Klausur ÖKONOMETRIE für Bachelor
|
|
- Sven Kohler
- vor 7 Jahren
- Abrufe
Transkript
1 Klausur ÖKONOMETRIE für Bachelor Name, Vorname: Matrikel-Nr. Die Klausur enthält zwei Typen von Aufgaben: Teil A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens eine Antwort richtig ist und von denen mehrere Antworten richtig sein können. Kreuzen Sie alle richtigen Antworten in den Kästchen unterhalb der Aufgabe an. Sie erhalten 1 Pluspunkt für jeden korrekt ausgewählten Antwortvorschlag (richtiger Antwortvorschlag wird ausgewählt bzw. nicht zutreffender Antwortvorschlag wird nicht ausgewählt). Sie erhalten 1 Minuspunkt für jeden falsch ausgewählten Antwortvorschlag (richtiger Antwortvorschlag wird nicht ausgewählt bzw. nicht zutreffender Antwortvorschlag wird ausgewählt). Es werden keine negativen Punktzahlen vergeben, Sie erhalten also für jede Aufgabe mindestens 0 Punkte. Diese Rohpunkte werden noch gewichtet, um die Klausurpunkte zu berechnen, die in die Berechnung der Prüfungsleistung eingehen. Das Gewicht ist 3/4 bei 4 Antwortmöglichkeiten. Sie können also für jede einzelne Aufgabe maximal 3 Punkte erreichen. Wenn Sie keine Antwort ankreuzen, gilt die Aufgabe als nicht bearbeitet und Sie erhalten 0 Punkte. Teil B enthält ausführlich zu lösende Aufgaben. Nur mit der Darstellung der einzelnen Rechenschritte oder der Begründung Ihrer Vorgehensweise kann die volle Punktzahl erreicht werden. Zulässige Hilfsmittel: Nicht programmierbarer Taschenrechner, Lehrbuch von Schira, gebundene Ausgabe des Skriptes Ökonometrie und eine handschriftlich von Ihnen selbst beschriebene Seite im DIN A4 Format ( Spickzettel, kann auf beiden Seiten beschrieben sein). Teil A umfasst 7 Aufgaben und Teil B umfasst 2 Aufgaben. Die Klausur umfasst insgesamt 15 Seiten. Bitte überprüfen Sie die Vollständigkeit Ihres Exemplars. Die maximal zu erreichende Punktzahl ist 60, davon können maximal 21 Punkte in Teil A und maximal 39 Punkte in Teil B erreicht werden. Studierende im B.Sc. VWL oder B.Sc. BWL bestehen die Prüfung mit mindestens 24 erreichten Punkten. Die Bearbeitungszeit dieser Klausur beträgt 120 Minuten. 1
2 Auswertung - Teil A Aufgabe Erreichte Punktzahl Auswertung - Teil B Aufgabe 1 2 Erreichte Punktzahl Erreichte Gesamtpunktzahl 2
3 Teil A (21 Punkte) A.1 Welche der folgenden Aussagen ist bzw. sind wahr? A) Jede Vollerhebung (d.h. es werden alle Elemente der Grundgesamtheit erfasst) ist eine repräsentative Stichprobe. B) Bei einer Reihe von Würfen mit einer fairen Münze sind bisher 1 mal Zahl und 19 mal Wappen aufgetreten. Nach dem Gesetz großer Zahlen müsste bei den nun folgenden Würfen mehrfach Zahl auftreten. C) Die Stichprobenvarianz ist eine Zufallsvariable und besitzt eine Verteilung. D) Die Kennzahlen, die bei einer Vollerhebung gewonnen werden (z.b. arithmetisches Mittel, Varianz), sind Zufallsvariablen. Hinweis: Unterstellen Sie, dass die Vollerhebung die tatsächliche Grundgesamtheit erfasst. A B C D 3
4 A.2 In letzter Zeit sind vermehrt Beschwerden bei einem großen Hersteller von Gummibärchen eingegangen. Die Kunden erwarten gleich viele Bärchen von jeder Farbe. Angeblich sind zu wenige rote und zu viele grüne Bärchen in den 200g Tüten mit 120 kleinen Bärchen. In einer zufällig ausgewählten Tüte aus der laufenden Produktion befindet sich die folgende Aufteilung: Farbe Rot Orange Gelb Grün Weiß Dunkelblau Anzahl Es seien p 1...p 6 die Wahrscheinlichkeiten für die sechs Gummibärchensorten (1=Rot, 2=Orange, 3=Gelb, 4=Grün, 5=Weiß, 6=Dunkelblau). A) Der Wert der χ 2 -Teststatistik für den Anpassungstest beträgt 12,9 (auf eine Nachkommastelle gerundet). B) Nehmen Sie an, dass der Wert der Teststatistik für den Anpassungstest 12,9 beträgt. Die Nullhypothese ist dann bei einem Signifikanzniveau von 2,5% beizubehalten. C) Die Teststatistik für den einseitigen Anteilstest der roten Bärchen mit der Nullhypothese p beträgt -1,2 (auf eine Nachkommastelle gerundet). Die Hypothese ist damit bei einem Signifikanzniveau von 10% beizubehalten. D) Die Antworten A) - C) sind falsch. A B C D A.3 Aus den Unterlagen der Einkaufsabteilung eines Supermarkts geht hervor, dass p = 1% der gelieferten Schokoladenhasen beschädigt sind. Bei Wareneingang prüfen Sie eine Kiste mit n = 20 Hasen aus der aktuellen Lieferung. Es sei H 20 der Anteil der beschädigten Hasen in der Stichprobe. Unterstellen Sie, dass die Qualität der einzelnen Hasen unabhängig und identisch verteilt ist. A) Wenn Sie exakt mit der Binomialverteilung rechnen, erhalten Sie P(H 20 5%) = 18,2% (auf eine Nachkommastelle gerundet). Hinweis: Betrachten Sie das Gegenereignis. B) Wenn Sie die Normalverteilung als Näherungsverteilung ohne Stetigkeitskorrektur verwenden, erhalten Sie P(H 20 5%) = 67% (gerundet). C) Wenn Sie die Normalverteilung als Näherungsverteilung mit Stetigkeitskorrektur verwenden, erhalten Sie P(H 20 5%) = 25% (gerundet). D) Wenn Sie die Stichprobe verkleinern, wird auch P(H 20 5%) kleiner. A B C D 4
5 A.4 Ein Produzent von mit Nougat gefüllten Schokoladeneiern verwendet bisher eine Schokoladeneierfüllanlage des Typs Schoki 1. Das (verbesserte) Nachfolgemodell Schoki 2 soll laut Angaben des Herstellers die Abfüllung der 5g Nougat bei gleicher Geschwindigkeit mit geringerer Streuung vornehmen. Der Chocolatier überlegt, seine Maschine auszutauschen. Um eine fundierte Entscheidung treffen zu können, lässt er jeweils 21 Eier mit Schoki 1 und Schoki 2 befüllen und anschließend die Füllmengen abwiegen. Bei Schoki 1 ergibt sich eine Stichprobenvarianz von s 2 1 = g 2 und bei Schoki 2 ergibt sich eine Stichprobenvarianz von s 2 2 = 0,0012g 2. Es seien σ 2 1 und σ 2 2 die wahren Varianzen von Schoki 1 und Schoki 2. Unterstellen Sie weiter, dass die Abfüllmengen bei beiden Maschinen unabhängig und identisch verteilt sind. A) Um die Behauptung des Herstellers zu überprüfen, müssen Sie folgende Hypothese testen: H 0 : σ 2 1 σ 2 2 gegen H 1 : σ 2 1 > σ 2 2. B) Um die Behauptung des Herstellers zu überprüfen, müssen Sie folgende Hypothese testen: H 0 : σ 2 1 σ 2 2 gegen H 1 : σ 2 1 < σ 2 2. C) Die Nullhypothese kann bei einem α-niveau von 1% nicht abgelehnt werden, da die Prüfgröße den Wert 2,67 hat und somit den kritischen Wert der F-Verteilung F20[0,99] = 2,94 unterschreitet (Werte auf zwei Nachkommastellen gerundet). D) Die Nullhypothese ist bei einem α-niveau von 5% abzulehnen, da die Prüfgröße den Wert 2,67 hat und somit den kritischen Wert der F-Verteilung F20[0,975] = 2,46 übersteigt (Werte auf zwei Nachkommastellen gerundet). A B C D 5
6 A.5 Auf Basis einer Stichprobe mit n Beobachtungen, wobei n eine ungerade Zahl mit n 9 ist, soll die Varianz σ 2 einer unabhängig und identisch verteilten Zufallsvariablen mit Erwartungswert µ = 0 geschätzt werden. Es stehen folgende Schätzer zur Auswahl: (1) ˆσ 2 1 = 1 n n i=1 2 i (2) ˆσ 2 2 = n (n 1)/2 Beachten Sie, dass in die Berechnung von ˆσ 2 2 nur die ungeraden Beobachtungen eingehen und dass der Erwartungswert als bekannt vorausgesetzt werden kann. A) ˆσ 2 1 ist erwartungstreu. B) ˆσ 2 2 ist erwartungstreu. C) ˆσ 2 2 ist asymptotisch erwartungstreu und konsistent. D) ˆσ 2 2 ist effizienter als ˆσ 2 1. Hinweis: Es gilt in diesem Fall E( 2 i ) = σ2. A B C D 6
7 A.6 Der Verband der Süßwarenhersteller möchte die Höhe der Liefermengen für Kakao bedarfsgerecht festlegen. Dazu wurde der jährliche pro-kopf-kakaoverbrauch der Bundesbürger für die letzten 20 Jahre ermittelt: b = 10,115kg, b2 = 200kg 2 Der Kakaokonsum kann als exakt normalverteilt angesehen werden. A) Die geschätzte Standardabweichung des Kakaokonsums beträgt 9, 88kg (auf zwei Nachkommastellen gerundet). Hinweis: Für die folgenden Aufgabenteile rechnen Sie bitte mit einer geschätzten Stichproben- Standardabweichung von ŝ = 9kg. B) Das 95%-Konfidenzintervall für den durchschnittlichen Kakaoverbrauch ist KI(µ;0,95) = [6kg, 14kg] (gerundet). C) Das 95%-Konfidenzintervall für die Standardabweichung des Kakaokonsums ist KI(σ; 0, 95) = [7, 9kg, 12, 1kg] (auf eine Nachkommastelle gerundet). D) Bei einem zweiseitigen Hypothesentest kann die Hypothese H 0 : µ = 12,5kg bei einem Signifikanzniveau von α = 5% nicht verworfen werden. A B C D 7
8 A.7 Seien 1 bis n stochastisch unabhängige Zufallsvariablen mit Erwartungswert µ und Varianz σ 2. Hinweis: 1 bis n sind nicht notwendigerweise normalverteilt. A) ( n ) n 2 µ ist asymptotisch standardnormalverteilt. σ Hinweis zu A): Es gehen nur die geraden Beobachtungen ein. B) C) D) n i=1 i nµ n i=1 2 i (nµ)2 ist asymptotisch standardnormalverteilt. n i=1 i nµ ist t-verteilt. (nµ)2 n i=1 2 i n ( ) 2 i µ ist χ 2 -verteilt. i=1 σ A B C D 8
9 Teil B (39 Punkte) B.1 Seien x 1 bis x n die Ergebnisse von n unabhängigen Münzwürfen mit derselben (nicht notwendigerweise fairen) Münze. p beschreibe die Wahrscheinlichkeit, Zahl zu werfen. (a) Die Zufallsvariable beschreibe das Ergebnis eines einzelnen Münzwurfs ( = 1 bedeutet Zahl ). Wie lautet die Verteilung von? Wie viele und welche Parameter hat sie? Was beschreiben diese? [3 Punkte] (b) Zeigen Sie, dass x = 1 n n i=1 x i der Maximum-Likelihood Schätzer für p ist. Hinweis: Bestimmen Sie die Wahrscheinlichkeit, dass bei n Versuchen k-mal Zahl geworfen wird. Bestimmen Sie dann das Maximum der logarithmierten Wahrscheinlichkeit. [3 Punkte] (c) Zeigen Sie, dass der Schätzer ˆp ML = x die Varianz Var( x) = p(1 p) n aufweist. [3 Punkte] [9 Punkte] 9
10 B.2 Aus einer Umfrage in den USA liegen die Daten von 198 Männern mit neun Jahren Berufserfahrung vor. Es wurden u.a. folgende Merkmale erhoben: Name wage educ iq nearc4 smsa Beschreibung Monatslohn in US Dollar Ausbildungsdauer in Jahren IQ-Wert Dummy, 1 wenn in der Nähe einer Universität aufgewachsen Dummy, 1 wenn in einer Metropolregion wohnhaft (a) Was ist das arithmetische Mittel des Monatslohns? Was ist das geometrische Mittel des Monatslohns? Wie viel Prozent der Personen sind in der Nähe einer Universität aufgewachsen? Was ist die kürzeste Ausbildungsdauer? Geben Sie auch die Einheiten an. [2 Punkte] (b) Betrachten Sie den TSP-Output zu Equation 1. Welches Modell wurde geschätzt? Was ist die ökonomische Interpretation der geschätzten Koeffizienten? Interpretieren Sie alle Koeffizienten, unabhängig davon, ob sie signifikant sind oder nicht. Bitte geben Sie präzise die Einheiten an. [3 Punkte] (c) Betrachten Sie den TSP-Output zu Equation 2. Überprüfen Sie mit einem Hypothesentest, ob der Koeffizient von educ sich signifikant von 0,07 unterscheidet. Geben Sie alle Schritte von der Nullhypothese bis zur Testentscheidung an. Berechnen Sie auch die Überschreitungswahrscheinlichkeit (p-value). [8 Punkte] (d) Was ist Heteroskedastie? Warum ist Heteroskedastie problematisch? Ist Heteroskedastie in Equation 2 ein Problem? Sie müssen die einzelnen Schritte für einen Hypothesentest nicht angeben, sondern Ihre Schlussfolgerungen aus den Informationen im TSP-Output erläutern. [5 Punkte] (e) Geben Sie die zwei Schätzgleichungen an, die dem Befehl 2sls in Equation 3 zugrunde liegen. Erläutern Sie kurz, warum hier der Befehl 2sls verwendet wird. Welches Problem soll dadurch gelöst werden? [4 Punkte] (f) Welche Eigenschaften muss ein Instrument erfüllen? Diskutieren Sie, ob diese Eigenschaften für das Instrument nearc4 erfüllt sind. Gehen Sie dabei auf die Argumente aus der ökonomischen Theorie und die Schätzergebnisse in Equation 4 ein. [8 Punkte] [30 Punkte] 10
11 Anhang zu Aufgabe B.2 PROGRAM COMMAND *************************************************************** 1 options crt,limwarn=0; 2 2 freq n; 3 3 read (FILE= card2.raw ) nearc4 educ smsa wage IQ ; 4 4 genr lwage=log(wage) ; 5 5 title Deskriptive Statistiken ; 6 msd(terse,byvar) nearc4 educ smsa wage iq lwage ; 7 7?title Equation 1 ; 7 ols lwage c educ iq smsa ; 8 8?title Equation 2 ; 8 ols(robustse) lwage c educ smsa ; 9 9?title Equation 3 ; 9 2sls(inst=(c nearc4 smsa)) lwage c educ smsa ; 10 10?title Equation 4 ; 10 ols educ c nearc4 smsa ; END ; EECUTION ******************************************************************************* 11
12 Current sample: 1 to 198 Number of Observations: 198 Deskriptive Statistiken ======================= Univariate statistics ===================== Num.Obs Mean Std Dev Minimum Maximum NEARC EDUC SMSA WAGE IQ LWAGE Dependent variable: LWAGE Current sample: 1 to 198 Number of observations: 198 Equation 1 ============ Method of estimation = Ordinary Least Squares Mean of dep. var. = LM het. test = [.236] Std. dev. of dep. var. = Durbin-Watson = [<.995] Sum of squared residuals = Jarque-Bera test = [.024] Variance of residuals = Ramsey s RESET2 = [.281] Std. error of regression = F (zero slopes) = [.000] R-squared = Schwarz B.I.C. = Adjusted R-squared = Log likelihood = Estimated Standard Variable Coefficient Error t-statistic P-value C [.000] EDUC [.001] IQ E E [.000] SMSA [.250] 12
13 Dependent variable: LWAGE Current sample: 1 to 198 Number of observations: 198 Equation 2 ============ Method of estimation = Ordinary Least Squares Mean of dep. var. = LM het. test = [.817] Std. dev. of dep. var. = Durbin-Watson = [<.978] Sum of squared residuals = Jarque-Bera test = [.552] Variance of residuals = Ramsey s RESET2 = [.572] Std. error of regression = F (zero slopes) = [.000] R-squared = Schwarz B.I.C. = Adjusted R-squared = Log likelihood = Estimated Standard Variable Coefficient Error t-statistic P-value C [.000] EDUC [.000] SMSA [.199] Standard Errors are heteroskedastic-consistent (HCTYPE=2). 13
14 Dependent variable: LWAGE Endogenous variables: EDUC Included exogenous variables: C SMSA Excluded exogenous variables: NEARC4 Current sample: 1 to 198 Number of observations: 198 Equation 3 ============ Method of estimation = Instrumental Variable Mean of dep. var. = R-squared = Std. dev. of dep. var. = Adjusted R-squared = Sum of squared residuals = Durbin-Watson = [<.983] Variance of residuals = F (zero slopes) = [.044] Std. error of regression = E PZ*E = 0. Estimated Standard Variable Coefficient Error t-statistic P-value C [.006] EDUC [.330] SMSA [.711] 14
15 Dependent variable: EDUC Current sample: 1 to 198 Number of observations: 198 Equation 4 ============ Method of estimation = Ordinary Least Squares Mean of dep. var. = LM het. test = [.396] Std. dev. of dep. var. = Durbin-Watson = [<.797] Sum of squared residuals = Jarque-Bera test = [.000] Variance of residuals = Ramsey s RESET2 = [.107] Std. error of regression = F (zero slopes) = [.029] R-squared = Schwarz B.I.C. = Adjusted R-squared = Log likelihood = Estimated Standard Variable Coefficient Error t-statistic P-value C [.000] NEARC [.166] SMSA [.131] ******************************************************************************* END OF OUTPUT. ENDE DER KLAUSUR 15
Nachholklausur ÖKONOMETRIE für Bachelor VWL
Nachholklausur ÖKONOMETRIE für Bachelor VWL Name, Vorname: Matrikel-Nr. Die Klausur enthält zwei Typen von Aufgaben: Teil A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens
MehrKlausur ÖKONOMETRIE für Bachelor VWL
Klausur ÖKONOMETRIE für Bachelor VWL Name, Vorname: Matrikel-Nr. Die Klausur enthält zwei Typen von Aufgaben: Teil A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens
MehrZwischenklausur ÖKONOMETRIE
Zwischenklausur ÖKONOMETRIE Name, Vorname: Matrikel-Nr. Die Klausur besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens eine Antwort richtig ist und von denen mehrere
MehrLösung - Übungsblatt 10
Lösung - Übungsblatt 10 Aufgabe 2: Siehe Outputfile Aufgabe 2 a) Regressionsgleichung - Equation 1: price = β 1 + β 2 lotsize + β 3 sqrft + β 4 bdrms + u i Fit: price = β 1 + β 2 lotsize + β 3 sqrft +
MehrKlausur ÖKONOMETRIE für Bachelor VWL
Klausur ÖKONOMETRIE für Bachelor VWL Name, Vorname: Matrikel-Nr. Die Klausur enthält zwei Typen von Aufgaben: Teil A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens
MehrÜbungsblatt 7: Schätzung eines Mietspiegels
Prof. Bernd Fitzenberger, Ph.D. Ute Leuschner Stefanie Schäfer Übung zur Veranstaltung Empirische Wirtschaftsforschung Albert-Ludwigs-Universität Freiburg Wintersemester 2010/11 Übungsblatt 7: Schätzung
MehrWiederholung der Hauptklausur STATISTIK
Name, Vorname: Matrikel-Nr. Die Klausur enthält zwei Typen von Aufgaben: Teil A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens eine Antwort richtig ist und von denen
MehrFragen zum zweiten Teil der Vorlesung
Albert-Ludwigs-Universität Freiburg Ökonometrie (Bachelor) Lehrstuhl Prof. Fitzenberger, Ph.D. WS 2011/12 Fragen zum zweiten Teil der Vorlesung 1. Es soll geprüt werden, ob das obere Quartil (das 75%-Quantil)
MehrNachholklausur ÖKONOMETRIE für Bachelor VWL
Nachholklausur ÖKONOMETRIE für Bachelor VWL Name, Vorname: Matrikel-Nr. Die Klausur enthält zwei Typen von Aufgaben: Teil A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens
MehrWahrscheinlichkeitslimes und Konsistenz eines Schätzers
5.5. IV SCHÄTZUNG 1 5.5 Multivariate lineare Regression: Fehler in den Variablen, Proxies, Endogenität, Instrumentvariablenschätzung Wahrscheinlichkeitslimes und Konsistenz eines Schätzers Literatur: Gujarati
MehrKlausur STATISTIK 2 für Diplom VWL
Klausur STATISTIK 2 für Diplom VWL Name, Vorname: Matrikel-Nr. Die Klausur enthält zwei Typen von Aufgaben: Teil A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens
MehrFragestunde zur Übung
Prof. Bernd Fitzenberger, Ph.D. Dr. Roland Füss Aderonke Osikominu Übung zur Veranstaltung Empirische Wirtschaftsforschung Albert-Ludwigs-Universität Freiburg Wintersemester 2007/08 Fragestunde zur Übung
Mehr8. Keine Normalverteilung der Störgrößen (Verletzung der B4-Annahme)
8. Keine Normalverteilung der Störgrößen (Verletzung der B4-Annahme) Annahme B4: Die Störgrößen u i sind normalverteilt, d.h. u i N(0, σ 2 ) Beispiel: [I] Neoklassisches Solow-Wachstumsmodell Annahme einer
MehrProbeklausur EW II. Für jede der folgenden Antworten können je 2 Punkte erzielt werden!
Probeklausur EW II Bitte schreiben Sie Ihre Antworten in die Antwortfelder bzw. markieren Sie die zutreffenden Antworten deutlich in den dafür vorgesehenen Kästchen. Wenn Sie bei einer Aufgabe eine nicht-zutreffende
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:.............................................................................
MehrKlausur zur Vorlesung: Einführung in die Empirische Wirtschaftsforschung. Prof. Bernd Fitzenberger, Ph.D. WS 2010/11. Mittwoch, 16.
Klausur zur Vorlesung: Einführung in die Empirische Wirtschaftsforschung Prof. Bernd Fitzenberger, Ph.D. WS 2010/11 Mittwoch, 16. Februar 2011 Die folgenden drei Aufgaben sind alle zu bearbeiten. Die insgesamt
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:............................................................................
MehrWiederholung der Klausur STATISTIK
Name, Vorname: Matrikel-Nr. Die Klausur enthält zwei Typen von Aufgaben: Teil A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens eine Antwort richtig ist und von denen
MehrX =, y In welcher Annahme unterscheidet sich die einfache KQ Methode von der ML Methode?
Aufgabe 1 (25 Punkte) Zur Schätzung der Produktionsfunktion des Unternehmens WV wird ein lineares Regressionsmodell der Form angenommen. Dabei ist y t = β 1 + x t2 β 2 + e t, t = 1,..., T (1) y t : x t2
MehrTeekonsum in den USA (in 1000 Tonnen), Nimmt den Wert 1 an für alle Perioden, Durchschnittlicher Preis des Tees in Periode t (in Tausend $/Tonne).
Aufgabe 1 (5 Punkte) Gegeben sei ein lineares Regressionsmodell in der Form. Dabei ist y t = x t1 β 1 + x t β + e t, t = 1,..., 10 (1) y t : x t1 : x t : Teekonsum in den USA (in 1000 Tonnen), Nimmt den
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
MehrFERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT
FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Schließende Statistik Sommersemester Namensschild. Dr.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Schließende Statistik Sommersemester 2013 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Kleben Sie bitte sofort Ihr Namensschild
MehrAufgabenstellung und Ergebnisse zur. Bachelor-Prüfung Schließende Statistik Wintersemester 2017/18. Dr. Martin Becker
Aufgabenstellung und Ergebnisse zur Bachelor-Prüfung Schließende Statistik Wintersemester 2017/18 Dr. Martin Becker Hinweise für die Klausurteilnehmer Die Klausur besteht aus insgesamt 9 Aufgaben. Prüfen
MehrKlausur zu Statistik II
GOETHE-UNIVERSITÄT FRANKFURT FB Wirtschaftswissenschaften Statistik und Methoden der Ökonometrie Prof. Dr. Uwe Hassler Wintersemester 03/04 Klausur zu Statistik II Matrikelnummer: Hinweise Hilfsmittel
Mehr4.1. 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
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Schließende Statistik Sommersemester Aufgabenstellung und Ergebnisse
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Schließende Statistik Sommersemester 2010 Aufgabenstellung und Ergebnisse Prof. Dr. Ralph Friedmann / Dr. Martin Becker Hinweise für die Klausurteilnehmer
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Schließende Statistik Wintersemester 2012/13. Namensschild. Dr.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Schließende Statistik Wintersemester 2012/13 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Kleben Sie bitte sofort Ihr Namensschild
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
Mehrx t2 y t = 160, y = 8, y y = 3400 t=1
Aufgabe 1 (25 Punkte) 1. Eine Online Druckerei möchte die Abhängigkeit des Absatzes gedruckter Fotos vom Preis untersuchen. Dazu verwendet die Firma das folgende lineare Regressionsmodell: wobei y t =
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Schließende Statistik Sommersemester Namensschild
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Schließende Statistik Sommersemester 2010 Namensschild Prof. Dr. Ralph Friedmann / Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ
MehrKlausur zu Statistik II
Goethe-Universität Frankfurt Prof. Dr. Uwe Hassler FB Wirtschaftswissenschaften Sommersemester 2005 Klausur zu Statistik II Version B Bitte tragen Sie hier und auf den Lösungsblättern (oben links) Ihre
MehrÜbung V Lineares Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Michael Alpert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2007 Übung
MehrStatistik Zusätzliche Beispiele SS 2018 Blatt 3: Schließende Statistik
Statistik Zusätzliche Beispiele SS 2018 Blatt 3: Schließende Statistik 1. I Ein Personalchef führt so lange Vorstellungsgespräche durch bis der erste geeignete Bewerber darunter ist und stellt diesen an.
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage
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
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
MehrBachelorprüfung: Statistik (1 Stunde)
Prof. H.R. Künsch D-BIOL, D-CHAB Winter 2010 Bachelorprüfung: Statistik (1 Stunde) Bemerkungen: Es sind alle mitgebrachten schriftlichen Hilfsmittel und der Taschenrechner erlaubt. Natels sind auszuschalten!
MehrProbeklausur STATISTIK II
Probeklausur STATISTIK II Name, Vorname: Matrikel-Nr.: Die Klausur enthält zwei Typen von Aufgaben: T e i l A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens eine
Mehr1 Beispiel zur Methode der kleinsten Quadrate
1 Beispiel zur Methode der kleinsten Quadrate 1.1 Daten des Beispiels t x y x*y x 2 ŷ ˆɛ ˆɛ 2 1 1 3 3 1 2 1 1 2 2 3 6 4 3.5-0.5 0.25 3 3 4 12 9 5-1 1 4 4 6 24 16 6.5-0.5 0.25 5 5 9 45 25 8 1 1 Σ 15 25
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Schließende Statistik Sommersemester Namensschild. Dr.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Studiengang Schließende Statistik Sommersemester 2011 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Kleben Sie bitte sofort Ihr
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
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)
MehrProf. Regina T. Riphahn, Ph.D. WS 04/05 Abschlussklausur zur Veranstaltung "Einführung in die Ökonometrie" am 24. Februar 2005,
Prof. Regina T. Riphahn, Ph.D. WS 4/5 Abschlussklausur zur Veranstaltung "Einführung in die Ökonometrie" am 24. Februar 25, 9.-1.3 Uhr Erlaubte Hilfsmittel: Tabelle der statistischen Verteilungen, 4 DIN
MehrAnalyse von Querschnittsdaten. Signifikanztests I Basics
Analyse von Querschnittsdaten Signifikanztests I Basics Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Generalisierung kategoriale Variablen Datum 13.10.2004 20.10.2004 27.10.2004
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
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!
MehrWS 2014/15. (d) Bestimmen Sie die Wahrscheinlichkeitsfunktion von X. (e) Bestimmen Sie nun den Erwartungswert und die Varianz von X.
Fragenkatalog zur Übung Methoden der empirischen Sozialforschung WS 2014/15 Hier finden Sie die denkbaren Fragen zum ersten Teil der Übung. Das bedeutet, dass Sie zu diesem Teil keine anderen Fragen im
MehrMultivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Musterlösung Aufgabe 1 (40 Punkte) Auf der dem Kurs beigelegten CD finden Sie im Unterverzeichnis Daten/Excel/ die Datei zahlen.xlsx. Alternativ können Sie
MehrStatistik II. Weitere Statistische Tests. Statistik II
Statistik II Weitere Statistische Tests Statistik II - 19.5.2006 1 Überblick Bisher wurden die Test immer anhand einer Stichprobe durchgeführt Jetzt wollen wir die statistischen Eigenschaften von zwei
MehrDeckblatt. Name der Kursleiterin/des Kursleiters, bei der Sie angemeldet sind: Annelie Gebert. Nur einen Studiengang ankreuzen!!!
Deckblatt Name Vorname Matrikelnr. Name in Druckbuchstaben Name der Kursleiterin/des Kursleiters, bei der Sie angemeldet sind: Annelie Gebert Nur einen Studiengang ankreuzen!!! Bachelorstudiengang Sozialökonomie
MehrGoethe-Universität Frankfurt
Goethe-Universität Frankfurt Fachbereich Wirtschaftswissenschaft PD Dr. Martin Biewen Dr. Ralf Wilke Sommersemester 2006 Klausur Statistik II 1. Alle Aufgaben sind zu beantworten. 2. Bitte runden Sie Ihre
MehrMathematische Statistik Aufgaben zum Üben. Schätzer
Prof. Dr. Z. Kabluchko Wintersemester 2016/17 Philipp Godland 14. November 2016 Mathematische Statistik Aufgaben zum Üben Keine Abgabe Aufgabe 1 Schätzer Es seien X 1,..., X n unabhängige und identisch
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,,
Mehry t = 30, 2. Benutzen Sie die Beobachtungen bis einschließlich 2002, um den Koeffizientenvektor β mit der KQ-Methode zu schätzen.
Aufgabe 1 (25 Punkte Zur Schätzung des Werbe-Effekts in einem Getränke-Unternehmen wird das folgende lineare Modell aufgestellt: Dabei ist y t = β 1 + x t2 β 2 + e t. y t : x t2 : Umsatz aus Getränkeverkauf
MehrWIRTSCHAFTSWISSENSCHAFTLICHES PRÜFUNGSSEKRETARIAT
WIRTSCHAFTSWISSENSCHAFTLICHES PRÜFUNGSSEKRETARIAT ER NIVERSITÄT ES AARLANDES Von der/dem Studierenden auszufüllen (Bitte leserlich und in Blockschrift): Schließende Statistik Name der Prüfung: Semester,
MehrWahrscheinlichkeit und Statistik BSc D-INFK
Prof. Dr. P. Embrechts ETH Zürich Sommer 2015 Wahrscheinlichkeit und Statistik BSc D-INFK Name: Vorname: Stud. Nr.: Das Folgende bitte nicht ausfüllen! Aufg. Summe Kontr. Pkte.-Max. 1 10 2 10 3 10 4 10
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
MehrWIRTSCHAFTSWISSENSCHAFTLICHES PRÜFUNGSSEKRETARIAT
WIRTSCHAFTSWISSENSCHAFTLICHES PRÜFUNGSSEKRETARIAT ER NIVERSITÄT ES AARLANDES Von der/dem Studierenden auszufüllen (Bitte leserlich und in Blockschrift): Schließende Statistik Name der Prüfung: Semester,
MehrInstitut für Stochastik, SoSe K L A U S U R , 13:
Institut für Stochastik, SoSe 2014 Mathematische Statistik Paravicini/Heusel 1. K L A U S U R 12.7.2014, 13:00-16.00 Name: Geburtsdatum: Vorname: Matrikelnummer: Übungsgruppe bei: Studiengang & angestrebter
MehrWIRTSCHAFTSWISSENSCHAFTLICHES PRÜFUNGSSEKRETARIAT DER RECHTS- UND WIRTSCHAFTSWISSENSCHAFTLICHEN FAKULTÄT DER UNIVERSITÄT DES SAARLANDES
WIRTSCHAFTSWISSENSCHAFTLICHES PRÜFUNGSSEKRETARIAT DER RECHTS- UND WIRTSCHAFTSWISSENSCHAFTLICHEN FAKULTÄT DER UNIVERSITÄT DES SAARLANDES Von der/dem Studierenden auszufüllen (Bitte leserlich und in Blockschrift):
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:
MehrVOLKSWIRTSCHAFTLICHE VORDIPLOMPRÜFUNG
VOLKSWIRTSCHAFTLICHE VORDIPLOMPRÜFUNG 17.07.2007 Übungsklausur auf dem Gebiet: STATISTIK II Prüfer: Dr. Roland Füss Name, Vorname: Matrikel-Nr.: Die Klausur enthält drei Typen von Aufgaben: D e r T e i
MehrAllgemein zu Hypothesentests: Teststatistik. OLS-Inferenz (Small Sample) Allgemein zu Hypothesentests
OLS-Inferenz (Small Sample) K.H. Schild 3. Mai 017 Allgemein zu Hypothesentests: Teststatistik Konstruktion eines Hypothesentests erfolgt meistens über eine Teststatistik Eine Teststatistik T ist eine
Mehr73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments
73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind
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 / 41 Übersicht Struktur eines Hypothesentests Stichprobenverteilung t-test: Einzelner-Parameter-Test F-Test: Multiple lineare Restriktionen 2 / 41 Struktur
MehrPrüfung aus Statistik 2 für SoziologInnen
Prüfung aus Statistik 2 für SoziologInnen 11. Oktober 2013 Gesamtpunktezahl =80 Name in Blockbuchstaben: Matrikelnummer: Wissenstest (maximal 16 Punkte) Kreuzen ( ) Sie die jeweils richtige Antwort an.
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
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrKlausur zur Vorlesung: Prof. Bernd Fitzenberger, Ph.D. SS 2012 Donnerstag, 31. Juli 2012
Klausur zur Vorlesung: Einführung in die Empirische Wirtschaftsforschung Prof. Bernd Fitzenberger, Ph.D. SS 2012 Donnerstag, 31. Juli 2012 Die folgenden drei Aufgaben sind alle zu bearbeiten. Die insgesamt
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
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
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
MehrPobeklausur: Einführung in die Ökonometrie. 1. (20 Punkte) Wir betrachten 2 (in den Koeffizienten) lineare Modelle mit folgenden Variablen:
Gesamtpunktzahl: 96 Pobeklausur: Einführung in die Ökonometrie 1. (20 Punkte) Wir betrachten 2 (in den Koeffizienten) lineare Modelle mit folgenden Variablen: cigs: gerauchte Zigaretten pro Tag educ: Bildung
MehrSo berechnen Sie einen Schätzer für einen Punkt
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: SCHÄTZEN UND TESTEN htw saar 2 Schätzen: Einführung Ziel der Statistik ist es, aus den Beobachtungen eines Merkmales in einer Stichprobe Rückschlüsse über die Verteilung
MehrProbeklausur - Statistik II, SoSe 2017
Probeklausur - Statistik II, SoSe 2017 Aufgabe 1: Mehrdimensionale Zufallsvariablen (15 Punkte) Gegeben sei ein zweidimensionaler stetiger Zufallsvektor X = (X 1, X 2 ) T mit der gemeinsamen Dichtefunktion
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:
MehrSchriftliche Prüfung (2 Stunden)
Prof. Peter Bühlmann Mathematik IV: Statistik Sommer 2013 Schriftliche Prüfung (2 Stunden) Bemerkungen: Alle schriftlichen Hilfsmittel und ein Taschenrechner sind erlaubt. Mobiltelefone sind auszuschalten!
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) 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
MehrMasterprüfung. Die Klausur besteht aus 3 Aufgaben, die alle bearbeitet werden müssen.
Fach: Prüfer: Mikroökonometrie Prof. Regina T. Riphahn, Ph.D. Masterprüfung Vorbemerkungen: Bearbeitungszeit: 60 Minuten. Anzahl der Aufgaben: Bewertung: Erlaubte Hilfsmittel: Wichtige Hinweise: Die Klausur
MehrModellanpassung und Parameterschätzung. A: Übungsaufgaben
7 Modellanpassung und Parameterschätzung 1 Kapitel 7: Modellanpassung und Parameterschätzung A: Übungsaufgaben [ 1 ] Bei n unabhängigen Wiederholungen eines Bernoulli-Experiments sei π die Wahrscheinlichkeit
Mehr2 Aufgaben aus [Teschl, Band 2]
20 2 Aufgaben aus [Teschl, Band 2] 2.1 Kap. 25: Beschreibende Statistik 25.3 Übungsaufgabe 25.3 a i. Arithmetisches Mittel: 10.5 ii. Median: 10.4 iii. Quartile: x 0.25 Y 4 10.1, x 0.75 Y 12 11.1 iv. Varianz:
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,
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,
MehrStochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. M. Maathuis ETH Zürich Winter 2010 Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Schreiben Sie für Aufgabe 2-4 stets alle Zwischenschritte und -rechnungen sowie Begründungen auf. Aufgabe
MehrAnalyse von Querschnittsdaten. Signifikanztests I Basics
Analyse von Querschnittsdaten Signifikanztests I Basics Warum geht es in den folgenden Sitzungen? Datum Vorlesung 18.10.2006 Einführung 18.10.2006 Beispiele 25.10.2006 Daten 08.11.2006 Variablen Kontinuierliche
Mehr2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.11. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler 2009 war genau 33.7%. Wie groß ist die Wahrscheinlichkeit, in einer Zufallsstichprobe von 1000 Personen genau
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
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 20. Januar 2011 1 Der F -Test zum Vergleich zweier Varianzen 2 Beispielhafte Fragestellung Bonferroni-Korrektur
Mehrb) Bestimmen Sie die Varianz der beiden Schätzer. c) Ist ein oder sind beide Schätzer konsistent? Begründen Sie!
Aufgabe 1 (3 + 3 + 2 Punkte) Ein Landwirt möchte das durchschnittliche Gewicht von einjährigen Ferkeln bestimmen lassen. Dies möchte er aus seinem diesjährigen Bestand an n Tieren schätzen. Er kann dies
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,...,
MehrNachklausur Mathematik für Biologen WS 08/09
Aufgabe 1: (5 Punkte) In einer diploiden Population beobachten wir die Ausprägung eines bestimmten Gens, das zwei Allele V und W annimmt. Somit besitzt jedes Individuum V V, V W oder W W als Genotyp. Die
MehrKlausur zur Vorlesung Analyse mehrdimensionaler Daten, Lösungen WS 2010/2011; 6 Kreditpunkte, 90 min
Klausur, Analyse mehrdimensionaler Daten, WS 2010/2011, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 21.02.2011 Klausur zur Vorlesung Analyse mehrdimensionaler Daten, Lösungen WS 2010/2011; 6 Kreditpunkte,
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
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
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.
Mehr