Klausur zur Vorlesung Biomathematik WS 2003/04. Mittwoch, den 11. Februar 2004
|
|
- Max Fuhrmann
- vor 6 Jahren
- Abrufe
Transkript
1 Klausur zur Vorlesung Biomathematik WS 2003/04 Mittwoch, den 11. Februar : Induktive Statistik (1) Welche Aussage ist richtig? A. Je kleiner der ß-Fehler, desto geringer ist die Power eines Tests. Falsch. Die Power ist 1 ß. Das heißt: Je kleiner der ß-Fehler, desto größer ist die Power und umgekehrt. B. Der ß-Fehler ist vom α-fehler abhängig: Je kleiner der α-fehler festgelegt wird, desto größer wird der ß-Fehler und umgekehrt. Richtig. C. Der ß-Fehler ist unabhängig vom Stichprobenumfang. Falsch. Den ß-Fehler kann man durch den Stichprobenumfang sehr wohl beeinflusse. Je größer dieser ist, umso geringer ist der ß-Fehler. D. Wenn der p-wert kleiner ist als ein zuvor festgelegtes, wird die Nullhypothese beibehalten. Falsch. Wenn p, nimmt man die Alternativhypothese an. Der p-wert quantifiziert die exakte Größe des α-fehlers. E. Ein -Fehler wird gemacht, wenn man fälschlicherweise die Nullhypothese beibehält. Falsch. Das ist ein ß-Fehler oder Fehler 2. Art. Den α-fehler macht man, wenn man fälschlicherweise die Alternativhypothese annimmt. 2: Induktive Statistik (2) In einer Studie wurde die Wirksamkeit von Johanniskraut gegen ein klassisches Antidepressivum (Maprotilin) mit Referenzstatus geprüft. Die Patienten wurden 4 Wochen lang behandelt; im Vorfeld wurde definiert, unter welchen Voraussetzungen die Behandlung als erfolgreich eingestuft werden kann. Von 44 Patienten, die mit Johanniskraut behandelt wurden, zeigte sich bei 27 ein Erfolg (61 %). Mit Maprotilin wurden 42 Patienten behandelt, davon 28 erfolgreich (67 %). Mit dem Chi 2 2 -Vierfeldertest erhält man die Prüfgröße 0, 2621 und den p-wert p 0,6087. Getestet wurde auf dem Niveau 5%. Wie ist das Testergebnis zu interpretieren? A. Der p-wert quantifiziert die Erfolgsrate der Therapie mit Referenzstatus. Falsch. Der p-wert quantifiziert die Irrtumswahrscheinlichkeit, dass das Testergebnis unter der Nullhypothese zustande kommt. Wenn der p-wert klein ist (genauer: wenn p ), ist das Testergebnis schwer mit der Nullhypothese zu vereinbaren. Deshalb nimmt man die Alternativhypothese an. B. Die mit Maprotilin behandelten Patienten weisen eine signifikant höhere Erfolgsrate auf als die mit Johanniskraut behandelten. Falsch. Der Unterschied ist nicht signifikant, da p ( 0,6087 0,05 ) C. Die beiden Therapien sind äquivalent. Falsch. Man kann zwar keinen Unterschied zwischen den beiden Therapien nachweisen. Das bedeutet aber nicht unbedingt, dass die Therapien äquivalent sind. 1
2 D. Mit 60,87%-iger Wahrscheinlichkeit unterscheiden sich die Therapien; über die Richtung des Unterschieds besagt das Testergebnis allerdings nichts. Falsch. Ein Unterschied lässt sich nicht nachweisen, und der p-wert hat eine gänzlich andere Bedeutung (siehe unter Antwort A). E. Keine der Aussagen (A) bis (D) kann geschlussfolgert werden. Richtig! 3: Induktive Statistik (3) Ein Medikament A steht unter Verdacht, Leberschäden zu verursachen. Im Rahmen einer klinischen Studie werden 10 Patienten mit Therapie A und 9 Patienten mit Therapie B behandelt. Der Versuch wird randomisiert und doppelblind geplant. Bei jedem Patient wird das Ferment γ-gt im Serum als Zielgröße gemessen. Die Verteilung dieses Merkmals ist unbekannt. Welcher statistische Test erscheint Ihnen am besten geeignet? A. Der t-test für 2 unverbundene Stichproben ist immer besser geeignet, weil er eine höhere Power hat. Falsch. Die höhere Power ist nicht allein ausschlaggebend; man sollte auch darauf achten, dass die Voraussetzungen annähernd erfüllt sind. B. Man sollte den U-Test anstelle des t-tests verwenden, weil dessen Voraussetzungen eher erfüllt sind. Richtig. Bei einem großen Stichprobenumfang ist der t-test robust gegenüber Verletzungen von seinen Voraussetzungen. Da aber hier kleine Stichprobenumfänge vorliegen und die Voraussetzungen des t-tests nicht überprüft werden können (die Verteilung des Merkmals ist unbekannt wie sollte man die Normalverteilung nachweisen?), sollte man den U-Test nehmen. C. Beide Tests sind gleichermaßen geeignet. Falsch. Der U-Test ist in diesem Fall besser geeignet; siehe Antworten A und B. D. Man sollte mit einem Anpassungstest die Normalverteilung in beiden Stichproben überprüfen. Falls dieser Test zur Beibehaltung der Nullhypothese führt, sollte man den t-test verwenden. Falsch. Das wird zwar häufig so gemacht; aber eigentlich ist diese Vorgehensweise nicht sinnvoll. Bei einem kleinen Stichprobenumfang wird der Anpassungstest immer zur Beibehaltung der Nullhypothese führen. Damit ist die Normalverteilung keineswegs nachgewiesen; es kann nur nicht das Gegenteil nachgewiesen werden. E. Keiner der beiden Tests ist geeignet, da die Stichprobenumfänge der beiden Gruppen ungleich sind. Falsch. Die Stichprobenumfänge brauchen weder beim t-test noch beim U-Test exakt gleich zu sein. 4: Wahrscheinlichkeitsrechnung (1) Bei einer Therapie betrage das Risiko einer schwerwiegenden Nebenwirkung im Einzelfall 10%. Es werden 50 Patienten behandelt. X sei die Anzahl der Patienten, bei denen diese Nebenwirkung auftritt. Welche der folgenden Aussagen ist falsch? A. Die Wahrscheinlichkeit, dass bei maximal 3 Patienten die Nebenwirkung auftritt, ist 2
3 P( X 3) 0,10 0,90 0,139 3 Falsch. Dies ist die Wahrscheinlichkeit, dass genau 3 Patienten eine Nebenwirkung zeigen. Die Wahrscheinlichkeit für maximal drei Patienten ist: 3 50 k 50 k PX ( 3) 0,10 0,90 0, 251 k 0 k B. Die Wahrscheinlichkeit, dass bei keinem einzigen Patienten die Nebenwirkung auftritt, ist P ( X 0) 0, , 005. Richtig. Dies kann man sich ganz einfach mit dem Multiplikationssatz ausrechnen, wenn man zugrunde legt, dass die Nebenwirkung bei den einzelnen Patienten unabhängig auftritt. C. Der Binomialkoeffizient in Antwort A beträgt und quantifiziert die Anzahl der Möglichkeiten, von 50 Patienten genau 3 auszuwählen Richtig D. Theoretisch gilt für jede natürliche Zahl k zwischen 0 und 50 (Grenzen eingeschlossen): P( X k) 0 Richtig. Die Wahrscheinlichkeiten sind zwar unterschiedlich und teilweise sehr klein; aber sie sind alle größer als 0. E. Der Erwartungswert von X beträgt 5; die Varianz ist 50 0,90 0,10 4, 5. Richtig. Bei einer Binomialverteilung ist der Erwartungswert n p 50 0,1 5 2 und die Varianz n p q 50 0,1 0,9 4,5 5: Deskriptive Statistik (1) Zur Datenerfassung und -analyse quantitativer Daten ist es manchmal zweckmäßig, bei jedem Stichprobenwert eine konstante Zahl a zu subtrahieren (z. B. bei der Körperlänge von Erwachsenen a 100 cm ). Die ursprünglichen Daten haben den Mittelwert x und die Standardabweichung s. Wie ändern sich x und s, wenn bei jedem Messwert a subtrahiert wird? A. Beide Kenngrößen bleiben unverändert. Falsch. Anhand der bekannten Formeln leitet man für die Werte xi a einfach her: Mittelwert: Varianz: n n ( x a)/ n x / n na/ n x a i i i 1 i 1 n n (( xi a) ( x a)) /( n 1) ( xi a) /( n 1) s i 1 i 1 Die Variabilität der Daten ändert sich durch die Transformation nicht; also bleiben die Varianz (und damit auch die Standardabweichung) die selbe. B. x x a, s s a Falsch. Siehe Antwort A. C. x x a, s a s Falsch. Siehe Antwort A. Dass diese Aussage falsch sein muss, wird deutlich, wenn man a 0 setzt. Dann würde die Standardabweichung s 0 resultieren und das kann nicht stimmen, da die Standardabweichung der Originaldaten s beträgt. D. x x a, s a s Falsch. Siehe unter Antworten A und C. 3
4 E. x x a, s ändert sich nicht Richtig. Siehe Antwort A. 6: Induktive Statistik (4) Basierend auf der t-verteilung wird aus den Daten einer Stichprobe ein 2-seitiges Konfidenzintervall für den Erwartungswert mit 5% berechnet. Welche Aussage ist falsch? A. Der Mittelwert liegt genau in der Mitte des Intervalls. Richtig. Das geht aus der Formel für das Intervall hervor: x tn 1;1 / 2 s/ n. B. Bei kleinerer Irrtumswahrscheinlichkeit wird das Intervall schmaler. Falsch. Wenn die Irrtumswahrscheinlichkeit sehr klein sein soll, wird das Intervall größer. Man kann das leicht nachvollziehen: Ein Intervall, bei dem man mit 99%-iger Sicherheit (1 % Irrtumswahrscheinlichkeit) annehmen kann, dass es den Erwartungswert enthält, muss breiter sein als ein Intervall, bei dem 5 % Irrtumswahrscheinlichkeit zugrunde liegt. C. Mit 4-fachem Stichprobenumfang halbiert sich die Breite des Intervalls. Richtig. Die Breite ist (siehe Formel in A) 2 tn 1;1 / 2 s/ n. Wenn n durch 4n ersetzt wird, halbiert sich die Breite (wegen n im Nenner). D. Eine geringe Streuung der Daten trägt dazu bei, dass das Intervall schmal wird. Richtig. Bei geringer Streuung werden das s und damit auch die Breite kleiner. E. Die Standardabweichung der Grundgesamtheit wird für die Berechnung des Intervalls nicht benötigt. Richtig. Das geht aus der Formel (unter A) hervor. Nur s ist erforderlich, nicht (das ja normalerweise auch wirklich unbekannt ist). 7: Wahrscheinlichkeitsrechnung (2) Bei einer Screening-Untersuchung werden Patienten ohne nennenswerte Beschwerden mit Hilfe des Hämokulttests auf Darmkrebs untersucht. Die Prävalenz bei dieser Population liegt bei 0,3 %. Der Test fällt bei der Hälfte der erkrankten Personen positiv aus. Wenn eine Person keinen Darmkrebs hat, fällt der Test mit einer Wahrscheinlichkeit von 3 % ebenfalls positiv aus. Ergänzen Sie die Häufigkeiten in der folgenden Tabelle. Welche Aussage ist falsch? Testbefund Darmkrebs Positiv negativ vorhanden nicht vorhanden (gerundet) A. Die Spezifität dieses Tests beträgt 50 %. Falsch. Die Spezifität beträgt / ,9699. Die Sensitivität beträgt 50 % (15/30). B. Der Anteil der falsch negativen Ergebnisse liegt bei 50 %. Richtig. Dieser Anteil ist 15/30 ( = 1 Sensitivität). C. Der positive Vorhersagewert ist unter 5 %. 4
5 Richtig. Der positive Vorhersagewert ist 15/ 315 0,0476. D. Bei einem negativen Befund kann man mit hoher Wahrscheinlichkeit davon ausgehen, dass die betreffende Person keinen Darmkrebs hat. Richtig. Der negative Vorhersagewert beträgt nämlich 15/ ,0015. In Worten: Von negativen Testergebnissen sind nur 15 falsch negativ. E. Wenn der selbe Test in einer anderen Population mit einer höheren Prävalenz durchgeführt wird, ändern sich die Vorhersagewerte. Richtig. Wenn die Prävalenz eine andere ist, ändern sich auch die Vorhersagewerte (nur die Sensitivität und Spezifität bleiben konstant). 8: Deskriptive Statistik (2) Um den Zusammenhang zweier quantitativer Merkmale x und y zu beschrieben, werden der Korrelationskoeffizient r und die Regressionsgerade y a bx bestimmt. Was ändert sich, wenn x und y vertauscht werden? (1) der Korrelationskoeffizient r 2 (2) das Bestimmtheitsmaß r (3) das Vorzeichen von b (4) die Regressionsgerade (beide Parameter a und b) A. Alle Parameter bleiben unverändert. Falsch. Der Korrelationskoeffizient (1) ändert sich nicht (es spielt dabei keine Rolle, welches das x- und welches das y-merkmal ist). Demzufolge ändert sich auch das Bestimmtheitsmaß (2) nicht. Da das Vorzeichen von der Geradensteigung b mit dem Vorzeichen von r übereinstimmt, bleibt auch (3) unverändert. Die Regressionsgerade ändert sich aber, wenn man x und y vertauscht. B. Nur (1) und (2) ändern sich nicht. Falsch. Siehe unter A. C. Nur (4) ändert sich; (1) (3) bleiben unverändert. Richtig. Siehe unter A. D. Es ändert sich lediglich das Vorzeichen von r. Falsch. r ändert sich nicht auch nicht das Vorzeichen. Siehe unter A. E. Alle Parameter ändern sich und müssen neu berechnet werden. Falsch. Siehe unter A. 5
6 9: Induktive Statistik (5) Welche Voraussetzungen müssen beim t-test für 2 unverbundene Stichproben (theoretisch) erfüllt sein? 1. die Daten beider Stichproben entstammen normalverteilten Grundgesamtheiten 2. die Varianzen der beiden Grundgesamtheiten sind gleich 3. der -Fehler beträgt maximal 5% 4. es wird 2-seitig getestet 5. die Stichprobenumfänge stimmen überein A. alle Voraussetzungen müssen erfüllt sein Falsch. Der α-fehler kann beliebig je nach Fragestellung festgelegt werden. Es kann 1-seitig getestet werden; die Stichprobenumfänge müssen keineswegs übereinstimmen. B. alle Voraussetzungen außer 4 müssen erfüllt sein - Falsch. Siehe unter A. C. nur Falsch. Siehe unter A. D. nur 1 und 2 - Richtig. Der t-test für unverbundene Stichproben setzt normalverteilte Grundgesamtheiten mit gleichen Varianzen voraus. E. nur 1 - Falsch. Die Varianzen müssen streng genommen übereinstimmen. Der Welch- Test ist eine Modifikation dahingehend, dass diese Bedingung nicht enthalten ist. 10: Deskriptive Statistik (3) In einer dermatologischen Klinik werden 30 Patienten mit Botulinumtoxin behandelt (zur Verminderung der Falten). Vor der Behandlung wird die Faltenbildung mittels eines Scores folgendermaßen beurteilt (0 = keine Falten, 1 = leichte, 2 = mäßige, 3 = starke Faltenbildung): Ordnen Sie zu: Score Anzahl Mittelwert a. 3,0 2. Median b. 1,6 3. Modus c. 1,5 4. Standardabweichung d. 1,0 5. Spannweite e. 0,93 f. Berechnung ist nicht sinnvoll Es handelt sich um ein ordinal-skaliertes Merkmal; also ist die Berechnung von Mittelwert und Standardabweichung nicht sinnvoll (1f, 4f). Der Median kann berechnet werden. Er ist 1,5 der Durchschnitt aus x(15) 1 und x(16) 2 (2c). Der Modus ist die Ausprägung mit der größten Häufigkeit, also D 1 (3d). Die Spannweite ist 3 0 3, also 5a. A. 1b, 2c, 3d, 4e, 5a - Falsch (wegen 1b, 4e und 5a) B. 1b, 2d, 3d, 4e, 5d - Falsch (wegen 1b, 2d, 4e und 5d). C. 1f, 2f, 3d, 4f, 5a - Falsch (wegen 2f) D. 1f, 2d, 3d, 4f, 5a - Falsch (wegen 2d) E. 1f, 2c, 3d, 4f, 5a - Richtig 6
7 11: Wahrscheinlichkeitsrechnung (3) Bei einer Infektionskrankheit beträgt der Kontagionsindex (Wahrscheinlichkeit, dass sich eine mit dem Erreger in Kontakt gekommene Person infiziert) 0,9. Der Manifestationsindex (Wahrscheinlichkeit, dass eine infizierte Person manifest erkrankt) liegt bei 0,8. Wie groß ist dann die Wahrscheinlichkeit, dass eine mit dem Erreger in Kontakt getretene Person latent erkrankt? Lösung: Nach dem Multiplikationssatz ist die Wahrscheinlichkeit, dass sich eine Person infiziert (Ereignis I) und manifest erkrankt (Ereignis M), gleich: PI ( M) PI ( ) PM ( I) 0,9 0,8 0,72. Die Wahrscheinlichkeit, dass eine infizierte Person latent erkrankt (Ereignis L), ist nach dem Satz von der totalen Wahrscheinlichkeit, 0,2. Dann ist PI ( L) PI ( ) PL ( I) 0,9 0,2 0,18. Also Antwort C. A. 72 % - falsch B. 20 % - falsch C. 18 % - richtig D. 10 % - falsch E. 8 % - falsch 12: Wahrscheinlichkeitsrechnung (4) In der erwachsenen Bevölkerung hat der Cholesteringehalt des Serums eine Verteilung mit einem Erwartungswert 180 und eine Standardabweichung von 20 (mit den Maßeinheiten mg / 100 ml). Wie sind die (theoretisch denkbaren) Mittelwerte verteilt, die sich aus zufälligen Stichproben des Umfangs 16 ergeben? Lösung: Nach dem zentralen Grenzwertsatz sind die Mittelwerte normalverteilt mit x 180 und / n 20/ Also ist D die richtige Lösung. x A. normalverteilt mit x 180 und x 20 - falsch B. normalverteilt mit x 180 und unbekannter Standardabweichung - falsch C. normalverteilt mit x 180 und x 1, 25 - falsch D. normalverteilt mit x 180 und x 5 - richtig E. die Mittelwerte folgen derselben Verteilung wie der Cholesteringehalt des Serums - falsch 13: Versuchsplanung (1) Welche Aussage bezüglich Fall-Kontroll-Studien ist falsch? A. Es handelt sich um retrospektive Studien. - Richtig. B. Die Studien dienen zum Nachweis, dass ein ätiologischer Faktor in Zusammenhang mit einer Krankheit steht. - Richtig. C. Man kann die Odds Ratio berechnen. Diese Maßzahl ist eine Näherung für das relative Risiko, falls die Inzidenz der Krankheit gering ist. - Richtig. 7
8 D. Die Studien haben gegenüber Kohortenstudien den Vorteil, dass die Ergebnisse schneller vorliegen. - Richtig. E. Die Studien haben experimentellen Charakter. Falsch. Es werden nur Daten ausgewertet, die bereits dokumentiert sind oder durch Befragungen erhoben werden müssen. Niemand greift modifizierend in das Geschehen ein. Daher sind alle retrospektiven Studien beobachtend, nicht experimentell. 14: Deskriptive Statistik (4) Bei Patienten mit Diabetes mellitus ergibt sich bezüglich des Zusammenhangs zwischen dem mittleren arteriellen Blutdruck (unabhängiges Merkmal, gemessen in mmhg) und dem Hämoglobingehalt (in %) folgende Regressionsgerade: y 20,19 0,12 x. Der Korrelationskoeffizient r hat den Betrag 0,84. Welche Aussage lässt sich aus diesen Angaben nicht herleiten? A. Der Korrelationskoeffizient ist negativ. Richtig. Da die Regressionsgerade negative Steigung hat, muss der Korrelationskoeffizient ebenfalls negativ sein. B. Etwa 70 % der Varianz des Hämoglobingehalts ist auf den Einfluss des Blutdrucks zurückzuführen. Richtig. Das Bestimmtheitsmaß ist r 2 0,84 2 0,70. Daraus lässt sich die Aussage unter B herleiten. C. Patienten mit einem Blutdruck von 100 mmhg haben einen durchschnittlich 1,2% niedrigeren Hämoglobingehalt als Patienten mit einem Blutdruck von 90 mmhg. Richtig. Das ergibt sich aus der Gleichung der Regressionsgeraden. D. Für einen Bluthochdruckpatienten mit einem Blutdruck von 150 mmhg ist ein Hämoglobingehalt von 2,19 % zu erwarten. Richtig. Man muss nur in die Gleichung der Regressionsgeraden x 150 einsetzen. E. Der beschriebene Zusammenhang ist schwach, da die Regressionsgerade eine geringe Steigung aufweist. Falsch. Die Steigung der Regressionsgeraden sagt nichts darüber aus, ob der Zusammenhang stark oder schwach ist. Wegen r 0,84 ist der Zusammenhang eher stark. 15: Wahrscheinlichkeitsrechnung (5) Die Wahrscheinlichkeit, bei einem Bronchialkarzinom die richtige Diagnose zu stellen, sei 0,8 bei zytologischer Sputumuntersuchung und 0,9 bei histologischer Untersuchung von Material einer Probeexcision. Wir nehmen an, dass die Ergebnisse der beiden Diagnoseverfahren unabhängig voneinander sind. Mit welcher Wahrscheinlichkeit wird ein vorhandenes Karzinom entdeckt, wenn beide Verfahren angewandt werden? Lösung: Es wird der Additionssatz angewandt: P( A B) PA ( ) PB ( ) PA ( B) (wobei A das Ereignis mit Sputumuntersuchung richtige Diagnose stellen und B das Ereignis mit histologischer Unetrsuchung richtige Diagnsoe stellen ). Da A und B unabhängig voneinander sind, ist P( A B) P( A) P( B). Also ist: PA ( B) PA ( ) PB ( ) PA ( ) PB ( ) 0,8 0,9 0,8 0,9 1,70 0,72 0,98 8
9 A. 0,9 falsch, das ist P( B) B. 0,8 falsch, das ist P( A) C. 0,72 falsch, das ist P( A B) P( A) P( B) D. 1,7 falsch, das ist P( A) P( B) E. 0,98 richtig, siehe oben 16: Versuchsplanung (2) Ein Arzt war beteiligt an der Entwicklung einer neuen Therapie. Er ist persönlich davon überzeugt, dass diese neue Therapie der bisher verwendeten Standardtherapie bezüglich ihrer Wirkung überlegen ist. Sie wurde im Tierversuch, bei einzelnen gesunden Probanden und kranken Patienten erfolgreich getestet und zeigte vielversprechende Ergebnisse. Der Arzt will nun nachweisen, dass die neue Therapie besser ist als die bisher verwendete. Welches Studiendesign ist zweckmäßig? A. Um keinen seiner Patienten zu benachteiligen, behandelt der Arzt fortan alle Patienten mit der neuen Therapie. Wenn genügend Ergebnisse bezüglich des Behandlungserfolgs vorliegen, vergleicht er diese mit den Ergebnissen von Patienten, die von ihm in früherer Zeit behandelt worden waren. Falsch. Dies wäre ein historischer Vergleich; dabei sind die beiden Gruppen nicht beobachtungsgleich. B. Er klärt die Patienten auf und behandelt jeden einzelnen Patienten mit der von ihm gewünschten Therapie. Danach vergleicht die beiden Therapiegruppen. Falsch. In diesem Fall kann man nicht annehmen, dass die Gruppen strukturgleich sind. C. Um ein möglichst geringes Risiko einzugehen, behandelt er nur die leichteren Fälle mit der neuen Therapie. Patienten, deren Schweregrad höher eingestuft wird oder die zusätzliche Risiken aufweisen, erhalten sicherheitshalber die Standardtherapie. Danach werden die beiden Gruppen miteinander verglichen. Falsch. Die beiden Gruppen unterscheiden sich bezüglich eienr sehr wichtigen Einflussgröße und sind damit nicht strukturgleich. D. Er behandelt alle seine Patienten mit der neuen Therapie und bittet einen Kollegen in einer anderen Klinik, dass dieser seine Patienten zeitgleich mit der Standardtherapie behandelt. Diese beiden Gruppen werden dann miteinander verglichen. Falsch. Die Gruppen sind nicht beobachtungsgleich; auch Strukturgleichheit kann nicht vorausgesetzt werden. E. Er lässt durch einen Prüfarzt jeden Patienten seiner Klinik zufällig einer der beiden Therapieformen zuweisen und führt eine doppelblinde Studie durch, um danach Vergleiche ziehen zu können. Richtig. Durch die Randomisation ist die Sturkturgleichheit gewährt; durch die Doppelblindheit die Beobachtungsgleichheit. 17: Wahrscheinlichkeitsrechnung (6) Der diastolische Blutdruck bei einer Gruppe von jungen Männern ist normalverteilt mit einem Erwartungswert von 70 mmhg und einer Standardabweichung von 10 mmhg. Welche Aussage folgt daraus? 9
10 A. Etwa die Hälfte dieser Männer hat einen Blutdruck zwischen 60 und 80 mmhg. Falsch. Das Intervall 60 bis 80 mmhg entspricht. In diesem Bereich liegen etwa 68 % aller Messwerte. B. Es ist ausgeschlossen, dass ein Mann aus dieser Population einen diastolischen Blutdruck von mehr als 100 mmhg hat. Falsch. Es ist zwar extrem unwahrscheinlich, dass ein Wert außerhalb des 3σ-Bereichs liegt, aber nicht unmöglich. C. Etwa 95 % der jungen Männer haben einen Blutdruck zwischen 50 und 90 mmhg. Richtig. In diesem Bereich 2 liegen etwa 95 % aller Messwerte. D. Der Median dieser Verteilung kann mit den vorliegenden Informationen nicht bestimmt werden. Falsch. Der Median einer Normalverteilung entspricht deren Erwartungswert und ist in diesem Fall 70 mmhg. E. Wenn man eine Standardabweichung von 14 mmhg zugrunde legt, wird die Glockenkurve schmaler und höher. Falsch. Bei einer größeren Streuung wird die Kurve breiter und niedriger. 18: Induktive Statistik (6) Um die Erfolgsraten 2er Therapien zu vergleichen, eignet sich der Chi 2 -Vierfeldertest. Dabei wird basierend auf 4 beobachteten Häufigkeiten a, b, c und d eine Prüfgröße mit einem dazugehörenden p-wert berechnet ( 5% ). Wie ändern sich die folgenden Kenngrößen, wenn jede der 4 Häufigkeiten verdoppelt wird? 2 2 ( ad bc) n Lösung: Die Prüfgröße wird berechnet als oder allgemein als (wobei E die erwarteten und B die beobachteten Häufigkeiten ( a b) ( c d) ( a c) ( b d) 2 2 ( E B) E sind). Daraus ergibt sich: Wenn man alle Häufigkeiten verdoppelt, verdoppelt sich auch die Prüfgröße. Der p-wert wird dadurch kleiner. Das Ergebnis tendiert also mehr zur Alternativhypothese. A. Die Prüfgröße und der p-wert bleiben unverändert. - Falsch. Siehe oben. B. Die Prüfgröße verdoppelt sich, der p-wert wird kleiner. - Richtig. Siehe oben. C. Die Prüfgröße und der p-wert verdoppeln sich. - Falsch. Siehe oben. D. Die Prüfgröße wird viermal so groß; der p-wert wird kleiner. - Falsch. Siehe oben. E. Diese Frage lässt sich mit den vorliegenden Informationen nicht beantworten. Falsch. Siehe oben. 19: Deskriptive Statistik (5) Im Rahmen einer klinischen Studie mit Neugeborenen werden folgende Merkmale erfasst: (1) Geburtsgewicht in Gramm (2) Alter der Mutter bei der Entbindung (3) Geschlecht des Neugeborenen (1 = männlich, 2 = weiblich) (4) Apgar-Score (0 bis maximal 10 Punkte) (5) Anzahl der vorangegangenen Schwangerschaften der Mutter (6) ID des Säuglings (durchnummeriert nach dem Alphabeth des Nachnamens) 10
11 Welche(s) dieser Merkmale ist (sind) quantitativ? A. alle Merkmale Falsch. Quantitativ sind (1), (2) und (5). Nur bei diesen Merkmalen ist die Berechnung des Mittelwerts erlaubt. Das Geschlecht ist ein Alternativmerkmal und damit qualitativ. Auch die ID ist qualitativ; die Nummerierung dient nur zur Codierung und erlaubt nicht die Berechnung eines Mittelwerts, der vollkommen unsinig wäre. Der Apgar-Score ist ordinal-skaliert und damit ebenfalls qualitativ. B. kein Merkmal - Falsch. Siehe unter A. C. nur (1) und (2) - Falsch. Auch (5) ist quantitativ. (5) unterscheidet sich von (1) und (2) dadurch, dass es diskret ist. D. nur (1), (2) und (5) - Richtig. Siehe unter A. E. nur (1), (2), (4) und (5) - Falsch. (4) ist nur ordinal-skaliert. Die Unterschiede zwischen jeweils 2 Ausprägungen sind nicht definiert. 20: Deskriptive Statistik (6) Welche der folgenden Aussagen ist falsch? A. Für die empirische Verteilungsfunktion gilt allgemein: F ( x) 0, 50 (wobei x den Mittelwert bezeichnet). Falsch. Es gilt allgemein: F( x ) 0,50. B. Der Vergleich zwischen Mittelwert und Median ist nützlich zur Beurteilung, ob die Verteilung symmetrisch oder schief ist. Richtig. Wenn Mittelwert und Median ähnlich groß sind, ist die Verteilung symmetrisch ansonsten ist sie schief. C. Bei Überlebenszeitstudien kann der Median für die Zielgröße Überlebenszeit vor dem Ende der Studie berechnet werden. Richtig. Der Median kann schon berechnet werden, wenn die Hälfte (oder einer mehr) der Patienten verstorben ist. D. Der Mittelwert wird stärker von Ausreißern beeinflusst als der Median. Richtig. E. Wenn bei Überlebenszeitstudien zensierte Daten vorliegen, ist die Berechnung des Mittelwerts auch nach Beendigung der Studie nicht möglich. Richtig. Die mittlere Überlebenszeit kann nur dann berechnet werden, wenn alle Patienten verstorben sind. Bei zensierten Daten ist die genaue Überlebenszeit jedoch unbekannt. 11
Klausur in "Biomathematik" WS 2007 / 2008 Montag, den 28. Januar 2008
Klausur in "Biomathematik" WS 2007 / 2008 Montag, den 28. Januar 2008 Name: Matrikelnummer: Unterschrift: Aufgabe 1: Bei einer klinischen Therapiestudie wird bei allen Patienten der Wert eines quantitativen
MehrLösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001
Lösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001 1. Sensitivität und Spezifität In einer medizinischen Ambulanz haben 30 % der Patienten eine akute Appendizitis. 80 % dieser Patienten haben
MehrKLAUSUR IN BIOMATHEMATIK WS 2007/08 MONTAG, DEN 28. JANUAR 2008
KLAUSUR IN BIOMATHEMATIK WS 2007/08 MONTAG, DEN 28. JANUAR 2008 Name: Matrikelnummer: Unterschrift: Aufgabe 1: Welche der folgenden Aussagen ist falsch? A. Der Median ist weniger stark von Ausreißern beeinflusst
MehrBiomathematik für Mediziner
Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur WS 2002/2003 Aufgabe 1: Man gehe davon aus,
MehrBiomathematik für Mediziner, Klausur SS 2001 Seite 1
Biomathematik für Mediziner, Klausur SS 2001 Seite 1 Aufgabe 1: Von den Patienten einer Klinik geben 70% an, Masern gehabt zu haben, und 60% erinnerten sich an eine Windpockeninfektion. An mindestens einer
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie (3) Überblick. Deskriptive Statistik I 2. Deskriptive
MehrMaReCum Klausur in Biomathematik WS 2006 / 2007 Freitag, den 27. Oktober 2006
MaReCum Klausur in Biomathematik WS 2006 / 2007 Freitag, den 27. Oktober 2006 Name: Matrikelnummer: Unterschrift: Aufgabe 1 In einer kleinen Gemeinde in Baden-Württemberg traten vermehrt Fälle von Q-Fieber
MehrBiomathematik für Mediziner, Klausur WS 1999/2000 Seite 1
Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
MehrDie mit * gekennzeichneten Abschnitte beinhalten Themen, die über die Anforderungen des Gegenstandskatalogs hinausgehen.
Die mit * gekennzeichneten Abschnitte beinhalten Themen, die über die Anforderungen des Gegenstandskatalogs hinausgehen. 1 Einleitung...1 1.1 Die Bedeutung der Statistik für die Medizin...1 1.2 Die medizinische
MehrBiomathematik für Mediziner, Klausur SS 2000 Seite 1
Biomathematik für Mediziner, Klausur SS 2000 Seite 1 Aufgabe 1: Bei der Diagnose einer bestimmten Krankheit mit einem speziellen Diagnoseverfahren werden Patienten, die tatsächlich an der Krankheit leiden,
Mehr5. Seminar Statistik
Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie () WiSe /3 Univariate und bivariate Verfahren Univariate
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests Nach Verteilungsannahmen: verteilungsabhängig: parametrischer [parametric] Test verteilungsunabhängig: nichtparametrischer [non-parametric] Test Bei parametrischen Tests
MehrParametrische vs. Non-Parametrische Testverfahren
Parametrische vs. Non-Parametrische Testverfahren Parametrische Verfahren haben die Besonderheit, dass sie auf Annahmen zur Verteilung der Messwerte in der Population beruhen: die Messwerte sollten einer
MehrStatistische Überlegungen: Eine kleine Einführung in das 1 x 1
Statistische Überlegungen: Eine kleine Einführung in das 1 x 1 PD Dr. Thomas Friedl Klinik für Frauenheilkunde und Geburtshilfe, Universitätsklinikum Ulm München, 23.11.2012 Inhaltsübersicht Allgemeine
MehrEpidemiologie / Biometrie
Wintersemester 2004 / 2005 Epidemiologie / Biometrie Robert Hochstrat 14. März 2005 Zusammenschrift der Übung zur Vorlesung aus dem WS 04/05 Rückfragen, Ergänzungen und Korrekturen an robert hochstrat@web.de
MehrKlausur zur Vorlesung
Institut für Mathematische Stochastik WS 2004/2005 Universität Karlsruhe 14. Februar 2005 Dr. Bernhard Klar Sebastian Müller Aufgabe 1: (15 Punkte) Klausur zur Vorlesung Statistik für Biologen Musterlösungen
MehrKapitel III: Einführung in die schließende Statistik
Kapitel III: Einführung in die schließende Statistik Das zweite Kapitel beschäftigte sich mit den Methoden der beschreibenden Statistik. Im Mittelpunkt der kommenden Kapitel stehen Verfahren der schließenden
MehrKlausur zur Vorlesung
Institut für Mathematische Stochastik WS 2006/2007 Universität Karlsruhe 12. Februar 2007 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Aufgabe 1 (15 Punkte) Klausur zur Vorlesung Statistik für Biologen
MehrChi-Quadrat Verfahren
Chi-Quadrat Verfahren Chi-Quadrat Verfahren werden bei nominalskalierten Daten verwendet. Die einzige Information, die wir bei Nominalskalenniveau zur Verfügung haben, sind Häufigkeiten. Die Quintessenz
MehrKlausur in Epidemiologie SS 2006 Freitag, den 14. Juli 2006
Klausur in Epidemiologie SS 2006 Freitag, den 14. Juli 2006 Name: Matrikelnummer: Unterschrift: Aufgabe 1: Odds Ratio Im Rahmen einer Studie wurden 20 Frauen mit Uteruskarzinom, die stationär behandelt
MehrKonkretes Durchführen einer Inferenzstatistik
Konkretes Durchführen einer Inferenzstatistik Die Frage ist, welche inferenzstatistischen Schlüsse bei einer kontinuierlichen Variablen - Beispiel: Reaktionszeit gemessen in ms - von der Stichprobe auf
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrStichproben Parameterschätzung Konfidenzintervalle:
Stichproben Parameterschätzung Konfidenzintervalle: Beispiel Wahlprognose: Die Grundgesamtheit hat einen Prozentsatz p der Partei A wählt. Wenn dieser Prozentsatz bekannt ist, dann kann man z.b. ausrechnen,
MehrStatistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
Mehr1 EINLEITUNG Allgemeines Kapitelübersicht Gebrauch dieses Buches Verwenden zusätzlicher Literatur...
Inhaltsverzeichnis 1 EINLEITUNG... 1 1.1 Allgemeines... 1 1.2 Kapitelübersicht... 2 1.3 Gebrauch dieses Buches... 3 1.4 Verwenden zusätzlicher Literatur... 4 DESKRIPTIVE STATISTIK 2 GRUNDLAGEN... 5 2.1
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 12. Januar 2011 1 Vergleich zweier Erwartungswerte Was heißt verbunden bzw. unverbunden? t-test für verbundene Stichproben
Mehr2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.15. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler unter allen Wählern war 2009 auf eine Nachkommastelle gerundet genau 33.7%. Wie groß ist die Wahrscheinlichkeit,
MehrBiomathematik für Mediziner
Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur SS 2003 Aufgabe 1: Welche der unten angegebenen
MehrBSc Bioinformatik Wintersemester 2013/2014 Nachklausur zur Statistik I Freie Universität Berlin
Sc ioinformatik Wintersemester 013/014 Nachklausur zur Statistik I Freie Universität erlin 4. pril 014 Matrikelnummer Nachname Vorname Unterschrift ufgabe 1 (4 Punkte): Zu einem Wahrscheinlichkeitsraum
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2
MehrBiomathematik für Mediziner, Klausur WS 2003/2004 Seite 1
Biomathematik für Mediziner, Klausur WS 2003/2004 Seite 1 Aufgabe 1: Prüfe, welche der folgenden Merkmale qualitativ sind: (a) Blutgruppe (b) Pulsfrequenz (c) Erkrankung an Scharlach (d) Teilnahme an einem
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrHypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests
ue biostatistik: hypothesen, fehler 1. und. art, power 1/8 h. lettner / physik Hypothesen: Fehler 1. und. Art, Power eines statistischen Tests Die äußerst wichtige Tabelle über die Zusammenhänge zwischen
MehrWahrscheinlichkeitsrechnung und Statistik
10. Vorlesung - 017 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 heißt Median. P(X < z α ) α P(X z α ). Falls X stetige zufällige Variable
Mehrfh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik
fh management, communication & it Folie 1 Überblick Grundlagen (Testvoraussetzungen) Mittelwertvergleiche (t-test,..) Nichtparametrische Tests Korrelationen Regressionsanalyse... Folie 2 Überblick... Varianzanalyse
MehrStatistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
MehrSchließende Statistik
Schließende Statistik Die schließende Statistik befasst sich mit dem Rückschluss von einer Stichprobe auf die Grundgesamtheit (Population). Die Stichprobe muss repräsentativ für die Grundgesamtheit sein.
Mehr2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.11. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler 2009 war genau 33.7%. Wie groß ist die Wahrscheinlichkeit, in einer Zufallsstichprobe von 1000 Personen genau
MehrStatistical Coaching. Thomas Forstner
Statistical Coaching Thomas Forstner Diagnoseverfahren Allgemein Vergleich: wahrer Befund mit Test (Diagnose) wahrer Befund muss bekannt sein (Goldstandard) 3 Analogie zur Testtheorie 4 Beurteilung von
MehrPROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale)
PROC MEAS zum Berechnen statistischer Maßzahlen (für quantitative Merkmale) Allgemeine Form: PROC MEAS DATA=name Optionen ; VAR variablenliste ; CLASS vergleichsvariable ; Beispiel und Beschreibung der
Mehr1. Einführung in die induktive Statistik
Wichtige Begriffe 1. Einführung in die induktive Statistik Grundgesamtheit: Statistische Masse, die zu untersuchen ist, bzw. über die Aussagen getroffen werden soll Stichprobe: Teil einer statistischen
MehrAngewandte Statistik 3. Semester
Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen
MehrModul 141 Statistik. 1. Studienjahr 11. Sitzung Signifikanztests
Modul 141 Statistik 1. Studienjahr 11. Sitzung Signifikanztests Inhalt der 11. Sitzung 1. Parametrische Signifikanztests 2. Formulierung der Hypothesen 3. Einseitige oder zweiseitige Fragestellung 4. Signifikanzniveau
MehrStatistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli
MehrWahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
MehrGrundbegriffe. Allgemein. Merkmale. Verschiedene Variablen
Biometrie 1 Grundbegriffe Allgemein Grundgesamtheit: Die Menge aller Objekte, auf die sich die Aussage einer Studie beziehen soll Stichprobe (=n): Der Teil der Grundgesamtheit, der befragt/ untersucht
MehrÜbung zur Vorlesung Statistik I WS Übungsblatt 12
Übung zur Vorlesung Statistik I WS 2013-2014 Übungsblatt 12 20. Januar 2014 Die folgenden ufgaben sind aus ehemaligen Klausuren! ufgabe 38.1 (1 Punkt: In einer Studie werden 10 Patienten therapiert. Die
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
MehrGlossar Biometrie / Statistik. Auszug für Fragebogen Fallzahlberechnung/-begründung
Glossar Biometrie / Statistik A Äquivalenztest Der Äquivalenztest beurteilt die Gleichwertigkeit von Therapien. Beim Äquivalenztest werden als Hypothesen formuliert: Nullhypothese H 0 : Die Präparate sind
Mehr7.2 Mittelwert einer Stichprobe
66 7.2 Mittelwert einer Stichprobe Gegeben ist eine normalverteilte Grundgesamtheit. Mit Hilfe einer Stichprobe möchten wir Aussagen über den unbekannten Mittelwert µ dieser Grundgesamtheit machen. Wenn
MehrFit for Abi & Study Stochastik
Fit for Abi & Study Stochastik Prof. Dr. Tilla Schade Hochschule Harz 15. und 16. April 2014 No. 1 Stochastik besteht aus: Wahrscheinlichkeitsrechnung Statistik No. 2 Gliederung Grundlagen Zufallsgrößen
MehrStatistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de
rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrNachklausur zur Vorlesung
Institut für Mathematische Stochastik WS 003/004 Universität Karlsruhe 30. April 004 Priv.-Doz. Dr. D. Kadelka Nachklausur zur Vorlesung Statistik für Biologen Musterlösungen Aufgabe 1 Gemessen wurde bei
MehrInhaltsverzeichnis. 0 Einleitung 1
Inhaltsverzeichnis 0 Einleitung 1 1 Univariate Statistik 3 1.1 Begriffsdefinitionen... 3 1.1.1 Beobachtungseinheit, Merkmal... 3 1.1.2 Merkmalstypen... 3 1.1.3 Skalenniveaus... 4 1.1.4 Häufigkeiten...
MehrZusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen
Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Stetige und diskrete Wahrscheinlichkeitsverteilungen Lageparameter Streuungsparameter Diskrete und stetige Zufallsvariablen Eine Variable (oder Merkmal
MehrFallzahlplanung bei unabhängigen Stichproben
Fallzahlplanung bei unabhängigen Stichproben Seminar Aktuelle biometrische Probleme Benjamin Hofner benjamin.hofner@stat.uni-muenchen.de 12. Januar 2005 Übersicht 1. Einführung und Grundlagen der Fallzahlplanung
MehrHinweis: Es sind 4 aus 6 Aufgaben zu bearbeiten. Werden mehr als 4 Aufgaben bearbeitet, werden nur die ersten vier Aufgaben gewertet.
11.01.2012 Prof. Dr. Ingo Klein Klausur zur VWA-Statistik Hinweis: Es sind 4 aus 6 Aufgaben zu bearbeiten. Werden mehr als 4 Aufgaben bearbeitet, werden nur die ersten vier Aufgaben gewertet. Aufgabe 1:
MehrKlausurvorbereitung - Statistik
Aufgabe 1 Klausurvorbereitung - Statistik Studenten der Politikwissenschaft der Johannes Gutenberg-Universität wurden befragt, seit wie vielen Semestern sie eingeschrieben sind. Berechnen Sie für die folgenden
Mehr(A) Alle Frauen hatten die gleiche Anzahl von Schwangerschaften; über den spezifischen Wert m kann nichts ausgesagt werden.
Aufgabe 1 Im Rahmen einer Beobachtungsstudie wird bei 12 Frauen die Anzahl der vorangegangenen Schwangerschaften erfasst. Für dieses Merkmal ergeben sich ein Mittelwert m und eine Standardabweichung 0.
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 15 009 FernUniversität in Hagen Alle Rechte vorbehalten Fachbereich Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
MehrJost Reinecke. 7. Juni 2005
Universität Bielefeld 7. Juni 2005 Testtheorie Test für unabhängige Stichproben Test für abhängige Stichproben Testtheorie Die Testtheorie beinhaltet eine Reihe von Testverfahren, die sich mit der Überprüfung
MehrNormalverteilung. Erwartungswert, Median und Modus sind identisch. Symmetrieeigenschaft um den Erwartungswert
Normalverteilung Stetige Wahrscheinlichkeitsverteilung, die zahlreiche natur, wirtschafts und sozialwissenschaftliche Merkmalsausprägungen mit guter Näherung abbilden kann und somit von elementarer Bedeutung
MehrStatistik-Klausur A WS 2009/10
Statistik-Klausur A WS 2009/10 Name: Vorname: Immatrikulationsnummer: Studiengang: Hiermit erkläre ich meine Prüfungsfähigkeit vor Beginn der Prüfung. Unterschrift: Dauer der Klausur: Erlaubte Hilfsmittel:
MehrBrückenkurs Statistik für Wirtschaftswissenschaften
Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München
MehrI. Deskriptive Statistik 1
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Grundgesamtheit und Stichprobe.................. 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................
MehrWahrscheinlichkeitsrechnung und schließende Statistik
Karl Mosler Friedrich Schmid Wahrscheinlichkeitsrechnung und schließende Statistik Vierte, verbesserte Auflage Springer Inhaltsverzeichnis 0 Einführung 1 1 Zufalls Vorgänge und Wahrscheinlichkeiten 5 1.1
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage
MehrStatistische Tests. Kapitel Grundbegriffe. Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe
Kapitel 4 Statistische Tests 4.1 Grundbegriffe Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe X 1,..., X n. Wir wollen nun die Beobachtung der X 1,...,
Mehr4.1. Nullhypothese, Gegenhypothese und Entscheidung
rof. Dr. Roland Füss Statistik II SS 8 4. Testtheorie 4.. Nullhypothese, Gegenhypothese und Entscheidung ypothesen Annahmen über die Verteilung oder über einzelne arameter der Verteilung eines Merkmals
Mehra) Man bestimme ein 95%-Konfidenzintervall für den Anteil der Wahlberechtigten, die gegen die Einführung dieses generellen
2) Bei einer Stichprobe unter n=800 Wahlberechtigten gaben 440 an, dass Sie gegen die Einführung eines generellen Tempolimits von 100km/h auf Österreichs Autobahnen sind. a) Man bestimme ein 95%-Konfidenzintervall
MehrStichwortverzeichnis. Symbole
Stichwortverzeichnis Symbole 50ste Perzentil 119 A Absichern, Ergebnisse 203 Abzählbar unendliche Zufallsvariable 146 Alternativhypothese 237 238 formulieren 248 Anekdote 340 Annäherung 171, 191 Antwortquote
MehrEinfache Varianzanalyse für unabhängige Stichproben
Einfache Varianzanalyse für unabhängige Stichproben VARIANZANALYSE Die Varianzanalyse ist das dem t-test entsprechende Mittel zum Vergleich mehrerer (k 2) Stichprobenmittelwerte. Sie wird hier mit VA abgekürzt,
MehrGlossar und Formelsammlung. Hazard Rate. Hazard Ratio =
Glossar und Formelsammlung Hazard Rate Die Hazard Rate steht für das Risiko, genau zum Zeitpunkt t ein Ereignis bei Überlebenszeitanalysen den Tod zu erleiden. Es handelt sich demnach um eine vom Zeitpunkt
MehrLösungen Klausur Statistik 2/re/soz
Lösungen Klausur Statistik /re/soz. Juli 009 1. Hier sind drei Datenreihen spaltenweise angegeben. Bei der Durchführung von verschiedenen Berechnungen ist leider einiges durcheinandergekommen. Zehn Zahlen
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-06) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrTest auf den Erwartungswert
Test auf den Erwartungswert Wir interessieren uns für den Erwartungswert µ einer metrischen Zufallsgröße. Beispiele: Alter, Einkommen, Körpergröße, Scorewert... Wir können einseitige oder zweiseitige Hypothesen
MehrWahrscheinlichkeit und Statistik BSc D-INFK
Prof. Dr. P. Bühlmann ETH Zürich Winter 2010 Wahrscheinlichkeit und Statistik BSc D-INFK 1. (10 Punkte) Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete
MehrPhilipp Sibbertsen Hartmut Lehne. Statistik. Einführung für Wirtschafts- und. Sozialwissenschaftler. 2., überarbeitete Auflage. 4^ Springer Gabler
Philipp Sibbertsen Hartmut Lehne Statistik Einführung für Wirtschafts- und Sozialwissenschaftler 2., überarbeitete Auflage 4^ Springer Gabler Inhaltsverzeichnis Teil I Deskriptive Statistik 1 Einführung
MehrSozialwissenschaftlerInnen II
Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Testen von Hypothesen
MehrWichtige Definitionen und Aussagen
Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge
MehrZeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: k = n (n + 1) 2
Aufgabe 1. (5 Punkte) Zeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: n k = k=1 n (n + 1). 2 Aufgabe 2. (5 Punkte) Bestimmen Sie das folgende Integral mithilfe partieller
MehrAnpassungstests VORGEHENSWEISE
Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel
MehrSozialwissenschaftlerInnen II
Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Wahrscheinlichkeitsfunktionen
MehrKlausur (Modulprüfung) zum Lehrerweiterbildungskurs Stochastik am von 10:00 bis 11:00 Uhr
Klausur (Modulprüfung) zum Lehrerweiterbildungskurs Stochastik am 5..201 von 10:00 bis 11:00 Uhr Bearbeiten Sie zwei der drei folgenden Aufgaben! Sätze aus der Vorlesung und den Übungen dürfen Sie ohne
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2013 Aufgabe 1 In einer Urne
Mehr3 Grundlagen statistischer Tests (Kap. 8 IS)
3 Grundlagen statistischer Tests (Kap. 8 IS) 3.1 Beispiel zum Hypothesentest Beispiel: Betrachtet wird eine Abfüllanlage für Mineralwasser mit dem Sollgewicht µ 0 = 1000g und bekannter Standardabweichung
MehrWahrscheinlichkeitsrechnung mathematische Statistik und statistische Qualitätskontrolle
Wahrscheinlichkeitsrechnung mathematische Statistik und statistische Qualitätskontrolle von Dipl.-Math. Regina Storm Mit 66 Bildern Zweite, überarbeitete und erweiterte Auflage VEB FACHBUCHVERLAG LEIPZIG
MehrZeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: n (2k 1) = n 2.
Aufgabe 1. (5 Punkte) Zeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: n k=1 (2k 1) = n 2. Aufgabe 2. (7 Punkte) Gegeben sei das lineare Gleichungssystem x + 2z = 0 ay
MehrDie Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
MehrFERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT
FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management
Statistik für Betriebswirtschaft und International Management Sommersemester 2014 Prof. Dr. Stefan Etschberger HSA Streuungsparameter Varianz Var(X) bzw. σ 2 : [x i E(X)] 2 f(x i ), wenn X diskret Var(X)
MehrAufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97.
Aufgabenblock 4 Aufgabe ) Da s = 8. cm nur eine Schätzung für die Streuung der Population ist, müssen wir den geschätzten Standardfehler verwenden. Dieser berechnet sich als n s s 8. ˆ = = =.88. ( n )
MehrErmitteln Sie auf 2 Dezimalstellen genau die folgenden Kenngrößen der bivariaten Verteilung der Merkmale Weite und Zeit:
1. Welche der folgenden Kenngrößen, Statistiken bzw. Grafiken sind zur Beschreibung der Werteverteilung des Merkmals Konfessionszugehörigkeit sinnvoll einsetzbar? A. Der Modalwert. B. Der Median. C. Das
MehrKlausur vom
UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Dominik Faas Stochastik Wintersemester 00/0 Klausur vom 09.06.0 Aufgabe (++4=9 Punkte) Bei einer Umfrage wurden n Personen befragt, an wievielen Tagen
MehrZweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz
Grundlage: Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz Die Testvariable T = X µ 0 S/ n genügt der t-verteilung mit n 1 Freiheitsgraden. Auf der Basis
Mehr