Simulationen mit SAS, dargestellt für die Erzeugung der Prüfgröße des David-Tests
|
|
- Artur Reuter
- vor 6 Jahren
- Abrufe
Transkript
1 Statistik Simulatioe mit SAS, dargestellt für die Erzeugug der Prüfgröße des David-Tests Berd Jäger, Michael Wody Paul Eberhard Rudolph Uiversität Greifswald, Istitut für Biometrie ud Mediziische Iformatik Forschugsistitut für die Biologie ladwirtschaftlicher Nutztiere Walther-Ratheau-Str. 48 Wilhelm-Stahl-Allee Greifswald Dummerstorf jaeger@biometrie.ui-greifswald.de rudolph@fb-dummerstorf.de Zusammefassug Im Statistiksystem SAS stehe viele Grudfuktioe zur Erzeugug vo Pseudozufallszahle zur Verfügug. Mit ihrer Hilfe geligt es, das Ziehe vo Stichprobe zu simuliere. Parameterschätzuge ud Prüfgröße statistischer Tests sid Stichprobefuktioe. Damit ist es möglich, sich Realisieruge eier Schätzug bzw. eier Prüfgröße aus gezogee Stichprobe zu verschaffe. Mit ausreiched großem Simulatiosumfag lässt sich auf diese Art eie Häufigkeitsverteilug gewie, die der zu beschreibede Schätz- bzw. Testverteilug ahe kommt. Die Prüfgröße des David-Tests für verschiedee Stichprobeumfäge werde auf diese Weise erzeugt, ihre empirische Quatile ermittelt ud mit de Tabellewerte vergliche. Keywords: David-Test, Simulatio mit SAS, Simulatio der Testgröße, Vergleich exakte ud simulierte Testgröße 1 Eileitede Beispiele Im Techikbereich werde die Parameter der N(µ,σ²)-Verteilug aus kleie Stichprobe (2 10) oftmals icht durch die erwartugstreue Maximum-Likelihood-Schätzug m1 = xi / für µ ud die Schätzug i= 1 81
2 B. Jäger, M. Wody, P. E. Rudolph 2 s1 = ( 1 ) /( 1) xi m für σ bestimmt. Die Schätzug s 1 ist erwartugstreu ud asymptotisch der Maximum-Likelihood-Schätzug äquivalet. i= 1 Ma bestimmt Mittelwert µ ud Streuug σ häufig durch die wesetlich leichter zu berechede m 2 = ( x + x( ) )/ 2 ud s2 = ( x( ) x )/ α. Dabei bedeute x (i) der i-te Wert der der Größe ach geordete Messreihe ud α ei tabellierter Korrekturfaktor. I der Literatur heiße m 2 auch Spaweitemitte bzw. midrage ud x( ) x(1 ) Spaweite bzw. statistical rage. (2) Der David-Test, ei Eistichprobetest auf Normalverteilug, hat als Prüfgröße D = ( X ( ) X )/ S ud bemisst damit das Verhältis vo Spaweite ud Streuug. (3) Der Zusammehag des Schätzproblems 1. ud des Testproblems 2. wird durch die Gleichug für s 2 vermittelt. Wird diese ach α umgestellt, α = ( X ( ) X )/ S, erhält ma auf der rechte Seite der Gleichug die Prüfgröße des David-Tests. Die i der Literatur mitgeteilte Tabellewerte α = E D) = E X X S, d.h. der Korrekturfaktor sid daach ( ) ) 82 ( ( ) / α ist der Erwartugswert der Prüfgröße des David-Tests. 2 Theoretische Beschreibug Aus eier Grudgesamtheit mit stetiger Verteilug wird eie Stichprobe ( X 1, X 2,..., X ) vom Umfag gezoge. Diese wird aufsteiged geordet ( X ( 1) X (2)... X ( ) ). We die Zufallsgröße X i, (i=1,2,,), die Dichtefuktio f(x) ud die Verteilugsfuktio F(x) besitze, so sid die Dichtefuktioe der so geate Ordugsstatistike X (i) gegebe durch! i 1 i f X ( x) F( x) (1 F( x)) f ( x) ( i = ) ( i 1)!( i)! ud die Verteilugsfuktioe der Ordugsstatistike durch
3 Statistik r r FX i ( x) = F( x) (1 F( x)) ( ) r= i r. Die Abbilduge 1 ud 2 illustriere für eie Stichprobe vom Umfag = 7 aus eier N(0,1)-verteilte Grudgesamtheit Dichte- ud Verteilugsfuktioe der Ordugsstatistike X ( 1), X (2),..., X (7). Isbesodere besitze die Dichtefuktioe der Zufallsgröße X = MIN X, X,..., X ) ud X = MAX X, X,..., X ), die für ( 1) ( 1 2 ( ) ( 1 2 die Spaweite beötigt werde, die Darstellug 1 f ( x) = f ( x) = (1 F( x)) f ( ) ud f X x ( 1) MIN 1 ( x) = f ( x) = F( x) f ( ). X x ( ) MAX Für die Verteilugsfuktioe gelte F ( x) = F ( x) = 1 (1 F( x)) ud X ( 1) MIN F ( x) ) X = FMAX ( x) F( x. = ( ) Abb. 1: Dichtefuktioe der Ordugsstatistike X ( 1), X (2),..., X ( ) für Stichprobe des Umfags = 7 aus N(0,1)-verteilter Grudgesamtheit 83
4 B. Jäger, M. Wody, P. E. Rudolph Abb. 2: Verteilugsfuktioe der Ordugsstatistike X ( 1), X (2),..., X ( ) für Stichprobe des Umfags = 7 aus N(0,1)-verteilter Grudgesamtheit Daraus ka ma auf die Dichte ud Verteiluge vo M 2, S 2 ud D schließe, die ihrerseits Fuktioe vo X ud X () sid. Für die Spaweite W = X () - X erhält ma ach Balakrisha ud Cohe (1991) die Dichte g( w) 2 = ( 1) ( F( x + w) F( x)) f ( x) f ( x + w) dx ud die Verteilug G( w) 1 = ( F( x + w) F( x)) f ( x) dx, i beide Fälle für 0 w. Diese Formel erlaube i spezielle Fälle weitere Vereifachuge. Im betrachtete Beispiel hadelte es sich um 84
5 Statistik die Normalverteilug N(0,1), bei der bereits die Verteilugsfuktio F(x) ur durch umerische Itegratio zu erhalte ist, ud ma ist leider auf Näherugsverfahre der Itegratio agewiese. Mit dem eifachste Summatiosverfahre (SAS-Programm im Ahag) sid Dichte- ud Verteilugsfuktio bestimmt ud i de Abbilduge 3 ud 4 dargestellt. Abb. 3: Dichte der Spaweite aus Stichprobe vom Umfag = 10 aus eier Stadardormalverteilug Darüber hiaus ist für die Berechug des Erwartugswertes α = E( D) = E( X ( ) X )/ S ) = E( W / S) die Dichte des Quotiete der Zufallsgröße W ud S zu bestimme, eie weitere Schwierigkeit bei der Kalkulatio. Auf die vollstädige Herleitug der Dichte ud Verteilug der David-Prüfgröße soll hier verzichtet werde mit dem Hiweis auf die Origialarbeit vo David u. a. (1954). 85
6 B. Jäger, M. Wody, P. E. Rudolph Abb. 4: Verteilug der Spaweite aus Stichprobe vom Umfag = 10 aus eier Stadardormalverteilug 3 Das Simulatiosexperimet Das Simulatiosexperimet läuft ach folgedem Schema ab: Gebe die Parameter der Normalverteilug µ ud σ vor (o.b.d.a. seie µ = 0 ud σ = 1). (2) Ziehe eie Stichprobe vom Umfag vo N(0,1)-verteilte Zufallszahle mittels der SAS-Fuktio NORMAL(x). Für de Fall µ 0 ud σ 1 liefert die Trasformatio µ + σ NORMAL(x) Zufallszahle, die N(µ, σ²)-verteilt sid. (3) Bereche daraus Realisieruge der Zufallsgröße M = MEAN X, X,..., X ), X = MIN X, X,..., X ), 86 1 ( 1 2 ( ) MAX ( X 1, X 2,..., X STD( X 1, X 2,..., X ) ( 1) ( 1 2 X = ), W = X ( ) X, S = ud D = ( X X )/ S. ( ) (4) Wiederhole die Schritte bis (3) hireiched oft. Der Simulatiosumfag ka so bestimmt werde, dass die Geauigkeitsforderug bezüglich
7 Statistik der Differez zwische empirischer Häufigkeitsverteilug ud Verteilug mit hoher Wahrscheilichkeit eigehalte wird. Das liefert der Satz vo Kolmogorov ud Smirov. Es wurde ei Simulatiosumfag vo = festgelegt. Die Wahrscheilichkeit ist 0.05, dass das Supremum der absolute Differez der exakte Verteilug ud der empirische Verteilug uterhalb liegt. 37 Der data step des Simulatiosprogramms ist im Ahag 2 zu fide. 4 Ergebisse Die Schätzug M 1 ist erwartugstreu ud hat die Miimalvariaz ach der Rao-Cramer-Ugleichug. Sie ist als Maximum-Likelihood-Schätzug (asymptotisch) ormalverteilt. Da im Simulatiosexperimet die Stichprobe vom Umfag = 10 aus eier Stadardormalverteilug stammte, hat die Zufallsgröße Mittelwert M 1 folglich eie Normalverteilug N(µ,σ 2 /) = N(0,0.1) = N(0, ). Die erwartete (asymptotische) Normaldichte ist i der Abbildug 5 markiert. Die Zufallsgröße M 2 hat demgegeüber eie deutlich größere Variaz (siehe Abbildug 6). Die gleiche Miimaleigeschafte sieht ma i Abbildug 7 bei de Schätzuge der Stadardabweichuge. Maximum-Likelihood-Schätzuge habe asymptotisch stets die Miimalvariaz ach der Rao-Cramer-Ugleichug. Über die Verteilug vo S 1 weiß ma darüber hiaus, dass S 1 2 Chi²-verteilt mit dem Freiheitsgrad ist. 38 Abbildug 9 gibt diese simulierte Chi²-Verteilug wieder. 37 We S (x) die empirische Verteilugsfuktio, ermittelt aus eier Stichprobe vom Umfag, ud F(x) die uterliegede exakte Verteilug bezeichet, so gilt für die Prüfgröße D = sup F ( x) S ( x) < x < + des Kolmogorov-Smirov-Testes, dass sie wie folgt verteilt ist λ 2 2 lim ( ) lim ( ) k Q λ = P = = ( 1) exp ( 2 ). D < Q λ k λ k = 38 Selbstverstädlich kovergiert die Schätzug S 1 ebefalls asymptotisch gege eie Normalverteilug. We die Stichprobe aus eier N(µ,σ²)- Verteilug stammt, ist S 1 ach N(µ,σ 2 mi ) verteilt, wobei, σ 2 mi =1/( I) mit I als so geater Fisher-Iformatio. 87
8 B. Jäger, M. Wody, P. E. Rudolph Abb. 5: Simulierte Größe M 1 88 Abb. 6: Simulierte Größe M 2
9 Statistik Abb. 7: Simulierte Größe S 1 S 2 = X X / α Abb. 8: Simulierte Größe ( ( ) ) 89
10 B. Jäger, M. Wody, P. E. Rudolph Abb. 9: Zufallsgröße S 1 2 ist Chi²-verteilt mit dem Freiheitsgrad =10 Abb. 10: Simulierte Hf-verteilug (Stere) u. exakte Dichte (Liie) der Spaweite bei Stichprobeumfag = 10 aus N(0,1)-vert. Grudgesamtheit 90
11 Statistik Die Abbildug 10 stellt die Ergebisse der Simulatio i Bezug auf die Spaweite dar. Ma vergleiche diese Häufigkeitsverteilug mit der zugehörige exakte Dichte der Spaweite i Abbildug 3. Mit der PROC UNIVARIATE lasse sich die Quatile der simulierte David-Testgröße ermittel. Diese stimme sehr gut mit de i der Literatur mitgeteilte exakt berechete Quatile überei. Programmtechisch wurde das Simulatiosprogramm ud die PROC UNIVARIATE i ei Macro eigebaut. Eigabevariable ist der Stichprobeumfag ud Ausgabevariable der Vektor der Quatile. Tabelle 1 gibt i Abhägigkeit vom Stichprobeumfag die empirische Q 0.005, Q 0.01, Q 0.025, Q 0.05, Q 0.10, Q 0.90, Q 0.95, Q 0.975, Q 0.99 ud Q a. Die exakte Quatile aus der Literatur sid dabei de simulierte gegeübergestellt. Abweichuge trete i weige Fälle a der zweite Dezimalstelle auf, die Regel sid Abweichuge a der dritte Dezimalstelle. Die Vorgehesweise bei der Berechug der Tabellewerte ach David u.a. (1954) wurde referiert vo M.P. Geppert im Zetralblatt für Mathematik, vol.56, p.366 wie folgt: Zu dem Zwecke werde aus de bekate Momete vo W (Spaweite) ud S (Streuug) diejeige vo D exakt berechet ud Pearso-Kurve, dere erste vier Momete mit dejeige vo D übereistimme, zur Approximatio der ubekate exakte Verteilug vo D beutzt. Bei Dichte aus dem Pearso-System besteht eie eieideutige Beziehug zwische de Koeffiziete der beschreibede Differetialgleichug ud de erste vier Momete. Ab füfte Momet aufwärts sid die Verteiluge vo D ud ihrer Pearso-Approximatio i der Regel differet. Deshalb ist die Bezeichug exakte Quatile i der Literatur vermesse. Die exakte Quatile sid icht die vo D, soder die der zugehörige Pearso- Verteilug. Bedekt ma darüber hiaus, dass der Fehler zwische der simulierte ud der exakte David-Verteilug mittels des Satzes vo Kolmogorov ud Smirov quatifiziert ud durch Vergrößer des Simulatiosumfags beliebig verkleiert werde ka, sollte ma die Simulatiosmethode favorisiere, weil im Gegesatz zur klassische Vorgehesweise ihre Approximatio kalkulierbar ist. 91
12 B. Jäger, M. Wody, P. E. Rudolph Tabelle 1: Exakte ud simulierte Quatile des David-Tests für Stichprobeumfäge = 3 bis 20, 25, 30, 35, 40 ud 50 Stich- Quatile Q probeumfag simuliert simuliert simuliert simuliert simuliert simuliert simuliert simuliert simuliert simuliert simuliert simuliert
13 Statistik Stich- Quatile Q probeumfag simuliert simuliert simuliert simuliert simuliert simuliert simuliert simuliert simuliert simuliert simuliert
14 B. Jäger, M. Wody, P. E. Rudolph Literatur [1] Balakrisha, N., Cohe, A. C. (1991). Order Statistics ad iferece, Academic Press,Ic., Sa Diego [2] David, H. A., Hartley, H. O., Pearso, E. S. (1954). The distributio of the ratio i a sigle ormal sample of rage to stadard deviatio. Biometrika 41, [3] Efro, B., Tibshirai, R.J. (1993). A itroductio to the bootstrap, Chapma & Hall, Ic., New York, Lodo, [4] Fisz, M.: Wahrscheilichkeitsrechug ud mathematische Statistik, Dt. Verl. d. Wiss., Berli,1989 [5] Pearso, E. S., Stephes, M. A. (1964). The ratio of rage to stadard deviatio i the same ormal sample. Biometrika 51, [6] SAS Istitute Ic. (1989), SAS/STAT User s Guide, Versio 6, Fourth Editio, Volume 1, Cary, NC: SAS Istitute Ic. [7] Ahag Ahag 1: Programm zur Berechug vo Dichte ud Verteilug der Ordugsstatistike /* Dichtefuktioe ud Verteilugsfuktioe der Ordugsstatistike vo Normalverteiluge Balakrisha, N. ud Cohe, A.C.: Order statistics ad iferece, Academic Press,Ic. Bosto (1990) */ data balakrisha; =7; /* Stichprobeumfag */ Pi= ; do x=-4 to 4 by 0.05; /* Defiitiosbereich */ do r=1 to ; fr=gamma(+1)/(gamma(r)*gamma(-r+1)) *Proborm(x)**(r-1)*(1-Proborm(x))**(-r) 94
15 Statistik *1/SQRT(2*Pi)*EXP(-x**2/2); /* Dichte */ gr=0; do rr=r to ; gr=gr+gamma(+1)/(gamma(rr+1)*gamma(-rr+1)) *Proborm(x)**rr*(1-Proborm(x))**(-rr); ed; /* Verteilugsfuktioe */ output; ed; ed; ru; Ahag 2: data-step für die Simulatio data simul; my=0; sigma=1; =10; do i=1 to 10000; x1=my+sigma*normal(-1); x2=my+sigma*normal(-1); x3=my+sigma*normal(-1); x4=my+sigma*normal(-1); x5=my+sigma*normal(-1); x6=my+sigma*normal(-1); x7=my+sigma*normal(-1); x8=my+sigma*normal(-1); x9=my+sigma*normal(-1); x10=my+sigma*normal(-1); Ma=MAX(x1,x2,x3,x4,x5,x6,x7,x8,x9,x10);/* Maximum */ Mi=MIN(x1,x2,x3,x4,x5,x6,x7,x8,x9,x10);/* Miimum */ m1=mean(x1,x2,x3,x4,x5,x6,x7,x8,x9,x10); /* MLH-Schätzug für my */ m2=(ma+mi)/2; /* alterative Schätzug für my */ S1=STD(x1,x2,x3,x4,x5,x6,x7,x8,x9,x10); /* s1 MLH-Schätzug für sigma, */ s2=(ma-mi)/3.077;/* alterative Schätzug für sigma */ chi=*s1**2; /* *s1**2 ist CHI²-verteilt, df=*/ d=(ma-mi)/s1; /* Prüfgröße des David-Tests */ Spaweite=Ma-Mi;/* Schätzug der Spaweite */ output; ed; ru; 95
16 B. Jäger, M. Wody, P. E. Rudolph Ahag 3: Berechug vo Dichte ud Verteilug der Spaweite /* Berechug der Dichte- ud der Verteilugsfuktio der Stichprobespaweite aus N(0,1)-Verteilug */ data rage; keep w g f; pi= ; =10; /* Stichprobeumfag */ F=0; sw1=0.005; /*Schrittweite bei der Spaweite */ sw2=0.005; /*Schrittweite bei umer.itegratio*/ do w=0 to 12 by sw1; /* Spaweite wird als vo 0 bis 10 variiered ageomme */ itegral=0; do x=-20 to 20 by sw2;/* Stützstelle Itegratio*/ y1=1/sqrt(2*pi)*exp(-x**2/2); y2=1/sqrt(2*pi)*exp(-(x+w)**2/2); y3=(probnorm(x+w)-probnorm(x))**(-2); z=y1*y2*y3; itegral=itegral+z*sw2; /* Berechug des Itegrals durch Streifesummatio */ ed; g=*(-1)*itegral; F=F+g*sw1; output;ed; ru; 96
Vl 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
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
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
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
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
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
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
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
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
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
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
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
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,...,
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
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:
MehrPraktikum 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
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
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
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
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
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
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
Mehr5.4.2 Die empirische Verteilungsfunktion als Ausgangspunkt
Tests 9 5.4 Der Kolmogorov Smirov Test Grudlage für de Kolmogorov Smirov Apassugs Test ist ei Satz vo Kolmogorov, die asymptotische Verteilug eier Statistik Δ betreffed. Aus Δ ergibt sich durch Modifikatio
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
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
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
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.
MehrWissenschaftliches 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:
MehrStatistik. 2. Semester. Begleitendes Skriptum zur Vorlesung. im FH-Masterstudiengang. Technisches Management. von. Günther Karigl
Statistik. Semester Begleitedes Skriptum zur Vorlesug im FH-Masterstudiegag Techisches Maagemet vo Güther Karigl FH Campus Wie 06/7 Statistische Schätzverfahre Statistische Schätzverfahre Währed die deskriptive
Mehr14 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
MehrAnwendung für Mittelwerte
Awedug für Mittelwerte Grudgesamtheit Stichprobeziehug Zufalls- Stichprobe... "wahre", ubekate Mittelwert der Grudgesamtheit icht zufällig?... beobachtete Mittelwert zufällig Statistik für SoziologIe 1
MehrÜbungen 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
MehrUmrechnung 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
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
Mehr3. Einführung in die Statistik
3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :
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
MehrFakultät für Wirtschafts- und Rechtswissenschaften
F A C H H O C H S C H U L E K Ö L N Fakultät für Wirtschafts- ud Rechtswisseschafte F O R M E L S A M M L U N G Deskriptive Statistik Iduktive Statistik Herausgeber: c 2004 Fachgruppe Quatitative Methode
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
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
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
MehrProf. 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
MehrStochastisches 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
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
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
MehrStatistik 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
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
MehrKapitel 11 DIE NORMAL-VERTEILUNG
Kapitel DIE NORMAL-VERTEILUNG Fassug vom 7. Februar 006 Prof. Dr. C. Porteier Mathematik für Humabiologe ud Biologe 49 . De itio der Normal-Verteilug. De itio der Normal-Verteilug Bisher habe wir ur diskret
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,
MehrInduktive Schlussweise. Schätzfunktionen und Schätzverfahren. Bibliografie
Auswertug uivariater Datemege -iduktiv - Iduktive Schlussweise Schätzfuktioe ud Schätzverfahre Schätzug I Bibliografie Prof. Dr. Kück Uiversität Rostock Statistik, Vorlesugsskript Abschitt 7..; 7.. Bleymüller
MehrBei 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
Mehr1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre Morgasche Formel A \ B = A [ B A [ B = A \ B Kommutativgesetz A \ B = B \ A A [ B = B [ A Assozia
Statistik I - Formelsammlug Ihaltsverzeichis 1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre................................. 1. Kombiatorik........................................ 1.3 Wahrscheilichkeite....................................
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
MehrEinstichprobentests für das arithmetische Mittel
Eistichprobetests für das arithmetische Mittel H 0 : = 0 bzw. H 0 : 0 H 1 : 0 zweiseitiger Test) H 1 : 0 zweiseitiger Test) Uter Gültigkeit vo H 0 ist die achfolgede Teststatistik stadardormalverteilt.
MehrII. 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
MehrParameter von Häufigkeitsverteilungen
Kapitel 3 Parameter vo Häufigkeitsverteiluge 3. Mittelwerte Mo Der Modus (:= häufigster Wert, Abk.: Mo) ist der Merkmalswert mit der größte Häufigkeit, falls es eie solche gibt. Er sollte ur bei eigipflige
MehrEreignis Wahrscheinlichkeit P (A) A oder B P (A + B) A und B P (AB) B, wenna P (B A)
Kapitel 10 Statistik 10.1 Wahrscheilichkeit Das Ergebis eier Messug oder Beobachtug wird Ereigis geat. Ereigisse werde mit de Buchstabe A, B,...bezeichet. Die Messug eier kotiuierliche Variable x gibt
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
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:
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
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
Mehrn 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
Mehr2 Einführung in die mathematische Statistik
2 Eiführug i die mathematische Statistik Die Hauptaufgabe der mathematische Statistik ist es, ahad der Eigeschafte eies Teils eier Mege vo Objekte auf die Eigeschafte aller Objekte i dieser Mege zu schließe.
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
Mehr1. Einführung. 1 A (T (x 1,..., x n )) P θ (dx 1 )... P θ (dx n ) X. P θ {T n (X 1,..., X n ) A} =
. Eiführug Bezeichuge: Der durch die Zufallsgröße X defiierte Wahrscheilichkeitsraum [X, B, P X ] heißt auch die Grudgesamtheit X. B ist die σ-algebra der Borelmege aus X. Vielfach wird die Grudgesamtheit
MehrZinsratenmodelle in stetiger Zeit: Teil II
Zisratemodelle i stetiger Zeit: Teil II Simoe Folty 1.11.006 1. Vasicek Modell (1977) 1.1 Eiführug Vasicek schlug das folgede Modell für die risikofreie Zisrate r(t) vor, basiered auf der SDGL d r t α
MehrAnalysis II für M, LaG und Ph, WS07/08 Übung 2, Lösungsskizze
Gruppeübug Aalysis II für M, LaG ud Ph, WS7/8 Übug, Lösugsskizze G 4 (Zum warm werde). Begrüde die vo Physiker beliebte Näheruge si(x) x, cos(x) ud ta(x) x für kleie x R. Dies folgt direkt aus der Tayloretwicklug
MehrTesten 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
MehrBeispiel: 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)
Mehr3 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-
MehrUnivariate Verteilungen
(1) Aalyse: "deskriptive Statistike" Aalysiere -> deskriptive Statistike -> deskriptive Statistik Keie tabellarische Darstellug der Häufigkeitsverteilug () Aalyse: "Häufigkeitsverteilug" Aalysiere -> deskriptive
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
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
MehrHöhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 12. Übungsblatt
UNIVERSITÄT KARLSRUHE Istitut für Aalysis HDoz. Dr. P. C. Kustma Dipl.-Math. M. Uhl WS 8/9 Höhere Mathematik I für die Fachrichtuge Elektroigeieurwese, Physik ud Geodäsie Lösugsvorschläge zum. Übugsblatt
Mehr2.3 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
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
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
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
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.
MehrStandard Normalverteilung Dichtefunktion von Standard Normal Verteilung. Grenzwertsatz. Normalverteilung. Andere wichtige Verteilungen: Anwendungen
Statistik. Vorlesug, September, 00 f() 0.0 0. 0. 0.3 0.4 Stadard Normalverteilug Dichtefuktio vo Stadard Normal Verteilug -4-0 4 Der Erwartugswert: mittlere Wert E ( = f( ) d=0 für die Stadard Normal Verteilug
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
MehrKAPITEL 11. Ungleichungen. g(x) g(x 0 ) + K 0 (x x 0 ).
KAPITEL 11 Ugleichuge 111 Jese-Ugleichug Defiitio 1111 Eie Fuktio g : R R heißt kovex, we ma für jedes x R ei K = K (x ) R fide ka, so dass für alle x R gilt: g(x) g(x ) + K (x x ) Bemerkug 111 Eie Fuktio
MehrKapitel XI - Korrelationsrechnung
Istitut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökoometrie ud Statistik Kapitel XI - Korrelatiosrechug Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Seska Carlo Siebeschuh Aufgabe der Korrelatiosrechug
MehrÜbungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 8
Mathematisches Istitut der Uiversität Müche Prof Dr Peter Otte WiSe 203/4 Lösug 8 032203 Übuge zur Aalysis für Iformatiker ud Statistiker Lösug zu Blatt 8 Aufgabe 8 [8 Pukte] (a) Für alle N sei = (+) Wir
MehrÖkonometrie 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 =
Mehr4. 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
MehrDifferenz X-Y normalverteilt Lagetest für zwei verbundene. Differenz X-Y symmetrisch Wilcoxon-Test Stichproben
1 Fuktio des Tests Bezeichug Testgegestad X ormalverteilt Lagetest für eie Stichprobe Wilcoxo-Test X symmetrisch verteilt Vorzeichetest Variable X Differez X-Y ormalverteilt Lagetest für zwei verbudee
MehrÜbungsblatt 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:
MehrÜbungen 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
MehrStrukturelle Modelle in der Bildverarbeitung Markovsche Ketten II
Strukturelle Modelle i der Bildverarbeitug Markovsche Kette II D. Schlesiger TUD/INF/KI/IS Statioäre Verteilug Verborgee Markovsche Kette (HMM) Erkeug stochastisches Automate D. Schlesiger SMBV: Markovsche
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
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
Mehr13. 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)
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
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
MehrKontingenztabellen. Chi-Quadrat-Test. Korrelationsanalyse zwischen kategorischen Merkmalen. 1. Unabhängigkeitstest
Kotigeztabelle. Chi-Quadrat-Test KAD 1.11. 1. Uabhägigkeitstest. Apassugstest. Homogeitätstest Beispiel 1 ohe Frau 8 75 1 Ma 48 49 97 76 14? Korrelatiosaalyse zwische kategorische Merkmale Häufigkeitstabelle
MehrSchätzung der Kovarianzmatrix
Schätzug der Kovariazmatrix Aus eiem Esemble vo Beobachtuge {x i } ka die Kovariazmatrix (Zetralmomete) geschätzt werde: C = E{( x µ )( x µ ) } = R µ µ xx x x xx x x ˆ 1 C ˆ ˆ xx = xk µ x xk µ x k = 1
MehrStatistik Einführung // Beschreibende Statistik 2 p.2/61
Statistik Eiführug Beschreibede Statistik Kapitel Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Beschreibede Statistik
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
MehrAngewandte Stochastik II
Vorlesugsskript Agewadte Stochastik II Dr. Katharia Best Witersemester 2010/2011 Ihaltsverzeichis 1 Grudidee der statistische Dateaalyse 5 1.1 Stichprobe..............................................
Mehr