Das Rasch-Modell: Modellprüfung & Informationskriterien. Vortrag von Manuela Gärtner, Jörg-Henrik Heine und Sarah Hofer
|
|
- Nelly Rosenberg
- vor 8 Jahren
- Abrufe
Transkript
1 Das Rasch-Modell: Modellprüfung & Informationskriterien Vortrag von Manuela Gärtner, Jörg-Henrik Heine und Sarah Hofer 1
2 Gliederung 1. Einführung 2. Vorstellung des Beispieldatensatzes: I-S-T 2000 R 3. Grafischer Modelltest 4. Globale Modelltests 5. Parametrischer Bootstrap 6. Das Mixed-Rasch-Modell 7. Informationskriterien 8. Lokale Modellverletzungen 9. Zusammenfassung 2
3 1. Einführung 3 Grundfrage: Wie gut passt das angewandte Testmodell auf die erhobenen Daten? Frage nach der Modellgültigkeit Lösungsversuch: Modellgeltungstests aber: Frage nach Modellgültigkeit nicht definitiv zu beantworten, aufgrund der zwangsläufig willkürlichen Grenzziehung zwischen Passung und Nicht-Passung der unterschiedlichen Komplexität verschiedener Modelle Einfachheitskriterium & Geltungsbereich einer Theorie
4 1. Einführung Einfachheitskriterium möglichst gute Passung unter möglichst wenigen und einfachen Annahmen bei gleichem Geltungsbereich wie ein komplexeres Modell 4 Geltungsbereich entspricht i.a. für alle konkurrierenden Testmodelle dem durch die erhobenen Daten festgelegten Realitätsausschnitt bei Vorerfahrungen mit der Thematik (momentaner Forschungsstand) auch größere Realitätsausschnitte als Geltungsbereich auffassbar
5 1. Einführung bei der Prüfung auf Modellgültigkeit zu beachten: 5 I. Wie gut erklärt das Modell die Daten? Kriterium der empirischen Gültigkeit II. III. Mit welchem Aufwand geschieht dies? Einfachheitskriterium Wie gut läuft das Modell mit dem Forschungsstand konform? Geltungsbereich Gewichtungsproblem
6 1. Einführung Welche Modellgeltungstests gibt es nun? globale (over-all) Modelltests inferenz-statistische Entscheidung über Passung bzw. Nichtpassung geläufige Prüfgrößen: Likelihoodquotient und Chiquadrat Statistik Informationskriterien relative Modellvergleiche AIC BIC CAIC 6 bootstrap-methode
7 1. Einführung Modellgeltungstests im Rahmen des Rasch-Modells prüfen: Additivität der Personen- und Itemparameter erschöpfende Statistiken spezifische Objektivität Eindimensionalität (lokale stochastische Unabhängigkeit) gleiche Trennschärfen passt Modell Test ist Rasch-konform separate Testung einzelner Annahmen möglich 7
8 2. I-S-T 2000 R 8 zeitbegrenzter Intelligenz-Struktur-Test Erscheinungsjahr: 1973 entwickelt von D. Liepmann, A. Beauducel, B. Brocke und R. Amthauer einzusetzen für Jugendliche ab 15 Jahren und Erwachsene in Einzel- oder Gruppentestung Aufgabengruppen: Satzergänzung, Analogien, Gemeinsamkeiten, Zahlenreihen, Figurenauswahl, Würfelaufgaben, Rechenaufgaben ohne verbalen Anteil, Vorzeichenaufgaben und Matrizenaufgaben sowie ein Test zum Allgemeinwissen
9 2. I-S-T 2000 R 9 Erfassung von 11 Fähigkeiten: verbale Intelligenz figural-räumliche Intelligenz rechnerische Intelligenz figurale Merkfähigkeit schlussfolgerndes Denken verbales Wissen figural-bildhaftes Wissen numerisches Wissen Wissen (Gesamt) fluide und kristallisierte Intelligenz
10 2. I-S-T 2000 R Beispieldatensatz Aufgaben zur Figurenauswahl erfassen: schlussfolgerndes Denken mit figuralem Material N = Items (1121 bis 1140) 10 runde Figuren (1121 bis 1130) 10 eckige Figuren (1131 bis 1140) 10
11 11 Beispiele für die Figurenauswahl
12 3. Grafischer Modelltest nimmt an, Test messe in jeder beliebigen Teilstichprobe dieselbe Fähigkeit oder Eigenschaft Test für alle Personen homogen (Personenhomogenität) Erwartung, wenn Rasch-Modell gilt: 12 Itemparameter in allen Teilstichproben gleich
13 3. Grafischer Modelltest Aufspalten der vorliegenden Stichprobe in zwei Teilstichproben (z.b. am Median der Leistung) Bestimmen der Itemparameter für beide Teilstichproben separat Eintragen der Itemparameter in ein Streudiagramm Itemparameter bilden Winkelhalbierende (absolute Übereinstimmung) 13 Annahme von Personenhomogenität und Modellgeltung
14 14
15 3. Grafischer Modelltest Nachteile Ergebnis möglicherweise aufteilungsabhängig Standardfehler der Itemparameter meist nicht berücksichtigt kein globaler Signifikanztest Vorteile anschaulich Entdeckung ungünstiger Items möglich Möglichkeit der Interpretation von Abweichungen 15
16 4. Globale Modelltests Der Pearson χ 2 -Test Bedingter Likelihood-Quotienten Test Likelihood-Quotienten-Test gegen das saturierte Modell 16
17 Der Pearson χ 2 -Test Oberstes Kriterium zur Prüfung der Modelgültigkeit ist die Vorhersage der Patternhäufigkeit (in den empirisch gefundenen Daten). Ein Antwortpattern kann im dichotomen Fall z.b. so aussehen: d.h. das Antwortpattern umfasst insgesamt 5 Items, wobei die ersten drei Items richtig und die letzten beiden falsch beantwortet wurden. Beim Pearson χ 2 -Test werden die vom Modell vorhergesagten Patternhäufigkeiten mit den empirisch beobachteten verglichen. 17 Es wird beim Test die Gesamtheit aller Abweichungen berücksichtigt.
18 Der Pearson χ 2 -Test 1. Berechnung des χ 2 - Wertes: " 2 = ( o x # e x ) 2 $ x e x o x e x = beobachtete Häufigkeit des Patterns x = erwartetet Häufigkeit des Patterns x " = Summe über alle Pattern x x 2. Berechnung der Freiheitsgrade: df = m k " n p "1 m k n p = Anzahl der Antwortkategorien = Anzahl der Items = Anzahl unabhängiger Modellparameter 3. Prüfung der errechneten χ 2 -verteilten Prüfgröße auf Signifikanz. 18
19 Likelihood-Quotienten-Tests Allgemeine Prinzipien und Vorgehen 1. Berechnung der Likelihood der Daten unter bestimmten Modell-Annahmen 2. Berechnung des Quotienten aus den Likelihoods 3. Überführung in eine χ 2 -verteilte Prüfgröße 4. Signifikanzprüfung Bedingter Likelihood-Quotienten-Test (Anderson Modelltest) Likelihood-Quotienten-Test gegen das saturierte Modell 19
20 Bedingter Likelihood-Quotienten Test 1. Berechnung der bedingten Likelihood cl 0 der Daten unter der Annahme, dass das Rasch-Modell in der Gesamtstichprobe gilt. cl 0 = N " v=1 p( x v r ) v Patternwahrscheinlichkeit der Person v unter der Bedingung ihres jeweiligen Summenscores r v. N " v=1 = Multiplikation über alle Personen v Es lässt sich zeigen, dass sich die bedingte Patternwahrscheinlichkeit als Funktion der Itemparameter darstellen lässt, in der die Parameter Θ v nicht mehr enthalten sind. (Ableitung: Rost (2004), S.126.) 20
21 Bedingter Likelihood-Quotienten Test 2. Berechnung der beiden bedingten Likelihoods cl niedrig und cl hoch der Daten unter der Annahme, dass das Rasch-Modell in der jeweiligen Teilstichprobe gilt. cl hoch = n " = Multiplikation über alle Personen aus der jeweiligen Teilstichprobe v=1 N " v=1 p( x v r ) v cl niedrig = N " v=1 p( x v r ) v Es wird also modelliert, welche Antwortmuster die Personen unter der Bedingung Ihres (Summen-)Scores produzieren. Die Wahrscheinlichkeiten eines bestimmten Scores werden hier nicht berücksichtigt. 21
22 Bedingter Likelihood-Quotienten Test 3. Bilden des Quotienten aus den berechneten Likelihoods und Überführung in eine χ 2 verteilte Prüfgröße durch Transformation mit -2log. $ cl ' " 2 = #2log 0 & % cl niedrig cl ) hoch ( Berechnung der Freiheitsgrade: ( ) " k 0 "1 df = k niedrig "1+ k hoch "1 ( ) Da die Wahrscheinlichkeiten eines bestimmten Scores hier nicht berücksichtigt werden, hat die cl wegen der Summennormierung der k Itemparameter k-1 unabhängige Modellparameter. 4. Prüfung der errechneten χ 2 -verteilten Prüfgröße auf Signifikanz. 22
23 Bedingter Likelihood-Quotienten Test Besteht eine Hypothese darüber für welche Personengruppen sich die Itemparameter unterscheiden, kann diese Personenheterogenität mit dem bedingten Likelihood-Quotienten-Test überprüft werden. Ein häufiges Teilungskriterium nach Rost (2004) ist der Summenscore der Personen (hoch scorende vs. niedrig scorende Personen siehe Beispiel). 23 Problematisch ist dabei... Das Kriterium zur Teilung der Stichprobe N in die Teilstichproben ist im Prinzip nicht eindeutig definiert. Es gibt theoretisch unendlich viele Teilungskriterien wie z.b. Geschlecht, Alter, Körpergröße, etc.... Es kann Personenheterogenität vorliegen die man mit einem manifesten Teilungskriterium nicht findet.
24 Likelihood-Quotienten-Test gegen das saturierte Modell Berechnung der Likelihood L Rasch-Modell der Daten unter der Annahme, dass das Raschmodel in der Stichprobe gilt. Es wird dabei die Likelihood des unrestringierten Rasch-Modells berechnet. N " v=1 x vi L Rasch"Modell = N % v=1 k % i=1 k " i=1 exp[ x ( vi # v "$ )] i 1+ exp (# v "$ ) i = Multiplikation über alle Personen = Multiplikation über alle Items = Wert einer Person v für das Item i (im Datenbeispiel 0 für nicht gelöst und 1 für gelöst) Diese Gleichung lässt sich so umformen, dass in ihr nur noch die Summenscores der Datenmatrix enthalten sind. (Ableitung: Rost (2004), S )
25 Likelihood-Quotienten-Test gegen das saturierte Modell 2. Berechnung der Likelihood des Saturierten Modells L sat. Dazu werden einfach die relativen Häufigkeiten der beobachteten Antwortpattern aufmultipliziert. L sat = ( x ( ) N " n x $ # % ' & n( x) " = Multiplikation über alle Antwortpattern x n( x) = absolute Häufigkeit eines Antwortpatterns Inhaltlich bedeutet dies, dass bezüglich des Zustandekommens der empirischen Daten der Stichprobe keinerlei Modellannahmen gemacht werden. 25 Die Wahrscheinlichkeiten werden aus den relativen Häufigkeiten in der Datenmatrix geschätzt.
26 Likelihood-Quotienten-Test gegen das saturierte Modell 3. Bilden des Quotienten aus den berechneten Likelihoods und Überführung in eine χ 2 verteilte Prüfgröße durch Transformation mit -2log. $ " 2 = #2log L ' Rasch#Modell & ) % ( L sat Berechnung der Freiheitsgrade (bei dichotomen Items m=2): df = m k "1 ( ) " 2k "1 ( ) In Vergleich zur cl fließen beim unrestringierten RM noch die k+1 Scorewahrscheinlichkeiten mit ein, von denen aber nur k unabhängig sind. Das unrestringierte RM hat daher k-1+k = 2k-1 unabhängige Modellparameter Rost (2004), S Prüfung der errechneten χ 2 -verteilten Prüfgröße auf Signifikanz. 26
27 Likelihood-Quotienten-Test gegen das saturierte Modell Der Test gegen das saturierte Modell stellt das höchste Testkriterium dar. Das Saturierte Modell ist das gemeinsame Obermodell von allen Modellen eines Datensatzes. Es ist möglich, das mehrere Modelle den Test gegen das saturierte Modell aushalten. Entscheidung für das beste von mehreren passenden Modellen mit informationstheoretischen Maßen für den Modellvergleich möglich. 27
28 Beispiele und Outputs globale Modelltests 1 m k "1 # 2 20 "1 Anzahl der möglichen Pattern minus Anzahl unabhängiger Modellparameter des unrestringierten RM 3 3 χ 2 -verteilte Prüfgröße des Pearson χ 2 -Tests 4 4 χ 2 -verteilte Prüfgröße des Quotienten Tests 5 5 Freiheitsgrade der errechneten Prüfgröße 28
29 Problematik mit der Prüfstatistik Damit die berechnete Prüfgröße des Likelihood-Quotiententests und des Pearson χ 2 -Tests tatsächlich χ 2 verteilt sind, muss nach Rost (2004) jedes Antwortpattern mindestens einmal beobachtet werden. Diese Vorraussetzung ist allerdings selten gegeben. (insbesondere bei längeren Tests und geringen Stichproben) Die Lösung: Bootstrapping D.h., Berechnung einer Verteilung anhand simulierter Daten mit den zuvor geschätzten Modellparametern. 29
30 Beispiele und Outputs globale Modelltests Der obere Wert ist der Quotient aus der Anzahl der empirisch beobachteten und der möglichen Pattern. n x m = 262 k Der untere Wert gibt die Anzahl der nicht beobachteten Pattern an. 2 Dieser Wert ist der Quotient aus der Anzahl der Probanden N und der Anzahl der möglichen Pattern m k " n x = 2 20 " 262 N m = 285 k 2 20
31 5. Parametrischer Bootstrap Vorgehen / Prinzip Schätzung der Modellparameter (anhand der Stichprobe). Resimulation von modellkonformen Stichproben, z.b. 400 (anhand der geschätzten Modellparameter). Berechnung der Prüfgröße für jede simulierte Stichprobe (z.b. den χ 2 - Wert). Erzeugung einer Verteilung der errechneten Werte der berechneten Prüfgrößen. Vergleich des empirischen Wertes der Prüfgröße des Datensatzes mit der erzeugten Verteilung aus den simulierten Daten. 31
32 Beispiele und Outputs parametrischer Bootstrap 32 Mit den geschätzten Modellparametern wurden in diesem Beispiel 400 simulierte Stichproben erzeugt und deren jeweilige Prüfgrößen ausgegeben.
33 Beispiele und Outputs parametrischer Bootstrap 95% der χ 2 Werte aus den simulierten Daten 5% der χ 2 Werte aus den simulierten Daten
34 Fazit aus diesem Beispiel Der Untertest Figurenauswahl des I-S-T 2000 R ist in der vorliegenden Form für diese Stichprobe nicht Rasch-skalierbar. Die von den Testpersonen erzielten Summenscores sind keine suffizienten Statistiken. Zur umfassenden Interpretation der Testleistung einer Person wäre im Prinzip die Betrachtung ihres Antwortmusters nötig. 34
35 Ursachen für die globale Modellverletzungen Itemheterogenität Der Test bzw. die Items sind nicht eindimensional. Prüfung durch den Martin-Löf-Test Prüfung durch eine Faktorenanalyse Personenheterogenität Die Testpersonen in dieser Stichprobe nutzen unterschiedliche Fähigkeiten zur Lösung der Items. Prüfung mit dem Mixed-Rasch-Modell 35
36 6. Mixed-Rasch-Modell Annahme: Itemschwierigkeit variiert mit der jeweiligen Lösungsstrategie der Person Personen lassen sich in unterschiedliche Klassen einteilen innerhalb der Klassen gilt das Rasch-Modell 36
37 6. Mixed-Rasch-Modell Klassen sind im Voraus nicht bekannt Bilden der Klassen durch trennen der Personen mit maximal unterschiedlichen Antwortmustern 37 Wird das Mixed-Rasch-Modell durch einen Modelltest nicht verworfen Personen benutzen unterschiedliche Strategien zum Lösen der Items
38 6. Mixed-Rasch-Modell Die Formel des Mixed-Rasch-Modells setzt sich zusammen aus Der Wahrscheinlichkeit einer Person v das Item i zu lösen wenn sie in Klasse g ist (1) p(x vi = 1 g) = exp(" vg # $ ig ) 1+ exp(" vg # $ ig ) 38
39 6. Mixed-Rasch-Modell Und der unbedingten Lösungswahrscheinlichkeit (2) wobei p(x vi = 1) = G # g=1 " g " ig " ig = klassenspezifische Wahrscheinlichkeitsparameter " g = Klassengrößenparameter 39
40 6. Mixed-Rasch-Modell Setze für π ig die bedingte Wahrscheinlichkeit (1) ein: G exp(# p(x vi = 1) = " vg $ % ig ) & g 1+ exp(# vg $ % ig ) p(x vi =x) = W'keit, dass eine Person v bei Item i die Kategorie x wählt θ vg = Personenparameter für eine Person v in Klasse g σ ig = Itemparameter eines Items i in Klasse g π g = Klassengrößenparameter = relative Klassengröße G wird a priori festgelegt g=1 40 Es gilt: k #" ig = 0 und #" g = 1 i =1 G g=1
41 6. Mixed-Rasch-Modell Interpretation der Klassen durch Itemparameter der Klasse Quantitative Unterschiede: innerhalb einer Klasse Qualitative Unterschiede: zwischen den Klassen 41
42 6. Mixed-Rasch-Modell 42 nicht signifikant
43 6. Mixed-Rasch-Modell 43 nicht signifikant
44 7. Informationskriterien Welches Modell unter konkurrierenden Modellen ist das Beste? informationstheoretische Maße - Keine hierarchische Beziehung nötig ( nested models ) - Modelle mittels beliebiger Restriktion definiert - Geltung muss nicht nachgewiesen sein - Müssen sich auf dieselben Daten beziehen 44
45 7. Informationskriterien 45 Grundgedanke: Likelihoodquotient: 2 " df =npl 1 #n pl 0 "2log( L 0 L 1 ) = 2(log(L 1 )" log(l 0 )) Spart man durch Restriktion einen Modellparameter ein, bekommt man einen Freiheitsgrad dazu Anstieg der Signifikanzgrenze um etwa 2 Pro eingespartem Parameter sollte Log-Likelihood um ungefähr einen Punkt sinken Abwägen von Parameteranzahl und Wert der Log- Likelihood
46 7. Informationskriterien AIC = "2log(L) + 2n p Akaike Information Criterion Abwägung von Parameteranzahl n p und Likelihoodwert ohne weitere Gewichtung n p geht strafend ein (allerdings unabhängig von Stichprobengröße) Modell mit dem kleinsten AIC sollte gewählt werden 46
47 7. Informationskriterien BIC = "2log(L) + log(n) # n p Bayes Information Criterion Parameteranzahl wird mit dem Logarithmus der Stichprobengröße N gewichtet (sinnvoll bei großen Datensätzen) Einfachheitskriterium wird stärker berücksichtigt 47
48 7. Informationskriterien CAIC = "2log(L) + log(n) # n p + n p Consistent AIC Korrektur des AIC 48
49 7. Informationskriterien AIC = "2log(L) + 2n p BIC = "2log(L) + log(n) # n p CAIC = "2log(L) + log(n) # n p + n p 49 AIC bei kleinen Itemanzahlen mit großen Patternhäufigkeiten BIC bei großen Itemanzahlen und kleinen Patternhäufigkeiten Bei gleicher Modellanpassung wird das weniger komplexe bevorzugt Keine Aussage möglich über die Stärke der Abweichung zum optimalen saturierten Modell Keine Ersetzung des Signifikanztests, sondern Ergänzung
50 7. Informationskriterien 2 Klassen: 3 Klassen: 50 -Nach AIC ist das MRM mit 3 Klassen das besser passende -BIC und CAIC bewerten das MRM mit 2 Klassen besser
51 8. Lokale Modellverletzungen Betrachtung einzelner Items und Personen Betrachtung der Antwortpattern auffälliges Pattern einer Person Personen Fit-Indizes auffälliges Pattern eines Items Item Fit-Indizes: Q-Indizes Personenfähigkeit steigt an VP Sarah Jörg Manuela Item Item Item Item Itemschwierigkeit steigt an
52 Maße der Verteilung der Personen Fit-Indizes (z-werte) z-wert kleiner als -1.96, hohe negative Schiefe Personen zeigen eher keine rasch-konformen Antwortmuster z-wert größer als +1.96, hohe positive Schiefe Personen zeigen eher überangepasstes Antwortverhalten Kurtosis kleiner 0 breitgipflige Verteilung mit einigen extremen Personen Fit-Indizes 52
53 8. Lokale Modellverletzungen Q-Index (Trennschärfekoeffizient) zeigt an, wie wahrscheinlich ein Antwortpattern eines Items unter den gegebenen Modellparametern ist variiert zwischen 0 und 1 Werte liegen gewöhnlich zwischen 0.1 und
54 8. Lokale Modellverletzungen Q-Index = 0 beobachtetes Antwortmuster eines Items entspricht demjenigen mit maximaler Trennschärfe Q-Index = 0.5 zufälliges Antwortmuster mit entsprechender Trennschärfe von 0 Q-Index = 1 beobachtetes Antwortmuster eines Items entspricht demjenigen mit geringster Trennschärfe Q-Index = 0 Q-Index = 0.5 Q-Index = 1 54
55 8. Lokale Modellverletzungen Q-Index: Signifikanzprüfung (z-wert) liegt Antwortmuster eines Items signifikant über oder unter dem bei Modellgeltung zu erwartenden Muster 55 Item-Under-Fit Antwortmuster signifikant schlechter als erwartetes Muster Item ungeeignet positiver z-wert Item-Over-Fit Antwortmuster signifikant besser als erwartetes Muster Item zu gut geeignet negativer z-wert
56 Welche Items schmeißt man raus? Under-Fit Items Over-Fit Items, wenn lokale stochastische Unabhängigkeit verletzt stets inhaltlichen Sinngehalt bedenken 56 Under-Fit (-) positiver z-wert Over-Fit (+) negativer z-wert
57 57
58 Mindmap - Ausblick - Diskussion Globaler Modelltest Rasch Modell Test wird nicht signifikant Raschmodell passt / Teststärke? Summenscore = suffiziente Statistik Keine Betrachtung der Antwortpattern Spezifische Objektivität Eindimensionalität Test wird signifikant Ist die Abweichung vom Modell praktisch bedeutsam? Teststärke? globale Ursachen Mixed-Rasch-Modell Gute Modelle zur Erklärung der Daten, aber diagnostisch unbefriedigend Auswahl eines Modells aus mehreren passenden mit AIC, BIC, CAIC Faktorenanalyse / Martin Löf-Test Lösung? Konstruktion von besseren Items mit linearlogistischen Testmodellen (LLTM) lokale Ursachen Personenselektion Itemselektion Personenheterogenität Itemheterogenität Q-Indizes, (Infit- und Outfitmaße) Items stets auch inhaltlich inspizieren Ausschluss von Personen aus der Stichprobe u.u. schwer begründbar Personen Fit-Indizes
59 Vielen Dank für Eure Aufmerksamkeit und schöne Semesterferien 59
1.3 Die Beurteilung von Testleistungen
1.3 Die Beurteilung von Testleistungen Um das Testergebnis einer Vp zu interpretieren und daraus diagnostische Urteile ableiten zu können, benötigen wir einen Vergleichsmaßstab. Im Falle des klassischen
MehrW-Rechnung und Statistik für Ingenieure Übung 11
W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrStatistische Auswertung:
Statistische Auswertung: Die erhobenen Daten mittels der selbst erstellten Tests (Surfaufgaben) Statistics Punkte aus dem Punkte aus Surftheorietest Punkte aus dem dem und dem Surftheorietest max.14p.
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
Mehr15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit
5.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit Einführendes Beispiel ( Erhöhung der Sicherheit bei Flugreisen ) Die statistische Wahrscheinlichkeit, dass während eines Fluges ein Sprengsatz an Bord
MehrTutorial: Homogenitätstest
Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite
MehrÜbersicht zur Veranstaltung
Übersicht zur Veranstaltung Psychometrie: Teil 1 Itemschwierigkeit Bedeutung der Itemschwierigkeit Bestimmung der Itemschwierigkeit Die Prüfung von Schwierigkeitsunterschieden Trennschärfe Bedeutung der
MehrEinfache Varianzanalyse für abhängige
Einfache Varianzanalyse für abhängige Stichproben Wie beim t-test gibt es auch bei der VA eine Alternative für abhängige Stichproben. Anmerkung: Was man unter abhängigen Stichproben versteht und wie diese
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrR ist freie Software und kann von der Website. www.r-project.org
R R ist freie Software und kann von der Website heruntergeladen werden. www.r-project.org Nach dem Herunterladen und der Installation von R kann man R durch Doppelklicken auf das R-Symbol starten. R wird
Mehr6. Bayes-Klassifikation. (Schukat-Talamazzini 2002)
6. Bayes-Klassifikation (Schukat-Talamazzini 2002) (Böhm 2003) (Klawonn 2004) Der Satz von Bayes: Beweis: Klassifikation mittels des Satzes von Bayes (Klawonn 2004) Allgemeine Definition: Davon zu unterscheiden
MehrBerechnung der Erhöhung der Durchschnittsprämien
Wolfram Fischer Berechnung der Erhöhung der Durchschnittsprämien Oktober 2004 1 Zusammenfassung Zur Berechnung der Durchschnittsprämien wird das gesamte gemeldete Prämienvolumen Zusammenfassung durch die
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt. Stock, Nordflügel R. 0-49 (Persike) R. 0- (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 008/009 Fachbereich
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de
Mehr1 topologisches Sortieren
Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrMETHODENLEHRE I WS 2013/14 THOMAS SCHÄFER
METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
MehrQM: Prüfen -1- KN16.08.2010
QM: Prüfen -1- KN16.08.2010 2.4 Prüfen 2.4.1 Begriffe, Definitionen Ein wesentlicher Bestandteil der Qualitätssicherung ist das Prüfen. Sie wird aber nicht wie früher nach der Fertigung durch einen Prüfer,
MehrEin Vorwort, das Sie lesen müssen!
Ein Vorwort, das Sie lesen müssen! Sehr geehrte Teilnehmerin, sehr geehrter Teilnehmer am Selbststudium, herzlichen Glückwunsch, Sie haben sich für ein ausgezeichnetes Stenografiesystem entschieden. Sie
MehrTipp III: Leiten Sie eine immer direkt anwendbare Formel her zur Berechnung der sogenannten "bedingten Wahrscheinlichkeit".
Mathematik- Unterrichts- Einheiten- Datei e. V. Klasse 9 12 04/2015 Diabetes-Test Infos: www.mued.de Blutspenden werden auf Diabetes untersucht, das mit 8 % in der Bevölkerung verbreitet ist. Dabei werden
MehrMelanie Kaspar, Prof. Dr. B. Grabowski 1
7. Hypothesentests Ausgangssituation: Man muss sich zwischen 2 Möglichkeiten (=Hypothesen) entscheiden. Diese Entscheidung soll mit Hilfe von Beobachtungen ( Stichprobe ) getroffen werden. Die Hypothesen
MehrChemie Zusammenfassung KA 2
Chemie Zusammenfassung KA 2 Wärmemenge Q bei einer Reaktion Chemische Reaktionen haben eine Gemeinsamkeit: Bei der Reaktion wird entweder Energie/Wärme frei (exotherm). Oder es wird Wärme/Energie aufgenommen
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrLineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
MehrAbituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler
MehrErfahrungen mit Hartz IV- Empfängern
Erfahrungen mit Hartz IV- Empfängern Ausgewählte Ergebnisse einer Befragung von Unternehmen aus den Branchen Gastronomie, Pflege und Handwerk Pressegespräch der Bundesagentur für Arbeit am 12. November
MehrÜberblick über die Verfahren für Ordinaldaten
Verfahren zur Analyse ordinalskalierten Daten 1 Überblick über die Verfahren für Ordinaldaten Unterschiede bei unabhängigen Stichproben Test U Test nach Mann & Whitney H Test nach Kruskal & Wallis parametrische
MehrFestigkeit von FDM-3D-Druckteilen
Festigkeit von FDM-3D-Druckteilen Häufig werden bei 3D-Druck-Filamenten die Kunststoff-Festigkeit und physikalischen Eigenschaften diskutiert ohne die Einflüsse der Geometrie und der Verschweißung der
MehrProzentrechnung. Wir können nun eine Formel für die Berechnung des Prozentwertes aufstellen:
Prozentrechnung Wir beginnen mit einem Beisiel: Nehmen wir mal an, ein Handy kostet 200 und es gibt 5% Rabatt (Preisnachlass), wie groß ist dann der Rabatt in Euro und wie viel kostet dann das Handy? Wenn
MehrBinäre Bäume. 1. Allgemeines. 2. Funktionsweise. 2.1 Eintragen
Binäre Bäume 1. Allgemeines Binäre Bäume werden grundsätzlich verwendet, um Zahlen der Größe nach, oder Wörter dem Alphabet nach zu sortieren. Dem einfacheren Verständnis zu Liebe werde ich mich hier besonders
MehrWachstum 2. Michael Dröttboom 1 LernWerkstatt-Selm.de
1. Herr Meier bekommt nach 3 Jahren Geldanlage 25.000. Er hatte 22.500 angelegt. Wie hoch war der Zinssatz? 2. Herr Meiers Vorfahren haben bei der Gründung Roms (753. V. Chr.) 1 Sesterze auf die Bank gebracht
MehrRepetitionsaufgaben Wurzelgleichungen
Repetitionsaufgaben Wurzelgleichungen Inhaltsverzeichnis A) Vorbemerkungen B) Lernziele C) Theorie mit Aufgaben D) Aufgaben mit Musterlösungen 4 A) Vorbemerkungen Bitte beachten Sie: Bei Wurzelgleichungen
MehrInventur. Bemerkung. / Inventur
Inventur Die beliebige Aufteilung des Artikelstamms nach Artikeln, Lieferanten, Warengruppen, Lagerorten, etc. ermöglicht es Ihnen, Ihre Inventur in mehreren Abschnitten durchzuführen. Bemerkung Zwischen
Mehr1 MIO ÖSTERREICHISCHE SKIFAHRER SCHÜTZEN SICH BEREITS MIT HELM - UM 370.000 MEHR ALS IM VORJAHR
1 MIO ÖSTERREICHISCHE SKIFAHRER SCHÜTZEN SICH BEREITS MIT HELM - UM 370.000 MEHR ALS IM VORJAHR 3/09 1 MIO ÖSTERREICHISCHE SKIFAHRER SCHÜTZEN SICH BEREITS MIT HELM - UM 370.000 MEHR ALS IM VORJAHR Mehr
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
MehrAnleitung über den Umgang mit Schildern
Anleitung über den Umgang mit Schildern -Vorwort -Wo bekommt man Schilder? -Wo und wie speichert man die Schilder? -Wie füge ich die Schilder in meinen Track ein? -Welche Bauteile kann man noch für Schilder
MehrEinfache statistische Auswertungen mit dem Programm SPSS
Einfache statistische Auswertungen mit dem Programm SPSS Datensatz: fiktive_daten.sav Dipl. Päd. Anne Haßelkus Dr. Dorothea Dette-Hagenmeyer 11/2011 Überblick 1 Deskriptive Statistiken; Mittelwert berechnen...
MehrIn konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert.
Konstante Modelle: In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert. Der prognostizierte Wert für die Periode T+i entspricht
MehrZahlenwinkel: Forscherkarte 1. alleine. Zahlenwinkel: Forschertipp 1
Zahlenwinkel: Forscherkarte 1 alleine Tipp 1 Lege die Ziffern von 1 bis 9 so in den Zahlenwinkel, dass jeder Arm des Zahlenwinkels zusammengezählt das gleiche Ergebnis ergibt! Finde möglichst viele verschiedene
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
MehrSkript und Aufgabensammlung Terme und Gleichungen Mathefritz Verlag Jörg Christmann Nur zum Privaten Gebrauch! Alle Rechte vorbehalten!
Mathefritz 5 Terme und Gleichungen Meine Mathe-Seite im Internet kostenlose Matheaufgaben, Skripte, Mathebücher Lernspiele, Lerntipps, Quiz und noch viel mehr http:// www.mathefritz.de Seite 1 Copyright
MehrErstellen von x-y-diagrammen in OpenOffice.calc
Erstellen von x-y-diagrammen in OpenOffice.calc In dieser kleinen Anleitung geht es nur darum, aus einer bestehenden Tabelle ein x-y-diagramm zu erzeugen. D.h. es müssen in der Tabelle mindestens zwei
Mehr4. Versicherungsangebot
4. Versicherungsangebot Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Versicherungsangebot 1 / 13 1. Einleitung 1.1 Hintergrund In einem grossen Teil
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrPTV VISWALK TIPPS UND TRICKS PTV VISWALK TIPPS UND TRICKS: VERWENDUNG DICHTEBASIERTER TEILROUTEN
PTV VISWALK TIPPS UND TRICKS PTV VISWALK TIPPS UND TRICKS: VERWENDUNG DICHTEBASIERTER TEILROUTEN Karlsruhe, April 2015 Verwendung dichte-basierter Teilrouten Stellen Sie sich vor, in einem belebten Gebäude,
MehrAGROPLUS Buchhaltung. Daten-Server und Sicherheitskopie. Version vom 21.10.2013b
AGROPLUS Buchhaltung Daten-Server und Sicherheitskopie Version vom 21.10.2013b 3a) Der Daten-Server Modus und der Tresor Der Daten-Server ist eine Betriebsart welche dem Nutzer eine grosse Flexibilität
MehrWir arbeiten mit Zufallszahlen
Abb. 1: Bei Kartenspielen müssen zu Beginn die Karten zufällig ausgeteilt werden. Wir arbeiten mit Zufallszahlen Jedesmal wenn ein neues Patience-Spiel gestartet wird, muss das Computerprogramm die Karten
MehrLU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.
Zusätze zum Gelben Rechenbuch LU-Zerlegung Peter Furlan Verlag Martina Furlan Inhaltsverzeichnis Definitionen 2 (Allgemeine) LU-Zerlegung 2 3 Vereinfachte LU-Zerlegung 3 4 Lösung eines linearen Gleichungssystems
MehrGroßbeerener Spielplatzpaten
Großbeerener Spielplatzpaten 1. Vorwort 2. Die Idee 3. Das Ziel 4. Die Spielplatzpaten 5. Die Aufgaben der Paten 6. Die Aufgaben der Gemeinde Großbeeren 1. Die Vorwort Die Gemeinde Großbeeren erfreut sich
MehrInfo zum Zusammenhang von Auflösung und Genauigkeit
Da es oft Nachfragen und Verständnisprobleme mit den oben genannten Begriffen gibt, möchten wir hier versuchen etwas Licht ins Dunkel zu bringen. Nehmen wir mal an, Sie haben ein Stück Wasserrohr mit der
MehrWERKZEUG KUNDENGRUPPEN BILDEN
Integrierter MarketinXervice Dr. Rüdiger Alte Wilhelm-Busch-Straße 27 99099 Erfurt Tel.: 0361 / 55 45 84 38 WERKZEUG GRUPPEN BILDEN Die folgenden Fragen mögen Ihnen helfen, Kriterien aufzustellen, anhand
MehrErweiterung der Aufgabe. Die Notenberechnung soll nicht nur für einen Schüler, sondern für bis zu 35 Schüler gehen:
VBA Programmierung mit Excel Schleifen 1/6 Erweiterung der Aufgabe Die Notenberechnung soll nicht nur für einen Schüler, sondern für bis zu 35 Schüler gehen: Es müssen also 11 (B L) x 35 = 385 Zellen berücksichtigt
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
MehrIst Fernsehen schädlich für die eigene Meinung oder fördert es unabhängig zu denken?
UErörterung zu dem Thema Ist Fernsehen schädlich für die eigene Meinung oder fördert es unabhängig zu denken? 2000 by christoph hoffmann Seite I Gliederung 1. In zu großen Mengen ist alles schädlich. 2.
MehrUnvoreingenommene Neugier
Grundhaltung: Unvoreingenommene Neugier Das ist die Haltung des Forschers. Er beschäftigt sich nicht mit unbewiesenen Annahmen und Glaubenssätzen, sondern stellt Hypothesen auf und versucht, diese zu verifizieren
MehrSchleswig-Holstein 2011. Kernfach Mathematik
Aufgabe 6: Stochastik Vorbemerkung: Führen Sie stets geeignete Zufallsvariablen und Namen für Ereignisse ein. Machen Sie auch Angaben über die Verteilung der jeweiligen Zufallsvariablen. Eine repräsentative
MehrBewertung des Blattes
Bewertung des Blattes Es besteht immer die Schwierigkeit, sein Blatt richtig einzuschätzen. Im folgenden werden einige Anhaltspunkte gegeben. Man unterscheidet: Figurenpunkte Verteilungspunkte Längenpunkte
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
MehrMedia Teil III. Begriffe, Definitionen, Übungen
Media Teil III. Begriffe, Definitionen, Übungen Kapitel 1 (Intermedia- Vergleich: Affinität) 1 Affinitätsbewertung als Mittel des Intermedia-Vergleichs Um die Streugenauigkeit eines Werbeträgers zu bestimmen,
MehrWillkommen zur Vorlesung Statistik
Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang
MehrExcel Pivot-Tabellen 2010 effektiv
7.2 Berechnete Felder Falls in der Datenquelle die Zahlen nicht in der Form vorliegen wie Sie diese benötigen, können Sie die gewünschten Ergebnisse mit Formeln berechnen. Dazu erzeugen Sie ein berechnetes
MehrLeseprobe. Wilhelm Kleppmann. Versuchsplanung. Produkte und Prozesse optimieren ISBN: 978-3-446-42033-5. Weitere Informationen oder Bestellungen unter
Leseprobe Wilhelm Kleppmann Versuchsplanung Produkte und Prozesse optimieren ISBN: -3-44-4033-5 Weitere Informationen oder Bestellungen unter http://www.hanser.de/-3-44-4033-5 sowie im Buchhandel. Carl
MehrLösung. Prüfungsteil 1: Aufgabe 1
Zentrale Prüfung 01 Lösung Diese Lösung wurde erstellt von Cornelia Sanzenbacher. Sie ist keine offizielle Lösung des Ministeriums für Schule und Weiterbildung des Landes. Prüfungsteil 1: Aufgabe 1 a)
MehrR. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007
R. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007 SG15/25D NAME: Lösungen 1. In einer Packung sind Glühbirnen, davon sind zwei
MehrUnivariates Chi-Quadrat-Verfahren für ein dichotomes Merkmal und eine Messwiederholung: Test nach McNemar
Univariates Chi-Quadrat-Verfahren für ein dichotomes Merkmal und eine Messwiederholung: Test nach McNemar Inhaltsverzeichnis Univariates Chi-Quadrat-Verfahren für ein dichotomes Merkmal und eine Messwiederholung:
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrMediator 9 - Lernprogramm
Mediator 9 - Lernprogramm Ein Lernprogramm mit Mediator erstellen Mediator 9 bietet viele Möglichkeiten, CBT-Module (Computer Based Training = Computerunterstütztes Lernen) zu erstellen, z. B. Drag & Drop
Mehrsondern alle Werte gleich behandelt. Wir dürfen aber nicht vergessen, dass Ergebnisse, je länger sie in der Vergangenheit
sondern alle Werte gleich behandelt. Wir dürfen aber nicht vergessen, dass Ergebnisse, je länger sie in der Vergangenheit liegen, an Bedeutung verlieren. Die Mannschaften haben sich verändert. Spieler
MehrV 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,
Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen
MehrKulturelle Evolution 12
3.3 Kulturelle Evolution Kulturelle Evolution Kulturelle Evolution 12 Seit die Menschen Erfindungen machen wie z.b. das Rad oder den Pflug, haben sie sich im Körperbau kaum mehr verändert. Dafür war einfach
MehrKapitalerhöhung - Verbuchung
Kapitalerhöhung - Verbuchung Beschreibung Eine Kapitalerhöhung ist eine Erhöhung des Aktienkapitals einer Aktiengesellschaft durch Emission von en Aktien. Es gibt unterschiedliche Formen von Kapitalerhöhung.
MehrData Mining: Einige Grundlagen aus der Stochastik
Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener
Mehr1. Stellungnahme des Elternbeirates der Kinderkrippe Adalbertstr. 106
1. Stellungnahme des Elternbeirates der Kinderkrippe Adalbertstr. 106 Nach Durchsicht der im Schreiben vom 23.09.2003 vorgeschlagenen Änderungen Neufassung der Kinderkrippengebührenfassung hat der Elternbeirat
Mehr1. Kennlinien. 2. Stabilisierung der Emitterschaltung. Schaltungstechnik 2 Übung 4
1. Kennlinien Der Transistor BC550C soll auf den Arbeitspunkt U CE = 4 V und I C = 15 ma eingestellt werden. a) Bestimmen Sie aus den Kennlinien (S. 2) die Werte für I B, B, U BE. b) Woher kommt die Neigung
MehrStatistik für Studenten der Sportwissenschaften SS 2008
Statistik für Studenten der Sportwissenschaften SS 008 Aufgabe 1 Man weiß von Rehabilitanden, die sich einer bestimmten Gymnastik unterziehen, dass sie im Mittel µ=54 Jahre (σ=3 Jahre) alt sind. a) Welcher
MehrCTI SYSTEMS S.A. CTI SYSTEMS S.A. 12, op der Sang. Fax: +352/2685-3000 L- 9779 Lentzweiler. Email: cti@ctisystems.com G.D.
Z.I. Eselborn - Lentzweiler Phone: +352/2685-2000 12, op der Sang Fax: +352/2685-3000 L- 9779 Lentzweiler Email: cti@ctisystems.com G.D. Luxembourg URL: www.ctisystems.com Benutzung von Höhensicherungsgeräten
MehrKonzepte der Informatik
Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens
MehrBevor lineare Gleichungen gelöst werden, ein paar wichtige Begriffe, die im Zusammenhang von linearen Gleichungen oft auftauchen.
R. Brinkmann http://brinkmann-du.de Seite 1 13.0.010 Lineare Gleichungen Werden zwei Terme durch ein Gleichheitszeichen miteinander verbunden, so entsteht eine Gleichung. Enthält die Gleichung die Variable
Mehr1. Einführung 2. 2. Erstellung einer Teillieferung 2. 3. Erstellung einer Teilrechnung 6
Inhalt 1. Einführung 2 2. Erstellung einer Teillieferung 2 3. Erstellung einer Teilrechnung 6 4. Erstellung einer Sammellieferung/ Mehrere Aufträge zu einem Lieferschein zusammenfassen 11 5. Besonderheiten
MehrKapitel 4 Die Datenbank Kuchenbestellung Seite 1
Kapitel 4 Die Datenbank Kuchenbestellung Seite 1 4 Die Datenbank Kuchenbestellung In diesem Kapitel werde ich die Theorie aus Kapitel 2 Die Datenbank Buchausleihe an Hand einer weiteren Datenbank Kuchenbestellung
MehrSTATISTIK. Erinnere dich
Thema Nr.20 STATISTIK Erinnere dich Die Stichprobe Drei Schüler haben folgende Noten geschrieben : Johann : 4 6 18 7 17 12 12 18 Barbara : 13 13 12 10 12 3 14 12 14 15 Julia : 15 9 14 13 10 12 12 11 10
MehrIn diesem Thema lernen wir die Grundlagen der Datenbanken kennen und werden diese lernen einzusetzen. Access. Die Grundlagen der Datenbanken.
In diesem Thema lernen wir die Grundlagen der Datenbanken kennen und werden diese lernen einzusetzen. Access Die Grundlagen der Datenbanken kurspc15 Inhaltsverzeichnis Access... Fehler! Textmarke nicht
MehrGrundlagen der Videotechnik. Redundanz
Grundlagen der Videotechnik Redundanz Redundanz beruht auf: - statistischen Abhängigkeiten im Signal, - Information, die vorher schon gesendet wurde - generell eine Art Gedächtnis im Signal Beispiel: Ein
MehrAbschlussprüfung Realschule Bayern II / III: 2009 Haupttermin B 1.0 B 1.1
B 1.0 B 1.1 L: Wir wissen von, dass sie den Scheitel hat und durch den Punkt läuft. Was nichts bringt, ist beide Punkte in die allgemeine Parabelgleichung einzusetzen und das Gleichungssystem zu lösen,
MehrProfil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8
1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen
MehrKorrigenda Handbuch der Bewertung
Korrigenda Handbuch der Bewertung Kapitel 3 Abschnitt 3.5 Seite(n) 104-109 Titel Der Terminvertrag: Ein Beispiel für den Einsatz von Future Values Änderungen In den Beispielen 21 und 22 ist der Halbjahressatz
MehrVersetzungsgefahr als ultimative Chance. ein vortrag für versetzungsgefährdete
Versetzungsgefahr als ultimative Chance ein vortrag für versetzungsgefährdete Versetzungsgefährdete haben zum Großteil einige Fallen, die ihnen das normale Lernen schwer machen und mit der Zeit ins Hintertreffen
MehrDie Optimalität von Randomisationstests
Die Optimalität von Randomisationstests Diplomarbeit Elena Regourd Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Düsseldorf im Dezember 2001 Betreuung: Prof. Dr. A. Janssen Inhaltsverzeichnis
MehrGezielt über Folien hinweg springen
Gezielt über Folien hinweg springen Nehmen wir an, Sie haben eine relativ große Präsentation. Manchmal möchten Sie über Folien hinweg zu anderen Folien springen. Das kann vorkommen, weil Sie den gesamten
MehrDeutsches Rotes Kreuz. Kopfschmerztagebuch von:
Deutsches Rotes Kreuz Kopfschmerztagebuch Kopfschmerztagebuch von: Hallo, heute hast Du von uns dieses Kopfschmerztagebuch bekommen. Mit dem Ausfüllen des Tagebuches kannst Du mehr über Deine Kopfschmerzen
MehrMobile Intranet in Unternehmen
Mobile Intranet in Unternehmen Ergebnisse einer Umfrage unter Intranet Verantwortlichen aexea GmbH - communication. content. consulting Augustenstraße 15 70178 Stuttgart Tel: 0711 87035490 Mobile Intranet
Mehr