Wahrscheinlichkeitsrechnung und Statistik - Zusamenfassung
|
|
- Margarethe Abel
- vor 6 Jahren
- Abrufe
Transkript
1 Wahrschelchketsrechug ud Statstk - Zusamefassug atrck letscher. September 3 Wahrschelchkete. Eregsraum Der Eregsraum Ω umfasst alle möglche Ausgäge ees Zufallsexpermmets. E Elemetareregs Ω st e Elemet ω Ω E Eregs A st ee Telmege vo Ω, d.h. ee Kombato vo Elemetareregsse A Ω (Komplemet) st das Eregs, dass A cht etrtt. A c A st de Klasse der beobachtete Eregsse. Falls Ω edlch st, da st A de Mege aller Telmege vo Ω, d.h. de otezmege.. Das Wahrschelchketsmass : A [, ] (A). = de Wahrschelchket, dass A etrtt Axome der Wahrschelchketstheore A (A) für alle A Ω A (Ω) = A3 Se A, A,... ee Folge dsjukter Eregsse, da ( ) = (A ) Wetere Recheregel (A c ) = (A) ( ) = A B (A) (B) (A B) = (A) + (B) (A B) (A B) = ( (A) + (B)) ud Multplkato.3 Berechug vo W kete edlche Räume (A) = A Ω Exkurs de Kombatork ermutatoe ohe Zurücklege Aus Objekte sd k herauszugrefe, wobe de Rehefolge ee Rolle spele soll. Mögl. =! ( k)! ermutatoe mt Zurücklege Gegebe sd Objekte. Wevele Folge der Läge k köe gebldet werde, falls jedes Objekt belebg oft gewählt werde darf. Mögl. = k Kombatoe ohe Zurücklege Gegebe ee Mege mt Elemete. Wevele Telmege mt k Elemete ka ma daraus blde?! Mögl. = ( k)!k! = ( ) k Bsp: Lotto (6 aus 45) A = {6Rchtge} = ( ) 45 6 B = {4Rchtge} = ( 6 39 ) 4)(.4 Bedgte W kete See A,B Eregsse, (A) > Def.: De bedgte W ket, dass A gegebe B etrtt, st (B A) = (A B) (A) Multplkatossatz Se (A) > : Da (A B) = (B A) (A) vo der totale W ket Gegebe see Eregsse A,..., A mt (A ) >. Def.: De A blde ee Zerlegug vo Ω, falls
2 . A A j = für j, paarw. dsj.. Ω = A Da glt für B Ω dass (B) = (B A ) (A ) vo Bayes (A B) = (A B) (B) = Allgemee Formel vo Bayes (A k B) = (B A k) (A k ) (B A ) (A ).5 Uabhäggket (B A) (A) (B A) (A)+ (B A C ) (A C ) See A, B Ω zwe Eregsse. Def. A ud B sd uabhägg, falls (A B) = (A) (B) Falls (A) > : A,B uabh. (B A) = (B) Falls (B) > : A,B uabh. (A B) = (A) Allgemee Defto der Uabhäggket Eregsse A,..., A hesse uabhägg, falls für jede Wahl vo je m Eregsse A k,..., A km, {k,..., k m } {,..., }, stets glt: (A k... A km ) = (A k )... (A km ) Zufallsvarable. Begrff der ZV Es se Ω e Eregsraum. Ee ZV auf Ω st ee Fukto Ω R. Wr ee ee ZV dskret, falls se edlche oder abzählbar vele Werte ammt.. Wahrschelchket- ud Vertelugsfukto Def. De W ketsfukto der dskrete ZV X st de Fukto { (X = x) falls x ω p(x) = sost ω: Werteberech vo X Vertelugsfukto F: F (x) = (X x) Für dskrete ZV st F (x) = p(x ) x : x ω, x x De Vertelugsfukto st: rechtsstetg lm x F (X) =, lm x + F (X) =.3 Ege wchtge dskrete Verteluge. Uforme Vertelug (Glechvertelug) ω = {x,..., x } p(x ) = (X = x ) = Bsp: Würfel mt eem Würfel. Beroull-Vertelug X mmt ur de Werte ud a (X = ) = p (X = ) = p (X) = p x ( p) x, x =, X Be(p) 3. Bomalvertelug X= Azahl Erfolge be Versuche p(k) = ( ) k p k ( p) k X B(, p) Approx. durch osso Multomalvertelug! [X = x, X = x, X 3 = x 3] = x!x!x 3! px px px De geometrsche Vertelug X= Azahl der Versuche, bs e Erfolg etrtt p(k) = (X = k) = ( p) k p 5. De egatvbomale Vertelug X= Azahl Versuche, bs ch r-mal erfolgrech b (X = k) = ( ) k r p r ( p) k r 6. De hypergeometrsche Vertelug Gegestäde eer Ure, r vom Typ I ud -r vom Typ II, ch zehe m davo (ohe Zurücklege) (X = k) = k)( m k) (r r ( m) Bsp: Lotto, 6 aus 45, W ket ees Verers: =45, r=6, m=6, k=4 7. De osso-vertelug X= Azahl Eregsse eem Zettervall(Arufe, gedruckte Fles) X st osso-vertelt mt arameter λ, falls (X = k) = λk e λ k! k =,,... Werteberech W =,..., λ = E[X] = p.4 Stetge Zufallsvarable Sd ZV, de Werte eem Itervall W aehme köe. z.b.: W = R, W = R +, W = [, ] Defto Se X ee ZV mt Vertelugsfukto oder W ketsfukto F (x) = [X x]. Falls es ee Fukto f(x) gbt, so dass
3 F (x) = x f(y)dy für alle x W, da hesst f(x) de Dchte vo X. Egeschafte f(x) für alle x f(x) st stetg oder stückwese stetg f(x)dx =, wel lm F (x) = x a < b : [a < X b] = [X b] [X a] = F (b) F (a) = [X = a] = b a f(x)dx A alle Stelle, a dee f(x) stetg st, glt: F (x) = f(x).5 Trasformato vo ZV Se X ee ZV mt Vertelugsfkt. F X (x) ud Dchte f X (x). Gesucht: Vertelug ud Dchte vo Y = g(x) We X N(µ, σ ) ud Y Y N(aµ + b, a σ ) = ax + b, da glt Se X stetg, mt Dchte f X (x), Vertelug F X (x). Se Y = g(x), mt g dff bar, streg mooto steged/falled auf eem Itervall I, wobe f X (x) = für x / I (I = R st zugelasse). Da st{ de Dchte vo Y fx (g (y)) d f Y (y) = dy g (y) sost wobe g de Umkehrfkt. vo g ud y {g(x) x I} Bespele. Glechvertelug (Uform Dstrbuto): X U(, ) { für x [, ] f(x) = sost für x < F (x) = x für x [, ] für x >. Expoetalvertelug X Exp(λ) λ > { λe f(x) = λx für x > sost x x f(y)dy = λe λx dy = e λx für xse U U(, ). F (x) = für x < De Exp-Vertelug st gedächslos. E Akuftsprozess, be dem de Zete zwsche de Aküfte Expoetell-vertelt st, hesst osso-rozess. λ hesst da de (Akufts)Rate des osso-rozess. 3. De Normalvertelug / Gauss-Vertelug X N(µ, σ ) f(x) = Πσ exp{ (x µ σ ) } µ = Mea, Mttelwert, < µ < σ = Stadardabwechug, σ > σ = Varaz x F (x) = f(y)dy: kee geschlossee Form, aber Tabelle Stadardserte NV: µ =, σ = We X N(µ, σ ) da st x µ σ N(, ) [X x ] = [ x µ σ x µ σ ] = Φ( x µ σ ) Φ( x) = Φ ud de Vertelugsfkt. { vo Y st FX (g F Y (y) = (y)) für g steged F X (g (y)) für g falled y {g(x) x I} Logormale Vertelug X N(µ, σ ), Y = e x g(x) = e x, g (y) = l y, I = R Se F (x) ee stetge, streg mooto wachsede Vertelugsfukto. Setze X := F (U) Da glt: [X x] = F (x) Defto Der Wert F (p) (für p (, )) hesst das p- Quatl der Vertelug F F (.5) hesst der Meda der Vertelug F. 3 Gemesame Vertelug mehrerer ZV See X,..., X Zufallsvarable. Da st F (x,..., x ) = [X x,..., X x ] 3
4 3. Stetge ZV Falls wr F (x,..., x ) folgedermasse darstelle köe F (x,..., x ) = x x... f(y,..., y )dy... dy da hesst f(x... x ) de Dchte vo (X... X ) Egeschafte [(X... X ) A] = f( x)d x = A... f(x,..., x )dx... dx... (x...x ) A f(x,..., x = 3. Radverteluge f(x,..., x )dx... dx = x... x F (x... x ) Gegebe se de gemesame Vertelug vo X ud Y:F (x, y). De Radvertelug vo X st: F X (x) = [X x] = [X x; Y (, )] = lm y F (x, y) Dskrete ZV: Y {y, y,...} De W ketsfkt. der Radvertelug vo X st p X (x) = p(x, y j ) j Stetge ZV: De Dchte der RV vo X st x f X (x) = d dx F X(x) = d dx [ f(x, y )dy ]dx = f(x, y )dy Bespel { 6(x y) für y x f(x, y) = sost x f X (x) = f(x, y)dy f Y (y) = f(x, y)dx y 3.3 Uabhäggket vo ZV De ZV X,..., X sd uabhägg, falls F (x,..., x ) = F X (x ) F X (x )... F X (x ) für alle (x... x ) R. Dskreter Fall: (X... X ) uabh. p(x... x ) = X... X (x ). Stetger Fall: f(x... x ) = f X (x )... f X (x ) X,Y uabhägg (F (x, y) = F X (x) F Y (y)) f(x, y) = f X (x) f Y (y) Wchtge Mehrdmesoale Verteluge. de mehrdmesoale Normalvertelug (stetge Vertelug) Dchte: f(x, y) = Πσ X σ Y ρ exp{ ( ρ )[( x µ X σ X } ) +( y µ Y σ ) ρ(x µ X )(y µ Y ) Y σ X σ ] Y < ρ < + Korrelato zw. X ud Y. Radvertelug f X (x) = σ X Π exp( ( x µ X σ X ) ) Uabhäggket vo X ud Y, geau da, we ρ =. De Multomale Vertelug (dskret) Es werde uabhägge Expermete durchgeführt. Es gbt jewels r möglche Ergebsse mt W ket p,..., p r. p =. Se N de Azahl der Ergebsse. De Vtlg. vo [N,..., N r ] hesst Multomalvtlg. p(n =,..., N r = r ) = ( ) r p pr r ( ) r =! : Multomalkoeffzet! r! RV vo N : p N ( ) = [N = ] = ( ) p ( p ) p(... r ) r p N ( ) kee Uabh. 3. Mehrdm. Verteluge mt U(,)-RV F (x, y) = exp( [( l x) β + ( l y) β ] β x, y ], ], β RV: F X (x) = F (x, y = ) = x: U(,)-Vrtlg. (Y geauso) 3.4 Bedgte Verteluge Dskrete ZV X,Y ZV dskret mt gemesamer W ketsfkt. p(x,y) Def. De bedgte W ketsfkt. vo X uter der Bedgug, dass Y=y st, st p X Y (x y) = [X = x Y = y] = [X = x, Y = y]/ [Y = y] Bem: p X Y (x, y) = p(x,y) p Y (y) = We p X Y (x y) = p X (x) für alle x,y, da sd X ud Y uabh. Stetge ZV See X,Y stetge ZV mt gem. Dchte f(x, y) Def. De bedgte Dchte vo Y, gegebe X=x, st f Y X (y x) = f(x,y) f X (x), we < f X(x) < sot f Y X (y x) = Bem: 4
5 f Y X (y x)dy = f Y X (y x) = f Y (y) für alle x,y X ud Y sd uabh. 3.5 Fuktoe vo ZV X,Y ZV mt bekater gem. Vtlg. Was st de Vtlg. der Summe X+Y? 4. Fuktoe vo ZV Se Y = g(x). Falls X dskret mt W ketsfkt. p(x) st, da st E[g(X)] = g(x )p x (x ), falls de Summe absolut kovergert. Falls X stetg vertelt vertelt st mt Dchtefkt. f, + da st E[g(X)] = g(x)f(x)dx falls das Itegral kovergert.. Dskreter Fall Z = X + Y p Z (z) = p(x, z x ), Falls X,Y uabhägg: p Z (z) = p X (x )p Y (z x ) (Faltug vo X,Y). stetger Fall X,Y Dchtefkt. f(x,y) sd gegebe. Z=X+Y + f Z (z) = f(x, z x)dx Falls X,Y uabhägg: + f Z (z) = f X (x)f Y (z x)dx 4 Erwartugswert 4. Defto ud Egeschafte Dskrete ZV X se dskrete ZV mt W ketsfukto p(x). Da st der EW vo X def. durch E[X] = x p(x ) falls de Rehe absolut kovergert.. Beroull Vertelug (X Be(p)) E[X] = p + ( p) = p. Geometrsche Vertelug (X Nb(, p)) E[X] = p 3. osso Vertelug (X λ (x)) E[X] = λ k= e λ λ k k! Stetge ZV X se stetg vertelt mt Dchtefkt. f X. Da st + E[X] = xf X (x)dx, falls das Itegral absolut kovergert.. Uforme Vertelug (X U(, )) E[X] = xdx = [ x ] =. Normale Vertelug (X N(µ, σ )) E[X] = µ 3. Cauchy Vertelug f(x) = Π +x, < x < + E[X] = + See X,..., X, Y ZV mt Y = g(x,..., X ). Falls X,..., X dskret sd mt p(x,..., x ), da E[Y ] =... g(x,..., x )p(x,..., x ) X X stetger Fall: + E[Y ] = g(x,..., x )f(x,..., x )dx... dx falls das Itegral absolut kovergert. Korollar zum See X,Y uabh. ZV Da E[g(X)h(Y )] = E[g(X)]E[h(Y )] 4.3 Learkombatoe vo ZV Der E wert st e learer Operator, d.h. X,..., X see ZV mt E werte E[X ],..., E[X ]. Se Y = a + b X. Da st E[Y ] = a + b E[X ]. 4.4 Varaz ud Stadardabwechug Defto X se ee ZV mt E wert E[X]. Da hesst var(x) = E[(X E[X]) ] de Varaz vo X (falls var(x) < + ). Es glt aber auch var(x) = E[X ] (E[X]), was mest efacher zu bereche st. Es glt: var(x) >! σ(x) = var(x) hesst Stadardabwechug. X dskret: var(x) = (x µ) p(x ), µ = E[X] X stetg: var(x) = + E[X ] = E[X] var(x) (x µ) f(x)dx, µ = E[X] Se X ee ZV mt var(x) < +, a, b R. Da st var(a + bx) = b var(x). Beroull-Vertelug X Be(p) 5
6 E[X] = p var(x) = p( p). Bomal Vertelug X B(, p) E[X] = p var(x) = p( p) 3. Normalvertelug X N(µ, σ) E[X] = µ var(x) = σ 4. Uforme Vertelug U U(, ) E[X] = var(u) = 5. X osso(µ) E[X] = µ var(x) = µ 6. Geometrsche Vertelug E[X] = p var(x) = p p 7. Expoetal Vertelug E[X] = λ var(x) = λ Gamma Fukto α > Γ(α) = u α e u du α R + : Γ(α) = (α )! α > : Γ(α) = (α )Γ(α ) Γ( ) = Π, Γ( 3 ) = Π 4.5 Kovaraz ud Korrelato µ X = E[X], µ Y = E[Y ] cov(x, Y ) = E[(x µ X )(Y µ Y )] cov(x, Y ) = E[XY ] µ X µ Y E[XY ] = xyf(x, y)dxdy falls gem. Dchtefkt. E[XY ] = E[X] E[Y ] falls uabh. Recheregel. X,Y uabh. cov(x, Y ) = De Umkehrug glt aber cht.. cov(x, X) = var(x) 3. cov(ax, Y ) = a cov(x, Y ) 4. cov(x + Y, Z) = cov(x, Z) + cov(y, Z) 5. cov(x + Y, Z + W ) = cov(x, Z) + cov(x, W ) + cov(y, Z) + cov(y, W ) 6. cov(x, a) = für a R 7. cov(a + j= b X, c + m b d j cov(x, Y j ) m d j Y j ) = j= 8. var(a + b X ) = j= b b j cov(x, X j ) 9. var(x + Y ) = var(x) + var(y ) + cov(x, Y ). Falls X,..., X uabh.: var( X ) = var(x ) m Gegesatz dazu glt mmer: E[ x ] = E[X ] X, Y see ZV mt edlche Varaze. Da hesst cov(x,y ) XY = ρ(x, Y ) = de Korrelato. Egeschafte ρ(x, Y ) [, ] var(x)var(y ) falls ρ(x, Y ) = ± da [Y = ax + b] = für a, b R, b ρ(x, Y ) ± X ud Y sd stark lear abhägg ρ(x, Y ) X ud Y sd schwach lear abhägg 5 Grezwertsätze See X,..., X uabh. ZV, mt E[X ] = µ ud var(x ) = σ < +. Da glt: lm ( X µ ɛ) = ɛ > 5. Zetraler Grezwertsatz X, X,... Folge detsch vertelter, uabh. ZV mt E[X ] = µ, var(x ) = σ < s = x ; Stadardserug: s µ σ Stadardserug: U = X µ σ N(, ) Zetraler Grezwertsatz lm ( s µ σ x) = Φ(x), Φ st de Vertfkt. der N(, )-Vertelug. Ka auch so geschrebe werde: lm ( X µ σ/ x) N(, ) Bespel Gesucht st x, so dass [ I > x] =.95 Aus dem ZGS folgt:.5 = [ I > x] = [ I x] = I E[I] [ x E[I] ] Φ( x E[I] ) V ar(i) V ar(i) V ar(i) 6
7 Mote-Carlo-Itegrato j(f) = f(x)dx se umersch zu bereche Geerere uabh. auf [, ] glechvertelte ZV. U,..., U ud bereche f(u) = f(u ). Se var(f(u )) edlch. Nach dem Gesetz der grosse Zahle glt: f(u ) = E[f(U )] = dx lm E[g(x)] = vo x st. g(x) f x (x)dx, wobe f x (x) de Dchte 5. Normalapproxmato der Bomalvertelug Falls glt p( p) > 9 so ka B(; p) durch N(µ = p; σ = p( p)) approxmert werde, sost falls p ud 5p durch oss(λ = p). Bespel VB auf α Nveau für Bomalvrtlg. X p p( p) N(, ) {X > Φ ( α) ˆp( ˆp) + ˆp} 6 Statstk Defto Ee Stchprobe vom Umfag st ee Folge X,..., X vo uabh., det. vertelte ZV. Ee Statstk st ee ZV g(x,..., X ), wobe g : R R 6. emprscher Mttelwert ud emprsche Varaz Für ee Stchprobe X,..., X, X = S = X (X X) Falls de X EW µ ud var σ habe, so st E[ X] = µ, var( X) = σ. X st ee ZV, µ ee Zahl. Ma sagt, X st e Schätzer vo µ. Falls de X N(µ, σ )-vertelt sd, so st X N(µ, σ )- vertelt. Se var(x ) = σ. Da E[S ] = σ. Ma sagt, der Schätzer S habe kee Bas. 6. χ Vertelug Falls X N(, ), da st X Γ(, ). Dese Vertelug et ma χ -Vertelug. Les: ch-quadrat mt Frehetsgrad. See X,..., X uabh. det. vertelt, X χ. Da st V = X X χ -vertelt. χ st ee Γ(, )-Vertelug. D.h., de Dchte st f(t) = t Γ( e t t / Falls V χ, da E[V ] =, var(v ) = See X,..., X ee Stchprobe vo N(µ, σ )- vertelte ZV. Da st ( )S σ 6.3 t Vertelug χ Se X,..., X ee Stchprobe aus eer N(µ, σ )- opulato. Da st t = X µ S/ t vertelt. Dchte der t-vertelug: f(x) = 6.4 F Vertelug + Γ( ) ΠΓ( x ) ( + ) +. U ud V uabh. χ ZV mt m bzw. Frehetsgrade, so wrd de Vertelug: W = U/m V/ als F Vertelug mt m ud Frehetsgrade bezechet, geschrebe F m, 7 Kofdeztervalle für ubekate Mttelwert µ eer Normalvertelug be bekater Varaz σ Vertrauesveau ( α) wähle (z.b..95) Ee Stchprobe. Vertelug st glech Z = X µ σ/ N(, ). Kofdeztervall a) zwesetg [q α X µ σ/ q α ] = α [ X q α σ µ X + q α ] 7
8 b) ach obe [ X µ σ/ q α] = α c) ach ute [q α X µ σ/ ] = α Zwe Stchprobe (Dfferez der Mttelwerte) glech we ee Stchprobe, aber mt folgeder Vertelug: ( X Ȳ ) (µ X µ Y ) σ Xm + σ Y N(, ) für ubekate Mttelwert µ eer Normalvertelug be ubekater Varaz σ Vertrauesveau ( α) wähle (z.b..95) Ee Stchprobe. Vertelug st glech T = X µ S/ t. Kofdeztervall a) zwesetg [t, α T t, α ] = α [ X t, α S µ X + t, α S ] b) ach obe [T t, α ] = α c) ach ute [t,α T ] = α Zwe Stchprobe (Dfferez der Mttelwerte) glech we ee Stchprobe, aber mt folgeder Vertelug: ( X Ȳ ) (µ X µ Y ) t m+ S wobe S p : m + S p = (m )S X + ( )S Y m + de gepoolte Varaz st falls m= ud Stchprobe cht ubedgt uabh.: D = X Y t D (µ X µ Y ) S D / für ubekate Varaz σ eer Normalvertelug Vertrauesveau ( α) wähle (z.b..95) Ee Stchprobe Zwe Stchprobe S σ ( ) χ SX /σ X SY F (m, ) /σ Y Wobe m () Az. Expermete für ZV X (Y) für ubekate arameter p eer Bomalvertelug. Vertelug st glech Z = ˆp p N(, ), ˆp( ˆp) wobe ˆp = k k= Az. Erfolge be Versuche.. Kofdeztervall [ˆp q α ˆp( ˆp) p ˆp q α ˆp( ˆp)] 8 Schätztheore E Schätzer st erwartugstreu, falls E[ˆθ] = θ. 8. Maxmum Lkelhood Se X,..., X ee Stchprobe des Umfags eer Dchte f(x, θ), da st de gemesame Dchte vo (X,..., X ) de Lkelhood-Fukto. X dskret: L(Θ) = X stetg: L(Θ) = (X = x ) f(x ) Wähle Θ so dass de Realseruge X,..., X am wahrschelchste sd. Um de Berechug zu verefache: logarthmere, so ergbt sch aus dem rodukt ee Summe. l(θ) = log L(Θ). Dfferezere daach ud setze glech. ach Θ ˆΘ ML Θ l(θ) 8. Mometemethode Bereche für X F (Θ):! =. Löse daach E[X] hägt vo Θ ab (da f(x) oder (X = x ) vo Θ abhäge). E[X] = xf(x)dx oder E[X] = x (X = x ) X = X Daach setze E[X] = X ud löse ach Θ ˆΘ MM p-tes Momet: Setze auch och E[X ] = X... E[X p ] = X p p-glechuge, löse ach Θ 8
9 9 Teste vo Hypothese 9. Neyma-earso aradgma Nullhypothese H : De zu zegede Aussage, mest also µ = µ Alteratve H A : Was glt, falls H A cht glt: µ µ, µ > µ, µ < µ Fehler. Art (α): Verwerfug vo H, obwohl H rchtg. α = (F ehler.art) Fehler. Art (β): Kee Ablehug vo H, obwohl H falsch. β = (F ehler.art). Macht Macht = β. W ket, dass H verworfe wrd, we es tatsächlch falsch st. Ma versucht α möglchst kle, ud β möglchst gross zu wähle. Dazu wrd α fxert. Daach kostruert ma dazu ee Test mt möglchst grosser Macht. Bespel Macht, we µ X, σ X glech wrklcher Mttelwert bzw. Varaz ud G de zuvor ausgerechete Greze des VB s st: Macht = (F ehler. Art) = (X G) = ( X µx σ X G µx σ x ) = Φ( G µx σ x ) 9. Neyma-earso Lemma Lkelhood rato = f(x) { f A (x) we f (x) f ρ L = A (x) < K α we f(x) f A (x) > K α K α muss so gewählt se, dass E [ρ L ] = α Der Lkelhood-Test ρ L st der mächtgste Test uter de Tests ρ mt Sgfkazlevel α α 9.3 Der t-test Mttelwert be ubekatem σ Modellaahme: X N(µ, σ) X uabhägg µ, σ ubekat Wr wolle teste, ob µ = µ oder Alteratve. Für de t-test glt: T = X µ S Uter H : T t Verwerfugsberech: H A : µ µ V B = { T t, α } H A : µ > µ V B = {T > t, α } H A : µ < µ V B = {T < t,α } Falls T bzw. T VB H verwerfe, sost H bebehalte. -Stchprobe t-test T = ( X Ȳ ) (µ X µ Y ) S m + t m+. Wobe S p = (m )S X +( )S Y m+ de gepoolte Varaz st. 9.4 Der z-test Mttelwert be bekatem σ Modellaahme: X N(µ, σ) X uabhägg µ ubekat, σ bekat Wr wolle teste, ob µ = µ oder Alteratve. Vertelug: N(, ) X µ σ/ Verwerfugsberech: H A : µ µ V B = { X µ σ/ > q α } H A : µ > µ V B = { X µ σ/ > q α} H A : µ < µ V B = { X µ σ/ < q α} 9.5 Lkelhood-Rato Tests für Multomalverteluge m Zelle, Beobachtuge Hstogramm l Λ = m x l( x E ) st χ -vertelt mt m k Frehetsgrade, wobe k de Az. freer arameter H st. 9
10 χ Apassugstest Modellaahme: X F, F rged ee Vertelugsfkt. Nullhypothese H : F = os(λ) Alteratve H A : F os(λ) De Teststatstk st gegebe durch de χ Teststatstk: ma bldet de qudrerte Dffereze zwsche de beobachtete Häufgkete (Beob ) ud de erwartete Häufgkete (Erw ), ma telt durch de erwartete Häufgkete (Erw ) ud summert über alle möglche Klasse. = Az. Klasse χ = = (Beob Erw ) Erw Uter H st de Teststatstk χ -vertelt mt f Frehetsgrade, wobe f= Az. Klasse - - Azahl geschätzter arameter Etschedug: VB={χ > χ f;p } Vorzeche Test Modellaahme: D uabhägg mt Meda m Nullhypothese: m = Alteratve: m Teststatstk: T = {D>} Uter H : T B(, p) Bespel für T = 7 ud = [T 7] = [T = ] =.34 Da.34 >.5 wrd H bebehalte auf 5% Test Methode der kleste Quadrate ud leare Regresso Beobachtuge: {(x, y ) =... } y = de abhägge Varabel, zu erklärede Varabel x = de uabhägge Varabel, erklärede Varabel Asatz: Der Zusammehag zw. x ud y st lear, d.h y = β + β x Abwechug (Resduum) des -te uktes: e = y (β + β x ) ˆβ = (x X)(y Ȳ ) (x X). Statstsches Modell y = β + β x + e e : Beobachtugsfehler Voraussetzuge:. e sd uabhägg. E[e ] = 3. var(e ) = σ 4. x sd fest Varaz var( ˆβ ) = σ x x ( x ) var( ˆβ ) = σ Korrelato cov( ˆβ, ˆβ ) = Bemerkuge x ( σ = x ) σ x x ( x ) ê := y ˆβ ˆβ x S = (ê ) (x X) st bas-freer Schätzer für σ Setze S e Formel für var( ˆβ ) bzw. var( ˆβ ) ud erhalte: s ˆβ bzw. s ˆβ. We e ormalvertelt sd, da sd ˆβ, ˆβ auch ormalvertelt, ud ˆβ β s β ˆ ud ˆβ β s β ˆ sd t-vertelt mt - Frehetsgrade. Korrelato ud Regresso S XX = (x X) Varaz vo X S Y Y = (y Ȳ ) Varaz vo Y S XY = (x Ȳ )(y Ȳ ) Kovaraz vo X ud Y Der Korrelatoskoeffzet vo X ud Y st: r = S XY SXX S Y Y Ergebs: ˆβ = ( x )( y ) ( x )( x y ) x ( x )
1 Mathe Formeln Statistik und Wahrscheinlichkeitsrechnung
1 Mathe Formel Statstk ud Wahrschelchketsrechug Jör Horstma, 6.10.003. Alle Agabe ohe Gewähr. http://www.ba-stuttgart.de/ w017/ 1.1 Grudlage Ezelklasse [a ; b [ Klassewete Klassemtte Mttelwert b a = w
MehrOrdnungsstatistiken und Quantile
KAPITEL Ordugsstatste ud Quatle Um robuste Lage- ud Streuugsparameter eführe zu öe, beötge wr Ordugsstatste ud Quatle... Ordugsstatste ud Quatle Defto... Se (x,..., x R ee Stchprobe. Wr öe de Elemete der
MehrAsymptotische Normalverteilung nach dem zentralen Grenzwertsatz
Asymptotsche ormalvertelug ach dem zetrale Grezwertsatz Erwartugswert eer Summe vo Zufallsvarable mt jewels de Erwartugswert x (Y Y Asymptotsche ormalvertelug ach dem zetrale Grezwertsatz Varaz eer Summe
MehrÜbungen zur Wahrscheinlichkeitsrechnung und Schliessenden Statistik
Übuge zur Wahrschelchketsrechug ud Schlessede Statstk Aufgabe ud Lösuge vo Peter M Schulze, Verea Dexhemer. Auflage Übuge zur Wahrschelchketsrechug ud Schlessede Statstk Schulze / Dexhemer schell ud portofre
MehrWIB 2 Mathematik und Statistik Formelsammlung. Z Menge der ganzen Zahlen {...,-3,-2,-1,0,1,2,3,...}
1 Allgeme Geometrsche Rehe: q t = 1 q1 t=0 1 q Mtterachtsformel: ax 2 bxc=0 x 1/ 2 = b±b2 4ac 2a Bomsche Formel: 1. ab 2 =a 2 2abb 2 2. a b 2 =a 2 2abb 2 3. ab a b=a 2 b 2 Wurzel: ugerade 1 Ergebs gerade
MehrVerteilungen und Schätzungen
Verteluge ud Schätzuge Zufallseperet Grudbegrffe Vorgag ach eer bestte Vorschrft ausgeführt ( Przp) belebg oft wederholbar se Ergebs st zufallsabhägg be ehralge Durchführug des Eperets beeflusse de Ergebsse
Mehr2. Die Elementarereignisse sind die Kombinationsmöglichkeiten von: Wappen = W und:
1 L - Hausaufgabe Nr. 55 Sotag, 1. Ju 2003 Ee Müze werde dremal geworfe. Was st das Zufallsexpermet, das Elemetareregs, das zusammegesetzte Eregs, der Eregsraum ud de Wahrschelchket? Lösugs kte.: 1 De
MehrFormelsammlung Statistik
Deskrptve Statstk Formelsammlug Statstk. Edmesoale Häugketsverteluge Merkmal: X Datemege (Stchprobe) vom Umfag N: x, x 2,..., x geordete Stchprobe: x (), x (2),..., x () mt x () x (2)... x () Auspräguge
MehrEinführung Fehlerrechnung
IV Eführug Fehlerrechug Fehlerrechuge werde durchgeführt, um de Vertraueswürdgket vo Meßergebsse beurtele zu köe. Uter dem Fehler eer Messug versteht ma de Abwechug ees Meßergebsses vom (grudsätzlch ubekate
MehrErgebnis- und Ereignisräume
I Ergebs- ud Eregsräume Zufallsexpermete Defto: E Expermet, welches belebg oft uter gleche Bedguge wederholbar st ud desse Ergebs cht mt Bestmmthet vorhergesagt werde ka (d.h. es gbt md. 2 Mgk.), heßt
MehrLösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung
Lösuge zum Übugs-Blatt 7 Wahrschelchketsrechug BMT Bostatstk Prof. Dr. B. Grabowsk ----------------------------------------------------------------------------------------------- Bedgte Wahrschelchket
MehrTeil IV Musterklausuren (Univ. Essen) mit Lösungen
Tel IV Musterklausure (Uv. Esse) mt Lösuge Hauptklausur WS 9/9 Aufgabe : a) Revolverheld R stzt m Saloo ud pokert. De Wahrschelchket, daß er dabe ee seer Mtspeler bem Falschspel erwscht (Eregs F), bezffert
Mehrdie Schadenhöhe ( = Risikoergebnis) des i-ten Versicherungsnehmers i 1,, n).
Aufgabe Wr betrachte ee Reteverscherug der Retebezugszet mt jährlch vorschüssger Retezahlug solage der Verscherte lebt. a) Bezeche V bzw. V de rechugsmäßge Deckugsrückstellug am Afag bzw. am Ede des Verscherugsjahres.
MehrMaße zur Kennzeichnung der Form einer Verteilung (1)
Maße zur Kezechug der Form eer Vertelug (1) - Schefe (skewess): Defto I - Ee Vertelug vo Messwerte wrd als schef bezechet, we se der Wese asymmetrsch st, dass lks oder rechts des Durchschtts ee Häufug
MehrII. Wahrscheinlichkeitsrechnung
II. Wahrschelchketsrechug Vorlesugsmtschrft - Kurzfassug Prof. Dr. rer. at. B. Grabowsk HTW des Saarlades 005 Ihalt II. Wahrschelchketsrechug INHALTSVERZEICHNIS GRUNDLAGEN / DEFINITION DER WAHRSCHEINLICHKEIT...3.
Mehr(Markowitz-Portfoliotheorie)
Thema : ortfolo-selekto ud m-s-rzp (Markowtz-ortfolotheore) Beurtelugskrtere be quadratscher Nutzefukto: Beroull-rzp + quadratsche Nutzefukto Thema Höhekompoete: Erwartugswert µ Rskokompoete: Stadardabwechug
MehrStatistik mit Excel und SPSS
Stattk mt Excel ud SPSS G. Kargl Grudbegrffe Grudgeamthet Erhebugehet Merkmale Werteberech Stchprobe Telbereche der Stattk: Dekrtpve Stattk Iduktve Stattk Exploratve Stattk U- / B- / Multvarate Stattk
MehrSpannweite, Median Quartilsabstand, Varianz und Standardabweichung.
Rudolf Brkma http://brkma-du.de Sete 06.0.008 Spawete, Meda Quartlsabstad, Varaz ud Stadardabwechug. Streuug um de Mttelwert. I de folgede Säuledagramme st de Notevertelug zweer Schülergruppe (Mädche,
MehrEigenwerteinschließungen I
auptsemar: Numersche Lösuge für Egewertaufgabe Egewerteschleßuge I Referet: Wolfgag Wesselsky Glederug Eletug Kodto vo Egewerte 3 Eschleßugssätze Bauer-Fke, Gershgor, Wlkso, Bedxo 4 Zusatz: Courat / Weyl
MehrTest für Varianz. Test für Varianz. Test für Varianz. Die Kontingenztabelle. Statistik 2 4. Vorlesung. Wiederholung: zweidimensionales Datenmaterial
Statstk 4. Vorlesug Test für Varaz Estchprobetest für de Varaz: Hat de Varaz ee bestmmte Wert, bzw. legt er eem bestmmte Berech? Etschedug basert auf dem Ergebs eer ezge Stchprobe. Zwestchprobetest für
MehrMethoden der computergestützten Produktion und Logistik
Methode der comutergestützte Produkto ud Logstk 9. Bedesysteme ud Warteschlage Prof. Dr.-Ig. habl. Wlhelm Dagelmaer Modul W 336 SS 06 Bedesysteme ud Warteschlage Besel: Fahrradfabrk Presse Puffer Lackerere
MehrRegressionsrechnung und Korrelationsrechnung
Regressosrechug ud Korrelatosrechug Beschrebede Statstk Modul : Probleme be der Abhäggketsaalyse Problem : Es gbt mest cht ur ee Eflussfaktor (Probleme sd selte mookausal ) A Ursache() Wrkug B C - efache
MehrStatistik II. Unterlagen zur Vorlesung. Wahrscheinlichkeitsrechnung und Schließende Statistik. Formeln, Tabellen, Beispiele
Johaes Guteberg-Uverstät Fachberech Rechts- ud Wrtschaftswsseschafte Isttut für Statstk ud Ökoometre Uv.-Prof. Dr. Peter M. Schulze Uterlage zur Vorlesug Statstk II Wahrschelchketsrechug ud Schleßede Statstk
MehrII. Wahrscheinlichkeitsrechnung
II. Wahrschelchketsrechug Vorlesugsmtschrft - Kurzfassug Prof. Dr. rer. at. B. Grabowsk HTW des Saarlades 00 II. Wahrschelchketsrechug INHALTSVERZEICHNIS GRUNDLAGEN / DEFINITION DER WAHRSCHEINLICHKEIT...3.
MehrAufgaben. 1. Gegeben seien folgende Daten einer statistischen Erhebung, bereits nach Größe sortiert (Rangliste):
Aufgabe. Gegebe see folgede Date eer statstsche Erhebug, berets ach Größe sortert (Raglste): 0 3 4 4 5 6 7 7 8 8 8 9 9 0 0 0 0 0 3 3 3 3 4 4 5 5 5 5 5 6 6 6 7 7 8 30 Erstelle Se ee Tabelle, der de Merkmalsauspräguge
MehrFormelsammlung zur Zuverlässigkeitsberechnung
Formelsmmlug zur Zuverlässgetsberechug zusmmegestellt vo Tt Lge Fchhochschule Merseburg Fchberech Eletrotech Ihlt:. Zuverlässget vo Betrchtugsehete.... Zuverlässget elemetrer, chtreprerbrer ysteme... 3.
MehrZur Interpretation einer Beobachtungsreihe kann man neben der grafischen Darstellung weitere charakteristische Größen heranziehen.
Rudolf Brkma http://brkma-du.de Sete 0.0.008 Lagemaße der beschrebede Statstk. Zur Iterpretato eer Beobachtugsrehe ka ma ebe der grafsche Darstellug wetere charakterstsche Größe herazehe. Mttelwert ud
MehrPeter von der Lippe. Induktive Statistik. Formeln, Aufgaben, Klausurtraining
Peter vo der Lppe Iduktve Statstk Formel, Aufgabe, Klausurtrag Ursprüglch verlegt be Oldebourg, her überarbeteter Form als dowload zur Verfügug gestellt Oldebourg Tel I Formelsammlug mt Tabelleahag 3 vo
MehrSitzplatzreservierungsproblem
tzplatzreserverugsproblem Be vele Zugsysteme Europa müsse Passagere mt hrem Zugtcet ee tzplatzreserverug aufe. Da das Tcetsystem Kude ee ezele Platz zuwese muss, we dese e Tcet aufe, ohe zu wsse, welche
Mehri P(A H i) P(H i ) (x i ˆx i ) 2 n n i=1 (x i x i ) 2 = 1 i=1 (ˆx i x i ) 2 (x + y) n = x j y n j f(x)dx = 1 f(x 1,..., x n)dx 1 dx n = 1
ZUSAMMENFASSUNG DES SKRIPTUMS ZU EINFÜHRUNG IN DIE WAHRSCHEINLICHKEITSRECHNUNG UND STATISTIK VON PROF. FELSENSTEIN PHILIPP DÖRSEK Der Autor übermmt keerle Garate für de Rchtgket. De meste Beträge wurde
Mehr= k. , mit k als Anzahl der Hypothesen A i und den Daten B. Bestimmtheitsmaß:!Determinationskoeffizient
Ablehugsberech:!Sgfkazveau abhägge Gruppe: Gruppe vo Versuchspersoe, dee jede ezele Versuchsperso aus Gruppe A eer äquvalete Versuchsperso aus Gruppe B etsprcht (oder tatsächlch de gleche Versuchsperso
MehrStochastik. Ba-Studiengang Scientific Programming Wintersemester 2016/2017 FH AACHEN UNIVERSITY OF APPLIED SCIENCES
Stochastk Ba-Studegag Scetfc rogrammg Wtersemester 06/07 FH CHN UNIVRSITY OF LID SCINCS Vorlesugshalte Stochastk I. Wahrschelchketsrechug I. führug de Kombatork I. Grudbegrffe I.3 Wahrschelchket I.4 Wahrschelchketsvertelug
Mehrwahlberechtigte Personen der BRD zur Bundestagswahl zugelassene Parteien (SPD, CDU, Grüne, FDP)
Zu Aufgabe 1) Sd folgede Merkmale dskret oder stetg? a) De durch ee wahlberechtgte Perso der BRD gewählte Parte be der Budestagswahl. b) Kraftstoffverbrauch ees Persoekraftwages auf 100 km. c) Zahl der
MehrIm Wöhlerdiagramm wird die Lebensdauer (Lastwechsel oder Laufzeit) eines Bauteils in Abhängigkeit von der Belastung dargestellt.
Webull & Wöhler 0 CRGRAPH Wöhlerdagramm Im Wöhlerdagramm wrd de Lebesdauer ( oder Laufzet) ees Bautels Abhägget vo der Belastug dargestellt. Kurzetfestget Beaspruchug Zetfestget auerfestget 0 5 3 4 6 0
MehrDiskrete-Strukturen und Wahrscheinlichkeitstheorie SS 2009
Mtschrft der Vorlesug Dskrete-Strukture ud Wahrschelchketstheore SS 009 Dr. Aradt Srvastav Dese Mtschrft st ke offzelles Skrpt se st cht ubedgt Vollstädg ud Fehlerfre. Se st velmehr ee Lerhlfe für dejege
MehrGrundgesetze der BOOLEschen Algebra und Rechenregeln
5... Grudgesetze der BOOLEsche Algebra ud Recheregel Auf de mathematsch korrekte Eführug der BOOLEsche Algebra ka ch verzchte, da das Ihrer Mathematkausbldug ausführlch behadelt wrd. Ich stelle Ihe zuächst
MehrKorrelations- und Assoziationsmaße
k m χ : j l r +. Zusammehagsmaße ( o e ) jl jl e jl Korrelatos- ud Assozatosmaße e jl 5 Merkmal Y Summe X b b m a H (a,b) H (a,b). a H (a,b) H (a,b). Summe.. Zusammehagsmaße Eführug Sche- ud Noses-Korrelato
MehrMultiple Regression (1) - Einführung I -
Multple Regreo Eführug I Mt eem Korrelatokoeffzete ud der efache leare Regreo köe ur varate Zuammehäge zwche zwe Varale uterucht werde. Beutzt ma tatt dee mehrere Varale zur Vorherage, egt ma ch auf da
MehrProf. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3 54
Prof. Dr. H. Rommelfager: tschedugstheore, Katel 3 54 3.2.8 ARROW-PRATT-Maß für de Rskoestellug Rskoverhalte bsher grob kategorsert ach Rskoeutraltät, -symathe ud averso be Rskoaverso: (X) < SÄ Rskoräme
MehrVorlesung Multivariate Statistik. Sommersemester 2009
P.Martus, Multvarate Statstk, SoSe 009 Free Uverstät Berl Charté Uverstätsmedz Berl Bachelor Studegag Boformatk Vorlesug Multvarate Statstk Sommersemester 009 Prof. Dr. rer. at. Peter Martus Isttut für
MehrGrundlagen der Energietechnik Energiewirtschaft Kostenrechnung. Vorlesung EEG Grundlagen der Energietechnik
Prof. Dr. Ig. Post Grudlage der Eergetechk Eergewrtschaft Kosterechug EEG. Vorlesug EEG Grudlage der Eergetechk De elektrsche Eergetechk st e sogeates klasssches Fach. Folglch st deses Fach vele detallert
MehrDie Binomialverteilung als Wahrscheinlichkeitsverteilung für die Schadenversicherung
De Bomalvertelg al Wahrchelchketvertelg für de Schadevercherg Für da Modell eer Schadevercherg e gegebe: = Schade ee Verchergehmer, we der Schadefall etrtt w = Wahrchelchket dafür, da der Schadefall etrtt
Mehr4. Marshallsche Nachfragefunktionen Frage: Wie hängt die Nachfrage nach Gütern
Prof. Dr. Fredel Bolle Vorlesug "Mkroökoome" WS 008/009 III. Theore des Haushalts 0 Prof. Dr. Fredel Bolle Vorlesug "Mkroökoome" WS 008/009 III. Theore des Haushalts 0 4. Marshallsche Nachfragefuktoe Frage:
MehrFormelsammlung für die Lehrveranstaltung Wirtschaftsmathematik / Statistik
Formelsammlug rtschaftsmathemat / Statst Formelsammlug für de Lehrverastaltug rtschaftsmathemat / Statst zugelasse für de Klausure zur rtschaftsmathemat ud Statst de Studegäge der Techsche Betrebswrtschaft
MehrVerdichtete Informationen
Verdchtete Iormatoe Maßzahle Statstke be Stchprobe Parameter be Grudgesamthete Maßzahle zur Beschrebug uvarater Verteluge Maßzahle der zetrale Tedez (Mttelwerte) Maßzahle der Varabltät (Streuugswerte)
MehrAllgemeine Prinzipien
Allgemee Przpe Es estere sebe Grudehete der Physk; alle adere physkalsche Größe ka ma darauf zurückführe. Dese Grudehete sd: Läge [m] Masse [kg] Zet [s] Elektrsche Stromstärke [A] Temperatur [K], Stoffmege
MehrIngrid A. Uhlemann (2015): Einführung in die Statistik für Kommunikationswissenschaftler. Online Anhang: Lösung der Übungsaufgaben Kapitel 5-8,
Igrd A. Uhlema (015): Eführug de Statstk für Kommukatoswsseschaftler. Ole Ahag: Lösug der Übugsaufgabe Kaptel 5-8, Lösug der Übugsaufgabe Kaptel 5: Aufgabe 1: Geg.: Persoalserug ordal skalert, dskret Dauer
MehrVorkurs, Teil 1. (3) Matrizen, lineare Gleichungssysteme, Determinanten (Lehrbuch Kap )
Vorkurs, Tel Lehrbuch: Sydsaeter / Hammod, Mathematk für Wrtschaftswsseschaftler, Pearso Studum, ISBN 978-3-873-73-9 Skrpt vo Sevtap Kestel Ihalt () Eführug: Zahle, Fuktoe Potezfukto, Expoetalfukto (Lehrbuch
MehrDeskriptive Statistik - Aufgabe 3
Desrptve Statst - Aufgabe 3 De Überachtugszahle der Fremdeverehrsgemede "Bachstadt" für de Moate ud zege auf de erste Blc scho deutlche Uterschede de ezele Ortschafte. We seht e etsprecheder Verglech der
MehrDie Kontingenztabelle. Randhäufigkeiten. Teststatistik (Chi-Quadrat Statistik) Unabhängigkeitshypothese. Wiederholung: zweidimensionales Datenmaterial
Statstk 4. Vorlesug Wederholug: zwedmesoales Datemateral Beobachtuge, jeder hat Werte für m Merkmaler, also jeder besteht aus Merkmalauspräguge. z.b. wr otere de Grösse ud das Umsatz verschedee Flale (m).
MehrGeometrisches Mittel und durchschnittliche Wachstumsraten
Dpl.-Kaufm. Wolfgag Schmtt Aus meer Skrpterehe: " Kee Agst vor... " Ausgewählte Theme der deskrptve Statstk Geometrsches Mttel ud durchschttlche Wachstumsrate Modellaufgabe Übuge Lösuge www.f-lere.de Geometrsches
MehrCarl Friedrich Gauß (Deutscher Mathematiker, 1777 bis 1855) formulierte die folgende Formel n
mthphys-ole Alyss. Klsse Techk Itegrlrechug Vertefug des Itegrlegrffs De Itegrlrechug ht ds Zel, de Flächehlt krummlg egrezter Flächestücke zu ereche. Be der äherugswese Berechug der Fläche uter Polyomfuktoe
MehrSTOCHASTIK. Wahrscheinlichkeitstheorie und mathematische Statistik. Prof. Dr. Barbara Grabowski. Hochschule für Technik und Wirtschaft des Saarlandes
STOCHASTIK Wahrschelchketstheore ud mathematsche Statstk Prof. Dr. Barbara Grabowsk Hochschule für Techk ud Wrtschaft des Saarlades Lehrehet zur Kursehet Mathematk für Iformatker m Ferstudegag Allgemee
MehrSTOCHASTIK. Wahrscheinlichkeitstheorie und mathematische Statistik. Prof. Dr. Barbara Grabowski. Hochschule für Technik und Wirtschaft des Saarlandes
STOCHASTIK Wahrschelchketstheore ud mathematsche Statstk Prof. Dr. Barbara Grabowsk Hochschule für Techk ud Wrtschaft des Saarlades Eletug - I - Eletug Dese Kursehet det der Vermttlug vo Grudketsse auf
MehrUnter einer Rente versteht man eine regelmässige und konstante Zahlung
8 Aweduge aus der Fazmathematk Perodsche Zahluge: Rete ud Leasg Uter eer Rete versteht ma ee regelmässge ud kostate Zahlug Bespele: moatlche Krakekassepräme, moatlche Altersrete, perodsches Spare, verteljährlcher
MehrHochschule München Fakultät Wirtschaftsingenieurwesen Datenanalyse
Hochschule Müche Fakultät Wrtschaftsgeeurwese Dateaalyse Prof. Dr. Volker Abel Verso. Ihaltsverzechs Ihaltsverzechs. Auswertug ud Modellerug vo Zähldate.... Auswertug vo prozetuale Häufgkete.... Auswertug
MehrStatistik. (Inferenzstatistik)
Statstk Mathematsche Hlfswsseschaft mt der Aufgabe, Methode für de Sammlug, Aufberetug, Aalyse ud Iterpretato vo umersche Date beretzustelle, um de Struktur vo Masseerscheuge zu erkee. Deskrptve (beschrebede)
MehrMehrdimensionale Zufallsvariablen
Mehrdmesoale Zufallsvarable Vertelug eer mehrdmesoale Zufallsvarable Stochastsche Uabhäggket vo Varable Erwartugswerte zwedmesoaler Zufallsvarable Eführug de Statstk mt R Bblografe Bleymüller / Gehlert
Mehr( x) Thema 5 Verteilungen Statistik - Neff 5.1 ÜBERBLICK TEST-VERTEILUNGEN. Stetige Zufallsvariable Dichtefunktion f(x) Verteilungsfunktion F(x)
5. ÜBERBLICK TEST-VERTEILUNGEN Dskrete Zufallsvarable Wahrschlk.-Fukto f( ) mt a W ( X = ) Vertelugsfukto F( ) mt a W ( X ) F( ) = W( X = ) å Stetge Zufallsvarable Dchtefukto f() Vertelugsfukto F() W(
MehrThema 5: Reduzierte Datenanforderungen II: Naive Diversifikation
Thea 5: Reduzerte Dateaforderuge II: Nave Dversfkato roble: Klealeger verfüge oft cht eal über hrechede Iforatoe zur Awedug des Sgle-Idex-Modells. I wetere: Herletug eer Hadlugsepfehlug für de Fall fehleder
MehrProf. Dr. B.Grabowski. Die Behauptung I folgt aus der Multiplikationsformel: )
Höhere Mathemat KI Master rof. Dr..Grabows E-ost: grabows@htw-saarlad.de Satz vo ayes ud totale Wahrschelchet Zu ufgabe anachwes der Formel I ud II: eh.: I. Formel der totale Wahrschelchet: ewes: Es glt:...
MehrLage- und Streuungsmaße
Statstk für SozologIe Lage- ud Streuugsmaße Uv.Prof. Dr. Marcus Hudec Beschrebug quattatver Date Um de emprsche Vertelug ees quattatve Merkmals zu beschrebe, betrachte wr Parameter, de ee Verdchtug der
MehrDiskrete Mathematik. Sebastian Iwanowski FH Wedel. Kap.5: Kombinatorik. Referenzen zum Nacharbeiten:
FH Wedel Prof. Dr. Sebasta Iwaows D5 Fole Dsrete athemat Sebasta Iwaows FH Wedel ap.5: ombator Refereze zum Nacharbete: Lag 5. 5. 7. (Bsp. 4) Beutelspacher 4 (außer Fxpute vo Permutatoe) eel 8 Hacheberger
MehrHöhere Mathematik 4 Kapitel 17 Wahrscheinlichkeitsrechnung
Höhere Mathemat 4 Katel 7 Wahrschelchetsrechug Prof. Dr.-Ig. Deter Kraus Höhere Mathemat 4 Katel 7 Ihaltsverzechs 7 Wahrschelchetsrechug...7-7. Deftoe, Besele...7-7. Bedgte Wahrschelchete, uabhägge regsse...7-7.
Mehr1 n xi. = å. 1 k. i i
Thema 4 Wahrschelchet Statst - Neff INHALT 4.3 Kotgez => Ch -Uabhäggetstest (= Ch -Kotgeztest) wr beutze h = / als Näherug für de Wahrschelchete ab 4.6 De Asätze für de Maßzahle "Mttelwert" ud "Varaz"
MehrDeskriptive Statistik - Aufgabe 2
Derptve Statt - Augabe Budelad Mäer Fraue Bade-Württemberg 7,5 7,5 Bayer 6,8 7,5 Berl-Wet 4,4 Berl-Ot,8 4, Bradeburg 0, 0,8 Breme 4,6,6 Hamburg, 8, Hee 8, 8, Mecleburg-Vorpommer,3, Nederache 0,3, Nordrhe-Wetale
MehrLeitfaden zu den Indexkennzahlen der Deutschen Börse
Letfade zu de Idexkezahle der Deutsche Börse Verso.5 Deutsche Börse AG Verso.5 Letfade zu de Idexkezahle der Deutsche Börse Page Allgemee Iformato Um de hohe Qualtät der vo der Deutsche Börse AG berechete
Mehr19. Amortisierte Analyse
9. Amortserte Aalyse Amortserte Aalyse wrd egesetzt zur Aalyse der Laufzet vo Operatoe Datestrukture. Allerdgs wrd cht mehr Laufzet ezeler Operatoe aalysert, soder de Gesamtlaufzet eer Folge vo Operatoe.
MehrRegressionsgerade, lineares Modell:
Statstk Grudlage Charakterserug vo Verteluge Eführug Wahrschelchketsrechug Wahrschelchketsverteluge Schätze ud Teste Korrelato Regresso Eführug Durch de Regressosaalyse wrd versucht, de Art des Zusammehags
MehrUniversitätslehrgang Sports Physiotherapy Einführung in die Statistik
Departmet of Sport Scece ad Kesolog Uverstätslehrgag Sports Phsotherap Eführug de Statstk Gerda Strutzeberger Block I Block Mttwoch 5..0 3:00 bs 4:50 Grudlage, Skaleveau 5:05 bs 7:00 Gütekrtere, Hpothese,
Mehr2. Mittelwerte (Lageparameter)
2. Mttelwerte (Lageparameter) Bespele aus dem täglche Lebe Pro Hemspel hatte Borussa Dortmud der letzte Saso durchschttlch 7.2 Zuschauer. De deutsche Akte sd m Durchschtt um 0 Zähler gefalle. I Ide wurde
MehrProblemsupermarkt. Regale Wahrscheinlichkeitstheorie und Statistik JULIAN WERGIELUK
Problemsupermarkt Regale Wahrschelchketstheore ud Statstk JULIAN WERGIELUK Chemtz, 014 Ihaltsverzechs Ihaltsverzechs Detalertes Ihaltsverzechs 1 Wahrschelchketsrechug 3 1.1 Megesysteme....................................
MehrKommentierte Formelsammlung der deskriptiven und induktiven Statistik für Wirtschaftswissenschaftler
Kommeterte Formelsammlug der deskrptve ud duktve Statstk für Wrtschaftswsseschaftler Prof. Dr. Iree Rößler Prof. Dr. Albrecht Ugerer Wetere Bespele ud ausführlche Erläuteruge sowe detallerte Lösuge der
MehrZahlensysteme. Dezimalsystem. Binär- oder Dualsystem. Hexadezimal- oder Sedezimalzahlen
IT Zahlesysteme Zahledarstellug eem Stellewertcode (jede Stelle hat ee bestmmte Wert) Def. Code: Edeutge Abbldugsvorschrft für de Abbldug ees Zeche-Vorrates eem adere Zechevorrat. Dezmalsystem De Bass
Mehr2. Zusammenhangsanalysen: Korrelation und Regression
2. Zusammehagsaalse: Korrelato ud Regresso Dowloads zur Vorlesug 2. Zusammehagsaalse: Korrelato ud Regresso 2 Grudbegrffe zwedmesoale Stchprobe De Gewug vo mehrere Merkmale vo eer Beobachtugsehet führt
MehrBeispielklausur BWL B Teil Marketing. 45 Minuten Bearbeitungszeit
Bespelklausur BWLB TelMarketg 45MuteBearbetugszet BWLBBespelklausurTelMarketg Sete WchtgeHwese:. VOLLSTÄNDIGKEIT: PrüfeSeuverzüglch,obIhreKlausurvollstädgst(Aufgabe).. ABGABE: EsstdegesamteKlausurabzugebe.
Mehr14. Folgen und Reihen, Grenzwerte
4. Folge ud Rehe, Grezwerte 4. Folge ud Rehe, Grezwerte 4. Ee Folge defere Defere de Folge (a ) Õ mt a =+: Eplzte Defto *+ a() Doe 3, falls = Rekursve Defto Defere de Folge (b ) Õ, b = : b + sost whe(=,
MehrMessfehler, Fehlerberechnung und Fehlerabschätzung
Apparatves Praktkum Physkalsche Cheme der TU Brauschweg SS1, Dr. C. Maul, T.Dammeyer Messfehler, Fehlerberechug ud Fehlerabschätug 1. Systematsche Fehler Systematsche Fehler et ma solche Fehleratele, welche
Mehr7.2 Moment und Varianz
7.2 Moment und Varianz Def. 21 Es sei X eine zufällige Variable. Falls der Erwartungswert E( X p ) existiert, heißt der Erwartungswert EX p p tes Moment der zufälligen Variablen X. Es gilt dann: + x p
MehrVarianz und Kovarianz
KAPITEL 9 Varianz und Kovarianz 9.1. Varianz Definition 9.1.1. Sei (Ω, F, P) ein Wahrscheinlichkeitsraum und X : Ω eine Zufallsvariable. Wir benutzen die Notation (1) X L 1, falls E[ X ]
MehrNagl, Einführung in die Statistik Seite 1
Nagl, Eführug de Statstk Sete Eletug Damt der Wert des Faches Statstk für wsseschaftlche Utersuchuge besser gesehe werde ka, wrd zuerst e kurzer Abrß über de Ablauf eer wsseschaftlche Utersuchug voragestellt.
MehrÜbung Statistik II SS 2006 Musterlösung Arbeitsblatt 6
Ihalt: Efaktorelle Varazaalyse Bortz: Bortz Kap. 7.0-7. Übug Statstk II SS 006 Musterlösug rbetsblatt 6 ufgabe 1: Nee Se de Verfahre für Mttelwertsvergleche, de Se bsher für tervallskalerte Date kee gelert
MehrMathematik: Mag. Schmid Wolfgang & LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 7-8 WAHRSCHEINLICHKEITSRECHNUNG UND STATISTIK
Mathematk: Mag. Schmd Wolfgag & LehrerIeteam Arbetsblatt 7-7 7. Semester ARBEITSBLATT 7-8 WAHRSCHEINLICHKEITSRECHNUNG UND STATISTIK STATISTISCHE GRUNDBEGRIFFE Statstk gledert sch zwe Telbereche De Beschrebede
MehrEinführung in Statistik
Eführug Statstk 4. Semester Begletedes Skrptum zur Vorlesug m Fachhochschul-Studegag Iformatostechologe ud Telekommukato vo Güther Kargl FH Campus We 2009 Ihaltsverzechs Eführug Statstk Eletug. Deskrptve
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
MehrNormalverteilung. 1 2πσ. Gauß. 2 e 1 2 ((x µ)2 σ 2 ) Werkzeuge der empirischen Forschung. W. Kössler. Einleitung. Datenbehandlung. Wkt.
Normalverteilung Diskrete Stetige f(x) = 1 2πσ 2 e 1 2 ((x µ)2 σ 2 ) Gauß 91 / 169 Normalverteilung Diskrete Stetige Satz: f aus (1) ist Dichte. Beweis: 1. f(x) 0 x R und σ > 0. 2. bleibt z.z. lim F(x)
MehrTeil III: Schließende Statistik
Tel III: Schleßede Statstk Prof. Dr. Barbara Grabowsk Hochschule für Techk ud Wrtschaft des Saarlades C) 04 Eletug - - Eletug Dese Kursehet det der Vermttlug vo Grudketsse auf dem Gebet der sogeate Schleßede
MehrWenn man mehrere Verbraucher in Reihe schaltet, so werden alle vom gleichen Strom durchflossen, siehe auch Abschnitt und Formel ( ).
- rudlage der Elektrotechk - 60 22..04 4 Der komplzertere elektrsche lechstromkres 4. Kombato vo Verbraucher 4.. Sere- oder eheschaltug vo Wderstäde We ma mehrere Verbraucher ehe schaltet, so werde alle
Mehr1 Zufallsvorgänge und Wahrscheinlichkeiten
Zufallsvorgäge ud Wahrschelchkete MANFRED BOROVCNIK Ihaltsverzechs. Zufallsvorgäge. Wahrschelchkete.3 Bedgte Wahrschelchkete ud Uabhäggket. Zufallsvorgäge Zufallsvorgäge ud Ergebsmege Eregsse ud hre Verküpfug
Mehr11.4 Korrelation. Def. 44 Es seien X 1 und X 2 zwei zufällige Variablen, für die gilt: 0 < σ X1,σ X2 < +. Dann heißt der Quotient
11.4 Korrelation Def. 44 Es seien X 1 und X 2 zwei zufällige Variablen, für die gilt: 0 < σ X1,σ X2 < +. Dann heißt der Quotient (X 1,X 2 ) = cov (X 1,X 2 ) σ X1 σ X2 Korrelationskoeffizient der Zufallsgrößen
MehrInduktion am Beispiel des Pascalschen Dreiecks
Iduto am Bespel des Pascalsche Dreecs Alexader Rehold Coldtz 0.02.2005 Eletug vollstädge Iduto De vollstädge Iduto st ebe dem drete ud drete Bewesverfahre ees der wchtgste der Mathemat. Eher bespelhaft
MehrLorenz' sche Konzentrationskurve und Disparitätsindex nach Gini
Dpl.-Kaufm. Wolfgag Schmtt Aus meer Skrpterehe: " Kee Agst vor... " Ausgewählte Theme der deskrptve Statstk Lorez' sche Kozetratoskurve ud Dspartätsdex ach G Übuge Aufgabe Lösuge www.f-lere.de Begrff Lorez'
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management
Statistik für Betriebswirtschaft und International Management Sommersemester 2014 Prof. Dr. Stefan Etschberger HSA Streuungsparameter Varianz Var(X) bzw. σ 2 : [x i E(X)] 2 f(x i ), wenn X diskret Var(X)
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
MehrStatistik für Ingenieure (IAM) Version 3.0/21.07.2004
Stattk fü Igeeue (IAM) Veo 74 Vaazaalye Mt de efache Vaazaalye (ANOVA Aaly of Vaace) wd de Hypothee gepüft, ob de Mttelwete zwee ode mehee Stchpobe detch d, de au omaletelte Gudgeamthete gezoge wede, de
MehrLageparameter (Mittelwerte) und Streuungsparameter
Statstk Grudlage Charakterserug vo Verteluge Eführug Wahrschelchketsrechug Wahrschelchketsverteluge Schätze ud Teste Korrelato Regresso Lageparameter (Mttelwerte) ud Streuugsparameter Mttelwerte: Gebe
Mehr12 UMPU Tests ( UMP unbiased )
89 1 UMPU Tests ( UMP unbased ) Nach Bemerkung 11.8(b) exstert m Allgemenen ken zwesetger UMP- Test zu enem Nveau α. Deshalb Enschränkung auf unverfälschte Tests: ϕ Φ α heßt unverfälscht (unbased) zum
MehrEinschlägige Begriffe zur Meßunsicherheit Dr. Wolfgang Kessel, Braunschweig
Eschlägge Begrffe zur Meßuscherhet /7 Eschlägge Begrffe zur Meßuscherhet Dr. Wolfgag Kessel, Brauschweg De Aufstellug folgt cht der re lexografsch-alphabetsche Aordug. Verwadte Begrffe sd velmehr zu Gruppe
MehrSozialwissenschaftliche Methoden und Statistik I
Sozalwsseschaftlche Methode ud Statstk I Uverstät Dusburg Esse Stadort Dusburg Itegrerter Dplomstudegag Sozalwsseschafte Skrpt zum SMS I Tutorum Vo Mark Lutter Stad: Aprl 004 Tel I Deskrptve Statstk Mark
Mehr