2. Teilprüfung FS Lösungen
|
|
- Nora Kopp
- vor 5 Jahren
- Abrufe
Transkript
1 2. Teilprüfug Statistik ud Wahrscheilichkeitsrechug FS 2009 Lösuge Prof. Dr. Michael Havbro Faber ETH Zürich Diestag 19. Mai :00 09:30 Vorame:... Name:... Stud. Nr.:... Studierichtug:...
2 2. Teilprüfug: Statistik ud Wahrscheilichkeitsrechug Bau, Umwelt ud Geomatikigeieurwisseschafte Datum ud Dauer: Diestag, 19. Mai 2009 Begi: 8:00 Uhr Zeitdauer: 90 Miute Hilfsmittel: - Alle Uterlage (Skripte, Bücher, adere Ausdrucke, etc.) erlaubt. - Tascherecher (ohe Kommuikatiosmittel) erlaubt. - Keie Kommuikatiosmittel (z.b. Telefo) erlaubt. Hiweise: - Bitte kotrolliere Sie zuerst, ob Sie das Material vollstädig erhalte habe: - Aufgabestellug ikl. geereller Iformatio ud Ahag 21 Seite. - Papierboge kariert, gestempelt 1mal. - Bitte lege Sie Ihre Legi vor sich auf de Tisch. - Alle Lösugsblätter müsse mit Name ud Vorame versehe werde. - Nur die zur Verfügug gestellte Blätter dürfe verwedet werde. - Lege Sie am Ede der Prüfug alle Aufgabe ud Lösugsblätter i das Couvert zurück ud lasse Sie dieses am Platz liege. - We Sie vor 9:00 Uhr fertig sid, da beachrichtige Sie eie Assistierede; er/sie wird da Ihre Prüfug eisammel. Sie dürfe bis 9:00 Uhr de Saal verlasse; daach warte Sie bitte still, bis die Prüfug zu Ede ist (9:30 Uhr). 2/2
3 Teil 1: Multiple Choice (maximal 56 Pukte) I de folgede Multiple Choice Frage köe für die gleiche Frage (midestes) eie oder mehrere Atworte zutreffed sei. Bitte markiere Sie alle richtige Atworte i jeder Frage mit eiem Häkche oder Kreuz: We Sie ei bereits markiertes Kästche rückgägig mache wolle, da tu Sie das bitte deutlich: Name: 3/3
4 1.1 Für eie Autobahabschitt müsse 10 gleich lage Talbrücke auf ihre Verkehrslast bemesse werde. Hierfür soll abgeschätzt werde, wie oft die Brücke vo Schwertrasporte befahre werde. Sie möchte hierzu eie homogee Poissoprozess verwede. a) (2 Pukte) Welche der folgede Aahme sid hierzu otwedig? Die Brücke werde alle aus dem gleiche Material gefertigt. Es ka immer ur ei Schwertrasport gleichzeitig eie Brücke befahre. Die mittlere Azahl Schwertrasporte, die pro Jahr die Autobah befahre, ädert sich währed der Lebesdauer der Brücke icht. Die Fahrt verschiedeer Schwertrasporte ist voeiader uabhägig. b) (4 Pukte) Nachdem Sie die otwedige Aahme getroffe habe, etscheide Sie sich, eie homogee Poissoprozess zu verwede: u P () t = e! u Aus Verkehrsstatistike für vergleichbare Strecke schätze Sie die mittlere Azahl Schwertrasporte pro Jahr auf 24. Wie gross ist die Wahrscheilichkeit, dass eie bestimmte Brücke währed der erste 3 Moate vo geau 6 Schwertrasporte befahre wird? P 6 (3 Moate ) = 0.5 P 6 (3 Moate ) = Trasporte 3 24 Jahr P Moate 6! e e 6! Jahr (3 ) = = = P 6 (3 Moate ) = /4
5 c) (4 Pukte) Sie beobachte auf eier der eue Brücke eie Schwertrasport. Mit welcher Wahrscheilichkeit köe Sie damit reche, dass es mehr als eie Moat dauert, bis der ächste Schwertrasport über die Brücke fährt? Verwede Sie dieselbe Aahme wie im Aufgabeteil b). PT ( > 1 Moat) = P( T > 1 Moat) = P( T > 1 Moat) = P( T > 1 Moat) = P (1 Moat) = e = d) (2 Pukte) Sie habe zur Modellierug aller 10 Brücke auf dem Autobahabschitt eie homogee Poissoprozess verwedet. Die mittlere Azahl Schwertrasporte sei für alle Brücke gleich. Sie gehe davo aus, dass Sie Ergodizität aehme köe. Welche der folgede Aussage sid uter diese Aahme richtig? Uter diese Aahme reicht es aus, über eie lägere Zeitraum die Schwertrasporte auf eier der 10 Autobahbrücke zu erfasse, um de Zufallsprozess vollstädig zu charakterisiere. Die Datesammlug lediglich a eier Brücke geügt ur da zur Beschreibug des gesuchte Zufallsprozesses, we die Autobah zwische de Brücke keie Ei oder Ausfahrte hat, ei Schwertrasport also immer alle Brücke überfahre muss. Die Aahme der Ergodizität ist falsch. Ei Poissoprozess ka iemals ergodisch sei. Die Aahme der Ergodizität wird i der Praxis häufig der Eifachheit halber getroffe, solage icht das Gegeteil bewiese wurde. Name: 5/5
6 1.2 (2 Pukte) Ebefalls wichtig für die Bemessug vo Talbrücke ist die Widlast. Hierzu verfüge Sie über Date zum 5 jährige Maximalwert der Widgeschwidigkeit, a die Sie eie Extremwertverteilug apasse möchte. Welche der folgede Aussage sid richtig? Aus de Date lässt sich eie Gumbel max Verteilug für das 50 jährige Maximum der Widgeschwidigkeit bestimme. Der Erwartugswert der Verteilug für das 50 jährige Maximum der Widgeschwidigkeit ist grösser als der Mittelwert der beobachtete Date. Die jährliche Eitrittswahrscheilichkeit eies extreme Widereigisses ist p = 0.2. Der Stichprobemittelwert der beobachtete 5 jährige Maxima ist ei guter Schätzer für die mittlere Widgeschwidigkeit a der Messstatio. 1.3 (2 Pukte) Die Zufallsvariable 1, 2, 3,..., 10seie voeiader uabhägig ud ormalverteilt mit dem Mittelwert μ 0 ud der Stadardabweichug σ. Welche der folgede Aussage ist richtig? Die Zufallsvariable Z = folgt eier Chi Verteilug Um eie Chi verteilte Zufallsvariable zu erhalte, müsse die Zufallsvariable i stadardisiert werde. Hierzu geügt es, sie durch die Stadardabweichug σ zu dividiere. Nach eier geeigete Stadardisierug der Zufallsvariable Z = Chi Quadrat verteilt i ist Fuktioe vo ormalverteilte Zufallsvariable sid stets ebefalls ormalverteilt. 6/6
7 1.4 Für eie zufällig ausgewählte Stichprobe vo Studierede der Vorlesug Statistik ud Wahrscheilichkeitsrechug möchte Sie de Stichprobemittelwert der 2 Körpergrösse, K, ud die Stichprobestadardabweichug S bereche. a) (2 Pukte) Welche der folgede Aussage köe Sie bereits vor dem Ziehe der Stichprobe bestätige? Der wahre Mittelwert μk der Körpergrösse vo alle Studierede der Statistik Vorlesug ist uabhägig vo der Azahl Studierede i der betrachtete Stichprobe. Die Variaz des Stichprobemittelwertes ist umso grösser, je kleier die zu Grude liegede Stichprobe ist. Der Stichprobemittelwert ist bei grosse Stichprobe äherugsweise ormalverteilt, auch we die Körpergrösse der Studierede icht durch eie Normalverteilug repräsetiert werde ka. 2 2 Für de erwartugstreue Schätzer der Stichprobevariaz gilt ES [ ] =σ. erwartugstreu K b) (2Pukte) Aus dem errechete Stichprobemittelwert der Körpergrösse, k, möchte Sie u ei Kofidezitervall für de wahre Mittelwert der Körpergrösse, μ, bestimme. Welche der folgede Aussage sid richtig? K Ei zweiseitiges Kofidezitervall für de wahre Mittelwert der Körpergrösse ist stets symmetrisch zum beobachtete Stichprobemittelwert. Das Kofidezitervall ist umso breiter, je grösser die betrachtete Stichprobe ist. Durch eie Steigerug der Kofidez, z.b. vo 95% auf 99%, vergrössert sich das Kofidezitervall. Zur Berechug eies zweiseitige 95% Kofidezitervall beötigt ma de 5% Fraktilwert der Stadardormalverteilug, k α. Name: 7/7
8 1.5 Um die Materialeigeschafte vo Schweizerischem Fichteholz zu beschreibe, wurde a 200 Bretter Versuche durchgeführt, um die Zugfestigkeit jedes Brettes zu bestimme. a) (2 Pukte) Ermittel Sie ahad der Wahrscheilichkeitspapiere aus Abbildug 1.5, welche Verteilugsfuktio die beobachtete Date über de gesamte Wertebereich am beste repräsetiert. Normalverteilug Gumbelverteilug Logormalverteilug Ahad dieser Wahrscheilichkeitspapiere lässt sich keie Aussage treffe. Abbildug 1.5: Wahrscheilichkeitspapiere für verschiedee Verteilugsfuktioe mit de ermittelte Date der Zugfestigkeit. 8/8
9 b) (2 Pukte) Welche der folgede Aussage ist richtig? Geerell werde Wahrscheilichkeitspapiere heragezoge, um Puktschätzuge der Verteilugsparameter zu ermittel. Das 0.99 Quatil ist bei alle Wahrscheilichkeitspapiere gleich ud hat eie Wert vo etwa 60 MPa. Das Wahrscheilichkeitspapier ka verwedet werde, um zu beurteile, ob die Datesätze zweier gleichzeitig erfasster Messgrösse i eiem lieare Zusammehag stehe. Das Wahrscheilichkeitspapier wird so kostruiert, dass die kumulative Verteilugsfuktio die Form eier Gerade hat. 1.6 (2 Pukte) Eie beliebige Materialeigeschaft wird durch eie ormalverteilte Zufallsvariable beschriebe, der wahre Mittelwert μ ud die wahre Stadardabweichug σ sid jedoch ubekat. Welche der folgede Verteilugsfuktioe köe Sie verwede, um ahad vo Ihe vorliegede Date ei Itervall zu bestimme, i dem der wahre Mittelwert mit der Wahrscheilichkeit 1 α zu erwarte ist? Normalverteilug Logormalverteilug t Verteilug F Verteilug Name: 9/9
10 1.7 A eier Statio zur Wägug vo LKWs werde die Gewichte der eizele LKWs erfasst, bevor diese über die aschliessede Brücke fahre. Das Wiege vo 50 LKWs erzielte eie Stichprobemittelwert vo x = 15 t. Aus Erfahrug weiss ma, dass die Stadardabweichug vo LKW Gewichte σ = 3.0 t beträgt. Eie Tabelle mit de Quatile der Stadardormalverteilug fide Sie im Ahag. a) (3 Pukte) Wie lässt sich das zweiseitige 95% Kofidezitervall des wahre Mittelwertes des LKW Gewichts auf dieser Strasse beschreibe? [ ] P < μ < = 0.95 [ ] P < μ < = 0.05 [ ] P < μ < = 0.05 [ ] P < μ < = 0.95 Lösug: = 50; x = 15 t; σ = 3t 1 1 P kα /2 σ < μ < + kα /2σ = 1 α 1 1 P 15 kα /23 < μ < 15 + kα /23 = α kα /2 = Φ 1 = Φ 1 = Φ ( ) = TABELLE... = P < μ < = P[ < μ < ] = 0.95 P < μ < = 0.95 [ ] 10/10
11 b) (3 Pukte) Wie viele LKWs müsste gewoge werde, um auf eiem Sigifikaziveau vo α = 0.01 ei zweiseitige Kofidezitervall für de wahre Mittelwert vo [ ] Lösug: < < zu erhalte? μ 1 x k α / 2σ = = = = Messuge 05. Wert für k α / 2 ist etomme aus Tabelle des Skripts mit liearer Iterpolatio. 1.8 Bei der Klassifizierug vo Schittholz i eie bestimmte Sortierklasse muss sichergestellt werde, dass der Mittelwert des Elastizitätsmoduls der kotrollierte Bretter dem erforderliche Mittelwert aus der Norm für diese Sortierklasse etspricht. Auf eiem Sigifikaziveau vo 5% stellt der zustädige Kotrolleur die folgede Null Hypothese auf: H 0 Norm. : Der Stichprobemittelwert des Holzes etspricht dem geforderte Wert aus der Name: 11/11
12 a) (2 Pukte) Welche der folgede Aussage ist/sid richtig? Die Wahrscheilichkeit eies Fehlers 1. Art ist gleich 5%. Die Wahrscheilichkeit eies Fehlers 2. Art ist gleich 95%. Das Sigifikaziveau α etspricht allgemei der Wahrscheilichkeit, dass die Null Hypothese akzeptiert wird, obwohl sie icht zutrifft. Durch eie höhere Stichprobeazahl bei der Berechug des Stichprobemittelwertes köte das Itervall für de Hypothesetest σ verkleiert werde. Lösug: Δ = kα 2 Erfahruge habe gezeigt, dass sich der Elastizitätsmodul ahad eier Normalverteilug beschreibe lässt. Der für die Qualität der Schittholzproduktio veratwortliche Igeieur möchte ahad vo 5 Messwerte (vgl. Tabelle 1.8) die Parameter der Verteilug bestimme. b) (2 Pukte) Wie köte der Igeieur hierfür vorgehe? Bei eier Normalverteilug etspreche die erste beide zetrale Momete der Stichprobe de Erwartugswerte der Verteilugsparameter. Die Methode der Momete eiget sich für eie Itervallschätzug der Verteilugsparameter. Die Methode der Momete eiget sich für eie Puktschätzug der Verteilugsparameter. Die Fisher Iformatiosmatrix ka verwedet werde, um die Streuug der geschätzte Verteilugsparameter zu bestimme. 12/12
13 Der Igeieur etscheidet sich dafür, die Maximum Likelihood Methode zur Schätzug der Parameter der Normalverteilug zu verwede. Die Messwerte sid i Tabelle 1.8 dargestellt. Tabelle 1.8: Messwerte des Elastizitätsmoduls bei der Sortierug vo Holzbretter. Stichprobeummer [ ] Elastizitätsmodul [MPa] c) (2 Pukte) Mit welcher der folgede Fuktioe lasse sich die Parameter ( μ; σ) Normalverteilug schätze? max( L( θ x ˆ) ) = max exp θ θ πσ = mi( L( θ x ˆ) ) = mi exp θ θ ( xˆ μ) i i 1 σ ( xˆ μ) i 2 2πσ 2 i= 1 σ 1 1 i mi( l( θ x ˆ) ) = mi l θ θ 2 2πσ 2 i= 1 σ ( xˆ μ) i max( l( θ xˆ )) = max l θ θ 2 2πσ 2 i= 1 σ ( xˆ μ) 2 T θ = der Name: 13/13
14 d) (2 Pukte) Welche Parameter für eie Normalverteilug erhält der Igeieur mit Hilfe der Maximum Likelihood Methode? μ = MPa ud σ = 2224MPa μ = MPa ud σ = 2523MPa μ = MPa ud σ = 2653MPa μ = MPa ud σ = 2429MPa Lösug: l 1 = 2( xˆ ) 0 2 i μ = μ 2σ i= 1 l 1 = + = σ σ σ 3 ( xˆ i 2 μ) 0 i= μ = σ = μ μ = 13800MPa 2 2 xˆ ( ˆ i xi ) i= 1 i= 1 σ = 2224MPa 14/14
15 1.9 (2 Pukte) Kreuze Sie die richtige() Aussage() a: Der Kolmogorov Smirov Test ist auch bei diskrete Verteiluge eisetzbar. Der Chi Quadrat Test ka auch bei kotiuierliche Verteiluge agewedet werde, we der Wertebereich diskretisiert wird. Der Kolmogorov Smirov Test wird eigesetzt, um die Parameter eier Verteilug zu schätze. Der Chi Quadrat Test diet dazu, eie Verteilug für gegebee Beobachtuge azuehme oder abzulehe Ei Umweltigeieur misst wöchetlich de Sauerstoffgehalt des Wassers a eiem beliebte Badeort am Zürisee. Die 122 Messdate hat er i 5 Itervalle eigeteilt. Um zu prüfe, ob die Messdate ormal oder logormalverteilt sid, führt er je eie Chi Quadrat Test auf eiem Sigifikaziveau vo 5% durch. De Mittelwert ud die Stadardabweichug berechet er mit der Maximum Likelihood Methode aus de Messdate. a) (2 Pukte) Wie viele Freiheitsgrade muss er beim Chi Quadrat Test berücksichtige? ν = 2 ν = 4 ν = 5 ν = 122 Freiheitsgrade: Azahl Itervalle = 5; Azahl aus de Date berecheter Parameter = 2; Freiheitsgrade=5 2 1=2. Name: 15/15
16 b) (2 Pukte) Im Folgede sid seie Berechuge für de Chi Quadrat Test für die Normalverteilug aufgeführt: Itervall Azahl Messwerte im Itervall Erwartete Wahrscheilichkeite für die Normalverteilug Erwartete Azahl Messwerte im Itervall Stichprobestatistik =122 =1 = Auf welche/welchem der folgede Sigifikaziveaus ka die Hypothese akzeptiert werde, dass es sich um eie ormalverteilte Zufallsvariable hadelt? Verwede Sie die Tabelle 2 im Ahag. Nehme Sie bitte uabhägig vo Ihrem Resultat i a) eie Freiheitsgrad ν = 1a, um diese Frage zu beatworte. α = 0.01 α = 0.05 α = 0.10 α = 0.25 Die iteressierede Stichprobestatistik ist 6.175, also die die quadrierte Differeze der beobachtete ud erwartete Häufigkeite. Diese Summe muss kleier sei als die i der Tabelle der Chi Quadrat Verteilug agegebee Maximalwerte für die Akzeptaz des Modells, auf eiem bestimmte Sigifikaziveau. Für α = 0.01 ist der maximal akzeptierbare Wert 6.63 für ν = 1. Für α = 0.05 überschreitet die Stichprobestatistik bereits de maximal 2 akzeptierbare Wert: P ε > χ = α ; > c) (2 Pukte) Nehme Sie (uabhägig vo de Ergebisse i b)) a, die Chi Quadrat Tests ergebe, dass beide Verteiluge auf eiem Sigifikaziveau vo 5% akzeptiert werde köe. Der Igeieur berechet die Likelihood der gesamte Stichprobe aus dem Produkt der Likelihoods der Eizelbeobachtuge, also 16/16 L = f ( xˆ θ ), i= 1 i
17 ud erhält für die Normalverteilug de Wert 0.42, für die Logormalverteilug Welche Verteilug sollte er aufgrud dieser Iformatio als geeigeter betrachte? Normalverteilug Logormalverteilug Aufgrud dieser eue Iformatio ka u keie der zwei Verteiluge akzeptiert werde. Diese eue Iformatio hilft dem Igeieur icht weiter, um auf die geeigetere Verteilug zu schliesse. Siehe Ausführuge im Skript: Seite E 33 Vergleich vo Modelle 1.11 (2 Pukte) Kreuze Sie die richtige() Aussage() a: Mote Carlo Simulatioe führe ur da zu eier Lösug, we die Zufallsvariable der Grezzustadsfuktio ormalverteilt sid. First Order Reliability Methods (FORM) führe auch da zu eier Lösug, we die Grezzustadsfuktioe icht differezierbar sid. Nei, für FORM müsse die Grezzustadsfuktioe differezierbar sei Nichtlieare Grezzustadsfuktioe werde im Hasofer Lid Verfahre im Schittpukt der x Achse mit der Grezzustadsfuktio liearisiert. Keie der Aussage ist richtig Sie habe gerade Ihr Ferieboot i Gibraltar mit Bezi vollgetakt, was eier durchschittliche Reichweite μ R vo 1000 [km] etspricht. Die damit maximal zurückzulegede Reichweite variiert je ach Fahrstil (sportlich oder gemütlich) ud ka als ormalverteilte Zufallsvariable R mit eier Stadardabweichug σ = 100 [km] modelliert werde. R I Ihrem Reiseführer steht geschriebe, dass Sie durchschittlich mit 930 zu fahrede Kilometer reche müsse, um Ihr Ziel i Afrika zu erreiche. Diese Strecke ka sich verkürze oder verläger, was vo kurzfristig variierede Strömugsverhältisse abhägt. Sie ehme a, dass die Distaz eie Name: 17/17
18 Stadardabweichug σ S = 50 [km] aufweist ud als ormalverteilte Zufallsvariable S modelliert werde ka. Sie wolle u die Wahrscheilichkeit bereche, dass das Bezi icht ausreicht, um bis a das Ziel zu gelage, ud formuliere die Grezzustadsfuktio g( x ) = R S. Sie ehme a, dass die beide Zufallsvariable R ud S voeiader uabhägig sid. a) (2 Pukte) Bereche Sie de Erwartugswert μm der Sicherheitsmarge M, wobei M = R S. μm = 70 [km] μm = 70 [km] μm = 930 [km] μ = 1070 [km] M Skript Gl. (F.7) ER ( S) = ER ( ) ES ( ) = ( )[km] = 70[km] b) (2 Pukte) Bereche Sie die Stadardabweichug σ M der Sicherheitsmarge M, wobei M = R S. σ M = 12.2 [km] σ M = 50.0 [km] σ M = 86.6 [km] σ = [km] M Skript Gl. (F.7) Var( R S) = Var( R) + Var( S) = ( )[km] = 12500[km] σ 2 M = 12500[km] = 111.8[km] c) (2 Pukte) Bereche Sie die Wahrscheilichkeit p f, dass Ihr Bezi für diese Strecke icht ausreicht. Verwede Sie die Tabelle 1 im Ahag. 18/18
19 μm 70 β = = = σ p f M =Φ( β ) =Φ( 0.626) = 1 Φ (0.626) = = Teil 2: Recheaufgabe (maximal 28 Pukte) I der Regio vo Basel soll ei eues Eikaufszetrum erstellt werde. Um die Gefahre durch Widstürme ud Erdbebe abzuschätze, werde Sie als Experte befragt. Gebe Sie alle Resultate auf vier Stelle hiter dem Komma a. 2.1 a) (4 Pukte) Ihre erste Aufgabe besteht dari, abzuschätze, mit welche Widstärke i dieser Regio zu reche ist. Sie habe i der Literatur gefude, dass die moatliche maximale Widgeschwidigkeite mit eier Gumbel max Verteilug modelliert werde. Zusätzlich habe Sie vo eier Wetterstatio i der Nähe des geplate Eikaufzetrums Messwerte der moatliche maximale Widgeschwidigkeite der letzte 10 Jahre erhalte. Sie habe bereits ahad der Messdate de Stichprobemittelwert x = 31.7 [ m/ s] ud die (icht erwartugstreue) Stichprobestadabweichug s = 12.9 [ m/ s] ermittelt. Schätze Sie mit Hilfe der Methode der Momete die Verteilugsparameter der Gumbel max Verteilug ud schreibe Sie die Wahrscheilichkeitsverteilugsfuktio auf, welche die moatliche maximale Widgeschwidigkeite repräsetiert. Hiweis: Die Gumbelverteilug (Gumbel max) hat die achfolgede Form: < x < μ Mittelwert F ( x) = exp( exp ( α ( x u) )) σ Stadardabweichug μ u Parameter der Verteilug = u + α α Parameter der Verteilug π σ = Name: α 6 19/19
20 Lösug: Erstes ud zweites zetrales Momet der Stichprobe: x = 31.7 [ m/ s] s = 12.9 [ m/ s] Mittelwert ud Stadardabweichug der Gumbel Max Verteilug: μ = u + α π σ = α 6 Momete der Stichprobe gleichsetzte mit de Momete der Verteilugsfuktio: μ = x = u+ = 31.7 [ m/ s] α π σ = s= = 12.9 [ m/ s] α 6 x = 31.7 [ m/ s] s = 12.9 [ m/ s] Auf die Parameter α ud u auflöse: π π α = = σ 6 s u = μ = x α α Werte eisetze ud Parameter bereche: π π π α = = = = σ 6 s u = μ = x = 31.7 = α α α Gumbel Max Verteilug: e F ( x) = e = e α ( x u) ( x 25.89) e 20/20
21 Ei Kollege zeigt Ihe eie Studie, i welcher die moatliche maximale Widgeschwidigkeit i dieser Regio mit eier Gumbel max Verteilug mit de Parameter a = 0.12 ud u = 27.5 repräsetiert wird. b) (8 Pukte) Um zu ermittel, ob die Verteilug aus der Studie Ihre Messwerte gut repräsetiert, beschliesse Sie, eie Chi Quadrat Test auf eiem Sigifikaziveau vo α = 5% durchzuführe. Verwede Sie dazu die folgede Tabelle, i welcher bereits die Häufigkeite der Messwerte eigetrage sid: Lösug: Itervall Häufigkeit N i Wahrscheilichkeit P Erwartete Häufigkeit Normalisierte Quadrate der Differeze -25 m/s m/s m/s m/s Summe m k i= 1 ( N p ) 2 i ε = = p Operative Regel: = 2 P ε χ 1 α Wert aus Tabelle: Sigifikaziveau vo α = 5% i i Freiheitsgrade = 4 Klasse 1 0 Paramert = 3 χ = Name: 21/21
22 2 Statistik ud Wahrscheilichkeitsrechug Da ε m = grösser als χ = ist, köe wir die Hypothese, dass die Date eier Weibullverteilug folge, auf eiem Sigifikaziveau vo α = 5% icht aehme. c) (2 Pukte) Da Sie für die Bemessug des Eikaufszetrums die jährliche maximale Widgeschwidigkeite beötige, soll ahad der i der Studie gegebee Gumbel max Verteilug die etsprechede Wahrscheilichkeitsverteilugsfuktio der jährliche Maxima ermittelt werde. Gebe Sie die Wahrscheilichkeitsdichtefuktio der jährliche maximale Widgeschwidigkeite a. mit α =0.12 ud u= e 12 e 12 e α ( ( )) ( ) ( x u ) α ( x u ) 0.12( x 27.5) F x = e = e = e 1 ( ) = ( ) ( ) f x F x f x max max max, T, T, T 12 1 max ( ) = 12 ( ( )) ( ) f x F x f x max, T, T α ( x u) 11 α( x u) e α ( x u) e ( e ) α e 0.12( x 27.5) 11 e 0.12( x 27.5) ( e ) e = 12 = e ( x ) mit α = ud u= e 12 e 12 e α ( ( )) ( ). ( x u ) α ( x u ) ( x 25.89) F x = e = e = e 22/22
23 d) (4 Pukte) Das Eikaufzetrum soll auf eie Lebesdauer vo 80 Jahre bemesse werde. Ermittel Sie die Widstärke, die eier erwartete Wiederkehrperiode vo 80 Jahre etspricht, ahad der Verteilug aus der Studie oder der vo Ihe ermittelte Verteilug aus Teilaufgabe c). ( ) ( x 25.89) 12 1 e F ( x) = e = 1 = l l ( ) 1 12 l l ( ) α ( x u = ) + u = x 12 α 1 l l ( ) = x= 94.91[ m/ s] mit α = ud u= l l ( ) = x= 84.67[ m/ s] mit α =0.12 ud u= Name: 23/23
24 2.2 (4 Pukte) Um die Gefährdug durch Erdbebe abzuschätze, ehme Sie eie Erdbebe Gefahrekarte zu Had. Sie lese für de Ort, a welchem das Eikaufszetrum gebaut 2 werde soll, dass ei Erdbebe mit eier Bodebeschleuigug vo 1.2 [ m/ s ] die Wiederkehrperiode T = 475 [Jahre] hat. Es wird ageomme, dass das Auftrete der Erdbebe eiem homogee Poissoprozess folgt. Bereche Sie u, wie gross die Wahrscheilichkeit ist, dass währed der erwartete Lebesdauer des Eikaufszetrums vo 80 Jahre mideste ei solches Erdbebe eitritt. Lösug: Wartezeit zwische de Ereigisse eie homogee Poissoprozess folge eier Expoetialverteilug. Bestimme die Parameter der Expoetialverteilug: 1 ET [ ] = = 475 Jahre ν () t [ ] 1 1 ν () t = = ET [ ] 475 Bestimme die Wahrscheilichkeit, dass die Wartezeit kleier gleich 80 Jahre ist: ν () t t [ ] P T 80 Jahre = 1 e = 1 e = (6 Pukte) Nebe der Sicherheit des Eikaufszetrums müsse Sie auch die Baukoste für die vo Ihe geforderte Verstärkuge bestimme. Am Afag des Projektes wurde die Baukoste durch eie ormalverteilte Zufallsvariable K mit dem Mittelwert μ = 10'000'000 [ CHF] ud der Stadardabweichug σ = 1'000'000 [ CHF] repräsetiert. K K Mit de zusätzliche Massahme ädert sich die Berechug der Baukoste. Sie köe u durch eie ormalverteile Zufallsvariable Keu mit dem Mittelwert 24/24
25 μ = 12'000'000[ CHF] ud der Stadardabweichug σ = 1'400'000[ CHF] K eu repräsetiert werde. Das Budget B, das für de Bau des Eikaufszetrums zur Verfügug steht, ist och icht fixiert, da währed der Bauphase och ach eue Ivestore gesucht wird. Es wird ageomme, dass das Budget eier Normalverteilug mit dem Mittelwert μ = 16'000'000 [ CHF] ud der Stadardabweichug σ = 3'000'000 [ CHF] folgt. B Ermittel Sie de Eifluss der zusätzliche bauliche Massahme auf die Wahrscheilichkeit, dass das Budget icht überschritte wird. B K eu Lösug: Berechug der Wahrscheilichkeit, dass das Budget reicht mit de alte Baukoste: Gegebe: μ K = 10'000'000 [ CHF], σ = 1'000'000 [ CHF] K μ B = 16'000'000 [ CHF], σ = 3'000'000 [ CHF] B Bestimmug der Sicherheitsmarge M = Budget mius Koste: M = B K μ = 16'000'000 10'000'000 = 6'000'000 M σ = + = M 2 2 3'000'000 1'000'000 3'162'300 Bestimmug vo Beta: μm 6'000'000 β = = = σ 3'162'300 M Wahrscheilichkeit, das dass Budget reicht: ( ) ( ) ( ) ( ) ( ) P= 1 P = 1 Φ β = 1 1 Φ β =Φ β =Φ = F Name: 25/25
26 Berechug der Wahrscheilichkeit, dass das Budget reicht mit de eue Baukoste: μ K = 12'000'000 [ CHF] eu, σ = 1'400'000 [ CHF] Keu μ B = 16'000'000 [ CHF], σ = 3'000'000 [ CHF] B Bestimmug der Sicherheitsmarge M = Budget mius Koste: M = B K eu eu μ = 16'000'000 12'000'000 = 4'000'000 M eu σ = + = M eu 2 2 3'000'000 1'400'000 3'310'600 Bestimmug vo Beta: β eu μm 4'000'000 eu = = = σ 3'310'600 Meu Wahrscheilichkeit, das dass Budget reicht: ( ) ( ) ( ) ( ) ( ) P = 1 P = 1 Φ β = 1 1 Φ β =Φ β =Φ = eu Feu eu eu eu 26/26
27 Tabelle 1: Kumulative Verteilugsfuktio der Stadardormalverteilug Φ ( z). Name: 27/27
28 Tabelle 2: Quatile q der Chi Quadrat Verteilug. 28/28
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
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
Statistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Übug 9 1 Ihalt der heutige Übug Statistik ud Wahrscheilichkeitsrechug Iformatioe zur Testatprüfug Besprechug der der Hausübug
Statistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler Statistik ud Wahrscheilichkeitsrechug Testatprüfug am Doerstag 5.Mai Wa? Doerstag, 5. Mai, 8:00 Uhr Dauer der
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
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.
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
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
Statistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug 9. Vorlesug Joche Köhler 1 Statistik ud Wahrscheilichkeitsrechug Testatprüfug am Doerstag 5.Mai Wa? Doerstag, 5. Mai, 8:00 Uhr
,,, 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
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
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
Einführung in die Stochastik 10. Übungsblatt
Eiführug i die Stochastik. Übugsblatt Fachbereich Mathematik SS M. Kohler.7. A. Fromkorth D. Furer Gruppe ud Hausübug Aufgabe 37 (4 Pukte) Ei Eremit am Südpol hat sich für die eibrechede polare Nacht mit
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
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
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
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
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
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:
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
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
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
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,...,
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
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}.
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
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
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
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
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
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)
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).
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
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
2. Teilprüfung FS 2009
2. Teilprüfung Statistik und Wahrscheinlichkeitsrechnung FS 2009 Prof. Dr. Michael Havbro Faber ETH Zürich Dienstag 19. Mai 2009 08:00 09:30 Vorname:... Name:... Stud. Nr.:... Studienrichtung:... 2. Teilprüfung:
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
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
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
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
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
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
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
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
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
Lösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung
Prof. Dr. V. Schmidt WS 200/20 G. Gaiselma, A. Spettl 7.02.20 Lösugsvorschlag Probeklausur zur Elemetare Wahrscheilichkeitsrechug Hiweis: Der Umfag ud Schwierigkeitsgrad dieser Probeklausur muss icht dem
Übungen zu QM III Mindeststichprobenumfang
Techische Hochschule Köl Fakultät für Wirtschafts- ud Rechtswisseschafte Prof. Dr. Arreberg Raum 221, Tel. 39 14 jutta.arreberg@th-koel.de Übuge zu QM III Mideststichprobeumfag Aufgabe 12.1 Sie arbeite
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
1. Wahrscheinlichkeitsrechnung. 2. Diskrete Zufallsvariable. 3. Stetige Zufallsvariable. 4. Grenzwertsätze. 5. Mehrdimensionale Zufallsvariable
1. Wahrscheilichkeitsrechug. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grezwertsätze 5. Mehrdimesioale Zufallsvariable Stetige Zufallsvariable Eie Zufallsvariable X : Ω R heißt stetig, we
Anwendung für Mittelwerte
Awedug für Mittelwerte Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe... "wahre", ubekate Mittelwert der Grudgesamtheit icht zufällig?... beobachtete Mittelwert zufällig Statistik für SoziologIe 1
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)
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
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
Empirische Ökonomie 1 Sommersemester Formelsammlung. Statistische Grundlagen. Erwartungswert und Varianz einer Zufallsvariable.
Empirische Ökoomie 1 Sommersemester 2013 Formelsammlug Hiweis: Alle Variable, Parameter ud Symbole sid wie i de Vorlesugsuterlage defiiert. Statistische Grudlage Erwartugswert Erwartugswert ud Variaz eier
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
Klausur vom
UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Domiik Faas Stochastik Witersemester 00/0 Klausur vom 7.0.0 Aufgabe 3+.5+.5=6 Pukte Bei eier Umfrage wurde 60 Hotelbesucher ach ihrer Zufriedeheit
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
Maximum Likelihood Version 1.6
Maximum Likelihood Versio 1.6 Uwe Ziegehage 15. November 2005 Logarithmegesetze log a (b) + log a (c) = log a (b c) (1) log a (b) log a (c) = log a (b/c) (2) log a (b c ) = c log a (b) (3) Ableitugsregel
Prof. Dr. Roland Füss Statistik II SS 2008
1. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug ergibt sich aus de Grezwertsätze. Grezwertsätze sid Aussage über eie Zufallsvariable für de Fall, dass die Azahl
6. 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
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
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
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
Der Geschäftsführer hat zwei Handlungsalternativen (Entscheidungsknoten gelbe Kästchen):
MODUL G Lösuge Aufgabe G.1 Lösug a. A Priori Aalyse Der Geschäftsführer hat zwei Hadlugsalterative (Etscheidugskote gelbe Kästche): A 1: Bohre eies Brues vor Ort 10 Mio. A : Bau eier Pipelie zur Wasserversorgug
( ), 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
Aufgabe 1. d) Berechnen Sie die Wahrscheinlichkeit dafür, dass Axel 1,5 Stunden warten muss.
Lehrstuhl für Statistik ud Ökoometrie Otto-Friedrich-Uiversität Bamberg Prof. Dr. Susae Rässler Aufgabe 1 Aufgrud eier Sommergrippe muss Studet Axel seie Hausarzt aufsuche. Um die Wartezeit besser abschätze
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
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
Diskrete Zufallsvariablen
Erste Beispiele diskreter Verteiluge Diskrete Zufallsvariable Beroulli-Verteilug Eie diskrete Zufallsvariable heißt beroulliverteilt mit arameter p, falls sie die Wahrscheilichkeitsfuktio p,, f ( ) ( )
6. Grenzwertsätze. 6.1 Tschebyscheffsche Ungleichung
6. Grezwertsätze 6.1 Tschebyscheffsche Ugleichug Sofer für eie Zufallsvariable X die Verteilug bekat ist, lässt sich die Wahrscheilichkeit dafür bestimme, dass X i eiem bestimmte Itervall liegt. Wie ist
1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6
Ihaltsverzeichis 1 Vorbemerkuge 1 Zufallsexperimete - grudlegede Begriffe ud Eigeschafte 3 Wahrscheilichkeitsaxiome 4 4 Laplace-Experimete 6 5 Hilfsmittel aus der Kombiatorik 7 6 Bedigte Wahrscheilichkeite
Ulrich Stein Fehlerrechnung
Fehlerrechug Verteilug vo Messwerte Mittelwert Stadardabweichug Stadardfehler Rude vo Messwerte Darstellug vo Messwerte (Stellezahl) Fehlerfortpflazug Messergebisse Messug physikalische Realität Messgerät,
Teil II Zählstatistik
Teil II Zählstatistik. Aufgabestellug. Vergleiche Sie experimetelle Zählverteiluge mit statistische Modelle (POISSON-Verteilug ud Normalverteilug) 2. Theoretische Grudlage Stichworte zur Vorbereitug: Impulszahl,
Es 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
Statistik. 2. Semester. Begleitendes Skriptum zur Vorlesung. im FH-Masterstudiengang. Technisches Management. von. Günther Karigl
Statistik. Semester Begleitedes Skriptum zur Vorlesug im FH-Masterstudiegag Techisches Maagemet vo Güther Karigl FH Campus Wie 06/7 Statistische Schätzverfahre Statistische Schätzverfahre Währed die deskriptive
Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG 9 - LÖSUNGEN. Ziehug vo Kugel aus eier Ure a. Die Zahl der Permutatio der Kugel, die aus Klasse utereiader gleicher
Formelsammlung. PD Dr. C. Heumann
Formelsammlug zur Vorlesug Statistik II PD Dr C Heuma Formelsammlug Statistik II Iduktive Statistik Regel der Kombiatorik ohe Wiederholug mit Wiederholug! Permutatioe! 1! s! ( ) ( ) + m 1 ohe Reihefolge
Kapitel 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.
Konfidenzintervalle. Praktische Übung Stochastik SS 2017 Lektion 10 1
Kofidezitervalle Praktische Übug Stochastik SS 017 Lektio 10 1 Kofidezitervalle Geerelle Aahme: Parametrisches Modell (P ϑ ) ϑ Θ Beobachtuge X 1,..., X u.i.v. ach P ϑ mit ubekatem ϑ Θ Grudidee: Schätzer
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
Einführung in die induktive Statistik. Inferenzstatistik. Konfidenzintervalle. Friedrich Leisch
Spiel Körpergröße Zahl: Azahl weiblich Eiführug i die iduktive Statistik Friedrich Leisch Istitut für Statistik Ludwig-Maximilias-Uiversität Müche Tafelgruppe 8.5 8.6 8.7 8.8 8.9 9.0 9.1 4 5 3 2 1 0 1
a) Histogramm der Verteilung: Zunächst werden die gegebenen Messwerte in aufsteigender Reihenfolge sortiert:
D Lösug zu Aufgabe 2: Histogra a) Histogra der Verteilug: Zuächst werde die gegebee Messwerte i aufsteigeder Reihefolge sortiert: i 2 3 4 5 6 7 8 9 2 3 4 5 4,574 4,589 4,593 4,599 4,6 4,67 4,68 4,69 4,6
X in einer Grundgesamtheit vollständig beschreiben.
Prof. Dr. Rolad Füss Statistik II SS 008. Puktschätzug vo Parameter eier Grudgesamtheit Nur durch eie Totalerhebug ka ma die Verteilug eier Zufallsvariable X i eier Grudgesamtheit vollstädig beschreibe.
5. Übungsblatt - Lösungsskizzen
Eiführug i die Wahrscheilichkeitstheorie ud Statistik rof. Dr. Ja Johaes Sadra Schluttehofer Witersemester 8/9 5. Übugsblatt - Lösugsskizze Aufgabe 7 (Neyma-earso-Lemma für stetige Verteiluge, 4 ukte).
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
Punktetabelle (wird von den Korrektoren beschriftet)
Probability ad Statistics FS 208 Prüfug 3.08.208 Dauer: 80 Miute Name: Legi-Nummer: Diese Prüfug ethält 4 Seite (zusamme mit dem Deckblatt) ud 0 Aufgabe. Das Formelblatt wird separat verteilt. Begrüde
Lösung der Nachklausur
H. Schmidli Eiführug i die Stochastik WS 8/9 Lösug der Nachklausur. a) Aus dem Satz der totale Wahrscheilichkeit folgt für de Ateil der Persoe, die der Vorlage zugestimmt habe Also liegt die Zustimmug
Parameterschätzung. Numero, pondere et mensura Deus omnia condidit
Parameterschätzug Numero, podere et mesura Deus omia codidit Populatio, Zufallsvariable, Stichprobe Populatio Zufallsvariable X Stichprobe x eie"realisierug vo X (Beobachtug) alle mäliche Rekrute der US
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
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
Bei 95%iger Konfidenz wäre der Mittelwert der GG zwischen 1421,17DM und 1778,83DM zu erwarten.
Aufgabe 36 (S. 346: Schätzverfahre für Mittelwert ud Stadardabweichug a Puktschätzuge für µ aufgrud der Werte der kleie Stichprobe aus Aufgabe 3 Bei eier Puktschätzug wird für de zu schätzede Parameter
Angewandte Mathematik (BHS) Berufsreifeprüfung Mathematik
Kompesatiosprüfug zur stadardisierte kompetezorietierte schriftliche Reife- ud Diplomprüfug bzw. zur stadardisierte kompetezorietierte schriftliche Berufsreifeprüfug Jui 8 Agewadte Mathematik (BHS) Berufsreifeprüfug
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
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
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
Bayessches Lernen (II)
Uiversität Potsdam Istitut für Iformatik Lehrstuhl Maschielles Lere Bayessches Lere (II) Christoph Sawade/Niels Ladwehr Jules Rasetahariso Tobias Scheffer Überblick Wahrscheilichkeite, Erwartugswerte,
Kapitel 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
Einführung in die Wahrscheinlichkeitstheorie Lösungen zum Wiederholungsblatt
TUM, Zetrum Mathematik Lehrstuhl für Mathematische Physik WS 23/4 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weider Eiführug i die Wahrscheilichkeitstheorie Lösuge zum Wiederholugsblatt Aufgabe
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: