Lösungen zur Biomathe-Klausur Gruppe B Montag, den 16. Juli 2001

Größe: px
Ab Seite anzeigen:

Download "Lösungen zur Biomathe-Klausur Gruppe B Montag, den 16. Juli 2001"

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 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

Mehr

Klausur in Biomathematik WS 2005 / 2006 Montag, den 6. Februar 2006

Klausur 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

Mehr

Klausur in Biomathematik WS 2005 / 2006 Montag, den 6. Februar 2006

Klausur 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

Mehr

Klausur in "Biomathematik" WS 2007 / 2008 Montag, den 28. Januar 2008

Klausur 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

Mehr

KLAUSUR IN BIOMATHEMATIK WS 2007/08 MONTAG, DEN 28. JANUAR 2008

KLAUSUR 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

Mehr

Klausur zur Vorlesung Biomathematik WS 2003/04. Mittwoch, den 11. Februar 2004

Klausur 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.

Mehr

Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1

Biomathematik 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,

Mehr

Klausur zur Biomathematik / Epidemiologie WS 2008/09. Montag, den 1. Dezember 2008

Klausur 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

Mehr

Biomathematik für Mediziner

Biomathematik 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

Mehr

Biomathematik für Mediziner

Biomathematik 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

Mehr

Biomathematik für Mediziner

Biomathematik 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,

Mehr

Biomathematik für Mediziner, Klausur SS 2000 Seite 1

Biomathematik 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,

Mehr

Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1

Biomathematik 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

Mehr

Biomathematik für Mediziner, Klausur SS 2001 Seite 1

Biomathematik 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

Mehr

Institut für Biometrie und klinische Forschung. WiSe 2012/2013

Institut 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

Mehr

Bereiche der Statistik

Bereiche der Statistik Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden

Mehr

Jost Reinecke. 7. Juni 2005

Jost 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

Mehr

Wahrscheinlichkeitsverteilungen

Wahrscheinlichkeitsverteilungen Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet

Mehr

Epidemiologie / Biometrie

Epidemiologie / 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

Mehr

7.2 Mittelwert einer Stichprobe

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

Mehr

Statistik K urs SS 2004

Statistik 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

Mehr

Fallzahlplanung bei unabhängigen Stichproben

Fallzahlplanung 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

Mehr

4.1. Nullhypothese, Gegenhypothese und Entscheidung

4.1. 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

Mehr

Trim 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, :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

Mehr

Mathematische und statistische Methoden II

Mathematische 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

Mehr

Klausur zur Vorlesung

Klausur 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

Mehr

Wirtschaftsstatistik-Klausur am

Wirtschaftsstatistik-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

Aufgabenblock 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. 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 )

Mehr

Abitur 2015 Mathematik NT Stochastik S I

Abitur 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

Mehr

Einführung in die Statistik

Einführung 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,

Mehr

2.3 Intervallschätzung

2.3 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

Mehr

Konkretes Durchführen einer Inferenzstatistik

Konkretes 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

Mehr

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?

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? 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)

Mehr

2.3 Intervallschätzung

2.3 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,

Mehr

Biomathematik für Mediziner

Biomathematik 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

Mehr

1 Grundlagen der Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsräume. Ein erster mathematischer Blick auf Zufallsexperimente...

1 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,

Mehr

Schätzen und Testen von Populationsparametern im linearen Regressionsmodell PE ΣO

Schätzen 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 "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

Mehr

Statistik. Jan Müller

Statistik. 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

Mehr

Deskription, 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 Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische

Mehr

Die Normalverteilung. Mathematik W30. Mag. Rainer Sickinger LMM, BR. v 0 Mag. Rainer Sickinger Mathematik W30 1 / 51

Die 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

Mehr

Welche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret.

Welche 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

Mehr

Auswertung und Lösung

Auswertung 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

Mehr

Statistik Prüfung 24. Jänner 2008

Statistik 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,

Mehr

7. 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 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

Mehr

Allgemeines zu Tests. Statistische Hypothesentests

Allgemeines 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

Mehr

Prüfung aus Statistik 2 für SoziologInnen

Prüfung 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.

Mehr

Statistik I für Betriebswirte Vorlesung 14

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

Mehr

BSc Bioinformatik Wintersemester 2013/2014 Nachklausur zur Statistik I Freie Universität Berlin

BSc 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

Mehr

Vorlesung: Statistik II für Wirtschaftswissenschaft

Vorlesung: 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

Mehr

Kapitel VII. Einige spezielle stetige Verteilungen

Kapitel 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,

Mehr

Konfidenzintervalle 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 Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir

Mehr

Handelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen?

Handelt 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

Mehr

VOLKSWIRTSCHAFTLICHE VORDIPLOMPRÜFUNG

VOLKSWIRTSCHAFTLICHE 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

Mehr

5. Seminar Statistik

5. 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

Mehr

Statistik für Naturwissenschaftler

Statistik 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

Mehr

SozialwissenschaftlerInnen II

SozialwissenschaftlerInnen 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

Mehr

PROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale)

PROC 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

Mehr

Testen von Hypothesen:

Testen 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

Mehr

Stichproben Parameterschätzung Konfidenzintervalle:

Stichproben 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,

Mehr

Brückenkurs Statistik für Wirtschaftswissenschaften

Brückenkurs 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

Mehr

Hypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests

Hypothesen: 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

Mehr

Kapitel III: Einführung in die schließende Statistik

Kapitel 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

Mehr

T-Test für unabhängige Stichproben

T-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

Mehr

R. Brinkmann Seite

R. 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,

Mehr

Methodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. 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

Mehr

Statistische Tests für unbekannte Parameter

Statistische 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

Mehr

Statistische Tests für unbekannte Parameter

Statistische 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

Mehr

Chi-Quadrat Verfahren

Chi-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

Mehr

Statistische Überlegungen: Eine kleine Einführung in das 1 x 1

Statistische 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

Mehr

3 Grundlagen statistischer Tests (Kap. 8 IS)

3 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

Mehr

Lösungen Klausur Statistik 2/re/soz

Lösungen 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

Mehr

Klausur vom

Klausur 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

Mehr

Wirtschaftsstatistik-Klausur am

Wirtschaftsstatistik-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

Mehr

Klausur zur Vorlesung

Klausur 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

Mehr

Statistisches Testen

Statistisches Testen Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall

Mehr

2 Wiederholung statistischer Grundlagen Schließende Statistik empirischen Information aus Stichprobenrealisation x von X

2 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

Mehr

Klassifikation von Signifikanztests

Klassifikation von Signifikanztests Klassifikation von Signifikanztests Nach Verteilungsannahmen: verteilungsabhängig: parametrischer [parametric] Test verteilungsunabhängig: nichtparametrischer [non-parametric] Test Bei parametrischen Tests

Mehr

Wichtige Definitionen und Aussagen

Wichtige 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

Mehr

Kapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen

Kapitel 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

Mehr

Fit for Abi & Study Stochastik

Fit 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

Mehr

Lösungen zum Aufgabenblatt 14

Lösungen 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

Mehr

Schließende Statistik

Schließende 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.

Mehr

Pkt. Aufg.1: Aufg.2: Aufg.3: Aufg.4: Aufg.5:

Pkt. 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!

Mehr

Einführung in die Statistik

Einführung 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

Mehr

Statistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de

Statistik 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

Mehr

Dr. W. Kuhlisch Dresden, Institut für Mathematische Stochastik

Dr. 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

Mehr

Die 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. 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

Mehr

Mathematik für Biologen

Mathematik 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

Mehr

FF Düsseldorf WS 2007/08 Prof. Dr. Horst Peters. Vorlesung Quantitative Methoden 1B im Studiengang Business Administration (Bachelor) Seite 1 von 6

FF 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

Mehr

1 EINLEITUNG Allgemeines Kapitelübersicht Gebrauch dieses Buches Verwenden zusätzlicher Literatur...

1 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

Mehr

Statistik für Psychologen, Pädagogen und Mediziner

Statistik 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

Mehr

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT

FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte

Mehr

Zusammenfassung PVK Statistik

Zusammenfassung 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

Mehr

Unter der Voraussetzung, dass die Wahrscheinlichkeit eines Ereignisses für jeden Versuch konstant bleibt, gilt die Binominalverteilung.

Unter 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,

Mehr

1 Dichte- und Verteilungsfunktion

1 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

Mehr

Überblick Hypothesentests bei Binomialverteilungen (Ac)

Überblick 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

Mehr

Bereiche der Statistik

Bereiche der Statistik Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden

Mehr

Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006

Prof. 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

Mehr

JosefPuhani. Kleine Formelsammlung zur Statistik. 10. Auflage. averiag i

JosefPuhani. 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