Vierstündige Klausur in Statistischer Methodenlehre 27. Juli 2004; 8:30-12:30

Größe: px
Ab Seite anzeigen:

Download "Vierstündige Klausur in Statistischer Methodenlehre 27. Juli 2004; 8:30-12:30"

Transkript

1 Prof. Dr. E. Mammen SEMINAR FÜR STATISTIK UNIVERSITÄT MANNHEIM Vierstündige Klausur in Statistischer Methodenlehre 27. Juli 2004; 8:30-12:30 Zulässige Hilfsmittel: keine, insbesondere keine Taschenrechner und PDAs. Die Ihnen vorliegende Klausur besteht aus - diesem Deckblatt, - 32 Aufgaben, - der Formelsammlung mit Tabellen, - 5 Blatt Konzeptpapier - der Lösungsliste. Reißen Sie das letzte Blatt - die Lösungsliste - ab und tragen Sie (zum Zweck der Klausurauswertung) die erbetenen Angaben ein. Überprüfen Sie, ob die persönlichen Angaben auf der Lösungsliste korrekt sind. Die Klausur enthält 32 Aufgaben, davon Aufgaben Nr. 1-8 zur Deskriptiven Statistik Aufgaben Nr zur Wahrscheinlichkeitsrechnung Aufgaben Nr zur Induktiven Statistik Überprüfen Sie, ob Ihr Klausurexemplar vollständig ist. Beachten Sie, dass bei den Aufgaben mehr als eine Alternative richtig sein kann. Eine Aufgabe gilt nur dann als gelöst, wenn alle richtigen Alternativen, und nur diese, in die Lösungsliste eingetragen sind. Ist keine der angegebenen Alternativen richtig, dann tragen Sie in die Lösungsliste eine 0 oder das Zeichen ein. (Aus der Formulierung der Frage ist nicht abzuleiten, daß keine, eine oder mehrere Alternativen richtig sind!). Unterschreiben Sie die ausgefüllte Lösungsliste. (Nicht unterschriebene Lösungslisten sind ungültig!) Geben Sie nur die Lösungsliste ab! (Für die Bewertung ist nur die abgegebene Lösungsliste ausschlaggebend.) Die Klausur ist bestanden, wenn Sie in der Lösungsliste bei mindestens 11 Aufgaben die richtige Lösung angegeben haben.

2 1 Gemäß einer Armutsdefinition gilt eine Person als einkommensarm, deren Einkommen weniger als 50% des durchschnittlichen Pro-Kopf-Einkommens (arithmetisches Mittel) beträgt. Die folgende Tabelle zeigt die Einkommensverteilung der 10 Einwohner eines Dorfes: x i [Mio. Euro] Anzahl der Einwohner mit Einkommen x i insgesamt 10 Wie viel Prozent der 10 Einwohner dieses Dorfes gelten gemäß der oben angegebenen Definition als einkommensarm? A: 0 B: 10 C: 20 D: 40 E: 50 F: 60 G: 70 H: 80 I: 90 K: 100 Wie viel Prozent des Gesamteinkommens der 10 Einwohner entfallen auf die einkommensarmen Einwohner? L: 0 M: 10 N: 15 P: 20 R: 25 S: 30 T: 35 U: 40 W: 60 X: 90 2 Fünf Studenten erzielten in zwei Klausuren die Punktzahlen x i bzw. y i, i=1,2,...,5: Student i x i y i Welchen Wert hat der Korrelationskoeffizient nach Spearman? A: 1 B: 0,8 C: 0,6 D: 0,4 E: 0,2 F: 0 G: 0,2 H: 0,25 I: 0,4 K: 0,5 L: 0,6 M: 0,75 N: 0,8 P: 1 3 Für die Kurswerte einer Aktie hat man folgende Daten: Börsentag Montag Dienstag Mittwoch Kurswert in Euro Wie groß ist die Varianz der Kurswerte [Euro 2 ]? A: 2 B: 4 C: 6 D: 8 E: 10 F: 12 G: 14 H: 16 I: 18 K: 20 durchschnittliche tägliche Wachstumsrate der Kurswerte (in %)? L: 10 M: 25 N: 50 P: 75 R: 100 S: 25 T: 50 U: 75 W: 100 X: Eine Fluggesellschaft macht über das Alter ihrer 60 im Einsatz befindlichen Flugzeuge folgende Angaben: Durchschnittsalter (arithmetisches Mittel) aller 60 Flugzeuge: 8 Jahre. 40 dieser Flugzeuge sind jeweils 2 Jahre alt. Welches Durchschnittsalter (arithmetisches Mittel, in Jahren) haben die restlichen 20 Flugzeuge? A: 10 B: 12 C: 15 D: 16 E: 18 F: 19 G: 20 H: 21 I: 22 K: 23 L: 24 M: 25

3 5 Ein Händler bietet 4 Pkw zu folgenden Preisen an: Pkw Nr. Alter in Jahren Preis in Euro Für die 4 Pkw bezeichne y = b 0 + b 1 x die Ausgleichsgerade nach der Methode der kleinsten Quadrate, mit der man den Preis bestimmen kann, wenn das Alter gegeben ist. Welchen Wert hat b 1? A: B: C: 900 D: 800 E: 700 F: 600 G: 800 H: 900 I: K: Wie hoch ist gemäß der Ausgleichsgeraden der Preis (in Euro) eines 5 Jahre alten Pkw? L: M: N: P: R: S: T: U: W: X: An einer Fachhochschule besteht das Studienjahr aus 3 Trimestern. Für die Zahl der neu immatrikulierten Studierenden hat man folgende Daten: Studienjahr 1. Trimester 2. Trimester 3. Trimester Wie groß ist der saisonbereinigte Wert für das 1. Trimester 2004, wenn man additive Verknüpfung der Komponenten unterstellt und die Reihe mit gleitenden Durchschnitten glättet? A: 100 B: 105 C: 110 D: 115 E: 120 F: 125 G: 130 H: 135 I: 140 K: 145 L: 150 M: Für die im Jahr 2003 abgesetzten Produkte nennt ein Unternehmen folgende Indexzahlen (zur Basis 2000): Preisindex nach Laspeyres: 90% Mengenindex nach Paasche: 120%. Welche der folgenden Aussagen lässt sich aus diesen Angaben herleiten? Im Jahr 2003 sind die Preise gegenüber dem Basisjahr im Durchschnitt um 10% niedriger, wenn man sie mit den Mengen des Jahres A: 2003 B: 2000 gewichtet. Im Jahr 2003 sind die Mengen gegenüber dem Basisjahr im Durchschnitt um 20% höher, wenn man sie mit den Preisen des Jahres C: 2003 D: 2000 bewertet. Im Jahr 2003 ist der Umsatz gegenüber dem Basisjahr um E: 20% höher. F: 10% niedriger. G: 8% höher. H: 8% niedriger.

4 8 Für die Verteilung der Umsätze auf die 200 Unternehmen der Chemischen Industrie eines Landes hat man folgende Lorenzkurve: Umsätze Unternehmen Im folgenden beziehen sich die Ausdrücke "kleinste" bzw. "größte" Unternehmen jeweils auf die Umsätze. Welche der folgenden Aussagen ist richtig? Auf die 80 größten Unternehmen entfallen A: 20 B: 30 C: 40 D: 50 E: 60 F: 70 G: 80 Prozent des Gesamtumsatzes Auf die 50% kleinsten Unternehmen entfallen H: weniger als I: mehr als K: genau 20% des Gesamtumsatzes. Auf die 20% größten Unternehmen entfallen L: weniger als M: mehr als N: genau 50% des Gesamtumsatzes. Auf die x% größten Unternehmen entfallen 80% des Gesamtumsatzes. Wie groß ist x? P: 20 R: 40 S: 50 T: 60 U: 80

5 9 Für die Ereignisse R, S eines Zufallsexperiments gilt W(R) = 0,5 W(S) = 0,9 Welche Ereignisse bilden eine Zerlegung der Ergebnismenge des Zufallsexperiments? A: R, S B: R, S C: R, R D: R, R S Wie groß ist W(R S), wenn R und S unabhängig sind? E: 0,75 F: 0,80 G: 0,85 H: 0,90 I: 0,95 K: 1,00 10 F(x) sei die Verteilungsfunktion einer beliebigen Zufallsvariablen X. Welche der folgenden Aussagen ist dann richtig? F(x) ist A: für alle reellen Zahlen x definiert. B: nur für solche Zahlen x definiert, die X als Werte annehmen kann. F(x) verläuft monoton steigend von C: 0 nach 1. D: nach +. Es gilt: E: W(X=x) = F(x) F: W(x 1 < X x 2 ) = F(x 2 ) F(x 1 ) G: W(x 1 X < x 2 ) = F(x 2 ) F(x 1 ) 11 Eine Zufallsvariable besitzt die Verteilungsfunktion 0 für x < 1 0,2 für 1 x < 1 F(x) = 0,6 für 1 x < 2 1 für 2 x Wie groß ist der Erwartungswert der Zufallsvariablen X 2 + 1? A: 2,2 B: 2,6 C: 2,8 D: 3,2 E: 3,6 F: 3,8 G: 4,2 H: 4,6 I: 4,8 K: 5,2 L: 5,6 M: 5,8 N: 6,2 P: 7,8 R: 8,2 S: 8,8 12 X sei eine Zufallsvariable mit Dichtefunktion f(x) = a 0 0 x 5 sonst. Wie groß ist die Wahrscheinlichkeit, mit der X Werte annimmt, die sich von EX um höchstens ± 1 unterscheiden? A: 0,00 B: 0,02 C: 0,04 D: 0,05 E: 0,08 F: 0,10 G: 0,15 H: 0,20 I: 0,25 K: 0,30 L: 0,40 M: 0,50

6 13 Die diskreten Zufallsvariablen X und Y besitzen die gemeinsame Wahrscheinlichkeitstabelle x 0 4 y 2 1/ /4 1/4 Welche der folgenden Aussagen ist dann richtig? Die Zufallsvariablen X und Y sind A: abhängig B: unabhängig Die Varianz von X + Y hat den Wert C: 2 D: 3 E: 4 F: 5 G: 6 H: 7 I: 8 K: 9 L: 10 M: Die diskreten Zufallsvariablen X und Y besitzen die gemeinsame Massefunktion 1/ 6 für x = 1, 2, 3 ; y = h(x,y) = 0 sonst 1, 2 Wie groß ist EX? A: 1 B: 2 C: 3 D: 4 E: 5 F: 6 G: 7 H: 8 I: 9 K: 10 Wie groß ist EXY? L: 1 M: 2 N: 3 P: 4 R: 5 S: 6 T: 7 U: 8 V: 9 W: Welche der folgenden Zufallsvariablen ist binomialverteilt? A: Die Anzahl der Würfe einer Münze, bis zum ersten Male Zahl erscheint. B: Die absolute Häufigkeit von Zahl beim 10-maligen Werfen einer Münze. C: Der Anteil der Würfe beim 10-maligen Werfen einer Münze, bei denen Zahl oben liegt. D: Die Anzahl der Treffer (= richtig angekreuzte Lottozahlen) auf einem Lottoschein. E: Die Brenndauer der nach einem bestimmten Produktionsverfahren hergestellten Glühlampen. F: Die Anzahl der Ausschussteile in einer Produktionsserie vom Umfang 100. G: Die Anzahl der Ausschussteile in einer Stichprobe vom Umfang 100, die einer Lieferung von Bauteilen ohne Zurücklegen entnommen wird.

7 16 Von den N Bauteilen einer Lieferung sind M Teile Ausschuss. Der Lieferung wird ohne Zurücklegen eine Stichprobe vom Umfang n entnommen. Wie groß ist dann für den Stichprobenausschussanteil der Erwartungswert? n A: B: N M N C: M n D: N 1 n M N die Varianz? E: H: M N M N N M N M n N N N n N 1 F: M N I: N M N n N N 1 1 M N M n N N G: K: M N M n N N 1 M N M n N N N n N 1 17 Ein Unternehmen produziert mit einer Maschine Schrauben, deren Länge eine normalverteilte Zufallsvariable mit Erwartungswert 60 mm und Standardabweichung 0,5 mm ist. Brauchbar sind nur Schrauben mit einer Länge zwischen 59,1 mm und 61 mm. Wie groß ist die Wahrscheinlichkeit, dass eine mit der Maschine produzierte Schraube unbrauchbar ist? A: 0,0228 B: 0,0359 C: 0,0587 D: 0,0548 E: 0,0643 F: 0,0776 G: 0,0808 H: 0,1036 I: 0,1151 K: 0,1379 L: 0,1587 M: 0,5000 N: 0,8621 P: 0,8964 R: 0,9224 S: 0, (X 1,X 2 ) sei eine Stichprobe aus der Standardnormalverteilung und X das Stichprobenmittel. Welche der folgenden Aussagen ist dann richtig? (Bemerkung: Φ(x µ, σ) bezeichnet die Verteilungsfunktion der (µ, σ)-normalverteilung). W(X 1 + X 2 x) = A: Φ (x 2 ; 0) B: Φ (x 0 ; 2) C: Φ (x 0 ; 2 ) D: Φ (x 0 ; 1) W ( X x) = 1 1 E: Φ(x 0 ; 2 ) F: Φ (x 0 ; ) G: Φ (x 0 ; 2 2 ) 19 Eine Universität erteilt im Fach Chemie 400 Studienanfängern die Zulassung. Erfahrungsgemäß treten Zugelassene mit Wahrschein-lichkeit 0,8 das Chemiestudium tatsächlich an. Das Chemische Institut verfügt für Erstsemester über 324 Laborplätze. Wie groß ist die Wahrscheinlichkeit, dass diese Laborplätze für die tatsächlich erscheinenden Studienanfänger ausreichen? A: 0,0228 B: 0,0668 C: 0,1587 D: 0,3085 E: 0,6915 F: 0,8413 G: 0,9332 H: 0,9772

8 20 Eine Urne enthält 4 rote Kugeln 3 grüne Kugeln und eine unbekannte Zahl schwarzer Kugeln. Es werden zwei Kugeln mit Zurücklegen entnommen. Für die Ereignisse 1R : die 1. gezogene Kugel ist rot 1S : die 1. gezogene Kugel ist schwarz 2G : die 2. gezogene Kugel ist grün G(1) : genau eine Kugel ist grün gelte: W(1R 2G) = W(1S G(1)). Wie groß ist dann die Zahl der schwarzen Kugeln in der Urne? A: 0 B: 1 C: 2 D: 3 E: 4 F: 5 G: 6 H: 7 I : 8 K: 9 21 Ein Pendler fährt an Arbeitstagen morgens mit dem Auto von Heidelberg nach Mannheim und abends zurück. Für die erwartete Fahrzeit am Morgen möchte er ein Konfidenzintervall zum Sicherheitsgrad 95% berechnen. Dazu misst er bei 100 Fahrten die jeweilige Fahrzeit in Minuten und errechnet aus diesen Daten das Konfidenzintervall [ 24 ; 26 ]. Welche Aussage läßt sich daraus folgern? A: Bei den 100 Fahrten lag die Fahrzeit stets zwischen 24 und 26 Minuten. B: Bei 95 der 100 Fahrten hat er Fahrzeiten zwischen 24 und 26 Minuten beobachtet. C: Bei den 100 Fahrten hat er als durchschnittliche Fahrzeit 25 Minuten ermittelt. D: Die erwartete Fahrzeit liegt zwischen 24 und 26 Minuten. E: Mit Wahrscheinlichkeit 95% liegt die erwartete Fahrzeit zwischen 24 und 26 Minuten. F: Mit Wahrscheinlichkeit 95% liegt die tatsächliche tägliche Fahrzeit zwischen 24 und 26 Minuten. 22 An einer Universität sind Studierende immatrikuliert, von denen eine unbekannte Anzahl M ein Stipendium erhält. In einer Stichprobe vom Umfang 400 zählt man 80 Studierende mit Stipendium. Bestimmen Sie für M das Konfidenzintervall zum Sicherheitsgrad 0,9544. A: [ 1760 ; 2640 ] B: [ 1920 ; 2880 ] C: [ 2080 ; 3120 ] D: [ 2240 ; 3360 ] E: [ 2560 ; 3840 ] F: [ 2720 ; 4080 ] G: [ 2880 ; 4320 ] H: [ 3040 ; 4560 ]

9 23 Für zwei am gleichen Stichtag aus der Grundgesamtheit der Angestellten einer Branche unabhängig voneinander entnommene Stichproben liegen folgende Größen vor: Stichprobe Stichprobenumfang Stichprobensumme der Gehälter 1 n 1 G 1 2 n 2 G 2 Welche der folgenden Stichprobenfunktionen ist eine erwartungstreue Schätzfunktion für das Durchschnittsgehalt der Angestellten in dieser Branche? A: G 1 + G 2 B: ( G 1 + G 2 ) / 2 C: ( n 1 G 1 + n 2 G 2 ) / ( n 1 + n 2 ) D: G 1 / n 1 + G 2 / n 2 E: ( G 1 + G 2 ) / ( n 1 + n 2 ) F: 0,5 (G 1 / n 1 + G 2 / n 2 ) 24 Die Zufallsvariable X habe folgende Wahrscheinlichkeitstabelle: x i Σ W( X = x i ) θ 1 2θ θ 1 Die Auswertung einer Stichprobe vom Umfang n ergibt folgende Häufigkeitstabelle: x i Σ n i n 1 n 2 n 3 n Welche der nachstehenden Stichprobenfunktionen ist eine erwartungstreue Schätzfunktion für den Parameter θ? 1 n1 n A: n 1 /n B: n 2 /n C: n 3 /n D: + 3 n2 E: 1 2 F: 1 2 n n n n 25 Vor einer Landtagswahl soll mittels einer Meinungsumfrage der Anteil θ der Wahlberechtigten geschätzt werden, die für eine neu gegründete Partei votieren werden. Es kann angenommen werden, dass θ nicht größer als 10% sein wird. Welcher Stichprobenumfang ist nötig, um θ anhand des entsprechenden Stichprobenanteils mit Wahrscheinlichkeit 0,9544 auf ± 3 Prozentpunkte genau zu schätzen? A: 100 B: 400 C: 900 D: 1000 E: 1600 F: 2000 G: 2500 H: 3600 I: 4000 K: Für eine Lieferung vom Umfang N bezeichne θ den Schlechtanteil; θ 0 sei der maximal zulässige Wert für θ, wobei θ 0 < 0,5 ist. Der Lieferung sollen n 50 Teile mit Zurücklegen entnommen und zum Signifikanzniveau α die Nullhypothese H 0 : θ θ 0 getestet werden. Für den zugehörigen Test mit dem Stichprobenschlechtanteil P als Prüfgröße bezeichne g die Grenze des Ablehnungsbereiches. Welche der folgenden Aussagen über g ist richtig, wenn man bei jeder Aussage nur die Auswirkung der dort variierten Größe betrachtet? Die Grenze g ist um so kleiner, je A: größer α ist. B: größer n ist. C: größer θ 0 ist. D: größer N ist.

10 27 In einem Liefervertrag ist für die mittlere Lebensdauer µ eines Produktes die Anforderung µ µ 0 vertraglich vereinbart. Laut Vertrag hat der Käufer bei Reklamationen dem Hersteller auf Stichprobenbasis die Verletzung dieser Anforderung nachzuweisen. Wie lautet die Nullhypothese des zugehörigen Tests? A: H 0 : µ µ 0 B: H 0 : µ µ 0 Eine Fehlentscheidung, deren Folgen der Hersteller zu tragen hat, liegt vor, wenn bei erfüllter Anforderung die Nullhypothese des Tests C: verworfen wird. D: nicht verworfen wird. Eine Fehlentscheidung, deren Folgen der Käufer zu tragen hat, liegt vor, wenn bei verletzter Anforderung die Nullhypothese des Tests E: verworfen wird. F: nicht verworfen wird. 28 Für eine Preis-Absatzfunktion wird das einfache lineare Regressionsmodell unterstellt. Demnach gilt im relevanten Preisintervall zwischen den Preisen p i und den Absatzmengen Q i der Zusammenhang: Q i = β 0 + β 1 p i + U i, i = 1,..., n. Dabei seien die U i unabhängig mit EU i = 0 und var U i = σ 2 > 0. Die Auswertung von 100 beobachteten Zahlenpaaren ( p i ; Q i ) ergab: p = 100 ; 2 ( p p = ; ( pi p) (Qi Q) = ; i ) Q = ; 2 ( Q Q = i ) Wie lautet das Konfidenzintervall für β 1 zum Sicherheitsgrad 0,9544? (Hinweis: Ersetzen Sie zur Rechenvereinfachung 1/98 durch 1/100.) A: [ 2,30 ; 1,70 ] B: [ 2,25 ; 1,75 ] C: [ 2,24 ; 1,76 ] D: [ 2,22 ; 1,78 ] E: [ 2,20 ; 1,80 ] F: [ 2,18 ; 1,82 ] G: [ 2,16 ; 1,84 ] H: [ 2,15 ; 1,85 ] 29 Für das einfache lineare Regressionsmodell Y i = β 0 + β 1 x i + U i ; i = 1,...,n ; n>2 ; sei B 0 bzw. B 1 die Kleinste-Quadrate-Schätzfunktion für β 0 bzw. β 1. Aus 12 beobachteten Wertepaaren (x i ; Y i ) wurden folgende Summen berechnet: Σx i = 0 ; Σ x i 2 =12 ; Σ[ Y i (B 0 + B 1 x i ) ] 2 = 7,2. Welcher Wert ergibt sich hieraus für die Schätzfunktion von var B 0? A: 0,03 B: 0,06 C: 0,09 D: 0,12 E: 0,15 F: 0,18 G: 0,20 H: 0,30

11 30 Ein Zufallszifferngenerator für Dualzahlen erzeugt die Ziffer Null mit Wahrscheinlichkeit θ N und die Ziffer Eins mit Wahrscheinlichkeit θ E. Bei einem Probelauf des Generators soll eine Serie von Zufallsziffern erzeugt werden. Anhand der dabei ermittelten relativen Häufigkeit für die Ziffer Null sind Vermutungen über θ N mit geeigneten Testverfahren beim Signifikanzniveau α zu testen. Welche der folgenden Aussagen ist richtig? Die Vermutung θ N > 0,5 ist nachgewiesen, wenn die Prüfgröße für den A: Parametertest mit H 0 : θ N 0,5 B: Parametertest mit H 0 : θ N 0,5 C: Differenzentest mit H 0 : θ N θ E D: Differenzentest mit H 0 : θ N θ E E: χ 2 -Anpassungstest mit H 0 : θn 0,5 θe 0,5 in den zugehörigen Ablehnungsbereich fällt. Die Vermutung θ N = 0,5 ist widerlegt, wenn die Prüfgröße für den F: Differenzentest mit H 0 : θ N = θ E G: Parametertest mit H 0 : θ N = 0,5 H: Parametertest mit H 0 : θ E = 0,5 I: χ 2 -Anpassungstest mit H 0 : θn = 0,5 θe = 0,5 in den zugehörigen Ablehnungsbereich fällt. 31 Ein Zufallszifferngenerator für Dualzahlen erzeugt die Zufallsziffer 0 bzw. 1 jeweils mit Wahrscheinlichkeit 0,5. Beim Signifikanzniveau 10% soll überprüft werden, ob vom Generator aufeinanderfolgend erzeugte Zufallsziffern unabhängig sind. Ein Testlauf ergab für die Paare (x i ; x i+1 ) von aufeinander folgend erzeugten Zufallsziffern folgende Häufigkeitstabelle: x i+1 x i 0 1 Σ Σ Welcher Ablehnungsbereich gehört zum geeigneten Test? A: ( 2,706 ; ) B: ( 3,841 ; ) C: ( 5,412 ; ) D: ( 6,635 ; ) E: ( 7,779 ; ) F: ( 9,488 ; ) G: ( 11,668 ; ) H: ( 13,277 ; ) Welchen Wert besitzt die Prüfgröße des Tests? I: 0,08 K: 0,32 L: 0,72 M: 1,28 N: 2,00 P: 2,88 R: 3,92 S: 5,12 Wie lautet zum vorgegebenen Signifikanzniveau die Testentscheidung? Es ist nachgewiesen, dass zwei aufeinanderfolgend erzeugte Zufallsziffern T: unabhängig sind. U: abhängig sind.

12 32 Der Vertreter des Wirtschaftsministeriums behauptete im Juni 2004 bei einer Aktuellen Stunde, der Anteil der Industrieunternehmen mit positiven Umsatzerwartungen sei im letzten Halbjahr gestiegen. Ein Wirtschaftsforschungsinstitut, das regelmäßig 100 aus Industrieunternehmen zufällig auswählt und befragt, ermittelte in seinen Stichproben folgende Daten: Anteil der Unternehmen Zeitraum mit positiven Umsatzerwartungen Dezember % Juni % Man möchte mit diesen Daten beim Signifikanzniveau 1% die Behauptung des Wirtschaftministeriums nachweisen. Welche der folgenden Aussagen über den durchzuführenden Test ist richtig? Die Nullhypothese des Tests lautet: In der Grundgesamtheit der Industrieunternehmen ist der Anteil der Unternehmen mit positiven Umsatzerwartungen im Juni 2004 A: nicht größer als im Dezember B: nicht kleiner als im Dezember C: nicht größer als 10%. D: nicht kleiner als 10%. Die Prüfgröße liegt E: im Ablehnungsbereich. F: nicht im Ablehnungsbereich. Beim vorgegebenen Signifikanzniveau lautet die Testentscheidung: In der Grundgesamtheit der Industrieunternehmen ist der Anteil der Unternehmen mit positiven Umsatzerwartungen von Dezember 2003 bis Juni 2004 G: zurückgegangen. H: konstant geblieben. I : gestiegen. Aufgabe Nr. Lösung Aufgabe Nr. Lösung 1 I S 17 C 2 M 18 C G 3 G N 19 E 4 G 20 E 5 D X 21 C 6 F 22 B 7 B C G 23 E F 8 G H M R 24 A C D F 9 C I 25 B 10 A C F 26 A B 11 D 27 B C F 12 L 28 G 13 A G 29 B 14 B N 30 B G H I 15 B F 31 A K 16 B K 32 A F Mannheim,

Klausur zu Statistik II

Klausur zu Statistik II GOETHE-UNIVERSITÄT FRANKFURT FB Wirtschaftswissenschaften Statistik und Methoden der Ökonometrie Prof. Dr. Uwe Hassler Wintersemester 03/04 Klausur zu Statistik II Matrikelnummer: Hinweise Hilfsmittel

Mehr

Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1

Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1 Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2013 Aufgabe 1 In einer Urne

Mehr

1 Die relativen Häufigkeiten eines stetigen Merkmals sind in folgendem Histogramm dargestellt:

1 Die relativen Häufigkeiten eines stetigen Merkmals sind in folgendem Histogramm dargestellt: 1 Die relativen Häufigkeiten eines stetigen Merkmals sind in folgendem Histogramm dargestellt: 0,25 0,1 0,05 2 8 10 Das arithmetische Mittel ist A: 5,8 B: 6,2 C: 6,6 D: 7,0 E: 7,4 F: 8,0 Für die ersten

Mehr

Statistik II. Version A. 1. Klausur Sommersemester 2011 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!

Statistik II. Version A. 1. Klausur Sommersemester 2011 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Statistik II Version A 1. Klausur Sommersemester 2011 Hamburg, 27.07.2011 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................

Mehr

Wichtige Definitionen und Aussagen

Wichtige Definitionen und Aussagen Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge

Mehr

Statistik Klausur Sommersemester 2013 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!

Statistik Klausur Sommersemester 2013 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Statistik 2 1. Klausur Sommersemester 2013 Hamburg, 26.07.2013 A BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................

Mehr

1 Von den Ereignissen U und V eines Zufallsexperiments kennt man die Eigenschaften (1) bis (3) :

1 Von den Ereignissen U und V eines Zufallsexperiments kennt man die Eigenschaften (1) bis (3) : Prof. Dr. E. Mammen SEMINAR FÜR STATISTIK Prof. Dr. H. Stenger UNIVERSITÄT MANNHEIM Vierstündige Klausur in statistischer Methodenlehre 9. Juli 003; 8:30 - :30 Zulässige Hilfsmittel: keine, insbesondere

Mehr

WS 2014/15. (d) Bestimmen Sie die Wahrscheinlichkeitsfunktion von X. (e) Bestimmen Sie nun den Erwartungswert und die Varianz von X.

WS 2014/15. (d) Bestimmen Sie die Wahrscheinlichkeitsfunktion von X. (e) Bestimmen Sie nun den Erwartungswert und die Varianz von X. Fragenkatalog zur Übung Methoden der empirischen Sozialforschung WS 2014/15 Hier finden Sie die denkbaren Fragen zum ersten Teil der Übung. Das bedeutet, dass Sie zu diesem Teil keine anderen Fragen im

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

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte

Mehr

Goethe-Universität Frankfurt

Goethe-Universität Frankfurt Goethe-Universität Frankfurt Fachbereich Wirtschaftswissenschaft PD Dr. Martin Biewen Dr. Ralf Wilke Sommersemester 2006 Klausur Statistik II 1. Alle Aufgaben sind zu beantworten. 2. Bitte runden Sie Ihre

Mehr

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Schließende Statistik Sommersemester Namensschild

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Schließende Statistik Sommersemester Namensschild Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Schließende Statistik Sommersemester 2010 Namensschild Prof. Dr. Ralph Friedmann / Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ

Mehr

JosefPuhani. Kleine Formelsammlung zur Statistik. 10. Auflage. averiag i

JosefPuhani. Kleine Formelsammlung zur Statistik. 10. Auflage. averiag i JosefPuhani Kleine Formelsammlung zur Statistik 10. Auflage averiag i Inhalt- Vorwort 7 Beschreibende Statistik 1. Grundlagen 9 2. Mittelwerte 10 Arithmetisches Mittel 10 Zentral wert (Mediän) 10 Häufigster

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

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

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

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Schließende Statistik Sommersemester Aufgabenstellung und Ergebnisse

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Schließende Statistik Sommersemester Aufgabenstellung und Ergebnisse Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Schließende Statistik Sommersemester 2010 Aufgabenstellung und Ergebnisse Prof. Dr. Ralph Friedmann / Dr. Martin Becker Hinweise für die Klausurteilnehmer

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

Kapitel 3 Schließende Statistik

Kapitel 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:

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

1. Einführung in die induktive Statistik

1. Einführung in die induktive Statistik Wichtige Begriffe 1. Einführung in die induktive Statistik Grundgesamtheit: Statistische Masse, die zu untersuchen ist, bzw. über die Aussagen getroffen werden soll Stichprobe: Teil einer statistischen

Mehr

Zusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen

Zusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind

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

Aufgaben. d) Seien X und Y Poissonverteilt mit Parameter µ, X, Y P(µ). 2. Dann ist die Summe auch Poissonverteilt mit (X + Y ) P(2µ).

Aufgaben. d) Seien X und Y Poissonverteilt mit Parameter µ, X, Y P(µ). 2. Dann ist die Summe auch Poissonverteilt mit (X + Y ) P(2µ). Aufgaben 1. Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete Frage 1 Punkt und pro falsche Antwort 1/2 Punkt Abzug. Minimal erhält man für die gesamte

Mehr

Statistik Probeprüfung 1

Statistik Probeprüfung 1 WWZ Wirtschaftswissenschaftliche Fakultät der Universität Basel Dr. Thomas Zehrt Bitte in Druckbuchstaben ausfüllen: Name Vorname Statistik Probeprüfung 1 Zeit: 90 Minuten, Maximale Punktzahl: 72 Zur Orientierung:

Mehr

Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007

Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007 Mathematik IV für Maschinenbau und Informatik Stochastik Universität Rostock, Institut für Mathematik Sommersemester 007 Prof. Dr. F. Liese Dipl.-Math. M. Helwich Serie Termin: 9. Juni 007 Aufgabe 3 Punkte

Mehr

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte

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

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

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

Probeklausur - Statistik II, SoSe 2017

Probeklausur - Statistik II, SoSe 2017 Probeklausur - Statistik II, SoSe 2017 Aufgabe 1: Mehrdimensionale Zufallsvariablen (15 Punkte) Gegeben sei ein zweidimensionaler stetiger Zufallsvektor X = (X 1, X 2 ) T mit der gemeinsamen Dichtefunktion

Mehr

Übungsaufgaben zu Statistik II

Übungsaufgaben zu Statistik II Übungsaufgaben zu Statistik II Prof. Dr. Irene Prof. Dr. Albrecht Ungerer Die Kapitel beziehen sich auf das Buch: /Ungerer (2016): Statistik für Wirtschaftswissenschaftler Springer Gabler 4 Übungsaufgaben

Mehr

Aufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2017/18. Dr.

Aufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2017/18. Dr. Aufgabenstellung und Ergebnisse zur Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2017/18 Dr. Martin Becker Hinweise für die Klausurteilnehmer Die Klausur besteht

Mehr

Veranstaltung Wirtschaftsstatistik (BWL) an der FH Frankfurt/Main im Sommersemester 2007 (Dr. Faik) Klausur 03. Juli 2007

Veranstaltung Wirtschaftsstatistik (BWL) an der FH Frankfurt/Main im Sommersemester 2007 (Dr. Faik) Klausur 03. Juli 2007 Veranstaltung Wirtschaftsstatistik (BWL) an der FH Frankfurt/Main im Sommersemester 2007 (Dr. Faik) Klausur 03. Juli 2007 BEARBEITER/IN (NAME, VORNAME): MATRIKELNUMMER: Hinweise: Sie haben zur Bearbeitung

Mehr

0 sonst. a) Wie lautet die Randwahrscheinlichkeitsfunktion von Y? 0.5 y = 1

0 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

Mehr

Klausur zu Statistik II

Klausur zu Statistik II Goethe-Universität Frankfurt Prof. Dr. Uwe Hassler FB Wirtschaftswissenschaften Sommersemester 2005 Klausur zu Statistik II Version B Bitte tragen Sie hier und auf den Lösungsblättern (oben links) Ihre

Mehr

Stichprobenverteilung bei unterschiedlichen Auswahlsätzen

Stichprobenverteilung bei unterschiedlichen Auswahlsätzen Stichprobenverteilung bei unterschiedlichen Auswahlsätzen Begleitende Unterlagen zur Übung Induktive Statistik Michael Westermann Universität Essen Inhaltsverzeichnis 1 Einleitung.......................................................

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

Philipp Sibbertsen Hartmut Lehne. Statistik. Einführung für Wirtschafts- und. Sozialwissenschaftler. 2., überarbeitete Auflage. 4^ Springer Gabler

Philipp Sibbertsen Hartmut Lehne. Statistik. Einführung für Wirtschafts- und. Sozialwissenschaftler. 2., überarbeitete Auflage. 4^ Springer Gabler Philipp Sibbertsen Hartmut Lehne Statistik Einführung für Wirtschafts- und Sozialwissenschaftler 2., überarbeitete Auflage 4^ Springer Gabler Inhaltsverzeichnis Teil I Deskriptive Statistik 1 Einführung

Mehr

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13 Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13 Aufgabenstellung und Ergebnisse Dr. Martin Becker Hinweise für die

Mehr

Universität Stuttgart Fachbereich Mathematik. Klausur Statistik für Wirtschaftswissenschaftler WS 2010/11. PD Dr. J. Dippon Dipl.-Math. A.

Universität Stuttgart Fachbereich Mathematik. Klausur Statistik für Wirtschaftswissenschaftler WS 2010/11. PD Dr. J. Dippon Dipl.-Math. A. Universität Stuttgart Fachbereich Mathematik PD Dr. J. Dippon Dipl.-Math. A. Madlener Klausur Statistik für Wirtschaftswissenschaftler WS 2010/11 26. Februar 2011 VORNAME: MATRIKELNUMMER: NAME: STUDIENGANG:

Mehr

Statistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg. für Betriebswirtschaft und internationales Management

Statistik. 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

Mehr

Inhaltsverzeichnis. Robert Galata, Sandro Scheid. Deskriptive und Induktive Statistik für Studierende der BWL. Methoden - Beispiele - Anwendungen

Inhaltsverzeichnis. Robert Galata, Sandro Scheid. Deskriptive und Induktive Statistik für Studierende der BWL. Methoden - Beispiele - Anwendungen Inhaltsverzeichnis Robert Galata, Sandro Scheid Deskriptive und Induktive Statistik für Studierende der BWL Methoden - Beispiele - Anwendungen Herausgegeben von Robert Galata, Markus Wessler ISBN (Buch):

Mehr

1 EINLEITUNG Allgemeines Kapitelübersicht Gebrauch dieses Buches Verwenden zusätzlicher Literatur...

1 EINLEITUNG Allgemeines Kapitelübersicht Gebrauch dieses Buches Verwenden zusätzlicher Literatur... Inhaltsverzeichnis 1 EINLEITUNG... 1 1.1 Allgemeines... 1 1.2 Kapitelübersicht... 2 1.3 Gebrauch dieses Buches... 3 1.4 Verwenden zusätzlicher Literatur... 4 DESKRIPTIVE STATISTIK 2 GRUNDLAGEN... 5 2.1

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

TECHNISCHE UNIVERSITÄT DORTMUND Wintersemester 2010/2011 FAKULTÄT STATISTIK Dr. H. Hansen

TECHNISCHE UNIVERSITÄT DORTMUND Wintersemester 2010/2011 FAKULTÄT STATISTIK Dr. H. Hansen TECHNISCHE UNIVERSITÄT DORTMUND Wintersemester 2010/2011 FAKULTÄT STATISTIK 11.02.2011 Dr. H. Hansen Klausur für den Bachelorstudiengang zur Vorlesung Statistik für Ökonomen Bitte in Druckschrift ausfüllen

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

Statistik (Ch/Ph) Schwerpunkte und Aufgaben

Statistik (Ch/Ph) Schwerpunkte und Aufgaben 1 Kombinatorik 1.1 Aufgaben Statistik (Ch/Ph) Schwerpunkte und Aufgaben Eine Münze wird fünfmal geworfen. Es wird notiert, ob Zahl oder Wappen erscheint. Wieviel verschiedene Versuchsprotokolle sind möglich?

Mehr

Einführung in die Induktive Statistik: Testen von Hypothesen

Einführung 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

Mehr

Übungsblatt 9 (25. bis 29. Juni)

Übungsblatt 9 (25. bis 29. Juni) Statistik 2 Dr. Andrea Beccarini Dipl.-Vw. Dipl.-Kffr. Heike Bornewasser-Hermes Sommersemester 2012 Übungsblatt 9 (25. bis 29. Juni) Stetiges Verteilungsmodell und Gemeinsame Verteilung Stetiges Verteilungsmodell

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

Grundlagen der Statistik

Grundlagen 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

Mehr

Welche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret.

Welche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret. Grundlagen der Statistik 25.9.2014 7 Aufgabe 7 Welche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret. B Ein Merkmal

Mehr

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Matrikelnummer Name: Vorname: Klausur Modul 31091: STATISTISCHE METHODENLEHRE Termin: 24.03.2010, 18.00-20.00 Uhr Prüfer: Univ.-Prof. Dr. Hermann

Mehr

Statistik Einführung // Tests auf einen Parameter 8 p.2/74

Statistik Einführung // Tests auf einen Parameter 8 p.2/74 Statistik Einführung Tests auf einen Parameter Kapitel 8 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Leydold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Tests

Mehr

Inhaltsverzeichnis. Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite. 1.0 Erste Begriffsbildungen Merkmale und Skalen 5

Inhaltsverzeichnis. Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite. 1.0 Erste Begriffsbildungen Merkmale und Skalen 5 Inhaltsverzeichnis Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite 1.0 Erste Begriffsbildungen 1 1.1 Merkmale und Skalen 5 1.2 Von der Urliste zu Häufigkeitsverteilungen 9 1.2.0 Erste Ordnung

Mehr

Statistik I. 1. Klausur Wintersemester 2010/2011 Hamburg, Art der Anmeldung: STiNE FlexNow Zulassung unter Vorbehalt

Statistik I. 1. Klausur Wintersemester 2010/2011 Hamburg, Art der Anmeldung: STiNE FlexNow Zulassung unter Vorbehalt Statistik I 1. Klausur Wintersemester 2010/2011 Hamburg, 11.02.2011 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................

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

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

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

Dr. W. Kuhlisch Dresden, Institut für Mathematische Stochastik

Dr. W. Kuhlisch Dresden, Institut für Mathematische Stochastik Dr. W. Kuhlisch Dresden, 12. 08. 2014 Institut für Mathematische Stochastik Klausur Statistik für Studierende der Fachrichtungen Hydrologie und Altlasten/Abwasser zugelassene Hilfsmittel: Taschenrechner

Mehr

Mathematik 2 Probeprüfung 1

Mathematik 2 Probeprüfung 1 WWZ Wirtschaftswissenschaftliche Fakultät der Universität Basel Dr. Thomas Zehrt Bitte in Druckbuchstaben ausfüllen: Name Vorname Mathematik 2 Probeprüfung 1 Zeit: 90 Minuten, Maximale Punktzahl: 72 Zur

Mehr

Die Familie der χ 2 (n)-verteilungen

Die Familie der χ 2 (n)-verteilungen Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +

Mehr

Die Familie der χ 2 (n)-verteilungen

Die Familie der χ 2 (n)-verteilungen Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +

Mehr

Grundgesamtheit, Merkmale, Stichprobe. Eigenschaften der Stichprobe. Klasseneinteilung, Histogramm. Arithmetisches Mittel, empirische Varianz

Grundgesamtheit, Merkmale, Stichprobe. Eigenschaften der Stichprobe. Klasseneinteilung, Histogramm. Arithmetisches Mittel, empirische Varianz - 1 - Grundgesamtheit, Merkmale, Stichprobe Dimension, Umfang Skalierung Eigenschaften der Stichprobe kennzeichnende Größen Eigenschaften der Stichprobe kennzeichnende Größen Punktediagramm, Regressionsgerade,

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

Nachhol-Klausur - Schätzen und Testen - Wintersemester 2013/14

Nachhol-Klausur - Schätzen und Testen - Wintersemester 2013/14 Prof. Dr. Rainer Schwabe 08.07.2014 Otto-von-Guericke-Universität Magdeburg Institut für Mathematische Stochastik Nachhol-Klausur - Schätzen und Testen - Wintersemester 2013/14 Name:, Vorname: Matr.-Nr.

Mehr

Statistik I. 2. Klausur Wintersemester 2011/2012 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!

Statistik I. 2. Klausur Wintersemester 2011/2012 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Statistik I A 2. Klausur Wintersemester 2011/2012 Hamburg, 20.03.2012 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................

Mehr

1 Dichte- und Verteilungsfunktion

1 Dichte- und Verteilungsfunktion Tutorium Yannick Schrör Klausurvorbereitungsaufgaben Statistik Lösungen Yannick.Schroer@rub.de 9.2.26 ID /455 Dichte- und Verteilungsfunktion Ein tüchtiger Professor lässt jährlich 2 Bücher drucken. Die

Mehr

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Schließende Statistik Wintersemester 2012/13. Namensschild. Dr.

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Schließende Statistik Wintersemester 2012/13. Namensschild. Dr. Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Schließende Statistik Wintersemester 2012/13 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Kleben Sie bitte sofort Ihr Namensschild

Mehr

I. Deskriptive Statistik 1

I. Deskriptive Statistik 1 I. Deskriptive Statistik 1 1. Einführung 3 1.1. Grundgesamtheit und Stichprobe.................. 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................

Mehr

Statistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management

Statistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management Statistik für Betriebswirtschaft und International Management Sommersemester 2014 Prof. Dr. Stefan Etschberger HSA Streuungsparameter Varianz Var(X) bzw. σ 2 : [x i E(X)] 2 f(x i ), wenn X diskret Var(X)

Mehr

Mehrdimensionale Zufallsvariablen

Mehrdimensionale Zufallsvariablen Mehrdimensionale Zufallsvariablen Im Folgenden Beschränkung auf den diskreten Fall und zweidimensionale Zufallsvariablen. Vorstellung: Auswerten eines mehrdimensionalen Merkmals ( ) X Ỹ also z.b. ω Ω,

Mehr

Wahrscheinlichkeit und Statistik BSc D-INFK

Wahrscheinlichkeit und Statistik BSc D-INFK Prof. Dr. P. Embrechts ETH Zürich Sommer 2015 Wahrscheinlichkeit und Statistik BSc D-INFK Name: Vorname: Stud. Nr.: Das Folgende bitte nicht ausfüllen! Aufg. Summe Kontr. Pkte.-Max. 1 10 2 10 3 10 4 10

Mehr

7. Hypothesentests. Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang. X habe die unbekannte VF F X (x)

7. Hypothesentests. Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang. X habe die unbekannte VF F X (x) 7. Hypothesentests Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang X habe die unbekannte VF F X (x) Interessieren uns für einen unbekannten Parameter θ der Verteilung von X 350 Bisher:

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

Klausur (Modulprüfung) zum Lehrerweiterbildungskurs Stochastik am von 10:00 bis 11:00 Uhr

Klausur (Modulprüfung) zum Lehrerweiterbildungskurs Stochastik am von 10:00 bis 11:00 Uhr Klausur (Modulprüfung) zum Lehrerweiterbildungskurs Stochastik am 5..201 von 10:00 bis 11:00 Uhr Bearbeiten Sie zwei der drei folgenden Aufgaben! Sätze aus der Vorlesung und den Übungen dürfen Sie ohne

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

Klausur vom

Klausur vom UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Dominik Faas Stochastik Wintersemester 00/0 Klausur vom 09.06.0 Aufgabe (++4=9 Punkte) Bei einer Umfrage wurden n Personen befragt, an wievielen Tagen

Mehr

[ 2 ] Die Zufallsvariablen X und Y haben die in der Tabelle gegebene gemeinsame Wahrscheinlichkeitsfunktion

[ 2 ] Die Zufallsvariablen X und Y haben die in der Tabelle gegebene gemeinsame Wahrscheinlichkeitsfunktion Paare von Zufallsvariablen Kapitel : Paare von Zufallsvariablen A: Übungsaufgaben: [ ] Die Zufallsvariable X kann die Werte, 2 und die Zufallsvariable Y die Werte 0,, 2 annehmen. Die gemeinsame Verteilungsfunktion

Mehr

Kapitel 3 Schließende Statistik

Kapitel 3 Schließende Statistik Bemerkung 3.34: Die hier betrachteten Konfidenzintervalle für unbekannte Erwartungswerte sind umso schmaler, je größer der Stichprobenumfang n ist, je kleiner die (geschätzte) Standardabweichung σ (bzw.

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

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und

Mehr

Biometrie und Methodik (Statistik) - WiSem08/09 Probeklausur 1

Biometrie und Methodik (Statistik) - WiSem08/09 Probeklausur 1 Biometrie und Methodik (Statistik) - WiSem08/09 Probeklausur 1 Aufgabe 1 (10 Punkte). 10 Schüler der zehnten Klasse unterziehen sich zur Vorbereitung auf die Abschlussprüfung einem Mathematiktrainingsprogramm.

Mehr

Aufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2018/19

Aufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2018/19 Aufgabenstellung und Ergebnisse zur Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 08/9 PD Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Die Klausur besteht

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

Grundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften

Grundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften Grundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Grundlagen der Biometrie, WS 2011/12 Vorlesung: Dienstag 8.15-9.45,

Mehr

Klausur zur Vorlesung

Klausur 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

Mehr

Übung 1: Einführung, grafische Darstellung univariater Datensätze

Übung 1: Einführung, grafische Darstellung univariater Datensätze Übung 1: Einführung, grafische Darstellung univariater Datensätze Vor einer Bürgermeisterwahl, bei der fünf Kandidaten (A bis E) zur Auswahl stehen, wurden 160 Wahlberechtigte nach ihrer Wahlabsicht befragt.

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

Statistik I. 2. Klausur Wintersemester 2011/2012 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!

Statistik I. 2. Klausur Wintersemester 2011/2012 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Statistik I A 2. Klausur Wintersemester 2011/2012 Hamburg, 20.03.2012 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................

Mehr

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2011/12.

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2011/12. Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2011/12 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer

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

Empirische Methoden II

Empirische Methoden II Hochschule für Wirtschaft und Umwelt Nürtingen-Geislingen Fakultät Betriebswirtschaft und Internationale Finanzen Prof. Dr. Max C. Wewel Übungsklausur im Modul Empirische Methoden II (Stochastik, Stichprobenverfahren)

Mehr

Wahrscheinlichkeitsverteilungen

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

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