( x) Thema 5 Verteilungen Statistik - Neff 5.1 ÜBERBLICK TEST-VERTEILUNGEN. Stetige Zufallsvariable Dichtefunktion f(x) Verteilungsfunktion F(x)

Größe: px
Ab Seite anzeigen:

Download "( x) Thema 5 Verteilungen Statistik - Neff 5.1 ÜBERBLICK TEST-VERTEILUNGEN. Stetige Zufallsvariable Dichtefunktion f(x) Verteilungsfunktion F(x)"

Transkript

1 5. ÜBERBLICK TEST-VERTEILUNGEN Dskrete Zufallsvarable Wahrschlk.-Fukto f( ) mt a W ( X = ) Vertelugsfukto F( ) mt a W ( X ) F( ) = W( X = ) å Stetge Zufallsvarable Dchtefukto f() Vertelugsfukto F() W( X ) = ò f( ) d = F( ) "Flächehalte" - 0,3000 0,500 0,3 0,5 Wahrschelchket 0,000 0,500 0,000 0,0500 0, 0,5 0, 0,05 0, Azahl "Treffer" Azahl "Tref fer" æ0ö f 0 0,4 () = 0,4 0,6 0- ç è bomalvertelt mt = 0, p = 0,4 Bomalvertelug æö - f, p( ) = ç pq è Für Zufallsversuche mt Zurücklege. möglche Eregsse: Treffer A, Nete AG mt de Wahrschelchkete p, q = p. st de Azahl der Treffer. Hypergeometrsche Vertelug æm öæn -M ö ç ç - fnm,, ( ) = è è ænö ç è Für Zufallsversuche ohe Zurücklege. möglche Eregsse: Treffer A, Nete AG mt de Wahrschelchkete p, q = p. st de Azahl der Treffer. µ 3 POISSON-Vertelug fµ ( ) = e! für klee Treffer-Wahrschelchkete p < 0,05 d.h. seltee Eregsse, d.h. sehr usymmetrsche Verteluge -m f4,55( ) = e,55 p æ-4ö - ç è,55 ormalvertelt mt µ = 4, s =,55 4 Fsher F-Vertelug F a p sd Tabelle 7.3 Der Zusammehag quattatver Date st statstsch geschert, we F emprsch > F crt. ud wetere Testverfahre 5 Studet-t-Vertelug F a (t) sd Tabelle 7.5 De Eflussvarable X lefert ee sgfkate Betrag zur (multple) Regresso, we t emprsch > t crtcal ud wetere Testverfahre 6 ch - c - Vertelug F a (c ) sd Tabelle 7.4 De Merkmale A, B sd abhägg, we c emprsch > c crt. ud wetere Testverfahre 7 Normalvertelug æ-µ ö - ç è σ -µ fµ σ( ) = e z= σ π σ F 0 (z) = F SN (z) sd Tabelle 7.6 Für hreched große kovergere de Verteluge bs 6 gege de Normalvertelug.

2 5. BERNOULLI-KETTEN Im Modell für Zufallsversuche "Werfe vo Reßägel" gbt es zwe möglche Eregsse: "Sptzelage" s ud "Rückelage" r, s se e Treffer, ^ se e Ncht-Treffer. De Treffer-Wahrschelchket st p, de für Ncht-Treffer st q = p. Be Zufallsversuche mt Zurücklege blebe de Wahrschelchkete p ud q kostat. De Eregsse eer Kette solcher Zufallsversuche sd voeader uabhägg. etsprcht "Zehe mt Zurücklege" Kette uabhägger Zufallsversuche mt jewels zwe möglche Eregsse et ma BERNOULLI-Kette. (Gutware Ausschuss, ja e, postv egatv, bestade cht best. ) [BERNOULLI, Jakob, Basel 73] Aus de Zufallsversuche (Abschtt 3.9) kee wr de Wahrschelchket dafür, dass e geworfeer Reßagel auf der Sptze legt: p = W(X) = W(s) = 0,39 ud q = p = 0,6. De Zufallsvarable X st de Azahl der Treffer (Sptzelage). Wrft ma -mal ee Reßagel, da ergebe sch de Möglchkete: ^ ^ ^s s^ ss X = 0 W(X) = q q q p p q p p ud q + q p + p = (q + p) = Wrft ma 3-mal ee Reßagel, da ergebe sch de Möglchkete: ^ ^ ^ ^ ^s, ^s^, s^ ^ ^ss, s^s, ss^ sss X = 0 3 W(X) = q q q 3 q p 3 q p p 3 ud q 3 p q p + 3 q p + p 3 = p p q + 3 p q + q 3 = (p + q) 3 =. De Wahrschelchkete der BERNOULLI-Kette folge der Bomaletwcklug (p+q). Z.B. Wahrschelchket für Treffer W(X=) = 3 p q = 3 0,39 0,6 = 0,78. Wederholug zu Bomalkoeffzete sehe Abschtt 5.5 æö - æö - Bomalvertelug: W(X = ) =f B,,p () = ç p q = ç p (- p) è è p Wahrschelchket der Treffer, ( p) - Wahrschelchket der Ncht-Treffer. (Multplkatosregel für uabhägge Eregsse, Abschtt 4.) æö ç glechwahrschelche Kombatoe (Addtosregel für uabh. Eregsse, vgl. 4.) è Der Erwartugswert µ = p, das st umttelbar eschtg. Für de Varaz glt s = p q. (sehe 5.4) De Bomalrehe für Treffer-Wahrschelchket p, Stchprobeumfag : æö 0 æö - æö - æö - æö 0 ( p+ q) = ç pq + ç pq + ç pq ç pq ç pq = è0 è è è è æö Wahrschelchket für geau Treffer: f,p () = pq - ç mt = 0,,,, è De Vertelugsfukto lefert de aufsummerte Werte der Bomalvertelug: k k æö - FB p ( k) = å fp, ( ) = åç pq Tabelle 7. = 0 = 0è

3 5.3 BINOMIALVERTEILUNG Bespel 5. I eer Klk werde eem Moat = 50 Geburte regstrert. De Wahrschelchket für Mädche st p = 0,486. a) We groß st de Wahrschelchket dafür, dass daruter 0 Mädchegeburte sd? geau! b) We groß st de Wahrschelchket dafür, dass daruter höchstes 0 Mädchegeburte sd? c) Erwartugswert, erwartete Varaz ud erwartete Stadardabwechug? d) We ädert sch de erwartete Stadardabwechug, we ma das Stchprobemttel aus eem Jahr betrachtet? q = 0,486 = 0,54 st de Wahrschelchket für de Geburt ees Juge. æ50 ö ! 0 30 a) fb 50 0,486(0) = ç 0, 486 0,54 = 0, 486 0, 54 = 0, 0543 = 5, 4% è0 0!30! 0 æ50ö 50- b) FB 50 0,486(0) = åç 0, 486 0, 54 = = 0 è æ50ö æ ö 49 æ ö 0 30 ç 0, 486 0,54 + ç 0, 486 0, ç 0, 486 0,54 = 0,4 = 4,% è0 è è0 Das st sehr aufwedg; ma hat zwe Möglchkete () e Numerk-Programm beutze z.b. Ecel: =BINOMVERT(0;50;0,486;) () mt Hlfe der Normalvertelug de Näherugswert bestmme, sehe ute Tabelle für F B (k) gbt es ur für glatte p ud, her etwa für p=0,5 ud =50. c) µ = p = 50 0,486 = 4,3 Mädche s = p q = 50 0,486 0,54 =,49 s =,49 = 3,53 Mädche σ 3,53 d) σ = = =,0 Mädche Bespel 5. A eem erososgefährdete Hag solle 0 Fchtepflaze agepflazt werde. De Baumschule gbt ee Awachswahrschelchket vo p = 40% a. We groß st de Wahrschelchket, dass a) geau 4 b) höchstes 3 c) mdestes 5 d) alle 0 awachse? e) Bestmme Se µ, s, s. f) Zeche Se das Hstogramm Aus Tabelle 7. a) f(4) = F(4) F(3) = = 0,633 0,383 = = 0,508 b) F(3) = 0,383 c) W(X 5) = F(4) = = 0,633 = 0,3669 d) "geau 0" W(X = 0) = = f(0) = F(0) F(9) = = 0,9999 = 0,000 e) µ = 0 0,4 = 4 Fchte. s = 0 0,4 0,6 =,4 < 9 s =,4 =,55 Fchte

4 5.4 VARIANZ s = p q Varaz eer bomalvertelte Zufallsvarable Für de Varaz eer Zufallsvarable glt: Spezell für Bomalvertelug: å s = f( )-µ æö s = å p q -( p) è - ç Be "Wurf": = 0 0 W( X 0) æ ö æ ö = = ç pq ud W( X= ) = ç pq è0 è æö 0 æö 0 s = 0 ç p q + ç p q -( p) = p - p = p( - p) = pq è0 è Be "Würfe": = X = 0; ; W(X=0); W(X=); W(X=) æö 0 æö æö 0 s = 0 ç p q + ç p q + ç p q -( p) = pq + 4 p - 4p = pq è0 è è Be 3 "Würfe": = 3 X = 0; ; ; 3 W(X=0); W(X=); W(X=); W(X=3) æ3ö æ3ö æ3ö æ3ö s = 0 ç pq + ç pq + ç pq+ 3 ç pq -(3 p) = 3pq + 4 3pq+ 9p -9p è0 è è è ( ) ( ) ( ) = 3p q + 4pq + 3p - 3p = 3p q + 4pq + 3 p( p - ) = 3p q + 4pq -3pq = 3 p( q + pq) = 3 p( q + (- q) q) = 3 p( q + q - q ) = 3pq (das st ke Bewes, der Bewes läuft über de vollstädge Idukto) - -- Allgeme: s = p q LAPLACE-Bedgug: we pq > 9 ka ma Normalvertelug beutze Varaz pq > 9. Eakte Symmetre be p = q = 0,5. Je symmetrscher ud je größer, desto besser de Appromato a de Normalvertelug. Greze be pq = p(-p) = 9 => krtsch = 9 / ( 0,5. 0,5 ) = 36. Fuktosklasse f (p) = p (-p) = ( - ) = ( ) Parabelschar z.b. = 36 f() = 36 ( )

5 5.5 BINOMIALKOEFFIZIENTEN æ De Bomalkoeffzete ö ç kee wr aus de Bomsche Formel (a+b). è Ma etmmt se rekursv aus dem PASCAL'sche Koeffzeteschema (sehe ute) oder bestmmt se mt eer der bede folgede Formel: æ ö ( - ) ( - )... ( - + )! ç = = è!!( -)! Be de meste Tascherecher gbt es dazu de Taste [Cr]: Number of Combatos æö ç èr (a+b) 0 = = a 0 b 0 (a+b) = a + b = a b 0 + a 0 b (a+b) = a + ab + b = a b 0 + a b + a 0 b (a+b) 3 = a a b + 3 a b + b 3 = a 3 b a b + 3 a b + a 0 b 3 (a+b) 4 = = a 4 b a 3 b + 6 a b + 4 a b 3 + a 0 b 4 æ4ö æ4ö æ4ö æ4ö æ4ö æ4ö Bomalkoeffzete: ç ; ; ; ; = ç 0 ç ç ç 3 ç 4 è è è è è è 6 a b bedeutet, dass de Kombato a b be (a+b) 4 sechs mal vorkommt. æ4ö 4 3 kürze æ4ö 4! 4 o ç = = 6 (.Formel) ç = = = 6 (. Formel). è kürze è! (4 - )! mt Tascherecher: 4[Cr] æ75ö o ç = = ! cht mt Tascherecher! è3 3

6 5.6 ZIEHEN OHNE ZURÜCKLEGEN Bespel 5.3 (ach Lambacher-Schwezer S.35) I eer Ure befde sch M = 64 schwarze Kugel ud N - M = 36 weße Kugel. "Treffer" se das Zehe eer schwarze Kugel, d.h M M p = ud q = allgeme: p = ud q= N N Es werde = 5 Kugel acheader gezoge. Stchprobeumfag = 5. We groß st de Wahrschelchket uter de 5 Kugel 3 schwarze zu zehe, W(X=3)? Zehe mt Zurücklege BERNOULLI-Kette, p = 0,64 st kostat, X st bomalvertelt: æ5ö W( X = 3) = f5; 0,64(3) = ç 0, 64 0,36 0 0, = = è æö æ M ö æ M ö allgeme: W( X = ) = fp, ( ) = ç (Bomalvertelug) ç - N ç N è è è Zehe ohe Zurücklege: de Treffer-Wahrschelchket p ädert sch ach jedem Zug. æ5ö W( X = 3) = ç = 0,3486 è æö M M - N -M N -M - allgeme: W( X = ) = fnm,, ( ) = ç è N N - N - N -- fallede Faktore - fallede Faktore æm ö æn -M ö ç ç - Deser Ausdruck lässt sch zusammefasse zu W( X = ) = fhypnm,, ( ) = è è ænö ç è Das st de hypergeometrsche Wahrschelchkets-Fukto. We ma de Symbole p ud q aus der Bomalvertelug beutzt, ergebe sch Erwartugswert µ = p. Varaz s N - = p q N » N - N - Stadardabwechug σhyp = p q => Korrekturfaktor N - N - De Fuktoswerte f Hyp N M () sd vo 3 Parameter abhägg, N, M. Se lasse sch deshalb schwer tabellere. We der Auswahlsatz 0,05 ka ma de Hypergeometrsche Vertelug N mt Hlfe der Bomalvertelug appromere (aäher). Des st ee Appromatosbedgug. Uter der wetere Bedgug pq > 9 ka ma sogar de Normalvertelug beutze. We de Auswahlsatz-Bedgug /N 0,05 verletzt st, da muss ma de Korrekturfaktor N - verwede sehe ute N -

7 5.7 HYPERGEOMETRISCHE VERTEILUNG Bespel 5.4 Be der Produkto vo Elektromotore see m Durchschtt 5% Ausschuss. p=0,05 De Fertgugsmege umfasst N=00 Stück. We groß st de Wahrschelchket dafür, dass be eer Etahme vo =0 Stück a) geau 5 Stück Ausschuss b) alle verwedbar c) höchstes Stück Ausschuss sd? d) Erwartugswert ud erwartete Varaz ud Stadardabwechug? e) Iwefer st es her zulässg, de Bomalvertelug zu verwede? f) Aufgabetel c) auch mt Bomalvertelug zum Verglech.. Das st ee Stchprobe ohe Zurücklege, das st der Normalfall!. N=00. =0. /N = 0, > 0,05 => f Hyp. M = p N= 0,05 00 = 0 Stück. Cr æ0ö æ90ö 0! 90! ç ç 5 5 5!5! 5!75! 5 6,58 0 a) "geau 5" W( X = 5) = f0;00;0(5) = è è = = = 0, 00 7 æ00ö 00!,6 0 ç è0 0!80! æ0ö æ90ö 0! 90! ç ç 0 0 0!0! 0!70! b) "0 Stück Ausschuss" W( X = 0) = f0;00;0 (0) = è è = =0,3398 æ00ö 00! ç è0 0!80! æ0ö æ90ö æ0ö æ90ö ç ç ç ç 9 8 c) W( X = 0) + W( X = ) + W( X = ) = 0, è è + è è = æ00ö æ00ö ç ç è0 è0 0! 90! 0! 90!!9! 9!7!!8! 8!7! = 0, = 0, , ,975 = 0, ! 00! 0!80! 0!80! d) µ = p = 0 0,05 = Stück Ausschuss s N = p q = 0 0,05 0,95 = 0,95 0,9045 = 0,859. N s = 0,859 = 0,97 Stück Ausschuss e) Das st cht zulässg, wel für de Auswahlsatz glt /N = 0, > 0,05. æ0ö 0- f) FB 0 0,05() = åç 0, 05 0,95 = = 0 è æ0ö 0 0 æ0ö 9 æ0ö 8 ç 0, 05 0,95 + ç 0, 05 0,95 + ç 0, 05 0, 95 = è0 è è = 0, , ,87 8 = 0,95 4

8 5.8 NÄHERUNG NACH POISSON We Eregsse selte auftrete, da st de Treffer-Wahrschelchket p kle. Für klee p ka ma ee Grezwert für g bestmme. Für bomalvertelte Zufallsvarable glt: µ = pþ p= µ ud q= - p = - µ - æö - æ ö æµ ö æ µ ö fp ; ( ) = ç pq = ç - ç ç è è è è ( -)( -)...( - + ) µ æ µ ö ( -)( -)...( - + ) µ æ µ ö =! ç - = -! ç è è ( -)( -)...( - + ) µ æ µ ö = ç -...! è µ æ µ ö æ µ ö =... ç - ç -! è è - - µ æ µ ö æ öæ ö æ -ö æ µ ö µ = ç - ç - ç -... ç - ç - ¾¾¾ e! è è è è è! µ æ öæ ö æ -ö æ µ ö ç - ç -... ç - ç - strebe alle für gege de Grezwert. è è è è æ µ ö é -µ æ ö æ ö æ ö ù - lmç - e vgl. lm e. lm e. lm e = ê ç + = ç + = - = ú ç è êë è è è úû De POISSON-Vertelug hat µ -µ µ de Wahrschelchketsfukto fpo µ( ) = e = µ!! e k µ -µ ud de Vertelugsfukto FPo µ ( k) = å e Tabelle 7. = 0! der Erwartugswert st µ = p erwartete Varaz s æ µ ö = µ wel σ = pq = µ (- p ) = µ ç - ¾¾¾ µ è ur ee Parameter, ämlch µ. De Fuktoswerte f Po () lasse deshalb efacher bereche ud tabellere als f B () ud f Hyp (). [POISSON, Sméo Des, Pars 837] We de Appromatosbedguge erfüllt sd, wrd ma de Hypergeometrsche Vertelug ud de Bomalvertelug durch de POISSON-Vertelug appromere: Appromatosbedguge: Übergag vo f Hyp () zu f B (), we 0,05 N mt M. M p = µ = N N Übergag vo f B () zu f Po (), we ³ 500 (d.h. p kle, groß) p /N 0,05 /p 500 Hypergeom.Vert. ¾¾¾¾ Bomal-Vert. ¾¾¾¾ ³ Posso-Vert.

9 5.9 POISSON-VERTEILUNG Bespel 5.5 I eem Uterehme mt eer sehr große Azahl N sehr groß Telefoate beträgt de Azahl der falsche Verbduge p= %. We groß st de Wahrschelchket, dass be eer Stchprobe vo =00 Telefoate geau =3 falsche Verbduge etstehe?. Das st ee Stchprobe ohe Zurücklege. "sehr große Azahl der Telefoate" => /N = 00/N < 0,05 => ma ka f B beutze: æ00ö W( X = 3) = fb, 00; 0,0(3) = ç 0, 0 0,99 = 0,8 è3 3. Ma ka sogar de POISSON-Vertelug beutze, wel /p = 00/0,0 = 0000 > 500 µ = p = 00 0,0 = glatte Zahl => Tabelle 3 W( X = 3) = fpo,(3) = = 0,804 W(X=3)=W(X<3)-W(X<)=0,857-0,6767 3! e 3. We groß muss N se, damt ma f B beutze darf? Greze be 00/N = 0,05 => N We groß muss Stchprobeumfag mdestes se, damt ma de POISSON-Vertelug verwede ka? Greze be /0,0=500 => = 5. Bespel 5.6 I eem Betreb werde vele, N groß Trasstore hergestellt, vo dee m Durchschtt 3% fehlerhaft sd. We groß st de Wahrschelchket, dass eer Sedug vo =00 Stück Treffer e fehlerhaft, e) Mt welcher Vertelug ka ma her de Wahrschelchkete bestmme? Prüfe Se de Appromatosmöglchkete geau. a) kee Ausschuss-Stücke =0, b) geau 5 Ausschuss-Stücke, c) höchstes 4 Ausschuss-Stücke, d) mdestes 8 Ausschuss-Stücke ethalte sd? e) Das st ee Stchprobe ohe Zurücklege. N st sehr groß, () wege /N <0,05 ka ma f B verwede. () p kle?"ausschuss" st e seltees Eregs: wege 00/0,03=3333 > 500 => ka maf Po verwede. µ = 00 0,03 = 3, für dese Erwartugswert legt ee Tabelle vor => Tabelle a) W( X = 0) = f3(0) = F3(0) = e = 0,0498» 5% 0! b) W( X = 5) = å e - å e = F3(5) - F3(4) = 0,96-0,853 = 0,008» 0%!! = 0 = c) W( X 4) = å e = F3(4) = 0,853 = 0! d) W( X ³ 8) = - F (7) = - 0,988 = 0,09 3

10 5.0 DISKRETE VERTEILUNGEN Aufgabe Dskrete Verteluge gegebe: Sachverhalt we de obge Bespele, (versteckte) Hwese auf "Zehe ohe Zurücklege", "große N", Tabelle ud Appromatosbedguge der Formelsammlug. gesucht / Schrtte:. Passedes Modell aufgrud der Appromatosbedguge etschede, ob f Hyp, f B, f Po her beutzt werde köe/solle/müsse, dazu de Lste der Appromatosbedguge als Checklst esetze.. Wahrschelchkete für ezele Eregsse oder Itervalle aus der Bomal-, hypergeometrsche oder/ud POISSON-Vertelug. Verglech zu Ergebsse mt adere Verteluge. Formelmäßge Asätze für de kokret gegebee Zahle. Prüfe, ob ee geegete Tabelle vorhade st, Wahrschelchkete durch Reche ahad der Formel oder mt Hlfe der Tabelle bestmme, W(X st "mdestes" k) = W(X st "höchstes" k ) Verglechsrechug mt aderer Wahrschelchketsvertelug durchführe (über Tabelle oder Bereche der betreffede Werte). Asätze, dem ma de kokrete Zahle de Formel esetzt. 3. Erwartugswert, erwartete Varaz, erwartete Stadardabwechug p, q,, evtl. N de etsprechede Formel esetze

11 5. NORMALVERTEILUNG De meste Merkmale X lasse sch mt Hlfe der Normalvertelug utersuche. Das glt besoders für Zufallsvarable X, de durch Überlagerug veler Zufallsvarable etstehe. Für ormalvertelte Zufallsvarable glt de Dchtefukto fnorm μ,σ( ) = e σ p æ -µ ö - ç è σ æ -µ ö - ç è σ de Vertelugsfukto W ( X ) = FNorm μ,σ( ) = ò e d σ p - [DEMOIVRE, Abraham, 733 Lodo, GAUSS, Carl Fredrch, 86 Göttge] g Ecel / Normalvertelug Dchtefukto f Norm 4,55 Vertelugsfukto F Norm 4,55 Egeschafte der Dchtefukto f Norm µ s. Zwe Parameter Erwartugswert µ, Stadardabwechug s. De Dchte f µ,s () sd symmetrsch zur Achse = µ. 3. Der Hochpukt legt be (µ f(µ)), das typsche zetrale Mamum 4. De Wedepukte be ; = µ ± s. 5. De Dchte f µ,s () kovergere für ± gege ull. 6. Mt zuehmeder "Streuug" s wrd der Fuktosgraph breter ud flacher. 7. De Vertelugsfukto F Norm µ s st S-förmg, mooto steged, lm F( ) =. De Dchtefukto der stadardserte Normalvertelug f SN (z) = e p - z - z = 0,4e æ -0ö - ç - è erhält ma mt µ = 0 ud s = fsn 0 ( ) = e = e p p De Dchte sd symmetrsch zur f(z)-achse, Hochpukt (0 0,4), Wedepukte ( ±0,4). - z De Vertelugsfukto W( Z z) = FSN ( z) = e dz p ò Tabelle se st parameterfre, ee ezge Fukto, ee ezge Tabelle! -µ Mt de Umrechuge z = bzw. = µ + z s s schleßt ma vo kokrete -Werte auf stadardserte z-werte ud umgekehrt. Oft schrebt ma auch j(z) statt f SN (z) ud F(z) statt F SN (z). z

12 5. "4-STUNDEN-LICHTER" Bespel 5.7 De Bredauer hadelsüblcher Kerze vo Typ "4-Stude-Lcht" st äherugswese ormalvertelt mt eem Erwartugswert µ = 4 Stude ud eer Stadardabwechug vo s = 4 Stude. Stetge Zufallsvarable! Stadardserug: µ = 4 s = 4 -µ -4 z = = s 4 = µ + z. ¾ Achse z -Achse: Bredauer [Stude] kokrete Achse We groß st de Wahrschelchket dafür, dass ee solche Kerze a) höchstes 30 Stude bret? b) höchstes 6 Stude bret? c) mehr als 6 Stude bret? (Gegewahrschelchket vo b) d) mdestes 0 Stude bret? Stetge Zufallsvarable! e) zwsche 4 s ud 4 + s Stude bret, also m -s-berech legt? f) zwsche 0 ud 6 Stude bret? g) zwsche 4,96 s ud 4+,96 s Stude bret? (d.h. m 95%-Berech legt?) [4-7,84 ; 4 + 7,84] = [6,6 h ; 3,84 h] h) Wr messe de Bredauer be 5 Kerze, Erwartugswert ud erwartete Stadardabwechug des Stchprobemttels X sd zu bereche a) z = =,5 Þ W( X 30) = FSN (,5) = 0,933 F SN( z) -Spalte! b) z = = - Þ W( X 6) = FSN (- ) = 0, 08 F SN( -z) - Spalte 4 c) Gegewahrschelchket der Gegespalte: -F (- ) = F () = 0, d) z = =- Þ W( X ³ 0) = - W( X 0) = -FSN (- ) = - 0,587 = 0,843 4 e) s- Itervall: D() = 0, 687 = W(0 X 8) = F () -F (- ) = 0,843-0, f) µ - 4 X µ + cht symmetrsch, cht mt D(z) z = =-. z = = 0,5 4 4 W(0 X 6) = W( X 6) - W( X 0) = = F (0,5) -F (- ) = 0, 695-0,587 = 0,538 SN g),96s- Itervall: D(,96) = 0,9500 SN σ 4 h) µ X = µ = 4 [Stude] σx = = = 0,8 [Stude] 5 SN SN SN SN

13 5.3 TABELLE ABLESEN Ablesebespele F SN (-z) = W(X 6) F SN (+z) = W(X 30) D(z) = W(8 X 30 ) Vertelugsfukto der stadardserte Normalvertelug F SN (z) = z e p ò - - z dz a) für z > 0 als Tabelle F SN (z) tabellert, z.b. F SN (,7) = 0,9554 b) F SN (z) kovergert für z ach = 00%. c) Wedepukt be W(0 0,5)

14 5.4 STETIGKEITSKORREKTUR Für egermaße ormalvertelte stetge Zufallsvarable beutzt ma de Normalvertelug. Uter bestmmte Appromatosbedguge geht das auch für dskrete Zufallsvarable. Bespel 5. och emal A eem erososgefährdete Hag solle 0 Fchtepflaze agepflazt werde. De Baumschule gbt ee Awachswahrschelchket vo p = 40% a. We groß st de Wahrschelchket, dass höchstes 5 awachse? Ma ka de Mttelpukte der Rechteckoberkate m Hstogramm zur Bomalvertelug verbde. Dese "Hüllkurve" st ee Appromato der Dchtefukto der Normalvertelug. Gaz etspreched glt das für de Vertelugsfuktoe F B (k) ud F Norm () 5 0 F B 0 0,4 (5) = 0,8338 = å æ0ö 0,4 k 0,6 -k ç k= 0 k µ = 0.0,4 = 4 ¾ = pq è µ = 0 0,4 = 4. s 5-4 = 0 0,4 0,6 =,4. s =,55. z = = 0,645. F SN (0,645) = 0,7406,55 + 0,5- µ 5+ 0,5-4 5,5-4 mt Stetgketskorrektur: z = = = = 0,967 F SN (0,967) = 0,8334 σ,55, 55 We ma dskrete Zufallsvarable mt der Normalvertelug utersucht, verbessert de Stetgketskorrektur de Näherugswert. + 0,5-µ Stadardormalvarable z mt Stetgketskorrektur: z = σ weter Bespel 5. Egetlch darf ma für ee bomalvertelte Zufallsvarable ur da de Normalvertelug als Näherug beutze, we glt Varaz s = pq > 9. s > 3. LAPLACE-Bedgug. Her st s = 0 0,4 0,6 =,4 < 9. Mt der Stetgketskorrektur st trotzdem ee recht gute Näherug errecht worde! Nu solle a deser Stelle 40 Fchtepflaze agepflazt werde. We groß st de Wahrschelchket, dass höchstes 0 Pflaze awachse? s = p q = 40 0,4 0,6 = 9,6 > 9 appromerbar 0 0,5 6 W(X 0) =F SN (z) = F æ + - SN ç ö = FSN (, 45) = 0,965 3,098 zum Verglech: F B (0) = 0,96 è

15 5.5 AUFGABEN ZUR NORMALVERTEILUNG Aufgabe Normalvertelug gegebe: Sachverhalt mt dskreter (bomalvertelter) oder stetger Zufallsvarable. Tabelle ud Appromatosbedguge der Formelsammlug. gesucht / Schrtte:. Appromatosbedguge für de Normalvertelug prüfe stetge Zufallsvarable: ohe weteres awede dskrete Zufallsvarable: /N 0,05 /p ³ 500 Hypergeom.Vert. ¾¾¾¾ Bomal-Vert. ¾¾¾¾ Posso-Vert. pq> 9 Bomal.Vert ¾ ¾ ¾ ¾ Normalvertelug da mt Stetgketskorrektur reche. Wahrschelchkete für bestmmte Itervalle Formelmäßge Asätze für de kokret gegebee Zahle. jewels beötgte Stadard-Normalvarable z breche aus: - µ 0,5 stetg bzw. + - z = z = µ dskret bereche, σ σ damt F SN (z) oder D SN (z) bereche, we de Bespele 5.7 ud 5. (Abschtt 5.4) W(X st "mdestes" k) = W(X st "höchstes" k) 3. µ, s, s für das Stchprobemttel σ µ = µ X, σ = X awede 4. Egeschafte der Normalvertelug ud der Stadard-Normalvertelug Zusatzfrage überlegt ma sch am lechteste, dem ma sch de Fuktosgraphe zu de Dchtefuktoe f Norm µ s () bzw. f SN (z) vorstellt oder skzzert.

16 5.6 APPROXIMATIONSBEDINGUNGEN Übergag vo der Hypergeometrsche V. zur Bomal-V., we /N 0,05 Bomal-V. zur POISSON-V., we /p 500 Hypergeometrsche V. zur POISSON-V., we /N 0,05 ud /p 500 Bomal-V zur Normalvertelug, we s = p q > 9 (LAPLACE-Bedgug) Hypergeometrsche V. zur Normalvertelug, we /N 0,05 ud s = p q > 9 POISSON-V. zur Normalvertelug, we µ = s > 9 STUDENT-t-V. zur Normalvertelug, we > 30, be ormalvertelter Grudgesamthet we > 50, be ubekater Vertelug der Grudgesamthet g Ecel / Normalvertelug / Zele 7 Apassug ud Korrekturfaktore Dskrete Zufallsvarable X Stchprobemttel σx + 0,5-µ z = (Stetgketskorrektur) σ σ -µ σ = Þ z = σ N - /N > 0,05: s korrgert = s N - -µ -µ s ubekat, < 30 bzw. < 50 t = bzw. t = s s s wrd durch de Stadardabwechug s aus der Stchprobe ersetzt (Thema 6) Bomal Hypergeometrsch Posso /N 0,05 s = p q > 9 uter de Appromatosbedguge: Stadard- Normalvertelug f SN (z), F SN (z) 4 Apassugsprobleme. Umrechug kokret stadardsert -µ z= s. Für Stchprobemttelwerte statt Ezelobjekte -µ z= s 3. Für ohe Zurücklege be /N > 0,05 -µ z= N- s N- 4. s ubekat, ersatzwese s aus der Stchprobe utze: -µ t = s

17 5.7 CHI -, STUDENT-T-, FISHER-F- VERTEILUNG a) Ch -, c -Vertelug [Pearso, Karl, ch, Lodo, ca. 94] Ee stetge Zufallsvarable X st c -vertelt mt Frehetsgrade, we hre Dchtefukto ν c - - -t - ν 0 G( ν) fν( c ) = ( c ) e mt G ( ) = ò e t dt (Gammafukto) g Tabelle 7.4 Es see X, X,, X uabhägge stadardormalvertelte Zufallsvarable. Da st de Zufallsvarable C = X + X Xν c -vertelt. Aweduge: () Ch -Uabhäggketstest, zum Prüfe omaler Merkmale auf Uabhäggket (4.4) () Ch -Apassugstest, zum Prüfe, ob ee Zufallsvarable ormalvertelt st (5.7) (3) Varaztest, zum Teste, ob s Stchprobe sgfkat vo s Grudgesamthet abwecht. b) t-vertelug (STUDENT-t-Vertelug) [GOSSET, WILLIAM, "STUDENT", Dubl, Irlad, 908] Ee stetge Zufallsvarable X st t-vertelt mt Frehetsgrade, we hre Dchtefukto æ ν+ ö G ç æ ö ν ç p ν G( ) è ν ν+ - t -t - f ( t) = è + mt G ( ) = e t dt g Tabelle 7.5 ò (Gammafukto) Es se X ee stadardormalvertelte Zufallsvarable ud C ee c -vertelte Zufallsvarable mt Frehetsgrade. X ud C sd uabhägge Zufallsvarable. Da st de Zufallsvarable T = X studet-t-vertelt mt Frehetsgrade. C ν Aweduge: () Multple Regressosaalyse, zum Prüfe, ob e Eflussfaktor ee sgfkate Betrag zur Regresso lefert. (Abschtt.4) () Hypothesetests, zum Prüfe, ob g Stchprobe sgfkat vo µ Grudgesamthet abwecht, astelle der Normalvertelug, we s Grudgesamthet ubekat st. (Abschtt 6.3) 0 c) FISHER -F-Vertelug [FISHER, RONALD, Rothamsted, GB, 98] De Zufallsvarable X se c -vertelt mt p Frehetsgrade ud de vo X uabhägge Zufallsvarable Y se c -vertelt mt Frehetsgrade, da st de Zufallsvarable Z X p Z= FISHER-F-vertelt mt de Frehetsgrade p ud Y ν g Tabelle 7.3 Aweduge: () Korrelatosaalyse, zum Prüfe, ab e sgfkater Zusammehag besteht (.). () Varazaalyse, z.b. zum Teste, ob s Stchprobe A sgfkat vo s Stchprobe B abwecht.

18 5.8 IST X NORMALVERTEILT? Scho oft heß es "ormalvertelte" Zufallsvarable. Es st zu prüfe, ob ee Zufallsvarable "egermaße" ormalvertelt st. Wr werte ee möglchst große Stchprobe aus => k Klasse, Häufgkete, g, s. Wr vergleche dese beobachtete Häufgkete mt de theoretsche Häufgkete u. Geau so sd wr bem Ch -Uabhäggketstest vorgegage (Abschtt 4.4). Als Testgröße blde wr weder de Summe der ormerte Abwechugsquadrate ch ( - u ) k emprsch =c emprsch =å ud teste mt dem Prüfmaß c crt. = u Der Test heßt Ch -Apassugstest, wel de Güte der Apassug eer theoretsche Vertelug a ee emprsche Vertelug überprüft wrd. De Nullhypothese H 0 lautet: de zu prüfede Grudgesamthet gehorcht der Normalvertelug. Wr spreche besser vo Vertelugshypothese, de zu bestätge oder abzulehe st. Auf ählche Wese ka ma prüfe, ob ee Zufallsvarable eer adere theoretsche Vertelug gehorcht, etwa ob se POISSON-vertelt st, oder ob se jee Dchtefukto für de Verspätug X der U-Bah hat Bespel 5.8 (ach Bleymüller S.9) Es soll geprüft werde, ob de "Lebesdauer" X ees bestmmte Akku-Typs ormalvertelt st. Es wurde ee Stchprobe m Umfag = 80 Stück ausgewertet. Sgfkazveau a = 0,05. De stetge Zufallsvarable Lebesdauer wurde 7 Merkmalsklasse gegledert: k = 7. Als mttlere Lebesdauer ergbt sch = 3,4[Jahre], de Stadardabwechug st s = 0,7 [Jahre].. Zuächst ee Arbetstabelle mt der Häufgketsvertelug der k Klasse [ ute ; obe ]. ud s sd scho gegebe, de Klassemtte * ud de Spalte beötge wr cht. g Ecel / Apassugstest. Wr beötge de Wahrschelchkete F SN (z ) für de Itervalle < X obe. obe - Dazu bestmme wr de Stadardormalvarable z =. s Für dese z lese wr aus der Tabelle F SN de Werte F SN (z ) ab. 3. Wr beötge de Wahrschelchkete (= theoretsche relatve Häufgkete) w für de Klasse. Wr erhalte de w durch Dfferezebldug w = F SN (z ) F SN (z ). Dabe setze wr F SN (z 0 ) = Wr beötge de theoretsche absolute Häufgkete u = w. <= w = u / Bem Ch -Apassugstest wrd vorausgesetzt, dass jeder Klasse u 5 st. We des cht der Fall st, da müsse Klasse etspreched zusammegefasst werde. 5. Zum Vergleche der emprsche Häufgkete mt de theoretsche Häufgkete u bldet ma de Summe der ormerte Abwechugsquadrate k c emprsch =å = ( - u ) 6. Zum Ablese des Prüfmaßes c crt beötge wr de Scherhetsgrad a ud de Frehetsgrade: = k p. k st de Azahl der Klasse, p st de Azahl der Parameter (g, s), de aus der Stchprobe ermttelt wurde. We µ Grudgesamthet gegebe st, da st k =. u 7. De Vertelugshypothese bestätge wr, we c c (H 0 wr bebehalte). emprsch crt.

19 5.9 CHI - ANPASSUNGSTEST Aufgabe Apassugstest gegebe: Häufgketsvertelug mt k Klasse ud de Häufgkete., s aus der Stchprobe oder µ, s aus der Grudgesamthet. Vertelugshypothese. Sgfkazsveau (Irrtums-Wahrschelchket) a. gesucht: Schrtte: Es st zu prüfe, ob de utersuchte Zufallsvarable ormalvertelt st. Arbetstabelle ud Zwscheschrtte sd azugebe. We auf der voragehede Sete dargestellt. obe a) Arbetstabelle mt Spalte b) Spalte Stadardormalvarable obe - z = s c) Spalte F SN (z ) d) Spalte w = F SN (z ) F SN (z ) e) Spalte u = w Klasse zusammefasse, we u 5 f) Spalte g) Summe blde: ( -u ) u k c emprsch =å = ( - u ) u h) Frehetsgrade bereche = k p. p st 0, oder je achdem we vele Parameter aus der Stchprobe komme. ) c crt Tabelle 7.4 ablese: c crt a. (be Scherhetsgrad a) j) Vertelugshypothese bestätge, we c c, aderfalls ablehe emprsch crt.

( ) ( ) ( ) ( ) è ø. P A Wahrscheinlichkeitsmaß. lim n. Dr. Christian Schwarz 4. KOMBINATORIK Permutationen

( ) ( ) ( ) ( ) è ø. P A Wahrscheinlichkeitsmaß. lim n. Dr. Christian Schwarz 4. KOMBINATORIK Permutationen BBA Projektsemar Thess Dr. Chrsta Schwarz Formelsammlug Aalytsche Statstk 4. KOMBINATORIK 4.. Permutatoe Azahl der Permutatoe vo N Elemete ohe Wederholug: Multomalkoeffzet: N! = N N- N -... 3 N! N! N!...

Mehr

Statistische Grundlagen Ein kurzer Überblick (diskret)

Statistische Grundlagen Ein kurzer Überblick (diskret) Prof. J.C. Jackwerth 1 Statstsche Grudlage E kurzer Überblck (dskret De wchtgste Begrffe ud Deftoe: 1 Erwartugswert Varaz / Stadardabwechug 3 Stchprobevaraz 4 Kovaraz 5 Korrelatoskoeffzet 6 Uabhäggket

Mehr

Asymptotische Normalverteilung nach dem zentralen Grenzwertsatz

Asymptotische Normalverteilung nach dem zentralen Grenzwertsatz Asymptotsche ormalvertelug ach dem zetrale Grezwertsatz Erwartugswert eer Summe vo Zufallsvarable mt jewels de Erwartugswert x (Y Y Asymptotsche ormalvertelug ach dem zetrale Grezwertsatz Varaz eer Summe

Mehr

Übungen zur Wahrscheinlichkeitsrechnung und Schliessenden Statistik

Übungen zur Wahrscheinlichkeitsrechnung und Schliessenden Statistik Übuge zur Wahrschelchketsrechug ud Schlessede Statstk Aufgabe ud Lösuge vo Peter M Schulze, Verea Dexhemer. Auflage Übuge zur Wahrschelchketsrechug ud Schlessede Statstk Schulze / Dexhemer schell ud portofre

Mehr

Dr. H. Grunert Einführung in die Wahrscheinlichkeitsrechnung Vorlesungscharts. Vorlesung 5.2. Eigenschaften von Zufallsvariablen

Dr. H. Grunert Einführung in die Wahrscheinlichkeitsrechnung Vorlesungscharts. Vorlesung 5.2. Eigenschaften von Zufallsvariablen Vorlesugscharts Vorlesug 5. Egeschafte vo Zufallsvarable Reproduktvtät Approxmatoe Zetraler Grezwertsatz Sete vo Chart : Uabhäggket vo Zufallsvarable Zwe Zufallsvarable X ud Y mt hre Realsatoe { x, x,...,

Mehr

Statistik. ist die Kunst, Daten zu gewinnen, darzustellen, zu analysieren und zu interpretieren um zu neuem Wissen zu gelangen.

Statistik. ist die Kunst, Daten zu gewinnen, darzustellen, zu analysieren und zu interpretieren um zu neuem Wissen zu gelangen. Statstk st de Kust, Date zu gewe, darzustelle, zu aalysere ud zu terpretere um zu euem Wsse zu gelage. Sachs (984) Aufgabe De Statstk hat also folgede Aufgabe: Zusammefassug vo Date Darstellug vo Date

Mehr

2.2 Rangkorrelation nach Spearman

2.2 Rangkorrelation nach Spearman . Ragkorrelato ach Spearma Wr wolle desem Kaptel de Ragkorrelatoskoeffzete ach Spearma bereche. De erste Daterehe besteht aus Realseruge x, x,..., x der uabhägg ud detsch stetg vertelte Zufallsvarable

Mehr

5 Reproduktions- und Grenzwertsätze

5 Reproduktions- und Grenzwertsätze Reproduktos- ud Grezwertsätze Reproduktos- ud Grezwertsätze. Reproduktossätze Bespel 0: Der Aufzug eer Frma st zugelasse für Persoe bzw. 000 kg. Das Durchschttsgewcht der Agestellte der Frma st µ = 80

Mehr

Erzeugen und Testen von Zufallszahlen

Erzeugen und Testen von Zufallszahlen Erzeuge ud Teste vo Zufallszahle Jürge Zumdck Eletug Ee Lergruppe wrd aufgefordert 00 Zufallszahle (0 oder ) ach folgede Methode zu erzeuge: De Hälfte der Gruppe beutzt a) ee Müze oder b) de Zufallszahlefukto

Mehr

FH D WS 2007/08 Prof. Dr. Horst Peters Dezember 2007

FH D WS 2007/08 Prof. Dr. Horst Peters Dezember 2007 FH D WS 007/08 Prof. Dr. Horst Peters Dezember 007 Formelsammlug Wahrschelchetsrechug ud dutve Statst m Bachelor-Studegag Busess Admstrato (Modul BWL B) Sete / 6 Formelsammlug Wahrschelchetsrechug ud Idutve

Mehr

Quellencodierung I: Redundanzreduktion, redundanzsparende Codes

Quellencodierung I: Redundanzreduktion, redundanzsparende Codes Quellecoderug I: Redudazredukto, redudazsparede Codes. Redudaz. Eführug. Defto der Redudaz. allgemee Redudazredukto. redudazsparede Codes. Coderug ach Shao. Coderug ach Fao. Coderug ach Huffma.4 Coderug

Mehr

Spezielle diskrete Verteilungen

Spezielle diskrete Verteilungen Spezelle dskrete Vertelugsfamle Dskrete Glechvertelug Beroull- oder Zwe-Pukt-Vertelug Bomalvertelug Hypergeometrsche Vertelug Possovertelug Geometrsche Vertelug Appromatoe Bblografe Bleymüller / Gehlert

Mehr

Intervallschätzungen geben unter Berücksichtigung des Verteilungstyps von X einen Bereich an, der den Parameter mit vorgegebener Sicherheit enthält.

Intervallschätzungen geben unter Berücksichtigung des Verteilungstyps von X einen Bereich an, der den Parameter mit vorgegebener Sicherheit enthält. Parameterschätzuge Fachhochschule Jea Uversty of Appled Sceces Jea Oft st der Vertelugstyp eer Zufallsgröße X bekat, ur de Parameter sd ubekat. Da erfolgt hre Schätzug aus eer Stchprobe. Ma uterschedet

Mehr

Spannweite, Median Quartilsabstand, Varianz und Standardabweichung.

Spannweite, Median Quartilsabstand, Varianz und Standardabweichung. Rudolf Brkma http://brkma-du.de Sete 06.0.008 Spawete, Meda Quartlsabstad, Varaz ud Stadardabwechug. Streuug um de Mttelwert. I de folgede Säuledagramme st de Notevertelug zweer Schülergruppe (Mädche,

Mehr

Ordnungsstatistiken und Quantile

Ordnungsstatistiken und Quantile KAPITEL Ordugsstatste ud Quatle Um robuste Lage- ud Streuugsparameter eführe zu öe, beötge wr Ordugsstatste ud Quatle... Ordugsstatste ud Quatle Defto... Se (x,..., x R ee Stchprobe. Wr öe de Elemete der

Mehr

Vl. Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 3: Diskrete Verteilungen

Vl. Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 3: Diskrete Verteilungen Vl. Statstsche Prozess- ud Qualtätsotrolle ud Versuchsplaug Übug 3: Dsrete Verteluge Prof. Dr. B. Grabows Zur Lösug der folgede Aufgabe öe Se auch de begefügte Tabelle der dsrete Verteluge m Ahag verwede.

Mehr

Varianzfortpflanzung

Varianzfortpflanzung 5.0 / SES.5 Parameterschätzug Varazortplazug Torste Maer-Gürr Torste Maer-Gürr Dskrete Zuallsvarable Ee dskrete Zuallsvarable mmt edlch vele oder abzählbar uedlch vele Werte a. - Werte: - Wahrschelchket:,,,,,,,,

Mehr

Verteilungen und Schätzungen

Verteilungen und Schätzungen Verteluge ud Schätzuge Zufallseperet Grudbegrffe Vorgag ach eer bestte Vorschrft ausgeführt ( Przp) belebg oft wederholbar se Ergebs st zufallsabhägg be ehralge Durchführug des Eperets beeflusse de Ergebsse

Mehr

Physikalische Messungen sind immer fehlerbehaftet! Der wahre Wert ist nicht ermittelbar. Der wahre Wert x ist nicht identisch mit dem Mittelwert

Physikalische Messungen sind immer fehlerbehaftet! Der wahre Wert ist nicht ermittelbar. Der wahre Wert x ist nicht identisch mit dem Mittelwert Physkalsche Messuge sd mmer fehlerbehaftet! Der wahre Wert st cht ermttelbar. Der wahre Wert st cht detsch mt dem Mttelwert Der Wert legt mt eer gewsse Wahrschelchket (Kofdezahl bzw. Vertrauesveau %) m

Mehr

annehmen, so heißt die Funktion, die jedem atomaren Ereignis { x i } mit i { 1; 2; ;

annehmen, so heißt die Funktion, die jedem atomaren Ereignis { x i } mit i { 1; 2; ; Wahrschelchet Ee Futo X : Ω R, de edem Ergebs ees zufällge Vorgages ee reelle Zahl zuordet, heßt Zufallsgröße (oder auch Zufallsvarable Ee Zufallsgröße X heßt edlch, we X ur edlch vele Werte x aehme a

Mehr

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung Lösuge zum Übugs-Blatt 7 Wahrschelchketsrechug BMT Bostatstk Prof. Dr. B. Grabowsk ----------------------------------------------------------------------------------------------- Bedgte Wahrschelchket

Mehr

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung Lösuge zum Übugs-Blatt 7 Wahrschelchketsrechug BMT Bostatstk Prof. Dr. B. Grabowsk ----------------------------------------------------------------------------------------------- Satz vo Bayes ud totale

Mehr

2. Die Elementarereignisse sind die Kombinationsmöglichkeiten von: Wappen = W und:

2. Die Elementarereignisse sind die Kombinationsmöglichkeiten von: Wappen = W und: 1 L - Hausaufgabe Nr. 55 Sotag, 1. Ju 2003 Ee Müze werde dremal geworfe. Was st das Zufallsexpermet, das Elemetareregs, das zusammegesetzte Eregs, der Eregsraum ud de Wahrschelchket? Lösugs kte.: 1 De

Mehr

Lösungen. Häufigkeitsverteilung (Stabdiagramm) Aufgabe 1. Häufigkeit (h) Merkmal (x)

Lösungen. Häufigkeitsverteilung (Stabdiagramm) Aufgabe 1. Häufigkeit (h) Merkmal (x) Lösuge Aufgabe Merkmal (x) Häufgket (h) h x,, 3, 3,, 8, 5, 5, 6, 6, 7, 3, 8, 3 5, 9, 38,, 5,, 8 68,, 6 3, 3, 9,, 8, 5, 5 5, 6, 3 78, 7, 5, 8, 8, 3, 3, Summe 5.63, Aufgabe Häufgketsvertelug (Stabdagramm)

Mehr

Einführung Fehlerrechnung

Einführung Fehlerrechnung IV Eführug Fehlerrechug Fehlerrechuge werde durchgeführt, um de Vertraueswürdgket vo Meßergebsse beurtele zu köe. Uter dem Fehler eer Messug versteht ma de Abwechug ees Meßergebsses vom (grudsätzlch ubekate

Mehr

1 Mathe Formeln Statistik und Wahrscheinlichkeitsrechnung

1 Mathe Formeln Statistik und Wahrscheinlichkeitsrechnung 1 Mathe Formel Statstk ud Wahrschelchketsrechug Jör Horstma, 6.10.003. Alle Agabe ohe Gewähr. http://www.ba-stuttgart.de/ w017/ 1.1 Grudlage Ezelklasse [a ; b [ Klassewete Klassemtte Mttelwert b a = w

Mehr

Stochastik Formeln von Gerald Meier

Stochastik Formeln von Gerald Meier Stochast Formel vo Gerald Meer Grudbegrffe ud Operatoe umöglches Eregs scheres Eregs Ω A mplzert B Glechhet A B AB cht A A A ud B A B A oder B A B A ohe B A \ B A B dsjut A B de Morga A B A B Elemetareregs

Mehr

Formeln für Statistik und Wahrscheinlichkeitstheorie (Dutter)

Formeln für Statistik und Wahrscheinlichkeitstheorie (Dutter) Formel für tatstk ud Wahrschelchketstheore (Dutter) Fehler a: fpalmater@gmal.com Cotets Beschrebede tatstk... Kegröße vo Verteluge... Verteluge... 3 Wahrschelchketstheore... 3 Grudlage... 4 Erwartug &

Mehr

Alternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF

Alternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF Alteratve Darstellug des -Stchprobetests für Atele DCF CF Total 111 11 3 Respose 43 6 69 Resp. Rate 0,387 0,3 0,309 Beobachtete Respose No Respose Total absolut DCF 43 68 111 CF 6 86 11 69 154 3 Be Gültgket

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statstk ud Wahrschelchketsrechug Mathas Graf 8.04.009 Ihalt der heutge Vorlesug Auswahl eer Vertelugsfukto: Wahrschelchketspaper Schätzug ud Modelletwcklug: Methode der Momete Methode der Maxmum Lkelhood

Mehr

Korrelations- und Regressionsanalyse

Korrelations- und Regressionsanalyse Kaptel VI Korrelatos- ud Regressosaalse B 6 (Gegestad der Korrelatos- ud Regressosaalse) Währed de Korrelatosaalse de Estez, de Stärke ud de Rchtug des Zusammehags zwsche zwe oder mehrere statstsche Varable

Mehr

Konzentrationsanalyse

Konzentrationsanalyse Kaptel V Kozetratosaalyse B. 5.. Im Allgemee wrd aus statstscher Scht zwsche - absoluter ud - relatver Kozetrato uterschede Der absolute ud relatve Aspekt wrd och emal utertelt - statscher ud - dyamscher

Mehr

Seminar: Stochastische Geometrie und ihre Anwendungen - Unbegrenzt teilbare und stabile Verteilungen.

Seminar: Stochastische Geometrie und ihre Anwendungen - Unbegrenzt teilbare und stabile Verteilungen. Uverstät Ulm, Isttut Stochastk 5. Jul 200 Semar: Stochastsche Geometre ud hre Aweduge - Ubegrezt telbare ud stable Verteluge. Ausarbetug: Stefa Fuke Betreuer: Ju.-Prof. Dr. Zakhar Kabluchko Ubegrezt telbare

Mehr

1 n xi. = å. 1 k. i i

1 n xi. = å. 1 k. i i Thema 4 Wahrschelchet Statst - Neff INHALT 4.3 Kotgez => Ch -Uabhäggetstest (= Ch -Kotgeztest) wr beutze h = / als Näherug für de Wahrschelchete ab 4.6 De Asätze für de Maßzahle "Mttelwert" ud "Varaz"

Mehr

Kapitel XI. Funktionen mit mehreren Variablen

Kapitel XI. Funktionen mit mehreren Variablen Kaptel XI Fuktoe mt mehrere Varable D (Fuktoe vo uabhägge Varable Se R ud D( f R Ist jedem Vektor (Pukt (,,, D( f durch ee Vorschrft f ee reelle Zahl z = f (,,, zugeordet, so heßt f ee Fukto vo uabhägge

Mehr

Ergebnis- und Ereignisräume

Ergebnis- und Ereignisräume I Ergebs- ud Eregsräume Zufallsexpermete Defto: E Expermet, welches belebg oft uter gleche Bedguge wederholbar st ud desse Ergebs cht mt Bestmmthet vorhergesagt werde ka (d.h. es gbt md. 2 Mgk.), heßt

Mehr

WIB 2 Mathematik und Statistik Formelsammlung. Z Menge der ganzen Zahlen {...,-3,-2,-1,0,1,2,3,...}

WIB 2 Mathematik und Statistik Formelsammlung. Z Menge der ganzen Zahlen {...,-3,-2,-1,0,1,2,3,...} 1 Allgeme Geometrsche Rehe: q t = 1 q1 t=0 1 q Mtterachtsformel: ax 2 bxc=0 x 1/ 2 = b±b2 4ac 2a Bomsche Formel: 1. ab 2 =a 2 2abb 2 2. a b 2 =a 2 2abb 2 3. ab a b=a 2 b 2 Wurzel: ugerade 1 Ergebs gerade

Mehr

Deskriptive Statistik behaftet.

Deskriptive Statistik behaftet. De Statstk beschäftgt sch mt Masseerscheuge, be dee de dahterstehede Ezeleregsse mest zufällg sd. Statstk beutzt de Methode der Wahrschelchketsrechug. Fudametalregel: Statstsche Aussage bezehe sch e auf

Mehr

Maße zur Kennzeichnung der Form einer Verteilung (1)

Maße zur Kennzeichnung der Form einer Verteilung (1) Maße zur Kezechug der Form eer Vertelug (1) - Schefe (skewess): Defto I - Ee Vertelug vo Messwerte wrd als schef bezechet, we se der Wese asymmetrsch st, dass lks oder rechts des Durchschtts ee Häufug

Mehr

Verdichtete Informationen

Verdichtete Informationen Verdchtete Iormatoe Maßzahle Statstke be Stchprobe Parameter be Grudgesamthete Maßzahle zur Beschrebug uvarater Verteluge Maßzahle der zetrale Tedez (Mttelwerte) Maßzahle der Varabltät (Streuugswerte)

Mehr

Deskriptive Statistik

Deskriptive Statistik Elemet Deskrptve Statstk KAD 0.09. Grudgesamthet (Populato): Gesamthet der Idvdue (Elemete), dere Egeschafte be der Stude utersucht werde solle. De gesamte Mege der teresserede Date. N = uedlch Stchprobe:

Mehr

( x) eine Funktion definiert, in der nur die i-te Komponente variabel ist. Folgende Schreibweisen werden aufgrund dieser Anmerkungen auch verwendet:

( x) eine Funktion definiert, in der nur die i-te Komponente variabel ist. Folgende Schreibweisen werden aufgrund dieser Anmerkungen auch verwendet: Pro. Dr. Fredel Bolle LS ür Volkswrtschatslehre sb. Wrtschatstheore (Mkroökoome) Vorlesug Mathematk - WS 008/009 4. Deretalrechug reeller Fuktoe IR IR (Karma, S. 00 06, dort glech ür IR IR m ) 4. Partelle

Mehr

Lohnkosten pro Arbeitsstunde. Wie hoch sind die Lohnkosten pro Arbeitsstunde im Jahresdurchschnitt?

Lohnkosten pro Arbeitsstunde. Wie hoch sind die Lohnkosten pro Arbeitsstunde im Jahresdurchschnitt? Klausur Wrtschaftsstatstk. [ Pukte] E Uterehme hat folgede Date ermttelt: Moat Gelestete Arbetsstude Lohkoste pro Arbetsstude Jauar 86.400 0,06 Februar 75.000 3,0 März 756.000 4,47 Aprl 768.000,53 Ma 638.400

Mehr

Formelzusammenstellung

Formelzusammenstellung Hochschule Müche Faultät Wrtschaftsgeeurwese Formelzusammestellug zugelasse für de Prüfug Dateaalyse der Faultät 09 für Wrtschaftsgeeurwese Prof. Dr. Voler Abel Formelsammlug Dateaalyse / Ihaltsverzechs

Mehr

Teil IV Musterklausuren (Univ. Essen) mit Lösungen

Teil IV Musterklausuren (Univ. Essen) mit Lösungen Tel IV Musterklausure (Uv. Esse) mt Lösuge Hauptklausur WS 9/9 Aufgabe : a) Revolverheld R stzt m Saloo ud pokert. De Wahrschelchket, daß er dabe ee seer Mtspeler bem Falschspel erwscht (Eregs F), bezffert

Mehr

Einführung in die Stochastik 3. Übungsblatt

Einführung in die Stochastik 3. Übungsblatt Eführug de Stochastk 3. Übugsblatt Fachberech Mathematk SS 0 M. Kohler 06.05.0 A. Fromkorth D. Furer Gruppe ud Hausübug Aufgabe 9 (4 Pukte) Der Mkrozesus st ee statstsche Erhebug. Herbe werde ach bestmmte

Mehr

Formelsammlung Statistik

Formelsammlung Statistik Gesudhets- ud Toursmusmaagemet Formelsammlug Statstk Dpl. Mathematker (FH) Rolad Geger Rosestr. 23 7263 Achtal cs.geger@t-ole.de www.cs-geger.de Grudlage Bezechuge x h N H Ω ezele Messergebsse eer Stchprobe

Mehr

Zur Interpretation einer Beobachtungsreihe kann man neben der grafischen Darstellung weitere charakteristische Größen heranziehen.

Zur Interpretation einer Beobachtungsreihe kann man neben der grafischen Darstellung weitere charakteristische Größen heranziehen. Rudolf Brkma http://brkma-du.de Sete 0.0.008 Lagemaße der beschrebede Statstk. Zur Iterpretato eer Beobachtugsrehe ka ma ebe der grafsche Darstellug wetere charakterstsche Größe herazehe. Mttelwert ud

Mehr

wahlberechtigte Personen der BRD zur Bundestagswahl zugelassene Parteien (SPD, CDU, Grüne, FDP)

wahlberechtigte Personen der BRD zur Bundestagswahl zugelassene Parteien (SPD, CDU, Grüne, FDP) Zu Aufgabe 1) Sd folgede Merkmale dskret oder stetg? a) De durch ee wahlberechtgte Perso der BRD gewählte Parte be der Budestagswahl. b) Kraftstoffverbrauch ees Persoekraftwages auf 100 km. c) Zahl der

Mehr

Eigenschaften der arithmetischen Mittel. Schätzer für die Varianz. Allgeimeines Method: Likelihood Funktion. Schätzer für die Wahrscheinlichkeit

Eigenschaften der arithmetischen Mittel. Schätzer für die Varianz. Allgeimeines Method: Likelihood Funktion. Schätzer für die Wahrscheinlichkeit Statstk. Vorlesug, September 6, 009 Egeschafte er arthmetsche Mttel für alle Fälle wo e Stchprobeelemete habe e selbe Vertelug u s uabhägg: E ( = mvar, ( = / Staarabwechug (Staarfehler: D ( = / Korrektur

Mehr

Einführung 2. Teil: Fehleranalyse

Einführung 2. Teil: Fehleranalyse Phskalsch-chesches Praktku I Modul Eführug. Tel: Fehleraalse Ja Helbg, 7.09.08 Uterlage: htt://www.che.uzh.ch/stud/old/docuets/ear/che3.htl Fehlerrechug Gesucht: wahrer Wert eer Grösse Aber: Sere vo Messuge

Mehr

Einen Spieler interessiert nicht, wie er gewinnt, sondern ob und wie viel er gewinnt.

Einen Spieler interessiert nicht, wie er gewinnt, sondern ob und wie viel er gewinnt. III Zufallsgröße Bespel ud Defto Bespel: Dremal Müzwurf Spel: Esatz, we cht zwe gleche htereader 3 Auszahlug. Ω = {(x x x3) x,x,x3 {Z,K}} Retert sch deses Spel? Dabe geht es ur um de Gew! Also: Defto Gew:

Mehr

Textil & Design Formelsammlung Statistik

Textil & Design Formelsammlung Statistik Textl & Desg Formelsammlug Statstk Dpl. Mathematker (FH) Rolad Geger Rosestr. 23 7263 Achtal cs.geger@t-ole.de www.cs-geger.de Grudlage Bezechuge x h N H Ω ezele Messergebsse eer Stchprobe absolute Häufgket

Mehr

Als Einstieg. Als Einstieg. Verteilungstests. Verteilungstests. Testverfahren. Grafische Verfahren

Als Einstieg. Als Einstieg. Verteilungstests. Verteilungstests. Testverfahren. Grafische Verfahren Als Esteg Als Esteg Populato Ω Grudgesamthet, cht beobachtbar mt ubekate Parameter, z.b. Erwartugswert μ, Stadardabwechug σ² Kegröße vo Stchprobe ud etsprechede Vertelugsparameter Stchprobeschätzug Dskrete

Mehr

(Markowitz-Portfoliotheorie)

(Markowitz-Portfoliotheorie) Thema : ortfolo-selekto ud m-s-rzp (Markowtz-ortfolotheore) Beurtelugskrtere be quadratscher Nutzefukto: Beroull-rzp + quadratsche Nutzefukto Thema Höhekompoete: Erwartugswert µ Rskokompoete: Stadardabwechug

Mehr

Definitionen und Aussagen zu Potenzreihen

Definitionen und Aussagen zu Potenzreihen Deftoe ud Aussage zu Potezrehe User bsherges Repertore a stetge Abblduge basert auf ratoale Fuktoe, also Ausdrücke, dee Addto, Subtrakto, Multplkato ud Dvso vorkomme. Auf dese Wese sd aber Epoetalfukto,

Mehr

Eigenwerteinschließungen I

Eigenwerteinschließungen I auptsemar: Numersche Lösuge für Egewertaufgabe Egewerteschleßuge I Referet: Wolfgag Wesselsky Glederug Eletug Kodto vo Egewerte 3 Eschleßugssätze Bauer-Fke, Gershgor, Wlkso, Bedxo 4 Zusatz: Courat / Weyl

Mehr

Quellencodierung I: Redundanzreduktion, redundanzsparende Codes

Quellencodierung I: Redundanzreduktion, redundanzsparende Codes Quellecoderug I: Redudazredukto, redudazsparede Codes Quellecoderug Durch de Quellecoderug werde de Date aus der Quelle codert, bevor se ee Übertragugskaal übertrage werde De Coderug det der Verkleerug

Mehr

Der Korrelationskoeffizient ist ein Maß für den linearen Zusammenhang zwischen zwei Variablen X und Y. Er ist durch folgende Formel charakterisiert:

Der Korrelationskoeffizient ist ein Maß für den linearen Zusammenhang zwischen zwei Variablen X und Y. Er ist durch folgende Formel charakterisiert: Korrelatoskoeffzet Der Korrelatoskoeffzet st e Maß für de leare Zusammehag zwsche zwe Varable X ud Y. Er st durch folgede Formel charaktersert: r xy corr XY ( x x)( y y) ( ) x x ( y y) x x y x ( ) ( )

Mehr

Formelsammlung. Unter diesen Annahmen kann der Korrelationskoeffizient nach folgenden Schritten getestet werden:

Formelsammlung. Unter diesen Annahmen kann der Korrelationskoeffizient nach folgenden Schritten getestet werden: Formelammlug. Korrelatoaalye Korrelatooeffzet (Brava-Pearo) ( )( y y) y y r, r + ( ) ( y y) y y Stattcher et Soll tattch getetet werde, ob e learer Zuammehag zwche de Varable ud y für de Grudgeamthet beteht,

Mehr

Lösungen zu Übungs-Blatt 7 Klassische Wahrscheinlichkeit in Glücksspielen, Bedingte Wkt, Unabhängigkeit, Satz von Bayes

Lösungen zu Übungs-Blatt 7 Klassische Wahrscheinlichkeit in Glücksspielen, Bedingte Wkt, Unabhängigkeit, Satz von Bayes Lösuge zu Übugs-latt 7 Klasssche Wahrschelchet Glücsspele, edgte Wt, Uabhägget, Satz vo ayes Master M Höhere ud gewadte Mathemat rof. Dr.. Grabows De folgede ufgabe löse wr uter Verwedug der bede ombatorsche

Mehr

Ingrid A. Uhlemann (2015): Einführung in die Statistik für Kommunikationswissenschaftler. Online Anhang: Lösung der Übungsaufgaben Kapitel 5-8,

Ingrid A. Uhlemann (2015): Einführung in die Statistik für Kommunikationswissenschaftler. Online Anhang: Lösung der Übungsaufgaben Kapitel 5-8, Igrd A. Uhlema (015): Eführug de Statstk für Kommukatoswsseschaftler. Ole Ahag: Lösug der Übugsaufgabe Kaptel 5-8, Lösug der Übugsaufgabe Kaptel 5: Aufgabe 1: Geg.: Persoalserug ordal skalert, dskret Dauer

Mehr

Klausur Statistik IV Sommersemester 2009

Klausur Statistik IV Sommersemester 2009 Klausur Statstk IV (Lösug) Name, Vorame 013456 Klausur Statstk IV Sommersemester 009 Prof. Dr. Torste Hothor Isttut für Statstk Name: Name, Vorame Matrkelummer: 013456 Wchtg: ˆ Überprüfe Se, ob Ihr Klausurexemplar

Mehr

Sitzplatzreservierungsproblem

Sitzplatzreservierungsproblem tzplatzreserverugsproblem Be vele Zugsysteme Europa müsse Passagere mt hrem Zugtcet ee tzplatzreserverug aufe. Da das Tcetsystem Kude ee ezele Platz zuwese muss, we dese e Tcet aufe, ohe zu wsse, welche

Mehr

Der Approximationssatz von Weierstraß

Der Approximationssatz von Weierstraß Der Approxmatossatz vo Weerstraß Ja Köster 22. Oktober 2007 1 Eführug Aus der Aalyss wsse wr, dass sch aalytsche Fuktoe durch Potezrehe der Form f(x = a 0 + a 1 x + a 2 x 2 +... darstelle lasse. Dabe kovergert

Mehr

Deskriptive Statistik - Aufgabe 3

Deskriptive Statistik - Aufgabe 3 Desrptve Statst - Aufgabe 3 De Überachtugszahle der Fremdeverehrsgemede "Bachstadt" für de Moate ud zege auf de erste Blc scho deutlche Uterschede de ezele Ortschafte. We seht e etsprecheder Verglech der

Mehr

Grundlagen der Entscheidungstheorie

Grundlagen der Entscheidungstheorie Kaptel 0 Grudlage der Etschedugstheore B. 0 (Gegestad) De Etschedugstheore befasst sch mt dem Etschedugsverhalte vo Idvdue ud Gruppe. Se besteht aus we Telgebete. Deskrptve Etschedugstheore De deskrptve

Mehr

Prof. Dr. B.Grabowski. Die Behauptung I folgt aus der Multiplikationsformel: )

Prof. Dr. B.Grabowski. Die Behauptung I folgt aus der Multiplikationsformel: ) Höhere Mathemat KI Master rof. Dr..Grabows E-ost: grabows@htw-saarlad.de Satz vo ayes ud totale Wahrschelchet Zu ufgabe anachwes der Formel I ud II: eh.: I. Formel der totale Wahrschelchet: ewes: Es glt:...

Mehr

Schiefe-, Wölbungs- und Konzentrationsmaße

Schiefe-, Wölbungs- und Konzentrationsmaße Statstk für SozologIe Schefe-, Wölbugs- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Merkmal wurde 3 Gruppe beobachtet ud Form der folgede Häufgketstabelle berchtet: Klasse

Mehr

Statistische Kennzahlen für die Streuung

Statistische Kennzahlen für die Streuung Statstsche Kezahle für de Streuug Ordale Date,..., W X,,..., WX {(j) j,..., J} () < () < < (J) {(),...,(J)} (3) () 3 () Geordete Lste k X (k) () () 3 () Smpso s D ud H() sd awedbar, allerdgs wrd Iformato

Mehr

Im Wöhlerdiagramm wird die Lebensdauer (Lastwechsel oder Laufzeit) eines Bauteils in Abhängigkeit von der Belastung dargestellt.

Im Wöhlerdiagramm wird die Lebensdauer (Lastwechsel oder Laufzeit) eines Bauteils in Abhängigkeit von der Belastung dargestellt. Webull & Wöhler 0 CRGRAPH Wöhlerdagramm Im Wöhlerdagramm wrd de Lebesdauer ( oder Laufzet) ees Bautels Abhägget vo der Belastug dargestellt. Kurzetfestget Beaspruchug Zetfestget auerfestget 0 5 3 4 6 0

Mehr

Aufgaben. 1. Gegeben seien folgende Daten einer statistischen Erhebung, bereits nach Größe sortiert (Rangliste):

Aufgaben. 1. Gegeben seien folgende Daten einer statistischen Erhebung, bereits nach Größe sortiert (Rangliste): Aufgabe. Gegebe see folgede Date eer statstsche Erhebug, berets ach Größe sortert (Raglste): 0 3 4 4 5 6 7 7 8 8 8 9 9 0 0 0 0 0 3 3 3 3 4 4 5 5 5 5 5 6 6 6 7 7 8 30 Erstelle Se ee Tabelle, der de Merkmalsauspräguge

Mehr

3 Bivariate und multivariate Verfahren

3 Bivariate und multivariate Verfahren 3 Bvarate ud Multvarate Verfahre 8 3 Bvarate ud multvarate Verfahre Im Gegesatz zu de bsher behadelte Schätz- ud Testverfahre, de stets auf ee Grudgesamthet bzw. auf e Merkmal ausgerchtet ware, trete statstsche

Mehr

die Schadenhöhe ( = Risikoergebnis) des i-ten Versicherungsnehmers i 1,, n).

die Schadenhöhe ( = Risikoergebnis) des i-ten Versicherungsnehmers i 1,, n). Aufgabe Wr betrachte ee Reteverscherug der Retebezugszet mt jährlch vorschüssger Retezahlug solage der Verscherte lebt. a) Bezeche V bzw. V de rechugsmäßge Deckugsrückstellug am Afag bzw. am Ede des Verscherugsjahres.

Mehr

Einführung 2. Teil: Fehleranalyse

Einführung 2. Teil: Fehleranalyse Phscal Chemstr Phskalsch-chemsches Praktkum I Modul Eführug. Tel: Fehleraalse Ja Helbg, 9.09.06 Uterlage: htt://www.chem.uzh.ch/stud/old/documets/ear/che3.html Fehlerrechug Phscal Chemstr Gesucht: wahrer

Mehr

Statistische Tests für unbekannte Parameter. Statistische Tests für unbekannte Parameter. Statistische Tests für unbekannte Parameter

Statistische Tests für unbekannte Parameter. Statistische Tests für unbekannte Parameter. Statistische Tests für unbekannte Parameter Kofeztervall Itervall, as e ubekate Parameter er Vertelug mt vorgegebeer Scherhet übereckt ('Geaugketsaussage' bzw. Zuverlässgket er Puktschätzug ees Parameters) Statstscher Test Ja-Ne-Etscheug arüber,

Mehr

Test für Varianz. Test für Varianz. Test für Varianz. Die Kontingenztabelle. Statistik 2 4. Vorlesung. Wiederholung: zweidimensionales Datenmaterial

Test für Varianz. Test für Varianz. Test für Varianz. Die Kontingenztabelle. Statistik 2 4. Vorlesung. Wiederholung: zweidimensionales Datenmaterial Statstk 4. Vorlesug Test für Varaz Estchprobetest für de Varaz: Hat de Varaz ee bestmmte Wert, bzw. legt er eem bestmmte Berech? Etschedug basert auf dem Ergebs eer ezge Stchprobe. Zwestchprobetest für

Mehr

4. Marshallsche Nachfragefunktionen Frage: Wie hängt die Nachfrage nach Gütern

4. Marshallsche Nachfragefunktionen Frage: Wie hängt die Nachfrage nach Gütern Prof. Dr. Fredel Bolle Vorlesug "Mkroökoome" WS 008/009 III. Theore des Haushalts 0 Prof. Dr. Fredel Bolle Vorlesug "Mkroökoome" WS 008/009 III. Theore des Haushalts 0 4. Marshallsche Nachfragefuktoe Frage:

Mehr

Schiefe- und Konzentrationsmaße

Schiefe- und Konzentrationsmaße Statstk für SozologIe Schefe- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Merkmal wurde 3 Gruppe beobachtet ud Form der folgede Häufgketstabelle berchtet: Klasse m Gruppe

Mehr

Formelsammlung Statistik

Formelsammlung Statistik Deskrptve Statstk Formelsammlug Statstk. Edmesoale Häugketsverteluge Merkmal: X Datemege (Stchprobe) vom Umfag N: x, x 2,..., x geordete Stchprobe: x (), x (2),..., x () mt x () x (2)... x () Auspräguge

Mehr

Grundgesetze der BOOLEschen Algebra und Rechenregeln

Grundgesetze der BOOLEschen Algebra und Rechenregeln 5... Grudgesetze der BOOLEsche Algebra ud Recheregel Auf de mathematsch korrekte Eführug der BOOLEsche Algebra ka ch verzchte, da das Ihrer Mathematkausbldug ausführlch behadelt wrd. Ich stelle Ihe zuächst

Mehr

0,066 0,166 0,366 0,566 0,732 0,865 0, Für die Berechnung des Mittelwerts können wir hier schon Vorarbeit leisten, in dem wir rechnen.

0,066 0,166 0,366 0,566 0,732 0,865 0, Für die Berechnung des Mittelwerts können wir hier schon Vorarbeit leisten, in dem wir rechnen. Übugsaufgabe zur Fachprüfug am 3.07.007 FOM Köl Übug Gegebe sd folgede Werte! 3 4 5 6 7 8 9 0 h 0 5 30 30 5 0 5 5 Aufgabe: Bestmme a) de emprsche Mttelwert vo ( ) b) de emprsche Meda vo ( ~ ) c) de emprsche

Mehr

Induktion am Beispiel des Pascalschen Dreiecks

Induktion am Beispiel des Pascalschen Dreiecks Iduto am Bespel des Pascalsche Dreecs Alexader Rehold Coldtz 0.02.2005 Eletug vollstädge Iduto De vollstädge Iduto st ebe dem drete ud drete Bewesverfahre ees der wchtgste der Mathemat. Eher bespelhaft

Mehr

Wie man für einen Test Peroe testet

Wie man für einen Test Peroe testet Pädagogche Ittut der Uvertät Freburg 996 ALLES ZUFALL - ODER WAS? Eführug de Stattk für Pädagoge ud Pädagoge III Formelammlug Ha-Peter Hotz, Iwa Schrackma Ihaltverzech. Stattche Kewerte. Verglech eer Stchprobe

Mehr

Standardnormalverteilung. Normalverteilung. Verteilungsfunktion. Intervallwahrscheinlichkeiten

Standardnormalverteilung. Normalverteilung. Verteilungsfunktion. Intervallwahrscheinlichkeiten Normalvertelug Stadardormalvertelug Normalvertelug N(μ, ) mt chte : Gaußche Glockekurve μ μ μ+ μ >, f ( ) = ( μ) WS 7/8 Prof. r. J. Schütze, FB GW NV π Egechafte der chte: - Mamum μ - mmetrch zu μ - Wedepukte

Mehr

Grundlagen der Energietechnik Energiewirtschaft Kostenrechnung. Vorlesung EEG Grundlagen der Energietechnik

Grundlagen der Energietechnik Energiewirtschaft Kostenrechnung. Vorlesung EEG Grundlagen der Energietechnik Prof. Dr. Ig. Post Grudlage der Eergetechk Eergewrtschaft Kosterechug EEG. Vorlesug EEG Grudlage der Eergetechk De elektrsche Eergetechk st e sogeates klasssches Fach. Folglch st deses Fach vele detallert

Mehr

Histogramm / Säulendiagramm

Histogramm / Säulendiagramm Hstogramm / Säuledagramm Häugkete 10 9 8 7 6 5 4 3 2 1 0 3,45 3,75 4,05 4,35 4,65 Flüge lläge [mm] Be Hstogramme st soort deutlch, daß es sch um Häugketsauszähluge hadelt. De Postoe der Klasse sowe hre

Mehr

Korrelations- und Assoziationsmaße

Korrelations- und Assoziationsmaße k m χ : j l r +. Zusammehagsmaße ( o e ) jl jl e jl Korrelatos- ud Assozatosmaße e jl 5 Merkmal Y Summe X b b m a H (a,b) H (a,b). a H (a,b) H (a,b). Summe.. Zusammehagsmaße Eführug Sche- ud Noses-Korrelato

Mehr

Erinnerung: Funktionslernen. 5.6 Support Vector Maschines (SVM) Beispiel: Funktionenlernen. Reale Beispiele

Erinnerung: Funktionslernen. 5.6 Support Vector Maschines (SVM) Beispiel: Funktionenlernen. Reale Beispiele Ererug: Fuktoslere 5.6 Support Vector Masches (SVM) überomme vo Stefa Rüpg, Kathara Mork Uverstät Dortmud Vorlesug Maschelles Lere ud Data Mg WS 2002/03 Gegebe: Bespele X LE de ahad eer Wahrschelchketsvertelug

Mehr

Schiefe- und Konzentrationsmaße

Schiefe- und Konzentrationsmaße Statst für SozologIe Schefe- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Mermal wurde 3 Gruppe beobachtet ud Form der folgede Häufgetstabelle berchtet: Klasse m Gruppe

Mehr

Die Methode des 2.Moments

Die Methode des 2.Moments De Methode des 2.Momets Chrstoph Schmdt July 13, 2004 1 Eletug De Varaz eer Zufallsvarable st hre mttlere quadratsche Abwechug vo hrem Erwartugswert. V ar[x] = E[(X EX) 2 ] = E[X 2 ] E[X] 2 Der Term E[X

Mehr

Methoden der computergestützten Produktion und Logistik

Methoden der computergestützten Produktion und Logistik Methode der comutergestützte Produkto ud Logstk 9. Bedesysteme ud Warteschlage Prof. Dr.-Ig. habl. Wlhelm Dagelmaer Modul W 336 SS 06 Bedesysteme ud Warteschlage Besel: Fahrradfabrk Presse Puffer Lackerere

Mehr

Teil III: Schließende Statistik

Teil III: Schließende Statistik Tel III: Schleßede Statstk Prof. Dr. Barbara Grabowsk Hochschule für Techk ud Wrtschaft des Saarlades C) 4 Eletug - - Eletug Dese Kursehet det der Vermttlug vo Grudketsse auf dem Gebet der sogeate Schleßede

Mehr

a) linear, 2 Variable b) linear, > 2 Variable Regressionsgerade y(x) multiple Regression y (u, v, w, x)

a) linear, 2 Variable b) linear, > 2 Variable Regressionsgerade y(x) multiple Regression y (u, v, w, x) Thema Korrelato Statstk - Neff INHALT a) lear, Varable b) lear, > Varable Regressosgerade y(x) multple Regresso y (u, v, w, x) c) chtlear, Varable d) chtlear, > Varable multple learserbar y = a ³(x) +

Mehr

1. Zufallsbewegung und Binomialverteilung. Statistische Betrachtungsweise bezieht sich stets auf ein Ensemble.

1. Zufallsbewegung und Binomialverteilung. Statistische Betrachtungsweise bezieht sich stets auf ein Ensemble. . Zfallsbewegg d Boalvertelg Statstsche Betrachtgswese bezeht sch stets af e Eseble. Eseble: Gesathet eer sehr große Zahl N detscher Systee. Wahrschelchket für das Etrete ees Eregsses A: Brchtel der Systee,

Mehr

Kapitel III. Lagemaße. die beobachteten Werte eines Merkmals X mit Ausprägungen a 1

Kapitel III. Lagemaße. die beobachteten Werte eines Merkmals X mit Ausprägungen a 1 aptel III Lagemaße D (Artmetsces Mttel) See,,, de beobactete Werte ees Merkmals X mt Auspräguge a, a,, a k Als artmetsces Mttel (für ctgrupperte Date) bezecet ma: = = (efaces) k = a H ( a ) (gewogees)

Mehr