8 Daten beurteilen mit Simulationen Lösungshinweise
|
|
- Berthold Brauer
- vor 5 Jahren
- Abrufe
Transkript
1 8 Daten beurteilen mit Simulationen Lösungshinweise ufgabe 8.: Gegeben ist der Datensatz zu den Studierenden der Hochschulen in eiburg und Münster. Untersuchen Sie mit dem simulierten Permutationstest, ob die Studierenden beider Hochschulen sich a) in der Eigenschaft, noch bei den Eltern zu wohnen, unterscheiden. b) im Beziehungsverhalten unterscheiden. Lösungsskizze ufgabe 8. Gibt man die Daten in die im online-material vorhandene Vierfelder- Tafel in der Datei assoziationsmaß.xls ein (s.u.), so wird das ssoziationsmaß hinsichtlich der Merkmale Hochschule und Wohnverhalten mit = angegeben (x = eiburg, x = Münster; y = E, y = E). y 8 0 y 0,0 0, 0, y 9 y 0, 0, 0,8 Summe Summe 0, 0, h(x) = 0, ssoziationsm h(x) = 0, h(x) h(x) h(y x) = 0,0 = = 0,80 h(y x) h(y x) h(y x) = 0, rho = = 0,8 Wir prüfen per Simulation, ob bei einer zufälligen Zuordnung von der Merkmalsausprägungen zu den Merkmalen Hochschule und Wohnverhalten ein ssoziazionsmaß von mindestens
2 ochsch... Wohnung Single Randomisierung ist durchgeführt 8 8 Daten beurteilen r mit E Simulationen n Lösungshinweise Randomisierung is häufig vorkommt oder selten ist. 000 Simulationen ergeben r folgende E Verteilung n von ssoziationsmaßen. r NE n Messgrößen von Randomisierung ist durchgeführt Histogramm Perm... 0,0 0, 0, - - 0,00 = = Hochs Permutat Hochsch Spaltenz S = nz Es ist h 000 ( < < ) 0,0 P( < < ). uf der Basis der Testsimulation ließe sich also die Hypothese ablehnen, dass das ssoziationsmaß in der Stichprobe von zufällig zustande gekommen ist. In diesem Fall (siehe Vierfelder-Tafel) könnte man von einem leicht höheren Hang der PH-Studierenden ausgehen, zu Hause zu wohnen. In gleicher Weise behandeln wir das Beziehungsverhalten. Hier ergibt sich das ssoziationsmaß von = 0,0 (x = eiburg, x = Münster; y = S,y = S) y 8 8 y 0, 0, 0, y y 0, 0,8 0, Summe 9 08 Summe 0,8 0, h(x) = 0,8 ssoziationsm h(x) = 0, h(x) h(x) h(y x) = 0, = = 0, h(y x) h(y x) h(y x) = 0, rho = = 0, 000 Simulationen ergeben die auf der Folgeseite dargestellte Verteilung von ssoziationsmaßen. Hier ist bereits optisch erkennbar, dass das ssoziationsmaß von -0,0 bei der zufälligen Zuordnung der Merkmale Hochschule und Beziehungsverhalten nicht auffällig ist. Tatsächlich ist
3 ochsch... Wohnung Single r NE n Randomisierung ist durchgefüh h 000 ( 0,0 < < 0,0) 0,. Man kann also von der eit beider Merkmale -8 ausgehen. -0,088 Messgrößen von Randomisierung ist durchgeführt Histogramm... 0, 0, 0,0 0,0 0,0 9 Messgrößen von Randomisierun <neu> -0,0-0, ,09 0, Permut - - 0,00 0,08 = -0,08 0,08 = 0,08 S = S =
4 0 8 Daten beurteilen mit Simulationen Lösungshinweise ufgabe 8.: Gegeben ist der Datensatz zu den Studierenden der Hochschulen in eiburg und Münster. Untersuchen Sie mit dem simulierten Permutationstest, ob die Studierenden beider Geschlechter sich a) in der Eigenschaft, noch bei den Eltern zu wohnen, unterscheiden. b) in der Präferenz für das Fortbewegungsmittel Fahrrad unterscheiden. Lösungsskizze ufgabe 8. Wir gehen wie in ufgabe 8. vor. Das ssoziationsmaß hinsichtlich der Merkmale Geschlecht (x = m, x = w; y = E, y = E) und Wohnverhalten ist mit = 0,0 wiederum sehr klein. y 0 y 0,0 0,0 0, y 8 8 y 0, 0, 0,8 Summe 8 89 Summe 0,9 0, h(x) = 0,9 ssoziationsm h(x) = 0, h(x) h(x) h(y x) = 0,8 = = 0,8 h(y x) h(y x) h(y x) = 0, rho = = 0,8 permutation permutation Geschle... Wohnung Wie Wie_n w E DB nf Die Simulation der zufälligen Zuordnung der Merkmale Geschlecht und Wohnverhalten ergibt Messgrößen von R bei 000 Wiederholungen folgende Verteilung von ssoziationsmaßen. w NE B nf Randomisierung ist Messgrößen von Randomisierung ist durchgeführt Histogramm... 0,0 0,8 0, 0, 0, 0,0 0,0 0, ,00 0,0 = -0,0 0,0 = 0,0 Messgrößen von Randomisierung ist... <neu> 0,089 0,0-0,08-0,099 0, Hier ist wiederum bereits optisch erkennbar, dass das ssoziationsmaß von -0,0 bei der zufälligen Zuordnung der Merkmale Geschlecht und Wohnverhalten nicht auffällig ist. Tatsächlich ist h 000 ( 0,0 < < 0,0) 0,8. Man kann also von der eit beider Merkmale ausgehen.
5 In gleicher Weise behandeln wir den Zusammenhang von Geschlecht und Beförderungsmittel. Hier ergibt sich das ssoziationsmaß von = 0,0 (x = m, x = w; y = F, y = F). y 89 y 0, 0, 0,9 y 9 0 y 0, 0, 0, Summe Summe 0,9 0, h(x) = 0,9 ssoziationsm h(x) = 0, h(x) h(x) h(y x) = 0, = = 0, h(y x) h(y x) h(y x) = 0,0 rho = = 0,0 000 Simulationen ergeben die auf der Folgeseite dargestellte Verteilung von ssoziationsmaßen. uch in diesem Fall ist das ssoziationsmaß von -0,0 bei der zufälligen Zuordnung der permutation permutation Geschle... Wohnung Wie Wie_n Merkmale Geschlecht und Beföderungsmittel nicht auffällig. w E DB nf Tatsächlich ist h 000 ( 0,0 < < 0,0) 0,8. Man kann also auch in diesem Fall von der eit beider Merkmale ausgehen. 0, 0, 0, 0,0 0,0 0, ,00 0,0 = -0,0 0,0 = 0,0 w NE B nf Randomisierung ist Histogramm Messgrößen von Randomisierung ist... Messgrößen <neu> von R 98 0, permutation 8-0,098-0, Messgrößen von Wie_n Randomis 0,8 Spaltenzusamm S = nteil ( < 0,0) + S = nzahl ( ) nzahl ( (G S =
6 8 Daten beurteilen mit Simulationen Lösungshinweise ufgabe 8.: Betrachten Sie eine der beiden Hochschulen, eiburg oder Münster. Bestimmen Sie per Berechnung, Simulation und Bootstrap-Verfahren Konfidenzintervalle zu der in der Grundgesamtheit auftretenden Häufigkeit (p) für Single, Radfahrer, schlechte Schüler mit einem biturschnitt über,0. Lösungsskizze ufgabe 8. Wir betrachten im Folgenden nur die Studierenden der PH eiburg und Konfidenzintervalle zum Konfidenzniveau 0,0. us der Stichprobe erhalten wir: H 9 (S) =, h 9 (S) 0,; H 9 (F) =, h 9 (F) 0,9; H 9 (G) =, h 9 (G) 0,09 wobei G die Studierenden mit einem biturschnitt über,0 repräsentiert. Wir bestimmen für alle drei Merkmalsausprägungen zwei Grenzwahrscheinlichkeiten p u und p o symmetrisch um die empirisch ermittelten Häufigkeiten, so dass für die binomialverteilten Zufallsgrößen X S, X F und X G gilt P pu (X S ) + P po (X S ) 0,9, P pu (X F ) + P po (X F ) 0,9 und P pu (X G ) + P po (X G ) 0,9. Weiterhin bestimmen wir p u und p o durch Simulation (000 Wiederholungen). Schließlich ermitteln wir die mit dem Bootstrap-Verfahren erzeugten Konfidenzintervalle. Wir erhalten folgende Konfidenzintervalle: Single Fahrrad binote Berechnung I = [0,8;0,8] I = [0,8;0,8] I = [0,0;0,] Simulation I = [0,8;0,8] I = [0,;0,0] I = [0,0;0,] Bootstrap I = [0,8;0,8] I = [0,0;0,] I = [0,0;0,] lle drei Konstruktionen erzeugen damit nahezu identische Kofidenzintervalle. In 9 Prozent der Fälle enthält ein so konstruiertes Konfidenzintervall den wahren Parameter, d.h. den wahren nteil der drei Merkmalsausprägungen (unter der nnahme, dass die Daten gut sind).
7 ufgabe 8.: In Kapitel. hatte wir folgende Unterschiede zwischen den Studierenden in eiburg und Münster betrachtet: Gegeben sind unten die Datensätze zu Studierenden (Münster und eiburg) zu der Parteipräferenz, dem bevorzugten Beförderungsmittel sowie zum Erhalt von BföG. Sind Grünen-Wähler umweltbewusster? Sind BföG-Bezieher SPD-Wähler? Beurteilen Sie nun die deskriptiv ermittelten Unterschiede. Grüne CDU/FDP Summe uto 9 Fahrrad 8 BföG kein BföG Summe SPD 9 0 CDU/FDP 8 Summe 9 0 Summe 0 8 Kollektion Kollektion Kollektion Kollektion Kollektion Wie Partei Partei Bafög Partei Messgrößen Kollektion von Randomisierung Randomisierung ist durchgeführt Kollekti Kollektion Wir CDUkönnen CDU/FDP hier ein weiteres Mal den n simulierten CDUPermutations- C Partei CDU Kollektion CDU/FDP n Zeilen-CDzusammenfassungWie CDU C CDU/FDP Grüne CDU CDU/FDP Zeilenzusammenfa = 0,0, im-0,090 zweitenspaltenzusamme von = 0,09 SPD n CDU C Partei Im ersten Beispiel hatte #uswertungsfehler# sich ein ssoziationsmaß #uswertungsfehler# n CDU C 9 S 0= nzahl ( ) Spaltenzusammenfassu j CDU C nzahl ( ( Partei = "Grüne") und ( Wie = "F" ) ) nzahl ( ( Partei = "CDU/FDP") un S = S = nzahl ( ) nzahl ( Partei = "Grüne" S = nzahl ) ( ) nzahl ( Partei = "CDU/ Lösungsskizze ufgabe 8. test anwenden und damit die bisher rein deskriptiv erzeugten ussagen zum Zusammenhang der jeweiligen Merkmale beurteilen. ergeben. Bei 000 Simulationen, in denen im ersten Fall das Beförderungsmittel zufällig der Parteienpräferenz und im zweiten Fall die Parteipräferenz zufällig dem BföG-Status zugeordnet werden, hat sich folgende Verteilung von ssoziationsmaßen ergeben (links zu Datensatz, rechts zu Datensatz ). Messgrößen von Randomisierung Histogramm du... Messgrößen von Randomisierung Histogramm durc... Messgrößen von Randomisierung ist durch Messgrößen von Randomisieru -0,0-0,0 0,00 0,0 0,0-0,0 0,00 0,0 0, 0,0 = -0,0 0,09 = 0,09 S = nteil ( < 0,0) + nte 0,0 = 0,0 0,09 Da im ersten Fall h = -0, ( 0,0) 0, gilt, kann von der eit der Merkmale Parteipräferenz und Beförderungsmittel ausgegangen werden. uch im zweiten Fall ergibt sich wegen h 000 ( 0,09) 0,, dass weiterhin von der eit der Merkmale Parteipräferenz und BföG-Status ausgegangen werden kann. Messgrößen von Random < Rand 0,0990 0,08-0,08 0,00 9-0,
Stoffverteilungsplan Mathematik Grundkurs. Lambacher Schweizer Stochastik ISBN Klassenarbeit
Q3.1 Grundlegende Begriffe der Grundlagen der Wahrscheinlichkeitstheorie: Beschreiben von Zufallsexperimenten (Laplace-Experimente) unter Verwendung der Begriffe Ergebnis, Ergebnismenge, Ereignis und Wahrscheinlichkeit
Mehr5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrStoffverteilungsplan Mathematik Leistungskurs. Lambacher Schweizer Stochastik ISBN Klassenarbeit
Lambacher Schweizer Q3.1 Grundlegende Begriffe der Grundlagen der Wahrscheinlichkeitstheorie: Beschreiben von Zufallsexperimenten (Laplace-Experimente) unter Verwendung der Begriffe Ergebnis, Ergebnismenge,
MehrDr. H. Grunert Schließende Statistik Vorlesungscharts. Vorlesung 7. Schätzverfahren
Vorlesungscharts Vorlesung 7 Schätzverfahren Konstruktion von Konfidenzintervallen Konfidenzintervalle für den Erwartungswert normalverteilter Grundgesamtheiten Konfidenzintervalle für Anteilswerte Seite
Mehr5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrSBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf. SBP Mathe Aufbaukurs 1
SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf SBP Mathe Aufbaukurs 1 # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit. Das
MehrPrüfungsteil 2, Aufgabe 8 Stochastik
Prüfung Mathematik Nordrhein-Westfalen 2013 (LK) Aufgabe 7: (WTR) Abitur Mathematik: Prüfungsteil 2, Aufgabe 8 Nordrhein-Westfalen 2012 GK Aufgabe a (1) und (2) 1. SCHRITT: VERTEILUNG ANGEBEN Da die Anzahl
MehrResampling Methoden Dortmund, 2005 (Jenő Reiczigel) 1. Bootstrap: Tests
Resampling Methoden Dortmund, 2005 (Jenő Reiczigel) 1 Bootstrap: Tests Zwei Ideen 1. Mit dem Bootstrap kann man gute Konfidenzintervalle erstellen, und die Tests kann man von diesen Konfidenzintervallen
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
MehrSo berechnen Sie einen Schätzer für einen Punkt
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: SCHÄTZEN UND TESTEN htw saar 2 Schätzen: Einführung Ziel der Statistik ist es, aus den Beobachtungen eines Merkmales in einer Stichprobe Rückschlüsse über die Verteilung
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrSchließende Statistik
Schließende Statistik [statistical inference] Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.
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
MehrErmitteln Sie auf 2 Dezimalstellen genau die folgenden Kenngrößen der bivariaten Verteilung der Merkmale Weite und Zeit:
1. Welche der folgenden Kenngrößen, Statistiken bzw. Grafiken sind zur Beschreibung der Werteverteilung des Merkmals Konfessionszugehörigkeit sinnvoll einsetzbar? A. Der Modalwert. B. Der Median. C. Das
MehrStatistik I (17) 79. Untersuchen Sie die Daten aus Tabelle 1.
Schüler Nr. Statistik I (7) Schuljahr /7 Mathematik FOS (Haben Sie Probleme bei der Bearbeitung dieser Aufgaben, wenden Sie sich bitte an die betreuenden Lehrkräfte!) Tabelle : Die Tabelle wurde im Rahmen
MehrPrüfungsteil 2, Aufgabe 8 Stochastik
Prüfung Mathematik Nordrhein-Westfalen 2013 (LK) Aufgabe 8: (WTR) Abitur Mathematik: Prüfungsteil 2, Aufgabe 8 Nordrhein-Westfalen 2012 LK Aufgabe a (1) und (2) 1. SCHRITT: VERTEILUNG ANGEBEN Da die Anzahl
MehrHypothesenbewertungen: Übersicht
Hypothesenbewertungen: Übersicht Wie kann man Fehler einer Hypothese abschätzen? Wie kann man einschätzen, ob ein Algorithmus besser ist als ein anderer? Trainingsfehler, wirklicher Fehler Kreuzvalidierung
MehrWahrscheinlichkeitsrechnung und Statistik
9. Vorlesung - 2017 Monte Carlo Methode für numerische Integration Sei g : [0, 1] R stetige Funktion; man möchte 1 0 g(t)dt numerisch approximieren mit Hilfe von Zufallszahlen: Sei (U n ) n eine Folge
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 12.5.2006 1 Test auf Anteilswert: Binomialtest Sei eine Stichprobe unabhängig, identisch verteilter ZV (i.i.d.). Teile diese Stichprobe in zwei Teilmengen
MehrTeil VIII. Zentraler Grenzwertsatz und Vertrauensintervalle. Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle. Lernziele. Typische Situation
Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle Patric Müller ETHZ Teil VIII Zentraler Grenzwertsatz und Vertrauensintervalle WBL 17/19, 29.05.2017 Wahrscheinlichkeit
MehrWahrscheinlichkeitsrechnung und Statistik
10. Vorlesung - 2018 Grundbegriffe der Statistik statistische Einheiten = Objekte an denen interessierende Größen erfaßt werden z.b. Bevölkerung einer Stadt; Schüler einer bestimmten Schule; Patienten
Mehr3. Lektion: Deskriptive Statistik
Seite 1 von 5 3. Lektion: Deskriptive Statistik Ziel dieser Lektion: Du kennst die verschiedenen Methoden der deskriptiven Statistik und weißt, welche davon für Deine Daten passen. Inhalt: 3.1 Deskriptive
MehrGrundlegende Eigenschaften von Punktschätzern
Grundlegende Eigenschaften von Punktschätzern Worum geht es in diesem Modul? Schätzer als Zufallsvariablen Vorbereitung einer Simulation Verteilung von P-Dach Empirische Lage- und Streuungsparameter zur
MehrUE Statistische Mustererkennung WS 2018 Angaben zur 2ten Aufgabengruppe
UE Statistische Mustererkennung WS 2018 Angaben zur 2ten Aufgabengruppe 1 Aufgabe UE-II.1 Generieren Sie je 1000 Stichproben (samples) mit Umfang 5/30/100/500 für die Normalverteilung N(µ, σ 2 ) = N(4,
MehrAnwendung A_0801_Quantile_Minimum_Maximum
8. Lageparameter 63 8.3 Interaktive EXCEL-Anwendungen (CD-ROM) Anwendung A_080_Quantile_Minimum_Maimum Die Anwendung besteht aus einem Tabellenblatt Simulation : In der Simulation wird aus einer Urliste
MehrBivariater Zusammenhang in der Vierfeldertafel PEΣO
Bivariater Zusammenhang in der Vierfeldertafel PEΣO 12. Oktober 2001 Zusammenhang zweier Variablen und bivariate Häufigkeitsverteilung Die Bivariate Häufigkeitsverteilung gibt Auskunft darüber, wie zwei
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!
MehrAnleitung: Standardabweichung
Anleitung: Standardabweichung So kann man mit dem V200 Erwartungswert und Varianz bzw. Standardabweichung bei Binomialverteilungen für bestimmte Werte von n, aber für allgemeines p nach der allgemeinen
MehrZwei kategoriale Merkmale. Homogenität Unabhängigkeit
121 Zwei kategoriale Merkmale Homogenität Unabhängigkeit 122 Beispiel Gründe für die Beliebtheit bei Klassenkameraden 478 neun- bis zwölfjährige Schulkinder in Michigan, USA Grund für Beliebtheit weiblich
Mehr4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 4.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
Mehr3.Wiederholung: Toleranzbereiche Für EX Geg:
3.Wiederholung: Toleranzbereiche Für EX Geg: Vl. 24.2.2017 Schätzfunktion für Güte: Ist X Problem: Feb 17 13:21 > Wir berechnen Bereiche (Toleranzbereiche) für sind untere und obere Grenzen, berechnet
Mehr= 3. Kapitel 4: Normalverteilung.. und Standardnormalverteilung und: das Konfidenzintervall..
Kapitel : Normalverteilung.. und Standardnormalverteilung und: das Konfidenzintervall.. Mittelwert = Summe aller Einzelwerte / n = durchschnittliche Ausprägung, wenn alle gleich viel hätten. Streuung =
MehrKapitel 17. Unabhängigkeit und Homogenität Unabhängigkeit
Kapitel 17 Unabhängigkeit und Homogenität 17.1 Unabhängigkeit Im Rahmen der Wahrscheinlichkeitsrechnung ist das Konzept der Unabhängigkeit von zentraler Bedeutung. Die Ereignisse A und B sind genau dann
MehrPrüfung aus Statistik 1 für SoziologInnen
Prüfung aus Statistik 1 für SoziologInnen 27. Juni 2009 Nachname: Vorname: Matrikelnummer: Studienkennzahl: Beispiel 1: (6 Punkte) a) Wie viel Prozent der Beobachtungen liegen beim Box-Plot außerhalb der
MehrUmfrage zum Thema Beteiligung der DFL an Polizeikosten bei Risikospielen Eine Studie im Auftrag des WDR / Sport inside
Umfrage zum Thema Beteiligung der DFL an Polizeikosten bei Risikospielen Eine Studie im Auftrag des WDR / Sport inside Umfrage zum Thema Beteiligung der DFL an Polizeikosten bei Risikospielen Studieninformation
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
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests Nach Verteilungsannahmen: verteilungsabhängig: parametrischer [parametric] Test verteilungsunabhängig: nichtparametrischer [non-parametric] Test Bei parametrischen Tests
MehrBeschreibende Statistik Deskriptive Statistik. Schließende Statistik Inferenzstatistik. Schluss von der Stichprobe auf die Grundgesamtheit
Beschreibende Statistik Deskriptive Statistik Schließende Statistik Inferenzstatistik Beschreibung der Stichprobe Schluss von der Stichprobe auf die Grundgesamtheit Keine Voraussetzungen Voraussetzung:
MehrVerjährung von Sexualstraftaten an Minderjährigen
Eine Umfrage von infratest dimap im Auftrag von netzwerkb Netzwerk Betroffener von sexualisierter Gewalt e.v. Grafische Darstellungen Untersuchungsanlage Grundgesamtheit Wahlberechtigte Bevölkerung im
MehrTutorium zur VO Statistik Beispielsammlung Teil 2. Schließende Statistik
Schließende Statistik 1. BEISPIEL Mobilfunkstrahlung Man hat aus zweihundert Messungen von Mobilfunkstrahlung, die zu verschiedenen Zeiten an einer sehr belebten Stelle durchgeführt wurden, einen Mittelwert
MehrWas sind Zusammenhangsmaße?
Was sind Zusammenhangsmaße? Zusammenhangsmaße beschreiben einen Zusammenhang zwischen zwei Variablen Beispiele für Zusammenhänge: Arbeiter wählen häufiger die SPD als andere Gruppen Hochgebildete vertreten
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 ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist.
.3. Stochastik Grundlagen Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist. Die RELATIVE HÄUFIGKEIT einer Merkmalsausprägung gibt an mit welchem Anteil
MehrVU mathematische methoden in der ökologie: räumliche verteilungsmuster 1/5 h.lettner /
VU mathematische methoden in der ökologie: räumliche verteilungsmuster / h.lettner / Analyse räumlicher Muster und Verteilungen Die Analyse räumlicher Verteilungen ist ein zentrales Gebiet der ökologischen
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrÜbungen mit dem Applet Wahrscheinlichkeitsnetz
Wahrscheinlichkeitsnetz 1 Übungen mit dem Applet Wahrscheinlichkeitsnetz 1 Statistischer Hintergrund... 1.1 Verteilungen... 1. Darstellung von Daten im Wahrscheinlichkeitsnetz...4 1.3 Kurzbeschreibung
MehrMit Daten sicher durch den Zufall
Mit Daten sicher durch den Zufall Wie der Stochastikunterricht in der Sekundarstufe gemäß der nationalen Bildungsstandards aussehen könnte Gliederung 1. Einstiegsbeispiel 2. Bildungsstandards, wieso-weshalb-warum?
MehrStatistik I. 1. Klausur Wintersemester 2010/2011 Hamburg, Art der Anmeldung: STiNE FlexNow Zulassung unter Vorbehalt
Statistik I 1. Klausur Wintersemester 2010/2011 Hamburg, 11.02.2011 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
Mehr1. Einführung und statistische Grundbegriffe. Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik:
. Einführung und statistische Grundbegriffe Beispiele aus dem täglichen Leben Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik: Quantitative Information Graphische oder tabellarische
Mehrentschieden hat, obwohl die Merkmalsausprägungen in der Grundgesamtheit voneinander abhängig sind.
Bsp 1) Die Wahrscheinlichkeit dafür, dass eine Glühbirne länger als 200 Stunden brennt, beträgt 0,2. Wie wahrscheinlich ist es, dass von 10 Glühbirnen mindestens eine länger als 200 Stunden brennt? (Berechnen
MehrKapitel 3 Schließende Statistik
Beispiel 3.4: (Fortsetzung Bsp. 3.) bekannt: 65 i=1 X i = 6, also ˆp = X = 6 65 = 0, 4 Überprüfen der Voraussetzungen: (1) n = 65 30 () n ˆp = 6 10 (3) n (1 ˆp) = 39 10 Dr. Karsten Webel 194 Beispiel 3.4:
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,
MehrÜbungsaufgaben zu Statistik II
Übungsaufgaben zu Statistik II Prof. Dr. Irene Prof. Dr. Albrecht Ungerer Die Kapitel beziehen sich auf das Buch: /Ungerer (2016): Statistik für Wirtschaftswissenschaftler Springer Gabler 4 Übungsaufgaben
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg. für Betriebswirtschaft und internationales Management
für Betriebswirtschaft und internationales Management Sommersemester 2015 Prof. Dr. Stefan Etschberger Hochschule Augsburg Testverteilungen Chi-Quadrat-Verteilung Sind X 1,..., X n iid N(0; 1)-verteilte
MehrÜbung 4 im Fach "Biometrie / Q1"
Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-89070 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 13, 89075 Ulm Tel.
Mehr4.4 Punktschätzung. E(X 1 )+ +E(X n ) Var(ˆµ) = 1 n 2 ( Var(X1 )+ +Var(X n ) ) = 1 n 2nσ2 = σ2
4 4.4 Punktschätzung Wir betrachten eine endliche oder unendliche Grundgesamtheit, zum Beispiel alle Studierenden der Vorlesung Mathe II für Naturwissenschaften. Im endlichen Fall soll die Anzahl N ihrer
MehrKlausur zur Vorlesung Analyse mehrdimensionaler Daten, Lösungen WS 2010/2011; 6 Kreditpunkte, 90 min
Klausur, Analyse mehrdimensionaler Daten, WS 2010/2011, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 21.02.2011 Klausur zur Vorlesung Analyse mehrdimensionaler Daten, Lösungen WS 2010/2011; 6 Kreditpunkte,
MehrStandardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend
Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten
MehrKapitel 5. Univariate Zufallsvariablen. 5.1 Diskrete Zufallsvariablen
Kapitel 5 Univariate Zufallsvariablen Im ersten Teil dieses Skriptes haben wir uns mit Daten beschäftigt und gezeigt, wie man die Verteilung eines Merkmals beschreiben kann. Ist man nur an der Population
MehrAufgaben zu Kapitel 9
Aufgaben zu Kapitel 9 Aufgabe 1 Für diese Aufgabe benötigen Sie den Datensatz Nominaldaten.sav. a) Sie arbeiten für eine Marktforschungsfirma und sollen überprüfen, ob die in diesem Datensatz untersuchte
MehrAußenpolitik Eine Studie von Kantar Public im Auftrag der Körber-Stiftung
Außenpolitik Eine Studie von Kantar Public im Auftrag der Körber-Stiftung Tabellenbericht Berlin, 22.November 2016 315 111400 Untersuchungsanlage Grundgesamtheit: Stichprobe: Erhebungsverfahren: Fallzahl:
MehrUnterlagen für die Lehrkraft
Ministerium für Bildung, Jugend und Sport Zentrale Prüfung zum Erwerb der Fachhochschulreife im Schuljahr / Mathematik D. Juni 9: Uhr Unterlagen für die Lehrkraft . ufgabe: Differential- und Integralrechnung
MehrWahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
Mehr3. Das Prüfen von Hypothesen. Hypothese?! Stichprobe Signifikanztests in der Wirtschaft
3. Das Prüfen von Hypothesen Hypothese?! Stichprobe 3.1. Signifikanztests in der Wirtschaft Prüfung, ob eine (theoretische) Hypothese über die Verteilung eines Merkmals X und ihre Parameter mit einer (empirischen)
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
MehrBeispiel 4 (Einige weitere Aufgaben)
1 Beispiel 4 (Einige weitere Aufgaben) Aufgabe 1 Bestimmen Sie für die folgenden Zweierstichproben, d. h. Stichproben, die jeweils aus zwei Beobachtungen bestehen, a) den Durchschnitt x b) die mittlere
MehrInhalt. I. Deskriptive Statistik Einführung Die Grundgesamtheit Merkmale und Verteilungen Tabellen und Grafiken...
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Die Grundgesamtheit......................... 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................ 10
MehrStatistik für NichtStatistiker
Statistik für NichtStatistiker Zufall und Wahrscheinlichkeit von Prof. Dr. Karl Bosch 5., verbesserte Auflage R. Oldenbourg Verlag München Wien Inhaltsverzeichnis 1. ZufalLsexperimente und zufällige Ereignisse
MehrLegalisierung Cannabis Eine Studie von infratest dimap im Auftrag des Deutschen Hanfverbandes
Eine Studie von infratest dimap im Auftrag des Deutschen Hanfverbandes Tabellenbericht Berlin, 5. November 2018 317400212 Kunden- Logo Studieninformation Grundgesamtheit Wahlberechtigte in Deutschland
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
MehrMusterlösung zur Übungsklausur Statistik
Musterlösung zur Übungsklausur Statistik WMS4A Oettinger 6/205 Aufgabe (a) Falsch: der Modus ist die am häufigsten auftretende Merkmalsausprägung in einer Stichprobe. (b) Richtig: ein ordinales Merkmal
MehrEinführung in die Wahrscheinlichkeitsrechnung und Statistik für Ingenieure
Einführung in die Wahrscheinlichkeitsrechnung und Statistik für Ingenieure Von Prof. Hubert Weber Fachhochschule Regensburg 3., überarbeitete und erweiterte Auflage Mit zahlreichen Bildern, Tabellen sowie
MehrDeskriptive Statistik Erläuterungen
Grundlagen der Wirtschaftsmathematik und Statistik Erläuterungen Lernmaterial zum Modul - 40601 - der Fernuniversität Hagen 7 2.1 Einfache Lageparameter aus einer gegebenen Messreihe ablesen Erklärung
MehrZusammenhangsanalyse in Kontingenztabellen
Zusammenhangsanalyse in Kontingenztabellen Bisher: Tabellarische / graphische Präsentation Jetzt: Maßzahlen für Stärke des Zusammenhangs zwischen X und Y. Chancen und relative Chancen Zunächst 2 2 - Kontingenztafel
MehrAufgaben zu Kapitel 9
Aufgaben zu Kapitel 9 Aufgabe 1 Für diese Aufgabe benötigen Sie den Datensatz Nominaldaten.sav. a) Sie arbeiten für eine Marktforschungsfirma und sollen überprüfen, ob die in diesem Datensatz untersuchte
MehrStatistik mit MATHCAD und MATLAB
Hans Benker Statistik mit MATHCAD und MATLAB Einführung in die Wahrscheinlichkeitsrechnung und mathematische Statistik für Ingenieure und Naturwissenschaftler Mit 31 Abbildungen Springer Einleitung 1 1.1
MehrMathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007
Mathematik IV für Maschinenbau und Informatik Stochastik Universität Rostock, Institut für Mathematik Sommersemester 007 Prof. Dr. F. Liese Dipl.-Math. M. Helwich Serie Termin: 9. Juni 007 Aufgabe 3 Punkte
Mehr7. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17
7. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17 1. Aufgabe: a) Grundgesamtheit sind alle Reifen aus der Produktion von Langstone aus dem Monat März der entsprechenden Reifentypen.
MehrSitzung 4: Übungsaufgaben für Statistik 1
1 Sitzung 4: Übungsaufgaben für Statistik 1 Aufgabe 1: In einem Leistungstest werden von den Teilnehmern folgende Werte erzielt: 42.3; 28.2; 30.5, 32.0, 33.0, 38.8. Geben Sie den Median, die Spannweite
Mehr5. Clusteranalyse. Lernziele: Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften
5. Clusteranalyse Lernziele: Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften benennen und anwenden können, einen Test auf das Vorhandensein einer Clusterstruktur kennen, verschiedene
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
MehrKapitel IV - Spezielle Verteilungen: Diskrete Verteilungen
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel IV - Spezielle Verteilungen: Diskrete Verteilungen Markus Höchstötter Lehrstuhl
Mehr5. Clusteranalyse Vorbemerkungen. 5. Clusteranalyse. Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften
5. Clusteranalyse Vorbemerkungen 5. Clusteranalyse Lernziele: Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften benennen und anwenden können, einen Test auf das Vorhandensein einer
MehrStatistik I. 2. Klausur Wintersemester 2011/2012 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik I A 2. Klausur Wintersemester 2011/2012 Hamburg, 20.03.2012 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................
MehrStatistik I. Sommersemester 2009
I Sommersemester 2009 I χ 2 =?!? Nächste Woche: Maße für ordinale, nominal/intervallskalierte und intervallskalierte Daten I Zum Nachlesen Agresti/Finlay: Kapitel 8.1-8.4 Gehring/Weins: Kapitel 7.1 Schumann:
MehrI. Deskriptive Statistik 1
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Grundgesamtheit und Stichprobe.................. 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................
MehrKapitel 3 Schließende Statistik
Bemerkung 3.34: Die hier betrachteten Konfidenzintervalle für unbekannte Erwartungswerte sind umso schmaler, je größer der Stichprobenumfang n ist, je kleiner die (geschätzte) Standardabweichung σ (bzw.
Mehrzu Aufgabe 26: a) A 3 A 2 A 4 A 1 A 5 A 0 A 6
zu ufgabe 6: a) 3 5 6 7 p( ) p( ) p( 3 ) p( ) p( 5 ) p( 6 ) p( 7 ) = p( 3 ) = p( 3 ) = p( 3 ) = p( ) = p( ) = p( ) = p( ) = p( ) = p( ) = p( ) = p( ) = 8 p( ) = p( ) = p( ) = p( ) Lösung: b) binär 8 p(
MehrMehrdimensionale Zufallsvariablen
Mehrdimensionale Zufallsvariablen Im Folgenden Beschränkung auf den diskreten Fall und zweidimensionale Zufallsvariablen. Vorstellung: Auswerten eines mehrdimensionalen Merkmals ( ) X Ỹ also z.b. ω Ω,
MehrBundesweite Volksabstimmung
Bundesweite Volksabstimmung Eine repräsentative Umfrage von infratest dimap im Auftrag von OMNIBUS für Direkte Demokratie und Mehr Demokratie / April 2017 Bundesweite Volksabstimmung Untersuchungsanlage
MehrEmpirische Wirtschaftsforschung
Empirische Wirtschaftsforschung Prof. Dr. Bernd Süßmuth Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie 1 4. Basiskonzepte der induktiven
MehrModellanpassung und Parameterschätzung. A: Übungsaufgaben
7 Modellanpassung und Parameterschätzung 1 Kapitel 7: Modellanpassung und Parameterschätzung A: Übungsaufgaben [ 1 ] Bei n unabhängigen Wiederholungen eines Bernoulli-Experiments sei π die Wahrscheinlichkeit
MehrWiederholungsklausur Wirtschaftsmathematik Lösungshinweise
Wiederholungsklausur Wirtschaftsmathematik Lösungshinweise Prüfungsdatum: 9. September 205 Prüfer: Etschberger Studiengang: Wirtschaftsingenieurwesen Aufgabe 5 Punkte Karl möchte heute, am..205, ein Auto
Mehr7. Grenzwertsätze. Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012
7. Grenzwertsätze Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Mittelwerte von Zufallsvariablen Wir betrachten die arithmetischen Mittelwerte X n = 1 n (X 1 + X 2 + + X n ) von unabhängigen
MehrKlausur Statistik Lösungshinweise
Klausur Statistik Lösungshinweise Prüfungsdatum: 13. Januar 2017 Prüfer: Etschberger, Jansen, Ivanov, Wins Studiengang: IM, BW, Inf und W-Inf Punkte: 21, 18, 12, 12, 11, 16 ; Summe der Punkte: 90 Aufgabe
MehrAnpassungstests VORGEHENSWEISE
Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel
MehrDer χ 2 -Test (Chiquadrat-Test)
Der χ 2 -Test (Chiquadrat-Test) Der Grundgedanke Mit den χ 2 -Methoden kann überprüft werden, ob sich die empirischen (im Experiment beobachteten) Häufigkeiten einer nominalen Variable systematisch von
Mehr