Vorlesung Multivariate Analyse

Größe: px
Ab Seite anzeigen:

Download "Vorlesung Multivariate Analyse"

Transkript

1 Vorlesug Multvarate Aalse Kaptel I Dateauswertug mt STATA Prof. Dr. Josef Brüderl Uverstät Mahem Herbstsemester 7 Methode-Currculum B.A. Sozologe Bassmodul: Methode ud Statstk: VL Dateerhebug (): 5 ÜK (): VL Dateauswertug (): 5 Ü(): VL Multvarate Aalse (): 5 Ü(): Aufbaumodul: Methode der emprsche Sozalforschug: ÜK Dateerhebugssemar (): ÜK Dateaalsesemar (4): 8 Josef Brüderl, Multvarate Aalse, HWS 7 Fole

2 Lerzele Beherrschug efacher Dateauswertuge mt STATA Eführug der Vorlesug Übuge am PC m Tutorum Kets multvarater Aalseverfahre Tabelleaalse Leare Regresso Logstsche Regresso Ergebsse multvarater Verfahre terpretere köe STATA output Josef Brüderl, Multvarate Aalse, HWS 7 Fole STATA Josef Brüderl, Multvarate Aalse, HWS 7 Fole 4

3 Dateegabe varable observato value Josef Brüderl, Multvarate Aalse, HWS 7 Fole 5 Grudauszählug: Häufgketstabelle. codebook Ekomme Ekomme Netto pro Moat tpe: umerc (t) rage: [,] uts: uque values: 4 mssg.: /5 tabulato: Freq. Value 5.. tabulate Alter Alter Befragter Freq. Percet Cum Total 5. Josef Brüderl, Multvarate Aalse, HWS 7 Fole 6

4 ALLBUS Bevölkerugsumfrage alle Jahre set 98 (N ~.) Vo ZUMA als Servce für de Sozalforschug Treddate ALLBUS Ewohermelderegsterstchprobe, Osss überrepräsetert GG: alle deutschsprachge Persoe über 8, wohhaft D Prvathaushalte Ausschöpfug: 47% Müdlches Itervew (CAPI) Ifos: De Date des ALLBUS (N.8) Im CIP-Pool auf Laufwerk K: Zusätzlch das Codebuch ud der Frageboge Auswertuge West/Ost getret (oder gewchtet mt v78) Josef Brüderl, Multvarate Aalse, HWS 7 Fole 7 Uvarate Kezahle. codebook v v44 haushaltsekomme <offee+lsteagabe> tpe: umerc (t) label: v44, but 9 omssg values are ot labeled rage: [85,] uts: uque values: 9 mssg.: 544/8. summarze v44, detal haushaltsekomme <offee+lsteagabe> Percetles Smallest % % 7 5 % 968 Obs 76 5% 4 5 Sum of Wgt. 76 5% Mea Largest Std. Dev % 5 9% 4 5 Varace % 5 65 Skewess % 8 Kurtoss.8778 Josef Brüderl, Multvarate Aalse, HWS 7 Fole 8 4

5 Vertelugsgraphe. hstogram v44, wdth() start() (b, start, wdth). kdest v44 Fracto haushaltsekomme <offee+lsteagabe> Dest....4 Kerel dest estmate haushaltsekomme <offee+lsteagabe> kerel epaechkov, badwdth 7.47 Josef Brüderl, Multvarate Aalse, HWS 7 Fole 9 Dateaufberetug Vor der Dateauswertug st praktsch mmer ee Dateaufberetug ötg Fallauswahl - permaet: keep f v drop f v> - temporär: summ v44 f v Neue Varable blde geerate auslfed (v69 + v7) / Ersetze besteheder Varable replace auslfed sqrt(auslfed^) Rekoderug besteheder Varable recode auslfed /.5 4/7 Label der Werte eer eue Varable label varable auslfed "Ausläderfedlchket" label defe ausllbl "edrg" "hoch" label value auslfed ausllbl tab auslfed Josef Brüderl, Multvarate Aalse, HWS 7 Fole 5

6 * moatlches Netto-HHekomme geerate hhek v44 Bespel: Armut Deutschlad * Bestmmug der Persoezahl m HH tab v6 //HHgröße geerate hhvorst //eder HH hat ee Haushaltsvorstad replace hhvorst. f v6. geerate sost //Italserug "Zahl sostger Persoe über 4" geerate kd4 //Italserug "Zahl Kder uter 5" replace kd4 kd4+ f v69<5 //Bestmmug der Zahl der Kder uter 5 replace kd4 kd4+ f v79<5 replace kd4 kd4+ f v89<5 replace kd4 kd4+ f v99<5 replace kd4 kd4+ f v49<5 replace kd4 kd4+ f v49<5 replace kd4 kd4+ f v49<5 replace kd4. f v6. replace sost v6 - kd4 - //Bestmmug der sostge Persoe als Resdualgröße * Kotrolle tab hhvorst sost kd4 geerate hhgr hhvorst+sost+kd4 tab hhgr v6 * Berechug des bedarfsgewchtete Pro-Kopf-Ekommes * (Äquvalezekomme) ach der OECD-Skala. De OECD-Gewchte sd * Haushaltsvorstad:. * wetere Persoe über 4:.7 * Kder uter 5:.5 geerate oecdek hhek / (*hhvorst +.7*sost +.5*kd4) summ oecdek, detal Josef Brüderl, Multvarate Aalse, HWS 7 Fole Bespel: Armut Deutschlad * Gruppertes Boxplot West/Ost (der Aussresser wrd rekodert) ge oecdek oecdek recode oecdek 6/max6 graph box oecdek, over(v) 6, Armutsgreze (Euro etto moatlch) 5, West Ost 4, arthm. Mttel oecdek, Meda , Armutsquote, West Ost alte budeslaeder eue budeslaeder arthm. Mttel 4,%,% Meda 9,4% 6,% Josef Brüderl, Multvarate Aalse, HWS 7 Fole 6

7 Bespel: Armut Deutschlad Dest Äquvalezekomme West Dest Äquvalezekomme Ost 4 5 oecdek kerel epaechkov, badwdth oecdek kerel epaechkov, badwdth 9.55 Egezechet sd de auf dem arthmetsche Mttel baserede Armutsgreze Josef Brüderl, Multvarate Aalse, HWS 7 Fole Kofdeztervalle Das 95%-Kofdeztervall st gegebe durch x ±,96 σ wobe σ σ X X /. sort v. c oecdek, b(v) > v alte bu Varable Obs Mea Std. Err. [95% Cof. Iterval] oecdek > v eue bu Varable Obs Mea Std. Err. [95% Cof. Iterval] oecdek Josef Brüderl, Multvarate Aalse, HWS 7 Fole 4 7

8 Bvarate Dateaalse: t-test. ttest oecdek, b(v) Aahme Two-sample t test wth equal varaces Group Obs Mea Std. Err. Std. Dev. [95% Cof. Iterval] alte bu eue bu combed dff dff mea(alte bu) - mea(eue bu) t 7. Ho: dff degrees of freedom 7 Ha: dff < Ha: dff! Ha: dff > Pr(T < t). Pr( T > t ). Pr(T > t). zwesetger Test p-wert Teststatstk Josef Brüderl, Multvarate Aalse, HWS 7 Fole 5 Exkurs: p-wert Der p-wert gbt de Wahrschelchket a, dass de Teststatstk de berechete Wert oder ee, der och weter Rchtug der Alteratvhpothese legt, ammt De Nullhpothese wrd da verworfe, we p α Dchte....4 p/ p/,5%,5% t H : dff Be 7 df st de t-vertelug ee Stadardormalvertelug De krtsche Werte sd auf dem 5%-Nveau -,96 ud,96 Legt de Teststatstk t z.b. be,4, so ka de H abgeleht werde Rechts vo t legt p/ Whs. (de Whs., dass och was Extremeres rauskommt) X~N(,) Da offeschtlch p <,5, ka de H abgeleht werde Josef Brüderl, Multvarate Aalse, HWS 7 Fole 6 8

9 . recode v5 8.. tab v5 v, col ch V De Kreuztabelle Wahlabscht alte bud eue bud Total cdu-csu spd f.d.p bueds9-gruee republkaer pds adere parte Total,44 664,88... p-wert Pearso ch(6).5946 Pr. Cramér's V. Josef Brüderl, Multvarate Aalse, HWS 7 Fole 7 Korrelato: Alter ud Lks-Rechts. twowa (scatter v6 v85 f v, tter()) Lks-Rechts Selbstestufug rechts lks Alter. correlate v6 v85 f v (obs8) v6 v v6. v spearma v6 v85 f v Number of obs 8 Spearma's rho.487 Test of Ho: v6 ad v85 are depedet Prob > t. Josef Brüderl, Multvarate Aalse, HWS 7 Fole 8 9

10 Regresso: Alter ud Lks-Rechts. regress v6 v85 f v Source SS df MS Number of obs F(, 88) 5.5 Model Prob > F. Resdual R-squared Ad R-squared.69 Total Root MSE.85 v6 Coef. Std. Err. t P> t [95% Cof. Iterval] v _cos R Regressoskoeffzet t-wert p-wert Josef Brüderl, Multvarate Aalse, HWS 7 Fole 9 Regresso: Alter ud Lks-Rechts. twowa (scatter v6 v85) (lft v6 v85) f v rechts Lks-Rechts Selbstestufug lks Alter beobachteter Wert Regressosgerade Josef Brüderl, Multvarate Aalse, HWS 7 Fole

11 Vorlesug Multvarate Aalse Kaptel II Multvarate Dateaalse Prof. Dr. Josef Brüderl Uverstät Mahem Herbstsemester 7 Kausaltät Wsseschaft sucht ach kausale Bezehuge Ursache-Wrkugs-Bezehuge De wsseschaftlche Methode: das Expermet Versuchs- ud Kotrollgruppe Radomserug - Dadurch uterschede sch Versuchs- ud Kotrollgruppe cht - Kee ubeobachtete Heterogetät Kotrollerte Stmulussetzug durch Forscher - Damt st schergestellt, dass de uv der av zetlch vorgeht - Kee Edogetät E sauber durchgeführtes Expermet erlaubt ee schere Kausalschluss Expermete sd aber de Sozalwsseschafte mest cht praktkabel Josef Brüderl, Multvarate Aalse, HWS 7 Fole

12 Korrelato ud Kausaltät Deshalb erhebt ma oft Date über X ud Y ex-post-facto ud berechet dere Korrelato Korrelato st aber cht glech Kausaltät Um vo eer Korrelato auf Kausaltät schleße zu köe, müsse folgede Bedguge gelte: X ud Y sd korrelert X geht Y zetlch vora (kee Edogetät) - Paeldate ötg - Be Querschttsdate hlft ur Theore De Korrelato vo X ud Y blebt erhalte, auch we ma für drtte Varable kotrollert (kee ubeobachtete Heterogetät) - Des macht ma mt multvarate Aalseverfahre Damt kommt der multvarate Aalse der Sozalforschug ee zetrale Rolle zu: Se st der Ersatz für das Expermet Josef Brüderl, Multvarate Aalse, HWS 7 Fole Bespel: Studezulassug Dskrmerug vo Fraue be der Studezulassug? Afag der 7er Jahre wurde gege de Uverst of Calfora at Berkel geklagt, wel dese relatv weger Fraue als Mäer zum Studum zuleß (s.: Krämer, W., 995: Dekste! Campus-Verlag) Σ fktves (!) Bespel: cht zug. zug. M 4 (%) 5 F 45 5 (%) 5 Φ (-).4 Σ 85 5 Josef Brüderl, Multvarate Aalse, HWS 7 Fole 4

13 Bespel: Studezulassug Der Uverstät gelag es edoch achzuwese, dass Fraue Wrklchket gar cht beachtelgt ware... Mathe SoW M F Σ M F Σ cht zug. zug. 8 (44%) (5%) 9 cht zug. zug. (6%) 44 4 (8%) 74 6 Σ 8 Σ 48 8 Φ (+). Φ (+).4 Josef Brüderl, Multvarate Aalse, HWS 7 Fole 5 Bespel: Studezulassug..., velmehr war der Zusammehag zwsche Geschlecht ud Zulassug dar begrüdet, dass......fraue sch häufger für solche Fächer bewarbe......, de sgesamt edrgere Zulassugsquote hatte. M F Σ Mathe Sow Σ Mathe Sow cht zug. zug Σ 5 5 Σ 8 Φ (+).4 Φ (-).4 Josef Brüderl, Multvarate Aalse, HWS 7 Fole 6

14 Hauptproblem: Schekorrelato X ud Y korrelere zwar, aber Grud herfür st ee drtte Varable Z, de sowohl X als auch Y kausal verursacht De Korrelato st echt, aber de Kausaltät st schebar (Schekausaltät) Schematsch ahad ees Pfaddagramms Z Z st ee atezederede Varable Durch de bede Kausaleffekte kausaler Effekt etsteht ee Korrelato vo X ud Y Es wäre e Fehler dese Korrelato X Y als kausal zu terpretere Korrelato Durch Kotrolle vo Z (Drttvarablekotrolle) ka ma das Problem behebe Bespele Zahl der Störche eer Rego korrelert postv mt der Zahl der Geburte Mege der Haare auf Kopf vo Mäer korrelert egatv mt Ekomme Techo-Lebhaber wähle eher GRÜN Regelmäßges Zäheputze sekt das Herzfarktrsko Josef Brüderl, Multvarate Aalse, HWS 7 Fole 7 De Lösug: Drttvarablekotrolle Ma muss für Z (statstsch) kotrollere Multvarate Aalseverfahre Z kostat halte: Kodtoale Kreuztabelle (Partaltabelle) Für ede Ausprägug vo Z wrd ee egee Kreuztabelle (X Y) erstellt (dredmesoale Kreuztabelle) Damt erhält ma für ede Ausprägug vo Z ee egee, kodtoale Korrelatoskoeffzete: r r, usw., XY Z XY Z De messe de Korrelato vo X ud Y uter Kotrolle vo Z Schekorrelato legt vor, we de kodtoale Korrelatoskoeffzete glech ull sd Bespel Studezulassug (Fole 5) De kodtoale Ph-Koeffzete sd praktsch ull (Ist aber kee Schekorrelato, s. ächste Fole) Josef Brüderl, Multvarate Aalse, HWS 7 Fole 8 4

15 Was och passere ka: Iterveto Ist Z terveered, so legt ee Iterveto vor Schematsch ahad ees Pfaddagramms X Z kausaler Effekt Y Korrelato Z st ee terveerede Varable X hat ee drekte Kausaleffekt auf Y Kotrollert ma für Z, so werde de kodtoale Korrelatoskoeffzete ull Damt hat ma aber cht schebare Kausaltät aufgedeckt, soder ee kausale Mechasmus aufgedeckt Wchtg st also, sch zu überlege, ob Z atezedered oder terveered st Bespel Zulassugsbespel: Geschlecht Fach Zulassugsquote Josef Brüderl, Multvarate Aalse, HWS 7 Fole 9 Bespel: Krchgagshäufgket Mt dem ALLBUS 994 utersuche wr, we sch der Wohort (West/Ost) auf de Krchgag auswrkt Krchgag ach Wohort Selte/e Öfter N West 55% 45% 9 84% 6% 4 Um zu überprüfe, ob de Korrelato ur schebar st, kotrollere wr für Kofesso ( -Tabelle) Krchgag ach Kofesso ud Wohort Katholke Protestate Kofessoslose West Ost West Ost West Ost Selte/e 4% 8% 6% 59% 9% 97% Öfter 58% V, 6% Josef Brüderl, Multvarate Aalse, HWS 7 Fole Ost 9% V, V,8 4% 7% V,7 % 5

16 Bespel: Krchgagshäufgket 7 6 % öfter 5 4 West Ost bvarat Katholke Protestate Kofessosl Josef Brüderl, Multvarate Aalse, HWS 7 Fole Bespel: Krchgagshäufgket Um de Kausalmechasmus gaz zu verstehe, erstelle wr och de Kreuztabelle X Z ud Z Y Katholk Protestat Kofessosl.,6 Wohort Kofesso ach Wohort Kofesso././.7,8 West 47% 4% % V,6,46 Krchgag Ost % 6% 7% Krchgag ach Kofesso Katholk Protestat Kofessosl. selte 4% 6% 96% V,46 öfter 59% 4% Josef Brüderl, Multvarate Aalse, HWS 7 Fole 4% Das gesamte Kausalmodell präsetere wr überschtlch eem Pfaddagramm. A de Pfele schrebe wr de bvarate Korrelatoskoeffzete. Am Pfel vo Wohort auf Krchgag stehe de kodtoale Korrelatosk. De sd fast ull ud mache deutlch, dass her praktsch ke drekter Kausaleffekt vorlegt (also Iterveto). 6

17 Sstematk der Drttvarablekotrolle Bestätgug Z X Y r XY r r, XY Z r ZY rzy X r ZY XY Z X Schekorrelato Z Iterveto Z X Y X Y r XY, rxy Z rxy Z r XY, rxy Z rxy Z Josef Brüderl, Multvarate Aalse, HWS 7 Fole Sstematk der Drttvarablekotrolle Multkausaltät: addtver Effekt Z r XY r r X, XY Z XY Z ZY ZY X ZY X r Y r r Multkausaltät: Kofuderug Z + + X + Y r XY > r XY Z r XY Z Multkausaltät: Suppresso (verdeckte Korrelato) Z r - + X + Y XY < r XY Z r XY Z Josef Brüderl, Multvarate Aalse, HWS 7 Fole 4 7

18 Sstematk der Drttvarablekotrolle Iterakto De Bezehug vo X ud Y fällt uterschedlch aus, e achdem welche Wert Z ammt (Z heßt auch Moderator ) X r Z Y XY Z r XY Z Bespele: Sport (X), Gesudhet (Y), Erkältug (Z) Esatz (X), Erfolg (Y), Motvato (Z) Bespel: M. Halbwachs (9) Les Causes du Sucde Halbwachs stellte fest, dass ee Korrelato zwsche Kofesso ud Selbstmordrate besteht: Katholke 9,9 Selbstmorde (pro.), Protestate 9,6 Selbstmorde (pro.). Kotrollert ma de Wohort, so verschwdet de Korrelato für Städte, auf dem Lad mmt se sogar och zu. Wohort Stadt Lad Alle Katholk 9,9 8,8 9,9 Protestat 7,8 4,4 9,6 Josef Brüderl, Multvarate Aalse, HWS 7 Fole 5 STATA-Bespel: Estellug zu Ausläder *********************** BSP DRITTVAR.DO ************************* * Allgemee Stax ****************** * b Z, sort: tab Y X, col ch V ************************************** * Tabelle: Estellug zu Ausläder (v7) ach Bldug codebook v87 geerate bld v87 recode bld label var bld "Schulabschluss" label defe lblbld "Haupt" "Real" "Ab" label value bld lblbld tab spearma v7 bld, col ch g v7 bld * Drttvarablekotrolle ach West/Ost b v, sort: tab v7 bld, col ch g Ergebs: Der Effekt vo Bldug auf de Estellug zu Ausläder bestätgt sch (ach Kotrolle des Wohortes) Josef Brüderl, Multvarate Aalse, HWS 7 Fole 6 8

19 STATA-Bespel: Estellug zu Ausläder 7 Mttelwert Ausläderfedlchket Haupt Real Ab Haupt Real Ab alte budeslaeder eue budeslaeder Josef Brüderl, Multvarate Aalse, HWS 7 Fole 7 Selbstselekto Be eem Expermet werde de Vp vom Forscher de bede Gruppe per Radomserug zugewese Be ex-post facto Desgs überlässt ma es de Persoe selbst, welche Gruppe se gehe (Selbstselekto) Das führt lecht zu ubeobachteter Heterogetät Selbstselekto st e allgegewärtges methodsches Problem der Sozalforschug! Bespel: Ehemäer lebe läger (W. Krämer, Dekste!) Vo ledge Mäer zwsche 45 ud 54 werde de ächste Jahre % sterbe, vo verheratete Mäer ur %. Hat also de Ehe ee postve Kausaleffekt auf Gesudhet? Ne! Mt zemlcher Scherhet habe wr es her mt Selbstselekto ach der Varable Gesudhet zu tu: Ftte Mäer habe höhere Heratschace ud lebe läger. Ma muss also ubedgt de Drttvarable Gesudhet kotrollere. Josef Brüderl, Multvarate Aalse, HWS 7 Fole 8 9

20 Vorlesug Multvarate Aalse Kaptel III Varazaalse Prof. Dr. Josef Brüderl Uverstät Mahem Herbstsemester 7 Varazaalse De Varazaalse st e geegetes Verfahre, we ma ee metrsche av ud ee (efaktorelle VA) oder mehrere (mehrfaktorelle) kategorale uv vorlege hat Im efaktorelle Fall lefert de VA sbesodere auch e Maß für de bvarate Zusammehag zwsche eem kategorale Merkmal ud eem metrsche Merkmal sost v.a. Probleme be Zushg. zwsche omalskalerte ud metrsche Merkmale; dekbar: Cramer's V mt Grupperug, aber: Iformatosverlust De Varazaalse steht eem ege Verhälts zur leare Regresso Josef Brüderl, Multvarate Aalse, HWS 7 Fole 4

21 Bldug ud Ekomme (ALLBUS 994) Nur Vollzet, uter. DM (N459) Ekomme DM Haupt Real Abtur U Bldug Zusammehag be der VA heßt, dass sch de Gruppemttelwerte uterschede Er st stärker, e weger de Werte erhalb der Gruppe um de Gruppemttelwert streue Josef Brüderl, Multvarate Aalse, HWS 7 Fole 4 De Streuugszerlegug: Gruddee X hat r Auspräguge (r (Sub)gruppe) bezeche de Umfag der Gruppe {,..., r}, d.h. bezeche das Mttel der Gruppe De Gesamtstreuug wrd zerlegt zwe Terme: Ekomme Ma Gesamtstreuug M Frau Geschlecht cht erklärte Streuug Gesamtstreuug r Streuug der Gruppemttel Streuug der Werte de Gruppe Josef Brüderl, Multvarate Aalse, HWS 7 Fole 4 F erklärte Streuug

22 Josef Brüderl, Multvarate Aalse, HWS 7 Fole 4 De Streuugszerlegug Quadrere lefert Summato über alle Mtgleder der Gruppe : Wege der Schwerpuktregel glt: Summato über alle Gruppe führt zu: ) ( ) ( ) ( + ) ( ) )( ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( RSS MSS TSS ) ( ) ( ) ( + + r r r s. Streuugszerlegug be der Regresso Josef Brüderl, Multvarate Aalse, HWS 7 Fole 44 Das Zusammehagsmaß η (ETA ) η msst de Atel der durch X erklärte Varaz vo Y η hat ke Vorzeche η bedeutet, dass de Gruppezugehörgket X keerle Streuug der abhägge Varable Y erklärt (Gruppemttelwerte sd glech) η bedeutet, dass de Gruppezugehörgket X de gesamte Streuug der abhägge Varable Y erklärt (erhalb der Gruppe kee Streuug mehr) r r ) ( ) ( TSS MSS TSS RSS TSS Gesamtstreuug erklärte Streuug η

23 Rechebespel X Y ( ) ( ) ( ) (TSS) 4 (MSS) η,5 8 Josef Brüderl, Multvarate Aalse, HWS 7 Fole 45 Sgfkaztest Uterschede sch de Gruppemttelwerte sgfkat? Ma testet: H : μ μ... μ r H : μ μ für md. e Paar, Uter der H streue de Gruppemttel cht, also MSS Große Werte der MSS spreche also gege de H Ma verwedet deshalb de ormerte MSS als Teststatstk MSS ( r ) F ~ F( r, r) RSS ( r) De H wrd verworfe, falls: F > F -α (r-,-r) Bemerkug: Auch deser Test beruht auf der Aahme glecher Varaze. Dese Aahme ka ma ebefalls teste (Bartlett-Test) Josef Brüderl, Multvarate Aalse, HWS 7 Fole 46

24 F-Vertelug Sd X ud Y uabhägge Zufallsvarable mt X ~ χ (m) ud Y ~ χ (), so st de Zufallsvarable X / m Z Y / F-vertelt mt m ud Frehetsgrade Ma schrebt auch Z ~ F(m,) Es glt (> bzw. >4): ( + m ) E( Z), Var( Z) m( 4)( ) F(,) t(), F(, ) N(,) Josef Brüderl, Multvarate Aalse, HWS 7 Fole 47 F-Vertelug Dchte F(,) F(4,) 4 5 X Josef Brüderl, Multvarate Aalse, HWS 7 Fole 48 4

25 F-Vertelug F,9 (,5) 4,6 F,95 (,),6 Josef Brüderl, Multvarate Aalse, HWS 7 Fole 49 Rechebespel (Fortsetzug) MSS 4 RSS TSS MSS r F 4/(-) / 4/(6-),5 F,95 (,) 9,55 De Teststatstk st also kleer als der krtsche Wert Wr köe de Nullhpothese cht zurückwese De Gruppemttelwerte uterschede sch cht sgfkat (be der klee Fallzahl st deses Ergebs weg überrasched) Josef Brüderl, Multvarate Aalse, HWS 7 Fole 5 5

26 STATA-Bespel ******************** BSP VARIANZANALYSE.DO ************************ * Nur Westdeutschlad, hauptberuflch gaztags, bs Alter 65 keep f v keep f v keep f v85 < 66 * Moatsettoekomme geerate ek v6 * Bldug geerate bld v87 recode bld replace bld 4 f(v96 v97) label defe lblbld "Haupt" "Real" "Abtur" 4 "U" label value bld lblbld * Varazaalse oewa ek bld, tabulate Josef Brüderl, Multvarate Aalse, HWS 7 Fole 5 STATA-Bespel. oewa ek bld, tabulate Summar of ek bld Mea Std. Dev. Freq Haupt Real Abtur U Total FMMS/RMS H verwerfe Aalss of Varace Source SS df MS (SS/df) F Prob > F Betwee groups MSS Wth groups RSS.99e Total TSS.567e Bartlett's test for equal varaces: ch() 9.54 Prob>ch. H verwerfe Varaze uglech Josef Brüderl, Multvarate Aalse, HWS 7 Fole 5 6

27 Vorlesug Multvarate Aalse Kaptel IV Leare Regressosaalse Prof. Dr. Josef Brüderl Uverstät Mahem Herbstsemester 7 Leare Regressosaalse De Regressosaalse st das zetrale Aalseverfahre de Sozalwsseschafte Im efachste Fall (efache leare Regresso) hadelt es sch um e Verfahre zur bvarate Zusammehagsaalse metrscher Varable Ihre besodere Bedeutug erlagt de Methode eersets dadurch, dass se ee bequeme Übergag zur multvarate Dateaalse erlaubt (multple Regresso), aderersets dadurch, dass se sch durchaus auch auf kategorale Varable erweter lässt (uv: Dumm-Varable; av: logstsche Regresso, ordales Logtmodell, multomales Logtmodell u.a.) Josef Brüderl, Multvarate Aalse, HWS 7 Fole 54 7

28 De efache Regresso Sd av (Regressad) ud uv (Regressor) bede metrsch, so ka ma zur Zusammehagsaalse das leare Regressosmodell esetze. Ma formulert folgedes leare Modell des Zusammehags: α + βx + ε α ud β sd de Regressoskoeffzete α: Achseabschtt, β: Stegug β: um we vel Ehete ädert sch Y, we X um ee Ehet stegt β st damt e efach zu terpreteredes Maß des Zusammehags ε st der Fehlerterm (Abwechug der Date vo der Regressosgerade) Ma schätzt de Regressoskoeffzete, dem ma de Fehlerquadratsumme mmert (OLS) m ε m ( α βx ) α, β α, β De OLS-Schätzer (Formel s.u.) otere wr mt ˆ α ud ˆ β De vom Regressosmodell vorhergesagte Werte sd ˆ ˆ α + ˆ βx De geschätzte Fehler (Resdue) sd damt ˆ ε ˆ ˆ α ˆ βx Josef Brüderl, Multvarate Aalse, HWS 7 Fole 55 Bespel Abote ud Klausurerfolg 4 Pukte Klausur ˆ 4,4 5, x Abschtt Josef Brüderl, Multvarate Aalse, HWS 7 Fole 56 8

29 OLS-Schätzer α ud β werde so festgelegt, dass de Datepukte möglchst weg vo der Regressosgerade abweche Präzse: Ma schätzt de Regressoskoeffzete, dem ma de Fehlerquadratsumme mmert (ordar least squares, OLS) m α, β ε m Ablete deses Ausdrucks, Nullsetze ud Auflöse der bede daraus resulterede Glechuge, lefert de OLS-Schätzer: ˆ α ˆ βx ˆ β α, β ( x x)( ) s s ( x x) ( α βx ) Josef Brüderl, Multvarate Aalse, HWS 7 Fole 57 XY X x x x x Bespel: Berechug der OLS-Schätzer x Lerstude Pukte m Test x -6-4 (x -6) (x -6) ( -4) ˆ β,5 ˆ α 4,5 6, 86 6 Josef Brüderl, Multvarate Aalse, HWS 7 Fole 58 9

30 Bespel: De OLS-Regressosgerade 9 Pukte m Test (Y) ε ˆ,8+, 5 x αˆ βˆ Lerstude (X) Josef Brüderl, Multvarate Aalse, HWS 7 Fole 59 Das Bestmmthetsmaß R We gut passt das Regressosmodell auf de Date? De Gruddee st: Welcher Atel der Streuug vo Y wrd durch das Regressosmodell erklärt? Streuugszerlegug Total sum of squares (TSS): TSS ( ) Model sum of squares (MSS): Resdual sum of squares (RSS): MSS RSS De gesamte Streuug ka damt zwe Tele zerlegt werde ( ) TSS ( ˆ ) + MSS RSS Josef Brüderl, Multvarate Aalse, HWS 7 Fole 6 + ( ˆ ) ( ˆ ) ( ˆ )

31 Graphsche Iterpretato der Streuugszerlegug 9 8 Pukte m Test (Y) ˆ ˆ ŷ Lerstude (X) Josef Brüderl, Multvarate Aalse, HWS 7 Fole 6 Das Bestmmthetsmaß R Das Bestmmthetsmaß st u defert als R erklärte Streuug gesamte Streuug MSS TSS Es glt: R R lässt sch terpretere als der Atel der Varaz, der durch de Regressosgerade (ud damt durch X) erklärt wrd Es glt: R r ( ˆ ) ( ) Josef Brüderl, Multvarate Aalse, HWS 7 Fole 6

32 Bespel Lerstude ud Pukte m Test x ŷ ( 4) ( ˆ 4) αˆ.8645 βˆ.558 R 7.56 / Josef Brüderl, Multvarate Aalse, HWS 7 Fole 6 r ud R Y 4 Y 4 5 X r, R r -.79, R,6 X Y Y r, R X 4 5 r, R X 4 5 Josef Brüderl, Multvarate Aalse, HWS 7 Fole 64

33 Sgfkaztest für st e Schätzer Mt eer Stchprobevertelug Ud eem Stadardfehler ˆ σ ˆ β Damt ka ma auch e Kofdeztervall schätze Ebeso ka ma ee Sgfkaztest durchführe Nullhpothese: X hat kee Efluss auf Y (ke Zusammehag) H : β De Teststatstk (t-wert) st βˆ ˆ β T ~ t( ) ˆ σ ˆ β De H wrd abgeleht, falls T > t -α/ (-) - Ab > das z -α/ Quatl (Faustregel für α5%: T > ) Köe wr de H verwerfe, so sprcht ma davo, dass X ee sgfkate Efluss auf Y hat Josef Brüderl, Multvarate Aalse, HWS 7 Fole 65 βˆ Test der Sgfkaz des Gesamtmodells Ist das Regressosmodell sgfkat? Overall F-Test Nullhpothese: der Stegugskoeffzet st glech ull H : β Uter der H erklärt das Modell chts, also MSS Große Werte der MSS spreche also gege de H Ma verwedet deshalb de ormerte MSS als Teststatstk (F-Wert) MSS F ~ F(, ) ( ) RSS De H wrd verworfe, falls: F > F -α (,-) Ma sprcht da davo, dass das Regressosmodell sgfkat st Josef Brüderl, Multvarate Aalse, HWS 7 Fole 66

34 STATA Bespel: Abote ud Klausurerfolg. regress klpukte abote Source SS df MS Number of obs F(, 79) 7.45 Model Prob > F. Resdual R-squared Ad R-squared.76 Total Root MSE klpukte Coef. Std. Err. t P> t [95% Cof. Iterval] abote _cos Josef Brüderl, Multvarate Aalse, HWS 7 Fole 67 Aahme der Regresso A: Leartätsaahme α + βx + ε,, K, A: Im Mttel st der Fehler ull E( ε ), für alle A: De Fehlervaraz st kostat (Homoskedastztät) V ( ε ) σ, für alle A4: De Fehlerkovaraze sd ull (kee Autokorrelato) Cov( ε, ε ), für alle A5: Regressor ud Fehler sd ukorrelert Der Regressor darf cht mt wetere ubeobachtete Varable korrelere (kee ubeobachtete Heterogetät) Cov( x, ε ), für alle ud A6: Normalvertelugsaahme (für Sgfkaztests) ε ~ N(, σ ) Josef Brüderl, Multvarate Aalse, HWS 7 Fole 68 4

35 Egeschafte der OLS-Schätzer Be Gültgket vo A bs A5 habe de OLS-Schätzer gewsse wüscheswerte Egeschafte: Se sd uverzerrt (erwartugstreu): E( ˆ) β β der Klasse der leare, uverzerrte Schätzer de mt der kleste Stchprobevaraz best lear ubased estmate (BLUE) Gauß-Markov Theorem Dabe bedeutet: lear : de Schätzer lasse sch als leare Fuktoe der Date bereche ubased : de Schätzer sd erwartugstreu best : de Schätzer sd effzeter als alle adere leare Schätzer Josef Brüderl, Multvarate Aalse, HWS 7 Fole 69 Stadardserte Regressoskoeffzete β hägt vo der Maßehet vo X ud Y ab Um Verglechbarket herzustelle, wählt ma machmal de Stadardabwechug als Maßehet Stadardserug vo Y ud X (Z-Trasformato) * * x x, x sy sx De Regressosglechug lautet u * * * * * α + β x + ε Für de stadardserte Regressoskoeffzete ergbt sch * * * * ˆ α ˆ β x ˆ s * β s * * X Y * X r Bespel Abote ud Klausurerfolg : r -,4 - Stegt de Note um ee Stadardabwechug, so verrgert sch de Puktzahl um,4 Stadardabwechuge Josef Brüderl, Multvarate Aalse, HWS 7 Fole 7 5

36 Regresso mt Dumm-Varable Voraussetzug für ee Regresso st metrsches X Kategorales, dchotomes X geht aber auch Dumm-Coderug svoll: ee Ausprägug, de adere De -Kategore wrd auch als Referezkategore bezechet Bespel: Geschlecht ud Ekomme (Ma, Frau) Ekomme 4 Geschlecht We seht de Regressosgerade aus? RSS wrd mmal, falls ˆ Glechzetg glt ˆ ˆ ˆ ˆ ˆ α ˆ + β Damtergbtsch ˆ α α ˆ β Josef Brüderl, Multvarate Aalse, HWS 7 Fole 7 Regresso mt Dumm-Varable x x x x x ˆβ x x ˆ α bx 5.5 Josef Brüderl, Multvarate Aalse, HWS 7 Fole 7 6

37 STATA: Regresso mt Dumm-Varable. oewa Ekomme Geschlecht Aalss of Varace Source SS df MS F Prob > F Betwee groups Wth groups Total regr Ekomme Geschlecht Source SS df MS Number of obs F(, 4).5 Model 5 5 Prob > F.879 Resdual 4 4 R-squared Ad R-squared.99 Total 55 5 Root MSE Ekomme Coef. Std. Err. t P> t [95% Cof. Iterval] Geschlecht _cos Josef Brüderl, Multvarate Aalse, HWS 7 Fole 7 Regresso mt Dumm-Varable Führt ma ee Regresso auf ee dchotome Varable (Dumm-Coderug) durch, so glt: De Kostate αˆ st glech dem Mttelwert der Referezkategore (X) Der Stegugsparameter βˆ st glech der Dfferez zwsche dem Mttelwert der Kategore X ud dem Mttelwert der Referezkategore Das Bestmmthetsmaß R etsprcht dem Maß η eer Varazaalse Der overall F-Test der Regresso ud der F-Test der Varazaalse sd detsch Josef Brüderl, Multvarate Aalse, HWS 7 Fole 74 7

38 Multple Regresso De Regresso wrd zu eem multvarate Aalseverfahre, we ma mehr als ee uv ebezeht: β + β x + β x + K+ β x + ε,, K, β heßt Regressoskostate De adere Regressoskoeffzete defere ee p-dmesoale Regressosebee Iterpretato: β gbt a, um we vel Ehete sch Y ädert, we sch X um ee Ehet erhöht, uter Kotrolle der adere m Modell ethaltee X-Varable β sagt us, welcher Effekt verblebt, we wr für de adere uvs kotrollere Multvarate Aalse - Wr füge dem Modell alle svolle Drttvarable hzu - Verschwdet β, so legt ee Schekorrelato bzw. Iterveto vor p p Josef Brüderl, Multvarate Aalse, HWS 7 Fole 75 Bespel: Statuszuwesugsmodell Blau/Duca (967) "The Amerca Occupatoal Structure" We erlagt ma see sozale Posto? Durch achevemet oder Statusvererbug? ALLBUS : - Abhägge Varable: Ekomme (ur Westdeutsche, Vollzet) - Status des Vaters: Magtude-Prestgeskala (Werte vo -87) - Achevemet : egee Schul- ud Berufsbldug (Werte vo 8-,5) Fehler Fehler Josef Brüderl, Multvarate Aalse, HWS 7 Fole 76 8

Geometrisches Mittel und durchschnittliche Wachstumsraten

Geometrisches Mittel und durchschnittliche Wachstumsraten Dpl.-Kaufm. Wolfgag Schmtt Aus meer Skrpterehe: " Kee Agst vor... " Ausgewählte Theme der deskrptve Statstk Geometrsches Mttel ud durchschttlche Wachstumsrate Modellaufgabe Übuge Lösuge www.f-lere.de Geometrsches

Mehr

Leitfaden zu den Indexkennzahlen der Deutschen Börse

Leitfaden zu den Indexkennzahlen der Deutschen Börse Letfade zu de Idexkezahle der Deutsche Börse Verso.5 Deutsche Börse AG Verso.5 Letfade zu de Idexkezahle der Deutsche Börse Page Allgemee Iformato Um de hohe Qualtät der vo der Deutsche Börse AG berechete

Mehr

2 Regression, Korrelation und Kontingenz

2 Regression, Korrelation und Kontingenz Regresso, Korrelato ud Kotgez I desem Kaptel lerst du de Zusammehag zwsche verschedee Merkmale durch Grafke zu beschrebe, Maßzahle ür de Stärke des Zusammehags zu bereche ud dese zu terpretere, das Wsse

Mehr

Aufgaben. 1. Gegeben seien folgende Daten einer statistischen Erhebung, bereits nach Größe sortiert (Rangliste):

Aufgaben. 1. Gegeben seien folgende Daten einer statistischen Erhebung, bereits nach Größe sortiert (Rangliste): Aufgabe. Gegebe see folgede Date eer statstsche Erhebug, berets ach Größe sortert (Raglste): 0 3 4 4 5 6 7 7 8 8 8 9 9 0 0 0 0 0 3 3 3 3 4 4 5 5 5 5 5 6 6 6 7 7 8 30 Erstelle Se ee Tabelle, der de Merkmalsauspräguge

Mehr

Sitzplatzreservierungsproblem

Sitzplatzreservierungsproblem tzplatzreserverugsproblem Be vele Zugsysteme Europa müsse Passagere mt hrem Zugtcet ee tzplatzreserverug aufe. Da das Tcetsystem Kude ee ezele Platz zuwese muss, we dese e Tcet aufe, ohe zu wsse, welche

Mehr

Sozialwissenschaftliche Methoden und Statistik I

Sozialwissenschaftliche Methoden und Statistik I Sozalwsseschaftlche Methode ud Statstk I Uverstät Dusburg Esse Stadort Dusburg Itegrerter Dplomstudegag Sozalwsseschafte Skrpt zum SMS I Tutorum Vo Mark Lutter Stad: Aprl 004 Tel I Deskrptve Statstk Mark

Mehr

REGRESSION. Marcus Hudec Christian Neumann. Eine anwendungsorientierte Einführung. Unterstützt von Institut für Statistik der Universität Wien

REGRESSION. Marcus Hudec Christian Neumann. Eine anwendungsorientierte Einführung. Unterstützt von Institut für Statistik der Universität Wien REGRESSION Ee awedugsoreterte Eführug Marcus Hudec Chrsta Neuma Uterstützt vo Isttut für Statstk der Uverstät We Eletug De Regresso st e velfältg esetzbares Werkzeug zur Beschrebug ees fuktoale Zusammehags

Mehr

Statistik mit Excel und SPSS

Statistik mit Excel und SPSS Stattk mt Excel ud SPSS G. Kargl Grudbegrffe Grudgeamthet Erhebugehet Merkmale Werteberech Stchprobe Telbereche der Stattk: Dekrtpve Stattk Iduktve Stattk Exploratve Stattk U- / B- / Multvarate Stattk

Mehr

Messfehler, Fehlerberechnung und Fehlerabschätzung

Messfehler, Fehlerberechnung und Fehlerabschätzung Apparatves Praktkum Physkalsche Cheme der TU Brauschweg SS1, Dr. C. Maul, T.Dammeyer Messfehler, Fehlerberechug ud Fehlerabschätug 1. Systematsche Fehler Systematsche Fehler et ma solche Fehleratele, welche

Mehr

Teil IV Musterklausuren (Univ. Essen) mit Lösungen

Teil IV Musterklausuren (Univ. Essen) mit Lösungen Tel IV Musterklausure (Uv. Esse) mt Lösuge Hauptklausur WS 9/9 Aufgabe : a) Revolverheld R stzt m Saloo ud pokert. De Wahrschelchket, daß er dabe ee seer Mtspeler bem Falschspel erwscht (Eregs F), bezffert

Mehr

Vorlesung Multivariate Statistik. Sommersemester 2009

Vorlesung Multivariate Statistik. Sommersemester 2009 P.Martus, Multvarate Statstk, SoSe 009 Free Uverstät Berl Charté Uverstätsmedz Berl Bachelor Studegag Boformatk Vorlesug Multvarate Statstk Sommersemester 009 Prof. Dr. rer. at. Peter Martus Isttut für

Mehr

Kommentierte Formelsammlung der deskriptiven und induktiven Statistik für Wirtschaftswissenschaftler

Kommentierte Formelsammlung der deskriptiven und induktiven Statistik für Wirtschaftswissenschaftler Kommeterte Formelsammlug der deskrptve ud duktve Statstk für Wrtschaftswsseschaftler Prof. Dr. Iree Rößler Prof. Dr. Albrecht Ugerer Wetere Bespele ud ausführlche Erläuteruge sowe detallerte Lösuge der

Mehr

Investmentfonds. Kennzahlenberechnung. Performance Risiko- und Ertragsanalyse, Risikokennzahlen

Investmentfonds. Kennzahlenberechnung. Performance Risiko- und Ertragsanalyse, Risikokennzahlen Ivestmetfods Kezahleberechug erformace Rsko- ud Ertragsaalyse, Rskokezahle Gültg ab 01.01.2007 Ihalt 1 erformace 4 1.1 Berechug der erformace über de gesamte Beobachtugzetraum (absolut)... 4 1.2 Aualserug

Mehr

Klausur Betriebswirtschaftslehre PM/B

Klausur Betriebswirtschaftslehre PM/B Isttut für Fazwrtschaft, Bake ud Verscheruge, Karlsruher Isttut für Techologe Klausur Betrebswrtschaftslehre PM/B Achtug: Ihalte der Vorlesug köe Zukuft ggf. cht mehr kosstet mt de Ihalte deser Klausur

Mehr

Marketing- und Innovationsmanagement Herbstsemester 2013 - Übungsaufgaben Lesender: Prof. Dr. Andreas Fürst

Marketing- und Innovationsmanagement Herbstsemester 2013 - Übungsaufgaben Lesender: Prof. Dr. Andreas Fürst Marketg- ud Iovatosmaagemet Herbstsemester 2013 - Übugsaufgabe Leseder: Prof. Dr. Adreas Fürst Isttut für Marketg ud Uterehmesführug Abtelug Marketg Uverstät Ber Ihaltsverzechs 1 Eletug Allgemee Grudlage

Mehr

Gliederung: A. Vermögensverwaltung I. Gegenstand II. Ablauf III. Kosten. Jan Lenkeit

Gliederung: A. Vermögensverwaltung I. Gegenstand II. Ablauf III. Kosten. Jan Lenkeit Glederug: A. Vermögesverwaltug I. Gegestad II. Ablauf III. Koste B. Grudzüge der Kaptalmarkttheore I. Portefeulletheore 1. Darstellug. Krtk II. Captal Asset Prcg Model (CAPM) 1. Darstellug. Krtk III. Arbtrage

Mehr

Entwicklung einer Dispatcherfunktion zur Überprüfung von Nominierungsmengen in der Betriebsführung von Erdgasspeichern

Entwicklung einer Dispatcherfunktion zur Überprüfung von Nominierungsmengen in der Betriebsführung von Erdgasspeichern AMMO Berchte aus Forschug ud Techologetrasfer Etwcklug eer Dsatcherfukto zur Überrüfug vo Nomerugsmege der Betrebsführug vo Erdgassecher Prof. Dr. sc. tech. Dr. rer. at. R. Ueckerdt Dr.Ig. H.W. Schmdt

Mehr

Investitionsentscheidungen im Multi-Channel-Customer-Relationship Management 1

Investitionsentscheidungen im Multi-Channel-Customer-Relationship Management 1 Ivesttosetscheduge m Mult-Chael-Customer-Relatoshp Maagemet Has Ulrch Buhl, Na Kreyer, Na Schroeder Lehrstuhl für Betrebswrtschaftslehre, Wrtschaftsformatk & Facal Egeerg Kerkompetezzetrum Iformatostechologe

Mehr

EINLEITUNG, FEHLERRECHNUNG

EINLEITUNG, FEHLERRECHNUNG Eletug FEHLERRECHNUNG ohe Dfferetalrechug 04.05.006 Blatt 1 EINLEITUNG, FEHLERRECHNUNG Aufgabe des physkalsche Praktkums st es, dem Studerede de Physk durch das Expermet äher zu brge, h mt der Methode

Mehr

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

Zweidimensionale Verteilungen

Zweidimensionale Verteilungen Bblografsce Iformato der Deutsce Natoalbblotek De Deutsce Natoalbblotek verzecet dese Publkato der Deutsce Natoalbblografe; detallerte bblografsce Date sd m Iteret über abrufbar. De Iformatoe

Mehr

Abschlussprüfung zum/zur Finanzplaner/in mit eidg. Fachausweis. Formelsammlung. Autor: Iwan Brot

Abschlussprüfung zum/zur Finanzplaner/in mit eidg. Fachausweis. Formelsammlung. Autor: Iwan Brot Abschlussprüfug zum/zur Fazplaer/ mt edg. Fachauswes Formelsammlug Autor: Iwa Brot Dese Formelsammlug wrd a de Ole- ud a de müdlche Prüfuge abgegebe sowet erforderlch. A der schrftlche Klausur (Ope-book-Prüfug)

Mehr

Bestimmen einer stetigen Ausgleichsfunktion f(x), die eine gegebene Menge von n Datenpunkten (x k

Bestimmen einer stetigen Ausgleichsfunktion f(x), die eine gegebene Menge von n Datenpunkten (x k Hochschule für Tech ud Archtetur Ber Iformat ud agewadte Mathemat 3- Ausglechs- ud Iterpolatosrechug 3 Ausglechs- ud Iterpolatosrechug De Aufgabe der Ausglechsrechug st mt Hlfe eer stetge Futo f()ee bestmmte

Mehr

Abschlussprüfung zum/zur Finanzplaner/in mit eidg. Fachausweis. Formelsammlung. Autor: Iwan Brot

Abschlussprüfung zum/zur Finanzplaner/in mit eidg. Fachausweis. Formelsammlung. Autor: Iwan Brot Abschlussprüfug zum/zur Fazplaer/ mt edg. Fachauswes Formelsammlug Autor: Iwa Brot Dese Formelsammlug wrd a de Prüfuge abgegebe sowet erforderlch. Stad 1. Jul 2010. Äderuge vorbehalte. Formelsammlug Fazplaer

Mehr

Investition und Finanzierung Skript III

Investition und Finanzierung Skript III Ivestto ud Fazerug Skrpt III zuletzt geädert am: 05.05.03 Ivestto ud Fazerug Skrpt III Quelle: Vorlesug Ivestto ud Fazerug 6. Semester, FH Erfurt, Prof. Dr. Waldhelm Copyrght 2003 BSTM Sete Alle Agabe

Mehr

Mannheimer Manuskripte zu Risikotheorie, Portfolio Management und Versicherungswirtschaft. Nr. 145

Mannheimer Manuskripte zu Risikotheorie, Portfolio Management und Versicherungswirtschaft. Nr. 145 Mahemer Mauskrpte zu Rskotheore, Portfolo Maagemet ud Verscherugswrtschaft Nr. 45 Methode der rskobaserte Kaptalallokato m Verscherugs- ud Fazwese vo Peter Albrecht ud Sve Korycorz Mahem 03/2003 Methode

Mehr

Formelsammlung der Betriebswirtschaft

Formelsammlung der Betriebswirtschaft - - Formelsammlug der Betrebswrtschaft Ee Überscht über de wchtgste mathematsche Kozepte ud Recheverfahre Rechugswese, Cotrollg ud Betrebswrtschaft Verso 3.08 Harry Zgel 99-009, EMal: fo@zgel.de, Iteret:

Mehr

Eine einfache Formel für den Flächeninhalt von Polygonen

Eine einfache Formel für den Flächeninhalt von Polygonen Ee efache Formel für de Flächehalt vo Polygoe Peter Beder Set ege Jahre hat der Mathematkddaktk de sogeate emprsche Uterrchtsforschug mt quattatve ud qualtatve Methode Kojuktur, währed stoffddaktsche Arbete

Mehr

Ralf Korn. Elementare Finanzmathematik

Ralf Korn. Elementare Finanzmathematik Ralf Kor Elemetare Fazmathematk Ihaltsverzechs. Eletug Exkurs : Akte Begrffe, Grudlage ud Geschchte. We modellert ma Aktekurse? 4. Edlche E-Perode-Modelle 6. Edlche Mehr-Perode-Modelle 3.3 Das Black-Scholes-Modell

Mehr

Zum Problem unterjähriger Zinsen und Zahlungen in der Zinseszinsrechnung

Zum Problem unterjähriger Zinsen und Zahlungen in der Zinseszinsrechnung Zu Proble urjährger Zse ud Zahluge der Zsessrechug Gewöhlch geht a der Zsessrechug davo aus, dass de Zse ach ee Jahr de Kapl ugeschlage werde ud da weder Zse trage. Der Zssat, t de das Kapl ultplert wrd,

Mehr

BANK ONLINE Zentraler Bankdaten-Transfer

BANK ONLINE Zentraler Bankdaten-Transfer BANK ONLINE Zetraler Bakdate-Trasfer Ihaltsverzechs 1 Lestugsbeschrebug... 3 2 Itegrato das Ageda-System... 4 3 Hghlghts... 5 3.1 Efachste Aktverug... 5 3.2 Abruf vo Kotoauszüge... 6 3.3 Bakeübergrefede

Mehr

Datenstrukturen und Algorithmen. Grundlagen, Basisalgorithmen und Lösungsstrategien für sequentielle und parallele Algorithmen.

Datenstrukturen und Algorithmen. Grundlagen, Basisalgorithmen und Lösungsstrategien für sequentielle und parallele Algorithmen. 3. Jahrgag, Heft 3, Oktober 03, ISSN 0939-88 FIAL Datestrukture ud Algorthme Grudlage, Bassalgorthme ud Lösugsstratege für sequetelle ud parallele Algorthme Ulrch Hoffma Techcal Reports ad Workg Papers

Mehr

W D P. Sebastian Müller, Gerhard Müller. Sicherheits-orientiertes Portfoliomanagement. Heft 09 / 2005

W D P. Sebastian Müller, Gerhard Müller. Sicherheits-orientiertes Portfoliomanagement. Heft 09 / 2005 Fachberech Wrtschaft Faculty of Busess Sebasta Müller, Gerhard Müller Scherhets-oretertes Portfolomaagemet Heft 09 / 2005 W D P Wsmarer Dskussospapere / Wsmar Dscusso Papers Der Fachberech Wrtschaft der

Mehr

Deskriptive Statistik und moderne Datenanalyse

Deskriptive Statistik und moderne Datenanalyse homas Cleff Destve tatst ud modee Dateaalse Ee comutegestützte Efühug mt Ecel ud AA 0XX /. Auflage Fomelsammlug Cleff Destve tatst ud modee Dateaalse Gable Velag Wesbade 0XX GableL Zusatzfomatoe zu Mede

Mehr

Institut für Physik Universität Augsburg Praktikum für Fortgeschrittene (FP) Versuchsanleitung (Version: 01/2015) RAMANEFFEKT

Institut für Physik Universität Augsburg Praktikum für Fortgeschrittene (FP) Versuchsanleitung (Version: 01/2015) RAMANEFFEKT FP-Versuch Ramaeffekt Isttut für Physk Uerstät Augsburg Praktkum für Fortgeschrttee (FP) Versuchsaletug (Verso: /5) RAMANFFKT I. letug II. Theore des Ramaeffekts III. Grudlage der Gruppetheore IV. Versuchsaufbau

Mehr

Rationalität und Wert von Information eine systemgesteuerte Analyse

Rationalität und Wert von Information eine systemgesteuerte Analyse Ratoaltät ud Wert vo Iformato ee systemgesteuerte Aalyse Elmar Reucher 1, Wlhelm Rödder 2, Iva R. Garter 3 1 FerUverstät Hage, Proflstraße 8, 58097 Hage Elmar.Reucher@feru-hage.de 2 FerUverstät Hage, Proflstraße

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

9. Verzeichnis wichtiger Formelzeichen und Abkürzungen

9. Verzeichnis wichtiger Formelzeichen und Abkürzungen 9. Verzechs wchtger Formelzeche ud Abürzuge 9 Verzechs wchtger Formelzeche ud Abürzuge Formelzeche a a a y a * arcta2(y,) = arcta( y/ ) für arcta( y/ ) + π für < b B BL = O c H H y Läge des Uterarms des

Mehr

Short Listing für multikriterielle Job-Shop Scheduling-Probleme

Short Listing für multikriterielle Job-Shop Scheduling-Probleme Short Lstg für ultkrterelle Job-Shop Schedulg-Problee Dr. Adré Heg, r.z.w.-cdata AG, Zu Hosptalgrabe 2, 99425 Wear, adre.heg@rzw.de 1. Multkrterelle Job-Shop Schedulg-Problee Das Job-Shop Schedulg-Proble,

Mehr

Prof. Dr. Dietmar Pfeifer Institut für Mathematik. Risikotheorie

Prof. Dr. Dietmar Pfeifer Institut für Mathematik. Risikotheorie Prof. Dr. Detmar Pfefer Isttut für Mathemat Rsotheore Stad: 5. Aprl 5 Ihalt Vorbemerug... 3 I Persoeverscherugsmathemat... 6 I.. Bewertug vo Fazströme... 6 I.. Lebesdauerverteluge ud Sterbetafel... I.

Mehr

Oesterreichische Kontrollbank AG. Pensionskassen. Performanceberechnung Asset Allocation. Berechnungsmethoden

Oesterreichische Kontrollbank AG. Pensionskassen. Performanceberechnung Asset Allocation. Berechnungsmethoden Oeserrechsche Korollbak AG esoskasse erformaceberechug Asse Allocao Berechugsmehode Jul 200 Ihal erformaceberechug der OeKB...3 2 erformace...3 2. Defo der erformace...3 2.2 Berechugsmehode...4 2.3 Formel...4

Mehr

Konzept und Umsetzung betrieblicher Entscheidungshilfen auf grafischer und objektorientierter Basis als autonome und eingebettete Netzwerklösung

Konzept und Umsetzung betrieblicher Entscheidungshilfen auf grafischer und objektorientierter Basis als autonome und eingebettete Netzwerklösung Zhog Xue Kozept ud Umsetzug betreblcher Etschedugshlfe auf grafscher ud objektoreterter Bass als autoome ud egebettete Netzwerklösug De vorlegede Arbet wurde vom Fachberech Maschebau der Uverstät Kassel

Mehr

11. STATISTIK. 11.1. Begriffsbestimmung. Statistik

11. STATISTIK. 11.1. Begriffsbestimmung. Statistik . STATISTIK.. Begrffsbestmmug De Statst st we auch de Wahrschelchetsrechug e Wssesgebet der sogeate Stochast. De Stochast a ma als de Lehre vo zufällge Vorgäge bzw. Eregsse beschrebe. Als zufällge Eregsse

Mehr

Zuverlässigkeitsorientiertes Erprobungskonzept für Nutzfahrzeuggetriebe unter Berücksichtigung von Betriebsdaten

Zuverlässigkeitsorientiertes Erprobungskonzept für Nutzfahrzeuggetriebe unter Berücksichtigung von Betriebsdaten UNI STUTTGART Berchte aus dem Isttut für Mascheelemete Atrestechk CAD Dchtuge Zuverlässgket Matthas Masch Zuverlässgketsoretertes Erprougskozept für Nutzfahrzeuggetree uter Berückschtgug vo Betresdate

Mehr

Finanzmathematische Grundlagen zur Zins- und Rentenrechnung

Finanzmathematische Grundlagen zur Zins- und Rentenrechnung Fazmahemasche Grudlage zur Zs- ud Reerechug Fazmahemasche Grudlage zur Zs- ud Reerechug (Fassug - November 008) /3 Markus Scheche Emal: mal@markus-scheche.de Homepage: www.markus-scheche.de Fazmahemasche

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

DASI ONLINE Datensicherung im Rechenzentrum

DASI ONLINE Datensicherung im Rechenzentrum DASI ONLINE Datescherug m Rechezetrum Ihaltsverzechs 1 Lestugsbeschrebug... 3 2 Itegrato das Ageda-System... 4 3 Hghlghts... 5 3.1 Das Hochscherhets-Rechezetrum... 5 3.2 Flexbltät ud Kostetrasparez...

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

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

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

Multiple-Sourcing-Strategien bei Finanzdienstleistern Eine Analyse zum Einfluss der Integrationskosten am Beispiel der Wertpapierabwicklung

Multiple-Sourcing-Strategien bei Finanzdienstleistern Eine Analyse zum Einfluss der Integrationskosten am Beispiel der Wertpapierabwicklung Uverstät Augsburg Prof. Dr. Has Ulrch Buhl Kerkompetezzetrum Faz- Iformatosmaagemet Lehrstuhl für BWL, Wrtschaftsformatk, Iformatos- Fazmaagemet Dskussospaper WI-89 Multple-Sourcg-Stratege be Fazdestlester

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

Statistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte.

Statistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte. Statistik Vorlesug,. ärz, Statistische aßzahle Iformatio zu verdichte, Besoderheite hervorzuhebe ittelwerte Aufgabe: die Lage der Verteilug auf der Abszisse zu zeige. Der odus: derjeige Wert, der im Häufigste

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

Lineare Regressionsanalyse mit SPSS

Lineare Regressionsanalyse mit SPSS Unverstät Trer Zentrum für Informatons-, Medenund Kommunkatonstechnologe (ZIMK) Bernhard Baltes-Götz Lneare Regressonsanalyse mt SPSS 850 800 750 Y 0 700 5 5 X 0 0 X 0 5 5 04 (Rev. 40804) Herausgeber:

Mehr

3. Tilgungsrechnung. 3.1. Tilgungsarten

3. Tilgungsrechnung. 3.1. Tilgungsarten schreier@math.tu-freiberg.de 03731) 39 2261 3. Tilgugsrechug Die Tilgugsrechug beschäftigt sich mit der Rückzahlug vo Kredite, Darlehe ud Hypotheke. Dabei erwartet der Gläubiger, daß der Schulder seie

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

Präferenzabhängige Werte im Rahmen einer kapitalmarktorientierten Unternehmensbewertung eine kritische Analyse

Präferenzabhängige Werte im Rahmen einer kapitalmarktorientierten Unternehmensbewertung eine kritische Analyse Präerezabhägge Werte m Rahme eer kaptalmarktoreterte Uterehmesbewertg ee krtsche Aalyse Ral Dedrch *, Stea Derkes ** d Has-Chrsta Gröger *** Zsammeassg: I der Lteratr zr kaptalmarktoreterte Uterehmesbewertg

Mehr

Finanzmathematik Folien zur Vorlesung

Finanzmathematik Folien zur Vorlesung Fazmahemak Fole zu Volesug FINANZMAHEMAI. Zsechug.. Gudbegffe de Zsechug.. De ve Fageselluge de Zsechug.3. Beechug des Edkapals.4. Beechug vo Afagskapal, Zssaz ud Laufze.5. Uejähge Vezsug.6. Sege Vezsug.

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

Betriebswirtschaft Wirtschaftsmathematik Studienleistung BW-WMT-S12 011110

Betriebswirtschaft Wirtschaftsmathematik Studienleistung BW-WMT-S12 011110 Name, Vorame Matrikel-Nr. Studiezetrum Studiegag Fach Art der Leistug Klausur-Kz. Betriebswirtschaft Wirtschaftsmathematik Studieleistug Datum 10.11.2001 BW-WMT-S12 011110 Verwede Sie ausschließlich das

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

Antriebstechnik \ Antriebsautomatisierung \ Systemintegration \ Services. Handbuch. Positionierung und Ablaufsteuerung IPOS plus

Antriebstechnik \ Antriebsautomatisierung \ Systemintegration \ Services. Handbuch. Positionierung und Ablaufsteuerung IPOS plus Atrebstechk \ Atrebsautomatserug \ Systemtegrato \ Servces Hadbuch ostoerug ud Ablausteuerug IOS plus Ausgabe 11/2009 11645407 / DE SEW-EURODRIVE Drvg the world Ihaltsverzechs Ihaltsverzechs 1 Allgemee

Mehr

2.0 Stöchiometrie chemischer Reaktionen 2.1 Grundbegriffe (Definitionen) qualitative Charakterisierung der / des Reaktionsmasse / Reaktionsgemisches

2.0 Stöchiometrie chemischer Reaktionen 2.1 Grundbegriffe (Definitionen) qualitative Charakterisierung der / des Reaktionsmasse / Reaktionsgemisches 05.03.2009 Tehshe Chee I - 9 2.0 Stöhoetre hesher Reaktoe 2.1 Grudbegrffe (Deftoe) qualtatve Charakterserug der / des Reaktosasse / Reaktosgeshes Reaktoskopoete (heshe Spezes) Reaktade (Reaktosteleher)

Mehr

Wirtschaftsmathematik

Wirtschaftsmathematik Studiegag Betriebswirtschaft Fach Wirtschaftsmathematik Art der Leistug Studieleistug Klausur-Kz. BW-WMT-S1 040508 Datum 08.05.004 Bezüglich der Afertigug Ihrer Arbeit sid folgede Hiweise verbidlich: Verwede

Mehr

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf.

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf. Ich habe en Bespel ähnlch dem der Ansys-Issue [ansys_advantage_vol_ssue3.pdf durchgeführt. Es stammt aus dem Dokument Rfatgue.pdf. Abbldung 1: Bespel aus Rfatgue.pdf 1. ch habe es manuell durchgerechnet

Mehr

Multiple Regression II: Signifikanztests, Gewichtung, Multikollinearität und Kohortenanalyse

Multiple Regression II: Signifikanztests, Gewichtung, Multikollinearität und Kohortenanalyse Multiple Regression II: Signifikanztests,, Multikollinearität und Kohortenanalyse Statistik II Übersicht Literatur Kausalität und Regression Inferenz und standardisierte Koeffizienten Statistik II Multiple

Mehr

FINANZMATHEMATIK. 1. Zinsen und Zinseszinsen. Finanzmathematik 81

FINANZMATHEMATIK. 1. Zinsen und Zinseszinsen. Finanzmathematik 81 Fiazmathematik 8 FINANZMATHEMATIK. Zise ud Ziseszise Die Zise als Preis für die Zurverfügugstellug vo Geld bilde das zetrale Elemet i der Fiazmathematik. Hierbei sid verschiedee Arte der Verzisug zu uterscheide.

Mehr

Versuch 13/1 NEWTONSCHE INTERFERENZRINGE Blatt 1 NEWTONSCHE INTERFERENZRINGE

Versuch 13/1 NEWTONSCHE INTERFERENZRINGE Blatt 1 NEWTONSCHE INTERFERENZRINGE Versuch 3/ NEWTONSCHE INTERFERENZRINGE Blatt NEWTONSCHE INTERFERENZRINGE Die Oberfläche vo Lise hat im allgemeie Kugelgestalt. Zur Messug des Krümmugsradius diet das Sphärometer. Bei sehr flacher Krümmug

Mehr

Finanzmathematik II: Barwert- und Endwertrechnung

Finanzmathematik II: Barwert- und Endwertrechnung D. habl. Bukhad Uech Beufsakademe Thüge Saalche Sudeakademe Sudeabelug Eseach Sudebeech Wschaf Wschafsmahemak Wesemese 004/0 Fazmahemak II: Bawe- ud Edweechug. Bawee ud Edwee vo Zahlugsehe. Effekve Jaheszssaz

Mehr

Wirtschaftsingenieurwesen Wirtschaftsmathematik Prüfungsleistung WI-WMT-P12 040703. Studiengang Fach Art der Leistung Klausur-Knz. Datum 03.07.

Wirtschaftsingenieurwesen Wirtschaftsmathematik Prüfungsleistung WI-WMT-P12 040703. Studiengang Fach Art der Leistung Klausur-Knz. Datum 03.07. Studiegag Fach Art der Leistug Klausur-Kz. Wirtschaftsigeieurwese Wirtschaftsmathematik Prüfugsleistug WI-WMT-P 040703 Datum 03.07.004 Bezüglich der Afertigug Ihrer Arbeit sid folgede Hiweise verbidlich:

Mehr

Weil so ähnlich nicht dasselbe ist. Besser durch den Winter mit dem smart Original-Service.

Weil so ähnlich nicht dasselbe ist. Besser durch den Winter mit dem smart Original-Service. smart Center Esslngen Compact-Car GmbH & Co. KG Plochnger Straße 108, 73730 Esslngen Tel. 0711 31008-0, Fax 0711 31008-111 www.smart-esslngen.de nfo@smart-esslngen.de Wr nehmen Ihren smart nach velen Klometern

Mehr

Mathematik. Vorlesung im Bachelor-Studiengang Business Administration (Modul BWL 1A) an der FH Düsseldorf im Wintersemester 2008/09

Mathematik. Vorlesung im Bachelor-Studiengang Business Administration (Modul BWL 1A) an der FH Düsseldorf im Wintersemester 2008/09 Mathematik Vorlesug im Bachelor-Studiegag Busiess Admiistratio (Modul BWL A) a der FH Düsseldorf im Witersemester 2008/09 Dozet: Dr. Christia Kölle Teil I Fiazmathematik, Lieare Algebra, Lieare Optimierug

Mehr

Optimierung der Personaleinsatzplanung in Call Centern Theoretische Systematisierung und empirische Überprüfung

Optimierung der Personaleinsatzplanung in Call Centern Theoretische Systematisierung und empirische Überprüfung Optmerug der Persoalesatzplaug Call Ceter Theoretshe Systematserug ud emprshe Überprüfug Iaugural-Dssertato zur Erlagug des akademshe Grades ees Doktors der Wrtshaftswsseshafte m Fahbereh Statstk der Uverstät

Mehr

ifh@-anwendung ifh@-anwendung Technische Rahmenbedingungen Welche Mindestvoraussetzungen müssen erfüllt sein?

ifh@-anwendung ifh@-anwendung Technische Rahmenbedingungen Welche Mindestvoraussetzungen müssen erfüllt sein? FH@-Anwendung Für de Umsetzung von Strukturfonds-Förderungen st laut Vorgaben der EU de Enrchtung enes EDV- Systems für de Erfassung und Übermttlung zuverlässger fnanzeller und statstscher Daten sowe für

Mehr

Nachklausur - Analysis 1 - Lösungen

Nachklausur - Analysis 1 - Lösungen Prof. Dr. László Székelyhidi Aalysis I, WS 212 Nachklausur - Aalysis 1 - Lösuge Aufgabe 1 (Folge ud Grezwerte). (i) (1 Pukt) Gebe Sie die Defiitio des Häufugspuktes eier reelle Zahlefolge (a ) N. Lösug:

Mehr

Geld- und Finanzmärkte

Geld- und Finanzmärkte Gel- un Fnanzmärkte Prof. Dr. Volker Clausen akroökonomk 1 Sommersemester 2008 Fole 1 Gel- un Fnanzmärkte 4.1 De Gelnachfrage 4.2 De Bestmmung es Znssatzes I 4.3 De Bestmmung es Znssatzes II 4.4 Zwe alternatve

Mehr

Ihr geschützter Bereich Organisation Einfachheit Leistung

Ihr geschützter Bereich Organisation Einfachheit Leistung Rev. 07/2012 Ihr geschützter Berech Organsaton Enfachhet Lestung www.vstos.t Ihr La geschützter tua area rservata Berech 1 MyVstos MyVstos st ene nformatsche Plattform für den Vstos Händler. Se ermöglcht

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

Das gratis ebook fur deinen erfolgreichen Blogstart

Das gratis ebook fur deinen erfolgreichen Blogstart Das grats ebook fur denen erfolgrechen Blogstart präsentert von www.pascromag.de DAS ONLINE-MAGAZIN für dene täglche Inspraton aus den Berechen Desgn, Fotografe und Resen. Mt velen wertvollen Tpps. 1.

Mehr

Innovative Handelssysteme für Finanzmärkte und das Computational Grid

Innovative Handelssysteme für Finanzmärkte und das Computational Grid Innovatve Handelssysteme für Fnanzmärkte und das Computatonal Grd von Dpl.-Kfm. Mchael Grunenberg Dr. Danel Vet & Dpl.-Inform.Wrt. Börn Schnzler Prof. Dr. Chrstof Wenhardt Lehrstuhl für Informatonsbetrebswrtschaftslehre,

Mehr

1 s. 1 s. 1 k. n j. j = Wärmedurchgang durch eine mehrschichtige, ebene Wand:

1 s. 1 s. 1 k. n j. j = Wärmedurchgang durch eine mehrschichtige, ebene Wand: Wärmeurchgg urch ee mehrchchtge, ebee W: ugehe vo er Löug er Fourer'che Dfferetlglechug für e Wärmetrport urch ee ebee Wfläche : A T ergbt ch ru für ee mehrchchtge, ebee Wfläche: A ru wr e Wärmeurchggwertzhl

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

BERUFSKOLLEG KAUFMÄNNISCHE SCHULEN DES KREISES DÜREN Zweijährige Höhere Handelsschule

BERUFSKOLLEG KAUFMÄNNISCHE SCHULEN DES KREISES DÜREN Zweijährige Höhere Handelsschule BERUFSKOLLEG KAUFMÄNNISCHE SCHULEN DES KREISES DÜREN Zweijährige Höhere Hadelsschule Abschlussprüfug Sommer Fach: MATHEMATIK Bearbeitugszeit: Erlaubte Hilfsmittel: Zeitstude Nicht-programmierbarer Tascherecher

Mehr

Angeln Sie sich Ihr Extra bei der Riester-Rente. Private Altersvorsorge FONDSGEBUNDENE RIESTER-RENTE

Angeln Sie sich Ihr Extra bei der Riester-Rente. Private Altersvorsorge FONDSGEBUNDENE RIESTER-RENTE Prvate Altersvorsorge FONDSGEBUNDENE RIESTER-RENTE Angeln Se sch Ihr Extra be der Rester-Rente. Rendtestark vorsorgen mt ALfonds Rester, der fondsgebundenen Rester-Rente der ALTE LEIPZIGER. Beste Rendtechancen

Mehr

Robuste Asset Allocation in der Praxis

Robuste Asset Allocation in der Praxis Fiazmarkt Sachgerechter Umgag mit Progosefehler Robuste Asset Allocatio i der Praxis Pesiosfods ud adere istitutioelle Aleger sid i aller Regel a ei bestimmtes Rediteziel (Rechugszis) gebude, das Jahr

Mehr

b) Rentendauer Anzahl der Rentenzahlungen 1) endliche Renten 2) ewige Renten (z.b. Verpachtung an Verpächter bzw. seinen Rechtsnachfolgern)

b) Rentendauer Anzahl der Rentenzahlungen 1) endliche Renten 2) ewige Renten (z.b. Verpachtung an Verpächter bzw. seinen Rechtsnachfolgern) HTL Jebach. eeechug Maheak Sask.. Gudbegffe ee = egeläßg wedekehede Zahlug 4 weselche Mekale ee ee a) eehöhe ) glechblebede ee ) veädelche ee a) egeläßg (z.b. Idex-ageaß) ) egellos b) eedaue Azahl de eezahluge

Mehr

5. Transmissionsmechanismen der Geldpolitik

5. Transmissionsmechanismen der Geldpolitik Geldtheore und Geldpoltk Grundzüge der Geldtheore und Geldpoltk Sommersemester 2013 5. Transmssonsmechansmen der Geldpoltk Prof. Dr. Jochen Mchaels Geldtheore und Geldpoltk SS 2013 5. Transmssonsmechansmen

Mehr

Finanzmathematik für HAK

Finanzmathematik für HAK Fiazmathematik für HAK Dr.Mafred Gurter 2008. Kapitalverzisug bei der Bak mit lieare (eifache) Zise währed des Jahres Beispiel : Ei Kapital vo 3000 wird mit 5% für 250 Tage verzist. Wie viel bekommt ma

Mehr

Tutorium Investition & Finanzierung Tutorium 1: Kostenvergleichs und Gewinnvergleichsrechnung

Tutorium Investition & Finanzierung Tutorium 1: Kostenvergleichs und Gewinnvergleichsrechnung Fachhochschule Schmalkalde Fakulä Iformak Professur Wrschafsformak, sb. Mulmeda Markeg Prof. Dr. rer. pol. Thomas Urba Tuorum Iveso & Fazerug Tuorum : oseverglechs ud Gewverglechsrechug T : Der Tu Fru

Mehr

MULTIVAC Kundenportal Ihr Zugang zur MULTIVAC Welt

MULTIVAC Kundenportal Ihr Zugang zur MULTIVAC Welt MULTIVAC Kundenportal Ihr Zugang zur MULTIVAC Welt Inhalt MULTIVAC Kundenportal Enletung Errechbarket rund um de Uhr Ihre ndvduellen Informatonen Enfach und ntutv Hlfrech und aktuell Ihre Vortele m Überblck

Mehr

Satz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.

Satz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist. Erfüllbarkeit, Uerfüllbarkeit, Allgemeigültigkeit Defiitio Eie Belegug β ist passed zu eiem Boolesche Term t, falls β für alle atomare Terme i t defiiert ist. (Wird ab jetzt ageomme.) Ist β(t) = true,

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

bciiii $elbbtbc~\~o!lntcti I-Ieim dagegen nictir. Bei freiiidgciiutztcn Inimobilien zeigt ein Vergleich nach Sreucrii, daß das Modell der

bciiii $elbbtbc~\~o!lntcti I-Ieim dagegen nictir. Bei freiiidgciiutztcn Inimobilien zeigt ein Vergleich nach Sreucrii, daß das Modell der uen gegenwärtg d, dle zudem unte 11 'Slgugh..r solltc de Nutzutgs'rt der Innublc 1- rd d.s %~sn\,cau berückschtgt werdenu, rat,,,,,, r Sre~scl~. l)c Nutzungsnrt der Irmoble sctwchtg, wel hc Jer vcrctctc

Mehr

Wie ein Arbeitsverhältnis enden kann

Wie ein Arbeitsverhältnis enden kann We en Arbetsverhältns enden kann Betreb Egenkündgung durch den Arbetgeber Befrstetes Arbetsverhältns Aufhebungsvertrag Betreb vorher Anhörung des Betrebsrates 102 BetrVG Todesfall Beendgungskündgung Frstgerechte

Mehr

Outlier Detection in USENET Newsgruppen

Outlier Detection in USENET Newsgruppen Dplomarbet Outler Detecton n USENET Newsgruppen Stephan Deutsch Dplomarbet am Fachberech Informatk der Unverstät Dortmund Oktober 2006 Betreuer: Prof. Dr. Katharna Mork Dpl.-Inform. Mchael Wurst 2 Inhaltsverzechns

Mehr

Kennlinienaufnahme des Transistors BC170

Kennlinienaufnahme des Transistors BC170 Kennlnenufnhme des Trnsstors 170 Enletung polre Trnsstoren werden us zwe eng benchbrten pn-übergängen gebldet. Vorrusetzung für ds Funktonsprnzp st de gegensetge eenflussung beder pn-übergänge, de nur

Mehr

JOHANN WOLFGANG GOETHE-UNIVERSITÄT FRANKFURT AM MAIN

JOHANN WOLFGANG GOETHE-UNIVERSITÄT FRANKFURT AM MAIN JOHANN WOLFGANG GOETHE-UNIVERSITÄT FRANKFURT AM MAIN FACHBEREICH WIRTSCHAFTSWISSENSCHAFTEN Ulrch Kaser/Andrea Szczesny Enfache ökonometrsche Verfahren für de Kredtrskomessung: Logt- und Probt-Modelle No.61

Mehr

1 Analysis T1 Übungsblatt 1

1 Analysis T1 Übungsblatt 1 Aalysis T Übugsblatt A eier Weggabelug i der Wüste lebe zwei Brüder, die vollkomme gleich aussehe, zwische dee es aber eie gewaltige Uterschied gibt: Der eie sagt immer die Wahrheit, der adere lügt immer.

Mehr

Zahlenfolgen, Grenzwerte und Zahlenreihen

Zahlenfolgen, Grenzwerte und Zahlenreihen KAPITEL 5 Zahlefolge, Grezwerte ud Zahlereihe. Folge Defiitio 5.. Uter eier Folge reeller Zahle (oder eier reelle Zahlefolge) versteht ma eie auf N 0 erlarte reellwertige Futio, die jedem N 0 ei a R zuordet:

Mehr