Präsentation herunterladen
Die Präsentation wird geladen. Bitte warten
Veröffentlicht von:Hraban Bohner Geändert vor über 10 Jahren
1
Statistische Methoden II SS 2003 Vorlesung:Prof. Dr. Michael Schürmann Zeit:Freitag 10.00 - 12.30 (Pause: 11.30 - 11.45) Ort:Hörsaal Loefflerstraße Übungen Gruppe 1: 414 Andreas Matz Di 9.15 - 10.45 Gruppe 2: 414 Melanie Hinz Di 11.15 - 12.45 Gruppe 3: 414 Andreas Matz Mi 7.15 - 8.45 Gruppe 4: 301 Melanie Hinz Do 7.30 - 9.00 Gruppe 5: 301 Birte Holtfreter Do 9.15 - 10.45 Gruppe 6: 301 Birte Holtfreter Do 11.00 -12.30 Ort: Diagnostikzentrum in den Räumen 301 und 414
2
Maximum-Likelihood-Schätzer (diskreter Fall) Likelihood-Funktion M-L-Schätzer mit oder
3
Maximum-Likelihood-Schätzer (diskreter Fall) Likelihood-Funktion M-L-Schätzer mit oder
4
Der Parameter ist die beste Erklärung für die Beobachtung
5
Beispiel Poisson-Verteilung Stichprobe vom Umfang n mit Poisson- verteilter Stichprobenvariablen (Intensität: ) M-L-Schätzer für oder
6
Beispiel Bernoulli-Verteilung Stichprobe vom Umfang n mit Bernoulli- verteilter Stichprobenvariablen (p: Wahrscheinlichkeit des Ereignisses) M-L-Schätzer für p wieder gegeben durch:
7
Normalverteilte Stichprobenvariable M-L-Schätzer Erwarungswert Hier spielt es keine Rolle, ob die Varianz bekannt ist oder nicht. In jedem Fall gilt:
8
Normalverteilte Stichprobenvariable M-L-Schätzer Varianz bekannt
9
Normalverteilte Stichprobenvariable M-L-Schätzer Varianz unb ekannt
10
Übersicht
11
Beispiel Äpfeln Gewicht von Äpfeln Gewicht von Äpfeln der Sorte Cox-Orange aus einem bestimmten italienischen Anbaugebiet
12
Erwartungstreue Schätzer Wenn der Parameter selbst geschätzt werden soll: Wenn ein allgemeines statistisches Problem vorliegt: Dabei bedeutet der Index, dass der Erwartungswert bzgl. des W.maßes zum Parameter genommen wird.
13
Schätzung des Erwartungswertes der Stichprobenvariablen X Statistisches Problem gegeben durch: Erwartungstreuer Schätzer:
14
Schätzung der Varianz der Stichprobenvariablen X Statistisches Problem gegeben durch: Erwartungstreuer Schätzer: Erwartungswert bekannt
15
Schätzung der Varianz der Stichprobenvariablen X Statistisches Problem gegeben durch: Erwartungstreuer Schätzer: Erwartungswert unbekannt
16
Normalverteilte Stichprobenvariable Erwartungstreuer Schätzer für den Erwarungswert Hier spielt es wieder keine Rolle, ob die Varianz bekannt ist oder nicht. In jedem Fall gilt: erwartungstreu ist erwartungstreu
17
Normalverteilte Stichprobenvariable Erwartungstreuer Schätzer für die Varianz bekannt erwartungstreu ist erwartungstreu
18
Normalverteilte Stichprobenvariable Erwartungstreuer Schätzer für die Varianz unb ekannt erwartungstreu ist erwartungstreu Kein M-L-Schätzer!!
19
Übersicht erwartungstreu erwartungstreu erwartungstreu nicht erwartungstreu
20
Konfidenzintervalle Intervallschätzung Jeder Beobachtung wird ein Intervall C( ) der reellen Zahlen zugeordnet Niveau Dabei ist die Wahrscheinlichkeit. eine Beobachtung zu machen, für die der wahre Parameter im zugehörigen Intervall liegt, größer oder gleich 1 -
21
Die Ungleichung vonTschebyschev
22
Niveau klein Das Niveau wird klein gewählt. (Wir nehmen in unseren Beispielen in den meisten Fällen = 0.05 oder = 0.1) Zusammen- Es gibt aber einen Zusammen- hang hang zwischen der Breite der Konfidenzintervalle und dem Niveau: Niveau kleiner Intervall breiter Die Intervallbreite soll möglichst gering sein.
23
Beispiel Äpfeln Gewicht von Äpfeln Gewicht von Äpfeln der Sorte Cox-Orange aus einem bestimmten italienischen Anbaugebiet Schätzer von
24
Wichtige Eigenschaft der Normalverteilung Für unabhängige normalverteilte Zufallsvariablen X und Y hat man
25
Konfidenzintervall für den Erwartungswert Varianz bekannt Annahme: Konfidenzintervalle: wobei
26
In unserem Beispiel: Bei einem Niveau von = 0.05 ist 1 - /2 = 0.975. Es ergibt sich: und
27
Tafel für die Verteilungsfunktion bei Normalverteilung
28
Beispiel Kaufhaus-Konzern Kauf würde in Erwägung gezogen Kauf würde nicht in Erwägung gezogen 572 1428
29
Der Zentrale Grenzwertsatz
30
Approximative Konfidenzintervalle im Bernoulli-Fall I Konfidenzintervall zum Niveau
31
Approximative Konfidenzintervalle im Bernoulli-Fall II Vereinfachung für großes n (n 100)
32
Die Student- oder t-Verteilung Hängt von Parameter n ab!
34
Die Chi-Quadrat-Verteilung Hängt ebenfalls von Parameter n ab!
36
Konfidenzintervall für den Erwartungswert Varianz unbekannt Student-Verteilung (oder t-Verteilung)
37
Konfidenzintervall für die Varianz Erwartungswert bekannt Einseitig Chi-Quadrat- Verteilung
38
Konfidenzintervall für die Varianz Erwartungswert bekannt zweiseitig Chi-Quadrat- Verteilung
39
Konfidenzintervall für die Varianz Erwartungswert unbekannt Einseitig Chi-Quadrat- Verteilung
40
Konfidenzintervall für die Varianz Erwartungswert unbekannt Zweiseitig Chi-Quadrat- Verteilung
41
Beispiel Äpfeln Gewicht von Äpfeln Gewicht von Äpfeln der Sorte Cox-Orange aus einem bestimmten italienischen Anbaugebiet
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.