10. Grundlagen der linearen Regressionsanalyse 10.1 Formulierung linearer Regressionsmodelle
|
|
- Marcus Busch
- vor 6 Jahren
- Abrufe
Transkript
1 10. Grudlage der lieare Regressiosaalyse 10.1 Formulierug liearer Regressiosmodelle Eifaches lieares Regressiosmodell: Das eifache lieare Regressiosmodell ist die simpelste Form eies ökoometrische Modells ud utersucht lediglich de Zusammehag zwische zwei Variable, d.h. de Effekt eier Variable auf eie adere Variable. Regressiosgleichug: y = β 0+ β1x + u Uterstellte Beziehug i der Regressio: X Y Zur Termiologie: y x u β Abhägige Variable Erklärede Variable Störterm Regressiosparameter Zu erklärede Variable Uabhägige Variable Fehlerterm β 0 : Kostate (Achseabschitt) Edogee Variable Exogee Variable β 1 : Steigugsparameter Regressad Regressor 1
2 Der Steigugsparameter β 1 beschreibt de lieare Zusammehag zwische x ud y, falls alle Faktore i u kostat gehalte werde: Δy = β1δx falls u = 0 Problem: Es gibt viele weitere Faktore, die eie Effekt auf y habe köe, so dass es zu Probleme komme ka, we ur das restriktive Modell betrachtet wird. Deshalb: Der Störterm u ud die erklärede Variable x dürfe icht miteiader i Beziehug stehe, wegleich die Ukorreliertheit bei der Betrachtug des Korrelatioskoeffiziete icht ausreiched ist. Geerell ist aber scho die Aahme der Ukorreliertheit zwische der erklärede Variable x ud de ubeobachtbare Eiflussfaktore im Störterm u urealistisch, so dass die Gleichug i der Regel verletzt ist. Aus diesem Grud sollte weitere (d.h. sämtliche relevate) erklärede Variable i das lieare Regressiosmodell aufgeomme werde.
3 Eifachste Form eies multiple lieare Regressiosmodells (mit zwei erklärede Variable): y = β 0+ β1x 1+ βx + u Allgemeie Form eies multiple lieare Regressiosmodells (mit k erklärede Variable): y = β 0+ β1x 1+ βx + β3x 3+ + βk-1x k-1+ βkx k+ u Dabei gilt: x 1, x, x 3,, x k-1, x k : Erklärede Variable β 0 : Kostate β 1 : Dieser Parameter misst de Effekt eier Veräderug vo x 1 auf y, falls alle adere beobachtete ud ubeobachtete Faktore kostat sid β : Dieser Parameter misst de Effekt eier Veräderug vo x auf y, falls alle adere beobachtete ud ubeobachtete Faktore kostat sid : β k : Dieser Parameter misst de Effekt eier Veräderug vo x k auf y, falls alle adere beobachtete ud ubeobachtete Faktore kostat sid u: Störterm 3
4 10. Schätzug der ubekate Parameter mit der OLS-Methode Für die weitere Aalyse liearer Regressiosmodelle beötigt ma eie Stichprobe vom Umfag aus der Grudgesamtheit. Eifaches lieares Regressiosmodell: {(x i, y i ), i = 1,, } Multiples lieares Regressiosmodell mit k erklärede Variable: {(x i1, x i,, x ik, y i ), i = 1,, } Uter Eibeziehug der Beobachtuge i = 1,, ergebe sich folgede lieare Regressiosmodelle: y = β + β x + u i 0 1 i i y = β + β x + β x + + β x + u i 0 1 i1 i k ik i Dabei ist z.b. x ik der Wert der erklärede Variable k bei Beobachtug i. Wesetliche Aufgabe der Regressiosaalyse: Schätzug der ubekate Regressiosparameter β 0, β 1, β, 4
5 Optimierugsproblem bei der Methode der kleiste Quadrate ( OLS, ordiary least squares ) im eifache lieare Regressiosmodell: b, b 0 1 mi (y - b - b x ) i 0 1 i Daraus folge die Bediguge erster Ordug für die beide geschätzte Regressiosparameter: (y - βˆ - βˆ x ) = 0 i 0 1 i x (y - βˆ - βˆ x ) = 0 i i 0 1 i Daraus folge die OLS-Schätzer für die beide ubekate Parameter: i 1 i β ˆ = y - βˆ x = y - βˆ x ˆβ = 1 (x -x)(y -y) i (x -x) i i 5
6 Optimierugsproblem bei der Methode der kleiste Quadrate im multiple lieare Regressiosmodell: Daraus folge die Bediguge erster Ordug für die k+1 geschätzte Regressiosparameter: mi (y - b - b x - b x - - b x ) b 0, b 1,... i 0 1 i1 i k ik (y - βˆ - βˆ x - βˆ x - - βˆ x ) = 0 i 0 1 i1 i k ik x (y - βˆ - βˆ x - βˆ x - - βˆ x ) = 0 i1 i 0 1 i1 i k ik x (y - βˆ - βˆ x - βˆ x - - βˆ x ) = 0 ik i 0 1 i1 i k ik OLS-Regressioswerte ud OLS-Schätzfuktio: ŷ = β ˆ + βˆ x + βˆ x + + βˆ x für i = 1,, i 0 1 i1 i k ik ŷ = β ˆ + βˆ x + βˆ x + + βˆ x k k 6
7 Iterpretatio der geschätzte Parameter i multiple lieare Regressiosmodelle: ŷ = β ˆ + βˆ x + βˆ x + + βˆ x k k ŷ = βˆ x + βˆ x + + βˆ x 1 1 k k Falls die erklärede Variable x, x 3, x 4,, x k kostat gehalte werde, folgt: ŷ = βˆ x 1 1 Der geschätzte Parameter für die erklärede Variable x 1 gibt somit i diesem Fall die Veräderug des Regressioswertes a, falls x 1 um eie Eiheit steigt. Falls x 1, x, x 3,, x k-1 kostat gehalte werde, ergibt sich: ŷ = βˆ x Der geschätzte Parameter für die erklärede Variable x k gibt somit i diesem Fall die Veräderug des Regressioswertes a, falls x k um eie Eiheit steigt. Die geschätzte Parameter köe somit als geschätzte partielle Effekte iterpretiert werde, d.h. bei der Schätzug des Effektes eier Variable wird für die adere erklärede Variable kotrolliert. Dies ist der große Vorteil der Regressiosaalyse (bzw. allgemei ökoometrischer Aalyse), d.h. es ka eie ceteris paribus Betrachtug vorgeomme werde, ohe dass ei etsprechedes kotrolliertes Experimet durchgeführt werde muss. 7
8 Beispiel: Erklärug vo College-Note Mit Hilfe eies lieare Regressiosmodells soll der Effekt der durchschittliche Puktzahl i der Highschool (hsgpa) ud der Puktzahl im College-Aufahmetest (ACT) auf die durchschittliche College-Puktzahl (colgpa) utersucht werde: colgpa = β + β hsgpa + β ACT + u 0 1 Dabei wurde mit Hilfe eier Stichprobe vo = 141 Studierede folgede OLS-Regressiosfuktio geschätzt: ˆ colgpa = 1,9 + 0,453hsGPA + 0,0094ACT Iterpretatio: Die geschätzte Kostate ka icht sivoll iterpretiert werde, da hier ACT ud hsgpa realitätsfer mit ull gleichgesetzt werde Geschätzter positiver Eifluss der Highschool-Note auf die College-Note: Falls ACT kostat gehalte wird, führt eie um eie Pukt höhere Highschool-Note zu eier geschätzte Erhöhug der College-Puktzahl um 0,453 Pukte Dagege hat die Puktzahl im College-Aufahmetest eie deutlich gerigere geschätzte Effekt, ceteris paribus 8
9 Bestimmtheitsmaß (Determiatioskoeffiziet): Ateil der Variatio der abhägige Variable y i, der durch die OLS-Regressiosfuktio erklärt wird i i (y ˆ i- y) (yi- y) R = Eigeschafte des Bestimmtheitsmaßes: 0 R 1 (y - y)(yˆ - y) R sikt iemals, we eie weitere (möglicherweise irrelevate) erklärede Variable hizugefügt wird Aus diesem Grud ist R ei schlechtes Maß zur Beurteilug der Güte eies lieare Regressiosmodells 9
10 10.3 Erwartugswert ud Variaz vo OLS-Schätzer Zu beachte ist, dass sich statistische Eigeschafte (d.h. Erwartugswert ud Variaz) vo OLS-Schätzer icht auf eie bestimmte Stichprobe, soder auf wiederholte Zufallsstichprobe aus der Grudgesamtheit beziehe Uter bestimmte Aahme (z.b. Liearität i de Parameter, keie perfekte Kolliearität) sid alle mit der OLS-Methode geschätzte Parameter erwartugstreu, d.h. der Erwartugswert der Schätzer ist gleich de ubekate Regressiosparameter: E(β ˆ ) = β für = 0, 1,, k Mit weitere Aahme (isbesodere mit der Aahme der Homoskedasizität, d.h. eier kostate bedigte Variaz des Fehlerterms u) ergibt sich für die Variaz der mit OLS geschätzte Steigugsparameter i lieare Regressiosmodelle: Var(β ˆ ) = σ i (1-R ) (x -x ) für = 1,, k Dabei stellt R das Bestimmtheitsmaß bei eier Regressio vo x auf alle adere erklärede Variable (eischließlich eier Kostate) dar. 10
11 Uter verschiedee Aahme sid die OLS-Schätzer die beste lieare uverzerrte Schätzer der Regressiosparameter i lieare Regressiosmodelle ( BLUE, best liear ubiased estimator ). Bestadteile vo BLUE: Uverzerrt bedeutet, dass der Schätzer erwartugstreu ist. Liear bedeutet, dass der Schätzer eie lieare Fuktio der Date ud der abhägige Variable darstellt. Beste bedeutet, dass der Schätzer die gerigste Variaz besitzt. OLS-Schätzer habe also i der Klasse aller lieare ud uverzerrte Schätzer die gerigste Variaz ud sid somit effiziet. Erwartugstreue Schätzug der Variaz σ des Fehlerterms u als Grudlage für die Schätzug der Variaz der mit OLS geschätzte Regressiosparameter: 1 u ˆi -k-1 σ ˆ = Der etsprechede (zwar kosistete, aber icht erwartugstreue) Schätzer für die Stadardabweichug σ des Fehlerterms u lautet da: 1 σ ˆ = σ ˆ = ˆ u i -k-1 11
12 10.4 Tests i lieare Regressiosmodelle Für de folgede Test wird ageomme, dass ei ormalverteilter Störterm vorliegt (wegleich eie vo der Normalverteilug abweichede Verteilug des Störterms im Hiblick auf die Durchführug vo statistische Tests bei große Stichprobeumfäge kei Problem darstellt). I diesem Fall sid auch die mit OLS geschätzte Steigugsparameter i lieare Regressiosmodelle ormalverteilt, d.h. es gilt ( = 1,, k): β ˆ ~ N[β ; Var(β ˆ )] bzw. β ˆ ~ N β ; (1-R ) (xi-x ) σ Damit ergibt sich: βˆ -β βˆ -β Var(β ˆ ) σ i (1-R ) (x -x ) ~ N(0; 1) 1
13 Allerdigs sid die Variaze ud Stadardabweichuge der mit OLS geschätzte Steigugsparameter i lieare Regressiosmodelle i der Regel icht bekat ud müsse deshalb geschätzt werde. Dabei ergibt sich: βˆ -β βˆ -β Var(β ˆ ˆ ) ˆσ i ~ t Dabei ist k+1 die Azahl der ubekate Regressiosparameter. Die t-verteilug mit -k-1 Freiheitsgrade ergibt sich gegeüber der Stadardormalverteilug durch die Eibeziehug der Schätzug σ der Stadardabweichug σ des Störterms u. Die wichtigste zu testede Nullhypothese i empirische Aweduge lautet: H 0: β = 0 für = 1,, k (1-R ) (x -x ) Diese Nullhypothese über de Steigugsparameter β impliziert, dass die erklärede Variable x keie partielle Effekt auf die abhägige Variable y hat. Die Alterativhypothese lautet: H 1: β 0 für = 1,, k -k-1 13
14 Als Prüfgröße wird hierzu folgede t-statistik (t-wert) betrachtet, die die geschätzte Stadardabweichug des geschätzte Parameters eibezieht: t = t = ˆβ ˆβ Var(β ˆ ˆ ) Bei Gültigkeit der Nullhypothese ist diese Prüfgröße t-verteilt mit -k-1 Freiheitsgrade. Die Nullhypothese wird somit bei eiem Sigifikaziveau vo α verworfe, falls gilt: t > t β ˆ -k-1;1-α/ We z.b. die Azahl der Freiheitsgrade -k-1 = 5 ist, gilt bei eiem Sigifikaziveau vo 5% für das Quatil aus der t-verteilug mit 5 Freiheitsgrade t 5;0,975 =,060. We i diesem Fall der Absolutwert der t-statistik größer als,060 ist, ist der etsprechede geschätzte Regressiosparameter zu diesem Sigifikaziveau vo ull verschiede. Damit hat die etsprechede erklärede Variable eie (statistisch) sigifikate Effekt auf die abhägige Variable. Mit eier Zuahme der Azahl a Freiheitsgrade ähert sich die t-verteilug der Stadardormalverteilug a, so dass ma i diesem Fall zur Ermittlug der Schrakewerte auch die Quatile der Stadardormalverteilug verwede ka (z.b. für -k-1 > 10). 14
15 Beispiel: Erklärug vo College-Note Mit Hilfe eies lieare Regressiosmodells soll der Effekt der durchschittliche Puktzahl i der Highschool (hsgpa), der Puktzahl im College-Aufahmetest (ACT) ud der durchschittliche Azahl verpasster Vorlesuge pro Woche (skipped) auf die durchschittliche College-Puktzahl (colgpa) utersucht werde. Dabei wurde folgede OLS-Regressiosfuktio geschätzt: ˆ colgpa = 1,39 + 0,41hsGPA + 0,015ACT - 0,083skipped (0,33) (0,094) (0,011) (0,06) = 141, R = 0,34 Bei eiem 5%-Sigifikaziveau ergibt sich für das Quatil aus der t-verteilug mit -k-1 = = 137 Freiheitsgrade (bzw. das Quatil aus der Stadardormalverteilug) t 137;0,975 = 1,96. Bei eiem 1%-Sigifikaziveau ergibt sich ei Wert vo,575. Die t-werte betrage für hsgpa 4,38, für ACT 1,36 ud für skipped -3,19. Damit hat hsgpa eie (statistisch) sigifikat positive Effekt, skipped eie (statistisch) sigifikat egative Effekt ud ACT keie (statistisch) sigifikate Effekt auf colgpa. 15
16 Beispiel: Erklärug vo Ausschussrate eies Uterehmes Mit Hilfe eies lieare Regressiosmodells soll der Effekt der ährliche Traiigsstude pro Beschäftigte (hrsemp), des Logarithmus der ährliche Umsätze i Dollar (logsales) ud des Logarithmus der Azahl der Beschäftigte (logemploy) auf de Logarithmus der Azahl vo Ausschussteile pro 100 produzierte Stücke (logscrap) utersucht werde. Dabei wurde folgede OLS- Regressiosfuktio geschätzt ( = 9 Uterehme, R = 0,6): ˆ logscrap = 1,46-0,09hrsemp - 0,96logsales + 0,761logemploy (5,69) (0,03) (0,453) (0,407) Iterpretatio des Effektes vo Weiterbildug: Eie Erhöhug der ährliche Traiigsstude pro Beschäftigte hrsemp um z.b. füf Stude führt zu eier geschätzte Sekug vo logscrap um 0,09 5 = 0,145. Dies etspricht eier Sekug vo 14,5% ud ist damit icht trivial. Allerdigs ergibt sich bei hrsemp ei t-wert vo -0,09/0,03 = -1,6, so dass auch bei eiem Sigifikaziveau vo 10% keie statistische Sigifikaz vorliegt 16
17 Beispiel: Erklärug vo Geburtsgewichte Mit Hilfe eies lieare Regressiosmodells soll der Effekt der Azahl der vo der Mutter währed der Schwagerschaft täglich gerauchte Zigarette, des ährliche Familieeikommes (i 1000 Dollar), der Ausbildugszeit des Vaters (i Jahre), der Ausbildugszeit der Mutter (i Jahre), ud des Zigarettepreises (i Dollar) auf das Geburtsgewicht des Kides (i Uze = 8,35 Gramm) utersucht werde. Die OLS-Schätzug hat dabei zu folgede Ergebisse geführt ( = 1388 Geburte, R = 0,034): Abhägige Variable: Geburtsgewicht Erklärede Variable Parameterschätzwert t-statistik Azahl gerauchte Zigarette -0,593-5,36 Familieeikomme 0,051 1,39 Ausbildugszeit Vater 0,475 1,68 Ausbildugszeit Mutter -0,435-1,36 Zigarettepreis 0,068 1,1 Kostate 109,54 13,90 Iterpretiere Sie die Schätzergebisse! 17
2. OLS-Schätzung linearer Regressionsmodelle
2. OLS-Schätzug liearer Regressiosmodelle 2.1 Formulierug liearer Regressiosmodelle Eifaches lieares Regressiosmodell: Das eifache lieare Regressiosmodell ist die simpelste Form eies ökoometrische Modells
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
MehrVl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5
Vl Statistische Prozess- ud Qualitätskotrolle ud Versuchsplaug Übug 5 Aufgabe ) Sei p = P(A) die Wahrscheilichkeit für ei Ereigis A, dh., es gilt 0 p. Bereche Sie das Maximum der Fuktio f(p) = p(-p). Aufgabe
Mehr2. 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
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
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
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
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
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 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
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
MehrWirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel
3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Beispiel: Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
MehrStatistische Tests zu ausgewählten Problemen
Eiführug i die statistische Testtheorie Statistische Tests zu ausgewählte Probleme Teil : Tests für Erwartugswerte Statistische Testtheorie I Eiführug Beschräkug auf parametrische Testverfahre Beschräkug
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
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
MehrX X Schätzen von Vertrauensintervallen Schwankungsintervall
.. Schätze vo Vertrauesitervalle..1. Schwakugsitervall Beispiel: X = Betrag vo Geldüberweisuge, ormalverteilt, µ = 5000, = 1000 Zufallsstichprobe mit = 100, Schätzer für µ: X X Gesucht: Itervall, i dem
MehrStatistische 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
MehrEinstichprobentests für das arithmetische Mittel
Eistichprobetests für das arithmetische Mittel H 0 : = 0 bzw. H 0 : 0 H 1 : 0 zweiseitiger Test) H 1 : 0 zweiseitiger Test) Uter Gültigkeit vo H 0 ist die achfolgede Teststatistik stadardormalverteilt.
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
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
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:
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:
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
MehrÜbungen mit dem Applet erwartungstreu
Übuge mit dem Applet erwartugstreu Visualisierug vo erwartugstreu Begriffe ud statischer Hitergrud. Visualisieruge mit dem Applet..3. Zufallsstreuug der Eizelwerte...3. Mittelwerte 3.3 Variaz. 4.4 Variaz
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
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
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
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:
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.
MehrKonfidenzintervalle. Praktische Übung Stochastik SS 2017 Lektion 10 1
Kofidezitervalle Praktische Übug Stochastik SS 017 Lektio 10 1 Kofidezitervalle Geerelle Aahme: Parametrisches Modell (P ϑ ) ϑ Θ Beobachtuge X 1,..., X u.i.v. ach P ϑ mit ubekatem ϑ Θ Grudidee: Schätzer
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG. - LÖSUNGEN. ypothesetest für die Dicke vo Plättche Die Dicke X vo Plättche, die auf eier bestimmte Maschie
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
MehrTesten statistischer Hypothesen
Kapitel 9 Teste statistischer Hypothese 9.1 Eiführug, Sigifiaztests Sigifiaztest für µ bei der ormalverteilug bei beatem σ = : X i seie uabhägig ud µ, ) verteilt, µ sei ubeat. Stelle eie Hypothese über
MehrEvaluation & Forschungsstrategien
Evaluatio & Forschugsstrategie WS2/2 Prof. Dr. G. Meihardt Johaes Guteberg Uiversität Maiz Prizipie des statistische Schliesses Samplig - Modellvorstellug Populatio Samplig Stichprobe Kewerte x Theoretische
MehrKontingenztabellen. Chi-Quadrat-Test. Korrelationsanalyse zwischen kategorischen Merkmalen. 1. Unabhängigkeitstest
Kotigeztabelle. Chi-Quadrat-Test KAD 1.11. 1. Uabhägigkeitstest. Apassugstest. Homogeitätstest Beispiel 1 ohe Frau 8 75 1 Ma 48 49 97 76 14? Korrelatiosaalyse zwische kategorische Merkmale Häufigkeitstabelle
MehrVariiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen.
3. Variazaalyse Die Variazaalyse mit eier quatitative abhägige Variable ud eier oder mehrerer qualitativer uabhägiger Variable wird auch als ANOVA (Aalysis of Variace) bezeichet. Mit eier Variazaalyse
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
Mehr3. Einführung in die Statistik
3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :
MehrKorrelationsanalyse zwischen kategorischen Merkmalen. Kontingenztabellen. Chi-Quadrat-Test
Kotigeztabelle. Chi-Quadrat-Test Korrelatiosaalyse zwische kategorische Merkmale Beispiel 1 ohe Frau 8 75 1 Ma 48 49 97 76 14? Häufigkeitstabelle (Kotigeztabelle): eie tabellarische Darstellug der gemeisame
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
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
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
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
Mehr7. Stichproben und Punktschätzung
7. Stichprobe ud Puktschätzug 7. Grudgesamtheit ud Stichprobe Ausgagspukt der iduktive Statistik (beurteilede Statistik) sid Stichprobedate. Speziell stamme die Date aus Zufallsstichprobe. Die Stichprobeergebisse
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:
Mehr14 Statistische Beziehungen zwischen nomi nalen Merkmalen
14 Statistische Beziehuge zwische omi ale Merkmale 14.1 Der Chi Quadrat Test auf Uabhägigkeit für Vier Feldertafel 14.2 Der Chi Quadrat Test auf Uabhägigkeit für r s Kotigeztafel 14.3 Zusammmehagsmaße
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
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
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
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
Mehr10. Intervallschätzung 10.1 Begriff des Konfidenzintervalls
10. Itervallschätzug 10.1 Begriff des Kofidezitervalls Mit uterschiedliche Stichprobe werde verschiedee Puktschätzer für de Parameter der Grudgesamtheit erzielt. We m Stichprobe aus der Grudgesamtheit
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
Mehr2.3 Kontingenztafeln und Chi-Quadrat-Test
2.3 Kotigeztafel ud Chi-Quadrat-Test Die Voraussetzuge a die Date i diesem Kapitel sid dieselbe, wie im voragegagee Kapitel, ur dass die Stichprobe hier aus Realisieruge vo kategorielle Zufallsvariable
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
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
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
MehrTESTEN VON HYPOTHESEN
TESTEN VON HYPOTHESEN 1. Grudlage Oft hat ma Vermutuge zu Sachverhalte ud möchte diese gere durch Experimete bestätige. Dabei ka es sich i der Praxis zum Beispiel um Verteiluge vo gewisse Zufallsgröße
MehrBeispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12075, p-wert: 00168 f χ 2 (4)
MehrParameter von Häufigkeitsverteilungen
Kapitel 3 Parameter vo Häufigkeitsverteiluge 3. Mittelwerte Mo Der Modus (:= häufigster Wert, Abk.: Mo) ist der Merkmalswert mit der größte Häufigkeit, falls es eie solche gibt. Er sollte ur bei eigipflige
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
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
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
MehrStatistik I/Empirie I
Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass
MehrLösungen zu den Aufgaben zur Multivariaten Statistik Teil 3: Aufgaben zur Varianzanalyse
Prof. Dr. eihold Kosfeld Fachbereich Wirtschaftswisseschafte Uiversität Kassel Lösuge zu de ufgabe zur Multivariate Statistik Teil : ufgabe zur Variazaalyse. Worauf bezieht sich der Uterschied zwische
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
Mehr3 Kritischer Bereich zum Niveau α = 0.10: K = (χ 2 k 1;1 α, + ) = (χ2 5;0.90, + ) = (9.236, + ) 4 Berechnung der realisierten Teststatistik:
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 1275, p-wert: 168 8 Apassugs-
Mehr15.4 Diskrete Zufallsvariablen
.4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet
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
Mehr7.2 Grundlagen der Wahrscheinlichkeitsrechnung
7.2 Grudlage der Wahrscheilichkeitsrechug Ei Ereigis heißt i Bezug auf eie Satz vo Bediguge zufällig, we es bei der Realisierug dieses Satzes eitrete ka, aber icht ubedigt eitrete muss. Def. 7.2.: Ei Experimet
MehrKennwerte eindimensionaler Häufigkeitsverteilungen Einführung
Kewerte eidimesioaler Häufigkeitsverteiluge Eiführug Statistische Kewerte vo Verteiluge sid umerische Maße mit der Fuktio, zusammefassed eie Eidruck vo 1) dem Schwerpukt, ) der Variabilität ud 3) der Form
MehrBSc: Waldmesslehre Waldinventur I
Erfassug vo Bestadeswerte durch Stichprobe Wiederholug Grudlage der Stichprobetheorie Uterschiedliche Arte vo Aufahmefläche = Probefläche (plots) Auswertug vo Zufallsstichprobe Wiederholug (Beispiel Bestadesvorratsschätzug):
MehrProf. Dr. Holger Dette Musterlösung Statistik I Sommersemester 2009 Dr. Melanie Birke Blatt 5
Prof. Dr. Holger Dette Musterlösug Statistik I Sommersemester 009 Dr. Melaie Birke Blatt 5 Aufgabe : 4 Pukte Sei X eie Poissoλ verteilte Zufallsvariable mit λ > 0, ud die Verlustfuktio L sei defiiert durch
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
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
MehrVereinheitlichung Einheitlicher Maßstab der Risikoeinschätzung. Limitierung / Steuerung Messung und Limitierung ist fundamental für die Steuerung
. Marktpreisrisiko Motivatio der VaR-Ermittlug Vereiheitlichug Eiheitlicher Maßstab der Risikoeischätzug Limitierug / Steuerug Messug ud Limitierug ist fudametal für die Steuerug Kapitaluterlegug Zur Deckug
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
MehrLage- und Streuungsmaße
Statistik 1 für SoziologIe Lage- ud Streuugsmaße Uiv.Prof. Dr. Marcus Hudec Streuugsmaße Statistische Maßzahle, welche die Variabilität oder die Streubreite i de Date messe. Sie beschreibe die Abweichug
MehrKörpergröße x Häufigkeit in [m] 1.50 1.60 1 1.60 1.70 5 1.70 1.80 49 1.80 1.90 53 1.90 2.00 15 2.00 2.10 1
8 Kofidezitervalle 1 Kapitel 8: Kofidezitervalle A: Beispiele Beispiel 1: Im WS 2000/01 wurde im Rahme der Statistik Vorlesug 124 Studete u.a. zu ihrer Körpergröße befragt. Ma erhielt folgedes Ergebis:
MehrPflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik
Pflichtlektüre: Kapitel 10 Grudlage der Iferezstatistik Überblick der Begriffe Populatio Iferezstatistik Populatiosparameter Stichprobeverteiluge Auch Stichprobekewerteverteiluge Wahrscheilichkeitstheorie
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,
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
MehrBayessches Lernen (II)
Uiversität Potsdam Istitut für Iformatik Lehrstuhl Maschielles Lere Bayessches Lere (II) Christoph Sawade/Niels Ladwehr Jules Rasetahariso Tobias Scheffer Überblick Wahrscheilichkeite, Erwartugswerte,
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürge Seger INDUKTIVE STATISTIK Wahrcheilichkeittheorie, Schät- ud Tetverfahre ÜBUNG. - LÖSUNGEN. Differetet für de Mittelwert (abhägige Stichprobe) Zwei Verfahre um Nachwei eie hormoale Dopigmittel
MehrGrundlagen der Biostatistik und Informatik
Vergleich vo mehrere Stichprobe Grudlage der Biostatisti ud Iformati Hypotheseprüfuge III., Nichtparametrische Methode dr László Smeller Semmelweis Uiversität 0 Vergleich vo mehrere Stichprobe Boferroi
Mehr(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen.
Schülerbuchseite 98 1 Lösuge vorläufig IV Beurteilede Statistik S. 98 p S. 1 p w a t Tabelle Tabelle dowloadbar im Iteretauftritt 1 Teste vo Hypothese 1 a) Erwartugswert μ = 5 ud Stadardabweichug σ = 1,6;
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
MehrInduktive Schlussweise. Schätzfunktionen und Schätzverfahren. Bibliografie
Auswertug uivariater Datemege -iduktiv - Iduktive Schlussweise Schätzfuktioe ud Schätzverfahre Schätzug I Bibliografie Prof. Dr. Kück Uiversität Rostock Statistik, Vorlesugsskript Abschitt 7..; 7.. Bleymüller
MehrLogarithmusfunktion, Rechenregeln für Logarithmen, Ableiten von Logarithmen (die Ableitung nach p wird hier stets als p geschrieben)
Wirtschaftswisseschaftliches Zetrum Uiversität Basel Statistik Dr. Thomas Zehrt (Pukt)Schätze Motivatio Eie vollstädige Iformatio über die Verteilug eies Merkmals X i eier Grudgesamtheit ka ur durch eie
MehrSatz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.
Erfüllbarkeit, Uerfüllbarkeit, Allgemeigültigkeit Defiitio Eie Belegug β ist passed zu eiem Boolesche Term t, falls β für alle atomare Terme i t defiiert ist. (Wird ab jetzt ageomme.) Ist β(t) = true,
MehrKapitel 1. Einige Begriffe aus der Asymptotik. 1.1 Wiederholung
Kapitel Eiige Begriffe aus der Asymptotik. Wiederholug Eiwesetlicher Teil der Ökoometrie befasst sichmit der Ermittlug voschätzer ud dere Eigeschafte. Diese werde beötigt, um aus de beobachtbare Date eier
MehrZinsratenmodelle in stetiger Zeit: Teil II
Zisratemodelle i stetiger Zeit: Teil II Simoe Folty 1.11.006 1. Vasicek Modell (1977) 1.1 Eiführug Vasicek schlug das folgede Modell für die risikofreie Zisrate r(t) vor, basiered auf der SDGL d r t α
MehrParametrische Einstichprobentests
Parametrische Eistichprobetests Eiführug ud Begriffe beim Hypothesetest Hypothesetest für de Mittelwert Hypothesetest für die Variaz Hypothesetest für de Ateilswert Lehrstuhl Statistik Testverfahre I Bibliografie
MehrKapitel 6: Statistische Qualitätskontrolle
Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle
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
MehrGrundproblem der Inferenzstatistik
Grudproblem der Iferezstatistik Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe... "wahre", ubekate Ateil icht zufällig p... beobachtete Ateil zufällig Statistik für SoziologIe 1 Iferez für Ateile?
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
MehrEigenschaften von Texten
Worthäufigkeite Eigeschafte vo Texte Eiige Wörter sid sehr gebräuchlich. 2 der häufigste Wörter (z.b. the, of ) köe ca. 0 % der Wortvorkomme ausmache. Die meiste Wörter sid sehr selte. Die Hälfte der Wörter
MehrLerneinheit 2: Grundlagen der Investition und Finanzierung
Lereiheit 2: Grudlage der Ivestitio ud Fiazierug 1 Abgrezug zu de statische Verfahre Durchschittsbetrachtug wird aufgegebe Zeitpukt der Zahlugsmittelbewegug explizit berücksichtigt exakte Erfassug der
Mehr