Aufgaben zu Kapitel 40

Größe: px
Ab Seite anzeigen:

Download "Aufgaben zu Kapitel 40"

Transkript

1 Aufgabe zu Kapitel 40 Aufgabe zu Kapitel 40 Verstädisfrage Aufgabe 40 Es seie X,,X iid-gleichverteilt im Itervall [a,b] Wie sieht die Likelihood-Fuktio L a,b aus? Aufgabe 40 Sie kaufe Lose Sie gewie mit dem erste Los Die restliche Lose sid Niete Wie groß ist die Likelihood vo θ der Wahrscheilichkeit, mit eiem Los zu gewie? Aufgabe 403 Sie kaufe Lose Das erste Los ist eie Niete Bei de restliche Lose ist aber midestes ei Gewi dabei Wie groß ist die Likelihood vo θ der Wahrscheilichkeit, mit eiem Los zu gewie? Aufgabe 404 Bei eiem Experimet zur Schätzug des Parameters θ gehe Date verlore Sie köe icht mehr feststelle, ob X x oder X x beobachtet wurde Wie groß ist Lθ x oder x? Aufgabe 405 Welche der folgede Aussage sid richtig? a Die Likelihood-Fuktio hat stets geau ei Maximum b Für die Likelihood-Fuktio L θ x gilt stets 0 L θ x c Die Likelihood-Fuktio L θ x ka erst ach Vorlage der Stichprobe berechet werde Aufgabe 406 Der Ausschussateil i eier laufede Produktio sei θ Es werde uabhägig voeiader zwei eifache Stichprobe vom Umfag bzw gezoge Dabei seie x bzw x schlechte Stücke getroffe worde θ wird jeweils geschätzt durch θ i x i i Wie lasse sich beide Schätzer kombiiere? Aufgabe 407 Welche der folgede Aussage a bis c sid richtig: a Der Ateil θ wird bei eier eifache Stichprobe durch die relative Häufigkeit θ i der Stichprobe geschätzt Bei dieser Schätzug ist der MSE umso größer, je äher θ a 05 liegt b X ist stets ei effizieter Schätzer für EX c Eie ichtideale Müze zeigt Kopf mit Wahrscheilichkeit θ Sie werfe die Müze ei eiziges Mal ud schätze Da ist diese Schätzug erwartugstreu θ {, falls die Müze Kopf zeigt 0, falls die Müze Zahl zeigt Aufgabe 408 Das Gewicht μ eies Briefes liegt zwische 0 ud 0 Gramm Um μ zu schätze, habe Sie zwei Alterative: a Sie schätze μ durch μ 5 b Sie lese das Gewicht X auf eier ugeaue Waage ab ud schätze μ X Dabei ist EX μ ud Var X 36 Welche Schätzug hat de kleiere MSE? Nu müsse Sie das Gesamtgewicht vo 00 derartige Briefe mit vo eiader uabhägige Gewichte abschätze Wieder habe Sie die Alterative: μ 5 00 oder μ X i Welche Schätzug hat de kleiere MSE? Aufgabe 409 Es sei X biomialverteilt: X B θ Was sid die ML-Schätzer vo E X ud Var X ud wie groß ist der Bias vo μ ud vo σ Warum geht der Bias vo σ icht mit wachsedem gege 0? Aufgabe 400 Bei eier eifache Stichprobe vom Umfag wird σ erwartugstreu durch die Stichprobevariaz σ UB geschätzt Wird da auch σ erwartugstreu durch σ geschätzt? Aufgabe 40 Welche der folgede Aussage vo a bis d sid richtig: a Erwartugstreue Schätzer habe stets eie kleiere MSE als icht erwartugstreue Schätzer b Effiziete Schätzer habe stets eie kleiere MSE als ichteffiziete Schätzer c Mit wachsedem Stichprobeumfag kovergiert jede Schätzfuktio ach Wahrscheilichkeit gege de wahre Parameter d Ist X i [a,b] gleichverteilt, da sid mi X i ud max X i suffiziete Statistike Aufgabe 40 Sie schätze aus eier eifache Stichprobe μ Y Wie schätze Sie μ ud wie groß ist der Bias der Schätzug? Aufgabe 403 Welche der folgede Aussage vo a bis c ist richtig: a Es sei 0 μ 0 ei Kofidezitervall für μ zum Niveau α 095 Da liegt μ mit hoher Wahrscheilichkeit zwische 0 ud 0 b Für de Parameter μ liege zwei Kofidezitervalle vor, die jeweils zum Niveau α 090 aus uabhägige Stichprobe gewoe wurde ud zwar 0 μ 0 ud 5 μ 5 Da ist 5 μ 0 ei Kofidezitervall zum Niveau 09 c Wird bei gleichem Testiveau α der Stichprobeumfag vervierfacht, so halbiert sich die Wahrscheilichkeit für de Fehler Art Aufgabe 404 Ei ichtidealer Würfel werfe mit Wahrscheilichkeit θ eie Sechs Sie werfe mit dem Würfel uabhägig voeiader solage, bis zum erste Mal Sechs erscheit Nu wiederhole Sie das Experimet k-mal Dabei sei X i die Azahl der Würfe i der i-te Wiederholug Isgesamt habe Sie k i X i Würfe geta

2 Aufgabe zu Kapitel 40 I eiem zweite Experimet werfe Sie vo vorherei de Würfel -mal ud beobachte X k mal die Sechs Vergleiche Sie die Likelihoods i beide Fälle Welche Schlussfolgeruge ziehe daraus? Ziehe wir aus der gleiche Iformatio gleiche Schlüsse? Recheaufgabe Aufgabe 405 Beweise Sie mithilfe der Markov-Ugleichug die Aussage: Ei θ, desse Mea Square Error MSE gege ull kovergiert, ist kosistet Aufgabe 406 Es sei X expoetialverteilt X Exp V λ Zeige Sie: Ei erwartugstreuer Schätzer λ >0 für λ existiert icht X ist asymptotisch erwartugstreu, dabei ist E X λ Aufgabe 407 Die Zufallsvariable Y,Y,,Y seie iid-nμ; σ -verteilt Weiter sei Q eie Abkürzug für Zeige Sie: σ UB Weiter gilt Q, σ ML Q ud σ MSE Q Y i Y i Q + sid kosistete Schätzer für σ Dabei ist allei σ UB erwartugstreu MSE σ UB > MSE σ ML >MSE σ MSE Aufgabe 408 Die Dichte der Zufallsvariable Z sei eie Mischug vo zwei Normalverteiluge: f z μ; σ πσ exp z μ σ + π exp z Dabei sid μ ud σ > 0 ubekat Zeige Sie: Sid Z,,Z iid-verteilt wie Z, ud werde ihre Realisatioe z,,z beobachtet, da lässt sich aus ihe kei ML-Schätzer für μ ud σ kostruiere Aufgabe 409 Bei eier Messug positiver Werte seie die Messuge ormalverteilt mit kostatem bekate Variatioskoeffiziet γ, also mit bekater relativer Geauigkeit Bei eier eifache Stichprobe liege die Messwerte x,,x vor Nehme Sie a, dass die X i iid-n μ; σ -verteilt sid mit μ>0 Wie groß sid die ML-Schätzer μ ud σ? Aufgabe 400 Ei ichtidealer Würfel werfe mit Wahrscheilichkeit θ eie Sechs Sie werfe mit dem Würfel uabhägig voeiader solage, bis zum erste Mal Sechs erscheit Bestimme Sie daraus ei Kofidezitervall für θ Wie sieht das Itervall für ei α 5% aus, we dies ach dem sechste Wurf zuerst geschieht Aufgabe 40 Der ML-Schätzer für θ bei der geometrische Verteilug ist θ ML k Bestimme Sie E θ ML Bestimme Sie de eizige erwartugtreue Schätzer Ist dieser Schätzer sivoll? Aufgabe 40 Es seie X,,X im Itervall [0,θ] iid-gleichverteilt a Bestimme Sie de ML-Schätzer für θ ud daraus eie erwartugstreue Schätzer für θ b Hat der ML-Schätzer oder der erwartugstreue Schätzer de kleiere MSE? c Bestimme Sie ei Kofidezitervall für θ zum Niveau α Awedugsprobleme Aufgabe 403 Biologe stehe oft vor der Aufgabe, die Azahl vo freilebede Tiere i eier festgelegte Umgebug abzuschätze Bei Capture-Recapture-Schätzuge wird ei Teil der Tiere gefage, markiert ud wieder ausgesetzt Nach eier Weile, we sich die Tiere wieder mit de adere vermischt habe ud ihr gewohtes Lebe wieder aufgeomme habe, werde ereut eiige Tiere gefage Es seie N Fische im Teich ud m Fische markiert worde Es sei Y die Azahl der markierte Fische, die bei eier zweite Stichprobe vo isgesamt gefagee Fische gefude wurde Was ist der ML-Schätzer vo N? Aufgabe 404 Bei der Suche ach mediziisch wirksame Substaze werde 000 vo Wisseschaftler gesammelte Pflaze auf ihre Wirksamkeit getestet Dabei bedeute μ 0 Wirkugslosigkeit ud μ 0 potezielle Wirksamkeit Das Testiveau sei α 0% Falls alle Pflaze i Wirklichkeit wirkugslos sid, wie groß ist mit hoher Wahrscheilichkeit der Ateil der Pflaze, dee fälschlicherweise Wirksamkeit uterstellt wird: a ubekat b geau 0 % c zwische 8

3 Aufgabe zu Kapitel 40 3 ud %? Der größte Schade für das Uterahme besteht dari, we wirksame Pflaze übersehe werde Wie köe Sie diese Problem durch geeigete Wahl der Hypothese, des Niveaus ud des Stichprobeumfags löse? Aufgabe 405 Betrachte wir eie Produktio, bei der ei Zuschlagsstoff ei Sollgewicht vo μ 0 5 kg icht überschreite darf Durch eie Kotrollstichprobe Y,,Y soll der Sollwert geprüft werde Welche Hypothese ist zu teste Wie groß muss sei, we der Fehler Art höchste 5% ud der Fehler Art höchstes 0% sei darf, falls μ 47 ist? Nehme Sie dabei a, die Y i seie iid Nμ; 4 Zeiche Sie die Gütefuktio des Tests Aufgabe % der Patiete, die a eier spezielle Krakheit erkrakt sid, reagiere positiv auf ei vo der Krakeschwester verabreichtes Placebo Bei eiem Experimet mit 0 Patiete soll überprüft werde, ob sich die Wirkug des Placebos ädert, we es vom Oberarzt überreicht wird Welche Hypothese teste Sie? Wie sieht bei eiem α 5% der Aahmebereich aus? Mit welchem α arbeite Sie wirklich? Aufgabe 407 Ei Hausmeister kotrolliert i eiem große Gebäude wöchetlich die Glühbire ud wechselt die ausgebrate Bire aus I der k-te Woche vo isgesamt m Woche hat er k Bire ausgetauscht Schätze Sie die mittlere Bredauer der Glühbire, we sich im Gebäude isgesamt N Bire befide, die alle vom gleiche Typ sid ud dere Bredauer iid-expvλ-expoetialverteilt sid

4 4 Hiweise zu Kapitel 40 Hiweise zu Kapitel 40 Verstädisfrage Aufgabe 40 Was ist die Dichte vo X i? Aufgabe 40 Gehe Sie davo aus, dass die Lose uabhägig voeiader gezoge werde Aufgabe 403 Gehe Sie davo aus, dass die Lose uabhägig voeiader gezoge werde Aufgabe 404 Wie groß ist die Wahrscheilichkeit x oder x zu beobachte? Aufgabe 405 Aufgabe 406 Wie groß ist die Wahrscheilichkeit des beobachtete Ereigisses? Aufgabe 407 Aufgabe 408 Was ist der MSE eier Kostate? Aufgabe 409 Aufgabe 400 Aufgabe 40 Aufgabe 40 Aufgabe 403 Aufgabe 404 Recheaufgabe Aufgabe 405 Aufgabe 406 Sei λ X 0 ei erwartugstreuer Schätzer Setze Sie voraus, dass de λx d λx dλ E dλ ist Aufgabe 407 Beutze Sie die im Bousmaterial zu Kapitel 39 bewiesee Tatsache, dass uter de geate Voraussetzuge Q σ χ verteilt ist ud daher EQ σ ud Var Q σ 4 ist Aufgabe 408 Zeige Sie, dass die Likelihood für festes μ z i ud σ 0 gege uedlich divergiert Aufgabe 409 Aufgabe 400 Aufgabe 40 Beutze Sie k uk u 0 tk dt ud vertausche Sie i geeigeter Weise Summatio ud Itegratio Aufgabe 40 Bestimme Sie zuerst die Verteilugsfuktio vo X wa ist X x?, daraus die Dichte ud da ei Progoseitervall für X Awedugsprobleme Aufgabe 403 Y ist hypergeometrisch verteilt Betrachte Sie de Likelihood-Quotiete Aufgabe 404 Wie ist die Azahl der falsch ageommee Nullhypothese verteilt? Aufgabe 405 Aufgabe 406 L N m;;y L N m;;y Aufgabe 407 Da die Expoetialverteilug kei Gedächtis hat, tu Sie so, als ob am Ede jeder Woche alle Bire eu eigesetzt werde

5 Lösuge zu Kapitel 40 5 Lösuge zu Kapitel 40 Verstädisfrage Aufgabe 40 L a; b x,,x b a I,x ] a I [x, b Dabei ist I [a,b] die Idikatorfuktio vo [a,b] ud x mi {x i } sowie x max {x i } Aufgabe 40 L θ θ θ ; θ Aufgabe 403 L θ θ θ ; θ Aufgabe 404 L θ x oder x L θ x + L θ x Aufgabe 405 a ud b sid falsch, c ist richtig Aufgabe 406 θ x +x + θ + θ + Aufgabe 407 a ud c sid richtig, b ist falsch Aufgabe 408 Hadelt es sich ur um eie Brief, da ist MSE μ < MSE μ Bei der Schätzug des Gesamtgewichtes vo 00 Briefe hat μ 5 00 ur da eie kleiere MSE, falls μ [44, 56] Aufgabe 409 Es ist θ X, μ θ ud σ θ θ Bias μ 0 ud Bias σ θ θ Aufgabe 400 Nei, de σ UB ist keie lieare Fuktio vo σ UB Aufgabe 40 a, b ud c sid falsch, d ist richtig Aufgabe 40 Es ist μ Y Dabei ist Bias μ σ Aufgabe 403 a ud c sid falsch, b ist richtig Aufgabe 404 Die Likelihoods sid idetisch, aber die Kofidezitervalle verschiede Recheaufgabe Aufgabe 405 Aufgabe 406 Aufgabe 407 Aufgabe 408 Aufgabe 409 μ x γ der empirische Variatioskoeffiziet + 4γ + γ Aufgabe 400 Das Kofidezitervall ist 0 θ exp ud σ γ x + 4γ + γ Dabei ist γ varx x l α X Im kokrete Fall ist 0 θ 045 Aufgabe 40 E θ ML θ θ l θ Der eizige erwartugtreue Schätzer ist der praktisch usiige Schätzer θ UB für k ud θ UB 0 für alle k> Aufgabe 40 a Der ML-Schätzer für θ ist θ ML max {X,,X } X Der erwartugstreue Schätzer ist θ UB + X Der MSE vo θ ML ist größer als der vo θ UB c Das Kofidezitervall ist X θ α / X Awedugsprobleme Aufgabe 403 Es ist m y N m y

6 6 Lösuge zu Kapitel 40 Aufgabe 404 c ist richtig Da ur die Nullhypothese H 0 : μ 0 gege die Alterative H : μ 0 getestet werde ka, sollte α sehr groß gewählt werde, z B α 0% oder gar 40% Außerdem sollte sehr hoch sei, um die Wahrscheilichkeit des Fehlers Art zu miimiere Aufgabe 405 Es ist H 0 : μ μ 0 Der otwedige Stichprobeumfag ist 50 Aufgabe 406 Getestet wird H 0 : θ 03 Der Aahmebereich ist AB [, 0] Das realisierte α ist 47% Aufgabe 407 Ist γ mn N m mk k der durchschittliche Ateil der pro Woche ausgefallee Bire, da ist λ l + γ Der Schätzwert der mittlere Bredauer ist da λ

7 Lösugswege zu Kapitel 40 7 Lösugswege zu Kapitel 40 Verstädisfrage Aufgabe 40 Die Dichte der Gleichverteilug im Itervall [a,b] ist f x b a I [a,b] x, dabei ist I [a,b] die Idikatorfuktio vo [a,b] Mit x mi {x i } ud x max {x i } folgt: L a; b x,,x b a I [a,b] x i i b a falls a x ud b x b a I,x ] a I [x, b Aufgabe 40 Die Wahrscheilichkeit für Gewi ist θ, die Wahrscheilichkeit eier Niete ist θ Daher ist L θ Gewi θ ud L θ Niete θ Gehe wir davo aus, dass die Lose uabhägig voeiader gezoge werde, so ist L θ Gewi ud - Niete θ θ Daher ist Aus l θ 0, folgt θ l θ l θ + l θ, l θ θ θ Aufgabe 403 Die Wahrscheilichkeit für Gewi ist θ,die Wahrscheilichkeit eier Niete ist θgehe wir davo aus, dass die Lose uabhägig voeiader gezoge werde, so ist die Wahrscheilichkeit, dass bei de restliche - Lose midestes ei Gewi dabei ist, θ Daher ist die Likelihood L θ θ θ Wüsste ma ur, dass bei de Lose midestes ei Gewi dabei ist, wäre die Likelihood L θ θ Daher ist l θ l θ + l θ, l θ θ + θ θ Aus l θ 0, folgt θ θ, θ, θ Aufgabe 404 Da sich x ud x ausschließe, ist P x oder x P x + P x Also ist L θ x oder x L θ x + L θ x Aufgabe 405 a ist falsch, deke Sie ur a die Cauchy-Verteilug bei mehrere Beobachtuge b stimmt ur für ormierte Likelihoods c ist richtig, de die Likelihood hägt vo der Beobachtug ab Aufgabe 406 X ud X sid uabhägig voeiader biomialverteilt, X i B i θ Da ist: L θ x ud x L θ x L θ x θ x θ x θ x θ x θ x +x θ + x +x

8 8 Lösugswege zu Kapitel 40 Dies ist die Likelihood eies Versuchs mit x + x schlechte Stücke aus eier Stichprobe vom Umfag + Der ML-Schätzer ist daher θ x +x + θ + θ + Aufgabe 407 a Es ist θ Y Dabei ist Y B θ Da θ erwartugstreu ist, ist der MSE Var θ θ θ Die Variaz ist umso größer, je äher θ bei 05 liegt b Zum Beispiel bei eier Gleichverteilug i [0,θ] ist der Mittelwert im Vergleich zum erwartugstreue Schätzer + max {x i} ei dekbar schlechter Schätzer c Es ist E θ P Kopf + 0 P Zahl P Kopf Aufgabe 408 Beim kostate Schätzer μ ist der Erwartugswert 5 ud die Variaz ist ull Beim Schätzer μ ist der Erwartugswert μ ud die Variaz ist 36 Daher gilt: MSE μ Var μ + E μ μ 5 μ MSE μ Var μ + E μ μ 36 Im Itervall μ [0, 0] ist daher MSE μ < MSE μ Bei der Schätzug des Gesamtgewichtes vo 00 Briefe gilt aalog MSE 00 μ E 00 μ 00μ 00 5 μ 00 MSE X i 00Var μ i Nur für μ [44, 56] ist MSE μ < MSE μ Aufgabe 409 Ist X B θ, da ist E X μ θ ud Var X σ θ θ Der erwartugstreue ML-Schätzer für θ ist θ X mit E θ θ ud Var θ θ θ Weiter sid μ θ ud σ θ θ θ θ μ ist erwartugstreu: E μ E θ θ μ Daher ist MSE μ Var μ θ θ Dagege ist E σ E θ E θ θ Var θ + θ θ θ + Var θ σ + θ θ Sie schätze σ aus eier eizige Beobachtug eier B θ Dagege schätze Sie θ aus Beobachtuge eier B θ Im erste Fall ist der Bias vo σ kostat ud gleich θ θ Nur im zweite Fall ist der Bias um de Faktor kleier Aufgabe 400 Aufgabe 40 a falsch, wie zum Beispiel Aufgabe 407 zeigt b falsch: Effiziete Schätzer habe zwar die kleiste Variaz uter de erwartugstreue Schätzer, aber es ka wesetlich bessere ichterwartugstreue Schätzer gebe I Aufgabe 40 ist der eizige erwartugstreue Schätzer trivialerweise effiziet, leider aber völlig silos Er ist dem ML- Schätzer uterlege c falsch, ur kosistete Schätzer kovergiere Ei Gegebeispiel eies ichtkosistete Schätzers liefert die Cauchy-Verteilug: Hat X die Dichte πμ x, da ist μ der Media der Verteilug ud köte z B durch μ X geschätzt werde X hat aber geau wieder die gleiche Dichte wie jedes eizele X i ämlich πμ x ud kovergiert daher icht d ist richtig, wie Aufgabe 40 zeigt Aufgabe 40 Es ist μ Y Nach dem Verschiebugssatz der Variaz gilt Var Y E Y E Y Auf die Variable Y agewadt, folgt E μ E Y E Y + Var Y μ + σ

9 Lösugswege zu Kapitel 40 9 Der Bias ist σ Er geht mit wachsedem gege ull Daher ist μ asymptotisch erwartugstreu Aufgabe 403 a ist falsch Die Strategie liefert mit Wahrscheilichkeit vo 95% richtige Aussage Ob aber das kokrete Itervall 0 μ 0 dazu gehört, ist ubekat Darüber lässt sich keie Wahrscheilichkeitsaussage mache b ist richtig: Die Wahrscheilichkeit, dass beide Kofidez-Strategie uabhägig voeiader richtige Aussage liefer, ist α c ist falsch Es sei g μ die Gütefuktio bei eiem Stichprobeumfag vo Die Wahrscheilichkeit des Fehlers zweiter Art ist g μ Sollte sich dieser Fehler Art bei Vervierfachug vo halbiere, müsste gelte g 4 μ g μ g 4 μ g μ Diese Gleichug ka icht für alle ud μ gelte Zum Beispiel gilt beim Test vo H 0 : μ μ 0 stets g μ 0 g 4 μ 0 α Daher wäre die rechte Seite der Gleichug i der Ugebug vo μ 0 aäherd gleich α, wäred die like Seite kostat bliebe Aufgabe 404 Beim erste Experimet ist X i geometrisch verteilt Daher ist Beim zweite Experimet ist X biomialverteilt: L θ x,,x k θ θ x i i θ k θ x i θ k θ k L θ k θ k θ k Beide Likelihoods stimme überei Die Iformatioe über θ sid i beide Fälle dieselbe Deoch ziehe wir aus der gleiche Iformatio uterschiedliche Schlüsse, de das Kofidezitervall für θ bei der Biomialverteilug ist verschiede vo dem bei der geometrische Verteilug Siehe auch Aufgabe 400 Recheaufgabe Aufgabe 405 Die Markov-Ugleichug sagt für alle k>0ud positive Zufallsvariable: P X >k EX k Für die positive Zufallsvariable θ θ folgt damit Daher folgt für ε k : Daher ist θ kosistet P θ θ >k E θ θ k MSE θ k 0 lim θ P θ >ε θ ε lim MSE 0 Aufgabe 406 Ageomme, es existierte ei erwartugstreuer Schätzer λ X 0, da wäre E λ λ Also müsste für alle λ>0gelte: E λ λ x λe λx dx λ 0 Divisio durch λ liefert λ x e λx dx 0 Die Ableitug ach λ liefert λ x xe λx dx 0 0 Für alle x>0ist xe λx > 0 Da λ x > 0 sei soll, ka das Itegral icht ull sei

10 0 Lösugswege zu Kapitel 40 λ X ist der ML-Schätzer für λ Daher ist λ asymptotisch erwartugstreu Nach der Jese-Ugleichug gilt E k X k E X für jede kovexe Fuktio Da k x /x für x>0eie kovexe Fuktio ist, folgt E X EX λ Aufgabe 407 Es sei S Q Dabei ist m eie vo abhägede positive Zahl Da ist E S σ m m ud Var S σ 4 m Für alle m + c mit c cost folgt lim E S σ ud lim Var S 0 Also ist S asymptotisch erwartugstreu ud, da der MSE gege ull geht, auch kosistet Der Bias der Schätzug ist Bias S σ E S σ m Daher ist MSE S 4 σ m m + σ Fasst ma MSE als Fuktio vo m auf, da ist die Ableitug d MSE σ 4 m dm m 3 MSE fällt afags streg mooto, erreicht sei Miimum bei m + ud wächst da wieder mooto a Also gilt MSE S >MSES >MSES 3 Aufgabe 408 Die Likelihood ist L μ, σ L μ, σ z,,z f z i μ; σ i [ ] σ exp z i μ σ + exp z i i Wird z B μ durch μ z geschätzt, so ist: [ ] L z ; σ σ + exp z [ ] σ exp z i z σ + exp z i i }{{} A Für σ 0, geht A gege die edliche Zahl i exp z i > 0 Der erste Faktor σ + exp z divergiert gege uedlich Für jede Schätzug μ z i divergiert die Likelihood für σ 0 Die Likelihood bietet also als plausibelste Lösug verschiedee Schätzer a: σ 0 ud μ z i, i,,, hält also als Schätzwert für das ubekate μ jede der Beobachtugswerte uedlich viel plausibler als alle adere Werte, vor allem auch de wahre Wert vo μ Der Fall σ 0 wurde aber i der Aufgabestellug ausgeschlosse: Ei ML-Schätzer existiert icht Aufgabe 409 Nach Voraussetzug ist γ μ σ oder σ γμ Im Normalverteilugsmodell habe wir die Loglikelihood vo μ bereits auf Seite 367 ausgerechet Es war: l μ x,,x l σ σ var x + x μ Aus dl dμ 0 folgt l γ l μ var x + x μ 0 ṋ μ + x μ γ μ + γ μ var x + x μ μ 3 γ μ μ x μ + var x + x μ μ + x γ x 4γ 4 4γ + γ + μ x γ ± Das Miusvorzeiche scheidet aus, da μ icht egativ sei darf + 4γ + γ

11 Lösugswege zu Kapitel 40 Aufgabe 400 Sei X die Azahl der Würfe bis zur erste Sechs Da ist X geometrisch verteilt P X k θ θ k Die Wahrscheilichkeite ehme mooto mit k ab Ei Progosebereich A θ für X besteht daher aus de kleie Werte vo X, A θ {X k 0 } Dabei ist k 0 so zu wähle, dass P X k 0 α ist Nu ist Also ist α θ k 0 ud k 0 P X k 0 θ k 0 θ θ k k k 0 k0 θ k θ θk 0 θ θ k 0 l θ l α Damit lautet die Progose zum Niveau α : X l α l θ Das Kofidezitervall erhalte wir aus der Auflösug der Progose ach θ: θ α /X Zum Beispiel sei α 005 ud X 6, dh beim 6-te Wurf erschie zum erste Mal die Sechs: Da ist das Kofidezitervall 0 θ α /X 005 / Aufgabe 40 Bei der geometrische Verteilug ist Als Neberechug bestimme wir für u < Also ist E θ k k θ θk u k uk t k dt k k 0 u t k dt 0 k0 u 0 t dt l u E θ θ θ k θ l θ θ θk k Sei θ UB ei erwartugstreuer Schätzer vo θ, mit θ k t k Da gilt E θ UB θ t k θ θ k k

12 Lösugswege zu Kapitel 40 Nach Divisio durch θ folgt t k θ k k Dies ist eie Potezreihe i θ Diese soll idetisch mit der Kostate Eis sei Daher ist t ud t k 0 für alle k> Aufgabe 40 a Wie im Beispiel auf Seite 367 gezeigt, ist θ ML X Nu ist X x geau da, we alle X i kleier gleich x sid Also P X x P X x; X x; ; X x P X i x Uabhägigkeit der X i i x Gleichverteilug i [0,θ] θ i Daher ist F X x x θ ud fx x θ x Mit E xf xdx folgt Der Bias vo θ ML X ist E X θ 0 x θ x dx + θ θ + Ei erwartugstreuer Schätzer ist θ UB + X b Zur Bestimmug des MSE bereche wir zuerst E X θ E X x 0 Var X E X ud daraus die Variaz vo θ ML X : θ x dx + θ E X + θ + θ + + θ MSE X Var X + Bias X + + θ θ + θ b Der MSE des erwartugstreue Schätzer θ UB + X ist MSE θ UB Var θ UB + Var X θ + θ < + + θ MSE θ ML

13 Lösugswege zu Kapitel 40 3 c Die Dichte vo X steigt mooto i [0,θ] Ei möglichst schmaler Progosebereich für X zum Niveau α wird daher aus de große Werte vo x gebildet: X γ Dabei ist P X γ α oder α P X γ F X γ Wir habe vorher bereits F X γ γ θ γ θα / Das Kofidezitervall für θ folgt aus X γ θα / θ X α / Adererseits wisse wir, dass X θ gilt Das Kofidezitervall ist daher X θ X α / berechet Also ist α γ θ oder Awedugsprobleme Aufgabe 403 Y ist hypergeometrisch verteilt: m N m N m y y L N L N m; ; y N y N Der ubekate Parameter θ ist N Der Parameterraum ist N, die Mege der atürliche Zahle Zur Maximierug der Likelihood berechet ma de Quotiete L N L N N m N y N N m y N N N m y N m Da folgt L N <LN geau da, we N< m y Solage N < m y ist, wächst die Likelihood beim Wechsel vo N zun Falls N > m y Gazzahligkeit vo N wähle wir als N diejeige atürliche Zahl, die am ächste a m y liegt: m m N oder N y y ist, fällt sie Wege der Das Ergebis ist aschaulich: N wird gerade so groß geschätzt, dass die Ateile der markierte Fische i der Grudgesamtheit ud i der Stichprobe übereistimme m N y Aufgabe 404 Die Wisseschaftler teste die Nullhypothese H 0 : μ 0 gege die Alterative H : μ 0 Sid alle Pflaze wirkugslos, ist stets die Nullhypothese richtig Mit Wahrscheilichkeit α 0 wird die richtige Nullhypothese abgeleht Ist Y die Azahl der falsch abgelehte Nullhypothese, so ist Y B α Eie Progose für die Azahl Y bzw de Ateil Y ist da Y α τ α/ α α Y α α α τ α/ Für 000, τ α/ 96 ud α 0 ist τ α α α/ 9% Aufgabe 405 Um auf Nummer sicher zu gehe, wird die Nullhypothese H 0 : μ μ 0 geprüft Ist Y,Y eie eifache Stichprobe, so ist PG Y N μ; σ Der Aahmebereich besteht aus de große Werte, Y μ 0 τ α σ

14 4 Lösugswege zu Kapitel 40 Die Gütefuktio, die Wahrscheilichkeit, dass Y i der kritische Regio liegt, ist u: g μ P Y KR μ P Y<μ 0 τ α σ μ Nach Stadardisierug folgt: g μ P Y μ 0 τ α σ μ < σ μ0 μ τ σ α Soll die Gütefuktio a der Stelle μ de Wert β habe, muss gelte: μ0 μ τ σ α β μ 0 μ τ σ α τ β τ β + τ α σ μ 0 μ σ τ β + τ α μ 0 μ I userem kokrete Beispiel ist μ 0 5, μ 47, σ ud α 5% sowie β 0% Da sid τ α τ β 8 Daraus folgt Der otwedige Stichprobeumfag ist 50 Abbildug 400 zeigt die dazugehörige Gütefuktio 65 ud gμ μ Abbildug 400 Gütefuktio des Tests der Hypothese μ μ 0 Aufgabe 406 Ist X die Azahl der Patiete, die auf das Placebo positiv aspreche, da ist X B 0 θ verteilt Getestet wird H 0 : θ 03 Wie bei der Normalverteilug sollte a beide Räder der Verteilug der B 0 θ jeweils Bereiche der Wahrscheilichkeit α ud α mit α + α α zur kritische Regio defiiert werde Dies ist jedoch i der Regel umöglich, da es ur Realisatioe mit feste Wahrscheilichkeitswerte gibt Ma ka daher ur versuche, rechts ud liks a de Räder aäherd die Wahrscheilichkeit α ud α zu erreiche ud dabei die Summe α icht zu überschreite Abbildug 40 zeigt die Verteilug der B 0 03 als Strichdiagramm Zur kritische Regio wähle wir die extreme Werte am like ud rechte Rad KR [0,k] [l,] Dabei ist k die größte Zahl mit PX k α 005 ud l die kleiste Zahl mit PX l α 005 bzw PX l 0975 Nu ist: P X P X P X P X

15 Lösugswege zu Kapitel 40 5 PY k k Abbildug 40 Die Verteilug der B 0 03 Daher ist k ud l Der Aahmebereich ist AB [, 0] Das realisierte Niveau des Testes ist Bei diesem Test wird ur die Hälfte der zugestadee Fehlerwahrscheilichkeit vo α 5% ausgeschöpft Aufgabe 407 Das Ergebis der k-te Woche ist: k Bire brate weiger als eie Woche ud N k bree midestes eie Woche Sei T die Bredauer eier Glühbire i Woche Da die Bredauer uabhägig voeiader sid, ist die Likelihood vo λ: Über alle Woche hiweg gilt da L λ P T k P T N k e λ k e λn k L λ P T k P T N k m e λ k e λn k k e λ k Es sei m k k die mittlere Azahl vo ausgebrate Bire pro Woche, da ist m k N k mn m N γ Also gilt: L λ e λ e λn l L λ l e λ λ mn l λ e λ e λ mn! 0 e λ mn e λ e λ mn λ l + l + mn γ Dabei ist γ mn N m mk k der durchschittliche Ateil der pro Woche ausgefallee Bire Der Schätzwert der mittlere Bredauer ist da λ λ l + mn l + γ

Eingangsprüfung Stochastik,

Eingangsprüfung Stochastik, Eigagsprüfug Stochastik, 5.5. Wir gehe stets vo eiem Wahrscheilichkeitsraum (Ω, A, P aus. Die Borel σ-algebra auf wird mit B bezeichet, das Lebesgue Maß auf wird mit λ bezeichet. Aufgabe ( Pukte Sei x

Mehr

Wirksamkeit, Effizienz

Wirksamkeit, Effizienz 3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue

Mehr

Übungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie

Übungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie Uiversität Müster Istitut für Mathematische Statistik Stochastik WS 203/204, Blatt Löwe/Heusel Aufgabe (4 Pukte) Übuge Abgabetermi: Freitag, 24.0.204, 0 Uhr THEMEN: Testtheorie Die Sollstärke der Rohrwäde

Mehr

Einführung in die Stochastik 10. Übungsblatt

Einführung in die Stochastik 10. Übungsblatt Eiführug i die Stochastik. Übugsblatt Fachbereich Mathematik SS M. Kohler.7. A. Fromkorth D. Furer Gruppe ud Hausübug Aufgabe 37 (4 Pukte) Ei Eremit am Südpol hat sich für die eibrechede polare Nacht mit

Mehr

Statistische Modelle und Parameterschätzung

Statistische Modelle und Parameterschätzung Kapitel 2 Statistische Modelle ud Parameterschätzug 2. Statistisches Modell Die bisher betrachtete Modellierug eies Zufallsexperimetes erforderte isbesodere die Festlegug eier W-Verteilug. Oft besteht

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler 9.04.008 Äderug Übugsstude Statistik ud Wahrscheilichkeitsrechug Die Gruppe vo Markus trifft sich am Doerstag statt im HCI D zusamme mit der Gruppe

Mehr

Maximum Likelihood Version 1.6

Maximum Likelihood Version 1.6 Maximum Likelihood Versio 1.6 Uwe Ziegehage 15. November 2005 Logarithmegesetze log a (b) + log a (c) = log a (b c) (1) log a (b) log a (c) = log a (b/c) (2) log a (b c ) = c log a (b) (3) Ableitugsregel

Mehr

X in einer Grundgesamtheit vollständig beschreiben.

X in einer Grundgesamtheit vollständig beschreiben. Prof. Dr. Rolad Füss Statistik II SS 008. Puktschätzug vo Parameter eier Grudgesamtheit Nur durch eie Totalerhebug ka ma die Verteilug eier Zufallsvariable X i eier Grudgesamtheit vollstädig beschreibe.

Mehr

Kapitel 5: Schließende Statistik

Kapitel 5: Schließende Statistik Kapitel 5: Schließede Statistik Statistik, Prof. Dr. Kari Melzer 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte

Mehr

Prof. Dr. Roland Füss Statistik II SS 2008

Prof. Dr. Roland Füss Statistik II SS 2008 1. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug ergibt sich aus de Grezwertsätze. Grezwertsätze sid Aussage über eie Zufallsvariable für de Fall, dass die Azahl

Mehr

Diskrete Zufallsvariablen

Diskrete Zufallsvariablen Erste Beispiele diskreter Verteiluge Diskrete Zufallsvariable Beroulli-Verteilug Eie diskrete Zufallsvariable heißt beroulliverteilt mit arameter p, falls sie die Wahrscheilichkeitsfuktio p,, f ( ) ( )

Mehr

Methoden zur Konstruktion von Schätzern

Methoden zur Konstruktion von Schätzern KAPITEL 5 Methode zur Kostruktio vo Schätzer 5.1. Parametrisches Modell Sei (x 1,..., x ) eie Stichprobe. I der parametrische Statistik immt ma a, dass die Stichprobe (x 1,..., x ) eie Realisierug vo uabhägige

Mehr

Übungsblatt 9 zur Vorlesung. Statistische Methoden

Übungsblatt 9 zur Vorlesung. Statistische Methoden Dr. Christof Luchsiger Übugsblatt 9 zur Vorlesug Statistische Methode Schätztheorie ud Kofidezitervalle Herausgabe des Übugsblattes: Woche 8, Abgabe der Lösuge: Woche 9 (bis Freitag, 65 Uhr), Besprechug:

Mehr

Statistik I Februar 2005

Statistik I Februar 2005 Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet

Mehr

Prof. Dr. Holger Dette Musterlösung Statistik I Sommersemester 2009 Dr. Melanie Birke Blatt 5

Prof. Dr. Holger Dette Musterlösung Statistik I Sommersemester 2009 Dr. Melanie Birke Blatt 5 Prof. Dr. Holger Dette Musterlösug Statistik I Sommersemester 009 Dr. Melaie Birke Blatt 5 Aufgabe : 4 Pukte Sei X eie Poissoλ verteilte Zufallsvariable mit λ > 0, ud die Verlustfuktio L sei defiiert durch

Mehr

Umrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung

Umrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung .3. Prozetuale Häufigkeitsverteilug (HV) Die prozetuale Häufigkeitsverteilug erlaubt de Vergleich vo Auswertuge, dee uterschiedliche Stichprobegröße zugrude liege. Es köe auch uterschiedliche Stichprobegröße

Mehr

n (n + 1) = 1(1 + 1)(1 + 2) 3 Induktionsschritt: Angenommen die Gleichung gilt für n N. Dann folgt: 1 2 = 2 =

n (n + 1) = 1(1 + 1)(1 + 2) 3 Induktionsschritt: Angenommen die Gleichung gilt für n N. Dann folgt: 1 2 = 2 = Aufgabe 1: (6 Pukte) Zeige Sie für alle N die Formel: 1 2 + 2 3 + 3 4 +... + ( + 1) = ( + 1)( + 2). 3 Lösug: Beweis durch vollstädige Iduktio. Iduktiosafag: Für = 1 gilt: 1 2 = 2 = 1(1 + 1)(1 + 2) 3 Iduktiosschritt:

Mehr

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0. 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 8.1 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12.075, p-wert: 0.0168 f χ

Mehr

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG. - LÖSUNGEN. ypothesetest für die Dicke vo Plättche Die Dicke X vo Plättche, die auf eier bestimmte Maschie

Mehr

Testen statistischer Hypothesen

Testen statistischer Hypothesen Kapitel 9 Teste statistischer Hypothese 9.1 Eiführug, Sigifiaztests Sigifiaztest für µ bei der ormalverteilug bei beatem σ = : X i seie uabhägig ud µ, ) verteilt, µ sei ubeat. Stelle eie Hypothese über

Mehr

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39 Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle

Mehr

Maximum-Likelihood-Methode (ML-Methode)

Maximum-Likelihood-Methode (ML-Methode) 3 Parameterpuktschätzer Maximum-Likelihood-Methode 3.2 Maximum-Likelihood-Methode (ML-Methode Weitere geläufige Schätzmethode: Maximum-Likelihood-Methode Vor Erläuterug der Methode: eileitedes Beispiel

Mehr

Aufgaben zur Analysis I

Aufgaben zur Analysis I Aufgabe zur Aalysis I Es werde folgede Theme behadelt:. Logik, Iduktio, Mege, Abbilduge 2. Supremum, Ifimum 3. Folge, Fuktioefolge 4. Reihe, Potezreihe 5. Mootoie ud Stetigkeit 6. Differetialrechug 7.

Mehr

Zusammenfassung: Folgen und Konvergenz

Zusammenfassung: Folgen und Konvergenz LGÖ Ks VMa Schuljahr 6/7 Zusammefassug Folge ud Kovergez Ihaltsverzeichis Defiitioe ud Beispiele für Folge Beschräkte Folge Kovergez vo Folge Grezwertsätze für Folge 5 Für Experte 7 Defiitioe ud Beispiele

Mehr

n gerade 0 n ungerade (c) x n = a 1 n, a R + (d) x 1 := 2, x n+1 = 2 + x n (e) x n = (f) x n = exp(exp(n)) (g) x n = sin(n)

n gerade 0 n ungerade (c) x n = a 1 n, a R + (d) x 1 := 2, x n+1 = 2 + x n (e) x n = (f) x n = exp(exp(n)) (g) x n = sin(n) Übugsaufgabe Aalysis I Aufgabe. Beweise oder widerlege Sie: a Jede i R kovergete Folge ist beschräkt. b Es gibt Cauchy-Folge im R, die icht kovergiere. c Beschräkte Folge sid koverget. d Folge mit eiem

Mehr

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0. 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12075, p-wert: 00168 f χ 2 (4)

Mehr

(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen.

(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen. Schülerbuchseite 98 1 Lösuge vorläufig IV Beurteilede Statistik S. 98 p S. 1 p w a t Tabelle Tabelle dowloadbar im Iteretauftritt 1 Teste vo Hypothese 1 a) Erwartugswert μ = 5 ud Stadardabweichug σ = 1,6;

Mehr

3 Kritischer Bereich zum Niveau α = 0.10: K = (χ 2 k 1;1 α, + ) = (χ2 5;0.90, + ) = (9.236, + ) 4 Berechnung der realisierten Teststatistik:

3 Kritischer Bereich zum Niveau α = 0.10: K = (χ 2 k 1;1 α, + ) = (χ2 5;0.90, + ) = (9.236, + ) 4 Berechnung der realisierten Teststatistik: 8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 1275, p-wert: 168 8 Apassugs-

Mehr

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy. Vo der relative Häufigkeit zur Wahrscheilichkeit Es werde 20 Schüler befragt, ob sie ei Hady besitze. Das Ergebis der Umfrage lautet: Vo 20 Schüler besitze 99 ei Hady. Ereigis E: Schüler besitzt ei Hady

Mehr

Klausur vom

Klausur vom UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Domiik Faas Stochastik Witersemester 00/0 Klausur vom 7.0.0 Aufgabe 3+.5+.5=6 Pukte Bei eier Umfrage wurde 60 Hotelbesucher ach ihrer Zufriedeheit

Mehr

Stochastisches Integral

Stochastisches Integral Kapitel 11 Stochastisches Itegral Josef Leydold c 26 Mathematische Methode XI Stochastisches Itegral 1 / 2 Lerziele Wieer Prozess ud Browsche Bewegug Stochastisches Itegral Stochastische Differetialgleichug

Mehr

3 Folgen, Reihen, Grenzwerte 3.1 Zahlenfolgen. Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.

3 Folgen, Reihen, Grenzwerte 3.1 Zahlenfolgen. Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10. 3 Folge, Reihe, Grezwerte 3.1 Zahlefolge Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.000, 1 3 Folge, Reihe, Grezwerte 3.1 Zahlefolge Defiitio: Eie

Mehr

Der χ 2 Test. Bei Verteilungen Beantwortung der Frage, ob eine gemessene Verteilung Gauß- oder Poisson-verteilt ist oder nicht?

Der χ 2 Test. Bei Verteilungen Beantwortung der Frage, ob eine gemessene Verteilung Gauß- oder Poisson-verteilt ist oder nicht? Der χ Test Es gibt verschiedee Arte vo Sigifikaztests Nebe Sigifikaztests, die sich mit dem Mittelwert beschäftige, gibt es auch Testverfahre für Verteiluge Bei Verteiluge Beatwortug der Frage, ob eie

Mehr

Stochastik für Physiker: Aufgaben und Lösungsvorschläge

Stochastik für Physiker: Aufgaben und Lösungsvorschläge Stochastik für Physiker: Aufgabe ud Lösugsvorschläge Simo Stützer Stad: 4. Februar 9 Aufgabe : Vergleiche Sie die Wahrscheilichkeit, beim Spiel mit eiem Würfel i 4 Würfe midestes eimal 6 zu würfel, mit

Mehr

Aufgaben zu Kapitel 8

Aufgaben zu Kapitel 8 Aufgabe zu Kapitel 8 Aufgabe zu Kapitel 8 Verstädisfrage Aufgabe 8. Ist es möglich, eie divergete Reihe der Form a zu kostruiere, wobei alle a > 0 sid ud a 0 gilt. Beispiel oder Gegebeweis agebe. Aufgabe

Mehr

Evaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt

Evaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt 2.4.5 Gauss-Test ud t-test für verbudee Stichprobe 2.4.5.8 Zum Begriff der verbudee Stichprobe Verbudee Stichprobe: Vergleich zweier Merkmale X ud Y, die jetzt a deselbe Persoe erhobe werde. Vorsicht:

Mehr

Übungsblatt 5 zur Vorlesung. Statistische Methoden

Übungsblatt 5 zur Vorlesung. Statistische Methoden Dr. Christof Luchsiger Übugsblatt 5 zur Vorlesug Statistische Methode Testtheorie: θ θ 0 vs θ > θ 0, MLQ, UMP, expoetielle Familie Herausgabe des Übugsblattes: Woche 13, Abgabe der Lösuge: Woche 14 (bis

Mehr

}) = ϑ Einsen (1 ϑ) Nullen,

}) = ϑ Einsen (1 ϑ) Nullen, 6. Schätzprobleme 6.1. Beispiele a) I eiem Teich befidet sich eie ubekate Azahl vo Fische. Ma schätze z. B. durch Agel, markiere, wieder aussetze ud ochmal agel; vgl. Übug) b) Weiteres Beispiel: Wie groß

Mehr

Nennenswertes zur Stetigkeit

Nennenswertes zur Stetigkeit Neeswertes zur Stetigkeit.) Puktweise Stetigkeit: Vo Floria Modler Defiitio der pukteweise Stetigkeit: Eie Fuktio f : D R ist geau da i x D stetig, we gilt: ε > δ >, so dass f ( x) f ( x ) < ε x D mit

Mehr

6. Übung - Differenzengleichungen

6. Übung - Differenzengleichungen 6. Übug - Differezegleichuge Beispiel 00 Gesucht sid alle Lösuge vo a) x + 3x + = 0 ud b) x + x + 7 = 0, jeweils für 0. Um diese lieare Differezegleichug erster Ordug zu löse, verwede wir die im Buch auf

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Iformatiker II (Sommersemester 004) Aufgabe 7. Ubeschräktes

Mehr

Stochastik: Binomialverteilung Stochastik Bernoulli-Experimente, binomialverteilte Zufallsvariablen Gymnasium ab Klasse 10

Stochastik: Binomialverteilung Stochastik Bernoulli-Experimente, binomialverteilte Zufallsvariablen Gymnasium ab Klasse 10 Stochastik Beroulli-Experimete, biomialverteilte Zufallsvariable Gymasium ab Klasse 0 Alexader Schwarz www.mathe-aufgabe.com November 203 Hiweis: Für die Aufgabe darf der GTR beutzt werde. Aufgabe : Ei

Mehr

Wahrscheinlichkeit & Statistik

Wahrscheinlichkeit & Statistik Wahrscheilichkeit & Statistik created by Versio: 3. Jui 005 www.matheachhilfe.ch ifo@matheachhilfe.ch 079 703 7 08 Mege als Sprache der Wahrscheilichkeitsrechug, Begriffe, Grudregel Ereigisraum: Ω Ω Mege

Mehr

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:

Mehr

Klausur 1 über Folgen

Klausur 1 über Folgen www.mathe-aufgabe.com Klausur über Folge Hiweis: Der GTR darf für alle Aufgabe eigesetzt werde. Aufgabe : Bestimme eie explizite ud eie rekursive Darstellug! a) für eie arithmetische Folge mit a = 6, ;

Mehr

P{k Fehlschläge vor dem ersten Erfolg} P(X=k) = p k = f(k) = p(1-p) k, k= 0, 1, 2,..., 0< p <1, F(k) = 1 - q k+1, q:=1-p, E(X) = q p, var(x) = q p 2

P{k Fehlschläge vor dem ersten Erfolg} P(X=k) = p k = f(k) = p(1-p) k, k= 0, 1, 2,..., 0< p <1, F(k) = 1 - q k+1, q:=1-p, E(X) = q p, var(x) = q p 2 GEOMETRIC geometrische Verteilug (Pascalverteilug mit r)/geometric distributio (df)/ la loi geometrique/distribució geométrica/distribuzioe geometrica P{k Fehlschläge vor dem erste Erfolg} P(Xk) k f(k)

Mehr

Vorkurs Mathematik für Informatiker Folgen

Vorkurs Mathematik für Informatiker Folgen Vorkurs Mathematik ür Iormatiker -- 8 Folge -- 11.10.2015 1 Folge: Deiitio Eie (uedliche) Folge im herkömmliche Sie etsteht durch Hitereiaderschreibe vo Zahle 1,2,3,4,5, Dabei ist die Reiheolge wichtig,

Mehr

Körpergröße x Häufigkeit in [m] 1.50 1.60 1 1.60 1.70 5 1.70 1.80 49 1.80 1.90 53 1.90 2.00 15 2.00 2.10 1

Körpergröße x Häufigkeit in [m] 1.50 1.60 1 1.60 1.70 5 1.70 1.80 49 1.80 1.90 53 1.90 2.00 15 2.00 2.10 1 8 Kofidezitervalle 1 Kapitel 8: Kofidezitervalle A: Beispiele Beispiel 1: Im WS 2000/01 wurde im Rahme der Statistik Vorlesug 124 Studete u.a. zu ihrer Körpergröße befragt. Ma erhielt folgedes Ergebis:

Mehr

Logarithmusfunktion, Rechenregeln für Logarithmen, Ableiten von Logarithmen (die Ableitung nach p wird hier stets als p geschrieben)

Logarithmusfunktion, Rechenregeln für Logarithmen, Ableiten von Logarithmen (die Ableitung nach p wird hier stets als p geschrieben) Wirtschaftswisseschaftliches Zetrum Uiversität Basel Statistik Dr. Thomas Zehrt (Pukt)Schätze Motivatio Eie vollstädige Iformatio über die Verteilug eies Merkmals X i eier Grudgesamtheit ka ur durch eie

Mehr

Statistische Schätzungen

Statistische Schätzungen Statitiche Schätzuge Statitiche Schätzuge, Ei Wiechaftler mu geau mee, icht chätze! Da it aber eie wiechaftliche Schätzug! Lázló Smeller? (8,5±1,5) cm Aalytiche Statitik (iduktive o. chließede Statitik)

Mehr

Einführung in die induktive Statistik. Inferenzstatistik. Konfidenzintervalle. Friedrich Leisch

Einführung in die induktive Statistik. Inferenzstatistik. Konfidenzintervalle. Friedrich Leisch Spiel Körpergröße Zahl: Azahl weiblich Eiführug i die iduktive Statistik Friedrich Leisch Istitut für Statistik Ludwig-Maximilias-Uiversität Müche Tafelgruppe 8.5 8.6 8.7 8.8 8.9 9.0 9.1 4 5 3 2 1 0 1

Mehr

4 Konvergenz von Folgen

4 Konvergenz von Folgen 4 Kovergez vo Folge Defiitio 4.. Sei M eie Mege. Ist 0 Z ud für jedes Z mit 0 ei a M gegebe, so et ma die Abbildug { Z; 0 } M, a eie Folge i M. Abkürzed schreibt ma für eie solche Abbildug auch a ) 0 oder

Mehr

Kovarianz und Korrelation

Kovarianz und Korrelation Kapitel 2 Kovariaz ud Korrelatio Josef Leydold c 2006 Mathematische Methode II Kovariaz ud Korrelatio 1 / 41 Lerziele Mathematische ud statistische Grudlage der Portfoliotheorie Kovariaz ud Korrelatio

Mehr

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen: 61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl

Mehr

4. Reihen Definitionen

4. Reihen Definitionen 4. Reihe 4.1. Defiitioe Addiere wir die Glieder eier reelle Zahlefolge (a k ), so heißt diese Summe S (uedliche) (Zahle-) Reihe S (Folge: Fuktio über N; Reihe: 1 Zahl): S := a 1 + a 2 + a 3 +... := Σ a

Mehr

Methode der kleinsten Quadrate

Methode der kleinsten Quadrate Methode der kleiste Quadrate KAPITEL 5: REGRESSIONSRECHNUNG Die Methode der kleiste Quadrate (MklQ) ist ei Verfahre zur Apassug eier Fuktio a eie Puktwolke. Agewadt wird sie beispielsweise, um eie Gesetzmäßigkeit

Mehr

Zahlenfolgen und Konvergenzkriterien

Zahlenfolgen und Konvergenzkriterien www.mathematik-etz.de Copyright, Page of 7 Zahlefolge ud Kovergezkriterie Defiitio: (Zahle-Folge, Grezwert) Eie Folge ist eie Abbildug der atürliche Zahle i die Mege A. Es ist also im Fall A: ; f: mit

Mehr

Statistische Tests zu ausgewählten Problemen

Statistische Tests zu ausgewählten Problemen Eiführug i die statistische Testtheorie Statistische Tests zu ausgewählte Probleme Teil : Tests für Erwartugswerte Statistische Testtheorie I Eiführug Beschräkug auf parametrische Testverfahre Beschräkug

Mehr

7. Stichproben und Punktschätzung

7. Stichproben und Punktschätzung 7. Stichprobe ud Puktschätzug 7. Grudgesamtheit ud Stichprobe Ausgagspukt der iduktive Statistik (beurteilede Statistik) sid Stichprobedate. Speziell stamme die Date aus Zufallsstichprobe. Die Stichprobeergebisse

Mehr

Übungsblatt 1 zur Vorlesung Angewandte Stochastik

Übungsblatt 1 zur Vorlesung Angewandte Stochastik Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche

Mehr

Güteeigenschaften von Schätzern

Güteeigenschaften von Schätzern KAPITEL 6 Güteeigeschafte vo Schätzer Wir erier a ie Defiitio es parametrische Moells Sei {h θ : θ Θ}, wobei Θ R m, eie Familie vo Dichte oer Zählichte Seie X 1,, X uabhägige u ietisch verteilte Zufallsvariable

Mehr

Analysis ZAHLENFOLGEN Teil 4 : Monotonie

Analysis ZAHLENFOLGEN Teil 4 : Monotonie Aalysis ZAHLENFOLGEN Teil 4 : Mootoie Datei Nr. 40051 Friedrich Buckel Juli 005 Iteretbibliothek für Schulmathematik Ihalt 1 Eiführugsbeispiele 1 Mootoie bei arithmetische Folge Defiitioe 3 3 Welche Beweistechik

Mehr

6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $

6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $ Mathematik für Iformatiker B, SS 0 Diestag 5.6 $Id: folge.tex,v. 0/06/05 ::8 hk Exp $ 6 Folge 6.4 Folge reeller Zahle I der letzte Sitzug habe wir de Begriff des Grezwerts eier Folge i eiem metrische Raum

Mehr

$Id: reihen.tex,v /06/14 13:59:06 hk Exp $

$Id: reihen.tex,v /06/14 13:59:06 hk Exp $ Mathematik für Iformatiker B, SS 202 Doerstag 4.6 $Id: reihe.tex,v.9 202/06/4 3:59:06 hk Exp $ 7 Reihe 7.4 Kovergezkriterie für Reihe 7.4. Alterierede Reihe Wir hatte gesehe das die harmoische Reihe divergiert,

Mehr

6. Übungsblatt Aufgaben mit Lösungen + Selbsttest-Auflösung

6. Übungsblatt Aufgaben mit Lösungen + Selbsttest-Auflösung 6. Übugsblatt Aufgabe mit Lösuge + Selbsttest-Auflösug Aufgabe 6: Utersuche Sie die Folge, dere Glieder ute für N agegebe sid, auf Beschräktheit, Mootoie ud Kovergez bzw. Beschräktheit, Mootoie ud Kovergez

Mehr

ÜBUNGSBLATT 4 LÖSUNGEN MAT121/MAT131 ANALYSIS I HERBSTSEMESTER 2010 PROF. DR. CAMILLO DE LELLIS

ÜBUNGSBLATT 4 LÖSUNGEN MAT121/MAT131 ANALYSIS I HERBSTSEMESTER 2010 PROF. DR. CAMILLO DE LELLIS ÜBUNGSBLATT 4 LÖSUNGEN MAT/MAT3 ANALYSIS I HERBSTSEMESTER 00 PROF. DR. AMILLO DE LELLIS Aufgabe. Etscheide Sie für folgede Folge (wobei N \ {0}), ob diese koverget sid, ud bereche sie gegebeefalls ihre

Mehr

Stochastik I (Statistik)

Stochastik I (Statistik) Stochastik I (Statistik) Skript Ju.-Prof. Dr. Zakhar Kabluchko Uiversität Ulm Istitut für Stochastik L A TEX-Versio vo Judith Schmidt Ihaltsverzeichis Vorwort Literatur Kapitel. Stichprobe ud Stichprobefuktio..

Mehr

II. Grundzüge der Stichprobentheorie

II. Grundzüge der Stichprobentheorie II. Grudzüge der Stichprobetheorie Grüde für Stichprobeerhebug - deutlich gerigere Koste - größere Awedugsbreite - kürzere Erhebugs- ud Auswertugszeite - i der Regel größere Geauigkeit der Ergebisse Begriffsbestimmug

Mehr

Zusammenfassung: Gleichungen und Ungleichungen

Zusammenfassung: Gleichungen und Ungleichungen LGÖ Ks VMa Schuljahr 6/7 Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud ugleichuge 6 Für Eperte 8 Polyomgleichuge ud -ugleichuge

Mehr

Bei 95%iger Konfidenz wäre der Mittelwert der GG zwischen 1421,17DM und 1778,83DM zu erwarten.

Bei 95%iger Konfidenz wäre der Mittelwert der GG zwischen 1421,17DM und 1778,83DM zu erwarten. Aufgabe 36 (S. 346: Schätzverfahre für Mittelwert ud Stadardabweichug a Puktschätzuge für µ aufgrud der Werte der kleie Stichprobe aus Aufgabe 3 Bei eier Puktschätzug wird für de zu schätzede Parameter

Mehr

2.2.1 Lagemaße. Exkurs: Quantile. und n. p n

2.2.1 Lagemaße. Exkurs: Quantile. und n. p n Ekurs: Quatile Ausgagspukt : Geordete Urliste Jeder Wert p, mit 0 < p

Mehr

15.4 Diskrete Zufallsvariablen

15.4 Diskrete Zufallsvariablen .4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet

Mehr

7.2 Grundlagen der Wahrscheinlichkeitsrechnung

7.2 Grundlagen der Wahrscheinlichkeitsrechnung 7.2 Grudlage der Wahrscheilichkeitsrechug Ei Ereigis heißt i Bezug auf eie Satz vo Bediguge zufällig, we es bei der Realisierug dieses Satzes eitrete ka, aber icht ubedigt eitrete muss. Def. 7.2.: Ei Experimet

Mehr

Wallis-Produkt, Gammafunktion und n-dimensionale Kugeln

Wallis-Produkt, Gammafunktion und n-dimensionale Kugeln Wallis-Produkt, Gammafuktio ud -dimesioale Kugel Thomas Peters Thomas Mathe-Seite www.mathe-seite.de 6. Oktober 3 Das Ziel dieses Artikels ist es, Formel für das Volume ud die Oberfläche vo -dimesioale

Mehr

Gesetz der großen Zahlen

Gesetz der großen Zahlen KAPITEL 0 Gesetz der große Zahle 0.. Zwei Beispiele Beispiel 0... Wir betrachte ei Beroulli-Experimet, das uedlich oft wiederholt wird. Die Wahrscheilichkeit für eie Erfolg sei p. Die Zufallsvariable,

Mehr

TESTEN VON HYPOTHESEN

TESTEN VON HYPOTHESEN TESTEN VON HYPOTHESEN 1. Grudlage Oft hat ma Vermutuge zu Sachverhalte ud möchte diese gere durch Experimete bestätige. Dabei ka es sich i der Praxis zum Beispiel um Verteiluge vo gewisse Zufallsgröße

Mehr

α : { n Z n l } n a n IR

α : { n Z n l } n a n IR 1 KAPITEL VI. ZAHLENFOLGEN UND REIHEN 1) REELLE ZAHLENFOLGEN: i) Jede Abbildug α : IN a IR heiÿt 'reelle Zahlefolge' bzw. 'Folge i IR'. Ma otiert diese i der Form α = a ) IN = a ) =0 = a 0, a 1, a 2,...)

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Iformatiker II (Sommersemester 004 Lösuge zu Aufgabeblatt 7

Mehr

Einführung in die Grenzwerte

Einführung in die Grenzwerte Eiführug i die Grezwerte Dieser Text folgt hauptsächlich der Notwedigkeit i sehr kurzer Zeit eie Idee ud Teile ihrer Awedug zu präsetiere, so dass relativ schell mit dieser Idee gerechet werde ka. Der

Mehr

Bernoulli-Experiment und Binomialverteilung

Bernoulli-Experiment und Binomialverteilung IV Beroulli-Exerimet ud Biomialverteilug Beroulli-Exerimet ud Beroulliette Defiitio: Zufallsexerimete, bei dee ma sich ur für das Eitrete ( Treffer, Symbol ) oder das Nichteitrete ( Niete, Symbol 0 ) eies

Mehr

Übungen zur Infinitesimalrechnung 2, H.-C. Im Hof 19. März Blatt 4. Abgabe: 26. März 2010, Nachmittag. e x2 dx + e x2 dx = 2 e x2 dx

Übungen zur Infinitesimalrechnung 2, H.-C. Im Hof 19. März Blatt 4. Abgabe: 26. März 2010, Nachmittag. e x2 dx + e x2 dx = 2 e x2 dx Übuge zur Ifiitesimalrechug, H.-C. Im Hof 9. März Blatt 4 Abgabe: 6. März, Nachmittag Aufgabe. Zeige e x dx π. Beweis. Wir bemerke als erstes, dass e x dx e x dx + e x dx e x dx formal sieht ma dies per

Mehr

AngStat1(Ue13-21).doc 23

AngStat1(Ue13-21).doc 23 3. Ereigisse Versuchsausgäge ud Wahrscheilicheite: a) Wie wird die Wahrscheilicheit des Auftretes eies Elemetarereigisses A geschätzt? A Ω heißt Elemetarereigis we es ur eie Versuchsausgag ethält also

Mehr

Angewandte Stochastik II

Angewandte Stochastik II Vorlesugsskript Agewadte Stochastik II Dr. Katharia Best Witersemester 2010/2011 Ihaltsverzeichis 1 Grudidee der statistische Dateaalyse 5 1.1 Stichprobe..............................................

Mehr

SBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit

SBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf # 0 Atwort Diese Lerkarte sid sorgfältig erstellt worde, erhebe aber weder Aspruch auf Richtigkeit och auf Vollstädigkeit. Das Lere mit Lerkarte fuktioiert ur

Mehr

Praktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle

Praktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle Praktikum Vorbereitug Fertigugsmesstechik Statistische Qualitätskotrolle Bei viele Erzeugisse ist es icht möglich jedes Werkstück zu prüfe, z.b.: bei Massefertigug. Hier ist es aus ökoomische Grüde icht

Mehr

Ökonometrie Formeln und Tabellen

Ökonometrie Formeln und Tabellen Ökoometrie Formel ud Tabelle Formelsammlug 1 Lieares Modell ud KQ-Schätzug 11 Eifachregressio Lieares Modell: Y i = β 0 + β 1 x i + U i, i = 1,2,, Aahme des lieare Modells: A1: E[U i ] = 0 für alle i =

Mehr

Kapitel 9. Aufgaben. Verständnisfragen

Kapitel 9. Aufgaben. Verständnisfragen Kapitel 9 Aufgabe Verstädisfrage Aufgabe 9. Hadelt es sich bei de folgede für z C defiierte Reihe um Potezreihe? Falls ja, wie lautet die Koeffizietefolge ud wie der Etwicklugspukt? a c 3! j0 x! j x j

Mehr

4 Parametrische statistische Methoden

4 Parametrische statistische Methoden 4 Parametrische statistische Methode 4.1 Dateiveau Jede statistische Arbeit begit mit der Erhebug der Date. Es ist heute üblich, die Date i vier Gruppe eizuteile. 1. Nomiale Skala: Zum Beispiel Blutgruppe,

Mehr

Kapitel 12. Schätzung von Parametern

Kapitel 12. Schätzung von Parametern Kapitel 12 Schätzug vo Parameter Die Verteilug eier Zufallsvariable hägt i der Regel vo eiem oder mehrere Parameter ab. Bei der Poissoverteilug ist dies der Parameter λ, währed es bei der Normalverteilug

Mehr

Fehlerrechnung. 3. Genauigkeit von Meßergebnissen am Beispiel der Längenmessung

Fehlerrechnung. 3. Genauigkeit von Meßergebnissen am Beispiel der Längenmessung 1 Gie 11/000 Fehlerrechug 1. Physikalische Größe: Zahlewert ud Eiheit. Ursache vo Meßfehler 3. Geauigkeit vo Meßergebisse am Beispiel der Lägemessug 4. Messug eier kostate Größe ud Mittelwert 5. Messug

Mehr

Übung zur Vorlesung Statistik I WS Übungsblatt 8

Übung zur Vorlesung Statistik I WS Übungsblatt 8 Übug zur Vorlesug Statistik I WS 2013-2014 Übugsblatt 8 9. Dezember 2013 Aufgabe 25 (4 Pukte): Sei X B(, p) eie biomial verteilte Zufallsvariable. Schreibe Sie i R eie Fuktio PWert, die für jedes Ergebis

Mehr

Musterlösung zu Blatt 8 der Vorlesung Analysis I WS08/09

Musterlösung zu Blatt 8 der Vorlesung Analysis I WS08/09 Musterlösug zu Blatt 8 der Vorlesug Aalysis I WS08/09 Schriftliche Aufgabe Aufgabe. Voraussetzuge: Für alle N setze a : +2 ud b : ( 2. [Amerkug: I der Aufgabestellug heiÿe die Reihe beide gleich. Es steht

Mehr

Tutorium Mathematik I, M Lösungen

Tutorium Mathematik I, M Lösungen Tutorium Mathematik I, M Lösuge 16. November 2012 *Aufgabe 1. Ma utersuche die folgede Reihe auf Kovergez (a) ( 1) (1 ) (b) ( ) 2 +1 (c) (!) 3 10 (3)! (d) (e) (f) 2 +3 3 2 +1 3 ( 2 +1) 2 + 3 ( 2 +3) (g)

Mehr

14 Statistische Beziehungen zwischen nomi nalen Merkmalen

14 Statistische Beziehungen zwischen nomi nalen Merkmalen 14 Statistische Beziehuge zwische omi ale Merkmale 14.1 Der Chi Quadrat Test auf Uabhägigkeit für Vier Feldertafel 14.2 Der Chi Quadrat Test auf Uabhägigkeit für r s Kotigeztafel 14.3 Zusammmehagsmaße

Mehr

2 Differentialrechnung und Anwendungen

2 Differentialrechnung und Anwendungen Differetialrechug ud Aweduge Differetialrechug ud Aweduge Der Begriff des Differetialquotiete hat sich i zahlreiche Aweduge ierhalb ud außerhalb der Mathematik als äußerst fruchtbar erwiese. Bestimmug

Mehr

13. Übungsblatt zur Vorlesung Mathematik I für Informatik

13. Übungsblatt zur Vorlesung Mathematik I für Informatik Fachbereich Mathematik Prof. Dr. Thomas Streicher Dr. Sve Herrma Dipl.-Math. Susae Pape 3. Übugsblatt zur Vorlesug Mathematik I für Iformatik Witersemester 009/00 6./7. Jauar 00 Gruppeübug Aufgabe G (Reihe)

Mehr

Mathematik IV für Maschinenbau und Informatik

Mathematik IV für Maschinenbau und Informatik UNIVERSITÄT ROSTOCK Mathematik IV für Maschiebau ud Iformatik Stochastik Prof. Dr. Friedrich Liese Sommersemester 2007 2 Mathematik IV für Maschiebau ud Iformatik INHALT Ihalt... 2 Vorlesugsverzeichis...

Mehr

4. Die Menge der Primzahlen. Bertrands Postulat

4. Die Menge der Primzahlen. Bertrands Postulat O. Forster: Eiführug i die Zahletheorie 4. Die Mege der Primzahle. Bertrads Postulat 4.1. Satz (Euklid. Es gibt uedlich viele Primzahle. Beweis. Wir zeige, dass es zu jeder edliche Mege p 1, p 2,..., p

Mehr

2.3 Kontingenztafeln und Chi-Quadrat-Test

2.3 Kontingenztafeln und Chi-Quadrat-Test 2.3 Kotigeztafel ud Chi-Quadrat-Test Die Voraussetzuge a die Date i diesem Kapitel sid dieselbe, wie im voragegagee Kapitel, ur dass die Stichprobe hier aus Realisieruge vo kategorielle Zufallsvariable

Mehr

A = Ereignisraum = σ-algebra (Sigma-Algebra) = Menge aller messbaren Ergebnisse über eine definierte Grundmenge Ω

A = Ereignisraum = σ-algebra (Sigma-Algebra) = Menge aller messbaren Ergebnisse über eine definierte Grundmenge Ω Statistik Theorie Defiitioe Ω = Grudmege = Ergebismege = Mege aller mögliche Ergebisse A = Ereigisraum = σ-algebra (Sigma-Algebra) = Mege aller messbare Ergebisse über eie defiierte Grudmege Ω P(Ω) = Potezmege

Mehr