Wahrscheinlichkeitsrechnung und Statistik — 30 BASIC-Programme

77 Pages·1984·1.899 MB·German

by  Dietmar Herrmann (auth.)

Dietmar Herrmann
Wahrscheinlichkeitsrechnung und
Statistik -
30 BASIC-Programme
Anwendung von Mikrocomputem
Herausgegeben von Dr. Harald Schumny
Die Buchreihe behandelt Themen aus den vielHiltigen Anwendungsbereichen
des Mikrocomputers: Technik, Naturwissenschaften, Betriebswirtschaft.
Jeder Band enthalt die vollstandige Lesung von Problemen, entweder in
Form von Programmpaketen, die der Anwender komplett oder in Teilen als
Unterprogramme verwenden kann, oder in Form einer Problemaufbereitung,
die dem Benutzer bei der Sohware- und Hardware-Entwicklung hilft.
Band 1 Digitale Regelung mit Mikroprozessoren
von Norbert Hoffmann
Band 2 Wahrscheinlichkeitsrechnung und Statist"
von Dietmar Herrmann
Band 3 Mathematische Routinen der Elektrotechnik / Elektronik
von Ernst Friedrich Reinking
Band 4 Numerische Mathematik
von Dietmar Herrmann
Band 5 Textverarbeitung (TI-99/4A und VC-20)
von Arnim und Ingeborg Telke
Anwendung von Mikrocomputem Band 2
Dietmar Herrmann
Wahrscheinlichkeitsrechnung
und Statistik -
30 BASIC-Programme
mit einer EinfUhrung
von Wolfgang Weger
2., berichtigte Auflage
Friedr. Vieweg & Sohn Braunschweig I Wiesbaden
Das hierin enthaltene Programm-Material ist mit keiner Verpflichtung oder Garantie irgendeiner Art
verbunden. Der Autor iibernimmt infolgedessen keine Verantwortung und wird keine daraus folgende
oder sonstige Haftung iibernehmen, die auf irgendeine Art aus der Benutzung dieses Pro gramm-Materials
oder Teilen davon entsteht.
1. Auflage 1983
2., berichtigte Auflage 1984
Aile Rechte vorbehalten
© Friedr. Vieweg & Sohn Verlagsgesellschaft mbH, Braunschweig 1984
Die Vervielfaltigung und Dbertragung einzelner Textabschnitte, Zeichnungen oder Bilder, auch fUr
Zwecke der Unterrichtsgestaltung, gestattet das Urheberrecht nur, wenn sie mit dem Verlag vorher
vereinbart wurden. 1m Einzelfall muJl> iiber die Zahlung einer Gebiihr fUr die Nutzung fremden geistigen
Eigentums entschieden werden. Das gilt fUr die Vervielfliltigung durch aile Verfahren einschliel1lich
Speicherung und jede Dbertragung auf Papier, Transparente, Filme, Bander, Platten und andere Medien.
Satz: Friedr. Vieweg & Sohn, Braunschweig
Umschlaggestaltung: Peter Lenz, Wiesbaden
ISBN 978-3-528-14220-9 ISBN 978-3-322-96320-8 (eBook)
DOI 10.1007/978-3-322-96320-8
v
Inhaltsverzeichnis
Einflihrung von Wolfgang Wager ................................... 1
Hinweise zu den Programmen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 5
Ubersicht .................................................. 6
Monte-Carlo-Simulation
Wiirfel-Simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 7
2 Simulation einer normalverteilten Stichprobe. . . . . . . . . . . . . . . . . . . . . . .. 8
Wahrscheinlichkeitsrechnung
3 Bayes' Formel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 10
4 Markow-Kette .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 12
5 Binomial-Verteilung ........................................ 14
6 Hypergeometrische Verteilung ................................. 16
7 Poisson-Verteilung ......................................... 18
8 Normalverteilung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 19
Statistik
9 Stichprobenparameter....................................... 21
10 SignifIkanztest mit Normalverteilung .. . . . . . . . . . . . . . . . . . . . . . . . . . .. 24
11 Alternativtest mit Normalverteilung . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 26
12 Vertrauensbereiche......................................... 2S
13 x2-Verteilung ............................................ 30
14 x2-Anpassungstest ......................................... 31
15 X2- Test flir Mehrfeldertafel ................................... 34
16 t-Verteilung.............................................. 36
17 t-Test.................................................. 38
18 F-Verteilung ............................................. 40
19 Einfache Varianzanalyse ..................................... 42
20 Vorzeichentest............................................ 44
21 Median-Test. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 46
22 Mann-Whitney-Test ......................................... 48
23 Wilcoxon-Test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 51
24 Fisher-Test ................................... . . . . . . . . . .. 53
25 Iterationstest nach Wald-Wolfowitz .............................. 55
26 Rangkorrelation........................................... 57
VI Inhaltsverzeichnis
Regression
27 Lineare Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 60
28 Exponentielle Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 63
29 Geometrische Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 65
30 Polynom-Regression ........................................ 67
Uteraturverzeichnis ........................................... 70
Einfuhrung
von Wolfgang Woger*)
Statistik ist die Kunst und die Wissenschaft, Daten zu sammeln, zu analysieren und
SchluBfolgerungen aus ihnen zu ziehen. Die Anwendungsgebiete ftir die Statistik sind
so mannigfach, daB es nicht verwunderlich ist, wenn von den Anfangen dieser Wissen
schaft bis heute eine umfangreiche Menge von Methoden und Theorien entwickelt worden
sind. Die vorliegende Sammlung von Methoden zur Analyse und Auswertung von Daten
ist in der Tat nur ein kleiner, aber wesentlicher Auszug aus den existierenden Moglich
keiten.
Die Grundprinzipien des statistischen Schlusses werden mit Hilfe der Begriffe Expe
riment, Ergebnis, Stichprobenraum, Ereignis und Wahrscheinlichkeit formuliert. Das
Experiment umfaBt dabei solche Beispiele wie das Werfen einer Miinze, die Messung einer
Lange oder die Frage an eine Person, welche Partei sie oder er bei der nachsten Wahl
wahlen wird. Solche Experirnente haben eine Anzahl von tiberhaupt moglichen Ergebnissen,
und das konnen durchaus unendliche viele sein. In der Statistik wird dann die Menge
aller moglichen Ergebnisse eines Experiments haufig Stichprobenraum genannt. 1m Falle
des Wtirfelns eines einzelnen Wtirfels besteht der Stichprobenraum also aus der Menge
{I, 2, 3, 4, 5, 6}. Spezifizierte Untermengen des Stichprobenraums werden Ereignis
genannt. Beispielsweise ist das Wtirfeln einer geraden Zahl ein Ereignis, das mit p, 4, 6}
angegeben werden kann.
Die Resultate einer groBen Anzahl von Experimenten bilden in der Statistik das
zu benutzende Datenmaterial. Es wird nun angenommen, daB es einen dem Experiment
unterliegenden Wahrscheinlichkeitsmechanismus gibt, der das Auftreten der Daten
bestimmt. 1st dieser Mechanismus bekannt, dann kann die Wahrscheinlichkeit ftiT das
Auftreten eines Ergebnisses oder Ereignisses berechnet werden. Damit beschiiftigt sich
die Wahrscheinlichkeitstheorie. Sie geht also von einem bekannten Wahrscheinlichkeits
mechanismus aus und bildet die Voraussetzung fUr die Statistik, die eine Anwendung
dieser Theorie auf gesammelte Daten darstellt.
Die Problemstellung in der Statistik ist jedoch haufig umgekehrt: Sie solI bei
unbekanntem oder aus anderen Quellen nur teilweise bekanntem Wahrscheinlichkeits
mechanismus aus dem vorhandenen Datenmaterial auf ihn schlieBen. 1st zum Beispiel der
dem Experiment unterliegende Wahrscheinlichkeitsmechanismus einer von mehreren
mogiichen, so ist die Aufgabe der Statistik unter Benutzung des vorhandenen Informa
tionsmaterials, der Daten, auf denjenigen Mechanismus zu schlieBen, der diese Daten
*) Dr. Wolfgang Wager ist Oberregierungsrat im Referat "Theoretische Physik" der Physikalisch
Technischen Bundesanstalt. Ein Hauptaufgabenbereich ist Statistik und Auswertung von Me~
ergebnissen.
2 EinfUhrung
erzeugte. Es muB betont werden, daB dies aufgrund der nicht unbeschrankten Informa
tion (man hat nur eine endliche Anzahl von Daten, also eine Stichprobe endlichen Um
fangs) niemals im mathematischen Sinne exakt moglich ist. Die Statistik erlaubt zwar,
eine Entscheidung beztiglich des Mechanismus zu treffen, sie ordnet aber dieser Entschei
dung eine bestimmte Wahrscheinlichkeit daflir zu, daB sie falsch ist. Je umfangreicher
allerdings das dem Experiment entspringende Datenmaterial ist, urn so sicherer wird die
Entscheidung getroffen werden konnen. Die Vorgehensweise bei einer solchen Unter
suchung ist typisch fUr viele Bereiche der Naturwissenschaften: Man macht sich eine
Vorstellung (oder ein Modell) flir den Mechanismus, erhebt sie zur Hypothese, nimmt
also vorlaufig an, sie sei korrekt, trifft mittels der Wahrscheinlichkeitstheorie daraus
gewisse Vorhersagen und vergleicht diese mit der rauhen Wirklichkeit, also dem gesam
melten Datenmaterial. Dieser Vergleich flihrt dann zu einer Entscheidung tiber die Hypo
these. Die drei Komponenten Daten, Hypothese und Entscheidung bilden die Basis des
statistischen Problems des Hypothesen-Tests. Dabei ist eine Grundvoraussetzung flir alle
tiblichen statistischen Methoden zum Testen von Hypothesen, daB jedes Element aus
einem gegebenen Datensatz unabhangig von allen anderen gewonnen wurde. 1st diese
Bedingung der Zufallstichprobe verietzt, so liefert die Anwendung eines Tests, der auf
dieser Voraussetzung basiert, eine vollig unkontrollierbare Entscheidung. Die Unabhan
gigkeit der Elemente eines Datensatzes voneinander kann selbst getestet werden, wenn
man ihrer nicht sicher ist (s. z. B. Nr. 25 und 26 der Sammlung).
Formal wird beim Hypothesen-Test zunachst eine Nullhypothese Ho aufgestellt,
mit der Bedeutung, daB die zu testende Annahrne korrekt seL Sodann wird ein Signifi
kanzniveau (auch: Irrtumswahrscheinlichkeit) a (0 < a < I) gewiihlt, urn zu kennzeichnen,
wie unwahrscheinlich das Auftreten eines beobachteten Datensatzes sein mulil, urn zu
einer Verwerfung der Nullhypothese zu ftihren. In einem gewiihlten a gibt es einen ganzen
Satz von Stichproben, deren Auftreten als unwahrscheinlich angesehen wird, wenn die
Hypothese Ho korrekt ist. Alle diese bilden eine Untermenge des Stichprobenraums, den
kritischen Bereich (oder: Ablehnungsbereich) K. Die Wahrscheinlichkeit, daB ein beob
achteter Datensatz aus Kist, wenn Ho als korrekt vorausgesetzt wird, ist dann kleiner
oder gleich a. Die zentrale Aufgabe bei der Entwicklung von Hypothesen-Tests ist die
Konstruktion des kritischen Bereiches. Fallt die beobachtete Stichprobe nicht in K, so
sagt man, daS Ho auf dem SignifIkanzniveau a nicht abgelehnt werden kann. Es sollte
klar sein, daS diese Entscheidung beztiglich Ho nicht notwendig heiSt, man sei der Meinung,
daS Ho wirklich den wahren Wahrscheinlichkeitsmechanismus, der dem Experiment
unterliegt, reprasentiert. Vielmehr muS die Interpretation lauten: Die nach Durchftihrung
des Experiments sich ergebende Beobachtung ist mit der Hypothese Ho vereinbar, wobei
Ho durchaus noch richtig oder falsch sein kann. Da das bislang geschilderte Vorgehen
lediglich darauf hinauslauft, einen Unterschied zwischen der Beobachtung und den aus
Ho sich ergebenden Konsequenzen als signiftkant oder nicht festzustellen, nennt man
diese Art des Tests einen "Signiftkanz-Test" (s. z. B. Nr. 10).
Demgegentiber steht der ,,Alternativ-Test" (s. z. B. Nr. ll),bei dem man der
Hypothese Ho eine "verntinftige" oder auch "zulassige" Alternativ-Hypothese HI ent
gegenstellt mit der Bedeutung, daS man sich flir HI entscheidet, wenn Ho abgelehnt
wird oder umgekehrt. Fallt also ein beobachteter Datensatz nicht in den kritischen
Bereich K des Tests (K gehort zu Ho), so kann wiederum Ho nicht auf dem gewahiten
Einfiihrung 3
Signiftkanzniveau a: abgelehnt werden. Wlihrend man aber beim Signiflkanz-Test auf eine
Entscheidung zwischen Ho und der Alternative HI verzichtet, trifft man beim Alternativ
Test eine echte Entscheidung zwischen beiden Hypothesen beztiglich des dem Experiment
unterliegenden Wahrscheinlichkeitsmechanismus. Diese Entscheidung zwischen Ho und
HI kann mit einer spezifizierten Wahrscheinlichkeit falsch sein. Es sei jedoch hier auf die
am Ende der Sammlung angegebene Literatur verwiesen (s. auch Nr. 11).
Der einem bestimmten Experiment unterliegende Wahrscheinlichkeitsmechanismus
kann haufig analytisch in Form einer Wahrscheinlichkeitsverteilungsfunktion oder einer
Wahrscheinlichkeitsdichte[unktion beschrieben werden. Diese enthalten einen oder
mehrere Parameter. Ais Beispiel sei die Normalverteilung genannt mit den Parametern
JJ. und a2 (s. Nr. 8). Hat man geniigend Vorinformation, urn sicher zu sein, da~ der Mecha
nismus durch eine bestimmte Kurvenform beschrieben werden kann, so steht man im
allgemeinen vor dem Problem, aus dem beobachteten Datenmaterial auf die Parameter
werte der zum Experiment gehorenden Verteilungsfunktion zu schlie~en, oder auch
allgemeiner aus verschiedenen Datensatzen beispielsweise auf die Gleichheit von Para
metern, ohne da~ deren Wert interessiert. Tests, die fUr Situationen entwickelt worden
sind, in denen die funktionale Form des Mechanismus als bekannt vorausgesetzt wird
und somit nicht Tell der Hypothesen ist, nennt man ,,Parameter-Tests". Sie liefern nur
dann kontrollierbare Entscheidungen, wenn diese Voraussetzung tatsachlich erfiillt ist
und konnen durchaus sehr empfmdlich sein gegen geringe Abweichungen von ihr. Ein
typischer Parameter·Test ist der t-Test (Nr. 17), bei dem Normalverteilung vorausgesetzt
wird. Man sollte ihn nur anwenden, wenn man ihrer sicher ist.
In vielen Situationen ist jedoch sehr wenig bekannt tiber die Verteilungsform, die
zum Experiment gehOrt. VieImehr kann die Form selbst Gegenstand eines Hypothesen
Tests sein, wie beim X2 -Test Nr. 14. Tests, die sich nicht auf Parameter einer bestimmten,
vorgegebenen Verteilungsform beziehen, werden "nichtparametrisch" oder "verteilungs
frei" genannt. Solche Methoden beruhen typischerweise nicht auf den speziellen beob
achteten Werten der Datensatze, sondem auf den Vorzeichen von Differenzen (Nr. 20),
Permutationen, Abziihlungen und Anordnungen der Werte. Aber auch diese Tests unter
liegen hiiufig gewissen, allerdings relativ schwachen Voraussetzungen wie Stetigkeit der
Wahrscheinlichkeitsdichte oder Existenz von Momenten niedriger Ordnung.
Die vorliegende Programm-Sarnmlung enthiilt einige klassische Parameter- wie
auch verteilungsfreie Tests. Neben dem Problem des Hypothesen-Tests, aber eng mit
ihrn zusammenhiingend, wird in der schlie~enden Statistik die Punkt- und Intervall
schiitzung von Parametern behandelt. In der Praxis und hier insbesondere in der Me~­
technik mochte man hiiufig unter Voraussetzung der Normalverteilung wissen, in welchem
Ma& arithmetische Mittel einer Stichprobe den unbekarmten wahren Wert der im Expe
riment untersuchten Gro~e reprasentiert. Defmitionsgema~ ist im Falle der Normalver
teilung dieser wahre Wert gleich deren Lageparameter J,l (s. Nr. 8). Diese Frage wird in der
Statistik unter der Verwendung der Begriffe ,,Konfidenz- oder Vertrauensintervall mit
zugehOrigem Konfidenzniveau" (hier fUr den wahren Wert JJ.) beantwortet. Dieses Inter
vall hat Grenzen, die aus dem Mittelwert und der Standortabweichung des Datensatzes
gebildet werden (s. Nr. 12). Die Grenzen fluktuieren also zuflillig von Stichprobe zu
Stichprobe. Sie sind jedoch so konstruiert, da~ die Aussage, sie umschlossen den wahren
Wert J,l, mit einer vorgegebenen gewiihlten Wahrscheinlichkeit, eben dem Konfidenzniveau,