Statistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg
|
|
- Richard Götz Bayer
- vor 5 Jahren
- Abrufe
Transkript
1 für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 2016 Prof. Dr. Stefan Etschberger Hochschule Augsburg
2 Einstichproben-t-Test und approximativer Gaußtest Gegeben: Einfache Stichprobe X 1,..., X n E(X i ) = µ, Var(X i ) = σ 2 Hypothesenpaare: mit a) H 0 : µ = µ 0 H 1 : µ µ 0 b) H 0 : µ = µ 0 (oder µ µ 0 ), H 1 : µ < µ 0 c) H 0 : µ = µ 0 (oder µ µ 0 ), H 1 : µ > µ 0 4. Induktive Grundlagen Punkt-Schätzung Intervall-Schätzung Signifikanztests Voraussetzungen: 1 Normalverteilung mit σ unbekannt (Einstichproben-t-Test) oder 2 Beliebige Verteilung mit n > 30 bzw. 5 x i n 5 (bei B(1; p)) (approximativer Gaußtest) 197
3 Einstichproben-t-Test, approximativer Gaußtest Ablauf: 1 Festlegen des Signifikanzniveaus α 2 Festlegen des Verwerfungsbereichs B: Falls H 1 : µ µ 0 : B = ( ; x 1 α/2 ) (x 1 α/2 ; ) Falls H 1 : µ < µ 0 : B = ( ; x 1 α ) Falls H 1 : µ > µ 0 : B = (x 1 α ; ) Dabei steht x 1 α/2 bzw. x 1 α für das jeweilige Fraktil der t(n 1)-Verteilung bei n 29 bzw. der N(0; 1)-Verteilung bei n Induktive Grundlagen Punkt-Schätzung Intervall-Schätzung Signifikanztests 3 Berechnen des Testfunktionswertes: v = x µ 0 n s x µ 0 n σ falls Grundgesamtheit N(µ; σ)-verteilt, σ unbekannt oder falls Verteilung der GG beliebig, n > 30, σ unbekannt falls Verteilung der GG beliebig, n > 30, σ bekannt x µ 0 n falls GG gemäß B(1; µ)-verteilt, n > 30 µ0 (1 µ 0 ) 198
4 Einstichproben-t-Test: Beispiel Beispiel t-test: Energieaufnahme von Frauen Empfohlene täglich Energieaufnahme für Frauen: 7724 kj (1845 kcal) Nehme einfache Stichprobe von 11 Frauen und teste zum Signifkanzniveau α = 0,05 für H 0 : Der Erwartungswert der täglichen Energieaufnahme für Frauen ist 7724 kj (µ 0 ) gegen H 1 : µ µ 0 daily.intake <- c(5260, 5470, 5640, 6180, 6390, 6515, 6805, 7515, 7515, 8230, 8770) t.test(daily.intake, alternative="two.sided", mu=7724, conf.level=0.95) ## ## One Sample t-test ## ## data: daily.intake ## t = , df = 10, p-value = ## alternative hypothesis: true mean is not equal to 7724 ## 95 percent confidence interval: ## ## sample estimates: ## mean of x ## Induktive Grundlagen Punkt-Schätzung Intervall-Schätzung Signifikanztests 199
5 Einstichproben-t-Test, approx. Gaußtest Beispiel: X 1,..., X 2000 B(1; p) mit { 1, falls i-te Person Wähler einer bestimmten Partei X i = 0, sonst Ergebnis der Stichprobe: 2000 x i = 108 i=1 Prüfe H 0 : p 0,05 gegen H 1 : p > 0,05 zum Signifikanzniveau 2 % Lösung: approximativer Gaußtest bei dichotomer (zweiwertiger) Verteilung; Voraussetzung 2 erfüllt: Induktive Grundlagen Punkt-Schätzung Intervall-Schätzung Signifikanztests 1 α = 0,02 2 N(0; 1) : x 1 α = x 0,98 = 2,05 (Tabelle) B = (2,05; ) 3 v = , = 0,82 0,05 (1 0,05) 4 v / B H 0 nicht verwerfen Zusatzfrage: Entscheidung, falls α = 0,01? Keine Änderung! 200
6
7 Chi-Quadrat-Test für die Varianz Gegeben: Einfache Stichprobe X 1,..., X n N(µ; σ) Hypothesenpaare: a) H 0 : σ 2 = σ 2 0 H 1 : σ 2 σ 2 0 b) H 0 : σ 2 = σ 2 0 (oder σ 2 σ 2 0), H 1 : σ 2 < σ 2 0 c) H 0 : σ 2 = σ 2 0 (oder σ 2 σ 2 0), H 1 : σ 2 > σ 2 0 Vorgehensweise: 1 Festlegen des Signifikanzniveaus α. 2 Festlegen des Verwerfungsbereichs: B = [ ) ( 0; x α/2 x1 α/2 ; ) im Fall a) B = [0; x α ) im Fall b) B = (x 1 α ; ) im Fall c) 4. Induktive Grundlagen Punkt-Schätzung Intervall-Schätzung Signifikanztests 3 Berechnung des Testfunktionswertes: v = (n 1)s2 σ 2 0 = 1 n σ 2 (x i x) 2 0 i=1 201
8 Chi-Quadrat-Test für die Varianz Beispiel: G N(µ; σ) (x 1,..., x 10 ) = (2100; 2130; 2150; 2170; 2210; 2070; 2230; 2150; 2230; 2200) Prüfe H 0 : σ = 40, H 1 : σ 40 zum Signifikanzniveau α = 0,1 Lösung: χ 2 -Test für die Varianz, Hypothese Fall a); Voraussetzungen sind erfüllt 1 α = 0,1 2 χ 2 (9) : x α 2 = x 0,05 = 3,33; x 1 α 2 = x 0,95 = 16,92 (Tabelle der χ 2 -Verteilung) 4. Induktive Grundlagen Punkt-Schätzung Intervall-Schätzung Signifikanztests B = [0; 3,33) (16,92; ) 3 x = 1 10 ( ) = 2164 v = [( ) ( ) 2 ] = 16,65 v / B H 0 nicht verwerfen 202
9 Zwei verbundene einfache Stichproben: Kontingenztest Situation: In Grundgesamtheit G: Zwei verbundene einfache Stichproben, also Beobachtung zweier Merkmale X, Y Hypothese: H 0 : Die beiden Merkmale X und Y sind in G unabhängig. H 1 : X und Y sind in G abhängig. Vorgehensweise Kontingenztest: 1 Festlegen des Signifikanzniveaus α. 2 Unterteilung der x-achse in k 2 und die y-achse in l 2 disjunkte, aneinander angrenzende Intervalle A 1,..., A k bzw. B 1,..., B l 3 Erstellen einer Kontingenztabelle mit Randhäufigkeiten: 4. Induktive Grundlagen Punkt-Schätzung Intervall-Schätzung Signifikanztests x y B 1 B 2 B l A 1 h 11 h 12 h 1l h 1 A 2 h 21 h 22 h 2l h A k h k1 h k2 h kl h k h 1 h 2 h l n 203
10 Zwei verbundene einfache Stichproben: Kontingenztest Vorgehensweise Kontingenztest (Fortsetzung): 4 Mit dem Fraktilswert x 1 α der χ 2 -Verteilung mit (k 1) (l 1) Freiheitsgraden: Berechnung des Verwerfungsbereichs B = (x 1 α ; ) 5 Zu jeder Kombination aus i = 1,..., k und j = 1,..., l: Berechnung der Größe h ij = h i h j n 4. Induktive Grundlagen Punkt-Schätzung Intervall-Schätzung Signifikanztests 6 Berechnung des Testfunktionswerts v: v = k i=1 j=1 ( ) l 2 h ij h ij = h ij k l i=1 j=1 h 2 ij h ij n 7 Ablehnung von H 0 genau dann, wenn v B. 204
11 Zwei verbundene einfache Stichproben: Kontingenztest Kontingenztest: Beispiel 400 Erstkandidaten einer praktischen Führerscheinprüfung schneiden abhängig von der besuchten Fahrschule folgendermaßen ab: Fahrschule A B C bestanden durchgefallen Zum Signifikanzniveau von 5 % soll getestet werden, ob das Bestehen der Prüfung unabhängig von der besuchten Fahrschule ist. Testdurchführung 1 Signifikanzniveau α = 5 % 2 entfällt, da Skalenniveau nominal 3 Kontingenztabelle: A B C best durchg χ 2 -Verteilung mit (3 1) (2 1) = 2 Freiheitsgraden: x 1 0,05 = x 0,95 = 5,99: B = (5,99; ) 5 Berechnung der h ij : A B C best ,2 51,8 durchg ,8 22,2 ( )2 6 v = (22,2 12)2 + 22,2 9,077 7 v B: Also wird H 0 abgelehnt, die Prüfungsergebnisse sind abhängig von der Fahrschule. 4. Induktive Grundlagen Punkt-Schätzung Intervall-Schätzung Signifikanztests 205
12
13 übersicht Bücher Bamberg, Günter, Franz Baur und Michael Krapp (2011) Aufl. München: Oldenbourg Verlag. ISBN: Dalgaard, Peter (2002). Introductory Statistics with R. New York: Springer. 4. Induktive Fahrmeir, Ludwig, Rita Künstler, Iris Pigeot und Gerhard Tutz (2009). : Der Weg zur Datenanalyse. 7. Aufl. Berlin, Heidelberg: Springer. ISBN:
14 übersicht zu Bildern und Daten Anscombe, Francis (1973). Graphs in Statistical Analysis. In: The American Statistician, S Bach, Axel, Reinhard Brüning, Katrin Krieft, Hilmar Liebsch und Martin Rosenberg (2006). Mit Zahlen lügen. URL: sendungsbeitraege/2006/1017/000_zahlen.jsp. 4. Induktive Fahrmeir, Ludwig, Rita Künstler, Iris Pigeot und Gerhard Tutz (2009). : Der Weg zur Datenanalyse. 7. Aufl. Berlin, Heidelberg: Springer. ISBN: Kramer, Walter (2011). So lügt man mit Piper Verlag. ISBN: 207
15 Poissonverteilung X λ P(λ), Verteilungsfunktionen F λ (x) = P(X λ x) x λ x λ Induktive Binomialverteilung Poissonverteilung Standardnormalverteilung χ 2 -Verteilung t-verteilung F-Verteilung 216
16 Poissonverteilung X λ P(λ), Verteilungsfunktionen F λ (x) = P(X λ x) x λ Induktive Binomialverteilung Poissonverteilung Standardnormalverteilung χ 2 -Verteilung t-verteilung F-Verteilung 217
17 Verteilungsfunktion Φ der Standardnormalverteilung Dabei bedeutet Φ(x) zum Beispiel: Φ(2,13) = Φ(2,1 + 0,03) = 0,9834. Diesen Wert findet man in der Zeile mit x 1 = 2,1 und der Spalte mit x 2 = 0,03. x 1 \x Induktive Binomialverteilung Poissonverteilung Standardnormalverteilung χ 2 -Verteilung t-verteilung F-Verteilung 218
18 α-fraktile der χ 2 -Verteilung mit n Freiheitsgraden α \ n α \ n Induktive Binomialverteilung Poissonverteilung Standardnormalverteilung χ 2 -Verteilung t-verteilung F-Verteilung 219
19 α-fraktile der t-verteilung mit n Freiheitsgraden n \ α Induktive Binomialverteilung Poissonverteilung Standardnormalverteilung χ 2 -Verteilung t-verteilung F-Verteilung 220
20 α-fraktile der F-Verteilung mit den Freiheitsgraden ν 1 und ν 2 α = 0,95 ν 1 \ν α = 0,99 ν 1 \ν Induktive Binomialverteilung Poissonverteilung Standardnormalverteilung χ 2 -Verteilung t-verteilung F-Verteilung 221
Statistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg. für Betriebswirtschaft und internationales Management
für Betriebswirtschaft und internationales Management Sommersemester 2015 Prof. Dr. Stefan Etschberger Hochschule Augsburg Testverteilungen Chi-Quadrat-Verteilung Sind X 1,..., X n iid N(0; 1)-verteilte
MehrEinführung in einige Teilbereiche der Wirtschaftsmathematik für Studierende des Wirtschaftsingenieurwesens
in einige Teilbereiche der für Studierende des Wirtschaftsingenieurwesens Sommersemester 2014 Hochschule Augsburg : Gliederung 1 Finanzmathematik 2 Lineare Programme 3 Differentialgleichungen 4 Statistik:
MehrStatistik. Sommersemester Stefan Etschberger. für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik
Stefan Etschberger für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 2017 Normalverteilung Eine Zufallsvariable X mit einer Dichtefunktion f(x) =
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg. für Betriebswirtschaft und internationales Management
für Betriebswirtschaft und internationales Management Sommersemester 2015 Prof. Dr. Stefan Etschberger Hochschule Augsburg Normalverteilung Eine Zufallsvariable X mit einer Dichtefunktion und σ > 0 heißt
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 : Gliederung 1 Einführung 2 Deskriptive Statistik
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
MehrStatistisches Testen
Statistisches Testen Universität Duisburg-Essen, Fak. 4, FG Instrumentelle Analytik 7. Juni 2007 Statistisches Testen Inhaltsverzeichnis Schätzverfahren und Testverfahren sind Anwendungen der Stichprobentheorie.
MehrEinführung in die Induktive Statistik: Testen von Hypothesen
Einführung in die Induktive Statistik: Testen von Hypothesen Jan Gertheiss LMU München Sommersemester 2011 Vielen Dank an Christian Heumann für das Überlassen von TEX-Code! Testen: Einführung und Konzepte
MehrStochastik Praktikum Testtheorie
Stochastik Praktikum Testtheorie Thorsten Dickhaus Humboldt-Universität zu Berlin 11.10.2010 Definition X: Zufallsgröße mit Werten in Ω, (Ω, F, (P ϑ ) ϑ Θ ) statistisches Modell Problem: Teste H 0 : ϑ
MehrTeil VIII Hypothesentests für zwei Stichproben
Woche 9: Hypothesentests für zwei Stichproben Teil VIII Hypothesentests für zwei Stichproben WBL 15/17, 22.06.2015 Alain Hauser Berner Fachhochschule, Technik und Informatik Berner
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
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
MehrTeil XI. Hypothesentests für zwei Stichproben. Woche 9: Hypothesentests für zwei Stichproben. Lernziele. Beispiel: Monoaminooxidase und Schizophrenie
Woche 9: Hypothesentests für zwei Stichproben Patric Müller Teil XI Hypothesentests für zwei Stichproben ETHZ WBL 17/19, 26.06.2017 Wahrscheinlichkeit und Statistik Patric
Mehr3. Geben Sie Modus, Erwartungswert und Varianz der Zufallsvariablen X an.
Aufgabe 1 Der Student Paul fährt jeden Tag mit dem Fahrrad zur Uni. Die Strecke kreuzt drei Fußgängerüberwege mit Bedarfsampeln, die durch Fußgänger aktiviert werden. Wird Paul an einer Bedarfsampel gestoppt,
MehrStatistik. Sommersemester Stefan Etschberger. für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik
Stefan Etschberger für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 2017 Rechenregeln für den Erwartungswert Ist f symmetrisch bzgl. a, so gilt E(X)
MehrW-Rechnung und Statistik für Ingenieure Übung 13
W-Rechnung und Statistik für Ingenieure Übung 13 Nächste Woche: Probeklausur Bringen Sie sich ein leeres Exemplar der Probeklausur mit, um sich eine Musterlösung zu erstellen. Aufgabe 1 : Testproblem Testproblem:
MehrSie wissen noch, dass 18.99% der Surfer, die kein Smartphone haben, pro Monat weniger als 20 Stunden das Internet nutzen, d.h. f(y 1 X 2 ) =
Aufgabe 1 In einer Umfrage wird der Besitz eines Smartphones (Merkmal X) und die Nutzungsdauer des Internets pro Monat (Merkmal Y ) untersucht. Merkmal X hat zwei Ausprägungen: X 1 : Besitz und X 2 : Nichtbesitz.
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrAnhang: Statistische Tafeln und Funktionen
A1 Anhang: Statistische Tafeln und Funktionen Verteilungsfunktion Φ(z) der Standardnormalverteilung Die Tabelle gibt die Werte Φ(z) der Verteilungsfunktion zu vorgegebenem Wert z 0 an; ferner gilt Φ( z)
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:
MehrBiostatistik, WS 2017/18 Der zwei-stichproben-t-test
1/28 Biostatistik, WS 2017/18 Der zwei-stichproben-t-test (t-test für ungepaarte Stichproben) Matthias Birkner http://www.staff.uni-mainz.de/birkner/biostatistik1718/ 15.12.2017 und 22.12.2017 2/28 Inhalt
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. 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)
MehrLösungen zu Übungsblatt 9 Höhere Mathematik2/Stochastik 2 Master KI/PI
Lösungen zu Übungsblatt 9 Höhere Mathematik/Stochastik Anpassung von Verteilungen Zu Aufgabe ) a) Zeichnen des Histogranmmes: Um das Histogramm zu zeichnen, benötigen wir die Höhe der Balken. Die Höhe
MehrWirtschaftsmathematik
Einführung in einige Teilbereiche der Wintersemester 2016 Prof. Dr. Stefan Etschberger HSA Stundenplan Stundenplan von (Stand Herr Prof. Dr. 15.9.2016) Stefan Etschberger KW 37 Sommerferien 12 13 14 15
Mehr14.3 Das Einstichprobenproblem in R
14.3. DAS EINSTICHPROBENPROBLEM IN R 343 0.553 0.570 0.576 0.601 0.606 0.606 0.609 0.611 0.615 0.628 0.654 0.662 0.668 0.670 0.672 0.690 0.693 0.749 0.844 0.933 die absoluten Häufikeiten n i der Klassen.
Mehr1 Dichte- und Verteilungsfunktion
Tutorium Yannick Schrör Klausurvorbereitungsaufgaben Statistik Lösungen Yannick.Schroer@rub.de 9.2.26 ID /455 Dichte- und Verteilungsfunktion Ein tüchtiger Professor lässt jährlich 2 Bücher drucken. Die
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 007/008 Aufgabe 1 (I) Herr
MehrWirtschaftsmathematik
Einführung in einige Teilbereiche der Wintersemester 206 Prof. Dr. Stefan Etschberger HSA Unabhängigkeit von Ereignissen A, B unabhängig: Eintreten von A liefert keine Information über P(B). Formal: P(A
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungen stetiger Zufallsvariablen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrGrundidee. χ 2 Tests. Ausgangspunkt: Klasseneinteilung der Beobachtungen in k Klassen. Grundidee. Annahme: Einfache Zufallsstichprobe (X 1,..., X n ).
Grundidee χ 2 -Anpassungstest χ 2 -Unabhängigkeitstest χ 2 -Homogenitätstest χ 2 Tests Grundidee Ausgangspunkt: Klasseneinteilung der Beobachtungen in k Klassen Annahme: Einfache Zufallsstichprobe (X 1,,
Mehr4 Testen von Hypothesen
4 Testen von Hypothesen Oft müssen zweiwertige Entscheidungen ( Ja oder Nein ) gefällt werden. Denken wir an die elektronisch gesicherten Waren, wo am Ausgang eines Geschäftes durch eine Maschine geprüft
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
MehrÜbung zur Vorlesung Statistik I WS Übungsblatt 9
Übung zur Vorlesung Statistik I WS 2012-2013 Übungsblatt 9 17. Dezember 2012 Aufgabe 26 (4 Punkte): In einer Studie mit n = 10 Patienten soll die Wirksamkeit eines Medikaments gegen Bluthochdruck geprüft
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
MehrTeil VII Hypothesentests für eine Stichprobe
Woche 7: Hypothesentests für eine Stichprobe Teil VII Hypothesentests für eine Stichprobe WBL 15/17, 15.06.2015 Alain Hauser Berner Fachhochschule, Technik und Informatik Berner Fachhochschule
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und
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
MehrWahrscheinlichkeitsrechnung und Statistik. 11. Vorlesung /2019
Wahrscheinlichkeitsrechnung und Statistik 11. Vorlesung - 2018/2019 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 2 heißt Median. P(X < z
Mehr1. Nennen Sie den für das Merkmal X geeigneten Skalentyp und begründen Sie Ihre Antwort.
Aufgabe 1 150 Personen gaben bei einer Befragung an, wie viel Geld sie in diesem Jahr für Weihnachtsgeschenke ausgegeben haben. Die Ergebnisse der Befragung sind in nachfolgender Tabelle zusammengefasst,
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg
für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 2016 Prof. Dr. Stefan Etschberger Hochschule Augsburg Zufallsvariablen Beschreibung von Ereignissen
MehrVorname: Nachname: Matrikel-Nr.: Klausur Statistik
Vorname: Nachname: Matrikel-Nr.: Klausur Statistik Prüfer Etschberger, Heiden, Jansen Prüfungsdatum 21. Januar 2016 Prüfungsort Augsburg Studiengang IM und BW Bearbeitungszeit: 90 Minuten Punkte: 90 Die
Mehr4. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017
4. Lösung weitere Übungsaufgaben Statistik II WiSe 016/017 1. Aufgabe: Eine sächsische Molkerei füllt Milch in Tetrapacks ab. Es wird vermutet, dass die Füllmenge normalverteilt ist mit einem Erwartungswert
MehrTeil X. Hypothesentests für eine Stichprobe. Woche 8: Hypothesentests für eine Stichprobe. Lernziele. Statistische Hypothesentests
Woche 8: Hypothesentests für eine Stichprobe Teil X Patric Müller Hypothesentests für eine Stichprobe ETHZ WBL 17/19, 19.06.2017 Wahrscheinlichkeit und Statistik Patric
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
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
MehrKapitel 10 Mittelwert-Tests Einstichproben-Mittelwert-Tests 10.2 Zweistichproben Mittelwert-Tests
Kapitel 10 Mittelwert-Tests 10.1 Einstichproben-Mittelwert-Tests 10.2 Zweistichproben Mittelwert-Tests 10.1 Einstichproben- Mittelwert-Tests 10.1.1 Einstichproben- Gauß-Test Dichtefunktion der Standard-Normalverteilung
MehrHypothesentests. Hypothese Behauptung eines Sachverhalts, dessen Überprüfung noch aussteht.
Hypothese Behauptung eines Sachverhalts, dessen Überprüfung noch aussteht. Wissenschaftliche Vorgehensweise beim Hypothesentest Forscher formuliert eine Alternativhypothese H 1 (die neue Erkenntnis, die
MehrKlausur Statistik Lösungshinweise
Klausur Statistik Lösungshinweise Prüfungsdatum: 21. Januar 2016 Prüfer: Etschberger, Heiden, Jansen Studiengang: IM und BW Punkte: 15, 15, 12, 14, 16, 18 ; Summe der Punkte: 90 Aufgabe 1 15 Punkte Bei
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
MehrBiostatistik, Sommer 2017
1/57 Biostatistik, Sommer 2017 : Gepaarter, Ungepaarter t-test, Welch Test Prof. Dr. Achim Klenke http://www.aklenke.de 12. Vorlesung: 07.07.2017 2/57 Inhalt 1 Gepaarter t-test Ungepaarter t-test Ungepaarter
MehrVergleich von Gruppen I
Vergleich von Gruppen I t-test und einfache Varianzanalyse (One Way ANOVA) Werner Brannath VO Biostatistik im WS 2006/2007 Inhalt Der unverbundene t-test mit homogener Varianz Beispiel Modell Teststatistik
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
MehrHäufigkeitsverteilungen
Häufigkeitsverteilungen Eine Häufigkeitsverteilung gibt die Verteilung eines erhobenen Merkmals an und ordnet jeder Ausprägung die jeweilige Häufigkeit zu. Bsp.: 100 Studenten werden gefragt, was sie studieren.
MehrDipl.-Volksw. Markus Pullen Wintersemester 2012/13
Statistische Auswertungen mit R Universität Kassel, FB 07 Wirtschaftswissenschaften Dipl.-Volksw. Markus Pullen Wintersemester 2012/13 Beispiele 8. Sitzung Konfidenzintervalle, Hypothesentests > # Anwendungsbeispiel
MehrKapitel 3 Schließende Statistik
Bemerkung 3.34: Die hier betrachteten Konfidenzintervalle für unbekannte Erwartungswerte sind umso schmaler, je größer der Stichprobenumfang n ist, je kleiner die (geschätzte) Standardabweichung σ (bzw.
Mehr1. Wie groß ist die Wahrscheinlichkeit, dass beide nicht gewinnen? Hinweis: Die Vierfeldertafel könnte hilfreich sein.
Aufgabe 1 Die Zwillinge Daida und Iballa M. kämpfen um den Weltmeistertitel im Windsurfen. Vor einem Wettkampf in Torbole macht der berühmte Moderator Roberto H. einen Vorbericht. In seiner Analyse beziffert
Mehr70 Wichtige kontinuierliche Verteilungen
70 Wichtige kontinuierliche Verteilungen 70. Motivation Zufallsvariablen sind nicht immer diskret, sie können oft auch jede beliebige reelle Zahl in einem Intervall [c, d] einnehmen. Beispiele für solche
MehrStatistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 11. Juli 016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
Mehr3) Testvariable: T = X µ 0
Beispiel 4.9: In einem Molkereibetrieb werden Joghurtbecher abgefüllt. Der Sollwert für die Füllmenge dieser Joghurtbecher beträgt 50 g. Aus der laufenden Produktion wurde eine Stichprobe von 5 Joghurtbechern
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
MehrBlockpraktikum zur Statistik mit R
Blockpraktikum zur Statistik mit R 08. Oktober 2010 Till Breuer, Sebastian Mentemeier und Matti Schneider Institut für Mathematische Statistik Universität Münster WS 2010/11 Gliederung 1 Ein-Stichproben-Fall
MehrStatistik für Ingenieure Vorlesung 12
Statistik für Ingenieure Vorlesung 12 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 23. Januar 2017 5.1.1. Tests für eine Stichprobe mit stetiger Skala a) Shapiro-Wilk-Test
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests Nach Verteilungsannahmen: verteilungsabhängig: parametrischer [parametric] Test verteilungsunabhängig: nichtparametrischer [non-parametric] Test Bei parametrischen Tests
MehrBiostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 : Binomial, Gauß Prof. Dr. Achim Klenke http://www.aklenke.de 10. Vorlesung: 20.01.2012 1/31 Inhalt 1 Einführung Binomialtest 2/31 Beispiel Einführung Bohnenlieferant liefert
Mehre) Beim klassischen Signifikanztest muß die Verteilung der Prüfgröße unter der Nullhypothese
9 Hypothesentests 1 Kapitel 9: Hypothesentests A: Übungsaufgaben: [ 1 ] Bei Entscheidungen über das Ablehnen oder Nichtablehnen von Hypothesen kann es zu Irrtümern kommen. Mit α bezeichnet man dabei die
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Kurze Zusammenfassung der letzten Vorlesung Schätzung und Modellentwicklung Überblick Statistische Signifikanztests
MehrDefinition Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) :=
Definition 2.34. Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) := x f(x)dx der Erwartungswert von X, sofern dieses Integral existiert. Entsprechend wird die Varianz V(X)
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
Mehr3. Das Prüfen von Hypothesen. Hypothese?! Stichprobe Signifikanztests in der Wirtschaft
3. Das Prüfen von Hypothesen Hypothese?! Stichprobe 3.1. Signifikanztests in der Wirtschaft Prüfung, ob eine (theoretische) Hypothese über die Verteilung eines Merkmals X und ihre Parameter mit einer (empirischen)
Mehr73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments
73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind
MehrStatistik Workshop. 12. und 14. Januar Prof. Dr. Stefan Etschberger HSA
Workshop Mini-Einführung und Auffrischung zu einigen Teilen der angewandten 12. und 14. Prof. Dr. Stefan Etschberger HSA Outline 1 : Einführung Fehler durch Gute und schlechte Grafiken Begriff Grundbegriffe
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
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
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
Mehr( x i 1 ; x i ] \(ỹ j 1 ; ỹ j ]
Aufgabe 1 Die Befragung von 100 mittelständischen Dienstleistungsunternehmen einer Metropolregion nach ihren Umsätzen sowie Werbeausgaben im Jahre 2008 erbrachte folgende Häufigkeitsfunktion: ( x i 1 ;
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen 5. Der zwei-stichproben-t-test. und der Wilcoxon-Test
Wahrscheinlichkeitsrechnung und Statistik für Biologen 5. Der zwei-stichproben-t-test (t-test für ungepaarte Stichproben) und der Wilcoxon-Test Martin Hutzenthaler & Dirk Metzler 20. Mai 2010 Inhaltsverzeichnis
Mehr# Befehl für den Lilliefors-Test
1/5 Matthias Rudolf & Diana Vogel R-Kurs Graduiertenakademie September 2017 Loesungsskript: Tests 1a library(nortest) 1b lillie.test Befehl für den Lilliefors-Test 2a, Datensatz "Schachbeispiel einlesen"
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
MehrTests für Erwartungswert & Median
Mathematik II für Biologen 26. Juni 2015 Prolog Varianz des Mittelwerts Beispiel: Waage z-test t-test Vorzeichentest Wilcoxon-Rangsummentest Varianz des Mittelwerts Beispiel: Waage Zufallsvariable X 1,...,X
MehrBiostatistik, Sommer 2017
1/51 Biostatistik, Sommer 2017 Wahrscheinlichkeitstheorie: Verteilungen, Kenngrößen Prof. Dr. Achim Klenke http://www.aklenke.de 8. Vorlesung: 09.06.2017 2/51 Inhalt 1 Verteilungen Normalverteilung Normalapproximation
MehrStatistik für NichtStatistiker
Statistik für NichtStatistiker Zufall und Wahrscheinlichkeit von Prof. Dr. Karl Bosch 5., verbesserte Auflage R. Oldenbourg Verlag München Wien Inhaltsverzeichnis 1. ZufalLsexperimente und zufällige Ereignisse
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Schließende Statistik Sommersemester Namensschild. Dr.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Schließende Statistik Sommersemester 2013 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Kleben Sie bitte sofort Ihr Namensschild
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen 5. Der zwei-stichproben-t-test. und der Wilcoxon-Test
Wahrscheinlichkeitsrechnung und Statistik für Biologen 5. Der zwei-stichproben-t-test (t-test für ungepaarte Stichproben) und der Wilcoxon-Test Martin Hutzenthaler & Dirk Metzler http://www.zi.biologie.uni-muenchen.de/evol/statgen.html
MehrStatistik. Von Dr. Günter Bamberg. o. Professor für Statistik und Dr. habil. Franz Baur. Universität Augsburg. 12., überarbeitete Auflage
Statistik Von Dr. Günter Bamberg o. Professor für Statistik und Dr. habil. Franz Baur Universität Augsburg 12., überarbeitete Auflage R.01denbourg Verlag München Wien V INHALTSVERZEICHNIS Vorwort Liste
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 21. Dezember 2011 1 Definition Binomialverteilung Geometrische Verteilung Poissonverteilung 2 Standardisierte Verteilung
Mehr5. Spezielle stetige Verteilungen
5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenho Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2 Elementare
MehrBiomathematik für Mediziner
Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur SS 2002 Aufgabe 1: Franz Beckenbauer will, dass
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)
Mehr5. Testen Sie bei einer Irrtumswahrscheinlichkeit von 10% die Vermutung des Maklers, dass die mittlere Beratungszeit µ Z über 40 Minuten liegt.
Aufgabe 1 Ein Versicherungsmakler schloss im vergangenen Jahr insgesamt 1 Versicherungsverträge ab. Für diese liegen Ihnen die gemeinsamen absoluten Häugkeiten der Merkmale X: Provision für den Vertragsabschluss
MehrHypothesentests für Erwartungswert und Median. für D-UWIS, D-ERDW, D-USYS und D-HEST SS15
Hypothesentests für Erwartungswert und Median für D-UWIS, D-ERDW, D-USYS und D-HEST SS15 Normalverteilung X N(μ, σ 2 ) : «X ist normalverteilt mit Erwartungswert μ und Varianz σ 2» pdf: f x = 1 2 x μ exp
MehrStatistik II Februar 2005
Statistik II Februar 5 Aufgabe Zufällig ausgewählten Personen der Zielgruppe wird der Prototyp eines neuen Konsumgutes vorgelegt, um die Zahlungsbereitschaft Z ( pro Einheit des Konsumgutes) zu ermitteln.
Mehrt-tests Lösung: b) und c)
t-tests 2015 Assessmentmodul 1 - Frage B10: Ein Team von Gesundheitspsychologinnen hat ein Programm entwickelt, das die Studierenden der Universität Zürich dazu anregen soll, mehr Sport zu treiben. In
Mehr