10. Testen von Hypothesen Seite 1 von 6

Größe: px
Ab Seite anzeigen:

Download "10. Testen von Hypothesen Seite 1 von 6"

Transkript

1 10. Teste vo Hypothese Seite 1 vo Eiführug i das Teste vo Hypothese Eie Hypothese ist eie Vermutug bzw. Behauptug über die Wahrscheilichkeit eies Ereigisses. Mit Hilfe eies geeigete Tests (=Testverfahre) soll etschiede werde, ob die Hypothese ageomme oder abgeleht wird. I beide Fälle ist die Etscheidug mit eier bestimmte Irrtums- bzw. Fehlerwahrscheilichkeit behaftet. Beispiele für Hypothese: - Wie groß ist der Ateil roter Kugel vo so us so viele schwarze ud rote Kugel i eier Ure? - Wie groß ist der Ateil defekter Schraube i eier Packug? Vorgehesweise: Zuächst ist festzulege, was ei Treffer sei soll, also z. B. die rote Kugel, die defekte Schraube usw. Beim Teste der Hypothese wird eie bestimmte Azahl vo Kugel (Schraube) gezoge. Ma spricht vo eier Zufallsstichprobe vom Umfag. Uter de gezogee Kugel ( Schraube) befide sich geau k Treffer. Die Azahl der Treffer et ma die Testgröße Z. Ka ma davo ausgehe, dass die Wahrscheilichkeit p für eie Treffer immer gleich groß ist, so ist die Zufallsstichprobe ei Beroulli-Experimet! Die Wahrscheilichkeit für geau k Treffer lässt sich also mit der Biomialverteilug bereche. Das Teste vo Hypothese ist somit ichts aderes als ei Awedugsbeispiel für die Biomialverteilug! 10.2 Alterativtests Bei eiem Alterativtest soll ma sich zwische 2 Hypothese (=Aahme) H 1 ud H 2 etscheide. Beispiel: Es soll geklärt werde, wie groß der Ateil der rote Kugel i eier Ure mit rote ud schwarze Kugel ist. Eie Vermutug ist, dass der Ateil p 1 sei, eie 2. Vermutug ist, dass der Ateil p 2 (> p 1) sei. 1. Schritt: Formulierug der Hypothese H 1 : Ateil der rote Kugel sei p 1 H 2 : Ateil der rote Kugel sei p 2 Bemerkug: Die Hypothese H 1 wird auch als Nullhypothese H 0 bezeichet. Da ist H1 die Alterative. Die Etscheidug muss davo abhäge, wie groß die Testgröße Z ist, d.h. wie viele rote Kugel bei der Stichprobe gezoge wurde. Dazu stellt ma eie Etscheidugsregel auf. 2. Schritt: Etscheidugsregel aufstelle Z X Etscheidug für H 1 Z > X Etscheidug für H 2 Dabei ist X ei Wert zwische 0 ud ud ka zuächst beliebig gewählt werde. I der Praxis orietiert ma sich a de Erwartugswerte bzgl. ud p 1 bzw. ud p 2. Durch Wahl vo X wird der Wertebereich W={ 1,..., } aufgeteilt i de Aahmebereich A 1 für H 1 mit A 1={ 1,..., X} ud de Aahmebereich A 2 für H 2 mit A 2={X+1, X+2,..., }. Der Aahmebereich A 2 ist damit gleichzeitig der Ablehugsbereich A 1 (= kritischer Bereich) für H 1; etspreched ist A 1 der Ablehugsbereich für H 2. Es gilt: A 1 A 2.

2 10. Teste vo Hypothese Seite 2 vo 6 Die Etscheidug für oder gege H 1 bzw. für oder gege H 2 ist jeweils vo der Stichprobe abhägig, damit zufällig, ud ka somit jeweils wahr oder falsch sei. Ma wird sich also mit eier bestimmte Wahrscheilichkeit richtig oder falsch etscheide. Vergleiche dazu folgede Übersicht: Für die Testgröße Z gilt: Z X Z > X H 1 trifft zu: Irrtümliche Ablehug vo H 1 Richtige Etscheidug für H p = p 1 1 Fehler 1. Art H 2 trifft zu: Irrtümliche Ablehug vo H 2 Richtige Etscheidug für H p = p 2 2 Fehler 2. Art Bei eiem Fehler 1. Art wird also H 1 wird irrtümlich verworfe (= abgeleht). Beim Fehler 2. Art wird H 1 irrtümlich ageomme. 3. Schritt: Berechug der Fehlerwahrscheilichkeite Die zugehörige Wahrscheilichkeite sid Biomialverteilugswahrscheilichkeite ud lasse sich allgemei wie folgt bereche: Z X Z > X p1 p1 p = p 1 P p 1 (Z X) P (Z X) 1 P (Z X) p2 p2 p = p 2 P p 2 (Z X) P (Z X) 1 P (Z X) Beachte: Die Fehlerwahrscheilichkeite häge jeweils vo X ud p 1 bzw. p 2 ud ab! Als Risiko 1. Art bezeichet ma die Wahrscheilichkeit für de Fehler 1. Art, also die Wahrscheilichkeit, dass ma sich irrtümlich für die Hypothese H 2 etscheidet. D. h. es ist Z > X, aber p = p 1. Etspreched ist das Risiko 2. Art die Wahrscheilichkeit für de Fehler 2. Art, also die Wahrscheilichkeit, dass ma sich irrtümlich für die Hypothese H 1 etscheidet. D. h. es ist Z X, aber p = p 2. Ädert ma bei gleichem p ud die Etscheidugsregel, so vergrößert sich das Risiko 1. Art währed sich das Risiko 2. Art verkleiert oder umgekehrt. I der Praxis wird ma bemüht sei, die Risike 1. ud 2. Art möglichst gerig zu halte, d.h. ma wird die Etscheidugsregel etspreched so alege ud gegebefalls äder, dass diese beide Wahrscheilichkeite oder zumidest eie davo möglichst klei ist. Beispiel: Eie Firma stellt Schraube her. Ist der Ausschussateil der Schraube 10%, so hadelt es sich um Schraube 1. Wahl. Beträgt der Ausschussateil der Schraube jedoch 40%, so hadelt es sich um Schraube 2. Wahl. Aus eier Schachtel werde Schraube gezoge. Es soll etschiede werde, ob es sich um Schraube 1. oder 2. Wahl hadelt. a) Bereche die Risike 1. ud 2. Art, we ma aimmt, dass es sich um Schraube 1. Wahl hadelt, we weiger als 2 defekte Schraube uter de gezogee sid. b) Ädere die Etscheidugsregel ab ud überprüfe, wie sich dadurch die Risike 1. ud 2. Art äder. c) Wie wirkt sich eie Vergrößerug des Stichprobeumfags auf für die Risike 1. ud 2. Art aus? d) Wie muss ma die Etscheidugsregel aufstelle, damit Schraube 2. Wahl bei eier Stichprobe vom Umfag mit höchstes 2% Wahrscheilichkeit irrtümlich für Schraube 1. Wahl gehalte werde?

3 10. Teste vo Hypothese Seite 3 vo 6 Lösug: a) Hypothesetest 1. Schritt: Formulierug der Hypothese H 1 : p 1 = H 2 : p 2 = 4 2. Schritt: Etscheidugsregel aufstelle Zuächst sei X=1 willkürlich (ud damit möglicherweise och icht optimal) gewählt. Somit: Z 1 Etscheidug für H 1 Z > 1 Etscheidug für H 2 Dadurch wird der Wertebereich W={ 1, 2, 3, 4, } aufgeteilt i de Aahmebereich A 1 für H 1 mit A 1={ 1} ud de Aahmebereich A 2 für H 2 mit A 2={2, 3, 4, }. 3. Schritt: Berechug der Fehlerwahrscheilichkeite Berechug des Fehlers 1. Art, d. h. H 1 sei wahr, also p=, aber Testgröße aus A 2, also Z > 1: Risiko 1. Art P Z 1 1 P Z 1 1 F(1) ,1% Berechug des Fehlers 2. Art, d. h. H 2 sei wahr, also p=4, aber Testgröße aus A 1, also Z 1: Risiko 2. Art P 4 Z 1 F(1) ,7% Iterpretatio: Ma etscheidet sich eher für H 1, obwohl H 1 falsch ist, d. h. irrtümliche Etscheidug für H 1. b) Äderug der Etscheidugsregel 1. Schritt: wie bei a) 2. Schritt: geäderte Etscheidugsregel: Jetzt sei X=0 (icht ubedigt sivoll gewählt!): Z 0 Etscheidug für H 1 Z > 0 Etscheidug für H 2 Dadurch wird der Wertebereich W={ 1, 2, 3, 4, } aufgeteilt i de Aahmebereich A 1 für H 1 mit A 1={0} ud de Aahmebereich A 2 für H 2 mit A 2={1, 2, 3, 4, }. 3. Schritt: Berechug der Fehlerwahrscheilichkeite Risiko 1. Art Risiko 2. Art P P Z 0 1 P Z 0 1 F(0) ,0% 4 Z 0 F(0) ,8% Ma erket: Das Risiko 1. Art hat sich verkleiert, gleichzeitig ist das Risiko 2. Art gestiege. c) Vergrößerug des Stichprobeumfags auf =. 1. Schritt: wie bei a) 2. Schritt: Wie soll A 1 sivoll festgelegt werde? Betrachte die Erwartugswerte bzgl p 1 ud p 2: Falls H 1 wahr 1==2 Falls H 2 wahr 2=4=8 Damit sollte X zwische 2 ud 8 liege, z. B. X=4. Somit: Z 4 Etscheidug für H 1 Z > 4 Etscheidug für H 2 Dadurch wird der Wertebereich W={ 1,..., } aufgeteilt i de Aahmebereich A 1 für H 1 mit A 1={ 1, 3, 4} ud de Aahmebereich A 2 für H 2 mit A 2={, 6,..., }.

4 10. Teste vo Hypothese Seite 4 vo 6 3. Schritt: Berechug der Fehlerwahrscheilichkeite Risiko 1. Art Risiko 2. Art P P Z 4 1 P Z ,3% 4 Z 4 F(1) 009,1 % Ma erket: Je größer, desto geriger sid die Risike 1. ud 2. Art, d..h desto zuverlässiger ist der Test. d) Das Risiko 2. Art soll höchstes 2% sei. Daraus ergibt sich die Etscheidugsregel. Es soll also gelte: P 4 (Z c) 02 Aus dem Tafelwerk folgt: P 4 (Z 3) ud P 4 (Z 4) Damit muss c = 3 gewählt werde ud die Etscheidugsregel lautet: Z 3 Etscheidug für H 1 Z > 3 Etscheidug für H 2. Bemerkug: Bei der Wahl c=3 sid die Risike 1. ud 2. Art etwa gleich. Dagege würde bei der Wahl c=2 das Risiko 1. Art zuehme Sigifikaztests Problemstellug Gibt es zu eier Hypothese H der so geate Nullhypothese, eie Vielzahl vo Gegehypothese, so ist eie alterative Etscheidug icht möglich. Da geht es darum, die falsche Etscheidug für H also de Fehler 1. Art, möglichst klei zu halte. Ma gibt deshalb ei so geates Sigifikaziveau für das Risiko 1. Art vor ud ermittelt dazu die Etscheidugsregel. Eie solche Form vo Test heißt Sigifikaztest. Bei eiem Sigifikaziveau vo =% spricht ma vo eiem sigifikate, bei =1% vo eiem hochsigifikate Test bzw. Ergebis. Die Wahrscheilichkeit 1- wird als Sicherheits-Niveau bezeichet, da sie eie utere Schrake für die Wahrscheilichkeit, H 0 zu Recht azuehme, darstellt. Muster: Nullhypothese H 0: p = p 0 Alterative H 1: p > p wobei p icht bekat ist (p<1) Bemerkug: Geauso gut köte ma als Alterative p < p 0 aehme. Die Etscheidugsregel ist da: H0 ZA H Z A mit A A 1 Dabei wird A so gewählt, dass das vorgegebee Sigifikaziveau eigehalte wird. Für das Risiko 1. Art gilt da: P p 0 (Z A), falls H 0 wahr ist. Für das Sicherheits-Niveau 1- gilt: P p 0 (ZA) 1, falls H 0 wahr ist.

5 10. Teste vo Hypothese Seite vo Eiseitige Tests über p Bei eiem eiseitige Test über p wird p ach eier Seite - häufig ach obe - begrezt. D. h. die Nullhypothese ist p=p 0; die Alterative ist p>p 0. Der Aahmebereich ist ebefalls eiseitig, also vo der Form A={ 1,..., c}. Sid für p mehrere Werte möglich, also pp so spricht ma vo zusammegesetzter Nullhypothese. Dabei rechet ma eifach mit p=p Beispiel: a) Ei Lieferat behauptet, der Ausschussateil seier Ware sei geau 1%, also p=1%. Es wird deshalb folgede Vereibarug getroffe: Der Kude erhält eie Preisachlass, we bei eier Stichprobe vom Umfag achgewiese werde ka, dass p deutlich größer als 1% ist. Das Risiko für de Lieferate, zu Urecht eie Preisachlass gewähre zu müsse, soll höchstes 10% sei. Wie ist die Etscheidugsregel zu treffe? Lösug: H 0: p = Z c H 1: p > Z > c Mit = ud 10% folgt: P 1 (Z, c) 1 P (Z c) 1 P 1 (Z c) aus dem Tafelwerk folgt: c Ma wählt damit das kleiste mögliche c, also c =. Damit lautet die Etscheidugsregel: H0 Z, 2, 3, 4, H1 Z6, 7,..., Das tatsächliche Risiko 1. Art ist da 1 P Z ,7% 10% D. h. H 0 ka somit mit eier Sicherheitswahrscheilichkeit vo 93,3% abgeleht werde. Das Risiko 2. Art hägt atürlich vo p für H 1 ab. Hier köe ur exemplarisch eiige Werte ermittelt werde. Hier: (p) P (Z ) 1 mit p > p z. B. (2) = 80421, (3) = usw. b) Der Lieferat behauptet jetzt, dass der Ausschussateil seier Ware höchstes 1% beträgt, also p1%. Was ädert sich dadurch? Lösug: Dies etspricht dem Fall a), wobei jetzt jedoch mit p gerechet wird. Mit = ud 10% folgt: H 0: p Z c H 1: p > Z > c Für p = ist = = 3 für p < ist < 3. Folgerug: Z wird mit och größerer Sicherheit als bei a) im Aahmebereich vo H 0 liege. Ma rechet daher mit dem selbe Aahmebereich wie bei a). Das Risiko 1. Art immt ab, je kleier p ist. Z. B. p = 0 = c) Wie ist die Etscheidugsregel abzuäder, damit das Ergebis hochsigifikat ist? Lösug: P 1(Z c) 01 P 1(Z c) Damit lautet die Etscheidugsregel: H0 Z, 2, 3, 4,, 6, 7 H Z 8, 9,..., 1 c 7, also

6 10. Teste vo Hypothese Seite 6 vo Zweiseitige Tests über p Bei eiem zweiseitige Test über p wird p sowohl ach ute als auch ach obe begrezt, d. h. H 0: p=p H 1: pp 0. Damit die Risike, z. B. für Preisaufschlag bzw. Preisachlass, etwa gleich groß sid, wird üblicherweiße vereibart: Jeweils die Hälfte des Sigifikaziveaus wird auf die utere bzw. auf die obere Hälfte vo A verteilt. 2. Beispiel: Ei Lieferat behauptet, der Ausschussateil seier Ware sei 30%. Er gibt deshalb ach eiem Sigifikaztest mit % eie Preisachlass, we bei eier Stichprobe vom Umfag 2 achgewiese werde ka, dass p deutlich größer als 30% ist ud er fordert eie Preisaufschlag, we p deutlich kleier als 30% ist. Wie ist die Etscheidugsregel zu treffe? Lösug: H 0: p = 3 c < Z d H 1: p 3 0 Z c d < Z Mit = 2 ud % folgt ach Aufteilug vo : 2 (1) P0,3(0 Z c) (2) P0,3(d 1 Z 2) 1 2 wobei c möglichst groß zu wähle ist wobei d möglichst klei zu wähle ist. aus (1) folgt: c 4, vergleiche dazu F(4) = ud F() = 9349 aus (2) folgt: d 1 vergleiche dazu F(9) ud F(10). Somit ist der Aahmebereich A für H 0: A = {, 6, 7, 8, 9, 10} ud der Ablehugsbereich A = { 1, 2, 3, 4} { 11, 12,..., 2}. Damit liegt der Erwartugswert = 23 = 7, schö i der Mitte vo A. Das tatsächliche Risiko1. Art ist dabei: 2 2 P3 (Z 4) P3 (11 Z 2) F(4) 1 F(10) ,8% Das tatsächliche Risiko 2. Art hägt wieder vo p ab; z. B. für p = 2 folgt: 2 (2) P2 ( Z 10) F(10) F(4) ,4%

Beurteilende Statistik - Testen von Hypothesen Alternativtest

Beurteilende Statistik - Testen von Hypothesen Alternativtest Moika Kobel 26.03.2005 Hypothesetest_i.mcd Beurteilede Statistik - Teste vo Hypothese Alterativtest Bsp.: Eie Fabrik liefert Schachtel mit Schraube hoher Qualität ( 10% der Schraube sid fehlerhaft ) ud

Mehr

Übungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie

Übungen 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

Mehr

Tests statistischer Hypothesen

Tests 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

Mehr

(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen.

(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen. Schülerbuchseite 98 1 Lösuge vorläufig IV Beurteilede Statistik S. 98 p S. 1 p w a t Tabelle Tabelle dowloadbar im Iteretauftritt 1 Teste vo Hypothese 1 a) Erwartugswert μ = 5 ud Stadardabweichug σ = 1,6;

Mehr

Kapitel 5: Schließende Statistik

Kapitel 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

Mehr

Testen statistischer Hypothesen

Testen 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

Mehr

Statistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik

Statistik. 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

Mehr

Gütefunktion und Fehlerwahrscheinlichkeiten Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = Interpretation von Testergebnissen I

Gütefunktion 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

Mehr

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren

Dr. 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

Mehr

Die notwendigen Verteilungstabellen finden Sie z.b. hier:

Die 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

Mehr

mathphys-online Abiturprüfung Berufliche Oberschule 2010 Mathematik 13 Technik - B I - Lösung

mathphys-online Abiturprüfung Berufliche Oberschule 2010 Mathematik 13 Technik - B I - Lösung Abiturprüfug Berufliche Oberschule 2010 Mathematik 13 Techik - B I - Lösug Teilaufgabe 1.0 Die Firma Sparlux stellt Eergiesparlampe i großer Azahl her, die, je achdem, wie geau sie die Neleistug eihalte,

Mehr

Wahrscheinlichkeit & Statistik Musterlösung Serie 13

Wahrscheinlichkeit & Statistik Musterlösung Serie 13 ETH Zürich FS 2013 D-MATH Has Rudolf Küsch Koordiator Blaka Horvath Wahrscheilichkeit & Statistik Musterlösug Serie 13 1. a) Die Nullhypothese lautet dass das echte Medikamet höchstes gleich gut ist wie

Mehr

3 Vergleich zweier unverbundener Stichproben

3 Vergleich zweier unverbundener Stichproben 3 Vergleich zweier uverbudeer Stichprobe 3. Der Zweistichprobe t-test Es wird vorausgesetzt, dass die beide Teilstichprobe x, x,..., x ud y, y,..., y jeweils aus (voeiader uabhägige) ormalverteilte Grudgesamtheite

Mehr

TESTEN VON HYPOTHESEN

TESTEN VON HYPOTHESEN TESTEN VON HYPOTHESEN 1. Grudlage Oft hat ma Vermutuge zu Sachverhalte ud möchte diese gere durch Experimete bestätige. Dabei ka es sich i der Praxis zum Beispiel um Verteiluge vo gewisse Zufallsgröße

Mehr

4 Schwankungsintervalle Schwankungsintervalle 4.2

4 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

Mehr

Teilaufgabe 1.1 (3 BE) Berechnen Sie die Wahrscheinlichkeit dafür, dass ein im Flughafen zufällig herausgegriffener Pauschalreisender ( ) =

Teilaufgabe 1.1 (3 BE) Berechnen Sie die Wahrscheinlichkeit dafür, dass ein im Flughafen zufällig herausgegriffener Pauschalreisender ( ) = Abiturprüfug Berufliche Oberschule 004 Mathematik 3 Techik - B I - Lösug Teilaufgabe.0 A eiem Flughafe sid 0% der Reisede Ferreisede. Uter de Ferreisede befide sich 5% Nicht-Pauschalreisede. Der Ateil

Mehr

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.

Beispiel: 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

Mehr

R. Brinkmann Seite

R. Brinkmann  Seite R. Brikma http://brikma-du.de Seite 1.0.014 Lösuge zur Biomialverteilug I Ergebisse: E1 E E E4 E E E7 Ergebis Ei Beroulli-Experimet ist ei Zufallsexperimet, das ur zwei Ergebisse hat. Die Ergebisse werde

Mehr

Diplomvorprüfung Stochastik

Diplomvorprüfung Stochastik Uiversität Karlsruhe TH Istitut für Stochastik Prof. Dr. N. Bäuerle Name: Vorame: Matr.-Nr.: Diplomvorprüfug Stochastik 10. Oktober 2006 Diese Klausur hat bestade, wer midestes 16 Pukte erreicht. Als Hilfsmittel

Mehr

Stochastik: Binomialverteilung Stochastik Bernoulli-Experimente, binomialverteilte Zufallsvariablen Gymnasium ab Klasse 10

Stochastik: Binomialverteilung Stochastik Bernoulli-Experimente, binomialverteilte Zufallsvariablen Gymnasium ab Klasse 10 Stochastik Beroulli-Experimete, biomialverteilte Zufallsvariable Gymasium ab Klasse 0 Alexader Schwarz www.mathe-aufgabe.com November 203 Hiweis: Für die Aufgabe darf der GTR beutzt werde. Aufgabe : Ei

Mehr

Stochastik. Bernoulli-Experimente und Binomialverteilung. Allg. Gymnasien: ab J1 / Q1 Berufl. Gymnasien: ab Klasse 12.

Stochastik. Bernoulli-Experimente und Binomialverteilung. Allg. Gymnasien: ab J1 / Q1 Berufl. Gymnasien: ab Klasse 12. Stochastik Allg. Gymasie: ab J / Q Berufl. Gymasie: ab Klasse 2 Alexader Schwarz www.mathe-aufgabe.com August 208 Aufgabe : Ist der Zufallsversuch eie Beroulli-Kette? We ja, gib die Läge ud die Trefferwahrscheilichkeit

Mehr

Evaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt

Evaluierung 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:

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler Statistik ud Wahrscheilichkeitsrechug Testatprüfug am Doerstag 5.Mai Wa? Doerstag, 5. Mai, 8:00 Uhr Dauer der

Mehr

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.

Beispiel: 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)

Mehr

3 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:

3 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-

Mehr

b) Alle ganzen Zahlen die auf 0 enden sind durch 5 teilbar Spezialisierung: 120 endet auf ist durch 5 teilbar

b) Alle ganzen Zahlen die auf 0 enden sind durch 5 teilbar Spezialisierung: 120 endet auf ist durch 5 teilbar d) Die Beweismethode der vollstädige Iduktio Der Übergag vo allgemeie zu spezielle Aussage heisst Deduktio Beispiele: a) Allgemeie Aussage: Spezialisierug: Schluss: Alle Mesche sid sterblich Sokrates ist

Mehr

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy. Vo der relative Häufigkeit zur Wahrscheilichkeit Es werde 20 Schüler befragt, ob sie ei Hady besitze. Das Ergebis der Umfrage lautet: Vo 20 Schüler besitze 99 ei Hady. Ereigis E: Schüler besitzt ei Hady

Mehr

Beurteilende Statistik - Testen von Hypothesen Übungsaufgaben (1)

Beurteilende Statistik - Testen von Hypothesen Übungsaufgaben (1) Moika Kobel, MK 07052005 Hypothesetest_Ueb_1cd Beurteilede Statistik - Teste vo Hypothese Übugsaufgabe (1) (1) (2) (3) (4) (5) (6) (7) (8) (9) Eie Fira öchte bei eie Sigifikaztest das Fehlerrisiko bzw

Mehr

Vl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5

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

Mehr

Stochastik im SoSe 2018 Übungsblatt 2

Stochastik im SoSe 2018 Übungsblatt 2 Stochasti im SoSe 2018 Übugsblatt 2 K. Paagiotou/ L. Ramzews / S. Reisser Lösuge zu de Aufgabe. Aufgabe 1 Eie Ure ethält B blaue, R rote ud G grüe Bälle. Wir ziehe eie Teilmege mit geau Bälle aus der Ure,

Mehr

Vl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3

Vl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3 Vl Statistische Prozess ud Qualitätskotrolle ud Versuchsplaug Übug 3 Aufgabe ) Die Schichtdicke X bei eier galvaische Beschichtug vo Autoteile sei ormalverteilt N(μ,σ ). 4 Teile werde galvaisch beschichtet.

Mehr

2. Repetition relevanter Teilbereiche der Statistik

2. Repetition relevanter Teilbereiche der Statistik . Repetitio Statistik Ökoometrie I - Peter Stalder. Repetitio relevater Teilbereiche der Statistik (Maddala Kapitel ) Zufallsvariable ud Wahrscheilichkeitsverteiluge Zufallsvariable X (stochastische Variable)

Mehr

Grenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen

Grenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen . Der Grezwert vo mootoe, beschräkte Folge Der Grezwert vo mootoe, beschräkte Folge ist eifacher verstädlich als der allgemeie Fall. Deshalb utersuche wir zuerst diese Spezialfall ud verallgemeier aschliessed.

Mehr

Zählterme (Seite 1) Aufgabe: Wie viele Nummernschilder kann es theoretisch im Raum Dresden geben? Wann müsste die 4.Ziffer eingeführt werden?

Zählterme (Seite 1) Aufgabe: Wie viele Nummernschilder kann es theoretisch im Raum Dresden geben? Wann müsste die 4.Ziffer eingeführt werden? Bemerkug: I Mathematik sollte ma keie Fahrpläe verwede, i der Stochastik erst recht icht. Zitat vo S.L. Das Baumdiagramm ist aber fast immer ei geeigetes Hilfsmittel. Produktregel Aufgabe: Wie viele Nummerschilder

Mehr

2.3 Kontingenztafeln und Chi-Quadrat-Test

2.3 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

Mehr

Tests für beliebige Zufallsvariable

Tests 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

Mehr

Inhaltsverzeichnis. Skript zur Binomialverteilung 1 Robert Rothhardt

Inhaltsverzeichnis. Skript zur Binomialverteilung 1 Robert Rothhardt Ihaltsverzeichis Die Beroulli-Kette...3 Defiitioe...3 Eifache Beispiele...4 Formel gesucht...5 Formel...5 Beroullikette (Zusammefassug der wichtigste Begriffe)...6 Lösuge zu Aufgabe aus dem Buch...7 Die

Mehr

Testverfahren zur Prüfung von Hypothesen über Parameter oder Verteilungen. Einstichprobentest für die Varianz einer Normalverteilung

Testverfahren zur Prüfung von Hypothesen über Parameter oder Verteilungen. Einstichprobentest für die Varianz einer Normalverteilung Testverfahre zur Prüfug vo Hypothese über Parameter oder Verteiluge Eistichprobetest für die Variaz eier Normalverteilug Eistichprobetest für de Ateilswert Zweistichprobetests zum Vergleich zweier arithmetischer

Mehr

Parametrische Einstichprobentests

Parametrische Einstichprobentests Parametrische Eistichprobetests Eiführug ud Begriffe beim Hypothesetest Hypothesetest für de Mittelwert Hypothesetest für die Variaz Hypothesetest für de Ateilswert Lehrstuhl Statistik Testverfahre I Bibliografie

Mehr

Beispiel 4 (Die Urne zu Fall 4 mit Zurücklegen und ohne Beachten der Reihenfolge ) das Sitzplatzproblem (Kombinationen mit Wiederholung) Reihenfolge

Beispiel 4 (Die Urne zu Fall 4 mit Zurücklegen und ohne Beachten der Reihenfolge ) das Sitzplatzproblem (Kombinationen mit Wiederholung) Reihenfolge 1 Beispiel 4 (Die Ure zu Fall 4 mit Zurücklege ud ohe Beachte der Reihefolge ) das Sitzplatzproblem (Kombiatioe mit Wiederholug) 1. Übersicht Ziehugsmodus ohe Zurücklege des gezogee Loses mit Zurücklege

Mehr

Diskrete Wahrscheinlichkeitstheorie Wiederholungsklausur

Diskrete Wahrscheinlichkeitstheorie Wiederholungsklausur Techische Uiversität Müche Sommersemester 007 Istitut für Iformatik Prof. Dr. Javier Esparza Diskrete Wahrscheilichkeitstheorie Wiederholugsklausur LÖSUNG Hiweis: Bei alle Aufgabe wird ebe dem gefragte

Mehr

Kapitel 9: Schätzungen

Kapitel 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.

Mehr

Analysis ZAHLENFOLGEN Teil 4 : Monotonie

Analysis ZAHLENFOLGEN Teil 4 : Monotonie Aalysis ZAHLENFOLGEN Teil 4 : Mootoie Datei Nr. 40051 Friedrich Buckel Juli 005 Iteretbibliothek für Schulmathematik Ihalt 1 Eiführugsbeispiele 1 Mootoie bei arithmetische Folge Defiitioe 3 3 Welche Beweistechik

Mehr

Demo-Text für INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK. ANALYSIS Vollständige Induktion FRIEDRICH W.

Demo-Text für   INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK.   ANALYSIS Vollständige Induktion FRIEDRICH W. ANALYSIS Vollstädige Iduktio Datei Nr. 40080 Stad 14. März 018 FRIEDRICH W. BUCKEL INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK 40080 Beweismethode: Vollstädige Iduktio Vorwort Die Methode der vollstädige Iduktio

Mehr

Einführung in die Wahrscheinlichkeitstheorie Lösungen zum Wiederholungsblatt

Einführung in die Wahrscheinlichkeitstheorie Lösungen zum Wiederholungsblatt TUM, Zetrum Mathematik Lehrstuhl für Mathematische Physik WS 23/4 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weider Eiführug i die Wahrscheilichkeitstheorie Lösuge zum Wiederholugsblatt Aufgabe

Mehr

Lösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung

Lösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung Prof. Dr. V. Schmidt WS 200/20 G. Gaiselma, A. Spettl 7.02.20 Lösugsvorschlag Probeklausur zur Elemetare Wahrscheilichkeitsrechug Hiweis: Der Umfag ud Schwierigkeitsgrad dieser Probeklausur muss icht dem

Mehr

6 Vergleich mehrerer unverbundener Stichproben

6 Vergleich mehrerer unverbundener Stichproben 6 Vergleich mehrerer uverbudeer Stichprobe 6.1 Die eifaktorielle Variazaalyse Die eifaktorielle Variazaalyse diet der Utersuchug des Eiflusses eier kategorieller (bzw. ichtmetrischer) Variable, die die

Mehr

Wir wiederholen zunächst das Majorantenkriterium aus Satz des Vorlesungsskripts Analysis von W. Kimmerle und M. Stroppel.

Wir wiederholen zunächst das Majorantenkriterium aus Satz des Vorlesungsskripts Analysis von W. Kimmerle und M. Stroppel. Uiversität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dr. D. Zimmerma MSc. J. Köller MSc. R. Marczizik FDSA 4 Höhere Mathematik II 30.04.2014 el, kyb, mecha, phys 1 Kovergezkriterie

Mehr

Teilaufgabe 1.0 Bei der Firma Kohl kommen morgens alle im Büro Beschäftigten nacheinander ins Großraumbüro.

Teilaufgabe 1.0 Bei der Firma Kohl kommen morgens alle im Büro Beschäftigten nacheinander ins Großraumbüro. mathphys-olie Abiturprüfug Berufliche Oberschule 014 Mathematik 13 Techik - B I - Lösug Teilaufgabe 1.0 Bei der Firma Kohl komme morges alle im Büro Beschäftigte acheiader is Großraumbüro. Teilaufgabe

Mehr

AngStat1(Ue13-21).doc 23

AngStat1(Ue13-21).doc 23 3. Ereigisse Versuchsausgäge ud Wahrscheilicheite: a) Wie wird die Wahrscheilicheit des Auftretes eies Elemetarereigisses A geschätzt? A Ω heißt Elemetarereigis we es ur eie Versuchsausgag ethält also

Mehr

Abiturprüfung Mathematik 13 Technik B I - Lösung mit CAS

Abiturprüfung Mathematik 13 Technik B I - Lösung mit CAS GS 04.06.2016 - m16_13t-b1_lsg_cas_gs.pdf Abiturprüfug 2016 - Mathematik 13 Techik I - Lösug mit CAS Teilaufgabe 1.0 Eiem Eishockey-Traier stehe isgesamt 15 Spieler zur Verfügug, wobei es sich um zwölf

Mehr

Einstichprobentests für das arithmetische Mittel

Einstichprobentests 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.

Mehr

Mathematik 2 für Naturwissenschaften

Mathematik 2 für Naturwissenschaften Has Walser Mathematik für Naturwisseschafte 00 180 160 Fraue 140 10 100 80 80 100 10 140 160 180 00 Mäer Modul 08 Teste vo Hypothese Has Walser: Modul 08, Teste vo Hypothese ii Ihalt 1 Ma-Whitey-U-Test

Mehr

Der Vergleich eines Stichprobenmittelwertes mit einem Populationsmittelwert

Der Vergleich eines Stichprobenmittelwertes mit einem Populationsmittelwert Der Vergleich eies Stichprobemittelwertes mit eiem Populatiosmittelwert Am Beispiel des Falschspielers habe wir - uterstützt durch Ketisse über die Eigeschafte der Biomialverteilug - erstmals gesehe, welche

Mehr

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Mathe-Leistungskurs-Klausur Stufe 13, Nr. 2

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Mathe-Leistungskurs-Klausur Stufe 13, Nr. 2 Uterrichtsmaterialie i digitaler ud i gedruckter Form Auszug aus: Mathe-Leistugskurs-Klausur Stufe 13, Nr. 2 Das komplette Material fide Sie hier: School-Scout.de SCHOOL-SCOUT Mathe-LK-Klausur Stufe 13

Mehr

Kapitel VI. Einige spezielle diskrete Verteilungen

Kapitel VI. Einige spezielle diskrete Verteilungen Kapitel VI Eiige spezielle diskrete Verteiluge D 6 (Hypergeometrische Verteilug) Eie Zufallsvariable X heißt hypergeometrisch verteilt, we sie folgede Wahrscheilichkeitsfuktio besitzt: M N M P ( X ) p

Mehr

Wirksamkeit, Effizienz

Wirksamkeit, 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

Mehr

7.2 Grundlagen der Wahrscheinlichkeitsrechnung

7.2 Grundlagen der Wahrscheinlichkeitsrechnung 7.2 Grudlage der Wahrscheilichkeitsrechug Ei Ereigis heißt i Bezug auf eie Satz vo Bediguge zufällig, we es bei der Realisierug dieses Satzes eitrete ka, aber icht ubedigt eitrete muss. Def. 7.2.: Ei Experimet

Mehr

Kapitel 6. Aufgaben. Verständnisfragen. Rechenaufgaben

Kapitel 6. Aufgaben. Verständnisfragen. Rechenaufgaben Kapitel 6 Aufgabe Verstädisfrage Aufgabe 6. Gegebe sei die Folge (x ) 2 mit x ( 2)/( + ) für 2. Bestimme Sie eie Zahl N N so, dass x ε für alle N gilt, we (a) ε 0, (b) ε 00 ist. Aufgabe 6.2 Stelle Sie

Mehr

4 Konvergenz von Folgen

4 Konvergenz von Folgen 4 Kovergez vo Folge Defiitio 4.. Sei M eie Mege. Ist 0 Z ud für jedes Z mit 0 ei a M gegebe, so et ma die Abbildug { Z; 0 } M, a eie Folge i M. Abkürzed schreibt ma für eie solche Abbildug auch a ) 0 oder

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN Prof Dr R Köig Dr M Prähofer Zetralübug TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik Mathematik für Physiker (Aalysis ) MA90 Witersem 07/8 Lösugsblatt 4 http://www-m5matumde/allgemeies/ma90 07W (007)

Mehr

Kapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit

Kapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit - 18 - (Kapitel 3 : Bedigte Wahrscheilichkeite ud Uabhägigkeit) Kapitel 3: Bedigte Wahrscheilichkeite ud Uabhägigkeit Wird bei der Durchführug eies stochastische Experimets bekat, daß ei Ereigis A eigetrete

Mehr

Wirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel

Wirksamkeit, 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

Mehr

Wirksamkeit, Effizienz

Wirksamkeit, 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

Mehr

Kapitel 2: Laplacesche Wahrscheinlichkeitsräume

Kapitel 2: Laplacesche Wahrscheinlichkeitsräume - 12 - (Kapitel 2 : Laplacesche Wahrscheilicheitsräume) Kapitel 2: Laplacesche Wahrscheilicheitsräume Wie beim uverfälschte Müzewurf ud beim uverfälschte Würfel spiele Symmetrieüberleguge, die jedem Elemetarereigis

Mehr

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG 9 - LÖSUNGEN. Ziehug vo Kugel aus eier Ure a. Die Zahl der Permutatio der Kugel, die aus Klasse utereiader gleicher

Mehr

Übungen zu QM III Mindeststichprobenumfang

Übungen zu QM III Mindeststichprobenumfang Techische Hochschule Köl Fakultät für Wirtschafts- ud Rechtswisseschafte Prof. Dr. Arreberg Raum 221, Tel. 39 14 jutta.arreberg@th-koel.de Übuge zu QM III Mideststichprobeumfag Aufgabe 12.1 Sie arbeite

Mehr

= a n: Wurzelexponent x: Radikand oder Wurzelbasis a: Wurzelwert Bei der ersten Wurzel wird einfach das Wurzelzeichen weggelassen.

= a n: Wurzelexponent x: Radikand oder Wurzelbasis a: Wurzelwert Bei der ersten Wurzel wird einfach das Wurzelzeichen weggelassen. Wurzelgesetze Gesetzmäßigkeite Grudlage Das Wurzelziehe (oder Radiziere) ist die Umkehrug des Potezieres. Daher sid die Wurzelgesetze de Potezgesetze sehr ählich. Die Wurzel aus eier positive Zahl ergibt

Mehr

Kapitel 6: Statistische Qualitätskontrolle

Kapitel 6: Statistische Qualitätskontrolle Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle

Mehr

X X Schätzen von Vertrauensintervallen Schwankungsintervall

X 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

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik 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

Mehr

5. Übungsblatt - Lösungsskizzen

5. Übungsblatt - Lösungsskizzen Eiführug i die Wahrscheilichkeitstheorie ud Statistik rof. Dr. Ja Johaes Sadra Schluttehofer Witersemester 8/9 5. Übugsblatt - Lösugsskizze Aufgabe 7 (Neyma-earso-Lemma für stetige Verteiluge, 4 ukte).

Mehr

Es gibt verschiedene Möglichkeiten eine Folge zu definieren. Die zwei häufigsten Methoden

Es gibt verschiedene Möglichkeiten eine Folge zu definieren. Die zwei häufigsten Methoden Folge ud Reihe Folge Eie Folge ist eie Abbildug der atürliche Zahle N = {0, 1,,...} i die Mege der (zumidest i de meiste Fälle) reelle Zahle R. I diesem Fall ka ma sich eie Folge als Pukte i eiem Koordiatesystem

Mehr

3.2 Wilcoxon Rangsummentest

3.2 Wilcoxon Rangsummentest 3. Wilcoxo Ragsummetest Wir gehe davo aus, dass zwei Teilstichprobe x 1, x,..., x 1 ud y1, y,..., y vorliege, wobei die erste Teilstichprobe aus Realisieruge vo uabhägig ud idetisch stetig verteilte Zufallsvariable

Mehr

3 Grenzwerte. 3.1 Grenzwerte von Folgen

3 Grenzwerte. 3.1 Grenzwerte von Folgen 03-grezwerte.cdf 3 Grezwerte 3. Grezwerte vo Folge Kovergez Mache Folge zeige ei spezielles Verhalte, we der Idex sehr groß wird. Sie äher sich eier bestimmte Zahl. Betrachte wir zum Beispiel die Folge

Mehr

Konfidenzintervall_fuer_pi.doc Seite 1 von 6. Konfidenzintervall für den Anteilswert π am Beispiel einer Meinungsumfrage

Konfidenzintervall_fuer_pi.doc Seite 1 von 6. Konfidenzintervall für den Anteilswert π am Beispiel einer Meinungsumfrage Kofidezitervall_fuer_pi.doc Seite 1 vo 6 Kofidezitervall für de Ateilswert π am Beispiel eier Meiugsumfrage Nach eier Meiugsumfrage der Wochezeitug Bezirksblatt vom März 005, ei halbes Jahr vor de Ladtagswahle

Mehr

Aufgaben zu Kapitel 6

Aufgaben zu Kapitel 6 Aufgabe zu Kapitel 6 Aufgabe zu Kapitel 6 Verstädisfrage Aufgabe 6. Gegebe sei die Folge x ) 2 mit x 2)/ + ) für 2. Bestimme Sie eie Zahl N N so, dass x ε für alle N gilt, we a) ε 0, b) ε 00 ist. Aufgabe

Mehr

Musterlösung für die Klausur zur Vorlesung Stochastik I im WiSe 2014/2015

Musterlösung 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

Mehr

6. Übung - Differenzengleichungen

6. Übung - Differenzengleichungen 6. Übug - Differezegleichuge Beispiel 00 Gesucht sid alle Lösuge vo a) x + 3x + = 0 ud b) x + x + 7 = 0, jeweils für 0. Um diese lieare Differezegleichug erster Ordug zu löse, verwede wir die im Buch auf

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Iformatiker II (Sommersemester 004) Aufgabe 7. Ubeschräktes

Mehr

Eigenschaften von Texten

Eigenschaften von Texten Worthäufigkeite Eigeschafte vo Texte Eiige Wörter sid sehr gebräuchlich. 2 der häufigste Wörter (z.b. the, of ) köe ca. 0 % der Wortvorkomme ausmache. Die meiste Wörter sid sehr selte. Die Hälfte der Wörter

Mehr

Abschlussprüfung an Fachoberschulen in Bayern Mathematik 2006 Stochastik S1 Ausbildungsrichtung Nichttechnik

Abschlussprüfung an Fachoberschulen in Bayern Mathematik 2006 Stochastik S1 Ausbildungsrichtung Nichttechnik MK 2..0 A_12NT_S1_MK_Loes.mcd Abschlussprüfug a Fachoberschule i Bayer Mathematik 0 Stochastik S1 Ausbildugsrichtug Nichttechik 1. Am 22.04.0 wurde 812.000 Tickets zur FIFA WM 0 verlost. 00.000 Mesche

Mehr

von solchen Abbildungen. Eine solche Folge bestimmt für jedes x M die Folge der Werte f n. Schreibt man dies noch einmal formal hin, so erhält man:

von solchen Abbildungen. Eine solche Folge bestimmt für jedes x M die Folge der Werte f n. Schreibt man dies noch einmal formal hin, so erhält man: Gleichmäßige Kovergez Wir betrachte im Folgede Abbilduge f : M N, wobei M eie Mege ud N ei metrischer Raum ist. Isbesodere iteressiere ud Folge f vo solche Abbilduge. Eie solche Folge bestimmt für jedes

Mehr

Statistik I/Empirie I

Statistik I/Empirie I Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass

Mehr

1 Randomisierte Bestimmung des Medians

1 Randomisierte Bestimmung des Medians Praktikum Diskrete Optimierug (Teil 0) 0.07.006 Radomisierte Bestimmug des Medias. Problemstellug ud Ziel I diesem Abschitt stelle wir eie radomisierte Algorithmus zur Bestimmug des Medias vor, der besser

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik 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

Mehr

1. Zahlenfolgen und Reihen

1. Zahlenfolgen und Reihen . Zahlefolge ud Reihe We ma eie edliche Mege vo Zahle hat, ka ma diese i eier bestimmte Reihefolge durchummeriere: {a,a 2,...,a }. Ma spricht vo eier edliche Zahlefolge. Fügt ma immer mehr Zahle hizu,

Mehr

Testverfahren zur Prüfung von Hypothesen über Parameter oder Verteilungen

Testverfahren zur Prüfung von Hypothesen über Parameter oder Verteilungen Testverfahre zur Prüfug vo Hypothese über Parameter oder Verteiluge Eiführug ud Begriffe beim Hypothesetest Hypothesetest für de Mittelwert Testverfahre I 1 Bibliografie Prof. Dr. Kück Uiversität Rostock

Mehr

14 Statistische Beziehungen zwischen nomi nalen Merkmalen

14 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

Mehr

Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2015/2016. Aufgabe 1

Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2015/2016. Aufgabe 1 Lehrstuhl für Statistik ud Ökoometrie der Otto-Friedrich-Uiversität Bamberg Prof. Dr. Susae Rässler Klausur zu Methode der Statistik II (mit Kurzlösug) Witersemester 2015/2016 Aufgabe 1 Die leideschaftliche

Mehr

Empirische Verteilungsfunktion

Empirische 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,...,

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl 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

Mehr

Mathematik 2 für Naturwissenschaften

Mathematik 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

Mehr

Kompaktheit und gleichgradige Stetigkeit. 1 Einführung in die Kompaktheit in C 0

Kompaktheit und gleichgradige Stetigkeit. 1 Einführung in die Kompaktheit in C 0 Kompaktheit ud gleichgradige Stetigkeit Vortrag zum Prosemiar zur Aalysis, 14.06.2010 Mao Wiescherma Matthias Klupsch Dieser Vortrag beschäftigt sich mit Kompaktheit vo Teilräume vom Raum der stetige Abbilduge

Mehr

Ulrich Stein Fehlerrechnung

Ulrich Stein Fehlerrechnung Fehlerrechug Verteilug vo Messwerte Mittelwert Stadardabweichug Stadardfehler Rude vo Messwerte Darstellug vo Messwerte (Stellezahl) Fehlerfortpflazug Messergebisse Messug physikalische Realität Messgerät,

Mehr