diff --git a/bootstrap/exercises/bootstraptymus-datahist.pdf b/bootstrap/exercises/bootstraptymus-datahist.pdf index 4cc71ac..8b64edc 100644 --- a/bootstrap/exercises/bootstraptymus-datahist.pdf +++ b/bootstrap/exercises/bootstraptymus-datahist.pdf @@ -52,10 +52,10 @@ endobj - -Artifex Ghostscript 8.54 PDF Writer - -/tmp/tpd0b45dc9_ff5a_4aa8_90bd_50aa8e8237b6.ps + +Artifex Ghostscript 8.54 PDF Writer + +/tmp/tp6e6add58_0ada_4a6c_ba7e_63eeba1cbd7c.ps @@ -65,10 +65,10 @@ endstream endobj 2 0 obj <>endobj +/Title(/tmp/tp6e6add58_0ada_4a6c_ba7e_63eeba1cbd7c.ps)>>endobj xref 0 12 0000000000 65535 f @@ -85,7 +85,7 @@ xref 0000001375 00000 n trailer << /Size 12 /Root 1 0 R /Info 2 0 R -/ID [<8FE161FFCC6D1C11BAD3CE59BA0E3F32><8FE161FFCC6D1C11BAD3CE59BA0E3F32>] +/ID [] >> startxref 3070 diff --git a/bootstrap/exercises/bootstraptymus-meanhist.pdf b/bootstrap/exercises/bootstraptymus-meanhist.pdf index f503f5f..f641f13 100644 Binary files a/bootstrap/exercises/bootstraptymus-meanhist.pdf and b/bootstrap/exercises/bootstraptymus-meanhist.pdf differ diff --git a/bootstrap/exercises/bootstraptymus-samples.pdf b/bootstrap/exercises/bootstraptymus-samples.pdf index e4d69bc..166cca4 100644 Binary files a/bootstrap/exercises/bootstraptymus-samples.pdf and b/bootstrap/exercises/bootstraptymus-samples.pdf differ diff --git a/bootstrap/exercises/correlationsignificance.m b/bootstrap/exercises/correlationsignificance.m index 013b8a9..7c7e8a2 100644 --- a/bootstrap/exercises/correlationsignificance.m +++ b/bootstrap/exercises/correlationsignificance.m @@ -1,6 +1,6 @@ %% (a) generate correlated data -n=1000; -a=0.2; +n = 1000; +a = 0.2; x = randn(n, 1); y = randn(n, 1) + a*x; @@ -50,7 +50,7 @@ hold on; bar(b, h, 'facecolor', 'b'); bar(b(b>=rq), h(b>=rq), 'facecolor', 'r'); plot( [rd rd], [0 4], 'r', 'linewidth', 2 ); -xlim([-0.2 0.2]) +xlim([-0.25 0.25]) xlabel('Correlation coefficient'); ylabel('Probability density of H0'); hold off; diff --git a/bootstrap/exercises/correlationsignificance.pdf b/bootstrap/exercises/correlationsignificance.pdf index 7607e59..9240e4f 100644 Binary files a/bootstrap/exercises/correlationsignificance.pdf and b/bootstrap/exercises/correlationsignificance.pdf differ diff --git a/bootstrap/exercises/exercises01.tex b/bootstrap/exercises/exercises01.tex index c80a013..f263054 100644 --- a/bootstrap/exercises/exercises01.tex +++ b/bootstrap/exercises/exercises01.tex @@ -15,7 +15,7 @@ \else \newcommand{\stitle}{} \fi -\header{{\bfseries\large \"Ubung 3\stitle}}{{\bfseries\large Statistik}}{{\bfseries\large 21. Oktober, 2015}} +\header{{\bfseries\large \"Ubung\stitle}}{{\bfseries\large Bootstrap}}{{\bfseries\large 17. Januar, 2017}} \firstpagefooter{Prof. Dr. Jan Benda}{Phone: 29 74573}{Email: jan.benda@uni-tuebingen.de} \runningfooter{}{\thepage}{} @@ -84,10 +84,13 @@ jan.benda@uni-tuebingen.de} \input{instructions} - \begin{questions} \question \qt{Bootstrap des Standardfehlers} +Wir wollen den Standardfehler, die Standardabweichung des Mittelwerts, +eines Datensatze mit Hilfe der Bootstrapmethode berechnen und mit der +Formel ``Standardabweichung geteilt durch Wurzel aus $n$'' +vergleichen. \begin{parts} \part Lade von Ilias die Datei \code{thymusglandweights.dat} herunter. Darin befindet sich ein Datensatz vom Gewicht der Thymus Dr\"use in 14-Tage alten @@ -112,8 +115,11 @@ jan.benda@uni-tuebingen.de} \end{solution} -\continue \question \qt{Student t-Verteilung} +Durch Standardabweichungen normierte Mittelwerte sind nicht Gaussverteilt, +wenn beide aus Normalverteilten Daten abgesch\"atzt werden. +Die Verteilung von $t=\bar x/(\sigma_x/\sqrt{m})$ folgt vielmehr +der Student t-Verteilung. \begin{parts} \part Erzeuge 100000 normalverteilte Zufallszahlen. \part Ziehe daraus 1000 Stichproben vom Umfang $m=3$, 5, 10, oder 50. @@ -123,6 +129,7 @@ dieser Mittelwerte. \part Berechne ausserdem die Gr\"o{\ss}e $t=\bar x/(\sigma_x/\sqrt{m})$ (Standardabweichung $\sigma_x$) und vergleiche diese mit der Normalverteilung mit Standardabweichung Eins. Ist $t$ normalverteilt, bzw. unter welchen Bedingungen ist $t$ normalverteilt? \end{parts} +\newsolutionpage \begin{solution} \lstinputlisting{tdistribution.m} \includegraphics[width=1\textwidth]{tdistribution-n03}\\ @@ -132,7 +139,10 @@ dieser Mittelwerte. \end{solution} -\question \qt{Korrelationen} +\continue +\question \qt{Permutationstest} +Wir wollen die Signifikanz einer Korrelation durch einen +Permutationstest bestimmen. \begin{parts} \part Erzeuge 1000 korrelierte Zufallszahlen $x$, $y$ durch \begin{verbatim} diff --git a/bootstrap/exercises/instructions.tex b/bootstrap/exercises/instructions.tex index 12e9e24..4c7eaf3 100644 --- a/bootstrap/exercises/instructions.tex +++ b/bootstrap/exercises/instructions.tex @@ -4,38 +4,3 @@ {\large Jan Grewe, Jan Benda}\\[-3ex] Abteilung Neuroethologie \hfill --- \hfill Institut f\"ur Neurobiologie \hfill --- \hfill \includegraphics[width=0.28\textwidth]{UT_WBMW_Black_RGB} \\ \end{center} - -\ifprintanswers% -\else - -% Die folgenden Aufgaben dienen der Wiederholung, \"Ubung und -% Selbstkontrolle und sollten eigenst\"andig bearbeitet und gel\"ost -% werden. Die L\"osung soll in Form eines einzelnen Skriptes (m-files) -% im ILIAS hochgeladen werden. Jede Aufgabe sollte in einer eigenen -% ``Zelle'' gel\"ost sein. Die Zellen \textbf{m\"ussen} unabh\"angig -% voneinander ausf\"uhrbar sein. Das Skript sollte nach dem Muster: -% ``variablen\_datentypen\_\{nachname\}.m'' benannt werden -% (z.B. variablen\_datentypen\_mueller.m). - -\begin{itemize} -\item \"Uberzeuge dich von jeder einzelnen Zeile deines Codes, dass - sie auch wirklich das macht, was sie machen soll! Teste dies mit - kleinen Beispielen direkt in der Kommandozeile. -\item Versuche die L\"osungen der Aufgaben m\"oglichst in - sinnvolle kleine Funktionen herunterzubrechen. - Sobald etwas \"ahnliches mehr als einmal berechnet werden soll, - lohnt es sich eine Funktion daraus zu schreiben! -\item Teste rechenintensive \code{for} Schleifen, Vektoren, Matrizen - zuerst mit einer kleinen Anzahl von Wiederholungen oder kleiner - Gr\"o{\ss}e, und benutze erst am Ende, wenn alles \"uberpr\"uft - ist, eine gro{\ss}e Anzahl von Wiederholungen oder Elementen, um eine gute - Statistik zu bekommen. -\item Benutze die Hilfsfunktion von \code{matlab} (\code{help - commando} oder \code{doc commando}) und das Internet, um - herauszufinden, wie bestimmte \code{matlab} Funktionen zu verwenden - sind und was f\"ur M\"oglichkeiten sie bieten. - Auch zu inhaltlichen Konzepten bietet das Internet oft viele - Antworten! -\end{itemize} - -\fi diff --git a/bootstrap/exercises/tdistribution-n03.pdf b/bootstrap/exercises/tdistribution-n03.pdf index 8d780be..3cd1e25 100644 Binary files a/bootstrap/exercises/tdistribution-n03.pdf and b/bootstrap/exercises/tdistribution-n03.pdf differ diff --git a/bootstrap/exercises/tdistribution-n05.pdf b/bootstrap/exercises/tdistribution-n05.pdf index b69abeb..448b621 100644 Binary files a/bootstrap/exercises/tdistribution-n05.pdf and b/bootstrap/exercises/tdistribution-n05.pdf differ diff --git a/bootstrap/exercises/tdistribution-n10.pdf b/bootstrap/exercises/tdistribution-n10.pdf index bd77f2e..3bf5afd 100644 Binary files a/bootstrap/exercises/tdistribution-n10.pdf and b/bootstrap/exercises/tdistribution-n10.pdf differ diff --git a/bootstrap/exercises/tdistribution-n50.pdf b/bootstrap/exercises/tdistribution-n50.pdf index f3c4fe5..f6a8a7c 100644 Binary files a/bootstrap/exercises/tdistribution-n50.pdf and b/bootstrap/exercises/tdistribution-n50.pdf differ