Induktive Schlussweise. Schätzfunktionen und Schätzverfahren. Bibliografie
|
|
- Andreas Schuler
- vor 6 Jahren
- Abrufe
Transkript
1 Auswertug uivariater Datemege -iduktiv - Iduktive Schlussweise Schätzfuktioe ud Schätzverfahre Schätzug I Bibliografie Prof. Dr. Kück Uiversität Rostock Statistik, Vorlesugsskript Abschitt 7..; 7.. Bleymüller / Gehlert / Gülicher Verlag Vahle Statistik für Wirtschaftswisseschaftler MMStat. Eie iteraktive Eiführug i die Welt der Statistik PC Pool WISO-Fakultät \\zeus\statistik\mmstat\start Dr. Rolad Jeske, Uiversität Kostaz Dr. H.-J. Mittag, Feruiversität Hage Schätzug I
2 Iduktive Schlussweise - Beispiel Beispiel : (Durchmesser der Welle I eier Maschiebaufabrik werde Welle mit eiem Nemaß vo 0 mm Durchmesser (Merkmal gedreht. Um die Zuverlässigkeit der Produktio zu überprüfe, werde aus der Tagesproduktio vo.000 Welle 50 zufällig ausgewählte exakt gemesse ud dere mittlerer Durchmesser berechet. Auf Grud der Differez zwische dem Sollwert ud dem berechete mittlere Durchmesser wird auf die Zuverlässigkeit der Tagesproduktio zurück geschlosse. Schätzug I Gemeisamkeite bei Awedug der Methode der iduktive Statistik Gegebe ist eie statistische Masse (z. B..000 Welle Tagesproduktio. Über ei bei dieser Masse utersuchtes Merkmal (Durchmesser der Welle möchte ma bestimmte Aussage mache (Ausschussateil. Eie Utersuchug der vollstädige statistische Masse ist icht möglich, zu teuer, icht zweckmäßig. Ma beschräkt sich deshalb auf eie ausgewählte Teil der Gesamtmasse, eie Stichprobe (z. B. 50 zufällig ausgewählte Welle. Aus de Ergebisse der statistische Utersuchug der ausgewählte Stichprobe soll auf die Gesamtmasse zurückgeschlosse werde. Schätzug I
3 Gegestad der iduktive Statistik Wie ma aus de Ergebisse der statistische Utersuchug eier Stichprobe (Teilmasse auf die übergeordete Grudgesamtheit (Gesamtmasse schließe ka, ist der Gegestad der iduktive oder schließede Statistik. Die wichtigste Teile der iduktive Statistik sid: Schätzverfahre Testverfahre Schätzug I 5 Grudlage des Schätzes Gesucht wird ei Wert, ei Parameter für eie ubekate Grudgesamtheit. Schätzug I 6
4 Testverfahre Statistische Tests sid Verfahre zur Überprüfug vo Aahme bzw. Hypothese über ubekate Parameterwerte eier Verteilug bzw. über die ubekate Verteilug eies Merkmals i der Grudgesamtheit auf der Basis der Ergebisse eier Zufallsstichprobe. Solche Aahme köe auf theoretische Überleguge, frühere Beobachtuge, Sollwerte, Güteaforderuge, Erfahruge, Behauptuge usw. basiere. Schätzug I 7 Iduktive Schlussweise -Problemstellug- Grudgesamtheit Zufallsstichprobe : utersuchtes Merkmal i d. GG Parameter ud Verteilugsfuktio x, x, x,... x µ, σ², θ, F(x Für GG i. Allg. ubekat Iduktio x, s², p, F i Für SP bekat Schätze Teste (Hypothese prüfe Schätzug I 8
5 Schätzug vo Lage- ud Streuugsparameter -Aufgabestellug- Das Iteresse richtet sich hier auf die ubekate Parameter q (wie z. B. Erwartugswert µ, Variaz σ oder Ateilswert θ eier Verteilug i der Grudgesamtheit (Parameterschätzug. Der Wert dieses Parameters q ist ubekat ud soll mittels eier Zufallsstichprobe geschätzt werde. Dabei uterscheidet ma zwei Arte vo Schätzuge: Puktschätzug ud Itervallschätzug. Schätzug I 9 Parameterschätzug Beispiel: Es soll das Merkmal : Eikomme aller -Persoe-Haushalte der Hasestadt Rostock utersucht werde. Dabei iteressiert vor allem, wie hoch das Durchschittseikomme µ sowie die etsprechede Streuug σ² dieses Merkmals für diese Haushaltstyp i Rostock sid. Dazu befragt ma 00 zufällig ausgewählte -Persoe Haushalte. Ma ka je Parameter eie Schätzwert agebe oder ei Itervall, welches de zu schätzede Parameter mit eier bestimmte Sicherheit eischließt bzw. überdeckt. Schätzug I 0 5
6 Puktschätzug Als Puktschätzug wird die Ermittlug eies eizele Schätzwertes für de Parameter q der Grudgesamtheit aufgrud der Ergebisse eier Zufallsstichprobe bezeichet. Eie Aufgabe der Schätzugstheorie ist es, gute Schätzfuktioe, Schätzer geat, zu ermittel. Diese Schätzfuktioe solle eie möglichst gute Näherugswert für de ubekate Parameter liefer. Schätzug I Puktschätzug, Schätzer, Schätzuge Grudgesamtheit Zufallsstichprobe F(x Parameter q z. B. µ, σ², θ Schätzer Qˆ qˆ Schätzuge g(x, x, K, x qˆ g(x,x, K,x qˆ g(x, x, K, x g(,, K, Eifache Zufallsstichprobe,,..., F i (xf (x,,..., Realisatioe x, x,..., x x, x,..., x x, x,..., x Schätzug I 6
7 Schätzer bzw. Schätzfuktio als Zufallsgröße Ei Schätzer Qˆ g(,, K, eies Parameters q ist eie Fuktio der Zufallsvariable (der Stichprobevariable ud deshalb selbst wieder eie Zufallsvariable. Als Zufallsvariable besitzt er eie Verteilug, Stichprobeverteilug geat. Für die Verteilug der Schätzfuktio (des Schätzers ka - der Erwartugswert E( Qˆ - die Variaz Var( Qˆ ud - die Stadardabweichug σ( Qˆ ermittelt werde. Schätzug I Schätzer für µ -Beispiele Für de Erwartugswert µ eier symmetrische Verteilug i der Grudgesamtheit köe uterschiedliche Schätzer oder Schätzfuktioe kostruiert werde. Das Stichprobemittel als arithmetisches Mittel der SP i Das Stichprobemittel als Media der SP {,,, } Me K Schätzug I 7
8 Schätzer für σ -Beispiele Für die Variaz σ der Grudgesamtheit köe uterschiedliche Schätzer verwedet werde. Die gewöhliche Stichprobevariaz σˆ S (i µ σˆ ' S (i Azuwede, we µ für GG bekat ist. Azuwede, we µ für GG ubekat ist. Die modifizierte Stichprobevariaz σˆ S (i Azuwede, we µ für GG ubekat ist. Schätzug I 5 Gute Eigeschafte eies Schätzers Da für jede Parameter der Grudgesamtheit mehrere, verschiedee Schätzer awedbar sid, sucht ma de Schätzer (Stichprobefuktio mit de beste Eigeschafte. Gute Eigeschafte eies Schätzers sid: Erwartugstreue Effiziez Kosistez Schätzug I 6 8
9 Erwartugstreue Ei Schätzer oder Schätzfuktio für de ubekate Parameter q heißt erwartugstreu oder uverzerrt (ubiased, we der Erwartugswert des Schätzers existiert ud mit dem wahre Parameter übereistimmt. Die Differez zwische Erwartugswert des Schätzers ud Parameterwert wird Verzerrug (bias geat. Für erwartugstreue Schätzer ist die Verzerrug gleich Null. E( Qˆ q Verzerrug (Qˆ E(Qˆ q 0 E( Qˆ q Die Eigeschaft der Erwartugstreue besagt, dass sich bei eier hireiched große Azahl vo Stichprobe des Umfags die positive ud egative Schätzfehler gegeseitig aufhebe (d. h. zu Null addiere ud dass die Schätzfuktio tedeziell de wahre Parameter weder überschätzt och uterschätzt. Schätzug I 7 Erwartugstreue Schätzer vo µ - Beispiele Eie Grudgesamtheit hat de Mittelwert µ ud die Variaz σ. Es sei (,, eie eifache Zufallsstichprobe aus dieser Grudgesamtheit, d. h. jede der Stichprobevariable i (,, hat E( i µ ud Var( i σ. Folgede drei Schätzer vo µ sid erwartugstreu. (Beispiele aus MMStat (a (b (c ( + + ( + ( + E( E[ ( + + ] (µ + µ + µ µ E( E[ ( + ] ( µ + µ µ E( E[ ( + ] ( µ + µ µ Schätzug I 8 9
10 Mittlere quadratische Abweichug (Mea Square Error - MSE Der mittlere quadratische Fehler bzw. Mea Square Error (Abkürzug: MSE eies Schätzers ist der mittlere quadratische Abstad zwische der Schätzfuktio ud dem wahre Parameter i der Grudgesamtheit: MSE( Qˆ E(Qˆ q² E( Qˆ q q E( Qˆ Verzerrug (Qˆ E(Qˆ q < 0 D. h. sie liefert im Durchschitt Uterschätzuge vo q. Verzerrug (Qˆ E(Qˆ q > 0 D. h. sie liefert im Durchschitt Überschätzuge vo q. Schätzug I 9 Es gilt: Zusammehag zwische MSE, Verzerrug ud Variaz MSE( Qˆ MSE( Qˆ E(Qˆ q² [Verzerrug(Qˆ ]² + Var(Qˆ mit Verzerrug(Qˆ E(Qˆ q Für erwartugstreue Schätzer gilt: Verzerrug (Qˆ E(Qˆ q 0 MSE( Qˆ Var(Qˆ Schätzug I 0 0
11 Zusammehag zwische MSE, Verzerrug ud Variaz -Beweis MSE( Qˆ [Verzerrug(Qˆ ]² + Var(Qˆ MSE(Qˆ E{[Qˆ E[Qˆ Var(Qˆ E(Qˆ E(Qˆ E(Qˆ q² E[Qˆ ]² + [Qˆ ]² + [E(Qˆ E(Qˆ E(Qˆ [Verzerrug(Qˆ E(Qˆ ][E(Qˆ + E(Qˆ ][E(Qˆ q]² q] + [E(Qˆ q] + [E(Qˆ ]² [Verzerrug(Qˆ q]²} q]² ]² + Var(Qˆ Schätzug I Vergleich vo Schätzer - Beispiel (a ( + + E( µ MSE( Var( (b (c σ ² Var( Var[ ( + + ] Var( + + ² 9 ( + ( + σ ² E( µ MSE( Var( σ ² + σ ² 8 σ ² Var( Var[ ( + ] Var( + ² 6 6 σ ² E( µ MSE( Var( σ ² + σ ² Var( Var[ ( + ] Var( + ² 9 5 σ ² 9 Var( < Var( < Var( µ ist der beste Schätzer vo µ Schätzug I
12 Effiziez Ei erwartugstreuer Schätzer für de Parameter q eier Grudgesamtheit heißt effiziet (wirksam, we er eie edliche Variaz hat ud we es für q keie adere erwartugstreue Schätzer gibt, der eie kleiere Variaz besitzt. Effiziet bedeutet da Erwartugstreue ud miimale Variaz. Diese Eigeschaft bei eiem Schätzer zu beweise ist icht leicht, da die Variaze der adere dekbare Schätzer ubekat sid. Verzerrug(Qˆ Var(Qˆ Var(Qˆ E(Qˆ q 0 für alle adere erwartugstreue Schätzer Qˆ des Parameters q Schätzug I Kosistez Ma et eie Schätzfuktio kosistet, we der vo ihr erzeugte Schätzwert bei laufeder Vergrößerug des Stichprobeumfages ( mit de zu schätzede Parameter zusammefällt ud die Variaz gege Null strebt. Ei Schätzer eies ubekate Parameters q heißt da kosistet, we die beide Bediguge gelte:.. lim [E(Qˆ q] 0 lim Var(Qˆ 0 Asymptotisch uverzerrt Asymptotisch effiziet MSE( Qˆ lim E(Qˆ q² 0 q² q]² + Schätzug I E(Qˆ [E(Qˆ Var(Qˆ
13 Erwartugswert ud Variaz der modifizierte Stichprobevariaz Sei eie Grudgesamtheit mit dem Mittelwert µ ud der Variaz σ. Es sei (,,..., eie eifache Zufallsstichprobe aus dieser Grudgesamtheit, d. h. jede der Stichprobevariable i (,,..., hat de Erwartugswert E( i µ ud die Variaz Var( i σ. Für die modifizierte Stichprobevariaz S² gilt: E(S E[ (i ²] σ² ud Var(S Var[ (i ²] Der Beweis dieser Eigeschafte erfordert mathematische Ketisse, die de Rahme dieses Kurses überschreitet. Eie ausführliche Beweis köe Sie bei Kapitel 9 ud 0 fide. σ Schätzug I 5 Eigeschafte der modifizierte Stichprobevariaz Die modifizierte Stichprobevariaz ist uverzerrt ud kosistet. uverzerrt E(S E[ (i ²] σ ² E(S σ² 0 kosistet σ Var(S Var[ (i ²] lim Var(S 0 MSE(S [E(S σ ²]² Var(S lim MSE[S σ ]² 0 + Schätzug I 6
14 Erwartugswert ud Variaz der gewöhliche Stichprobevariaz Sei eie Grudgesamtheit mit dem Mittelwert µ ud der Variaz σ. Es sei (,,..., eie eifache Zufallsstichprobe aus dieser Grudgesamtheit, d. h. jede der Stichprobevariable i (,,..., hat de Erwartugswert E( i µ ud die Variaz Var( i σ. Für die gewöhliche Stichprobevariaz S ² gilt: ' E(S E[ (i ²] σ² ud ' Var(S Var[ (i ²] ( σ ² Var(S ( ² ( ² σ ( ² ' Var(S Var[ ( i ²] Var[ ( i ²] ² σ ² Schätzug I 7 Eigeschafte der gewöhliche Stichprobevariaz Die gewöhliche Stichprobevariaz ist icht uverzerrt aber kosistet. Verzerrug Verzerrug(S E(S σ kosistet E(S σ ² < 0 E(S < σ lim σ σ ² σ lim D. h. sie liefert im Durchschitt Uterschätzuge vo σ², aber sie ist für große Stichprobeumfäge kei schlechter Schätzer. ' ' ' MSE(S [E(S σ ²]² + Var(S ( σ lim ( σ + 0 lim ² lim Schätzug I 8
15 Prizipie zur Erzeugug guter Schätzer Bisher ist dargestellt worde, was eie Schätzfuktio ist ud welche wichtigste Aforderuge (Eigeschafte a sie zu stelle sid. Behadelt werde jetzt och die Prizipie, ach dee sich sivolle Schätzuge für Parameter explizit erzeuge lasse. Die folgede Prizipie werde zur Erzeugug vo gute Schätzer agewadt: Das Prizip der kleiste Quadrate Das Likelihood-Prizip Schätzug I 9 Das Prizip der kleiste Quadrate Wir werde dieses Prizip ahad des Erwartugswertes µ eier Grudgesamtheit erläuter. Es sei (,,..., eie eifache Zufallsstichprobe aus dieser Grudgesamtheit, d. h. jede der Stichprobevariable i (,,..., hat E( i µ. Sei (x, x,..., x eie Realisatio der Zufallsstichprobe. Es wird ei Schätzer vo µ (Fuktio der Stichprobevariable i, µ -Dach, so gewählt, dass die Summe der quadrierte Abweichuge zwische de Stichprobewerte ud dem Schätzwert des ubekate Parameters µ möglichst klei wird. Das bedeutet, dass µ -Dach so zu bestimme ist, dass für alle adere mögliche Parameterschätzer µ -Dach gilt: ( xi ² ( xi ² Bei der Lösug dieser Aufgabe hadelt es sich um ei eifaches Extremwertproblem. Ma beutzt dafür die Differetialrechug. f( x i Schätzug I 0 Ma muss das Miimum der Fuktio ( ² bestimme. 5
16 KQ-Schätzer des Erwartugswertes µ f( df( ( xi ² ( xi d We f zweimal ableitbar ist ud a der Stelle ei Miimum besitzt, da gelte:. df( d ( x 0 i ( xi xi 0. d ² f( d ² < 0 i Schätzug I Das Likelihood-Prizip Die Maximum - Likelihood - Methode zur Kostruktio vo Schätzfuktioe besteht dari, dejeige Wert q-dach zu fide, für de die Likelihood - Fuktio L(q bzw. ihr Logarithmus l L(q für eie eifache Zufallstichprobe (x, x,..., x ihr Maximum aimmt: L(q f(x, x, K, x q f(x q f(x q Kf(x q f(xi q ll(q l f(xi q lf(xi q L( qˆ maxl(q für alle q Die Likelihood Fuktio ist das Produkt der Dichte- bzw. Wahrscheilichkeitsfuktioe. Da die Logarithmische Fuktio mooto wachsed ist, habe L(q ud ll(q das Maximum a der gleiche Stelle. Schätzug I 6
17 ML- Schätzer für die Parameter der Normalverteilug Dichtefuktio Erwartugswert Variaz f(x µ,σ σ e π (x µ² σ² E( µ Var( σ² i σˆ S (i µ σˆ S (i Azuwede, we µ für GG bekat Azuwede, we µ für GG ubekat Schätzug I ML- Schätzer für die Parameter aderer Verteiluge Poissoverteilte Grudgesamtheit f(x µ µ x! x µ e E( Var( µ i Expoetialverteilte Grudgesamtheit f(x λ λe 0 λx für x 0 für x < 0 E( λ Var( λ ² λˆ i Schätzug I 7
18 Uzuläglichkeit der Puktschätzug Bei eier Puktschätzug erhält ma für de ubekate Parameter eie Schätzwert. Bei jeder kokret ausgewählte Stichprobe erhält ma eie etsprechede Schätzwert des Parameters. Selbst we die Schätzfuktio gute Eigeschafte aufweist, ist die Wahrscheilichkeit, dass der Schätzwert mit dem wahre Wert des Parameters i der Grudgesamtheit übereistimmt, im Allgemeie gleich Null oder sehr klei. Um diese Uzuläglichkeit abzuschwäche ud die Geauigkeit des Schätzverfahres eizubeziehe, geht ma meist zu eier Itervallschätzug über. Schätzug I 5 Itervallschätzug Mit eier Itervallschätzug wird ei ubekater Parameter der Grudgesamtheit derart geschätzt, dass ei Itervall etsteht ud die Wahrscheilichkeit dafür agegebe werde ka, dass der wahre Parameterwert der Grudgesamtheit i diesem Itervall liegt. Diese Aussage erfolgt uter dem Vorbehalt eier Irrtumswahrscheilichkeit α. Ei solches Itervall wird als Kofidez- oder Vertrauesitervall bezeichet. Die Wahrscheilichkeit - α heißt Kofideziveau. Schätzug I 6 8
19 Viele Dak!!! Schätzug I 7 9
X in einer Grundgesamtheit vollständig beschreiben.
Prof. Dr. Rolad Füss Statistik II SS 008. Puktschätzug vo Parameter eier Grudgesamtheit Nur durch eie Totalerhebug ka ma die Verteilug eier Zufallsvariable X i eier Grudgesamtheit vollstädig beschreibe.
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
MehrKapitel 5: Schließende Statistik
Kapitel 5: Schließede Statistik Statistik, Prof. Dr. Kari Melzer 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte
Mehr7. Stichproben und Punktschätzung
7. Stichprobe ud Puktschätzug 7. Grudgesamtheit ud Stichprobe Ausgagspukt der iduktive Statistik (beurteilede Statistik) sid Stichprobedate. Speziell stamme die Date aus Zufallsstichprobe. Die Stichprobeergebisse
MehrStatistische Modelle und Parameterschätzung
Kapitel 2 Statistische Modelle ud Parameterschätzug 2. Statistisches Modell Die bisher betrachtete Modellierug eies Zufallsexperimetes erforderte isbesodere die Festlegug eier W-Verteilug. Oft besteht
MehrBei 95%iger Konfidenz wäre der Mittelwert der GG zwischen 1421,17DM und 1778,83DM zu erwarten.
Aufgabe 36 (S. 346: Schätzverfahre für Mittelwert ud Stadardabweichug a Puktschätzuge für µ aufgrud der Werte der kleie Stichprobe aus Aufgabe 3 Bei eier Puktschätzug wird für de zu schätzede Parameter
MehrUmrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung
.3. Prozetuale Häufigkeitsverteilug (HV) Die prozetuale Häufigkeitsverteilug erlaubt de Vergleich vo Auswertuge, dee uterschiedliche Stichprobegröße zugrude liege. Es köe auch uterschiedliche Stichprobegröße
MehrEingangsprüfung Stochastik,
Eigagsprüfug Stochastik, 5.5. Wir gehe stets vo eiem Wahrscheilichkeitsraum (Ω, A, P aus. Die Borel σ-algebra auf wird mit B bezeichet, das Lebesgue Maß auf wird mit λ bezeichet. Aufgabe ( Pukte Sei x
MehrLogarithmusfunktion, Rechenregeln für Logarithmen, Ableiten von Logarithmen (die Ableitung nach p wird hier stets als p geschrieben)
Wirtschaftswisseschaftliches Zetrum Uiversität Basel Statistik Dr. Thomas Zehrt (Pukt)Schätze Motivatio Eie vollstädige Iformatio über die Verteilug eies Merkmals X i eier Grudgesamtheit ka ur durch eie
MehrMaximum Likelihood Version 1.6
Maximum Likelihood Versio 1.6 Uwe Ziegehage 15. November 2005 Logarithmegesetze log a (b) + log a (c) = log a (b c) (1) log a (b) log a (c) = log a (b/c) (2) log a (b c ) = c log a (b) (3) Ableitugsregel
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler 9.04.008 Äderug Übugsstude Statistik ud Wahrscheilichkeitsrechug Die Gruppe vo Markus trifft sich am Doerstag statt im HCI D zusamme mit der Gruppe
MehrTestverfahren zur Prüfung von Hypothesen über Parameter oder Verteilungen
Testverfahre zur Prüfug vo Hypothese über Parameter oder Verteiluge Eiführug ud Begriffe beim Hypothesetest Hypothesetest für de Mittelwert Testverfahre I 1 Bibliografie Prof. Dr. Kück Uiversität Rostock
MehrII. Grundzüge der Stichprobentheorie
II. Grudzüge der Stichprobetheorie Grüde für Stichprobeerhebug - deutlich gerigere Koste - größere Awedugsbreite - kürzere Erhebugs- ud Auswertugszeite - i der Regel größere Geauigkeit der Ergebisse Begriffsbestimmug
MehrPraktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle
Praktikum Vorbereitug Fertigugsmesstechik Statistische Qualitätskotrolle Bei viele Erzeugisse ist es icht möglich jedes Werkstück zu prüfe, z.b.: bei Massefertigug. Hier ist es aus ökoomische Grüde icht
MehrProf. Dr. Roland Füss Statistik II SS 2008
1. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug ergibt sich aus de Grezwertsätze. Grezwertsätze sid Aussage über eie Zufallsvariable für de Fall, dass die Azahl
MehrEinführung in die Stochastik 10. Übungsblatt
Eiführug i die Stochastik. Übugsblatt Fachbereich Mathematik SS M. Kohler.7. A. Fromkorth D. Furer Gruppe ud Hausübug Aufgabe 37 (4 Pukte) Ei Eremit am Südpol hat sich für die eibrechede polare Nacht mit
MehrStatistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39
Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle
MehrMaximum-Likelihood-Methode (ML-Methode)
3 Parameterpuktschätzer Maximum-Likelihood-Methode 3.2 Maximum-Likelihood-Methode (ML-Methode Weitere geläufige Schätzmethode: Maximum-Likelihood-Methode Vor Erläuterug der Methode: eileitedes Beispiel
MehrKörpergröße x Häufigkeit in [m] 1.50 1.60 1 1.60 1.70 5 1.70 1.80 49 1.80 1.90 53 1.90 2.00 15 2.00 2.10 1
8 Kofidezitervalle 1 Kapitel 8: Kofidezitervalle A: Beispiele Beispiel 1: Im WS 2000/01 wurde im Rahme der Statistik Vorlesug 124 Studete u.a. zu ihrer Körpergröße befragt. Ma erhielt folgedes Ergebis:
MehrKapitel 2. Induktive Statistik. 2.1 Grundprinzipien der induktiven Statistik
Kapitel Iduktive Statistik.1 Grudprizipie der iduktive Statistik Ziel: Iferezschluss, Repräsetatiosschluss: Schluss vo eier Stichprobe auf Eigeschafte der Grudgesamtheit, aus der sie stammt. Vo Iteresse
MehrIntervallschätzung II 2
Itervallschätzug Kofidezitervall für die Variaz Kofidezitervall für de Ateilswerte Kofidezitervall für die Differez zweier Ateile Bestimmug des Stichrobeumfags Itervallschätzug II Bibliografie Bleymüller
MehrEinführung in die induktive Statistik. Inferenzstatistik. Konfidenzintervalle. Friedrich Leisch
Spiel Körpergröße Zahl: Azahl weiblich Eiführug i die iduktive Statistik Friedrich Leisch Istitut für Statistik Ludwig-Maximilias-Uiversität Müche Tafelgruppe 8.5 8.6 8.7 8.8 8.9 9.0 9.1 4 5 3 2 1 0 1
MehrSBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit
SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf # 0 Atwort Diese Lerkarte sid sorgfältig erstellt worde, erhebe aber weder Aspruch auf Richtigkeit och auf Vollstädigkeit. Das Lere mit Lerkarte fuktioiert ur
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG. - LÖSUNGEN. ypothesetest für die Dicke vo Plättche Die Dicke X vo Plättche, die auf eier bestimmte Maschie
MehrÜbungsblatt 9 zur Vorlesung. Statistische Methoden
Dr. Christof Luchsiger Übugsblatt 9 zur Vorlesug Statistische Methode Schätztheorie ud Kofidezitervalle Herausgabe des Übugsblattes: Woche 8, Abgabe der Lösuge: Woche 9 (bis Freitag, 65 Uhr), Besprechug:
MehrAngewandte Stochastik II
Vorlesugsskript Agewadte Stochastik II Dr. Katharia Best Witersemester 2010/2011 Ihaltsverzeichis 1 Grudidee der statistische Dateaalyse 5 1.1 Stichprobe..............................................
MehrKapitel 12. Schätzung von Parametern
Kapitel 12 Schätzug vo Parameter Die Verteilug eier Zufallsvariable hägt i der Regel vo eiem oder mehrere Parameter ab. Bei der Poissoverteilug ist dies der Parameter λ, währed es bei der Normalverteilug
MehrWissenschaftliches Arbeiten Studiengang Energiewirtschaft
Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:
MehrBeispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 8.1 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12.075, p-wert: 0.0168 f χ
Mehr3. Einführung in die Statistik
3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :
MehrDiskrete Zufallsvariablen
Erste Beispiele diskreter Verteiluge Diskrete Zufallsvariable Beroulli-Verteilug Eie diskrete Zufallsvariable heißt beroulliverteilt mit arameter p, falls sie die Wahrscheilichkeitsfuktio p,, f ( ) ( )
MehrDer χ 2 Test. Bei Verteilungen Beantwortung der Frage, ob eine gemessene Verteilung Gauß- oder Poisson-verteilt ist oder nicht?
Der χ Test Es gibt verschiedee Arte vo Sigifikaztests Nebe Sigifikaztests, die sich mit dem Mittelwert beschäftige, gibt es auch Testverfahre für Verteiluge Bei Verteiluge Beatwortug der Frage, ob eie
Mehrn 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:
61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl
Mehr8. Intervallschätzung
8. Itervallschätzug 8.1 Begriff des Kofidezitervalls Mit uterschiedliche Stichprobe lasse sich verschiedee Puktschätzer θ für de Parameter der Grudgesamtheit erziele. We m Stichprobe aus der Grudgesamtheit
MehrKlausur vom
UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Domiik Faas Stochastik Witersemester 00/0 Klausur vom 7.0.0 Aufgabe 3+.5+.5=6 Pukte Bei eier Umfrage wurde 60 Hotelbesucher ach ihrer Zufriedeheit
MehrÜbungsaufgaben - Organisatorisches
Übugsaufgabe - Orgaisatorisches Der Abgabetermi der eue Übugsblätter ist: Motag, 4:00 Uhr Fehlerrechugsbriefkaste Der Abgabetermi der verbesserte Übugsblätter ist: Freitag, 6:00 Uhr T. Kießlig: Auswertug
MehrStatistische Tests zu ausgewählten Problemen
Eiführug i die statistische Testtheorie Statistische Tests zu ausgewählte Probleme Teil : Tests für Erwartugswerte Statistische Testtheorie I Eiführug Beschräkug auf parametrische Testverfahre Beschräkug
MehrParameter von Häufigkeitsverteilungen
Kapitel 3 Parameter vo Häufigkeitsverteiluge 3. Mittelwerte Mo Der Modus (:= häufigster Wert, Abk.: Mo) ist der Merkmalswert mit der größte Häufigkeit, falls es eie solche gibt. Er sollte ur bei eigipflige
MehrStochastisches Integral
Kapitel 11 Stochastisches Itegral Josef Leydold c 26 Mathematische Methode XI Stochastisches Itegral 1 / 2 Lerziele Wieer Prozess ud Browsche Bewegug Stochastisches Itegral Stochastische Differetialgleichug
MehrStichprobenverteilungen, Schätz und Testtheorie
Stichprobeverteiluge, Schätz ud Testtheorie Begleitede Uterlage zur Übug Iduktive Statistik Michael Westerma Uiversität Esse Ihaltsverzeichis 1 Grudzüge der Stichprobetheorie.....................................
MehrStandard Normalverteilung Dichtefunktion von Standard Normal Verteilung. Grenzwertsatz. Normalverteilung. Andere wichtige Verteilungen: Anwendungen
Statistik. Vorlesug, September, 00 f() 0.0 0. 0. 0.3 0.4 Stadard Normalverteilug Dichtefuktio vo Stadard Normal Verteilug -4-0 4 Der Erwartugswert: mittlere Wert E ( = f( ) d=0 für die Stadard Normal Verteilug
MehrProf. Dr. Holger Dette Musterlösung Statistik I Sommersemester 2009 Dr. Melanie Birke Blatt 5
Prof. Dr. Holger Dette Musterlösug Statistik I Sommersemester 009 Dr. Melaie Birke Blatt 5 Aufgabe : 4 Pukte Sei X eie Poissoλ verteilte Zufallsvariable mit λ > 0, ud die Verlustfuktio L sei defiiert durch
MehrPflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik
Pflichtlektüre: Kapitel 10 Grudlage der Iferezstatistik Überblick der Begriffe Populatio Iferezstatistik Populatiosparameter Stichprobeverteiluge Auch Stichprobekewerteverteiluge Wahrscheilichkeitstheorie
MehrUnivariate Verteilungen
(1) Aalyse: "deskriptive Statistike" Aalysiere -> deskriptive Statistike -> deskriptive Statistik Keie tabellarische Darstellug der Häufigkeitsverteilug () Aalyse: "Häufigkeitsverteilug" Aalysiere -> deskriptive
MehrTesten statistischer Hypothesen
Kapitel 9 Teste statistischer Hypothese 9.1 Eiführug, Sigifiaztests Sigifiaztest für µ bei der ormalverteilug bei beatem σ = : X i seie uabhägig ud µ, ) verteilt, µ sei ubeat. Stelle eie Hypothese über
MehrMethode der kleinsten Quadrate
Methode der kleiste Quadrate KAPITEL 5: REGRESSIONSRECHNUNG Die Methode der kleiste Quadrate (MklQ) ist ei Verfahre zur Apassug eier Fuktio a eie Puktwolke. Agewadt wird sie beispielsweise, um eie Gesetzmäßigkeit
MehrÜbungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie
Uiversität Müster Istitut für Mathematische Statistik Stochastik WS 203/204, Blatt Löwe/Heusel Aufgabe (4 Pukte) Übuge Abgabetermi: Freitag, 24.0.204, 0 Uhr THEMEN: Testtheorie Die Sollstärke der Rohrwäde
MehrZusammenfassung: Folgen und Konvergenz
LGÖ Ks VMa Schuljahr 6/7 Zusammefassug Folge ud Kovergez Ihaltsverzeichis Defiitioe ud Beispiele für Folge Beschräkte Folge Kovergez vo Folge Grezwertsätze für Folge 5 Für Experte 7 Defiitioe ud Beispiele
Mehr}) = ϑ Einsen (1 ϑ) Nullen,
6. Schätzprobleme 6.1. Beispiele a) I eiem Teich befidet sich eie ubekate Azahl vo Fische. Ma schätze z. B. durch Agel, markiere, wieder aussetze ud ochmal agel; vgl. Übug) b) Weiteres Beispiel: Wie groß
MehrEs werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.
Vo der relative Häufigkeit zur Wahrscheilichkeit Es werde 20 Schüler befragt, ob sie ei Hady besitze. Das Ergebis der Umfrage lautet: Vo 20 Schüler besitze 99 ei Hady. Ereigis E: Schüler besitzt ei Hady
MehrTESTEN VON HYPOTHESEN
TESTEN VON HYPOTHESEN 1. Grudlage Oft hat ma Vermutuge zu Sachverhalte ud möchte diese gere durch Experimete bestätige. Dabei ka es sich i der Praxis zum Beispiel um Verteiluge vo gewisse Zufallsgröße
Mehr3 Kritischer Bereich zum Niveau α = 0.10: K = (χ 2 k 1;1 α, + ) = (χ2 5;0.90, + ) = (9.236, + ) 4 Berechnung der realisierten Teststatistik:
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 1275, p-wert: 168 8 Apassugs-
MehrBeispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12075, p-wert: 00168 f χ 2 (4)
MehrEvaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt
2.4.5 Gauss-Test ud t-test für verbudee Stichprobe 2.4.5.8 Zum Begriff der verbudee Stichprobe Verbudee Stichprobe: Vergleich zweier Merkmale X ud Y, die jetzt a deselbe Persoe erhobe werde. Vorsicht:
MehrStochastik I (Statistik)
Stochastik I (Statistik) Skript Ju.-Prof. Dr. Zakhar Kabluchko Uiversität Ulm Istitut für Stochastik L A TEX-Versio vo Judith Schmidt Ihaltsverzeichis Vorwort Literatur Kapitel. Stichprobe ud Stichprobefuktio..
MehrStreuungsmaße. Prof. Dr. Paul Reuber. Institut für Geographie. Seminar Methoden der empirischen Humangeographie
Streuugsmaße Istitut für Geographie Streuugswerte (Streuugsmaße) Die Diskussio um die Mittelwerte hat die Vorteile dieser statistische Kewerte gezeigt, aber bereits, isbesodere beim arithmetische Mittel,
MehrTestumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen
Testumfag für die Ermittlug ud Agabe vo Fehlerrate i biometrische Systeme Peter Uruh SRC Security Research & Cosultig GmbH peter.uruh@src-gmbh.de Eileitug Biometrische Systeme werde durch zwei wichtige
Mehr5.3 Wachstum von Folgen
53 Wachstum vo Folge I diesem Abschitt betrachte wir (rekursiv oder aders defiierte) Folge {a } = ud wolle vergleiche, wie schell sie awachse, we wächst Wir orietiere us dabei a W Hochstättler: Algorithmische
MehrKapitel 6: Statistische Qualitätskontrolle
Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle
MehrStatistik Einführung // Beschreibende Statistik 2 p.2/61
Statistik Eiführug Beschreibede Statistik Kapitel Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Beschreibede Statistik
MehrSUCHPROBLEME UND ALPHABETISCHE CODES
SUCHPROBLEME UND ALPHABETISCHE CODES Der Problematik der alphabetische Codes liege Suchprobleme zugrude, dere Lösug dem iformatiostheoretische Problem der Fidug eies (optimale) alphabetische Codes gleich
MehrFehlerrechnung. 3. Genauigkeit von Meßergebnissen am Beispiel der Längenmessung
1 Gie 11/000 Fehlerrechug 1. Physikalische Größe: Zahlewert ud Eiheit. Ursache vo Meßfehler 3. Geauigkeit vo Meßergebisse am Beispiel der Lägemessug 4. Messug eier kostate Größe ud Mittelwert 5. Messug
Mehr15.4 Diskrete Zufallsvariablen
.4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet
Mehr4. Übung Konfidenzintervalle für Anteile und Mittelwerte
Querschittsbereich 1: Epidemiologie, Mediziische Biometrie ud Mediziische Iformatik - Übugsmaterial - Erstellt vo Mitarbeiter des IMISE ud des ZKS Leipzig 4. Übug Kofidezitervalle für Ateile ud Mittelwerte
MehrStatistik I Februar 2005
Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet
Mehr3 Folgen, Reihen, Grenzwerte 3.1 Zahlenfolgen. Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.
3 Folge, Reihe, Grezwerte 3.1 Zahlefolge Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.000, 1 3 Folge, Reihe, Grezwerte 3.1 Zahlefolge Defiitio: Eie
MehrStatistik I/Empirie I
Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass
Mehr4. Die Menge der Primzahlen. Bertrands Postulat
O. Forster: Eiführug i die Zahletheorie 4. Die Mege der Primzahle. Bertrads Postulat 4.1. Satz (Euklid. Es gibt uedlich viele Primzahle. Beweis. Wir zeige, dass es zu jeder edliche Mege p 1, p 2,..., p
Mehr14 Statistische Beziehungen zwischen nomi nalen Merkmalen
14 Statistische Beziehuge zwische omi ale Merkmale 14.1 Der Chi Quadrat Test auf Uabhägigkeit für Vier Feldertafel 14.2 Der Chi Quadrat Test auf Uabhägigkeit für r s Kotigeztafel 14.3 Zusammmehagsmaße
MehrKapitel 1. Einige Begriffe aus der Asymptotik. 1.1 Wiederholung
Kapitel Eiige Begriffe aus der Asymptotik. Wiederholug Eiwesetlicher Teil der Ökoometrie befasst sichmit der Ermittlug voschätzer ud dere Eigeschafte. Diese werde beötigt, um aus de beobachtbare Date eier
MehrEinführung in die Statistik
Eiführug i die Statistik Dr. C.J. Luchsiger 7 Crash-Course i Statistics II: Schätztheorie ud Kofidezitervalle Literatur Kapitel 7 * Statistik i Cartoos: Kapitel 6 ud 7 * Kregel: 4 ud 13 * Storrer: 43 7.1
MehrVariiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen.
3. Variazaalyse Die Variazaalyse mit eier quatitative abhägige Variable ud eier oder mehrerer qualitativer uabhägiger Variable wird auch als ANOVA (Aalysis of Variace) bezeichet. Mit eier Variazaalyse
MehrKonfidenzintervall_fuer_pi.doc Seite 1 von 6. Konfidenzintervall für den Anteilswert π am Beispiel einer Meinungsumfrage
Kofidezitervall_fuer_pi.doc Seite 1 vo 6 Kofidezitervall für de Ateilswert π am Beispiel eier Meiugsumfrage Nach eier Meiugsumfrage der Wochezeitug Bezirksblatt vom März 005, ei halbes Jahr vor de Ladtagswahle
Mehr2.3 Kontingenztafeln und Chi-Quadrat-Test
2.3 Kotigeztafel ud Chi-Quadrat-Test Die Voraussetzuge a die Date i diesem Kapitel sid dieselbe, wie im voragegagee Kapitel, ur dass die Stichprobe hier aus Realisieruge vo kategorielle Zufallsvariable
MehrKennwerte Univariater Verteilungen
Kewerte Uivariater Verteiluge Kewerte Beschreibug vo Verteiluge durch eie (oder weige) Werte Werde auch als Parameter oder Maße vo Verteiluge bezeichet Ma uterscheidet: Lagemaße oder auch Maße der zetrale
MehrA = Ereignisraum = σ-algebra (Sigma-Algebra) = Menge aller messbaren Ergebnisse über eine definierte Grundmenge Ω
Statistik Theorie Defiitioe Ω = Grudmege = Ergebismege = Mege aller mögliche Ergebisse A = Ereigisraum = σ-algebra (Sigma-Algebra) = Mege aller messbare Ergebisse über eie defiierte Grudmege Ω P(Ω) = Potezmege
MehrDer natürliche Werkstoff Holz - Statistische Betrachtungen zum uniaxialen Zugversuch am Beispiel von Furnier
Der atürliche Werkstoff Holz - Statistische Betrachtuge zum uiaxiale Zugversuch am Beispiel vo Furier B. Bellair, A. Dietzel, M. Zimmerma, Prof. Dr.-Ig. H. Raßbach Zusammefassug FH Schmalkalde, 98574 Schmalkalde,
MehrÜBUNGSBLATT 4 LÖSUNGEN MAT121/MAT131 ANALYSIS I HERBSTSEMESTER 2010 PROF. DR. CAMILLO DE LELLIS
ÜBUNGSBLATT 4 LÖSUNGEN MAT/MAT3 ANALYSIS I HERBSTSEMESTER 00 PROF. DR. AMILLO DE LELLIS Aufgabe. Etscheide Sie für folgede Folge (wobei N \ {0}), ob diese koverget sid, ud bereche sie gegebeefalls ihre
MehrGüteeigenschaften von Schätzern
KAPITEL 6 Güteeigeschafte vo Schätzer Wir erier a ie Defiitio es parametrische Moells Sei {h θ : θ Θ}, wobei Θ R m, eie Familie vo Dichte oer Zählichte Seie X 1,, X uabhägige u ietisch verteilte Zufallsvariable
MehrKovarianz und Korrelation
Kapitel 2 Kovariaz ud Korrelatio Josef Leydold c 2006 Mathematische Methode II Kovariaz ud Korrelatio 1 / 41 Lerziele Mathematische ud statistische Grudlage der Portfoliotheorie Kovariaz ud Korrelatio
MehrÖkonometrie Formeln und Tabellen
Ökoometrie Formel ud Tabelle Formelsammlug 1 Lieares Modell ud KQ-Schätzug 11 Eifachregressio Lieares Modell: Y i = β 0 + β 1 x i + U i, i = 1,2,, Aahme des lieare Modells: A1: E[U i ] = 0 für alle i =
MehrÜbungen zur Analysis I WS 2008/2009
Mathematisches Istitut der Uiversität Heidelberg Prof. Dr. E. Freitag /Thorste Heidersdorf Übuge zur Aalysis I WS 008/009 Blatt 3, Lösugshiweise Die folgede Hiweise sollte auf keie Fall als Musterlösuge
Mehr7.2 Grundlagen der Wahrscheinlichkeitsrechnung
7.2 Grudlage der Wahrscheilichkeitsrechug Ei Ereigis heißt i Bezug auf eie Satz vo Bediguge zufällig, we es bei der Realisierug dieses Satzes eitrete ka, aber icht ubedigt eitrete muss. Def. 7.2.: Ei Experimet
MehrKlausur 1 über Folgen
www.mathe-aufgabe.com Klausur über Folge Hiweis: Der GTR darf für alle Aufgabe eigesetzt werde. Aufgabe : Bestimme eie explizite ud eie rekursive Darstellug! a) für eie arithmetische Folge mit a = 6, ;
MehrStochastik für WiWi - Klausurvorbereitung
Dr. Markus Kuze WS 2013/14 Dipl.-Math. Stefa Roth 11.02.2014 Stochastik für WiWi - Klausurvorbereitug Gesetz der totale Wahrscheilichkeit ud Satz vo Bayes (Ω, F, P) Wahrscheilichkeitsraum, E 1,..., E F
Mehr4 Konvergenz von Folgen
4 Kovergez vo Folge Defiitio 4.. Sei M eie Mege. Ist 0 Z ud für jedes Z mit 0 ei a M gegebe, so et ma die Abbildug { Z; 0 } M, a eie Folge i M. Abkürzed schreibt ma für eie solche Abbildug auch a ) 0 oder
MehrFormelsammlung Mathematik
Formelsammlug Mathematik 1 Fiazmathematik 1.1 Reterechug Sei der Zissatz p%, der Zisfaktor q = 1 + p 100. Seie R die regelmäßig zu zahlede Rate, die Laufzeit. Edwert: Barwert: achschüssig R = R q 1 q 1
MehrStatistische Schätzungen
Statitiche Schätzuge Statitiche Schätzuge, Ei Wiechaftler mu geau mee, icht chätze! Da it aber eie wiechaftliche Schätzug! Lázló Smeller? (8,5±1,5) cm Aalytiche Statitik (iduktive o. chließede Statitik)
MehrÜbungsblatt 1 zur Vorlesung Angewandte Stochastik
Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche
Mehr2.2.1 Lagemaße. Exkurs: Quantile. und n. p n
Ekurs: Quatile Ausgagspukt : Geordete Urliste Jeder Wert p, mit 0 < p
Mehr6. Übungsblatt Aufgaben mit Lösungen + Selbsttest-Auflösung
6. Übugsblatt Aufgabe mit Lösuge + Selbsttest-Auflösug Aufgabe 6: Utersuche Sie die Folge, dere Glieder ute für N agegebe sid, auf Beschräktheit, Mootoie ud Kovergez bzw. Beschräktheit, Mootoie ud Kovergez
MehrVorkurs Mathematik für Informatiker Folgen
Vorkurs Mathematik ür Iormatiker -- 8 Folge -- 11.10.2015 1 Folge: Deiitio Eie (uedliche) Folge im herkömmliche Sie etsteht durch Hitereiaderschreibe vo Zahle 1,2,3,4,5, Dabei ist die Reiheolge wichtig,
MehrWahrscheinlichkeit & Statistik
Wahrscheilichkeit & Statistik created by Versio: 3. Jui 005 www.matheachhilfe.ch ifo@matheachhilfe.ch 079 703 7 08 Mege als Sprache der Wahrscheilichkeitsrechug, Begriffe, Grudregel Ereigisraum: Ω Ω Mege
MehrGrundproblem der Inferenzstatistik
Grudproblem der Iferezstatistik Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe... "wahre", ubekate Ateil icht zufällig p... beobachtete Ateil zufällig? Statistik für SoziologIe 1 Iferezschluss Kofidezitervall
Mehr1. Zahlenfolgen und Reihen
. Zahlefolge ud Reihe We ma eie edliche Mege vo Zahle hat, ka ma diese i eier bestimmte Reihefolge durchummeriere: {a,a 2,...,a }. Ma spricht vo eier edliche Zahlefolge. Fügt ma immer mehr Zahle hizu,
MehrBernoulli-Experiment und Binomialverteilung
IV Beroulli-Exerimet ud Biomialverteilug Beroulli-Exerimet ud Beroulliette Defiitio: Zufallsexerimete, bei dee ma sich ur für das Eitrete ( Treffer, Symbol ) oder das Nichteitrete ( Niete, Symbol 0 ) eies
MehrMethoden: Heron-Verfahren, Erweiterung von Differenzen von Quadratwurzeln
6 Kovergete Folge Lerziele: Kozepte: Grezwertbegriff bei Folge, Wachstumsgeschwidigkeit vo Folge Resultat: Mootoe beschräkte Folge sid koverget. Methode: Hero-Verfahre, Erweiterug vo Differeze vo Quadratwurzel
MehrGrundproblem der Inferenzstatistik
Grudproblem der Iferezstatistik Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe π... "wahre", ubekate Ateil icht zufällig p... beobachtete Ateil zufällig? Statistik für SoziologIe 1 Iferezschluss Kofidezitervall
MehrGrundzüge der Stichprobentheorie. Statistisches Bundesamt
Grudzüge der Stichprobetheorie Grüde für Stichprobeerhebug - deutlich gerigere Koste - größere Awedugsbreite - kürzere Erhebugs- ud Auswertugszeite - i der Regel größere Geauigkeit der Ergebisse Begriffsbestimmug
MehrMethoden zur Konstruktion von Schätzern
KAPITEL 5 Methode zur Kostruktio vo Schätzer 5.1. Parametrisches Modell Sei (x 1,..., x ) eie Stichprobe. I der parametrische Statistik immt ma a, dass die Stichprobe (x 1,..., x ) eie Realisierug vo uabhägige
Mehr