Numerische Klassifikation (Cluster Analyse) anhand nominaler, ordinaler oder gemischter Merkmale

Größe: px
Ab Seite anzeigen:

Download "Numerische Klassifikation (Cluster Analyse) anhand nominaler, ordinaler oder gemischter Merkmale"

Transkript

1 2 Schrften aus der Fakultät Sozal- und Wrtschaftswssenschaften der Otto-Fredrch-Unverstät Bamberg Numersche lassfkaton (Cluster Analyse) anhand nomnaler, ordnaler oder gemschter Merkmale Theore und Praxs mt zugehörgem Programm ORMIX auf CD Prof. Dr. Fredrch Vogel und Dr. Rudolf Gardll UNIVERSITY OF BAMBERG PRESS

2 Schrften aus der Fakultät Sozal- und Wrtschaftswssenschaften der Otto-Fredrch-Unverstät Bamberg 2

3 Schrften aus der Fakultät Sozal- und Wrtschaftswssenschaften der Otto-Fredrch-Unverstät Bamberg Band 2 Unversty of Bamberg Press 200

4 Numersche lassfkaton (Cluster Analyse) anhand nomnaler, ordnaler oder gemschter Merkmale Theore und Praxs mt zugehörgem Programm ORMIX auf CD von Prof. Dr. Fredrch Vogel und Dr. Rudolf Gardll Unversty of Bamberg Press 200

5 Bblographsche Informaton der Deutschen Natonalbblothek De Deutsche Natonalbblothek verzechnet dese Publkaton n der Deutschen Natonalbblographe; detallerte bblographsche Informatonen snd m Internet über abrufbar Deses Werk st als free Onlneverson über den Hochschulschrften-Server (OPUS; der Unverstätsbblothek Bamberg errechbar. open und Ausdrucke dürfen nur zum prvaten und sonstgen egenen Gebrauch angefertgt werden. Herstellung und Druck: docupont GmbH Magdeburg Umschlaggestaltung: Dezernat ommunkaton und Alumn der Otto- Fredrch-Unverstät Bamberg Unversty of Bamberg Press Bamberg 200 ISSN: ISBN: (Druck-Ausgabe) eisbn: (Onlne-Ausgabe) URN: urn:nbn:de:bvb:473-opus-276

6 Numersche lassfkaton (Cluster Analyse) anhand nomnaler, ordnaler oder gemschter Merkmale I Theore Enletendes Sete 2 Verfahren zur Bldung dsjunkter lassen Sete 3 2. Vorbemerkung Sete Das Austauschverfahren Sete Herarchsch-agglomeratve Verfahren Sete Maße zur Messung der Güte enes lassfkatonsergebnsses Sete Vorbemerkung Sete Merkmalstypen Sete Nomnale Merkmale Sete Ordnale Merkmale Sete Metrsche Merkmale Sete Nomnale Merkmale: Streuung und Gütefunkton Sete Ordnale Merkmale: Streuung und Gütefunkton Sete Metrsche Merkmale: Streuung und Gütefunkton Sete 26 3 De Verarbetung gemschter Merkmale Sete Gemschte Merkmale Sete De Ordnalserung metrscher Merkmale Sete 32

7 3.3 lassfkaton anhand gemschter Merkmale Sete Enführendes Sete Das Austauschverfahren Sete En herarchsch-agglomeratves Verfahren Sete 36 4 Schlußbemerkung Sete 37 II Praxs. Enletendes Sete Installatonsanletung Sete Installatonsvoraussetzungen Sete Zur Installaton von der CD Sete ORMIX denstalleren Sete 40 3 Datenengabe: De Datenmatrx Sete 40 4 De Erzeugung der lassen Sete Datentransformatonen Sete Herarchsch-agglomeratve lassfkaton Sete Iteratve lassfkaton Sete 60 Lteraturhnwese Sete 64

8 I Zusammenfassung Numersche lassfkaton (oder Cluster Analyse) st de Zuordnung ener Menge von Beobachtungen (Objekten) zu Telmengen (lassen oder Cluster), derart dass de Beobachtungen (Objekte), de ener lasse angehören, n enem bestmmten Snne enander ähnlch snd. Dese Arbet besteht aus zwe Telen: Tel I "Theore" und Tel II "Praxs". Der erste Tel behandelt de theoretschen Grundlagen unseres neuen lassfkatonsprogramms ORMIX. Zunächst werden zwe Verfahren zur Bldung dsjunkter lassen erörtert: en Austauschverfahren und en herarchschagglomeratves Verfahren. Dann werden Maße zur Messung der Güte enes lassfkatonsergebnsses m Detal dskutert, nsbesondere m Hnblck auf de Merkmalstypen: nomnal, ordnal und metrsch. De Gütefunkton für nomnale und ordnale Merkmale basert auf enem spezellen Streuungsmaß: der Entrope. De Gütefunkton für metrsche Merkmale basert auf der Varanz. Das grundlegende Prnzp st der Versuch der Mnmerung der Streuung nnerhalb der lassen, so dass de Beobachtungen (Objekte) n derselben lasse enander ähnlcher snd als de Beobachtungen (Objekte) verschedener lassen. Im Zusammenhang mt Problemen der Numerschen lassfkaton gbt es be praktschen Anwendungen häufg gemschte Merkmale. Das heßt, de Objekte snd charaktersert durch nomnale und ordnale und metrsche Merkmale. Um ene Gütefunkton für gemschte Merkmale zu konstrueren, st zu beachten, dass de Gütefunkton für nomnale und ordnale Merkmale auf der Entrope beruht, de Gütefunkton für metrsche Merkmale aber auf der Varanz. Es st ncht zulässg, dese Gütefunktonen zu adderen. Es kommt hnzu, dass de Varanz abhängt von den Skalen, auf denen de Merkmale gemessen werden. Es st ncht möglch, metrsche Merkmale derart zu skaleren, dass alle metrschen Merkmale m Prozess der lassenbldung en gleches numersches Gewcht haben; Standardserung st nur ene von velen Mög-

9 II lchketen, se lefert aber kene Glechgewchtung. Aber es st zulässg, metrsche Merkmale n ordnale Merkmale zu transformeren. De Ordnalserung metrscher Merkmale wrd detallert erklärt. Es wrd gezegt, dass - nach der Ordnalserung der metrschen Merkmale - alle Merkmale m Prozess der lassenbldung en gleches maxmales numersches Gewcht haben. Der zwete Tel beschäftgt sch mt der Anwendung unseres Programms ORMIX, das nomnale, ordnale, metrsche Merkmale (nach Ordnalserung) und gemschte Merkmale verarbeten kann. Zuerst wrd erklärt, we das Programm von der CD nstallert werden kann. Im aptel "Datenengabe" werden de onstrukton und das Enlesen der Datenmatrx m Detal erläutert. Dann wrd gezegt, we Datentransformatonen (bespelswese metrsche n ordnale Merkmale) durchgeführt werden können. Nach desen Transformatonen kann ene herarchsch-agglomeratve lassfkaton oder ene teratve lassfkaton durch enen lnken Mausklck gestartet werden. Enge Bespeldateen fnden sch auf der CD. De Bedenung des Programms st enfach und mest selbsterklärend. Mt der (lnken) Maustaste werden Berechnungen angestoßen und aus ener knappen Auflstung der Resultate ausführlche Detaldarstellungen ausgewählt. En Mausklck auf den Wert ener Gütefunkton öffnet en Fenster mt dem lassfkatonsergebns für de gewünschte Anzahl von lassen und mt ener detallerten lassendagnose. De lassfkatonsergebnsse werden anschaulch n Tabellen zusammengefasst und als HTML-Seten überschtlch formatert. Für de herarchsch-agglomeratve lassfkaton stehen zusätzlch Dendrogramme und en Struktogramm zur Auswahl. De rechte Maustaste führt zu Hlfenformatonen und ergänzenden auf den ontext bezogenen Funktonen. Über de Zwschenablage von Wndows können Daten mt anderen Programmen ausgetauscht werden.

10 III Summary Cluster analyss (or clusterng) s the assgnment of a set of observatons (objects) nto subsets (clusters) so that observatons n the same cluster are smlar n some sense. Ths paper has two parts: part I "theory" and part II "practce". The frst part focusses on the theoretcal foundatons of our new clusteranalyss program called ORMIX. Frst two methods to construct dsjont clusters are dscussed: a hll clmbng (teratve parttonng) method and a agglomeratve herarchcal clusterng method. Then clusterng crterons to measure the goodness of the resultng clusters are dscussed n detal, n partcular wth respect to the type of varables: nomnal, ordnal and metrc. The crteron for nomnal and ordnal varables s based on a specal measure of dsperson: the entropy. The crteron for metrc varables s based on the varance. As a basc prncple t s tred to mnmze the dsperson wthn the clusters, so that observatons (objects) n the same cluster are smlar n some sense. In the context wth cluster problems there are n practce often mxed varables. That s the objects are characterzed by nomnal and ordnal and metrc varables. To construct a clusterng crteron for mxed varables st must be notced that the crteron for nomnal and ordnal varables s based on the entropy, the crteron for metrc varables s based on the varance. It s not admssble to summarse these crterons. Moreover the varance depends on the scales on whch the varables are measured. It s not possble to scale metrc varables n such a way that all metrc varables have an equal numercal weght n the process of cluster buldng, standardsaton s only one of many possbltes, t generates none equal weghts for all varables. But t s allowed to transform metrc varables n ordnal varables. The ordnalsaton of metrc varables s explaned n detal. Therewth the procedure of cluster buldng wth mxed varables and an admssble clusterng crteron s explaned n de-

11 IV tal. It s shown that - after ordnalsaton of the metrc varables - all varables n the process of cluster buldng have an equal maxmum weght. The second part focusses on the use of our program ORMIX whch can work up wth nomnal, ordnal, metrc varables (after ordnalsaton) and mxed varables. Frst of all t s explaned how to nstall the program from the CD. In chapter "data entry" the constructon and the nput of a data matrx, that s the bass of the clusterng algorthm, nto the program s treated n detal. Then t s shown how data transformatons (for example metrc n ordnal varables) can be realzed. After these transformatons a hll clmbng (teratve parttonng) procedure and/or a agglomeratve herarchcal clusterng procedure can be performed wth a left mouse clck. Some examples are on the CD. The handlng of the program s straghtforward. It s steered wth a left mouse clck. A rght mouse clck provdes many useful addtonal nformatons. The results of the analyses are clear llustrated. For the agglomeratve herarchcal clusterng procedure dendrograms and a struktogram can be dsplayed. A left mouse clck on the value of an clusterng crteron shows the cluster soluton n the wshed number of clusters and a detaled cluster dagnoss.

12 Numersche lassfkaton (Cluster Analyse) anhand nomnaler, ordnaler und gemschter Merkmale I Theore Enletendes De numersche lassfkaton (oder Cluster-Analyse) - Sammelbegrff für ene Velzahl unterschedlchster mathematsch-statstscher und heurstscher Verfahren/Algorthmen zur Bldung "homogener" lassen - gehört zur beschrebenden, mehrdmensonalen Statstk, zur (exploratven) Datenanalyse. Verfahren der numerschen lassfkaton haben de Aufgabe, ene - m Allgemenen große - Menge von n Enheten, de durch m messbare Egenschaften beschreben snd, derart n ene mest klene Anzahl von dsjunkten Telmengen zu zerlegen, dass de Enheten, de derselben Telmenge angehören, enander bezüglch der m Egenschaften n enem bestmmten (numerschen) Snne möglchst ähnlch/glechartg snd, während glechzetg de Enheten, de verschedenen Telmengen angehören, enander möglchst unähnlch/unglechartg snd. De Telmengen heßen lassen oder Cluster. In der Regel snd de zu klassfzerenden Enheten Merkmalsträger, also Personen, Haushalte, Produkte, Unternehmen, Tere, Gemenden, raftfahrzeug- Unfälle, Patenten, Länder, Berufe, Regonen, Zetrehen, Akten und derglechen, de durch de Ausprägungen (mehrerer) bestmmter Merkmale we zum Bespel Alter, Beruf, Geschlecht, Anzahl der nder, Art der rankhet, Haushaltsgröße, Haushaltsenkommen, Prese, Betrebsgröße, Anzahl der Beschäftgten, Ausgaben für Forschung und Entwcklung, Ausmaß der poltschen Frehet der Opposton enes Landes, Art der Regerungsübernahme, Antel der Landbevölkerung, Anzahl der Fernsehgeräte m Haushalt, Proble-

13 2 me bem Treppenstegen, Bücher lesen und ähnlches beschreben werden. ) Be praktschen Anwendungen snd de Merkmale n aller Regel unterschedlchen Typs, d.h. zur Beschrebung der Merkmalsträger werden nomnale und/oder ordnale und/oder metrsche Merkmale verwendet. Be der numerschen lassfkaton wrd n der Regel von der m Allgemenen ncht überprüfbaren Voraussetzung ausgegangen, dass n der Menge der Merkmalsträger und n Bezug auf de dese beschrebenden Merkmale ene Ordnung, ene Glederung, en Gefüge von Ähnlchketen/Unähnlchketen zwschen Merkmalsträgern exstert; kurz: dass mehr oder mnder wohlseparerte und homogene (d.h. "natürlche") lassen zwar vorhanden, aber ncht ohne weteres dentfzerbar snd. Es exstert ene "Abhänggketsstruktur", de sch (nur) durch lassen beschreben lässt. De gebldeten lassen sollen m Hnblck auf ene bestmmte Zelsetzung brauchbar, nützlch oder zweckdenlch sen. Daher müsste egentlch versucht werden, de Brauchbarket/Nützlchket enes lassfkatonsergebnsses zu optmeren. Nun st aber Brauchbarket/Nützlchket ncht quantfzerbar, so dass an deren Stelle für de Steuerung der lassenbldung numersche Ersatzkrteren verwendet werden müssen. Allerdngs kann en hnschtlch enes solchen Ersatzkrterums "optmales" lassfkatonsergebns auch unbrauchbar sen. Für de onstrukton derartger "Ersatzkrteren" gbt es mehrere onzepte. Gemensam st desen onzepten de Vorstellung, dass en lassfkatonsergebns um so brauchbarer/nützlcher st, je ähnlcher/glechartger de Merkmalsträger nnerhalb der enzelnen lassen, d.h. je homogener de lassen snd und - glechzetg - je unähnlcher de Merkmalsträger snd, de versche- ) Da de lassfkaton von Merkmalen, de hrersets durch bestmmte Egenschaften gekennzechnet snd, von eher untergeordneter Bedeutung st, wrd m folgenden ncht weter darauf engegangen.

14 3 denen lassen angehören. Ersatzkrterum st somt be zahlrechen lestungsfähgen lassfkatonsverfahren de "Homogentät" der lassen. Da Merkmalsträger, de derselben lasse angehören, enander bezüglch aller lassfkatonsmerkmale n enem bestmmten (numerschen) Snne möglchst ähnlch sen sollen, st es nahe legend und zweckmäßg davon auszugehen, dass de Merkmalsträger ener lasse enander dann ähnlch snd, dass de lasse dann homogen st, wenn de gemensame Streuung der m lassfkatonsmerkmale nnerhalb der lasse klen st. Je größer de gemensame Streuung nnerhalb der lassen st, desto unähnlcher snd de Merkmalsträger deser lassen. Ersatzkrteren zur Steuerung der lassenbldung können somt auf der Grundlage geegneter Streuungsmaße konstruert werden. 2 Verfahren zur Bldung dsjunkter lassen 2. Vorbemerkung Es st nahe legend zu versuchen, de n rgendenem (numerschen) Snne "optmale" Partton enes Datensatzes n lassen - zum Bespel jene Partton, für de en geegnetes Homogentätsmaß den optmalen Wert annmmt - enumeratv zu ermtteln, ndem für den gegebenen Datensatz (de Matrx X ) alle möglchen Parttonen n lassen erzeugt und de hnschtlch der Homogentät der lassen optmale Partton bestmmt wrd. Ene solche Berechnung st jedoch - von "klenen" Datensätzen enmal abgesehen - nahezu unmöglch, wel de Anzahl der möglchen (und verschedenen) Parttonen n lassen mt zunehmender Anzahl von Merkmalsträgern und lassen über alle Grenzen wächst. Daraus ergbt sch für praktsche Anwendungen n aller Regel de Notwendgket, de Anzahl der auf Optmaltät zu überprüfenden Parttonen ganz erheblch zu reduzeren.

15 4 De Redukton der Menge der möglchen Parttonen auf ene ausrechend klene Menge zu überprüfender Parttonen (und n deser Hnscht unterscheden sch de gebräuchlchen lassfkatonsverfahren zum Tel wesentlch) erfolgt grundsätzlch n der Wese, dass zum enen de große Anzahl von Parttonen, von denen unterstellt werden kann, dass se ncht optmal snd, ncht erzeugt und auf hre Optmaltät überprüft wrd und zum anderen für de "optmale lassenanzahl" n Abhänggket vom Untersuchungszel und der Anzahl der zu klassfzerenden Merkmalsträger N en möglchst klener Berech (bespelswese von = 3 lassen bs = 8 lassen) vorgegeben wrd. Alle (für "größeres" n) gebräuchlchen lassfkatonsverfahren untersuchen nur enen sehr klenen Tel der möglchen Parttonen und können daher - was mehr oder wenger bewusst n auf genommen wrd - das (numersche) Optmum verfehlen, d.h. nur suboptmale oder lokal optmale Parttonen lefern. Anhaltspunkte für den Grad der Annäherung an das Optmum gbt es - m Allgemenen - ncht. Für praktsche Anwendungen snd de daraus resulterenden Probleme m Allgemenen ncht entschedend, denn das numersche Optmum st nur en Ersatzkrterum für de größtmöglche Brauchbarket/Nützlchket ener Partton, und es st keneswegs scher, dass sch durch ene - auch ökonomsch aufwendge - Verbesserung enes lokalen Optmums ene entsprechende Zunahme an Brauchbarket/Nützlchket ergbt. Be praktschen Anwendungen haben sch zwe Verfahren besonders bewährt: en so genanntes Austauschverfahren und en herarchsch-agglomeratves Verfahren. Bede Verfahren steuern de onstrukton der lassen mt Hlfe von Streuungsmaßen.

16 Wrd de Menge der Merkmalsträger mt N = { N, N,...,N,..., } 2 j N n bezechnet, dann heßt jedes System { G,G,...,G,..., } 2 k G 5 von ncht-leeren und paarwese verschedenen Telmengen (= lassen) G k N mt U G k = N ene "exhaustve" (vollständge) lassfkaton der k= Menge der Merkmalsträger. 2.2 Das Austauschverfahren Snd de lassen paarwese dsjunkt und gehört jeder Merkmalsträger genau ener lasse an, dann heßt de dsjunkte lassfkaton P = { G,G,...,G,..., G } 2 k ene Partton der Menge der Merkmalsträger n lassen. Mt dem (teratven) Austauschverfahren kann ene optmerte Partton P der Menge der Merkmalsträger N n ene vorgegebene Anzahl von lassen we folgt gefunden werden. Zunächst st zur Steuerung der lassenbldung ene der Problemstellung/Zelsetzung und dem Merkmalstyp (gegebenenfalls auch den Merkmalstypen) adäquate Gütefunkton: g ( X,P ) zu bestmmen, de msst, we gut de Partton P de Ähnlchketsstruktur der Daten X repräsentert, oder anders formulert, de angbt, we homogen (m Mttel) de gebldeten lassen snd.

17 6 Solche Gütefunktonen werden n der Regel mnmert, da se m Allgemenen mt Hlfe von Streuungsmaßen konstruert werden. Im Folgenden wrd nur dese Art von Gütefunkton behandelt. Dann st n enem zweten Schrtt ene so genannte Startpartton n lassen 0 P = { G, G,..., G } 2 vorzugeben oder zu erzeugen. Be praktschen Anwendungen wrd dese Startpartton (der Enfachhet halber) m Allgemenen zufällg (mt Hlfe von Zufallszahlen) erzeugt, d.h. de Merkmalsträger werden zufällg jewels ener und nur ener der vorgegebenen lassen zugeordnet. 2) De Art der Erzeugung der Startpartton hat kenen drekten Enfluss auf de Güte des lassfkatonsergebnsses. Das bedeutet, ene m Snne der Gütefunkton "gute" Startpartton führt ncht zwangsläufg auch zu enem "guten" lassfkatonsergebns. In enem drtten Schrtt wrd nun versucht, de Startpartton 0 P zu verbessern. Jeder Verbesserungsversuch wrd mt der Gütefunkton g ( X,P ) gemessen. Dabe wrd versucht, den Wert der Gütefunkton zu verrngern, wel de (mttlere) Streuung nnerhalb der lassen sukzessve klener und somt de Partton "besser" werden. Jene Partton P, für de ( ) g X,P en Extremum, m Allgemenen das Mnmum, annmmt, glt als "optmale" Partton von N, beschreben durch X, n lassen und somt als Lösung des lassfkatonsproblems De Verbesserung der Startpartton { G, G,..., G } P =, d.h. de Suche nach dem Mnmum der Gütefunkton, wrd we folgt teratv durchgeführt. 2 2) Für de Güte enes lassfkatonsergebnsses st es ncht entschedend, we de Startpartton erzeugt wrd. Auch ene m Snne des gewählten Gütekrterums "gute" Startpartton gewährlestet ncht, dass das lassfkatonsergebns besser st, als be "schlechteren" Startparttonen.

18 0 Begnnend mt ( X, ) ( j =,2,..., n P 7 g und j = wrd für jeden enzelnen Merkmalsträger ) sukzessve geprüft, ob es m Hnblck auf ene Verrngerung (Verbesserung) der Gütefunkton g ( X,P ) von Vortel st, desen Merkmalsträger aus sener lasse zu entfernen und ener anderen lasse zuzuordnen. Wenn ene Verrngerung des Wertes der Gütefunkton möglch st, wrd der Merkmalsträger (der probewese und vorläufg allen anderen lassen zugeordnet wrd) jener lasse zugeordnet, de de größte Verklenerung der Gütefunkton bewrkt. Dann wrd für den Merkmalsträger j = 2 überprüft, ob durch ene Verschebung n ene andere lasse de Gütefunkton verklenert werden kann und so fort. Wenn de Zuordnung aller n Merkmalsträger derart überprüft worden st und wenn - was allerdngs de Regel st - Merkmalsträger anderen lassen zugeordnet wurden, so glt für dese (bessere) Partton 0 ( X,P ) g ( X, P ) g <. P : Deses Vorgehen wrd - begnnend weder mt j = - so lange fortgesetzt, bs ene wetere Verklenerung des Wertes der Gütefunkton - zumndest auf dese Wese - ncht mehr möglch st, d.h. so lange, bs n ener Iteratonsphase ken Merkmalsträger mehr ener anderen lasse zugeordnet wrd oder so lange bs de Verrngerung des Wertes der Gütefunkton m Rahmen der Rechengenaugket ncht mehr berückschtgt werden kann. Es entsteht somt ene Folge von Parttonen: P 0,P,..., P de m Snne der Gütefunkton mmer "besser" snd, für de also glt: 0 ( X,P ) g( X,P ) > > g( X, P ) g L. De Partton >

19 P = { G,G,..., G } 2 8 glt - relatv zur Startpartton durch X n vorgegebene lassen. 0 P - als "optmale" Partton von N beschreben So enfach und plausbel deser Algorthmus zur Erzeugung ener "optmalen" Partton P auch st, so velfältg snd de Probleme m Detal, de sch mt sener Anwendung ergeben. Das Austauschverfahren lefert ene m (numerschen) Snne der Gütefunkton g ( X,P ) "beste" Partton P. De Frage, ob dese Partton auch de hnschtlch des Untersuchungszels brauchbarste/nützlchste st, st formal (numersch) ncht zu beantworten. Für das Austauschverfahren (und andere parttonerende Verfahren) st de Anzahl der zu bldenden lassen vorzugeben. Da den Daten enersets m Allgemenen kene lassenstruktur n genau lassen aufgedrückt werden soll, anderersets aber Informatonen über de optmale (m Snne von "wahre" oder "natürlche") Anzahl der lassen n aller Regel fehlen, st das Problem ener zweckdenlchen, der Datenstruktur entsprechenden Festsetzung von ncht endeutg lösbar. Es st daher keneswegs auszuschleßen, dass de "optmale" lassenanzahl verfehlt wrd. Be praktschen Anwendungen war häufg ene herarchsch-agglomeratve "Vor-lassfkaton", de nur zu dem Zweck durchgeführt wurde, Informatonen über de Anzahl der zu bldenden (natürlchen) lassen zu gewnnen, besonders hlfrech (vgl. Abbldung : Dendrogramm). Gelegentlch gbt es auch theoretsche Anhaltspunkte für de Festlegung der lassenanzahl. Für de Entelung der Länder der Erde nach hrem "Entwcklungsstand" kann z.b. der Standpunkt vertreten werden, dass es "unterentwckelte" und "hoch entwckelte" Länder sowe zumndest ene lasse von Län-

20 9 dern (Schwellenländer) gbt, de sch hnschtlch des Entwcklungsstands zwschen desen beden Typen befnden. Somt st mn = 3 ene untere Grenze der lassenanzahl. Wenn man es für möglch und wahrschenlch hält, dass zwschen den beden extremen Typen von Ländern mehr als en Typ von "Schwellenländern", d.h. mehr als ene lasse exstert, dann könnte mt max = 8 (also sechs Typen von Schwellenländern) auch ene obere Grenze für angegeben werden. Auch wenn das Problem der Bestmmung der optmalen lassenanzahl gelöst wäre, so wäre dennoch ncht gewährlestet, dass das Austauschverfahren de m numerschen Snne von g ( X,P ) global optmale Partton opt P fndet, da ja - n der Regel - ncht alle möglchen Parttonen von N n lassen erzeugt und auf hre Optmaltät hn untersucht werden können. Es st davon auszugehen, dass das Austauschverfahren nur ene suboptmale, d.h. "lokal optmale" Partton Ob de Partton P lefert. P (nur) lokal optmal oder global optmal st und - gegebenenfalls - we gut das globale Optmum approxmert wurde, lässt sch m Allgemenen ncht feststellen. De Partton P st (allenfalls) auch nur bezüglch des oben beschrebenen Austauschalgorthmus "optmal". Werden n der Iteratonsphase jewels ncht nur en, sondern zwe oder mehrere Merkmalsträger glechzetg und vorläufg n de anderen lassen transferert, so können sch andere lokal optmale Parttonen ergeben, de das globale Optmum besser, aber auch schlechter approxmeren. Im Übrgen st de Frage nach der "global optmalen" Partton be praktschen Anwendungen ncht von überragender Bedeutung. Wenn de gesuchten lassen "wohlseparert" snd, dann werden se auch von fast jedem Verfahren gefunden (vorausgesetzt, de wahre lassenanzahl legt zwschen mn und max ). Snd se es ncht, berühren sch de lassen oder gbt es Merkmalsträ-

21 0 ger, de m Anzehungsberech von zwe oder mehreren lassen legen, dann st das onzept "natürlcher" lassen zumndest n Frage gestellt, denn zwschen den beden Extremen "homogene" Gesamthet enersets und natürlche lassenstruktur anderersets st jede Struktur denkbar; und jedes lassfkatonsverfahren wrd den Daten n der Regel ene rgendwe geartete (verfahrensspezfsche) lassenstruktur aufdrücken. 3) Dabe st es praktsch nur von gernger Bedeutung für de Egenschaften der enzelnen lassen ob enzelne Merkmalsträger, de sch m Anzehungsberech mehrerer lassen befnden, der enen oder der anderen lasse zugeordnet werden. Zu bedenken st auch, dass das Austauschverfahren en "globales" Verfahren n dem Snne st, dass ene bestmmte Gütefunkton g ( X,P ) global - über alle lassen glechzetg - optmert wrd, so dass (m Allgemenen) homogene und heterogene lassen n ener Partton P glechzetg vorkommen. "Im Mttel" werden homogene lassen erzeugt! De Frage, we stark de lassenstruktur n ener Partton P ausgeprägt st, kann be der lassendagnose beantwortet werden. 2.3 Herarchsch-agglomeratve Verfahren Es gbt ene ganze Rehe verschedener herarchsch-agglomeratver Verfahren. De mesten haben allerdngs zum Tel erheblche Mängel. Se konstrueren ene Herarche von lassen we folgt. Ausgangspunkt der lassenbldung snd n lassen vom Umfang, also de n enzelnen Merkmalsträger. Auf jeder der nsgesamt r = n Fusonsstufen werden sukzessve jewels jene beden lassen verengt (fusonert), de n enem bestmmten, noch näher zu defnerenden Snne enander am "ähnlchsten" snd, bs auf der ( n )-ten Fusonsstufe alle n Merkmalsträger ener 3) Bespelswese ene herarchsche Struktur.

22 lasse angehören. De Ähnlchket zweer lassen wrd mt bestmmten Gütefunktonen gemessen. Aus deser Vorgehenswese folgt allerdngs en ncht unwesentlcher Nachtel deses Verfahrenstyps. "Optmert" wrd nämlch sukzessve jede enzelne Fuson, das bedeutet, der Aufbau ener Herarche, ncht jedoch de Partton der r-ten Stufe P n = n r lassen. Optmert wrd auch nur durch sukzessve - n enem bestmmten Snne optmale - Fusonen von genau zwe lassen, ncht jedoch durch sukzessve Fusonen von mehr als zwe lassen, was grundsätzlch möglch st. Hnzu kommt, und das st wesentlch, dass ene Fuson zweer lassen n dem Snne rreversbel st, dass ene auf der r-ten Fusonsstufe fusonerte lasse ncht weder aus der Verengungsklasse entfernt werden kann, auch wenn es sch durch andere Analyseverfahren (z.b. en teratves Verfahren) herausstellen sollte, dass genau dese lasse m Snne des gewählten Gütekrterums besser Tel ener anderen lasse wäre. Aus desen Überlegungen folgt, dass herarchsch-agglomeratve Verfahren sowohl de "optmale" Herarche we auch de optmale Partton der r-ten Stufe verfehlen können, wel auf den unteren Stufen der Herarche en "falscher" Weg engeschlagen werden kann. Das de so entstehende Herarche von lassen repräsenterende Stammbaum- Schema, das Dendrogramm (vgl. Abbldung ), wrd m Allgemenen durch ene Skala ergänzt, auf der de Homogentät oder komplementär de Heterogentät h ( G) r der r-ten Fusonsstufe gebldeten lasse G oder, der auf n bestmmten Fällen de Homogentät der Partton der r-ten Stufe ( r =,2,...,n ) oder

23 2 der Heterogentätszuwachs h( G ) 0, der aus der Fuson zweer lassen resultert abgetragen wrd. Abbldung : Dendrogramm De lasse G entsteht bespelswese aus der Fuson der lassen G a und G b. De beden zugehörgen Tel-Stammbäume werden auf dem Nveau h ( G ) h( G ) = verbunden. r a Gb Das Dendrogramm st - be ncht allzu großer Anzahl von Merkmalsträgern - en sehr anschaulches Instrument zur Beurtelung von lassfkatonsergebnssen. Es veranschaulcht ncht nur de Herarche der lassen als solche, sondern nformert auch über den Verlauf der lassenbldung und de Daten- /lassenstruktur. So st zunächst enmal abzulesen, welche Merkmalsträger paarwese enander am ähnlchsten snd, welche Merkmalsträger auf welcher Stufe ener bestmmten lasse zugeordnet snd und natürlch auch, welche lassen enander ähnlch und welche enander unähnlch snd. Es st ferner abzulesen, auf

24 3 welchem "Homogentätsnveau" de ersten "größeren" lassen gebldet werden und we homogen de enzelnen lassen snd. Auf jeder der r =,2,...,n Fusonsstufen ergbt sch ene Partton P n = n r lassen, so dass de zur Datenmatrx X gehörende Herarche ( H ) auch durch de Folge von Parttonen H ( X) = { P } n beschreben werden kann. = ) r De Homogentät der lassen h ( G nmmt mt zunehmendem r, also mt abnehmender Anzahl an lassen, m Allgemenen ab (de Heterogentät nmmt zu), d.h. es glt h ( G ) h ( G) Bespelswese st, falls G G G = G G 2 und. ( G ) = h( G) h( G ) 0 h 2 n 2 n 2 >. Daraus folgt, dass aus der Homogentätsdfferenz ( G ) 0 abgelesen werden kann, ob de lasse h > zweer lassen G stabl, d.h. gut ausgeprägt und von den anderen lassen separert st, dann st h ( G ) groß - vgl. h( G 2 ) - oder ob se nstabl, heterogen, noch ncht abgeschlossen st, dann st h ( G ) klen. Wenn der Datensatz gut - herarchsch - strukturert st, dann gbt es mehrere stable lassen mt (relatv) großer Homogentätsdfferenz. Be velen praktschen Anwendungen 4) st de Herarche der lassen selbst von gerngem Interesse, da es fraglch st, ob en Datensatz durch ene herar- 4) In der Bologe st de herarchsche lassfkaton von Organsmen (bespelswese n Famle, Unterfamle, Gattung, Art) von großer Bedeutung.

25 4 chsche lassenstruktur gekennzechnet st oder ob dese Struktur durch de Art der lassenbldung nur den Daten aufgedrückt wurde. Wrd ene Partton des Datensatzes mt dsjunkten lassen angestrebt, kann en Dendrogramm Indzen für de optmale lassenanzahl lefern. Im obgen Dendrogramm könnte der Datensatz zum Bespel n = 2 oder auch = 4 lassen (vgl. P 4 ) zerlegt und gegebenenfalls mt dem Austauschverfahren verbessert werden. Außerdem lefern bestmmte herarchsch-agglomeratve Verfahren nützlche Informatonen über de Datenstruktur, bespelswese über mehrdmensonale Ausreßer. De exsterenden herarchsch-agglomeratven Verfahren unterscheden sch nur durch de Vorschrft, durch de Gütefunkton, nach welcher auf jeder Fusonsstufe de Un-/Ähnlchket zweer lassen gemessen wrd. Unterschedlche Vorstellungen von der "Art der Homogentät" der zu bldenden lassen werden durch dese Vorschrft realsert. 2.4 Maße zur Messung der Güte enes lassfkatonsergebnsses 2.4. Vorbemerkung De lestungsfähgsten lassfkatonsverfahren steuern de lassenbldung mt Hlfe von Gütefunktonen, de auf Streuungsmaßen beruhen. Dahnter steht de Vorstellung, dass de Merkmalsträger, de ener lasse angehören, enander dann ähnlch/glechartg snd, wenn de Streuung nnerhalb der lasse klen st Merkmalstypen Merkmalsträger werden durch Merkmale beschreben. Merkmale snd messbare Egenschaften enes Merkmalsträgers. Bem Messen der Egenschaften werden den Merkmalsträgern unter Verwendung bestmmter Skalen - d.h. un-

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

6. Modelle mit binären abhängigen Variablen

6. Modelle mit binären abhängigen Variablen 6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch

Mehr

Nomenklatur - Übersicht

Nomenklatur - Übersicht Nomenklatur - Überscht Name der synthetschen Varable Wert der synthetschen Varable durch synth. Varable erklärte Gesamt- Streuung durch synth. Varable erkl. Streuung der enzelnen Varablen Korrelaton zwschen

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 Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen

Mehr

Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord

Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord 1 Kredtrskomodellerung und Rskogewchte m Neuen Baseler Accord erschenen n: Zetschrft für das gesamte Kredtwesen (ZfgK), 54. Jahrgang, 2001, S. 1004-1005. Prvatdozent Dr. Hans Rau-Bredow, Lehrstuhl für

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

Statistik und Wahrscheinlichkeit

Statistik und Wahrscheinlichkeit Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse

Mehr

18. Dynamisches Programmieren

18. 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

Mehr

Lineare Regression (1) - Einführung I -

Lineare 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:

Mehr

Netzwerkstrukturen. Entfernung in Kilometer:

Netzwerkstrukturen. Entfernung in Kilometer: Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.

Mehr

Methoden der innerbetrieblichen Leistungsverrechnung

Methoden der innerbetrieblichen Leistungsverrechnung Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den

Mehr

4. Musterlösung. Problem 1: Kreuzende Schnitte **

4. Musterlösung. Problem 1: Kreuzende Schnitte ** Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,

Mehr

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07 Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage

Mehr

2. Spiele in Normalform (strategischer Form)

2. Spiele in Normalform (strategischer Form) 2. Spele n Normalform (strategscher Form) 2.1 Domnante Strategen 2.2 Domnerte Strategen 2.3 Sukzessve Elmnerung domnerter Strategen 2.4 Nash-Glechgewcht 2.5 Gemschte Strategen und Nash-Glechgewcht 2.6

Mehr

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de

Mehr

FORMELSAMMLUNG STATISTIK (I)

FORMELSAMMLUNG STATISTIK (I) Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen

Mehr

Ionenselektive Elektroden (Potentiometrie)

Ionenselektive Elektroden (Potentiometrie) III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,

Mehr

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt: Informatk I 6. Kaptel Raner Schrader Zentrum für Angewandte Informatk Köln 4. Jun 008 Wr haben bsher behandelt: Suchen n Lsten (lnear und verkettet) Suchen mttels Hashfunktonen jewels unter der Annahme,

Mehr

Spiele und Codes. Rafael Mechtel

Spiele und Codes. Rafael Mechtel Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,

Mehr

Übung zur Vorlesung. Informationstheorie und Codierung

Übung zur Vorlesung. Informationstheorie und Codierung Übung zur Vorlesung Informatonstheore und Coderung Prof. Dr. Lla Lajm März 25 Ostfala Hochschule für angewandte Wssenschaften Hochschule Braunschweg/Wolfenbüttel Postanschrft: Salzdahlumer Str. 46/48 3832

Mehr

Finanzwirtschaft. Kapitel 3: Simultane Investitions- und Finanzplanung. Lehrstuhl für Finanzwirtschaft - Universität Bremen 1

Finanzwirtschaft. Kapitel 3: Simultane Investitions- und Finanzplanung. Lehrstuhl für Finanzwirtschaft - Universität Bremen 1 Fnanzwrtschaft Kaptel 3: Smultane Investtons- und Fnanzplanung Prof. Dr. Thorsten Poddg Lehrstuhl für Allgemene Betrebswrtschaftslehre, nsbes. Fnanzwrtschaft Unverstät Bremen Hochschulrng 4 / WW-Gebäude

Mehr

Lösungen zum 3. Aufgabenblock

Lösungen zum 3. Aufgabenblock Lösungen zum 3. Aufgabenblock 3. Aufgabenblock ewerber haben n enem Test zur sozalen Kompetenz folgende ntervallskalerte Werte erhalten: 96 131 11 1 85 113 91 73 7 a) Zegen Se für desen Datensatz, dass

Mehr

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder - Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole

Mehr

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.

Polygonalisierung 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

Mehr

5. ZWEI ODER MEHRERE METRISCHE MERKMALE

5. 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

Mehr

Konkave und Konvexe Funktionen

Konkave 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

Mehr

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale 3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche

Mehr

AUFGABEN ZUR INFORMATIONSTHEORIE

AUFGABEN ZUR INFORMATIONSTHEORIE AUFGABEN ZUR INFORMATIONSTHEORIE Aufgabe Wr betrachten das folgende Zufallsexperment: Ene fare Münze wrd so lange geworfen, bs erstmals Kopf erschent. De Zufallsvarable X bezechne de Anzahl der dazu notwendgen

Mehr

3. Lineare Algebra (Teil 2)

3. Lineare Algebra (Teil 2) Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw

Mehr

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt Kaptel 3 Zwe Personen Spele 3.1 Matrxspele 3.2 Matrxspele n gemschten Strategen 3.3 B Matrxspele und quadratsche Programme 3.4 B Matrxspele und lneare Komplementartätsprobleme 3.1 Matrxspele Wr betrachten

Mehr

F A C H H O C H S C H U L E W E D E L. Seminararbeit Informatik

F A C H H O C H S C H U L E W E D E L. Seminararbeit Informatik F A C H H O C H S C H U L E W E D E L Semnararbet Informatk n der Fachrchtung Wrtschaftsnformatk Themenberech Künstlche Intellgenz Thema Nr. 3 Dskrmnanzanalyse Engerecht von: Erarbetet m: Patrck Wolf Wedeler

Mehr

Vorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1

Vorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1 Vorlesung Entschedungslehre h SS 205 Prof. Dr. Klaus Röder Lehrstuhl für BWL, nsb. Fnanzdenstlestungen Unverstät Regensburg Prof. Dr. Klaus Röder Fole Organsatorsches Relevante Informatonen önnen Se stets

Mehr

9 Diskriminanzanalyse

9 Diskriminanzanalyse 9 Dskrmnanzanalyse Zel ener Dskrmnanzanalyse: Berets bekannte Objektgruppen (Klassen/Cluster) anhand hrer Merkmale charakterseren und unterscheden sowe neue Objekte n de Klassen enordnen. Nötg: Lernstchprobe

Mehr

Gruppe. Lineare Block-Codes

Gruppe. 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

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6 Praktkum Physkalsche Cheme I (C-2) Versuch Nr. 6 Konduktometrsche Ttratonen von Säuren und Basen sowe Fällungsttratonen Praktkumsaufgaben 1. Ttreren Se konduktometrsch Schwefelsäure mt Natronlauge und

Mehr

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen 196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen

Mehr

Versicherungstechnischer Umgang mit Risiko

Versicherungstechnischer Umgang mit Risiko Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über

Mehr

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt -

Flußnetzwerke - 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

Mehr

Free Riding in Joint Audits A Game-Theoretic Analysis

Free Riding in Joint Audits A Game-Theoretic Analysis . wp Wssenschatsorum, Wen,8. Aprl 04 Free Rdng n Jont Audts A Game-Theoretc Analyss Erch Pummerer (erch.pummerer@ubk.ac.at) Marcel Steller (marcel.steller@ubk.ac.at) Insttut ür Rechnungswesen, Steuerlehre

Mehr

tutorial N o 1a InDesign CS4 Layoutgestaltung Erste Schritte - Anlegen eines Dokumentes I a (Einfache Nutzung) Kompetenzstufe keine Voraussetzung

tutorial N o 1a InDesign CS4 Layoutgestaltung Erste Schritte - Anlegen eines Dokumentes I a (Einfache Nutzung) Kompetenzstufe keine Voraussetzung Software Oberkategore Unterkategore Kompetenzstufe Voraussetzung Kompetenzerwerb / Zele: InDesgn CS4 Layoutgestaltung Erste Schrtte - Anlegen enes Dokumentes I a (Enfache Nutzung) kene N o 1a Umgang mt

Mehr

ERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de

ERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de ERP Cloud SFA ECM Backup E-Commerce ERP EDI Prese erfassen www.comarch-cloud.de Inhaltsverzechns 1 Zel des s 3 2 Enführung: Welche Arten von Presen gbt es? 3 3 Beschaffungsprese erfassen 3 3.1 Vordefnerte

Mehr

Nernstscher Verteilungssatz

Nernstscher Verteilungssatz Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.

Mehr

1 BWL 4 Tutorium V vom 15.05.02

1 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)

Mehr

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm): Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.

Mehr

Stochastik - Kapitel 4

Stochastik - Kapitel 4 Aufgaben ab Sete 5 4. Zufallsgrößen / Zufallsvarablen und hre Vertelungen 4. Zufallsgröße / Zufallsvarable Defnton: Ene Zufallsgröße (Zufallsvarable) X ordnet jedem Versuchsergebns ω Ω ene reelle Zahl

Mehr

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz): LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete

Mehr

Standortplanung. Positionierung von einem Notfallhubschrauber in Südtirol. Feuerwehrhaus Zentrallagerpositionierung

Standortplanung. Positionierung von einem Notfallhubschrauber in Südtirol. Feuerwehrhaus Zentrallagerpositionierung Standortplanung Postonerung von enem Notfallhubschrauber n Südtrol Postonerung von enem Feuerwehrhaus Zentrallagerpostonerung 1 2 Postonerung von enem Notfallhubschrauber n Südtrol Zu bekannten Ensatzorten

Mehr

Was haben Schüler und Großbanken gemein?

Was haben Schüler und Großbanken gemein? Armn Fügenschuh Aleander Martn Was haben Schüler und Großbanken gemen? Mathematsche Modellerung Analyse und Lösung am Bespel des Rucksackproblems Unter gegebenen Randbedngungen optmale Entschedungen zu

Mehr

Bildverarbeitung Herbstsemester 2012. Bildspeicherung

Bildverarbeitung Herbstsemester 2012. Bildspeicherung Bldverarbetung Herbstsemester 2012 Bldspecherung 1 Inhalt Bldformate n der Überscht Coderung m Überblck Huffman-Coderung Datenredukton m Überblck Unterabtastung Skalare Quantserung 2 Lernzele De wchtgsten

Mehr

Operations Research II (Netzplantechnik und Projektmanagement)

Operations Research II (Netzplantechnik und Projektmanagement) Operatons Research II (Netzplantechnk und Projektmanagement). Aprl Frank Köller,, Hans-Jörg von Mettenhem & Mchael H. Bretner.. # // ::: Gute Vorlesung:-) Danke! Feedback.. # Netzplantechnk: Überblck Wchtges

Mehr

Datenträger löschen und einrichten

Datenträger löschen und einrichten Datenträger löschen und enrchten De Zentrale zum Enrchten, Löschen und Parttoneren von Festplatten st das Festplatten-Denstprogramm. Es beherrscht nun auch das Verklenern von Parttonen, ohne dass dabe

Mehr

Der technische Stand der Antriebstechnik einer Volkswirtschaft läßt sich an ihrem Exportanteil am Gesamtexportvolumen aller Industrieländer messen.

Der technische Stand der Antriebstechnik einer Volkswirtschaft läßt sich an ihrem Exportanteil am Gesamtexportvolumen aller Industrieländer messen. - 14.1 - Antrebstechnk Der technsche Stand der Antrebstechnk ener Volkswrtschaft läßt sch an hrem Exportantel am Gesamtexportvolumen aller Industreländer messen. Mt 27,7 % des gesamten Weltexportvolumens

Mehr

Empirische Sozialforschung Eine Übersicht Ansgar A. Plassmann

Empirische Sozialforschung Eine Übersicht Ansgar A. Plassmann Emprsche Sozalforschung Ene Überscht Ansgar A. Plassmann 1) Defntonen Emprsche Forschung such nach Erkenntnssen durch systematsche Auswertung von Erfahrungen emprsch : aus dem Grechschen auf Erfahrung

Mehr

Die Zahl i phantastisch, praktisch, anschaulich

Die Zahl i phantastisch, praktisch, anschaulich Unverstät Würzburg 977 Würzburg Telefon: (91 888 5598 De Zahl phantastsch, praktsch, anschaulch De Geschchte der Zahl war dre Jahrhunderte lang dadurch geprägt, dass se und damt de kompleen Zahlen n Mathematkerkresen

Mehr

Ertragsmanagementmodelle in serviceorientierten IT- Landschaften

Ertragsmanagementmodelle in serviceorientierten IT- Landschaften Ertragsmanagementmodelle n servceorenterten IT- Landschaften Thomas Setzer, Martn Bchler Lehrstuhl für Internetbaserte Geschäftssysteme (IBIS) Fakultät für Informatk, TU München Boltzmannstr. 3 85748 Garchng

Mehr

Anwendungsmöglichkeiten von Lernverfahren

Anwendungsmöglichkeiten von Lernverfahren Künstlche Neuronale Netze Lernen n neuronalen Netzen 2 / 30 Anwendungsmöglcheten von Lernverfahren Prnzpelle Möglcheten Verbndungsorentert 1 Hnzufügen neuer Verbndungen 2 Löschen bestehender Verbndungen

Mehr

Portfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe

Portfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe Portfolothore (Markowtz) Separatonstheore (Tobn) Kaptaarkttheore (Sharpe Ene Enführung n das Werk von dre Nobelpresträgern zu ene Thea U3L-Vorlesung R.H. Schdt, 3.12.2015 Wozu braucht an Theoren oder Modelle?

Mehr

Temporäre Stilllegungsentscheidungen mittels stufenweiser E W U F W O R K I N G P A P E R

Temporäre Stilllegungsentscheidungen mittels stufenweiser E W U F W O R K I N G P A P E R Temporäre Stlllegungsentschedungen mttels stufenweser Grenzkostenrechnung E W U F W O R K I N G P A P E R Mag. Dr. Thomas Wala, FH des bf Wen PD Dr. Leonhard Knoll, Unverstät Würzburg Mag. Dr. Stephane

Mehr

Mobile Sicherheit durch effiziente Public-Key-Verschlüsselung

Mobile Sicherheit durch effiziente Public-Key-Verschlüsselung Moble cherhet durch effzente ublc-key-verschlüsselung Hagen loog Drk Tmmermann Unverstät Rostock, Insttut für Angewandte Mkroelektronk und Datenverarbetung Rchard-Wagner-tr., 9 Rostock Hagen.loog@un-rostock.de

Mehr

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct? We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de

Mehr

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2 1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:

Mehr

Grundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften

Grundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften Bassmodul Makroökonomk /W 2010 Grundlagen der makroökonomschen Analyse klener offener Volkswrtschaften Terms of Trade und Wechselkurs Es se en sogenannter Fall des klenen Landes zu betrachten; d.h., de

Mehr

1 Definition und Grundbegriffe

1 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

Bewertung von Zinsswaps mittels Mehrkurvenbootstrapping

Bewertung von Zinsswaps mittels Mehrkurvenbootstrapping Bewertung von Znsswaps mttels Mehrkurvenbootstrappng OIS-Marktstandard gewnnt m Rahmen des EMIR-Portfoloabglechs an Bedeutung 1. Enletung De Bewertungsmethodk von Znsswaps hat sch gewandelt. Bs vor der

Mehr

Beschreibende Statistik Mittelwert

Beschreibende Statistik Mittelwert Beschrebende Statstk Mttelwert Unter dem arthmetschen Mttel (Mttelwert) x von n Zahlen verstehen wr: x = n = x = n (x +x +...+x n ) Desen Mttelwert untersuchen wr etwas genauer.. Zege für n = 3: (x x )

Mehr

Kommentierte Linkliste

Kommentierte Linkliste Mobbng Kommenterte Lnklste Mobbng fndet sch n allen sozalen Schchten und Altersgruppen: auch be Kndern und Jugendlchen. Aktuelle Studen kommen zu dem Ergebns, dass jede/r verte österrechsche SchülerIn

Mehr

Nutzergleichgewicht oder Systemoptimum - Die systemoptimale Verkehrsumlegung in makroskopischen Verkehrsnetzen

Nutzergleichgewicht oder Systemoptimum - Die systemoptimale Verkehrsumlegung in makroskopischen Verkehrsnetzen Nutzerglechgewcht oder Systemoptmum - De systemoptmale Verkehrsumlegung n makroskopschen Verkehrsnetzen Vortrag zu den. Verkehrswssenschaftlchen Tagen M. Boden a, M. Treber a a TU Dresden, Insttut für

Mehr

IT- und Fachwissen: Was zusammengehört, muss wieder zusammenwachsen.

IT- und Fachwissen: Was zusammengehört, muss wieder zusammenwachsen. IT- und achwssen: Was zusammengehört, muss weder zusammenwachsen. Dr. Günther Menhold, regercht 2011 Inhalt 1. Manuelle Informatonsverarbetung en ntegraler Bestandtel der fachlchen Arbet 2. Abspaltung

Mehr

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct? We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de

Mehr

Klassische Gatter und Logikelemente. Seminarvortrag zu Ausgewählte Kapitel der Quantentheorie Quantenalgorithmen

Klassische Gatter und Logikelemente. Seminarvortrag zu Ausgewählte Kapitel der Quantentheorie Quantenalgorithmen Klasssche Gatter und Logkelemente Semnarvortrag zu Ausgewählte Kaptel der Quantentheore Quantenalgorthmen Gerd Ch. Krzek WS 2003 I. Grundlagen und Methoden der Logk: Im folgenden soll de Konstrukton und

Mehr

Statistik. 1. Vorbereitung / Planung - präzise Formulierung der Ziele - detaillierte Definition des Untersuchungsgegenstandes

Statistik. 1. Vorbereitung / Planung - präzise Formulierung der Ziele - detaillierte Definition des Untersuchungsgegenstandes Statstk Defnton: Entwcklung und Anwendung von Methoden zur Erhebung, Aufberetung, Analyse und Interpretaton von Daten. Telgebete der Statstk: - Beschrebende (deskrptve) Statstk - Wahrschenlchketsrechnung

Mehr

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem

Mehr

9 Phasengleichgewicht in heterogenen Mehrkomponentensystemen

9 Phasengleichgewicht in heterogenen Mehrkomponentensystemen 9 Phasenglechgewcht n heterogenen Mehrkomonentensystemen 9. Gbbs sche Phasenregel α =... ν Phasen =... k Komonenten Y n (α) -Molzahl der Komonente Y n der Phase α. Für jede Phase glt ene Gbbs-Duhem-Margules

Mehr

Seminar Netzwerkanalyse. Kapitel 12 Vergleiche von Netzw erken. Sommersemester 2005 Universität Trier

Seminar Netzwerkanalyse. Kapitel 12 Vergleiche von Netzw erken. Sommersemester 2005 Universität Trier Kaptel 2 Vergleche von Netzw erken Sommersemester 2005, 697862 Kaptel 2.0 Allgemenes Allgemenes Graph-Isomorphsmus Problem (GI) besteht darn festzustellen, ob zwe gegebene Graphen somorph snd In der Praxs

Mehr

Diskrete Mathematik 1 WS 2008/09

Diskrete Mathematik 1 WS 2008/09 Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /

Mehr

Statistische Regressionsmodelle

Statistische Regressionsmodelle Statstsche Regressonsmodelle Tel II: Verallgemenerte Lneare Modelle Werner Stahel Semnar für Statstk, ETH Zürch März 2005 / Ma 2008 Zweter Tel der Unterlagen zu enem Kurs über Regressonsmodelle, gehalten

Mehr

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar. . Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen

Mehr

Einführung in die Finanzmathematik

Einführung 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

Mehr

H I HEIZUNG I 1 GRUNDLAGEN 1.1 ANFORDERUNGEN. 1 GRUNDLAGEN 1.1 Anforderungen H 5

H I HEIZUNG I 1 GRUNDLAGEN 1.1 ANFORDERUNGEN. 1 GRUNDLAGEN 1.1 Anforderungen H 5 1 GRUNDLAGEN 1.1 Anforderungen 1.1.1 Raumklma und Behaglchket Snn der Wärmeversorgung von Gebäuden st es, de Raumtemperatur n der kälteren Jahreszet, das snd n unseren Breten etwa 250 bs 0 Tage m Jahr,

Mehr

Hat die Wahl des Performancemaßes einen Einfluss auf die Beurteilung von Hedgefonds-Indizes?

Hat die Wahl des Performancemaßes einen Einfluss auf die Beurteilung von Hedgefonds-Indizes? Hat de Wahl des Performancemaßes enen Enfluss auf de Beurtelung von Hedgefonds-Indzes? Von Martn Elng, St. Gallen, und Frank Schuhmacher, Lepzg Ene zentrale Fragestellung n der wssenschaftlchen Ausenandersetzung

Mehr

A robust algorithm for point set registration using mixtures of gaussians

A robust algorithm for point set registration using mixtures of gaussians A robust algorthm for pont set regstraton usng mxtures of gaussans von Robert Pyttel Inhalt 1 Enletung 54 1.1 Regstrerung........................................... 54 1.2 Zusammenhang/Verwendung n der

Mehr

Metrische Untersuchung der Wiederverwendung im Content Management. Statische Kennzahlen in der Technischen Redaktion

Metrische Untersuchung der Wiederverwendung im Content Management. Statische Kennzahlen in der Technischen Redaktion Metrsche Untersuchung der Wederverwendung m Content Management Statsche Kennzahlen n der Technschen Redaton W. Zegler 1 [Stand: 14. September 2008] De Enführung von Content Management (CM) Methoden und

Mehr

4 Digitale Filter und Bildoperationen

4 Digitale Filter und Bildoperationen Dgtale Flter und Bldoperatonen 51 4 Dgtale Flter und Bldoperatonen Blder welche durch ene Kamera augenommen wurden snd otmals ncht drekt ür ene nacholgende Bldanalyse geegnet. Gründe daür snd bespelswese

Mehr

11 Chemisches Gleichgewicht

11 Chemisches Gleichgewicht 11 Chemsches Glechgewcht 11.1 Chemsche Reaktonen und Enstellung des Glechgewchts Untersucht man den Mechansmus chemscher Reaktonen, so wrd man dese enersets mt enem mkroskopschen oder knetschen Blck auf

Mehr

VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE

VERGLEICH 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

Mehr

Einführung in Origin 8 Pro

Einführung in Origin 8 Pro Orgn 8 Pro - Enführung 1 Enführung n Orgn 8 Pro Andreas Zwerger Orgn 8 Pro - Enführung 2 Überscht 1) Kurvenft, was st das nochmal? 2) Daten n Orgn mporteren 3) Daten darstellen / plotten 4) Kurven an Daten

Mehr

ISO 717 Neues Beurteilungssystem für die Schalldämmung in Gebäuden

ISO 717 Neues Beurteilungssystem für die Schalldämmung in Gebäuden 4. HolzBauSpezal Akustk & Brandschutz 2013 ISO 717 Neues Beurtelungssystem für de Schalldämmung n Gebäuden W. Scholl 1 ISO 717 Neues Beurtelungssystem für de Schalldämmung n Gebäuden Werner Scholl Wedtlenstedt

Mehr

Standardnormalverteilung / z-transformation

Standardnormalverteilung / z-transformation Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ

Mehr

Rainer Diaz-Bone/Harald Künemund. Einführung in die binäre logistische Regression

Rainer Diaz-Bone/Harald Künemund. Einführung in die binäre logistische Regression Free Unverstät Berln Fachberech Poltk u. Sozalwssenschaften Insttut für Sozologe Abtelung Methodenlehre und Statstk Garystr. 55 14195 Berln Raner Daz-Bone/Harald Künemund Enführung n de bnäre logstsche

Mehr

Man unterscheidet zwischen gewichteten und ungewichteten Faktorwerten.

Man unterscheidet zwischen gewichteten und ungewichteten Faktorwerten. Faktorwerte Da es das Zel der Faktorenanalyse st, de Zahl der Kennwerte zu reduzeren (aus velen Items sollen deutlch wenger Faktoren resulteren, st es nötg, Kennwerte für de Ausprägungen der Personen n

Mehr

Der Satz von COOK (1971)

Der Satz von COOK (1971) Der Satz von COOK (1971) Voraussetzung: Das Konzept der -Band-Turng-Maschne (TM) 1.) Notatonen: Ene momentane Beschrebung (mb) ener Konfguraton ener TM st en -Tupel ( α1, α2,..., α ) mt α = xqy, falls

Mehr

SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT

SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT Smulaton von Hybrdfahrzeugantreben mt optmerter Synchronmaschne 1 SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT OPTIMIERTER SYNCHRONMASCHINE H. Wöhl-Bruhn 1 EINLEITUNG Ene Velzahl von Untersuchungen hat sch

Mehr

Entscheidungsprobleme der Marktforschung (1)

Entscheidungsprobleme der Marktforschung (1) Prof. Dr. Danel Baer. Enführung 2. Informatonsbedarf 3. Datengewnnung 2. Informatonsbedarf Entschedungsprobleme der () Informatonsbedarf Art Qualtät Menge Informatonsbeschaffung Methodk Umfang Häufgket

Mehr

BAM-Leitfaden zur Ermittlung von Messunsicherheiten bei quantitativen Prüfergebnissen 1. Fassung 11. vom März 2004

BAM-Leitfaden zur Ermittlung von Messunsicherheiten bei quantitativen Prüfergebnissen 1. Fassung 11. vom März 2004 Dr. rer. nat. Werner Hässelbarth BAM-Letfaden zur Ermttlung von Messunscherheten be quanttatven Prüfergebnssen. Fassung. vom März 004 Forschungsbercht 66 Berln 004 Autor: Textbeträge: Redakton: Fregabe:

Mehr

KOMBINIERTE STICHPROBEN FÜR TELEFONUMFRAGEN - ANSÄTZE IN EUROPA

KOMBINIERTE STICHPROBEN FÜR TELEFONUMFRAGEN - ANSÄTZE IN EUROPA Hoffmann: Kombnerte Stchproben für Telefonumfragen - Ansätze n Europa 47 KOMBINIERTE STICHPROBEN FÜR TELEFONUMFRAGEN - ANSÄTZE IN EUROPA HERMANN HOFFMANN Abstract: In etlchen europäschen Ländern st de

Mehr

HAT DIE WAHL DES PERFORMANCEMAßES EINEN EINFLUSS

HAT DIE WAHL DES PERFORMANCEMAßES EINEN EINFLUSS HAT DIE WAHL DES PERFORMANCEMAßES EINEN EINFLUSS AUF DIE BEURTEILUNG VON HEDGEFONDS-INDIZES? MARTIN ELING FRANK SCHUHMACHER WORKING PAPERS ON RISK MANAGEMENT AND INSURANCE NO. 10 EDITED BY HATO SCHMEISER

Mehr

ALBERT-LUDWIGS-UNIVERSITÄT FREIBURG INSTITUT FÜR INFORMATIK

ALBERT-LUDWIGS-UNIVERSITÄT FREIBURG INSTITUT FÜR INFORMATIK ALBERT-LUDWIGS-UNIVERSITÄT FREIBURG INSTITUT FÜR INFORMATIK Arbetsgruppe Autonome Intellgente Systeme Prof. Dr. Wolfram Burgard Lernen von Lnenmodellen aus Laserscannerdaten für moble Roboter Dplomarbet

Mehr

VERGLEICH EINER EXPERIMENTELLEN UND SIMULATIONSBASIERTEN SENSITIVITÄTSANALYSE EINER ADAPTIVEN ÖLWANNE

VERGLEICH EINER EXPERIMENTELLEN UND SIMULATIONSBASIERTEN SENSITIVITÄTSANALYSE EINER ADAPTIVEN ÖLWANNE VERGLEICH EINER EXPERIMENTELLEN UND SIMULATIONSBASIERTEN SENSITIVITÄTSANALYSE EINER ADAPTIVEN ÖLWANNE Y. L*, S-O. Han*, T. Pfeffer** *) Fachgebet Systemzuverlässgket und Maschnenakustk, TU Darmstadt **)

Mehr

Qualitative Evaluation einer interkulturellen Trainingseinheit

Qualitative Evaluation einer interkulturellen Trainingseinheit Qualtatve Evaluaton ener nterkulturellen Tranngsenhet Xun Luo Bettna Müller Yelz Yldrm Kranng Zur Kulturgebundenhet schrftlcher und mündlcher Befragungsmethoden und hrer Egnung zur Evaluaton m nterkulturellen

Mehr