Klausur zur Vorlesung
|
|
- Gundi Mann
- vor 6 Jahren
- Abrufe
Transkript
1 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 Von n = 12 Patienten mit einer gewissen Krankheit liegen die Krankheitsdauern (in Jahren) x 1,...,x 12 und Punktzahlen y 1,...,y 12 vor. Die Punktzahlen geben an, inwieweit die Patienten aktive Anstrengungen gegen ihre Krankheit unternommen haben. Die Werte x j und y j sind in der folgenden Tabelle gegeben: j x j y j R j a) Tragen Sie die Ränge R j der y j -Werte in die obige Tabelle ein. b) Bestimmen Sie den Spearman-Rangkorrelationskoeffizienten von (x 1,y 1 ),...,(x 12,y 12 ). c) Berechnen Sie den empirischen Pearson-Korrelationskoeffizienten von (x 1,y 1 ),..., (x 12,y 12 ) sowie die Regressionsgerade von y auf x. Hinweis: Sie können folgende Angaben verwenden: x = 17.33, s x = 10.06, ȳ = 17.29, s y = 4.55, 12 j=1 x j y j = a) Ränge R j der y j -Werte: j x j y j R j
2 b) Der Spearman-Rangkorrelationskoeffizient ρ xy lässt sich mit der folgenden Formel berechnen: 6 n ρ xy = 1 n (n 2 1) (j R j ) 2. Hierbei ist j=1 n (j R j ) 2 = 450 j=1 Also ist der Spearman-Rangkorrelationskoeffizient ρ xy = c) Empirischer Pearson-Korrelationskoeffizient r xy : r xy = ( n ) 1 n 1 j=1 x j y j n x ȳ = s x s y = ( ) Die Parameter a und b in der Regressionsgeraden y = a + b x berechnen sich wie folgt: b = r xy sy s x a = ȳ b x ( )
3 Aufgabe 2: (15 Punkte) Der Intelligenzquotient (IQ) von Erwachsenen ist N(µ,σ 2 ) verteilt mit Parametern µ = 100 und σ 2 = 225. a) Berechnen Sie die Wahrscheinlichkeit, dass der Intelligenzquotient eines zufällig ausgewählten Erwachsenen größer als 115 ist. b) Wie groß ist die Wahrscheinlichkeit, dass unter 4 zufällig ausgewählten Erwachsenen alle vier einen IQ größer als 115 besitzen? c) Wie groß ist die Wahrscheinlichkeit, dass der durchschnittliche IQ von 4 zufällig ausgewählten Erwachsenen größer als 115 ist? Sei Y N(0, 1). a) Sei X der IQ eines Erwachsenen mit X N(100, 225). Die Wahrscheinlichkeit, dass der IQ eines zufällig ausgewählten Erwachsenen größer als 115 ist, beträgt: ( ) X P(X > 115) = P > = P(Y > 1) = 1 P(Y 1) = 1 Φ(1) = (Tabelle A.1) = b) Seien X 1, X 2, X 3, X 4 die IQ s von 4 zufällig ausgewählten Erwachsenen, so sind die X i unabhängig identisch verteilt mit Verteilung N(100, 225). Die Wahrscheinlichkeit, dass unter 4 zufällig ausgewählten Erwachsenen alle vier einen IQ größer als 115 besitzen, ist: P(X i > 115, i = 1, 2, 3, 4) = P(X 1 > 115) P(X 2 > 115) P(X 4 > 115) (unabhängig) = P(X 1 > 115) 4 (gleich verteilt) a) = (0.1587) 4 = = 0.06%. c) Die X 1,...,X 4 sind identisch und unabhängig verteilt. Somit gilt 4 X i N(4 100, 4 225) = N(400, 30 2 ). i=1 Für die Wahrscheinlichkeit, dass der durchschnittliche IQ von 4 zufällig ausgewählten Erwachsenen größer als 115 ist, erhält man somit: 4 4 X i > 115) = P( X i > 460) P( 1 4 i=1 i=1 ( 4 i=1 = P X i 400 > 30 ) = P(Y > 2) = 1 P(Y 2) = =
4 Aufgabe 3: (15 Punkte) Aus umfangreichen Untersuchungen ist bekannt, dass der Median des Hämoglobinwertes (in g/100ml) bei Erwachsenen 12 beträgt. Nach Medikamenteneinnahme über einen bestimmten Zeitraum soll geprüft werden, ob sich der Hämoglobinwert ändert. Bei n = 11 Personen einer Versuchsreihe wurden die folgenden Werte gemessen: a) Bestimmen Sie den empirischen Median der obigen Daten. Geben Sie zusätzlich einen Vertrauensbereich für den Median zur Vertrauenswahrscheinlichkeit 1 α = 0.95 an. b) Testen Sie zum Niveau α = 0.05, ob sich der empirische Median durch die Medikamenteneinnahme gegenüber dem Normalwert von 12 ändert. c) Nehmen Sie nun an, dass der Hämoglobinwert N(µ,σ 2 ) verteilt ist, wobei µ und σ 2 unbekannt sind. Testen sie auf dem Niveau α = 0.05 die Hypothese H 0 : µ = 12 gegen die Alternative µ 12. Hinweis: Für die obigen Werte x 1,...,x 11 gilt x = und s x = a) Die geordnete Stichprobe ist: i x (i) Die Stichprobengröße n = 11 ist ungerade, somit ist der empirische Median x = x ( n+1 2 ) = x (6) = Vertrauensbereich für den Median: Aus der Tabelle A.5 erhält man für 1 α = 0.95, dass k = 1. Da x (k+1) = x (2) = 11.2 und x (n k) = x (10) = 17.6 gilt, ist der Vertrauensbereich für den Median zur Vertrauenswahrscheinlichkeit 1 α = 0.95 gegeben durch: 11.2 x b) Vorzeichen-Test für den Median: Zu testen (zum Niveau α = 0.05) ist die Hypothese gegen die Alternative H 0 : M = 12 H 1 : M 12. Die Prüfgröße N + ist die Anzahl der x i mit x i > 12. In unserem Fall ergibt sich N + = 8. Aus Tabelle A.5 erhält man für n = 11 und α = 0.05, dass k = 1. H 0 wird verworfen, falls N + k oder N + n k. Hier gilt 8 = N + > k = 1 und 8 = N + 10 = n k, somit wird die Hypothese zum Niveau α nicht verworfen. 4
5 c) Es handelt sich hierbei um ein Ein-Stichproben-Problem mit Normalverteilungsannahme. Für diese Situation ist der Ein-Stichproben-t-Test geeignet. Getestet werden soll zum Niveau α = 0.05 die Hypothese H 0 : µ = 12 gegen die Alternative Die Prüfgröße ist T = H 1 : µ 12. n( x 12) s x = Aus Tabelle A.2 erhält man t n 1,1 α/2 = t 10,0.975 = Es gilt also T < t n 1,1 α/2, und somit wird kein Widerspruch zu H 0 erhoben. 5
6 Aufgabe 4: (14 Punkte) Ein Meinungsforschungsinstitut stellte 1000 zufällig ausgewählten Wählern die Frage: Welche Partei würden Sie wählen, wenn am nächsten Sonntag Bundestagswahlen wären? a) Bei der Befragung erklärten 75 Personen, die Partei A wählen zu wollen. Geben Sie zur Vertrauenswahrscheinlichkeit 0.95 ein Vertrauensintervall für den Stimmenanteil der Partei A an. b) Wieviele Wahlberechtigte müsste das Institut befragen, wenn ein Konfidenzintervall zur Konfidenzwahrscheinlichkeit 0.95 für den Stimmenanteil der Partei A höchstens die Länge 0.02 haben soll? a) Vertrauensintervall für eine Wahrscheinlichkeit. Es wurden n = 1000 unabhängige Befragungen durchgeführt. Als Treffer gelten hier die Stimmen für die Partei A. Die relative Trefferhäufigkeit ist somit: ϑ = k n = , mit k = 75 als Anzahl der Treffer. Es gilt k 50 und n k 50, somit können die Approximationen (10.11) und (10.12) verwendet werden: U(k) ϑ c 1 α/2 n ϑ(1 ϑ) und U(k) ϑ + c 1 α/2 n ϑ(1 ϑ) Das Vertrauensintervall zur Vertrauenswahrscheinlichkeit 0.95 für den Stimmanteil der Partei A ist somit [0.0587, ]. b) Planung des Stichprobenumfanges. Die Länge des Vertrauensintervall soll höchstens 2ε = 0.02 betragen. Aus der vorangegangen Befragung liegt schon ein Schätzer für die Trefferwahrscheinlichkeit ϑ vor. Es kann somit Formel (10.14) verwendet werden: n min ( c1 α/2 ε ) 2 ϑ(1 ϑ) = , mit ε = Demnach müssen 2666 Personen befragt werden. Alternativ ist die folgende Lösung zulässig. Es gilt nach (10.15) die Ungleichung: ( c1 α/2 ) 2 = n min 1 4 ε Es müssen also 9604 Wahlberechtigte befragt werden. 6
7 Aufgabe 5: (16 Punkte) Es soll getestet werden, ob sich der jeweils erste Wurf zweier Stämme der Albinomaus, die mit A und B bezeichnet werden, hinsichtlich ihrer Wurfgewichte (in g) unterscheiden. Bei einer Versuchsreihe erhielt man die folgenden Wurfgewichte: A x i B y j a) Es wird vorausgesetzt, dass die Werte des Stammes A aus einer N(µ,σ 2 ) verteilten Grundgesamtheit und die Werte des Stammes B aus einer N(ν,σ 2 ) verteilten Grundgesamtheit stammen. Testen Sie zum Niveau α = 0.05 die Hypothese, dass das mittlere Wurfgewicht nicht vom Stamm abhängt. b) Verzichten Sie nun auf die Normalverteilungsannahme. Es wird nur noch vorausgesetzt, dass die Wurfgewichte des Stammes A und des Stammes B jeweils eine unbekannte stetige Verteilung besitzen, die sich nur in der Lage unterscheiden. Testen Sie auch für diesen Fall zum Niveau α = 0.05 die Hypothese, dass das Wurfgewicht nicht vom Stamm abhängt. Hinweis: Sie können folgende Angaben verwenden: x = 9.50, s 2 x = 4.60, ȳ = und s 2 y = Es handelt sich hier um ein Zwei-Stichproben-Problem. Die erste Stichprobe sind die Werte des Stammes A x 1,...,x 7 (n = 7), die zweite Stichprobe sind die Werte des Stammes B y 1,...,y 8 (m = 8). a) Die x i stammen aus einer N(µ,σ 2 )-, die y i aus einer N(ν,σ 2 )-Verteilung. Zu testen ist H 0 : µ = ν gegen H 1 : µ ν. Für diese Situation ist der Zwei-Stichproben-t-Test geeignet. Er hat die Prüfgröße m n ( x ȳ) m+n 1.93 ( 5.84) T = = ((n 1) m+n 2 s2 x + (m 1) s 2 1 y) ( ) 13 Der kritische Wert ist nach Tabelle A.2 t m+n 2,1 α/2 = t 13,0.975 = Wegen T t m+n 2,1 α/2 wird die Hypothese abgelehnt. b) Wenn keine Normalverteilungsannahme vorliegt, sollte der t-test nicht verwendet werden. Unter der Voraussetzung, dass die Verteilungen je eine Dichte besitzen und sich nur in der Lage unterscheiden, ist der Mann-Whitney-U-Test geeignet. Die Hypothese H 0 lautet: Die Verteilungsfunktion F der ersten Stichprobe und die Verteilungsfunktion G der zweiten Stichprobe sind gleich, also H 0 : F = G. Zunächst werden zu den gegebenen 15 Daten die Ränge bestimmt. Nachfolgend sind die Ränge in Klammern nach dem jeweiligen Messwert angegeben: 7
8 x i 7.6 (2) 13.2 (8) 9.1 (4) 10.6 (6) 8.7 (3) 10.5 (5) 6.8 (1) y i 16.6 (12) 16.8 (13) 13.6 (9) 19.6 (15) 14.1 (11) 11.2 (7) 13.8 (10) 17.0 (14) Nun müssen die Ränge der x i aufaddiert werden: W = = 29. Die Prüfgröße des Mann-Whitney-U-Tests ist U = W n(n + 1) 2 = Der Mann-Whithney-U-Test lehnt die Hypothese ab, wenn eine der beiden Ungleichungen = 1. U U m,n,1 α/2 oder U m n U m,n,1 α/2 erfüllt ist. Aus Tabelle A.6 kann man ablesen: U m,n,1 α/2 = U 8,7,0.975 = 46. Wegen U m n U m,n,1 α/2 = = 10 lehnt der Mann-Whitney-U-Test die Hypothese ab. 8
9 Aufgabe 6: (15 Punkte) In einer Versuchsreihe sollte überprüft werden inwiefern radioaktive Bestrahlung Mutationen begünstigt. Die Anzahl der Pflanzen mit bzw. ohne Mutation wurde in eine Kontingenztafel eingetragen: Mutation keine Mutation mit Bestrahlung keine Bestrahlung a) Die Kontingenztafel ist hier unvollständig angegeben. Ergänzen Sie diese. b) Testen Sie zum Niveau α = 0.01, ob die Bestrahlung die Wahrscheinlichkeit einer Mutation beeinflusst. c) Testen Sie zum Niveau α = 0.01, ob die bestrahlten Pflanzen eine größere Mutationswahrscheinlichkeit besitzen. a) Als vollständige Kontingenztafel ergibt sich: Mutation keine Mutation mit Bestrahlung keine Bestrahlung Es sei (Mutationen werden als Treffer aufgefasst) a 1 = 144, a 2 = 150, n 1 = 662, n 2 = 1225 und n = n 1 + n 2. Weiter sei ˆp j = a j n j (j = 1, 2) und ˆp = a 1+a 2 n 1 +n 2. b) Es soll ein zweiseitiger Test durchgeführt werden, d.h. die Hypothese H 0 : p 1 = p 2 soll zum Niveau α = 0.01 gegen die Alternative H 1 : p 1 p 2 getestet werden. Es ist n 1 + n 2 > 60, somit lautet die Testgröße T = n 1 n 2 n 1 + n 2 (ˆp 1 ˆp 2 ) 2 ˆp(1 ˆp) H 0 wird abgelehnt, falls T χ 2 1,1 α. In unserem Fall ist χ 2 1, , und somit wird die Hypothese abgelehnt. c) Es soll nun ein einseitiger Test durchgeführt werden. Um zu testen, ob die bestrahlten Pflanzen anfälliger für Mutationen sind, verwenden wir den einseitigen Test: H 0 : p 1 = p 2, 9
10 Die Prüfgröße T lautet hier: H 1 : p 1 > p 2. T = n1 n 2 ˆp 1 ˆp n 1 + n 2 ˆp(1 ˆp) Da c 1 α = c , ist T > c 1 α und somit besteht zum Niveau α ein Widerspruch zur Hypothese H 0. 10
Klausur 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
MehrNachklausur zur Vorlesung
Institut für Mathematische Stochastik WS 003/004 Universität Karlsruhe 30. April 004 Priv.-Doz. Dr. D. Kadelka Nachklausur zur Vorlesung Statistik für Biologen Musterlösungen Aufgabe 1 Gemessen wurde bei
MehrNachklausur zur Vorlesung. Statistik für Studierende der Biologie
Institut für Mathematische Stochastik WS 1999/2000 Universität Karlsruhe 11. Mai 2000 Dr. Bernhard Klar Nachklausur zur Vorlesung Statistik für Studierende der Biologie Bearbeitungszeit: 90 Minuten Name:
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrDr. W. Kuhlisch Dresden, Institut für Mathematische Stochastik
Dr. W. Kuhlisch Dresden, 12. 08. 2014 Institut für Mathematische Stochastik Klausur Statistik für Studierende der Fachrichtungen Hydrologie und Altlasten/Abwasser zugelassene Hilfsmittel: Taschenrechner
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrInstitut für Stochastik Prof. Dr. N. Henze Dipl.-Math. V. Riess
Institut für Stochastik Prof. Dr. N. Henze Dipl.-Math. V. Riess Name: Vorname: Matrikelnummer: Lösungsvorschlag zur Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik (Stochastik) Datum: 07.
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003. Eine seltene Krankheit trete mit Wahrscheinlichkeit : 0000 auf. Die bedingte Wahrscheinlichkeit, dass ein bei einem Erkrankten durchgeführter
MehrWahrscheinlichkeitstheorie und Statistik vom
INSTITUT FÜR STOCHASTIK SS 2007 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Dipl.-Math. oec. W. Lao Klausur (Maschineningenieure) Wahrscheinlichkeitstheorie und Statistik vom 2.9.2007 Musterlösungen
MehrGoethe-Universität Frankfurt
Goethe-Universität Frankfurt Fachbereich Wirtschaftswissenschaft PD Dr. Martin Biewen Dr. Ralf Wilke Sommersemester 2006 Klausur Statistik II 1. Alle Aufgaben sind zu beantworten. 2. Bitte runden Sie Ihre
MehrStatistik II für Betriebswirte Vorlesung 3
Statistik II für Betriebswirte Vorlesung 3 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 2. November 2016 Prof. Dr. Hans-Jörg Starkloff Statistik II für Betriebswirte Vorlesung
MehrWahrscheinlichkeitstheorie und Statistik vom
INSTITUT FÜR STOCHASTIK SS 2010 Karlsruher Institut für Technologie Priv.-Doz. Dr. D. Kadelka Klausur Wahrscheinlichkeitstheorie und Statistik vom 14.9.2010 Musterlösungen Aufgabe 1: Gegeben sei eine Urliste
MehrLösungen Klausur Statistik 2/re/soz
Lösungen Klausur Statistik /re/soz. Juli 009 1. Hier sind drei Datenreihen spaltenweise angegeben. Bei der Durchführung von verschiedenen Berechnungen ist leider einiges durcheinandergekommen. Zehn Zahlen
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
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
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
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:
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.
MehrKlausur zu Statistik II
GOETHE-UNIVERSITÄT FRANKFURT FB Wirtschaftswissenschaften Statistik und Methoden der Ökonometrie Prof. Dr. Uwe Hassler Wintersemester 03/04 Klausur zu Statistik II Matrikelnummer: Hinweise Hilfsmittel
MehrStatistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 11. Juli 016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrStochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. M. Schweizer ETH Zürich Sommer 2018 Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Bitte... Lege deine Legi auf den Tisch. Trage deine Daten in dieses Deckblatt ein, und schreibe auf jedes
MehrPrüfung aus Statistik 2 für SoziologInnen
Prüfung aus Statistik 2 für SoziologInnen 11. Oktober 2013 Gesamtpunktezahl =80 Name in Blockbuchstaben: Matrikelnummer: Wissenstest (maximal 16 Punkte) Kreuzen ( ) Sie die jeweils richtige Antwort an.
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
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
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
Mehr1 wenn Erfolg im j-ten Versuch
Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 5.1 Binomialverteilung - Alternative Darstellung n Versuche mit 2 möglichen Ausgängen. Setze Y j = 1 wenn Erfolg im j-ten Versuch 0 wenn
MehrLösungen zum Aufgabenblatt 14
Lösungen zum Aufgabenblatt 14 61. 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
Mehr1. Nennen Sie den für das Merkmal X geeigneten Skalentyp und begründen Sie Ihre Antwort.
Aufgabe 1 150 Personen gaben bei einer Befragung an, wie viel Geld sie in diesem Jahr für Weihnachtsgeschenke ausgegeben haben. Die Ergebnisse der Befragung sind in nachfolgender Tabelle zusammengefasst,
MehrLösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK
Institut für Stochastik Dr. Steffen Winter Lösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK für Studierende der INFORMATIK vom 17. Juli 01 (Dauer: 90 Minuten) Übersicht über
Mehr7.2 Mittelwert einer Stichprobe
66 7.2 Mittelwert einer Stichprobe Gegeben ist eine normalverteilte Grundgesamtheit. Mit Hilfe einer Stichprobe möchten wir Aussagen über den unbekannten Mittelwert µ dieser Grundgesamtheit machen. Wenn
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
MehrS1. a. Drücken Sie allgemein p durch die anderen in der Formel verwendeten Größen aus! Wie groß ist p, wenn a = 0.08, u = 1.96 und n = 120?
S1. a. Drücken Sie allgemein p durch die anderen in der Formel verwendeten Größen aus! Wie groß ist p, wenn a = 0.08, u = 1.96 und n = 120? a = u p ( 1 p) n b. Wenn am 28. Oktober (Nach Auszählen der Briefwähler)
MehrBiomathematik für Mediziner, Klausur WS 2000/2001 Seite 1
Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1 Aufgabe 1: Von 2 gleichartigen Maschinen eines pharmazeutischen Betriebes stellt die erste 40% und die zweite 60% der Produkte her. Dabei verursacht
MehrBlockpraktikum zur Statistik mit R
Blockpraktikum zur Statistik mit R 08. Oktober 2010 Till Breuer, Sebastian Mentemeier und Matti Schneider Institut für Mathematische Statistik Universität Münster WS 2010/11 Gliederung 1 Ein-Stichproben-Fall
MehrMSP Musterlösung. Name, Nummer: Datum: 12. Juli Energie eines Super-Kondensators 2Y6HUB
WST donat.adams@fhnw.ch IMN MSP Musterlösung Name, Nummer: Datum: 1. Juli 017 1. Energie eines Super-Kondensators Y6HUB An einer Sendung von Super-Kondensatoren mit Energie-Gehalt E = 1 C U wurden folgende
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
MehrHochschule Darmstadt FB Mathematik und Naturwissenschaften. Statistik. für Wirtschaftsingenieure (B.Sc.) Sommersemester 2017
für Wirtschaftsingenieure (B.Sc.) Sommersemester 017 Dr. rer. nat. habil. E-mail: adam-georg.balogh@h-da.de 1 Hochschule Darmstadt, Fachbereich MN Sommersemester 017 Testklausur zur Vorlesung Wirtschaftsstatistik
MehrMathematik 2 für Naturwissenschaften
Hans Walser Mathematik 2 für Naturwissenschaften 2 3 3 4 6 4 5 0 0 5 6 5 20 5 6 Tabellen (leicht gekürzte Version) Hans Walser: Tabellen ii Inhalt Binomische Verteilung.... Binomische Verteilung (ohne
MehrPRÜFUNG STATISTIK VO 3. JULI Name...Vorname... Einsichtnahme: Freitag, 9. Juli 2010 BITTE DEUTLICH UND LESERLICH SCHREIBEN!
PRÜFUNG STATISTIK VO 3. JULI 2010 Name...Vorname... Matrikelnummer... Einsichtnahme: Freitag, 9. Juli 2010 BITTE DEUTLICH UND LESERLICH SCHREIBEN! Es wird nur gewertet, was in diesem Exemplar steht. Exemplar
MehrKlausur zur Vorlesung Analyse mehrdimensionaler Daten, Lösungen WS 2010/2011; 6 Kreditpunkte, 90 min
Klausur, Analyse mehrdimensionaler Daten, WS 2010/2011, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 21.02.2011 Klausur zur Vorlesung Analyse mehrdimensionaler Daten, Lösungen WS 2010/2011; 6 Kreditpunkte,
MehrKlausur zum Fach GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK. für Studierende der INFORMATIK
Institut für Stochastik Prof. Dr. Daniel Hug Name: Vorname: Matr.-Nr.: Klausur zum Fach GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK für Studierende der INFORMATIK Datum: 08. Februar 0 Dauer:
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage
Mehr2 Klassische statistische Verfahren unter Normalverteilungs-Annahme
7 Klassische statistische Verfahren unter Normalverteilungs-Annahme. χ s, t s, F r,s -Verteilung a) N,..., N s uiv N (0, ) Verteilung von Y := N +... + N s heißt Chi-Quadrat-Verteilung mit s Freiheitsgraden
MehrLösungen zur Klausur WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK (STOCHASTIK)
Institut für Stochastik Dr. Steffen Winter Lösungen zur Klausur WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK (STOCHASTIK) für Studierende des Maschinenbaus vom 7. Juli (Dauer: 8 Minuten) Übersicht über die
MehrWahrscheinlichkeitstheorie und Statistik für Studierende des Maschinenbaus vom
Institut für Stochastik WS 009/10 Karlsruher Institut für Technologie (KIT) Dr. B. Klar Klausur Wahrscheinlichkeitstheorie und Statistik für Studierende des Maschinenbaus vom 08.0.010 Musterlösungen Aufgabe
MehrZulassungsprüfung Stochastik,
Zulassungsprüfung Stochastik, 10.10.14 Wir gehen stets von einem Maßraum (Ω, A, µ) bzw. einem Wahrscheinlichkeitsraum (Ω,A,P) aus. Die Borel σ-algebra auf R n wird mit B n bezeichnet, das Lebesgue Maß
MehrTest auf den Erwartungswert
Test auf den Erwartungswert Wir interessieren uns für den Erwartungswert µ einer metrischen Zufallsgröße. Beispiele: Alter, Einkommen, Körpergröße, Scorewert... Wir können einseitige oder zweiseitige Hypothesen
MehrParametrische und nichtparametrische Tests
XIII. Nichtparametrische Tests Seite 1 Parametrische und nichtparametrische Tests Parametrische Tests: Hier wird eine bestimmte Verteilung vorausgesetzt, und getestet, ob die gewählten Parameter passen.
MehrNachklausur Wahrscheinlichkeitstheorie und Inferenz II Sommersemester Oktober 2011
Nachklausur Wahrscheinlichkeitstheorie und Inferenz II Sommersemester 2011 28. Oktober 2011 Prof. Dr. Torsten Hothorn Institut für Statistik Nachname: Vorname: Matrikelnummer: Anmerkungen: ˆ Schreiben
MehrZulassungsprüfung Stochastik,
Zulassungsprüfung Stochastik, 13.10.2017 Wir gehen stets von einem Wahrscheinlichkeitsraum Ω,A,P aus. Aufgabe 1 15 Punkte Seien a,b > 0 und x,y fest. Gegeben sei das Maß µ : B 1 [0,, µa := a1 A x+b1 A
MehrGrundlagen der Wahrscheinlichkeitstheorie und Statistik für Studierende der Informatik
INSTITUT FÜR STOCHASTIK WS 2007/08 UNIVERSITÄT KARLSRUHE Blatt 1 Dr. B. Klar Übungen zur Vorlesung Grundlagen der Wahrscheinlichkeitstheorie und Statistik für Studierende der Informatik Musterlösungen
MehrStichproben Parameterschätzung Konfidenzintervalle:
Stichproben Parameterschätzung Konfidenzintervalle: Beispiel Wahlprognose: Die Grundgesamtheit hat einen Prozentsatz p der Partei A wählt. Wenn dieser Prozentsatz bekannt ist, dann kann man z.b. ausrechnen,
MehrGrundidee. χ 2 Tests. Ausgangspunkt: Klasseneinteilung der Beobachtungen in k Klassen. Grundidee. Annahme: Einfache Zufallsstichprobe (X 1,..., X n ).
Grundidee χ 2 -Anpassungstest χ 2 -Unabhängigkeitstest χ 2 -Homogenitätstest χ 2 Tests Grundidee Ausgangspunkt: Klasseneinteilung der Beobachtungen in k Klassen Annahme: Einfache Zufallsstichprobe (X 1,,
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
MehrÜbung zur Vorlesung Statistik I WS Übungsblatt 12
Übung zur Vorlesung Statistik I WS 2013-2014 Übungsblatt 12 20. Januar 2014 Die folgenden ufgaben sind aus ehemaligen Klausuren! ufgabe 38.1 (1 Punkt: In einer Studie werden 10 Patienten therapiert. Die
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:
MehrPrüfungsklausur zur Stochastik (LMG)/ Elementare Wahrscheinlichkeitstheorie und Statistik
B. Schmalfuß Jena, den 20.02.2018 Prüfungsklausur zur Stochastik (LMG)/ Elementare Wahrscheinlichkeitstheorie und Statistik Allgemeine Hinweise: Zur Verfügung stehende Zeit: 90 min. Hilfsmittel: keine.
MehrStatistik I für Betriebswirte Vorlesung 4
Statistik I für Betriebswirte Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 25. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrName...LÖSUNGEN...Vorname...
PRÜFUNG STATISTIK VO 19. März 2010 Name...LÖSUNGEN...Vorname... Matrikelnummer... Einsichtnahme: Di, 20. April 2010 BITTE DEUTLICH UND LESERLICH SCHREIBEN! Es wird nur gewertet, was in diesem Exemplar
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
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
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests Nach Verteilungsannahmen: verteilungsabhängig: parametrischer [parametric] Test verteilungsunabhängig: nichtparametrischer [non-parametric] Test Bei parametrischen Tests
MehrZulassungsprüfung Stochastik,
Zulassungsprüfung Stochastik,..3 Wir gehen stets von einem Maßraum (Ω, A, µ) bzw. einem Wahrscheinlichkeitsraum (Ω,A,P) aus. Die Borel σ-algebra auf n wird mit B n bezeichnet, das Lebesgue Maß auf n wird
MehrNachklausur Mathematik für Biologen WS 08/09
Aufgabe 1: (5 Punkte) In einer diploiden Population beobachten wir die Ausprägung eines bestimmten Gens, das zwei Allele V und W annimmt. Somit besitzt jedes Individuum V V, V W oder W W als Genotyp. Die
Mehr0 sonst. a) Wie lautet die Randwahrscheinlichkeitsfunktion von Y? 0.5 y = 1
Aufgabe 1 (2 + 2 + 2 + 1 Punkte) Gegeben sei folgende gemeinsame Wahrscheinlichkeitsfunktion f(x, y) = P (X = x, Y = y) der Zufallsvariablen X und Y : 0.2 x = 1, y = 1 0.3 x = 2, y = 1 f(x, y) = 0.45 x
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
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
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
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
Mehr2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.15. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler unter allen Wählern war 2009 auf eine Nachkommastelle gerundet genau 33.7%. Wie groß ist die Wahrscheinlichkeit,
MehrVPI
1.BWL a. Der Jahresdurchschnitt des österreichischen VPI ist für verschiedene Jahre angegeben. Die jeweiligen Bezugsjahreszahlen sie ändern sich alle 10 Jahre waren die Jahre 1966, 1976, 1986 und 1996,
MehrNachhol-Klausur - Schätzen und Testen - Wintersemester 2013/14
Prof. Dr. Rainer Schwabe 08.07.2014 Otto-von-Guericke-Universität Magdeburg Institut für Mathematische Stochastik Nachhol-Klausur - Schätzen und Testen - Wintersemester 2013/14 Name:, Vorname: Matr.-Nr.
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 22 Übersicht Weitere Hypothesentests in der Statistik 1-Stichproben-Mittelwert-Tests 1-Stichproben-Varianz-Tests 2-Stichproben-Tests Kolmogorov-Smirnov-Test
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.
Mehr2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.11. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler 2009 war genau 33.7%. Wie groß ist die Wahrscheinlichkeit, in einer Zufallsstichprobe von 1000 Personen genau
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
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 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
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
MehrBiomathematik für Mediziner
Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur SS 2002 Aufgabe 1: Franz Beckenbauer will, dass
MehrStochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. M. Schweizer ETH Zürich Winter 2018 Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Bitte... Lege deine Legi auf den Tisch. Trage deine Daten in dieses Deckblatt ein, und schreibe auf jedes
MehrMusterlösung zur Klausur im Fach Fortgeschrittene Statistik am Gesamtpunktzahl: 60
WESTFÄLISCHE WILHELMS - UNIVERSITÄT MÜNSTER Wirtschaftswissenschaftliche Faktultät Prof. Dr. Bernd Wilfling Professur für VWL, insbesondere Empirische Wirtschaftsforschung Musterlösung zur Klausur im Fach
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2002
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2002 1. Ein Chemiestudent hat ein Set von 10 Gefäßen vor sich stehen, von denen vier mit Salpetersäure Stoff A), vier mit Glyzerin Stoff
MehrMathematik 2 für Naturwissenschaften
Hans Walser Mathematik 2 für Naturwissenschaften 2 3 3 4 6 4 5 0 0 5 6 5 20 5 6 Tabellen (leicht gekürzte Version) Hans Walser: Tabellen ii Inhalt Binomische Verteilung.... Binomische Verteilung (ohne
Mehr( x i 1 ; x i ] \(ỹ j 1 ; ỹ j ]
Aufgabe 1 Die Befragung von 100 mittelständischen Dienstleistungsunternehmen einer Metropolregion nach ihren Umsätzen sowie Werbeausgaben im Jahre 2008 erbrachte folgende Häufigkeitsfunktion: ( x i 1 ;
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
MehrBiomathematik für Mediziner, Klausur WS 1999/2000 Seite 1
Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,
MehrKlausur Stochastik und Statistik 31. Juli 2012
Klausur Stochastik und Statistik 31. Juli 2012 Prof. Dr. Matthias Schmid Institut für Statistik, LMU München Wichtig: ˆ Überprüfen Sie, ob Ihr Klausurexemplar vollständig ist. Die Klausur besteht aus fünf
MehrWahrscheinlichkeit und Statistik BSc D-INFK
Prof. Dr. P. Bühlmann ETH Zürich Sommer 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
MehrZeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: k = n (n + 1) 2
Aufgabe 1. (5 Punkte) Zeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: n k = k=1 n (n + 1). 2 Aufgabe 2. (5 Punkte) Bestimmen Sie das folgende Integral mithilfe partieller
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
MehrZulassungsprüfung Stochastik,
Zulassungsprüfung Stochastik, 5.5. Wir gehen stets von einem Maßraum (Ω, A, µ) bzw. einem Wahrscheinlichkeitsraum (Ω,A,P) aus. Die Borel σ-algebra auf R n wird mit B n bezeichnet, das Lebesgue Maß auf
MehrKlausur zu Statistik II
Goethe-Universität Frankfurt Prof. Dr. Uwe Hassler FB Wirtschaftswissenschaften Sommersemester 2005 Klausur zu Statistik II Version B Bitte tragen Sie hier und auf den Lösungsblättern (oben links) Ihre
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
Mehr7.1 Korrelationsanalyse. Statistik. Kovarianz. Pearson-Korrelation. Institut für angewandte Statistik & EDV Universität für Bodenkultur Wien
Statistik 7.1 Korrelationsanalyse Institut für angewandte Statistik & EDV Universität für Bodenkultur Wien Sommersemester 2012 7 Regressions- und Korrelationsanalyse Kovarianz Pearson-Korrelation Der (lineare)
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrStatistik Klausur Sommersemester 2013 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik 2 1. Klausur Sommersemester 2013 Hamburg, 26.07.2013 A BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
MehrStochastik für Mathematiker Teil 2: Wahrscheinlichkeitstheorie
Stochastik für Mathematiker Teil 2: Wahrscheinlichkeitstheorie Sommersemester 2018 Kapitel 8: Elemente der mathematischen Statistik Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik
MehrStochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. M. Maathuis ETH Zürich Winter 2010 Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Schreiben Sie für Aufgabe 2-4 stets alle Zwischenschritte und -rechnungen sowie Begründungen auf. Aufgabe
Mehr