Aufgaben zur Ökonometrie I
|
|
- Insa Michel
- vor 5 Jahren
- Abrufe
Transkript
1 Aufgabe zur Ökoomerie I 3. Sigifikazess ud Kofideziervalle 3. Wie groß is der Sadardfehler der Regressio vo GASV auf VEINKR ( Eergiemodell Ib, s. Ergebisse i Aufgabe.8) (mi Ierpreaio)? Der Sadardfehler der Regressio (SER) is gleich der Wurzel aus der Residualvariaz, bei der die Summe der quadriere Residue auf die Azahl der Freiheisgrade bezoge is: SER Arbeisabelle: û k y ŷ,0 0,995 0,005 0, ,8 0,995-0,95 0, ,7 0,638 0,06 0, ,9 0,876 0,04 0, ,,4 0,086 0, ,,4-0,04 0, ,4,35 0,048 0, , 7, 0,0586 Residualvariaz: û û û k 0,0586 0,0586 0, Sadardfehler der Regressio (SER): SER = 0, , 0 Ierpreaio: Der Sadardfehler der Regressio is die Wurzel aus der erwarugsreu geschäze Variaz der Sörgröße. Er gib die milere Abweichug der y-were vo de Regressioswere ŷ a. Bei der Regressiosschäzug des Gasverbrauchs i Abhägigklei vom verfügbare Eikomme wird daach ei durchschilicher Fehler vo 0,0 Eiheie gemach.
2 3. Die OLS-Schäzer der Regressioskoeffiziee ud der Nachfragefukio für Erdgas ( Eergiemodell Ia) laue (=7): 5, 809 ud 0, 368. Die Summe der quadriere Residue beräg 0,067, die Summe der Gaspreise 9, ud die Summe der quadriere Gaspreise 90,8. Tese Sie die OLS-Schäzer der Regressioskoeffiziee auf Sigifikaz (=0,0)! A. Sigifikazess (zweiseiig) über β. Schri Hypoheseformulierug: H 0 : ß = 0, H : ß 0. Schri Feslegug des Sigikaziveaus: = 0,0 3. Schri Bereche der Prüfgröße: Residualvariaz: û 0,067 0,034 k 7 Geschäze Variaz vo : ^ Var( ) x x ( x ) 0,0348,975,0985 Prüfgröße: 5,809 5,809 5,543 Vâr( ),0985, Schri Kriischer Wer: k; / 7 ;0,995 5;0, 995 4,03 90,8 0, ,8 9, 5. Schri Tesescheidug: = 5,543 > 5;0,995 = 4,03 Nullhypohese ablehe
3 B. Sigifikazes (zweiseiig) über β :. Schri Hypoheseformulierug: H 0 : ß = 0, H : ß 0. Schri Feslegug des Sigikaziveaus: = 0,0 3. Schri Bereche der Prüfgröße: Residualvariaz: û 0,067 0,034 k 7 Geschäze Variaz vo : ^ 7 Var( ) 0,034 x ( x ) 790,8 9, 0,0340,48 0,00646 Prüfgröße: 0,368 0,368 4,577 Vâr( ) 0, , Schri Kriischer Wer: k; / 7 ;0,995 5;0, 995 4,03 5. Schri Tesescheidug: = 4,577 > 5;0,995 = 4,03 Nullhypohese ablehe
4 3.3 Gegebe is die OLS-geschäze Nachfragefukio ( Eergiemodell II) ^ GASV,706 0,99 GASP 0,074 VEINK ud die Iverse der Produkmarix X X 55,7066 5,7459 4,50 ( X' X) 5,7459 0, ,6. 4,50 0,6 0,0998 Die Summe der quadriere Residue beräg 0,07. Tese Sie de Eifluss des Gaspreises (GASP) ud des verfügbare Eikommes (VEINK) auf die Nachfrage ach Erdgas auf Sigifikaz (=0,05)! A. Sigifikazes (zweiseiig) über β (Eifluss des Gaspreises). Schri Hypoheseformulierug: H 0 : ß = 0, H : ß 0. Schri Feslegug des Sigikaziveaus: = 0,05 3. Schri Bereche der Prüfgröße: Residualvariaz: û 0,07 0, , , k 7 3 Prüfgröße: x 0,99 0, , Schri Kriischer Wer: k; / 7 3;0,975 4;0, 975,776 0,99 0, , Schri Tesescheidug: = 3,536 > 4;0,975 =,776 Nullhypohese ablehe
5 B. Sigifikazes (zweiseiig) über β 3 (Eifluss des verfügbare Eikommes). Schri Hypoheseformulierug: H 0 : ß 3 = 0. H : ß 3 0. Schri Feslegug des Sigikaziveaus: = 0,05 3. Schri Bereche der Prüfgröße: Residualvariaz: û 0,07 0, , , k 7 3 Prüfgröße: x 0,074 0, , Schri Kriischer Wer: k; / 7 3;0,975 4;0, 975,776 0,074 0, ,69 5. Schri Tesescheidug: = 4,69 > 4;0,975 =,776 Nullhypohese ablehe
6 3.4 Besimme Sie die 95%-Kofideziervalle ubekae Regressioskoeffiziee β ud β des Eergiemodells Ia (s. hierzu Agabe i Aufgabe 3.)! A. 95%-Kofideziervall für β :. Schri Feslegug des Kofideziveaus -: 0, 95. Schri 95%-Kofideziervall für mi P j k; / j j k; / x x ( x ) û 0,067 ud 0, 034 0,034 0, 58 k 7 3. Schri (-/)-Quail der -Vereilug mi -k FG k; / 7 ;0,975 5;0, 975,57 4. Schri Kokrees 95%-Kofideziervall 5;0,975 ; 5;0,975 = x x 5;0,975 ; 5;0,975 = x ( x ) x ( x ) 5,809,57 0,58 90,8 ; 7 90,8 9, 5,809,57 0,58 5,809,570,58 8,975; 5,809,570,58 5,809,57,048; 5,809,57,048 5,809,694; 5,809,694 [3,5; 8,503] 8,975 90,8 7 90,8 9,
7 B. 95%-Kofideziervall für β :. Schri. Schri 3. Schri 4. Schri Feslegug des Kofideziveaus -: 0, 95 95%-Kofideziervall für mi x ( x ) û 0,067 ud 0, 034 0,034 0, 58 k 7 (-/)-Quail der -Vereilug mi -k FG k; / 7 ;0,975 5;0, 975,57 Kokrees 95%-Kofideziervall P j k; / j j k; / 5;0,975 ; 5;0,975 5;0,975 ; 5;0,975 = x ( x ) x ( x ) 7 7 0,368,57 0,58 ; 0,368,57 0, ,8 9, 7 90,8 9,,368,57 0,58 0,6943; 0,368,57 0,368,57 0,0804; 0,368,57 0,0804 0,368 0,07; 0,368 0,07 [ 0,575; 0,6] 0 0,58 0,6943
8 3.5 Bereche Sie für das Eergiemodell II (s. Aufgabe.5) die beide Residue für das erse ud leze Jahr des Süzbereichs! Welche Aussage über die Güe der Apassug a de Räder läss sich aus ihe gewie? OLS-geschäze Nachfragefukio (= Eergiemodell II) ^ GASV,706 0,99 GASP 0,074 VEINK ŷ x Regressioswere für das erse ud leze Jahr: ŷ,706 0,99 (x,9) 0,074 (x ),706,567 0,888,07 ŷ7,706 0,99 (x7,5) 0,074 (x7 5),706,488,0,38 Residue für das erse ud leze Jahr: û y ŷ,0,07 0,07 û7 y7 ŷ7,4,38 0,07 x Die Güe der Apassug wird über die prozeuale Verhäliszahl û 00% y ermiel. Die Verhäliszahl is bei eier opimale Apassug des Daepukes ull, da da der y-wer mi dem Regressioswer ŷ übereisimme würde. Je geriger der Wer, deso besser is die Apassug. Güe der Apassug bei = : û y 00% 0,07 00% 0,07 00%,7%,0 Der relaive Fehler i der erse Periode beräg,7%. Güe der Apassug bei = 7: û y % 0,07 00% 0,0500% 5,%,4 Der relaive Fehler i der erse Periode beräg 5,%. Die Apassug is i der erse Periode deulich besser als i der leze Periode, d.h. der Gasverbrauch läss sich i der erse Periode erheblich besser durch de Gaspreis ud das verfügbare Eikomme erkläre als i der leze Periode.
9 3.6 Gegebe is die OLS-geschäze Nachfragefukio für Erdgas ^ GASV 5,809 0,368GASP, =,,...,7. a) Gebe Sie die Quelle der Sreuug der Nachfrage ach Erdgas i Form eier ANOVA-Tabelle wieder! Abhägige Variable (y): Nachfrage ach Erdgas (GASV) Uabhägige Variable (x): Erdgaspreis (GASP) Regressioswere: =: ŷ 5,809 0,368(x,9), 06 =: ŷ 5,809 0,368(x 3,8) 0, 73 =3: ŷ 5,809 0,368(x3 3,7) 0, 767 =4: ŷ 5,809 0,368(x4 3,) 0, 95 =5: ŷ 5,809 0,368(x5,), 39 =6: ŷ 5,809 0,368(x6,9), 06 =7: ŷ 5,809 0,368(x7,5), 09 Arihmeisches Miel der abhägige Variable: y y 7,,04 7 Arbeisabelle: x y ŷ û y ŷ ( y y) ( ŷ y) û,9,0,06-0,06 (-0,04) = 0,000 0,048 = 0,00 0,004 3,8 0,8 0,73 0,069 (-0,4) = 0,046 (-0,83) = 0,080 0, ,7 0,7 0,767-0,067 (-0,34) = 0,099 (-0,47) = 0,06 0, , 0,9 0,95-0,05 (-0,4 = 0,03 (-0,063) = 0,004 0,003 5,,,39-0,9 0,86 = 0,035 0,305 = 0,093 0,04 6,9,,06 0,038 0,086 = 0,007 0,048 = 0,00 0,00 7,5,4,09 0,9 0,386 = 0,49 0,95 = 0,038 0,036 9, 7, 7,0-0,00 0,349 0,80 0,067 ANOVA-Tabelle: Quelle der Sreuug Regressio Summe der Abweichugsquadrae Freiheis-grade Milere Abweichugsquadrasumme (erklär) ŷ y 0, 80 k = = ŷ y /(k ) 0,80/ 0, 80 Residue (uerklär) 0, 067 û k = 7 = 5 k 0,067/5 0, 03 gesam y y 0, 349 = 7 = 6 û
10 b) Tese Sie de Gesamzusammehag des Nachfragemodells uer Verwedug der i der ANOVA-Tabelle ermiele Abweichugsquadrasumme (=0,05)! F-Tes über de Gesamzusammehag. Schri Formulierug der Nullhypohese H 0 : = 0, H : 0. Schri Feslegug des Sigifikaziveaus = 0,05 3. Schri Bereche der Prüfgröße: F 4. Schri Kriischer Wer: ŷ y /(k ) 0,80/( ) 0,80,538 û k 0,067 /(7 ) 0,03 Fk ; k; F ;7 ; 0,0 F;5;0, 95 6,6 5. Schri Tesescheidug: F=,538 > F ;5;0, 95 6, 6 Nullhypohese ablehe c) Tese Sie de Gesamzusammehag uer Verwedug des Besimmheismaßes (=0,05)! F-Tes über de Gesamzusammehag. Schri Formulierug der Nullhypohese H 0 : = 0, H : 0. Schri Feslegug des Sigikaziveaus = 0,05 3. Schri Bereche der Prüfgröße ŷ y R y y 0,80 0,80 0,349 R /(k ) 0,80/( ) F ( R )/( k) ( 0,80)/(7 ) 4. Schri Kriischer Wer: 0,80 0,0396 Fk ; k; F ;7 ; 0,0 F;5;0, 95 6,6 5. Schri Tesescheidug: 0,53 F=0,53 > F ;5;0, 95 6, 6 Nullhypohese ablehe
11 3.7 Uer Verwedug der Zeireihedae über die Ivesiioe (I), de Nomialzis (i) ud die Iflaiosrae () I i ,8, 3 5, ,8 3, ,5 soll die Ivesiiosfukio I = + i u ökoomerisch geschäz ud geese werde. Die Sörvariable u erfüll hierbei die Sadardaahme. a) Schäze Sie die Ivesiiosfukio mi der gewöhliche Mehode der kleise Quadrae uer Verwedug des Marizekalküls! Hiweis: Die Iverse (X X) - laue: 43,48 49,786 6,36 ( X' X) 49,786 5,98 7,7. 6,36 7,7 9,4 Gesuch is der OLS-Schäzvekor die Beobachugsmarix X, zu raspoiere: 6 5,8, X 5,6, 4,8 3, 4 3,5 X' 6 5,8 5 4,8 4.,,6 3, 3,5 β ( X' X) Mi dem Vekor der abhägige Variable, erhäl ma y 8 34 X' y. Zur Berechug des Produks X y is
12 X' y 6 5,8 5 4, ,8.,,6 3, 3, ,4 34 Der Vekor der geschäze Regressioskoeffiziee, β, laue dami 43,48 49,786 6,36 59 β ( X' X) X' y 49,786 5,98 7,7 986,8 6,36 7,7 9,4 633,4 3 38,99 9,5. 0,04 b) I der makroökoomische Theorie wird uersell, dass die Ivesiioe I allei vom Realzis i- abhägig sid ud vo der Iflaiosrae sos keie weiere Effeke ausgehe. Gebe Sie die hier dieser Aussage sehede lieare Resrikio i skalarer Form ud Marixoaio a! - Lieare Resrikio i skalarer Form: Realzis: i -, Effek auf Ivesiioe I : (i - ) Ivesiiosfukio mi Realzis: I = + (i - )+ u = + i - + u 3 = - oder + 3 = 0 (lieare Resrikio) - Lieare Resrikio i Marixoaio: r' β 3 0 0
13 c) Tese Sie die i Teil b) agegebee lieare Resrikio mi dem -Tes (=0,05) uer Verwedug des erwarugsreue Schäzers der Sörvariaz vo 6,950! Ierpreiere Sie das Tesergebis!. Schri. Schri 3. Schri Hypoheseformulierug Nullhypohese H 0 : + 3 = 0 Aleraivhypohese H : Feslegug des Sigifikaziveaus Sigifikaziveau = 0,05 Bereche der Prüfgröße des -Tess r'β c Prüfgröße: mi c=0 r'( X' X) r 4. Schri 5. Schri r' β 6, ,7 38, ,5 0, 889 r' ( X' X) r 43, 48 0,04 s. Teil a) 49, 786 6, , 786 5, 98 7, 7 47, 335, 6, 68 9, 763 6, 36 7, 7 9, 4 s. Teil a) 0, ,889 0,889 Wer der Prüfgröße: 0, 040 4,7 9,763 4,7 5,456,46 Kriischer Wer 0,975-Quail der -Vereilug mi -k = 5-3 = Freiheisgrade: ;0,975 = 4,303 Tesescheidug = 0,040 < ;0,975 = 4,303 Nullhypohese aehme Ierpreaio: Die Aahme, dass allei der Realzis r- Eifluss die Ivesiioe ud die Iflaiosrae keie darüber hiausgehede Effeke auf sie ha, ka ich widerleg werde. 0
14 d) Tese Sie die i Teil b) agegebee lieare Resrikio mi dem F-Tes (=0,05)!. Schri Hypoheseformulierug Nullhypohese H 0 : + 3 = 0 Aleraivhypohese H : Schri Feslegug des Sigifikaziveaus Sigifikaziveau = 0,05 3. Schri Bereche der Prüfgröße des -Tess Prüfgröße: ( r'β c) F mi c=0 r'( X' X) r Wer der Prüfgröße (Were des Zählers ud Neers s. Teil c)): (0,889 0) F 6,950 9,763 0, ,483 0, Schri Kriischer Wer 0,95-Quail der F-Vereilug mi ud 5-3 = Freiheisgrade: F ;;0,95 = 8,5 5. Schri Tesescheidug F = 0,0056 < F ;;0,975 = 8,5 Nullhypohese aehme
15 3.8 Die OLS-Schäzug der Nachfrage ach Erdgas (GASV) i Abhägigkei vom Erdgaspreis (GASPR), dem Preis für Ferwärme (FERNWPR) ud dem verfügbare Eikomme (VEINKR) (Eergiemodell III) laue wie folg: Depede Variable: GASV Mehod: Leas Squares Sample: Icluded observaios: 6 Variable Coefficie Sd. Error -Saisic Prob. C GASPR FERNWPR VEINKR R-squared Mea depede var Adjused R-squared S.D. depede var S.E. of regressio Akaike ifo crierio Sum squared resid Schwarz crierio Log likelihood F-saisic Durbi-Waso sa Prob(F-saisic) a) Welche Iformaioe über die Gesamapassug der Nachfrage ach Erdgas lasse sich der Oupu-Tabelle eehme? Besimmheismaß (Deermiaioskoeffizie) R = 0,796 79,6% der Sreuug des Gasverbrauchs wird durch de Gaspreis, de Fer-wärmepreis ud das verfügbare Eikomme erklär. Korrigieres Besimmheismaß R 0,745 Besimmhei uer Berücksichigug der Freiheisgrade Awedbar beim Vergleich der Güe der Apassug uerschiedlicher Modelle F-Tes über de Gesamzusammehag H 0 : = 3 = 4 = 0 Sigifikaziveau =0,0 F=5,596 > F k-;-k;0,99 = F 3;;0,99 = 5,95 H 0 ablehe oder p = 0,00093 < = 0,0 H 0 ablehe
16 b) Zeige Sie die Beziehug zwische S.E. of regressio ud Sum squared resid auf! S.E. of regressio (sadard error of regressio Sum squared resid SER 6 û k 0, SSR 6 û 6,0608 SSR = SER (-k) = 0, (6-4) = 0,5080 = 6,06
17 c) Besimme Sie 99%-Kofideziervalle für die Regressioskoeffiziee der erklärede Variable (ohe Scheivariable)! Welche Aussage über die Sigifikaz der geschäze Regressioskoeffiziee köe Sie daraus mache? 99%-Kofideziervall für j : P - = 0,99 99,5%-Quail der -Vereilug mi -k=6-4= Freiheisgrade: -k;0,995 = ;0,995 = 3,055 Kokrees 99%-Kofideziervall für (Regressioskoeff. des Gaspreises) j k; / j j k; / j j ;0,995 ; ;0,995 [ 4,50 3,055,90; 4,50 3,055,90] [ 4,50 8,890; 4,50 8,890] [ 3,400; 4,380] Keie Sigifikaz bei =0,0, da das Kofideziervall de Wer 0 überdeck Kokrees 99%-Kofideziervall für 3 (Regressioskoeff. des Ferwärmepreises) 3 ;0,995 ; 3 ;0, [ 6,8 3,0554,035; 6,8 3,0554,035] [ 6,8,37; 6,8,37] [3,89; 8,545] Sigifikaz bei =0,0, da das Kofideziervall de Wer 0 ich überdeck Kokrees 99%-Kofideziervall für 4 (Regressioskoeff. des verfügbare Eikommes) 4 ;0,995 ; 4 ;0, [ 0,0060 3,0550,009; 0,0060 3,0550,009] [ 0,0060 0,0058; 0,0060 0,0058] [0,000; 0,08] Sigifikaz bei =0,0, da das Kofideziervall de Wer 0 ich überdeck
Aufgaben zur Ökonometrie I
Aufgabe zur Ökoomerie I 5. Heeroskedasiziä 5. Was verseh ma uer Heeroskedasiziä ud wodurch ka dieser Modelldefek verursach werde? Die Aahme A. lauee, dass die Sörgröße i jeder Periode die gleiche Variaz
MehrDie zweite Implikation der Annahme einer skalaren Kovarianzmatrix, (2.7) 2 nxn
6. Auokorrelaio 6. Form ud Auswirkug Die zweie Implikaio der Aahme eier skalare Kovariazmarix, (.7) Cov( u) E( uu') I x is, dass sich Sörerme uerschiedlicher Beobachuge ich beeiflusse, also ukorrelier
MehrInhaltsverzeichnis der Formelsammlung "Ökonometrie I"
Ihalsverzeichis der Formelsammlug "Öoomerie I" Ihalsverzeichis der Formelsammlug "Öoomerie I". Öoomerische Eigleichugsmodelle mi quaiaive Variable... 4. Öoomerie ud öoomerisches Modell... 4.. Regressiosgleichug
MehrFormelsammlung zur Ökonometrie I (Ökonometrische Eingleichungsmodelle)
Prof. Dr. Reihold Kosfeld Isiu für Volswirschafslehre Uiversiä Kassel Formelsammlug zur Öoomerie I (Öoomerische Eigleichugsmodelle). Das muliple Regressiosmodell. Sigifiazess ud Kofideziervalle 3. Muliollieariä
Mehr2.3 Schätzeigenschaften der OLS-Methode
.3 Schäzeigechafe der OLS-Mehode Jede Schäzmehode wei beimme Güeeigechafe auf, die vo der Erfüllug beimmer Vorauezuge abhäge. Wa die gewöhliche Mehode der kleie Quadrae (OLS-Mehode) beriff, id beimme Schäzeigechafe
MehrVergleich der Schätzungen und Hypothesenprüfungen. μ=? Typische Aufgaben der Hypothesenprüfung. Typische Fragen - gebrauchte Merkmale
Hypoheseprüfuge Dr László Smeller Vergleich der Schäzuge ud Hypoheseprüfuge Schäzuge: Frage: Wie groß (is eie physikalische Größe) Bluzuckerkozeraio... Awor: Pukschäzug: z.b.: Körperhöhe, Bludruck, μ?
Mehr(5.18) Cov(u) = E(uu ) = σ² Ω.
6.4 Verallgemeiere Kleis-Quadrae-Schäzug 6.4. Auokorrelaio ud GLS-Schäzug Ei verallgemeierer Kleis-Quadrae-Schäzer (GLS-Schäzer) für de Vekor der Regressioskoeffiziee, β, ließe sich uer Spezifikaio der
Mehr2. Das multiple Regressionsmodell
. Das mliple Regressiosmodell. Modellspezifikaio Bei ökoomerische Eigleichgsmodelle is eie edogee Variable vo eier oder mehrere eogee Variable abhägig. Allgemei lasse sich ökoomerische Eigleichgsmodelle
Mehrrichtige Entscheidung mit Wahrscheinlichkeit 1 α Fehlentscheidung 1. Art mit Wahrscheinlichkeit α
II Lösug zu Aufgabe 7: -Tes für Erwarugswer Saisische Tess diee dazu Hypohese abzusicher oder begrüde zu verwerfe. Hypohese esehe aus eperimeelle Beobachuge oder formale Überleguge, die eier Prüfug uerzoge
MehrGrundgesamtheit handelt, stellt sich die Frage nach der Unsicherheit dieser Schatzung.
R Lösug zu Aufgabe 4: Kofideziervall a) Abschäzug vo Erwarugswer ud adardabweichug: Wie bereis i Übugsaufgabe eigeführ, selle der Mielwer ud die reuug eier ichprobe die bese chäzwere für de Erwarugswer
MehrAufgaben zur Ökonometrie I
Aufgaben zur Ökonomerie I 4. Mulikollineariä 4. Worin beseh das Problem der Mulikollineariä? A. Perfeke Mulikollineariä Perfeke Mulikollineariä lieg dann vor, wenn zwei oder mehrere unabhängige Variable
Mehr6 Vergleich mehrerer unverbundener Stichproben
6 Vergleich mehrerer uverbudeer Stichprobe 6.1 Die eifaktorielle Variazaalyse Die eifaktorielle Variazaalyse diet der Utersuchug des Eiflusses eier kategorieller (bzw. ichtmetrischer) Variable, die die
Mehrs xy x i x y i y s xy = 1 n i=1 y 2 i=1 x 2 s 1 n x n i Streudiagramme empirische Kovarianz x=5,5 y=7,5
Streudiagramme für metrisch skalierte Variable paarweise Messwerte (x,y) x 5 7 y 7 5 7 5 5 7 Aussage zu Zusammehäge. empirische Kovariaz Stadardabweichug der WertPAARE x i x y Wert x Mittelwert aller x
MehrGeckos gehören zur Familie der Schuppenkriechtiere. Sie bevölkern seit etwa 50 Millionen Jahren die Erde und haben sich im Laufe ihrer Entwicklung
Gymasie, Gesamschule, Berufliche Gymasie Behörde für Schule ud Berufsbildug Haupermi Lehrermaerialie zum Leisugskurs Mahemaik II.2 Geckos LA/AG 2 Geckos gehöre zur Familie der Schuppekriechiere. Sie bevölker
Mehr3. Signifikanztests und Konfidenzintervalle 3.1 Signifikanztests über einzelne Regressionskoeffizienten
3. Signifikanzess und Konfidenzinervalle 3.1 Signifikanzess über einzelne Regressionskoeffizienen Wenn das muliple Regressionsmodell mi der ökonomischen Theorie im Einklang seh, is zu erwaren, dass die
Mehr5. Autokorrelation und Heteroskedastizität
5. Auokorrelao ud Heereskedaszä Ökoomere I - Peer Salder 5. Auokorrelao ud Heeroskedaszä (Maddala Kapel 5 ud 6) Daegeerereder Prozess:... u u ~ IN( 0, ) Geschäze Regressosglechug: ˆ ˆ ˆ... û Schäzug der
Mehr6.2 Prüfen von Restriktionen - Granger-Kausalität
6.2 Prüfe vo Restriktioe - Grager-Kausalität 6.28 Aufteile des Variablevektors y t i zwei Teilvektore y 1t (N 1 1) ud y 2t (N 2 1). Sid Koeffiziete φ i de Gleichuge vo y 1t für die Abhägigkeit vo alle
MehrIntervallschätzung. Bibliografie:
Ierallschäzug Ierallschäzug (allgemei Kofidezierall des arihmeische Miels Kofidezierall für die ifferez zweier arihmeischer Miel Lehrsuhl aisik chäzug II Bibliografie: Prof r Kück Uiersiä Rosock aisik,
Mehr2. Ökonometrische Eingleichungsmodelle
. Ökoomerische Eigleichgsmodelle. Das mliple Regressiosmodell.. Modellspezifikaio I der ökoomische Theorie werde Verhalesgleichge ewickel, i dee eie ökoomische Variable wie z.b. der Kosm oder die Ivesiioe
Mehr7. Modelle mit qualitativen Variablen
7. Modelle mi qualiaiven Variablen 7. Modelle mi qualiaiven Regressoren Qualiaive Regressoren in ökonomerischen Modellen: - unerschiedliche Präferenzen zwischen verschiedenen Gruppen von Wirschafssubjeken,
Mehr= T. 1.1. Jährliche Ratentilgung. 1.1. Jährliche Ratentilgung. Ausgangspunkt: Beispiel:
E Tilgugsrechug.. Jährliche Raeilgug Ausgagspuk: Bei Raeilgug wird die chuldsumme (Newer des Kredis [Aleihe, Hypohek, Darleh]) i gleiche Teilberäge T geilg. Die Tilgugsrae läss sich ermiel als: T =.. Jährliche
MehrEmpirische Ökonomie 1 Sommersemester Formelsammlung. Statistische Grundlagen. Erwartungswert und Varianz einer Zufallsvariable.
Empirische Ökoomie 1 Sommersemester 2013 Formelsammlug Hiweis: Alle Variable, Parameter ud Symbole sid wie i de Vorlesugsuterlage defiiert. Statistische Grudlage Erwartugswert Erwartugswert ud Variaz eier
Mehr17. Kapitel: Die Investitionsplanung
ABWL 17. Kapiel: Die Ivesiiosplaug 1 17. Kapiel: Die Ivesiiosplaug Leifrage des Kapiels: Welche Type vo Ivesiiosobjeke gib es? Wie läss sich die Voreilhafigkei eies Ivesiiosobjeks fesselle? Wie ka aus
Mehr3.6 Prognosen mit ARMA-Modellen
3.6 Prognosen mi ARMA-Modellen Opimale Prognosen mi ARMA-Modellen im Sinne eines minimalen Mean Squared Error (MSE sind durc die bedingen Erwarungswere von +, =,,..., uner Verwendung der zur Zei vorandenen
MehrAnalyse von Zeitreihen
Aalse vo Zeireihe Besiug er Saisokooee bei sseaisch saisoale Verläufe Eizelveräerug vo Zeiabschi zu Zeiabschi Durchschiliche Veräerug über ie Zeiabschie eier Zeireihe Bibliografie Prof. Dr. Kück; Saisik,
MehrRepräsentativität und Unabhängigkeit
Repräsetativität ud Uabhägigkeit Ziel: Bestmögliche Erassug der Eigeschate der Grudgesamtheit Problem: Beurteilug der Repräsetativität ist ur durch umassede Iormatio über die Grudgesamtheit möglich Asatz:
MehrStatistik im Bachelor-Studium der BWL und VWL
Max C. Wewel Saisik im Bachelor-Sudium der BWL ud VWL Mehode, Awedug, Ierpreaio Mi herausehmbarer Formelsammlug ei Impri vo Pearso Educaio Müche Boso Sa Fracisco Harlow, Eglad Do Mills, Oario Sydey Mexico
MehrAufgaben zur Zeitreihenanalyse (Kap. 5)
Prof. Dr. Reinhold Kosfeld Fachbereich Wirschafswissenschafen Aufgaben zur Zeireihenanalyse (Kap. 5) Aufgabe 5.1 Welches Phänomen läss sich mi ARCH-Prozessen modellieren und welche prognosische Relevanz
MehrAufgaben zur Zeitreihenanalyse (Kap. 4)
Prof. Dr. Reinhold Kosfeld Fachbereich Wirschafswissenschafen Aufgaben zur Zeireihenanalyse (Kap. 4) Aufgabe 4. Warum folg die Dickey-Fuller-Tessaisik nich der bei einem Signifikanzes der Regressionskoeffizienen
Mehr6. Vektorautoregressive Modelle
6. Vekorauoregressive Modelle 6. In bisherigen Modellen Feslegung von exogenen Variablen nowendig. Sreng genommen gib es keine vollsändig exogenen Variablen. Beisiel: Selbs die exogene Anhebung des Leizinssazes
MehrLehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. Regina T. Riphahn, Ph.D. Musterlösung zur Baseler Zwischenklausur im WS 02/03
Lehrsuhl für Saisik und emp. irschafsforschung, Prof. Regina T. Riphahn, Ph.D. Muserlösung zur Baseler Zwischenklausur im S 0/0 Aufgabe 1: [1] Mi den Daen von 177 Miewohnungen einer Schweizer Sad wurde
MehrFormelsammlung für Investition und Finanzierung
Formelsammlug für Ivesiio ud Fiazierug (Sad: 3.2.22) Seie vo 8 Formelsammlug für Ivesiio ud Fiazierug INHALSVERZEICHNIS. Mahemaische Grudlage...3 a) Auflösug quadraischer Gleichuge mi der pq-formel...3
MehrPrognoseverfahren. 3.4 Aufgaben... 121 ÜBERBLICK
Progoseverfahre. Eiführug....................................... 8.. Wisseschafliche Progose.................... 8.. Daebasis ud saisische Progosemodelle......... Beispiel: Umsazprogose........................
MehrStatistik I Februar 2005
Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet
MehrInvestitionsund Finanzierungsplanung mittels Kapitalwertmethode, Interner Zinsfuß
Ivesiiosud Fiazierugsplaug miels Kapialwermehode, Ierer Zisfuß Bearbeie vo Fraka Frid, Chrisi Klegel WI. Aufgabe: Eie geplae Ivesiio mi Aschaffugsausgabe vo.,- läss jeweils zum Jahresede die folgede Eiahme
MehrTesten von Regressionskoeffizienten bei multipler Regression (ausführlichere Erläuterungen und Zahlenbeispiele) 1
Prof. Dr. Peer von der Lippe (aisik) Januar 7 Universiä Duisburg-Essen, Campus Essen Tesen von Regressionskoeffizienen bei mulipler Regression (ausführlichere Erläuerungen und Zahlenbeispiele). Übersich
Mehr10. Grundlagen der linearen Regressionsanalyse 10.1 Formulierung linearer Regressionsmodelle
10. Grudlage der lieare Regressiosaalyse 10.1 Formulierug liearer Regressiosmodelle Eifaches lieares Regressiosmodell: Das eifache lieare Regressiosmodell ist die simpelste Form eies ökoometrische Modells
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Übug 9 1 Ihalt der heutige Übug Statistik ud Wahrscheilichkeitsrechug Iformatioe zur Testatprüfug Besprechug der der Hausübug
Mehrwerden in der Ökonometrie bei der Kleinst-Quadrate-Schätzung (OLS-Schätzung) für die Störvariable U die Standardannahmen
5. ARCH- und GARCH-Modelle ARCH-Modelle In dem muliplen Regressionsmodell () Y = β + βx +... + βkx k + U ' Y = x β + U ' mi x = ( x x3... x k ) und β = ( β β... βk ) werden in der Ökonomerie bei der Kleins-Quadrae-Schäzung
Mehr26 Eigenschaften der Eigenwerte, Eigenvektoren und Eigenräume
Lieare Algebra II SS 211 - Prof Dr Mafred Leiz Kapiel VIII: Das Eigewerproblem 26: Eigeschafe der Eigewere, K 26 Eigeschafe der Eigewere, Eigeveore ud Eigeräume A Eigeschafe der Eigewere B Eigeschafe der
MehrStatistik im Bachelor-Studium der BWL und VWL
Max C. Wewel Saisik im Bachelor-Sudium der BWL ud VWL Mehode, Awedug, Ierpreaio., erweiere Auflage Mi herausehmbarer Formelsammlug ei Impri vo Pearso Educaio Müche Boso Sa Fracisco Harlow, Eglad Do Mills,
Mehr1 Beispiel zur Methode der kleinsten Quadrate
1 Beispiel zur Methode der kleinsten Quadrate 1.1 Daten des Beispiels t x y x*y x 2 ŷ ˆɛ ˆɛ 2 1 1 3 3 1 2 1 1 2 2 3 6 4 3.5-0.5 0.25 3 3 4 12 9 5-1 1 4 4 6 24 16 6.5-0.5 0.25 5 5 9 45 25 8 1 1 Σ 15 25
MehrKapitel XI - Korrelationsrechnung
Istitut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökoometrie ud Statistik Kapitel XI - Korrelatiosrechug Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Seska Carlo Siebeschuh Aufgabe der Korrelatiosrechug
MehrHypothesenprüfungen II.
Grudlage der Bioaiik ud Iformaik Hypoheeprüfuge II. Zwei Sichprobe -Te, F-Te, Bediguge der Awedug der -Tee Variazaalye Lázló Smeller Widerholug: Grudprizip der Hypoheeprüfuge Zu echeidede Frage Idireker
MehrResiduenanalyse. Residuenanalyse. Grafische Residuenanalyse. Test auf Normalverteilung der Residuen. Test auf Autokorrelation der Residuen
TECHNISCHE UNIVERSITÄT MÜNCHEN-WEIHENSTEPHAN MATHEMATIK UND STATISTIK INFORMATIONS- UND DOKUMENTATIONSZENTRUM R. Biometrische ud Ökoometrische Methode I WS 99/ Grafische Histogramm Wahrscheilichkeitsplot
MehrStreuungsmaße. Prof. Dr. Paul Reuber. Institut für Geographie. Seminar Methoden der empirischen Humangeographie
Streuugsmaße Istitut für Geographie Streuugswerte (Streuugsmaße) Die Diskussio um die Mittelwerte hat die Vorteile dieser statistische Kewerte gezeigt, aber bereits, isbesodere beim arithmetische Mittel,
MehrStatistik Formelsammlung (gekürzt für 5 Abende Veranstaltung)
Saisik Formelsammlug (gekür für 5 Abede Verasalug) Formel um Kurs "Saisik" a der VWA Esse vo Prof. Dr. Peer vo der Lippe Ihalsvereichis: (gesrichee Abschie sid grau markier). Häufigkeisvereiluge S.. Mielwere
MehrKapitel 2. Terme. oder (x + 1)(x 1) = x 2 1
Kapitel 2 Terme Josef Leydold Auffrischugskurs Mathematik WS 207/8 2 Terme / 74 Terme Ei mathematischer Ausdruck wie B R q q (q ) oder (x + )(x ) x 2 heißt eie Gleichug. Die Ausdrücke auf beide Seite des
MehrInvestitionsrechnungen in der Wohnungswirtschaft
Wohugswirschafliche Theorie I Vorlesug vom 28. 1. 24 Folie Ivesiiosrechuge i der Wohugswirschaf Dr. Joachim Kircher Isiu Wohe ud Umwel GmbH (IWU) Theoreische Grudlage Eiführug 1. Ivesoregruppe 2. Besoderheie
MehrLösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung
Prof. Dr. V. Schmidt WS 200/20 G. Gaiselma, A. Spettl 7.02.20 Lösugsvorschlag Probeklausur zur Elemetare Wahrscheilichkeitsrechug Hiweis: Der Umfag ud Schwierigkeitsgrad dieser Probeklausur muss icht dem
MehrX =, y In welcher Annahme unterscheidet sich die einfache KQ Methode von der ML Methode?
Aufgabe 1 (25 Punkte) Zur Schätzung der Produktionsfunktion des Unternehmens WV wird ein lineares Regressionsmodell der Form angenommen. Dabei ist y t = β 1 + x t2 β 2 + e t, t = 1,..., T (1) y t : x t2
MehrEntscheidungsunterstützungsmodelle für Materialwirtschaft und Produktion
Escheidusuersüzusmodelle für Maerialwirschaf ud Produio Fachebie Produio ud Supply Chai Maaeme Prof. Dr. Chrisoph Gloc Ihale der Verasalu (/2). Grudlae der Plau ud Escheidu (Grudberiffe, Modelle als Plaushilfsmiel,
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
Lehrstuhl für Empirische Wirtschaftsforschug ud Ökoometrie Dr. Rolad Füss Statistik II: Schließede Statistik SS 2007 6. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug
MehrZeitreihenökonometrie
Zeireihenökonomerie Kapiel 4 Schäzung univariaer Zeireihenmodelle Y = c+ α Y + + α Y + ε + βε + + β ε p p q q Problem: Direke Schäzung der Parameer α,, αp und β,, βq über OLS nich möglich, da die Residuen
MehrMethode der kleinsten Quadrate
Methode der kleiste Quadrate KAPITEL 5: REGRESSIONSRECHNUNG Die Methode der kleiste Quadrate (MklQ) ist ei Verfahre zur Apassug eier Fuktio a eie Puktwolke. Agewadt wird sie beispielsweise, um eie Gesetzmäßigkeit
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meihardt 6. Stoc, Wallstr. 3 (Raum 06-206) Sprechstude jederzeit ach Vereibarug ud ach der Vorlesug. Mathematische ud statistische Methode I Dr. Malte Persie persie@ui-maiz.de http://psymet03.sowi.ui-maiz.de/
MehrJugendliche (18-24 Jahre) in Westdeutschland
Modus Beispiel: Modus Jugedliche (8-4 Jahre) i Westdeutschlad Parameter oder Kewerte eier Häufigkeitsverteilug sid Kegröße, mit dere Hilfe die Verteilug z.t. oder vollstädig rekostruiert werde ka D West
Mehr3.2 Wilcoxon Rangsummentest
3. Wilcoxo Ragsummetest Wir gehe davo aus, dass zwei Teilstichprobe x 1, x,..., x 1 ud y1, y,..., y vorliege, wobei die erste Teilstichprobe aus Realisieruge vo uabhägig ud idetisch stetig verteilte Zufallsvariable
MehrKennwerte Univariater Verteilungen
Kewerte Uivariater Verteiluge Kewerte Beschreibug vo Verteiluge durch eie (oder weige) Werte Werde auch als Parameter oder Maße vo Verteiluge bezeichet Ma uterscheidet: Lagemaße oder auch Maße der zetrale
MehrWir wiederholen zunächst das Majorantenkriterium aus Satz des Vorlesungsskripts Analysis von W. Kimmerle und M. Stroppel.
Uiversität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dr. D. Zimmerma MSc. J. Köller MSc. R. Marczizik FDSA 4 Höhere Mathematik II 30.04.2014 el, kyb, mecha, phys 1 Kovergezkriterie
MehrStatistik im Bachelor-Studium der BWL und VWL Methoden, Anwendungen, Interpretation
Saisik im Bachelor-Sudium der BWL ud VWL Mehode, Aweduge, Ierpreaio 3, akualisiere Auflage Max C Wewel 3 Progoseverfahre 3 Regressiosaalyse 3 Problemsellug Die Regressiosaalyse sell eie Weierewicklug der
MehrKorrelationsanalyse zwischen kategorischen Merkmalen. Kontingenztabellen. Chi-Quadrat-Test
Kotigeztabelle. Chi-Quadrat-Test Korrelatiosaalyse zwische kategorische Merkmale Beispiel 1 ohe Frau 8 75 1 Ma 48 49 97 76 14? Häufigkeitstabelle (Kotigeztabelle): eie tabellarische Darstellug der gemeisame
MehrZeitreihenökonometrie
ifo Insiu für Wirschafsforschung an der Universiä München Zeireihenökonomerie Kapiel 6 Nichsaionäre univariae Zeireihenmodelle ifo Insiu für Wirschafsforschung an der Universiä München Nichsaionäre Prozesse
Mehr3 Leistungsbarwerte und Prämien
Leisugsbarwere ud Prmie 23 3 Leisugsbarwere ud Prmie Zie: Rechemehode zur Ermiug der Barwere ud Prmie bei übiche Produe der Lebesversicherug. 3. Eemeare Barwere ud Kommuaioszahe Barwer eier Erebesfaeisug
MehrResiduenanalyse. Stickstoffdüngung - Ertrag. ! Shapiro-Wilk-Test auf Normalverteilung. ! Durbin-Watson-Test auf Autokorrelation
Residueaalyse! Shapiro-Wilk-Test auf Normalverteilug! Durbi-Watso-Test auf Autokorrelatio! Rus-Test auf Zufälligkeit Stickstoffdügug - Ertrag MTB > Prit 'N'-'St.Res.'. Data Display Row N Ertrag Fits Res.
MehrLineare Transformationen
STAT 4 FK Herleituge Lieare Trasformatioe Sei eie lieare Trasformatio vo, so gilt Allgemei: a b, () Lieare Trasformatio des arithmetische Mittels y a+b x i () Da a eie additiv verküpfte Kostate ist, ka
MehrFehler-in-den-Variablen Modelle
Adré Führer Fehler-i-de-Variable Modelle Semiar zur Ökoomerie im WS 998/999 vo Prof.Dr. Has-Peer Sahlecker am Isiu für Saisik ud Ökoomerie 7.8.998 Ihalsverzeichis ABKÜRZUNGS- UND SYMBOLVERZEICHNIS...II
MehrWahrscheinlichkeitstheorie und Statistik vom
INSTITUT FÜR MATHEMATISCHE STOCHASTIK WS 005/06 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Klausur Wahrscheilichkeitstheorie ud Statistik vom 9..006 Musterlösuge Aufgabe A: Gegebe sei eie Urliste
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug 9. Vorlesug Joche Köhler 1 Statistik ud Wahrscheilichkeitsrechug Testatprüfug am Doerstag 5.Mai Wa? Doerstag, 5. Mai, 8:00 Uhr
MehrÜbung zu Quantitative Methoden der Marktanalyse. Tests zu den Annahmen der OLS-Schätzung. 1. Annahmen zur OLS-Schätzung. 1. Annahmen zur OLS-Schätzung
Termin Übungsinhal Übung zu Quaniaive Mehoden der Markanalyse Annahmen derols-schäzung 9.06.009 9.06.009 Tess zu den Annahmen der OLS- Schäzung 06.07.009 Klausurvorbereiung.07.009 Klausurvorbereiung 0.07.009
Mehr1 Gliederung Zeitreihenökonometrie. Angewandte Ökonometrie (Folien) Zeitreihenökonometrie Universität Basel, FS 09. Dr. Sylvia Kaufmann.
Angewandte Ökonometrie (Folien) Zeitreihenökonometrie Universität Basel, FS 09 Dr Sylvia Kaufmann Februar 2009 Angewandte Ökonometrie, Sylvia Kaufmann, FS09 1 1 Gliederung Zeitreihenökonometrie Einführung
MehrHerleitung der Parameter-Gleichungen für die einfache lineare Regression
Herleitug der Parameter-Gleichuge für die eifache lieare Regressio Uwe Ziegehage. März 03 Historie v.0 6.03.009, erste Versio hochgelade v.0 0.03.03, eie Vorzeichefehler beseitigt, diverse Gleichuge ud
MehrHans-Friedrich Eckey Reinhold Kosfeld / Christian Dreger. Ökonometrie. Grundlagen Methoden Beispiele 4., durchgesehene Auflage
Has-Friedrich Eckey Reihold Kosfeld / Chrisia Dreger Ökoomerie Grudlage Mehode Beispiele 4., durchgesehee Auflage Bibliografische Iformaio der Deusche Naioalbibliohek Die Deusche Naioalbibliohek verzeiche
MehrSchätzungen und Hypothesenprüfungen Schätzungen Hypothesenprüfungen Typische Entscheidungsfragen in der Medizin Die Alternativhypothese
Hypoheeprüfuge. Zweiichprobe -Te, F-Te, Variazaalye Schäzuge ud Hypoheeprüfuge Schäzuge Wie gro i eie Gröe? Pukchäzuge ei Wer i gegebe ud ich über die Sicherhei Parameer der Sichprobe Parameer der Populaio
MehrLösungen zu den Aufgaben zur Multivariaten Statistik Teil 3: Aufgaben zur Varianzanalyse
Prof. Dr. eihold Kosfeld Fachbereich Wirtschaftswisseschafte Uiversität Kassel Lösuge zu de ufgabe zur Multivariate Statistik Teil : ufgabe zur Variazaalyse. Worauf bezieht sich der Uterschied zwische
Mehrn 1 E. Tilgungsrechnungen 5 Aufgaben Aufgabe E/2
Thema: Tilgugsrechuge Dr. Alfred Brik A Eiführug B Fiazmahemaische Grudlage C Zisrechuge D Reerechuge E Tilgugsrechuge ysemaisierug der Tilgugsare Raeilgug 3 Auiäeilgug 4 Aufgabe F Kurs ud Redie Dr. A.
MehrPhysikalische Analyse der Dimensionierungsgrundlagen zur Entwicklung einer Methode zur Konzipierung und Optimierung eines Elektromobils
Physikalische Aalyse der Dimesioierugsgrudlage zur Ewicklug eier ehode zur Kozipierug ud Opimierug eies Elekromobils Auore: K. Brikma, W. Köhler Lehrgebie Elekrische Eergieechik Feihsraße 140, Philipp-eis-Gebäude,
MehrUmrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung
.3. Prozetuale Häufigkeitsverteilug (HV) Die prozetuale Häufigkeitsverteilug erlaubt de Vergleich vo Auswertuge, dee uterschiedliche Stichprobegröße zugrude liege. Es köe auch uterschiedliche Stichprobegröße
Mehr1 Elementare Zahlentheorie. 0. Grundbegriffe
Elemeare Zahleheorie 0 Grudbegriffe Mi Z bezeiche wir de Rig der gaze Zahle Is x eie reelle Zahl, so sei x die größe gaze Zahl, die kleier oder gleich x is Beache: x is diejeige gaze Zahl z mi z x < z
MehrÜbungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 8
Mathematisches Istitut der Uiversität Müche Prof Dr Peter Otte WiSe 203/4 Lösug 8 032203 Übuge zur Aalysis für Iformatiker ud Statistiker Lösug zu Blatt 8 Aufgabe 8 [8 Pukte] (a) Für alle N sei = (+) Wir
Mehr10. Testen von Hypothesen Seite 1 von 6
10. Teste vo Hypothese Seite 1 vo 6 10.1 Eiführug i das Teste vo Hypothese Eie Hypothese ist eie Vermutug bzw. Behauptug über die Wahrscheilichkeit eies Ereigisses. Mit Hilfe eies geeigete Tests (=Testverfahre)
Mehr6. Übung - Differenzengleichungen
6. Übug - Differezegleichuge Beispiel 00 Gesucht sid alle Lösuge vo a) x + 3x + = 0 ud b) x + x + 7 = 0, jeweils für 0. Um diese lieare Differezegleichug erster Ordug zu löse, verwede wir die im Buch auf
MehrMathematik 2 für Naturwissenschaften
Has Walser Mathematik 2 für Naturwisseschafte 2 3 3 4 6 4 5 0 0 5 6 5 20 5 6 Modul 209 Tabelle Has Walser: Modul 209, Tabelle ii Ihalt Fakultäte... 2 Biomialkoeffiziete... 2 3 Biomische Verteilug... 3
MehrTeilaufgabe 1.0 Bei der Firma Kohl kommen morgens alle im Büro Beschäftigten nacheinander ins Großraumbüro.
mathphys-olie Abiturprüfug Berufliche Oberschule 014 Mathematik 13 Techik - B I - Lösug Teilaufgabe 1.0 Bei der Firma Kohl komme morges alle im Büro Beschäftigte acheiader is Großraumbüro. Teilaufgabe
MehrMathematische und statistische Methoden I
Mathematische ud statistische Methode I Sprechstude jederzeit ach Vereibarug ud ach der Vorlesug Wallstr. 3, 6. Stoc, Raum 06-06 Dr. Malte Persie persie@ui-maiz.de lordsofthebortz.de twitter.com/methodelehre
MehrProf.Dr.B.Grabowski (Schwingungen als komplexe Zeiger) Lösung zum Übungsblatt Nr. 2. (Wiederholung Linearfaktorzerlegung von Polynomen)
Maheaik 3 Übug Schwiguge als koplexe Zeiger KI Maheaik 3 Lösug zu Übugsbla Nr. I. LFZ Zu Aufgabe Wiederholug Liearfakorzerlegug vo Polyoe Zerlege Sie folgede Polyoe i Liearfakore: a y x 4 x 5 4 3 b y.5x.5x
MehrÜbungsaufgaben zur Entwicklung der Geburten in Deutschland (Excel, EViews)
Prof. Dr. Peer von der Lippe (Übungsbeispiel F) Übungsaufgaben zur Enwicklung der Geburen in Deuschland (Excel, EViews) (auch Hinweise zur Konfidenzellipse und den "Diagnosic Tess", d.h. den Annahmen B
Mehr6.4 Kointegration Definition
6.4 Kointegration 6.4.1 Definition Nach Engle und Granger (1987): Wenn zwei oder mehrere Variablen I(1) sind, eine Linearkombination davon jedoch I() ist, dann sind die Variablen kointegriert. Allgemein:
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
MehrÜbungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie
Uiversität Müster Istitut für Mathematische Statistik Stochastik WS 203/204, Blatt Löwe/Heusel Aufgabe (4 Pukte) Übuge Abgabetermi: Freitag, 24.0.204, 0 Uhr THEMEN: Testtheorie Die Sollstärke der Rohrwäde
Mehr3.2) Die Spar-Armutsfalle 3.2.1) Das Grundmodell
3.2 Die Spar-Armusfalle 3.2.1 Das Grudmodell We EL eifach eie iedrigere Sparquoe wähle ud deshalb ärmer bleibe, lieg ei Ewiclugsladproblem vor. => Aber spare EL freiwillig weiger? Arme Mesche öe ers spare,
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Übug 6 3.03.20 Ihalt der heutige Übug Aufgabe D.7: Reche mit Zufallsvariable Erwartugswert- ud Variazoperator Statistik ud Wahrscheilichkeitsrechug
Mehry t = 30, 2. Benutzen Sie die Beobachtungen bis einschließlich 2002, um den Koeffizientenvektor β mit der KQ-Methode zu schätzen.
Aufgabe 1 (25 Punkte Zur Schätzung des Werbe-Effekts in einem Getränke-Unternehmen wird das folgende lineare Modell aufgestellt: Dabei ist y t = β 1 + x t2 β 2 + e t. y t : x t2 : Umsatz aus Getränkeverkauf
MehrWissenschaftliches Arbeiten Studiengang Energiewirtschaft
Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG. - LÖSUNGEN. ypothesetest für die Dicke vo Plättche Die Dicke X vo Plättche, die auf eier bestimmte Maschie
MehrEmpirische Wirtschaftsforschung
Empirische Wirschafsforschung Prof. Dr. Bernd Süßmuh Universiä Leipzig Insiu für Empirische Wirschafsforschung Volkswirschafslehre, insbesondere Ökonomerie 6.4. Mulikollineariä a) Das Problem und seine
MehrFinanzmathematische Formeln und Tabellen
Jui 2008 Dipl.-Betriebswirt Riccardo Fischer Fiazmathematische Formel ud Tabelle Arbeitshilfe für Ausbildug, Studium ud Prüfug im Fach Fiaz- ud Ivestitiosrechug Dieses Werk, eischließlich aller seier Teile,
MehrKapitel 5: Schließende Statistik
Kapitel 5: Schließede Statistik Statistik, Prof. Dr. Kari Melzer 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte
MehrKonfidenzintervalle. Praktische Übung Stochastik SS 2017 Lektion 10 1
Kofidezitervalle Praktische Übug Stochastik SS 017 Lektio 10 1 Kofidezitervalle Geerelle Aahme: Parametrisches Modell (P ϑ ) ϑ Θ Beobachtuge X 1,..., X u.i.v. ach P ϑ mit ubekatem ϑ Θ Grudidee: Schätzer
Mehr