Mathematik für Biologen
|
|
- Leopold Fuchs
- vor 7 Jahren
- Abrufe
Transkript
1 Mathemati für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 22. Dezember 2010
2 1 Binomialtests Einseitiger unterer Binomialtest Zweiseitiger Binomialtest Beispiel BSE Normalapproximation Versuchsplanung Der p-wert Data Snooping
3 Einseitiger unterer Binomialtest zum Niveau α Gegeben sind unabhängige B(1, p)-verteilte Zufallsvariable X 1,..., X n mit unbeanntem p sowie ein Signifianzniveau α Getestet wird die Nullhypothese H 0 = {p p 0 } gegen die Alternative H 1 = {p < p 0 } Der ritische Wert c ist so zu wählen, dass c 1 ( ) n p0 (1 p 0 ) n α c ( ) n p0 (1 p 0 ) n > α
4 Einseitiger unterer Binomialtest, Fortsetzung Der Annahmebereich ist K 0 = Der ritische Bereich ist K 1 = { (x 1,..., x n ) { (x 1,..., x n ) n j=1 n j=1 } x j c } x j < c Das bedeutet: Die Nullhypothese wird abgelehnt, falls die Anzahl der Erfolge echt leiner als c ist, andernfalls wird sie angenommen.
5 Zweiseitiger Binomialtest zum Niveau α Gegeben sind unabhängige B(1, p)-verteilte Zufallsvariable X 1,..., X n mit unbeanntem p sowie ein Signifianzniveau α Getestet wird die Nullhypothese H 0 = {p = p 0 } gegen die Alternative H 1 = {p p 0 } Der ritischen Wert c 1 und c 2 sind so zu wählen, dass c 1 1 ( n c 1 ( n c 2 ( n c 2 1 ) p 0 (1 p 0 ) n α 2 ) p 0 (1 p 0 ) n > α 2 ) p 0 (1 p 0 ) n 1 α 2 ( ) n p0 (1 p 0 ) n < 1 α 2
6 Zweiseitiger Binomialtest, Fortsetzung Der Annahmebereich ist K 0 = { (x 1,..., x n ) Der ritische Bereich ist K 1 = { (x 1,..., x n ) n x j c 1 und j=1 n x j < c 1 oder j=1 n } x j c 2 j=1 n } x j > c 2 j=1 Das bedeutet: Die Nullhypothese wird angenommen, wenn die Anzahl der Erfolge zwischen c 1 und c 2 liegt, andernfalls abgelehnt
7 Zweiseitiger Binomialtest, Beispiel Bei 250 Würfen eines Würfels fiel 55 mal eine Sechs. Kann man zu 98% sicher sein, dass der Würfel gezint ist? Sei p die unbeannte Wahrscheinlicheit des Würfels für eine Sechs Zweiseitiger Binomialtest mit Nullhypothese: H 0 = { p = 1 } 6 Alternative: H 1 = { p 1 } 6 Signifianzniveau ist α = 0.02
8 Tabelle von n B 250, 1/6() r p r p
9 Beispiel, Fortsetzung c 1 = 28 und c 2 = 56 Die Nullhypothese ann zum Niveau α = 0.02 abgelehnt werden, wenn höchstens 27 oder mindestens 57 Sechsen fallen Bei 55 Sechsen ann die Nullhypothese nicht abgelehnt werden
10 Effetive Fehlerwahrscheinlicheit im Beispiel Der Fehler erster Art wird gemacht, wenn p = p 0 = 1/6 und 27 oder 57 Sechsen fallen 27 ( ) 250 P(X 27) = p0 (1 p 0 ) n = ( ) 250 P(X 57) = 1 p0 (1 p 0 ) n = = Die effetive Fehlerwahrscheinlicheit erster Art ist die Summe α 0 = =
11 Fehlerwahrscheinlicheit zweiter Art im Beispiel Der Würfel ist gezint mit Wahrscheinlicheit p = 1 5, eine Sechs zu werfen Mit welcher Wahrscheinlicheit wird das nicht entdect? X sei verteilt gemäß B 250, 1/5 Gesucht ist 56 ( ) 250 P(28 X 56) = p (1 p) ( ) 250 p (1 p) 250 = = Mit einer Wahrscheinlicheit von fast 85% wird der gezinte Würfel nicht entdect
12 Tabelle von n B 250, 1/5() r p r p
13 Beispiel BSE In einem Versuch wurden 275 Mäuse mit Milch von Kühen ernährt, welche an BSE errant waren In einem Fall wurde die Kranheit auf die Maus übertragen Was schließen wir daraus?
14 BSE, Fortsetzung Sei p die Wahrscheinlicheit, dass BSE über die Nahrung von Kühen auf Mäuse übergeht Was ist die Nullhypothese? Die Ungefährlicheit des Übertragungswegs soll gezeigt werden Die Nullhpothese ist also, dass der Übertragungsweg gefährlich ist Die Nullhypothese H 0 = {p > 0} macht einen Sinn Eine onrete Schrane muss her Wähle p 0 = 0.01 Es handelt sich also um einen einseitigen unteren Binomialtest. Als Signifianzniveau wählen wir 5%
15 Einseitiger unterer Binomialtest zum Niveau α Der ritische Wert c ist so zu wählen, dass c 1 ( ) n p0 (1 p 0 ) n α c ( ) n p0 (1 p 0 ) n > α Der Annahmebereich ist { K 0 = (x 1,..., x n ) Der ritische Bereich ist { K 1 = (x 1,..., x n ) n j=1 n j=1 } x j c } x j < c
16 Tabelle von r B 275, p() r p
17 Beispiel BSE, Fortsetzung Zum Signifianzniveau α = 0.05 ist der ritische Bereich leer Mit 275 Experimenten ist daher eine Aussage möglich Wir önnen zu diesem Signifianzniveau aber die folgende, veränderte Nullhypothese ablehnen H 0 = {p 0.011} Mit 95%-tiger Sicherheit önnen wir sagen, dass das Risio einer Übertragung von BSE auf Mäuse leiner als 1.1% ist
18 Normalapproximation Bei großen Stichprobenumfängen verwende Normalapproximation zur Bestimmung des ritischen Werts Beispiel: einseitiger oberer Binomialtest zum Niveau α Dann ist c die leinste ganze Zahl, für die c ( ) n p0 (1 p 0 ) n 1 α Ersetze die umulierte Binomialverteilung durch die Normalapproximation
19 Normalapproximation, Erinnerung Die Zufallsvariable X sei B(n, p)-verteilt mit n p (1 p) > 9 Dann gilt näherungsweise für natürliche Zahlen a < b ( P(a X b) = b Φ n p ( a 1 2 ) Φ n p ) n p (1 p) n p (1 p) Wenn a = 0 oder b = n ist, braucht man nur einen Term ( P(a X ) = a Φ n p ) n p (1 p) ( P(X b) = b Φ n p ) n p (1 p)
20 Normalapproximation Gesucht ist also die Lösung c der Gleichung ( ) P(X c) = c + 1/2 n p 0 Φ = 1 α n p0 (1 p 0 ) Die so gefundene Zahl ist in der Regel nicht ganz. Man wählt dann als c die nächstgelegene ganze Zahl Die Voraussetzung für die Anwendbareit der Normalapproximation ist zu beachten n p 0 (1 p 0 ) > 9
21 Beispiel: Saatgut Die Keimfähigeit eines Saatguts betrage p mit unbeanntem p [0, 1]. Bei p 0.75 lohnt es nicht, das Saatgut auszubringen Um die Qualität des Saatguts zu testen, werden n = 200 Körner ausgesät. Nach gegebener Zeit wird die Zahl der geeimten Körner bestimmt Wie lässt sich zum Signifianzniveau α = 0.05 sicher stellen, dass p > 0.75 gilt? Die Nullhypothese ist bei dieser Fragestellung, dass das Saatgut nichts taugt, dass also p p 0, wobei p 0 = 0.75 Es handelt sich um einen einseitigen oberen Binomialtest
22 Saatgut, Fortsetzung Prüfe die Anwendbareit der Normalapproximation: n p 0 (1 p 0 ) = = 37.5 n p = 150 und 37.5 = 6.12, also bestimme c durch ( ) c + 1/2 150 Φ = D. h. ( ) c Φ = Das 0.95-Quantil der Standard-Normalverteilung ist c = 1.645
23 Saatgut, Fortsetzung Löse Gleichung nach c auf c = = Die nächstgelegene ganze Zahl ist c = 160 Bei 161 oder mehr Keimerfolgen wird die Nullhypothese abgelehnt und das Saatgut azeptiert
24 Versuchsplanung Die Normalapproximation ann zur Versuchsplanung benutzt werden Ein Beispiel hatten wir in der Vorlesung vom 24. November betrachtet
25 Normalapproximation zur Bestimmung eines Stichprobenumfangs Zwei Würfel: Einer ist fair, einer gezint; bei dem gezinten ist die Wahrscheinlicheit einer 6 gleich 1 5 Will herausbeommen, welchen ich in der Hand habe Die Anzahl n der nötigen Würfe soll bestimmt werden Wahrscheinlicheit, den fairen Würfel für gezint zu halten, soll höchstens 1% betragen Wahrscheinlicheit, den gezinten Würfel für fair zu halten, soll höchstens 5% betragen
26 Interpretation des Beispiels als Binomialtest Im Prinzip hatte ich damals einen einseitigen oberen Binomialtest vorgestellt H 0 : p 1 6 H 1 : p > 1 6 Als Signifianzniveau hatte ich 0.01 vorgeschrieben Bei p = 1 5 sollte die Fehlerwahrscheinlicheit zweiter Art bei 0.05 liegen Normalapproximation ergab n = 2093 Bei 389 oder mehr Sechsen ist zum Signifianzniveau der Nachweis geführt, dass der Würfel gezint ist Der ritische Wert war also 388
27 Der p-wert, Idee Gelegentlich ist nicht ganz lar, welches Signifianzniveau α angemessen ist Man macht dann seinen Versuch und gibt das beste Signifianzniveau an, für das die Nullhypothese abgelehnt werden ann Der p-wert eines Experiments ist das leinste Signifianzniveau, zu dem die Beobachtungsdaten die Annahme der Alternative rechtfertigen
28 Der p-wert Es sei Θ eine Menge von Parametern. Zu jedem θ Θ gebe es eine Verteilung P θ. Die Zufallsvariablen X 1,..., X n seien unabhängig und alle nach demselben P θ verteilt H 0 Θ bezeichne die Nullhypothese Für jedes mögliche Signifianzniveau α sei eine Testvorschrift festgelegt. Ihr Annahmebereich sei K 0,α und ihr ritischer Bereich sei K 1,α Es seien x = (x 1,..., x n ) die Beobachtungsdaten Das leinste α mit x K 1,α bezeichnet man als als p-wert der Beobachtungsdaten p ist also das leinste Signifianzniveau, zu dem die Nullhypothese noch abgelehnt werden ann Das bedeutet, dass die Beobachtungsdaten x genau dann zur Ablehnung der Nullhypothese führen, wenn ihr p-wert höchstens α beträgt
29 Der p-wert, Beispiel Im Beispiel Saatgut haben 158 Körner geeimt. Was ist der p-wert? Vorüberlegung: Jedenfalls p > 0.05, denn für α = 0.05 haben wir bereits ausgerechnet, dass der ritische Bereich erst bei 161 Keimungen beginnt. Beim oberen Binomialtest ist c die leinste Zahl, für die c ( ) n p0 (1 p 0 ) n 1 α Bei der Bestimmung des p-werts ennen wir das c. Das zugehörige α ist der p-wert Im Beispiel muss c = 157 sein oder noch leiner, damit 158 im ritischen Bereich ist
30 Beispiel, Fortsetzung Das α, das zu c = 157 gehört, ist der p-wert Also 157 ( ) p = Verwende Normalapproximation 157 ( ) ( ) / = Φ (1 0.75) Der p-wert beträgt 11% ( ) 7.5 = Φ = Φ(1.23) =
31 Data Snooping Snooping = Schnüffeln Data Snooping bedeutet, dass man den Test für dieselben Daten rechnet, die man auch für die Formulierung der Hypothese benutzt hat Die nächste Folie stammt aus einem schlechten Buch (und wird daher am Netz nicht gezeigt)
Mathematik für Biologen
Mathemati für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 16. Dezember 2010 1 Allgemeine Hypothesentests Signifianzniveaus 2 Einseitiger oberer Binomialtest Effetive Fehlerwahrscheinlicheit
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 23. Dezember 2011 1 Stetige Zufallsvariable, Normalverteilungen Der zentrale Grenzwertsatz und die 3-Sigma Regel
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun http://blog.ruediger-braun.net Heinrich-Heine-Universität Düsseldorf 16. Januar 2015 1 Verteilungsfunktionen Definition Binomialverteilung 2 Stetige Zufallsvariable,
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 24. November 2010 1 Stetige Verteilungen Normalapproximation Gleichverteilung Exponentialverteilung Normalapproximation
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 23. Dezember 2010 1 Tests für Erwartungswerte Teststatistik Gauß-Test Zusammenhang zu Konfidenzintervallen t-test
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 9. Dezember 2010 1 Konfidenzintervalle Idee Schätzung eines Konfidenzintervalls mit der 3-sigma-Regel Grundlagen
MehrEinführung in die Induktive Statistik: Testen von Hypothesen
Einführung in die Induktive Statistik: Testen von Hypothesen Jan Gertheiss LMU München Sommersemester 2011 Vielen Dank an Christian Heumann für das Überlassen von TEX-Code! Testen: Einführung und Konzepte
MehrMotivation. Benötigtes Schulwissen. Wirtschaftswissenschaftliches Zentrum 12 Universität Basel. Statistik
Wirtschaftswissenschaftliches Zentrum 1 Universität Basel Statisti Dr. Thomas Zehrt Testen von Hypothesen Motivation Bei einem Testverfahren wird die aus einer Stichprobe gewonnene Information dazu verwendet,
MehrLösungen zum Aufgabenblatt 14
Lösungen zum Aufgabenblatt 14 61. Das Gewicht von Brötchen (gemessen in g) sei zufallsabhängig und werde durch eine normalverteilte Zufallsgröße X N(µ, 2 ) beschrieben, deren Varianz 2 = 49 g 2 bekannt
MehrDWT 2.1 Maximum-Likelihood-Prinzip zur Konstruktion von Schätzvariablen 330/467 Ernst W. Mayr
2.1 Maximum-Likelihood-Prinzip zur Konstruktion von Schätzvariablen Wir betrachten nun ein Verfahren zur Konstruktion von Schätzvariablen für Parameter von Verteilungen. Sei X = (X 1,..., X n ). Bei X
MehrBeurteilende Statistik
Beurteilende Statistik Wahrscheinlichkeitsrechnung und Beurteilende Statistik was ist der Unterschied zwischen den beiden Bereichen? In der Wahrscheinlichkeitstheorie werden aus gegebenen Wahrscheinlichkeiten
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine Universität Düsseldorf 13. Januar 2010 Termine Letzte Vorlesung am 28.01.2010 Letzte Übung am 27.01.2010, und zwar für alle Anfangsbuchstaben
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 19. Januar 2011 1 Nichtparametrische Tests Ordinalskalierte Daten 2 Test für ein Merkmal mit nur zwei Ausprägungen
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 16. Januar 2013 1 Allgemeine Hypothesentests Nullhypothese und Alternative Beispiel: Blutdrucksenker Testverfahren
MehrAUFGABENTYPEN. 2. Bekannt ist die Irrtumswahrscheinlichkeit α ; zu berechnen ist der Annahme- und Ablehnungsbereich, also die Entscheidungsregel.
AUFGABENTYPEN 1. Bekannt ist die Entscheidungsregel, d.h. K und K ; zu berechnen ist das Risiko 1.Art (bzw. 2. Art). 2. Bekannt ist die Irrtumswahrscheinlichkeit α ; zu berechnen ist der Annahme- und Ablehnungsbereich,
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 12. Januar 2011 1 Vergleich zweier Erwartungswerte Was heißt verbunden bzw. unverbunden? t-test für verbundene Stichproben
MehrSerie 9, Musterlösung
WST www.adams-science.org Serie 9, Musterlösung Klasse: 4U, 4Mb, 4Eb Datum: FS 18 1. Mädchen vs. Knaben 442187 Unter 3000 in einer Klinik neugeborenen Kindern befanden sich 1578 Knaben. Testen Sie mit
Mehr3.3. Aufgaben zur Normalverteilung und Hypothesentests
3.3. Aufgaben zur Normalverteilung und Hypothesentests Aufgabe : Näherung der Binomialverteilung durch die Normalverteilung a) Die Zufallsvariable X sei B,,5 ()-verteilt. Sizziere das Histogramm von X
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 25. Januar 2013 1 Der χ 2 -Anpassungstest 2 Exakter Test nach Fisher Mendelsche Erbregeln als Beispiel für mehr
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 20. Januar 2011 1 Der F -Test zum Vergleich zweier Varianzen 2 Beispielhafte Fragestellung Bonferroni-Korrektur
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
MehrBiostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 Wahrscheinlichkeitstheorie:, Kenngrößen Prof. Dr. Achim Klenke http://www.aklenke.de 7. Vorlesung: 09.12.2011 1/58 Inhalt 1 2 Kenngrößen von Lagemaße 2/58 mit Dichte Normalverteilung
MehrÜbungsscheinklausur,
Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 27 Prof. Dr. F. Liese Übungsscheinklausur, 3.7.27 Dipl.-Math. M. Helwich Name:...
Mehr: p= 1 6 ; allgemein schreibt man hierfür H : p = p. wird Gegenhypothese genannt und mit H 1 bezeichnet.
Einseitiger Signifikanztest Allgemein heißt die Hypothese, dass eine vorgelegte unbekannte Wahrscheinlichkeitsverteilung mit einer angenommenen Verteilung übereinstimmt, Nullhypothese und wird mit H 0
MehrUm zu entscheiden, welchen Inhalt die Urne hat, werden der Urne nacheinander 5 Kugeln mit Zurücklegen entnommen und ihre Farben notiert.
XV. Testen von Hypothesen ================================================================== 15.1 Alternativtest ------------------------------------------------------------------------------------------------------------------
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine Universität Düsseldorf 5. November 2009 Binomialkoeffizienten n bezeichne die Gesamtzahl der Objekte, und k bezeichne die Anzahl der Züge.
Mehrmathphys-online Abiturprüfung Berufliche Oberschule 2011 Mathematik 13 Technik - B I - Lösung
Abiturprüfung Berufliche Oberschule 20 Mathemati 3 Techni - B I - Lösung Teilaufgabe.0 Am Flughafen muss jeder Passagier durch eine Sicherheitsschleuse, in die ein Metalldetetor eingebaut ist. Das Gerät
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 17. November 2010 1 Gesetze Das Gesetz der seltenen Ereignisse Das schwache Gesetz der großen Zahl 2 Verteilungsfunktionen
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
Mehrmathphys-online Abiturprüfung Berufliche Oberschule 1998 Mathematik 13 Technik - B II - Lösung
Abiturprüfung Berufliche Oberschule 8 Mathemati Techni - B II - Lösung In der Selbstbedienungsabteilung eines Supermartes für Obst und Gemüse werden grüne, rote und gelbe Papria zum gleichen Preis verauft.
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 21. Dezember 2011 1 Definition Binomialverteilung Geometrische Verteilung Poissonverteilung 2 Standardisierte Verteilung
Mehr73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments
73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind
MehrBiostatistik, Sommer 2017
1/52 Biostatistik, Sommer 2017 Prof. Dr. Achim Klenke http://www.aklenke.de 7. Vorlesung: 02.06.2017 2/52 Inhalt 1 Wahrscheinlichkeit Bayes sche Formel 2 Diskrete Stetige 3/52 Wahrscheinlichkeit Bayes
MehrWahrscheinlichkeit und Statistik BSc D-INFK
Prof. Dr. P. Bühlmann ETH Zürich Winter 2010 Wahrscheinlichkeit und Statistik BSc D-INFK 1. (10 Punkte) Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 12.5.2006 1 Test auf Anteilswert: Binomialtest Sei eine Stichprobe unabhängig, identisch verteilter ZV (i.i.d.). Teile diese Stichprobe in zwei Teilmengen
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun http://blog.ruediger-braun.net Heinrich-Heine-Universität Düsseldorf 21. Januar 2015 1 t-tests für Erwartungswerte Verbundene und unverbundene Stichproben
MehrWahrscheinlichkeit und Statistik BSc D-INFK
Prof. Dr. P. Bühlmann ETH Zürich Sommer 2010 Wahrscheinlichkeit und Statistik BSc D-INFK 1. (10 Punkte) Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete
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
MehrDWT 334/460 csusanne Albers
Die Wahrscheinlichkeit fur den Fehler 1. Art wird mit bezeichnet, und man spricht deshalb gelegentlich vom -Fehler. heit auch Signikanzniveau des Tests. In der Praxis ist es ublich, sich ein Signikanzniveau
MehrDWT 314/460 csusanne Albers
2.1 Maximum-Likelihood-Prinzip zur Konstruktion von Schatzvariablen Wir betrachten nun ein Verfahren zur Konstruktion von Schatzvariablen fur Parameter von Verteilungen. Sei ~X = (X 1 ; : : : ; X n ):
MehrKlausur Statistik 2 RE Statistik für Soziologen Do,
Klausur Statistik 2 RE Statistik für Soziologen Do, 24. 9. 2009 Name...Vorname... Matrikelnummer... Einsichtnahme: Fr, 2. Oktober BITTE DEUTLICH UND LESERLICH SCHREIBEN! Es wird nur gewertet, was in diesem
MehrBiostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 : Binomial, Gauß Prof. Dr. Achim Klenke http://www.aklenke.de 10. Vorlesung: 20.01.2012 1/31 Inhalt 1 Einführung Binomialtest 2/31 Beispiel Einführung Bohnenlieferant liefert
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun http://blog.ruediger-braun.net Heinrich-Heine-Universität Düsseldorf 17. Dezember 2014 Klausurhilfsmittel Vier beidseitig von Hand beschriebene A4-Blätter
MehrFit for Abi & Study Stochastik
Fit for Abi & Study Stochastik Prof. Dr. Tilla Schade Hochschule Harz 15. und 16. April 2014 No. 1 Stochastik besteht aus: Wahrscheinlichkeitsrechnung Statistik No. 2 Gliederung Grundlagen Zufallsgrößen
MehrBiostatistik, 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
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)
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 13. Januar 2011 1 Nichtparametrische Tests Ränge Der U-Test Bindungen Ränge Zwei Gruppen von Zufallsvariablen mit
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 10. November 2010 1 Bedingte Wahrscheinlichkeit Satz von der totalen Wahrscheinlichkeit Bayessche Formel 2 Grundprinzipien
Mehr7. Übung: Aufgabe 1. b), c), e) Aufgabe 2. a), c), e) Aufgabe 3. c), e) Aufgabe 4. Aufgabe 5. Aufgabe 6. Aufgabe 7. Aufgabe 8. Aufgabe 9.
7. Übung: Aufgabe 1 b), c), e) Aufgabe a), c), e) Aufgabe 3 c), e) Aufgabe 4 b) Aufgabe 5 a) Aufgabe 6 b) Aufgabe 7 e) Aufgabe 8 c) Aufgabe 9 a), c), e) Aufgabe 10 b), d) Aufgabe 11 a) Aufgabe 1 b) Aufgabe
MehrBinomialverteilung & Binomialtest
Mathemati II für Biologen & 5. Juni 2015 & -Test Kombinatori Permutationen Urnenmodelle Binomialoeffizient Motivation Bin(n, p) Histogramme Beispiel Faustregeln Vorzeichentest & -Test Permutationen Urnenmodelle
MehrR. Brinkmann Seite
R. Brinmann http://brinmann-du.de Seite 9.. Bernoulli Versuche und die Binomialverteilung Viele Zufallsexperimente önnen als xperimente mit zwei rgebnissen interpretiert werden, wie z.b. ünzwurf mit den
MehrStatistik II für Betriebswirte Vorlesung 1
Statistik II für Betriebswirte Vorlesung 1 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 16. Oktober 2017 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 1 Version:
MehrDiskrete Verteilungen
KAPITEL 6 Disrete Verteilungen Nun werden wir verschiedene Beispiele von disreten Zufallsvariablen betrachten. 1. Gleichverteilung Definition 6.1. Eine Zufallsvariable X : Ω R heißt gleichverteilt (oder
MehrKapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen Induktive Statistik Prof. Dr. W.-D. Heller
MehrTesten von Hypothesen, Beurteilende Statistik
Testen von Hypothesen, Beurteilende Statistik Was ist ein Test? Ein Test ist ein Verfahren, mit dem man anhand von Beobachtungen eine begründete Entscheidung über die Gültigkeit oder Ungültigkeit einer
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg. für Betriebswirtschaft und internationales Management
für Betriebswirtschaft und internationales Management Sommersemester 2015 Prof. Dr. Stefan Etschberger Hochschule Augsburg Testverteilungen Chi-Quadrat-Verteilung Sind X 1,..., X n iid N(0; 1)-verteilte
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrStochastik Serie 11. ETH Zürich HS 2018
ETH Zürich HS 208 RW, D-MATL, D-MAVT Prof. Marloes Maathuis Koordinator Dr. Marvin Müller Stochastik Serie. Diese Aufgabe behandelt verschiedene Themenbereiche aus dem gesamten bisherigen Vorlesungsmaterial.
Mehrk np g(n, p) = Pr p [T K] = Pr p [T k] Φ. np(1 p) DWT 4.1 Einführung 359/467 Ernst W. Mayr
Die so genannte Gütefunktion g gibt allgemein die Wahrscheinlichkeit an, mit der ein Test die Nullhypothese verwirft. Für unser hier entworfenes Testverfahren gilt ( ) k np g(n, p) = Pr p [T K] = Pr p
MehrWir gehen wieder von einem allgemeinen (parametrischen) statistischen Modell aus, (
Kapitel 4 Konfidenzbereiche Wir gehen wieder von einem allgemeinen parametrischen statistischen Modell aus, M, A, P ϑ ; sei eine Funktion des Parameters gegeben, die einen interessierenden Teil-Parameter
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 )
MehrProbeklausur zu Mathematik 3 für Informatik Lösungshinweise (ohne Garantie auf Fehlefreiheit)
Gunter Ochs 9. Juni 05 Probeklausur zu Mathematik für Informatik Lösungshinweise ohne Garantie auf Fehlefreiheit. Sei fx x x. a Bestimmen Sie den Grenzwert lim x fx. Da an der Stelle x Zähler Nenner Null
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,...,
MehrNachklausur Wahrscheinlichkeitstheorie und Inferenz II Sommersemester Oktober 2011
Nachklausur Wahrscheinlichkeitstheorie und Inferenz II Sommersemester 2011 28. Oktober 2011 Prof. Dr. Torsten Hothorn Institut für Statistik Nachname: Vorname: Matrikelnummer: Anmerkungen: ˆ Schreiben
MehrProf. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006 Hypothesentesten, Fehlerarten und Güte 2 Literatur Kreyszig: Statistische Methoden und ihre Anwendungen, 7.
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests Nach Verteilungsannahmen: verteilungsabhängig: parametrischer [parametric] Test verteilungsunabhängig: nichtparametrischer [non-parametric] Test Bei parametrischen Tests
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
Mehrmathphys-online Abiturprüfung Berufliche Oberschule 2000 Mathematik 13 Technik - B I - Lösung
Abiturprüfung Berufliche Oberschule Mathemati Techni - B I - Lösung Teilaufgabe (7 BE) Aus einem gut gemischten Kartenspiel mit Karten erhält ein Spieler Karten. Als Treffer gelten die drei Karten Pi As,
Mehr2 Wiederholung statistischer Grundlagen Schließende Statistik empirischen Information aus Stichprobenrealisation x von X
Hypothesentests Bisher betrachtet: Punkt- bzw. Intervallschätzung des unbekannten Mittelwerts Hierzu: Verwendung der 1 theoretischen Information über Verteilung von X empirischen Information aus Stichprobenrealisation
MehrKapitel 13. Grundbegriffe statistischer Tests
Kapitel 13 Grundbegriffe statistischer Tests Oft hat man eine Vermutung über die Verteilung einer Zufallsvariablen X. Diese Vermutung formuliert man als Hypothese H 0.Sokönnte man daran interessiert sein
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
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun http://blog.ruediger-braun.net Heinrich-Heine-Universität Düsseldorf 07. Januar 2015 Klausuranmeldung Prüflinge müssen sich bis spätestens 14 Tage vor
MehrStochastik: Hypothesentest Stochastik Testen von Hypothesen (einseitiger Test) allgemein bildende Gymnasien J1/J2
Stochastik Testen von Hypothesen (einseitiger Test) allgemein bildende Gymnasien J/J2 Alexander Schwarz www.mathe-aufgaben.com Oktober 25 Hinweis: Für die Aufgaben darf der GTR benutzt werden. Aufgabe
MehrDiskrete Wahrscheinlichkeitstheorie - Probeklausur
Diskrete Wahrscheinlichkeitstheorie - robeklausur Sommersemester 2007 - Lösung Name: Vorname: Matrikelnr.: Studiengang: Hinweise Sie sollten insgesamt Blätter erhalten haben. Tragen Sie bitte Ihre Antworten
MehrHow To Find Out If A Ball Is In An Urn
Prof. Dr. P. Embrechts ETH Zürich Sommer 2012 Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Schreiben Sie für Aufgabe 2-4 stets alle Zwischenschritte und -rechnungen sowie Begründungen auf. Aufgabe
MehrDie tatsächlichen Breiten und Höhen der Säulen und damit der Flächeninhalt bleiben unverändert:
Flächeninhalte als Wahrscheinlichkeiten Eine Zufallsvariable X kann die Werte, 2, 3, 4, 5 oder 6 annehmen. Die zugehörigen Wahrscheinlichkeiten sind rechts in einem Stabdiagramm dargestellt. k 2 3 4 5
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg 2 R. 06-206 (Persike) R. 06-214 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrÜberblick Hypothesentests bei Binomialverteilungen (Ac)
Überblick Hypothesentests bei Binomialverteilungen (Ac) Beim Testen will man mit einer Stichprobe vom Umfang n eine Hypothese H o (z.b.p o =70%) widerlegen! Man geht dabei aus von einer Binomialverteilung
MehrZweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz
Grundlage: Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz Die Testvariable T = X µ 0 S/ n genügt der t-verteilung mit n 1 Freiheitsgraden. Auf der Basis
MehrSchriftliche Abiturprüfung Mathematik 2013
(8) Stochasti Pflichtteil Aufgabe 8.1 In einem Behälter befinden sich 2 rote und 4 blaue Kugeln. Es werden 2 Kugeln mit Zurüclegen gezogen. a) Berechnen Sie die Wahrscheinlicheit, dass mindestens eine
MehrDie tatsächlichen Breiten und Höhen der Säulen und damit der Flächeninhalt bleiben unverändert:
Flächeninhalte als Wahrscheinlichkeiten Eine Zufallsvariable X kann die Werte,, 3, 4, 5 oder 6 annehmen. Die zugehörigen Wahrscheinlichkeiten sind rechts in einem Stabdiagramm dargestellt. k 3 4 5 6 P
MehrNachklausur zur Vorlesung
Institut für Mathematische Stochastik WS 003/004 Universität Karlsruhe 30. April 004 Priv.-Doz. Dr. D. Kadelka Nachklausur zur Vorlesung Statistik für Biologen Musterlösungen Aufgabe 1 Gemessen wurde bei
MehrBeispiel für Gütefunktionen Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = 0.10
6 Hypothesentests Gauß-Test für den Mittelwert bei bekannter Varianz 6.3 Beispiel für Gütefunktionen Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = 0.10 G(µ) 0 α 0. 0.4 0.6 0.8 1 n = 10 n =
MehrMinisterium für Schule und Weiterbildung NRW M LK HT 7 Seite 1 von 9. Unterlagen für die Lehrkraft. Abiturprüfung Mathematik, Leistungskurs
Seite 1 von 9 Unterlagen für die Lehrkraft Abiturprüfung 2010 Mathematik, Leistungskurs 1. Aufgabenart Stochastik mit Alternative 1 (ein- und zweiseitiger Hypothesentest) 2. Aufgabenstellung siehe Prüfungsaufgabe
MehrHypothesentest, ein einfacher Zugang mit Würfeln
R. Brinkmann http://brinkmann-du.de Seite 4..4 ypothesentest, ein einfacher Zugang mit Würfeln Von einem Laplace- Würfel ist bekannt, dass bei einmaligem Wurf jede einzelne der Zahlen mit der Wahrscheinlichkeit
MehrBiostatistik, Sommer 2017
1/51 Biostatistik, Sommer 2017 Wahrscheinlichkeitstheorie: Verteilungen, Kenngrößen Prof. Dr. Achim Klenke http://www.aklenke.de 8. Vorlesung: 09.06.2017 2/51 Inhalt 1 Verteilungen Normalverteilung Normalapproximation
MehrKlausur zur Vorlesung
Institut für Mathematische Stochastik WS 2004/2005 Universität Karlsruhe 14. Februar 2005 Dr. Bernhard Klar Sebastian Müller Aufgabe 1: (15 Punkte) Klausur zur Vorlesung Statistik für Biologen Musterlösungen
MehrNachgefragte Aufgaben über spezifische Themen
Nachgefragte Aufgaben über spezifische Themen Aufgabe, Quiz 5 Macht und Fehler er/2er Art Frage a) Angenommen, bei einem Binomialtest ist das Signifikanzniveau 5%. Die Macht ist dann 95% Antwort und Erklärtung
MehrKonfidenzintervalle. Gesucht: U = U(X 1,..., X n ), O = O(X 1,..., X n ), sodass für das wahre θ gilt
Konfidenzintervalle Annahme: X 1,..., X n iid F θ. Gesucht: U = U(X 1,..., X n ), O = O(X 1,..., X n ), sodass für das wahre θ gilt P θ (U θ O) = 1 α, α (0, 1). Das Intervall [U, O] ist ein Konfidenzintervall
MehrHypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests
ue biostatistik: hypothesen, fehler 1. und. art, power 1/8 h. lettner / physik Hypothesen: Fehler 1. und. Art, Power eines statistischen Tests Die äußerst wichtige Tabelle über die Zusammenhänge zwischen
MehrStatistik II für Betriebswirte Vorlesung 2
Statistik II für Betriebswirte Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 26. Oktober 2016 Prof. Dr. Hans-Jörg Starkloff Statistik II für Betriebswirte Vorlesung
MehrKapitel 3 Schließende Statistik
Beispiel 3.4: (Fortsetzung Bsp. 3.) bekannt: 65 i=1 X i = 6, also ˆp = X = 6 65 = 0, 4 Überprüfen der Voraussetzungen: (1) n = 65 30 () n ˆp = 6 10 (3) n (1 ˆp) = 39 10 Dr. Karsten Webel 194 Beispiel 3.4:
MehrDEMO für STOCHASTIK. Testen von Hypothesen. Datei Nr INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK.
STOCHASTIK Testen von Hypothesen Teil 1 rundlagen der Signifikanztests Hier: Berechnungen mit Binomialverteilung Datei Nr. 35010 Stand: 9. November 2013 FRIEDRICH W. BUCKEL INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK
MehrStellen Sie den Sachverhalt durch eine geeignete Vierfeldertafel mit relativen Häufigkeiten
Bei der Bearbeitung der Aufgabe dürfen alle Funktionen des Taschenrechners genutzt werden. Aufgabe 4: Stochastik Vorbemerkung: Führen Sie stets geeignete Zufallsvariablen und Namen für Ereignisse ein.
MehrTeilaufgabe 1.1 (5 BE) Untersuchen Sie mithilfe einer Vierfeldertafel, ob die Ereignisse F und S stochastisch unabhängig sind. "F"
Abschlussprüfung Berufliche Oberschule 2011 Mathemati 12 Nichttechni - S I - Lösung Teilaufgabe 1.0 Die Eisdiele BAVARIA bietet unterschiedliche Eisbecher an. Aus langjähriger Erfahrung weiß der Eigentümer,
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
Mehr