Wissenschaftliche Nachrichten: Vol. 133/2008, 17-20

Größe: px
Ab Seite anzeigen:

Download "Wissenschaftliche Nachrichten: https://www.bmbf.gv.at/schulen/sb/wina/wina.html Vol. 133/2008, 17-20"

Transkript

1 Rückrechnung der Blutalkoholkonzentration: Kritik am forensischen Ansatz, I NORBERT BRUNNER und MANFRED KÜHLEITNER 1. Einleitung 1.1. Problem Vor 10 Jahren (1998) wurde in Österreich die Promillegrenze herabgesetzt, für Lenker von PKW auf 0,5 Promille Blutalkoholkonzentration BAK (5 mg/g), statt früher 0,8 Promille. Diese Grenze wurde festgesetzt, um die Wahrscheinlichkeit von Unfällen zu reduzieren, falls sich alle Lenker an die Grenze daran halten. Weitere rechtlich relevante Grenzen sind: 0,1 Promille (Lenker von LKW oder Bus), 0,8 Promille (Führerscheinentzug), 1,2 Promille (Nachschulung) und 1,6 Promille (verkehrspsychologische und amtsärztliche Gutachten). Um die Einhaltung der Promillegrenze sicherzustellen, gibt es Verkehrskontrollen. Dabei wird allerdings nicht Blut abgenommen, sondern die Alkoholkonzentration in der Atemluft AAK gemessen (Alkomat) und daraus auf die BAK geschlossen: 0,5 Promille BAK entsprechen 0,25 mg/l AAK. (Da eine direkte Umrechnung von AAK in BAK problematisch ist, hat der Gesetzgeber separate Grenzen für AAK angegeben.) Diese Messung von AAK ist weniger genau als die von BAK (eine Fehlerquelle ist z.b. die Temperatur und damit die Art der Atmung). In Grenzbereichen stellt sich nun die Frage, ob solche Messungen genau und zuverlässig genug sind, um eindeutige Aussagen zuzulassen. Insbesondere bestehen Bedenken im Hinblick auf den Artikel 6 der Europäischen Konvention zum Schutz der Menschenrechte und Grundfreiheiten, der ein faires Verfahren zusichert. Zum Beispiel beginnt ein Rechtssatz des Unabhängigen Verwaltungssenats für Oberösterreich [1]: Schon bisher wurde eine starre Beweisregelung in Grenzwertbereichen des Atemluftalkoholgehaltes mit Blick auf Art. 6 EMRK als verfassungsrechtlich problematisch erachtet. Wir untersuchen, ob zusätzliche Messungen, die mit der Methode der linearen Regression interpretiert werden, die Genauigkeit erhöhen Ansätze zur Berechnung von BAK Der schwedische Chemiker Erik Widmark ( ) hat als erster die Aufnahme, Verteilung und den Abbau von Alkohol im menschlichen Körper erforscht (vgl. [2]): Innerhalb von 1-2 Stunden wird oral verabreichter Alkohol fast vollständig ins Blut aufgenommen (Resorptionsphase). Ab da reduziert sich BAK annähernd linear mit der Zeit t (Stunden), d.h. BAK = k t + Nach Widmark liegt die Abbaurate k, abhängig von der Person, im Bereich zwischen 0,1 und 0,2 Promille pro Stunde. Ebenfalls nach Widmark hängt die fiktive maximale Konzentration d von der getrunkenen Menge an Alkohol (Gramm), von personenspezifischen Daten (Geschlecht, Körpergewicht, Körpergröße) und von den Trinkgewohnheiten der Person ab. (Die Konzentration d ist deshalb fiktiv, weil der Zeitpunkt 0 in der Resorptionsphase liegt und erst ca. 2 Stunden nach Trinkende die lineare Kinetik anwendbar ist.) d 1

2 Praktisch angewandt wird dieses Wissen, um aus Angaben über den Alkoholkonsum die Alkoholisierung zum späteren Tatzeitpunkt abzuschätzen bzw. um aus einer nachfolgenden Messung die BAK zum Tatzeitpunkt rückzurechnen. Dazu gibt es auch eine Software (samt Dokumentation), den Promillator [3]. Folgende Ungenauigkeiten stellen bei der Berechnung ein Problem dar: 1.) Modellfehler: In der Abbauphase ist das lineare Modell sehr genau [4]. Ungenau ist es bei niedriger BAK (<0,2 Promille), wo der Abbau exponentiell wird, und bei hoher BAK (>3 Promille), wo der Abbau durch andere Mechanismen beschleunigt wird (z.b. wurden k = 0,3 Promille/h beobachtet). Weiter ist der individuelle Wert von d und k unbekannt, ebenso der Zeitpunkt, ab wann bei einem Individuum die lineare Kinetik beginnt. 2.) Messfehler: Die Blutalkoholmessung im Labor ist praktisch exakt. Ungenau sind hingegen Befragungen über den Alkoholkonsum. Ungenau ist auch die Messung von AAK und die Umrechnung von AAK in BAK: Bei 1 Promille BAK ist auch bei sorgfältiger Messung von AAK mit 10% Ungenauigkeit im Vergleich zu einer gleichzeitigen Messung mit einer Blutprobe zu rechnen [5]. Der Messfehler hat dabei den Charakter eines Zufallsfehlers, wo im Einzelfall auch größere Ungenauigkeiten auftreten können. Bei einer einzigen Messung bzw. bei einer Messung mit Kontrollmessung wird die Schätzung von BAK wegen dieser Fehler somit ebenfalls ungenau sein. Wie groß ist die Ungenauigkeit, wie kann man sie reduzieren? - Der klassische Ansatz der Rechtsmedizin geht von einem deterministischen Modell aus, mit Best- und Worst-Case Szenarien. Die Szenarien setzten die Grenzen von Widmark für k an, obwohl sie im individuellen Fall nicht überprüft wurden. Der Nachteil ist, dass die Methode deshalb von konservativen Grenzen ausgehen muss. Damit wird eine Ungenauigkeit in Kauf genommen, die in Grenzbereichen eine Entscheidung verhindern kann. - Für die AAK kann man analog zu diesem Ansatz vorgehen. Verwendet man deterministische Annahmen über den Messfehler, kann man im Einzelfall einen zufälligen Messfehler unterschätzen. - Diese Arbeit schlägt vor, mehrere Messungen an unterschiedlichen Zeitpunkten vorzunehmen und die BAK zum Tatzeitpunkt mit der Regressionsgeraden zu schätzen: Damit erfolgt die Bewertung auf der Basis der geschätzten individuellen Abbaurate. Weiter erlaubt diese Methode, mit statistischen Methoden (Prognoseintervall) die Genauigkeit aufgrund der Messungen in jedem Einzelfall abzuschätzen. Die praktischrechtlichen Bedenken wegen der Durchführbarkeit mehrerer Messungen (Freiheitsberaubung, Körperverletzung) werden hier nicht thematisiert Fallbeispiel Um die Ansätze zu vergleichen, verwenden wir ein konkretes Beispiel, das den Verwaltungsakten [1] mit der Absicht nachempfunden wurde, mögliche Probleme der beiden Methoden zu illustrieren. Das Beispiel wurde generiert, indem Zufallsfehler zur extremen, aber denkmöglichen Abbaukurve BAK = 2 0,2 t addiert wurden (Abschnitt 2.2). Eine Variante zum Beispiel soll illustrieren, wie die Regressionslinie schon in der derzeitigen 2

3 Praxis eingebaut werden kann. Zur Übersicht rechnen wir nur mit BAK, kombinieren aber auch BAK und AAK Messungen. Beispiel: Ein Mann (170 cm, 70 kg) trinkt am Abend 1 Liter Rotwein mit 14% Alkoholgehalt. Am nächsten Tag um 7:00 Uhr früh ist dieser Mann bei der Fahrt zur Arbeit in einen Unfall verwickelt. Die Polizei ist gleich zur Stelle und misst mit dem Alkomaten den AAK (Werte in BAK umgerechnet: 7:30 Uhr: 0,531 Promille, Kontrollmessung 7:45 Uhr: 0,712 Promille). Laut Messung ist der Mann daher zum Unfallzeitpunkt auch beim Abbau von nur 0,1 Promille/h über der 0,5 Promillegrenze gewesen. Da der Kontrollwert deutlich über dem ersten Messwert liegt, vermutet der Mann allerdings ein defektes Gerät und organisiert eine private Messung (8:45 Uhr: 0,227 Promille und 9:00 Uhr: 0,220 Promille). Wir fragen uns nun: War der Mann zum Unfallzeitpunkt wirklich über der 0,5 Promille Grenze? Variante zum Beispiel: Statt der privaten Messungen erfolgt um 9:00 h eine Blutentnahme, die einen BAK von 0,2 Promille ergibt. 2. Das klassische Modell nach Widmark 2.1. Berechnung der BAK aus der Trinkmenge und der Blutprobe Die klassische Berechnung der BAK aus den Angaben über den Alkoholkonsum wendet das Modell von Widmark (linearer Alkoholabbau) auf zwei extreme Szenarien an (Abbildung 1). Dazwischen wird der wahre Wert der BAK vermutet. Im ersten Fall wird viel Alkohol (hohes d) ins Blut aufgenommen und der Alkohol langsam (k = 0,1) abgebaut. Im zweiten Fall gelangt wenig Alkohol ins Blut (niedriges d) und dieser wird rasch (k = 0,2) abgebaut. Unter anderem hängt es von der Dauer der Resorptionsphase ab, welches Szenario dazwischen (Wert von k und d) tatsächlich in der Abbauphase zutrifft. Der Parameter d (fiktive maximale BAK) ist von der Grundidee her die aufgenommene Alkoholmenge dividiert durch das Körpergewicht. Dies muss jedoch mit Korrekturfaktoren berichtigt werden, weswegen die maximale BAK d mit folgender Formel berechnet wird: d = D R KG r Dabei sind D und KG die Alkoholmenge und das Körpergewicht, im Beispiel D = 112 Gramm (140 ml Alkohol) und KG = 70 kg. Der Faktor r korrigiert, wie viel Prozent der Körpermasse KG für die Resorption zur Verfügung stehen. Er beträgt ca. r = 0,6 für Frauen und ca. r = 0,7 für Männer. Von der nun errechneten BAK müssen noch zwischen 10 bis 30 Prozent abgezogen werden, da der Alkohol nicht vollständig resorbiert wird. Dies erfolgt mit dem Faktor R. Damit erhält man d = 1,6 bis d = 2,06 Promille. Problematisch ist noch die Frage: Wann beginnt die lineare Eliminationsphase? Wir nehmen an, dass um Mitternacht (t = 0) die Resorption beginnt und 2 Stunden danach die lineare Eliminationsphase (t = 2). So erhalten wir folgende Best- und Worst-Case Geraden (bzw. 0, falls negative Werte auftreten). In Abbildung 1 ist die Resorptionsphase (wo die Formeln nicht anzuwenden sind) punktiert eingezeichnet: BAK min = 1,6 0,2 t und BAK max = 2,06 0,1 t 3

4 Oben wurde der zeitliche Verlauf der BAK mit Hilfe der Trinkmenge berechnet. Will man den BAK-Wert zur Tatzeit aufgrund einer späteren Messung (Blutprobe) zurückrechnen, so geschieht dies analog. Man nimmt an, dass die Abbaugeschwindigkeit k im Bereich von 0,1 bis 0,2 Promille je Stunde liegt und legt Geraden durch den Messpunkt, im Beispiel t = 9 mit BAK = 0,2. Das Ergebnis ist in Abbildung 1 gestrichelt eingetragen: BAK min = 1,1 0,1 t und BAK max = 2 0,2 t Für t = 7 (Tatzeitpunkt) folgt mit der Trinkmenge, dass die BAK zwischen 0,2 und 1,36 Promille liegt. (Bei Berücksichtigung der Trinkdauer wäre die Schätzung nach unten zu korrigieren. Zusätzlich wäre noch der Fehler durch die ungenaue Ermittlung der Trinkmenge zu berücksichtigen.) Mit der Rückrechnung aus der Blutprobe folgt, dass BAK zwischen 0,4 und 0,6 Promille liegt. Die Blutprobe liefert dabei die genauere und zuverlässigere Angabe. Über eine Alkoholisierung (BAK > 0,5 Promille) gibt es keine Entscheidung. Abbildung 1. Abschätzung der BAK nach Widmark. Bemerkung: Diese Berechnung erfolgt nach allgemein gültigen Regeln: k und d sind nicht spezifisch für die konkrete Situation, sondern Durchschnittswerte. Wenn für ein Individuum die Abbaugeschwindigkeit k nicht im angenommenen Intervall liegt, kann der BAK für dieses Individuum bei der forensischen Berechnung systematisch falsch beurteilt werden Berechnung der BAK aus Messungen der AAK Verwendet man Messungen von AAK, so müssen bei der Rückrechnung Mess- Ungenauigkeiten berücksichtigt werden. Dazu legt man die maximale und minimale Konzentrationskurve jeweils durch die beiden Punkte Messpunkt ± Messfehler. Den erwarteten Messfehler bringt man aus unabhängigen Quellen in Erfahrung. Die Hersteller von Alkomaten geben für geeichte Geräte 10% Ungenauigkeit bei 1 Promille BAK an [5]. Da der Fehler zufällig ist, genügt es jedoch nicht, 10% Messfehler anzusetzen und die Messpunkte ±0,1 Promille zu betrachten. Es ist damit nämlich noch keine Information enthalten, ob diese Grenzen für eine konkrete rechtliche Fragestellung zu häufig überschritten werden. Stattdessen legt man vorher ein, an die Fragestellung angepasstes, Signifikanzniveau für den Messfehler fest, mit der die akzeptierte Wahrscheinlichkeit eines Fehlurteils definiert wird: Bei Freiheitsstrafen wird der Maßstab strenger sein, als bei geringfügigen Geldstrafen. 4

5 Zur Illustration verwenden wir das statistische Modell der Fehlerintervalle: Der Alkomat liefert Werte, die von der wahren BAK um einen zufälligen Fehler ε (in Promille) abweichen. Dabei nehmen wir an, dass ε normalverteilt mit dem Mittelwert 0 und der Standardabweichung 0,1 ist (Bemerkung unten). Es wird dann mit jeweils höchstens 10% Wahrscheinlichkeit ein Messfehler über/unter ±0,128 Promille vorkommen. Wir verwenden diese Genauigkeit und führen die Überlegung von Abschnitt 2.1 durch an den Stellen Messpunkt ±0,128 Promille. Diese Punkte sind die Endpunkte des Fehlerintervalls um den Messpunkt zum einseitigen Signifikanzniveau von 90%. Es besteht jeweils nur 10% Wahrscheinlichkeit, dass der wahre BAK-Wert oberhalb/unterhalb dieses Intervalls liegt. Im Beispiel mit der angenommenen Mess-Ungenauigkeit von ±0,128 Promille erhalten wir aus der Messung um 7:30 h nach dem Modell von Widmark den in Abbildung 2 fett durchgezogenen trichterförmigen Bereich für die möglichen Werte von BAK. Analoge trichterförmige Bereiche erhalten wir für die Messung um 7:45 h (punktiert) und 8:45 h (grau gestrichelt). Unter Berücksichtigung der Messfehler unterstützt nur die Messung um t = 7:45 h die Annahme der Alkoholisierung. Die beiden anderen Messungen unterstützen diese Annahme nicht, widerlegen sie aber auch nicht. Der Verdacht liegt nahe, dass es sich beim Messwert um t = 7:45 h um einen Ausreißer handelt, der im Vergleich zu den anderen Messungen zu groß ist und daher bei der Bewertung nicht berücksichtigen soll. Abbildung 2. Mit einem ungenauen Messwert kompatible Extrapolationen der BAK. Abbildung 2 zeigt, dass ein Problem entsteht, sobald mehrere ungenaue Messwerte vorliegen: Wie soll man die Ergebnisse logisch kombinieren? Zwei Ideen liegen nahe: 1.) Idee der Vereinigungsmenge: Für t = 7 liefern die drei Messungen die Aussage, dass BAK sicher zwischen 0,274 und 0,99 Promille liegt. Dabei ist die untere Grenze das Minimum aller nach einer Messung möglichen Werte von BAK und die obere Grenze das Maximum. Dazwischen liegen alle von irgendeiner Messung unterstützten Werte für BAK. Je mehr Messungen einfließen, desto breiter wird dieser Bereich. Sobald auch der Grenzwert 0,5 Promille im Bereich liegt, wie im konkreten Fall bei t = 7, wird eine Entscheidung über die Alkoholisierung unmöglich. 2.) Idee der Durchschnittsmenge: Für t = 7 liefern die drei Messungen die Aussage, dass eine BAK zwischen 0,659 und 0,705 Promille keiner der drei Messungen widerspricht. Dabei ist die untere Grenze das Maximum der möglichen Untergrenzen für BAK und die obere 5

6 Grenze das Minimum der Obergrenzen. Dazwischen liegen die von allen Messungen unterstützten Werte der BAK. Je mehr Messungen einfließen, desto enger wird dieser Bereich. Im konkreten Fall schließt keine der Messungen eine Alkoholisierung aus, der Bereich liegt bei t = 7 oberhalb der 0,5 Promille Grenze. Zwischen 7,5 < t < 9 ist allerdings der Durchschnitt der drei Bereiche leer: Das bedeutet, dass sich die drei Messungen widersprechen. Die Daten sind nicht vereinbar mit der postulierten festen Obergrenze von 0,128 Promille für den Messfehler. Das bedeutet, dass Messungen zu verwerfen sind. Je mehr Messungen berücksichtigt werden, desto eher tritt dies ein. Bemerkung: Die Verteilungsannahme über den Messfehler ist den in [1] zitierten Daten angepasst: Unter dieser Annahme weichen beim BAK von 1 Promille rund 90% der Messungen (zweiseitiges Signifikanzniveau) um nicht mehr als ±15% vom wahren Wert ab, was auch in Experimenten [1] beobachtet wurde. Zwischenbilanz Die BAK Bestimmung aus einer einzigen Blutabnahme lässt in Grenzbereichen einer Alkoholisierung oft nur die Aussage zu, dass eine Alkoholisierung zum Tatzeitpunkt weder ausgeschlossen noch bewiesen werden kann. Der Grund ist die Verwendung von Parametern mit einer breiten interpersonellen Streuung, wodurch eine genaue analytische Messmethode zu einer ungenauen Extrapolation verschmiert wird. In Teil II wird gezeigt, wie es in diesem Fall mehrere Messungen ermöglichen, die Genauigkeit der Extrapolation zu erhöhen, indem die relevanten Parameter für die konkrete Person aus den Messwerten mittels Regression bestimmt werden. Literatur [1] Verwaltungssenat Oberösterreich, Erkenntnisse VwSen /4/Br/Rd vom und VwSen /2/Br/Da vom Quelle: Rechtsdatenbank [2] E.M.P. Widmark, Die theoretischen Grundlagen und die praktische Verwertbarkeit der gerichtlich medizinischen Alkoholbestimmung, Verlag Urban & Schwarzenberg, Berlin (1932). [3] PROMILLATOR.XLS, Institut für Rechtsmedizin und Verkehrsmedizin der Universität Heidelberg. [4] H.T. Haffner und J.H. Blank: Berechnung und Stellenwert der Blutalkoholkonzentration bei der Schuldfähigkeitsbeurteilung. S. 69 ff. in: F. Schneider und H. Frister (Hrsg.), Alkohol und Schuldfähigkeit, Springer Verlag, Berlin [5] Angaben der Gerätehersteller, z.b. AlkoStar TM unter Anschrift der Verfasser: ao. Univ. Prof. Dr. Norbert Brunner und ao. Univ. Prof. Dr. Manfred Kühleitner Institut für Mathematik, DIB, BOKU, Peter Jordan Str. 82, 1180 Wien norbert.brunner@boku.ac.at, manfred.kuehleitner@boku.ac.at 6

Wissenschaftliche Nachrichten: https://www.bmbf.gv.at/schulen/sb/wina/wina.html Vol. 134/2008, 17-20

Wissenschaftliche Nachrichten: https://www.bmbf.gv.at/schulen/sb/wina/wina.html Vol. 134/2008, 17-20 Rückrechnung der Blutalkoholkonzentration: Kritik am forensischen Ansatz, II NORBERT BRUNNER und MANFRED KÜHLEITNER Die Messung des Alkoholgehalts aus der Atemluft ist ungenau. Wir untersuchen, ob zusätzliche

Mehr

tert.-butanol 1,88 mg/g Ethanol

tert.-butanol 1,88 mg/g Ethanol tert.-butanol 1,88 mg/g Ethanol Alkoholbestimmung durch Headspace-Gaschromatographie Urinalkohol - Renale Ausscheidung: 1-2 % der Konsummenge - Rückschlüsse auf die Blutethanolkonzentration sind nicht

Mehr

Modul 1 Dynamik multidsziplinär

Modul 1 Dynamik multidsziplinär Dynamik multidisziplinär Diese Lerneinheit befasst sich mit den Grundlagen der Kinetik am Beispiel des enzymatischen Abbaus von Alkohol Zum Verständnis für die Abbaukinetik pseudo-nullter Ordnung! Zur

Mehr

Wissenschaftliche Nachrichten: https://www.bmbf.gv.at/schulen/sb/wina/wina.html Vol. 131/2006, 19-21

Wissenschaftliche Nachrichten: https://www.bmbf.gv.at/schulen/sb/wina/wina.html Vol. 131/2006, 19-21 Der T-Test in Excel NORBERT BRUNNER und MANFRED KÜHLEITNER Ein häufiges Problem ist der Vergleich eines beobachteten Stichprobenmittelwerts mit einem Sollwert. Dabei wird der T-Test angewandt. Wir zeigen

Mehr

CHEMISCHES RECHNEN II ANALYT. CHEM. FÜR FORTGS

CHEMISCHES RECHNEN II ANALYT. CHEM. FÜR FORTGS Arbeitsunterlagen zu den VU CHEMISCHES RECHNEN II - 771.119 Einheit 1 ANALYT. CHEM. FÜR FORTGS. - 771.314 Einheit 3a ao. Prof. Dr. Thomas Prohaska (Auflage März 006) Beurteilung von Analysenergebnissen

Mehr

Auswertung und Lösung

Auswertung und Lösung Dieses Quiz soll Ihnen helfen, Kapitel 4.7 und 4.8 besser zu verstehen. Auswertung und Lösung Abgaben: 71 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 5.65 Frage 1

Mehr

2. Formulieren von Hypothesen. Nullhypothese: H 0 : µ = 0 Gerät exakt geeicht

2. 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,

Mehr

Statistische Tests (Signifikanztests)

Statistische Tests (Signifikanztests) Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)

Mehr

Demographie und Fußball

Demographie und Fußball Demographie und Fußball Eike Emrich 1, Werner Pitsch & Christian Rullang Einleitung Die Bevölkerung Deutschlands wird sich in den kommenden Jahrzehnten nach der 12. koordinierten Bevölkerungsvorausberechnung

Mehr

4.1. Verteilungsannahmen des Fehlers. 4. Statistik im multiplen Regressionsmodell Verteilungsannahmen des Fehlers

4.1. Verteilungsannahmen des Fehlers. 4. Statistik im multiplen Regressionsmodell Verteilungsannahmen des Fehlers 4. Statistik im multiplen Regressionsmodell In diesem Kapitel wird im Abschnitt 4.1 zusätzlich zu den schon bekannten Standardannahmen noch die Annahme von normalverteilten Residuen hinzugefügt. Auf Basis

Mehr

Einführung Fehlerrechnung

Einführung Fehlerrechnung Einführung Fehlerrechnung Bei jeder Messung, ob Einzelmessung oder Messreihe, muss eine Aussage über die Güte ( Wie groß ist der Fehler? ) des Messergebnisses gemacht werden. Mögliche Fehlerarten 1. Systematische

Mehr

Auswertung und Lösung

Auswertung und Lösung Residuals vs Fitted Normal Q Q Residuals 2 1 0 1 2 16 18 30 Standardized residuals 2 1 0 1 2 18 30 16 5 10 15 20 25 30 Fitted values 2 1 0 1 2 Theoretical Quantiles Abbildung 1: Dieses Quiz soll Ihnen

Mehr

Wie liest man Konfidenzintervalle? Teil I. Premiu m

Wie liest man Konfidenzintervalle? Teil I. Premiu m Wie liest man Konfidenzintervalle? Teil I Premiu m Was sind Konfidenzintervalle? Ein Konfidenzintervall (KI) ist ein Maß für die Unsicherheit bezüglich einer Schätzung eines Effekts. Es ist ein Intervall

Mehr

Übungen mit dem Applet Vergleich von zwei Mittelwerten

Übungen mit dem Applet Vergleich von zwei Mittelwerten Vergleich von zwei Mittelwerten 1 Übungen mit dem Applet Vergleich von zwei Mittelwerten 1 Statistischer Hintergrund... 2 1.1 Typische Fragestellungen...2 1.2 Fehler 1. und 2. Art...2 1.3 Kurzbeschreibung

Mehr

Übungen mit dem Applet

Übungen mit dem Applet Übungen mit dem Applet 1. Visualisierung der Verteilungsform... 1.1. Normalverteilung... 1.. t-verteilung... 1.3. χ -Verteilung... 1.4. F-Verteilung...3. Berechnung von Wahrscheinlichkeiten...3.1. Visualisierung

Mehr

Fehler- und Ausgleichsrechnung

Fehler- und Ausgleichsrechnung Fehler- und Ausgleichsrechnung Daniel Gerth Daniel Gerth (JKU) Fehler- und Ausgleichsrechnung 1 / 12 Überblick Fehler- und Ausgleichsrechnung Dieses Kapitel erklärt: Wie man Ausgleichsrechnung betreibt

Mehr

Allgemeine Chemie Computer Praktikum Frühjahrssemester Regressions-Tutorial Lineare und nicht-lineare Regression

Allgemeine Chemie Computer Praktikum Frühjahrssemester Regressions-Tutorial Lineare und nicht-lineare Regression 1 Einführung Allgemeine Chemie Computer Praktikum Frühjahrssemester Regressions-Tutorial Lineare und nicht-lineare Regression Datenauswertung In einem naturwissenschaftlichen Experiment werden Sie meist

Mehr

Übungen: Lineare Funktionen

Übungen: Lineare Funktionen Übungen: Lineare Funktionen 1. Zeichnen Sie die Graphen der folgenden Funktionen und berechnen Sie die Nullstelle. a) f: y = 2x - 3 b) f: y = -3x + 6 c) f: y = ¼ x + 3 d) f: y = - 3 / 2 x + 9 e) f: y =

Mehr

Auswertung und Lösung

Auswertung 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

Mehr

Fehlerrechnung. Bei physikalisch-technischen Messungen können systematische und zufällige Fehler auftreten.

Fehlerrechnung. Bei physikalisch-technischen Messungen können systematische und zufällige Fehler auftreten. Seite 1 / 6 H.C. iehuus Fehlerrechnung Bei physikalisch-technischen Messungen können systematische und zufällige Fehler auftreten. Systematische Fehler erzeugen systematische Effekte. Falsch kalibrierte

Mehr

Mathematik für Biologen

Mathematik 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

Mehr

Aufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97.

Aufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97. Aufgabenblock 4 Aufgabe ) Da s = 8. cm nur eine Schätzung für die Streuung der Population ist, müssen wir den geschätzten Standardfehler verwenden. Dieser berechnet sich als n s s 8. ˆ = = =.88. ( n )

Mehr

Abbildung 1: Dieses Quiz soll Ihnen helfen, die Residuenplots besser zu verstehen. Am Schluss kommen noch vermischte Aufgaben zur Wiederholung.

Abbildung 1: Dieses Quiz soll Ihnen helfen, die Residuenplots besser zu verstehen. Am Schluss kommen noch vermischte Aufgaben zur Wiederholung. Residuals vs Fitted Normal Q Q Residuals 2 1 0 1 2 16 18 30 Standardized residuals 2 1 0 1 2 18 30 16 5 10 15 20 25 30 Fitted values 2 1 0 1 2 Theoretical Quantiles Abbildung 1: Dieses Quiz soll Ihnen

Mehr

Physikprotokoll: Fehlerrechnung. Martin Henning / Torben Zech / Abdurrahman Namdar / Juni 2006

Physikprotokoll: Fehlerrechnung. Martin Henning / Torben Zech / Abdurrahman Namdar / Juni 2006 Physikprotokoll: Fehlerrechnung Martin Henning / 736150 Torben Zech / 7388450 Abdurrahman Namdar / 739068 1. Juni 2006 1 Inhaltsverzeichnis 1 Einleitung 3 2 Vorbereitungen 3 3 Messungen und Auswertungen

Mehr

Binomialverteilung Vertrauensbereich für den Anteil

Binomialverteilung Vertrauensbereich für den Anteil Übungen mit dem Applet Binomialverteilung Vertrauensbereich für den Anteil Binomialverteilung Vertrauensbereich für den Anteil 1. Statistischer Hintergrund und Darstellung.... Wie entsteht der Vertrauensbereich?...

Mehr

Softwaretechnik. Prof. Dr. Rainer Koschke. Fachbereich Mathematik und Informatik Arbeitsgruppe Softwaretechnik Universität Bremen

Softwaretechnik. Prof. Dr. Rainer Koschke. Fachbereich Mathematik und Informatik Arbeitsgruppe Softwaretechnik Universität Bremen Softwaretechnik Prof. Dr. Rainer Koschke Fachbereich Mathematik und Informatik Arbeitsgruppe Softwaretechnik Universität Bremen Wintersemester 2010/11 Überblick I Statistik bei kontrollierten Experimenten

Mehr

Dr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp

Dr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 8.-10. Januar 2010 BOOTDATA.GDT: 250 Beobachtungen für die Variablen... cm:

Mehr

Messen und Beurteilen in der Praxis

Messen und Beurteilen in der Praxis Messen und Beurteilen in der Praxis Dr.sc.nat. Markus Zingg Umwelt-Toxikologie-Information Schaffhausen !? Wer misst misst Mist!? Eine Messung muss zielorientiert durchgeführt werden Eine Messung ist immer

Mehr

Wirtschaftsstatistik-Klausur am

Wirtschaftsstatistik-Klausur am Wirtschaftsstatistik-Klausur am 0.07.017 Aufgabe 1 Ein Handy- und PC-Hersteller verfügt über ein exklusives Filialnetz von 900 Filialen. Der Gewinn (in GE) der Filialen ist in der folgenden Tabelle nach

Mehr

Test von Hypothesen: Signifikanz des Zusammenhangs (F-Test)

Test von Hypothesen: Signifikanz des Zusammenhangs (F-Test) Test von Hyothesen: Signifikanz des Zusammenhangs (F-Test) Die Schätzung der Regressionsfunktion basiert auf Daten einer Stichrobe Inwiefern können die Ergebnisse dieser Schätzung auf die Grundgesamtheit

Mehr

Wichtige Definitionen und Aussagen

Wichtige Definitionen und Aussagen Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge

Mehr

Biometrieübung 10 Lineare Regression. 2. Abhängigkeit der Körpergröße von der Schuhgröße bei Männern

Biometrieübung 10 Lineare Regression. 2. Abhängigkeit der Körpergröße von der Schuhgröße bei Männern Biometrieübung 10 (lineare Regression) - Aufgabe Biometrieübung 10 Lineare Regression Aufgabe 1. Düngungsversuch In einem Düngeversuch mit k=9 Düngungsstufen x i erhielt man Erträge y i. Im (X, Y)- Koordinatensystem

Mehr

Forschungsstatistik I

Forschungsstatistik I Psychologie Prof. Dr. G. Meinhardt 6. Stock, TB II R. 06-206 (Persike) R. 06-321 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/

Mehr

Phallosan-Studie. Statistischer Bericht

Phallosan-Studie. Statistischer Bericht Phallosan-Studie Statistischer Bericht Verfasser: Dr. Clemens Tilke 15.04.2005 1/36 Inhaltsverzeichnis Inhaltsverzeichnis... 2 Einleitung... 3 Alter der Patienten... 4 Körpergewicht... 6 Penisumfang...

Mehr

Dr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9.

Dr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9. Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9. Januar 2011 BOOTDATA11.GDT: 250 Beobachtungen für die Variablen...

Mehr

Einführungsseminar S1 Elemente der Fehlerrechnung. Physikalisches Praktikum der Fakultät für Physik und Astronomie Ruhr-Universität Bochum

Einführungsseminar S1 Elemente der Fehlerrechnung. Physikalisches Praktikum der Fakultät für Physik und Astronomie Ruhr-Universität Bochum Einführungsseminar S1 Elemente der Fehlerrechnung Physikalisches Praktikum der Fakultät für Physik und Astronomie Ruhr-Universität Bochum Literatur Wolfgang Kamke Der Umgang mit experimentellen Daten,

Mehr

Methoden der Werkstoffprüfung Kapitel II Statistische Verfahren I. WS 2009/2010 Kapitel 2.0

Methoden der Werkstoffprüfung Kapitel II Statistische Verfahren I. WS 2009/2010 Kapitel 2.0 Methoden der Werkstoffprüfung Kapitel II Statistische Verfahren I WS 009/010 Kapitel.0 Schritt 1: Bestimmen der relevanten Kenngrößen Kennwerte Einflussgrößen Typ A/Typ B einzeln im ersten Schritt werden

Mehr

5. Seminar Statistik

5. 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

Mehr

Konfidenzintervalle 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 Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir

Mehr

Notgepäck Genauigkeit

Notgepäck Genauigkeit Notgepäck Genauigkeit Beat Hulliger Dienst Statistische Methoden, Bundesamt für Statistik 20.4.2006 1 Was ist Genauigkeit genau? Um zu beschreiben, was Genauigkeit in der Statistik ist, müssen wir untersuchen,

Mehr

Hypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests

Hypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests ue biostatistik: hypothesen, fehler 1. und. art, power 1/8 h. lettner / physik Hypothesen: Fehler 1. und. Art, Power eines statistischen Tests Die äußerst wichtige Tabelle über die Zusammenhänge zwischen

Mehr

Statistische Tests für unbekannte Parameter

Statistische Tests für unbekannte Parameter Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung

Mehr

Biomathematik für Mediziner

Biomathematik für Mediziner Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur SS 2002 Aufgabe 1: Franz Beckenbauer will, dass

Mehr

Wahrscheinlichkeit 1-α: richtige Entscheidung - wahrer Sachverhalt stimmt mit Testergebnis überein. Wahrscheinlichkeit α: falsche Entscheidung -

Wahrscheinlichkeit 1-α: richtige Entscheidung - wahrer Sachverhalt stimmt mit Testergebnis überein. Wahrscheinlichkeit α: falsche Entscheidung - wahrer Sachverhalt: Palette ist gut Palette ist schlecht Entscheidung des Tests: T K; Annehmen von H0 ("gute Palette") positive T > K; Ablehnen von H0 ("schlechte Palette") negative Wahrscheinlichkeit

Mehr

Medizinische Statistik

Medizinische Statistik Medizinische Statistik Angewandte Biometrie für Ärzte und Gesundheitsberufe Bearbeitet von Wilhelm Gaus, Rainer Muche 1. Auflage 2013. Buch. 640 S. Hardcover ISBN 978 3 7945 2931 5 Format (B x L): 16,5

Mehr

Physikalische Übungen für Pharmazeuten

Physikalische Übungen für Pharmazeuten Helmholtz-Institut für Strahlen- und Kernphysik Seminar Physikalische Übungen für Pharmazeuten Ch. Wendel Max Becker Karsten Koop Dr. Christoph Wendel Übersicht Inhalt des Seminars Praktikum - Vorbereitung

Mehr

Grundlagen der schließenden Statistik

Grundlagen der schließenden Statistik Grundlagen der schließenden Statistik Schätzer, Konfidenzintervalle und Tests 1 46 Motivation Daten erhoben (Umfrage, Messwerte) Problem: Bei Wiederholung des Experiments wird man andere Beobachtungen

Mehr

Abiturvorbereitung Alkoholsünder, bedingte Wahrscheinlichkeit, Hypothesentest Aufgabenblatt

Abiturvorbereitung Alkoholsünder, bedingte Wahrscheinlichkeit, Hypothesentest Aufgabenblatt R. Brinkmann http://brinkmann-du.de Seite 2.05.2009 Abiturvorbereitung Alkoholsünder, bedingte Wahrscheinlichkeit, Hypothesentest Aufgabenblatt Aufgabe 0 0. In einer bestimmten Stadt an einer bestimmten

Mehr

Mathematisch-Naturwissenschaftliche Fakultät I der Humboldt-Universität zu Berlin Institut für Physik Physikalisches Grundpraktikum.

Mathematisch-Naturwissenschaftliche Fakultät I der Humboldt-Universität zu Berlin Institut für Physik Physikalisches Grundpraktikum. Mathematisch-Naturwissenschaftliche Fakultät I der Humboldt-Universität zu Berlin Institut für Physik Physikalisches Grundpraktikum Versuchsprotokoll zur Bestimmung der Brennweiten von dünnen Linsen (O)

Mehr

Auswertung und Lösung

Auswertung 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

Mehr

Methoden der Werkstoffprüfung Kapitel I Grundlagen. WS 2009/2010 Kapitel 1.0

Methoden der Werkstoffprüfung Kapitel I Grundlagen. WS 2009/2010 Kapitel 1.0 Methoden der Werkstoffprüfung Kapitel I Grundlagen WS 2009/2010 Kapitel 1.0 Grundlagen Probenmittelwerte ohne MU Akzeptanzbereich Probe 1 und 2 liegen im Akzeptanzbereich Sie sind damit akzeptiert! Probe

Mehr

1 Messfehler. 1.1 Systematischer Fehler. 1.2 Statistische Fehler

1 Messfehler. 1.1 Systematischer Fehler. 1.2 Statistische Fehler 1 Messfehler Jede Messung ist ungenau, hat einen Fehler. Wenn Sie zum Beispiel die Schwingungsdauer eines Pendels messen, werden Sie - trotz gleicher experimenteller Anordnungen - unterschiedliche Messwerte

Mehr

Statistische Auswertung in der Betriebsprüfung

Statistische Auswertung in der Betriebsprüfung Dr. Harald Krehl Der Einsatz verteilungsbezogener Verfahren Der Einsatz verteilungsbezogener Verfahren etwa des Benford- Newcomb Verfahrens oder der Normalverteilung bzw. der LogNormalverteilung in der

Mehr

2.3 Intervallschätzung

2.3 Intervallschätzung 2.3.1 Motivation und Hinführung Bsp. 2.15. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler unter allen Wählern war 2009 auf eine Nachkommastelle gerundet genau 33.7%. Wie groß ist die Wahrscheinlichkeit,

Mehr

p = h n (K)= Juli vl smart vp qk notebook Praktische Lösung des Problems: mit den Werten

p = h n (K)= Juli vl smart vp qk notebook Praktische Lösung des Problems: mit den Werten I. Eigenschaften von Schätzfunktionen Wir wollen den unbekannten Anteil p von Autos ermitteln, die mit Katalysator fahren. Mathematisch können wir das Problem wie folgt beschreiben: Sei X der Autotyp eines

Mehr

M0 BIO - Reaktionszeit

M0 BIO - Reaktionszeit M0 BIO - Reaktionszeit 1 Ziel des Versuches In diesem Versuch haben Sie die Möglichkeit, sich mit Messunsicherheiten vertraut zu machen. Die Analyse von Messunsicherheiten erfolgt hierbei an zwei Beispielen.

Mehr

Willkommen zur Vorlesung Statistik (Master)

Willkommen zur Vorlesung Statistik (Master) Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Punkt- und Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr.

Mehr

Statistische Tests für unbekannte Parameter

Statistische Tests für unbekannte Parameter Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung

Mehr

Marcel Dettling. GdM 2: LinAlg & Statistik FS 2017 Woche 12. Winterthur, 17. Mai Institut für Datenanalyse und Prozessdesign

Marcel Dettling. GdM 2: LinAlg & Statistik FS 2017 Woche 12. Winterthur, 17. Mai Institut für Datenanalyse und Prozessdesign Marcel Dettling Institut für Datenanalyse und Prozessdesign Zürcher Hochschule für Angewandte Wissenschaften marcel.dettling@zhaw.ch http://stat.ethz.ch/~dettling Winterthur, 17. Mai 2017 1 Verteilung

Mehr

Begleitmaterial zur Vorlesung. Fehlerrechnung und Fehlerabschätzung bei physikalischen Messungen

Begleitmaterial zur Vorlesung. Fehlerrechnung und Fehlerabschätzung bei physikalischen Messungen Institut für Technische Thermodynamik und Kältetechnik Leiter: Prof. Dr.-Ing. K. Schaber Begleitmaterial zur Vorlesung Fehlerrechnung und Fehlerabschätzung bei physikalischen Messungen Verfasst von Dr.

Mehr

Bachelorprüfung: Statistik (1 Stunde)

Bachelorprüfung: 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!

Mehr

Statistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de

Statistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent

Mehr

BOXPLOT 1. Begründung. Boxplot A B C

BOXPLOT 1. Begründung. Boxplot A B C BOXPLOT 1 In nachstehender Tabelle sind drei sortierte Datenreihen gegeben. Zu welchem Boxplot gehört die jeweilige Datenreihe? Kreuze an und begründe Deine Entscheidung! Boxplot A B C Begründung 1 1 1

Mehr

Testen von Hypothesen:

Testen von Hypothesen: Testen von Hypothesen: Ein Beispiel: Eine Firma produziert Reifen. In der Entwicklungsabteilung wurde ein neues Modell entwickelt, das wesentlich ruhiger läuft. Vor der Markteinführung muss aber auch noch

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung und Statistik 10. Vorlesung - 017 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 heißt Median. P(X < z α ) α P(X z α ). Falls X stetige zufällige Variable

Mehr

2 Wiederholung statistischer Grundlagen Schließende Statistik empirischen Information aus Stichprobenrealisation x von X

2 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

Mehr

Datenanalyse Klausur SS 2014 (nicht wortwörtlich) Lösung (aus einer Nachbesprechung mit Elsenbeer)

Datenanalyse Klausur SS 2014 (nicht wortwörtlich) Lösung (aus einer Nachbesprechung mit Elsenbeer) 1. Ist das folgende Argument gültig? Datenanalyse Klausur SS 2014 (nicht wortwörtlich) Lösung (aus einer Nachbesprechung mit Elsenbeer) Wenn minderjährige Mörder für ihr Vergehen genauso verantwortlich

Mehr

Willkommen zur Vorlesung Statistik (Master)

Willkommen zur Vorlesung Statistik (Master) Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Punkt- und Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr.

Mehr

2.3 Intervallschätzung

2.3 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

Mehr

Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL)

Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Prof. Dr. P. Embrechts ETH Zürich Winter 2012 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

Mehr

Bemerkungen zu statistischen Tests

Bemerkungen zu statistischen Tests Bemerkungen zu statistischen Tests Einseitige vs. zweiseitige Tests Die Entscheidung für eine einseitige oder zweiseitige Alternative hängt von der Fragestellung ab. Eine einseitige Alternative ist dann

Mehr

8. Konfidenzintervalle und Hypothesentests

8. 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

Mehr

Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2002

Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2002 Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2002 1. Ein Chemiestudent hat ein Set von 10 Gefäßen vor sich stehen, von denen vier mit Salpetersäure Stoff A), vier mit Glyzerin Stoff

Mehr

Versuch 17: Kennlinie der Vakuum-Diode

Versuch 17: Kennlinie der Vakuum-Diode Versuch 17: Kennlinie der Vakuum-Diode Inhaltsverzeichnis 1 Einleitung 3 2 Theorie 3 2.1 Prinzip der Vakuumdiode.......................... 3 2.2 Anlaufstrom.................................. 3 2.3 Raumladungsgebiet..............................

Mehr

5. Spezielle stetige Verteilungen

5. Spezielle stetige Verteilungen 5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für

Mehr

Protokoll Grundpraktikum: O1 Dünne Linsen

Protokoll Grundpraktikum: O1 Dünne Linsen Protokoll Grundpraktikum: O1 Dünne Linsen Sebastian Pfitzner 22. Januar 2013 Durchführung: Sebastian Pfitzner (553983), Jannis Schürmer (552892) Arbeitsplatz: 3 Betreuer: A. Ahlrichs Versuchsdatum: 16.01.2013

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Statistik & Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte

Mehr

Statistische Tests funktionieren generell nach obigem Schema; der einzige Unterschied besteht in der unterschiedlichen Berechnung der Testgröße.

Statistische Tests funktionieren generell nach obigem Schema; der einzige Unterschied besteht in der unterschiedlichen Berechnung der Testgröße. Statistische Tests Testen von Hypothesen Fehlerarten wichtigste statistische Tests Hypothesen Jeder statistische Test beruht auf der Widerlegung einer zuvor aufgestellten Hypothese. Die Widerlegung ist

Mehr

Marcel Dettling. GdM 2: LinAlg & Statistik FS 2017 Woche 13. Winterthur, 24. Mai Institut für Datenanalyse und Prozessdesign

Marcel Dettling. GdM 2: LinAlg & Statistik FS 2017 Woche 13. Winterthur, 24. Mai Institut für Datenanalyse und Prozessdesign Marcel Dettling Institut für Datenanalyse und Prozessdesign Zürcher Hochschule für Angewandte Wissenschaften marcel.dettling@zhaw.ch http://stat.ethz.ch/~dettling Winterthur, 24. Mai 2017 1 Ausblick Wir

Mehr

Statistik I für Betriebswirte Vorlesung 14

Statistik 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

Mehr

Handelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen?

Handelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen? 1. Handelt es sich bei den folgenden um diskrete oder stetige Zufallsvariablen? a.) Anzahl der Kunden, die an der Kasse in der Schlange stehen. b.) Die Menge an Energie, die pro Tag von einem Energieversorgungsunternehmen

Mehr

Elisabeth Aufhauser, unveröffentlichter Text Unterrichtsmaterial Statistik-UE für Soziologie

Elisabeth Aufhauser, unveröffentlichter Text Unterrichtsmaterial Statistik-UE für Soziologie Elisabeth Aufhauser, unveröffentlichter Text Unterrichtsmaterial Statistik-UE für Soziologie Konfidenzintervall Statistische Analyse von Stichproben Der Datensatz aus der Übung (social survey 2003) besteht

Mehr

DEMO für STOCHASTIK. Testen von Hypothesen. Datei Nr INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK.

DEMO für  STOCHASTIK. Testen von Hypothesen. Datei Nr INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK. STOCHASTIK Testen von Hypothesen Teil 1 rundlagen der Signifikanztests Hier: Berechnungen mit Binomialverteilung Datei Nr. 35010 Stand: 9. November 2013 FRIEDRICH W. BUCKEL INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK

Mehr

Bereiche der Statistik

Bereiche der Statistik Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden

Mehr

2. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017

2. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017 . Lösung weitere Übungsaufgaben Statistik II WiSe 016/017 1. Aufgabe: Bei der Produktion eines Werkstückes wurde die Bearbeitungszeit untersucht. Für die als normalverteilt angesehene zufällige Bearbeitungszeit

Mehr

3) Testvariable: T = X µ 0

3) 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

Mehr

Statistik II. Statistische Tests. Statistik II

Statistik 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

Mehr

Methodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg Methodenlehre Vorlesung 12 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft

Mehr

STATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG

STATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG STATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG Statistische Methoden In der vorliegenden fiktiven Musterstudie wurden X Patienten mit XY Syndrom (im folgenden: Gruppe XY) mit Y Patienten eines unauffälligem

Mehr

Atemalkohol- Beweissicherheit im Strafverfahren

Atemalkohol- Beweissicherheit im Strafverfahren Atemalkohol- Beweissicherheit im Strafverfahren Ein Vortrag des Bundes gegen Alkohol und Drogen im Straßenverkehr (B.A.D.S.) Fachtagung am 16. Juni 2015 in Münster Die Historie vom Prüfröhrchen zum High-Tech-Instrument

Mehr

Polynomiale Regression lässt sich mittels einer Transformation der Merkmale auf multiple lineare Regression zurückführen

Polynomiale Regression lässt sich mittels einer Transformation der Merkmale auf multiple lineare Regression zurückführen Rückblick Polynomiale Regression lässt sich mittels einer Transformation der Merkmale auf multiple lineare Regression zurückführen Ridge Regression vermeidet Überanpassung, indem einfachere Modelle mit

Mehr

7. Wie viel Promille verträgt mein Führerschein?

7. Wie viel Promille verträgt mein Führerschein? Ich ließ mir also von meinem Mandanten erklären, welche Art von Alkohol er genau zu sich genommen hatte. Dies ist deshalb wichtig, weil die Staatsanwaltschaft eine Analyse des Alkohols vornehmen lässt,

Mehr

7. Hypothesentests. Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang. X habe die unbekannte VF F X (x)

7. Hypothesentests. Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang. X habe die unbekannte VF F X (x) 7. Hypothesentests Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang X habe die unbekannte VF F X (x) Interessieren uns für einen unbekannten Parameter θ der Verteilung von X 350 Bisher:

Mehr

Tests für Erwartungswert & Median

Tests für Erwartungswert & Median Mathematik II für Biologen 26. Juni 2015 Prolog Varianz des Mittelwerts Beispiel: Waage z-test t-test Vorzeichentest Wilcoxon-Rangsummentest Varianz des Mittelwerts Beispiel: Waage Zufallsvariable X 1,...,X

Mehr

1. Einleitung. 2. Zur Person

1. Einleitung. 2. Zur Person Moritz Schlick: Naturgesetze und Kausalität Seminar über philosophische Aspekte in der Physik WS 2007/08 Seminarleitung: Prof. Dr. G. Münster Dr. C. Suhm Vortragender: Johannes Greber 13. 11. 2007 1. Einleitung

Mehr

10. Die Normalverteilungsannahme

10. Die Normalverteilungsannahme 10. Die Normalverteilungsannahme Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Bisher haben wir vorausgesetzt, daß die Beobachtungswerte normalverteilt sind. In diesem Fall kann man

Mehr

Statistik II. Regressionsrechnung+ Regressionsanalyse. Statistik II

Statistik II. Regressionsrechnung+ Regressionsanalyse. Statistik II Statistik II Regressionsrechnung+ Regressionsanalyse Statistik II - 16.06.2006 1 Regressionsrechnung Nichtlineare Ansätze In einigen Situation könnte man einen nichtlinearen Zusammenhang vermuten. Bekannte

Mehr

GRUNDPRINZIPIEN statistischen Testens

GRUNDPRINZIPIEN statistischen Testens Fragestellungen beim Testen GRUNDPRINZIPIEN statistischen Testens. Vergleiche Unterscheidet sich die Stichprobenbeobachtung von einer vorher spezifizierten Erwartung ( Hypothese ) mit ausreichender Sicherheit?

Mehr

Brückenkurs Statistik für Wirtschaftswissenschaften

Brückenkurs Statistik für Wirtschaftswissenschaften Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München

Mehr