4. Seminar Statistik
|
|
- Erika Küchler
- vor 6 Jahren
- Abrufe
Transkript
1 Sandra Schlick Seite 1 4.Seminar2014.doc 4. Seminar Statistik 30 Kurztest 3 3x30 Stichproben, Punktschätzungen, Parameterschätzungen 60 Übungen Schätzungen Hausaufgaben: Sachs Kap Aufgaben S. 145 Nr , S. S. 161 f. Nr Thema: Schliessende Statistik Auswahlverfahren für Stichproben: Zufallsauswahl Uneingeschränkte Zufallsauswahl: jede Stichprobe hat gleiche Chance gezogen zu werden. Systematische Zufallsauswahl: Auswahl der Stichprobe nach Regeln. Mehrstufige Zufallsauswahl (hier wird die 2-Stufige Zufallsauswahl beschrieben): 1. Zerlegen der Grundgesamtheit in Teilgesamtheiten, 2. Auswahl einiger Teilgesamtheiten, 3. Entnahme von Elementen aus den gewählten Teilgesamtheiten. Klumpenauswahl: Zerlegen der Grundgesamtheit in Klumpen (z. B. Studienfortschritt, Geschlecht, Alter), Wahl der Klumpen und Entnahme Stichprobe. Die interessierende Variable darf natürlich nicht den Klumpen messen (Studienfortschritt), sondern etwas anderes (z. B. Miete). Auswahlverfahren für Stichproben: Nicht-Zufallsauswahl Quotenauswahlverfahren: Falls eine Annahme über Quoten besteht, kann diese anhand einer derart organisierten Stichprobe überprüft werden. Wenn die Quoten bereits überprüft wurden, dann kann anhand der Quoten eine Auswahl der Stichprobe getroffen werden. Vorteil: man identifiziert z. B. eine ganz bestimmte Personengruppe, die leicht zu befragen ist. Konzentrationsprinzip: Falls sich ein Merkmal auf nur wenige beschränkt, können diese wenigen Elemente in die Stichprobe aufgenommen werden. Dies funktioniert nur bedingt, wenn nämlich z. B. das Durchschnittseinkommen der Bevölkerung anhand der 10 reichsten Personen ermittelt würde. Hingegen macht es Sinn, um Trends zu ermitteln (Trend der Summe der Merkmalswerte nicht durch n dividieren, da sonst Mittelwert). Typische Elemente: Elemente, welche die Grundgesamtheit typisch vertreten werden gewählt. Kommentar: In Verbindung mit dem Quotenverfahren sinnvoller. Schlußfolgerungen von Stichproben - Grundgesamtheit Schluss von der Stichprobe auf Grundgesamtheit. Inklusionsschluss: Schluss von der Grundgesamtheit auf die Stichprobenwerte Repräsentationsschluss: Schluss von Stichprobe auf Grundgesamtheit Ablauf der schliessenden Statistik: Grundgesamtheit Stichprobe Eigenschaft der Stichprobe erfassen und analysieren Rückschluss auf Grundgesamtheit. Zweck: Geld- und Zeitersparnis, manchmal ist die Messung der Grundgesamtheit gar nicht möglich, da zu gross oder da wenn Elemente durch Prüfung zerstört werden. Punktschätzung: Verwendete Mittelwert und Varianz Formeln sind Schätzer. Schätzungen von Konfidenzintervallen (Unsicherheiten abschätzen) Schätzungen für den Anteilswert Anteilswert: Anteil der Elemente X mit einer bestimmten Eigenschaft an der Stichprobe. P = X 1 + X 2 + X X n n = X n E(X) = n Θ; VAR(X) = n Θ (1- Θ) Für den Anteilswert ergibt sich : E(P) = Θ resp. P (erwartungstreu) P (1- P) Varianz Anteilswert : VAR(X) = n -1 Θ : der zu schätzende Anteilswert, P : Schätzfunktion Schätzfunktion ist angenähert normalverteilt, wenn n P (1- P) > 9 Konfidenzintervall (basierend auf Normalverteilung) ohne Zurücklegen:
2 Sandra Schlick Seite 2 4.Seminar2014.doc P (1- P) P (1- P) W(P - z Θ P + z ) =1 α n -1 n -1 Beispiel Bekanntheitsgrad. n = 400, P = 30% (Waschmittel ist 30% der Personen bekannt). Beidseitiges Konfidenzintervall für Wahrscheinlichkeit Θ = 95% Kann Normalverteilung verwendet werden? (1-0.3) = 84 > 9 Normalverteilung OK Schätzung der Standardabweichung ( Sigma Hut ): P (1- P) 0.3 (1-0.3) σ^ (P) = = = n Ermitteln von z aus Tabelle: z(0.975) = 1.96 Maximaler Schätzfehler: Berechnung Grenzen Konfidenzintervall: Konfidenzintervall mit zurücklegen: (P) = = W( Θ ) = 0.95 z σ^ W(0.255 Θ 0.345) = 0.95 Varianzschätzung wird korrigiert, wenn gilt: n 0.05, sonst Formel oben verwenden. N P (1- P) Formel für Varianz Anteilswert ohne Zurücklegen : VAR(X) = 1 n n -1 N Beispiel Kommunalwahlen (Bourier S. 271) Wahlberechtigte, Stichprobe von Wahlberechtigte (23%) sind für Partei A. Partei A möchte mindestens 25% der Stimmen erhalten. E(P) = 0.23 Approximativ normalverteilt? n P (1- P) = = > 9 i. O. σ^ p = = z-wert für α = 0.05 d. h. 1 - α = 0.95, z = 1.96 Maximaler Schätzfehler (MSE): z σ^ p = = Konfidenzintervall Grenzen: E(P) E(P) ± z σ^ p = 0.23 ± ;0.275 [ ] entspricht 95% Intervall D. h. es ist zu 95% wahrscheinlich, dass zwischen 18.5 und 27.5 % der Bevölkerung Partei A wählen. Nach unten begrenztes Intervall (mindestens 25% der Stimmen) E(P) z σ^ p = 0.25 = 0.23 z σ^ p = 0.23 z z = α = D. h. es ist zu 19.22% wahrscheinlich, dass mindestens 25% für Partei A stimmen. Inklusionsschluss Vorgehen: Berechnen von charakteristischen Parametern aus der Stichprobe (Mittelwert, Varianz). Schluss von den Messwerten auf die Grundgesamtheit mit Hilfe von Modellen und Analysen. Folgerungen: Verteilung des Stichprobenmittelwerts nähert sich bei wachsendem n dem Stichprobenmittel der Normalverteilung an. Der Stichprobenmittelwert hat darum eine Varianz, die mit wachsendem n kleiner wird (da sich dieser Mittelwert ja dem idealen Mittelwert annähert. Daraus ergibt sich die Formel für den Mittelwert und die neue Formel für die Varianz: E(X) = µ; VAR(X) = σ 2 X = σ 2. Damit ist ein Schätzer für den n Stichprobenmittelwert gefunden, sofern n genügend gross ist (n > 30). Bsp. Wie gross ist die Wahrscheinlichkeit, dass sich der durchschnittliche Kaffeekonsum von 100 Personen um ± 0.2 Tassen vom arithmetischen Mittel 2.4 der Grundgesamtheit entfernt? Varianz aus Vorgaben berechnet. Var(X) = 0.84.
3 Sandra Schlick Seite 3 4.Seminar2014.doc Berechnung von VAR(X) ergibt :VAR(X) = σ 2 X = 0.84 n VAR(X) = σ = 0.84 X 100 = Standardisieren: z = x µ = σ X (σ aus Messungen berechnet) = 2.18 resp = z σ = x µ wobei x µ = ± 0.2 X Tabellenwerte bei z = 2. 18; ergibt die gesuchte Wahrscheinlichkeit: W = = , d. h. mit 97 %iger Wahrscheinlichkeit befindet sich der Mittelwert im Intervall [2.2; 2.6]. Excel: Formel: P(µ z σ X X µ + z σ X ) = vorgegebene Wahrscheinlichkeit Repräsentationsschluss Vorgehen: Berechnen des Mittelwerts aus einer vorgegebenen Stichprobe und anschliessend Vergleich mit Grundgesamtheit. µ ;µ Intervall für x = Tabelle für z (P = 90 %) Excel: =NORMINV(0.95;0;1) = Tabellenwert von z für 90% (beidseitig). Ersetzen von µ durch x (Messwert) = Interpretation: Mit 90%iger Wahrscheinlichkeit liegt der wahre Mittelwert im Mittelwerts-Intervall [ ; ] = [2.2434; ] der Messung. Berechnung ganz analog zum 1-s-Intervall = Mittelwert ± 1 Standardabweichung. Unterschied: Die Standardabweichung vom Mittelwert. Diese zeigt an, wie stark der Mittelwert streuen könnte, wenn man verschiedene Stichprobenmittelwerte miteinander vergleicht. Excel Befehl für Konfidenzintervall: Formel: P µ [ ] = =NORMVERT(2.6;2.4;0.0917;1) =NORMVERT(2.2;2.4;0.0917;1) =KONFIDENZ(0.1;0.917;200) Formel: P(X z σ µ X + z σ ) = 1 α X X 1 α =Konfidenzintervall z σ X = maximaler Schätzfehler Konfidenzintervall Erwartungswerte, Vergleich Wahrscheinlichkeiten, Steigung Regressionsgerade, Varianz: Sachs S t-verteilung Mittelwert (Erwartungswert) ist t-verteilt, wenn die Varianz geschätzt werden muss (Stichprobenvarianz). Die t-verteilung verläuft ähnlich wie die Normalverteilung, sie ist etwas flacher, d. h. die geschätzte Varianz ist etwas grösser als der wahre Wert. Der t-test wird zur Schätzung der Unterschiede in den Mittelwerten von zwei Gruppen verwendet. Die Gruppen können unabhängig (z. B. der Blutdruck von Patienten, die ein Medikament bekamen, und von einer Kontrollgruppe, die ein Placebo erhielt) oder abhängig sein (z. B. der Blutdruck von Patienten "bevor" sie ein Medikament bekamen, und "danach"). Theoretisch kann der t-test benutzt werden, wenn der Stichprobenumfang sehr klein ist (z. B. 10), solange die Variablen annähernd normalverteilt sind und die Schwankung der Ergebnisse in den zwei Gruppen nicht wesentlich differiert. t-test für abhängige Stichproben. Wenn zwei Messgruppen, die miteinander verglichen werden, auf der gleichen Gruppe von Beobachtungseinheiten, die zweimal getestet wurden (z. B. "vorher" und "nachher"), basieren, kann ein wesentlicher Teil der Inner-Gruppen-Streuung in beiden Ergebnisgruppen den Unterschieden zwischen den Fällen zugeordnet und vom Fehler abgezogen werden.
4 Sandra Schlick Seite 4 4.Seminar2014.doc t-test für einzelne Stichproben. Hier wird der beobachtete Mittelwert mit einem erwarteten Mittelwert der Grundgesamtheit verglichen. Die Streuung in der Grundgesamtheit (Varianz) wird auf Basis der Streuung in der beobachteten Stichprobe geschätzt. Thema: χ 2 Tests vgl. Test Name Verwendung bei Prüfgrösse Kritischer Wert Excel ℵ 2 - Test Verteilungseigenschaften Quadrierte Differenzen CHIINV(α;df) Testentscheidung: ℵ 2 Test: berechnetes ℵ 2 > kritischer Wert: H 0 verwerfen. Mit dem ℵ 2 -Test (Chi-Quadrat-Test) untersucht man Verteilungseigenschaften einer statistischen Grundgesamtheit. 1. Es gibt zwei ℵ 2 - Tests: 2. Verteilungstest oder Anpassungstest: Man prüft, ob vorliegende Daten einer bestimmten nicht bekannten Verteilung F entstammen. Man betrachtet ein statistisches Merkmal x, dessen Wahrscheinlichkeiten in der Grundgesamtheit unbekannt sind. Es wird bezüglich der Wahrscheinlichkeiten von x eine allgemein formulierte Nullhypothese aufgestellt: H 0 : Das Merkmal x hat die Wahrscheinlichkeitsverteilung F = F 0 (x) = Normalverteilung Vorgehen: Die n Beobachtungen von x liegen in m verschiedenen Kategorien j (j = 1,... m) vor. Treten bei einem Merkmal sehr viele Ausprägungen auf, fasst man sie zweckmäßigerweise in m Klassen zusammen und fasst die Klassenzugehörigkeit als j-te Kategorie auf. Die Zahl der Beobachtungen in einer Kategorie ist die beobachtete Häufigkeit n j. Man überlegt sich nun, wie viele Beobachtungen im Mittel in einer Kategorie liegen müssten, wenn x tatsächlich die hypothetische Verteilung hat. Dazu berechnet man zunächst die Wahrscheinlichkeit F 0 (x) j, dass x in diese Kategorie fällt. Die unter H 0 zu erwartende Häufigkeit ist: n j0 = F 0 (x) j n m ( n Die Prüfgröße für den Test ist: χ 2 j n j0 ) 2 = Die Prüfgröße ℵ 2 ist bei ausreichend großen nj annähernd ℵ 2 -verteilt mit m-1 Freiheitsgraden (degree of freedom=df). Wenn die Nullhypothese wahr ist, sollte der Unterschied zwischen der beobachteten und der theoretisch erwarteten Häufigkeit klein sein. Also wird H 0 bei einem hohen Prüfgrößenwert abgelehnt, der Ablehnungsbereich für H 0 liegt rechts. Bei einem Signifikanzniveau α wird H 0 abgelehnt, wenn ℵ 2 > ℵ 2 (1-α; m-1), dem (1-α)-Quantil der ℵ 2 -Verteilung mit m-1 Freiheitsgraden ist. Es existieren Tabellen für die ℵ 2 -Schwellenwerte in Abhängigkeit von der Anzahl der Freiheitsgrade und vom gewünschten Signifikanzniveau, z. B. Verteilung oder (knapper) Test/Basis-Statistik-Chi-Quad-Tabel/basis-statistik-chi-quad-tabel.html Soll die Sicherheitsschwelle (=Signifikanzniveau) von einem bestimmten ℵ 2 bestimmt werden, so wird aus der Tabelle ein interpoliert. Einfacher geht s mit Excel. Beispiel 1 Anpassungstest Nullhypothese: belgische 1-Euro Münzen sind fair. Eine Versuchsreihe von n = 250 Würfen zeigte 140 mal Kopf und 110 mal Zahl. Vergleich mit erwarteten Anzahlen: Kopf Zahl Beobachtete Anzahlen n 1 = 140 N 2 = 110 Wahrscheinlichkeiten unter H 0 p 1 = 0.5 p 2 = 0.5 j=1 n j0
5 Sandra Schlick Seite 5 4.Seminar2014.doc Erwartete Anzahlen unter H 0 n p 1 = 125 n p 2 = (n χ 2 = j n p j ) 2 = n p j j=1 ( ) ( )2 125 = = 3.6 Eine Verteilung ist ℵ 2 verteilt, wenn sie die quadrierten Abweichungen zu den hypothetischen Häufigkeiten ins Verhältnis setzt. Da nur Kopf oder Zahl geworfen werden können, hat dieses Beispiel nur 1 Freiheitsgrad. Signifikanzniveau α = 5%. Der kritische Wert wird aus Excel folgendermassen berechnet: =CHIINV(0.05;1) Testentscheidung: Wenn berechnetes ℵ 2 < kritischer Wert: Nullhypothese beibehalten, sonst (ℵ 2 > kritischer Wert) H 0 verwerfen. Hier: ℵ 2 < kritischer Wert H 0 Beibehalten. 3. Unabhängigkeitstest: Prüfung, ob zwei Merkmale stochastisch unabhängig sind. k l (n Testregel : ij E ij ) 2 2 > χ (k 1)(l 1) 1 α i=1 j=1 E ij [ ] H 0 verwerfen. Beachte: es werden 2 Freiheitsgrade bestimmt der Merkmale mit Anzahl Ausprägungen je Merkmal k und l. Beispiel 2 Unabhängigkeitstest Gehen männliche und weibliche Jugendliche in Deutschland in die gleichen Berufe? Folgende Tabelle ( Kontingenztabelle = Darstellung der gemeinsamen Verteilung von x und y vertikale Richtung: k Ausprägungen, horizontale Richtung: L Ausprägungen) ist vorgegeben: Beobachtete Anzahlen Ausbildungsbereich Männlich Weiblich Total Industrie und Handel Handwerk Öffentlicher Dienst Total Erwartete Anzahlen (je Zelle Spalten- mal Zeilensumme geteilt durch Gesamttotal) Ausbildungsbereich Männlich Weiblich Total Industrie und Handel Handwerk Öffentlicher Dienst Total Berechnung Prüfgröße aus erwartet und gemessen Ausbildungsbereich Männlich Weiblich Total Industrie und Handel Handwerk Öffentlicher Dienst Total Die quadratische Kontingenz wurde zu berechnet. Berechnung des kritischen Werts: Anzahl Freiheitsgrade: (k-1)(l-1) = (2 1)(3 1) = 2, Signifikanzniveau α = (Vorgabewert). Excel: =CHIINV(0.001;2) Testentscheidung: χ 2 = > H 0 verwerfen Berufswahl und Geschlecht sind nicht voneinander unabhängig. Weitere kritische Werte: α = 1% 9.21; α = 5% 5.99; α = 10% 4.61; D. h. auf dem 1%-Niveau wird H 0 angenommen. Aufgaben χ2-test 1. Überprüfen Sie die Berechnungen zur quadratische Kontingenz aus Beispiel Aufgabe aus Schira: Statistische Methoden der VWL und BWL : Ist der Würfel gefälscht? Mit einem Anpassungstest soll geprüft werden, ob ein bestimmter Würfel so ebenmässig gefertigt ist, dass er als fair gelten kann, so dass alle Augenzahlen mit der gleichen Wahrscheinlichkeit auftreten. Dazu wird eine Versuchsreihe mit 100 Würfen durchgeführt, mit folgendem Ergebnis: Augenzahlen
6 Sandra Schlick Seite 6 4.Seminar2014.doc Beobachtete Anzahlen a) Wie gross sind Prüfgrösse und Anzahl der Freiheitsgrade? b) Testen Sie die Nullhypothese eines fairen Würfels. 3. Aus: Bourier Statistik-Übungen S In einer repräsentativen Umfrage wurden 2002 weibliche Wahlberechtigte aus dem früheren Bundesgebiet nach ihrem Wahlverhalten befragt. Die Befragten wurden in 5 Altersklassen eingeteilt. In der Tabelle (Excel-Template Testen.xls Tabelle BourierStatÜbAlterWahlverh sind die Befragungsergebnisse für die CDU/CSU, SPD, die Grünen und die FDP wiedergegeben. Beobachtet Partei CDU/CSU SPD Grüne FPD Total Alter und mehr Total Prüfen Sie bei einem Signifikanzniveau von 1%, ob Alter und Wahlentscheid der weiblichen Wahlberechtigten im früheren Bundesgebiet voneinander abhängig waren. Lösungshinweise: 2. Berechnung quadratische Kontingenz als Prüfgrösse. Augenzahlen Summe Beobachtete Anzahlen Wahrscheinlichkeiten unter H Erwartete Anzahlen unter H (his - hie)^2 / (hie) df = (6-1)= = CHIINV(0.001;5) Kritischer Wert: α = 1% 15.09; (weitere Werte: α = 5% 11.07; α = 10% 9.24) 3. Erwartet Partei j CDU/CSU SPD Grüne FPD Total Alter i und mehr Total Berechnung Prüfgrösse CDU/CSU SPD Grüne FPD Summe Berechneter Wert Liegt im Ablehnungsbereich (15.09 < 26.22), d. h. Wahl von Alter bei weiblicher Bevölkerung abhängig.
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrAnpassungstests VORGEHENSWEISE
Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel
MehrChi-Quadrat Verfahren
Chi-Quadrat Verfahren Chi-Quadrat Verfahren werden bei nominalskalierten Daten verwendet. Die einzige Information, die wir bei Nominalskalenniveau zur Verfügung haben, sind Häufigkeiten. Die Quintessenz
MehrStatistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und
MehrWahrscheinlichkeitsrechnung und schließende Statistik
Günther Bourier Wahrscheinlichkeitsrechnung und schließende Statistik Praxisorientierte Einführung Mit Aufgaben und Lösungen 3. F überarbeitete Auflage GABLER Inhaltsverzeichnis Vorwort Inhaltsverzeichnis
MehrEinführung in die Induktive Statistik: Testen von Hypothesen
Einführung in die Induktive Statistik: Testen von Hypothesen Jan Gertheiss LMU München Sommersemester 2011 Vielen Dank an Christian Heumann für das Überlassen von TEX-Code! Testen: Einführung und Konzepte
Mehr8. Konfidenzintervalle und Hypothesentests
8. Konfidenzintervalle und Hypothesentests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Beispiel. Sie wollen den durchschnittlichen Fruchtsaftgehalt eines bestimmten Orangennektars
MehrStatistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
MehrStatistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de
rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent
MehrZweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz
Grundlage: Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz Die Testvariable T = X µ 0 S/ n genügt der t-verteilung mit n 1 Freiheitsgraden. Auf der Basis
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Punkt- und Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr.
MehrMathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007
Mathematik IV für Maschinenbau und Informatik Stochastik Universität Rostock, Institut für Mathematik Sommersemester 007 Prof. Dr. F. Liese Dipl.-Math. M. Helwich Serie Termin: 9. Juni 007 Aufgabe 3 Punkte
MehrJost Reinecke. 7. Juni 2005
Universität Bielefeld 7. Juni 2005 Testtheorie Test für unabhängige Stichproben Test für abhängige Stichproben Testtheorie Die Testtheorie beinhaltet eine Reihe von Testverfahren, die sich mit der Überprüfung
MehrGrundgesamtheit und Stichprobe
Grundgesamtheit und Stichprobe Definition 1 Die Menge der Untersuchungseinheiten {U 1,U 2,...,U N } heißt Grundgesamtheit. Die Anzahl N der Einheiten ist der Umfang der Grundgesamtheit. Jeder Einheit U
Mehr3 Grundlagen statistischer Tests (Kap. 8 IS)
3 Grundlagen statistischer Tests (Kap. 8 IS) 3.1 Beispiel zum Hypothesentest Beispiel: Betrachtet wird eine Abfüllanlage für Mineralwasser mit dem Sollgewicht µ 0 = 1000g und bekannter Standardabweichung
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 15 009 FernUniversität in Hagen Alle Rechte vorbehalten Fachbereich Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
MehrProbleme bei kleinen Stichprobenumfängen und t-verteilung
Probleme bei kleinen Stichprobenumfängen und t-verteilung Fassen wir zusammen: Wir sind bisher von der Frage ausgegangen, mit welcher Wahrscheinlichkeit der Mittelwert einer empirischen Stichprobe vom
MehrMathematische und statistische Methoden II
Statistik & Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte
MehrGrundgesamtheit und Stichprobe
Grundgesamtheit und Stichprobe Definition 1 Die Menge der Untersuchungseinheiten {U 1,U 2,...,U N } heißt Grundgesamtheit. Die Anzahl N der Einheiten ist der Umfang der Grundgesamtheit. Jeder Einheit U
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
MehrPrüfgröße: Ist die durch eine Schätzfunktion zugeordnete reelle Zahl (etwa Mittelwert 7 C).
Statistik Grundlagen Charakterisierung von Verteilungen Einführung Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsverteilungen Schätzen und Testen Korrelation Regression Einführung Aus praktischen Gründen
MehrTest auf den Erwartungswert
Test auf den Erwartungswert Wir interessieren uns für den Erwartungswert µ einer metrischen Zufallsgröße. Beispiele: Alter, Einkommen, Körpergröße, Scorewert... Wir können einseitige oder zweiseitige Hypothesen
MehrEinfache Varianzanalyse für unabhängige Stichproben
Einfache Varianzanalyse für unabhängige Stichproben VARIANZANALYSE Die Varianzanalyse ist das dem t-test entsprechende Mittel zum Vergleich mehrerer (k 2) Stichprobenmittelwerte. Sie wird hier mit VA abgekürzt,
MehrKlausur (Modulprüfung) zum Lehrerweiterbildungskurs Stochastik am von 10:00 bis 11:00 Uhr
Klausur (Modulprüfung) zum Lehrerweiterbildungskurs Stochastik am 5..201 von 10:00 bis 11:00 Uhr Bearbeiten Sie zwei der drei folgenden Aufgaben! Sätze aus der Vorlesung und den Übungen dürfen Sie ohne
MehrLösungen zu den Übungsaufgaben in Kapitel 10
Lösungen zu den Übungsaufgaben in Kapitel 10 (1) In einer Stichprobe mit n = 10 Personen werden für X folgende Werte beobachtet: {9; 96; 96; 106; 11; 114; 114; 118; 13; 14}. Sie gehen davon aus, dass Mittelwert
Mehr4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 4.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrHypothesenprüfung. Darüber hinaus existieren zahlreiche andere Testverfahren, die alle auf der gleichen Logik basieren
Hypothesenprüfung Teil der Inferenzstatistik Befaßt sich mit der Frage, wie Hypothesen über eine (in der Regel unbekannte) Grundgesamtheit an einer Stichprobe überprüft werden können Behandelt werden drei
MehrKlausur zu Statistik II
GOETHE-UNIVERSITÄT FRANKFURT FB Wirtschaftswissenschaften Statistik und Methoden der Ökonometrie Prof. Dr. Uwe Hassler Wintersemester 03/04 Klausur zu Statistik II Matrikelnummer: Hinweise Hilfsmittel
MehrKonfidenzintervalle. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09
Konfidenzintervalle Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09 Münzspiel Experiment 100 Münzwürfe: Stefan gewinnt bei "Kopf" Hypothesen H 0 : Stefan wird so oft gewinnen
MehrZentraler Grenzwertsatz/Konfidenzintervalle
/ Statistik I Sommersemester 2009 Statistik I ZGWS/ (1/37) Kann Ahmadinejad die Wahl gewonnen haben? Im wesentlichen Dreiteilung der polit. Elite 2005: 17.3 Millionen Stimmen (Stichwahl), Wahlbeteiligung
Mehrb) Bestimmen Sie die Varianz der beiden Schätzer. c) Ist ein oder sind beide Schätzer konsistent? Begründen Sie!
Aufgabe 1 (3 + 3 + 2 Punkte) Ein Landwirt möchte das durchschnittliche Gewicht von einjährigen Ferkeln bestimmen lassen. Dies möchte er aus seinem diesjährigen Bestand an n Tieren schätzen. Er kann dies
MehrAllgemeines zu Tests. Statistische Hypothesentests
Statistische Hypothesentests Allgemeines zu Tests Allgemeines Tests in normalverteilten Grundgesamtheiten Asymptotische Tests Statistischer Test: Verfahren Entscheidungsregel), mit dem auf Basis einer
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 12.5.2006 1 Test auf Anteilswert: Binomialtest Sei eine Stichprobe unabhängig, identisch verteilter ZV (i.i.d.). Teile diese Stichprobe in zwei Teilmengen
MehrStatistische Tests. Kapitel Grundbegriffe. Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe
Kapitel 4 Statistische Tests 4.1 Grundbegriffe Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe X 1,..., X n. Wir wollen nun die Beobachtung der X 1,...,
MehrTesten von Hypothesen:
Testen von Hypothesen: Ein Beispiel: Eine Firma produziert Reifen. In der Entwicklungsabteilung wurde ein neues Modell entwickelt, das wesentlich ruhiger läuft. Vor der Markteinführung muss aber auch noch
MehrSchließende Statistik
Schließende Statistik Die schließende Statistik befasst sich mit dem Rückschluss von einer Stichprobe auf die Grundgesamtheit (Population). Die Stichprobe muss repräsentativ für die Grundgesamtheit sein.
MehrAufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97.
Aufgabenblock 4 Aufgabe ) Da s = 8. cm nur eine Schätzung für die Streuung der Population ist, müssen wir den geschätzten Standardfehler verwenden. Dieser berechnet sich als n s s 8. ˆ = = =.88. ( n )
Mehr1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung
0 Einführung 1 Wahrscheinlichkeitsrechnung Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Intervallschätzung Motivation und Hinführung Der wahre Anteil der rot-grün Wähler 009 war genau
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003. Eine seltene Krankheit trete mit Wahrscheinlichkeit : 0000 auf. Die bedingte Wahrscheinlichkeit, dass ein bei einem Erkrankten durchgeführter
MehrKapitel 3 Schließende Statistik
Beispiel 3.4: (Fortsetzung Bsp. 3.) bekannt: 65 i=1 X i = 6, also ˆp = X = 6 65 = 0, 4 Überprüfen der Voraussetzungen: (1) n = 65 30 () n ˆp = 6 10 (3) n (1 ˆp) = 39 10 Dr. Karsten Webel 194 Beispiel 3.4:
MehrWebinar Induktive Statistik. - Wahrscheinlichkeitsrechnung - Stichprobentheorie
Webinar Induktive Statistik - Wahrscheinlichkeitsrechnung - Stichprobentheorie Wahrscheinlichkeitstheorie Aufgabe : Zwei Lieferanten decken den Bedarf eines PKW-Herstellers von 00.000 Einheiten pro Monat.
Mehr10. Die Normalverteilungsannahme
10. Die Normalverteilungsannahme Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Bisher haben wir vorausgesetzt, daß die Beobachtungswerte normalverteilt sind. In diesem Fall kann man
MehrTHEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ
WEBINAR@LUNCHTIME THEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ EINLEITENDES BEISPIEL SAT: Standardisierter Test, der von Studienplatzbewerbern an amerikanischen Unis gefordert
Mehrk np g(n, p) = Pr p [T K] = Pr p [T k] Φ. np(1 p) DWT 4.1 Einführung 359/467 Ernst W. Mayr
Die so genannte Gütefunktion g gibt allgemein die Wahrscheinlichkeit an, mit der ein Test die Nullhypothese verwirft. Für unser hier entworfenes Testverfahren gilt ( ) k np g(n, p) = Pr p [T K] = Pr p
MehrVertiefung der. Wirtschaftsmathematik. und Statistik (Teil Statistik)
Selbstkontrollarbeit 1 Vertiefung der Wirtschaftsmathematik und Statistik (Teil Statistik) 18. Januar 2011 Aufgaben Aufgabe 1 Gegeben sei eine binomialverteilte Zufallsvariablen X mit den Parametern N
MehrKapitel 7. Regression und Korrelation. 7.1 Das Regressionsproblem
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandelt die Verteilung einer Variablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem
MehrBiometrie und Methodik (Statistik) - WiSem08/09 Probeklausur 1
Biometrie und Methodik (Statistik) - WiSem08/09 Probeklausur 1 Aufgabe 1 (10 Punkte). 10 Schüler der zehnten Klasse unterziehen sich zur Vorbereitung auf die Abschlussprüfung einem Mathematiktrainingsprogramm.
MehrHypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests
ue biostatistik: hypothesen, fehler 1. und. art, power 1/8 h. lettner / physik Hypothesen: Fehler 1. und. Art, Power eines statistischen Tests Die äußerst wichtige Tabelle über die Zusammenhänge zwischen
MehrBiometrieübung 11 Kontingenztafeln
Biometrieübung 11 (Kontingenztafeln) - Aufgabe Biometrieübung 11 Kontingenztafeln Aufgabe 1 2x2-Kontingenztafeln 100 weibliche Patienten sind mit einer konventionellen Therapie behandelt worden 85 Patientinnen
MehrHinweis: Es sind 4 aus 6 Aufgaben zu bearbeiten. Werden mehr als 4 Aufgaben bearbeitet, werden nur die ersten vier Aufgaben gewertet.
11.01.2012 Prof. Dr. Ingo Klein Klausur zur VWA-Statistik Hinweis: Es sind 4 aus 6 Aufgaben zu bearbeiten. Werden mehr als 4 Aufgaben bearbeitet, werden nur die ersten vier Aufgaben gewertet. Aufgabe 1:
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2013 Aufgabe 1 In einer Urne
MehrZufallsvariablen [random variable]
Zufallsvariablen [random variable] Eine Zufallsvariable (Zufallsgröße) X beschreibt (kodiert) die Versuchsausgänge ω Ω mit Hilfe von Zahlen, d.h. X ist eine Funktion X : Ω R ω X(ω) Zufallsvariablen werden
MehrStatistik II für Betriebswirte Vorlesung 1
Statistik II für Betriebswirte Vorlesung 1 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 19. Oktober 2016 Prof. Dr. Hans-Jörg Starkloff Statistik II für Betriebswirte Vorlesung
MehrAblaufschema beim Testen
Ablaufschema beim Testen Schritt 1 Schritt 2 Schritt 3 Schritt 4 Schritt 5 Schritt 6 Schritt 7 Schritt 8 Schritt 9 Starten Sie die : Flashanimation ' Animation Ablaufschema Testen ' siehe Online-Version
MehrDie ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist.
.3. Stochastik Grundlagen Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist. Die RELATIVE HÄUFIGKEIT einer Merkmalsausprägung gibt an mit welchem Anteil
MehrGrundlegende Eigenschaften von Punktschätzern
Grundlegende Eigenschaften von Punktschätzern Worum geht es in diesem Modul? Schätzer als Zufallsvariablen Vorbereitung einer Simulation Verteilung von P-Dach Empirische Lage- und Streuungsparameter zur
MehrZusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen
Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind
Mehrfh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik
fh management, communication & it Folie 1 Überblick Grundlagen (Testvoraussetzungen) Mittelwertvergleiche (t-test,..) Nichtparametrische Tests Korrelationen Regressionsanalyse... Folie 2 Überblick... Varianzanalyse
MehrBeurteilende Statistik
Beurteilende Statistik Wahrscheinlichkeitsrechnung und Beurteilende Statistik was ist der Unterschied zwischen den beiden Bereichen? In der Wahrscheinlichkeitstheorie werden aus gegebenen Wahrscheinlichkeiten
MehrÜbungsscheinklausur,
Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 27 Prof. Dr. F. Liese Übungsscheinklausur, 3.7.27 Dipl.-Math. M. Helwich Name:...
MehrÜbungen mit dem Applet Vergleich von zwei Mittelwerten
Vergleich von zwei Mittelwerten 1 Übungen mit dem Applet Vergleich von zwei Mittelwerten 1 Statistischer Hintergrund... 2 1.1 Typische Fragestellungen...2 1.2 Fehler 1. und 2. Art...2 1.3 Kurzbeschreibung
MehrInhaltsverzeichnis. Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite. 1.0 Erste Begriffsbildungen Merkmale und Skalen 5
Inhaltsverzeichnis Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite 1.0 Erste Begriffsbildungen 1 1.1 Merkmale und Skalen 5 1.2 Von der Urliste zu Häufigkeitsverteilungen 9 1.2.0 Erste Ordnung
MehrDas (multiple) Bestimmtheitsmaß R 2. Beispiel: Ausgaben in Abhängigkeit vom Einkommen (I) Parameterschätzer im einfachen linearen Regressionsmodell
1 Lineare Regression Parameterschätzung 13 Im einfachen linearen Regressionsmodell sind also neben σ ) insbesondere β 1 und β Parameter, deren Schätzung für die Quantifizierung des linearen Zusammenhangs
MehrBiomathematik für Mediziner, Klausur SS 2001 Seite 1
Biomathematik für Mediziner, Klausur SS 2001 Seite 1 Aufgabe 1: Von den Patienten einer Klinik geben 70% an, Masern gehabt zu haben, und 60% erinnerten sich an eine Windpockeninfektion. An mindestens einer
MehrHypothesentests mit SPSS. Beispiel für einen t-test
Beispiel für einen t-test Daten: museum-f-v04.sav Hypothese: Als Gründe, in ein Museum zu gehen, geben mehr Frauen als Männer die Erweiterung der Bildung für Kinder an. Dies hängt mit der Geschlechtsrolle
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen Spezielle Verteilungen
Wahrscheinlichkeitsrechnung und Statistik für Biologen Spezielle Verteilungen Noémie Becker & Dirk Metzler http://evol.bio.lmu.de/_statgen 7. Juni 2013 1 Binomialverteilung 2 Normalverteilung 3 T-Verteilung
MehrStatistik II: Signifikanztests /1
Medien Institut : Signifikanztests /1 Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Noch einmal: Grundlagen des Signifikanztests 2. Der chi 2 -Test 3. Der t-test
MehrInhaltsverzeichnis. 2 Kurzbeschreibung von SPSS Der SPSS-Dateneditor Statistische Analysen mit SPSS DieDaten...
Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R... 3 1.1 Installieren und Starten von R... 3 1.2 R-Befehleausführen... 3 1.3 R-Workspace speichern... 4 1.4 R-History sichern........ 4 1.5
MehrTutorial: Anpassungstest
Tutorial: Anpassungstest An einem Institut gibt es vier UniversitätslehrerInnen, die auch Diplomarbeiten betreuen. Natürlich erfordert die Betreuung einer Diplomarbeit einiges an Arbeit und Zeit und vom
Mehr2 Aufgaben aus [Teschl, Band 2]
20 2 Aufgaben aus [Teschl, Band 2] 2.1 Kap. 25: Beschreibende Statistik 25.3 Übungsaufgabe 25.3 a i. Arithmetisches Mittel: 10.5 ii. Median: 10.4 iii. Quartile: x 0.25 Y 4 10.1, x 0.75 Y 12 11.1 iv. Varianz:
Mehr1 Dichte- und Verteilungsfunktion
Tutorium Yannick Schrör Klausurvorbereitungsaufgaben Statistik Lösungen Yannick.Schroer@rub.de 9.2.26 ID /455 Dichte- und Verteilungsfunktion Ein tüchtiger Professor lässt jährlich 2 Bücher drucken. Die
MehrRegression und Korrelation
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandeltdie VerteilungeinerVariablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem dagegen
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 4B a.) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Mit "Deskriptive Statistiken", "Kreuztabellen " wird die Dialogbox "Kreuztabellen" geöffnet. POL wird in das Eingabefeld von
MehrAnalyse von Kontingenztafeln
Analyse von Kontingenztafeln Mit Hilfe von Kontingenztafeln (Kreuztabellen) kann die Abhängigkeit bzw. die Inhomogenität der Verteilungen kategorialer Merkmale beschrieben, analysiert und getestet werden.
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 9. Dezember 2010 1 Konfidenzintervalle Idee Schätzung eines Konfidenzintervalls mit der 3-sigma-Regel Grundlagen
MehrHypothesentest, ein einfacher Zugang mit Würfeln
R. Brinkmann http://brinkmann-du.de Seite 4..4 ypothesentest, ein einfacher Zugang mit Würfeln Von einem Laplace- Würfel ist bekannt, dass bei einmaligem Wurf jede einzelne der Zahlen mit der Wahrscheinlichkeit
MehrDer χ 2 -Test (Chiquadrat-Test)
Der χ 2 -Test (Chiquadrat-Test) Der Grundgedanke Mit den χ 2 -Methoden kann überprüft werden, ob sich die empirischen (im Experiment beobachteten) Häufigkeiten einer nominalen Variable systematisch von
MehrMacht des statistischen Tests (power)
Macht des statistischen Tests (power) Realer Treatment ja Ergebnis der Studie H 0 verworfen statistisch signifikant O.K. Macht H 0 beibehalten statistisch nicht signifikant -Fehler Effekt nein -Fehler
MehrEinführung in die computergestützte Datenanalyse
Karlheinz Zwerenz Statistik Einführung in die computergestützte Datenanalyse 6., überarbeitete Auflage DE GRUYTER OLDENBOURG Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL
Mehr7.3 Chi-Quadrat-Streuungstest und F-Test
7.3 Chi-Quadrat-Streuungstest und F-Test Alle bisher besprochenen Statistischen Tests sind sog. Tests über die Mittelwerte; denn ihre Nullhypothesen handeln vom Vergleich entweder zweier Mittelwerte oder
Mehr5. Spezielle stetige Verteilungen
5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für
MehrDie Abfüllmenge ist gleich dem Sollwert 3 [Deziliter].
Eine Methode, um anhand von Stichproben Informationen über die Grundgesamtheit u gewinnen, ist der Hypothesentest (Signifikantest). Hier wird erst eine Behauptung oder Vermutung (Hypothese) über die Parameter
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen Wiederholung: Verteilungen
Wahrscheinlichkeitsrechnung und Statistik für Biologen Wiederholung: Verteilungen Noémie Becker & Dirk Metzler 31. Mai 2016 Inhaltsverzeichnis 1 Binomialverteilung 1 2 Normalverteilung 2 3 T-Verteilung
MehrÜbung zur Vorlesung Statistik I WS Übungsblatt 9
Übung zur Vorlesung Statistik I WS 2012-2013 Übungsblatt 9 17. Dezember 2012 Aufgabe 26 (4 Punkte): In einer Studie mit n = 10 Patienten soll die Wirksamkeit eines Medikaments gegen Bluthochdruck geprüft
Mehr9. Schätzen und Testen bei unbekannter Varianz
9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 017 4 Spezielle Zufallsgrößen Einführung 1 Wahrscheinlichkeit: Definition
MehrSchätzen und Testen von Populationsparametern im linearen Regressionsmodell PE ΣO
Schätzen und Testen von Populationsparametern im linearen Regressionsmodell PE ΣO 4. Dezember 2001 Generalisierung der aus Stichprobendaten berechneten Regressionsgeraden Voraussetzungen für die Generalisierung
MehrAngewandte Statistik 3. Semester
Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen
MehrWiederholung Hypothesentests Zusammenfassung. Hypothesentests. Statistik I. Sommersemester Statistik I Hypothesentests I (1/36)
Statistik I Sommersemester 2009 Statistik I I (1/36) Wiederholung Grenzwertsatz Konfidenzintervalle Logik des 0.0 0.1 0.2 0.3 0.4 4 2 0 2 4 Statistik I I (2/36) Zum Nachlesen Agresti/Finlay: Kapitel 6+7
MehrParametrische vs. Non-Parametrische Testverfahren
Parametrische vs. Non-Parametrische Testverfahren Parametrische Verfahren haben die Besonderheit, dass sie auf Annahmen zur Verteilung der Messwerte in der Population beruhen: die Messwerte sollten einer
MehrTeilklausur des Moduls Kurs 42221: Vertiefung der Statistik
Name, Vorname Matrikelnummer Teilklausur des Moduls 32741 Kurs 42221: Vertiefung der Statistik Datum Termin: 21. März 2014, 14.00-16.00 Uhr Prüfer: Univ.-Prof. Dr. H. Singer Vertiefung der Statistik 21.3.2014
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie (3) Überblick. Deskriptive Statistik I 2. Deskriptive
MehrDiskrete Wahrscheinlichkeitstheorie
SS 2013 Diskrete Wahrscheinlichkeitstheorie Javier Esparza Fakultät für Informatik TU München http://www7.in.tum.de/um/courses/dwt/ss13 Sommersemester 2013 Teil V Induktive Statistik Induktive Statistik
MehrAnalyse von Querschnittsdaten. Signifikanztests I Basics
Analyse von Querschnittsdaten Signifikanztests I Basics Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Generalisierung kategoriale Variablen Datum 13.10.2004 20.10.2004 27.10.2004
MehrStatistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz 3., überarbeitete Auflage R.01denbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt
MehrNachhol-Klausur - Schätzen und Testen - Wintersemester 2013/14
Prof. Dr. Rainer Schwabe 08.07.2014 Otto-von-Guericke-Universität Magdeburg Institut für Mathematische Stochastik Nachhol-Klausur - Schätzen und Testen - Wintersemester 2013/14 Name:, Vorname: Matr.-Nr.
Mehr1.8 Kolmogorov-Smirnov-Test auf Normalverteilung
1.8 Kolmogorov-Smirnov-Test auf Normalverteilung Der Kolmogorov-Smirnov-Test ist einer der klassischen Tests zum Überprüfen von Verteilungsvoraussetzungen. Der Test vergleicht die Abweichungen der empirischen
MehrÜbungsaufgaben zu Statistik II
Übungsaufgaben zu Statistik II Prof. Dr. Irene Prof. Dr. Albrecht Ungerer Die Kapitel beziehen sich auf das Buch: /Ungerer (2016): Statistik für Wirtschaftswissenschaftler Springer Gabler 4 Übungsaufgaben
Mehr