Bachelorprüfung Praxis der empirischen Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D.

Größe: px
Ab Seite anzeigen:

Download "Bachelorprüfung Praxis der empirischen Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D."

Transkript

1 Lehrstuhl für Statstk und emprsche Wrtschaftsforschung, SS 9 Fach: Prüfer: Bachelorprüfung Praxs der emprschen Wrtschaftsforschung Prof. Regna T. Rphahn, Ph.D. Name, Vorname Matrkelnr. E-Mal Studengang Semester Datum Raum, Platznr. Unterschrft Vorbemerkungen: Anzahl der Aufgaben: De Klausur besteht aus 6 Aufgaben, de alle bearbetet werden müssen. Bewertung: Erlaubte Hlfsmttel: Wchtge Hnwese: Es können maxmal 9 Punkte erworben werden. De maxmale Punktzahl st für jede Aufgabe n Klammern angegeben. Se entsprcht der für de Aufgabe empfohlenen Bearbetungszet n Mnuten. Formelsammlung (st der Klausur begefügt) Tabellen der statstschen Vertelungen (snd der Klausur begefügt) Taschenrechner Fremdwörterbuch Sollte es vorkommen, dass de statstschen Tabellen, de deser Klausur belegen, den exakten Wert der Frehetsgrade ncht auswesen, machen Se des kenntlch und verwenden Se den nächstgelegenen Wert. Sollte es vorkommen, dass be ener Berechnung ene erforderlche Informaton fehlt, machen Se des kenntlch und treffen Se für den fehlenden Wert ene plausble Annahme. 1/8

2 Aufgabe 1: [14 Punkte] De Bldungsrendte wrd auf Bass ener Stchprobe vom Umfang 145 für männlche Erwerbstätge mt folgenden Regressonsfunktonen emprsch analysert. Modell 1: Modell : Dabe st: wage educ exper IQ IQfather logwage educ exper IQ logwage educ exper IQ IQfather Stundenlohn n US-Dollar Schul- und Berufsausbldung n Jahren Berufserfahrung n Jahren Intellgenzquotent n Punkten Intellgenzquotent des Vaters n Punkten Der Regressonsoutput von SPSS st n folgender Tabelle zusammengefasst. Modell 1 Modell Koeffzent Standardfehler Koeffzent Standardfehler educ exper IQ IQfather Konstante SSE SSR SST a) Interpreteren Se den Effekt enes weteren Jahres Schul- und Berufsausbldung aus Modell 1 nhaltlch, wenn de anderen Varablen m Modell konstant gehalten werden. ( Punkte) b) Das angepasste Bestmmthetsmaß für Modell 1 beträgt,1857. Berechnen Se für Modell und beurtelen Se, ob de Aufnahme der Varable IQfather den Erklärungsgehalt des Modells verbessert. (4 Punkte) c) Der Parameterschätzer für n Modell west enen p-wert von,55 auf. Erläutern Se anhand deses Wertes de statstsche Sgnfkanz des Effekts. ( Punkte) d) Erläutern und begründen Se formal, nwefern de Aufnahme der Varable IQfather n das Modell de Präzson der Schätzergebnsse für verschlechtern könnte. Werden Ihre Überlegungen durch den Regressonsoutput bestätgt? (6 Punkte) Aufgabe : [1 Punkte] Se nteresseren sch für de Determnanten des Geburtsgewchts von Säuglngen. Für Ihre Analyse stehen Ihnen folgende Informatonen für 1388 Neugeborene zur Verfügung: bweght Gewcht enes Kndes be der Geburt n Pfund cgs Anzahl der von der Mutter während der Schwangerschaft durchschnttlch gerauchten Zgaretten pro Tag feduc Schulausbldung des Vaters n Jahren meduc Schulausbldung der Mutter n Jahren male = 1 wenn männlch, = sonst east = 1 wenn Eltern aus den neuen Bundesländern stammen, = sonst /8

3 Für de Grundgesamthet wrd folgendes Modell unterstellt: bweght = β 1cgs feduc 3 meduc 4 male 5east + u Ene Schätzung n SPSS ergbt: Modellzusammenfassung Modell R R-Quadrat Korrgertes R- Quadrat Standardfehler des Schätzers 1,15 a,46,4 1,3195 a. Enflußvarablen : (Konstante), cgs, male, feduc, meduc, east Koeffzenten a Modell Ncht standardserte Koeffzenten Standardserte Koeffzenten Regressonskoeffz entb Standardfehler Beta 1 (Konstante) 7,13,7 3,83, cgs -,37,7 -,159-5,459, feduc,3,17,7 1,866,6 meduc -,1,19 -,4-1,6,88 male,8,7,9 3,183,1 east,33,99,87 3,61, a. Abhängge Varable: bweght a) Interpreteren Se nhaltlch und bestmmen Se das zugehörge 99% Konfdenzntervall. (5 Punkte) b) Was versteht man unter dem sogenannten Dummy Varable Trap? Zegen Se anhand der Varanzformel für den KQ-Schätzer, welche Folge für de Schätzung der Koeffzenten zu erwarten st. (4 Punkte) c) We könnten Se durch das Enfügen ener zusätzlchen Varable testen, ob Jungs, deren Eltern aus Ostdeutschland stammen, sgnfkant schwerer snd als Jungs, deren Eltern aus Westdeutschland stammen? ( Punkte) d) Snd de beden Varablen feduc und meduc jewels am 5% Nveau sgnfkant? Begründen Se kurz. Warum st es snnvoll, de beden Varablen n enem F-Test gemensam zu testen? (4 Punkte) e) Führen Se für de beden Varablen feduc und meduc den F-Test am 5% Sgnfkanznveau durch. Verwenden Se herfür zusätzlch untenstehenden Output. Es snd Null- und Alternatvhypothese, Teststatstk, krtscher Wert, Frehetsgrade und Testentschedung anzugeben. (6 Punkte) Modell R R-Quadrat Modellzusammenfassung Korrgertes R- Quadrat Standardfehler des Schätzers 1,9 a,44,4 1,453 a. Enflußvarablen : (Konstante), east, cgs, male b. Abhängge Varable: bweght T Sg. Aufgabe 3: [8 Punkte] Das Engelsche Gesetz besagt, dass de Ausgaben für Ernährung vom Haushaltsenkommen abhängen. Se versuchen, dese ökonomsche Hypothese n enem Modell darzustellen. Ihr Datensatz enthält folgende Varablen für 58 Haushalte: consum wöchentlche Ausgaben für Ernährung (n ) wage wöchentlches Enkommen (n ) wage quadrertes wöchentlches Enkommen 3/8

4 Se schätzen das Modell und erhalten folgenden SPSS-Output: Koeffzenten a Standardserte Ncht standardserte Koeffzenten Koeffzenten Modell Regressonskoeff zentb Standardfehler Beta T Sg. 1 (Intercept) 5,87 14,81 3,395,1 wage 1,393,96,5 14,566, wage -,14, -1,98-8,495, a. Abhängge Varable: consum a) Be welchem Enkommen snd de durchschnttlchen Ernährungsausgaben maxmal? (3 Punkte) b) Bestmmen Se de margnalen Effekte für Enkommen von 7 und 5 und nterpreteren Se dese. (3 Punkte) c) Formuleren Se das Modell um, sodass Ihnen der geschätzte Lohn-Koeffzent ene Elastztät angbt. ( Punkte) Aufgabe 4: [1 Punkte] De USA mportert ene Chemkale aus 31 verschedenen Ländern. Ene Gruppe von 6 Ländern hat enen Zoll auf den Chemkalenexport. Der Datensatz beschrebt de Handelsbezehung der USA zu jedem der 31 Länder und benhaltet folgende Varablen: vol Importvolumen der Chemkale aus Land n Tonnen prod Volumen der Produkton der Chemkale m Land n Tonnen dst Dstanz zwschen den USA und dem Land n km wk Wechselkurs (Dollar gegenüber Währung n Land ) zoll Dummy-Varable; 1 = Land verlangt Zoll, = sonst Se schätzen zunächst das Modell log( vol) = β 1log( prod) log( dst) 3log( wk) + u und erhalten folgenden Output: Modell: n=31; SSR=44,74; SST=63,534; R =,34 Koeffzenten a RegressonkoeffzentB Standardfehler T Sg. log(prod) 3,17,474 6,56, log(dst) -,14,897 -,4,81 log(wk),993,37,68,8 Konstante -18,1,834 -,87,384 a. Abhängge Varable: log(vol) a) Interpreteren Se das Schätzergebns für β statstsch und nhaltlch. ( Punkte) b) Um zu prüfen, ob sch de Handelsbezehungen für Länder mt und ohne Zoll unterscheden, führen Se enen Chow-Test durch. Dazu schätzen Se nach dem gepoolten Modell zwe wetere Modelle, welche Ihnen folgende Informaton lefern: Modell für zoll=1: n=6; SSR=,69; SST=,5; R =,71 Modell für zoll=: n=5; SSE=19,19; SST=61,84; R =,313 Führen Se enen Chow-Test auf enem Sgnfkanznveau von 5% durch. Geben Se Nullhypothese, Teststatstk, Frehetsgrade, krtschen Wert und Ihre Testentschedung an. (7 Punkte) 4/8

5 c) Geben Se ene alternatve Vorgehenswese für den Chow-Test an, um mt nur enem Modell Unterschede n den Importdetermnanten für Länder mt und ohne Zoll untersuchen und testen zu können. Stellen Se de unrestrngerte Schätzglechung dar. (3 Punkte) Aufgabe 5: [1 Punkte] Wahr oder falsch? Tragen Se für jede der folgenden Aussagen en w für wahr oder en f für falsch en. Für jede rchtge Antwort gbt es,5 Punkte, für jede falsche Antwort werden,5 Punkte abgezogen. De Gesamtpunktzahl kann ncht negatv werden. Mttelwerte snd stärker von Ausreßern beenflusst als Medanwerte. De Normalvertelung mt enem Erwartungswert von 1 bezechnet man als Standardnormalvertelung. Der LM-Test kann zum Testen mehrerer lnearer Restrktonen genutzt werden. Ist de Annahme MLR6 verletzt, glt de BLUE-Egenschaft ncht mehr. Der mt der KQ-Methode geschätzte Parameter st ene Zufallsvarable. Be Regressonen durch den Ursprung hat der Stegungsparameter den Wert ens. De Annahme E(u x)= mplzert Cov(x,u)=. De Standardabwechung ener Konstanten st 1. En Schätzer st konsstent, wenn mt zunehmender Stchprobengröße de Varanz des Schätzers stegt. Egenschaften des KQ-Schätzers, de nur für ene große Stchprobe (n ) defnert snd, nennt man asymptotsche Egenschaften. De χ²-vertelung nmmt nur postve Werte an und st ncht symmetrsch. Zufallsvarablen snd..d., wenn se statstsch unabhängg und mt der glechen Dchtefunkton vertelt snd. De Nullhypothese : kann mttels t-test getestet werden. En von ens bedeutet, dass de Resduen alle den Wert null annehmen. Durch Umskalerung ener der erklärenden Varablen können de Effekte der anderen Varablen verzerrt werden. De Resduen ener Regresson berechnen sch als Dfferenz zwschen tatsächlchen und vorhergesagten Werten für de abhängge Varable. Be perfekter Multkollneartät geht de Störtermvaranz gegen unendlch. Ändern sch de Koeffzenten ener KQ-Schätzung be Aufnahme ener zusätzlchen Varablen, waren de Schätzer m Ausgangsmodell unter Umständen verzerrt. De Aufnahme rrelevanter Varablen verzerrt de Koeffzenten der anderen Regressoren. Das Gauss-Markov Theorem besagt, dass der KQ-Schätzer be Gültgket der Annahmen MLR1-MLR5 unter allen lnearen, unverzerrten Schätzverfahren de klenste Varanz hat. Be ener Regresson durch den Ursprung verläuft de Regressonsgerade stets durch den Mttelwert der Daten,. Wenn de Störtermvaranz ncht konstant st, ergeben sch verzerrte KQ-Schätzer. Messfehler n ener der erklärenden Varablen können dazu führen, dass de Koeffzenten verzerrt snd. De Verwendung von Polynomen höherer Ordnung ener erklärenden Varablen führt zu perfekter Multkollneartät. Der KQ-Schätzer m enfachen lnearen Regressonsmodell entsprcht dem Verhältns der Stchprobenkovaranz zwschen erklärender und abhängger Varable zur Stchprobenvaranz der erklärenden Varablen. Je klener 1-α, desto enger st en Konfdenzntervall. Der p-wert m F-Test auf Gesamtsgnfkanz enes Modells beschrebt de Wahrschenlchket, be ener F-vertelten Zufallsvarable enen größeren Wert als den der errechneten Teststatstk zu fnden. En Typ Fehler wrd begangen, wenn ene falsche H ncht verworfen wrd. In enem Test auf Gesamtsgnfkanz enes Modells werden so vele Restrktonen getestet we sch erklärende Varablen m Modell befnden. Legt der krtsche Wert enes zwesetgen t-tests genau am 9. Perzentl der t n-k-1 Vertelung, wurde en Sgnfkanznveau von 9 Prozent gewählt. Der krtsche Wert enes zwesetgen t-tests st be glechem Sgnfkanznveau stets größer als der enes ensetgen t- Tests. 5/8

6 Je höher das, desto eher trfft de Annahme E(u x) = zu, da de Modellanpassung an de Daten besser st. En Chow-Test kann über getrennte Schätzungen für zwe Gruppen durchgeführt werden. Over-controllng legt vor, wenn zu vele abhängge Varablen n ener Glechung berückschtgt werden. In Regressonsfunktonen können nur quanttatve Varablen analysert werden, da de Mttelwerte von qualtatven Varablen ncht snnvoll nterpretert werden können. Mt Interaktonseffekten können für unterschedlche Gruppen verschedene Stegungsparameter bestmmt werden. En lneares Wahrschenlchketsmodell kann vorhergesagte Werte außerhalb des [;1] Intervalls genereren. Ene Dummy-Varable wrd n Bezug auf ene Referenzgruppe nterpretert. Ausreßer-Beobachtungen können durch Logarthmerung der betroffenen Varable an Enfluss verleren. Varablen mt Ausprägungen werden n ökonometrschen Modellen häufg logarthmert. De Effekte von standardserten Varablen können ncht drekt mtenander verglchen werden. Interaktonsterme werden stets n zweter Potenz ns Schätzmodell ntegrert. Aufgabe 6: [14 Punkte] Welche Antwort st rchtg? Kreuzen Se nur ene Antwort pro Aufgabe an. Falls mehrere Aussagen korrekt snd, kreuzen Se nur de entsprechende Antwortkombnaton an. Für jede rchtge Antwort gbt es 1 Punkt. Für falsche Antworten werden kene Punkte abgezogen. 1. En Intervallschätzer a st be sonst glechen Bedngungen für en Sgnfkanznveau von,5 breter als für en Sgnfkanznveau von,1. b wrd unter Verwendung der geschätzten Varanz des Störterms berechnet. c lefert nur für Querschnttsdaten en nterpreterbares Ergebns. d wrd enger, wenn der zugehörge Punktschätzer snkt. e a und b. f c und d. Der Effekt enes Regressors. m Modell st be negatver Korrelaton mt ener ausgelassenen erklärenden Varable a unterschätzt, wenn de ausgelassene Varable enen postven Effekt auf y hat. b überschätzt, wenn de ausgelassene Varable enen negatven Effekt auf y hat. c unterschätzt, wenn de ausgelassene Varable enen negatven Effekt auf y hat. d a und b. f kene der Antworten. Be welchen der folgenden Modelle st aufgrund hrer Spezfkaton mndestens ene der Gauss-Markov Annahmen zum lnearen Regressonsmodell verletzt? 3. a log( y ) = β log( x) + log( x ) + u b 1 β log( y ) = β 1 log( x) [log( x)] + u c y β + x + u = β 1 d y = β 1 x1 x1 + u f a und d. 6/8

7 4. De Varanz des KQ-Schätzers β1 st ceters parbus umso klener, je a größer de Varanz der Störterme st. b größer der Stchprobenumfang n st. c klener de Streuung der erklärenden x Varablen. d größer de Streuung der abhänggen y Varable. f kene der genannten Antworten. 5. Der Zusammenhang zwschen zwe Varablen a wrd mt dem Standardfehler gemessen. b wrd mt dem Korrelatonskoeffzenten als lnearer Zusammenhang gemessen. c wrd nur mt expermentellen Daten verlässlch gemessen. d wrd mt der Standardabwechung gemessen. e a und b. f a und d. 6. En unter den Gauss-Markov Annahmen unverzerrter Schätzer für de Varanz der Störterme u m Modell y = β 1x + u st a b c E( u u) d e f kene der genannten Antworten. 7. De Annahme ~..., mplzert unter anderem, dass a E( μ ) = b Var( μ ) = σ c Var( x) = σ d E( μ ) = x e a und b. f c und d. 8. Bem Umskaleren der abhänggen Varable m Modell y = β 1x + u ändern sch a de geschätzten Koeffzenten ncht. b de Standardfehler. c de t-statstken ncht. d de F-Statstk. e a und d. f b und c. 9. Der p-wert n enem ensetgen t-test mt H 1 : β 1 > a st das Sgnfkanznveau des Tests, n dem der emprsche t-wert glech dem krtschen Wert der t- Vertelung st. b kann ncht größer 1 sen. c gbt de Wahrschenlchket an, dass de t-vertelung enen Wert annmmt, der größer st als der berechnete t-wert. d a und b. e a, b und c. f kene der Antworten. 7/8

8 1. Das angepasste Bestmmthetsmaß a kann ncht snken, wenn zusätzlche Varablen n das Modell aufgenommen werden. b stegt, sobald der Betrag der t-statstk ener zusätzlch aufgenommenen Varable 1 st. c kann ncht negatv werden. d hat de gleche Interpretaton we das Bestmmthetsmaß. f b und d. 11. Dummy-Varablen a nehmen nur Werte zwschen und 1 an. b nehmen typscherwese de Ausprägungen und 1 an. c können mehr als zwe Ausprägungen haben. d snd für qualtatve Informatonen ncht defnert. e a, b, c und d. f kene der Antworten. 1 Der Typ Fehler a wrd begangen, wenn ene falsche H ncht verworfen wrd. b wrd begangen, wenn ene wahre H verworfen wrd. c entsprcht der Wahrschenlchket 1-α. d entsprcht dem Sgnfkanznveau α. f a, b, und d. De H 13. : β 1 = β = β 3 = n enem F-Test auf dem 5% Sgnfkanznveau für en Modell mt Konstante (19 Beobachtungen) a wrd verworfen, wenn de Anzahl der Regressoren seben und F = 3,58 beträgt. b wrd verworfen, wenn de Anzahl der Regressoren seben und F = 7, beträgt. wrd verworfen, wenn de Beobachtungszahl auf 1 stegt, de Anzahl der Regressoren seben und F = c,7 beträgt. d a und c. e b und c. f kene der Antworten. 14. Der KQ-Schätzer a mnmert de Summe der quadrerten vertkalen Abwechungen von der Regressonsgeraden. b mnmert de Resduenquadratsumme. c mnmert den unerklärten Tel der Streuung n der abhänggen Varable. d maxmert. e a und b. f Alle Antworten snd zutreffend. 8/8

Bachelorprüfung Praxis der empirischen Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D.

Bachelorprüfung Praxis der empirischen Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Lehrstuhl für Statstk und emprsche rtschaftsforschung, SS 009 ach: Prüfer: Bachelorprüfung Praxs der emprschen rtschaftsforschung Prof. Regna T. Rphahn, Ph.D. Name, Vorname Matrkelnr. E-Mal Studengang

Mehr

Lehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. R. T. Riphahn, Ph.D. Bachelorprüfung, Praxis der empirischen Wirtschaftsforschung

Lehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. R. T. Riphahn, Ph.D. Bachelorprüfung, Praxis der empirischen Wirtschaftsforschung Lehrstuhl für Statstk und emp. Wrtschaftsforschung, Prof. R. T. Rphahn, Ph.D. Bachelorprüfung, Praxs der emprschen Wrtschaftsforschung Fach: Prüfer: Bachelorprüfung Praxs der emprschen Wrtschaftsforschung

Mehr

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression Beschrebung des Zusammenhangs zweer metrscher Merkmale Streudagramme Korrelatonskoeffzenten Regresson Alter und Gewcht be Kndern bs 36 Monaten Knd Monate Gewcht 9 9 5 8 3 4 7.5 4 3 6 5 3 6 4 3.5 7 35 5

Mehr

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen

Mehr

Prof. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz

Prof. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz Prof. Dr. P. Kschka WS 2012/13 Lehrstuhl für Wrtschafts- und Sozalstatstk Klausur Statstsche Inferenz 15.02.2013 Name: Matrkelnummer: Studengang: Aufgabe 1 2 3 4 5 6 7 8 Summe Punkte 6 5 5 5 5 4 4 6 40

Mehr

Mehrfachregression: Einfluss mehrerer Merkmale auf ein metrisches Merkmal. Designmatrix Bestimmtheitsmaß F-Test T-Test für einzelne Regressoren

Mehrfachregression: Einfluss mehrerer Merkmale auf ein metrisches Merkmal. Designmatrix Bestimmtheitsmaß F-Test T-Test für einzelne Regressoren Mehrfachregresson: Enfluss mehrerer Merkmale auf en metrsches Merkmal Desgnmatrx Bestmmthetsmaß F-Test T-Test für enzelne Regressoren Mehrfachregresson Bvarat: x b b y + = 0 ˆ k k x b x b x b b y + + +

Mehr

(Theoretische) Konfidenzintervalle für die beobachteten Werte: Die Standardabweichung des Messfehlers wird Standardmessfehler genannt:

(Theoretische) Konfidenzintervalle für die beobachteten Werte: Die Standardabweichung des Messfehlers wird Standardmessfehler genannt: (Theoretsche Konfdenzntervalle für de beobachteten Werte: De Standardabwechung des Messfehlers wrd Standardmessfehler genannt: ( ε ( 1- REL( Mt Hlfe der Tschebyscheff schen Unglechung lassen sch be bekanntem

Mehr

P[bk t c se(b k) k bk t c se(b k)] 1 (5.1.3)

P[bk t c se(b k) k bk t c se(b k)] 1 (5.1.3) Kaptel 5: Inferenz m multplen Modell 5 Inferenz m multplen Modell 5. Intervallschätzung m multplen Regressonsmodell Analog zum enfachen Regressonsmodell glt: Dem Intervallschätzer der Parameter legt zugrunde,

Mehr

Grundgedanke der Regressionsanalyse

Grundgedanke der Regressionsanalyse Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden

Mehr

-2 Das einfache Regressionsmodell 2.1 Ein ökonomisches Modell

-2 Das einfache Regressionsmodell 2.1 Ein ökonomisches Modell Kaptel : Das enfache Regressonsmodell - Das enfache Regressonsmodell. En ökonomsches Modell Bespel: De Bezehung zwschen Haushaltsenkommen und Leensmttelausgaen Befragung zufällg ausgewählter Haushalte

Mehr

6. Modelle mit binären abhängigen Variablen

6. Modelle mit binären abhängigen Variablen 6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch

Mehr

Empirische Wirtschaftsforschung

Empirische Wirtschaftsforschung Emprsche Wrtschaftsforschung Prof. Dr. Bernd Süßmuth Unverstät Lepzg Insttut für Emprsche Wrtschaftsforschung Volkswrtschaftslehre, nsbesondere Ökonometre 5. Enfaches OLS-Regressonsmodell 5.1. Herletung

Mehr

Prof. Dr. Roland Füss Statistik II SS 2008

Prof. Dr. Roland Füss Statistik II SS 2008 5. Spezelle Testverfahren Zahlreche parametrsche und nchtparametrsche Testverfahren, de nach Testvertelung (Bnomal, t-test etc.), Analysezel (Anpassungs- und Unabhänggketstest) oder Konstrukton der Prüfgröße

Mehr

Diplomprüfung im Fach Ökonometrie im SS 06 - Aufgabenteil

Diplomprüfung im Fach Ökonometrie im SS 06 - Aufgabenteil Lehrstuhl für Statstk und emprsche Wrtschaftsforschung Prof. Regna T. Rphahn, Ph.D. Dplomprüfung m Fach Ökonometre m SS 06 - Aufgabentel Name, Vorname Matrkelnr. Studengang Semester Datum 31.07.2006 Raum,

Mehr

Standardnormalverteilung / z-transformation

Standardnormalverteilung / z-transformation Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ

Mehr

1.1 Beispiele zur linearen Regression

1.1 Beispiele zur linearen Regression 1.1. BEISPIELE ZUR LINEAREN REGRESSION 0 REGRESSION 1: Multple neare Regresson 1 Enführung n de statstsche Regressonsrechnung 1.1 Bespele zur lnearen Regresson b Bespel Sprengungen. Erschütterung Funkton

Mehr

Lehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. R. T. Riphahn, Ph.D. Bachelorprüfung, Praxis der empirischen Wirtschaftsforschung

Lehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. R. T. Riphahn, Ph.D. Bachelorprüfung, Praxis der empirischen Wirtschaftsforschung Lehrstuhl ür Statstk und emp. Wrtschatsorschung, Pro. R. T. Rphahn, Ph.D. Bachelorprüung, Praxs der emprschen Wrtschatsorschung Augabe 1: [11 Punkte] Se vermuten, dass das Nveau der Wohnungsmeten n Unverstätsstädten

Mehr

Masterprüfung SS 2017

Masterprüfung SS 2017 Lehrstuhl für Statstk und emprsche Wrtschaftsforschung Prof. Regna T. Rphahn, Ph.D. Masterprüfung SS 07 Fach: Ökonometre Prüfer: Prof. Regna T. Rphahn, Ph.D. Vorbemerkungen: Anzahl der Aufgaben: Bewertung:

Mehr

Diplomprüfung im Fach Ökonometrie im WS 06/07 - Aufgabenteil

Diplomprüfung im Fach Ökonometrie im WS 06/07 - Aufgabenteil Lehrstuhl für Statstk und emprsche Wrtschaftsforschung Prof. Regna T. Rphahn, Ph.D. Dplomprüfung m Fach Ökonometre m WS 06/07 - Aufgabentel Name, Vorname Matrkelnr. Studengang Semester Datum Raum, Stzplatz-Nr.

Mehr

Ihnen liegen Beobachtungen aus dem Current Population Survey aus dem Jahr 1988 vor. Unter anderem sind folgende Variablen enthalten:

Ihnen liegen Beobachtungen aus dem Current Population Survey aus dem Jahr 1988 vor. Unter anderem sind folgende Variablen enthalten: Aufgabe 1: [25 Punkte] Ihnen legen 28155 Beobachtungen aus dem Current Populaton Survey aus dem Jahr 1988 vor. Unter anderem snd folgende Varablen enthalten: wage exper educ nonwhte male Lohn n US-Dollar,

Mehr

Ökonomische und ökonometrische Evaluation. 1.3 Ökonometrische Grundkonzepte

Ökonomische und ökonometrische Evaluation. 1.3 Ökonometrische Grundkonzepte Ökonomsche und ökonometrsche Evaluaton 90 Emprsche Analyse des Arbetsangebots Zele: Bestmmung von Arbetsangebotselastztäten als Test der theoretschen Modelle Smulaton oder Evaluaton der Wrkungen von Insttutonen

Mehr

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung: Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab

Mehr

WS 2016/17 Prof. Dr. Horst Peters , Seite 1 von 9

WS 2016/17 Prof. Dr. Horst Peters , Seite 1 von 9 WS 2016/17 Prof. Dr. Horst Peters 06.12.2016, Sete 1 von 9 Lehrveranstaltung Statstk m Modul Quanttatve Methoden des Studengangs Internatonal Management (Korrelaton, Regresson) 1. Überprüfen Se durch Bestmmung

Mehr

Sind die nachfolgenden Aussagen richtig oder falsch? (1 Punkt pro korrekter Beantwortung)

Sind die nachfolgenden Aussagen richtig oder falsch? (1 Punkt pro korrekter Beantwortung) LÖSUNG KLAUSUR STATISTIK I Berufsbegletender Studengang Betrebswrtschaftslehre Sommersemester 016 Aufgabentel I: Theore (10 Punkte) Snd de nachfolgenden Aussagen rchtg oder falsch? (1 Punkt pro korrekter

Mehr

Streuungs-, Schiefe und Wölbungsmaße

Streuungs-, Schiefe und Wölbungsmaße aptel IV Streuungs-, Schefe und Wölbungsmaße B... Lagemaße von äufgketsvertelungen geben allen weng Auskunft über ene äufgketsvertelung. Se beschreben zwar en Zentrum deser Vertelung, geben aber kenen

Mehr

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden. Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve

Mehr

Klausur zur Vorlesung Lineare Modelle SS 2006 Diplom, Klausur A

Klausur zur Vorlesung Lineare Modelle SS 2006 Diplom, Klausur A Lneare Modelle m SS 2006, Prof. Dr. W. Zucchn 1 Klausur zur Vorlesung Lneare Modelle SS 2006 Dplom, Klausur A Aufgabe 1 (18 Punkte) a) Welcher grundsätzlche Untersched besteht n der Interpretaton von festen

Mehr

Lehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. Regina T. Riphahn, Ph.D. Musterlösung zur Diplomprüfung Ökonometrie im WS 08/09

Lehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. Regina T. Riphahn, Ph.D. Musterlösung zur Diplomprüfung Ökonometrie im WS 08/09 Aufgabe : [5 Punkte] Ihnen legen 855 Beobachtungen aus dem Current Populaton Survey aus dem Jahr 988 vor. Unter anderem snd folgende Varablen enthalten: wage Lohn n US-Dollar, exper Berufserfahrung n Jahren,

Mehr

Masterprüfung SS 2016

Masterprüfung SS 2016 Lehrstuhl für Statstk und emprsche Wrtschaftsforschung Prof. Regna T. Rphahn, Ph.D. Masterprüfung SS 06 Fach: Ökonometre Prüfer: Prof. Regna T. Rphahn, Ph.D. Vorbemerkungen: Anzahl der Aufgaben: Bewertung:

Mehr

Alternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF

Alternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF Alternatve Darstellung des -Stchprobentests für Antele DCF CF Total n= 111 11 3 Response 43 6 69 Resp. Rate 0,387 0,3 0,309 Beobachtete Response No Response Total absolut DCF 43 68 111 CF 6 86 11 69 154

Mehr

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x) ZZ Lösung zu Aufgabe : Ch²-Test Häufg wrd be der Bearbetung statstscher Daten ene bestmmte Vertelung vorausgesetzt. Um zu überprüfen ob de Daten tatsächlch der Vertelung entsprechen, wrd en durchgeführt.

Mehr

Lineare Regression Teil des Weiterbildungskurses in angewandter Statistik

Lineare Regression Teil des Weiterbildungskurses in angewandter Statistik 0 Lneare Regresson Tel des Weterbldungskurses n angewandter Statstk der ETH Zürch Folen Werner Stahel, September 2017 1.1 Bespele zur lnearen Regresson 1 1 Enführung n de statstsche Regressonsrechnung

Mehr

Teil E: Qualitative abhängige Variable in Regressionsmodellen

Teil E: Qualitative abhängige Variable in Regressionsmodellen Tel E: Qualtatve abhängge Varable n Regressonsmodellen 1. Qualtatve abhängge Varable Grundlegendes Problem: In velen Fällen st de abhängge Varable nur über enen bestmmten Werteberech beobachtbar. Bsp.

Mehr

Lehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. Regina T. Riphahn, Ph.D. Musterlösung zur Diplomprüfung Ökonometrie im WS 07/08

Lehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. Regina T. Riphahn, Ph.D. Musterlösung zur Diplomprüfung Ökonometrie im WS 07/08 Lehrstuhl für Statstk und emp. rtschaftsforschung, Prof. Regna T. Rphahn, Ph.D. Musterlösung zur Dplomprüfung Ökonometre m S 07/08 Aufgabe : [3.5 Punkte] Se nteresseren sch für de Determnanten der Anzahl

Mehr

5 Gemischte Verallgemeinerte Lineare Modelle

5 Gemischte Verallgemeinerte Lineare Modelle 5 Gemschte Verallgemenerte Lneare Modelle Wr betrachten zunächst enge allgemene Aussagen für Gemschte Verallgemenerte Lneare Modelle. Se y der beobachtbare Zufallsvektor und u der Vektor der ncht-beobachtbaren

Mehr

Vorlesung: Multivariate Statistik für Psychologen

Vorlesung: Multivariate Statistik für Psychologen Vorlesung: Multvarate Statstk für Psychologen 3. Vorlesung: 14.04.2003 Agenda 1. Organsatorsches 2. Enfache Regresson. Grundlagen.. Grunddee und Zele der enfachen Regresson Bespele Statstsches Modell Modell

Mehr

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree

Mehr

Beschreibende Statistik Mittelwert

Beschreibende Statistik Mittelwert Beschrebende Statstk Mttelwert Unter dem arthmetschen Mttel (Mttelwert) x von n Zahlen verstehen wr: x = n = x = n (x +x +...+x n ) Desen Mttelwert untersuchen wr etwas genauer.. Zege für n = 3: (x x )

Mehr

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2 ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen

Mehr

Definition des linearen Korrelationskoeffizienten

Definition des linearen Korrelationskoeffizienten Defnton des lnearen Korrelatonskoeffzenten r xy x y y r x xy y 1 x x y y x Der Korrelatonskoeffzent st en Indkator dafür, we gut de Punkte (X,Y) zu ener Geraden passen. Sen Wert legt zwschen -1 und +1.

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statstk und Wahrschenlchketsrechnung Statstk und Wahrschenlchketsrechnung 5. Vorlesung Dr. Jochen Köhler.03.0 Statstk und Wahrschenlchketsrechnung Wchtg!!! Vorlesung Do 4.03.0 HCI G3 Übung 5 D 9.03.0 Fnk

Mehr

Lineare Regression (1) - Einführung I -

Lineare Regression (1) - Einführung I - Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:

Mehr

8 Logistische Regressionsanalyse

8 Logistische Regressionsanalyse wwwstatstkpaketde 8 Logstsche Regressonsanalyse De logstsche Regressonsanalyse dent der Untersuchung des Enflusses ener quanttatven Varable auf ene qualtatve (n unserem Fall dchotomen Varable Wr gehen

Mehr

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum Abgabe: Aufgabentext und Lösungen schrftlch bs zum 15. 6. 2012 I. Thema: Zehen mt und ohne Zurücklegen Lesen Se sch zunächst folgenden Text durch! Wr haben bsher Stchprobenzehungen aus Grundgesamtheten

Mehr

Erwartungswert, Varianz, Standardabweichung

Erwartungswert, Varianz, Standardabweichung RS 24.2.2005 Erwartungswert_Varanz_.mcd 4) Erwartungswert Erwartungswert, Varanz, Standardabwechung Be jedem Glücksspel nteresseren den Speler vor allem de Gewnnchancen. 1. Bespel: Setzen auf 1. Dutzend

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Methodenlehre e e Prof. Dr. G. Menhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzet nach Verenbarung und nach der Vorlesung. Mathematsche und statstsche Methoden II Dr. Malte Perske perske@un-manz.de

Mehr

-70- Anhang: -Lineare Regression-

-70- Anhang: -Lineare Regression- -70- Anhang: -Lneare Regressn- Für ene Messgröße y f(x) gelte flgender mathematsche Zusammenhang: y a+ b x () In der Regel läßt sch durch enen Satz vn Messwerten (x, y ) aber kene Gerade zechnen, da de

Mehr

Analyse von Querschnittsdaten. Bivariate Regression

Analyse von Querschnittsdaten. Bivariate Regression Analse von Querschnttsdaten Bvarate Regresson Warum geht es n den folgenden Stzungen? Kontnuerlche Varablen Deskrptve Modelle kategorale Varablen Datum 3.0.2004 20.0.2004 27.0.2004 03..2004 0..2004 7..2004

Mehr

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall

Mehr

Grundlagen sportwissenschaftlicher Forschung Deskriptive Statistik

Grundlagen sportwissenschaftlicher Forschung Deskriptive Statistik Grundlagen sportwssenschaftlcher Forschung Deskrptve Statstk Dr. Jan-Peter Brückner jpbrueckner@emal.un-kel.de R.6 Tel. 880 77 Deskrptve Statstk - Zele Beschreben der Daten Zusammenfassen der Daten Überblck

Mehr

2 Zufallsvariable und Verteilungen

2 Zufallsvariable und Verteilungen Zufallsvarable und Vertelungen 7 Zufallsvarable und Vertelungen Wr wollen uns jetzt mt Zufallsexpermenten beschäftgen, deren Ausgänge durch (reelle) Zahlen beschreben werden können, oder be denen man jedem

Mehr

(2) i = 0) in Abhängigkeit des Zeitunterschieds x ZeitBus ZeitAuto für seinen Arbeitsweg.) i = 1) oder Bus ( y

(2) i = 0) in Abhängigkeit des Zeitunterschieds x ZeitBus ZeitAuto für seinen Arbeitsweg.) i = 1) oder Bus ( y 5. Probt-Modelle Ökonometre II - Peter Stalder "Bnar Choce"-Modelle - Der Probt-Ansatz Ene ncht drekt beobachtbare stochastsche Varable hängt von x ab: x u 2 u ~ N(0, ( Beobachtet wrd ene bnäre Varable

Mehr

Übung zur Vorlesung - Theorien Psychometrischer Tests II

Übung zur Vorlesung - Theorien Psychometrischer Tests II Übung zur Vorlesung - Theoren Psychometrscher Tests II N. Rose 9. Übung (15.01.2009) Agenda Agenda 3-parametrsches logstsches Modell nach Brnbaum Lnkfunktonen 3PL-Modell nach Brnbaum Modellglechung ( =

Mehr

5. ZWEI ODER MEHRERE METRISCHE MERKMALE

5. ZWEI ODER MEHRERE METRISCHE MERKMALE 5. ZWEI ODER MEHRERE METRISCHE MERKMALE wenn an ener Beobachtungsenhet zwe (oder mehr) metrsche Varablen erhoben wurden wesentlche Problemstellungen: Frage nach Zusammenhang: Bsp.: Duxbury Press (sehe

Mehr

Kapitel 4: Unsicherheit in der Modellierung Modellierung von Unsicherheit. Machine Learning in der Medizin 104

Kapitel 4: Unsicherheit in der Modellierung Modellierung von Unsicherheit. Machine Learning in der Medizin 104 Kaptel 4: Unscherhet n der Modellerung Modellerung von Unscherhet Machne Learnng n der Medzn 104 Regresson Modellerung des Datengenerators: Dchteschätzung der gesamten Vertelung, t pt p p Lkelhood: L n

Mehr

U Test (Rangsummentest) Parameterfreie Tests. U -Test. U -Test. χ ²- Unabhängigkeitstest Test auf Unabhängigkeit von zwei Zufallsgrößen

U Test (Rangsummentest) Parameterfreie Tests. U -Test. U -Test. χ ²- Unabhängigkeitstest Test auf Unabhängigkeit von zwei Zufallsgrößen Parameterfree Tests U Test (Rangsummentest) Verglech der Mttelwerte (Medane) be ncht normalvertelten Größen U - Test Mttelwertverglech von zwe ncht verbundenen Zugrößen Wlcoxon - Vorzechenrangtest Mttelwertverglech

Mehr

Multivariate Analysemethoden

Multivariate Analysemethoden Multvarate Analysemethoden q-q-plot Methode zur Prüfung der Multvaraten Normalvertelung Günter Menhardt Johannes Gutenberg Unverstät Manz Prüfung der NV-Annahme Vertelungsanpassung/Prüfung Prüfung der

Mehr

3 Multiple lineare Regression

3 Multiple lineare Regression 3.1 Modell und Statstk 34 3 Multple lneare Regresson 3.1 Modell und Statstk a Zusammenhang zwschen ener Zelgrösse Y und mehreren Engangsgrössen X (1), X (2),..., X (m) Y = β 0 + β 1 x (1) + β 2 x (2) Parameter:

Mehr

Kurs Mikroökonometrie Rudolf Winter-Ebmer Thema 3: Binary Choice Models Probit & Logit. Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit

Kurs Mikroökonometrie Rudolf Winter-Ebmer Thema 3: Binary Choice Models Probit & Logit. Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit BINARY CHOICE MODELS 1 mt Pr( Y = 1) = P Y = 0 mt Pr( Y = 0) = 1 P Bespele: Wahlentschedung Kauf langlebger Konsumgüter Arbetslosgket Schätzung mt OLS? Y = X β + ε Probleme: Nonsense Predctons ( < 0, >

Mehr

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm): Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.

Mehr

Musterklausur Wirtschaftsmathematik und Statistik. Zusatzstudium für Wirtschaftsingenieur

Musterklausur Wirtschaftsmathematik und Statistik. Zusatzstudium für Wirtschaftsingenieur Musterklausur Wrtschaftsmathematk und Statstk Zusatzstudum für Wrtschaftsngeneur Telnehmer (Name, Vorname): Datum:.2006 Prüfer: Böhm-Retg Matrkelnummer: REGELN 1. Zum Bestehen der Klausur snd mndestens

Mehr

Rückblick Regression II: Anpassung an Polynome

Rückblick Regression II: Anpassung an Polynome Rückblck Regresson II: Anpassung an Polynome T. Keßlng: Auswertung von Messungen und Fehlerrechnung - Fehlerrechnung und Korrelaton 0.06.08 Vorlesung 0- Temperaturmessung mt Thermospannung Wr erhalten

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

Übung zur Vorlesung - Theorien Psychometrischer Tests II

Übung zur Vorlesung - Theorien Psychometrischer Tests II Übung zur Vorlesung - Theoren Psychometrscher Tests II N. Rose 8. Übung (08.01.2008) Agenda Agenda Verglech Rasch-Modell vs. 2-parametrsches logstsches Modell nach Brnbaum 2PL-Modelle n Mplus Verglech

Mehr

z.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel!

z.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel! Aufgabe : Vorbemerkung: Ene Zufallsvarable st ene endeutge Funkton bzw. ene Abbldungsvorschrft, de angbt, auf welche Art aus enem Elementareregns ene reelle Zahl gewonnen wrd. x 4 (, ) z.b. Münzwurf: Kopf

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

Bedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY)

Bedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY) Bedngte Entrope Kaptel : Bedngte Entrope Das vorherge Theorem kann durch mehrfache Anwendung drekt verallgemenert werden H (... H ( = Ebenso kann de bedngt Entrope defnert werden Defnton: De bedngte Entrope

Mehr

Statistik Exponentialfunktion

Statistik Exponentialfunktion ! " Statstk " Eponentalfunkton # $ % & ' $ ( )&* +, - +. / $ 00, 1 +, + ) Ensemble von radoaktven Atomkernen Zerfallskonstante λ [1/s] Lebensdauer τ 1/λ [s] Anzahl der pro Zetenhet zerfallenden Kerne:

Mehr

Kapitel 3: Interpretation und Vergleich von Regressionsmodellen

Kapitel 3: Interpretation und Vergleich von Regressionsmodellen Kaptel 3: Interpretaton und Verglech von Regressonsmodellen 3. Interpretaton des lnearen Modells 3. Auswahl der unabhänggen Varablen 3.3 Fehlspezfkaton der funktonalen Form 3.4 Illustraton: De Erklärung

Mehr

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)). 44 n n F F a) b) Abbldung 3.: Besetzungszahlen enes Fermgases m Grundzustand (a)) und für ene angeregte Konfguraton (b)). 3.3 Ferm Drac Statstk In desem Abschntt wollen wr de thermodynamschen Egenschaften

Mehr

Übung zu Erwartungswert und Standardabweichung

Übung zu Erwartungswert und Standardabweichung Aufgabe Übung zu Erwartungswert und Standardabwechung In ener Lottere gewnnen 5 % der Lose 5, 0 % der Lose 0 und 5 % der Lose. En Los kostet 2,50. a)berechnen Se den Erwartungswert für den Gewnn! b)der

Mehr

Lineare Regression - Mathematische Grundlagen

Lineare Regression - Mathematische Grundlagen FKULTÄT FÜR MTHEMTIK U TURWISSESCHFTE ISTITUT FÜR PHYSIK FCHGEBIET EXPERIMETLPHYSIK I r. rer. nat. orbert Sten, pl.-ing (FH) Helmut Barth Lneare Regresson - Mathematsche Grundlagen. llgemene Gerade Wr

Mehr

Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Bayessches Lernen

Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Bayessches Lernen Unverstät Potsdam Insttut für Informatk Lehrstuhl Maschnelles Lernen Bayessches Lernen Chrstoph Sawade/Nels Landwehr/Paul Prasse Domnk Lahmann Tobas Scheffer Überblck Wahrschenlchketen, Erwartungswerte,

Mehr

Wie lassen sich Zufallsvariablen und ihre Verteilungen beschreiben?

Wie lassen sich Zufallsvariablen und ihre Verteilungen beschreiben? Kaptel : Enführung. Technsche Vorbemerkungen. Inhaltlche Glederung und Zele der Veranstaltung.3 Ökonometre: Was, wozu und we?.4 Illustraton Anhang A B C Wederholung: Lneare Algebra Wederholung: Statstk

Mehr

2.1 Einfache lineare Regression 31

2.1 Einfache lineare Regression 31 .1 Enfache lneare Regresson 31 Regressonsanalyse De Regressonsanalyse gehört zu den am häufgsten engesetzten multvaraten statstschen Auswertungsverfahren. Besonders de multple Regressonsanalyse hat große

Mehr

ANOVA (Analysis of Variance) Varianzanalyse. Statistik Methoden. Ausgangssituation ANOVA. Ao.Prof.DI.Dr Josef Haas

ANOVA (Analysis of Variance) Varianzanalyse. Statistik Methoden. Ausgangssituation ANOVA. Ao.Prof.DI.Dr Josef Haas Ao.Prof.DI.Dr Josef Haas josef.haas@medungraz.at ANOVA (Analyss of Varance) Varanzanalyse Statstk Methoden Verglech von Mttelwerten Ao.Unv.Prof.DI.Dr. Josef Haas josef.haas@medungraz.at Ausgangsstuaton

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)

Mehr

Nomenklatur - Übersicht

Nomenklatur - Übersicht Nomenklatur - Überscht Name der synthetschen Varable Wert der synthetschen Varable durch synth. Varable erklärte Gesamt- Streuung durch synth. Varable erkl. Streuung der enzelnen Varablen Korrelaton zwschen

Mehr

Kurs 9.3: Forschungsmethoden II

Kurs 9.3: Forschungsmethoden II MSc Bankng & Fnance Kurs 9.3: Forschungsmethoden II Zetrehenanalyse Lernsequenz 08: Enführung Panelregresson Dezember 2014 Prof. Dr. Jürg Schwarz Inhaltsverzechns Fole 2 Paneldaten 3 Arten von Stchproben...

Mehr

Lernziele. Kapitel 1: Einführung. Was ist und wozu benötigt man die Ökonometrie? 1.1 Technische Vorbemerkungen

Lernziele. Kapitel 1: Einführung. Was ist und wozu benötigt man die Ökonometrie? 1.1 Technische Vorbemerkungen Kaptel : Enführung. Technsche Vorbemerkungen. Inhaltlche Glederung und Zele der Veranstaltung.3 Ökonometre: Was, wozu und we? Lernzele Was st und wozu benötgt man de Ökonometre? We rechnet man mt Vektoren

Mehr

Kapitel V. Parameter der Verteilungen

Kapitel V. Parameter der Verteilungen Kaptel V Parameter der Vertelungen D. 5.. (Erwartungswert) Als Erwartungswert ener Zufallsvarablen X bezechnet man: E( X ) : Dabe se vorausgesetzt: = = + p falls X dskret f d falls X stetg und = + p

Mehr

Der Erweiterungsfaktor k

Der Erweiterungsfaktor k Der Erweterungsfaktor k Wahl des rchtgen Faktors S. Meke, PTB-Berln, 8.40 Inhalt: 1. Was macht der k-faktor? 2. Welche Parameter legen den Wert des k-faktors fest? 3. Wo trtt der k-faktor auf? 4. Zusammenhang

Mehr

Lösungen zum 3. Aufgabenblock

Lösungen zum 3. Aufgabenblock Lösungen zum 3. Aufgabenblock 3. Aufgabenblock ewerber haben n enem Test zur sozalen Kompetenz folgende ntervallskalerte Werte erhalten: 96 131 11 1 85 113 91 73 7 a) Zegen Se für desen Datensatz, dass

Mehr

Anhang 9. Bias in ökologischen Studien bei nichtlinearen Risikomodellen

Anhang 9. Bias in ökologischen Studien bei nichtlinearen Risikomodellen Anhang 9 Bas n ökologschen Studen be nchtlnearen Rskomodellen Bas n ökologschen Studen be nchtlnearen Rskomodellen J.C. Kaser GSF - Insttut für Strahlenschutz, Neuherberg, eutschland ezember 4 Anhang 9

Mehr

Ökometrie I 10 Korrelation - Regression

Ökometrie I 10 Korrelation - Regression Ökometre I 10 Korrelaton - Regresson Ka Uwe Totsche LS Hydrogeologe Fredrch-Schller-Unverstät Jena Prof. Dr. Ka Uwe Totsche Ökometre I Korrelaton - Regresson 10-1 Zele und Lernnhalte Zel deser Enhet Zwedmensonale

Mehr

Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Graphische Modelle. Niels Landwehr

Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Graphische Modelle. Niels Landwehr Unverstät Potsdam Insttut für Informatk Lehrstuhl Maschnelles Lernen Graphsche Modelle els Landwehr Zusammenfassung Pfade Zusammenfassung: en Pfad --Y-Z- st B A E Blockert be Y, wenn Dvergerende Verbndung,

Mehr

Sei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ).

Sei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Taylorentwcklung (Approxmaton durch Polynome). Problemstellung Se T( x ) de Tangente an den Graphen der Funkton f(x) m Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Dann kann man de

Mehr

Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i

Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i Itemanalyse und Itemkennwerte De Methoden der Analyse der Itemegenschaften st ncht m engeren Snne Bestandtel der Klassschen Testtheore Im Rahmen ener auf der KTT baserenden Testkonstrukton und -revson

Mehr

Elemente der Mathematik - Sommer 2016

Elemente der Mathematik - Sommer 2016 Elemente der Mathematk - Sommer 2016 Prof Dr Matthas Lesch, Regula Krapf Lösungen Übungsblatt 3 Aufgabe 9 (10 Punkte) Das Horner-Schema st ene Methode zum Auswerten enes Polynoms n a0 x an der Stelle s

Mehr

Statistische Methoden für Bauingenieure WS 13/14

Statistische Methoden für Bauingenieure WS 13/14 Statstsche Methoden ür Baungeneure WS 3/4 Enhet 3: Bvarate Zuallsvarablen Unv.Pro. Dr. Günter Blöschl Bezechnungen... Zuallsvarable... Realsaton konkrete Werte Momente Grundgesamthet Mttelwert,Varanz Stchprobe

Mehr

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n Regressonsgerade x x x x 3... x n y y y y 3... y n Bem Auswerten von Messrehen wrd häufg ene durch theoretsche Überlegungen nahegelegte lneare Bezehung zwschen den x- und y- Werten gesucht, d.h. ene Gerade

Mehr

(Essentiell) τ-äquivalente Tests:

(Essentiell) τ-äquivalente Tests: (Essentell) τ-äquvalente Tests: τ-äquvalenz: Essentelle τ-äquvalenz: τ τ τ τ +λ Repräsentatonstheore (Exstenzsatz): De Tests,..., snd genau dann τ-äquvalent, wenn ene reelle Zufallsvarable η sowereellekonstantenλ,...,

Mehr

Zulassungsprüfung Stochastik,

Zulassungsprüfung Stochastik, Zulassungsprüfung Stochastk, 11.5.13 Wr gehen stets von enem Maßraum (, A, µ) bzw. enem Wahrschenlchketsraum (,A,P) aus. De Borel σ-algebra auf R n wrd mt B n bezechnet, das Lebesgue Maß auf R n wrd mt

Mehr

Übungsblatt 8: Spezifikations- und andere Fragen rund um das lineare Regressionsmodell

Übungsblatt 8: Spezifikations- und andere Fragen rund um das lineare Regressionsmodell Prof. Bernd Ftzenberger, Ph.D. Ute Leuschner Anthony Strttmatter Übung zur Veranstaltung Emprsche Wrtschaftsforschung Albert-Ludwgs-Unverstät Freburg Wntersemester 2009/10 Übungsblatt 8: Spezfkatons- und

Mehr

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung Fallstude 4 Qualtätsregelkarten (SPC) und Versuchsplanung Abgabe: Lösen Se de Aufgabe 1 aus Abschntt I und ene der beden Aufgaben aus Abschntt II! Aufgabentext und Lösungen schrftlch bs zum 31.10.2012

Mehr

Lehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. Regina T. Riphahn, Ph.D. Musterlösung zur Diplomprüfung Ökonometrie im WS 06/07

Lehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. Regina T. Riphahn, Ph.D. Musterlösung zur Diplomprüfung Ökonometrie im WS 06/07 Lehrstuhl für Statstk und emp. rtschaftsforschung, Prof. Regna T. Rphahn, Ph.D. Musterlösung zur Dplomprüfung Ökonometre m S 06/07 Aufgabe 1: [3 Punkte] Se nteresseren sch für ohnungslosgket und hre Determnanten.

Mehr

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x,

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x, Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analyss I Vorlesung 17 Logarthmen Satz 17.1. De reelle Exponentalfunkton R R, x exp x, st stetg und stftet ene Bjekton zwschen R und R +. Bewes. De Stetgket

Mehr

An dem Ergebnis eines Zufallsexperiments interessiert oft nur eine spezielle Größe, meistens ein Messwert.

An dem Ergebnis eines Zufallsexperiments interessiert oft nur eine spezielle Größe, meistens ein Messwert. SS 2013 Prof. Dr. J. Schütze/ J. Puhl FB GW Ds. ZG 1 Zufallsgrößen An dem Ergebns enes Zufallsexperments nteressert oft nur ene spezelle Größe, mestens en Messwert. Bespel 1. Zufällge Auswahl enes Studenten,

Mehr