Aufgaben zur Ökonometrie I

Größe: px
Ab Seite anzeigen:

Download "Aufgaben zur Ökonometrie I"

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

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

Mehr

Die zweite Implikation der Annahme einer skalaren Kovarianzmatrix, (2.7) 2 nxn

Die 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

Mehr

Inhaltsverzeichnis der Formelsammlung "Ökonometrie I"

Inhaltsverzeichnis 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

Mehr

Formelsammlung zur Ökonometrie I (Ökonometrische Eingleichungsmodelle)

Formelsammlung 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

Mehr

2.3 Schätzeigenschaften der OLS-Methode

2.3 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

Mehr

Vergleich der Schätzungen und Hypothesenprüfungen. μ=? Typische Aufgaben der Hypothesenprüfung. Typische Fragen - gebrauchte Merkmale

Vergleich 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.

(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

Mehr

2. Das multiple Regressionsmodell

2. 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

Mehr

richtige Entscheidung mit Wahrscheinlichkeit 1 α Fehlentscheidung 1. Art mit Wahrscheinlichkeit α

richtige 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

Mehr

Grundgesamtheit handelt, stellt sich die Frage nach der Unsicherheit dieser Schatzung.

Grundgesamtheit 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

Mehr

Aufgaben zur Ökonometrie I

Aufgaben 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

Mehr

6 Vergleich mehrerer unverbundener Stichproben

6 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

Mehr

s 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

s 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

Mehr

Geckos gehören zur Familie der Schuppenkriechtiere. Sie bevölkern seit etwa 50 Millionen Jahren die Erde und haben sich im Laufe ihrer Entwicklung

Geckos 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

Mehr

3. Signifikanztests und Konfidenzintervalle 3.1 Signifikanztests über einzelne Regressionskoeffizienten

3. 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

Mehr

5. Autokorrelation und Heteroskedastizität

5. 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

Mehr

6.2 Prüfen von Restriktionen - Granger-Kausalität

6.2 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

Mehr

Intervallschätzung. Bibliografie:

Intervallschätzung. 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,

Mehr

2. Ökonometrische Eingleichungsmodelle

2. 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

Mehr

7. Modelle mit qualitativen Variablen

7. 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:

= 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

Mehr

Empirische Ökonomie 1 Sommersemester Formelsammlung. Statistische Grundlagen. Erwartungswert und Varianz einer Zufallsvariable.

Empirische 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

Mehr

17. Kapitel: Die Investitionsplanung

17. 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

Mehr

3.6 Prognosen mit ARMA-Modellen

3.6 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

Mehr

Analyse von Zeitreihen

Analyse 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,

Mehr

Repräsentativität und Unabhängigkeit

Repräsentativität 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:

Mehr

Statistik im Bachelor-Studium der BWL und VWL

Statistik 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

Mehr

Aufgaben zur Zeitreihenanalyse (Kap. 5)

Aufgaben 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

Mehr

Aufgaben zur Zeitreihenanalyse (Kap. 4)

Aufgaben 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

Mehr

6. Vektorautoregressive Modelle

6. 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

Mehr

Lehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. Regina T. Riphahn, Ph.D. Musterlösung zur Baseler Zwischenklausur im WS 02/03

Lehrstuhl 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

Mehr

Formelsammlung für Investition und Finanzierung

Formelsammlung 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

Mehr

Prognoseverfahren. 3.4 Aufgaben... 121 ÜBERBLICK

Prognoseverfahren. 3.4 Aufgaben... 121 ÜBERBLICK Progoseverfahre. Eiführug....................................... 8.. Wisseschafliche Progose.................... 8.. Daebasis ud saisische Progosemodelle......... Beispiel: Umsazprogose........................

Mehr

Statistik I Februar 2005

Statistik 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

Mehr

Investitionsund Finanzierungsplanung mittels Kapitalwertmethode, Interner Zinsfuß

Investitionsund 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

Mehr

Testen von Regressionskoeffizienten bei multipler Regression (ausführlichere Erläuterungen und Zahlenbeispiele) 1

Testen 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

Mehr

10. Grundlagen der linearen Regressionsanalyse 10.1 Formulierung linearer Regressionsmodelle

10. 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

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik 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

Mehr

werden in der Ökonometrie bei der Kleinst-Quadrate-Schätzung (OLS-Schätzung) für die Störvariable U die Standardannahmen

werden 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

Mehr

26 Eigenschaften der Eigenwerte, Eigenvektoren und Eigenräume

26 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

Mehr

Statistik im Bachelor-Studium der BWL und VWL

Statistik 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,

Mehr

1 Beispiel zur Methode der kleinsten Quadrate

1 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

Mehr

Kapitel XI - Korrelationsrechnung

Kapitel 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

Mehr

Hypothesenprüfungen II.

Hypothesenprüfungen 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

Mehr

Residuenanalyse. Residuenanalyse. Grafische Residuenanalyse. Test auf Normalverteilung der Residuen. Test auf Autokorrelation der Residuen

Residuenanalyse. 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

Mehr

Streuungsmaße. Prof. Dr. Paul Reuber. Institut für Geographie. Seminar Methoden der empirischen Humangeographie

Streuungsmaße. 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,

Mehr

Statistik Formelsammlung (gekürzt für 5 Abende Veranstaltung)

Statistik 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

Mehr

Kapitel 2. Terme. oder (x + 1)(x 1) = x 2 1

Kapitel 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

Mehr

Investitionsrechnungen in der Wohnungswirtschaft

Investitionsrechnungen 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

Mehr

Lösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung

Lösungsvorschlag 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

Mehr

X =, y In welcher Annahme unterscheidet sich die einfache KQ Methode von der ML Methode?

X =, 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

Mehr

Entscheidungsunterstützungsmodelle für Materialwirtschaft und Produktion

Entscheidungsunterstützungsmodelle 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,

Mehr

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

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

Mehr

Zeitreihenökonometrie

Zeitreihenökonometrie 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

Mehr

Methode der kleinsten Quadrate

Methode 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

Mehr

Mathematische und statistische Methoden I

Mathematische 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/

Mehr

Jugendliche (18-24 Jahre) in Westdeutschland

Jugendliche (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

Mehr

3.2 Wilcoxon Rangsummentest

3.2 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

Mehr

Kennwerte Univariater Verteilungen

Kennwerte 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

Mehr

Wir wiederholen zunächst das Majorantenkriterium aus Satz des Vorlesungsskripts Analysis von W. Kimmerle und M. Stroppel.

Wir 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

Mehr

Statistik im Bachelor-Studium der BWL und VWL Methoden, Anwendungen, Interpretation

Statistik 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

Mehr

Korrelationsanalyse zwischen kategorischen Merkmalen. Kontingenztabellen. Chi-Quadrat-Test

Korrelationsanalyse 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

Mehr

Zeitreihenökonometrie

Zeitreihenökonometrie ifo Insiu für Wirschafsforschung an der Universiä München Zeireihenökonomerie Kapiel 6 Nichsaionäre univariae Zeireihenmodelle ifo Insiu für Wirschafsforschung an der Universiä München Nichsaionäre Prozesse

Mehr

3 Leistungsbarwerte und Prämien

3 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

Mehr

Residuenanalyse. Stickstoffdüngung - Ertrag. ! Shapiro-Wilk-Test auf Normalverteilung. ! Durbin-Watson-Test auf Autokorrelation

Residuenanalyse. 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.

Mehr

Lineare Transformationen

Lineare 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

Mehr

Fehler-in-den-Variablen Modelle

Fehler-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

Mehr

Wahrscheinlichkeitstheorie und Statistik vom

Wahrscheinlichkeitstheorie 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

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik 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

Mehr

Übung zu Quantitative Methoden der Marktanalyse. Tests zu den Annahmen der OLS-Schätzung. 1. Annahmen zur OLS-Schätzung. 1. Annahmen zur OLS-Schätzung

Übung 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

Mehr

1 Gliederung Zeitreihenökonometrie. Angewandte Ökonometrie (Folien) Zeitreihenökonometrie Universität Basel, FS 09. Dr. Sylvia Kaufmann.

1 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

Mehr

Herleitung der Parameter-Gleichungen für die einfache lineare Regression

Herleitung 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

Mehr

Hans-Friedrich Eckey Reinhold Kosfeld / Christian Dreger. Ökonometrie. Grundlagen Methoden Beispiele 4., durchgesehene Auflage

Hans-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

Mehr

Schätzungen und Hypothesenprüfungen Schätzungen Hypothesenprüfungen Typische Entscheidungsfragen in der Medizin Die Alternativhypothese

Schätzungen 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

Mehr

Lösungen zu den Aufgaben zur Multivariaten Statistik Teil 3: Aufgaben zur Varianzanalyse

Lösungen 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

Mehr

n 1 E. Tilgungsrechnungen 5 Aufgaben Aufgabe E/2

n 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.

Mehr

Physikalische Analyse der Dimensionierungsgrundlagen zur Entwicklung einer Methode zur Konzipierung und Optimierung eines Elektromobils

Physikalische 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,

Mehr

Umrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung

Umrechnung 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

Mehr

1 Elementare Zahlentheorie. 0. Grundbegriffe

1 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

Mehr

Übungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 8

Übungen 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

Mehr

10. Testen von Hypothesen Seite 1 von 6

10. 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)

Mehr

6. Übung - Differenzengleichungen

6. 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

Mehr

Mathematik 2 für Naturwissenschaften

Mathematik 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

Mehr

Teilaufgabe 1.0 Bei der Firma Kohl kommen morgens alle im Büro Beschäftigten nacheinander ins Großraumbüro.

Teilaufgabe 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

Mehr

Mathematische und statistische Methoden I

Mathematische 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

Mehr

Prof.Dr.B.Grabowski (Schwingungen als komplexe Zeiger) Lösung zum Übungsblatt Nr. 2. (Wiederholung Linearfaktorzerlegung von Polynomen)

Prof.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

Mehr

Übungsaufgaben zur Entwicklung der Geburten in Deutschland (Excel, EViews)

Übungsaufgaben 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

Mehr

6.4 Kointegration Definition

6.4 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:

Mehr

Wirksamkeit, Effizienz

Wirksamkeit, 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

Mehr

Übungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie

Übungen 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

Mehr

3.2) Die Spar-Armutsfalle 3.2.1) Das Grundmodell

3.2) 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,

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik 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

Mehr

y t = 30, 2. Benutzen Sie die Beobachtungen bis einschließlich 2002, um den Koeffizientenvektor β mit der KQ-Methode zu schätzen.

y 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

Mehr

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft

Wissenschaftliches 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:

Mehr

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren

Dr. 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

Mehr

Empirische Wirtschaftsforschung

Empirische Wirtschaftsforschung Empirische Wirschafsforschung Prof. Dr. Bernd Süßmuh Universiä Leipzig Insiu für Empirische Wirschafsforschung Volkswirschafslehre, insbesondere Ökonomerie 6.4. Mulikollineariä a) Das Problem und seine

Mehr

Finanzmathematische Formeln und Tabellen

Finanzmathematische 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,

Mehr

Kapitel 5: Schließende Statistik

Kapitel 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

Mehr

Konfidenzintervalle. Praktische Übung Stochastik SS 2017 Lektion 10 1

Konfidenzintervalle. 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