Lösungen Aufgaben zur beschreibenden Statistik
|
|
- Viktoria Wolf
- vor 7 Jahren
- Abrufe
Transkript
1 1. a) Die Verkaufszahlen selber unterliegen verschieden Einussfaktoren (Nachfrage- Entwicklung, Konkurrenzrmen oder Konkurrenzmedien wie z.b. e-books, allgemeine Wirtschaftslage,...; siehe auch b) und c)). Eine statistische Analyse der Verkaufszahlen macht deshalb nur bei einer mehr oder weniger stabilen Marktlage Sinn. Dann wäre es jedoch besser nicht nur die Verkaufszahlen des letzten Jahres zu betrachten, sondern auch die Entwicklung der Verkaufszahlen in den vergangenen Jahren, um sicherzustellen, dass die Verkaufszahlen des letzten Jahres nicht einen Ausreiser (nach oben oder nach unten) darstellen. b) Es ist anzunehmen, dass durch die Intensivierung von Werbung die Verkaufszahlen nach oben steigen. Dadurch wären allenfalls mehr Mitarbeiter notwendig, um die erhöhte Anzahl an Bestellungen zu bewerkstelligen. Ferner stellt sich die Frage, wie das Geld für die Werbung eingesetzt wird: Wird das Geld lediglich für eine Intensivierung der Werbeplatzierungen ausgegeben? Oder werden dazu neue PR-Spezialisten eingestellt, sodass auch in diesem Bereich der Personalbedarf steigt? c) Neue Maschinen benötigen immer neue Techniker und Spezialisten für die Maschine vor Ort. Auf der anderen Seite übernimmt die Maschine einige Arbeiten, welche zuvor von Angestellten manuell getätigt wurden. Bei diesen Angstellten ist nun sicherlich ein Stellenabbau vorzunehmen. Trotzdem benötigt es neu auch Personal, welches die Produkte der Maschine zumindest stichprobenweise überprüft. Es kann aufgrund dieser Aussage also nicht gesagt werden, ob mehr Personal eingestellt oder entlassen werden sollte. Allerdings werden solche Veränderungen in Firmen meistens dann eingesetzt, wenn dies für die Firma rentabler ist, sprich, wenn die Kosteneinsparung beim Personal zu Gunsten der Einführung von Maschinen langfristig zu einer positiven Bilanz führt. Bemerkung: Die Antworten auf die Fragen b) und c) sind allgemeine Überlegungen, die an sich nichts mit Statistik zu tun haben. Sie machen aber deutlich, dass - wie in der Antwort auf die Frage a) angedeutet - die alleinige Betrachtung der Verkaufszahlen kaum sinnvoll ist. Statistische Analysen sind oft hilfreich. Man sollte sich aber immer bewusst sein, dass statistisch ermittelte Zahlen nur eingeschränkt Schlussfolgerungen über komplexe Sachverhalte zulassen. So sagen in diesem Beispiel die letztjährigen Verkaufszahlen nichts darüber aus, wie diese zustande gekommen sind oder welchen Einuss die Werbung und die neuen Maschinen auf die künftigen Verkaufszahlen haben werden.. Die Aussage ist i.a. falsch. Dieselben relativen Häugkeiten zu erhalten, ist in einer Stichprobe beinahe unmöglich, das wäre reiner Zufall. Bei einer guten Stichprobe sollte sich jedoch die Tendenz in die gleiche Richtung bewegen, wie bei einer Vollerhebung. 1
2 3. a) qualitativ, nominal b) metrisch, diskret 1 c) metrisch, diskret d) qualitativ, ordinal e) qualitativ, nominal f) qualitativ, ordinal g) metrisch, stetig h) metrisch, stetig 4. a) Die Aussage ist wahr, denn die Regenmenge (Volumen) kann jeden beliebigen Wert annehmen (in einem plausiblen Intervall für die Regenmenge). b) Die Aussage ist je nach Kontext wahr oder falsch: Normalerweise wird die Temperaturvorhersage nur in ganzen Grad angegeben, z.b. 8 Grad oder 30 Grad. Wenn dies die Bedingung ist, handelt es sich um ein diskretes Merkmal und die Aussage ist falsch. Andererseits kann man bei der Temperaturvorhersage jeden beliebigen Wert prognostizieren, beispielsweise Grad. Das ist zwar etwas unsinnig, aber nicht per se falsch. Mit dieser Begründung handelt es sich um ein stetiges Merkmal und die Aussage ist wahr. c) Die Aussage ist falsch, denn per Denition können diskrete Merkmale nicht jeden beliebigen Wert in einem bestimmten Intervall annehmen, was die Bedingung für ein stetiges Merkmal ist. Beispielsweise kann man 0, 1,, 3,... Geschwister haben (diskretes Merkmal). Wäre die Anzahl Geschwister auch ein stetiges Merkmal, so müssten 1. Geschwister möglich sein, was es jedoch nicht ist. 5. a) Die Augenzahl 4 ist k mal vorgekommen in 0 Würfen. b) h 4 = k 0 6. a) Die kleinst mögliche Augensumme ist = und die grösst mögliche Augensumme ist = 1. Also ist die Menge der möglichen Augensummen {, 3, 4, 5, 6,, 8, 9, 10, 11, 1}. b) H = k c) H 1 = l = h 1 = l 10 d) In den Lösungen von Aufgabe 8.1 im Leitprogramm Einführung in die beschreibende Statistik sieht man, dass genau 36 mögliche Wurfkonstellationen 1 Geldbeträge werden in der Schweiz von Banken auf Rappen gerundet und sind deshalb diskret.
3 vorkommen können. Aber nur wenn beide Würfel die Augenzahl 6 zeigen, ist die Augensumme 1. Deshalb ist günstige Fälle erwartete relative Häugkeit = mögliche Fälle = 1 36, also einer aus 36 Würfen sollte erwartungsgemäss die Augensumme 1 haben.. a) Unter den Schweizern ist die relative Häugkeit für die Blutgruppe 0 (h 0 ) 41%. Wir wissen, dass die absolute Häugkeit (H 0 ) 31 ist. Deshalb benutzen wir die Formel für die relative Häugkeit: h 0 = H 0 n und erhalten somit die Gleichung = 31 = n = 5.61 n Die Reisegruppe zählt also schätzungsweise 6 Personen. b) Unter den Franzosen gilt: h AB = und H AB =. Durch erneutes benutzen der Gleichung für die relative Häugkeit erhalten wir = = n = 00 n 3. Die gesamte Reisegruppe der Franzosen zählt also schätzungsweise 33 Personen. Weiter wissen wir h B = und erhalten somit, dass H B = n h B = = 3 = 5.6 schätzungsweise 6 Personen der Franzosen die Blutgruppe B haben. c) Wir berechnen die relative Häugkeit der Blutgruppe 0 (h 0 ) h 0 = 39 = 0.80 = 80.%. 98 Somit gehören die Einwohner des Dorfes sehr sicher zu den Indianern, welche h 0 = 9% besitzen. 8. Säulendiagramm Anzahl Schüler Fussball Handball Volleyball Tischtennis Golf keine Sportart 3
4 9. Die Aussage ist falsch. Die Summe der relativen Häugkeiten ergibt 100%, also n i=1 h i = 1. Die Summe der absoluten Häugkeiten bestimmt die gesamte Anzahl der untersuchten Objekte, also den Stichprobenumfang. 10. Als negativ könnte man bezeichnen, dass die y-achse nicht bei Null beginnt sondern bei 3'000. Deshalb sehen die Unterschiede zwischen den Jahren sehr viel bedeutsamer und grösser aus, als sie eigentlich sind. Hätte die y-achse bei Null begonnen, wäre in einem solchen Säulendiagramm praktisch kein Unterschied erkennbar und alle Säulen wären für das Auge des Betrachters praktisch auf der gleichen Höhe. Ein positiver Aspekt des Diagramms zeigt sich, wenn man vor allem an den Details der Entwicklung interessiert ist: So kann man im Diagramm sehr schön erkennen, wie die Primarschulzahlen ab 1999 ziemlich linear abfallen. Ferner kann man die genauen Zahlen in den Säulen sehen, die man auf der y-achse nicht so genau ablesen kann. 11. a) b) 1. Klasse : 1 5 = H 1 =. Klasse : 6 50 = H = 5 3. Klasse : 51 5 = H 3 = 5 4. Klasse : = H 4 = 3 1. Klasse : 1 50 = h 1 = 1 0 = 60%. Klasse : = h = 8 0 = 40% 1. a) 5 i=1 (1 + 3i) = = 50 b) 6 i= (i 1) = = 35 c) 10 k=5 k(k + 1) = = 400 d) 6 j=1 10j 1 = =
5 13. a) 5 i=1 i b) 4 i=1 ( 3 i + 5 i+1) = 5 i= c) 10 i= i = 10 i= 1 i oder 9 i=1 ( 3 (i 1) + 5 i) 1 i Durchschnittsalter: x = 1 n k H i x i = i= = 1.14 Modus: 1 Median: 1 (Es sind 106 Besucher, in der Mitte an 53. und 54. Stelle der sortierten Urliste ndet man das Alter 1.) 15. Wir haben x = 1 n n i=1 x i = , also erhalten wir die Gleichung 1 8 (6 } {{ } +x 8 ) = = Durch auösen nach x 8 erhalten wir x 8 = = Fr. 16. Eine erste Möglichkeit wäre es, die Klassenmitten zu mitteln. Dieses Vorgehen ist aber problematisch, wenn die Klassengrössen unterschiedlich gross sind. Beispiel: Eine Schülerin teilt ihre Schulnoten in eine Klasse 'ungenügend' und eine Klasse 'genügend' ein. Der Datensatz könnte wie folgt aussehen:.8 }{{} 1. Klasse } {{ }. Klasse Klasse 'ungenügend': Zehntelnoten von 1 bis 3.9, Klassenmitte = =.45 Klasse 'genügend': Zehntelnoten von 4 bis 6, Klassenmitte = 4+6 = 5 Arithmetisches Mittel der beiden Klassenmitten:.45+5 = 3.5 Mittelwert über alle Noten: 4.4 5
6 Wir sehen, dass das arithmetische Mittel der Klassenmitten ungenügend ist, während der Mittelwert über alle Noten nicht nur genügend, sondern sogar etwa eine Note höher ist. Wenn wir hingegen die Klassenmitten entsprechend den Klassengrössen gewichten, sind wir näher am tatsächlichen Mittelwert: Anz. Ungenügende.45+Anz. Genügende 5 Anzahl Noten = = 4.49 Dies ist immer noch eine relativ grosse Abweichung vom tatsächlichen Mittelwert 4.4. Bei sehr grossen Datenmengen, in denen die Daten mehr oder weniger gleichmässig verteilt sind, ergibt das gewichtete arithmetische Mittel der Klassenmitten aber eine einigermassen vernünftige Abschätzung des tatsächlichen Mittelwertes. Für einen Datensatz bestehend aus n Datenwerten in k max Klassen, wobei in der k. Klasse n k Datenwerte enthalten sind und m k die Klassenmitte der k. Klasse ist, gilt deshalb näherungsweise: x kmax k=1 n k m k kmax k=1 n k = kmax k=1 n k m k n ( Klassen = ) Anzahl Klassenmitte Umfang 1. a) x = ( ) = = b) 5 g-klassen: x 1 40 ( ) = g-klassen: x 1 40 ( ) = 505 c) Relative Abweichung der gewichteten Mittelwerte der Klassenmitten vom tatsächlichen Mittelwert: 5 g-klassen: x x 0.06% 10 g-klassen: 505 x x 0.03% Die Abweichungen der gewichteten Mittel vom tatsächlichen Mittelwert sind relativ gering. 6
7 Lösung mit Excel:
8 18. a) f(x) = y = 5 35 x + 1 f(x) = y = x + 1 b) Wir erstellen eine Tabelle für b) und c) Punkte Note gerundet Note exakt 16 Der Mittelwert der gerundeten Noten ist c) Der Mittelwert der exakten Noten ist d) Der Mittelwert bei den gerundeten Noten ist um 0.0 höher. Es wurde für jeden Wert aufgerundet a) Nein, weil die Statistik nur relative Häugkeiten angibt. Man weiss daraus nichts über absolute Häugkeiten. Hätte man z.b. im Jahr 19 die Statistik mit 3.5 mal so vielen Personen erhoben wie im Jahr 196 (d.h. n = 3.5 n 6 ), so wäre die absolute Anzahl an Personen, welche durch einen Unfall ums Leben gekommen sind, 19 genau gleich hoch wie im Jahr 196. Gemäss der Grak gilt nämlich für die relativen Häugkeiten: Falls nun n = 3.5 n 6 ist, so folgt: h 3.5 = h 6 H 3.5 = H 6 n n 6 H 3.5 = H n 6 n 6 H = H 6 b) Nein, diese Statistik alleine, sagt noch nichts über die Ursache des Anstiegs aus. (Ferner ist - ähnlich wie in a) - auch die Aussage, dass zwischen 19 und 196 zunehmend mehr Menschen infolge einer Kreislauferkrankung gestorben sind, falsch. So wäre stattdessen auch die folgende Situation denkbar: Die absoluten Werte in den anderen drei Kategorien haben abgenommen, während der absolute Wert in der Kategorie Kreislauferkrankung gleich geblieben ist, dann ist die relative Häugkeit der Todesursache Kreislauferkrankung gestiegen, obwohl der absolute Wert genau gleich geblieben ist.) 8
9 c) Jein. Das Problem liegt hier in der Formulierung, die suggeriert, dass der Anteil der an Krebs Gestorbenen zwischen 19 und 196 sukzessive zugenommen hat. Es ist richtig, dass sich die relative Häugkeit etwa vervierfacht hat. Allerdings sagt das nichts darüber aus, wie sich diese relative Häugkeit entwickelt hat. So könnte es sein, dass die relative Häugkeit zwischen 19 und 196 in einem Jahr unter den Wert von 19 gesunken, in einem anderen Jahr aber weit über den Wert von 196 gestiegen ist. d) Nein, dies stimmt nur für den Anteil der untersuchten Todesfälle (relative Häugkeit). Über die absolute Häugkeit haben wir keine Informationen. e) Nur, wenn man die Klasse der 1-15 Jährigen ausschliesst, sonst nein! 0. Wir haben n = 6, somit ist der Median das arithmetische Mittel aus dem drittkleinsten (x (3) ) und dem drittgrössten (x (4) ) Wert, also Median = x (3) + x (4) = 5. Da der drittkleinste Wert aus den gegebenen Grössen 3 ist, welcher kleiner als der Median 5 ist, wissen wir sofort, dass der drittgrösste Wert grösser als 5 sein muss, nämlich 3 + x (4) = 5 = x (4) = 50 3 =. Da der Mittelwert gegeben ist, können wir nun sofort den sechsten Wert herausnden x = 1 ( }{{} +x 6 ) = 40 = x 6 = = 18. =11 1. Wir stellen die Werte in einer Tabelle dar: Modus Median Mittelwert Peter 3, 5 und Kurt 3 und Bei Peter ist der Median grösser als der Mittelwert und bei Kurt ist der Mittelwert grösser als der Median. Peter und Kurt haben völlig unterschiedliche Mediane und Mittelwerte. Die Modi sind bei beiden nicht eindeutig deniert. 9
10 . a) Die absoluten Häugkeiten sind wie folgt: Summe s i Absolute Häugkeit H i Daraus wird ersichtlich, dass Modus = gilt. b) Stimmt mit dem erwarteten Wert überein. 3. a) Es müssen sich alle Personen genau 1 min vorbereiten mit Ausnahme der Arbeiter, welche in der Halle der Kantine sind. Somit ist der optimale Standort in der Halle, in der die meisten Personen arbeiten (was dem Modus entspricht), also Halle D. b) Die Laufwege von der einen in die andere Halle kann in einer Tabelle dargestellt werden: Halle A B C D E A B C D E Um den Gesamtweg aller Arbeiter zu erhalten summieren wir die Anzahl Personen einer Halle multipliziert mit dem Weg von der jeweiligen Halle in die Kantine. Dies ergibt Kantine in Halle A : = Kantine in Halle B : = Kantine in Halle C : = Kantine in Halle D : = Kantine in Halle E : = Die Kantine sollte in der Halle D stehen. Es genügt, wenn man nur die Hinwege berücksichtigt. Die Summe von Hin- und Rückweg ist in allen Fällen doppelt so gross, was das Resultat nicht beeinträchtigt. 10
11 4. Die Aussage ist falsch. Siehe zum Beispiel Aufabe a) Wir benützen dafür die Formel für den Mittelwert x = 1 ( }{{} +x) = 4. = x = = 3.4 =0.1 b) Mit Hilfe des Verschiebungssatzes erhalten wir σ = = Die realen Werte liegen mit grosser Wahrscheinlichkeit im Intervall ( x σ, x + σ). Wir stellen diese Werte nun in einer Tabelle dar: Firma A Firma B Firma C Firma D x σ x + σ Firma B sollte man nicht wählen, da bei dieser Firma die Zahnräder mit grosser Wahrscheinlichkeit nicht.10 mm Durchmesser haben. Firma A hat zwar genau den Mittelwert x =.10, jedoch auch eine relativ grosse Abweichung von diesem gewünschten Wert, so dass die Zahnräder relativ sicher nicht exakt den gewünschten Durchmesser besitzen. Firma C hat eine sehr kleine Standardabweichung, so dass die Zahnräder mit grosser Wahrscheinlichkeit einen Durchmesser zwischen.10 mm und.1 mm haben, was doch nahe am gewünschten ist. Bei Firma D ist das Intervall mit 0.04 mm bereits doppelt so breit wie bei C mit 0.0 mm, weshalb Firma C zu bevorzugen wäre. Interessant und hilfreich ist auch folgende Betrachtung: Firma A Firma B Firma C Firma D x σ Summe Bei der Firma C ist die Summe der Abweichung des Mittelwerts vom Idealwert.10 mm und der Standardabweichung am kleinsten. 11
12 . Die Aussage ist wahr, denn gemäss Denition der Standarbweichung müssen für ein kleine Standardabweichung σ fast alle gemessenen Werte in der Nähe des Mittelwertes sein. Somit beschreibt eine kleine Standardabweichung eine konstante Messung oder in diesem Beispiel eine konstante Leistung. 8. Wir haben x = 40mg und σ = 0.0. a) 68.% der Tabletten sind im Bereich ( x σ, x + σ) = (39.8, 40.). Da die Normalverteilung symmetrisch um den Mittelwert x ist, haben somit % = 34.% der Tabletten ein Gewicht zwischen 40 mg und 40. mg. b) 95.5% der Tabletten sind im Bereich ( x σ, x+σ) = (39.6, 40.4). Das heisst, dass aufgrund der Symmetrie der Normalverteilung bloss 1 (100% 95.5%) =.5% der Tabletten leichter als 39.6 mg sind bzw..5% schwerer als 40.4 mg. Somit unterschreiten 100% -.5% = 9.5% ein Gewicht von 40.4 mg. c) 99.% aller Tabletten haben gemäss der Standardnormalverteilung ein Gewicht im Intervall [ x 3σ, x + 3σ] = [39.4, 40.6]. Somit sind 0.15% aller Tabletten leichter als 39.4 mg und 0.15% aller Tabletten sind schwerer als 40.6 mg. 9. Die Aussage ist wahr, denn die Normalverteilung ist symmetrisch um den Mittelwert x, welcher mit grösster Wahrscheinlichkeit angenommen wird. Da der Modus ebenfalls den Wert meint, welcher am häugsten Auftritt, ist der Mittelwert äquivalent zum Modus bei einer normalverteilten Urliste. 30. a) Sortierte Urliste: {6.34, 6.53, 6.55, 6.5, 6.60, 6.6, 6.0, 6.5, 6.81, 6.84} km l l/100 km b) Boxplot: q 1 = 6.55, q = 6.63, q 3 = 6.5 1
3. Deskriptive Statistik
3. Deskriptive Statistik Eindimensionale (univariate) Daten: Pro Objekt wird ein Merkmal durch Messung / Befragung/ Beobachtung erhoben. Resultat ist jeweils ein Wert (Merkmalsausprägung) x i : - Gewicht
Mehrabsolute Häufigkeit h: Anzahl einer bestimmten Note relative Häufigkeit r: Anzahl einer bestimmten Note, gemessen an der Gesamtzahl der Noten
Statistik Eine Aufgabe der Statistik ist es, Datenmengen zusammenzufassen und darzustellen. Man verwendet dazu bestimmte Kennzahlen und wertet Stichproben aus, um zu Aussagen bzw. Prognosen über die Gesamtheit
MehrBachelor BEE Statistik Übung: Blatt 1 Ostfalia - Hochschule für angewandte Wissenschaften Fakultät Versorgungstechnik Aufgabe (1.1): Gegeben sei die folgende Messreihe: Nr. ph-werte 1-10 6.4 6.3 6.7 6.5
MehrBrückenkurs Statistik für Wirtschaftswissenschaften
Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München
MehrInformatik II Grundbegriffe der Wahrscheinlichkeitsrechnung
lausthal Informatik II rundbegriffe der Wahrscheinlichkeitsrechnung. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Begriffe Definition: Unter einem Zufallsexperiment versteht man einen,
MehrBeispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es
Beispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es beim radioaktiven Zerfall, zwischen 100 und 110 Zerfälle
Mehr4. Erstellen von Klassen
Statistik mit Tabellenkalkulation 4. Erstellen von Klassen Mit einem einfachen Befehl lässt sich eine Liste von Zahlen auf die Häufigkeit der einzelnen Werte untersuchen. Verwenden Sie dazu den Befehl
MehrEinführung in die Statistik Kapitel 6: Crash-Course in Statistik: Testtheorie
Einführung in die Statistik Kapitel 6: Crash-Course in Statistik: Testtheorie Jung Kyu Canci Universität Basel HS2015 1 / 15 Literatur Kapitel 6 Statistik in Cartoons : Kapitel 8 Krengel : 6 und 14 Storrer
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
MehrLagemaße Übung. Zentrale Methodenlehre, Europa Universität - Flensburg
Lagemaße Übung M O D U S, M E D I A N, M I T T E L W E R T, M O D A L K L A S S E, M E D I A N, K L A S S E, I N T E R P O L A T I O N D E R M E D I A N, K L A S S E M I T T E Zentrale Methodenlehre, Europa
MehrHerzlich willkommen zur Vorlesung Statistik. Streuungsmaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung
FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkommen zur Vorlesung Statistik smaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung FB 1 W. Ludwig-Mayerhofer
MehrAuf dem Schulfest bietet Peter als Spielleiter das Glücksspiel "GlücksPasch" an.
Aufgabe 4 Glückspasch" (16 Punkte) Auf dem Schulfest bietet Peter als Spielleiter das Glücksspiel "GlücksPasch" an. Spielregeln: Einsatz 1. Der Mitspieler würfelt mit 2 Oktaederwürfeln. Fällt ein Pasch,
MehrZufallsvariablen [random variable]
Zufallsvariablen [random variable] Eine Zufallsvariable (Zufallsgröße) X beschreibt (kodiert) die Versuchsausgänge ω Ω mit Hilfe von Zahlen, d.h. X ist eine Funktion X : Ω R ω X(ω) Zufallsvariablen werden
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übungen für die kompetenzbasierte Abschlussprüfung 1. 60 Äpfel wurden gewogen und die Ergebnisse in einem Boxplot-Diagramm dargestellt. Ergänzen Sie die folgenden
MehrHinweis: Es sind 4 aus 6 Aufgaben zu bearbeiten. Werden mehr als 4 Aufgaben bearbeitet, werden nur die ersten vier Aufgaben gewertet.
11.01.2012 Prof. Dr. Ingo Klein Klausur zur VWA-Statistik Hinweis: Es sind 4 aus 6 Aufgaben zu bearbeiten. Werden mehr als 4 Aufgaben bearbeitet, werden nur die ersten vier Aufgaben gewertet. Aufgabe 1:
MehrErwartungswert, Varianz und Standardabweichung einer Zufallsgröße. Was ist eine Zufallsgröße und was genau deren Verteilung?
Erwartungswert, Varianz und Standardabweichung einer Zufallsgröße Von Florian Modler In diesem Artikel möchte ich einen kleinen weiteren Exkurs zu meiner Serie Vier Wahrscheinlichkeitsverteilungen geben
MehrStatistik eindimensionaler Größen
Statistik eindimensionaler Größen Michael Spielmann Inhaltsverzeichnis 1 Aufgabe der eindimensionalen Statistik 2 2 Grundbegriffe 2 3 Aufbereiten der Stichprobe 3 4 Die Kennzahlen Mittelwert und Streuung,
Mehr1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18
3. Deskriptive Statistik Ziel der deskriptiven (beschreibenden) Statistik (explorativen Datenanalyse) ist die übersichtliche Darstellung der wesentlichen in den erhobenen Daten enthaltene Informationen
MehrInferenzstatistik (=schließende Statistik)
Inferenzstatistik (=schließende Statistik) Grundproblem der Inferenzstatistik: Wie kann man von einer Stichprobe einen gültigen Schluß auf di Grundgesamtheit ziehen Bzw.: Wie groß sind die Fehler, die
MehrStatistische Tests zu ausgewählten Problemen
Einführung in die statistische Testtheorie Statistische Tests zu ausgewählten Problemen Teil 4: Nichtparametrische Tests Statistische Testtheorie IV Einführung Beschränkung auf nichtparametrische Testverfahren
Mehr1 45, 39, 44, 48, 42, 39, 40, , 31, 46, 35, 31, 42, 51, , 42, 33, 46, 33, 44, 43
1) Ermittle jeweils das arithmetische Mittel. Ordne die Datenerhebungen nach der Größe der arithmetischen Mittel. Beginne mit dem Größten. 1 45, 39, 44, 48, 42, 39, 40, 31 2 35, 31, 46, 35, 31, 42, 51,
MehrStochastik für die Naturwissenschaften
Stochastik für die Naturwissenschaften Dr. C.J. Luchsinger 5. Erwartungswert E und Varianz V Literatur Kapitel 5 * Storrer: (37.9)-(37.12), (38.4), (40.6)-(40.9), (41.2) * Stahel: Kapitel 5 und 6 (nur
MehrUnabhängigkeit KAPITEL 4
KAPITEL 4 Unabhängigkeit 4.1. Unabhängigkeit von Ereignissen Wir stellen uns vor, dass zwei Personen jeweils eine Münze werfen. In vielen Fällen kann man annehmen, dass die eine Münze die andere nicht
MehrÜbung 1: Wiederholung Wahrscheinlichkeitstheorie
Übung 1: Wiederholung Wahrscheinlichkeitstheorie Ü1.1 Zufallsvariablen Eine Zufallsvariable ist eine Variable, deren numerischer Wert solange unbekannt ist, bis er beobachtet wird. Der Wert einer Zufallsvariable
MehrHypothesentest, ein einfacher Zugang mit Würfeln
R. Brinkmann http://brinkmann-du.de Seite 4..4 ypothesentest, ein einfacher Zugang mit Würfeln Von einem Laplace- Würfel ist bekannt, dass bei einmaligem Wurf jede einzelne der Zahlen mit der Wahrscheinlichkeit
MehrKapitel 2. Häufigkeitsverteilungen
6 Kapitel 2 Häufigkeitsverteilungen Ziel: Darstellung bzw Beschreibung (Exploration) einer Variablen Ausgangssituation: An n Einheiten ω,, ω n sei das Merkmal X beobachtet worden x = X(ω ),, x n = X(ω
MehrExemplar für Prüfer/innen
Exemplar für Prüfer/innen Kompensationsprüfung zur standardisierten kompetenzorientierten schriftlichen Reifeprüfung AHS Juni 2015 Mathematik Kompensationsprüfung Angabe für Prüfer/innen Hinweise zur Kompensationsprüfung
MehrKapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße. x mod (lies: x-mod) Wofür? Lageparameter. Modus/ Modalwert Zentrum. Median Zentralwert
Kapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße Wofür? Lageparameter Modus/ Modalwert Zentrum Median Zentralwert Im Datensatz stehende Informationen auf wenige Kenngrößen verdichten ermöglicht
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF DR ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 07052013 Mittelwerte und Lagemaße II 1 Anwendung und Berechnung
Mehr8. Statistik Beispiel Noten. Informationsbestände analysieren Statistik
Informationsbestände analysieren Statistik 8. Statistik Nebst der Darstellung von Datenreihen bildet die Statistik eine weitere Domäne für die Auswertung von Datenbestände. Sie ist ein Fachgebiet der Mathematik
MehrBeispiel 2 (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter)
Beispiel (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter) 1 Ein Statistiker ist zu früh zu einer Verabredung gekommen und vertreibt sich nun die Zeit damit, daß er die Anzahl X der Stockwerke
MehrKapitel 1 Beschreibende Statistik
Beispiel 1.25: fiktive Aktienkurse Zeitpunkt i 0 1 2 Aktienkurs x i 100 160 100 Frage: Wie hoch ist die durchschnittliche Wachstumsrate? Dr. Karsten Webel 53 Beispiel 1.25: fiktive Aktienkurse (Fortsetzung)
MehrEine zweidimensionale Stichprobe
Eine zweidimensionale Stichprobe liegt vor, wenn zwei qualitative Merkmale gleichzeitig betrachtet werden. Eine Urliste besteht dann aus Wertepaaren (x i, y i ) R 2 und hat die Form (x 1, y 1 ), (x 2,
MehrStatistik 2 für SoziologInnen. Normalverteilung. Univ.Prof. Dr. Marcus Hudec. Themen dieses Kapitels sind:
Statistik 2 für SoziologInnen Normalverteilung Univ.Prof. Dr. Marcus Hudec Statistik 2 für SoziologInnen 1 Normalverteilung Inhalte Themen dieses Kapitels sind: Das Konzept stetiger Zufallsvariablen Die
Mehr2. Mathematik-Schularbeit für die 6. Klasse Autor: Gottfried Gurtner
2. Mathematik-Schularbeit für die 6. Klasse Autor: Gottfried Gurtner Arbeitszeit: 100 Minuten Lernstoff: Mathematische Grundkompetenzen: AG2.1, AG2.2, AG2.3 FA1.1, FA1.5, FA1.6, FA1.7, FA1.9 FA2.1, FA2.2,
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.
Mehr1. Maße der zentralen Tendenz Beispiel: Variable Anzahl der Geschwister aus Jugend '92. Valid Cum Value Frequency Percent Percent Percent
Deskriptive Statistik 1. Verteilungsformen symmetrisch/asymmetrisch unimodal(eingipflig) / bimodal (zweigipflig schmalgipflig / breitgipflig linkssteil / rechtssteil U-förmig / abfallend Statistische Kennwerte
MehrAngewandte Statistik 3. Semester
Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen
Mehr3.2 Streuungsmaße. 3 Lage- und Streuungsmaße 133. mittlere Variabilität. geringe Variabilität. große Variabilität 0.0 0.1 0.2 0.3 0.4 0.
Eine Verteilung ist durch die Angabe von einem oder mehreren Mittelwerten nur unzureichend beschrieben. Beispiel: Häufigkeitsverteilungen mit gleicher zentraler Tendenz: geringe Variabilität mittlere Variabilität
MehrDr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen Hochschule Esslingen Übungsblatt 2. Statistik
Dr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen 6.10.2016 Hochschule Esslingen Übungsblatt 2 Statistik Stichworte: arithmetischer Mittelwert, empirische Varianz, empirische Standardabweichung, empirischer
MehrFachrechnen für Tierpfleger
Z.B.: Fachrechnen für Tierpfleger A10. Statistik 10.1 Allgemeines Was ist Statistik? 1. Daten sammeln: Durch Umfragen, Zählung, Messung,... 2. Daten präsentieren: Tabellen, Grafiken 3. Daten beschreiben/charakterisieren:
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
MehrEs können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden.
Teil III: Statistik Alle Fragen sind zu beantworten. Es können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden. Wird
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
MehrBiomathematik für Mediziner, Klausur SS 2001 Seite 1
Biomathematik für Mediziner, Klausur SS 2001 Seite 1 Aufgabe 1: Von den Patienten einer Klinik geben 70% an, Masern gehabt zu haben, und 60% erinnerten sich an eine Windpockeninfektion. An mindestens einer
MehrFachhochschule Düsseldorf Wintersemester 2008/09
Fachhochschule Düsseldorf Wintersemester 2008/09 Teilfachprüfung Statistik im Studiengang Wirtschaft Prüfungsdatum: 26.01.2009 Prüfer: Prof. Dr. H. Peters, Diplom-Vw. Lothar Schmeink Prüfungsform: 2-stündige
MehrInhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden
Inhaltsverzeichnis Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3 Warum Statistik? 3 Checkpoints 4 Daten 4 Checkpoints 7 Skalen - lebenslang wichtig bei der Datenanalyse
MehrStatistiken deuten und erstellen
Statistiken deuten und erstellen Dipl. Ök. Jens K. Perret, M.Sc. Evgenija Yushkova, M.A. Schumpeter School of Business and Economics Bergische Universität Wuppertal Gaußstraße 20 42097 Wuppertal Inhalt
MehrP (A B) P (B) = P ({3}) P ({1, 3, 5}) = 1 3.
2 Wahrscheinlichkeitstheorie Beispiel. Wie wahrscheinlich ist es, eine Zwei oder eine Drei gewürfelt zu haben, wenn wir schon wissen, dass wir eine ungerade Zahl gewürfelt haben? Dann ist Ereignis A das
MehrThema: Mittelwert einer Häufigkeitsverteilung. Welche Informationen kann der Mittelwert geben?
Thema: Mittelwert einer Häufigkeitsverteilung Beispiel: Im Mittel werden deutsche Männer 75,1 Jahre alt; sie essen im Mittel pro Jahr 71 kg Kartoffel(-produkte) und trinken im Mittel pro Tag 0.35 l Bier.
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
MehrLage- und Streuungsparameter
Lage- und Streuungsparameter Beziehen sich auf die Verteilung der Ausprägungen von intervall- und ratio-skalierten Variablen Versuchen, diese Verteilung durch Zahlen zu beschreiben, statt sie graphisch
MehrTesten von Hypothesen:
Testen von Hypothesen: Ein Beispiel: Eine Firma produziert Reifen. In der Entwicklungsabteilung wurde ein neues Modell entwickelt, das wesentlich ruhiger läuft. Vor der Markteinführung muss aber auch noch
MehrWelcher Bruch liegt genau zwischen den Brüchen 1 9 und 1 10? Um diese Frage zu beantworten, musst du das arithmetische Mittel berechnen!
1 Wie viele rationale Zahlen liegen zwischen folgenden Zahlen? a) 0 und 1 c) 0 und 0,001 b) 0 und 0,1 d) 0,001 und 0,0001 2 Welche rationalen Zahlen sind hier dargestellt? 3 In Kürze werden die Luftballons
MehrÜbung zu Empirische Ökonomie für Fortgeschrittene SS 2009
Übung zu Empirische Ökonomie für Fortgeschrittene Steen Elstner, Klaus Wohlrabe, Steen Henzel SS 9 1 Wichtige Verteilungen Die Normalverteilung Eine stetige Zufallsvariable mit der Wahrscheinlichkeitsdichte
MehrGrundbegriffe der Wahrscheinlichkeitsrechnung
Algorithmen und Datenstrukturen 349 A Grundbegriffe der Wahrscheinlichkeitsrechnung Für Entwurf und Analyse randomisierter Algorithmen sind Hilfsmittel aus der Wahrscheinlichkeitsrechnung erforderlich.
MehrP (X = 2) = 1/36, P (X = 3) = 2/36,...
2.3 Zufallsvariablen 2.3 Zufallsvariablen Meist sind die Ereignisse eines Zufallseperiments bereits reelle Zahlen. Ist dies nicht der Fall, kann man Ereignissen eine reelle Zahl zuordnen. Zum Beispiel
MehrMathematik: LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 12. Erwartungswert, Varianz und Standardabweichung
Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester ARBEITSBLATT Erwartungswert, Varianz und Standardabweichung Die Begriffe Varianz und Standardabweichung sind uns bereits aus der Statistik bekannt
MehrUnivariate Häufigkeitsverteilungen Kühnel, Krebs 2001: Statistik für die Sozialwissenschaften, S.41-66
Univariate Häufigkeitsverteilungen Kühnel, Krebs 2001: Statistik für die Sozialwissenschaften, S.41-66 Gabriele Doblhammer: Empirische Sozialforschung Teil II, SS 2004 1/19 Skalenniveaus Skalenniveau Relation
MehrÜber den Autor 7 Über den Fachkorrektor 7. Einführung 19
Inhaltsverzeichnis Über den Autor 7 Über den Fachkorrektor 7 Einführung 19 Über dieses Buch 19 Törichte Annahmen über den Leser 20 Wie dieses Buch aufgebaut ist 20 Teil I: Ein paar statistische Grundlagen
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 12.5.2006 1 Test auf Anteilswert: Binomialtest Sei eine Stichprobe unabhängig, identisch verteilter ZV (i.i.d.). Teile diese Stichprobe in zwei Teilmengen
MehrÜbungen mit dem Applet Vergleich von zwei Mittelwerten
Vergleich von zwei Mittelwerten 1 Übungen mit dem Applet Vergleich von zwei Mittelwerten 1 Statistischer Hintergrund... 2 1.1 Typische Fragestellungen...2 1.2 Fehler 1. und 2. Art...2 1.3 Kurzbeschreibung
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
MehrStatistische Grundlagen I
Statistische Grundlagen I Arten der Statistik Zusammenfassung und Darstellung von Daten Beschäftigt sich mit der Untersuchung u. Beschreibung von Gesamtheiten oder Teilmengen von Gesamtheiten durch z.b.
MehrKapitel 12 Stetige Zufallsvariablen Dichtefunktion und Verteilungsfunktion. stetig. Verteilungsfunktion
Kapitel 12 Stetige Zufallsvariablen 12.1. Dichtefunktion und Verteilungsfunktion stetig Verteilungsfunktion Trägermenge T, also die Menge der möglichen Realisationen, ist durch ein Intervall gegeben Häufig
MehrLösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK
Institut für Stochastik Dr. Steffen Winter Lösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK für Studierende der INFORMATIK vom 17. Juli 01 (Dauer: 90 Minuten) Übersicht über
MehrAuswahl von Schätzfunktionen
Auswahl von Schätzfunktionen Worum geht es in diesem Modul? Überblick zur Punktschätzung Vorüberlegung zur Effizienz Vergleich unserer Schätzer für My unter Normalverteilung Relative Effizienz Einführung
MehrÜbungsaufgaben zu Kapitel 2 und 3
Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 2 und 3... 2 Aufgabe 1... 2 Aufgabe 2... 2 Aufgabe 3... 2 Aufgabe 4... 3 Aufgabe 5... 3 Aufgabe 6... 3 Aufgabe 7... 4 Aufgabe 8... 4 Aufgabe 9... 5 Aufgabe
Mehr3.5 Beschreibende Statistik. Inhaltsverzeichnis
3.5 Beschreibende Statistik Inhaltsverzeichnis 1 beschreibende Statistik 26.02.2009 Theorie und Übungen 2 1 Die Darstellung von Daten 1.1 Das Kreisdiagramm Wir beginnen mit einem Beispiel, welches uns
MehrInhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 10 Prof. Dr. Karin Melzer, Prof. Dr. Gabriele Gühring, Fakultät Grundlagen
Inhaltsverzeichnis: 1. Übungsaufgaben zu Kapitel 2 und 3... 2 Aufgabe 1... 2 Aufgabe 2... 2 Aufgabe 3... 2 Aufgabe 4... 2 Aufgabe 5... 3 Aufgabe 6... 3 Aufgabe 7... 4 Aufgabe 8... 4 Aufgabe 9... 4 Aufgabe
MehrWahrscheinlichkeitstheorie und Statistik vom
INSTITUT FÜR STOCHASTIK SS 2007 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Dipl.-Math. oec. W. Lao Klausur (Maschineningenieure) Wahrscheinlichkeitstheorie und Statistik vom 2.9.2007 Musterlösungen
MehrComputersimulation des Qualitätstests
.1 Computersimulation des Qualitätstests In diesem Kapitel erreichen wir ein erstes entscheidendes Ziel: Wir ermitteln näherungsweise die Wahrscheinlichkeiten und für die Fehler 1. und. Art und zwar ohne
MehrStatistik. Jan Müller
Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen
Mehr3.3 Bedingte Wahrscheinlichkeit
28 3.3 Bedingte Wahrscheinlichkeit Oft ist die Wahrscheinlichkeit eines Ereignisses B gesucht unter der Bedingung (bzw. dem Wissen), dass ein Ereignis A bereits eingetreten ist. Man bezeichnet diese Wahrscheinlichkeit
MehrMittelwert und Standardabweichung
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Mittelwert und Standardabweichung Überblick Mittelwert Standardabweichung Weitere Maße
Mehr6 Vertiefende Themen aus des Mechanik
6 Vertiefende Themen aus des Mechanik 6.1 Diagramme 6.1.1 Steigung einer Gerade; Änderungsrate Im ersten Kapitel haben wir gelernt, was uns die Steigung (oft mit k bezeichnet) in einem s-t Diagramm ( k=
MehrÜbungsblatt 9. f(x) = e x, für 0 x
Aufgabe 1: Übungsblatt 9 Basketball. Ein Profi wirft beim Training aus einer Entfernung von sieben Metern auf den Korb. Er trifft bei jedem Wurf mit einer Wahrscheinlichkeit von p = 1/2. Die Zufallsvariable
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
Mehr10. Die Normalverteilungsannahme
10. Die Normalverteilungsannahme Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Bisher haben wir vorausgesetzt, daß die Beobachtungswerte normalverteilt sind. In diesem Fall kann man
MehrKurs 2 Stochastik EBBR Vollzeit (1 von 2)
Erwachsenenschule Bremen Abteilung I: Sekundarstufe Doventorscontrescarpe 172 A 281 Bremen Kurs 2 Stochastik EBBR Vollzeit (1 von 2) Name: Ich 1. 2. 3. 4.. 6. 7. So schätze ich meinen Lernzuwachs ein.
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,...,
MehrDefinition 2.1 Der Erwartungswert einer diskreten Zufallsvariablen mit Wahrscheinlichkeitsfunktion
Kapitel 2 Erwartungswert 2.1 Erwartungswert einer Zufallsvariablen Definition 2.1 Der Erwartungswert einer diskreten Zufallsvariablen mit Wahrscheinlichkeitsfunktion È ist definiert als Ü ÜÈ Üµ Für spätere
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 26.02.2008 1 Warum Statistik und Wahrscheinlichkeits rechnung im Ingenieurwesen? Zusammenfassung der letzten Vorlesung Statistik und Wahrscheinlichkeitsrechnung
MehrSTATISTIK. Erinnere dich
Thema Nr.20 STATISTIK Erinnere dich Die Stichprobe Drei Schüler haben folgende Noten geschrieben : Johann : 4 6 18 7 17 12 12 18 Barbara : 13 13 12 10 12 3 14 12 14 15 Julia : 15 9 14 13 10 12 12 11 10
MehrAussagen hierzu sind mit einer unvermeidbaren Unsicherheit behaftet, die statistisch über eine Irrtumswahrscheinlichkeit bewertet wird.
Stichprobenumfang Für die Fragestellung auf Gleichheit von ein oder zwei Stichproben wird auf Basis von Hypothesentests der notwendige Stichprobenumfang bestimmt. Deshalb werden zunächst die Grundlagen
MehrGrundlegende Eigenschaften von Punktschätzern
Grundlegende Eigenschaften von Punktschätzern Worum geht es in diesem Modul? Schätzer als Zufallsvariablen Vorbereitung einer Simulation Verteilung von P-Dach Empirische Lage- und Streuungsparameter zur
MehrVorlesung Grundlagen der Biometrie WS 2011/12 1. Grundbegriffe
Vorlesung Grundlagen der Biometrie WS 2011/12 1. Grundbegriffe Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 1. Grundbegriffe der beschreibenden Statistik Statistische Einheiten, Grundgesamtheit
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
MehrWahrscheinlichkeits - rechnung und Statistik
Michael Sachs Mathematik-Studienhilfen Wahrscheinlichkeits - rechnung und Statistik für Ingenieurstudenten an Fachhochschulen 4., aktualisierte Auflage 2.2 Eindimensionale Häufigkeitsverteilungen 19 absolute
MehrForschungsmethoden in der Sozialen Arbeit
Forschungsmethoden in der Sozialen Arbeit Fachhochschule für Sozialarbeit und Sozialpädagogik Alice- Salomon Hochschule für Soziale arbeit, Gesundheit, Erziehung und Bildung University of Applied Sciences
MehrRegelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall
Wahrscheinlichkeitstheorie Was will die Sozialwissenschaft damit? Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall Auch im Alltagsleben arbeiten wir mit Wahrscheinlichkeiten, besteigen
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
MehrAnteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen. Anteile Häufigkeiten Verteilungen
DAS THEMA: VERTEILUNGEN LAGEMAßE - STREUUUNGSMAßE Anteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen Anteile Häufigkeiten Verteilungen Anteile und Häufigkeiten Darstellung
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 2C a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Bei HHEINK handelt es sich um eine metrische Variable. Bei den Analysen sollen Extremwerte ausgeschlossen werden. Man sollte
MehrVerteilungen und ihre Darstellungen
Verteilungen und ihre Darstellungen Übung: Stamm-Blatt-Diagramme Wie sind die gekennzeichneten Beobachtungswerte eweils zu lesen? Tragen Sie in beiden Diagrammen den Wert 0.452 an der richtigen Stelle
MehrDie zweite Form ist die Profillinie, in der die Mittelwerte aller Skalafragen in einer Übersicht übereinander dargestellt werden.
PDF-REPORT INTERPRETIEREN. ABER WIE? Immer wieder kamen in der Vergangenheit Fragen zu den PDF-Reports auf, die von Eva- Sys automatisch erstellt werden. Insbesondere betrafen diese Rückfragen die Grafiken,
MehrDiese Gleichung hat für einige a nur Lösungen aus C und nicht aus R.
Aufgabe 1 Zahlenmengen, quadratische Gleichungen Gegeben ist eine quadratische Gleichung a 0 mit a R. Kreuzen Sie die beiden zutreffenden Aussagen an! Diese Gleichung hat für einige a nur Lösungen aus
MehrI. Deskriptive Statistik 1
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Grundgesamtheit und Stichprobe.................. 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................
MehrZufallsgröße. Würfelwurf mit fairem Würfel. Wahrscheinlichkeitsverteilung einer diskreten
Zufallsgrößen Ergebnisse von Zufallsexperimenten werden als Zahlen dargestellt 0 Einführung Wahrscheinlichkeitsrechnung 2 Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Hypothesentests
Mehr