Ökonometrie Formeln und Tabellen
|
|
- Charlotte Waltz
- vor 7 Jahren
- Abrufe
Transkript
1 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 = 1,2,, A2: V AR[U i ] = σ 2 für alle i = 1,2,, A3: COV [U i U j ] = 0 für alle i,j = 1,2,, mit i j A4: E[x i U i ] = 0 für alle i = 1,2,, A5: S 2 x = 1 i (x i x > 0 Eifaches Gauß Modell: Zusätzliche Aahme: A6: U i N(0,σ 2 ) für alle i = 1,2,, 12 Kleist Quadrat Schätzer ˆβ 0 ud ˆβ 1 werde als KQ Schätzfuktioe bezeichet, we sie uter alle Schätzfuktioe β 0 ud β 1 diejeige sid, die die Residuequadratsumme RSS( β 0, β 1 ) = i=1 (Y i β 0 β 1 x i miimiere Zur Berechug der KQ Schätzer beötigte Momete: Sx 2 = 1 (x i x, SY 2 = 1 i=1 (Y i Y, S x,y = 1 i=1 1 (x i x)(y i Y ) i=1
2 2 Ökoometrie KQ Schätzer für β 0 ud β 1 : ˆβ1 = S x,y S 2 x, ˆβ0 = Y ˆβ 1 x KQ Progose Schätzer für β 0 + β 1 x = E[Y x]: Ŷ (x) = ˆβ 0 + ˆβ 1 x Schätzer für σ 2 : σ2 = 1 2 mit i=1 Û 2 i Û i = Y i ˆβ 0 ˆβ 1 x i Streuugszerlegug: S 2 Y = S2 Ŷ + S2 Û Bestimmtheitsmaß: R 2 Y x = S2 Ŷ S 2 Y = 1 S2 Û S 2 Y R 2 Y x = (r XY = S2 x,y S 2 xs 2 Y = ˆβ 1 S x,y S 2 Y 13 Eigeschafte der Schätzfuktioe Liearität vo ˆβ 0 ud ˆβ 1 : ˆβ 1 = β 1 + w i U i i=1 mit w i = x i x S 2 x, ˆβ0 = β 0 + v i U i i=1 mit v i = 1/ w i x Erwartugswerte, Variaze ud Schätzer für die Variaze der Schätzfuktioe Schätzer E[ ] V AR[ ] V AR[ ] ˆβ 0 β 0 σ 2 x2 S 2 x ˆβ 1 β 1 σ 2 1 Sx 2 [ σ 2 Ŷ (x) β 0 + β 1 x 1 + σ 2 σ 2 σ ( ) ] 2 x x S x σ 2 x2 S 2 x σ 2 1 Sx 2 [ σ ( σ ( ) ] 2 x x S x 14 Zweifachregressio Lieares Modell: Y i = β 0 + β 1 x 1i + β 2 x 2i + U i, i = 1,2,, ˆβ 0, ˆβ 1 ud ˆβ 2 werde als KQ Schätzfuktioe bezeichet, we sie uter alle Schätzfuktioe β 0, β 1 ud β 2 diejeige sid, die die Residuequadratsumme RSS( β 0, β 1, β 2 ) = i=1 (Y i β 0 β 1 x 1i β 2 x 2i miimiere KQ-Koeffiziete: ˆβ 0 = y ˆβ 1 x 1 ˆβ 2 x 2, ˆβ1 = S x 1y S x2y Sx 2 1, ˆβ2 = S2 x 1 S x2y S x1y Sx 2 1 bzw
3 Formelsammlug 3 ˆβ 1 ˆβ 2 = = S2 x 1 1 S x1y S x2y S x2y S x1y S x 1y S x2y = S2 x 2 Sx 2 1 Sx 2 1 S x 1y S x2y Variaze: σ 2ˆβ1 = σ2,σ 2ˆβ2 = σ2 bzw σ2ˆβ1 σˆβ1 ˆβ2 σˆβ1 ˆβ2 σ 2ˆβ2 = σ2 S2 x 1 1 = σ2 S2 x 2 Sx 2 1 Sx k fach Regressio Lieares Modell: Y i = β 0 + β 1 x 1i + β 2 x 2i + + β k x ki + U i, i = 1,2,, KQ-Koeffiziete: ˆβ 0 = y ˆβ 1 x 1 ˆβ k x k ˆβ 1 ˆβ 2 = S x1x k S x2x k 1 S x1y S x2y ˆβ k S x1x k S x2x k S xk x k S xk Y z B i der Zweifachregressio Y i = β 0 + β 1 x 1i + β 2 x 2i + U i : ˆβ 1 = S x 1y S x2y, ˆβ 2 = S2 x 1 S x2y S x1y
4 4 Ökoometrie Variaze: V AR[ˆβ 1 ] COV [ˆβ 1 ˆβ2 ] COV [ˆβ 1 ˆβk ] COV [ˆβ 1 ˆβ2 ] V AR[ˆβ 2 ] COV [ˆβ 2 ˆβk ] COV [ˆβ 1 ˆβk ] COV [ˆβ 2 ˆβk ] V AR[ˆβ k ] = σ2 SX 1 X k Sx 2 x k Sx 1 x k Sx 2 x k Sx k x k 1 Für die Zweifachregressio Y i = β 0 + β 1 x 1i + β 2 x 2i + U i erhält ma daraus V AR[ˆβ 1 ] = σ2 V AR[ˆβ 2 ] = σ2, Korrigiertes Bestimmtheitsmaß: R 2 = 1 i=1 û2 i /( k 1) (yi y /( 1) 2 Statistische Iferez bei ormalverteilte Schätzparameter 21 Kofidezitervalle Bei ormalverteilte Schätzer gilt im Lieare Modell mit k Regressore ˆβ j β j t( k 1) V AR[ˆβ j ] ud ma erhält als ei (1 α) Kofidezitervall [ ˆβ j t 1 α 2 ; k 1 V AR[ˆβ j ] ; ˆβj + t 1 α 2 ; k 1 ] V AR[ˆβ j ] 22 Progoseitervall i der Eifachregressio I der Eifachregressio (bivariates Lieares Modell) gilt bei ormalverteilte Schätzparameter Ŷ (x) (ˆβ 0 + ˆβ 1 x) t( 2) V AR[Ŷ (x)] ud ma erhält als ei (1 α) Progoseitervall [ Ŷ (x) t 1 α 2 ; 2 V AR[Ŷ (x)] ; Ŷ (x) + t 1 α 2 ; 2 ] V AR[Ŷ (x)]
5 Formelsammlug 5 23 Hypothesetests 231 t Tests Bei ormalverteilte Schätzer gilt im Lieare Modell mit k Regressore uter H 0 : β j = β 0 j : ˆβ j βj 0 T = t( k 1) V AR[ˆβ j ] Ahad dieser Teststatistik ergebe sich für alterative Gegehypothese folgede kritische Bereiche (Ablehugsbereiche für H 0 ): Hypothese Kritischer Bereich H 0 : β j = β 0 j (bzw H 0 : β j β 0 j ) gege H 1 : β j < β 0 j t < t 1 α; k 1 H 0 : β j = β 0 j (bzw H 0 : β j β 0 j ) gege H 1 : β j > β 0 j t > t 1 α; k 1 H 0 : β j = β 0 0 gege H 1 : β j β 0 j t > t 1 α/2; k 1 Empirische t Werte tˆβj = ˆβ j V AR[ˆβ j ] 232 F-Test liearer Restriktioe m: Azahl der Restriktioe RSS r : Residuequadratsumme im restrigierte Modell RSS: Residuequadratsumme bei freier Schätzug H 0 : Restriktioe gelte H 1 : Restriktioe gelte icht Teststatistik: F = (RSS r RSS)/m RSS/( k 1) Verteilug uter H 0 : F ist F verteilt mit m Zähler ud k 1 Neerfreiheitsgrade 3 Tests der Aahme des Lieare Modells 31 Tests auf Autokorrelatio der Störgröße Zeitreihemodell y t = β 0 + β 1 x 1t + + β k x kt + u t t = 1,,
6 6 Ökoometrie Autoregressiver Prozess der Störgröße der Ordug m (AR(m)): u t = ρ 1 u t ρ m u t m + ǫ t Spezialfall: Autoregressiver Prozess der der Ordug 1 (AR(1)): u t = ρu t 1 + ǫ t Aahme: E[ǫ t ] = 0, V AR[ǫ t ] = σ 2 ǫ für alle t = 1,,, COV [ǫ t,ǫ τ ] = 0 für t τ Daraus folgt: E[u t ] = 0, V AR[u t ] = σ2 ǫ 1 ρ 2 für alle t = 1,,, COV [u t,u t j ] = ρj σǫ 2 1 ρ 2 für j = 1,t 1 Theoretische Korrelatioskoeffiziete: Korrellatioskoeffiziet ρ im AR(1) Prozess: ρ = COV [u t,u t 1 ] V AR[u t ] = E[u tu t 1 ] E[u 2 t] Korrelatioskoeffiziet ρ j im AR(m)-Prozess: ρ j = COV [u t,u t j ] V AR[u t ] = E[u tu t j ] E[u 2 t] für j = 1,,m Empirische Korrelatioskoeffiziete: ˆρ im AR(1) Prozess: ˆρ = S û t,û t 1 Sût = t=2 ûtû t 1 t=1 û2 t ˆρ j im AR(m) Prozess: ˆρ j = S û t,û t j Sût = t=j+1 ûtû t j t=1 û2 t für j = 1,,m 311 Test ach Breusch ud Godfrey auf Autokorrelatio bis zur Ordug m: Grudlage: û t aus y t = β 0 + β 1 x 1t + + β k x kt + u t Testregressio: û t = α 0 + α 1 x 1t + + α k x kt + ρ 1 û t 1 + ρ m û t m + ǫ t Überprüfug vo H 0 : ρ 1 = ρ 2 = = ρ m = 0 gege H1: H 0 gilt icht mit Hilfe eies F Tests Ma ka zeige, dass folgeder Test asymptotisch äquivalet zum F-Test: Die Teststatistik Q(m) = R 2 ist uter H 0 asymptotisch χ 2 verteilt mit m Freiheitsgrade R 2 bezeichet das multiple Bestimmtheitsmaß der Testregressio H 0 ist da zuguste vo H 1 abzulehe, we Q(m) de etsprechede kritische Wert ((1 α-quatil) der χ 2 (m)-verteilug überschreitet 312 Test ach Box ud Pierce auf Autokorrelatio bis zur Ordug m: Grudlage: Empirische Autokorrelatioskoeffiziete ˆρ j = t=j+1 ûtû t j t=1 û2 t für j = 1,,m Hypothese: H 0 : ρ 1 = ρ 2 = = ρ m = 0, H1: H 0 gilt icht Teststatistik: Q(m) = m j=1 ˆρ2 j ist asymptotisch χ2 (m)-verteilt
7 Formelsammlug Test ach Ljug ud Box auf Autokorrelatio bis zur Ordug m: Grudlage ud Hypothese wie bei Box ud Pierce Teststatistik: Q(m) = ( 2) m ˆρ 2 j j=1 j ist asymptotisch χ2 (m)-verteilt I kleie Stichprobe liefert der Ljug-Box Test zuverlässigere Ergebisse als der Test ach Box ud Pierce 314 Durbi-Watso-Test auf Autokorrelatio erste Grades: Grudlage: Quadrierte Abweichuge aufeiaderfolgeder KQ-Residue (û t û t 1 Hypothese: H 0 : ρ = 0 gege H 1 : ρ > 0 Teststatistik: D = t=2 (û t û t 1 t=1 û2 t 2(1 ˆρ) Die Verteilug der Teststatistik ist tabelliert Der kritische Wert hägt ab vo de Auspräguge der Regressore x it Für beliebige Regressorwerte existiere eie Obergreze d O ud eie Utergreze d U für de kritische Wert Fällt die Teststatistik zwische diese Greze ist keie Testetscheidug möglich Testetscheidug: d < d U : H 0 verwerfe d > d O : H 0 icht verwerfe d U < d < d O : keie Testetscheidug möglich Liksseitiger Test: H 0 : ρ = 0 gege H 1 : ρ < 0 ka ahad der Teststatistik D = 4 D überprüft werde 32 Tests auf Heteroskedastie der Störgröße 321 Park Test Grudlage: KQ Residuer û i, poteziell Heteroskedastie erzeugede Variable z Testregressio: lû 2 i = α 0 + α 1 lz i + ǫ i Testetscheidug: t Test auf Sigifikaz vo α White Test Grudlage: KQ Residuer û i, Regressore x 1i,x 2i,,x ki Testregressio: Regressio vo û 2 i auf alle k Regressore x 1i,x 2i,,x ki, i = 1,, dere Quadrate x 2 j,i ud die Kreuzprodukte x m,ix l,i, m l Im Fall vo k = 2 Regressore lautet die Testgleichug also û 2 i = α 0 + α 1 x 1i + α 2 x 2i + α 3 x 2 1i + α 4 x 2 2i + α 5 x 1i x 2i + ǫ i Testetscheidug: H 0 : α 1 = α 2 = = α k(k+3)/2 = 0 F Test auf Sigifikaz aller k(k + 3)/2 Steigugsparameter i der Testgleichug Der Test ist asymptotisch äquivalet zu folgedem Test: Die
8 8 Ökoometrie Teststatistik Q(k(k + 3)/2) = R 2 ist uter H 0 asymptotisch χ 2 verteilt mit k(k + 3)/2 Freiheitsgrade R 2 bezeichet das multiple Bestimmtheitsmaß der Testregressio H 0 ist da zuguste vo H 1 abzulehe, we Q(k(k+3)/2) de etsprechede kritische Wert ((1 α-quatil) der χ 2 (k(k+3)/2)- Verteilug überschreitet 33 Tests bei stochastische Regressore 331 Hausma Wu Test auf Edogeität der Regressore Grudlage: Poteziell edogeer Regressor x 2, Istrumetegleichug x 2i = α 0 + α 1 z 1i + α 2 z 2i + v i Testregressio: y i = β 0 + β 1 x 1i + β 2 x 2i + γˆv i + u i Testetscheidug: t Test auf Sigifikaz vo γ, bei Sigifikaz vo γ wird die Aahme edogeer Regressore akzeptiert, eie Istrumetvariableschätzug ist da zweckmäßig 332 J Test auf Exogeität der Istrumete Grudlage: l poteziell edogee Regressore, k l exogee Regressore, m Istrumete, m > l û i : Residue der zweistufige KQ Schätzug Testregressio: Regressio der û i auf alle m Istrumete ud alle k l exogeee Regressore: û i = γ 0 + γ 1 z 1i + + γ m z mi + α 1 x 1i + α k l x k l,i + η i Testetscheidug: F: Teststatistik des F Tests auf gemeisame Sigifikaz der m Istrumete i der Testregressio J = mf ist asymptotisch χ 2 verteilt mit m l Freiheitsgrade Die Nullhypothese exogeer Istrumete wird abgeleht, we J das 1 α-quatil der χ 2 (m l)-verteilug überschreitet
9 Tabelle 9 Tabelle 1 Verteilugsfuktio Φ(x) der Stadardormalverteilug 6 0 (x) (z) = FX (z) z - x Ablesebeispiele: a) Die Wahrscheilichkeit, dass eie stadardormalverteilte Zufallsvariable eie Ausprägug kleier als 0,44 aufweist, beträgt 67%: Φ(0,44) = Φ(0,40 + 0,04) = 0,6700 b) Das Quatil λ p zur Ordug p = 0,975 der Stadardormalverteilug beträgt 1,96: Φ(z) = 0,9750 = Φ(λ 0,975 ) = z = λ 0,975 = 1,90 + 0,06 = 1,96 z=z 1 +z 2 z z
10 10 Ökoometrie 2 p Quatile t p;k der t Verteilug mit k Freiheitsgrade 6 0 f t (x; k) p = F X (t p;k) t p;k - x Ablesebeispiel: Das Quatil zur Ordug p = 0, 90 eier t Verteilug mit 10 Freiheitsgrade lautet 1,372 (dh dieser Wert wird vo eier etspreched verteilte Zufallsvariable mit eier Wkt vo 90% icht überschritte): p = 0,900 ; k = 10 = t 0,9 ; 10 = 1,372 p k
11 Tabelle 11 3 p Quatile χ 2 p;k der χ 2 Verteilug mit k Freiheitsgrade 6 f Chi (x; k) p = F X ( 2 p;k ) 0 2 p;k - x Ablesebeispiel: Das Quatil zur Ordug p = 0,90 eier χ 2 Verteilug mit 10 Freiheitsgrade lautet 15,99 (dh dieser Wert wird vo eier etspreched verteilte Zufallsvariable mit eier Wkt vo 90% icht überschritte): p = 0,900 ; k = 10 = χ 2 0,9 ; 10 = 15,99 p k
12 O koometrie ,95 ud 0,99 Quatile der F Verteilug ν1 : Azahl der Za hlerfreiheitsgrade (Azahl der Restriktioe, m) ν2 : Azahl der Neerfreiheitsgrade (Azahl der Freiheitsgrade der urestrigierte Regressio, k 1) Quelle: Eckey/Kosfeld/Dreger (1995): O koometrie
13 Tabelle 13 5 Kritische Werte der Durbi-Watso Statistik, α = 0, 05 : Beobachtugsumfag k: Azahl der Regressore eischließlich des Absolutglieds Quelle: Eckey/Kosfeld/Dreger (1995): Ökoometrie
Empirische 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
Mehr2 Induktive Statistik
Kapitel 2 Iduktive Statistik Seite 19 2 Iduktive Statistik 2.1 Grudprizipie der iduktive Statistik 2.2 Puktschätzug 2.2.1 Schätzfuktioe Defiitio 2.1 Sei X 1,...,X i.i.d. Stichprobe. Eie Fuktio heißt Schätzer
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
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
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
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
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
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
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:
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
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
MehrGütefunktion und Fehlerwahrscheinlichkeiten Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = Interpretation von Testergebnissen I
6 Hypothesetests Gauß-Test für de Mittelwert bei bekater Variaz 6.3 Gütefuktio ud Fehlerwahrscheilichkeite Rechtsseitiger Test (µ 0 = 500) zum Sigifikaziveau α = 0.30 6 Hypothesetests Gauß-Test für de
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
Mehr10. Grundlagen der linearen Regressionsanalyse 10.1 Formulierung linearer Regressionsmodelle
10. Grudlage der lieare Regressiosaalyse 10.1 Formulierug liearer Regressiosmodelle Eifaches lieares Regressiosmodell: Das eifache lieare Regressiosmodell ist die simpelste Form eies ökoometrische Modells
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
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
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
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
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
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
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
MehrFakultät für Wirtschafts- und Rechtswissenschaften
F A C H H O C H S C H U L E K Ö L N Fakultät für Wirtschafts- ud Rechtswisseschafte F O R M E L S A M M L U N G Deskriptive Statistik Iduktive Statistik Herausgeber: c 2004 Fachgruppe Quatitative Methode
MehrMathematik 2 für Naturwissenschaften
Has Walser Mathematik 2 für Naturwisseschafte 2 3 3 4 6 4 5 0 0 5 6 5 20 5 6 Modul 209 Tabelle Has Walser: Modul 209, Tabelle ii Ihalt Fakultäte... 2 Biomialkoeffiziete... 2 3 Biomische Verteilug... 3
Mehr1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre Morgasche Formel A \ B = A [ B A [ B = A \ B Kommutativgesetz A \ B = B \ A A [ B = B [ A Assozia
Statistik I - Formelsammlug Ihaltsverzeichis 1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre................................. 1. Kombiatorik........................................ 1.3 Wahrscheilichkeite....................................
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
MehrBeispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12075, p-wert: 00168 f χ 2 (4)
Mehr3 Kritischer Bereich zum Niveau α = 0.10: K = (χ 2 k 1;1 α, + ) = (χ2 5;0.90, + ) = (9.236, + ) 4 Berechnung der realisierten Teststatistik:
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 1275, p-wert: 168 8 Apassugs-
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
MehrTESTEN VON HYPOTHESEN
TESTEN VON HYPOTHESEN 1. Grudlage Oft hat ma Vermutuge zu Sachverhalte ud möchte diese gere durch Experimete bestätige. Dabei ka es sich i der Praxis zum Beispiel um Verteiluge vo gewisse Zufallsgröße
Mehr11 Likelihoodquotiententests
11 Likelihoodquotietetests I de Paragraphe 7-10 wurde beste Tests UMP-Tests oder UMPU-Tests i spezielle Verteilugssituatioe hergeleitet Hier soll u ei allgemeies Kostruktiosprizip für Tests vo zusammegesetzte
MehrFormelsammlung. Deskriptive Statistik und Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen
Formelsammlug Deskriptive Statistik ud Elemetare Wahrscheilichkeitsrechug Prof. Dr. Ralf Rude Statistik ud Ökoometrie, Uiversität Siege Prof. Dr. Ralf Rude - Uiversität Siege I Statistische Grudbegriffe
Mehr14 Statistische Beziehungen zwischen nomi nalen Merkmalen
14 Statistische Beziehuge zwische omi ale Merkmale 14.1 Der Chi Quadrat Test auf Uabhägigkeit für Vier Feldertafel 14.2 Der Chi Quadrat Test auf Uabhägigkeit für r s Kotigeztafel 14.3 Zusammmehagsmaße
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
MehrKonfidenzintervalle. Praktische Übung Stochastik SS 2017 Lektion 10 1
Kofidezitervalle Praktische Übug Stochastik SS 017 Lektio 10 1 Kofidezitervalle Geerelle Aahme: Parametrisches Modell (P ϑ ) ϑ Θ Beobachtuge X 1,..., X u.i.v. ach P ϑ mit ubekatem ϑ Θ Grudidee: Schätzer
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,...,
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG. - LÖSUNGEN. ypothesetest für die Dicke vo Plättche Die Dicke X vo Plättche, die auf eier bestimmte Maschie
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
MehrZweifaktorielle Varianzanalyse. Zweifaktorielle Varianzanalyse. Zweifaktorielle Varianzanalyse. Zweifaktorielle Varianzanalyse
Ziel Überprüfug der Gleichheit der Erwartugswerte eies Merals i Utergruppe, die vo zwei Fatore erzeugt werde Fator A i a Stufe Fator B i b Stufe Ist jede Stufe vo Fator A it jeder vo Fator B obiiert, spricht
MehrProf. Dr. Holger Dette Musterlösung Statistik I Sommersemester 2009 Dr. Melanie Birke Blatt 5
Prof. Dr. Holger Dette Musterlösug Statistik I Sommersemester 009 Dr. Melaie Birke Blatt 5 Aufgabe : 4 Pukte Sei X eie Poissoλ verteilte Zufallsvariable mit λ > 0, ud die Verlustfuktio L sei defiiert durch
MehrFormelsammlung. PD Dr. C. Heumann
Formelsammlug zur Vorlesug Statisti I PD Dr. C. Heuma Formelsammlug Statisti I Desriptive Statisti Häufigeitsverteiluge Darstellugsforme vo Date Rohdate: x 1, x 2,..., x x i Azahl der Beobachtuge Mermalsausprägug
MehrProf. Dr. Roland Füss Statistik II SS 2008
1. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug ergibt sich aus de Grezwertsätze. Grezwertsätze sid Aussage über eie Zufallsvariable für de Fall, dass die Azahl
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
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
Mehr(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen.
Schülerbuchseite 98 1 Lösuge vorläufig IV Beurteilede Statistik S. 98 p S. 1 p w a t Tabelle Tabelle dowloadbar im Iteretauftritt 1 Teste vo Hypothese 1 a) Erwartugswert μ = 5 ud Stadardabweichug σ = 1,6;
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:
MehrMomente der Logarithmischen Normalverteilung
Momete der Logarithmische Normalverteilug Die Paramter m ud s sid die Momete der Logarithmierte Verteilug, also m E(l(X )) ud s Var(l(X)) Es gilt jedoch: s m+ m+ s s E ( X ) e ud Var ( X ) e ( e 1 ) 16
MehrWahrscheinlichkeitsrechnung & Statistik - Ergänzung zum Skript
Wahrscheilichkeitsrechug & Statistik - Ergäzug zum Skript Prof. Schweizer 9. Oktober 008 Mitschrift: Adreas Steiger Warug: Wir sid sicher dass diese Notize eie Mege Fehler ethalte. Betrete der Baustelle
MehrEvaluation & Forschungsstrategien
Evaluatio & Forschugsstrategie WS2/2 Prof. Dr. G. Meihardt Johaes Guteberg Uiversität Maiz Prizipie des statistische Schliesses Samplig - Modellvorstellug Populatio Samplig Stichprobe Kewerte x Theoretische
MehrÜbung zur Vorlesung Statistik I WS Übungsblatt 8
Übug zur Vorlesug Statistik I WS 2013-2014 Übugsblatt 8 9. Dezember 2013 Aufgabe 25 (4 Pukte): Sei X B(, p) eie biomial verteilte Zufallsvariable. Schreibe Sie i R eie Fuktio PWert, die für jedes Ergebis
MehrX X Schätzen von Vertrauensintervallen Schwankungsintervall
.. Schätze vo Vertrauesitervalle..1. Schwakugsitervall Beispiel: X = Betrag vo Geldüberweisuge, ormalverteilt, µ = 5000, = 1000 Zufallsstichprobe mit = 100, Schätzer für µ: X X Gesucht: Itervall, i dem
MehrStatistische Tests zu ausgewählten Problemen
Eiführug i die statistische Testtheorie Statistische Tests zu ausgewählte Probleme Teil : Tests für Erwartugswerte Statistische Testtheorie I Eiführug Beschräkug auf parametrische Testverfahre Beschräkug
MehrFormelsammlung Mathematik
Formelsammlug Mathematik 1 Fiazmathematik 1.1 Reterechug Sei der Zissatz p%, der Zisfaktor q = 1 + p 100. Seie R die regelmäßig zu zahlede Rate, die Laufzeit. Edwert: Barwert: achschüssig R = R q 1 q 1
MehrNormalverteilung. Standardnormalverteilung. Intervallwahrscheinlichkeiten. Verteilungsfunktion
Normalverteilug Stadardormalverteilug Normalverteilug N(μ, ) mit ichte : Gaußche Glockekurve μ μ μ+ μ >, f ( ) = ( μ) WS 6/7 Prof. r. J. Schütze, FB GW NV π Eigechafte der ichte: - Maimum i μ - mmetrich
MehrEinführung in die induktive Statistik. Inferenzstatistik. Konfidenzintervalle. Friedrich Leisch
Spiel Körpergröße Zahl: Azahl weiblich Eiführug i die iduktive Statistik Friedrich Leisch Istitut für Statistik Ludwig-Maximilias-Uiversität Müche Tafelgruppe 8.5 8.6 8.7 8.8 8.9 9.0 9.1 4 5 3 2 1 0 1
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
Mehr1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6
Ihaltsverzeichis 1 Vorbemerkuge 1 Zufallsexperimete - grudlegede Begriffe ud Eigeschafte 3 Wahrscheilichkeitsaxiome 4 4 Laplace-Experimete 6 5 Hilfsmittel aus der Kombiatorik 7 6 Bedigte Wahrscheilichkeite
MehrEinstichprobentests für das arithmetische Mittel
Eistichprobetests für das arithmetische Mittel H 0 : = 0 bzw. H 0 : 0 H 1 : 0 zweiseitiger Test) H 1 : 0 zweiseitiger Test) Uter Gültigkeit vo H 0 ist die achfolgede Teststatistik stadardormalverteilt.
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
MehrParameterschätzung. Numero, pondere et mensura Deus omnia condidit
Parameterschätzug Numero, podere et mesura Deus omia codidit Populatio, Zufallsvariable, Stichprobe Populatio Zufallsvariable X Stichprobe x eie"realisierug vo X (Beobachtug) alle mäliche Rekrute der US
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
Mehr2 Einführung in die mathematische Statistik
2 Eiführug i die mathematische Statistik Die Hauptaufgabe der mathematische Statistik ist es, ahad der Eigeschafte eies Teils eier Mege vo Objekte auf die Eigeschafte aller Objekte i dieser Mege zu schließe.
Mehr6. Grenzwertsätze. 6.1 Tschebyscheffsche Ungleichung
6. Grezwertsätze 6.1 Tschebyscheffsche Ugleichug Sofer für eie Zufallsvariable X die Verteilug bekat ist, lässt sich die Wahrscheilichkeit dafür bestimme, dass X i eiem bestimmte Itervall liegt. Wie ist
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
Mehr2.3 Kontingenztafeln und Chi-Quadrat-Test
2.3 Kotigeztafel ud Chi-Quadrat-Test Die Voraussetzuge a die Date i diesem Kapitel sid dieselbe, wie im voragegagee Kapitel, ur dass die Stichprobe hier aus Realisieruge vo kategorielle Zufallsvariable
MehrDas kollektive Risikomodell. 12. Mai 2009
Kirill Rudik Das kollektive Risikomodell 12. Mai 2009 4.1 Eileitug Wir betrachte i diesem Kapitel die Gesamtforderuge im Laufe eies Jahres. Beim Abschluss eies Versicherugsvertrages weiß der Versicherer
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
Mehr3. Einführung in die Statistik
3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :
Mehrh i :=h a i f i = h a i n Absolute Häufigkeit: Relative Häufigkeit: h 2 h 4 h 6 :=h der Elemente mit der Ausprägung i=6 zu der Anzahl n aller Werte
. Wer Rechtschreibfehler fidet, darf sie behalte. Rechefehler werde zurückgeomme. Absolute Häufigkeit: h Wie viele Elemete weise diese bestimmte Wert (= diese bestimmte Ausprägug) auf? > Azahl h der Elemete
MehrTesten statistischer Hypothesen
Kapitel 9 Teste statistischer Hypothese 9.1 Eiführug, Sigifiaztests Sigifiaztest für µ bei der ormalverteilug bei beatem σ = : X i seie uabhägig ud µ, ) verteilt, µ sei ubeat. Stelle eie Hypothese über
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
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
MehrDifferenz X-Y normalverteilt Lagetest für zwei verbundene. Differenz X-Y symmetrisch Wilcoxon-Test Stichproben
1 Fuktio des Tests Bezeichug Testgegestad X ormalverteilt Lagetest für eie Stichprobe Wilcoxo-Test X symmetrisch verteilt Vorzeichetest Variable X Differez X-Y ormalverteilt Lagetest für zwei verbudee
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
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
MehrRepräsentativität und Unabhängigkeit
Repräsetativität ud Uabhägigkeit Ziel: Bestmögliche Erassug der Eigeschate der Grudgesamtheit Problem: Beurteilug der Repräsetativität ist ur durch umassede Iormatio über die Grudgesamtheit möglich Asatz:
Mehrh a 2 b 1 h a1 b 2 h a1 b 1 h a1. h a 2. h.b1 h ij h 11 h 12 h 21 a b h. j h 1. h 2. h.1 a b h i. =h i1 h i2... h i m h. j =h 1j h 2j... h k j h.
Kotigeztabelle / Kreuztabelle für 2 diskrete /omialskalierte Variable ethält: 1. absolute gemeisame Häufigkeite h 11 h 12 h 21 für Kombiatioe vo zwei Merkmale / Variable a b steht also für mit jeweils
MehrZinsratenmodelle in stetiger Zeit: Teil II
Zisratemodelle i stetiger Zeit: Teil II Simoe Folty 1.11.006 1. Vasicek Modell (1977) 1.1 Eiführug Vasicek schlug das folgede Modell für die risikofreie Zisrate r(t) vor, basiered auf der SDGL d r t α
MehrZusammenfassung: Statistik
Zusammefassug: Statistik Attribute ud ihre Werte qualitativ: Familiestad, Geschlecht, Kofessio, Ragmerkmal: Schulote, Diestgrad, quatitativ-diskret: Azahl der Fachsemester, quatitativ-stetig: Größe, Etferug,
MehrII. Grundzüge der Stichprobentheorie
II. Grudzüge der Stichprobetheorie Grüde für Stichprobeerhebug - deutlich gerigere Koste - größere Awedugsbreite - kürzere Erhebugs- ud Auswertugszeite - i der Regel größere Geauigkeit der Ergebisse Begriffsbestimmug
MehrDer χ 2 Test. Bei Verteilungen Beantwortung der Frage, ob eine gemessene Verteilung Gauß- oder Poisson-verteilt ist oder nicht?
Der χ Test Es gibt verschiedee Arte vo Sigifikaztests Nebe Sigifikaztests, die sich mit dem Mittelwert beschäftige, gibt es auch Testverfahre für Verteiluge Bei Verteiluge Beatwortug der Frage, ob eie
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.
MehrWissenschaftliches Arbeiten Studiengang Energiewirtschaft
Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2015/2016. Aufgabe 1
Lehrstuhl für Statistik ud Ökoometrie der Otto-Friedrich-Uiversität Bamberg Prof. Dr. Susae Rässler Klausur zu Methode der Statistik II (mit Kurzlösug) Witersemester 2015/2016 Aufgabe 1 Die leideschaftliche
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
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
MehrStatistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39
Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle
MehrAnwendung für Mittelwerte
Awedug für Mittelwerte Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe... "wahre", ubekate Mittelwert der Grudgesamtheit icht zufällig?... beobachtete Mittelwert zufällig Statistik für SoziologIe 1
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
MehrÜbungen zu QM III Mindeststichprobenumfang
Techische Hochschule Köl Fakultät für Wirtschafts- ud Rechtswisseschafte Prof. Dr. Arreberg Raum 221, Tel. 39 14 jutta.arreberg@th-koel.de Übuge zu QM III Mideststichprobeumfag Aufgabe 12.1 Sie arbeite
MehrÜbungen mit dem Applet erwartungstreu
Übuge mit dem Applet erwartugstreu Visualisierug vo erwartugstreu Begriffe ud statischer Hitergrud. Visualisieruge mit dem Applet..3. Zufallsstreuug der Eizelwerte...3. Mittelwerte 3.3 Variaz. 4.4 Variaz
MehrZufallsvariable. Die Wahrscheinlichkeitsverteilung p (probability function) ist definiert durch: p(x i ) := P (X = x i ),
ETHZ 90-683 Dr. M. Müller Statistische Methode WS 00/0 Zufallsvariable Zusammehag: Wirklichkeit Modell Wirklichkeit Stichprobe Date diskret stetig rel. Häufigkeit Häufigkeitstabelle Stabdiagramm Histogramm
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
MehrForschungsstatistik I
Prof. Dr. G. Meihardt 6. Stock, Taubertsberg R. 06-06 (Persike) R. 06-31 (Meihardt) Sprechstude jederzeit ach Vereibarug Forschugsstatistik I Dr. Malte Persike persike@ui-maiz.de http://psymet03.sowi.ui-maiz.de/
MehrStatistik. 2. Semester. Begleitendes Skriptum zur Vorlesung. im FH-Masterstudiengang. Technisches Management. von. Günther Karigl
Statistik. Semester Begleitedes Skriptum zur Vorlesug im FH-Masterstudiegag Techisches Maagemet vo Güther Karigl FH Campus Wie 06/7 Statistische Schätzverfahre Statistische Schätzverfahre Währed die deskriptive
MehrGliederung. Value-at-Risk
Value-at-Risk Dr. Richard Herra Nürberg, 4. Noveber 26 IVS-Foru Gliederug Modell Beispiel aus der betriebliche Altersversorgug Verteilug des Gesatschades Value-at-Risk ud Tail Value-at-Risk Risikobeurteilug
MehrFormelsammlung. zur Klausur. Beschreibende Statistik
Formelsammlug zur Klausur Beschreibede Statistik Formelsammlug Beschreibede Statistik. Semester 004/005 Statistische Date Qualitative Date Nomial skalierte Merkmalsauspräguge (Uterscheidugsmerkmale) köe
MehrSchätzung der Kovarianzmatrix
Schätzug der Kovariazmatrix Aus eiem Esemble vo Beobachtuge {x i } ka die Kovariazmatrix (Zetralmomete) geschätzt werde: C = E{( x µ )( x µ ) } = R µ µ xx x x xx x x ˆ 1 C ˆ ˆ xx = xk µ x xk µ x k = 1
MehrTests statistischer Hypothesen
KAPITEL 10 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
MehrKAPITEL 11. Ungleichungen. g(x) g(x 0 ) + K 0 (x x 0 ).
KAPITEL 11 Ugleichuge 111 Jese-Ugleichug Defiitio 1111 Eie Fuktio g : R R heißt kovex, we ma für jedes x R ei K = K (x ) R fide ka, so dass für alle x R gilt: g(x) g(x ) + K (x x ) Bemerkug 111 Eie Fuktio
MehrKapitel 6: Statistische Qualitätskontrolle
Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle
Mehr