SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf. SBP Mathe Aufbaukurs 1

Größe: px
Ab Seite anzeigen:

Download "SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf. SBP Mathe Aufbaukurs 1"

Transkript

1 SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf SBP Mathe Aufbaukurs 1

2 # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit. Das Lernen mit Lernkarten funktioniert nur wenn die Inhalte bereits einmal verstanden worden sind. Ich warne davor diese Lernkarten nur stur auswendig zu lernen. Diese und andere Lernkarten können von heruntergeladen werden. Viel Erfolg bei der SBP Mathe Aufbaukurs 1 Prüfung! Clifford Wolf Diese Lernkarten stehen unter der CC BY-NC-SA Lizenz.

3 SBP Mathe Aufbaukurs 1 # 1 by Clifford Wolf Absolute und relative Häufigkeit

4 # 1 Antwort Bei n beobachteten Objekten mit k verschiedenen Merkmalsausprägungen: h i = H i n mit i = 1, 2,..., k H i absolute Häufigkeit (H i [0; n]) h i relative Häufigkeit (h i [0; 1]) k H i = n i=1 und k h i = 1 i=1

5 SBP Mathe Aufbaukurs 1 # 2 by Clifford Wolf Das arithmetische Mittel und seine Eigenschaften

6 # 2 Antwort Das arithmetische Mittel x ist ein Zentralmass. Es sei x 1, x 2,..., x n eine Liste reeller Zahlen: x = x 1 + x x n n n x = x 1 + x x n = 1 n n i=1 x i n (x i x) = 0 Von keinem Wert ist die Summe der Abstandsquadrate der x i geringer als vom arithmetischen Mittel, d.h.: i=1 n (x i x) 2 hat an der Stelle x = x ein Minimum. i=1

7 SBP Mathe Aufbaukurs 1 # 3 by Clifford Wolf Das arithmetische Mittel und Häufigkeit

8 # 3 Antwort Das arithmetische Mittel x kann nicht nur direkt aus den beobachteten Objekten sondern auch indirekt aus der Häufigkeit der Merkmalsausprägungen ermittelt werden: x = 1 k k n H i a i bzw. x = h i a i i=1 i=1 n k a i H i h i Anzahl der beobachteten Objekte Anzahl der verschiedenen Merkmalsausprägungen Zahlenmässige Werte der Merkmalsausprägungen absolute Häufigkeit relative Häufigkeit

9 SBP Mathe Aufbaukurs 1 # 4 by Clifford Wolf Das gewogene arithmetische Mittel

10 # 4 Antwort Das gewogene arithmetische Mittel ist ein Verfahren um ein arithmetisches Mittel aus bereits gemittelten Werten zu errechnen: x = 1 k n n i x i mit n = k i=1 i=1 n i k x i n i Anzahl der bereits gemittelten Werte Arithmetisches Mittel einer Liste mit n i Elementen Anzahl der beobachteten Objekte im Wert x i

11 SBP Mathe Aufbaukurs 1 # 5 by Clifford Wolf Das geometrische Mittel und das harmonische Mittel

12 # 5 Antwort Für Größen die multiplikativ miteinander verknüpft werden (z.b. Wachstumsraten wie Zinsen) wird als Zentralmass das geometrische Mittel ˆx verwendet: ˆx = n x 1 x 2 x n Für Größen die indirekt Proportional zu anderen Größen sind (z.b. Geschwindigkeit zur Zeit) wird als Zentralmass das harmonische Mittel x verwendet: n x = 1 x x x n

13 SBP Mathe Aufbaukurs 1 # 6 by Clifford Wolf Median und Modus

14 # 6 Antwort In einer Liste von Variablenwerten bezeichnet man den wert mit der höchsten Häufigkeit als Modus (oder Modalwert). Ordnet man eine Liste x 1, x 2,..., x n der Größe nach, so heisst der in der Mitte stehende Wert m Median. Bei einer geraden Anzahl von Werten wählt man das arithmetische Mittel der beiden in der Mitte stehenden Werte. Der Median ist jenes Zentralmass, bei dem die Summe der Beträge der Abweichungen am kleinsten ist, d.h.: n x i x hat an der Stelle x = m ein Minimum. i=1

15 SBP Mathe Aufbaukurs 1 # 7 by Clifford Wolf Statistische Skalen

16 # 7 Antwort Nominaldaten: Die Variablenwerte (Begriffe oder über Zahlen codiert). Drücken lediglich eine Verschiedenartigkeit aus. z.b.: Namen, Geschlecht, Haarfarbe, usw. Ordinaldaten: Die Variablenwerte bringen neben der Verschiedenartigkeit auch eine Rangordnung zum Ausdruck. z.b.: Güteklassen, Schulnoten u.ä. Metrische Daten: Die Variablenwerte lassen sich nicht nur ordnen, sondern es lassen sich auch Abstände zwischen Werten angeben und sinnvoll interpretieren. z.b.: Jahreszahlen, Längen, Mengenangaben, usw.

17 SBP Mathe Aufbaukurs 1 # 8 by Clifford Wolf Spannweite und Quartile

18 # 8 Antwort Bei einer Liste x 1, x 2,..., x n nennt man die Differenz zwischen dem grössten Wert x max und dem kleinsten Wert x min die Spannweite. Der Wert des Elements aus der Liste der den unteren aten Teil der Elemente vom oberen (1 a)ten Teil der Elemente trennt wird x a genannt. So ist z.b. x 0,50 der Median der Liste. Den Wert x 0,25 nennt man auch unteres Quartil Q 1. Den Wert x 0,50 nennt man auch mittleres Quartil Q 2 (oder Median). Den Wert x 0,75 nennt man auch oberes Quartil Q 3. Die Differenz Q 3 Q 1 nennt man Interquartil-Spannweite. Sie umfasst (annähernd) die mittlere Hälfte der Daten.

19 SBP Mathe Aufbaukurs 1 # 9 by Clifford Wolf Mittlere absolute und quadratische Abweichung und die empirische Standardabweichung

20 # 9 Antwort Sei x 1, x 2,..., x n eine Liste und z ein Zentralmass: Mittlere absolute Abweichung s (minimal beim Median): s = 1 n n x i z i=1 Mittlere quadratische Abweichung oder empirische Varianz s 2 (minimal beim arithmetischen Mittel): s 2 = 1 n n (x i z) 2 i=1 Empirische Standardabweichung s: s = s 2 = 1 n n (x i z) 2 i=1

21 SBP Mathe Aufbaukurs 1 # 10 by Clifford Wolf Berechnung der empirischen Standardabweichung

22 # 10 Antwort Sei x 1, x 2,..., x n eine Liste, x das arithmetische Mittel, a i die auftretenden Werte, H i die absolute Häufigkeit der Werte, h i die relative Häufigkeit der Werte und s die empirische Standardabweichung: s = 1 ( n n (x i x) 2 = 1 n ) n x 2 i x 2 i=1 i=1 s = 1 ( k n k ) H i (a i x) 2 = 1 n H i a 2 i x 2 i=1 i=1 s = k ( k ) h i (a i x) 2 = h i a 2 i x 2 i=1 i=1

23 SBP Mathe Aufbaukurs 1 # 11 by Clifford Wolf Berechnung der mittleren absoluten Abweichung

24 # 11 Antwort Sei x 1, x 2,..., x n eine Liste, z ein Zentralmass, a i die auftretenden Werte, H i die absolute Häufigkeit der Werte, h i die relative Häufigkeit der Werte und s die mittlere Abweichung von z: s = 1 n n x i z = i=1 s = 1 k n H i a i z = i=1 k h i a i z i=1

25 SBP Mathe Aufbaukurs 1 # 12 by Clifford Wolf Vergleich von Streuungen

26 # 12 Antwort Sei x das arithmetische Mittel einer Liste mit der Standardabweichung s und der mittleren absoluten Abweichung s vom Zentralmass z: V = s x = Variationskoeffizient v = s z = Variabilitätskoeffizient Variationskoeffizient und Variabilitätskoeffizient sind dimensionslos und werden meist in Prozent angegeben.

27 SBP Mathe Aufbaukurs 1 # 13 by Clifford Wolf Wahrscheinlichkeit und relativer Anteil

28 # 13 Antwort Sei G die endliche Grundgesamtheit mit g Elementen und A G jene Teilmenge von G mit a Elementen die eine bestimmte Eigenschaft aufweisen. h(a) = a g = der relative Anteil von A in G Wird nun ein Element aus G zufällig ausgewählt und das Ereignis E bezeichnet dabei die zufällige Auswahl eines Elements aus A: P (E) = h(a) = die Wahrscheinlichkeit von E

29 SBP Mathe Aufbaukurs 1 # 14 by Clifford Wolf Wertebereich von Wahrscheinlichkeiten

30 # 14 Antwort Sei E ein Ereignis und P (E) die Wahrscheinlichkeit des eintretens: 0 P (E) 1 P (E) + P ( E) = 1 = P ( E) = 1 P (E) Additionsregel für einander ausschließende Ereignisse: P (E 1 E 2 ) = P (E 1 ) + P (E 2 )

31 SBP Mathe Aufbaukurs 1 # 15 by Clifford Wolf Bedingte Wahrscheinlichkeiten

32 # 15 Antwort Seien E 1 und E 2 Ereignisse: E 2 unter der Annahme das E 1 bereits eingetreten ist: E 2 E 1 Die Wahrscheinlichkeit vom Eintreten von E 2 unter der Annahme das E 1 bereits eingetreten ist: P (E 2 E 1 ) Wenn E 1 und E 2 voneinander unabhängig sind: P (E 2 E 1 ) = P (E 2 E 1 ) = P (E 2 )

33 SBP Mathe Aufbaukurs 1 # 16 by Clifford Wolf Multiplikationsregel für Wahrscheinlichkeiten

34 # 16 Antwort Seien E 1 und E 2 Ereignisse: P (E 1 E 2 ) = P (E 1 ) P (E 2 E 1 ) Bei unabhängigen Ereginissen: P (E 1 E 2 ) = P (E 1 ) P (E 2 )

35 SBP Mathe Aufbaukurs 1 # 17 by Clifford Wolf Additionsregel für Wahrscheinlichkeiten

36 # 17 Antwort Seien E 1 und E 2 Ereignisse: P (E 1 E 2 ) = P (E 1 ) + P (E 2 ) P (E 1 E 2 ) Für einander ausschliessende Ereginisse: P (E 1 E 2 ) = P (E 1 ) + P (E 2 )

37 SBP Mathe Aufbaukurs 1 # 18 by Clifford Wolf Empirisches Gesetz der großen Zahlen

38 # 18 Antwort Die relative Häufigkeit h(e) eines Ereignisses E stabilisiert sich mit zunehmender Versuchsanzahl um einen festen Wert. Wenn E bei k von n Versuchen eintritt, dann ist: h(e) = k n, h(e) P (E)

39 SBP Mathe Aufbaukurs 1 # 19 by Clifford Wolf Definition: Zufallsgröße und Wahrscheinlichkeitsverteilung

40 # 19 Antwort Eine Funktion, die jedem möglichen Ausgang eines Zufallsexperiments einen zahlenmäßigen Wert zuordnet, nennt man Zufallsgröße. Eine Funktion, die jedem möglichen Wert a i der (diskreten) Zufallsgröße B eine Wahrscheinlichkeit P (B = a i ) zuordnet, nennt man Wahrscheinlichkeitsverteilung von B.

41 SBP Mathe Aufbaukurs 1 # 20 by Clifford Wolf Definition: Fakulät

42 # 20 Antwort Die Fakultät von n, geschrieben als n!, gesprochen als n Faktorielle, ist das Produkt aller Zahlen von 1 bis n: n! = n = n i i=1 Spezialfall n = 0: 0! = 1 Anzahl der Permutationen (mögliche voneinander verschiedene Anordnungen der Elemente) einer Menge mit n Elementen: n!

43 SBP Mathe Aufbaukurs 1 # 21 by Clifford Wolf Permutationen von k aus n

44 # 21 Antwort Permutationen von k aus n = die Anzahl npr(n, k) aller Möglichen Anordnungen von k verschiedenen Elementen aus einer Menge mit n Elementen. npr(n, k) = n! (n k)! n = n (n 1)... (n k+1) = i i=n k+1

45 SBP Mathe Aufbaukurs 1 # 22 by Clifford Wolf Kombinationen von k aus n

46 # 22 Antwort Kombinationen von k aus n = die Anzahl ncr(n, k) aller Möglichen Auswahlen von k verschiedenen Elementen aus einer Menge mit n Elementen, unabhänig von der Reihenfolge der Elemente. ncr(n, k) = ( ) n k = n! k! (n k)! = npr(n, k) 1 k! Für ( n k) sagt man k aus n oder auch n über k. Die Funktion ( n k) wird Binomialkoeffizient genannt.

47 SBP Mathe Aufbaukurs 1 # 23 by Clifford Wolf Binomialverteilte Zufallsgrößen

48 # 23 Antwort Sei E ein Ereignis mit der Wahrscheinlichkeit p in einem Versuch der n mal durchgeführt wird und B die Anzahl der Male in denen E eintritt, dann ist die Wahrscheinlichkeit das B gleich der Zahl k ist: P (B = k) = n! k! (n k)! pk (1 p) n k Ordnet man jedem möglichen Wert k der Zufallsgröße B eine Wahrscheinlichkeit P (B = k) zu, so ist dadurch eine Wahrscheinlichkeitsverteilung gegeben, die man Binomialverteilung mit den Parametern n und p ( n-p-binomialverteilung ) nennt; entsprechend nennt man B eine n-p-binomialverteilte Zufallsgröße.

49 SBP Mathe Aufbaukurs 1 # 24 by Clifford Wolf Definition: γ-schätzbereich

50 # 24 Antwort Man nennt das Intervall, in dem die (relativen) Häufigkeiten der Stichprobe mit der Wahrscheinlichkeit γ liegen, den γ-schätzbereich für (relative) Häufigkeiten.

51 SBP Mathe Aufbaukurs 1 # 25 by Clifford Wolf Erwartungswert und Varianz von diskreten Zufallsgrößen

52 # 25 Antwort Sei Z eine diskrete Zufallsgröße mit den Werten a 1, a 2,..., a k, die mit den Wahrscheinlichkeiten p 1, p 2,..., p k angenommen werden. k µ = a i p i i=1 = Erwartungswert von Z ( k ) σ 2 = a 2 i p i µ 2 = Varianz von Z i=1 σ = Standardabweichung von Z

53 SBP Mathe Aufbaukurs 1 # 26 by Clifford Wolf Erwartungswert und Varianz von binomialverteilten Zufallsgrößen

54 # 26 Antwort Sei B eine binomialverteilte Zufallsgröße mit den Parametern n und p. µ = n p = Erwartungswert von B σ 2 = n p (1 p) = Varianz von B σ = Standardabweichung von B

55 SBP Mathe Aufbaukurs 1 # 27 by Clifford Wolf Die Gaußsche Glockenkurve

56 # 27 Antwort σ = n p (1 p) µ = n p ϕ(z) = 1 2π e z2 2 µ µ σ µ + σ x z Φ(z 0 ) = z0 ϕ(z)dz z = x µ σ

57 SBP Mathe Aufbaukurs 1 # 28 by Clifford Wolf Normalverteilte Zufallsgrößen

58 # 28 Antwort Eine kontinuierliche Zufallsgröße X heißt normalverteilt mit den Parametern µ und σ (µ-σ-normalverteilt), wenn die Wahrscheinlichkeitsverteilung durch die Gaußsche Glockenkurve beschrieben wird. Für eine µ-σ-normalverteilte Zufallsgröße X gilt: P (X µ + z 0 σ) = Φ(z 0 ) = z0 ϕ(z)dz P (µ + z 1 σ X µ + z 2 σ) = Φ(z 2 ) Φ(z 1 ) P (µ z 0 σ X µ + z 0 σ) = 2Φ(z 0 ) 1

59 SBP Mathe Aufbaukurs 1 # 29 by Clifford Wolf Laplace-Bedingung

60 # 29 Antwort Sei B eine n-p-binomialverteilte Zufallsgröße (mit Erwartungswert µ und Standardabweichung σ), so kann die Gaußsche Glockenkurve als Wahrscheinlichkeitsverteilung angenommen werden, wenn die Laplace-Bedingung n p (1 p) 9 σ 3 erfüllt ist. Es gilt in diesen Fällen also: P (B µ + z 0 σ) Φ(z 0 )

61 SBP Mathe Aufbaukurs 1 # 30 by Clifford Wolf γ-schätzbereich für normalverteilte Zufallsgrößen

62 # 30 Antwort Zur Ermittlung des γ-schätzbereiches für eine (näherungsweise) normalverteilte Zufallsgröße muss zunächst ein z 0 ermitteln werden, so dass γ = 2Φ(z 0 ) 1 γ = Φ(z 0 ) ist. Dann ist der γ-schätzbereich für die absolute Häufigkeit H: [µ z 0 σ; µ + z 0 σ] Und der γ-schätzbereich für die relative Häufigkeit h: [ µ z0 σ ; n ] µ + z 0 σ n = p (1 p) p (1 p) p z 0 ; p + z 0 n n

63 SBP Mathe Aufbaukurs 1 # 31 by Clifford Wolf Testen von Hypothesen über relative Anteile

64 # 31 Antwort Gegeben ist eine Hypothese über die relative Häufigkeit p einer Merkmalsausprägung in einer Grundgesamtheit. Diese Hypothese soll anhand einer Stichprobe getestet werden. Dazu wird Anhand der der Stichprobengröße, der vermuteten relativen Häufigkeit (= Wahrscheinlichkeit des Auftretens der Merkmalsausprägung) und der gewünschten Sicherheit (bzw. Irrtumswahrscheinlichkeit) ein γ-schätzbereich ermittelt. Liegt die vermuteten Häufigkeit innerhalb des γ-schätzbereichs so ist die Vermutung mit dem Stichprobenergebnis (mit der gewählten Irrtumswahrscheinlichkeit) vereinbahr. Andernfalls ist die Vermutung mit dem Stichprobenergebnis (mit der gewählten Irrtumswahrscheinlichkeit) unvereinbahr.

65 SBP Mathe Aufbaukurs 1 # 32 by Clifford Wolf Konfidenzintervall

66 # 32 Antwort Sei h die beobachtete relative Häufigkeit einer Merkmalsausprägung in einer Stichprobe mit n Elementen und γ eine (grosse) Wahrscheinlichkeit. Die Menge aller p deren, deren γ-schätzbereich den Wert h enthält, nennt man γ-konfidenzintervall (γ-vertrauensintervall) für p: h z 0 h (1 h) n p h + z 0 h (1 h) n mit 2Φ(z 0 ) 1 γ

67 SBP Mathe Aufbaukurs 1 # 33 by Clifford Wolf Erforderlicher Stichprobenumfang

68 # 33 Antwort Sei ɛ die vorgegebene halbe Länge des gesuchten Konfidenzintervalls, h die erwartete relative Häufigkeit der zu untersuchenden Merkmalsausprägung, γ = 2Φ(z 0 ) 1 die geforderte Sicherheit und n die Anzahl der benötigten Elemente in der Stichprobe: n = z2 0 h (1 h) ɛ2 Bzw. die maximal benötigte Stichprobengrösse wenn es keine Abschätzungen für h gibt: n = z2 0 ɛ 2 ( ) 2 1 = z ɛ 2

Box-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8

Box-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8 . Aufgabe: Für zwei verschiedene Aktien wurde der relative Kurszuwachs (in % beobachtet. Aus den jeweils 20 Quartaldaten ergaben sich die folgenden Box-Plots. Box-and-Whisker Plot Aktie Aktie 2-0,2 0,8,8

Mehr

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung Kapitel 3 Zufallsvariable Josef Leydold c 2006 Mathematische Methoden III Zufallsvariable 1 / 43 Lernziele Diskrete und stetige Zufallsvariable Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion

Mehr

Füllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge

Füllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge 2.4 Stetige Zufallsvariable Beispiel. Abfüllung von 500 Gramm Packungen einer bestimmten Ware auf einer automatischen Abfüllanlage. Die Zufallsvariable X beschreibe die Füllmenge einer zufällig ausgewählten

Mehr

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt!

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! 1 Einführung 2 Wahrscheinlichkeiten kurz gefasst 3 Zufallsvariablen und Verteilungen 4 Theoretische Verteilungen (Wahrscheinlichkeitsfunktion)

Mehr

a) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten.

a) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten. Statistik für Kommunikationswissenschaftler Wintersemester 2009/200 Vorlesung Prof. Dr. Helmut Küchenhoff Übung Cornelia Oberhauser, Monia Mahling, Juliane Manitz Thema 4 Homepage zur Veranstaltung: http://www.statistik.lmu.de/~helmut/kw09.html

Mehr

5. Schließende Statistik. 5.1. Einführung

5. Schließende Statistik. 5.1. Einführung 5. Schließende Statistik 5.1. Einführung Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.

Mehr

Statistik II für Betriebswirte Vorlesung 2

Statistik II für Betriebswirte Vorlesung 2 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 2 21. Oktober 2014 Verbundene Stichproben Liegen zwei Stichproben vor, deren Werte einander

Mehr

Expertenrunde Gruppe 1: Wiederholungsgruppe EXCEL (Datenerfassung, Darstellungsformen, Verwertung)

Expertenrunde Gruppe 1: Wiederholungsgruppe EXCEL (Datenerfassung, Darstellungsformen, Verwertung) Epertenrunde Gruppe 1: Wiederholungsgruppe EXCEL (Datenerfassung, Darstellungsformen, Verwertung) Im Folgenden wird mit Hilfe des Programms EXEL, Version 007, der Firma Microsoft gearbeitet. Die meisten

Mehr

i x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1

i x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1 1. Aufgabe: Der E-Commerce-Umsatz (in Millionen Euro) der fünf größten Online- Shopping-Clubs liegt wie folgt vor: Club Nr. Umsatz 1 120 2 72 3 54 4 30 5 24 a) Bestimmen Sie den Ginikoeffizienten. b) Zeichnen

Mehr

Einführung in statistische Testmethoden

Einführung in statistische Testmethoden Einführung in statistische Testmethoden und die Bearbeitung von Messdaten mit Excel 1. Beispielhafte Einführung in den Gebrauch von Testmethoden 2. Typen von Messwerten, Verteilungen 3. Mittelwert, Varianz,

Mehr

Veranstaltung Statistik (BWL) an der FH Frankfurt/Main im WS 2004/05 (Dr. Faik) Klausur 09.02.2005 - GRUPPE A - BEARBEITER/IN (NAME, VORNAME):

Veranstaltung Statistik (BWL) an der FH Frankfurt/Main im WS 2004/05 (Dr. Faik) Klausur 09.02.2005 - GRUPPE A - BEARBEITER/IN (NAME, VORNAME): Veranstaltung Statistik (BWL) an der FH Frankfurt/Main im WS 2004/05 (Dr. Faik) Klausur 09.02.2005 - GRUPPE A - BEARBEITER/IN (NAME, VORNAME): MATRIKELNUMMER: Alte Prüfungsordnung/Neue Prüfungsordnung

Mehr

Statistik I für Betriebswirte Vorlesung 5

Statistik I für Betriebswirte Vorlesung 5 Statistik I für Betriebswirte Vorlesung 5 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik 07. Mai 2015 PD Dr. Frank Heyde Statistik I für Betriebswirte Vorlesung 5 1 Klassische Wahrscheinlichkeitsdefinition

Mehr

Willkommen zur Vorlesung Statistik

Willkommen zur Vorlesung Statistik Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Maßzahlen für zentrale Tendenz, Streuung und andere Eigenschaften von Verteilungen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische

Mehr

Statistik II für Betriebswirte Vorlesung 3

Statistik II für Betriebswirte Vorlesung 3 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 3 5. November 2013 Beispiel: Aktiensplit (Aczel & Sounderpandan, Aufg. 14-28) Ein Börsenanalyst

Mehr

5.2. Nichtparametrische Tests. 5.2.1. Zwei unabhängige Stichproben: U- Test nach MANN- WHITNEY

5.2. Nichtparametrische Tests. 5.2.1. Zwei unabhängige Stichproben: U- Test nach MANN- WHITNEY 5.2. Nichtparametrische Tests 5.2.1. Zwei unabhängige Stichproben: U- Test nach MANN- WHITNEY Voraussetzungen: - Die Verteilungen der beiden Grundgesamtheiten sollten eine ähnliche Form aufweisen. - Die

Mehr

Ein möglicher Unterrichtsgang

Ein möglicher Unterrichtsgang Ein möglicher Unterrichtsgang. Wiederholung: Bernoulli Experiment und Binomialverteilung Da der sichere Umgang mit der Binomialverteilung, auch der Umgang mit dem GTR und den Diagrammen, eine notwendige

Mehr

Kapitel 13 Häufigkeitstabellen

Kapitel 13 Häufigkeitstabellen Kapitel 13 Häufigkeitstabellen Die gesammelten und erfaßten Daten erscheinen in der Datendatei zunächst als unübersichtliche Liste von Werten. In dieser Form sind die Daten jedoch wenig aussagekräftig

Mehr

Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall

Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall Wahrscheinlichkeitstheorie Was will die Sozialwissenschaft damit? Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall Auch im Alltagsleben arbeiten wir mit Wahrscheinlichkeiten, besteigen

Mehr

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18 3. Deskriptive Statistik Ziel der deskriptiven (beschreibenden) Statistik (explorativen Datenanalyse) ist die übersichtliche Darstellung der wesentlichen in den erhobenen Daten enthaltene Informationen

Mehr

Monte-Carlo Simulation

Monte-Carlo Simulation Monte-Carlo Simulation Sehr häufig hängen wichtige Ergebnisse von unbekannten Werten wesentlich ab, für die man allerhöchstens statistische Daten hat oder für die man ein Modell der Wahrscheinlichkeitsrechnung

Mehr

Einführung in die statistische Datenanalyse I

Einführung in die statistische Datenanalyse I Einführung in die statistische Datenanalyse I Inhaltsverzeichnis 1. EINFÜHRUNG IN THEORIEGELEITETES WISSENSCHAFTLICHES ARBEITEN 2 2. KRITIERIEN ZUR AUSWAHL STATISTISCH METHODISCHER VERFAHREN 2 3. UNIVARIATE

Mehr

Übungsrunde 7, Gruppe 2 LVA 107.369, Übungsrunde 7, Gruppe 2, 28.11. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 11/2006

Übungsrunde 7, Gruppe 2 LVA 107.369, Übungsrunde 7, Gruppe 2, 28.11. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 11/2006 1 3.34 1.1 Angabe Übungsrunde 7, Gruppe 2 LVA 107.369, Übungsrunde 7, Gruppe 2, 28.11. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 11/2006 U sei auf dem Intervall (0, 1) uniform verteilt. Zeigen

Mehr

Statistik I für Betriebswirte Vorlesung 2

Statistik I für Betriebswirte Vorlesung 2 Statistik I für Betriebswirte Vorlesung 2 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik 16. April 2015 PD Dr. Frank Heyde Statistik I für Betriebswirte Vorlesung 2 1 ii) empirische

Mehr

Bei vielen Zufallsexperimenten interessiert man sich lediglich für das Eintreten bzw. das Nichteintreten eines bestimmten Ereignisses.

Bei vielen Zufallsexperimenten interessiert man sich lediglich für das Eintreten bzw. das Nichteintreten eines bestimmten Ereignisses. XI. Binomialverteilung ================================================================== 11.1 Definitionen -----------------------------------------------------------------------------------------------------------------

Mehr

Stichprobenauslegung. für stetige und binäre Datentypen

Stichprobenauslegung. für stetige und binäre Datentypen Stichprobenauslegung für stetige und binäre Datentypen Roadmap zu Stichproben Hypothese über das interessierende Merkmal aufstellen Stichprobe entnehmen Beobachtete Messwerte abbilden Schluss von der Beobachtung

Mehr

Einführung in die Geostatistik (2) Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam.

Einführung in die Geostatistik (2) Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam. Einführung in die Geostatistik () Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam.de Gliederung Allgemeine Statistik. Deskriptive Statistik. Wahrscheinlichkeitstheorie.3

Mehr

Einfache Statistiken in Excel

Einfache Statistiken in Excel Einfache Statistiken in Excel Dipl.-Volkswirtin Anna Miller Bergische Universität Wuppertal Schumpeter School of Business and Economics Lehrstuhl für Internationale Wirtschaft und Regionalökonomik Raum

Mehr

Klausur Nr. 1. Wahrscheinlichkeitsrechnung. Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt.

Klausur Nr. 1. Wahrscheinlichkeitsrechnung. Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt. Klausur Nr. 1 2014-02-06 Wahrscheinlichkeitsrechnung Pflichtteil Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt. Name: 0. Für Pflicht- und Wahlteil gilt: saubere und übersichtliche Darstellung,

Mehr

Klausur: Einführung in die Statistik

Klausur: Einführung in die Statistik 1 Lösungen immer unter die jeweiligen Aufgaben schreiben. Bei Platzmangel auf die Rückseite schreiben (dann Nummer der bearbeiteten Aufgabe mit anmerken!!!). Lösungen, die nicht auf den Aufgabenblättern

Mehr

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen 4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.

Mehr

9. Schätzen und Testen bei unbekannter Varianz

9. Schätzen und Testen bei unbekannter Varianz 9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,

Mehr

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion

Mehr

Teil II. Nichtlineare Optimierung

Teil II. Nichtlineare Optimierung Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene

Mehr

12. Vergleich mehrerer Stichproben

12. Vergleich mehrerer Stichproben 12. Vergleich mehrerer Stichproben Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Häufig wollen wir verschiedene Populationen, Verfahren, usw. miteinander vergleichen. Beipiel: Vergleich

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II 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 Persike

Mehr

Versuchsplanung. Teil 1 Einführung und Grundlagen. Dr. Tobias Kiesling <kiesling@stat.uni-muenchen.de> Einführung in die Versuchsplanung

Versuchsplanung. Teil 1 Einführung und Grundlagen. Dr. Tobias Kiesling <kiesling@stat.uni-muenchen.de> Einführung in die Versuchsplanung Versuchsplanung Teil 1 Einführung und Grundlagen Dr. Tobias Kiesling Inhalt Einführung in die Versuchsplanung Hintergründe Grundlegende Prinzipien und Begriffe Vorgehensweise

Mehr

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8 1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen

Mehr

2 Analyse statistischer Daten zu einem Merkmal Lösungshinweise

2 Analyse statistischer Daten zu einem Merkmal Lösungshinweise 6 2 Analyse statistischer Daten zu einem Merkmal Lösungshinweise 2 Analyse statistischer Daten zu einem Merkmal Lösungshinweise : In der folgenden Tabelle ist eine Teilstichprobe zu den Studierenden in

Mehr

Überblick über die Verfahren für Ordinaldaten

Überblick über die Verfahren für Ordinaldaten Verfahren zur Analyse ordinalskalierten Daten 1 Überblick über die Verfahren für Ordinaldaten Unterschiede bei unabhängigen Stichproben Test U Test nach Mann & Whitney H Test nach Kruskal & Wallis parametrische

Mehr

SFB 833 Bedeutungskonstitution. Kompaktkurs. Datenanalyse. Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015

SFB 833 Bedeutungskonstitution. Kompaktkurs. Datenanalyse. Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015 SFB 833 Bedeutungskonstitution Kompaktkurs Datenanalyse Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015 Messen und Skalen Relativ (Relationensystem): Menge A von Objekten und eine oder mehrere Relationen

Mehr

Sozialwissenschaftliche Methoden und Statistik I

Sozialwissenschaftliche Methoden und Statistik I Sozialwissenschaftliche Methoden und Statistik I Universität Duisburg Essen Standort Duisburg Integrierter Diplomstudiengang Sozialwissenschaften Skript zum SMS I Tutorium Von Mark Lutter Stand: April

Mehr

1 Verteilungen und ihre Darstellung

1 Verteilungen und ihre Darstellung GKC Statistische Grundlagen für die Korpuslinguistik Kapitel 2: Univariate Deskription von Daten 8.11.2004 Univariate (= eindimensionale) Daten bestehen aus Beobachtungen eines einzelnen Merkmals. 1 Verteilungen

Mehr

2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen

2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen 4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form

Mehr

Schleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015

Schleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015 ische Ergänzung der für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015 Ministerium für ildung und Wissenschaft des Landes Juni 2013 1 für Aufgabenpool 1 Analysis

Mehr

Statistische Thermodynamik I Lösungen zur Serie 1

Statistische Thermodynamik I Lösungen zur Serie 1 Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen

Mehr

Zufallsgrößen. Vorlesung Statistik für KW 29.04.2008 Helmut Küchenhoff

Zufallsgrößen. Vorlesung Statistik für KW 29.04.2008 Helmut Küchenhoff Zufallsgrößen 2.5 Zufallsgrößen 2.5.1 Verteilungsfunktion einer Zufallsgröße 2.5.2 Wahrscheinlichkeits- und Dichtefunktion Wahrscheinlichkeitsfunktion einer diskreten Zufallsgröße Dichtefunktion einer

Mehr

Beurteilung der biometrischen Verhältnisse in einem Bestand. Dr. Richard Herrmann, Köln

Beurteilung der biometrischen Verhältnisse in einem Bestand. Dr. Richard Herrmann, Köln Beurteilung der biometrischen Verhältnisse in einem Bestand Dr. Richard Herrmann, Köln Beurteilung der biometrischen Verhältnisse in einem Bestand 1 Fragestellung Methoden.1 Vergleich der Anzahlen. Vergleich

Mehr

13.5 Der zentrale Grenzwertsatz

13.5 Der zentrale Grenzwertsatz 13.5 Der zentrale Grenzwertsatz Satz 56 (Der Zentrale Grenzwertsatz Es seien X 1,...,X n (n N unabhängige, identisch verteilte zufällige Variablen mit µ := EX i ; σ 2 := VarX i. Wir definieren für alle

Mehr

Auswertung und Darstellung wissenschaftlicher Daten (1)

Auswertung und Darstellung wissenschaftlicher Daten (1) Auswertung und Darstellung wissenschaftlicher Daten () Mag. Dr. Andrea Payrhuber Zwei Schritte der Auswertung. Deskriptive Darstellung aller Daten 2. analytische Darstellung (Gruppenvergleiche) SPSS-Andrea

Mehr

Klausur Statistik Lösungshinweise

Klausur Statistik Lösungshinweise Klausur Statistik Lösungshinweise Prüfungsdatum: 1. Juli 2015 Prüfer: Etschberger, Heiden, Jansen Studiengang: IM und BW Aufgabe 1 14 Punkte Ein Freund von Ihnen hat über einen Teil seiner Daten, die er

Mehr

Monty Hall-Problem. Wochen 3 und 4: Verteilungen von Zufallsvariablen. Lernziele. Diskrete Verteilungen

Monty Hall-Problem. Wochen 3 und 4: Verteilungen von Zufallsvariablen. Lernziele. Diskrete Verteilungen Monty Hall-Problem Wochen 3 und 4: Verteilungen von Zufallsvariablen US-amerikanische Fernseh-Show Let s make a deal, moderiert von Monty Hall: WBL 15/17, 04.05.2015 Alain Hauser

Mehr

Einfache statistische Auswertungen mit dem Programm SPSS

Einfache statistische Auswertungen mit dem Programm SPSS Einfache statistische Auswertungen mit dem Programm SPSS Datensatz: fiktive_daten.sav Dipl. Päd. Anne Haßelkus Dr. Dorothea Dette-Hagenmeyer 11/2011 Überblick 1 Deskriptive Statistiken; Mittelwert berechnen...

Mehr

1 Darstellen von Daten

1 Darstellen von Daten 1 Darstellen von Daten BesucherInnenzahlen der Bühnen Graz in der Spielzeit 2010/11 1 Opernhaus 156283 Hauptbühne 65055 Probebühne 7063 Ebene 3 2422 Next Liberty 26800 Säulen- bzw. Balkendiagramm erstellen

Mehr

Jetzt lerne ich Stochastik für die Oberstufe

Jetzt lerne ich Stochastik für die Oberstufe Jetzt lerne ich Stochastik für die Oberstufe von Dr. rer. nat. Marco Schuchmann, Dipl.-Math. - 2 - - 3 - Vorwort In diesem Buch werden Anwendungen der Stochastik in der Oberstufe mit vielen Beispielen

Mehr

Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2010/2011. Aufgabe 1

Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2010/2011. 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 2010/2011 Aufgabe 1 Nach einer

Mehr

FAKTORIELLE VERSUCHSPLÄNE. Andreas Handl

FAKTORIELLE VERSUCHSPLÄNE. Andreas Handl FAKTORIELLE VERSUCHSPLÄNE Andreas Handl 1 Inhaltsverzeichnis 1 Versuchsplanung 4 2 Einfaktorielle Varianzanalyse 6 2.1 DieAnnahmen... 6 2.2 Die ANOVA-Tabelle und der F -Test... 6 2.3 Versuche mit zwei

Mehr

Statistische Auswertung der Daten von Blatt 13

Statistische Auswertung der Daten von Blatt 13 Statistische Auswertung der Daten von Blatt 13 Problemstellung 1 Graphische Darstellung der Daten 1 Diskussion der Normalverteilung 3 Mittelwerte und deren Konfidenzbereiche 3 Signifikanz der Behandlung

Mehr

Aufgabe 1 10 ECTS. y i x j gering mittel hoch n i Hausrat 200 25 0 225 KFZ 0 10 75 85 Unfall 20 35 90 145 Reiserücktritt 40 5 0 45 n j 260 75 165 500

Aufgabe 1 10 ECTS. y i x j gering mittel hoch n i Hausrat 200 25 0 225 KFZ 0 10 75 85 Unfall 20 35 90 145 Reiserücktritt 40 5 0 45 n j 260 75 165 500 Aufgabe 1 Für die Securance-Versicherung liegen Ihnen die gemeinsamen absoluten Häugkeiten der Merkmale X: Schadenshöhe und Y : Versicherungsart für die letzten 500 gemeldeten Schäden vor. 1. Interpretieren

Mehr

Franz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. Excel Edition. ^ Springer Spektrum

Franz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. Excel Edition. ^ Springer Spektrum Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst Excel Edition ^ Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3

Mehr

RUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG

RUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG Die Poisson-Verteilung Jianmin Lu RUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG Ausarbeitung zum Vortrag im Seminar Stochastik (Wintersemester 2008/09, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In der Wahrscheinlichkeitstheorie

Mehr

Statistische Datenauswertung. Andreas Stoll Kantonsschule Olten

Statistische Datenauswertung. Andreas Stoll Kantonsschule Olten Statistische Datenauswertung Andreas Stoll Beschreibende vs. schliessende Statistik Wir unterscheiden grundsätzlich zwischen beschreibender (deskriptiver) und schliessender (induktiver) Statistik. Bei

Mehr

Klaus-Groth-Schule - Neumünster Fachcurriculum Mathematik

Klaus-Groth-Schule - Neumünster Fachcurriculum Mathematik Jahrgang 10 Funktionen Funktionsbegriff - Definition - vielfältige Anwendungen - Umkehrbarkeit (intuitiv, Anwendungen) ganzrationale Funktionen Modellierung - Ablesen der Werte - Ungefähre Bestimmung der

Mehr

Variationen Permutationen Kombinationen

Variationen Permutationen Kombinationen Variationen Permutationen Kombinationen Mit diesen Rechenregeln lässt sich die Wahrscheinlichkeit bestimmter Ereigniskombinationen von gleichwahrscheinlichen Elementarereignissen ermitteln, und erleichtert

Mehr

Datenanalyse und Statistik

Datenanalyse und Statistik Datenanalyse und Statistik p. 1/44 Datenanalyse und Statistik Vorlesung 2 (Graphik I) K.Gerald van den Boogaart http://www.stat.boogaart.de Datenanalyse und Statistik p. 2/44 Daten Schätzung Test Mathe

Mehr

(VU) Übungen zur Einführung in die statistische Datenanalyse II. Inhalte Statistik I. Inhalte Statistik I Deskriptive Statistik

(VU) Übungen zur Einführung in die statistische Datenanalyse II. Inhalte Statistik I. Inhalte Statistik I Deskriptive Statistik II Übungen zur II Organisatorische Hinweise Keine Anwesenheitspflicht (aber empfehlenswert) Einführung in die statistische Datenanalyse II (VU) Lehrinhalte (.ppt Folien): elearning.univie.ac.at 3 Prüfungstermine:

Mehr

9. StatistischeTests. 9.1 Konzeption

9. StatistischeTests. 9.1 Konzeption 9. StatistischeTests 9.1 Konzeption Statistische Tests dienen zur Überprüfung von Hypothesen über einen Parameter der Grundgesamtheit (bei einem Ein-Stichproben-Test) oder über die Verteilung einer Zufallsvariablen

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung Übung 2 28.02.2008 1 Inhalt der heutigen Übung Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben 2.1: Häufigkeitsverteilung 2.2: Tukey Boxplot 25:Korrelation

Mehr

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik)

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) 2 Klausur-Nr = Sitzplatz-Nr Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) Klausurteil 1: Beschreibende Statistik Name, Vorname:... verteilung Teil 1: Beschreibende Statistik Aufgaben

Mehr

Schleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015

Schleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015 ische Ergänzung der für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015 Ministerium für ildung und Wissenschaft des Landes Juni 2013 1 Inhaltsverzeichnis Vorbemerkungen

Mehr

Bedingte Wahrscheinlichkeit

Bedingte Wahrscheinlichkeit Bedingte Wahrscheinlichkeit In einem Laden ist eine Alarmanlage eingebaut. Bei Einbruch gibt sie mit 99%-iger Wahrscheinlichkeit Alarm. Wenn in einer bestimmten Nacht kein Einbruch stattfindet, gibt sie

Mehr

Die Binomialverteilung

Die Binomialverteilung Fachseminar zur Stochastik Die Binomialverteilung 23.11.2015 Referenten: Carolin Labrzycki und Caroline Kemper Gliederung Einstieg Definition der Binomialverteilung Herleitung der Formel an einem Beispiel

Mehr

Knut Bartels / Hans Gerhard Strohe. Arbeitsblätter. zur Vorlesung im Wintersemester 2005/06. Statistik II Induktive Statistik

Knut Bartels / Hans Gerhard Strohe. Arbeitsblätter. zur Vorlesung im Wintersemester 2005/06. Statistik II Induktive Statistik Knut Bartels / Hans Gerhard Strohe Arbeitsblätter zur Vorlesung im Wintersemester 2005/06 Induktive Statistik Dies ist kein Vorlesungsskript Wirtschafts- und Sozialwissenschaftliche Fakultät Lehrstuhl

Mehr

TI-84 im Mathematikunterricht Stand: 2010-03-25

TI-84 im Mathematikunterricht Stand: 2010-03-25 TI-84 im Mathematikunterricht Stand: 2010-03-25 Graphen einer Funktionsgleichung zeichnen: Neues Betriebssystem (Stand 2010-03-09) download: Betriebssystem http://education.ti.com/downloads/files/83plus/ti84plus_os.8xu

Mehr

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte

Mehr

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik)

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) 2 3 Klausur-Nr = Sitzplatz-Nr Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) Klausurteil 1: Beschreibende Statistik BeStat-1 (7 ) n = 400 Personen wurden gefragt, wie viele Stück eines

Mehr

Grundbegriffe (1) Grundbegriffe (2)

Grundbegriffe (1) Grundbegriffe (2) Grundbegriffe (1) S.1 Äquivalenzklasse Unter einer Äquivalenzklasse versteht man eine Klasse von Objekten, die man hinsichtlich bestimmter Merkmalsausprägungen als gleich (äquivalent) betrachtet. (z.b.

Mehr

Name:... Matrikel-Nr.:... 3 Aufgabe Handyklingeln in der Vorlesung (9 Punkte) Angenommen, ein Student führt ein Handy mit sich, das mit einer Wahrscheinlichkeit von p während einer Vorlesung zumindest

Mehr

Kapitel 3: Etwas Informationstheorie

Kapitel 3: Etwas Informationstheorie Stefan Lucks 3: Informationstheorie 28 orlesung Kryptographie (SS06) Kapitel 3: Etwas Informationstheorie Komplexitätstheoretische Sicherheit: Der schnellste Algorithmus, K zu knacken erfordert mindestens

Mehr

Statistik für Studenten der Sportwissenschaften SS 2008

Statistik für Studenten der Sportwissenschaften SS 2008 Statistik für Studenten der Sportwissenschaften SS 008 Aufgabe 1 Man weiß von Rehabilitanden, die sich einer bestimmten Gymnastik unterziehen, dass sie im Mittel µ=54 Jahre (σ=3 Jahre) alt sind. a) Welcher

Mehr

Deskriptive Statistik

Deskriptive Statistik Deskriptive Statistik In der beschreibenden Statistik werden Methoden behandelt, mit deren Hilfe man Daten übersichtlich darstellen und kennzeichnen kann. Die Urliste (=Daten in der Reihenfolge ihrer Erhebung)

Mehr

q = 1 p = 0.8 0.2 k 0.8 10 k k = 0, 1,..., 10 1 1 0.8 2 + 10 0.2 0.8 + 10 9 1 2 0.22 1 = 0.8 8 [0.64 + 1.6 + 1.8] = 0.678

q = 1 p = 0.8 0.2 k 0.8 10 k k = 0, 1,..., 10 1 1 0.8 2 + 10 0.2 0.8 + 10 9 1 2 0.22 1 = 0.8 8 [0.64 + 1.6 + 1.8] = 0.678 Lösungsvorschläge zu Blatt 8 X binomialverteilt mit p = 0. und n = 10: a PX = = 10 q = 1 p = 0.8 0. 0.8 10 = 0, 1,..., 10 PX = PX = 0 + PX = 1 + PX = 10 10 = 0. 0 0.8 10 + 0. 1 0.8 9 + 0 1 10 = 0.8 8 [

Mehr

Data Mining: Einige Grundlagen aus der Stochastik

Data Mining: Einige Grundlagen aus der Stochastik Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener

Mehr

Statistik im Versicherungs- und Finanzwesen

Statistik im Versicherungs- und Finanzwesen Springer Gabler PLUS Zusatzinformationen zu Medien von Springer Gabler Grimmer Statistik im Versicherungs- und Finanzwesen Eine anwendungsorientierte Einführung 2014 1. Auflage Übungsaufgaben zu Kapitel

Mehr

3.8 Wahrscheinlichkeitsrechnung III

3.8 Wahrscheinlichkeitsrechnung III 3.8 Wahrscheinlichkeitsrechnung III Inhaltsverzeichnis ufallsgrössen Der Erwartungswert 3 3 Die Binomialverteilung 6 4 Die kumulierte Binomialverteilung 8 4. Die Tabelle im Fundamentum (oder Formeln und

Mehr

Übungsaufgaben zu Kapitel 5. Aufgabe 101. Inhaltsverzeichnis:

Übungsaufgaben zu Kapitel 5. Aufgabe 101. Inhaltsverzeichnis: Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 5... 1 Aufgabe 101... 1 Aufgabe 102... 2 Aufgabe 103... 2 Aufgabe 104... 2 Aufgabe 105... 3 Aufgabe 106... 3 Aufgabe 107... 3 Aufgabe 108... 4 Aufgabe 109...

Mehr

Statistik I für Wirtschaftswissenschaftler Klausur am 06.07.2007, 14.00 16.00.

Statistik I für Wirtschaftswissenschaftler Klausur am 06.07.2007, 14.00 16.00. 1 Statistik I für Wirtschaftswissenschaftler Klausur am 06.07.2007, 14.00 16.00. Bitte unbedingt beachten: a) Gewertet werden alle 9 gestellten Aufgaben. b) Lösungswege sind anzugeben. Die Angabe des Endergebnisses

Mehr

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank

Mehr

Conjoint Analyse. Ordnen Sie bitte die Objekte Ihren Präferenzen entsprechend in eine Rangreihe.

Conjoint Analyse. Ordnen Sie bitte die Objekte Ihren Präferenzen entsprechend in eine Rangreihe. Conjoint Analyse CONsidered JOINTly Conjoint Analyse Ordnen Sie bitte die Objekte Ihren Präferenzen entsprechend in eine Rangreihe. traditionelle auswahlbasierte Wählen Sie bitte aus den Alternativen,

Mehr

Analog definiert man das Nichteintreten eines Ereignisses (Misserfolg) als:

Analog definiert man das Nichteintreten eines Ereignisses (Misserfolg) als: 9-9 Die befasst sich mit der Untersuchung, wie wahrscheinlich das Eintreten eines Falles aufgrund bestimmter Voraussetzungen stattfindet. Bis anhin haben wir immer logisch gefolgert: 'Wenn diese Voraussetzung

Mehr

Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1

Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1 Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008 Aufgabe 1 Ihnen liegt

Mehr

DIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 2006/07 28.02.2007

DIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 2006/07 28.02.2007 Wirtschaftswissenschaftliches Prüfungsamt DIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 006/07 8.0.007 Lösung Prof. Dr. R Friedmann / Dr. R. Hauser Hinweise für die Klausurteilnehmer

Mehr

Willkommen zur Vorlesung Statistik (Master)

Willkommen zur Vorlesung Statistik (Master) Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungsfreie Verfahren Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften

Mehr

Abitur 2012 Mathematik GK Stochastik Aufgabe C1

Abitur 2012 Mathematik GK Stochastik Aufgabe C1 Seite 1 Abiturloesung.de - Abituraufgaben Abitur 2012 Mathematik GK Stochastik Aufgabe C1 nter einem Regentag verstehen Meteorologen einen Tag, an dem mehr als ein Liter Niederschlag pro Quadratmeter gefallen

Mehr

Risiko und Versicherung - Übung

Risiko und Versicherung - Übung Sommer 2009 Risiko und Versicherung - Übung Entscheidungstheoretische Grundlagen Renate Bodenstaff Vera Brinkmann r.bodenstaff@uni-hohenheim.de vera.brinkmann@uni-hohenheim.de https://insurance.uni-hohenheim.de

Mehr

14.01.14 DAS THEMA: INFERENZSTATISTIK II. Standardfehler Konfidenzintervalle Signifikanztests. Standardfehler

14.01.14 DAS THEMA: INFERENZSTATISTIK II. Standardfehler Konfidenzintervalle Signifikanztests. Standardfehler DAS THEMA: INFERENZSTATISTIK II INFERENZSTATISTISCHE AUSSAGEN Standardfehler Konfidenzintervalle Signifikanztests Standardfehler der Standardfehler Interpretation Verwendung 1 ZUR WIEDERHOLUNG... Ausgangspunkt:

Mehr

Einleitung 19. Teil I Datenanalyse und Modellbildung Grundlagen 25

Einleitung 19. Teil I Datenanalyse und Modellbildung Grundlagen 25 Inhaltsverzeichnis Einleitung 19 Zu diesem Buch 19 Konventionen in diesem Buch 20 Was Sie nicht lesen müssen 21 Falsche Voraussetzungen 21 Wie dieses Buch aufgebaut ist 21 Teil I: Datenanalyse und Grundlagen

Mehr

2. Eindimensionale (univariate) Datenanalyse

2. Eindimensionale (univariate) Datenanalyse 2. Eindimensionale (univariate) Datenanalyse Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Kennzahlen, Statistiken In der Regel interessieren uns nicht so sehr die beobachteten Einzeldaten

Mehr

Statistischer Mittelwert und Portfoliorendite

Statistischer Mittelwert und Portfoliorendite 8 Wahrscheinlichkeitsrechnung und Statistik Statistischer Mittelwert und Portfoliorendite Durch die immer komplexer werdenden Bündel von Investitionen stellen Investorinnen und Investoren eine Vielzahl

Mehr

Methoden der empirischen Sozialforschung I

Methoden der empirischen Sozialforschung I Methoden der empirischen Sozialforschung I Annelies Blom, PhD TU Kaiserslautern Wintersemester 2011/12 Übersicht Quantitative Datenauswertung: deskriptive und induktive Statistik Wiederholung: Die wichtigsten

Mehr

Übungen zur Mathematik für Pharmazeuten

Übungen zur Mathematik für Pharmazeuten Blatt 1 Aufgabe 1. Wir betrachten den Ereignisraum Ω = {(i,j) 1 i,j 6} zum Zufallsexperiment des zweimaligem Würfelns. Sei A Ω das Ereignis Pasch, und B Ω das Ereignis, daß der erste Wurf eine gerade Augenzahl

Mehr