Ich verstehe nicht, was ich bei diesen Aufgaben genau machen soll. Muss ich hier nur die Distribution erkennen oder auch Expected value und Var() berechnen?
Dieser Estimator ist biased und auch asymp biased... in der rechnung ist ein fehler
Hast du die richtige Lösung?
Hat dazu jemand die richtigen Lösungen und könnte sie hoch laden? :)
wieso kann man da einfach 1/n schreiben?
Man erweitert den Bruch 1/n-1 mit n/n um den hinteren Teil in der Klammer zu s1^2 umschreiben zu können. :)
Alles klar vielen Dank! :)
Wo kommen die werte für Var(xi) = 20/36 und 5/36 her?
Weiß jemand wann die Einsicht ist? Und wo?
Freitag, 13.03. um 15 Uhr in F208.
Sind die Noten schon raus? Ich habe irgendwie keine Nachricht bekommen und am Freitag ist ja Einsicht?
View 1 more comment
Wann und Wo ist die Einsicht am Freitag?
Sind grade rausgekommen
Wie lange habt ihr euch vorbereitet auf den HT?
Hey, ich wollte trotz Auslandssemester die Statistikklausur im Nachtermin mitschreiben. Was ist dieses Jahr das Passwort für Stat2 auf Ilias? Danke :)
Statistics2_WS1920
Wie lief die Prüfung bei euch?
View 1 more comment
war ganz ok, nur Problem 1 war nicht so einfach
War ganz okay und Problem 1 ging gar nicht für mich
Hier habe ich 51.6% für die Power curve vom z-test raus.
Hier benutzen wir den pooled estimator. Das sollte 1.345 ergeben
Hat jemand hierfür und für d) ne Lösung?
View 1 more comment
Bei c) gibt es zwei Werte: Y_1= 59.8 und Y_2=40.2, weil wir bei einem two-tailed test, mit dem Betrag von z rechnen. Ein kleiner Tipp steht auch in d), wel dort von possible values (im Plural) die Rede ist.
Bei d) dann: Y_1 sinkt und Y_2 steigt.
Das Intervall ist [5.076;11.279]
View 3 more comments
Mit der Formel die da steht, einfach S²=7.2 einsetzen und den rest auch
Hab ich auch ca. raus. Du hast wahrscheinlich weier gerundet.
Die Rechnung ist auch falsch. Der Estimator ist aber biased.
ML Estimator ist: 1/n * SUM y_i
Also meiner Meinung stimmt hier der MM Estimator nicht... Ich verstehe nicht wieso du "second moment" nimmst und nicht einfach m_1 also den "first moment". Ich habe für den estimator den sample mean und auch bei dem ML Estimator hast du dich meiner Meinung verrechnet, da kommt dann auch der Sample Mean raus und dann sind ML und MM Estimators identisch... das wäre logischer
Ich habe auch beide ausgerechnet. Ich weiß ehrlich gesagt auch nicht, was die Entscheidungsregel ist, ob man den ersten oder zweiten berechnet? 🤷🏼‍♂️
Bei der Herleitung der ML-Estimators schreibt ihr da die Zwischenschritte bei den Umformungen hin (also sowas wie |² oder |-ln(2mü) etc.) , oder denkt ihr, dass ist unnötig?
Ich für meinen Teil werde es mit Zwischenschritten machen..
Gibt es eurer Ansicht was aus den Übungsblättern was unbedingt mit aufs Cheat-Sheet sollte? Herleitungen etc? :)
Als Tipp hier: Schaut euch einfach die Confidence Intervalle an für alpha gleich 5 Prozent... wenn der zu untersuchende Wert innerhalb des Intervalls liegt, dann stimmt H0, andernfalls wird H0 rejected
View 3 more comments
Ja, das ist richtig
Danke
ist die Formel richtig? hab da was anderes..
also ich habe es auch so wie in der lösung
Hier gehts um die Wahrscheinlichkeit Ho nicht abzulehnen, daher 1-g(..)
C2 ist t mit n-1 degrees of freedom
View 1 more comment
Hm ich weiß nicht, aber es ist ja nach der distribution gefragt und damit denke ich reicht das das so anzugeben, haben wir in den Übungsaufgaben ja auch nur so gemacht ohne E und Var
Danke dir
Wieso entscheide ich mich hier für den Approx. two tailed Test with normality statt without normality?
Der Test sollte N(0,1) distributed sein, das ist hier falsch in der LÖsung
Und hier würde der standard error größer werden... wir verringern n ja, damit wird der Bruch ja größer und damit auch der gesamte Term
View 1 more comment
du hast recht, in der lösung stand se(f) obwohl es ja garnicht darum ging
Also doch ein fehler... betrachtet man die estimated variance dann nimmt diese mit abnehmendem n zu, damit nimmt auch der standard error zu... ist ja eigtl auch intuitiv, da mit weniger beobachtungen, die Fehleranfälligkeit wächst
Muss das Cheat Sheet von Hand geschrieben sein oder kann ich einfach dieses Cheat Sheet nehmen?
View 1 more comment
Also unsere Tutorin hat ihr Cheat Sheet gezeigt, und da hat sie verschiedene Sachen darauf eingescannt gehabt und klein auf ein Blatt gedruckt gehabt, ich weiß es aber auch nicht sicher
Ok, danke euch! Dann schreibe ich es sicherheitshalber von Hand
Die beiden Werte müssen jeweils quadriert werden, du hast ja nur die Standard deviation genommen... ändert aber nichts am Ergebnis
muss man hier nicht auch den Std. Err nehmen? Also: 8.3594^2/7.3553^2 Wie teilen ja nicht die Varianzen (= Std. Dev.) sondern eben den Str. Err (=S)
Nein S ist nicht der standard error, sondern die Sample variance, die Sample variance ist ein estimator für die Varianz, also die quadrierte standard deviation... es muss also die standard deviation genommen und quadriert werden
Das hier ist übrigens normal distributed und auch die Rejection region sollte mit normal quantiles berechnet werden, kommt aber das gleiche ergebnis raus
*standard normal
Hat jemand die Raumaufteilung für morgen?
alle im Audimax
2 a.) is false
wie wurde das gerechnet?
Ich glaube hier ist nicht nach einem P-value gefragt, sondern nach der Prob für einen Typ 1 Error... Diese ist gleich alpha also 5 Prozent
View 2 more comments
Könntet ihr euren Rechenweg zeigen ?
Da muss man garnichts rechnen... Die Wahrscheinlichkeit für einen Typ I Error ist nach Definition gleich alpha und alpha ist diesem Fall 5%
Das stimmt nicht. Wenn man Z berechnet, also z=-2.1266 liegt es im Intervall für a=0.1, nicht aber bei a=0.05
ich komme hier auf z= -1,508
Also der Fehler hat schon bei 2b.) angefangen... das CI wurde richtig ausgerechnet in 2b.) aber es wurde gesagt wir rejecten H_0 was nicht stimmt... H_0 ist die Hypothese, dass die Differenz unserer beider true means 0 ist, sprich null muss im CI liegen... Da null bereits im CI bei alpha=10% liegt, liegt es natürlich auch in dem CI mit alpha=5% da durch ein kleineres alpha das CI nur noch größer wird... bei c.) ist es also auch fail to reject und dafür muss nichtmal das CI ausgerechnet werden
wie kommen wir auf diesen Wert? (q=2,3243)
Da steht unter der Tabelle: Pearson chi2(?)= 2.3243 => Pearson Chi (Statistik 1) ist gleich dem Q-Test.
Danke!
Wie kommt man auf diese Werte?
Das ist ein bisschen Schwierig zu erklären. Zuerst die erste Tabelle links: Erster Wert: (186*90)/250 = 66.96 Und so rechnest du alle Werte d.h. jeweils den Wert aus der ganz rechten Spalte mit dem Wert aus der untersten Spalte multiplizieren und dann durch das gesamte n=250 teilen. Noch ein Beispiel: 40,96=(64*160)/250 Und dann gibt eine Formel für die zweite Tabelle. Für jede Zelle gilt: (Wert der Zelle - Wert aus der linken Tabelle)^2/Wert aus der linken Tabelle: also z.b. für ganz oben rechts (1,22): (76-66,96)^2/66.92=1,22
Vielen Dank dir!
Und Z_3 ist wie es eigtl schon fast dasteht chi² mit (n-1) degrees of freedom
Z_2 ist t mit (n-1) degrees of freedom distributed
Z_1 ist chi² mit 2 degrees of freedom distributed
Don't reject H_0, because we approximate with z_1-a, thus reject only if z>z_1-a => z=0.314<1.65=z_0.95
View 1 more comment
wenn ich mir aber den p-value anschaue, dann rejecte ich H_0: pv-right= 0.0123<0.05=a --> Reject ?
Ja du hast Recht in b.) wird H_0 rejected und in c.) wird H_0 nicht rejected , ich bin da auch deiner meinung
Var(beta_2)=0.0533
Wie hast du das berechnet? Ich rechne: 0.10175/(38,03 - 2,45^2) = 0,00317 Was offensichtlich falsch ist, ich weiß aber nicht wie man auf das richtige Ergebnis kommt
Man rechnet: σ_hat/(Σxi^2 - nx_bar^2)-> beim Summe auflösen kommt ein n dazu für x_bar! => 0.10175/(38,03 - 6*2,45^2) = 0,0505
Bestätigt das jemand? Ich komme irgendwie genau auf das Gegenteil..
ii) ist Type I error: wir rejecten H_0 obwohl H_0 richtig ist. iii) Type II error: Test kann H_0 (das π größer gleich 0.6 ist) nicht "verneinen"/ablehen, allerdings ist π = 0.5 iv) Type II error: test sagt, π=0.8, in Wirklichkeit aber π=0.7
Ist richtig.
Was nehmt ihr für ein cheat sheet für die Prüfung?
Stimmt es dass die Varianz gegeben ist? Lässt sich ja nur aus S berechnen... Denn weiter unten wird die varianz gegeben und das explizit da steht
View 4 more comments
Also die Wurzel muss da weg!
Ist nur die Frage ob ich nen T oder Z Test mache...
Wozu das ganze? Der CI gibt doch schon an, wo Delta_0 nicht abgelehnt werden kann. Oder sehe ich das falsch?
Ne, ich sehe das auch so
Somit ist β nicht significantly different from 0
Im Nenner muss stehen 1,34*n=1,34*506
View 2 more comments
Danke :)
CI = {-3,587; -3,1858}
das muss 3.35 sein somit lehen wir H0 ab, da 5,158>3,35
View 10 more comments
also se(Variable) steht für standard error von der Variable, eine richtige Abkürzung aber nicht, in STATA halt als std. err. abgekürzt
Danke!
Laut Website schreiben am Montag alle im Audimax. Keine Raumaufteilung. https://www.wiwi.uni-konstanz.de/brueggemann/lehre/teaching/statistics-ii/
He will not be elected; this is the H_0 hypothesis.
View 2 more comments
Schlomo hat recht!
Ja, jetzt sehe ich es auch! Danke :)
Hier müssten die 2.156 stehen, wenn du die p-values veranschaulichen möchtest
Load more