Lösungen zum 3. Aufgabenblock

Ähnliche Dokumente
Standardnormalverteilung / z-transformation

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

Beschreibende Statistik Mittelwert

Statistik Exponentialfunktion

2 Zufallsvariable und Verteilungen

Streuungs-, Schiefe und Wölbungsmaße

Grundgedanke der Regressionsanalyse

(Theoretische) Konfidenzintervalle für die beobachteten Werte: Die Standardabweichung des Messfehlers wird Standardmessfehler genannt:

Konkave und Konvexe Funktionen

Erwartungswert, Varianz, Standardabweichung

Lineare Regression (1) - Einführung I -

Maße der zentralen Tendenz (10)

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Schätzfehler in der linearen Regression (1) Einführung

FORMELSAMMLUNG STATISTIK (I)

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen

Auswertung univariater Datenmengen - deskriptiv

Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i

Auswertung univariater Datenmengen - deskriptiv

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)

Kapitel V. Parameter der Verteilungen

Sind die nachfolgenden Aussagen richtig oder falsch? (1 Punkt pro korrekter Beantwortung)

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression

e dt (Gaußsches Fehlerintegral)

Definition des linearen Korrelationskoeffizienten

6. Modelle mit binären abhängigen Variablen

Facility Location Games

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2

Statistik und Wahrscheinlichkeitsrechnung

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel

2.1 Einfache lineare Regression 31

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/ ω Additionstheorem: 2 sin 2 2

14 Schätzmethoden. Eigenschaften von Schätzungen ˆθ. Sei ˆθ n eine Schätzung eines Parameters θ, die auf n Beobachtungen beruht.

Aspekte zur Approximation von Quadratwurzeln

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung

Lineare Regression - Mathematische Grundlagen

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

Lösungen der Aufgaben zu Kapitel 2

Mi , Dr. Ackermann Übungsaufgaben Gewöhnliche Differentialgleichungen Serie 13

Nomenklatur - Übersicht

Sei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ).

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

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x,

Resultate / "states of nature" / mögliche Zustände / möglicheentwicklungen

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.

Prof. Dr. Roland Füss Statistik II SS 2008

Prof. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz

Analyse von Querschnittsdaten. Bivariate Regression

Optimierung 4.3 A2 : Warenhauszentrale a 2 +b 2 =c 2 Materialbörse Mathematik

Die Jordansche Normalform

4.6 Das Pumping-Lemma für reguläre Sprachen:

Kapitel 4: Unsicherheit in der Modellierung Modellierung von Unsicherheit. Machine Learning in der Medizin 104

-70- Anhang: -Lineare Regression-

Grundlagen sportwissenschaftlicher Forschung Deskriptive Statistik

(2) i = 0) in Abhängigkeit des Zeitunterschieds x ZeitBus ZeitAuto für seinen Arbeitsweg.) i = 1) oder Bus ( y

ω 0 = Protokoll zu Versuch E6: Elektrische Resonanz

-2 Das einfache Regressionsmodell 2.1 Ein ökonomisches Modell

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

Statistische Kennzahlen für die Lage

1.Schularbeit 22.Okt A. A) Berechne ohne TI-92: Beachte: Für die Beispiele 1 und 2 sind alle notwendigen Rechenschritte anzugeben.

Seminar Einführung in die Kunst mathematischer Ungleichungen

Stochastische Prozesse

Rückblick Regression II: Anpassung an Polynome

Weitere NP-vollständige Probleme

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum

Statistische Methoden der Datenanalyse. Übung XIII

Datenaufbereitung und -darstellung III

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten

Informatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition

Physikalisches Anfängerpraktikum Teil 2 Versuch PII 33: Spezifische Wärmekapazität fester Körper Auswertung

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

Streuungs-, Schiefe und Wölbungsmaße 1

ANOVA (Analysis of Variance) Varianzanalyse. Statistik Methoden. Ausgangssituation ANOVA. Ao.Prof.DI.Dr Josef Haas

1.1 Grundbegriffe und Grundgesetze 29

Thema 3: Die Schätzung a priori unbekannter Renditemomente

Theoretische Physik II Elektrodynamik Blatt 2

5. ZWEI ODER MEHRERE METRISCHE MERKMALE

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

3. Lineare Algebra (Teil 2)

Hausübung 1 Lösungsvorschlag

Elemente der Mathematik - Sommer 2016

Auswertung P1-81 Elektrische Messverfahren

Gauss sche Fehlerrrechnung

Übung zu Erwartungswert und Standardabweichung

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

Das zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog

Schriftliche Prüfung aus Signaltransformationen Teil: Dourdoumas am

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Übung/Tutorate Statistik II: Schließende Statistik SS 2007

Vorlesung: Multivariate Statistik für Psychologen

Verteilungen eindimensionaler diskreter Zufallsvariablen

ISBN (Print); (PDF)

z.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel!

Netzwerkstrukturen. Entfernung in Kilometer:

Protokoll zu Versuch C1-Mischungsvolumina

Transkript:

Lösungen zum 3. Aufgabenblock 3. Aufgabenblock ewerber haben n enem Test zur sozalen Kompetenz folgende ntervallskalerte Werte erhalten: 96 131 11 1 85 113 91 73 7 a) Zegen Se für desen Datensatz, dass der Medan nach dem Krterum der klensten Absolutabwechungen en besserer Schätzwert st als das arthmetsche Mttel, und dass nach dem Krterum der klensten Quadrate de umgekehrte ezehung glt! b) We lauten de z-standardserten Werte n der Merkmalsvertelung deser Stchprobe? c) Angenommen, man weß, dass das oben verwendete Messnstrument so konstruert st, dass be sehr großen Stchproben bzw. n der Populaton aller möglchen ewerber das arthmetsche Mttel 0 und de Streuung 15 beträgt. We lauten dann de z-standardserten Werte n bezug auf de Populaton? d) We groß st de Effektstärke des Stchprobenmttelwertes n ezug auf ene Stchprobe mt N 0 und enem arthmetsche Mttel von 98,4 und σ ˆ 11? Nun wssen Se, dass en anderes Messnstrument exstert, das de gleche Art von sozaler Kompetenz msst. Her legt der Mttelwert der Populaton aber be 50 und de Streuung be. Welche Werte hätten de ewerber dann be glecher Lestung n desem Testverfahren erhalten? We lauten der Mttelwert und de Streuung der Stchprobe auf desem Messnstrument? Da deser Tel der Aufgabe etwas Transfer erfordert, soll her der Lösungsansatz kurz skzzert werden: 85 115 1. Test z (x 1-0)/15-40 -1 0 + X z * +50 e dem Datensatz n desem Aufgabenblock st das Arthmetsche Mttel glech. Der Medan ergbt sch wegen der geraden Anzahl von Messwetten (n ) als Mttelwert des 5. und 6. Messwertes der geordneten Messrehe (s. Sete 7, zwetletzter Abschntt): (1+)/ 1,5. Wenn der Medan auf dese Wese ermttelt werden muss, so glt folgende Egenschaft, de m uch ncht erwähnt wurde: De Summe der etragsbwechungen st für alle Werte nnerhalb des Intervalls [((N+1)/)-ter Wert, ((N+)/)-ter Wert] dentsch. Also für alle Werte nnerhalb des Intervalls [1, ] n unserem espel st de Summe der etragsabwechung glech 18 und für alle Werte außerhalb des

Intervalls würde sch en größerer Wert ergeben (Krterum der mnmalen etragsabwechung, s. S. 73, oben). Ungeschckterwese wurde der Datensatz so ausgewählt, dass auch das arthmetsche Mttel mt gerade eben noch nnerhalb deses Intervalls legt: Demzufolge ergbt sch für das arthmetsche Mttel mt 18 deselbe Summe der etragsbwechungen we für den Medan. Um dese Problematk zu umgehen und auch de grafsche Lösung für den Datensatz (we se auf S. 76 für enen anderen Datensatz gezegt wurde) besser veranschaulchen zu können, soll folgender lecht modfzerter Datensatz (der Wert x 8 73 soll durch den Wert x 8 93 ersetzt werden) verwendet werden. 96 131 11 1 85 113 91 93 7 (Durch das Austauschen des Wertes 73 gegen den Wert 93 unterscheden sch das arthmetsche Mttel mt 4 und der Medan mt 1,5 deutlcher und das arthmetsche Mttel legt ncht mehr nnerhalb des Intervalls [1,]) zu Aufgabe a) Um de durchschnttlchen etrags- (s. Spalte 4 5) und quadrerten Abwechungen (s. Spalte 6-7) zu berechnen erstellen wr folgende Tabelle, de derjengen auf Sete 75 entsprcht. x (x -4) (x -1,5) x -4 x -1,5 (x -4) (x -1,5) 96-8 -5,5 8 5,5 64 30,5 131 +7 +9,5 7 9,5 79 8,5 11 +17 +19,5 17 19,5 89 380,5 1-3 -0,5 3 0,5 9,5 85-19 -16,5 19 16,5 361 7,5 113 +9 +11,5 9 11,5 81 13,5 91-13 -,5 13,5 169 1,5 93-11 -8,5 11 8,5 11 7,5 - +0,5 0,5 4,5 7 +3 +5,5 3 5,5 9 30,5 Σ 0 5 11 8 1836,0 1898,5 AM 0 0 11,4,8 187,60 189,85 Es zegt sch also, we auf S. 76 und 77 beschreben wurde, dass für den Medan ene gerngere Summe der etragsabwechungen resultert (Σ Medan 8 < Σ AM 114) und für de Summe der quadrerten Abwechung de umgekehrte ezehung glt (Σ Medan 1898,5 > Σ AM 1876). Obwohl des n der Aufgabenstellung ncht gefordert war, zegt de folgende Grafk entsprechend der Grafk auf Sete 76 de Datenpunkte und n Abhänggket von x de Summe der quadrerten Abwechungen QS 1 (x x) (96 x) + (131 x) +... + (7 x)

Dese Funkton nmmt genau be dem Wert x 4 den klensten Wert an. de Summe etragsabwechungen 1 x x 96 x + 131 x +... + 7 x Dese Funkton nmmt genau be dem Wert Medan 1,5 den klensten Wert an. 000 Medan 1,5 AM 4 8000 6000 4000 000 50 00 150 0 50 Summe der quadrerten Abwechungen Mnmum be Summe der etragsabwechungen Mnmum be 1,5 0 80 90 0 1 130 Messwerte zu Aufgabe b) De Stchprobenstandardabwechung ergbt sch als Wurzel des arthmetschen Mttels der zwetletzten Spalte n der obgen Tabelle : ( x x) ( x s n 1 1 4) 187,60 13, Durch z-transformaton erhält man de standardserten Werte, mt Mttelwert 0 und Streuung 1: z x x s x 4 13, x 96 131 11 1 85 113 91 93 7 z -,58 1,97 1,4 -, -1,39,66 -,95 -,80 -,15,

zu Aufgabe c) De Formel zur z-transformaton n ezug auf de Populaton lautet z µ, s x µ σ x 0 15 Wäre nur der Mttelwert der Populaton aber ncht de Streuung n der Populaton bekannt, so müsste de entsprechende Schätzung der Standardabwechung verwendet werden (s. Sete 85): ( x x) ( x ˆ σ n 1 1 1 4) 9 08,44 14,44 Der Wert ˆ σ 14, 44 könnte anders als s als erwartungstreue Schätzung von σ verwendet werden. z µ, sˆ x µ ˆ σ x 0 14.44 AM σˆ x 96 131 11 1 85 113 91 93 7 4 14,44 z µ,σ -,7,07 1,4 -, -1,39,66 -,95 -,80 -,15,,7,95 z µ,σ-dach -,8,15 1,45,07-1,04,90 -,95 -,6 -,48,14,8,99 Man beachte herbe, dass de n ezug auf de Populaton standardserten ncht mehr genau den Mttelwert 0 und de Standardabwechung 1 bestzen, da de Populatonskennwerte ncht mehr optmal an de Stchprobenverhältnsse angepasst snd. Der Stchprobenmttelwert (zwetletzte Spalte) legt mt 4 bespelswese,7 bzw.,8 Standardabwechungen oberhalb des theoretschen Mttelwertes µ. Aufgabe d) De Formel für de Effektstärke d lautet (s. Sete 91) x A x d, mt σˆ pooled ˆ σ pooled ( n A 1) σ A + ( n ( n 1) + ( n A 1) σ 1) ( 1) 14,44 + (0 1) 11 ( 1) + (0 1) 1876,6 + 99 8 1,1 4 98,4 Es ergbt sch dann ene Effektstärke von d 0.46. Deser Effekt kann 1,1 nach der Klassfkaton von Cohen (s. S. 9) als en mttlerer Effekt engestuft werden.

Zusatzfrage : Da wr wssen, dass das Populatonsmttel für den Ausgangstest (Test A) µ 0 und σ 15 beträgt, glt bespelwese für den ersten Wert x 1 96, dass deser z -,7 Standardabwechungen σ unterhalb von µ legt (s. Defnton der z-werte S. 88). Entsprechend muss der Wert deser Person auch m neuen Test -,7 Standardabwechungen σ unterhalb des Populatonsmttels µ 50 legen. Test A (96 0) / 15 -,7 Test (? 50) / -,7? (-,7 ) + 50 47,33 (s. S. 88 erste Formel) (s. S. 88 letzte Formel) Kennen wr den z-wert und de Standardabwechung und den Mttelwert enes belebgen Instrumentes, so brauchen wr nur n de Formel x, µ σ z σ + µ enzusetzen und wr wssen, welchem Wert auf desem Instrument der z-wert entsprcht. x 96 131 11 1 85 113 91 93 7 z 0,15 -,7,07 1,4 -, -1,39,66 -,95 -,80 -,15, x µ,σ 47,33,67 64 50,67 40 58,67 44 45,33 51,33 54,67 85 0 115 130 Test A: µ 5; σ 150 - -1 0 +1 + z-werte: µ 0; σ 1 30 40 50 60 Test : µ 50; σ µ - σ µ-σ µ µ+σ µ + σ allgemen Der Mttelwert n Test erhalten nutzen wr de Informaton der Tabelle zu Aufgabe c, dass der Mttelwert n Test A enen z-wert von,7 bestzt : Also muss der Mttelwert n Test ebenfalls,7 σ postv vom Mttelwert abwechen : x z σ + µ, 7 + 50 5, xa Um de Varanz n Test enfach ermtteln zu können (Formel s. S. 87), müssen wr de Lneartransformaton, de de Werte von Test A nach Test überführt. Dese können wr z.. folgendermaßen dentfzeren :

50 a 0 + b 40 a 85 + b 50 (0 a) 40 (85 a) 15 a a 0,67 sowe 50,67 0 + b b -17 Also glt : Test,67 Test A 17 Dann glt (s. S. 85) : s.67 s A 9,18 De Werte n Test hätten also enen Mttelwert von 5,7 und ene Stchprobenstreuung von s 9,18.