Klausur Datenanalyse und Statistik (WS 2015/16)
|
|
- Ruth Adenauer
- vor 7 Jahren
- Abrufe
Transkript
1 Klausur Datenanalyse und Statistik (WS 2015/16) Matrikelnummer: Fachrichtung: Aufgabe: Pkt. mgl Pkt erreicht: ZP Unter der folgenden Nummer finden Sie Ihr Ergebnis später im Internet: D S Schreiben Sie sich die Nummer bitte jetzt auf! Diese Klausur wird nur dann als Prüfung gewertet, wenn Sie im Prüfungsamt angemeldet sind. Ansonsten werden die Ergebnisse nur für einen Schein gewertet. Lesen Sie die Aufgaben genau durch. Nehmen Sie für diese Klausur grundsätzlich ein α-niveau von 5% an. Aufgabe 1: Daten In dieser Klausur analysieren wir einen Datensatz mit dem die Wirksamkeit eines neuen biologisch erzeugten Düngemittels (HypNitron) für Tomaten untersucht werden soll. Dazu wurden über Deutschland verteilt gleich große Testanbauflächen für Tomaten in die Studie aufgenommen. An jeder Testfläche wurde der Bodentyp (Variable boden) gemäß einer Bodenklassifizierung der Gärtnervereinigung erfaßt. Diese Bodenklassifizierung umfaßt 23 aus Gärtnerischer Sicht unterschiedliche Bodenklassen. Weiterhin wurde die Konzentration des organisch verfügbaren Stickstoffs dreimal im Jahr gemessen: Nv, vor der Düngung, Nn, 4 Wochen nach der Düngung und Nh im Herbst nach der Ernte. Für jede Testfläche (Testflächen ID in Variable testflaeche) wurde eine Münze geworfen, ob mit HypNitron oder einem ähnlich aussehnden aber wirkungslosem Scheinpräparat gedüngt werden soll. Ob HyNitron verwendet wurde ist in der Variable used zu finden. Die Gesamternte an reifen Tomaten auf der Anbaufläche wurde in der Variable tomaten aufgenommen. > load("hypnitron.rdata") > options(max.print=160,show.signif.stars=false) > HN[1:10,] testflaeche tomaten used boden Nv Nn Nh 1 TF yes TF no TF yes TF no
2 5 TF no TF no TF yes TF no TF yes TF yes (1) Kommentieren sie die Repräsentativität der Daten und geben Sie die Grundgesamtheit an.(2) Eignen sich die Daten um für ganz Deutschland gültige Aussagen zu machen? warum? (1) Eignen sich die Daten, um die Wirksamkeit von HypNitron für die Grundgesamtheit der Testflächen nachzuweisen? Warum? (1) (2) Welches Skalenniveau haben diese Daten? (4) tomaten: used: boden: testflaeche: 2
3 Aufgabe 2: Methoden auswählen Welche statistische Methodik sollte man wählen, um... (1)... die Anteile der Bodentypen graphisch darzustellen. (1) (2)... um festzustellen, ob Bindungen in der Variable tomaten die Verwendung nichtparametrischer Tests erschweren würde. (1) (3)... um die Variable Nv mit Methoden für das reelle Skalennivau optimal untersuchen zu können? (1) (4)... um die Abhängigkeit der Stickstoffkonzetration Nn vom Düngereinsatz used zu visualisieren? (1) (5)... um nachzuweisen, dass die Stickstoffkonzentration Nv nicht normalverteilt ist? (1) (6)... um die Abhängigkeit der Stickstoffkonzentrationen vor und nach der Düngung, so darzustellen, dass der Unterschied zwischen gedüngten und ungedüngten Flächen sichtbar wird? (2) 3
4 > par(mfrow=c(1,4)) > barplot(table(hn$used),main="a") > boxplot(tomaten~used,data=hn,main="b") > stripchart(nn,data=hn,pch=20,method="stack",main="c") > boxplot(nv~used,data=hn,main="d") A B C D no yes no yes no yes Abbildung 1: Graphiken zum Datensatz Aufgabe 3: Graphiken In Abbildung 1 finden sie eine Reihe graphischer Darstellung der Daten. (1) Abbildung A: Wie heißt diese Graphik? (1) Geben Sie eine Schlussfolgerung aus dieser Graphik wieder? (1) (2) Abbildung B: Wie heißt diese Graphik? (1) Geben Sie eine für die weitere Analyse relevante Schlussfolgerung aus dieser Graphik wieder? (1) (3) Abbildung C: Wie heißt diese Graphik? (1) 4
5 Geben Sie eine für die weitere Analyse relevante Schlussfolgerung aus dieser Graphik wieder? (1) (4) Abbildung D: Wie heißt diese Graphik? (1) Geben Sie eine für die weitere Analyse relevante Schlussfolgerung aus dieser Graphik wieder? (1) Aufgabe 4: Voranalyse der Stickstoffkonzentration in verschiedenen Bodentypen Um Manipulation auszuschließen, soll zunächst untersucht werden, ob sich die gedüngten und ungedüngten Flächen schon vor der Düngung in ihrer mittleren Stickstoffkonzentration unterschieden hatten. (1) Was folgern Sie aus den folgenden Tests? (1) > shapiro.test(hn$nv[hn$used=="yes"]) Shapiro-Wilk normality test data: HN$Nv[HN$used == "yes"] W = , p-value = 6.335e-07 > shapiro.test(hn$nv[hn$used=="no"]) Shapiro-Wilk normality test data: HN$Nv[HN$used == "no"] W = , p-value = 6.384e-08 Mit welchem Wert haben sie die beiden p-werte verglichen?(1) 5
6 (2) Beschreiben Sie die Testsituation bezüglich all ihrer Merkmale. (3) (3) Welchen Test würden Sie für diese Fragestellung empfehlen? (1) (4) Was sind die Voraussetzungen dieses Tests?(2) (5) Sind diese Voraussetzungen erfüllt? Woher wissen Sie das? (2) (6) Der p-wert dieses Tests ist Was folgern Sie daraus? Warum?(2) 6
7 Aufgabe 5: Kategorielle Daten Wir wollen untersuchen, ob der Düngereinsatz und der Bodentyp zusammenhängen. (1) Mit welcher statistischen Graphic ließe sich eine eventuell Vorhande abhängigkeit von Düngereinsatz used und Bodentyp boden besonders gut visualisieren? (1) (2) Was ist die folgende Darstellung?(1) > table(hn$used,hn$boden) no yes (3) Interpretieren sie das folgende Testergebnis und kommentieren sie eventuelle Probleme bei der Anwendbarkeit des Tests in der vorliegenden Situation.(3) > chisq.test(table(hn$used,hn$boden)) Pearson's Chi-squared test data: table(hn$used, HN$boden) X-squared = , df = 22, p-value = Aufgabe 6: Lineares Modell Wir wollen nun die Wirksamkeit des Düngers zur Erhöhung der Tomatenernte und die Abhängigkeit der Wirkung von den Stickstoffkonzentrationen und Bodentyp mittels linearer Modelle untersuchen. Diagnostische Graphiken zu einem der Modelle finden Sie in Abbildung 2. 7
8 > xanova <- function(mod) { + print(anova(mod)) + cat("r^2=",var(predict(mod))/var(predict(mod)+resid(mod)),"\n") + } > xanova(mod01<-lm(log(tomaten)~boden,data=hn)) boden e-12 Residuals R^2= > xanova(mod02<-lm(log(tomaten)~log(nv),data=hn)) log(nv) < 2.2e-16 Residuals R^2= > xanova(mod03<-lm(log(tomaten)~boden+log(nv),data=hn)) boden e-12 log(nv) Residuals R^2= > xanova(mod04<-lm(log(tomaten)~log(nv)+used,data=hn)) log(nv) < 2.2e-16 used e-05 Residuals R^2= > xanova(mod05<-lm(log(tomaten)~used+log(nv),data=hn)) 8
9 used e-05 log(nv) < 2.2e-16 Residuals R^2= > xanova(mod06<-lm(log(tomaten)~boden+used,data=hn)) boden e-12 used Residuals R^2= > xanova(mod07<-lm(log(tomaten)~log(nv)+boden+used,data=hn)) log(nv) < 2.2e-16 boden used Residuals R^2= > xanova(mod08<-lm(log(tomaten)~log(nv)+used+boden,data=hn)) log(nv) < 2.2e-16 used e-05 boden Residuals R^2= > xanova(mod09<-lm(log(tomaten)~used+boden+log(nv),data=hn)) used e-06 boden e-12 log(nv)
10 Residuals R^2= > xanova(mod10<-lm(log(tomaten)~log(nv)*used,data=hn)) log(nv) < 2.2e-16 used e-05 log(nv):used Residuals R^2= > xanova(mod11<-lm(log(tomaten)~boden*used,data=hn)) boden e-12 used boden:used Residuals R^2= (1) Begründen Sie, warum Modell mod04 dem Modell mod03 vorzusiehen ist. (2) (2) Begründen Sie, warum Modell mod04 dem Modell mod10 vorzusiehen ist. (2) (3) Begründen Sie, warum Modell mod05 dem Modell mod07 vorzusiehen ist. (2) 10
11 > par(mfrow=c(2,2)) > mod <- mod04 > plot(predict(mod),resid(mod)) > plot(predict(mod),influence(mod)$hat) > plot(predict(mod),cooks.distance(mod)) > qqnorm(resid(mod)) > coef(mod) (Intercept) log(nv) usedyes predict(mod) resid(mod) predict(mod) influence(mod)$hat predict(mod) cooks.distance(mod) Normal Q Q Plot Theoretical Quantiles Sample Quantiles Abbildung 2: Diagnostics for model mod04 11
12 (4) Welches Modell würden Sie anhand der durchgeführten Tests auswählen? Warum? (2) (5) Kommentieren Sie Anhand der Graphiken in Abbildung 2, ob und wenn ja welche Schwierigkeiten mit den Voraussetzungen zu Modell mod04 vorliegen.(2) (6) Welche Tomatenmenge pro Referenzfläche würden Sie anhand des Models mod04 für einen Standort mit Bodentyp 1 und Stickstoffkonzentration Nv= 1 bei Einsatz des Düngers vorhersagen. Schreiben Sie eine Formel in der Zahlen aus Angaben und Ausgaben eingehen (nicht ausrechnen!!!).(2) > coef(mod04) (Intercept) log(nv) usedyes (7) Kommentieren Sie das Ergebnis der Studie in allgemeinverständlichen Begriffen. Erhöht der HypNitron die Ernte? Ist die Wirksamkeit von Bodeneigenschaften abhängig? Wenn ja wie? (2) 12
2.Übung Stochastik und Statistik WS09/10 (Boogaart, Jansen)
2.Übung Stochastik und Statistik WS09/10 (Boogaart, Jansen) Aufgabe 1: Ein Versuch mit einem Schlafmittel In einem klinischen Versuch sollte die Wirksamkeit eines Schlafmittels getestet werden. Dazu wurden
Mehr5. Übung Datenanalyse und Statistik WS07/08 (Boogaart, Jansen)
5. Übung Datenanalyse und Statistik WS07/08 (Boogaart, Jansen) Bringen Sie alles mit, was Ihnen helfen kann die letzte Aufgabe zu lösen: Taschenrechner, Laptop, Tafelwerke, oder.... Installieren Sie z.b.
MehrKlausur Stochastik und Statistik (WS 2007/08) Matrikelnummer: Fachrichtung: Unter der folgenden Nummer finden Sie Ihr Ergebnis später im Internet: 8 A
Klausur Stochastik und Statistik (WS 2007/08) Name: Matrikelnummer: Fachrichtung: Unter der folgenden Nummer finden Sie Ihr Ergebnis später im Internet: 8 A Aufgabe 1: Aufgabe: Datenanalyse und Tests Der
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrTutorial: Vergleich von Anteilen
Tutorial: Vergleich von Anteilen Die Sicherung des Pensionssystems ist in vielen Ländern ein heikles Thema. Noch stärker als der Streit, wer wann welche Pension beziehen können soll, tobt ein Streit, welche
Mehr7. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17
7. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17 1. Aufgabe: a) Grundgesamtheit sind alle Reifen aus der Produktion von Langstone aus dem Monat März der entsprechenden Reifentypen.
Mehra <- c("w","e") # Alle elementaren Datentypen können zusammengefasst werden a # Der Umgang mit den Vektoren hängt nicht vom Datentyp ab
Übung 02 - Datenanalyse und Statistik WS 2008/2009 # Starten Sie JGR! # Tutorial: Skalenniveaus in R #- Zahlen und Zeichen 1:4 # Zahlenfolge "Hallo" # Zeichenfolge a
MehrFerienkurse Mathematik Sommersemester 2009
Ferienkurse Mathematik Sommersemester 2009 Statistik: Grundlagen 1.Aufgabenblatt mit praktischen R-Aufgaben Aufgabe 1 Lesen Sie den Datensatz kid.weights aus dem Paket UsingR ein und lassen sie die Hilfeseite
Mehr1 Einfachregression 1.1In 10 Haushalten wurden Einkommen und Ausgaben für Luxusgüter erfragt:
Beispiele zum Üben und Wiederholen zu Wirtschaftsstatistik 2 (Kurs 3) 1 Einfachregression 1.1In 10 Haushalten wurden Einkommen und Ausgaben für Luxusgüter erfragt: Haushaltseinkommen 12 24 30 40 80 60
MehrÜbung 4 im Fach "Biometrie / Q1"
Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-89070 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 13, 89075 Ulm Tel.
Mehr6. Tutoriumsserie Statistik II
6. Tutoriumsserie Statistik II 1. Aufgabe: Eine Unternehmensabteilung ist ausschließlich mit der Herstellung eines einzigen Produktes beschäftigt. Für 10 Perioden wurden folgende Produktmenge y und Gesamtkosten
MehrVerallgemeinerte lineare Modelle. Promotion. Promotion. Methoden empirischer Sozialforschung. 1 binäre und mehrere metrische und kategoriale Variablen
Verallgemeinerte lineare Modelle 1 binäre und mehrere metrische und kategoriale Variablen Methoden empirischer Sozialforschung Verallgemeinerte lineare Modelle () Wie läßt sich die Abhängigkeit der Erfolgswahrscheinlichkeit
MehrSchweizer Statistiktage, Aarau, 18. Nov. 2004
Schweizer Statistiktage, Aarau, 18. Nov. 2004 Qualitative Überprüfung der Modellannahmen in der linearen Regressionsrechnung am Beispiel der Untersuchung der Alterssterblichkeit bei Hitzeperioden in der
MehrBiomathematik für Mediziner, Klausur WS 1999/2000 Seite 1
Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,
Mehr> read.table("d:\\reifen.txt",header=t) > Reifen
1. Aufgabe: Auf einer Reifenrollentestanlage werden Versuche durchgeführt um die Langlaufeigenschaften zu untersuchen. Insbesondere wird die Untersuchung des Abriebs über simulierte Anfahr- Brems- und
MehrTeilklausur des Moduls Kurs 42221: Vertiefung der Statistik
Name, Vorname Matrikelnummer Teilklausur des Moduls 32741 Kurs 42221: Vertiefung der Statistik Datum Termin: 21. März 2014, 14.00-16.00 Uhr Prüfer: Univ.-Prof. Dr. H. Singer Vertiefung der Statistik 21.3.2014
MehrW-Rechnung und Statistik für Ingenieure Übung 13
W-Rechnung und Statistik für Ingenieure Übung 13 Nächste Woche: Probeklausur Bringen Sie sich ein leeres Exemplar der Probeklausur mit, um sich eine Musterlösung zu erstellen. Aufgabe 1 : Testproblem Testproblem:
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
MehrKlausur Stochastik und Statistik (WS 2008/09)
Klausur Stochastik und Statistik (WS 2008/09) Aufgabe: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 Pkt. mgl. 2 1 1 1 8 4 4 2 7 2 2 2 2 2 2 1 3 2 2 50 Pkt erreicht: Name, Vorname: Matrikelnummer: Fachrichtung:
MehrName Vorname Matrikelnummer Unterschrift
Dr. Hans-Otfried Müller Institut für Mathematische Stochastik Fachrichtung Mathematik Technische Universität Dresden Klausur Statistik II (Sozialwissenschaft, Nach- und Wiederholer) am 26.10.2007 Gruppe
MehrKlausur zu Biometrische und Ökonometrische Methoden und Ökologische Statistik
TECHNISCHE UNIVERSITÄT MÜNCHEN - WEIHENSTEPHAN WS 96/97 MATHEMATIK UND STATISTIK, INFORMATIONS- UND DOKUMENTATIONSZENTRUM Klausur zu Biometrische und Ökonometrische Methoden und Ökologische Statistik 24.1.97,
MehrTutorial: Homogenitätstest
Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite
MehrSommersemester Marktforschung
Dipl.-Kfm. Sascha Steinmann Universität Siegen Lehrstuhl für Marketing steinmann@marketing.uni-siegen.de Sommersemester 2010 Marktforschung Übungsaufgaben zu den Themen 3-6 mit Lösungsskizzen Aufgabe 1:
MehrKlausur Statistik 2 RE Statistik für Soziologen Do,
Klausur Statistik 2 RE Statistik für Soziologen Do, 24. 9. 2009 Name...Vorname... Matrikelnummer... Einsichtnahme: Fr, 2. Oktober BITTE DEUTLICH UND LESERLICH SCHREIBEN! Es wird nur gewertet, was in diesem
MehrStatistik Klausur Wintersemester 2013/2014 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik 1 2. Klausur Wintersemester 2013/2014 Hamburg, 18.03.2014 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
MehrSoSe 2015 Klausur zur LV 36654: Einführung in 28. Juli 2015 die Methoden empirischer Forschung. Name: Studiengang: B.A. M.A.
Name: Studiengang: B.A. M.A. Vorname: Studienfächer: Matrikelnummer: Fachsemester: Allgemeine Hinweise: 1. Überprüfen Sie bitte, ob Sie alle Seiten der Klausurangabe vollständig erhalten haben (Gesamtzahl:
Mehr11. Übungsblatt zur Vorlesung Ökonometrie SS 2014
Universität des Saarlandes Lehrstab Statistik Dr. Martin Becker Dipl.-Kfm. Andreas Recktenwald 11. Übungsblatt zur Vorlesung Ökonometrie SS 2014 Aufgabe 45 Die in Aufgabe 43 getroffene Annahme heteroskedastischer
MehrTeil: lineare Regression
Teil: lineare Regression 1 Einführung 2 Prüfung der Regressionsfunktion 3 Die Modellannahmen zur Durchführung einer linearen Regression 4 Dummyvariablen 1 Einführung o Eine statistische Methode um Zusammenhänge
MehrStatistik-Klausur A WS 2009/10
Statistik-Klausur A WS 2009/10 Name: Vorname: Immatrikulationsnummer: Studiengang: Hiermit erkläre ich meine Prüfungsfähigkeit vor Beginn der Prüfung. Unterschrift: Dauer der Klausur: Erlaubte Hilfsmittel:
MehrKlausur Statistik I Dr. Andreas Voß Wintersemester 2005/06
Klausur Statistik I Dr. Andreas Voß Wintersemester 2005/06 Hiermit versichere ich, dass ich an der Universität Freiburg mit dem Hauptfach Psychologie eingeschrieben bin Name: Mat.Nr.: Unterschrift: Bearbeitungshinweise:
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2014 Mehrdimensionale Datensätze: Multivariate Statistik Multivariate Statistik Mehrdimensionale Datensätze:
MehrStatistik-Klausur E WS 2009/10
Statistik-Klausur E WS 2009/10 Name: Vorname: Immatrikulationsnummer: Studiengang: Hiermit erkläre ich meine Prüfungsfähigkeit vor Beginn der Prüfung. Unterschrift: Dauer der Klausur: Erlaubte Hilfsmittel:
MehrEinführung in die Statistik für Politikwissenschaftler Sommersemester 2011
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Es können von den Antworten alle, mehrere oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort (ohne Auslassungen
MehrSkalenniveaus =,!=, >, <, +, -
ZUSAMMENHANGSMAßE Skalenniveaus Nominalskala Ordinalskala Intervallskala Verhältnisskala =,!= =,!=, >, < =,!=, >, ,
MehrHäufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche
Lehrveranstaltung Empirische Forschung und Politikberatung der Universität Bonn, WS 2007/2008 Häufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche 30. November 2007 Michael
MehrWolf falsch eingeschätzt und deshalb falsche Werbemaßnahmen ergriffen.
Aufgabenstellung Klausur Methoden der Marktforschung 0.08.004 Der Automobilhersteller People Car verkauft eine neue Variante seines Erfolgsmodells Wolf zunächst nur auf einem Testmarkt. Dabei muss das
MehrAnalytische Statistik I. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2009/10
Analytische Statistik I Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2009/10 Testen Anpassungstests (goodness of fit) Weicht eine gegebene Verteilung signifikant von einer bekannten
MehrHinweis: Es sind 4 aus 6 Aufgaben zu bearbeiten. Werden mehr als 4 Aufgaben bearbeitet, werden nur die ersten vier Aufgaben gewertet.
11.01.2012 Prof. Dr. Ingo Klein Klausur zur VWA-Statistik Hinweis: Es sind 4 aus 6 Aufgaben zu bearbeiten. Werden mehr als 4 Aufgaben bearbeitet, werden nur die ersten vier Aufgaben gewertet. Aufgabe 1:
Mehr5. Kolmogorov-Smirnov-Test und χ 2 -Anpassungstest
Empirische Wirtschaftsforschung Prof. Dr. Ralf Runde 5. Kolmogorov-Smirnov-Test und χ 2 -Anpassungstest Ein wesentliches Merkmal nichtparametrischer Testverfahren ist, dass diese im Allgemeinen weniger
MehrStatistik Klausur Wintersemester 2013/2014 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik 1 A 2. Klausur Wintersemester 2013/2014 Hamburg, 18.03.2014 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 12. Januar 2011 1 Vergleich zweier Erwartungswerte Was heißt verbunden bzw. unverbunden? t-test für verbundene Stichproben
MehrStatistik Vorlesung 8 (Lineare Modelle)
Statistik p. 1/?? Statistik Vorlesung 8 (Lineare Modelle) K.Gerald van den Boogaart http://www.stat.boogaart.de Statistik p. 2/?? Lineare Modelle Def: Statistische Modelle der Form: Y i = c 0 + c 1 f 1
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrAufgaben zu Kapitel 8
Aufgaben zu Kapitel 8 Aufgabe 1 a) Berechnen Sie einen U-Test für das in Kapitel 8.1 besprochene Beispiel mit verbundenen n. Die entsprechende Testvariable punkte2 finden Sie im Datensatz Rangdaten.sav.
MehrKovarianzanalyse. Truthahngewicht. Truthahngewicht. Methoden empirischer Sozialforschung. 1 metrische und mehrere metrische und kategoriale Variablen
Kovarianzanalyse 1 metrische und mehrere metrische und kategoriale Variablen Methoden empirischer Sozialforschung Lineare Modelle (2. Teil) Wie läßt sich die Abhängigkeit einer metrischen Variablen von
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Korrelationsanalysen Kreuztabellen und χ²-test Themen Korrelation oder Lineare Regression? Korrelationsanalysen - Pearson, Spearman-Rang, Kendall s Tau
MehrEinfaktorielle Varianzanalyse
Kapitel 16 Einfaktorielle Varianzanalyse Im Zweistichprobenproblem vergleichen wir zwei Verfahren miteinander. Nun wollen wir mehr als zwei Verfahren betrachten, wobei wir unverbunden vorgehen. Beispiel
Mehr11. weitere Übungsaufgaben Statistik II WiSe 2017/2018
11. weitere Übungsaufgaben Statistik II WiSe 2017/2018 1. Aufgabe: Bei 100 Fahrzeugen des gleichen Typs sind neben dem Preis (PREIS) auch die gefahrene Strecke (MEILEN) und die Anzahl der Werkstattbesuche
Mehr6. Übung Stochastik und Statistik WS09/10 (Boogaart, Jansen)
6. Übung Stochastik und Statistik WS09/10 (Boogaart, Jansen) Die Resultate benötigter Tests werden durch die Übungsleiter gegeben (Folie) und erst nach den erfolgten Übungen zum Nacharbeiten ergänzt! An
MehrMultiple Regression III
Multiple Regression III Werner Brannath VO Biostatistik im WS 2006/2007 Inhalt Überprüfung der Modellannahmen Residuen-Plot Normal-Q-Q-Plot Cook s Distanz-Plot Maßnahmen bei Abweichungen von Modellannahmen
MehrKlausur Statistik Lösungshinweise
Klausur Statistik Lösungshinweise Prüfungsdatum: 21. Januar 2016 Prüfer: Etschberger, Heiden, Jansen Studiengang: IM und BW Punkte: 15, 15, 12, 14, 16, 18 ; Summe der Punkte: 90 Aufgabe 1 15 Punkte Bei
MehrNachklausur zur Vorlesung. Statistik für Studierende der Biologie
Institut für Mathematische Stochastik WS 1999/2000 Universität Karlsruhe 11. Mai 2000 Dr. Bernhard Klar Nachklausur zur Vorlesung Statistik für Studierende der Biologie Bearbeitungszeit: 90 Minuten Name:
MehrZeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: n (2k 1) = n 2.
Aufgabe 1. (5 Punkte) Zeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: n k=1 (2k 1) = n 2. Aufgabe 2. (7 Punkte) Gegeben sei das lineare Gleichungssystem x + 2z = 0 ay
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)
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
MehrImpressum. Verteiler. Datum 25. Juli Bericht-Nr Verfasst von VAN, JZU, ANM. Basler & Hofmann West AG Ingenieure, Planer und Berater
Finanzhilfen für die Instandstellung historischer Verkehrswege Statistische Auswertung zeitlicher Gesetzmässigkeiten Kunde Bundesamt für Strassen ASTRA Mühlestrasse 2 3003 Bern Datum 25. Juli 2014 Impressum
MehrSchriftliche Prüfung (90 Minuten)
Dr. M. Kalisch Prüfung Statistik I Sommer 2015 Schriftliche Prüfung (90 Minuten) Bemerkungen: Erlaubte Hilfsmittel: 10 hand- oder maschinengeschriebene A4 Seiten (=5 Blätter). Taschenrechner ohne Kommunikationsmöglichkeit.
MehrTutorial:Unabhängigkeitstest
Tutorial:Unabhängigkeitstest Mit Daten aus einer Befragung zur Einstellung gegenüber der wissenschaftlich-technischen Entwicklungen untersucht eine Soziologin den Zusammenhang zwischen der Einstellung
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 25. September 2015 Aufgabe 1 (15 Punkte) Kennzeichnen Sie die folgenden Aussagen zur Regressionsanalyse mit R für richtig oder F für falsch. F Wenn
MehrTrim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist
MehrDiagnostik von Regressionsmodellen (1)
Diagnostik von Regressionsmodellen (1) Bei Regressionsanalysen sollte immer geprüft werden, ob das Modell angemessen ist und ob die Voraussetzungen eines Regressionsmodells erfüllt sind. Das Modell einer
MehrDatenanalyse und Statistik
Datenanalyse und Statistik Vorlesung 3 (Graphik II) K.Gerald van den Boogaart http://www.stat.boogaart.de Datenanalyse und Statistik p.1/48 Daten Schätzung Test Mathe Die Datenminen Riesige Halde mit nichtrepräsentativen
MehrMusterlösung. Kind Blume (beredet) Blume (nicht beredet)
Prüfung Statistik Sommer 2012 Musterlösung 1. (9 Punkte) F. Lauer möchte das Gerücht überprüfen, dass Blumen schneller wachsen, wenn man mit ihnen redet. Daher kauft sie acht identische Blumenzwiebeln,
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrStickstoffdüngung mit Ackerbohnenschrot zu Kartoffeln
A. Paffrath, Landwirtschaftskammer Rheinland, Endenicher Allee, 53115 Bonn, 228/73-1537, Fax: (228) 73-8289 Stickstoffdüngung mit Ackerbohnenschrot zu Kartoffeln - Versuchsbeschreibung - Versuchsfrage:
MehrTutorial: Rangkorrelation
Tutorial: Rangkorrelation In vielen Sportarten gibt es mehr oder weniger ausgefeilte Methoden, nicht nur die momentanen Leistungen (der jetzige Wettkampf, das jetzige Rennen, das jetzige Spiel,..) der
MehrStatistik II (Sozialwissenschaften)
Dr. Hans-Otfried Müller Institut für Mathematische Stochastik Fachrichtung Mathematik Technische Universität Dresden http://www.math.tu-dresden.de/sto/mueller/ Statistik II (Sozialwissenschaften) 2. Konsultationsübung,
MehrANGEWANDTE STATISTIK II Prüfungstermin Name:
Die Beantwortung der Rechenaufgaben hat zusätzlich zu den numerischen Ergebnissen zu beinhalten: - Feststellung des Problemtyps, Angabe der Lösungsmethode; - bei den Testverfahren: Hypothesen, P-Wert,
MehrDatenanalyse und Statistik
Datenanalyse und Statistik Vorlesung 3 (Graphik für andere Skalen) K.Gerald van den Boogaart http://www.stat.boogaart.de Datenanalyse und Statistik p. 1 Daten Schätzung Test Mathe Die Datenminen Riesige
MehrVergleich von Gruppen I
Vergleich von Gruppen I t-test und einfache Varianzanalyse (One Way ANOVA) Werner Brannath VO Biostatistik im WS 2006/2007 Inhalt Der unverbundene t-test mit homogener Varianz Beispiel Modell Teststatistik
MehrStatistik. Jan Müller
Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen
MehrSchriftliche Prüfung (90 Minuten)
Dr. M. Kalisch Probeprüfung Statistik 1 Sommer 2014 Schriftliche Prüfung (90 Minuten) Bemerkungen: Alle schriftlichen Hilfsmittel und ein Taschenrechner sind erlaubt. Mobiltelefone sind auszuschalten!
Mehr13. Übungswoche. Kapitel 12: Varianzanalyse (Fortsetzung)
1 13. Übungswoche Kapitel 12: Varianzanalyse (Fortsetzung) [ 3 ] Im Vorkurs Mathematik für Wirtschafstwissenschaftler vor Beginn des Sommersemesters 2009 wurde am Anfang und am Ende ein Test geschrieben,
MehrDatenanalyse und Statistik
Datenanalyse und Statistik Vorlesung 3 (Graphik II) K.Gerald van den Boogaart http://www.stat.boogaart.de Datenanalyse und Statistik p.1/48 Daten Schätzung Test Mathe Die Datenminen Riesige Halde mit nichtrepräsentativen
MehrSchriftliche Prüfung (2 Stunden)
Prüfung Statistik Winter 2013 Schriftliche Prüfung (2 Stunden) Bemerkungen: Alle schriftlichen Hilfsmittel und ein Taschenrechner sind erlaubt. Mobiltelefone sind auszuschalten! Lesen Sie zuerst alle Aufgaben
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrAufgabensammlung (Nicht-MC-Aufgaben) Klausur Ökonometrie WS 2014/15. ( = 57 Punkte)
Aufgabe 3 (6 + 4 + 8 + 4 + 10 + 4 + 9 + 4 + 8 = 57 Punkte) Hinweis: Beachten Sie die Tabellen mit Quantilen am Ende der Aufgabenstellung! Mit Hilfe eines multiplen linearen Regressionsmodells soll auf
MehrStatistische Datenanalyse mit R, Korrelation und Regression. Dr. Andrea Denecke Leibniz Universität IT-Services
Statistische Datenanalyse mit R, Korrelation und Regression Dr. Andrea Denecke Leibniz Universität IT-Services Korrelationsanalyse Eine Korrelationsanalyse soll herausfinden Ob ein linearer Zusammenhang
MehrBiomathematik für Mediziner, Klausur WS 2000/2001 Seite 1
Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1 Aufgabe 1: Von 2 gleichartigen Maschinen eines pharmazeutischen Betriebes stellt die erste 40% und die zweite 60% der Produkte her. Dabei verursacht
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:............................................................................
MehrLean Body Mass [kg] Estimate Std. Error t value Pr(> t ) (Intercept) ??? lbm <2e-16 ***
Körperkraft [Nm] 0 50 100 150 200 250 0 20 40 60 80 Lean Body Mass [kg] Dieses Quiz soll Ihnen helfen, den R Output einer einfachen linearen Regression besser zu verstehen (s. Kapitel 5.4.1) Es wurden
MehrStatistik-Klausur A WS 2010/11
Statistik-Klausur A WS 2010/11 Name: Vorname: Immatrikulationsnummer: Studiengang: Hiermit erkläre ich meine Prüfungsfähigkeit vor Beginn der Prüfung. Unterschrift: Dauer der Klausur: Erlaubte Hilfsmittel:
MehrStatistik. Sommersemester Stefan Etschberger. für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik
Stefan Etschberger für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 2017 Beispieldaten meineregression = lm(alterm ~ AlterV) meineregression plot(alterv,
MehrKlausur Statistik I. Dr. Andreas Voß Wintersemester 2005/06
Klausur Statistik I Dr. Andreas Voß Wintersemester 2005/06 Hiermit versichere ich, dass ich an der Universität Freiburg mit dem Hauptfach Psychologie eingeschrieben bin. Name: Mat.Nr.: Unterschrift: Bearbeitungshinweise:
MehrAnalytische Statistik: Varianzanpassungstest, Varianzhomogenitätstest. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09
Analytische Statistik: Varianzanpassungstest, Varianzhomogenitätstest Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09 Varianzanpassungstest Untersuchung der Streuung einer bzw.
MehrÜbung 2 im Fach "Biometrie / Q1"
Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-897 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 3, 8975 Ulm Tel. +49
Mehr6. weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17
6. weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17 1. Aufgabe: An der Universität Kassel wurde eine neue Herstellungsweise von besonders hartem Beton entwickelt. Um festzustellen, ob andere
MehrVorname: Nachname: Matrikel-Nr.: Klausur Statistik
Vorname: Nachname: Matrikel-Nr.: Klausur Statistik Prüfer Etschberger, Heiden, Jansen Prüfungsdatum 21. Januar 2016 Prüfungsort Augsburg Studiengang IM und BW Bearbeitungszeit: 90 Minuten Punkte: 90 Die
MehrPrüfungsklausur zur Stochastik (LMG)/ Elementare Wahrscheinlichkeitstheorie und Statistik
B. Schmalfuß Jena, den 20.02.2018 Prüfungsklausur zur Stochastik (LMG)/ Elementare Wahrscheinlichkeitstheorie und Statistik Allgemeine Hinweise: Zur Verfügung stehende Zeit: 90 min. Hilfsmittel: keine.
MehrAufgabensammlung (Nicht-MC-Aufgaben) Klausur Ökonometrie WS 2017/18. ( = 58 Punkte)
Aufgabe 3 (14 + 2 + 7 + 7 + 3 + 5 + 9 + 11 = 58 Punkte) Hinweis: Beachten Sie die Tabellen mit Quantilen am Ende der Aufgabenstellung! Mit Hilfe der Statistiksoftware R soll der Datensatz HousePrices aus
MehrEs können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden.
Teil III: Statistik Alle Fragen sind zu beantworten. Es können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden. Wird
MehrMathematik für Wirtschaftswissenschaftler II (Analysis) 1. Klausur Sommersemester
Mathematik für Wirtschaftswissenschaftler II (Analysis) 1. Klausur Sommersemester 2012 24.07.2012 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN Nachname:...................................................................
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrAuswertung und Lösung
Körperkraft [Nm] 0 50 100 150 200 250 0 20 40 60 80 Lean Body Mass [kg] Dieses Quiz soll Ihnen helfen, den R Output einer einfachen linearen Regression besser zu verstehen (s. Kapitel 5.4.1) Es wurden
MehrStatistik-Klausur vom
Statistik-Klausur vom 09.02.2009 Bearbeitungszeit: 90 Minuten Aufgabe 1 a) Ein Unternehmen möchte den Einfluss seiner Werbemaßnahmen auf den erzielten Umsatz quantifizieren. Hierfür werden die jährlichen
MehrBlockkurs Geowissenschaftliches Modellieren Modul Statistik 1
Blockkurs Geowissenschaftliches Modellieren (9./..8 &./7..8) B Box-and-Whisker Plot 8 Col_ frequency Histogram 8 Col_ Modul Statistik (STATGRAPHICS)..8 - Einführung -. Normal Distribution. density.. -
MehrTutorial: Regression Output von R
Tutorial: Regression Output von R Eine Firma erzeugt Autositze. Ihr Chef ist besorgt über die Anzahl und die Kosten von Maschinenausfällen. Das Problem ist, dass die Maschinen schon alt sind und deswegen
MehrAufgabensammlung (Nicht-MC-Aufgaben) Klausur Ökonometrie SS 2018
Aufgabe 3 (15 + 1 + 7 + 7 + 7 + 5 = 42 Punkte) Hinweis: Beachten Sie die Tabellen mit Quantilen am Ende der Aufgabenstellung! Mit Hilfe der Statistiksoftware R soll der Datensatz HousePrices aus dem Paket
MehrStandardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend
Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten
Mehr