Klausur zu Statistik II
|
|
|
- Marielies Hummel
- vor 9 Jahren
- Abrufe
Transkript
1 GOETHE-UNIVERSITÄT FRANKFURT FB Wirtschaftswissenschaften Statistik und Methoden der Ökonometrie Prof. Dr. Uwe Hassler Wintersemester 03/04 Klausur zu Statistik II Matrikelnummer: Hinweise Hilfsmittel Nicht programmierbare Taschenrechner, sowie alle Unterlagen, Bücher und Aufzeichnungen sind als Hilfsmittel erlaubt. 30 Punkte Es sind alle Aufgaben zu lösen. Insgesamt lassen sich 30 Rohpunkte erreichen; bei jeder Aufgabe steht die maximale Zahl an Rohpunkten in Klammern. Auf die Multiple- Choice-Aufgabe 7 entfallen 8 Rohpunkte. Multiple Choice Für jede der Teilaufgaben von Aufgabe 7 gibt es maximal 2 Rohpunkte. Von den jeweils vier Alternativen sind genau zwei richtig, und diese sind anzukreuzen. Sind beide Kreuze richtig, so gibt es zwei Punkte. Ist nur eine Alternative angekreuzt und richtig, so gibt es einen Punkt. In allen anderen Fällen gibt es null Punkte. Lösungswege Bei den Aufgaben 1 bis 6 sind Lösungswege anzugeben. Lösungen, bei denen nicht erkennbar ist, wie sie gewonnen wurden, werden nicht gewertet. Bei der Multiple- Choice-Aufgabe 7 ist die Angabe der Lösungswege nicht erforderlich. Matrikelnummer Versehen Sie das Lösungsheft und dieses Aufgabenheft gut leserlich mit Ihrer Matrikelnummer. Geben Sie dieses Aufgabenheft mit dem Lösungsheft ab, damit Aufgabe 7 gewertet werden kann. Viel Erfolg! Dieses Schema dient nur der Korrektur Aufgabe 1) 2) 3) 4) 5) 6) 7) Summe Punkte Gesamtpunktzahl: Note:
2 Aufgabe 1 (4 Punkte) Das Gewicht X gefüllter Bierflaschen sei normalverteilt mit µ = 0 g und σ = 5 g. a) Wie groß ist die Wahrscheinlichkeit, dass eine Flasche Bier weniger als 390 g wiegt? b) Es bezeichne Y das Gewicht eines Six-Packs, d.h. eines Päckchens, das aus 6 Flaschen besteht. Das Gewicht der Pappe, die das Six-Pack zusammenhält, sei vernachlässigbar. Die Gewichte der einzelnen Flaschen sind unabhängig. Bestimmen Sie die Grenzen des zentralen Schwankungsintervalls, in das ein Six-Pack mit einer Wahrscheinlichkeit von 95 % fällt. Aufgabe 2 (3 Punkte) Es seien X i, i = 1, 2,..., n, identisch und unabhängig verteilte Zufallsvariablen mit Varianz σ 2 und Erwartungswert µ = θ 3. a) Bestimmen Sie den Momentenschätzer θ MM für θ. b) Betrachten Sie nun den Schätzer (wobei X für das arithmetische Mittel steht): θ = 3 n n 1 X. Berechnen Sie Erwartungswert und Varianz von θ. Aufgabe 3 (3 Punkte) Es soll bestimmt werden, wie hoch die Einschaltquote bei einer Fernseh-Show ist. Dazu werden 2000 zufällig ausgewählte Personen befragt von ihnen geben an, die Show nicht zu sehen. Es bezeichne p den Anteil derer, die die Show sehen. a) Bestimmen Sie den Schätzwert p für p. b) Es betrage nun der Schätzwert für den Anteil p = Bestimmen Sie das zugehörige realisierte Konfidenzintervall bei einem Konfidenzniveau von 90 %. 1
3 Aufgabe 4 (3 Punkte) Es bezeichne X i den Umsatz eines Gutes in Filiale i vor Ausstrahlung eines Werbespots, i = 1, 2,..., 7. Dagegen steht Y i für den entsprechenden Umsatz nach der Ausstrahlung des Spots. Es wird unterstellt, daß die Zufallsvariablen normalverteilt sind mit den Erwartungswerten µ X und µ Y. Die mittleren Umsätze der sieben Filialen vor und nach dem Spot betragen x = 65.1, y = Es bezeichne nun D i die Differenz der Umsätze vor und nach dem Spot: D i = X i Y i. Als Varianz von D i wurde geschätzt: s 2 D = Testen Sie H 0 : µ X = µ Y gegen H 1 : µ X µ Y zu einem Niveau von α = Aufgabe 5 (2 Punkte) Bei einer Befragung von 200 Studierenden ergaben sich als Antworten auf die Frage nach dem monatlich zur Verfügung stehenden Betrag: Betrag in Euro > 1000 Anzahl Es soll die Nullypothese getestet werden, dass die Anzahl der Studenten über die verschiedenen Klassen gleichverteilt ist. Die entsprechende Prüfgröße lautet X 2 = (28 )2 + (38 )2 + (50 )2 + (59 )2 + (25 )2 = Führen Sie den Test zum Niveau α = 0.01 durch. 2
4 Aufgabe 6 (7 Punkte) Es liegen 30 Beobachtungen aus den Jahren 1963 bis 1992 für die USA vor. Es bezeichnen y i Nahrungsmittelausgaben im Jahr i x i Gesamte Konsumausgaben im Jahr i Unterstellen Sie das lineare Modell y i = a + b x i + ε i, i = 1, 2,..., 30, wobei E(ε i ) = 0 und V ar(ε i ) = σ 2 seien. Folgende Werte entsprechen abgesehen von Rundungen den realen Daten: d 2 x = , d 2 y = , d xy = a) Bestimmen Sie den Kleinst-Quadrate-Schätzer für den Steigungsparameter. b) Berechnen Sie das Bestimmtheitsmaß R 2. c) Schätzen Sie die Varianz des Kleinst-Quadrate-Schätzers b unter Verwendung des Schätzwerts σ 2 = 529. d) Es seien nun b = 0.04 und σ b 2 = gegeben. Testen Sie damit bei einer Irrtumswahrscheinlichkeit von 1 % die Nullhypothese, dass Nahrungsmittelausgaben und gesamte Konsumausgaben unkorreliert sind. 3
5 Aufgabe 7 (8 Punkte) Für jede der folgenden Teilaufgaben gibt es maximal 2 Punkte. Die Punktvergabe ist auf dem Deckblatt erklärt a) Bei steigendem Stichprobenumfang überdeckt ein Konfidenzintervall zum Niveau 1 α mit wachsender Wahrscheinlichkeit den wahren Parameterwert.... verringert sich die Differenz zwischen E(D 2 ) und E(S 2 ).... sinkt der mittlere quadratische Fehler von X als Schätzer für µ.... sinkt bei einem statistischen Test die Wahrscheinlichkeit für den Fehler 1. Art. b) Jede konsistente Schätzfunktion ist asymptotisch erwartungstreu. Jede asymptotisch erwartungstreue Schätzfunktion ist effizient. Das 97.5%-Quantil einer t-verteilung mit n 1 Freiheitsgraden, t(n 1) 0.975, konvergiert für n gegen den Wert Bei einem Signifikanzniveau von α = 0.05 entscheidet man sich statistisch gesehen in 95 von 100 Fällen dafür, die Nullhypothese zu verwerfen, obwohl diese richtig ist. c) Beim Entscheiden eines zweiseitigen Parametertests zum Signifikanzniveau α begeht man mit Wahrscheinlichkeit 1 α einen Fehler 2. Art, wenn man die Nullhypothese annimmt.... begeht man mit Wahrscheinlichkeit α einen Fehler 1. Art, wenn man die Nullhypothese ablehnt.... lehnt man die Nullhypothese mit einer Irrtumswahrscheinlichkeit von α ab, wenn das zugehörige Konfidenzintervall länger als 1 α ist.... hängt von α die Wahrscheinlichkeit ab, mit der man eine Fehlentscheidung trifft. d) Die Varianz des arithmetischen Mittels X = 1 n X i von identisch und unabhängig verteilten Zufallsvariablen X i sinkt mit steigendem Stichprobenumfang n.... sinkt mit abnehmender Irrtumswahrscheinlichkeit.... kann unverzerrt geschätzt werden durch 1 n 1 ( Xi X ) kann unverzerrt geschätzt werden durch 1 n(n 1) ( Xi X ) 2. 4
6 Lösungshinweise Aufgabe 1 a) X 0 5 N (0, 1) P (X 390) = b) Aufgabe 2 Y = 6 X i N (20, 150) ZSI 0.95 = [2376; 2424] a) θ MM = 3x b) Aufgabe 3 ) E ( θ ) V ar ( θ = = n n 1 θ 9n (n 1) 2 σ2 a) b) p = 0.35 KI 0.9 = [0.3324; ] Aufgabe 4 Äquivalentes Testproblem H 0 : µ D = 0 H 1 : µ D 0 T = D 0 s D 7 = Vergleichen mit t-verteilung mit 6 Freiheitsgrad. Nicht ablehnen zu α = 5%. 5
7 Aufgabe 5 χ 2 -Anpassungstest: ν = 5 1, da keine unbekannte Parameter; χ (4) = = Ablehnen zu 1%. Aufgabe 6 a) b = d xy d 2 x = 0.04 b) c) R 2 = d2 xy d 2 xd 2 y σ 2 b = σ2 1 n d 2 x = 0.7 = d) H 0 : b = 0 H 1 : b 0 T b = b σ 2 b Vergleichen mit t-verteilung mit 28 Freiheitsgrad. Ablehnen zu α = 1%. = 4 Oder äquivalent: H 0 : r xy = 0 H 1 : r xy 0 T = r xy n k = ; 1 rxy 2 Vergleichen mit t-verteilung mit 28 Freiheitsgrad. Ablehnen zu α = 1%. bzw. : T = r xy n = ; Vergleichen mit Standardnormal-Verteilung. Ablehnen zu α = 1%. 6
8 Aufgabe 7 a) Bei steigendem Stichprobenumfang überdeckt ein Konfidenzintervall zum Niveau 1 α mit wachsender Wahrscheinlichkeit den wahren Parameterwert.... verringert sich die Differenz zwischen E(D 2 ) und E(S 2 ).... sinkt der mittlere quadratische Fehler von X als Schätzer für µ.... sinkt bei einem statistischen Test die Wahrscheinlichkeit für den Fehler 1. Art. b) Jede konsistente Schätzfunktion ist asymptotisch erwartungstreu. Jede asymptotisch erwartungstreue Schätzfunktion ist effizient. Das 97.5%-Quantil einer t-verteilung mit n 1 Freiheitsgraden, t(n 1)0.975, konvergiert für n gegen den Wert Bei einem Signifikanzniveau von α = 0.05 entscheidet man sich statistisch gesehen in 95 von 100 Fällen dafür, die Nullhypothese zu verwerfen, obwohl diese richtig ist. c) Beim Entscheiden eines zweiseitigen Parametertests zum Signifikanzniveau α begeht man mit Wahrscheinlichkeit 1 α einen Fehler 2. Art, wenn man die Nullhypothese annimmt.... begeht man mit Wahrscheinlichkeit α einen Fehler 1. Art, wenn man die Nullhypothese ablehnt.... lehnt man die Nullhypothese mit einer Irrtumswahrscheinlichkeit von α ab, wenn das zugehörige Konfidenzintervall länger als 1 α ist.... hängt von α die Wahrscheinlichkeit ab, mit der man eine Fehlentscheidung trifft. d) Die Varianz des arithmetischen Mittels X = 1 n X i von identisch und unabhängig verteilten Zufallsvariablen X i sinkt mit steigendem Stichprobenumfang n.... sinkt mit abnehmender Irrtumswahrscheinlichkeit.... kann unverzerrt geschätzt werden durch 1 n 1 ( Xi X ) kann unverzerrt geschätzt werden durch 1 n(n 1) ( Xi X ) 2. 7
Klausur zu Statistik II
Goethe-Universität Frankfurt Prof. Dr. Uwe Hassler FB Wirtschaftswissenschaften Sommersemester 2005 Klausur zu Statistik II Version B Bitte tragen Sie hier und auf den Lösungsblättern (oben links) Ihre
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
Aufgabe 1 (8= Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten:
Aufgabe 1 (8=2+2+2+2 Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten: Die Zufallsvariable X bezeichne die Note. 1443533523253. a) Wie groß ist h(x 5)? Kreuzen
Goethe-Universität Frankfurt
Goethe-Universität Frankfurt Fachbereich Wirtschaftswissenschaft PD Dr. Martin Biewen Dr. Ralf Wilke Sommersemester 2006 Klausur Statistik II 1. Alle Aufgaben sind zu beantworten. 2. Bitte runden Sie Ihre
Kapitel 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:
Statistik II. Version A. 1. Klausur Sommersemester 2011 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik II Version A 1. Klausur Sommersemester 2011 Hamburg, 27.07.2011 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................
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
6. 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
Mathematische Statistik Aufgaben zum Üben. Schätzer
Prof. Dr. Z. Kabluchko Wintersemester 2016/17 Philipp Godland 14. November 2016 Mathematische Statistik Aufgaben zum Üben Keine Abgabe Aufgabe 1 Schätzer Es seien X 1,..., X n unabhängige und identisch
Probeklausur - Statistik II, SoSe 2017
Probeklausur - Statistik II, SoSe 2017 Aufgabe 1: Mehrdimensionale Zufallsvariablen (15 Punkte) Gegeben sei ein zweidimensionaler stetiger Zufallsvektor X = (X 1, X 2 ) T mit der gemeinsamen Dichtefunktion
Statistik 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
Statistik Klausur Sommersemester 2013 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik 2 1. Klausur Sommersemester 2013 Hamburg, 26.07.2013 A BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
0 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
Nachklausur Wahrscheinlichkeitstheorie und Inferenz II Sommersemester Oktober 2011
Nachklausur Wahrscheinlichkeitstheorie und Inferenz II Sommersemester 2011 28. Oktober 2011 Prof. Dr. Torsten Hothorn Institut für Statistik Nachname: Vorname: Matrikelnummer: Anmerkungen: ˆ Schreiben
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:
Statistik II. Weitere Statistische Tests. Statistik II
Statistik II Weitere Statistische Tests Statistik II - 19.5.2006 1 Überblick Bisher wurden die Test immer anhand einer Stichprobe durchgeführt Jetzt wollen wir die statistischen Eigenschaften von zwei
7. 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
Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2013 Aufgabe 1 In einer Urne
WS 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
Institut für Stochastik Prof. Dr. N. Henze Dipl.-Math. V. Riess
Institut für Stochastik Prof. Dr. N. Henze Dipl.-Math. V. Riess Name: Vorname: Matrikelnummer: Lösungsvorschlag zur Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik (Stochastik) Datum: 07.
FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT
FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte
Mathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun http://blog.ruediger-braun.net Heinrich-Heine-Universität Düsseldorf 21. Januar 2015 1 t-tests für Erwartungswerte Verbundene und unverbundene Stichproben
Die Stochastischen Eigenschaften von OLS
Die Stochastischen Eigenschaften von OLS Das Bivariate Modell Thushyanthan Baskaran [email protected] Alfred Weber Institut Ruprecht Karls Universität Heidelberg Wiederholung
So 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
3 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
4.1. 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
Übungsscheinklausur,
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:...
Theorie Parameterschätzung Ausblick. Schätzung. Raimar Sandner. Studentenseminar "Statistische Methoden in der Physik"
Studentenseminar "Statistische Methoden in der Physik" Gliederung 1 2 3 Worum geht es hier? Gliederung 1 2 3 Stichproben Gegeben eine Beobachtungsreihe x = (x 1, x 2,..., x n ): Realisierung der n-dimensionalen
TECHNISCHE UNIVERSITÄT DORTMUND Wintersemester 2010/2011 FAKULTÄT STATISTIK Dr. H. Hansen
TECHNISCHE UNIVERSITÄT DORTMUND Wintersemester 2010/2011 FAKULTÄT STATISTIK 11.02.2011 Dr. H. Hansen Klausur für den Bachelorstudiengang zur Vorlesung Statistik für Ökonomen Bitte in Druckschrift ausfüllen
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,
b) Bestimmen Sie die Varianz der beiden Schätzer. c) Ist ein oder sind beide Schätzer konsistent? Begründen Sie!
Aufgabe 1 (3 + 3 + 2 Punkte) Ein Landwirt möchte das durchschnittliche Gewicht von einjährigen Ferkeln bestimmen lassen. Dies möchte er aus seinem diesjährigen Bestand an n Tieren schätzen. Er kann dies
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
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
Mathematik 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
Nachhol-Klausur - Schätzen und Testen - Wintersemester 2013/14
Prof. Dr. Rainer Schwabe 08.07.2014 Otto-von-Guericke-Universität Magdeburg Institut für Mathematische Stochastik Nachhol-Klausur - Schätzen und Testen - Wintersemester 2013/14 Name:, Vorname: Matr.-Nr.
Das (multiple) Bestimmtheitsmaß R 2. Beispiel: Ausgaben in Abhängigkeit vom Einkommen (I) Parameterschätzer im einfachen linearen Regressionsmodell
1 Lineare Regression Parameterschätzung 13 Im einfachen linearen Regressionsmodell sind also neben σ ) insbesondere β 1 und β Parameter, deren Schätzung für die Quantifizierung des linearen Zusammenhangs
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,
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.
Dr. W. Kuhlisch Dresden, Institut für Mathematische Stochastik
Dr. W. Kuhlisch Dresden, 12. 08. 2014 Institut für Mathematische Stochastik Klausur Statistik für Studierende der Fachrichtungen Hydrologie und Altlasten/Abwasser zugelassene Hilfsmittel: Taschenrechner
Uwe Hassler. Statistik im. Bachelor-Studium. Eine Einführung. für Wirtschaftswissenschaftler. ^ Springer Gabler
Uwe Hassler Statistik im Bachelor-Studium Eine Einführung für Wirtschaftswissenschaftler ^ Springer Gabler 1 Einführung 1 2 Beschreibende Methoden univariater Datenanalyse 5 2.1 Grundbegriffe 5 2.2 Häufigkeitsverteilungen
DWT 2.1 Maximum-Likelihood-Prinzip zur Konstruktion von Schätzvariablen 330/467 Ernst W. Mayr
2.1 Maximum-Likelihood-Prinzip zur Konstruktion von Schätzvariablen Wir betrachten nun ein Verfahren zur Konstruktion von Schätzvariablen für Parameter von Verteilungen. Sei X = (X 1,..., X n ). Bei X
Einführung 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
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.
Teilklausur des Moduls Kurs 42221: Vertiefung der Statistik
Name, Vorname Matrikelnummer Teilklausur des Moduls 32741 Kurs 42221: Vertiefung der Statistik Datum Termin: 21. März 2014, 14.00-16.00 Uhr Prüfer: Univ.-Prof. Dr. H. Singer Vertiefung der Statistik 21.3.2014
Prüfungsklausur zur Stochastik (LMG)/ Elementare Wahrscheinlichkeitstheorie und Statistik
B. Schmalfuß Jena, den 20.02.2018 Prüfungsklausur zur Stochastik (LMG)/ Elementare Wahrscheinlichkeitstheorie und Statistik Allgemeine Hinweise: Zur Verfügung stehende Zeit: 90 min. Hilfsmittel: keine.
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
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
1. Wiederholungsklausur Statistik
Goethe Universität Frankfurt Fachbereich Wirtschaftswissenschaft Prof. Dr. Martin Biewen PD Dr. Ralf Wilke Sommersemester 2006 1. Wiederholungsklausur Statistik Bitte tragen Sie hier und auf den Lösungsblättern
Statistik. 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
Übung zur Empirischen Wirtschaftsforschung V. Das Lineare Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Christian Peukert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2010
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
Klausur zur Vorlesung
Institut für Mathematische Stochastik WS 2004/2005 Universität Karlsruhe 14. Februar 2005 Dr. Bernhard Klar Sebastian Müller Aufgabe 1: (15 Punkte) Klausur zur Vorlesung Statistik für Biologen Musterlösungen
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)
Grundlagen der Statistik
Grundlagen der Statistik Übung 15 009 FernUniversität in Hagen Alle Rechte vorbehalten Fachbereich Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
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
Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2015 Aufgabe 1 Zum Ende des
Klausur zur Vorlesung
Institut für Mathematische Stochastik WS 2006/2007 Universität Karlsruhe 12. Februar 2007 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Aufgabe 1 (15 Punkte) Klausur zur Vorlesung Statistik für Biologen
Statistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management
Statistik für Betriebswirtschaft und International Management Sommersemester 2014 Prof. Dr. Stefan Etschberger HSA Streuungsparameter Varianz Var(X) bzw. σ 2 : [x i E(X)] 2 f(x i ), wenn X diskret Var(X)
Statistik 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:
Biometrie und Methodik (Statistik) - WiSem08/09 Probeklausur 1
Biometrie und Methodik (Statistik) - WiSem08/09 Probeklausur 1 Aufgabe 1 (10 Punkte). 10 Schüler der zehnten Klasse unterziehen sich zur Vorbereitung auf die Abschlussprüfung einem Mathematiktrainingsprogramm.
Statistik 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.
Statistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 22 Übersicht Weitere Hypothesentests in der Statistik 1-Stichproben-Mittelwert-Tests 1-Stichproben-Varianz-Tests 2-Stichproben-Tests Kolmogorov-Smirnov-Test
Aufgaben. d) Seien X und Y Poissonverteilt mit Parameter µ, X, Y P(µ). 2. Dann ist die Summe auch Poissonverteilt mit (X + Y ) P(2µ).
Aufgaben 1. Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete Frage 1 Punkt und pro falsche Antwort 1/2 Punkt Abzug. Minimal erhält man für die gesamte
Kapitel 9. Schätzverfahren und Konfidenzintervalle. 9.1 Grundlagen zu Schätzverfahren
Kapitel 9 Schätzverfahren und Konfidenzintervalle 9.1 Grundlagen zu Schätzverfahren Für eine Messreihe x 1,...,x n wird im Folgenden angenommen, dass sie durch n gleiche Zufallsexperimente unabhängig voneinander
Nachklausur Mathematik für Biologen WS 08/09
Aufgabe 1: (5 Punkte) In einer diploiden Population beobachten wir die Ausprägung eines bestimmten Gens, das zwei Allele V und W annimmt. Somit besitzt jedes Individuum V V, V W oder W W als Genotyp. Die
Statistik I für Betriebswirte Vorlesung 4
Statistik I für Betriebswirte Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 25. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
Klassifikation von Signifikanztests
Klassifikation von Signifikanztests Nach Verteilungsannahmen: verteilungsabhängig: parametrischer [parametric] Test verteilungsunabhängig: nichtparametrischer [non-parametric] Test Bei parametrischen Tests
3.3 Konfidenzintervalle für Regressionskoeffizienten
3.3 Konfidenzintervalle für Regressionskoeffizienten Konfidenzintervall (Intervallschätzung): Angabe des Bereichs, in dem der "wahre" Regressionskoeffizient mit einer großen Wahrscheinlichkeit liegen wird
Kapitel 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.
Statistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
Prüfung. Wahrscheinlichkeit und Statistik. ETH Zürich HS 2015 Prof. Dr. P. Embrechts Januar Nachname. Vorname. Legi Nummer
ETH Zürich HS 25 Prof. Dr. P. Embrechts Januar 26 Prüfung Wahrscheinlichkeit und Statistik BSc INFK Nachname Vorname Legi Nummer Das Folgende bitte nicht ausfüllen! Aufgabe Max. Punkte Summe Kontrolle
Wahrscheinlichkeitsrechnung 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
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
5. 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
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
Induktive 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 [email protected] Markus Höchstötter [email protected]
FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT
FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Matrikelnummer Name: Vorname: Klausur Modul 31091: STATISTISCHE METHODENLEHRE Termin: 24.03.2010, 18.00-20.00 Uhr Prüfer: Univ.-Prof. Dr. Hermann
Entscheidung 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:
