Mathematik 2 für Naturwissenschaften

Größe: px
Ab Seite anzeigen:

Download "Mathematik 2 für Naturwissenschaften"

Transkript

1 Has Walser Mathematik für Naturwisseschafte Fraue Mäer Modul 08 Teste vo Hypothese

2 Has Walser: Modul 08, Teste vo Hypothese ii Ihalt 1 Ma-Whitey-U-Test für zwei uabhägige Stichprobe Ei Ragtest Sigifikazschrake... 3 Korrelatios-Aalyse Korreliere die Blutdrücke vo Eheparter? Bivariate Normalverteilug Sigifikaztest für die Nullhypothese Vorgehe ach Spearma Chi-Quadrat-Test Vierfelder-Tafel Zwei Behadluge Allgemei Gebrauch der Tabelle Mehr als vier Felder Geschlecht ud Studierichtug Vertrauesitervall Situatio Vorbemerkuge zum Begriff Vertrauesitervall Wer sucht, der fidet Ab jetzt wird gerechet Sträucher Allgemei Grobe Schätzug Zusammefassug Ma-Whitey-U-Test für zwei uabhägige Stichprobe Korrelatios-Aalyse Pearso Spearma Chi-Quadrat-Test Vierfelder-Tafel m Felder Vertrauesitervall... 0 Modul 08 für die Lehrverastaltug Mathematik für Naturwisseschafte Sommer 006 Probeversio Sommer 007 Ergäzuge ud Korrekture Frühjahr 008 Korrekture Frühjahr 010 Kleie Äderug Frühjahr 011 Fehlerkorrekture. Kürzuge Frühjahr 014 Überarbeitug. Leichte Kürzug last modified: 5. November 013 Has Walser Mathematisches Istitut, Rheisprug 1, 4051 Basel

3 Has Walser: Modul 08, Teste vo Hypothese 1 1 Ma-Whitey-U-Test für zwei uabhägige Stichprobe 1.1 Ei Ragtest Beispiel Reaktioszeite: Zur Utersuchug der Aufmerksamkeit vo Affe wurde Reaktioszeite auf eie bestimmte Reiz gemesse. Juge ud alte Affe Gemesse wurde 9 juge ud 6 alte Tiere. Reagiere juge Affe rascher als alte? Reaktioszeite i Sekude juge Affe alte Affe 9, 15, 7, 15, >60*, 13, 9, 8, 14 16, 3, >60*, 11, >60*, 18 *) Diese Zeite sid zesiert; ach 60 Sekude wurde icht läger beobachtet.

4 Has Walser: Modul 08, Teste vo Hypothese Vergleich der zwei Gruppe mit dem Ma-Whitey-U-Test: Die Messwerte werde ragiert. Nur die Räge der Messwerte, icht aber die Messwerte selber, gehe i die Testgröße ei; wir habe eie Ragtest. Dieser Test ist daher auch awedbar, we die Merkmalsauspräguge eier Ordialskala etstamme. juge Affe alte Affe Zeit [Sek.] Rag Zeit [Sek.] Rag > >60 > = 9 R 1 = 54 = 6 R = 66 Berechug der Testgröße U aus de Stichprobeumfäge 1, ud der Ragsumme R 1 der Stichprobe 1: I userem Beispiel ist: U Exp = ( 1 +1) R 1 U Exp = = 45 Bemerkug: Die Formel U Exp = ( 1 +1) R 1 ist asymmetrisch, sie bevorzugt die Gruppe 1. Die Frage ist u, welche vo zwei Gruppe als Gruppe Nr. 1 gewählt werde soll. Ei Blick auf die Tabelle (vgl. folgede Abschitt) zeigt, dass die Tabelle so orgaisiert sid, dass ur für 1 Werte eigetrage sid. Daher muss jeweils die größere der beide Gruppe als Gruppe Nr. 1 defiiert werde.

5 Has Walser: Modul 08, Teste vo Hypothese 3 1. Sigifikazschrake Relevater Tabelleausschitt (α = 5%, eiseitig): 1 \ Aus der Tabelle erhalte wir für 1 = 9 ud = 6 die kritische utere Schrake 1. 5% 5% utere Schrake 1 Schrake obere Schrake = 1 utere Schrake Für die kritische obere Schrake gilt: Das gibt i userem Fall: kritische obere Schrake = 1 kritische utere Schrake kritische obere Schrake = = 4 U Exp. = 45 ist also größer als die kritische obere Schrake aus der Tabelle für de Ma- Whitey-U-Test, d. h. der Gruppeuterschied ist sigifikat (α = 5 %, eiseitig).

6 Has Walser: Modul 08, Teste vo Hypothese 4 Korrelatios-Aalyse.1 Korreliere die Blutdrücke vo Eheparter? Wir gehe vo folgeder Tabelle aus: Nr. i Ma x Frau y

7 Has Walser: Modul 08, Teste vo Hypothese 5 I eiem x,y-koordiatesystem ka jedes Ehepaar als Pukt dargestellt werde: Fraue Mäer Jedes Ehepaar ist ei Pukt Für de Korrelatioskoeffiziete ach Pearso ergibt sich: Nur zur Erierug: Empirische Variaz: r x,y = ( x i x ) y i y ( x i x ) ( ) ( y i y ) Empirische Kovariaz: s x = 1 1 i =1 ( x i x ) ud s y = 1 1 i =1 ( y i y ) Korrelatioskoeffiziet: c x,y = 1 1 i =1 ( x i x ) y i y ( ) r x,y = c x,y s x s y = ( x i x ) y i y ( x i x ) ( ) ( y i y ) = x i x i y i x y x y i y

8 Has Walser: Modul 08, Teste vo Hypothese 6 Zurück zum Thema Ist user relativ großer Korrelatioskoeffiziet r x,y aussagekräftig? Wir sehe auch aus der Grafik, dass die Puktwolke eie Korrelatio vermute lässt. Es sei u ρ der Korrelatioskoeffiziet der Grudgesamtheit, aus der die Stichprobe stammt.. Bivariate Normalverteilug Aahme: Die 0 Wertepaare sid eie Zufallsstichprobe aus eier bivariatormalverteilte Grudgesamtheit. Das heißt im Klartext, dass sowohl die x wie auch die y ormalverteilt sid. Schee auf dem Kilimadscharo.3 Sigifikaztest für die Nullhypothese Die Nullhypothese bedeutet, dass i der Grudgesamtheit keie Korrelatio vorliegt, also: Nullhypothese: ρ = 0. Für de Test verwede wir die folgede Tabelle (Ausschitt): α (zweiseitig) 10% 5% % 1% Kritische Werte für de Korrelatioskoeffiziete ach Pearso Aus dieser Tabelle etehme wir für = 0 ud α = 5% de kritische Wert: r krit = User berecheter Wert r x,y ist größer; wir müsse daher die Nullhypothese ablehe. Ei Wort zur Vorsicht: Dieser Test ist sehr empfidlich auf Abweichuge vo der Normalverteilug.

9 Has Walser: Modul 08, Teste vo Hypothese 7.4 Vorgehe ach Spearma We keie bivariate Normalverteilug vorausgesetzt werde ka, müsse wir mit dem aus de Ragdiffereze berechete Ragkorrelatioskoeffiziete ach Spearma arbeite: Bei usere Eheleute sähe das so aus: r Spearma =1 6 d 3 i i =1 Nr. i Ma x Frau y r M r F d i =r M -r F d i Summe r Spearma =1 6 d 3 i i =1 r x,y Berechug vo r Spearma Zum Vergleich ist auch och der Pearsosche Korrelatioskoeffiziet r x,y agegebe.

10 Has Walser: Modul 08, Teste vo Hypothese 8 Da arbeite wir mit der folgede Tabelle weiter: α (zweiseitig) 10% 5% % 1% Kritische Werte für de Korrelatioskoeffiziete ach Spearma Für = 0 ud = 5% erhalte wir r Spearmakrit = User berecheter Wert r Spearma ist größer; wir müsse daher auch bei diesem Vorgehe die Nullhypothese ablehe. 3 Chi-Quadrat-Test 3.1 Vierfelder-Tafel Zwei Behadluge Zwei Behadluge für eie bestimmte Krakheit wurde kliisch utersucht. 14 Patiete erhielte Behadlug 1, 109 Patiete Behadlug 1. Die Resultate sid i eier Vierfelder-Tafel aufgelistet: Behadlug 1 Behadlug total wirksam uwirksam total Nullhypothese: Beide Behadluge habe die gleiche Wirkugswahrscheilichkeit. Dazu folgedes Gedakespiel: Wir gehe vo eier Tabelle aus, bei der ur die Radhäufigkeite gegebe sid. Behadlug 1 Behadlug total wirksam 180 uwirksam 53 total Wie lässt sich die Tabelle uter Aahme der Nullhypothese sivoll ergäze?

11 Has Walser: Modul 08, Teste vo Hypothese 9 Dazu verwede wir Variable ud Brüche: Behadlug 1 Behadlug total wirksam w x uwirksam y z 53 total = 1 We die Wirksamkeit vo der Behadlug stochastisch uabhägig ist, ist folgedes zu erwarte: Also: w = x = y = z = Behadlug 1 Behadlug total wirksam uwirksam total Wir sehe, dass die Radhäufigkeite zwar stimme, dass aber die beobachtete Häufigkeite vo de Erwartugswerte abweiche. Als Maß für die Abweichug ehme wir i jedem Feld das Quadrat der Differez zwische der beobachtete Häufigkeit ud dem Erwartugswert, ud dividiere durch de Erwartugswert. Also: wirksam uwirksam total Behadlug 1 Behadlug total ( 10 96) ( ) = = 36 8 ( 78 84) ( ) = = 36 5 Es fällt auf, dass die Zähler alle gleich sid. Das hägt damit zusamme, dass wege der gegebe Radhäufigkeite eie Veräderug i eiem der Felder eie betragsmäßig gleich große Veräderug i de drei adere Felder zur Folge hat. Wir habe ur eie Freiheitsgrad. Die Summe der berechete Zahle wird als χ bezeichet ud ist eie Testgröße für die Nullhypothese. χ =

12 Has Walser: Modul 08, Teste vo Hypothese 10 Im Idealfall der Nullhypothese müsste χ = 0 sei; ei großes χ wirft eie Schatte auf die Nullhypothese. Der kritische Wert für de Sigifikaztest ka der χ -Tabelle etomme werde: Freiheitsgrad α = 10% α = 5% α =.5% α = 1% α = 0.5% Wir habe eie Freiheitsgrad. Bei eier Wahl vo α = 5% beträgt der kritische Wert 3.84; größere Werte spreche sigifikat gege die Nullhypothese. Im Beispiel erreicht die Testgröße de Wert Dieser Wert ist kleier als 3.84; die Nullhypothese wird deshalb icht verworfe Allgemei Allgemei sieht die Situatio so aus: A A total B a b a + b B c d c + d total a + c b + d = a + b + c + d Die Nullhypothese H 0 lautet: Die beide Merkmale A ud B sid stochastisch uabhägig voeiader. Das Merkmal A habe die Wahrscheilichkeit P( A) = p A, das Merkmal B die Wahrscheilichkeit P( B) = p B. We die Nullhypothese H 0 richtig ist, habe die vier Klasse die Wahrscheilichkeite: A A total ( ) p B p B ( ) ( 1 p A )( 1 p B ) 1 p B B p A p B 1 p A B p A 1 p B total p A 1 p A 1 We wir mit der Gesamtzahl multipliziere, erhalte wir die Erwartugswerte der vier Klasse: ( ) = p B bekat, ließe sich die Abweichuge der beobach- A A total B p A p B ( 1 p A )p B p B B p A ( 1 p B ) ( 1 p A ) 1 p B total p A ( 1 p A ) Wäre P( A) = p A ud P B tete Häufigkeite vo ihre Erwartugswerte messe: ( ) ( 1 p B )

13 Has Walser: Modul 08, Teste vo Hypothese 11 χ = ( a p A p B ) + b 1 p A p A p B 1 p A Aber P( A) = p A ud P B B B total ( ( ) p B ) ( + c p A ( 1 p B )) ( ) p B ( ) p A 1 p B ( ( )( 1 p B )) ( )( 1 p B ) + d 1 p A 1 p A ( ) = p B sid meist ubekat ud werde geschätzt durch: A A total p A = a+c Damit erhalte wir für χ de Schätzwert: χ = ( ) a a +c a +b a +c a +b + ( ) b b +d a +b b +d a +b Zur Vereifachug bearbeite wir zuächst: a a+c a+b a a+c = 1 p A = b+d ( )( a+b) + p B = a+b 1 p B = c+d 1 ( ) c a +c c+d a +c c+d + = a ( a+b+c+d ) a+c ( ) d b +d c+d b +d c+d ( )( a+b) a a+c a+b = a +ab+ac+ad a ab ca cb = ad cb Die drei adere Zähler ergebe (bis allefalls auf Vorzeiche) dasselbe: b b+d c a+c d b+d Damit erhalte wir mit eiiger Rechug: χ = χ = χ = χ = χ = ( ) 1 ad cb a +c ( ad cb) 1 a+c ( ad cb) ( ad cb) ( ad cb) a +b a+b c+d c+d + 1 b +d a +b = ad cb = ad cb = ad cb + 1 a +c c+d + 1 b +d c+d ( )( a+b) + 1 ( b+d ) ( a+b) + 1 ( a+c) ( c+d ) + 1 ( b+d ) ( c+d ) ( b+d ) c+d ( )+( a+c) ( c+d )+( a+b) ( b+d )+ a+b a+b ( )( a+c) ( b+d )( c+d ) ( a+b) [( b+d )+( a+c) ]+ c+d a+b ( )[( b+d )+( a+c) ] ( )( a+c) ( b+d )( c+d ) ( a+b)+ ( c+d ) a+b χ ( ad cb) = ( a+b) ( a+c) ( b+d )( c+d ) ( ) ( )( a+c) ( b+d )( c+d ) = ad cb 1 ( )( a+c) ( a+b)+ ( c+d ) ( a+b) ( a+c) ( b+d )( c+d )

14 Has Walser: Modul 08, Teste vo Hypothese 1 Somit ergibt sich (das Quadrat der Determiate ist eie Merkregel): a b χ ( ad cb) det = ( a+b) ( a+c) ( b+d) ( c+d) = c d ( a+b) ( a+c) ( b+d) ( c+d) Für user Beispiel mit der Hirhautetzüdug erhalte wir: χ ( ad cb) = ( a+b) ( a+c) ( b+d )( c+d ) = ( ) Das Resultat weicht etwas ab mit dem früher berechete Wert, dort hatte wir aber kräftig gerudet! 3. Gebrauch der Tabelle Die Testgröße ist uter der Nullhypothese χ -verteilt mit Freiheitsgrad 1. (Das heißt, bei gegebee Radhäufigkeite ka och eie Zahl frei gewählt werde.) Wir müsse also mit der erste Zeile der Tabelle arbeite. Der kritische Wert für de Sigifikaztest ka der χ -Tabelle etomme werde. Bei eier Wahl vo α = 5% beträgt der kritische Wert 3.84; größere Werte spreche sigifikat gege die Nullhypothese. Im Beispiel erreicht die Testgröße de Wert Dieser Wert ist kleier als 3.84; die Nullhypothese wird deshalb icht verworfe. Bemerkug: Weil die χ -Testgröße ur für große Stichprobe χ -verteilt ist, ist die Verwedug der kritische Werte aus der χ -Tabelle ur für solche Stichprobeumfäge korrekt. Das Kriterium für groß ka folgedermaße defiiert werde: a + b + c + d 30 Radhäufigkeite : a + b 10 a + c 10 b + d 10 c + d 10 Falls diese Bedigug icht erfüllt ist, ka der exakte Fisher-Test für Vierfelder-Tafel als Alterative verwedet werde (siehe zum Beispiel i: S. Siegel & N. J. Castella: Noparametric Statistics for Behavioral Scieces, Mc Graw Hill, New York).

15 Has Walser: Modul 08, Teste vo Hypothese Mehr als vier Felder Illustratio a eiem Beispiel: Geschlecht ud Studierichtug Ui Basel, Sommer 006,. Semester Bio Chemie Geo Nao Pharma Frau Ma Nullhypothese: Kei Zusammehag zwische Geschlecht ud Studierichtug. Wir prüfe die Nullhypothese auf dem 1%-Niveau. Wir habe ei Problem mit 4 Freiheitsgrade. Tabelle mit Radwerte: Bio Chemie Geo Nao Pharma Frau Ma Aus de Radwerte erhalte wir die theoretische Verteilug bei stochastischer Uabhägigkeit: Bio Chemie Geo Nao Pharma Frau Ma Die folgede Tabelle gibt die Differeze zwische de tatsächliche ud de theoretische Häufigkeite: Bio Chemie Geo Nao Pharma Frau Ma Quadrate davo: Bio Chemie Geo Nao Pharma Frau Ma I Relatio zu de theoretische Werte: Bio Chemie Geo Nao Pharma Frau Ma

16 Has Walser: Modul 08, Teste vo Hypothese 14 Die Summe dieser Zahle ist χ = Freiheitsgrad α = 10% α = 5% α =.5% α = 1% α = 0.5% Beim Freiheitsgrad 4 ist P( χ 13.8) = Die Nullhypothese ka verworfe werde 4 Vertrauesitervall 4.1 Situatio Vo 60 zufällig i eier Platage ausgewählte Sträucher erwiese sich 18 als krak, das heißt: h krak = = 0.3 Wie groß ist der Ateil p krak i der Grudgesamtheit, aus der die Stichprobe stammt? Gesucht ist ei zweiseitiges Vertrauesitervall für 1 α ( ) = 95%. p krak zum Niveau Dazu fasse wir die beobachtete Azahl der krake Sträucher i der Zufallsstichprobe als Realisatio eier biomial verteilte Zufallsgröße auf mit = 60 ud eiem ubekate, aber gesuchte p. Für die praktische Rechug verwede wir die Approximatio durch die Normalverteilug Vorbemerkuge zum Begriff Vertrauesitervall De Begriff Vertrauesitervall hatte wir scho eimal agetroffe. Dort gig es um gegebee Messwerte, ud gesucht war ei Vertrauesitervall für de Mittelwert. Wir erhielte mit Hilfe der t-verteilug: x t α,ν SE x,x + t α,ν SE x [ ]. I userem jetzige Fall geht es um Ateile. Auch i userem jetzige Fall ist das Vertrauesitervall vo der jeweilige Stichprobe abhägig. Der Ateil p krak der krake Sträucher i der Grudgesamtheit ist aber fest ud atürlich icht vo der jeweilige Stichprobe abhägig.

17 Has Walser: Modul 08, Teste vo Hypothese Wer sucht, der fidet I der Figur sid versuchsweise für p = 0.1, 0.,, 0.9 die zugehörige Normalverteiluge eigezeichet Normalverteiluge für p = 0.1, 0.,..., 0.9 Wir sehe, dass zuächst für p = 0.1 der Fall 18 weitab vom Schuss ist p = 0.1 Für p = 0. ist der Fall 18 zwar och extrem, aber scho (kapp) ierhalb der (zweiseitige) 95%-Schrake. Die exakte Schrake sid 5.97 ud Bei Berücksichtigug der 1 -Korrektur ist der 5%-Verwerfugsbereich { 0,,5} { 19,,60} ud daher der 95%-Akzeptazbereich { 6,,18} Uff, gerade och geschafft (p = 0.)

18 Has Walser: Modul 08, Teste vo Hypothese 16 Für p = 0.3 ist der Fall 18 voll im Kuche (warum?) p = 0.3 Auch für p = 0.4 liegt der Fall 18 och dri p = 0.4 Für p = 0.5 ud größer sid wir außerhalb der Glaubwürdigkeit p = 0.5 Die exakte Greze des 95%-Vertrauesitervalles sid also ute kapp uterhalb 0. ud obe zwische 0.4 ud 0.5. Wie fide wir diese Greze?

19 Has Walser: Modul 08, Teste vo Hypothese Ab jetzt wird gerechet Sträucher Für die utere Greze des Vertrauesitervalls muss gelte: µ +1.96σ =! 18 Der Faktor 1.96 ergibt sich aus dem zweiseitige 95%-Bereich (Tabelle Normalverteilug). Aus = 60 erhalte wir die Bedigug: 60p p( 1 p) =! 18 Dies ka zu eier quadratische Gleichug umgeformt werde: p( 1 p) =18 60 p 1.96 ( 60p( 1 p) ) = ( 18 60p) Der Computer liefert die beide Lösuge: ud Die gesuchte utere Greze ist offebar kapp uter 0.. Da der Faktor 1.96 aus der Tabelle der Normalverteilug ur 3 bedeutugsvolle Ziffer ethält, geüge auch hier drei Ziffer: ud 0.45 Für die obere Greze des Vertrauesitervalls muss gelte: µ 1.96σ =! 18, also 60p p( 1 p) =! 18 Auch dies ka zu eier quadratische Gleichug umgeformt werde: p( 1 p) = p ( 1.96) 60 p( 1 p) = ( p) Es ist sogar dieselbe quadratische Gleichug wie obe, das heißt, dass die zweite Lösug, also 0.45, die obere Greze des Vertrauesitervalls darstellt Allgemei Im Beispiel mit de Sträucher war die Zahl 18 = h. Somit ergebe sich im allgemeie Fall die Greze als Lösuge der quadratische Gleichug für p: 1.96 p( 1 p) = ( h p) 1.96 p( 1 p) = ( h p) 1.96 p( 1 p) = ( h p) Dies gilt für ei zweiseitiges 95%-Vertrauesitervall. Bei adere Prozetzahle muss die Zahl 1.96 etspreched geädert werde. Für ei zweiseitiges 99%- Vertrauesitervall etwa ist die Schlüsselzahl.575. Das Vertrauesitervall wird größer.

20 Has Walser: Modul 08, Teste vo Hypothese Grobe Schätzug Für große Stichprobe köe die Greze des 95%-Vertrauesitervalls mit der Formel bestimmt werde. h ±1.96 I userem Beispiel ergibt das ( ) 60 h( 1 h ) 0.3 ( ) für die utere Greze. Herleitug der Schätzug: Für das 95%-Itervall gilt zuächst: µ ±1.96σ p ±1.96 p( 1 p) p ±1.96 p( 1 p) Für große ist p h. Daraus ergibt sich die obige Formel für die obere Greze ud 5 Zusammefassug 5.1 Ma-Whitey-U-Test für zwei uabhägige Stichprobe Ragtest für zwei uabhägige Stichprobe. Test auch awedbar, we Merkmalsauspräguge aus Ordialskala. Stichprobeumfäge 1,, Ragsumme R 1, R Testgröße: U Exp = 1 + 1( 1 +1) R 1 Tabelle gibt utere kritische Schrake. Tabelle so orgaisiert, dass 1 Kritische obere Schrake = 1 kritische utere Schrake

21 Has Walser: Modul 08, Teste vo Hypothese Korrelatios-Aalyse Gepaarte Stichprobe x i, y i ( ) (Beispiel: Blutdruck vo Eheparter) 5..1 Pearso Voraussetzug: Bivariate Normalverteilug. Nullhypothese: keie Korrelatio Testgröße: r x,y = c x,y s x s y = ( x i x ) y i y ( x i x ) ( ) ( y i y ) Bei r x,y > r krit, Tabelle Nullhypothese verwerfe = x i x i y i x y x y i y 5.. Spearma Keie bivariate Normalverteilug. Nullhypothese: keie Korrelatio Testgröße: r Spearma = 1 6 d 3 i Bei r Spearma > r krit, Tabelle Nullhypothese verwerfe, wobei d i = Ragdiffereze 5.3 Chi-Quadrat-Test Vierfelder-Tafel A A total B a b a + b B c d c + d total a + c b + d = a + b + c + d Bei gegebee Radhäufigkeite ei Freiheitsgrad. Nullhypothese H 0 : Merkmale A ud B stochastisch uabhägig Bei χ > χ krit a b χ ( ad cb) det = ( a+b) ( a+c) ( b+d) ( c+d) = c d ( a+b) ( a+c) ( b+d) ( c+d) Nullhypothese H 0 verwerfe

22 Has Walser: Modul 08, Teste vo Hypothese m Felder ( m 1) 1 ( ) Freiheitsgrade. H 0 : stochastische Uabhägigkeit Aus Radhäufigkeite die Erwartugswerte bei H 0 (stochastische Uabhägigkeit) bereche Differeze zwische beobachtete Häufigkeite ud Erwartugswerte Quadrate davo Relatio zu de Erwartugswerte Summe dieser Zahle ist χ Bei χ > χ krit Nullhypothese H 0 verwerfe 5.4 Vertrauesitervall Bekat: h,. Dabei ist h = relative Häufigkeit eies Merkmals bei Stichprobe vom Umfag. Gesucht: Ateil p des Merkmals i Grudgesamtheit. Vorgehe: - Vertrauesitervall festlege (Beispiel 95%). - Normalverteilugstabelle: u so, dass [ u,u] Vertrauesitervall umfasst (zweiseitig). - Beispiel: Φ( 1.96) = 0.975, [ 1.96,1.96] umfasst 0.95 = 95%. - Greze des Vertrauesitervalls für p: Lösuge vo u p( 1 p) = ( h p) (Beispiel: 1.96 p( 1 p) = ( h p) ) Grobe Schätzug: h ± u h( 1 h) (Beispiel: h ±1.96 h 1 h ( )

Mathematik 2 für Naturwissenschaften

Mathematik 2 für Naturwissenschaften Has Walser Mathematik 2 für Naturwisseschafte 2 3 3 4 6 4 5 0 0 5 6 5 20 5 6 Modul 209 Tabelle Has Walser: Modul 209, Tabelle ii Ihalt Fakultäte... 2 Biomialkoeffiziete... 2 3 Biomische Verteilug... 3

Mehr

Mathematik 2 für Naturwissenschaften

Mathematik 2 für Naturwissenschaften Has Walser Mathematik für Naturwisseschafte Modul 0 Regressiosgerade ud Korrelatio Has Walser: Modul 0, Regressiosgerade ud Korrelatio ii Ihalt Die Regressiosgerade.... Problemstellug.... Berechug der

Mehr

10. Testen von Hypothesen Seite 1 von 6

10. Testen von Hypothesen Seite 1 von 6 10. Teste vo Hypothese Seite 1 vo 6 10.1 Eiführug i das Teste vo Hypothese Eie Hypothese ist eie Vermutug bzw. Behauptug über die Wahrscheilichkeit eies Ereigisses. Mit Hilfe eies geeigete Tests (=Testverfahre)

Mehr

3 Vergleich zweier unverbundener Stichproben

3 Vergleich zweier unverbundener Stichproben 3 Vergleich zweier uverbudeer Stichprobe 3. Der Zweistichprobe t-test Es wird vorausgesetzt, dass die beide Teilstichprobe x, x,..., x ud y, y,..., y jeweils aus (voeiader uabhägige) ormalverteilte Grudgesamtheite

Mehr

Vl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3

Vl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3 Vl Statistische Prozess ud Qualitätskotrolle ud Versuchsplaug Übug 3 Aufgabe ) Die Schichtdicke X bei eier galvaische Beschichtug vo Autoteile sei ormalverteilt N(μ,σ ). 4 Teile werde galvaisch beschichtet.

Mehr

Vl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5

Vl 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

Mehr

Wahrscheinlichkeit & Statistik Musterlösung Serie 13

Wahrscheinlichkeit & Statistik Musterlösung Serie 13 ETH Zürich FS 2013 D-MATH Has Rudolf Küsch Koordiator Blaka Horvath Wahrscheilichkeit & Statistik Musterlösug Serie 13 1. a) Die Nullhypothese lautet dass das echte Medikamet höchstes gleich gut ist wie

Mehr

Kapitel 5: Schließende Statistik

Kapitel 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

Mehr

Statistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik

Statistik. 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

Mehr

Die notwendigen Verteilungstabellen finden Sie z.b. hier:

Die notwendigen Verteilungstabellen finden Sie z.b. hier: Fakultät für Mathematik Istitute IAG ud IMO Prof. Dr. G. Kyureghya/Dr. M. Hödig Schätz- ud Prüfverfahre Die otwedige Verteilugstabelle fide Sie z.b. hier: http://www.ivwl.ui-kassel.de/kosfeld/lehre/zeitreihe/verteilugstabelle.pdf

Mehr

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.

Beispiel: 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

Mehr

( ), der genau auf der Geraden ( ) 2 ( ) #( ) 8. Lineare Regression. = f i. Nach der Summe der kleinsten. mx i

( ), der genau auf der Geraden ( ) 2 ( ) #( ) 8. Lineare Regression. = f i. Nach der Summe der kleinsten. mx i 8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Ziel dieses Verfahres ist es, Beziehuge zwische zwei Merkmale

Mehr

2. Repetition relevanter Teilbereiche der Statistik

2. Repetition relevanter Teilbereiche der Statistik . Repetitio Statistik Ökoometrie I - Peter Stalder. Repetitio relevater Teilbereiche der Statistik (Maddala Kapitel ) Zufallsvariable ud Wahrscheilichkeitsverteiluge Zufallsvariable X (stochastische Variable)

Mehr

4 Schwankungsintervalle Schwankungsintervalle 4.2

4 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

Mehr

6 Vergleich mehrerer unverbundener Stichproben

6 Vergleich mehrerer unverbundener Stichproben 6 Vergleich mehrerer uverbudeer Stichprobe 6.1 Die eifaktorielle Variazaalyse Die eifaktorielle Variazaalyse diet der Utersuchug des Eiflusses eier kategorieller (bzw. ichtmetrischer) Variable, die die

Mehr

Stochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL)

Stochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Prof. Dr. M. Schweizer ETH Zürich Sommer 8 Stochastik - Lösug (BSc D-MAVT / BSc D-MATH / BSc D-MATL). (6 Pukte) a) (.5 Pukte) Wir defiiere die Ereigisse D = die ähmaschie bekommt eie kleie Defekt} ud U

Mehr

,,, xn. 3. Intervallschätzungen Zufallsstichproben und Stichprobenfunktionen Zufallsstichproben. Zufallsvariablen mit

,,, xn. 3. Intervallschätzungen Zufallsstichproben und Stichprobenfunktionen Zufallsstichproben. Zufallsvariablen mit 3. Itervallschätzuge 3.1. Zufallsstichprobe ud Stichprobefuktioe 3.1.1 Zufallsstichprobe 1 Sei eie Zufallsvariable ud seie gemeisamer Verteilug,,,, Zufallsvariable mit - da heiße 1,,, Zufallsstichprobe

Mehr

Tests statistischer Hypothesen

Tests 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

Mehr

So lösen Sie die Gleichung für den Korrelationskoeffizienten

So lösen Sie die Gleichung für den Korrelationskoeffizienten 8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Dabei sid Datepukte ( x 1, y 1 ),( x 2, y 2 ), ( x, y ) gegebe.

Mehr

Korrelationsanalyse zwischen kategorischen Merkmalen. Kontingenztabellen. Chi-Quadrat-Test

Korrelationsanalyse 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

Mehr

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.

Beispiel: 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)

Mehr

3 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:

3 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-

Mehr

Übungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie

Übungen 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

Mehr

Der χ 2 Test. Bei Verteilungen Beantwortung der Frage, ob eine gemessene Verteilung Gauß- oder Poisson-verteilt ist oder nicht?

Der 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

Mehr

Kapitel 6 : Punkt und Intervallschätzer

Kapitel 6 : Punkt und Intervallschätzer 7 Kapitel 6 : Pukt ud Itervallschätzer Puktschätzuge. I der Statistik wolle wir Rückschlüsse auf das Wahrscheilichkeitsgesetz ziehe, ach dem ei vo us beobachtetes Zufallsexperimet abläuft. Hierzu beobachte

Mehr

Stochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL)

Stochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Prof. Dr. M. Schweizer ETH Zürich Witer 28 Stochastik - Lösug (BSc D-MAVT / BSc D-MATH / BSc D-MATL). (6 Pukte) a) (2 Pukte) Wir defiiere die Ereigisse K {die Perso ist krak} ud T {der Test ist positiv}.

Mehr

3.2 Wilcoxon Rangsummentest

3.2 Wilcoxon Rangsummentest 3. Wilcoxo Ragsummetest Wir gehe davo aus, dass zwei Teilstichprobe x 1, x,..., x 1 ud y1, y,..., y vorliege, wobei die erste Teilstichprobe aus Realisieruge vo uabhägig ud idetisch stetig verteilte Zufallsvariable

Mehr

Wirksamkeit, Effizienz

Wirksamkeit, 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

Mehr

Tests für beliebige Zufallsvariable

Tests 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

Mehr

14 Statistische Beziehungen zwischen nomi nalen Merkmalen

14 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

Mehr

Testen statistischer Hypothesen

Testen 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

Mehr

Forschungsstatistik I

Forschungsstatistik I Prof. Dr. G. Meihardt 6. Stock, Taubertsberg R. 06-06 (Persike) R. 06-31 (Meihardt) Sprechstude jederzeit ach Vereibarug Forschugsstatistik I Dr. Malte Persike persike@ui-maiz.de http://psymet03.sowi.ui-maiz.de/

Mehr

Kontingenztabellen. Chi-Quadrat-Test. Korrelationsanalyse zwischen kategorischen Merkmalen. 1. Unabhängigkeitstest

Kontingenztabellen. 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

Mehr

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren

Dr. 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

Mehr

X X Schätzen von Vertrauensintervallen Schwankungsintervall

X 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

Mehr

Statistische Tests zu ausgewählten Problemen

Statistische 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

Mehr

3. Grundbegrie der Schätztheorie

3. Grundbegrie der Schätztheorie Statistik, Abschitt 3. 3. Grudbegrie der Schätztheorie I der kormatorische Statistik will ma uter aderem auf Grud eier Stichprobe vom Umfag Iformatioe über ubekate Parameter θ der Verteilug F der zugrudeliegede

Mehr

Statistik I Februar 2005

Statistik 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

Mehr

Wahrscheinlichkeitstheorie und Statistik vom

Wahrscheinlichkeitstheorie 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

Mehr

Evaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt

Evaluierung 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:

Mehr

Statistik, Abschnitt (1) Gegeben sei der Stichprobenvektor (X 1,..., X n ). Die Stichprobenfunktion. ˆµ k := 1 n. Xi k (1) i=1.

Statistik, Abschnitt (1) Gegeben sei der Stichprobenvektor (X 1,..., X n ). Die Stichprobenfunktion. ˆµ k := 1 n. Xi k (1) i=1. Statistik, Abschitt.. Schätzmethode.. Mometemethode Für Parameter, die sich i bekater Weise aus de Momete zusammesetze, erhält ma Schätzuge, idem ma die theoretische Momete durch die sogeate empirische

Mehr

Gütefunktion und Fehlerwahrscheinlichkeiten Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = Interpretation von Testergebnissen I

Gütefunktion 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

Mehr

(a) Richtig, die Varianz ist eine Summe quadratischer Größen.

(a) Richtig, die Varianz ist eine Summe quadratischer Größen. Aufgabe 1 (10 Pukte) Welche der folgede Aussage sid richtig? (a) Richtig, die Variaz ist eie Summe quadratischer Größe. (b) Falsch, die Abweichug ordialer Merkmale vom Media ist icht defiiert - also auch

Mehr

Wirksamkeit, Effizienz

Wirksamkeit, 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

Mehr

2.3 Kontingenztafeln und Chi-Quadrat-Test

2.3 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

Mehr

h a 2 b 1 h a1 b 2 h a1 b 1 h a1. h a 2. h.b1 h ij h 11 h 12 h 21 a b h. j h 1. h 2. h.1 a b h i. =h i1 h i2... h i m h. j =h 1j h 2j... h k j h.

h a 2 b 1 h a1 b 2 h a1 b 1 h a1. h a 2. h.b1 h ij h 11 h 12 h 21 a b h. j h 1. h 2. h.1 a b h i. =h i1 h i2... h i m h. j =h 1j h 2j... h k j h. Kotigeztabelle / Kreuztabelle für 2 diskrete /omialskalierte Variable ethält: 1. absolute gemeisame Häufigkeite h 11 h 12 h 21 für Kombiatioe vo zwei Merkmale / Variable a b steht also für mit jeweils

Mehr

Übungen mit dem Applet erwartungstreu

Übungen 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

Mehr

Wirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel

Wirksamkeit, 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

Mehr

Evaluation & Forschungsstrategien

Evaluation & 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

Mehr

Umrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung

Umrechnung 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

Mehr

Differenz X-Y normalverteilt Lagetest für zwei verbundene. Differenz X-Y symmetrisch Wilcoxon-Test Stichproben

Differenz X-Y normalverteilt Lagetest für zwei verbundene. Differenz X-Y symmetrisch Wilcoxon-Test Stichproben 1 Fuktio des Tests Bezeichug Testgegestad X ormalverteilt Lagetest für eie Stichprobe Wilcoxo-Test X symmetrisch verteilt Vorzeichetest Variable X Differez X-Y ormalverteilt Lagetest für zwei verbudee

Mehr

Kapitel VI. Einige spezielle diskrete Verteilungen

Kapitel VI. Einige spezielle diskrete Verteilungen Kapitel VI Eiige spezielle diskrete Verteiluge D 6 (Hypergeometrische Verteilug) Eie Zufallsvariable X heißt hypergeometrisch verteilt, we sie folgede Wahrscheilichkeitsfuktio besitzt: M N M P ( X ) p

Mehr

Empirische Verteilungsfunktion

Empirische 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,...,

Mehr

Diplomvorprüfung Stochastik

Diplomvorprüfung Stochastik Uiversität Karlsruhe TH Istitut für Stochastik Prof. Dr. N. Bäuerle Name: Vorame: Matr.-Nr.: Diplomvorprüfug Stochastik 10. Oktober 2006 Diese Klausur hat bestade, wer midestes 16 Pukte erreicht. Als Hilfsmittel

Mehr

Kovarianz und Korrelation

Kovarianz 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

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Übug 6 3.03.20 Ihalt der heutige Übug Aufgabe D.7: Reche mit Zufallsvariable Erwartugswert- ud Variazoperator Statistik ud Wahrscheilichkeitsrechug

Mehr

Formelsammlung Statistik 29. Januar 2019

Formelsammlung Statistik 29. Januar 2019 Formelsammlug Statistik Seite 1 Formelsammlug Statistik 9. Jauar 019 Witersemester 018/19 Adreas Löpker, HTW Dresde 1. Deskriptive Statistik (F1) Stichprobe x vom Umfag, Stichprobe y vom Umfag m x = (x

Mehr

Musterlösung. Prüfung Statistik Herbstsemester 2011

Musterlösung. Prüfung Statistik Herbstsemester 2011 Prüfug Statistik Herbstsemester 2011 Musterlösug 1. 9 Pukte Lukas ud Markus habe bisher immer Feiste Mii-Brezel 100g des Herstellers Gammelbrot ud Söhe zum Züi gegesse. Vom städige Hugerklage vo Markus

Mehr

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39

Statistik 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

Mehr

Lineare Transformationen

Lineare 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

Mehr

AT AB., so bezeichnet man dies als innere Teilung von

AT AB., so bezeichnet man dies als innere Teilung von Teilverhältisse Aus der Geometrie der Dreiecke ket ma die Aussage, dass der Schwerpukt T eies Dreiecks die Seitehalbierede im Verhältis : teilt. Für die Strecke AT ud TM gilt gemäß der Abbildug AT : TM

Mehr

Parameterschätzung. Kapitel Schätzfunktionen

Parameterschätzung. 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

Mehr

Schätzen von Populationswerten

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:

Mehr

7.2 Mittelwert einer Stichprobe

7.2 Mittelwert einer Stichprobe 66 7.2 Mittelwert einer Stichprobe Gegeben ist eine normalverteilte Grundgesamtheit. Mit Hilfe einer Stichprobe möchten wir Aussagen über den unbekannten Mittelwert µ dieser Grundgesamtheit machen. Wenn

Mehr

2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters:

2. 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

Mehr

Eingangsprüfung Stochastik,

Eingangsprüfung 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

Mehr

Mathematik 2 für Naturwissenschaften

Mathematik 2 für Naturwissenschaften Hans Walser Mathematik 2 für Naturwissenschaften 2 3 3 4 6 4 5 0 0 5 6 5 20 5 6 Tabellen (leicht gekürzte Version) Hans Walser: Tabellen ii Inhalt Binomische Verteilung.... Binomische Verteilung (ohne

Mehr

Mathematik 2 für Naturwissenschaften

Mathematik 2 für Naturwissenschaften Hans Walser Mathematik 2 für Naturwissenschaften 2 3 3 4 6 4 5 0 0 5 6 5 20 5 6 Tabellen (leicht gekürzte Version) Hans Walser: Tabellen ii Inhalt Binomische Verteilung.... Binomische Verteilung (ohne

Mehr

Diskrete Wahrscheinlichkeitstheorie Wiederholungsklausur

Diskrete Wahrscheinlichkeitstheorie Wiederholungsklausur Techische Uiversität Müche Sommersemester 007 Istitut für Iformatik Prof. Dr. Javier Esparza Diskrete Wahrscheilichkeitstheorie Wiederholugsklausur LÖSUNG Hiweis: Bei alle Aufgabe wird ebe dem gefragte

Mehr

Teilaufgabe 1.0 Bei der Firma Kohl kommen morgens alle im Büro Beschäftigten nacheinander ins Großraumbüro.

Teilaufgabe 1.0 Bei der Firma Kohl kommen morgens alle im Büro Beschäftigten nacheinander ins Großraumbüro. mathphys-olie Abiturprüfug Berufliche Oberschule 014 Mathematik 13 Techik - B I - Lösug Teilaufgabe 1.0 Bei der Firma Kohl komme morges alle im Büro Beschäftigte acheiader is Großraumbüro. Teilaufgabe

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik 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

Mehr

Kapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit

Kapitel 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

Mehr

TESTEN VON HYPOTHESEN

TESTEN 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

Mehr

Einstichprobentests für das arithmetische Mittel

Einstichprobentests 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.

Mehr

Grundsätzlich sollen Varianz bzw. Standardabweichung Maße dafür sein, wie stark eine Verteilung um ihren Erwartungswert streut.

Grundsätzlich sollen Varianz bzw. Standardabweichung Maße dafür sein, wie stark eine Verteilung um ihren Erwartungswert streut. Eie Iterpretatiosfrage habe ich zu eiem Beispiel das i der der letzte Vorlesug behadelt wurde: Auf Folie.7 zur Variaz. Dort wird ei Beispiel eier stetige Zufallsvariable geat (Warte a eier S-Bah-Haltestelle).

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl 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

Mehr

4. Übung Konfidenzintervalle für Anteile und Mittelwerte

4. 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

Mehr

Schätzen von Populationswerten

Schätzen 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

Mehr

2 Vollständige Induktion

2 Vollständige Induktion 8 I. Zahle, Kovergez ud Stetigkeit Vollstädige Iduktio Aufgabe: 1. Bereche Sie 1+3, 1+3+5 ud 1+3+5+7, leite Sie eie allgemeie Formel für 1+3+ +( 3)+( 1) her ud versuche Sie, diese zu beweise.. Eizu5% ZiseproJahragelegtes

Mehr

Geometrische Folgen. Auch Wachstumsfolgen Viele Aufgaben. Lösungen nur auf der Mathe-CD Hier nur Ausschnitte. Datei Nr

Geometrische Folgen. Auch Wachstumsfolgen Viele Aufgaben. Lösungen nur auf der Mathe-CD Hier nur Ausschnitte. Datei Nr ZAHLENFOLGEN Teil Geometrische Folge Auch Wachstumsfolge Viele Aufgabe Lösuge ur auf der Mathe-CD Hier ur Ausschitte Datei Nr. 00 Friedrich Buckel März 00 Iteretbibliothek für Schulmathematik 00 Geometrische

Mehr

Kapitel XI - Korrelationsrechnung

Kapitel 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

Mehr

Praktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle

Praktikum 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

s 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

s 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

Mehr

Konfidenzintervall_fuer_pi.doc Seite 1 von 6. Konfidenzintervall für den Anteilswert π am Beispiel einer Meinungsumfrage

Konfidenzintervall_fuer_pi.doc Seite 1 von 6. Konfidenzintervall für den Anteilswert π am Beispiel einer Meinungsumfrage Kofidezitervall_fuer_pi.doc Seite 1 vo 6 Kofidezitervall für de Ateilswert π am Beispiel eier Meiugsumfrage Nach eier Meiugsumfrage der Wochezeitug Bezirksblatt vom März 005, ei halbes Jahr vor de Ladtagswahle

Mehr

Kapitel 11 DIE NORMAL-VERTEILUNG

Kapitel 11 DIE NORMAL-VERTEILUNG Kapitel DIE NORMAL-VERTEILUNG Fassug vom 7. Februar 006 Prof. Dr. C. Porteier Mathematik für Humabiologe ud Biologe 49 . De itio der Normal-Verteilug. De itio der Normal-Verteilug Bisher habe wir ur diskret

Mehr

Grundlagen der Biostatistik und Informatik

Grundlagen 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

Methode der kleinsten Quadrate

Methode 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

Mehr

Anwendung für Mittelwerte

Anwendung für Mittelwerte Awedug für Mittelwerte Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe... "wahre", ubekate Mittelwert der Grudgesamtheit icht zufällig?... beobachtete Mittelwert zufällig Statistik für SoziologIe 1

Mehr

D-ITET Wahrscheinlichkeitstheorie und Statistik FS 2017 Prof. P. Nolin. Musterlösung 11 = Φ( 6/5) = 1 Φ(6/5) = = 0.

D-ITET Wahrscheinlichkeitstheorie und Statistik FS 2017 Prof. P. Nolin. Musterlösung 11 = Φ( 6/5) = 1 Φ(6/5) = = 0. D-ITET Wahrscheilichkeitstheorie ud Statistik FS 17 Prof. P. Noli Musterlösug 11 1. Sei Φ die Verteilugsfuktio der Stadardormalverteilug. a Da T B N 6, 4, ist T B + 6/4 stadardormalverteilt. Folglich ist

Mehr

Reihen Arithmetische Reihen Geometrische Reihen. Datei Nr (Neu bearbeitet und erweitert) Juni Friedrich W. Buckel

Reihen Arithmetische Reihen Geometrische Reihen. Datei Nr (Neu bearbeitet und erweitert) Juni Friedrich W. Buckel Zahlefolge Teil 3 Reihe Reihe Arithmetische Reihe Geometrische Reihe Datei Nr. 4003 (Neu bearbeitet ud erweitert) Jui 005 Friedrich W. Buckel Iteretbibliothek für Schulmathematik Ihalt Defiitio eier Reihe

Mehr

Musterlösung für die Klausur zur Vorlesung Stochastik I im WiSe 2014/2015

Musterlösung für die Klausur zur Vorlesung Stochastik I im WiSe 2014/2015 Musterlösug für die Klausur zur Vorlesug Stochastik I im WiSe 204/205 Teil I wahr falsch Aussage Gilt E[XY ] = E[X]E[Y ] für zwei Zufallsvariable X ud Y mit edlicher Variaz, so sid X ud Y uabhägig. Für

Mehr

Parameter von Häufigkeitsverteilungen

Parameter 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

Mehr

4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa

4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa 20 I. Zahle, Kovergez ud Stetigkeit 4 Kovergete Folge 4. Dezimalzahle ud Itervallschachteluge. a) Reelle Zahle werde meist als Dezimalzahle dargestellt, etwa 7,304 = 0+7 +3 0 +0 00 +4 000. Edliche Dezimalzahle

Mehr

2 Einführung in die mathematische Statistik

2 Einführung in die mathematische Statistik 2 Eiführug i die mathematische Statistik Die Hauptaufgabe der mathematische Statistik ist es, ahad der Eigeschafte eies Teils eier Mege vo Objekte auf die Eigeschafte aller Objekte i dieser Mege zu schließe.

Mehr

Fit in Mathe. April Klassenstufe 10 Wurzelfunktionen

Fit in Mathe. April Klassenstufe 10 Wurzelfunktionen Thema Fit i Mathe Musterlösuge 1 April Klassestufe 10 Wurzelfuktioe Uter der -te Wurzel eier icht-egative Zahl (i Zeiche: ) versteht ma die icht-egative Zahl, die mal mit sich selber multipliziert, die

Mehr

Lösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 4: Aufgaben zu den Kapiteln 7 und 8

Lösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 4: Aufgaben zu den Kapiteln 7 und 8 1 Lösuge ausgewählter Übugsaufgabe zum Buch Elemetare Stochastik (Spriger Spektrum, 2012) Teil 4: Aufgabe zu de Kapitel 7 ud 8 Aufgabe zu Kapitel 7 Zu Abschitt 7.1 Ü7.1.1 Ω sei höchstes abzählbar, ud X,

Mehr