K. Desch - Statistik und Datenanalyse SS05

Slides:

Advertisements

Ähnliche Präsentationen

Definition [1]: Sei S eine endliche Menge und sei p eine Abbildung von S in die positiven reellen Zahlen Für einen Teilmenge ES von S sei p definiert.

Advertisements

Die Laufzeit von randomisierten (zufallsgesteuerten) Algorithmen hängt von gewissen zufälligen Ereignissen ab (Beispiel Quicksort). Um die Laufzeiten dieser.

Grundlagen der Wahrscheinlichkeitsrechnung - Verteilungen -

Stochastik in der Sek. II Sabrina Schultze.

Überprüfen von Verteilungen

Forschungsstatistik II Prof. Dr. G. Meinhardt SS 2005 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz KLW-23.

Forschungsstatistik II Prof. Dr. G. Meinhardt SS 2006 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz KLW-18.

K. Desch - Statistik und Datenanalyse SS05

K. Desch - Statistik und Datenanalyse SS05

K. Desch - Statistik und Datenanalyse SS05

Wahrscheinlichkeit Mehrere Zufallsvariablen mit gemeinsamer p.d.f.

Wahrscheinlichkeitstheorie

Statistische Methoden I

Konfidenzintervalle Intervallschätzung

Statistische Methoden II SS 2008 Vorlesung:Prof. Dr. Michael Schürmann Zeit:Freitag (Pause: ) Ort:Hörsaal Makarenkostraße (Kiste)

M-L-Schätzer Erwartungswert

Statistische Methoden II SS 2007 Vorlesung:Prof. Dr. Michael Schürmann Zeit:Freitag (Pause: ) Ort:Hörsaal Loefflerstraße Übungen.

Bitte mein Manuskript (liegt im Bibliotheksgebäude aus) nicht nach Außerhalb tragen. Die Weitergabe an Dritte (d. h. an Personen, die nicht Hörer der Vorlesung.

TESTS. Worum es geht Man möchte testen, ob eine bestimmte Annahme (Hypothese) über Parameter der Realität entspricht oder nicht. Beobachtung (Stichprobe)

Erwartungswert und Varianz I Der endliche Fall Erwartungswert Varianz.

Konfidenzintervalle Intervallschätzung Jeder Beobachtung wird ein Intervall C( ) der reellen Zahlen zugeordnet Niveau Dabei ist die Wahrscheinlichkeit,

Neu Übungsgruppentausch:

Statistische Methoden I SS 2005

Statistische Methoden I WS 2007/2008 Donnerstag, 31. Januar 2008 und Freitag, 1. Februar 2008 Probeklausur nächste Woche - statt Vorlesungen -

Statistische Methoden I WS 2007/2008 Probeklausur Donnerstag, 31. Januar 2008 und Freitag, 1. Februar statt Vorlesungen -

Maximum-Likelihood-Schätzer ( diskreter Fall) Likelihood-Funktion mit oder M-L-Schätzer.

Hier noch ein Beispiel zur bedingten Wahrscheinlichkeit Drei Personen A, B und C befinden sich im Gefängnis. Einer von den dreien ist zum Tode verurteilt,

II. Wahrscheinlichkeitstheorie

Die Vorlesung am 14. Mai (Tag nach Himmelfahrt) wird auf Montag, den 17. Mai verlegt! Zeit: 16 Uhr Ort: Kiste Nächste Woche!!!!

Statistische Methoden II SS 2003 Vorlesung:Prof. Dr. Michael Schürmann Zeit:Freitag (Pause: ) Ort:Hörsaal Loefflerstraße Übungen.

Wahrscheinlichkeitstheorie. Statistische Methoden I WS 2009/2010 Einleitung: Wie schätzt man die Zahl der Fische in einem See? Zur Geschichte der Statistik.

Erwartungswert und Varianz I Der endliche Fall Erwartungswert Varianz.

Erwartungswert und Varianz I Der endliche Fall Erwartungswert Varianz.

Statistische Methoden II SS 2003

Wahrscheinlichkeitstheorie. Statistische Methoden I WS 2002/2003 Zur Geschichte der Statistik I. Beschreibende Statistik 1. Grundlegende Begriffe 2. Eindimensionales.

Urnenmodelle. Die Normalverteilung (Gauß-Verteilung) (Gaußsche Glockenkurve)

Statistische Methoden I WS 2009/2010 Probeklausur Montag, 25. Januar statt Vorlesung -

Grundbegriffe der (deskriptiven) Statistikder Wahrscheinlichkeitstheorie.

Statistische Methoden I WS 2004/2005 Probeklausur Freitag, 21. Januar statt Vorlesung - In 2 Wochen In 2 Wochen!

Verteilungsfunktion der Normalverteilung I. Verteilungsfunktion der Normalverteilung II.

Grundbegriffe der (deskriptiven) Statistik

Maximum-Likelihood-Schätzer ( diskreter Fall) Likelihood-Funktion mit oder M-L-Schätzer.

Vorlesung Biometrie für Studierende der Veterinärmedizin Begriff der Zufallsgröße Ergebnisse von Zufallsexperimenten werden als Zahlen dargestellt:

Binomialverteilung: Beispiel

Histogramm/empirische Verteilung Verteilungen

Wahrscheinlichkeitsverteilung

STATISIK LV Nr.: 1375 SS März 2005.

Aufgabenzettel VIII Statistik I © by Ewald Krawitz & Oliver Schattmann.

Die Poisson-Verteilung: Mittelwert und Standardabweichung

Wahrscheinlichkeit Zufallsexperiment:

STATISIK LV Nr.: 0028 SS Mai 2005.

STATISIK LV Nr.: 0028 SS Mai 2005.

STATISIK LV Nr.: 1852 WS 2005/ Dezember 2005.

STATISIK LV Nr.: 0021 WS 2005/ Oktober 2005.

STATISIK LV Nr.: 1852 WS 2005/ Dezember 2005.

EXPONENTIALVERTEILUNG

1 (C) 2002, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz Wahrscheinlichkeitsverteilung Lernziele: Wahrscheinlichkeitsverteilung und der Wahrscheinlichkeitsdichte.

Stochastik Grundlagen

Stochastik ganz kurz Beispiel diskret Würfelwurf Beispiel stetig

Erwartungstreuer, konsistenter Schätzer

K. Desch - Statistik und Datenanalyse SS05 Verteilungen Binomialverteilung.

K. Desch - Statistik und Datenanalyse SS05 1 Zusammenfassung 2. Vorlesung (22.4.) Schiefe (Skewness): Maß für die Asymmetrie der Verteilung um den Mittelwert.

K. Desch - Statistik und Datenanalyse SS05

K. Desch - Statistik und Datenanalyse SS05 Statistik und Datenanalyse 1.Wahrscheinlichkeit 2.Wahrscheinlichkeitsverteilungen 3.Monte-Carlo-Methoden 4.Statistische.

Thema der Stunde I. Die Form der Stichprobenkennwerteverteilung

Die Binomialverteilung

K. Desch - Statistik und Datenanalyse SS05

K. Desch - Statistik und Datenanalyse SS05

Verteilungen Negative Binomialverteilung (Pascalverteilung)

Binomialverteilung FI Mag. Günther Schwarz.

Präsentation transkript:

K. Desch - Statistik und Datenanalyse SS05 Verteilungen Wichtige Wahrscheinlichkeitsverteilungen Binomialverteilung Poissonverteilung Gaussverteilung Cauchy (Breit-Wigner)-Verteilung Chiquadrat-Verteilung Landauverteilung Gleichverteilung Zentraler Grenzwertsatz K. Desch - Statistik und Datenanalyse SS05

Verteilungen Binomialverteilung Binomialverteilung tritt auf wenn es um Versuche (Trials) geht, die zwei Möglichkeiten des Ausgangs (Erfolg – Misserfolg, success-failure, Kopf-Zahl, …) haben. Ereignis “Erfolg”: Ereignis “Misserfolg”: Wahrscheinlichkeit Beispiel: Münzen Wahrscheinlichkeit für “Kopf” (A) = p = 0.5, q=0.5 Wahrscheinlichkeit bei 4 Würfen n-mal “Kopf” (A) zu erhalten? n=0: P = (1-p)4 = 1/16 n=1: P = (p (1-p)3) mal Anzahl der Permutationen (KZZZ, ZKZZ, ZZKZ, ZZZK) = 4*1/16 = ¼ n=2: P = (p2 (1-p)2) mal (KKZZ, ZKKZ, ZZKK, KZKZ, ZKZK, KZZK) = 6*1/16 = 3/8 n=3: P = (p3 (1-p)) mal (KKKZ, KKZK, KZKK, ZKKK) = 4*1/15 = ¼ n=4: P = p4 = 1/16 P(0)+P(1)+P(2)+P(3)+P(4) = 1/16+1/4+3/8+1/4+1/16 = 1 gut. K. Desch - Statistik und Datenanalyse SS05

Verteilungen Binomialverteilung Anzahl der Permutationen für k Erfolge bei n Versuchen: Binomialkoeffizient: Binomialverteilung: Diskrete Wahrscheinlichkeitsverteilung Zufallsvariable: k Hängt ab von 2 Parametern: n (Anzahl Versuche) und p (Wahrsch. für Erfolg) Reihenfolge des Auftretens der k Erfolge spielt keine Rolle - n Versuche müssen unabhängig sein K. Desch - Statistik und Datenanalyse SS05

Verteilungen Binomialverteilung K. Desch - Statistik und Datenanalyse SS05

Verteilungen Binomialverteilung K. Desch - Statistik und Datenanalyse SS05

Verteilungen Binomialverteilung Eigenschaften der Binomialverteilung: Normierung: Erwartungswert: Beweis: K. Desch - Statistik und Datenanalyse SS05

Verteilungen Binomialverteilung Eigenschaften der Binomialverteilung: Varianz: Beweis: Es gilt aber: K. Desch - Statistik und Datenanalyse SS05

Verteilungen Binomialverteilung Beispiel: K. Desch - Statistik und Datenanalyse SS05

Verteilungen Binomialverteilung Beispiel: Anzahl Fehlerbalken in 1-Schranken (p=0.68) K. Desch - Statistik und Datenanalyse SS05

Verteilungen Binomialverteilung Übung - Lottozahlen K. Desch - Statistik und Datenanalyse SS05