Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1
|
|
- Erica Koch
- vor 7 Jahren
- Abrufe
Transkript
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 traditionellen Sommerfestes einer Stadt kündigt die Presse ein Feuerwerk an. Nicole ist leidenschaftliche Hobbyfotografin und beschließt daher, einige farbenprächtige Motive mit ihrer Kamera aufzunehmen. Von ihren letzten Fotoabenden weiß sie, dass sie bei jedem Versuch einen zufriedenstellenden Schnappschuss mit einer Wahrscheinlichkeit von 30 Prozent ablichten kann. An besagtem Abend drückt Nicole insgesamt 250 mal auf den Auslöser. a) Wie und mit welchem/(n) Parameter(n) ist die Zufallsvariable X := Anzahl der zufriedenstellenden Schnappschüsse verteilt? b) Ihr bisheriges Glanzstück liegt bei 70 zufriedenstellenden Fotos. Berechnen Sie die approximative Wahrscheinlichkeit dafür, dass Nicole am besagten Abend ihren Rekord noch übertreffen kann. Aus fundierten Angaben eines Pyrotechnik-Portals weiß Nicole, dass die Sichtbarkeit der Effekte durchschnittlich µ = 3,2 Sek beträgt bei einer Varianz σ 2 = 2,4 Sek 2. c) Wie groß ist die Wahrscheinlichkeit, dass bei n = 120 rein zufällig betrachteten Feuerwerksmotiven an diesem Abend die Dauer der Sichtbarkeit durchschnittlich größer ist als 3,5 Sekunden? Gehen Sie von einer einfachen Zufallsstichprobe aus. Die Wartezeit zwischen zwei Feuerwerkseffekten sei exponentialverteilt mit Parameter λ. d) Ihnen ist bekannt, dass die Wahrscheinlichkeit für eine Wartezeit von mehr als 2 Minuten auf das nächste Feuerwerk nur 1,83% beträgt. Mit welchem Parameter λ ist entsprechend die Zufallsvariable Y := Wartezeit zwischen zwei Feuerwerkseffekten (in Minuten) verteilt? e) Bestimmen Sie die Wahrscheinlichkeit dafür, dass die Wartezeit zwischen zwei Feuerwerkseffekten genau eine Minute beträgt.
2 Aufgabe 2 Peter steht mit seinem Team Smokey Heat unmittelbar vor der erstmaligen Teilnahme an einer regionalen BBQ-Meisterschaft. Um optimal vorbereitet zu sein, beabsichtigt Peter die durchschnittliche Brenndauer seiner Holzbriketts auf Basis einer Zufallsstichprobe geeignet zu schätzen. Er ermittelt bei gleichbleibender Hitze und Luftzufuhr für n = 34 zufällig ausgewählte Briketts die Brenndauern und erhält ein Stichprobenmittel von 4, 86 Stunden bei einer Stichprobenvarianz von 1, 25 Stunden 2. a) Überprüfen Sie mit Hilfe eines geeigneten Tests, ob die mittlere Brenndauer signifikant (α = 0, 05) größer ist als 4, 50 Stunden. Gehen Sie davon aus, dass die Brenndauern von Holzbriketts (approximativ) normalverteilt sind. Welche Entscheidung treffen Sie? Interpretieren Sie Ihre Entscheidung inhaltlich. b) Wie fällt Ihre Testentscheidung in Teilaufgabe a) aus, wenn Sie mit einer Irrtumswahrscheinlichkeit von 1% testen? Peter findet online einen günstigen Anbieter für Holzbriketts. Er vermutet, dass sich der niedrigere Preis für Holzbriketts des Onlineanbieters auch in einer kürzeren Brenndauer bemerkbar macht. Er zieht eine weitere Zufallsstichprobe von m = 18 Briketts des günstigen Onlineanbieters und ermittelt bei gleichbleibender Hitze und Luftzufuhr eine mittlere Brenndauer von 4, 20 Stunden bei einer Stichprobenvarianz von 2, 15 Stunden 2. c) Bestimmen Sie ein Konfidenzintervall für die Differenz der mittleren Brenndauern der beiden von Peter verwendeten Brikettarten (α = 0, 05). Gehen Sie davon aus, dass die Varianzen in der Grundgesamtheit zwar unbekannt, aber identisch verteilt sind. d) Würden Sie anhand der Berechnungen aus Teilaufgabe c) sagen, dass sich die Brenndauer der beiden von Peter verwendeten Brikettarten statistisch signifikant unterscheidet? Begründen Sie Ihre Antwort kurz (1-2 Sätze).
3 Aufgabe 3 Anna besucht zusammen mit ihrer Freundin zum ersten Mal einen Open-Air-Kinofilm des Kino-Sommers ihrer Stadt. Aus Erfahrung weiß man, dass 22% der Teilnehmer solcher Veranstaltungen Erstbesucher (E) sind. Da der Film erst bei Einbruch der Dämmerung beginnt, haben einige Teilnehmer gegen die Kälte vorgesorgt und eine Kuscheldecke (K) mitgebracht. Insgesamt sind 4,5% der Teilnehmer Erstbesucher und haben eine Kuscheldecke mitgebracht. Von den Teilnehmern, die schon häufiger im Open-Air-Kino waren, haben 63% daran gedacht, eine Kuscheldecke einzupacken. a) Bestimmen Sie die Wahrscheinlichkeit dafür, dass i)...ein zufällig ausgewählter Erstbesucher keine Kuscheldecke mitgebracht hat. ii)...ein zufällig ausgewählter Teilnehmer eine Kuscheldecke eingepackt hat. Vor dem Kinofilm und in der Pause werden den Besuchern Getränke und Snacks angeboten. Anna vermutet, dass sich die Präferenzen der Besucher gleichmäßig auf die angebotenen Snacks verteilen. Sie erfragt auf Basis einer einfachen Zufallsstichprobe vom Umfang n = 72 den bevorzugten Snack der Besucher. Die nachstehende Tabelle zeigt ihre Ergebnisse: bevorzugter Snack Stichprobenumfang Brezeln Gummibärchen Popcorn Eis b) Überprüfen Sie Annas Vermutung mit Hilfe eines χ 2 -Anpassungstests (α = 0, 05). Welche Entscheidung treffen Sie? Interpretieren Sie Ihre Entscheidung inhaltlich. Anna ist aufgefallen, dass ihre Freundin weniger für Snacks und Getränke ausgegeben hat, als sie. Sie interessiert sich jetzt für die mittleren Ausgaben für Snacks und Getränke pro Besucher. Die Ausgaben A i in Euro seien stochastisch unabhängig und normalverteilt mit Erwartungswert E(A i ) = µ und Varianz V ar(a i ) = σ 2 für i = 1,..., n. Anna hat sich die folgende Schätzfunktion überlegt: T = A A A 3 c) Zeigen Sie, dass die obige Schätzfunktion T nicht erwartungstreu ist. d) Bestimmen Sie den Bias und die Varianz der obigen Schätzfunktion T. e) Unter welcher Bedingung ist ein erwartungstreuer Schätzer T 1 effizienter als ein erwartungstreuer Schätzer T 2?
4 Aufgabe 4 Michael ist ein begeisterter Regnitzschwimmer und unter seinen Freunden dafür bekannt, auch dann an der Hainbadestelle in den Fluss zu springen, wenn alle anderen sich lieber nur sonnen. Sein Kumpel Fred hat bei fünf Hainbadestellenbesuchen die Wassertemperatur notiert und gestoppt, wie lange es Michael in der Regnitz ausgehalten hat. Fred möchte den Zusammenhang zwischen Wassertemperatur und Schwimmdauer mit einem linearen Modell der Form Y i = β 0 + β 1 x i + U i mit U i N(0, σ 2 ) und stochastisch unabhängig für i = 1, 2,..., n darstellen. Er fertigt eine Datentabelle an, die folgende Angaben zur Modellschätzung enthält: Temperatur Schwimmdauer ( C) (sec) i x i y i x i y i x 2 i yi , , , , , ,5 306, ,4285 SUMME 71, ,5 1056, ,3728 Û i 2 a) Schätzen Sie die Parameter des linearen Regressionsmodells mit Hilfe der Methode der kleinsten Quadrate. (Ersatzergebnis: Sollten Sie zu keiner Lösung gelangen, verwenden Sie im Folgenden β 0 = 50 und β 1 = 0, 5.) b) Interpretieren Sie die in Teilaufgabe a) geschätzten Parameter inhaltlich. c) Sagen Sie mit dem linearen Regressionsmodell voraus, wie lange es Michael bei einer Wassertemperatur von 8 C in der Regnitz aushalten würde. d) In welchem Intervall liegt der wahre Steigungskoeffizient mit einer Irrtumswahrscheinlichkeit von 10%? Interpretieren Sie das Ergebnis inhaltlich. (Ersatzergebnis: Sollten Sie zu keiner Lösung gelangen, verwenden Sie für die Interpretation das Intervall [0, 02; 0, 98].) e) Nennen Sie zwei Annahmen des einfachen linearen Regressionsmodells.
5 Lösung zu Aufgabe 1 a) X Bin(n = 250; p = 0,3) b) Prüfen der Approximationsbedingungen: Binomialverteilung Normalverteilung P (X > 70) = 1 P (X 70) = 0, c) P (X > 3, 5) = 1 P (X 3, 5) = 0, 017 Die Wahrscheinlichkeit, dass in einer Stichprobe vom Umfang n = 120 eine durchschnittliche Sichtbarkeit von mehr als 3, 5 Sek auftritt, beträgt approximativ 1, 7%. d) 1 (1 e 2λ ) = 0, 0183 λ = 2, Y P oi(λ = 2) Die Zufallsvariable Y : Wartezeit zwischen zwei Feuerwerkeffekten (in Minuten) ist damit exponentialverteilt mit dem Parameter λ = 2. e) P(Y = 1) = 0
6 Lösung zu Aufgabe 2 a) Geeigneter Test: Mittelwerttest bei unbekannter Varianz H 0 : µ X 4, 5 H A : µ X > 4, 5 (Vermutung) Prüfgröße: n X n µ 0 S n > t 1 α;n 1 Entscheidungsregel: λ 1 α = λ 0,95 = 1, 6448 Rechnung: Z = 1, 8775 Entscheidung und Interpretation: Da 1, 8775 > 1, 6448, kann die Nullhypothese H 0 mit einer Irrtumswahrscheinlichkeit von α = 0, 05 verworfen werden. Die vorliegende Stichprobe stützt die Vermutung, dass die mittlere Brenndauer der Briketts größer ist als 4,5 Stunden. b) Wenn α = 0, 01 λ 0,99 = 2, 3263 Da 1, 8742 < 2, 3263, kann die H 0 auf einem Konfidenzniveau von 99% nicht verworfen werden. c) P mit ( X n Y m t 1 α 2 ;n+m 2 S 2 ) n+m m n µ X µ Y S 2 = 1, 556 t 1 α 2 ;n+m 2 = 2, 009 UG = 0, 0705 OG = 1, 3905 KI = [-0,0705; 1,3905] d) Da der Wert 0 im KI enthalten ist, kann man sagen, dass die wahre Differenz der mittleren Brenndauern auch 0 sein könnte und sich demnach die mittleren Brenndauern der Briketts nicht signifikant (α = 0, 05) voneinander unterscheiden.
7 Lösung zu Aufgabe 3 a) i) P ( K E) = 1 P (K E) = 0, 7955 ii) P (K) = P (E K) + P (Ē K) = P (E K) + P (Ē) P (K Ē) = 0, 5364 b) χ 2 -Anpassungstest X:= bevorzugter Snack der Besucher Gegeben: n = 72; k = 4; α = 0, Hypothesen: H 0 : p i = p 0 i = 0, 25 (= Gleichverteilung) H A : p i p 0 i = 0, Approximationsregeln: k = 4 8 und np 0 i = 72 0,25 = 18 4 (Approx.bed. erfüllt!) 3. Verteilung: Unter H 0 ist das Prüfmaß approximativ χ 2 -verteilt mit k 1 = 4 1 = 3 Freiheitsgraden. 4. Entscheidungsregel: Die Nullhypothese ist zu verwerfen, falls die Prüffunktion größer ist als χ 2 1 α;(k 1) = χ 2 0,95;3 = 7, Rechnung: bevorzugte Snack Verteilung Brezeln Gummibärchen Popcorn Eis Stichprobenverteilung , , , , Gleichverteilung =18 =18 =18 =18 72 Prüfgröße: χ 2 = (13 18) (11 18) (27 18) (21 18)2 18 = 9, Entscheidung und Interpretation: Da 9, 1111 > 7, 81, wird die H 0 auf einem Signifikanzniveau von α = 0,05 verworfen. Die vorliegende Stichprobe deutet also nicht darauf hin, dass sich die Präferenz der Kunden auf die Snacks gleichverteilt. c) E(T ) = µ µ µ = 11 6 µ µ d) Bias(T ) = 5 6 µ V ar(t ) = σ2 e) Effizienter, wenn V ar(t 1) < V ar(t 2)
8 Lösung zu Aufgabe 4 a) β 1 = xy x y = 0, 1124 x 2 x2 β 0 = y β 1 x = 90, 1927 Y i = 90, , 1124 x i b) β 0 : Bei einer Wassertemperatur von 0 C sollte es Michael im Mittel gut 90,2 Sekunden im Wasser aushalten. β 1 : Steigt die Wassertemperatur um 1 C hält es Michael im Mittel um 0,11 Sekunden länger im Fluss aus. c) Ŷ (x i) = β 0 + β 1 x i = 91, 0919 d) σ 2 = 28, 7909 V ar( β 1 ) = 0, 8518 t 0,95;3 = 2, 35 β 1 ± t 0,95;3 V ar( β 1 ) = 0, 1124 ± 2, 1688 Untergrenze: 0, , 1688 = 2, 0564 Obergrenze: 0, , 1688 = 2, 2812 [ ; ] Der wahre aber unbekannte Steigungskoeffizient liegt mit einer Irrtumswahrscheinlichkeit von 10% im Intervall [-2,0564; 2,2812]. Da dieses Konfidenzintervall die Null enthält hat die Wassertemperatur wohl keinen Einfluss auf die Schwimmdauer. e) Zwei korrekte Antworten aus: Das Regressionsmodell bildet den wahren Zusammenhang funktional korrekt ab Das Modell ist im Mittel wahr: die Störterme heben sich im Mittel auf Homoskedastie: die Störterme streuen gleichmäßig Keine Autokorrelation: die Störterme sind unabhängig voneinander Die Störterme sind normalverteilt, auch: U i N(0, σ 2 ) Keine Kollinearität
Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2013/2014. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2013/2014 Aufgabe 1 Der Fußballprofi
MehrKlausur 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
MehrPRÜFUNG: METHODEN DER STATISTIK II SS Name, Vorname (Druckschrift) Matrikelnummer Platznummer
OTTO-FRIEDRICH-UNIVERSITÄT BAMBERG Prof. Dr. Susanne Rässler Lehrstuhl für Statistik und Ökonometrie PRÜFUNG: METHODEN DER STATISTIK II SS 2016 Name, Vorname (Druckschrift) Matrikelnummer Platznummer Hinweise
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
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
MehrAufgabe 1. Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2012 Aufgabe 1 Seit dem Erönungswochenende
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2011/12. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2011/12 Aufgabe 1 Übungsleiter
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
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 007/008 Aufgabe 1 (I) Herr
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2009/2010. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2009/2010 Aufgabe 1 Die Porzellanmanufaktur
MehrSie wissen noch, dass 18.99% der Surfer, die kein Smartphone haben, pro Monat weniger als 20 Stunden das Internet nutzen, d.h. f(y 1 X 2 ) =
Aufgabe 1 In einer Umfrage wird der Besitz eines Smartphones (Merkmal X) und die Nutzungsdauer des Internets pro Monat (Merkmal Y ) untersucht. Merkmal X hat zwei Ausprägungen: X 1 : Besitz und X 2 : Nichtbesitz.
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
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
MehrStatistik. 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)
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
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:
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.
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)
MehrAufgabe 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
MehrKlausur 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 2010 Aufgabe 1 Die Inhaberin
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
MehrStatistik II Februar 2005
Statistik II Februar 5 Aufgabe Zufällig ausgewählten Personen der Zielgruppe wird der Prototyp eines neuen Konsumgutes vorgelegt, um die Zahlungsbereitschaft Z ( pro Einheit des Konsumgutes) zu ermitteln.
MehrStatistik 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
MehrKlausur 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
MehrChi-Quadrat-Verteilung
Chi-Quadrat-Verteilung Wikipedia http://de.wikipedia.org/wiki/chi-quadrat-verteilung 1 von 7 6/18/2009 6:13 PM Chi-Quadrat-Verteilung aus Wikipedia, der freien Enzyklopädie Die Chi-Quadrat-Verteilung ist
MehrStatistik 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
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
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
MehrKlausur 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 2009 Aufgabe 1 Nach dem von
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003. Eine seltene Krankheit trete mit Wahrscheinlichkeit : 0000 auf. Die bedingte Wahrscheinlichkeit, dass ein bei einem Erkrankten durchgeführter
MehrTHEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ
WEBINAR@LUNCHTIME THEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ EINLEITENDES BEISPIEL SAT: Standardisierter Test, der von Studienplatzbewerbern an amerikanischen Unis gefordert
MehrAufgabe 1. Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. S. Rässler
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. S. Rässler Klausur zu Methoden der Statistik II mit Lösung Sommersemester 2008 Aufgabe 1 Der landwirtschaftliche
MehrT-Test für den Zweistichprobenfall
T-Test für den Zweistichprobenfall t-test (unbekannte, gleiche Varianzen) Test auf Lageunterschied zweier normalverteilter Grundgesamtheiten mit unbekannten, aber gleichen Varianzen durch Vergleich der
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2012/13. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2012/13 Aufgabe 1 Die Firma
MehrGrundlagen 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
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,
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
MehrVertiefung der. Wirtschaftsmathematik. und Statistik (Teil Statistik)
Selbstkontrollarbeit 1 Vertiefung der Wirtschaftsmathematik und Statistik (Teil Statistik) 18. Januar 2011 Aufgaben Aufgabe 1 Gegeben sei eine binomialverteilte Zufallsvariablen X mit den Parametern N
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
MehrÜbungsaufgaben zu Statistik II
Übungsaufgaben zu Statistik II Prof. Dr. Irene Prof. Dr. Albrecht Ungerer Die Kapitel beziehen sich auf das Buch: /Ungerer (2016): Statistik für Wirtschaftswissenschaftler Springer Gabler 4 Übungsaufgaben
MehrMathematische 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
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
MehrEinführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management
Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 2013 Hochschule Augsburg Lageparameter: Erwartungswert d) Erwartungswert
MehrGrundidee. χ 2 Tests. Ausgangspunkt: Klasseneinteilung der Beobachtungen in k Klassen. Grundidee. Annahme: Einfache Zufallsstichprobe (X 1,..., X n ).
Grundidee χ 2 -Anpassungstest χ 2 -Unabhängigkeitstest χ 2 -Homogenitätstest χ 2 Tests Grundidee Ausgangspunkt: Klasseneinteilung der Beobachtungen in k Klassen Annahme: Einfache Zufallsstichprobe (X 1,,
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
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
Mehr2 Aufgaben aus [Teschl, Band 2]
20 2 Aufgaben aus [Teschl, Band 2] 2.1 Kap. 25: Beschreibende Statistik 25.3 Übungsaufgabe 25.3 a i. Arithmetisches Mittel: 10.5 ii. Median: 10.4 iii. Quartile: x 0.25 Y 4 10.1, x 0.75 Y 12 11.1 iv. Varianz:
Mehrb) 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
MehrZeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: k = n (n + 1) 2
Aufgabe 1. (5 Punkte) Zeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: n k = k=1 n (n + 1). 2 Aufgabe 2. (5 Punkte) Bestimmen Sie das folgende Integral mithilfe partieller
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
MehrÜbung V Lineares Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Michael Alpert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2007 Übung
MehrStatistische 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
MehrInferenz im multiplen Regressionsmodell
1 / 29 Inferenz im multiplen Regressionsmodell Kapitel 4, Teil 1 Ökonometrie I Michael Hauser 2 / 29 Inhalt Annahme normalverteilter Fehler Stichprobenverteilung des OLS Schätzers t-test und Konfidenzintervall
MehrNachhol-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.
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
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 41 Übersicht Struktur eines Hypothesentests Stichprobenverteilung t-test: Einzelner-Parameter-Test F-Test: Multiple lineare Restriktionen 2 / 41 Struktur
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
Mehrk np g(n, p) = Pr p [T K] = Pr p [T k] Φ. np(1 p) DWT 4.1 Einführung 359/467 Ernst W. Mayr
Die so genannte Gütefunktion g gibt allgemein die Wahrscheinlichkeit an, mit der ein Test die Nullhypothese verwirft. Für unser hier entworfenes Testverfahren gilt ( ) k np g(n, p) = Pr p [T K] = Pr p
MehrWillkommen 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.
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
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
Mehr4.1. 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
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 25. September 2015 Aufgabe 1 (15 Punkte) Kennzeichnen Sie die folgenden Aussagen zur Regressionsanalyse mit R für richtig oder F für falsch. F Wenn
MehrFERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT
FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte
MehrWillkommen 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.
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 +... +
MehrStatistiktutorium (Kurs Frau Jacobsen)
Statistiktutorium (Kurs Frau Jacobsen) von Timo Beddig 1 Grundbegriffe p = Punktschätzer, d.h. der Mittelwert aus der Stichprobe, auf Basis dessen ein angenäherter Wert für den unbekannten Parameter der
MehrGrundlagen der Statistik
www.nwb.de NWB Studium Betriebswirtschaft Grundlagen der Statistik Band 2: Wahrscheinlichkeitsrechnung und induktive Statistik Von Professor Dr. Jochen Schwarze 9., vollständig überarbeitete Auflage STUDIUM
Mehr1 Dichte- und Verteilungsfunktion
Tutorium Yannick Schrör Klausurvorbereitungsaufgaben Statistik Lösungen Yannick.Schroer@rub.de 9.2.26 ID /455 Dichte- und Verteilungsfunktion Ein tüchtiger Professor lässt jährlich 2 Bücher drucken. Die
MehrEinfaktorielle Varianzanalyse
Kapitel 16 Einfaktorielle Varianzanalyse Im Zweistichprobenproblem vergleichen wir zwei Verfahren miteinander. Nun wollen wir mehr als zwei Verfahren betrachten, wobei wir unverbunden vorgehen. Beispiel
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,...,
MehrLösung Übungsblatt 5
Lösung Übungsblatt 5 5. Januar 05 Aufgabe. Die sogenannte Halb-Normalverteilung spielt eine wichtige Rolle bei der statistischen Analyse von Ineffizienzen von Produktionseinheiten. In Abhängigkeit von
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und
MehrGrundlagen sportwissenschaftlicher Forschung Inferenzstatistik 2
Grundlagen sportwissenschaftlicher Forschung Inferenzstatistik 2 Dr. Jan-Peter Brückner jpbrueckner@email.uni-kiel.de R.216 Tel. 880 4717 Statistischer Schluss Voraussetzungen z.b. bzgl. Skalenniveau und
MehrBiometrie 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.
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests Nach Verteilungsannahmen: verteilungsabhängig: parametrischer [parametric] Test verteilungsunabhängig: nichtparametrischer [non-parametric] Test Bei parametrischen Tests
MehrAnpassungstests VORGEHENSWEISE
Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel
MehrKlausur 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
MehrTrim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist
MehrSozialwissenschaftlerInnen II
Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Testen von Hypothesen
MehrEs sei x 1. Zeigen Sie mittles vollständiger Induktion, dass dann für jede natürliche Zahl n 0 gilt: n x k = 1 xn+1 1 x.
Aufgabe 1. (5 Punkte) Es sei x 1. Zeigen Sie mittles vollständiger Induktion, dass dann für jede natürliche Zahl n 0 gilt: n x k = 1 xn+1 k=0 1 x. Aufgabe 2. (7 Punkte) Bestimmen Sie das folgende Integral
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
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
MehrStatistik 2 RE Statistik f. Soziologen Klausur MÄRZ 2009 LÖSUNGSVORSCHLAG
1. Familie Feuerstein kauft sich ein neues Auto, vorher aber lassen sie ihr altes verschrotten. Auf dem Weg dorthin werden sie in einer Wohnstrasse, wo nur 30 km/h erlaubt sind, geblitzt. Als sie ihre
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:
MehrKlausur 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
MehrStatistik-Klausur vom
Statistik-Klausur vom 27.09.2010 Bearbeitungszeit: 60 Minuten Aufgabe 1 Ein international tätiges Unternehmen mit mehreren Niederlassungen in Deutschland und dem übrigen Europa hat seine überfälligen Forderungen
Mehre) Beim klassischen Signifikanztest muß die Verteilung der Prüfgröße unter der Nullhypothese
9 Hypothesentests 1 Kapitel 9: Hypothesentests A: Übungsaufgaben: [ 1 ] Bei Entscheidungen über das Ablehnen oder Nichtablehnen von Hypothesen kann es zu Irrtümern kommen. Mit α bezeichnet man dabei die
MehrMathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007
Mathematik IV für Maschinenbau und Informatik Stochastik Universität Rostock, Institut für Mathematik Sommersemester 007 Prof. Dr. F. Liese Dipl.-Math. M. Helwich Serie Termin: 9. Juni 007 Aufgabe 3 Punkte
MehrKapitel 3 Schließende Statistik
Motivation Grundgesamtheit mit unbekannter Verteilung F Stichprobe X 1,...,X n mit Verteilung F Realisation x 1,...,x n der Stichprobe Rückschluss auf F Dr. Karsten Webel 160 Motivation (Fortsetzung) Kapitel
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:...
MehrHypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests
ue biostatistik: hypothesen, fehler 1. und. art, power 1/8 h. lettner / physik Hypothesen: Fehler 1. und. Art, Power eines statistischen Tests Die äußerst wichtige Tabelle über die Zusammenhänge zwischen
MehrKapitel 7. Regression und Korrelation. 7.1 Das Regressionsproblem
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandelt die Verteilung einer Variablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem
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
Mehr73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments
73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind
Mehr5. Stichproben und Statistiken
5. Stichproben und Statistiken Problem: Es sei X eine ZV, die einen interessierenden Zufallsvorgang repräsentiere Man möchte die tatsächliche Verteilung von X kennenlernen (z.b. mittels der VF F X (x)
MehrMultivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Diese Selbstkontrollarbeit bezieht sich auf die Kapitel 1 bis 4 der Kurseinheit 1 (Multivariate Statistik) des Kurses Multivariate Verfahren (883). Hinweise:
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 017 4 Spezielle Zufallsgrößen Einführung 1 Wahrscheinlichkeit: Definition
Mehr