Kapitel 6: Regression
|
|
- Karsten Langenberg
- vor 5 Jahren
- Abrufe
Transkript
1 udwg-maxmlas-uverstät Müche Isttut für Iformatk ehr- ud Forschugsehet für Datebaksysteme Skrpt zur Vorlesug Kowledge Dscovery Databases m Sommersemester 05 Kaptel 6: Regresso Vorlesug: PD Dr. Arthur Zmek Übuge: Dr. Tobas Emrch Skrpt 05 Johaes Aßfalg, Chrsta Böhm, Karste Borgwardt, Mart Ester, Eshref Jauza, Kar Kalg, Peer Kröger, Jörg Sader, Matthas Schubert, Arthur Zmek Databases_I_(KDD_I)
2 Regresso Klassfkato: Jedes Obekt o hat ee Klasse C {C,,.., C k } Klassfkator: O C C st dskret!! Regresso: Jedem Obekt o st ee Zelvarable Y zugeordet. Regresso: O Aufgabe der Regresso st de Vorhersage ees kotuerlche Wertes. Zum Bespel : Vorhersage des erwartete Absatzes ees Produkts oder empfohlee Mege a Dügemttel für ee bestmmte Bodetyp Kowledge Dscovery Databases I: Regresso
3 Arte der Regresso leare Regresso gesuchte Vorhersage-Varable Y verhält sch lear. multple Regresso leare Regresso, be der Y vo eem Vektor abhägt. cht-leare Regresso allgemeer Fall, de beschrebee Regressosfukto muss cht lear se. z.b. ogstc Regresso, Posso Regresso Kowledge Dscovery Databases I: Regresso
4 eare Regresso Gegebe: Obekt st durch Zufallsvarable X beschrebe. Tragsobekte habe zusätzlch och Auspräguge der Zelvarable Y. Aahme: Y X De beobachtete Werte vo Y weche mt kostater Varaz vo der e ab. Gesucht: e, auf der Erwartugswerte lege. ösug: Mmere quadratsche Fehler (east Squares Methode) erwartetes Gehalt Y { D.h. bestmme ud, so dass s s Y X mmal wrd. Arbetserfahrug Jahre X st der Abstad vo der ageommee Regressosgerade. Kowledge Dscovery Databases I: Regresso
5 eare Regresso ösugsasatz: De partelle Abletuge ach ud ergebe folgede Abschätzuge. Stegug: s ( x s E( x))( y ( x E( x)) E( y)) Y-Achseabschtt: E( Y ) E( X ) Kowledge Dscovery Databases I: Regresso
6 Multple Regresso Multple Regresso: Obekt wrd durch d-dmesoale Featurevektor beschrebe. Aahme: Y st vo eer ear- Kombato abhägg. Y d X ösug: mmere quadratsche Fehler (east Squares Methode) Achtug: Es ergbt sch ee Regressoshyperebee!! s s Y d k ( k X, k ) Kowledge Dscovery Databases I: Regresso
7 Ncht-eare Regresso Gegebe: Zufallsvarable X ud Zelvarable Y. Aahme: Y hägt cht-lear vo X ab. Bespel: polyomelle Regresso Aahme: 5 Y X X 3 X ösug: Defere eue Varable. X = X, X =X, X 3 =X 3 öse leare multple Regresso 0 -,5 - -,5 - -0,5 0 0,5,5, Datepukte Regressowerte -5 Y X X 3X 3 Kowledge Dscovery Databases I: Regresso
8 Ncht-eare Regresso höhere Komplextät des Polyoms (=mehr Varable, d.h., Frehetsgrade) bessere Apassug Probleme: Overfttg Outler verzerre de Schätzug Bld-Quelle: Kowledge Dscovery Databases I: Regresso
9 Weterführede Regressosverfahre -sestve Fehlerfukto bs etzt müsse alle Pukte auf Regressosgerade lege. Aber: Häufg st Abstad vo der e och akzeptabel => defere Rad mt Größe, dem der Fehler tolerert wrd. Y { X ( x, y, f ) y f ( x) max(0, y f ( x) ) oder als quadratscher Fehler f(x)-y ( x, y, f ) y f ( x) Kowledge Dscovery Databases I: Regresso f(x)-y
10 Support Vector Regresso Auf Bass der -sestve Fehlerfukto ka ma etzt e Optmerugsproblem ählch zu dem der SVMs defere Prmäres OP : * mmere uter Nebebedgug für.. se J ( w, b, ) w C y w x b, * w x b, y ud, * P Type vo Slack-Varable für überhalb ud uterhalb des Zelwertes y * P Beachte: * =0, da Obekt etweder überhalb oder uterhalb der Regressosgerade legt. Kowledge Dscovery Databases I: Regresso
11 Support Vector Regresso Überführt ee Form mt agrage Multplkatore: Beachte, dass herbe glt: * =0 ud * =0 Verallgemeertes Problem mt Kerelfukto: C x x y, ) ( * * * * Duales OP: maxmere mt Bedgug ud 0, 0 *,=.. * 0 x x K y, ) ( Duales OP: maxmere mt Bedgug ud -C C, =.. 0 Kowledge Dscovery Databases I: Regresso
12 Support Vector Regresso Amerkuge: Über Kerel lässt sch bequem cht-leare Regresso realsere Trag mt de gleche ösugsverfahre we be SVMs für de Klassfkato Es gbt wetere Varate: z.b. Rdge-Regresso. Herbe st = 0, d.h. es hadelt sch um east Squares Regresso mt eer Eschräkug der Gewchte. Rdge Regresso : mmere uter Nebebedgug für.. se y w x b, J ( w, b, ) w, =,..,l Kowledge Dscovery Databases I: Regresso
13 Fazt Regresso Regresso löst e ählches Problem we Klassfkato. Vorhersage: kotuerlche Werte. Regressosgerade köe häufg aalytsch bestmmt werde. weterführede Verfahre mt Kerelfuktoe Amerkug: De Klassfkatos-Methode ogstsche Regresso ergbt sch als Awedug vo Regresso auf das Klassfkatos-Problem be umerscher Iterpretato der Klassevarable (Klasse A: Y =, Klasse B: Y = 0). Kowledge Dscovery Databases I: Regresso
Erinnerung: Funktionslernen. 5.6 Support Vector Maschines (SVM) Beispiel: Funktionenlernen. Reale Beispiele
Ererug: Fuktoslere 5.6 Support Vector Masches (SVM) überomme vo Stefa Rüpg, Kathara Mork Uverstät Dortmud Vorlesug Maschelles Lere ud Data Mg WS 2002/03 Gegebe: Bespele X LE de ahad eer Wahrschelchketsvertelug
MehrEinführung in die Stochastik 3. Übungsblatt
Eführug de Stochastk 3. Übugsblatt Fachberech Mathematk SS 0 M. Kohler 06.05.0 A. Fromkorth D. Furer Gruppe ud Hausübug Aufgabe 9 (4 Pukte) Der Mkrozesus st ee statstsche Erhebug. Herbe werde ach bestmmte
Mehr( x) eine Funktion definiert, in der nur die i-te Komponente variabel ist. Folgende Schreibweisen werden aufgrund dieser Anmerkungen auch verwendet:
Pro. Dr. Fredel Bolle LS ür Volkswrtschatslehre sb. Wrtschatstheore (Mkroökoome) Vorlesug Mathematk - WS 008/009 4. Deretalrechug reeller Fuktoe IR IR (Karma, S. 00 06, dort glech ür IR IR m ) 4. Partelle
MehrStatistische Grundlagen Ein kurzer Überblick (diskret)
Prof. J.C. Jackwerth 1 Statstsche Grudlage E kurzer Überblck (dskret De wchtgste Begrffe ud Deftoe: 1 Erwartugswert Varaz / Stadardabwechug 3 Stchprobevaraz 4 Kovaraz 5 Korrelatoskoeffzet 6 Uabhäggket
Mehr3.7 Support Vector Machines
3.7 Support Vector Maches Motvato: Leare Separato Vektore R d repräsetere Objekte. Objekte gehöre zu geau eer vo je 2 Klasse Klassfkato durch leare Separato: Suche Hperebee de bede Klasse mamal stabl voeader
MehrStatistik. ist die Kunst, Daten zu gewinnen, darzustellen, zu analysieren und zu interpretieren um zu neuem Wissen zu gelangen.
Statstk st de Kust, Date zu gewe, darzustelle, zu aalysere ud zu terpretere um zu euem Wsse zu gelage. Sachs (984) Aufgabe De Statstk hat also folgede Aufgabe: Zusammefassug vo Date Darstellug vo Date
MehrDer Korrelationskoeffizient ist ein Maß für den linearen Zusammenhang zwischen zwei Variablen X und Y. Er ist durch folgende Formel charakterisiert:
Korrelatoskoeffzet Der Korrelatoskoeffzet st e Maß für de leare Zusammehag zwsche zwe Varable X ud Y. Er st durch folgede Formel charaktersert: r xy corr XY ( x x)( y y) ( ) x x ( y y) x x y x ( ) ( )
MehrKorrelations- und Regressionsanalyse
Kaptel VI Korrelatos- ud Regressosaalse B 6 (Gegestad der Korrelatos- ud Regressosaalse) Währed de Korrelatosaalse de Estez, de Stärke ud de Rchtug des Zusammehags zwsche zwe oder mehrere statstsche Varable
MehrKlausur Statistik IV Sommersemester 2009
Klausur Statstk IV (Lösug) Name, Vorame 013456 Klausur Statstk IV Sommersemester 009 Prof. Dr. Torste Hothor Isttut für Statstk Name: Name, Vorame Matrkelummer: 013456 Wchtg: ˆ Überprüfe Se, ob Ihr Klausurexemplar
MehrLohnkosten pro Arbeitsstunde. Wie hoch sind die Lohnkosten pro Arbeitsstunde im Jahresdurchschnitt?
Klausur Wrtschaftsstatstk. [ Pukte] E Uterehme hat folgede Date ermttelt: Moat Gelestete Arbetsstude Lohkoste pro Arbetsstude Jauar 86.400 0,06 Februar 75.000 3,0 März 756.000 4,47 Aprl 768.000,53 Ma 638.400
MehrQuellencodierung I: Redundanzreduktion, redundanzsparende Codes
Quellecoderug I: Redudazredukto, redudazsparede Codes. Redudaz. Eführug. Defto der Redudaz. allgemee Redudazredukto. redudazsparede Codes. Coderug ach Shao. Coderug ach Fao. Coderug ach Huffma.4 Coderug
MehrEinführung Fehlerrechnung
IV Eführug Fehlerrechug Fehlerrechuge werde durchgeführt, um de Vertraueswürdgket vo Meßergebsse beurtele zu köe. Uter dem Fehler eer Messug versteht ma de Abwechug ees Meßergebsses vom (grudsätzlch ubekate
Mehr(Markowitz-Portfoliotheorie)
Thema : ortfolo-selekto ud m-s-rzp (Markowtz-ortfolotheore) Beurtelugskrtere be quadratscher Nutzefukto: Beroull-rzp + quadratsche Nutzefukto Thema Höhekompoete: Erwartugswert µ Rskokompoete: Stadardabwechug
Mehrfür j=0,1,...,n Lagrange zur Lösung der Interpolation nicht geeignet, da numerisch problematisch und teuer. 1 n
Aahme: Es gbt zwe Polyome p ud q vom Grad
Mehr5 Reproduktions- und Grenzwertsätze
Reproduktos- ud Grezwertsätze Reproduktos- ud Grezwertsätze. Reproduktossätze Bespel 0: Der Aufzug eer Frma st zugelasse für Persoe bzw. 000 kg. Das Durchschttsgewcht der Agestellte der Frma st µ = 80
MehrIm Wöhlerdiagramm wird die Lebensdauer (Lastwechsel oder Laufzeit) eines Bauteils in Abhängigkeit von der Belastung dargestellt.
Webull & Wöhler 0 CRGRAPH Wöhlerdagramm Im Wöhlerdagramm wrd de Lebesdauer ( oder Laufzet) ees Bautels Abhägget vo der Belastug dargestellt. Kurzetfestget Beaspruchug Zetfestget auerfestget 0 5 3 4 6 0
MehrMultiple Regression (1) - Einführung I -
Multple Regreo Eführug I Mt eem Korrelatokoeffzete ud der efache leare Regreo köe ur varate Zuammehäge zwche zwe Varale uterucht werde. Beutzt ma tatt dee mehrere Varale zur Vorherage, egt ma ch auf da
MehrPrinzip "Proportional Reduction of Error" (PRE)
Dr. Reate Prust: Eführug quattatve Forschugsmethode Bvarate Maße: Przp "Proportoal Reducto of Error" (PRE) E 1 - E Fehler be Regel 1 - Fehler be Regel = E 1 Fehler be Regel 1 Regel 1: Vorhersageregel ur
MehrKapitel XI. Funktionen mit mehreren Variablen
Kaptel XI Fuktoe mt mehrere Varable D (Fuktoe vo uabhägge Varable Se R ud D( f R Ist jedem Vektor (Pukt (,,, D( f durch ee Vorschrft f ee reelle Zahl z = f (,,, zugeordet, so heßt f ee Fukto vo uabhägge
Mehrdie Schadenhöhe ( = Risikoergebnis) des i-ten Versicherungsnehmers i 1,, n).
Aufgabe Wr betrachte ee Reteverscherug der Retebezugszet mt jährlch vorschüssger Retezahlug solage der Verscherte lebt. a) Bezeche V bzw. V de rechugsmäßge Deckugsrückstellug am Afag bzw. am Ede des Verscherugsjahres.
MehrRegressionsrechnung und Korrelationsrechnung
Regressosrechug ud Korrelatosrechug Beschrebede Statstk Modul : Probleme be der Abhäggketsaalyse Problem : Es gbt mest cht ur ee Eflussfaktor (Probleme sd selte mookausal ) A Ursache() Wrkug B C - efache
Mehr3. Das Messergebnis. Was ist ein Messergebnis?
. Das Messergebs Was st e Messergebs? Wederholug der Messug Wahrer Wert? Mehrere Eflussgröße Fehlerbetrachtug Messergebs Vorgeheswese für Messergebs. Bestmmug des bekate systematsche Fehlers 2. Aufahme
MehrOrdnungsstatistiken und Quantile
KAPITEL Ordugsstatste ud Quatle Um robuste Lage- ud Streuugsparameter eführe zu öe, beötge wr Ordugsstatste ud Quatle... Ordugsstatste ud Quatle Defto... Se (x,..., x R ee Stchprobe. Wr öe de Elemete der
Mehr2.2 Rangkorrelation nach Spearman
. Ragkorrelato ach Spearma Wr wolle desem Kaptel de Ragkorrelatoskoeffzete ach Spearma bereche. De erste Daterehe besteht aus Realseruge x, x,..., x der uabhägg ud detsch stetg vertelte Zufallsvarable
MehrAufgaben. 1. Gegeben seien folgende Daten einer statistischen Erhebung, bereits nach Größe sortiert (Rangliste):
Aufgabe. Gegebe see folgede Date eer statstsche Erhebug, berets ach Größe sortert (Raglste): 0 3 4 4 5 6 7 7 8 8 8 9 9 0 0 0 0 0 3 3 3 3 4 4 5 5 5 5 5 6 6 6 7 7 8 30 Erstelle Se ee Tabelle, der de Merkmalsauspräguge
Mehr2. Zusammenhangsanalysen: Korrelation und Regression
2. Zusammehagsaalse: Korrelato ud Regresso Dowloads zur Vorlesug 2. Zusammehagsaalse: Korrelato ud Regresso 2 Grudbegrffe zwedmesoale Stchprobe De Gewug vo mehrere Merkmale vo eer Beobachtugsehet führt
MehrAsymptotische Normalverteilung nach dem zentralen Grenzwertsatz
Asymptotsche ormalvertelug ach dem zetrale Grezwertsatz Erwartugswert eer Summe vo Zufallsvarable mt jewels de Erwartugswert x (Y Y Asymptotsche ormalvertelug ach dem zetrale Grezwertsatz Varaz eer Summe
MehrStatistik und Wahrscheinlichkeitsrechnung
Statstk ud Wahrschelchketsrechug Mathas Graf 8.04.009 Ihalt der heutge Vorlesug Auswahl eer Vertelugsfukto: Wahrschelchketspaper Schätzug ud Modelletwcklug: Methode der Momete Methode der Maxmum Lkelhood
MehrErzeugen und Testen von Zufallszahlen
Erzeuge ud Teste vo Zufallszahle Jürge Zumdck Eletug Ee Lergruppe wrd aufgefordert 00 Zufallszahle (0 oder ) ach folgede Methode zu erzeuge: De Hälfte der Gruppe beutzt a) ee Müze oder b) de Zufallszahlefukto
MehrDer Approximationssatz von Weierstraß
Der Approxmatossatz vo Weerstraß Ja Köster 22. Oktober 2007 1 Eführug Aus der Aalyss wsse wr, dass sch aalytsche Fuktoe durch Potezrehe der Form f(x = a 0 + a 1 x + a 2 x 2 +... darstelle lasse. Dabe kovergert
MehrSitzplatzreservierungsproblem
tzplatzreserverugsproblem Be vele Zugsysteme Europa müsse Passagere mt hrem Zugtcet ee tzplatzreserverug aufe. Da das Tcetsystem Kude ee ezele Platz zuwese muss, we dese e Tcet aufe, ohe zu wsse, welche
MehrPhysikalische Messungen sind immer fehlerbehaftet! Der wahre Wert ist nicht ermittelbar. Der wahre Wert x ist nicht identisch mit dem Mittelwert
Physkalsche Messuge sd mmer fehlerbehaftet! Der wahre Wert st cht ermttelbar. Der wahre Wert st cht detsch mt dem Mttelwert Der Wert legt mt eer gewsse Wahrschelchket (Kofdezahl bzw. Vertrauesveau %) m
MehrMathematische Modellierung Lösungen zum 1. Übungsblatt
Mathematsche Modellerug Lösuge zum Klaus G. Blümel Lars Hoege 6. Oktober 005 Aufgabe 1 a) Der Raumhalt vo eem Kubkmeter etsprcht gerade 1000 Lter, d.h. 1 m 3 = 1000 l. Reche zuächst 1 m 3 cm 3 um. E Meter
MehrKlausur SS 2005 Version 1
BEMERKUG: für de Rchtgket der Lösuge wrd atürlch kee Garate überomme!! Klausur SS 005 Verso Aufgabe : e Gamma-Quat hat kee Ladug > el. Felder übe kee Kräfte aus > kee Kräfte, kee Äderug der Bewegug (ewto)
MehrSeminar: Stochastische Geometrie und ihre Anwendungen - Unbegrenzt teilbare und stabile Verteilungen.
Uverstät Ulm, Isttut Stochastk 5. Jul 200 Semar: Stochastsche Geometre ud hre Aweduge - Ubegrezt telbare ud stable Verteluge. Ausarbetug: Stefa Fuke Betreuer: Ju.-Prof. Dr. Zakhar Kabluchko Ubegrezt telbare
MehrDr. H. Grunert Einführung in die Wahrscheinlichkeitsrechnung Vorlesungscharts. Vorlesung 5.2. Eigenschaften von Zufallsvariablen
Vorlesugscharts Vorlesug 5. Egeschafte vo Zufallsvarable Reproduktvtät Approxmatoe Zetraler Grezwertsatz Sete vo Chart : Uabhäggket vo Zufallsvarable Zwe Zufallsvarable X ud Y mt hre Realsatoe { x, x,...,
MehrAllgemeine Prinzipien
Allgemee Przpe Es estere sebe Grudehete der Physk; alle adere physkalsche Größe ka ma darauf zurückführe. Dese Grudehete sd: Läge [m] Masse [kg] Zet [s] Elektrsche Stromstärke [A] Temperatur [K], Stoffmege
MehrZahlensysteme. Dezimalsystem. Binär- oder Dualsystem. Hexadezimal- oder Sedezimalzahlen
IT Zahlesysteme Zahledarstellug eem Stellewertcode (jede Stelle hat ee bestmmte Wert) Def. Code: Edeutge Abbldugsvorschrft für de Abbldug ees Zeche-Vorrates eem adere Zechevorrat. Dezmalsystem De Bass
MehrMethoden der computergestützten Produktion und Logistik
Methode der comutergestützte Produkto ud Logstk 9. Bedesysteme ud Warteschlage Prof. Dr.-Ig. habl. Wlhelm Dagelmaer Modul W 336 SS 06 Bedesysteme ud Warteschlage Besel: Fahrradfabrk Presse Puffer Lackerere
Mehr01 OM: Hilfsmittelfreie Fertigkeiten im Umgang mit Termen in der Oberstufe
0 OM: Hlfsmttelfree Fertgkete m Umgag mt Terme der Oberstufe Im Kercurrculum wrd de prozess- ud haltsbezogee Kompeteze ur da eplzt sowohl auf de Esatz dgtaler Mathematkwerkzeuge als auch auf hlfsmttelfre
MehrBeispiel zur Regression
Bespel zur Regresso Bespel Lestug kw ud Kraftstoff-Verbrauch l pro 00 km vo sebe verschedee VW-Golf Bezmotore [] kw l/00km 55 6,4 74 7,6 77 6,8 85 7,9 0 9,3 50 0,8 [] Quelle: http://www.vw-ole.de/golf/dex_.htm
MehrMathematik für VIW - Prof. Dr. M. Ludwig ( ) ( ) ( ) n f. bestimmt m Funktionen. durch die Festlegung f (,,
Matheatk ür VIW - Pro. Dr. M. Ludwg 8. Deretato reeller Fuktoe ehrerer Varabler 8. Skalare Felder Vektorelder Koordatesystee Bsher wurde reelle Fuktoe ür ee Varable utersucht: : D t der egeührte Schrebwese
MehrProf. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3 54
Prof. Dr. H. Rommelfager: tschedugstheore, Katel 3 54 3.2.8 ARROW-PRATT-Maß für de Rskoestellug Rskoverhalte bsher grob kategorsert ach Rskoeutraltät, -symathe ud averso be Rskoaverso: (X) < SÄ Rskoräme
MehrÜbungen zur Wahrscheinlichkeitsrechnung und Schliessenden Statistik
Übuge zur Wahrschelchketsrechug ud Schlessede Statstk Aufgabe ud Lösuge vo Peter M Schulze, Verea Dexhemer. Auflage Übuge zur Wahrschelchketsrechug ud Schlessede Statstk Schulze / Dexhemer schell ud portofre
MehrKonzentrationsanalyse
Kaptel V Kozetratosaalyse B. 5.. Im Allgemee wrd aus statstscher Scht zwsche - absoluter ud - relatver Kozetrato uterschede Der absolute ud relatve Aspekt wrd och emal utertelt - statscher ud - dyamscher
MehrUnter einer Rente versteht man eine regelmässige und konstante Zahlung
8 Aweduge aus der Fazmathematk Perodsche Zahluge: Rete ud Leasg Uter eer Rete versteht ma ee regelmässge ud kostate Zahlug Bespele: moatlche Krakekassepräme, moatlche Altersrete, perodsches Spare, verteljährlcher
MehrQuantitative Methoden in der klinischen Epidemiologie
Quattatve Methode der klsche Epdemologe Korrelato ud leare Regresso Lerzele Besteht e fuktoeller Zusammehag zwsche zwe Messuge a eem Patete? Korrelato als Maßzahl für de Stärke ees leare Zusammehages Beschrebe
MehrLösungen. Häufigkeitsverteilung (Stabdiagramm) Aufgabe 1. Häufigkeit (h) Merkmal (x)
Lösuge Aufgabe Merkmal (x) Häufgket (h) h x,, 3, 3,, 8, 5, 5, 6, 6, 7, 3, 8, 3 5, 9, 38,, 5,, 8 68,, 6 3, 3, 9,, 8, 5, 5 5, 6, 3 78, 7, 5, 8, 8, 3, 3, Summe 5.63, Aufgabe Häufgketsvertelug (Stabdagramm)
MehrBeispielklausur BWL B Teil Marketing. 45 Minuten Bearbeitungszeit
Bespelklausur BWLB TelMarketg 45MuteBearbetugszet BWLBBespelklausurTelMarketg Sete WchtgeHwese:. VOLLSTÄNDIGKEIT: PrüfeSeuverzüglch,obIhreKlausurvollstädgst(Aufgabe).. ABGABE: EsstdegesamteKlausurabzugebe.
MehrEigenwerteinschließungen I
auptsemar: Numersche Lösuge für Egewertaufgabe Egewerteschleßuge I Referet: Wolfgag Wesselsky Glederug Eletug Kodto vo Egewerte 3 Eschleßugssätze Bauer-Fke, Gershgor, Wlkso, Bedxo 4 Zusatz: Courat / Weyl
MehrKorrelations- und Assoziationsmaße
k m χ : j l r +. Zusammehagsmaße ( o e ) jl jl e jl Korrelatos- ud Assozatosmaße e jl 5 Merkmal Y Summe X b b m a H (a,b) H (a,b). a H (a,b) H (a,b). Summe.. Zusammehagsmaße Eführug Sche- ud Noses-Korrelato
MehrVerteilungen und Schätzungen
Verteluge ud Schätzuge Zufallseperet Grudbegrffe Vorgag ach eer bestte Vorschrft ausgeführt ( Przp) belebg oft wederholbar se Ergebs st zufallsabhägg be ehralge Durchführug des Eperets beeflusse de Ergebsse
MehrProbleme mit mehreren Zielen. Probleme mit mehreren Zielen. Probleme mit mehreren Zielen
Probleme mt mehrere Zele Bespel (Dkelbach) E Reseder muss sch vor Ort vo ver Hotels für ees etschede. Dabe verfolgt er folgede Zele: - Bestmöglche Ruhe - Qualtät des Frühstücks - Sauberes Bad - Scherer
MehrVarianzfortpflanzung
5.0 / SES.5 Parameterschätzug Varazortplazug Torste Maer-Gürr Torste Maer-Gürr Dskrete Zuallsvarable Ee dskrete Zuallsvarable mmt edlch vele oder abzählbar uedlch vele Werte a. - Werte: - Wahrschelchket:,,,,,,,,
MehrDer Korrelationskoeffizient ist ein Maß für den linearen Zusammenhang zwischen zwei Variablen X und Y. Er ist durch folgende Formel charakterisiert:
Korrelatoskoeffzet Der Korrelatoskoeffzet st e Maß für de leare Zusammehag zwsche zwe Varable X ud Y. Er st durch folgede Formel charaktersert: r xy corr XY x x y y x x y y x x y x x y y y Statstk für
MehrZur Interpretation einer Beobachtungsreihe kann man neben der grafischen Darstellung weitere charakteristische Größen heranziehen.
Rudolf Brkma http://brkma-du.de Sete 0.0.008 Lagemaße der beschrebede Statstk. Zur Iterpretato eer Beobachtugsrehe ka ma ebe der grafsche Darstellug wetere charakterstsche Größe herazehe. Mttelwert ud
Mehr4. Marshallsche Nachfragefunktionen Frage: Wie hängt die Nachfrage nach Gütern
Prof. Dr. Fredel Bolle Vorlesug "Mkroökoome" WS 008/009 III. Theore des Haushalts 0 Prof. Dr. Fredel Bolle Vorlesug "Mkroökoome" WS 008/009 III. Theore des Haushalts 0 4. Marshallsche Nachfragefuktoe Frage:
Mehr6. Zusammenhangsmaße (Kovarianz und Korrelation)
Problemstellug: Bsher: Gesucht: 6. Zusammehagsmaße (Kovaraz ud Korrelato) Ee Varable pro Merkmalsträger, Stchprobe x1,, x Maße für Durchschtt, Streuug, usw. Bespel: Kurse zweer Akte ud a 9 aufeader folgede
MehrStochastik und Vektorgeometrie 1
Jörg Meyer, Hamel Stochastk u Vektorgeometre 1 Zusammefassug: I er Beschrebee Statstk u er Wahrschelchketsrechug komme häufg Quaratsumme vor. Deutet ma ese als Skalarproukte, so lasse sch mache Aussage
Mehrannehmen, so heißt die Funktion, die jedem atomaren Ereignis { x i } mit i { 1; 2; ;
Wahrschelchet Ee Futo X : Ω R, de edem Ergebs ees zufällge Vorgages ee reelle Zahl zuordet, heßt Zufallsgröße (oder auch Zufallsvarable Ee Zufallsgröße X heßt edlch, we X ur edlch vele Werte x aehme a
MehrUniversitätslehrgang Sports Physiotherapy Einführung in die Statistik
Departmet of Sport Scece ad Kesolog Uverstätslehrgag Sports Phsotherap Eführug de Statstk Gerda Strutzeberger Block I Block Mttwoch 5..0 3:00 bs 4:50 Grudlage, Skaleveau 5:05 bs 7:00 Gütekrtere, Hpothese,
MehrBeispiel zur Regression
Bespel zur Regresso Bespel Lestug kw ud Kraftstoff-Verbrauch l pro 00 km vo sebe verschedee VW-Golf Bezmotore [] kw l/00km 55 6,4 74 7,6 77 6,8 85 7,9 0 9,3 50 0,8 [] Quelle: http://www.vw-ole.de/golf/dex_.htm
MehrGrundlagen der Entscheidungstheorie
Kaptel 0 Grudlage der Etschedugstheore B. 0 (Gegestad) De Etschedugstheore befasst sch mt dem Etschedugsverhalte vo Idvdue ud Gruppe. Se besteht aus we Telgebete. Deskrptve Etschedugstheore De deskrptve
MehrAlternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF
Alteratve Darstellug des -Stchprobetests für Atele DCF CF Total 111 11 3 Respose 43 6 69 Resp. Rate 0,387 0,3 0,309 Beobachtete Respose No Respose Total absolut DCF 43 68 111 CF 6 86 11 69 154 3 Be Gültgket
MehrFormelzusammenstellung
Hochschule Müche Faultät Wrtschaftsgeeurwese Formelzusammestellug zugelasse für de Prüfug Dateaalyse der Faultät 09 für Wrtschaftsgeeurwese Prof. Dr. Voler Abel Formelsammlug Dateaalyse / Ihaltsverzechs
MehrInterpolationspolynome
Iterpolatospolyome Ac Gegebe sd +1 Stützstelle x 0 bs x zusamme mt hre Stützwerte y 0 bs y. Durch de Pukte ( x / y ) soll e Polyom p(x) -te Grades gelegt werde : p(x) = a 0 + a 1 x + a 2 x² + + a x = Das
Mehr2 Regression, Korrelation und Kontingenz
Regresso, Korrelato ud Kotgez I desem Kaptel lerst du de Zusammehag zwsche verschedee Merkmale durch Grafke zu beschrebe, Maßzahle ür de Stärke des Zusammehags zu bereche ud dese zu terpretere, das Wsse
Mehr8. Funktionen mehrerer Veränderlicher
Prof. Dr. Wolfgag Koe Mathematk, SS9 9.3.9 8. Fuktoe mehrerer Veräderlcher Das Zel des Reches st Escht, cht Zahle. [Rchard Hammg, 95-998] 8.. Worum geht es? Bsher hatte wr be der Dfferetato ur Fuktoe eer
MehrFehlerrechnung im Praktikum
Fehlerrechug m Pratum Pratum Phsalsche Cheme (A. Dael Boese) I chts zegt sch der Magel a mathematscher Bldug mehr, als eer überbertrebe geaue Rechug. Carl Fredrch Gauß, 777-855 Themegebete Utertelug vo
Mehr8. Mehrdimensionale Funktionen
Prof. Dr. Wolfgag Koe Mathematk, SS05.05.05 8. Mehrdmesoale Fuktoe Wer Greze überschretet, versucht, ee eue Dmeso vorzustoße. [Dael Mühlema, (*959), Übersetzer ud Aphorstker] Ege Leute sollte cht dü werde,
MehrStatistik. (Inferenzstatistik)
Statstk Mathematsche Hlfswsseschaft mt der Aufgabe, Methode für de Sammlug, Aufberetug, Aalyse ud Iterpretato vo umersche Date beretzustelle, um de Struktur vo Masseerscheuge zu erkee. Deskrptve (beschrebede)
MehrInduktion am Beispiel des Pascalschen Dreiecks
Iduto am Bespel des Pascalsche Dreecs Alexader Rehold Coldtz 0.02.2005 Eletug vollstädge Iduto De vollstädge Iduto st ebe dem drete ud drete Bewesverfahre ees der wchtgste der Mathemat. Eher bespelhaft
MehrÜbung Statistik II SS 2006 Musterlösung Arbeitsblatt 6
Ihalt: Efaktorelle Varazaalyse Bortz: Bortz Kap. 7.0-7. Übug Statstk II SS 006 Musterlösug rbetsblatt 6 ufgabe 1: Nee Se de Verfahre für Mttelwertsvergleche, de Se bsher für tervallskalerte Date kee gelert
MehrQuellencodierung I: Redundanzreduktion, redundanzsparende Codes
Quellecoderug I: Redudazredukto, redudazsparede Codes Quellecoderug Durch de Quellecoderug werde de Date aus der Quelle codert, bevor se ee Übertragugskaal übertrage werde De Coderug det der Verkleerug
Mehr1 1 1 x0,25 x200 0,25 x200 0,25 1 x50 x51 1 1
Klausur: Statstk 2.06.2018 Jürge Mesel Hlfsmttel: Ncht progr. Tascherecher Bearbetugszet: 60 Mute Aufgabe 1 E Koskbestzer otert 200 Tage lag de Zahl der verkaufte Exemplare eer seer Tageszetuge. Verkaufte
MehrFormelsammlung zur Zuverlässigkeitsberechnung
Formelsmmlug zur Zuverlässgetsberechug zusmmegestellt vo Tt Lge Fchhochschule Merseburg Fchberech Eletrotech Ihlt:. Zuverlässget vo Betrchtugsehete.... Zuverlässget elemetrer, chtreprerbrer ysteme... 3.
MehrLösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung
Lösuge zum Übugs-Blatt 7 Wahrschelchketsrechug BMT Bostatstk Prof. Dr. B. Grabowsk ----------------------------------------------------------------------------------------------- Bedgte Wahrschelchket
MehrErgebnis- und Ereignisräume
I Ergebs- ud Eregsräume Zufallsexpermete Defto: E Expermet, welches belebg oft uter gleche Bedguge wederholbar st ud desse Ergebs cht mt Bestmmthet vorhergesagt werde ka (d.h. es gbt md. 2 Mgk.), heßt
MehrGrundgesetze der BOOLEschen Algebra und Rechenregeln
5... Grudgesetze der BOOLEsche Algebra ud Recheregel Auf de mathematsch korrekte Eführug der BOOLEsche Algebra ka ch verzchte, da das Ihrer Mathematkausbldug ausführlch behadelt wrd. Ich stelle Ihe zuächst
Mehrwahlberechtigte Personen der BRD zur Bundestagswahl zugelassene Parteien (SPD, CDU, Grüne, FDP)
Zu Aufgabe 1) Sd folgede Merkmale dskret oder stetg? a) De durch ee wahlberechtgte Perso der BRD gewählte Parte be der Budestagswahl. b) Kraftstoffverbrauch ees Persoekraftwages auf 100 km. c) Zahl der
Mehr6. Zusammenhangsmaße (Kovarianz und Korrelation)
6. Zuammehagmaße Kovaraz ud Korrelato Problemtellug: Bher: Ee Varable pro Merkmalträger, Stchprobe x,, x Geucht: Maße für Durchchtt, Streuug, uw. Jetzt: Zwe metrche! Varable pro Merkmalträger, Stchprobe
MehrSpannweite, Median Quartilsabstand, Varianz und Standardabweichung.
Rudolf Brkma http://brkma-du.de Sete 06.0.008 Spawete, Meda Quartlsabstad, Varaz ud Stadardabwechug. Streuug um de Mttelwert. I de folgede Säuledagramme st de Notevertelug zweer Schülergruppe (Mädche,
MehrNeuronale Verfahren zur Regression
Neuroale Verfahre zur Regresso eares oell Vo Percetro zu ultlage-percetro Error-BAckroagato erregel Raale Bassfuktoe-Netze P r art Stetter Sees AG Regresso as leare oell Ausgagsukt: eares Percetro Fttet
MehrVorlesung Reaktionskinetik
Karlsruher Isttut für Techologe Isttut für Physkalsche Cheme Vorlesug Reaktosketk Sommersemester 3 Prof Dr M Olzma Texterfassug: Isabelle Weber Grudbegrffe Gegestad der Reaktosketk Physkalsche Cheme reaktver
MehrDefinitionen und Aussagen zu Potenzreihen
Deftoe ud Aussage zu Potezrehe User bsherges Repertore a stetge Abblduge basert auf ratoale Fuktoe, also Ausdrücke, dee Addto, Subtrakto, Multplkato ud Dvso vorkomme. Auf dese Wese sd aber Epoetalfukto,
MehrStichprobenmodell der linearen Einfachregression
Stchproemodell der leare Efachregresso Stchproemodell der leare Efachregresso Vertelug der Stchproekoeffzete Prof. Kück / Dr. Rcaal Delgado Lehrstuhl Statstk Regresso III lografe: Prof. Dr. Kück verstät
MehrTest für Varianz. Test für Varianz. Test für Varianz. Die Kontingenztabelle. Statistik 2 4. Vorlesung. Wiederholung: zweidimensionales Datenmaterial
Statstk 4. Vorlesug Test für Varaz Estchprobetest für de Varaz: Hat de Varaz ee bestmmte Wert, bzw. legt er eem bestmmte Berech? Etschedug basert auf dem Ergebs eer ezge Stchprobe. Zwestchprobetest für
MehrVorkurs, Teil 1. (3) Matrizen, lineare Gleichungssysteme, Determinanten (Lehrbuch Kap )
Vorkurs, Tel Lehrbuch: Sydsaeter / Hammod, Mathematk für Wrtschaftswsseschaftler, Pearso Studum, ISBN 978-3-873-73-9 Skrpt vo Sevtap Kestel Ihalt () Eführug: Zahle, Fuktoe Potezfukto, Expoetalfukto (Lehrbuch
MehrUniversität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Maschinelles Lernen II. Clustering
Uverstät Potsdam Isttut für Iformatk Lehrstuhl Maschelles Lere Maschelles Lere II Clusterg Matthas Bussas / Nels Ladwehr Tobas Scheffer Motvato 2 Motvato 3 Clusterg Gegebe: Objekte V = { x,...,x } 1 Dstazfukto
MehrMaße zur Kennzeichnung der Form einer Verteilung (1)
Maße zur Kezechug der Form eer Vertelug (1) - Schefe (skewess): Defto I - Ee Vertelug vo Messwerte wrd als schef bezechet, we se der Wese asymmetrsch st, dass lks oder rechts des Durchschtts ee Häufug
MehrFormelsammlung. Unter diesen Annahmen kann der Korrelationskoeffizient nach folgenden Schritten getestet werden:
Formelammlug. Korrelatoaalye Korrelatooeffzet (Brava-Pearo) ( )( y y) y y r, r + ( ) ( y y) y y Stattcher et Soll tattch getetet werde, ob e learer Zuammehag zwche de Varable ud y für de Grudgeamthet beteht,
MehrVersuch Dichte- und Dickenmessung
Rcklger Stadtweg, D-3459 Haover Tel.: 5/ 996-359 Versuch 3.3 - Dchte- ud Dckemessug U. J. Schrewe, Ma 7. Grudlage Bem Durchgag vo mooeergetscher Rötge- ud -Strahlug durch ee Matereschcht der Dcke glt das
MehrWenn man mehrere Verbraucher in Reihe schaltet, so werden alle vom gleichen Strom durchflossen, siehe auch Abschnitt und Formel ( ).
- rudlage der Elektrotechk - 60 22..04 4 Der komplzertere elektrsche lechstromkres 4. Kombato vo Verbraucher 4.. Sere- oder eheschaltug vo Wderstäde We ma mehrere Verbraucher ehe schaltet, so werde alle
MehrVorlesung Multivariate Statistik. Sommersemester 2009
P.Martus, Multvarate Statstk, SoSe 009 Free Uverstät Berl Charté Uverstätsmedz Berl Bachelor Studegag Boformatk Vorlesug Multvarate Statstk Sommersemester 009 Prof. Dr. rer. at. Peter Martus Isttut für
MehrEindimensionale Regression. Eindimensionale Regression. Regressionsgerade. Güte des Regressionsmodells. Vertrauensintervalle
TECHNISCHE UNIVERSITÄT MÜNCHEN-WEIHENSTEPHAN MATHEMATIK UND STATISTIK INFORMATIONS- UND DOKUMENTATIONSZENTRUM R. Bometrsche ud Ökoometrsche Methode I WS 00/0 Regressosgerade Edmesoaleegressosmodell Emprsche
Mehrv. Weter st + r X + = ( X + ) = ( X + ) ( X + ) = P Deshalb fr 6 6 = + X = K, d. h. I desem Berech ( 6 6 ) glt also ( Idukto ach ) ( ) ( mod ), was fr
5. De Stze vo Sylow Im gaze Abschtt st G ee edlche Grue, 4 #( G). 5.. Problem: Gbt es zu jedem Teler t vo ( tj ) ee Utergrue H mt #( H) = t? We ja, wevele? Gegebesel: 9 Utergrue H vo G = A 5 mt #( H) =
Mehr( ) ( ) ( ) ( ) è ø. P A Wahrscheinlichkeitsmaß. lim n. Dr. Christian Schwarz 4. KOMBINATORIK Permutationen
BBA Projektsemar Thess Dr. Chrsta Schwarz Formelsammlug Aalytsche Statstk 4. KOMBINATORIK 4.. Permutatoe Azahl der Permutatoe vo N Elemete ohe Wederholug: Multomalkoeffzet: N! = N N- N -... 3 N! N! N!...
MehrMarketing- und Innovationsmanagement Herbstsemester 2013 - Übungsaufgaben Lesender: Prof. Dr. Andreas Fürst
Marketg- ud Iovatosmaagemet Herbstsemester 2013 - Übugsaufgabe Leseder: Prof. Dr. Adreas Fürst Isttut für Marketg ud Uterehmesführug Abtelug Marketg Uverstät Ber Ihaltsverzechs 1 Eletug Allgemee Grudlage
Mehr