8. Elementare Zeitreihenanalyse
|
|
- Silvia Abel
- vor 5 Jahren
- Abrufe
Transkript
1 8 Elemenare Zerehenanalse Suaon: v De Schprobenwere enes Merkmals Y werden m Zeablauf, also zu besmmen Zepunken,,, n, beobache Zerehe v In wrschaflchen Anwendungen wrd häufg unersell, dass sch de Beobachungswere ener Zerehe aus ver Komponenen zusammensezen: Ø Trendkomponene Ø Konunkurkomponene (zklsche Komponene) Ø Sasonkomponene Ø Zufallskomponene (rreguläre Reskomponene) De Komponenen ener Zerehe: v m Trendkomponene Ø zeg de langfrsge Enwcklung Der Verlauf s, bedng durch langfrsge Ursachen, enweder wachsend, glech blebend oder fallend Bespel: Das Bruosozalproduk s n Deuschland endenzell mmer gesegen v k Konunkurkomponene Ø besz enen wellenförmgen Verlauf, der n mehrährgen Absänden wederkehr Bespel: Konunkurschwankungen snd de Haupursache für den unerschedlch sarken Zuwachs des Bruosozalproduks v g m + k Glae Komponene v Häufg werden de Trendkomponene und de Konunkurkomponene zusammengefass zur so genannen glaen Komponene Ø gb den fkven Verlauf der Zerehe be Fehlen sasonaler und Resschwankungen an 8 Elemenare Zerehenanalse Elemenare Zerehenanalse
2 Anzahl erbeuee Auorados v s Sasonkomponene Ø besz ebenfalls enen wellenförmgen Verlauf, der mesens durch enen perodschen ahreszelchen Enfluss bedng wrd Bespel: Arbeslosenzahlen, de durch werungsbednge Enschränkungen besmmer Produkonsägkeen schwanken v z Zufallskomponene Ø s das Ergebns kurzfrsger, sch unregelmäßg verändernder Ursachen Bespel: Sreks, Naurkaasrophen, plözlche Erhöhung der Energeprese, usw Bespel: Anzahl von erbeueen Auorados pro Arbesag enes Auoknackers über fünf Wochen: Wochenag Wochenag 3 Do 3 Sa 2 6 Fr 2 So 3 8 Sa 3 6 Do 4 7 So 4 2 Fr 3 Do 2 Sa 6 7 Fr 6 8 So 7 9 Sa 7 Do 8 7 So 8 Fr 9 Do 9 6 Sa Fr 4 So Für das Zusammenwrken der enzelnen Komponenen ener Zerehe wrd n der Regel en addver Ansaz gewähl Addve Zerehenmodell m + k + s + z,,, n ( g + s + z ) Tag 8 Elemenare Zerehenanalse Elemenare Zerehenanalse - -
3 Trendbesmmung durch gleende Durchschne v Voraussezung: De Zerehe leg n Form von Peroden vor, wobe de Zespanne ener Perode aus p Zerehenweren beseh In dem Fall sprch man von ener Perode der Ordnung p (zb Quaralsdaen: p 4) v Aus den Zerehenweren werden durch Hnzunahme der ewels p/2 lnken und rechen Nachbarn von und anschleßender Durchschnsbldung neue Zerehenwere konsruer v Is p 2m +, also p ungerade, dann s für m +,, n m der gleende Durchschn der Ordnung p gegeben durch: m + + (2m+ ) -m -m+ + m- + m v Is p 2m, also p gerade, dann s für m +,, n m der gleende Durchschn der Ordnung p gegeben durch: - m + -m m- + 2m (2m) 2 2 v Bespele: Ø Gleender 3er-Durchschn (Anwendung be Drelahresdaen): ( 3) Ø Gleender 4er-Durchschn (Anwendung be Quaralsdaen): ( 4) Ø Gleender 2er-Durchschn (Anwendung be Monasdaen): ( 2) Elemenare Zerehenanalse m Orgnaldaen und gleende 4er- Durchschne Anzahl erbeuee Auorados (4) 3-3 9, , 3 8 6, 3 6, , ,7 3 6,37 2, 6 7 6, 6 8, ,7 7, ,37 8 3, 9 8, ,2 4 - gleender Vererdurchschn De Dfferenz der Orgnaldaen und der gleenden Durchschne s blden de rendberenge Zerehe ( s ) (4) Tag - 8 Elemenare Zerehenanalse - 3 -
4 Anzahl erbeuee Auorados Orgnaldaen, gleende Durchschne und rendberenge Zerehe (4) s - (4) ,62 3, ,, 3 8 6, 2, 3 6,2-4, ,2, ,7 2,2 3 6,37-3,37 2, 2, 6 7 6,, 6 8,87-2, ,7 2,2 7,7 -, ,37 -,37 8 3, 2, 9 8,2-3, ,2, gleender Vererdurchschn rendberenge Zerehe Aus den rendberengen Daen der ewelgen Perode,,, p, wrd das arhmesche Mel ( ) berechne De psche Sasonfgur s dann (4) s - Tag s sˆ s - p p å s (4) Ermlung der pschen Sasonbewegung (Sasonfgur) und der sasonberengen Zerehenwere (4) s - 4 Peroden (, 2, 3, 4 ) Do Fr Sa So (4) Do , ,48437 Fr 6 -, ,6787 Sa 8 6, 2, 2,38282,6787 So 7 6,2,87 -,6787 7,6787 Do 3 6,37-3,37-3, ,48437 Fr 7 6,,,38282,6787 Sa 9 6,7 2,2 2, ,6787 So 7 7,37 -,37 -,6787 7,6787 Do 8,2-3,2-3, ,48437 Fr 9,2,87, ,6787 Sa 3 9,62 3,37 2,38282,6787 So,, -,6787,6787 Do 6,2-4,2-3, ,48437 Fr 2 9,7 2,2,38282,6787 Sa 2, 2, 2, ,6787 So 8,87-2,87 -,6787 8,6787 Do,7 -,7-3, ,48437 Fr 3, 2,, ,6787 Sa 6-2, ,6787 So 4 - -,6787 4,6787 s : -3,2,462 2,462 -,937, ŝ - sˆ ŝ å s - s p å s - ˆ s 8 Elemenare Zerehenanalse Elemenare Zerehenanalse - -
5 Anzahl erbeuee Auorados Orgnaldaen und sasonberenge Zerehe Trendbesmmung mels lnearer Regresson ( b + b + u ): 6, ,6787, , , ,6787 2, , , , , , , , , ,6787 6, ,6787 9,6787 4,6787 Schäzung der KQ-Parameer: bˆ 4,2 und bˆ, 462 ( R 2, 84) sasonberenge Zerehe Tag KQ-Schäzung für de glae Komponene: Geschäze Zerehenwere: ˆ gˆ + sˆ g ˆ 4,2 +, 462 Zusammenfassung und gleende Durchschne Tpsche Sasonfgur Trendberenge Zerehe - - Orgnal und Schäzung Sasonberenge Zerehe und geschäze glae Komponene geschäze Zerehe 8 Elemenare Zerehenanalse Elemenare Zerehenanalse - 6 -
6 Ex-pos-Analse zur Überprüfung der Güe der Zerehenschäzung Bespel: Monalcher Beraussoß ener Brauere (n hl) von 99 bs 999 (also über fünf Jahre) Mona Jahr Mona Jahr (2) (2) (2) (2) , , , , ,7 6 77, , , , , , , , , , , , , , 88 7, , , , , , , , ,62 7 7, , , 69 7, , , , , Monalcher Beraussoß Gleender 2-er Durchschn 6 Monalcher Beraussoß Mona 7 6 Vorgehenswese: Schäze de Zerehe auf Bass der ersen ver Jahre und vergleche de Prognose für das fünfe Jahr m den Orgnaldaen Mona 8 Elemenare Zerehenanalse Elemenare Zerehenanalse - 9 -
7 Orgnaldaen gleende Durchschne Trendberenge Zerehe Orgnaldaen psche Sasonfgur Sasonberenge Zerehe 8 Sasonberenge Zerehe Mona Mona arhmesches Mel der rendberengen Daen e Mona arhmesches Mel deser arhmeschen Mel Tpsche Sasonfgur Regresson: Sasonberenge Zerehe n Abhänggke von der Ze lneare KQ-Schäzung der glaen Komponene 8 8 Tpsche Sasonfgur Mona Mona 8 Elemenare Zerehenanalse Elemenare Zerehenanalse - -
8 geschäze glae Komponene + psche Sasonfgur geschäze Zerehe Verglech: Prognose für das fünfe Jahr baserend auf der geschäzen Zerehe 9 9 Prognose Geschäze Zerehe Dreker Verglech Mona Prognosezeraum Verglech: Geschäze Zerehe Resdualanalse: Resduen Orgnaldaen prognoszere Were Monalcher Beraussoß 9 Geschäze Zerehe Resduen Mona Prognosezeraum 8 Elemenare Zerehenanalse Elemenare Zerehenanalse - 3 -
8. Elementare Zeitreihenanalyse
8 Elemenare Zerehenanalse De Komponenen ener Zerehe: Suaon: De Schprobenwere enes Merkmals Y werden m Zeablauf, also zu besmmen Zepunken, =,, n, beobache Zerehe In wrschaflchen Anwendungen wrd häufg unersell,
MehrGewöhnliche Differentialgleichungen, erste Ordnung
Gewöhnlche Derenalglechungen erse Ordnung wr haben beres gesehen daß sch ele Probleme n der Phsk durch gewöhnlche Derenalglechungen beschreben lassen besmme Varable als Funkon der Ze d d M den Anangsbedngung
Mehrc) Berechnen Sie mit Hilfe der Methode der kleinsten Quadrate für alle gegebenen Quartalswerte der Beschäftigten einen linearen Trend.
Dr. Demar Hubrch Vorbereung auf Übungsaufgaben Fachhochschule der de Laufbahnprüfung ale modfzere Klausur Deuschen Bundesbank Sask See Aufgabe Aus ener sasschen Veröffenlchung der Deuschen Bundesbank ennehmen
Mehr4.2 Zweistufige Methode der Kleinsten Quadrate
4.2 Zwesufge Mehode der Klensen Quadrae 4.18 Wdh.: Problem: Sörvarable snd m erklärenden Varablen der Srukurform, genauer: m gemensam abhänggen Varablen, korreler. Weerer möglcher Ausweg: 2SLS Unversä
Mehr1.6 Energie 1.6.1 Arbeit und Leistung Wird ein Körper unter Wirkung der Kraft F längs eines Weges s verschoben, so wird dabei die Arbeit
3.6 Energe.6. Arbe und Lesung Wrd en Körper uner Wrkung der Kraf F längs enes Weges s verschoben, so wrd dabe de Arbe W = F s Arbe = Kraf Weg verrche. In deser enfachen Form gülg, wenn folgende Voraussezungen
MehrLösungen der Übungsaufgaben zu Kapitel 7
Kapel 7: Prmzahlen Lösungen der Übungsaufgaben zu Kapel 7 Ü: Se p IP belebg gewähl. IA: n = : Zu zegen s p a a p a p a, des s aber genau de Aussage von Saz 7. und dam beres bewesen. IS: Se IN m belebg
MehrGewöhnliche Differentialgleichungen
Gewöhnlche Dfferenalglechungen (von Mchael Ddas, Wnersemeser 2001/2002) 1. Exsenz- und Endeugke von Lösungen 2. Trennung der Varablen 3. Syseme lnearer Dfferenalglechungen 1. Ordnung 4. Syseme m konsanen
Mehr4. Ratenmonotones Scheduling Rate-Monotonic Scheduling (LIU/LAYLAND 1973)
4. Raenmonoones Schedulng Rae-Monoonc Schedulng (LIU/LAYLAND 973) 4.. Tasbeschrebung Tas Planungsenhe. Perodsche Folge von Jobs. T = {,..., n } Tasparameer Anforderungsze, Bereze (release me) Bearbeungs-,
MehrLineare Regression - Mathematische Grundlagen
FKULTÄT FÜR MTHEMTIK U TURWISSESCHFTE ISTITUT FÜR PHYSIK FCHGEBIET EXPERIMETLPHYSIK I r. rer. nat. orbert Sten, pl.-ing (FH) Helmut Barth Lneare Regresson - Mathematsche Grundlagen. llgemene Gerade Wr
MehrAufgaben mit Lösungen zur Ökonometrie I. 1. Ökonometrie und empirische Wirtschaftsforschung
Aufgaben m Lösungen zur Ökonomere I 1. Ökonomere und emprsche Wrschafsforschung 1.1 Erläuern Se de konsuonellen Elemene der Ökonomere! De Ökonomere s ene Schnmenge aus ökonomscher Theore, der Mahemak und
MehrAerodynamik des Flugzeugs Numerische Strömungssimulation
Aerodnamk des Flgzegs Nmersche Srömngssmlaon Enleng Srömngssmlaon n Wndkanälen 3 Nmersche Srömngssmlaon 4 Poenalsrömngen 5 Tragflügel nendlcher Sreckng n nkompressbler Srömng 6 Tragflügel endlcher Sreckng
Mehr3. Einfache lineare Regression (Maddala Kapitel 3)
3. Enfache lneare Regresson Ökonomere I - Peer alder 1 3. Enfache lneare Regresson (Maddala Kapel 3) Regressonsrechnng: Emprsche Analse der Abhänggke ener Varablen () von enem oder mehreren Besmmngsfakoren
MehrEin Skript der Vorlesung. Höhere Mathematik für Physiker Kapitel Jordan-Normalform
En Skrp der orlesung Höhere Mahemak für Physker Kapel Jordan-Normalform Dr. Peer Gesl TU München 4. Semeser SS Daum: 6.6. von Mchael Wack Chrsoph Moder Manuel Saebel ( ) hp://www.skrpweb.de Hnwese (z.b.
Mehr2 Anwendung der Laplace- Transformation auf gewöhnliche Differenzialgleichungen
nwendng der aplace- Transformaon af gewöhnlche Dfferenzalglechngen. Häfg afreender Typ von Dfferenzalglechngen Das dynamsche Verhalen echnscher Syseme wrd häfg, zmndes näherngswese, drch lneare Dfferenzalglechngen
Mehrwird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:
Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab
MehrAlgorithmen und ihre Programmierung -Teil 3-
Veranstaltung Pr.-Nr.: Algorthmen und hre Programmerung -Tel - Veronka Waue WS / Veronka Waue: Grundstudum Wrtschaftsnformatk WS/ Übung Ersetzen Se n folgendem Bespel de For schlefe durch ene WhleWend-Schlefe
MehrKlausur zur Vorlesung Lineare Modelle SS 2006 Diplom, Klausur A
Lneare Modelle m SS 2006, Prof. Dr. W. Zucchn 1 Klausur zur Vorlesung Lneare Modelle SS 2006 Dplom, Klausur A Aufgabe 1 (18 Punkte) a) Welcher grundsätzlche Untersched besteht n der Interpretaton von festen
Mehr3. Echtzeit-Scheduling Grundlagen
3. Echze-Schedulng Grundlagen 3.1. Grundbegrffe, Klassfkaon und Bewerung Grundbegrffe Job Planungsenhe für Schedulng e wce r d Ausführungsze, Bearbeungsze (execuon me) maxmale Ausführungsze Fregabeze,
MehrInstitut für Halle Institute for Economic Research Wirtschaftsforschung Halle
Insu für Halle Insue for Economc Research Wrschafsforschung Halle Das Insu für Wrschafsforschung Halle s Mgled der Lebnz-Gemenschaf Mkroökonomersche Evaluaon und das Selekonsproblem En anwendungsorenerer
MehrMehrfachregression: Einfluss mehrerer Merkmale auf ein metrisches Merkmal. Designmatrix Bestimmtheitsmaß F-Test T-Test für einzelne Regressoren
Mehrfachregresson: Enfluss mehrerer Merkmale auf en metrsches Merkmal Desgnmatrx Bestmmthetsmaß F-Test T-Test für enzelne Regressoren Mehrfachregresson Bvarat: x b b y + = 0 ˆ k k x b x b x b b y + + +
MehrIK: Einkommen, Beschäftigung und Finanzmärkte (Wintersemester 2011/12) Wichtige makroökonomische Variablen
IK: Enkommen, Beschäfgung und Fnanzmärke (Wnersemeser 2011/12) Wchge makroökonomsche Varablen 1 Überblck Aggregerer Oupu Agg. Oupu hs. Abrss Berechnung des BIP; reales vs. nomnales BIP, BIP vs. BNE, verkeees
MehrMC Datenexport und Übernahme in Excel
MC Daenexpor und Übernahme n Excel Schr-für-Schr-Anleung zur Daenübernahme aus der MC- Applkaon und Überführung der Daen n en lokales Excel-Fle. Tel A: Daenübernahme aus MC (Wndows XP):. See 1 Tel B: Daenkonverson
MehrDaten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.
Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve
MehrControlling (Nebenfach) Wintersemester 2012/2013
echnsche Unversä München Conrollng (Nebenfach) Wnersemeser 22/23 Mschrf der orlesung vom 3..22 Dr. Markus Brunner Lehrsuhl für Berebswrschafslehre Conrollng echnsche Unversä München Conrollng WS 22/3 2
Mehr(Theoretische) Konfidenzintervalle für die beobachteten Werte: Die Standardabweichung des Messfehlers wird Standardmessfehler genannt:
(Theoretsche Konfdenzntervalle für de beobachteten Werte: De Standardabwechung des Messfehlers wrd Standardmessfehler genannt: ( ε ( 1- REL( Mt Hlfe der Tschebyscheff schen Unglechung lassen sch be bekanntem
MehrOptimierung des Modells
Opmerung es Moells. Prüfung, ob e p un q für e größen Lags sgnfan von 0 verscheen (-Tes) wenn nch, Ornung erhöhen oer ernergen. Prüfe ob e Resuen auoorreler sn wenn ja, p oer q erhöhen 3. Vsueller Tes,
MehrFachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung
Fachberech Mathematk Prof. K. Grosse-Brauckmann D. Frsch WS 27/8./.. 6. Übungsblatt zur Lnearen Algebra für Physker Gruppenübung Aufgabe G7 (Kern, Bld, Rang und Orthogonaltät) Gegeben se ene lneare Abbldung
Mehr28. Februar 2006 Prof. Dr. Peter M. Schulze. Kreditpunkte-Klausur zur Vorlesung Grundlagen der Ökonometrie (VST006V) bzw. (VAS004V) bzw.
8. Februar 6 Prof. Dr. Peer M. Schulze Kredpune-Klausur zur Vorlesung Grundlagen der Öonomere (VS6V) bzw. (VAS4V) bzw. (VAÖ4V) Hnwese: ) Es s de omplee Klausur zu bearbeen. Es beseh ene Wahlmöglche. )
MehrWiderstandsnetzwerke Berechnung einfacher Netzwerke
Berechnung enfacher Netzwerke Ersatzspannungsuelle Überlagerungsverfahren Maschenstromverfahren ers - PEG-Vorlesung W/ - nsttut für nformatk - F Berln Berechnung auf Bass ener Ersatzspannungsuelle Ene
MehrLineare Regression (1) - Einführung I -
Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:
MehrP[bk t c se(b k) k bk t c se(b k)] 1 (5.1.3)
Kaptel 5: Inferenz m multplen Modell 5 Inferenz m multplen Modell 5. Intervallschätzung m multplen Regressonsmodell Analog zum enfachen Regressonsmodell glt: Dem Intervallschätzer der Parameter legt zugrunde,
MehrDie Fouriertransformation und ihre Eigenschaften
De Fourerransormaon und hre Egenschaen Klene Formelsammlung zusammengesell von Pro. Dr. ajana Lange Fachberech Elekroechnk Fachhochschule Merseburg Inhal: Fourerrehe und Fourernegral ransormaon enger wchger
MehrDefinition des linearen Korrelationskoeffizienten
Defnton des lnearen Korrelatonskoeffzenten r xy x y y r x xy y 1 x x y y x Der Korrelatonskoeffzent st en Indkator dafür, we gut de Punkte (X,Y) zu ener Geraden passen. Sen Wert legt zwschen -1 und +1.
MehrMi , Dr. Ackermann Übungsaufgaben Gewöhnliche Differentialgleichungen Serie 13
M. 3. 5-4. 45, Dr. Ackermann 6..4 Übungsaufgaben Gewöhnlche Dfferentalglechungen Sere 3.) Bestmmung ener homogenen Dfferentalglechung zu gegebenen Funktonen y (partkuläre Lösungen) enes Fundamentalsystems.
Mehr1.Schularbeit 22.Okt A. A) Berechne ohne TI-92: Beachte: Für die Beispiele 1 und 2 sind alle notwendigen Rechenschritte anzugeben.
1.Schularbet.Okt. 1997 7.A A) Berechne ohne TI-9: Beachte: Für de Bespele 1 und snd alle notwendgen Rechenschrtte anzugeben. 1a) De zu z= a + bkonjugert komplexe Zahl st z= a b. Zege für z 1 = -4 + 3 und
MehrVERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE
VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE Karl Rudolf KOCH Knut RIESMEIER In: WELSCH, Walter (Hrsg.) [1983]: Deformatonsanalysen 83 Geometrsche Analyse und Interpretaton von Deformatonen
MehrEinführung in die numerische Mathematik
Prof. Dr. M. Günther K. Gauslng, M.Sc. C. Hendrcks, M.Sc. Sommersemester 1 Bergsche Unverstät Wuppertal Fachberech C Mathematk und Naturwssenschaften Angewandte Mathematk / Numersche Analyss Enführung
MehrSS 2017 Torsten Schreiber
SS Torsten Schreber e den Ebenen unterscheden wr de und de prmeterfree Drstellung. Wenn wr ene Ebenenglechung durch dre Punkte bestmmen wollen, so müssen de zugehörgen Vektoren sen, d es sonst nur ene
MehrIK: Einkommen, Beschäftigung und Finanzmärkte (Sommersemester 2011) Wichtige makroökonomische Variablen
IK: Enkommen, Beschäfgung und Fnanzmärke (Sommersemeser 2011) Wchge makroökonomsche Varablen 1 Überblck Aggregerer Oupu Berechnung des BIP; reales vs. nomnales BIP Wachsum Arbeslosgke/Arbeslosenquoe Inflaon
Mehr3. Echtzeit-Scheduling Grundlagen
3. Echze-Schedulng Grundlagen 3.1. Grundbegrffe, Klassfkaon und Bewerung Grundbegrffe Job Planungsenhe für Schedulng e wce r d Ausführungsze, Bearbeungsze (execuon me) maxmale Ausführungsze Fregabeze,
MehrHittorfsche Überführungszahl
Insu für Physkalsche Cheme Forgeschrenenprakkum 4. Horfsche Überführungszahl Sand 06/04/05 Horfsche Überführungszahl Grundlagen zum Versuch Komponenen - Glechspannungsquelle - Elekrolyse-Apparaur - P-Elekroden.
MehrInvestition in Übungen
Vahlens Übungsbücher der Wrtschafts- und Sozalwssenschaften Investton n Übungen von Prof. Dr. Hartmut Beg, Prof. Dr. Henz Kußmaul, Prof. Dr. Gerd Waschbusch 3., durchgesehene und überarbetete Auflage Verlag
MehrGliederung des Führungssystems der Unternehmung (Quelle: Küpper et al., 2012)
.4 Begründung der koordnaonsoreneren Conrollng-Konzepon Glederung des Führungssysems der Unernehmung (Quelle: Küpper e al., 22) Führungssysem der Unernehmung Planungssysem Konrollsysem Conrollng Personalführungssysem
Mehrc) schwierige freiwillige Zusatzaufgabe (ohne Bonuspunkte): Leiten Sie die allgemeinen iterativen Formeln für S, D, D R und V her.
Rechnerarchtetur Lösungsvorschlag. Bonusübung oerseester Fachgebet Rechnerarchtetur Prof. R. Hoffann Patrc Edger. Aufgabe: Maße für Barrel-hfter 7 + 7 Punte Gegeben st en Barrel hfter t n= Prozessoren
MehrInstitut für Statistik und Ökonometrie
Insu für Sask und Ökonomere De Enwcklung des Geldvermögens der prvaen Haushale n Deuschland Andreas Handel Arbespaper Nr. 24 (Sepember 2003) Johannes Guenberg-Unversä Fachberech Rechsund Wrschafswssenschafen
MehrZinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung
Znsesznsformel (Abschntt 1.2) 3 Investton & Fnanzerung 1. Fnanzmathematk Unv.-Prof. Dr. Dr. Andreas Löffler (AL@wacc.de) t Z t K t Znsesznsformel 0 1.000 K 0 1 100 1.100 K 1 = K 0 + K 0 = K 0 (1 + ) 2
MehrItemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i
Itemanalyse und Itemkennwerte De Methoden der Analyse der Itemegenschaften st ncht m engeren Snne Bestandtel der Klassschen Testtheore Im Rahmen ener auf der KTT baserenden Testkonstrukton und -revson
MehrGruppe. Lineare Block-Codes
Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung
Mehr»Möglichkeiten und Grenzen der Wirkungsmessung«
»Möglchketen und Grenzen der Wrkungsmessung«18. Natonale Gesundhetsförderungs-Konferenz 19. Januar 2017, Neuenburg Prof. Dr. Alexandra Caspar caspar@fb4.fra-uas.de Fachberech 4 Sozale Arbet und Gesundhet
MehrI, U : Momentanwerte für Strom und Spannung I 0, U 0 : Scheitelwerte für Strom und Spannung
Wechselsrom B r A B sn( sn( Wrd de eerschlefe über enen Wdersand kurzgeschlossen fleß en Srom: sn( sn(, : Momenanwere für Srom und Spannung, : Scheelwere für Srom und Spannung ~ sn( sn( Effekvwere für
MehrLösungen der Aufgaben zu Kapitel 2
Lösungen der Aufgaben zu Kaptel Abschntt 1 Aufgabe 1 Wr benutzen de Potenzrechenregeln, um ene Potenz von mt geradem Eponenten n oder mt ungeradem Eponenten n + 1 we folgt darzustellen: n n und n+1 n n
MehrCash flow matching: ein kurzfristiges Finanzierungsmodell
Cash flow matchng: en kurzfrstges Fnanzerungsmodell 1 Negatve Zahlen entsprechen Ausgaben, postve Zahlen entsprechen Ennahmen Cash flow matchng: en kurzfrstges Fnanzerungsmodell Monat Jän. Feb. Mär. Apr.
MehrSei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ).
Taylorentwcklung (Approxmaton durch Polynome). Problemstellung Se T( x ) de Tangente an den Graphen der Funkton f(x) m Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Dann kann man de
MehrFacility Location Games
Faclty Locaton Games Semnar über Algorthmen SS 2006 Klaas Joeppen 1 Abstract Wr haben berets sehr häufg von Nash-Glechgewchten und vor allem von deren Exstenz gesprochen. Das Faclty Locaton Game betet
Mehr1.1 Grundbegriffe und Grundgesetze 29
1.1 Grundbegrffe und Grundgesetze 9 mt dem udrtschen Temperturkoeffzenten 0 (Enhet: K - ) T 1 d 0. (1.60) 0 dt T 93 K Betrchtet mn nun den elektrschen Wderstnd enes von enem homogenen elektrschen Feld
MehrLehrstuhl für Statistik und emp. Wirtschaftsforschung, Prof. Regina T. Riphahn, Ph.D. Musterlösung zur Diplomprüfung Ökonometrie im SS 07
Lehrsuhl für Sask und emp. rschafsforschung, Prof. Regna T. Rphahn, Ph.D. Muserlösung zur Dplomprüfung Ökonomere m SS 07 Aufgabe 1: [5 Punke] Se neresseren sch für de Deermnanen der schulschen Bldung.
MehrANSÄTZE ZUR (AUF-)LÖSUNG EINES ALTEN METHODENSTREITS: ÖKONOMETRISCHE SPEZIFIKATION VON PROGRAMMIERUNGSMODELLEN ZUR AGRARANGEBOTSANALYSE
ASÄTZE ZUR (AUF-)LÖSUG EIES ALTE METHODESTREITS: ÖKOOMETRISCHE SPEZIFIKATIO VO PROGRAMMIERUGSMODELLE ZUR AGRARAGEBOTSAALYSE Refera von Thomas Heckele und Hendrk Wolff * * Insu für Agrarpolk, Markforschung
MehrStreuungs-, Schiefe und Wölbungsmaße
aptel IV Streuungs-, Schefe und Wölbungsmaße B... Lagemaße von äufgketsvertelungen geben allen weng Auskunft über ene äufgketsvertelung. Se beschreben zwar en Zentrum deser Vertelung, geben aber kenen
MehrVorlesung: "Grundlagen ingenieurwissenschaftlichen Arbeitens (GIA)"
6 Zuverlägke und Produklebenzyklu 6. Genaugke und Fehlerverhalen 6.2 Technche Zuverlägke 6.2. Klafkaon von Aufällen 6.2.2 Aufall- und Überlebenwahrchenlchke 6.2.3 Fehlerrae 6.3 Zuverlägke von Hardware-Funkonen
MehrLaboratorium für Grundlagen Elektrotechnik
Unversy of Appled Scences Cologne Fakulä 07: Informaons-, Meden- & Elekroechnk Insu für Elekrsche Energeechnk Laboraorum für Grundlagen Elekroechnk Versuch 3 3.1 Lade- und Enladevorgang enes Kondensaors
MehrErläuterungen zur Analyse des Zinssatzswaps Referenz N//83734/5 zwischen der A/B Duegården und der Nykredit Bank A/S
Erläuterungen zur Analyse des Znssatzswaps Referenz 3584455N//83734/5 zwschen der A/B Duegården und der Nykredt Bank A/S 1. Zusammenfassung der Analyse De A/B Duegården und de Nykredt Bank A/S haben am
MehrDie Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung
am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall
MehrPortfolioeffekte bei der Kreditrisikomodellierung
Porfoloeffeke be der Kredrskomodellerung 1 Porfoloeffeke be der Kredrskomodellerung Mark Wahrenburg 1 und Susanne Nehen Kurzfassung Für vele Fragesellungen m Rahmen der Bewerung kredrskobehafeer Fnanzel
MehrKonzept der Chartanalyse bei Chart-Trend.de
Dpl.-Phys.,Dpl.-Math. Jürgen Brandes Konzept der Chartanalyse be Chart-Trend.de Konzept der Chartanalyse be Chart-Trend.de... Bewertungsgrundlagen.... Skala und Symbole.... Trendkanalbewertung.... Bewertung
MehrNachtrag Nr. 72 a. gemäß 10 Verkaufsprospektgesetz (in der vor dem 1. Juli 2005 geltenden Fassung) Unvollständigen Verkaufsprospekt
London Branch Nachrag Nr. 72 a gemäß 10 Verkaufsprospekgesez (n der vor dem 1. Jul 2005 gelenden Fassung) vom 6. November 2006 zum Unvollsändgen Verkaufsprospek vom 31. März 2005 über Zerfkae auf * über
MehrGrundlagen der Technischen Informatik. 12. Übung. Christian Knell Keine Garantie für Korrekt-/Vollständigkeit
Grundlagen der Technschen Informatk 12. Übung Chrstan Knell Kene Garante für Korrekt-/Vollständgket 12. Übungsblatt Themen Aufgabe 1: Aufgabe 2: Aufgabe 3: Komparator Adderer/Subtraherer Mehr-Operanden-Adderer
Mehr1 Definition und Grundbegriffe
1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:
Mehr(4) NURBS. Vorlesung Computergraphik III S. Müller U N I V E R S I T Ä T KOBLENZ LANDAU
URS Vorlesung Compuergraph III S. Müller U I V E R S I T Ä T KOLEZ LADAU U I V E R S I T Ä T KOLEZ LADAU S. Müller - - Wederholung I -Splnes ass-splnes Reursve Defnon der assfunonen ähnlch e be ézer durch
MehrZeitreihenmodellierung der ARMA-Klasse
Zetrehenmodellerung der ARMA-Klasse Zel: endogene Modellerung ener Zetrehe (Synthese) Motvaton: ünstlche Verlängerung gegebener Zetrehen unter Wahrung wchtger statstscher Egenschaften zum Zwece der - oeratven
MehrCayleys Formel. Drei Beweise durch geschicktes. Zahlen. Marc Wagner. Ferienakademie, September 1999
Cayleys Formel Dre Bewese durch geschces Zahlen Marc Wagner mcwagnersud.nforma.un-erlangen.de Ferenaademe, Sepember 999 Vorberachungen Labeled Trees (nummerere Baume) En Labeled Tree s en zusammenhangender,
MehrPolygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.
Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener
MehrFlußnetzwerke - Strukturbildung in der natürlichen Umwelt -
Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche
MehrAspekte der stochastischen Modellierung von Ausfallwahrscheinlichkeiten in Kreditportfoliomodellen
Aspeke der sochasschen Modellerung von Ausfallwahrschenlchkeen n Kredporfolomodellen von Rüdger Kesel, London School of Economcs and Polcal Scences, London. Bernd Schmd, Rsklab Germany, München. 1. Enleung.
MehrFallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung
Fallstude 4 Qualtätsregelkarten (SPC) und Versuchsplanung Abgabe: Lösen Se de Aufgabe 1 aus Abschntt I und ene der beden Aufgaben aus Abschntt II! Aufgabentext und Lösungen schrftlch bs zum 31.10.2012
MehrAspekte zur Approximation von Quadratwurzeln
Aspete zur Approxmaton von Quadratwurzeln Intervallschachtelung Intervallhalberungsverfahren Heron-Verfahren Rechnersche und anschaulche Herletung Zusammenhang mt Newtonverfahren Monotone und Beschränthet
MehrZufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert
R. Brnkmann http://brnkmann-du.de Sete..8 Zufallsvarable, Wahrschenlchketsvertelungen und Erwartungswert Enführungsbespel: Zwe Würfel (en blauer und en grüner) werden 4 mal zusammen geworfen. De Häufgketen
MehrEnergieeffizienz-Betrachtung einer Anlage durch Energiemessung
Applcaon Noe DK9221-1109-0007 Messechnk Keywords Energemessung Lesungsfakor Energeanalyse EherCAT-Klemme Busklemme KL3403 EL3403 Energeeffzenz-Berachung ener Anlage durch Energemessung Deses Applcaon Example
MehrSystemübersicht und Bestell-Leitfaden für Vialle Liquid SI Autogasanlagen
Systemüberscht Bestell-Letfaden für Valle Lqud SI Autogasanlagen Systemüberscht Valle Lqud SI Dese Überscht zegt, welche enzelnen Komponenten ener Valle Lqud SI Autogasanlage zusammenwrken. Auf den nachfolgenden
Mehr3 Modelle der Ereignisanalyse
3 Modelle der Eregnsanalyse 3.1 Grundlagen der Eregnsanalyse Gng es m vorangegangenen Kapel 2 um dskree oder begrenz abhängge Varablen, de wr m Kern auf laen sege und unbegrenz abhängge Varablen zurückgeführ
Mehr18. Dynamisches Programmieren
8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus
Mehr1 BWL 4 Tutorium V vom 15.05.02
1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)
MehrSchriftliche Prüfung aus Systemtechnik am
U Graz, Insttut egelungs- und Automatserungstechnk Schrftlche Prüfung aus Systemtechnk am 4.. 5 Name / Vorname(n): Kenn-Matr.Nr.: Bonuspunkte: 4 errechbare Punkte 4 5 7 5 errechte Punkte U Graz, Insttut
MehrKapitel V. Parameter der Verteilungen
Kaptel V Parameter der Vertelungen D. 5.. (Erwartungswert) Als Erwartungswert ener Zufallsvarablen X bezechnet man: E( X ) : Dabe se vorausgesetzt: = = + p falls X dskret f d falls X stetg und = + p
MehrAnalysis I. Vorlesung 17. Logarithmen. R R, x exp x,
Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analyss I Vorlesung 17 Logarthmen Satz 17.1. De reelle Exponentalfunkton R R, x exp x, st stetg und stftet ene Bjekton zwschen R und R +. Bewes. De Stetgket
Mehr4.1 OLS a) OLS-Schätzung der Koeffizienten der Strukturform
4. Schäzmehoden 4. 4. OLS a) OLS-Schäzung der Koeffizienen der Srukurform OLS liefer verzerre und nich konsisene Schäzungen der Koeffizienen der Srukurform inerdependener Modelle, weil i.a. Sörvariable
Mehr4. Indexzahlen. 5.1 Grundlagen 5.2 Preisindizes 5.3 Indexzahlenumrechnungen. Dr. Rebecca Schmitt, WS 2013/2014
4. ndexzahlen 5.1 Grundlagen 5.2 Presndzes 5.3 ndexzahlenumrechnungen 1 4.1 Grundlagen Als Messzahlen werden de Quotenten bezechnet, de aus den Beobachtungswerten bzw. den Maßzahlen zweer Telmengen derselben
MehrKonkave und Konvexe Funktionen
Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage
MehrUniversität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Graphische Modelle. Niels Landwehr
Unverstät Potsdam Insttut für Informatk Lehrstuhl Maschnelles Lernen Graphsche Modelle els Landwehr Zusammenfassung Pfade Zusammenfassung: en Pfad --Y-Z- st B A E Blockert be Y, wenn Dvergerende Verbndung,
Mehr-2 Das einfache Regressionsmodell 2.1 Ein ökonomisches Modell
Kaptel : Das enfache Regressonsmodell - Das enfache Regressonsmodell. En ökonomsches Modell Bespel: De Bezehung zwschen Haushaltsenkommen und Leensmttelausgaen Befragung zufällg ausgewählter Haushalte
MehrNäherungsverfahren. Wiederhole den Algorithmusbegriff. Erläutere die Begriffe: Klasse der NP-Probleme. Probleme. Probleme. Approximative Algorithmen
Näherungsverfahren Wederhole den Algorthmusbegrff. Erläutere de Begrffe: Klasse der P-ProblemeP Probleme Klasse der NP-Probleme Probleme Approxmatve Algorthmen Stochastsche Algorthmen ALGORITHMEN Def.:
Mehr6. Übung zur Linearen Algebra II
Unverstät Würzburg Mathematsches Insttut Prof. Dr. Peter Müller Dr. Peter Fleschmann SS 2006 30.05.2006 6. Übung zur Lnearen Algebra II Abgabe: Bs Mttwoch, 14.06.2006, 11:00 Uhr n de Brefkästen vor der
MehrVermessungskunde für Bauingenieure und Geodäten
Vermessungskunde für Baungeneure und Geodäten Übung 4: Free Statonerung (Koordnatentransformaton) und Flächenberechnung nach Gauß Mlo Hrsch Hendrk Hellmers Floran Schll Insttut für Geodäse Fachberech 13
MehrFallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum
Abgabe: Aufgabentext und Lösungen schrftlch bs zum 15. 6. 2012 I. Thema: Zehen mt und ohne Zurücklegen Lesen Se sch zunächst folgenden Text durch! Wr haben bsher Stchprobenzehungen aus Grundgesamtheten
MehrRotation (2. Versuch)
Rotaton 2. Versuch Bekannt snd berets Vektorfelder be denen das Lnenntegral über ene geschlossene Kurve Null wrd Stchworte: konservatve Kraft Potentalfelder Gradentenfeld. Es gbt auch Vektorfelder be denen
Mehr1 EINLEITUNG. Leitstation. Automatisierungstechnik. Sensor- System. Aktor- System. Antriebstechnik. Messtechnik. Anlage (Prozess) Energie, Produkt
Prof. r. U. Schwellenberg, Vorlesung Messechnk - INLITUNG Lernzel: Vermlung von grundlegenden Kennnssen n a den wchgsen Messprnzpen für de elekrsche Messung nchelekrscher Größen, b Aufbau von Messenrchungen
Mehr5. ZWEI ODER MEHRERE METRISCHE MERKMALE
5. ZWEI ODER MEHRERE METRISCHE MERKMALE wenn an ener Beobachtungsenhet zwe (oder mehr) metrsche Varablen erhoben wurden wesentlche Problemstellungen: Frage nach Zusammenhang: Bsp.: Duxbury Press (sehe
MehrIn der beschreibenden Statistik werden Daten erhoben, aufbereitet und analysiert. Beispiel einer Datenerhebung mit Begriffserklärungen (Vokabel)
Rudolf Brnkmann http://brnkmann-du.de Sete.. Datenerhebung, Datenaufberetung und Darstellung. In der beschrebenden Statstk werden Daten erhoben, aufberetet und analysert. Bespel ener Datenerhebung mt Begrffserklärungen
MehrEinführung in die Finanzmathematik
1 Themen Enführung n de Fnanzmathematk 1. Znsen- und Znsesznsrechnung 2. Rentenrechnung 3. Schuldentlgung 2 Defntonen Kaptal Betrag n ener bestmmten Währungsenhet, der zu enem gegebenen Zetpunkt fällg
MehrDie Leistung von Quicksort
De Lestung von Qucsort Jae Hee Lee Zusammenfassung Der Sorteralgorthmus Qucsort st als ens der effzenten Sorterverfahren beannt. In deser Ausarbetung werden wr sene Komplextät zuerst möglchst präzse schätzen
Mehr