Statistik und Wahrscheinlichkeitsrechnung
|
|
- Dörte Juliane Scholz
- vor 7 Jahren
- Abrufe
Transkript
1 Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler
2 Äderug Übugsstude Statistik ud Wahrscheilichkeitsrechug Die Gruppe vo Markus trifft sich am Doerstag statt im HCI D zusamme mit der Gruppe vo Eva im HIL E
3 Kurze Zusammefassug der letzte Vorlesug Kofidezitervall: Typische Kofidezitervalle ud die dazugehörige Fraktilwerte der Stadardormalverteilug: Kovidez α k α k α 99% % %
4 Ihalt der heutige Vorlesug Kurze Zusammefassug der letzte Vorlesug Schätzug ud Modelletwicklug: Methode der Momete Methode der Maximum Likelihood Befragug der Studierede (ca. 5 mi)
5 Kleie Dekaufgabe. Das Sigifikaziveau eies Hypothesetests etpricht: der Wahrscheilichkeit eies Fehlers. Art der Wahrscheilichkeit eies Fehlers. Art je ach Wahl der Null Hypothese etweder der Wahrscheilichkeit eies Fehlers. Art oder eies Fehlers. Art.
6 Kleie Dekaufgabe. Lösug Das Sigifikaziveau eies Hypothesetests etpricht per Defiitio der Wahrscheilichkeit eies Fehlers. Art Urteil Wahrheit H 0 trifft zu. H 0 trifft icht zu. Akzeptaz vo H 0. Richtiges Urteil. Fehler. Art. Ausschluss vo H 0. Fehler. Art. Richtiges Urteil.
7 Schätzug ud Modelletwicklug Übersicht We ma Modelle im Igeieurbereich etwickel möchte, müsse uterschiedliche Type vo Iformatioe heragezoge werde. subjektive Iformatioe frequetistische Iformatioe subjektiv physikalisches Verstädis Erfahrug Beurteilugsvermöge Verteilugsfamilie frequetistisch Date Verteilugsparameter probabilistisches Modell
8 Schätzug der Verteilugsparameter Habe wir us für ei Verteilugstyp etschiede, müsse die Parameter abgeschätzt werde. z.b. Normalverteilug Weibullverteilug f ( x) = exp σ π x μ σ f k k x ε x ε () x = exp u ε u ε u ε k Wahrscheilichkeitsdichtefuktioe werde defiiert durch ihre T Parameter =,,..,. ( ) k Allgemei gibt ma Dichtefuktioe bedigt auf die Parameter a: f ( x )
9 Schätzug der Verteilugsparameter Es gibt eie Vielzahl vo Methode Verteilugsparameter zu schätze; geerell wird uterschiede zwische: Puktschätzer Itervallschätzer. Im folgede werde wir zwei Methode äher betrachte: Methode der Momete Methode der Maximum Likelihood
10 Schätzug der Verteilugsparameter Methode der Momete (MoM) Gegebe ist eie Stichprobe ahad desse wir die T Verteilugsparameter abschätze: x = (ˆ x, xˆ,..,ˆ ) ˆ, Das Prizip der Methode der Momete ist die Parameter so abzuschätze, dass die Momete der Verteilug ud die Momete der Stichprobe idetisch sid. m = j j x i i= Stichprobe x j j = j k = λ λ (,,.., ) x f ( x) dx Verteilug
11 Schätzug der Verteilugsparameter Methode der Momete (MoM) Ageomme wir habe eie Verteilug mit k Parameter: Da habe wir k Gleichuge mit k ubekate zu löse: m = λ ( ), j =,,.., k j j j i i= j x = x f ( x ) dx, j =,,.., k Stichprobe Verteilug
12 Schätzug der Verteilugsparameter Methode der Momete (MoM) Beispiel: Beto Druckfestigkeit, Aahme Normalverteilt: Die Normalverteilug hat zwei Parameter wir müsse also zwei Gleichuge löse: m xˆ = λ x f ( xμσ, ) dx = = i i= i λ i= m xˆ = x f ( xμσ, ) dx = =
13 Schätzug der Verteilugsparameter Methode der Momete (MoM) Die Stichprobemomete sid: m ˆ = x i = 3.67 m ˆ = x = i 0 i= Die Momete der Verteilug sid: i= ( x μ) λ = x exp( 0.5 ) dx σ π σ ( x μ) λ = x exp( 0.5 ) dx σ π σ
14 Schätzug der Verteilugsparameter Methode der Momete (MoM) Bei Formulierug der folgede Objektfuktio: g( μ, σ) = ( λ σ m ( μ, σ) m ) + ( λ ( μ, ) ) Lasse sich die Parameter durch Optimierug fide. z.b. mit Hilfe vo MS ECEL
15 Schätzug der Verteilugsparameter Methode der Momete (MoM) ODER: Alterativ ud viel eifacher ist die Heragehesweise mithilfe vo de zetrale Momete.. Bestimme des Stichprobemittelwertes ud der Stichprobestadardabweichug.. Gleichsetze mit dem Stichprobemittelwert ud der Stadardabweichug der Verteilugsfuktio. 3. Erreche der Parameter
16 Schätzug der Verteilugsparameter Methode der Momete (MoM) Log-Normalverteilug, Parameter Momete x λ F ( x) =Φ ζ 0 x l ( x) λ λζ, f ( x) = exp xζ π ζ ζ 0 l ( ) > σ μ ( ζ ) Gumbel max. Parameter Momete ζ μ = exp λ+ = exp ( α( ) ( )) ( α ( )) f ( x) = αexp x u exp x u ( ) F ( x) = exp exp x u x u α > 0 γ μ = u +, γ α π σ = α
17 Kleie Dekaufgabe. Welche der folgede Aussage i Bezug auf Hypothesetests ist richtig? Die Wahl der Null Hypothese ist subjektiv. Das Sigifikaziveau sollte so klei wie möglich ausgewählt werde. We die Azahl der Stichprobe bekat ist, ka das Sigifikaziveau beliebig gewählt werde.
18 Kleie Dekaufgabe. Lösug Die Wahl der Null Hypothese ist subjektiv. Auf gleiche Weise ka auch die Wahl des Sigifikaziveaus subjektiv sei. Das subjektive Auswähle vo Null Hypothese ud Sigifikaziveaus ka als Prozess der Etscheidugsfidug verstade werde, der die ökoomische Auswirkuge vo Kosequeze bedigt durch statistische Schlussfolgeruge mit eibezieht.
19 Schätzug der Verteilugsparameter Maximum Likelihood Methode (MLM) Die Grudidee der MLM ist die Parameter der Verteilug zu idetifiziere, welche die maximale Likelihood besitze welche also am wahrscheilichste sid
20 Schätzug der Verteilugsparameter Maximum Likelihood Methode (MLM) Die Form eier Wahrscheilichkeitsdichtefuktio ist bestimmt durch ihre Parameter =,,.., Ṭ ( k )
21 Schätzug der Verteilugsparameter Maximum Likelihood Methode (MLM) Die Form eier Wahrscheilichkeitsdichtefuktio ist bestimmt durch ihre Parameter =,,.., Ṭ ( k ) Wird u eie Stichprobe x ˆ= ( xˆ, xˆ,,.., xˆ ) T beobachtet, hat eie Realisatio der Stichprobe die Likelihood : L= f ( xˆ ) ˆx
22 Schätzug der Verteilugsparameter Maximum Likelihood Methode (MLM) Die Form eier Wahrscheilichkeitsdichtefuktio ist bestimmt durch ihre Parameter =,,.., Ṭ ( k ) Wird u eie Stichprobe x ˆ= ( xˆ, xˆ,,.., xˆ ) T beobachtet, hat eie Realisatio der Stichprobe die Likelihood : L= f ( xˆ ) Die Likelihood der gesamte Stichprobe errechet sich aus dem Produkt der Likelihoods der Eizelbeobachtuge > ˆx L= f ( xˆ ) i= i > bei gegebee Parameter
23 Schätzug der Verteilugsparameter Maximum Likelihood Methode (MLM) Die Form eier Wahrscheilichkeitsdichtefuktio ist bestimmt durch ihre Parameter =,,.., Ṭ ( k ) Wird u eie Stichprobe x ˆ= ( xˆ, xˆ,,.., xˆ ) T beobachtet, hat eie Realisatio der Stichprobe die Likelihood : L= f ( xˆ ) Die Likelihood der gesamte Stichprobe errechet sich aus dem Produkt der Likelihoods der Eizelbeobachtuge > ˆx L= f ( xˆ ) i= i > bei gegebee Parameter 3
24 Schätzug der Verteilugsparameter Maximum Likelihood Methode (MLM) Wir maximiere die Likelihood uter Veräderug der Parameter: max L ( xˆ i ) > ud erhalte die Parameter welche am beste zu der Stichprobe passe
25 Schätzug der Verteilugsparameter Maximum Likelihood Methode (MLM) Beispiel Normalverteilug: Wir ehme a, die usere Beobachtuge zugrudeliegede Verteilugsfuktio ist die Normalverteilug. f ( x ) = exp σ π x μ σ Die Likelihood der Beobachtuge der Stichprobe x ˆ = ( ˆ, ˆ,..., ˆ ) T ist da; x x x L( xˆ ) = exp i= σ π xˆ i μ σ
26 Schätzug der Verteilugsparameter Maximum Likelihood Methode (MLM) Beispiel Normalverteilug: Die Parameter der Normalverteilug werde so gewählt, dass sie die Likelihoodfuktio maximiere: mi ( L ( xˆ )) > es ist vo Vorteil die logarithmierte Likelihoodfuktio zu verwede: l( x) = l( f ( ˆ xi )) i= l( x) = l( f ( ˆ xi )) i=
27 Schätzug der Verteilugsparameter Maximum Likelihood Methode (MLM) Beispiel Normalverteilug: Werde die Parameter so gewählt, dass sie die log Likelihoodfuktio maximiere: mi( l ( xˆ )) Ka gezeigt werde, dass die Parameter a sich zu Normalverteilte Zufallsvariable kovergiere: Mit Mittelwerte: μ ( Θ =,,.., ) T Ud Kovariazmatrix: CΘΘ = H wobei H ij l( xˆ) = = i j 7
28 Schätzug der Verteilugsparameter Maximum Likelihood Methode (MLM) Beispiel Normalverteilug: Betrachte wir u die Date der Betodruckfestigkeit, uter der Aahme, dass die Betodruckfestigkeit eier Normalverteilug folgt, ergibt sich für die log Likelihoodfuktio: l( xˆ) = l π ( ˆ ) Das Miimum ka aalytisch wie folgt bestimmt werde: i= x i l = + 3 l = i= i= ( ˆ ) = 0 x i ( ˆ ) = 0 x i i= = = xˆ i i= ( xˆ ) i 8
29 Schätzug der Verteilugsparameter Maximum Likelihood Methode (MLM) Beispiel Normalverteilug: Gemäss Zahlebeispiel Betodruckfestigkeit ergibt sich: i= ( xˆ ) i = = = Mittelwert der Stadardabweichug Biased (!) ˆ = xi = = i= Mittelwert des Mittelwertes
30 Statistik ud Wahrscheilichkeitsrechug 30 Schätzug der Verteilugsparameter Maximum Likelihood Methode (MLM) Beispiel Normalverteilug: Gemäss Zahlebeispiel Betodruckfestigkeit ergibt sich: Für die Kovariazmatrix: ( ) ( ) ( ) = = = = x x x H i i i i i i C H ΘΘ = = Variaz der Stadardabweichug Variaz des Mittelwertes
31 Schätzug der Verteilugsparameter Maximum Likelihood Methode (MLM) Das Problem lässt sich ebefalls umerisch löse z.b. mit MS ECEL
32 Schätzug der Verteilugsparameter Maximum Likelihood Methode (MLM) Illustratio Likelihood
Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
Lehrstuhl für Empirische Wirtschaftsforschug ud Ökoometrie Dr. Rolad Füss Statistik II: Schließede Statistik SS 2007 6. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug
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
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
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
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
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
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
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
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
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
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
MehrMaximum Likelihood Version 1.6
Maximum Likelihood Versio 1.6 Uwe Ziegehage 15. November 2005 Logarithmegesetze log a (b) + log a (c) = log a (b c) (1) log a (b) log a (c) = log a (b/c) (2) log a (b c ) = c log a (b) (3) Ableitugsregel
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:
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
MehrAnwendung für Mittelwerte
Awedug für Mittelwerte Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe... "wahre", ubekate Mittelwert der Grudgesamtheit icht zufällig?... beobachtete Mittelwert zufällig Statistik für SoziologIe 1
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
MehrBayessches Lernen (II)
Uiversität Potsdam Istitut für Iformatik Lehrstuhl Maschielles Lere Bayessches Lere (II) Christoph Sawade/Niels Ladwehr Jules Rasetahariso Tobias Scheffer Überblick Wahrscheilichkeite, Erwartugswerte,
MehrMaschinelle Sprachverarbeitung: Mathematische Grundlagen
HUMOLDT-UNIVERSITÄT ZU ERLIN Istitut für Iformatik Lehrstuhl Wissesmaagemet Maschielle Sprachverarbeitug: Mathematische Grudlage Tobias Scheffer Ulf refeld Literatur Huag, cero, Ho: Spoke Laguage rocessig,
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
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
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
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
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
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
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.
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
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,...,
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
MehrKorrekturliste zum Studienbuch Statistik
Korrekturlite zum Studiebuch Statitik I der aktuelle Auflage wurde durch ei Kovertierugproblem i de Kapitel 0 (S. 3 3 ud de etprechede Abchitte i de Löuge (S. 39 07 teilweie die Zeiche µ durch ud π durch
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
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
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
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
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und
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
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
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
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
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
MehrKapitel 9: Schätzungen
- 73 (Kapitel 9: chätzuge) Kapitel 9: chätzuge Betrachte wir folgedes 9. Beispiel : I eiem Krakehaus wurde Date über Zwilligsgeburte gesammelt. Bei vo 48 Paare hatte die beide Zwillige verschiedees Geschlecht.
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
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
MehrMethoden zur Konstruktion von Schätzern
KAPITEL 5 Methode zur Kostruktio vo Schätzer 5.1. Parametrisches Modell Sei (x 1,..., x ) eie Stichprobe. I der parametrische Statistik immt ma a, dass die Stichprobe (x 1,..., x ) eie Realisierug vo uabhägige
MehrKlausur zu,,einführung in die Wahrscheinlichkeitstheorie. Musterlösungen
Istitut für agewadte Mathematik Witersemester 9/ Adreas Eberle, Matthias Erbar, Berhard Hader. (Reelle Zufallsvariable) Klausur zu,,eiführug i die Wahrscheilichkeitstheorie Musterlösuge a) Die Verteilugsfuktio
Mehr10. Übungsblatt zur Einführung in die Stochastik
Fachbereich Mathematik rof. Dr. Michael Kohler Dipl.-Math. Adreas Fromkorth Dipl.-If. Jes Mehert SS 09 6.7.2009 0. Übugsblatt zur Eiführug i die Stochastik Aufgabe 38 (3 ukte Die Zufallsvariable X,...,
MehrSeminarausarbeitung: Gegenbeispiele in der Wahrscheinlichkeitstheorie. Unterschiedliche Konvergenzarten von Folgen von Zufallsvariablen
Semiarausarbeitug: Gegebeispiele i der Wahrscheilichkeitstheorie - Uterschiedliche Kovergezarte vo Folge vo Zufallsvariable Volker Michael Eberle 4. März 203 Eileitug Die vorliegede Arbeit thematisiert
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
MehrKlausur vom
UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Domiik Faas Stochastik Witersemester 00/0 Klausur vom 7.0.0 Aufgabe 3+.5+.5=6 Pukte Bei eier Umfrage wurde 60 Hotelbesucher ach ihrer Zufriedeheit
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
MehrErläuterung Beispiel III
3 Parameterpuktschätzer Maximum-Likelihood-Methode 3.2 Maximum-Likelihood-Methode ML-Methode Weitere geläufige Schätzmethode: Maximum-Likelihood-Methode Vor Erläuterug der Methode: eileitedes Beispiel
MehrMaximum-Likelihood-Methode (ML-Methode)
3 Parameterpuktschätzer Maximum-Likelihood-Methode 3.2 Maximum-Likelihood-Methode (ML-Methode Weitere geläufige Schätzmethode: Maximum-Likelihood-Methode Vor Erläuterug der Methode: eileitedes Beispiel
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
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
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
MehrGrundlagen der Biostatistik und Informatik
Vergleich vo mehrere Stichprobe Grudlage der Biostatisti ud Iformati Hypotheseprüfuge III., Nichtparametrische Methode dr László Smeller Semmelweis Uiversität 0 Vergleich vo mehrere Stichprobe Boferroi
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
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
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
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
MehrZenraler Grenzwertsatz
Zeraler Grezwertsatz Ato Klimovsky Zetraler Grezwertsatz. Kovergez i Verteilug. Normalapproximatio. I diesem Abschitt beschäftige wir us mit der folgede Frage. Frage: Wie sieht die Verteilug eier Summe
MehrAnalysis I Lösungsvorschläge zum 3. Übungsblatt Abgabe: Bis Donnerstag, den , um 11:30 Uhr
Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Dipl.-Math. Lars Machiek Dipl.-Math. Sebastia Schwarz WS 206/207 03..206 Aalysis I Lösugsvorschläge zum 3. Übugsblatt Abgabe:
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
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
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
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
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
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
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
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 =
MehrKonzentration und Disparität
Begleitede Uterlage zur Übug Deskriptive Statistik Michael Westerma Uiversität Esse Ihaltsverzeichis 6 Kozetratios- ud Disparitätsmessug................................ 2 6.1 Begriff ud Eileitug.......................................
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
MehrDiskrete Zufallsvariablen
Erste Beispiele diskreter Verteiluge Diskrete Zufallsvariable Beroulli-Verteilug Eie diskrete Zufallsvariable heißt beroulliverteilt mit arameter p, falls sie die Wahrscheilichkeitsfuktio p,, f ( ) ( )
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-
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
MehrStreuungsmaße. Prof. Dr. Paul Reuber. Institut für Geographie. Seminar Methoden der empirischen Humangeographie
Streuugsmaße Istitut für Geographie Streuugswerte (Streuugsmaße) Die Diskussio um die Mittelwerte hat die Vorteile dieser statistische Kewerte gezeigt, aber bereits, isbesodere beim arithmetische Mittel,
MehrÜbungsblatt 9 zur Vorlesung. Statistische Methoden
Dr. Christof Luchsiger Übugsblatt 9 zur Vorlesug Statistische Methode Schätztheorie ud Kofidezitervalle Herausgabe des Übugsblattes: Woche 8, Abgabe der Lösuge: Woche 9 (bis Freitag, 65 Uhr), Besprechug:
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
MehrGesetze der großen Zahlen
Gesetze der große Zahle Ato Klimovsky Grezwertsätze für die Summe der ZV. Schwaches Gesetz der große Zahle. Kovergez i Wahrscheilichkeit (Stochastische Kovergez). Starkes Gesetz der große Zahle. Fast sichere
Mehr}) = ϑ Einsen (1 ϑ) Nullen,
6. Schätzprobleme 6.1. Beispiele a) I eiem Teich befidet sich eie ubekate Azahl vo Fische. Ma schätze z. B. durch Agel, markiere, wieder aussetze ud ochmal agel; vgl. Übug) b) Weiteres Beispiel: Wie groß
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
MehrÜbersicht. Datenstrukturen und Algorithmen. Rekursionsgleichungen. Übersicht. Vorlesung 6: Mastertheorem (K4) Joost-Pieter Katoen
Übersicht Datestrukture ud Algorithme Vorlesug 6: (K) Joost-Pieter Katoe Lehrstuhl für Iformatik 2 Software Modelig ad Verificatio Group 1 Substitutiosmethode Rekursiosbäume http://moves.rwth-aache.de/teachig/ss-15/dsal/
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.
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
MehrAufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I
Aufgabe ud e Ausarbeitug der Übugsstude zur Vorlesug Aalysis I Witersemester 008/009 Übug am 8..008 Übug 5 Eileitug Zuerst soll auf de aktuelle Übugsblatt ud Stoff der Vorlesug eigegage werde. Dazu werde
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;
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
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
MehrPflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik
Pflichtlektüre: Kapitel 10 Grudlage der Iferezstatistik Überblick der Begriffe Populatio Iferezstatistik Populatiosparameter Stichprobeverteiluge Auch Stichprobekewerteverteiluge Wahrscheilichkeitstheorie
MehrStochastisches Integral
Kapitel 11 Stochastisches Itegral Josef Leydold c 26 Mathematische Methode XI Stochastisches Itegral 1 / 2 Lerziele Wieer Prozess ud Browsche Bewegug Stochastisches Itegral Stochastische Differetialgleichug
MehrELEMENTE DER ZAHLENTHEORIE UND AUFBAU DES ZAHLENSYSTEMS
ELEMENTE DER ZAHLENTHEORIE UND AUFBAU DES ZAHLENSYSTEMS vo Rolf Waldi 1 Kapitel I. Elemetare Zahletheorie 1 Grudlegede Regel ud Prizipie Es wird vorausgesetzt, daß der Leser mit gaze Zahle reche ka ud
MehrAngewandte Stochastik II
Vorlesugsskript Agewadte Stochastik II Dr. Katharia Best Witersemester 2010/2011 Ihaltsverzeichis 1 Grudidee der statistische Dateaalyse 5 1.1 Stichprobe..............................................
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
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
MehrLogarithmusfunktion, Rechenregeln für Logarithmen, Ableiten von Logarithmen (die Ableitung nach p wird hier stets als p geschrieben)
Wirtschaftswisseschaftliches Zetrum Uiversität Basel Statistik Dr. Thomas Zehrt (Pukt)Schätze Motivatio Eie vollstädige Iformatio über die Verteilug eies Merkmals X i eier Grudgesamtheit ka ur durch eie
MehrÜbungsblatt 1 zur Vorlesung Angewandte Stochastik
Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche
MehrVereinheitlichung Einheitlicher Maßstab der Risikoeinschätzung. Limitierung / Steuerung Messung und Limitierung ist fundamental für die Steuerung
. Marktpreisrisiko Motivatio der VaR-Ermittlug Vereiheitlichug Eiheitlicher Maßstab der Risikoeischätzug Limitierug / Steuerug Messug ud Limitierug ist fudametal für die Steuerug Kapitaluterlegug Zur Deckug
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
Mehr