Bachelorprüfung Praxis der empirischen Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D.
|
|
- Benedikt Ritter
- vor 5 Jahren
- Abrufe
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.
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
MehrLehrstuhl 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
MehrBeschreibung 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
MehrÜbungsklausur 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
MehrProf. 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
MehrMehrfachregression: 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:
(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
MehrP[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,
MehrGrundgedanke 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
Kaptel : Das enfache Regressonsmodell - Das enfache Regressonsmodell. En ökonomsches Modell Bespel: De Bezehung zwschen Haushaltsenkommen und Leensmttelausgaen Befragung zufällg ausgewählter Haushalte
Mehr6. 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
MehrEmpirische Wirtschaftsforschung
Emprsche Wrtschaftsforschung Prof. Dr. Bernd Süßmuth Unverstät Lepzg Insttut für Emprsche Wrtschaftsforschung Volkswrtschaftslehre, nsbesondere Ökonometre 5. Enfaches OLS-Regressonsmodell 5.1. Herletung
MehrProf. 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
MehrDiplomprüfung 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,
MehrStandardnormalverteilung / 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
Mehr1.1 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
MehrLehrstuhl 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
MehrMasterprüfung 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:
MehrDiplomprüfung 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.
MehrIhnen 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,
MehrÖkonomische 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
Mehrwird 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
MehrWS 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
MehrSind 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
MehrStreuungs-, 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
MehrDaten 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
MehrKlausur 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
MehrLehrstuhl 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,
MehrMasterprüfung 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:
MehrAlternative 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
MehrDie 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.
MehrLineare 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
MehrTeil 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.
MehrLehrstuhl 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
Mehr5 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
MehrVorlesung: 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
Mehrnonparametrische 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
MehrBeschreibende 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 )
MehrArbeitsgruppe 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
MehrLehrstuhl 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
MehrDefinition 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.
MehrStatistik 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
MehrLineare 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:
Mehr8 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
MehrFallstudie 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
MehrErwartungswert, 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
MehrMathematische 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: -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
MehrAnalyse 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
MehrDie 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
MehrGrundlagen 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
Mehr2 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
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
MehrÜbung 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 ( =
Mehr5. 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
MehrKapitel 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
MehrU 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
MehrMultivariate 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
Mehr3 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:
MehrKurs 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, >
MehrBeim 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.
MehrMusterklausur 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
MehrRückblick 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
MehrAuswertung 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;
MehrÜbung 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
Mehrz.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
MehrAuswertung 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;
MehrBedingte 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
MehrStatistik Exponentialfunktion
! " Statstk " Eponentalfunkton # $ % & ' $ ( )&* +, - +. / $ 00, 1 +, + ) Ensemble von radoaktven Atomkernen Zerfallskonstante λ [1/s] Lebensdauer τ 1/λ [s] Anzahl der pro Zetenhet zerfallenden Kerne:
MehrKapitel 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
MehrAbbildung 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
MehrÜbung 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
MehrLineare 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
MehrUniversität 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,
MehrWie 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
Mehr2.1 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
MehrANOVA (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
MehrStochastische 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)
MehrNomenklatur - 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
MehrKurs 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...
MehrLernziele. 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
MehrKapitel 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
MehrDer 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
MehrLösungen 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
MehrAnhang 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
MehrÖkometrie 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
MehrUniversität 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,
MehrSei 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
MehrItemanalyse 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
MehrElemente 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
MehrStatistische 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
MehrRegressionsgerade. 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:
(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,...,
MehrZulassungsprüfung 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
MehrÜbungsblatt 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
MehrFallstudie 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
MehrLehrstuhl 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.
MehrAnalysis 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
MehrAn 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