals einer Aktiengesellschaft durch Emission von en Aktien. Es gibt unterschiedliche Formen von Kapitalerhöhung.

Mehr

Was meinen die Leute eigentlich mit: Grexit?

Was meinen die Leute eigentlich mit: Grexit? Was meinen die Leute eigentlich mit: Grexit? Grexit sind eigentlich 2 Wörter. 1. Griechenland 2. Exit Exit ist ein englisches Wort. Es bedeutet: Ausgang. Aber was haben diese 2 Sachen mit-einander zu tun?

Mehr

i x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1

i x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1 1. Aufgabe: Der E-Commerce-Umsatz (in Millionen Euro) der fünf größten Online- Shopping-Clubs liegt wie folgt vor: Club Nr. Umsatz 1 120 2 72 3 54 4 30 5 24 a) Bestimmen Sie den Ginikoeffizienten. b) Zeichnen

Mehr

Kugel-Fächer-Modell. 1fach. 3fach. Für die Einzelkugel gibt es 3 Möglichkeiten. 6fach. 3! Möglichkeiten

Kugel-Fächer-Modell. 1fach. 3fach. Für die Einzelkugel gibt es 3 Möglichkeiten. 6fach. 3! Möglichkeiten Kugel-Fächer-Modell n Kugeln (Rosinen) sollen auf m Fächer (Brötchen) verteilt werden, zunächst 3 Kugeln auf 3 Fächer. 1fach 3fach Für die Einzelkugel gibt es 3 Möglichkeiten } 6fach 3! Möglichkeiten Es

Mehr

Statistik II. Statistik II, SS 2001, Seite 1 von 5

Statistik II. Statistik II, SS 2001, Seite 1 von 5 Statistik II, SS 2001, Seite 1 von 5 Statistik II Hinweise zur Bearbeitung Hilfsmittel: - Taschenrechner (ohne Datenbank oder die Möglichkeit diesen zu programmieren) - Formelsammlung im Umfang von einer

Mehr

Abschlussprüfung Realschule Bayern II / III: 2009 Haupttermin B 1.0 B 1.1

Abschlussprüfung Realschule Bayern II / III: 2009 Haupttermin B 1.0 B 1.1 B 1.0 B 1.1 L: Wir wissen von, dass sie den Scheitel hat und durch den Punkt läuft. Was nichts bringt, ist beide Punkte in die allgemeine Parabelgleichung einzusetzen und das Gleichungssystem zu lösen,

Mehr

Der Provider möchte möglichst vermeiden, dass die Werbekampagne auf Grund des Testergebnisses irrtümlich unterlassen wird.

Der Provider möchte möglichst vermeiden, dass die Werbekampagne auf Grund des Testergebnisses irrtümlich unterlassen wird. Hypothesentest ================================================================== 1. Ein Internetprovider möchte im Fichtelgebirge eine Werbekampagne durchführen, da er vermutet, dass dort höchstens 40%

Mehr

Bei vielen Zufallsexperimenten interessiert man sich lediglich für das Eintreten bzw. das Nichteintreten eines bestimmten Ereignisses.

Bei vielen Zufallsexperimenten interessiert man sich lediglich für das Eintreten bzw. das Nichteintreten eines bestimmten Ereignisses. XI. Binomialverteilung ================================================================== 11.1 Definitionen -----------------------------------------------------------------------------------------------------------------

Mehr

3. LINEARE GLEICHUNGSSYSTEME

3. LINEARE GLEICHUNGSSYSTEME 176 3. LINEARE GLEICHUNGSSYSTEME 90 Vitamin-C-Gehalt verschiedener Säfte 18,0 mg 35,0 mg 12,5 mg 1. a) 100 ml + 50 ml + 50 ml = 41,75 mg 100 ml 100 ml 100 ml b) : Menge an Kirschsaft in ml y: Menge an

Mehr

Statistische Auswertung:

Statistische Auswertung: Statistische Auswertung: Die erhobenen Daten mittels der selbst erstellten Tests (Surfaufgaben) Statistics Punkte aus dem Punkte aus Surftheorietest Punkte aus dem dem und dem Surftheorietest max.14p.

Mehr

Prozentrechnung. Wir können nun eine Formel für die Berechnung des Prozentwertes aufstellen:

Prozentrechnung. Wir können nun eine Formel für die Berechnung des Prozentwertes aufstellen: Prozentrechnung Wir beginnen mit einem Beisiel: Nehmen wir mal an, ein Handy kostet 200 und es gibt 5% Rabatt (Preisnachlass), wie groß ist dann der Rabatt in Euro und wie viel kostet dann das Handy? Wenn

Mehr

Einfache statistische Auswertungen mit dem Programm SPSS

Einfache statistische Auswertungen mit dem Programm SPSS Einfache statistische Auswertungen mit dem Programm SPSS Datensatz: fiktive_daten.sav Dipl. Päd. Anne Haßelkus Dr. Dorothea Dette-Hagenmeyer 11/2011 Überblick 1 Deskriptive Statistiken; Mittelwert berechnen...

Mehr

4. Erstellen von Klassen

4. Erstellen von Klassen Statistik mit Tabellenkalkulation 4. Erstellen von Klassen Mit einem einfachen Befehl lässt sich eine Liste von Zahlen auf die Häufigkeit der einzelnen Werte untersuchen. Verwenden Sie dazu den Befehl

Mehr

Das RSA-Verschlüsselungsverfahren 1 Christian Vollmer

Das RSA-Verschlüsselungsverfahren 1 Christian Vollmer Das RSA-Verschlüsselungsverfahren 1 Christian Vollmer Allgemein: Das RSA-Verschlüsselungsverfahren ist ein häufig benutztes Verschlüsselungsverfahren, weil es sehr sicher ist. Es gehört zu der Klasse der

Mehr

Ein möglicher Unterrichtsgang

Ein möglicher Unterrichtsgang Ein möglicher Unterrichtsgang. Wiederholung: Bernoulli Experiment und Binomialverteilung Da der sichere Umgang mit der Binomialverteilung, auch der Umgang mit dem GTR und den Diagrammen, eine notwendige

Mehr

Statistik für Studenten der Sportwissenschaften SS 2008

Statistik für Studenten der Sportwissenschaften SS 2008 Statistik für Studenten der Sportwissenschaften SS 008 Aufgabe 1 Man weiß von Rehabilitanden, die sich einer bestimmten Gymnastik unterziehen, dass sie im Mittel µ=54 Jahre (σ=3 Jahre) alt sind. a) Welcher

Mehr

Studie Windkraft und Tourismus 2003 bis 2009

Studie Windkraft und Tourismus 2003 bis 2009 Studie Windkraft und Tourismus 2003 bis 2009 Ergebnisse der repräsentativen Bevölkerungsbefragungen entwickelt und durchgeführt vom: SOKO Institut Ritterstraße 19 33602 Bielefeld Dr. Henry Puhe 0521 /

Mehr

6. Bayes-Klassifikation. (Schukat-Talamazzini 2002)

6. Bayes-Klassifikation. (Schukat-Talamazzini 2002) 6. Bayes-Klassifikation (Schukat-Talamazzini 2002) (Böhm 2003) (Klawonn 2004) Der Satz von Bayes: Beweis: Klassifikation mittels des Satzes von Bayes (Klawonn 2004) Allgemeine Definition: Davon zu unterscheiden

Mehr

W-Rechnung und Statistik für Ingenieure Übung 11

W-Rechnung und Statistik für Ingenieure Übung 11 W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik

Mehr

Klausur Nr. 1. Wahrscheinlichkeitsrechnung. Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt.

Klausur Nr. 1. Wahrscheinlichkeitsrechnung. Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt. Klausur Nr. 1 2014-02-06 Wahrscheinlichkeitsrechnung Pflichtteil Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt. Name: 0. Für Pflicht- und Wahlteil gilt: saubere und übersichtliche Darstellung,

Mehr

QM: Prüfen -1- KN16.08.2010

QM: Prüfen -1- KN16.08.2010 QM: Prüfen -1- KN16.08.2010 2.4 Prüfen 2.4.1 Begriffe, Definitionen Ein wesentlicher Bestandteil der Qualitätssicherung ist das Prüfen. Sie wird aber nicht wie früher nach der Fertigung durch einen Prüfer,

Mehr

Varianzanalyse (ANOVA: analysis of variance)

Varianzanalyse (ANOVA: analysis of variance) Varianzanalyse (AOVA: analysis of variance) Einfaktorielle VA Auf der Basis von zwei Stichproben wird bezüglich der Gleichheit der Mittelwerte getestet. Variablen müssen Variablen nur nominalskaliert sein.

Mehr

R ist freie Software und kann von der Website. www.r-project.org

R ist freie Software und kann von der Website. www.r-project.org R R ist freie Software und kann von der Website heruntergeladen werden. www.r-project.org Nach dem Herunterladen und der Installation von R kann man R durch Doppelklicken auf das R-Symbol starten. R wird

Mehr

Die neue Aufgabe von der Monitoring-Stelle. Das ist die Monitoring-Stelle:

Die neue Aufgabe von der Monitoring-Stelle. Das ist die Monitoring-Stelle: Die neue Aufgabe von der Monitoring-Stelle Das ist die Monitoring-Stelle: Am Deutschen Institut für Menschen-Rechte in Berlin gibt es ein besonderes Büro. Dieses Büro heißt Monitoring-Stelle. Mo-ni-to-ring

Mehr

Stochastische Eingangsprüfung, 17.05.2008

Stochastische Eingangsprüfung, 17.05.2008 Stochastische Eingangsprüfung, 17.5.8 Wir gehen stets von einem Wahrscheinlichkeitsraum (Ω, A, P) aus. Aufgabe 1 ( Punkte) Sei X : Ω [, ) eine integrierbare Zufallsvariable mit XdP = 1. Sei Q : A R, Q(A)

Mehr

Was ist clevere Altersvorsorge?

Was ist clevere Altersvorsorge? Was ist clevere Altersvorsorge? Um eine gute Altersvorsorge zu erreichen, ist es clever einen unabhängigen Berater auszuwählen Angestellte bzw. Berater von Banken, Versicherungen, Fondsgesellschaften und

Mehr

Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)

Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler

Mehr

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de

Mehr

9. StatistischeTests. 9.1 Konzeption

9. StatistischeTests. 9.1 Konzeption 9. StatistischeTests 9.1 Konzeption Statistische Tests dienen zur Überprüfung von Hypothesen über einen Parameter der Grundgesamtheit (bei einem Ein-Stichproben-Test) oder über die Verteilung einer Zufallsvariablen

Mehr

Anhand des bereits hergeleiteten Models erstellen wir nun mit der Formel

Anhand des bereits hergeleiteten Models erstellen wir nun mit der Formel Ausarbeitung zum Proseminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn zum Thema Simulation des Anlagenpreismodels von Simon Uphus im WS 09/10 Zusammenfassung

Mehr

Wahrscheinlichkeitsrechnung und Statistik für Biologen 5. Der zwei-stichproben-t-test. und der Wilcoxon-Test

Wahrscheinlichkeitsrechnung und Statistik für Biologen 5. Der zwei-stichproben-t-test. und der Wilcoxon-Test Wahrscheinlichkeitsrechnung und Statistik für Biologen 5. Der zwei-stichproben-t-test (t-test für ungepaarte Stichproben) und der Wilcoxon-Test Dirk Metzler 24. Mai 2017 Inhaltsverzeichnis 1 Wiederholung:

Mehr

Übungsaufgaben zu Kapitel 5. Aufgabe 101. Inhaltsverzeichnis:

Übungsaufgaben zu Kapitel 5. Aufgabe 101. Inhaltsverzeichnis: Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 5... 1 Aufgabe 101... 1 Aufgabe 102... 2 Aufgabe 103... 2 Aufgabe 104... 2 Aufgabe 105... 3 Aufgabe 106... 3 Aufgabe 107... 3 Aufgabe 108... 4 Aufgabe 109...

Mehr

a n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert:

a n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: Beispiel: Wir untersuchen die rekursiv definierte Folge a 0 + auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: ( ) (,, 7, 5,...) Wir können also vermuten, dass die Folge monoton fallend

Mehr

Name:... Matrikel-Nr.:... 3 Aufgabe Handyklingeln in der Vorlesung (9 Punkte) Angenommen, ein Student führt ein Handy mit sich, das mit einer Wahrscheinlichkeit von p während einer Vorlesung zumindest

Mehr

Etwas positive Tendenz ist beim Wechsel der Temperatur von 120 auf 170 zu erkennen.

Etwas positive Tendenz ist beim Wechsel der Temperatur von 120 auf 170 zu erkennen. Explorative Datenanalyse Erstmal die Grafiken: Aufreisskraft und Temperatur 3 1-1 N = 1 15 17 Temperatur Diagramm 3 1 95% CI -1 N = 1 15 17 Temperatur Etwas positive Tendenz ist beim Wechsel der Temperatur

Mehr

Praktikum Physik. Protokoll zum Versuch: Geometrische Optik. Durchgeführt am 24.11.2011

Praktikum Physik. Protokoll zum Versuch: Geometrische Optik. Durchgeführt am 24.11.2011 Praktikum Physik Protokoll zum Versuch: Geometrische Optik Durchgeführt am 24.11.2011 Gruppe X Name1 und Name 2 (abc.xyz@uni-ulm.de) (abc.xyz@uni-ulm.de) Betreuerin: Wir bestätigen hiermit, dass wir das

Mehr

Wichtige Forderungen für ein Bundes-Teilhabe-Gesetz

Wichtige Forderungen für ein Bundes-Teilhabe-Gesetz Wichtige Forderungen für ein Bundes-Teilhabe-Gesetz Die Parteien CDU, die SPD und die CSU haben versprochen: Es wird ein Bundes-Teilhabe-Gesetz geben. Bis jetzt gibt es das Gesetz noch nicht. Das dauert

Mehr

Forschungsstatistik I

Forschungsstatistik I Prof. Dr. G. Meinhardt. Stock, Nordflügel R. 0-49 (Persike) R. 0- (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 008/009 Fachbereich

Mehr

Simplex-Umformung für Dummies

Simplex-Umformung für Dummies Simplex-Umformung für Dummies Enthält die Zielfunktion einen negativen Koeffizienten? NEIN Optimale Lösung bereits gefunden JA Finde die Optimale Lösung mit dem Simplex-Verfahren! Wähle die Spalte mit

Mehr