Inhaltsverzeichnis zur Vorlesung
Mathematische Statistik 1 (Pruscha)
Zitiert wird
- Witting, Mathematische Statistik 1, Teubner (1985)
- Pruscha, Vorlesungen über Mathematische Statistik
(VMS) Teubner (2000)
- Christensen, The Theory of Linear Models, Springer (1987)
- Randles & Wolfe, Introd. to the Theory of Nonparam. Statistics, Wiley (1979)
Aktueller Stand der Vorlesung siehe
KAP I: Grundlegende Verfahren Stoff verstreut in Witting 1.2.2-1.2.4, 1. Schätzen von Parametern VMS 1.1 Begriff und Eigenschaften des Schätzers 1.2 Schätzen des Erw.wertes und der Varianz 1.3 Satz von Student (Normalverteilungs-Fall) 2. Schätzmethoden 2.1 ML-Schätzer 2.2 Beispiele von ML-Schätzern 2.3 MQ-Schätzer 2.4 MQ-Schätzer des Regressionskoeffizienten 3. Testen von Parametern 3.1 Signifikanztest zum Niveau alpha 3.2 Fehlerwahrscheinlichkeiten, Gütefunktion 3.3 Beispiel Gausstest 3.4 Beispiel t-Test (und weitere Tests) 3.5 Beispiel Binomialtests 4.Konfidenzintervalle 4.1 Begriff des Konfidenzbereiches 4.2 Beispiel: Konf.Int. für µ (Normalverteilung) 4.3 Beispiel: Konf.Int. für p (Binomialverteilung) 5. Ordnungs- und Rangstatistiken 5.1 Ordnungsstatistik 5.2 Ränge 5.3 Empirische Verteilungsfunktion 5.4 Schätzer für ein Quantil KAP II: Grundlegende Konzepte Stoff verstreut in Witting 1.1.3, 1.2.5, 1.4.2, 1.6.5,
1.7.1-1.7.3, 3.1.1-3.1.3, 3.2.11. Verteilungsklassen VMS 1.1 Stichprobenraum, Stichprobenfunktion 1.2 Dominierte Verteilungsklassen 1.3 Ein Kriterium der Dominiertheit 2. Exponentialfamilien 2.1 Einparametrige Exponentialfamilien 2.2 k-parametrige Exponentialfamilien 2.3 Ableitungen und Momente 2.4 Beispiele von Exponentialfamilien 3. Suffizienz und Vollständigkeit 3.1 Suffiziente Statistiken 3.2 Erste Beispiele und Folgerungen 3.3 Neyman-Kriterium 3.4 Suffiziente Statistiken in Exp.familien 3.5 Vollständige Statistiken 4. Entscheidungstheorie 4.1 Verlustfunktion und Risiko 4.3 Entscheidungsstrategien 4.4 Bayessche Entscheidungstheorie KAP III: Lineares Modell Stoff in Witting 1.5, 4.1, 4.2 , Christensen 1. Grundlagen des linearen Modells VMS 1.2 Elemente und Def. des linearen Modells 1.3 Linearer Teilraum L 1.4 Projektion und Projektionsstrahl 2. Spezialfälle des linearen Modells 2.1 Lineare Regression 2.2 Einfache Varianzanalyse 2.3 Zweifache Varianzanalyse 3. MQ-Schätzer der Modellparameter 3.1 Erwartungswerte µ, Koeffizienten ß 3.3 Schätzen der Varianz, Residuen 3.4 Bsp: Einf. Varianz- und Regressionsanalyse 4. Lineare Schätzer 4.1 Schätzbare lineare Funktionen 4.2 Gauß-Markov Theorem 4.3 Bsp: Einfache Varianzanalyse 5. Testen linearer Hypothesen 5.1 Hypothesenraum, Hypothesenmatrix 5.2 Hauptsatz Testen linearer Hypothesen 5.3 Ergänzungen zum Hauptsatz 5.4 Bsp: Einfache Varianzanalyse KAP IV: Einfache nichtparametrische Modelle Stoff in Randles & Wolfe 1. Auf Rängen basierende Statistiken VMS 1.1 Rangvektor und seine Verteilung 1.2 2-Stichproben Rangsummen 1.3 Verteilung der Rangsummen 1.4 2-Stichproben U-Test 2. Auf emp. Vert.funktion basierende Statistiken 2.1 KS-Statistik d_n 2.2 1-Stichproben KS-Test KAP V: Schätztheorie Stoff in Witting 2.7.1, 2.7.2, 3.1.4, 3.2.1 1. Cramér-Rao Ungleichung und Effizienz VMS 1.1 Reguläre Verteilungsklassen 1.2 Reguläre Schätzfunktionen, Basis-Ungleichung 1.3 Cramér-Rao Ungleichung 1.4 Effizienz von Schätzfunktionen 1.5 Beispiel: Normalverteilung 2. Optimale erwartungstreue Schätzer 2.1 Verbesserung erwartungstreuer Schätzer 2.2 Beste Schätzfunktionen KAP VI: Testtheorie Stoff in Witting 2.1.1, 2.1.2, 2.2.1, 2.4.1-2.4.3, 3.3.1,
3.3.2, 3.4.1, 3.4.31. Randomisierte Tests und einfache Hypothesen VMS 1.1 Beste Tests zum Niveau alpha 1.2 Neyman-Pearson Tests (bei einfachen Hypothesen) 1.3 Fundamentallemma von Neyman-Pearson 2. Einseitige und zweiseitige Tests 2.1 Verteilungsklasse mit monotonem Dichtequotienten 2.2 Beste einseitige Tests bei monotonem DQ 2.3 Unverfälschte zweiseitige Tests 2.4 Modifizierte Neyman-Pearson Tests 2.5 Beste unverfälschte Tests 3. Testprobleme mit Störparametern 3.1 Ähnliche Tests, Tests mit Neyman-Struktur 3.2 Bedingte Testprobleme 3.3 Von bedingten zu unbedingten Tests 3.4 Beste Tests mit Störparametern 3.5 Beispiele: Normalverteilung