14 Regression, lineare Korrelation und Hypothesen-Testverfahren
|
|
- Nikolas Gärtner
- vor 7 Jahren
- Abrufe
Transkript
1 14 Regressio, lieare Korrelatio ud Hypothese-Testverfahre 141 Regressiosverfahre I der Meßtechik kommt es häufig vor, daß eie Schar vo aufgeommee Meßpukte durch eie geeigete aalytische Fuktio i Form eier Apaßkurve beschriebe werde soll Im folgede gehe wir davo aus, daß Messuge durchgeführt werde, welche die Wertepaare {,y i }(i =1, 2,,) liefer Aschließed wird a diese Meßwerte eie Kurve ỹ(x) agepaßt Daraus ergebe sich die Abweichuge Δ i zwische de eizele Meßpukte ud der Apaßkurve im jeweilige Meßpukt zu Δ i =ỹ( ) y i (141) Dabei wird x als uabhägige (vorgebbare) Variable ud y als abhägige Variable bezeichet Der Asatz der miimale Fehlerquadrate gemäß dem sog Gaußsche Miimalprizip [69] (Gaußsches Prizip der kleiste Quadrate) ergibt Δ = Δ 2 i = [ỹ( ) y i ] 2 =! mi (142) I Gleichug (142) ist als ubekate Fuktio die Apaßkurve ỹ(x) ethalte Die beschriebee Fehlerquadratsumme Δ hägt u vo der Wahl dieser Apaßkurve ab Die Festlegug der diese Apaßkurve beschreibede aalytische Fuktio ud die aschließede Berechug ihrer Koeffiziete (su) wird als Regressiosverfahre bezeichet Falls Proportioalität zwische der abhägige ud uabhägige Variable herrscht, läßt sich i diesem Fall die Schar vom Meßwerte durch eie Gerade beschreibe Ma spricht da vo eier Ausgleichsgerade, die durch sog lieare Regressio bestimmt wird
2 Regressio, lieare Korrelatio ud Hypothese-Testverfahre 1411 Ausgleichsgerade (lieare Regressio) Die lieare Regressio ist die für die igeieurmäßige Praxis wichtigste Form der Regressiosaalyse Sie hat das Ziel, durch eie Schar vo (i aller Regel) experimetell bestimmte Wertepaare {,y i } eie Ausgleichsgerade zu lege Dabei wird x als uabhägige ud y als abhägige Variable betrachtet Die Ausgleichsgerade bestimmt letztlich die ach dem Gaußsche Miimalprizip beste lieare Approximatio der Fuktio y(x), die hier vo diskrete Wertetupel repräsetiert wird Im folgede gehe wir davo aus, daß Meßwerte {,y i }(i =1, 2,,) vorliege A diese Meßwerte soll eie Gerade der Form ỹ(x) = mx + b agepaßt werde (Abb 141) Die Abweichug der i-te Eizelmessug lautet Δ i =ỹ( )=[m + b] y i (143) Der Asatz der miimale Fehlerquadrate liefert gemäß Gl (142) Δ = Δ 2 i = [m + b y i ] 2 =! mi (144) Bei dem i Gl (144) geforderte Miimum müsse die partielle Ableituge ach de ubekate Koeffiziete m ud b gleich Null sei Das führt zu der im folgede beschriebee Ermittlug vo Steigug ud Achseabschitt der Ausgleichsgerade y(x) y 4 Δ 4 y 3 Δ 3 y 2 Δ 2 Δ 1 y 1 x 1 x 2 x 3 x 4 x Abb 141: Ausgleichsgerade zur lieare Approximatio aufgeommeer Meßwerte
3 141 Regressiosverfahre 435 Ermittlug vo Steigug m ud Achseabschitt b der Ausgleichsgerade Die partielle Differetiatio vo Gl (144) ach m ergibt 2 [m + b y i ] =0 (145) Aus der Differetiatio ach b folgt 2 [m + b y i ]=0 (146) Die Gleichuge (145) ud (146) köe wie folgt umgeformt werde bzw m x 2 i + b = m + b = y i (147) y i (148) Löst ma dieses Gleichugssystem (Gl (147) ud (148)) ach de gesuchte Werte m bzw b auf, so erhält ma die Geradesteigug m m = = y i y i ( ) 2 x 2 i y i 1 ( ) x 2 i 1 2 y i (149) ud de Achseabschitt b ( b = 1 ) y i m (1410) Die Koeffiziete m ud b lasse sich ach dem i Abb 142 gezeigte Schema bereche Nachdem die Koeffiziete der Ausgleichsgerade bestimmt wurde, stellt sich im allgemeie die Frage ach der Qualität dieser lieare Approximatio, dh ach der Güte bei der lieare Regressio Um letztlich die Vertrauesbereiche für die Parameter der Ausgleichsgerade agebe zu köe, sid och eiige mathematische Defiitioe otwedig, die im folgede Abschitt (Kap 1412) behadelt werde
4 Regressio, lieare Korrelatio ud Hypothese-Testverfahre Schema zur lieare Regressio: Berechug eier Ausgleichsgerade aus Meßwertepaare {,y i} 1 Berechug der Mittelwerte μ x = x = 1 μ y = y = 1 2 Berechug vo 3 Hilfsgröße 1 Q x = s 2 x( 1) = Q y = s 2 y( 1) = Q xy = s xy( 1) = = X X X X X X ( x) 2 = (y i y) 2 = X y i 1 y i X X ( x)(y i y) 3 Berechug der Koeffiziete m ud b: X y i x 2 i 1 y 2 i 1 ψ X! 2 ψ X y i! 2 Steigug 2 Achseabschitt m = Q xy/q x b = y mx = 1 ψ X y i m X! Abb 142: Schema zur lieare Regressio: Berechug eier Ausgleichsgerade aus Meßwertepaare {,y i} 1 Q x,q y werde auch als Summe der quadratische Abweichuge bezeichet (abgekürzt: SdqA) s x ud s y bezeiche die Variaz vo x bzw y ud s xy die Kovariaz zwische x ud y (siehe folgede Abschitt) 2 Die Steigug m wird auch als Regressioskoeffiziet bezeichet
5 141 Regressiosverfahre Güte der Apassug bei der lieare Regressio (Variaz, Kovariaz, Restvariaz ud Korrelatioskoeffiziet) Nach der eigetliche Ermittlug der Ausgleichsgerade gilt es, die Güte dieses Ergebisses zu beurteile Kokret heißt dies, Vertrauesbereiche für die Koeffiziete m (Geradesteigug) ud b (Achseabschitt) azugebe Um diese bereche zu köe, beötige wir quatitative Agabe für Variaz, Kovariaz, Restvariaz ud Korrelatioskoeffiziet [50] Diese ud weitere, im Zusammehag dazu stehede Begriffe solle zuächst eimal i mathematischer Form defiiert werde Defiitio: Wahrscheilichkeitsdichte (Wahrscheilichkeitsverteilug) Im folgede bezeichet p(x) die Wahrscheilichkeitsdichte (Wahrscheilichkeitsverteilug) für eie Zufallsgröße x mit de Eigeschafte + p(x)dx = 1 (1411) p(x) 0 (1412) Die Wahrscheilichkeit P(a), daß ei Fuktioswert x kleier oder höchstes gleich a ist, ergibt sich aus dem Itegral p(x) P (a) = a p(x)dx (1413) P {a < x < b} etspricht der Wahrscheilichkeit, mit der der Fuktioswert x zwische de Größe a ud b liegt P {a <x<b} = b Defiitio: Gemeisame Wahrscheilichkeitsdichte a p(x)dx (1414) Die gemeisame Wahrscheilichkeitsdichte p xy (x, y) zweier Zufallsvariable p xy (x, y) ist gegebe als p xy (x, y) = 2 P xy (x, y) (1415) x y bzw b a P xy (a, b) = p xy (x, y)dxdy, (1416) wobei die Wahrscheilichkeitsverteilug P xy (a, b) =P {a x b y} (1417) zweier Zufallsvariable x, y die Wahrscheilichkeit P agibt, mit der der Fuktioswert vo x kleier oder höchstes gleich a ist ud der Fuktioswert vo y kleier oder höchstes gleich b ist
6 Regressio, lieare Korrelatio ud Hypothese-Testverfahre Defiitio: Erwartugswert Der Erwartugswert eies Zufallssigales x (auch als Zufallsvariable, Zufallsgröße bzw Zufallsprozeß bezeichet) etspricht dem Itegral über dem Produkt aus der Zufallsgröße x ud seier Wahrscheilichkeitsdichte p(x) E{x} = + Der Erwartugswert ist ei liearer Operator xp(x)dx (1418) Defiitio: Erwartugswert 2 Ordug Der Erwartugswert-Operator läßt sich auch auf das Produkt mehrerer Zufallssigale bzw dere Poteze awede [67] Das sog Gemeisame Momet zweier Zufallssigale ist defiiert als μ xy,k = E{x k y } = + + Für de Spezialfall k = =1folgt Defiitio: Variaz μ xy = E{xy} = + + x k y p xy (x, y)dxdy (1419) xyp xy (x, y)dxdy (1420) Die Variaz etspricht dem Quadrat der (empirische) Stadardabweichug (s auch Kap 52) Var(x) =s 2 x = E{(x μ x ) 2 } (1421) Dabei ist μ x der Mittelwert der Zufallsvariable x (siehe Abb 142) ud E bezeichet de Erwartugswert Die Variaz läßt sich auch mit Hilfe der Wahrscheilichtsdichte p x ausdrücke Var(x) = + (x μ x ) p x (x) dx (1422) Die Variaz s 2 x eier diskrete Zufallsvariable-Stichprobe 3 x 1,x 2,,x ist demach folgedermaße defiiert s 2 x = 1 1 ( x) 2 = 1 1 ( μ x ) 2 (1423) 3 Um kompatibel zu der übrige Meßtechik-Literatur zu bleibe, wird im folgede icht mehr zwische Variaz (Gesamtheit des Loses (N )) ud Schwakug (=empirische Stadardabweichug (N < )) uterschiede
7 141 Regressiosverfahre 439 Dies läßt sich auch ausdrücke als ( s 2 x = 1 ) 2 x 2 1 i (1424) 1 ( 1) bzw s 2 x = 1 1 ( x 2 i 1 μ x = 1 ) x 2 i μ x (1425) 1 Aus der Variaz läßt sich leicht die ebefalls oft verwedete Summe der quadratische Abweichug Q x (SdqA) (s auch Abb 142) erreche Defiitio: Kovariaz Q x =( 1) s 2 x (1426) Im Zuge der Regressiosaalyse ist die Frage zu kläre, iwieweit zwei Zufallsvariable x ud y voeiader abhägig sid Dies wird durch die sog Kovariaz festgelegt Cov(x, y) = s xy = E{(x μ x )(y μ y )} = E{x, y} μ x μ y (1427) Dabei sid μ x ud μ y die Mittelwerte der Zufallsvariable x ud y (siehe Abb 142) ud E etspricht dem Erwartugswert Die Kovariaz, die auch als erstes gemeisames Momet bezeichet wird, läßt sich auch mit Hilfe der gemeisame Wahrscheilichtsdichte p xy ausdrücke Cov(x, y) = + + (x μ x )(μ μ y )p xy (x, y)dxdy (1428) Sie beschreibt die statistische Abhägigkeit zweier Zufallssigale Die beide Zufallsvariable sid statistisch uabhägig, we ihre Kovariaz Null ist Cov(x, y) = 0 I diesem Fall berechet sich die Wahrscheilichkeitsdichte p(x, y) für das gleichzeitige Eitrete der Ereigisse x ud y aus dem Produkt der Eizelwahrscheilichkeite p(x, y) = p(x) p(y) Außerdem gilt E{x, y} = E{x} E{y} Die Kovariaz zweier diskreter Zufallsvariablefolge x ud y ergibt sich aus s xy = 1 1 ( μ x )(y i μ y ) ( = 1 ) y i μ x μ y 1 (1429) s xy = Q xy 1 (1430)
8 Regressio, lieare Korrelatio ud Hypothese-Testverfahre Defiitio: Restvariaz Die Restvariaz s r der Ausgleichsgerade (Kap 1411) berechet sich wie folgt ( ) s 2 r = Q y mq xy 2 = Q y 2 1 Q2 xy Q x Q y, (1431) wobei m der Steigug der Ausgleichsgerade ud der Azahl der behadelte Meßpukte espricht Sie wird beötigt, um die Vertrauesbereiche vo Geradesteigug m ud Achseabschitt b quatifiziere zu köe Defiitio: Korrelatioskoeffiziet Der Korrelatioskoeffiziet r ist ei die Güte der Apassug charakterisiereder Parameter (0 < r < 1) Je äher der Korrelatioskoeffiziet r bei 1 liegt, desto besser ist die Apassug Der Korrelatioskoeffiziet r läßt sich aus de beide Eizelvariaze s x ud s y sowie der Kovariaz s xy (siehe Abb 142 bzw Gl(1425) ud (1429)) bestimme r = s xy s x s y (1432) Mit de Wurzel der Eizelvariaze s x ud s y ud der Kovariaz s xy ergibt sich schließlich der Korrelatioskoeffiziet, der die Güte der Apassug der Ausgleichsgerade beschreibt ( r xy = s xy = Q x 2 i 1 xy = m s x s ( y Qx Q y yi 2 1 ) 2 Agabe der Vertrauesbereiche für die Parameter der Ausgleichsgerade ) 2 (1433) y i Mit obige Defiitiosgleichuge ka schließlich die Agabe der Vertrauesbereiche (Kofidezitervalle) für die Parameter m ud b der Ausgleichsgerade bzw dere Ordiatewerte erfolge m ± t( 2,P) s2 r Q x x 2 i (1434) b ± t( 2,P) s 2 r Q x (1435)
9 141 Regressiosverfahre 441 (x x) y ± t( 2,P) 2 (s 2 x m 2 s 2 x)+s 2 x ( 2) s 2 (1436) x Der Vertrauesfaktor t ergibt sich ach Vorgabe der gewüschte statistische Sicherheit P [%] aus der Studet-Verteilug (s Tab 52) für die Ereigisazahl ( 2) Die Azahl der betrachtete Meßpukte beträgt Tip: Diese Berechuge köe mit dem Programm bereche_regressiosgeradevi auf der CDROM achvollzoge werde Es köe simulierte Messwerte eigelese, die statistische Date berechet ud Regressiosgerade ermittelt werde 1413 Ausgleichspolyome Die Erweiterug der lieare Regressio (Kap 1411) führt zur polyomiale Regressio, bei der die Apaßkure ỹ durch ei Polyom p-te Grades beschriebe wird ỹ = a 0 + a 1 x + a 2 x 2 + a p x p (1437) Die Vorgehesweise soll zuächst ahad des folgede Beispiels verdeutlicht werde Die Apaßkurve wird hier i Form eies Polyoms dritte Grades beschriebe ỹ(x) =a 0 + a 1 x + a 2 x 2 + a 3 x 3 (1438) Das bereits obe agewadte Gaußsche Prizip der kleiste Quadrate (Gaußsches Miimalprizip) soll auch hier Awedug fide Δ = Δ 2 i = [ỹ( ) y i ] 2 =! mi (1439) Dabei werde wiederum Meßwertepaare {,y i } vorausgesetzt Das Nullsetze der partielle Ableituge ach de Koeffiziete a i (i =1, 2, 3) führt zu folgedem Gleichugssystem x 2 i x 3 i x 2 i x 3 i x 4 i x 2 i x 3 i x 4 i x 5 i Δ a 0 = Δ a 1 = Δ a 2 = Δ a 3 = 0 (1440) x 3 i x 4 i x 5 i x 6 i a 0 a 1 a 2 a 3 y i y i = x 2 i y (1441) i x 3 i y i
10 Regressio, lieare Korrelatio ud Hypothese-Testverfahre Die Lösug dieses Gleichugssystems ergibt schließlich die gesuchte Koeffiziete a i (i =0, 1, 2, 3) des Polyoms 1414 Mehrfache lieare Regressio Die mehrfache lieare Regressio (auch als multiple lieare Regressio bezeichet) ist eie Erweiterug der eifache lieare Regressio Dabei hägt ei Meßergebis y liear vo umehr mehrere Variable x 1,x 2,x p (ma spricht i diesem Zusammehag auch vo Covariable) ab y = a 0 + a 1 x 1 + a 2 x a p x p + E, (1442) wobei E eie Störgröße repräsetiert, also eie stochastische Variable (Zufallsvariable) Damit ist das Ergebis ebefalls eie Zufallsvariable Die Aufgabe der mehrfache lieare Regressio ist es u, die abhägige Variable y als Fuktio mehrerer (i Bezug auf die Laufvariable i) uabhägiger Variable, die i Form eies Variablevektors [p ]=(1,2,,p ) zusammegefaßt werde, mit Hilfe eies Schätzwertes ŷ vorherzusage ŷ = b 0 + b 1 x 1 + b 2 x b p x p (1443) Dabei bilde die b j (j =1, 2,,p) die Elemete des Vektors der geschätzte Regressioskoeffiziete Wir wolle davo ausgehe, daß für jede Vektor [p ](i = 1, 2,,) jeweils Meßwerte y i (i =1, 2,,) vorliege Somit ergibt sich für jede Beobachtug (Messug) i(i = 1, 2,,) eie Gleichug der Form y i = a 0 + a a a p p + E i (1444) Das daraus resultierede Gleichugssystem läßt sich mit Hilfe der folgede [ (p +1)]-Matrix[X] 1 x 11 x 12 x 1j x 1p 1 x 21 x 22 x 2j x 2p [X] = j p 1 x 1 x 2 x j x p (1445)
11 141 Regressiosverfahre 443 sowie der -dimesioale Vektore y 1 y 2 [y] =, E = y i y ud dem [p + 1]-dimesioale Vektor [a] = a 0 a 1 a 2 a j E 1 E 2 E i E (1446) (1447) wie folgt darstelle a p [y] =[X][a]+[E] (1448) Die eifache lieare Regressio ergibt sich aus obige Gleichuge für p = 1 Der Fall p 2repräsetiert die mehrfache lieare Regressio Wie bei der lieare Regressio wird wiederum die Summe der quadratische Abweichuge miimiert Nach dem sog Gauß-Markov-Theorem erhält ma schließlich de Vektor der geschätzte Regressioskoeffiziete [b] als [96] 4 [b] = b 0 b 1 b j b p = ( [X] T [X] ) 1 [X] T [y] (1449) 4 Um die hier verwedete Schreibweise mit der Darstellug i [96] vergleichbar zu mache, ist für die Matrix [X] dere Traspoierte [X] T zu verwede (siehe S 62 i [96])
12 Regressio, lieare Korrelatio ud Hypothese-Testverfahre Dabei bezeichet [X] T die Traspoierte der Matrix [X] Dieser Schätzer ist der sog beste lieare uverzerrte Schätzer (Best Liear Ubiased Estimator = BLUE) Mit Hilfe dieses Schätzers (Miimum-Quadrat-Schätzer) ergibt sich folgedes Gleichugssystem [y] =[X][b] +[e] =[ŷ] +[e], (1450) wobei [ŷ] die Schätzwerte vo [y] ethält ud [e] de Vektor der Residue repräsetiert Der Vektor der Schätzwerte berechet sich also aus [ŷ] =[X][b] =[X]([X] T [X]) 1 [X] T [y] =[H][y], (1451) wobei die [ ]-Matrix [H] als sog Hat-Matrix (Hut-Matrix) bezeichet wird Die Residue ergebe sich demach wie folgt [e] =[y] [ŷ] =[y] [H][y] (1452) Im allgemeie iteressiert ma sich für die sog Progose ŷ 0 vo [y] für ei gegebees Wertetupel [x 0 ] (= Meßstelle [x 01,x 02,,x 0p ]) Sie berechet sich zu ŷ 0 = b 0 + b 1 x 01 + b 2 x b p x 0p =[x 0 ] T [b] (1453) 142 Lieare Korrelatio Die lieare Korrelatio beschäftigt sich mit der Frage, iwieweit Wertepaare {,y i } liear abhägig sid Im Gegesatz zur lieare Regressio wird hier y icht als abhägige ud cht als uabhägige Variable bezeichet Da umehr keie Uterscheidug ach abhägiger ud uabhägiger Variable erfolgt, ist die Defiitio vo zwei Ausgleichsgerade sivoll, achdem die Wertepaare {,y i } i ei x-y-diagramm eigetrage wurde Zur Festlegug der Gerade wird wiederum das bereits bei der lieare Regressio eigesetzte Verfahre der Fehlerquadratmiimierug (Gaußsches Miimalprizip) eigesetzt (s Kap 1411) Die beide Ausgleichsgerade (Abb 143) lasse sich wie folgt defiiere bzw ỹ = m 1 x + b 1 (1454) x = m 2 y + b 2 (1455) Daraus resultiere zwei Möglichkeite, die Fehlerquadratmiimierug durchzuführe (ỹ y i ) 2 =! mi (1456) bzw ( x ) 2 =! mi (1457)
13 142 Lieare Korrelatio 445 y Abb 143: Meßwertepaare {,y i}, die durch zwei Ausgleichsgerade gemäß Gl (1454) bzw Gl (1455) approximiert werde x Im allgemeie führt dieser Prozeß zu uterschiedliche Gerade Für de Fall, daß vollkommee lieare Uabhägigkeit zwische de Werte der Variable x ud y besteht, strebe die beide Steiguge m 1 ud m 2 gege Null (Abb 144) Für de Fall, daß die beide Gerade zusammefalle (Abb 145), besteht ei direkter fuktioaler Zusammehag Je ach Grad der lieare Abhägigkeit variiere die Geradesteiguge also zwische de Werte m 1 = m 2 =0(lieare Uabhägigkeit) ud eiem obere Wert m 1 =1/m 2 (vollstädige lieare Abhägigkeit) Da dieser obere y m 2= 0 m = 0 1 Abb 144: Fall der vollstädige lieare Uabhägigkeit (m 1 = m 2 =0) x
14 Regressio, lieare Korrelatio ud Hypothese-Testverfahre y 1 m 1= m 2 Abb 145: Fall des fuktioale Zusammehags: Die beide Ausgleichsgerade falle zusamme x Wert aber icht vo voreherei feststeht, läßt sich der Grad der lieare Abhägigkeit erst ach eier Normierug beurteile Dies führt zu eier ormierte Steigug r, die dem Korrelatioskoeffziet etspricht (siehe auch Gl (1432) ud Gl (1433)) Im Gegesatz zur Kovariaz ist der Korrelatioskoeffiziet eie reie Maßzahl ohe Eiheit Der Korrelatioskoeffiziet immt Werte zwische 1 ud +1 a ( 1 r +1) Ei Korrelatioskoeffiziet r = 0 bedeutet, daß keie lieare Abhägigkeit besteht Bei vollkommeer liearer Abhägigkeit immt r de Wert +1 bzw 1 a Das Vorzeiche beschreibt dabei die Steigugsrichtug der gemeisame Gerade (Abb 145) Der Korrelatioskoeffiziet läßt sich wie folgt agebe r = Q xy Qx Q y = y i 1 y i [ ( ) ][ yi ( y i x 2 i 1 ) ] (1458) 2 Bei der Beurteilug der lieare Abhägigkeit ahad des Korrelatioskoeffiziete muß die Stichprobeazahl mit is Kalkül gezoge werde So liefer beispielsweise zwei Wertepaare immer de Wert r = 1 Aus diesem Grud ist zu dieser Beurteilug och der im folgede behadelte Vertrauesbereich vo r hizuziehe
15 143 Testverfahre (Hypothese-Testverfahre) 447 Vetrauesbereich des Korrelatioskoeffiziete Da der ach Gl (1458) ermittelte Korrelatioskoeffiziet ur ei Schätzwert des Korrelatioskoeffiziete ρ der Grudgesamtheit (setzt uedlich viele Messuge voraus) darstellt, sollte ma de Vertrauesbereich für r ermittel, um eie Aussage der mögliche Abweichuge vo ρ als Fuktio eier gewählte statistische Sicherheit zu erhalte Um de Vertrauesbereich eies ahad eier Stichprobe mit Eizelmessuge ermittelte Korrelatioskoeffiziete azugebe, bediet ma sich des achfolgede Schemas i Abb 146 Die Grudlage hierzu fidet der iteressierte Leser beispielsweise i [69] Korrelatio ud Kausalität Ei hoher Korrelatioskoeffiziet ist auf eie starke lieare Abhägigkeit zurückzuführe Daraus darf aber icht umittelbar auf eie Kausalität im Sie eies Ursache-Wirkugs-Prizips geschlosse werde Es gibt uzählige Beispiele für Scheikorrelatioe oder sogar Usirelatioe, die durchaus icht auf eie gemeisame Ursache zurückzuführe sid Ei kausaler Zusammehag muß zuächst eimal vo der Sache her begrüdet sei Ahad eier dazu durchgeführte Korrelatio läßt sich lediglich prüfe, ob eie Hypothese zu eiem bestimmte Ursache-Wirkugs-Prizip hält oder icht Es darf aber keiesfalls aus eiem hohe Korrelatiosgrad umittelbar auf eie etsprechede Ursache-Wirkugs-Zusammehag geschlosse werde Als Beispiel köte ageführt werde, daß die steigede Lebeserwartug ud die steigede Preisetwicklug sicherlich keie umittelbare kausale Zusammehag aufweise, aber deoch zwische beide ei vo Null verschiedeer Korrelatioskoeffiziet besteht 143 Testverfahre (Hypothese-Testverfahre) 1431 Teste vo Hypothese, Etscheiduge Die Wahrscheilichkeitsverteilug, welche die Grudgesamtheit beschreibt, wird als wahre Wahrscheilichkeitsverteilug bezeichet Diese wahre Verteiluge sid aber i der praktische Meßtechik icht bekat Mit Hilfe vo sog Tests muß daher des öftere etschiede werde, ob bestimmte Vermutuge über die Wahrscheilichkeitsverteiluge bzw dere Parameter zutreffe oder icht Zur Durchführug eies Tests stellt ma eie Arbeitshypothese auf Diese wird als Nullhypothese H 0 bezeichet Die dieser Nullhypothese widersprechede Vermutug wird Alterativhypothese H 1 geat
16
Elektrische Messtechnik
Spriger-Lehrbuch Elektrische Messtechik Aaloge, digitale ud computergestützte Verfahre vo Reihard Lerch 5., eu bearb. Aufl. Elektrische Messtechik Lerch schell ud portofrei erhältlich bei beck-shop.de
MehrSo lösen Sie die Gleichung für den Korrelationskoeffizienten
8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Dabei sid Datepukte ( x 1, y 1 ),( x 2, y 2 ), ( x, y ) gegebe.
Mehr( ), der genau auf der Geraden ( ) 2 ( ) #( ) 8. Lineare Regression. = f i. Nach der Summe der kleinsten. mx i
8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Ziel dieses Verfahres ist es, Beziehuge zwische zwei Merkmale
MehrMethode der kleinsten Quadrate
Methode der kleiste Quadrate KAPITEL 5: REGRESSIONSRECHNUNG Die Methode der kleiste Quadrate (MklQ) ist ei Verfahre zur Apassug eier Fuktio a eie Puktwolke. Agewadt wird sie beispielsweise, um eie Gesetzmäßigkeit
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Übug 9 1 Ihalt der heutige Übug Statistik ud Wahrscheilichkeitsrechug Iformatioe zur Testatprüfug Besprechug der der Hausübug
MehrDie notwendigen Verteilungstabellen finden Sie z.b. hier:
Fakultät für Mathematik Istitute IAG ud IMO Prof. Dr. G. Kyureghya/Dr. M. Hödig Schätz- ud Prüfverfahre Die otwedige Verteilugstabelle fide Sie z.b. hier: http://www.ivwl.ui-kassel.de/kosfeld/lehre/zeitreihe/verteilugstabelle.pdf
Mehrs xy x i x y i y s xy = 1 n i=1 y 2 i=1 x 2 s 1 n x n i Streudiagramme empirische Kovarianz x=5,5 y=7,5
Streudiagramme für metrisch skalierte Variable paarweise Messwerte (x,y) x 5 7 y 7 5 7 5 5 7 Aussage zu Zusammehäge. empirische Kovariaz Stadardabweichug der WertPAARE x i x y Wert x Mittelwert aller x
MehrHerleitung der Parameter-Gleichungen für die einfache lineare Regression
Herleitug der Parameter-Gleichuge für die eifache lieare Regressio Uwe Ziegehage. März 03 Historie v.0 6.03.009, erste Versio hochgelade v.0 0.03.03, eie Vorzeichefehler beseitigt, diverse Gleichuge ud
MehrUmrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung
.3. Prozetuale Häufigkeitsverteilug (HV) Die prozetuale Häufigkeitsverteilug erlaubt de Vergleich vo Auswertuge, dee uterschiedliche Stichprobegröße zugrude liege. Es köe auch uterschiedliche Stichprobegröße
MehrVl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3
Vl Statistische Prozess ud Qualitätskotrolle ud Versuchsplaug Übug 3 Aufgabe ) Die Schichtdicke X bei eier galvaische Beschichtug vo Autoteile sei ormalverteilt N(μ,σ ). 4 Teile werde galvaisch beschichtet.
MehrDiesen Grenzwert nennt man partielle Ableitung von f nach x i und
Bevor wir zum ächste Kapitel übergehe, werde wir de Begri eier Fuktio i mehrere Variable eiführe. Eie Fuktio vo Variable ist eie Vorschrift, die jedem Pukt (x 1,x,...,x ) eier Teilmege D des IR eie bestimmte
MehrMathematik 2 für Naturwissenschaften
Has Walser Mathematik für Naturwisseschafte Modul 0 Regressiosgerade ud Korrelatio Has Walser: Modul 0, Regressiosgerade ud Korrelatio ii Ihalt Die Regressiosgerade.... Problemstellug.... Berechug der
Mehr6 Vergleich mehrerer unverbundener Stichproben
6 Vergleich mehrerer uverbudeer Stichprobe 6.1 Die eifaktorielle Variazaalyse Die eifaktorielle Variazaalyse diet der Utersuchug des Eiflusses eier kategorieller (bzw. ichtmetrischer) Variable, die die
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug 9. Vorlesug Joche Köhler 1 Statistik ud Wahrscheilichkeitsrechug Testatprüfug am Doerstag 5.Mai Wa? Doerstag, 5. Mai, 8:00 Uhr
MehrTests statistischer Hypothesen
KAPITEL 0 Tests statistischer Hypothese I der Statistik muss ma oft Hypothese teste, z.b. muss ma ahad eier Stichprobe etscheide, ob ei ubekater Parameter eie vorgegebee Wert aimmt. Zuerst betrachte wir
Mehrn 2(a + bx i y i ) = 0 und i=1 n 2(a + bx i y i )x i = 0 i=1 gilt. Aus diesen beiden Gleichungen erhalten wir nach wenigen einfachen Umformungen
Regressio Dieser Text rekapituliert die i der Aalsis ud Statistik wohlbekate Methode der kleiste Quadrate, auch Regressio geat, zur Bestimmug vo Ausgleichsgerade Regressiosgerade ud allgemei Ausgleichpolome.
Mehr4 Schwankungsintervalle Schwankungsintervalle 4.2
4 Schwakugsitervalle Schwakugsitervalle 4. Bemerkuge Die bekate Symmetrieeigeschaft Φ(x) = 1 Φ( x) bzw. Φ( x) = 1 Φ(x) für alle x R überträgt sich auf die Quatile N p der Stadardormalverteilug i der Form
MehrStatistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik
Statistik Kapitel 5: Schließede Statistik 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel 1» Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte der arithmetische
MehrKurvenanpassung durch Regression (3) Ac nichtlineare Regression/Linearisierung -
Kurveapassug durch Regressio (3) Ac 207 - ichtlieare Regressio/Liearisierug - Für Probleme, die eie icht lieare ( ud icht polyomiale) Apassugsfuktio ahelege, ist eie direkte Berechug ach der Methode der
Mehr6. Übung - Differenzengleichungen
6. Übug - Differezegleichuge Beispiel 00 Gesucht sid alle Lösuge vo a) x + 3x + = 0 ud b) x + x + 7 = 0, jeweils für 0. Um diese lieare Differezegleichug erster Ordug zu löse, verwede wir die im Buch auf
MehrKapitel XI - Korrelationsrechnung
Istitut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökoometrie ud Statistik Kapitel XI - Korrelatiosrechug Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Seska Carlo Siebeschuh Aufgabe der Korrelatiosrechug
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte SS00 7.Sitzug vom.06.00 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluß Grudlage des Iduktiosschlusses:
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
Mehr2. Repetition relevanter Teilbereiche der Statistik
. Repetitio Statistik Ökoometrie I - Peter Stalder. Repetitio relevater Teilbereiche der Statistik (Maddala Kapitel ) Zufallsvariable ud Wahrscheilichkeitsverteiluge Zufallsvariable X (stochastische Variable)
MehrKapitel 5: Schließende Statistik
Kapitel 5: Schließede Statistik Statistik, Prof. Dr. Kari Melzer 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte
MehrVl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5
Vl Statistische Prozess- ud Qualitätskotrolle ud Versuchsplaug Übug 5 Aufgabe ) Sei p = P(A) die Wahrscheilichkeit für ei Ereigis A, dh., es gilt 0 p. Bereche Sie das Maximum der Fuktio f(p) = p(-p). Aufgabe
Mehr(a) Richtig, die Varianz ist eine Summe quadratischer Größen.
Aufgabe 1 (10 Pukte) Welche der folgede Aussage sid richtig? (a) Richtig, die Variaz ist eie Summe quadratischer Größe. (b) Falsch, die Abweichug ordialer Merkmale vom Media ist icht defiiert - also auch
MehrEreignis Wahrscheinlichkeit P (A) A oder B P (A + B) A und B P (AB) B, wenna P (B A)
Kapitel 10 Statistik 10.1 Wahrscheilichkeit Das Ergebis eier Messug oder Beobachtug wird Ereigis geat. Ereigisse werde mit de Buchstabe A, B,...bezeichet. Die Messug eier kotiuierliche Variable x gibt
Mehr3 Vergleich zweier unverbundener Stichproben
3 Vergleich zweier uverbudeer Stichprobe 3. Der Zweistichprobe t-test Es wird vorausgesetzt, dass die beide Teilstichprobe x, x,..., x ud y, y,..., y jeweils aus (voeiader uabhägige) ormalverteilte Grudgesamtheite
Mehr2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters:
. Schätzverfahre. Puktschätzug wirtschaftlicher Kezahle Allgemei: Puktschätzug eies Parameters: Ermittlug eies Schätzwertes für eie ubekate Parameter eier Zufallsvariable i der Grudgesamtheit mit Hilfe
MehrKovarianz und Korrelation
Kapitel 2 Kovariaz ud Korrelatio Josef Leydold c 2006 Mathematische Methode II Kovariaz ud Korrelatio 1 / 41 Lerziele Mathematische ud statistische Grudlage der Portfoliotheorie Kovariaz ud Korrelatio
MehrStochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. M. Schweizer ETH Zürich Sommer 8 Stochastik - Lösug (BSc D-MAVT / BSc D-MATH / BSc D-MATL). (6 Pukte) a) (.5 Pukte) Wir defiiere die Ereigisse D = die ähmaschie bekommt eie kleie Defekt} ud U
MehrWörterbuchmethoden und Lempel-Ziv-Codierung
Kapitel 3 Wörterbuchmethode ud Lempel-Ziv-Codierug I diesem Abschitt lere wir allgemei Wörterbuchmethode zur Kompressio ud isbesodere die Lempel-Ziv (LZ))-Codierug kee. Wörterbuchmethode sid ei eifaches
MehrEmpirische Verteilungsfunktion
KAPITEL 3 Empirische Verteilugsfuktio 3.1. Empirische Verteilugsfuktio Seie X 1,..., X uabhägige ud idetisch verteilte Zufallsvariable mit theoretischer Verteilugsfuktio F (t) = P[X i t]. Es sei (x 1,...,
MehrKapitel 6 : Punkt und Intervallschätzer
7 Kapitel 6 : Pukt ud Itervallschätzer Puktschätzuge. I der Statistik wolle wir Rückschlüsse auf das Wahrscheilichkeitsgesetz ziehe, ach dem ei vo us beobachtetes Zufallsexperimet abläuft. Hierzu beobachte
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte 7.Sitzug 35 Seite, SoSe 003 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluss Grudlage
Mehr,,, xn. 3. Intervallschätzungen Zufallsstichproben und Stichprobenfunktionen Zufallsstichproben. Zufallsvariablen mit
3. Itervallschätzuge 3.1. Zufallsstichprobe ud Stichprobefuktioe 3.1.1 Zufallsstichprobe 1 Sei eie Zufallsvariable ud seie gemeisamer Verteilug,,,, Zufallsvariable mit - da heiße 1,,, Zufallsstichprobe
MehrEingangsprüfung Stochastik,
Eigagsprüfug Stochastik, 5.5. Wir gehe stets vo eiem Wahrscheilichkeitsraum (Ω, A, P aus. Die Borel σ-algebra auf wird mit B bezeichet, das Lebesgue Maß auf wird mit λ bezeichet. Aufgabe ( Pukte Sei x
Mehr10. Testen von Hypothesen Seite 1 von 6
10. Teste vo Hypothese Seite 1 vo 6 10.1 Eiführug i das Teste vo Hypothese Eie Hypothese ist eie Vermutug bzw. Behauptug über die Wahrscheilichkeit eies Ereigisses. Mit Hilfe eies geeigete Tests (=Testverfahre)
MehrTeil II Zählstatistik
Teil II Zählstatistik. Aufgabestellug. Vergleiche Sie experimetelle Zählverteiluge mit statistische Modelle (POISSON-Verteilug ud Normalverteilug) 2. Theoretische Grudlage Stichworte zur Vorbereitug: Impulszahl,
MehrWirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel
3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Beispiel: Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische
MehrStochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. M. Schweizer ETH Zürich Witer 28 Stochastik - Lösug (BSc D-MAVT / BSc D-MATH / BSc D-MATL). (6 Pukte) a) (2 Pukte) Wir defiiere die Ereigisse K {die Perso ist krak} ud T {der Test ist positiv}.
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Übug 6 3.03.20 Ihalt der heutige Übug Aufgabe D.7: Reche mit Zufallsvariable Erwartugswert- ud Variazoperator Statistik ud Wahrscheilichkeitsrechug
MehrLineare Regression. Roland Heynkes. 18. April 2006, Aachen
Lieare Regressio Rolad Heykes 18. April 2006, Aache Es kommt i der Natur relativ oft vor, daß zwei Größe statistisch mit eiader verbude sid. We sich diese Verbudeheit mathematisch durch eie Fuktio beschreibe
MehrAnwendungen der Wahrscheinlichkeit II. Markovketten
Aweduge der Wahrscheilichkeit II 1. Fragestelluge Markovkette Markovkette sid ei häufig verwedetes Modell zur Beschreibug vo Systeme, dere Verhalte durch eie zufällige Übergag vo eiem Systemzustad zu eiem
MehrLineare Transformationen
STAT 4 FK Herleituge Lieare Trasformatioe Sei eie lieare Trasformatio vo, so gilt Allgemei: a b, () Lieare Trasformatio des arithmetische Mittels y a+b x i () Da a eie additiv verküpfte Kostate ist, ka
MehrMusterlösung für die Klausur zur Vorlesung Stochastik I im WiSe 2014/2015
Musterlösug für die Klausur zur Vorlesug Stochastik I im WiSe 204/205 Teil I wahr falsch Aussage Gilt E[XY ] = E[X]E[Y ] für zwei Zufallsvariable X ud Y mit edlicher Variaz, so sid X ud Y uabhägig. Für
MehrFehlerrechnung. 3. Genauigkeit von Meßergebnissen am Beispiel der Längenmessung
1 Gie 11/000 Fehlerrechug 1. Physikalische Größe: Zahlewert ud Eiheit. Ursache vo Meßfehler 3. Geauigkeit vo Meßergebisse am Beispiel der Lägemessug 4. Messug eier kostate Größe ud Mittelwert 5. Messug
Mehr3. Grundbegrie der Schätztheorie
Statistik, Abschitt 3. 3. Grudbegrie der Schätztheorie I der kormatorische Statistik will ma uter aderem auf Grud eier Stichprobe vom Umfag Iformatioe über ubekate Parameter θ der Verteilug F der zugrudeliegede
MehrHöhere Mathematik 3. Kapitel 12 Differenzengleichungen, z-transformation. Prof. Dr.-Ing. Dieter Kraus
Höhere Mathematik 3 Kapitel 1 Differezegleichuge, z-trasformatio Prof. Dr.-Ig. Dieter Kraus Höhere Mathematik 3 Kapitel 1 Ihaltsverzeichis 1 Differezegleichuge, -Trasformatio...1-1 1.1 Eiführug i Differezegleichuge...1-1
MehrKapitel VI. Einige spezielle diskrete Verteilungen
Kapitel VI Eiige spezielle diskrete Verteiluge D 6 (Hypergeometrische Verteilug) Eie Zufallsvariable X heißt hypergeometrisch verteilt, we sie folgede Wahrscheilichkeitsfuktio besitzt: M N M P ( X ) p
MehrAufgaben zur Übung und Vertiefung
Aufgabe zur Übug ud Vertiefug ARITHMETISCHE ZAHLENFOLGEN Berufliches Gymasium / Uterstufe () Stelle Sie fest, welche der gegebee Folge arithmetisch sid: Bestimme Sie zuächst die erste füf Folgeglieder,
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
Lehrstuhl für Empirische Wirtschaftsforschug ud Ökoometrie Dr. Rolad Füss Statistik II: Schließede Statistik SS 2007 6. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug
MehrEvaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt
2.4.5 Gauss-Test ud t-test für verbudee Stichprobe 2.4.5.8 Zum Begriff der verbudee Stichprobe Verbudee Stichprobe: Vergleich zweier Merkmale X ud Y, die jetzt a deselbe Persoe erhobe werde. Vorsicht:
MehrSBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit
SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf # 0 Atwort Diese Lerkarte sid sorgfältig erstellt worde, erhebe aber weder Aspruch auf Richtigkeit och auf Vollstädigkeit. Das Lere mit Lerkarte fuktioiert ur
MehrTests für beliebige Zufallsvariable
Kapitel 10 Tests für beliebige Zufallsvariable 10.1 Der Chi-Quadrat-Apassugstest Sei x eie gaz beliebige Zufallsvariable, dere Dichtefuktio icht oder icht geau bekat ist. Beispiel: Es seie z.b. mittels
Mehrund wird als n-dimensionaler (reeller) Vektorraum bezeichnet. heißt der von v 1,..., v k aufgespannte Unterraum des R n.
Reeller Vektorraum Kapitel Vektorräume Die Mege aller Vektore x mit Kompoete bezeiche wir mit x R =. : x i R, i x ud wird als -dimesioaler (reeller) Vektorraum bezeichet. Defiitio Ei Vektorraum V ist eie
MehrGanzrationale Funktionen
Gazratioale Fuktioe 9. Defiitio gazratioaler Fuktioe Im Folgede werde ebe lieare ud quadratische Fuktioe auch solche betrachtet, bei dee die Variable i der dritte, vierte oder auch i eier och höhere Potez
MehrEinführung in die Wahrscheinlichkeitstheorie Lösungen zum Wiederholungsblatt
TUM, Zetrum Mathematik Lehrstuhl für Mathematische Physik WS 23/4 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weider Eiführug i die Wahrscheilichkeitstheorie Lösuge zum Wiederholugsblatt Aufgabe
MehrEs werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.
Vo der relative Häufigkeit zur Wahrscheilichkeit Es werde 20 Schüler befragt, ob sie ei Hady besitze. Das Ergebis der Umfrage lautet: Vo 20 Schüler besitze 99 ei Hady. Ereigis E: Schüler besitzt ei Hady
MehrStatistik I Februar 2005
Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet
MehrUlrich Stein Fehlerrechnung
Fehlerrechug Verteilug vo Messwerte Mittelwert Stadardabweichug Stadardfehler Rude vo Messwerte Darstellug vo Messwerte (Stellezahl) Fehlerfortpflazug Messergebisse Messug physikalische Realität Messgerät,
MehrPraktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle
Praktikum Vorbereitug Fertigugsmesstechik Statistische Qualitätskotrolle Bei viele Erzeugisse ist es icht möglich jedes Werkstück zu prüfe, z.b.: bei Massefertigug. Hier ist es aus ökoomische Grüde icht
Mehr1) Wahrscheinlichkeitsbegriff und Rechnen mit Wahrscheinlichkeiten. P A = lim r N LI: ={ 1 LII: LIII: P A =1 P A
FORMELSAMMLUNG V03 Alle Formel ohe Gewähr auf Korrektheit Grudlage der Wahrscheilichkeitstheorie 1) Wahrscheilichkeitsbegriff ud Reche mit Wahrscheilichkeite Relative Häufigkeit r N A = h N A N = Abs.
MehrStatistik, Abschnitt (1) Gegeben sei der Stichprobenvektor (X 1,..., X n ). Die Stichprobenfunktion. ˆµ k := 1 n. Xi k (1) i=1.
Statistik, Abschitt.. Schätzmethode.. Mometemethode Für Parameter, die sich i bekater Weise aus de Momete zusammesetze, erhält ma Schätzuge, idem ma die theoretische Momete durch die sogeate empirische
MehrEs gibt verschiedene Möglichkeiten eine Folge zu definieren. Die zwei häufigsten Methoden
Folge ud Reihe Folge Eie Folge ist eie Abbildug der atürliche Zahle N = {0, 1,,...} i die Mege der (zumidest i de meiste Fälle) reelle Zahle R. I diesem Fall ka ma sich eie Folge als Pukte i eiem Koordiatesystem
MehrKapitel 2: Stochastische Prozesse. Copyright M. Gross, ETH Zürich 2006, 2007
Kaitel 2: Coyright M. Gross, ETH Zürich 2006, 2007 Bedigte Verteiluge Ebeso a die Verbudwahrscheilicheit vo Zufallsvariable über bedigte Wahrscheilicheite ausgedrüct werde i i,, i,, Wiederum ommt eie Produtregel
MehrLösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 4: Aufgaben zu den Kapiteln 7 und 8
1 Lösuge ausgewählter Übugsaufgabe zum Buch Elemetare Stochastik (Spriger Spektrum, 2012) Teil 4: Aufgabe zu de Kapitel 7 ud 8 Aufgabe zu Kapitel 7 Zu Abschitt 7.1 Ü7.1.1 Ω sei höchstes abzählbar, ud X,
MehrStrukturelle Modelle in der Bildverarbeitung Markovsche Ketten II
Strukturelle Modelle i der Bildverarbeitug Markovsche Kette II D. Schlesiger TUD/INF/KI/IS Statioäre Verteilug Verborgee Markovsche Kette (HMM) Erkeug stochastisches Automate D. Schlesiger SMBV: Markovsche
Mehrn=0 f(x) = log(1 + x) = n=1
Potez - Reihe Machmal ist es praktisch eie Fuktio f() mir Hilfe ihrer Potezreihe auszudrücke. Eie Potezreihe um de Etwicklugspukt 0 sieht im Allgemeie so aus a ( 0 ) Fuktioe, für die eie Potezreihe eistiert,
MehrParameterschätzung. Kapitel Schätzfunktionen
Kapitel 8 Parameterschätzug 8.1 Schätzfuktioe Def. 8.1.1: Es seie X 1,X,...,X uabhägige ZV, die alle die gleiche Verteilug besitze. θ sei ei ubekater Parameter dieser Verteilug. X 1,X,...,X ist als eie
MehrD-ITET Wahrscheinlichkeitstheorie und Statistik FS 2017 Prof. P. Nolin. Musterlösung 11 = Φ( 6/5) = 1 Φ(6/5) = = 0.
D-ITET Wahrscheilichkeitstheorie ud Statistik FS 17 Prof. P. Noli Musterlösug 11 1. Sei Φ die Verteilugsfuktio der Stadardormalverteilug. a Da T B N 6, 4, ist T B + 6/4 stadardormalverteilt. Folglich ist
Mehrvon solchen Abbildungen. Eine solche Folge bestimmt für jedes x M die Folge der Werte f n. Schreibt man dies noch einmal formal hin, so erhält man:
Gleichmäßige Kovergez Wir betrachte im Folgede Abbilduge f : M N, wobei M eie Mege ud N ei metrischer Raum ist. Isbesodere iteressiere ud Folge f vo solche Abbilduge. Eie solche Folge bestimmt für jedes
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler Statistik ud Wahrscheilichkeitsrechug Testatprüfug am Doerstag 5.Mai Wa? Doerstag, 5. Mai, 8:00 Uhr Dauer der
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler 9.04.008 Äderug Übugsstude Statistik ud Wahrscheilichkeitsrechug Die Gruppe vo Markus trifft sich am Doerstag statt im HCI D zusamme mit der Gruppe
MehrEmpirische Ökonomie 1 Sommersemester Formelsammlung. Statistische Grundlagen. Erwartungswert und Varianz einer Zufallsvariable.
Empirische Ökoomie 1 Sommersemester 2013 Formelsammlug Hiweis: Alle Variable, Parameter ud Symbole sid wie i de Vorlesugsuterlage defiiert. Statistische Grudlage Erwartugswert Erwartugswert ud Variaz eier
MehrDiplomvorprüfung Stochastik
Uiversität Karlsruhe TH Istitut für Stochastik Prof. Dr. N. Bäuerle Name: Vorame: Matr.-Nr.: Diplomvorprüfug Stochastik 10. Oktober 2006 Diese Klausur hat bestade, wer midestes 16 Pukte erreicht. Als Hilfsmittel
MehrStatistische Modelle und Parameterschätzung
Kapitel 2 Statistische Modelle ud Parameterschätzug 2. Statistisches Modell Die bisher betrachtete Modellierug eies Zufallsexperimetes erforderte isbesodere die Festlegug eier W-Verteilug. Oft besteht
MehrFehlerrechnung und Fehlerabschätzung
Fehlerrechug ud Fehlerabschätzug Vorbemerkug Eiteilug der Meßfehler. Grobe Fehler. Systematische Fehler.3 Zufällige oder statistische Fehler Fehlerrechug ud Fehlerabschätzug. Bei direkte Messuge.. Durchschittlicher
MehrWahrscheinlichkeitstheorie und Statistik vom
INSTITUT FÜR MATHEMATISCHE STOCHASTIK WS 005/06 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Klausur Wahrscheilichkeitstheorie ud Statistik vom 9..006 Musterlösuge Aufgabe A: Gegebe sei eie Urliste
Mehr5.4.2 Die empirische Verteilungsfunktion als Ausgangspunkt
Tests 9 5.4 Der Kolmogorov Smirov Test Grudlage für de Kolmogorov Smirov Apassugs Test ist ei Satz vo Kolmogorov, die asymptotische Verteilug eier Statistik Δ betreffed. Aus Δ ergibt sich durch Modifikatio
MehrUniversität Stuttgart Fachbereich Mathematik. 1 Lineare Abbildungen und Matrizen. 1.1 Um was geht es?
Uiversität Stuttgart Fachbereich Mathematik Prof Dr C Hesse PD Dr P H Lesky Dipl Math D Zimmerma Msc J Köller FAQ 4 Höhere Mathematik 724 el, kyb, mecha, phys Lieare Abbilduge ud Matrize Um was geht es?
Mehr9. Übungsblatt Aufgaben mit Lösungen
9. Übugsblatt Aufgabe mit Lösuge Aufgabe 1: Gegebe sei die folgede Differetialgleichug 15u(x) + 3xu (x) + x u (x) = 8x 3, x > 0. (a) Gebe Sie ei reelles Fudametalsystem der zugehörige homogee Differetialgleichug
MehrÜbungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie
Uiversität Müster Istitut für Mathematische Statistik Stochastik WS 203/204, Blatt Löwe/Heusel Aufgabe (4 Pukte) Übuge Abgabetermi: Freitag, 24.0.204, 0 Uhr THEMEN: Testtheorie Die Sollstärke der Rohrwäde
MehrKapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit
- 18 - (Kapitel 3 : Bedigte Wahrscheilichkeite ud Uabhägigkeit) Kapitel 3: Bedigte Wahrscheilichkeite ud Uabhägigkeit Wird bei der Durchführug eies stochastische Experimets bekat, daß ei Ereigis A eigetrete
MehrDiskrete Wahrscheinlichkeitstheorie Wiederholungsklausur
Techische Uiversität Müche Sommersemester 007 Istitut für Iformatik Prof. Dr. Javier Esparza Diskrete Wahrscheilichkeitstheorie Wiederholugsklausur LÖSUNG Hiweis: Bei alle Aufgabe wird ebe dem gefragte
MehrÖkonometrie Formeln und Tabellen
Ökoometrie Formel ud Tabelle Formelsammlug 1 Lieares Modell ud KQ-Schätzug 11 Eifachregressio Lieares Modell: Y i = β 0 + β 1 x i + U i, i = 1,2,, Aahme des lieare Modells: A1: E[U i ] = 0 für alle i =
MehrKapitel 9 WAHRSCHEINLICHKEITS-RÄUME
Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Fassug vom 13. Februar 2006 Mathematik für Humabiologe ud Biologe 129 9.1 Stichprobe-Raum 9.1 Stichprobe-Raum Die bisher behadelte Beispiele vo Naturvorgäge oder Experimete
Mehr8. Regressionsanalyse
8. Regressiosaalyse Beschreibug der Abhägigkeit zweier Merkmale Gegebe eie Stichprobe (X ; Y ) : : : (X ; Y ) zur Grudgesamtheit (X; Y ), = corr(x; Y ) Korrelatioskoe ziet, R empirischer Korrelatioskoe
Mehr8. Gewöhnliche Differentialgleichungen (ODE)
8 Gewöhliche Differetialgleichuge (ODE) 81 Motivatio Eidimesioale (1d) Bewegug eies Teilches (Masse m, keie Reibug) im Potezial U() U() E klassisch: Ermittle die Bahkurve/Trajektorie (t) des Massepukts
MehrWahrscheinlichkeitstheorie und Statistik
Kapitel 15 Wahrscheilichkeitstheorie ud Statistik Verstädisfrage Sachfrage 1. Erläuter Sie de Begriff der absolute ud relative Häufigkeit eier Stichprobe! 2. Erläuter Sie de Begriff der Klassehäufigkeit
MehrLösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung
Prof. Dr. V. Schmidt WS 200/20 G. Gaiselma, A. Spettl 7.02.20 Lösugsvorschlag Probeklausur zur Elemetare Wahrscheilichkeitsrechug Hiweis: Der Umfag ud Schwierigkeitsgrad dieser Probeklausur muss icht dem
MehrMathematische Vorgehensweise
Kapitel 2 Mathematische Vorgehesweise Um eue Ergebisse zu erziele, ist es häufig otwedig, Aussage präzise zu formuliere ud zu beweise. Daher werde i diesem Kapitel die mathematische Begriffsbilduge ud
MehrEinführung in die Stochastik 10. Übungsblatt
Eiführug i die Stochastik. Übugsblatt Fachbereich Mathematik SS M. Kohler.7. A. Fromkorth D. Furer Gruppe ud Hausübug Aufgabe 37 (4 Pukte) Ei Eremit am Südpol hat sich für die eibrechede polare Nacht mit
MehrX in einer Grundgesamtheit vollständig beschreiben.
Prof. Dr. Rolad Füss Statistik II SS 008. Puktschätzug vo Parameter eier Grudgesamtheit Nur durch eie Totalerhebug ka ma die Verteilug eier Zufallsvariable X i eier Grudgesamtheit vollstädig beschreibe.
MehrStochastik für WiWi - Klausurvorbereitung
Dr. Markus Kuze WS 2013/14 Dipl.-Math. Stefa Roth 11.02.2014 Stochastik für WiWi - Klausurvorbereitug Gesetz der totale Wahrscheilichkeit ud Satz vo Bayes (Ω, F, P) Wahrscheilichkeitsraum, E 1,..., E F
MehrBeispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 8.1 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12.075, p-wert: 0.0168 f χ
Mehr