13. Übungswoche. Kapitel 12: Varianzanalyse (Fortsetzung)
|
|
- Arwed Falk
- vor 7 Jahren
- Abrufe
Transkript
1 1 13. Übungswoche Kapitel 12: Varianzanalyse (Fortsetzung) [ 3 ] Im Vorkurs Mathematik für Wirtschafstwissenschaftler vor Beginn des Sommersemesters 2009 wurde am Anfang und am Ende ein Test geschrieben, in dem jeweils 18 Punkte erreicht werden konnten. Für die 75 Teilnehmer, die an beiden Tests teilgenommen haben, wurde die Differenz der Punktzahlen aus dem Nach- und Vortest berechnet und in Verbesserung gespeichert. In gruppe wurde eine modifizierte Gruppennumer gespeichert, so dass Außenstehende nicht auf die tatsächliche Gruppe schließen können > anova(aov(verbesserung~factor(gruppe))) Analysis of Variance Table Response: Verbesserung Df Sum Sq Mean Sq F value Pr(>F) factor(gruppe) *** Residuals Signif. codes: 0 *** ** 0.01 * a) Interpretieren Sie den Boxplot. Gibt es Unterschiede zwischen den Gruppen. b) Aus welchen in der obigen R-Ausgabe gegebenen Zahlen erhält man den F value. c) Mit welchem R-Befehl können Sie den P-Wert Pr(>F) berechnen?
2 2 d) Mit welchem R-Befehl können Sie den F value bestimmen, wenn der P-Wert Pr(>F) mit gegeben ist. e) Welche Hypothese wird mit dem F value geprüft? f) Was bedeutet *** nach ? g) Würden Sie die Hypothese ablehnen, wenn Ihnen α = bzw. α = vorgeschrieben ist? h) Wie groß ist die Irrtumswahrscheinlichkeit, wenn Sie die Hypothese bei diesem F value verwerfen? i) Die folgende Abbildung zeigt die Dichtefunktion der Prüfgröße unter der Nullhypothese. Skizzieren Sie den P-Wert. 1.0 Dichtefunktion unter der Nullhypothese f(x) x j) Füllen Sie die aus der Vorlesung bekannte Tabelle der Varianzanalyse aus: FG SQ(Res) DQ(Res) F(oderPG) Differenz Modell 1 Modell 2
3 3 [ 4 ] Beispiel mit R Mit Hilfe einer Varianzanalyse soll bei einem medizinischem Experiment die Auswirkung verschiedener Medikamente i(i =1,..., 4) auf die Länge von Hasenföten untersucht werden. Die gemessenen Daten liegen in R im Datensatz Foeten in einer zweispaltigen Tabelle vor. Die einzelnen Spalten können mit Medikament bzw. Laenge aufgerufen werden. Das Ergebnis eines bestimmten R-Befehls ergibt folgende Ausgabe: Analysis of Variance Table Response: Laenge Df Sum Sq Mean Sq F value Pr(>F) factor(medikament) Residuals Welche der folgenden Aussagen sind WAHR? Kreuzen Sie sie an. a) Der Befehl anova(aov(laenge factor(medikament))) erzeugt die obige R- Ausgabe. b) Es liegen insgesamt 104 Beobachtungen vor. c) Die Summe der Quadrate für das Modell 2 ist d) Unter der Nullhypothese gilt P(PG < ) = e) Die Prüfgröße ist F-verteilt mit 100 und 103 Freiheitsgraden. f) Der R-Befehl 1 -pf(1.4092,3,100) ergibt abgesehen von etwaigen Rundungen die Ausgabe g) Die Verteilungsfunktion der F-Verteilung mit 3 und 103 Freiheitsgraden hat an der Stelle den Wert
4 4 Kapitel 13: Zeitreihen und Indizes [ 1 ] Die folgende Tabelle enthält die Jahreshöchstpreise von Gold am London Bullion Market seit 1968 in US-Dollar pro Unze (Quelle: Wikipedia). Die Preise wurden hier auf ganze Dollar gerundet. Jahr Höchstpreis a = 1 a = 3 a = a) Stellen Sie die Zeitreihe in der folgenden Abbildung graphisch dar.
5 Goldpreis Jahr b) Berechnen Sie die fehlenden Werte der gleitenden Durchschnitte für a = 1,3 und 5 und zeichnen Sie den Trend ebenfalls in die Graphik mit ein. c) Mit welchem R-Befehl kann man den Trend berechnen. Nehmen Sie an, dass die Goldpreise unter Gold gespeichert sind. [ 2 ] Die folgende Tabelle enthält die Zahl der Studierenden an der Universität Göttingen vom SS2004 bis zum WS 2008/2009(Quelle: Stadt Göttingen, Fachdienst Statistik und Wahlen, Göttinger Statistik Journal 4/2008). Semester Anzahl Trend Anzahl - Trend Saisonkomponente Residuum SS WS2004/ SS WS2005/ SS WS2006/ SS WS2007/ SS WS2008/
6 6 Die folgende Abbildung zeigt die graphische Darstellung der Zeitreihe. 25 Studierende in Tausend SS04 SS05 SS06 SS07 SS08 Semester a) Berechnen Sie einen für diese Daten geeigneten Trend. b) Zeichnen Sie den Trend in die obige Graphik ein. c) Berechnen Sie die Saisonkomponente. d) Berechnen Sie die Residuen und stellen Sie diese graphisch dar.
7 7 [ 3 ] Zeitreihe, additives und multiplikatives Modell Welche der folgenden Aussagen sind WAHR? Kreuzen Sie sie an. a) Man spricht von einer Zeitreihe, wenn eine Variable zu verschiedenen aufeinanderfolgenden Zeitpunkten beobachtet wird. b) Verwendet man ein additives Modell für eine Zeitreihe, so ist der beobachtete Wert der Variablen gleich der Summe aus dem Trend und der Saisonkomponente. c) Bei einer Zeitreihe mit steigendem Trend ist oft ein multiplikatives Modell für die Beschreibung der Daten geeignet, wenn die Saisonschwankungen mit der Zeit deutlich größer werden. d) Wird das multiplikative Modell verwendet, so folgen die Logarithmen der Zeitreihe einem additiven Modell. e) Das Ziel einer logarithmischen oder anderen Transformation der Daten ist es, die Saisonschwankungen konstant zu machen. f) Ein Nachteil des multiplikativen Modells ist es, dass man keine Zerlegung der Ursprungsdaten erhalten kann. g) Saisonkomponente und Saisonfaktor bedeuten dasselbe. [ 4 ] In den folgenden Tabellen und Grafiken sind die durchschnittlichen Verbrauchsmengen (pro Monat) sowie die Preise für Milch, Butter und Käse für Beamten- und Angestelltenhaushalte in den Jahren 1990 bis 1998 abgebildet. Beamte: Jahr Gut i q i 0 p i 0 q i 1 p i 1 q i 2 p i 2 q i 3 p i 3 q i 4 p i 4 Milch [l] Butter [g] Käse [g] Jahr Gut i q i 5 p i 5 q i 6 p i 6 q i 7 p i 7 q i 8 p i 8 Milch [l] Butter [g] Käse [g]
8 8 Angestellte: Jahr Gut i q0 i p i 0 q1 i p i 1 q2 i p i 2 q3 i p i 3 q4 i p i 4 Milch [l] Butter [g] Käse [g] Jahr Gut i q5 i p i 5 q6 i p i 6 q7 i p i 7 q8 i p i 8 Milch [l] Butter [g] Käse [g] sei das Basisjahr. Berechnen Sie jeweils, d.h. für Beamten- und Angestelltenhaushalte a) den Preisindex nach Laspeyres für das Jahr 1992 b) den Preisindex nach Paasche für das Jahr 1996 c) den Mengenindex nach Laspeyres für das Jahr 1994 d) den Mengenindex nach Paasche für das Jahr 1995 e) den Umsatzindex für das Jahr 1998
9 9 [ 5 ] Preismessziffern Welche der folgenden Aussagen sind WAHR? Kreuzen Sie sie an. a) Eine Preismessziffer vergleicht die Preise zum Zeitpunkt t mit dem Preis einer Basisperiode t = 0. b) Ist die monatlich berechnete Preismessziffer zum Zeitpunkt t gleich 1.30, so bedeutet dies, dass der Preis im Vergleich zum Vormonat um 30% gestiegen ist. c) Ist die Preismessziffer zum Zeitpunkt t gleich 1.20, so bedeutet dies, dass der Preis im Vergleich zum Basisjahr um 20% gestiegen ist. d) Preisindizes werden als gewichtete Durchschnitte der Preismessziffern berechnet, wobei der Gewichtungsfaktor als Umsatzanteil des Gutes am Gesamtumsatz zu interpretieren ist. [ 6 ] Preisindizes Welche der folgenden Aussagen sind WAHR? Kreuzen Sie sie an. a) Der Verbraucherpreisindex ist ein gewichteter Durchschnitt der Umsätze der wichtigsten Verbrauchsgüter für einen typischen Haushalt. b) Preisindizes werden als gewichtete Durchschnitte der Preismessziffern berechnet, wobei der Gewichtungsfaktor als Umsatzanteil des Gutes am Gesamtumsatz zu interpretieren ist. c) Beim Preisindex nach Laspeyres sind die Gewichtungsfaktoren der einzelnen Güter des Warenkorbes zeitlich konstant. d) Beim Preisindex nach Laspeyres bleiben Änderungen der Mengen mit der Zeit unberücksichtigt. e) Beim Preisindex nach Paasche sind die Gewichtungsfaktoren von der Zeit abhängig, weil die Gewichtungsfaktoren die Preise zur Zeit t enthalten. Alte Klausuraufgaben [ 7 ] Punkte: 2 IV07S2 Bei einer Varianzanalyse mit I = 5 Gruppen ergab sich die folgende unvollständige Arbeitstabelle. Berechnen Sie die Prüfgröße F. Modell FG SQ(Res) DQ(Res) F Differenz M M F =
10 10 [ 8 ] Punkte: 4 WS08S2 Gegeben sei die folgende Zeitreihe mit Quartalsdaten und Saisonschwankungen I II III IV I II III IV I II III IV t x t T t ??? Berechnen Sie die Saisonkomponente für das Quartal II, sowie das Residual e 10. S II = e 10 = [ 9 ] Punkte: 4 WS08S2 Die folgende Tabelle enthält die Preise und Mengen von vier Produkten in den Jahren 2002 und 2006: Produkt Menge Preis Menge Preis A B C D Berechnen Sie für das Jahr 2006 den Mengenindex nach Paasche Q P t und den Preisindex nach Laspeyres Pt L, jeweils bezogen auf das Basisjahr Runden Sie Ihre Ergebnisse in Prozent jeweils auf die nächste ganze Zahl. Q P t = P L t =
13. Übungswoche - Lösungen
1 13. Übungswoche - Lösungen Kapitel 12: Varianzanalyse (Fortsetzung) [ 3 ] a) Es gibt deutliche Unterschiede, die Gruppen 2, 3, 7 und 9 liegen deutlich tiefer. b) F = DQ(gruppe)/DQ(Residuals) = 25.13/6.19
Mehr[ 1 ] Welche der folgenden Aussagen sind WAHR? Kreuzen Sie sie an.
13 Zeitreihenanalyse 1 Kapitel 13: Zeitreihenanalyse A: Übungsaufgaben: [ 1 ] 1 a a) Nach der Formel x t+i berechnet man einen ein f achen gleitenden Durchschnitt. 2a + 1 i= a b) Die Residuale berechnet
MehrProdukt Basisjahr Berichtsjahr Basisjahr Berichtsjahr
14 Indizes 1 Kapitel 14: Indizes A: Übungsaufgaben: [ 1 ] 1 8 10 13000 10000 2 5 6 15000 15000 3 14 15 12000 10000 4 8 10 10000 6000 Berechnen Sie den nindex nach Paasche. Q P [ 2 ] 1 80 100 13 10 2 32
MehrLösungsvorschläge zur Klausur Beschreibende Statistik und Wirtschaftsstatistik (Sommersemester 2013)
Lösungsvorschläge zur Klausur Beschreibende Statistik und Wirtschaftsstatistik (Sommersemester 203) Aufgabe (9 Punkte) Ein metrisches Merkmal X sei in einer Grundgesamtheit vom Umfang n = 200 diskret klassiert.
MehrEine Einführung in R: Varianzanalyse
Eine Einführung in R: Varianzanalyse Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig 13. Januar 2009 Bernd Klaus, Verena Zuber Das
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 41 Übersicht Struktur eines Hypothesentests Stichprobenverteilung t-test: Einzelner-Parameter-Test F-Test: Multiple lineare Restriktionen 2 / 41 Struktur
MehrStatistik Zusätzliche Beispiele SS 2018
Statistik Zusätzliche Beispiele SS 208 Blatt : Beschreibende Statistik. Das jährliche Haushaltseinkommen der Privathaushalte einer bestimmten Stadt für das Jahr 208 ist in der folgenden Tabelle zusammengefasst:
MehrEinleitung. Statistik. Bsp: Ertrag Weizen. 6.1 Einfache Varianzanalyse
Einleitung Statistik Institut für angewandte Statistik & EDV Universität für Bodenkultur Wien Der Begriff Varianzanalyse (analysis of variance, ANOVA) taucht an vielen Stellen in der Statistik mit unterschiedlichen
MehrAppendix: Indizes. Kapitel 1. Ökonometrie I Michael Hauser
1 / 14 Appendix: Indizes Kapitel 1 Ökonometrie I Michael Hauser 2 / 14 Inhalt Indizes: Preis-, Mengen-, Umsatzindizes Verkettung und Umbasieren von Indizes 3 / 14 Index Ein Index ist eine aggregierte Maßzahl.
MehrVarianzkomponentenschätzung
Qualitas AG Varianzkomponentenschätzung Peter von Rohr Qualitas AG Peter von Rohr Folien ZL I+II LFW C11 October 29, 2015 2 / 23 Multiple Lineare Regression Annahmen Modell y = Xb + e Varianz der Fehler
MehrStatistik Zusätzliche Beispiele WS 2018/19
Statistik Zusätzliche Beispiele WS 2018/19 Blatt 1: Beschreibende Statistik 1. In der nachstehenden Tabelle sind die Mietpreise (in e/m 2 ) von Zwei-Zimmer-Miet-wohnungen in vergleichbarer Wohnlage, die
MehrEine Einführung in R: Varianzanalyse
Eine Einführung in R: Varianzanalyse Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig 6. Januar 2011 Bernd Klaus, Verena Zuber Das
Mehra) Nennen Sie die verschiedenen Ebenen der amtlichen Statistik in Deutschland und die dafür zuständigen Behörden.
Statistik I, SS 2005, Seite 1 von 9 Statistik I Hinweise zur Bearbeitung Hilfsmittel: - Taschenrechner (ohne Datenbank oder die Möglichkeit diesen zu programmieren) - selbst erstellte Formelsammlung für
MehrAuswertung und Lösung
Körperkraft [Nm] 0 50 100 150 200 250 0 20 40 60 80 Lean Body Mass [kg] Dieses Quiz soll Ihnen helfen, den R Output einer einfachen linearen Regression besser zu verstehen (s. Kapitel 5.4.1) Es wurden
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen Faktorielle Varianzanalyse
Wahrscheinlichkeitsrechnung und Statistik für Biologen Faktorielle Varianzanalyse Dirk Metzler & Martin Hutzenthaler 15. Juni 2010 Inhaltsverzeichnis 1 Die einfaktorielle Varianzanalyse und der F -Test
MehrDeskriptive Statistik
Helge Toutenburg Christian Heumann Deskriptive Statistik Eine Einführung in Methoden und Anwendungen mit R und SPSS Siebte, aktualisierte und erweiterte Auflage Mit Beiträgen von Michael Schomaker 4ü Springer
MehrStatistik für Betriebswirte 1 Probeklausur Universität Hamburg Wintersemester 2018/ Dezember 2018
Statistik für Betriebswirte 1 Probeklausur Universität Hamburg Wintersemester 2018/2019 20. Dezember 2018 1 Aufgabe 1: Beschreibung univariater Daten (25 Punkte) Die traditionsreiche HAMBURGER SEEMANN-GEBÄUDEVERWALTUNG
MehrStatistik Klausur Wintersemester 2013/2014 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik 1 2. Klausur Wintersemester 2013/2014 Hamburg, 18.03.2014 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
MehrPrüfung aus Statistik 1 für SoziologInnen
Prüfung aus Statistik 1 für SoziologInnen 14. Oktober 2006 Nachname: Vorname: Matrikelnummer: Studienkennzahl: Beispiel 1: Kreuze die jeweils richtige Antwort an (maximal 6 Punkte) 1.1. Bei einer rechtsschiefen
MehrEine Einführung in R: Varianzanalyse
Eine Einführung in R: Varianzanalyse Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig 13. Dezember 2012 Bernd Klaus, Verena Zuber,
MehrBeziehungen zwischen Verteilungen
Kapitel 5 Beziehungen zwischen Verteilungen In diesem Kapitel wollen wir Beziehungen zwischen Verteilungen betrachten, die wir z.t. schon bei den einzelnen Verteilungen betrachtet haben. So wissen Sie
MehrStatistik - Übungsaufgaben
Statistik - Übungsaufgaben 1) Eine vor mehreren Jahren durchgeführte Befragung von 30 Arbeitern eines Großbetriebes ergab für die Stundenlöhne folgende Liste: 16,35 16,80 15,75 16,95 16,20 17,10 16,64
MehrIndizes (Indexzahlen)
Indizes (Indexzahlen) Denition 01 Eine Indexzahl beschreibt die durchschnittliche relative Veränderung mehrerer Messzahlen durch eine einzige Zahl Die Messzahlen werden mit einem Gewicht versehen und zusammengefasst
MehrEinfaktorielle Varianzanalyse
Kapitel 16 Einfaktorielle Varianzanalyse Im Zweistichprobenproblem vergleichen wir zwei Verfahren miteinander. Nun wollen wir mehr als zwei Verfahren betrachten, wobei wir unverbunden vorgehen. Beispiel
MehrInhaltsverzeichnis Grundlagen aufigkeitsverteilungen Maßzahlen und Grafiken f ur eindimensionale Merkmale
1. Grundlagen... 1 1.1 Grundgesamtheit und Untersuchungseinheit................ 1 1.2 Merkmal oder statistische Variable........................ 2 1.3 Datenerhebung.........................................
Mehr6.4 Der Kruskal-Wallis Test
6.4 Der Kruskal-Wallis Test Der Test von Kruskal und Wallis, auch H-Test genannt, ist ein Test, mit dem man die Verteilungen von Teilstichproben auf Unterschiede untersuchen kann. Bei diesem Test geht
MehrDie Anwendung des globalen und partiellen F-Tests beim Regressionsmodell
Dr. Wolfgang Langer - Integrierte Veranstaltung Methoden IV WS 2002/2003-1 Die Anwendung des globalen und partiellen F-Tests beim Regressionsmodell von XENOPHOB auf V247 und POSTMAT, MATERIAL Für unsere
MehrDynamische Systeme und Zeitreihenanalyse // Daten 8 p.2/??
Dynamische Systeme und Zeitreihenanalyse Daten Kapitel 8 Statistik und Mathematik WU Wien Michael Hauser Dynamische Systeme und Zeitreihenanalyse // Daten 8 p.0/?? Lernziele Datentypen Beobachtungsfrequenzen
MehrKapitel XIII - Preis- und Mengenindices
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XIII - Preis- und Mengenindices Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh Indexzahlen
MehrStatistik Klausur Wintersemester 2013/2014 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik 1 A 2. Klausur Wintersemester 2013/2014 Hamburg, 18.03.2014 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................
MehrKlausur 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
MehrSchriftliche Prüfung (90 Minuten)
Dr. M. Kalisch Probeprüfung Statistik 1 Sommer 2014 Schriftliche Prüfung (90 Minuten) Bemerkungen: Alle schriftlichen Hilfsmittel und ein Taschenrechner sind erlaubt. Mobiltelefone sind auszuschalten!
MehrPrüfung aus Statistik 2 für SoziologInnen
Prüfung aus Statistik 2 für SoziologInnen 11. Oktober 2013 Gesamtpunktezahl =80 Name in Blockbuchstaben: Matrikelnummer: Wissenstest (maximal 16 Punkte) Kreuzen ( ) Sie die jeweils richtige Antwort an.
MehrKapitel 4. Daten. Indizes: Preis-, Mengen- und Umsatzindex
Kapitel 4 Daten Josef Leydold c 2006 Mathematische Methoden IV Daten 1 / 18 Lernziele Datentypen Beobachtungsfrequenz Fluss- und Bestandsdaten Indizes: Preis-, Mengen- und Umsatzindex Preisbereinigung
MehrLean Body Mass [kg] Estimate Std. Error t value Pr(> t ) (Intercept) ??? lbm <2e-16 ***
Körperkraft [Nm] 0 50 100 150 200 250 0 20 40 60 80 Lean Body Mass [kg] Dieses Quiz soll Ihnen helfen, den R Output einer einfachen linearen Regression besser zu verstehen (s. Kapitel 5.4.1) Es wurden
MehrVergleich von Gruppen I
Vergleich von Gruppen I t-test und einfache Varianzanalyse (One Way ANOVA) Werner Brannath VO Biostatistik im WS 2006/2007 Inhalt Der unverbundene t-test mit homogener Varianz Beispiel Modell Teststatistik
Mehrb) 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
MehrVorlesungsskript. Deskriptive Statistik. Prof. Dr. Günter Hellmig
Vorlesungsskript Deskriptive Statistik Prof. Dr. Günter Hellmig Prof. Dr. Günter Hellmig Vorlesungsskript Deskriptive Statistik Erstes Kapitel Die Feingliederung des ersten Kapitels, welches sich mit einigen
MehrZeitreihenanalyse. Zerlegung von Zeitreihen Saisonindex, saisonbereinigte Zeitreihe Trend und zyklische Komponente Prognose Autokorrelation
Zeitreihenanalyse Zerlegung von Zeitreihen Saisonindex, saisonbereinigte Zeitreihe Trend und zyklische Komponente Prognose Autokorrelation Beispiel für Zeitreihe Andere Anwendungen Inventarmanagment Produktionsplanung
MehrMetrische und kategoriale Merkmale
Kapitel 6 Metrische und kategoriale Merkmale 6.1 Wie kann man metrische und kategoriale Merkmale numerisch beschreiben? Typischerweise will man geeignete Maßzahlen (beispielsweise Lage- oder Streuungsmaße)
MehrTeilklausur des Moduls Kurs 42221: Vertiefung der Statistik
Name, Vorname Matrikelnummer Teilklausur des Moduls 32741 Kurs 42221: Vertiefung der Statistik Datum Termin: 21. März 2014, 14.00-16.00 Uhr Prüfer: Univ.-Prof. Dr. H. Singer Vertiefung der Statistik 21.3.2014
MehrTeil XI. Hypothesentests für zwei Stichproben. Woche 9: Hypothesentests für zwei Stichproben. Lernziele. Beispiel: Monoaminooxidase und Schizophrenie
Woche 9: Hypothesentests für zwei Stichproben Patric Müller Teil XI Hypothesentests für zwei Stichproben ETHZ WBL 17/19, 26.06.2017 Wahrscheinlichkeit und Statistik Patric
MehrKlausur 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
MehrMehrfach-Varianzanalyse
Mehrfach-Varianzanalyse Werner Brannath VO Biostatistik im WS 2006/2007 Inhalt Zweifaktorielle ANOVA Dreifaktorielle ANOVA Unbalanzierte Designs Zusammenfassung ANCOVA Zweifaktorielle ANOVA mit Interaktion
MehrWiederholung der Klausur STATISTIK
Name, Vorname: Matrikel-Nr. Die Klausur enthält zwei Typen von Aufgaben: Teil A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens eine Antwort richtig ist und von denen
MehrÜbungen zu QM III (Wirtschaftsstatistik) Indexrechnung
Technische Hochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel 39 14 jutta.arrenberg@th-koeln.de Übungen zu QM III (Wirtschaftsstatistik) Indexrechnung
MehrD-CHAB Frühlingssemester 2017 T =
D-CHAB Frühlingssemester 17 Grundlagen der Mathematik II Dr Marcel Dettling Lösung 13 1) Die relevanten Parameter sind n = 3, x = 1867, σ x = und µ = 18 (a) Die Teststatistik T = X µ Σ x / n ist nach Annahme
MehrBiometrieübung 10 Lineare Regression. 2. Abhängigkeit der Körpergröße von der Schuhgröße bei Männern
Biometrieübung 10 (lineare Regression) - Aufgabe Biometrieübung 10 Lineare Regression Aufgabe 1. Düngungsversuch In einem Düngeversuch mit k=9 Düngungsstufen x i erhielt man Erträge y i. Im (X, Y)- Koordinatensystem
MehrStatistik II Übung 4: Skalierung und asymptotische Eigenschaften
Statistik II Übung 4: Skalierung und asymptotische Eigenschaften Diese Übung beschäftigt sich mit der Skalierung von Variablen in Regressionsanalysen und mit asymptotischen Eigenschaften von OLS. Verwenden
MehrÜbungen zu QM III (Wirtschaftsstatistik) Indexrechnung
Technische Hochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel 39 14 jutta.arrenberg@th-koeln.de Übungen zu QM III (Wirtschaftsstatistik) Indexrechnung
Mehr11. Übungsblatt zur Vorlesung Ökonometrie SS 2014
Universität des Saarlandes Lehrstab Statistik Dr. Martin Becker Dipl.-Kfm. Andreas Recktenwald 11. Übungsblatt zur Vorlesung Ökonometrie SS 2014 Aufgabe 45 Die in Aufgabe 43 getroffene Annahme heteroskedastischer
Mehr7. Lösung weitere Übungsaufgaben Statistik II WiSe 2017/2018
7. Lösung weitere Übungsaufgaben Statistik II WiSe 2017/2018 1. Aufgabe: Die durchschnittliche tägliche Verweildauer im Internet wurde bei 60 Studierenden (30 Männer und 30 Frauen) erfragt. Die Studierenden
MehrDr. 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
MehrKlausur Statistik Lösungshinweise
Klausur Statistik Lösungshinweise Prüfungsdatum: 21. Januar 2016 Prüfer: Etschberger, Heiden, Jansen Studiengang: IM und BW Punkte: 15, 15, 12, 14, 16, 18 ; Summe der Punkte: 90 Aufgabe 1 15 Punkte Bei
MehrStatistik I. Hinweise zur Bearbeitung. Aufgabe 1
Statistik I, SS 2002, Seite 1 von 8 Statistik I Hinweise zur Bearbeitung Hilfsmittel: - Taschenrechner (ohne Datenbank oder die Möglichkeit diesen zu programmieren) - Formelsammlung im Umfang von einer
MehrBetrachten Sie folgenden Datensatz mit Körpergewichten von 10 Personen: Person Körpergewicht in kg
WS 2010/11 Prof. Dr. Ingo Klein Musterklausuraufgaben zur Statistik I Aufgabe 1: Betrachten Sie folgenden Datensatz mit Körpergewichten von 10 Personen: Person 1 2 3 4 5 6 7 8 9 10 Körpergewicht in kg
MehrÜbung 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.
MehrMehrfach-Varianzanalyse
VO Biostatistik im WS 2006/2007 1 2 3 4 5 mit Interaktion Zwei Faktoren A und B, z.b., Medikament M1 vs. M2 und Diät JA vs. NEIN Metrische Zielvariable Y, z.b. Blutdruckwerte y ij Marginale Mittelwerte
MehrStatistik II für Betriebswirte Vorlesung 11
Statistik II für Betriebswirte Vorlesung 11 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 07. Januar 2019 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 11 Version:
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2014 Mehrdimensionale Datensätze: Multivariate Statistik Multivariate Statistik Mehrdimensionale Datensätze:
MehrMultiple Regression III
Multiple Regression III Werner Brannath VO Biostatistik im WS 2006/2007 Inhalt Überprüfung der Modellannahmen Residuen-Plot Normal-Q-Q-Plot Cook s Distanz-Plot Maßnahmen bei Abweichungen von Modellannahmen
MehrKlausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester 2015 Aufgabe 1 In der aktuellen
MehrJohann Wolfgang Goethe-Universität Frankfurt am Main
Johann Wolfgang Goethe-Universität Frankfurt am Main Fachbereich Wirtschaftswissenschaften Professur für Statistik und Ökonometrie (Empirische Wirtschaftsforschung) Prof. Dr. Reinhard Hujer Mertonstraße
MehrVorname: Nachname: Matrikel-Nr.: Klausur Statistik
Vorname: Nachname: Matrikel-Nr.: Klausur Statistik Prüfer Etschberger, Heiden, Jansen Prüfungsdatum 21. Januar 2016 Prüfungsort Augsburg Studiengang IM und BW Bearbeitungszeit: 90 Minuten Punkte: 90 Die
Mehr5. Übung Datenanalyse und Statistik WS07/08 (Boogaart, Jansen)
5. Übung Datenanalyse und Statistik WS07/08 (Boogaart, Jansen) Bringen Sie alles mit, was Ihnen helfen kann die letzte Aufgabe zu lösen: Taschenrechner, Laptop, Tafelwerke, oder.... Installieren Sie z.b.
MehrIndexrechnung. Worum geht es in diesem Modul?
Indexrechnung Worum geht es in diesem Modul? Verhältniszahlen Messzahlen Indexzahlen Preisindizes Mengen- und Umsatzindizes Worum geht es in diesem Modul? In diesem Modul beschäftigen wir uns mit der Bildung
Mehr5. Zeitreihenanalyse und Prognoseverfahren
5. Zeitreihenanalyse und Prognoseverfahren Stichwörter: Trend, Saisonalität, Noise, additives Modell, multiplikatives Modell, Trendfunktion, Autokorrelationsfunktion, Korrelogramm, Prognosehorizont, Prognoseintervall,
MehrLineare Regression in R, Teil 1
Lineare Regression in R, Teil 1 Christian Kleiber Abt. Quantitative Methoden, WWZ, Universität Basel October 6, 2009 1 Vorbereitungen Zur Illustration betrachten wir wieder den Datensatz CASchools aus
MehrKlausur zu Biometrische und Ökonometrische Methoden und Ökologische Statistik
TECHNISCHE UNIVERSITÄT MÜNCHEN - WEIHENSTEPHAN WS 96/97 MATHEMATIK UND STATISTIK, INFORMATIONS- UND DOKUMENTATIONSZENTRUM Klausur zu Biometrische und Ökonometrische Methoden und Ökologische Statistik 24.1.97,
Mehr4.1. Verteilungsannahmen des Fehlers. 4. Statistik im multiplen Regressionsmodell Verteilungsannahmen des Fehlers
4. Statistik im multiplen Regressionsmodell In diesem Kapitel wird im Abschnitt 4.1 zusätzlich zu den schon bekannten Standardannahmen noch die Annahme von normalverteilten Residuen hinzugefügt. Auf Basis
MehrBiometrische und Ökonometrische Methoden II Lösungen 2
TECHNISCHE UNIVERSITÄT MÜNCHEN - WEIHENSTEPHAN SS 01 MATHEMATIK UND STATISTIK, INFORMATIONS- UND DOKUMENTATIONSZENTRUM Biometrische und Ökonometrische Methoden II Lösungen 2 1. a) Zunächst wird die Tafel
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften t-test Varianzanalyse (ANOVA) Übersicht Vergleich von Mittelwerten 2 Gruppen: t-test einfaktorielle ANOVA > 2 Gruppen: einfaktorielle ANOVA Seeigel und
MehrÜbungsaufgaben, Statistik 1
Übungsaufgaben, Statistik 1 Kapitel 3: Wahrscheinlichkeiten [ 4 ] 3. Übungswoche Der Spiegel berichtet in Heft 29/2007 von folgender Umfrage vom 3. und 4. Juli 2007:,, Immer wieder werden der Dalai Lama
MehrEinführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management
Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 2013 Hochschule Augsburg Regression: 4 eindimensionale Beispiele Berühmte
MehrÜbungsscheinklausur,
Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 27 Prof. Dr. F. Liese Übungsscheinklausur, 3.7.27 Dipl.-Math. M. Helwich Name:...
MehrPrüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik)
2 Klausur-Nr = Sitzplatz-Nr Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) Klausurteil 1: Beschreibende Statistik Name, Vorname:... verteilung Teil 1: Beschreibende Statistik Aufgaben
Mehr3.3 Konfidenzintervalle für Regressionskoeffizienten
3.3 Konfidenzintervalle für Regressionskoeffizienten Konfidenzintervall (Intervallschätzung): Angabe des Bereichs, in dem der "wahre" Regressionskoeffizient mit einer großen Wahrscheinlichkeit liegen wird
MehrPrüfungsklausur Wirtschaftsstatistik
Prüfungsklausur Wirtschaftsstatistik Wintersemester 2005/2006 Vorname: Name: Ich bin damit einverstanden, dass mein Klausurergebnis unter Angabe der letzten vier Ziffern meiner Matrikelnummer ausgehängt
MehrFür diese Beschreibungen sind Grundlagen der Statistik vorteilhaft. Weiterführende und verwandte
Voraussetzung und verwandte Themen Für diese Beschreibungen sind Grundlagen der Statistik vorteilhaft. Weiterführende und verwandte Themen sind: media.crgraph.de/hypothesentests.pdf media.crgraph.de/multiple_regression.pdf
Mehr1 Einfachregression 1.1In 10 Haushalten wurden Einkommen und Ausgaben für Luxusgüter erfragt:
Beispiele zum Üben und Wiederholen zu Wirtschaftsstatistik 2 (Kurs 3) 1 Einfachregression 1.1In 10 Haushalten wurden Einkommen und Ausgaben für Luxusgüter erfragt: Haushaltseinkommen 12 24 30 40 80 60
MehrKovarianzanalyse. Truthahngewicht. Truthahngewicht. Methoden empirischer Sozialforschung. 1 metrische und mehrere metrische und kategoriale Variablen
Kovarianzanalyse 1 metrische und mehrere metrische und kategoriale Variablen Methoden empirischer Sozialforschung Lineare Modelle (2. Teil) Wie läßt sich die Abhängigkeit einer metrischen Variablen von
Mehr# Befehl für den Lilliefors-Test
1/5 Matthias Rudolf & Diana Vogel R-Kurs Graduiertenakademie September 2017 Loesungsskript: Tests 1a library(nortest) 1b lillie.test Befehl für den Lilliefors-Test 2a, Datensatz "Schachbeispiel einlesen"
MehrTeil VIII Hypothesentests für zwei Stichproben
Woche 9: Hypothesentests für zwei Stichproben Teil VIII Hypothesentests für zwei Stichproben WBL 15/17, 22.06.2015 Alain Hauser Berner Fachhochschule, Technik und Informatik Berner
MehrEinfaktorielle Varianzanalyse Vergleich mehrerer Mittelwerte
Einfaktorielle Varianzanalyse Vergleich mehrerer Mittelwerte Es wurden die anorganischen Phosphatwerte im Serum (mg/dl) eine Stunde nach einem Glukosetoleranztest bei übergewichtigen Personen mit Hyperinsulinämie,
Mehr0 für t < für 1 t < für 2 t < für 3 t < für 4 t < 5 1 für t 5
4 Verteilungen und ihre Kennzahlen 1 Kapitel 4: Verteilungen und ihre Kennzahlen A: Beispiele Beispiel 1: Eine diskrete Zufallsvariable X, die nur die Werte 1,, 3, 4, 5 mit positiver Wahrscheinlichkeit
MehrStatistik Übungen WS 2017/18
Statistik Übungen WS 2017/18 Blatt 1: Beschreibende Statistik 1. Wir unterscheiden verschiedene Arten von Merkmalen. Nennen Sie für jedes Erhebungsmerkmal eine zulässige Ausprägung, geben Sie jeweils eine
MehrOnline-Aufgaben Statistik (BIOL, CHAB) Auswertung und Lösung
Online-Aufgaben Statistik (BIOL, CHAB) Auswertung und Lösung Abgaben: 92 / 234 Maximal erreichte Punktzahl: 7 Minimal erreichte Punktzahl: 1 Durchschnitt: 4 Frage 1 (Diese Frage haben ca. 0% nicht beantwortet.)
MehrBiostatistik, WS 2013/2014 Exkurs: Faktorielle Varianzanalyse und F -Test, Diskriminanzanalyse
1/76 Biostatistik, WS 2013/2014 Exkurs: Faktorielle Varianzanalyse und F -Test, Diskriminanzanalyse Matthias Birkner http://www.mathematik.uni-mainz.de/~birkner/biostatistik1314/ 31.1.2014 Einfaktorielle
MehrStatistik Übungen WS 2018/19
Statistik Übungen WS 2018/19 Blatt 1: Beschreibende Statistik 1. Wir unterscheiden verschiedene Arten von Merkmalen. Nennen Sie für jedes Erhebungsmerkmal eine zulässige Ausprägung, geben Sie jeweils eine
MehrDie Funktion f wird als Regressionsfunktion bezeichnet.
Regressionsanalyse Mit Hilfe der Techniken der klassischen Regressionsanalyse kann die Abhängigkeit metrischer (intervallskalierter) Zielgrößen von metrischen (intervallskalierten) Einflussgrößen untersucht
MehrBachelorprüfung: Statistik (1 Stunde)
Prof. H.R. Künsch D-BIOL, D-CHAB Winter 2010 Bachelorprüfung: Statistik (1 Stunde) Bemerkungen: Es sind alle mitgebrachten schriftlichen Hilfsmittel und der Taschenrechner erlaubt. Natels sind auszuschalten!
Mehr2. Übung Makroökonomische Theorie
2. Übung Makroökonomische Theorie Aufgabe 2 In der folgenden Tabelle sehen Sie eine geschlossene Volkswirtschaft, die aus vier Industrien besteht. Ermitteln Sie auf alle drei Ihnen bekannten Arten das
MehrVorkurs Mathematik (WS 2017/18) Selbsttest zum Vorkurs
Dr. Kristin Göbel, Email: kristin.goebel@uni-hamburg.de Vorkurs Mathematik (WS 2017/18) Selbsttest zum Vorkurs Dieser Selbsttest dient dazu, dass Sie ihre mathematischen Kenntnisse einschätzen können.
MehrÜbung Makroökonomie zur Vorlesung Makroökonomische Theorie (Montag Uhr und Mittwoch 8-10 Uhr HS Loh 3/4)
Grundzüge der Volkswirtschaftslehre II Übung Makroökonomie zur Vorlesung Makroökonomische Theorie (Montag 10-12 Uhr und Mittwoch 8-10 Uhr HS Loh 3/4) Übungstermine Montag 12-14 Uhr und 14 16 Uhr HS 4 (M.
MehrKlausur zur Vorlesung Analyse mehrdimensionaler Daten, Lösungen WS 2010/2011; 6 Kreditpunkte, 90 min
Klausur, Analyse mehrdimensionaler Daten, WS 2010/2011, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 21.02.2011 Klausur zur Vorlesung Analyse mehrdimensionaler Daten, Lösungen WS 2010/2011; 6 Kreditpunkte,
Mehre) Beim klassischen Signifikanztest muß die Verteilung der Prüfgröße unter der Nullhypothese
9 Hypothesentests 1 Kapitel 9: Hypothesentests A: Übungsaufgaben: [ 1 ] Bei Entscheidungen über das Ablehnen oder Nichtablehnen von Hypothesen kann es zu Irrtümern kommen. Mit α bezeichnet man dabei die
MehrStatistik II für Betriebswirte Vorlesung 1
Statistik II für Betriebswirte Vorlesung 1 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 16. Oktober 2017 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 1 Version:
MehrStetige Verteilungen. A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch
6 Stetige Verteilungen 1 Kapitel 6: Stetige Verteilungen A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch dargestellt. 0.2 6
Mehr