TESTEN VON HYPOTHESEN
|
|
- Adrian Neumann
- vor 7 Jahren
- Abrufe
Transkript
1 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 im Allgemeie oder um kokrete Parameterwerte wie Erwartugswert, Variaz, etc. im Spezielle hadel. Hierfür hat ma sogeate Hypothesetests zur Verfügug, mit dee wir us im Folgede beschäftige werde. I diesem erste Abschitt wolle wir dafür erst eimal festlege worüber wir dabei geau spreche. Defiitio Eie Hypothese (hier: Nullhypothese H 0 ) ist eie Behauptug über eie Zufallsvariable X, die aufgrud eier Beobachtug/Stichprobe abgeleht oder ageomme werde soll. Hierfür wird der Wertebereich vo X i zwei Bereich uterteilt, de Aahme- ud de Ablehugsbereich. Eie Hypothese wird a ur eier Stichprobe getestet, daher spricht ma auch vo Eistichprobe-Tests. Bemerkug Meistes will ma die zu testede Hypothese H 0 zuguste der eigee Vermutug (Alterativhypothese H 1 ) widerlege, d.h. ma geht vor wie beim idirekte Beweis (vgl. Beispiel 1 der Vorlesug). Natürlich ka ma bei de Urteile durch Hypothesetests auch falsch liege. Besoders bei Eistichprobe-Tests muss ma die Irrtumswahrscheilichkeit gut kotrolliere. Geerell sid folgede Fehler bei Hypothesetests möglich: Eie wahre Hypothese wird abgeleht (Fehler 1. Art/α-Fehler) Eie falsche Hypothese wird ageomme (Fehler 2. Art/β-Fehler) Für das Vorgehe bei solche Test ka ma sich a dem folgede Ablaufschema orietiere. Ablaufschema 1. Schritt: Formulierug der Nullhypothese H 0 ud eier Alterativhypothese H 1, die geau da eitritt, we H 0 abgeleht wird. 2. Schritt: Festlege eier Irrtumswahrscheilichkeit/eies Sigifikaziveaus α des Tests. 3. Schritt: Agabe eier Aahmeregio A des Tests derart, dass P H0 (X Ā) α, wobei Ā = R \ A demetspreched de Ablehugsbereich bezeichet, d.h. die Aahmeregio wird so bestimmt, dass der Fehler 1. Art höchstes so groß ist wie das vorher festgelegte Sigifikaziveau α. Bemerkuge (1) Beachte Sie, dass P H0 (X Ā), also die Wahrscheilichkeit dafür, dass uter der Aahme vo H 0 die Zufallsvariable X eie Wert außerhalb des Aahmebereiches aimmt, gerade das Risiko eies Fehlers 1. Art beschreibt.
2 (2) Falls es möglich ist die Schrake geau zu bestimme, wählt ma de Aahmebereich derart, dass P H0 (X Ā) = α gilt (z.b. bei Eistichprobe- Gauß-Test). (3) Bei Uklarheit bei der Festlegug der Nullhypothese, ist H 0 so zu wähle, dass der Fehler 1. Art der schlimmere ist (vgl. Bsp. 2 der Vorlesug). (4) Üblicherweise werde i der Wisseschaft Sigifikaziveaus vo α = 5% oder α = 1% gewählt. Beispiel Eie Populatiosgröße vo N > 50 Tiere eier bestimmte Art sei für das Überlebe eier Polulatio otwedig. Mithilfe der Rückfagmethode (vgl. Übug 5) soll N durch eie Stichprobe vo = 20 Tiere utersucht werde, wobei wir aehme, dass M = 20 Tiere bereits markiert worde sid. Wir habe hier zwei, auf de erste Blick gleichberechtigte, Möglichkeite für die Nullhypothese, ämlich { N > 50 H 0 : N 50. Aders als i de bisherige Beispiele der Vorlesug gibt es hier keie zugrudeliegede Vermutug oder bestehede Hypothese; hier etscheidet der Fehler 1. Art über die Festlegug der Nullhypothese. Wie i der vorherige Bemerkug beschriebe, müsse wir H 0 uter de beide Möglichkeite so wähle, dass der Fehler der 1. Art bei dieser Wahl der schlimmere ist. Lehe wir die Hypothese N > 50 fälschlicherweise ab, hat das lediglich zur Folge, dass wir uötigerweise Maßahme zur Erhaltug der Populatio ergreife, wohigege ei fälschliches Ablehe der Hypothese N 50 dazu führe würde, dass die Populatio, etgege userer Aahme, aussterbe würde. Orietiere wir us also a der Schwere des Fehlers 1. Art, müsse wir als Nullhypothese H 0 : N 50 festlege. Ist u N klei, so ist der Ateil der markierte Tiere i userer Stichprobe wahrscheilich groß, d.h. der Wert vo X = Azahl der markierte Tiere i der Stichprobe ist relativ groß. Als Etscheidugsregel für usere Test lege wir daher fest, dass wir H 0 ablehe, falls X = k k 0 gilt, wobei wir och überlege müsse wie groß die Schrake k 0 gewählt werde sollte. Diese Etscheidugsregel drückt aus, dass wir H 0 ablehe, we die Azahl der markierte Tiere i der Stichprobe zu klei ist (wir erwarte ja eie hohe Ateil), um mit agemesseer Wahrscheilichkeit mit der Nullhypothese verträglich zu sei. Was geau diese agemessee Wahrscheilichkeit bedeutet, wird durch die Wahl der Schrake k 0 bzw. durch das Sigifikaziveau α des Test bestimmt, de das Risiko für eie Fehler 1. Art ist gerade gegebe durch P N (X k 0 ) für N 50. Demetspreched ist k 0 bei gegebeem Sigifikaziveau α bestimmt durch die Forderug P N (X k 0 ) < α für alle N 50, bzw. durch P 50 (X 50) < α, da P N1 (X k 0 ) < P N2 (X k 0 ) für N 1 < N 2. Für die Bestimmug vo k 0 bei α = 0.01 etehme wir der Wertetabelle (X ist ach Aahme hypergeometrisch verteilt ach H 50,20,20 ) k P 50 (X k) Wir ehme u das größte k, so dass P 50 (X k) < α, d.h. k 0 = 3. Wir ehme das größte solche k, da da das Risiko eies Fehlers 2. Art, P N (X > k 0 )
3 für N > 50, am kleiste ist. Hier ist also ei Iteresseausgleich otwedig, de eie Verkleierug des Fehlers 1. Art, d.h. eie kleiere Wahl vo k 0, etspricht eier Vergrösserug des Fehlers 2. Art. Der Aahmebereich für usere Test ist ach userer Wahl vo k 0 also N 4 ud der Ablehugsbereich ist demach N 3 = {0, 1, 2, 3}. Das Risiko eies Fehlers 1. Art ist P N (X N 3 ) P 50 (X N 3 ) = P 50 (X 3) < α. 2. Teste vo Hypothese über de Erwartugswert I de Übuge wurde bereits der Eistichprobe-Gauß-Test eigeführt. Hierbei betrachte wir eie Messreihe x 1,..., x mit X N(µ, σ 2 ) ud bekater Variaz σ 2. Getestet werde hierbei Hypothese über de Erwartugswert µ, beispielsweise die Nullhypothese H 0 : E(X) = µ 0 mit etsprecheder Alterativhypothese H 1 : E(X) µ 0 mithilfe der Testgröße X µ 0 σ/, die uter Aahme der Nullhypothese stadardormalverteilt ist. I diesem Fall erhalte wir P ( z 1 α/2 X µ 0 σ/ z 1 α/2) = P ( X µ 0 σ/ z 1 α/2) P ( X µ 0 σ/ z 1 α/2) bzw. = Φ(z 1 α/2 ) Φ( z 1 α/2 ) = Φ(z 1 α/2 ) (1 Φ(z 1 α/2 )) = 1 α/2 (1 (1 α/2)) = 1 α P (µ 0 σ z 1 α/2 X µ 0 + σ z 1 α/2 ) = 1 α. [ ] Wir ehme daher H 0 a, falls x µ 0 σ z 1 α/2, µ 0 + σ z 1 α/2 ud α ist das Niveau des Tests. Nebe dieser Nullhypothese gibt es och die eiseitige Alterative für de Erwartugswert. Dere Aahmebereiche berechet ma gaz aalog. Wir halte die Ergebisse i der folgede Tabelle fest. Gauß-Test H 0 wird ageomme, falls H (1) 0 : E(X) = µ 0, H (1) 1 : E(X) µ 0 µ 0 σ z 1 α/2 x µ 0 + σ z 1 α/2 H (2) 0 : E(X) µ 0, H (2) 1 : E(X) < µ 0 µ 0 σ z 1 α x H (3) 0 : E(X) µ 0, H (3) 1 : E(X) > µ 0 x µ 0 + σ z 1 α t-test: Ist i der obige Situatio die Variaz icht bekat, so muss sie mittels s 2 = 1 1 i=1 (x i x) 2 geschätzt werde. Wie bei der Berechug der Kofidezitervalle müsse i diesem Fall i der obige Tabelle lediglich σ durch s = s 2 ud die Quatile z 1 γ der Stadardormalverteilug durch die der etsprechede t-verteilug t 1,1 γ ersetzt werde. t-test H 0 wird ageomme, falls H (1) 0 : E(X) = µ 0, H (1) 1 : E(X) µ 0 µ 0 s t 1,1 α/2 x µ 0 + s t 1,1 α/2 H (2) 0 : E(X) µ 0, H (2) 1 : E(X) < µ 0 µ 0 s t 1,1 α x H (3) 0 : E(X) µ 0, H (3) 1 : E(X) > µ 0 x µ 0 + s t 1,1 α
4 Biomialtest: Tests über de Erwartugswert bei Beroulli-Experimete et ma Biomialtests. Hierbei ist also X B 1,p, d.h. X(Ω) = {0, 1} mit Erwartugswert E(X) = p ud Variaz V (X) = p(1 p). Für hireiched umfagreiche Messreihe ist auch hier die stadardisierte Variable wieder aäherd ormalverteilt ud wir erhalte, wie obe, folgede Ergebisse Test H (1) 0 : E(X) = p 0, H (1) 1 : E(X) p 0 p 0 H (2) 0 : E(X) p 0, H (2) 1 : E(X) < p 0 p 0 H (3) 0 : E(X) p 0, H (3) 1 : E(X) > p 0 x p 0 + H 0 wird ageomme, falls z 1 α/2 x p 0 + z 1 α x z 1 α z 1 α/2 Da X jedoch icht ormalverteilt ist, muss groß sei, damit ma hier de Zetrale Grezwertsatz awede ka. Als Faustregel verwedet ma hier die Bedigug p 0 (1 p 0 ) 9. Diese Bedigug muss also jeweils vor Awedug des Biomialtests überprüft werde. Beispiel Ei Uterehme der Pharmaidustrie behauptet, dass bei eiem bestimmte Medikamet bei icht mehr als 2% der Patiete Nebewirkuge auftrete. Um diese Aussage zu überprüfe, betrachte wir die B 1,p -verteilte Zufallsvariable { 1, bei Nebewirkuge X = 0, sost. ud teste die Nullhypothese H 0 : p 0.02 zum Niveau α = 5%. Hierzu führe wir eie Versuch mit = 800 Teilehmer durch, bei dem wir bei 2.9% der Probade Nebewirkuge feststelle. Da die Bedigug p 0 (1 p 0 ) = = erfüllt ist, köe wir de Biomialtest i diesem Fall verwede. Wir ehme also ach obige Überleguge H 0 a, falls p0 (1 p 0 ) = x p 0 + z 1 α = = wobei wir das Ergebis auf drei Stelle hiter dem Komma gerudet habe. Aufgrud useres Tests müsse wir daher H 0 (zum Niveau α = 5%) ablehe. 3. Chi-Quadrat-Test Defiitio Ei Apassugstest (auch Goodess-of-fit-Test) ist ei Hypothesetest, der die Übereistimmug eier hypothetische Wahrscheilichkeitsverteilug eier Zufallsvariable mit eier vorliegede Stichprobe utersucht, d.h. es wird die Hypothese überprüft, dass eie vorliegede Stichprobe aus eier Verteilug mit eier bestimmte (vermutete) Verteilugsfuktio stammt. Der χ 2 -Apassugstest utersucht diese Art vo Hypothese mittels eier χ 2 -verteilte Testprüfgröße (vgl. hierzu auch χ 2 -Uabhägigkeits- ud Homogeitätstest).
5 Gegebe seie Messwerte x 1,..., x eies Merkmals X, desse Wahrscheilichkeitsverteilug ubekat sei. Das folgede Ablaufschema beschreibt die Vorgehesweise bei der Aufstellug ud Überprüfug eier Hypothese H 0 über de (vermutete) kokrete Verteilugstyp vo X. Ablaufschema 1. Schritt: Überleguge zum stochastische Modell z.b. durch grafische Darstellug oder theoretische Herleitug. 2. Schritt: Bestimmug der Parameter des Verteilugstyps durch geeigete Puktschätzuge, z.b. für Biomialverteilug: Schätzug vo p durch das arithmetische Mittel der Stichprobe, d.h. bei k Erfolge durch ˆp = k/. Poisso-Verteilug: Schätzug vo λ durch das arithmetische Mittel der Stichprobe. Normalverteilug: Schätzug vo µ durch das arithmetische Mittel ud vo σ durch Stadardabweichug der Stichprobe. A dieser Stelle sei dara eriert, dass das arithmetische Mittel 1/ i=1 x i der Stichprobe gerade dem Erwartugswert der empirische Verteilug etspricht. 3. Schritt: Apassugstest: χ 2 -Test. Es seie x 1,..., x Messuge des Merkmals X, die i k disjukte Klasse K i mit Klassehäufigkeite i, i {1,..., k}, falle, d.h. isbesodere ist = k i=1 i. Aufgrud userer Vorüberleguge köe wir da die theoretische Wahrscheilichkeite p i = Wahrscheilichkeit, dass X eie Realisatio i K i aimmt agebe. Die Testgröße T χ 2 = k ( i p i ) 2 i=1 p i ist da ei Maß für die Abweichug der theoretische Klassehäufigkeite p i, die user vermutetes Modell vorgibt vo de tatsächliche Klassehäufigkeite i, d.h. T χ 2 misst, i gewisser Hisicht, wie gut die Date zur vermutete Verteilug passe. Ma ka zeige, dass für hireiched große i die Testgröße T χ 2 aäherd χ 2 - verteilt mit k 1 r Freiheitsgrade ist, wobei r die Azahl der Parameter ist, die im zweite Schritt geschätzt werde müsse, d.h. z.b. bei Gleichverteilug: r = 0, also T χ 2 χ 2 k 1, Poisso-Verteilug/Biomialverteilug: r = 1, also T χ 2 χ 2 k 2, Normalverteilug: r = 2, also T χ 2 χ 2 k 3. Ist u H 0 wahr, so ist T χ 2 sehr wahrscheilich klei, d.h. wir lehe H 0 bei zu großem Prüfwert ab. Ausgehed vo eier χ 2 -Verteilug der Testgröße T χ 2 bedeutet das kokret, dass wir bei eiem Sigifikaziveau α die Nullhypothese H 0 ablehe, falls T χ 2 > χ 2 k 1 r;1 α, wobei wir mit χ2 k 1 r;1 α wieder das (1 α)-quatil der χ 2 k 1 r-verteilug bezeiche. Der Aahmebereich ist daher bei diesem Test gegebe durch das Itervall (, χ 2 k 1 r;1 α ].
6 Beispiel Bei eiem Kreuzugsversuch mit Fruchtfliege wurde ormalfarbige ud ormalflügelige Fliege mit schwarzfarbige ud stummelflügelige Fliege gekreuzt. I der F2-Geeratio ergab der Versuch 385 Fruchtfliege, 205 ormalfarbig ud ormalflügelig 65 ormalfarbig ud stummelflügelig wovo 68 schwarzfarbig ud ormalflügelig 20 schwarzfarbig ud stummelflügelig ware. Nach Medels Theorie müsste das Verhältis 9 : 3 : 3 : 1 sei. Wir stelle us daher die Frage, ob ma Medels Theorie mithilfe des χ 2 -Tests bei eiem Sigifikaziveau vo α = 1% auf Grudlage dieses Versuchs aehme ka. Hierzu teile wir die F2-Geeratio wie folgt i vier Klasse K i ei K 1 : ormalfarbig ud ormalflügelig, K 2 ormalfarbig ud stummelflügelig, K 3 schwarzfarbig ud ormalflügelig, schwarzfarbig ud stummelflügelig. K 4 Die theoretische Klassewahrscheilichkeite p i erhalte wir aus Medels Theorie durch p 1 = 9/16, p 2 = 3/16, p 3 = 3/16, p 4 = 1/16 ud somit ( /16)2 T χ 2 = / ( /16) /16 + ( /16) /16 + ( /16) /16 Da hier im Vorhiei keie Parameter geschätzt werde, etehme wir aus der Tabelle der χ 2 -Verteilug das Quatil χ 2 3;0.99 = als Greze des Aahmebereichs. Da T χ 2 < χ 2 3;0.99 gilt, bestätigt somit dieser Versuch Medels Theorie bei eiem Sigifikaziveau vo 1%.
Die notwendigen Verteilungstabellen finden Sie z.b. hier:
Fakultät für Mathematik Istitute IAG ud IMO Prof. Dr. G. Kyureghya/Dr. M. Hödig Schätz- ud Prüfverfahre Die otwedige Verteilugstabelle fide Sie z.b. hier: http://www.ivwl.ui-kassel.de/kosfeld/lehre/zeitreihe/verteilugstabelle.pdf
MehrTests 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
Mehr10. Testen von Hypothesen Seite 1 von 6
10. Teste vo Hypothese Seite 1 vo 6 10.1 Eiführug i das Teste vo Hypothese Eie Hypothese ist eie Vermutug bzw. Behauptug über die Wahrscheilichkeit eies Ereigisses. Mit Hilfe eies geeigete Tests (=Testverfahre)
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
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
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
MehrVl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3
Vl Statistische Prozess ud Qualitätskotrolle ud Versuchsplaug Übug 3 Aufgabe ) Die Schichtdicke X bei eier galvaische Beschichtug vo Autoteile sei ormalverteilt N(μ,σ ). 4 Teile werde galvaisch beschichtet.
Mehr,,, xn. 3. Intervallschätzungen Zufallsstichproben und Stichprobenfunktionen Zufallsstichproben. Zufallsvariablen mit
3. Itervallschätzuge 3.1. Zufallsstichprobe ud Stichprobefuktioe 3.1.1 Zufallsstichprobe 1 Sei eie Zufallsvariable ud seie gemeisamer Verteilug,,,, Zufallsvariable mit - da heiße 1,,, Zufallsstichprobe
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
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
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
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:
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
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
MehrKapitel 6 : Punkt und Intervallschätzer
7 Kapitel 6 : Pukt ud Itervallschätzer Puktschätzuge. I der Statistik wolle wir Rückschlüsse auf das Wahrscheilichkeitsgesetz ziehe, ach dem ei vo us beobachtetes Zufallsexperimet abläuft. Hierzu beobachte
MehrFormelsammlung Statistik 29. Januar 2019
Formelsammlug Statistik Seite 1 Formelsammlug Statistik 9. Jauar 019 Witersemester 018/19 Adreas Löpker, HTW Dresde 1. Deskriptive Statistik (F1) Stichprobe x vom Umfag, Stichprobe y vom Umfag m x = (x
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
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Übug 6 3.03.20 Ihalt der heutige Übug Aufgabe D.7: Reche mit Zufallsvariable Erwartugswert- ud Variazoperator Statistik ud Wahrscheilichkeitsrechug
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler Statistik ud Wahrscheilichkeitsrechug Testatprüfug am Doerstag 5.Mai Wa? Doerstag, 5. Mai, 8:00 Uhr Dauer der
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
MehrWahrscheinlichkeit & Statistik Musterlösung Serie 13
ETH Zürich FS 2013 D-MATH Has Rudolf Küsch Koordiator Blaka Horvath Wahrscheilichkeit & Statistik Musterlösug Serie 13 1. a) Die Nullhypothese lautet dass das echte Medikamet höchstes gleich gut ist wie
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
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
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
Mehr3 Vergleich zweier unverbundener Stichproben
3 Vergleich zweier uverbudeer Stichprobe 3. Der Zweistichprobe t-test Es wird vorausgesetzt, dass die beide Teilstichprobe x, x,..., x ud y, y,..., y jeweils aus (voeiader uabhägige) ormalverteilte Grudgesamtheite
MehrTesten statistischer Hypothesen
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
MehrDer χ 2 Test. Bei Verteilungen Beantwortung der Frage, ob eine gemessene Verteilung Gauß- oder Poisson-verteilt ist oder nicht?
Der χ Test Es gibt verschiedee Arte vo Sigifikaztests Nebe Sigifikaztests, die sich mit dem Mittelwert beschäftige, gibt es auch Testverfahre für Verteiluge Bei Verteiluge Beatwortug der Frage, ob eie
Mehr2. Repetition relevanter Teilbereiche der Statistik
. Repetitio Statistik Ökoometrie I - Peter Stalder. Repetitio relevater Teilbereiche der Statistik (Maddala Kapitel ) Zufallsvariable ud Wahrscheilichkeitsverteiluge Zufallsvariable X (stochastische Variable)
MehrKapitel VI. Einige spezielle diskrete Verteilungen
Kapitel VI Eiige spezielle diskrete Verteiluge D 6 (Hypergeometrische Verteilug) Eie Zufallsvariable X heißt hypergeometrisch verteilt, we sie folgede Wahrscheilichkeitsfuktio besitzt: M N M P ( X ) p
Mehr2 Einführung in die mathematische Statistik
2 Eiführug i die mathematische Statistik Die Hauptaufgabe der mathematische Statistik ist es, ahad der Eigeschafte eies Teils eier Mege vo Objekte auf die Eigeschafte aller Objekte i dieser Mege zu schließe.
Mehr1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6
Ihaltsverzeichis 1 Vorbemerkuge 1 Zufallsexperimete - grudlegede Begriffe ud Eigeschafte 3 Wahrscheilichkeitsaxiome 4 4 Laplace-Experimete 6 5 Hilfsmittel aus der Kombiatorik 7 6 Bedigte Wahrscheilichkeite
MehrGrundsätzlich sollen Varianz bzw. Standardabweichung Maße dafür sein, wie stark eine Verteilung um ihren Erwartungswert streut.
Eie Iterpretatiosfrage habe ich zu eiem Beispiel das i der der letzte Vorlesug behadelt wurde: Auf Folie.7 zur Variaz. Dort wird ei Beispiel eier stetige Zufallsvariable geat (Warte a eier S-Bah-Haltestelle).
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
MehrMusterlösung für die Klausur zur Vorlesung Stochastik I im WiSe 2014/2015
Musterlösug für die Klausur zur Vorlesug Stochastik I im WiSe 204/205 Teil I wahr falsch Aussage Gilt E[XY ] = E[X]E[Y ] für zwei Zufallsvariable X ud Y mit edlicher Variaz, so sid X ud Y uabhägig. Für
Mehr1. Wahrscheinlichkeitsrechnung. 2. Diskrete Zufallsvariable. 3. Stetige Zufallsvariable. 4. Grenzwertsätze. 5. Mehrdimensionale Zufallsvariable
1. Wahrscheilichkeitsrechug. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grezwertsätze 5. Mehrdimesioale Zufallsvariable Stetige Zufallsvariable Eie Zufallsvariable X : Ω R heißt stetig, we
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;
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
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
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
MehrMusterlösung. Prüfung Statistik Herbstsemester 2011
Prüfug Statistik Herbstsemester 2011 Musterlösug 1. 9 Pukte Lukas ud Markus habe bisher immer Feiste Mii-Brezel 100g des Herstellers Gammelbrot ud Söhe zum Züi gegesse. Vom städige Hugerklage vo Markus
MehrDiskrete Wahrscheinlichkeitstheorie Wiederholungsklausur
Techische Uiversität Müche Sommersemester 007 Istitut für Iformatik Prof. Dr. Javier Esparza Diskrete Wahrscheilichkeitstheorie Wiederholugsklausur LÖSUNG Hiweis: Bei alle Aufgabe wird ebe dem gefragte
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
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
Mehr3. Grundbegrie der Schätztheorie
Statistik, Abschitt 3. 3. Grudbegrie der Schätztheorie I der kormatorische Statistik will ma uter aderem auf Grud eier Stichprobe vom Umfag Iformatioe über ubekate Parameter θ der Verteilug F der zugrudeliegede
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
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
MehrStatistik, Abschnitt (1) Gegeben sei der Stichprobenvektor (X 1,..., X n ). Die Stichprobenfunktion. ˆµ k := 1 n. Xi k (1) i=1.
Statistik, Abschitt.. Schätzmethode.. Mometemethode Für Parameter, die sich i bekater Weise aus de Momete zusammesetze, erhält ma Schätzuge, idem ma die theoretische Momete durch die sogeate empirische
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:
MehrAnwendung für Mittelwerte
Awedug für Mittelwerte Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe... "wahre", ubekate Mittelwert der Grudgesamtheit icht zufällig?... beobachtete Mittelwert zufällig Statistik für SoziologIe 1
MehrKapitel 11 DIE NORMAL-VERTEILUNG
Kapitel DIE NORMAL-VERTEILUNG Fassug vom 7. Februar 006 Prof. Dr. C. Porteier Mathematik für Humabiologe ud Biologe 49 . De itio der Normal-Verteilug. De itio der Normal-Verteilug Bisher habe wir ur diskret
MehrDer Vergleich eines Stichprobenmittelwertes mit einem Populationsmittelwert
Der Vergleich eies Stichprobemittelwertes mit eiem Populatiosmittelwert Am Beispiel des Falschspielers habe wir - uterstützt durch Ketisse über die Eigeschafte der Biomialverteilug - erstmals gesehe, welche
MehrPraktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle
Praktikum Vorbereitug Fertigugsmesstechik Statistische Qualitätskotrolle Bei viele Erzeugisse ist es icht möglich jedes Werkstück zu prüfe, z.b.: bei Massefertigug. Hier ist es aus ökoomische Grüde icht
MehrEinführung in die Stochastik 10. Übungsblatt
Eiführug i die Stochastik. Übugsblatt Fachbereich Mathematik SS M. Kohler.7. A. Fromkorth D. Furer Gruppe ud Hausübug Aufgabe 37 (4 Pukte) Ei Eremit am Südpol hat sich für die eibrechede polare Nacht mit
MehrÜbung zur Vorlesung Statistik I WS Übungsblatt 8
Übug zur Vorlesug Statistik I WS 2013-2014 Übugsblatt 8 9. Dezember 2013 Aufgabe 25 (4 Pukte): Sei X B(, p) eie biomial verteilte Zufallsvariable. Schreibe Sie i R eie Fuktio PWert, die für jedes Ergebis
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
MehrV. Tests bez. zweier Verteilungsfunktionen
7 V. Tests bez. zweier Verteilugsfuktioe Seie X ud Y zwei uabhägige oralverteilte Zufallsvariable, für die zwei kokrete Stichprobe x, x,..., x bzw. y, y,..., y it de Ufäge bzw vorliege. a) X ud Y seie
MehrÖkonometrie Formeln und Tabellen
Ökoometrie Formel ud Tabelle Formelsammlug 1 Lieares Modell ud KQ-Schätzug 11 Eifachregressio Lieares Modell: Y i = β 0 + β 1 x i + U i, i = 1,2,, Aahme des lieare Modells: A1: E[U i ] = 0 für alle i =
Mehr6 Vergleich mehrerer unverbundener Stichproben
6 Vergleich mehrerer uverbudeer Stichprobe 6.1 Die eifaktorielle Variazaalyse Die eifaktorielle Variazaalyse diet der Utersuchug des Eiflusses eier kategorieller (bzw. ichtmetrischer) Variable, die die
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
MehrDiskrete Zufallsvariablen
Erste Beispiele diskreter Verteiluge Diskrete Zufallsvariable Beroulli-Verteilug Eie diskrete Zufallsvariable heißt beroulliverteilt mit arameter p, falls sie die Wahrscheilichkeitsfuktio p,, f ( ) ( )
MehrKontingenztabellen. Chi-Quadrat-Test. Korrelationsanalyse zwischen kategorischen Merkmalen. 1. Unabhängigkeitstest
Kotigeztabelle. Chi-Quadrat-Test KAD 1.11. 1. Uabhägigkeitstest. Apassugstest. Homogeitätstest Beispiel 1 ohe Frau 8 75 1 Ma 48 49 97 76 14? Korrelatiosaalyse zwische kategorische Merkmale Häufigkeitstabelle
MehrD-ITET Wahrscheinlichkeitstheorie und Statistik FS 2017 Prof. P. Nolin. Musterlösung 11 = Φ( 6/5) = 1 Φ(6/5) = = 0.
D-ITET Wahrscheilichkeitstheorie ud Statistik FS 17 Prof. P. Noli Musterlösug 11 1. Sei Φ die Verteilugsfuktio der Stadardormalverteilug. a Da T B N 6, 4, ist T B + 6/4 stadardormalverteilt. Folglich ist
MehrDiplomvorprüfung Stochastik
Uiversität Karlsruhe TH Istitut für Stochastik Prof. Dr. N. Bäuerle Name: Vorame: Matr.-Nr.: Diplomvorprüfug Stochastik 10. Oktober 2006 Diese Klausur hat bestade, wer midestes 16 Pukte erreicht. Als Hilfsmittel
MehrEinführung in die induktive Statistik. Inferenzstatistik. Konfidenzintervalle. Friedrich Leisch
Spiel Körpergröße Zahl: Azahl weiblich Eiführug i die iduktive Statistik Friedrich Leisch Istitut für Statistik Ludwig-Maximilias-Uiversität Müche Tafelgruppe 8.5 8.6 8.7 8.8 8.9 9.0 9.1 4 5 3 2 1 0 1
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,...,
MehrTeil II Zählstatistik
Teil II Zählstatistik. Aufgabestellug. Vergleiche Sie experimetelle Zählverteiluge mit statistische Modelle (POISSON-Verteilug ud Normalverteilug) 2. Theoretische Grudlage Stichworte zur Vorbereitug: Impulszahl,
MehrLösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 4: Aufgaben zu den Kapiteln 7 und 8
1 Lösuge ausgewählter Übugsaufgabe zum Buch Elemetare Stochastik (Spriger Spektrum, 2012) Teil 4: Aufgabe zu de Kapitel 7 ud 8 Aufgabe zu Kapitel 7 Zu Abschitt 7.1 Ü7.1.1 Ω sei höchstes abzählbar, ud X,
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
MehrFormelsammlung. PD Dr. C. Heumann
Formelsammlug zur Vorlesug Statistik II PD Dr C Heuma Formelsammlug Statistik II Iduktive Statistik Regel der Kombiatorik ohe Wiederholug mit Wiederholug! Permutatioe! 1! s! ( ) ( ) + m 1 ohe Reihefolge
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.
MehrMathematik 2 für Naturwissenschaften
Has Walser Mathematik für Naturwisseschafte 00 180 160 Fraue 140 10 100 80 80 100 10 140 160 180 00 Mäer Modul 08 Teste vo Hypothese Has Walser: Modul 08, Teste vo Hypothese ii Ihalt 1 Ma-Whitey-U-Test
MehrStochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. M. Schweizer ETH Zürich Witer 28 Stochastik - Lösug (BSc D-MAVT / BSc D-MATH / BSc D-MATL). (6 Pukte) a) (2 Pukte) Wir defiiere die Ereigisse K {die Perso ist krak} ud T {der Test ist positiv}.
MehrEinstichprobentests für das arithmetische Mittel
Eistichprobetests für das arithmetische Mittel H 0 : = 0 bzw. H 0 : 0 H 1 : 0 zweiseitiger Test) H 1 : 0 zweiseitiger Test) Uter Gültigkeit vo H 0 ist die achfolgede Teststatistik stadardormalverteilt.
Mehr2 Induktive Statistik
Kapitel 2 Iduktive Statistik Seite 19 2 Iduktive Statistik 2.1 Grudprizipie der iduktive Statistik 2.2 Puktschätzug 2.2.1 Schätzfuktioe Defiitio 2.1 Sei X 1,...,X i.i.d. Stichprobe. Eie Fuktio heißt Schätzer
MehrTests statistischer Hypothesen
KAPITEL 10 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
MehrStatistik. 2. Semester. Begleitendes Skriptum zur Vorlesung. im FH-Masterstudiengang. Technisches Management. von. Günther Karigl
Statistik. Semester Begleitedes Skriptum zur Vorlesug im FH-Masterstudiegag Techisches Maagemet vo Güther Karigl FH Campus Wie 06/7 Statistische Schätzverfahre Statistische Schätzverfahre Währed die deskriptive
MehrIII. Induktive Statistik
35 III. Iduktive Statistik I diesem Teil der Vorlesug geht es darum, aus gewisse Eigeschafte eier Stichprobe auf etsprechede Eigeschafte der Grudgesamtheit rückzuschließe. Im Uterschied zu de im. Kapitel
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
MehrStatistik I Februar 2005
Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet
MehrStochastik Seminar (LA) Konfidenzintervalle und Hypothesentests
Stochastik Semiar LA Kofidezitervalle ud Hypothesetests Alexader Schmalstieg Betreuug: Dr. Sebastia Metemeier Lehrstuhl IV Stochastik ud Aalysis Ihaltsverzeichis Eileitug 3 1 Kofidezitervalle 4 1.1 Defiitio:
MehrZusammenfassung: Statistik
Zusammefassug: Statistik Attribute ud ihre Werte qualitativ: Familiestad, Geschlecht, Kofessio, Ragmerkmal: Schulote, Diestgrad, quatitativ-diskret: Azahl der Fachsemester, quatitativ-stetig: Größe, Etferug,
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
Mehr5.4.2 Die empirische Verteilungsfunktion als Ausgangspunkt
Tests 9 5.4 Der Kolmogorov Smirov Test Grudlage für de Kolmogorov Smirov Apassugs Test ist ei Satz vo Kolmogorov, die asymptotische Verteilug eier Statistik Δ betreffed. Aus Δ ergibt sich durch Modifikatio
Mehr2.3 Kontingenztafeln und Chi-Quadrat-Test
2.3 Kotigeztafel ud Chi-Quadrat-Test Die Voraussetzuge a die Date i diesem Kapitel sid dieselbe, wie im voragegagee Kapitel, ur dass die Stichprobe hier aus Realisieruge vo kategorielle Zufallsvariable
MehrDifferenz X-Y normalverteilt Lagetest für zwei verbundene. Differenz X-Y symmetrisch Wilcoxon-Test Stichproben
1 Fuktio des Tests Bezeichug Testgegestad X ormalverteilt Lagetest für eie Stichprobe Wilcoxo-Test X symmetrisch verteilt Vorzeichetest Variable X Differez X-Y ormalverteilt Lagetest für zwei verbudee
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
Mehr10. Intervallschätzung 10.1 Begriff des Konfidenzintervalls
10. Itervallschätzug 10.1 Begriff des Kofidezitervalls Mit uterschiedliche Stichprobe werde verschiedee Puktschätzer für de Parameter der Grudgesamtheit erzielt. We m Stichprobe aus der Grudgesamtheit
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
MehrSBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit
SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf # 0 Atwort Diese Lerkarte sid sorgfältig erstellt worde, erhebe aber weder Aspruch auf Richtigkeit och auf Vollstädigkeit. Das Lere mit Lerkarte fuktioiert ur
MehrParameterschätzung. Numero, pondere et mensura Deus omnia condidit
Parameterschätzug Numero, podere et mesura Deus omia codidit Populatio, Zufallsvariable, Stichprobe Populatio Zufallsvariable X Stichprobe x eie"realisierug vo X (Beobachtug) alle mäliche Rekrute der US
MehrAufgabe 1. d) Berechnen Sie die Wahrscheinlichkeit dafür, dass Axel 1,5 Stunden warten muss.
Lehrstuhl für Statistik ud Ökoometrie Otto-Friedrich-Uiversität Bamberg Prof. Dr. Susae Rässler Aufgabe 1 Aufgrud eier Sommergrippe muss Studet Axel seie Hausarzt aufsuche. Um die Wartezeit besser abschätze
Mehr3.2 Wilcoxon Rangsummentest
3. Wilcoxo Ragsummetest Wir gehe davo aus, dass zwei Teilstichprobe x 1, x,..., x 1 ud y1, y,..., y vorliege, wobei die erste Teilstichprobe aus Realisieruge vo uabhägig ud idetisch stetig verteilte Zufallsvariable
MehrAuszüge der nichtparametrischen Statisik
Empirische Wirtschaftsforschug - 1 - Auszüge der ichtparametrische Statisik Kapitel 1: Räge ud lieare Ragstatistike Aahme, Defiitioe ud Eigeschafte (1.1) Aahme: (a) (b) Die Date x 1,, x sid midestes ordial.
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)
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-
Mehr