4 Punkt- und Intervallschätzung
|
|
- Leon Frei
- vor 8 Jahren
- Abrufe
Transkript
1 W. Timischl, Agewadte Statistik - Formel (Agewadte Statistik Bachelor-Bioegieerig/Biotechologie) 4 Pukt- ud Itervallschätzug 4. Mittelwert ud Variaz Zufallsstichprobe der metrische Variable X vom Umfag : X X,...,, X (Arithmetisches) Mittel: X = X i i= Variaz: S = ( X i X ) i= Stadardabweichug: S = ( X i X ) i= (-α)-kofidezitervall für de Mittelwert µ: [ X d X + d] mit d = t SE ud SE S /,, α / = Approximatio für großes : [ X z SE X + z SE] mit d = z SE ud SE S / α /, α / α / = Faustformel zur Plaug des Stichprobeumfages (Approximatio für großes ): Notwediger Stichprobeumfag für Mittelwertschätzug mit Geauigkeit d ud Sicherheit - α: z σ d α / R-Fuktioe: Arithmetisches Mittel: mea() Variaz: var() Stadardabweichug: sd() Kofidezitervall für Mittelwert: t.test() Hiweis: die Fuktio ist ur awedbar, we die Stichprobewerte gegebe sid, sost direkte Berechug mit de Defiitiosgleichuge. t.test(x, cof.level = 0.95) x = Datevektor, cof.level = Kofidezzahl (default: 0.95) StatFormel_kurz_-Sem 03..4
2 W. Timischl, Agewadte Statistik - Formel (Agewadte Statistik Bachelor-Bioegieerig/Biotechologie) R-Fuktio zur Bestimmug eies (-α)-kofidezitervalls für demittelkwert: # R-Fuktio mit Übergabeparameter: # (Stichprobeumfag), xquer (arithmetisches Mittel), # std (Stadardabweichug), alpha (Irrtumsrisiko) CI_mea <- fuctio(, xquer, std, alpha){ q <- qt(-alpha/, -); se=std/sqrt(); d <- q*se ug <- xquer-d; og <- xquer+d greze <- cbid(ug, og) retur(greze)} optios(digits=4) # Fuktiosaufruf mit =30, xquer=0, std=5, alpha=5% CI_mea(30, 0, 5, 0.05) (-α)-kofidezitervall für die Variaz σ : ( ) S ( ) S, χ, α / χ, α / (-α)-kofidezitervall für die Stadardabweichug σ: ( ) S ( ) S, χ, α / χ, α / R-Fuktio zur Bestimmug eies (-α)-kofidezitervalls für die Variaz: # R-Fuktio mit Übergabeparameter: # (Stichprobeumfag), var (Variaz), alpha (Irrtumsrisiko) CI_var <- fuctio(, var, alpha){ ug <- (-)*var/qchisq(-alpha/, -) og <- (-)*var/qchisq(alpha/, -) greze <- cbid(ug, og) retur(greze)} optios(digits=4) # Fuktiosaufruf mit =30, var=7.93, alpha=5% CI_var(30, 7.93, 0.05) ug og [,] Box-Plot Berechug des p-quatils x p (0 < p < ): Eie Stichprobe der Variable X umfasse die metrische Werte x, x,..., x. Die Aordug der Stichprobewerte ach aufsteigeder Größe führt auf die geordete Stichprobe x (), x (),..., x (). Ma bestimme die Zahl u = +(-)p ud daraus die größte gaze Zahl [u] kleier oder gleich u; ferer setze ma v= u-[u] x p = ( v) x + vx ([ u]) ([ u] + ) Soderfälle: p = 50% (Media x 0.5 ) p = 5% (uteres Quartil x 0.5 ) p = 75% (oberes Quartil x 0.75 ) StatFormel_kurz_-Sem 03..4
3 W. Timischl, Agewadte Statistik - Formel (Agewadte Statistik Bachelor-Bioegieerig/Biotechologie) 3 R-Fuktioe: Media: media() Quatil: quatile(), summary() 5-Pukte-Zusammefassug: fiveum() Ei Boxplot besteht aus eiem Rechteck, das durch das utere ud obere Quartil begrezt wird ud i dem der Media markiert ist. Die Ausläufer ach ute ud obe reiche bis zum kleiste bzw. größte Merkmalswert. R-Fuktio: boxplot() Normal QQ-Plot: Zur Beurteilug, ob die Werte x, x,, x eier Zufallsstichprobe vo X gege die Aahme X ist ormalverteilt spreche. We X N(µ, σ ) verteilt ist, besteht zwische dem p-quatil x p vo X ud dem etsprechede Quatil z p der N(0, )-verteilte Zufallsvariable Z=(X-µ)/σ der lieare Zusammehag x p = σ z p + µ. Die Pukte P(z p, x p ) mit de für verschiedee Werte vo p (0 < p < ) berechete Quatile vo Z ud X als Koordiate) liege im (Z, X)-Koordiatesystem auf eier Gerade mit dem Astieg σ ud dem y- Achseabschitt µ. Die folgede Grafik ethält Normal-QQ-Plots für zwei Zufallsstichprobe (jeweils vom Umfag =30). Die QQ-Plots ethalte auch die Orietierugsgerade durch die de utere ud obere Quartile etsprechede Pukte. Liks sid die Dichtekurve der Grudgesamtheite dargestellt, aus dee die Stichprobe geeriert wurde (obe: Normalverteilug mit µ=5 ud σ=0.5, ute: logarithmische Normalverteilug mit µ= - 0. ud σ=). StatFormel_kurz_-Sem 03..4
4 W. Timischl, Agewadte Statistik - Formel (Agewadte Statistik Bachelor-Bioegieerig/Biotechologie) 4 Vertikal sid die (ach aufsteigeder Größe ageordete) Stichprobewerte x (i) als (empirische) Quatile vo X aufgetrage. Die etsprechede Uterschreitugswahrscheilichkeite p i werde für >0 mit p i =(i-0.5)/ ud für 0 mit p i = (i- 3/8)( + ¼) bestimmt. Aus de p i ermittelt ma die dazu gehörede die Quatile z pi =φ - (p i ) der N(0, )-Verteilug, die horizotal aufgetrage sid. R-Fuktioe: qqorm(), qqlie() 4.3 Wahrscheilichkeit Zufallsstichprobe der dichotome (0/-skalierte) Variable X vom Umfag : X X,...,, X m = absolute Häufigkeit der Ausprägug (Azahl der Utersuchugseiheite mit der Ausprägug ), y = m/ der Ateil der Wiederholuge mit der Ausprägug. Exaktes (-α)-kofidezitervall [p u, p o ] für die Wahrscheilichkeit p (Clopper-Pearso- Itervall): u C = mf m + ( m + ) F m,( m+ ), α / ( m+ ),( m), α /, oc = + mf m,( m+ ), α / m + ( m + ) F( m+ ),( m), α / R-Fuktioe: biom.test(x,, cof.level = 0.95) (im Basis-Paket ethalte) oder selbstdefiierte R-Fuktio: # R-Fuktio mit Übergabeparameter: # (Stichprobeumfag), m (Azahl der Erfolge), alpha (Irrtumsrisiko) CI_p <- fuctio(m,, alpha){ qu <- qf(alpha/, *m, *(-m+)) qo <- qf(-alpha/, *(m+), *(-m)) uc <- m*qu/(-m++m*qu); oc <- (m+)*qo/(-m+(m+)*qo) StatFormel_kurz_-Sem 03..4
5 W. Timischl, Agewadte Statistik - Formel (Agewadte Statistik Bachelor-Bioegieerig/Biotechologie) 5 greze <- cbid(uc, oc) retur(greze)} optios(digits=4) # Fuktiosaufruf mit =0, m=4, alpha=5% CI_p(4, 0, 0.05) Faustformel zur Plaug des Stichprobeumfages (Approximatio für y (-y ) > 9): Notwediger Stichprobeumfag zur Schätzug vo p mit Geauigkeit d ud Sicherheit - α: z d α / 5 Teste vo Hypothese: Eistichprobevergleiche Allgemeies Etscheidugsalterative (Hypothese): z.b. über de Mittelwert µ eier Verteilug: -seitiger Test auf Abweichug: H 0 : µ =µ o versus H : µ µ o (Fall II) -seitiger Test auf Überschreitug: H 0 : µ µ o versus H : µ > µ o (Fall Ia) -seitiger Test auf Uterschreitug: H 0 : µ µ o versus H : µ < µ o (Fall Ib) Etscheidugsproblem: Fehlerriske:. Fehler. Art (α-fehler): irrtümliche Ablehug vo H 0 ; Testetscheidug so, dass P(Etscheidug für H H o ist richtig) < α.. Fehler. Art (β-fehler): irrtümliche Nichtablehug vo H 0 ; P(keie Etscheidug für H H ist richtig) < β, u.a. vom Verteilugsparameter µ abhägig. Zusammefassug beider Fehlerriske i der Gütefuktio (power-fuctio): G(µ) = P(Ablehug vo H 0 µ) = Wahrscheilichkeit, auf Grud eier Zufallsstichprobe gege H 0 zu etscheide. Testetscheidug: Etscheidug erfolgt mit eier (für de jeweilige Test typische) Testgröße TG; Zufallsstichprobe Realisierug TG s. Etscheidug mit dem P-Wert (=Wahrscheilichkeit, dass eie Zufallsstichprobe vom Umfag eie Wert der Testgröße TG ergibt, der zumidest gleich extrem im Sie vo H liegt, wie die beobachtete Realisierug TG s. H o wird abgeleht, we TG s (oder och extremere Werte) uter der Voraussetzug der Gültigkeit vo H o ur mit kleier Wahrscheilichkeit P auftritt (d.h. P kleier als α) ist. Mege der "sehr uwahrscheiliche" TG s -Werte bildet de sog. Ablehugsbereich. Die bei der Ablehug vo H o zur Awedug kommede logische Schlussfigur folgt dem Schema: StatFormel_kurz_-Sem 03..4
6 W. Timischl, Agewadte Statistik - Formel (Agewadte Statistik Bachelor-Bioegieerig/Biotechologie) 6 We H o gilt, da ist ei TG s im Ablehugsbereich "sehr uwahrscheilich"; aus eier Zufallsstichprobe ergibt sich ei TG s im Ablehugsbereich. H o ist sehr uwahrscheilich. Was bedeutet ei icht-sigifikates Testergebis? P α H 0, H? P < α H 0, H? H Power β H 0 Power < β H 0, H? -Stichprobe-t-Test diet zur Prüfug, ob der Mittelwert µ eier ormalverteilte Zufallsvariable vo eiem vorgegebee Sollwert µ 0 abweicht (oder µ 0 überschreitet bzw. uterschreitet). Hypothese ud Testgröße: (I) H 0 : µ = µ 0, H : µ µ 0 (IIa) H 0 : µ µ 0, H : µ > µ 0 (IIb) H 0 : µ µ 0, H : µ < µ 0 X µ 0 TG = S Hiweis: Die Testgröße TG ist uter H 0 t-verteilt mit FG=-. Etscheidug mit P-Wert: H 0 auf Sigifikaziveau α ablehe, we P < α, wobei P=-F - (TG s ) (Fall Ia) bzw. P=F - (TG s ) (Fall Ib) bzw. P=F - (- TG s ) (Fall II) ; F - ist die Verteilugsfuktio der t - -Verteilug. R-Fuktio: t.test() t.test(x, alterative = c("two.sided", "less", "greater"), mu = 0, cof.level = 0.95) x = Datevektor; alterative = Parameter zur Kezeichug der Testalterative (muss vo der Gestalt "two.sided" (default), "greater" oder "less" sei); mu = Referezwert mu0; cof.level = Kofidezzahl (default: 0.95) Plaug des Stichprobeumfages: Notwediger Stichprobeumfag, um auf Niveau α mit Sicherheit -ß eie Etscheidug für H herbeizuführe, we µ vo µ 0 um 0 im Sie der Alterativhypothese abweicht (die Formel liefer ab =0 brauchbare Näherugswerte): σ σ ( / ) (Fall II) bzw. ( ) (Fälle Ia, b) z α + z β z α + z β R-Fuktio: power. t.test() StatFormel_kurz_-Sem 03..4
7 W. Timischl, Agewadte Statistik - Formel (Agewadte Statistik Bachelor-Bioegieerig/Biotechologie) 7 power.t.test( = NULL, delta = NULL, sd =, sig.level = 0.05 (default), power = NULL, type = "oe.sample", alterative = c("two.sided", "oe.sided")) = Stichprobeumfag; delta = relevate Abweichug; sd = Stadardabweichug; sig.level = Testiveau α; power = ß; type = Parameter zur Kezeichug des Typs des t-tests; alterative = Parameter zur Kezeichug der Testalterative. Biomialtest diet zur Prüfug, ob eie ubekate Wahrscheilichkeit p vo eiem vorgegebee Sollwert p 0 abweicht bzw. diese über- oder uterschreitet; p ist die Wahrscheilichkeit, dass eie Utersuchugseiheit die Ausprägug E zeigt. Hypothese ud Testgröße: (Ia) H 0 : p p 0, H : p > p 0 bzw. (Ib) H 0 : p p 0, H : p < p 0 bzw. (II) H 0 : p = p 0, H : p p 0 TG=H = Azahl der Beobachtuge mit der Ausprägug E ( ist der Stichprobeumfag); TG ~ B,p0 für p=p 0. Für die kokrete Beobachtugsreihe ist H=h. Testetscheidug mit dem P-Wert: H 0 auf Sigifikaziveau α ablehe, we P < α, wobei P= - F B (h-) (Fall Ia) bzw. P= F B (h) (Fall Ib) bzw. P= F B (p 0 -d)+- F B (p 0 +d-) (Fall II) F B bezeichet die Verteilugsfuktio der B,p0 -Verteilug, d= h-p 0. Plaug des Stichprobeumfages: Notwediger Stichprobeumfag, um auf Niveau α mit Sicherheit -ß eie Etscheidug für H herbeizuführe, we p vo p 0 um 0 im Sie der Alterativhypothese abweicht: ( z + z ) α β ( arcsi p arcsi p ) 0 (Fälle Ia, b) bzw. ( z + z ) α / β ( arcsi p arcsi p ) 0 (Fall II) R-Fuktio: biom.test() - Exakter Biomialtest biom.test(x,, p = 0.5, alterative = c("two.sided", "less", "greater"), cof.level = 0.95) x = Azahl der Erfolge; = Azahl der Versuche; p = Referezwert p0 (siehe Hypothese); alterative = Parameter zur Kezeichug der Testalterative (muss vo der Gestalt "two.sided" (default), "greater" oder "less" sei); cof.level = Kofidezzahl (default: 0.95). Shapiro-Wilk-Test StatFormel_kurz_-Sem 03..4
8 W. Timischl, Agewadte Statistik - Formel (Agewadte Statistik Bachelor-Bioegieerig/Biotechologie) 8 wurde speziell zur Überprüfug der Aahme (=Nullhypothese) etwickelt, dass eie metrische Zufallsvariable X ormalverteilt ist. Die Nullhypothese wird auf dem Niveau α abgeleht, we der P-Wert kleier als α ist. Hypothese: H 0 : Date stamme aus ormalverteilter Grudgesamtheit H : Date stamme aus icht-ormalverteilter Grudgesamtheit R-Fuktio: shapiro.test() Shapiro-Wilk-Test shapiro.test(x) x = Datevektor. 6 Teste vo Hypothese: Zweistichprobevergleiche Welch-Test Hypothese ud Testgröße: (II) H 0 : µ = µ, H : µ µ (Ia) H 0 : µ µ, H : µ > µ (Ib) H 0 : µ µ, H : µ < µ X X TG = S + S / / Hiweis: Die Testgröße TG ist uter H 0 approximativ t-verteilt mit dem Freiheitsgrad f ( s / ) ( s /( / + s ) + ( s / ) / ) /( ) Etscheidug mit P-Wert: H 0 auf Sigifikaziveau α ablehe, we P < α, wobei P=F f (- TGs ) (Fall II) bzw. P=-F f ( TG s ) (Fall Ia) bzw. P=F f (TG s ) (Fall Ib); F f ist die Verteilugsfuktio der t-verteilug mit f Freiheitsgrade. R-Fuktio: t.test() Welch-Test t.test(x, y = NULL, alterative = c("two.sided", "less", "greater"), cof.level = 0.95) x = Datevektor (X-Stichprobe); y = Datevektor (-Stichprobe) alterative = Parameter zur Kezeichug der Testalterative (muss vo der Gestalt "two.sided" (default), "greater" oder "less" sei; greater bedeutet H: Mittelwert vo X > Mittelwert vo ); cof.level = Kofidezzahl (default=0.95). StatFormel_kurz_-Sem 03..4
9 W. Timischl, Agewadte Statistik - Formel (Agewadte Statistik Bachelor-Bioegieerig/Biotechologie) 9 Plaug des Stichprobeumfages: Notwediger Stichprobeumfag, um auf Niveau α mit Sicherheit -ß eie Etscheidug für H herbeizuführe, we µ vo µ um 0 im Sie der Alterativhypothese abweicht (die Formel gelte für = = ud liefer ab =0 brauchbare Näherugswerte): σ σ ( z + z ) (Fall II) bzw. ( z z ) (Fälle Ia, b) α / β α + R-Fuktio: power.t.test() - Power/Mideststichprobeumfag power.t.test( = NULL, delta = NULL, sd =, sig.level = 0.05, power = NULL, type = "two.sample", alterative = c("two.sided", "oe.sided")) = Stichprobeumfag (i jeder der zu vergleichede Gruppe) delta = relevate Abweichug (der Gruppemittelwerte); sd = Stadardabweichug (Quadratwurzel der gewichtete Stichprobevariaze); sig.level = Testiveau α; power = -ß; type = Parameter zur Kezeichug des Typs des t-tests; alterative = Parameter zur Kezeichug der Testalterative. β t-test für abhägige Stichprobe (Paarvergleich) ist ei mit der Differezvariable D=X -X ud dem Sollwert µ 0 = 0 geführter -Stichprobe-t-Test. Es bedeute µ D ud σ D de Mittelwert bzw. die Stadardabweichug vo D; X D ud S D sid das Stichprobemittel bzw. die Stichprobevariaz der Differezstichprobe. Hypothese ud Testgröße: (I) H 0 : µ D = 0, H : µ D 0 (IIa) H 0 : µ D 0, H : µ D > 0 (IIb) H 0 : µ D 0, H : µ D < 0 X D TG = S D Hiweis: Die Testgröße TG ist uter H 0 t-verteilt mit FG=-. Etscheidug mit P-Wert: H 0 auf Sigifikaziveau α ablehe, we P < α, wobei P=-F - (TG s ) (Fall Ia) bzw. P=F - (TG s ) (Fall Ib) bzw. P=F - (- TG s ) (Fall II); F - ist die Verteilugsfuktio der t - -Verteilug. R-Fuktio: t.test() t.test(x, x, paired=t, alterative = c("two.sided", "less", "greater"), cof.level = 0.95) x, x = Datevektor; alterative = Parameter zur Kezeichug der Testalterative (muss vo der Gestalt "two.sided" (default), "greater" oder "less" sei); paired = logische Variable, ist bei Paarvergleich auf TRUE zu setze; cof.level = Kofidezzahl (default: 0.95) StatFormel_kurz_-Sem 03..4
10 W. Timischl, Agewadte Statistik - Formel (Agewadte Statistik Bachelor-Bioegieerig/Biotechologie) 0 Plaug des Stichprobeumfages: Notwediger Stichprobeumfag, um auf Niveau α mit Sicherheit -ß eie Etscheidug für H herbeizuführe, we µ D vo 0 um 0 im Sie der Alterativhypothese abweicht (die Formel liefer ab =0 brauchbare Näherugswerte): σ D σ ( ) (Fall II) bzw. D z + z ( z z ) (Fälle Ia, b) α / β α + R-Fuktio: power. t.test() power.t.test( = NULL, delta = NULL, sd =, sig.level = 0.05 (default), power = NULL, type = "paired", alterative = c("two.sided", "oe.sided")) = Stichprobeumfag; delta = relevate Abweichug; sd = Stadardabweichug; sig.level = Testiveau α; power = ß; type = "paired" Parametersetzug zur Kezeichug des t-tests für abhägige Stichprobe; alterative = Parameter zur Kezeichug der Testalterative. β Vergleich zweier Wahrscheilichkeite (uabhägige Stichprobe) X = zweistufiges Merkmal mit de Auspräguge a ud a, das uter zwei Versuchsbediguge beobachtet wird;, = Umfäge der Parallelstichprobe; p, p = Wahrscheilichkeite, dass X uter de Versuchsbediguge de Wert a aimmt. Hypothese ud Testgröße: (II) H 0 : p = p, H : p p (Ia) H 0 : p p, H : p > p (Ib) H 0 : p p, H : p < p TG = ( ) +, = Ateile, mit dee die Merkmalsausprägug uter der erste bzw. zweite Versuchsbedigug auftritt; = Ateil, mit dem der Wert a i beide zusammegefasste Gruppe auftritt. Idem ma für, ud die etsprechede relative Häufigkeite y = /, y = / bzw. y=. / eisetzt, erhält ma die Realisierug TG s der Testgröße; dabei ist ij die Azahl der Utersuchugseiheite mit der Ausprägug a i uter der j-te Versuchsbedigug ud. Der Ateil der Utersuchugseiheite mit der Ausprägug a i beide Gruppe. TG ist uter H 0 (p =p ) ageähert stadardormalverteilt, we die auf de Gesamtumfag = + bezogee Produkte der Spaltesumme mit de Zeilesumme größer als 5 sid. Etscheidug mit P-Wert: StatFormel_kurz_-Sem 03..4
11 W. Timischl, Agewadte Statistik - Formel (Agewadte Statistik Bachelor-Bioegieerig/Biotechologie) H 0 auf Sigifikaziveau α ablehe, we P < α, wobei P= F(- TG s ) für die zweiseitige Testvariate II bzw. P= - F(TG s ) für die Variate Ia bzw. P= F(TG s ) für die Variate Ib ist. R-Fuktio: prop.test() prop.test(x,, alterative = c("two.sided", "less", "greater"), cof.level = 0.95) x = Vektor mit de Azahle der Erfolge i de zu vergleichede Gruppe; = Vektor mit de Azahle der Versuche i de zu vergleichede Gruppe; alterative = Parameter zur Kezeichug der Testalterative (muss vo der Gestalt "two.sided" (default), "greater" oder "less" sei) cof.level = Kofidezzahl (default = 0.95). Plaug des Stichprobeumfages: Notwediger Stichprobeumfag, um auf Niveau α mit Sicherheit -ß eie Etscheidug für H herbeizuführe, we p vo p um 0 im Sie der Alterativhypothese abweicht: ( z + z ) α / β = mit h = arcsi p + arcsi h Im Falle der -seitige Testvariate ist α/ durch α zu ersetze. R-Fuktio: power.prop.test() - Power/Mideststichprobeumfag power.prop.test( = NULL, p = NULL, p = NULL, sig.level = 0.05, power = NULL, alterative = c("two.sided", "oe.sided")) = Stichprobeumfag (i jeder Gruppe); p = Erfolgswahrscheilichkeit i Gruppe ; p = Erfolgswahrtscheilichkeit i Gruppe ; sig.level = Testiveau α; power = -ß: alterative = Parameter zur Kezeichug der Testalterative. p 7 Abhägigkeit (Zusammehag) zwische zwei Merkmale 7. Produktmometkorrelatio Defiitio: X ud heiße -dimesioal ormalverteilt mit de Parameter µ X, µ, σ X, σ ud ρ X, we sie mit Hilfe vo uabhägige, N(0,)-verteilte Zufallsvariable Z, Z durch wie folgt erzeugt werde: X = σ Z X = σ ρ X + µ Z X + σ ρ X Z + µ Schätzug des Verteilugsparameters ρ X : Es sei (x i,y i ) (i=,,...,) eie Zufallsstichprobe der Zufallsvariable X ud mit zweidimesioaler Normalverteilug. Da ist StatFormel_kurz_-Sem 03..4
12 W. Timischl, Agewadte Statistik - Formel (Agewadte Statistik Bachelor-Bioegieerig/Biotechologie) r X s X = X sx s ( r + ) ei Schätzwert für die Produktmometkorrelatio (Pearso-Korrelatio) ρ X. Es sid: s X ud s die Stadardabweichuge der X- ud -Stichprobe ud s X dere Kovariaz: s X = = i ( x x)( y y) i i Abhägigkeitsprüfug mit der Produktmometkorrelatio Hypothese ud Testgröße: (II) H 0 : ρ X = 0, H : ρ X 0, (Ia) H 0 : ρ X 0, H : ρ X > 0, (Ib) H 0 : ρ X 0, H : ρ X < 0 rxy sxy TG = mit rxy = r sxs xy Hiweis: Die Testgröße TG ist uter H 0 t-verteilt mit FG=-. Etscheidug mit P-Wert: H 0 auf Sigifikaziveau α ablehe, we P < α, wobei P=-F - (TG s ) (Fall Ia) bzw. P=F - (TG s ) (Fall Ib) bzw. P=F - (- TG s ) (Fall II); F - ist die Verteilugsfuktio der t - -Verteilug. y R-Fuktio: cor.test() cor.test(x, y, alterative = c("two.sided", "less", "greater"), method = "pearso", cof.level = 0.95) x, y = Datevektore (X- ud -Stichprobe) alterative = Parameter zur Kezeichug der Testalterative (muss vo der Gestalt "two.sided" (default), "greater" oder "less" sei; method = Parameter zur Festlegug des Korrelatiosmaßes; cof.level = Kofidezzahl (default: 0.95). 7. Eifache lieare Regressio Lieares Modell (Typ B: zufallsgestörte lieare Abhägigkeit der Zielvariable vo der Eiflussvariable X): ( x) = µ ( x) + E mit 0 0 E µ ( x) = f ( x; β, β ) = β + β x, E N(0, σ ) Es sid µ (x) der durchschittliche (durch X bestimmte) Wert vo sowie β o ud β die zu schätzede Parameter der Regressiosgerade mit der Gleichug µ (x) = β o + β X. Die Schätzwerte für β o (y-achseabschitt) ud β (Astieg) seie b o bzw. b. StatFormel_kurz_-Sem 03..4
13 W. Timischl, Agewadte Statistik - Formel (Agewadte Statistik Bachelor-Bioegieerig/Biotechologie) 3 Prizip der Kleiste Quadrat Schätzug: y ^ = b 0 + b x y i ^ y i (0, b 0 ) e i P i ^Pi X Schätzwerte: ˆ sx s β = b = = rx, ˆ β0 = b0 = y b x sx sx Vorgagsweise bei liearer Regressiosaalyse:. Überprüfug der Adäquatheit des lieare Modells (Regressiosgerade) im Streudiagramm. we. zutrifft: Prüfug auf (lieare) Abhägigkeit (Abhägigkeitsprüfug mit der Produktmometkorrelatio) 3. we. zutrifft: Schätze der Regressiosparameter ud Agabe der Regressiosgerade 4. Überprüfug der Residue (Normalverteilug) 5. Beurteilug der Güte der Apassug mit dem Bestimmtheitsmaß B=r R-Fuktio: plot() Streudiagramm plot(x, y,...) x = Datevektor für die uabhägige Variable X; y = Datevektor für die abhägige Variable ;... Grafikparameter (zb mai (mai= Überschrift ), xlab (xlab = X-Achse- Bezeichug ), ylab (ylab= -Achsebezeichug ). R-Fuktio: ablie() Eizeiche der Regressiosgerade i das Streudiagramm ablie(lm(y~x)) x = Datevektor für die uabhägige Variable X; y = Datevektor für die abhägige Variable. x i R-Fuktio: lm() Lieares Modell lm(formula, data) formula = Regressiosfuktiosterm (bei eifacher liearer Regressio: abh. V. ~ uabh. V.) data = dataframe mit de Stichprobe der Variable als Spalte. 7.3 Lieare Regressio durch de Nullpukt: Modell: ( x) = µ ( x) + E mit µ ( x) = f ( x; β ) = β x, E E N(0, σ ) StatFormel_kurz_-Sem 03..4
14 W. Timischl, Agewadte Statistik - Formel (Agewadte Statistik Bachelor-Bioegieerig/Biotechologie) 4 Parameterschätzug: Schätzwerte für die Modellparameter: ˆβ = b = i= x y SQE MQE = mit i i i= x i, SQE = i= y i i= x i yi i= x i (-α)-kofidezitervall für de Astieg: MQE b t SE b = b t ±, α / ( ) ±, α / = i x i R-Fuktio: lm() Lieares Modell lm(formula, data) formula = Regressiosfuktiosterm (bei liearer Regressio durch de Nullpukt: abh. V. ~ 0 + uabh. V.) data = dataframe mit de Stichprobe der Variable als Spalte. 7.4 Lieare Kalibratiosfuktioe: Bestimmug der Kalibratiosfuktio: ˆ sx s β, ˆ = b = = r 0 0, X β = b = y b x s s ˆ σ E X SQE = MQE = X mit SQE = ( ) s Voraussetzug (Abhägigskeitsprüfug): TG ( r rx b ( ) s X = = > t, α / r MQE X Rückschluss vo auf X: Schätzwert für gesuchte Probewerte vo X zu bekatem Wert (Erwartugswert) η vo : ξ = ( η β ) β. 0 / X ) Im Allgemeie sid weder die Regressiosparameter och η bekat; η wird durch de Mittelwert y * aus m zum selbe ξ gemessee -Werte (im Extremfall ka m= sei) geschätzt, ξ durch xˆ = x + ( yˆ * y) / b ; Stadardfehler sx ˆ vo xˆ : ( y y) MQE s = + + xˆ b m b ( ) sx Voraussetzug: t / TG 0. g =, α / < Approximatives (-α)-kofidezitervall für Probewert ξ : UG = xˆ t s ud OG = x t s, α / xˆ ˆ +, α / xˆ StatFormel_kurz_-Sem 03..4
15 W. Timischl, Agewadte Statistik - Formel (Agewadte Statistik Bachelor-Bioegieerig/Biotechologie) 5 Hiweis: Für ei optimales Desig der Kalibratiosfuktio wird ma darauf achte, dass ( y y) möglichst klei ud s möglichst groß ist. X R-Fuktio zur Schätzug eies Probewertes mit Hilfe eier lieare Kaibratiosfuktio: # R-Fuktio zur Schätzug eies Probewertes # mit Hilfe eier liare Kalibratiosfuktio # *************************************************************************** # Eigabeparameter # x, y = Vektore der Kalibrierprobewerte bzw. der Hilfsgrößewerte # lieare Regressio vo y auf x ergibt die Kalibratiosfuktio # y0 = gemesseer y-wert # alpha = Irrtumsrisiko # Ausgabeparameter # y0 = gemesseer y-wert y0 der ubekate Probe # x0 <- Schätzwert für de ubekate Probewert # alpha = Irrtumsrisiko # se_xd = Stadardfehler der Schätzfuktio für ubekate Probewert # UG, OG = Greze eies (-alpha)-ci für ubekate Probewert # g = kritischer Wert für Approximatio: muss < 0. sei! # **************************************************************************** prob_est = fuctio(x, y, y0, alpha){ # a) Abhägigkeitsprüfug ud Parameterschätzug: date <- data.frame(x, y) kal_modell <- lm(y~x, data=date) ergebis <- summary(kal_modell); b <- ergebis$coefficiets b0 <- b[,]; b <- b[,] # b) Schätzug des Wertes x0 zu gemessee y-wert y0 der ubekate Probe x0 <- (y0-b0)/b # Schätzwert für ubekate Probewert yquer <- mea(y); <- legth(x); sigma <- ergebis$sigma se_xd <- sigma/abs(b)*sqrt(+/+(y0-yquer)^/b^/(-)/var(x)) t_quatil <- qt(-alpha/, -) UG <- x0 - t_quatil*se_xd; OG <- x0 + t_quatil*se_xd # Überprüfug der Voraussetzug r <- cor(x, y); tgs <- r*sqrt(-)/sqrt(-r^); g <- t_quatil^/tgs^ out <- c(y0, x0, alpha, se_xd, UG, OG, g) retur(out) } # Beispiel für Aufruf der R-Fuktio masse <- c(.409,3.03, 5.508, 8.00, 0.303) peak <- c(0.07, 0.040, 0.065, 0.084, 0.0) y0 < ; alpha < prob_est(masse, peak, y0, alpha) 8 Variazaalyse 8. Globaltest Date: Variable uter k Versuchsbediguge (= Faktorstufe) wiederholt (a j Utersuchugseiheite auf der Faktorstufe j) gemesse k uabhägige Stichprobe Aordug i Datetabelle (y ij = Messwert vo der i-te Utersuchugseiheit uter der j - Versuchsbedigug): Versuchsbedigug (Faktorstufe) StatFormel_kurz_-Sem 03..4
16 W. Timischl, Agewadte Statistik - Formel (Agewadte Statistik Bachelor-Bioegieerig/Biotechologie) 6... j... k Wiederholuge y y... y j... y k y y... y j... y k y i y i... y ij... y ik y, y,... y j,j... y k,k Azahl... j... k Mittelwert m m... m j... m k Variaz s s... s j... s k Hypothese ud Testgröße: H 0 : µ = µ =... = µ k vs. H : weigstes zwei der µ j uterscheide sich TG = MQF MQE F SQF MQF =, k k, N k SQF = mit k = j j ( m m) j Eisetze der Stichprobewerte i die Testgröße ergibt die Realsierug TG s. Zusammefassug der relevate Rechegröße i der ANOVA-Tafel: Variatiosursache Quadratsumme Freiheitsgrad Mittlere Quadratsumme Testgröße Faktor F (Bedigug) SQF k - MQF=SQF/(k-) TG=MQF/MQE Versuchsfehler SQE N - k MQE=SQE/(N-k) Summe SQT - SQT = ( -)s +( -)s +...+( -)s Etscheidug mit P-Wert: H 0 auf Sigifikaziveau α ablehe, we P < α, wobei P= F f,f (TG s ) ; dabei ist F f,f die Verteilugsfuktio der F-Verteilug mit de Freiheitsgrade f =k- ud f =N-k. Voraussetzuge: Die -faktorielle ANOVA setzt voraus, dass die Fehlergröße E ij voeiader uabhägig variierede ud N(0, σ )-verteilte Zufallsvariable sid (Überprüfug durch ei mit de Residue erstelltes Normal-QQ-Plot oder Shapiro-Wilk-Test). Diese Voraussetzug bedeutet im Besodere, dass die Normalverteiluge auf jeder Faktorstufe dieselbe Fehlervariaz aufweise (Variazhomogeität, Überprüfug mit dem Levee- Test). R-Fuktio: aov() aov(formula, data = NULL) formula = Formel zur Festlegug des Modells (-faktorielle ANOVA: formula = abh. V. ~ Faktorvariable) data = Dataframe mit de Werte der Modellvariable 8. Levee-Test (zur Prüfug auf ugleiche Variaze) StatFormel_kurz_-Sem 03..4
17 W. Timischl, Agewadte Statistik - Formel (Agewadte Statistik Bachelor-Bioegieerig/Biotechologie) 7 Date (wie bei Globaltest) Hypothese: H 0 : σ = σ =... = σ k vs. H : weigstes zwei der σ j uterscheide sich Testgröße: Beobachtuge ij auf der j-te Faktorstufe werde durch Abstäde Z ij = ij - m j vom jeweilige Stichprobemittel m j ersetzt modifizierte Datetabelle Versuchsbedigug (Faktorstufe)... j... k Wiederholuge z z... z j... z k z z... z j... z k z, z,... z j,j... z k,k Azahl... j... k z-mittelwerte m (z) m (z)... m j (z)... m k (z) z-variaze s (z) s (z)... s j (z)... s k (z) Idee: We Variazhomogeität vorliegt, stimme die Mittelwerte m j (z) bis auf zufallsbedigte Abweichuge überei. Prüfug der Abweichuge im Rahme eier eifaktorielle ANOVA mit der Testgröße: MQF( z) TG( z) = mit MQE( z) MQE( z) = N k MQF = k k j= k j= j ( ) [ m ( z) m( z) ] j j j s ( z) ud Eisetze der Stichprobewerte i die Testgröße ergibt die Realsierug TG(z) s ; m(z) ist das aus alle z- Werte berechete Gesamtmittel). Etscheidug mit P-Wert: H 0 auf Sigifikaziveau α ablehe, we P < α, wobei P=P(TG(z) TG(z) s ) R-Fuktio: leveetest() aus dem Paket car leveetest(y, data, ceter=c(mea, media)) y = Objekt vom Typ formula (zb Zielvariable ~ Faktor oder vom Typ lm) data = dataframe mit de Stichprobewerte der Zielvariable ud der Faktorvariable ceter = Fuktio zur Bestimmug der Zetre der Faktorgruppe (ceter=mea oder ceter=media); Voreistellug: ceter=media ODER R-Fuktio: aov() Aalog zum Globaltest mit de Abstäde Z ij StatFormel_kurz_-Sem 03..4
18 W. Timischl, Agewadte Statistik - Formel (Agewadte Statistik Bachelor-Bioegieerig/Biotechologie) Multiple Mittelwertvergleiche: HSD-Test vo Tukey Ausgagssituatio: Globaltest der -faktorielle ANOVA ergibt Ablehug der Nullhypothese (Gleichheit der k Mittelwerte) auf Sigifikaziveau α. Frage: Was sid die Paare mit verschiedee Stufemittelwerte Idee: Es wird eie Midestdistaz agegebe, die zwei Stufemittelwerte habe müsse, damit sie auf dem (simulta festgelegte Niveau α) als verschiede azusehe sid. R-Fuktio: TukeyHSD() TukeyHSD(x, cof.level = 0.95) x = mit aov erzeugtes Objekt co.level = - (Voreistellug 0.95) StatFormel_kurz_-Sem 03..4
Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39
Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle
MehrFormelsammlung Mathematik
Formelsammlug Mathematik 1 Fiazmathematik 1.1 Reterechug Sei der Zissatz p%, der Zisfaktor q = 1 + p 100. Seie R die regelmäßig zu zahlede Rate, die Laufzeit. Edwert: Barwert: achschüssig R = R q 1 q 1
MehrWissenschaftliches Arbeiten Studiengang Energiewirtschaft
Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:
MehrAuch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert.
Prof. Dr. H. Rommelfager: Etscheidugstheorie, Kaitel 3 7 3. Etscheidug bei Risiko (subjektive oder objektive) Eitrittswahrscheilichkeite für das Eitrete der mögliche Umweltzustäde köe vom Etscheidugsträger
MehrEvaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt
2.4.5 Gauss-Test ud t-test für verbudee Stichprobe 2.4.5.8 Zum Begriff der verbudee Stichprobe Verbudee Stichprobe: Vergleich zweier Merkmale X ud Y, die jetzt a deselbe Persoe erhobe werde. Vorsicht:
Mehr15.4 Diskrete Zufallsvariablen
.4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet
MehrStatistik I/Empirie I
Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass
Mehr6 Vergleich mehrerer unverbundener Stichproben
6 Vergleich mehrerer uverbudeer Stichprobe 6.1 Die eifaktorielle Variazaalyse Die eifaktorielle Variazaalyse diet der Utersuchug des Eiflusses eier kategorieller (bzw. ichtmetrischer) Variable, die die
MehrÜbungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Prof. Dr. Rolad Speicher M.Sc. Tobias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 01 Musterlösug zu Blatt 0 Aufgabe 1. Käpt Schwarzbart,
Mehr2 Vollständige Induktion
8 I. Zahle, Kovergez ud Stetigkeit Vollstädige Iduktio Aufgabe: 1. Bereche Sie 1+3, 1+3+5 ud 1+3+5+7, leite Sie eie allgemeie Formel für 1+3+ +( 3)+( 1) her ud versuche Sie, diese zu beweise.. Eizu5% ZiseproJahragelegtes
Mehr3. Einführung in die Statistik
3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :
Mehrh i Deskriptive Statistik 1-dimensionale Daten Daten und Häufigkeiten Seite 1 Nominal Ordinal Metrisch (Kardinal) Metrisch - klassiert
Deskriptive Statistik dimesioale Date Date ud Häufigkeite Seite Nomial Ordial Metrisch (Kardial Metrisch klassiert Beschreibug: Date habe keie atürliche Reihefolge. Bsp: Farbe, Religio, Geschlecht, Natioalität...
MehrKapitel 6: Statistische Qualitätskontrolle
Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle
Mehr3 Vergleich zweier unverbundener Stichproben
3 Vergleich zweier uverbudeer Stichprobe 3. Der Zweistichprobe t-test Es wird vorausgesetzt, dass die beide Teilstichprobe x, x,..., x ud y, y,..., y jeweils aus (voeiader uabhägige) ormalverteilte Grudgesamtheite
MehrVariiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen.
3. Variazaalyse Die Variazaalyse mit eier quatitative abhägige Variable ud eier oder mehrerer qualitativer uabhägiger Variable wird auch als ANOVA (Aalysis of Variace) bezeichet. Mit eier Variazaalyse
MehrTests statistischer Hypothesen
KAPITEL 0 Tests statistischer Hypothese I der Statistik muss ma oft Hypothese teste, z.b. muss ma ahad eier Stichprobe etscheide, ob ei ubekater Parameter eie vorgegebee Wert aimmt. Zuerst betrachte wir
Mehr1 Wahrscheinlichkeitsrechnung
W. Timischl, Agewadte Statistik - Formel (Agewadte Statistik Bachelor-Bioegieerig/Biotechologie) Wahrscheilichkeitsrechug Laplace-Wahrscheilichkeit: P ( E) Azahl der für das Ereigis E güstige Ausgäge E
MehrAllgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable
Allgemeie Lösuge der -dimesioale Laplace-Gleichug ud ihre komplexe Variable Dr. rer. at. Kuag-lai Chao Göttige, de 4. Jauar 01 Abstract Geeral solutios of the -dimesioal Laplace equatio ad its complex
Mehrn 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:
61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl
MehrKorrekturrichtlinie zur Studienleistung Wirtschaftsmathematik am 22.12.2007 Betriebswirtschaft BB-WMT-S11-071222
Korrekturrichtliie zur Studieleistug Wirtschaftsmathematik am..007 Betriebswirtschaft BB-WMT-S-07 Für die Bewertug ud Abgabe der Studieleistug sid folgede Hiweise verbidlich: Die Vergabe der Pukte ehme
MehrStichproben im Rechnungswesen, Stichprobeninventur
Stichprobe im Rechugswese, Stichprobeivetur Prof Dr Iree Rößler ud Prof Dr Albrecht Ugerer Duale Hochschule Bade-Württemberg Maheim Im eifachste Fall des Dollar-Uit oder Moetary-Uit Samplig (DUS oder MUS-
MehrInnerbetriebliche Leistungsverrechnung
Ierbetriebliche Leistugsverrechug I der Kostestellerechug bzw. im Betriebsabrechugsboge (BAB ist ach der Erfassug der primäre Kostestellekoste das Ziel, die sekudäre Kostestellekoste, also die Koste der
MehrVl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3
Vl Statistische Prozess ud Qualitätskotrolle ud Versuchsplaug Übug 3 Aufgabe ) Die Schichtdicke X bei eier galvaische Beschichtug vo Autoteile sei ormalverteilt N(μ,σ ). 4 Teile werde galvaisch beschichtet.
Mehr3 PARAMETERSCHÄTZUNG. Inhalt: 3.1 Datenbeschreibung bei einem Merkmal 3.2 Schätzfunktionen 3.3 Intervallschätzung 3.
1 3 PARAMETERSCHÄTZUNG Ihalt: 3.1 Datebeschreibug bei eiem Merkmal 3. Schätzfuktioe 3.3 Itervallschätzug 3.4 Übugsbeispiele Lerziele: - Aus Stichprobewerte die Variatio eies quatitative Merkmals durch
MehrVl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5
Vl Statistische Prozess- ud Qualitätskotrolle ud Versuchsplaug Übug 5 Aufgabe ) Sei p = P(A) die Wahrscheilichkeit für ei Ereigis A, dh., es gilt 0 p. Bereche Sie das Maximum der Fuktio f(p) = p(-p). Aufgabe
MehrStatistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S
Statistik mit Excel 2013 Peter Wies Theme-Special 1. Ausgabe, Februar 2014 W-EX2013S 3 Statistik mit Excel 2013 - Theme-Special 3 Statistische Maßzahle I diesem Kapitel erfahre Sie wie Sie Date klassifiziere
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
MehrTestumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen
Testumfag für die Ermittlug ud Agabe vo Fehlerrate i biometrische Systeme Peter Uruh SRC Security Research & Cosultig GmbH peter.uruh@src-gmbh.de Eileitug Biometrische Systeme werde durch zwei wichtige
MehrGliederung. Value-at-Risk
Value-at-Risk Dr. Richard Herra Nürberg, 4. Noveber 26 IVS-Foru Gliederug Modell Beispiel aus der betriebliche Altersversorgug Verteilug des Gesatschades Value-at-Risk ud Tail Value-at-Risk Risikobeurteilug
MehrLerneinheit 2: Grundlagen der Investition und Finanzierung
Lereiheit 2: Grudlage der Ivestitio ud Fiazierug 1 Abgrezug zu de statische Verfahre Durchschittsbetrachtug wird aufgegebe Zeitpukt der Zahlugsmittelbewegug explizit berücksichtigt exakte Erfassug der
MehrStatistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte.
Statistik Vorlesug,. ärz, Statistische aßzahle Iformatio zu verdichte, Besoderheite hervorzuhebe ittelwerte Aufgabe: die Lage der Verteilug auf der Abszisse zu zeige. Der odus: derjeige Wert, der im Häufigste
Mehr2.4.1 Grundprinzipien statistischer Hypothesentests
86 2.4. Hypothesetests 2.4 Hypothesetests 2.4.1 Grudprizipie statistischer Hypothesetests Hypothese: Behauptug eier Tatsache, dere Überprüfug och aussteht (Leuter i: Edruweit, Trommsdorff: Wörterbuch der
MehrÜberblick über die Tests
Anhang A Überblick über die Tests A.1 Ein-Stichproben-Tests A.1.1 Tests auf Verteilungsannahmen ˆ Shapiro-Wilk-Test Situation: Test auf Normalverteilung H 0 : X N(µ, σ 2 ) H 1 : X nicht normalverteilt
Mehr2. Diophantische Gleichungen
2. Diophatische Gleichuge [Teschl05, S. 91f] 2.1. Was ist eie diophatische Gleichug ud wozu braucht ma sie? Def D2-1: Eie diophatische Gleichug ist eie Polyomfuktio i x,y,z,, bei der als Lösuge ur gaze
MehrKapitel 5: Schließende Statistik
Kapitel 5: Schließede Statistik Statistik, Prof. Dr. Kari Melzer 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte
MehrVereinheitlichung Einheitlicher Maßstab der Risikoeinschätzung. Limitierung / Steuerung Messung und Limitierung ist fundamental für die Steuerung
. Marktpreisrisiko Motivatio der VaR-Ermittlug Vereiheitlichug Eiheitlicher Maßstab der Risikoeischätzug Limitierug / Steuerug Messug ud Limitierug ist fudametal für die Steuerug Kapitaluterlegug Zur Deckug
Mehr2. Repetition relevanter Teilbereiche der Statistik
. Repetitio Statistik Ökoometrie I - Peter Stalder. Repetitio relevater Teilbereiche der Statistik (Maddala Kapitel ) Zufallsvariable ud Wahrscheilichkeitsverteiluge Zufallsvariable X (stochastische Variable)
MehrKapitel 6 : Punkt und Intervallschätzer
7 Kapitel 6 : Pukt ud Itervallschätzer Puktschätzuge. I der Statistik wolle wir Rückschlüsse auf das Wahrscheilichkeitsgesetz ziehe, ach dem ei vo us beobachtetes Zufallsexperimet abläuft. Hierzu beobachte
MehrVersicherungstechnik
Operatios Research ud Wirtschaftsiformati Prof. Dr. P. Recht // Dipl.-Math. Rolf Wedt DOOR Versicherugstechi Übugsblatt 3 Abgabe bis zum Diestag, dem 03..205 um 0 Uhr im Kaste 9 Lösugsvorschlag: Vorbereituge
MehrBINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008
Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe
MehrDie notwendigen Verteilungstabellen finden Sie z.b. hier:
Fakultät für Mathematik Istitute IAG ud IMO Prof. Dr. G. Kyureghya/Dr. M. Hödig Schätz- ud Prüfverfahre Die otwedige Verteilugstabelle fide Sie z.b. hier: http://www.ivwl.ui-kassel.de/kosfeld/lehre/zeitreihe/verteilugstabelle.pdf
MehrInstitut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban
Istitut für tochastik Prof. Dr. N. Bäuerle Dipl.-Math.. Urba Lösugsvorschlag 9. Übugsblatt zur Vorlesug Fiazmathematik I Aufgabe Ei euartiges Derivat) Wir sid i eiem edliche, arbitragefreie Fiazmarkt,
Mehr... a ik) i=1...m, k=1...n A = = ( a mn
Zurück Stad: 4..6 Reche mit Matrize I der Mathematik bezeichet ma mit Matrix im Allgemeie ei rechteckiges Zahleschema. I der allgemeie Darstellug habe die Zahle zwei Idizes, de erste für die Zeileummer,
MehrProf. Dr.-Ing. Bernd Kochendörfer. Bauwirtschaft und Baubetrieb. Investitionsrechnung
ud Baubetrieb A Ivestitiosrechug ud Baubetrieb Ivestitiosbegriff Bilazorietierter Ivestitiosbegriff Umwadlug vo Geldkapital i adere Forme vo Vermöge Aktiva Passiva Zahlugsorietierter Ivestitiosbegriff
MehrAusgangspunkt: Über einen endlichen Zeitraum wird aus einem Kapital (Rentenbarwert RBW v n,i
D. Reterechug 1.1. Jährliche Retezahluge 1.1.1. Vorschüssige Retezahluge Ausgagspukt: Über eie edliche Zeitraum wird aus eiem Kapital (Retebarwert RBW v,i ), das ziseszislich agelegt ist, jeweils zu Begi
MehrStatistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik
Statistik Kapitel 5: Schließede Statistik 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel 1» Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte der arithmetische
MehrArbeitsplätze in SAP R/3 Modul PP
Arbeitsplätze i SAP R/3 Modul PP Was ist ei Arbeitsplatz? Der Stadort eier Aktioseiheit, sowie dere kokrete räumliche Gestaltug Was ist eie Aktioseiheit? kleiste produktive Eiheit i eiem Produktiosprozess,
Mehr10. Testen von Hypothesen Seite 1 von 6
10. Teste vo Hypothese Seite 1 vo 6 10.1 Eiführug i das Teste vo Hypothese Eie Hypothese ist eie Vermutug bzw. Behauptug über die Wahrscheilichkeit eies Ereigisses. Mit Hilfe eies geeigete Tests (=Testverfahre)
MehrProf. Dr. Roland Füss Statistik II SS 2008
1. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug ergibt sich aus de Grezwertsätze. Grezwertsätze sid Aussage über eie Zufallsvariable für de Fall, dass die Azahl
MehrKleines Matrix-ABC. Fachgebiet Regelungstechnik Leiter: Prof. Dr.-Ing. Johann Reger. 1 Elementares
4 6 Fachgebiet Regelugstechik Leiter: Prof. Dr.-Ig. Joha Reger Kleies Matrix-ABC 1 Eleetares Eie ( )-Matrix ist eie rechteckige Aordug vo reelle oder koplexe Zahle a ij (auch Skalare geat) ud besteht aus
MehrStatistik. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.html
Statistik Prof. Dr. K. Melzer kari.melzer@hs-esslige.de http://www.hs-esslige.de/de/mitarbeiter/kari-melzer.html Ihaltsverzeichis 1 Eileitug ud Übersicht 3 2 Dategewiug (kurzer Überblick) 3 2.1 Plaugsphase
MehrSo lösen Sie die Gleichung für den Korrelationskoeffizienten
8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Dabei sid Datepukte ( x 1, y 1 ),( x 2, y 2 ), ( x, y ) gegebe.
MehrAufgaben und Lösungen der Probeklausur zur Analysis I
Fachbereich Mathematik AG 5: Fuktioalaalysis Prof. Dr. K.-H. Neeb Dipl.-Math. Rafael Dahme Dipl.-Math. Stefa Wager ATECHNISCHE UNIVERSITÄT DARMSTADT SS 007 19. Jui 007 Aufgabe ud Lösuge der Probeklausur
MehrNachklausur - Analysis 1 - Lösungen
Prof. Dr. László Székelyhidi Aalysis I, WS 212 Nachklausur - Aalysis 1 - Lösuge Aufgabe 1 (Folge ud Grezwerte). (i) (1 Pukt) Gebe Sie die Defiitio des Häufugspuktes eier reelle Zahlefolge (a ) N. Lösug:
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrAUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2. Datenfluß und Programmablauf 2. Vorbedingung 3. Nachbedingung 3. Schleifeninvariante 3
INHALTSVERZEICHNIS AUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2 Datefluß ud Programmablauf 2 Vorbedigug 3 Nachbedigug 3 Schleifeivariate 3 KONSTRUKTION 4 ALTERNATIVE ENTWURFSMÖGLICHKEITEN 5 EFFEKTIVE
MehrEingangsprüfung Stochastik,
Eigagsprüfug Stochastik, 5.5. Wir gehe stets vo eiem Wahrscheilichkeitsraum (Ω, A, P aus. Die Borel σ-algebra auf wird mit B bezeichet, das Lebesgue Maß auf wird mit λ bezeichet. Aufgabe ( Pukte Sei x
Mehr2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters:
. Schätzverfahre. Puktschätzug wirtschaftlicher Kezahle Allgemei: Puktschätzug eies Parameters: Ermittlug eies Schätzwertes für eie ubekate Parameter eier Zufallsvariable i der Grudgesamtheit mit Hilfe
Mehrs xy x i x y i y s xy = 1 n i=1 y 2 i=1 x 2 s 1 n x n i Streudiagramme empirische Kovarianz x=5,5 y=7,5
Streudiagramme für metrisch skalierte Variable paarweise Messwerte (x,y) x 5 7 y 7 5 7 5 5 7 Aussage zu Zusammehäge. empirische Kovariaz Stadardabweichug der WertPAARE x i x y Wert x Mittelwert aller x
MehrSatz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.
Erfüllbarkeit, Uerfüllbarkeit, Allgemeigültigkeit Defiitio Eie Belegug β ist passed zu eiem Boolesche Term t, falls β für alle atomare Terme i t defiiert ist. (Wird ab jetzt ageomme.) Ist β(t) = true,
MehrDie Gasgesetze. Die Beziehung zwischen Volumen und Temperatur (Gesetz von J.-L. und J. Charles): Gay-Lussac
Die Gasgesetze Die Beziehug zwische olume ud Temeratur (Gesetz vo J.-L. Gay-Lussac ud J. Charles): cost. T oder /T cost. cost.. hägt h vo ud Gasmege ab. Die extraolierte Liie scheidet die Temeratur- skala
MehrÜbungsblatt 1 zur Vorlesung Angewandte Stochastik
Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche
MehrZahlenfolgen, Grenzwerte und Zahlenreihen
KAPITEL 5 Zahlefolge, Grezwerte ud Zahlereihe. Folge Defiitio 5.. Uter eier Folge reeller Zahle (oder eier reelle Zahlefolge) versteht ma eie auf N 0 erlarte reellwertige Futio, die jedem N 0 ei a R zuordet:
Mehr1 Analysis T1 Übungsblatt 1
Aalysis T Übugsblatt A eier Weggabelug i der Wüste lebe zwei Brüder, die vollkomme gleich aussehe, zwische dee es aber eie gewaltige Uterschied gibt: Der eie sagt immer die Wahrheit, der adere lügt immer.
MehrGIBS. Übungsaufgaben zur Vertiefung. V1. Beschriften Sie die Konstruktionen! n n n n ' ' ' ' Modul 1.5. Geometrische Optik 1 58.
eometrische Optik 1 58 Übugsaufgabe zur Vertiefug V1. Beschrifte Sie die Kostruktioe! ' ' ' ' ' ' ' ' Lehrerversio eometrische Optik 1 59 V2. Bei eiem Brillekroglas tritt Licht a der Rückfläche des lases
MehrBeschreibende Statistik Kenngrößen in der Übersicht (Ac)
Beschreibede Statistik Kegröße i der Übersicht (Ac) Im folgede wird die Berechugsweise des TI 83 (sowie vo SPSS, s. ute) verwedet. Diese geht auf eie Festlegug vo Moore ud McCabe (00) zurück. I der Literatur
Mehre) ( 4a + 8b + 9a + 18b ) : a + 2b f) 2 log (x) + 3 log (2y) 0.5 log (z)
Mathematik 1 Test SELBSTTEST MATHEMATIK 1. Forme Sie die folgede Terme um: a) y y y y + y : ( ) ( ) b) ( 9 ) 18 c) 5 3 3 3 d) 6 5 4 ( 7 y ) 3 4 5 ( 14 y ) e) ( 4a + 8b + 9a + 18b ) : a + b f) log () +
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
MehrDer natürliche Werkstoff Holz - Statistische Betrachtungen zum uniaxialen Zugversuch am Beispiel von Furnier
Der atürliche Werkstoff Holz - Statistische Betrachtuge zum uiaxiale Zugversuch am Beispiel vo Furier B. Bellair, A. Dietzel, M. Zimmerma, Prof. Dr.-Ig. H. Raßbach Zusammefassug FH Schmalkalde, 98574 Schmalkalde,
MehrKryptologie: Kryptographie und Kryptoanalyse Kryptologie ist die Wissenschaft, die sich mit dem Ver- und Entschlüsseln von Informationen befasst.
Krytologie: Krytograhie ud Krytoaalyse Krytologie ist die Wisseschaft, die sich mit dem Ver- ud Etschlüssel vo Iformatioe befasst. Beisiel Iteretkommuikatio: Versiegel (Itegrität der Nachricht) Sigiere
MehrKapitel 6: Quadratisches Wachstum
Kapitel 6: Quadratisches Wachstum Dr. Dakwart Vogel Ui Esse WS 009/10 1 Drei Beispiele Beispiel 1 Bremsweg eies PKW Bremsweg Auto.xls Ui Esse WS 009/10 Für user Modell des Bremsweges gilt a = a + d a =
MehrStochastik für WiWi - Klausurvorbereitung
Dr. Markus Kuze WS 2013/14 Dipl.-Math. Stefa Roth 11.02.2014 Stochastik für WiWi - Klausurvorbereitug Gesetz der totale Wahrscheilichkeit ud Satz vo Bayes (Ω, F, P) Wahrscheilichkeitsraum, E 1,..., E F
MehrKapitel XI - Korrelationsrechnung
Istitut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökoometrie ud Statistik Kapitel XI - Korrelatiosrechug Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Seska Carlo Siebeschuh Aufgabe der Korrelatiosrechug
MehrAnwendung für Mittelwerte
Awedug für Mittelwerte Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe... "wahre", ubekate Mittelwert der Grudgesamtheit icht zufällig?... beobachtete Mittelwert zufällig Statistik für SoziologIe 1
Mehr2.2.1 Lagemaße. Exkurs: Quantile. und n. p n
Ekurs: Quatile Ausgagspukt : Geordete Urliste Jeder Wert p, mit 0 < p
MehrAbschlussprüfung 2013 an den Realschulen in Bayern
Prüfugsdauer: 50 Miute Abschlussprüfug 03 a de Realschule i Bayer Mathematik II Name: Vorame: Klasse: Platzziffer: Pukte: Aufgabe A Haupttermi A 0 Die ebestehede kizze zeigt de Axialschitt eier massive
MehrWahrscheinlichkeitstheorie und Statistik vom
INSTITUT FÜR MATHEMATISCHE STOCHASTIK WS 005/06 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Klausur Wahrscheilichkeitstheorie ud Statistik vom 9..006 Musterlösuge Aufgabe A: Gegebe sei eie Urliste
MehrMethode der kleinsten Quadrate
Methode der kleiste Quadrate KAPITEL 5: REGRESSIONSRECHNUNG Die Methode der kleiste Quadrate (MklQ) ist ei Verfahre zur Apassug eier Fuktio a eie Puktwolke. Agewadt wird sie beispielsweise, um eie Gesetzmäßigkeit
MehrFinanzmathematische Formeln und Tabellen
Jui 2008 Dipl.-Betriebswirt Riccardo Fischer Fiazmathematische Formel ud Tabelle Arbeitshilfe für Ausbildug, Studium ud Prüfug im Fach Fiaz- ud Ivestitiosrechug Dieses Werk, eischließlich aller seier Teile,
Mehr3. Tilgungsrechnung. 3.1. Tilgungsarten
schreier@math.tu-freiberg.de 03731) 39 2261 3. Tilgugsrechug Die Tilgugsrechug beschäftigt sich mit der Rückzahlug vo Kredite, Darlehe ud Hypotheke. Dabei erwartet der Gläubiger, daß der Schulder seie
Mehr17. Kapitel: Die Investitionsplanung
ABWL 17. Kapiel: Die Ivesiiosplaug 1 17. Kapiel: Die Ivesiiosplaug Leifrage des Kapiels: Welche Type vo Ivesiiosobjeke gib es? Wie läss sich die Voreilhafigkei eies Ivesiiosobjeks fesselle? Wie ka aus
MehrFlexibilität beim Lagern und Kommissionieren: Schienengeführte Regalbediengeräte
Flexibilität beim Lager ud Kommissioiere: Schieegeführte Regalbediegeräte Ei Kozept zwei Baureihe: DAMBACH Regalbediegeräte Seit mehr als 35 Jahre baut die DAMBACH Lagersysteme Regalbediegeräte ud gehört
MehrBeispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 8.1 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12.075, p-wert: 0.0168 f χ
MehrStatistik für Studenten der Sportwissenschaften SS 2008
Statistik für Studenten der Sportwissenschaften SS 008 Aufgabe 1 Man weiß von Rehabilitanden, die sich einer bestimmten Gymnastik unterziehen, dass sie im Mittel µ=54 Jahre (σ=3 Jahre) alt sind. a) Welcher
MehrHerleitung der Parameter-Gleichungen für die einfache lineare Regression
Herleitug der Parameter-Gleichuge für die eifache lieare Regressio Uwe Ziegehage. März 03 Historie v.0 6.03.009, erste Versio hochgelade v.0 0.03.03, eie Vorzeichefehler beseitigt, diverse Gleichuge ud
Mehr,,, xn. 3. Intervallschätzungen Zufallsstichproben und Stichprobenfunktionen Zufallsstichproben. Zufallsvariablen mit
3. Itervallschätzuge 3.1. Zufallsstichprobe ud Stichprobefuktioe 3.1.1 Zufallsstichprobe 1 Sei eie Zufallsvariable ud seie gemeisamer Verteilug,,,, Zufallsvariable mit - da heiße 1,,, Zufallsstichprobe
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG. - LÖSUNGEN. ypothesetest für die Dicke vo Plättche Die Dicke X vo Plättche, die auf eier bestimmte Maschie
MehrWirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel
3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Beispiel: Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische
Mehr4 Schwankungsintervalle Schwankungsintervalle 4.2
4 Schwakugsitervalle Schwakugsitervalle 4. Bemerkuge Die bekate Symmetrieeigeschaft Φ(x) = 1 Φ( x) bzw. Φ( x) = 1 Φ(x) für alle x R überträgt sich auf die Quatile N p der Stadardormalverteilug i der Form
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
Lehrstuhl für Empirische Wirtschaftsforschug ud Ökoometrie Dr. Rolad Füss Statistik II: Schließede Statistik SS 2007 6. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug
MehrStatistik I Februar 2005
Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet
Mehr3.2 Die Schrödinger-Gleichung
3. Die Schröiger-Gleichug Oer Wie fie ich ie Wellefuktio eies Teilches Lit: Simo/McQuarrie Die S.G. ka geauso weig hergeleitet were wie ie Newtosche Gesetze (Fma). Fuametales Postulat er Quatemechaik Wir
MehrBeurteilung des Businessplans zur Tragfähigkeitsbescheinigung
Fachkudige Stellugahme Beurteilug des Busiessplas zur Tragfähigkeitsbescheiigug Name Datum Has Musterma 7. Oktober 2015 Wilfried Orth Grüdugsberatug Stadort Würzburg: Stadort Stuttgart: Waldleite 9a Möhriger
MehrMelanie Kaspar, Prof. Dr. B. Grabowski 1
7. Hypothesentests Ausgangssituation: Man muss sich zwischen 2 Möglichkeiten (=Hypothesen) entscheiden. Diese Entscheidung soll mit Hilfe von Beobachtungen ( Stichprobe ) getroffen werden. Die Hypothesen
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte SS00 7.Sitzug vom.06.00 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluß Grudlage des Iduktiosschlusses:
MehrWirtschaftsmathematik
Studiegag Betriebswirtschaft Fach Wirtschaftsmathematik Art der Leistug Studieleistug Klausur-Kz. BW-WMT-S1 040508 Datum 08.05.004 Bezüglich der Afertigug Ihrer Arbeit sid folgede Hiweise verbidlich: Verwede
Mehr