1 / 20

VORLESUNGSSTRUKTUR: ST. U. WT

VORLESUNGSSTRUKTUR: ST. U. WT I EINLEITUNG II STOCHASTISCHE GRUNDBEGRIFFE III MEHRDIMENSIONALE VERTEILUNGEN IV MEHRDIMENSIONALE VERTEILUNGEN V FOLGEN STOCHASTISCHER GRÖSZEN VI KLASSISCHE SCHLIESZENDE STATISTIK VII BAYS´SCHE STATISTIK VIII ERGÄNZUNGEN. I EINLEITUNG.

naomi
Download Presentation

VORLESUNGSSTRUKTUR: ST. U. WT

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. VORLESUNGSSTRUKTUR: ST. U. WT I EINLEITUNGII STOCHASTISCHE GRUNDBEGRIFFEIII MEHRDIMENSIONALE VERTEILUNGENIV MEHRDIMENSIONALE VERTEILUNGENV FOLGEN STOCHASTISCHER GRÖSZENVI KLASSISCHE SCHLIESZENDE STATISTIKVII BAYS´SCHE STATISTIKVIII ERGÄNZUNGEN

  2. I EINLEITUNG

  3. Statistik und Wahrscheinlichkeitstheorie Offizielle StatistikAngewandte StatistikTheoretische StatistikWahrscheinlichkeitstheorie Wozu Statistik u. WR ?„Quantitative Erfassung von Massenphänomenen und Beschreibung von nicht deterministischen Vorgängen“

  4. Historisches und Grundsätzliches • Stat. Erhebungen: seit ca. 4500 JahrenÄgypten, China (Militär, Steuer)seit 550 v. Chr. Regelmäßiger „Zensus“ im Röm. Reich1754 erste Volkszähliung in N.Ö. (inkl. Wien) • Universitätsstatistik: seit dem 17. Jhdt. Lehre von den StaatsmerkwürdigkeitenName Statistik: ital. Statista = StaatsmannInformation zu Bevölkerung, Wirtschaft u.s.w.

  5. Wahrscheinlichkeitsrechnung: Im 16. Jhdt.Beschr. Von GlücksspielenBeschr. Von Unsicherheit Verschiedene W-Begriffe: objektivistisch subjektivistisch axiomatisch Stochastik: stocastikózstoxazesJai Kausalität: deterministisch, stochastisch, fuzzy

  6. Kausalität

  7. Begleitende Beispiele: B1: Stat. Qualitätskontrolle N … Losumfang, A … Anzahl schlechter Stücke n … Stichprobenumfang, a … Anzahl schlechter Stücke in der Stickprobe. Problem: Rückschluss auf AB2: Lebensdauer eines ProduktesB3: Wartezeit bei einer BedienstelleB4: Abhängigkeit einer stochastischen Größe von einer Kovariablen

  8. 2. Beschreibende Statistik Merkmale und Häufigkeiten 2.1 Diskrete Merkmale höchstens abzählbar viele mögliche Werte die sich nicht häufen.2.1.1 Artmerkmale A1, A2, … , Am versch. mögl. Werte n Beobachtungen Hn(Aj) = Anzahl der Beobachunten mit Wert Aj

  9. Hn(Aj) absolute Häufigkeit von Aj Hn(Aj) := Hn(Aj)/n relative Häufigkeit von Aj Darstellung von Häufigkeitsverteilungen: Strichlisten Balkendiagramme Kreisdiagramme

  10. 2.1.2 Ordnungsmerkmale oft durch Zahlen dargestellt z1, z2, … , zm verschiedene mögliche Werte Für n Beobachtungen hn(zj) für j = 1(1)m Darstellung der Häufigkeitsverteilung Stabdiagramm Summenkurve

  11. 2.2 Kontinuierliche Merkmale können alle Zahlen aus einem intervall annehmen Für n Beobachtungen x1, x2, … , xn Darstellung der Häufigkeitsverteilung Empirische Verteilungsfunktion Fn*(.) für jedes Ordnungsstatistik

  12. Histogramm Summenkurve Summenpolygon

  13. b- b- a+ a a+ b

More Related