Grundidee. χ 2 Tests. Ausgangspunkt: Klasseneinteilung der Beobachtungen in k Klassen. Grundidee. Annahme: Einfache Zufallsstichprobe (X 1,..., X n ).
|
|
- Rolf Gerhardt
- vor 6 Jahren
- Abrufe
Transkript
1 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,, X n ) N i : Anzahl der Stichprobenelemente, die in i-te Klasse fallen für i = 1, 2,, k Beachte: Klassenhäufigkeiten N i sind Funktion der Stichprobe und damit wieder Zufallsvariablen Nullhypothese: Verteilung der X i Klassenwahrscheinlichkeiten bei Gültigkeit der Nullhypothese: p 0 i Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Erwartete Klassenhäufigkeiten bei Gültigkeit der Nullhypothese: E(N i ) = np 0 i Entscheidungsregel: Nullhypothese umso eher ablehnen, je größer Abstand zwischen Klassenhäufigkeiten und unter Nullhypothese erwarteten Klassenhäufigkeiten Abstandsmaß (χ 2 -Statistik): k i=1 (N i np 0 i )2 np 0 i Asymptotische Verteilung von χ 2 bei Gültigkeit der Nullhypothese: χ 2 appr χ 2 (fg) mit f g Anzahl der Freiheitsgrade, die von der speziellen Testproblematik abhängen Kritischer Bereich: Werte der χ 2 -Statistik, die 1 α-quantil der χ 2 -Verteilung überschreiten Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/
2 Übersicht: χ 2 Anpassungstests χ 2 Anpassungstest: Nullhypothese: Verteilung der Grundgesamtheit folgt bekanntem parametrischen Verteilungsgesetz F X (; θ) χ 2 Unabhängigkeitstest: Nullhypothese: X und Y stochastisch unabhängig χ 2 Homogenitätstest: Nullhypothese: Zwei einfache unverbundene Stichproben (X 1, X 2,, X n ) und (Y 1, Y 2,, Y m ) stammen aus derselben Grundgesamtheit Annahme 1: Verteilung der Grundgesamtheit ist durch die Nullhypothese vollständig spezifiziert (einfache Nullhypothese) Beispiel: H 0 : X N (1000, 36) Annahme 2: Verteilung der Grundgesamtheit ist bis auf einige unbekannte Parameter vollständig spezifiziert (zusammengesetzte Nullhypothese) Beispiel: H 0 : X N (µ, σ 2 ) mit µ und σ 2 unbekannt Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Nullhypothese χ 2 Anpassungstest für eine einfache Nullhypothese (Annahme 1) H 0 : X folgt der parametrischen Verteilung F X (x; θ 0 ) (Willkürliche) Zerlegung des Trägers D(X) von F X in k disjunkte Klassen i-te Klasse: ( x i 1, x i ] N i : Häufigkeit, mit der Realisationen von X in die i-te-klasse fallen Unter H 0 (falls f X Dichte von F X ): p 0 i = xi x i 1 f X (x)dx (Klassenwahrscheinlichkeiten unter H 0 ) Unter H 0 zu erwartenden absoluten Klassenhäufigkeiten Prüfmaß unter H 0 : k i=1 E(N i ) = np 0 i (N i np 0 i )2 np 0 i appr χ 2 (k 1) Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/
3 Die Approximation durch eine χ 2 -Verteilung ist gut, wenn gilt: np 0 i 5 für k 8, np 0 i 1 für k > 8 χ 2 -Anpassungstest für eine zusammengesetzte Nullhypothese (Annahme 2) Nullhypothese H 0 : X folgt der parametrischen Verteilung F X (x; θ) θ: unbekannter Parametervektor der Länge r Unter H 0 (falls f X Dichte von F X ): p 0 i (θ) = xi x i 1 f X (x; θ)dx (Klassenwahrscheinlichkeiten unter H 0 als Funktion von θ) Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Unter H 0 zu erwartende absolute Klassenhäufigkeiten Prüfmaß unter H 0 : E(N i ) = np 0 i (θ) Schätzung der Klassenwahrscheinlichkeiten und der erwarteten Häufigkeiten durch konsistente Schätzung ˆθ von θ Dh ˆp i = p i (ˆθ) k i=1 (N i nˆp 0 i )2 nˆp 0 i appr χ 2 (k r 1) Einsetzen des Schätzwertes ˆθ in Nullhypothese führt zur,,einfachen Nullhypothese : H 0 : X folgt der parametrischen Verteilung F X (x; ˆθ) Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/
4 Beispiel: Einfache Nullhypothese X: Tägliche Anzahl von Unfällen auf dem Autobahnabschnitt Nürnberg-Heilbronn Nullhypothese: H 0 : X P oi(λ = 15) Stichprobenbefund: Anzahl x der Unfälle an n = 120 zufällig ausgewählten Tagen: Klassen x = 0 x = 1 x = 2 x = 3 x = 4 x 5 n i Unter H 0 zu erwartende Häufigkeiten: p 0 1 = P (X = 0 H 0 ) = E(N 1 ) = np 0 1 = p 0 2 = P (X = 1 H 0 ) = E(N 2 ) = np 0 2 = p 0 6 = P (X 5 H 0 ) = E(N 6 ) = np 0 6 = 2220 Problem: Zu erwartetende Häufigkeiten für fünfte und sechste Klasse zu klein für eine gute Approximation Lösung: Zusammenfassung Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Summanden der χ 2 -Statistik: i X i n i np 0 i n i np 0 i (n i np 0 i )2 np 0 i 1 x = x = x = x = x = x Σ Empirischer Wert der Prüfgröße: 5 (n i np 0 i ) 2 /(np 0 i ) = i=1 Kritischer Wert: 99%-Quantil der χ 2 Verteilung mit 5 1 = 4 Freiheitsgraden: χ 2 099;4 = 1328 Testentscheidung: Nullhypothese ist mit einer Irrtumswahrscheinlichkeit von 1% zu verwerfen dh die Anzahl der Unfälle ist nicht Poisson verteilt mit λ = 15 Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/
5 Beispiel: Zusammengesetzte Nullhypothese X: Tägliche Anzahl von Unfällen auf dem Autobahnabschnitt Nürnberg-Heilbronn Nullhypothese: H 0 : X P oi(λ), λ unbekannt ML-Schätzer für λ: ˆλ ML = X n Schätzwert: x 120 = 10 Unter H 0 zu erwartende Häufigkeiten: ˆp 0 1 = P λ=ˆλml (X = 0 H 0 ) = nˆp 0 1 = ˆp 0 2 = P λ=ˆλml (X = 1 H 0 ) = nˆp 0 2 = ˆp 0 6 = P λ=ˆλml (X 5 H 0 ) = nˆp 0 6 = 0444 Zusammenfassung der vierten, fünften und sechsten Klasse Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Summanden der χ 2 -Statistik: i X i n i nˆp 0 i n i nˆp 0 i (n i nˆp 0 i )2 nˆp 0 i 1 x = x = x = x = x = x Σ Empirischer Wert der Teststatistik: 4 (n i nˆp 0 i ) 2 /(nˆp 0 i ) = 1441 i=1 Kritischer Wert: 99%-Quantil der χ 2 Verteilung mit 4 2 = 2 Freiheitsgraden: χ 2 099;2 = 921 Testentscheidung: Nullhypothese kann mit einer Irrtumswahrscheinlichkeit von 1% nicht verworfen werden, dh man kann mit der Arbeitshypothese, dass die Anzahl der Unfälle Poisson verteilt ist, weiterarbeiten Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/
6 Beispiel: Zusammengesetzte Nullhypothese X: Punktzahl in der Statistik-Klausur Nullhypothese: X N(µ, σ 2 ), µ, σ 2 unbekannt Daten: n = 1116 Studierenden (stat[,1]) Schätzwerte für µ und σ 2 aufgrund der 1116 Einzeldaten: ˆµ = , ˆσ 2 = Arbeitstabelle: Klasse i n i ˆp 0 i nˆp 0 i (n i nˆp 0 i )2 nˆp 0 i bis mehr als 10 bis mehr als 15 bis mehr als 20 bis mehr als 25 bis mehr als 30 bis Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Exemplarische Berechnung von Klassenwahrscheinlichkeiten unter H 0 : ( ) ˆp 0 1 = Φ = Φ( 16012) = ( ) ( ) ˆp 0 2 = Φ Φ = Φ( 08614) Φ( 16012) = ( ) ˆp 0 6 = 1 Φ = 1 Φ(13582) = Voraussetzungen, dass χ 2 hinreichend gut χ 2 -verteilt ist, sind erfüllt (k 8 und np 0 i 5) Kritischer Wert für α = 005: χ 2 095;6 2 1 = Testentscheidung: Da der empirische Wert größer ist als das 95%-Quantil der χ 2 -Verteilung mit 3 Freiheitsgraden, kann die Nullhypothese mit einer Irrtumswahrscheilichkeit von 5% abgelehnt werden Dh die Punktzahl in der Statistik- Klausur ist nicht normalverteilt Aufgrund der Summanden von χ 2 sieht man, dass in der dritten (fünften) Klasse deutlich mehr (deutlich weniger) Beobachtungen liegen, als unter der Normalverteilung zu erwarten wären Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/
7 Umsetzung in R mittels chisqtest > x=seq(0,3,1) # Erste 4 Klassen > p=dpois(x,15) # Wahrscheinlichkeiten der ersten vier # Klassen > p5=1-ppois(3,15) # Wahrscheinlichkeit der fuenften Klasse > p=c(p,p5) > n=c(41,50,19,8,2) # Haeufigkeitsvektor Output: Chi-squared test for given probabilities data: n X-squared = , df = 4, p-value = > chisqtest(n,y=null,correct=false,p) # Chi-Quadrat-Anpassungstest # "correct=false" bedeutet "keine # Stetigkeitskorrektur" Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ χ 2 Unabhängigkeitstests Ausgangspunkt: Zwei verbundene Zufallsvariablen X bzw Y deren Träger in k bzw l Kassen zerlegt wurde Klassen: D(X) 1,, D(X) k Klassenwahrscheinlichkeiten: und D(Y ) 1,, D(Y ) l p 0 ij = P (X D(X i ) und Y D(Y j )) Wahrscheinlickeitstabelle: i\j 1 2 l Σ 1 p 11 p 12 p 1l p 1 2 p 21 p 22 p 2l p 2 k p k1 p k2 p kl p k Σ p 1 p 2 p l 1 Ausgangspunkt: Einfache verbundene Stichprobe (X 1, Y 1 ),, (X n, Y n ) Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/
8 N ij : Gemeinsame Häufigkeit, mit der Elemente der Stichprobe in die i-te Klasse von X und die j-te Klasse von Y fallen für i = 1, 2,, k und j = 1, 2,, l Kontingenztabelle: i\j 1 2 l Σ 1 N 11 N 12 N 1l N 1 2 N 21 N 22 N 2l N 2 k N k1 N k2 N kl N k Σ N 1 N 2 N l n Nullhypothese: H 0 : Zufallsvariablen X und Y sind stochastisch unabhängig Unter H 0 zu erwartende Häufigkeiten: np 0 ij = np i p j Problem: Nullhypothese zusammengesetzt, da k 1 Randwahrscheinlichkeiten p i und l 1 Randwahrscheinlichkeiten p j nicht festlegt sind Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Lösung: Schätzung der Randwahrscheinlichkeiten mittels relativer Randhäufigkeiten: ˆp i = N i n, ˆp j = N j n = ˆp 0 ij = n N i N j n n = N i N j n Approximation ist hinreichend gut, wenn gilt: n ij 10 und n i n j /n 5, i = 1,, k, j = 1,, l für i = 1, 2,, k 1 und j = 1, 2,, l 1 Prüfmaß unter H 0 : k i=1 j=1 ( l N ij N i N j n N i N j n ) 2 appr χ 2 ((k 1)(l 1)) Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/
9 Beispiel Einschätzung der Qualität des Freizeitangebots in Nürnberg in Abhängigkeit vom Geschlecht Zufällige Auswahl von n = 400 Studierenden Merkmal B Einschätzung des Freizeitangebots in Nürnberg mit Kategorien B 1 eher gut, B2 mittel, B3 eher schlecht Merkmal A Geschlecht mit Kategorien A 1 männlich, A 2 weiblich N ij : Zufallsvariable, die angibt, wie viele der 400 Befragten bez des Geschlechts die i te und bez des Freizeitangebotes die j-te Kategorie nennen p ij : Wahrscheinlichkeit, mit der Studierender in Grundgesamtheit i-te Kategorie des Geschlechts und j-te Kategorie des Freizeitangebotes nennt p i : Wahrscheinlichkeit, mit der Studierender in Grundgesamtheit i-te Kategorie des Geschlechts nennt p j : Wahrscheinlichkeit, mit der Studierender in Grundgesamtheit die j-te Kategorie des Freizeitangebotes nennt Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Nullhypothese: Befragungsergebnis: H 0 : p ij = p i p j i = 1, 2, j = 1, 2, 3 B 1 B 2 B 3 i A A j Unter H 0 zu erwartende Häufigkeiten (nˆp i ˆp j = n i n j /n): B 1 B 2 B 3 i A A j Approximationsanforderungen sind erfüllt Empirischer Wert der Teststatistik: (60 66) (100 99) (46 51)2 51 = 238 Kritischer Wert (für α = 005): χ 2 095;2 = 599 Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/
10 Testentscheidung: Nullhypothese kann bei einer Wahrscheinlichkeit für den Fehler 1 Art von höchstens 5% nicht verworfen werden Marginales Signifikanzniveau (= p-wert): p = χ 2 -Unabhängigkeitstest in R > n=t(matrix(c(60,100,104,40,50,46),3,2)) # Kontingenztabelle mit 2 Zeilen # und 3 Spalten bei zeilenweiser # Eingabe > n [,1] [,2] [,3] [1,] [2,] > n1p=n%*%c(1,1,1) # Zeilensummen per Matrizenmultiplikation > np1=t(n)%*%c(1,1) # Spaltensummen per Matrizenmulitplkation > nn=sum(n) # Summe aller Haeufigkeiten > p=(n1p/nn)%*%t(np1/nn) # Wahrschkeiten bei Unabhaengigkeit > p*nn # Erwartete Haeufigkeiten [,1] [,2] [,3] [1,] [2,] > chisqtest(n,correct=false,p) # Chi-Quadrat-Unabhaengigkeitstest Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Output: χ 2 Homogenitätstests Pearson s Chi-squared test data: n X-squared = 23767, df = 2, p-value = Ausgangspunkt: Zwei Zufallsvariablen X bzw Y mit identischem Träger D(X) = D(Y ), der in k Klassen zerlegt wurde Zwei einfache unverbundene Stichproben (X 1, X 2, X n(1) ) und (Y 1, Y 2,, Y n(2) ) N (1)i bzw N (2)i : Anzahl der Stichprobenelemente X j bzw Y j die in i-te Klasse fallen p (1)i bzw p (2)i : Wahrscheinlichkeit, dass X bzw Y in i-te Klasse fallen Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/
11 Nullhypothese (Verteilung von X und Y sind identisch): H 0 : p (1)i = p (2)i = p 0 i, i = 1, 2,, k Problem: p 0 i, i = 1, 2,, k 1 sind unbekannt = Nullhypothese zusammengsetzt Unter H 0 stamnmen beide Stichproben aus derselben Grundgesamtheit (=Homogenität der Stichproben) p 0 i kann als relative Häufigkeit ˆp 0 i = N (1)i + N (2)i n (1) + n (2) geschätzt werden Unter H 0 zu erwartende Häufigkeiten: E[N (1)i ] = n (1) N (1)i + N (2)i n (1) + n (2) bzw E[N (2)i ] = n (2) N (1)i + N (2)i n (1) + n (2) Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Prüfgröße unter H 0 : ( k (N(1)i n (1) ˆp 0 i )2 i=1 n (1) ˆp 0 i + (N ) (2)i n (2) ˆp 0 i )2 appr χ 2 (k 1) n (2) ˆp 0 i Approximation hinreichend gut, wenn gilt: n (g)i 10 und n (g)i n (1)i + n (2)i n (1) + n (2) 5, i = 1,, k, g = 1, 2, wobei n (g)i Realisation von N (g)i Beispiel: Schira (2003), S 502f Vier Wochen vor der Bundestagswahl 2002 ergab die Sonntagsfrage in Umfragen der Forschungsgruppe Wahlen (= FG Wahlen) und des Instituts für Demoskopie Allensbach (IfD) folgende Ergebnisse in Prozent: Partei FG Wahlen (g = 1) IfD (g = 2) CDU/CSU SPD FDP Grüne 7 67 PDS 4 56 Sonstige Stichproben umfang n (g) Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/
12 Frage: Kann es sein, dass diese beiden Stichproben aus derselben Grundgesamtheit stammen? Arbeitstabelle: i n (g)i ˆp 0 i n (g) ˆp 0 i (n (g)i n (g) ˆp 0 i )2 n (g)i ˆp 0 i FG Wahlen g = 1 CDU/CSU SPD FDP Grüne PDS Sonstige IfD g = 2 CDU/CSU SPD FDP Grüne PDS Sonstige χ Ingo Klein: Statistik Wintersemester 2012/ Ingo Klein: Statistik Wintersemester 2012/ Irrtumswahrschenlichkeit 5%: Kritischer Wert χ 095;5 = Wegen > χ 095;5 = kann H 0 mit einer Irrtumswahrscheinlichkeit von 5% abgelehnt werden Marginales Signifikanzniveau (p-wert): P(χ 2 > H 0 ) = Ingo Klein: Statistik Wintersemester 2012/
Kapitel 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:
MehrAllgemeines 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
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
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
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
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 15 009 FernUniversität in Hagen Alle Rechte vorbehalten Fachbereich Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
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
Mehr1.8 Kolmogorov-Smirnov-Test auf Normalverteilung
1.8 Kolmogorov-Smirnov-Test auf Normalverteilung Der Kolmogorov-Smirnov-Test ist einer der klassischen Tests zum Überprüfen von Verteilungsvoraussetzungen. Der Test vergleicht die Abweichungen der empirischen
MehrMathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007
Mathematik IV für Maschinenbau und Informatik Stochastik Universität Rostock, Institut für Mathematik Sommersemester 007 Prof. Dr. F. Liese Dipl.-Math. M. Helwich Serie Termin: 9. Juni 007 Aufgabe 3 Punkte
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,...,
Mehrk np g(n, p) = Pr p [T K] = Pr p [T k] Φ. np(1 p) DWT 4.1 Einführung 359/467 Ernst W. Mayr
Die so genannte Gütefunktion g gibt allgemein die Wahrscheinlichkeit an, mit der ein Test die Nullhypothese verwirft. Für unser hier entworfenes Testverfahren gilt ( ) k np g(n, p) = Pr p [T K] = Pr p
MehrChi-Quadrat Verfahren
Chi-Quadrat Verfahren Chi-Quadrat Verfahren werden bei nominalskalierten Daten verwendet. Die einzige Information, die wir bei Nominalskalenniveau zur Verfügung haben, sind Häufigkeiten. Die Quintessenz
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
MehrKapitel 10 Mittelwert-Tests Einstichproben-Mittelwert-Tests 10.2 Zweistichproben Mittelwert-Tests
Kapitel 10 Mittelwert-Tests 10.1 Einstichproben-Mittelwert-Tests 10.2 Zweistichproben Mittelwert-Tests 10.1 Einstichproben- Mittelwert-Tests 10.1.1 Einstichproben- Gauß-Test Dichtefunktion der Standard-Normalverteilung
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
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
Mehr10. Die Normalverteilungsannahme
10. Die Normalverteilungsannahme Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Bisher haben wir vorausgesetzt, daß die Beobachtungswerte normalverteilt sind. In diesem Fall kann man
Mehr5.7 Chi-Quadrat Tests für diskrete Daten
5.7 Chi-Quadrat Tests für diskrete Daten Gegeben seien Zähldaten wie X i = Anzahl Fälle in der Klasse i. Wie testen wir, ob diese Daten mit einem Modell konsistent sein? 5.7.1 Beispiele (1) Ist die Anzahl
MehrEinführung in die statistische Testtheorie II
1 Seminar: Simulation und Bildanalyse mit Java Einführung in die statistische Testtheorie II Guntram Seitz Sommersemester 2004 1 WIEDERHOLUNG 2 1 Wiederholung Grundprinzip: Annahme: Beobachtungen bzw.
Mehr8. Konfidenzintervalle und Hypothesentests
8. Konfidenzintervalle und Hypothesentests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Beispiel. Sie wollen den durchschnittlichen Fruchtsaftgehalt eines bestimmten Orangennektars
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2015 Aufgabe 1 Zum Ende des
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
MehrAufgabe 1. Der Pharmakonzern Sachse hat ein neues Medikament gegen Bluthochdruck entwickelt, dessen Wirkung überprüft werden sollte.
Aufgabe 1 Der Pharmakonzern Sachse hat ein neues Medikament gegen Bluthochdruck entwickelt, dessen Wirkung überprüft werden sollte. Zu diesem Zweck wurde 120 Probanden das neue Medikament verabreicht,
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
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2009 Aufgabe 1 Nach dem von
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
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
MehrZwei kategoriale Merkmale. Homogenität Unabhängigkeit
121 Zwei kategoriale Merkmale Homogenität Unabhängigkeit 122 Beispiel Gründe für die Beliebtheit bei Klassenkameraden 478 neun- bis zwölfjährige Schulkinder in Michigan, USA Grund für Beliebtheit weiblich
Mehr1.1.1 Ergebnismengen Wahrscheinlichkeiten Formale Definition der Wahrscheinlichkeit Laplace-Experimente...
Inhaltsverzeichnis 0 Einführung 1 1 Zufallsvorgänge und Wahrscheinlichkeiten 5 1.1 Zufallsvorgänge.......................... 5 1.1.1 Ergebnismengen..................... 6 1.1.2 Ereignisse und ihre Verknüpfung............
MehrStatistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de
rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent
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
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2013 Aufgabe 1 In einer Urne
MehrTesten von Hypothesen:
Testen von Hypothesen: Ein Beispiel: Eine Firma produziert Reifen. In der Entwicklungsabteilung wurde ein neues Modell entwickelt, das wesentlich ruhiger läuft. Vor der Markteinführung muss aber auch noch
MehrEntscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten
Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 4.1 4. Statistische Entscheidungsverfahren Entscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten Beispiel:
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.
MehrÜbungsaufgaben, Statistik 1
Übungsaufgaben, Statistik 1 Kapitel 3: Wahrscheinlichkeiten [ 4 ] 3. Übungswoche Der Spiegel berichtet in Heft 29/2007 von folgender Umfrage vom 3. und 4. Juli 2007:,, Immer wieder werden der Dalai Lama
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.
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 19. Januar 2011 1 Nichtparametrische Tests Ordinalskalierte Daten 2 Test für ein Merkmal mit nur zwei Ausprägungen
MehrKapitel 13: Statistische Signifikanztests
Kapitel 13: Statistische Signifikanztests Motivation Bisher: Punkt- und Intervallschätzungen für unbekannte Parameter einer Verteilung, dabei keine Verwendung von Vorinformationen Jetzt: Vorinformationen/Vermutungen/Behauptungen
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
MehrStatistik. R. Frühwirth. Statistik. VO Februar R. Frühwirth Statistik 1/453
fru@hephy.oeaw.ac.at VO 142.090 http://tinyurl.com/tu142090 Februar 2010 1/453 Übersicht über die Vorlesung Teil 1: Deskriptive Teil 2: Wahrscheinlichkeitsrechnung Teil 3: Zufallsvariable Teil 4: Parameterschätzung
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!
MehrVertiefung der. Wirtschaftsmathematik. und Statistik (Teil Statistik)
Selbstkontrollarbeit 1 Vertiefung der Wirtschaftsmathematik und Statistik (Teil Statistik) 18. Januar 2011 Aufgaben Aufgabe 1 Gegeben sei eine binomialverteilte Zufallsvariablen X mit den Parametern N
Mehr6. Statistische Hypothesentests
6. Statistische 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
Mehr5.8 Anpassungstests. W. Kössler (IfI HU Berlin) Werkzeuge der empirischen Forschung 389 / 419
5.8 8.1 Einführung empirische Verteilungsfunktion 8.2 EDF- Kolmogorov-Smirnov-Test Anderson-Darling-Test Cramer-von Mises-Test 8.3 Anpassungstest auf Normalverteilung - Shapiro-Wilk-Test 8.4. auf weitere
MehrStatistik II: Signifikanztests /1
Medien Institut : Signifikanztests /1 Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Noch einmal: Grundlagen des Signifikanztests 2. Der chi 2 -Test 3. Der t-test
MehrTutorial: Vergleich von Anteilen
Tutorial: Vergleich von Anteilen Die Sicherung des Pensionssystems ist in vielen Ländern ein heikles Thema. Noch stärker als der Streit, wer wann welche Pension beziehen können soll, tobt ein Streit, welche
Mehr2.4 Hypothesentests Grundprinzipien statistischer Hypothesentests. Hypothese:
2.4.1 Grundprinzipien statistischer Hypothesentests Hypothese: Behauptung einer Tatsache, deren Überprüfung noch aussteht (Leutner in: Endruweit, Trommsdorff: Wörterbuch der Soziologie, 1989). Statistischer
MehrZusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen
Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2009/2010. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2009/2010 Aufgabe 1 Die Porzellanmanufaktur
MehrEinfache Varianzanalyse für unabhängige Stichproben
Einfache Varianzanalyse für unabhängige Stichproben VARIANZANALYSE Die Varianzanalyse ist das dem t-test entsprechende Mittel zum Vergleich mehrerer (k 2) Stichprobenmittelwerte. Sie wird hier mit VA abgekürzt,
Mehr1 Dichte- und Verteilungsfunktion
Tutorium Yannick Schrör Klausurvorbereitungsaufgaben Statistik Lösungen Yannick.Schroer@rub.de 9.2.26 ID /455 Dichte- und Verteilungsfunktion Ein tüchtiger Professor lässt jährlich 2 Bücher drucken. Die
MehrKlausur zur Mathematik für Biologen
Mathematisches Institut der Heinrich-Heine-Universität DÜSSELDORF WS 2002/2003 12.02.2003 (1) Prof. Dr. A. Janssen / Dr. H. Weisshaupt Klausur zur Mathematik für Biologen Bitte füllen Sie das Deckblatt
MehrStatistische Tests zu ausgewählten Problemen
Einführung in die statistische Testtheorie Statistische Tests zu ausgewählten Problemen Teil 4: Nichtparametrische Tests Statistische Testtheorie IV Einführung Beschränkung auf nichtparametrische Testverfahren
MehrSven Garbade. Statistik 1
χ 2 -Test für nominale Daten Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) χ 2 -Test für nominale
MehrZusammenfassung Stochastik I + II
Zusammenfassung Stochastik I + II Stephan Kuschel Vorlesung von Dr. Nagel Stochastik I: WS 007/08 Stochastik II: SS 008 zuletzt aktualisiert: 7. Juli 009 Da diese Zusammenfassung den Menschen, die sie
MehrAnalytische Statistik II
Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Das Testen von Hypothesen Während die deskriptive Statistik die Stichproben nur mit Hilfe quantitativer Angaben charakterisiert,
MehrWir gehen wieder von einem allgemeinen (parametrischen) statistischen Modell aus, (
Kapitel 4 Konfidenzbereiche Wir gehen wieder von einem allgemeinen parametrischen statistischen Modell aus, M, A, P ϑ ; sei eine Funktion des Parameters gegeben, die einen interessierenden Teil-Parameter
MehrBivariate Zusammenhänge
Bivariate Zusammenhänge Tabellenanalyse: Kreuztabellierung und Kontingenzanalyse Philosophische Fakultät Institut für Soziologie Berufsverläufe und Berufserfolg von Hochschulabsolventen Dozent: Mike Kühne
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
MehrBiomathematik für Mediziner, Klausur SS 2001 Seite 1
Biomathematik für Mediziner, Klausur SS 2001 Seite 1 Aufgabe 1: Von den Patienten einer Klinik geben 70% an, Masern gehabt zu haben, und 60% erinnerten sich an eine Windpockeninfektion. An mindestens einer
MehrInhaltsverzeichnis. 2 Kurzbeschreibung von SPSS Der SPSS-Dateneditor Statistische Analysen mit SPSS DieDaten...
Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R... 3 1.1 Installieren und Starten von R... 3 1.2 R-Befehleausführen... 3 1.3 R-Workspace speichern... 4 1.4 R-History sichern........ 4 1.5
MehrÜberblick Hypothesentests bei Binomialverteilungen (Ac)
Überblick Hypothesentests bei Binomialverteilungen (Ac) Beim Testen will man mit einer Stichprobe vom Umfang n eine Hypothese H o (z.b.p o =70%) widerlegen! Man geht dabei aus von einer Binomialverteilung
MehrSchließende Statistik
Schließende Statistik Die schließende Statistik befasst sich mit dem Rückschluss von einer Stichprobe auf die Grundgesamtheit (Population). Die Stichprobe muss repräsentativ für die Grundgesamtheit sein.
MehrEine Einführung in R: Statistische Tests
Eine Einführung in R: Statistische Tests Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig http://www.uni-leipzig.de/ zuber/teaching/ws11/r-kurs/
MehrTest auf Varianzgleichheit (F-Test) (einseitiger Test!!)
T-Tests in Excel T-Tests in Excel Test auf Varianzgleichheit (F-Test) (einseitiger Test!!)! Annahmen:! Unabhängige Stichproben! Normalverteilte Grundgesamtheiten H0 : σx = σ y; H0 : σx > σ y Sx σ x F =
MehrHypothesenprüfung. Darüber hinaus existieren zahlreiche andere Testverfahren, die alle auf der gleichen Logik basieren
Hypothesenprüfung Teil der Inferenzstatistik Befaßt sich mit der Frage, wie Hypothesen über eine (in der Regel unbekannte) Grundgesamtheit an einer Stichprobe überprüft werden können Behandelt werden drei
MehrAnalyse von Querschnittsdaten. Signifikanztests I Basics
Analyse von Querschnittsdaten Signifikanztests I Basics Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Generalisierung kategoriale Variablen Datum 13.10.2004 20.10.2004 27.10.2004
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
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.
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
Mehr1.6 Der Vorzeichentest
.6 Der Vorzeichentest In diesem Kapitel soll der Vorzeichentest bzw. Zeichentest vorgestellt werden, mit dem man Hypothesen bezüglich des Medians der unabhängig und identisch stetig verteilten Zufallsvariablen
Mehr1 Stochastische Konvergenz 2. 2 Das Gesetz der grossen Zahlen 4. 3 Der Satz von Bernoulli 6
Wirtschaftswissenschaftliches Zentrum 0 Universität Basel Mathematik Dr. Thomas Zehrt Grenzwertsätze Benötigtes Vorwissen: Der Stoff der Vorlesung,,Statistik wird als bekannt vorausgesetzt, insbesondere
MehrKapitel 13. Grundbegriffe statistischer Tests
Kapitel 13 Grundbegriffe statistischer Tests Oft hat man eine Vermutung über die Verteilung einer Zufallsvariablen X. Diese Vermutung formuliert man als Hypothese H 0.Sokönnte man daran interessiert sein
MehrAnpassungstests VORGEHENSWEISE
Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel
MehrBivariate Kreuztabellen
Bivariate Kreuztabellen Kühnel, Krebs 2001 S. 307-342 Gabriele Doblhammer: Empirische Sozialforschung Teil II, SS 2004 1/33 Häufigkeit in Zelle y 1 x 1 Kreuztabellen Randverteilung x 1... x j... x J Σ
Mehre) Beim klassischen Signifikanztest muß die Verteilung der Prüfgröße unter der Nullhypothese
9 Hypothesentests 1 Kapitel 9: Hypothesentests A: Übungsaufgaben: [ 1 ] Bei Entscheidungen über das Ablehnen oder Nichtablehnen von Hypothesen kann es zu Irrtümern kommen. Mit α bezeichnet man dabei die
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
MehrDiskrete Wahrscheinlichkeitstheorie - Probeklausur
Diskrete Wahrscheinlichkeitstheorie - robeklausur Sommersemester 2007 - Lösung Name: Vorname: Matrikelnr.: Studiengang: Hinweise Sie sollten insgesamt Blätter erhalten haben. Tragen Sie bitte Ihre Antworten
MehrHinweis: Es sind 4 aus 6 Aufgaben zu bearbeiten. Werden mehr als 4 Aufgaben bearbeitet, werden nur die ersten vier Aufgaben gewertet.
11.01.2012 Prof. Dr. Ingo Klein Klausur zur VWA-Statistik Hinweis: Es sind 4 aus 6 Aufgaben zu bearbeiten. Werden mehr als 4 Aufgaben bearbeitet, werden nur die ersten vier Aufgaben gewertet. Aufgabe 1:
MehrStatistischer Rückschluss und Testen von Hypothesen
Statistischer Rückschluss und Testen von Hypothesen Statistischer Rückschluss Lerne von der Stichprobe über Verhältnisse in der Grundgesamtheit Grundgesamtheit Statistischer Rückschluss lerne aus Analyse
MehrAufgabe 1 10 ECTS. A : Schwierigkeitsgrad der Piste mit den Ausprägungen. a 1 : blau (geringer Schwierigkeitsgrad)
Aufgabe 1 Im Skigebiet Pelit 3000 wird jährlich vom örtlichen Liftbetreiber-Verband eine Unfallstatistik herausgegeben. In ihr aufgeschlüsselt nden sich folgende Merkmale: A : Schwierigkeitsgrad der Piste
Mehr11. Nichtparametrische Tests
11. Nichtparametrische Tests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 In Kapitel 8 und 9 haben wir vorausgesetzt, daß die Beobachtungswerte normalverteilt sind. In diesem Fall kann
Mehrb) Bestimmen Sie die Varianz der beiden Schätzer. c) Ist ein oder sind beide Schätzer konsistent? Begründen Sie!
Aufgabe 1 (3 + 3 + 2 Punkte) Ein Landwirt möchte das durchschnittliche Gewicht von einjährigen Ferkeln bestimmen lassen. Dies möchte er aus seinem diesjährigen Bestand an n Tieren schätzen. Er kann dies
MehrJost Reinecke. 7. Juni 2005
Universität Bielefeld 7. Juni 2005 Testtheorie Test für unabhängige Stichproben Test für abhängige Stichproben Testtheorie Die Testtheorie beinhaltet eine Reihe von Testverfahren, die sich mit der Überprüfung
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2010 Aufgabe 1 Die Inhaberin
Mehr4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 4.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Punkt- und Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr.
MehrEinführung in die Maximum Likelihood Methodik
in die Maximum Likelihood Methodik Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Gliederung 1 2 3 4 2 / 31 Maximum Likelihood
MehrAufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97.
Aufgabenblock 4 Aufgabe ) Da s = 8. cm nur eine Schätzung für die Streuung der Population ist, müssen wir den geschätzten Standardfehler verwenden. Dieser berechnet sich als n s s 8. ˆ = = =.88. ( n )
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
MehrDie Varianz (Streuung) Definition
Die (Streuung) Definition Diskrete Stetige Ang., die betrachteten e existieren. var(x) = E(X EX) 2 heißt der Zufallsvariable X. σ = Var(X) heißt Standardabweichung der X. Bez.: var(x), Var(X), varx, σ
MehrÜbung zu Empirische Ökonomie für Fortgeschrittene SS 2009
Übung zu Empirische Ökonomie für Fortgeschrittene Steen Elstner, Klaus Wohlrabe, Steen Henzel SS 9 1 Wichtige Verteilungen Die Normalverteilung Eine stetige Zufallsvariable mit der Wahrscheinlichkeitsdichte
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.
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
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2012/13. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2012/13 Aufgabe 1 Die Firma
MehrBeurteilende Statistik
Beurteilende Statistik Wahrscheinlichkeitsrechnung und Beurteilende Statistik was ist der Unterschied zwischen den beiden Bereichen? In der Wahrscheinlichkeitstheorie werden aus gegebenen Wahrscheinlichkeiten
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)
Mehr