Vorlesung Multivariate Statistik. Sommersemester 2009

Größe: px
Ab Seite anzeigen:

Download "Vorlesung Multivariate Statistik. Sommersemester 2009"

Transkript

1 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 Bometre ud Klsche Epdemologe Charté Uverstätsmedz Berl

2 P.Martus, Multvarate Statstk, SoSe 009 Tel Wederholug der Wahrschelchketsrechug. Vorbemerkug De Wahrschelchketsrechug erlaubt es, Phäomee zu beschrebe, de durch de Zufall gesteuert sd. Der zugrude legede Zufallsmechasmus wrd als bekat vorausgesetzt. I der kofrmatorsche Statstk versucht ma dagege, aufgrud vo Beobachtuge auf de zugrude legede Zufallsmechasmus zurückzuschleße. Grudlage st aber mmer de Wahrschelchketsrechug. Im erste Tel der Vorlesug werde de Begrffsblduge ud de für statstsche Aweduge wchtgste Ihalte der Wahrschelchketsrechug aufgefrscht.. Awedugsbespel (klsche Stude) I eer klsche Stude wrd e Medkamet a Patete überprüft. De Helugswahrschelchket für jede Patete beträgt p. Ma teressert sch für de Wahrschelchket, dass mdestes k Patete (0 k ) gehelt werde. Lösug: De gesuchte Wahrschelchket heßt Bomalwahrschelchket, wrd mt b(,p,k) abgekürzt ud lautet b(, p, k) Der Bomalkoeffzet st defert als : p k k k ( p). k : k!! ( k)!..3 Awedugsbespel (Hardy Weberg Gesetz) E Ge kommt eer Populato mt zwe Allele, A ud a, mt de relatve Häufgkete p ud q:-p vor. Mt welche Häufgkete trete be zufällger Durchmschug de Geotype AA, Aa, aa auf? Lösug: De Häufgkete der 3 Geotype laute AA: p, Aa: pq, aa: q.

3 P.Martus, Multvarate Statstk, SoSe Awedugsbespel (DNA-Sequezaalyse, vgl. Ewes ud Grat, 005) Be der DNA-Sequezaalyse betrachtet ma sogeate Aker, kurze DNA-Sequeze, de m Geom edeutg sd ud dere Postoe bekat sd. DNA-Fragmete, de Aker ethalte, sd somt m Geom lokalserbar. I eer efache Modellerug geht ma vo folgede Aahme aus: De Azahl vo Aker eer DNA-Sequez st a jeder Stelle des Geoms proportoal zur Läge L deser Sequez mt detschem Proportoaltätsfaktor. Bem Durchlaufe der Sequez st das Neuauftrete ees Akers uabhägg davo, wevele Aker berets aufgetrete sd. We groß st de Wahrschelchket für das Auftrete vo k Aker eer Sequez der Läge L? Lösug: De Wahrschelchkete der etsprechede Häufgkete laute für k 0,,,... p( λ, k) : e λ k λ k! ud de etsprechede Wahrschelchketsvertelug heßt Possovertelug mt Parameter λ. Deser Parameter st proportoal zur Läge L des Itervalls..5 Awedugsbespel (Geexpresso) Be Geexpressosmessuge vo Patete mt Aderhautmelaom st für das Olgoukleotd 00657_at ach Logarthmerug de Itestät ormalvertelt mt Erwartugswert 5 ud Streuug.5. I welchem Berech lege de 90% edrgste Werte? Lösug: De Dchtefukto der Normalvertelug lautet allgeme f ( xμ ) σ ( x) e πσ ud m Bespel f ( x) π.5 e ( x5) *.5. Der gesuchte Berech ergbt sch als de obere Itegralgreze T, für de erfüllt st. Ma erhält T 6.9. T f ( t) dt 0.9 3

4 P.Martus, Multvarate Statstk, SoSe Defto (Edlcher Wahrschelchketsraum) Ee edlche Mege Ω {ω, ω,... ω m } zusamme mt eer Fukto P, für de glt ud P(ω ) 0 für,...,m m P(ω ) bezeche wr als edlche Wahrschelchketsraum. Eelemetge Telmege vo Ω heße Elemetareregsse, belebge Telmege heße Eregsse. De Fukto P wrd für belebge Eregsse A durch de Defto P ( A ) P ω A (ω) auf de Potezmege vo Ω fortgesetzt. Für de leere Mege setze wr P( ) 0..7 Awedugsbespel (Fortsetzug klsche Stude) Der Wahrschelchketsraum Ω {0,} mt P() p, P(0) -p beschrebt de Behadlugserfolg für ee Patete. Welcher Wahrschelchketsraum beschrebt de Behadlugserfolg vo Patete? Lösug : Ω s {0,,,...,} Das (Elemetar)-Eregs {k} steht für de Helug vo exakt k Patete, das Eregs {k,k+,...,} steht für de Helug vo mdestes k Patete. Lösug : Ω Ω Ω... Ω (kartessches Produkt mt detsche Faktore Ω {0,}). Jeder Faktor Ω steht für de Behadlugserfolg ees Patete. Elemetareregsse habe de Form (x, x,..., x ) mt x, we Patet gehelt wrd ud x 0, we Patet cht gehelt wrd. Ω hat Elemete. 4

5 P.Martus, Multvarate Statstk, SoSe Bemerkug Lösug erschet uötg komplzert, ma teressert sch für Eregsse aus Ω s, cht aber aus Ω. Mt Hlfe des "Umwegs" über Ω lasse sch aber de gesuchte Wahrschelchkete für Ω s herlete. Herfür werde dre wetere Deftoe beötgt..9 Defto (Uabhäggket) I eem edlche Wahrschelchketsraum heße zwe Eregsse A ud B uabhägg, we glt: P(A B) P(A) P(B)..0 Awedugsbespel (Fortsetzug Hardy Weberg Gesetz) Vom Vater wrd das Allel A mt der Wahrschelchket p, das Allel a mt der Wahrschelchket -p vererbt. Gleches glt für de Mutter. Somt st be uabhägger Kombato de Wahrschelchket für de Geotyp AA p ud für de Geotyp aa q. De Wahrschelchket für de Geotyp Aa st p(-p), wel A sowohl vom Vater als auch vo der Mutter vererbt se ka.. Defto (Produktraum) Für zwe edlche Wahrschelchketsräume Ω a {ω a, ω a,... ω ma } ud Ω b {ω b, ω b,... ω mb } heßt das kartessche Produkt Ω a Ω b Produktraum, we P (ω ja, ω b ) P(ω ja ) P(ω b ) für alle Paare vo Elemetareregsse glt. Ma seht lecht, dass da dese Egeschaft sofort auf belebge Eregsse A Ω a ud B Ω b verallgemeerbar st, d.h., dass P(A B) P(A) P(B) glt. De Defto ka sofort auf edlch vele Faktore erwetert werde.. Bemerkuge Das Symbol " " wrd sowohl für de Bldug des kartessche Produkts als auch für de Multplkato vo Zahle verwedet. Das Symbol "P" trtt de Formel.9 drefacher Bedeutug auf: P(A B) bezeht sch auf de Wahrschelchketsvertelug Ω a Ω b, P(A) auf dejege Ω a ud P(B) auf dejege Ω b. 5

6 P.Martus, Multvarate Statstk, SoSe 009 Streg geomme wäre es. falsch, zu sage, de Eregsse A ud B see uabhägg. De bede Eregsse A ud B stamme aus verschedee Wahrschelchketsräume ud ma köte (A B) überhaupt cht blde. Korrekt st de folgede Formulerug: Im Produktraum Ω a Ω b sd de Eregsse A Ω b ud Ω a B vo eader uabhägg, de P(A Ω b Ω a B) P(A B) P(A) P(B). Der Efachhet halber darf ma aber A ud B als uabhägg bezeche, we ma weß, was damt gemet st..3 Defto (Zufallsvarable) Für ee edlche Wahrschelchketsraum (Ω 0, P 0 ) ud ee belebge Mege Ω heßt ee Abbldug X: Ω 0 Ω Zufallsvarable (oder Zufallsgröße). Durch P (ω) P(X - (ω)) wrd auf Ω ee Wahrschelchketsvertelug P (auch P X ) defert. Dese Wahrschelchketsvertelug heßt auch Vertelug vo X..4 Awedugsbespel (Fortsetzug klsche Stude) De Lösug aus Bespel.7 Ω Ω Ω... Ω stellt ee Produktraum dar, we ma davo ausgeht, dass de Helug für ee Patete uabhägg st vo der Helug für belebge adere Patete. De Wahrschelchket des Elemetareregsses {x, x,..., x } st da ud das st glech we P(x ) P(x )... P(x ) p k -p (-k), S( x, x, K x ) : ω k glt. De gesuchte Wahrschelchkete für Lösug des Bespels.7 erhält ma also als Vertelug der Zufallsgröße S (Summebldug) vo Ω ach Ω s. Ma muss ur och bestmme, welche Mächtgket S - (k) hat. Ma seht lecht, dass der Tat S - (k) de Mächtgket hat. k 6

7 P.Martus, Multvarate Statstk, SoSe Bemerkug I vele Aweduge bezeht ma sch auf ee Zufallsvarable mt eer bestmmte Vertelug (z.b. Normalvertelug) ohe sch über das "dahter legede" Ω Gedake zu mache..6 Dskusso des Awedugsbespels (.,.7,.4) De Aahme, dass jeder Patet uabhägg vo de adere behadelt wrd, st realstsch. De Aahme, dass jeder Patet de gleche Helugswahrschelchket hat, st urealstsch. So köte z.b. der Schweregrad der Erkrakug für Patete verschede se. Deoch wrd das etsprechede Modell als Stadard z.b. für sog. Phase II Stude der Medkameteprüfug verwedet..7 Weterführug (Belebge Wahrschelchketsräume) Für abzählbar uedlche Mege (z.b. {0,,,...}) lässt sch de Begrffsbldug des Wahrschelchketsraums drekt übertrage. De Summe P ( A ) P ω A (ω) wrd be abzählbar uedlche Mege zu eer Rehe mt uedlch vele Summade. Be überabzählbar uedlche Mege, z.b. oder [0,], R +, R {0,} {0,}...(abzählbar vele Faktore) trete dagege schwerge mathematsche Probleme auf. I eem egee Telgebet der Mathematk, der Maßtheore, werde dese Probleme gelöst. De Maßtheore wr her cht behadelt. Ee wchtge Kosequez aus der Maßtheore st, dass be überabzählbarem Ω alle Elemetareregsse de Wahrschelchket 0 habe köe. Außerdem ka cht mehr für alle Telmege vo Ω ee Wahrschelchket agegebe werde, soder ur für de messbare Telmege. Für de reelle Zahle R sd z.b. alle Itervalle messbar (vgl. z.b. Bauer 990, her sbesodere S.3 ff). Wr gehe m Folgede stllschweged davo aus, dass usere Aweduge mt uedlche Wahrschelchketsräume de Deftoe ud Sätze für edlche Wahrschelchketsräume hre Gültgket behalte. 7

8 P.Martus, Multvarate Statstk, SoSe Defto (Vertelugsfukto ud Dchte) De für Aweduge relevate Wahrschelchketsverteluge auf R oder Teltervalle vo R köe durch Dchtefuktoe f(x) beschrebe werde (vgl. Bespel.4). Ist also Ω ee messbare Telmege vo R ud glt für ee Wahrschelchketsvertelug P P ( A) A f ( t) dt, für alle messbare A Ω, da heßt f de Dchte vo P ud F ( T ) T f ( t) dt de Vertelugsfukto vo P. Dabe ehme wr jetzt ud m folgede a, dass f auf R \ Ω kostat 0 st. Es glt ud P ( Ω) f ( t) dt Ω lm T F( T ), lmt F( T ) 0. De Vertelugsfukto lässt sch aalog für edlches oder abzählbares Ω R durch defere. F ( T ) P ω T (ω).9 Bemerkuge Mt Begrfflchkete aus der Maßtheore lässt sch P(ω) auch be edlchem Ω als Dchte terpretere ud de etsprechede Summe als Itegrale. Im folgede werde wr mmer de Itegralschrebwese verwede. I der multvarate Statstk werde de Begrffe vo Vertelugsfukto ud Dchte auf Wahrschelchketsräume m R p verallgemeert..0 Bespel (Glechvertelug) Ee Zufallsgröße X heßt glechvertelt auf eem Itervall [a,b] (- < a < b < ), we für de Dchtefukto f glt f(x) /(b-a) für x [a, b] f(x) 0 für x <a, x > b. 8

9 P.Martus, Multvarate Statstk, SoSe 009 Für edlches Ω Ω {ω, ω,... ω m } mt P(ω ) /m heßt P aalog Glechvertelug ud der Wahrschelchketsraum Laplaceraum mt m Elemete.. Satz (Glechvertelug der Vertelugsfukto) Es se X ee reelle Zufallsvarable mt stetger Dchtefukto f(t) > 0 ud es se F ( T ) T f ( t) dt de zugehörge Vertelugsfukto. Da glt: De Zufallsvarable Y:F(X) mmt Werte zwsche 0 ud a ud st auf [0,] glechvertelt. Bewes: sehe Übug.. Defto (Erwartugswert ud Varaz) Für ee Zufallsgröße X mt Dchtefukto f(x) st der Erwartugswert μ(x) ud de Varaz σ (X) defert durch μ ( X ) : t f ( t) dt falls de etsprechede Itegrale exstere. [ t μ( X ) ] σ ( X ) : f ( t) dt,.3 Satz (Erwartugswert ud Varaz vo Summe vo Zufallsvarable) See X ud Y belebge reelle Zufallsvarable, für de Erwartugswert ud Varaz exstere. Da glt μ(x+y) μ(x) + μ(y), μ(ax) aμ(x) ud σ (ax) a σ (X) für a belebg aus R. Für uabhägge X, Y glt σ (X+Y) σ (X) + σ (Y). Bewes: Bs auf de letzte Aussage folgt alles drekt aus de Deftoe vo Erwartugswert ud Varaz. E Bewes für de letzte Aussage fdet sch z.b. be Chug (978), Sete Bespel (Bomalvertelug) Der Erwartugswert der Bomalvertelug b(,p,k) st p, de Varaz st pq. Des folgt sofort aus Satz.3 ud μ(x) p ud σ (X) p(-p) für. 9

10 P.Martus, Multvarate Statstk, SoSe 009 0

11 P.Martus, Multvarate Statstk, SoSe Possoscher Grezwertsatz Wr betrachte ee Folge X (,,... ) vo Zufallsgröße, de alle ach b(,p,k) vertelt sd mt kostatem Erwartugswert p λ für belebges. Da glt für alle k )., ( ),, ( lm k p k p b λ Bemerkug: Es geügt vorauszusetze, dass p λ für. Bewes: Wr betrachte De erste ud de drtte Klammer habe berets de gewüschte Form. De zwete Klammer geht (be festem k) für gege, de letzte Klammer erfüllt k k λ λ λ. De erste Klammer geht gege e -λ, de zwete gege wel k fest st ud λ/ p 0..6 Dskusso des Awedugsbespels.4 Im Bespel zur DNA-Sequezerug ka ma sch vorstelle, dass mmer zahlrechere ud mmer kleere Telsequeze des utersuchte DNA-Strags mmer ur e oder ke Aker auftrtt. Be Auftelug glechlage Telsequeze st also de Zahl der Aker ach b(,p,k) vertelt, de Gesamtzahl der Aker ach b(,p,k). Der vorhergehede Satz rechtfertgt also de Aahme eer Possovertelug für de Gesamtzahl der Aker. De Gesamtzahl der Aker ka atürlch e größer als de Zahl der Basepaare der utersuchte Gesequez se. Außerdem st de Uabhäggketsaahme.4 sehr problematsch. Deoch eget sch das Modell zur efache Beschrebug der Vertelug vo Akerpukte. [ ].! : ),, ( + k k k k k k k k b λ λ λ λ λ K

12 P.Martus, Multvarate Statstk, SoSe Defto (Stadardserug) Es se X ee reelle Zufallsvarable, für de μ (X) ud σ (X) exstere. Da heßt de Zufallsvarable Z mt Z X μ( X ) σ ( X ) de stadardserte Zufallsvarable für X. Für Z glt μ(x) 0 ud σ (X). Der Neer σ ( X ) heßt auch Stadardabwechug oder Streuug ud wrd mt σ (X) bezechet..8 Satz vo de Movre Laplace Es se X, ee Folge vo bomal vertelte Zufallsgröße mt festem p, also X ~ b(,p,k) ud es se Z de zugehörge Folge stadardserter Zufallsgröße Z X p. pq Da lässt sch de Vertelug vo Z durch de Normalvertelug aäher. Damt st gemet: Für belebge Kostate - < a < b < + glt Bewesskzze b ( a < Z b) e dx lm P π a x Im erste Schrtt ähert ma de Fakultäte der Bomalvertelug mt der Strlgsche Formel a: p k k k ( p)! π. e Setzt ma für de dre Fakultäte des Bomalkoeffzete de etsprechede Terme der Strlgformel e, so erhält ma p k k ( p) k k e k π e k k π k e π ( k) p k k ( p)

13 P.Martus, Multvarate Statstk, SoSe ud daraus durch Kürze I der Übug wrd bewese, dass erfüllt, wobe z k der stadardserte Wert für k st. Isgesamt erhalte wr also Durch Aufsummere der Wahrschelchkete aller Trefferzahle k, für de z k m gewüschte Itervall ]a,b] legt, erhalte wr ee Remasumme, de gege das m Satz geate Itegral kovergert (vgl. Chug, 978, Sete 8-30). Der Satz vo de Movre Laplace st e Spezalfall des Zetrale Grezwertsatzes..9 Zetraler Grezwertsatz für detsch vertelte uabhägge Zufallsvarable Es se X ee reelle Zufallsvarable, für de Erwartugswert ud Varaz exstert, X (,...,) see detsch vertelte, uabhägge Zufallsvarable mt der Vertelug vo X. Mt S bezeche wr de Summe der X S X ud mt Z de Stadardserug vo S, also ) ( ) ( X X S Z σ μ Da st ( ) dx e b Z a P b a x < lm π. Bewes: z.b. Chug, 978, Sete ( ) ( ). ) ( k k k k k k p p p p k k p p k π ( ) z k k k k k e p p k k ( ) ) ( z k k k k k e p p p p k k π

14 P.Martus, Multvarate Statstk, SoSe Bemerkug Der Zetrale Grezwertsatz lässt sch och allgemeer formulere. Es geügt z.b., dass für cht detsch vertelte, aber uabhägge Zufallsvarable X de Erwartugswerte μ (X ) ud Varaze σ (X ) exstere ud für de Varaze σ (S ) der Summevarable de folgede Summe vo Itegrale S X Var ( S ) ( x E( X ) PX dx x E( X ) εs für belebges ε > 0 gege Null kovergert (Ldeberg-Bedgug, Bauer, 99, Sete 38-45)..3 Schlussbemerkug Der Zetrale Grezwertsatz stellt be vele statstsche Aweduge de "Rechtfertgug" für de Gebrauch der Normalvertelug dar. So ka ma aus der Formulerug.9 ablete, dass wederholte Messuge derselbe Größe am selbe Idvduum, we se uabhägg erfolge, zu ormalvertelte Durchschttswerte führe (Normalvertelug der Messfehler). Aus der allgemeere Formulerug.30 ka ma folger, dass de wahre (Messfehlerberegte) Werte vo uterschedlche Idvdue eer Populato ormalvertelt sd we der gesuchte Wert sch addtv aus vele klee Eflüsse zusammesetzt, de uabhägg sd ud vo dee keer domert (Normalvertelug der tatsächlche bologsche Varabltät). Lteratur Bauer H. Maß- ud Itegratostheore (de Gruyter 990). Bauer H. Wahrschelchketstheore, 4. Auflage (de Gruyter, 99). Chug KL. Elemetare Wahrschelchketstheore ud stochastsche Prozesse (Sprger, 978). Ewes WJ, Grat GR. Statstcal Methods Boformatcs.ed. (Sprger 005). 4

15 P.Martus, Multvarate Statstk, SoSe 009 Tel Statstsche Hypothesetests. Vorbemerkuge Statstsche Hypothesetests stelle das wchtgste Hlfsmttel der kofrmatorsche Statstk dar. Se ermöglche, Etscheduge über wsseschaftlche Hypothese aufgrud emprscher Date zu treffe. Dabe köe zwar Fehletscheduge cht ausgeschlosse werde, aber dere Wahrschelchket ka begrezt werde. De Awedug statstscher Tests st aber cht fre vo Fehlerquelle: Ma muss sch über de "Natur" der Fehlerwahrschelchkete m Klare se, we ma statstsche Tests korrekt awedet. Ee Hauptaufgabe des Statstkers besteht dar, dem Aweder de korrekte Iterpretato vo Testergebsse zu ermöglche. Wrd de zu testede Hypothese oder de akzepterte Fehlerwahrschelchket erst achträglch, ach Kets aller oder ees Tels der Date, festgelegt, brcht dese Abscherug gaz oder telwese zusamme. Im Rahme deses Tels der Vorlesug wrd der frequetstsche Asatz dargestellt. I eem adere Abschtt wrd de Bayesasche Schtwese dargestellt. Das Przp des statstsche Tests wrd zuächst a eem efache Bespel dargestellt. De formal korrekte Behadlug schleßt sch a.. Awedugsbespel (Klsche Stude, vgl..,.7,.4,.6) Für e eues Medkamet soll gezegt werde, dass de Helugswahrschelchket π größer als 0.5 st. Herfür werde 5 Patete mt desem Medkamet behadelt ud de Häufgket k vo Heluge beobachtet. Wevele Patete müsse mdestes gehelt werde, um mt eer Fehlerwahrschelchket vo α0.05 de Nachwes vo π > 0.5 zu erbrge? Gemet st der Fehler, sch rrtümlch zuguste des eue Medkamets zu etschede: De Helugswahrschelchket st maxmal 0.5, der Stude werde aber zufällg sehr vele Patete gehelt, d.h. de beobachtete relatve Häufgket k/ st deutlch größer als 0.5. De Mdestzahl K vo Heluge, ab der der Nachwes vo π > 0.5 erbracht st, muss also so hoch lege, dass de Wahrschelchket für das Eregs k K etspreched gerg, d.h. maxmal 0.05 st. Dese Wahrschelchket ka für belebges π mt Hlfe der Bomalvertelug berechet werde. Se st scher für jede Wahl vo K am größte, we π exakt glech 0.5 st. Wr werde us also für dese Fall abscher ud köe us darauf verlasse, dass de Fehlerwahrschelchket ur gerger werde ka, we π sogar kleer als 0.5 st. 5

16 P.Martus, Multvarate Statstk, SoSe Bespel (Fortsetzug) Im folgede Dagramm sd de Bomalwahrschelchkete b(5,0.5,k) dargestellt: 5 5 Patete - H0: Helugsrate 50% Wahrschelchket [%] %.8% Azahl gehelter Patete Uter der Aahme π 0.5 st de Wahrschelchket, oder mehr Patete zu hele, Ma seht lecht durch Nachreche, dass b(5,0.5,) 0.04 ud somt b(5,0.5,k ) 0.06 > Ma muss also mdestes Patete hele, um π > 0.5 statstsch zu bewese..4 Bespel (Fortsetzug) Für de Nachwes vo π > 0.5 wrd ee beobachtete Helugshäufgket vo /5 80%, also deutlch mehr als 50%, verlagt! De beschrebee Stude wrd atürlch mt der Abscht durchgeführt, dese Nachwes zu erbrge (aderfalls müsste der statstsche Asatz geädert werde!). De Itator der Stude teressert also, we groß de Wahrschelchket für de Erfolg der Stude st. Dese Wahrschelchket hägt u aber vo der tatsächlche Helugswahrschelchket des Medkamets ab. De folgede Grafke zege, we groß für uterschedlches π de Wahrschelchket ees Studeerfolgs (k ) st. Aus de Grafke geht klar hervor, dass de Stude egetlch ur für π 0.9 (oder größer) erfolgverspreched st. De Bezechug H 0 ud H de Grafke wrd später erklärt. 6

17 P.Martus, Multvarate Statstk, SoSe Patete - H: Helugsrate 60% Wahrschelchket [%] % 9.% Azahl gehelter Patete Wahrschelchket [%] Patete - H: Helugsrate 70% 70.3% 9.7% Azahl gehelter Patete 7

18 P.Martus, Multvarate Statstk, SoSe Patete - H: Helugsrate 80% Wahrschelchket [%] % 64.8% Azahl gehelter Patete Wahrschelchket [%] Patete - H: Helugsrate 90% 5.6% 94.4% Azahl gehelter Patete 8

19 P.Martus, Multvarate Statstk, SoSe Bemerkug Für de Itator der Stude st ee zwete Fehlerwahrschelchket vo Iteresse: De Wahrschelchket β dafür, dass de Stude cht das Zel vo mdestes Heluge errecht, obwohl de Helugswahrschelchket π größer als 0.5 st. Ist de tatsächlche Helugswahrschelchket also z.b. π 0.6, da köe wr aus der etsprechede Grafk ablese, dass β Dese Stude wäre also usg. Der Ausweg besteht dar, de Zahl der Patete zu erhöhe..6 Bespel (Fortsetzug) Es werde 50 Patete behadelt. Wege b(50,0.5,k 86) ud b(50,0.5,k 85) > 0.05 müsse mdestes 86 Patete gehelt werde. Aus de folgede Grafke ka abgelese werde, dass dese Stude recht erfolgverspreched st: 7 50 Patete - H0: Helugsrate 50% Wahrschelchket [%] % 4.3% Azahl gehelter Patete 7 50 Patete - H: Helugsrate 60% Wahrschelcket [%] % 77.4% Azahl gehelter Patete 9

20 P.Martus, Multvarate Statstk, SoSe Bemerkug Zur Berechug der Bomalwahrschelchkete.6 beutzt ma cht de Rohwert k soder de stadardserte Zufallsgröße Z X μ( k) σ ( k) mt μ(k) π ud σ (k) π(-π). Mt dem Zetrale Grezwertsatz erhält ma b(, p, k K) π Z ( K ) e z dz π p( p) K e ( xp) p( p) dx..8 Bespel (Fortsetzug) I Medkametestude st ma dazu verpflchtet, auch mmer mt zu überprüfe, ob de Stude (etgege der Iteto des Itators) statstsch bewest, dass das eue Medkamet sogar deutlch schlechter als erwartet st. Des bedeutet, dass ma auch de Fall π < 0.05 berückschtge muss. Praktsch erfolgt des dadurch, dass ma de zulässge Fehler vo 0.05 zu gleche Tele auf besoders hohe ud besoders edrge Helugshäufgkete vertelt: 50 Patete - H0: Helugsrate 50% Wahrschelchket [%] Zwesetger Test.04%.04% Azahl gehelter Patete Ma verlagt jetzt mdestes 87 Heluge, statt 86. 0

21 P.Martus, Multvarate Statstk, SoSe Bemerkug We der Stude statt der geforderte 87 Patete z.b. 78 gehelt werde, hat ma de geforderte Nachwes vo π > 0.5 cht erbracht. Werde z.b. 90 Patete gehelt, hat ma h erbracht. Um zu demostrere, we "ahe" das Ergebs a der vorgeschrebee Greze K 87 lag, betrachtet ma de Fehlerwahrschelchket, de zum beobachtete k gehört. Im erste Fall mt k 87 glt b(50,0.5,k 78) 0.34, m zwete Fall b(50,0.5,k 90) Beachtet ma de.8 geforderte Erweterug auf de Nachwes vo π < 0.5, so ka ma folgede Aussage treffe: Wäre de zulässge Fehlerwahrschelchket α 0.68 gewese, hätte de 78 Patete zum Nachwes π > 0.5 ausgerecht, wäre de Fehlerwahrschelchket dagege α gewese, hätte 90 Patete zum Nachwes π > 0.5 ausgerecht. I de folgede Abschtte werde de bsher formell verwedete Begrffsblduge eer Sere vo mathematsche Deftoe präzsert. Es wrd drged empfohle, das Bespel.-.8 jewels gege zu lese..0 Defto (statstscher Raum) Gegebe se ee Mege Ω zusamme mt eer Mege vo Wahrschelchketsverteluge P auf Ω. Da heßt das Paar (Ω,P) statstscher Raum. Wr spreche vo eem parametrsche statstsche Raum, we sch de Wahrschelchketsverteluge P durch ee (üblcherwese reellwertge) Parameter (oder Parametervektor m R ) beschrebe lasse, d.h.we ma schrebe ka P {P θ θ Θ}.. Bemerkuge Für edlches Ω {ω, ω,... ω m } oder abzählbares Ω {ω, ω,...} köe wr ohe Eschräkug davo ausgehe, dass de ezele Wahrschelchketsverteluge P aus P jewels für alle Telmege vo Ω defert sd. Für belebges Ω müsse wr zusätzlch verlage, dass jedes P aus P für deselbe Eregsse A Ω defert st. I vele Aweduge verlagt ma zusätzlch, dass cht ur jedes P für deselbe Eregsse defert st, soder auch dass P(A) > 0 etweder für alle oder für ke P aus P erfüllt st. Lässt ma belebge Parametermege Θ zu, ka ma ma jede statstsche Raum als parametrsch auffasse. Im egere Se sprcht ma vo eem parametrsche Raum,

22 P.Martus, Multvarate Statstk, SoSe 009 we der Parameter we obe erwäht e- oder mehrdmesoal reell st. Als Parameter werde häufg Erwartugswert ud/oder Varaz gewählt. Dese Wahl st aber cht zwged, mache Fälle wählt ma efache Fuktoe deser Größe. Wr werde fast mmer davo ausgehe, dass der Raum, de wr betrachte, m egere Se parametrsch st. I sehr vele Fälle hat ma de Wahl, Ω der Form (Ω ) oder glech als de Bldraum eer Abbldug vo (Ω ) ee efache Raum (Ω ) festzulege.. Bespel (Fortsetzug) I der klsche Stude wähle wr ud Ω {0,,,... 5 } bzw. Ω {0,,,... 50} P {b(5,p,k) p ]0,[} bzw. P {b(50,p,k) p ]0,[}. Her st p der Parameter, wrd als kostat betrachtet. De Werte p 0 ud p werde bewusst cht zugelasse, wel da de Bedgug "P(A) > 0 etweder für alle oder für ke P aus P " verletzt wäre. Ee alteratve Parametrserug wäre p/(-p) oder l[p/(-p)]. Ee alteratve Wahl für Ω wäre {0,} 5. P wäre da de Mege aller Wahrschelchketsverteluge auf de Tupel (ω, ω,... ω 5 ) mt ω {0,} ud für Σw k P(ω, ω,... ω 5 ) p k (-p) 5-k. De Parametermege würde sch cht äder, wäre also z.b. weder ]0,[..3 Defto (Testprobleme, Nullhypothese ud Alteratve, Etschedugsfukto, krtscher Berech, krtscher Wert) Es se (Ω, P) e statstscher Raum mt P {P θ θ Θ}. Θ 0 ud Θ see zwe Telmege vo Θ mt Θ 0 Θ. Als Testproblem bezechet ma de Aufgabe, aufgrud vo Stchprobedate zu etschede, ob ma de Aahme H 0 : P Θ 0 zuguste der Aahme H : P Θ ablehe ka. H 0 heßt Nullhypothese ud H heßt Alteratve. Falls Θ R, Θ 0 ]a,b] ud Θ ]b,c[, sprcht ma vo eem esetge Testproblem, falls Θ 0 {b} ud Θ ]a,b[ ]b,c[ sprcht ma vo eem zwesetge Testproblem (- a < b < c ). Als Etschedugsfukto bezechet ma dejege Fukto δ:ω {0,}, de jedem möglche Versuchsergebs ω de Wert 0 (kee Ablehug der Nullhypothese) oder (Ablehug der Nullhypothese) zuordet.

23 P.Martus, Multvarate Statstk, SoSe 009 Als krtsche Berech K bezechet ma de Mege δ - (), also dejege Versuchsergebsse, de zur Ablehug der Nullhypothese führe. Ist Ω reell ud hat der krtsche Berech de Gestalt ees Itervalls K [K, [, bezechet ma K als krtsche Wert. We ma vor de Etschedugsfukto ee Zufallsgröße X vo Ω ee efachere Ω' "zwscheschaltet", bezechet ma X als Prüfgröße ud sprcht da aalog vom krtsche Wert für de Prüfgröße..4 Bemerkuge Mestes, aber cht mmer glt Θ 0 Θ Ω.. Es ka also P Wahrschelchketsverteluge gebe, de weder zur Nullhypothese och zur Alteratve gehöre. Das Testproblem st bewusst asymmetrsch formulert: We ma de Nullhypothese ablehe ka, glt de Alteratve als statstsch bewese. We ma de Nullhypothese cht ablehe ka, glt se deswege och lage cht als statstsch bewese. I vele Aweduge mt esetge Testprobleme bezeht ma aus Θ 0 ur de ugüstgste Wahrschelchketsvertelug, also dejege, de der Alteratve am "äheste" kommt, de wetere Überleguge e. I eem allgemeere Asatz ka de Etschedugsfukto auch Werte zwsche ull ud es aehme. Gemet st folgedes: We δ(ω) ρ, da sollte ma sch mt Wahrschelchket ρ für de Ablehug der Nullhypothese etschede, also für de Etschedug selbst och emal e Zufallsexpermet durchführe. Ma sprcht deswege vo radomserte Etschedugsfuktoe. Dese werde der Praxs cht agewedet..5 Bespel (Fortsetzug) I der klsche Stude mt lautet das esetge Testproblem ud das zwesetge Testproblem Ω {0,,,... 5 } ud P {b(5,p,k) p ]0,[} H 0 : P ]0,0.5], H : P ]0.5, [ H 0 : P {0.5}, H : P ]0, 0.5[ ]0.5, [. De Etschedugsfukto δ geht vo {0,,...,5} ach {0,}. Bem esetge Testproblem hatte wr us etschede, δ{k} zu wähle, falls k. Der krtsche Wert K war also 3

24 P.Martus, Multvarate Statstk, SoSe 009. De Wahl vo K war aufgrud der Vorgabe erfolgt, dass de Wahrschelchket, H0 abulehe obwohl H 0 zutrfft maxmal 0.05 se sollte. Be Verwedug eer radomserte Etschedugsfukto dürfte ma für k Heluge mt Wahrschelchket 0.03/ % de Nullhypothese ablehe. Be Verwedug vo Ω {0,} 5 wäre de Prüfgröße X defert durch X(ω, ω,... ω 5 ) Σw ( k)..6 Defto (Fehler erster ud Fehler zweter Art, Macht, Machtfukto) Be gegebeem Testproblem et ma Maxθ Θ P ( K) 0 θ de Fehler erster Art oder Sgfkazveau ud bezechet es mt α. (K st der krtsche Berech). Für festes θ Θ et ma de Fehler zweter Art. ( K) P θ De Fukto ( θ ) P ( ) M : Θ [0,], M K θ bezechet ma als Machtfukto..7 Bemerkuge Machmal bezechet ma auch de Etschedug selbst als Fehler erster oder zweter Art ud cht de Wahrschelchket der jewelge Etschedug. I Aweduge wrd der Fehler erster Art als der wchtgere agesehe, desse Wahrschelchket jeder Stude vorher begrezt werde muss. I der Medz wrd üblcherwese α0.05 verlagt. Um überhaupt vom Fehler zweter Art zu spreche, muss ma sch auf ee spezelle Alteratve θ Θ festlege. Demgegeüber st der Fehler erster Art ja e Maxmalwert vo Wahrschelchkete, ma muss sch her cht auf e spezelles θ Θ 0 festlege. I gute Stude wrd der Fehler zweter Art vor der Stude für ee realstsche Alteratve bestmmt. Ma ka für festes θ Θ de Fehler zweter Art durch Erhöhug des Stchprobeumfags verrger (s.u. Fallzahlschätzug). Allerdgs wrd sch be fester Fallzahl der Fehler zweter Art für Alteratve, de sch mmer mehr der Nullhypothese aähere, mmer mehr dem 4

25 P.Martus, Multvarate Statstk, SoSe 009 Wert -α aäher, der Medz also 95%. Extrem klee Abwechuge vo der Nullhypothese köe also statstsch kaum achgewese werde...8 Bespel (Fortsetzug) Im Bespel mt 5 Patete wurde der Fehler erster Art auf 0.05 begrezt. Für de esetge Test wurde der Fehler zweter Art für de spezelle Alteratve θ 0.60, θ 0.70, θ 0.80 ud θ 0.90 bestmmt. De Machtfukto hat auf ]0.5,[ de Gestalt,00 0,80 macht 0,60 0,40 0,0 0,00 0,50 0,60 0,70 0,80 0,90,00 p.9 Defto (Überschretugswahrschelchket) Be bekatem Versuchsergebs ka ma das edrgste Sgfkazveau agebe, für das das Studeergebs och sgfkat gewese wäre. Es legt be maxmal α, we das Studeergebs sgfkat für α war ud be größer α, we das Studeergebs cht sgfkat für α war. Deses "optmale" Sgfkazveau bezechet ma als Überschretugswahrschelchket oder kürzer als p-wert..0 Bemerkug P-Werte ethalte mehr Iformato als de Agabe zur Ablehug oder Nchtablehug der Nullhypothese. P-Werte stelle aber kee Begrezuge für de Wahrschelchkete vo Fehletscheduge dar, auch we se oft deser Art terpretert werde. P-Werte werde der Medz extrem häufg berechet.. Bespel (Fortsetzug) 5

26 P.Martus, Multvarate Statstk, SoSe 009 Der p-wert für k Heluge war 0.06, derjege für k Heluge Algorthmus (Fallzahlschätzug) We ma für ee Stude de Fehler zweter Art begreze wll, muss ma de otwedge Mdestfallzahl bestmme. Dabe geht ma folgedermaße vor: Ma legt durch de Wahl voθ 0 de Nullhypothese ud durch de Wahl vo Θ de Alteratve fest. Ma fxert das Sgfkazveau α. Weterh legt ma für e spezelles θ Θ de gewüschte Fehler zweter Art β fest. Für ee tale Festlegug der Fallzahl bestmmt ma zuächst de maxmal möglche krtsche Berech K aufgrud der Bedgug Max θ Θ Pθ ( ) 0 K α Für das gefudee K ud das spezelle θ Θ bestmmt ma de Fehler zweter Art P ( K) β ( ). θ We β() > β muss erhöht werde, we β() < β ka verrgert werde. Durch Ausprobere fdet ma de otwedge Fallzahl. Be sehr efache Testprobleme ka ma geschlossee Formel für de Fallzahl agebe..3 Bespel (Fortsetzug) Für de Approxmato der Bomal- durch de Normalvertelug lautet de geschlossee Form der Fallzahlschätzug für de esetge Test { z α [ π 0 ( π 0 )] + z β [ π ( π )]} ( π π ) 0 Dabe bezechet z γ das γ-quatl der Stadardormalvertelug, also de z-wert für de glt: π zγ z e dz γ Es glt z ud z De otwedge Fallzahl für π ud π 0.60 st {.645 [ 0.5 ( 0.5) ] [ 0.6 ( 0.6) ]} ( ) 57. 6

27 P.Martus, Multvarate Statstk, SoSe 009 Für de zwesetge Test muss ma α halbere, also mt z (.96) statt z 0.95 a(.645) arbete. 7

28 P.Martus, Multvarate Statstk, SoSe 009 Tel 3 Methodekatalog 3. Vorbemerkuge ud Überblck I de folgede Abschtte werde wr ege statstsche Tests vorstelle, de für medzsch / bologsche Aweduge vo Bedeutug sd. De zugrude legede Theore werde wrd ur adeutugswese behadel, de Fehler erster Art mmer auf 0.05 fxere. Be de ausgewählte statstsche Tests lasse sch dre Stchprobestrukture uterschede: Ee Stchprobe wrd gege ee bekate Wert verglche. Zwe Stchprobe werde gegeeader verglche. Alle Werte köe als uabhägg betrachtet werde (mestes, wel se vo verschedee Patete stamme, de z.b. uterschedlche Therape erhalte oder zu uterschedlche Dagosegruppe gehöre). Zwe Stchprobe werde gegeeader verglche. Jewels e Wert der erste ud der zwete Stchprobe sd voeader abhägg. Asoste sd de Werte uabhägg (mestes zwe Messuge am selbe Patete uter verschedee Bedguge, z.b. uter zwe Therape, vo der lke ud rechte Körpersete, a gesudem ud krakem Gewebe). Aus der Stchprobestruktur ud der Vertelug des zu utersuchede Merkmals ergbt sch da jewels der azuwedede Test. Wr werde sehe, dass der drtte Fall efach auf de erste zurückgeführt werde ka. De desem Abschtt vorgestellte Bespele solle ledglch de Recheweg verdeutlche ud stamme cht aus realstsche Aweduge. I der Übug werde reale Awedugsbespele behadelt. Um klar zwsche de theoretsche Parameter der Wahrschelchketsmodelle ud de Parameter der beobachtete Stchprobe uterschede zu köe, werde wr für de theoretsche Parameter grechsche ud für de Stchprobeparameter latesche Buchstabe verwede. Bespel: Wr werde Wahrschelchkete mt π, beobachtete relatve Häufgkete mt p bezeche. 8

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Vorlesung Multivariate Analyse

Vorlesung Multivariate Analyse 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

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

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

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

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

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

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

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

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

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

Kunde. Kontobewegung

Kunde. Kontobewegung Techische Uiversität Müche WS 2003/04, Fakultät für Iformatik Datebaksysteme I Prof. R. Bayer, Ph.D. Lösugsblatt 4 Dipl.-Iform. Michael Bauer Dr. Gabi Höflig 17.11. 2003 Abbildug E/R ach relatioal - Beispiel:

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

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

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

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

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

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

x 2 + 2 m c Φ( r, t) = n q n (t) φ n ( r) (5) ( + k 2 n ) φ n ( r) = 0 (6a)

x 2 + 2 m c Φ( r, t) = n q n (t) φ n ( r) (5) ( + k 2 n ) φ n ( r) = 0 (6a) Quatisierug eies skalare Feldes Das Ziel ist eigetlich das elektromagetische Feld zu quatisiere, aber wie ma scho a de MAXWELLsche Gleichuge sehe ka, ist es zu kompliziert, um damit zu begie. Außerdem

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

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

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

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

Monte Carlo-Simulation

Monte Carlo-Simulation Mote Carlo-Simulatio Mote Carlo-Methode Der Begriff Mote Carlo-Methode etstad i de 1940er Jahre, als ma im Zusammehag mit dem Bau der Atombombe die Simulatio vo Zufallsprozesse erstmals i größerem Stil

Mehr

Online Algorithmen. k-server randomisiert Teil II

Online Algorithmen. k-server randomisiert Teil II Onlne Algorthmen k-server randomsert Tel II Ausarbetung für das Semnar Onlne Algorthmen Prof. Dr. Ro. Klen Anette Ebbers-Baumann Ansgar Grüne Insttut für Informatk Theorethsche Informatk und formale Methoden

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

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 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

Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK. 1. Vorbemerkung

Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK. 1. Vorbemerkung Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK Physikalische Prozesse, die eier statistische Gesetzmäßigkeit uterworfe sid, lasse sich mit eier Verteilugsfuktio beschreibe. Die Gauß-Verteilug

Mehr

Die Zahl i phantastisch, praktisch, anschaulich

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

Mehr

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

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

Zinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung

Zinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung Znsesznsformel (Abschntt 1.2) 3 Investton & Fnanzerung 1. Fnanzmathematk Unv.-Prof. Dr. Dr. Andreas Löffler (AL@wacc.de) t Z t K t Znsesznsformel 0 1.000 K 0 1 100 1.100 K 1 = K 0 + K 0 = K 0 (1 + ) 2

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

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

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Insttut für Stochastk Prof Dr N Bäuerle Dpl-Math S Urban Lösungsvorschlag 6 Übungsblatt zur Vorlesung Fnanzatheatk I Aufgabe Put-Call-Party Wr snd nach Voraussetzung n ene arbtragefreen Markt, also exstert

Mehr

Mobile Sicherheit durch effiziente Public-Key-Verschlüsselung

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

Mehr

Aufgaben zur vollständigen Induktion

Aufgaben zur vollständigen Induktion c 7 by Raier Müller - Aufgabe zur vollstädige Idutio We ichts aderes agegebe ist, da gelte die Behauptuge für IN {; ; ;...}. A) Teilbareit: ) ist gerade (d.h. durch teilbar). ) ist durch teilbar. ) ist

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

3.1 Grundlagen der Multivariaten Modellierung

3.1 Grundlagen der Multivariaten Modellierung Semnar: Quanttatves Rskomanagement Multvarate Moelle I Prof: Hanspeter.Schml Betreuung: Jula Esenberg Zhou,Yng 3. Multvarate Moelle I Fnanzelle Rskomoelle für en Absatzmarkt oer für Kretrsken sn grunsätzlch

Mehr

Ferienkurs Quantenmechanik Sommersemester 2013. Elektromagnetische Felder und Störungstheorie

Ferienkurs Quantenmechanik Sommersemester 2013. Elektromagnetische Felder und Störungstheorie Elektromagetische Felder Feriekurs Quatemechaik Sommersemester 013 Seite 1 Daiel Roseblüh ud Floria Häse Fakultät für Physik Techische Uiversität Müche Elektromagetische Felder ud Störugstheorie Im Folgede

Mehr

Grundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften

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

Mehr

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

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

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

10. FOLGEN, REIHEN, GRENZWERTE

10. FOLGEN, REIHEN, GRENZWERTE Folge, Reihe, Grezwerte 0. FOLGEN, REIHEN, GRENZWERTE 0.. Folge (a) Defiitio Betrachtet ma bei eier Fuktio ur jee Fuktioswerte, die sich durch Eisetze vo Argumete aus de atürliche Zahle ergebe, so erhält

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

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

beck-shop.de 2. Online-Marketing

beck-shop.de 2. Online-Marketing beck-shop.de 2. Olie-Marketig aa) Dateschutzrechtliche Eiwilligug immer erforderlich Ohe Eiwilligug des Nutzers ist eie Erhebug persoebezogeer Date icht zulässig. Eie derartige Eiwilligug ka auch icht

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

Unter der Drehgruppe verstehen wir diegruppe der homogenen linearen Transformationen

Unter der Drehgruppe verstehen wir diegruppe der homogenen linearen Transformationen Darstellunstheore der SO() und SU() Powtschnk Alexander. Defnton Darstellun Ene Darstellun ener Gruppe G st homomorphe Abbldun von deser Gruppe auf ene Gruppe nchtsnulärer lnearer Operatoren auf enem Vektorraum

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

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

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

Optimale Steuerung von Rüst- und Produktionsprozessen

Optimale Steuerung von Rüst- und Produktionsprozessen JOHANNES KEPLER UNIVERSITÄT LINZ Nezwerk für Forschug, Lehre ud Praxs Opale Seuerug vo Rüs- ud Produkosprozesse DISSERTATION zur Erlagug des akadesche Grades DOKTOR DER NATURWISSENSCHAFTEN Ageferg a Isu

Mehr

LTN-Newsletter. Evaluation 2011

LTN-Newsletter. Evaluation 2011 LTN-Newsletter Evaluatio 211 LTN-BBiT LearTechNet Bereich Bildugstechologie Uiversität Basel Vizerektorat Lehre Petersgrabe 3 CH-43 Basel ifo.ltn@uibas.ch www.ltn.uibas.ch - 2 - Ihaltsverzeichis Durchführug

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

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

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

Kunde Studie: Erfolgsfaktoren von Online-Communities

Kunde Studie: Erfolgsfaktoren von Online-Communities Kude Studie: Erfolgsfaktore vo Olie-Commuities Titel Frakfurt, des Projekts 17. September 2007 Durchgeführt vo: HTW Dresde, Prof. Dr. Ralph Sotag BlueMars GmbH, Tobias Kirchhofer, Dr. Aja Rau Mit freudlicher

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