Statistik I für Betriebswirte Vorlesung 14
|
|
- Jens Baumann
- vor 5 Jahren
- Abrufe
Transkript
1 Statistik I für Betriebswirte Vorlesung 14 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 11. Juli 016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 14 Version: 14. Juli 016 1
2 Statistische Prüfverteilungen Zur Bestimmung von Konfidenzintervallen für Parameter der Normalverteilung und die später zu behandelnden statistischen Tests benötigt man Quantile von bestimmten Verteilungen, die mit der Normalverteilung zusammenhängen und die man statistische Prüfverteilungen nennt. Dies sind die χ -Verteilung (Chi-Quadrat-Verteilung), die t-verteilung (Student-Verteilung) und die F -Verteilung (Fisher-Verteilung). In den nachfolgenden Folien zu den speziellen Prüfverteilungen seien deshalb X 1,..., X n unabhängige normalverteilte Zufallsgrößen mit Erwartungswert µ und Varianz σ jeweils und X = 1 n X i, n i=1 S = 1 n 1 n ( Xi X ). i=1 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 14 Version: 14. Juli 016
3 Die χ -Verteilung (Chi-Quadrat-Verteilung) I Parameter: m N ( Anzahl der Freiheitsgrade ). Zufallsgröße Y mit Dichtefunktion f Y bzw. Verteilungsfunktion F Y 0, x 0 ; f Y (x) = x m 1 m Γ( m ) e x, x > 0 ; Es gelten F Y (x) = x f Y (y) dy, x R. EY = m und VarY = m. Es ist für X i N(µ, σ ), u.i.v. (i.i.d.), 1 n σ (X i µ) χ verteilt mit n Freiheitsgraden und 1 σ i=1 n ( Xi X ) i=1 χ verteilt mit n 1 Freiheitsgraden. Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 14 Version: 14. Juli 016 3
4 Die χ -Verteilung (Chi-Quadrat-Verteilung) II Dichtefunktionen der χ -Verteilung mit m = 1 (rot), m = 5 (grün) und m = 8 (blau) Freiheitsgraden Quantile von χ -Verteilungen können aus Tabellen abgelesen oder mit Hilfe von Rechnerprogrammen berechnet werden. Für größere Werte m lassen sich die Quantile approximieren, z.b. gilt χ 1 α 1 ( m 1 + Φ 1 (α) ) Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 14 Version: 14. Juli 016 4
5 Tabelle Quantile χ -Verteilung Quelle Beispiel: G. Bourier; Statistik-Übungen; Gabler Verlag / Springer Fachmedien Wiesbaden GmbH, Wiesbaden; 01 (E-Book Bibliothek TUBAF) Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 14 Version: 14. Juli 016 5
6 Die t-verteilung (Student-Verteilung) I Parameter: m N ( Anzahl der Freiheitsgrade ). Zufallsgröße Y mit Dichtefunktion f Y bzw. Verteilungsfunktion F Y f Y (x) = Γ ( ) m+1 ( πm Γ m ) (1 + x ) m+1, x R ; m Es gelten F Y (x) = x f Y (y) dy, x R. EY = 0 (m ) und VarY = m (m 3). m Es ist für X i N(µ, σ ), u.i.v., S = 1 n ( Xi X ) n 1 i=1 n X µ S t verteilt mit n 1 Freiheitsgraden. Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 14 Version: 14. Juli 016 6
7 Die t-verteilung (Student-Verteilung) II Dichtefunktionen der t-verteilung mit m = 1 (rot), m = 5 (grün) und m = 8 (blau) Freiheitsgraden Quantile von t-verteilungen können aus Tabellen abgelesen oder mit Hilfe von Rechnerprogrammen berechnet werden. Für größere Werte m lässt sich die Verteilung recht gut durch eine Standardnormalverteilung approximieren. Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 14 Version: 14. Juli 016 7
8 Tabelle Quantile t-verteilung Quelle Beispiel: G. Bourier; Statistik-Übungen; Gabler Verlag / Springer Fachmedien Wiesbaden GmbH, Wiesbaden; 01 (E-Book Bibliothek TUBAF) Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 14 Version: 14. Juli 016 8
9 Die F -Verteilung (Fisher-Verteilung) I Parameter: m 1, m N ( Anzahl der Freiheitsgrade ). Zufallsgröße Y mit Dichtefunktion f Y bzw. Verteilungsfunktion F Y 0, x 0 ; f Y (x) = Γ( m 1 +m ( ) ) m1 m1 x m 1 Γ( m 1 )Γ( m ) m 1 ), x > 0 ; m 1 +m F Y (x) = x f Y (y) dy, x R. Es gelten für m > bzw. m > 4 ( 1+ m 1 m x EY = m m und VarY = m (m 1 + m ) m 1 (m ) (m 4). Sind Y i unabhängig und χ -verteilt mit m i Freiheitsgraden (i = 1, ), dann ist Y = m Y 1 m 1 Y F -verteilt mit Freiheitsgraden m 1, m. Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 14 Version: 14. Juli 016 9
10 Die F -Verteilung (Fisher-Verteilung) II Dichtefunktionen der F -Verteilung mit m 1 = 5, m = 5 (rot), m 1 = 5, m = 50 (grün) und m 1 = 50, m = 50 (blau) Freiheitsgraden Quantile von F -Verteilungen können aus Tabellen abgelesen oder mit Hilfe von Rechnerprogrammen berechnet werden. Bezeichnet f m1,m ;α das Quantil einer F -Verteilung mit m 1, m 1 Freiheitsgraden zum Niveau α, dann gilt f m1,m ;1 α =. f m,m 1 ;α Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 14 Version: 14. Juli
11 Konfidenzintervall für µ falls X N(µ, σ ), σ unbekannt Es ist für X i N(µ, σ ), u.i.v., S = n X µ S Mit dem Quantil t n 1;1 α n 1 Freiheitsgraden gilt dann P 1 n 1 n i=1 ( Xi X ) t verteilt mit n 1 Freiheitsgraden. zum Niveau 1 α ( t n 1;1 α n X µ S P t n 1;1 α ( X S t n 1;1 α µ X + S t n n 1;1 α n der t-verteilung mit ) = 1 α, ) = 1 α. Damit erhält man die Formel für das (zweiseitige) Konfidenzintervall I für den Erwartungswert µ der Normalverteilung bei unbekannter Varianz σ zum Konfidenzniveau 1 α [ I µ = X S t n 1;1 α ; X + S ] t n n 1;1 α. n Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 14 Version: 14. Juli
12 Beispielaufgabe Aufgabe: In einem Betrieb werden unter anderem grüne Bohnen in Dosen abgefüllt. Bei einer Stichprobe von 5 Dosen wurden folgende Abfüllgewichte in g ermittelt: 173, 176, 17, 176, 175, 174, 17, 173, 173, 178, 176, 177, 175, 176, 173, 17, 175, 174, 17, 174, 173, 177, 176, 174, 174. Es wird angenommen, dass es sich bei den Werten um Realisierungen einer normalverteilten Zufallsgröße handelt. 1. Bestimmen Sie einen Schätzer für das mittlere Abfüllgewicht µ!. Geben Sie ein Konfidenzintervall zum Niveau 0.95 für das Durchschnittsgewicht an! Größen zur Lösung: x = 174.4, s = 1.756, s = 3.083, n = 5, 1 α = 0.975, t 4;0.975 =.064. Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 14 Version: 14. Juli 016 1
13 Konfidenzintervall für σ falls X N(µ, σ ), µ bekannt Es ist für X i N(µ, σ ), u.i.v., S = 1 n ns σ = 1 σ n (X i µ), i=1 n (X i µ) χ verteilt mit n Freiheitsgraden. i=1 Mit den Quantilen χ n; α bzw. χ n;1 α zu den Niveaus α bzw. 1 α der χ -Verteilung mit n Freiheitsgraden gilt dann ( P ( P χ n; α ns χ n;1 α ) σ χ n;1 α = 1 α, ) σ ns χ = 1 α. n; α ns Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 14 Version: 14. Juli
14 Konfidenzintervall für σ falls X N(µ, σ ), µ bekannt Damit erhält man die Formel für das (zweiseitige) Konfidenzintervall I für die Varianz σ der Normalverteilung bei bekanntem Erwartungswert µ zum Konfidenzniveau 1 α [ ] ns I σ = χ ; ns n;1 α χ. n; α Das (zweiseitige) Konfidenzintervall I für die Standardabweichung σ der Normalverteilung bei bekanntem Erwartungswert µ zum Konfidenzniveau 1 α erhält man daraus durch Berechnung der Quadratwurzeln: [ ] ns ns I σ = ;. χ n;1 α χ n; α Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 14 Version: 14. Juli
15 Konfidenzintervall für σ falls X N(µ, σ ), µ unbekannt Es ist für X i N(µ, σ ), u.i.v., S = 1 n 1 n 1 ( Xi X ), i=1 (n 1)S σ = 1 σ n (X i X ) χ verteilt mit n 1 i=1 Freiheitsgraden. Mit den Quantilen χ n 1; α bzw. χ n 1;1 α zu den Niveaus α bzw. 1 α der χ -Verteilung mit n 1 Freiheitsgraden gilt dann ( P χ n 1; α P ) (n 1)S σ χ n 1;1 α = 1 α, ( ) (n 1)S χ σ (n 1)S n 1;1 α χ = 1 α. n 1; α Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 14 Version: 14. Juli
16 Konfidenzintervall für σ falls X N(µ, σ ), µ unbekannt Damit erhält man die Formel für das (zweiseitige) Konfidenzintervall I für die Varianz σ der Normalverteilung bei unbekanntem Erwartungswert µ zum Konfidenzniveau 1 α I σ = [ (n 1)S χ ; n 1;1 α (n 1)S χ n 1; α Das (zweiseitige) Konfidenzintervall I für die Standardabweichung σ der Normalverteilung bei unbekanntem Erwartungswert µ zum Konfidenzniveau 1 α erhält man daraus durch Berechnung der Quadratwurzeln: [ ] (n 1)S (n 1)S I σ = ;. χ n 1;1 α χ n 1; α ]. Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 14 Version: 14. Juli
17 Einseitige Konfidenzintervalle Einseitige Konfidenzintervalle, d.h. nur obere bzw. nur untere Konfidenzgrenzen, erhält man, indem man bei den zweiseitigen Konfidenzintervallen die entsprechende Grenze wählt und bei den Quantilen α durch α ersetzt. Die andere Grenze wird dann entsprechend der möglichen Werte des Parameters gewählt, also z.b. als untere Grenze für den Erwartungswert µ oder 0 als untere Grenze für die Varianz σ oder die Standardabweichung σ. Oft verwendet werden einseitige Konfidenzintervalle mit oberer Konfidenzgrenze zur Intervallschätzung der Varianz σ einer Normalverteilung; ist der Erwartungswert µ unbekannt, lautet das entsprechende Konfidenzintervall zum Konfidenzniveau 1 α: I σ = [ 0 ; (n 1)S χ n 1;α ]. Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 14 Version: 14. Juli
18 Beispiel Konfidenzintervall für σ Im Wägebeispiel aus der vorigen Vorlesung waren: n = 10, x = 10.1, s = = , die Werte werden als normalverteilt mit unbekanntem Erwartungswert µ und unbekannter Varianz σ angenommen. Dann sind mit den Quantilen χ 9;0.05 =.70, χ 9;0.05 = 3.33, χ 9;0.975 = 19.0 die Konfidenzintervalle zum[ Konfidenzniveau 1 α = 0.95 : zweiseitig für σ : I σ = ; ] = [0.063 ; ] ; [ ] zweiseitig für σ : I σ = ; = [0.16 ; ] ; [ einseitig (oben) für σ : I σ = 0 ; ] = [0 ; ] ; [ 3.33 einseitig (oben) für σ : I σ = 0 ; ] = [0 ; ]. Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 14 Version: 14. Juli
19 Asymptotische Konfidenzintervalle Die Konfidenzintervalle für den Erwartungswert bzw. die Varianz können als asymptotische Konfidenzintervalle auch für nicht-normalverteilte Merkmale (mit endlicher Varianz) genutzt werden, wenn der Stichprobenumfang n groß genug ist. Dabei genügt bei symmetrischen Verteilungen oft schon eine Anzahl von n 15 Stichprobenwerten, während bei schiefen Verteilungen oft n 30 noch nicht ausreicht. Auch eine unbekannte Wahrscheinlichkeit p kann mit Hilfe eines solchen asymptotischen Konfidenzintervalls geschätzt werden. Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 14 Version: 14. Juli
20 Konfidenzintervall für eine Wahrscheinlichkeit p Aufgabe: Intervallschätzung der Wahrscheinlichkeit p eines Ereignisses A, also p = P(A). { 1, A tritt bei Beobachtung i ein, X i = (i = 1,..., n). 0, A tritt bei Beobachtung i nicht ein, Die Schätzgröße für p ist die relative Häufigkeit ˆp = X, dabei ist die absolute Häufigkeit X = nx binomialverteilt mit Parametern n und p. Mit Hilfe des Grenzwertsatzes von Moivre-Laplace kann man ein asymptotisches Konfidenzintervall I = [G u ; G o ] zum Konfidenzniveau 1 α konstruieren. Dieses kann für große Stichprobenumfänge n genutzt werden, als Faustregel gelten n ˆp > 5 und n(1 ˆp) > 5. Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 14 Version: 14. Juli 016 0
21 Konfidenzintervall für eine Wahrscheinlichkeit p Mit dem Quantil z 1 α 1 α erhält man [ 1 G u = n + z1 X + 1 α z 1 α [ 1 G o = n + z1 X + 1 α z 1 α der Standardnormalverteilung zum Niveau z 1 α + z 1 α ] X (n X ) + 1 n 4 z 1 α, ] X (n X ) + 1 n 4 z 1 α. Eine einseitige untere Konfidenzgrenze wäre dann z.b. gegeben durch [ 1 G u = n + z1 α X + 1 ] X (n X ) z 1 α z 1 α + 1 n 4 z 1 α. Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 14 Version: 14. Juli 016 1
22 Beispiel: Konfidenzintervall für p Aufgabe: Zur Schätzung des Ausschussanteils eines umfangreichen Lieferpostens werde diesem eine Stichprobe von 00 Teilen entnommen. Dabei wurden 190 einwandfreie Teile festgestellt. 1. Geben Sie eine Schätzung für den Ausschussanteil an.. Berechnen Sie ein Konfidenzintervall für den Ausschussanteil zum Konfidenzniveau 1 α = Größen zur Lösung: n = 00, x = = 0.05, absolute Häufigkeit x = 10, 1 α = 0.975, z = Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 14 Version: 14. Juli 016
23 Klausur Statistik I für Betriebswirte Termin: Montag, 1. August 016, 7:30-9:30 Uhr. Es muss selbstständig gearbeitet werden. Als Hilfsmittel für die Prüfung ist außer Notebook und Handy alles zugelassen. Raumaufteilung: Alte Mensa AME 1001 Studiengang Betriebswirtschaftslehre mit Matrikelnummer größer gleich und Studiengang Betriebswirtschaftslehre für die Ressourcenwirtschaft; Audimax AUD 1001 Studiengang Business und Law ; DBI DBI-TZ Studiengang Betriebswirtschaftslehre mit Matrikelnummer kleiner und Studiengang Wirtschaftsingenieurswesen. Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung 14 Version: 14. Juli 016 3
Statistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli
MehrStatistik II für Betriebswirte Vorlesung 2
Statistik II für Betriebswirte Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 26. Oktober 2016 Prof. Dr. Hans-Jörg Starkloff Statistik II für Betriebswirte Vorlesung
MehrStatistik für Ingenieure Vorlesung 5
Statistik für Ingenieure Vorlesung 5 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 28. November 2017 3.4 Wichtige stetige Verteilungen 3.4.1 Exponentialverteilung Parameter:
MehrStatistik I für Betriebswirte Vorlesung 13
Statistik I für Betriebswirte Vorlesung 13 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 4. Juli 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrStatistik I für Betriebswirte Vorlesung 5
Statistik I für Betriebswirte Vorlesung 5 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 7. Mai 2018 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 5 Version: 30. April
Mehr2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.11. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler 2009 war genau 33.7%. Wie groß ist die Wahrscheinlichkeit, in einer Zufallsstichprobe von 1000 Personen genau
Mehr3 Grundlagen statistischer Tests (Kap. 8 IS)
3 Grundlagen statistischer Tests (Kap. 8 IS) 3.1 Beispiel zum Hypothesentest Beispiel: Betrachtet wird eine Abfüllanlage für Mineralwasser mit dem Sollgewicht µ 0 = 1000g und bekannter Standardabweichung
MehrChi-Quadrat-Verteilung
Chi-Quadrat-Verteilung Wikipedia http://de.wikipedia.org/wiki/chi-quadrat-verteilung 1 von 7 6/18/2009 6:13 PM Chi-Quadrat-Verteilung aus Wikipedia, der freien Enzyklopädie Die Chi-Quadrat-Verteilung ist
Mehr2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.15. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler unter allen Wählern war 2009 auf eine Nachkommastelle gerundet genau 33.7%. Wie groß ist die Wahrscheinlichkeit,
MehrStatistik I für Betriebswirte Vorlesung 4
Statistik I für Betriebswirte Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 25. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrKlausur (Modulprüfung) zum Lehrerweiterbildungskurs Stochastik am von 10:00 bis 11:00 Uhr
Klausur (Modulprüfung) zum Lehrerweiterbildungskurs Stochastik am 5..201 von 10:00 bis 11:00 Uhr Bearbeiten Sie zwei der drei folgenden Aufgaben! Sätze aus der Vorlesung und den Übungen dürfen Sie ohne
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:
Mehr5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrDr. H. Grunert Schließende Statistik Vorlesungscharts. Vorlesung 7. Schätzverfahren
Vorlesungscharts Vorlesung 7 Schätzverfahren Konstruktion von Konfidenzintervallen Konfidenzintervalle für den Erwartungswert normalverteilter Grundgesamtheiten Konfidenzintervalle für Anteilswerte Seite
MehrStatistik II für Betriebswirte Vorlesung 1
Statistik II für Betriebswirte Vorlesung 1 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 19. Oktober 2016 Prof. Dr. Hans-Jörg Starkloff Statistik II für Betriebswirte Vorlesung
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 9. Dezember 2010 1 Konfidenzintervalle Idee Schätzung eines Konfidenzintervalls mit der 3-sigma-Regel Grundlagen
MehrMathematische Statistik Aufgaben zum Üben. Schätzer
Prof. Dr. Z. Kabluchko Wintersemester 2016/17 Philipp Godland 14. November 2016 Mathematische Statistik Aufgaben zum Üben Keine Abgabe Aufgabe 1 Schätzer Es seien X 1,..., X n unabhängige und identisch
MehrStatistik II für Betriebswirte Vorlesung 1
Statistik II für Betriebswirte Vorlesung 1 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 16. Oktober 2017 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 1 Version:
Mehr5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen Spezielle Verteilungen
Wahrscheinlichkeitsrechnung und Statistik für Biologen Spezielle Verteilungen Noémie Becker & Dirk Metzler http://evol.bio.lmu.de/_statgen 7. Juni 2013 1 Binomialverteilung 2 Normalverteilung 3 T-Verteilung
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen Wiederholung: Verteilungen
Wahrscheinlichkeitsrechnung und Statistik für Biologen Wiederholung: Verteilungen Noémie Becker & Dirk Metzler 31. Mai 2016 Inhaltsverzeichnis 1 Binomialverteilung 1 2 Normalverteilung 2 3 T-Verteilung
MehrWichtige Definitionen und Aussagen
Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge
MehrKapitel 3 Schließende Statistik
Beispiel 3.4: (Fortsetzung Bsp. 3.) bekannt: 65 i=1 X i = 6, also ˆp = X = 6 65 = 0, 4 Überprüfen der Voraussetzungen: (1) n = 65 30 () n ˆp = 6 10 (3) n (1 ˆp) = 39 10 Dr. Karsten Webel 194 Beispiel 3.4:
MehrWahrscheinlichkeit und Statistik: Zusammenfassung
HSR Hochschule für Technik Rapperswil Wahrscheinlichkeit und Statistik: Zusammenfassung beinhaltet Teile des Skripts von Herrn Hardy von Lukas Wilhelm lwilhelm.net 12. Januar 2007 Inhaltsverzeichnis 1
MehrVerteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen. Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung
Verteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung Typisierung der stetigen theoretischen Verteilungen Bibliografie:
Mehr5. Spezielle stetige Verteilungen
5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für
Mehr7. Übung: Aufgabe 1. b), c), e) Aufgabe 2. a), c), e) Aufgabe 3. c), e) Aufgabe 4. Aufgabe 5. Aufgabe 6. Aufgabe 7. Aufgabe 8. Aufgabe 9.
7. Übung: Aufgabe 1 b), c), e) Aufgabe a), c), e) Aufgabe 3 c), e) Aufgabe 4 b) Aufgabe 5 a) Aufgabe 6 b) Aufgabe 7 e) Aufgabe 8 c) Aufgabe 9 a), c), e) Aufgabe 10 b), d) Aufgabe 11 a) Aufgabe 1 b) Aufgabe
MehrÜbung zu Empirische Ökonomie für Fortgeschrittene SS 2009
Übung zu Empirische Ökonomie für Fortgeschrittene Steen Elstner, Klaus Wohlrabe, Steen Henzel SS 9 1 Wichtige Verteilungen Die Normalverteilung Eine stetige Zufallsvariable mit der Wahrscheinlichkeitsdichte
MehrStichproben Parameterschätzung Konfidenzintervalle:
Stichproben Parameterschätzung Konfidenzintervalle: Beispiel Wahlprognose: Die Grundgesamtheit hat einen Prozentsatz p der Partei A wählt. Wenn dieser Prozentsatz bekannt ist, dann kann man z.b. ausrechnen,
MehrStatistik für Ingenieure Vorlesung 6
Statistik für Ingenieure Vorlesung 6 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 05. Dezember 2017 3.4.3 Stetige Gleichverteilung Parameter: Intervall [a, b] R. Zufallsgröße
MehrDie Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
MehrDie Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
MehrFit for Abi & Study Stochastik
Fit for Abi & Study Stochastik Prof. Dr. Tilla Schade Hochschule Harz 15. und 16. April 2014 No. 1 Stochastik besteht aus: Wahrscheinlichkeitsrechnung Statistik No. 2 Gliederung Grundlagen Zufallsgrößen
MehrStatistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de
rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent
Mehr3) Testvariable: T = X µ 0
Beispiel 4.9: In einem Molkereibetrieb werden Joghurtbecher abgefüllt. Der Sollwert für die Füllmenge dieser Joghurtbecher beträgt 50 g. Aus der laufenden Produktion wurde eine Stichprobe von 5 Joghurtbechern
Mehr1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung
0 Einführung 1 Wahrscheinlichkeitsrechnung Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Intervallschätzung Motivation und Hinführung Der wahre Anteil der rot-grün Wähler 009 war genau
MehrStatistik für Ingenieure Vorlesung 3
Statistik für Ingenieure Vorlesung 3 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 14. November 2017 3. Zufallsgrößen 3.1 Zufallsgrößen und ihre Verteilung Häufig sind
MehrStatistik II für Betriebswirte Vorlesung 3
Statistik II für Betriebswirte Vorlesung 3 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 2. November 2016 Prof. Dr. Hans-Jörg Starkloff Statistik II für Betriebswirte Vorlesung
MehrBiomathematik für Mediziner, Klausur WS 1999/2000 Seite 1
Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,
MehrKlausur zu Statistik II
GOETHE-UNIVERSITÄT FRANKFURT FB Wirtschaftswissenschaften Statistik und Methoden der Ökonometrie Prof. Dr. Uwe Hassler Wintersemester 03/04 Klausur zu Statistik II Matrikelnummer: Hinweise Hilfsmittel
MehrStatistik I für Betriebswirte Vorlesung 13
Statistik I für Betriebswirte Vorlesung 13 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 6. Juli 2017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 13 Version: 7. Juli
MehrInstitut für Stochastik Prof. Dr. N. Henze Dipl.-Math. V. Riess
Institut für Stochastik Prof. Dr. N. Henze Dipl.-Math. V. Riess Name: Vorname: Matrikelnummer: Lösungsvorschlag zur Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik (Stochastik) Datum: 07.
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2
MehrPrüfungsklausur zur Stochastik (LMG)/ Elementare Wahrscheinlichkeitstheorie und Statistik
B. Schmalfuß Jena, den 20.02.2018 Prüfungsklausur zur Stochastik (LMG)/ Elementare Wahrscheinlichkeitstheorie und Statistik Allgemeine Hinweise: Zur Verfügung stehende Zeit: 90 min. Hilfsmittel: keine.
Mehr6. Schätzverfahren für Parameter
6. Schätzverfahren für Parameter Ausgangssituation: Ein interessierender Zufallsvorgang werde durch die ZV X repräsentiert X habe eine unbekannte Verteilungsfunktion F X (x) Wir interessieren uns für einen
MehrStatistische Analyseverfahren Abschnitt 2: Zufallsvektoren und mehrdimensionale Verteilungen
Statistische Analyseverfahren Abschnitt 2: Zufallsvektoren und mehrdimensionale Verteilungen Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Oktober 2018 Prof. Dr. Hans-Jörg
MehrWahrscheinlichkeitsrechnung und schließende Statistik
Springer-Lehrbuch Wahrscheinlichkeitsrechnung und schließende Statistik Bearbeitet von Karl Mosler, Friedrich Schmid 4., verb. Aufl. 2010. Taschenbuch. XII, 347 S. Paperback ISBN 978 3 642 15009 8 Format
MehrPhilipp Sibbertsen Hartmut Lehne. Statistik. Einführung für Wirtschafts- und. Sozialwissenschaftler. 2., überarbeitete Auflage. 4^ Springer Gabler
Philipp Sibbertsen Hartmut Lehne Statistik Einführung für Wirtschafts- und Sozialwissenschaftler 2., überarbeitete Auflage 4^ Springer Gabler Inhaltsverzeichnis Teil I Deskriptive Statistik 1 Einführung
MehrStatistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungen stetiger Zufallsvariablen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 017 4 Spezielle Zufallsgrößen Einführung 1 Wahrscheinlichkeit: Definition
MehrStochastik für Mathematiker Teil 2: Wahrscheinlichkeitstheorie
Stochastik für Mathematiker Teil 2: Wahrscheinlichkeitstheorie Sommersemester 2018 Kapitel 8: Elemente der mathematischen Statistik Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik
MehrStatistik I für Betriebswirte Vorlesung 3
Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 15. April 2019 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 1. April
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Schließende Statistik Sommersemester Namensschild
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Schließende Statistik Sommersemester 2010 Namensschild Prof. Dr. Ralph Friedmann / Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ
MehrDr. W. Kuhlisch Dresden, Institut für Mathematische Stochastik
Dr. W. Kuhlisch Dresden, 12. 08. 2014 Institut für Mathematische Stochastik Klausur Statistik für Studierende der Fachrichtungen Hydrologie und Altlasten/Abwasser zugelassene Hilfsmittel: Taschenrechner
MehrEinführung in die Induktive Statistik: Testen von Hypothesen
Einführung in die Induktive Statistik: Testen von Hypothesen Jan Gertheiss LMU München Sommersemester 2011 Vielen Dank an Christian Heumann für das Überlassen von TEX-Code! Testen: Einführung und Konzepte
Mehr1. Grundbegri e der Stochastik
Wiederholung von Grundwissen der Stochastik. Grundbegri e der Stochastik Menge der Ereignisse. Die Elemente! der Menge heißen Elementarereignisse und sind unzerlegbare Ereignisse. Das Ereignis A tritt
MehrKlausur zur Vorlesung
Institut für Mathematische Stochastik WS 2006/2007 Universität Karlsruhe 12. Februar 2007 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Aufgabe 1 (15 Punkte) Klausur zur Vorlesung Statistik für Biologen
MehrAufgaben. d) Seien X und Y Poissonverteilt mit Parameter µ, X, Y P(µ). 2. Dann ist die Summe auch Poissonverteilt mit (X + Y ) P(2µ).
Aufgaben 1. Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete Frage 1 Punkt und pro falsche Antwort 1/2 Punkt Abzug. Minimal erhält man für die gesamte
Mehr0 sonst. a) Wie lautet die Randwahrscheinlichkeitsfunktion von Y? 0.5 y = 1
Aufgabe 1 (2 + 2 + 2 + 1 Punkte) Gegeben sei folgende gemeinsame Wahrscheinlichkeitsfunktion f(x, y) = P (X = x, Y = y) der Zufallsvariablen X und Y : 0.2 x = 1, y = 1 0.3 x = 2, y = 1 f(x, y) = 0.45 x
Mehr5. Stichproben und Statistiken
5. Stichproben und Statistiken Problem: Es sei X eine ZV, die einen interessierenden Zufallsvorgang repräsentiere Man möchte die tatsächliche Verteilung von X kennenlernen (z.b. mittels der VF F X (x)
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrWir gehen wieder von einem allgemeinen (parametrischen) statistischen Modell aus, (
Kapitel 4 Konfidenzbereiche Wir gehen wieder von einem allgemeinen parametrischen statistischen Modell aus, M, A, P ϑ ; sei eine Funktion des Parameters gegeben, die einen interessierenden Teil-Parameter
MehrInhaltsverzeichnis. Robert Galata, Sandro Scheid. Deskriptive und Induktive Statistik für Studierende der BWL. Methoden - Beispiele - Anwendungen
Inhaltsverzeichnis Robert Galata, Sandro Scheid Deskriptive und Induktive Statistik für Studierende der BWL Methoden - Beispiele - Anwendungen Herausgegeben von Robert Galata, Markus Wessler ISBN (Buch):
MehrMathematische und statistische Methoden II
Statistik & Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Schließende Statistik Sommersemester Aufgabenstellung und Ergebnisse
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Schließende Statistik Sommersemester 2010 Aufgabenstellung und Ergebnisse Prof. Dr. Ralph Friedmann / Dr. Martin Becker Hinweise für die Klausurteilnehmer
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 5.5.2006 1 Ausgangslage Wir können Schätzen (z.b. den Erwartungswert) Wir können abschätzen, wie zuverlässig unsere Schätzungen sind: In welchem Intervall
MehrStatistik II. Version A. 1. Klausur Sommersemester 2011 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik II Version A 1. Klausur Sommersemester 2011 Hamburg, 27.07.2011 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................
MehrStatistik für Ingenieure Vorlesung 13
Statistik für Ingenieure Vorlesung 13 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 6. Februar 2018 5.1.4. Weitere ausgewählte statistische Tests a) Binomialtest Der Binomialtest
MehrStochastik Serie 11. ETH Zürich HS 2018
ETH Zürich HS 208 RW, D-MATL, D-MAVT Prof. Marloes Maathuis Koordinator Dr. Marvin Müller Stochastik Serie. Diese Aufgabe behandelt verschiedene Themenbereiche aus dem gesamten bisherigen Vorlesungsmaterial.
MehrStatistik für NichtStatistiker
Statistik für NichtStatistiker Zufall und Wahrscheinlichkeit von Prof. Dr. Karl Bosch 5., verbesserte Auflage R. Oldenbourg Verlag München Wien Inhaltsverzeichnis 1. ZufalLsexperimente und zufällige Ereignisse
MehrTeil VIII. Zentraler Grenzwertsatz und Vertrauensintervalle. Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle. Lernziele. Typische Situation
Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle Patric Müller ETHZ Teil VIII Zentraler Grenzwertsatz und Vertrauensintervalle WBL 17/19, 29.05.2017 Wahrscheinlichkeit
MehrAnhang: Statistische Tafeln und Funktionen
A1 Anhang: Statistische Tafeln und Funktionen Verteilungsfunktion Φ(z) der Standardnormalverteilung Die Tabelle gibt die Werte Φ(z) der Verteilungsfunktion zu vorgegebenem Wert z 0 an; ferner gilt Φ( z)
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage
MehrZufallsvariablen [random variable]
Zufallsvariablen [random variable] Eine Zufallsvariable (Zufallsgröße) X beschreibt (kodiert) die Versuchsausgänge ω Ω mit Hilfe von Zahlen, d.h. X ist eine Funktion X : Ω R ω X(ω) Zufallsvariablen werden
Mehr73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments
73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Schließende Statistik Wintersemester 2012/13. Namensschild. Dr.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Schließende Statistik Wintersemester 2012/13 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Kleben Sie bitte sofort Ihr Namensschild
MehrSozialwissenschaftlerInnen II
Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Wahrscheinlichkeitsfunktionen
MehrAufgabe 1 (8= Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten:
Aufgabe 1 (8=2+2+2+2 Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten: Die Zufallsvariable X bezeichne die Note. 1443533523253. a) Wie groß ist h(x 5)? Kreuzen
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg. für Betriebswirtschaft und internationales Management
für Betriebswirtschaft und internationales Management Sommersemester 2015 Prof. Dr. Stefan Etschberger Hochschule Augsburg Testverteilungen Chi-Quadrat-Verteilung Sind X 1,..., X n iid N(0; 1)-verteilte
Mehr2 Klassische statistische Verfahren unter Normalverteilungs-Annahme
7 Klassische statistische Verfahren unter Normalverteilungs-Annahme. χ s, t s, F r,s -Verteilung a) N,..., N s uiv N (0, ) Verteilung von Y := N +... + N s heißt Chi-Quadrat-Verteilung mit s Freiheitsgraden
MehrStatistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
MehrWahrscheinlichkeit und Statistik BSc D-INFK
Prof. Dr. M. Schweizer ETH Zürich Sommer 4 Wahrscheinlichkeit und Statistik BSc D-INFK. a (iii b (ii c (iii d (i e (ii f (i g (iii h (iii i (i j (ii. a Die Anzahl der bestellten Weine in einem Monat kann
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 6 Genzwertsätze Einführung 1 Wahrscheinlichkeit: Definition und Interpretation
MehrMathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007
Mathematik IV für Maschinenbau und Informatik Stochastik Universität Rostock, Institut für Mathematik Sommersemester 007 Prof. Dr. F. Liese Dipl.-Math. M. Helwich Serie Termin: 9. Juni 007 Aufgabe 3 Punkte
MehrWahrscheinlichkeitsrechnung und Statistik. 11. Vorlesung /2019
Wahrscheinlichkeitsrechnung und Statistik 11. Vorlesung - 2018/2019 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 2 heißt Median. P(X < z
MehrWahrscheinlichkeitstheorie und Statistik vom
INSTITUT FÜR STOCHASTIK SS 2007 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Dipl.-Math. oec. W. Lao Klausur (Maschineningenieure) Wahrscheinlichkeitstheorie und Statistik vom 2.9.2007 Musterlösungen
Mehr1 Grundlagen der Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsräume. Ein erster mathematischer Blick auf Zufallsexperimente...
Inhaltsverzeichnis 1 Grundlagen der Wahrscheinlichkeitsrechnung 1 1.1 Wahrscheinlichkeitsräume Ein erster mathematischer Blick auf Zufallsexperimente.......... 1 1.1.1 Wahrscheinlichkeit, Ergebnisraum,
MehrKapitel 3 Schließende Statistik
Bemerkung 3.34: Die hier betrachteten Konfidenzintervalle für unbekannte Erwartungswerte sind umso schmaler, je größer der Stichprobenumfang n ist, je kleiner die (geschätzte) Standardabweichung σ (bzw.
MehrWirtschaftsstatistik-Klausur am
Wirtschaftsstatistik-Klausur am 03.07.208 Aufgabe Statistik-Dozent K.R. lehrt an einer privaten FH in Köln, wohnt aber in Frankfurt am Main. Er hat - wegen möglicher saisonaler Schwankungen - zwei Semester
Mehr