Lösungen zum Aufgabenblatt 14
|
|
- Arnim Beyer
- vor 6 Jahren
- Abrufe
Transkript
1 Lösungen zum Aufgabenblatt Das Gewicht von Brötchen (gemessen in g) sei zufallsabhängig und werde durch eine normalverteilte Zufallsgröße X N(µ, 2 ) beschrieben, deren Varianz 2 = 49 g 2 bekannt sei. Für 85 (zufällig und unabhängig) ausgewählte Brötchen ergab sich ein Durchschnittsgewicht von x 85 = 3.9 g. a) Geben Sie ein konkretes zweiseitiges Konfidenzintervall für den Parameter µ zum Konfidenzniveau 0.90 an. Wie groß ist der Stichprobenumfang n mindestens zu wählen, damit die Länge dieses Konfidenzintervalls höchstens 0.8 ist? b) Überprüfen Sie mittels eines zweiseitigen Tests, ob das Datenmaterial mit der Hypothese H 0 : Das mittlere Gewicht der Brötchen beträgt 39 g auf dem 5%-Niveau vereinbar ist, d. h., testen Sie die Nullhypothese H 0 : µ = 39 g gegen die Alternativhypothese H 1 : µ 39 g bei einer Irrtumswahrscheinlichkeit von α = Lösung: X: sei Gewicht von Brötchen (in g) und X N(µ, 2 ). Dabei sei die Standardabweichung = g bekannt und somit 2 = 49 g 2. Für 85 zufällig ausgewählte Brötchen ergab sich ein Durchschnittsgewicht von x 85 = 3.9 g. Somit ist X N(µ,49 g 2 ). a) Das Konfidenzintervall sei I = [ x n n, x n + n ]. Die [ I = X n z 1 α, X n 2 n + z 1 α n 2 Das Konfidenzniveau sei 0.90, also α = 0.1. Es ist z = z = z 0.95 = und gemäß Aufgabenstellung ist n = 85, = g. Also [ I = 3.9g g 1.645,3.9g + g ] = [36.651g, g] Wie groß muss n gewählt werden, damit die Länge dieses Konfidenzintervalls höchstens 0.8 ist? Gesucht ist also n. n ist pro Seite. Insgesamt also 2 n 0.8 und somit n = n 1.645, ]. 2 n = 2 n = 3.29 n 0.8 n Da n N ist, erhalten wir durch Aufrunden n 829. Der Stichprobenumfang muss mindestens 829 sein. b) Da µ unbekannt, aber bekannt und X N(µ, 2 ) ist, handelt es sich um einen Gauß-Test. Dieser soll zweiseitig ausgeführt werden. Methode 1: Gauß-Test 1. Nullhypothese: H 0 : µ = 39 gegen Alternativhypothese: H 1 : µ Stichprobenumfang: n = 85 Irrtumswahrscheinlichkeit: α = Prüfgröße: T = X 85 µ 85 N(0,1) bei wahrer Nullhypothese. 4. Da es sich um einen zweiseitigen Test handelt, erhält man für den kritischen Bereich bei z = z = z 0.95 = 1.96 K = (, 1.96) (1.96, ). 1
2 2 LÖSUNGEN ZUM AUFGABENBLATT 14 Für die Realisierung der Testgröße gilt t = x = 85 = Da t = 1.45 / K ist, kann H 0 nicht abgelehnt werden. Der Unterschied zwischen µ und x 85 ist nicht signifikant. Die Stichprobe kann aus der Grundgesamtheit X mit E(X) = 39 stammen. Methode 2: Da µ 0 im Konfidenzintervall liegt, ist µ 0 mit der Stichprobe verträglich. H 0 kann nicht abgelehnt werden. Methode 3: K = { x : x µ 0 > z 0.95 n }, wobei K der kritische Bereich ist. K = { 3.9g 39g > g } = { 1.1g 1.488}, also ist x / K und somit sollte H 0 nicht abgelehnt werden, da x nicht im kritischen Bereich liegt. 62. Eine Firma stellt eine bestimmte Drahtsorte her, deren mittlere Reißfestigkeit zu µ 0 = 2.6N bestimmt wurde. Durch ein neues Herstellungsverfahren erhofft man, die Reißfestigkeit zu erhöhen. Eine konkrete Stichprobe vom Umfang n = 120 aus der Produktion der neuen Drahtsorte ergab x n = 5.8 N und s n =.5 N. Die zugehörige Grundgesamtheit sei normalverteilt. Hat die neue Drahtsorte eine signifikant größere Reißfestigkeit? Prüfen Sie mit α = 0.01! Lösung: Methode 1: Die Nullhypothese wird so gewählt, dass die mittlere Reißfestigkeit nicht größer sei als die der alten Sorte. Also H 0 : µ µ 0 = 2.6N. Ferner sei n = 120, x n = 5.8N und s 120 =.5N. Damit ergibt sich für den einseitigen t-test T 2 = X n µ 0 n tn 1 s n mit α = 0.01 und unbekannt. Damit ergibt sich K 2 = (t 0.99,119, ) = (2.36, ). Damit ergibt sich t 2 = T(x 1,...,x n ) = x n µ 0 5.8N 2.6N n = 120 = 4.6. s n.5n Entscheidung: t 2 K 2 = Ablehnung von H 0, d. h. neue Sorte hat mit Irrtumswahrscheinlichkeit von 0.01 eine signifikant größere mittlere Reißfestigkeit. Signifikanz kann nur nachgewiesen werden, wenn H 0 abgelehnt wird, also muss H 1 : µ > 6.6 N. Methode 2: Der kritische Bereich ist { } { } s n.5 K 2 = x : x µ 0 > t n 1,1 α = 5.8 N 2.6 N > 2.36 = {3.2 > 1.616}, n 120 d. h. x K 2. Ablehnung von H Die Popularität eines Nahrungsmittelprodukts hat nachgelassen. Daher wurde zu Testzwecken die Rezeptur etwas verändert und 500 zufällige Testpersonen wurden befragt, ob ihnen das Produkt nun besser schmeckt. Es stellte sich heraus, dass 21 Personen das Produkt nun tatsächlich besser schmeckt. a) Ist die Hypothese Höchstens der Hälfte schmeckt das Produkt jetzt besser zugunsten der Alternative Mehr als fünfzig Prozent schmeckt das Produkt nun besser auf dem Niveau α = 0.05 zu verwerfen? b) Wie viele Testpersonen müsste man befragen, um eine Güte von 80% zu erhalten, wenn der wahre Anteil der Personen, denen das Produkt besser schmeckt, bei 0.4 liegt. Lösung: n = 500 Die Wahrscheinlichkeit, dass den Testpersonen das Produkt besser schmeckt, beträgt p = = a) Weg 1: Binomialtest: 1. Nullhypothese: H 0 : p 0.5 gegen Alternativhypothese: H 1 : p > 0.5.
3 LÖSUNGEN ZUM AUFGABENBLATT Stichprobenumfang: n = 500 Irrtumswahrscheinlichkeit: α = X: Anzahl der 500 Personen, deren das Produkt besser schmeckt. X Bi(n = 500,p = 0.5) unter wahrer Nullhypothese. 4. Da es sich um einen rechtsseitigen Test handelt, gilt P(X k) = 1 P(X < k) = 1 P(X k 1) α P(X k 1) 1 α k 1 ( ) 500 P(X k 1) = 0.5 i i i i=0 Wegen µ = n p = = 250 > 30 und 2 = n p (1 p) = = 125 > 9 kann die Binomialverteilung durch die Normalverteilung approximiert werden. Mit Stetigkeitskorrektur gilt P(X k 1) Φ ( k 1 np n p (1 p) ) = Φ Der kritische Bereich ist ( ) ( ) k k = Φ k k = 269. K = {269,...,500}. 5. Da 21 K ist, wird H 0 abgelehnt, d. h. es schmeckt signifikant mehr als 50 % aller Personen (Gesamtpopulation aus denen die 500 Stichprobe) besser. Weg 2: Approximativer Binomialtest: 1. Nullhypothese: H 0 : p 0.5 gegen Alternativhypothese: H 1 : p > Stichprobenumfang: n = 500 Irrtumswahrscheinlichkeit: α = S 500 np 0 3. Prüfgröße: T = n p0 (1 p 0 ) = i=1 X i n p 0 bei wahrer Nullhypothese, n = 500 > n p0 (1 p 0 ) 30 und n p 0 (1 p 0 ) = (1 0.5) = Da es sich um einen rechtsseitigen Test handelt, erhält man für den kritischen Bereich bei z = z 0.95 = 1.64 K = (1.64, ). Für die Realisierung der Testgröße gilt t = = (1 0.5) 5. Da t = 1.88 K ist, wird H 0 abgelehnt, d. h. es schmeckt signifikant mehr als 50 % aller Personen (Gesamtpopulation aus denen die 500 Stichprobe) besser. b) Gütefunktion: Die Güte eines Testes ist definiert als die Wahrscheinlichkeit, die Nullhypothese abzulehnen, wenn diese tatsächlich falsch ist. Sie wird in Abhängigkeit eines konkreten Parameterwertes aus dem Bereich der Alternativhypothese berechnet und kann deshalb als Funktion des Parameters aufgefasst werden. Die Güte ist definiert durch Die Gütefunktion g(ϑ) eines Testes ist 1 β = P(lehne H 0 ab H 1 ist wahr). g(ϑ) = 1 β(ϑ) = P(lehne H 0 ab ϑ = ϑ). G(p) = 0.8 für p = 0.6 Für die Güte soll G(p) = 0.8 gelte, wobei p = 0.6 ist. Der Ablehnungsbereich ist K = {269,...,500},
4 4 LÖSUNGEN ZUM AUFGABENBLATT 14 d. h. der Annahmebereich ist Gesucht ist n, sodass K = {0,...,286}. G(p = 0.6) = B n,p=0.6 (K) = 1 B n,p=0.6 ( K), also 0.8 = 1 P(X 268). Mit Normalapproximation µ = np = 0.6n und 2 = np(1 p) = n = n 0.24 folgt ( ) ( ) ( ) 268 µ n n 0.2 = P(X 268) Φ = Φ = Φ. Mit Φ( x) = 1 Φ(x) ist 0.8 = Φ ( ) 0.6n n = 0.85 d. h. 0.6n = n n = 462. Man muss 462 Personen befragen. G(p) = 0.8 für p = 0.4 Für die Güte soll G(p) = 0.8 gelte, wobei p = 0.4 ist. Der Ablehnungsbereich ist d. h. der Annahmebereich ist Gesucht ist n, sodass K = {269,...,500}, K = {0,...,286}. G(p = 0.4) = B n,p=0.4 (K) = 1 B n,p=0.4 ( K), also 0.8 = 1 P(X 268). Mit Normalapproximation µ = np = 0.4n und 2 = np(1 p) = n = n 0.24 folgt ( ) ( ) ( ) 268 µ n n 0.2 = P(X 268) Φ = Φ = Φ. Mit Φ( x) = 1 Φ(x) ist 0.8 = Φ ( ) 0.4n n = 0.85 d. h. 0.4n = n n = Man muss 699 Personen befragen. 64. Aus der Konkursmasse einer Eisenwarenfirma soll ein Restposten Schrauben versteigert werden. Der ehemalige Firmeninhaber behauptet, 80 % seien in Ordnung. Ein Interessent greift in verschiedene Kisten hinein und nimmt insgesamt 50 Schrauben heraus. Aufgrund des Anteils in dieser Stichprobe will er seine Entscheidung fällen. a) Der Interessent ist skeptisch. Ab welcher Anzahl brauchbarer Schrauben wird er der Aussage des Verkäufers Glauben schenken? Welche Hypothese testet er? b) Welche Fehler können dem Interessenten unterlaufen? Lösung: a) mögliche Hypothesen / Standpunkte: Firmeninhaber (H1): Meine Angabe ist richtig (p 0.8). Davon gehe ich nur bei signifikanter Abweichung nach unten ab.
5 LÖSUNGEN ZUM AUFGABENBLATT 14 5 Interessent (H2): Ich vermute, dass der angegebene Anteil zu hoch ist, also p 0.8. Nur durch signifikante Abweichung nach oben lasse ich mich hiervon abbringen. Entscheidungsregeln auf dem 95 %-Niveau (α = 0.05): B n,p0 ({k,...,n}) α = 1 B n,p0 ({0,...,k 1}) H2 0 : p 0.8 H2 1 : p > 0.8 X: Anzahl der brauchbaren Schrauben in der Stichprobe. p = p 0 = 0.8, n = 50, µ = np = 40, = 8. 1 B 50,0.8 ({0,...,k 1}) 0.05 B 50,0.8 ({0,...,k 1}) k 1 44 k 45 Entscheidungsregel: Ablehnung von H2 0, wenn mindestens 45 brauchbare Schrauben in der Stichprobe sind. b) Fehler 1. Art: Der Interessent findet zufällig mehr als 44 brauchbare Schrauben in der Stichprobe, obwohl der Anteil brauchbarer Schrauben höchstens 80 % beträgt. Konsequenz: Ein ungünstiger Kauf wird getätigt. Fehler 2. Art: Der Interessent findet nicht mehr als 44 brauchbare Schrauben in der Stichprobe, obwohl der Anteil brauchbarer Schrauben größer als 80 % ist. Konsequenz: Ihm entgeht eine günstige Kaufgelegenheit.
Allgemeines zu Tests. Statistische Hypothesentests
Statistische Hypothesentests Allgemeines zu Tests Allgemeines Tests in normalverteilten Grundgesamtheiten Asymptotische Tests Statistischer Test: Verfahren Entscheidungsregel), mit dem auf Basis einer
MehrKapitel 3 Schließende Statistik
Beispiel 3.4: (Fortsetzung Bsp. 3.) bekannt: 65 i=1 X i = 6, also ˆp = X = 6 65 = 0, 4 Überprüfen der Voraussetzungen: (1) n = 65 30 () n ˆp = 6 10 (3) n (1 ˆp) = 39 10 Dr. Karsten Webel 194 Beispiel 3.4:
Mehr4.1. Nullhypothese, Gegenhypothese und Entscheidung
rof. Dr. Roland Füss Statistik II SS 8 4. Testtheorie 4.. Nullhypothese, Gegenhypothese und Entscheidung ypothesen Annahmen über die Verteilung oder über einzelne arameter der Verteilung eines Merkmals
MehrBiostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 : Binomial, Gauß Prof. Dr. Achim Klenke http://www.aklenke.de 10. Vorlesung: 20.01.2012 1/31 Inhalt 1 Einführung Binomialtest 2/31 Beispiel Einführung Bohnenlieferant liefert
Mehr7. Übung: Aufgabe 1. b), c), e) Aufgabe 2. a), c), e) Aufgabe 3. c), e) Aufgabe 4. Aufgabe 5. Aufgabe 6. Aufgabe 7. Aufgabe 8. Aufgabe 9.
7. Übung: Aufgabe 1 b), c), e) Aufgabe a), c), e) Aufgabe 3 c), e) Aufgabe 4 b) Aufgabe 5 a) Aufgabe 6 b) Aufgabe 7 e) Aufgabe 8 c) Aufgabe 9 a), c), e) Aufgabe 10 b), d) Aufgabe 11 a) Aufgabe 1 b) Aufgabe
MehrKapitel 3 Schließende Statistik
Bemerkung 3.34: Die hier betrachteten Konfidenzintervalle für unbekannte Erwartungswerte sind umso schmaler, je größer der Stichprobenumfang n ist, je kleiner die (geschätzte) Standardabweichung σ (bzw.
MehrEinführung in die Induktive Statistik: Testen von Hypothesen
Einführung in die Induktive Statistik: Testen von Hypothesen Jan Gertheiss LMU München Sommersemester 2011 Vielen Dank an Christian Heumann für das Überlassen von TEX-Code! Testen: Einführung und Konzepte
Mehr3 Grundlagen statistischer Tests (Kap. 8 IS)
3 Grundlagen statistischer Tests (Kap. 8 IS) 3.1 Beispiel zum Hypothesentest Beispiel: Betrachtet wird eine Abfüllanlage für Mineralwasser mit dem Sollgewicht µ 0 = 1000g und bekannter Standardabweichung
MehrStatistische Tests. Kapitel Grundbegriffe. Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe
Kapitel 4 Statistische Tests 4.1 Grundbegriffe Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe X 1,..., X n. Wir wollen nun die Beobachtung der X 1,...,
Mehr2. Formulieren von Hypothesen. Nullhypothese: H 0 : µ = 0 Gerät exakt geeicht
43 Signifikanztests Beispiel zum Gauß-Test Bei einer Serienfertigung eines bestimmten Typs von Messgeräten werden vor der Auslieferung eines jeden Gerätes 10 Kontrollmessungen durchgeführt um festzustellen,
MehrAufgabe 1 (8= Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten:
Aufgabe 1 (8=2+2+2+2 Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten: Die Zufallsvariable X bezeichne die Note. 1443533523253. a) Wie groß ist h(x 5)? Kreuzen
MehrStatistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
MehrBiostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 / Übungsaufgaben Prof. Dr. Achim Klenke http://www.aklenke.de 13. Vorlesung: 10.02.2012 1/51 Aufgabe 1 Aufgabenstellung Übungsaufgaben Ein Pharmakonzern möchte ein neues Schlankheitsmedikament
MehrBeispiel für Gütefunktionen Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = 0.10
6 Hypothesentests Gauß-Test für den Mittelwert bei bekannter Varianz 6.3 Beispiel für Gütefunktionen Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = 0.10 G(µ) 0 α 0. 0.4 0.6 0.8 1 n = 10 n =
MehrSerie 9, Musterlösung
WST www.adams-science.org Serie 9, Musterlösung Klasse: 4U, 4Mb, 4Eb Datum: FS 18 1. Mädchen vs. Knaben 442187 Unter 3000 in einer Klinik neugeborenen Kindern befanden sich 1578 Knaben. Testen Sie mit
MehrStatistik II für Betriebswirte Vorlesung 1
Statistik II für Betriebswirte Vorlesung 1 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 16. Oktober 2017 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 1 Version:
MehrEinführung in die statistische Testtheorie
1 Seminar Simulation und Bildanalyse mit Java von Benjamin Burr und Philipp Orth 2 Inhalt 1. Ein erstes Beispiel 2. 3. Die Gütefunktion 4. Gleichmäßig beste Tests (UMP-Tests) 1 Einführendes Beispiel 3
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
MehrKonfidenzintervalle. Gesucht: U = U(X 1,..., X n ), O = O(X 1,..., X n ), sodass für das wahre θ gilt
Konfidenzintervalle Annahme: X 1,..., X n iid F θ. Gesucht: U = U(X 1,..., X n ), O = O(X 1,..., X n ), sodass für das wahre θ gilt P θ (U θ O) = 1 α, α (0, 1). Das Intervall [U, O] ist ein Konfidenzintervall
Mehr3. Das Prüfen von Hypothesen. Hypothese?! Stichprobe Signifikanztests in der Wirtschaft
3. Das Prüfen von Hypothesen Hypothese?! Stichprobe 3.1. Signifikanztests in der Wirtschaft Prüfung, ob eine (theoretische) Hypothese über die Verteilung eines Merkmals X und ihre Parameter mit einer (empirischen)
MehrStatistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
MehrWahrscheinlichkeitsrechnung und Statistik
10. Vorlesung - 017 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 heißt Median. P(X < z α ) α P(X z α ). Falls X stetige zufällige Variable
Mehr2 Wiederholung statistischer Grundlagen Schließende Statistik empirischen Information aus Stichprobenrealisation x von X
Hypothesentests Bisher betrachtet: Punkt- bzw. Intervallschätzung des unbekannten Mittelwerts Hierzu: Verwendung der 1 theoretischen Information über Verteilung von X empirischen Information aus Stichprobenrealisation
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests Nach Verteilungsannahmen: verteilungsabhängig: parametrischer [parametric] Test verteilungsunabhängig: nichtparametrischer [non-parametric] Test Bei parametrischen Tests
Mehr7. Hypothesentests. Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang. X habe die unbekannte VF F X (x)
7. Hypothesentests Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang X habe die unbekannte VF F X (x) Interessieren uns für einen unbekannten Parameter θ der Verteilung von X 350 Bisher:
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 13 2010 FernUniversität in Hagen Alle Rechte vorbehalten Fakultät für Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
MehrStatistik Zusätzliche Beispiele SS 2018 Blatt 3: Schließende Statistik
Statistik Zusätzliche Beispiele SS 2018 Blatt 3: Schließende Statistik 1. I Ein Personalchef führt so lange Vorstellungsgespräche durch bis der erste geeignete Bewerber darunter ist und stellt diesen an.
Mehr5. Seminar Statistik
Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation
MehrKLAUSUR_MAI_08 LÖSUNGEN Stat2. 1. Eine Einkommensstatistik (Jahresbruttoeinkommen, klassiert), zeigte folgende Ergebnisse: (in 1000 Euro)
1. Eine Einkommensstatistik (Jahresbruttoeinkommen, klassiert), zeigte folgende Ergebnisse: (in 1000 Euro) 10 bis unter 20 20 30 30 40 über 40 bis 100 U (Unselbständige) 46 89 90 45 S (Selbständige) 63
MehrStatistische Tests Übersicht
Statistische Tests Übersicht Diskrete Stetige 1. Einführung und Übersicht 2. Das Einstichprobenproblem 3. Vergleich zweier unabhängiger Gruppen (unverbundene Stichproben) 4. Vergleich zweier abhängiger
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg. für Betriebswirtschaft und internationales Management
für Betriebswirtschaft und internationales Management Sommersemester 2015 Prof. Dr. Stefan Etschberger Hochschule Augsburg Testverteilungen Chi-Quadrat-Verteilung Sind X 1,..., X n iid N(0; 1)-verteilte
MehrWahrscheinlichkeit und Statistik BSc D-INFK
Prof. Dr. P. Bühlmann ETH Zürich Winter 2010 Wahrscheinlichkeit und Statistik BSc D-INFK 1. (10 Punkte) Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete
MehrFit for Abi & Study Stochastik
Fit for Abi & Study Stochastik Prof. Dr. Tilla Schade Hochschule Harz 15. und 16. April 2014 No. 1 Stochastik besteht aus: Wahrscheinlichkeitsrechnung Statistik No. 2 Gliederung Grundlagen Zufallsgrößen
MehrHypothesentest. Ablehnungsbereich. Hypothese Annahme, unbewiesene Voraussetzung. Anzahl Kreise
Hypothesentest Ein Biologe vermutet, dass neugeborene Küken schon Körner erkennen können und dies nicht erst durch Erfahrung lernen müssen. Er möchte seine Vermutung wissenschaftlich beweisen. Der Biologe
MehrWichtige Definitionen und Aussagen
Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge
MehrWahrscheinlichkeitsrechnung und Statistik. 11. Vorlesung /2019
Wahrscheinlichkeitsrechnung und Statistik 11. Vorlesung - 2018/2019 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 2 heißt Median. P(X < z
MehrDie Abfüllmenge ist gleich dem Sollwert 3 [Deziliter].
Eine Methode, um anhand von Stichproben Informationen über die Grundgesamtheit u gewinnen, ist der Hypothesentest (Signifikantest). Hier wird erst eine Behauptung oder Vermutung (Hypothese) über die Parameter
MehrTesten von Hypothesen, Beurteilende Statistik
Testen von Hypothesen, Beurteilende Statistik Was ist ein Test? Ein Test ist ein Verfahren, mit dem man anhand von Beobachtungen eine begründete Entscheidung über die Gültigkeit oder Ungültigkeit einer
MehrHypothesentests. Hypothese Behauptung eines Sachverhalts, dessen Überprüfung noch aussteht.
Hypothese Behauptung eines Sachverhalts, dessen Überprüfung noch aussteht. Wissenschaftliche Vorgehensweise beim Hypothesentest Forscher formuliert eine Alternativhypothese H 1 (die neue Erkenntnis, die
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2
MehrBeurteilende Statistik
Beurteilende Statistik Wahrscheinlichkeitsrechnung und Beurteilende Statistik was ist der Unterschied zwischen den beiden Bereichen? In der Wahrscheinlichkeitstheorie werden aus gegebenen Wahrscheinlichkeiten
MehrStatistik II. Version A. 1. Klausur Sommersemester 2011 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik II Version A 1. Klausur Sommersemester 2011 Hamburg, 27.07.2011 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................
Mehr6.2 Approximation der Binomialverteilung
56 6.2 Approximation der Binomialverteilung Im Beispiel auf den Seiten 52 53 haben wir gesehen, dass die Wahrscheinlichkeiten P 50 (k) der dort betrachteten Binomialverteilung durch die Werte der Funktion
MehrStatistische Tests Version 1.2
Statistische Tests Version 1.2 Uwe Ziegenhagen ziegenhagen@wiwi.hu-berlin.de 7. Dezember 2006 1 Einführung Ein statistischer Test dient der Überprüfung einer statistischen Hypothese. Mithilfe des Tests
MehrSTATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik
Kapitel 15 Statistische Testverfahren 15.1. Arten statistischer Test Klassifikation von Stichproben-Tests Einstichproben-Test Zweistichproben-Test - nach der Anzahl der Stichproben - in Abhängigkeit von
MehrKlausur Statistik 2 RE Statistik für Soziologen Do,
Klausur Statistik 2 RE Statistik für Soziologen Do, 24. 9. 2009 Name...Vorname... Matrikelnummer... Einsichtnahme: Fr, 2. Oktober BITTE DEUTLICH UND LESERLICH SCHREIBEN! Es wird nur gewertet, was in diesem
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrR. Brinkmann Seite
R. Brinkmann http://brinkmann-du.de Seite 1 17.3.21 Grundlagen zum Hypothesentest Einführung: Wer Entscheidungen zu treffen hat, weiß oft erst im nachhinein ob seine Entscheidung richtig war. Die Unsicherheit
Mehr11. Parametrische Tests 11.1 Konzeption von statistischen Tests
11. Parametrische Tests 11.1 Konzeption von statistischen Tests Statistische Tests dienen zur Überprüfung von Hypothesen über die Grundgesamtheit auf der Basis der vorliegenden Beobachtungen einer Stichprobe.
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrBeurteilende Statistik
Beurteilende Statistik SIGNIFIKANZ UND HYPOTHESENTESTS 12.02.2018 HOLGER WUSCHKE BEURTEILENDE STATISTIK 1 12.02.2018 HOLGER WUSCHKE BEURTEILENDE STATISTIK 2 12.02.2018 HOLGER WUSCHKE BEURTEILENDE STATISTIK
MehrSo berechnen Sie einen Schätzer für einen Punkt
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: SCHÄTZEN UND TESTEN htw saar 2 Schätzen: Einführung Ziel der Statistik ist es, aus den Beobachtungen eines Merkmales in einer Stichprobe Rückschlüsse über die Verteilung
MehrStatistik-Notfallkit für Schüler und Lehrer
Statistik-Notfallkit für Schüler und Lehrer Jan Kallsen Christian-Albrechts-Universität zu Kiel 3. Dezember 2018 Zusammenfassung Schließende Statistik ist konzeptionell nicht einfach. Hier sind einige
Mehr3) Testvariable: T = X µ 0
Beispiel 4.9: In einem Molkereibetrieb werden Joghurtbecher abgefüllt. Der Sollwert für die Füllmenge dieser Joghurtbecher beträgt 50 g. Aus der laufenden Produktion wurde eine Stichprobe von 5 Joghurtbechern
MehrPermutationen innerhalb jeder Gruppe A, B und C, Permutation der drei Gruppen:
Abiturprüfung Berufliche Oberschule 2007 Mathematik 3 Technik - B I - Lösung Aufgabe Ein Getränkemarkt bezieht Bier in Flaschen von 3 verschiedenen Brauereien. Brauerei A liefert zwei Biersorten, Brauerei
MehrMathematik 2 Dr. Thomas Zehrt
Wirtschaftswissenschaftliches Zentrum 1 Universität Basel Mathematik Dr. Thomas Zehrt Testen Benötigtes Vorwissen: Der Stoff der Vorlesung,,Statistik wird als bekannt vorausgesetzt, insbesondere Kapitel
MehrStatistik II für Betriebswirte Vorlesung 1
Statistik II für Betriebswirte Vorlesung 1 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 19. Oktober 2016 Prof. Dr. Hans-Jörg Starkloff Statistik II für Betriebswirte Vorlesung
MehrStatistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli
MehrR. Brinkmann Seite
R. Brinkmann http://brinkmann-du.de Seite 1 24.2.214 Grundlagen zum Hypothesentest Einführung: Wer Entscheidungen zu treffen hat, weiß oft erst im nachhinein ob seine Entscheidung richtig war. Die Unsicherheit
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
MehrTHEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ
WEBINAR@LUNCHTIME THEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ EINLEITENDES BEISPIEL SAT: Standardisierter Test, der von Studienplatzbewerbern an amerikanischen Unis gefordert
MehrKapitel III: Einführung in die schließende Statistik
Kapitel III: Einführung in die schließende Statistik Das zweite Kapitel beschäftigte sich mit den Methoden der beschreibenden Statistik. Im Mittelpunkt der kommenden Kapitel stehen Verfahren der schließenden
MehrModul 141 Statistik. 1. Studienjahr 11. Sitzung Signifikanztests
Modul 141 Statistik 1. Studienjahr 11. Sitzung Signifikanztests Inhalt der 11. Sitzung 1. Parametrische Signifikanztests 2. Formulierung der Hypothesen 3. Einseitige oder zweiseitige Fragestellung 4. Signifikanzniveau
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
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!
MehrZweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz
Grundlage: Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz Die Testvariable T = X µ 0 S/ n genügt der t-verteilung mit n 1 Freiheitsgraden. Auf der Basis
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun http://blog.ruediger-braun.net Heinrich-Heine-Universität Düsseldorf 16. Januar 2015 1 Verteilungsfunktionen Definition Binomialverteilung 2 Stetige Zufallsvariable,
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 5.5.2006 1 Ausgangslage Wir können Schätzen (z.b. den Erwartungswert) Wir können abschätzen, wie zuverlässig unsere Schätzungen sind: In welchem Intervall
MehrStatistik Einführung // Tests auf einen Parameter 8 p.2/74
Statistik Einführung Tests auf einen Parameter Kapitel 8 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Leydold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Tests
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2
MehrDWT 2.1 Maximum-Likelihood-Prinzip zur Konstruktion von Schätzvariablen 330/467 Ernst W. Mayr
2.1 Maximum-Likelihood-Prinzip zur Konstruktion von Schätzvariablen Wir betrachten nun ein Verfahren zur Konstruktion von Schätzvariablen für Parameter von Verteilungen. Sei X = (X 1,..., X n ). Bei X
MehrTeilaufgabe 1.1 (4 BE) Fertigen Sie ein Baumdiagramm für dieses Gewinnspiel an und zeigen Sie, dass die Wahrscheinlichkeit
Abiturprüfung Berufliche Oberschule 2006 Mathematik 3 Technik - B II - Lösung Teilaufgabe.0 Im Rahmen einer Werbesendung wird ein Gewinnspiel durchgeführt. Dafür wird ein Kandidat zufällig aus dem Publikum
MehrDie ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist.
.3. Stochastik Grundlagen Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist. Die RELATIVE HÄUFIGKEIT einer Merkmalsausprägung gibt an mit welchem Anteil
MehrFF Düsseldorf WS 2007/08 Prof. Dr. Horst Peters. Vorlesung Quantitative Methoden 1B im Studiengang Business Administration (Bachelor) Seite 1 von 6
Vorlesung Quantitative Methoden 1B im Studiengang Business Administration (Bachelor) Seite 1 von 6 (Konfidenzintervalle, Gauß scher Mittelwerttest) 1. Bei einem bestimmten Großraumflugzeug sei die Auslastung
MehrWirtschaftsstatistik-Klausur am
Wirtschaftsstatistik-Klausur am 03.07.208 Aufgabe Statistik-Dozent K.R. lehrt an einer privaten FH in Köln, wohnt aber in Frankfurt am Main. Er hat - wegen möglicher saisonaler Schwankungen - zwei Semester
MehrKlausur zur Vorlesung
Institut für Mathematische Stochastik WS 2004/2005 Universität Karlsruhe 14. Februar 2005 Dr. Bernhard Klar Sebastian Müller Aufgabe 1: (15 Punkte) Klausur zur Vorlesung Statistik für Biologen Musterlösungen
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 16. Januar 2013 1 Allgemeine Hypothesentests Nullhypothese und Alternative Beispiel: Blutdrucksenker Testverfahren
MehrAbschlussprüfung Berufliche Oberschule 2015 Mathematik 12 Nichttechnik - S I - Lösung
Abschlussprüfung Berufliche Oberschule 20 Mathematik 12 Nichttechnik - S I - Lösung Im Folgenden werden relative Häufigkeiten als Wahrscheinlichkeiten interpretiert. Teilaufgabe 1.0 Ein neues Medikament
MehrWahrscheinlichkeit 1-α: richtige Entscheidung - wahrer Sachverhalt stimmt mit Testergebnis überein. Wahrscheinlichkeit α: falsche Entscheidung -
wahrer Sachverhalt: Palette ist gut Palette ist schlecht Entscheidung des Tests: T K; Annehmen von H0 ("gute Palette") positive T > K; Ablehnen von H0 ("schlechte Palette") negative Wahrscheinlichkeit
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
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
MehrHypothesen über die Grundgesamtheit. Aufgabenstellung der Testtheorie Hypothesen (Annahmen, Vermutungen oder
Hypothesen über die Grundgesamtheit Aufgabenstellung der Testtheorie Hypothesen (Annahmen, Vermutungen oder Behauptungen) über die unbekannte Grundgesamtheit anhand einer Stichprobe als richtig oder falsch
MehrWB 11 Aufgabe: Hypothesentest 1
WB 11 Aufgabe: Hypothesentest 1 Ein Medikament, das das Überleben eines Patienten sichern soll, wird getestet. Stelle Null- und Alternativhypothese auf und beschreibe die Fehler 1. Art und 2. Art. Welcher
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
MehrStatistik Zusätzliche Beispiele WS 2018/19
Statistik Zusätzliche Beispiele WS 2018/19 Blatt 3: Schließende Statistik 1. I Ein Personalchef führt so lange Vorstellungsgespräche durch bis der erste geeignete Bewerber darunter ist und stellt diesen
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
MehrHypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests
ue biostatistik: hypothesen, fehler 1. und. art, power 1/8 h. lettner / physik Hypothesen: Fehler 1. und. Art, Power eines statistischen Tests Die äußerst wichtige Tabelle über die Zusammenhänge zwischen
MehrStatistik II für Betriebswirte Vorlesung 2
Statistik II für Betriebswirte Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 26. Oktober 2016 Prof. Dr. Hans-Jörg Starkloff Statistik II für Betriebswirte Vorlesung
MehrEmpirische Wirtschaftsforschung
Empirische Wirtschaftsforschung Prof. Dr. Bernd Süßmuth Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie 1 4. Basiskonzepte der induktiven
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
MehrMittelwert der x 17 Pearsonkorrelation korr(x, z) Rangkorrelation rs(x, z) 1 Varianz(y) Median(y) 324
1. In der folgenden Tabelle sind drei Datenspalten gegeben: x y z 9 41 31 12 34 3 13 386 29 14 245 26 15 288 25 17 51 23 18 296 22 19 256 2 21 412 19 23 344 18 26 324 7 Zu diesen Daten liegen folgende
MehrKlausur zur Vorlesung
Institut für Mathematische Stochastik WS 2006/2007 Universität Karlsruhe 12. Februar 2007 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Aufgabe 1 (15 Punkte) Klausur zur Vorlesung Statistik für Biologen
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.
MehrProf. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006 Hypothesentesten, Fehlerarten und Güte 2 Literatur Kreyszig: Statistische Methoden und ihre Anwendungen, 7.
MehrSignifikanztest zum Testen einer Nullhypothese H 0
Signifikanztest zum Testen einer Nullhypothese H 0 Schema 1. Wie lauten die Nullhypothese und die Gegenhypothese? 2. Wie groß sind der Stichprobenumfang n und die Irrtumswahrscheinlichkeit? 3. Welche Zufallsgröße
Mehr1,64 1,96 2,56. Statistik. Cusanus-Gymnasium Wittlich Faustregeln
Faustregeln Die folgenden Faustregeln für Binomialverteilungen gelten umso genauer, je größer n ist, insbesondere falls die Laplace- Bedingung n p q 3 erfüllt ist. Radius der Umgebung Wahrscheinlichkeit
MehrAbitur 2015 Mathematik NT Stochastik S I
Seite 1 http://www.abiturloesung.de/ Seite 2 Abitur 2015 Mathematik NT Stochastik S I Ein neues Medikament wird vor der Markteinführung einem klinischen Test unterzogen. Dabei erhält die Hälfte der am
MehrP n (k) f(k) = 1 σ 2π e ) 2. σ 2π
53 Allgemein gilt der folgende Satz. Satz 6.1 (Lokaler Grenzwertsatz von de Moivre und Laplace) Die Wahrscheinlichkeit P n (k) einer Binomialverteilung (mit der Erfolgswahrscheinlichkeit p im Einzelexperiment)
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 20. Januar 2011 1 Der F -Test zum Vergleich zweier Varianzen 2 Beispielhafte Fragestellung Bonferroni-Korrektur
Mehr