Lösungen zur Biomathe-Klausur Gruppe B Montag, den 16. Juli 2001
|
|
- Lilli Lieselotte Armbruster
- vor 5 Jahren
- Abrufe
Transkript
1 Lösungen zur Biomathe-Klausur Gruppe B Montag, den 16. Juli α-fehler und ß-Fehler Welche Aussage ist richtig? A. Der ß-Fehler ist unabhängig von α-fehler. Falsch. Je größer der α-fehler, umso kleiner der ß-Fehler und umgekehrt. B. Wenn die Prüfgröße in den Annahmebereich fällt, wird die Nullhypothese abgelehnt. Falsch. Dann wird die Nullhypothese beibehalten. C. Ein α-fehler wird gemacht, wenn man fälschlicherweise die Nullhypothese beibehält. Falsch. Das ist die Definition des ß-Fehlers. D. Je höher die Power eines Tests ist, umso größer ist auch der ß-Fehler. Falsch. Je höher 1-ß, desto geringer ist natürlich ß. E. Wenn beim Vergleich 2er unverbundener Stichproben die Voraussetzungen des entsprechenden t-tests erfüllt sind, sollte dieser dem U-Test von Mann, Whitney und Wilcoxon vorgezogen werden, da in diesem Fall der ß-Fehler beim t-test kleiner ist. Richtig. Der t-test hat dann eine größere Power und demnach einen kleineren ß-Fehler. 2. Korrelation und Regression Der Zusammenhang zwischen der Sekundenkapazität FEV 1 (in Liter) und dem Alter wird anhand einer großen Stichprobe aus einer bestimmten Population geschätzt. Diese Stichprobe umfasst Männer aller Altersgruppen (vom Neugeborenen bis zum Greis). Die Regressionsgerade lautet y = 5,0 0, 02x (wobei y das FEV 1 in Liter und x das Alter in Jahren bezeichnen). Der Korrelationskoeffizient hat den Betrag 0,6. Was folgt daraus nicht? A. Bei der Geburt beträgt die Lungenfunktion durchschnittlich 5 Liter. Das folgt. Man muss nur in die Regressionsgeraden-Gleichung x = 0 einsetzen. B. Der Zusammenhang ist wegen des geringen Regressionskoeffizienten schwach. Das folgt nicht. Der Regressionskoeffizient besagt nichts über die Stärke eines Zusammenhangs. Aufgrund r = 0, 6 kann man sagen, dass der Zusammenhang mittelmäßig ist. C. Wenn ein Mann A 10 Jahre älter ist als ein anderer Mann B, wird der FEV 1 -Wert von A um 0,2 Liter niedriger geschätzt werden als der von B. Das folgt auch. Das ergibt sich auch aus der Regressionsgeraden-Gleichung. D. Der Korrelationskoeffizient ist negativ. Das folgt natürlich auch. Wenn die Regressionsgearde sinkt (negative Steigung), ist auch der Korrelationskoeffizient negativ. Im Aufgabentest steht nur: Der Betrag ist 0,6 nicht der Korrelationskoeffizeint ist 0,6 (es ist r = 0, 6 ). E. Die Lungenfunktion nimmt mit fortschreitendem Alter kontinuierlich ab. Das folgt auch direkt aus der Regressionsgeraden-Gleichung (wegen des negativen Vorzeichens). Klausur 1 B - 1
2 3. Maßzahlen Die mittlere Aufenthaltsdauer für Patienten mit einem Oberschenkelhalsbruch beträgt in einer bestimmten Klinik durchschnittlich 22 Tage. Der Median liegt bei 14 Tagen, ebenso die Standardabweichung. Welche Aussage ist falsch? A. Die Verteilung ist schief. Richtig weil Mittelwert und Median stark voneinander abweichen. B. Zur Berechnung des Mittelwerts und der Standardabweichung sind die Werte von allen Patienten erforderlich. Richtig. In diese beiden Maßzahlen fließen alle Daten ein. C. Wenn man die Aufenthaltsdauern der Patienten, die länger als 30 Tage in der Klinik bleiben, nicht berücksichtigt, verringern sich der Mittelwert und die Standardabweichung. Richtig. Wenn die größten Werte eliminiert werden, verringert sich natürlich der Mittelwert. Weil dann die Werte weniger streuen, verringert sich auch die Standardabweichung. D. Der Median wird wesentlich von den Patienten beeinflusst, die sehr lange in der Klinik bleiben. Falsch. Der Mittelwert wird stark von Ausreißern beeinflusst, nicht aber der Median. E. Die Hälfte der Patienten verbleibt maximal 14 Tage in der Klinik. Richtig. So ist der Median definiert. 4. Normalverteilung Der diastolische Blutdruck bei einer Gruppe von jungen Männern ist normalverteilt mit einem Erwartungswert von 75 mmhg und einer Standardabweichung von 10 mmhg. Welche Aussage folgt daraus? A. Der Median dieser Verteilung kann mit den vorliegenden Informationen nicht bestimmt werden. Folgt nicht. Der Median entspricht bei symmetrischen Verteilungen dem Erwartungswert und der ist ja angegeben. B. Etwa 95 % der jungen Männer haben einen Blutdruck zwischen 55 und 95 mmhg. Das folgt. Zwischen µ ± 2 σ liegen etwa 95 % der Werte. C. Etwa die Hälfte der Männer hat einen Blutdruck zwischen 65 und 85 mmhg. Folgt nicht. Zwischen µ ± σ liegen 68 % der Werte. D. Es ist ausgeschlossen, dass ein Mann aus dieser Population einen Blutdruck von mehr als 105 mmhg hat. Folgt nicht. Es ist zwar unwahrscheinlich, dass ein Wert > µ + 3 σ, aber nicht ausgeschlossen. E. Wenn man eine Standardabweichung von 8 mmhg zugrunde legt, wird die Glockenkurve breiter und flacher. Folgt nicht. Wenn die Standardabweichung kleiner wird, wird die Glockenkurve schmaler und höher. Klausur 2 B - 2
3 5. Binomialverteilung Bei einer schwierigen Operation beträgt die Chance, danach noch ein Jahr (oder länger) zu leben, 0,9. Es werden 10 Patienten operiert. X sei die Anzahl der Patienten, die nach einem Jahr noch leben. Welche der folgenden Aussagen ist falsch? A. Die Wahrscheinlichkeit, dass nach einem Jahr noch mindestens 8 Patienten leben, beträgt: ,9 01, = 45 0,9 0,1 0,194 8 Falsch. Das ist die Wahrscheinlichkeit, dass nach einem Jahr noch genau 8 Patienten leben. Die Wahrscheinlichkeit, dass mindestens 8 Patienten leben, beträgt: k 10 k ,9 01, = 45 0,9 0, ,9 0,1 + 0,9 0,9298 k= 8 k B. Wenn 10 Patienten operiert werden, erwartet man, dass nach einem Jahr durchschnittlich einer verstorben ist. Richtig. Der Erwartungswert von X ist µ = np = 10 0,9 = 9. Man erwartet also, dass nach einem Jahr noch genau 9 Patienten leben ergo muss einer verstorben sein. C. Der Binomialkoeffizient in Antwort A quantifiziert die Anzahl der Möglichkeiten, von 10 Patienten 9 auszuwählen. Richtig. So ist der Binomialkoeffizient definiert. D. Die Wahrscheinlichkeit, dass nach einem Jahr noch alle 10 Patienten leben, ist P( X = 10) = 0,9 = 0,349 Richtig. Einfache Formel E. Die Standardabweichung von X beträgt 10 0,9 0,1 0, 949. Richtig. So ist nun mal die Standardabweichung bei der Binomialverteilung. 6. Skalenniveau Welche der folgenden Aussagen ist falsch? A. Bei allen quantitativen Merkmalen kann der Variationskoeffizient berechnet werden. Falsch. Nur bei verhältnisskalierten Merkmalen (aber nicht bei intervall-skalierten) kann der Variationskoeffizient berechnet werden. B. Das Merkmal Erythrozytenanzahl pro µl Blut kann auch als nominalskaliert aufgefasst werden. Richtig. Dieses Merkmal ist zwar verhältnisskaliert aber man kann das Niveau reduzieren. C. Der Modus kann bei jedem Skalenniveau angegeben werden. Richtig. Man kann den Modus bei einer Nominalskala angeben und demzufolge auch bei Skalen mit höherem Niveau. D. Eine Skala kann nur von einem hohen Niveau auf ein niedrigeres transformiert werden, aber nicht umgekehrt. Richtig. Jedes Merkmal mit den Eigenschaften einer Verhältnisskala hat auch alle Eigenschaften der niedrigeren Niveaus. E. Die Maßzahlen, die zur Beschreibung der Eigenschaften eines Merkmals verwendet werden dürfen, sind u. a. abhängig vom Skalenniveau dieses Merkmals. Klausur 3 B - 3
4 Richtig. Den Mittelwert z. B. kann man nur bei quantitativen Merkmalen (Intervalloder Verhältnisskala) ausrechnen. 7. Sensitivität und Spezifität In einer medizinischen Ambulanz haben 20 % der Patienten eine akute Appendizitis. 70 % dieser Patienten haben eine Temperatur von mehr als 38 C. Von den Patienten ohne Appendizitis haben 40 % ebenfalls eine Temperatur von mehr als 38 C. Das Messen der Körpertemperatur soll als diagnostischer Test für die Krankheit Appendizitis aufgefasst werden (mit dem Schwellenwert 38 C). Was gilt dann? Lösung: Wir gehen von 100 Patienten aus. Dann ergibt sich folgende 4-Felder-Tafel: Testergebnis Appendizitis keine Appendizitis Temperatur > 38 C positiv Temperatur 38 C negativ A. Die Sensitivität dieses Tests beträgt 60 %. Falsch. Sie beträgt 70 % (steht im Text). B. Der Anteil der falsch negativen Ergebnisse beträgt 40 %. Falsch. Der Anteil der falsch positiven ist 40 %. Wegen der Sensitivität von 70 % ist der Anteil falsch negativer Ergebnisse 30 %. C. Wenn der Schwellenwert gesenkt wird, sinkt auch die Sensitivität. Falsch. Wenn der Schwellenwert gesenkt wird, erhalten mehr Patienten ein positives Ergebnis. Dadurch steigt die Sensitivität (richtig positiv). Der Anteil falsch positiver Ergebnisse steigt auch dadurch sinkt die Spezifität. D. Die Spezifität ist abhängig von der Prävalenz. Falsch. Die Spefizität beträgt immer 60 %. Dieser Wert beschreibt die Güte eines Testverfahrens und ist in jeder Population gleich. Nur die Vorhersagewerte sind abhängig von der Prävalenz. E. Der positive Vorhersagewert in dieser Population ist 7 / 23 0, 304. Richtig. Der positive Vorhersagewert ergibt sich aus der 4-Felder-Tafel: 14 / 46 = 7 / Klinische Studie Die Hyperhidrose, d. h. das verstärkte Schwitzen, ist eine Erkrankung, die durch Stress verschlimmert werden soll. Sie möchten herausfinden, ob autogenes Training Patienten mit Hyperhidrose hilft, das Stresspotential und damit das Schwitzen zu vermindern und planen die folgende Studie: Alle Patienten in ihrer Sprechstunde, bei denen die letzte Zahl der Patientenidentifikationsnummer gerade ist, erhalten eine Einführung in das autogene Training, alle Patienten, bei denen die letzte Zahl der Patientenidentifikationsnummer ungerade ist, erhalten kein autogenes Training. Sie entscheiden sich für dieses Vorgehen, Klausur 4 B - 4
5 A. um Beobachtungsgleichheit zwischen den beiden Gruppen herzustellen. Falsch. Dazu dient die Doppelblindheit. B. um die Patienten beider Gruppen über einen vergleichbaren Zeitraum beobachten zu können. Falsch. Dazu bräuchte man nicht zu randomisieren. C. um möglichst strukturgleiche Gruppen zu erhalten. Richtig. Deshalb wird normalerweise randomisiert. Das oben angegebene Verfahren ist quasi-randomisation. D. um eine genügend große Anzahl von Patienten in beiden Gruppen zu erhalten. Falsch. Auch dazu wäre eine Randomisation nicht nötig. E. um zu verhindern, dass zu viele Patienten die Studie abbrechen. Falsch. Das kann man nicht mit Randomisation verhindern. 9. Berechnen einer Wahrscheinlichkeit Ein Bronchialkarzinom wird bei einer histologischen Untersuchung von Material einer Probeexcision mit einer Wahrscheinlichkeit von 0,8 entdeckt; bei der röntgenologischen Untersuchung beträgt diese Wahrscheinlichkeit 0,7. Wir nehmen an, dass bei einem Patienten mit einem Bronchialkarzinom beide Untersuchungen durchgeführt werden, und dass die Ergebnisse unabhängig voneinander sind. Wie groß ist dann die Wahrscheinlichkeit, das Karzinom nicht zu entdecken? A. 0,56 B. 0,44 C. 0,06 D. 0,3 E. 0,2 Man rechnet entweder nach dem Additionssatz die Wahrscheinlich, dass das Karzinom entdeckt wird (von einer oder beiden Methoden): P( H R) = P( H ) + P( R) P( H R). Weil die Ereignisse unabhängig sind, gilt P( H R) = P( H ) P( R) und damit: P( H R) = = 0,8 + 0,7 0,8 0,7 = 0,94. Daraus folgt, dass die Wahrscheinlichkeit, das Karzinom nicht zu entdecken, gleich 0,06 ist. Man kann auch überlegen: Die Wahrscheinlichkeit, dass das Karzinom nicht entdeckt wird, ist P ( H R) = P( H ) P( R) = 0,2 0,3 = 0, 06. Also Antwort C. 10. Konfidenzintervall Gegeben sei ein zweiseitiges 95%-Konfidenzintervall für den Erwartungswert, das basierend auf der t-verteilung konstruiert wird. Welche Aussage gilt nicht? A. Die Kenntnis der Standardabweichung σ der Grundgesamtheit ist nicht erforderlich. s Gilt. Die Formel ist: x ± tn 1;1 α / 2. Man benötigt nur s, nicht σ. Das ist ja der n Vorteil der t-verteilung. B. Je geringer der Stichprobenumfang, desto breiter ist dieses Intervall. Gilt. Ein kleiner Stichprobenumfang wirkt sich ungünstig auf die Breite des Intervalls (wird auch aus der Formel ersichtlich) Klausur 5 B - 5
6 C. Die Breite ist unabhängig vom Stichprobenmittelwert x. 2s Gilt. Nach obiger Formel ist die Breite: t n 1;1 α / 2 n D. Dieses Intervall ist schmaler als das entsprechende 90%-Konfidenzintervall. Gilt nicht. Man hat beim 90%-Konfidenzintervall eine geringere Sicherheit also muss das 95%-Intervall breiter sein. E. Je weniger die Werte um den Mittelwert streuen, desto schmaler wird das Intervall. Gilt. Je kleiner s, desto kleiner wird die Breite (siehe Formel in Antwort C). Klausur 6 B - 6
Lösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001
Lösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001 1. Sensitivität und Spezifität In einer medizinischen Ambulanz haben 30 % der Patienten eine akute Appendizitis. 80 % dieser Patienten haben
MehrKlausur in Biomathematik WS 2005 / 2006 Montag, den 6. Februar 2006
Name: Klausur in Biomathematik WS 2005 / 2006 Montag, den 6. Februar 2006 Matrikelnummer: Unterschrift: Aufgabe 1: Deskriptive Statistik Im Rahmen einer klinischen Studie werden 28 Patienten entsprechend
MehrKlausur in Biomathematik WS 2005 / 2006 Montag, den 6. Februar 2006
Name: Klausur in Biomathematik WS 2005 / 2006 Montag, den 6. Februar 2006 Matrikelnummer: Unterschrift: Aufgabe 1: Deskriptive Statistik Wir betrachten ein Merkmal, das intervall-, aber nicht verhältnisskaliert
MehrKlausur in "Biomathematik" WS 2007 / 2008 Montag, den 28. Januar 2008
Klausur in "Biomathematik" WS 2007 / 2008 Montag, den 28. Januar 2008 Name: Matrikelnummer: Unterschrift: Aufgabe 1: Bei einer klinischen Therapiestudie wird bei allen Patienten der Wert eines quantitativen
MehrKLAUSUR IN BIOMATHEMATIK WS 2007/08 MONTAG, DEN 28. JANUAR 2008
KLAUSUR IN BIOMATHEMATIK WS 2007/08 MONTAG, DEN 28. JANUAR 2008 Name: Matrikelnummer: Unterschrift: Aufgabe 1: Welche der folgenden Aussagen ist falsch? A. Der Median ist weniger stark von Ausreißern beeinflusst
MehrKlausur zur Vorlesung Biomathematik WS 2003/04. Mittwoch, den 11. Februar 2004
Klausur zur Vorlesung Biomathematik WS 2003/04 Mittwoch, den 11. Februar 2004 1: Induktive Statistik (1) Welche Aussage ist richtig? A. Je kleiner der ß-Fehler, desto geringer ist die Power eines Tests.
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 zur Biomathematik / Epidemiologie WS 2008/09. Montag, den 1. Dezember 2008
Klausur zur Biomathematik / Epidemiologie WS 2008/09 Montag, den 1. Dezember 2008 Name: Matrikelnummer: Unterschrift: Aufgabe 1: In einer dermatologischen Klinik werden 30 Patienten mit Botulinumtoxin
MehrBiomathematik für Mediziner
Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur SS 2002 Aufgabe 1: Franz Beckenbauer will, dass
MehrBiomathematik für Mediziner
Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur SS 2003 Aufgabe 1: Welche der unten angegebenen
MehrBiomathematik für Mediziner
Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur WS 2002/2003 Aufgabe 1: Man gehe davon aus,
MehrBiomathematik für Mediziner, Klausur SS 2000 Seite 1
Biomathematik für Mediziner, Klausur SS 2000 Seite 1 Aufgabe 1: Bei der Diagnose einer bestimmten Krankheit mit einem speziellen Diagnoseverfahren werden Patienten, die tatsächlich an der Krankheit leiden,
MehrBiomathematik für Mediziner, Klausur WS 2000/2001 Seite 1
Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1 Aufgabe 1: Von 2 gleichartigen Maschinen eines pharmazeutischen Betriebes stellt die erste 40% und die zweite 60% der Produkte her. Dabei verursacht
MehrBiomathematik für Mediziner, Klausur SS 2001 Seite 1
Biomathematik für Mediziner, Klausur SS 2001 Seite 1 Aufgabe 1: Von den Patienten einer Klinik geben 70% an, Masern gehabt zu haben, und 60% erinnerten sich an eine Windpockeninfektion. An mindestens einer
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie (3) Überblick. Deskriptive Statistik I 2. Deskriptive
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
MehrJost Reinecke. 7. Juni 2005
Universität Bielefeld 7. Juni 2005 Testtheorie Test für unabhängige Stichproben Test für abhängige Stichproben Testtheorie Die Testtheorie beinhaltet eine Reihe von Testverfahren, die sich mit der Überprüfung
MehrWahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
MehrEpidemiologie / Biometrie
Wintersemester 2004 / 2005 Epidemiologie / Biometrie Robert Hochstrat 14. März 2005 Zusammenschrift der Übung zur Vorlesung aus dem WS 04/05 Rückfragen, Ergänzungen und Korrekturen an robert hochstrat@web.de
Mehr7.2 Mittelwert einer Stichprobe
66 7.2 Mittelwert einer Stichprobe Gegeben ist eine normalverteilte Grundgesamtheit. Mit Hilfe einer Stichprobe möchten wir Aussagen über den unbekannten Mittelwert µ dieser Grundgesamtheit machen. Wenn
MehrStatistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
MehrFallzahlplanung bei unabhängigen Stichproben
Fallzahlplanung bei unabhängigen Stichproben Seminar Aktuelle biometrische Probleme Benjamin Hofner benjamin.hofner@stat.uni-muenchen.de 12. Januar 2005 Übersicht 1. Einführung und Grundlagen der Fallzahlplanung
Mehr4.1. Nullhypothese, Gegenhypothese und Entscheidung
rof. Dr. Roland Füss Statistik II SS 8 4. Testtheorie 4.. Nullhypothese, Gegenhypothese und Entscheidung ypothesen Annahmen über die Verteilung oder über einzelne arameter der Verteilung eines Merkmals
MehrTrim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist
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
MehrKlausur zur Vorlesung
Institut für Mathematische Stochastik WS 2004/2005 Universität Karlsruhe 14. Februar 2005 Dr. Bernhard Klar Sebastian Müller Aufgabe 1: (15 Punkte) Klausur zur Vorlesung Statistik für Biologen Musterlösungen
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
MehrAufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97.
Aufgabenblock 4 Aufgabe ) Da s = 8. cm nur eine Schätzung für die Streuung der Population ist, müssen wir den geschätzten Standardfehler verwenden. Dieser berechnet sich als n s s 8. ˆ = = =.88. ( n )
MehrAbitur 2015 Mathematik NT Stochastik S I
Seite 1 http://www.abiturloesung.de/ Seite 2 Abitur 2015 Mathematik NT Stochastik S I Ein neues Medikament wird vor der Markteinführung einem klinischen Test unterzogen. Dabei erhält die Hälfte der am
MehrEinführung in die Statistik
Elmar Klemm Einführung in die Statistik Für die Sozialwissenschaften Westdeutscher Verlag INHALTSVERZEICHNIS 1. Einleitung und Begrifflichkeiten 11 1.1 Grundgesamtheit, Stichprobe 12 1.2 Untersuchungseinheit,
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
MehrKonkretes Durchführen einer Inferenzstatistik
Konkretes Durchführen einer Inferenzstatistik Die Frage ist, welche inferenzstatistischen Schlüsse bei einer kontinuierlichen Variablen - Beispiel: Reaktionszeit gemessen in ms - von der Stichprobe auf
MehrS1. a. Drücken Sie allgemein p durch die anderen in der Formel verwendeten Größen aus! Wie groß ist p, wenn a = 0.08, u = 1.96 und n = 120?
S1. a. Drücken Sie allgemein p durch die anderen in der Formel verwendeten Größen aus! Wie groß ist p, wenn a = 0.08, u = 1.96 und n = 120? a = u p ( 1 p) n b. Wenn am 28. Oktober (Nach Auszählen der Briefwähler)
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,
MehrBiomathematik für Mediziner
Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur WS 001/00 Aufgabe 1: Die empirische Varianz
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,
MehrSchätzen und Testen von Populationsparametern im linearen Regressionsmodell PE ΣO
Schätzen und Testen von Populationsparametern im linearen Regressionsmodell PE ΣO 4. Dezember 2001 Generalisierung der aus Stichprobendaten berechneten Regressionsgeraden Voraussetzungen für die Generalisierung
Mehr"Korrelation" bei Nominaldaten: Kontingenz
"Korrelation" bei Nominaldaten: Kontingenz j 1 2 3 beobachtete Häufigkeiten (KSV Tabelle 6.3): i Augenfar be Haarfarb e blau braun grün 1 blond 42 1 6 2 braun 12 5 22 3 schwarz 0 26 2 4 rot 8 4 0 175 i
MehrStatistik. Jan Müller
Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrDie Normalverteilung. Mathematik W30. Mag. Rainer Sickinger LMM, BR. v 0 Mag. Rainer Sickinger Mathematik W30 1 / 51
Mathematik W30 Mag. Rainer Sickinger LMM, BR v 0 Mag. Rainer Sickinger Mathematik W30 1 / 51 Einführung Heute nehmen wir uns die Normalverteilung vor. Bis jetzt konnte unsere Zufallsvariable (das X in
MehrWelche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret.
Grundlagen der Statistik 25.9.2014 7 Aufgabe 7 Welche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret. B Ein Merkmal
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
MehrStatistik Prüfung 24. Jänner 2008
Statistik Prüfung 24. Jänner 2008 February 10, 2008 Es ist immer nur EINE Antwort richtig, bei falsch beantworteten Fragen gibt es KEINEN Punktabzug. Werden mehrere Antworten bei einer Frage angekreuzt,
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
MehrAllgemeines zu Tests. Statistische Hypothesentests
Statistische Hypothesentests Allgemeines zu Tests Allgemeines Tests in normalverteilten Grundgesamtheiten Asymptotische Tests Statistischer Test: Verfahren Entscheidungsregel), mit dem auf Basis einer
MehrPrüfung aus Statistik 2 für SoziologInnen
Prüfung aus Statistik 2 für SoziologInnen 11. Oktober 2013 Gesamtpunktezahl =80 Name in Blockbuchstaben: Matrikelnummer: Wissenstest (maximal 16 Punkte) Kreuzen ( ) Sie die jeweils richtige Antwort an.
MehrStatistik 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
MehrBSc Bioinformatik Wintersemester 2013/2014 Nachklausur zur Statistik I Freie Universität Berlin
Sc ioinformatik Wintersemester 013/014 Nachklausur zur Statistik I Freie Universität erlin 4. pril 014 Matrikelnummer Nachname Vorname Unterschrift ufgabe 1 (4 Punkte): Zu einem Wahrscheinlichkeitsraum
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
MehrKapitel VII. Einige spezielle stetige Verteilungen
Kapitel VII Einige spezielle stetige Verteilungen D. 7.. (Normalverteilung) Eine stetige Zufallsgröße X sei als normalverteilt bezeichnet, wenn sie folgende Wahrscheinlichkeitsdichte besitzt: µ f ( ; µ,
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
MehrHandelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen?
1. Handelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen? a.) Anzahl der Kunden, die an der Kasse in der Schlange stehen. b.) Die Menge an Energie, die pro Tag von einem Energieversorgungsunternehmen
MehrVOLKSWIRTSCHAFTLICHE VORDIPLOMPRÜFUNG
VOLKSWIRTSCHAFTLICHE VORDIPLOMPRÜFUNG 17.07.2007 Übungsklausur auf dem Gebiet: STATISTIK II Prüfer: Dr. Roland Füss Name, Vorname: Matrikel-Nr.: Die Klausur enthält drei Typen von Aufgaben: D e r T e i
Mehr5. Seminar Statistik
Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation
MehrStatistik für Naturwissenschaftler
Hans Walser Statistik für Naturwissenschaftler Haupt Verlag Bern Stuttgart Wien Inhaltsverzeichnis Vorwort 13 1 Beschreibende Statistik 15 1.1 Mittelwerte 15 1.1.1 Minimum der Abstände 15 1.1.2 Der Mediän
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 Testen von Hypothesen
MehrPROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale)
PROC MEAS zum Berechnen statistischer Maßzahlen (für quantitative Merkmale) Allgemeine Form: PROC MEAS DATA=name Optionen ; VAR variablenliste ; CLASS vergleichsvariable ; Beispiel und Beschreibung der
MehrTesten von Hypothesen:
Testen von Hypothesen: Ein Beispiel: Eine Firma produziert Reifen. In der Entwicklungsabteilung wurde ein neues Modell entwickelt, das wesentlich ruhiger läuft. Vor der Markteinführung muss aber auch noch
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,
MehrBrückenkurs Statistik für Wirtschaftswissenschaften
Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München
MehrHypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests
ue biostatistik: hypothesen, fehler 1. und. art, power 1/8 h. lettner / physik Hypothesen: Fehler 1. und. Art, Power eines statistischen Tests Die äußerst wichtige Tabelle über die Zusammenhänge zwischen
MehrKapitel III: Einführung in die schließende Statistik
Kapitel III: Einführung in die schließende Statistik Das zweite Kapitel beschäftigte sich mit den Methoden der beschreibenden Statistik. Im Mittelpunkt der kommenden Kapitel stehen Verfahren der schließenden
MehrT-Test für unabhängige Stichproben
T-Test für unabhängige Stichproben Wir gehen von folgendem Beispiel aus: Wir erheben zwei Zufallstichproben, wobei nur die Probanden der einen Stichprobe einer speziellen experimentellen Behandlung (etwa
MehrR. Brinkmann Seite
R. Brinkmann http://brinkmann-du.de Seite 7.9. Lösungen zum Hypothesentest II Ausführliche Lösungen: A A Aufgabe Die Firma Schlemmerland behauptet, dass ihre Konkurrenzfirma Billigfood die Gewichtsangabe,
MehrMethodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft
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
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
MehrChi-Quadrat Verfahren
Chi-Quadrat Verfahren Chi-Quadrat Verfahren werden bei nominalskalierten Daten verwendet. Die einzige Information, die wir bei Nominalskalenniveau zur Verfügung haben, sind Häufigkeiten. Die Quintessenz
MehrStatistische Überlegungen: Eine kleine Einführung in das 1 x 1
Statistische Überlegungen: Eine kleine Einführung in das 1 x 1 PD Dr. Thomas Friedl Klinik für Frauenheilkunde und Geburtshilfe, Universitätsklinikum Ulm München, 23.11.2012 Inhaltsübersicht Allgemeine
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
MehrLösungen Klausur Statistik 2/re/soz
Lösungen Klausur Statistik /re/soz. Juli 009 1. Hier sind drei Datenreihen spaltenweise angegeben. Bei der Durchführung von verschiedenen Berechnungen ist leider einiges durcheinandergekommen. Zehn Zahlen
MehrKlausur vom
UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Dominik Faas Stochastik Wintersemester 00/0 Klausur vom 09.06.0 Aufgabe (++4=9 Punkte) Bei einer Umfrage wurden n Personen befragt, an wievielen Tagen
MehrWirtschaftsstatistik-Klausur am
Wirtschaftsstatistik-Klausur am 0.07.017 Aufgabe 1 Ein Handy- und PC-Hersteller verfügt über ein exklusives Filialnetz von 900 Filialen. Der Gewinn (in GE) der Filialen ist in der folgenden Tabelle nach
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
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
Mehr2 Wiederholung statistischer Grundlagen Schließende Statistik empirischen Information aus Stichprobenrealisation x von X
Hypothesentests Bisher betrachtet: Punkt- bzw. Intervallschätzung des unbekannten Mittelwerts Hierzu: Verwendung der 1 theoretischen Information über Verteilung von X empirischen Information aus Stichprobenrealisation
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests Nach Verteilungsannahmen: verteilungsabhängig: parametrischer [parametric] Test verteilungsunabhängig: nichtparametrischer [non-parametric] Test Bei parametrischen Tests
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 XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen Induktive Statistik Prof. Dr. W.-D. Heller
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
MehrLösungen zum Aufgabenblatt 14
Lösungen zum Aufgabenblatt 14 61. Das Gewicht von Brötchen (gemessen in g) sei zufallsabhängig und werde durch eine normalverteilte Zufallsgröße X N(µ, 2 ) beschrieben, deren Varianz 2 = 49 g 2 bekannt
MehrSchließende Statistik
Schließende Statistik Die schließende Statistik befasst sich mit dem Rückschluss von einer Stichprobe auf die Grundgesamtheit (Population). Die Stichprobe muss repräsentativ für die Grundgesamtheit sein.
MehrPkt. Aufg.1: Aufg.2: Aufg.3: Aufg.4: Aufg.5:
Klausurbeispiel zu den Vorlesungen Statistik für Ingenieure/Stochastik sowie Datenanalyse und Statistik (Herbstsemester 00/003) Die Lösungen der Aufgaben sind jeweils in dieser grünen Farbe dargestellt!
MehrEinführung in die Statistik
Einführung in die Statistik 1. Deskriptive Statistik 2. Induktive Statistik 1. Deskriptive Statistik 1.0 Grundbegriffe 1.1 Skalenniveaus 1.2 Empirische Verteilungen 1.3 Mittelwerte 1.4 Streuungsmaße 1.0
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
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
MehrDie mit * gekennzeichneten Abschnitte beinhalten Themen, die über die Anforderungen des Gegenstandskatalogs hinausgehen.
Die mit * gekennzeichneten Abschnitte beinhalten Themen, die über die Anforderungen des Gegenstandskatalogs hinausgehen. 1 Einleitung...1 1.1 Die Bedeutung der Statistik für die Medizin...1 1.2 Die medizinische
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 16. Januar 2013 1 Allgemeine Hypothesentests Nullhypothese und Alternative Beispiel: Blutdrucksenker Testverfahren
MehrFF Düsseldorf WS 2007/08 Prof. Dr. Horst Peters. Vorlesung Quantitative Methoden 1B im Studiengang Business Administration (Bachelor) Seite 1 von 6
Vorlesung Quantitative Methoden 1B im Studiengang Business Administration (Bachelor) Seite 1 von 6 (Konfidenzintervalle, Gauß scher Mittelwerttest) 1. Bei einem bestimmten Großraumflugzeug sei die Auslastung
Mehr1 EINLEITUNG Allgemeines Kapitelübersicht Gebrauch dieses Buches Verwenden zusätzlicher Literatur...
Inhaltsverzeichnis 1 EINLEITUNG... 1 1.1 Allgemeines... 1 1.2 Kapitelübersicht... 2 1.3 Gebrauch dieses Buches... 3 1.4 Verwenden zusätzlicher Literatur... 4 DESKRIPTIVE STATISTIK 2 GRUNDLAGEN... 5 2.1
MehrStatistik für Psychologen, Pädagogen und Mediziner
Thomas Köhler Statistik für Psychologen, Pädagogen und Mediziner Ein Lehrbuch ^~i: Verlag W. Kohlhammer 1 Einführung: Begriffsklärungen und Überblick 11 1.1 Aufgaben und Subdisziplinen der Statistik 11
MehrFERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT
FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte
MehrZusammenfassung PVK Statistik
Zusammenfassung PVK Statistik (Diese Zusammenfassung wurde von Carlos Mora erstellt. Die Richtigkeit der Formeln ist ohne Gewähr.) Verteilungen von diskreten Zufallsvariablen Beschreibung Binomialverteilung
MehrUnter der Voraussetzung, dass die Wahrscheinlichkeit eines Ereignisses für jeden Versuch konstant bleibt, gilt die Binominalverteilung.
2.4.1.2 Binomialverteilung Unter der Voraussetzung, dass die Wahrscheinlichkeit eines Ereignisses für jeden Versuch konstant bleibt, gilt die Binominalverteilung. Diese Voraussetzung ist exakt erfüllt,
Mehr1 Dichte- und Verteilungsfunktion
Tutorium Yannick Schrör Klausurvorbereitungsaufgaben Statistik Lösungen Yannick.Schroer@rub.de 9.2.26 ID /455 Dichte- und Verteilungsfunktion Ein tüchtiger Professor lässt jährlich 2 Bücher drucken. Die
MehrÜberblick Hypothesentests bei Binomialverteilungen (Ac)
Überblick Hypothesentests bei Binomialverteilungen (Ac) Beim Testen will man mit einer Stichprobe vom Umfang n eine Hypothese H o (z.b.p o =70%) widerlegen! Man geht dabei aus von einer Binomialverteilung
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
MehrProf. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006 1 Experiment zur Vererbungstiefe Softwaretechnik: die Vererbungstiefe ist kein guter Schätzer für den Wartungsaufwand
MehrJosefPuhani. Kleine Formelsammlung zur Statistik. 10. Auflage. averiag i
JosefPuhani Kleine Formelsammlung zur Statistik 10. Auflage averiag i Inhalt- Vorwort 7 Beschreibende Statistik 1. Grundlagen 9 2. Mittelwerte 10 Arithmetisches Mittel 10 Zentral wert (Mediän) 10 Häufigster
Mehr