Elisabeth Aufhauser, unveröffentlichter Text Unterrichtsmaterial Statistik-UE für Soziologie
|
|
- Robert Fürst
- vor 6 Jahren
- Abrufe
Transkript
1 Elisabeth Aufhauser, unveröffentlichter Text Unterrichtsmaterial Statistik-UE für Soziologie Konfidenzintervall Statistische Analyse von Stichproben Der Datensatz aus der Übung (social survey 2003) besteht aus Daten, die aus einer Zufallsstichprobe stammen. Basieren unsere Analysen nur auf einer Teilmenge der Grundgesamtheit (einer Stichprobe), so müssen wir davon ausgehen, daß die statistischen Maßzahlen, Verteilungen, Beziehungen zwischen Variablenwerten, Parameterschätzwerte,... die wir aus derartigen Stichproben ermitteln, nicht unbedingt exakt den tatsächlichen Werten, Verteilungen, Beziehungen... in der Grundgesamtheit entsprechen. Die aus den Stichproben ermittelten Statistiken werden mit einem (größeren oder kleineren) Stichprobenfehler behaftet sein. Schauen wir uns daher einmal an, was eigentlich alles passieren kann, wenn wir mit Stichproben arbeiten. Zur Veranschaulichung sei folgende (fiktive) Situation betrachtet. Grundgesamtheit für unsere Analysen sei eine Gruppe aus N=100 Studierenden, die einen Statistikkurs besuchen. 40% der Teilnehmenden geben zu Beginn des Kurses an, zumindest über Grundkenntnisse in Statistik zu verfügen, der Rest von 60% behauptet, noch nie etwas von Statistik gehört zu haben. Die einzige, die zu Beginn des Kurses bereits umfangreiches statistisches Wissen besitzt, ist die Lehrveranstaltungsleiterin. Da sie vor dem Kurs eigentlich nur einen groben Überblick über das statistische Vorwissen der Teilnehmenden haben möchte, verzichtet sie auf eine Vollerhebung (Befragung) bei allen Studierenden und befragt nur eine zufällig ausgewählte Teilgruppe um ihre statistischen Vorkenntnisse. Welchen Fehler bei der Abschätzung des Prozentsatzes an Kursteilnehmerinnen, die über statistisches Vorwissen verfügen, kann die Lehrveranstaltungsleiterin erwarten, wenn sie z.b, nur eine Zufallsstichprobe von n=10 Studierende befragt? Um diese Frage zu beantworten, betrachten wir vorerst einmal Abbildung 1. Aus einer Grundgesamtheit von N=100, in der der wahre Anteilswert von Eins-Werten bei π = 0.40 liegt, wurden insgesamt 1000 verschiedene Zufallsstichproben der Größe n = 10 gezogen werden. Für jede der 1000 Zufallsstichproben wurde dann der Stichprobenanteilswerte der Eins-Werte berechnet. In der Abbildung findet sich die Verteilung dieser 1000 Stichprobenanteilswerte. Werden ein zweites mal 1000 Zufallsstichproben gezogen, so wird diese Verteilung wahrscheinlich etwas anders aussehen, die Grundform wird sich aber nicht verändern. Wie aus der folgenden Abbildung zu erkennen ist, wurde 'nur' für 260 oder 26% der 1000 Zufallsstichproben ein Stichprobenanteilswert ermittelt, der exakt jenem in der Grundgesamtheit (π = 0.40) entspricht. Insgesamt liegen aber immerhin = 686 oder fast 70% aller Stichprobenanteilswerte aus den 1000 Zufallsstichproben im Intervall [0.3, 0.5], d.h. zumindest sehr nahe dem realen Wert. Bei = 47 Zufallsstichproben (knapp 5% aller Stichproben) ergibt sich ein Anteil an Studierenden mit Statistikvorkenntnissen von unter 10% und bei = 10 Zufallstichproben (1% aller Stichproben) ein Anteil von 80% und darüber. Wenn wir Pech haben, kann der in einer Stichprobe beobachtete Anteilswert doch recht massiv vom wahren Wert in der Grundgesamtheit abweichen. Insgesamt ergibt sich über alle 1000 Stichproben hinweg ein mittlerer Stichprobenanteilswert von sowie eine Standardabweichung für den Stichprobenanteilswert von
2 Verteilung von 1000 Stichprobenanteilswerten N = 300, π = 0.40, n = 10 Die diskrete Verteilung der Stichprobenanteilswerte, die in obiger Abbildung dargestellt ist, ähnelt einer Normalverteilung. Würden wir nicht nur 1000, sondern bis unendlich viele Zufallsstichproben ziehen, so nähert sich die diskrete Verteilung der Stichprobenanteilswerte einer kontinuierlichen Normalverteilung immer mehr an. Der Mittelwert dieser Normalverleihung der Stichprobenanteilwerte liegt dann genau beim wahren Anteilswert in der Grundgesamtheit, d.h. bei (1) Für die Standardabweichung der Normalverteilung der Stichprobenanteilswerte ergibt sich ein Wert von 1 (2) Aus der theoretischen Statistik ist nun bekannt, daß bei einer Normalverteilung 68.27% aller Beobachtungswerte im Intervall ± eine Standardabweichung um den Mittelwert liegen müssen, 95.45% aller Beobachtungswerte im Intervall ± zwei Standardabweichungen um den Mittelwert, 1 Wenn wir wie in unserem Fall mit kleinen Grundgesamtheiten arbeiten, muß die Varianz der Stichprobenanteilswerte eigentlich noch um den Faktor (N-n)/(N-1) bereinigt werden. Für unser Beispiel ergibt sich ein Korrekturfaktor von (100-10)/(100-1)= Unter Berücksichtigung dieses Korrekturfaktors liegt die Standardabweichung der theoretischen Normalverteilung der Stichprobenanteilswerte bei
3 99.73% aller Beobachtungswerte im Intervall ± drei Standardabweichungen um den Mittelwert. Wenn wir nur gerundete Prozentwerte betrachten, so können wir grob folgendes festhalten: Bei einer Normalverteilung liegen genau 95% aller Beobachtungen im Intervall ± 1.96 Standardabweichungen um den Mittelwert und 90% aller Beobachtungen im Intervall ± 1.68 Standardabweichungen um den Mittelwert. Unter Verwendung dieses Ergebnisses zur Normalverteilung aus der theoretischen Statistik und unter Verwendung der Werte für den Mittelwert und die Standardabweichung der Normalverteilung der Stichprobenanteilswerte aus den Formeln (1) und (2) können wir nun folgendes behaupten: Wenn wir unendliche viele Stichproben der Größe n = 10 aus einer Grundgesamtheit ziehen, bei der der wahre Stichprobenanteilswert bei π = 0.40 liegt, so können wir davon ausgehen, daß 95% der Stichprobenanteilswerte im Intervall 0.40 ± 1.96 * 0.155, d.h. im Intervall [0.096, 0.704] liegen. 2 Ziehen wir eine einzige Zufallsstichprobe, so können wir daher auch sagen, daß der Stichproben- anteilswert mit einer Wahrscheinlichkeit von 95% im Intervall ± 1.96 * um den wahren Wert 0.40 liegt, d.h. im Intervall [0.096, 0.704]. In der Realität ist es nun so, daß wir erstens nur eine einzige Stichprobe ziehen und nicht unendlich viele und zweitens den wahren Anteilswert in der Grundgesamtheit nicht kennen - den wollen wir ja gerade über unsere Stichprobe schätzen. Wir müssen daher in einem nächsten (Denk)Schritt obige Aussage noch einmal umformulieren: Wenn wir eine Zufallsstichprobe verwenden, um einen Anteilswert für die Grund- gesamtheit zu schätzen, so können wir davon ausgehen, daß der wahre Anteilswert n in der Grundgesamtheit mit einer Wahrscheinlichkeit von 95% im Intervall ± 1.96 * σ π um den geschätzten Stichprobenanteilswert p liegt. Die Standardabweichung σ π des Stichprobenanteilswertes schätzen wir dabei über die Formel (3) Nehmen wir an, die Lehrveranstaltungsleiterin in unserem fiktiven Beispiel hätte 10 zufällig ausgewählte Studierende um ihre Statistikvorkenntnisse befragt. In der Stichprobe finden sich 30% Studierende mit Statistikgrundkenntnissen. Bei der Konzeption der Lehrveranstaltung kann sie daher davon ausgehen, daß die wahre Anteil der KursbesucherInnen mit Statistikvorkenntnissen in der Gesamtgruppe mit einer Wahrscheinlichkeit von 95% bei (4) 2 Unter Berücksichtigung des Korrekturfaktors für kleine Grundgesamtheiten ergibt sich ein Intervall von 0.40 ± 1.96 * oder [0.11, 0.69]. 3
4 liegt, d.h. im Intervall [0.02, 0.58]. Das Intervall ist aufgrund der kleinen Stichprobe in unserem Beispiel relativ groß, mit einer Wahrscheinlichkeit von α = 100%- 95% = 5% kann es sogar sein, daß der wahre Wert in der Grundgesamtheit außerhalb des Intervalles liegt. Grundsätzlich gibt es nun zwei unterschiedliche Möglichkeiten, das geschätzte Konfidenzintervall für den wahren Anteilswert in der Grundgesamtheit zu verkleinern: Erstens kann die Signifikanz unseres Konfidenzintervalls, die bisher auf 95% gesetzt wurde, verkleinert werden. Wenn wir zulassen, daß der wahre Wert in der Grundgesamtheit mit einer Wahrscheinlichkeit von α = 10% auch außerhalb des von uns angegebenen Konfidenzintervalles liegen könnte, so müssen wir ein Intervall um den Stichprobenmittelwert konstruieren, in dem 90% aller Fälle liegen. D.h. in Formel (4) setzen wir anstelle des 95%-Wertes von z = 1.96 den 90%-Wert von z = 1.68 aus der theoretischen Normalverteilung ein. Für unser Beispiel ergibt sich für eine Stichprobe mit p = 0.30 ein 90%-Konfidenzintervall von [0.06,0.54]. Zweitens können wir die Stichprobengröße erhöhen. Werden von der Lehrveranstaltungsleilerin nicht 10, sondern n = 15 Studierende befragt und ergibt sich auch in dieser Stichprobe ein Anteilswert von p = 0.30, so liegt das 95%-Konfidenzintervall für den Anteil der Studierenden 3 mit Statistikvorkenntnissen in der Gesamigruppe bei [0.07, 0.53]. (5) Wie zu erkennen ist, bringt die relativ kleine Erhöhung der Stichprobengröße eine deutlichere Verkleinerung des Konfidenzintervalles als die Herabsetzung des Signifikanzniveaus. Würde die Lehrveranstaltungsleiterin n = 30 Studierende um ihre Statistikvorkenntnisse befragen, so könnte sie das 95%-Konfidenzintervall auf den Bereich ± 16 % um den geschätzten Stichprobenanteils- wert reduzieren. 4 Je größer die Stichprobe absolut ist, desto größer ist die Wahrscheinlichkeit, daß der Anteil der Studierenden mit Statistikvorkenntnissen dem wahren Wert in der Grundgesamtheit recht gut entspricht. Auch wenn die Wahrscheinlichkeit sehr klein ist, kann sie natürlich immer auch zufällig eine Stichprobe ziehen, mit der sie völlig daneben liegt. So könnten sich in der Stichprobe zufällig natürlich auch lauter Studierende finden, die alle über Statistikgrundkenntnisse verfügen. Das Kurskonzept könnte aufbauend auf einem derartigen Ergebnis dann auch viel zu viel an Vorkenntnissen voraussetzen. In unserem fiktiven Beispiel würde die statistisch bewanderte Lehreranstaltungsleiterin wahrscheinlich doch alle 100 Studierenden befragen, um einen Überblick über die Statistikvorkenntnisse bei den Kursteilnehmerlnnen zu erhalten. Der Erhebungsaufwand zwischen einer Stichprobe aus 30 Studierenden, bei der ein halbwegs verläßlicher Schätzwert über die Vorkenntnisse zu ermitteln ist und einer Vollerhebung bei allen 100 Studierenden unterscheidet sich kaum. 3 Unter Berücksichtigung des Korrekturfaktors für kleine Grundgesamtheiten ergibt sich ein Konfidenzintervall von [0.085, 0.515]. 4 Unter Berücksichtigung des Korrekturfaktors für kleine Grundgesamtheiten reduziert sich der Schwankungsbereich für das Konfidenzintervall auf ± 14% um den Stichprobenanteilswert. 4
5 Generell - und diese Aussage gilt nicht nur für die Schätzung von Anteilswerten - sollten wir uns merken, daß die Genauigkeit unserer Aussagen, die wir auf Basis von Stichproben treffen können, zwar sehr stark von der Stichprobengröße abhängt, aber nicht von der Größe unserer Grundgesamtheit. Ganz egal, ob wir die Statistikkenntnisse in einer Grundgesamtheit aus 100, 1000, oder gar Studierenden ermitteln wollen, ergibt sich bei einer Stichprobengröße von n = 30 für den wahren Anteilswert ein Konfidenzintervall von ± 16% um einen Stichprobenanteilswert von p=0.30. Hinweis: Nur wenn wir mit sehr kleinen Grundgesamtheiten oder extrem kleinen Stichproben (wie in unserem Beispiel) arbeiten, müssen wir in unseren Formeln für das Konfidenzintervall eigentlich Korrekturfaktoren berücksichtigen. Während endliche Grundgesamtheiten und extrem kleine Stichproben etwa in der medizinischen Forschung eine relativ große Bedeutung haben, treffen wir in der sozialwissenschaftlichen Praxis im Regelfall unsere statistische Aussagen auf Basis relativ großer Stichproben für relativ große Grundgesamtheiten. Eine Stichprobe sollte generell dann als sehr klein betrachtet Werden, wenn der Wert n * π * (1- π) < 9 ist. Grob können wir uns daher auch merken, daß wir auch einfache statistische Analysen erst ab Stichprobengrößen zwischen 35 und 100 Individuen (Personen) durchführen sollten. Untersuchen wir Phänomene, die relativ häufig sind - die insgesamt mit einer Wahrscheinlichkeit zwischen 25% und 50% auftreten - so reichen Stichprobengrößen zwischen 35 und 50 Individuen aus, um einfache statistische Analysen durchzuführen. Untersuchen wir Phänomene, die relativ selten auftreten - die insgesamt etwa nur mit einer Wahrscheinlichkeit zwischen 5% und 10% auftreten - so sollte unsere Stichprobengröße auch für einfache statistische Analysen zumindest zwischen 100 und 200 liegen. Auch statistische Aussagen für/über bestimmte Teilgruppen sollten nur dann gemacht werden, wenn Mindestgruppengrößen von in der Stichprobe vorliegen. Die Berechnung von Anteilswerten (relativen Häufigkeiten) bildet die Grundform der Auswertung von Stichprobendaten mit kategorialem Datenniveau. In der folgenden Tabelle findet sich ein Überblick darüber, mit welchem Stichprobenfehler, d.h. mit welcher Schwankungsbreite um den ermittelten Stichprobenanteilswert, wir rechnen müssen, je nachdem, wie groß wir unsere Stichprobe wählen und je nachdem wie hoch der Anteilswert liegt. 5 In der Tabelle sind die Abweichungen um die geschätzten Stichprobenwerte angegeben, aus denen das 95%-Konfidenzintervall für den wahren Anteilswert in der Grundgesamtheit ermittelt werden kann. Ganz grob können wir uns merken, daß Stichprobengrößen von n = 100 ausreichen, um einfache statistische Analysen (etwa Anteilswertberechnungen) durchzuführen, bei denen wir eine Ungenauigkeit im Ausmaß von ± 10% in Kauf nehmen (Anm. isa hager: siehe roter Kreis). 5 Wie aus Formel (3) zu sehen ist, hängt die Standardabweichung der Verteilung der Stichprobenanteilswerte von der Stichprobengröße sowie dem Anteilswert p selbst ab. Der größte Wert im Zähler - und damit auch die größte Standardabweichung bei gegebener Stichprobengröße - ergibt sich, wenn der Anteil p bei 0.50 liegt. Die Konfidenzinterfvalle für p>0.50 sind in der Tabelle nicht extra angerührt da sich für p und (1-p) die gleichen Werte im Zähler in Formel (3) ergeben. 5
6 Konfidenzintervalle für geschätzte Anteilswerte in Stichproben Stichprobengrößen um n = 500, wie sie etwa bei telefonischen Umfragen der Meinungsforschungsinstitute üblich sind, reichen aus, um einfache statistische Analysen insgesamt mit einer Ungenauigkeitsgrad von ± 5% durchzuführen. Diese Stichprobengröße reicht auch aus, um die statistischen Aussagen für größere Subgruppen in der Bevölkerung zu differenzieren. Stichprobengrößen von n = 2000, wie sie in größeren sozialwissenschaftlichen Forschungs- projekten üblich sind, erlauben einfache statistische Analysen mit einem Genauigkeitsgrad von immerhin etwa ± 2%. Auch für Teilgruppen in der Bevölkerung können mit einer derartigen Stichprobengröße bereits relativ detaillierte statistische Analysen durchgeführt werden. 6
Elisabeth Aufhauser, unveröffentlichter Text Unterrichtsmaterial Statistik-UE für Soziologie
Elisabeth Aufhauser, unveröffentlichter Text Unterrichtsmaterial Statistik-UE für Soziologie Konfidenzintervall Statistische Analyse von Stichproben Der Datensatz aus der Übung (social survey 1993) besteht
MehrDie Gauß sche Glockenform lässt sich wie folgt beschreiben (Kennzeichen der Normalverteilung): Sie ist Kennzeichen der Normalverteilung:
aus der Vorlesung: Normalverteilung Die Normalverteilung Die Normalverteilung ist eine Sonderform einer symmetrischen Verteilung, bekannt durch die charakteristische Glockenform, auch genannt die Gauß
MehrBeschreibende Statistik Deskriptive Statistik. Schließende Statistik Inferenzstatistik. Schluss von der Stichprobe auf die Grundgesamtheit
Beschreibende Statistik Deskriptive Statistik Schließende Statistik Inferenzstatistik Beschreibung der Stichprobe Schluss von der Stichprobe auf die Grundgesamtheit Keine Voraussetzungen Voraussetzung:
MehrWahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
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,
Mehr3 Konfidenzintervalle
3 Konfidenzintervalle Konfidenzintervalle sind das Ergebnis von Intervallschätzungen. Sicheres Wissen über Grundgesamtheiten kann man anhand von Stichproben nicht gewinnen. Aber mit Hilfe der Statistik
MehrKonfidenzintervalle so einfach wie möglich erklärt
Konfidenzintervalle so einfach wie möglich erklärt Wolfgang Ludwig-Mayerhofer, Universität Siegen, FB 1, Fach Soziologie Das Problem SozialwissenschaftlerInnen erheben sehr oft Daten aus Stichproben. Es
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.
MehrStatistik Einführung // Stichprobenverteilung 6 p.2/26
Statistik Einführung Kapitel 6 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Leydold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // 6 p.0/26 Lernziele 1. Beschreiben
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.
Mehr1. Einführung in die induktive Statistik
Wichtige Begriffe 1. Einführung in die induktive Statistik Grundgesamtheit: Statistische Masse, die zu untersuchen ist, bzw. über die Aussagen getroffen werden soll Stichprobe: Teil einer statistischen
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
Mehr= 3. Kapitel 4: Normalverteilung.. und Standardnormalverteilung und: das Konfidenzintervall..
Kapitel : Normalverteilung.. und Standardnormalverteilung und: das Konfidenzintervall.. Mittelwert = Summe aller Einzelwerte / n = durchschnittliche Ausprägung, wenn alle gleich viel hätten. Streuung =
MehrInzidenz = Penetration: Welche Stichprobe ist realistisch?
Inzidenz = Penetration: Welche Stichprobe ist realistisch? Vor jeder Entscheidung für ein Stichprobenverfahren stellt sich die Frage: Findet man die Stichprobenmitglieder? Beispiel: Man sucht nach VerwenderInnen
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
MehrStichwortverzeichnis. Symbole
Stichwortverzeichnis Symbole 50ste Perzentil 119 A Absichern, Ergebnisse 203 Abzählbar unendliche Zufallsvariable 146 Alternativhypothese 237 238 formulieren 248 Anekdote 340 Annäherung 171, 191 Antwortquote
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
Mehr2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.15. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler unter allen Wählern war 2009 auf eine Nachkommastelle gerundet genau 33.7%. Wie groß ist die Wahrscheinlichkeit,
MehrÜbungen mit dem Applet Rangwerte
Rangwerte 1 Übungen mit dem Applet Rangwerte 1 Statistischer Hintergrund... 2 1.1 Verteilung der Einzelwerte und der Rangwerte...2 1.2 Kurzbeschreibung des Applets...2 1.3 Ziel des Applets...4 2 Visualisierungen
MehrMedizinische Statistik
Medizinische Statistik Angewandte Biometrie für Ärzte und Gesundheitsberufe Bearbeitet von Wilhelm Gaus, Rainer Muche 1. Auflage 2013. Buch. 640 S. Hardcover ISBN 978 3 7945 2931 5 Format (B x L): 16,5
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
MehrBiostatistik, WS 2017/18 Der Standardfehler
1/70 Biostatistik, WS 2017/18 Matthias Birkner http://www.staff.uni-mainz.de/birkner/biostatistik1718/ 24.11.2017 3/70 Ein Versuch Hirse Bild: Panicum miliaceum 4/70 Ein Versuch Ein Versuch Versuchsaufbau:
Mehrvon x-würfeln bei wachsendem n? Zur Beantwortung führen wir ein Simulationsexperiment durch.
Zentraler Grenzwertsatz Die Normalverteilung verdankt ihre universelle theoretische und praktische Bedeutung dem zentralen Grenzwertsatz. Unabhängig von der konkreten k Ausgangsverteilung konvergiert die
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
Mehr2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.11. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler 2009 war genau 33.7%. Wie groß ist die Wahrscheinlichkeit, in einer Zufallsstichprobe von 1000 Personen genau
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
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
MehrTrim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist
Mehr7. Grenzwertsätze. Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012
7. Grenzwertsätze Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Mittelwerte von Zufallsvariablen Wir betrachten die arithmetischen Mittelwerte X n = 1 n (X 1 + X 2 + + X n ) von unabhängigen
Mehrp = h n (K)= Juli vl smart vp qk notebook Praktische Lösung des Problems: mit den Werten
I. Eigenschaften von Schätzfunktionen Wir wollen den unbekannten Anteil p von Autos ermitteln, die mit Katalysator fahren. Mathematisch können wir das Problem wie folgt beschreiben: Sei X der Autotyp eines
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
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen 2. Der Standardfehler
Wahrscheinlichkeitsrechnung und Statistik für Biologen 2. Der Standardfehler Noémie Becker & Dirk Metzler 15. April 2016 Inhaltsverzeichnis 1 Der Standardfehler 1 1.1 Ein Versuch............................................
Mehrvon x-würfeln bei wachsendem n? Zur Beantwortung führen wir ein Simulationsexperiment durch.
Zentraler Grenzwertsatz Die Normalverteilung verdankt ihre universelle theoretische und praktische Bedeutung dem zentralen Grenzwertsatz. Unabhängig von der konkreten k Ausgangsverteilung konvergiert nämlich
MehrÜbungen mit dem Applet Zentraler Grenzwertsatz
Zentraler Grenzwertsatz 1 Übungen mit dem Applet Zentraler Grenzwertsatz 1 Statistischer Hintergrund... 1.1 Zentraler Grenzwertsatz... 1. Beispiel Würfeln... 1.3 Wahrscheinlichkeit und relative Häufigkeit...3
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
MehrMethodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft
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
MehrÜbungsblätter zu Methoden der Empirischen Sozialforschung III: Inferenzstatistik. Lösungsblatt zu Nr. 5
Martin-Luther-Universität Halle-Wittenberg Institut für Soziologie Dr. Wolfgang Langer 1 Übungsblätter zu Methoden der Empirischen Sozialforschung III: Inferenzstatistik Lösungsblatt zu Nr. 5 1.a) Um diese
MehrStatistik für Dummies
Bearbeitet von Deborah Rumsey, Reinhard Engel 3. aktualisierte Auflage 2015. Buch. 368 S. Softcover ISBN 978 3 527 71156 7 Format (B x L): 17,6 x 24 cm Wirtschaft > Betriebswirtschaft: Theorie & Allgemeines
MehrVerteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen. Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung
Verteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung Typisierung der stetigen theoretischen Verteilungen Bibliografie:
MehrStatistik-Klausur vom 6. Februar 2007
Statistik-Klausur vom 6. Februar 2007 Bearbeitungszeit: 90 Minuten Aufgabe 1 Bei einer Besucherumfrage in zwei Museen wurden die Besuchsdauern (gemessen in Stunden) festgestellt: Besuchsdauer Anteil der
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
Mehr7. Übung: Aufgabe 1. b), c), e) Aufgabe 2. a), c), e) Aufgabe 3. c), e) Aufgabe 4. Aufgabe 5. Aufgabe 6. Aufgabe 7. Aufgabe 8. Aufgabe 9.
7. Übung: Aufgabe 1 b), c), e) Aufgabe a), c), e) Aufgabe 3 c), e) Aufgabe 4 b) Aufgabe 5 a) Aufgabe 6 b) Aufgabe 7 e) Aufgabe 8 c) Aufgabe 9 a), c), e) Aufgabe 10 b), d) Aufgabe 11 a) Aufgabe 1 b) Aufgabe
MehrWahrscheinlichkeitsrechnung und Statistik
10. Vorlesung - 2018 Grundbegriffe der Statistik statistische Einheiten = Objekte an denen interessierende Größen erfaßt werden z.b. Bevölkerung einer Stadt; Schüler einer bestimmten Schule; Patienten
MehrStatistik I. Methodologie der Psychologie
Statistik I Methodologie der Psychologie Thomas Schmidt & Lena Frank Wintersemester 2003/2004 Georg-Elias-Müller-Institut für Psychologie Uni Göttingen Literatur: Glantz, S.A. (2002). Primer of Biostatistics.
MehrÜbungen mit dem Applet
Übungen mit dem Applet 1. Visualisierung der Verteilungsform... 1.1. Normalverteilung... 1.. t-verteilung... 1.3. χ -Verteilung... 1.4. F-Verteilung...3. Berechnung von Wahrscheinlichkeiten...3.1. Visualisierung
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
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
MehrModellanpassung und Parameterschätzung. A: Übungsaufgaben
7 Modellanpassung und Parameterschätzung 1 Kapitel 7: Modellanpassung und Parameterschätzung A: Übungsaufgaben [ 1 ] Bei n unabhängigen Wiederholungen eines Bernoulli-Experiments sei π die Wahrscheinlichkeit
MehrDas Konfidenzintervall und der Goldbär
Das Konfidenzintervall und der Goldbär Aufgabe 3 Blutgruppen c) In einer österreichischen Gemeinde, in der 1 800 Einwohner/innen Blut spenden könnten, nahmen 150 Personen an einer freiwilligen Blutspendeaktion
MehrVerteilung von Summen
Verteilung von Summen Beispiel: Würfelwurf Frage: Wie verhält sich die Verteilung der Augensumme von -Würfeln bei wachsendem? Zur Beantwortung führen wir ein Simulationseperiment durch. 6 Würfe mit 1 Würfel
MehrVS PLUS
VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen - Inferenzstatistik 1 [Übungsaufgaben und Lösungenn - Inferenzstatistik 1] ÜBUNGSAUFGABEN
MehrSo berechnen Sie einen Schätzer für einen Punkt
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: SCHÄTZEN UND TESTEN htw saar 2 Schätzen: Einführung Ziel der Statistik ist es, aus den Beobachtungen eines Merkmales in einer Stichprobe Rückschlüsse über die Verteilung
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg R. 06-06 (Persike) R. 06-31 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
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
MehrPopulation und Stichprobe
Inhaltsverzeichnis Population und Stichprobe... 2 Lernhinweise... 2 Einführung... 2 Theorie (1-13)... 3 1. Fragestellung... 4 2. Definitionen und Notation... 4 3. "Dilemma" der Stichprobenziehung... 6
MehrDr. H. Grunert Schließende Statistik Vorlesungscharts. Vorlesung 7. Schätzverfahren
Vorlesungscharts Vorlesung 7 Schätzverfahren Konstruktion von Konfidenzintervallen Konfidenzintervalle für den Erwartungswert normalverteilter Grundgesamtheiten Konfidenzintervalle für Anteilswerte Seite
MehrMaurizio Musso, Universität Salzburg, ver Physikalische Grundlagen der Meßtechnik. Teil 2
Teil 2 Auswertung von Messungen, zufällige oder statistische Abweichungen Auswertung direkter Messungen Häufigkeitsverteilung, Häufigkeitsfunktion Mittelwert, Standardabweichung der Einzelwerte Standardabweichung
MehrBundesweite Volksabstimmung
Bundesweite Volksabstimmung Eine repräsentative Umfrage von infratest dimap im Auftrag von OMNIBUS für Direkte Demokratie und Mehr Demokratie / April 2017 Bundesweite Volksabstimmung Untersuchungsanlage
MehrStichproben und statistische Fehler
Kapitel 0 Stichproben und statistische Fehler 0. Verfahren zur Auswahl von Stichproben Stichprobenauswahl als Bestandteil von Teilerhebungen: Aus dem Ergebnis der Untersuchung der Stichprobe soll dann
MehrEvaluation & Forschungsstrategien. B.Sc.-Seminar. Sitzung IV: Konfidenzintervalle // Normalverteilungstests
Evaluation & Forschungsstrategien B.Sc.-Seminar Sitzung V: Konfidenzintervalle // Normalverteilungstests Seminarinhalte Sitzung V: 16.05.2018 Konfidenzintervalle bei bekannter Varianz Konfidenzintervalle
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
MehrHandelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen?
1. Handelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen? a.) Anzahl der Kunden, die an der Kasse in der Schlange stehen. b.) Die Menge an Energie, die pro Tag von einem Energieversorgungsunternehmen
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
MehrMathematische und statistische Methoden II
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 Persike
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
Mehr= 3. Kapitel 4: Normalverteilung.. und Standardnormalverteilung und: das Konfidenzintervall..
Kapitel : Normalverteilung.. und Standardnormalverteilung und: das Konfidenzintervall.. Mittelwert = Summe aller Einzelwerte / n = durchschnittliche Ausprägung, wenn alle gleich viel hätten. Streuung =
MehrStatistik für NichtStatistiker
Statistik für NichtStatistiker Zufall und Wahrscheinlichkeit von Prof. Dr. Karl Bosch 5., verbesserte Auflage R. Oldenbourg Verlag München Wien Inhaltsverzeichnis 1. ZufalLsexperimente und zufällige Ereignisse
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
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 10 2010 FernUniversität in Hagen Alle Rechte vorbehalten Fakultät für Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
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
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
MehrWie liest man Konfidenzintervalle? Teil I. Premiu m
Wie liest man Konfidenzintervalle? Teil I Premiu m Was sind Konfidenzintervalle? Ein Konfidenzintervall (KI) ist ein Maß für die Unsicherheit bezüglich einer Schätzung eines Effekts. Es ist ein Intervall
MehrZentraler Grenzwertsatz
Statistik 2 für SoziologInnen Zentraler Grenzwertsatz Univ.Prof. Dr. Marcus Hudec Statistik für SoziologInnen 1 Zentraler Grenzwertsatz Inhalte Themen dieses Kapitels sind: Der zentrale Grenzwertsatz und
MehrHypothesentests und Konfidenzintervalle
Beispiel 1: Befüllen von Cornflakesschachteln Problem Ein Hersteller von Cornflakes möchte überprüfen, ob der Abfüllprozess den Zielvorgaben entspricht. Das Sollgewicht der Schachteln beträgt 365 Gramm.
MehrStichprobenverteilung bei unterschiedlichen Auswahlsätzen
Stichprobenverteilung bei unterschiedlichen Auswahlsätzen Begleitende Unterlagen zur Übung Induktive Statistik Michael Westermann Universität Essen Inhaltsverzeichnis 1 Einleitung.......................................................
MehrUniv.-Prof. Dr. Georg Wydra
Univ.-Prof. Dr. Georg Wydra Methoden zur Auswertung von Untersuchungen 1 SKALENTYPEN UND VARIABLEN 2 ZUR BEDEUTUNG DER STATISTIK IN DER FORSCHUNG 3 STATISTIK ALS VERFAHREN ZUR PRÜFUNG VON HYPOTHESEN 4
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management
Statistik für Betriebswirtschaft und International Management Sommersemester 2014 Prof. Dr. Stefan Etschberger HSA Streuungsparameter Varianz Var(X) bzw. σ 2 : [x i E(X)] 2 f(x i ), wenn X diskret Var(X)
Mehr1 Grundlagen der Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsräume. Ein erster mathematischer Blick auf Zufallsexperimente...
Inhaltsverzeichnis 1 Grundlagen der Wahrscheinlichkeitsrechnung 1 1.1 Wahrscheinlichkeitsräume Ein erster mathematischer Blick auf Zufallsexperimente.......... 1 1.1.1 Wahrscheinlichkeit, Ergebnisraum,
MehrBewertung der gesetzlichen Regelung zu Beschneidungen
Ergebnisse einer repräsentativen Erhebung - Tabellarische Übersichten Eine Studie von Infratest dimap im Auftrag von MOGiS e.v. Berlin, 20. Dezember 2012 67.10.126707 Untersuchungsanlage Grundgesamtheit:
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage
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
MehrThema der Stunde. I. Die Form der Stichprobenkennwerteverteilung. II. Schlüsse von der Stichprobe auf die Population
Thema der Stunde I. Die Form der Stichprobenkennwerteverteilung II. Schlüsse von der Stichprobe auf die Population III. t-test für unabhängige und abhängige Stichproben Stichprobenkennwerte Population
MehrÜbungen zur Vorlesung Wirtschaftsstatistik Konfidenzintervalle Aufgabe 11.1 NewYorkTimes, Monday, May17,2010:
Technische Hochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 3914 jutta.arrenberg@th-koeln.de Übungen zur Vorlesung Wirtschaftsstatistik Konfidenzintervalle
Mehr5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrEinführung 17. Teil I Kopfüber eintauchen in die Statistik 23. Kapitel 1 Kategoriale Daten zusammenfassen: Häufigkeiten und Prozente 25
Inhaltsverzeichnis Einführung 17 Über dieses Buch 17 Törichte Annahmen über den Leser 19 Wie dieses Buch aufgebaut ist 19 Teil I: Kopfüber eintauchen indie Statistik 19 Teil II: Von Wahrscheinlichkeiten,
MehrErmitteln Sie auf 2 Dezimalstellen genau die folgenden Kenngrößen der bivariaten Verteilung der Merkmale Weite und Zeit:
1. Welche der folgenden Kenngrößen, Statistiken bzw. Grafiken sind zur Beschreibung der Werteverteilung des Merkmals Konfessionszugehörigkeit sinnvoll einsetzbar? A. Der Modalwert. B. Der Median. C. Das
MehrUmfrage zum Thema Beteiligung der DFL an Polizeikosten bei Risikospielen Eine Studie im Auftrag des WDR / Sport inside
Umfrage zum Thema Beteiligung der DFL an Polizeikosten bei Risikospielen Eine Studie im Auftrag des WDR / Sport inside Umfrage zum Thema Beteiligung der DFL an Polizeikosten bei Risikospielen Studieninformation
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:
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
MehrStatistik-Klausur vom 11. Februar 2005
Statistik-Klausur vom 11. Februar 005 Bearbeitungszeit: 90 Minuten Aufgabe 1 Ein Konzern erstellt einen Überblick über die Umsätze von drei Tochterunternehmen in der vergangenen Periode. Dazu werden die
MehrWahrscheinlichkeitsrechnung und Statistik
9. Vorlesung - 2017 Monte Carlo Methode für numerische Integration Sei g : [0, 1] R stetige Funktion; man möchte 1 0 g(t)dt numerisch approximieren mit Hilfe von Zufallszahlen: Sei (U n ) n eine Folge
MehrVerjährung von Sexualstraftaten an Minderjährigen
Eine Umfrage von infratest dimap im Auftrag von netzwerkb Netzwerk Betroffener von sexualisierter Gewalt e.v. Grafische Darstellungen Untersuchungsanlage Grundgesamtheit Wahlberechtigte Bevölkerung im
MehrAlkohol und Schwangerschaft - KW 35/2014
Ergebnisse einer repräsentativen Erhebung - Tabellarische Übersichten Eine Studie von TNS Infratest Politikforschung im Auftrag der Fachstelle für Suchtprävention Berlin ggmbh Berlin, 1. September 2014
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrTeil VIII. Zentraler Grenzwertsatz und Vertrauensintervalle. Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle. Lernziele. Typische Situation
Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle Patric Müller ETHZ Teil VIII Zentraler Grenzwertsatz und Vertrauensintervalle WBL 17/19, 29.05.2017 Wahrscheinlichkeit
Mehr