Maschinelle Sprachverarbeitung: Mathematische Grundlagen
|
|
- Heidi Kappel
- vor 6 Jahren
- Abrufe
Transkript
1 HUMOLDT-UNIVERSITÄT ZU ERLIN Istitut für Iformatik Lehrstuhl Wissesmaagemet Maschielle Sprachverarbeitug: Mathematische Grudlage Tobias Scheffer Ulf refeld Literatur Huag, cero, Ho: Spoke Laguage rocessig, Kapitel 3. Maig & Schütze: Foudatios of Statistical Natural Laguage rocessig Sstems. 1
2 Zufallsvariable Ei Eperimet ist ei defiierter rozess, i dem eie eobachtug erzeugt wird. Ereigisraum Ω: lle mögliche usgäge Zufallsvariable : bbildug des Ereigisraumes auf umerische Werte.. Wahrscheilichkeitsfuktio verteilt Wahrscheilichkeitsmasse 1 auf Elemete i Ω. Sicheres Ereigis: Ω 1. Umögliches Ereigis: 0. Mathematische Grudlage durch Kolmogoroff- iome. 3 Reche mit Wahrscheilichkeite We für alle i ud j gilt dass I J, da gilt i Σ i i. Im allgemeie Fall gilt: I J I + J I J. Σ. 4
3 3 5 edigte Wahrscheilichkeite Wie beeiflusst teilweises Wisse über de usgag eies Zufallseperimetes die Wahrscheilichkeite? ,..., i i 6 Uabhägigkeit Uabhägige Ereigisse: ud uabhägig, we: ud bedigt uabhägig gegebe C, we: Uabhägige Zufallsvariable: ud sid uabhägig, we für alle Werte ud gilt: Äquivalet: C C C,
4 4 7 aes Theorem aes Theorem: Äquivalet, mit zwei Zufallsvariable: aes Theorem gegebe Z:,,,, Z Z Z Z Z Z 8 aes Theorem Erklärug, Ursache für eie eobachtug: Ursache: -riori-wahrscheilichkeit, rior. eobachtugursache: Likelihood. Ursacheeobachtug: -osteriori- Wahrscheilichkeit, osterior. eobachtug Ursache Ursache eobachtug eobachtug Ursache u u Ursache u Ursache eobachtug eobachtug
5 aes Theorem Maimum-Likelihood-Hpothese: lausibelste Erklärug ahad der eobachtug. arg mau eobachtug Ursache Maimum--osteriori-Hpothese: Wahrscheilichste Erklärug ahad vo eobachtug ud Vorwisse. arg ma Ursache u eobachtug u Ursache u arg mau eobachtug Ursache u eobachtug arg ma eobachtug Ursache u Ursache u u u 9 aes Theorem: eispiel Die Erbtate ist tot. ruder b ud Schwester s sid verdächtig. DNS-alse der Spure ergibt: DNS-Spure Täterb 0.98 DNS-Spure Täters % aller Morde werde vo Mäer begage: Täterb 0.9, Täters 0.1. estimme Sie: Täterb DNS-Spure, Täters DNS-Spure. lausibelste Maimum-Likelihood- Hpothese argma t DNS-Spure Tätert Wahrscheilichste Maimum--osteriori- Hpothese argma t Tätert DNS-Spure 10 5
6 Wahrscheilichkeitsbegriffe Frequetistischer Wahrscheilichkeitsbegriff: Wahrscheilichkeite ur zur eschreibug itrisisch probabilistischer häomee. Z.. Zerfall vo Elemetarteilche. aesscher, subjektiver Wahrscheilichkeitsbegriff Wahrscheilichkeite beschreibe eie gewisse Grad vo Iformiertheit ud fehlede Iformatioe. Uterschiedliche Wahrscheilichkeite für dasselbe häome bei uterschiedlicher Iformiertheit. Z.. erso ist der Täter; keie echte Wahrscheilichkeit. 11 Zufallsvariable, Schreibweise Zufallsvariable häufig Großbuchstabe, usprägug kokreter Wert Kleibuchstabe, Mögliche Schreibweise für ussage: Wahrscheilichkeit dafür, dass Variable de Wert aimmt beträgt f. : f. ~ f. We eie Zufallsvariable ist z.. mit Werte 1, 3, 10, da sid auch +1 mit Werte, 4, 11 oder * Mit Werte, 6, 0 Zufallsvariable. 1 6
7 Diskrete, kotiuierliche Verteiluge Diskrete Zufallsvariable: 1 eispiel: zahl Köpfe bei 100 Müzwürfe. Kotiuierliche Zufallsvariable besitze Wahrscheilichkeitsdichtefuktio f, so dass: b [ a, b] f d, : f a 0, f 1 Verteilugsfuktio: df F f d, f d eispiel: IQ, Körpergröße 13 Erwartugswert, Stadardabweichug Erwartugswert eier Zufallsvariable: E bzw E p d Variaz: Erwartete quadrierte bweichug vo vo E Var E E E Var E E E p d Stadardabweichug: Erwartete bweichug σ Var Recheregel: ; σ σ ; Z Z + Z + σ σ + σ bei Uabhägigkeit 14 7
8 Schätze vo Wahrscheilichkeite Schätze eier Wahrscheilichkeit p 0. eobachtuge gezoge etspreched. cout 0 Relative Häufigkeit: pˆ Gesetz der große Zahl: pˆ p Kovergezrate vo pˆ gege p zetrales Thema. Häufig möchte wir eie gaze Verteilug schätze, icht ur 0 für eie Wert 0. Verteilugsfrei: Schätze vo für alle oder viele bei kotiuierliche Verteiluge Werte. arametrisch: ahme eier Wahrscheilichkeitsdichtefuktio θ, Schätze vo θ ahad der Date. 15 Erwartugstreue Schätzer Schätzer pˆ eier Wahrscheilichkeit p ka eie beliebige rozedur sei, die eie Zahl erzeugt. Schätzer ist erwartugstreu, we E pˆ p derfalls hat der Schätzer eie bias E pˆ p 16 8
9 iomialverteilug Würfe eier verbogee Müze. Schätze vo p kopf. Zufallsvariable pˆ. cout kopf Welcher Verteilug uterliegt pˆ? Neue Zufallsvariable coutkopf bei Würfe. p 1 p [ p, ] iomialverteilug ~ [ p, ], [ p, ], pˆ [ p, ] Mittelwert der iomialverteilug: p, Stadardabweichug: p1 p p1 p σ p 1 p, σ pˆ, p ˆ p 17 Normalverteilug estimme des IQ vo ersoe. Zufallsvariable IQ. 1 µ / σ IQ ~ N[ µ, σ ], piq N[ µσ, ] e πσ Verteilugsfuktio der Normalverteilug Φ IQ keie geschlossee Form IQ µ IQ ~ N[ µ, σ ] ~ N[0,1] σ N[0,1]: Stadardormalverteilug; Φ i Tabelle. Für IQ gilt: µ100, σ15. Wie hoch ist IQ>10? IQ IQ > 10 > 1 Φ Für welche Wert z gilt: IQ>z 3%? 18 9
10 iomial-, Normalverteilug iomial Normal Stadardormalverteilug Gauß-Kurve 19 Verteilugsfuktio der Normalverteilug 0 10
11 iomial-, Normalverteilug iomialverteilug ~ [ p, ], Wird approimiert durch Normalverteilug ~ N[ p, p1 p] 1 Schätze vo Normalverteiluge piq hier i der Vorlesug? eobachtuge für IQ; 1,..., ~ piq. 1 Geschätzter Mittelwert, µ Echte Variaz ubekat wege piq ubekat. σ IQ E IQ µ µ p d Empirische Variaz: 1 s 1 1 IQ i i µ Geschätzte Verteilug: N [ µ, s] N[ µ, s] N[ µ, σ ] i 1 i 11
12 Schätze vo Verteilugsparameter Wir werfe 4 mal ei Müze. 3 mal kommt Kopf. Wie groß ist p Kopf? Maimum-Likelihood-Hpothese: arg ma eobachtug Ursache u u arg ma cout kopf 3 ˆ ˆ arg ma ˆ ˆ cout kopf cout kopf 3 4 cout kopf 1 ˆ cout kopf 3 Schätze vo Verteilugsparameter ber: die weigste Müze sid so verboge. p3/4 ziemlich klei. p ist selbst eie Zufallsvariable, Verteilug uterschiedlich verbogeer Müze. Maimum--osteriori-Hpothese: arg ma u Ursache u eobachtug arg ma ˆ ˆ cout kopf arg ma ˆ ˆ ˆ cout kopf cout kopf cout kopf arg ma ˆ ˆ 1 ˆ ˆ cout kopf cout kopf + c 3+ c + c 4 + c kz, kz, Laplace Correctio. 4 1
13 Multivariate Verteiluge Zufallsvariable ka mehrdimesioaler Vektor 1,..., sei. EE 1,..., E T -dimesioaler Vektor. Kovariaz: Cov i, J E[ i µ i j µ j ] E[ i j ] E[ i ] E[ j ] Kovariazmatri: V ij ; Vij Cov i, J Spezialfall Variaz: σ σ var ii i i 5 Hpothesetests Wir werfe 4 mal ei Müze. 3 mal kommt Kopf. Ka es sei, dass trotzdem Kopf1/ ist? Wir werfe 400 mal ei Müze. 3 mal kommt Kopf. Ka es sei, dass trotzdem Kopf1/ ist? Idee eies statistische Tests: Nullhpothese: ahme, die wir mit Hilfe der Date widerlege möchte, hier: Kopf1/. estimme vo pdate Nullhpothese. We p groß ist, da ist die Nullhpothese plausibel. We p δ, da ist die Nullhpothese mit Kofideziveau vo 1-δ widerlegt z.. δ5%. Wir sage da, die bweichug sei sigifikat. Statistischer Test mit Kofideziveau 1-δ: Nullhpothese abgeleht Nullhpothese stimmt δ 6 13
14 Hpothesetests Herleitug eies Tests für das Müzwurfbeispiel Nullhpothese: Echte Wahrscheilichkeit ist µ. ˆ coutkopf, coutkopf/ estimme vo pdate Nullhpothese. ˆ ˆ [ µ, ] ˆ [ µ, ] N µ, µ 1 µ µ 1 µ σ ber: ist ubekat! ~ [ µ, ] ~ N ~ N µ, µ, µ 1 µ µ 1 µ µ 1 µ µ ~ N 0, µ ~ N 0,1 µ 1 µ 7 Hpothesetests T-Test. µ ~ N 0,1 µ 1 µ µ ~ Studet _ t[ ] 1 1 pproimatio: z-test für große. µ ~ N 0,1 µ 1 µ µ Z ~ N0,1 1 1 eispiel: dreimal Kopf.75.5 z 1 bei 4 Müzwürfe Dreimal Kopf bei z Müzwürfe
15 Hpothesetests Teststatistik : Zufallsvariable, auf der Test basiert: z.. ˆ µ Z Verteilug vo Z ist bekat z.. 1 / 1 ormal- oder t-verteilt. Eiseitige Tests: Nullhpothese z.. E µ oder E µ p Z z Zweiseitige Tests: Nullhpothese E µ ε E µ ε µ E ε Teststatistik: ˆ µ ε Z p Z z 1 / 1 p>δ: Nullhpothese icht verwerfe. p δ: Nullhpothese verwerfe. 9 Hpothesetests Müzwurf-eispiel: Zweiseitiger Test. 3/4: p * Z 0.5 * /400: p * Z * < z δ für δ5%: *Z z δ δ z δ /4: p>5%; z<z δ ; Nullhpothese icht verworfe. 3/400: p<5%; z>z δ ; Nullhpothese verworfe, Wahrscheilichkeit sigifikat vo ½ verschiede
16 Kofidezitervalle Schätzer liegt mit Wahrscheilichkeit 1-δ ierhalb des δ- Kofidezitervalles ε der gesuchte Wahrscheilichkeit. ˆ ε δ Eiseitiges / zweiseitiges Itervall: ˆ ˆ δ ε δ ε ˆ ε δ Kofidezitervall ε mit Normalverteilugsapproimatio leicht zu bereche: ˆ ˆ Eiseitig: ˆ 1 ˆ ˆ + z Zweiseitig: ˆ 1 ± z δ δ 1 1 z δ : Quatil der Stadardormalverteilug Nachschlage i Normalverteilugstabelle. ˆ 1.65 ˆ 1 ˆ aarweise Hpothesetests Zufallsvariable 1,. Ist 1? Zufallsvariable 1 - mit Mittelwert Stadardabweichug σ + σ 1 1 Test der Zufallsvariable 1 - wie scho gehabt eiseitig / zweiseitig, Nullhpothese, Teststatistik,
17 Etropie Etropie mittlerer Iformatiosgehalt Maß a Usicherheit. Iformatiosgehalt eies Ereigisses : I log Etropie der Zufallsvariable : mittlerer Iformatiosgehalt der Ereigisse. H E[ I ] log I # its zum Übertrage vo i optimalem Code H Mittlere # its zum Übertrage eies Ereigisses i optimalem Code. 33 edigte Etropie bhägige Zufallsvariable ud. Wie groß ist Usicherheit bzgl, we wir Wert vo kee? H log Mittelwert über alle Werte der Variable : H H log, log 34 17
18 Mutual Iformatio bhägige Zufallsvariable ud. Wie viel verrät über? I ; H H 1 1 log, log, log E log, log,, 35 erpleität Mittlerer Verzweigugsfaktor : Wie viele gleich wahrscheiliche lterative gibt es? H eispiel: Spracherkeer für Ziffer, 10 gleich wahrscheiliche lterative. 1 H 10 log erpleität eier Sprache Verzweigugsfaktor für die Suche Schwierigkeit des arsieres
2. Repetition relevanter Teilbereiche der Statistik
. Repetitio Statistik Ökoometrie I - Peter Stalder. Repetitio relevater Teilbereiche der Statistik (Maddala Kapitel ) Zufallsvariable ud Wahrscheilichkeitsverteiluge Zufallsvariable X (stochastische Variable)
MehrTests statistischer Hypothesen
KAPITEL 0 Tests statistischer Hypothese I der Statistik muss ma oft Hypothese teste, z.b. muss ma ahad eier Stichprobe etscheide, ob ei ubekater Parameter eie vorgegebee Wert aimmt. Zuerst betrachte wir
MehrStatistik 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
MehrKapitel 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
MehrKapitel 6 : Punkt und Intervallschätzer
7 Kapitel 6 : Pukt ud Itervallschätzer Puktschätzuge. I der Statistik wolle wir Rückschlüsse auf das Wahrscheilichkeitsgesetz ziehe, ach dem ei vo us beobachtetes Zufallsexperimet abläuft. Hierzu beobachte
MehrFormelsammlung Statistik 29. Januar 2019
Formelsammlug Statistik Seite 1 Formelsammlug Statistik 9. Jauar 019 Witersemester 018/19 Adreas Löpker, HTW Dresde 1. Deskriptive Statistik (F1) Stichprobe x vom Umfag, Stichprobe y vom Umfag m x = (x
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
Lehrstuhl für Empirische Wirtschaftsforschug ud Ökoometrie Dr. Rolad Füss Statistik II: Schließede Statistik SS 2007 6. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug
MehrStochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. M. Schweizer ETH Zürich Sommer 8 Stochastik - Lösug (BSc D-MAVT / BSc D-MATH / BSc D-MATL). (6 Pukte) a) (.5 Pukte) Wir defiiere die Ereigisse D = die ähmaschie bekommt eie kleie Defekt} ud U
MehrStatistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik
Statistik Kapitel 5: Schließede Statistik 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel 1» Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte der arithmetische
MehrVl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5
Vl Statistische Prozess- ud Qualitätskotrolle ud Versuchsplaug Übug 5 Aufgabe ) Sei p = P(A) die Wahrscheilichkeit für ei Ereigis A, dh., es gilt 0 p. Bereche Sie das Maximum der Fuktio f(p) = p(-p). Aufgabe
MehrEvaluation & Forschungsstrategien
Evaluatio & Forschugsstrategie WS2/2 Prof. Dr. G. Meihardt Johaes Guteberg Uiversität Maiz Prizipie des statistische Schliesses Samplig - Modellvorstellug Populatio Samplig Stichprobe Kewerte x Theoretische
MehrVl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3
Vl Statistische Prozess ud Qualitätskotrolle ud Versuchsplaug Übug 3 Aufgabe ) Die Schichtdicke X bei eier galvaische Beschichtug vo Autoteile sei ormalverteilt N(μ,σ ). 4 Teile werde galvaisch beschichtet.
MehrWirksamkeit, 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
MehrX X Schätzen von Vertrauensintervallen Schwankungsintervall
.. Schätze vo Vertrauesitervalle..1. Schwakugsitervall Beispiel: X = Betrag vo Geldüberweisuge, ormalverteilt, µ = 5000, = 1000 Zufallsstichprobe mit = 100, Schätzer für µ: X X Gesucht: Itervall, i dem
MehrDie notwendigen Verteilungstabellen finden Sie z.b. hier:
Fakultät für Mathematik Istitute IAG ud IMO Prof. Dr. G. Kyureghya/Dr. M. Hödig Schätz- ud Prüfverfahre Die otwedige Verteilugstabelle fide Sie z.b. hier: http://www.ivwl.ui-kassel.de/kosfeld/lehre/zeitreihe/verteilugstabelle.pdf
MehrLösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung
Prof. Dr. V. Schmidt WS 200/20 G. Gaiselma, A. Spettl 7.02.20 Lösugsvorschlag Probeklausur zur Elemetare Wahrscheilichkeitsrechug Hiweis: Der Umfag ud Schwierigkeitsgrad dieser Probeklausur muss icht dem
Mehr,,, xn. 3. Intervallschätzungen Zufallsstichproben und Stichprobenfunktionen Zufallsstichproben. Zufallsvariablen mit
3. Itervallschätzuge 3.1. Zufallsstichprobe ud Stichprobefuktioe 3.1.1 Zufallsstichprobe 1 Sei eie Zufallsvariable ud seie gemeisamer Verteilug,,,, Zufallsvariable mit - da heiße 1,,, Zufallsstichprobe
MehrMultivariate Analysemethoden und Multivariates Testen
Multivariate Aalysemethode ud Multivariates Teste Stude im Mai Güter Meihardt Johaes Guteberg Uiversität Maiz Priziie des statistische Schliesses Samlig - Modellvorstellug Poulatio Samlig Stichrobe Kewerte
MehrEmpirische Verteilungsfunktion
KAPITEL 3 Empirische Verteilugsfuktio 3.1. Empirische Verteilugsfuktio Seie X 1,..., X uabhägige ud idetisch verteilte Zufallsvariable mit theoretischer Verteilugsfuktio F (t) = P[X i t]. Es sei (x 1,...,
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler Statistik ud Wahrscheilichkeitsrechug Testatprüfug am Doerstag 5.Mai Wa? Doerstag, 5. Mai, 8:00 Uhr Dauer der
MehrWahrscheinlichkeitsrechnung & Statistik - Ergänzung zum Skript
Wahrscheilichkeitsrechug & Statistik - Ergäzug zum Skript Prof. Schweizer 9. Oktober 008 Mitschrift: Adreas Steiger Warug: Wir sid sicher dass diese Notize eie Mege Fehler ethalte. Betrete der Baustelle
MehrBayessches Lernen (II)
Uiversität Potsdam Istitut für Iformatik Lehrstuhl Maschielles Lere Bayessches Lere (II) Christoph Sawade/Niels Ladwehr Jules Rasetahariso Tobias Scheffer Überblick Wahrscheilichkeite, Erwartugswerte,
Mehr4 Schwankungsintervalle Schwankungsintervalle 4.2
4 Schwakugsitervalle Schwakugsitervalle 4. Bemerkuge Die bekate Symmetrieeigeschaft Φ(x) = 1 Φ( x) bzw. Φ( x) = 1 Φ(x) für alle x R überträgt sich auf die Quatile N p der Stadardormalverteilug i der Form
MehrKapitel VI. Einige spezielle diskrete Verteilungen
Kapitel VI Eiige spezielle diskrete Verteiluge D 6 (Hypergeometrische Verteilug) Eie Zufallsvariable X heißt hypergeometrisch verteilt, we sie folgede Wahrscheilichkeitsfuktio besitzt: M N M P ( X ) p
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug 9. Vorlesug Joche Köhler 1 Statistik ud Wahrscheilichkeitsrechug Testatprüfug am Doerstag 5.Mai Wa? Doerstag, 5. Mai, 8:00 Uhr
MehrStochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. M. Schweizer ETH Zürich Witer 28 Stochastik - Lösug (BSc D-MAVT / BSc D-MATH / BSc D-MATL). (6 Pukte) a) (2 Pukte) Wir defiiere die Ereigisse K {die Perso ist krak} ud T {der Test ist positiv}.
MehrDiskrete Wahrscheinlichkeitstheorie Wiederholungsklausur
Techische Uiversität Müche Sommersemester 007 Istitut für Iformatik Prof. Dr. Javier Esparza Diskrete Wahrscheilichkeitstheorie Wiederholugsklausur LÖSUNG Hiweis: Bei alle Aufgabe wird ebe dem gefragte
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Übug 6 3.03.20 Ihalt der heutige Übug Aufgabe D.7: Reche mit Zufallsvariable Erwartugswert- ud Variazoperator Statistik ud Wahrscheilichkeitsrechug
Mehr3 Vergleich zweier unverbundener Stichproben
3 Vergleich zweier uverbudeer Stichprobe 3. Der Zweistichprobe t-test Es wird vorausgesetzt, dass die beide Teilstichprobe x, x,..., x ud y, y,..., y jeweils aus (voeiader uabhägige) ormalverteilte Grudgesamtheite
Mehr1) Wahrscheinlichkeitsbegriff und Rechnen mit Wahrscheinlichkeiten. P A = lim r N LI: ={ 1 LII: LIII: P A =1 P A
FORMELSAMMLUNG V03 Alle Formel ohe Gewähr auf Korrektheit Grudlage der Wahrscheilichkeitstheorie 1) Wahrscheilichkeitsbegriff ud Reche mit Wahrscheilichkeite Relative Häufigkeit r N A = h N A N = Abs.
MehrProf. 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
MehrStatistische 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
MehrFormelsammlung. PD Dr. C. Heumann
Formelsammlug zur Vorlesug Statistik II PD Dr C Heuma Formelsammlug Statistik II Iduktive Statistik Regel der Kombiatorik ohe Wiederholug mit Wiederholug! Permutatioe! 1! s! ( ) ( ) + m 1 ohe Reihefolge
MehrKonfidenzintervalle. Praktische Übung Stochastik SS 2017 Lektion 10 1
Kofidezitervalle Praktische Übug Stochastik SS 017 Lektio 10 1 Kofidezitervalle Geerelle Aahme: Parametrisches Modell (P ϑ ) ϑ Θ Beobachtuge X 1,..., X u.i.v. ach P ϑ mit ubekatem ϑ Θ Grudidee: Schätzer
MehrDr. 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
MehrForschungsstatistik I
Prof. Dr. G. Meihardt 6. Stock, Taubertsberg R. 06-06 (Persike) R. 06-31 (Meihardt) Sprechstude jederzeit ach Vereibarug Forschugsstatistik I Dr. Malte Persike persike@ui-maiz.de http://psymet03.sowi.ui-maiz.de/
MehrWirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel
3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Beispiel: Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische
MehrWahrscheinlichkeitstheorie und Statistik vom
INSTITUT FÜR MATHEMATISCHE STOCHASTIK WS 005/06 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Klausur Wahrscheilichkeitstheorie ud Statistik vom 9..006 Musterlösuge Aufgabe A: Gegebe sei eie Urliste
MehrWirksamkeit, 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
MehrStatistik, Abschnitt (1) Gegeben sei der Stichprobenvektor (X 1,..., X n ). Die Stichprobenfunktion. ˆµ k := 1 n. Xi k (1) i=1.
Statistik, Abschitt.. Schätzmethode.. Mometemethode Für Parameter, die sich i bekater Weise aus de Momete zusammesetze, erhält ma Schätzuge, idem ma die theoretische Momete durch die sogeate empirische
MehrWichtige Verteilungen
Wichtige Verteiluge Gaußsche Glockekurve ormalverteilug Logarithmische ormalverteilug Histogramm mit Glockekurve 3 Biomial- oder Beroulli-Verteilug Poisso-Verteilug Hypergeometrische Verteilug Epoetialverteilug
MehrEinführung in die Wahrscheinlichkeitstheorie Lösungen zum Wiederholungsblatt
TUM, Zetrum Mathematik Lehrstuhl für Mathematische Physik WS 23/4 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weider Eiführug i die Wahrscheilichkeitstheorie Lösuge zum Wiederholugsblatt Aufgabe
MehrKlausur 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
Mehr6. Grenzwertsätze. 6.1 Tschebyscheffsche Ungleichung
6. Grezwertsätze 6.1 Tschebyscheffsche Ugleichug Sofer für eie Zufallsvariable X die Verteilug bekat ist, lässt sich die Wahrscheilichkeit dafür bestimme, dass X i eiem bestimmte Itervall liegt. Wie ist
MehrGrundsätzlich sollen Varianz bzw. Standardabweichung Maße dafür sein, wie stark eine Verteilung um ihren Erwartungswert streut.
Eie Iterpretatiosfrage habe ich zu eiem Beispiel das i der der letzte Vorlesug behadelt wurde: Auf Folie.7 zur Variaz. Dort wird ei Beispiel eier stetige Zufallsvariable geat (Warte a eier S-Bah-Haltestelle).
MehrAnwendung für Mittelwerte
Awedug für Mittelwerte Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe... "wahre", ubekate Mittelwert der Grudgesamtheit icht zufällig?... beobachtete Mittelwert zufällig Statistik für SoziologIe 1
MehrMusterlösung für die Klausur zur Vorlesung Stochastik I im WiSe 2014/2015
Musterlösug für die Klausur zur Vorlesug Stochastik I im WiSe 204/205 Teil I wahr falsch Aussage Gilt E[XY ] = E[X]E[Y ] für zwei Zufallsvariable X ud Y mit edlicher Variaz, so sid X ud Y uabhägig. Für
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG 9 - LÖSUNGEN. Ziehug vo Kugel aus eier Ure a. Die Zahl der Permutatio der Kugel, die aus Klasse utereiader gleicher
MehrParameterschätzung. Numero, pondere et mensura Deus omnia condidit
Parameterschätzug Numero, podere et mesura Deus omia codidit Populatio, Zufallsvariable, Stichprobe Populatio Zufallsvariable X Stichprobe x eie"realisierug vo X (Beobachtug) alle mäliche Rekrute der US
MehrEinführung 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
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte SS00 7.Sitzug vom.06.00 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluß Grudlage des Iduktiosschlusses:
MehrEingangsprüfung 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
MehrZufallsvariable. Die Wahrscheinlichkeitsverteilung p (probability function) ist definiert durch: p(x i ) := P (X = x i ),
ETHZ 90-683 Dr. M. Müller Statistische Methode WS 00/0 Zufallsvariable Zusammehag: Wirklichkeit Modell Wirklichkeit Stichprobe Date diskret stetig rel. Häufigkeit Häufigkeitstabelle Stabdiagramm Histogramm
MehrDas kollektive Risikomodell. 12. Mai 2009
Kirill Rudik Das kollektive Risikomodell 12. Mai 2009 4.1 Eileitug Wir betrachte i diesem Kapitel die Gesamtforderuge im Laufe eies Jahres. Beim Abschluss eies Versicherugsvertrages weiß der Versicherer
Mehr2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters:
. Schätzverfahre. Puktschätzug wirtschaftlicher Kezahle Allgemei: Puktschätzug eies Parameters: Ermittlug eies Schätzwertes für eie ubekate Parameter eier Zufallsvariable i der Grudgesamtheit mit Hilfe
MehrKapitel 9: Schätzungen
- 73 (Kapitel 9: chätzuge) Kapitel 9: chätzuge Betrachte wir folgedes 9. Beispiel : I eiem Krakehaus wurde Date über Zwilligsgeburte gesammelt. Bei vo 48 Paare hatte die beide Zwillige verschiedees Geschlecht.
MehrDiskrete Zufallsvariablen
Erste Beispiele diskreter Verteiluge Diskrete Zufallsvariable Beroulli-Verteilug Eie diskrete Zufallsvariable heißt beroulliverteilt mit arameter p, falls sie die Wahrscheilichkeitsfuktio p,, f ( ) ( )
MehrTests für beliebige Zufallsvariable
Kapitel 10 Tests für beliebige Zufallsvariable 10.1 Der Chi-Quadrat-Apassugstest Sei x eie gaz beliebige Zufallsvariable, dere Dichtefuktio icht oder icht geau bekat ist. Beispiel: Es seie z.b. mittels
MehrKapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit
- 18 - (Kapitel 3 : Bedigte Wahrscheilichkeite ud Uabhägigkeit) Kapitel 3: Bedigte Wahrscheilichkeite ud Uabhägigkeit Wird bei der Durchführug eies stochastische Experimets bekat, daß ei Ereigis A eigetrete
Mehr1. Wahrscheinlichkeitsrechnung. 2. Diskrete Zufallsvariable. 3. Stetige Zufallsvariable. 4. Grenzwertsätze. 5. Mehrdimensionale Zufallsvariable
1. Wahrscheilichkeitsrechug. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grezwertsätze 5. Mehrdimesioale Zufallsvariable Stetige Zufallsvariable Eie Zufallsvariable X : Ω R heißt stetig, we
Mehr3. Grundbegrie der Schätztheorie
Statistik, Abschitt 3. 3. Grudbegrie der Schätztheorie I der kormatorische Statistik will ma uter aderem auf Grud eier Stichprobe vom Umfag Iformatioe über ubekate Parameter θ der Verteilug F der zugrudeliegede
MehrKovarianz 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
MehrMaximum 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
MehrParameterschätzung. Kapitel Schätzfunktionen
Kapitel 8 Parameterschätzug 8.1 Schätzfuktioe Def. 8.1.1: Es seie X 1,X,...,X uabhägige ZV, die alle die gleiche Verteilug besitze. θ sei ei ubekater Parameter dieser Verteilug. X 1,X,...,X ist als eie
MehrGrundlagen der Biostatistik und Informatik
Vergleich vo mehrere Stichprobe Grudlage der Biostatisti ud Iformati Hypotheseprüfuge III., Nichtparametrische Methode dr László Smeller Semmelweis Uiversität 0 Vergleich vo mehrere Stichprobe Boferroi
MehrKapitel 2: Stochastische Prozesse. Copyright M. Gross, ETH Zürich 2006, 2007
Kaitel 2: Coyright M. Gross, ETH Zürich 2006, 2007 Bedigte Verteiluge Ebeso a die Verbudwahrscheilicheit vo Zufallsvariable über bedigte Wahrscheilicheite ausgedrüct werde i i,, i,, Wiederum ommt eie Produtregel
MehrSchätzen von Populationswerten
Schätze vo Populatioswerte 7.Sitzug 35 Seite, SoSe 003 Schätze vo Populatioswerte Ziel: Ermöglichug vo Aussage über die Grudgesamtheit ahad vo Stichprobedate Logische Methode: Iduktiosschluss Grudlage
Mehr1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6
Ihaltsverzeichis 1 Vorbemerkuge 1 Zufallsexperimete - grudlegede Begriffe ud Eigeschafte 3 Wahrscheilichkeitsaxiome 4 4 Laplace-Experimete 6 5 Hilfsmittel aus der Kombiatorik 7 6 Bedigte Wahrscheilichkeite
MehrKlausur zu,,einführung in die Wahrscheinlichkeitstheorie. Musterlösungen
Istitut für agewadte Mathematik Witersemester 9/ Adreas Eberle, Matthias Erbar, Berhard Hader. (Reelle Zufallsvariable) Klausur zu,,eiführug i die Wahrscheilichkeitstheorie Musterlösuge a) Die Verteilugsfuktio
MehrZenraler Grenzwertsatz
Zeraler Grezwertsatz Ato Klimovsky Zetraler Grezwertsatz. Kovergez i Verteilug. Normalapproximatio. I diesem Abschitt beschäftige wir us mit der folgede Frage. Frage: Wie sieht die Verteilug eier Summe
MehrInduktive Statistik. Formelsammlung. Prof. Dr. W. Assenmacher. Stichprobenraum: Ω = {ω 1, ω 2,...,ω m }
Prof. Dr. W. Assemacher Statistik ud Ökoometrie Uiversität Duisburg-Esse Campus Esse Iduktive Statistik Formelsammlug Stichproberaum: Ω = {ω 1, ω,...,ω m } Vollstädiges System vo Ereigisse {A 1,..., A
MehrBeispiel: 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
MehrMusterlösung. Prüfung Statistik Herbstsemester 2011
Prüfug Statistik Herbstsemester 2011 Musterlösug 1. 9 Pukte Lukas ud Markus habe bisher immer Feiste Mii-Brezel 100g des Herstellers Gammelbrot ud Söhe zum Züi gegesse. Vom städige Hugerklage vo Markus
Mehr11 Likelihoodquotiententests
11 Likelihoodquotietetests I de Paragraphe 7-10 wurde beste Tests UMP-Tests oder UMPU-Tests i spezielle Verteilugssituatioe hergeleitet Hier soll u ei allgemeies Kostruktiosprizip für Tests vo zusammegesetzte
Mehr2 Induktive Statistik
Kapitel 2 Iduktive Statistik Seite 19 2 Iduktive Statistik 2.1 Grudprizipie der iduktive Statistik 2.2 Puktschätzug 2.2.1 Schätzfuktioe Defiitio 2.1 Sei X 1,...,X i.i.d. Stichprobe. Eie Fuktio heißt Schätzer
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Übug 9 1 Ihalt der heutige Übug Statistik ud Wahrscheilichkeitsrechug Iformatioe zur Testatprüfug Besprechug der der Hausübug
MehrZusammenfassung: Statistik
Zusammefassug: Statistik Attribute ud ihre Werte qualitativ: Familiestad, Geschlecht, Kofessio, Ragmerkmal: Schulote, Diestgrad, quatitativ-diskret: Azahl der Fachsemester, quatitativ-stetig: Größe, Etferug,
MehrDer 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
MehrWahrscheinlichkeitstheorie und Statistik
Kapitel 15 Wahrscheilichkeitstheorie ud Statistik Verstädisfrage Sachfrage 1. Erläuter Sie de Begriff der absolute ud relative Häufigkeit eier Stichprobe! 2. Erläuter Sie de Begriff der Klassehäufigkeit
MehrMathematik 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...
MehrEvaluierung 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:
MehrKonfidenzbereiche die auf Runden Normaldaten Basiert Sind
Kofidezbereiche die auf Rude Normaldate Basiert Sid Steve Vardema C-S (Johso) Lee (JQT 001, Comm Stat 00, (003)) Iliaa Vaca (M.S. laufed) 1 Gerudete/Digitale Date Kei eues Problem z. B. gibt es: Sheppard,
MehrX 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.
MehrFormelsammlung zur Statistik
Darstellug uivariater Date Formelsammlug zur Statistik Urliste x i : x 1,... x, aufsteiged geordete Urliste x (i) Die k (verschiedee) Auspräguge: a 1
MehrEmpirische Ökonomie 1 Sommersemester Formelsammlung. Statistische Grundlagen. Erwartungswert und Varianz einer Zufallsvariable.
Empirische Ökoomie 1 Sommersemester 2013 Formelsammlug Hiweis: Alle Variable, Parameter ud Symbole sid wie i de Vorlesugsuterlage defiiert. Statistische Grudlage Erwartugswert Erwartugswert ud Variaz eier
MehrWahrscheinlichkeit & 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
MehrÜbungen mit dem Applet erwartungstreu
Übuge mit dem Applet erwartugstreu Visualisierug vo erwartugstreu Begriffe ud statischer Hitergrud. Visualisieruge mit dem Applet..3. Zufallsstreuug der Eizelwerte...3. Mittelwerte 3.3 Variaz. 4.4 Variaz
MehrGütefunktion und Fehlerwahrscheinlichkeiten Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = Interpretation von Testergebnissen I
6 Hypothesetests Gauß-Test für de Mittelwert bei bekater Variaz 6.3 Gütefuktio ud Fehlerwahrscheilichkeite Rechtsseitiger Test (µ 0 = 500) zum Sigifikaziveau α = 0.30 6 Hypothesetests Gauß-Test für de
MehrNormalverteilung. Standardnormalverteilung. Intervallwahrscheinlichkeiten. Verteilungsfunktion
Normalverteilug Stadardormalverteilug Normalverteilug N(μ, ) mit ichte : Gaußche Glockekurve μ μ μ+ μ >, f ( ) = ( μ) WS 6/7 Prof. r. J. Schütze, FB GW NV π Eigechafte der ichte: - Maimum i μ - mmetrich
MehrStatistische 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
MehrEinführung 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
MehrMathematik 2 für Naturwissenschaften
Has Walser Mathematik 2 für Naturwisseschafte 2 3 3 4 6 4 5 0 0 5 6 5 20 5 6 Modul 209 Tabelle Has Walser: Modul 209, Tabelle ii Ihalt Fakultäte... 2 Biomialkoeffiziete... 2 3 Biomische Verteilug... 3
Mehr3.2 Wilcoxon Rangsummentest
3. Wilcoxo Ragsummetest Wir gehe davo aus, dass zwei Teilstichprobe x 1, x,..., x 1 ud y1, y,..., y vorliege, wobei die erste Teilstichprobe aus Realisieruge vo uabhägig ud idetisch stetig verteilte Zufallsvariable
Mehr2 ISO/BIPM-Leitfaden Guide to the Expression of Uncertainty in Measurement, GUM (2008 überarbeitet, die deutsche Fassung ist [3])
I- Messusicherheite: Lit.: Prof. Dr. Gerz Wahrscheilichkeitsrechug ud Usicherheitsberechug IO/BIPM-Leitfade Guide to the Epressio of Ucertaity i Measuremet, GUM (008 überarbeitet, die deutsche Fassug ist
MehrDiplomvorprüfung Stochastik
Uiversität Karlsruhe TH Istitut für Stochastik Prof. Dr. N. Bäuerle Name: Vorame: Matr.-Nr.: Diplomvorprüfug Stochastik 10. Oktober 2006 Diese Klausur hat bestade, wer midestes 16 Pukte erreicht. Als Hilfsmittel
MehrStatistik für Informatiker, SS Ideen aus der Statistik 2.2 Schätzer und Tests für (Populations-)Mittelwerte
Schätzer ud Kofidezitervall Statistische Tests 1/51 Statistik für Iformatiker, SS 2017 2. Idee aus der Statistik 2.2 Schätzer ud Tests für (Populatios-)Mittelwerte Matthias Birker http://www.staff.ui-maiz.de/birker/statifo17/
Mehr