Statistische Tests für unbekannte Parameter
|
|
- Herbert Fürst
- vor 7 Jahren
- Abrufe
Transkript
1 Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung darüber, ob der unbekannte Parameter einer Verteilung gleich einem gegebenen konkreten Referenzwert ist, ebenfalls mit vorgegebener Sicherheit SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests 1
2 Beispiel Für die Bekleidungsindustrie, Automobilindustrie,... ist eine Aussage über die Größe der Erwachsenen von Bedeutung. These: Die Durchschnittsgröße der erwachsenen Deutschen ist 173 cm. Diese These soll bestätigt oder widerlegt werden. Sicheres Verfahren: Man misst alle erwachsenen Deutschen und bildet den Durchschnitt. Praktikables Verfahren: Man misst eine repräsentative Stichprobe und bildet den Durchschnitt. Mit diesem Stichprobenmittel schätzt man den unbekannten Durchschnitt (Erwartungswert) in der Grundgesamtheit aller erwachsenen Deutschen. SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests
3 Nullhpothese: μ = 173 gegen Alternativhpothese: μ 173 μ: unbekannter Erwartungswert (Mittelwert) der Gesamtpopulation μ = 173: Referenzwert Stichprobe mit n= 4, = 175 als Schätzung für μ Widerlegt dieser Stichprobendurchschnitt bei Sicherheit.95 die Nullhpothese? Abweichung des Stichprobenmittels vom Referenzwert d = μ = = Bis zu welcher Grenze ist der Unterschied zufällig, ab wann nicht mehr? SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests 3
4 Modell Wir unterstellen hier, dass die Körpergröße X der erwachsenen Deutschen normalverteilt ist mit bekannter Streuung σ = 1: X ~ N(μ,1²) Dann ist der Mittelwert von n solchen unabhängigen, normalverteilten Zufallsgrößen ebenfalls normalverteilt mit σ 1 X ~ N( μ, ) = N( μ, ) = N( μ,.5) n 4 Ist 173 der richtige Parameter, d.h. gilt die Nullhpothese μ = 173, ist X = N(173,.5) und X μ X 173 X 173 T = = = ~ N (,1) σ / n.5.5 Mit T ~ N(,1) bestimmt man die Grenzen des Bereichs, in den T 'nur selten' fällt, z.b. in nur 5% aller Fälle - wenn die Nullhpothese stimmt. PT ( > k) =.5 Schwellwert k definiert den kritischen Bereich SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests 4
5 Berechnung der Grenze k, die bei Gültigkeit der Nullhpothese von T betragsmäßig nur mit Wahrscheinlichkeit.5 überschritten wird P( k < T < k) =.95 Φ ( k) =.975 k =Φ 1 (.975) = 1.96 k: Quantil der Standardnormalverteilung der Ordnung.975 = 1 - α/ wenn Nullhpothese wahr ist, liegt T in diesem Intervall mit Wkt. 1- α Ablehnbereich für Nullhpothese: T > Ein Stichprobenbefund mit T = > k = 1.96 führt also zur Ablehnung der.5 Nullhpothese, d.h. Entscheidung für μ 173 bei einer Sicherheit von 95% SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests 5
6 Testentscheidung im Beispiel T = = = 4> 1.96 ( = k).5.5 d.h. Testgröße fällt in den kritischen Bereich, was zur Ablehnung von H führt. Die Durchschnittsgröße der erwachsenen Deutschen liegt also nicht mehr bei 173. Die statistische Sicherheit für diese Aussage ist.95. Das liegt daran, dass bei Gültigkeit der Nullhpothese die Testgröße mit der Restwahrscheinlichkeit von.5 in diesen kritischen Bereich fällt. SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests 6
7 Zusammenhang zu Konfidenzintervall für μ σ σ 1.96, n n Liegt der Referenzwert μ außerhalb des Konfidenzintervalls, entscheidet man sich gegen die Nullhpothese μ = μ. Ablehnkriterium μ T = > 1.96 σ / n >1.96 oder < 1.96 μ > 1.96 σ / n oder μ < 1.96 σ / n 1.96 σ 1.96 σ > μ oder + < μ n n SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests 7
8 Test-Schema am Beispiel des Vergleichs des unbekannten Mittelwerts μ der Normalverteilung mit einem Referenzwert (bekanntes σ ) μ H H α : μ = μ : μ μ 1 Nullhpothese Alternativhpothese Irrtumswahrscheinlichkeit X μ = Testgröße, unter Gültigkeit von ist standardnormalverteilt σ / n T H T T > z Ablehnbereich von H bei Risiko α, 1 α/ z1 α/quantil der Standardnormalverteilung der Ordnung 1 α/ Irrtumswahrscheinlichkeit (Risiko) α nennt man den Fehler 1. Art. Er bezeichnet die Wahrscheinlichkeit, H abzulehnen, obwohl H wahr ist. SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests 8
9 Ablehnbereich bei Risiko α Dichte der Testgröße T, wenn Nullhpothese gilt Ablehnung 1 - α Ablehnung wenn Nullhpothese wahr ist, liegt T in diesem Intervall mit Wkt. 1- α SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests 9
10 Einseitige und zweiseitige Tests Zweiseitiger Test Nullhpothese: μ = μ gegen Alternativhpothese: μ μ Einseitige Tests oder Nullhpothese: μ μ gegen Alternativhpothese: μ > μ Nullhpothese: μ μ gegen Alternativhpothese: μ < μ SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests 1
11 Tests über Mittelwerte normalverteilter Zufallsgrößen (1) Einstichprobentests Vergleich μmit μ; σ bekannt (Gauß-Test) Nullhpothese Alternativhpothese Testgröße Ablehnkriterium H : μ = μ H1 : μ μ X μ T > z1 α / H : μ μ H1 : μ < μ T = σ / n T < z1 α μ H1 : μ > μ ~ N(, 1) T > z 1 α H : μ Die Irrtumswahrscheinlichkeit α besagt, dass man bei 1 Tests mit der Ablehnung der Nullhpothese nach diesem Verfahren in etwa 1α Fällen einen Fehler macht. 7.1 SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests 11
12 Fehlermöglichkeiten bei der Testentscheidung H richtig H falsch H abgelehnt Fehler 1. Art α richtige Entscheidung H nicht abgelehnt richtige Entscheidung Fehler. Art β Es gibt also zwei mögliche Fehlentscheidungen. Das Risiko der Entscheidung gegen H, obwohl H stimmt (Fehler 1. Art), ist über die Festlegung des Ablehnbereichs durch α begrenzt. Das Risiko der Beibehaltung von H, obwohl H falsch ist (Fehler. Art) ergibt sich dann automatisch. SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests 1
13 Inhaltliche Bedeutung der Fehlerarten Nullhpothese: H : μ = μ Fehler 1. Art α: Nullhpothese wird abgelehnt, obwohl sie richtig ist. Ein Unterschied wird also gefunden, obwohl keiner da ist. Fehler. Art β: Nullhpothese wird beibehalten, obwohl sie falsch ist. Ein vorhandener Unterschied wird übersehen. Von beiden Wahrscheinlichkeiten für eine Fehlentscheidung wird α bei der Konstruktion des Ablehnbereichs berücksichtigt, man sichert sich damit gegen falschen Alarm ab, etwas zu finden, was nicht da ist. Liegt der Ablehnbereich fest, ergibt sich β bei festem n automatisch. Durch geeignete Wahl von n kann β beeinflusst werden. Damit begrenzt man das Risiko, einen Effekt ab einer bestimmten Größe nicht zu finden. SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests 13
14 Fehler 1. und. Art beim Mittelwertvergleich H : μ= μ geg en H : μ > μ 1 Dichte der Testgröße T unter Nullhpothese H : μ = μ Dichte der Testgröße T bei einseitiger Alternative μ = μ > μ 1 Testgröße H X μ T = ~ N(,1) σ / n Ablehnbereich bei einseitigem Test: T > t1 α Annahmebereich T t1 α t 1 α μ 1 μ Fläche entspricht Fehler. Art: β Fläche entspricht Fehler 1. Art: α SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests 14
15 Folgerungen Je kleiner α, desto größer wird der mögliche Fehler β bei Nichtablehnung einer falschen Nullhpothese. Die Wahrscheinlichkeit β für die Beibehaltung der falschen Nullhpothese hängt vom Abstand L des Referenzwerts μ 1 der Alternativhpothese zu μ ab. β kann bei vorgegebenem Stichprobenumfang n und μ 1 berechnet werden. L = μ μ groß 1 L klein z1 α / Nur durch Vergrößern von n kann β bei gleichem α verkleinert werden! SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests 15
16 Mindeststichprobenumfang zur Einhaltung von α, β L relevanter Unterschied zwischen den Parametern μ und μ (Mindesteffekt), d.h. Mittelwertdifferenzen kleiner als L sind praktisch vernachlässigbar Vergleich μ mit μ (Einstichprobentest) Zweiseitiger Test: ( z1 α / + z1 β ) n n = σ L Einseitiger Test: ( z1 α + z1 β ) n n = σ L 7. SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests 16
17 Mittelwertvergleiche bei unbekannter Varianz Im Normalfall kennt man weder den Erwartungswert μ noch die Varianz σ² in der Grundgesamtheit. Dann wird die Varianz durch die empirische Varianz aus der Stichprobe mit geschätzt, man ersetzt σ² durch n 1 s = ( i ) 1 n i= 1 Die Testgröße ist dann H X μ T = ~ tn 1 s / n Der Ablehnbereich bestimmt sich entsprechend mit den Quantilen der t-verteilung. SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests 17
18 Tests über Mittelwerte normalverteilter Zufallsgrößen () Einstichprobentests Vergleich μmit μ ; σ unbekannt (T-Test) Nullhpothese Alternativhpothese Testgröße Ablehnkriterium H : μ = μ H 1 : μ μ X μ T > t n 1,1 α / T = H : μ μ H 1 : μ < μ s / n T < t n 1, 1 α H μ H 1 : μ > μ ~ t n 1 T > t n 1, 1 α : μ 7.4 SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests 18
19 Mittelwerttests bei zwei normalverteilten Zufallsgrößen bisher Einstichprobentest: Der Erwartungswert einer Grundgesamtheit wird mit einem vorgegebenen Referenzwert μ verglichen Zweistichprobentest: Die Erwartungswerte μ 1 und μ von zwei Grundgesamtheiten werden verglichen. Bei Zweistichprobentests unterscheidet man noch zwischen verbundenen (gepaarten) und nicht verbundenen (nicht gepaarten) Stichproben. verbunden: nicht verbunden: die Stichprobenwerte liegen in Paaren vor, die jeweils an den gleichen Objekten gemessen wurden (z.b. vor und nach einer Behandlung) die Stichproben wurden in disjunkten Grundgesamtheiten erhoben (z.b. Gesunde und Kranke) SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests 19
20 Bezeichnungen Stichprobenumfänge: Mittelwertschätzungen einzeln: Mittelwertdifferenz bei nicht verbundenen Daten Mittelwertdifferenz bei verbundenen Daten n, n, n n 1 1 X = X, Y = Y n X Y i i= 1 n i= 1 n 1 D = X Y = ( ), n = n = n n i = 1 n i i i Varianzschätzungen: einzeln aus den Stichproben gemeinsame (gepoolte) Varianz bei nicht verbundenen Daten gemeinsame Varianz bei verbundenen Daten n n 1 1 = i = i n 1 i= 1 n 1 i= 1 s ( X X ), s ( Y Y ), ( n 1) s + ( n 1) s sg = n + n 1 s = D D n = n = n n D ( i ), n 1 i= 1 SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests
21 Tests über Mittelwerte normalverteilter Zufallsgrößen (3) Zweistichprobentests Vergleich mit ; unbekannt,, verbunden, μ D = μ μ σ D X Y D= X Y Nullhpothese Alternativhpothese Testgröße Ablehnkriterium H : μ D H : μ D D T t 1,1 α / T = n H : μ H : μ s T α = D : D 1 1 D < 1 : > H μ H μ D ~ t n 1 D T > n < t n 1, 1 > t n 1, 1 α D = D i i i 1 s D D, D arithmetisches Mittel s empirische Standardabweichung der Differenzen n D = ( i ) n 1 i= 1 d i 7.5 SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests 1
22 Tests über Mittelwerte normalverteilter Zufallsgrößen (4) Zweistichprobentests Vergleich μ mit μ ; σ, σ unbekannt, aber gleich;, nicht verbunden (doppelter T-Test) X Y Nullhpothese Alternativhpothese Testgröße Ablehnkriterium H μ = μ : H : μ μ X Y n > n T t n + n,1 T = H : μ μ H : μ < μ s g n + n T + H : μ μ H 1 1 α / 1 < t n n, 1 α : μ > μ t ~ n n + > t n + n, 1 α t mq, Quantil der Ordnung q der t-verteilung mit m Freiheitsgraden (m ganzzahlig) T 7.6 SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests
23 Tests über Mittelwerte normalverteilter Zufallsgrößen (5) Zweistichprobentests Vergleich μ mit μ ; σ, σ unbekannt, verschieden;, nicht verbunden X Y (Welch-Test) Nullhpothese Alternativhpothese Testgröße Ablehnkriterium H : μ = μ H 1 : μ μ T > t f, 1 α s / s T = ( X Y ) / + H : μ μ H1 : μ < μ < n T n t f, 1 α μ μ H : μ > μ ~ t f H : 1 T > t f, 1 α t f, q Quantil der Ordnung q der t-verteilung mit f Freiheitsgraden, wobei f = ( s / n + s / n ) ( s / n ) /( n 1) + ( s / n ) /( n 1) (abrunden!) SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests 3
24 Tests über Varianz normalverteilter Zufallsgrößen Einstichprobentests Vergleich σ mit σ (Referenzwert) Nullhpothese Alternativhpothese Testgröße Ablehnkriterium H : σ =σ H1: σ σ T >χ oder T <χ H H : σ σ H1: σ <σ ( n 1) s T = ~ χ T <χ n 1 n 1, a σ H : σ σ H : σ >σ >χ 1 n 1,1 a/ n 1, a/ T n 1,1 α χ mq, Quantil der Ordnung q der χ -Verteilung mit m Freiheitsgraden SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests 4
25 Tests über Varianz normalverteilter Zufallsgrößen Zweistichprobentests Vergleich σ mit σ Nullhpothese Alternativhpothese Testgröße Ablehnbereich H σ =σ H σ σ T Fn 1, n 1,1 α / H H : σ σ : σ σ : 1 : H σ <σ H < n 1, n 1, 1 : H : 1 σ >σ T = > oder T < Fn 1, n 1, α / Fmnq,, : Quantil der F-Verteilung mit m, n Freiheitsgraden der Ordnung q ~ s s SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests 5 / Fn 1, n 1 T F α T Fn 1, n 1,1 α Berechnet man T mit der größeren der Varianzen im Zähler, muss man nur prüfen, ob >,, Dieser Test wird auch als Vortest beim Mittelwertvergleich genutzt für eine Entscheidung zwischen dem doppelten T-Test und dem Welch-Test. > 7.7
26 Testentscheidung mit p-wert Computer gibt als Testresultat die Wahrscheinlichkeit an, mit der etremere Werte als der berechnete Wert der Testgröße unter H angenommen werden können. Diese Wahrscheinlichkeit heißt p-wert. Ablehnung 1 - α Ablehnung Ist der p-wert kleiner als das Risiko α, dann wird die Nullhpothese abgelehnt. Berechneter Wert von T -T aus den Stichprobenwerten p-wert = Summe dieser Flächen SS 16 Prof. Dr. J. Schütze, FB GW NV-Tests 6
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
Mehr4.1. Nullhypothese, Gegenhypothese und Entscheidung
rof. Dr. Roland Füss Statistik II SS 8 4. Testtheorie 4.. Nullhypothese, Gegenhypothese und Entscheidung ypothesen Annahmen über die Verteilung oder über einzelne arameter der Verteilung eines Merkmals
MehrStatistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli
MehrZweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz
Grundlage: Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz Die Testvariable T = X µ 0 S/ n genügt der t-verteilung mit n 1 Freiheitsgraden. Auf der Basis
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrParameterfreie Tests. ²- Unabhängigkeitstest Test auf Unabhängigkeit von zwei Zufallsgrößen
Parameterfreie Tests ²- Unabhängigkeitstest Test auf Unabhängigkeit von zwei Zufallsgrößen ²- Anpassungstest Test auf Vorliegen einer bestimmten Verteilung Binomialtest Vergleich von unbekannten Anteilen
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 9. Dezember 2010 1 Konfidenzintervalle Idee Schätzung eines Konfidenzintervalls mit der 3-sigma-Regel Grundlagen
Mehr7. Übung: Aufgabe 1. b), c), e) Aufgabe 2. a), c), e) Aufgabe 3. c), e) Aufgabe 4. Aufgabe 5. Aufgabe 6. Aufgabe 7. Aufgabe 8. Aufgabe 9.
7. Übung: Aufgabe 1 b), c), e) Aufgabe a), c), e) Aufgabe 3 c), e) Aufgabe 4 b) Aufgabe 5 a) Aufgabe 6 b) Aufgabe 7 e) Aufgabe 8 c) Aufgabe 9 a), c), e) Aufgabe 10 b), d) Aufgabe 11 a) Aufgabe 1 b) Aufgabe
MehrAllgemeines zu Tests. Statistische Hypothesentests
Statistische Hypothesentests Allgemeines zu Tests Allgemeines Tests in normalverteilten Grundgesamtheiten Asymptotische Tests Statistischer Test: Verfahren Entscheidungsregel), mit dem auf Basis einer
Mehr2. Formulieren von Hypothesen. Nullhypothese: H 0 : µ = 0 Gerät exakt geeicht
43 Signifikanztests Beispiel zum Gauß-Test Bei einer Serienfertigung eines bestimmten Typs von Messgeräten werden vor der Auslieferung eines jeden Gerätes 10 Kontrollmessungen durchgeführt um festzustellen,
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2
Mehr3) Testvariable: T = X µ 0
Beispiel 4.9: In einem Molkereibetrieb werden Joghurtbecher abgefüllt. Der Sollwert für die Füllmenge dieser Joghurtbecher beträgt 50 g. Aus der laufenden Produktion wurde eine Stichprobe von 5 Joghurtbechern
Mehr2 Wiederholung statistischer Grundlagen Schließende Statistik empirischen Information aus Stichprobenrealisation x von X
Hypothesentests Bisher betrachtet: Punkt- bzw. Intervallschätzung des unbekannten Mittelwerts Hierzu: Verwendung der 1 theoretischen Information über Verteilung von X empirischen Information aus Stichprobenrealisation
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrStatistik II für Betriebswirte Vorlesung 1
Statistik II für Betriebswirte Vorlesung 1 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 16. Oktober 2017 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 1 Version:
MehrJost Reinecke. 7. Juni 2005
Universität Bielefeld 7. Juni 2005 Testtheorie Test für unabhängige Stichproben Test für abhängige Stichproben Testtheorie Die Testtheorie beinhaltet eine Reihe von Testverfahren, die sich mit der Überprüfung
MehrModul 141 Statistik. 1. Studienjahr 11. Sitzung Signifikanztests
Modul 141 Statistik 1. Studienjahr 11. Sitzung Signifikanztests Inhalt der 11. Sitzung 1. Parametrische Signifikanztests 2. Formulierung der Hypothesen 3. Einseitige oder zweiseitige Fragestellung 4. Signifikanzniveau
MehrLösungen zum Aufgabenblatt 14
Lösungen zum Aufgabenblatt 14 61. Das Gewicht von Brötchen (gemessen in g) sei zufallsabhängig und werde durch eine normalverteilte Zufallsgröße X N(µ, 2 ) beschrieben, deren Varianz 2 = 49 g 2 bekannt
Mehr3 Grundlagen statistischer Tests (Kap. 8 IS)
3 Grundlagen statistischer Tests (Kap. 8 IS) 3.1 Beispiel zum Hypothesentest Beispiel: Betrachtet wird eine Abfüllanlage für Mineralwasser mit dem Sollgewicht µ 0 = 1000g und bekannter Standardabweichung
Mehr5. Seminar Statistik
Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation
Mehr0 sonst. a) Wie lautet die Randwahrscheinlichkeitsfunktion von Y? 0.5 y = 1
Aufgabe 1 (2 + 2 + 2 + 1 Punkte) Gegeben sei folgende gemeinsame Wahrscheinlichkeitsfunktion f(x, y) = P (X = x, Y = y) der Zufallsvariablen X und Y : 0.2 x = 1, y = 1 0.3 x = 2, y = 1 f(x, y) = 0.45 x
MehrEinführung in die Induktive Statistik: Testen von Hypothesen
Einführung in die Induktive Statistik: Testen von Hypothesen Jan Gertheiss LMU München Sommersemester 2011 Vielen Dank an Christian Heumann für das Überlassen von TEX-Code! Testen: Einführung und Konzepte
MehrTest auf den Erwartungswert
Test auf den Erwartungswert Wir interessieren uns für den Erwartungswert µ einer metrischen Zufallsgröße. Beispiele: Alter, Einkommen, Körpergröße, Scorewert... Wir können einseitige oder zweiseitige Hypothesen
MehrFit for Abi & Study Stochastik
Fit for Abi & Study Stochastik Prof. Dr. Tilla Schade Hochschule Harz 15. und 16. April 2014 No. 1 Stochastik besteht aus: Wahrscheinlichkeitsrechnung Statistik No. 2 Gliederung Grundlagen Zufallsgrößen
Mehr7. 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:
MehrStichproben Parameterschätzung Konfidenzintervalle:
Stichproben Parameterschätzung Konfidenzintervalle: Beispiel Wahlprognose: Die Grundgesamtheit hat einen Prozentsatz p der Partei A wählt. Wenn dieser Prozentsatz bekannt ist, dann kann man z.b. ausrechnen,
Mehr5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage
Mehr9 Prinzipien der statistischen Hypothesenprüfung
9 Prinzipien der statistischen Hypothesenprüfung Prinzipien der statistischen Hypothesenprüfung Bei der Schätzung eines Populationsparamters soll dessen Wert aus Stichprobendaten erschlossen werden. Wenn
Mehr5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrHypothesentests. Hypothese Behauptung eines Sachverhalts, dessen Überprüfung noch aussteht.
Hypothese Behauptung eines Sachverhalts, dessen Überprüfung noch aussteht. Wissenschaftliche Vorgehensweise beim Hypothesentest Forscher formuliert eine Alternativhypothese H 1 (die neue Erkenntnis, die
MehrKapitel 3 Schließende Statistik
Beispiel 3.4: (Fortsetzung Bsp. 3.) bekannt: 65 i=1 X i = 6, also ˆp = X = 6 65 = 0, 4 Überprüfen der Voraussetzungen: (1) n = 65 30 () n ˆp = 6 10 (3) n (1 ˆp) = 39 10 Dr. Karsten Webel 194 Beispiel 3.4:
MehrStatistik I für Betriebswirte Vorlesung 13
Statistik I für Betriebswirte Vorlesung 13 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 4. Juli 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrEntscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten
Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 4.1 4. Statistische Entscheidungsverfahren Entscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten Beispiel:
MehrStatistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 11. Juli 016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
Mehr2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.11. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler 2009 war genau 33.7%. Wie groß ist die Wahrscheinlichkeit, in einer Zufallsstichprobe von 1000 Personen genau
Mehr2.3 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,
MehrProf. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006 Hypothesentesten, Fehlerarten und Güte 2 Literatur Kreyszig: Statistische Methoden und ihre Anwendungen, 7.
Mehr1. Grundbegri e der Stochastik
Wiederholung von Grundwissen der Stochastik. Grundbegri e der Stochastik Menge der Ereignisse. Die Elemente! der Menge heißen Elementarereignisse und sind unzerlegbare Ereignisse. Das Ereignis A tritt
MehrStatistik II für Betriebswirte Vorlesung 1
Statistik II für Betriebswirte Vorlesung 1 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 19. Oktober 2016 Prof. Dr. Hans-Jörg Starkloff Statistik II für Betriebswirte Vorlesung
MehrWahrscheinlichkeitsrechnung 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
MehrStatistik 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
MehrWichtige 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
Mehr3. Das Prüfen von Hypothesen. Hypothese?! Stichprobe Signifikanztests in der Wirtschaft
3. Das Prüfen von Hypothesen Hypothese?! Stichprobe 3.1. Signifikanztests in der Wirtschaft Prüfung, ob eine (theoretische) Hypothese über die Verteilung eines Merkmals X und ihre Parameter mit einer (empirischen)
MehrBeispiel für Gütefunktionen Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = 0.10
6 Hypothesentests Gauß-Test für den Mittelwert bei bekannter Varianz 6.3 Beispiel für Gütefunktionen Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = 0.10 G(µ) 0 α 0. 0.4 0.6 0.8 1 n = 10 n =
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 5.5.2006 1 Ausgangslage Wir können Schätzen (z.b. den Erwartungswert) Wir können abschätzen, wie zuverlässig unsere Schätzungen sind: In welchem Intervall
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
Mehr9 Prinzipien der statistischen Hypothesenprüfung
9 Prinzipien der statistischen Hypothesenprüfung Prinzipien der statistischen Hypothesenprüfung Bei der Schätzung eines Populationsparamters soll dessen Wert aus Stichprobendaten erschlossen werden. Wenn
MehrPrüfgröße: Ist die durch eine Schätzfunktion zugeordnete reelle Zahl (etwa Mittelwert 7 C).
Statistik Grundlagen Charakterisierung von Verteilungen Einführung Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsverteilungen Schätzen und Testen Korrelation Regression Einführung Aus praktischen Gründen
MehrKapitel 10 Mittelwert-Tests Einstichproben-Mittelwert-Tests 10.2 Zweistichproben Mittelwert-Tests
Kapitel 10 Mittelwert-Tests 10.1 Einstichproben-Mittelwert-Tests 10.2 Zweistichproben Mittelwert-Tests 10.1 Einstichproben- Mittelwert-Tests 10.1.1 Einstichproben- Gauß-Test Dichtefunktion der Standard-Normalverteilung
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:
MehrKapitel 3 Schließende Statistik
Bemerkung 3.34: Die hier betrachteten Konfidenzintervalle für unbekannte Erwartungswerte sind umso schmaler, je größer der Stichprobenumfang n ist, je kleiner die (geschätzte) Standardabweichung σ (bzw.
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
MehrWahrscheinlichkeit 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
MehrStatistik Zusätzliche Beispiele SS 2018 Blatt 3: Schließende Statistik
Statistik Zusätzliche Beispiele SS 2018 Blatt 3: Schließende Statistik 1. I Ein Personalchef führt so lange Vorstellungsgespräche durch bis der erste geeignete Bewerber darunter ist und stellt diesen an.
MehrBiomathematik 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
MehrKapitel III: Einführung in die schließende Statistik
Kapitel III: Einführung in die schließende Statistik Das zweite Kapitel beschäftigte sich mit den Methoden der beschreibenden Statistik. Im Mittelpunkt der kommenden Kapitel stehen Verfahren der schließenden
MehrStatistics, Data Analysis, and Simulation SS 2017
Mainz, 8. Juni 2017 Statistics, Data Analysis, and Simulation SS 2017 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Dr. Michael O. Distler
Mehr11. Parametrische Tests 11.1 Konzeption von statistischen Tests
11. Parametrische Tests 11.1 Konzeption von statistischen Tests Statistische Tests dienen zur Überprüfung von Hypothesen über die Grundgesamtheit auf der Basis der vorliegenden Beobachtungen einer Stichprobe.
MehrBiomathematik für Mediziner, Klausur WS 1999/2000 Seite 1
Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,
MehrKapitel XII - Gleichmäßig beste unverfälschte Tests und Tests zur Normalverteilung
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XII - Gleichmäßig beste unverfälschte Tests und Tests zur Normalverteilung Induktive Statistik Prof. Dr. W.-D.
MehrWS 2014/15. (d) Bestimmen Sie die Wahrscheinlichkeitsfunktion von X. (e) Bestimmen Sie nun den Erwartungswert und die Varianz von X.
Fragenkatalog zur Übung Methoden der empirischen Sozialforschung WS 2014/15 Hier finden Sie die denkbaren Fragen zum ersten Teil der Übung. Das bedeutet, dass Sie zu diesem Teil keine anderen Fragen im
MehrWahrscheinlichkeitsrechnung und Statistik. 11. Vorlesung /2019
Wahrscheinlichkeitsrechnung und Statistik 11. Vorlesung - 2018/2019 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 2 heißt Median. P(X < z
MehrAufgabenblock 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 )
Mehr3.Wiederholung: Toleranzbereiche Für EX Geg:
3.Wiederholung: Toleranzbereiche Für EX Geg: Vl. 24.2.2017 Schätzfunktion für Güte: Ist X Problem: Feb 17 13:21 > Wir berechnen Bereiche (Toleranzbereiche) für sind untere und obere Grenzen, berechnet
Mehr1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung
0 Einführung 1 Wahrscheinlichkeitsrechnung Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Intervallschätzung Motivation und Hinführung Der wahre Anteil der rot-grün Wähler 009 war genau
MehrStatistik II für Betriebswirte Vorlesung 2
Statistik II für Betriebswirte Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 26. Oktober 2016 Prof. Dr. Hans-Jörg Starkloff Statistik II für Betriebswirte Vorlesung
MehrDie Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
MehrDie Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests Nach Verteilungsannahmen: verteilungsabhängig: parametrischer [parametric] Test verteilungsunabhängig: nichtparametrischer [non-parametric] Test Bei parametrischen Tests
MehrKapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen Induktive Statistik Prof. Dr. W.-D. Heller
Mehr8. Konfidenzintervalle und Hypothesentests
8. Konfidenzintervalle und Hypothesentests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Beispiel. Sie wollen den durchschnittlichen Fruchtsaftgehalt eines bestimmten Orangennektars
MehrMathematik 2 Dr. Thomas Zehrt
Wirtschaftswissenschaftliches Zentrum 1 Universität Basel Mathematik Dr. Thomas Zehrt Testen Benötigtes Vorwissen: Der Stoff der Vorlesung,,Statistik wird als bekannt vorausgesetzt, insbesondere Kapitel
MehrEmpirische Wirtschaftsforschung
Empirische Wirtschaftsforschung Prof. Dr. Bernd Süßmuth Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie 1 4. Basiskonzepte der induktiven
MehrStatistische 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
MehrStatistische Tests. Kapitel Grundbegriffe. Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe
Kapitel 4 Statistische Tests 4.1 Grundbegriffe Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe X 1,..., X n. Wir wollen nun die Beobachtung der X 1,...,
MehrSoftware oder Tabellen (nicht Thema dieser Veranstaltung).
p-wert p-wert Der p-wert ist die Wahrscheinlichkeit, dass die Testgröße den beobachteten Wert oder einen noch extremeren Wert (,,weiter weg von H 0 ) annimmt unter der Bedingung, dass H 0 wahr ist. Bemerkungen
MehrÜbungsscheinklausur,
Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 27 Prof. Dr. F. Liese Übungsscheinklausur, 3.7.27 Dipl.-Math. M. Helwich Name:...
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen Spezielle Verteilungen
Wahrscheinlichkeitsrechnung und Statistik für Biologen Spezielle Verteilungen Noémie Becker & Dirk Metzler http://evol.bio.lmu.de/_statgen 7. Juni 2013 1 Binomialverteilung 2 Normalverteilung 3 T-Verteilung
MehrGRUNDPRINZIPIEN statistischen Testens
Fragestellungen beim Testen GRUNDPRINZIPIEN statistischen Testens. Vergleiche Unterscheidet sich die Stichprobenbeobachtung von einer vorher spezifizierten Erwartung ( Hypothese ) mit ausreichender Sicherheit?
MehrVerteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen. Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung
Verteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung Typisierung der stetigen theoretischen Verteilungen Bibliografie:
Mehr2.4 Hypothesentests Grundprinzipien statistischer Hypothesentests. Hypothese:
2.4.1 Grundprinzipien statistischer Hypothesentests Hypothese: Behauptung einer Tatsache, deren Überprüfung noch aussteht (Leutner in: Endruweit, Trommsdorff: Wörterbuch der Soziologie, 1989). Statistischer
MehrKlausur zu Statistik II
GOETHE-UNIVERSITÄT FRANKFURT FB Wirtschaftswissenschaften Statistik und Methoden der Ökonometrie Prof. Dr. Uwe Hassler Wintersemester 03/04 Klausur zu Statistik II Matrikelnummer: Hinweise Hilfsmittel
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg. für Betriebswirtschaft und internationales Management
für Betriebswirtschaft und internationales Management Sommersemester 2015 Prof. Dr. Stefan Etschberger Hochschule Augsburg Testverteilungen Chi-Quadrat-Verteilung Sind X 1,..., X n iid N(0; 1)-verteilte
MehrInduktive Statistik Kapitel XII - Gleichmäßig beste unverfälschte Tests und Tests zur Normalverteilung
Induktive Statistik Kapitel XII - Gleichmäßig beste unverfälschte Tests und Tests zur Normalverteilung Georg Bol bol@statistik.uni-karlsruhe.de Markus Höchstötter hoechstoetter@statistik.uni-karlsruhe.de
Mehr2. 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
MehrHypothesenprüfung. Darüber hinaus existieren zahlreiche andere Testverfahren, die alle auf der gleichen Logik basieren
Hypothesenprüfung Teil der Inferenzstatistik Befaßt sich mit der Frage, wie Hypothesen über eine (in der Regel unbekannte) Grundgesamtheit an einer Stichprobe überprüft werden können Behandelt werden drei
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 20. Januar 2011 1 Der F -Test zum Vergleich zweier Varianzen 2 Beispielhafte Fragestellung Bonferroni-Korrektur
MehrWiederholung Hypothesentests Zusammenfassung. Hypothesentests. Statistik I. Sommersemester Statistik I Hypothesentests I (1/36)
Statistik I Sommersemester 2009 Statistik I I (1/36) Wiederholung Grenzwertsatz Konfidenzintervalle Logik des 0.0 0.1 0.2 0.3 0.4 4 2 0 2 4 Statistik I I (2/36) Zum Nachlesen Agresti/Finlay: Kapitel 6+7
Mehr6. Schätzverfahren für Parameter
6. Schätzverfahren für Parameter Ausgangssituation: Ein interessierender Zufallsvorgang werde durch die ZV X repräsentiert X habe eine unbekannte Verteilungsfunktion F X (x) Wir interessieren uns für einen
MehrSo berechnen Sie einen Schätzer für einen Punkt
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: SCHÄTZEN UND TESTEN htw saar 2 Schätzen: Einführung Ziel der Statistik ist es, aus den Beobachtungen eines Merkmales in einer Stichprobe Rückschlüsse über die Verteilung
MehrSTATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik
Kapitel 15 Statistische Testverfahren 15.1. Arten statistischer Test Klassifikation von Stichproben-Tests Einstichproben-Test Zweistichproben-Test - nach der Anzahl der Stichproben - in Abhängigkeit von
MehrMathematische 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