Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.
|
|
- Michael Holtzer
- vor 7 Jahren
- Abrufe
Transkript
1 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 8.1 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = , p-wert: f χ 2 (4) (x) p = p = χ 4, 0.95 χ 2 = x Schließede Statistik (WS 2014/15) Folie 161
2 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 8.1 Beispiel: Chi-Quadrat-Apassugstest auf H 0 : Y Geom(0.25) Geom(0.25)-Verteilug hat uedliche Träger {0, 1, 2,...} ud Wahrscheilichkeitsfuktio p Geom(0.25) : N 0 [0, 1]; p Geom(0.25) (i) = (1 0.25) i 0.25, Bedigug p 0 i 5 ka also mit p 0 i = p Geom(0.25) (a i ) für a i := i 1 icht für alle i N erfüllt sei. Klassierug hier also (trotz diskreter Verteilug) erforderlich. Wege (für wachsedes i bzw. a i ) abehmeder pi 0 sivoll: Zusammefassug aller große i i der letzte Klasse K k so, dass Bedigug pi 0 5 für alle i {1,..., k} erfüllt ist. Wahrscheilichkeit (uter H 0 ) pk 0 für Klasse K k über Verteilugsfuktio oder als verbleibede Wahrscheilichkeit pk 0 = 1 k 1 i=1 p0 i. Je ach Verteilug F 0 ud Stichprobeumfag köe aber auch komplexere Klassieruge ötig sei, um Bedigug pi 0 5 zu erfülle. Schließede Statistik (WS 2014/15) Folie 162
3 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 8.1 Fortsetzug Beispiel Stichprobeiformatio: Häufigkeitsverteilug aus Klassierug eier eifache Stichprobe vom Umfag = 100 zu Y liefert: i a i i Gewüschtes Sigifikaziveau: α = 0.10 Chi-Quadrat-Apassugstest: 1 Hypothese: H 0 : F Y = F Geom(0.25) H 1 : F Y F Geom(0.25) 2 Teststatistik: k χ 2 ( i pi 0 = )2 p 0 ist uter H 0 approximativ χ 2 (k 1)-verteilt, falls i=1 i 5 für alle i gilt. p 0 i Schließede Statistik (WS 2014/15) Folie 163
4 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest Kritischer Bereich zum Niveau α = 0.10: K = (χ 2 k 1;1 α, + ) = (χ2 5;0.90, + ) = (9.236, + ) 4 Berechug der realisierte Teststatistik: ( i p 0 i )2 p 0 i K i i pi 0 pi 0 (, 0] 32 (1 0.25) = (0, 1] 19 (1 0.25) = (1, 2] 16 (1 0.25) = (2, 3] 16 (1 0.25) = (3, 4] 6 (1 0.25) = (4, + ) i=1 p0 i = Σ χ 2 = Es gilt pi 0 5 für alle i {1,..., 6} Näherug ok. 5 Etscheidug: χ 2 = (9.236, + ) = K H 0 wird abgeleht! (p-wert: 1 F χ 2 (5)(χ 2 ) = 1 F χ 2 (5)( ) = = ) Test kommt zum Ergebis, dass Y icht eier Geom(0.25)-Verteilug geügt. Schließede Statistik (WS 2014/15) Folie 164
5 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 8.1 Beispiel: Chi-Quadrat-Apassugstest (F 0 stetig) Klassierug bei stetige hypothetische Verteiluge ubedigt erforderlich. Hier: Klassierug soll vorgegebe sei (evtl. implizit durch bereits klassierte Stichprobeiformatio statt vollstädiger Urliste!) Bei eigeer Wahl der Klassierug: Vorsicht, da Klassierug Test beeiflusst! Beispiel: Utersuchug, ob Y N(0, 1). Stichprobeiformatio (aus eifacher Stichprobe vom Umfag = 200): i K i (, 1.5] ( 1.5, 0.75] ( 0.75, 0] (0, 0.75] (0.75, 1.5] (1.5, ) i Gewüschtes Sigifikaziveau: α = 0.05 Geeigeter Test: Chi-Quadrat-Apassugstest 1 Hypothese: H 0 : F Y = F N(0,1) H 1 : F Y F N(0,1) 2 Teststatistik: k χ 2 ( i pi 0 = )2 p 0 ist uter H 0 approximativ χ 2 (k 1)-verteilt, falls i=1 i 5 für alle i gilt. p 0 i Schließede Statistik (WS 2014/15) Folie 165
6 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest Kritischer Bereich zum Niveau α = 0.05: K = (χ 2 k 1;1 α, + ) = (χ2 5;0.95, + ) = (11.070, + ) 4 Berechug der realisierte Teststatistik: K i = (a i 1, a i ] i pi 0 = F 0 (a i ) F 0 (a i 1 ) pi 0 ( i p 0 i )2 pi 0 (, 1.5] = ( 1.5, 0.75] = ( 0.75, 0] = (0, 0.75] = (0.75, 1.5] = (1.5, + ) = Σ Es gilt pi 0 5 für alle i {1,..., 6} Näherug ok. 5 Etscheidug: χ 2 = / (11.070, + ) = K H 0 wird icht abgeleht! (p-wert: 1 F χ 2 (5)(χ 2 ) = 1 F χ 2 (5)(7.7828) = = ) Test ka Hypothese, dass Y stadardormalverteilt ist, icht verwerfe. Schließede Statistik (WS 2014/15) Folie 166
7 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 8.1 Chi-Quadrat-Apassugstest auf parametrisches Verteilugsmodell Chi-Quadrat-Apassugstest ka auch durchgeführt werde, we statt (eizeler) hypothetischer Verteilug eie parametrische Klasse vo Verteiluge als hypothetische Verteilugsklasse fugiert. Durchführug des Chi-Quadrat-Apassugstests da i zwei Schritte: 1 Schätzug der Verteilugsparameter ierhalb der hypothetische Verteilugsklasse mit der ML-Methode. 2 Durchführug des (reguläre) Chi-Quadrat-Apassugstest mit der hypothetische Verteilug zu de geschätze Parameter. Zu beachte: Verteilug der Testgröße χ2 ädert sich! Bei ML-Schätzug auf Basis der für die Durchführug des Chi-Quadrat-Apassugstest maßgebliche Klassierug der Stichprobe gilt uter H 0 äherugsweise χ 2 χ 2 (k r 1), wobei r die Azahl der per ML-Methode geschätzte Parameter ist. Werde die Verteilugsparameter icht aus de klassierte Date, soder aus de ursprügliche Date mit ML-Methode geschätzt, gilt diese Verteilugsaussage so icht mehr (Abweichug allerdigs moderat). Schließede Statistik (WS 2014/15) Folie 167
8 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 8.1 Zusammefassug: Chi-Quadrat-Apassugstest zur Apassug a parametrische Verteilugsfamilie Awedugsvoraussetzuge approx.: Y beliebig verteilt, X 1,..., X eif. Stichprobe zu Y Familie vo Verteilugsfuktioe F θ für θ Θ vorgegebe k 1 Klassegreze a 1 < a 2 <... < a k 1 vorgegebe Nullhypothese H 0 : F Y = F θ für ei θ Θ Gegehypothese H 1 : F Y F θ (für alle θ Θ) ( k Teststatistik χ 2 ( i pi 0 ) 2 k i = = ) 2 ( p0 i 1 k = Verteilug (H 0) i=1 p 0 i i=1 p 0 i 2 i p 0 i=1 i ) χ 2 ist uter H 0 äherugsweise χ 2 (k r 1)-verteilt, we θ ML-Schätzer des r-dim. Verteilugsparameters θ auf Basis klassierter Date ist (Verwedug vo θ siehe ute). (Näherug ur verüftig, falls pi 0 5 für i {1,..., k}) Beötigte Größe p 0 i = F θ(a k ) F θ(a k 1 ) mit a 0 :=, a k :=, i = #{j {1,..., } x j (a i 1, a i ]}, i {1,..., k} Kritischer Bereich (χ 2 k r 1;1 α, ) zum Niveau α p-wert 1 F χ 2 (k r 1)(χ 2 ) Schließede Statistik (WS 2014/15) Folie 168
9 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 8.1 Beispiel: Chi-Quadrat-Apassugstest auf H 0 : Y Geom(p) für p (0, 1) Stichprobeiformatio: Häufigkeitsverteilug aus voragegageem Beispiel: i a i i Erster Schritt: ML-Schätzug vo p mit Hilfe der klassierte Stichprobeiformatio: Ma ka zeige, dass der ML-Schätzer auf Basis der klassierte Stichprobe durch k p = k + k i=1 (i 1) i gegebe ist. Hier erhält ma also die Realisatio p = = = Schließede Statistik (WS 2014/15) Folie 169
10 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 8.1 Zweiter Schritt: Durchführug des Chi-Quadrat-Apassugstest für H 0 : F Y = F (mit F p := F Geom(p) ) gege H 1 : F Y F uter Berücksichtigug der ML-Schätzug vo p durch geäderte Verteilug vo χ 2 uter H 0! Isgesamt: Chi-Quadrat-Apassugtest für Verteilugsfamilie: 1 Hypothese: H 0 : F Y = F p für ei p (0, 1) (mit F p := F Geom(p) ) gege H 1 : F Y F p 2 Teststatistik: k χ 2 ( i pi 0 = )2 p 0 ist uter H 0 approximativ χ 2 (k 1 r)-verteilt, falls i=1 i pi 0 5 für alle i gilt ud r-dimesioaler Verteilugsparameter per ML-Methode aus de klassierte Date geschätzt wurde. 3 Kritischer Bereich zum Niveau α = 0.10: K = (χ 2 k 1 r;1 α, + ) = (χ2 4;0.90, + ) = (7.779, + ) Schließede Statistik (WS 2014/15) Folie 170
11 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest Berechug der realisierte Teststatistik: Eie ML-Schätzug aus de klassierte Date liefert de Schätzwert p = für de ubekate Verteilugsparameter p. ( i p 0 i )2 p 0 i K i i pi 0 pi 0 (, 0] 32 ( ) = (0, 1] 19 ( ) = (1, 2] 16 ( ) = (2, 3] 16 ( ) = (3, 4] 6 ( ) = (4, + ) i=1 p0 i = Σ χ 2 = Es gilt pi 0 5 für alle i {1,..., 6} Näherug ok. 5 Etscheidug: χ 2 = / (7.779, + ) = K H 0 wird icht abgeleht! (p-wert: 1 F χ2 (4)(χ 2 ) = 1 F χ2 (4)(4.8175) = = ) Test kommt zum Ergebis, dass Y Geom(p) icht verworfe werde ka. (ML-Schätzug vo p: p = ) Schließede Statistik (WS 2014/15) Folie 171
12 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 8.1 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Test auf geometrische Verteilug, realisierte Teststatistik χ 2 = , p-wert: f χ 2 (4) (x) p = p = χ 2 2 = χ 4, 0.9 x Schließede Statistik (WS 2014/15) Folie 172
13 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Uabhägigkeitstest 8.2 Chi-Quadrat-Uabhägigkeitstest (Kotigeztest) Bisher: Eifache Stichprobe X 1,..., X zu eier Zufallsvariable Y. Im Folgede: Betrachtug vo eifache Stichprobe zu mehrdimesioale Zufallsvariable bzw. (später) mehrere (uabhägige) eifache Stichprobe zu mehrere Zufallsvariable. Erste Problemstellug: Utersuchug vo zwei Zufallsvariable Y A, Y B auf stochastische Uabhägigkeit. Erforderliche Stichprobeiformatio: Eifache Stichprobe (X A 1, X B 1 ), (X A 2, X B 2 ),..., (X A, X B ) vom Umfag zu zweidimesioaler Zufallsvariable (Y A, Y B ). Testidee: de bei Uabhägigkeit vo Y A, Y B bestehede Zusammehag zwische Radverteiluge vo Y A ud Y B sowie gemeisamer Verteilug vo (Y A, Y B ) ausutze: Gemeisame Wahrscheilichkeite stimme bei Uabhägigkeit mit Produkt der Radwahrscheilichkeite überei (falls (Y A, Y B ) diskret). Daher spreche gerige Abweichuge zwische gemeisame (relative) Häufigkeite ud Produkt der (relative) Radhäufigkeite für Uabhägigkeit, große Abweichuge dagege. Schließede Statistik (WS 2014/15) Folie 173
14 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Uabhägigkeitstest 8.2 Betrachtete Awedugssituatioe: 1 Sowohl Y A als auch Y B sid diskret mit weige Auspräguge, i der Stichprobe trete die Auspräguge a 1,..., a k vo Y A bzw. b 1,..., b l vo Y B auf. 2 Y A ud Y B sid diskret mit viele Auspräguge oder stetig, die Stichprobeiformatio wird da mit Hilfe vo Klassieruge A 1 = (, a 1], A 2 = (a 1, a 2],..., A k = (a k 1, ) vo Y A bzw. B 1 = (, b 1], B 2 = (b 1, b 2],..., B l = (b l 1, ) vo Y B zusammegefasst. 3 Mischforme vo 1 ud 2. Der Vergleich zwische (i der Stichprobe) beobachtete gemeisame absolute Häufigkeite ij ud bei Uabhägigkeit (auf Basis der Radhäufigkeite) zu erwartede gemeisame absolute Häufigkeite ñ ij erfolgt durch die Größe χ 2 = k l i=1 j=1 ( ij ñ ij ) 2 ñ ij, wobei ij die beobachtete gemeisame Häufigkeite für (a i, b j ) bzw. (A i, B j ) aus der Stichproberealisatio ud ñ ij = i j = i j die erwartete gemeisame Häufigkeite aus de Radhäufigkeite i vo a i bzw. A i ud j vo b j bzw. B j sid (i {1,..., k}, j {1,..., l}). Schließede Statistik (WS 2014/15) Folie 174
15 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Uabhägigkeitstest 8.2 Für wachsede Stichprobeumfag kovergiert die Verteilug der Testgröße χ 2 bei Gültigkeit vo H 0 : Y A, Y B sid stochastisch uabhägig gege die χ 2 ((k 1) (l 1))-Verteilug. Die Näherug der Verteilug vo χ 2 uter H 0 ist für edliche Stichprobeumfag verüftig, falls gilt: ñ ij 5 für alle i {1,..., k}, j {1,..., l} Wie beim Chi-Quadrat-Apassugstest spreche große Werte der Teststatistik χ 2 gege die Nullhypothese Y A ud Y B sid stochastisch uabhägig, währed kleie Werte für H 0 spreche. Als kritischer Bereich zum Sigifikaziveau α ergibt sich also etspreched: K = (χ 2 (k 1) (l 1);1 α, ) Die Testgröße χ 2 ist eg verwadt mit der bei der Berechug des korrigierte Pearsosche Kotigezkoeffiziete beötigte Größe χ 2. Aalog zum Chi-Quadrat-Apassugstest ka der Chi-Quadrat-Uabhägigkeitstest ebefalls auf Merkmale Y A bzw. Y B agewedet werde, dere Auspräguge a 1,..., a k bzw. b 1,..., b l och icht Zufallsvariable-koform als reelle Zahle kodiert wurde. Schließede Statistik (WS 2014/15) Folie 175
16 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Uabhägigkeitstest 8.2 Darstellug der Stichprobeiformatio üblicherweise i Kotigeztabelle der Form Y A \ Y B b 1 b 2 b l a l a l bzw. Y A \ Y B B 1 B 2 B l A l A l a k k1 k2 kl A k k1 k2 kl Beötigte Größe ñ ij = i j köe da ach Ergäzug der Kotigeztabelle um ihre Radhäufigkeite i = l j=1 ij ud j = k i=1 ij i weiterer Tabelle mit aalogem Aufbau Y A \ Y B B 1 B 2 B l i A 1 ñ 11 = 1 1 ñ 12 = 1 2 ñ 1l = 1 l 1 A 2 ñ 21 = 2 1 ñ 22 = 2 2 ñ 2l = 2 l A k ñ k1 = k 1 ñ k2 = k 2 ñ kl = k l k j 1 2 l (hier für 2. Variate) oder (falls geüged Raum vorhade) direkt i der Kotigeztabelle berechet werde. Schließede Statistik (WS 2014/15) Folie 176
17 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Uabhägigkeitstest 8.2 Zusammefassug: Chi-Quadrat-Uabhägigkeitstest Awedugs- approximativ: (Y A, Y B ) beliebig verteilt voraussetzuge (X1 A, X1 B ),..., (X A, X B ) eifache Stichprobe zu (Y A, Y B ) Auspräguge {a 1,..., a k } vo Y A, {b 1,..., b l } vo Y B oder Klassegreze a 1 <... < a k 1 zu Y A, b 1 <... < b l 1 zu Y B Nullhypothese H 0 : Y A,Y B stochastisch uabhägig Gegehypothese H 1 : Y A,Y B icht stochastisch uabhägig Teststatistik k l χ 2 ( ij ñ ij ) 2 k l = = ij 2 ñ ij Verteilug (H 0) Beötigte Größe i=1 j=1 i=1 ñ ij j=1 χ 2 ist äherugsweise χ 2 ((k 1) (l 1))-verteilt, falls H 0 gilt (Näherug ur verüftig, falls ñ ij 5 für alle i, j) ij = #{m {1,..., } (x m, y m) A i B j } für alle i, j mit A i = {a i }, B j = {b j } bzw. Klasse A i, B j ach vorg. Greze, ñ ij = i j mit i = l j=1 ij, j = k i=1 ij, Kritischer Bereich (χ 2 (k 1) (l 1);1 α, ) zum Niveau α p-wert 1 F χ 2 ((k 1) (l 1))(χ 2 ) Schließede Statistik (WS 2014/15) Folie 177
18 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Uabhägigkeitstest 8.2 Beispiel: Zusammehag Geschlecht/tägl. Fahrzeit (PKW) Utersuchugsgegestad: Sid die beide Zufallsvariable Geschlecht (Y A ) ud täglich mit PKW zurückgelegte Strecke (Y B ) stochastisch uabhägig? Stichprobeiformatio: (Kotigez-)Tabelle mit gemeisame (i der Stichprobe vom Umfag = 2000 beobachtete) Häufigkeite, wobei für Y B eie Klassierug i die Klasse kurz, mittel ud lag durchgeführt wurde: Fahrzeit (Y B ) Geschlecht (Y A ) kurz mittel lag Mälich Weiblich Gewüschtes Sigifikaziveau: α = 0.05 Geeigeter Test: Chi-Quadrat-Uabhägigkeitstest 1 Hypothese: H 0 : Y A, Y B stochastisch uabhägig gege H 1 : Y A, Y B stoch. abhägig 2 Teststatistik: k l χ 2 ( ij ñ ij ) 2 = ist uter H 0 approximativ i=1 j=1 ñ ij χ 2 ((k 1) (l 1))-verteilt, falls ñ ij 5 für alle 1 i k ud 1 j l. Schließede Statistik (WS 2014/15) Folie 178
19 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Uabhägigkeitstest Kritischer Bereich zum Niveau α = 0.05: K = (χ 2 (k 1) (l 1);1 α, + ) = (χ2 2;0.95, + ) = (5.991, + ) 4 Berechug der realisierte Teststatistik: Um Radhäufigkeite i ud j ergäzte Tabelle der gemeisame Häufigkeite: Tabelle der ñ ij = i j : Y A \ Y B kurz mittel lag i Mälich Weiblich j Y A \ Y B kurz mittel lag i Mälich Weiblich j Es gilt ñ ij 5 für alle 1 i 2 ud 1 j 3 Näherug ok. Schließede Statistik (WS 2014/15) Folie 179
20 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Uabhägigkeitstest (Fortsetzug: Berechug der realisierte Teststatistik) χ 2 = 5 Etscheidug: 2 i=1 j=1 3 ( ij ñ ij ) 2 ñ ij ( )2 ( )2 ( )2 = ( )2 ( )2 ( ) = = χ 2 = (5.991, + ) = K H 0 wird abgeleht! (p-wert: 1 F χ2 (2)(χ 2 ) = 1 F χ2 (2)( ) = = ) Der Test kommt also zum Ergebis, dass die beide Zufallsvariable Geschlecht ud tägliche Fahrzeit (PKW) stochastisch abhägig sid. Schließede Statistik (WS 2014/15) Folie 180
Beispiel: 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-
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
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
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
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
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/
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
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
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
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
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
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
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
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:
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
MehrKontingenztabellen. Chi-Quadrat-Test. Korrelationsanalyse zwischen kategorischen Merkmalen. 1. Unabhängigkeitstest
Kotigeztabelle. Chi-Quadrat-Test KAD 1.11. 1. Uabhägigkeitstest. Apassugstest. Homogeitätstest Beispiel 1 ohe Frau 8 75 1 Ma 48 49 97 76 14? Korrelatiosaalyse zwische kategorische Merkmale Häufigkeitstabelle
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
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
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
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
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
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
MehrKorrelationsanalyse zwischen kategorischen Merkmalen. Kontingenztabellen. Chi-Quadrat-Test
Kotigeztabelle. Chi-Quadrat-Test Korrelatiosaalyse zwische kategorische Merkmale Beispiel 1 ohe Frau 8 75 1 Ma 48 49 97 76 14? Häufigkeitstabelle (Kotigeztabelle): eie tabellarische Darstellug der gemeisame
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
MehrHarmonisches Mittel. Streuungsmaße. Die mittlere Abweichung. Die Standardabweichung. Die Varianz. Statistik 3. Vorlesung, März 11, ,...
Statistik. Vorlesug, März, 9 Harmoisches Mittel xh = w wk +... + x x k Wobei w, w,... w k sid die gewichte (w + w + w +...+ w k = Beispiel: wir habe km mit eier Geschwidigkeit vo km/h, ud eie adere km
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
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
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
MehrDiskrete Zufallsvariablen
Erste Beispiele diskreter Verteiluge Diskrete Zufallsvariable Beroulli-Verteilug Eie diskrete Zufallsvariable heißt beroulliverteilt mit arameter p, falls sie die Wahrscheilichkeitsfuktio p,, f ( ) ( )
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
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,...,
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
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
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
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
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
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
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 =
MehrParameter von Häufigkeitsverteilungen
Kapitel 3 Parameter vo Häufigkeitsverteiluge 3. Mittelwerte Mo Der Modus (:= häufigster Wert, Abk.: Mo) ist der Merkmalswert mit der größte Häufigkeit, falls es eie solche gibt. Er sollte ur bei eigipflige
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
Mehr1 Randomisierte Bestimmung des Medians
Praktikum Diskrete Optimierug (Teil 0) 0.07.006 Radomisierte Bestimmug des Medias. Problemstellug ud Ziel I diesem Abschitt stelle wir eie radomisierte Algorithmus zur Bestimmug des Medias vor, der besser
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
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
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:
Mehr2.2.1 Lagemaße. Exkurs: Quantile. und n. p n
Ekurs: Quatile Ausgagspukt : Geordete Urliste Jeder Wert p, mit 0 < p
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;
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
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
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
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
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
MehrKreuztabellenanalyse und Assoziationsmaße
FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkomme zur Vorlesug Statistik Zusammehäge zwische omiale (ud/oder ordiale) Merkmale: aalyse ud FB 1 W. Ludwig-Mayerhofer Statistik 2 eige sich zur Darstellug
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
Mehrn 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:
61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl
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
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
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
MehrKonfidenzintervall_fuer_pi.doc Seite 1 von 6. Konfidenzintervall für den Anteilswert π am Beispiel einer Meinungsumfrage
Kofidezitervall_fuer_pi.doc Seite 1 vo 6 Kofidezitervall für de Ateilswert π am Beispiel eier Meiugsumfrage Nach eier Meiugsumfrage der Wochezeitug Bezirksblatt vom März 005, ei halbes Jahr vor de Ladtagswahle
MehrNormalverteilung. Voraussetzung und verwandte Themen. Einführung. Ziel und Nutzen. Grundlagen
h Normalverteilug Voraussetzug ud verwadte Theme Für diese Beschreibuge sid Grudlage der Statistik ud isbesodere der statistische Verteiluge vorteilhaft. Weiterführede Theme sid: www.versuchsmethode.de/verteilugstests.pdf
MehrStatistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S
Statistik mit Excel 2013 Peter Wies Theme-Special 1. Ausgabe, Februar 2014 W-EX2013S 3 Statistik mit Excel 2013 - Theme-Special 3 Statistische Maßzahle I diesem Kapitel erfahre Sie wie Sie Date klassifiziere
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
MehrStochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten
Kapitel 2 Stochastische Uabhägigkeit, bedigte Wahrscheilichkeite 2.1 Stochastische Uabhägigkeit vo Ereigisse Im Folgede gehe wir vo eiem W-Raum (Ω, A, P aus. Der Begriff der stochastische Uabhägigkeit
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
MehrÜbungen mit dem Applet Taylor-Entwickung von Funktionen
Taylor-Etwickug vo Fuktioe Übuge mit dem Applet Taylor-Etwickug vo Fuktioe Ziele des Applets... Mathematischer Hitergrud... 3 Vorschläge für Übuge... 3 3. Siusfuktio si(...3 3. Cosiusfuktio cos(...4 3.3
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,
MehrDie Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
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 ; : :
MehrStichproben im Rechnungswesen, Stichprobeninventur
Stichprobe im Rechugswese, Stichprobeivetur Prof Dr Iree Rößler ud Prof Dr Albrecht Ugerer Duale Hochschule Bade-Württemberg Maheim Im eifachste Fall des Dollar-Uit oder Moetary-Uit Samplig (DUS oder MUS-
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
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
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
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
MehrBeurteilende Statistik - Testen von Hypothesen Alternativtest
Moika Kobel 26.03.2005 Hypothesetest_i.mcd Beurteilede Statistik - Teste vo Hypothese Alterativtest Bsp.: Eie Fabrik liefert Schachtel mit Schraube hoher Qualität ( 10% der Schraube sid fehlerhaft ) ud
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,
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
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.
MehrGrenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen
. Der Grezwert vo mootoe, beschräkte Folge Der Grezwert vo mootoe, beschräkte Folge ist eifacher verstädlich als der allgemeie Fall. Deshalb utersuche wir zuerst diese Spezialfall ud verallgemeier aschliessed.
MehrAnwendung für Mittelwerte
Awedug für Mittelwerte Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe... "wahre", ubekate Mittelwert der Grudgesamtheit icht zufällig?... beobachtete Mittelwert zufällig Statistik für SoziologIe 1
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
MehrSchließende Statistik
Schließede Statistik Vorlesug a der Uiversität des Saarlades Dr. Marti Becker Witersemester 07/8 Schließede Statistik (WS 07/8) Folie Eileitug Orgaisatorisches. Orgaisatorisches I Vorlesug: Freitag, -4
MehrFolgen und Reihen. 23. Mai 2002
Folge ud Reihe Reé Müller 23. Mai 2002 Ihaltsverzeichis 1 Folge 2 1.1 Defiitio ud Darstellug eier reelle Zahlefolge.................. 2 1.1.1 Rekursive Defiitio eier Folge......................... 3 1.2
MehrReelle Folgen. Definition. Eine reelle Folge ist eine Abbildung f : N R. liefert ( 7 9, 37
Reelle Folge Der Begriff der Folge ist ei grudlegeder Baustei der Aalysis, weil damit u.a. Grezprozesse defiiert werde köe. Er beschreibt de Sachverhalt eier Abfolge vo Elemete, wobei die Reihefolge bzw.
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
MehrDer Modus. Lageparameter. Beispiel (Einrichtungen) Beispiel (Lieblingsfarben) Modus. Untersuchungseinheiten U 1,...,U n. Merkmal X
Lageparameter Der Modus Utersuchugseiheite U,...,U Modus mod Mermal X Urliste,..., geordete Urliste (),..., () Es gilt i.allg.: ( ), i, K i i, Mermalsauspräguge a,..., a wird auch Modalwert oder häufigster
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
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
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,...,
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
Mehr1. Zahlenfolgen und Reihen
. Zahlefolge ud Reihe We ma eie edliche Mege vo Zahle hat, ka ma diese i eier bestimmte Reihefolge durchummeriere: {a,a 2,...,a }. Ma spricht vo eier edliche Zahlefolge. Fügt ma immer mehr Zahle hizu,
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
Mehr1.2. Taylor-Reihen und endliche Taylorpolynome
1.. aylor-reihe ud edliche aylorpolyome 1..1 aylor-reihe Wir köe eie Fuktio f() i eier Umgebug eies Puktes o gut durch ihre agete i o: t o () = f(o) + f (o) (-o) aäher: Wir sehe: Je weiter wir vo o weg
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
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
MehrKAPITEL 8. Zahlenreihen. 8.1 Geometrische Reihe Konvergenzkriterien Absolut konvergente Reihen
KAPITEL 8 Zahlereihe 8. Geometrische Reihe................................. 53 8.2 Kovergezkriterie................................. 54 8.3 Absolut kovergete Reihe............................ 64 Lerziele
Mehr15.4 Diskrete Zufallsvariablen
.4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet
Mehr