Allgemeines zu Tests. Statistische Hypothesentests
|
|
- Helene Wolf
- vor 7 Jahren
- Abrufe
Transkript
1 Statistische Hypothesentests Allgemeines zu Tests Allgemeines Tests in normalverteilten Grundgesamtheiten Asymptotische Tests Statistischer Test: Verfahren Entscheidungsregel), mit dem auf Basis einer einfachen Stichprobe X 1, X 2,..., X n anhand einer geeigneten Stichprobenfunktion = Teststatistik oder Prüfgröße) T n X 1,..., X n ) entschieden wird, ob eine Behauptung = statistische Hypothese) bezüglich der Verteilung der Grundgesamtheit abgelehnt wird oder nicht. Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Einfache statistische) Verteilungs-) Hypothese: H : X folgt der Verteilung F X x; θ) mit θ = θ 0. Zusammengesetzte Hypothese: H : X folgt der Verteilung F X x; θ) mit θ θ 0. Beispiel: Sei X 1,..., X n einfache Zufallsstichprobe aus normalverteilter Grundgesamtheit mit unbekanntem Mittelwert und bekannter Varianz 2 = 36. Einfache Hypothese: H : µ = oder oder H : X folgt der Verteilung F X x; θ) mit θ θ 0. H : X folgt der Verteilung F X x; θ) mit θ θ 0. Mögliche Prüfgröße: Stichprobenmittel X n. Mögliche Entscheidungsregel: Lehne Hypothese ab, wenn Stichprobenmittel X n kleiner ist als 950 bzw. größer ist als Beispiel: Sei X 1,..., X n einfache Zufallsstichprobe aus normalverteilter Grundgesamtheit mit unbekanntem Mittelwert und bekannter Varianz 2 = 36. Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/13 851
2 Zusammengesetzte Hypothese: H : µ 990. Mögliche Entscheidungsregel: Lehne Hypothese ab, wenn Stichprobenmittel kleiner ist als 950. Fragen: Warum Stichprobenmittel als Prüfgröße? Wie werden kritischen Grenzen festgelegt, ab denen die Hypothese abzulehnen ist? Wie gut ist eine solche Entscheidung? Für welche andere Hypothese entscheidet man sich, wenn Hypothese abgelehnt wird? Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Null- H 0 ) und Alternativhypothese H 1 ) Z.B. für einfache Hypothesen H 0 : F X x) = F X x; θ 0 ) gegen H 1 : F X x) = F X x; θ 1 ). Ziel: Entscheidung aufgrund einer Stichprobe zwischen H 0 und H 1. Beispiel: X Abfüllgewicht von Zuckertüten Beachte: Bleibt Alternativhypothese unspezifiziert, so umfasst sie alle Parameterwerte, die nicht in der Nullhypothese enthalten sind. Beispiel: führt zu H 0 : µ X 990g H 1 : µ X < 990g Bezeichnung: Θ 0 Θ 1 ) = Parameterbereich, der zur Null- Alternativ-) Hypothese gehört. H 0 : µ X = E[X] = 1000g gegen H 1 : µ X = E[X] = 1010g Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/13 855
3 Mögliche Fehler bei Alternativentscheidungen unter Unsicherheit Mögliche Entscheidungen: Zustand in der Testentscheidung Grundgesamtheit H 0 ablehnen H 0 nicht ablehnen H 0 ist richtig Fehler 1. Art kein Fehler H 0 ist falsch kein Fehler Fehler 2. Art Wahrscheinlichkeiten der möglichen Entscheidungen: Zustand in der Testentscheidung Grundgesamtheit H 0 ablehnen H 0 nicht ablehnen H 0 ist richtig α 1 α H 0 ist falsch 1 β β Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ α = Irrtumswahrscheinlichkeit = Wahrscheinlichkeit des Fehlers 1. Art = Wahrscheinlichkeit, Nullhypothese abzulehnen, obwohl sie richtig ist. Bez.: Fehler 1. Art = α-fehler β = Wahrscheinscheinlichkeit des Fehlers 2. Art = Wahrscheinlichkeit, Nullhypothese nicht abzulehnen, obwohl sie falsch ist. Bez.: Fehler 2. Art = β-fehler Beispiel: Berechnung der Wahrscheinlichkeit des Fehlers 1. Art α Einfache Nullhypothese H 0 : µ = Entscheidungsregel:,,Lehne H 0 ab, wenn das Stichprobenmittel X n größer als k = 1005g ist. Seien n = 18 und = 12. α = P X n > 1005 H 0 ) = P X n > 1005 µ = 1000) ) n1005 µ) = 1 Φ ) ) = 1 Φ = 1 Φ1.768) = Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/13 859
4 Festlegung des kritischen Bereiches Ablehnungsbereich K kritischer Bereich) = Menge aller Stichprobenbefunde, für die die Nullhypothese abzulehnen ist. Strategie: Festlegung des kritischen Bereiches durch Vorgabe der Irrtumswahrscheinlichkeit α: D.h. K wird durch festgelegt. P X 1,..., X n ) K H 0 ) = α. Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Beispiel: Mittelwerttest für eine normalverteilte Grundgesamtheit, d.h. X N µ, 2 ) mit bekanntem 2 Entscheidung zwischen zwei einfachen Hypothesen: H 0 : µ = µ 0 gegen H 1 : µ = µ 1 mit µ 1 > µ 0. Wahrscheinlichkeit α für Fehler 1. Art: α = P H 0 ablehnen H 0 gilt) = P X 1,..., X n ) K µ = µ 0 ) = P X n > k µ = µ 0 ) = 1 F N k; µ 0, 2 /n) = 1 Φ ) n k µ 0. Plausible Entscheidungsregel: Ablehnung der Nullhypothese, wenn Stichprobenmittel größer als eine kritische Schranke k ist. Verteilung der Prüfgröße unter H 0 : X n N µ 0, 2 /n). D.h. und n k µ 0 Φ ) n k µ 0 = 1 α = λ 1 α = k = µ 0 + λ 1 α / n. Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/13 863
5 Kritischer Bereich: Lehne H 0 mit Irrtumswahrscheinlichkeit α ab, wenn Stichprobenbefund x 1,..., x n ) in kritischen Bereich fällt. K = { x 1,..., x n ) n X n µ 0 > λ 1 α } Zahlenbeispiel: µ 0 = 1000, µ 1 = 1010, = 12, n = 18, α = 0.05 k = λ 0.95 = D.h. K = {x 1,..., x 18 ) x 18 > }. Kritischer Wert: k = µ 0 + λ 1 α n. Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Kann man H 0 annehmen? Wenn x 1,..., x n ) / K wird Nullhypothese nicht abgelehnt. Problem: Annahme von H 0 ist nicht möglich, da die Wahrscheinlichkeit, H 0 nicht abzulehnen, obwohl H 0 falsch ist =β-fehler) nicht kontrolliert werden kann. Sprachgebrauch statt Annahme von H 0 : H 0 kann nicht abgelehnt werden. Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/13 867
6 Lösung für einfache Hypothesen: Berechnung der Wahrscheinlichkeit des β-fehlers β = P X 1,..., X n ) / K H 1 ) Sprachgebrauch: Wenn β relativ klein z.b. kleiner als α), dann kann H 0 angenommen werden. Beispiel: Mittelwerttest für eine normalverteilte Grundgesamtheit, d.h. X N µ, 2 ) mit bekanntem 2 Entscheidung zwischen zwei einfachen Hypothesen: H 0 : µ = µ 0 gegen H 1 : µ = µ 1 mit µ 1 > µ 0. Verteilung der Prüfgröße unter H 1 : X n N µ 1, 2 /n). Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Wahrscheinlichkeit des Fehlers 2. Art β: wegen β = P H 0 nicht ablehnen H 1 ) = P X 1,..., X n ) K µ = µ 1 ) = P X n k µ = µ 1 ) ) n = F N k; µ 1, 2 k µ 1 /n) = Φ = Φ λ 1 α + n µ ) 0 µ 1 k = µ 0 + λ 1 α n. Zahlenbeispiel: µ 0 = 1000, µ 1 = 1010, = 12, n = 18, α = k = λ 0.95 = D.h. β = Φ λ ) = Φ 1.891) = Da β < α = 0.05, kann H 0 nicht nur nicht abgelehnt, sondern sogar mit einer Wahrscheinlichkeit des β-fehlers von weniger als 5% angenommen werden, wenn der Stichprobenbefund einen empirischen Wert des Prüfmaßes liefert, der nicht in kritischen Bereich fällt. Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/13 871
7 Warum kann man α nicht beliebig klein wählen? Problem: Je kleiner α, desto größer β. Via Formel im Beispiel des Mittelwerttestes für Normalverteilung für µ 0 < µ 1 : Sinkt α, steigt λ 1 α, steigt β = Φ λ 1 α + n µ ) 0 µ 1 Als Grafik: β =grüne Fläche) in Abhängigkeit von α blaue Fläche) Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Welchen Test nehmen? Existieren zwei Tests Entscheidungsregeln, kritische Bereiche) für dieselbe Testaufgabe einfache Hypothesen) und dieselbe Irrtumswahrscheinlichkeit = Entscheidung für Test mit kleinerer Wahrscheinlichkeit des Fehlers 2. Art. Beispiel: Mittelwerttest für Normalverteilung mit µ 0 < µ 1 Alternativer kritischer Bereich { K = x 1,..., x n ) n x } n µ 0 < λ α liefert ebenfalls Test mit der Wahrscheinlichkeit α. Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/13 875
8 Aber: n β X n µ 1 = P > λ α + n µ 0 µ 1 = Φ λ 1 α n µ ) 0 µ 1 > Φ λ 1 α + n µ ) 0 µ 1 = β ) Zahlenbeispiel: µ 0 = 1000, µ 1 = 1010, = 12, n = 18, α = 0.05 β = Φ λ 0.95 ) = Φ6.736) = 1 > = β. 12 Grafik: Vergleich der Wahrscheinlichkeiten des β-fehlers für K und K wegen µ 0 < µ 1. D.h. Test mit K hat bei derselben Irrtumswahrscheinlichkeit α eine größere Wahrscheinlichkeit für den Fehler 2. Art = Entscheidung für Test mit kritischem Bereich K. Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Wie misst man die Güte eines Testes für einfache Hypothesen? Wähle denjenigen Test = kritischen Bereich), der die Fehlerwahrscheinlichkeit β bei gegebener Wahrscheinlichkeit α für einen Fehler erster Art zumeist 1%, 5% oder 10%) minimiert. Test mit minimalem β bei gegebenem α wird bester, mächtigster oder trennscharfer Test genannt. Güte = Power = Macht) eines Testes = 1 β. Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/13 879
9 Beispiel des Mittelwerttestes für normalverteilte Grundgesamtheiten für µ 0 < µ 1 : β = Φ λ 1 α + n µ ) 0 µ 1 Für n = 3, 12, 18, 100: Wirkung des Stichprobenumfanges: Wenn n steigt, wird λ 1 α + n µ 0 µ 1 kleiner und damit β kleiner bzw. 1 β größer. Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Wirkung der Varianz der Grundgesamtheit: Je größer, desto kleiner λ 1 α + n µ 0 µ 1 und desto größer β. Für = 12, 20: Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/13 883
10 Wirkung von Differenz zwischen Null- und Alternativhypothese: Je negativer µ 0 µ 1, desto kleiner λ 1 α + n µ 0 µ 1 und desto kleiner β. Für µ 1 = 1007, 1010 und µ 0 = Zusammengesetzte Nullhypothese und Testniveau Sei Θ 0 der durch die Nullhypothese festgelegte Parameterbereich. Problem: Wahrscheinlichkeiten des Fehlers 1. Art P X 1,..., X n ) K θ) für alle θ Θ 0 Größe = Niveau) eines Testes: Maximale Wahrscheinlichkeit des Fehlers 1. Art α = sup P X 1,..., X n ) K θ) Θ 0 Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Beispiel des Mittelwertestes für normalverteilte Grundgesamtheiten für µ 0 < µ 1 und zusammengesetzte Nullhypothese H 0 : µ µ 0. Konsequenz: Bestimmung des kritischen Wertes k wie im Fall einer einfachen Nullhypothese als k = µ 0 + λ 1 α / n. Da ) n k µ P X 1,..., X n ) K µ) = P X n > k µ) = 1 Φ. monoton zunehmend in µ ist, gilt 1 Φ α = sup µ µ 0 n k µ 0 )). D.h. die Größe =Niveau) des Testes wird an der Grenze µ 0 des Parameterbereiches der Nullhypothese berechnet. Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/13 887
11 Zusammengesetzte Alternativhypothese und Gütefunktion Sei Θ 1 Θ der durch die Nullhypothese festgelegte Parameterbereich. Problem: Wahrscheinlichkeiten des Fehlers 2. Art P X 1,..., X n ) / K θ) für alle θ Θ 1 Lösung: Gütefunktion Gθ) = P X 1,..., X n ) K θ) gibt für alle Parameterwerte die Wahrscheinlichkeit an, die Nullhypothese abzulehnen. Für θ Θ 0 misst die Gütefunktion die Wahrscheinlichkeit, die Nullhypothese abzulehnen, wenn sie richtig ist. Für θ Θ 1 misst die Gütefunktion die Wahrscheinlichkeit, die Nullhypothese abzulehnen, wenn sie falsch ist. D.h. je niedriger größer) die Werte der Gütefunktion für Θ 0 Θ 1 ), desto besser ist ein Test. Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Beispiel: Mittelwerttest für eine normalverteilte Grundgesamtheit, d.h. X N µ, 2 ) mit bekanntem 2 Entscheidung zwischen zwei zusammengesetzten Hypothesen: H 0 : µ µ 0 gegen H 1 : µ > µ 0 Verteilung der Prüfgröße unter H 1 : X n N µ 1, 2 /n). Für µ R ist Gµ) = P X 1,..., X n ) K µ) = P X n > k µ) ) n = 1 F N k; µ, 2 k µ /n) = 1 Φ / n = 1 Φ λ 1 α + n µ ) 0 µ wegen k = µ 0 + λ 1 α / n. Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/13 891
12 Zahlenbeispiel: µ 0 = 1000, = 12, n = 18 Gµ) = 1 Φ λ µ ). 12 Links-, rechtsseitige und zweiseitige Tests Es lassen sich für eine Prüfgröße T n folgende Entscheidungsregeln unterscheiden: Rechtsseitige Entscheidungsregel: Lehne H 0 ab, wenn T n > k ist. Linksseitige Entscheidungsregel: Lehne H 0 ab, wenn T n < k ist. Zweiseitige Entscheidungsregel: Lehne H 0 ab, wenn T n < k 1 oder T n > k 2 ist. Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Sinnvolle Festlegung des kritischen Bereiches im Beispiel des Mittelwerttestes für normalverteilte Grundgesamtheiten: µ 0 < µ 1 = rechtsseitiger Test s.o.) µ 0 > µ 1 = linksseitiger Test µ 0 µ 1 = zweiseitiger Test Beispiel für linksseitigen Test: Lebensdauer von Glühbirnen Lebensdauer einer Glühbirne in Tagen: X N µ, 2 = 900). Einfache Zufallsstichprobe des Umfangs n = 16. Stichprobenergebnis: x 16 = 780Tage. Entscheidung zwischen zwei zusammengesetzten Hypothesen H 0 : µ µ 0 = 800 gegen H 1 : µ < µ 0. Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/13 895
13 Verteilung der Prüfgröße an der Grenze des Parameterbereiches µ 0 unter H 0 : X 16 N 800, 900 ) 16 bzw. 16X16 800) N 0, 1). 900 Vorgegebenes Niveau des Testes: α = Festlegung des kritischen Bereiches der kritischen Schranke): 0.05 = α = P X 16 < k µ 0 = 800 ) ) 16X16 800) 16k 800) = P < µ 0 = = Φλ α ), so dass der kritische Wert k = λ = = ist. Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Entscheidungsregel Linksseitiger Test): Lehne Nullhypothese mit 5%-Irrtumswahrscheinlichkeit ab, wenn der Stichprobenbefund x 1,..., x 16 ) in den kritischen Bereich K fällt mit Gütefunktion: Gµ) = P X 16 < k µ) = Φ ) µ 900 K = {x 1,..., x n ) x 16 < }. Testentscheidung: Einsetzen des Stichprobenbefundes x 16 = 780 in die Prüfgröße ergibt Stichprobenwert = empirischer Wert = realisierter Wert) der Prüfgröße. Wert ist kleiner als die kritische Schranke k = D.h. Stichprobenergebnis fällt in kritischen Bereich und Nullhypothese ist mit 5%-Irrtumswahrscheinlichkeit abzulehnen. Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/13 899
14 Strategie 1: Testentscheidung mittels p-wert Vorgabe der Irrtumswahrscheinlichkeit α = 0.05, Berechnung der zugehörigen kritische Schranke k Prüfung, ob empirischer Wert der Prüfgröße e in den kritischen Bereich fällt. Strategie 2 für linksseitigen Test: Berechnung des empirischen Wertes der Prüfgröße e, Bestimmung der Wahrscheinlichkeit = p-wert), dass dieser Wert unterschritten wird bei Gültigkeit der Nullhypothese, Vergleich p-wert mit gewünschter Irrtumswahrscheinlichkeit z.b. 0.05) und Ablehnung der Nullhypothese, wenn p-wert kleiner oder gleich der Irrtumswahrscheinlichkeit ist. Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Strategie 2 für rechtsseitigen Test: Berechnung des empirischen Wertes der Prüfgröße e, Bestimmung der Wahrscheinlichkeit = p-wert), dass dieser Wert überschritten wird bei Gültigkeit der Nullhypothese, Vergleich p-wert mit gewünschter Irrtumswahrscheinlichkeit z.b. 0.05) und Ablehnung der Nullhypothese, wenn p-wert kleiner oder gleich der Irrtumswahrscheinlichkeit ist. Vorteil des p-wertes: Nur eine Wahrscheinlichkeitsberechnung und Standardvergleich mit z.b. 0.05) nötig. Nachteil: Keine Vorstellung über die Größe, die Prüfgröße besitzen muss, damit H 0 abgelehnt werden kann =kritischer Wert) und keine Güteberechnung mittels p-wert möglich. Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/13 903
15 p-wert am Beispiel des rechtsseitigen Mittelwertestes bei Normalverteilung und bekannter Varianz Zuckertüten) Allgemein für Stichprobenergebnis e: p = P X n > e H 0 ) = 1 Φ ) n e µ 0. Wenn Stichprobe e = x 18 = 1002 liefert, ist ) p = 1 Φ = D.h. p > α = 0.05 = H 0 : µ 1000 kann mit einer Irrtumswahrscheinlichkeit von 5% nicht abgelehnt werden. Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ p-wert am Beispiel des linksseitigen Mittelwertestes bei Normalverteilung und bekannter Varianz Glühbirnen) Allgemein für Stichprobenergebnis e: p = P X n < e H 0 ) = Φ n e µ 0 Stichprobe hat e = x 18 = 780 geliefert, womit ) p = Φ = ). D.h. p < α = 0.05 = H 0 : µ 800 kann mit einer Irrtumswahrscheinlichkeit von 5% abgelehnt werden. Auswahl der zusammengesetzten Hypothesen Einfache Alternativhypothese: β lässt sich u.u. berechnen. Wenn β hinreichend klein ist und H 1 abgelehnt wird, kann H 0 als,,statistisch abgesichert signifikant) gelten. Problem für zusammengesetzte Alternativhypothese: Welches β, wenn β vom unbekannten Wert des Parameters θ abhängt? D.h. H 0 lässt sich bei einer zusammengesetzten Alternativhypothese) nicht mit einem quantifizierbaren Fehlerniveau statistisch absichern. Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/13 907
16 Konsequenz für die Hypothesenformulierung: Soll Gültigkeit einer Hypothese statistisch abgesichert werden, so muß diese als Alternativhypothese H 1 formulieren werden. Bei einer Ablehnung von H 0 gilt H 1 zum Niveau α signifikant bestätigt. Eigenschaften von Hypothesentests Null- und Alternativhypothese lassen sich wie folgt verallgemeinern: mit H 0 : θ Θ 0 gegen H 1 : θ Θ 1 Θ 0 Θ, Θ 1 Θ, Θ 0 Θ 1 =. Eigenschaften eines Tests mit kritischem Bereich K = Eigenschaften der Gütefunktion Gθ) = P X 1,..., X n ) K θ). Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Unter H 0 d.h. für θ Θ 0 ) Gθ) = P X 1,..., X n ) K θ) gibt Gütefunktion θ Θ 0 Wahrscheinlichkeit des Fehlers 1. Art an. Unter H 1 d.h. für θ Θ 1 ) beschreibt Gθ) die Wahrscheinlichkeit, die Nullhypothese abzulehnen, wenn sie falsch ist = richtige Entscheidung). Problem: Ideale Tests für endliche Stichprobenumfänge? Lösung: n. Konsistenter Test: lim P X 1,..., X n ) K θ Θ 1 ) = 1. n D.h.: Ein konsistenter Test wird mit zunehmendem Stichprobenumfang trennschärfer. Idealer Test besitzt Gütefunktion G : { 0 falls θ G Θ0 θ) = 1 falls θ Θ 1 Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/13 911
17 Abschließendes Beispiel: Mittelwerttest für normalverteilte Grundgesamtheit mit bekanntem zweiseitig) Sei X die Abweichung des Durchmessers einer Lagerbuchse vom Plansoll in mm. Annahme: X N0, ) Einfache Stichprobe des Umfangs n = 100: e = x 100 = Zu testen: H 0 : µ = µ 0 = 0 gegen H 1 : µ µ 0 = 0. Kritischer Bereich: Bestimmung von k: K = {x 1,..., x n ) x n > k} α = P X n > k H 0 ) = P Xn > k µ 0 = 0 ) = 1 P X n k µ 0 = 0) + P X n k µ 0 = 0) ) ) n k n k = 1 Φ + Φ )) n k = 2 1 Φ. Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Damit ist so dass D.h. für α = 0.05 ist Φ ) n k = 1 α 2, k = λ 1 α/2 n. k = λ = Testentscheidung: e = > k = = Die mittlere Abweichung des Durchmessers ist mit einer Irrtumswahrscheinlichkeit von 5% signifikant von 0 verschieden. p-wert: p = P X n > e H 0 ) = P Xn > e µ 0 = 0) = 1 P X n e µ 0 = 0) + P X n e µ 0 = 0) n e )) = 2 1 Φ = D.h. p = < α = 0.05 = Die mittlere Abweichung des Durchmessers ist mit einer Irrtumswahrscheinlichkeit von 5% signifikant von 0 verschieden. Gütefunktion: ) ) n k µ n k + µ Gµ) = P X n > k µ) = 2 Φ Φ Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/13 915
18 Gütefunktion für n = 10, 50, 100, 1000,,Konsistenz ): Ingo Klein: Statistik Wintersemester 2012/13 916
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
Mehr2 Wiederholung statistischer Grundlagen Schließende Statistik empirischen Information aus Stichprobenrealisation x von X
Hypothesentests Bisher betrachtet: Punkt- bzw. Intervallschätzung des unbekannten Mittelwerts Hierzu: Verwendung der 1 theoretischen Information über Verteilung von X empirischen Information aus Stichprobenrealisation
MehrStatistische Tests Version 1.2
Statistische Tests Version 1.2 Uwe Ziegenhagen ziegenhagen@wiwi.hu-berlin.de 7. Dezember 2006 1 Einführung Ein statistischer Test dient der Überprüfung einer statistischen Hypothese. Mithilfe des Tests
Mehr3 Grundlagen statistischer Tests (Kap. 8 IS)
3 Grundlagen statistischer Tests (Kap. 8 IS) 3.1 Beispiel zum Hypothesentest Beispiel: Betrachtet wird eine Abfüllanlage für Mineralwasser mit dem Sollgewicht µ 0 = 1000g und bekannter Standardabweichung
MehrLösungen 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
Mehr7. Hypothesentests. Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang. X habe die unbekannte VF F X (x)
7. Hypothesentests Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang X habe die unbekannte VF F X (x) Interessieren uns für einen unbekannten Parameter θ der Verteilung von X 350 Bisher:
MehrBeispiel für Gütefunktionen Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = 0.10
6 Hypothesentests Gauß-Test für den Mittelwert bei bekannter Varianz 6.3 Beispiel für Gütefunktionen Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = 0.10 G(µ) 0 α 0. 0.4 0.6 0.8 1 n = 10 n =
MehrJost Reinecke. 7. Juni 2005
Universität Bielefeld 7. Juni 2005 Testtheorie Test für unabhängige Stichproben Test für abhängige Stichproben Testtheorie Die Testtheorie beinhaltet eine Reihe von Testverfahren, die sich mit der Überprüfung
MehrEinführung in die statistische Testtheorie
1 Seminar Simulation und Bildanalyse mit Java von Benjamin Burr und Philipp Orth 2 Inhalt 1. Ein erstes Beispiel 2. 3. Die Gütefunktion 4. Gleichmäßig beste Tests (UMP-Tests) 1 Einführendes Beispiel 3
MehrStatistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
MehrStatistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
MehrEinführung in die Induktive Statistik: Testen von Hypothesen
Einführung in die Induktive Statistik: Testen von Hypothesen Jan Gertheiss LMU München Sommersemester 2011 Vielen Dank an Christian Heumann für das Überlassen von TEX-Code! Testen: Einführung und Konzepte
MehrTHEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ
WEBINAR@LUNCHTIME THEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ EINLEITENDES BEISPIEL SAT: Standardisierter Test, der von Studienplatzbewerbern an amerikanischen Unis gefordert
MehrBeurteilende Statistik
Beurteilende Statistik Wahrscheinlichkeitsrechnung und Beurteilende Statistik was ist der Unterschied zwischen den beiden Bereichen? In der Wahrscheinlichkeitstheorie werden aus gegebenen Wahrscheinlichkeiten
Mehr7. Übung: Aufgabe 1. b), c), e) Aufgabe 2. a), c), e) Aufgabe 3. c), e) Aufgabe 4. Aufgabe 5. Aufgabe 6. Aufgabe 7. Aufgabe 8. Aufgabe 9.
7. Übung: Aufgabe 1 b), c), e) Aufgabe a), c), e) Aufgabe 3 c), e) Aufgabe 4 b) Aufgabe 5 a) Aufgabe 6 b) Aufgabe 7 e) Aufgabe 8 c) Aufgabe 9 a), c), e) Aufgabe 10 b), d) Aufgabe 11 a) Aufgabe 1 b) Aufgabe
MehrHypothesentests. Hypothese Behauptung eines Sachverhalts, dessen Überprüfung noch aussteht.
Hypothese Behauptung eines Sachverhalts, dessen Überprüfung noch aussteht. Wissenschaftliche Vorgehensweise beim Hypothesentest Forscher formuliert eine Alternativhypothese H 1 (die neue Erkenntnis, die
MehrKonfidenzintervalle. Gesucht: U = U(X 1,..., X n ), O = O(X 1,..., X n ), sodass für das wahre θ gilt
Konfidenzintervalle Annahme: X 1,..., X n iid F θ. Gesucht: U = U(X 1,..., X n ), O = O(X 1,..., X n ), sodass für das wahre θ gilt P θ (U θ O) = 1 α, α (0, 1). Das Intervall [U, O] ist ein Konfidenzintervall
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2013 Aufgabe 1 In einer Urne
MehrStatistik II für Betriebswirte Vorlesung 1
Statistik II für Betriebswirte Vorlesung 1 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 16. Oktober 2017 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 1 Version:
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 5.5.2006 1 Ausgangslage Wir können Schätzen (z.b. den Erwartungswert) Wir können abschätzen, wie zuverlässig unsere Schätzungen sind: In welchem Intervall
MehrStatistik I für Betriebswirte Vorlesung 13
Statistik I für Betriebswirte Vorlesung 13 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 4. Juli 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
Mehr8. Konfidenzintervalle und Hypothesentests
8. Konfidenzintervalle und Hypothesentests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Beispiel. Sie wollen den durchschnittlichen Fruchtsaftgehalt eines bestimmten Orangennektars
MehrMacht des statistischen Tests (power)
Macht des statistischen Tests (power) Realer Treatment ja Ergebnis der Studie H 0 verworfen statistisch signifikant O.K. Macht H 0 beibehalten statistisch nicht signifikant -Fehler Effekt nein -Fehler
MehrStatistische Tests. Kapitel Grundbegriffe. Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe
Kapitel 4 Statistische Tests 4.1 Grundbegriffe Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe X 1,..., X n. Wir wollen nun die Beobachtung der X 1,...,
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:
MehrSTATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik
Kapitel 15 Statistische Testverfahren 15.1. Arten statistischer Test Klassifikation von Stichproben-Tests Einstichproben-Test Zweistichproben-Test - nach der Anzahl der Stichproben - in Abhängigkeit von
Mehr6. Statistische Hypothesentests
6. Statistische Hypothesentests Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang X habe die unbekannte VF F X (x) Interessieren uns für einen unbekannten Parameter θ der Verteilung von
Mehr5. Seminar Statistik
Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation
Mehr3) Testvariable: T = X µ 0
Beispiel 4.9: In einem Molkereibetrieb werden Joghurtbecher abgefüllt. Der Sollwert für die Füllmenge dieser Joghurtbecher beträgt 50 g. Aus der laufenden Produktion wurde eine Stichprobe von 5 Joghurtbechern
MehrKATA LOGO Mathematik Statistik Roadmap: Von der Hypothese zum p-wert
KATA LOGO Mathematik Statistik Roadmap: Von der Hypothese zum p-wert 0. Das eigentliche Forschungsziel ist: Beweis der eigenen Hypothese H 1 Dafür muss Nullhypothese H 0 falsifiziert werden können Achtung!
Mehr9 Prinzipien der statistischen Hypothesenprüfung
9 Prinzipien der statistischen Hypothesenprüfung Prinzipien der statistischen Hypothesenprüfung Bei der Schätzung eines Populationsparamters soll dessen Wert aus Stichprobendaten erschlossen werden. Wenn
MehrKapitel XI - Operationscharakteristik und Gütefunktion
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XI - Operationscharakteristik und Gütefunktion Induktive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo
MehrStatistik II. Version A. 1. Klausur Sommersemester 2011 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik II Version A 1. Klausur Sommersemester 2011 Hamburg, 27.07.2011 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................
MehrHypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests
ue biostatistik: hypothesen, fehler 1. und. art, power 1/8 h. lettner / physik Hypothesen: Fehler 1. und. Art, Power eines statistischen Tests Die äußerst wichtige Tabelle über die Zusammenhänge zwischen
MehrZweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz
Grundlage: Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz Die Testvariable T = X µ 0 S/ n genügt der t-verteilung mit n 1 Freiheitsgraden. Auf der Basis
MehrKapitel 13. Grundbegriffe statistischer Tests
Kapitel 13 Grundbegriffe statistischer Tests Oft hat man eine Vermutung über die Verteilung einer Zufallsvariablen X. Diese Vermutung formuliert man als Hypothese H 0.Sokönnte man daran interessiert sein
MehrMacht des statistischen Tests (power)
Macht des statistischen Tests (power) Realer Treatment ja Ergebnis der Studie H 0 verworfen statistisch signifikant O.K. Macht H 0 beibehalten statistisch nicht signifikant -Fehler Effekt nein -Fehler
MehrWahrscheinlichkeit 1-α: richtige Entscheidung - wahrer Sachverhalt stimmt mit Testergebnis überein. Wahrscheinlichkeit α: falsche Entscheidung -
wahrer Sachverhalt: Palette ist gut Palette ist schlecht Entscheidung des Tests: T K; Annehmen von H0 ("gute Palette") positive T > K; Ablehnen von H0 ("schlechte Palette") negative Wahrscheinlichkeit
MehrKapitel III: Einführung in die schließende Statistik
Kapitel III: Einführung in die schließende Statistik Das zweite Kapitel beschäftigte sich mit den Methoden der beschreibenden Statistik. Im Mittelpunkt der kommenden Kapitel stehen Verfahren der schließenden
MehrProf. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006 Hypothesentesten, Fehlerarten und Güte 2 Literatur Kreyszig: Statistische Methoden und ihre Anwendungen, 7.
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
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)
Mehr2. Formulieren von Hypothesen. Nullhypothese: H 0 : µ = 0 Gerät exakt geeicht
43 Signifikanztests Beispiel zum Gauß-Test Bei einer Serienfertigung eines bestimmten Typs von Messgeräten werden vor der Auslieferung eines jeden Gerätes 10 Kontrollmessungen durchgeführt um festzustellen,
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
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
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 22 Übersicht Weitere Hypothesentests in der Statistik 1-Stichproben-Mittelwert-Tests 1-Stichproben-Varianz-Tests 2-Stichproben-Tests Kolmogorov-Smirnov-Test
MehrMögliche Fehler beim Testen
Mögliche Fehler beim Testen Fehler. Art (Irrtumswahrscheinlichkeit α), Zusammenfassung: Die Nullhypothese wird verworfen, obwohl sie zutrifft. Wir haben uns blamiert, weil wir etwas Wahres abgelehnt haben.
Mehr2.4 Hypothesentests Grundprinzipien statistischer Hypothesentests. Hypothese:
2.4.1 Grundprinzipien statistischer Hypothesentests Hypothese: Behauptung einer Tatsache, deren Überprüfung noch aussteht (Leutner in: Endruweit, Trommsdorff: Wörterbuch der Soziologie, 1989). Statistischer
MehrÜberblick Hypothesentests bei Binomialverteilungen (Ac)
Überblick Hypothesentests bei Binomialverteilungen (Ac) Beim Testen will man mit einer Stichprobe vom Umfang n eine Hypothese H o (z.b.p o =70%) widerlegen! Man geht dabei aus von einer Binomialverteilung
MehrAussagen hierzu sind mit einer unvermeidbaren Unsicherheit behaftet, die statistisch über eine Irrtumswahrscheinlichkeit bewertet wird.
Stichprobenumfang Für die Fragestellung auf Gleichheit von ein oder zwei Stichproben wird auf Basis von Hypothesentests der notwendige Stichprobenumfang bestimmt. Deshalb werden zunächst die Grundlagen
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 16. Januar 2013 1 Allgemeine Hypothesentests Nullhypothese und Alternative Beispiel: Blutdrucksenker Testverfahren
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrModul 141 Statistik. 1. Studienjahr 11. Sitzung Signifikanztests
Modul 141 Statistik 1. Studienjahr 11. Sitzung Signifikanztests Inhalt der 11. Sitzung 1. Parametrische Signifikanztests 2. Formulierung der Hypothesen 3. Einseitige oder zweiseitige Fragestellung 4. Signifikanzniveau
MehrPrüfgröße: Ist die durch eine Schätzfunktion zugeordnete reelle Zahl (etwa Mittelwert 7 C).
Statistik Grundlagen Charakterisierung von Verteilungen Einführung Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsverteilungen Schätzen und Testen Korrelation Regression Einführung Aus praktischen Gründen
MehrR. Brinkmann Seite
R. Brinkmann http://brinkmann-du.de Seite 1 17.3.21 Grundlagen zum Hypothesentest Einführung: Wer Entscheidungen zu treffen hat, weiß oft erst im nachhinein ob seine Entscheidung richtig war. Die Unsicherheit
MehrGrundidee. χ 2 Tests. Ausgangspunkt: Klasseneinteilung der Beobachtungen in k Klassen. Grundidee. Annahme: Einfache Zufallsstichprobe (X 1,..., X n ).
Grundidee χ 2 -Anpassungstest χ 2 -Unabhängigkeitstest χ 2 -Homogenitätstest χ 2 Tests Grundidee Ausgangspunkt: Klasseneinteilung der Beobachtungen in k Klassen Annahme: Einfache Zufallsstichprobe (X 1,,
MehrTesten von Hypothesen, Beurteilende Statistik
Testen von Hypothesen, Beurteilende Statistik Was ist ein Test? Ein Test ist ein Verfahren, mit dem man anhand von Beobachtungen eine begründete Entscheidung über die Gültigkeit oder Ungültigkeit einer
Mehr1. Nennen Sie den für das Merkmal X geeigneten Skalentyp und begründen Sie Ihre Antwort.
Aufgabe 1 150 Personen gaben bei einer Befragung an, wie viel Geld sie in diesem Jahr für Weihnachtsgeschenke ausgegeben haben. Die Ergebnisse der Befragung sind in nachfolgender Tabelle zusammengefasst,
MehrHypothesen über die Grundgesamtheit. Aufgabenstellung der Testtheorie Hypothesen (Annahmen, Vermutungen oder
Hypothesen über die Grundgesamtheit Aufgabenstellung der Testtheorie Hypothesen (Annahmen, Vermutungen oder Behauptungen) über die unbekannte Grundgesamtheit anhand einer Stichprobe als richtig oder falsch
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
Mehr9 Prinzipien der statistischen Hypothesenprüfung
9 Prinzipien der statistischen Hypothesenprüfung Prinzipien der statistischen Hypothesenprüfung Bei der Schätzung eines Populationsparamters soll dessen Wert aus Stichprobendaten erschlossen werden. Wenn
MehrStatistische Überlegungen: Eine kleine Einführung in das 1 x 1
Statistische Überlegungen: Eine kleine Einführung in das 1 x 1 PD Dr. Thomas Friedl Klinik für Frauenheilkunde und Geburtshilfe, Universitätsklinikum Ulm München, 23.11.2012 Inhaltsübersicht Allgemeine
MehrDie Abfüllmenge ist gleich dem Sollwert 3 [Deziliter].
Eine Methode, um anhand von Stichproben Informationen über die Grundgesamtheit u gewinnen, ist der Hypothesentest (Signifikantest). Hier wird erst eine Behauptung oder Vermutung (Hypothese) über die Parameter
MehrAufgabe 1 (8= Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten:
Aufgabe 1 (8=2+2+2+2 Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten: Die Zufallsvariable X bezeichne die Note. 1443533523253. a) Wie groß ist h(x 5)? Kreuzen
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.
MehrR. Brinkmann Seite
R. Brinkmann http://brinkmann-du.de Seite 1 24.2.214 Grundlagen zum Hypothesentest Einführung: Wer Entscheidungen zu treffen hat, weiß oft erst im nachhinein ob seine Entscheidung richtig war. Die Unsicherheit
MehrAlternativtest Einführung und Aufgabenbeispiele
Alternativtest Einführung und Aufgabenbeispiele Ac Einführendes Beispiel: Ein Medikament half bisher 10% aller Patienten. Von einem neuen Medikament behauptet der Hersteller, dass es 20% aller Patienten
MehrStatistische Tests Übersicht
Statistische Tests Übersicht Diskrete Stetige 1. Einführung und Übersicht 2. Das Einstichprobenproblem 3. Vergleich zweier unabhängiger Gruppen (unverbundene Stichproben) 4. Vergleich zweier abhängiger
MehrAufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97.
Aufgabenblock 4 Aufgabe ) Da s = 8. cm nur eine Schätzung für die Streuung der Population ist, müssen wir den geschätzten Standardfehler verwenden. Dieser berechnet sich als n s s 8. ˆ = = =.88. ( n )
Mehr11. Parametrische Tests 11.1 Konzeption von statistischen Tests
11. Parametrische Tests 11.1 Konzeption von statistischen Tests Statistische Tests dienen zur Überprüfung von Hypothesen über die Grundgesamtheit auf der Basis der vorliegenden Beobachtungen einer Stichprobe.
MehrDie Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
MehrDie Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
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
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
MehrKapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen Induktive Statistik Prof. Dr. W.-D. Heller
MehrJe genauer und sicherer, desto größer muss der Stichprobenumfang sein
2.3 Intervallschätzung 2.3.5 Bestimmung des Stichprobenumfangs Eine große praktische Bedeutung haben Konfidenzintervalle auch für die Stichprobenplanung. Sie werden herangezogen, um den benötigten Stichprobenumfang
MehrStatistik-Notfallkit für Schüler und Lehrer
Statistik-Notfallkit für Schüler und Lehrer Jan Kallsen Christian-Albrechts-Universität zu Kiel 3. Dezember 2018 Zusammenfassung Schließende Statistik ist konzeptionell nicht einfach. Hier sind einige
MehrTesten von Hypothesen:
Testen von Hypothesen: Ein Beispiel: Eine Firma produziert Reifen. In der Entwicklungsabteilung wurde ein neues Modell entwickelt, das wesentlich ruhiger läuft. Vor der Markteinführung muss aber auch noch
MehrStatistik II für Betriebswirte Vorlesung 1
Statistik II für Betriebswirte Vorlesung 1 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 19. Oktober 2016 Prof. Dr. Hans-Jörg Starkloff Statistik II für Betriebswirte Vorlesung
MehrTesten von Hypothesen
Statistik 2 für SoziologInnen Testen von Hypothesen Univ.Prof. Dr. Marcus Hudec Statistik für SoziologInnen 1 Testtheorie Inhalte Themen dieses Kapitels sind: Erklären der Grundbegriffe der statistischen
MehrGRUNDPRINZIPIEN statistischen Testens
Fragestellungen beim Testen GRUNDPRINZIPIEN statistischen Testens. Vergleiche Unterscheidet sich die Stichprobenbeobachtung von einer vorher spezifizierten Erwartung ( Hypothese ) mit ausreichender Sicherheit?
MehrHypothesenprüfung. Darüber hinaus existieren zahlreiche andere Testverfahren, die alle auf der gleichen Logik basieren
Hypothesenprüfung Teil der Inferenzstatistik Befaßt sich mit der Frage, wie Hypothesen über eine (in der Regel unbekannte) Grundgesamtheit an einer Stichprobe überprüft werden können Behandelt werden drei
MehrFH- Management & IT. Constantin von Craushaar FH-Management & IT Statistik Angewandte Statistik (Übungen)
FH- Management & IT Folie 1 Rückblick Häufigkeiten berechnen Mittelwerte berechnen Grafiken ausgeben Grafiken anpassen und als Vorlage abspeichern Variablenoperationen Fälle vergleichen Fälle auswählen
Mehr10 Der statistische Test
10 Der statistische Test 10.1 Was soll ein statistischer Test? 10.2 Nullhypothese und Alternativen 10.3 Fehler 1. und 2. Art 10.4 Parametrische und nichtparametrische Tests 10.1 Was soll ein statistischer
Mehr0 sonst. a) Wie lautet die Randwahrscheinlichkeitsfunktion von Y? 0.5 y = 1
Aufgabe 1 (2 + 2 + 2 + 1 Punkte) Gegeben sei folgende gemeinsame Wahrscheinlichkeitsfunktion f(x, y) = P (X = x, Y = y) der Zufallsvariablen X und Y : 0.2 x = 1, y = 1 0.3 x = 2, y = 1 f(x, y) = 0.45 x
MehrHypothesentest. Ablehnungsbereich. Hypothese Annahme, unbewiesene Voraussetzung. Anzahl Kreise
Hypothesentest Ein Biologe vermutet, dass neugeborene Küken schon Körner erkennen können und dies nicht erst durch Erfahrung lernen müssen. Er möchte seine Vermutung wissenschaftlich beweisen. Der Biologe
MehrAblaufschema beim Testen
Ablaufschema beim Testen Schritt 1 Schritt 2 Schritt 3 Schritt 4 Schritt 5 Schritt 6 Schritt 7 Schritt 8 Schritt 9 Starten Sie die : Flashanimation ' Animation Ablaufschema Testen ' siehe Online-Version
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 15 009 FernUniversität in Hagen Alle Rechte vorbehalten Fachbereich Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
MehrStatistik Einführung // Tests auf einen Parameter 8 p.2/74
Statistik Einführung Tests auf einen Parameter Kapitel 8 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Leydold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Tests
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 41 Übersicht Struktur eines Hypothesentests Stichprobenverteilung t-test: Einzelner-Parameter-Test F-Test: Multiple lineare Restriktionen 2 / 41 Struktur
MehrWahrscheinlichkeitsrechnung und Statistik
10. Vorlesung - 017 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 heißt Median. P(X < z α ) α P(X z α ). Falls X stetige zufällige Variable
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2
MehrWiederholung Hypothesentests Zusammenfassung. Hypothesentests. Statistik I. Sommersemester Statistik I Hypothesentests I (1/36)
Statistik I Sommersemester 2009 Statistik I I (1/36) Wiederholung Grenzwertsatz Konfidenzintervalle Logik des 0.0 0.1 0.2 0.3 0.4 4 2 0 2 4 Statistik I I (2/36) Zum Nachlesen Agresti/Finlay: Kapitel 6+7
MehrStatistik Klausur Sommersemester 2013 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik 2 1. Klausur Sommersemester 2013 Hamburg, 26.07.2013 A BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
Mehr