1. Wiederholungsklausur Statistik
|
|
- Brit Linden
- vor 6 Jahren
- Abrufe
Transkript
1 Goethe Universität Frankfurt Fachbereich Wirtschaftswissenschaft Prof. Dr. Martin Biewen PD Dr. Ralf Wilke Sommersemester Wiederholungsklausur Statistik Bitte tragen Sie hier und auf den Lösungsblättern (oben links) Ihre Matrikelnummer ein! Matrikelnummer: Wichtig! Durch Ihre Unterschrift in der Teilnehmerliste bestätigen Sie, folgende Prüfungsvorschriften zu beachten: Sie haben den nachfolgenden Text gelesen und stimmen allen Punkten zu. Sie fühlen sich gesund und sind in der Lage, an der Prüfung teilzunehmen. Sie haben sich über die Vorschriften der Prüfungsordnung, die Teilnahme an Klausurprüfungen betreffend, informiert. Sie haben zur Kenntnis genommen, dass Sie für die ordnungsgemäße Abgabe der Klausur vor Verlassen des Prüfungsraumes selbst verantwortlich sind. Es sind nur die vom Themensteller aufgeführten Hilfsmittel erlaubt. Das Mitbringen eines Mobiltelefons in die Klausur ist verboten. Zuwiderhandeln gilt als Täuschungsversuch. Lösungen mit Bleistift oder roter Tinte werden nicht gewertet. Dieses Schema dient nur der Korrektur Σ Rohpunktzahl: Note:
2 Matrikelnr.: 2 Hinweise: a) Die Klausur umfasst 10 Aufgaben. Sie stehen auf den nachfolgenden Seiten. Außerdem gibt es am Ende Blätter, in welche Sie die Lösungen eintragen. Mit den beiden Deckblättern müssen Sie insgesamt 13 Seiten haben. b) Tragen Sie sogleich auf dem Deckblatt und den Lösungsblättern LESERLICH Ihre Matrikelnummer ein. c) Alle Klausurergebnisse sind auf den letzten 7 Seiten einzutragen! Multiple-Choice-Aufgaben werden an Ort und Stelle durch Ankreuzen beantwortet. Die Ergebnisse der Aufgaben 1 bis 9 schreiben Sie in die vorgesehenen Kästchen auf den letzten Seiten hinter den Antwortsatz. NUR DIE ERGEBNISSE DER LETZTEN 7 SEITEN WERDEN GEWERTET! d) Insgesamt sind 132 Rohpunkte zu erreichen. 28 Rohpunkte fallen auf Multiple-Choice-Aufgaben. e) Multiple Choice: Für jede der sieben Teilaufgaben gibt es maximal 4 Punkte. Von den vier Alternativen jeder Aufgabe sind genau zwei richtig und diese sind anzukreuzen. Sind beide Kreuze richtig, so gibt es vier Punkte. Ist nur eine Alternative angekreuzt und richtig, so gibt es zwei Punkte. In allen anderen Fällen gibt es null Punkte! f) Als Hilfsmittel sind nicht programmierbare Taschenrechner und ein geheftetes, BEIDSEITIG bedrucktes Skript von Hassler/Nautz zugelassen. g) Die Beantwortungszeit beträgt 180 Minuten. h) Geben Sie am Ende die VOLLSTÄNDIGE Klausur ab. Viel Erfolg!
3 Matrikelnr.: 3 Aufgabe 1 (12 Punkte) Ein Bettler in Zürich verzeichnet während 40 Wochen folgende Wocheneinnahmen (in Schweizer Franken): a) Erstellen Sie eine Häufigkeitstabelle mit folgender Klasseneinteilung: 100 bis 300, 300 bis 400, 400 bis 500, 500 bis 600, 600 bis 800, 800 bis Die Einträge für die Klassen 600 bis 800 und 800 bis 1200 brauchen Sie nicht zu berechnen. b) Bestimmen Sie aufgrund der Häufigkeitstabelle aus a) das untere Quartil, d.h. den 25-Prozent-Punkt der Einnahmenverteilung des Bettlers. Aufgabe 2 (12 Punkte) Drei verschiedene Dörfer D1, D2 und D3 unterscheiden sich darin, wie der Grund und Boden unter den in diesen Dörfern lebenden Familien aufgeteilt ist. In der folgenden Tabelle gibt x i den Anteil am gesamten Grund und Boden eines Dorfes und n i die Anzahl der Familien an, die jeweils einen solchen Anteil am gesamten Grund und Boden besitzen (z.b. gibt es in D1 drei Familien, von denen jede 20 Prozent des gesamten Grund und Boden besitzt). D1 D2 D3 i x i n i x i n i x i n i a) Berechnen Sie die Koordinaten der Lorenzkurve für D1. b) Berechnen Sie den Gini-Koffizienten für D1. c) Ordnen Sie die Dörfer nach der Ungleichheit der Verteilung des Grundbesitzes gemessen am Gini- Koeffizienten. Aufgabe 3 (12 Punkte) Eine Unternehmung produziert zwei Güter A und B. Der Absatz von Gut A sei eine Zufallsvariable X mit E(X) = 20 und V ar(x) = 4. Der Absatz von Gut B ist entsprechend durch die Zufallsvariable Y mit E(Y ) = 30 und V ar(y ) = 9 gegeben. Die Kovarianz zwischen X und Y beträgt Cov(X, Y ) = 3. Bei der Produktion fallen Kosten X + 3Y an. Der Umsatz beträgt 3X + 4Y. Insgesamt ergibt sich für die Unternehmung also ein Gewinn von (3X + 4Y ) (25 + 2X + 3Y ). a) Berechnen Sie den erwarteten Gewinn. b) Berechnen Sie die Varianz des Gewinns.
4 Matrikelnr.: 4 Aufgabe 4 (14 Punkte) Die drei Töchter Mariah, Britney und Christina haben es übernommen, jeden Abend das Geschirr zu spülen. Die Wahrscheinlichkeit, dass Mariah, die älteste, abwäscht, ist 0,6, dass Britney spült, 0,3 und dass Christina, die jüngste, spült, 0,1. Die Wahrscheinlichkeit, dass ein Stück zu Bruch geht, ist bei Mariah 0,05, bei Britney 0,2 und bei Christina 0,1. (Hinweis: Letztere Wahrscheinlichkeiten stellen bedingte Wahrscheinlichkeiten dar.) a) Wie gross ist die Wahrscheinlichkeit, dass ein Stück zu Bruch geht? b) Man hört Scherben klirren. Wie gross ist die Wahrscheinlichkeit, dass Mariah gerade abspült? c) Wie gross ist die Wahrscheinlichkeit, dass Mariah abspült und ein Stück zu Bruch geht? d) Wie gross ist die Wahrscheinlickeit, dass Mariah nicht abspült? (Hinweis: Benützen Sie den Satz von der totalen Wahrscheinlichkeit bzw. den Satz von Bayes.) Aufgabe 5 (16 Punkte) Karl Müller studiert im Rahmen des Bachelor Programmes der Universität Frankfurt. Um von seinem Studentenwohnheim zum Vorlesungsgebäude zu gelangen, muss er zunächst zur U-Bahn Haltestelle gehen (durchschnittliche Zeit µ 1 = 4 Min., Standardabweichung σ 1 = 1 Min.), wartet dort durchschnittlich 3,5 Min. (= µ 2 ; σ 2 = 2, 5 Min.), fährt mit der U-Bahn bis zur Bockenheimer Warte (durchschnittliche Fahrzeit µ 3 = 21 Min., σ 3 = 5 Min.) und erreicht von hier sein Ziel schließlich zu Fuß (µ 4 = 6; σ 4 = 1, 5 Min.). Die Zeiten für die einzelnen Wegstrecken sind unabhängig voneinander und N(µ i, σ i ) verteilt. a) Wie ist die Gesamtzeit verteilt? b) Berechnen Sie die erwartete Gesamtzeit. c) Berechnen Sie die Standardabweichung der Gesamtzeit. d) Berechnen Sie die Wahrscheinlichkeit, dass Karl maximal 40, aber mindestens 30 Minuten für die Strecke vom Studentenwohnheim - Vorlesungsgebäude benötigt. Aufgabe 6 (4 Punkte) Damit der Dozent einer Vorlesung die geeignete Länge der Abschlussklausur besser abschätzen kann, wirft er einen Blick auf die Ergebnisse der verangenen Jahre. Zur Lösung der Klausur benötigten die 300 Bachelor-Studenten im Durchschnitt 50 Minuten mit einer Standardabweichung von 5 Minuten. a) Berechnen Sie ein 95% Konfidenzintervall für die mittlere Lösungszeit aller Studenten des Semesters unter der Annahme, dass die Lösungszeit normalverteilt ist. Aufgabe 7 (10 Punkte) Es ist unvermeidlich, dass sich PKWs vom gleichen Typ und Baujahr dennoch im Benzinverbrauch unterscheiden. Es wird aber gefordert, dass die Standardabweichung des Benzinverbrauchs in der Gesamtheit nicht grösser sei als 0.3 Liter/100KM. Eine Automobilzeitschrift hat 30 Fahrzeuge eines neuen Modells von Opel ausprobiert und als Benzinverbrauch ermittelt und behauptet nun, die Varianz im Verbrauch sei zu groß. Unterstellen wir Normalverteilung und testen mit α = 10%, ob die Varianz nicht zu gross ist. a) Stellen Sie die Hypothesen auf.
5 Matrikelnr.: 5 b) Berechnen Sie die Prüfgrösse. c) Bestimmen Sie den kritischen Wert. d) Wie lautet die Testentscheidung? Aufgabe 8 (14 Punkte) Der Programmbeauftragte eines Bachelor Studiums hat die Ergebnisse der Statistik Klausur (300 Studenten) nach 5 Notenkategorien und dem Geschlecht der Studenten klassifiziert. Die folgende Tabelle zeigt die Häufigkeiten: männlich weiblich Note Note Note Note Note Es soll überprüft werden, ob Geschlecht und Noten unabhängig voneinander sind (α = 0.05). a) Stellen Sie die Hypothesen auf. b) Berechnen Sie die Prüfgröße. c) Bestimmen Sie die Freiheitsgrade und den kritischen Wert. d) Wie lautet die Testentscheidung?
6 Matrikelnr.: 6 Aufgabe 9 (10 Punkte) Es sei folgende Regressionsgleichung gegeben: y i = β 1 x i,1 + β 2 x i,2 + β 3 x i,3 + ε i, i = 1,..., 5 Folgende Daten stehen zur Verfügung: X = , Y = , ˆβ = 1, 8 0, 4 0. a) Es sei nun die unbekannte Varianz der Störterme wie folgt geschätzt worden: ˆσ 2 = 4, 2. Testen Sie bei α = 0.05 die Hypothese: H 0 : β 3 = 0 vs. H 1 : β 3 0. Geben Sie auch die Prüfgröße und den kritischen Wert an. b) Berechnen Sie das durch das Modell vorhergesagte Y an der Stelle der Stichprobenmittel von X 1, X 2 und X 3 (d.h. ŷ x) und berechnen Sie das Stichprobenmittel von Y (d.h. ȳ). Welche der folgenden Eigenschaften beobachten Sie: A: ŷ x > ȳ, B: ŷ x = ȳ oder C: ŷ x < ȳ?
7 Matrikelnr.: 7 Multiple Choice und Lösungsblätter Aufgabe 10 (28 Punkte) Für jede der folgenden Teilaufgaben gibt es maximal 4 Punkte. Von den vier Alternativen jeder Aufgabe sind genau zwei richtig und diese sind anzukreuzen. Sind beide Kreuze richtig, so gibt es vier Punkte. Ist nur eine Alternative angekreuzt und richtig, so gibt es zwei Punkte. In allen anderen Fällen gibt es null Punkte! a) Die Lebensdauer von Fernsehgeräten einer bestimmten Marke bis zur ersten Reparatur kann als exponentialverteilt mit dem Paramter λ angenommen werden. Bei einer Untersuchung von 100 Fernsehgeräten wurde eine durchschnittliche Lebensdauer von 3 Jahren festgestellt. Der Parameter λ soll mithilfe der Maximum Likelihood Methode geschätzt werden: Welche der folgenden Ausdrücke gleichen in diesem Fall der Likelihood Funktion? L(λ) = λe λx λe λx100 L(λ) = λe λx 1... λe λx100 L(λ) = λ 100 e 3 L(λ) = λ 100 e 300λ b) Es gilt Die Quantilfunktion ist die Inverse der Verteilungsfunktion. Wie die Verteilungsfunktion kann die Quantilfunktion nur Werte zwischen 0 und 1 annehmen. Wenn eine Verteilung nicht symmetrisch ist, dann existiert auch keine Quantilfunktion. Die Quantile bzw. Prozentpunkte in den statistischen Verteilungstabellen sind ausgewählte Werte der Quantilfunktionen. c) Es gilt die Chi-Quadrat Verteilung mit n Freiheitsgraden gleicht der Verteilung der Summe von n 1 quadrierten unabhängig standardnormalverteilten Zufallsvariablen. die Chi-Quadrat Verteilung mit n Freiheitsgraden gleicht der Verteilung der Summe von n quadrierten unabhängig standardnormalverteilten Zufallsvariablen. der Erwartungswert und die Varianz der Chi-Quadrat Verteilung streben gegen unendlich, wenn die Zahl der Freiheitsgrade gegen unendlich geht. die Chi-Quadrat Verteilung konvergiert für hinreichend grosse Freiheitsgrade gegen die t-verteilung.
8 Matrikelnr.: 8 d) Es gilt F-verteilte Zufallsvariablen sind nicht negativ. der Erwartungswert der F-Verteilung mit m und n Freiheitsgraden geht gegen unendlich, wenn m gegen null geht. für die α-quantile der F Verteilung mit m und n Freiheitsgraden gilt: F m n [α] = 1 F n m [1 α]. die F-Verteilung mit n und m Freiheitsgraden konvergiert gegen die Standardnormalverteilung, wenn m konstant ist und n gegen unendlich strebt. e) In welchen Fällen ist der P-Wert richtig bestimmt? zweiseitiger Test; Prüfgröße z = , Φ(1.3225) = 0.907, P-Wert=0.093 zweiseitiger Test; Prüfgröße z = , Φ(1.3225) = 0.907, P-Wert= unterseitiger Test; Prüfgröße t(7) = , Ft(7) (1.1192) = 0.85, P-Wert=0.15 unterseitiger Test; Prüfgröße t(7) = , F t(7) (1.1192) = 0.85, P-Wert=0.30 mit Φ als der Verteilungsfunktion der Standardnormalverteilung und F t(v) als der Verteilungsfunktion der t-verteilung mit v Freiheitsgraden.
9 Matrikelnr.: 9 f) Es sei folgende Regressionsgleichung gegeben: y i = β 1 x i,1 + β 2 x i,2 + β 3 x i,3 + ε i, i = 1,..., 5 und es gelten die üblichen Annahmen an dieses Modell. Welche der folgenden Martizen X sind zulässig? X = X = X = X =
10 Matrikelnr.: 10 g) Im Rahmen der Regressionsrechnung gelte y i = a + bx i + e i mit den Beobachtungen i = 1,..., n. Welche Aussagen sind korrekt? Das Bestimmheitsmaß R 2 ist der Anteil der durch die exogene Variable X erklärte Varianz der abhängigen Variablen Y an ihrer Gesamtvarianz. Das Bestimmtheitsmaß R 2 und der Korrelationskoeffizient stehen in einem direkten Zusammenhang: beide können Werte zwischen -1 und 1 annehmen. Die Koeffizienten der Regressionsgerade erhält man durch die Maximierung der Summe der quadrierten Abweichungen (SQA). Bei gegebener Streuung der beiden Variablen X und Y verläuft die Regressionsgerade um so flacher, je schwächer der lineare Zusammenhang zwischen den Variablen ist.
11 Matrikelnr.: 11 Lösungen der Aufgaben 1 bis 9 tragen Sie bitte in die nachfolgenden Kästchen ein. Aufgabe 1 (Lösung) a) Tragen Sie Ihre Ergebnisse in folgende Tabelle ein: i x i 1 < X x i n i h i i ˆf(x) i j=1 h j = ˆF (x i ) 1 (100; 300] 2 0, , ,05 2 (300; 400] 2 0, ,0005 0,1 3 (400; 500] 3 0, , ,175 4 (500; 600] 8 0, ,002 0,375 b) Das untere Quartil ist: 537, 5 Aufgabe 2 (Lösung) a) Tragen Sie die Lorenzkoordinaten in folgende Tabelle ein: i u i v i ,2 0,1 2 0,8 0, b) Der Gini-Koeffizient für D1 lautet: 0, 16 c) Das Dorf mit der ungleichsten Besitzverteilung ist: D3 Das Dorf mit der zweit-ungleichsten Besitzverteilung ist: D1 Das Dorf mit der dritt-ungleichsten Besitzverteilung ist: D2 Aufgabe 3 (Lösung) a) Der erwartete Gewinn beträgt: 25 b) Die Varianz des Gewinns ist: 19
12 Matrikelnr.: 12 Aufgabe 4 (Lösung) a) Die Wahrscheinlichkeit, dass ein Stück zu Bruch geht, beträgt: 0, 1 b) Wenn man Scherben klirren hört, dann beträgt die Wahrscheinlichkeit, dass Mariah gerade abspült: 0,3 c) Die Wahrscheinlichkeit, dass Mariah spült und ein Stück zu Bruch geht, beträgt: 0,03 d) Die Wahrscheinlichkeit, dass Mariah nicht abspült, beträgt: 0,4 Aufgabe 5 (Lösung) a) Die Gesamtzeit hat die folgende Verteilung: Normalverteilung b) Die erwartete Gesamtzeit in Minuten lautet: 34,5 c) Die Standardabweichung der Gesamtzeit in Minuten lautet: 5,874 d) Mit Wahrscheinlichkeit: 0, 603 Aufgabe 6 (Lösung) a) Das Konfidenzintervall lautet: [49, 43; 50, 57] Aufgabe 7 (Lösung) a) Die Nullhypothese lautet: σ 2 0, 09 Die Alternativhypothese lautet: σ 2 > 0, 09 b) Die Prüfgrösse lautet: 39, 6 c) Der kritische Wert lautet: 39, 09 d) Die Nullhypothese wird verworfen
13 Matrikelnr.: 13 Aufgabe 8 (Lösung) a) Die Nullhypothese lautet: Noten und Geschlecht sind unabhängig. Die Alternativhypothese lautet: Noten und Geschlecht sind nicht unabhängig. b) Die Prüfgrösse lautet: 9, 45 c) Die Anzahl der Freiheitsgrade lautet: 4 Der kritische Wert lautet: 9, 49 d) Die Nullhypothese wird nicht verworfen Aufgabe 9 (Lösung) a) Die Prüfgröße lautet: 0 Der kritische Wert lautet: 4, 3 Die Nullhypothese wird nicht verworfen b) Die richtige Antwort lautet: B
Übung zur Empirischen Wirtschaftsforschung V. Das Lineare Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Christian Peukert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2010
MehrScheinklausur Stochastik 1 für Studierende des Lehramts und der Diplom-Pädagogik
Universität Karlsruhe (TH) Institut für Stochastik Dr. Bernhard Klar Dipl.-Math. oec. Volker Baumstark Name Vorname Matr.-Nr.: Scheinklausur Stochastik für Studierende des Lehramts und der Diplom-Pädagogik
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
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
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
MehrETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig)
ETWR Teil B 2 Ziele Bisher (eindimensionale, mehrdimensionale) Zufallsvariablen besprochen Lageparameter von Zufallsvariablen besprochen Übertragung des gelernten auf diskrete Verteilungen Ziel des Kapitels
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 9. Dezember 2010 1 Konfidenzintervalle Idee Schätzung eines Konfidenzintervalls mit der 3-sigma-Regel Grundlagen
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
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
MehrChi-Quadrat Verfahren
Chi-Quadrat Verfahren Chi-Quadrat Verfahren werden bei nominalskalierten Daten verwendet. Die einzige Information, die wir bei Nominalskalenniveau zur Verfügung haben, sind Häufigkeiten. Die Quintessenz
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........................
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.
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
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
MehrKenngrößen von Zufallsvariablen
Kenngrößen von Zufallsvariablen Die Wahrscheinlichkeitsverteilung kann durch die sogenannten Kenngrößen beschrieben werden, sie charakterisieren sozusagen die Verteilung. Der Erwartungswert Der Erwartungswert
MehrWebinar Induktive Statistik. - Wahrscheinlichkeitsrechnung - Stichprobentheorie
Webinar Induktive Statistik - Wahrscheinlichkeitsrechnung - Stichprobentheorie Wahrscheinlichkeitstheorie Aufgabe : Zwei Lieferanten decken den Bedarf eines PKW-Herstellers von 00.000 Einheiten pro Monat.
MehrStetige Verteilungen. A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch
6 Stetige Verteilungen 1 Kapitel 6: Stetige Verteilungen A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch dargestellt. 0.2 6
MehrDipl.-Volksw. Markus Pullen Wintersemester 2012/13
Statistische Auswertungen mit R Universität Kassel, FB 07 Wirtschaftswissenschaften Dipl.-Volksw. Markus Pullen Wintersemester 2012/13 Beispiele 8. Sitzung Konfidenzintervalle, Hypothesentests > # Anwendungsbeispiel
MehrRegression ein kleiner Rückblick. Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate
Regression ein kleiner Rückblick Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate 05.11.2009 Gliederung 1. Stochastische Abhängigkeit 2. Definition Zufallsvariable 3. Kennwerte 3.1 für
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
MehrDIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 2006/07 28.02.2007
Wirtschaftswissenschaftliches Prüfungsamt DIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 006/07 8.0.007 Lösung Prof. Dr. R Friedmann / Dr. R. Hauser Hinweise für die Klausurteilnehmer
MehrAufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97.
Aufgabenblock 4 Aufgabe ) Da s = 8. cm nur eine Schätzung für die Streuung der Population ist, müssen wir den geschätzten Standardfehler verwenden. Dieser berechnet sich als n s s 8. ˆ = = =.88. ( n )
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 19. Januar 2011 1 Nichtparametrische Tests Ordinalskalierte Daten 2 Test für ein Merkmal mit nur zwei Ausprägungen
MehrSpezielle stetige Verteilungen
Spezielle stetige Verteilungen schon bekannt: Die Exponentialverteilung mit Parameter k R, k > 0 hat die Dichte f (x) = ke kx für x 0 und die Verteilungsfunktion F (x) = 1 e kx für x 0. Eigenschaften Für
MehrHypothesenprüfung. Darüber hinaus existieren zahlreiche andere Testverfahren, die alle auf der gleichen Logik basieren
Hypothesenprüfung Teil der Inferenzstatistik Befaßt sich mit der Frage, wie Hypothesen über eine (in der Regel unbekannte) Grundgesamtheit an einer Stichprobe überprüft werden können Behandelt werden drei
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
MehrK8 Stetige Zufallsvariablen Theorie und Praxis
K8 Stetige Zufallsvariablen Theorie und Praxis 8.1 Theoretischer Hintergrund Wir haben (nicht abzählbare) Wahrscheinlichkeitsräume Meßbare Funktionen Zufallsvariablen Verteilungsfunktionen Dichten in R
MehrGegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen. 0 sonst.
Aufgabe 1 (2 + 4 + 2 + 1 Punkte) Gegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen X und Y : { 2x + 2y für 0.5 x 0.5, 1 y 2 f(x, y) = 3 0 sonst. a) Berechnen
Mehr1.1.1 Ergebnismengen Wahrscheinlichkeiten Formale Definition der Wahrscheinlichkeit Laplace-Experimente...
Inhaltsverzeichnis 0 Einführung 1 1 Zufallsvorgänge und Wahrscheinlichkeiten 5 1.1 Zufallsvorgänge.......................... 5 1.1.1 Ergebnismengen..................... 6 1.1.2 Ereignisse und ihre Verknüpfung............
Mehr8. Februar 2007. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt.
L. Fahrmeir, C. Belitz Department für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit Wahlfach Statistik 8. Februar 2007 Hinweise:
Mehr90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft
Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte
MehrProfil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8
1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen
MehrHypothesentests mit SPSS. Beispiel für einen t-test
Beispiel für einen t-test Daten: museum-f-v04.sav Hypothese: Als Gründe, in ein Museum zu gehen, geben mehr Frauen als Männer die Erweiterung der Bildung für Kinder an. Dies hängt mit der Geschlechtsrolle
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
MehrLösung Aufgabe 1 (Regression) Es wurden in einer Befragung zwei metrische Merkmale X und Y erhoben. Betrachten Sie dazu die
Statistik für Kommunikationswissenschaftler Wintersemester 2010/2011 Vorlesung Prof. Dr. Nicole Krämer Übung Nicole Krämer, Cornelia Oberhauser, Monia Mahling Lösung Thema 9 Homepage zur Veranstaltung:
MehrDatenanalyse mit Excel und Gretl
Dozent: Christoph Hindermann christoph.hindermann@uni-erfurt.de Datenanalyse mit Excel und Gretl Teil Titel 2: Gretl 1 Teil 2: Gretl Datenanalyse mit Excel und Gretl Teil Titel 2: Gretl 2 Modellannahmen
MehrZeit zum Kochen [in min] [10, 20[ [20, 30[ [30, 40[ [40, 50[ [50,60[ [60, 100] Hi
1. Susi und Fritzi bereiten ein Faschingsfest vor, dazu gehört natürlich ein Faschingsmenü. Ideen haben sie genug, aber sie möchten nicht zu viel Zeit fürs Kochen aufwenden. In einer Zeitschrift fanden
MehrLösungen zu den Übungsaufgaben in Kapitel 10
Lösungen zu den Übungsaufgaben in Kapitel 10 (1) In einer Stichprobe mit n = 10 Personen werden für X folgende Werte beobachtet: {9; 96; 96; 106; 11; 114; 114; 118; 13; 14}. Sie gehen davon aus, dass Mittelwert
MehrUnivariates Datenmaterial
Univariates Datenmaterial 1.6.1 Deskriptive Statistik Zufallstichprobe: Umfang n, d.h. Stichprobe von n Zufallsvariablen o Merkmal/Zufallsvariablen: Y = {Y 1, Y 2,..., Y n } o Realisationen/Daten: x =
Mehr8. Stetige Zufallsvariablen
8. Stetige Zufallsvariablen Idee: Eine Zufallsvariable X ist stetig, falls ihr Träger eine überabzählbare Teilmenge der reellen Zahlen R ist. Beispiel: Glücksrad mit stetigem Wertebereich [0, 2π] Von Interesse
MehrUniversität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B
Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip Sommersemester 2010 KLAUSUR Statistik B Hinweise zur Bearbeitung: Bei allen Teilaufgaben
MehrDiskrete Wahrscheinlichkeitstheorie - Probeklausur
Diskrete Wahrscheinlichkeitstheorie - robeklausur Sommersemester 2007 - Lösung Name: Vorname: Matrikelnr.: Studiengang: Hinweise Sie sollten insgesamt Blätter erhalten haben. Tragen Sie bitte Ihre Antworten
MehrPrüfung im Anschluss an das Sommersemester 2004 am 15. Oktober 2004 von bis Uhr
Note Technische Universität München SS 2004 Zentrum Mathematik apl. Prof. Dr. J. Hartl Höhere Mathematik 2 (Weihenstephan) Prüfung im Anschluss an das Sommersemester 2004 am 15. Oktober 2004 von 15.30
MehrStatistik - Übungsaufgaben
Statistik - Übungsaufgaben 1) Eine vor mehreren Jahren durchgeführte Befragung von 30 Arbeitern eines Großbetriebes ergab für die Stundenlöhne folgende Liste: 16,35 16,80 15,75 16,95 16,20 17,10 16,64
MehrChi-Quadrat-Verteilung
Chi-Quadrat-Verteilung Die Verteilung einer Summe X +X +...+X n, wobei X,..., X n unabhängige standardnormalverteilte Zufallsvariablen sind, heißt χ -Verteilung mit n Freiheitsgraden. Eine N(, )-verteilte
MehrWiederholung Hypothesentests Zusammenfassung. Hypothesentests. Statistik I. Sommersemester Statistik I Hypothesentests I (1/36)
Statistik I Sommersemester 2009 Statistik I I (1/36) Wiederholung Grenzwertsatz Konfidenzintervalle Logik des 0.0 0.1 0.2 0.3 0.4 4 2 0 2 4 Statistik I I (2/36) Zum Nachlesen Agresti/Finlay: Kapitel 6+7
MehrKlausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik
Ludwig Fahrmeir, Nora Fenske Institut für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik 29. März 21 Hinweise:
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
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
MehrLiteratur: Glantz, S.A. (2002). Primer of Biostatistics. New York: McGraw-Hill.
Statistik Literatur: Glantz, S.A. (2002). Primer of Biostatistics. New York: McGraw-Hill. Maxwell, S.E. & Delaney, H.D. (2000). Designing Experiments and Analyzing Data. Mahwah, NJ: Erlbaum. Das Grundproblem
Mehr1 Gemischte Lineare Modelle
1 Gemischte Lineare Modelle Wir betrachten zunächst einige allgemeine Aussagen für Gemischte Lineare Modelle, ohne zu tief in die mathematisch-statistische Theorie vorzustoßen. Danach betrachten wir zunächst
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
MehrStatistik. Datenanalyse mit EXCEL und SPSS. Prof. Dr. Karlheinz Zwerenz. R.Oldenbourg Verlag München Wien. Von
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz R.Oldenbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL I GRUNDLAGEN
MehrName (in Druckbuchstaben): Matrikelnummer: Unterschrift:
20-minütige Klausur zur Vorlesung Lineare Modelle im Sommersemester 20 PD Dr. Christian Heumann Ludwig-Maximilians-Universität München, Institut für Statistik 2. Oktober 20, 4:5 6:5 Uhr Überprüfen Sie
MehrModulklausur Multivariate Verfahren
Name, Vorname Matrikelnummer Modulklausur 31821 Multivariate Verfahren Datum Punkte Note Termin: 28. März 2014, 9.00-11.00 Uhr Erstprüfer: Univ.-Prof. Dr. H. Singer Hinweise zur Bearbeitung der Modulklausur
MehrKlausur zu Methoden der Statistik I (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 I (mit Kurzlösung) Wintersemester 2007/2008 Aufgabe 1 Ihnen liegt
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
MehrVeranstaltung Statistik (BWL) an der FH Frankfurt/Main im WS 2004/05 (Dr. Faik) Klausur 09.02.2005 - GRUPPE A - BEARBEITER/IN (NAME, VORNAME):
Veranstaltung Statistik (BWL) an der FH Frankfurt/Main im WS 2004/05 (Dr. Faik) Klausur 09.02.2005 - GRUPPE A - BEARBEITER/IN (NAME, VORNAME): MATRIKELNUMMER: Alte Prüfungsordnung/Neue Prüfungsordnung
Mehr1 Von den Ereignissen U und V eines Zufallsexperiments kennt man die Eigenschaften (1) bis (3) :
Prof. Dr. E. Mammen SEMINAR FÜR STATISTIK Prof. Dr. H. Stenger UNIVERSITÄT MANNHEIM Vierstündige Klausur in statistischer Methodenlehre 9. Juli 003; 8:30 - :30 Zulässige Hilfsmittel: keine, insbesondere
MehrProbeklausur zur Vorlesung Statistik II für Studierende der Soziologie und Nebenfachstudierende
Probeklausur zur Vorlesung Statistik II für Studierende der Soziologie und Nebenfachstudierende im Sommersemester 2012 Prof. Dr. H. Küchenhoff, J. Brandt, G. Schollmeyer, G. Walter Aufgabe 1 Betrachten
MehrÜber den Autor 7. Teil Beschreibende Statistik 29
Inhaltsverzeichnis Über den Autor 7 Einführung Über dieses Buch - oder:»... für Dummies«verpflichtet! Wie man dieses Buch benutzt 22 Wie ich Sie mir vorstelle 22 Wie dieses Buch aufgebaut ist 23 Teil I:
MehrStatistik-Übungsaufgaben
Statistik-Übungsaufgaben 1) Bei der Produktion eine Massenartikels sind erfahrungsgemäß 20 % aller gefertigten Erzeugnisse unbrauchbar. Es wird eine Stichprobe vom Umfang n =1000 entnommen. Wie groß ist
MehrDie Varianz (Streuung) Definition
Die (Streuung) Definition Diskrete Stetige Ang., die betrachteten e existieren. var(x) = E(X EX) 2 heißt der Zufallsvariable X. σ = Var(X) heißt Standardabweichung der X. Bez.: var(x), Var(X), varx, σ
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
MehrFakultät für Informatik Übung zu Kognitive Systeme Sommersemester 2016
Fakultät für Informatik Übung zu Kognitive Systeme Sommersemester 1 M. Sperber (matthias.sperber@kit.edu) S. Nguyen (thai.nguyen@kit.edu) Übungsblatt 3 Maschinelles Lernen und Klassifikation Abgabe online
Mehr1 1. Übung. Einleitung. 1.1 Urnenmodelle. 1.2 Beispiele. 1.3 Aufgaben
Einleitung Dieses sind die kompletten Präsenzaufgaben, die bei der Übung zur Vorlesung Einführung in die Stochastik im Sommersemester 2007 gerechnet wurden. Bei Rückfragen und Anmerkungen bitte an brune(at)upb.de
MehrProf. Dr. Christoph Karg Hochschule Aalen. Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik. Sommersemester 2016
Prof. Dr. Christoph Karg 5.7.2016 Hochschule Aalen Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik Sommersemester 2016 Name: Unterschrift: Klausurergebnis Aufgabe 1 (15 Punkte) Aufgabe 3
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
Mehr9 Die Normalverteilung
9 Die Normalverteilung Dichte: f(x) = 1 2πσ e (x µ)2 /2σ 2, µ R,σ > 0 9.1 Standard-Normalverteilung µ = 0, σ 2 = 1 ϕ(x) = 1 2π e x2 /2 Dichte Φ(x) = 1 x 2π e t2 /2 dt Verteilungsfunktion 331 W.Kössler,
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
MehrVorlesung Wissensentdeckung
Gliederung Vorlesung Wissensentdeckung Additive Modelle Katharina Morik, Weihs 1 Merkmalsauswahl Gütemaße und Fehlerabschätzung.6.015 1 von 33 von 33 Ausgangspunkt: Funktionsapproximation Aufteilen der
MehrKlausur in Statistik VWA Essen
Prof. Dr. Peter von der Lippe Klausur in Statistik VWA Essen neue Regelung (verkürzter Stoff) Bitte schreiben Sie hier Ihren Namen auf das Deckblatt. Bitte neben dieser Aufgabenstellung keine weitere Blätter
MehrBiostatistik Erne Einfuhrung fur Biowissenschaftler
Matthias Rudolf Wiltrud Kuhlisch Biostatistik Erne Einfuhrung fur Biowissenschaftler PEARSON Studium Inhaltsverzeichnis Vorwort xi Kapitel 1 Einfiihrung 1 1.1 Biostatistik als Bestandteil biowissenschafllicher
MehrStatistik II für Betriebswirte Vorlesung 3
PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 3 5. November 2013 Beispiel: Aktiensplit (Aczel & Sounderpandan, Aufg. 14-28) Ein Börsenanalyst
MehrAllgemeine Wahrscheinlichkeitsräume
Kapitel 3 Allgemeine Wahrscheinlichkeitsräume 3. Einleitung Wir hatten schon bemerkt, dass der Begriff des diskreten Wahrscheinlichkeitsraums nicht ausreicht, um das unendliche Wiederholen eines Zufallsexperiments
MehrAnalytische Statistik II
Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Das Testen von Hypothesen Während die deskriptive Statistik die Stichproben nur mit Hilfe quantitativer Angaben charakterisiert,
MehrBeurteilende Statistik
Beurteilende Statistik Wahrscheinlichkeitsrechnung und Beurteilende Statistik was ist der Unterschied zwischen den beiden Bereichen? In der Wahrscheinlichkeitstheorie werden aus gegebenen Wahrscheinlichkeiten
MehrKlausur Statistik I. Dr. Andreas Voß Wintersemester 2005/06
Klausur Statistik I Dr. Andreas Voß Wintersemester 2005/06 Hiermit versichere ich, dass ich an der Universität Freiburg mit dem Hauptfach Psychologie eingeschrieben bin. Name: Mat.Nr.: Unterschrift: Bearbeitungshinweise:
MehrMögliche Fehler beim Testen
Mögliche Fehler beim Testen Fehler. Art (Irrtumswahrscheinlichkeit α), Zusammenfassung: Die Nullhypothese wird verworfen, obwohl sie zutrifft. Wir haben uns blamiert, weil wir etwas Wahres abgelehnt haben.
MehrKapitel 2 Wahrscheinlichkeitsrechnung
Definition 2.77: Normalverteilung & Standardnormalverteilung Es sei µ R und 0 < σ 2 R. Besitzt eine stetige Zufallsvariable X die Dichte f(x) = 1 2 πσ 2 e 1 2 ( x µ σ ) 2, x R, so heißt X normalverteilt
MehrWahrscheinlichkeitsrechnung und schließende Statistik
Springer-Lehrbuch Wahrscheinlichkeitsrechnung und schließende Statistik von Karl Mosler, Friedrich Schmid Neuausgabe Wahrscheinlichkeitsrechnung und schließende Statistik Mosler / Schmid schnell und portofrei
MehrMarketing III - Angewandte Marktforschung (SS 2016)
TECHNISCHE UNIVERSITÄT ILMENAU Fakultät für Wirtschaftswissenschaften und Medien Fachgebiet Marketing Univ.-Prof. Dr. rer. pol. habil. Anja Geigenmüller Marketing III - Angewandte Marktforschung (SS 2016)
MehrKLAUSUR zu Einführung in die Optimierung. Studiengang: Bachelor Master Diplom (bitte ankreuzen)
Mathematisches Institut WS 2012/13 der Heinrich-Heine-Universität 7.02.2013 Düsseldorf Prof. Dr. Achim Schädle KLAUSUR zu Einführung in die Optimierung Bitte folgende Angaben ergänzen und DEUTLICH LESBAR
MehrDatenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse (PHY31) Herbstsemester 015 Olaf Steinkamp 36-J- olafs@physik.uzh.ch 044 63 55763 Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung und
MehrKATA LOGO Mathematik Statistik Roadmap: Von der Hypothese zum p-wert
KATA LOGO Mathematik Statistik Roadmap: Von der Hypothese zum p-wert 0. Das eigentliche Forschungsziel ist: Beweis der eigenen Hypothese H 1 Dafür muss Nullhypothese H 0 falsifiziert werden können Achtung!
MehrBachelorabschlussseminar Dipl.-Kfm. Daniel Cracau
1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank
MehrAufgabe 50. Ein Schießbudenbesitzer hat festgestellt, dass die Trefferwahrscheinlichkeit in den späten Abendstunden 0;1 pro Schuss beträgt.
Aufgabe 0 Ein Schießbudenbesitzer hat festgestellt, dass die Trefferwahrscheinlichkeit in den späten Abendstunden 0;1 pro Schuss beträgt. a) Wie hoch ist die Wahrscheinlichkeit, bei Schüssen mindestens
MehrVorlesung Wirtschaftsstatistik 2 (FK 040637) Multiple lineare Regression. Dipl.-Ing. Robin Ristl Wintersemester 2012/13
Vorlesung Wirtschaftsstatistik 2 (FK 040637) Multiple lineare Regression Dipl.-Ing. Robin Ristl Wintersemester 2012/13 1 Grundidee: Eine abhängige Variable soll als Linearkombination mehrerer unabhängiger
MehrBinäre abhängige Variablen
Binäre abhängige Variablen Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Einführung Oft wollen wir qualitative Variablen
Mehrdie wir als Realisationen von unabhängig und identisch verteilten Zufallsvariablen
Kapitel 8 Schätzung von Parametern 8.1 Schätzmethoden Gegeben seien Beobachtungen Ü Ü ¾ Ü Ò die wir als Realisationen von unabhängig und identisch verteilten Zufallsvariablen ¾ Ò auffassen. Die Verteilung
MehrStatistik II für Betriebswirte Vorlesung 12
Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 12 11. Januar 2013 7.3. Multiple parameterlineare Regression Im Folgenden soll die
Mehr7.3 Chi-Quadrat-Streuungstest und F-Test
7.3 Chi-Quadrat-Streuungstest und F-Test Alle bisher besprochenen Statistischen Tests sind sog. Tests über die Mittelwerte; denn ihre Nullhypothesen handeln vom Vergleich entweder zweier Mittelwerte oder
MehrÜ b u n g s b l a t t 15
Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel 2. 7. 2007 Ü b u n g s b l a t t 15 Hier ist zusätzliches Übungsmaterial zur Klausurvorbereitung quer durch die Inhalte der Vorlesung. Eine
Mehr1.4 Der Binomialtest. Die Hypothesen: H 0 : p p 0 gegen. gegen H 1 : p p 0. gegen H 1 : p > p 0
1.4 Der Binomialtest Mit dem Binomialtest kann eine Hypothese bezüglich der Wahrscheinlichkeit für das Auftreten einer Kategorie einer dichotomen (es kommen nur zwei Ausprägungen vor, z.b. 0 und 1) Zufallsvariablen
MehrTutorial: Regression Output von R
Tutorial: Regression Output von R Eine Firma erzeugt Autositze. Ihr Chef ist besorgt über die Anzahl und die Kosten von Maschinenausfällen. Das Problem ist, dass die Maschinen schon alt sind und deswegen
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
Mehr