Testen statistischer Hypothesen
|
|
- Oskar Wetzel
- vor 7 Jahren
- Abrufe
Transkript
1 Kapitel 9 Teste statistischer Hypothese 9.1 Eiführug, Sigifiaztests Sigifiaztest für µ bei der ormalverteilug bei beatem σ = : X i seie uabhägig ud µ, ) verteilt, µ sei ubeat. Stelle eie Hypothese über µ auf, i diesem Fall: Hypothese H 0 : µ = µ 0. Lege das Sigifiaziveau α ud de Stichprobeumfag vor der Utersuchug der Stichprobe fest. Bestimme ε > 0 aus 9.1.1) ) X µ0 P ε H Satz 8.4.3a 0 = 21 Φε)) =α! Φε) =1! α 2. Setze d := ε. Utersuche Stichprobe vom Umfag. Das Ergebis sei der Schätzwert ˆµ = x für µ. ˆµ µ 0 d ist, ist H 0 abzulehe. ˆµ µ 0 < d ist, ist H 0 mit Vorbehalt) azuehme. Begrüdug der Etscheidugsregel: ach 9.1.1) gilt für die Wahrscheilicheit für eie irrtümliche Ablehug vo H) 0 : P H 0 wird aufgrud des Testergebisses) abgeleht H 0 = P X µ 0 d H 0 = P X µ 0 ε/ ) X µ H 0 = P 0 ε H 0 = α Bem.: a) X, x u. s. w. habe diesselbe Bedeutug wie im erste Teil vo Abschitt 8.4. b) α hat eie adere Bedeutug als γ im Abschitt 8.4. α liegt ahe bei 0, z. B. α = 0.1, 0.05, 0.01 o. ä. c) P... H 0 ) i 9.1.1) bedeutet: 9.1.1) bestimmt die Wahrsch. für das iteressierede Ereigis, we H 0 richtig wäre. Iterpretatio des Testergebisses: Es gibt ach eiem Test 4 verschiedee Situatioe, die i achsteheder schematischer Übersicht dargestellt sid Siehe Tabelle 8-1): 65
2 Tabelle 9-1 H 0 wird uter der Bedigug : ageomme abgeleht H 0 ist richtig falsch richtige Etscheidug Fehler 2. Art Fehler 1. Art richtige Etscheidug Allgemei wird gefordert: 9.1.2) PFehler 1. Art) = PH 0 wird abgeleht H 0 ) α Die Wahrscheilicheit für eie Fehler 2. Art ist erst da i gleicher Weise durch eie Zahl < 1 abzuschätze, we ma H 0 eie geeigete Alterativhypothese H 1 gegeüberstellt ud evtl. das Testverfahre ädert. Ohe geeigete Alterativhypothese gilt also ur P Fehler 2. Art) 1, d. h. ma hat de Fehler 2. Art icht uter Kotrolle. Scheit die Aahme vo H 0 ur durch eie zu leie Stichprobeumfag zustade geomme zu sei was aus o. g. Grüde icht präzise fassbar ist), so ist der Test u. U. mit größerem Stichprobeumfag zu wiederhole. Sigifiaztest für µ bei der ormalverteilug bei ubeatem σ: X i seie uabhägig ud µ, σ) verteilt, µ ud σ seie ubeat. Stelle eie Hypothese über µ auf, i diesem Fall: Hypothese H 0 : µ = µ 0. Lege das Sigifiaziveau α ud de Stichprobeumfag vor der Utersuchug der Stichprobe fest. Bestimme ε > 0 aus 9.1.3) P X µ 0 i=1 X i X) 2 1 ε H 0 Satz 8.4.8a = 21 F t ε))! =α F t ε)! =1 α 2, wobei F t y) die Verteilugsfutio der t Verteilug mit r = 1) Freiheitsgrade ist. Utersuche Stichprobe vom Umfag. Diese liefert die Meß oder Beobachtugswerte x 1, x 2,... x. Daraus gewie wir de Schätzwert ˆµ = x für µ ud die Testgröße d := ε i=1 x i x) 2 1) ˆµ µ 0 d ist, ist H 0 abzulehe. ˆµ µ 0 < d ist, ist H 0 mit Vorbehalt) azuehme. 66
3 9.2 Eiseitige Tests Ei eiseitiger Test bei der ormalverteilug X 1,..., X seie uabhägige µ, σ) verteilte ZV mit beatem σ =. Über dem ubeate Parameter µ werde 2 Hypothese aufgestellt : H 0 : µ µ 0, H 1 : µ > µ 0 Alterativhypothese) Fehler 1. Art : Etscheidug gege H 0 ud damit für H 1 ), obwohl H 0 richtig ist. Fehler 2. Art : Etscheidug gege H 1 ud damit für H 0 ), obwohl H 1 richtig ist. Durchführug des Tests: Schritt 1: Lege die Höchstgreze α für die Wahrsch. für eie Fehler 1. Art ud die Höchstgreze β für die Wahrsch. für eie Fehler 2. Art fest. Schritt 2: Lege de Stichprobeumfag fest ud bereche d 0 ud d 1 aus, α ud β ach der folgede Formel: 9.2.1) d 0 = ε 0 / mit Φε 0 ) = 1 α d 1 = ε 1 / mit Φε 1 ) = 1 β Schritt 3: Werte eie Stichprobe vom Umfag aus. x ist da eie Realisierug vo X:= 1 X X )): x µ 0 + d 0 Etscheidug für H 1 x µ 0 d 1 Etscheidug für H 0 µ 0 d 1 < x < µ 0 + d 0 eie Etscheidug u. U. de Test mit größerem Stichprobeumfag wiederhole) Begrüdug für 9.2.1): Aus der Tatsache, dass Φx) mooto wachsed ist, folgt: P Fehler 1. Art) = P X µ 0 + d 0 H 0 ) = 1 Φ µ0 µ+d 0 µ µ0 1 Φ d0 α P Fehler 2. Art) = P X µ 0 d 1 H 1 ) = Φ µ0 µ d 1 µ>µ0 Φ d1 = 1 Φ d1 β Bem.: a) Machmal ist vo der pratische Fragestellug her folgede Gegeüberstellug zwecmäßig: H 0 : µ µ 0, H 1 : µ µ 1 > µ 0 ). Der Test ist da wie obe durchzuführe, wobei aber folgede Äderuge zu beachte sid: x µ 0 + d 0 Etscheidug gege H 0 icht ubedigt für H 1 ) x µ 1 d 1 Etscheidug gege H 1 icht ubedigt für H 0 ) µ 1 d 1 < x < µ 0 + d 0 eie Etscheidug Durch geüged große Stichprobeumfag a ma erreiche, dass µ 1 d 1 µ 0 + d 0 ud damit das 3. Itervall leer ist. Ma ommt da immer zu eier Etscheidug. b) Ist auch σ ubeat, so a ma ählich wie bei de Kofidezitervalle vgl. Satz 8.4.8) oder bei dem Sigifiaztest die eiseitige Tests mit folgede Veräderuge durchführe: 9.2.1) wird ersetzt durch 67
4 9.2.2) d 0 = ε 0 i=1 x i x) 2 1) mit F t ε 0 ) = 1 α, d 1 = ε 1 i=1 x i x) 2 1) mit F t ε 1 ) = 1 β, wobei F t y) die Verteilugsfutio der t Verteilug mit r = 1) Freiheitsgrade ist. c) Astelle des Tests auf H 0 : µ µ 0 gege H 1 : µ > µ 0 fidet ma i der Literatur oft Tests auf H 0 : µ = µ 0 gege H 1 : µ > µ 0 oder H 0 : µ < µ 0 gege H 1 : µ µ 0 oder H 0 : µ < µ 0 gege H 1 : µ = µ 0. Alle diese Tests sid recherisch gleichwertig Ei eiseitiger Test bei der Biomialverteilug X sei eie biomial verteilte ZV mit de Parameter wird och festgelegt) ud p ubeat). X ist damit selbst scho mit eier Stichprobe vom Umfag verbude, d. h. X i etspricht abgesehe vo de verschiedee Verteiluge der ZV X i Hypothese über p : H 0 : 0 p p 0, H 1 : p 1 p 1, 0 p 0 p 1 < 1. Fehler 1. Art: Etscheidug gege H 0 ud damit für p > p 0 ), obwohl H 0 richtig ist. Fehler 2. Art: Etscheidug gege H 1 ud damit für p < p 1 ), obwohl H 1 richtig ist. Durchführug des Tests: Schritt 1: Lege die Höchstgreze α für die Wahrscheilicheit für eie Fehler 1. Art ud die Höchstgreze β für die Wahrscheilicheit für eie Fehler 2. Art fest. Schritt 2: Lege fest. Schritt 3: Werte eie Stichprobe vom Umfag aus, die eie Realisierug x vo X liefert. Fall 1: x/ < p 1. Setze q 1 := 1 p 1. x =0 ) p1 ) β q 1 q1 gilt, ist die Hypothese H 1 mit ausreicheder Sicherheit abzulehe. Aderefalls a die Hypothese H 1 auf Grud der vorliegede Date icht mit ausreicheder Sicherheit abgeleht werde. Begrüdug: x/ < p 1 spricht gege die Hypothese H 1. Um aber H 1 mit ausreicheder Sicherheit ablehe zu öe, müsse wir prüfe, ob die die Wahrscheilicheit für eie Fehler 2. Art β ist, d.h. ob die Wahrscheilicheit dafür, dass die ZV X de vorliegede Wert x oder 68
5 Werte aimmt, die och mehr gege die Hypothese H 1 spreche, β ist: ) x x P X x H 1 ) P X x p = p 1 ) = p 1q1 = q1 =0 =0 ) p1 q 1 )? β. Die erste Ugleichug gilt, weil die Wahrscheilicheit für X x< p 1 ) für p > p 1 och leier ist als für p = p 1. Fall 2: x/ > p 0. Setze := 1 p 0. =x ) p0 ) α q0 x 1 =0 ) p0 ) 1 α ) gilt, ist die Hypothese H 0 mit ausreicheder Sicherheit abzulehe. Aderefalls a die Hypothese H 0 auf Grud der vorliegede Date icht mit ausreicheder Sicherheit abgeleht werde. Begrüdug: x/ > p 0 spricht gege die Hypothese H 0. Um aber H 0 mit ausreicheder Sicherheit ablehe zu öe, müsse wir prüfe, ob die die Wahrscheilicheit für eie Fehler 1. Art α ist, d.h. ob die Wahrscheilicheit dafür, dass die ZV X de vorliegede Wert x oder Werte aimmt, die och mehr gege die Hypothese H 0 spreche, α ist: ) ) p0 )? P X x H 0 ) P X x p = p 0 ) = p 0 q 0 = q0 α. =x Die erste Ugleichug gilt, weil die Wahrscheilicheit für X x> p 0 ) für p < p 0 och leier ist als für p = p 0, ud die zweite Gleichug, weil X ur gazzahlige Werte aehme a. Fall 3: x/ = p 0 = p 1. Es a weder die Hypothese H 0 och die Hypothese H 1 auf Grud der vorliegede Date mit ausreicheder Sicherheit abgeleht werde. Begrüdug: x/ = p 0 = p 1 spricht weder gege die Hypothese H 0 och gege die Hypothese H 1. Eie Aahme vo H 0 oder vo H 1 auf Grud der vorliegede Date ist mit ausreicheder Sicherheit aber auch icht gerechtfertigt; de eie eie Aahme vo z.b. H 0 bedeutet eie Ablehug vo p > p 0, ud dies ist recherisch gleichwertig mit eier Ablehug vo H 1. Aus der Ablehugsugleichug vo H 1 folgt: ) β x p1 ) ) p1 ) 0 = 1 β q1 l β l q 1. 0 q 1 =0 Damit muss für der Stichprobeumfag q 1 l β l q 1 gelte. Sost wird ei Ziehugsergebis zur Ablehug vo H 1 führe. Aus der Ablehugsugleichug vo H 0 folgt: ) p0 ) p0 α q 0 =x ) Damit muss für der Stichprobeumfag q 1 ) = p 0 q 0 =x q 0 α p 0 l α l p 0. l α l p 0 gelte. Sost wird ei Ziehugsergebis zur Ablehug vo H 0 führe. 69
6 9.2.3 Ei eiseitiger Test bei der hypergeometrische Verteilug X sei eie hypergeometrisch verteilte ZV mit de Parameter wird och festgelegt), M ubeat) ud. Bei der Qualitätsotrolle wäre die Zahl der Stüce i der Lieferug, M die Zahl der Stüce i der Lieferug ud der Umfag eier Stichprobe o.z. X ist also selbst scho mit eier Stichprobe vom Umfag verbude, d. h. X i etspricht abgesehe vo de verschiedee Verteiluge der ZV X i Hypothese über M : H 0 : 0 M M 0, H 1 : M 1 M, 0 M 0 M 1. Fehler 1. Art: Etscheidug gege H 0 ud damit für M > M 0 ), obwohl H 0 richtig ist. Fehler 2. Art: Etscheidug gege H 1 ud damit für M < M 1 ), obwohl H 1 richtig ist. Durchführug des Tests: Schritt 1: Lege die Höchstgreze α für die Wahrscheilicheit für eie Fehler 1. Art ud die Höchstgreze β für die Wahrscheilicheit für eie Fehler 2. Art fest. Schritt 2: Lege fest. Schritt 3: Werte eie Stichprobe vom Umfag aus, die eie Realisierug x vo X liefert. Fall 1: x/ < M 1 /. ) ) x M1 M1 =0 ) β gilt, ist die Hypothese H 1 mit ausreicheder Sicherheit abzulehe. Aderefalls a die Hypothese H 1 auf Grud der vorliegede Date icht mit ausreicheder Sicherheit abgeleht werde. Begrüdug: x/ < M 1 / spricht gege die Hypothese H 1. Um aber H 1 mit ausreicheder Sicherheit ablehe zu öe, müsse wir prüfe, ob die die Wahrscheilicheit für eie Fehler 2. Art β ist, d.h. ob die Wahrscheilicheit dafür, dass die ZV X de vorliegede Wert x oder Werte aimmt, die och mehr gege die Hypothese H 1 spreche, β ist: P X x H 1 ) P X x M = M 1 ) = x =0 M1 ) M1 ) ) = 1 ) ) ) x M1 M1? β. Die erste Ugleichug gilt, weil die Wahrscheilicheit für X x< M 1 /) für M > M 1 och leier ist als für M = M 1. Fall 2: x/ > M 0 /. ) ) M1 M1 =x ) α x 1 =0 M1 =0 ) ) M1 ) ) 1 α) gilt, ist die Hypothese H 0 mit ausreicheder Sicherheit abzulehe. Aderefalls a die Hypothese H 0 auf Grud der vorliegede Date icht mit ausreicheder Sicherheit abgeleht werde. Begrüdug: x/ > M 0 / spricht gege die Hypothese H 0. Um aber H 0 mit ausreicheder Sicherheit ablehe zu öe, müsse wir prüfe, ob die die Wahrscheilicheit für eie Fehler 70
7 1. Art α ist, d.h. ob die Wahrscheilicheit dafür, dass die ZV X de vorliegede Wert x oder Werte aimmt, die och mehr gege die Hypothese H 0 spreche, α ist: P X x H 0 ) P X x M = M 0 ) = =x M1 ) M1 ) )? α. Die erste Ugleichug gilt, weil die Wahrscheilicheit für X x> M 0 /) für M < M 0 och leier ist als für M = M 0, ud die zweite Gleichug, weil X ur gazzahlige Werte aehme a. Fall 3: x/ = M 0 / = M 1 /. Es a weder die Hypothese H 0 och die Hypothese H 1 auf Grud der vorliegede Date mit ausreicheder Sicherheit abgeleht werde. Begrüdug: x/ = M 0 / = M 1 / spricht weder gege die Hypothese H 0 och gege die Hypothese H 1. Eie Aahme vo H 0 oder vo H 1 auf Grud der vorliegede Date ist mit ausreicheder Sicherheit aber auch icht gerechtfertigt; de eie eie Aahme vo z.b. H 0 bedeutet eie Ablehug vo M > M 0, ud dies ist recherisch gleichwertig mit eier Ablehug vo H 1. 71
Tests statistischer Hypothesen
KAPITEL 0 Tests statistischer Hypothese I der Statistik muss ma oft Hypothese teste, z.b. muss ma ahad eier Stichprobe etscheide, ob ei ubekater Parameter eie vorgegebee Wert aimmt. Zuerst betrachte wir
MehrParameterschätzung. Kapitel Schätzfunktionen
Kapitel 8 Parameterschätzug 8.1 Schätzfuktioe Def. 8.1.1: Es seie X 1,X,...,X uabhägige ZV, die alle die gleiche Verteilug besitze. θ sei ei ubekater Parameter dieser Verteilug. X 1,X,...,X ist als eie
MehrVl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5
Vl Statistische Prozess- ud Qualitätskotrolle ud Versuchsplaug Übug 5 Aufgabe ) Sei p = P(A) die Wahrscheilichkeit für ei Ereigis A, dh., es gilt 0 p. Bereche Sie das Maximum der Fuktio f(p) = p(-p). Aufgabe
MehrKapitel 5: Schließende Statistik
Kapitel 5: Schließede Statistik Statistik, Prof. Dr. Kari Melzer 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte
MehrStatistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik
Statistik Kapitel 5: Schließede Statistik 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel 1» Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte der arithmetische
Mehr(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen.
Schülerbuchseite 98 1 Lösuge vorläufig IV Beurteilede Statistik S. 98 p S. 1 p w a t Tabelle Tabelle dowloadbar im Iteretauftritt 1 Teste vo Hypothese 1 a) Erwartugswert μ = 5 ud Stadardabweichug σ = 1,6;
MehrGrundlagen der Biostatistik und Informatik
Vergleich vo mehrere Stichprobe Grudlage der Biostatisti ud Iformati Hypotheseprüfuge III., Nichtparametrische Methode dr László Smeller Semmelweis Uiversität 0 Vergleich vo mehrere Stichprobe Boferroi
MehrKonfidenzintervalle. Praktische Übung Stochastik SS 2017 Lektion 10 1
Kofidezitervalle Praktische Übug Stochastik SS 017 Lektio 10 1 Kofidezitervalle Geerelle Aahme: Parametrisches Modell (P ϑ ) ϑ Θ Beobachtuge X 1,..., X u.i.v. ach P ϑ mit ubekatem ϑ Θ Grudidee: Schätzer
MehrGütefunktion und Fehlerwahrscheinlichkeiten Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = Interpretation von Testergebnissen I
6 Hypothesetests Gauß-Test für de Mittelwert bei bekater Variaz 6.3 Gütefuktio ud Fehlerwahrscheilichkeite Rechtsseitiger Test (µ 0 = 500) zum Sigifikaziveau α = 0.30 6 Hypothesetests Gauß-Test für de
Mehr2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters:
. Schätzverfahre. Puktschätzug wirtschaftlicher Kezahle Allgemei: Puktschätzug eies Parameters: Ermittlug eies Schätzwertes für eie ubekate Parameter eier Zufallsvariable i der Grudgesamtheit mit Hilfe
Mehr4 Schwankungsintervalle Schwankungsintervalle 4.2
4 Schwakugsitervalle Schwakugsitervalle 4. Bemerkuge Die bekate Symmetrieeigeschaft Φ(x) = 1 Φ( x) bzw. Φ( x) = 1 Φ(x) für alle x R überträgt sich auf die Quatile N p der Stadardormalverteilug i der Form
MehrÜbungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie
Uiversität Müster Istitut für Mathematische Statistik Stochastik WS 203/204, Blatt Löwe/Heusel Aufgabe (4 Pukte) Übuge Abgabetermi: Freitag, 24.0.204, 0 Uhr THEMEN: Testtheorie Die Sollstärke der Rohrwäde
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
Lehrstuhl für Empirische Wirtschaftsforschug ud Ökoometrie Dr. Rolad Füss Statistik II: Schließede Statistik SS 2007 6. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG. - LÖSUNGEN. ypothesetest für die Dicke vo Plättche Die Dicke X vo Plättche, die auf eier bestimmte Maschie
MehrKapitel 6: Statistische Qualitätskontrolle
Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle
MehrAngStat1(Ue13-21).doc 23
3. Ereigisse Versuchsausgäge ud Wahrscheilicheite: a) Wie wird die Wahrscheilicheit des Auftretes eies Elemetarereigisses A geschätzt? A Ω heißt Elemetarereigis we es ur eie Versuchsausgag ethält also
Mehr3 Wichtige Wahrscheinlichkeitsverteilungen
26 3 Wichtige Wahrscheilicheitsverteiluge Wir betrachte zuächst eiige Verteilugsfutioe für Produtexperimete 31 Die Biomialverteilug Wir betrachte ei Zufallsexperimet zum Beispiel das Werfe eier Müze, bei
MehrBeispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 8.1 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12.075, p-wert: 0.0168 f χ
MehrTests für beliebige Zufallsvariable
Kapitel 10 Tests für beliebige Zufallsvariable 10.1 Der Chi-Quadrat-Apassugstest Sei x eie gaz beliebige Zufallsvariable, dere Dichtefuktio icht oder icht geau bekat ist. Beispiel: Es seie z.b. mittels
Mehr6. Grenzwertsätze. 6.1 Tschebyscheffsche Ungleichung
6. Grezwertsätze 6.1 Tschebyscheffsche Ugleichug Sofer für eie Zufallsvariable X die Verteilug bekat ist, lässt sich die Wahrscheilichkeit dafür bestimme, dass X i eiem bestimmte Itervall liegt. Wie ist
MehrKapitel 9: Schätzungen
- 73 (Kapitel 9: chätzuge) Kapitel 9: chätzuge Betrachte wir folgedes 9. Beispiel : I eiem Krakehaus wurde Date über Zwilligsgeburte gesammelt. Bei vo 48 Paare hatte die beide Zwillige verschiedees Geschlecht.
MehrBeispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12075, p-wert: 00168 f χ 2 (4)
MehrEmpirische Verteilungsfunktion
KAPITEL 3 Empirische Verteilugsfuktio 3.1. Empirische Verteilugsfuktio Seie X 1,..., X uabhägige ud idetisch verteilte Zufallsvariable mit theoretischer Verteilugsfuktio F (t) = P[X i t]. Es sei (x 1,...,
Mehr7.2 Grundlagen der Wahrscheinlichkeitsrechnung
7.2 Grudlage der Wahrscheilichkeitsrechug Ei Ereigis heißt i Bezug auf eie Satz vo Bediguge zufällig, we es bei der Realisierug dieses Satzes eitrete ka, aber icht ubedigt eitrete muss. Def. 7.2.: Ei Experimet
MehrBernoulli-Experiment und Binomialverteilung
IV Beroulli-Exerimet ud Biomialverteilug Beroulli-Exerimet ud Beroulliette Defiitio: Zufallsexerimete, bei dee ma sich ur für das Eitrete ( Treffer, Symbol ) oder das Nichteitrete ( Niete, Symbol 0 ) eies
MehrMusterlösung Vortragsübung Blatt 14 Vorwort. Variante der harmonischen Reihe.
Musterlösug Vortragsübug Blatt 4 Vorwort. Variate der harmoische Reihe. Folgede Aussage wird i der achfolgede Musterlösug ab ud a gebraucht ud öte sich für Sie auch außerhalb der HM durchaus als ützlich
Mehr3 Kritischer Bereich zum Niveau α = 0.10: K = (χ 2 k 1;1 α, + ) = (χ2 5;0.90, + ) = (9.236, + ) 4 Berechnung der realisierten Teststatistik:
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 1275, p-wert: 168 8 Apassugs-
MehrZenraler Grenzwertsatz
Zeraler Grezwertsatz Ato Klimovsky Zetraler Grezwertsatz. Kovergez i Verteilug. Normalapproximatio. I diesem Abschitt beschäftige wir us mit der folgede Frage. Frage: Wie sieht die Verteilug eier Summe
MehrEingangsprüfung Stochastik,
Eigagsprüfug Stochastik, 5.5. Wir gehe stets vo eiem Wahrscheilichkeitsraum (Ω, A, P aus. Die Borel σ-algebra auf wird mit B bezeichet, das Lebesgue Maß auf wird mit λ bezeichet. Aufgabe ( Pukte Sei x
MehrBeurteilende Statistik - Testen von Hypothesen Alternativtest
Moika Kobel 26.03.2005 Hypothesetest_i.mcd Beurteilede Statistik - Teste vo Hypothese Alterativtest Bsp.: Eie Fabrik liefert Schachtel mit Schraube hoher Qualität ( 10% der Schraube sid fehlerhaft ) ud
Mehr1. Zahlenfolgen und Reihen
. Zahlefolge ud Reihe We ma eie edliche Mege vo Zahle hat, ka ma diese i eier bestimmte Reihefolge durchummeriere: {a,a 2,...,a }. Ma spricht vo eier edliche Zahlefolge. Fügt ma immer mehr Zahle hizu,
MehrLösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung
Prof. Dr. V. Schmidt WS 200/20 G. Gaiselma, A. Spettl 7.02.20 Lösugsvorschlag Probeklausur zur Elemetare Wahrscheilichkeitsrechug Hiweis: Der Umfag ud Schwierigkeitsgrad dieser Probeklausur muss icht dem
MehrÜbungen zu QM III Mindeststichprobenumfang
Techische Hochschule Köl Fakultät für Wirtschafts- ud Rechtswisseschafte Prof. Dr. Arreberg Raum 221, Tel. 39 14 jutta.arreberg@th-koel.de Übuge zu QM III Mideststichprobeumfag Aufgabe 12.1 Sie arbeite
MehrEvaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt
2.4.5 Gauss-Test ud t-test für verbudee Stichprobe 2.4.5.8 Zum Begriff der verbudee Stichprobe Verbudee Stichprobe: Vergleich zweier Merkmale X ud Y, die jetzt a deselbe Persoe erhobe werde. Vorsicht:
MehrKapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit
- 18 - (Kapitel 3 : Bedigte Wahrscheilichkeite ud Uabhägigkeit) Kapitel 3: Bedigte Wahrscheilichkeite ud Uabhägigkeit Wird bei der Durchführug eies stochastische Experimets bekat, daß ei Ereigis A eigetrete
MehrKleingruppen zur Service-Veranstaltung Mathematik I fu r Ingenieure bei Prof. Dr. G. Herbort im WS12/13 Dipl.-Math. T. Pawlaschyk,
Musterlo suge zu Blatt 0 Kleigruppe zur Service-Verastaltug Mathematik I fu r Igeieure bei Prof. Dr. G. Herbort im WS/3 Dipl.-Math. T. Pawlaschyk, 9.. Theme: Kovergez vo Folge Aufgabe P (i) Sei a : k kk.
MehrZahlenfolgen, Grenzwerte und Zahlenreihen
KAPITEL 5 Zahlefolge, Grezwerte ud Zahlereihe. Folge Defiitio 5.. Uter eier Folge reeller Zahle (oder eier reelle Zahlefolge) versteht ma eie auf N 0 erlarte reellwertige Futio, die jedem N 0 ei a R zuordet:
MehrKapitel 11. Zentrale Grenzwertsätze Lokaler Grenzwertsatz von Moivre-Laplace
Kapitel 11 Zetrale Grezwertsätze Viele zufällige Größe i der Natur, Wirtschaft ud Gesellschaft sid das Ergebis eier Überlagerug zahlreicher leier zufälliger Eiflüsse, die weitgehed uabhägig voeiader wire.
MehrDiskrete Zufallsvariablen
Erste Beispiele diskreter Verteiluge Diskrete Zufallsvariable Beroulli-Verteilug Eie diskrete Zufallsvariable heißt beroulliverteilt mit arameter p, falls sie die Wahrscheilichkeitsfuktio p,, f ( ) ( )
Mehr14 Statistische Beziehungen zwischen nomi nalen Merkmalen
14 Statistische Beziehuge zwische omi ale Merkmale 14.1 Der Chi Quadrat Test auf Uabhägigkeit für Vier Feldertafel 14.2 Der Chi Quadrat Test auf Uabhägigkeit für r s Kotigeztafel 14.3 Zusammmehagsmaße
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte SS00 7.Sitzug vom.06.00 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluß Grudlage des Iduktiosschlusses:
MehrForschungsstatistik I
Prof. Dr. G. Meihardt 6. Stock, Taubertsberg R. 06-06 (Persike) R. 06-31 (Meihardt) Sprechstude jederzeit ach Vereibarug Forschugsstatistik I Dr. Malte Persike persike@ui-maiz.de http://psymet03.sowi.ui-maiz.de/
MehrX X Schätzen von Vertrauensintervallen Schwankungsintervall
.. Schätze vo Vertrauesitervalle..1. Schwakugsitervall Beispiel: X = Betrag vo Geldüberweisuge, ormalverteilt, µ = 5000, = 1000 Zufallsstichprobe mit = 100, Schätzer für µ: X X Gesucht: Itervall, i dem
MehrKorrekturrichtlinie zur Studienleistung Wirtschaftsmathematik am 22.12.2007 Betriebswirtschaft BB-WMT-S11-071222
Korrekturrichtliie zur Studieleistug Wirtschaftsmathematik am..007 Betriebswirtschaft BB-WMT-S-07 Für die Bewertug ud Abgabe der Studieleistug sid folgede Hiweise verbidlich: Die Vergabe der Pukte ehme
MehrProseminar: Mathematisches Problemlösen. Ungleichungen 2. Pierre Schmidt. Vortragstermin: 19. Juni Fakultät für Mathematik
Prosemiar: Mathematisches Problemlöse Ugleichuge Pierre Schmidt Vortragstermi: 19. Jui 015 Übugsleiteri: Dr. Natalia Griberg Fakultät für Mathematik Karlsruher Istitut für Techologie Ihaltsverzeichis 1
MehrKorrekturliste zum Studienbuch Statistik
Korrekturlite zum Studiebuch Statitik I der aktuelle Auflage wurde durch ei Kovertierugproblem i de Kapitel 0 (S. 3 3 ud de etprechede Abchitte i de Löuge (S. 39 07 teilweie die Zeiche µ durch ud π durch
MehrWirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel
3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Beispiel: Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische
Mehr4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa
20 I. Zahle, Kovergez ud Stetigkeit 4 Kovergete Folge 4. Dezimalzahle ud Itervallschachteluge. a) Reelle Zahle werde meist als Dezimalzahle dargestellt, etwa 7,304 = 0+7 +3 0 +0 00 +4 000. Edliche Dezimalzahle
MehrAUFGABEN. Verständnisfragen
AUFGABEN Gelegetlich ethalte die Aufgabe mehr Agabe, als für die Lösug erforderlich sid. Bei eiige adere dagege werde Date aus dem Allgemeiwisse, aus adere Quelle oder sivolle Schätzuge beötigt. eifache
MehrKonfidenzintervall_fuer_pi.doc Seite 1 von 6. Konfidenzintervall für den Anteilswert π am Beispiel einer Meinungsumfrage
Kofidezitervall_fuer_pi.doc Seite 1 vo 6 Kofidezitervall für de Ateilswert π am Beispiel eier Meiugsumfrage Nach eier Meiugsumfrage der Wochezeitug Bezirksblatt vom März 005, ei halbes Jahr vor de Ladtagswahle
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2015/2016. Aufgabe 1
Lehrstuhl für Statistik ud Ökoometrie der Otto-Friedrich-Uiversität Bamberg Prof. Dr. Susae Rässler Klausur zu Methode der Statistik II (mit Kurzlösug) Witersemester 2015/2016 Aufgabe 1 Die leideschaftliche
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
MehrBernsteinpolynome Vortrag zum Proseminar zur Analysis, Malte Milatz
Bersteipolyome Vortrag zum Prosemiar zur Aalysis, 6. 10. 2010 Malte Milatz I diesem Vortrag wird der bereits im Sript zur Aalysis ii zitierte Approximatiossatz vo Weierstraß mithilfe der Bersteipolyome
MehrStichproben im Rechnungswesen, Stichprobeninventur
Stichprobe im Rechugswese, Stichprobeivetur Prof Dr Iree Rößler ud Prof Dr Albrecht Ugerer Duale Hochschule Bade-Württemberg Maheim Im eifachste Fall des Dollar-Uit oder Moetary-Uit Samplig (DUS oder MUS-
MehrDas kollektive Risikomodell. 12. Mai 2009
Kirill Rudik Das kollektive Risikomodell 12. Mai 2009 4.1 Eileitug Wir betrachte i diesem Kapitel die Gesamtforderuge im Laufe eies Jahres. Beim Abschluss eies Versicherugsvertrages weiß der Versicherer
MehrStatistische Tests zu ausgewählten Problemen
Eiführug i die statistische Testtheorie Statistische Tests zu ausgewählte Probleme Teil : Tests für Erwartugswerte Statistische Testtheorie I Eiführug Beschräkug auf parametrische Testverfahre Beschräkug
MehrElementarstatistik für Umweltwissenschaftler
Elemetarstatistik für Umweltwisseschaftler Skript zur Vorlesug Witersemester 010/011 vo Dr. Domiik Faas Istitut für Mathematik Fachbereich 7: Natur- ud Umweltwisseschafte Uiversität Koblez-Ladau Ei besoderer
Mehr24 Konvergente Teilfolgen und Cauchy-Kriterium
120 IV. Uedliche Reihe ud Taylor-Formel 24 Kovergete Teilfolge ud Cauchy-Kriterium Lerziele: Kozepte: Teilfolge, Häufugswerte, Limes superior ud iferior, Cauchy-Folge Resultate: Satz vo Bolzao-Weierstraß,
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte 7.Sitzug 35 Seite, SoSe 003 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluss Grudlage
MehrNachklausur - Analysis 1 - Lösungen
Prof. Dr. László Székelyhidi Aalysis I, WS 212 Nachklausur - Aalysis 1 - Lösuge Aufgabe 1 (Folge ud Grezwerte). (i) (1 Pukt) Gebe Sie die Defiitio des Häufugspuktes eier reelle Zahlefolge (a ) N. Lösug:
MehrKAPITEL 8. Zahlenreihen. 8.1 Geometrische Reihe Konvergenzkriterien Absolut konvergente Reihen
KAPITEL 8 Zahlereihe 8. Geometrische Reihe................................. 53 8.2 Kovergezkriterie................................. 54 8.3 Absolut kovergete Reihe............................ 64 Lerziele
MehrKorrelationsanalyse zwischen kategorischen Merkmalen. Kontingenztabellen. Chi-Quadrat-Test
Kotigeztabelle. Chi-Quadrat-Test Korrelatiosaalyse zwische kategorische Merkmale Beispiel 1 ohe Frau 8 75 1 Ma 48 49 97 76 14? Häufigkeitstabelle (Kotigeztabelle): eie tabellarische Darstellug der gemeisame
MehrStatistik I/Empirie I
Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass
Mehr1. Einführung. 1 A (T (x 1,..., x n )) P θ (dx 1 )... P θ (dx n ) X. P θ {T n (X 1,..., X n ) A} =
. Eiführug Bezeichuge: Der durch die Zufallsgröße X defiierte Wahrscheilichkeitsraum [X, B, P X ] heißt auch die Grudgesamtheit X. B ist die σ-algebra der Borelmege aus X. Vielfach wird die Grudgesamtheit
MehrÜbungsblatt 1 zur Vorlesung Angewandte Stochastik
Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche
MehrBei 95%iger Konfidenz wäre der Mittelwert der GG zwischen 1421,17DM und 1778,83DM zu erwarten.
Aufgabe 36 (S. 346: Schätzverfahre für Mittelwert ud Stadardabweichug a Puktschätzuge für µ aufgrud der Werte der kleie Stichprobe aus Aufgabe 3 Bei eier Puktschätzug wird für de zu schätzede Parameter
MehrÜber die Verteilung der Primzahlen
Über die Verteilug der Primzahle Scho dem juge Carl Friedrich Gauss drägte sich die Vermutug auf, dass die Azahl π( aller Primzahle p uterhalb der positive Schrae dem Gesetz π( log lim = 1 gehorcht. (Mit
MehrNormalverteilung. Standardnormalverteilung. Intervallwahrscheinlichkeiten. Verteilungsfunktion
Normalverteilug Stadardormalverteilug Normalverteilug N(μ, ) mit ichte : Gaußche Glockekurve μ μ μ+ μ >, f ( ) = ( μ) WS 6/7 Prof. r. J. Schütze, FB GW NV π Eigechafte der ichte: - Maimum i μ - mmetrich
MehrStochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten
Kapitel 2 Stochastische Uabhägigkeit, bedigte Wahrscheilichkeite 2.1 Stochastische Uabhägigkeit vo Ereigisse Im Folgede gehe wir vo eiem W-Raum (Ω, A, P aus. Der Begriff der stochastische Uabhägigkeit
Mehr3. Einführung in die Statistik
3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :
Mehr11 Likelihoodquotiententests
11 Likelihoodquotietetests I de Paragraphe 7-10 wurde beste Tests UMP-Tests oder UMPU-Tests i spezielle Verteilugssituatioe hergeleitet Hier soll u ei allgemeies Kostruktiosprizip für Tests vo zusammegesetzte
Mehr4. Der Weierstraßsche Approximationssatz
H.J. Oberle Approximatio WS 213/14 4. Der Weierstraßsche Approximatiossatz Wir gebe i diesem Abschitt eie ostrutive Beweis des Weierstraßsche Approximatiossatzes, der mit de so geate Berstei-Polyome (Felix
MehrProf. Dr. Roland Füss Statistik II SS 2008
1. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug ergibt sich aus de Grezwertsätze. Grezwertsätze sid Aussage über eie Zufallsvariable für de Fall, dass die Azahl
Mehrn (n + 1) = 1(1 + 1)(1 + 2) 3 Induktionsschritt: Angenommen die Gleichung gilt für n N. Dann folgt: 1 2 = 2 =
Aufgabe 1: (6 Pukte) Zeige Sie für alle N die Formel: 1 2 + 2 3 + 3 4 +... + ( + 1) = ( + 1)( + 2). 3 Lösug: Beweis durch vollstädige Iduktio. Iduktiosafag: Für = 1 gilt: 1 2 = 2 = 1(1 + 1)(1 + 2) 3 Iduktiosschritt:
MehrTESTEN VON HYPOTHESEN
TESTEN VON HYPOTHESEN 1. Grudlage Oft hat ma Vermutuge zu Sachverhalte ud möchte diese gere durch Experimete bestätige. Dabei ka es sich i der Praxis zum Beispiel um Verteiluge vo gewisse Zufallsgröße
MehrParametrische Einstichprobentests
Parametrische Eistichprobetests Eiführug ud Begriffe beim Hypothesetest Hypothesetest für de Mittelwert Hypothesetest für die Variaz Hypothesetest für de Ateilswert Lehrstuhl Statistik Testverfahre I Bibliografie
MehrÜbungsaufgaben II. Übungsaufgaben II. f) Wie groß ist die Wahrscheinlichkeit, dass er mindestens 1 richtige Antworten. ankreuzt?
Berufsolleg Marieschule Lippstadt Schuljahr /7 Kurs: Mathemati AHR. Berufsolleg Marieschule Lippstadt Schuljahr /7 Kurs: Mathemati AHR. Aufgabe Ei Multiple-Choise-Test besteht aus Frage für die jeweils
MehrDie vollständige Induktion - Lösungen 1. Aufgabe: Sind die folgenden Aussageformen in N allgemeingültig?
Start Mathematik Lektioe i Aalysis Aufgabe zur vollstädige Iduktio Die vollstädige Iduktio - Lösuge. Aufgabe: Sid die folgede Aussageforme i N allgemeigültig? a) We ei Vielfaches vo ist, da ist eie gerade
MehrMethoden: Heron-Verfahren, Erweiterung von Differenzen von Quadratwurzeln
6 Kovergete Folge Lerziele: Kozepte: Grezwertbegriff bei Folge, Wachstumsgeschwidigkeit vo Folge Resultat: Mootoe beschräkte Folge sid koverget. Methode: Hero-Verfahre, Erweiterug vo Differeze vo Quadratwurzel
MehrSUCHPROBLEME UND ALPHABETISCHE CODES
SUCHPROBLEME UND ALPHABETISCHE CODES Der Problematik der alphabetische Codes liege Suchprobleme zugrude, dere Lösug dem iformatiostheoretische Problem der Fidug eies (optimale) alphabetische Codes gleich
Mehrα : { n Z n l } n a n IR
1 KAPITEL VI. ZAHLENFOLGEN UND REIHEN 1) REELLE ZAHLENFOLGEN: i) Jede Abbildug α : IN a IR heiÿt 'reelle Zahlefolge' bzw. 'Folge i IR'. Ma otiert diese i der Form α = a ) IN = a ) =0 = a 0, a 1, a 2,...)
MehrAnalysis I Lösungsvorschläge zum 3. Übungsblatt Abgabe: Bis Donnerstag, den , um 11:30 Uhr
Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Dipl.-Math. Lars Machiek Dipl.-Math. Sebastia Schwarz WS 206/207 03..206 Aalysis I Lösugsvorschläge zum 3. Übugsblatt Abgabe:
MehrStatistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39
Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler 9.04.008 Äderug Übugsstude Statistik ud Wahrscheilichkeitsrechug Die Gruppe vo Markus trifft sich am Doerstag statt im HCI D zusamme mit der Gruppe
Mehr1. Folgen ( Zahlenfolgen )
. Folge ( Zahlefolge Allgemeies Beispiel für eie regelmäßige Folge: /, /3, /4, /5, /6,... Das erste Glied ist a =/ Das ist das Glied mit dem Ide Das zweite Glied ist a =/3 Das ist das Glied mit dem Ide
MehrLösungen zum Ferienkurs Analysis 1, Vorlesung 2 Wintersemester 2014/2015
Lösuge zum Feriekurs Aalysis, Vorlesug Witersemester 04/05 Fabia Hafer, Thomas Baldauf I Richtig oder Falsch Sid folgede Aussage richtig oder falsch? Korrigiere bzw. ergäze Sie falsche Aussage. Gebe Sie
Mehr15.4 Diskrete Zufallsvariablen
.4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet
MehrÜbungen mit dem Applet erwartungstreu
Übuge mit dem Applet erwartugstreu Visualisierug vo erwartugstreu Begriffe ud statischer Hitergrud. Visualisieruge mit dem Applet..3. Zufallsstreuug der Eizelwerte...3. Mittelwerte 3.3 Variaz. 4.4 Variaz
MehrFakultät für Wirtschafts- und Rechtswissenschaften
F A C H H O C H S C H U L E K Ö L N Fakultät für Wirtschafts- ud Rechtswisseschafte F O R M E L S A M M L U N G Deskriptive Statistik Iduktive Statistik Herausgeber: c 2004 Fachgruppe Quatitative Methode
MehrBINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008
Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe
MehrInnerbetriebliche Leistungsverrechnung
Ierbetriebliche Leistugsverrechug I der Kostestellerechug bzw. im Betriebsabrechugsboge (BAB ist ach der Erfassug der primäre Kostestellekoste das Ziel, die sekudäre Kostestellekoste, also die Koste der
MehrGrenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen
. Der Grezwert vo mootoe, beschräkte Folge Der Grezwert vo mootoe, beschräkte Folge ist eifacher verstädlich als der allgemeie Fall. Deshalb utersuche wir zuerst diese Spezialfall ud verallgemeier aschliessed.
MehrSchätzung der Kovarianzmatrix
Schätzug der Kovariazmatrix Aus eiem Esemble vo Beobachtuge {x i } ka die Kovariazmatrix (Zetralmomete) geschätzt werde: C = E{( x µ )( x µ ) } = R µ µ xx x x xx x x ˆ 1 C ˆ ˆ xx = xk µ x xk µ x k = 1
MehrKonvexität und Ungleichungen
Koveität ud Ugleichuge Tag der Mathematik 2003 Holger Stepha Weierstraß Istitut für Agewadte Aalysis ud Stochastik http://www.wias-berli.de/people/stepha = Für mathematisch iteressierte Schüler = Folie
MehrNiveaubestimmende Aufgabe zum Fachlehrplan Mathematik Gymnasium
Niveaubestimmede Aufgabe zum Fachlehrpla Mathematik Gymasium Kreistagswahl (Schuljahrgäge 11/1) (Arbeitsstad: 07.07.016) Niveaubestimmede Aufgabe sid Bestadteil des Lehrplakozeptes für das Gymasium ud
MehrMichael Buhlmann Mathematik > Analysis > Newtonverfahren
Michael Buhlma Mathematik > Aalysis > Newtoverfahre Eie Abbildug {a }: N -> R, die jeder atürliche Zahl eie reelle Zahl a zuordet, heißt (uedliche (Zahle- Folge: -> a oder {a } εn, a das -te Folgeglied.
MehrTestverfahren zur Prüfung von Hypothesen über Parameter oder Verteilungen
Testverfahre zur Prüfug vo Hypothese über Parameter oder Verteiluge Eiführug ud Begriffe beim Hypothesetest Hypothesetest für de Mittelwert Testverfahre I 1 Bibliografie Prof. Dr. Kück Uiversität Rostock
MehrAufgaben und Lösungen der Probeklausur zur Analysis I
Fachbereich Mathematik AG 5: Fuktioalaalysis Prof. Dr. K.-H. Neeb Dipl.-Math. Rafael Dahme Dipl.-Math. Stefa Wager ATECHNISCHE UNIVERSITÄT DARMSTADT SS 007 19. Jui 007 Aufgabe ud Lösuge der Probeklausur
MehrTestverfahren zur Prüfung von Hypothesen über Parameter oder Verteilungen. Einstichprobentest für die Varianz einer Normalverteilung
Testverfahre zur Prüfug vo Hypothese über Parameter oder Verteiluge Eistichprobetest für die Variaz eier Normalverteilug Eistichprobetest für de Ateilswert Zweistichprobetests zum Vergleich zweier arithmetischer
MehrKlausur 1 über Folgen
www.mathe-aufgabe.com Klausur über Folge Hiweis: Der GTR darf für alle Aufgabe eigesetzt werde. Aufgabe : Bestimme eie explizite ud eie rekursive Darstellug! a) für eie arithmetische Folge mit a = 6, ;
Mehr