Präsentation herunterladen
Die Präsentation wird geladen. Bitte warten
Veröffentlicht von:Heilwig Dunker Geändert vor über 10 Jahren
1
Statistische Methoden I WS 2007/2008 Donnerstag, 31. Januar 2008 und Freitag, 1. Februar 2008 Probeklausur - statt Vorlesungen -
2
4. Markov-Ketten 4.1. Übergangsmatrizen 4.2. Grenzverhalten irreduzibler Markov-Ketten 4.3. Gewinnwahrscheinlichkeiten 4.4. Beispiel Ruin der Spieler 4.5. Anwendungen
3
+ - 1/3 1/4
4
2 3 1 1/2 3/4 1/2 1
5
Endliche Markov-Ketten Der Aktienkurs der ZB-Aktie zeige das folgende Verhalten: - Wenn der Kurs heute gegenüber gestern gestiegen ist, dann steigt er morgen ebenfalls mit der Wahr- scheinlichkeit 2/3 und fällt morgen mit der Wahr- scheinlichkeit 1/3 (gegenüber heute). - Ist jedoch der Kurs heute gegenüber gestern gefallen, dann fällt er morgen ebenfalls mit der Wahr- scheinlichkeit 3/4 und steigt morgen mit der Wahr- scheinlichkeit 1/4 (gegenüber heute).
6
Wir versehen jeden Tag mit einem Plus (+) oder mit einem Minus (-) je nachdem, ob der Kurs an diesem Tag gegenüber dem Vortag gestiegen oder gefallen ist. Dann hängt die Prognose dafür, ob der Kurs morgen gegenüber heute steigt oder fällt, nur davon ab, ob die Aktie heute mit einem + oder mit einem – versehen ist. +- + + - - 2/3 1/3 1/4 3/4
7
+ - 1/3 1/4
8
Problem 1 Problem 1: Wie groß ist die Wahrscheinlichkeit, in 10 Tagen einen Minus-Tag zu haben, wenn heute ein Plus-Tag ist? Problem 2 Problem 2: Wie entwickelt sich die Wahrscheinlichkeit, in n Tagen einen Minus-Tag zu haben, wenn heute ein Plus-Tag ist, für großes n? Strebt diese Wahrscheinlichkeit für n gegen einen festen Wert? Was passiert, wenn man von einem Minus-Tag aus startet?
9
2 3 1 1/4 1/2 3/4 1/2 1
10
Die Maus in der Wohnung! Sie geht jeweils von einem Zimmer zu einem zufälligen Nachbarzimmer. Wie groß ist ihre Gewinnchance ? 5 4 KATZE Verlustzustand 1 MAUS Startzustand 2 3 KÄSE Gewinnzustand (Vorlesung Prof. Bandt)
11
123 5 4 1/2 1/3 1/2 1/3 KÄSE KATZE MAUS
12
0 1 2........ m-1 p p p p q q q q m
13
0 1 2........ p p p p q q q q q m........ Ruin des Spielers
14
Anwendungen von Markov-Ketten Warteschlangen-Modelle Lagerhaltung Krankenstand in einem Betrieb und viele weitere ….
15
III. Induktive Statistik 1. Schätztheorie 1.1. Grundbegriffe, Stichproben 1.2. Maximum-Likelihood-Schätzer 1.3. Erwartungstreue Schätzer 1.4. Konfidenzintervalle 1.5. Spezialfall Binomial-Verteilung 2. Spezialfall Normalverteilung 2.1. Student- und Chi-Quadrat-Verteilung 2.2. Konfidenzintervalle
16
3. Tests 3.1. Grundbegriffe 3.2. Tests einfacher Hypothesen (Neyman-Pearson-Test) 3.3. Tests zusammengesetzter Hypothesen 3.4. Vergleich zweier unabhängiger Stichproben 3.5. Chi-Quadrat-Tests 3.6. Kolmogorov-Smirnov-Test 3.7. Einfache Varianzanalyse
17
Beschreibende Statistik (= Deskriptive Statistik) Beschreibung von Datenmaterial Schließenden Statistik (= Induktive Statistik) Analyse von Datenmaterial, Hypothesen, Prognosen 1. Semester 2.Semester Wahrscheinlich- keitstheorie 1. Semester
18
Die hypergeometrische Verteilung Notation
19
Eine Urne enthält n Kugeln, davon N weiße und n - N schwarze. Aus der Urne werden nacheinander m Kugeln ohne Zurücklegen gezogen. Wie groß ist die Wahrscheinlichkeit, genau k weiße Kugeln zu ziehen? Sie beträgt gerade H(n, N, m)(k)!
20
Schätzung der Zahl der Fische in einem See in Mecklenburg N Fische werden gefangen und markiert Die Fische werden in den See zurückgegeben. Man wartet, bis die markierten Fische sich (möglichst gleichmäßig) im See verteilt haben. Man geht erneut auf Fischzug und fäng m Fische. Von diesen seien k markiert.
21
Schätzung für die Gesamtzahl der Fische im See:
22
http://www.math-inf.uni-greifswald.de/algebra/
23
Statistische Struktur (diskreter Fall) Dabei sind:
24
Schätzproblem Schätzer
25
Ω Θ Modell Beobachtung (Stichprobe) Grundgesamtheit (mögliche Beobachtungen) Schätzung
26
Ω Θ Modell Beobachtung (Stichprobe) Grundgesamtheit (mögliche Beobachtungen) Schätzung E g
27
Berliner Taxifahrer Ein Berliner Taxifahrer notierte imJanuar 1987 während 5 Schichten mit je 20 Fahrten, welchen Prozentsatz des Fahrpreises lt. Taxameter die Fahrgäste als Trinkgeld gaben.
28
Stichprobe (diskreter Fall)
29
Mathematischer Rahmen
30
Stichprobenfunktionen (Beispiele)
31
Stichprobenfunktionen Beispiel Taxifahrer
32
SonntagseinsätzeFeuerwache
34
Mittlerer quadratischer Fehler Gegeben sind: Statistische Struktur Schätzproblem Als mittleren quadratischen Fehler bezeichnet man die Größe Schätzer
35
Feuerwache Angepasste Poisson-Verteilungen
36
Stichproben (stetiger Fall)
37
Mathematischer Rahmen
38
Statistische Struktur diskret stetig
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.