Lösungen zu den Übungsaufgaben

Größe: px
Ab Seite anzeigen:

Download "Lösungen zu den Übungsaufgaben"

Transkript

1 Lösungen zu den Übungsaufgaben SS 004 Dr. H. Grunert Franzstraße 49, Bernburg Tel , Fax mws-bbg.de

2 Der Einfachheit halber werden alle Wahrscheinlichkeiten einheitlich mit P(A) bezeichnet (bis zur Aufgabe 4). Schreibfehler können trotz größter Sorgfalt nicht ausgeschlossen werden. Die Lösungen sind entsprechend der Aufgaben nummeriert; die Reihenfolge in diesem Material folgt nicht immer der aufsteigenden Nummerierung. A3) 1. Variante: Die Reihenfolge der geworfenen Zahlen ist zu berücksichtigen. a) klassische Definition der WS Es gibt 11 Möglichkeiten mindestens eine 1 zu werfen: (1;1), (1;), (1;3), (1;4), (1;5); (1;6), (;1), (3;1), (4;1), (5;1), (6;1). Insgesamt sind 36 verschiedene Ergebnisse beim Würfeln möglich. 11 P A 0, b) höchstens eine 1 zu werfen Es gibt nur eine Möglichkeit, mehr als eine 1 zu werfen: (1;1). 35 P A 0, Variante: Die Reihenfolge der geworfenen Zahlen ist nicht von Bedeutung. a) Es gibt nur noch 6 Möglichkeiten mindestens eine 1 zu werfen: (1;1), (1;), (1;3), (1;4), (1;5), (1;6). Insgesamt sind 1 verschiedene Ergebnisse beim Würfeln möglich. b) 6 P A 0, P A 0, A4) die Herz-8 eine Kreuzkarte eine Neun einen König einen Joker 1 P A 0, P A 0,5 3 4 P A 0, P A 0, P A 0 3

3 A5) 6 günstige Fälle; 38 Fälle insgesamt 6 P A 0, A6) 3 Würfe mit einem Würfel 5 P A 6 5 P A 6 1 P A 6 1. Wurf keine 6. Wurf keine 6 3. Wurf eine 6 insgesamt: P A 0, A7) P A P B P A B 0,8 0, 65 0,6 P A B P A P B P A B 0,8 0, 65 0, 6 0,85 A8) statistische Definition der Wahrscheinlichkeit insgesamt Knabengeburten und Geburten gesamt im betrachteten Zeitraum P A , 5117 A9) a) gleichzeitiges Eintreten des Misserfolges der drei Erzeugnisse Multiplikation unabhängiger Ereignisse, Komplementärereignisse P A 0, 9 P B 0,8 P C 0,95 P ABC 0,10, 0, 05 0, 001 b) P ABC 0, 9 0,8 0, 95 0, 684 c) P ABC 1 1 0, 684 0,316 3

4 d) P ABC 1 1 0, 001 0, 999 e) P ABC P ABC P ABC 0, 9 0,8 0, 05 0, 9 0, 0,95 0,1 0,8 0, 95 0, 83 A10) Multiplikation, unabhängige Ereignisse, Komplementärereignisse a) P ABC 0, 7 0, 6 0, 4 0,168 b) P ABC 0,30,40,6 0,07 c) P ABC 1 1 0, 07 0, 98 d) P ABC P ABC P ABC 0,7 0,6 0, 6 0,7 0,4 0,4 0,3 0,6 0,4 0,436 A11) Satz von Bayes F: Fernsehgerät ist fehlerhaft A: Prüfgerät zeigt an Gesucht werden die Wahrscheinlichkeiten P F A und P F A. Gegeben sind: 0,8 P A F 0,1 P F 0, 04 P F 1 P F 0, 96 P A F Hieraus ergibt sich für: P A F P A F P A F 1 1 0,8 0, P A F 1 1 0,1 0, 9 Lösung : P F P A F 0, 04 0, P F A 0, P F P A F P F P A F 0, 040, 0,96 09 P F A 1 P F A 1 0, ,

5 A1) genau drei Richtige heißt 3 Richtige und 3 Falsche Kombinationen ohne Wiederholung 3 Richtige aus 6 Richtigen 0 Möglichkeiten 3 Falsche aus 43 Falschen 1341 Möglichkeiten 6 aus Möglichkeiten P A , A13) Kombination ohne Wiederholung 4 aus Möglichkeiten A14) a) Kombination ohne Wiederholung jeder Straßenname nur einmal 35 Möglichkeiten b) Kombination mit Wiederholung 10 Möglichkeiten A15) Permutation mit Wiederholung 60 verschiedene Startbahnzuweisungen A16) Kombination mit Wiederholung ( Dominospiel für bis zu 6 Spieler ) Ziffern 0 bis 6 aus 8 8 verschiedene Steine A17) Permutation ohne Wiederholung 4 Möglichkeiten A18) Variation ohne Wiederholung 10 Zahlen 5

6 A19) Kombinationen mit Wiederholung Auswahl 1 Geldstück Auswahl Geldstücke Auswahl 3 Geldstücke Auswahl 4 Geldstücke Auswahl 5 Geldstücke 4 Preise 10 Preise 0 Preise 35 Preise 56 Preise insgesamt 15 Preise A0) a) Permutation mit Wiederholung 10 verschiedene Zahlen b) Permutation mit Wiederholung 135 stehen fest, für die restlichen vier Ziffern stehen noch 1 verschiedene Möglichkeiten zur Verfügung A1) Kombinationen ohne Wiederholung es gibt aus 3 = 496 Möglichkeiten den Skat zu bilden a) Kreuz Bube 1 aus 1 = 1 Möglichkeit andere Karte 1 aus 31 = 31 Möglichkeiten insgesamt 31 Möglichkeiten 31 P A 496 0, 065 b) Bube 1 aus 4 = 4 Möglichkeiten andere Karte 1 aus 8 = 8 Möglichkeiten insgesamt 11 Möglichkeiten 11 P A 0, c) zwei Buben aus 4 = 6 Möglichkeiten 6 P A 0, A) Permutation mit Wiederholung, x Möglichkeiten 6

7 A3) a) insgesamt gibt es Varianten, dass 8 Teilnehmer 1 verschiedene Orte gleichzeitig anrufen = Variation mit Wiederholung darunter sind Varianten, dass 8 Teilnehmer 1 verschiedene Orte gleichzeitig anrufen = Variation ohne Wiederholung P A 0, b) Personen aus 8 rufen den gleichen Ort an Kombination ohne Wiederholung = 8 Möglichkeiten Wenn Teilnehmer einen Ort gleichzeitig anrufen heißt das, dass der 1. Ort durch den 1. Anrufer feststeht und nur noch 7 Anrufer 7 der 1 Orte in verschiedenen Varianten anrufen können. Jede dieser Varianten führt zwangsläufig dazu, dass Personen den gleichen Ort zur gleichen Zeit anrufen. Variation ohne Wiederholung 7 aus 1 = Möglichkeiten P A , A4) a) Variation mit Wiederholung 1000 Zahlenkombinationen 1 Minute, je Versuch 3 Sekunden è 0 Versuche 0 P A 0, b) Möglichkeiten, 15 Versuche P A 0, 0015 c) 3 Ziffern Diebstahlversuch JA p= 0,5 NEIN p= 0,5 Erfolg JA p= 0,0 è Schaden 1000 DM NEIN p= 0,98 è Schaden 0 DM Schaden: 0 0,5 0, ,5 0,0 10 DM 7

8 4 Ziffern Schaden: 0 0,50, ,5 0,0015 0, 75 DM Aufgaben zur Binomialverteilung A7) n = 9 p = 0,0 1-p = 0,98 9 P X 0 0, 0 0, 98 0, a) 0 9 b) P X , , , , 0 0,98 0, 0 0,98 c) P X P X , ,1665 A36) n = 5 p = 0,4 1-p = 0,6 5 P X 0 0,4 0,6 0, a) P X 0, 4 0, 6 0,3456 b) 3 c) , 4 0, 6 0, 4 0, 6 0, 4 0, 6 P X 5 0, 4 3 0, 6 0, , 59 0,3456 0, , 9196 d) P X P X P X , , 59 0, A37) n = 10 p = 0,15 1-p = 0,85 P X ,15 0,85 0,15 0,85 0,15 0, =1 0,1696 0, , 579 0,

9 A38) n = 1000 p = 0,006 1-p= 0, P X 0 0, 006 0, 994 0, a) b) 0 1 P X P X P X P X , 006 0,994 0, 006 0, , 006 0, , , , , 0614 A39) n = 100 p = 0,993 1-p = 0, P X 100 0,993 0, 007 0, a) P X 98 0, 993 0, 007 0, b) 98 c) ,993 0, 007 0, 993 0, 007 P X 100 0, , ,1185 0, 349 0, , A40) n = 8 p = 0,3 1- p = 0, P X P X P X P X P X , 3 0, 7 0, 3 0, 7 0, 3 0, ,3 3 0, , , , , 541 0,

10 A41) n = 7 p = 0,3 1-p = 0,7 a) P X 5 P X 6 P X , 3 0, 7 0,3 0, , , , P X 5 0,3 0, 7 0, b) 5 Aufgaben zur Poissonverteilung A5) a) 5 k 5 5 f P k e 5! 5 5 5; 5 0,17547 b) F 5; k 9 1 F 5; k 8 1 e P P k 5 å a e 1 5 1, , , a a! c) Reproduktivitätseigenschaft der Poissonverteilung 5 7 A B täglich sind durchschnittlich 7 Aufträge zu erwarten nach der Kooperation sind = 5 Mitarbeiter beschäftigt Überlastung tritt ab 11 Aufträgen pro Tag ein F 7; k 11 1 F 7; k 10 1 e P P e , ,0985 Die Wahrscheinlichkeit, dass ein Auftrag abgelehnt werden muss, ist nach der Kooperation geringer. å a0 a 7 a! 10

11 A6) a) 8 k 8 8 f P k e 8! 8 8 8; 8 0, a 8 8; 9 å , 7166 a! 8 8 b) F k e e P a0 c) FP k FP k 8; 9 1 8; 9 1 0, , 8338 Aufgaben zur Normalverteilung A8) 75 ml =0,8 ml Mindestinhalt = 750 ml ;75;0,8 F F,5 =1-F,5 0, 006 0,8 a) P X b) 750 < < ;75;0,8 750;75;0,8 P X F F F F 0,8 0,8 é ù,5,5 F, 5 ë1 F, 5 û F, 5 1 0, ,9876 c) Reproduktivitätseigenschaft der Normalverteilung ml å i n 6 0,8 1,95959 Unterfüllungsgrenze: ml P X < ;451;1, F 1, F 6,137» 0 Die Wahrscheinlichkeit einer Unterfüllung geht gegen null. 11

12 d) 750; ;0,8 0, F 0,0 0,8 F,055 0,0 750, 055 0,8 =751,644 Die Maschine muss auf 751,644 ml eingestellt werden. A9),15 m 0,15m a) P X < 1,85 1 F 1 0, 977 0, 08 b) P X, 00,30 F 1 1 0, , ,3% der Bäume haben eine Größe zwischen m und,3 m. A30) 176 cm 9, 4cm P X P X F 1, , , A31) 15 cm cm a) P X F 0, 5 1 0, , 383 b) P X P X 13, 5 1 < 13, 5 1 F 0, 75 F 0, 75 0, c) P X 16,5 F 0, 75 0,

13 d) symmetrisches Intervall [a;b] mit a = 15 - d b = 15 + d 0, 9 P a X b b;15; a;15; 15 d d 15 d d d F 1 F F F F d d F 1 0,9 0,95 F d 1,645 d 3,9 Das symmetrische Intervall lautet [ 11,71 ; 18,9 ]. A3) Lösungen analog A31 d) 1000 g 5g a) d 5 1,645 d 8,5 Das Gewicht liegt zwischen 991,775 g und 1008,5 g Berechnung als beidseitige Fragestellung, da nicht nach einer Obergrenze für das Gewicht der Pakete (Höchstgewicht) gefragt wird, so dass eine beidseitige Schwankung des Gewichtes um den Mittelwert angenommen werden muss. Wenn nach der Obergrenze gefragt wird, gilt bei gleicher WS von 90 % Folgendes: d 0,9 P X b 1,8 5 d 6,4 Obergrenze = 1006, 4g b) d 1,96 d 9,8 5 Das Gewicht liegt im Intervall [ 990, ; 1009,8 ]. 13

14 c) d,33 d 11, 65 5 Das Gewicht liegt im Intervall [ 988,35 ; 1011,65 ]. A33) 110 g 3g X P F 3 1 0, , 9973 A34) 900 h 100h a) P X P X < F 3 1 0, , b) P X F,5 10, , 0061 c) P X F 1,5 1 0, ,86638 A35) 4000 m 100m 3 3 P X P X F 1 0,9775 0, 075 Aufgaben zu Auswahlverfahren und Stichprobenvariable A43) a) einfacher Auswahlsatz f n 00 0,05 N 4000 b) Auswahlabstand bei systematischer Auswahl 4000 k N 0 mit N 1< k < N n 00 n n 14

15 c) proportional geschichtete Auswahl n j N N j n 1. Schicht N n1 N ,375 0, Schicht N 000 n N ,5 0, Schicht N n3 N ,15 0, optimal geschichtete Auswahl n j k N å j 1 j N j j j n Schicht n1 00 0, , Schicht n , Schicht n3 00 0, ,

16 A44) Zufallsvariable N (450; 80)- verteilt Stichprobe n = 15 a) b) 80 P x P x ;450; F, 4 1 0,994 0, P 430 x ;450; 430; 450; F 0,97 1 0, , Zusatzaufgabe 1 Die Zufallsvariable Benzinverbrauch in l / 100 km eines bestimmten Wagentyps sei normalverteilt mit N (10;1). a) Mit welcher Wahrscheinlichkeit wird der mittlere Benzinverbrauch bei 5 Autos zwischen 9,8 und 10, l / 100 km liegen? b) Mit welcher Wahrscheinlichkeit wird der mittlere Benzinverbrauch bei 100 Autos über 10, l / 100 km liegen? a) P x 9,8 10, F 1 1 0, , 686 b) P x P x 10, 1 10, 1 F 1 0,977 0, 08 Zusatzaufgaben (Klausur vom ) Ein Automat füllt Wurst in Folientüten ab. Die Füllmenge ist dabei eine normalverteilte Zufallsgröße mit 00g und 10g. a) Wie groß ist die Wahrscheinlichkeit, dass die Füllmenge einer zufällig ausgewählten Folientüte zwischen 195g und 05g liegt? X P F 0,5 1 0,383 16

17 b) Wie groß ist die Wahrscheinlichkeit, dass die durchschnittliche Füllmenge bei einer Stichprobe von 5 zufällig ausgewählten Folientüten zwischen 195g und 05g liegt? P 195 x 05 05;00; 195;00; F,5 1 0, Zusatz zu Aufgabe 31 e) Wie groß ist die Wahrscheinlichkeit dafür, dass in einer Stichprobe von 5 Bratwürsten die durchschnittliche Länge zwischen 14cm und 16 cm liegt? P 14 x 16 16;15; 14;15; F, 5 1 0, f) Wie groß ist die Wahrscheinlichkeit dafür, dass die durchschnittliche Länge der Bratwürste in der Stichprobe maximal 15,5 cm beträgt? Zusatz zu Aufgabe 3 P x 15, 5 15,5;15; F 1, 5 0, d) Unter b wurde das Intervall [990,; 1009,8] berechnet. Mit welcher Wahrscheinlichkeit wird darin das Gewicht eines zufällig entnommenen Zuckerpaketes, das durchschnittliche Gewicht von zwei zufällig entnommenen Zuckerpaketen und das durchschnittliche Gewicht von 16 zufällig entnommenen Zuckerpaketen liegen? 1 Zuckerpaket WS gleich 95 % Zuckerpakete 5 5 P 990, x 1009,8 1009,8;1000; 990, ;1000; F, , Zuckerpakete 5 5 P 990, x 1009,8 1009,8;1000; 990, ;1000; F 7,84 1» 1 17

18 Aufgaben zu Schätzverfahren A45) N ( 10;1 ) verteilte Zufallsgröße; Stichprobe n = 5 a) P x z x z 1 / 1 / n n = 1 - z 1-a/ = 1, P 10 1, , 645 0, P 10 0, ,39 0,90 Konfidenzintervall [ 9,671; 10,39 ] b) 1 1 P 10 1, , 96 0, P 10 0, ,39 0,95 Konfidenzintervall [ 9,608; 10,39 ] c) 1 1 P 10 1, ,96 0, P 10 0, ,196 0, 95 Konfidenzintervall [ 9,804; 10,196 ] d) Untergrenze für den durchschnittlichen Verbrauch (Mindestverbrauch) P x z 1 1 n 1 P 10 1, 645 0, 95 5 Konfidenzintervall: 9,671 18

19 1 P 10 1, 645 0, Konfidenzintervall: 9,8355 Obergrenze für den durchschnittlichen Verbrauch (Höchstverbrauch) P x z 1 1 n 1 P 101, 645 0,95 5 Konfidenzintervall: 1 0, P 10 1, 645 0, Konfidenzintervall: 10,1645 A49) N (15; ) verteilte Zufallsgröße a) P X F 0, 5 1 0, , 383 b) P x z 1 1 n P 151, 645 0, P 15 0, 39 0, 95 Konfidenzintervall: 14,671 19

20 c) P 151, 645 0, Konfidenzintervall: 15,39 d) P x z x z 1 1 / 1 / n n z 1-a/ = 1,96 P 15 1, ,96 0, P 15 0, ,39 0,95 Konfidenzintervall [14,608; 15,39] A47) N (50; ) verteilte Zufallsgröße; n = 10 a) P x P x 49 1 < 49 1 F 1, 58 F 1, 58 0, 949 x P 49 51,5 F, 37 F 1, 58 F,37 F 1,58 1 0, , , 934 b) Inklusionsschluss P z x z 1 1 / 1 / n n z 1-a/ = 1,96 P 50 1, 96 x 50 1, 96 0, P 501, 4 x 50 1, 4 0,95 symmetrisches Intervall: [48,76; 51,4] 0

21 c) P x z x z 1 1 / 1 / n n z 1-a/ = 1,96 P 51 1, , 96 0, P 511, , 4 0,95 Konfidenzintervall [49,76; 5,4] A50) ;3 N verteilte Zufallsgröße; n = 11, x 15 cm a) P x z x z 1 1 / 1 / n n z 1-a/ = 1, P 15 1, ,96 0, P 151, , 779 0,95 Konfidenzintervall [150,71; 153,779] b) z 1,5 1 / n n z 1 / e n 15,3664 Es müssen ca. 16 Bäume ausgemessen werden. 1

22 A46) x 15, 48 s 33,14 n 50 unbekannt Schätzung der Standardabweichung s 33,14 x 4, 6869» 4, 69 n 50 s s P x t x t 1 1 / ; 1 / ; n n P 15,48,01 4,69 15,48,01 4,69 0,95 P 15,48 9,4 15,48 9,4 0,95 Konfidenzintervall [06,06 ; 4,90 ] A48) Konfidenzintervall für Anteilswerte p 0,8 1 p 0, VAR X n p 1 p 5000,8 0, 80 Approximationsbedingung für die Normalverteilungsapproximation ( VAR(X) > 9 ) ist eingehalten 1 1 p p p p P p z p p z» n n 1 1 / 1 / 0,8 0, 0,8 0, P 0,8 1, 96 p 0,8 1,96» 0, P 0,81,96 0,0179 p 0,8 1,96 0,0179» 0,95 P 0,8 0, 035 p 0,8 0, 035» 0, 95 Konfidenzintervall [ 76,5 % ; 83,5 % ]

23 A51) x s s n 10 0, , normalverteilte ZG, unbekannt, d.h. Berechnung des Konfidenzintervalls mit Hilfe der t- Verteilung Freiheitsgrade n 1 5 a) s s P x t x t 1 1 / ; 1 /; n n 0, , P 10,57 10, 57 0, P 10,570, ,57 0,0073 0,95 P 10 0, , , 95 Konfidenzintervall [ 9,981 ; 10,019 ] b) 99%-Konfidenzintervall P 10 4,03 0, ,03 0,0073 0,99 P 10 0, , 09 0, 99 Konfidenzintervall [ 9,971 ; 10,09 ] A5) x 500, 3 1, n 40 a) P x z x z 1 1 / 1 / n n 1, 1, P 500, 31, , 3 1,96 0, P 500, 3 0, , 3 0,37 0,95 b) Konfidenzintervall [ 499,93 ; 500,67] P 500 P 500,3 z 1 1 n ,3 z1 n ,3 z1 z1 0,3 n n z 1,58 1 F 1,58 1 F 1,58 0, 0571 gesuchte Konfidenz = 0,

24 c) z n 1 e e 0, 1, 96 1, n 0, 138, 976 Mehr als 139 Packungen müssten untersuch t werden. A55) Frauen: p 0, p 0,597 Var X n p 1 p 4960,403 0, ,33 Bedingung für die Normalverteilungsapproximation ( VAR(X) > 9 ) ist eingehalten p 1 p p 1 p P p z p p z» n n 1 / 1 / 1 0, , 403 P 0, , 403 0, 403 1, 96 p p~ 1, P 0,4031,96 0,0 p 0,403 1,96 0, 0» 0,95 P 0, 403 0, 043 p 0, 403 0, 043» 0,95 Konfidenzintervall [ 0,36; 0,446 ] 496 0, 95» 4

25 A53) n 5 4 Freiheitsgrade x» 100, 86 s 1, 747 a) n 1 s² n 1s² P ² 1 ² 1 / ; ² / ; P 5 1 1, , 747 ² 0,90 ² 0, 95; 4 ² 0, 05; , , 747 P ² 0, 90 36, , 8484 Konfidenzintervall [ 1,15139 ; 3,0764 ] b) P n 1 s ² ² 1 ² 1 ; 5 11, 747 P 33, 196 ² 0, 90 Konfidenzintervall é ë 1, 63ù û 5

26 Aufgaben zu Testverfahren A56) Bleistiftlänge ist normalverteilt 0,1 Sollwert 10cm z - Test mit = 0,05 und n = 5 0 H H : 0 0 : ¹ 1 0 zweiseitige Fragestellung Gesucht wird die Stichprobe, bei der eingegriffen werden soll, d.h. bei der H 1 zutrifft. 3 Stichproben liegen vor mit (1) x 10, 014 () x 10, 05 (3) x 9,87 Bestimmung der Prüfgrößen ux (1) () (3) u u u x x x x 0 10, n 5 0,313 0,1 x 0 10,05 10 n 5 1,163 0,1 x 0 9,8710 n 5,907 0,1 Bestimmung der Testgröße u1 = u 0,975 = 1,96 / Testentscheidungen (1) 0,313 < 1,96 H 0 wird nicht abgelehnt () 1,163 < 1,96 H 0 wird nicht abgelehnt (3) -,907 > 1,96 H 0 wird abgelehnt Bei der dritten Stichprobe muss eingegriffen werden. 6

27 A57) Füllgewichte sind normalverteilt 15 g 1000g 0 z - Test mit = 0,05 und n = 0, x 993,5 g H H : 0 0 : < 1 0 einseitige Fragestellung Bestimmung der Prüfgröße ux u x x 0 993, n 0 1, Bestimmung der Testgröße u1 = u 0,95 = 1,645 Testentscheidung - 1,9379 < - 1,645 H 0 wird abgelehnt Die Füllmenge liegt signifikant unter dem Sollwert. A58) Inhalt normalverteilt = 3 Streichhölzer, Sollwert 0 = 50 Stück z - Test mit = 0,05 und n = 40, (4050) 13 x = 46,7 Streichhölzer 40 H H : 0 0 : < 1 0 einseitige Fragestellung Bestimmung der Prüfgröße x 0 46,7 50 ux n 40 6,

28 Bestimmung der Testgröße u1 = u 0,95 = 1,645 Testentscheidung - 6,957 < - 1,645 H 0 wird abgelehnt Die Abweichungen sind statistisch signifikant. A59) Füllgewichte sollen 500 ml betragen kann nur geschätzt werden aus der Stichprobe t - Test mit Sollwert 0 = 500 ml, = 0,05, n = 10, x 493ml s = 10 ml H H : 0 0 : ¹ 1 0 zweiseitige Fragestellung Bestimmung der Prüfgröße tx t x x n 10,14 s 10 Bestimmung der Testgröße t1 / ; = t =,6 0,975;9 Testentscheidung -,14 <,6 H 0 wird nicht abgelehnt Der Sollinhalt wird eingehalten. 8

29 A6) a) Länge soll 150 cm betragen kann nur geschätzt werden aus der Stichprobe t - Test mit Sollwert 0 = 150 cm, = 0,01, n = 9, x 154cm s = 4 cm H H : 0 0 : ¹ 1 0 zweiseitige Fragestellung Bestimmung der Prüfgröße t x x n 9 3 s 4 Bestimmung der Testgröße t1 / ; = t = 3,36 0,995;8 Testentscheidung 3 < 3,36 H 0 wird nicht abgelehnt Die Abweichungen sind zufällig. b) = 0,05 Bestimmung der Testgröße t1 / ; = t =,31 0,975;8 Testentscheidung 3 >,31 H 0 wird abgelehnt Die Abweichungen sind signifikant. 9

30 c) = 4 cm è z - Test Bestimmung der Prüfgröße u x = x 0 n = 3 Bestimmung der Testgröße u1 / = u 0,995 =,58 Testentscheidung 3 >,58 H 0 wird abgelehnt Die Abweichungen sind signifikant. A64) Test für Anteilswerte Sollwert p 0 = 0,55 p 0, 65 n 100 =0,05 H : p p 0 0 H : p p 1 0 einseitige Fragestellung VAR(X) = 4,75 è Approximationsbedingung ist erfüllt Prüfgröße up u p p 0, 65 0,55 0 p p 0(1 p 0) 0,55 0, 45 n 100,01 Testgröße u 0,95 = 1,645 Testentscheidung,01 > 1,645 H 0 wird abgelehnt Der Anteil hat sich signifikant erhöht. 30

31 A65) Test für Anteilswerte Sollwert p 0 = 0,8 p 0,6 n 00 0,05 H : p p 0 0 H : p < p 1 0 einseitige Fragestellung VAR(X) = 3, Approximationsbedingung ist erfüllt Prüfgröße u p u p p 0, 6 0,8 0 p p 0(1 p 0) 0,80, n 00 7, 071 Testgröße u 0,95 = 1,645 Testentscheidung -7,071 < - 1,645 H 0 wird abgelehnt Der Anteil hat sich signifikant verringert. A60) Doppel - t - Test, Varianzhomogenität wird vorausgesetzt = 0,05 Zufluss: x 146 m³ Abfluss: y 138 m³ s x =,3 m³ n = 0 s y =,1 m³ m = 0 H H : 0 1 : ¹

32 Prüfgröße: t x, y x y n m( n m ) ( n 1) sx² ( m 1) sy² n m tx, y (0 0 ) (0 1), 3² (01),1² 0 0 = 11,4873 Testgröße: t t, 0 1 / ; nm 0,975;38 Testentscheidung: t t x, y 1 / ; n m 11,4873 >,0 H 0 wird abgelehnt Die Annahme, dass Zu- und Abfluss gleich sind, kann nicht aufrechterhalten werden. A61) Doppel - t - Test, Varianzhomogenität wird vorausgesetzt = 0,05 1. Stichprobe: x,1m. Stichprobe: y,15m s x =0,1 m n = 50 s y = 0,1 m m = 50 H H : 0 1 : ¹ 1 1 Prüfgröße: t x, y x y n m( n m ) ( n 1) sx² ( m 1) sy² n m tx, y,1, (5050) (50 1)0,1² (50 1)0,1² = -,63 3

33 Testgröße: t t 1,99 1 / ; nm 0,975;98 Testentscheidung: t t x, y 1 / ; n m -,63 > 1,99 H 0 wird abgelehnt Die Annahme, dass die Durchschnittsgrößen gleich sind, kann nicht aufrechterhalten werden. A63) Wurde nicht behandelt! 33

34 A66) Die Aufgabe soll mit Hilfe des U-Test von Man-Whitney gelöst werden. H : 0 Sind die Wohnungen im Landkreis A nur zufällig größer? F X 1 F X H1 : Die Wohnungen im Landkreis A sind signifikant größer! Ermittlung der Prüfgröße F X 1 F X m² / Wohnung Rangplätze A B A B 1 54,6 1 56,3 3 56, , , , , , , , , , , , , , ,4 17 n 1 = 7 n = 10 R 1 = 70 R = 83 n 1 ( n 1 + 1) 7 ( 7+1 ) U 1 = R 1 - ÄÄÄÄÄÄÄÄÄ = 70 - ÄÄÄÄÄÄÄ = 70-8 = 4 n ( n + 1) 10 ( ) U = R - ÄÄÄÄÄÄÄÄÄ = 83 - ÄÄÄÄÄÄÄÄÄ = = 0 U = min ( U 1 ; U ) = 8 34

35 Bestimmung der Testgröße 9 n 0 è kleine Stichprobe n 1 = 7 n = 10 a = 0,05 U U 14 U 56 ; n1; n 0,05;7;10 1 ; n1 ; n Der Akzeptanzbereich für die H 0 liegt zwischen 14 und 56. Testentscheidung U U U < U ; n1; n 1 ; n1; n H 0 wird nicht abgelehnt U U U U ; n1; n 1 ; n1; n H 0 wird abgelehnt 14 < 8< 56 H 0 wird nicht abgelehnt 35

36 A67) Vorzeichen - Rangtest von Wilcoxon i x i1 x i d i = x i1 - x i d i r i r i + r i ,5 9, ,5 3, ,5 9, ,5 5, ,5 5, ,5 3,5 R + = 6,5 R - = 64,5 Prüfgröße: Testgröße k u : R n = min ( R + ; R - ) = 6,5 für n ó 5 Bestimmung lt. Tabelle mit n = Anzahl der Wertepaare für die d i ¹ 0 ; a = 0,05 n = 14-1 = 13 k u = 17 Testentscheidung : Rn ku H 0 wird abgelehnt für n ó 5 6,5 > 17 H 0 wird nicht abgelehnt 36

Dr. H. Grunert Schließende Statistik Vorlesungscharts. Vorlesung 7. Schätzverfahren

Dr. H. Grunert Schließende Statistik Vorlesungscharts. Vorlesung 7. Schätzverfahren Vorlesungscharts Vorlesung 7 Schätzverfahren Konstruktion von Konfidenzintervallen Konfidenzintervalle für den Erwartungswert normalverteilter Grundgesamtheiten Konfidenzintervalle für Anteilswerte Seite

Mehr

Wirtschaftsstatistik-Klausur am

Wirtschaftsstatistik-Klausur am Wirtschaftsstatistik-Klausur am 03.07.208 Aufgabe Statistik-Dozent K.R. lehrt an einer privaten FH in Köln, wohnt aber in Frankfurt am Main. Er hat - wegen möglicher saisonaler Schwankungen - zwei Semester

Mehr

Fit for Abi & Study Stochastik

Fit 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

Mehr

4.1. Nullhypothese, Gegenhypothese und Entscheidung

4.1. Nullhypothese, Gegenhypothese und Entscheidung rof. Dr. Roland Füss Statistik II SS 8 4. Testtheorie 4.. Nullhypothese, Gegenhypothese und Entscheidung ypothesen Annahmen über die Verteilung oder über einzelne arameter der Verteilung eines Merkmals

Mehr

Stichproben Parameterschätzung Konfidenzintervalle:

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

Mehr

DWT 2.1 Maximum-Likelihood-Prinzip zur Konstruktion von Schätzvariablen 330/467 Ernst W. Mayr

DWT 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

Mehr

7. 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 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

Mehr

Wahrscheinlichkeitsrechnung und schließende Statistik

Wahrscheinlichkeitsrechnung und schließende Statistik Günther Bourier Wahrscheinlichkeitsrechnung und schließende Statistik Praxisorientierte Einführung Mit Aufgaben und Lösungen 3. F überarbeitete Auflage GABLER Inhaltsverzeichnis Vorwort Inhaltsverzeichnis

Mehr

Parameterfreie Tests. ²- Unabhängigkeitstest Test auf Unabhängigkeit von zwei Zufallsgrößen

Parameterfreie Tests. ²- Unabhängigkeitstest Test auf Unabhängigkeit von zwei Zufallsgrößen Parameterfreie Tests ²- Unabhängigkeitstest Test auf Unabhängigkeit von zwei Zufallsgrößen ²- Anpassungstest Test auf Vorliegen einer bestimmten Verteilung Binomialtest Vergleich von unbekannten Anteilen

Mehr

1. Grundbegri e der Stochastik

1. Grundbegri e der Stochastik Wiederholung von Grundwissen der Stochastik. Grundbegri e der Stochastik Menge der Ereignisse. Die Elemente! der Menge heißen Elementarereignisse und sind unzerlegbare Ereignisse. Das Ereignis A tritt

Mehr

Biomathematik für Mediziner

Biomathematik für Mediziner Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur SS 2002 Aufgabe 1: Franz Beckenbauer will, dass

Mehr

Vertiefung der. Wirtschaftsmathematik. und Statistik (Teil Statistik)

Vertiefung der. Wirtschaftsmathematik. und Statistik (Teil Statistik) Selbstkontrollarbeit 1 Vertiefung der Wirtschaftsmathematik und Statistik (Teil Statistik) 18. Januar 2011 Aufgaben Aufgabe 1 Gegeben sei eine binomialverteilte Zufallsvariablen X mit den Parametern N

Mehr

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

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

Mehr

Statistics, Data Analysis, and Simulation SS 2017

Statistics, Data Analysis, and Simulation SS 2017 Mainz, 8. Juni 2017 Statistics, Data Analysis, and Simulation SS 2017 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Dr. Michael O. Distler

Mehr

Grundlagen der Statistik

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

Mehr

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:

Mehr

Statistische Tests für unbekannte Parameter

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

Mehr

Statistisches Testen

Statistisches Testen Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall

Mehr

Zusammenfassung PVK Statistik

Zusammenfassung PVK Statistik Zusammenfassung PVK Statistik (Diese Zusammenfassung wurde von Carlos Mora erstellt. Die Richtigkeit der Formeln ist ohne Gewähr.) Verteilungen von diskreten Zufallsvariablen Beschreibung Binomialverteilung

Mehr

Übungsaufgaben zu Kapitel 5

Übungsaufgaben zu Kapitel 5 Übungsaufgaben zu Kapitel 5 Lösungen zu den Übungsaufgaben ab Seite 9. Aufgabe 9 Bei der Herstellung von Schokoladentafeln interessiert a) das durchschnittliche Abfüllgewicht einer Tafel Schokolade. b)

Mehr

Statistische Tests für unbekannte Parameter

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

Mehr

So berechnen Sie einen Schätzer für einen Punkt

So berechnen Sie einen Schätzer für einen Punkt htw saar 1 EINFÜHRUNG IN DIE STATISTIK: SCHÄTZEN UND TESTEN htw saar 2 Schätzen: Einführung Ziel der Statistik ist es, aus den Beobachtungen eines Merkmales in einer Stichprobe Rückschlüsse über die Verteilung

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Statistik & Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte

Mehr

Statistik I für Betriebswirte Vorlesung 14

Statistik I für Betriebswirte Vorlesung 14 Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli

Mehr

3 Grundlagen statistischer Tests (Kap. 8 IS)

3 Grundlagen statistischer Tests (Kap. 8 IS) 3 Grundlagen statistischer Tests (Kap. 8 IS) 3.1 Beispiel zum Hypothesentest Beispiel: Betrachtet wird eine Abfüllanlage für Mineralwasser mit dem Sollgewicht µ 0 = 1000g und bekannter Standardabweichung

Mehr

Abbildung 1: Dieses Quiz soll Ihnen helfen, die Residuenplots besser zu verstehen. Am Schluss kommen noch vermischte Aufgaben zur Wiederholung.

Abbildung 1: Dieses Quiz soll Ihnen helfen, die Residuenplots besser zu verstehen. Am Schluss kommen noch vermischte Aufgaben zur Wiederholung. Residuals vs Fitted Normal Q Q Residuals 2 1 0 1 2 16 18 30 Standardized residuals 2 1 0 1 2 18 30 16 5 10 15 20 25 30 Fitted values 2 1 0 1 2 Theoretical Quantiles Abbildung 1: Dieses Quiz soll Ihnen

Mehr

Wahrscheinlichkeitsverteilungen

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

Mehr

Wahrscheinlichkeit 1-α: richtige Entscheidung - wahrer Sachverhalt stimmt mit Testergebnis überein. Wahrscheinlichkeit α: falsche Entscheidung -

Wahrscheinlichkeit 1-α: richtige Entscheidung - wahrer Sachverhalt stimmt mit Testergebnis überein. Wahrscheinlichkeit α: falsche Entscheidung - wahrer Sachverhalt: Palette ist gut Palette ist schlecht Entscheidung des Tests: T K; Annehmen von H0 ("gute Palette") positive T > K; Ablehnen von H0 ("schlechte Palette") negative Wahrscheinlichkeit

Mehr

b) Bestimmen Sie die Varianz der beiden Schätzer. c) Ist ein oder sind beide Schätzer konsistent? Begründen Sie!

b) Bestimmen Sie die Varianz der beiden Schätzer. c) Ist ein oder sind beide Schätzer konsistent? Begründen Sie! Aufgabe 1 (3 + 3 + 2 Punkte) Ein Landwirt möchte das durchschnittliche Gewicht von einjährigen Ferkeln bestimmen lassen. Dies möchte er aus seinem diesjährigen Bestand an n Tieren schätzen. Er kann dies

Mehr

Beispiel für Gütefunktionen Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = 0.10

Beispiel 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 =

Mehr

Modul 141 Statistik. 1. Studienjahr 11. Sitzung Signifikanztests

Modul 141 Statistik. 1. Studienjahr 11. Sitzung Signifikanztests Modul 141 Statistik 1. Studienjahr 11. Sitzung Signifikanztests Inhalt der 11. Sitzung 1. Parametrische Signifikanztests 2. Formulierung der Hypothesen 3. Einseitige oder zweiseitige Fragestellung 4. Signifikanzniveau

Mehr

Serie 9, Musterlösung

Serie 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

Mehr

10,24 ; 10,18 ; 10,28 ; 10,25 ; 10,31.

10,24 ; 10,18 ; 10,28 ; 10,25 ; 10,31. Bei einer Flaschenabfüllanlage ist die tatsächliche Füllmenge einer Flasche eine normalverteilte Zufallsvariable mit einer Standardabweichung = 3 [ml]. Eine Stichprobe vom Umfang N = 50 ergab den Stichprobenmittelwert

Mehr

Statistik I für Betriebswirte Vorlesung 4

Statistik I für Betriebswirte Vorlesung 4 Statistik I für Betriebswirte Vorlesung 4 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 30. April 2018 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 4 Version: 24.

Mehr

Klassifikation von Signifikanztests

Klassifikation von Signifikanztests Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen

Mehr

3) Testvariable: T = X µ 0

3) Testvariable: T = X µ 0 Beispiel 4.9: In einem Molkereibetrieb werden Joghurtbecher abgefüllt. Der Sollwert für die Füllmenge dieser Joghurtbecher beträgt 50 g. Aus der laufenden Produktion wurde eine Stichprobe von 5 Joghurtbechern

Mehr

Auswertung und Lösung

Auswertung und Lösung Residuals vs Fitted Normal Q Q Residuals 2 1 0 1 2 16 18 30 Standardized residuals 2 1 0 1 2 18 30 16 5 10 15 20 25 30 Fitted values 2 1 0 1 2 Theoretical Quantiles Abbildung 1: Dieses Quiz soll Ihnen

Mehr

Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1

Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,

Mehr

5 Binomial- und Poissonverteilung

5 Binomial- und Poissonverteilung 45 5 Binomial- und Poissonverteilung In diesem Kapitel untersuchen wir zwei wichtige diskrete Verteilungen d.h. Verteilungen von diskreten Zufallsvariablen): die Binomial- und die Poissonverteilung. 5.1

Mehr

Vorlesung: Statistik II für Wirtschaftswissenschaft

Vorlesung: Statistik II für Wirtschaftswissenschaft Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung und Statistik 10. Vorlesung - 017 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 heißt Median. P(X < z α ) α P(X z α ). Falls X stetige zufällige Variable

Mehr

Statistik-Übungsaufgaben

Statistik-Übungsaufgaben Statistik-Übungsaufgaben 1) Bei der Produktion eine Massenartikels sind erfahrungsgemäß 20 % aller gefertigten Erzeugnisse unbrauchbar. Es wird eine Stichprobe vom Umfang n =1000 entnommen. Wie groß ist

Mehr

Handelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen?

Handelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen? 1. Handelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen? a.) Anzahl der Kunden, die an der Kasse in der Schlange stehen. b.) Die Menge an Energie, die pro Tag von einem Energieversorgungsunternehmen

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-06) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike

Mehr

DWT 314/460 csusanne Albers

DWT 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 ):

Mehr

KLAUSUR_MAI_08 LÖSUNGEN Stat2. 1. Eine Einkommensstatistik (Jahresbruttoeinkommen, klassiert), zeigte folgende Ergebnisse: (in 1000 Euro)

KLAUSUR_MAI_08 LÖSUNGEN Stat2. 1. Eine Einkommensstatistik (Jahresbruttoeinkommen, klassiert), zeigte folgende Ergebnisse: (in 1000 Euro) 1. Eine Einkommensstatistik (Jahresbruttoeinkommen, klassiert), zeigte folgende Ergebnisse: (in 1000 Euro) 10 bis unter 20 20 30 30 40 über 40 bis 100 U (Unselbständige) 46 89 90 45 S (Selbständige) 63

Mehr

Permutationstests II.

Permutationstests II. Resampling Methoden Dortmund, 2005 (Jenő Reiczigel) 1 Permutationstests II. 1. Zwei-Stichprobentest auf Variabilität 2. Mehrere Stichproben: Vergleich von Mittelwerten 3. Kurzer Exkurs: Präzision von Monte

Mehr

Inhaltsverzeichnis: Lösungen zur Vorlesung Statistik Kapitel 4 Seite 1 von 19 Prof. Dr. Karin Melzer, Fakultät Grundlagen

Inhaltsverzeichnis: Lösungen zur Vorlesung Statistik Kapitel 4 Seite 1 von 19 Prof. Dr. Karin Melzer, Fakultät Grundlagen Inhaltsverzeichnis: Aufgabenlösungen zu Kapitel 4 3 Lösung zu Aufgabe 3 Lösung zu Aufgabe 9 3 Lösung zu Aufgabe 30 3 Lösung zu Aufgabe 3 3 Lösung zu Aufgabe 3 3 Lösung zu Aufgabe 33 3 Lösung zu Aufgabe

Mehr

Klausur Statistik 2 RE Statistik für Soziologen Do,

Klausur 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

Mehr

Statistik Übungen WS 2017/18

Statistik Übungen WS 2017/18 Statistik Übungen WS 2017/18 Blatt 2: Wahrscheinlichkeitsrechnung 1. Die nach dem französischen Mathematiker Pierre-Simon de Laplace benannten Laplace- Experimente beruhen auf der Annahme, dass bei einem

Mehr

5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)

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

Mehr

Wahrscheinlichkeitsrechnung und Statistik. 11. Vorlesung /2019

Wahrscheinlichkeitsrechnung und Statistik. 11. Vorlesung /2019 Wahrscheinlichkeitsrechnung und Statistik 11. Vorlesung - 2018/2019 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 2 heißt Median. P(X < z

Mehr

5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)

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

Mehr

Statistik für Ingenieure Vorlesung 4

Statistik für Ingenieure Vorlesung 4 Statistik für Ingenieure Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 21. November 2017 3.3 Wichtige diskrete Wahrscheinlichkeitsverteilungen 3.3.1 Diskrete

Mehr

Vorlesungsskript. Induktive Statistik. Prof. Dr. Günter Hellmig

Vorlesungsskript. Induktive Statistik. Prof. Dr. Günter Hellmig Vorlesungsskript Induktive Statistik Prof. Dr. Günter Hellmig Prof. Dr. Günter Hellmig Vorlesungsskript Induktive Statistik Erstes Kapitel Das erste Kapitel beschäftigt sich mit einem Einstieg in die Wahrscheinlichkeitslehre,

Mehr

2. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017

2. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017 . Lösung weitere Übungsaufgaben Statistik II WiSe 016/017 1. Aufgabe: Bei der Produktion eines Werkstückes wurde die Bearbeitungszeit untersucht. Für die als normalverteilt angesehene zufällige Bearbeitungszeit

Mehr

Statistik I für Betriebswirte Vorlesung 14

Statistik I für Betriebswirte Vorlesung 14 Statistik I für Betriebswirte Vorlesung 14 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 11. Juli 016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung

Mehr

Stochastik und Statistik für Ingenieure Vorlesung 4

Stochastik und Statistik für Ingenieure Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Stochastik und Statistik für Ingenieure Vorlesung 4 30. Oktober 2012 Quantile einer stetigen Zufallsgröße Die reelle Zahl

Mehr

Hypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests

Hypothesen: 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

Mehr

Die Abfüllmenge ist gleich dem Sollwert 3 [Deziliter].

Die Abfüllmenge ist gleich dem Sollwert 3 [Deziliter]. Eine Methode, um anhand von Stichproben Informationen über die Grundgesamtheit u gewinnen, ist der Hypothesentest (Signifikantest). Hier wird erst eine Behauptung oder Vermutung (Hypothese) über die Parameter

Mehr

Bereiche der Statistik

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

Mehr

Statistik II. Statistische Tests. Statistik II

Statistik II. Statistische Tests. Statistik II Statistik II Statistische Tests Statistik II - 5.5.2006 1 Ausgangslage Wir können Schätzen (z.b. den Erwartungswert) Wir können abschätzen, wie zuverlässig unsere Schätzungen sind: In welchem Intervall

Mehr

8. Konfidenzintervalle und Hypothesentests

8. Konfidenzintervalle und Hypothesentests 8. Konfidenzintervalle und Hypothesentests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Beispiel. Sie wollen den durchschnittlichen Fruchtsaftgehalt eines bestimmten Orangennektars

Mehr

Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert

Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir

Mehr

Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1

Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1 Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1 Aufgabe 1: Von 2 gleichartigen Maschinen eines pharmazeutischen Betriebes stellt die erste 40% und die zweite 60% der Produkte her. Dabei verursacht

Mehr

Biostatistik, Sommer 2017

Biostatistik, 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

Mehr

Statistik Übungen SS 2018

Statistik Übungen SS 2018 Statistik Übungen SS 2018 Blatt 2: Wahrscheinlichkeitsrechnung 1. Die nach dem französischen Mathematiker Pierre-Simon de Laplace benannten Laplace- Experimente beruhen auf der Annahme, dass bei einem

Mehr

Lösungen Klausur Statistik 2/re/soz

Lösungen Klausur Statistik 2/re/soz Lösungen Klausur Statistik /re/soz. Juli 009 1. Hier sind drei Datenreihen spaltenweise angegeben. Bei der Durchführung von verschiedenen Berechnungen ist leider einiges durcheinandergekommen. Zehn Zahlen

Mehr

Tests für Erwartungswert & Median

Tests für Erwartungswert & Median Mathematik II für Biologen 26. Juni 2015 Prolog Varianz des Mittelwerts Beispiel: Waage z-test t-test Vorzeichentest Wilcoxon-Rangsummentest Varianz des Mittelwerts Beispiel: Waage Zufallsvariable X 1,...,X

Mehr

k 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

k 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

Mehr

4. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017

4. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017 4. Lösung weitere Übungsaufgaben Statistik II WiSe 016/017 1. Aufgabe: Eine sächsische Molkerei füllt Milch in Tetrapacks ab. Es wird vermutet, dass die Füllmenge normalverteilt ist mit einem Erwartungswert

Mehr

Aufgabe 1 (8= Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten:

Aufgabe 1 (8= Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten: Aufgabe 1 (8=2+2+2+2 Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten: Die Zufallsvariable X bezeichne die Note. 1443533523253. a) Wie groß ist h(x 5)? Kreuzen

Mehr

Lösungen zu Übungsblatt 9 Höhere Mathematik2/Stochastik 2 Master KI/PI

Lösungen zu Übungsblatt 9 Höhere Mathematik2/Stochastik 2 Master KI/PI Lösungen zu Übungsblatt 9 Höhere Mathematik/Stochastik Anpassung von Verteilungen Zu Aufgabe ) a) Zeichnen des Histogranmmes: Um das Histogramm zu zeichnen, benötigen wir die Höhe der Balken. Die Höhe

Mehr

S1. a. Drücken Sie allgemein p durch die anderen in der Formel verwendeten Größen aus! Wie groß ist p, wenn a = 0.08, u = 1.96 und n = 120?

S1. a. Drücken Sie allgemein p durch die anderen in der Formel verwendeten Größen aus! Wie groß ist p, wenn a = 0.08, u = 1.96 und n = 120? S1. a. Drücken Sie allgemein p durch die anderen in der Formel verwendeten Größen aus! Wie groß ist p, wenn a = 0.08, u = 1.96 und n = 120? a = u p ( 1 p) n b. Wenn am 28. Oktober (Nach Auszählen der Briefwähler)

Mehr

Statistische Tests (Signifikanztests)

Statistische Tests (Signifikanztests) Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)

Mehr

Statistik II für Betriebswirte Vorlesung 2

Statistik 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

Mehr

Statistik Übungen Sommeruni 2018

Statistik Übungen Sommeruni 2018 Statistik Übungen Sommeruni 2018 Blatt 2: Wahrscheinlichkeitsrechnung 1. Die nach dem französischen Mathematiker Pierre-Simon de Laplace benannten Laplace- Experimente beruhen auf der Annahme, dass bei

Mehr

2.3 Intervallschätzung

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

Mehr

2 Aufgaben aus [Teschl, Band 2]

2 Aufgaben aus [Teschl, Band 2] 20 2 Aufgaben aus [Teschl, Band 2] 2.1 Kap. 25: Beschreibende Statistik 25.3 Übungsaufgabe 25.3 a i. Arithmetisches Mittel: 10.5 ii. Median: 10.4 iii. Quartile: x 0.25 Y 4 10.1, x 0.75 Y 12 11.1 iv. Varianz:

Mehr

Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist.

Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist. .3. Stochastik Grundlagen Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist. Die RELATIVE HÄUFIGKEIT einer Merkmalsausprägung gibt an mit welchem Anteil

Mehr

Übungsaufgaben: Wahrscheinlichkeitsrechnung Seite: 1

Übungsaufgaben: Wahrscheinlichkeitsrechnung Seite: 1 Übungsaufgaben: Wahrscheinlichkeitsrechnung Seite: 1 Aufgabe 1 Aus einem Skatspiel mit 32 Karten wird zufällig eine Karte gezogen. Dabei sei D das Ereignis Es wird eine Dame gezogen und H das Ereignis

Mehr

Modellanpassung und Parameterschätzung. A: Übungsaufgaben

Modellanpassung und Parameterschätzung. A: Übungsaufgaben 7 Modellanpassung und Parameterschätzung 1 Kapitel 7: Modellanpassung und Parameterschätzung A: Übungsaufgaben [ 1 ] Bei n unabhängigen Wiederholungen eines Bernoulli-Experiments sei π die Wahrscheinlichkeit

Mehr

Lösungen zum Aufgabenblatt 14

Lösungen 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

Mehr

Entscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten

Entscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 4.1 4. Statistische Entscheidungsverfahren Entscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten Beispiel:

Mehr

Statistik II. Statistische Tests. Statistik II

Statistik 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

Mehr

Webinar Induktive Statistik. - Wahrscheinlichkeitsrechnung - Stichprobentheorie

Webinar Induktive Statistik. - Wahrscheinlichkeitsrechnung - Stichprobentheorie Webinar Induktive Statistik - Wahrscheinlichkeitsrechnung - Stichprobentheorie Wahrscheinlichkeitstheorie Aufgabe : Zwei Lieferanten decken den Bedarf eines PKW-Herstellers von 00.000 Einheiten pro Monat.

Mehr

2.3 Intervallschätzung

2.3 Intervallschätzung 2.3.1 Motivation und Hinführung Bsp. 2.15. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler unter allen Wählern war 2009 auf eine Nachkommastelle gerundet genau 33.7%. Wie groß ist die Wahrscheinlichkeit,

Mehr

Statistik Zusätzliche Beispiele SS 2018 Blatt 3: Schließende Statistik

Statistik Zusätzliche Beispiele SS 2018 Blatt 3: Schließende Statistik Statistik Zusätzliche Beispiele SS 2018 Blatt 3: Schließende Statistik 1. I Ein Personalchef führt so lange Vorstellungsgespräche durch bis der erste geeignete Bewerber darunter ist und stellt diesen an.

Mehr

Mittelwert der x 17 Pearsonkorrelation korr(x, z) Rangkorrelation rs(x, z) 1 Varianz(y) Median(y) 324

Mittelwert der x 17 Pearsonkorrelation korr(x, z) Rangkorrelation rs(x, z) 1 Varianz(y) Median(y) 324 1. In der folgenden Tabelle sind drei Datenspalten gegeben: x y z 9 41 31 12 34 3 13 386 29 14 245 26 15 288 25 17 51 23 18 296 22 19 256 2 21 412 19 23 344 18 26 324 7 Zu diesen Daten liegen folgende

Mehr

Wirtschaftsstatistik-Klausur am

Wirtschaftsstatistik-Klausur am Wirtschaftsstatistik-Klausur am 0.07.017 Aufgabe 1 Ein Handy- und PC-Hersteller verfügt über ein exklusives Filialnetz von 900 Filialen. Der Gewinn (in GE) der Filialen ist in der folgenden Tabelle nach

Mehr

A3.Die Lebensdauer eines elektronischen Gerätes werde als normalverteilt angenommen. Der Erwartungswert betrage

A3.Die Lebensdauer eines elektronischen Gerätes werde als normalverteilt angenommen. Der Erwartungswert betrage Aufgaben ~ Beispiele A1. Wir spielen Roulette mit einem Einsatz von 5 mit der Glückszahl 15. Die Wahrscheinlichkeiten und Auszahlungen beim Roulette sind in folgender Tabelle zusammengefasst: Ereignis

Mehr

Übungsscheinklausur,

Übungsscheinklausur, 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

5. Seminar Statistik

5. Seminar Statistik Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation

Mehr

Programm. Wiederholung. Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung. Binomialverteilung. Hypergeometrische Verteilung

Programm. Wiederholung. Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung. Binomialverteilung. Hypergeometrische Verteilung Programm Wiederholung Gleichverteilung Diskrete Gleichverteilung Stetige Gleichverteilung Binomialverteilung Hypergeometrische Verteilung Wiederholung verschiedene Mittelwerte für verschiedene Skalenniveaus

Mehr

Testen von Hypothesen:

Testen von Hypothesen: Testen von Hypothesen: Ein Beispiel: Eine Firma produziert Reifen. In der Entwicklungsabteilung wurde ein neues Modell entwickelt, das wesentlich ruhiger läuft. Vor der Markteinführung muss aber auch noch

Mehr