4. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017
|
|
- Emilia Meinhardt
- vor 6 Jahren
- Abrufe
Transkript
1 4. Lösung weitere Übungsaufgaben Statistik II WiSe 016/ Aufgabe: Eine sächsische Molkerei füllt Milch in Tetrapacks ab. Es wird vermutet, dass die Füllmenge normalverteilt ist mit einem Erwartungswert von 50 ml und einer Standardabweichung von ml. In der folgenden Tabelle ist die Füllmenge schon in 5 Klassen eingeteilt. i Füllmenge x in ml H i p i (H i ) 1 x < 499 0,0668 3,34 0, x < ,417 1,085 0, x < 503 0,383 19,15 0, x < ,417 1,085 1, x 5 0,0668 3,34 0,83 a) Vervollständigen Sie die Tabelle, bestimmen Sie also die fehlenden vier Werte! b) Testen Sie die Vermutung zum Signifikanzniveau von α = 0,05! Lösung: Hypothetische Verteilung: X 0 N (50, ) a) µ = 50 und σ = p 3 = ( ) ( ) P (501 X 0 < 503) = Φ Φ = Φ (0,5) Φ ( 0,5) = Φ (0,5) (1 Φ (0,5)) = 0,6915 (1 0,6915) = 0,383 np 3 = 50 0,383 = 19,15 p 4 = ( ) ( ) P (503 X 0 < 505) = Φ Φ = Φ (1,5) Φ (0,5) = 0,933 0,6915 = 0,417 np 4 = 50 0,417 = 1,085 Hinweis: Bei diesen Aufgabenteil ist auch ein (einfacherer) anderer Lösungsweg möglich. Da X 0 symmetrisch um den Erwartungswert µ = 40 verteilt ist gilt: p 4 = P (503 X 0 < 505) = P (499 X 0 < 501) = p = 0,417. 1
2 Und aus 5 p i = 1 = p 3 = 1 (p 1 + p + p 4 + p 5 ) i=1 b) Hypothetische Verteilung: X 0 N (50, ) X- zufällige Füllmenge. 1. = 1 (0, , , ,0668) = 0,383. H 0 : F X (t) = F X0 (t) für alle t gegen H A : F X (t) F X0 (t) für mindestens ein t. α = 0,05 3. T = k i=1 (H i ) 4. K = {t t > χ k m 1; 1 α = χ 5 0 1; 1 0,05 = χ 4; 0,95 = 9,49} (k = 5 Klassen und m = 0 (beide Parameter sind vorgegeben)) 5. t = 0,54 + 0,07 + 0,4 + 1,38 + 0,83 = 3,4 6. t = 3,4 9,49 = H 0 wird angenommen. Die Verteilung der zufälligen Füllmenge unterscheidet sich nicht signifikant von einer Normalverteilung mit einem Erwartungswert von 50 ml und einer Standardabweichung von ml.. Aufgabe: 100 Leser eines Wirtschaftsmagazins wurden nach ihren durchschnittlichen Lesezeiten befragt. Es soll untersucht werden, ob die Lesezeit normalverteilt ist. Dazu liegt folgendes Testergebnis vor. Goodness-of-Fit Tests for Lesezeit Chi-Square Test Lower Upper Observed Expected Limit Limit Frequency Frequency Chi-Square at or below 48,0 1,06 0,55 48,0 60,0 3 3,00 0,00 60,0 7,0 6 5,75 0,01 7,0 84,0 10 9,39 0,04 84,0 96,0 1 13,08 0,09 96,0 108, ,5 108,0 10, ,71 10,0 13,0 1 13,55 0,18 13,0 144,0 1 9,97 0,41 144,0 156,0 4 6,5 0,81 156,0 168,0 3,34 0,54 above 168,0 4,38 1,10 Chi-Square = 4,53981
3 a) Bestimmen Sie die fehlenden Werte in der Tabelle (Spalte Chi-Square). b) Führen Sie den Test zu Ende und treffen Sie die Testentscheidung zum Niveau α = 0,05. c) Mit den gleichen Daten wurde ein weiterer Test mit folgendem Ergebnis durchgeführt. Tests for Normality for Lesezeit Test Statistic P-Value Shapiro-Wilk W 0, , Welche Hypothese wird getestet und wie lautet die Testentscheidung bei α = 0,05? Lösung: X- zufällige durchschnittliche Lesezeit. a) i = 6 : i = 7 : (H i ) = (H i ) = (19 15,5) 15,5 (15 15,71) 15,71 = 0,78 = 0,03 b) H 0 : durchschnittliche Lesezeit X ist normalverteilt H A : durchschnittliche Lesezeit X ist nicht normalverteilt t = 0,55 + 0,00 + 0, ,54 + 1,10 = 4,54 K = { } t t > χ k m 1;1 α k = 1 und m = χ 9,0.95 = 16,9 t = 4,54 16,9 = χ 9,0.95 = H 0 wird angenommen. Die durchschnittliche Lesezeit unterscheidet sich nicht signifikant von einer Normalverteilung. c) H 0 : durchschnittliche Lesezeit X ist normalverteilt H A : durchschnittliche Lesezeit X ist nicht normalverteilt p = 0, > 0,05 = α = H 0 wird angenommen. Die durchschnittliche Lesezeit unterscheidet sich nicht signifikant von einer Normalverteilung. 3
4 3. Aufgabe: In der ersten Fußballbundesliga sind in der Saison 015/ Tore gefallen. Das sind bei 306 Spielen im Schnitt,83 Tore pro Spiel. Dabei erzielten die Heimmannschaften 479 Tore (Ø 1,57 pro Spiel) und die Gastmannschaften 387 (Ø 1,6 pro Spiel). a) Für die Tore der Heimmannschaft gibt es folgende Häufigkeitsverteilung: Tore Heimmannschaft Häufigkeit Testen Sie, zum Niveau α = 0,05, ob die Anzahl der Tore der Heimmannschaft pro Spiel Poisson-verteilt ist. Lösung: Hypothetische Verteilung: X 0 Poi(λ) X- zufällige Anzahl der Tore der Heimmannschaft (pro Spiel). 1. H 0 : F X (t) = F X0 (t) für alle t gegen H A : F X (t) F X0 (t) für mindestens ein t. α = 0,05 3. T = k i=1 (H i ) 4. K = {t t > χ k m 1; 1 α = χ 7 1 1; 1 0,05 = χ 5; 0,95 = 11,07} (k = 7 Klassen und m = 1 (ein Parameter muss geschätzt werden)) 4
5 5. EX 0 = λ und damit wird λ wie folgt g eschätzt: ˆλ = x = = 1,56536 i Tore Heimmannschaft H i p i (H i ) ,090 63,95 1, ,37 100,1 0, ,561 78,37 1, , ,88 0, , , ,0164 5,0 4, und mehr 3 0,0054 1,65 1,1 p 1 = P (X 0 = 0) = λ0 0! e λ = 1, e 1,56536 = 0,090 0!. p 6 = P (X 0 = 5) = λ5 5! e λ = 1, e 1,56536 = 0,0163 5! p 7 = P (X 0 6) = 1 (p p 6 ) = 0,0054 t = 1,58 + 0,17 + 1,65 + 0,11 + 0,56 + 4,94 + 1,1 = 10,11 6. t = 10,11 11,07 = H 0 wird angenommen. Die Anzahl der Tore pro Spiel der Heimmannschaft unterscheidet sich nicht signifikant von einer Poisson-Verteilung, bei Signifikanzniveau α = 0,05. Bemerkung: Legt man beim Test die letzten beiden Klassen zu einer (5 und mehr Tore) zusammen, so wird beim Signifikanzniveau α = 0, 05 H 0 abgelehnt. Beim Niveau α = 0, 01 wird auch bei dieser geänderten Klasseneinteilung H 0 angenommen. 5
6 b) Betrachtet man die Häufigkeiten der Tore der Gastmannschaft so erhält man beim Test auf Poissonverteilung mit Statgraphics das folgende Ergebnis: Goodness-of-Fit Tests for Tore Auswärtsmannschaft Chi-Square Test Lower Upper Observed Expected Limit Limit Frequency Frequency Chi-Square at or below 0, ,39 0,08 1,0 1, ,6 0,01,0, ,09,48 3,0 3,0 40 9,13 4,06 4,0 4,0 10 9,1 0,07 5,0 1,93 1,7 Chi-Square = 7,95854 with 4 d.f. P-Value = 0, Wie lautet die Testentscheidung und das Testergebnis bei α = 0,05? Lösung: Hypothetische Verteilung: X 0 Poi(λ) X- zufällige Anzahl der Tore der Gastmannschaft (pro Spiel). 1. H 0 : F X (t) = F X0 (t) für alle t gegen H A : F X (t) F X0 (t) für mindestens ein t. α = 0,05 6. p = 0, > 0,05 = α = H 0 wird angenommen. Die Anzahl der Tore pro Spiel der Gastmannschaft unterscheidet sich nicht signifikant von einer Poisson-Verteilung, bei Signifikanzniveau α = 0,05. 6
2. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017
. Lösung weitere Übungsaufgaben Statistik II WiSe 016/017 1. Aufgabe: Bei der Produktion eines Werkstückes wurde die Bearbeitungszeit untersucht. Für die als normalverteilt angesehene zufällige Bearbeitungszeit
MehrStatistik II für Betriebswirte Vorlesung 3
Statistik II für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 30. Oktober 2017 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 3 Version:
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
Mehr3) Testvariable: T = X µ 0
Beispiel 4.9: In einem Molkereibetrieb werden Joghurtbecher abgefüllt. Der Sollwert für die Füllmenge dieser Joghurtbecher beträgt 50 g. Aus der laufenden Produktion wurde eine Stichprobe von 5 Joghurtbechern
Mehr13. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017
13. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017 1. Aufgabe: Für 25 der größten Flughäfen wurde die Anzahl der abgefertigten Passagiere in den Jahren 2009 und 2012 erfasst. Aus den Daten (Anzahl
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
Mehr6. Tutoriumsserie Statistik II
6. Tutoriumsserie Statistik II 1. Aufgabe: Eine Unternehmensabteilung ist ausschließlich mit der Herstellung eines einzigen Produktes beschäftigt. Für 10 Perioden wurden folgende Produktmenge y und Gesamtkosten
Mehr0 sonst. a) Wie lautet die Randwahrscheinlichkeitsfunktion von Y? 0.5 y = 1
Aufgabe 1 (2 + 2 + 2 + 1 Punkte) Gegeben sei folgende gemeinsame Wahrscheinlichkeitsfunktion f(x, y) = P (X = x, Y = y) der Zufallsvariablen X und Y : 0.2 x = 1, y = 1 0.3 x = 2, y = 1 f(x, y) = 0.45 x
Mehr7. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17
7. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17 1. Aufgabe: a) Grundgesamtheit sind alle Reifen aus der Produktion von Langstone aus dem Monat März der entsprechenden Reifentypen.
Mehr73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments
73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind
MehrGrundidee. χ 2 Tests. Ausgangspunkt: Klasseneinteilung der Beobachtungen in k Klassen. Grundidee. Annahme: Einfache Zufallsstichprobe (X 1,..., X n ).
Grundidee χ 2 -Anpassungstest χ 2 -Unabhängigkeitstest χ 2 -Homogenitätstest χ 2 Tests Grundidee Ausgangspunkt: Klasseneinteilung der Beobachtungen in k Klassen Annahme: Einfache Zufallsstichprobe (X 1,,
MehrWahrscheinlichkeitsrechnung und Statistik. 11. Vorlesung /2019
Wahrscheinlichkeitsrechnung und Statistik 11. Vorlesung - 2018/2019 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 2 heißt Median. P(X < z
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
Mehr5. Seminar Statistik
Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation
MehrKLAUSUR_MAI_08 LÖSUNGEN Stat2. 1. Eine Einkommensstatistik (Jahresbruttoeinkommen, klassiert), zeigte folgende Ergebnisse: (in 1000 Euro)
1. Eine Einkommensstatistik (Jahresbruttoeinkommen, klassiert), zeigte folgende Ergebnisse: (in 1000 Euro) 10 bis unter 20 20 30 30 40 über 40 bis 100 U (Unselbständige) 46 89 90 45 S (Selbständige) 63
MehrWahrscheinlichkeitsrechnung und Statistik
10. Vorlesung - 017 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 heißt Median. P(X < z α ) α P(X z α ). Falls X stetige zufällige Variable
MehrStatistik II. Version A. 1. Klausur Sommersemester 2011 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik II Version A 1. Klausur Sommersemester 2011 Hamburg, 27.07.2011 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................
MehrDie Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
MehrDie Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
MehrKlausur Statistik Lösungshinweise
Klausur Statistik Lösungshinweise Prüfungsdatum: 21. Januar 2016 Prüfer: Etschberger, Heiden, Jansen Studiengang: IM und BW Punkte: 15, 15, 12, 14, 16, 18 ; Summe der Punkte: 90 Aufgabe 1 15 Punkte Bei
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Schließende Statistik Sommersemester Namensschild. Dr.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Schließende Statistik Sommersemester 2013 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Kleben Sie bitte sofort Ihr Namensschild
MehrStatistik II für Betriebswirte Vorlesung 1
Statistik II für Betriebswirte Vorlesung 1 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 16. Oktober 2017 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 1 Version:
Mehr11. weitere Übungsaufgaben Statistik II WiSe 2017/2018
11. weitere Übungsaufgaben Statistik II WiSe 2017/2018 1. Aufgabe: Bei 100 Fahrzeugen des gleichen Typs sind neben dem Preis (PREIS) auch die gefahrene Strecke (MEILEN) und die Anzahl der Werkstattbesuche
MehrNachklausur Mathematik für Biologen WS 08/09
Aufgabe 1: (5 Punkte) In einer diploiden Population beobachten wir die Ausprägung eines bestimmten Gens, das zwei Allele V und W annimmt. Somit besitzt jedes Individuum V V, V W oder W W als Genotyp. Die
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:
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
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests Nach Verteilungsannahmen: verteilungsabhängig: parametrischer [parametric] Test verteilungsunabhängig: nichtparametrischer [non-parametric] Test Bei parametrischen Tests
Mehr7. Lösung weitere Übungsaufgaben Statistik II WiSe 2017/2018
7. Lösung weitere Übungsaufgaben Statistik II WiSe 2017/2018 1. Aufgabe: Die durchschnittliche tägliche Verweildauer im Internet wurde bei 60 Studierenden (30 Männer und 30 Frauen) erfragt. Die Studierenden
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
MehrVorname: Nachname: Matrikel-Nr.: Klausur Statistik
Vorname: Nachname: Matrikel-Nr.: Klausur Statistik Prüfer Etschberger, Heiden, Jansen Prüfungsdatum 21. Januar 2016 Prüfungsort Augsburg Studiengang IM und BW Bearbeitungszeit: 90 Minuten Punkte: 90 Die
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
Mehr7. Hypothesentests. Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang. X habe die unbekannte VF F X (x)
7. Hypothesentests Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang X habe die unbekannte VF F X (x) Interessieren uns für einen unbekannten Parameter θ der Verteilung von X 350 Bisher:
MehrDer Erwartungswert E[g(X)] von g(x) ist definiert. g(x k )w(x = x k ),
2.5 Parameter einer Verteilung 2.5. Erwartungswert X eine Zufallsvariable, g : R R stetig. Der Erwartungswert E[g(X)] von g(x) ist definiert durch: E[g(X)] := k g(x k )w(x = x k ), falls X diskret ist
MehrStatistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 11. Juli 016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrStatistik Klausur Sommersemester 2013 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik 2 1. Klausur Sommersemester 2013 Hamburg, 26.07.2013 A BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
MehrLösungen zu Übungsblatt 9 Höhere Mathematik2/Stochastik 2 Master KI/PI
Lösungen zu Übungsblatt 9 Höhere Mathematik/Stochastik Anpassung von Verteilungen Zu Aufgabe ) a) Zeichnen des Histogranmmes: Um das Histogramm zu zeichnen, benötigen wir die Höhe der Balken. Die Höhe
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
MehrMathematische Statistik Aufgaben zum Üben. Schätzer
Prof. Dr. Z. Kabluchko Wintersemester 2016/17 Philipp Godland 14. November 2016 Mathematische Statistik Aufgaben zum Üben Keine Abgabe Aufgabe 1 Schätzer Es seien X 1,..., X n unabhängige und identisch
MehrWIRTSCHAFTSWISSENSCHAFTLICHES PRÜFUNGSSEKRETARIAT
WIRTSCHAFTSWISSENSCHAFTLICHES PRÜFUNGSSEKRETARIAT ER NIVERSITÄT ES AARLANDES Von der/dem Studierenden auszufüllen (Bitte leserlich und in Blockschrift): Schließende Statistik Name der Prüfung: Semester,
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg. für Betriebswirtschaft und internationales Management
für Betriebswirtschaft und internationales Management Sommersemester 2015 Prof. Dr. Stefan Etschberger Hochschule Augsburg Normalverteilung Eine Zufallsvariable X mit einer Dichtefunktion und σ > 0 heißt
MehrStatistik für Ingenieure Vorlesung 12
Statistik für Ingenieure Vorlesung 12 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 23. Januar 2017 5.1.1. Tests für eine Stichprobe mit stetiger Skala a) Shapiro-Wilk-Test
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:
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2
Mehr1. Nennen Sie den für das Merkmal X geeigneten Skalentyp und begründen Sie Ihre Antwort.
Aufgabe 1 150 Personen gaben bei einer Befragung an, wie viel Geld sie in diesem Jahr für Weihnachtsgeschenke ausgegeben haben. Die Ergebnisse der Befragung sind in nachfolgender Tabelle zusammengefasst,
Mehr4.1. Nullhypothese, Gegenhypothese und Entscheidung
rof. Dr. Roland Füss Statistik II SS 8 4. Testtheorie 4.. Nullhypothese, Gegenhypothese und Entscheidung ypothesen Annahmen über die Verteilung oder über einzelne arameter der Verteilung eines Merkmals
MehrStatistik. Sommersemester Stefan Etschberger. für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik
Stefan Etschberger für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 2017 Normalverteilung Eine Zufallsvariable X mit einer Dichtefunktion f(x) =
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Schließende Statistik Wintersemester 2012/13. Namensschild. Dr.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Schließende Statistik Wintersemester 2012/13 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Kleben Sie bitte sofort Ihr Namensschild
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
MehrKlausur zur Vorlesung
Institut für Mathematische Stochastik WS 2006/2007 Universität Karlsruhe 12. Februar 2007 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Aufgabe 1 (15 Punkte) Klausur zur Vorlesung Statistik für Biologen
Mehr3. Geben Sie Modus, Erwartungswert und Varianz der Zufallsvariablen X an.
Aufgabe 1 Der Student Paul fährt jeden Tag mit dem Fahrrad zur Uni. Die Strecke kreuzt drei Fußgängerüberwege mit Bedarfsampeln, die durch Fußgänger aktiviert werden. Wird Paul an einer Bedarfsampel gestoppt,
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
MehrMultivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Musterlösung Aufgabe 1 (40 Punkte) Auf der dem Kurs beigelegten CD finden Sie im Unterverzeichnis Daten/Excel/ die Datei zahlen.xlsx. Alternativ können Sie
MehrDeckblatt. Name der Kursleiterin/des Kursleiters, bei der Sie angemeldet sind: Annelie Gebert. Nur einen Studiengang ankreuzen!!!
Deckblatt Name Vorname Matrikelnr. Name in Druckbuchstaben Name der Kursleiterin/des Kursleiters, bei der Sie angemeldet sind: Annelie Gebert Nur einen Studiengang ankreuzen!!! Bachelorstudiengang Sozialökonomie
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg. für Betriebswirtschaft und internationales Management
für Betriebswirtschaft und internationales Management Sommersemester 2015 Prof. Dr. Stefan Etschberger Hochschule Augsburg Testverteilungen Chi-Quadrat-Verteilung Sind X 1,..., X n iid N(0; 1)-verteilte
MehrR. Brinkmann Seite
R. Brinkmann http://brinkmann-du.de Seite 1 17.3.21 Grundlagen zum Hypothesentest Einführung: Wer Entscheidungen zu treffen hat, weiß oft erst im nachhinein ob seine Entscheidung richtig war. Die Unsicherheit
Mehrerwartete Häufigkeit n=80 davon 50% Frauen fe=40 davon 50% Männer fe=40 Abweichung der beobachteten von den erwarteten Häufigkeiten:
Verfahren zur Analyse von Nominaldaten Chi-Quadrat-Tests Vier-Felder Kontingenztafel Mehrfach gestufte Merkmale Cramers V, Kontingenzkoeffizient, Phi-Koeffizient Muster aller Chi-Quadrat-Verfahren eine
MehrKonfidenzintervalle 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
MehrAufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Schließende Statistik Wintersemester 2017/18. Dr. Martin Becker
Aufgabenstellung und Ergebnisse zur Bachelor-Prüfung Schließende Statistik Wintersemester 2017/18 Dr. Martin Becker Hinweise für die Klausurteilnehmer Die Klausur besteht aus insgesamt 9 Aufgaben. Prüfen
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
MehrVU mathematische methoden in der ökologie: räumliche verteilungsmuster 1/5 h.lettner /
VU mathematische methoden in der ökologie: räumliche verteilungsmuster / h.lettner / Analyse räumlicher Muster und Verteilungen Die Analyse räumlicher Verteilungen ist ein zentrales Gebiet der ökologischen
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)
MehrMusterlösung zur Klausur im Fach Fortgeschrittene Statistik am Gesamtpunktzahl: 60
WESTFÄLISCHE WILHELMS - UNIVERSITÄT MÜNSTER Wirtschaftswissenschaftliche Faktultät Prof. Dr. Bernd Wilfling Professur für VWL, insbesondere Empirische Wirtschaftsforschung Musterlösung zur Klausur im Fach
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
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
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 25. September 2015 Aufgabe 1 (15 Punkte) Kennzeichnen Sie die folgenden Aussagen zur Regressionsanalyse mit R für richtig oder F für falsch. F Wenn
MehrWIRTSCHAFTSWISSENSCHAFTLICHES PRÜFUNGSSEKRETARIAT DER RECHTS- UND WIRTSCHAFTSWISSENSCHAFTLICHEN FAKULTÄT DER UNIVERSITÄT DES SAARLANDES
WIRTSCHAFTSWISSENSCHAFTLICHES PRÜFUNGSSEKRETARIAT DER RECHTS- UND WIRTSCHAFTSWISSENSCHAFTLICHEN FAKULTÄT DER UNIVERSITÄT DES SAARLANDES Von der/dem Studierenden auszufüllen (Bitte leserlich und in Blockschrift):
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:
MehrAufgabe Σ erreichbare Punkte
TU Bergakademie Freiberg Fakultät für Mathematik und Informatik Institut für Stochastik Matrikel-Nr. Modulprüfung Prüfungsfach: Stochastik und Statistik für Ingenieure Prüfer: Prof. Hans-Jörg Starkloff
MehrStochastik Serie 11. ETH Zürich HS 2018
ETH Zürich HS 208 RW, D-MATL, D-MAVT Prof. Marloes Maathuis Koordinator Dr. Marvin Müller Stochastik Serie. Diese Aufgabe behandelt verschiedene Themenbereiche aus dem gesamten bisherigen Vorlesungsmaterial.
MehrBachelorprüfung: Statistik (1 Stunde)
Prof. H.R. Künsch D-BIOL, D-CHAB Winter 2010 Bachelorprüfung: Statistik (1 Stunde) Bemerkungen: Es sind alle mitgebrachten schriftlichen Hilfsmittel und der Taschenrechner erlaubt. Natels sind auszuschalten!
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg
für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 2016 Prof. Dr. Stefan Etschberger Hochschule Augsburg Einstichproben-t-Test und approximativer Gaußtest
MehrSchriftliche Prüfung (2 Stunden)
Prüfung Statistik Winter 2013 Schriftliche Prüfung (2 Stunden) Bemerkungen: Alle schriftlichen Hilfsmittel und ein Taschenrechner sind erlaubt. Mobiltelefone sind auszuschalten! Lesen Sie zuerst alle Aufgaben
MehrTeilaufgabe 1.1 (4 BE) Untersuchen Sie, ob die Ereignisse B und D stochastisch unabhängig sind. PB ( ) = 0.80 PD ( ) = 0.15 PB D = 0.05 = 0.
Abiturprüfung Berufliche Oberschule 20 Mathematik Technik - B I - Lösung Teilaufgabe Eine städtische Leihbibliothek bietet Bücher und DVDs zur Ausleihe an. Erfahrungsgemäß leihen 80% der Besucher (Ereignis
MehrStatistik II für Betriebswirte Vorlesung 3
Statistik II für Betriebswirte Vorlesung 3 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 2. November 2016 Prof. Dr. Hans-Jörg Starkloff Statistik II für Betriebswirte Vorlesung
MehrBiomathematik für Mediziner
Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur SS 2002 Aufgabe 1: Franz Beckenbauer will, dass
MehrGrundlagen der schließenden Statistik
Grundlagen der schließenden Statistik Schätzer, Konfidenzintervalle und Tests 1 46 Motivation Daten erhoben (Umfrage, Messwerte) Problem: Bei Wiederholung des Experiments wird man andere Beobachtungen
MehrR. Brinkmann Seite
R. Brinkmann http://brinkmann-du.de Seite 1 24.2.214 Grundlagen zum Hypothesentest Einführung: Wer Entscheidungen zu treffen hat, weiß oft erst im nachhinein ob seine Entscheidung richtig war. Die Unsicherheit
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Schließende Statistik Sommersemester Namensschild. Dr.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Schließende Statistik Sommersemester 2011 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Kleben Sie bitte sofort Ihr
MehrStichproben Parameterschätzung Konfidenzintervalle:
Stichproben Parameterschätzung Konfidenzintervalle: Beispiel Wahlprognose: Die Grundgesamtheit hat einen Prozentsatz p der Partei A wählt. Wenn dieser Prozentsatz bekannt ist, dann kann man z.b. ausrechnen,
MehrWahrscheinlichkeit 1-α: richtige Entscheidung - wahrer Sachverhalt stimmt mit Testergebnis überein. Wahrscheinlichkeit α: falsche Entscheidung -
wahrer Sachverhalt: Palette ist gut Palette ist schlecht Entscheidung des Tests: T K; Annehmen von H0 ("gute Palette") positive T > K; Ablehnen von H0 ("schlechte Palette") negative Wahrscheinlichkeit
MehrSerie 9, Musterlösung
WST www.adams-science.org Serie 9, Musterlösung Klasse: 4U, 4Mb, 4Eb Datum: FS 18 1. Mädchen vs. Knaben 442187 Unter 3000 in einer Klinik neugeborenen Kindern befanden sich 1578 Knaben. Testen Sie mit
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
MehrHochschule Darmstadt FB Mathematik und Naturwissenschaften. Statistik. für Wirtschaftsingenieure (B.Sc.) Sommersemester 2017
für Wirtschaftsingenieure (B.Sc.) Sommersemester 017 Dr. rer. nat. habil. E-mail: adam-georg.balogh@h-da.de 1 Hochschule Darmstadt, Fachbereich MN Sommersemester 017 Testklausur zur Vorlesung Wirtschaftsstatistik
MehrStatistik für Ingenieure Vorlesung 5
Statistik für Ingenieure Vorlesung 5 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 28. November 2017 3.4 Wichtige stetige Verteilungen 3.4.1 Exponentialverteilung Parameter:
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrWIRTSCHAFTSWISSENSCHAFTLICHES PRÜFUNGSSEKRETARIAT
WIRTSCHAFTSWISSENSCHAFTLICHES PRÜFUNGSSEKRETARIAT ER NIVERSITÄT ES AARLANDES Von der/dem Studierenden auszufüllen (Bitte leserlich und in Blockschrift): Schließende Statistik Name der Prüfung: Semester,
MehrWirtschaftsstatistik-Klausur am
Wirtschaftsstatistik-Klausur am 0.07.017 Aufgabe 1 Ein Handy- und PC-Hersteller verfügt über ein exklusives Filialnetz von 900 Filialen. Der Gewinn (in GE) der Filialen ist in der folgenden Tabelle nach
MehrAufgabe 1. Die Abweichung Y vom errechneten Geburtstermin sei normalverteilt mit dem Erwartungswert
Aufgabe 1 Marina hat ihr Studium satt und beschließt Hebamme zu werden. Sie beginnt ein Praktikum auf der Entbindungsstation eines großen städtischen Klinikums. Roswitha, eine erfahrene Hebamme, erklärt
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
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2
MehrVergleich zweier Stichproben
zurück zum Inhaltsverzeichnis Die Werte sind verbunden, abhängig oder korreliert. Beispiel: Eine Probe wird mit zwei Messgeräten bestimmt. Es gibt eine paarweise Zuordnung. Die Werte sind unabhängig also
MehrKlausur Stochastik und Statistik 31. Juli 2012
Klausur Stochastik und Statistik 31. Juli 2012 Prof. Dr. Matthias Schmid Institut für Statistik, LMU München Wichtig: ˆ Überprüfen Sie, ob Ihr Klausurexemplar vollständig ist. Die Klausur besteht aus fünf
MehrProbeklausur - Statistik II, SoSe 2017
Probeklausur - Statistik II, SoSe 2017 Aufgabe 1: Mehrdimensionale Zufallsvariablen (15 Punkte) Gegeben sei ein zweidimensionaler stetiger Zufallsvektor X = (X 1, X 2 ) T mit der gemeinsamen Dichtefunktion
MehrVPI
1.BWL a. Der Jahresdurchschnitt des österreichischen VPI ist für verschiedene Jahre angegeben. Die jeweiligen Bezugsjahreszahlen sie ändern sich alle 10 Jahre waren die Jahre 1966, 1976, 1986 und 1996,
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2013/2014. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2013/2014 Aufgabe 1 Der Fußballprofi
Mehr