X X Schätzen von Vertrauensintervallen Schwankungsintervall

Ähnliche Dokumente
4 Schwankungsintervalle Schwankungsintervalle 4.2

2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters:

,,, xn. 3. Intervallschätzungen Zufallsstichproben und Stichprobenfunktionen Zufallsstichproben. Zufallsvariablen mit

Anwendung für Mittelwerte

Vl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5

Vl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3

Wirksamkeit, Effizienz

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

Wirksamkeit, Effizienz

Kapitel 6 : Punkt und Intervallschätzer

Kapitel 5: Schließende Statistik

Schätzen von Populationswerten

Schätzen von Populationswerten

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

1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6

Die notwendigen Verteilungstabellen finden Sie z.b. hier:

10. Intervallschätzung 10.1 Begriff des Konfidenzintervalls

Parameterschätzung. Numero, pondere et mensura Deus omnia condidit

Tests statistischer Hypothesen

2. Repetition relevanter Teilbereiche der Statistik

Parameterschätzung. Kapitel Schätzfunktionen

Übungen zu QM III Mindeststichprobenumfang

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

Grundproblem der Inferenzstatistik

2 Einführung in die mathematische Statistik

Evaluation & Forschungsstrategien

X in einer Grundgesamtheit vollständig beschreiben.

Formelsammlung Statistik 29. Januar 2019

Grundproblem der Inferenzstatistik

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

Induktive Statistik. Formelsammlung. Prof. Dr. W. Assenmacher. Stichprobenraum: Ω = {ω 1, ω 2,...,ω m }

Statistik. 2. Semester. Begleitendes Skriptum zur Vorlesung. im FH-Masterstudiengang. Technisches Management. von. Günther Karigl

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39

Konfidenzintervalle. Praktische Übung Stochastik SS 2017 Lektion 10 1

Körpergröße x Häufigkeit in [m]

4. Übung Konfidenzintervalle für Anteile und Mittelwerte

1. Wahrscheinlichkeitsrechnung. 2. Diskrete Zufallsvariable. 3. Stetige Zufallsvariable. 4. Grenzwertsätze. 5. Mehrdimensionale Zufallsvariable

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

Kapitel VI. Einige spezielle diskrete Verteilungen

Wahrscheinlichkeitstheorie und Statistik vom

Eingangsprüfung Stochastik,

Inhaltsverzeichnis. Wirtschaftswissenschaftliches Zentrum 11 Universität Basel. Mathematik 2

Stochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL)

2 Induktive Statistik

Übungen mit dem Applet erwartungstreu

Stochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL)

Grundproblem der Inferenzstatistik

Aufgabe 1. d) Berechnen Sie die Wahrscheinlichkeit dafür, dass Axel 1,5 Stunden warten muss.

3. Einführung in die Statistik

3. Grundbegrie der Schätztheorie

Zusammenfassung: Statistik

Normalverteilung. Standardnormalverteilung. Intervallwahrscheinlichkeiten. Verteilungsfunktion

Kapitel 2. Induktive Statistik. 2.1 Grundprinzipien der induktiven Statistik

Statistik und Wahrscheinlichkeitsrechnung

Multivariate Analysemethoden und Multivariates Testen

Standard Normalverteilung Dichtefunktion von Standard Normal Verteilung. Grenzwertsatz. Normalverteilung. Andere wichtige Verteilungen: Anwendungen

Formelsammlung. PD Dr. C. Heumann

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

8. Intervallschätzung

Einführung in die Stochastik 10. Übungsblatt

1 Wahrscheilichkeitsrechug 1.1 Elemete der Megelehre Morgasche Formel A \ B = A [ B A [ B = A \ B Kommutativgesetz A \ B = B \ A A [ B = B [ A Assozia

Intervallschätzung II 2

Empirische Verteilungsfunktion

Statistik und Wahrscheinlichkeitsrechnung

10. Testen von Hypothesen Seite 1 von 6

Einführung in die induktive Statistik. Inferenzstatistik. Konfidenzintervalle. Friedrich Leisch

Ulrich Stein Fehlerrechnung

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

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

Der χ 2 Test. Bei Verteilungen Beantwortung der Frage, ob eine gemessene Verteilung Gauß- oder Poisson-verteilt ist oder nicht?

6. Grenzwertsätze. 6.1 Tschebyscheffsche Ungleichung

Induktive Schlussweise. Schätzfunktionen und Schätzverfahren. Bibliografie

Grundlagen der Biostatistik und Informatik

Diskrete Wahrscheinlichkeitstheorie Wiederholungsklausur

Bei 95%iger Konfidenz wäre der Mittelwert der GG zwischen 1421,17DM und 1778,83DM zu erwarten.

Mathematik 2 für Naturwissenschaften

Der Vergleich eines Stichprobenmittelwertes mit einem Populationsmittelwert

Zufallsstreubereiche und Vertrauensbereiche

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

Kovarianz und Korrelation

Bayessches Lernen (II)

Statistische Modelle und Parameterschätzung

Lösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung

7. Stichproben und Punktschätzung

Maschinelle Sprachverarbeitung: Mathematische Grundlagen

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

Statistik für Informatiker, SS Ideen aus der Statistik 2.2 Schätzer und Tests für (Populations-)Mittelwerte

Übungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie

Testen statistischer Hypothesen

Mathematik 2 für Naturwissenschaften

II. Grundzüge der Stichprobentheorie

3 Vergleich zweier unverbundener Stichproben

Zenraler Grenzwertsatz

Angewandte Stochastik II

Statistische Tests zu ausgewählten Problemen

Transkript:

.. 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 mit 95%iger Sicherheit liegt II. 30

..1. Schwakugsitervall Allgemeier: X ~ N(µ, ²) ud Wahrscheilichkeit gegebe. Schätzer für µ, X ~ ² N( µ, ) de Aufgabe: d so bestimme, dass x =... P( µ d X µ + d ) = 1 II. 31

..1. Schwakugsitervall Lösug: Stadardisierug: X µ Z = ~ N(0;1) (Warum so??) d X µ d P < = 1 II. 3

..1. Schwakugsitervall P( z < ( X µ ) z) = 1 P X µ z = 1 (z = d ) Also: z als 1-/-Quatil i Tafel bei 1-/ ablese: da : d = z1 / P( µ d X µ + d) = 1... Greze des Schwakugsitervalls uabhägig vom Zufallsversuch "Stichprobe". II. 33

..1. Schwakugsitervall Beispiel: = 5% = 0.05 1- / = 0.975 Nach Tafel z = z 1 - / = 1.96 d = z1 / = 196. 1000 / 10 = 196 Schwakugsitervall (4804; 5196] Iterpretatio? Stimmt äherugsweise auch bei Abweiche vo Normalverteilug. (Wa? Warum??) II. 34

... Kofidezitervall, Kofideziveau Jetzt umgekehrte Fragestellug: Schätzuge B^ 0 B-d B B+d (wahr, fest) B (wahr, fest) Schwakugsitervall Kofidezitervalle Uterschied zwische Kofidez- ud Schwakugsitervall II. 35

... Kofidezitervall, Kofideziveau Greze des Kofidezitervalls (Vertrauesgreze) häge vo Zufallsstichprobe ab, sie sid Zufallsvariable Iterpretatio: Mit Wahrscheilichkeit 1- überdeckt ei Itervall [ Π ˆ d, Πˆ + d) de wahre Parameter π II. 36

..3. Itervallschätzug des Erwartugswertes (=Durchschitt i der Grudgesamtheit) - Irrtumswahrscheilichkeit 1- - statistische Sicherheit oder Kofideziveau a) bei bekater Variaz X ~ N(µ; ²), µ ubekat (aber fest) Irrtumswahrscheilichkeit vorgegebe Gesucht: Kofidezitervall für µ = E(X) II. 37

..3. Itervallschätzug des Erwartugswertes Lösug: 1. Zufallsstichprobe vom Umfag ziehe: X 1,..., X. Puktschätzug für Erwartugswert?? (Wdh.) 3. Kofidezitervall P( X d µ < X + d) = 1 II. 38

..3. Itervallschätzug des Erwartugswertes Gesucht d; d = z x x =?? P X-z µ < X + z = 1 Stadardisierug: X µ P -z < + z = 1 II. 39

..3. Itervallschätzug des Erwartugswertes also 1 : P z = z X-µ < z 1 (s. 1.3.3) = 1 Quatil aus Tafel ablese ud obe eisetze II. 40

..3. Itervallschätzug des Erwartugswertes Verfahre kurz: -> z (1-/-Quatil der Stadard-Normalv.) 1 -> d = z 1 / x -> Itervall [ X d; X + d) ( X aus Stichprobe) Gilt bei große äherugsweise auch für icht ormalverteilte Variable. Warum?? Bei kleie Grudgesamtheite ud ohe Zurücklege Korrekturfaktor für d:?? (s..1.) II. 41

..3. Itervallschätzug des Erwartugswertes Beispiel: X: Höhe vo Überweisugsaufträge, = 400, Gesucht: Kofidezitervall für ubekates µ = 0.01 (festgelegt) Zufallsstichprobe (i ) : 000, 700, 500, 100, 000, 1500, 1600, 1400, 1500, 1700, 1800, 1100, 100, 1100, 100, 1100 II. 4

..3. Itervallschätzug des Erwartugswertes och Beispiel: Iterpretatio? x = 1600 1 = 0,995 z 1-/ = z 0,995 =... (99,5%-Quatil) d = z =,58 400/ 4 0,995 = 58 Kofidezitervall: [134; 1858) II. 43

44..3. Itervallschätzug des Erwartugswertes b) bei ubekater Variaz (realistischer) Wir hatte: ist äquivalet zu: µ = < 1 P 1 1 z X z X 1 / P 1 µ = z X II.

..3. Itervallschätzug des Erwartugswertes Jetzt Schätzug vo durch Stichprobevariaz S : P X-t S Umforme zu: P X µ S S µ < X + t = 1 < t = 1 t ubekat X ud S Zufallsvariable II. 45

..3. Itervallschätzug des Erwartugswertes Neue Zufallsvariable, ist icht ormalverteilt. T = ( X µ ) S hat t-verteilug, vo W.S. Gosset 1905, Pseudoym Studet Eigeschafte: - Symmetrisch, E(T) = 0 - Flacher als Stadardormalverteilug II. 46

..3. Itervallschätzug des Erwartugswertes - Parameter: :, F ud Freiheitsgrade FG = -1 - Für große durch Stadardormalverteilug approximierbar - II. 47

..3. Itervallschätzug des Erwartugswertes Vorgehe: 1. Vorgabe vo. Bereche vo 1 1 3. Ablese des Quatils aus der t-tafel t 1 II. 48

..3. Itervallschätzug des Erwartugswertes 4. Ziehe der Zufallsstichprobe 5. Puktschätzuge X für µ ud S für aus Stichprobe 6. Bereche vo 1 d = t1 7. Kofidezitervall [ -d, + d) x x s Bei kleie Grudgesamtheite ud ohe Zurücklege Korrekturfaktor für d:?? II. 49

..3. Itervallschätzug des Erwartugswertes Beispiel: X wie vorher, = 1 % Gleiche Stichproberealisatioe = 16; x = 1600 ; Bereche: s = ( xi ( x)² 1) = 495 1 - / =... t 15 0.995 =.947 (99,5%-Quatil) II. 50

..3. Itervallschätzug des Erwartugswertes (och Beispiel) d =.947 495 /4 = 364.7 Kofidezitervall [135,3;...) Warum größer als vorher? Stichprobevariaz zufällig größer als ; Quatil t gesetzmäßig größer als z. Warum?? II. 51

..3. Itervallschätzug des Erwartugswertes Stichprobeumfag bei Itervallschätzuge Bekat: Streuug Verlagt: Fehler kleier als d Irrtumswahrscheilichkeit höchstes Gesucht: aus z ² 1... 1- / d = z folgt : = - II. 5

..4. Itervallschätzug vo Ateile oder Wahrscheilichkeite Bisher: Puktschätzug H p ˆ = (ML-Schätzer für Parameter p der Zweipukt- ud Biomialverteilug) H ist biomialverteilt, exakte Itervallschätzug mit Biomialverteilug möglich. Hier eifacher: (Wdh.) X ˆ i p = X i {0,1} II. 53

..4. Itervallschätzug vo Ateile oder Wahrscheilichkeite d.h. Stichprobedurchschitt, assymptotisch ormalverteilt. Warum? Wdh: Für p(1-p)>?? a Verteilug vo pˆ durch Normalverteilug ageähert werde Scho bewiese: E( pˆ) =... Var( pˆ) = ² p ˆ = p(1- p) Eisetze i Kofidezitervall für Durchschitt: II. 54

55..4. Itervallschätzug vo Ateile oder Wahrscheilichkeite ) ) Var( ( 1 ) P ( 1 1 x - z X µ X-z x x x = = = + < ) (1 ˆ) Var( ( 1- ) ˆ ˆ P ( ˆ ˆ 1 ˆ 1 -p) p p z p p p-z p p p = = = + < = + < 1... ˆ... ˆ 1 1 p z p p p z p P II. Wir hatte: Das wird jetzt:

..4. Itervallschätzug vo Ateile oder Wahrscheilichkeite Bestimmug des (1- / )-Quatils der Stadardormalverteilug mit P pˆ p < z p(1 p) 1 / = 1 Fehler : p( 1 = z1 d / p) Problem? Sicher gilt: p( 1 p)... Warum? II. 56

..4. Itervallschätzug vo Ateile oder Wahrscheilichkeite Praktische Näherug d z1 / p( ˆ 1 p) ˆ Vorgehe kurz: 1. Festlege vo. Bereche vo 1 3. Ablese vo z 1-/ aus Stadardormalverteilug (we pˆ (1 pˆ) > 9) 4. Ziehe der Zufallstichprobe 5. Puktschätzug p ˆ = H für p II. 57

..4. Itervallschätzug vo Ateile oder Wahrscheilichkeite 6. Abschätze vo d = z 1 p(1 p) 7. Bereche des Kofidezitervalls mit P( pˆ d p < pˆ + d) = 1 [ p ˆ d, pˆ + d) II. 58

..4. Itervallschätzug vo Ateile oder Wahrscheilichkeite Beispiel (Marktforschug): Das eue Album vo Mariae ist da! Wie viel Prozet der Hausfraue kee sie? 95% Sicherheit gewüscht Zufallsstichprobe vo = 00 ergibt h = 40. Puktschätzug: = 40/ 00 pˆ II. 59

..4. Itervallschätzug vo Ateile oder Wahrscheilichkeite och Beispiel: = 0,05 1 = 0,975; z0,975 =... d 0,8 1,96 0, = 1,96 0,08 = 0,055 00 Itervallschätzug: [0.145,...) d.h.? II. 60

..4. Itervallschätzug vo Ateile oder Wahrscheilichkeite Notwediger Stichprobeumfag Forderug: Fehler geriger als d. Sicherheitswahrscheilichkeit midestes 1 - Wir hatte d z = 1 p(1 p) Also jetzt z1 / p = p(1...² ) II. 61

..4. Itervallschätzug vo Ateile oder Wahrscheilichkeite Problem: p ud pˆ ubekat -sicher: p(1-p) 0,5 - oder Abschätzuge, z.b. p < 0,1 oder p > 0,9 => p(1-p) < 0,09 II. 6

..4. Itervallschätzug vo Ateile oder Wahrscheilichkeite Beispiel: Wählerbefragug zum Ateil der Grüe. Abschätzug: Sicher uter 10%. =5%, d = ± 1 Prozetpukt gefordert. = 1,96 0,09 = 3457,44 0,0001 Iterpretatio ud Awedug? II. 63