FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT
|
|
- Florian Geisler
- vor 6 Jahren
- Abrufe
Transkript
1 FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte Statistik und Methoden der empirischen Sozialforschung Univ.-Prof. Dr. H. Singer Klausur: Modul Vertiefung der Wirtschaftsmathematik und Statistik Termin: Prüfer: , Uhr Univ.-Prof. Dr. A. Kleine/Univ.-Prof. Dr. H. Singer
2 Hinweise zur Bearbeitung der Modulklausur Tragen Sie zunächst für beide Klausurteile (Mathematik und Statistik) sowohl auf das Deckblatt der Teilklausur als auch auf das Deckblatt der Lösungsbogen Ihren Namen und Ihre Matrikelnummer ein! 2. Es können insgesamt 100 erreicht werden. Bei Erreichen von 50 n ist die Klausur bestanden. Bitte kontrollieren Sie sofort, ob Sie ein vollständiges Klausurexemplar erhalten haben. 3. Für beide Klausurteile ist die Benutzung von Taschenrechnern nur gestattet, wenn das betreffende Modell nicht programmierbar ist, keine Texte oder Formeln speichern kann, nicht drahtlos mit anderen Geräten kommunizieren kann, über keine alphanumerische Tastatur verfügt, kein grafisches Display (z.b. zur Darstellung von Funktionsgraphen) besitzt. Für den Klausurteil Statistik ist das Kursmaterial ggf. mit Unterstreichungen, farblichen Markierungen und/oder Aufklebern, aber ohne zusätzliche Eintragungen, als Hilfsmaterial zugelassen. Als Kursmaterial gelten lediglich Lehrtexte, nicht jedoch alte Klausuren, Einsendearbeiten oder Musterlösungen. 4. Bitte benutzen Sie für Ihre Rechnungen nur die beigefügten Lösungsbogen und tragen Sie dort Ihren Namen und Ihre Matrikelnummer ein. Für den Klausurteil Statistik müssen die Lösungen in die entsprechenden Kästchen auf dem Lösungsbogen eingetragen werden. Für jede Antwort, jedes Ergebnis und jede Begründung bzw. Interpretation ist auf dem Lösungsbogen ein entsprechendes Kästchen zum Eintrag vorgesehen. Achten Sie auf eindeutige Eintragungen. Nicht eindeutige Eintragungen können nicht bewertet werden. 5. Wenn Sie einzelne Blätter der Teilklausuren voneinander trennen, legen Sie bitte am Ende der Klausur die Blätter wieder zusammen. 6. Vergessen Sie nicht, beide Teilklausuren auf der letzten bearbeiteten Seite zu unterschreiben. Viel Erfolg!
3 Name, Vorname Matrikelnummer Teilklausur des Moduls Kurs 42221: Vertiefung der Statistik Datum Termin: Prüfer: , Uhr Univ.-Prof. Dr. H. Singer
4 Vertiefung der Statistik Aufgabe (8 ) (3 ) Bitte entscheiden Sie, ob es sich bei folgenden Aussagen um eine uneingeschränkte Zufallsauswahl handelt. - Ziehung der Lottozahlen - Von den Studenten einer Vorlesung sollen 12 Personen in die Stichprobe gelangen, davon 8 Männer und 4 Frauen. - Untersucht wird das Meinungsbild der Bewohner einer bestimmten Stadt. Dazu werden zu einer bestimmten Tageszeit 100 Personen vor dem Bahnhof befragt. 1.2 (5 ) Gegeben sind 9 unabhängig identisch N(0,1)-standardnormalverteilte Stichprobenvariablen X 1,...,X 9 mit den Realisationen: Geben Sie den Erwartungswert der Stichprobenfunktion 9 n=1 X2 n an. - Geben Sie die Varianz der Stichprobenfunktion 9 n=1 X2 n an. - Geben Sie die Standardabweichung der Stichprobenfunktion 9 n=1 X2 n auf 2 Nachkommastellen gerundet an. - Geben Sie für die Stichprobenfunktion 9 n=1 X2 n die Zahl der Freiheitsgrade an. - Geben Sie das 50%-Quantil der Realisationen an.
5 Vertiefung der Statistik Aufgabe 2 (15 ) Ein Unternehmen untersucht die persönlichen Umsätze ihrer Verkäufer bezüglich eines neu eingeführten Produktes innerhalb eines bestimmten Zeitraumes. Betrachtet wird dabei die Abhängigkeit der Umsätze Y (in Euro) von der Anzahl der Verkaufsgespräche X. Im Rahmen der Untersuchung werden N = 400 Verkäufer überprüft. Es ergaben sich folgende Werte. 2.1 x = 8 s x = 0.8 ȳ = 400 s y = 80 s xy = Ĉov(x, y) = 6 (1 Punkt) Geben Sie den Korrelationskoeffizienten zwischen Umsatz und Anzahl der Verkaufsgespräche an. 2.2 (1 Punkt) Sie möchten überprüfen, ob der Korrelationskoeffizient einen Wert kleiner als 0.4 annimmt. Geben Sie die Nullhypothese an. 2.3 (6 ) Zugrundegelegt wird die Nullhypothese H 0 : ρ 0.7 zum Signifikanzniveau von α = Geben Sie das Quantil und die Realisation der geeigneten Teststatistik an. Wird die Hypothese H 0 abgelehnt? Begründen Sie kurz Ihre Entscheidung. 2.4 (3 ) Berechnen Sie die Schätzungen für die Parameter α und β der Regressionsgeraden und geben Sie die durch die Schätzungen bestimmten Regressionsgerade an. 2.5 (1 Punkt) Ein Verkäufer führte 6 Verkaufsgespräche. Mit welchem Umsatz ist zu rechnen? 2.6 (3 ) Bestimmen Sie das zweiseitige 99%-Konfidenzintervall zur Vorhersage des Umsatzes eines Verkäufers mit x 0 = 9 und ˆσ = Verwenden Sie anstelle des t-quantils als Näherung das entsprechende z-quantil der Standardnormalverteilung. Geben Sie das Quantil separat an.
6 Vertiefung der Statistik Aufgabe 3 (8 ) Betrachtet werden die drei Gütekriterien eines Messinstrumentes: - Objektivität: Verschiedene Interviewer erhalten mit demselben Messinstrument das gleiche Ergebnis. - Reliabilität: Das Messinstrument ist zuverlässig, d.h. eine Wiederholung der Messung führt unter denselben Bedingungen zum ähnlichen Ergebnis. - Validität: Das Messinstrument ist gültig, d.h. das Messinstrument misst tatsächlich das, was gemessen werden soll. Tragen Sie in den folgenden Text die Begriffe objektiv, nicht objektiv, reliabel, nicht reliabel, valide, nicht valide in der richtigen Reihenfolge ein (s. Lösungsbogen). Es müssen nicht alle Begriffe vorkommen, Doppelnennungen sind möglich. Wenn verschiedene Professoren dieselbe Bachelorarbeit gleich beurteilen, dann ist das Urteil (1). Geben verschiedene Professoren zu verschiedenen Zeitpunkten über dieselbe Bachelorarbeit das gleiche Urteil ab, dann sind die Urteile sowohl (2), wie auch (3). Sind erhebliche Zweifel daran berechtigt und nachgewiesen, dass der Professor nicht das beurteilt, was er zu beurteilen vorgibt, dann ist das Urteil (4), das Urteil kann aber (5) oder (6) sein. Ein Professor, der zu verschiedenen Zeitpunkten dieselbe Bachelorarbeit unterschiedlich beurteilt, gibt ein Urteil ab, das (7) ist. Wenn ein Urteil gültig ist, so bezeichnet man dieses Urteil auch als (8).
7 Vertiefung der Statistik Aufgabe 4 (16 ) Ein Unternehmen untersucht die Produktivität eines bestimmten Produktes in Abhängigkeit verschiedener Materialien und Produktionsmethoden. Dabei werden beide Faktoren getrennt voneinander betrachtet. Erhoben wird die Anzahl der produzierten Stücke. 4.1 (2 ) Betrachtet werden zunächst die Produktionsmethoden. Vervollständigen Sie folgenden Output (s. Lösungsbogen). Anzahl Zwischen den Gruppen Innerhalb der Gruppen Quadratsumm e 478,800 [ 1 ] ONEWAY ANOVA Gesamt 1274, df [ 2 ] 25 Mittel der Quadrate 119,700 [ 3 ] F [ 4 ] Signifikanz, (1 ) Wieviele Produktionsmethoden werden untersucht und wieviele Beobachtungen liegen der Untersuchung zugrunde? 4.3 (2 ) Bestimmen Sie anhand des Outputs in 4.1 das Bestimmtheitsmaß und interpretieren Sie kurz den Wert.
8 Vertiefung der Statistik (4 ) Mittels eines zweiten Datensatzes wird nun das Material betrachtet. Kreuzen Sie im Output an (s. Lösungsbogen), welche Mittelwertsunterschiede zum Niveau 0.01 bzw signifikant sind. Mehrfachvergleiche Anzahl Bonferroni (I) Material 1 (J) Material 2 Mittlere Differenz (I-J) -2,833 Standardfehle r 1,810 Signifikanz, ,333 1,810, ,833 1,810, ,500 1,810, ,333 1,810, ,500 1,810,025 Mehrfachvergleiche 4.5 Anzahl Bonferroni Geben Sie mittels der Residualstreuung Unterschiede den Schätzer signifikant für σ 2 an. (I) Material 1 Anzahl Zwischen den Gruppen 3 Innerhalb der Gruppen (J) Material 1 2 Quadratsumm e 215, , : ja nein [ ] [ ] ONEWAY ANOVA [ ] [ ] [ ] df[ ] [ ] [ ] [ ] [ ] Gesamt 362, [ ] [ ] 0.01: ja nein Mittel der Quadrate [ ] [ ] [ ] [ ] [ ] [ ] 107,722 [ ] [ ] 9,833 [ ] [ ] [ ] [ ] F 10,955 (1 ) Signifikanz,001
9 Vertiefung der Statistik (1 ) Geben Sie das für den zweiten Datensatz zum Signifikanzniveau 0.05 verwendete f-quantil der Varianzanalyse an. 4.7 (1 ) Wie lautet der prognostizierte Wert der produzierten Stückzahl, wenn bekannt ist, dass mit dem zweiten Material produziert wird? Anzahl N ONEWAY deskriptive Statistiken Mittelwert 70,33 73,17 78,67 Standardabwe ichung 3,983 3,061 2,066 Standardfehle r 1,626 1,249,843 Gesamt 18 74,06 4,621 1, (2 ) Geben Sie die prozentuale Fehlerreduktion an und interpretieren Sie kurz den Wert.
10 Vertiefung der Statistik Aufgabe 5 (3 ) Zeigen Sie, dass für das Fehlermodell der klassischen Testtheorie mit X = T + ɛ, und der Annahme Cov(T, ɛ) = 0, bei Betrachtung von Parallel-Tests gilt: rel = Cov(X 1, X 2 ) Var(X1 )Var(X 2 ) = Var(T ) Var(X), wobei X 1 = T + ɛ 1, X 2 = T + ɛ 2 ist. Weiter wird angenommen, dass die Fehler unkorreliert sind.
11 Klausur: Kurs Vertiefung der Statistik Termin: Prüfer: Univ.-Prof. Dr. H. Singer Name, Vorname: Matrikelnummer: Aufgabe Summe maximale Punktzahl erreichte Punktzahl Datum: Unterschrift des Prüfers: 8
12 Aufgabe (8 ) (3 ) uneingeschränkte Zufallsauswahl ja nein Ziehung der Lottozahlen Von den Studenten einer Vorlesung sollen 12 Personen in die Stichprobe gelangen, davon 8 Männer und 4 Frauen. Untersucht wird das Meinungsbild der Bewohner einer bestimmten Stadt. Dazu werden zu einer bestimmten Tageszeit 100 Personen vor dem Bahnhof befragt. 9
13 1.2 (5 ) Erwartungswert von 9 n=1 X2 n Varianz von 9 n=1 X2 n Standardabweichung von 9 n=1 X2 n Anzahl Freiheitsgrade 50%-Quantil 10
14 Aufgabe 2 (15 ) 2.1 Korrelationskoeffizient(Umsatz,Anzahl) (1 Punkt) 2.2 Nullhypothese H 0 (1 Punkt) 2.3 Quantil (1 Punkt) Realisation der Prüfgröße (2 ) Ablehnung von H 0, ja oder nein? (1 Punkt) Begründung (2 ) 11
15 2.4 ˆα (1 Punkt) ˆβ (1 Punkt) Regressionsgerade (1 Punkt) 2.5 Umsatz (1 Punkt) 2.6 Quantil (1 Punkt) KI (2 ) 12
16 Aufgabe 3 (8 )
17 Aufgabe 4 (16 ) 4.1 (2 ) Anzahl Zwischen den Gruppen Innerhalb der Gruppen Quadratsumm e 478,800 [ 1 ] ONEWAY ANOVA Gesamt 1274, df [ 2 ] 25 Mittel der Quadrate 119,700 [ 3 ] F [ 4 ] Signifikanz,016 [1] [2] [3] [4] 4.2 Anzahl Produktionsmethoden (1 Punkt) N (1 Punkt) 14
18 4.3 Bestimmtheitsmaß (1 Punkt) Interpretation (1 Punkt) 15
19 4.4 (4 ) Mehrfachvergleiche Anzahl Bonferroni (I) Material 1 (J) Material 2 Mittlere Differenz (I-J) -2,833 Standardfehle r 1,810 Signifikanz, ,333 1,810, ,833 1,810, ,500 1,810, ,333 1,810, ,500 1,810,025 Anzahl Bonferroni (I) Material (J) Material Mehrfachvergleiche Unterschiede signifikant 0.05: ja nein 0.01: ja nein [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] 16
20 4.5 σ 2 (1 Punkt) 4.6 f-quantil (1 Punkt) 4.7 prognostizierte Stückzahl (2 ) 4.8 Fehlerreduktion (1 Punkt) Interpretation (1 Punkt) 17
21 Aufgabe 5 (3 ) 18
22 19
23 20
24 21
25 22
26 23
27 24
28 25
29 26
30 27
31 28
32 29
33 30
34 31
35 32
FERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT
FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte
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
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
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
MehrTeilklausur des Moduls Kurs 42221: Vertiefung der Statistik
Name, Vorname Matrikelnummer Teilklausur des Moduls 32741 Kurs 42221: Vertiefung der Statistik Datum Termin: 21. März 2014, 14.00-16.00 Uhr Prüfer: Univ.-Prof. Dr. H. Singer Vertiefung der Statistik 21.3.2014
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
MehrModulklausur Multivariate Verfahren. Datum Punkte Note. Termin: 26. September 2008, Uhr Prüfer: Univ.-Prof. Dr. H.
Name, Vorname Matrikelnummer Modulklausur 31821 Multivariate Verfahren Datum Punkte Note Termin: 26. September 2008, 9.00-11.00 Uhr Prüfer: Univ.-Prof. Dr. H. Singer Hinweise zur Bearbeitung der Modulklausur
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
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
MehrMultivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Musterlösung Aufgabe 1 (40 Punkte) Auf der dem Kurs beigelegten CD finden Sie im Unterverzeichnis Daten/Excel/ die Datei zahlen.xlsx. Alternativ können Sie
MehrModulklausur Multivariate Verfahren
Name, Vorname Matrikelnummer Modulklausur 31821 Multivariate Verfahren Datum Punkte Note Termin: 28. März 2014, 9.00-11.00 Uhr Erstprüfer: Univ.-Prof. Dr. H. Singer Hinweise zur Bearbeitung der Modulklausur
MehrFERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT
FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik PD Dr. E. Reucher Lehrstuhl für Angewandte Statistik
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 25. September 2015 Aufgabe 1 (15 Punkte) Kennzeichnen Sie die folgenden Aussagen zur Regressionsanalyse mit R für richtig oder F für falsch. F Wenn
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
MehrFERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT
FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Matrikelnummer Name: Vorname: Klausur Modul 31091: STATISTISCHE METHODENLEHRE Termin: 24.03.2010, 18.00-20.00 Uhr Prüfer: Univ.-Prof. Dr. Hermann
Mehr4.1. Verteilungsannahmen des Fehlers. 4. Statistik im multiplen Regressionsmodell Verteilungsannahmen des Fehlers
4. Statistik im multiplen Regressionsmodell In diesem Kapitel wird im Abschnitt 4.1 zusätzlich zu den schon bekannten Standardannahmen noch die Annahme von normalverteilten Residuen hinzugefügt. Auf Basis
MehrKlausur zu Statistik II
Goethe-Universität Frankfurt Prof. Dr. Uwe Hassler FB Wirtschaftswissenschaften Sommersemester 2005 Klausur zu Statistik II Version B Bitte tragen Sie hier und auf den Lösungsblättern (oben links) Ihre
MehrKlausur zu Statistik II
GOETHE-UNIVERSITÄT FRANKFURT FB Wirtschaftswissenschaften Statistik und Methoden der Ökonometrie Prof. Dr. Uwe Hassler Wintersemester 03/04 Klausur zu Statistik II Matrikelnummer: Hinweise Hilfsmittel
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 6 2009 FernUniversität in Hagen Alle Rechte vorbehalten Fakultät für Wirtschaftswissenschaft Übersicht über die mit den insendeaufgaben geprüften Lehrzielgruppen Lehrzielgruppe:
MehrAUFGABENTEIL MODUL-ABSCHLUSSKLAUSUR ZUM B-MODUL NR THEORIE DER LEISTUNGSERSTELLUNG 17. SEPTEMBER 2009, UHR
FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT AUFGABENTEIL MODUL-ABSCHLUSSKLAUSUR ZUM B-MODUL NR. 31531 THEORIE DER LEISTUNGSERSTELLUNG TERMIN: PRÜFER: 17. SEPTEMBER 2009, 09 00 11 00 UHR PROF. DR. DR. H.C. G.
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
Mehr0 sonst. a) Wie lautet die Randwahrscheinlichkeitsfunktion von Y? 0.5 y = 1
Aufgabe 1 (2 + 2 + 2 + 1 Punkte) Gegeben sei folgende gemeinsame Wahrscheinlichkeitsfunktion f(x, y) = P (X = x, Y = y) der Zufallsvariablen X und Y : 0.2 x = 1, y = 1 0.3 x = 2, y = 1 f(x, y) = 0.45 x
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2002
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2002 1. Ein Chemiestudent hat ein Set von 10 Gefäßen vor sich stehen, von denen vier mit Salpetersäure Stoff A), vier mit Glyzerin Stoff
MehrDr. W. Kuhlisch Dresden, Institut für Mathematische Stochastik
Dr. W. Kuhlisch Dresden, 12. 08. 2014 Institut für Mathematische Stochastik Klausur Statistik für Studierende der Fachrichtungen Hydrologie und Altlasten/Abwasser zugelassene Hilfsmittel: Taschenrechner
MehrTECHNISCHE UNIVERSITÄT DORTMUND Wintersemester 2010/2011 FAKULTÄT STATISTIK Dr. H. Hansen
TECHNISCHE UNIVERSITÄT DORTMUND Wintersemester 2010/2011 FAKULTÄT STATISTIK 11.02.2011 Dr. H. Hansen Klausur für den Bachelorstudiengang zur Vorlesung Statistik für Ökonomen Bitte in Druckschrift ausfüllen
MehrStatistik-Klausur I E SS 2010
Statistik-Klausur I E SS 2010 Name: Vorname: Immatrikulationsnummer: Studiengang: Hiermit erkläre ich meine Prüfungsfähigkeit vor Beginn der Prüfung. Unterschrift: Dauer der Klausur: Erlaubte Hilfsmittel:
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer
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
MehrFernuniversität in Hagen
Fernuniversität in Hagen Fakultät für Wirtschaftswissenschaft Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 41 Übersicht Struktur eines Hypothesentests Stichprobenverteilung t-test: Einzelner-Parameter-Test F-Test: Multiple lineare Restriktionen 2 / 41 Struktur
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:
MehrStatistik II Übung 3: Hypothesentests
Statistik II Übung 3: Hypothesentests Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier Stichproben). Verwenden
MehrTeil XII. Einfache Lineare Regression. Woche 10: Lineare Regression. Lernziele. Zusammenfassung. Patric Müller
Woche 10: Lineare Regression Patric Müller Teil XII Einfache Lineare Regression ETHZ WBL 17/19, 03.07.2017 Wahrscheinlichkeit und Statistik Patric Müller WBL 2017 Wahrscheinlichkeit
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003. Eine seltene Krankheit trete mit Wahrscheinlichkeit : 0000 auf. Die bedingte Wahrscheinlichkeit, dass ein bei einem Erkrankten durchgeführter
MehrVertiefung der. Wirtschaftsmathematik. und Statistik (Teil Statistik)
Lösung zur Selbstkontrollarbeit Vertiefung der Wirtschaftsmathematik und Statistik (Teil Statistik) 8. Juli 0 Aufgaben Aufgabe H 0 : π ij = π i. π.j für alle i =,, j =,, 3 H : π ij π i. π.j für mindestens
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2014 Mehrdimensionale Datensätze: Multivariate Statistik Multivariate Statistik Mehrdimensionale Datensätze:
MehrMultivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Diese Selbstkontrollarbeit bezieht sich auf die Kapitel 1 bis 4 der Kurseinheit 1 (Multivariate Statistik) des Kurses Multivariate Verfahren (883). Hinweise:
MehrModulprüfung Methoden der Dienstleistungsforschung
Prof. Dr. M. Benkenstein Prof. Dr. R. Weißbach Dr. Jan Becker Modulprüfung Methoden der Dienstleistungsforschung Wintersemester 2011/12 01.02.2012 8.00 9.30 Uhr Name, Vorname:... Anzahl abgegebener Blätter:...
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)
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
MehrEinführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management
Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 2013 Hochschule Augsburg Lageparameter: Erwartungswert d) Erwartungswert
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
MehrUniv.-Prof. Dr. A. Kleine/Univ.-Prof. Dr. H. Singer
Fernuniversität in Hagen Fakultät für Wirtschaftswissenschaft Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte
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
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrLösung Übungsblatt 5
Lösung Übungsblatt 5 5. Januar 05 Aufgabe. Die sogenannte Halb-Normalverteilung spielt eine wichtige Rolle bei der statistischen Analyse von Ineffizienzen von Produktionseinheiten. In Abhängigkeit von
MehrFERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT
FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Matrikelnummer Name: Vorname: Klausur Modul 31091: STATISTISCHE METHODENLEHRE Termin: 21.09.2009, 18.00-20.00 Uhr Prüfer: Univ.-Prof. Dr. Hermann
MehrStatistik II. Weitere Statistische Tests. Statistik II
Statistik II Weitere Statistische Tests Statistik II - 19.5.2006 1 Überblick Bisher wurden die Test immer anhand einer Stichprobe durchgeführt Jetzt wollen wir die statistischen Eigenschaften von zwei
Mehr1 Beispiel zur Methode der kleinsten Quadrate
1 Beispiel zur Methode der kleinsten Quadrate 1.1 Daten des Beispiels t x y x*y x 2 ŷ ˆɛ ˆɛ 2 1 1 3 3 1 2 1 1 2 2 3 6 4 3.5-0.5 0.25 3 3 4 12 9 5-1 1 4 4 6 24 16 6.5-0.5 0.25 5 5 9 45 25 8 1 1 Σ 15 25
Mehr1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung. 5 Hypothesentests.
0 Einführung 1 Wahrscheinlichkeitsrechnung 2 Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Intervallschätzung 5 Hypothesentests 6 Regression Lineare Regressionsmodelle Deskriptive Statistik:
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 6 Genzwertsätze Einführung 1 Wahrscheinlichkeit: Definition und Interpretation
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:
MehrMuster einer Fachabschlußklausur (90 Min.)
Muster einer Fachabschlußklausur (90 Min.) Teilnehmer (Name, Vorname): Mathematik 3 für Wirtschaftsingenieure Matrikelnummer: erreichte Punkte Max. erreichte Punkte Max. Aufg. 1 11 Aufg. 5 10 Aufg. 2 11
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 27. März 2015 Aufgabe 1 Kennzeichnen Sie die folgenden Aussagen über die beiden Zufallsvektoren ([ ] [ ]) ([ ] [ ]) 2 1 0 1 25 2 x 1 N, x 3 0 1 2
MehrAUFGABEN. Klausur: Modul Planen mit mathematischen Modellen. Termin:
Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. Andreas Kleine AUFGABEN Klausur: Modul 31811 Termin: 07.03.2016 Prüfer: Univ.-Prof. Dr. Andreas
MehrSchriftliche Prüfung (2 Stunden)
Prüfung Statistik Winter 2013 Schriftliche Prüfung (2 Stunden) Bemerkungen: Alle schriftlichen Hilfsmittel und ein Taschenrechner sind erlaubt. Mobiltelefone sind auszuschalten! Lesen Sie zuerst alle Aufgaben
Mehry t = 30, 2. Benutzen Sie die Beobachtungen bis einschließlich 2002, um den Koeffizientenvektor β mit der KQ-Methode zu schätzen.
Aufgabe 1 (25 Punkte Zur Schätzung des Werbe-Effekts in einem Getränke-Unternehmen wird das folgende lineare Modell aufgestellt: Dabei ist y t = β 1 + x t2 β 2 + e t. y t : x t2 : Umsatz aus Getränkeverkauf
MehrFernuniversität in Hagen
Fernuniversität in Hagen Fakultät für Wirtschaftswissenschaft Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte
MehrWS 2014/15. (d) Bestimmen Sie die Wahrscheinlichkeitsfunktion von X. (e) Bestimmen Sie nun den Erwartungswert und die Varianz von X.
Fragenkatalog zur Übung Methoden der empirischen Sozialforschung WS 2014/15 Hier finden Sie die denkbaren Fragen zum ersten Teil der Übung. Das bedeutet, dass Sie zu diesem Teil keine anderen Fragen im
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen Wiederholung: Verteilungen
Wahrscheinlichkeitsrechnung und Statistik für Biologen Wiederholung: Verteilungen Noémie Becker & Dirk Metzler 31. Mai 2016 Inhaltsverzeichnis 1 Binomialverteilung 1 2 Normalverteilung 2 3 T-Verteilung
MehrNachhol-Klausur - Schätzen und Testen - Wintersemester 2013/14
Prof. Dr. Rainer Schwabe 08.07.2014 Otto-von-Guericke-Universität Magdeburg Institut für Mathematische Stochastik Nachhol-Klausur - Schätzen und Testen - Wintersemester 2013/14 Name:, Vorname: Matr.-Nr.
MehrDas (multiple) Bestimmtheitsmaß R 2. Beispiel: Ausgaben in Abhängigkeit vom Einkommen (I) Parameterschätzer im einfachen linearen Regressionsmodell
1 Lineare Regression Parameterschätzung 13 Im einfachen linearen Regressionsmodell sind also neben σ ) insbesondere β 1 und β Parameter, deren Schätzung für die Quantifizierung des linearen Zusammenhangs
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen Spezielle Verteilungen
Wahrscheinlichkeitsrechnung und Statistik für Biologen Spezielle Verteilungen Noémie Becker & Dirk Metzler http://evol.bio.lmu.de/_statgen 7. Juni 2013 1 Binomialverteilung 2 Normalverteilung 3 T-Verteilung
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
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
MehrKapitel 3 Schließende Statistik
Beispiel 3.4: (Fortsetzung Bsp. 3.) bekannt: 65 i=1 X i = 6, also ˆp = X = 6 65 = 0, 4 Überprüfen der Voraussetzungen: (1) n = 65 30 () n ˆp = 6 10 (3) n (1 ˆp) = 39 10 Dr. Karsten Webel 194 Beispiel 3.4:
MehrBiometrie und Methodik (Statistik) - WiSem08/09 Probeklausur 1
Biometrie und Methodik (Statistik) - WiSem08/09 Probeklausur 1 Aufgabe 1 (10 Punkte). 10 Schüler der zehnten Klasse unterziehen sich zur Vorbereitung auf die Abschlussprüfung einem Mathematiktrainingsprogramm.
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,
MehrStatistik. R. Frühwirth. Statistik. VO Februar R. Frühwirth Statistik 1/536
fru@hephy.oeaw.ac.at VO 142.090 http://tinyurl.com/tu142090 Februar 2010 1/536 Übersicht über die Vorlesung Teil 1: Deskriptive Teil 2: Wahrscheinlichkeitsrechnung Teil 3: Zufallsvariable Teil 4: Parameterschätzung
MehrNachklausur zur Vorlesung. Statistik für Studierende der Biologie
Institut für Mathematische Stochastik WS 1999/2000 Universität Karlsruhe 11. Mai 2000 Dr. Bernhard Klar Nachklausur zur Vorlesung Statistik für Studierende der Biologie Bearbeitungszeit: 90 Minuten Name:
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrInstitut für Stochastik Prof. Dr. N. Henze Dipl.-Math. V. Riess
Institut für Stochastik Prof. Dr. N. Henze Dipl.-Math. V. Riess Name: Vorname: Matrikelnummer: Lösungsvorschlag zur Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik (Stochastik) Datum: 07.
Mehr1 Einfachregression 1.1In 10 Haushalten wurden Einkommen und Ausgaben für Luxusgüter erfragt:
Beispiele zum Üben und Wiederholen zu Wirtschaftsstatistik 2 (Kurs 3) 1 Einfachregression 1.1In 10 Haushalten wurden Einkommen und Ausgaben für Luxusgüter erfragt: Haushaltseinkommen 12 24 30 40 80 60
MehrFormelsammlung für das Modul. Statistik 2. Bachelor. Sven Garbade
Version 2015 Formelsammlung für das Modul Statistik 2 Bachelor Sven Garbade Prof. Dr. phil. Dipl.-Psych. Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de
MehrUniversität Stuttgart Fachbereich Mathematik. Klausur Statistik für Wirtschaftswissenschaftler WS 2010/11. PD Dr. J. Dippon Dipl.-Math. A.
Universität Stuttgart Fachbereich Mathematik PD Dr. J. Dippon Dipl.-Math. A. Madlener Klausur Statistik für Wirtschaftswissenschaftler WS 2010/11 26. Februar 2011 VORNAME: MATRIKELNUMMER: NAME: STUDIENGANG:
MehrStochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. M. Maathuis ETH Zürich Winter 2010 Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Schreiben Sie für Aufgabe 2-4 stets alle Zwischenschritte und -rechnungen sowie Begründungen auf. Aufgabe
MehrÜbung zur Empirischen Wirtschaftsforschung V. Das Lineare Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Christian Peukert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2010
Mehr1. Wiederholungsklausur Statistik
Goethe Universität Frankfurt Fachbereich Wirtschaftswissenschaft Prof. Dr. Martin Biewen PD Dr. Ralf Wilke Sommersemester 2006 1. Wiederholungsklausur Statistik Bitte tragen Sie hier und auf den Lösungsblättern
MehrAUFGABENTEIL. Klausur: Modul Optimierungsmethoden des Operations Research. Termin:
Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. Andreas Kleine AUFGABENTEIL Klausur: Modul 32621 Termin: 14.09.2015 Prüfer: Prof. Dr. Andreas
MehrFAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT
FERNUNIVERSITÄT IN HAGEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT MATRIKELNUMMER: NAME: VORNAME: UNTERSCHRIFT: KLAUSUR: TERMIN: PRÜFER: Marktversagen 21.03.2011, 9 11 Uhr Prof. Dr. A. Endres Aufgabe A B C
MehrProf. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006 1 Experiment zur Vererbungstiefe Softwaretechnik: die Vererbungstiefe ist kein guter Schätzer für den Wartungsaufwand
MehrAUFGABENTEIL. Klausur: Modul Optimierungsmethoden des Operations Research. Termin:
Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. Andreas Kleine AUFGABENTEIL Klausur: Modul 32621 Termin: 19.09.2016 Prüfer: Prof. Dr. Andreas
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
MehrEinfaktorielle Varianzanalyse
Kapitel 16 Einfaktorielle Varianzanalyse Im Zweistichprobenproblem vergleichen wir zwei Verfahren miteinander. Nun wollen wir mehr als zwei Verfahren betrachten, wobei wir unverbunden vorgehen. Beispiel
MehrDemokurs. Modul Vertiefung der Wirtschaftsmathematik Vertiefung der Statistik
Demokurs Modul 3741 Vertiefung der Wirtschaftsmathematik und Statistik Kurs 41 Vertiefung der Statistik 15. Juli 010 Seite: 14 KAPITEL 4. ZUSAMMENHANGSANALYSE gegeben, wobei die Stichproben(ko)varianzen
MehrGrundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften
Grundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Grundlagen der Biometrie, WS 2011/12 Vorlesung: Dienstag 8.15-9.45,
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
MehrName Vorname Matrikelnummer Unterschrift
Dr. Hans-Otfried Müller Institut für Mathematische Stochastik Fachrichtung Mathematik Technische Universität Dresden Klausur Statistik II (Sozialwissenschaft, Nach- und Wiederholer) am 26.10.2007 Gruppe
MehrTestklausur(1) Mathematik III, Teil Statistik
Ernst-Abbe-ochschule Jena FB Grundlagenwissenschaften Testklausur() Mathematik III, Teil Statistik Tag der Prüfung Bearbeitungszeit: Studiengang: Name: Zugelassene ilfsmittel: 45 Minuten MT Ma Matrikel-Nr.
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13 Aufgabenstellung und Ergebnisse Dr. Martin Becker Hinweise für die
MehrWirtschaftsstatistik-Klausur am
Wirtschaftsstatistik-Klausur am 0.07.017 Aufgabe 1 Ein Handy- und PC-Hersteller verfügt über ein exklusives Filialnetz von 900 Filialen. Der Gewinn (in GE) der Filialen ist in der folgenden Tabelle nach
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
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
MehrÜbungsklausur Lineare Modelle. Prof. Dr. H. Toutenburg
Übungsklausur Lineare le Prof. Dr. H. Toutenburg Aufgabe Ein lineares Regressionsmodell mit der abhängigen Variablen Körpergröße und der unabhängigen Variablen Geschlecht wurde einmal mit der dummykodierten
MehrKlausur zur Mathematik für Biologen
Mathematisches Institut der Heinrich-Heine-Universität DÜSSELDORF WS 2002/2003 12.02.2003 (1) Prof. Dr. A. Janssen / Dr. H. Weisshaupt Klausur zur Mathematik für Biologen Bitte füllen Sie das Deckblatt
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
Mehr30. März Ruhr-Universität Bochum. Methodenlehre II, SS Prof. Dr. Holger Dette
Ruhr-Universität Bochum 30. März 2011 1 / 46 Methodenlehre II NA 3/73 Telefon: 0234 322 8284 Email: holger.dette@rub.de Internet: www.ruhr-uni-bochum.de/mathematik3/index.html Vorlesung: Montag, 8.30 10.00
MehrFAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT
FERNUNIVERSITÄT IN HAGEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT MATRIKELNUMMER: NAME: VORNAME: UNTERSCHRIFT: KLAUSUR: TERMIN: PRÜFER: Marktversagen 21. 09. 2009 9-11 Uhr Prof. Dr. A. Endres Aufgabe A B Summe
MehrStatistik II Übung 3: Hypothesentests Aktualisiert am
Statistik II Übung 3: Hypothesentests Aktualisiert am 12.04.2017 Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier
MehrGegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen. 0 sonst.
Aufgabe 1 (2 + 4 + 2 + 1 Punkte) Gegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen X und Y : { 2x + 2y für 0.5 x 0.5, 1 y 2 f(x, y) = 3 0 sonst. a) Berechnen
Mehr