Statistik / Lektion

E-TESTs 08

5 Karteikarten · Diese Lektion wurde von dollinger3000 erstellt.

Berechnungen WS 2015/16 WS 2016/17

Lektion lernen
  • 01 Berechne die Varianz folgender Stichprobe auf 3 Nachkommastellen genau. 3.97, 4.22, 4.37, 3.41, 5.12, 4.07, 4.13, 4.10, 2.39, 4.62, 4.91, 3.62, 2.48, 4.18, 2.55
    var(c(3.97, 4.22, 4.37, 3.41, 5.12, 4.07, 4.13, 4.10, 2.39, 4.62, 4.91, 3.62, 2.48, 4.18, 2.55))[1] 0.7131543 oder: > sd(c(3.97, 4.22, 4.37, 3.41, 5.12, 4.07, 4.13, 4.10, 2.39, 4.62, 4.91, 3.62, 2.48, 4.18, 2.55))[1] 0.8444846> 0.8444846^2[1] 0.7131542
  • 02 Es soll der Zusammenhang zwischen der Milchmenge (kg) und der Eiweißmenge (kg) untersucht werden. Es steht folgende Stichprobe zur Verfügung: Milchmenge (x) während einer Laktation* (circa 300 Tage) und die dazugehörige Eiweißmenge (y). milch <- c(5831,6192,6401,7480,5603,6911,6461,6582,6951,5481,7741, 4884,5271,5577,7184) eiweiß <- c(208,201,217,256,196,208,208,203,227,186,260,159,179,183,228) Berechne die Steigung der Regressionsgeraden auf 2 Nachkommstellen genau. *Als Laktation wird die Milchabgabe von Säugetieren bezeichnet.
    summary(glm(eiweiß~milch,family="gaussian"))         #Estimate | milch =0.03
  • 03 Berechne die Stärke der Korrelation zwischen "Kain" und "Abel". Gib den Mittelwert der drei Korrelationskoeffizienten für Pearson, Spearman und Kendall auf 3 Nachkommastellen genau an. Kain<-c(12.13, 18.75, 5.29, 7.6, 16.15, 19.56, 19.16, 15.25, 10.19, 1.29, 12.87, 18.32, 1.9, 5.91, 15.4, 5.12, 10.36, 13.56, 2.94, 14.01) Abel <- c(17.92, -4.85, 16.45, 10.55, 1.81, 0.01,8.93,0.48, 9.42, 24.34, 11.17, -5.31, 23.46, 7.09, 6.71, 7.38,10.55,19.65,20.42,4.59)
    mean(c(cor(Kain,Abel),cor(Kain,Abel, method = "spearman"),cor(Kain,Abel,method = "kendall"))) [1] -0.6922608
  • 04*** Von der Pisastudie (2008) liegen die Ergebnisse der Mathe- und Naturwissenschafts-Prüfung der einzelnen Bundesländer vor. Hängt die erreichte Punktzahl in Naturwissenschaften von den Fähigkeiten in Mathe ab? Berechne die Punktzahl für Naturwissenschaften, wenn die Punktzahl in Mathe 510 beträgt. Gib den Wet als ganze Zahl gerundet an. natur<-c(541,533,530,523,516,507,503,508,518,514,510,506,515,497,485,512) mathe<-c(523,522,509,516,500,500,493,495,499,500,497,489,500,488,478,498)
    natur<-c(541,533,530,523,516,507,503,508,518,514,510,506,515,497,485,512)mathe<-c(523,522,509,516,500,500,493,495,499,500,497,489,500,488,478,498) summary(glm(natur~mathe,family="poisson")) newmathe<-seq(1,1000,len=10000) trala<-predict(glm(natur~mathe),newdata=data.frame("mathe"=newmathe)) trala[5100] 524.5203    #Der Wert muss zwischen 523.5 und 524.5 liegen
  • 05 Von 5 Schweinen liegen Messwerte ihrer Speckdicke (mm) und ihres Gewichts (kg) vor. Berechne die Abhängigkeit der Speckdicke vom Gewicht. Welchen Wert hat der P-Wert der Steigung? speckdicke<-c(10.4,11.5,12.2,11.9,14.0) gewicht<-c(105,108,115,122,125)
    summary(glm(speckdicke~gewicht)) 0.0628   # P | gewicht
Anzeige