Parameterschätzung. Numero, pondere et mensura Deus omnia condidit
|
|
- Heidi Martin
- vor 6 Jahren
- Abrufe
Transkript
1 Parameterschätzug Numero, podere et mesura Deus omia codidit
2 Populatio, Zufallsvariable, Stichprobe Populatio Zufallsvariable X Stichprobe x eie"realisierug vo X (Beobachtug)
3 alle mäliche Rekrute der US Armee (Populatio) die erste 0 mäliche Wehrpflichtige, die am. Mai 004 das Rekrutierugsbüro der US Armee i Cocord NH betrete (Stichprobe) BMI eies zu eiem zufällige Zeitpukt i eiem zufällig gewählte Rekrutierugsbüro azutreffede Rekrute (Zufallsvariable)
4 Eiige Kovetioe Zufallsvariable werde mit Großbuchstabe bezeichet. Mögliche Werte oder tatsächliche Beobachtuge ("Realisieruge") werde mit kleie Buchstabe bezeichet. P(X x) Wahrscheilichkeit, dass der BMI eies zufällig ausgewählte Rekrute höchstes de Wert x aimmt P(X>8) Wahrscheilichkeit, dass ei zufällig ausgewählter Rekrut icht utergewichtig ist P(4<X<30) Wahrscheilichkeit, dass ei zufällig ausgewählter Rekrut übergewichtig, aber icht fettleibig ist
5 Schätzug aus Stichprobe Grudidee Populatio X Zufallsvariable θ: Parameter Stichprobe Ziehe Stichprobe x,...,x Realisieruge Schlussfolgerug Date Sammel θˆ Schätzug Iferez Bilde ˆ(x θ,...,x Schätzer )
6 Schätzug aus Stichprobe Grudidee Parameter θ π Wahrscheilichkeit µ Erwartugswert σ Variaz Beobachtuge x,...,x 0,0,,,0,,....3,4.8,7.55,....4,9.6,0.4,... Schätzer θ ) x,...,x ) ( ˆ π k Ateil µ ˆ / x Stichprobemittel σˆ s Stichprobevariaz
7 Werfe eier Müze π: Wahrscheilichkeit für Kopf k 6 ˆ π X: Azahl Kopf i 0 Würfe X hat eie Bi(π,0) Verteilug P (X 6) 0 π 6 ( π) π π
8 Likelihood ud Wahrscheilichkeit Die Likelihood eies Parameters, gegebe die Beobachtuge, ist die Wahrscheilichkeit der Beobachtuge, gegebe der Parameter. L ( θ x) P (X θ x)
9 Das Maximum-Likelihood-Prizip Auf der Basis vo Beobachtuge wird ei Parameter durch desse mutmaßlichste Wert geschätzt, d.h. durch de Wert, der die Wahrscheilichkeit der Beobachtuge maximiert. D.h. θˆ wird so gewählt, dass L(ˆ θ x) max θ L( θ x)
10 AB0-Blutgruppe I eier Stichprobe vo 75 Idividue aus eier bestimmte Populatio hatte 0 Persoe die Blutgruppe B. Wie groß ist die Häufigkeit π der Blutgruppe B i dieser Populatio? π ( π ) ˆ π π
11 Das Maximum-Likelihood-Prizip Biomialverteilug L( π k) k π k ( π) k log{ L( π k)} cost + k log( π) + ( k) log( π) δlog{l( π k)} δπ k π k π 0 π k ˆ π k / ist der Maximum-Likelihood-Schätzer vo π
12 Weiblicher Body-Mass-Idex (BMI) Welche Erwartugswert µ hat derbmi eier US Schöheitsköigi? Liegt µ ugefähr bei x 8.6? Jahr Name Suzette Charles Sharlee Wells Susa Aki Kellye Cash Kaye Lai Rae Rafko Gretche Carlso Debbye Turer Marjorie Vicet Kate Shidle Nicole Johso Agela Perez Baraquio Katie Harma BMI
13 Das Maximum-Likelihood-Prizip Normalverteilug L( µ x log{l( µ (x i µ ) σ,...,x) e i δlog{ L( µ x δµ µ σ π x,...,x)} cost (x µ i i ) σ,...,x )} µ ˆ x ist der Maximum-Likelihood-Schätzer vo µ σ ( ) µ x 0 i i i xi
14 Schätzer als Zufallsvariable Wege der zufällige Natur vo Stichprobe ist jeder Schätzer θˆ selbst eie Zufallsvariable mit Erwartugswert E( θˆ ) ud Variaz Var( θˆ ). Var(ˆ) θ wird als "Stadardfehler" vo θˆ bezeichet.
15 Seie X,...,X uabhägig ud idetisch verteilt mit E(X i )µ ud Var(X i )σ. Verteilug des Stichprobemittels µ µ E(X) X E E(X) i i i i Var(X) X Var Var(X) i i i i σ σ σ Stadardfehler:
16 Geauigkeit ud Präzisio Geauigkeit bezieht sich auf die Differez zwische dem Erwartugswert eies Schätzers ud dem wahre Parameter. Präzisio bezieht sich auf die Variaz eies Schätzers. geau präzise geau icht präzise icht geau präzise icht geau icht präzise
17 "Gute" Schätzer Ei guter Schätzer ist uverzerrt: E(ˆθ) "00% geau, d.h. er liefert im Durchschitt de wahre Parameter" kosistet: ( ˆθ θ > ε) 0 P "liefert mit wachsedem Stichprobeumfag immer geauere ud präzisere Schätzuge, die dem wahre Parameter zustrebe" effiziet: Var(ˆθ ) "kei aderer uverzerrter (d.h. 00% geauer) Schätzer liefert präzisere Schätzuge θ miimal
18 "Gute" Schätzer uverzerrt (00% geau) kosistet (Geauigkeit ud Präzisio strebe mit wachsedem Umfag der Stichprobe 00% zu) effiziet (der präziseste Schätzer uter alle 00% geaue Schätzer)
19 "Gute" Schätzer Maximum-Likelihood Maximum-Likelihood-Schätzer sid geerell kosistet asymptotisch effiziet aber NICHT immer uverzerrt
20 ˆ π k Uverzerrte Schätzer Wahrscheilichkeit X habe eie Bi(π,) Verteilug X k E(ˆ) π E E(X) k π ( π) k 0 k π π k... ˆ π k / ist ei uverzerrter Schätzer vo π
21 πˆ Werfe eier Müze : Ateil vo Kopf uter Würfe Wiederholuge 0.6 πˆ
22 Uverzerrte Schätzer x ˆ µ ist ei uverzerrter Schätzer vo µ X,...,X seie idetisch verteilt mit E(X i )µ µ µ µ E(X) X E E(ˆ) i i i i µ i i x x ˆ Erwartugswert
23 Würfelspiel X i : Augezahl eies eizele Wurfs (i,...,) X: durchschittliche Augezahl aus Würfe Wiederholuge X
24 σ s ist ei uverzerrter Schätzer vo σ ˆ Uverzerrte Schätzer Variaz X,...,X seie uabhägig ud idetisch verteilt mit Var(X i )σ σˆ s (x i i x) E(ˆ σ ) E (X X) i i ( ) [E(X ) µ ]... σ
25 Die (stetige) Gleichverteilug f(x) b 0 a für a x b sost E(X) b + a Var(X) (b a) b a a b
26 Gleichverteilug a4, b8 µ6, σ Wiederholuge.5 s Stichprobeumfag ()
27 Kosistete Schätzer Ei Schätzer heißt "kosistet", we seie Geauigkeit ud Präzisio mit zuehmedem Stichprobeumfag wachse ud jeweils gege 00% strebe. P ( ˆθ θ > ε) 0 ˆ π k / ist ei kosisteter Schätzer vo π µ ˆ x ist ei kosisteter Schätzer vo µ σ s ist ei kosisteter Schätzer vo σ ˆ
28 Effiziete Schätzer Ei uverzerrter Schätzer heißt "effiziet", we jeder adere uverzerrte Schätzer mehr streut. Var(ˆ) θ miimal ˆ π k/ ist ei effizieter Schätzer vo π µ ˆ x ist meistes ei effizieter Schätzer vo µ σ s ist meistes ei effizieter Schätzer vo σ ˆ
29 Kofidezitervall Für die meiste stetige Zufallsvariable gilt P (ˆθ θ) 0 d.h. es ist umöglich, dass ei Schätzer de wahre Parameter "auf de Kopf trifft". Meistes ist es sivoller, θdurch ei Itervall zu schätze, das θmit eier gewisse "Sicherheit" ethält.
30 Kofidezitervall Defiitio Ei Kofidezitervall ist eie Vorschrift, die eier Stichprobe x ei Itervall I(x) so zuordet, dass für jede mögliche Wert θ des zu schätzede Parameters Pθ(x: θ I(x)) α gilt. Wurde die Stichprobe x erhobe ud das Kofidezitervall I(x) berechet, so besteht ei Vertraue -α, dass I(x) das wahre θ auch ethält. -α heißt "Kofideziveau" (üblicherweise 0.95)
31 Kofidezitervall Erwartugswert Aus dem Zetrale Grezwertsatz folgt, dass X σ µ für großes eie N(0,)-Verteilug hat. X µ P (.96.96) σ 0.95 σ σ P (X.96 µ X +.96 ) 0.95
32 Kofidezitervall Erwartugswert x ±.96 σ markiert ei Itervall, das de wahre Erwartugswert mit Wahrscheilichkeit 0.95 (d.h. i 95% aller uabhägige Wiederholuge des Experimets) ethalte wird. µ
33 Weiblicher Body-Mass-Idex (BMI) 95% Kofidezitervall für de Erwartugswert (Aahme: σ.) 8.6 ±.96 oder (7.9,9.3). Jahr Name Suzette Charles Sharlee Wells Susa Aki Kellye Cash Kaye Lai Rae Rafko Gretche Carlso Debbye Turer Marjorie Vicet Kate Shidle Nicole Johso Agela Perez Baraquio Katie Harma BMI
34 Kofidezitervall Erwartugswert σ bekat: σ x ± z α/ σ ubekat: -α α/ α/ x ± t α/, s z α/ z -α/ wobei t -α/,- das Quatil eier t-verteilug mit - Freiheitsgrade ist.
35 Studet t-verteilug f(x) William S. Gosset ( ) Freiheitsgrad Freiheitsgrade x 3 Freiheitsgrade 500 Freiheitsgrade
36 Wie ma bessere Schätzuge bekommt Erwartugswert Var(X) σ d.h. der Stadardfehler des Stichprobemittels sikt mit wachsedem Stichprobeumfag. ± α KI: x z / σ KI: x ± t α/, s d.h. die Breite eies Kofidezitervalls verrigert sich mit wachsedem Stichprobeumfag.
37 Wie ma bessere Schätzuge bekommt Erwartugswert Breite W des KI: W z α/ σ -α α/ α/ -α steigt z α/ z -α/ z -α/ steigt W steigt Die Breite eies Kofidezitervalls steigt mit steigeder Sicherheit.
38 Kofidezitervall Stichprobeumfag W z α/ σ z α/ W σ Wie viele Beobachtuge sid ötig, um de Erwartugswert des mäliche BMI mit eiem 95% Kofidezitervall vo höchste kg/m Breite zu schätze (Aahme: BMI ist ormalverteilt mit σ.5)? Atwort:
39 Zusammefassug -Schätze bezeichet de wisseschaftliche Vorgag des Erschließes vo Populatiosparameter aus Stichprobe. -Ei Schätzer ist eie mathematische Vorschrift für die Berechug vo Parameterschätzuge aus Date. -Schätzer wie z.b. das Stichprobemittel sid selbst wieder Zufallsvariable, mit Erwartugswert ud Variaz. -Gute Schätzer sollte uverzerrt (geau), effiziet (am präziseste) ud kosistet (zuehmed präzise) sei. -Statt "Puktschätzuge" liefer Kofidezitervalle Bereiche, die eie gesuchte Parameter mit bestimmter Sicherheit ethalte.
Schätzen 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:
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
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
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
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
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
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
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
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
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
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
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
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
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.
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
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,...,
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
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
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
MehrEinführung in die Stochastik 10. Übungsblatt
Eiführug i die Stochastik. Übugsblatt Fachbereich Mathematik SS M. Kohler.7. A. Fromkorth D. Furer Gruppe ud Hausübug Aufgabe 37 (4 Pukte) Ei Eremit am Südpol hat sich für die eibrechede polare Nacht mit
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
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
MehrMaximum Likelihood Version 1.6
Maximum Likelihood Versio 1.6 Uwe Ziegehage 15. November 2005 Logarithmegesetze log a (b) + log a (c) = log a (b c) (1) log a (b) log a (c) = log a (b/c) (2) log a (b c ) = c log a (b) (3) Ableitugsregel
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
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
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
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
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
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
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
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
MehrInduktive Statistik. Formelsammlung. Prof. Dr. W. Assenmacher. Stichprobenraum: Ω = {ω 1, ω 2,...,ω m }
Prof. Dr. W. Assemacher Statistik ud Ökoometrie Uiversität Duisburg-Esse Campus Esse Iduktive Statistik Formelsammlug Stichproberaum: Ω = {ω 1, ω,...,ω m } Vollstädiges System vo Ereigisse {A 1,..., A
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
MehrAngewandte Stochastik II
Vorlesugsskript Agewadte Stochastik II Dr. Katharia Best Witersemester 2010/2011 Ihaltsverzeichis 1 Grudidee der statistische Dateaalyse 5 1.1 Stichprobe..............................................
MehrLösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung
Prof. Dr. V. Schmidt WS 200/20 G. Gaiselma, A. Spettl 7.02.20 Lösugsvorschlag Probeklausur zur Elemetare Wahrscheilichkeitsrechug Hiweis: Der Umfag ud Schwierigkeitsgrad dieser Probeklausur muss icht dem
MehrStatistische Schätzungen
Statitiche Schätzuge Statitiche Schätzuge, Ei Wiechaftler mu geau mee, icht chätze! Da it aber eie wiechaftliche Schätzug! Lázló Smeller? (8,5±1,5) cm Aalytiche Statitik (iduktive o. chließede Statitik)
Mehr10. Übungsblatt zur Einführung in die Stochastik
Fachbereich Mathematik rof. Dr. Michael Kohler Dipl.-Math. Adreas Fromkorth Dipl.-If. Jes Mehert SS 09 6.7.2009 0. Übugsblatt zur Eiführug i die Stochastik Aufgabe 38 (3 ukte Die Zufallsvariable X,...,
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
MehrWahrscheinlichkeitsrechnung & Statistik - Ergänzung zum Skript
Wahrscheilichkeitsrechug & Statistik - Ergäzug zum Skript Prof. Schweizer 9. Oktober 008 Mitschrift: Adreas Steiger Warug: Wir sid sicher dass diese Notize eie Mege Fehler ethalte. Betrete der Baustelle
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
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 ; : :
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürge Seger INDUKTIVE STATISTIK Wahrheilihkeittheorie, Shätz- ud Tetverfahre ÜBUNG 0 - LÖSUNGEN. Kofidezitervall für de Mittelwert eier ormalverteilte Grudgeamtheit bei gegebeer Variaz a. Gegebe id
MehrEinführung in die induktive Statistik. Inferenzstatistik. Konfidenzintervalle. Friedrich Leisch
Spiel Körpergröße Zahl: Azahl weiblich Eiführug i die iduktive Statistik Friedrich Leisch Istitut für Statistik Ludwig-Maximilias-Uiversität Müche Tafelgruppe 8.5 8.6 8.7 8.8 8.9 9.0 9.1 4 5 3 2 1 0 1
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
MehrKapitel 9: Schätzungen
- 73 (Kapitel 9: chätzuge) Kapitel 9: chätzuge Betrachte wir folgedes 9. Beispiel : I eiem Krakehaus wurde Date über Zwilligsgeburte gesammelt. Bei vo 48 Paare hatte die beide Zwillige verschiedees Geschlecht.
MehrAufgaben zu Kapitel 40
Aufgabe zu Kapitel 40 Aufgabe zu Kapitel 40 Verstädisfrage Aufgabe 40 Es seie X,,X iid-gleichverteilt im Itervall [a,b] Wie sieht die Likelihood-Fuktio L a,b aus? Aufgabe 40 Sie kaufe Lose Sie gewie mit
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):
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
MehrPflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik
Pflichtlektüre: Kapitel 10 Grudlage der Iferezstatistik Überblick der Begriffe Populatio Iferezstatistik Populatiosparameter Stichprobeverteiluge Auch Stichprobekewerteverteiluge Wahrscheilichkeitstheorie
MehrGüteeigenschaften von Schätzern
KAPITEL 6 Güteeigeschafte vo Schätzer Wir erier a ie Defiitio es parametrische Moells Sei {h θ : θ Θ}, wobei Θ R m, eie Familie vo Dichte oer Zählichte Seie X 1,, X uabhägige u ietisch verteilte Zufallsvariable
Mehr4. Übung Konfidenzintervalle für Anteile und Mittelwerte
Querschittsbereich 1: Epidemiologie, Mediziische Biometrie ud Mediziische Iformatik - Übugsmaterial - Erstellt vo Mitarbeiter des IMISE ud des ZKS Leipzig 4. Übug Kofidezitervalle für Ateile ud Mittelwerte
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
MehrStochastik I (Statistik)
Stochastik I (Statistik) Skript Ju.-Prof. Dr. Zakhar Kabluchko Uiversität Ulm Istitut für Stochastik L A TEX-Versio vo Judith Schmidt Ihaltsverzeichis Vorwort Literatur Kapitel. Stichprobe ud Stichprobefuktio..
MehrKlausur zu,,einführung in die Wahrscheinlichkeitstheorie. Musterlösungen
Istitut für agewadte Mathematik Witersemester 9/ Adreas Eberle, Matthias Erbar, Berhard Hader. (Reelle Zufallsvariable) Klausur zu,,eiführug i die Wahrscheilichkeitstheorie Musterlösuge a) Die Verteilugsfuktio
MehrKapitel 12. Schätzung von Parametern
Kapitel 12 Schätzug vo Parameter Die Verteilug eier Zufallsvariable hägt i der Regel vo eiem oder mehrere Parameter ab. Bei der Poissoverteilug ist dies der Parameter λ, währed es bei der Normalverteilug
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?
MehrZenraler Grenzwertsatz
Zeraler Grezwertsatz Ato Klimovsky Zetraler Grezwertsatz. Kovergez i Verteilug. Normalapproximatio. I diesem Abschitt beschäftige wir us mit der folgede Frage. Frage: Wie sieht die Verteilug eier Summe
MehrZufallsvariable. Die Wahrscheinlichkeitsverteilung p (probability function) ist definiert durch: p(x i ) := P (X = x i ),
ETHZ 90-683 Dr. M. Müller Statistische Methode WS 00/0 Zufallsvariable Zusammehag: Wirklichkeit Modell Wirklichkeit Stichprobe Date diskret stetig rel. Häufigkeit Häufigkeitstabelle Stabdiagramm Histogramm
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,
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
MehrKapitel 2. Induktive Statistik. 2.1 Grundprinzipien der induktiven Statistik
Kapitel Iduktive Statistik.1 Grudprizipie der iduktive Statistik Ziel: Iferezschluss, Repräsetatiosschluss: Schluss vo eier Stichprobe auf Eigeschafte der Grudgesamtheit, aus der sie stammt. Vo Iteresse
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
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
MehrMethoden zur Konstruktion von Schätzern
KAPITEL 5 Methode zur Kostruktio vo Schätzer 5.1. Parametrisches Modell Sei (x 1,..., x ) eie Stichprobe. I der parametrische Statistik immt ma a, dass die Stichprobe (x 1,..., x ) eie Realisierug vo uabhägige
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
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:
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:
MehrDiskrete Zufallsvariablen
Erste Beispiele diskreter Verteiluge Diskrete Zufallsvariable Beroulli-Verteilug Eie diskrete Zufallsvariable heißt beroulliverteilt mit arameter p, falls sie die Wahrscheilichkeitsfuktio p,, f ( ) ( )
MehrKlassifizierung der Verteilungen. Streuung der diskreten Verteilung
Wichtigste Verteiluge der Biostatisti Disrete Zur Erierug Klassifizierug der Verteiluge Kotiuierliche Disrete Gleichverteilug Kotiuierliche Gleichverteilug Biomialverteilug Normalverteilug Poisso Verteilug
MehrWahrscheinlichkeit & Statistik
Wahrscheilichkeit & Statistik created by Versio: 3. Jui 005 www.matheachhilfe.ch ifo@matheachhilfe.ch 079 703 7 08 Mege als Sprache der Wahrscheilichkeitsrechug, Begriffe, Grudregel Ereigisraum: Ω Ω Mege
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
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
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
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
MehrÜbungsblatt 9 zur Vorlesung. Statistische Methoden
Dr. Christof Luchsiger Übugsblatt 9 zur Vorlesug Statistische Methode Schätztheorie ud Kofidezitervalle Herausgabe des Übugsblattes: Woche 8, Abgabe der Lösuge: Woche 9 (bis Freitag, 65 Uhr), Besprechug:
Mehr}) = ϑ Einsen (1 ϑ) Nullen,
6. Schätzprobleme 6.1. Beispiele a) I eiem Teich befidet sich eie ubekate Azahl vo Fische. Ma schätze z. B. durch Agel, markiere, wieder aussetze ud ochmal agel; vgl. Übug) b) Weiteres Beispiel: Wie groß
MehrÜbungsaufgaben - Organisatorisches
Übugsaufgabe - Orgaisatorisches Der Abgabetermi der eue Übugsblätter ist: Motag, 4:00 Uhr Fehlerrechugsbriefkaste Der Abgabetermi der verbesserte Übugsblätter ist: Freitag, 6:00 Uhr T. Kießlig: Auswertug
MehrÜbungsrunde 12, Gruppe 2 LVA , Übungsrunde 12, Gruppe 2, Markus Nemetz, TU Wien,
1 5.11 Übugsrude 12, Gruppe 2 LVA 107.369, Übugsrude 12, Gruppe 2, 23.01.2007 Markus Nemetz, markus.emetz@tuwie.ac.at, TU Wie, 16.01.2007 1.1 Agabe Währed eier 6-moatige Periode wurde die Zeite (Stude)
Mehr1. Einführung. 1 A (T (x 1,..., x n )) P θ (dx 1 )... P θ (dx n ) X. P θ {T n (X 1,..., X n ) A} =
. Eiführug Bezeichuge: Der durch die Zufallsgröße X defiierte Wahrscheilichkeitsraum [X, B, P X ] heißt auch die Grudgesamtheit X. B ist die σ-algebra der Borelmege aus X. Vielfach wird die Grudgesamtheit
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:
MehrIntervallschätzung II 2
Itervallschätzug Kofidezitervall für die Variaz Kofidezitervall für de Ateilswerte Kofidezitervall für die Differez zweier Ateile Bestimmug des Stichrobeumfags Itervallschätzug II Bibliografie Bleymüller
MehrKlausur vom
UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Domiik Faas Stochastik Witersemester 00/0 Klausur vom 7.0.0 Aufgabe 3+.5+.5=6 Pukte Bei eier Umfrage wurde 60 Hotelbesucher ach ihrer Zufriedeheit
MehrÜbungsaufgaben - Organisatorisches
Übugsaufgabe - Orgaisatorisches Der Abgabetermi der eue Übugsblätter ist: Motag, 4:00 Uhr Fehlerrechugsbriefkaste Der Abgabetermi der verbesserte Übugsblätter ist: Freitag, 6:00 Uhr T. Kießlig: Auswertug
Mehr11 Likelihoodquotiententests
11 Likelihoodquotietetests I de Paragraphe 7-10 wurde beste Tests UMP-Tests oder UMPU-Tests i spezielle Verteilugssituatioe hergeleitet Hier soll u ei allgemeies Kostruktiosprizip für Tests vo zusammegesetzte
Mehr7. Grenzwertsätze Grenzwertsätzen Zentraler Grenzwertsatz Gesetz der großen Zahlen Tschebyscheffsche Ungleichung
7. Grezwertsätze Bei de Grezwertsätze geht es um Aussage, die ma sogar da treffe ka, we keierlei Iformatioe über de Verteilugs-Typ der betrachtete Zufallsvariable vorliege. Zetraler Grezwertsatz Aussage
MehrNormalverteilung. Standardnormalverteilung. Intervallwahrscheinlichkeiten. Verteilungsfunktion
Normalverteilug Stadardormalverteilug Normalverteilug N(μ, ) mit ichte : Gaußche Glockekurve μ μ μ+ μ >, f ( ) = ( μ) WS 6/7 Prof. r. J. Schütze, FB GW NV π Eigechafte der ichte: - Maimum i μ - mmetrich
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
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
MehrEinführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 5
TUM, Zetrum Mathematik Lehrstuhl für Mathematische Physik WS 13/14 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weider Tutoraufgabe: Eiführug i die Wahrscheilichkeitstheorie Lösugsvorschläge zu Übugsblatt
MehrDas kollektive Risikomodell. 12. Mai 2009
Kirill Rudik Das kollektive Risikomodell 12. Mai 2009 4.1 Eileitug Wir betrachte i diesem Kapitel die Gesamtforderuge im Laufe eies Jahres. Beim Abschluss eies Versicherugsvertrages weiß der Versicherer
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
MehrGrundproblem der Inferenzstatistik
Grudproblem der Iferezstatistik Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe π... "wahre", ubekate Ateil icht zufällig p... beobachtete Ateil zufällig? Statistik für SoziologIe 1 Iferezschluss Kofidezitervall
MehrTesten. Zufallszahlen Runs-Test χ 2 -Test. t-test Konfidenzintervalle Quiz
Teste Zufallszahle Rus-Test χ -Test t-test Kofidezitervalle Quiz 500 gewürfelte Zahle: 1763654801515135985606443415135144737971603330 631049894370366479389586647714960406571351155 897035956785154166377676834783418576546563946
MehrStochastisches Integral
Kapitel 11 Stochastisches Itegral Josef Leydold c 26 Mathematische Methode XI Stochastisches Itegral 1 / 2 Lerziele Wieer Prozess ud Browsche Bewegug Stochastisches Itegral Stochastische Differetialgleichug
MehrEs werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.
Vo der relative Häufigkeit zur Wahrscheilichkeit Es werde 20 Schüler befragt, ob sie ei Hady besitze. Das Ergebis der Umfrage lautet: Vo 20 Schüler besitze 99 ei Hady. Ereigis E: Schüler besitzt ei Hady
Mehr10. Grundlagen der linearen Regressionsanalyse 10.1 Formulierung linearer Regressionsmodelle
10. Grudlage der lieare Regressiosaalyse 10.1 Formulierug liearer Regressiosmodelle Eifaches lieares Regressiosmodell: Das eifache lieare Regressiosmodell ist die simpelste Form eies ökoometrische Modells
MehrStochastik: Binomialverteilung Stochastik Bernoulli-Experimente, binomialverteilte Zufallsvariablen Gymnasium ab Klasse 10
Stochastik Beroulli-Experimete, biomialverteilte Zufallsvariable Gymasium ab Klasse 0 Alexader Schwarz www.mathe-aufgabe.com November 203 Hiweis: Für die Aufgabe darf der GTR beutzt werde. Aufgabe : Ei
MehrStochastik für Physiker: Aufgaben und Lösungsvorschläge
Stochastik für Physiker: Aufgabe ud Lösugsvorschläge Simo Stützer Stad: 4. Februar 9 Aufgabe : Vergleiche Sie die Wahrscheilichkeit, beim Spiel mit eiem Würfel i 4 Würfe midestes eimal 6 zu würfel, mit
MehrKAPITEL 9. Konfidenzintervalle
KAPITEL 9 Kofiezitervalle Sei {h θ (x) : θ Θ} eie Familie vo Dichte bzw Zählichte I iesem Kapitel ist Θ = (a, b) R ei Itervall Seie X,, X uabhägige u ietisch verteilte Zufallsvariable mit Dichte bzw Zählichte
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
Mehr