Motivation. Benötigtes Schulwissen. Wirtschaftswissenschaftliches Zentrum 12 Universität Basel. Statistik
|
|
- Heidi Gerstle
- vor 6 Jahren
- Abrufe
Transkript
1 Wirtschaftswissenschaftliches Zentrum 1 Universität Basel Statisti Dr. Thomas Zehrt Testen von Hypothesen Motivation Bei einem Testverfahren wird die aus einer Stichprobe gewonnene Information dazu verwendet, eine Entscheidung über eine Hypothese zu treffen. Hypothesen sind hier meist Annahmen über die Verteilung oder über einzelne Parameter der Verteilung eines Mermals in einer Grundgesamtheit. Hier ein lassisches Beispiel: Eine Lady behauptet, dass sie am Geschmac erennen ann, ob zuerst die Milch oder zuerst der Tee in die Tasse gegossen wurde. Wir wollen versuchen, diese Behauptung zu überprüfen, wobei uns wohl ein direter Weg einfällt. Wir önnten zwar den Tee mit Milch und die Milch mit Tee physialisch-chemisch untersuchen, um eventuell existierende Unterschiede aufzuspüren, aber jede hier gewonnene Erenntnis wäre bestenfalls ein Indiz, aber ein Beweis. Wir werden deshalb die Methoden der Statisti heranziehen, um das Problem (höchstwahrscheinlich) zu lösen. Es gibt offensichtlich zwei (sich gegenseitig ausschliessende) Hypothesen, an die man hier glauben ann: die Lady hat die behauptete Fähigeit nicht und die Lady hat die Fähigeit In der Testtheorie werden diese beiden Hypothesen nicht symmetrisch behandelt, wir müssen eine von beiden (die dann so genannte Nullhypothese) bevorzugen. Das wird im Allgemeinen die Hypothese sein, die der (im Moment) gültigen Weltanschauung am nächsten ommt. Benötigtes Schulwissen Rechnen mit Binomialoeffizienten Ungleichungen
2 1 Einführung: Die,,tea tasting Lady Eine Lady behauptet, dass sie am Geschmac erennen ann, ob zuerst die Milch oder zuerst der Tee in die Tasse gegossen wurde. Wir wollen versuchen, diese Behauptung zu überprüfen. 1.1 Test 1 In vier Tassen wird zuerst Tee und dann ein Zusatz Milch gegeben (Tassen vom Typ 1). In vier weitere Tassen wird zuerst Milch und dann der Tee eingegossen (Tassen vom Typ ). Der Lady werden die acht Tassen in zufälliger Reihenfolge (d.h. mit der Gleichverteilung auf der Menge der 8! Permutationen) gereicht. Sie wird aufgefordert, genau vier Tassen zu benennen, die sie für die vom Typ 1 hält. Benennt sie alle vier Tassen orret, so soll der Beweis ihrer Behauptung erbracht sein, denn die Wahrscheinlicheit, dass dieses Resultat zufällig zu Stande ommt ist mit der hypergeometrischen Verteilung (N = 8, S = 4, n = 4 und s = 4): ( 4 )( 4 4( 0) 8 = 4) 1 70 = Schwieriger wird das Problem, wenn die Lady behauptet, zwar nicht unfehlbar zu sein, aber doch öfter die richtige Klassifiation herauszuschmecen als das dem Zufall entspricht. Sollte man ihre Behauptung schon glauben, wenn sie (mindestens) drei Tassen vom Typ 1 herausfindet? Die Wahrscheinlicheit, dass dieses Resultat zufällig zu Stande ommt ist: ( 4 )( 4 ) ( )( 4 3 ( 1) 8 ) = Daher wären drei richtig lassifizierte Tassen vom Typ 1 ein wirlich überzeugender Beweis ihrer Fähigeiten. Natürlich ann man bei solchen Tests Irrtümer nie ausschliessen, aber man möchte doch eine Grenze für die Irrtumswahrscheinlicheit setzen, z.b. sollte sie nicht grösser als α = 0.05 sein. Diese Grenze ann natürlich stets eingehalten werden, indem man die Zahl der Tassen erhöht. z.b.. ann man bei mehr als 13 Tassen einen Fehler der Lady zulassen, ohne die Schrane α zu unterschreiten.
3 3 1. Test Der Lady wird 10-mal die Aufgabe gestellt, zwei Tassen, von denen eine vom Typ 1 und die andere vom Typ ist, orret zu lassifizieren. Damit die Lady unabhängig von früheren Entscheidungen urteilen ann, wird jedes Teilexperiment an einem anderen Tag ausgeführt. Sei X die Zahl der Tage, an denen sie die Tassen richtig lassifiziert. Als Modell bietet es sich an, X als binomialverteilt mit den Parametern n = 10 und p anzunehmen: X B(10; p). X ann also nur die Werte { 0, 1,, 3, 4, 5, 6, 7, 8, 9, 10 } mit P (X = ) = p (1 p) n annehmen. Die sogenannte Nullhypothese H 0 ist der Fall p = 1/ und in diesem Fall werden wir X = 5 erwarten, d.h. dass die Lady 5 Tassen richtig lassifiziert. Die Alternative H 1 ann man durch p > 1/ beschreiben. Wir nehmen also an, dass die Lady, wenn ihre Behauptung stimmt, an jedem Tag unabhängig von den anderen Tagen mit der Wahrscheinlicheit p > 1/ einen Erfolg erziehlt. Die Auswertung des Testes läuft ähnlich wie im ersten Fall: Wir werden die Nullhypothese nur dann verwerfen und somit der Lady glauben schenen, wenn sie genügend oft Erfolg hat, also sagen wir mindestens x-mal, oder anders ausgedrüct, wenn X R := { x, x + 1,..., 10 } { 0, 1,,..., 5,..., x, x + 1,..., 10 } ist. Falls sie allerdings weniger als x Tassen richtig lassifiziert, glauben wir weiterhin an die Nullhypothese. Bei der Bestimmung der Zahl x orientieren wir uns an einer (von uns) festgelegten Irrtumswahrscheinlicheit α. Wir verlangen also: P ( H 0 verwerfen H 0 richtig ) = P (X R p = 1/ ) = P ( X {x, x + 1,..., 10} p = 1/ ) }{{} Wahrscheinlicheit, dass die Lady mindestens, = x Tassen richtig lassifiziert, obwohl sie die Fähigeit nicht hat 10 =x ( 10 ) ( 1 ) ( 1 1 ) 10 = = ( ) ( ) x ( ) 10 x x }{{} =( 1 ) α =x ( 10 9 ) ( ) 9 ( ) 10 9 }{{} =( 1 ) 10 ( ) ( ) } {{ } =( ) 1 10
4 4 Oder äquivalent dazu: Finde die leinste natürliche Zahl x, so dass 10 =x 10 α oder (mit dem Gegenereignis) gilt. x 1 =0 10 (1 α) Beispiel 1.1 Sei α = 0.05 und wir nehmen an, dass die Nullhypothese gilt, also p = 1/. Wir suchen eine Zahl x, so dass P ( X x H 0 richtig ) = = = 10 ( 10 =x ) ( 1 ) ( 1 =x ) 1 (( ) 1 10 x x + 1 ( )) gilt, oder 0.05 ( ) ( ) x x Wir untersuchen also die Summe ( ) ( ) }{{} =1 } {{ } =11 } {{ } =56 } {{ }... } {{ } } {{... }... und erennen, dass wir x = 9 wählen müssen, um die Schrane α = 0.05 einzuhalten.
5 5 Grundbegriffe der Testtheorie Sei X eine Zufallsvariable mit den möglichen Verteilungen { } Hypothesenraum: Ω = = P θ (X = x) : θ Θ P θ Bei einem (parametrischen) Testproblem wird der Hypothesenraum in zwei Teilmengen aufgeteilt: die zu testende Nullhypothese H 0 : θ Θ 0 und die Alternative H 1 : θ Θ 1 entscheiden soll. Dabei gilt stets: Θ 0 Θ 1 = und bei Signifianztests (die wir im weiteren ausschliesslich behandeln werden) auch Θ 0 Θ 1 = Θ. Die typischen Situationen dabei sind: H 0 H 1 1. H 0 : θ = θ 0 H 1 : θ = θ 1, θ 0 θ 1 einfache Hypothese. H 0 : θ = θ 0 H 1 : θ θ 0 zweiseitigen Fragestellung 3. H 0 : θ θ 0 H 1 : θ > θ 0 einseitige Fragestellung 4. H 0 : θ θ 0 H 1 : θ < θ 0 einseitige Fragestellung Eine Funtion T (X) = T (X 1,..., X n ) der Stichprobenvariablen X = (X 1,..., X n ) heisst Testgrösse. Für die onrete Stichprobe (x 1,..., x n ) ergibt sich t = T (x 1,..., x n ) als Realisierung der Testgösse. Der Wertebereich der Zufallsgrösse T (X) wird in folgende zwei Teile zerlegt: Verwerfungsbereich, ritischer Bereich oder Ablehnbereich R Annahmebereich R c. Beispiel.1 Für das Beispiel der Lady 1.1 gilt somit: { } Ω = B(10, p) : p [0, 1] = Θ H 0 : p Θ 0 = {1/} und H 1 : p Θ 1 = (1/, 1] Hier gilt nicht Θ = [0, 1] = Θ 0 Θ 1 = {1/} (1/, 1] (ein typischer Test). T = X 1 + X X 10 wobei X i entweder 1 oder 0 ist, je nach dem ob die Lady am i-ten Tag richtig oder falsch lassifiziert.
6 6 Aufgrund der Realisierung (x 1,..., x n ) wird dann folgende Testentscheidung getroffen: H 0 ablehnen, falls t = T (x 1,..., x n ) R H 0 beibehalten, falls t = T (x 1,..., x n ) R c Innerhalb des gewählten Modells gibt es nun vier Möglicheiten, wie die Realität und die Testentscheidung zusammentreffen önnen. Realität H 0 ist richtig H 0 ist falsch Testentscheidung H 0 Fehler. Art, beibehalten o β-fehler H 0 Fehler 1. Art, verwerfen α-fehler o Bei der Testonstrution gibt man die Wahrscheinlicheit α eines Fehlers 1. Art vor. Diese Schrane bezeichnet man als Signifianzniveau und der Test heisst dann natürlich Signifianztest zum Niveau α. Der ritische Bereich R wird dann so onstruiert, dass die Wahrscheinlicheit eines Fehlers 1. Art nicht grösser als α wird: P (H 0 verwerfen H }{{} 0 richtig ) α T (X) R Dabei sollte aber die Wahrscheinlicheit eines Fehlers. Art P (H 0 beibehalten H 0 falsch ) nicht zu gross werden. Hierin liegt eine unsymmetrische Behandlung der beiden Risien. Das Risio einen Fehler 1. Art zu machen wird stärer gescheut. Ist man daran interessiert, ob irgendwelche Daten innerhalb einer bestehenden Theorie erlärbar sind oder auf eine neue Theorie hindeuten, so sollte man im Zweifelsfall bei der bestehenden Theorie bleiben. Wird ein neues mit einem alten Mediament verglichen, so wird man bei unlaren Werten beim alten und erprobten Mediament bleiben. Im Testproblem trägt man dieser Überlegung Rechnung, in dem man als Hypothese die Verteilung(en) wählt, die der etablierten Theorie oder der reinen Zufälligeit entspricht. Deshalb verwendet man auch oft das Wort Nullhypothese.
7 7 Allgemeines Vorgehen: 1. Verteilungsannahme über die Zufallsvariable X (bzw. über deren Verteilungsfuntion F ) machen. Formulieren der Nullhypothese und der Alternative. 3. Vorgabe der Irrtumswahrscheinlicheit α 4. Konstrution einer geeigneten Testgrösse T (X) = T (X 1,..., X n ) als Funtion der Stichprobenvariablen X, deren Verteilung unter der Nullhypothese vollständig beannt sein muss. 5. Wahl eines ritischen Bereichs R aus dem möglichen Wertebereich von T (X), so dass P (T (X) R H 0 richtig ) α gilt. 6. Bestimmung der Realisierung t = T (x 1,..., x n ) der Testgrösse T (X) anhand einer onreten Stichprobe. 7. Entscheidungsregel: Liegt t in R, so wird die Nullhypothese abgelehnt, sonst beibehalten.
8 8 3 Signifianztests für die Wahrscheinlicheit p Ein Zufallsexperiment, bei dem ein Ereignis E mit einer unbeannten Wahrscheinlicheit θ = p eintritt, wird n-mal durchgeführt. Die Zufallsvariable X zähle die Anzahl der Durchführungen, bei denen das Ereignis E eingetreten ist. Natürlich gilt wieder X B(n; p) für irgend ein unbeanntes p [0, 1]. Nun führen wir das Experiment n-mal durch und erhalten X = t, d.h. t-mal den Ausgang E (und (n t)-mal den Ausgang E c ). 3.1 Zweiseitiger Test gegeben: H 0 : p = p 0 H 1 : p p 0 α Verwerfungsbereich: R = {0, 1,..., x l } {x }{{} r,..., n} }{{} R l x l grösste Zahl s.d. x r leinste Zahl s.d x l =0 x r 1 =0 R r p 0 (1 p 0 ) n α p 0 (1 p 0 ) n 1 α Konstrution des Verwerfungsbereiches P (H 0 verwerfen H 0 richtig ) = P (X R p = p 0 ) = P (X R l oder X R r p = p 0 ) = P (X R l p = p 0 ) + P (X R r p = p 0 ) α Wir bestimmen nun die Grenzen x l und x r der beiden Komponenten von R durch die Forderungen: P (X R l p = p 0 ) = P (X R r p = p 0 ) = n =x r x l =0 p 0 (1 p 0 ) n p 0 (1 p 0 ) n α = 1 x r 1 =0 p 0 (1 p 0 ) n α
9 9 3. Linsseitiger Test gegeben: H 0 : p p 0 H 1 : p < p 0 α Verwerfungsbereich: R = {0, 1,..., x} x grösste Zahl s.d. x =0 p 0 (1 p 0 ) n α Konstrution des Verwerfungsbereiches P (H 0 verwerfen H 0 richtig ) = P (X R p p 0 ) P (X R p = p 0 ) α Wir bestimmen nun die Grenze x durch die Forderung: x P (X R p = p 0 ) = p 0 (1 p 0 ) n =0 α 3.3 Rechtsseitiger Test gegeben: H 0 : p p 0 H 1 : p > p 0 α Verwerfungsbereich: R = {x, x + 1,..., n} x leinste Zahl s.d. x 1 =0 p 0 (1 p 0 ) n 1 α Konstrution des Verwerfungsbereiches P (H 0 verwerfen H 0 richtig ) = P (X R p p 0 ) P (X R p = p 0 ) α Wir bestimmen nun die Grenze x durch die Forderung: n P (X R p = p 0 ) = p 0 (1 p 0 ) n = 1 =x x 1 =0 p 0 (1 p 0 ) n α
10 10 Aufgabe 3.1 Ein Hersteller von Überraschungseiern behauptet, dass in mindestens 14% der Eier Figuren stecen. Sie wollen das testen und nehmen eine Stichprobe von n = 1000 Eier in denen Sie 130 Figuren finden. Genügt dieses Ergebnis, um die Behauptung des Herstellers, mit einer genügend hohen Wahrscheinlicheit, zu widerlegen? Lösung: Stichprobengrösse n = 1000 X := Anzahl Figuren in der Stichprobe also X B(1000, p) Linsseitiger Test H 0 : p 0.14 (Behauptung des Herstellers) und H 1 : p < 0.14 Verwerfungsbereich: R = {0, 1,,..., x}, s.d. x die grösste Zahl mit P (0 X x p = 0.14) = x = Loaler Grenzwertsatz µ = = 140 und σ = = und somit x ( ) ( ) ( ) 1000 x Φ Φ =0 }{{} 0 Bestimme x so, dass folgendes gilt: ( ) x Φ = 0.05 Gleichwertig dazu (denn stets gilt Φ(z) + Φ( z) = 1): Bestimme x so, dass folgendes gilt: ( Φ x ) = = 0.95 Mit Hilfe der Formelsammlung erhält man, dass Φ an der Stelle den Wert 0.95 hat. Dann müssen wir die Gleichung x = nach x auflösen und wir erhalten x = Sicherheitshalber abrunden auf x = 11. Verwerfungsbereich: R = {0, 1,,..., 10, 11} und da wir 130 Figuren gefunden haben, önnen wir die Behauptung des Herstellers nicht (mit der gewünschten Sicherheit) verwerfen.
11 11 4 Übungsaufgaben 1. In einem verregneten Land beträgt die Regenwahrscheinlicheit in den Herbstmonaten 50%. Jeden Morgen im Herbst fragt sich Susi, ob sie einen Regenschirm mitnehmen soll oder nicht. Um zu einer Entscheidung zu ommen, wirft sie eine faire Münze. Wirft sie Kopf, nimmt sie einen Regenschirm mit, ansonsten lässt sie den Schirm zu Hause. (a) Betrachten Sie die Situation wie einen statistischen Test. Wie müssen die Hypothesen gewählt werden, damit der Fehler 1.Art die schlimmere Auswirung darstellt? (b) Bestimmen Sie die Wahrscheinlicheit für den Fehler 1. Art.. In einer Prüfung werden 10 Fragen gestellt, die nur mit,,ja oder,,nein zu beantworten sind. Der Dozent legt fest, dass ein Student der 8 oder mehr Fragen richtig beantwortet, die Prüfung besteht. Die Nullhypothese H 0 sei: der Student hat (ausschliesslich) geraten. Bestimmen Sie die Wahrscheinlicheit eines Fehlers 1. Art. 3. Max hat die Vermutung, dass Moritz einen Würfel so gezint hat, dass die Zahl 6 seltener als das für einen fairen Würfel zu erwarten wäre, fällt. Er überlegt sich folgendes:,,ich werde den Würfel 30-mal werfen. Dann sollte ich etwa 5-mal eine 6 erhalten. Erhalte ich eine oder nur eine 6, so werde ich annehmen, dass der Würfel gezint ist. Modellieren Sie das Experiment. Was ist H 0? Was ist H 1? Verwerfungsbereich? Wahrscheinlicheit eines Fehlers 1. Art? 4. Bei der Massenprodution eines Produtes treten immer wieder unbrauchbare Stüce auf. Der Produzent versichert, dass ihr Anteil p nicht mehr als % beträgt. Eine Stichprobe vom Umfang n = 5000 ergab 10 unbrauchbare Produte. Formulieren Sie H 0 und H 1. Bestimmen Sie den Verwerfungsbereich des Testes zum Signifianzniveau α = Sollte man H 0 ablehnen?
12 1 Lösungen einiger Übungsaufgaben 1. (a) Testproblem: Regen oder ein Regen Entscheidungsregel: Ich glaube, dass es regnen wird, wenn Münzwurf,Kopf, zeigt. Entscheidung / Realität Regen ein Regen,,Kopf Regen Schirm trocen Schirm umsonst,,zahl ein Regen ein Schirm nass trocen Mögliche Fehler: Schirm umsonst mitgenommen bzw. nass werden(ist wohl die schlimmere Konsequenz) Damit der Fehler 1. Art die schlimmere Konsequenz darstellt, müssen die Hypothesen wie folgt gewählt werden: H 0 : Regen H 1 : ein Regen (b) P ( H 0 verworfen H 0 stimmt ) = 0.5. α = 5.5% 3. R = {0, 1} (ann man der Aufgabenstellung entnehmen) und α =.9% 4. H 0 : p 0.0 gegen H 1 : p > 0.0, X zähle die Anzahl unbrauchbarer Produte in der Stichprobe, X B(5000, p) Hinweis: Nutzen Sie den Grenzwertsatz von De Moivre und Laplace.
Mathematik 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
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
MehrMathematik für Biologen
Mathemati für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 22. Dezember 2010 1 Binomialtests Einseitiger unterer Binomialtest Zweiseitiger Binomialtest Beispiel BSE Normalapproximation
MehrMathematik für Biologen
Mathemati für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 16. Dezember 2010 1 Allgemeine Hypothesentests Signifianzniveaus 2 Einseitiger oberer Binomialtest Effetive Fehlerwahrscheinlicheit
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
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
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
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
MehrBeurteilende Statistik
Beurteilende Statistik Wahrscheinlichkeitsrechnung und Beurteilende Statistik was ist der Unterschied zwischen den beiden Bereichen? In der Wahrscheinlichkeitstheorie werden aus gegebenen Wahrscheinlichkeiten
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
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
MehrMarcel Dettling. GdM 2: LinAlg & Statistik FS 2017 Woche 12. Winterthur, 17. Mai Institut für Datenanalyse und Prozessdesign
Marcel Dettling Institut für Datenanalyse und Prozessdesign Zürcher Hochschule für Angewandte Wissenschaften marcel.dettling@zhaw.ch http://stat.ethz.ch/~dettling Winterthur, 17. Mai 2017 1 Verteilung
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
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
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)
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
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
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,...,
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
Mehr73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments
73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind
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
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
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
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:
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
Mehr1 Stochastische Konvergenz 2
Wirtschaftswissenschaftliches Zentrum 0 Universität Basel Mathematik Dr. Thomas Zehrt Grenzwertsätze Benötigtes Vorwissen: Der Stoff der Vorlesung,,Statistik wird als bekannt vorausgesetzt, insbesondere
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests Nach Verteilungsannahmen: verteilungsabhängig: parametrischer [parametric] Test verteilungsunabhängig: nichtparametrischer [non-parametric] Test Bei parametrischen Tests
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
MehrTeilaufgabe 1.1 (5 BE) Untersuchen Sie mithilfe einer Vierfeldertafel, ob die Ereignisse F und S stochastisch unabhängig sind. "F"
Abschlussprüfung Berufliche Oberschule 2011 Mathemati 12 Nichttechni - S I - Lösung Teilaufgabe 1.0 Die Eisdiele BAVARIA bietet unterschiedliche Eisbecher an. Aus langjähriger Erfahrung weiß der Eigentümer,
MehrDiskrete Verteilungen
KAPITEL 6 Disrete Verteilungen Nun werden wir verschiedene Beispiele von disreten Zufallsvariablen betrachten. 1. Gleichverteilung Definition 6.1. Eine Zufallsvariable X : Ω R heißt gleichverteilt (oder
MehrGrundlagen der Stochastik
Grundlagen der Stochastik Johannes Recker / Sep. 2015, überarbeitet Nov. 2015 Fehlermeldungen oder Kommentare an recker@sbshh.de Inhalt 1. Grundlegende Begriffe der Wahrscheinlichkeitsrechnung... 2 1.1.
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
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
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
MehrAUFGABENTYPEN. 2. Bekannt ist die Irrtumswahrscheinlichkeit α ; zu berechnen ist der Annahme- und Ablehnungsbereich, also die Entscheidungsregel.
AUFGABENTYPEN 1. Bekannt ist die Entscheidungsregel, d.h. K und K ; zu berechnen ist das Risiko 1.Art (bzw. 2. Art). 2. Bekannt ist die Irrtumswahrscheinlichkeit α ; zu berechnen ist der Annahme- und Ablehnungsbereich,
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)
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
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
MehrKlausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende
Universität Duisburg-Essen Essen, den 12.02.2010 Fakultät für Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,
MehrKapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XIII - p-wert und Beziehung zwischen Tests und Konfidenzintervallen Induktive Statistik Prof. Dr. W.-D. Heller
Mehr3.3. Aufgaben zur Normalverteilung und Hypothesentests
3.3. Aufgaben zur Normalverteilung und Hypothesentests Aufgabe : Näherung der Binomialverteilung durch die Normalverteilung a) Die Zufallsvariable X sei B,,5 ()-verteilt. Sizziere das Histogramm von X
MehrWahrscheinlichkeit und Statistik BSc D-INFK
Prof. Dr. P. Embrechts ETH Zürich Sommer 2015 Wahrscheinlichkeit und Statistik BSc D-INFK Name: Vorname: Stud. Nr.: Das Folgende bitte nicht ausfüllen! Aufg. Summe Kontr. Pkte.-Max. 1 10 2 10 3 10 4 10
MehrHow To Find Out If A Ball Is In An Urn
Prof. Dr. P. Embrechts ETH Zürich Sommer 2012 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
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,
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
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
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
Mehrmathphys-online Abiturprüfung Berufliche Oberschule 2000 Mathematik 13 Technik - B I - Lösung
Abiturprüfung Berufliche Oberschule Mathemati Techni - B I - Lösung Teilaufgabe (7 BE) Aus einem gut gemischten Kartenspiel mit Karten erhält ein Spieler Karten. Als Treffer gelten die drei Karten Pi As,
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
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:
Mehrmathphys-online Abiturprüfung Berufliche Oberschule 2011 Mathematik 13 Technik - B I - Lösung
Abiturprüfung Berufliche Oberschule 20 Mathemati 3 Techni - B I - Lösung Teilaufgabe.0 Am Flughafen muss jeder Passagier durch eine Sicherheitsschleuse, in die ein Metalldetetor eingebaut ist. Das Gerät
MehrBinomialverteilung & Binomialtest
Mathemati II für Biologen & 5. Juni 2015 & -Test Kombinatori Permutationen Urnenmodelle Binomialoeffizient Motivation Bin(n, p) Histogramme Beispiel Faustregeln Vorzeichentest & -Test Permutationen Urnenmodelle
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
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
MehrWahrscheinlichkeit und Statistik BSc D-INFK
Prof. Dr. M. Schweizer ETH Zürich Sommer 4 Wahrscheinlichkeit und Statistik BSc D-INFK. a (iii b (ii c (iii d (i e (ii f (i g (iii h (iii i (i j (ii. a Die Anzahl der bestellten Weine in einem Monat kann
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
MehrDEMO für STOCHASTIK. Testen von Hypothesen. Datei Nr INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK.
STOCHASTIK Testen von Hypothesen Teil 1 rundlagen der Signifikanztests Hier: Berechnungen mit Binomialverteilung Datei Nr. 35010 Stand: 9. November 2013 FRIEDRICH W. BUCKEL INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK
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
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.
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
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
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 =
MehrGrundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften
Grundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Grundlagen der Biometrie, WS 2011/12 Vorlesung: Dienstag 8.15-9.45,
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
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Pantelis Christodoulides & Karin Waldherr 4. Juni 2014 Christodoulides / Waldherr Einführung in Quantitative Methoden 1/35 Ein- und Zweiseitige Hypothesen H 0 : p =
MehrKlausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende
Universität Duisburg-Essen Essen, den 13.0.2010 Fakultät für Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,
MehrJe genauer und sicherer, desto größer muss der Stichprobenumfang sein
2.3 Intervallschätzung 2.3.5 Bestimmung des Stichprobenumfangs Eine große praktische Bedeutung haben Konfidenzintervalle auch für die Stichprobenplanung. Sie werden herangezogen, um den benötigten Stichprobenumfang
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!
MehrGüteanalyse. Nochmal zur Erinnerung: Hypothesentest. Binominalverteilung für n=20 und p=0,5. Münzwurf-Beispiel genauer
Universität Karlsruhe (TH) Forschungsuniversität gegründet 1825 Güteanalyse Prof. Walter F. Tichy Fakultät für Informatik 1 Fakultät für Informatik 2 Nochmal zur Erinnerung: Hypothesentest Am Beispiel
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
Mehrmathphys-online Abiturprüfung Berufliche Oberschule 1998 Mathematik 13 Technik - B II - Lösung
Abiturprüfung Berufliche Oberschule 8 Mathemati Techni - B II - Lösung In der Selbstbedienungsabteilung eines Supermartes für Obst und Gemüse werden grüne, rote und gelbe Papria zum gleichen Preis verauft.
MehrSchließende Statistik: Hypothesentests (Forts.)
Mathematik II für Biologen 15. Mai 2015 Testablauf (Wdh.) Definition Äquivalente Definition Interpretation verschiedener e Fehler 2. Art und Macht des Tests Allgemein im Beispiel 1 Nullhypothese H 0 k
MehrStellen Sie den Sachverhalt durch eine geeignete Vierfeldertafel mit relativen Häufigkeiten
Bei der Bearbeitung der Aufgabe dürfen alle Funktionen des Taschenrechners genutzt werden. Aufgabe 4: Stochastik Vorbemerkung: Führen Sie stets geeignete Zufallsvariablen und Namen für Ereignisse ein.
MehrSerie 4, Musterlösung
Serie 4, Musterlösung WST www.adams-science.org Klasse: 4U, 4Mb, 4Eb Datum: FS 18 1. Ableitung und Summenzeichen 974558 Leiten Sie die beiden Reihen ab und formulieren Sie einen Zusammenhang zwischen f(x),
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
MehrGrundlagen der Biostatistik und Informatik
Übersicht der Teste Grundlagen der Biostatisti und Informati Hypothesenprüfungen III. Nichtparametrische Methoden Verteilung Stichproben Eine Stichprobe Zwei Stichproben Normalverteilte Daten Einstichproben
MehrTesten von Hypothesen
Elke Warmuth Humboldt-Universität zu Berlin Sommersemster 2010 1 / 46 2 / 46 1 Testen von Hypothesen 3 / 46 Signifikant, signifikant, signifikant,... 4 / 46 Signifikant, signifikant, signifikant,... 5
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
MehrStochastik Serie 11. ETH Zürich HS 2018
ETH Zürich HS 208 RW, D-MATL, D-MAVT Prof. Marloes Maathuis Koordinator Dr. Marvin Müller Stochastik Serie. Diese Aufgabe behandelt verschiedene Themenbereiche aus dem gesamten bisherigen Vorlesungsmaterial.
MehrOnline-Aufgaben Statistik (BIOL, CHAB) Auswertung und Lösung
Online-Aufgaben Statistik (BIOL, CHAB) Auswertung und Lösung Abgaben: 92 / 234 Maximal erreichte Punktzahl: 7 Minimal erreichte Punktzahl: 1 Durchschnitt: 4 Frage 1 (Diese Frage haben ca. 0% nicht beantwortet.)
MehrElemente der Stochastik (SoSe 2016) 5. Übungsblatt
Dr. M. Weimar 02.05.2016 Elemente der Stochasti (SoSe 2016) 5. Übungsblatt Aufgabe 1 (4 Punte) Beweisen sie, dass die Potenzmenge P(A) einer beliebigen endlichen Menge A genau P(A) 2 A Elemente enthält!
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
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
MehrStatistische Überlegungen: Eine kleine Einführung in das 1 x 1
Statistische Überlegungen: Eine kleine Einführung in das 1 x 1 PD Dr. Thomas Friedl Klinik für Frauenheilkunde und Geburtshilfe, Universitätsklinikum Ulm München, 23.11.2012 Inhaltsübersicht Allgemeine
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.
MehrBasiswissen Daten und Zufall Seite 1 von 8 1 Zufallsexperiment Ein Zufallsexperiment ist ein Versuchsaufbau mit zufälligem Ausgang, d. h. das Ergebnis kann nicht vorhergesagt werden. 2 Ergebnis (auch Ausgang)
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:
MehrGRUNDPRINZIPIEN statistischen Testens
Fragestellungen beim Testen GRUNDPRINZIPIEN statistischen Testens. Vergleiche Unterscheidet sich die Stichprobenbeobachtung von einer vorher spezifizierten Erwartung ( Hypothese ) mit ausreichender Sicherheit?
MehrFortbildung: Beurteilende Statistik
Fortbildung: Beurteilende Statisti Alois Pichler & Dana Uhlig. Otober 8 Inhaltsverzeichnis Aufgaben Lösungen 8 to do.. Reihenfolge!!! Aufgaben Aufgabe. Eine Partei P möchte ihren Wähleranteil durch eine
MehrFortbildung: Beurteilende Statistik
Fortbildung: Beurteilende Statisti Alois Pichler & Dana Uhlig 5. Otober 8 Inhaltsverzeichnis Einführung Zufallsgrößen. Binomialverteilung..................................... Normalverteilung.....................................
MehrBemerkungen zu statistischen Tests
Bemerkungen zu statistischen Tests Einseitige vs. zweiseitige Tests Die Entscheidung für eine einseitige oder zweiseitige Alternative hängt von der Fragestellung ab. Eine einseitige Alternative ist dann
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)
MehrKommentare und Lösungen zur Aufgabe 2 in Serie 1
Analysis 1 Herbstsemester 2018 Prof. Peter Jossen 9. Otober 2018 Kommentare und Lösungen zur Aufgabe 2 in Serie 1 Ich habe zwei Lösungsversuche zur Aufgabe 2 in Serie 1 erhalten. Die erste führt nicht
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
Mehr1. Einführung in die induktive Statistik
Wichtige Begriffe 1. Einführung in die induktive Statistik Grundgesamtheit: Statistische Masse, die zu untersuchen ist, bzw. über die Aussagen getroffen werden soll Stichprobe: Teil einer statistischen
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
Mehr10 Der statistische Test
10 Der statistische Test 10.1 Was soll ein statistischer Test? 10.2 Nullhypothese und Alternativen 10.3 Fehler 1. und 2. Art 10.4 Parametrische und nichtparametrische Tests 10.1 Was soll ein statistischer
Mehr