STATISTIK 2 Teil 1 Regressionsanalyse Von: Anne Schmidt. Anordnung von Zahlen in Zeilen und Spalten (Tabelle)
|
|
- Lisa Kerner
- vor 7 Jahren
- Abrufe
Transkript
1 Kapitel 2 Deskriptive lieare Regressio Eigebude Kapitel 16 Das lieare Regressiosmodell 2.1. Eiführug Defiitio Regressiosaalyse Uterschied zu Variazaalyse Matrix/ Matrize Idices Vektor Decke Zusammehäge zwische Beobachtugsreihe auf, die das Verhalte ud Erlebe vo Mesche betreffe Auswertug vo Date aus Experimete oder Utersuchuge, um diese empirische Date mit statistische Kezahle zu beschreibe (deskriptiv) ud zu bewerte (iduktiv), ob bestimmte Regelmäßigkeite zufällig oder systematisch azusehe sid. Regressio stellt das Bideglied zwische diskrete Date (Realität) ud stetige Date für die Aalyse dar. Variazaalyse ermittelt Uterschiede, die Regressiosaalyse fokussiert sich auf Zusammehäge Aordug vo Zahle i Zeile ud Spalte (Tabelle) Jede Positio ka i eier Matrix durch Idices/Idex bestimmt werde Besteht eie Matrix ur aus eier Zeile oder Spalte, ist es Asammlug vo "durchummerierte" Zahle z.b. x 1,x 2,,x = Vektor x, Vektor x bildet sich aus de Elemete x 1,x 2,,x Regressio: ei erstes Beispiel Datematrix i X Y 1 x 1 y 1 2 x 2 y 2 ( x y ) Y stetig, quatitativ Als Reaktio auf X beobachtbar Abhägig vo X Kriterium Respose X stetig, quatitativ i.a. vorgegebe uabhägig Prädikator Eiflussgröße Beispiel 2.1. Hypothese: Dass die Zahl der Fehltage u.u. aus dem Ausmaß der Frustratio vorhergesagt werde ka! X berufliche Frustratio (uabhägig) Y Azahl der Fehltage (abhägig vo X) = 10
2 X Y ( 10 15) Erstellug eier Arbeitstabelle Voraussetzug! Stadardmodell: Eifache lieare Regressio vo X ud Y x i y i y i y (y i y )² 1 4-3,1 9, ,1 37, ,1 1, ,1 26, ,1 4, ,9 15, ,1 0, ,9 15, ,9 3, ,9 62,41 Σ= ,90 Beschreibug der zetrale Tedez! ei Merkmal (X) wird als gegebe oder beeiflussbar agesetzt, währed das adere Merkmal (Y ) als Reaktio auf X beobachtet wird!!!! eifachste Modell eies Zusammehags ist die lieare Gleichug (Regressiosfuktio): Y = f(x) Y = a+bx [idetisch mit: y i=α +β x i] a/α Kostate, gibt de Abschitt a, a dem die Gerade die Y-Achse scheidet b/β beschreibt de Astieg der Gerade Regressioskoeffiziete Modellvariable Y der Regressad, Respose oder Kriterium - erklärte, abhägige ud edogee Variable - beobachtbare metrische Zufallsvariable Messgröße Modellvariable X Regressor, Eiflussgröße oder Prädiktor - erklärede, uabhägige ud exogee Variable - gegebee determiistische Werte oder Realisierug eier metrische Zufallsvariable Y = a+bx + e e Fehlerglied, Residuum (auch ε) - ubeobachtbare Zufallsvariable, die uabhägig ud idetisch verteilt sid mit E (e i) = 0 ud Var(e i)= σ² Weil Y im Allgemeie eie Streuug aufweist, wird e mit eibezoge, da Y icht exakt auf der Gerade liege wird.
3 Aahme Homoskedastizität 1. Es wird ur eie exogee Variable X beötigt, um Y zu beschreibe. 2. Die lieare Fuktio f(x) steht fest d.h. die Parameter a,b sid kostat 3. A) Störeiflüsse e i sid Auspräguge vo e mit E(e)= 0 ud σ² u (hiermit σ² abgekürzt) Homoskedastizität gleiche Werte z.b. gleiche Variaze Heteroskedastizität ugleiche Werte (letzteres wäre lieare Regressio ugeeiget) B) Störvariable aus e i ud e j aus uterschiedliche Beobachtugsperiode habe keie Zusammehag (Korrelatio) C) e i ist ormalverteilt = e i ist uabhägig idetisch N(0;σ²)-verteilte Zufallsvariable 4. Uabhägige Variable X ist determiiert. (keie Zufallsvariable, feststehede Werte), trifft vor allem für geplate Experimete zu 5. X ist icht kostat für i=1,, (Ausschluss eies triviale Falls) 2.3. Prizip der kleiste Quadrate [KQ-Schätzug] Defiitio Rei aalytisches Verfahre, bestimmt die Koeffiziete (a,b,c) je ach Fuktiostyp (liear, quadratische ), Ziel ist es diskrete Messdate mit eier stetige Fuktio zu beschreibe ud für Aalyse verfügbar zu mache, die Abweichug soll klei sei Koeffiziete beschreibe z.b. die Form der Gerade b defiiert de Astieg, je größer desto steiler wird sie a defiiert de Start der Gerade a der y-achse Wie ma e errechet! y i vorhergesagter Wert y i gegebeer Wert x i festgelegter Wert e i = y i y i = y i a bx i e ergibt sich aus de Beobachtugspukt P(x i,y i) ud de für die Gerade agepasste Pukt P(x i, y i); x bleibt gleich, aber y verädert sich, deshalb subtrahiert ma beide Werte!
4 Je Größer Residue e ist, desto schlechter ist die Apassug der Regressiosgerade a die Puktewolke. Bestimme vo 2 Parameter a ud b! e i Optimierugsproblem: Fuktio S(a,b) soll miimal werde! i=1 mi e i 2 = mi (y i a bx i ) 2 a,b a,b i=1 Kleiste-Quadrate-Schätzuge vo a ud b, um die Lage der Gerade zu bestimme i=1 b = i=1 (x i x )(y i y ) i=1(x i x )² a = y b x = S xy S xx Schätzuge a ud b werde i die lieare Regressiosgerade eigesetzt: Ergebis: y = a + b x i Regressiosgerade erklärt die Beziehug zwische X ud Y, dabei stimme die beobachte Pukte ud die agepasste Pukte icht völlig über ei. KQ-Schätzug der Variaz der Störvariable Ausreißer Ka auch ahad der Beobachtugsdate geschätzt werde σ 2 = 1 2 e i 2 Bei Miimierug quadrierter Abstäde habe die Datepukte mit de größte Abstäde besoders hohe Eifluss auf die Lage der Regressiosgerade. Diese Ausreißer müsse gesodert geprüft ud belegt werde, ud we ötig aus de Datesatz etfert werde. (Streudiagramm) i= Güte der Apassug Zerlegug der Variaz der Y-Variable Formel Streuugszerlegug SQ Total = SQ Regressio + SQ Residual
5 SQ Total auch S yy, misst die totale Variabilität (Streuug) der y-messreihe bezoge auf y (gesamter Fehler) SQ Regressio misst die Abweichug zwische de Beobachtugspukte ud durch die Regressio agepasste (vorhergesagte) Pukte. (erklärter Fehler) SQ Residual misst de durch die Regressio erklärte Ateil a der Gesamtvariabilität (icht-erklärter Fehler) Die Formel besagt, dass sich SQ Total i zwei Kompoete zerlege lässt. Bestimmtheitsmaß R² Es gilt 0 R² 1. erklärt durch die Regressio die Streuug erklärt icht de vo der Regressio ethalte Streuug Je kleier SQ Residual ist, desto besser ist die mit der Regressio erzielte Vorhersage der abhägige Variable Y. Zwei Grezfälle 1. Falls alle Pukte auf der Regressiosgerade liege würde, da heißt es: y i = y i SQ Residual = 0 = perfekte Apassug! R 2 = SQ Regressio SQ Total = 1
6 Korrelatio ud Güte der Apassug Falls kei Pukt durch die Regressiosgerade beschriebe wird, da heißt es: y = y SQ Regressio = 0 SQ Residual = SQ Total = Nullapassug! - Verläuft parallel zur x-achse, sodass zu jedem x-wert derselbe y -Wert X hat überhaupt keie Eifluss auf Y, es existiert keie (lieare) Beziehug Je größer R², desto stärker ist eie lieare Beziehug zwische X ud Y ausgeprägt. Korrelatioskoeffiziet r Gibt Auskuft über die Stärke des lieare Zusammehags zwische X ud Y R 2 = r² (S yy =SQ Total) 2.6. Residualaalyse Defiitio Residue ei Zwei Möglichkeite Modelldiagose, statistische Mittel überprüfe, ob die Aahme des Modells erfüllt sid oder Abweichuge vorliege. Nebe formale Test, gibt es auch grafische Modelldiagose, die auf Residue basiere. Gibt häufig Auskuft darüber, ob die Aahme eies lieare Modells gerechtfertigt 1. Plottet ma e i gege die y i im (y, e )-Koordiatesystems. 2. Berechug sog. stadardisierte Residue Ud plottet die d i gege die y i im (y, d )-Koordiatesystems
7 Typische Verläufe Abb lieares Modell ist korrekt, keie geordete Puktewolke Abb deutet auf eie Tred hi ud dass eie Regressiosgerade icht geeiget ist, iedrige Werte = Überschätzug; höhere Werte =Uterschätzug Abb deutet auf ei ichtlieares Modell hi 2.7. Lieare Trasformatio der Origialdate Maßzahle werde durch die lieare Trasformatio icht verädert Allgemei X = u + vx lieare Fuktio, da gilt: Y = w + zy Im Allgemeie ist kei direkter Zusammehag bei diese Trasformatioe zwische Parameter a, we v² =vz, da v=z, so ist b gleich ud somit bleibt der Astieg uverädert. Traslatiosäquivariaz Zetrierugstrasformatio Auch Mittelwertzetrierug Spezialfall der Trasformatio: X = x + X Y = y + Y Für u = x, v = 1 ud für w = y, z = 1 eigesetzt. Mittelwert wird gleich 0 gesetzt, geht durch de Ursprug. Der Astieg b bleibt uverädert, a wird gleich 0. Die Regressiosgerade wird mit Hilfe eier Parallelverschiebug durch de Ursprug gelegt. Ziel - wird verwedet, we ma am Vergleich vo relative Etwickluge iteressiert ist. Z- Trasformatio - Weiterführug, Regressiosgerade geht durch de Ursprug(Mittelwert gleich 0) ud Variaz ist gleich 1 - Ursprügliche Maßeiheit wird durch ei Streuugseiheite ersetzt - Astieg b der Regressiosgerade etspricht der eifache Regressio dem Korrelatioskoeffiziete r
8 2.8. Multiple lieare Regressio Erweitert, dass ebe der Zielvariable Y mehrere erklärede Variable X betrachtet werde mit k Auspräguge Y i = β 0 + β 1 x β p x ip + ε i y bekater Vektor, Beobachtuge der abhägige Variable b/β beihaltet für jede y de Astieg e Residue X beihaltet determiistische Werte x p Berechug des Schätzers b Berechug des Schätzers b setzt ei lieares Gleichugssystem voraus! (Mit Matrize auseiadersetze) X traspoierte Matrix vo X (Spalte/Zeile wurde vertauscht) ( ) -1 Eiheitsmatrix (*) Iverse zu X y y Werte vo der Variable Y 2.9. Lieare Regressio mit kategoriale Regressore Kategoriale Regressor - Geschlecht: mälich, weiblich - Familiestad: ledig, verheiratet, geschiede, verwitwet - Parteipräferez - Beotug: sehr gut, gut, befriediged, ausreiched Diese Merkmalauspräguge sid keie reelle Zahle! Sie müsse umkodiert werde. Dummykodierug Umwadlug eies Merkmal X mit k mögliche Merkmalauspräguge i k-1 eue Regressore (hier auch Dummys)! Eie der Origialkategorie wird als Referezkategorie (j) ausgewählt., j = 0
9 - Parameter werde als durchschittliche Abweichug zur Referezkategorie (j) gesehe Effektkodierug Kodierug eies Merkmals X mit k mögliche Merkmalsauspräguge wird zu k-1 Dummys X. Auch hier wird eie Referezkategorie j ausgesucht. Beispiel - Parameter werde als Abweichug zum Gesamtmittelwert(N) verstade Korrelatio ud Kausalität Kausalität ur da - Kausale Reihug r XY Kausalität ur allefalls i eie Richtug - vo X auf Y ud icht umgekehrt zugrude liegt - Kausale Abgeschlosseheit Keie Beeiflussug eier Drittvariable Domiiere Beobachtugsstudie (häufig auch korrelative Studie):hier beschräkt ma sich darauf, dass der Forscher ohe Eigreife beobachtet iwieweit atürliche Variatio i X mit der i Y eihergeht Kausale Modellierug Statistische Methode zur kausale Modellierug, hier geht es auch isbesodere um die Frage, ob eie Variable eie direkte kausale Eifluss auf eie adere Variable hat, oder ob dieser kausale Eifluss über de Umweg über eie dritte Variable (Mediatorvariable) - Pfadaalyse (Kausalaalyse) - Strukturgleichugsmodelle
s xy x i x y i y s xy = 1 n i=1 y 2 i=1 x 2 s 1 n x n i Streudiagramme empirische Kovarianz x=5,5 y=7,5
Streudiagramme für metrisch skalierte Variable paarweise Messwerte (x,y) x 5 7 y 7 5 7 5 5 7 Aussage zu Zusammehäge. empirische Kovariaz Stadardabweichug der WertPAARE x i x y Wert x Mittelwert aller x
MehrSTATISTIK 2 Teil 1 Regressionsanalyse Von: Anne Schmidt. Anordnung von Zahlen in Zeilen und Spalten (Tabelle)
Kapitel 2 Deskriptive lineare Regression 2.1. Einführung Definition Regressionsanalyse Unterschied zu Varianzanalyse Matrix/ Matrizen Indices Vektor Decken Zusammenhänge zwischen Beobachtungsreihen auf,
Mehr( ), der genau auf der Geraden ( ) 2 ( ) #( ) 8. Lineare Regression. = f i. Nach der Summe der kleinsten. mx i
8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Ziel dieses Verfahres ist es, Beziehuge zwische zwei Merkmale
MehrSo lösen Sie die Gleichung für den Korrelationskoeffizienten
8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Dabei sid Datepukte ( x 1, y 1 ),( x 2, y 2 ), ( x, y ) gegebe.
MehrHerleitung der Parameter-Gleichungen für die einfache lineare Regression
Herleitug der Parameter-Gleichuge für die eifache lieare Regressio Uwe Ziegehage. März 03 Historie v.0 6.03.009, erste Versio hochgelade v.0 0.03.03, eie Vorzeichefehler beseitigt, diverse Gleichuge ud
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Übug 9 1 Ihalt der heutige Übug Statistik ud Wahrscheilichkeitsrechug Iformatioe zur Testatprüfug Besprechug der der Hausübug
Mehr8. Regressionsanalyse
8. Regressiosaalyse Beschreibug der Abhägigkeit zweier Merkmale Gegebe eie Stichprobe (X ; Y ) : : : (X ; Y ) zur Grudgesamtheit (X; Y ), = corr(x; Y ) Korrelatioskoe ziet, R empirischer Korrelatioskoe
Mehr6 Vergleich mehrerer unverbundener Stichproben
6 Vergleich mehrerer uverbudeer Stichprobe 6.1 Die eifaktorielle Variazaalyse Die eifaktorielle Variazaalyse diet der Utersuchug des Eiflusses eier kategorieller (bzw. ichtmetrischer) Variable, die die
Mehr(a) Richtig, die Varianz ist eine Summe quadratischer Größen.
Aufgabe 1 (10 Pukte) Welche der folgede Aussage sid richtig? (a) Richtig, die Variaz ist eie Summe quadratischer Größe. (b) Falsch, die Abweichug ordialer Merkmale vom Media ist icht defiiert - also auch
MehrEmpirische Verteilungsfunktion
KAPITEL 3 Empirische Verteilugsfuktio 3.1. Empirische Verteilugsfuktio Seie X 1,..., X uabhägige ud idetisch verteilte Zufallsvariable mit theoretischer Verteilugsfuktio F (t) = P[X i t]. Es sei (x 1,...,
MehrKapitel XI - Korrelationsrechnung
Istitut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökoometrie ud Statistik Kapitel XI - Korrelatiosrechug Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Seska Carlo Siebeschuh Aufgabe der Korrelatiosrechug
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meihardt 6. Stoc, Wallstr. 3 (Raum 06-206) Sprechstude jederzeit ach Vereibarug ud ach der Vorlesug. Mathematische ud statistische Methode I Dr. Malte Persie persie@ui-maiz.de http://psymet03.sowi.ui-maiz.de/
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug 9. Vorlesug Joche Köhler 1 Statistik ud Wahrscheilichkeitsrechug Testatprüfug am Doerstag 5.Mai Wa? Doerstag, 5. Mai, 8:00 Uhr
Mehrn 2(a + bx i y i ) = 0 und i=1 n 2(a + bx i y i )x i = 0 i=1 gilt. Aus diesen beiden Gleichungen erhalten wir nach wenigen einfachen Umformungen
Regressio Dieser Text rekapituliert die i der Aalsis ud Statistik wohlbekate Methode der kleiste Quadrate, auch Regressio geat, zur Bestimmug vo Ausgleichsgerade Regressiosgerade ud allgemei Ausgleichpolome.
Mehr10. Grundlagen der linearen Regressionsanalyse 10.1 Formulierung linearer Regressionsmodelle
10. Grudlage der lieare Regressiosaalyse 10.1 Formulierug liearer Regressiosmodelle Eifaches lieares Regressiosmodell: Das eifache lieare Regressiosmodell ist die simpelste Form eies ökoometrische Modells
MehrUmrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung
.3. Prozetuale Häufigkeitsverteilug (HV) Die prozetuale Häufigkeitsverteilug erlaubt de Vergleich vo Auswertuge, dee uterschiedliche Stichprobegröße zugrude liege. Es köe auch uterschiedliche Stichprobegröße
MehrMathematische und statistische Methoden I
Mathematische ud statistische Methode I Sprechstude jederzeit ach Vereibarug ud ach der Vorlesug Wallstr. 3, 6. Stoc, Raum 06-06 Dr. Malte Persie persie@ui-maiz.de lordsofthebortz.de twitter.com/methodelehre
MehrMethode der kleinsten Quadrate
Methode der kleiste Quadrate KAPITEL 5: REGRESSIONSRECHNUNG Die Methode der kleiste Quadrate (MklQ) ist ei Verfahre zur Apassug eier Fuktio a eie Puktwolke. Agewadt wird sie beispielsweise, um eie Gesetzmäßigkeit
MehrRepräsentativität und Unabhängigkeit
Repräsetativität ud Uabhägigkeit Ziel: Bestmögliche Erassug der Eigeschate der Grudgesamtheit Problem: Beurteilug der Repräsetativität ist ur durch umassede Iormatio über die Grudgesamtheit möglich Asatz:
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
Lehrstuhl für Empirische Wirtschaftsforschug ud Ökoometrie Dr. Rolad Füss Statistik II: Schließede Statistik SS 2007 6. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug
Mehr2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters:
. Schätzverfahre. Puktschätzug wirtschaftlicher Kezahle Allgemei: Puktschätzug eies Parameters: Ermittlug eies Schätzwertes für eie ubekate Parameter eier Zufallsvariable i der Grudgesamtheit mit Hilfe
MehrKapitel 6 : Punkt und Intervallschätzer
7 Kapitel 6 : Pukt ud Itervallschätzer Puktschätzuge. I der Statistik wolle wir Rückschlüsse auf das Wahrscheilichkeitsgesetz ziehe, ach dem ei vo us beobachtetes Zufallsexperimet abläuft. Hierzu beobachte
MehrMathematik 2 für Naturwissenschaften
Has Walser Mathematik für Naturwisseschafte Modul 0 Regressiosgerade ud Korrelatio Has Walser: Modul 0, Regressiosgerade ud Korrelatio ii Ihalt Die Regressiosgerade.... Problemstellug.... Berechug der
Mehrund wird als n-dimensionaler (reeller) Vektorraum bezeichnet. heißt der von v 1,..., v k aufgespannte Unterraum des R n.
Reeller Vektorraum Kapitel Vektorräume Die Mege aller Vektore x mit Kompoete bezeiche wir mit x R =. : x i R, i x ud wird als -dimesioaler (reeller) Vektorraum bezeichet. Defiitio Ei Vektorraum V ist eie
Mehr3. Grundbegrie der Schätztheorie
Statistik, Abschitt 3. 3. Grudbegrie der Schätztheorie I der kormatorische Statistik will ma uter aderem auf Grud eier Stichprobe vom Umfag Iformatioe über ubekate Parameter θ der Verteilug F der zugrudeliegede
MehrLineare Transformationen
STAT 4 FK Herleituge Lieare Trasformatioe Sei eie lieare Trasformatio vo, so gilt Allgemei: a b, () Lieare Trasformatio des arithmetische Mittels y a+b x i () Da a eie additiv verküpfte Kostate ist, ka
MehrTests für beliebige Zufallsvariable
Kapitel 10 Tests für beliebige Zufallsvariable 10.1 Der Chi-Quadrat-Apassugstest Sei x eie gaz beliebige Zufallsvariable, dere Dichtefuktio icht oder icht geau bekat ist. Beispiel: Es seie z.b. mittels
Mehr3 Vergleich zweier unverbundener Stichproben
3 Vergleich zweier uverbudeer Stichprobe 3. Der Zweistichprobe t-test Es wird vorausgesetzt, dass die beide Teilstichprobe x, x,..., x ud y, y,..., y jeweils aus (voeiader uabhägige) ormalverteilte Grudgesamtheite
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
MehrTests statistischer Hypothesen
KAPITEL 0 Tests statistischer Hypothese I der Statistik muss ma oft Hypothese teste, z.b. muss ma ahad eier Stichprobe etscheide, ob ei ubekater Parameter eie vorgegebee Wert aimmt. Zuerst betrachte wir
Mehr6. Übung - Differenzengleichungen
6. Übug - Differezegleichuge Beispiel 00 Gesucht sid alle Lösuge vo a) x + 3x + = 0 ud b) x + x + 7 = 0, jeweils für 0. Um diese lieare Differezegleichug erster Ordug zu löse, verwede wir die im Buch auf
MehrStreuungsmaße. Prof. Dr. Paul Reuber. Institut für Geographie. Seminar Methoden der empirischen Humangeographie
Streuugsmaße Istitut für Geographie Streuugswerte (Streuugsmaße) Die Diskussio um die Mittelwerte hat die Vorteile dieser statistische Kewerte gezeigt, aber bereits, isbesodere beim arithmetische Mittel,
MehrÖkonometrie Formeln und Tabellen
Ökoometrie Formel ud Tabelle Formelsammlug 1 Lieares Modell ud KQ-Schätzug 11 Eifachregressio Lieares Modell: Y i = β 0 + β 1 x i + U i, i = 1,2,, Aahme des lieare Modells: A1: E[U i ] = 0 für alle i =
MehrEmpirische Ökonomie 1 Sommersemester Formelsammlung. Statistische Grundlagen. Erwartungswert und Varianz einer Zufallsvariable.
Empirische Ökoomie 1 Sommersemester 2013 Formelsammlug Hiweis: Alle Variable, Parameter ud Symbole sid wie i de Vorlesugsuterlage defiiert. Statistische Grudlage Erwartugswert Erwartugswert ud Variaz eier
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte SS00 7.Sitzug vom.06.00 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluß Grudlage des Iduktiosschlusses:
MehrUnivariate Verteilungen
(1) Aalyse: "deskriptive Statistike" Aalysiere -> deskriptive Statistike -> deskriptive Statistik Keie tabellarische Darstellug der Häufigkeitsverteilug () Aalyse: "Häufigkeitsverteilug" Aalysiere -> deskriptive
MehrKurvenanpassung durch Regression (3) Ac nichtlineare Regression/Linearisierung -
Kurveapassug durch Regressio (3) Ac 207 - ichtlieare Regressio/Liearisierug - Für Probleme, die eie icht lieare ( ud icht polyomiale) Apassugsfuktio ahelege, ist eie direkte Berechug ach der Methode der
Mehr2. OLS-Schätzung linearer Regressionsmodelle
2. OLS-Schätzug liearer Regressiosmodelle 2.1 Formulierug liearer Regressiosmodelle Eifaches lieares Regressiosmodell: Das eifache lieare Regressiosmodell ist die simpelste Form eies ökoometrische Modells
Mehrh a 2 b 1 h a1 b 2 h a1 b 1 h a1. h a 2. h.b1 h ij h 11 h 12 h 21 a b h. j h 1. h 2. h.1 a b h i. =h i1 h i2... h i m h. j =h 1j h 2j... h k j h.
Kotigeztabelle / Kreuztabelle für 2 diskrete /omialskalierte Variable ethält: 1. absolute gemeisame Häufigkeite h 11 h 12 h 21 für Kombiatioe vo zwei Merkmale / Variable a b steht also für mit jeweils
MehrVl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3
Vl Statistische Prozess ud Qualitätskotrolle ud Versuchsplaug Übug 3 Aufgabe ) Die Schichtdicke X bei eier galvaische Beschichtug vo Autoteile sei ormalverteilt N(μ,σ ). 4 Teile werde galvaisch beschichtet.
MehrDiesen Grenzwert nennt man partielle Ableitung von f nach x i und
Bevor wir zum ächste Kapitel übergehe, werde wir de Begri eier Fuktio i mehrere Variable eiführe. Eie Fuktio vo Variable ist eie Vorschrift, die jedem Pukt (x 1,x,...,x ) eier Teilmege D des IR eie bestimmte
MehrStatistische Modelle und Parameterschätzung
Kapitel 2 Statistische Modelle ud Parameterschätzug 2. Statistisches Modell Die bisher betrachtete Modellierug eies Zufallsexperimetes erforderte isbesodere die Festlegug eier W-Verteilug. Oft besteht
Mehr1. Einleitung. Uni- und bivariate Datenanalyse. Auswertung eines Merkmals. Verbundene Auswertung zweier Merkmale
. Eileitug Ui- ud ivariate Dateaalyse Uivariate Dateaalyse uswertug eies Merkmals Beispiele: Uivariate Häufigkeitsverteiluge, arithmetisches Mittel, Variaz ud Stadardaweichug Bivariate Dateaalyse Verudee
MehrVl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5
Vl Statistische Prozess- ud Qualitätskotrolle ud Versuchsplaug Übug 5 Aufgabe ) Sei p = P(A) die Wahrscheilichkeit für ei Ereigis A, dh., es gilt 0 p. Bereche Sie das Maximum der Fuktio f(p) = p(-p). Aufgabe
Mehr3. Einführung in die Statistik
3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :
MehrEreignis Wahrscheinlichkeit P (A) A oder B P (A + B) A und B P (AB) B, wenna P (B A)
Kapitel 10 Statistik 10.1 Wahrscheilichkeit Das Ergebis eier Messug oder Beobachtug wird Ereigis geat. Ereigisse werde mit de Buchstabe A, B,...bezeichet. Die Messug eier kotiuierliche Variable x gibt
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler 9.04.008 Äderug Übugsstude Statistik ud Wahrscheilichkeitsrechug Die Gruppe vo Markus trifft sich am Doerstag statt im HCI D zusamme mit der Gruppe
Mehrh i :=h a i f i = h a i n Absolute Häufigkeit: Relative Häufigkeit: h 2 h 4 h 6 :=h der Elemente mit der Ausprägung i=6 zu der Anzahl n aller Werte
. Wer Rechtschreibfehler fidet, darf sie behalte. Rechefehler werde zurückgeomme. Absolute Häufigkeit: h Wie viele Elemete weise diese bestimmte Wert (= diese bestimmte Ausprägug) auf? > Azahl h der Elemete
MehrStatistik I Februar 2005
Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet
MehrParameter von Häufigkeitsverteilungen
Kapitel 3 Parameter vo Häufigkeitsverteiluge 3. Mittelwerte Mo Der Modus (:= häufigster Wert, Abk.: Mo) ist der Merkmalswert mit der größte Häufigkeit, falls es eie solche gibt. Er sollte ur bei eigipflige
Mehr1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre Morgasche Formel A \ B = A [ B A [ B = A \ B Kommutativgesetz A \ B = B \ A A [ B = B [ A Assozia
Statistik I - Formelsammlug Ihaltsverzeichis 1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre................................. 1. Kombiatorik........................................ 1.3 Wahrscheilichkeite....................................
MehrFormelsammlung. zur Klausur. Beschreibende Statistik
Formelsammlug zur Klausur Beschreibede Statistik Formelsammlug Beschreibede Statistik. Semester 004/005 Statistische Date Qualitative Date Nomial skalierte Merkmalsauspräguge (Uterscheidugsmerkmale) köe
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte 7.Sitzug 35 Seite, SoSe 003 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluss Grudlage
MehrFolgen und Reihen. 23. Mai 2002
Folge ud Reihe Reé Müller 23. Mai 2002 Ihaltsverzeichis 1 Folge 2 1.1 Defiitio ud Darstellug eier reelle Zahlefolge.................. 2 1.1.1 Rekursive Defiitio eier Folge......................... 3 1.2
MehrLineare Regression. Roland Heynkes. 18. April 2006, Aachen
Lieare Regressio Rolad Heykes 18. April 2006, Aache Es kommt i der Natur relativ oft vor, daß zwei Größe statistisch mit eiader verbude sid. We sich diese Verbudeheit mathematisch durch eie Fuktio beschreibe
MehrWissenschaftliches Arbeiten Studiengang Energiewirtschaft
Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:
MehrKapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit
- 18 - (Kapitel 3 : Bedigte Wahrscheilichkeite ud Uabhägigkeit) Kapitel 3: Bedigte Wahrscheilichkeite ud Uabhägigkeit Wird bei der Durchführug eies stochastische Experimets bekat, daß ei Ereigis A eigetrete
MehrEinführung in die Wahrscheinlichkeitstheorie Lösungen zum Wiederholungsblatt
TUM, Zetrum Mathematik Lehrstuhl für Mathematische Physik WS 23/4 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weider Eiführug i die Wahrscheilichkeitstheorie Lösuge zum Wiederholugsblatt Aufgabe
MehrFormelsammlung Statistik 29. Januar 2019
Formelsammlug Statistik Seite 1 Formelsammlug Statistik 9. Jauar 019 Witersemester 018/19 Adreas Löpker, HTW Dresde 1. Deskriptive Statistik (F1) Stichprobe x vom Umfag, Stichprobe y vom Umfag m x = (x
Mehr14 Regression, lineare Korrelation und Hypothesen-Testverfahren
14 Regressio, lieare Korrelatio ud Hypothese-Testverfahre 141 Regressiosverfahre I der Meßtechik kommt es häufig vor, daß eie Schar vo aufgeommee Meßpukte durch eie geeigete aalytische Fuktio i Form eier
MehrProf. Dr. Roland Füss Statistik II SS 2008
1. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug ergibt sich aus de Grezwertsätze. Grezwertsätze sid Aussage über eie Zufallsvariable für de Fall, dass die Azahl
MehrUniversität Stuttgart Fachbereich Mathematik. 1 Lineare Abbildungen und Matrizen. 1.1 Um was geht es?
Uiversität Stuttgart Fachbereich Mathematik Prof Dr C Hesse PD Dr P H Lesky Dipl Math D Zimmerma Msc J Köller FAQ 4 Höhere Mathematik 724 el, kyb, mecha, phys Lieare Abbilduge ud Matrize Um was geht es?
MehrStatistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S
Statistik mit Excel 2013 Peter Wies Theme-Special 1. Ausgabe, Februar 2014 W-EX2013S 3 Statistik mit Excel 2013 - Theme-Special 3 Statistische Maßzahle I diesem Kapitel erfahre Sie wie Sie Date klassifiziere
MehrV. Tests bez. zweier Verteilungsfunktionen
7 V. Tests bez. zweier Verteilugsfuktioe Seie X ud Y zwei uabhägige oralverteilte Zufallsvariable, für die zwei kokrete Stichprobe x, x,..., x bzw. y, y,..., y it de Ufäge bzw vorliege. a) X ud Y seie
MehrMusterlösung für die Klausur zur Vorlesung Stochastik I im WiSe 2014/2015
Musterlösug für die Klausur zur Vorlesug Stochastik I im WiSe 204/205 Teil I wahr falsch Aussage Gilt E[XY ] = E[X]E[Y ] für zwei Zufallsvariable X ud Y mit edlicher Variaz, so sid X ud Y uabhägig. Für
MehrForschungsstatistik I
Prof. Dr. G. Meihardt 6. Stock, Taubertsberg R. 06-06 (Persike) R. 06-31 (Meihardt) Sprechstude jederzeit ach Vereibarug Forschugsstatistik I Dr. Malte Persike persike@ui-maiz.de http://psymet03.sowi.ui-maiz.de/
MehrHarmonisches Mittel. Streuungsmaße. Die mittlere Abweichung. Die Standardabweichung. Die Varianz. Statistik 3. Vorlesung, März 11, ,...
Statistik. Vorlesug, März, 9 Harmoisches Mittel xh = w wk +... + x x k Wobei w, w,... w k sid die gewichte (w + w + w +...+ w k = Beispiel: wir habe km mit eier Geschwidigkeit vo km/h, ud eie adere km
MehrAnwendungen der Wahrscheinlichkeit II. Markovketten
Aweduge der Wahrscheilichkeit II 1. Fragestelluge Markovkette Markovkette sid ei häufig verwedetes Modell zur Beschreibug vo Systeme, dere Verhalte durch eie zufällige Übergag vo eiem Systemzustad zu eiem
MehrKovarianz und Korrelation
Kapitel 2 Kovariaz ud Korrelatio Josef Leydold c 2006 Mathematische Methode II Kovariaz ud Korrelatio 1 / 41 Lerziele Mathematische ud statistische Grudlage der Portfoliotheorie Kovariaz ud Korrelatio
Mehrn 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:
61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl
MehrKennwerte eindimensionaler Häufigkeitsverteilungen Einführung
Kewerte eidimesioaler Häufigkeitsverteiluge Eiführug Statistische Kewerte vo Verteiluge sid umerische Maße mit der Fuktio, zusammefassed eie Eidruck vo 1) dem Schwerpukt, ) der Variabilität ud 3) der Form
MehrFormelsammlung. PD Dr. C. Heumann
Formelsammlug zur Vorlesug Statistik II PD Dr C Heuma Formelsammlug Statistik II Iduktive Statistik Regel der Kombiatorik ohe Wiederholug mit Wiederholug! Permutatioe! 1! s! ( ) ( ) + m 1 ohe Reihefolge
MehrKapitel 2: Stochastische Prozesse. Copyright M. Gross, ETH Zürich 2006, 2007
Kaitel 2: Coyright M. Gross, ETH Zürich 2006, 2007 Bedigte Verteiluge Ebeso a die Verbudwahrscheilicheit vo Zufallsvariable über bedigte Wahrscheilicheite ausgedrüct werde i i,, i,, Wiederum ommt eie Produtregel
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Semiar für Theoretische Wirtschaftslehre Vorlesugsprogramm 11.06.2013 Zweidimesioale Datesätze (Fortsetzug) 3. Regressiosaalyse:
MehrAufgaben zur Übung und Vertiefung
Aufgabe zur Übug ud Vertiefug ARITHMETISCHE ZAHLENFOLGEN Berufliches Gymasium / Uterstufe () Stelle Sie fest, welche der gegebee Folge arithmetisch sid: Bestimme Sie zuächst die erste füf Folgeglieder,
MehrStatistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39
Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle
MehrElektrische Messtechnik
Spriger-Lehrbuch Elektrische Messtechik Aaloge, digitale ud computergestützte Verfahre vo Reihard Lerch 5., eu bearb. Aufl. Elektrische Messtechik Lerch schell ud portofrei erhältlich bei beck-shop.de
MehrStetige Messwerte Diskrete Messwerte
Sadra Schlick Seite 1 1.SemiarStat015.doc 1. Semiar Statistik 9.45 10.00 Übersicht Semester 10.00 10.15 Merkmale ud Auspräguge 10.15 10.30 Häufigkeitsverteiluge 10.30 11.30 Natürliche ud recherische Lage-
MehrVorkurs Mathematik für Informatiker Folgen
Vorkurs Mathematik für Iformatiker -- 9 Folge -- 6.1.215 1 Folge: Defiitio Eie (uedliche) Folge im herkömmliche Sie etsteht durch Hitereiaderschreibe vo Zahle 1,2,3,4,5, Dabei ist die Reihefolge wichtig,
MehrStatistik und Biometrie. Deskriptive Statistik I
Statistik ud Biometrie Deskriptive Statistik I Spruch des Tages Traue keier Statistik, die du icht selbst gefaelscht hast Wiederholug Merkmale Beobachtugseiheite sid Träger vo Merkmale Wiederholug Die
Mehr2. Repetition relevanter Teilbereiche der Statistik
. Repetitio Statistik Ökoometrie I - Peter Stalder. Repetitio relevater Teilbereiche der Statistik (Maddala Kapitel ) Zufallsvariable ud Wahrscheilichkeitsverteiluge Zufallsvariable X (stochastische Variable)
MehrGanzrationale Funktionen
Gazratioale Fuktioe 9. Defiitio gazratioaler Fuktioe Im Folgede werde ebe lieare ud quadratische Fuktioe auch solche betrachtet, bei dee die Variable i der dritte, vierte oder auch i eier och höhere Potez
MehrFormelsammlung. Deskriptive Statistik und Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen
Formelsammlug Deskriptive Statistik ud Elemetare Wahrscheilichkeitsrechug Prof. Dr. Ralf Rude Statistik ud Ökoometrie, Uiversität Siege Prof. Dr. Ralf Rude - Uiversität Siege I Statistische Grudbegriffe
MehrDer Satz von Stone-Weierstraß. 1 Approximationssatz von Weierstraß
Der Satz vo Stoe-Weierstraß Vortrag zum Prosemiar Aalysis, 28.06.2010 Valetia Gerber, Sabria Kielma Aus der Vorlesug Aalysis I ud II kee wir das Kozept des Approximieres. Us wurde die Begriffe Taylor-
MehrKapitel 17 : Lineare Regression Darstellung von zweidimensionalen Daten : (x 1, y 1 ), (x 2, y 2 ),..., (x n, y n )
(Kapitel 7: Lieare Regreio) Kapitel 7 : Lieare Regreio 7. Dartellug vo zweidimeioale Date : (, ), (, ),..., (, ). 7.. Beipiel : (a) Körpergewicht eie erwachee mäliche Pfälzer. Körpergröße (b) Azahl der
MehrBeispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 8.1 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12.075, p-wert: 0.0168 f χ
MehrJugendliche (18-24 Jahre) in Westdeutschland
Modus Beispiel: Modus Jugedliche (8-4 Jahre) i Westdeutschlad Parameter oder Kewerte eier Häufigkeitsverteilug sid Kegröße, mit dere Hilfe die Verteilug z.t. oder vollstädig rekostruiert werde ka D West
MehrFür eine n n-matrix A müssen wir die Gleichung. lösen. Falls (A λi) invertierbar ist, dann ist. Dann ist aber λ kein Eigenwert.
Geschlossees Leotief-Modell Ei Leotief-Modell für eie Volkswirtschaft heißt geschlosse, we der Kosum gleich der Produktio ist, d.h. we Kapitel 5 Eigewerte V x = x Es hadelt sich dabei um eie Spezialfall
MehrZahlenfolgen und Konvergenzkriterien
www.mathematik-etz.de Copyright, Page of 7 Zahlefolge ud Kovergezkriterie Defiitio: (Zahle-Folge, Grezwert) Eie Folge ist eie Abbildug der atürliche Zahle i die Mege A. Es ist also im Fall A: ; f: mit
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
MehrÜbungen mit dem Applet erwartungstreu
Übuge mit dem Applet erwartugstreu Visualisierug vo erwartugstreu Begriffe ud statischer Hitergrud. Visualisieruge mit dem Applet..3. Zufallsstreuug der Eizelwerte...3. Mittelwerte 3.3 Variaz. 4.4 Variaz
MehrKreuztabellenanalyse und Assoziationsmaße
FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkomme zur Vorlesug Statistik Zusammehäge zwische omiale (ud/oder ordiale) Merkmale: aalyse ud FB 1 W. Ludwig-Mayerhofer Statistik 2 eige sich zur Darstellug
Mehr5.3 Wachstum von Folgen
53 Wachstum vo Folge I diesem Abschitt betrachte wir (rekursiv oder aders defiierte) Folge {a } = ud wolle vergleiche, wie schell sie awachse, we wächst Wir orietiere us dabei a W Hochstättler: Algorithmische
MehrNumerische Integration (s. auch Applet auf
Numerische Itegratio (s. auch Applet auf www.mathematik.ch) Voraussetzuge ud Zielsetzug Voraussetzug: Eie Fuktio f sei auf dem abgeschlossee Itervall I = [a,b] stetig. b Gesucht: Bestimmtes Itegral J =
MehrStrukturelle Modelle in der Bildverarbeitung Markovsche Ketten II
Strukturelle Modelle i der Bildverarbeitug Markovsche Kette II D. Schlesiger TUD/INF/KI/IS Statioäre Verteilug Verborgee Markovsche Kette (HMM) Erkeug stochastisches Automate D. Schlesiger SMBV: Markovsche
MehrLangrange-Multiplikators und Hinreichende Bedingungen
Albert Ludwigs Uiversität Freiburg Abteilug Empirische Forschug ud Ökoometrie Mathematik für Wirtschaftswisseschaftler Dr. Sevtap Kestel Witer 008 10. November 008 14.-4 Lagrage-Multiplikators ud Hireichede
MehrÜbungen mit dem Applet Fourier-Reihen
Fourier-Reihe 1 Übuge mit dem Applet Fourier-Reihe 1 Mathematischer Hitergrud... Übuge mit dem Applet... 3.1 Eifluss der Azahl ud der Sprugstelle...3. Eifluss vo y-verschiebug ud Amplitude...4.3 Eifluss
Mehr