Präsentation herunterladen
Die Präsentation wird geladen. Bitte warten
1
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 3. Tests 3.1. Grundbergriffe 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
2
Wahrscheinlich- keitstheorie Beschreibende Statistik
(= Deskriptive Statistik) Beschreibung von Datenmaterial Teil I Wahrscheinlich- keitstheorie Teil II Schließenden Statistik (= Induktive Statistik) Analyse von Datenmaterial, Hypothesen, Prognosen Teil III
3
Sie beträgt gerade H(n, N, m)(k)!
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)!
4
Die hypergeometrische Verteilung
Notation
5
Schätzung der Zahl der Fische in einem See in Mecklenburg
N Fische werden gefangen und markiert Die Fische werden in den See zurück- gegeben. Man wartet, bis die markierten Fische sich (möglichst gleichmäßig) im See verteilt haben. Man geht erneut auf Fischzug und fängt m Fische. Von diesen seien k markiert.
6
Schätzung für die Gesamtzahl
der Fische im See:
7
Statistische Struktur
(diskreter Fall) Dabei sind:
8
Schätzproblem Schätzer
9
(mögliche Beobachtungen)
Grundgesamtheit (mögliche Beobachtungen) Ω Beobachtung (Stichprobe) Schätzung Modell Θ
10
(mögliche Beobachtungen)
Grundgesamtheit (mögliche Beobachtungen) Ω Beobachtung (Stichprobe) Schätzung Modell g Θ E
11
Stichprobe (diskreter Fall)
12
Mathematischer Rahmen
13
Stichprobenfunktionen
14
Sonntagseinsätze Feuerwache
16
Stichproben (stetiger Fall)
17
Mathematischer Rahmen
18
Statistische Struktur
diskret stetig
19
Maximum-Likelihood-Schätzer
(diskreter Fall) Likelihood-Funktion M-L-Schätzer mit oder
20
ist die beste Erklärung
Der Parameter ist die beste Erklärung für die Beobachtung
21
Schätzung der Zahl der Fische in einem See in Mecklenburg
N Fische werden gefangen und markiert Die Fische werden in den See zurück- gegeben. Man wartet, bis die markierten Fische sich (möglichst gleichmäßig) im See verteilt haben. Man geht erneut auf Fischzug und fängt m Fische. Von diesen seien k markiert.
22
ist M-L-Schätzer !
23
Likelihood-Funktion
24
Der Logharithmus ln x ist streng monoton wachsend
25
Beispiel Bernoulli-Verteilung
Stichprobe vom Umfang n mit Bernoulli- verteilter Stichprobenvariablen (p: Wahrscheinlichkeit des Ereignisses) M-L-Schätzer für p wieder gegeben durch:
26
Maximum-Likelihood-Schätzer
(stetiger Fall) Likelihood-Funktion M-L-Schätzer mit oder
27
ist die beste Erklärung
Der Parameter ist die beste Erklärung für die Beobachtung x
28
Maximum-Likelihood-Schätzer
(diskreter Fall) Likelihood-Funktion M-L-Schätzer mit oder
29
Beispiel Poisson-Verteilung
Stichprobe vom Umfang n mit Poisson- verteilter Stichprobenvariablen (Intensität: ) M-L-Schätzer für oder
30
Beispiel Bernoulli-Verteilung
Stichprobe vom Umfang n mit Bernoulli- verteilter Stichprobenvariablen (p: Wahrscheinlichkeit des Ereignisses) M-L-Schätzer für p wieder gegeben durch:
31
M-L-Schätzer Erwarungswert
Normalverteilte Stichprobenvariable M-L-Schätzer Erwarungswert Hier spielt es keine Rolle, ob die Varianz bekannt ist oder nicht. In jedem Fall gilt:
32
Normalverteilte Stichprobenvariable M-L-Schätzer Varianz bekannt
33
Normalverteilte Stichprobenvariable M-L-Schätzer Varianz unbekannt
34
Übersicht
35
Beispiel Gewicht von Äpfeln Gewicht von Äpfeln der Sorte Cox-Orange
aus einem bestimmten italienischen Anbaugebiet
36
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.
37
Schätzung des Erwartungswertes der Stichprobenvariablen X
Statistisches Problem gegeben durch: Erwartungstreuer Schätzer:
38
Schätzung der Varianz der Stichprobenvariablen X
Erwartungswert bekannt Statistisches Problem gegeben durch: Erwartungstreuer Schätzer:
39
Schätzung der Varianz der Stichprobenvariablen X
Erwartungswert unbekannt Statistisches Problem gegeben durch: Erwartungstreuer Schätzer:
40
Erwartungstreuer Schätzer für den Erwarungswert
Normalverteilte Stichprobenvariable Erwartungstreuer Schätzer für den Erwarungswert Hier spielt es wieder keine Rolle, ob die Varianz bekannt ist oder nicht. In jedem Fall gilt: ist erwartungstreu
41
Erwartungstreuer Schätzer
Normalverteilte Stichprobenvariable Erwartungstreuer Schätzer für die Varianz bekannt ist erwartungstreu
42
Erwartungstreuer Schätzer
Normalverteilte Stichprobenvariable Erwartungstreuer Schätzer für die Varianz unbekannt ist erwartungstreu Kein M-L-Schätzer!!
43
Übersicht erwartungstreu erwartungstreu nicht erwartungstreu
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.