Kapitel 17 : Lineare Regression Darstellung von zweidimensionalen Daten : (x 1, y 1 ), (x 2, y 2 ),..., (x n, y n )
|
|
- Sara Gärtner
- vor 5 Jahren
- Abrufe
Transkript
1 (Kapitel 7: Lieare Regreio) Kapitel 7 : Lieare Regreio 7. Dartellug vo zweidimeioale Date : (, ), (, ),..., (, ). 7.. Beipiel : (a) Körpergewicht eie erwachee mäliche Pfälzer. Körpergröße (b) Azahl der Eier im Käfergelege. mittlere Größe der Larve eie Tag ach dem Schlüpfe. (c) Fußläge eie Ertkläßler. gemeee Schulleitug. (i) Urlite : (ii) Streudiagramm (Puktwolke) :
2 3 (Kapitel 7: Lieare Regreio) Im Falle (a) pricht ma vo poitiver, (iii) Der Korrelatiokoeffiziet : im Falle (b) vo egativer Korrelatio. Dieer tellt ei Maß dafür dar, wie tark (ud mit welchem Vorzei che behaftet) diee Korrelatio it. Dazu betrachte wir gleichzeitig die Abweichuge vom eweilige Mittelwert. ud Im Falle (a) eige beide Abweichuge dazu, gleichzeitig poitiv bzw. egativ zu ei. Ihr Produkt it dehalb tpicherweie poitiv. Im Falle (b) id diee gegeätzlich, d.h. ihr Produkt it egativ. Wir defiiere de Korrelatiokoeffiziete r al r r : ( )( ) ( ) ( ) ( )( ). E gilt : r, wobei r + a a + b, + b,,,,...,,..., mit a > 0. mit a < Bemerkug : (i) Voricht bei der Iterpretatio : Große Werte vo r bedeutet icht otwedig eie kauale Zuammehag vo ud. (ii) Die Korrelatio mißt, wie tark die -Werte vo de -Werte liear abhäge. Liegt (äherugweie) lieare Abhägigkeit vor (iehe z.b. Beipiel.(a) ud (b), icht edoch (c)!), o wird diee oft durch die Regreiogerade dargetellt. Hiermit bechäftige wir u im ächte Paragraphe.
3 4 (Kapitel 7: Lieare Regreio) 7. Lieare Regreio 7.. Motivatio: Zwiche dem Auchlag de Zeiger eie Voltmeter ud der agelegte Spaug betehe eie lieare Beziehug, die durch die Fuktio L() a + b bechriebe werde. Zur Eichug lege ma bekate Spaugwerte,..., a ud mee die Auchläge,...,. Wäre die Beziehug L() a + b zwiche Zeigerauchlag ud Spaug eakt erfüllt, ud köte ma ede vorgegebee Spaugwert völlig akkurat mee, o ließe ich a ud b au dem lieare Gleichugtem a + b L( ) ( ) a + b L( ) betimme ud alle weitere Gleichuge i a i + b L( i ), 3 i, müte für diee berechete Werte erfüllt ei.
4 5 (Kapitel 7: Lieare Regreio) Die Wirklichkeit ieht edoch o au, daß die Beziehug a + b ur äherugweie gilt, ud daß ma atelle vo a i + b i a i + b + ε i, i, mißt, wobei die ε i (kleie) zufällige Abweichuge (z.b. Meßfehler u..w.) id, die ich edoch bei viele Meuge im Mittel etwa augleiche. Da Problem it alo icht, da Gleichugtem ( ) ach a ud b hi aufzulöe, oder Schätzwerte â ud bˆ o zu fide, daß die Gerade â + bˆ die Date : (, ),..., (, ) am bete bechreibt (bet fit). Die it ei tatitiche Problem. E führt zur
5 6 (Kapitel 7: Lieare Regreio) 7.. Techik der lieare Regreio: Da die Werte willkürlich ud eakt gewählt werde köe, ud ur die Werte mit Meßfehler behaftet id, mißt ma die Güte der Apaug der Gerade a die Date mit Hilfe der i Richtug gemeee Abweichuge (a + b), : ud ucht dieeige (vo de Date abhägige) Werte â ud bˆ, für welche die Summe der Quadrate dieer Abweichuge miimal wird, d.h. für die ( ) [ ( a ˆ + bˆ)] mi [ ( a + b)]. a,b Diee Vorgehe et ma die Methode der kleite Quadrate. Bemerkug : Diee Methode geht auf Gauß zurück. Motivatio : Da,..., die Werte der freie Variable id, betrachte wir de Vektor (,..., ) der abhägige Variable ud vergleiche ih mit dem Vektor a,b (a + b,..., a +b) der zugehörige Fuktiowerte auf der Gerade mit de Parameter a ud b.
6 7 (Kapitel 7: Lieare Regreio) ud a,b habe (im dimeioale Raum) de Abtad [ ( a + b)]. â ud bˆ betimme alo die Gerade, für die a,b dem Datevektor am ächte kommt Betimmug der Regreiogerade: Wege ( ) leitet ma zur Ermittlug vo â ud bˆ Q(a,b) : ( a b) ach a b ab : ( a b) ( ) ud etzt beide Ableituge gleich 0. ( a b) ( ) Die ergibt ei lieare Gleichugtem für â ud bˆ : () â bˆ 0 () â bˆ 0 Kurzchreibweie : () (Σ) (Σ ) â (Σ) bˆ 0 () (Σ) (Σ) â bˆ 0 oder () (Σ ) â + (Σ) bˆ (Σ) () (Σ) â + bˆ (Σ)
7 8 (Kapitel 7: Lieare Regreio) () (+) bˆ (Σ/) (Σ/) â i () : (Σ ) â + (ΣΣ/) ((Σ) /) â (Σ) (((Σ ) (Σ) )/) â ((Σ) (ΣΣ))/ â ((Σ) (ΣΣ)) / ((Σ ) (Σ) ) i (+) : bˆ (Σ/) ((ΣΣ) ((Σ) Σ)/) / ((Σ ) (Σ) ) [(Σ Σ) ((Σ) Σ)/) (ΣΣ) + ((Σ) Σ)/)] / ((Σ ) (Σ) ) ((Σ Σ) (ΣΣ)) / ((Σ ) (Σ) ). Al Löug ergibt ich alo : ( Σ) ( Σ)( Σ) â ( Σ ) ( Σ) ( Σ )( Σ) ( Σ)( Σ) ud bˆ ( Σ ) ( Σ). Defiitio 7..4 : Die gefudee Gerade â + bˆ heißt Regreiogerade oder Augleichgerade vo bezüglich. Dividiert ma Zähler ud Neer vo â ud bˆ durch, erhält ma folgede alterative Dartellug : â () r ud bˆ (). Satz 7..5 : (, ),, der Schwerpukt der Date liegt tet auf der Regreiogerade, d.h. â + bˆ. Bewei : Wege () gilt: Σ â Σ + bˆ : â + bˆ.
8 9 (Kapitel 7: Lieare Regreio) 7..6 Fortetzug vo 7.. : Wir lege folgede 6 Spauge (i V) a da Voltmeter a ud beobachte die zugehörige Auchläge (i cm) : â ,383 ; bˆ , V ; 8,5 cm. 6 6 Σ ( Σ) ,67 ; 7,08. r 6 533, Σ Σ Σ 6,73 ; 4, ,08 4,09 0,995. Zwiche ud beteht alo (äherugweie) die Beziehug : 0, ,6
9 30 (Kapitel 7: Lieare Regreio) Beipiel 7..7 (Sedecor ud Cochra) : i p.p.m. i p.p.m. (p.p.m. part per millio) Phophor im Bode ; Phophor im Maipflaze â,4 ; bˆ 6,58 ; 3 ; 80. r 0,805. Zwiche ud beteht alo (äherugweie) die Beziehug :,4 + 6,58
10 3 (Kapitel 7: Lieare Regreio) 7..8 Bemerkug : Wie i. bemerkt, ollte ich die zufällige Abweichuge ε im Mittel etwa aufhebe. Ibeodere ollte dehalb die Date um die Regreiogerade gleichmäßig treue : I eiem Fall wie :
11 3 (Kapitel 7: Lieare Regreio) ollte ma keie Regreiogerade durch die Date lege Behelfmöglichkeite : (a) Im zweite Fall vo.8 ka ma ich uter Umtäde dadurch behelfe, daß ma für eie geeigete Fuktio (Traformatio) f atelle vo,..., ud,...,,..., ud z f( ),..., z f( ) betrachtet, ud fall die traformierte Date (, z ),..., (, z ) gleichmäßig um eie Gerade treue, die Regreiogerade vo z bezüglich betimmt. (b) Eie ugleiche Streuug der Date etteht, we die Mittelwerte vo uterchiedlich viele Beobachtuge id (z.b. bei Populatioe, dere Umfag mit der Zeit abimmt). Hier ollte ma eie gewichtete Regreio durchführe.
12 33 (Kapitel 7: Lieare Regreio) 7..0 Bemerkug : Regreiogerade ollte ma ur da betim me, we die Date eie lieare Verlauf erkee lae. Bei Date wie oder wie i Beipiel.7(c) wäre eie Regreiogerade fehl am Platze. Für Date wie i de obige Diagramme it die Apaug aderer (ichtliearer) Fuktioe mit ähliche Methode möglich. 7.3 t-tet für de Parameter a der Steigug eier Regreiogerade 7.3. Situatio : Y a + b + ε,. Ma itereiert ich dafür, ob die determiitiche Variable tatitich relevat it, d.h. ma hat da Tetproblem H: a 0 gege K: a 0. Geauer: Ma tetet da Modell Y b + ε (H) gege da Modell Y a + b + ε (K). Im Falle, daß H icht verworfe werde ka, d.h. Y b + ε,, wird b gechätzt al bˆ.
13 34 (Kapitel 7: Lieare Regreio) Hierzu etzt ma vorau, daß die Y uabhägig ud ormalverteilt id, d.h. Y d N(a + b, σ ),. Da Σ ΣΣ â r, it die Größe r vo Bedeutug. Σ ( Σ) E ei ρ (Σ ΣY ΣΣY ( Σ) )(ΣY ( ΣY) ) (d.h. r ρ(, )). Uter H: a 0 gilt : T(, Y) : ρ d t. ρ Für da Sigifikaziveau α ergibt ich daher folgeder kritiche Bereich : C { (, ) T(, ) r > t α ; }. r Beipiel 7.3. : (Eichug eie Voltmeter) α 0,05 ; 6 ; r 0,995 T(, ) 4 0,995 0,995 9,95 > t 4 ; 0,975,776. H it alo abzulehe, d.h. die Regreiogerade it 0, ,6. Beipiel : (Phophor i Böde ud Maipflaze) α 0,05 ; 9 ; r 0,805 T(, ) 7 0,805 0,805 3,590 > t 7 ; 0,975,365. H it alo abzulehe, d.h. die Regreiogerade it,4 + 6,58.
14 35 (Kapitel 7: Lieare Regreio) Beipiel : Folgede Date eie gegebe : i 0 3,5 00, ,6 400, , ,04 44 Σ 60, ,5 5 r ,9 ( ) (3 48,5 4,6) 0,899 ; α 0,05 ; 3. T(, ) 0,899 0,899,053 < t ; 0,975,706. H : a 0 ka dehalb icht verworfe werde. Ma hat dehalb da Modell Y b + ε vor ich.,9 bˆ 3,97, d.h. 3,97. 3
Statistische 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)
MehrVersuch 1a Kennlinie eines Widerstandes und einer Glühlampe
Berer Fachhochchule Hochchule für Techik ud foratik Fachbereich Elektro- ud Kouikatiotechik BFH HT EKT Veruch a Keliie eie Widertade ud eier Glühlape Eiführeder Veruch zu Verhalte vo Stro ud Spaug i eie
Mehr( ), 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
MehrMethode der kleinsten Quadrate
Methode der kleiste Quadrate KAPITEL 5: REGRESSIONSRECHNUNG Die Methode der kleiste Quadrate (MklQ) ist ei Verfahre zur Apassug eier Fuktio a eie Puktwolke. Agewadt wird sie beispielsweise, um eie Gesetzmäßigkeit
MehrSo 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.
Mehrc.) Fortpflanzung von Unsicherheiten: (Teil 2)
c.) Fortpflazug vo Uicherheite: (Teil ) (DIN V ENV 3005, 999 06, DIN 39 Teil 4, GUM) Im Allgemeie wird au uicherheitbehaftete Eigaggröße,,... ei Ergebi y = y(,,... ) berechet. E oll die Uicherheit de Ergebie
Mehrs xy x i x y i y s xy = 1 n i=1 y 2 i=1 x 2 s 1 n x n i Streudiagramme empirische Kovarianz x=5,5 y=7,5
Streudiagramme für metrisch skalierte Variable paarweise Messwerte (x,y) x 5 7 y 7 5 7 5 5 7 Aussage zu Zusammehäge. empirische Kovariaz Stadardabweichug der WertPAARE x i x y Wert x Mittelwert aller x
MehrU V R S T. V W = = s U V W R S T. Protokoll zum Versuch 25 Physikpraktikum. Reale Gase-Verflüssigung und kritischer Punkt. Namen:
Protokoll zum eruch 5 Phyikraktikum Reale Gae-erflüigug ud kriticher Pukt Name: Datum: Kur/Grue: emeratur: C hermotat ϑ C Ga,ϑ Hg R S a + b m R R Molzahl W ; bg d H d R J mol K verd bg bg 8314 ga, / fl
MehrKorrekturliste zum Studienbuch Statistik
Korrekturlite zum Studiebuch Statitik I der aktuelle Auflage wurde durch ei Kovertierugproblem i de Kapitel 0 (S. 3 3 ud de etprechede Abchitte i de Löuge (S. 39 07 teilweie die Zeiche µ durch ud π durch
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
Mehr3 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
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürge Seger INDUKTIVE STATISTIK Wahrcheilichkeittheorie, Schät- ud Tetverfahre ÜBUNG. - LÖSUNGEN. Differetet für de Mittelwert (abhägige Stichprobe) Zwei Verfahre um Nachwei eie hormoale Dopigmittel
MehrBehandlung statistisch verteilter Messwerte
Phyikaliche Grudpraktikum Veruch 00 Behadlug tatitich verteilter Mewerte Aufgabe:. Führe Sie am PC Eperimete mit dem Galtoche Nagelbrett durch. Lae Sie mehrmal Kugelmege durchlaufe ud regitriere Sie die
Mehr6 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
MehrMathematik 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
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
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
Mehrue biostatistik: hypothesen, t test 1/8 h. lettner / physik
ue biotatitik: hypothee t tet /8 h. letter / phyik Hypothee Augagituatio ud Problemtellug * Populatio σ * Lagjähriger Durchchitt Erte * Wahrcheilichkeit für Ereigie Müze Roulette * Radioaktivität Hitergrudtrahlug
MehrUmrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung
.3. Prozetuale Häufigkeitsverteilug (HV) Die prozetuale Häufigkeitsverteilug erlaubt de Vergleich vo Auswertuge, dee uterschiedliche Stichprobegröße zugrude liege. Es köe auch uterschiedliche Stichprobegröße
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
MehrMEBAK-Methodensammlung Grundlagen der Statistik. 1. Definitionen. 2. Charakterisierung der Verteilung. 2.1 Normalverteilung (Gauß-Verteilung)
. Defiitioe Zufallvariable Eie Zufallvariable it eie Größe, die bei eiem Zufallexperimet auftrete ka, z. B. die Läge der Bredauer eier Glühbire oder da Ergebi eier Petizidbetimmug. Grudgeamtheit Eie Grudgeamtheit
MehrKapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit
- 18 - (Kapitel 3 : Bedigte Wahrscheilichkeite ud Uabhägigkeit) Kapitel 3: Bedigte Wahrscheilichkeite ud Uabhägigkeit Wird bei der Durchführug eies stochastische Experimets bekat, daß ei Ereigis A eigetrete
Mehr10. 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)
MehrFür eine n n-matrix A müssen wir die Gleichung. lösen. Falls (A λi) invertierbar ist, dann ist. Dann ist aber λ kein Eigenwert.
Geschlossees Leotief-Modell Ei Leotief-Modell für eie Volkswirtschaft heißt geschlosse, we der Kosum gleich der Produktio ist, d.h. we Kapitel 5 Eigewerte V x = x Es hadelt sich dabei um eie Spezialfall
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
MehrDiesen Grenzwert nennt man partielle Ableitung von f nach x i und
Bevor wir zum ächste Kapitel übergehe, werde wir de Begri eier Fuktio i mehrere Variable eiführe. Eie Fuktio vo Variable ist eie Vorschrift, die jedem Pukt (x 1,x,...,x ) eier Teilmege D des IR eie bestimmte
MehrVl 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.
MehrEs gibt verschiedene Möglichkeiten eine Folge zu definieren. Die zwei häufigsten Methoden
Folge ud Reihe Folge Eie Folge ist eie Abbildug der atürliche Zahle N = {0, 1,,...} i die Mege der (zumidest i de meiste Fälle) reelle Zahle R. I diesem Fall ka ma sich eie Folge als Pukte i eiem Koordiatesystem
Mehr2. 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)
MehrFehlerrechnung. 3. Genauigkeit von Meßergebnissen am Beispiel der Längenmessung
1 Gie 11/000 Fehlerrechug 1. Physikalische Größe: Zahlewert ud Eiheit. Ursache vo Meßfehler 3. Geauigkeit vo Meßergebisse am Beispiel der Lägemessug 4. Messug eier kostate Größe ud Mittelwert 5. Messug
MehrHerleitung der Parameter-Gleichungen für die einfache lineare Regression
Herleitug der Parameter-Gleichuge für die eifache lieare Regressio Uwe Ziegehage. März 03 Historie v.0 6.03.009, erste Versio hochgelade v.0 0.03.03, eie Vorzeichefehler beseitigt, diverse Gleichuge ud
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
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:
MehrZahlenfolgen und Konvergenzkriterien
www.mathematik-etz.de Copyright, Page of 7 Zahlefolge ud Kovergezkriterie Defiitio: (Zahle-Folge, Grezwert) Eie Folge ist eie Abbildug der atürliche Zahle i die Mege A. Es ist also im Fall A: ; f: mit
Mehr6. Übung - Differenzengleichungen
6. Übug - Differezegleichuge Beispiel 00 Gesucht sid alle Lösuge vo a) x + 3x + = 0 ud b) x + x + 7 = 0, jeweils für 0. Um diese lieare Differezegleichug erster Ordug zu löse, verwede wir die im Buch auf
MehrAnwendungen der Wahrscheinlichkeit II. Markovketten
Aweduge der Wahrscheilichkeit II 1. Fragestelluge Markovkette Markovkette sid ei häufig verwedetes Modell zur Beschreibug vo Systeme, dere Verhalte durch eie zufällige Übergag vo eiem Systemzustad zu eiem
Mehrund wird als n-dimensionaler (reeller) Vektorraum bezeichnet. heißt der von v 1,..., v k aufgespannte Unterraum des R n.
Reeller Vektorraum Kapitel Vektorräume Die Mege aller Vektore x mit Kompoete bezeiche wir mit x R =. : x i R, i x ud wird als -dimesioaler (reeller) Vektorraum bezeichet. Defiitio Ei Vektorraum V ist eie
MehrSchätzen. Mehrdimensionale Verteilungsfunktionen Kovarianz und Korrelation Statistiken BLUE Konsistenz Arithmetisches Mittel vs.
Schätze Mehrdimeioale Verteilugfuktioe Kovariaz ud Korrelatio Statitike BLUE Koitez Arithmetiche Mittel v. Media Quiz Die -dimeioale Verteilugfuktio eier -dimeioale Zufallvariable mit Kompoete,, it für
MehrZeitliche und Räumliche Autokorrelation
Zeitlice ud Räumlice Autokorrelatio Geerelle Beobactug: Eg beacbarte eitlic, räumlic euge lieer tedeiell älice Werte Autokorrelatio: -dimeioal Zeitreieaalye Variogramm: -dimeioal Geotatitik > Dieelbe Priipie,
MehrNormierte Vektorräume
Normierte Vektorräume Wir betrachte im Folgede ur Vektorräume über R 1. Sei also V ei Vektorraum. Wir möchte Metrike auf V betrachte, die im folgede Sie mit der Vektorraumstruktur verträglich sid:, y,
Mehr2.2.1 Lagemaße. Exkurs: Quantile. und n. p n
Ekurs: Quatile Ausgagspukt : Geordete Urliste Jeder Wert p, mit 0 < p
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
MehrUlrich Stein Fehlerrechnung
Fehlerrechug Verteilug vo Messwerte Mittelwert Stadardabweichug Stadardfehler Rude vo Messwerte Darstellug vo Messwerte (Stellezahl) Fehlerfortpflazug Messergebisse Messug physikalische Realität Messgerät,
Mehr3. 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
MehrTests für beliebige Zufallsvariable
Kapitel 10 Tests für beliebige Zufallsvariable 10.1 Der Chi-Quadrat-Apassugstest Sei x eie gaz beliebige Zufallsvariable, dere Dichtefuktio icht oder icht geau bekat ist. Beispiel: Es seie z.b. mittels
Mehr2 Konvergenz von Folgen
Kovergez vo Folge. Eifache Eigeschafte Defiitio.. Eie Abbildug A : N C heißt Folge. Ma schreibt a statt A) für N ud a ) oder a ) statt A. We a R N, so heißt a ) reelle Folge. Defiitio.. Seie a ) eie Folge
MehrFit 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
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
Mehr3.2 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
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,...,
Mehr10 Aussagen mit Quantoren und
0 Aussage mit Quatore ud 0.6. Eisatz vo (bereits bekater) Eistezaussage Bisher hatte wir Eistezbeweise geführt, idem wir ei passedes Objekt agegebe habe ( Setze... ). Stattdesse ka ma auch auf bereits
Mehr8. Gewöhnliche Differentialgleichungen (ODE)
8 Gewöhliche Differetialgleichuge (ODE) 81 Motivatio Eidimesioale (1d) Bewegug eies Teilches (Masse m, keie Reibug) im Potezial U() U() E klassisch: Ermittle die Bahkurve/Trajektorie (t) des Massepukts
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.
MehrProseminar Lineare Algebra WS 2016/17
Prosemiar Lieare Algebra WS 2016/17 Bachelorstudium Lehramt Sekudarstufe (Allgemeibildug) Lehramtsstudium Uterrichtsfach Mathematik Kapitel 0: Grudlage 1. Wie sid die Begriffe Vereiigug, Durchschitt ud
MehrHöhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 5. Übungsblatt
KARLSRUHER INSTITUT FÜR TECHNOLOGIE KIT Istitut für Aalysis Dr A Müller-Rettkowski Dr T Gauss WS 00/ Höhere Mathematik I für die Fachrichtuge Elektroigeieurwese, Physik ud Geodäsie Lösugsvorschläge zum
MehrArithmetische Reihen Geometrische Reihen. Theorie und Musterbeispiele. Es wird auch das Arbeiten mit dem Summenzeichen geübt! Datei Nr.
Zahlefolge Teil 3: Reihe Arithmetiche Reihe Geometriche Reihe Theorie ud Muterbeipiele E wird auch da Arbeite mit dem Summezeiche geübt! Datei Nr. 40050 Stad 7. September 06 Friedrich W. Buckel INTERNETBIBLIOTHEK
MehrNutzung der Ergebnisse von Ringvergleichen und Methodenvalidierungen zur Ermittlung der Messunsicherheit
Nutzug der Ergebie vo igvergleiche ud Methodevalidieruge zur Ermittlug der Meuicherheit Abtract Deutch Wolfgag ichter I der chemiche Aalytik werde ebe der Bottom-u -Methode ach GUM auch Todow -Verfahre
Mehr,,, 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
Mehrh 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
MehrKapitel 2: Stochastische Prozesse. Copyright M. Gross, ETH Zürich 2006, 2007
Kaitel 2: Coyright M. Gross, ETH Zürich 2006, 2007 Bedigte Verteiluge Ebeso a die Verbudwahrscheilicheit vo Zufallsvariable über bedigte Wahrscheilicheite ausgedrüct werde i i,, i,, Wiederum ommt eie Produtregel
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
MehrNennenswertes zur Stetigkeit
Neeswertes zur Stetigkeit.) Puktweise Stetigkeit: Vo Floria Modler Defiitio der pukteweise Stetigkeit: Eie Fuktio f : D R ist geau da i x D stetig, we gilt: ε > δ >, so dass f ( x) f ( x ) < ε x D mit
MehrKapitel 6 Differenzierbarkeit
Kapitel 6 Differezierbarkeit Ihalt 6.1 6.1Die Defiitio 6.2 6.2Die Eigeschafte 6.3 6.3Extremwerte Seite 2 Was heißt differezierbar? Differezierbare Fuktioe sid sid glatte Fuktioe. Wir Wir beschreibe diese
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:
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
MehrSchätzen. Mehrdimensionale Zufallsvariablen Kovarianz und Korrelation Statistiken BLUE Konsistenz Arithmetisches Mittel vs.
Schätze Mehrdimeioale Zufallvariable Kovariaz ud Korrelatio Statitike BLUE Koitez Arithmetiche Mittel v. Media Quiz Eie Fuktio : Ω R ordet edem ω Ω geau eie reelle Zahl x zu. Eie Fuktio : Ω R ordet edem
MehrBivariate Daten: Tabellarische und grafische Darstellungen
Bivariate Date: Tabellariche ud grafiche Dartelluge Ordiale Date Kotigeztafel ud Moaiplot mit geordete Kategorie Quatitative Date Kotigeztafel ud Moaiplot mit laierte Date il Raabe: Wahrcheilicheitrechug
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
MehrWahrscheinlichkeit & 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
MehrKapitel 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
MehrKapitel 9: Geometrische Summe und ein Mischmodell
Kapitel 9: Geometrische Summe ud ei Mischmodell Dr. Dakwart Vogel Ui Esse WS 2009/10 1 Die Summeformel der geometrische Reihe + 1 2 1 q 1 + q+ q +... + q =, 0, q> 0, 1 1 q Bemerkuge 1. Mit Hilfe des -Zeiches
MehrKonvexität und Ungleichungen
Koveität ud Ugleichuge Tag der Mathematik 2003 Holger Stepha Weierstraß Istitut für Agewadte Aalysis ud Stochastik http://www.wias-berli.de/people/stepha = Für mathematisch iteressierte Schüler = Folie
MehrLineare Regression. Roland Heynkes. 18. April 2006, Aachen
Lieare Regressio Rolad Heykes 18. April 2006, Aache Es kommt i der Natur relativ oft vor, daß zwei Größe statistisch mit eiader verbude sid. We sich diese Verbudeheit mathematisch durch eie Fuktio beschreibe
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
Mehrmathphys-online Abiturprüfung Berufliche Oberschule 2010 Mathematik 13 Technik - B I - Lösung
Abiturprüfug Berufliche Oberschule 2010 Mathematik 13 Techik - B I - Lösug Teilaufgabe 1.0 Die Firma Sparlux stellt Eergiesparlampe i großer Azahl her, die, je achdem, wie geau sie die Neleistug eihalte,
MehrWiederholung: Linearer Ausgleich 1. Linearer Ausgleich. Vorlesung April. Aufgabe Gegeben Naturgesetz
Vorlesug 4 6 + 9 April Bei w,, w m, v R ; (w,, w m =: A R (,m ud ieres Produkt = euklidisches Produkt schrieb sich das Approximatiosproblem so: Fide w = Wiederholug: m ζ k w k mit w v w v w spa{w,, w m
MehrÜbungen zur Infinitesimalrechnung 2, H.-C. Im Hof 19. März Blatt 4. Abgabe: 26. März 2010, Nachmittag. e x2 dx + e x2 dx = 2 e x2 dx
Übuge zur Ifiitesimalrechug, H.-C. Im Hof 9. März Blatt 4 Abgabe: 6. März, Nachmittag Aufgabe. Zeige e x dx π. Beweis. Wir bemerke als erstes, dass e x dx e x dx + e x dx e x dx formal sieht ma dies per
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meihardt 6. Stoc, Wallstr. 3 (Raum 06-206) Sprechstude jederzeit ach Vereibarug ud ach der Vorlesug. Mathematische ud statistische Methode I Dr. Malte Persie persie@ui-maiz.de http://psymet03.sowi.ui-maiz.de/
MehrPositiv denken! Lösungen
Schülerzirkel Mathematik Fakultät für Mathematik. Uiversität Regesburg Positiv deke! Lösuge Aufgabe 1 (GMAMQM (ur für die Klasse 7/8) [ Pukte]). Seie a, b reelle Zahle. 1. Sei a 0 ud b 0. Zeige, dass a
MehrWir wiederholen zunächst das Majorantenkriterium aus Satz des Vorlesungsskripts Analysis von W. Kimmerle und M. Stroppel.
Uiversität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dr. D. Zimmerma MSc. J. Köller MSc. R. Marczizik FDSA 4 Höhere Mathematik II 30.04.2014 el, kyb, mecha, phys 1 Kovergezkriterie
MehrKonfidenzintervall_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
MehrVordiplomprüfung 2014 Mathematik Seite 1 von 3
Vordiplomprüfug 14 Mathematik Seite 1 vo 1. Aufgabe Has hat eie Uhr bekomme. Er beobachtet, dass der Miutezeiger vo Zeit zu Zeit de Studezeiger überholt. a) Um welche Zeit zwische 9 ud 1 Uhr stehe die
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
Mehr1 Das Skalarprodukt und das Kreuzprodukt
Das Skalarprodukt ud das Kreuzprodukt Wir betrachte zu x = de Ausdruck y t x : = x Grud: Die rechte Seite der Gleichug ist: y t x = (y tx +... + (y ty { t x } y +... + x y x + x y (x y +... + x y x x t
MehrKlausur zu Stochastische Risikomodellierung und statistische Methoden (Mai 2014)
Klauur zu Stochatiche Riiomodellierug ud tatitiche Methode (Mai 04) Aufgabe (30 Pute): Sie id Veratwortlicher Atuar eier Lebevericherug ud müe die Agemeeheit der biometriche Rechuggrudlage für Mäer i eiem
Mehr2.3 Schätzeigenschaften der OLS-Methode
.3 Schäzeigechafe der OLS-Mehode Jede Schäzmehode wei beimme Güeeigechafe auf, die vo der Erfüllug beimmer Vorauezuge abhäge. Wa die gewöhliche Mehode der kleie Quadrae (OLS-Mehode) beriff, id beimme Schäzeigechafe
MehrSchwerpunkt 1 E Ma 1 Lubov Vassilevskaya
http://www.ewagilmour.com/wp-cotet/uploads/2010/05/forkkifespooegg.jpg Schwerpukt 1 E Der starre c Körper http://www.flickr.com/photos/iesca/3139536876/i/pool-streetlamps Abb. 1 1: Zur Defiitio eies starre
MehrBesprechung: S. 1/1
Übug 8 Aufgabe 8.1 Sei P R ei Polytop mit P Z =vert(p ). Zeige Sie, dass vert(p ) 2. Aufgabe 8.2 Sei P V ei ratioales Polyeder. Zeige Sie, dass P ebefalls ei ratioales Polyeder ist. Aufgabe 8.3 Sei u 1,...,u
MehrV. Tests bez. zweier Verteilungsfunktionen
7 V. Tests bez. zweier Verteilugsfuktioe Seie X ud Y zwei uabhägige oralverteilte Zufallsvariable, für die zwei kokrete Stichprobe x, x,..., x bzw. y, y,..., y it de Ufäge bzw vorliege. a) X ud Y seie
Mehr425 Polarisationszustand des Lichtes
45 Polarisatioszustad des Lichtes. Aufgabe. Bestimme Sie de Polarisatiosgrad vo Licht ach Durchgag durch eie Glasplattesatz, ud stelle Sie de Zusammehag zwische Polarisatiosgrad ud Azahl der Glasplatte
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
MehrKAPITEL 7. Zahlenfolgen. 7.1 Konvergente Zahlenfolgen Grenzwertbestimmung Grenzwertbestimmung durch Abschätzung...
KAPITEL 7 Zahlefolge 7. Kovergete Zahlefolge.............................. 30 7.2 Grezwertbestimmug............................... 32 7.3 Grezwertbestimmug durch Abschätzug..................... 35 7.4
MehrHinweise zur Protokollführung im Elektronikpraktikum
Berufakademie Sache Seite Staatliche Studieakademie Leipzig Studierichtug Iformatik Hiweie zur Protokollführug im Elektroikpraktikum Diee Hiweie gelte im Rahme der Elektroikpraktika der Studierichtug Iformatik
Mehr38 Normen und Neumannsche Reihe
168 V. Lieare Algebra 38 Norme ud Neumasche Reihe Wir erier zuächst a (vgl. 15.6) 38.1 Normierte Räume. Es sei E ei Vektorraum über K = R oder K = C. Eie Abbildug : E [0, ) heißt Norm auf E, falls gilt
MehrWir beachten 1. stetig, deshalb n p q > 9 nicht zu prüfen 2. n < 30, dann t-verteilung statt Normalverteilung anwenden
INHALT Niht verwehel Kofidez, Kotigez, Kovergez, Regreio, Korrelatio, Autokorrelatio, Iterkorrelatio. Niht verwehel ormal, Normalverteilug, Stadard ormiert z.b. v= x Norm z.b. EUKLID-Norm: Normale, Normalgleihuge
MehrKomplexität der Zusammenhänge - Grabsteineffekt
Ihikawa-Diagramm der Baugruppequalität (Auzug) Leiterplatte Kompoete Lotpate Ebeheit Oberfläche Fremdchichte Geauigkeit Lötaurütug Lotpatedrucker Betückautomat elektriche Qualität Alter geom. Form Geauigkeit
Mehrn=0 f(x) = log(1 + x) = n=1
Potez - Reihe Machmal ist es praktisch eie Fuktio f() mir Hilfe ihrer Potezreihe auszudrücke. Eie Potezreihe um de Etwicklugspukt 0 sieht im Allgemeie so aus a ( 0 ) Fuktioe, für die eie Potezreihe eistiert,
MehrAnalysis I Lösungsvorschläge zum 3. Übungsblatt Abgabe: Bis Donnerstag, den , um 11:30 Uhr
Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Dipl.-Math. Lars Machiek Dipl.-Math. Sebastia Schwarz WS 206/207 03..206 Aalysis I Lösugsvorschläge zum 3. Übugsblatt Abgabe:
Mehr