Wolf-Gert Matthäus
Statistische Tests mit Excel leicht erklärt
Wolf-Gert Matthäus
Statistische Tests mit Excel leic...
77 downloads
707 Views
41MB Size
Report
This content was uploaded by our users and we assume good faith they have the permission to share this book. If you own the copyright to this book and it is wrongfully on our website, we offer a simple DMCA procedure to remove your content from our site. Start by pressing the button below!
Report copyright / DMCA form
Wolf-Gert Matthäus
Statistische Tests mit Excel leicht erklärt
Wolf-Gert Matthäus
Statistische Tests mit Excel leicht erklärt Beurteilende Statistik für jedermann
Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über abrufbar. Dr. rer. nat. habil. Wolf-Gert Matthäus studierte von 1964 bis 1969 Mathematik an der TU Dresden. Dann lehrte er an der TH in Merseburg, wo er 1973 promovierte und sich 1978 habilitierte. Er wurde 1979 zum Dozenten für Numerische Mathematik berufen. Von 1991 bis 1998 wirkte er am Aufbau der deutschsprachigen Abteilungen an der Marmara-Universität in Istanbul (Türkei) mit. Nach seiner Rückkehr nach Deutschland übernahm er Lehraufträge an Universitäten, Fachhochschulen, Berufsakademien und Verwaltungs- und Wirtschaftsakademien.
1. Auflage Juni 2007
Alle Rechte vorbehalten © B.G. Teubner Verlag / GWV Fachverlage GmbH, Wiesbaden 2007 Lektorat: Ulrich Sandten / Kerstin Hoffmann Der B.G. Teubner Verlag ist ein Unternehmen von Springer Science+Business Media. www.teubner.de Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlags unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen. Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften. Umschlaggestaltung: Ulrike Weigel, www.CorporateDesignGroup.de Druck und buchbinderische Verarbeitung: Strauss Offsetdruck, Mörlenbach Gedruckt auf säurefreiem und chlorfrei gebleichtem Papier. Printed in Germany
ISBN 978-3-8351-0098-5
Vorwort
Statistik ist ein sproder Stoff. Obwohl zur Pflicht diverser Lehrplane an Schulen und Hochschulen zahlend, hat sich doch bei vielen, die sie durchlitten, keine Liebe zum Thema herausgebildet, und wer die Statistik vor sich hat, ist durch den ihr vorauseilenden Ruf schon ziemlich negativ voreingestimmt. Leider. Woran liegt das? Schuld ist die Natur der Sache - einerseits schaut stets der bose und unberechenbare Zufall durch die Zeilen, andererseits sind da die vielen Zahlen, mit denen man umgehen lernen muss. Hinzu kommt die von Generation zu Generation weitergegebene AuBerung, die abwechselnd dem Fiirsten Bismarck oder dem Premier Churchill zugeschrieben wird: "Jch glaube nur der Statistik, die ich selbst gefalscht habe." ja, die Statistik hat einen schlechten Ruf, und trotzdem muss sie gelehrt und verstanden
werden. Nichts sicher, aber trotzdem soll gerechnet werden. Ergebnisse werden erwartet, Hinzu kommen die vielen, vielen Fachbegriffe, angefangen bei den Zufallsgrorsen und weiter uber die Signifikanz bis hin zu den Korrelationen. Wozu das alles? Natiirlich kennen die Lehrenden und Fachbuchautoren diese Aversionen, sie versuchten und versuchen, den Lernenden den Sinn und Zweck der Statistik auf unterschiedlichste Weise nahe zu bringen. Der eine versucht es, indem er .Statistik ohne Forrneln" oder .Statistik popular" prasentiert. Der andere geht genau den anderen Weg, prasentiert Statistik konsequent als logische, rnathematisch-exakte, strenge Wissenschaft, leitet her, leitet ab, begriindet und beweist. Das vorliegende Buch will einen Mittelweg beschreiten. Auf zuviel Mathematik wird ebenso verzichtet wie auf zuviel unscharfe Popularitat. Entscheidend soll sein, den Sinn jeglicher Statistik immer und immer wieder herauszuarbeiten - dem Zufall ein wissenschaftliches Schnippchen zu schlagen, Wahrscheinlichkeiten zu berechnen, Daten sinnvoll und sorgsam mit gebotener Vorsicht zu behandeln. Anfangs wird in den Kapiteln 1 bis 6 deshalb ausfiihrlich versucht, die iiberaus wichtigen Grundbegriffe der Zufallsgrojse und der Verteilungsfunktion zu erklaren. An vielen Beispielen wird dann vorgefiihrt, wie man von einer bekannten Verteilung einer Zufallsgrofse zu Wahrscheinlichkeitsaussagen kommt. Dabei ist eine Zufallsgrofse nichts anderes als ein Zufallsexperiment, das Zahlen liefert. Entweder liefert es genau zwei Zahlenwerte, dann henst die Zufallsgrotse alternativ, oder es liefert einige, wenige Zahlenwerte, dann heifst die Zufallsgrofse diskret. Ist die Anzahl der verschiedenen Ergebniswerte eines Zufallsexperiments uniiberschaubar grofs, dann spricht man von cincr stetigen Zufallsgrofsc. lIier spiclt die Normalverteilung cine dominierende Rolle. Ihr werden folglich auch drei Kapitel eingeraumt. Doch selbst wenn qualitativ bekannt ist, wie eine ZufallsgrbJSe verteilt ist, so fehlen doch oft genaue Kenntnisse zu den Parametern der zutreffenden Verteilungsfunktion. Sie werden zwangslaufig ersetzt durch geeignete Schatzungen, resultierend aus Zufallsstichproben.
Inhaltsverzeichnis Teil I: Zufallsgrößen und Verteilungen = N=
wìÑ~ää=ìåÇ=t~ÜêëÅÜÉáåäáÅÜâÉáí KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NT=
NKN=
wìÑ~ääKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKNT=
NKNKN= = sÉêÖ~åÖÉåÜÉáí=ìåÇ=dÉÖÉåï~êíKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKNT= NKNKO= = wìÑ~ääëÉñéÉêáãÉåíÉ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKNT= NKO=
t~ÜêëÅÜÉáåäáÅÜâÉáí=òìÑ®ääáÖÉê=bêÉáÖåáëëÉ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKNU=
NKOKN= = ^ìëÖ~åÖëéìåâí KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKNU= NKOKO= = hä~ëëáëÅÜÉ=aÉÑáåáíáçå=ÇÉê=t~ÜêëÅÜÉáåäáÅÜâÉáíKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKOM= NKOKP= = dêìåÇÄÉÖêáÑÑÉ=ÇÉê=t~ÜêëÅÜÉáåäáÅÜâÉáíëíÜÉçêáÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKON= NKOKQ= = _ÉòáÉÜìåÖÉå=òïáëÅÜÉå=òìÑ®ääáÖÉå=bêÉáÖåáëëÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKOO= NKOKR= = léÉê~íáçåÉå=ãáí=òìÑ®ääáÖÉå=bêÉáÖåáëëÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKOO= = O=
wìÑ~ääëÖê∏≈É=ìåÇ=sÉêíÉáäìåÖëÑìåâíáçåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK OP=
OKN=
wìÑ~ääëÖê∏≈É KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKOP=
OKNKN= = aÉÑáåáíáçå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKOP= OKNKO= = aêÉá=^êíÉå=îçå=wìÑ~ääëÖê∏≈ÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKOQ= OKO=
wìÖ~åÖ=òìê=sÉêíÉáäìåÖëÑìåâíáçå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKOR=
OKOKN= = sÉêíÉáäìåÖëÑìåâíáçå=ÄÉáã=tΩêÑÉäå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKOR= OKOKO= = sÉêíÉáäìåÖëÑìåâíáçå=ÇÉê=wìÑ~ääëÖê∏≈É=łjΩåòïìêÑ2 KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKOU= OKP=
báÖÉåëÅÜ~ÑíÉå=îçå=sÉêíÉáäìåÖëÑìåâíáçåÉå=~äíÉêå~íáîÉê=wìÑ~ääëÖê∏≈ÉåKKKKKKKKKKKKKKKKKKKKKKKKKKPM=
OKQ=
báÖÉåëÅÜ~ÑíÉå=îçå=sÉêíÉáäìåÖëÑìåâíáçåÉå=ÇáëâêÉíÉê=wìÑ~ääëÖê∏≈ÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKPN=
OKR=
sÉêíáÉÑÉåÇÉë=_ÉáëéáÉäKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKPO=
= P=
sÉêíÉáäìåÖëÑìåâíáçåÉå=ÇáëâêÉíÉê=wìÑ~ääëÖê∏≈ÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK PR=
PKN=
^ääÖÉãÉáåÉëKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKPR=
PKNKN= = sçå=ÇÉê=wìÑ~ääëÖê∏≈É=òìê=sÉêíÉáäìåÖëÑìåâíáçåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKPR= PKNKO= = sçå=ÇÉê=sÉêíÉáäìåÖëÑìåâíáçå=òìê=wìÑ~ääëÖê∏≈ÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKPS= PKO=
mlfpplkJsÉêíÉáäìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKPV=
PKOKN= = a~ë=qÉäÉÑçåòÉåíê~äÉåJ_ÉáëéáÉä KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKPV= PKOKO= = pÅÜ®íòìåÖ=ÇÉë=m~ê~ãÉíÉêë=λ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKQO= PKOKP= = kìíòìåÖ=îçå=bñÅÉäW=_áäÇ=ÉáåÉê=mlfpplkJsÉêíÉáäìåÖ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKQP= PKOKQ= = kìíòìåÖ=îçå=bñÅÉäW=péêìåÖÜ∏ÜÉå=Éñ~âí=~åÖÉÄÉå=ä~ëëÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKQT= PKP=
_áåçãá~äJsÉêíÉáäìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKQT=
U===================================================================================================fåÜ~äíëîÉêòÉáÅÜåáë= = PKPKN= = aÉê=tÉííâ~ãéÑ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKQT= PKPKO= = pÅÜ®íòìåÖ=ÇÉë=m~ê~ãÉíÉêë=é KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKRN= PKPKP= = kìíòìåÖ=îçå=bñÅÉäW=_áäÇ=ÉáåÉê=_áåçãá~äîÉêíÉáäìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKRO= = Q=
píÉíáÖÉ=sÉêíÉáäìåÖëÑìåâíáçåÉå=ìåÇ=ëíÉíáÖÉ=wìÑ~ääëÖê∏≈ÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK RR=
QKN=
báåÑΩÜêìåÖ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKRR=
QKO=
aáÉ=kçêã~äîÉêíÉáäìåÖ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKRV=
QKOKN= = báåÑΩÜêìåÖ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKRV= QKOKO= = bêòÉìÖìåÖ=ÇÉë=_áäÇÉë=îçå=kEµIσF=ãáí=bñÅÉäKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKSN= = R=
kçêã~äîÉêíÉáäíÉ=wìÑ~ääëÖê∏≈Éå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK SP=
RKN=
báÖÉåëÅÜ~ÑíÉå=åçêã~äîÉêíÉáäíÉê=wìÑ~ääëÖê∏≈Éå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKSP=
RKO=
m~ê~ãÉíÉêëÅÜ®íòìåÖÉå=ÑΩê=ÇáÉ=kçêã~äîÉêíÉáäìåÖ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKSS=
RKP=
kçêã~äîÉêíÉáäìåÖ=ãáí=ÉáåÉê=píáÅÜéêçÄÉ=ÉêâÉååÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKSU=
RKPKN= = ^ìÑÖ~ÄÉåëíÉääìåÖI=dêìåÇë®íòäáÅÜÉë KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKSU= RKPKO= = t~åå=Ç~êÑ=kçêã~äîÉêíÉáäìåÖ=~åÖÉåçããÉå=ïÉêÇÉå\ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKSU= RKPKP= = §ÄÉêéêΩÑìåÖ=ÇÉê=PëJ_ÉÇáåÖìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKSV= RKPKQ= = eáëíçÖê~ããKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKTM= RKPKR= = a~ë=bñÅÉäJtÉêâòÉìÖ=HISTOGRAMM KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKTN= RKPKS= = däçÅâÉåâìêîÉ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKTO= = S=
kçêã~äîÉêíÉáäìåÖI=däçÅâÉåâìêîÉI=nì~åíáäÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK TR=
SKN=
wìë~ããÉåÜ®åÖÉI=aáÅÜíÉÑìåâíáçå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKTR=
SKO=
pí~åÇ~êÇåçêã~äîÉêíÉáäìåÖ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKTU=
SKP=
nì~åíáäÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKTV=
Teil II: Aufgabe der beurteilenden Statistik = T=
pí~íáëíáëÅÜÉ=qÉëíëW=báåÑΩÜêìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK UN=
TKN=
^ìëÖ~åÖëéìåâíW=aÉê=ìåä∏ëÄ~êÉ=hçåÑäáâí KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKUN=
TKNKN= = qçí~äÉêÜÉÄìåÖ=ÖÉÖÉå=píáÅÜéêçÄÉI=páÅÜÉêÜÉáí=ÖÉÖÉå=wìÑ~ääKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKUN= TKNKO= = _ÉìêíÉáäÉåÇÉ=pí~íáëíáâKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKUQ= TKNKP= = píê~íÉÖáÉ=ÇÉê=ÄÉìêíÉáäÉåÇÉå=pí~íáëíáâ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKUR= TKO=
_ÉáëéáÉäW=båíëÅÜÉáÇìåÖÉå=ãáí=^ÄäÉÜåìåÖëÄÉêÉáÅÜÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKUU=
TKOKN= = ^ìÑÖ~ÄÉåëíÉääìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKUU= TKOKO= = ^ÄäÉÜåìåÖëÄÉêÉáÅÜKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKUV=
fåÜ~äíëîÉêòÉáÅÜåáë=
V=
TKOKP= = nì~åíáäÉ=ÇÉê=pí~åÇ~êÇåçêã~äîÉêíÉáäìåÖW=_ÉÖêáÑÑKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKVM= TKOKQ= = nì~åíáäÉ=ÇÉê=pí~åÇ~êÇåçêã~äîÉêíÉáäìåÖW=_ÉêÉÅÜåìåÖ=ãáí=bñÅÉäKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKVN= TKOKR= = nì~åíáäÉ=ÇÉê=pí~åÇ~êÇåçêã~äîÉêíÉáäìåÖW=^ÄäÉëÉå=~ìë=ÇÉê=q~ÄÉääÉ KKKKKKKKKKKKKKKKKKKKKKKKKKKKVN= TKOKS= = ^ÄäÉÜåìåÖëÄÉêÉáÅÜKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKVO= TKOKT= = mêΩÑÖê∏≈É=ìåÇ=áÜêÉ=_ÉêÉÅÜåìåÖ=ãáí=bñÅÉäKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKVO= TKOKU= = båíëÅÜÉáÇìåÖ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKVP= TKOKV= = ^åÇÉêÉ=dÉÖÉåÜóéçíÜÉëÉW=oÉÅÜíë=ÉáåëÉáíáÖÉ=cê~ÖÉëíÉääìåÖ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKVP= TKOKNM== ^åÇÉêÉ=dÉÖÉåÜóéçíÜÉëÉW=wïÉáëÉáíáÖÉ=cê~ÖÉëíÉääìåÖ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKVR= TKP=
båíëÅÜÉáÇìåÖÉå=ãáí=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKVS=
TKPKN= = iáåâë=ÉáåëÉáíáÖÉ=cê~ÖÉëíÉääìåÖ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKVT= TKPKO= = oÉÅÜíë=ÉáåëÉáíáÖÉ=cê~ÖÉëíÉääìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKVU= TKPKP= = wïÉáëÉáíáÖÉ=cê~ÖÉëíÉääìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKVV= TKQ=
wìë~ããÉåÜ®åÖÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NMM=
= U=
dêìåÇÖÉë~ãíÜÉáí=ìåÇ=píáÅÜéêçÄÉ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NMP=
Teil III: Eine Stichprobe = V=
m~ê~ãÉíÉêéêΩÑìåÖ=ãáí=Öêç≈Éå=píáÅÜéêçÄÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NMR=
VKN=
d~ìëëJqÉëí=òìê=mêΩÑìåÖ=ÇÉë=^åíÉáäïÉêíÉë=ãáí=Öêç≈Éå=píáÅÜéêçÄÉå KKKKKKKKKKKKKKKKKKKKKKKKKK NMR=
VKNKN= = ^ìÑÖ~ÄÉåëíÉääìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NMR= VKNKO= = eóéçíÜÉëÉI=dÉÖÉåÜóéçíÜÉëÉå=ìåÇ=cê~ÖÉëíÉääìåÖÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NMR= VKNKP= = páÖåáÑáâ~åòåáîÉ~ì=ìåÇ=píáÅÜéêçÄÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NMR= VKNKQ= = mêΩÑÖê∏≈É KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NMR= VKNKR= = nì~åíáäÉ=ÑΩê=ÇáÉ=båíëÅÜÉáÇìåÖ=ãáí=ÇÉã=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NMS= VKNKS= = ^ÄäÉÜåìåÖëÄÉêÉáÅÜÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NMS= VKNKT= = båíëÅÜÉáÇìåÖ=ãáí=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NMT= VKNKU= = _ÉêÉÅÜåìåÖ=îçå=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NMT= VKNKV= = båíëÅÜÉáÇìåÖ=ãáí=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NMU= VKNKNM== _ÉáëéáÉäKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NMU= VKO=
d~ìëëJqÉëí=òìê=mêΩÑìåÖ=ÇÉë=bêï~êíìåÖëïÉêíÉë=ãáí=Öêç≈Éå=píáÅÜéêçÄÉå KKKKKKKKKKKKKKKKK NNM=
VKOKN= = ^ìÑÖ~ÄÉåëíÉääìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NNM= VKOKO= = eóéçíÜÉëÉI=dÉÖÉåÜóéçíÜÉëÉå=ìåÇ=cê~ÖÉëíÉääìåÖÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NNM= VKOKP= = páÖåáÑáâ~åòåáîÉ~ì=ìåÇ=píáÅÜéêçÄÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NNM= VKOKQ= = mêΩÑÖê∏≈É KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NNM= VKOKR= = nì~åíáäÉ=ÑΩê=ÇáÉ=båíëÅÜÉáÇìåÖ=ãáí=ÇÉã=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NNN=
===================================================================================================fåÜ~äíëîÉêòÉáÅÜåáë= NM VKOKS= = ^ÄäÉÜåìåÖëÄÉêÉáÅÜÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NNN= VKOKT= = båíëÅÜÉáÇìåÖ=ãáí=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NNO= VKOKU= = _ÉêÉÅÜåìåÖ=îçå=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NNO= VKOKV= = båíëÅÜÉáÇìåÖ=ãáí=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NNP= VKOKNM== _ÉáëéáÉäKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NNP= = NM=
m~ê~ãÉíÉêíÉëíë=ãáí=âäÉáåÉå=píáÅÜéêçÄÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NNR=
NMKN= d~ìëëJqÉëí=òìê=mêΩÑìåÖ=ÇÉë=bêï~êíìåÖëïÉêíÉë=ÄÉá== = ÄÉâ~ååíÉê=pí~åÇ~êÇ~ÄïÉáÅÜìåÖ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NNR= NMKNKN== ^ìÑÖ~ÄÉåëíÉääìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NNR= NMKNKO== eóéçíÜÉëÉI=dÉÖÉåÜóéçíÜÉëÉå=ìåÇ=cê~ÖÉëíÉääìåÖÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NNR= NMKNKP== páÖåáÑáâ~åòåáîÉ~ì=ìåÇ=píáÅÜéêçÄÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NNS= NMKNKQ== mêΩÑÖê∏≈É KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NNS= NMKNKR== nì~åíáäÉ=ÑΩê=ÇáÉ=båíëÅÜÉáÇìåÖ=ãáí=ÇÉã=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NNS= NMKNKS== ^ÄäÉÜåìåÖëÄÉêÉáÅÜÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NNT= NMKNKT== båíëÅÜÉáÇìåÖ=ãáí=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NNT= NMKNKU== _ÉêÉÅÜåìåÖ=îçå=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NNT= NMKNKV== båíëÅÜÉáÇìåÖ=ãáí=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NNU= NMKNKNM=aáÉ=bñÅÉäJcìåâíáçå=GTEST=ÑΩê=ëÅÜåÉääÉ=òïÉáëÉáíáÖÉ=cê~ÖÉëíÉääìåÖ KKKKKKKKKKKKKKKKKKKKKKKKKKKK NNU= NMKNKNN=båíëÅÜÉáÇìåÖ=ãáí=GTEST KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NNV= NMKNKNO=_ÉáëéáÉäKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NNV= NMKO= báåÑ~ÅÜÉê=íJqÉëí=òìê=mêΩÑìåÖ=ÇÉë=bêï~êíìåÖëïÉêíÉë=ÄÉá== = ìåÄÉâ~ååíÉê=pí~åÇ~êÇ~ÄïÉáÅÜìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NOM= NMKOKN== ^ìÑÖ~ÄÉåëíÉääìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NOM= NMKOKO== eóéçíÜÉëÉI=dÉÖÉåÜóéçíÜÉëÉå=ìåÇ=cê~ÖÉëíÉääìåÖÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NOM= NMKOKP== páÖåáÑáâ~åòåáîÉ~ì=ìåÇ=píáÅÜéêçÄÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NON= NMKOKQ== mêΩÑÖê∏≈É KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NON= NMKOKR== báåëÅÜìÄW=aáÉ=píìÇÉåíÛëÅÜÉ=íJsÉêíÉáäìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NON= NMKOKS== nì~åíáäÉ=ÑΩê=ÇáÉ=båíëÅÜÉáÇìåÖ=ãáí=ÇÉã=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NOO= NMKOKT== ^ÄäÉÜåìåÖëÄÉêÉáÅÜÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NOP= NMKOKU== båíëÅÜÉáÇìåÖ=ãáí=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NOP= NMKOKV== báåëÅÜìÄ=fW=bñÅÉä=ìåÇ=ÇáÉ=_ÉëÅÜ~ÑÑìåÖ=ÇÉê=nì~åíáäÉ=ãáí=TINV KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NOQ= NMKOKNM=báåëÅÜìÄ=ffW=nì~åíáäÉ=ÇÉê=íJsÉêíÉáäìåÖ=~ìë=q~ÑÉäå=~ÄäÉëÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NOQ= NMKOKNN=_ÉêÉÅÜåìåÖ=îçå=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NOS= NMKOKNO=båíëÅÜÉáÇìåÖ=ãáí=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NOS= NMKOKNP=aáÉ=bñÅÉäJcìåâíáçå=TTEST=ÑΩê=ëÅÜåÉääÉ=òïÉáëÉáíáÖÉ=cê~ÖÉëíÉääìåÖ KKKKKKKKKKKKKKKKKKKKKKKKKKKK NOT= NMKOKNQ=båíëÅÜÉáÇìåÖ=ãáí=TTEST KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NOT=
fåÜ~äíëîÉêòÉáÅÜåáë=
NN=
NMKOKNR=_ÉáëéáÉäKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NOU= O
NMKP= báåÑ~ÅÜÉê=χχ JqÉëí=òìê=mêΩÑìåÖ=ÇÉê=s~êá~åò KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NOV= NMKPKN== ^ìÑÖ~ÄÉåëíÉääìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NOV= NMKPKO== eóéçíÜÉëÉI=dÉÖÉåÜóéçíÜÉëÉå=ìåÇ=cê~ÖÉëíÉääìåÖÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NOV= NMKPKP== páÖåáÑáâ~åòåáîÉ~ì=ìåÇ=píáÅÜéêçÄÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NOV= NMKPKQ== mêΩÑÖê∏≈É KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NPM= O
NMKPKR== báåëÅÜìÄW=aáÉ=χ JsÉêíÉáäìåÖ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NPM= NMKPKS== nì~åíáäÉ=ÑΩê=ÇáÉ=båíëÅÜÉáÇìåÖ=ãáí=ÇÉã=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NPN= NMKPKT== ^ÄäÉÜåìåÖëÄÉêÉáÅÜÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NPO= NMKPKU== båíëÅÜÉáÇìåÖ=ãáí=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NPO= O
NMKPKV== báåëÅÜìÄ=fW=nì~åíáäÉ=ÇÉê=χ JsÉêíÉáäìåÖ=~ìë=q~ÑÉäå=~ÄäÉëÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NPP= NMKPKNM=báåëÅÜìÄ=ffW=bñÅÉä=ìåÇ=ÇáÉ=_ÉëÅÜ~ÑÑìåÖ=ÇÉê=nì~åíáäÉ=ãáí=CHIINVKKKKKKKKKKKKKKKKKKKKKKKKKKKK NPP= NMKPKNN=_ÉêÉÅÜåìåÖ=îçå=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NPQ= NMKPKNO=båíëÅÜÉáÇìåÖ=ãáí=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NPR= NMKPKNP=_ÉáëéáÉäKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NPR= = NN=
mêΩÑìåÖ=îçå=sÉêíÉáäìåÖÉåK=KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NPT= O
NNKN= χ J^åé~ëëìåÖëíÉëí=òìê=mêΩÑìåÖ=ÉáåÉê=ÇáëâêÉíÉå=sÉêíÉáäìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NPT= NNKNKN== ^ìÑÖ~ÄÉåëíÉääìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NPT= NNKNKO== eóéçíÜÉëÉ=ìåÇ=dÉÖÉåÜóéçíÜÉëÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NPT= NNKNKP== páÖåáÑáâ~åòåáîÉ~ì=ìåÇ=píáÅÜéêçÄÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NPT= NNKNKQ== mêΩÑÖê∏≈É KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NPT= NNKNKR== nì~åíáä=ÑΩê=ÇáÉ=båíëÅÜÉáÇìåÖ=ãáí=ÇÉã=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NPU= NNKNKS== ^ÄäÉÜåìåÖëÄÉêÉáÅÜKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NPV= NNKNKT== båíëÅÜÉáÇìåÖ=ãáí=ÇÉã=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NPV= NNKNKU== _ÉêÉÅÜåìåÖ=ÇÉê=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NPV= NNKNKV== båíëÅÜÉáÇìåÖ=ãáí=ÇÉê=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáí KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NPV= NNKNKNM=pÅÜåÉääÉ=båíëÅÜÉáÇìåÖ=ãáí=CHITEST KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQM= NNKNKNN=_ÉáëéáÉäKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQM= O
NNKO= χ J^åé~ëëìåÖëíÉëí=òìê=mêΩÑìåÖ=ÉáåÉê=ëíÉíáÖÉå=sÉêíÉáäìåÖ== = ãáí=ÄÉâ~ååíÉå=m~ê~ãÉíÉêåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQO= NNKOKN== ^ìÑÖ~ÄÉåëíÉääìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQO= NNKOKO== eóéçíÜÉëÉ=ìåÇ=dÉÖÉåÜóéçíÜÉëÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQO= NNKOKP== páÖåáÑáâ~åòåáîÉ~ì=ìåÇ=píáÅÜéêçÄÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQO= NNKOKQ== mêΩÑÖê∏≈É KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQO= NNKOKR== nì~åíáä=ÑΩê=ÇáÉ=båíëÅÜÉáÇìåÖ=ãáí=ÇÉã=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQP=
===================================================================================================fåÜ~äíëîÉêòÉáÅÜåáë= NO NNKOKS== ^ÄäÉÜåìåÖëÄÉêÉáÅÜKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQQ= NNKOKT== båíëÅÜÉáÇìåÖ=ãáí=ÇÉã=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQQ= NNKOKU== _ÉêÉÅÜåìåÖ=ÇÉê=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQQ= NNKOKV== båíëÅÜÉáÇìåÖ=ãáí=ÇÉê=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáí KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQQ= NNKOKNM=pÅÜåÉääÉ=båíëÅÜÉáÇìåÖ=ãáí=CHITEST KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQQ= NNKOKNN=_ÉáëéáÉäKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQR= O
NNKP= χ J^åé~ëëìåÖëíÉëí=òìê=mêΩÑìåÖ=ÉáåÉê=ëíÉíáÖÉå=sÉêíÉáäìåÖ== = ãáí=ìåÄÉâ~ååíÉå=m~ê~ãÉíÉêåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQT= NNKPKN== ^ìÑÖ~ÄÉåëíÉääìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQT= NNKPKO== eóéçíÜÉëÉ=ìåÇ=dÉÖÉåÜóéçíÜÉëÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQT= NNKPKP== páÖåáÑáâ~åòåáîÉ~ì=ìåÇ=píáÅÜéêçÄÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQT= NNKPKQ== mêΩÑÖê∏≈É KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQU= NNKPKR== nì~åíáä=ÑΩê=ÇáÉ=båíëÅÜÉáÇìåÖ=ãáí=ÇÉã=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQU= NNKPKS== ^ÄäÉÜåìåÖëÄÉêÉáÅÜKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQU= NNKPKT== båíëÅÜÉáÇìåÖ=ãáí=ÇÉã=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQU= NNKPKU== _ÉêÉÅÜåìåÖ=ÇÉê=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQU= NNKPKV== båíëÅÜÉáÇìåÖ=ãáí=ÇÉê=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáí KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQV= NNKPKNM=pÅÜåÉääÉ=båíëÅÜÉáÇìåÖ=ãáí=CHITEST KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQV= NNKPKNN=_ÉáëéáÉäKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NQV=
Teil IV: Zwei verbundene Stichproben = NO=
sÉêÄìåÇÉåÉ=ìåÇ=åáÅÜí=îÉêÄìåÇÉåÉ=píáÅÜéêçÄÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NRN=
= NP=
m~ê~ãÉíÉêîÉêÖäÉáÅÜÉ=òïÉáÉê=îÉêÄìåÇÉåÉê=píáÅÜéêçÄÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NRP=
NPKN= d~ìëëJqÉëí=òìã=sÉêÖäÉáÅÜ=ÇÉê=^åíÉáäïÉêíÉ=Öêç≈Éê=píáÅÜéêçÄÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NRP= NPKNKN== ^ìÑÖ~ÄÉåëíÉääìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NRP= NPKNKO== eóéçíÜÉëÉI=dÉÖÉåÜóéçíÜÉëÉå=ìåÇ=cê~ÖÉëíÉääìåÖÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NRP= NPKNKP== páÖåáÑáâ~åòåáîÉ~ì=ìåÇ=píáÅÜéêçÄÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NRP= NPKNKQ== mêΩÑÖê∏≈É KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NRQ= NPKNKR== nì~åíáäÉ=ÑΩê=ÇáÉ=båíëÅÜÉáÇìåÖ=ãáí=ÇÉã=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NRQ= NPKNKS== ^ÄäÉÜåìåÖëÄÉêÉáÅÜÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NRR= NPKNKT== båíëÅÜÉáÇìåÖ=ãáí=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NRR= NPKNKU== _ÉêÉÅÜåìåÖ=îçå=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NRR= NPKNKV== båíëÅÜÉáÇìåÖ=ãáí=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NRS= NPKNKNM=_ÉáëéáÉäKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NRS=
fåÜ~äíëîÉêòÉáÅÜåáë=
NP=
NPKO= aáÑÑÉêÉåòÉåJíJqÉëí=òìã=sÉêÖäÉáÅÜ=ÇÉê=bêï~êíìåÖëïÉêíÉ== = åçêã~äîÉêíÉáäíÉê=dêìåÇÖÉë~ãíÜÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NRT= NPKOKN== ^ìÑÖ~ÄÉåëíÉääìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NRT= NPKOKO== eóéçíÜÉëÉI=dÉÖÉåÜóéçíÜÉëÉå=ìåÇ=cê~ÖÉëíÉääìåÖÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NRT= NPKOKP== páÖåáÑáâ~åòåáîÉ~ì=ìåÇ=píáÅÜéêçÄÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NRU= NPKOKQ== mêΩÑÖê∏≈É KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NRU= NPKOKR== nì~åíáäÉ=ÑΩê=ÇáÉ=båíëÅÜÉáÇìåÖ=ãáí=ÇÉã=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NRU= NPKOKS== ^ÄäÉÜåìåÖëÄÉêÉáÅÜÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NRV= NPKOKT== båíëÅÜÉáÇìåÖ=ãáí=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NRV= NPKOKU== _ÉêÉÅÜåìåÖ=îçå=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NRV= NPKOKV== båíëÅÜÉáÇìåÖ=ãáí=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NSM= NPKOKNM=aáÉ=bñÅÉäJcìåâíáçå=TTEST=ÑΩê=ëÅÜåÉääÉ=òïÉáëÉáíáÖÉ=cê~ÖÉëíÉääìåÖ KKKKKKKKKKKKKKKKKKKKKKKKKKKK NSN= NPKOKNN=båíëÅÜÉáÇìåÖ=ãáí=TTEST KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NSN= NPKOKNO=_ÉáëéáÉäKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NSN= = NQ=
mêΩÑìåÖ=ÇÉë=hçêêÉä~íáçåëâçÉÑÑáòáÉåíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NSP=
NQKN= _ÉÖêáÑÑ=ÇÉë=hçêêÉä~íáçåëâçÉÑÑáòáÉåíÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NSP= NQKO= íJqÉëí=òìê=mêΩÑìåÖ=ÇÉë=hçêêÉä~íáçåëâçÉÑÑáòáÉåíÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NSQ= NQKOKN== ^ìÑÖ~ÄÉåëíÉääìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NSQ= NQKOKO== eóéçíÜÉëÉI=dÉÖÉåÜóéçíÜÉëÉå=ìåÇ=cê~ÖÉëíÉääìåÖÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NSQ= NQKOKP== páÖåáÑáâ~åòåáîÉ~ì=ìåÇ=píáÅÜéêçÄÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NSQ= NQKOKQ== mêΩÑÖê∏≈É KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NSQ= NQKOKR== nì~åíáäÉ=ÑΩê=ÇáÉ=båíëÅÜÉáÇìåÖ=ãáí=ÇÉã=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NSR= NQKOKS== ^ÄäÉÜåìåÖëÄÉêÉáÅÜKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NSR= NQKOKT== båíëÅÜÉáÇìåÖ=ãáí=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NSS= NQKOKU== _ÉêÉÅÜåìåÖ=ÇÉê=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NSS= NQKOKV== båíëÅÜÉáÇìåÖ=ãáí=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NSS= NQKOKNM=_ÉáëéáÉäKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NSS= = NR=
mêΩÑìåÖ=ÇÉê=oÉÖêÉëëáçåëé~ê~ãÉíÉêKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NST=
NRKN= _ÉÖêáÑÑ=ÇÉê=oÉÖêÉëëáçåëé~ê~ãÉíÉêKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NST= NRKO= íJqÉëíë=òìê=mêΩÑìåÖ=îçå=^ÅÜëÉå~ÄëÅÜåáíí=ìåÇ=píÉáÖìåÖ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NST= NRKOKN== ^ìÑÖ~ÄÉåëíÉääìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NST= NRKOKO== eóéçíÜÉëÉåI=dÉÖÉåÜóéçíÜÉëÉå=ìåÇ=cê~ÖÉëíÉääìåÖÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NST= NRKOKP== páÖåáÑáâ~åòåáîÉ~ì=ìåÇ=píáÅÜéêçÄÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NSU= NRKOKQ== pÅÜåÉääÉ=bêãáííäìåÖ=ÇÉê=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NSU= NRKOKR== båíëÅÜÉáÇìåÖ=ãáí=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NSU=
===================================================================================================fåÜ~äíëîÉêòÉáÅÜåáë= NQ NRKOKS== _ÉáëéáÉä=Ó=^êÄÉáí=ãáí=ÇêÉá=bñÅÉäJcìåâíáçåÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NSV= NRKOKT== _ÉáëéáÉä=Ó=bñÅÉäJtÉêâòÉìÖ=REGRESSIONKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NTM= = NS=
mêΩÑìåÖ=îÉêÄìåÇÉåÉê=píáÅÜéêçÄÉå=~ìÑ=rå~ÄÜ®åÖáÖâÉáíKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NTP=
NSKN= _ÉÖêáÑÑW=^ÄÜ®åÖáÖâÉáí=ìåÇ=Uå~ÄÜ®åÖáÖâÉáí KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NTP= O
NSKO= χ JhçåíáåÖÉåòíÉëí=òìê=mêΩÑìåÖ=ÇÉê=Uå~ÄÜ®åÖáÖâÉáíKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NTQ= NSKOKN== ^ìÑÖ~ÄÉåëíÉääìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NTQ= NSKOKO== eóéçíÜÉëÉ=ìåÇ=dÉÖÉåÜóéçíÜÉëÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NTQ= NSKOKP== páÖåáÑáâ~åòåáîÉ~ì=ìåÇ=píáÅÜéêçÄÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NTQ= NSKOKQ== mêΩÑÖê∏≈É KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NTR= NSKOKR== nì~åíáä=ÑΩê=ÇáÉ=båíëÅÜÉáÇìåÖ=ãáí=ÇÉã=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NTR= NSKOKS== ^ÄäÉÜåìåÖëÄÉêÉáÅÜKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NTR= NSKOKT== båíëÅÜÉáÇìåÖ=ãáí=ÇÉã=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NTR= NSKOKU== _ÉêÉÅÜåìåÖ=ÇÉê=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NTS= NSKOKV== båíëÅÜÉáÇìåÖ=ãáí=ÇÉê=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáí KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NTS= NSKOKNM=_ÉáëéáÉäKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NTS= NSKOKNN=pÅÜåÉääÉ=båíëÅÜÉáÇìåÖ=ãáí=CHITEST KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NTV=
Teil V: Zwei nicht verbundene Stichproben = NT=
m~ê~ãÉíÉêîÉêÖäÉáÅÜÉ=åáÅÜí=îÉêÄìåÇÉåÉê=píáÅÜéêçÄÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NUN=
NTKN= d~ìëëJqÉëí=òìê=mêΩÑìåÖ=ÇÉê=^åíÉáäïÉêíÉ=ãáí=Öêç≈Éå=píáÅÜéêçÄÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKK NUN= NTKNKN== ^ìÑÖ~ÄÉåëíÉääìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NUN= NTKNKO== eóéçíÜÉëÉI=dÉÖÉåÜóéçíÜÉëÉå=ìåÇ=cê~ÖÉëíÉääìåÖÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NUN= NTKNKP== páÖåáÑáâ~åòåáîÉ~ì=ìåÇ=píáÅÜéêçÄÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NUN= NTKNKQ== mêΩÑÖê∏≈É KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NUO= NTKNKR== nì~åíáäÉ=ÑΩê=ÇáÉ=båíëÅÜÉáÇìåÖ=ãáí=ÇÉã=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NUO= NTKNKS== ^ÄäÉÜåìåÖëÄÉêÉáÅÜÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NUO= NTKNKT== båíëÅÜÉáÇìåÖ=ãáí=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NUP= NTKNKU== _ÉêÉÅÜåìåÖ=îçå=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NUP= NTKNKV== båíëÅÜÉáÇìåÖ=ãáí=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NUQ= NTKNKNM=_ÉáëéáÉäKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NUQ= NTKO= d~ìëëJqÉëí=òìã=sÉêÖäÉáÅÜ=îçå=bêï~êíìåÖëïÉêíÉå=Öêç≈Éê=píáÅÜéêçÄÉå KKKKKKKKKKKKKKKKKKK NUR= NTKOKN== ^ìÑÖ~ÄÉåëíÉääìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NUR= NTKOKO== eóéçíÜÉëÉI=dÉÖÉåÜóéçíÜÉëÉå=ìåÇ=cê~ÖÉëíÉääìåÖÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NUR= NTKOKP== páÖåáÑáâ~åòåáîÉ~ì=ìåÇ=píáÅÜéêçÄÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NUS=
fåÜ~äíëîÉêòÉáÅÜåáë=
NR=
NTKOKQ== mêΩÑÖê∏≈É KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NUS= NTKOKR== nì~åíáäÉ=ÑΩê=ÇáÉ=båíëÅÜÉáÇìåÖ=ãáí=ÇÉã=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NUT= NTKOKS== ^ÄäÉÜåìåÖëÄÉêÉáÅÜÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NUT= NTKOKT== båíëÅÜÉáÇìåÖ=ãáí=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NUU= NTKOKU== _ÉêÉÅÜåìåÖ=îçå=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NUU= NTKOKV== båíëÅÜÉáÇìåÖ=ãáí=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NUU= NTKOKNM=_ÉáëéáÉäKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NUV= NTKP= d~ìëëJqÉëí=òìã=sÉêÖäÉáÅÜ=îçå=bêï~êíìåÖëïÉêíÉå== = âäÉáåÉê=píáÅÜéêçÄÉåI=ïçÄÉá=σN=ìåÇ=σO=ÄÉâ~ååí=ëáåÇ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NVM= NTKPKN== ^ìÑÖ~ÄÉåëíÉääìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NVM= NTKPKO== eóéçíÜÉëÉI=dÉÖÉåÜóéçíÜÉëÉå=ìåÇ=cê~ÖÉëíÉääìåÖÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NVM= NTKPKP== páÖåáÑáâ~åòåáîÉ~ì=ìåÇ=píáÅÜéêçÄÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NVM= NTKPKQ== mêΩÑÖê∏≈É KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NVN= NTKPKR== nì~åíáäÉ=ÑΩê=ÇáÉ=båíëÅÜÉáÇìåÖ=ãáí=ÇÉã=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NVN= NTKPKS== ^ÄäÉÜåìåÖëÄÉêÉáÅÜÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NVO= NTKPKT== båíëÅÜÉáÇìåÖ=ãáí=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NVO= NTKPKU== _ÉêÉÅÜåìåÖ=îçå=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NVO= NTKPKV== båíëÅÜÉáÇìåÖ=ãáí=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NVP= NTKPKNM=_ÉáëéáÉäKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NVP= NTKQ= açééÉäíÉê=íJqÉëí=òìã=sÉêÖäÉáÅÜ=îçå=bêï~êíìåÖëïÉêíÉå== = âäÉáåÉê=píáÅÜéêçÄÉåI=ïçÄÉá=σN=ìåÇ=σO=ìåÄÉâ~ååí=ëáåÇKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NVR= NTKQKN== ^ìÑÖ~ÄÉåëíÉääìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NVR= NTKQKO== eóéçíÜÉëÉI=dÉÖÉåÜóéçíÜÉëÉå=ìåÇ=cê~ÖÉëíÉääìåÖÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NVR= NTKQKP== páÖåáÑáâ~åòåáîÉ~ì=ìåÇ=píáÅÜéêçÄÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NVR= NTKQKQ== mêΩÑÖê∏≈É KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NVS= NTKQKR== nì~åíáäÉ=ÑΩê=ÇáÉ=båíëÅÜÉáÇìåÖ=ãáí=ÇÉã=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NVT= NTKQKS== ^ÄäÉÜåìåÖëÄÉêÉáÅÜÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NVT= NTKQKT== båíëÅÜÉáÇìåÖ=ãáí=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NVU= NTKQKU== _ÉêÉÅÜåìåÖ=îçå=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NVU= NTKQKV== båíëÅÜÉáÇìåÖ=ãáí=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NVV= NTKQKNM=aáÉ=bñÅÉäJcìåâíáçå=TTEST=ÑΩê=òïÉáëÉáíáÖÉ=cê~ÖÉëíÉääìåÖ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK NVV= NTKQKNN=båíëÅÜÉáÇìåÖ=ãáí=TTEST KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK OMM= NTKQKNO=_ÉáëéáÉäKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK OMM= NTKR= cJqÉëí=òìã=sÉêÖäÉáÅÜ=ÇÉê=s~êá~åòÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK OMO= NTKRKN== ^ìÑÖ~ÄÉåëíÉääìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK OMO= NTKRKO== eóéçíÜÉëÉI=dÉÖÉåÜóéçíÜÉëÉå=ìåÇ=cê~ÖÉëíÉääìåÖÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK OMO= NTKRKP== páÖåáÑáâ~åòåáîÉ~ì=ìåÇ=píáÅÜéêçÄÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK OMO=
===================================================================================================fåÜ~äíëîÉêòÉáÅÜåáë= NS NTKRKQ== mêΩÑÖê∏≈É KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK OMO= NTKRKR== báåëÅÜìÄ=fW=aáÉ=cJ=sÉêíÉáäìåÖ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK OMP= NTKRKS== nì~åíáäÉ=ÑΩê=ÇáÉ=båíëÅÜÉáÇìåÖ=ãáí=ÇÉã=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK OMQ= NTKRKT== ^ÄäÉÜåìåÖëÄÉêÉáÅÜÉKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK OMQ= NTKRKU== båíëÅÜÉáÇìåÖ=ãáí=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK OMR= NTKRKV== báåëÅÜìÄ=ffW=nì~åíáäÉ=ÇÉê=cJsÉêíÉáäìåÖ=~ìë=q~ÑÉäå=~ÄäÉëÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK OMR= NTKRKNM=báåëÅÜìÄ=fffW=bñÅÉä=ìåÇ=ÇáÉ=_ÉëÅÜ~ÑÑìåÖ=ÇÉê=nì~åíáäÉ=ãáí=FINV KKKKKKKKKKKKKKKKKKKKKKKKKKKKKK OMS= NTKRKNN=_ÉêÉÅÜåìåÖ=îçå=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK OMT= NTKRKNO=båíëÅÜÉáÇìåÖ=ãáí=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK OMU= NTKRKNP=aáÉ=bñÅÉäJcìåâíáçå=FTEST=ÑΩê=òïÉáëÉáíáÖÉ=cê~ÖÉëíÉääìåÖ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK OMU= NTKRKNQ=båíëÅÜÉáÇìåÖ=ãáí=FTEST KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK OMV= NTKRKNR=_ÉáëéáÉäKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK OMV=
Teil VI: Einfache Varianzanalyse NU=
báåÑ~ÅÜÉ=s~êá~åò~å~äóëÉ=åáÅÜí=îÉêÄìåÇÉåÉê=píáÅÜéêçÄÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKK ONN=
NUKN= ^ääÖÉãÉáåÉëI=^ìÑÖ~ÄÉåëíÉääìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK ONN= NUKO= hä~ëëáëÅÜÉë=sçêÖÉÜÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK ONN= NUKOKN== dêìééÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK ONN= NUKOKO== ^ìÑÖ~ÄÉåëíÉääìåÖKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK ONO= NUKOKP== eóéçíÜÉëÉI=dÉÖÉåÜóéçíÜÉëÉ=ìåÇ=cê~ÖÉëíÉääìåÖÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK ONO= NUKOKQ== páÖåáÑáâ~åòåáîÉ~ì=ìåÇ=píáÅÜéêçÄÉåKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK ONP= NUKOKR== mêΩÑÖê∏≈É KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK ONP= NUKOKS== nì~åíáä=ÑΩê=ÇáÉ=båíëÅÜÉáÇìåÖ=ãáí=ÇÉã=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK ONQ= NUKOKT== ^ÄäÉÜåìåÖëÄÉêÉáÅÜKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK ONR= NUKOKU== båíëÅÜÉáÇìåÖ=ãáí=^ÄäÉÜåìåÖëÄÉêÉáÅÜ KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK ONR= NUKOKV== _ÉêÉÅÜåìåÖ=ÇÉê=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáíKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK ONR= NUKOKNM=båíëÅÜÉáÇìåÖ=ãáí=ÇÉê=§ÄÉêëÅÜêÉáíìåÖëï~ÜêëÅÜÉáåäáÅÜâÉáí KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK ONR= NUKOKNN=_ÉáëéáÉäW=hä~ëëáëÅÜÉ=aìêÅÜÑΩÜêìåÖ=ÇÉê=ÉáåÑ~ÅÜÉå=s~êá~íáçåë~å~äóëÉ KKKKKKKKKKKKKKKKKKKKKK ONS= NUKP= báåÑ~ÅÜÉ=s~êá~åò~å~äóëÉ=ãáí=ÇÉã=bñÅÉäJtÉêâòÉìÖ=ANOVA KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK ONT= NUKPKN== dêìåÇä~ÖÉå KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK ONT= NUKPKO== ^êÄÉáí=ãáí=ANOVA KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK ONT= = tÉáíÉêÑΩÜêÉåÇÉ=ìåÇ=îÉêíáÉÑÉåÇÉ=iáíÉê~íìêKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK OON= = p~ÅÜïçêíîÉêòÉáÅÜåáë KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK OOP= = wìë~ããÉåëíÉääìåÖ=ÇÉê=ÄÉëÅÜêáÉÄÉåÉå=ëí~íáëíáëÅÜÉå=qÉëíëKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK OPR=
1
Zufall und Wahrscheinlichkeit
1.1
Zufall
1.1.1
Vergangenheit und Gegenwart
Seit 4 Millionen jahren, so nimmt man heute an, gibt es menschenahnliche Wesen auf unserer Ercle. Uncl clie ersten Funde cles homo sapiens in cler speziellen Form, so wie wir ihn heute kennen, clatieren auf ein Alter von 40000 Jahren. Seitdem der Mensch existiert, furcbtet er den Zufall: Er furchtet, dass ein Erdbeben seine Hutte zerstort. Er furchtet, dass Hagelschlag die Ernte vernichtet. Er furchtet, dass verheerencle Durre die Tiere totet. Er furchtet, dass ein Stich eines zufallig umher fliegenden giftigen Insekts todliche Krankheit verursacht. Er furchtet, dass ein zufallig entstandener Tsunami gerade dann auf seinen Traumstrand trifft, wenn er dort mit seiner Familie Urlaub macht. Seitdem cler Mensch existiert, hofft er aber auch auf den Zufall - uncl class ein fur ibn gunstiges zufalliges Ereignis eintreten mage: Er bofft, dass ein Blitz zufallig in einen in der Nahe stehenclen Baum einschlage, ihm clas Feuer, das lebensnotwendige, das er gerade zu beherrschcn gelcrnt hat, zu bringcn, Er bofft, class die Wolken nicht zufallig voruberzichcn, sondcm erlosenden Regen bringen. Er hollt, dass ein gerade gezeugtes Kind ein Knabe werde. Er hofft, class cler nachste Sechser im Lotto gerade auf clie von ihm getippten Zahlen falle. Doch der Zufall ist und bleibt unberechenbar. Das Eintreten eines bestimmten zufalligen Ereignisses liefs sich bisher nicht vorhersagen, lasst sich auch heute nicht vorhersagen und wird sich auch in Zukunft nicht vorhersagen lassen.
1.1.2
Zufallsexperimente
Jecler Ausgangspunkt zeichnet.
fur ein zufalliges Ereignis wird allgemein als Zufallsexperiment
be-
Ein Zufallsexperiment ist ein Vorgang, der sich unter stets gleichen Bedingungen oft wiederholen lasst, bei dessen Ausgang (clem Ereignis) aber cler Zufall eine Rolle spielt. •
Das Werfen einer Munxe ist offensichtlich ein Zufallsexperiment mit clen beiden Zufallsereignissen "Zahl" ocler "Wappen". Das sincl clie einzigen beiclen Meremaluierte, die uberhaupt auftreten konnen.
•
Ebenso ist clas Wiirfeln ein Zufallsexperiment mit clen sechs elementaren Zufallsereignisscn .Eins", .Zwci", .Drci", "Vier", "Hinf" und .Scchs". Bier gibt es also sechs mogliche Merlemahoerte.
•
Stellt man sich mit verbundenen Augen in eine belebte Fuggangerzone, greift sich aus der Menge einen Passanten belie big heraus, stellt ihn auf eine Waage und bestimmt sein Korpergeuncbt bis auf das Milligramm genau, dann fiihrt man ebenfalls ein Zufallsexperiment clurch - mit einer beachtlichen, fast unencllich anzusehenden Hille an m6glichen Ergebnissen.
18
Denn
1 Zufall und Wahrscheinlichkeit
wer will bei letztgenanntem
mit urgewaltiger
Kbrpermasse
kur herausgegriffen
Zufallsexperiment
oder
wurde?
vorher
ein zarter Teenager
Ocler ein gestanclener
wissen,
wahrend
ob ein Sumo-Ringer
seiner
Mann mit seinen
aktuellen
achtzig
Hunger-
Kilo unci leich-
tem Bierbauch? Es ist wohl nicht vermessen
zu sagen,
dass wir bei cliesem Fuggangerzonen-Experiment
sebr, sehr vielen Merkmalwerten
rechnen
mussen.
abel' man benutzt
trotzdem
gem dafur.
diese Vokabel
Schon cliese Beispiele
alternativer Art konnen
del' nein, Zahl oder Wappen,
Zufallsexperimente Merlemaluierte. die Anzahl morgens
Ausschuss
cler Unfalle
Zufallsexperimente
Ergebnis
wir folglich
mit
vielegibt:
zwei Meremalioerte Iiefern: ja
nur genau
oder Qualitat,
beim Wurfeln,
an einer
bestimmten
Patienten
mannlich
eines
oder weiblich
0-
usw.
liefern
Karte aus einem
in einem
Monat,
eines Krankenhauses
sehr,
Kartenspiel,
clie Anzahl
cler
usw.
sehr viele (umgangssprachlich:
un-
fallen sicher aile Messergebnisse.
darunter
als zufalliges Ereignis bezeichnet
Zufallsexperiments
alternativen,
ab jetzt zwischen
die gezogene Kreuzung
in cler Aufnahme
stetiger Art clagegen
viele) Merkmalwerte,
Da jedes
unendlich
diskreter Art liefern mehr als zwei, abel' nicht zu viele verschieclene
Die Augenzahl
ankommenclen
endlich
sind es nicht
class es drei Arten von Zufallsexperirnenten
lassen uns vermuten,
Zufallsexperimente
Naturlich
diskreten unci stetigen zufalligen
wird, wollen Ereignissen
un-
terscheiden: Ein alternatives zufdlliges Ereignis liegt clann vor, wenn cles Zufallsexperiments
erwarten
wir genau zwei Merlemaluierte
konnen.
diskreten zufdlligen Ereignis mussen wir mit mehr als zwei, abel' in cler Regel nicht allzu vielen Merlemaiu/erten rechnen, die eintreffen konnen,
Bei einem
Derngegenuber
wird
das Spektrum
eignis unuberschaubar
del' Merkmalwerte
1.2
Wahrscheinlichkeit zutalllqer Ereignisse
1.2.1
Ausgangspunkt
Auch
clie im vorigen
nichts
an del' unverruckbar
Abschnitt
vargenommene
feststehenden
Man kann bei del' Durchfuhrung zufallige
Ereignis
eintreten
Wie wircl clie Munze Passant
bei einem
stetigen zufdlligen Er-
graB.
eines
Klassifizierung
zufdlliger Ereignisse andert
Aussage: Zufallsexperiments
niernals vorhersagen, welches
wircl.
fallen? Was wircl cler Wurfel
zeigen?
Wie schwer
wohl sein?
Niemancl
weifs varher,
was del' unberechenbare
Zujall bringen
wircl.
wircl cler gewogene
1.2
Wahrscheinlichkeit
Doch
diese
schlimme
die Menschheit
zufalliger Ereignisse
Ohnmacht,
Existenz nicht damit abfinden, Die Priester zinmanner
dieses
seit ihrer Existenz.
der beruhrnten und
logarithmischen lich berechnet"
unzahlige
beschaftigt
sich in den Jahrtausenden
ihrer
lassen soli.
Schamanen
ihren Nutzen
und Wahrsager,
aus diesem
Streben
Medi-
der Men-
des Zufalls.
- so lehrten
Gesetze,
von der Berechenbarkeit
Orakel,
- sie alle zogen
das Wesen des Zufalls erkennbar Michael Stifel (1487-1567)
und wollte
dass sich daran nichts andern
schen nach der Beherrschbarkeit Die Welt ist erkennbar
nem-Zl~[all-wehrlos-ausgeliefert-Sein
Sie wollte
antiken
Sterndeuter
19
es die Grofscn der Renaissance.
Warum soli nicht auch
werden?
war ein Zeitgenosse
von Martin Luther. Er erkannte
war ein begnadeter
Mathematiker.
bereits
die
Aber er war auch uberzeugt
des Zufalls - fur den 18. 10. 1533 um 8.00 Uhr sagte er .verlass-
den Weltuntergang
voraus. Er wurde ubrigens
bestraft, als seine Vorhersage
nicht eintrat ... Der scharfsinnige dienste,
Casanova
erwarb
als er eine Lotterie erfand,
sich am Hofe die so raffiniert
liefS, dass sie ihren Gewinn gewisserrnafsen
Zufall wissenschaftlich
Mathematiker
als Begleiter
wurde
zu auBern.
mit an die Spielbanken,
Schlusse sollten sie ziehen aus ihren Reobachtungen,
Konigs
grol$e Ver-
war, dass sie die Menschen
vorher ausrechnen
Kurz und gut - der Druck auf die Mathematiker zum Phanornen
des franzosischen
mit den Jahren
Die reichen damit
glauben
konnten.
Adligen
sie Daten
Formeln
immer groBer, sich Eurapas
nahmen
sammeln
konnten.
sollten sie entwickeln,
wann
Rot oder Schwarz oder Zero zu erwarten
ware, Grofser Lohn und viel Ehre winkten
ihnen.
Was aber kam heraus,
damals,
am Ende des siebzehnten
Es kam
nicht zum gewunschten
Ergebnis - es konnte
Stattdessen
wurde
der Begriffder
Die Wahrscheinlichkeit beziehungsweise
damals,
jahrhunderts?
auch nicht dazu kommen.
Wahrscheinlichkeit
geboren
und mathematisch
gefasst.
eines zufalligen Ereignisses ist eine Zahl zwischen Null und Fins null Prozent und einhundert Prozent.
zwischen
Diese Zahl, die seitdem jedem zufalligen Ereignis nach den Regeln der Wahrscheinlichkeits-
rechnung zugeordnet werden kann, lost leetnesfalls die nach wie vor unlosbare Vorhersage des Ausgangs eines Zufallsexperiments. Selbst wenn
ein Ereignis die Wahrscheinlichkeit
von 83 Prozent
Aufgabe der
hat (wie z. B. das Wiirfeln
einer Zahl, die nicht Bins ist), so ist damit doch niemals vorher gesagt, dass nun auf Dauer keine Eins mehr erscheinen
wird - wer je im Familienkreise
spielt hat, wird das bestatigen
konnen,
Wozu soll aber die Wahrscheinlichkeit brauchbar
nutzlich
sein, wenn
Mensch-argere-dich-nicht
ge-
sie doch fur die Vorhersage un-
ist?
Mit Ililfc dcr Wahrschcinlichkcit Das Ereignis, beim Munzwurf
konncn "Wappen"
zufallige Ercignissc zu sehen,
uerglicben worden.
ist wahrscheinlicher
als beim Wurfeln
eine Sechs zu erhalten. Das Ereignis, aus einem Skatblatt ein As zu ziehen, rade Augenzahl
beim Wiirfeln.
ist uieniger wahrscheinlich
als eine ge-
20
1 Zufall und Wahrscheinlichkeit
Das Ereignis, bei Munzwurf "Zahl" oder "Wappen" zu sehen, wie eine Augenzahl zwischen null und sieben beim Wtirfeln. Eigentlich
Doch
wider
wahrscheinlich
Vergleichbarkeit zufdlliger Ereignisse der einzige Nicht in der Vorhersage des Eintreffens.
besteht
in der
Wahrscheinlichkeit. besseres
nungstrager
ist genauso
Wissen
machte
die Menschheit
Nutzen
die Wahrscheinlichkeit
der
zum Hoff-
und bis heute zur Bewertung zufdlliger Ereignisse.
und nutzte sie umgehend
Denn wenn - wer will sich da ausschlieisen
- ein Mensch vor die Wahl gestellt wird, beim
Glilcksspiel
die gegenilber
eine neue Variante
zu wahlen,
eine bobere Gewinnwahrscheinlichkeit
gehensweise
seiner bisher verwendeten
Vor-
besitzt, dann wird er wohl diese Vari-
ante wahlen. Auch wenn
ihm sein kuhler Verstand
del' neuen
Variante
die Variante
mit del' geringeren
liefern konnte, Die Hoffnung Die Hoffnung Mafszabl
sagt, dass weder bei del' fruher praktizierten
del' groise Gewinn
uberhaupt
eintreffen
Wahrscheinlichkeit
trotzdem
noch bei
muss - oder dass umgekehrt sofort einen
groBen
Gewinn
stirbt zuletzt...
del' Menschen
Idammert
fur die Moglichkeit
als scheinbare
sich an die Wahrscheinlichkeit
des Eintreffens
eines
erwunschten
bestimmten
zufalligen
Ereignisses. fill' diese Vorgehensweise, del' Wahrscheinlichkeit diese zusatzliche bewertende Bedeutung zu geben, ist del' inzwischen auch vielfach beobachtete Effekt, dass bei oftma liger, massenbafter Wiederholung cines Zufallscxperimcnts die relative Haufigkeit,
Motivierend
mit del' das gewunschte So haben
Ereignis beobachtet
Kriegsgefangene
des zwanzigsten
ben, dass sie tatsachlich
Millionen
werden
konnte,
sich dann eine ungefahre
abel' nach Verteilung
del' Wahrscheinlichkeit
Jahrhunderts des nachsten
massenbafter
damit vertrie-
In del' Schlussbilanz
konkreten
Wiederholung
auf funfzig Prozent
nahe kommt.
sich die Langeweile
Male eine Milnze warfen.
sie dann fest, dass zwar uber den Ausgang hergesagt
wurde,
Wurfes
stellten
nie etwas vor-
des Milnzwurfs
ergab
.Zahl" und filnfzig Prozent
"Wap-
pen". Wie es die Wahrscheinlichkeit Inzwischen allgemein
vorhcrgesagt
zu habcn
schcint,
hat sich die Beuiertung zufdlliger Ereignisse mit Hi{/e ihrer Wahrscheinlichkeit durchgesetzt;
ganze Branchen,
wie z. B. die Versichemngen,
sie auf der Basis von Wahrscheinlichkeitsberechnungen Foiglich wird auch in diesem Buch, direkt oder indirekt,
leben davon, dass
ihre Entscheidungen
treffen.
del' Wahrscheinlichkeitsbegriff
im-
mer eine Rolle spielen.
1.2.2 Nahern
Klassische Definition der Wahrscheinlichkeit wir uns der klassischen
Wahrscheinlichkeitsdejinition
uber das bekannte
Wilrfel-
beispiel. Wie groB ist die Wahrscheinlichkeit,
nach einem Wurf eine ungerade Zahl zu sehen?
1.2
Wahrscheinlichkeit
zufalliger Ereignisse
21
Die Intuition sagt uns, dass diese Wahrscheinlichkeit warum?
gleich filnfzig Prozent sein wird. Aber
Beim Wlirfeln gibt es sechs Elementarereignisse - die Augenzahlen eins bis sechs. Wenn drei dieser Elementarereignisse eintreten (namlich eins, drei oder funf), dann erleben wir unser gesuchtes Ereignis "ungerade Zahl", Drei Elementarereignisse sind gunstig fur unser betrachtetes eignisse gibt es insgesamt. Die klassische Forrnel fur die Wahrscheinlichkeit (1.01)
Ereignis, sechs Elementarer-
benutzt genau diese Begriffe:
Anzahl der fur das Ereignis gunstigen
Elementarereignisse Anzahl aller Elementarereignisse
hei I· hkei W a h rsc em IC cert
Beispiel: Wie grofS ist die Wahrscheinlichkeit, zichcn?
aus einem Skatblatt mit 32 Karten ein As zu
Antwort: 32 Elementarereignisse gibt es insgesamt, vier davon sind gunstig fur das betrachtete Ereignis. Folglich erhalten wir: (1.02)
.
.h
)
4 1 32 8
P("em As zie en" =-=-=0,125=12,5%
In der Forme! (1.02) wird erstmalig die ubliche Abkurzung (1.03)
p('Ereignis tritt ein'')
= Wahrscheinlichkeit,
dass ein Ereignis eintritt
verwendet. Das Formelzeichen P entstammt dabei diesmal nicht dem englischen, sondern dem franzosischen 5prachraum, es ist der Anfangsbuchstabe des franzosischen Wortes probabilite (Wahrscheinlichkeit). Denn es war vor allem der franzosische Mathematiker P. Laplace (1749 bis 1827), der sich urn die Grundlagen und die Begriffsbildung der Wahrscheinlichkeit verdient gemacht hat.
1.2.3
Grundbegriffe der Wahrscheinlichkeitstheorie
Das Ergebnis eines Zufallsexperiments ist ein zufdlliges Ereignis. Zufallige Ereignisse werden oft mit grofSen lateinischen Buchstaben abkurzend bezeichnet. 50 sind zum Beispiel beim Zufallsexperiment denkbar:
"Werfen eines Wlirfels" folgende Ereignisse
Ereignis A: di e Augenzahl i st gerade Ercignis B: di e geworfene Augenzahl i st 3 Zwei Ereignisse werden besonders hervorgehoben,
das sichere und das unmoglicbe Ereignis:
Ein Ereignis, das im Ergebnis jeder Wiederholung eines Zufallsexperiments notwendigerweise eintritt, wird als sicheres Ereignis bezeichnet. Fur das sichere Ereignis ist das Symbol n ublich.
22
1 Zufall und Wahrscheinlichkeit
Ein Ereignis,
das im Ergebnis
treten
wird
kann,
das Symbol
jeder Wiederholung eines Zufallsexperiments niemals einEreignis bezeichnet. Fur das unrnogliche Ereignis ist
als unmogliches
0 gebrauchlich.
So ist zum Beispiel
fur das oben
angefuhrte
Ercignis 0: di e geworfene Ereignis
Augenzahl Augenzahl
das sicbere beziehungsweise
eine Moglichkeit,
1.2.4
0: di e geworfene
Ereignissen
arbeiten
Das Ereignis
wir das Zufallsexperiment Ereignis Ereignis
die Beziehung
Ereignis
zu beschreiben.
und auch
die BezieOperationen mit
A ~ B), wenn
mit dem Ein-
man einige
definieren
B (in Zeichen
Begriffe,
B eintritt. ein Wut:l mit zuei Wiit:leln, so ist mit
A: es wurde ei ne 3 und ei ne 4 geworfen B: es wurde mindestens ei ne gerade Zahl geworfen
A c B erfullt,
Gilt A ~ B und B ~ A, dann werden Bcirn Zufallscxpcrirncnt Ereignis Ereignis
1.2.5
benotigt
Ereignissen
A heiist Teilereignis des Ereignisses
von A stets auch das Ereignis
Betrachten
gleiche
dasunmogliche
zu konnen,
hungen (Relation en) zwischen zufalligen zufdlligen Ereignissen festlegen.
Beispiel:
i st kl ei ner al s 7 i st groBer al s 6
Beziehungen zwischen zufalligen Ereignissen
Um mit zufalligen
treten
Zufallsexperiment
die beiden
Ereignisse
als gleich bezeichnet,
ein Wurl mit einem Wiit:lel sind die bcidcn
A: es wurde ei ne durch 3 teil bare Augenzahl B: es wurde ei ne 3 oder ei ne 6 geworfen
A = B. Ercignisse
geworfen
Ereignisse.
Operationen mit zufalligen Ereignissen C heifst Summe der Ereignisse A und B, wenn gilt: C tritt genau dann ein, mindestens eines del' beiden Ereignisse A oder B eintritt. Man schreibt C=Au B.
Ein Ereignis wenn Beispiel:
Ereignis
Ereignis Ereignis
A: es wurde ei ne 2 oder ei ne 4 geworfen B: es wurde ei ne 4 oder ei ne 6 geworfen C: es wurde ei ne gerade Zahl geworfen
0 heitst Produkt der Ereignisse A und B, wenn gilt: 0 tritt genau dann soioobl das Ereignis A als aucb das El'eignis B eintritt. Man schl'eibt C=A11 B.
Ein Ereignis wenn Beispiel:
El'eignis A: es wurde ei ne 2 oder ei ne 4 geworfen El'eignis B: es wurde ei ne 4 oder ei ne 6 geworfen El'eignis 0: es wurde ei ne 4 geworfen
ein,
2
ZufallsgroBe und Verteilungsfunktion
2.1
ZufallsgroBe
2.1.1
Definition
Wir wollen jetzt die Arten der betracbteten Zufallsexperimente und deren Mengen an zufallige Ereignisse, mit den en wir uns beschaftigen, etwas eingrenzen. Bisher formulierten wir in Worten die Ereignisse, mit denen wir uns beschaftigten, zum Beispiel in der Art "Fin As wird aus einem Skatblatt gezogen" oder .Eine Sechs wird gewurfelt" oder .Beim Munzwurf sieht man das Wappen. Ab jetzt wollen wir speziell nur noch von solchen Zufallsexperimenten sprechen, die entweder aus sich selbst heraus Zablen-Ereignisse liefem oder deren Ereignisse sich auf sinnvolle Art als Zablen kodieren lassen. Diese speziellen Zufallsexperimente
nennt man Zufallsgrofsen.
Wenn ein Zufallsexperiment ein zablenmdfsiges Ergebnis liefert oder wenn die eintretenden Ereignisse sich sinnvoll durch Zablen kodieren lassen, dann spricht man von einer Zufallsgrofse. Das Zufallsexperiment "Wurfeln" liefert ebenso wie das Zufallsexperiment "Gewichtsbestimmung in der Fufsgangerzone" sofort Zablenioerte - damit erhalten wir sofort Zufallsgrofsen, cs braucht kcine Kodicrungs-Ubcrlcgungcn zu gebcn. Wenn dagegen beim Zufallsexperiment "Munzwurf" das verbal (mit Worten) formulierte Ereignis "Wappen" mit einer Zahl (zurn Beispiel mit der Null) und das gegenteilige Ereignis .Zahl' auch mit einer Zahl (zum Beispiel mit der Fins), kodiert wird, dann konnen wir folglich auch in diesem Fall von einer Zufallsgr6jse sprechen. Ebenso kann man bei der Qualitdtseontrolle elas in Worten formulierte Zufallsereignis "Produkt ist brauchbar" mit der Zahl Fins kodieren, Zahlt das Produkt aber zum Ausschuss, dann kann es beispielsweise mit der Zahl Null kodiert werden. So kommen wir auch dart zu einer zablenrndfsigen Bescbreibung des Ergebnisses des Zufallsexperiments und konnen wieder von einer ZZ{fallsgr6/sesprechen. Jede zufallige Messung ist gleichzeitig sofort eine Zufallsgroise, sie liefert mit dem Messwert eine Zah!. Jeden andere zufallige Zablen-Beobacbtung (z. R. die Anzahl der in einer bestimmten Stunde an einer Mautstelle ankommenden Fahrzeuge) lasst uns, da stets eine Zahl geliefert wird, auch hier von einer Zl.Jjallsgr6jle sprechen. Fur Zz?fallsgr6/iien benutzt man grolSe lateinische Ruchstaben X, Y, Z, ... £iir die konkreten zahlenmafSigen Freignisse dieser "Zahlen liejernder ZZ{fallsexperimente" benutzt man dagegen zugehbrige kleine, mit Hilfe eines tiefgestellten Index nummerierte Buchstaben: (2.01)
x = "Wurfeln": Xl
=1, x2 =2, x3 =3, x4 =4, Xs =5, x6 =6
2 Zufallsgr6JSeund Verteilungsfunktion
24
Wenn wir im folgenden also nicht mehr ganz allgemeine, beliebige, in Worten formulierte zufallige Ereignisse betrachten, sondem nur noch zufallige Zahlenereignisse (also ZufallsgrbiSen), dann entfemen wir uns von der mathematischen Disziplin Wahrscheinlichkeitsrecbnung und nahern uns der matbematiscben Statistik, die grundsatzlich nur mit Zablen umgeht.
2.1.2
Drei Arten von ZufallsgroBen
Eine Zufallsgrofse X heiist alternatiu, wenn sie nur zwei verschiedene Werte nehmen kann.
XI
und
X2
an-
Eine alternative Zujallsgr6jSe tritt dann auf, wenn ein Zufallsexperiment mit genau ztoei uerschiedenen Zablenereignissen durchgefuhrt wird (zum Beispiel der kodierte Muneuiurf oder die kodierte Qualitatskoritrolle). Die Symbolik P(X=x) bezeichnet dabei abkurzend die Wahrscheinlichkeit, dass das Zufallsexperiment den Zahlenwert XI liefert, entsprechend bezeichnet P(x=x) die Wahrscheinlichkeit, dass das Zufallsexperiment den Zahlenwert x2liefert. Da bei solchen Altemativ-Zufallsexperimenten odcr X2 eintrctcn muss, gilt die Bczichung
stets eines der beiden Zahlenereignisse x,
(2.02) Anders formuliert: Wenn das eine Zahlcncrcignis XI mit der Wahrschcinlichkcit PI cintritt, dann besitzt das andere Zahlenereignis X2 immer die Wahrscheinlichkeit P2 = i-PI' Die beiden Ereignisse sind komplemenuir zueinander. Eine Zufallsgrojse X heitst diskret, wenn sie nur einige verschiedene Werte x., annehmen kann.
X2,
... ,
x;
Eine disk rete Zufallsgr6jse tritt dann auf, wenn ein Zufallsexperiment mit einigen uerscbiedenen Zablenereignissen durchgefuhrt wird (zum Beispiel das Wiirfeln). Die Symbolik P(X=xb) (k = 1, ... , n) bezeichnet dabei abkurzend die Wahrscheinlichkeit, dass das Zufallsexperiment gerade den Zahlenwert xk (k = 1, ... , n) liefert. Da stets eines der Zahlenereignisse XI, X2, ... zeluiahrscheinlichleeiten gleich Eins werden: (2.03)
P(X=x\ )+P(X=x2)+
...+P(X=xJ
,
x; eintreten wird, muss die Summe aller Ein-
=1
Fur die Formel (2.03) benutzt man gem abkurzend das Summen.zeichen: (2.04)
P(X=xk)
=I
k~l
Wir wollen hier nicht - was folgerichtig ware - sofort die Definition einer stetigen Z~!lallsgr6jse folgen lassen. Denn diese werden in anderer Weise erklart und behandelt.
2.2 Zugang zur Verteilungsfunktion
25
Stetige Zufallsgrofsen, die sich bei Zufallsexperimenten mit einer unuberschaubaren Vielfait an moglichen Ereigniswerten (z. B. Messungen aller Art) ergeben, werden grundsatzlich anders behandelt als alternative oder diskrete ZufallsgrblSen. Deshalb soli erst einmal der Regriff der Verteilungsfunletion fur alternative und disk rete Zujallv!,r6/sen eingefuhrt werden. Dann folgt spater im Abschnitt 4 auf Seite 55 der Begriff der stetigen Verteilungsfunhtion, der uns dann anschlielSend zum Begriff der stetigen Zzifallsgr6t<en fuhren wird.
2.2
Zugang zur Verteilungsfunktion
2.2.1
Verteilungsfunktion beim WOrfeln
Betrachten wir nun die Zufallsgroise X= "Wz:iz:/eln", mit den sechs mbglichen Zablenereignissen ,,1"oder ,,2" oder ,,3"oder ,,4"oder ,,5"oder ,,6". Aile zufdlligen Zablenereignisse beim Wtirfeln haben dieselbe Wahrscheinlichkeit, also muss diese gleich sein: Die Wz:irfel-Zl~fallsgrc!fseX nimmt ihre sechs rnoglichen Werte 1 bis 6 mit jeweils gleicher Wahrscheinlichkeit 1/6 an.
(2.05)
P(X=I)=-,
I
6
P(X=2)=-,
I
6
... ,P(X=6)=-
I
6
Da der Ausgang des Zufallsexperiments hier auf naturliche Weise durch Zablen beschrieben wird, kann uns niemand hindern, eine (vorerst rein akadernische) Frage zu stellen: •
Wie gralS wird die Wahrscheinlichkeit sein, dass der Zahlenuiert des Zufallsereignisses gleich Minus 1 oder sogar nocb hleiner als Minus 1 wird?
Wir suchen also, mit anderen Worten, die Wahrscheinlichkeit, dass beim Wtirfeln nach einem Wurf der Wert Minus 1 oder ein nocb leleinerer Wert auf dem Wiirfel zu lesen ist. Forrnelmafsig wird die Fragestellung so beschrieben: •
Wir suchen P(X ::S-1).
Naturlich muss diese Wahrscheinlichkeit gleich Null sein, denn es wird wahl nie jemandem gelingen, nach einem Wurf mit einem handelsublichen Wiirfel auf diesem Wurfel die Beschriftung Minus Eins oder wornoglich eine nocb hleinere Zahl zu Iesen: (2.06)
p(X::S-I)=O
Auch die Wahrscheinlichkeit, dass Minus einbalb (-1/2) oder eine nocb kleinere Zahl auf dem Wtirfel zu sehen sein wird, ist wieder Null: (2.07)
I P(X2).
We iter sind dann aile Wahrscheinlichkeiten
pex=x),
... , pex=xr)
bekannt.
Aile diese Angaben konnen stets von den Sprungstellen und Sprunghoben der Verteilungsfunktion abgelesen werden.
aus dem Bild
Mit anderen Worten, wir behaupten: Die Verteilungsfunktion F'/x)=peX-Sx) einer Zufallsgrofse X liefert uns aIle notwendigen Informationen tiber die Ereignisse und Wahrscheinlichkeiten unseres Zahlen-Zufallsexperiments. Alles, was uns an einer Zufallsgrofse X interessieren konnte, insbesondere Wahrscheinlichkeiten, konnen wir ihrer Verteilungsfunktion F,/x) entnehmen. So lautet die Behauptung. Sehen wir uns clazu ein Beispiel an. Eine Zufallsgrojse
(3.01)
Fx(x)
X besitze die folgende Verteilungsfunktion:
°
0,5
Osx x2, ... , x; der Verteilungsfunktion Fy(x)=P(X-:::.x) konnten wir erkennen, dass die Zufallsgrojse die Werte x., x2 , ... , x; annimmt. An den Sprungboben konnten wir die Wahrseheinliehkeiten P(X=x P(X=x~ , ... , P(X=x) fur die zufalligen Zahlenereignisse ablesen. j),
Doeh nun? Bei dieser Verteilungsfunktion aus Bild 4.1 gibt es keine Sprungstelien, demzufolgc auch keine Sprungbohen. Nimmt die so besehriebene Zufallsgr61SeX also folglieh uberbaupt nieht einen einzigen einzelnen Wert X mit einer gewissen Wahrseheinliehkeit P(X=x) an? So ist es. Die dureh die Verteilungsfunktion von Bild 4.1 besehriebene Zufallsgrotse X nimmt nieht wenige einzelne (diskrete) Werte an, sondern sie nimmt unuberscbaubar viele Werte aus einem grofsen Bereich an. Man sagt aueh gem, die dureh die Funktion aus Bild 4.1 besehriebene Zufallsgrofse X besitzt unendlieh viele Merkmaluierte. Sie wird deshalb als stetige b!/allv!,roj.sebezeichnet. Eine stetige Verteilungsfunktion besehreibt eine stetige Zufallsgrofse X, die unendlieh viele Merkmaluierte annehmen kann. Unter diesen unendlieh vielen Merkmalwerten spielt ein einzelner Wert offensiehtlieh keine Rolle, so dass er nicht - wie bisher - dureh eine Sprungstelle in der Verteilungsfunktion hervorgehoben wird. Die Wahrscheinlichkeit, dass eine stetige Zufallsgroise X einen einzelnen bestimmten Merkmalwert X annimmt, ist folglieh Null: P(X=x)=O. Damit erhebt sich die Frage, welehe Informationen uber die Zufallsgr61SeX wir denn nun uberhaupt aus dern Bild der Verteilungsfunktion ablesen konnen?
4.1 Einfuhrung
'57
Aus dem Bild der Verteilungsfunktion vall- Wahrscheinlichkeiten ablesen. P(X::; x)
(4.02)
P(X>x)=
einer stetigen ZL!fallsgr6t1e X lassen sich drei Inter-
= Fx(x) I-FAx)
P(x] < X::; x2)
= Fx(x2)
-
FAx])
•
Wir erfahren mit Hilfe des Bildes der Verteilungsfunletion einer stetigen ZL!fallsgr6.fseX also, wie grog die Wahrscheinlichkeit ist, dass die Zufallsgrofse X einen Merkmalwert annimmt, der links von einem gegebenen Wert liegt.
•
Ebenso konnen wir sofort ablesen, wie grolS die Wahrscheinlichkeit ist, dass die Zufallsgroge X einen Wert annimmt, der gr6.f.serist als ein gegebener Wert.
•
Und schlieislich liefert uns die Verteilungsfunktion die Wahrscheinlichkeit, dass die Zufallsgrotse X einen Wert innerhalb eines gegebenen Interualls annimmt.
Die Bilder 4.2 bis 4.4 zeigen, wie man entsprechend der gestellten Aufgabe ablesen muss. 0,95 0,9 0,85
PIX~xl
0,8 0,75 0,7 0,65
0,_ 0,55
0,_ 0,45 0,' 0,35 0,3 0,25 0,2 0,15 0,1 0,05 .0,5
0
0,5
1
1',5 x
2
2,5
:3
3,5
Bild 4.2: Wahrscheinlichkeit
4
4,5
=5
5,5
6
6,5
7
7,5
a
8,5
6,5
7
7,5
B
8,5
P(Xsx) ablesen
0,95 0,9 0,85 0,8
~-"-----.(
0,75 0,7 0,65
0,_ 0,55
0,_ 0,45
0,' 0,35 0,3 0,25 0,2 0,15 0,1 0,05 -0,5
0
0,5
1
1',5 x
2
2,5
:)
3,5
Bild 4,3: Wahrscheinlichkeit
4
4,5
=5
5,5
6
P(X>x) ablesen
4 Stetige Verteilungsfunktionen und stetige Zufallsgrosen
58
Dem Bild 4.2 konnen wir beispielsweise sofort entnehmen, dass die Wahrscheinlichkeit dafur, dass die ZufallsgrblSe X einen nichtpositiuen Wert annimmt, gleich Null ist. Denn es kann z. E. sofort abgelesen werden: P(X~-l)=Fl-l)=O. Weil die Wahrscheinlichkeit fur das Auftreten eines Zahlenereignisses recbts der 5, wie wir aus Bild 4.3 weiter entnehmen konnen, offensichtlich weniger als 1 Prozent betragt, konnen wir davon ausgehen, dass un sere nach Eild 4.1 verteilte ZufallsgrblSe X vorrangig Zablenwerte zwischen 0 und 5 annehmen wird.
-
1
tP1"'XSy
0,95 0,9 0,85 0,8 0,75 0,7 0,65 0,6 0,55 0,5 0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0
1
)(1'
2
3x~
4
Bild 4.4: Wahrscheinlichkeit
5
P(Xl<X~X2)
6
7
8
ablesen
Am wahrscheinlichsten ist, dass die nach Bild 4.1 verteilte Zufallsgrofse X Zablenioerte zwischen Null und Eins annehmen wird (Bild 4.5). 1 0,95
~
0,_ 0,85 0,_ 0,75 0,7 0,65 0,_ 0,55
PI2Jl+3G')-1-F(Jl+3G') 0,00135 0,00135 0,00135 0,00135 0,00135 0,00135 0,00135 0,00135 0,00135 0,00135 0,00135 0,00135 0,00135 0,00135 0,00135 0,00135 0,00135 0,00135
ergeben sich gleiche Wahrscheinlichkeiten
Eigenschaft 3: Wie auch imrner Jl und a gewahlt werden - die Wahrscheinlichkeit, dass eine N(Jl,rJ)-verteilte Zufallsgroise X Werte zwischen x=Jl-rJ und x=Jl+rJ annehmen wird, betragt immer 68,3%. Das bcdcutct, class wir bci massenhafter Wicclcrholung cines Zufallscxpcrimcnts, des sen Zahlenereignisse nach N(up)-verteilt sind, damit rechnen konnen, dass in mebr als zwei Drittel alter Fdlle der beobachtete zufallige Zahlenwert in das Intervall fl'-(J,Jl+rJ]fallen wire!.
0,9
0,8
0,7
N(IJ,o) mit 1J=100,0=30
0,6
0,5
0,4
0,3
0,2
0,1
15
25
35
Bild 5,3: Mebr als zwei Drittel im symmetriscben
Streifen der Breite
2rJ urn Jl
65
5.1 Eigenschaften normalverteilter Zufallsgrosen
Dahei gilt zusatzlich wegen cler Symmetrie von NCjJ,a), class ungefahr die Hdlfte clieser zwei Drittel, also ein Drittel, in das linke Teilintervall fallen wird und das andere Drittel in den gleichbreiten Streifen rechts von u, Offensichtlich hat der Parameter jJ der Normalverteilung eine ganz besondere Bedeutung. Die hereits mitgeteilten Wahrscheinlichkeiten sowie alle Bilder von NCjJ,a) lassen den Schluss zu, dass man bei massenbafter Wiederholung eines Zufallsexperiments mit norrnaloerteiltem Ausgang erwarten kann, dass vorrangig ein Wert in der Nahe von jJ eintrifft, und zwar mit gleicher Wahrscheinlichkeit links oder rechts von u, Werte der Zufallsgrofse in Bereichen, die von jJ weit entfernt sind, werden demnach nur mit geringen Wahrscheinlichkeiten zu beobachten sein. Der Parameter jJ wird deshalb Enoartungsioert der Normalverteilung NCjJ,a) genannt. Der Parameter (J dagegen steuert die Steilheit (vergleiche Bild 5.4).
der Funktionskurve der Normalverteilung
Er sorgt damit insbesondere fur ein breites oder schmales 3(J-Intervall !{i-3(J, jJ-3(J}, in das mit 99,7-prozentiger Wahrscheinlichkeit die Ergebnisse des Zufallsexperiments, d. h. die Werte der Zufallsgrofse X, fallen werden. Die meisten Werte einer normalverteilten Zufallsgrojse fallen mit gleichhohen Wahrscheinlichkeiten in die beiden gleichbreiten Streifen !{i-a, jJ} und ~l, jJ+a} rechts und links vom Erwartungswert. Die Breite dieser Streifen hangt bei gegehener Wahrscheinlichkeit vom Parameter (J ab. Bild 5.4 veranschaulicht die Wirkung des Parameters (J anhand von zwei Normalfunktionsbildern mit gleichem Enoartungsioert ur l Otl, aber zwei verschieden grojsen Werten von (J. Fur (J=30 gilt P(jJ-a<XS jJ+a)=O,8 fur a=38,5. Fur (J=I 0 dagegen erhalt man dieselbe Intervall-Wahrscheinlichkeit P(jJ-a<XS jJ+a)=O, 8 fur den wesentlich kleineren Wert a=12,8. In beiden Fallen betragt die Wahrscheinlichkeit dafur, dass Werte aufserbalb zeichneten Interualls angenommen werclen, nur noch 20 Prozent.
~ +---------------O,/f'------_ +---------/--+--+-------1 +---------/-+----+------1 +----------7---+-------1 '1~IOO,o~30
/
+----------+----+-------1 / j--'B=e~1 a==3~O=fa="e~nw~a=h~r-------1----+-------1 scheinlich
80% aller
/
t-'-~~aHsj~e--~I-----+--------1 X in dieses Intervall
__",-
des gekenn-
/ 0,'+----------/1------_ "'+----------+/+--------1 0"+--------++/--------1 0,'+-----------+-+---------1
I t---------+----'NGe----1 I
'1~IOO,,,~10
Bei 0=10 fallen wahr-
0,'+----------+----""'-="'-"''=-'''''''''-------1 schelnllch
OA
80% aller
/
/
X in dieses Interval!
0,,+---------/-----r-------1
/
/
j~ o
10
20
30
40
50
60
70
80
Bild 5.4: Ie kleiner (J, desto gr6fser ist die Wahrscheinlichkeit
Je groBer der Wert des Parameters (J, desto breiter streuen teilten ZufallsgrbBe X um den Erwartungswert u,
I
-:
t.>
90100110120130140160160170180190
del' Ndhe zu jJ
die Werte einer normalver-
66
5 Normalverteilte Zufallsgrosen
Der Parameter a wird deshalb Standardabweichung
der Normalverteilung N(fl,a) genannt.
Fassen wir zusammen: Ist von einer Zufallsgrofse X bekannt, dass sie N(fl,a)-verteilt ist und kennt man die Werte fur den Erwartungswert fl und die Standardabweichung a, dann lassen sich aile Intervall-Wahrscheinlichkeiten Fx(x)=P(X-Sx) aus der Funktionskurve ablesen oder mit der Excel-Funktion =NORMVERT( ; WAHR) berechnen. Weiter kann man dann die Wahrscheinlichkeiten P(X>x) und P(xj<X-Sx) aus der Funktionskurve ahlesen oder unter Verwendung derselben Excel-Funktion berecbnen. P(X>x)
=
P(x,<X-Sx)
l-P(X-Sx) =
=
1- Fx(x),
P(X-S x2)- P(X-S x.)
=
F/x)
- Fixl)
Was sollen wir aber tun, wenn wir zwar wissen, dass eine zu untersuchende Zufallsgr61Se X normalverteilt ist, wenn wir aber die Parameterwerte fl und/oder a nicht kennen? Obrte Angaben zu den Parametern fl und a kann keine Funktionskurve der Normalverteilungsfunktion Ntu,«) mit Excel hergestellt werden. Denn ohne Werte fur fl und a kann die Excel-Funktion =NORMVERT( ; WAHR) nicht verwendet werden. Also konnen ohne Angaben zu den Parametem fl und a keine Intervall-Wahrscheinlichkeiten fur X ermittelt werden. Wie ist in solchen Fallen vorzugehen? Gibt es einen Ausweg? In solchcn Fallen rnusscn die fchlcndcn Parameter gescbatzt wcrdcn,
5.2
Pararneterschatzunqen
fUr die Normalverteilung
Als Ausgangspunkt fur eine Scbatzung der Parameter muss eine Stichprohe in folgender Weise gezogen werden: Das Zufallsexperiment, von clem bekannt sein soli, dass seine zufalligen Zahlenereignisse normaluerteilt sind, wird einige Male durchgefuhrt. Dabei ergeben sich gariz konkrete Zahlenwerte, die zusammen die Stichprohe bilden. Die Anzahl cler erhaltenen Werte nennt man den Umfang der Stichprobe. Jeder Stichprobenwert wird dabei als eine Realisierung der (unbekannten) X bezeichnet.
Zufallsgr6jse
Naturlich ist jecle Stichprobe dem Zufall unterworfen - urn clas zu betonen, sollte besser sogar von einer Zufallssticbprobe gesprochen werden. Jede andere (Zufalls-)Stichprobe wird grundsatzlich andere Werte liefem. Sollten wir uns so dem Zufall ausliefem? Es gibt keine andere Moglichkeit - ohne Stichprobe ist eine Schatzung cler Parameter der Normalverteilung unmoglicb. Wenn die n erhaltenen Stichprobenwerte mit x., x2, ... , x; bezeichnet werden, dann sind nach den folgenden Formeln die beiden Sticbprohenparameter x und s zu berechnen: I
X (5.01)
=-
n
(XI + x2 + ...+ xn)
I =-
n
n
LXi i~1
67
5.2 Parameterschatzungen fur die Normalverteilung Der Stichprobenparameter
x henst Mittelioert Coder Durchschnittswert) der Stichprobe.
Der Stichprobenparameter s heitst (ernpirische) Standardabioeichung
der Stichprobe.
Hintoeis: Beide Stichprobenparameter konnen mit den Excel-Funktionen
=MITTELWERT( =STABW( angefordert werden. Dabei muss links uom Doppelpunkt der Name der Zelle eingetragen werden, in der sich der erste Stichprobenwert befindet, rechts uom Doppelpunlet muss der Name der Zelle stehen, die den letzten Stichprobenwert enthalt. Bild 5.5 zeigt eine kleine Stichprobe einer narmalverteilten Zufallsgrose, dazu die Farmeln und Werte der beiden Sticbprobenparameter x und s. A
B
C
0
1
74,65
x
=MITTELWERT(A1
2
B9,56 13B,15 36,07 105,53 95,62 13B,6B 123,39 99,45 93,2B 113,84 124,33 B1,BB 72.,60 95,53
S
=STABW(A1 :A151
3 4 5 6 7 8 9 10 11 12 13 14 15 16
A
:A 15)
B
C
0
1
74,65
x
9B,B4
2
B9,56 13B,15 36,07 105,53 95,62 13B,6B 123,39 99,45 93,2B 113,B4 124,33 B1,BB 72.,60 95,53
S
27,12
3 4 5 6 7 8 9 10 11 12 13 14 15 16
Bild 5.5: Stichprobe und Excel-Funletionen [ur die belden Stichprobenparameter Mit den beiden jetzt verfugbaren Stichprobenparametern x und s konnen die beiden unbekannten Parameter der Normalverteilung, der Ertoartungstoert fl und die Standardabweichung (J, nach den folgenden Regeln gescbatzt werden: Als Scbdtzu.ng fur den unbekannten Parameter u, den Enuartungsuiert lung, sollte der Sticbprobenmitteltuert xvelwendet werden.
der Normaluertei-
Als Schatzung fur den unbekannten Parameter (J, die Standardabioeichung uerteilung, sollte die Stichprobenstandardabtoeichung s verwendet werden.
der Normal-
Die Begrundung fur diese beiden Regeln (und auch die Schatzregeln aus Abschnitten 3.2.2 und 3.3.2 auf den Seiten 42 und 51) finden sich in einem speziellen Gebiet der mathematischen Statistik, der so genannten Scbtitztheorie. Dart werden zuerst Kriterien fur die Gute von Schatzungen farmuliert, anschlieisend wird bewiesen, dass die beiden genannten Stichproben parameter jeweils Om Sinne dieser Kriterien) die besten Schdtzungen darstellen. Einzelheiten dazu konnen z. B. in [1] und [21] nachgelesen werden.
5 Normalverteilte Zufallsgrosen
68
Was bleibt noch zu tun? Erinnem wir uns - bisher sincl wir immer clavon ausgegangen, dass wir unssen, dass eine Zufallsgrofse normaloerteilt ist. Sind zusatzlich die beiden Parameter J1 uncl (J bekannt, clann konnen wir aile gewunschten Intervall-Wahrscheinlichkeiten fur die Zufallsgrotse abies en oder berechnen. Auch fur den Fall, dass wir die Erwartungswert und Standardabweichung nicht kennen, haben wir cloch wenigstens angenommen, class das Zufallsexperiment, mit clem wir unsere Stiehprobe zur Scbatzung der Parameter erzeugen, uns solche Stichprobenioerte liefem wird, die im Wesentlichen die Eigenschaften normalverteilter zufalliger Zahlenergebnisse besitzen. Was aber ist zu tun, wenn wir derartige a-priori-Informationen e"Vorher-Informationen") nicht besitzen? Wenn wir Aussagen uber Intervallwahrscheinlichkeiten cler Zahlenergehnisse eines Zufallsexperimentes machen soilen , ohne zu wissen, ob clie Zufallsgr6lSe, clie dieses Zufallsexperiment beschreibt, uberhaupt normalverteilt ist?
5.3
Normalverteilung mit einer Stichprobe erkennen
5.3.1
Autgabenstellung, Grundsatzllches
Wir betrachten also jetzt ein Zufallsexperiment mit zufdlligen Zahlenergebnissen, das durch eine Zufallsgrofse X beschrieben wird. Es liegen aber keine Informationen uber die Verteilungsfunktion Fx(x)=P(X-:;.x) clieser ZufallsgrcilSeVOL Haben wir dann uberhaupt eine Chance, fur X eine der drei gesuchten Intervallwahrscheinlichkeiten P(X-:;'x), P(X>x) oder Ptx, < X -:;.x.) ermitteln zu konnen? ]a. Denn sofern eine mit dem Zufallsexperiment gezogene Stiehprobe erkennen lasst, dass sie grundsatzlicb die Eigenscbaften normaluerteilter Zufallsgrofsen besitzt, dann sprieht nichts dagegen, Normalverteilung anzunehmen. Aus der Stichprobe konnen dann der Erwartungswert J1 mit x und die Standardabweichung (J mit s geschatzt werden.
5.3.2
Wann dart Normalverteilung an genom men werden?
Wie aber kann man einer Stichprobe ansehen, class sie grundsatzlich clie Eigensehaften normaluerteilter Zu/allv!,r6/sen besitzt? Dafur gibt es ztoei Bedingungen. • Die Stichprobenwerte rnussen sich fast vollstandig Coder wenigsten uberwiegend) im so genannten 3s-Bereieh, clem Intervall [x-3s, x+3s} , das symmetrisch zum Stichprobenmittelwert x ist, befinden. • Wenn weiterhin das Histogramm der Stichprohe eine Glockenform hat, dann spricht nichts dagegen, fur clie Zahlenergebnisse des Zufallsexperiments, d. h. fur die ZufallsgrblSe X, eine Normalverteilung anzunehmen. Man sagt dann, die Stichprobe starnrnt aus einer normaloerteilten Grundgesamtheit. Auch hier gilt wieder: Alles basiert eigentlich nur auf einer (Zufalls-)Stichprobe. Wer weilS, ob das alles richtig ist? Doch was sollen wir machen - wir konnen nur auf der Basis einer Stiehprobe uberhaupt zu Aussagen kommen. Anders geht es nicht.
69
5.3 Normalverteilung mit einer Stichprobe erkennen
Sehen wir uns nun zuerst an, wie die 3s-Bedingung einer Stichprobe uberpruft wird. Anschlieisend mussen wir erfahren, was ein Histogramm ist, und schlieislich muss die Vokabel Glochenform erklart werden. Fangen wir an.
5.3.3
OberprOfung der 3s-Bedingung
Auf dem Excel-Blatt in Bild 5.6 sind ab Zelle A22 die ersten Werte einer umfangreichen Zufalls-Stichprobe (5000 Werte) zu sehen. Oben erkennen wir die wichtigen Kenngrofsen der Stichprobe, der Sticbprobenmitteluiert betragt ca. 100 und die Stichprohenstandardahweichung 5 hat ungefahr den Wert 15. A
B
MiUelwert:
A
B
MiUelwert:
99,9335
x
Standard2
2 3
Varianz:
4
4 5 ,6 7
Minimum
~Bl·3'B2 ~Bl+3'B2
6 7
abweichun
Maximum linke 3s-Gr,enz,e r,"cht," 3s-G'r,enz,e
8 10 11 12 13 14 15 16 17 18 19 20
10 11 12 13 14 15 16 17 18 19 20
Zu untersuchende
Zu untersuchende
St.ichprobe
Stichprobe
21 22 23 24 25 26
21 83,2060780136089 101,830744622566 97,1165038914478 91,830731 0053933 97,7789968852449
22
23 24 25 26
83,20607801 101,8307446 97,11650389 91,83073101 97,77899689
Bild 5.6: Stichprohe mit 3s-Bedingung Damit lassen sich sofort die Grenzen des 3s-Bereiches angeben: Die linke Grenze des 35Bereiches befindet sich bei ca. 55, die rechte Grenze des 3s-Bereiches bei ca. 145. Erst einmal muss festgestellt werden, dass das Minimum der Stichprobe mit rund 44 auiserhalb des 3s-Bereiches liegt, ebenso liegt der gr6jlte Wert der Stichprohe mit ca. 150 augerhalb des 3s-Bereiches. 1st also schon die erste Bedingung aus Abschnitt 5.3.2 nicht erfullt? Wenn man aber die Stichprobe der Grage nach ordnen lasst, dann kann sofort abgelesen werden, dass lediglich 12 Stichprobenwerte autserhalb der 3s-Grenzen liegen. Zwolf von funftausend - es sind gerade einmal 0,2 Prozent aller Stichprobenwerte autserhalb der 3s-Grenzen. Da darf wahl doch formuliert werden, dass sich die Stichprobenwerte fast ausscbliefslich innerhalb der 3s-Grenzen befinden.
5 Normalverteilte Zufallsgrosen
70
Histogramm
5.3.4
Ein IIistogramm Klasse.
ist cine grafische Darstdlung
in Saulcnform, jcdc Saulc cntspricht eincr
Eine Klasse ist ein schmales Teilintervall des Bereiches
aller Stichprobenwerte.
,Xmax}
Die Hobe jeder Sdule gibt dann an, wie viele Werte der Stichprobe sich in der jeweiligen Klasse befinden. K
A Mitlelwert:
~
99,9335
linke Klassen-
rechte Klassen.
M
Anzahl
-'-5.-01-35i~-=.~:",,::::ze~~:",,~e~5::ze~~=~4=~-=====;=====;=====;=====;=====~=====~=====~====~-jll ~~~~~:~1 2~i::~~~ -I-Z,;~~--+------;::Z:--+----+;4.-------1-,-----'------'------'------'-----'-----'-----'--,---11 ==.~=~~;=~=j::ti =~=~~;t: ~= 1000(r--------_.-----------___1
r2+---'b-";~'--~~l--'hdua-~det. 5
8 10 12 14 ~
MaXimun~ rel~nh~~~~:~~:~~~
9
11
13
15 16
18 2019 17
2122 2524
65
ti
102
85 ~4 815 101 108 858 115 122 410 129 135 75
900
11
101
925
108
115
743
8001/
J------------h---------i
94
100
J------------.-..---------i 1/ 11
122
129
217
600
1)6 143
143 15,1
37 14
400111/~~----____I
500
300
II....•
200111/J------1 zu untersuchende Stichprobe
23
83,20607801 101,8307446
26
91,83013101 97,77899689
100O~
t/
."
'"
."
Grundgesamtheit dienten
uns bisher
ob eine Stich probe
ledie
erfiillt, d. h. ob ihr Histogramm einer Glockenkurve dhnlich sieht.
Kapitel wird abel' daruber
informiert,
dass die Glockenkurve in engem
Zu-
mit del' Normaloerteilung steht.
Sic stcllt namlich schaftigt
Hilfe festgestellt
~":l
die so genannte
sich das folgende
Dichtefunktion del' Normalverteilung
Kapitel noch einmal
das spricht fur deren uberragende
Bedeutung
intensiv
dar. Ubcrhaupt
mit del' Normalverteilung
in del' Statistik.
be-
- auch
6
Normalverteilung, Glockenkurve, Quantile
6.1
Zusammenhange, Dichtefunktion
Im vergangenen Kapitel lemten wir auf Seite 73 die Glockenleurue lediglich als Anscbauungsmuster dafur kennen, wie ein Histogramm einer Stichprobe aussehen muss, damit wir sagen konnen, die Stichprobe verhalte sich ungefahr so wie eine normalverteilte Zufallsgroge - damit wir also davon ausgehen konnten, dass die Stichprobe aus einer normaluerteilten Grundgesamtheii stamme. Nun wollen wir die eigentliche Bedeutung der Glockenkurve kennen lernen. Zu jeder Normalverteilungsfunktion
N(j1,a)
gibt es genau eine zugehorige Glockenkurve.
...
Im Bild 6.1 sind oben nebeneinander die Funktionsbilder der beiden Normalverteilungen NO 00,30) und NO 00,10) und darunter die zugehorigen Glockenkurven angegeben.
-
,1~t=====t=====t=====~~~~~1f§==================~1 ,~I:.:==w ==:':;0"==:': pJ (Behauptung: del' Prozentsatz an Einsen in del' Grundgesamtheit ist gr6jSer als durch die Nullhypothese vorgegehen.) Zweiseitige Fragestellung:
-I H
2:
p,r
pJ
(Behauptung: del' Prozentsatz an Einsen in del' Grundgesamtheit ist anders als durch die Nullhypothese vorgegehen)
9.1.3
Signifikanzniveau und Stich probe
Ein Signifikanzniveau a muss vorgegehen sein. Damit wird die Wahrscheinlichkeit eines Fehlers 1. Art gesteuert: Ein Fehler 1. Art tritt dann auf, wenn die Nullhypothese Ho tatsachlich zutrifft, aber aufgrund del' Zufallsstichprohe zu Unrecht zugunsten del' betrachteten Gegenhypothese abgelehnt wird. Eine Zufallsstichprohe mit n Stichprohenwerten wird gezogen. Die Zahl n henst dann Urnfang der Stichprohe.
9.1.4
PrufgroBe
Die Einsen in del' Stichprohe (bzw. die Anzahl des zu prufenden Merkmalwertes) werden a bgezdhlt, und das Verhaltnis P* ihrer Anzahl zum Stichprohenumfang n wird herechnet.
9 Parameterprufung mit graBen Stichpraben
106
(9.01)
P*
Anzah! der Einsen in der Stichprobe n
Wird der Antei! p* der Einsen in der Stichprobe dabei in Prozent (0% < p* < 100%) angegeben, so ergibt sich der Wert cler Prufgro'Se z aus cler Formel (9.02)
P *- Po
z = ~
Po
100- Po
n Wircl cler Anteil P" cler Einsen in der Stichprobe in Teilen der Eins so ergibt sich der Wert der Prufgrofse z aus der Forme! z = P *- Po (9.03)
(0
l'eI
(Behauptung: Der Erwartungswert der Grundgesamtheit ist grof<er als durch die Nullhypothese vorgegeben.) Zweiseitige Fragestellung: (Behauptung: Der Erwartungswert der Grundgesamtheit ist anders als durch die Nullhypothese vorgegeben)
9.2.3
Signifikanzniveau und Stich probe
Ein Signifikanzniveau a muss vorgegeben sein. Damit wird die Wahrscheinlichkeit eines Fehlers 1. Art gesteuert: Ein Fehler 1. Art tritt dann auf, wenn die Nullhypothese Ho tatsachlich zutrifft, aber aufgrund der Zufallsstichprabe zu Unrecbt zugunsten der betrachteten Gegenhypothese ahgelehnt wird. Fine Zufallsstichprobe mit n Stichprobenwerten x, , heiist dann Umfang der Stichprobe.
9.2.4
X2, ... , XII
wird gezogen. Die Zahl n
PrufgroBe
Zuerst benbtigt man den Mittelwert x (das arithmetische Mittel) der Stichprobe: 1 n (9.04)
x=-n L> i~l
x kann elementar berechnet, oder schneller mit Hilfe der Excel-Funktion =MITIELWERT( ) beschafft werden, wobei dann in die Klammern der Bereich der Stichpro he einzutragen ist.
9.2
Prufung
des Erwartungswertes
mit graBen
Bei bekannter Standardabtoeicbung
{T
Stichpraben
berechnet
111
man die PrufgrbBe
Z
nach der Forme!
,X-JIo
(9.05)
z="\jn---
a Ist die Standardabuieichung
nicht behannt, muss zuerst anstelle Sticbprobenstandardabuieicbung) ermitte!t werden:
so genannte
s (die
von zr die Schatzung
(9.06) Dicsc Scbatzung fur die Standardabtoeichung beschafft diesem
werden,
wobei
in die Klammern
z nach folgender
Fall wird die PrufgrbBe
=STABW(
kann mit Hilfc der Exccl-Funktion der Bereich Formel
der Stich probe
einzutragen
ist. In
berechnet:
,X-j.l,
(9.07)
z="\jn---o
9.2.5
Quantile fur die Entscheidung mit dem Ablehnungsbereich
s
Entsprechend
der gegebenen
dardnormaloerteilung
Fragestellung
beschafft werden,
mussen
nun
Quantile der StanAblebriungsbereicbe erkennen
verschiedene
um die jeweiligen
zu konnen:
zJ
• Links einseitige Fragestellung: Hier wird das buantil benotigt. Es kann aus der Tabelle der Standardnormaluerteilung abgelesen (siehe Seite 91) oder mit Hilfe der Excel-Formel l=sTANDNORMINV( )1 beschafft werden, wobei in die Klammern von a einzutragen
der Zahlenwert Einseitige
ZI_J
• Rechts einseitige Fragestellung: Hier wird das buanti! benotigt. Es kann aus der Tabelle der Standardnormaluerteilung abgelesen oder mit Hilfe von l=sTANDNORMINV( )1 beschafft
Fragestellungen:
werden, zutragen Zweiseitige
ist,
Fragestellung:
wobei ist.
• Hier werden
in die Klammern
die buantile
der Zahlenwert
Za/2 und
zl_a/21 benotigt,
nen aus der Tabelle der Standardnormaluerteilung oder mit Hilfe von ESTANDNORMINV( in die Klammern tragcn sind.
9.2.6
Ablehnungsbereiche
• Links einseitige Fragestellung Der Ablebnungsbereich beginnt Za und
weiter
erstreckt
sich
bis in das negative
von
Zl-a
und
crstrcckt
beim
dart
,tt,tto:
Quanti! rcchts
die Zahlenwerte
von I-a ein-
Sie kon-
abgelesen
)1 beschafft werden, wobei von a/2 bzw. I-a/Z einzu-
112
9 Parameterprufung
• Zzueiseitige Fragestellung
HI : jt;rjto:
Quantil
sich von dart nach
Za/2 und
erstreckt
Stichpraben
Der linke Teil des Ablebnungsbereicbes beginnt links weiter
bis in das negative
Der rechte Teil des Ablehnungsbereicbes beginnt beim Quantil dort nach rechts we iter bis in das positive Unendliche.
9.2.7
mit graBen
Zl-a/2 und
beim
Unenclliche.
erstreckt
sich von
Entscheidung mit Ablehnungsbereich
Fallt die Prufgrofse Z in den Ablehnungsbereich der betrachteten Fragestellung, dann ist die Nullhypotbese zugunsten der betracbteten Gegenhypothese abzulehnen. Die Zufallsstichprobe spricht bei dieser Gegenhypothese signifileant gegen die Nullhypothese. Andernfalls gibt es keinen Grund zur Ablebnung der Nullhypothese: probe spricht nicht signifileant gegen die Hypothese.
9.2.8
Die Zufallsstich-
Berechnung von Oberschreitungswahrscheinlichkeiten
Vollig gleichwertig zur Ermittlung
mit den in den Abschnitten
der objektiv-statistischen
9.1.5 bis 9.1.7 geschilderten
Rechenschritten
ist die Methode der Uberscbreitungs-
Entscheidung
wahrscheinlichkeit. Sie unterscheidet
nungsbereichen. von der jeweiligen
sich
nur in der Vorgebensuieise von
Um diese
Methode
Fragestellung
anwenden
eine der beiden
Entscbeidung
der
zu konnen,
wird
zuerst
rnittels Ahleh-
in Abhangigkeit
Oberschreitungswahrscheinlichkeiten
be-
notigt: Einseitige
Fragestellung:
• Zur Entscheidung
bei beiden einseitigen Fragestellunoen
die einseitige Oberschreitungszuahrscheinlichkeit zu ermitteln.
Das kann
dardnormalverteilung ren
Zweiseitige
Fragestellung:
Ablesen
(siehe
Seite
Klammern
der
Zahlenwert
der
i
ist
= l-tP( Iz I]
in der Tabelle 109) oder
El-STANDNORMVERTCABS( ))1 erfolgen,
Funktion werden
durch
Ip
der Stan-
mit Hilfe
wobei
z
Prufgrotse
der
in die inneeingetragen
muss .
bei zweiseitiger Pragestelluno ist die zweip2 = 2· (l-tP( Iz Ij seitige Uberscbreitungsioabrscheinlichleeit
• Zur Entscheidung
I
zu ermitteln.
Das kann
dardnarmalverteilung Funktion
(siehe
Seite
1=2*(l-STANDNORMVERTCABS(
bei in die inneren eingetragen
durch Ablesen
werden
Klammern muss.
in der Tabelle
der Stan-
109) oder
mit Hilfe
der
))1 beschafft
werden,
wo-
der Zahlenwert
der Prufgrofse
z
9.2 Prufung des Erwartungswertes mit groBen Stichproben
9.2.9
113
Entscheidung mit Oberschreitungswahrscheinlichkeiten
• Wird wegen der Gegenhypothese Hilillks: I' < 1'0 die links einseitige Fragestellung behandelt, so ist die Hypothese zugunsten der Gegenhypotbese abzulebnen, wenn die Prufgro'Se z negativ ist und gleichzeitig die einseitige Oherschreitungswahrscheinlichkeit
P, kleiner als
das vorgegebene Signifileaneniueau a ist: Iz 1'0 die rechts einseitige Fragestellung behandelt, so ist die Hypothese zugunsten der Gegenhypothese ahzulehnen, wenn die PrufgrbBe z positiv ist und gleichzeitig
die einseitige Oberschreitungswahrscheinlichkeit
ner als das vorgegebene Signifileariznioeau
a ist:
Iz>o und PI
PJ klei-
Ablehnungl. Die Stich-
probe spricht bei dieser Gegenhypothese signifikant gegen die Hypothese H'T Ist dagegen bei der rechts einseitigen Pragestellung z:50 oder Pj?a, dann gibt es keinen Grund zur Ablchnung der Hypothese H'T • Wird wegen der Gegenhypothese 11j :I'~I'() die zweiseiLige Fragestellung behandelt, so ist die Hypothese zugunsten der Gegenhypothese abzulebnen. wenn die zweiseitige Oberscbreitungsuiabrscbeinlicbkeit
P2 kleiner als etas vorgegebene Signifileanxniueau
Ip
a ist:
Ablehnungl
Die Stichprobe spricht hei dieser Gegenhypothese signifikant gegen die Hypothese H(). Ist dagegen bei der zweiseitigen Fragestellung Pj?a, dann gibt es keinen Grund zur Ablchnung dcr Hypothese Ho'
9.2.10
Beispiel
Vor einer Schule gilt eine Geschwindigkeitsbeschrankung auf 30 km/h. Die Polizei behauptet, dass zu schnell gefahren wird. Der Verband der Autofahrer behauptet aber, dass im Mittel noch langsamer gefahren wird. Die Schuler dagegen meinen, dass dieser 30-km/h-Wert uberbaupt nicht stimmen kann manche fahren schneller, andere wieder langsamer. Ihre Behauptung soli hier die Gegenhypothese liefern - die Schuler formulieren offensichtlich zur Nullbypotbese Ho: 1'=1'0=30die Gegenhypothese HI :I' ~I'o . Daraus ergibt sich, dass es sich hier um eine zweiseitige Fragestellung handelt. Als Signifikanzniveau werden die ublichen funf Prozent festgelegt. An einem Tag wird zufallig die Geschwindigkeit von 100 Fahrzeugen gemessen. Die Messergebnisse werden in den Bereich A2:A101eines Excel-Blattes eingetragen (siehe Bild 9.3). Bild 9.3 Iasst in Zelle 84 erkennen, dass sich mit dieser Stichprobe ein Mittelwert von 29,2 krn/h herausstellt. Rein gefiihlsmiifsig spricht die Stichprobe also gegen die behaupteten 30 krn/h als ublicher Dmchschnittsgeschwindigkeit.
114
9 Parameterprufung mit graBen Stichpraben
Reicht das aber aus, um die Signifikanz des Widerspruchs festzustellen und die Hypothese nach den ubjektiven Regeln der mathematiscben Statistik zugunsten der Gegenhypothese verwerfen zu durfen? Sehen wir uns die beiden Arten der Entscheidungsrechnung
in Bild 9.3 an.
c
c 100 < •• Umfang (n)
I'J
(Behauptung: Der Erwartungswert der Grundgesamtheit ist gr6jler als durch die Nullhypothese vorgegeben.) Zweiseitige Fragestellung: (Behauptung: Der Erwartungswert der Grundgesamtheit ist anders als durch die Nullhypothese vorgegeben)
116
10 Parametertests
10.1.3
mit kleinen
Stichproben
Signifikanzniveau und Stich probe
Fin Signifikanzniveau a muss vorgcgebcn scin, Damit wird die Wahrschdnlichkdt cines Fehlers 1. Art gesteuert: Ein Fehler 1. Art tritt dann auf, wenn die Nullhypothese H()tatsachlich zutrifft, aber aufgrund del' Zufallsstichprobe zu Unrecht zugunsten del' betrachteten Gegenhypothese abgelehnt wird. mit n Stichprobenwerten Umfang der Sticbprobe.
x,;
Eine Zufallsstichprobe heilSt dann
10.1.4
X2,
x;
... ,
wird gezogen.
Die Zahl n
PrOfgroBe
Zucrst bcnotigt
man den Mittclwcrt 1
x
(das arithmctischc
Mittel) del' Stichprobc:
n
x=-2> n
(10.01)
i=1
x
kann
elemental'
beschafft
werden,
berechnet, wobei
Mit del' hekannten
oder
dann
schneller
mit Hilfe del' Excel-Funktion
in die Klammern
Standardahweichung
{T
del' Bereich
berechnet
=MITTELWERT(
del' Stichprobe
einzutragen
anschlieisend
die Prufgrofse
man
ist.
z
nach del' Formel (10.02)
z
=.[;;
x - flo (J'
10.1.5
Quantile fur die Entscheidung mit dem Ablehnungsbereich
Entsprechend
del' gegehenen
dardnormaloerteilung
Fragestellung
beschafft
werden,
mussen
Quantile der StanAblebnungsbereicbe erkennen
nun verschiedene
um die jeweiligen
zu konnen:
zJ
• Links einseitige Fragestellung: Hier wird das buantil benotigt. Es kann aus del' Tabelle der Standardnormaluerteilung ahgelesen (siehe Seite 91) oder mit Hilfe del' Excel-Formel l=sTANDNORMINV( )1 beschafft werden, wobei in die Klammern del' Zahlenwert Einseitige
von a einzutragen
ist.
Fragestellungen:
• Rechts einseitige Fragestellung: Hier wird das buantil Zl_J benotigt. Es kann aus del' Tabelle der Standardnorrnaluerteilung abgelesen oder mit Hilfe von l=sTANDNORMINV( )1 beschafft werden, zutragen Zweiseitige
Fragestellung:
wobei ist.
in die Klammern
del' Zahlenwert
von I-a ein-
• Hier werden die buantile Za/2 und zl_a/2Ibenbtigt. Sie konnen aus del' Tabelle der Standardnormaloerteilung abgelesen oder mit Hilfe von ESTANDNORMINV( in die Klammern tragen
sind.
die Zahlenwerte
)1 beschafft werden,
wobei
von a/2 bzw. 1-a/2 einzu-
10.1 Prufung des Erwartungswertes
10.1.6
und
117
Standardabweichung
Ablehnungsbereiche
• Links einseitige Fragestellung Der Ahlehnungshereich beginnt Za
bei bekannter
erstreckt
sich von
weiter bis in das negative
HI.links
:
1'<Jt():
beim Quantil
dart
nach linles
Unendliche.
• Recht, einseitige Fragestellung HI,rech!s : 1'>l'li Der Ablehnungsbereich beginnt beim Quanti! ZLa
und erstreckt
sich von dort nach rechts
weiter bis in das positive Unendliche .
• Zweiseitige Fragestellung
HI
Quantil
sich von dart nach links weiter bis in das negative
Za/2 und erstreckt
:
I';rfl'o: Der linke Teil des Ablehnungsbereiches beginnt beim Unendliche.
Del' rechte Teil des Ahlehnungshereiches beginnt beim Quantil ZI_a/2 und erstreckt dort nach rechts we iter bis in das positive Unendliche.
10.1.7
sich von
Entscheidung mit Ablehnungsbereich
Fallt die Prufgro'Se Z in den Ablehnungsbereich del' betrachteten Fragestellung, dann ist die Nullhypothese zugunsten der betrachteten Gegenhypothese abzulehnen: Die Zufallsstichprobe spricht bei diesel' Gegenhypothese signifikant gegen die Nullhypothese. Andernfalls gibt es keinen Grund zur Ahlehnung del' Nullhypothese: probe spricht nicht signifikan! gegen die Hypothese.
10.1.8
Berechnung von Oberschreitungswahrscheinlichkeiten
Willig gleichwertig schritten
Die Zufallsstich-
mit den
zur Ermittlung
in den Abschnitten
der objektiv-statistischen
10.1. 5 bis 10.1. 7 geschilderten Entscheidung
Rechen-
ist die Methode der Uber-
schreitungswahrscheinlichkeit. Sie unterscheidet sich nur in der Vorgehensweise von del' Entscheidung miuels Ahlehnungshereichen. Urn diese Methode anwenden zu konnen, wird zuerst in Abhangigkeit von del' jeweiligen Fragestellung eine del' beiden Uberscbreitungswahrscheinlichkeiten benotigt: Einseitige Fragestellung: • Zur Entscheidung bei beiden einseitigen Fragestellunuen ist die einseitige Uberscbreitungsuiabrscbeinlicbleeit i = 1-l1J(Iz I]
Ip
zu ermitteln. Das kann durch Ablesen in der Tabelle del' Standardnormalverteilung Funktion
ren Klammern werden
(siehe
l=l-STANDNORMVERTCABS( muss.
der Zahlenwert
Seite 109) oder
mit Hilfe del'
)1 erfolgen, wobei in die inneder Pri.ifgroBe
z
eingetragen
10 Parametertests mit kleinen Stichproben
118
Zweiseitige Fragestellung:
10.1.9
• Zur Entscheiclung bei zweiseitiger Fragesteilunu ist clie zuieiseitige Uberscbreitungsioabrscbeinlicbleeit = 2*(1-(j)( 1z I] 2 zu ermitteln. Das kann clurch Ablesen in cler Tabelle cler Standardnormalverteilung Csiehe Seite 109) oder mit Hilfe der Funktion 1=2*(l-STANDNORMVERTCABS( ))1 beschafft werden, wobei in die inneren Klammern cler Zahlenwert cler PrufgrciBe z eingetragen werden muss.
Ip
Entscheidung mit Oberschreitungswahrscheinlichkeiten
• Wircl wegen cler Gegenhypothese Hj,links: I' n
00.03)
;=1
x
kann
elemental'
beschafft
berechnet,
werden,
wobei
oder
schneller
dann in die Klammern
Da die Standardabuieichung I
n
n-l
;=\
-2)x;
s=
00.04)
Diese Schdtzung beschafft
ist.
s (die so ge-
_X)2
kann mit Hilfe del' Excel-Funktion
in die Klammern
del' Bereich
Dann wird die Prufgro'Se
t nach folgender
Formel
t
einzutragen
werden:
wobei
(10.05)
del' Stichprobe
ist, muss dafur die Schatzung
ermittelt
fur die Standardabioeicbung
werden,
del' Bereich
jetzt nicht bekannt
Stichprohenstandardalnueichung)
nannte
=MITTELWERT(
mit Hilfe del' Excel-Funktion
del' Stichprobe
einzutragen
=STABW( ist.
berechnet:
,X-Jl o __
= "1/ n
s
10.2.5
Einschub: Die Student'sche t·Verteilung
Bisher
wurde
ublich
und
als Formelzeichen findet
immer
fur die Prufgrofse
dann
Verwendung,
wenn
stets del' Buchstabe zur Bestimmung
z
verwendet.
Er ist
del' Grerizen des Ah-
Iebnungsbereicbes oder zur Berecbnung der beiden Oberschreitungswahrscheinlichkeiten die Standardnormaluerteilung zur Anwendung kommt. Del' Wechsel
des Buchstahens
lig die Quantile benotigt
eincr
anderen
lasst es vermuten
- nun kommt
Verteilungsfunktion,
namlich
die Situation,
in del' erstma-
del' Student'scben
t-Verteilung,
werden.
Die Student'sche
t-Verteilung
teilungsfunktionen,
ist genau
die sich voneinander
genommen
eine
nur in einem
unendliche
Schar
einzelner
Parameter, dem so genannten
Ver-
Frei-
beitsgrad, unterscheiden. In Bild 10.2 sind fur die beiden
Freiheitsgrade
Verteilungsfunktionen
und
he zu diesen
den Ahschnitt
Begriffen
zugehorigen
m=2 und
Dichtefunktionen 6.1 ab Seite 76).
m= 100 die Funktionskurven del' t-Verteilung
dargestellt
del' (sie-
122
-6
10 Parametertests mit kleinen Stiehproben
-5
-4
-)
-2
e
-6
-5
-4
-:3
-2
Bild1O.2: Student'scbe t- Verteilung mit m=2 und m=100 Freibeitsgraden Wie leicht zu sehen ist, besitzt die Funktionskurve jeder t- Verteilung die typische Gestalt des streng symmetrisehen liegenden "S", die schon von del' Normaluerteilung und insbesondere von del' Standardnorrnaloerteilung bekannt ist, (siehe Seite 63 und Seite 75). In del' Tat ist cs so, dass sich die t- Verteilung mit wachscnder Zahl del' Frcihcitsgradc del' Standardnormaluerteilung immer mehr annahert. Nieht zuletzt deshalb durfen ja bei grofsem Sticbprobenumfang benumfang mit beleannter Standardahtoeicbung die Quantile lung verwendet werden.
oder bei kleinem Stichproder Standardnormaluertei-
Bei kleinem Stichprobenumfang und vorausgesetzter normaluerteilter Grundgesamtheit; abel' mit unbehannter Standardahioeicbung, wird abel' nun die t- Verteilung zur Anwendung kommen. Das wird im nachsten Absehnitt genauer erklart, Neu gegenuber dem Bisherigen wird jetzt, dass nun der Umfang n del' (kleinen) Stichprobe fur die Ermittlung von Quantilen und 0berschreitungswahrscheinlichkeiten wichtig wird.
10.2.6
Quantile fUr die Entscheidung mit dem Ablehnungsbereich
Entspreehend del' gegebenen Fragestellung mussen nun versehiedene Quantile einer tVerteilung besehafft werden, um die jeweiligen Ablebnungsbereicbe erkennen zu konnen: Einseitige Fragestellung:
• Links einseitige Fragestellung: Hier wird das buantil ta.mlder t-Vcrtcilung mit m=n-1 Frcihcitsgraclcn bcnotigt. Es kann aus del' Tahelle der t- Verteilung abgelesen (siehe Seite 125) oder mit Hilfe der Excei-Pormel E -TINV( )1 beschafft werden, wobei in die Klammern an die erste Position cler doppelte Zahlenuiert von a (I) einzutragen ist. Reehts neb en dem Semikolon muss die Anzahl der Freibeitsgrade m=n-1 stehen.
10.2 Prufung des Erwartungswertes bei unbekannter Standardabweichung
123
Einseitige Fragestellung:
• Rechts einseitige Fragestellung: Hier wird das buantil tLa.ml del' t-Verteilung mit m=n-l Freiheitsgraden benotigt, Es kann aus del' Tabelle der t- Verteilung abgelesen (siehe Seite 125) oder mit Hilfe del' Excel-FormeIETINV( )1 beschafft werden, wobei in die Klammern an die erste Position del' doppelte Zablenuiert von a (I) einzutragen ist. Rechts neben dem Semikolon muss die Anzahl del' Freiheitsgrade m=n-l stehen .
Zweiseitige Fragestellung:
• Hier werden die buantile ta/2.m und tl_a/2.ml benotigt. Das Quanti! ta/2,m kann aus del' Tabelle der t- Verteilung abgelesen oder mit Hilfe von I~TINV( )1 beschafft werden, wobei in die Klammern an erster Stelle del' Zablenuiert von a einzutragen ist. Das Quantil tLa/2,m kann ebenfalls aus del' Tabelle der t-Verteilung abgelesen oder mit Hilfe von I=TINV( )1 beschafft werden, wobei in die Klammern an erster Stelle del' Zableruoert von a (l) einzutragen ist. Rechts neben dem Semikolon muss stets die Anzahl del' Freiheitsgrade m=n-l stehen.
10.2.7
Ablehnungsbereiche
einseitige Fragestellung HI,links : ,tt,tt(J: Del' Ablehnungsbereich beginnt beim Quantil tl-a,m und erstreckt sich von dort nach rechts weiter bis in das positive Unendliche . • Zweiseitige
Fragestellung
HI:
,tt,r,ttu: Del' linke Teil des Ablebnungsbereicbes
beginnt beim
Quantil ta/2,m und erstreckt sich von dort nach links weiter bis in das negative Unendliche. Del' rcchtc Teil des Ablebnungsbereicbes beginnt bcim Quanti! tLa/2,m und erstreckt sich von dort nach rechts weiter bis in das positive Unendliche.
10.2.8
Entscheidung mit Ablehnungsbereich
Fallt die Pl'lifgl'ol$e t in den Ablehnungsbereich del' betrachteten Fragesrellung, dann ist die Nullbypothese zugunsten der betracbteten Gegenhypothese abzulehnen: Die Zufallsstichprobe spricht bei diesel' Gegenhypothese signifikant gegen die Nullhypothese.
124
10 Parametertests mit kleinen Stichproben
Andernfalls gibt es keinen Grund zur Ablehnung der Nullhypothese: Die Zufallsstichprobe spricht nicht signifikant gegen die Hypothese.
10.2.9
Einschub I: Excel und die Beschaffung der Quantile mit TINV
Offensichtlich sind die Programmierer der Excel-Funktion =TINV( ) davon ausgegangen, dass die zweiseitige Fragestellung am haufigsten auftreten wird - deshalb haben sie TINV bereits so programmiert, dass bei Eingabe des Wertes des Signifikanzniveaus a sofort das Quantil tLa/2,m fur den linken Rand des rechten Teils des Ablebnungsbereicbes bei der zweiseitigen Fragestellung geliefert werden. In Bild 10.3 ist das in der Spalte F deutlich zu erkennen. Der zugehorige Negativwert = -TINV( ) liefert demzufolge mit dem Quantil ta/2,mden rechten Rand des linken Teils des Ablebnungsbereicbes bei der zweiseitigen Fragestellung, in Bild 10.3 in der Spalte E zu erkennen. Fur die Quantile der einseitigen Fragestellungen ta,m bzw. tl-a,m muss deshalb anstelle von a der doppelte Wert 2a in - TINV( ) bzw. TINV( ) an der ersten Position eingetragen werden. Bild 10.3 stellt mit Excel-Formeln und Zahlenwerten zusammen, wie sich mit der Funktion TINV zu jedem Signifikanzniveau a und zu jeclem Freiheitsgracl rn die benotigten Quantile der Student'schen t-Verteilung beschaffen lassen. A
B
C
0
E
F
1
cr.
m
t...
t1~
t...i2
k.12
2
0,1 0,1 0,1 0,1 0,05 0,05 0,05 0,05 0,02 0,02 0,02 0,02 0,01 0,01 0,01 0,01
3
4 5 6 1 8
9
10 11 12 13 14 15 16 17
1
=-llNV(2'A2;B2) =llNV(2'A2;B2) 4 =-llNVIA2;B2) =llNVIA2;B2) 8 /I /I /I 12 /1 /1 /1 16 Formel 4 nac~ unten nac~ unten : nach unten Enten 8 kopieren kopieren kopleren kopieren 12 16 4 8 12 16 4 8 12 16
~'1~'1E'1
~
2
3 4 5 6 7 8 9
10 11 12 13
14 15 16 17
A
B
C
D
cr. 0,1 0,1 0,1 0,1 0,05 0,05 0,05 0,05 0,02 0,02 0,02 0,02 0,01 0,01
m
t...
t1~
4 8 12 16 4 8 12 16 4 8 12 16 4 8 12 0,01 16
om
-1,53321 -1,39682 -1,35622 -1,33676 -2,13185 -1,85955 -1,78229 -1,74588 -2,99853 -2,44898 -2,30272 -2,23536 -3,74695 -2,89646 -2,681 -2,58349
E
t...a
1,53321 -2,1318 1,39682 -1,8595 1,35622 -1,7823 1,33676 -1,7459 2,13185 -2,7764 1,85955 -2,306 1,78229 -2,1788 1,74588 -2,1199 2,99853 -3,7469 2,44898 -2,8965 2,30272 -2,681 2,23536 -2,5835 3,74695 -4,6041 2,89646 -3,3554 -3,0545 2,681 2,58349 -2,9208
F
t1_.12
2,1318 1,8595 1,7823 1,7459 2,7764 2,306 2,1788 2,1199 3,7469 2,8965 2,681 2,5835 4,6041 3,3554 3,0545 2,9208
Bild 10,3: Excel-Formeln fur die Quantile der t- Verteilung
10.2.10
Einschub II: Quantile der t-Verteilung aus Tafeln ablesen
Sehr vielfaltig ist clie Menge cler Tabellen in Lehrbuchern uncl Formelsammlungen, mit cleren Hilfe man - angeblich - schnell und leicht das fur die betrachtete Aufgabenstellung notwendige Quantil Coder die beiden Quantile bei zweiseitiger Fragestellung) ablesen kann. Rild 10.4 auf der nachsten Seite zeigt eine solehe Tabelle, sie ist dem Ruch von [21] entnommen und findet sich aber auch in [2] und anderen Buchern, Sehr hilfreich fur das Herausfinden des passenden Quantils aus einer solehen Tabelle ist die Erinnerung an die Standardnormaluerteilung. Bekanntlich ist die t-Verteilung der Standardnormaloerteilung c[J(x)=N(O,l) sehr ahnlich und nahert sich ihr mit wachsender Zahl der Freiheitsgrade immer mehr an. Insbesondere besitzt die t-Verteilung die gleichen Symmetrie-Eigenschaften wie c[J(x).
10.2 Prufung des Erwartungswertes bei unbekannter Standardabweichung
125
Deshalb findet sich in einer Tabelle der Quantile der t-Verteilung oft in der Spalte fur die Anzahl der Freibeitsgrade ganz unten das Symbol o: - in der zugehorigen letzten Zeile befinden sich dann narnlich die hinreichend bekannten Quantile der Standard normalverteilung. In Bild 10.4 ist gezeigt, wo und wie man die beiden oft verwendeten Quantile Z095 und Z0075 findet. Damit sind gleichzeitig aber die zutreffenden Spalten fur und to,Y75 gefunden, die Zeile ergibt sich jeweils aus der zutreffenden Anzahl der Freiheitsgrade. Arnzahl der F r,e iheit.sg rad e m 1 2 3 4 5 6 7 8 9 1,0 11 12 1J,
14 1S 16 17 1,8 19' 20 :21 22 23:24 2S 26 :27 2,8 29' 30 40 60 120
0,1
0,0:5
0,02
0,01
0,002
0,10011
6,31 2,92 2,35 2,13 2,02 1,94 1,89 1,86 1,83 1,81 1,80 1,78 1,77 1,76 1,75 1,75 1,74 1,73 1,73 1,72 1,72 1,72 1,71 1,71 1,71 1,71 1,70 1,70 1,70 1,70 1,68 1,67 1,66
12,71 4,30 3,1,8 2,7,8 2,57 2,4S 2,,36 2,31 2,26, 2,2:30 2,20 2,1,8 2,16 2,14 2,13, 2,,12 2,,11 2,1'0 2:09' 2,'09' 2,'0,8 2,'07 2,'07 2,'06 2,'06 2,'06 2,'OS 2,'OS 2,'05, 2,004 2' ,'00 1,9,8
31,,82 6,,96 4,54 3,75 3,36 3,14 3,00 2,90 2,82 2,76 2,72 2,68 2,65 2,62 2,60 2,,58
63,66 9,92 5,84 4,60 4,03 3,71 3,50 3,36 3,25 3,17 3,11 3,05 3,01 2,98 2,95 2,,92 2,,90 2,88 2,86 2,85 2,83 2,82 2,81 2,80
318,31 2:2,33 10,21 7,17 5,89 5,21 4,79 4,50 4,30 4,141 4,02 3,93 3,85 3,79 3,73 3,69 3,65 3,61 3,58 3,55 3,53
636,62 31,60 12,n 8,61 6,87 5,96 5,41 5,04 4,78 4,59 4,,44 4,32 4,22 4,14 4,07 4,01 3,97 3,
2:,57 2,55 2,54 2,53 2,52 2,51 2,50 2,49 2,49 2,48 2,47
Bild 10.4: Tafel mit Quantilen der t- Verteilung Es ist leicht zu merken: Wenn man unsicher ist, ob man das richtige Quantil der t-Verteilung gefunden bzw. abgeiesen hat, dann denke man an das entsprechende Quantil der Standardnormaluerteilung. Sind Vorzeichen und Grofsenordnung (aufser fur m1'0 die rechts einseitige Fragestellung bchander Gegenhypothese abzulebnen, wenn die Prufgrofse t
positiu ist und gleichzeitig die einseitige Oberschreitungswahrscheinlichkeit uorgegebene
Signifiharuzniueau
Ist dagegen
a ist:
It>o
und Pj
Ablehnungl.
signifihant gegen die Hypothese
bei dieser Gegenhypothese
PI kleiner als das
Die Stichprobe
spricht
Ho'
bei der rechts einseitigen Fragestellung tsO oder P12a,
Grund zur Ablehnung
127
dann gibt es keinen
Hu'
der Hypothese
• Wird wegen der Gegenhypothese HI ."I';rl'o die zweiseitige Fragestellung behandelt, so ist die Hypothese zugunsten der Gegenhypothese abzulebnen, wenn die zuieiseitige Uber-
schreitungswahrscheinlichkeit
P2 kleiner als das uorgegebene Signifikanenioeau
Ip
Ablchnungl
spricht bei dieser Gegenhypothese
signifikant gegen die Hypothese
bei der zuieiseitigen Fragestellung P22a, dann gibt es keinen
der Hypothese
a ist:
Her
Grund zur Ab-
Hu'
Die Excel·Funktion TTEST fOr schnelle zweiseitige Fragestellung Fall der zweiseitigen
Speziell fur den oft auftretenden
these HI '"I';rl'o stellt Excel die bequeme
Funktion
Fragestellung mit der Gegenhypo-
=nEST(
) zur Verfiigung,
die aus der Stichprobe und dem Hypothesenuiert 1'0 sofort den Wert der UberschreitungsP2 liefert. Dafur muss an erster Stelle zwischen der Bereich der Sticbprobe eingetragen werden.
wahrscheinlichkeit erstem Semikolon Als Besonderheit
bei der Anwendung
nen, dass der Hypothesenwert "zweite Stichprobe
von nEST fur Ein-Stichproben-Tests
flu jeweils neben jeden Stichprobenwert,
mit n gleichen
Werten", einzutragen
Schlieislich folgen noch die Zahlen 2 (fur zweiseitig)
Klammer und
ist zu erwahgleichsam
als
ist.
Der "Bereich mit dern mehrfach eingetragenen Hypothesenwert" und zweiten Semikolon anzugeben (sidle Beispiel auf Seite 128).
ist zwischen
dern ersten
und 1 (fur die Art des Tests)
2 ; 1 )
=nEST( /\
/\
I
I
Stichprobenbereich
10.2.14
offnender
Bereich mit den Hypothesenwerten
Entscheidung mit TTEST
• Wird wegen der Gegenhypothese Hi ."I';rl'u die zuieiseitige Fragestellung behandelt, so ist die Hypothese zugunsten der Gegenhypothese a hzulehnen, wenn der Ergehniswert der Excel-Funktion nEST kleinerals das vorgegebene Signifikaneniueau a ist: InEST( Die Stichprobe
) Ablehnungl
spricht bei dieser Gegenhypothese
signifikant gegen die Hypothese
Her
10 Parametertests mit kleinen Stichproben
128
Ist dagegen bei der zuieiseitigen Fragestellung TTEST(
) 2?a, dann gibt es kei-
nen Grund zur Ablehnung del' Hypothese H.,
10.2.15
Beispiel
Eine Stichprobe vorn Umfang 190,010
n=
°
1 enthalte die folgenden Werte:
190,012190,012190,024190,020
190,012190,014190,012190,022190,0231
Es sei bekannt, dass diese kleine Stichprobe aus einer normaloerteilten Grundgesamtbeit stammt. Zu prufen ist beim ublichen Signifikanzniveau von a= 5% die Nullhypothese uber den Erwartungswert Ho:l'= 1'0=90,018 gegen die Gegenhypothese HI :I';r 1'0 . Es handelt sich folglich hier um die zweiseitige Fragestellung. Da zwar normaluerteilte Grundgesarntheu vorausgesetzt wird, die Standardabioeicbung abel' unbeleanru ist, ist wegen des geringen Umfangs del' Stichprobe del' einfacbe t-Test dieses Abschnitts anzuwenden. Bild 10.5 enthalt sowohl fur die Entscheidungsrechnung mittels Ablehnungsbereich als auch fur die Entscheidungsrechnung mittels Oberschreitungswahrscheinlichkeit die einzutragenden Formeln und die resultierenden Zahlenwerte. c
B
.-- Umfang [n] der Stichprobe .-- Hypothesenwert
laol
.-- Mittelwert (,,) der Stichprobe .-- Stichprobenstandardabweichung .-- PrufgroBe (tl a, dann
gibt es keinen
signifikant gegen die Hypothese
Grund zur Ahlehnung
der Hypothese
III!"
Hoo
140
11 Prufung von Verteilungen
11.1.10
Schnelle Entscheidung mit CHITEST
• Die Hypothese Ho: F(x)=FaCx) ist zugunsten der Gegenhypothese Hi : F(x),,=Fo(x) nen, wenn der Ergebnisuiert der Excel-Funktion CHITESTkleiner als das vorgegebene leanzniueau a ist: ICHITEST( ) Ablehnungl Die Stichprobe spricht bei dieser Gegenhypothese
abzuleb-
Signifi-
signifileant gegen die Hypothese H(r
1st dagegen CHITEST(; ) 2?a, dann gibt es keinen Grund zur Ablehnung der Hypothese Ho Dabei ist in der Funktion CHITESTzwischen offnender Klammer und Semikolon der Bereich einzutragen, in dem sich die Anzahl des Auftretens jedes Merkmalwertes C"tatsachliche Anzahlen") befindet, zwischen Semikolon und scbliefsender Klammer muss dagegen eingetragen werden, in we!chem Bereich der Excel-Tabelle sich die hypothetischen Anzahlwerte bcfindcn.
11.1.11
Beispiel
Beispiel: Fine Stichprobe aus einer diskreten Grundgesamtheit 0, 1, 2, 3 und 4, die in folgender Weise angenommen werden:
Merkmalwert beobachtete Anzahl
hat die funf Merkmalwerte
0
1
2
3
4
131
95
46
20
8
Zu prufen ist die Hypothese, ob hier POISSON- Verteilung mit ..1,= 1 vorliegen kann. Korrekter gesprochen - es muss durch objektive Rechnung gepruft werden, Stich probe signifikant gegen die Hypothese der POISSON- Verteilung spricht.
ob diese
In das Exce!-Arbeitsblatt werden in die Zellen B2 bis B6 die Merkmalwerte und in C2 bis C6 die tatsachlichen Anzahlen eingetragen. In Zelle C7 liefert die Forme! =SUMMECC2:C6) den Umfang der Stichprobe. Die Wahrscheinlichkeiten fur das Auftreten der funf Merkmalwerte mussen nun mit Hilfe der POISSON-Verteilung berechnet werden: Also tragt man (siehe Abschnitt 3.2.3) in die Zelle D2ein =POISSONCB2;1;FALSCH) Mit B2wird der Bezug auf den Merkmalwert hergestellt, die 1 ist der Wert fur A, und FALSCH muss man eintragen, weil ja nicht der Wert der VerteilungsJimktion, sondern nur eine Einzelwahrscheinlichkeit gesucht ist (siehe Seite 47). Entsprechende Eintrage kommen dann nach D3bis D6. Zur Erzeugung der tbeoretiscben Anzahlen =D3*C$7und so weiter.
tragt man in E2 dann ein =D2*C$7,in E3 kommt
Soll die Entscheidung mit Hilfe des Ablebnungsbereicbes nach Abschnitt 11.1.7 oder mit der Uberscbreitungsioabrscbeinlicbleeit gemafS Abschnitt 11.1.9 gefunden werden, dann rnussen in den Spalten Fund G noch die Hilfsgrofsen fur die spatere Summation bereitgestellt werden.
11.1 Prufung einer diskreten Verteilung
141
In der Zelle G7entsteht dann der Wert der PrDfgr61Se./ Bild 11.3 zeigt in den Zeilen 1 his 7 das Vorgehen. A
B
i
Merkmal·
Tatsachliche
wert x;
Anzahl (n;)
E
0
C
P(X=x;)
1 1 0 3 2 1 4 3 2 124 3 5 5 4
131 95 46 20 8 =SUMMEIC2:C6)
1.2.-
I
theoretische Anzahl
theoretische Wahrscheinlichkeit
t
=POISSON[B2;1 ;FALSCl;l) Formel
I nach unten I kopieren
F
[n;.e,)'
G
[n;.e;I'le,
e,=n'PIX=x,) =D2'C$7
A
=(C2-E21'Y
=F21E2
Formel £Gormel l:orme, nac~ unten nac~ unten nac~ unten kopieren kopleren kopieren
t= A
=SUMME[G2:G61
8 9
10 11 12 13 14 15 15 17 18
0.05 =CHIINV(B10:41
die in das jeweilige
Intervall fallen.
Anzahl der Stich-
11.2 Prufung einer stetigen Verteilung mit hekannten Parametern
143
Als nachstes hestimmt man mit der angenommenen Verteilung die theoretischen Wahrscheinlichkeiten, dass die Zufallsgroise einen Wert aus dem Intervall annimmt (vergleiche Abschnitt 4.1 auf Seite 57) und multipliziert die erhaltene Wahrscheinlichkeit jeweils mit der Gesamtzahl nailer Stiehprohenwerte. In Bild 11.5 ist in den drei reehten Spalten das Vorgehen dargestellt:
110"'
Ibis unter
be
0 bac
Mel,e Anz.ahl
lntarvall
Plm;-, ~x<mill =F~I m iI-F~I m i~'I
theo retlsehe Anz.ahl
m,
n,
m2 m3 m4
m2 m3 m4 ms
n2 n3: n4 n",
mo:~x,<m, m,~x<m2 m2~x<m3 m3::~x,<m4 m4:~x:<ms
p" P2 P3 P'4 Ps
,e,=n"IP, ,et=n"IP2 ,e3=n" IP3: ,e4'=n"IP4 ,es=n"IP",
mk-'
mk
n,k
m,k·":~ x< m k
Pk
,e,.= n "IP,k
m~ m,
n
Bild 11.5: Tbeoretiscbe Wahrscheinlichkeiten
und Interuallhaufigleeiten
Es entstehen die Werte e., e2, ... , ek fur die jeweils theoretische Anzahl, mit der die Intervalle belegt wurden, ware die Grundgesamtheit tatsachlich gemajs der Behauptung verteilt. Hinweis: Wenn sich fur eine oder mehrere Klassen eine theoretische Anzahl von weniger als 5 ergiht, rnussen Klassen zusammengefasst und die Reehnung noeh einmal wiederholt werden. Wenn die vermutete Verteilung zutreffen wurde, dann mussten sich fur jedes Intervall ungefabr gleiche Werte fur die tatsdcbliche und die theoretische Anzahl einstellen. Stimmen die Anzahlwerte in dcr drittcn und sechsten Spalte nicht ubcrcin - was aufgrund des Zufalls-Charakters der Stichprobe zu erwarten ist - dann muss anstelle der gefublsmdjsigen Entscbeidung gegen die Hypothese (oder nicht gegen die Hypothese) die objektive Rechnung nach den Regeln der mathematischen Statistik kommen. Dazu muss zuerst die Priifgr6jse i nach der folgenden Formel herechnet werden:
Die Entseheidung wird also wieder mit der i Verteilung zu fallen sein. Die Spezifik der Aufgahenstellung fuhrt aueh hier wieder dazu, dass naeh den Regeln einer rechts einseitigen Fragestellung vorgegangen wird.
11.2.5
Quanti! fOr die Entscheidung mit dem Ablehnungsbereich
Es wird das buantil x'l-a", I der ;/-Verteilung mit m=k-J Freiheitsgraden benotigt. Es kann aus der Tahelle der x'-Verteilung ahgelesen (siehe Seite 133) oder mit Hilfe der Excel-Formel ECHIINV( II beschafft werden, wobei in die Klammern an die erste Position der Zahlenwert von a einzutragen ist. Rechts neb en dem Semikolon muss stets die Anzahl der Freiheitsgrade stehen. Sie ergibt sich hier nach der Formel m=k-J, wohei k die Anzahl der festgelegten Intervalle angiht.
144
11.2.6
11 Prufung
von Verteilungen
Ablehnungsbereich
• Der Ablehnungsbereich
beginnt
beim
Quantil X'l-a,m und erstreckt sich von dort nach rechts weiter his in das positive Unendliche.
11.2.7
Entscheidung mit dem Ablehnungsbereich
X' in den Ablehnungsbereich, dann ist die Nullhypothese zugunsten der Gegenhypothese abzulebnen. Die Zufallsstichprobe spricht dann signifileant gegen
Fallt die Prufgroise die Nullhypothese.
Andernfalls giht es heinen Grund zur Ablehnung der Nullhypothese: probe spricht nicbt signifileant gegen die Hypothese.
11.2.8
Die Zufallsstich-
Berechnung der Oberschreitungswahrscheinlichkeit
Vollig gleichwertig
ist wieder
die Methode der Oherschreitungswahrscheinlichkeit.
Sie unter-
scheidet sich nur in der Vorgebensuieise von der Entscheidung
mittels Ablehnunesbereichen: Zur Entscheidung ist die einseitige Oberschreitungswahrscheinlichkeit Ip,= 1- CHI(x', mj mit Hilfe des Funktionstoertes der X' - Verteilung aus dem Wert der Prufgrofse X' und der Anzahl der Freiheitsgrade
zu ermitteln.
der Zableruoert
)1 erfolgen, wobei an erster Stelle
ECHIVERT(
Das kann mit Hilfe der Excel-Funktion
der Prajgr6j.<eX' eingetragen
werden
muss.
Als zweite Angabe ist die Anzahl der Freiheitsgrade m=k-1 einzutragen.
11.2.9
Entscheidung mit der Oberschreitungswahrscheinlichkeit
• Die Hypothese ist zugunsten wahrscheinlichkeit
der Gegenhypotbese abzulebnen,
IPj Ahlehnungl
spricht bei dieser Gegenhypothese
signifileant gegen die Hypothese
PI 2: a, dann gibt es keinen Grund zur Ablehnung
der Hypothese
H(}.
Ho'
Schnelle Entscheidung mit CHITEST
• Die Hypothese Ho: F(x)=Frlx) ist zugunsten der Gegenhypothese HI: F(x);rr~lx) abzulehnen, wenn der Ergebnisuiert der Excel-Funktion CHITEST kleiner als das vorgegebene Signifilearizruoeau a ist: ICHITEST( Die Stichprobe Ist dagegen these Hu.
) Ablehnungl signifikant gegen die Hypothese
gibt es keinen
Grund
zur Ahlehnung
HQ•
der Hypo-
11.2 Prufung einer stetigen Verteilung mit hekannten Parametern
145
Dabei ist in del' Funktion CHITEST zwischen offnender Klammer und Semikolon del' Bereich einzutragcn, in dcrn sich die Anzahl dcr im Intcrvall bcfindlichcn Stichprobcnwcrtc C"tatsachliche Anzahlen") befindet, zwischen Semikolon und scbliejsender Klammer muss dagegen eingetragen werden, in welchem Bereich del' Excel-Tabelle sich die hypothetischen Anzahlwerte befinden.
11.2.11 Beispiel Die Eintragungen in dem Arheitshlatt von Bild 11.6 zeigen, wie die 200 Werte einer Stichprohe uber den Bereich von 60 his 160 verteilt sind. Es ist zum Signifikanzniveau a=0,05 zu prufen, ob diese Stichprohe signifikant del' Hypothese widerspricht, dass die Grundgesamtheit normaluerteilt ist mit dem Erwartungswert #= 100 und del' Standardahweichung 0"=20. Korrekter gesprochen - es muss durch ohjektive Rechnung gepruft werden, oh diese Stichprohe signifieant gegen die Hypothese der Normaluerteilung spricht. A von
B Ibis untar
1 2
6'0
3
:10
4
80
5
90
6
1()0
10 :80 90 100 1110
I
110
BO
8
12:0 130
13'0 140
9
10
C Ibe 0 ba chtete
AnLahlln;1 2:
1~ 30 44 52
2~ 20 12
2001
Bild 11.6: Stichprobe aus (tnelleicht/) normaluerteilter Grundgesamtbeit In das Excel-Arbeitsblatt werden in die Zellen A2 bis A9 die linken Intervallgrenzen und in B2 his B9 die rechten Intervallgrenzen sowie in C2 his C9 die tatsachlichen Anzahlen eingetragen. Das Abzahlen kann dabei mittels des Excel-Werkzeuges HISTOGRAMM erfolgen (siehe Abschnitt 5.3.4 auf Seite 70). In Zelle C10 liefert die Formel =SUMME(C2:C9)
dann den Umfang del' Stichprobe. Die Wahrscheinlichkeiten fur das Auftreten del' funf Merkmalwerte mussen nun mit Hilfe del' Nonnalverteilung mit den gegehenen Parametern #= 100 und 0"=20 herechnet werden. Also tragt man (siehe Ahschnitt 5.1 auf Seite 64) in die Zelle D2 ein =NORMVERT(B2;100;20;WAHR)-NORMVERT(A2;100;20;WAHR)
Mit B2 bzw. A2 wird del' Bezug auf die linke und rechte Intervallgrenze hergestellt, die 100 ist del' Wert fur #, die 20 steht fur 0; und WAHR muss man eintragen, weil nun del' Wert der Verteilungsfunktion gesucht ist (siehe Seite 66). Durch Kopieren werden anschliersend die Eintrage kommen in D3 his D9 erzeugt. Zur Erzeugung del' theoretischen (bypotbetiscben) Anzahlen tragt man anschlieisend in E2 die Formel =D2*C$10 ein, nach E3 kommt =D3*C$10 usw.
146
11 Prufung von Verteilungen
Bild 11.7 zeigt die Formeln his zum Entstehen der Priifgr6jle X'. Bild 11.8 enthalt dazu die Formeln fur die Entscheidungsrechnung mit Hilfe von Prufgr6jle und Quantil, mit Hilfe der Uherschreitungswahrscheinlichkeit sowie mit Hilfe der Excel-Funktion CHITEST. Bild 11.9 schlieislich liefert die zugehorigen Zahlenwerte: A
B
von
bis unter
C
E
D
beobaehtete
hvpothetlsche
hvpolhelische Wohrseheinlichkeil
Am'ohl In;)
F
G
lnj-ef
Anzohlle;1
~ni-eifI
Eli
1
--4- 60 ..l.. 70 ---t- 80 ~ 90 ~ 100 110
10 80 90 100 110 120 130 140
--J- 120 ~9
10
130
~NORMVERTIB2;100;20;WAHRI-NORMVERTIA2; I 00;20;WAHR~U2'C$10 ~~~F2IE2 J d -V/ Formel Formel -(Formel vrormel / nach unlen nach unten nach unlen nac~ unlen kopleren l kopieren kopieren Jkopieren J
2 15 30 44
1
52 25 20 12 ~SUMMEIC2:C9
I
I
ft
t§
~SUMMEIG2:G9
I
Bild 11.7: Formeln his zur Pru/gr6jse B
A
12 =G10 13 0,05 14 =CHIINV(A13;7)
Ablehnungl
Die Stichprobe spricht bei dieser Gegenhypothese
signifikant gegen die Hypothese Hi;
Ist dagegen bei der ztoeiseitigen Fragestellung P2?a, dann gibt es keinen Grund zur Ablehnung der Hypothese Hi;
14.2.10
Beispiel
Es liegen zwei verbundene Stichproben vor: (3/4). (1/3). (1/1). (3/0), (9/5), (5/6). (7/8). Sie werden in die Spalten A und B einer Excel-Tabelle eingetragen, anschlieJSend wird wie beschrieben vorgegangen. Die Hypothese wird also nicht zuruclegeunesen. Die beiden (sehr kleinen) Zufallsstichproben deuten also trotz des beachtlichen Wertes des empirischen Korrelationskoeffizienten im Sinne der objektiven Rechnung der mathematischen Statistik nicht darauf hin, dass die Hypothese uorn Fehlen linearen Zusammenbanges zwischen den beiden Grundgesamtheiten infrage zu stellen ist. A B
C Yr) ,,,., (x'" y) vom Umfang KorrelationskoeJfizient sei nahe 1 oder -1, so dass lineare Regression denkbar ist.
11.
Der
Dazu werden die Bestanteile der zweidimensionalen Stichproben, die aus der Grundgesamtheit stammt, die die Einflussgrofsen liefert, ublicherweise mit x., ... x; bezeichnet. Die Stichprobe Yh ... Yn bezeichnet dann abhdngige Werte. Foiglich harte die Regressionsgleichung die Form Y=a+hX. Den (unbekannten) Zahlenwert a bezeichnet man als Achsenahschnitt, den Zahlenwert h als Steigung. Achsenabschnitt a und Steigung b sollen gepruft werden. Dabei wird allgemein keine Prufung auf einen bestimmten Hypothesenwert vorgenommen, sondern es wird nur grundsatzlich danach gefragt, ob die Stichproben signifikant dagegen sprechen, dass a bzw. h den Zablenuiert Null annehmen konnten. Denn der Fall a=O wurde bedeuten, dass die Regressionsgerade durch den Achsenschnittpunkt verlauft, wahrend b=O auf eine Regressionsgerade schlieisen liege, die parallel zur waagerechten Achse verliefe (siehe z. B. in [12] )
15.2.2
Hypothesen, Gegenhypothesen und Fragestellungen
Wir gehen von der Nullhypothese H(): a=O aus. Damit wird behauptet, dass der Achsenabschnitt verschwindet, die Regressionsgerade verlauft durch den Achsenschnittpunkt. Fur die Gegenhypothese gibt es nur die zuieiseitige Fragestellung: IHI
a,rO
I
15 Prufung der Regressionsparameter
168
Weiter gehen wir von der Nullbypotbese Regressionsgerade waagerecht verlauft,
Ho: b=O aus. Darnit wird behauptet, dass die
Flir die Gegenhypothese gibt es auch hier nur die zuieiseitige Fragestellung: IHI
15.2.3
b,.=OI
Signifikanzniveau und Stich probe
Ein Signifikanzniveau a muss vorgegehen sein. Darnit wird die Wahrscheinlichkeit eines Fehlers 1. Art gesteuert: Ein Fehler 1. Art tritt dann auf, wenn die Nullhypothese Ho tatsachlich zutrifft, aber aufgrund der zweidimensionalen Zufallsstichprobe zu Unrecbt zugunsten der betrachteten Gegenhypothese abgelebnt wird. Eine zweidimensionale Zufallsstichprobe mit n Stichprobenpaaren gezogen. Die Zahl n heifst dann Umfang der Sticbprobe.
15.2.4
(XI, Y/), ... ,(x",
y) wird
Schnelle Ermittlung der Uberschreitungswahrscheinlichkeiten
Anstelle aufwandiger Detailrechnungen sollte fur diese Aufgahenstellung das leistungsfahige Excel-Werkzeug REGRESSION benutzt werden. Es liefert, richtig bedient, nicht nur sofort den empiriscben Korrelationsleoeffizienten sowie Acbsenabscbniu und Steig u ng, sondern unter der Uberschrift P-Wert auch die heiden henbtigten zuieiseitigen Uberscbreitungsioahrscbeinlicbkeiten. Die Bedienung des genannten Werkzeugs wird im Beispiel auf Seite 170 ausfuhrlich vorgefuhrt.
15.2.5
Entscheidung mit Uberschreitungswahrscheinlichkeiten
• Wird wegen der Gegenhypothese HI : a"=Odie zweiseitige Fragestellung behandelt, so ist die Hypothese zugunsten der Gegenbypotbese abzulebnen, wenn die zuieiseitige Uberschreitungsuiabrscbeinlichkeit
P2 hleiner als das oorgegebene Signifikanznioeau a ist:
Ip P2 : Der Ablebnungsbereich beginnt beim Quantil Zl_a und erstreckt sich von dart nach rechts weiter bis in das positive Unendliche . • Zuieiseitige Fragestellung Quanti!
Za/2
HI,: PI FP2:
Der linke Teil des Ablehnungsbereicbes
und erstreckt sich von dort nach links weiter bis in das negative Unendliche.
Der rechte Tei! des Ablebnungsbereiches beginnt beim Quanti! dort nach rechts weiter bis in das positive Unendliche.
17.1.7
beginnt beim
Zl-a/2
und erstreckt sich von
Entscheidung mit Ablehnungsbereich
Fallt die Prufgrofse Z in den Ablehnungsbereich der betrachteten Fragestellung, dann ist die Nullbypothese zugunsten der betracbteten Gegenhyputhese abzulebnen. Die Zufallsstichproben sprechen bei dieser Gegenhypothese signifileant gegen die Nullhypothese. Andernfalls gibt es keinen Grund zur Ablebnung der Nullhypothese: Die Zufallsstichproben sprechen nicht signifikant gegen die Hypothese.
17.1.8
Berechnung von Oberschreitungswahrscheinlichkeiten
Urn diese Methode anwenden zu konnen, wird zuerst in Abhangigkeit von der jeweiligen Fragestellung eine der beiden Oberschreitungswahrscheinlichkeiten benotigt: Einseitige Fragestellung:
• Zur Entscheidung bei beiden einseitigen Fragestellunuen ist die einseitige Oherschreitungswahrscheinlichkeit IP = l-cP( z I] zu ermittcln. Das kann durch Ablcsen in der Tabelle dcr Standardnormalvertei!ung (siehe Seite 109) oder mit Hilfe der Funktion E1-STANDNORMVERT(ABS( ) )1 erfolgen, wobei in die inneren Klammern der Zahlenwert der Prufgrofse z eingetragen werden muss. j
Zweiseitige Fragestellung:
1
• Zur Entscheidung bei zuieiseitiger Fragesteilunu ist die zuieiseitige Oberschreitungswahrscheinlichkeit 2 = 2· (l-(j)( Iz I] zu ermitteln. Das kann durch Ablesen in der Tabelle der Standardnormalverteilung (siehe Seite 109) oder mit Hilfe der Funktion 1=2*(l-STANDNORMVERT(ABS( ))1 beschafft werden, wobei in die inneren Klammern der Zahlenwert der PrufgrciBe z eingetragen werden muss.
Ip
17 Parametervergleiche nicht verbundener Stichproben
184
17.1.9
Entscheidung mit Oberschreitungswahrscheinlichkeiten
• Wird wegen der Gegenhypothese HVinks: PIo und Pj Ablehnun~. Die Stichproben spre-
chen bei dieser Gegenhypothese significant gegen die Hypothese Ho. Ist dagegen bei der rechts einseitigen Fragestellung z:50 oder PI2:a, dann gibt es keinen Grund zur Ablehnung der Hypothese Hu
.
• Wird wegen der Gegenhypothese HI : PI,rP2 die zweiseitige Fragestellung behandelt, so ist die Hypothese zugunsten der Gegenhypothese abzulebnen, wenn die zweiseitige Oberschreitungswahrscheinlichkeit
P2 kleiner als das uorgegebene Signifileariznioeau. a ist:
IP Ablehnungl 2
Die Stichproben sprechen bei dieser Gegenhypothese signifikant gegen die Hypothese Ho. Ist dagegen bei der zweiseitigen Fragestellung P/2:a, dann gibt es keinen Grund zur Ablehnung der Hypothese H().
17.1.10
Beispiel
In einer Fabrik wird parallel an zwei Maschinen das gleiche Produkt gefertigt. Bei einer Maschine ergab eine Stichprobe vom Umfang 1000 einen Ausschussprozentsatz von 2,5 Prozent, bei der anderen Maschine zog man 800 Proben und erhielt 4,5 Prozent Ausschuss. Spricht diese Situation gefiihlsmdjsig bereits gegen die Hypothese, class beide Maschinen die gleiche Ausschussquote haben. Aber spricht sie auch signifikant dagegen? Das kann nur die objektiue statistische Rechnung beantworten. Hier liegt also die zuieiseitige
Fragestellung vor. Das Signifikanzniveau sei a=O, 05.
Bild 17.1 zeigt eine Excel-Tabelle, in der wieder beide Arten der statistischen Entscheidungsrcchnung vorgcfuhrt sind. In den Zellen A6 und A7 werden zuerst die Hilfsgro'Se P* und die Prufgrofse z berechnet. Die Zeilen 9 bis 11 beschreiben mit den beiden passenden Quantilen den zweiteiligen Ablehnungsbereich.
17.2 Vergleich von Erwartungswerten groJSerStichproben
185
Da die Prufgrofse z weit im linken Teil des Ablehnungsbereicbes liegt, ist die objektive Entscheidung offensichtlich: Die Hypothese ist zugunsten der Gegenhyputhese abzulehnen. A 1
B
2 2,5 J
800
4
4,5
A
112 die rechts einseitige Fragestellung behandelt, so ist die Hypothese zugunsten der Gegenbypotbese abzulebnen; wenn die Prufgroge z positiu ist und gleichzeitig die einseitige Oberschreitungswahrscheinlichkeit PI kleiner als das vorgegehene Signifikanzniveau proben sprechen bei dieser Gegenhypothese
a ist:
Iz>o und Pj Ahlehnungl. Die Stich-
signifikant gegen die Hypothese Ho.
17.2 Vergleich von Erwartungswerten
groJSer Stichproben
189
Ist dagegen bei der recbts einseitigen Fragestellung z:50 oder P/2:a, dann gibt es keinen Grund zur Ablehnung der Hypothese H,r • Wird wegen der Gegenhypothese H] : II] ~1I2 die zweiseitige Fragestellung behandelt, so ist die Hypothese zugunsten der Gegenhypothese abzulehnen, wenn die zweiseitige Uberschreitungswahrscheinlichkeit
P2 kleiner als das uorgegebene Signifilean znioeau a ist: Ip/a => Ablehnungl
Die Stichproben sprechen bei dieser Gegenhypothese Ist dagegen bei der zweiseitigen
signifikant gegen die Hypothese
H(r
Fragestellung P]2:a, dann gibt es keinen Grund zur Ab-
lehnung der Hypothese Ho.
17.2.10
Beispiel
In einer Fabrik wird parallel an zwei Maschinen die gleiche Konservenabfullung betrieben. Die erste Maschine liefert bei einer Stichprobe von 100 Stuck ein durchschnittliches Fullgewicht von 478 mg. Die andere Maschine liefert bei einer gleicbgrofsen Sticbprobe durchschnittlich 485 mg. Bekannt sei, dass die beiden Maschinen ungefahr mit gleicher Qualitat produzieren, darf gleicbe Standardabuieicbung angcnornmcn worden. Die beiden Stichproben
allerdings lieferten die unterschiedlichen
ben-Standardabuieichungen von s]=25bzw.
(ernpirischen)
also
Stichpro-
s2=27.
Darf man mit a=0,05 behaupten, dass ungleich abgcfullt wird? Rein gcfuhlsmarsig mochtc man "ja" sagen. Aber was sagt die objektiue Entscbeidungsrechnung nach den Regeln der matbematischen Statistik ?
1
100
2
478
J
25
4
100
5
485
6
27
A
B
A
112 die rechts einseitige Fragestellung behandelt, so ist die Hypothese zugunsten der Gegenhypothese abzulebnen, wenn die PrufgrbBe z positiv ist und gleichzeitig die einseitige Oberschreitungswahrscheinlichkeit
P, klei-
ner als das oorgegebene Signifileariznioeau a ist: Iz>o und PI Ablehnungl. Die Stichproben sprechen bei diesel' Gegenhypothese signifikant gegen die Hypothese H(r Ist dagegen bei del' rechts einseitigen Pragestellung z50 oder P]~a, dann gibt es keinen Grund zur Ablehnung der Hypothese IIo' • Wird wegen del' Gegenhypothese II] :II] ~1I2 die zuieiseitige Fragestellung behandelt, so ist die Hypothese zugunsten der Gegenhypothese abzulebnen. wenn die zweiseitige Oberschreitungswahrscheinlichkeit
P2 kleiner als das uorgegebene Signifieanxniueau
a ist:
Ip Ablehnungl 2
Die Stichproben sprechen bei diesel' Gegenhypothese signifikant gegen die Hypothese HI)" Ist dagegen bei del' zweiseitigen Fragestellung P]~a, dann gibt es keinen Grund zur Ablehnung der Hypothese H(r
17.3.10
Beispiel
Gegeben seien zwei Stichproben - die erste vom Umfang n)=20, die zweite vom Umfang n2=40. Es sei bekannt, dass sie aus norrnaluerteilten Grundgesarntbeiten seien auch beide Varianzen
stammen. Bekannt
(d.h. also die Quadrate der Standardabweichungen):
0/=3
und 0-/=5. Bild 17.3 zeigt, wie man elemental' auch dann in einer Excel-Tabelle die notigen Rechnungen veranlassen kann, wenn die Stichproben in den Spalten A und B eingetragen sind. Der
17 Parametervergleiche nicht verbundener Stichproben
194
Aufwand halt sich trotzdem in Grenzen - man muss lediglich die Urnfange eintragen und die Formeln fur die Mittelwerte an die richtigen Stellen setzen:
c
D
112 die rechts einseitige Fragestellung behandelt, so ist die Hypothese zugunsten der Gegenhypothese abzulehnen, wenn die PrufgrolSe t positiv ist und gleichzeitig
die einseitige Oberschreitungswahrscheinlichkeit
ner als das uorgegebene Signifileaneniueau ben sprechen
bei diesel' Gegenhypothese
Grund
a ist: It>o und PILeipzig: Teubner Verlag 1997
[15]
Ortseifen C.: Der SAS Kurs. Bonn e. a.: Thomson Publishing 1997
[16]
Papula L.: Matbematile f ~ r Ingenieure und Naturwissenscbaftler. Band 3: Wiesbaden e. a.: Vieweg Verlag 2001
[17]
Sahner H.: ScblieJgende Statistile. Stuttgart e. a.: Teubner Verlag 1990
[18]
Schweitzer, U.: Messdatenanalyse mit EXCEL. Poing: Franzis Verlag 2001
[19]
Sedlmeier P., K6hlers D.: Wabrscl'Jeinlicbleeiten im Alltag. Braunschweig: Wester mann Schulbuchverlag 2001
222
Weiterflihrende
und vertiefende
[20]
Sonje D.: SPSS/PCfur Einsteiger. Stuttgart e. a.: Teubner-Verlag
[21]
Storm, R.: Wahrscheinlichkeitsrechnung, Qualitdtslzontrolle. Leipzig: Fachbuchverlag
matbematische
Literatur
1991
Statistik und statistische
2001
[22]
Triola, M.F.: Elementary Statistics using Excel. Boston e.a.: Addison 2001.
[23]
Zofel P.: Statistik fur 2003
[24]
Zofel P.: Statistik uersteben. Munchen
[25]
Zwerenz,
Wirtschaftswissenschaftler.
Munchen
e. a.: Addison-Wesley
K.: Statistik uersteben mit Excel. Munchen:
Wesley Longman
e. a.: Pearson
Education
2002
Oldenbourg-Verlag
2001
Sachwortverzeich nis 3s- Beclingung - Bereich
69
Anrufe
68
3a-Grenzen
Anschnallquote 63
- Regel der Normalverteilung
78
A 79, 90
Abhangigkeit -, line are
105, 153
Anteilwert,
89
Ablehnung
Ablehnungsbereich
Ablesen
107, 113, 118
88, 89, 92, 94, 106
von Quantilen
Absolutwerte
-schnittpunkt
43
Zufallsexperimente
- Zufallsgrojse
18, 24, 38
105
- zufallige Ereignisse
18
24, 30, 35
- -, Verteilungsfunktion
28
Ankunfts-Modelle
212
Arten von Zufallsexperimenten
27, 38
sichere
81
23, 103 53, 184
184
Basis fur verlassliche
Aussagen
Bedeutung
cler Glockenkurve
Befragung
82
beobachteter
Prozentsatz
Beobachtung
zweier
Berechnung
83 75
19 92
Merkmale
152
Berechnungsvorschrift Grunclgesamtheit
115
104
cler PrlifgrbEe
- - Vergleichstabelle
40
Annahme normalverteilter
18, 23
85
Beobachtungswerte
42
der Statistik
110
-, zufallige 51, 63, 82
170
of variations
AN OVA 212,217
Mittel
Begriff der Wahrscheinlichkeit
36
ANALYSE-FUNKTIONEN
61)
B
167
- Grunclgesamtheit
Anliegen
arithmetisches
-quote
Achsenbeschriftung
analysis
137,143,145
-prozentsatz
167
148
138
Ausschuss
167
167
Alternativfall
145
Aussagen,
92
Achsenabschnitt
alternative
-, hypothetische
Auspragungen
79
ACIISENABSCIINITT
-, Prufung
Parameter
Auftraggeber
95
122, 134, 141
- zu schatzender
a-priori-Informationen
174 cler Hypothese
-, geteilter
Prufung
der Freiheitsgrade
-werte
164,174
-, nichtlineare
97, 99
-, theoretische
173, 179
39
Anteil, prozentualer
Anzahl
a - Quanti!
pro Minute
92
175 fur Prufgrofse
Beschaffung
von Quantilen
- mit CHIINV
133
80
92
224
Sachwortverzeichnis
Beschaffung
mit FINV
von Quantilen
206
- mit STANDNDRMINV 91 - mit TINV
Statistik
82, 103
Achse
Element
45, 52
67
Elementarereignis 98, 100
-, gunstiges
beurteilende
Statistik
84, 89, 103
empirische
- -, Strategic
85 152
statistischer zufalliger
Ereignisse
20
48, 50, 54 59, 63
- der POISSON-Verteilung
52
Bild einer Verteilungsfunktion Bild von N(Il,cr) mit Excel
- mit
127,161
Uberschreitungs-
33, 35, 36 61
47, 49, 53
- durch
berechnungen
40 17
2
X -Anpassungstest
137, 142, 147
204
- Kontingenztest
174
129,179
- U nabhangigkeitstest - Verteilung Einflussgrofse
21
-, unmogliches
19
174
130,138,143,144,148 163, 167, 169
40
90, 146
-, sicheres
- Funktion
20
Entscheidungsprozesse
-trager
c
174
Wahrscheinlichkeits-
-rechnung 50, 52
108, 113
- tiber Unabhangigkeit
Ereignis
Casanova
209
oder Abhangigkeit
-, Bild 48
- Test
- mit FTEST
88, 131, 166
140, 144, 149, 179
wahrscheinlichkeiten
39, 42, 47
- der Binomialverteilung
BINOMVERT
93, 98
- mit TTEST
22
Bild der Binomialverteilung
Binomialverteilung
149, 158
- mit GTEST 119
Ereignissen
- der Normalverteilung
21
Standardabweichung
- mit CHITEST
zwischen
zufalligen
104
- mit Ablehnungsbereichen
81
24
21
Entschcidung
- -, zweidimensional
Summe
der Stichprobe
Betrag der Prufgrotse
Beziehungen
34
-wahrscheinlichkeiten,
Schatzungen
Bewertung
151
-wahrscheinlichkeit
der
waagerechten
Beweis,
100, 107
Einzelstichprobe
beschreibende
beste
Uberschreitungs-
wahrscheinlichkeit
124
Beschriftung
einseitige
-, zufalliges
21 17,18,21
Ereignisse,
gleiche
-, Produkt
22
-, Summe
22
22
-, zufalligc 47 Erfassungsmaske HISTOGRAMM 71
des Werkzeugs
Sachwortverzeichnis
225
Erfolgswahrscheinlichkeit,
Ergebnis cler Entscheiclungsrechnung Erwartungswert
74, 75, 110, 115, 120
- cler Normalverteilung -, Prufung
Excel-Funktion VARIANZ
mittlere 48 93
Exce!-Werkzeug ANOVA 217 - HISTOGRAMM 71,145
115, 211
- von mehr als zwei Stichproben -, Ubereinstirnrnung -, Vergleich
211
F- Verteilung
185, 190, 195
Fehlentscheiclungen
FINV
Excel-Funktion ACHSENABSCHNITT
167
Flacheninhalt
50
131, 133 140,141,144,146,147,179
- CHI VERT 134, 149 - FINV
204, 206, 214
84
204, 206, 214
134
- CHITEST
39
Fehler 1. Art 86,105,110,116,121,129
124
- fur Quantile der l-Verteilung
- BINOMVERT
203
Familien von Zufallsexperimenten
47
Excel-Formeln fur Quantile der t-Verteilung
F
212
Excel fur Sprunghohen
- CHIINV
168
- REGRESSION
65, 67, 68
130
77, 91
- unter der Glockenkurve Forme! des
76
empirischen
Korrelationskoeffizienten
165
- fur clie Wahrscheinlichkeit, Fragebogenaktion
klassisch
211
- FTEST 208
Fragestellung, links einseitige
- FVERT 207, 215
-, rechts einseitige
- GTEST 118
-, zweiseitige
95,99,162,
- KORREL 164, 173
Freiheitsgracl
121, 130, 143,203,207,215
67, 110, 116
- MITTELWERT
89, 97
94,98, 143 199,201,208
-, Anzahl 122,149, 147, 148
- NORMINV 80
Freispruch, Mangel an Beweisen
- NORMVERT 61, 66, 75, 78
F-Test 202, 209
- POISSON 44
FTEST 208
- STABW 67, 111, 130, 196, 202
Fullgewicht, clurchschnittliches
- STANDNORMINV 80, 94, 106
Funktionskurve
- STANDNORMVERT 79
- cler Stanclarclnormalverteilung
- STEIGUNG
167
- SUMME 176 - TINV
122, 124
- TTEST
127, 161, 162, 199
- TVERT
126, 160
21
Funktionswert
189
cler Normalverteilung
einer Verteilungs-
funktion 33 FVERT 207,215
F-Verteilung
84, 87
203
90
60
226
Sachwortverzeichnis Gruppenbildung
G
-kennzeichen
GauG, Carl Friedrich 72 185, 190
85, 87, 88, 89
GTEST
42
118
Gute von Schatzungen 67
gcpaartc Stichprobcn 152, 161 Gesamtdurchschnitt
-mittelwerte 213 -summen 213
genaue Werte fur die Wahrscheinlichkeiten
212
-kennzeichen der Stichprobe 212
Gauss-Test 105,110,153,181, Gegenhypothese
218
Gutekontrolle eines Betriebes 53
213
H
Gesamtheit 83 Gesamtsumme 213 Gewinnwahrscheinlichkeit
Haufigkeit, relative 20
20
Gleichheit der Erwartungswerte - der Standardabweichungen
157, 162
Herstellung der Kreuztabelle 175
195
HISTOGRAMM 145
- der Varianzen 195, 209
Histogramm 69, 70, 75
Glockenform 68, 72
- der Stichprobe 68, 72
Glockenkurve 72, 73, 91
-, Glockenform 72
-, Flacheninhalr unter der 76
Hypothese 84, 85, 88, 93, 95, 96, 97
Graph der Binomialverteilung 48, 54
- der Gleichheit der Erwartungswerte 216
- - POISSON-Verteilung 40 Graph einer Verteilungsfunktion 34, 35
Grenzen des Ablehnungsbereiches Grenzwerte der Verteilungsfunktion
94 34
- verwerfen 84 - von der Unabhangigkeit
176
-, Ablehnung 87
grofsc Stichprobcn 89,105,110 81,83,84,
- der Normalverteilung 145 - der POISSON-Verteilung 140
Grenzen des 3s-Bereiches 69
Grundgesamtheit
Haufigkeitstabelle der Stichprobe 137
103, 104
-, unklar 150 Hypothesen-Prozentsatz
-, alternativ 105,153,181
92
-wert 98, 118
-, diskret 137,175 -, Eigenschaften 163 -, normalvcrtcilt 68, 104, 120, 145, 150 -, stetig 142,147,185
induktive Statistik 84
,zweidimensional
Interessen des Auftraggebers 86
167, 174
Intervall [~-3a,W3a]
- mit gleichen Varianzen 216 - mit gleicher Standardabweichung Gruppen
211, 212
185
63
Intervalle 143, 148, 175 -grenzen 142
Sachwortverzeichnis
227
Intervallhauflgkeiten
143
-wahrscheinlichkeiten Inverse
lineare
57, 59, 68, 74, 77
der Standardnormalverteilung
Irrtumswahrscheinlichkeit
95
86, 179
Regression
linearer
Zusammenhang
Liniendiagramm -grafik
Kenngrofsen Klassen
einer Stichprobe
-grenzen
massenhafte
Klassifizierung klassische
- Formel
zufalliger
Ereignisse
Durchfuhrung
18
der einfachen
Kontlikt
durch
Zahlen
zwischen
21
23
Totalerhebung
Merkmal
103, 104
104
-wert
17, 36, 47, 104, 105
-werte
mit Wahrscheinlichkeiten
Messfehler
und
81, 84
-reihen
Konservenabfullung
189
Messung,
-test
Kbrpergewicht KORREL
-, Begriff
-wert
175, 176, 178
F-Wert
220
Kurve der Normalverteilungsfunktion
104
110,116,121
67, 110, 116, 164 der Differenzen
- der Stichprobe 163, 164
158
104
mittlere
Erfolgswahrscheinlichkeit
Munze
17
-wurf
112
67, 110, 116, 121
Mittelwert
163
Kreuztabelle
48
17,20,24,29
59
N
L Laplace
der
MITTELWERT
163, 168, 173
165
-, Prufung
kritischer
23, 173
-, arithmetisches
163, 167, 169
163
-, empirischer
23
Mittel der Stichprobenwerte
Korrelationskoeffizient
-, Null
zufallige
Dberschreitungswahrscheinlichkeit
17
164, 173
-, Formel
173
Methode
174
38
115
Messwert
175
eines
84
23, 42
Zufallsstichprobe
Kontingenztafel
89
20
Mautstelle
-trager
216
fur die Wahrscheinlichkeit
Kodierung
Wiederholung
Massenproduktion
142
Variationsanalyse
Fragestellung
Zufallsexperiments
143
70,72,
62
M
69
70, 138
- zusammenfassen
163
45
links einseitige
K
167
N(!l,a)-verteilte 21
Normalitat
41
Zufallsgrofse
62, 63
228
Sachwortverzeichnis
normalverteilte
Grunclgesamtheit
- Zufallsgroise
61,63,75
- Zufallsgroisen,
63
erkennen
Stichproben
65
POISSON-Verteilung
-, Funktionskurve
60, 78
-, Graph
59
-, Pararneterschatzung
66
-, Standarclabweichung
66
N ormalverteilungsfunktion NORMINV
-, Parameter
Ie 42
Prasentation
von Daten
Produkt
80
Nullhypothese
-satz
85, 105, 108, 110, 115
105
-, beobachteter
92
92
Prufgrofse
Original-
en zufalliger
Ereignisse
und Vergleichstabelle
22 178
70
88,92,96,97,98,99,105,111
- und Ablehnungsbereich Prufung
- der Regressionsparameter
Parameter
- cler Binomialverteilung
- der Normalverteilung - einer Verteilung Parameter
- des Anteilwertes
59
89, 92, 94, 97, 99, 105 110,115,
- des Korrelationskoeffizienten
Parameter
J.l der Normalverteilung
Parameter
o 60
-, unbekannte
167
- des Erwartungswcrtes
147
- einer diskreten
42, 66
-, bekannte
142, 147
- des Achsenabschnitts
48
Ie 42
-, Schatzung
129, 135
- der Verteilung
130, 203
167
167
- der Varianz
152
173
181
- cler Steigung Paare
88
auf Unabhangigkeit
- der Anteilwerte
p
22
182
Prufbedingung
Operation
81
von Ereignissen
-werte
o
140
21
Prozentangaben
NORMVERT 61, 64, 75, 78
39,42,
40
probabilitc 75
175
44, 140
-, Erwartungswert
-, Parameter
153
Pivot -Tabellen-Assistent POISSON
68
nicht verbunclener
181
- verbundener
59, 74, 80, 115, 122
- mit einer Stich probe
Parametervergleiche Stichproben
Eigenschaften
Normalverteilung
68, 129
65
- einer Hypothese - einer stetigen
Punktwolke
147 Stichproben
115
P-Wert
163 137
85
Verteilung
- von Vcrtcilungcn
142
-tests mit kleinen
Verteilung
120
137
163, 173
168, 172, 220
142, 147
Sachwortverzeichnis
229
Rohgrafik
Q
52, 62
Rubrikenachse
Quaclratsumme -, totale
zwischen
Gruppen
214
214
Quadratsummen
45, 62
s
216
Saulengrafik Qualitat
eines Schutzen
70
48 Schar von Verteilungsfunktionen
Qualitatskontrolle
130, 203
23, 24, 84 Schatztheorie
Quantil
79,90,91,94,111,122,
Quantile
der F-Verteilung
67
124 Schatzung
52,67,
148, 149, 163
204, 205 - cler Parameter
- der Standardnormalverteilung
cler Normalverteilung
66
90, 106 - fur die gemeinsame
- cler t-Verteilung
124, 197 Standardabweichung
- cler ?tVerteilung
186
133 - fur die Standardabweichung
Schatzung fur p 51
R
- fur Ie 42
Rand des Ablehnungsbereiches Realisierungen
einseitige
Regeln
90, 94
104, 167, 169
- der Zufallsvariablen rechts
98
Statistik Statistik
168, 170
Regression,
line are
Regressionsanalyse -ergebnis
Wi
138
- der Wahrscheinlichkeitsrechnung REGRESSION
173
-gerade
167
167
81
sicheres
Ereignis
21
zwischen
signifikanter
Widerspruch
Signifikanz
84, , 87, 93
173 in der Telefonzentrale
Haufigkeit
21
Spektrum
Risiko von Fehlentscheidungen
Sprunge 82
-stellen
18
19 30, 32
Sprunghohen 84, 94
175
der Merkmalwerte
Spielbanken
cler Stich probe
82
Spaltensummen
20
39
46, 62
Sonntagsfrage
22
84, 94, 179
86,88,89,94,97,100,102
Sinuskurve
zufalligen
47
81
Skatblatt
167,169,172
Reprasentanz
Aussagen
Skalierung
-parameter
Ereignissen
sichere
Situation
169
84
im Wettkampf
-niveau
163, 167
-gleichung
Relationen
Statistik
Sicherheit 19
169
-forme!
67
Schutze
Fragestellung
der beurteilenden
-, beste
schlieisende
104
- cler mathematischen
relative
121
28, 30, 36, 41, 47, 50
cler Verteilungsfunktion
27, 30
Sachwortverzeichnis
230 STABW 67,111,130,196,202
- norrnalverteilter Grundgesamtheit
Standardabweichung
-, grog 89
66,74, 111, 115
- der Grundgesamtheit
129
Stichprobe, gruppiert
- cler Normalverteilung
67
-, Haufigkeitstabelle
- <J
,Ecpriiscntanz
67, 68
-, bekannte -, empirische
82 152, 164
Stichproben gleichen Umfangs 152
149
-, gemeinsame
212 142
,zweidimensional
115
- in Gruppen zerlegen 212
186
-, gleiche 189, 195
- unterschiecllichen Umfangs 152
-, unbekannte
-, gepaart
120, 195
Standardnorrnalverteilung -, Dichtefunktion STANDNORMINV STANDNORMVERT
78, 90, 94, 100
-, grofS 105,110,153,181,185,
-, nicht verbunden -, verbunclen
79
151,181,195,211
151, 169,173
Stichproben-Entnahme
Starke des linearen Zusammenhanges
152, 161
-, klein 190, 195
91
80, 91, 94, 95
Stichprobenpaare
82, 103
154,158,164,
-, induktive 84
-standardabweichung
-, schlieBende 84
-technik 84 152
-varianz 130 Strategie der beurteilenden Statistik 85
statistischer Beweis 81
Streifen, symmetrischer
167
64
Stuclent'sche t-Verteilung 121
Steigung 167 Steilheit der Normalverteilungs-Kurve stetige Grundgesamtheit - Verteilungsfunktion
67,74, 111, 121
-umfang 97, 98, 182
statistische Tests 84
STEIGUNG
168, 174
-parameter x. und s 66, 67
84, 89, 103
-, zweidimensionale
83
- Mittelwert 42, 67, 69, 70, 74, 83
163
Statistik, beschreibende -, beurteilende
75
60
142, 147
SUMME 176
Summe - aller Wahrscheinlichkeiten
56
- zufallige Ereignisse 18
- der Quadratquotienten
- Zufallsexperimente
- von Ereignissen 22
18
- ZufallsgrbBe 25, 56
Summenzeichen
- -, Bild 57
Symmetric 63
Stichprobe 66,68,81,82,86,88,
96, 97
24, 31
178
24
- der Normalverteilung
60, 77
Sachwortverzeichnis
231 t-Test 120, 164, 167, 195
Symmetrie der Standardnormalverteilung
TTEST
91
Symmetrie-Eigenschaften
127, 161, 162, 199,200
- fur zweiseitige Fragestellung 161
124
TVERT
T
126, 160
t-Verteilung 121,158,159,165,197,204
Tabelle der beobachteten Werte 178
-, Quantile 123
- der Quantile der t-Verteilung 125
u
- der Quantile der l-Verteilung
Oberschreitungswahrscheinlichkeit
- der Quantile der F-Verteilung 205
133
- cler Standarclnormalverteilung 90, 91
- und Signifikanzniveau 98, 99
- der theoretischen Werte 175
-, einseitig 100, 107, 112, 139
Taste ITill44
-, zweiseitig 100, 102, 107, 112
Teilereignis 22
Umfang cler Stichprobe 66, 105
88, 97
- einer gepaarten Stichprobe 154, 158
-in tervall 70
Tclcfonzentralc
- verbundener Stichproben
39, 41
Test des Anteilwertes 90
Unabhangigkeit
Testergebnis
-, Prufung auf 173
93
-funktionswert
-, vollige
92
152, 211
173
174
unbekannte Parameter der
-grotse 92
Normalverteilung 67
Test-Methoden 84
unendlich viele Merkmalwerte 18, 56
-, statistische 84 -statistik 92
unmogliches Ereignis 22
-typ 200
Urnenmodell der Wahrscheinlichkeitsrechnung
Teufelskreis 83
v
theoretische Anzahl 137, 143 - Wahrscheinlichkeiten TINV
53
137, 143
122, 124
Varianz 129
Totalerhebung
81,85,87
Tragweite einer Fehlentscheidung
VARIANZ
88
130
Varianzanalyse 211,212,212,217
Trefferzahlen 47, 48, 51
Varianzen 129, 193
Treppenfunktion
-, gleiche 200, 212
27,35,36,41
Treppengestalt cler Verteilungsfunktion 45 Treppenstufe
-, Gleichheit 195, 209 -, Vergleich 202
34
Variationstafel 214
Sachwortverzeichnis
232
Veranderliche,
abhangige
-, unabhangige
169
Vielfachheiten der Merkmalwerte
169
verbunclene Stichproben Verbundenheit
Vierfeldertafel
211
Volkszahlung
152
Vergleich der Anteilwerte - der Erwartungswerte - der Varianzen
202
Vergleichstabelle V crhaltnissc,
175, 177, 178
vermutete Verteilung
38
- fur eine Fehlentscheidung
148
- durch Flacheninhalte
27, 32, 35, 48, 55, 58
- beim Munzwurf
30
- der F-Verteilung
203
Werkzeug
31, 32, 59
34
19
53
27
- HISTOGRAMM71,145 33
- REGRESSION 170
34
Statistik
Wert der Uberschrcitungswahrscheinlichkeit
161
- der Verteilungsfunktion
56, 59
-, vier Eigenschaften
17
EINFAKTORIELLE VARIANZ-
- der heschreihenden
-, Sprungstellen
115
ANALYSE 218 33
und Sprunghohe
28
20
24
Werfen einer Mi.inze
59
-, Sprunghohcn
20
77
Warenposten
-, Grenzwert -Eigenschaft
-, stetig
-masse
- rechnung, Regeln
56
-, forrnelmafsige Darstellung
-, Graph
77
137, 143
klassisch
-rechnung 31
74
-, Funktionswert
-, theoretische
-gesetz der Grundgesamtheit 28, 30
28
- mit genau zwei Spri.ingen
- ohne Sprungstellen
erklaren
31
-definition, 53
- einer alternativen Zufallsgrofse - einer Zufallsgrofse
19 84
Wahrscheinlichkeitsbegriff
- der POISSON-Funktion
-, diskret
50, 53
- fur die Wi.irfelergebnis-ZufalisgrofSe -, Summe
Verteilungsfunktion
-, alternativ
19, 20, 25, 31, 47
- eines Wettkampfergebnisses
143
- N( ~,cr)
81
Wahrscheinlichkeit
143
137,142,147
-, vermutet
86
20
- eines zufalligen Ereignisses
- der Zufallsgrofse
-, Pri.ifung
81, 103
Vorhersage
Wahl
182
151
-, hypothetisch
154
w
19, 20
prozentualc
154
Vorgabe eines Signifikanzniveaus
153
157, 185, 190, 195
- zufalliger Ereignisse
Verteilung
VERWEIS 70
- fur die Prufgrofse 31
92
145
82
27
Sachwortverzeichnis
Wertebereich -tabelle
233
der Verteilungsfunktion
61
Wettkampf
Zufallsexperiment -, massenhafte
der POISSON-Funktion
-tabelle
55
44
Wiederholung
- alternativer - cliskreter
47
17, 18, 32, 35, 47, 65
Art Art
18
18
-, Trefferzahlen
47, 50
- stetiger
Wettkampf-Typ
54
- vorn Ankunfts-Typ
Wettkampf-ZufallsgrofSe Wiclerspruch,
48
signifikanter
Wieclerholung experiments
18 39
- vom Wettkampf-Typ 84, 94, 179
-, Arten
23
Zufallsgrofse 23, 32, 68
63
- mit Zweipunktvcrtcilung
Wurf mit einem
Wurfel
Wurfel-Zufallsgrbge
c 65
-, N(~,('j)-verteilt
17, 24, 27
-, alternativ
27
-, cliskret
-, stetig
X-Eingabebereich
24, 30, 35 24, 31, 35 63, 67, 75
25, 56
Zufallsstichprobe
170
42, 51, 66, 82, 93, 96
-, zweiclimensional
y
zugehorige 170
163, 166, 169
163
zwei Stichproben
Zahlen-Ereignisse
124
- verbunclene
23, 24, 32, 36, 38
ZAHLENWENN 70 Zeilensummen
Zielgrofse
83
163, 167, 169
Beobachtungen
- Einflusse - Ereignisse,
42, 51
104
22
- -, Klassifizierung - -, Operationen
Statistik, 152
152
103 Ablehnungsbereich
Zweipunktverteilung zweiseitige
151
18 22
18, 20, 47
95
31
Fragestellung
95, 99
- Uberschreitungswahrscheinlichkeit
Rewertung
- -, Beziehungen
Zweifel
zweigeteilter
17,18,38,42,81,82,84,85
zufallige
zweiclimensionale
- Stichprobe
einer Zufallsstichprobe
151
Stichproben
beurteilencle 175
77
174
Zusammenhangsmais
Zahl cler Freiheitsgracle
Zufall
linear
-, nicht linear
z
153, 164, 168, 174
Glockenkurve
Zusammenhang,
Y-Eingabebereich
31
62, 63
-, normalverteilt
x
Ziehen
39
eines Zufalls-
des Parameters
Wirkung
Art
20
100
Zusammenstellung der beschriebenen statistischen Tests 9.1
Gauss-Test zur Prufung des Anteilwertes mit grofsen Stichproben
105
9.2
Gauss-Test zur Prufung des Erwartungswertes mit grofsen Stichproben
110
10.1
Gauss-Test zur Prufung des Erwartungswertes bei bekannter Standardabweichung
115
Einfacher t-Test zur Prufung des Erwartungswertes bei unbekannter Standardabweichung
120
10.3
Einfacher l-Test zur Prufung der Varianz
129
11.1
x -Anpassungstest
137
10.2
2
zur Prufung einer diskreten Verteilung
11.2 l-Anpassungstest zur Prufung einer stetigen Verteilung mit bekannten Parametern 11.3
142
2
X -Anpassungstest zur Prufung einer stetigen Verteilung mit unbekannten Parametern
147
13.1
Gauss-Test zum Vergleich der Anteilwerte grotser Stichproben
153
13.2
Differenzen-t-Test zum Vergleich der Erwartungswerte normalverteilter Grundgesamtheiten
157
14.2
t-Test zur Prufung des Korrelationskoeffizienten
164
15.2
t-Tests zur Prufung von Achsenabschnitt und Steigung
167
16.2
x -Kontingenztest
174
17.1
Gauss-Test zur Prufung dcr Anteilwerte mit grofscn Stichproben
181
17.2
Gauss-Test zum Vergleich von Erwartungswerten grofser Stichproben
185
17.3
Gauss-Test zum Vergleich von Erwartungswerten kleiner Stichproben, wobei (71 und (72 bekannt sind
190
Doppelter t-Test zum Vergleich von Erwartungswerten kleiner Stichproben, wobei (71 und (72 unbekannt sind
195
17.5
F-Test zum Vergleich der Varianzen
202
18
Einfache Varianzanalyse nicht verbundener Stichproben
211
17.4
2
zur Prufung der Unabhangigkeit.