Statistik II für die BA Studiengänge an der WSF. Für Wen?
|
|
- Bernd Pohl
- vor 7 Jahren
- Abrufe
Transkript
1 tatistik II für die BA tudiegäge a der WF Für We? tudiegag tudetezahl Leistugsahweis VWL+PÄO (VWL? Klausur tat. II ozialwisseshafte? Klausur (tat. I+ tat. II oziologe? Höreshei * * Um de Hörshei zu bekomme, müsse die tudierede der oziologie midestes a Vorlesuge ud Übuge teilehme. Am Ede jeder Lehrverastaltug solle die tudierede eie Utershrift vom Lehrede abhole. Dafür müsse ie eie Zettel mit dem etsprehede Name ud Matrikel-Nr. vorbereite. Diese Zettel solle ie am Ede des emester im ekretariat abgebe. BA_Testverfahre_I tatistik II Thema Ihalt Testsverfahre: Eiführug ud Test über de Mittelwert, Zweistihprobetests über Mittelwerte, Variazaalyse, Apassugs-, Uabhägigkeit- ud Homogeitätstest Regressiosaalyse: Eifahe Regressio ud Mehrfahe Regressio, hätzug ud Test i der Regressio 3 Idexzahle 4 Zeitreiheaalyse BA_Testverfahre_I
2 Arbeitsmaterial ud Grudlegede Literatur PowerPoitPresetatioe(Prof. Kük/ Dr. Riabal, Vorlesugsskript für tatistik II (Dr. Pu Che, Klausure ud Klausurlösuge für tatistik II, Aufgabe ud Lösuge für die Übuge zur tatistik II Grudlegede Literatur: Bleymüller/Gehlert/ Güliher, tatistik für Wirtshaftswisseshaftler, Vahle Verlag Bleymüller/Gehlert, tatistishe Formel, Tabelle ud Programme, Vahle Verlag BA_Testverfahre_I 3 Gegestad der iduktive tatistik Wie ma aus de Ergebisse der statistishe Utersuhug eier tihprobe (Teilmasse auf die übergeordete Grudgesamtheit (Gesamtmasse shließe ka, ist der Gegestad der iduktive oder shließede tatistik. Die wihtigste Teile der iduktive tatistik sid: hätzverfahre Testverfahre BA_Testverfahre_I 4
3 Iduktive hlussweise -Problemstellug- Grudgesamtheit Zufallsstihprobe : utersuhtes Merkmal i d. GG Parameter ud hätzer x, x, x 3,... x, ², θ, F(x Für GG i. Allg. ubekat Iduktio,, P, F (x hätze Teste (Hypothese prüfe BA_Testverfahre_I 5 hätzug vo Lage- ud treuugsparameter -Aufgabestellug- Das Iteresse rihtet sih hier auf die ubekate Parameter γ (wie z. B. Erwartugswert, Variaz oder Ateilswert θ eier Verteilug i der Grudgesamtheit (Parametershätzug. Der Wert dieses Parameters γ ist ubekat ud soll mittels eier Zufallsstihprobe geshätzt werde. Dabei utersheidet ma zwei Arte vo hätzuge: Puktshätzug ud Itervallshätzug. BA_Testverfahre_I 6
4 Testverfahre tatistishe Tests sid Verfahre zur Überprüfug vo Aahme bzw. Hypothese über ubekate Parameterwerte eier Verteilug bzw. über die ubekate Verteilug eies Merkmals i der Grudgesamtheit auf der Basis der Ergebisse eier Zufallsstihprobe. olhe Aahme köe auf theoretishe Überleguge, frühere Beobahtuge, ollwerte, Güteaforderuge, Erfahruge, Behauptuge usw. basiere. BA_Testverfahre_I 7 Eiige wihtige tihprobefuktioe ei eie Grudgesamtheit mit dem Parameter ud ud,,, eie P aus dieser Grudgesamtheit. Arithmetishes Mittel i i tihprobevariaz: i ( i Adere tihprobefuktioe: Z U * ( s BA_Testverfahre_I 8 T
5 Eiige wihtige tihprobeverteiluge Zufallsvariable T U s * ( Verteilug Normalverteilug Bedigug: Grudgesamtheit ormalverteilt oder >3 tudetverteilug Bedigug: Grudgesamtheit ormalverteilt tadardormalverteilug Bedigug: >3 Chi-Quadrat-Verteilug Bedigug: Grudgesamtheit ormalverteilt Parameter E( Var( ν- * ν- BA_Testverfahre_I 9 Testverfahre zur Prüfug vo Hypothese über Parameter oder Verteiluge Eiführug ud Begriffe beim Hypothesetest Hypothesetest für de Mittelwert BA_Testverfahre_I
6 Geriht - Beispiel Freispruh Verurteilug Realität Ushuld huld Gerihtsverfahre zum Beweis des Gegeteils, wobei i der Demokratie die Ushuldshypothese Ausgagshypothese ist. Verfahre edet mit pruh. Etsheidug BA_Testverfahre_I Dügemittelwerk Vermutug: Das Automat wurde falsh eigestellt bzw. arbeitet fehlerhaft k die Abweihug ist ur zufällig Der Automat ist rihtig eigestellt oder arbeitet fehlerfrei. > k die Abweihug ist iht ur zufällig Der Automat wurde falsh eigestellt oder arbeitet fehlerhaft. Dügemittelwerk - Beispiel Verpakugsautomat Zufallsgröße : Gewiht der äke ollgewiht der äke: E( 5 kg tihprobemittelwert: Abweihug zwishe tihprobemittelwert ud ollwert : Mit Hilfe statistisher Testverfahre ka i eiem solhe Fall bestimmt werde, wie groß die Abweihug midestes sei muss, damit mit ausreiheder Wahrsheilihkeit auf eie falsh eigestellte bzw. defekte Verpakugsautomate geshlosse werde ka. Diese Verfahre fide i der modere Idustrie uter dem Begriff der statistishe Produktioskotrolle massehaft Awedug. BA_Testverfahre_I
7 tatistishe Hypothese eies Tests I eiem statistishe Test werde zwei gegesätzlihe Hypothese gegeüber gestellt. Die eie Hypothese egiert die adere. Eie Hypothese wird Nullhypothese geat ud mit H bezeihet. ie beihaltet immer das Gleihheitszeihe. Die adere Hypothese wird Alterativhypothese geat ud mit H bzw. H A bezeihet. Weil Alterativhypothese ud Forshugsvermutug oft übereistimme, wird H auh Forshugshypothese geat. Null- ud Alterativhypothese sid stets disjuktiv. Die Ablehug der eie bedeutet die Aahme der adere ud umgekehrt. Um Missverstädisse zu vermeide, wird hier meistes ur über die Ablehug oder die Aahme vo H geredet. H vs. H H : Nullhypothese H : Alterativhypothese oder Forshugshypothese BA_Testverfahre_I 3 Treffe vo Etsheiduge i eiem statistishe Hypothesetest Aus der iht der tatistik gibt es zwei Möglihkeite, eie Etsheidug über die Aahme oder Ablehug eier Hypothese zu treffe. Determiistish, we der Wert des Parameters oder die Verteilug i der Grudgesamtheit auf Grud eier Totalerhebug berehet werde ka. Es reiht ei simpler Vergleih, um die Etsheidug ohe Irrtum zu treffe. tohastish oder statistish, we der wahre Wert des Parameters oder die Verteilug i der Grudgesamtheit aus praktishe Grüde iht bestimmt, soder ur mittels eier zufällig ausgewählte tihprobe vom Umfag geshätzt werde ka. I diesem Fall ist iht gesihert, dass die Etsheidug fehlerfrei ist. Hier sid zwei Zustäde möglih: Treffe oder Irrtum. Treffe oder berehtigte Etsheidug, we eie i der Realität zutreffede Hypothese ageomme oder eie iht zutreffede Hypothese abgeleht wird. Irrtum oder Fehler, we eie zutreffede Hypothese abgeleht oder eie iht zutreffede Hypothese ageomme wird. BA_Testverfahre_I 4
8 Fehlertyp bei eiem statistishe Hypothesetest Etsheidug Aahme vo H Ablehug vo H Realität H trifft zu H trifft iht zu Treffe Irrtum (Fehler zweiter Art Irrtum (Fehler erster Art Treffe Leht ma H i eiem Test ab, we i der Wirklihkeit H zutrifft, da maht ma eie Fehler. Wird H ageomme (iht abgeleht, we H iht zutrifft, da maht ma auh eie Fehler. Beide Fehler utersheide sih ihaltlih. ie werde Fehler erster Art bzw. Fehler zweiter Art geat. Zwei rihtige Etsheiduge (Treffe sid auh möglih. I der Tabelle werde die vier möglihe Zustäde bei eiem statistishe Test zusammegefasst dargestellt. BA_Testverfahre_I 5 Fehlermessug - Zusammefassug Etsheidug Aahme vo H Ablehug vo H H trifft zu Treffe Irrtum W(Fehler. Art : igifikaziveau Realität H triff iht zu Irrtum W(Fehler. Art β Treffe W(H wird abgeleht H trifft zu - β: Maht W(I W(Fehler. Art W(H wird abgeleht H trifft zu W(II W(Fehler. Art W(H wird iht abgeleht H trifft iht zu β W(fehlerfreie Aahme eier zutreffede Forshugshypothese H W(H wird abgeleht H trifft iht zu - W(H wird iht abgeleht H trifft iht zu - W(II - β (Maht BA_Testverfahre_I 6
9 Fehlermessug bei eier stohastishe Etsheidug Die Größe der Fehler eies Tests werde mit Hilfe ihrer Wahrsheilihkeit gemesse ud mit W(I bzw. W(II bezeihet. Ma ka da utersheide: W(I W(Fehler. Art W(H wird abgeleht H trifft zu W(IIW(Fehler. Art W(H wird iht abgeleht H trifft iht zu I der empirishe Forshug legt ma große Wert darauf, dass der Fehler bei der Aahme eier iht zutreffede Forshugshypothese H (Ablehug vo H, we H zutrifft so klei wie möglih bleibt. Dazu setzt ma eie obere Greze für die Wahrsheilihkeit dieses Fehlers. Der Wert, der iht übershritte werde soll, wird igifikaziveau des Tests geat. Es gilt da W(Fehler. Art. Die obere Greze für die Größe des Fehlers. Art wird mit β bezeihet. Es gilt W(Fehler. Art β. Die Differez -β wird Maht oder Power des Tests geat. -β ist die Wahrsheilihkeit dafür, dass ma eie zutreffede Forshugshypothese (Alterativhypothese H fehlerfrei aimmt. Es ist atürlih auh erwüsht, eie Test durhzuführe, bei dem diese Wahrsheilihkeit so groß wie möglih zu erhalte ist. BA_Testverfahre_I 7 Prüfgröße, kritisher Bereih Um eie statistishe Etsheidug über die Rihtigkeit eier Hypothese auf Grud eier zufällig gezogee tihprobe (,,..., zu treffe, defiiert ma eie geeigete tihprobefuktio γˆ ud teilt de Wertebereih dieser Fuktio i zwei ausshließede Teile: eie Teilbereih K ud seier Komplemet K, so dass, we der Wert der Fuktio i de Teilbereih K hifällt, H abgeleht wird. Fällt der Wert der tihprobefuktio i de adere Teilbereih, da wird H iht abgeleht (H wird ageomme. Die tihprobefuktio ud die Teilbereihe werde i diesem Zusammehag Prüfgröße, Ablehugsbereih (Ablehug vo H ud Aahmebereih (Aahme vo H geat. Der Ablehugsbereih vo H wird auh kritisher Bereih geat. γˆ K H wird abgeleht (H wird ageomme γˆ K γˆ K H wird ageomme (H wird iht abgeleht Es gilt für die Wahrsheilihkeit des Fehlers erster Art: W(γˆ K H trifft i der Realität zu W(H wird abgeleht H W(Fehler. Art trifft i der Realität zu BA_Testverfahre_I 8
10 Klassifizierug vo statistishe Tests Nah dem Ihalt der Hypothese: -Parametrishe Tests (Tests über die Parameter eier bekate Verteilug -Verteilugstests (Tests über eie ubekate Verteilug Nah der Abhägigkeit der Verteilug der tihprobefuktio vo der Verteilug der Grudgesamtheit: - Verteilugsgebudee Tests -Verteilugsfreie Tests Nah der Azahl der tihprobe, die für de Hypothesetest otwedig sid: -Eistihprobetest -Zweistihprobetest -Mehrstihprobetest Nah der Form des kritishe Bereihes -Zweiseitige Tests -Eiseitige Tests (rehtsseitige Tests bzw. liksseitige Tests BA_Testverfahre_I 9 Bestadteile eies Hypothesetests Ei Hypothesetest besteht aus siebe Elemete:. zwei etgegegesetzt formulierte Hypothese (H ud H. eiem vo vorherei festgelegte igifikaziveau 3. eier bzw. mehrere tihprobe 4. eier tihprobefuktio oder Prüfgröße bzw. Testgröße 5. eiem Ablehugsbereih bzw. eiem Aahmebereih für H 6. eier Etsheidugsregel 7. eier Etsheidug BA_Testverfahre_I
11 Parametrishe Eistihprobetests Ma ka folgede Parametertests durhführe: Parametertest über de Mittelwert ( H : vs. H : (Zweiseitiger Test ( H : vs. H : < (Liksseitiger Test (3 H : vs. H : > (Rehtsseitiger Test Parametertest über die Variaz eier Normalverteilug ( H : ² ² vs. H : ² ² ( H : ² ² vs. H : ²< ² (3 H : ² ² vs. H : ²> ² Parametertest über de Ateilwert ( H : θ θ vs. H : θ θ ( H : θ θ vs. H : θ < θ (3 H : θ θ vs. H : θ > θ BA_Testverfahre_I Zweiseitiger Test für de Mittelwert eier Normalverteilug mit bekater Variaz ( ei eie ormalverteilte Zufallsvariable i eier Grudgesamtheit mit dem ubekate Mittelwert ud der bekate Variaz ², ~ N(, ². Es wird auf eiem igifikaziveau getestet, ob der Parameter gleih ist oder iht, d. h. es wird zwishe de folgede Hypothese etshiede: H : vs. H : (Zweiseitiger Test Null- ud Alterativhypothese W(H wird abgeleht W(Fehler. Art : igifikaziveau ei (,,..., eie tihprobe vom Umfag. Es gilt für jede i ~ N(, ². Um eie Etsheidug über de Mittelwert der Grudgesamtheit zu treffe ist es zwekmäßig, de tihprobemittelwert azuwede. Für diese tihprobefuktio (Prüfgröße bzw. Testgröße gilt: ² ~ N( ; Z ~ N( ; BA_Testverfahre_I
12 BA_Testverfahre_I 3 Zweiseitiger Test für de Mittelwert eier Normalverteilug mit bekater Variaz ( Der kritishe Bereih K ist die Mege aller möglihe Werte des tihprobemittelwertes, für welhe gilt:. der Abstad vo ist so groß, dass ma die Nullhypothese ablehe soll,. die Wahrsheilihkeit, dass der Fehler bei dieser Etsheidug iht größer als ist. { } W( ud : K > > Z W( W( W( W( W( > BA_Testverfahre_I 4 Zweiseitiger Test für de Mittelwert eier Normalverteilug mit bekater Variaz (3 Z W( Z Z { } } Z { : } Z { : K( ud W( : K( > > > >
13 Zweiseitiger Test für de Mittelwert eier Normalverteilug mit bekater Variaz (4 Etsheidugsregel ud Treffe der Etsheidug: K( H wird abgeleht (H wird ageomme Die Fehlerwahrsheilihkeit liegt uter. W[ K( ] Diese Aussage ist rihtig vor der Ziehug der kokrete tihprobe. Zieht ma eie kokrete tihprobe, da ist der berehete tihprobemittelwert keie Zufallsvariable mehr ud deswege hat es keie i, ah der Ziehug der P eie Wahrsheilihkeitsaussage zu mahe. Da der Wert vo ahe Eis gewählt wird, ka ma ur hoffe, dass die Etsheidug rihtig ist. K( H wird iht abgeleht (H wird ageomme Die Fehlerwahrsheilihkeit bei dieser Etsheidug ist ubekat. W[ K( ] W[H wird iht abgeleht H trifft iht zu] BA_Testverfahre_I 5 β Zweiseitiger Test für de Mittelwert eier Normalverteilug mit bekater Variaz - Zusammefassug -. H : vs. H : (Zweiseitiger Test. igifikaziveau: 3. tihprobe vom Umfag : (,,..., 4. Prüfgröße bzw. Testgröße: 5. Kritisher Bereih: ² ~ N( ; Z ~ N( ; K( { : > Z } { : > Z } 6. Etsheidugsregel: 7. Treffe der Etsheidug K( H wird abgeleht (H wird ageomme K( H wird iht abgeleht (H wird ageomme auf Basis eier kokrete tihprobe (x, x,..., x BA_Testverfahre_I 6
14 Zusammehag zwishe de Größe beider Fehler H : vs. H : ( ( : (igifikaziveau: Größe des Fehlers erster Art (Vorgegebe β: Größe des Fehlers zweiter Art (Im Allgemeie ubekat ( (3 Beide Fehler wahse umgekehrt. > > 3 β < β < β 3 BA_Testverfahre_I 7 Test für de Mittelwert eier Normalverteilug mit bekater Variaz - Beispiel Beispiel: Das Durhshittsgewiht vo Masthähhe lag i der Vergageheit bei 49,5 g mit eier tadardabweihug vo 8,9 g. Nah Übergag zu eiem eue Futtermittel liefert eie tihprobe im Umfag vo 8 ei Durhshittsgewiht vo 496,3 g. Ka ma aufgrud dieses tihprobeergebisses uter der Aahme eier gleihgebliebee tadardabweihug mit eiem igifikaziveau vo % shließe, dass sih das Durhshittsgewiht i der Grudgesamtheit verädert hat? H : vs. H : ( 49,5, H : 49,5 vs. H : 49,5 x 496,3 Z Z,995,58 Z K( { : > Z 49,5 } { : >,58} 8, ,3 49,5 z,8 8,9 8 Etsheidug: Da,8 <,58 gilt, wird H iht abgeleht. BA_Testverfahre_I 8
15 Eiseitige Tests für de Mittelwert eier Normalverteilug mit bekater Variaz Ei eiseitiger Test für de Mittelwert eier Normalverteilug mit bekater Variaz utersheidet sih vo dem zweiseitige Test ur i seiem etsprehede kritishe Bereih. 5. Kritishe Bereihe: Liksseitiger Test Rehtsseitiger Test ( H : vs. H : < (3 H : vs. H : > K( { : < Z } { : < - Z } K( { : > + Z } { : > Z } Z -Z - Z - BA_Testverfahre_I 9 Tests für de Mittelwert eier Normalverteilug mit ubekater Variaz Die Tests für de Mittelwert eier Normalverteilug mit ubekater Variaz utersheide sih vo de vorige Tests ur i der Prüfgröße ud de etsprehede kritishe Bereihe. Tests: ² Prüfgröße: ~ N( ; T ~ t Kritisher Bereih: ( H : vs. H : K( { : - > t } { : T > t } ; ; Faustregel: (Kleie tihprobe <3 ( H : vs. H : < (3 H : vs. H : > K( { : < t ; } { :T < - t ; } K( { : > + t ; } { :T > t ; } BA_Testverfahre_I 3
16 Test für de Mittelwert eier Normalverteilug mit ubekater Variaz - Beispiel Beispiel: Eie Mashie stellt Plätthe her, dere Dike ormalverteilt ist, mit dem ollwert (Mittelwert,5 m. Eie tihprobe vo Plätthe liefert ei arithmetishes Mittel vo,53 m bei eier tadardabweihug vo,3 m. Die Hypothese, dass die Mashie oh exakt arbeitet, ist auf eiem igifikaziveau vo,5 zu überprüfe. H : vs. H : (,5,5 t t 9 ;,975 ;,6 H :,5 vs. H :,5 x,53 s,3 T K( { : - > t } { : T,6} > ;,53,5 t 3,6,3 Etsheidug: Da 3,6 >,6 ist, wird H abgeleht, d. h. die Mashie arbeitet iht mehr exakt. BA_Testverfahre_I 3 Tests für de Mittelwert eier ubekate Verteilug für große tihprobe Für die ubekate Verteilug i der GG ud große tihprobeumfag (>3 gilt: Prüfgröße: ² ~ N( ; T ~ t Z ~ N( ; Ma ka i diesem Fall de tihprobemittelwert oder eie Fuktio vo ihm als Prüfgröße für de Test über de Mittelwert utze. Die etsprehede kritishe Bereihe werde durh Verwedug der Normalverteilug bestimmt. Tests: ( H : vs. H : < (3 H : vs. H : > Kritisher Bereih: ( H : vs. H : K( { : - > Z } { : T > Z } K( { : < Z } { :T < - Z } K( { : > + Z } { :T > Z } BA_Testverfahre_I 3
17 Test für de Mittelwert eier ubekate Verteilug Beispiel ( Beispiel: Bei der Überprüfug des Verpakugsautomate im Dügemittelwerk werde 3 äke ahgewoge, für die ei Durhshittsgewiht 5, kg ud eie tadardabweihug 5 g berehet werde. Aufgrud dieses tihprobebefudes ist eie Etsheidug über die Arbeit des Automate (fehlerhaft/ iht fehlerhaft zu treffe. Die Etsheidug soll bei 5 prozetiger Irrtumswahrsheilihkeit getroffe werde. Über die Verteilug des Gewihtes der äke liegt keie Iformatio vor.,5 t t 3 ;,975 ;,4 H : 5 vs. H : 5 T x 5, K( { : - > t } { : T,4} > ; s,5 5, 5 t,7,5 3 Etsheidug: Da,7 >,4 ist, wird H abgeleht, d. h. ma ka aehme, dass der Automat fehlerhaft arbeitet. BA_Testverfahre_I 33 Test für de Mittelwert eier ubekate Verteilug Beispiel ( Beispiel: 3 beträgt das Durhshittsalter der Zuzüge aus adere Kreise MV ah Rostok 3 Jahre. Im Jahr 4 liegt, bei eier tihprobe vo Persoe, das Durhshittsalter der Zuzüge bei 9, Jahre mit eier tadardabweihug vo 4,65 Jahre. Hat sih der Wert im Jahr 4 sigifikat verrigert, bei eiem igifikaziveau vo,5? Quelle: tatistishe Berihte 3. Über die Verteilug des Alters liegt keie Iformatio vor. H : 3 vs. H : < 3 x 9, T,5 K( { : ( - < - t ; } { :T < -,66} t ; t 99 ;,95,66 s 4,65 9, 3 t,55 4,65 Etsheidug: Da -,55>-,66 ist, wird H iht abgeleht, d. h. die Verrigerug des durhshittlihe Waderugsalters (Zuzüge ist iht sigifikat. BA_Testverfahre_I 34
18 Test für de Mittelwert eier ubekate Verteilug Beispiel (3 Beispiel: Das durhshittlihe Nettoeikomme liegt im März 4 bei.63. Bei eier tihprobe vo Persoe im Jui 4 lag das durhshittlihe Nettoeikomme bei.75 mit eier tadardabweihug vo.7. Hat sih das durhshittlihe moatlihe Nettoeikomme bei eiem igifikaziveau vo,5 statistish sigifikat erhöht? Quelle: Mikrozesus 4, Tabelle 36. Über die Verteilug des Nettoeikomme liegt keie Iformatio vor.,5 x.75 t ; t99 ;,95 s.7 Etsheidug: Da,9<,645 ist, wird H iht abgeleht, d. h. das durhshittlihe Nettoeikomme im Jui 4 ist iht sigifikat höher als im März 4. BA_Testverfahre_I 35,645 H :.63 vs. H : > ,9 T K( { : ( - t } { :T,645} t > ; >.7
Testverfahren zur Prüfung von Hypothesen über Parameter oder Verteilungen
Testverfahre zur Prüfug vo Hypothese über Parameter oder Verteiluge Eiführug ud Begriffe beim Hypothesetest Hypothesetest für de Mittelwert Testverfahre I 1 Bibliografie Prof. Dr. Kück Uiversität Rostock
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
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
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
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:
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
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
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
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
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
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;
MehrIntervallschätzung II 2
Itervallschätzug Kofidezitervall für die Variaz Kofidezitervall für de Ateilswerte Kofidezitervall für die Differez zweier Ateile Bestimmug des Stichrobeumfags Itervallschätzug II Bibliografie Bleymüller
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
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
MehrSUCHPROBLEME UND ALPHABETISCHE CODES
SUCHPROBLEME UND ALPHABETISCHE CODES Der Problematik der alphabetische Codes liege Suchprobleme zugrude, dere Lösug dem iformatiostheoretische Problem der Fidug eies (optimale) alphabetische Codes gleich
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
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
MehrVariiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen.
3. Variazaalyse Die Variazaalyse mit eier quatitative abhägige Variable ud eier oder mehrerer qualitativer uabhägiger Variable wird auch als ANOVA (Aalysis of Variace) bezeichet. Mit eier Variazaalyse
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
MehrStatistik I/Empirie I
Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass
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
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
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
MehrKörpergröße x Häufigkeit in [m] 1.50 1.60 1 1.60 1.70 5 1.70 1.80 49 1.80 1.90 53 1.90 2.00 15 2.00 2.10 1
8 Kofidezitervalle 1 Kapitel 8: Kofidezitervalle A: Beispiele Beispiel 1: Im WS 2000/01 wurde im Rahme der Statistik Vorlesug 124 Studete u.a. zu ihrer Körpergröße befragt. Ma erhielt folgedes Ergebis:
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
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
MehrPlädoyer für das harmonische Mittel
Bulleti Plädoyer für das harmoishe Mittel Beat Jaggi, beat.jaggi@phber.h Eileitug Das Bilde vo Mittelwerte ist ei zetrales Kozept i der Mathematik (siehe z.b. [], [], [7] oder [8]). Im Mathematikuterriht
MehrSatz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.
Erfüllbarkeit, Uerfüllbarkeit, Allgemeigültigkeit Defiitio Eie Belegug β ist passed zu eiem Boolesche Term t, falls β für alle atomare Terme i t defiiert ist. (Wird ab jetzt ageomme.) Ist β(t) = true,
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 ; : :
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.
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
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
MehrE R M I T T L U N G E I N E R A D S O R P T I O N S I S O T H E R M E
I Alexader Shödel LMU Dempartmet Chemie Verastaltug: Chemishes Grudpratium WS 003/004 Protooll Versuh Nr. 60: E R M I T T L U N G E I N E R A D S O R P T I O N S I S O T H E R M E Essigsäure a Ativohle
Mehr2 Vollständige Induktion
8 I. Zahle, Kovergez ud Stetigkeit Vollstädige Iduktio Aufgabe: 1. Bereche Sie 1+3, 1+3+5 ud 1+3+5+7, leite Sie eie allgemeie Formel für 1+3+ +( 3)+( 1) her ud versuche Sie, diese zu beweise.. Eizu5% ZiseproJahragelegtes
MehrTestumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen
Testumfag für die Ermittlug ud Agabe vo Fehlerrate i biometrische Systeme Peter Uruh SRC Security Research & Cosultig GmbH peter.uruh@src-gmbh.de Eileitug Biometrische Systeme werde durch zwei wichtige
Mehr2.4.1 Grundprinzipien statistischer Hypothesentests
86 2.4. Hypothesetests 2.4 Hypothesetests 2.4.1 Grudprizipie statistischer Hypothesetests Hypothese: Behauptug eier Tatsache, dere Überprüfug och aussteht (Leuter i: Edruweit, Trommsdorff: Wörterbuch der
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:
MehrWahrscheinlichkeit & Statistik
Wahrscheilichkeit & Statistik created by Versio: 3. Jui 005 www.matheachhilfe.ch ifo@matheachhilfe.ch 079 703 7 08 Mege als Sprache der Wahrscheilichkeitsrechug, Begriffe, Grudregel Ereigisraum: Ω Ω Mege
Mehr6. Übungsblatt Aufgaben mit Lösungen + Selbsttest-Auflösung
6. Übugsblatt Aufgabe mit Lösuge + Selbsttest-Auflösug Aufgabe 6: Utersuche Sie die Folge, dere Glieder ute für N agegebe sid, auf Beschräktheit, Mootoie ud Kovergez bzw. Beschräktheit, Mootoie ud Kovergez
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
MehrBeispiel 4 (Die Urne zu Fall 4 mit Zurücklegen und ohne Beachten der Reihenfolge ) das Sitzplatzproblem (Kombinationen mit Wiederholung) Reihenfolge
1 Beispiel 4 (Die Ure zu Fall 4 mit Zurücklege ud ohe Beachte der Reihefolge ) das Sitzplatzproblem (Kombiatioe mit Wiederholug) 1. Übersicht Ziehugsmodus ohe Zurücklege des gezogee Loses mit Zurücklege
MehrEs werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.
Vo der relative Häufigkeit zur Wahrscheilichkeit Es werde 20 Schüler befragt, ob sie ei Hady besitze. Das Ergebis der Umfrage lautet: Vo 20 Schüler besitze 99 ei Hady. Ereigis E: Schüler besitzt ei Hady
MehrThema: Bilanzen, Heizwert, Standardbildungsenthalpie
Thema: Bilaze, eizwert, Stadardbildgsethalpie fgabe: Bestimme Sie de obere, molare eizwert o eies Kohlewasserstoffgases as de a eiem Drhflss-Kalorimeter (Bild 1) gemessee Date. T 1, m w Gas Lft V g T G
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
MehrWir weisen die Gültigkeit der 4Axiome der sigma-algebra für die Potenzmenge einer endlichen Menge A nach!
Lösug zu Übug 4 Prof. Dr. B.Grabowski E-Post: grabowski@htw-saarlad.de Zu Aufgabe ) Wir weise die Gültigkeit der 4Axiome der sigma-algebra für die Potezmege eier edliche Mege A ach! ) Die leere Mege ud
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-
MehrSBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit
SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf # 0 Atwort Diese Lerkarte sid sorgfältig erstellt worde, erhebe aber weder Aspruch auf Richtigkeit och auf Vollstädigkeit. Das Lere mit Lerkarte fuktioiert ur
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
MehrMittelwerte. Sarah Kirchner & Thea Göllner
Mittelwerte Srh Kirher The Göller Mittelwerte sid vershiedee mthemtish defiierte Kegröße. Uter dem Mittelwert zweier oder mehrerer Zhle versteht m meistes de Durhshitt, owohl viele dere Mittelilduge vorkomme.
MehrGrundgesamtheitsanaylsen und Stichproben. Betrachtungen zur Stichprobenfindung
MaMaEuSch Maagemet Mathematics for Europea Schools http://www.mathematik.uikl.de/ mamaeusch Grudgesamtheitsaaylse ud Stichprobe. Betrachtuge zur Stichprobefidug Paula Lagares Justo Puerto 1 MaMaEuSch 2
MehrBeweistechniken Vollständige Induktion - Beispiele, Erweiterungen und Übungen
Beweistechike Vollstädige Iduktio - Beispiele, Erweiteruge ud Übuge Alex Chmelitzki 15. März 005 1 Starke Iduktio Eie etwas abgewadelte Form der Iduktio ist die sogeate starke Iduktio. Bei dieser Spielart
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
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
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
MehrStatistik. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.html
Statistik Prof. Dr. K. Melzer kari.melzer@hs-esslige.de http://www.hs-esslige.de/de/mitarbeiter/kari-melzer.html Ihaltsverzeichis 1 Eileitug ud Übersicht 3 2 Dategewiug (kurzer Überblick) 3 2.1 Plaugsphase
MehrModel CreditRisk + : The Economic Perspective of Portfolio Credit Risk Part I
Model CreditRisk + : The Ecoomic Perspective of Portfolio Credit Risk Part I Semiar: Portfolio Credit Risk Istructor: Rafael Weißbach Speaker: Pablo Kimmig Ageda 1. Asatz ud Ziele Was ist CreditRisk +
MehrLektion II Grundlagen der Kryptologie
Lektio II Grudlage der Kryptologie Klassische Algorithme Ihalt Lektio II Grudbegriffe Kryptologie Kryptographische Systeme Traspositioschiffre Substitutioschiffre Kryptoaalyse Übuge Vorlesug Datesicherheit
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Iformatiker II (Sommersemester 004 Lösuge zu Aufgabeblatt 7
MehrMaterialauswahl. Daher erweist sich Gold (aber auch Silber) als das vielseitigste Metall.
aterialauswahl Theoretish öte fast alle etalle mehr oder weiger gut zwes Aregug eies Oberflähe- Plasmos a eiem Übergag vo ieletrium zu etall geutzt werde. Jedoh wird eie eihe vo diese aterialie durh pratishe
MehrEinführung in die Grenzwerte
Eiführug i die Grezwerte Dieser Text folgt hauptsächlich der Notwedigkeit i sehr kurzer Zeit eie Idee ud Teile ihrer Awedug zu präsetiere, so dass relativ schell mit dieser Idee gerechet werde ka. Der
MehrAufgaben und Lösungen der Probeklausur zur Analysis I
Fachbereich Mathematik AG 5: Fuktioalaalysis Prof. Dr. K.-H. Neeb Dipl.-Math. Rafael Dahme Dipl.-Math. Stefa Wager ATECHNISCHE UNIVERSITÄT DARMSTADT SS 007 19. Jui 007 Aufgabe ud Lösuge der Probeklausur
MehrStichprobenverteilungen, Schätz und Testtheorie
Stichprobeverteiluge, Schätz ud Testtheorie Begleitede Uterlage zur Übug Iduktive Statistik Michael Westerma Uiversität Esse Ihaltsverzeichis 1 Grudzüge der Stichprobetheorie.....................................
Mehr7. Stichproben und Punktschätzung
7. Stichprobe ud Puktschätzug 7. Grudgesamtheit ud Stichprobe Ausgagspukt der iduktive Statistik (beurteilede Statistik) sid Stichprobedate. Speziell stamme die Date aus Zufallsstichprobe. Die Stichprobeergebisse
MehrPflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik
Pflichtlektüre: Kapitel 10 Grudlage der Iferezstatistik Überblick der Begriffe Populatio Iferezstatistik Populatiosparameter Stichprobeverteiluge Auch Stichprobekewerteverteiluge Wahrscheilichkeitstheorie
MehrNennenswertes zur Stetigkeit
Neeswertes zur Stetigkeit.) Puktweise Stetigkeit: Vo Floria Modler Defiitio der pukteweise Stetigkeit: Eie Fuktio f : D R ist geau da i x D stetig, we gilt: ε > δ >, so dass f ( x) f ( x ) < ε x D mit
MehrZählterme (Seite 1) Aufgabe: Wie viele Nummernschilder kann es theoretisch im Raum Dresden geben? Wann müsste die 4.Ziffer eingeführt werden?
Bemerkug: I Mathematik sollte ma keie Fahrpläe verwede, i der Stochastik erst recht icht. Zitat vo S.L. Das Baumdiagramm ist aber fast immer ei geeigetes Hilfsmittel. Produktregel Aufgabe: Wie viele Nummerschilder
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
MehrLinsengesetze und optische Instrumente
Lisegesetze ud optische Istrumete Gruppe X Xxxx Xxxxxxxxx Xxxxxxx Xxxxxx Mat.-Nr.: XXXXX Mat.-Nr.: XXXXX XX.XX.XX Theorie Im olgede werde wir eie kurze Überblick über die Fuktio, de Aubau ud die Arte vo
MehrBINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008
Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe
MehrDemo für www.mathe-cd.de
Wahrscheilichkeitsrechug Hypergeometrische Verteilug Themeheft ud Traiigsheft Datei r. 4211 Stad 17. April 2010 Friedrich W. Buckel Demo für ITERETBIBLIOTHEK FÜR SCHULMATHEMATIK 4211 Hypergeometrische
MehrNachklausur - Analysis 1 - Lösungen
Prof. Dr. László Székelyhidi Aalysis I, WS 212 Nachklausur - Aalysis 1 - Lösuge Aufgabe 1 (Folge ud Grezwerte). (i) (1 Pukt) Gebe Sie die Defiitio des Häufugspuktes eier reelle Zahlefolge (a ) N. Lösug:
MehrEinführende Beispiele Arithmetische Folgen. Datei Nr SW. Das komplette Manuskript befindet sich auf der Mathematik - CD.
ZAHLENFOLGEN Eiführede Beispiele Arithmetische Folge Datei Nr. 400 SW Das komplette Mauskript befidet sich auf der Mathematik - CD Friedrich Buckel Februar 00 Iteratsgymasium Schloß Torgelow Ihalt Eiführede
Mehr1 Analysis T1 Übungsblatt 1
Aalysis T Übugsblatt A eier Weggabelug i der Wüste lebe zwei Brüder, die vollkomme gleich aussehe, zwische dee es aber eie gewaltige Uterschied gibt: Der eie sagt immer die Wahrheit, der adere lügt immer.
MehrKapitel 4: Stationäre Prozesse
Kapitel 4: Statioäre Prozesse M. Scheutzow Jauary 6, 2010 4.1 Maßerhaltede Trasformatioe I diesem Kapitel führe wir zuächst de Begriff der maßerhaltede Trasformatio auf eiem Wahrscheilichkeitsraum ei ud
Mehr5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung
Seite vo 7 5 Beroulli-Kette Jakob Beroulli 654-705 Schweizer Mathematiker ud Physiker 5. Beroulli-Exerimet 5.. Eileitug Oft iteressiert ma sich bei Zufallsexerimete icht für die eizele Ergebisse, soder
MehrKunde Studie: Erfolgsfaktoren von Online-Communities
Kude Studie: Erfolgsfaktore vo Olie-Commuities Titel Frakfurt, des Projekts 17. September 2007 Durchgeführt vo: HTW Dresde, Prof. Dr. Ralph Sotag BlueMars GmbH, Tobias Kirchhofer, Dr. Aja Rau Mit freudlicher
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
MehrElementarstatistik für Umweltwissenschaftler
Elemetarstatistik für Umweltwisseschaftler Skript zur Vorlesug Witersemester 010/011 vo Dr. Domiik Faas Istitut für Mathematik Fachbereich 7: Natur- ud Umweltwisseschafte Uiversität Koblez-Ladau Ei besoderer
MehrEinführung in die mathematische Statistik
Kapitel 7 Eiführug i die mathematische Statistik 7.1 Statistische Modellierug Bei der Modellierug eies Zufallsexperimets besteht oft Usicherheit darüber, welche W-Verteilug auf der Ergebismege adäquat
MehrBeurteilende Statistik - Testen von Hypothesen Übungsaufgaben (1)
Moika Kobel, MK 07052005 Hypothesetest_Ueb_1cd Beurteilede Statistik - Teste vo Hypothese Übugsaufgabe (1) (1) (2) (3) (4) (5) (6) (7) (8) (9) Eie Fira öchte bei eie Sigifikaztest das Fehlerrisiko bzw
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
MehrVorlesung Einführung in die mathematische Statistik
Vorlesug Eiführug i die mathematische Statistik Prof. A. Atille Sommersemester 2004 Literatur P.J. Bickel K.A. Doksum, Mathematical Statistics: Basic Ideas ad Selected Topics Holde-Day, 1977. L. Breima,
MehrÜbungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Prof. Dr. Rolad Speicher M.Sc. Tobias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 01 Musterlösug zu Blatt 0 Aufgabe 1. Käpt Schwarzbart,
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
MehrWirtschaftsmathematik
Studiegag Betriebswirtschaft Fach Wirtschaftsmathematik Art der Leistug Studieleistug Klausur-Kz. BW-WMT-S1 040508 Datum 08.05.004 Bezüglich der Afertigug Ihrer Arbeit sid folgede Hiweise verbidlich: Verwede
MehrÜbungsaufgaben - Organisatorisches
Übugsaufgabe - Orgaisatorisches Der Abgabetermi der eue Übugsblätter ist: Motag, 4:00 Uhr Fehlerrechugsbriefkaste Der Abgabetermi der verbesserte Übugsblätter ist: Freitag, 6:00 Uhr T. Kießlig: Auswertug
Mehr3. Tilgungsrechnung. 3.1. Tilgungsarten
schreier@math.tu-freiberg.de 03731) 39 2261 3. Tilgugsrechug Die Tilgugsrechug beschäftigt sich mit der Rückzahlug vo Kredite, Darlehe ud Hypotheke. Dabei erwartet der Gläubiger, daß der Schulder seie
Mehr1 Einführende Worte 2
Sara Adams Semiarvortrag Rekursive Fuktioe - WS 2004/05 1 Sara Adams Semiarvortrag Rekursive Fuktioe - WS 2004/05 2 1 Eiführede Worte Semiar Grudlegede Algorithme Auflösug vo Rekursioe 1.1 Beispiele Bevor
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
MehrWahrscheinlichkeit und Statistik
ETH Zürich HS 2015 Prof. Dr. P. Embrechts Wahrscheilichkeit ud Statistik D-INFK Lösuge Serie 2 Lösug 2-1. (a Wir bereche P [W c B] auf zwei Arte: (a Wir betrachte folgede Tabelle: Azahl W W c B 14 6 B
MehrÜbungen zur Klausur Nr. 2: Wahrscheinlichkeitsrechnung II
Berufskolleg Marieschule Lippstadt Schule der Sekudarstufe II mit gymasialer Oberstufe ud Fachschule - staatlich aerkat - Kurslehrer: Lagebach Berufskolleg Marieschule Lippstadt Schule der Sekudarstufe
MehrPage-Rank: Markov-Ketten als Grundlage für Suchmaschinen im Internet
Humboldt-Uiversität zu Berli Istitut für Iformatik Logik i der Iformatik Prof. Dr. Nicole Schweikardt Page-Rak: Markov-Kette als Grudlage für Suchmaschie im Iteret Skript zum gleichamige Kapitel der im
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
MehrNumerische Abbildung der Formgebung von Aluminium im teilflüssigen Zustand
Numerishe Abbildug der Formgebug vo Alumiium im teilflüssige Zustad Berd-Aro Behres Thorste Matthias Istitut für Umformtehik ud Umformmashie Leibiz Uiversität Haover Mit der zuehmede Forderug ah Leihtbau
MehrErfolg im Mathe-Abi 2015
Gruber I Neuma Erfolg im Mathe-Abi 2015 Übugsbuch für de Wahlteil Bade-Württemberg mit Tipps ud Lösuge Ihaltsverzeichis Ihaltsverzeichis Aalysis 1 Tuel... 2 Widkraftalage... 7 3 Testzug... 8 4 Abkühlug...
Mehr8. Intervallschätzung
8. Itervallschätzug 8.1 Begriff des Kofidezitervalls Mit uterschiedliche Stichprobe lasse sich verschiedee Puktschätzer θ für de Parameter der Grudgesamtheit erziele. We m Stichprobe aus der Grudgesamtheit
MehrKapitel 9 WAHRSCHEINLICHKEITS-RÄUME
Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Fassug vom 13. Februar 2006 Mathematik für Humabiologe ud Biologe 129 9.1 Stichprobe-Raum 9.1 Stichprobe-Raum Die bisher behadelte Beispiele vo Naturvorgäge oder Experimete
Mehr4. Die Menge der Primzahlen. Bertrands Postulat
O. Forster: Eiführug i die Zahletheorie 4. Die Mege der Primzahle. Bertrads Postulat 4.1. Satz (Euklid. Es gibt uedlich viele Primzahle. Beweis. Wir zeige, dass es zu jeder edliche Mege p 1, p 2,..., p
Mehr