Diese Website verwendet Cookies, damit wir dir die bestmögliche Benutzererfahrung bieten können. Cookie-Informationen werden in deinem Browser gespeichert und führen Funktionen aus, wie das Wiedererkennen von dir, wenn du auf unsere Website zurückkehrst, und hilft unserem Team zu verstehen, welche Abschnitte der Website für dich am interessantesten und nützlichsten sind.
Schätzen von Parametern
- 16. November 2016
- Posted by: Mika
Nachdem Du Deine Stichprobe erhoben hast, in der nächste Schritt häufig das Schätzen von Parametern. So kannst Du Aussagen über die unbekannte Grundgesamtheit treffen. Sehr wichtig ist dabei die Schätzung von Lageparametern und Streuungsparametern. Denn damit kannst Du Verteilungen vergleichen.
Beispiel für das Schätzen von Parametern
Angenommenen, Du bist Qualitätskontrolleur einer Molkerei, die täglich 200.000 Flaschen Milch à 1 Liter abfüllt. Zum einen sollst Du prüfen, ob die abgefüllte Menge stimmt, ob also systematisch zu viel oder zu wenig abgefüllt wird. Zum anderen sollst Du sicherstellen, dass die Füllmenge nicht zu stark schwankt.
Dazu entnimmst Du täglich eine Stichprobe vom Umfang n=100 und bestimmst deren Mittelwert und Varianz. Daraus berechnest Du eine Schätzung für die unbekannten Parameter der Grundgesamtheit.
Da Deine Stichprobenergebnisse als Realisationen von Zufallsvariablen immer auch vom Zufall abhängen , werden Deine Schätzungen auch immer fehlerbehaftet sein. Der Fehler wird kleiner, je größer Du Deine Stichprobe wählst. Der Fehler ist aber immer vorhanden, solange Du keine Totalerhebung vornimmst.
Daher solltest Du ein geeignetes Schätzverfahren wählen, bei dem Du einen geringen Fehler erwartest. Es gibt verschiedene Kriterien für passende Schätzer. Ein guter Schätzer erfüllt z. B. die Erwartungstreue.
Diese Kriterien kannst Du auf die auf die zur Verfügung stehenden Arten von Schätzverfahren anwenden und sie danach beurteilen.
Induktive Statistik
- Schätzen von Parametern
- Konfidenzintervall für Erwartungswert, Varianz und Median
- Hypothesentests / Signifikanztests
- Testtheorie
- Alphafehler-Kumulierung (Multiple Testing, Bonferroni-Korrektur)
- Nullhypothese, Alternativhypothese (Gegenhypothese), Gerichtete Hypothese, Ungerichtete Hypothese
- Alphafehler (Fehler 1. Art), Signifikanzniveau
- Teststatistik
- p-Wert, kritischer Wert
- Poweranalyse: Betafehler (Fehler 2. Art), Effekt, Teststärke, Optimaler Stichprobenumfang
- Prüfung auf Unabhängigkeit
- Anpassungstests / Prüfung auf Verteilung
- Prüfung auf Mitte
- Prüfung auf Streuung
- Prüfung von Zusammenhängen
- Verteilungsunabhängige Tests / nichtparametrische Tests
- Testtheorie
- Statistische Modelle und Methoden