Elektrische Messtechnik
|
|
- Charlotte Biermann
- vor 6 Jahren
- Abrufe
Transkript
1 Spriger-Lehrbuch Elektrische Messtechik Aaloge, digitale ud computergestützte Verfahre vo Reihard Lerch 5., eu bearb. Aufl. Elektrische Messtechik Lerch schell ud portofrei erhältlich bei beck-shop.de DIE FACHBUCHHANDLUNG Spriger 2010 Verlag C.H. Beck im Iteret: ISBN
2 14 Regressio, lieare Korrelatio ud Hypothese-Testverfahre 14.1 Regressiosverfahre I der Meßtechik kommt es häufig vor, daß eie Schar vo aufgeommee Meßpukte durch eie geeigete aalytische Fuktio i Form eier Apaßkurve beschriebe werde soll. Im folgede gehe wir davo aus, daß Messuge durchgeführt werde, welche die Wertepaare {x i,y i }(i = 1,2,...,) liefer. Aschließed wird a diese Meßwerte eie Kurve ỹ(x) agepaßt. Daraus ergebe sich die Abweichuge i zwische de eizele Meßpukte ud der Apaßkurve im jeweilige Meßpukt x i zu i = ỹ(x i ) y i. (14.1) Dabei wird x als uabhägige (vorgebbare) Variable ud y als abhägige Variable bezeichet. Der Asatz der miimale Fehlerquadrate gemäß dem sog. Gaußsche Miimalprizip [78] (Gaußsches Prizip der kleiste Quadrate) ergibt = 2 i = [ỹ(x i ) y i ] 2 =! mi.. (14.2) I Gleichug (14.2) ist als ubekate Fuktio die Apaßkurve ỹ(x) ethalte. Die beschriebee Fehlerquadratsumme hägt u vo der Wahl dieser Apaßkurve ab. Die Festlegug der diese Apaßkurve beschreibede aalytische Fuktio ud die aschließede Berechug ihrer Koeffiziete (s. u.) wird als Regressiosverfahre bezeichet. Falls Proportioalität zwische der abhägige ud uabhägige Variable herrscht, läßt sich i diesem Fall die Schar vom Meßwerte durch eie Gerade beschreibe. Ma spricht da vo eier Ausgleichsgerade, die durch sog. lieare Regressio bestimmt wird. R. Lerch, Elektrische Messtechik, Spriger-Lehrbuch, 5th ed., DOI / _14, Spriger-Verlag Berli Heidelberg 2010
3 Regressio, lieare Korrelatio ud Hypothese-Testverfahre Ausgleichsgerade (lieare Regressio) Die lieare Regressio ist die für die igeieurmäßige Praxis wichtigste Form der Regressiosaalyse. Sie hat das Ziel, durch eie Schar vo (i aller Regel) experimetell bestimmte Wertepaare {x i,y i } eie Ausgleichsgerade zu lege. Dabei wird x als uabhägige ud y als abhägige Variable betrachtet. Die Ausgleichsgerade bestimmt letztlich die ach dem Gaußsche Miimalprizip beste lieare Approximatio der Fuktio y(x), die hier vo diskrete Wertetupel repräsetiert wird. Im folgede gehe wir davo aus, daß Meßwerte{x i,y i }(i = 1,2,...,) vorliege. A diese Meßwerte soll eie Gerade der Form ỹ(x) = mx+b agepaßt werde (Abb. 14.1). Die Abweichug der i-te Eizelmessug lautet i = ỹ(x i ) = [mx i +b] y i. (14.3) Der Asatz der miimale Fehlerquadrate liefert gemäß Gl. (14.2) = 2 i = [mx i +b y i ] 2 =! mi.. (14.4) Bei dem i Gl. (14.4) geforderte Miimum müsse die partielle Ableituge ach de ubekate Koeffiziete m ud b gleich Null sei. Das führt zu der im folgede beschriebee Ermittlug vo Steigug ud Achseabschitt der Ausgleichsgerade. y(x) y 4 4 y 3 3 y y 1 x 2 x 1 x 3 x 4 x Abb Ausgleichsgerade zur lieare Approximatio aufgeommeer Meßwerte
4 14.1 Regressiosverfahre 453 Ermittlug vo Steigug m ud Achseabschitt b der Ausgleichsgerade Die partielle Differetiatio vo Gl. (14.4) ach m ergibt 2 [mx i +b y i ]x i = 0. (14.5) Aus der Differetiatio ach b folgt 2 [mx i +b y i ] = 0. (14.6) Die Gleichuge (14.5) ud (14.6) köe wie folgt umgeformt werde bzw. m x 2 i +b x i = m x i +b = y i x i (14.7) y i. (14.8) Löst ma dieses Gleichugssystem (Gl. (14.7) ud (14.8)) ach de gesuchte Werte m bzw. b auf, so erhält ma die Geradesteigug m m = = x i y i x i y i ( ) 2 x i x 2 i x i y i 1 x i ( ) 2 x 2 i 1 x i y i (14.9) ud de Achseabschitt b ( b = 1 ) y i m x i. (14.10) Die Koeffiziete m ud b lasse sich ach dem i Abb gezeigte Schema bereche. Nachdem die Koeffiziete der Ausgleichsgerade bestimmt wurde, stellt sich im allgemeie die Frage ach der Qualität dieser lieare Approximatio, d. h. ach der Güte bei der lieare Regressio. Um letztlich die Vertrauesbereiche für die Parameter der Ausgleichsgerade agebe zu köe, sid och eiige mathematische Defiitioe otwedig, die im folgede Abschitt (Kap ) behadelt werde.
5 Regressio, lieare Korrelatio ud Hypothese-Testverfahre Schema zur lieare Regressio: Berechug eier Ausgleichsgerade aus Meßwertepaare {x i,y i} 1. Berechug der Mittelwerte µ x = x = 1 µ y = y = 1 2. Berechug vo 3 Hilfsgröße 1 Q x = s 2 x( 1) = Q y = s 2 y( 1) = Q xy = s xy( 1) = = x iy i 1 (x i x) 2 = (y i y) 2 = x i y i ( x 2 i 1 ) 2 x i ( yi 2 1 ) 2 y i (x i x)(y i y) x i 3. Berechug der Koeffiziete m ud b: Steigug 2 y i m = Q xy/q x ( Achseabschitt b = y mx = 1 ) y i m x i Abb Schema zur lieare Regressio: Berechug eier Ausgleichsgerade aus Meßwertepaare {x i,y i} 1 Q x,q y werde auch als Summe der quadratische Abweichuge bezeichet (abgekürzt: S.d.q.A.). s x ud s y bezeiche die Variaz vo x bzw. y ud s xy die Kovariaz zwische x ud y (siehe folgede Abschitt). 2 Die Steigug m wird auch als Regressioskoeffiziet bezeichet.
6 14.1 Regressiosverfahre Güte der Apassug bei der lieare Regressio (Variaz, Kovariaz, Restvariaz ud Korrelatioskoeffiziet) Nach der eigetliche Ermittlug der Ausgleichsgerade gilt es, die Güte dieses Ergebisses zu beurteile. Kokret heißt dies, Vertrauesbereiche für die Koeffiziete m (Geradesteigug) ud b (Achseabschitt) azugebe. Um diese bereche zu köe, beötige wir quatitative Agabe für Variaz, Kovariaz, Restvariaz ud Korrelatioskoeffiziet [54]. Diese ud weitere, im Zusammehag dazu stehede Begriffe solle zuächst eimal i mathematischer Form defiiert werde. Defiitio: Wahrscheilichkeitsdichte (Wahrscheilichkeitsverteilug) Im folgede bezeichet p(x) die Wahrscheilichkeitsdichte (Wahrscheilichkeitsverteilug) für eie Zufallsgröße x mit de Eigeschafte + p(x)dx = 1 (14.11) p(x) 0. (14.12) Die Wahrscheilichkeit P(a), daß ei Fuktioswert x kleier oder höchstes gleich a ist, ergibt sich aus dem Itegral p(x) P(a) = a p(x) dx. (14.13) P{a < x < b} etspricht der Wahrscheilichkeit, mit der der Fuktioswert x zwische de Größe a ud b liegt P{a < x < b} = b Defiitio: Gemeisame Wahrscheilichkeitsdichte a p(x) dx. (14.14) Die gemeisame Wahrscheilichkeitsdichte p xy (x,y) zweier Zufallsvariable (x,y) ist gegebe als p xy (x,y) = 2 P xy (x,y) (14.15) x y bzw. P xy (a,b) = b a wobei die Wahrscheilichkeitsverteilug p xy (x,y)dxdy, (14.16) P xy (a,b) = P{a x b y} (14.17) zweier Zufallsvariable x, y die Wahrscheilichkeit P agibt, mit der der Fuktioswert vo x kleier oder höchstes gleich a ist ud der Fuktioswert vo y kleier oder höchstes gleich b ist.
7 Regressio, lieare Korrelatio ud Hypothese-Testverfahre Defiitio: Erwartugswert Der Erwartugswert eies Zufallssigales x (auch als Zufallsvariable, Zufallsgröße bzw. Zufallsprozeß bezeichet) etspricht dem Itegral über dem Produkt aus der Zufallsgröße x ud seier Wahrscheilichkeitsdichte p(x) E{x} = + Der Erwartugswert ist ei liearer Operator. xp(x)dx. (14.18) Defiitio: Erwartugswert 2. Ordug Der Erwartugswert-Operator läßt sich auch auf das Produkt mehrerer Zufallssigale bzw. dere Poteze awede [76]. Das sog. Gemeisame Momet zweier Zufallssigale ist defiiert als µ xy,k = E{x k y } = + + Für de Spezialfall k = = 1 folgt Defiitio: Variaz µ xy = E{xy} = + + x k y p xy (x,y)dxdy. (14.19) xyp xy (x,y)dxdy. (14.20) Die Variaz etspricht dem Quadrat der (empirische) Stadardabweichug (s. auch Kap. 5.2) Var(x) = s 2 x = E{(x µ x) 2 }. (14.21) Dabei ist µ x der Mittelwert der Zufallsvariable x (siehe Abb. 14.2) ud E bezeichet de Erwartugswert. Die Variaz läßt sich auch mit Hilfe der Wahrscheilichtsdichte p x ausdrücke Var(x) = + (x µ x )p x (x)dx. (14.22) Die Variaz s 2 x eier diskrete Zufallsvariable-Stichprobe3 x 1,x 2,...,x ist demach folgedermaße defiiert s 2 x = 1 1 (x i x) 2 = 1 1 (x i µ x ) 2. (14.23) 3 Um kompatibel zu der übrige Meßtechik-Literatur zu bleibe, wird im folgede icht mehr zwische Variaz (Gesamtheit des Loses (N )) ud Schwakug (=empirische Stadardabweichug (N < )) uterschiede.
8 14.1 Regressiosverfahre 457 Dies läßt sich auch ausdrücke als ( s 2 x = 1 ) 2 x 2 1 i x i (14.24) 1 ( 1) bzw. s 2 x = 1 1 ( x 2 i 1 µ2 x = 1 ) x 2 i 1 µ2 x. (14.25) Aus der Variaz läßt sich leicht die ebefalls oft verwedete Summe der quadratische Abweichug Q x (S.d.q.A.) (s. auch Abb. 14.2) erreche Defiitio: Kovariaz Q x = ( 1)s 2 x. (14.26) Im Zuge der Regressiosaalyse ist die Frage zu kläre, iwieweit zwei Zufallsvariable x ud y voeiader abhägig sid. Dies wird durch die sog. Kovariaz festgelegt Cov(x,y) = s xy = E{(x µ x )(y µ y )} = E{x,y} µ x µ y. (14.27) Dabei sid µ x ud µ y die Mittelwerte der Zufallsvariable x ud y (siehe Abb. 14.2) ud E etspricht dem Erwartugswert. Die Kovariaz, die auch als erstes gemeisames Momet bezeichet wird, läßt sich auch mit Hilfe der gemeisame Wahrscheilichtsdichte p xy ausdrücke Cov(x,y) = + + (x µ x )(y µ y )p xy (x,y)dxdy. (14.28) Sie beschreibt die statistische Abhägigkeit zweier Zufallssigale. Die beide Zufallsvariable sid statistisch uabhägig, we ihre Kovariaz Null ist Cov(x, y) = 0. I diesem Fall berechet sich die Wahrscheilichkeitsdichte p(x,y) für das gleichzeitige Eitrete der Ereigisse x ud y aus dem Produkt der Eizelwahrscheilichkeite p(x, y) = p(x) p(y). Außerdem gilt E{x, y} = E{x}E{y}. Die Kovariaz zweier diskreter Zufallsvariablefolge x ud y ergibt sich aus s xy = 1 1 (x i µ x )(y i µ y ) ( = 1 ) x i y i µ x µ y 1 (14.29) s xy = Q xy 1. (14.30)
9 Regressio, lieare Korrelatio ud Hypothese-Testverfahre Defiitio: Restvariaz Die Restvariaz s r der Ausgleichsgerade (Kap ) berechet sich wie folgt ( ) s 2 r = Q y mq xy 2 = Q y 2 1 Q2 xy Q x Q y, (14.31) wobei m der Steigug der Ausgleichsgerade ud der Azahl der behadelte Meßpukte espricht. Sie wird beötigt, um die Vertrauesbereiche vo Geradesteigug m ud Achseabschitt b quatifiziere zu köe. Defiitio: Korrelatioskoeffiziet Der Korrelatioskoeffiziet r ist ei die Güte der Apassug charakterisiereder Parameter (0 < r < 1). Je äher der Korrelatioskoeffiziet r bei 1 liegt, desto besser ist die Apassug. Der Korrelatioskoeffiziet r läßt sich aus de beide Eizelvariaze s x ud s y sowie der Kovariaz s xy (siehe Abb bzw. Gl.(14.25) ud (14.29)) bestimme r = s xy s x s y. (14.32) Mit de Wurzel der Eizelvariaze s x ud s y ud der Kovariaz s xy ergibt sich schließlich der Korrelatioskoeffiziet, der die Güte der Apassug der Ausgleichsgerade beschreibt ( r xy = s xy = Q x 2 i 1 xy = m s x s ( y Qx Q y yi 2 1 ) 2 x i Agabe der Vertrauesbereiche für die Parameter der Ausgleichsgerade ) 2. (14.33) y i Mit obige Defiitiosgleichuge ka schließlich die Agabe der Vertrauesbereiche (Kofidezitervalle) für die Parameter m ud b der Ausgleichsgerade bzw. dere Ordiatewerte erfolge m ± t( 2,P) s2 r Q x x 2 i (14.34) b ± t( 2,P) s 2 r Q x (14.35)
10 14.1 Regressiosverfahre 459 (x x) y ± t( 2,P) 2 (s 2 x m2 s 2 x )+s2 x ( 2)s 2. (14.36) x Der Vertrauesfaktor t ergibt sich ach Vorgabe der gewüschte statistische Sicherheit P[%] aus der Studet-Verteilug(s. Tab. 5.2) für die Ereigisazahl ( 2). Die Azahl der betrachtete Meßpukte beträgt. Tip: Diese Berechuge köe mit dem Programm bereche_regressiosgerade.vi auf der CDROM achvollzoge werde. Es köe simulierte Messwerte eigelese, die statistische Größe berechet ud Regressiosgerade ermittelt werde Ausgleichspolyome Die Erweiterug der lieare Regressio (Kap ) führt zur polyomiale Regressio, bei der die Apaßkure ỹ durch ei Polyom p-te Grades beschriebe wird ỹ = a 0 +a 1 x+a 2 x a p x p. (14.37) Die Vorgehesweise soll zuächst ahad des folgede Beispiels verdeutlicht werde. Die Apaßkurve wird hier i Form eies Polyoms dritte Grades beschriebe ỹ(x) = a 0 +a 1 x+a 2 x 2 +a 3 x 3. (14.38) Das bereits obe agewadte Gaußsche Prizip der kleiste Quadrate(Gaußsches Miimalprizip) soll auch hier Awedug fide = 2 i = [ỹ(x i ) y i ] 2 =! mi.. (14.39) Dabei werde wiederum Meßwertepaare {x i,y i } vorausgesetzt. Das Nullsetze der partielle Ableituge ach de Koeffiziete a i (i = 1,2,3) führt zu folgedem Gleichugssystem x i x 2 i x 3 i x i x 2 i x 3 i x 4 i x 2 i x 3 i x 4 i x 5 i a 0 = a 1 = a 2 = a 3 = 0 (14.40) x 3 i x 4 i x 5 i x 6 i a 0 a 1 a 2 a 3 y i x i y i = x 2 i y. (14.41) i x 3 i y i
11 Regressio, lieare Korrelatio ud Hypothese-Testverfahre Die Lösug dieses Gleichugssystems ergibt schließlich die gesuchte Koeffiziete a i (i = 0,1,2,3) des Polyoms Mehrfache lieare Regressio Die mehrfache lieare Regressio(auch als multiple lieare Regressio bezeichet) ist eie Erweiterug der eifache lieare Regressio. Dabei hägt ei Meßergebis y liear vo umehr mehrere Variable x 1,x 2,...x p (ma spricht i diesem Zusammehag auch vo Covariable) ab y = a 0 +a 1 x 1 +a 2 x a p x p +E, (14.42) wobei E eie Störgröße repräsetiert, also eie stochastische Variable (Zufallsvariable). Damit ist das Ergebis ebefalls eie Zufallsvariable. Die Aufgabe der mehrfache lieare Regressio ist es u, die abhägige Variable y als Fuktio mehrerer (i Bezug auf die Laufvariable i) uabhägiger Variable, die i Form eies Variablevektors [x ip ] = (x i1,x i2,...,x ip ) zusammegefaßt werde, mit Hilfe eies Schätzwertes ŷ vorherzusage ŷ = b 0 +b 1 x 1 +b 2 x b p x p. (14.43) Dabei bilde die b j (j = 1,2,...,p) die Elemete des Vektors der geschätzte Regressioskoeffiziete. Wir wolle davo ausgehe, daß für jede Vektor [x ip ](i = 1,2,...,) jeweils Meßwerte y i (i = 1,2,...,) vorliege. Somit ergibt sich für jede Beobachtug (Messug) i(i = 1,2,...,) eie Gleichug der Form y i = a 0 +a 1 x i1 +a 2 x i a p x ip +E i. (14.44) Das daraus resultierede Gleichugssystem läßt sich mit Hilfe der folgede [ (p+1)]-matrix [X] 1 x 11 x x 1j... x 1p 1 x 21 x x 2j... x 2p... [X] = 1 x i1 x i2... x ij... x ip... 1 x 1 x 2... x j... x p (14.45)
12 14.1 Regressiosverfahre 461 sowie der -dimesioale Vektore [y] = y 1 y 2. y i y ud dem [p + 1]-dimesioale Vektor, E = [a] = a 0 a 1 a 2.. a j E 1 E 2. E i E (14.46) (14.47) wie folgt darstelle a p [y] = [X][a]+[E]. (14.48) Die eifache lieare Regressio ergibt sich aus obige Gleichuge für p = 1. Der Fall p 2 repräsetiert die mehrfache lieare Regressio. Wie bei der lieare Regressio wird wiederum die Summe der quadratische Abweichuge miimiert. Nach dem sog. Gauß-Markov-Theorem erhält ma schließlich de Vektor der geschätzte Regressioskoeffiziete [b] als [107] 4 b 0 b. 1. [b] = b j. b p = ( [X] T [X] ) 1 [X] T [y]. (14.49) 4 Um die hier verwedete Schreibweise mit der Darstellug i [107] vergleichbar zu mache, ist für die Matrix [X] dere Traspoierte [X] T zu verwede (siehe S. 62 i [107]).
13 Regressio, lieare Korrelatio ud Hypothese-Testverfahre Dabei bezeichet [X] T die Traspoierte der Matrix [X]. Dieser Schätzer ist der sog. beste lieare uverzerrte Schätzer (Best Liear Ubiased Estimator = BLUE). Mit Hilfe dieses Schätzers(Miimum-Quadrat-Schätzer) ergibt sich folgedes Gleichugssystem [y] = [X][b]+[e] = [ŷ]+[e], (14.50) wobei [ŷ] die Schätzwerte vo [y] ethält ud [e] de Vektor der Residue repräsetiert. Der Vektor der Schätzwerte berechet sich also aus [ŷ] = [X][b] = [X]([X] T [X]) 1 [X] T [y] = [H][y], (14.51) wobei die[ ]-Matrix[H] als sog. Hat-Matrix(Hut-Matrix) bezeichet wird. Die Residue ergebe sich demach wie folgt [e] = [y] [ŷ] = [y] [H][y]. (14.52) Im allgemeie iteressiert ma sich für die sog. Progose ŷ 0 vo [y] für ei gegebees Wertetupel [x 0 ] (= Meßstelle [x 01,x 02,...,x 0p ]). Sie berechet sich zu ŷ 0 = b 0 +b 1 x 01 +b 2 x b p x 0p = [x 0 ] T [b]. (14.53) 14.2 Lieare Korrelatio Die lieare Korrelatio beschäftigt sich mit der Frage, iwieweit Wertepaare {x i,y i } liear abhägig sid. Im Gegesatz zur lieare Regressio wird hier y icht als abhägige ud x icht als uabhägige Variable bezeichet. Da umehr keie Uterscheidug ach abhägiger ud uabhägiger Variable erfolgt, ist die Defiitio vo zwei Ausgleichsgerade sivoll, achdem die Wertepaare {x i,y i } i ei x-y-diagramm eigetrage wurde. Zur Festlegug der Gerade wird wiederum das bereits bei der lieare Regressio eigesetzte Verfahre der Fehlerquadratmiimierug (Gaußsches Miimalprizip) eigesetzt (s. Kap ). Die beide Ausgleichsgerade (Abb. 14.3) lasse sich wie folgt defiiere bzw. ỹ = m 1 x+b 1 (14.54) x = m 2 y +b 2. (14.55) Daraus resultiere zwei Möglichkeite, die Fehlerquadratmiimierug durchzuführe (ỹ y i ) 2 =! mi. (14.56) bzw. ( x x i ) 2 =! mi.. (14.57)
14 14.2 Lieare Korrelatio 463 y Abb Meßwertepaare {x i,y i}, die durch zwei Ausgleichsgerade gemäß Gl. (14.54) bzw. Gl. (14.55) approximiert werde. x Im allgemeie führt dieser Prozeß zu uterschiedliche Gerade. Für de Fall, daß vollkommee lieare Uabhägigkeit zwische de Werte der Variable x ud y besteht, strebe die beide Steiguge m 1 ud m 2 gege Null (Abb. 14.4). Für de Fall, daß die beide Gerade zusammefalle (Abb. 14.5), besteht ei direkter fuktioaler Zusammehag. Je ach Grad der lieare Abhägigkeit variiere die Geradesteiguge also zwische de Werte m 1 = m 2 = 0 (lieare Uabhägigkeit) ud eiem obere Wert m 1 = 1/m 2 (vollstädige lieare Abhägigkeit). Da dieser obere Wert aber icht vo voreherei feststeht, läßt sich der Grad der lieare y m 2= 0 m = 0 1 Abb Fall der vollstädige lieare Uabhägigkeit (m 1 = m 2 = 0) x
15 Regressio, lieare Korrelatio ud Hypothese-Testverfahre y 1 m 1= m 2 Abb Fall des fuktioale Zusammehags: Die beide Ausgleichsgerade falle zusamme. x Abhägigkeit erst ach eier Normierug beurteile. Dies führt zu eier ormierte Steigug r, die dem Korrelatioskoeffziet etspricht (siehe auch Gl. (14.32) ud Gl. (14.33)). Im Gegesatz zur Kovariaz ist der Korrelatioskoeffiziet eie reie Maßzahl ohe Eiheit. Der Korrelatioskoeffiziet immt Werte zwische 1 ud +1 a ( 1 r +1). Ei Korrelatioskoeffiziet r = 0 bedeutet, daß keie lieare Abhägigkeit besteht. Bei vollkommeer liearer Abhägigkeit immt r de Wert +1 bzw. 1 a. Das Vorzeiche beschreibt dabei die Steigugsrichtug der gemeisame Gerade (Abb. 14.5). Der Korrelatioskoeffiziet läßt sich wie folgt agebe r = Q xy = Qx Q y x i y i 1 x i y i [ ( ) ][ yi ( y i x 2 i 1 ) ]. (14.58) 2 x i Bei der Beurteilug der lieare Abhägigkeit ahad des Korrelatioskoeffiziete muß die Stichprobeazahl mit is Kalkül gezoge werde. So liefer beispielsweise zwei Wertepaare immer de Wert r = 1. Aus diesem Grud ist zu dieser Beurteilug och der im folgede behadelte Vertrauesbereich vo r hizuziehe.
16 14.3 Testverfahre (Hypothese-Testverfahre) 465 Vetrauesbereich des Korrelatioskoeffiziete Da der ach Gl. (14.58) ermittelte Korrelatioskoeffiziet ur ei Schätzwert des Korrelatioskoeffiziete ρ der Grudgesamtheit (setzt uedlich viele Messuge voraus) darstellt, sollte ma de Vertrauesbereich für r ermittel, um eie Aussage der mögliche Abweichuge vo ρ als Fuktio eier gewählte statistische Sicherheit zu erhalte. Um de Vertrauesbereich eies ahad eier Stichprobe mit Eizelmessuge ermittelte Korrelatioskoeffiziete azugebe, bediet ma sich des achfolgede Schemas i Abb Die Grudlage hierzu fidet der iteressierte Leser beispielsweise i [78]. Korrelatio ud Kausalität Ei hoher Korrelatioskoeffiziet ist auf eie starke lieare Abhägigkeit zurückzuführe. Daraus darf aber icht umittelbar auf eie Kausalität im Sie eies Ursache-Wirkugs-Prizips geschlosse werde. Es gibt uzählige Beispiele für Scheikorrelatioe oder sogar Usirelatioe, die durchaus icht auf eie gemeisame Ursache zurückzuführe sid. Ei kausaler Zusammehag muß zuächst eimal vo der Sache her begrüdet sei. Ahad eier dazu durchgeführte Korrelatio läßt sich lediglich prüfe, ob eie Hypothese zu eiem bestimmte Ursache-Wirkugs-Prizip hält oder icht. Es darf aber keiesfalls aus eiem hohe Korrelatiosgrad umittelbar auf eie etsprechede Ursache-Wirkugs-Zusammehag geschlosse werde. Als Beispiel köte ageführt werde, daß die steigede Lebeserwartug ud die steigede Preisetwicklug sicherlich keie umittelbare kausale Zusammehag aufweise, aber deoch zwische beide ei vo Null verschiedeer Korrelatioskoeffiziet besteht Testverfahre (Hypothese-Testverfahre) Teste vo Hypothese, Etscheiduge Die Wahrscheilichkeitsverteilug, welche die Grudgesamtheit beschreibt, wird als wahre Wahrscheilichkeitsverteilug bezeichet. Diese wahre Verteiluge sid aber i der praktische Meßtechik icht bekat. Mit Hilfe vo sog. Tests muß daher des öftere etschiede werde, ob bestimmte Vermutuge über die Wahrscheilichkeitsverteiluge bzw. dere Parameter zutreffe oder icht. Zur Durchführug eies Tests stellt ma eie Arbeitshypothese auf. Diese wird als Nullhypothese H 0 bezeichet. Die dieser Nullhypothese widersprechede Vermutug wird Alterativhypothese H 1 geat.
14 Regression, lineare Korrelation und Hypothesen-Testverfahren
14 Regressio, lieare Korrelatio ud Hypothese-Testverfahre 141 Regressiosverfahre I der Meßtechik kommt es häufig vor, daß eie Schar vo aufgeommee Meßpukte durch eie geeigete aalytische Fuktio i Form eier
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
MehrDie notwendigen Verteilungstabellen finden Sie z.b. hier:
Fakultät für Mathematik Istitute IAG ud IMO Prof. Dr. G. Kyureghya/Dr. M. Hödig Schätz- ud Prüfverfahre Die otwedige Verteilugstabelle fide Sie z.b. hier: http://www.ivwl.ui-kassel.de/kosfeld/lehre/zeitreihe/verteilugstabelle.pdf
Mehrs xy x i x y i y s xy = 1 n i=1 y 2 i=1 x 2 s 1 n x n i Streudiagramme empirische Kovarianz x=5,5 y=7,5
Streudiagramme für metrisch skalierte Variable paarweise Messwerte (x,y) x 5 7 y 7 5 7 5 5 7 Aussage zu Zusammehäge. empirische Kovariaz Stadardabweichug der WertPAARE x i x y Wert x Mittelwert aller x
MehrHerleitung der Parameter-Gleichungen für die einfache lineare Regression
Herleitug der Parameter-Gleichuge für die eifache lieare Regressio Uwe Ziegehage. März 03 Historie v.0 6.03.009, erste Versio hochgelade v.0 0.03.03, eie Vorzeichefehler beseitigt, diverse Gleichuge ud
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.
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
MehrDiesen Grenzwert nennt man partielle Ableitung von f nach x i und
Bevor wir zum ächste Kapitel übergehe, werde wir de Begri eier Fuktio i mehrere Variable eiführe. Eie Fuktio vo Variable ist eie Vorschrift, die jedem Pukt (x 1,x,...,x ) eier Teilmege D des IR eie bestimmte
MehrKapitel XI - Korrelationsrechnung
Istitut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökoometrie ud Statistik Kapitel XI - Korrelatiosrechug Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Seska Carlo Siebeschuh Aufgabe der Korrelatiosrechug
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
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
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
MehrEreignis Wahrscheinlichkeit P (A) A oder B P (A + B) A und B P (AB) B, wenna P (B A)
Kapitel 10 Statistik 10.1 Wahrscheilichkeit Das Ergebis eier Messug oder Beobachtug wird Ereigis geat. Ereigisse werde mit de Buchstabe A, B,...bezeichet. Die Messug eier kotiuierliche Variable x gibt
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
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
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
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
MehrWörterbuchmethoden und Lempel-Ziv-Codierung
Kapitel 3 Wörterbuchmethode ud Lempel-Ziv-Codierug I diesem Abschitt lere wir allgemei Wörterbuchmethode zur Kompressio ud isbesodere die Lempel-Ziv (LZ))-Codierug kee. Wörterbuchmethode sid ei eifaches
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte 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:
MehrLineare Regression. Roland Heynkes. 18. April 2006, Aachen
Lieare Regressio Rolad Heykes 18. April 2006, Aache Es kommt i der Natur relativ oft vor, daß zwei Größe statistisch mit eiader verbude sid. We sich diese Verbudeheit mathematisch durch eie Fuktio beschreibe
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
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
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:
MehrTeil II Zählstatistik
Teil II Zählstatistik. Aufgabestellug. Vergleiche Sie experimetelle Zählverteiluge mit statistische Modelle (POISSON-Verteilug ud Normalverteilug) 2. Theoretische Grudlage Stichworte zur Vorbereitug: Impulszahl,
MehrWirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel
3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Beispiel: Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische
MehrFehlerrechnung. 3. Genauigkeit von Meßergebnissen am Beispiel der Längenmessung
1 Gie 11/000 Fehlerrechug 1. Physikalische Größe: Zahlewert ud Eiheit. Ursache vo Meßfehler 3. Geauigkeit vo Meßergebisse am Beispiel der Lägemessug 4. Messug eier kostate Größe ud Mittelwert 5. Messug
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
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,...,
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
MehrLineare Transformationen
STAT 4 FK Herleituge Lieare Trasformatioe Sei eie lieare Trasformatio vo, so gilt Allgemei: a b, () Lieare Trasformatio des arithmetische Mittels y a+b x i () Da a eie additiv verküpfte Kostate ist, ka
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
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
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
MehrMathematische Vorgehensweise
Kapitel 2 Mathematische Vorgehesweise Um eue Ergebisse zu erziele, ist es häufig otwedig, Aussage präzise zu formuliere ud zu beweise. Daher werde i diesem Kapitel die mathematische Begriffsbilduge ud
MehrAufgaben zur Übung und Vertiefung
Aufgabe zur Übug ud Vertiefug ARITHMETISCHE ZAHLENFOLGEN Berufliches Gymasium / Uterstufe () Stelle Sie fest, welche der gegebee Folge arithmetisch sid: Bestimme Sie zuächst die erste füf Folgeglieder,
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
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:
MehrLösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 4: Aufgaben zu den Kapiteln 7 und 8
1 Lösuge ausgewählter Übugsaufgabe zum Buch Elemetare Stochastik (Spriger Spektrum, 2012) Teil 4: Aufgabe zu de Kapitel 7 ud 8 Aufgabe zu Kapitel 7 Zu Abschitt 7.1 Ü7.1.1 Ω sei höchstes abzählbar, ud X,
MehrStrukturelle Modelle in der Bildverarbeitung Markovsche Ketten II
Strukturelle Modelle i der Bildverarbeitug Markovsche Kette II D. Schlesiger TUD/INF/KI/IS Statioäre Verteilug Verborgee Markovsche Kette (HMM) Erkeug stochastisches Automate D. Schlesiger SMBV: Markovsche
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
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
MehrGanzrationale Funktionen
Gazratioale Fuktioe 9. Defiitio gazratioaler Fuktioe Im Folgede werde ebe lieare ud quadratische Fuktioe auch solche betrachtet, bei dee die Variable i der dritte, vierte oder auch i eier och höhere Potez
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
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
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
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
MehrFehlerrechnung und Fehlerabschätzung
Fehlerrechug ud Fehlerabschätzug Vorbemerkug Eiteilug der Meßfehler. Grobe Fehler. Systematische Fehler.3 Zufällige oder statistische Fehler Fehlerrechug ud Fehlerabschätzug. Bei direkte Messuge.. Durchschittlicher
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
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
Mehrvon solchen Abbildungen. Eine solche Folge bestimmt für jedes x M die Folge der Werte f n. Schreibt man dies noch einmal formal hin, so erhält man:
Gleichmäßige Kovergez Wir betrachte im Folgede Abbilduge f : M N, wobei M eie Mege ud N ei metrischer Raum ist. Isbesodere iteressiere ud Folge f vo solche Abbilduge. Eie solche Folge bestimmt für jedes
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
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
MehrÖkonometrie Formeln und Tabellen
Ökoometrie Formel ud Tabelle Formelsammlug 1 Lieares Modell ud KQ-Schätzug 11 Eifachregressio Lieares Modell: Y i = β 0 + β 1 x i + U i, i = 1,2,, Aahme des lieare Modells: A1: E[U i ] = 0 für alle i =
MehrKapitel 9 WAHRSCHEINLICHKEITS-RÄUME
Kapitel 9 WAHRSCHEINLICHKEITS-RÄUME Fassug vom 13. Februar 2006 Mathematik für Humabiologe ud Biologe 129 9.1 Stichprobe-Raum 9.1 Stichprobe-Raum Die bisher behadelte Beispiele vo Naturvorgäge oder Experimete
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
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
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
MehrWallis-Produkt, Gammafunktion und n-dimensionale Kugeln
Wallis-Produkt, Gammafuktio ud -dimesioale Kugel Thomas Peters Thomas Mathe-Seite www.mathe-seite.de 6. Oktober 3 Das Ziel dieses Artikels ist es, Formel für das Volume ud die Oberfläche vo -dimesioale
Mehrn=0 f(x) = log(1 + x) = n=1
Potez - Reihe Machmal ist es praktisch eie Fuktio f() mir Hilfe ihrer Potezreihe auszudrücke. Eie Potezreihe um de Etwicklugspukt 0 sieht im Allgemeie so aus a ( 0 ) Fuktioe, für die eie Potezreihe eistiert,
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
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
MehrZusammenhangsmaß Korrelation (Pearsons Produkt-Moment-Korrelation r)
Ergäzede Hiweise zur Iterpretatio Zusammehagsmaß Korrelatio (Pearsos Produkt-Momet-Korrelatio r) Thürigeweite Kompeteztests 3 Dipl.-Psych. Ulf Kröhe, Dr. Christof Nachtigall Lehrstuhl für Methodelehre
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
MehrFormelsammlung. zur Klausur. Beschreibende Statistik
Formelsammlug zur Klausur Beschreibede Statistik Formelsammlug Beschreibede Statistik. Semester 004/005 Statistische Date Qualitative Date Nomial skalierte Merkmalsauspräguge (Uterscheidugsmerkmale) köe
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.
Mehr... a ik) i=1...m, k=1...n A = = ( a mn
Zurück Stad: 4..6 Reche mit Matrize I der Mathematik bezeichet ma mit Matrix im Allgemeie ei rechteckiges Zahleschema. I der allgemeie Darstellug habe die Zahle zwei Idizes, de erste für die Zeileummer,
MehrKapitel 2. Terme. oder (x + 1)(x 1) = x 2 1
Kapitel 2 Terme Josef Leydold Auffrischugskurs Mathematik WS 207/8 2 Terme / 74 Terme Ei mathematischer Ausdruck wie B R q q (q ) oder (x + )(x ) x 2 heißt eie Gleichug. Die Ausdrücke auf beide Seite des
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
MehrLGÖ Ks VMa 12 Schuljahr 2017/2018
LGÖ Ks VMa Schuljahr 7/8 Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud ugleichuge 6 Für Experte 8 Polyomgleichuge ud -ugleichuge
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
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
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
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
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,
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
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
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
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
MehrDer Satz von Stone-Weierstraß. 1 Approximationssatz von Weierstraß
Der Satz vo Stoe-Weierstraß Vortrag zum Prosemiar Aalysis, 28.06.2010 Valetia Gerber, Sabria Kielma Aus der Vorlesug Aalysis I ud II kee wir das Kozept des Approximieres. Us wurde die Begriffe Taylor-
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
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
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
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
MehrUniversität Stuttgart Fachbereich Mathematik. 1 Lineare Abbildungen und Matrizen. 1.1 Um was geht es?
Uiversität Stuttgart Fachbereich Mathematik Prof Dr C Hesse PD Dr P H Lesky Dipl Math D Zimmerma Msc J Köller FAQ 4 Höhere Mathematik 724 el, kyb, mecha, phys Lieare Abbilduge ud Matrize Um was geht es?
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
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
MehrBei 95%iger Konfidenz wäre der Mittelwert der GG zwischen 1421,17DM und 1778,83DM zu erwarten.
Aufgabe 36 (S. 346: Schätzverfahre für Mittelwert ud Stadardabweichug a Puktschätzuge für µ aufgrud der Werte der kleie Stichprobe aus Aufgabe 3 Bei eier Puktschätzug wird für de zu schätzede Parameter
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
Mehr9. Diskrete Zufallsvariable, Wahrscheinlichkeitsverteilung, Erwartungswert, Varianz
44 9. Diskrete Zufallsvariable, Wahrscheilichkeitsverteilug, Erwartugswert, Variaz Bei Zufallsversuche iteressiere oft icht die Ergebisse selbst, soder Zahle, die de mögliche Ergebisse des Zufallsversuchs
MehrRepräsentativität und Unabhängigkeit
Repräsetativität ud Uabhägigkeit Ziel: Bestmögliche Erassug der Eigeschate der Grudgesamtheit Problem: Beurteilug der Repräsetativität ist ur durch umassede Iormatio über die Grudgesamtheit möglich Asatz:
MehrWiederholung: Linearer Ausgleich 1. Linearer Ausgleich. Vorlesung April. Aufgabe Gegeben Naturgesetz
Vorlesug 4 6 + 9 April Bei w,, w m, v R ; (w,, w m =: A R (,m ud ieres Produkt = euklidisches Produkt schrieb sich das Approximatiosproblem so: Fide w = Wiederholug: m ζ k w k mit w v w v w spa{w,, w m
Mehrx 2 + 2 m c Φ( r, t) = n q n (t) φ n ( r) (5) ( + k 2 n ) φ n ( r) = 0 (6a)
Quatisierug eies skalare Feldes Das Ziel ist eigetlich das elektromagetische Feld zu quatisiere, aber wie ma scho a de MAXWELLsche Gleichuge sehe ka, ist es zu kompliziert, um damit zu begie. Außerdem
MehrKAPITEL 11. Ungleichungen. g(x) g(x 0 ) + K 0 (x x 0 ).
KAPITEL 11 Ugleichuge 111 Jese-Ugleichug Defiitio 1111 Eie Fuktio g : R R heißt kovex, we ma für jedes x R ei K = K (x ) R fide ka, so dass für alle x R gilt: g(x) g(x ) + K (x x ) Bemerkug 111 Eie Fuktio
MehrMusterlösung zu Übungsblatt 2
Prof. R. Padharipade J. Schmitt C. Schießl Fuktioetheorie 25. September 15 HS 2015 Musterlösug zu Übugsblatt 2 Aufgabe 1. Reelle Fuktioe g : R R stelle wir us üblicherweise als Graphe {(x, g(x)} R R vor.
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
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
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.
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
Mehr