Testen statistischer Hypothesen

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Testen statistischer Hypothesen"

Transkript

1 Kapitel 9 Teste statistischer Hypothese 9.1 Eiführug, Sigifiaztests Sigifiaztest für µ bei der ormalverteilug bei beatem σ = : X i seie uabhägig ud µ, ) verteilt, µ sei ubeat. Stelle eie Hypothese über µ auf, i diesem Fall: Hypothese H 0 : µ = µ 0. Lege das Sigifiaziveau α ud de Stichprobeumfag vor der Utersuchug der Stichprobe fest. Bestimme ε > 0 aus 9.1.1) ) X µ0 P ε H Satz 8.4.3a 0 = 21 Φε)) =α! Φε) =1! α 2. Setze d := ε. Utersuche Stichprobe vom Umfag. Das Ergebis sei der Schätzwert ˆµ = x für µ. ˆµ µ 0 d ist, ist H 0 abzulehe. ˆµ µ 0 < d ist, ist H 0 mit Vorbehalt) azuehme. Begrüdug der Etscheidugsregel: ach 9.1.1) gilt für die Wahrscheilicheit für eie irrtümliche Ablehug vo H) 0 : P H 0 wird aufgrud des Testergebisses) abgeleht H 0 = P X µ 0 d H 0 = P X µ 0 ε/ ) X µ H 0 = P 0 ε H 0 = α Bem.: a) X, x u. s. w. habe diesselbe Bedeutug wie im erste Teil vo Abschitt 8.4. b) α hat eie adere Bedeutug als γ im Abschitt 8.4. α liegt ahe bei 0, z. B. α = 0.1, 0.05, 0.01 o. ä. c) P... H 0 ) i 9.1.1) bedeutet: 9.1.1) bestimmt die Wahrsch. für das iteressierede Ereigis, we H 0 richtig wäre. Iterpretatio des Testergebisses: Es gibt ach eiem Test 4 verschiedee Situatioe, die i achsteheder schematischer Übersicht dargestellt sid Siehe Tabelle 8-1): 65

2 Tabelle 9-1 H 0 wird uter der Bedigug : ageomme abgeleht H 0 ist richtig falsch richtige Etscheidug Fehler 2. Art Fehler 1. Art richtige Etscheidug Allgemei wird gefordert: 9.1.2) PFehler 1. Art) = PH 0 wird abgeleht H 0 ) α Die Wahrscheilicheit für eie Fehler 2. Art ist erst da i gleicher Weise durch eie Zahl < 1 abzuschätze, we ma H 0 eie geeigete Alterativhypothese H 1 gegeüberstellt ud evtl. das Testverfahre ädert. Ohe geeigete Alterativhypothese gilt also ur P Fehler 2. Art) 1, d. h. ma hat de Fehler 2. Art icht uter Kotrolle. Scheit die Aahme vo H 0 ur durch eie zu leie Stichprobeumfag zustade geomme zu sei was aus o. g. Grüde icht präzise fassbar ist), so ist der Test u. U. mit größerem Stichprobeumfag zu wiederhole. Sigifiaztest für µ bei der ormalverteilug bei ubeatem σ: X i seie uabhägig ud µ, σ) verteilt, µ ud σ seie ubeat. Stelle eie Hypothese über µ auf, i diesem Fall: Hypothese H 0 : µ = µ 0. Lege das Sigifiaziveau α ud de Stichprobeumfag vor der Utersuchug der Stichprobe fest. Bestimme ε > 0 aus 9.1.3) P X µ 0 i=1 X i X) 2 1 ε H 0 Satz 8.4.8a = 21 F t ε))! =α F t ε)! =1 α 2, wobei F t y) die Verteilugsfutio der t Verteilug mit r = 1) Freiheitsgrade ist. Utersuche Stichprobe vom Umfag. Diese liefert die Meß oder Beobachtugswerte x 1, x 2,... x. Daraus gewie wir de Schätzwert ˆµ = x für µ ud die Testgröße d := ε i=1 x i x) 2 1) ˆµ µ 0 d ist, ist H 0 abzulehe. ˆµ µ 0 < d ist, ist H 0 mit Vorbehalt) azuehme. 66

3 9.2 Eiseitige Tests Ei eiseitiger Test bei der ormalverteilug X 1,..., X seie uabhägige µ, σ) verteilte ZV mit beatem σ =. Über dem ubeate Parameter µ werde 2 Hypothese aufgestellt : H 0 : µ µ 0, H 1 : µ > µ 0 Alterativhypothese) Fehler 1. Art : Etscheidug gege H 0 ud damit für H 1 ), obwohl H 0 richtig ist. Fehler 2. Art : Etscheidug gege H 1 ud damit für H 0 ), obwohl H 1 richtig ist. Durchführug des Tests: Schritt 1: Lege die Höchstgreze α für die Wahrsch. für eie Fehler 1. Art ud die Höchstgreze β für die Wahrsch. für eie Fehler 2. Art fest. Schritt 2: Lege de Stichprobeumfag fest ud bereche d 0 ud d 1 aus, α ud β ach der folgede Formel: 9.2.1) d 0 = ε 0 / mit Φε 0 ) = 1 α d 1 = ε 1 / mit Φε 1 ) = 1 β Schritt 3: Werte eie Stichprobe vom Umfag aus. x ist da eie Realisierug vo X:= 1 X X )): x µ 0 + d 0 Etscheidug für H 1 x µ 0 d 1 Etscheidug für H 0 µ 0 d 1 < x < µ 0 + d 0 eie Etscheidug u. U. de Test mit größerem Stichprobeumfag wiederhole) Begrüdug für 9.2.1): Aus der Tatsache, dass Φx) mooto wachsed ist, folgt: P Fehler 1. Art) = P X µ 0 + d 0 H 0 ) = 1 Φ µ0 µ+d 0 µ µ0 1 Φ d0 α P Fehler 2. Art) = P X µ 0 d 1 H 1 ) = Φ µ0 µ d 1 µ>µ0 Φ d1 = 1 Φ d1 β Bem.: a) Machmal ist vo der pratische Fragestellug her folgede Gegeüberstellug zwecmäßig: H 0 : µ µ 0, H 1 : µ µ 1 > µ 0 ). Der Test ist da wie obe durchzuführe, wobei aber folgede Äderuge zu beachte sid: x µ 0 + d 0 Etscheidug gege H 0 icht ubedigt für H 1 ) x µ 1 d 1 Etscheidug gege H 1 icht ubedigt für H 0 ) µ 1 d 1 < x < µ 0 + d 0 eie Etscheidug Durch geüged große Stichprobeumfag a ma erreiche, dass µ 1 d 1 µ 0 + d 0 ud damit das 3. Itervall leer ist. Ma ommt da immer zu eier Etscheidug. b) Ist auch σ ubeat, so a ma ählich wie bei de Kofidezitervalle vgl. Satz 8.4.8) oder bei dem Sigifiaztest die eiseitige Tests mit folgede Veräderuge durchführe: 9.2.1) wird ersetzt durch 67

4 9.2.2) d 0 = ε 0 i=1 x i x) 2 1) mit F t ε 0 ) = 1 α, d 1 = ε 1 i=1 x i x) 2 1) mit F t ε 1 ) = 1 β, wobei F t y) die Verteilugsfutio der t Verteilug mit r = 1) Freiheitsgrade ist. c) Astelle des Tests auf H 0 : µ µ 0 gege H 1 : µ > µ 0 fidet ma i der Literatur oft Tests auf H 0 : µ = µ 0 gege H 1 : µ > µ 0 oder H 0 : µ < µ 0 gege H 1 : µ µ 0 oder H 0 : µ < µ 0 gege H 1 : µ = µ 0. Alle diese Tests sid recherisch gleichwertig Ei eiseitiger Test bei der Biomialverteilug X sei eie biomial verteilte ZV mit de Parameter wird och festgelegt) ud p ubeat). X ist damit selbst scho mit eier Stichprobe vom Umfag verbude, d. h. X i etspricht abgesehe vo de verschiedee Verteiluge der ZV X i Hypothese über p : H 0 : 0 p p 0, H 1 : p 1 p 1, 0 p 0 p 1 < 1. Fehler 1. Art: Etscheidug gege H 0 ud damit für p > p 0 ), obwohl H 0 richtig ist. Fehler 2. Art: Etscheidug gege H 1 ud damit für p < p 1 ), obwohl H 1 richtig ist. Durchführug des Tests: Schritt 1: Lege die Höchstgreze α für die Wahrscheilicheit für eie Fehler 1. Art ud die Höchstgreze β für die Wahrscheilicheit für eie Fehler 2. Art fest. Schritt 2: Lege fest. Schritt 3: Werte eie Stichprobe vom Umfag aus, die eie Realisierug x vo X liefert. Fall 1: x/ < p 1. Setze q 1 := 1 p 1. x =0 ) p1 ) β q 1 q1 gilt, ist die Hypothese H 1 mit ausreicheder Sicherheit abzulehe. Aderefalls a die Hypothese H 1 auf Grud der vorliegede Date icht mit ausreicheder Sicherheit abgeleht werde. Begrüdug: x/ < p 1 spricht gege die Hypothese H 1. Um aber H 1 mit ausreicheder Sicherheit ablehe zu öe, müsse wir prüfe, ob die die Wahrscheilicheit für eie Fehler 2. Art β ist, d.h. ob die Wahrscheilicheit dafür, dass die ZV X de vorliegede Wert x oder 68

5 Werte aimmt, die och mehr gege die Hypothese H 1 spreche, β ist: ) x x P X x H 1 ) P X x p = p 1 ) = p 1q1 = q1 =0 =0 ) p1 q 1 )? β. Die erste Ugleichug gilt, weil die Wahrscheilicheit für X x< p 1 ) für p > p 1 och leier ist als für p = p 1. Fall 2: x/ > p 0. Setze := 1 p 0. =x ) p0 ) α q0 x 1 =0 ) p0 ) 1 α ) gilt, ist die Hypothese H 0 mit ausreicheder Sicherheit abzulehe. Aderefalls a die Hypothese H 0 auf Grud der vorliegede Date icht mit ausreicheder Sicherheit abgeleht werde. Begrüdug: x/ > p 0 spricht gege die Hypothese H 0. Um aber H 0 mit ausreicheder Sicherheit ablehe zu öe, müsse wir prüfe, ob die die Wahrscheilicheit für eie Fehler 1. Art α ist, d.h. ob die Wahrscheilicheit dafür, dass die ZV X de vorliegede Wert x oder Werte aimmt, die och mehr gege die Hypothese H 0 spreche, α ist: ) ) p0 )? P X x H 0 ) P X x p = p 0 ) = p 0 q 0 = q0 α. =x Die erste Ugleichug gilt, weil die Wahrscheilicheit für X x> p 0 ) für p < p 0 och leier ist als für p = p 0, ud die zweite Gleichug, weil X ur gazzahlige Werte aehme a. Fall 3: x/ = p 0 = p 1. Es a weder die Hypothese H 0 och die Hypothese H 1 auf Grud der vorliegede Date mit ausreicheder Sicherheit abgeleht werde. Begrüdug: x/ = p 0 = p 1 spricht weder gege die Hypothese H 0 och gege die Hypothese H 1. Eie Aahme vo H 0 oder vo H 1 auf Grud der vorliegede Date ist mit ausreicheder Sicherheit aber auch icht gerechtfertigt; de eie eie Aahme vo z.b. H 0 bedeutet eie Ablehug vo p > p 0, ud dies ist recherisch gleichwertig mit eier Ablehug vo H 1. Aus der Ablehugsugleichug vo H 1 folgt: ) β x p1 ) ) p1 ) 0 = 1 β q1 l β l q 1. 0 q 1 =0 Damit muss für der Stichprobeumfag q 1 l β l q 1 gelte. Sost wird ei Ziehugsergebis zur Ablehug vo H 1 führe. Aus der Ablehugsugleichug vo H 0 folgt: ) p0 ) p0 α q 0 =x ) Damit muss für der Stichprobeumfag q 1 ) = p 0 q 0 =x q 0 α p 0 l α l p 0. l α l p 0 gelte. Sost wird ei Ziehugsergebis zur Ablehug vo H 0 führe. 69

6 9.2.3 Ei eiseitiger Test bei der hypergeometrische Verteilug X sei eie hypergeometrisch verteilte ZV mit de Parameter wird och festgelegt), M ubeat) ud. Bei der Qualitätsotrolle wäre die Zahl der Stüce i der Lieferug, M die Zahl der Stüce i der Lieferug ud der Umfag eier Stichprobe o.z. X ist also selbst scho mit eier Stichprobe vom Umfag verbude, d. h. X i etspricht abgesehe vo de verschiedee Verteiluge der ZV X i Hypothese über M : H 0 : 0 M M 0, H 1 : M 1 M, 0 M 0 M 1. Fehler 1. Art: Etscheidug gege H 0 ud damit für M > M 0 ), obwohl H 0 richtig ist. Fehler 2. Art: Etscheidug gege H 1 ud damit für M < M 1 ), obwohl H 1 richtig ist. Durchführug des Tests: Schritt 1: Lege die Höchstgreze α für die Wahrscheilicheit für eie Fehler 1. Art ud die Höchstgreze β für die Wahrscheilicheit für eie Fehler 2. Art fest. Schritt 2: Lege fest. Schritt 3: Werte eie Stichprobe vom Umfag aus, die eie Realisierug x vo X liefert. Fall 1: x/ < M 1 /. ) ) x M1 M1 =0 ) β gilt, ist die Hypothese H 1 mit ausreicheder Sicherheit abzulehe. Aderefalls a die Hypothese H 1 auf Grud der vorliegede Date icht mit ausreicheder Sicherheit abgeleht werde. Begrüdug: x/ < M 1 / spricht gege die Hypothese H 1. Um aber H 1 mit ausreicheder Sicherheit ablehe zu öe, müsse wir prüfe, ob die die Wahrscheilicheit für eie Fehler 2. Art β ist, d.h. ob die Wahrscheilicheit dafür, dass die ZV X de vorliegede Wert x oder Werte aimmt, die och mehr gege die Hypothese H 1 spreche, β ist: P X x H 1 ) P X x M = M 1 ) = x =0 M1 ) M1 ) ) = 1 ) ) ) x M1 M1? β. Die erste Ugleichug gilt, weil die Wahrscheilicheit für X x< M 1 /) für M > M 1 och leier ist als für M = M 1. Fall 2: x/ > M 0 /. ) ) M1 M1 =x ) α x 1 =0 M1 =0 ) ) M1 ) ) 1 α) gilt, ist die Hypothese H 0 mit ausreicheder Sicherheit abzulehe. Aderefalls a die Hypothese H 0 auf Grud der vorliegede Date icht mit ausreicheder Sicherheit abgeleht werde. Begrüdug: x/ > M 0 / spricht gege die Hypothese H 0. Um aber H 0 mit ausreicheder Sicherheit ablehe zu öe, müsse wir prüfe, ob die die Wahrscheilicheit für eie Fehler 70

7 1. Art α ist, d.h. ob die Wahrscheilicheit dafür, dass die ZV X de vorliegede Wert x oder Werte aimmt, die och mehr gege die Hypothese H 0 spreche, α ist: P X x H 0 ) P X x M = M 0 ) = =x M1 ) M1 ) )? α. Die erste Ugleichug gilt, weil die Wahrscheilicheit für X x> M 0 /) für M < M 0 och leier ist als für M = M 0, ud die zweite Gleichug, weil X ur gazzahlige Werte aehme a. Fall 3: x/ = M 0 / = M 1 /. Es a weder die Hypothese H 0 och die Hypothese H 1 auf Grud der vorliegede Date mit ausreicheder Sicherheit abgeleht werde. Begrüdug: x/ = M 0 / = M 1 / spricht weder gege die Hypothese H 0 och gege die Hypothese H 1. Eie Aahme vo H 0 oder vo H 1 auf Grud der vorliegede Date ist mit ausreicheder Sicherheit aber auch icht gerechtfertigt; de eie eie Aahme vo z.b. H 0 bedeutet eie Ablehug vo M > M 0, ud dies ist recherisch gleichwertig mit eier Ablehug vo H 1. 71

Tests statistischer Hypothesen

Tests 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

Mehr

Parameterschätzung. Kapitel Schätzfunktionen

Parameterschätzung. Kapitel Schätzfunktionen Kapitel 8 Parameterschätzug 8.1 Schätzfuktioe Def. 8.1.1: Es seie X 1,X,...,X uabhägige ZV, die alle die gleiche Verteilug besitze. θ sei ei ubekater Parameter dieser Verteilug. X 1,X,...,X ist als eie

Mehr

Vl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5

Vl 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

Mehr

Kapitel 5: Schließende Statistik

Kapitel 5: Schließende Statistik Kapitel 5: Schließede Statistik Statistik, Prof. Dr. Kari Melzer 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte

Mehr

Statistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik

Statistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik Statistik Kapitel 5: Schließede Statistik 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel 1» Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte der arithmetische

Mehr

(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen.

(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen. Schülerbuchseite 98 1 Lösuge vorläufig IV Beurteilede Statistik S. 98 p S. 1 p w a t Tabelle Tabelle dowloadbar im Iteretauftritt 1 Teste vo Hypothese 1 a) Erwartugswert μ = 5 ud Stadardabweichug σ = 1,6;

Mehr

Grundlagen der Biostatistik und Informatik

Grundlagen der Biostatistik und Informatik Vergleich vo mehrere Stichprobe Grudlage der Biostatisti ud Iformati Hypotheseprüfuge III., Nichtparametrische Methode dr László Smeller Semmelweis Uiversität 0 Vergleich vo mehrere Stichprobe Boferroi

Mehr

Konfidenzintervalle. Praktische Übung Stochastik SS 2017 Lektion 10 1

Konfidenzintervalle. Praktische Übung Stochastik SS 2017 Lektion 10 1 Kofidezitervalle Praktische Übug Stochastik SS 017 Lektio 10 1 Kofidezitervalle Geerelle Aahme: Parametrisches Modell (P ϑ ) ϑ Θ Beobachtuge X 1,..., X u.i.v. ach P ϑ mit ubekatem ϑ Θ Grudidee: Schätzer

Mehr

Gütefunktion und Fehlerwahrscheinlichkeiten Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = Interpretation von Testergebnissen I

Gütefunktion und Fehlerwahrscheinlichkeiten Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = Interpretation von Testergebnissen I 6 Hypothesetests Gauß-Test für de Mittelwert bei bekater Variaz 6.3 Gütefuktio ud Fehlerwahrscheilichkeite Rechtsseitiger Test (µ 0 = 500) zum Sigifikaziveau α = 0.30 6 Hypothesetests Gauß-Test für de

Mehr

2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters:

2. 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

Mehr

4 Schwankungsintervalle Schwankungsintervalle 4.2

4 Schwankungsintervalle Schwankungsintervalle 4.2 4 Schwakugsitervalle Schwakugsitervalle 4. Bemerkuge Die bekate Symmetrieeigeschaft Φ(x) = 1 Φ( x) bzw. Φ( x) = 1 Φ(x) für alle x R überträgt sich auf die Quatile N p der Stadardormalverteilug i der Form

Mehr

Übungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie

Übungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie Uiversität Müster Istitut für Mathematische Statistik Stochastik WS 203/204, Blatt Löwe/Heusel Aufgabe (4 Pukte) Übuge Abgabetermi: Freitag, 24.0.204, 0 Uhr THEMEN: Testtheorie Die Sollstärke der Rohrwäde

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl 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

Mehr

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG. - LÖSUNGEN. ypothesetest für die Dicke vo Plättche Die Dicke X vo Plättche, die auf eier bestimmte Maschie

Mehr

Kapitel 6: Statistische Qualitätskontrolle

Kapitel 6: Statistische Qualitätskontrolle Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle

Mehr

AngStat1(Ue13-21).doc 23

AngStat1(Ue13-21).doc 23 3. Ereigisse Versuchsausgäge ud Wahrscheilicheite: a) Wie wird die Wahrscheilicheit des Auftretes eies Elemetarereigisses A geschätzt? A Ω heißt Elemetarereigis we es ur eie Versuchsausgag ethält also

Mehr

3 Wichtige Wahrscheinlichkeitsverteilungen

3 Wichtige Wahrscheinlichkeitsverteilungen 26 3 Wichtige Wahrscheilicheitsverteiluge Wir betrachte zuächst eiige Verteilugsfutioe für Produtexperimete 31 Die Biomialverteilug Wir betrachte ei Zufallsexperimet zum Beispiel das Werfe eier Müze, bei

Mehr

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.

Beispiel: 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

Mehr

Tests für beliebige Zufallsvariable

Tests 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

Mehr

6. Grenzwertsätze. 6.1 Tschebyscheffsche Ungleichung

6. Grenzwertsätze. 6.1 Tschebyscheffsche Ungleichung 6. Grezwertsätze 6.1 Tschebyscheffsche Ugleichug Sofer für eie Zufallsvariable X die Verteilug bekat ist, lässt sich die Wahrscheilichkeit dafür bestimme, dass X i eiem bestimmte Itervall liegt. Wie ist

Mehr

Kapitel 9: Schätzungen

Kapitel 9: Schätzungen - 73 (Kapitel 9: chätzuge) Kapitel 9: chätzuge Betrachte wir folgedes 9. Beispiel : I eiem Krakehaus wurde Date über Zwilligsgeburte gesammelt. Bei vo 48 Paare hatte die beide Zwillige verschiedees Geschlecht.

Mehr

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0. 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12075, p-wert: 00168 f χ 2 (4)

Mehr

Empirische Verteilungsfunktion

Empirische 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,...,

Mehr

7.2 Grundlagen der Wahrscheinlichkeitsrechnung

7.2 Grundlagen der Wahrscheinlichkeitsrechnung 7.2 Grudlage der Wahrscheilichkeitsrechug Ei Ereigis heißt i Bezug auf eie Satz vo Bediguge zufällig, we es bei der Realisierug dieses Satzes eitrete ka, aber icht ubedigt eitrete muss. Def. 7.2.: Ei Experimet

Mehr

Bernoulli-Experiment und Binomialverteilung

Bernoulli-Experiment und Binomialverteilung IV Beroulli-Exerimet ud Biomialverteilug Beroulli-Exerimet ud Beroulliette Defiitio: Zufallsexerimete, bei dee ma sich ur für das Eitrete ( Treffer, Symbol ) oder das Nichteitrete ( Niete, Symbol 0 ) eies

Mehr

Musterlösung Vortragsübung Blatt 14 Vorwort. Variante der harmonischen Reihe.

Musterlösung Vortragsübung Blatt 14 Vorwort. Variante der harmonischen Reihe. Musterlösug Vortragsübug Blatt 4 Vorwort. Variate der harmoische Reihe. Folgede Aussage wird i der achfolgede Musterlösug ab ud a gebraucht ud öte sich für Sie auch außerhalb der HM durchaus als ützlich

Mehr

3 Kritischer Bereich zum Niveau α = 0.10: K = (χ 2 k 1;1 α, + ) = (χ2 5;0.90, + ) = (9.236, + ) 4 Berechnung der realisierten Teststatistik:

3 Kritischer Bereich zum Niveau α = 0.10: K = (χ 2 k 1;1 α, + ) = (χ2 5;0.90, + ) = (9.236, + ) 4 Berechnung der realisierten Teststatistik: 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 1275, p-wert: 168 8 Apassugs-

Mehr

Zenraler Grenzwertsatz

Zenraler Grenzwertsatz Zeraler Grezwertsatz Ato Klimovsky Zetraler Grezwertsatz. Kovergez i Verteilug. Normalapproximatio. I diesem Abschitt beschäftige wir us mit der folgede Frage. Frage: Wie sieht die Verteilug eier Summe

Mehr

Eingangsprüfung Stochastik,

Eingangsprüfung Stochastik, Eigagsprüfug Stochastik, 5.5. Wir gehe stets vo eiem Wahrscheilichkeitsraum (Ω, A, P aus. Die Borel σ-algebra auf wird mit B bezeichet, das Lebesgue Maß auf wird mit λ bezeichet. Aufgabe ( Pukte Sei x

Mehr

Beurteilende Statistik - Testen von Hypothesen Alternativtest

Beurteilende Statistik - Testen von Hypothesen Alternativtest Moika Kobel 26.03.2005 Hypothesetest_i.mcd Beurteilede Statistik - Teste vo Hypothese Alterativtest Bsp.: Eie Fabrik liefert Schachtel mit Schraube hoher Qualität ( 10% der Schraube sid fehlerhaft ) ud

Mehr

1. Zahlenfolgen und Reihen

1. Zahlenfolgen und Reihen . Zahlefolge ud Reihe We ma eie edliche Mege vo Zahle hat, ka ma diese i eier bestimmte Reihefolge durchummeriere: {a,a 2,...,a }. Ma spricht vo eier edliche Zahlefolge. Fügt ma immer mehr Zahle hizu,

Mehr

Lösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung

Lösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung Prof. Dr. V. Schmidt WS 200/20 G. Gaiselma, A. Spettl 7.02.20 Lösugsvorschlag Probeklausur zur Elemetare Wahrscheilichkeitsrechug Hiweis: Der Umfag ud Schwierigkeitsgrad dieser Probeklausur muss icht dem

Mehr

Übungen zu QM III Mindeststichprobenumfang

Übungen zu QM III Mindeststichprobenumfang Techische Hochschule Köl Fakultät für Wirtschafts- ud Rechtswisseschafte Prof. Dr. Arreberg Raum 221, Tel. 39 14 jutta.arreberg@th-koel.de Übuge zu QM III Mideststichprobeumfag Aufgabe 12.1 Sie arbeite

Mehr

Evaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt

Evaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt 2.4.5 Gauss-Test ud t-test für verbudee Stichprobe 2.4.5.8 Zum Begriff der verbudee Stichprobe Verbudee Stichprobe: Vergleich zweier Merkmale X ud Y, die jetzt a deselbe Persoe erhobe werde. Vorsicht:

Mehr

Kapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit

Kapitel 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

Mehr

Kleingruppen zur Service-Veranstaltung Mathematik I fu r Ingenieure bei Prof. Dr. G. Herbort im WS12/13 Dipl.-Math. T. Pawlaschyk,

Kleingruppen zur Service-Veranstaltung Mathematik I fu r Ingenieure bei Prof. Dr. G. Herbort im WS12/13 Dipl.-Math. T. Pawlaschyk, Musterlo suge zu Blatt 0 Kleigruppe zur Service-Verastaltug Mathematik I fu r Igeieure bei Prof. Dr. G. Herbort im WS/3 Dipl.-Math. T. Pawlaschyk, 9.. Theme: Kovergez vo Folge Aufgabe P (i) Sei a : k kk.

Mehr

Zahlenfolgen, Grenzwerte und Zahlenreihen

Zahlenfolgen, Grenzwerte und Zahlenreihen KAPITEL 5 Zahlefolge, Grezwerte ud Zahlereihe. Folge Defiitio 5.. Uter eier Folge reeller Zahle (oder eier reelle Zahlefolge) versteht ma eie auf N 0 erlarte reellwertige Futio, die jedem N 0 ei a R zuordet:

Mehr

Kapitel 11. Zentrale Grenzwertsätze Lokaler Grenzwertsatz von Moivre-Laplace

Kapitel 11. Zentrale Grenzwertsätze Lokaler Grenzwertsatz von Moivre-Laplace Kapitel 11 Zetrale Grezwertsätze Viele zufällige Größe i der Natur, Wirtschaft ud Gesellschaft sid das Ergebis eier Überlagerug zahlreicher leier zufälliger Eiflüsse, die weitgehed uabhägig voeiader wire.

Mehr

Diskrete Zufallsvariablen

Diskrete Zufallsvariablen Erste Beispiele diskreter Verteiluge Diskrete Zufallsvariable Beroulli-Verteilug Eie diskrete Zufallsvariable heißt beroulliverteilt mit arameter p, falls sie die Wahrscheilichkeitsfuktio p,, f ( ) ( )

Mehr

14 Statistische Beziehungen zwischen nomi nalen Merkmalen

14 Statistische Beziehungen zwischen nomi nalen Merkmalen 14 Statistische Beziehuge zwische omi ale Merkmale 14.1 Der Chi Quadrat Test auf Uabhägigkeit für Vier Feldertafel 14.2 Der Chi Quadrat Test auf Uabhägigkeit für r s Kotigeztafel 14.3 Zusammmehagsmaße

Mehr

Schätzen von Populationswerten

Schätzen 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:

Mehr

Forschungsstatistik I

Forschungsstatistik 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/

Mehr

X X Schätzen von Vertrauensintervallen Schwankungsintervall

X X Schätzen von Vertrauensintervallen Schwankungsintervall .. Schätze vo Vertrauesitervalle..1. Schwakugsitervall Beispiel: X = Betrag vo Geldüberweisuge, ormalverteilt, µ = 5000, = 1000 Zufallsstichprobe mit = 100, Schätzer für µ: X X Gesucht: Itervall, i dem

Mehr

Korrekturrichtlinie zur Studienleistung Wirtschaftsmathematik am 22.12.2007 Betriebswirtschaft BB-WMT-S11-071222

Korrekturrichtlinie zur Studienleistung Wirtschaftsmathematik am 22.12.2007 Betriebswirtschaft BB-WMT-S11-071222 Korrekturrichtliie zur Studieleistug Wirtschaftsmathematik am..007 Betriebswirtschaft BB-WMT-S-07 Für die Bewertug ud Abgabe der Studieleistug sid folgede Hiweise verbidlich: Die Vergabe der Pukte ehme

Mehr

Proseminar: Mathematisches Problemlösen. Ungleichungen 2. Pierre Schmidt. Vortragstermin: 19. Juni Fakultät für Mathematik

Proseminar: Mathematisches Problemlösen. Ungleichungen 2. Pierre Schmidt. Vortragstermin: 19. Juni Fakultät für Mathematik Prosemiar: Mathematisches Problemlöse Ugleichuge Pierre Schmidt Vortragstermi: 19. Jui 015 Übugsleiteri: Dr. Natalia Griberg Fakultät für Mathematik Karlsruher Istitut für Techologie Ihaltsverzeichis 1

Mehr

Korrekturliste zum Studienbuch Statistik

Korrekturliste zum Studienbuch Statistik Korrekturlite zum Studiebuch Statitik I der aktuelle Auflage wurde durch ei Kovertierugproblem i de Kapitel 0 (S. 3 3 ud de etprechede Abchitte i de Löuge (S. 39 07 teilweie die Zeiche µ durch ud π durch

Mehr

Wirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel

Wirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Beispiel: Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische

Mehr

4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa

4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa 20 I. Zahle, Kovergez ud Stetigkeit 4 Kovergete Folge 4. Dezimalzahle ud Itervallschachteluge. a) Reelle Zahle werde meist als Dezimalzahle dargestellt, etwa 7,304 = 0+7 +3 0 +0 00 +4 000. Edliche Dezimalzahle

Mehr

AUFGABEN. Verständnisfragen

AUFGABEN. Verständnisfragen AUFGABEN Gelegetlich ethalte die Aufgabe mehr Agabe, als für die Lösug erforderlich sid. Bei eiige adere dagege werde Date aus dem Allgemeiwisse, aus adere Quelle oder sivolle Schätzuge beötigt. eifache

Mehr

Konfidenzintervall_fuer_pi.doc Seite 1 von 6. Konfidenzintervall für den Anteilswert π am Beispiel einer Meinungsumfrage

Konfidenzintervall_fuer_pi.doc Seite 1 von 6. Konfidenzintervall für den Anteilswert π am Beispiel einer Meinungsumfrage Kofidezitervall_fuer_pi.doc Seite 1 vo 6 Kofidezitervall für de Ateilswert π am Beispiel eier Meiugsumfrage Nach eier Meiugsumfrage der Wochezeitug Bezirksblatt vom März 005, ei halbes Jahr vor de Ladtagswahle

Mehr

Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2015/2016. Aufgabe 1

Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2015/2016. Aufgabe 1 Lehrstuhl für Statistik ud Ökoometrie der Otto-Friedrich-Uiversität Bamberg Prof. Dr. Susae Rässler Klausur zu Methode der Statistik II (mit Kurzlösug) Witersemester 2015/2016 Aufgabe 1 Die leideschaftliche

Mehr

Wirksamkeit, Effizienz

Wirksamkeit, 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

Mehr

Bernsteinpolynome Vortrag zum Proseminar zur Analysis, Malte Milatz

Bernsteinpolynome Vortrag zum Proseminar zur Analysis, Malte Milatz Bersteipolyome Vortrag zum Prosemiar zur Aalysis, 6. 10. 2010 Malte Milatz I diesem Vortrag wird der bereits im Sript zur Aalysis ii zitierte Approximatiossatz vo Weierstraß mithilfe der Bersteipolyome

Mehr

Stichproben im Rechnungswesen, Stichprobeninventur

Stichproben im Rechnungswesen, Stichprobeninventur Stichprobe im Rechugswese, Stichprobeivetur Prof Dr Iree Rößler ud Prof Dr Albrecht Ugerer Duale Hochschule Bade-Württemberg Maheim Im eifachste Fall des Dollar-Uit oder Moetary-Uit Samplig (DUS oder MUS-

Mehr

Das kollektive Risikomodell. 12. Mai 2009

Das kollektive Risikomodell. 12. Mai 2009 Kirill Rudik Das kollektive Risikomodell 12. Mai 2009 4.1 Eileitug Wir betrachte i diesem Kapitel die Gesamtforderuge im Laufe eies Jahres. Beim Abschluss eies Versicherugsvertrages weiß der Versicherer

Mehr

Statistische Tests zu ausgewählten Problemen

Statistische Tests zu ausgewählten Problemen Eiführug i die statistische Testtheorie Statistische Tests zu ausgewählte Probleme Teil : Tests für Erwartugswerte Statistische Testtheorie I Eiführug Beschräkug auf parametrische Testverfahre Beschräkug

Mehr

Elementarstatistik für Umweltwissenschaftler

Elementarstatistik für Umweltwissenschaftler Elemetarstatistik für Umweltwisseschaftler Skript zur Vorlesug Witersemester 010/011 vo Dr. Domiik Faas Istitut für Mathematik Fachbereich 7: Natur- ud Umweltwisseschafte Uiversität Koblez-Ladau Ei besoderer

Mehr

24 Konvergente Teilfolgen und Cauchy-Kriterium

24 Konvergente Teilfolgen und Cauchy-Kriterium 120 IV. Uedliche Reihe ud Taylor-Formel 24 Kovergete Teilfolge ud Cauchy-Kriterium Lerziele: Kozepte: Teilfolge, Häufugswerte, Limes superior ud iferior, Cauchy-Folge Resultate: Satz vo Bolzao-Weierstraß,

Mehr

Schätzen von Populationswerten

Schätzen 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

Mehr

Nachklausur - Analysis 1 - Lösungen

Nachklausur - Analysis 1 - Lösungen Prof. Dr. László Székelyhidi Aalysis I, WS 212 Nachklausur - Aalysis 1 - Lösuge Aufgabe 1 (Folge ud Grezwerte). (i) (1 Pukt) Gebe Sie die Defiitio des Häufugspuktes eier reelle Zahlefolge (a ) N. Lösug:

Mehr

KAPITEL 8. Zahlenreihen. 8.1 Geometrische Reihe Konvergenzkriterien Absolut konvergente Reihen

KAPITEL 8. Zahlenreihen. 8.1 Geometrische Reihe Konvergenzkriterien Absolut konvergente Reihen KAPITEL 8 Zahlereihe 8. Geometrische Reihe................................. 53 8.2 Kovergezkriterie................................. 54 8.3 Absolut kovergete Reihe............................ 64 Lerziele

Mehr

Korrelationsanalyse zwischen kategorischen Merkmalen. Kontingenztabellen. Chi-Quadrat-Test

Korrelationsanalyse zwischen kategorischen Merkmalen. Kontingenztabellen. Chi-Quadrat-Test Kotigeztabelle. Chi-Quadrat-Test Korrelatiosaalyse zwische kategorische Merkmale Beispiel 1 ohe Frau 8 75 1 Ma 48 49 97 76 14? Häufigkeitstabelle (Kotigeztabelle): eie tabellarische Darstellug der gemeisame

Mehr

Statistik I/Empirie I

Statistik I/Empirie I Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass

Mehr

1. Einführung. 1 A (T (x 1,..., x n )) P θ (dx 1 )... P θ (dx n ) X. P θ {T n (X 1,..., X n ) A} =

1. Einführung. 1 A (T (x 1,..., x n )) P θ (dx 1 )... P θ (dx n ) X. P θ {T n (X 1,..., X n ) A} = . Eiführug Bezeichuge: Der durch die Zufallsgröße X defiierte Wahrscheilichkeitsraum [X, B, P X ] heißt auch die Grudgesamtheit X. B ist die σ-algebra der Borelmege aus X. Vielfach wird die Grudgesamtheit

Mehr

Übungsblatt 1 zur Vorlesung Angewandte Stochastik

Übungsblatt 1 zur Vorlesung Angewandte Stochastik Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche

Mehr

Bei 95%iger Konfidenz wäre der Mittelwert der GG zwischen 1421,17DM und 1778,83DM zu erwarten.

Bei 95%iger Konfidenz wäre der Mittelwert der GG zwischen 1421,17DM und 1778,83DM zu erwarten. Aufgabe 36 (S. 346: Schätzverfahre für Mittelwert ud Stadardabweichug a Puktschätzuge für µ aufgrud der Werte der kleie Stichprobe aus Aufgabe 3 Bei eier Puktschätzug wird für de zu schätzede Parameter

Mehr

Über die Verteilung der Primzahlen

Über die Verteilung der Primzahlen Über die Verteilug der Primzahle Scho dem juge Carl Friedrich Gauss drägte sich die Vermutug auf, dass die Azahl π( aller Primzahle p uterhalb der positive Schrae dem Gesetz π( log lim = 1 gehorcht. (Mit

Mehr

Normalverteilung. Standardnormalverteilung. Intervallwahrscheinlichkeiten. Verteilungsfunktion

Normalverteilung. Standardnormalverteilung. Intervallwahrscheinlichkeiten. Verteilungsfunktion Normalverteilug Stadardormalverteilug Normalverteilug N(μ, ) mit ichte : Gaußche Glockekurve μ μ μ+ μ >, f ( ) = ( μ) WS 6/7 Prof. r. J. Schütze, FB GW NV π Eigechafte der ichte: - Maimum i μ - mmetrich

Mehr

Stochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten

Stochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten Kapitel 2 Stochastische Uabhägigkeit, bedigte Wahrscheilichkeite 2.1 Stochastische Uabhägigkeit vo Ereigisse Im Folgede gehe wir vo eiem W-Raum (Ω, A, P aus. Der Begriff der stochastische Uabhägigkeit

Mehr

3. Einführung in die Statistik

3. 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 ; : :

Mehr

11 Likelihoodquotiententests

11 Likelihoodquotiententests 11 Likelihoodquotietetests I de Paragraphe 7-10 wurde beste Tests UMP-Tests oder UMPU-Tests i spezielle Verteilugssituatioe hergeleitet Hier soll u ei allgemeies Kostruktiosprizip für Tests vo zusammegesetzte

Mehr

4. Der Weierstraßsche Approximationssatz

4. Der Weierstraßsche Approximationssatz H.J. Oberle Approximatio WS 213/14 4. Der Weierstraßsche Approximatiossatz Wir gebe i diesem Abschitt eie ostrutive Beweis des Weierstraßsche Approximatiossatzes, der mit de so geate Berstei-Polyome (Felix

Mehr

Prof. Dr. Roland Füss Statistik II SS 2008

Prof. 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

Mehr

n (n + 1) = 1(1 + 1)(1 + 2) 3 Induktionsschritt: Angenommen die Gleichung gilt für n N. Dann folgt: 1 2 = 2 =

n (n + 1) = 1(1 + 1)(1 + 2) 3 Induktionsschritt: Angenommen die Gleichung gilt für n N. Dann folgt: 1 2 = 2 = Aufgabe 1: (6 Pukte) Zeige Sie für alle N die Formel: 1 2 + 2 3 + 3 4 +... + ( + 1) = ( + 1)( + 2). 3 Lösug: Beweis durch vollstädige Iduktio. Iduktiosafag: Für = 1 gilt: 1 2 = 2 = 1(1 + 1)(1 + 2) 3 Iduktiosschritt:

Mehr

TESTEN VON HYPOTHESEN

TESTEN VON HYPOTHESEN TESTEN VON HYPOTHESEN 1. Grudlage Oft hat ma Vermutuge zu Sachverhalte ud möchte diese gere durch Experimete bestätige. Dabei ka es sich i der Praxis zum Beispiel um Verteiluge vo gewisse Zufallsgröße

Mehr

Parametrische Einstichprobentests

Parametrische Einstichprobentests Parametrische Eistichprobetests Eiführug ud Begriffe beim Hypothesetest Hypothesetest für de Mittelwert Hypothesetest für die Variaz Hypothesetest für de Ateilswert Lehrstuhl Statistik Testverfahre I Bibliografie

Mehr

Übungsaufgaben II. Übungsaufgaben II. f) Wie groß ist die Wahrscheinlichkeit, dass er mindestens 1 richtige Antworten. ankreuzt?

Übungsaufgaben II. Übungsaufgaben II. f) Wie groß ist die Wahrscheinlichkeit, dass er mindestens 1 richtige Antworten. ankreuzt? Berufsolleg Marieschule Lippstadt Schuljahr /7 Kurs: Mathemati AHR. Berufsolleg Marieschule Lippstadt Schuljahr /7 Kurs: Mathemati AHR. Aufgabe Ei Multiple-Choise-Test besteht aus Frage für die jeweils

Mehr

Die vollständige Induktion - Lösungen 1. Aufgabe: Sind die folgenden Aussageformen in N allgemeingültig?

Die vollständige Induktion - Lösungen 1. Aufgabe: Sind die folgenden Aussageformen in N allgemeingültig? Start Mathematik Lektioe i Aalysis Aufgabe zur vollstädige Iduktio Die vollstädige Iduktio - Lösuge. Aufgabe: Sid die folgede Aussageforme i N allgemeigültig? a) We ei Vielfaches vo ist, da ist eie gerade

Mehr

Methoden: Heron-Verfahren, Erweiterung von Differenzen von Quadratwurzeln

Methoden: Heron-Verfahren, Erweiterung von Differenzen von Quadratwurzeln 6 Kovergete Folge Lerziele: Kozepte: Grezwertbegriff bei Folge, Wachstumsgeschwidigkeit vo Folge Resultat: Mootoe beschräkte Folge sid koverget. Methode: Hero-Verfahre, Erweiterug vo Differeze vo Quadratwurzel

Mehr

SUCHPROBLEME UND ALPHABETISCHE CODES

SUCHPROBLEME UND ALPHABETISCHE CODES SUCHPROBLEME UND ALPHABETISCHE CODES Der Problematik der alphabetische Codes liege Suchprobleme zugrude, dere Lösug dem iformatiostheoretische Problem der Fidug eies (optimale) alphabetische Codes gleich

Mehr

α : { n Z n l } n a n IR

α : { n Z n l } n a n IR 1 KAPITEL VI. ZAHLENFOLGEN UND REIHEN 1) REELLE ZAHLENFOLGEN: i) Jede Abbildug α : IN a IR heiÿt 'reelle Zahlefolge' bzw. 'Folge i IR'. Ma otiert diese i der Form α = a ) IN = a ) =0 = a 0, a 1, a 2,...)

Mehr

Analysis I Lösungsvorschläge zum 3. Übungsblatt Abgabe: Bis Donnerstag, den , um 11:30 Uhr

Analysis I Lösungsvorschläge zum 3. Übungsblatt Abgabe: Bis Donnerstag, den , um 11:30 Uhr Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Dipl.-Math. Lars Machiek Dipl.-Math. Sebastia Schwarz WS 206/207 03..206 Aalysis I Lösugsvorschläge zum 3. Übugsblatt Abgabe:

Mehr

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39

Statistik 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

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik 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

Mehr

1. Folgen ( Zahlenfolgen )

1. Folgen ( Zahlenfolgen ) . Folge ( Zahlefolge Allgemeies Beispiel für eie regelmäßige Folge: /, /3, /4, /5, /6,... Das erste Glied ist a =/ Das ist das Glied mit dem Ide Das zweite Glied ist a =/3 Das ist das Glied mit dem Ide

Mehr

Lösungen zum Ferienkurs Analysis 1, Vorlesung 2 Wintersemester 2014/2015

Lösungen zum Ferienkurs Analysis 1, Vorlesung 2 Wintersemester 2014/2015 Lösuge zum Feriekurs Aalysis, Vorlesug Witersemester 04/05 Fabia Hafer, Thomas Baldauf I Richtig oder Falsch Sid folgede Aussage richtig oder falsch? Korrigiere bzw. ergäze Sie falsche Aussage. Gebe Sie

Mehr

15.4 Diskrete Zufallsvariablen

15.4 Diskrete Zufallsvariablen .4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet

Mehr

Übungen mit dem Applet erwartungstreu

Übungen 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

Mehr

Fakultät für Wirtschafts- und Rechtswissenschaften

Fakultät für Wirtschafts- und Rechtswissenschaften F A C H H O C H S C H U L E K Ö L N Fakultät für Wirtschafts- ud Rechtswisseschafte F O R M E L S A M M L U N G Deskriptive Statistik Iduktive Statistik Herausgeber: c 2004 Fachgruppe Quatitative Methode

Mehr

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008 Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe

Mehr

Innerbetriebliche Leistungsverrechnung

Innerbetriebliche Leistungsverrechnung Ierbetriebliche Leistugsverrechug I der Kostestellerechug bzw. im Betriebsabrechugsboge (BAB ist ach der Erfassug der primäre Kostestellekoste das Ziel, die sekudäre Kostestellekoste, also die Koste der

Mehr

Grenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen

Grenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen . Der Grezwert vo mootoe, beschräkte Folge Der Grezwert vo mootoe, beschräkte Folge ist eifacher verstädlich als der allgemeie Fall. Deshalb utersuche wir zuerst diese Spezialfall ud verallgemeier aschliessed.

Mehr

Schätzung der Kovarianzmatrix

Schätzung der Kovarianzmatrix Schätzug der Kovariazmatrix Aus eiem Esemble vo Beobachtuge {x i } ka die Kovariazmatrix (Zetralmomete) geschätzt werde: C = E{( x µ )( x µ ) } = R µ µ xx x x xx x x ˆ 1 C ˆ ˆ xx = xk µ x xk µ x k = 1

Mehr

Konvexität und Ungleichungen

Konvexität und Ungleichungen Koveität ud Ugleichuge Tag der Mathematik 2003 Holger Stepha Weierstraß Istitut für Agewadte Aalysis ud Stochastik http://www.wias-berli.de/people/stepha = Für mathematisch iteressierte Schüler = Folie

Mehr

Niveaubestimmende Aufgabe zum Fachlehrplan Mathematik Gymnasium

Niveaubestimmende Aufgabe zum Fachlehrplan Mathematik Gymnasium Niveaubestimmede Aufgabe zum Fachlehrpla Mathematik Gymasium Kreistagswahl (Schuljahrgäge 11/1) (Arbeitsstad: 07.07.016) Niveaubestimmede Aufgabe sid Bestadteil des Lehrplakozeptes für das Gymasium ud

Mehr

Michael Buhlmann Mathematik > Analysis > Newtonverfahren

Michael Buhlmann Mathematik > Analysis > Newtonverfahren Michael Buhlma Mathematik > Aalysis > Newtoverfahre Eie Abbildug {a }: N -> R, die jeder atürliche Zahl eie reelle Zahl a zuordet, heißt (uedliche (Zahle- Folge: -> a oder {a } εn, a das -te Folgeglied.

Mehr

Testverfahren zur Prüfung von Hypothesen über Parameter oder Verteilungen

Testverfahren zur Prüfung von Hypothesen über Parameter oder Verteilungen Testverfahre zur Prüfug vo Hypothese über Parameter oder Verteiluge Eiführug ud Begriffe beim Hypothesetest Hypothesetest für de Mittelwert Testverfahre I 1 Bibliografie Prof. Dr. Kück Uiversität Rostock

Mehr

Aufgaben und Lösungen der Probeklausur zur Analysis I

Aufgaben und Lösungen der Probeklausur zur Analysis I Fachbereich Mathematik AG 5: Fuktioalaalysis Prof. Dr. K.-H. Neeb Dipl.-Math. Rafael Dahme Dipl.-Math. Stefa Wager ATECHNISCHE UNIVERSITÄT DARMSTADT SS 007 19. Jui 007 Aufgabe ud Lösuge der Probeklausur

Mehr

Testverfahren zur Prüfung von Hypothesen über Parameter oder Verteilungen. Einstichprobentest für die Varianz einer Normalverteilung

Testverfahren zur Prüfung von Hypothesen über Parameter oder Verteilungen. Einstichprobentest für die Varianz einer Normalverteilung Testverfahre zur Prüfug vo Hypothese über Parameter oder Verteiluge Eistichprobetest für die Variaz eier Normalverteilug Eistichprobetest für de Ateilswert Zweistichprobetests zum Vergleich zweier arithmetischer

Mehr

Klausur 1 über Folgen

Klausur 1 über Folgen www.mathe-aufgabe.com Klausur über Folge Hiweis: Der GTR darf für alle Aufgabe eigesetzt werde. Aufgabe : Bestimme eie explizite ud eie rekursive Darstellug! a) für eie arithmetische Folge mit a = 6, ;

Mehr