Streuung Varianz < Stochastik < Hochschule < Mathe < Vorhilfe
|
| Aufgabe | Die folgende Tabelle zeigt die Anzahl der kanadischen Luftverkehrsunfälle der Jahre 96 bis 2000
1996 1997 1998 1999 2000
342 356 386 341 321
Prognostizieren sie den entsprechenden Wert für 2001 und unterstellen einen linearen Verlauf. Wieviel Prozent der Streuung (gemessen in der Varianz) der Unfallzahlen wird durch die Zeit erklärt? |
y=416,6-22,8x
2001:280,8
Ich verstehe nun allerdings nicht die letzte Frage: Was soll bei ihr gemacht werden?
Gruß
|
|
| |
|
| Status: |
(Antwort) fertig  | | Datum: | 13:46 Di 03.06.2014 | | Autor: | luis52 |
>
> Ich verstehe nun allerdings nicht die letzte Frage: Was
> soll bei ihr gemacht werden?
Moin, google mal "Bestimmtheitsmass" und vielleicht "Streuungszerlegung".
|
|
|
| |
|
Hallo,
einfach die Abweichungen addieren und durch 5 teilen geht nicht für die Standardabweichung und für die Varianz diese quadrieren?
Beim Bestimmthitsmaß bekomme ich leider -1,21 raus
[mm] (R^{2}=1-(5125,2/2314,8) [/mm] ), da mein quadriertes Residuum recht groß ist.
Das kann wohl nicht sein oder doch?
|
|
|
| |
|
| Status: |
(Antwort) fertig | | Datum: | 19:44 Mi 04.06.2014 | | Autor: | luis52 |
Ich kann deine Rechnung
$y=416,6-22,8x $
nicht nachvollziehen. Was ist $x$? Was ist $y$?
|
|
|
| |
|
Diese Gerade ist die Regressionsgerade der einzelnen Werte;
Ist sie denn falsch und kommt der Fehler daher? Das muss ich morgen einmal kontrollieren.
Freundliche Grüße
|
|
|
| |
|
| Status: |
(Mitteilung) Reaktion unnötig  | | Datum: | 22:04 Mi 04.06.2014 | | Autor: | micha_hen |
X sind die Jahre (1,2,3, usw)
y ist der Wert der Abstürze.
|
|
|
| |
|
| Status: |
(Antwort) fertig | | Datum: | 11:18 Do 05.06.2014 | | Autor: | luis52 |
Mit x=1,2,3,4,5 erhalte *ich* die Regressionsgerade $ y= 366.3 -5.7 x$.
Hier der Beleg in R:
| 1: | > x <- 1:5
| | 2: | > y <- c(342, 356, 386, 341, 321)
| | 3: | > reg <- lm(y~x)
| | 4: | > summary(reg)
| | 5: |
| | 6: | Call:
| | 7: | lm(formula = y ~ x)
| | 8: |
| | 9: | Residuals:
| | 10: | 1 2 3 4 5
| | 11: | -18.6 1.1 36.8 -2.5 -16.8
| | 12: |
| | 13: | Coefficients:
| | 14: | Estimate Std. Error t value Pr(>|t|)
| | 15: | (Intercept) 366.300 27.012 13.56 0.000867 ***
| | 16: | x -5.700 8.144 -0.70 0.534395
| | 17: | ---
| | 18: | Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
| | 19: |
| | 20: | Residual standard error: 25.75 on 3 degrees of freedom
| | 21: | Multiple R-squared: 0.1404, Adjusted R-squared: -0.1462
| | 22: | F-statistic: 0.4898 on 1 and 3 DF, p-value: 0.5344
|
|
|
|
| |
|
| Status: |
(Mitteilung) Reaktion unnötig | | Datum: | 12:22 Do 05.06.2014 | | Autor: | micha_hen |
Danke, ich Depp hatte y mit x vertauscht, daher das merkwürdige Ergebniss; ich komme nun auch auf das Gleiche.
Ich werde den anderen Teil nun nochmal neu rechnen.
|
|
|
| |
|
| Status: |
(Mitteilung) Reaktion unnötig | | Datum: | 17:17 Do 05.06.2014 | | Autor: | micha_hen |
Ich habe nun beim Bestimmtheitsmaß 0,14 raus, was wohl ein besserer Wert sein sollte.
Man muss aber schon ziemlich flott sein in einer Statistik Klausur und ein gutes Gedächtnis haben wenn man kein Statistik Professor ist und bestehen möchte. Ich hoffe bei mir ist nicht vollkommen Hopfen & Malz verloren.
Freundliche Grüße
|
|
|
| |
|
| Status: |
(Mitteilung) Reaktion unnötig | | Datum: | 17:46 Do 05.06.2014 | | Autor: | luis52 |
> Man muss aber schon ziemlich flott sein in einer Statistik
> Klausur und ein gutes Gedächtnis haben wenn man kein
> Statistik Professor ist und bestehen möchte.
Es ist schon hilfreich, wenn man $x$ und $y$ nicht vertauscht ... 
|
|
|
|
