Beruflich Dokumente
Kultur Dokumente
Vorschriften so gefat, da die Messergebnisse genau der theoretischen Definition entsprechen kennzeichnet den Grad der Genauigkeit (Przision), mit der die Vorschrift das Messergebnis liefert unabhngig vom Anwender der Vorschrift resultiert das gleiche Ergebnis
Sortierte Liste : x
(i)
= Anzahl verschiedener Messwerte) Lineare Fkt. ( b > 0) Lineare Fkt. (a = 0, b > 0) Identische Funktion
Klassen Breite bi = oi-ui
Merkmal qualitativ
Index
i
Merkmal quantitativ
steigende Gerade durch 0 nur gleiche Werte
kumulierter Anteil F(oi) Hhe = Dichte hi = pi / bi xi*pi
Listen
Hufigkeitsverteilung
p mindestens nominal F mindestens ordinal
i 1 2 I
xi x1 x2 xI xi
kumulierter Anteil : Anteil aller UEen mit Werten (xi -Wert) 0 F(x) 1 [F(-)=0, F(+)=1]
Klassen Grenzen ui oi
(absolute ) Hufigkeit ni
xi =
/
u i +oi 2
F(on) = 1
Dichtefunktion Verteilungsfunktion
Stabdiagramm (Dichte=p) Kreis- / Netz- / Staffeldiagramm / Stamm und - Blattdiagramm Treppenfunktion mit Sprungstellen
Histogramm (Dichte=Hhe) -> Flche = p Stem- and leaf diagram hi = pi/bi Summenpolygon
Flchentreue: Flche proportional zur relativen Hufigkeit der KLassen Modalwert :Mode (x) = x mod Wert mit grter Dichte
x + x 2 +L+ x n 1 n x= 1 = xi n n i =1
Extremwerte Minimum bzw. Maximum min(X)=x( 1 ) , max(X)=x( n ) mindest ordinal arithmetisches Mittel:
1 2
f(mode(X))=
mind.nominal
max(f(x)) x
1 I xini n i =1
Bei stetigen Daten (Klassen) ist xi immer die Klassenmitte (zB X (quer)
=mean(X)
x = x i pi =
i =1
Berechne z:= n*q. Schneide Dezimalstellen von z ab: [z]. q-getrimmtes Mittel: Whle aus der sortierten Liste alle Werte zwischen dem [z]-tem und dem (n-[z]+1) ten aus: x([z]+1) ,..., x(n-[z]) ; und berechne darber
Transformationen: y=a+bx. mindestens Intervallskaliert Werden alle Einzelwerte mit konstantem a bzw. b linear transformiert, gilt dies in der Folge auch fr die arithm. q Mittel: y = a + bx
geometrisches Mittel x G
xG = n x1 * x2 *L* xn = n xi
i=1 n
x.
x.
q-winsorisiertes Mittel: Ersetze alle Werte x(1) bis x([z]) durch x([z]+1) und ersetze alle x(n-[z]+1) bis x([n]) durch x(n-[z]) ; und berechne fr diese modifizierten Werte Fr die Verteilungsfunktion F(x) gilt: F(med(X))
fr n gerade
fr n ungerade
( x( n ) + x( n +1) ) / 2
2 2
x n+1 (2)
1 2
und
1-F(med(X)) + f(med(X))
1 2
d.h. der Median liegt dort, wo F(x) erstmals berschreitet Suche zuerst die aktuelle Klasse, in der das Quantil liegt; das ist die Klasse, in der F(oi)q und F(oi-1)<q.Bezeichne den Index der aktuellen Klasse mit m. Falls F(om)=q, dann gilt: Falls F(om)>q, dann gilt: xq = (om + um+1)/2
so da die folgenden beiden Forderungen gelten: der Anteil des ersten Teils enthlt mindestens q und der Anteil des zweiten Teils ist mindestens (1-q) aller Werte. mind. ordinal
~ =x xq ( [z] + 1)
xq = um +
Tiefe(Hinges)=([Tiefe(Median)]+1) / 2 -> ganze Zahl? ja: hu {links} = x(Tiefe(Hinges)) ho {rechts} = x ( n +1-Tiefe(Hinges) ) nein: hu = ( x ( [Tiefe(Hinges)] ) + x ( [Tiefe (Hinges)]+1) ) : 2 ho = ( x ( n+1-[Tiefe(Hinges)]) + x ( n-[Tiefe (Hinges)] ) ) : 2
2 s 2 bzw. s n -1 n
Tiefe(Eighths)=([Tiefe(Hinges)]+1) / 2 -> ganze Zahl ? ja: eu = x (Tiefe (Eighths)) eo = x ( n+1-Tiefe (Eighths)) nein: eu = ( x ([Tiefe(Eighths)] ) + x ([Tiefe (Eighths)] +1)) : 2 eo = ( x ( n+1 - [Tiefe(Eighths] ) + x ( n -[Tiefe(Eights)] ) ) : 2
n fr s2 n n 1 fr s2-1 n
Varianz: Var(X)
(=
s2
bzw.
Urliste
)
sq := (x i x ) =
2 i =1 i =1
2 I
s 2 :=
sq n*
x i2
nx
I
* mit n :=
Verteilung
2 Sn =
sq := n (x i x ) p i = n i x i2 n x 2
i =1 i =1
1 ( xi x ) n
Std( X ) = Std(X)/
einfacher: S 2
n 1
1 ( xi x ) n 1
Spannweite (range): sp [mind. intervall] sp:= x (n) x (1) = max(x) min(x) Quantilabstand d q := ~ 1 q ~ q x x Differenz zwischen symmetrischen Quantilen Mittlere Abweichung vom Median d ~ x
Mittelwert der Distanzen aller Werte zum Median.
MAD = Med(Abstnde)
Median der Distanzen aller Werte zum Median
dq : 2
Mittlere quadrierte Abweichung der Werte voneinander (mqa) mind. intervall n n 2 1 mqa:= ( x i x j ) 2 = 2* s n 1 n ( n 1) i =1 j=1
= 2*Var(x)
Mittlere Absolute Abweichung der Werte voneinander (maa) (=dG) mind. intervall
Urliste: maa:=
n n 1 | xi x j | n (n 1) i =1 j=1
Urliste
Verteilung
sortierte Liste:
d ~ := x
1 n
i =1
x i ~ 0.5 x
d ~ := x i ~ 0.5 p i x x
i =1
maa =
= 1- pi = pi (1-pi)
0.75
Entropie h(x) (minimalste Anzahl bentigter Fragen) mind nominal Entropie in nits Entropie (in bits):= {An Stelle von log ln nehmen !!!}
h (X) b = p i ld(p i ) = 1
i =1
ln( 2)
p
i =1
ln( p i )
h (X) = p i ln(p i )
i =1
linksschief: schiefe(x) = negativ symmetrisch: schiefe (x) = 0 rechtsschief: schiefe (x) = positiv ( -1 schiefe(X) 1 )
hu-(ho-hu)*3
unterer uerer Zaun
hu-(ho-hu)*1,5
unterer innerer Zaun Whisker
hu
unterer Hinge
Median
ho
oberer Hinge Whisker
ho+(ho-hu)*1,5
oberer innerer Zaun
ho+(ho-hu)*3
oberer uerer Zaun
Stichproben
mit Reihenfolge n mal Ziehen MIT Zurcklegen ohne Reihenfolge
Nn
wre 8 hoch 5
n + k 1 k
n! n ! n !L n ! M +1 1 2
=Anzahl
Inverschiedene Merkmalskonstellationen mglich Merkmal mit I Ausprgungen; Stichprobe der Gre n Einzelziehung: P(X=x) =x
Ziehen mit Zurcklegen (unabhngige ZV): P(X1=x1,X2=x2,...,Xn=xn)=P(X1=x1)*P(X2=x2)**P(Xn=xn) =x *x **x
1 2 n
Reihenfolge der Elemente wird bercksichtigt n mal Ziehen OHNE Zurcklegen Reihenfolge der Elemente nicht bercksichtigen
N( N 1)( N 2) L ( N n + 1)
=Anzahl der n-Permutationen von N Elementen
N ( N 1)( N 2 )L( N n +1) 1 * 2 * 3 *L * n
Mglichkeiten n-Elemente in M+1 Ausprgungen n! = Anzahl der Permutationen Anzahl Reihenfolgen fr nElemente, also bei Bchern im Regal Permut durch zB 23 personen 2 genau: (23 ber 2)*p(treffen hoch 2)*p(nicht treffen hoch 21)
N N! = = n!( N n )! n
= Anzahl der Kombinationen Einfache Zufallsstichprobe: jede Mglichkeit / jeder Reprsentant gleichwahrscheinlich Zufallsvariablen / Stichprobe: Population -> Stichprobe (Statistik = Stichprobenfkt.) -> konkrete Stichprobe (Wert der Statistik) 2 -> Stichprobenfunktion (an jeder Stelle konkrete Stichprobenvariablen einsetzen und Mittelwert bilden) sicheres Ereignis p=1 Elementarereignisse: gleichwahrscheinlich Wahrscheinlichkeit unmgliches Ereignis p=0 Klassischer Wahrscheinlichkeitsbegriff Frequentischer Wahrscheinlichkeitsbegriff alle mglichen Ergebnisse, die denkbar sind
X =
2
mit einem Griff die xte und yte: (n ber N)* Gegriffene Anzahl
X1 + X
P (A ) =
#A #M
# Aw w
w 1 2 3 4 5
Einzelergebnis 0 0 1 1 0
#Aw 0 0 1 2 2
Baummultiplikationsregel
Varianz
Var (X ) = E (( X E ( X ))) = ( x i E ( x i )) 2 P ( X i = x i ) = E ( X ) E ( X )
i =1
E(X) = x i * P(X = x i ) =
i =1
E ( X n ) = = p lim x (nw )
w
2 Var ( X n ) = n
E(sn-1 )=
E ( S n2 ) = n 1 E ( S n21 ) n
1 n 1
Std ( X) =
x n
E( E(X) ) = E(X) Konstantenregel Konstantenproduktregel Summenregel Linearkombinationsregel E(k) = k E(bX) = b*E(X) E(X+Y) = E(X)+E(Y) E(a+bX1+cX2) = E(a) + E(bX1) + E(cX2) = a+b*E(X1)+c*E(X2)
Cov(Y, X) =
1 n 1
(i =1 y i x i nyx ) =
n
(i =1 x i y i nxy) = Cov(X, Y) = s XY = s YX
n
Var(k) = 0 Var(bX) = b Var(X) Var(x+Y) = Var(X) + Var(Y) + 2 Cov(X,Y) Var(a+bX+cY) = b Var(X)+c Var(Y)+2abCov(X;Y)
Cov(X,Y) = E((X-E(X))((Y-E(Y)))
lim P ( X n < ) 1 je grer die Stichprobe, desto nher ist n die Tendenz, da alle Werte um Populationsmittelwert liegen. Die Wahrscheinlichkeit, da alle Werte in einem Bereich um liegen, geht gegen 1.
Zentraler Grenzwertsatz: Die Verteilung des Mittelwerts ber die n unabhngig aus der gleichen
Populationsverteilung gezogenen Werte nhert sich bei zunehmendem n der Normalverteilung X x Z= n standardisierte Zufallsvariable fr n standardnormalverteilt :
Std ( X n )
Z ~ N(0,1)
Binomialverteilung (n-malige Wiederholung (unabhngig voneinander) eines Bernoulli-Experimentes, betrachtete Zufallsvariable X = Anzahl der Erfolge) Bernoulli-Experiment (Zufallsexperiment mit 2 mglichen Ergebnissen [Treffer / Nichttreffer]) k n-k n P(k Erfolge bei n Versuchen) = p * (1-p) * ( ) x = (Anteil = Durchscnitt) k Treffer = 1 mit Wahrscheinlichkeit p ; Nichttreffer = 0 mit P = 1-p P(mind. k Treffer bei n Versuchen) = 1 P (max. k-1 Treffer) E(X) = xi*p(xi) = 0*(1-p)+1*p = p E(X) = np Var(X) = np(1-p) (~Anzahl~) Var(x) = (p*(1-p))/n (~Anteil~) Var(X) = E(X) E(X) = 0 *(1-p)+1 *p p = p-p = p(1-p) E( X )=x=0*0 + 1*1 =1 x = 1*(1-1 ) s 2 = n x (1 x ) Std(X n ) = (1 ) / n = X n n n 1 n 1 Dummy Variable/dichotomes Merkmal Anzahl = n*Anteil
E(Anz) = nx = n
SCHTZTHEORIE
Punkt-Schtzer (Wie gut sind Formeln?)
oder : Parameter in Population z.B. ,
E (s 2 ) = n
n 1 n
Maximum-Likelihood-Schtzer
(Parameterwert mit grter Wahrscheinlichkeit der Realisation = plausibelster) - approximativ (n ) normalverteilt - konsistent (aber nicht erwartungstreu) - falls fr Parameter effizienter Schtzer existiert mit ML-Schtztechnik findbar - Funktionen von ML-Schtzern sind wieder ML-Schtzer (Invarianzprinzip)
effizient Varianz mglichst klein Var( 1)<Var( 2) (schlechtere/bessere) absolut effizient = der mit kleinster Varianz relativ effizient = Verhltnis der Varianzen
1 fr n
; fest vorgegeben
x = ,
fr ( n>100 df=n-1
x 1,96 x =
Hypothesen Testen
x t 0,975< (df ) s x
(Student-t-Verteilung)
x z >1< x (Standardnormalverteilung)
x 1,96 x ; = x (1 x ) x
n 1
standardnormalverteilt
sx =
2 S n 1 n
Entscheidung auf Grund der Stichprobe Macht des Tests nur fr konkrete HA ermittelbar W(HA akzeptieren | HA richtig) = P(TW in KB|HA ri.) H0 akzeptieren H0 ablehnen / HA akzeptieren Konstruktion des Tests Zustand in H0 ist richtig richtige Entscheidung Fehler 1.Art = (mglichst klein) Gesamtheit 1.Null - und Alternativhypothese formulieren vor Test festgelegt W(H0 ablehnen | H0 richtig) 2.Teststatistik (Anteil, Anzahl,Mittelwert) richtige Entscheidung 1- 3.Testverteilung unter Geltung von H0 HA ist richtig Fehler 2.Art = (mglichst klein) = 1-Macht des Tests 4.Kritischer Bereich festlegen (H0 ablehnen|HA stimmt) W(H0 akzeptieren | HA richtig) (5.)berprfung: Testwert der Teststatistik in KB? Binomialtest (Frage zB exaktes ?) Mittelwerttest (!!!!!!!!!!H=H/n !!!!!!!!!!!!) {Falls unbekannt T-Verteilung} linksseitig HA<H0 rechtsseitig HA>H0 linksseitig HA<H0 rechtsseitig HA>H0 zweiseitig HAH0 bei n*>15 (zB 80*0,6) KB fr z-Wert suchen fr z-Wert suchen fr / 2 z-Wert suchen Suche in kum.Tab. bei 0 Suche in kum.Tab. bei 0 und 0 (1 0 ) x = =0,05 z= -1,645 =0,05 z= +1,645 =0,05 z(/2)=1,96 und n letzten Wert, der n ersten Wert, der 1- ist n ist ( exaktes ) ( exaktes ) z-Werte mit Parametern von z-Wert mit Parametern von H0 restandardisieren H0 restandardisieren KB bis zu diesem x-Wert KB ab (x+1)-Wert x = + z
x = z H0 + H0
x HA HA
x 1 / 2 = z1 / 2 H 0 + H 0
MdT
standardnormalverteilt dieses x fr A und n in kum.Tab. nachschauen 1-Macht des Tests 1- wird grer,wenn: |HA-H0| sehr gro n grer KB () grer
1<
z=
nicht mglich
Kritischen Brereich aus der Tabelle entnehmen! T(df)=I-1 Freiheitsgradmodifikation beim Schtzen von G Parametern df = I G 1 G= Anzahl der geschtzten Parameter
Differenzenwerte: dj:=y1j - y2j (y1j(j =1..n) Stp 1; y2j (j=1..n) Stp.2) 1 d := (d1 + ...d n ) / n s ( d 2 n n d 2 ) n=1 bei einzelnen
d n 1
(1-)-Konfidenzintervall fr 1 -2 (falls unbekannt) TW= S d t >1< (df ) sdn mit df = n-1 (d 0 ) / d linkss.KB rechtss.KB zweis.KB
z=
d 0 t1< (df )
d 0 + t1< (df )
sd
sd n
n
( y1 y2 ) d sd n
d 0 t >1< (df )
sd n
sd n
2 = v
d
j=1
2 j
( d 2 nd 2 ) j
d 2j
j=1
j=1 n
nd
n j=1
wichtig! v2 =
nd
d 2j
d
j =1
2 j
y 2 := ( y 21 + ... + y 2 n 2 ) / n 2
Standardfehler: s i / n i
2 =
F( O x )F( M x ) F(O x )
= 1
F( M x ) F(O x )
ni fr i=1,2 1 2 ( y ij n ij n i y i2 ) n i 1 j=1
[total=between+within]
y1y2 =
2 1 n1
2 2 n2
TW=
z :=
( y1 y 2 ) 0 y1 y 2
Z ist standardnormalverteilt
s y1 y2 = s pool
1 1 + n1 n 2
mit
s2 = pool
t (df ) :=
( y1 y 2 ) 0 = TW s =1 y 2 y
mit df = n1+n2 2
s 1 y 2 = y
2 s1
n1
s n2
2 2
df =
+(
) )
Proportional Reduction of Error (PRE-Ma) (01) - Determinationskoeffizient 1.Art (nicht erwartungstreu) fr n Stichproben
Stp. i : yij (j=1,..,ni)
einfaktorielle VARIANZANALYSE
x mind. Ordinal, y mind. Intervall
y i := ( y i1 + ... + y in i ) / n i
+...+ nI
s :=
2 i
1 n i 1
( y ij y i )
mit i=1,2,,I
j= 1
Gesamtmittelwertregel
ssq (between) = ni y i2 ny
I ni I ni I ni i =1 j=1 i =1 j=1 i =1 j=1
ssq(total) = ssq(within)+ssq(between)
2 = Det.1 =
n y
i =1 I ni i i =1 j=1
2 i 2 ij
ny
= ny 2
F (df 2 / df 1) + F
2 = Det.1 =
2 2 n1y1 + n 2 y2 ny2
y + y
j=1 2 1j j=1
n1
n2
n1n 2 n n1 2 1j
( y1 y2 )2
n2 j=1 2 2j
fr n=2
2 2j
ny2
y + y
j=1
ny2
Test der Hypothese, dass alle Mittelwerte gleich H0: 1=2=...=I bzw. Det.1=0
Konstruktion der Teststatistik (F-Statistik): {VOR.:yij ~ NV; i Homoskedastisch} 2 ssq ( between ) / df 1 msq ( between ) ssq ( within ) / df 2 msq ( within ) 2
ANOVA-Tabelle
Variationsquelle Faktor, between Error, within Total Sum of Squares ssq(between) ssq(within) ssq(total) df df1=I-1 df2=n-I n-1 Mean Sum of Squares msq(between)=ssq(b)/df1 msq(within)=ssq(w)/df2 msq(total)=ssq(t) / (n-1)=sn-1 F-Ratio
F ( df 1, df 2 ) =
df 2 = TW 1 df 1
I 1 n I
F(df 1, df 2) =
mit df1=(I-1) und df2=(n-I) (KB immer von rechts bestimmen KW in Tab. suchen)
:= 1
=1
= 1
n 1 (1 2 ) = 2 n I
(1 )
I = Anzahl Gruppen, n = Anzahl UEen insgesamt mit symmetrischer Effektrestriktion Effektdarstellung 1 i = k+i i = i -
1 = x1 1+2+...+I = 0 k = (1 + 2 +...+I) /I = (k - allgemeines Niveau / ungewichteter Mittelwert) Yi=+ixi+ei (mit E(ei)=0 und Var(ei)=e)
Pfaddiagramm
I
k
( MIT
x ) = y i : = a + bx
n
E () = VAR () =
Cov 2 ( X , Y ) Var ( X )
2 e
s 2 ( n 1) X
2 2 e = se =
1 n 2
(y
i =1
yi ) 2 =
ssq ( y. x ) n 2
n 1 n 2
(Var(Y)
Cov 2 ( X , Y ) Var ( X )
Konfidenzintervall KI:
fr alle Ueen
n
t >0.95< (df )
( n 1) s 2 x
t (df ) =
0
se ( n 1) Var ( x )
= TW df = n-2
Determinationskoeffizient 2.Art =PRE Ma!! (rxy / 100 % der Varianz kann durch die Geradenregel reduziert werden)
r :=
2 xy
adjust. r = 1
2 xy
b =
i = 1 n
i = 1
y =: i y : ) x
i
ENHO ( y R
Korrelationskoeffizient (-1r1)
2 rxy = rxy = Det.2 = s xy sxs y
Fischers z (Transformation)
schon bei kleinen Stp. NV
z(r ) = 1 ln 1+ rr 2 1
e 2 z 1 e 2 z +1
z=
s s
yx 2 x
z ( r ) z ( 0 )
1 n 3
= (z(r ) z( 0 ) ) n 3 = TW
1 n 3
x
2 i
n y x n x
2
Konfidenzintervall fr
Cov (X , Y ) = Var (X )
a = y bx
n = (z * 2 * 2 ) Breite
z 1 z(r ) z >0.95<
Konfidenzintervall fr z()
z(r ) z >0.95<
exakterTes t = 0 :TW = * n2 1
1 n 3
Hypothesentests: Fragestellung:
Mittelwerttest/G Binominaltest autest Ist jenes im Schnitt gleich welchem? H0: 0= Ha: a0 / a>0 / a<0 standardisierte r Mittelwerte z=x-0 *n x Wie gro ist die Chance das...? H0: 0= Ha: a0 / a>0 / a<0 Erfolgsanteil/anzahl pi oder xi Umrechnung: xi/n=i
Anpassungstest
Stimmen gefundene und theoret. Vert. berein? H0: 1+...+I=1 (Ha: a101 ...)
Vergleich 2er Mittelwerte bei verb. Stichprob. Ist jener Durchschnitt gleich welchem? H0: 1-2=0 Ha: 1-20 / 1-2>0 / 1-2<0 Mittelwerts-differenzen =(d1+...+dn)/n TW=-0/sd/n sd=(1/n1(djnj-n))
Vergleich 2er Mittelwerte bei unverb. Stichprob. Ist jener Durchschnitt gleich welchem? H0: 1-2=0 Ha: 1-20 / 1-2>0 / 1-2<0 1 & 2 bekannt z=(1-2)-0/1-2 1-2=(1/n1+2/n2) 1=2 t(df)=(1-2)-0/=1-2 s=1-2=(n1-1)s1+(n2-1)s2/n1+n2-2) *(1/n1+1/n2) andere t(df)=(1-2)-0/1-2 s1-2=(s1/n1+s2/n2) bei z Normalverteilung Tab. E bei t Student-t-Verteilung Tab. H
LR2 = 2n pi ln
i =1
i pi
oder
P2 = n
i =1 I
(pi i ) 2 i
3. Testverteilung:
4.a) Seitigkeit:
b) Ablehnungsber. berechnen:
5. Testwert
(ist
6. Entscheidung
bekannt Tab. E Normalverteil ung unbekanntTa b.H Student-tVerteilu a0 beidseitig a>0 rechtsseitig a<0 linksseitig bekannt x=z>1-< unbekannt x=t>1-<(df) df=n-1 KB: x und grer/kleiner eine Realisation der TW im KB?
-Verteilung Tabelle G
immer rechtsseitig
exaktes (0,05) in Tab A/B nachschauen dortiger x-Wert KB: x und grer/kleiner Teststatistik)
x= t>1-<(df) df=n-1
<(
x=z>1-< oder x=t>1df) KB: x und grer/kleiner bei 1=2 df=n1+n2-2 bei anderen df=(s1/n1+s2/n2)/((s1/n1)/(n11)+(s2/n2)/(n2-1))
H0 angenommen
/ abgelehnt?
Hypothesentests:
Fragestellung:
Vergleich mehrerer Mittelwerte/ Varianzanalyse Sind die Mittelwerte gleich? H0: 1=2=...=I Ha: H0 ist falsch/ mindestens ein ungleich F-Statistik F(df1,df2)=/1*df2/df1 df1=I-1 df2=n-I
-Test
Exakter -Test
Ist in der Regressionsgleichung oder = 0? H0: 0= Ha: a0 / a>0 / a<0 Standardisiertes der Regressionsgleichung t(df)=(-0)/se(1/n+x/(1-n)sx) se=1/n-2(yi-yi)=n-1/n-2(Var(y)Cov(x,y)/Var(x)) Standardisiertes der Regressionsgleichung t(df)=(-0)/se/(n-1)sx Student-t-Verteilung Tabelle H a0 beidseitig a>0rechtsseitig a<0 linksseitig x=t>1-<(df) df=n-2 KB: x und grer/kleiner
Ist ein exakter Zusammenhang gegeben? H0: 0= Ha: a0 / a>0 / a<0 t(df)=r(n-2/1-r)
6. Entscheidung
x=F>(df1,df2) KB: x und grer eine Teststatistik) Realisation der TW im KB? H0 angenommen / abgelehnt?
Standardnormalverteilung Tabelle E a0 beidseitig a>0rechtsseitig a<0 linksseitig x=z>1-< KB: x und grer/kleiner
Student-t-Verteilung Tabelle H a0 beidseitig a>0rechtsseitig a<0 linksseitig x=t>1-<(df) df=n-2 KB: x und grer