Approximative Konfidenzintervalle im Bernoulli-Fall II Vereinfachung für großes n (n 100)
-
Upload
betlinde-zachmann -
Category
Documents
-
view
104 -
download
0
Transcript of Approximative Konfidenzintervalle im Bernoulli-Fall II Vereinfachung für großes n (n 100)
Approximative Konfidenzintervalle im Bernoulli-Fall II
Vereinfachung für großes n(n 100)
BeispielKaufhaus-Konzern
Kauf würde in Erwägung
gezogen
Kauf würde nicht in Erwägung
gezogen
572 1428
Tafel für die Verteilungsfunktion bei Normalverteilung
Test für den ErwartungswertVarianz bekannt
Fall Normalverteilung
Test für den ErwartungswertVarianz unbekannt
Fall Normalverteilung
Vergleich zweier unabhängiger Stichproben 1. Fall1. Fall
2 unabhängige Stichproben mit Stichprobenvariablen X und Y
Annahmen: X und Y normalverteilt
Varianz von X = Varianz von Y
Hypothese: Erwartungswert von X = Erwartungswert von Y
Für n unabhängigeunabhängige Zufallsvariablen
mit
hat man:
Mathematische Bedeutung der Chi-Quadrat-Verteilung
Für unabhängigeunabhängige Zufallsvariablen W und U mit
hat man:
Mathematische Bedeutung der t-Verteilung
Vergleich zweier unabhängiger Stichproben 1. Fall1. Fall
Prüfgröße
n: Umfang der Stichprobe 1 (Stichprobenvariable X)
m: Umfang der Stichprobe 2 (Stichprobenvariable Y)
Ablehnungsbereich
bestimmt durch
Vergleich zweier unabhängiger Stichproben 2. Fall2. Fall
2 unabhängige Stichproben mit Stichprobenvariablen X und Y
Annahmen: X und Y normalverteilt
n und m groß (> 30), damitApproximation der Varianzensinnvoll
Hypothese: Erwartungswert von X = Erwartungswert von Y
Vergleich zweier unabhängiger Stichproben 2. Fall2. Fall
Ausgangspunkt
Approximation
Prüfgröße
Ablehnungsbereich bestimmt durch
Chi-Quadrat-Tests
Satz von Karl Pearson I
X: Stichprobenvariable, die r > 2 verschieden Werte annehmen kann:
Die Verteilung von X ist durch einenWahrscheinlichkeitsvektorgegeben.
Stichprobe vom Umfang n:
Satz von Karl Pearson II
Dann hat man:
Dabei ist:
1857 - 1936
Geboren in London. Er versuchte, statistische Methoden auf biologische Probleme der Vererbung und der Evolution anzuwenden. In 18 Veröf-fentlichungen mit dem Titel „Mathematical Contributions to the Theory of Evolution“ führte er die Regressions-Analyse, den Korrelationsko-effizienten und den Chi-Quadrat-Test ein.
1895 - 1980
Geboren in London als Sohn von Karl Pearson. Egon Pearson arbeitete ab 1921 im Institut seines Vaters am University College in London. Er besuchte zunächst alle Vorlesungen seines Vaters mit dem Erfolg, dass er bald selbst hervorragende Arbeiten auf dem Gebiet der Statistik produzierte. S. Neyman war 1925 - 26 als Stipendiat am UniversityCollege. Die Zusammenarbeit mit Egon Pearson begann.
Geboren in Bendery, Moldavien. Als Jerzy Neyman sein Stipendium in London antrat, um mit Karl Pearson zusammenzuarbeiten, war er enttäuschtals er feststellte, dass Karl Pearson die moderne Mathematik ignorierte.Er kooperierte dann mit Egon Pearson undrevolutionierte durch seine Ergebnisse die Statistik.
1876 - 1937
William Gosset, der unter dem Namen Student veröffentlichte, entdeckte die t-Verteilung (Student-Verteilung) durch eine Kombination mathematischer und empirischer Methoden. Er war Chemiker in der Guiness-Brauerei in Dublin 1899 und benötigte die t-Verteilung, um die Qualitätskontrolle durchführen zu können.
Chi-Quadrat-Test auf Anpassung
Hypothese
Ablehnungsbereich
Fairer Würfel?
Hypothese verwerfen!Hypothese verwerfen!
Chi-Quadrat-Verteilung
falsch!0,831
Bakterielle Infektion durch Stämme I, II, IIIBakterielle Infektion durch Stämme I, II, III
Vermutung
Konkrete Stichprobe (80 Infektionen)
(siehe: Gelbrich)
Typ
Prozentsatz
I II III
30 50 20
Anzahl
I II IIITyp
30 32 18
Chi-Quadrat-Verteilung