11. STATISTIK Begriffsbestimmung. Statistik

Größe: px
Ab Seite anzeigen:

Download "11. STATISTIK. 11.1. Begriffsbestimmung. Statistik"

Transkript

1 . 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 bezechet ma Vorgäge, dere Ausgäge cht geau vorhersagbar sd. Es st cht emal scher, ob de Eregsse etrete werde. Der Begrff zufällg m S der Stochast muß jedoch geau festgelegt werde. Ee zufällge Auswahl st ee Auswahl, be der jedes Elemet de gleche Chace hat, ausgewählt zu werde; d.h. ees der Elemete darf bevorzugt oder beachtelgt werde. Das Ergebs darf cht vo subjetve Edrüce des Auswählede abhäge. Bespele: - Es dürfe repräsetatve Umfrage Haushalte cht ur vormttags durchgeführt werde, da zu desem Zetput ur e bestmmter Persoeres (Berufstätge fehle) erfaßt würde. - Ee zufällge Auswahl aus eer Persoegruppe sollte cht aus de Persoe dret getroffe werde (sympathsches oder weger sympathsches Aussehe), soder z.b. durch Zuorde vo Nummer ud Zehe aus eer Ure getätgt werde. De Statst a u folgedermaße beschrebe werde: De Statst st de Gesamthet aller Methode zur Utersuchug vo Masseerscheuge ud umfaßt de Bereche beschrebede Statst ud beurtelede Statst

2 De beschrebede Statst hat de Aufgabe, Datemateral zu sammel, zu orde, überschtlch darzustelle ud daraus bestmmte Kezahle zu bereche. Weters solle aus dem gesammelte Datemateral eer möglchst umfagreche Stchprobe Wahrschelchete für de Gesamthet geschätzt werde. Somt st de beschrebede Statst ee Hlfswsseschaft der Wahrschelch-etsrechug. De beurtelede Statst hat de Aufgabe, mt Hlfe der Wahrschelchetsrechug abzuschätze, we gerechtfertgt e Rücschluß aus eer Stchprobe auf de Gesamthet st ( Teste vo Hypothese ). Somt st desem Fall de Wahrschelchetsrechug ee Hlfswsseschaft der beurtelede Statst. Im folgede Abschtt wrd ur auf de beschrebede Statst egegage... Methode der Statst (a) Erhebug ud Aufberetug vo Datemege I jeder statstsche Utersuchug muß ee große Zahl vo Date erhobe ud ausgewertet werde. Des a auf zwe Arte erfolge; ämlch eersets durch seudärstatstsche Erhebuge, d.h. Zurücgrefe auf berets vorhadee Date aus statstsche Jahrbücher, amtlche Statste, Fachlteratur, etc. oder aderersets durch prmärstatstsche Erhebuge, we z.b. eue Utersuchuge ötg sd. Bespele: - I eer Schule solle zur Durchführug vo Schlaglaufurse zetral de Ausrüstuge ageschafft werde. Um zu wsse, wevele Stüc pro Größe für de ächste Jahre geauft werde solle, wrd e Frageboge a alle 560 Schüler ausgegebe, dem ach Körpergröße ud Schuhummer gefragt wrd. - De durchschttlche Lebesdauer eer euetwcelte Glühbre soll bestmmt werde. Dazu werde 000 Glühbre eer Dauerbelastug uterzoge ud aus de gemessee Brezete de durchschttlche Lebesdauer errechet

3 - E eues Medamet gege Allerge soll auf de Mart gebracht werde. Um desse Wrsamet zu teste, wrd ee Gruppe vo 300 Allerger gezelt uterschedlche Dose hres Allerges ausgesetzt ud aschleßed de Wrug auf Augerötug ud Naseschlemhautschwellug mt ud ohe Medamet geau beobachtet ud aufgezechet. De Methode der Dateerhebug sd dabe: schrftlche oder müdlche Befragug; Expermet (Messug); Beobachtug. Aus jedem der obge Bespele öe u Aussage gewoe werde, de bestefalls so gut sd, we de Date, auf de se sch bezehe. Aus ugeaue Erhebuge sd ee svolle Aussage möglch. So müsse z.b. bem Glühbretest alle Lampe mt glecher Spaug ud Stromstäre versorgt werde. Alle Bespele st folgedes gemesam: I jeder Dateerhebug wrd ee Gesamthet vo Elemete auf e (oder mehrere) Mermal(e) x, (y,...) h utersucht. Bespele: Gesamthet : Mermal x (Varable) - Mege vo 560 Schüler 560 Körpergröße, Schuhummer - Mege vo 000 Glühbre 000 Bredauer - Mege vo 300 Allerger 300 Augerötug, Schlemhautschwellug (b) Orde der Date ud Ermttel vo Häufgete Zum Orde der Date muß zuächst festgestellt werde, ob das utersuchte Mermal x eer edlche Zahl (dsrete Varable) oder uedlche bzw. sehr große Zahl (otuerlche Varable) vo Mermalauspräguge (Varablewerte) vorommt. Am Beg des Dateordes steht das Orde der Date ach hrer Größe, sofer es sch um quattatve Date hadelt

4 Zusätzlch st es mest otwedg, ee Klasseetelug durchzuführe. Ee Klasseetelug st de Utertelug des Varablewertesberechs zueader elemetfremde Telbereche. E solcher Telberech wrd als Klasse bezechet. Be quattatve Date et ma de Dfferez zwsche größtem ud leste Wert eer Klasse de Klassebrete. Be Klasseeteluge müsse de ezele Klasse darüberhaus cht gleche Klassebrete aufwese. De Etelug elemetfremde Bereche eer Datemege bezechet ma als Klasseetelug. Bespele: - I der Befragug vo 560 Schüler eer Schule ach hre Schuhgröße trate de Größe 36 bs 46 auf. D.h. das Mermal Schuhgröße trat Auspräguge de Varablewerte x 36; x 37; x 3 38;..., x 46 auf ud somt eer edlche Azahl. - Be der Brezet vo Glühbre öe belebge Zete zwsche wege Mute ud über 5000 Stude auftrete, bs e Defet etrtt. Ma muß daher zuächst ee Mdestbredauer festlege, uter der alle Testglühbre als defet gelte ud daher für de Bewertug der Bredauer eer tate Glühbre cht Betracht omme ud aus der Wertug geomme werde. Für de verblebede Brezete, de de Statst aufgeomme werde, wrd es auch cht svoll se, jede Zet als egee Mermalsausprägug auszuwerte, soder ma wrd ee geegete Etelug (Klasseetelug) vorehme. Das Mermal Bredauer wrd m folgede mt x bezechet. Klasse 3000 Std. x < 300 Std. Klasse 300 Std. x < 3400 Std. Klasse Std. x < 3600 Std. Klasse Std. x < 3800 Std. Klasse Std. x < 4000 Std Klasse Std. x < 6000 Std

5 Somt hat ma de zuächst überaus zahlreche Zete (aber cht uedlch vele) auf 5 Klasse, d.h. 5 Varablewerte, reduzert. Zwecmäßgerwese wählt ma dazu ee ostate Klassebrete - her 00 Stude. Lege ach Auswertug der Meßergebsse vellecht de Klasse bs 5 ur och sehr wege Elemete (Glühbrebredauer), so öte dese zu eer Klasse mt x 5000 Std. zusammegefaßt werde. Auf dese uterschedlche Klassebrete muß jedoch eer graphsche Darstellug des Sachverhalts Rücscht geomme werde, um cht zu eer falsche Iterpretato des Ergebsses zu omme. - Der Grad der Augerötug vo utersuchte Allerger trtt otuerlch uedlch vele Rottöe (uedlche Varablewertazahl, also otuerlche Varable) auf ud a daher ur auf Grud der Meßgeauget der optsche Aalysegeräte Klasse egetelt werde, z.b. Klasse Klasse Klasse 3 Klasse 4 ee Rötug lechte Rötug mttlere Rötug stare Rötug D.h. de Varable x Augerötug trtt somt ur och 4 Varablewerte x, x, x 3, x 4 auf. Ist das Etele ud Orde der Date aus der sogeate Urlste abgeschlosse, a mt der Auszählug der ezele Date mt jewels eer bestmmte Mermalsausprägug x ( Ν, ; st de Azahl der verschedee Varablewerte des Mermals x) begoe werde. Dese Azahl wrd als absolute Häufget H bezechet. De Azahl der Elemete mt jewels der gleche Mermalsausprägug wrd als de absolute Häufget H bezechet. De Ermttlug der absolute Häufget a für de ezele Date oder aber auch für de ezele Klasse erfolge

6 Bespel: ad Bespel Schuhgröße x... Schuhgröße H... Schülerzahl x 36 6 H x H x H 3 x H 4 x H 5 x H 6 x H 7 x H 8 x H 9 x H 0 x 46 5 H sgesamt 560 Be desem Vorgag glt: De Summe aller absolute Häufgete muß de Azahl der Elemete der Gesamthet ergebe: H De absolute Häufget ees bestmmte Varablewertes st als allege Agabe ohe de Kets der Gesamtzahl cht aussageräftg, de 90 vo 00 sd sehr vele, 90 vo 000 sd relatv wege; daher sagt de Zahl 90 allee chts aus. Aus desem Grud wählt ma für de Agabe der Häufget eer Mermalsausprägug x üblcherwese de relatve Häufget h. De relatve Häufget beträgt: h H 0 h Häufg wrd de relatve Häufget auch Prozet vo der Gesamthet ausgedrüct: De relatve prozetuelle Häufget beträgt: h (%) H 00 0% h (%) 00% - 4 -

7 Bespele: - ad Bespel Schuhgröße H 6 h 0,007 $,07% H 45 h 0,0804 $ 8,04% H3 8 h3 0,464 $ 4,64% H4 98 h4 0,75 $ 7,50% H5 87 h5 0,554 $ 5,54% H6 84 h6 0,5 $ 5,00% H7 5 h7 0,09 $ 9,% H8 3 h8 0,04 $ 4,% H9 48 h9 0,0857 $ 8,57% H0 3 h0 0,0554 $ 5,54% H 5 h 0,0089 $ 0,89% h $ 00% - ad Bespel Bredauer Bredauer Stude x H h (%) x Klasse [3000;300) 7 0,007 $ 0,7% x Klasse [300;3400) 8 0,008 $ 0,8% x 3 Klasse 3 [3400;3600) 0,0 $,% x 4 K ,04 $ 4,% x 5 K ,065 $ 6,5% x 6 K ,096 $ 9,6% x 7 K ,04 $ 0,4% x 8 K ,73 $ 7,3% x 9 K ,05 $ 0,5% x 0 K ,43 $ 4,3% x K. 08 0,08 $ 0,8% x K. 7 0,07 $ 7,% x 3 K ,034 $ 3,4% x 4 K 4. 0,0 $,% x 5 Klasse 5 [5800;6000) 0 0,00 $,0% 5 H h $ 00%

8 - ad Bespel Allerger ohe Eahme des Medametes ach Eahme des Medametes Augerötug x H h $ h (%) H h $ h (%) x ee Rötug 3 0,0 $ % 4 0,4 $ 4% x lechte Rötug 0,04 $ 4% 0 0,34 $ 34% x 3 mttlere Rötug 9 0,43 $ 43% 96 0,3 $ 3% x 4 stare Rötug 56 0,5 $ 5% 60 0, $ 0% 300 $ 00% 300 $ 00% Abgesehe vo ugeaue Ruduge muß mmer gelte: h h (%) 00% (c) Graphsche Darstelluge De relatve Häufgete lasse sch verschedee Dagramme, sogeate Hstogramme, darstelle, um ee Überblc über de Häufgetsvertelug zu gewe. Stabdagramm Bespele: Azahl der Schüler mt der jewelge Schuhgröße H Schuhgröße

9 Augerötug ach Eahme des Medametes h (%) ee lechte mttlere stare Augerötug Kresdagramm Bespel: stare ee Augerötug ach Eahme des Medametes mttlere lechte Säuledagramm Bespel: Augerötug ach Eahme 00% 80% 60% 0 3 stare mttlere des Medametes 40% 0% 0% 34 4 lechte ee I alle Darstelluge sd de Höhe der Rechtece, Läge der Stäbe, Wel der Kresausschtte bzw. Höhe der Säuleabschtte proportoal zu de Häufgete. Läge ud Wel Hstogramme sd proportoal zu de Häufgete

10 Sd de Varablewerte x Klasse vo quattatve Date we m Bespel Bredauer ud wählt ma als graphsche Darstellug der Häufgete Rechtece, wobe de Rechtecsbrete maßstabsgetreu der Klassebrete etsprcht, so sd de Häufgete ur da proportoal zu de Rechtecshöhe, we de Klasse alle glech bret sd. Be uterschedlcher Klassebrete muß mmer beachtet werde, daß de Flächehalte der Rechtece eem Hstogramm proportoal zu de etsprechede Häufgete se müsse. Hstogramm be Klasseetelug Höhe Hä ufget Klassebrete Bespel: ad Bespel Bredauer De Klassebrete habe alle de gleche Brete, ämlch 00 Stude. Im Hstogramm sd de Höhe aller Rechtece also proportoal zu de Häufgete. Faßt ma de erste dre Klasse zusamme, also zu [3000;3600), zu sd deser eue Klasse mt der Klassebrete 600 u 6 Lampe ethalte. Im Hstogramm st de Höhe der eue Klasse jedoch cht 6 Ehete hoch ezuzeche, soder durch 3 zu dvdere, da de Klasse dremal so bret st. H H K K3 K5 K7 K9 K K3 K5 K K3 K5 K7 K9 K K3 Bredauer Bredauer Das zwete Hstogramm west aufgrud der Zusammefassug dreer Klasse ur mehr 3 Klasse auf. Im spezelle st de Klasse K ur 6 : 3 8,67 Ehete hoch gezechet. Wrd be der Darstellug Hstogramme de Klassebrete cht etspreched berücschtgt, so vermttel de Hstogramme ee falsche Edruc. Oftmals wrd des jedoch bewußt zur Mapulato des Betrachters verwedet

11 .3. Zetralmaße Mest versucht ma der Statst de Velzahl der aufgeommee Date durch ee Zahl zu ersetze, welche de gaze Lste möglchst gut repräsetert. Solche Zahle bezechet ma als Zetralmaße. Es gbt verschedee solche Zetralmaße: Mmum, Maxmum, Spawete, Modus, Meda, Quartle ud dverse Mttelwerte. Im folgede wrd zwsche dret ablesbare Zetralmaße, de ohe Berechug aus der Datemege ermttelt werde öe, ud de Mttelwerte, de sch erst ach Berechug ergebe, uterschede. (a) Dret ablesbare Zetralmaße Das Mmum m st ahelegeder Wese der leste Wert der Datemege, das Maxmum max etspreched der größte Wert der Datemege. Als Spawete S bezechet ma de Dfferez zwsche Maxmum ud Mmum. Der Modus oder Modalwert M st der Varablewert mt der größte Häufget. Er wrd da ee Lste gut repräsetere, we de Häufget des Modus vel größer als de Häufget der übrge Werte st ud außerdem de meste auftretede Varablewerte der Nähe des Modus lege. Der Meda oder Zetralwert Z st der der Mtte stehede Varablewert der der Größe ach geordete Lste der Varablewerte. Der Meda st also cht geeget als Zetralmaß für re qualtatve Varable (z.b. Haarfarbe vo Persoe). Zu Ermttlug muß ma zuächst alle Werte der Größe ach orde, wobe gleche Werte mehrmals hrer Häufget etspreched ageschrebe werde x x x 3... x. Da glt: Z x + x falls gerade bzw. Z x + + falls ugerade Be eer gerade Azahl vo Werte ergbt sch also der Meda aus dem Mttelwert der bede der Mtte stehede Werte. Be eer ugerade Azahl vo Werte st der Meda der der Mtte stehede Wert. Der Meda telt de Lste aller Werte zwe glech große Tele, ämlch de Mege der daruter-legede ud de der darüberlegede Werte. Machmal st es vo Iteresse, de Datelste cht ur zwe glech große Tele zu tele, soder ver Bereche, dee jewels glech vele Werte lege. De Greze deser Vertel sd durch de sogeate

12 Quartle gegebe. Der utere Quartl oder. Quartl Q st der Meda der. Hälfte der Werte; der obere Quartl oder 3. Quartl Q 3 st der Meda der. Hälfte der Werte. Bespel: Be eem Wettree vo 0 Läufer wurde folgede Zete gemesse (Lste geordeter aufstegeder Rehefolge). 9,s; 9,3s; 9,3s; 9,4s; 9,4s; 9,5s; 9,6s; 9,6s; 9,6s; 9,8s; 9,9s; 9,9s; 0,0s; 0,0s; 0,0s; 0,0s; 0,s; 0,s; 0,s; 0,3s. E Läufer mt der Zet 9,6s wll wsse, ob er m beste Vertel legt. Ermttel Se zusätzlch alle bsher beate Zetralmaße. I desem Fall sucht ma also de Quartle. Da 0 gerade st, st der Meda der Mttelwert zwsche 0. ud. Wert der Lste, also Z ½ (x 0 + x ) ½ (9,8 + 9,9) 9,85 Der. Quartl st der Meda der utere Hälfte, ud da u 0, st der. Quartl der Mttelwert zwsche 5. ud 6. Wert der Lste, also Q ½ (x 5 +x 6 ) ½ (9,4 + 9,5) 9,45 Der Läufer legt cht m beste Vertel. Der Läufer legt m zwete Vertel, d.h. der bessere Hälfte, aber cht m beste Vertel. Er st aber wesetlch besser als der Modus M 0,0s. Abschleßed de fehlede Zetralmaße: Q 3 ½ (x 5 + x 6 ) ½ (0,0 + 0,0) 0,0 m 9,; max 0,3; S,; M 0 Zu de bsherge Zetralmaße st azumere, daß e Wert allee de Datelste gut repräsetere a. Erst durch das Wsse mehrerer Zetralmaße a ma ee verefachte Überblc über de Datelste erhalte. Zur Repräsetato eer Datelste vo quattatve Date durch ee allege Wert verwedet de Statst mest ee der sogeate Mttelwerte. Da sch dese aus der Datelste erreche lasse ud daher jeder Wert der Datelste verwedet wrd, sd dese uglech repräsetatver als de bsherge Zetralmaße. Trotzdem muß lar blebe, daß e ezeler Wert ee Überblc über ee Datelste gebe a

13 (b) Mttelwerte Zur Repräsetato eer Datelste vo quattatve Date verwedet de Statst mest de arthmetsche Mttelwert x. De Mermalsauspräguge müsse durch Zahle agegebe se, welche cht ur Verschedeartget ud Ragordug ausdrüce, soder mt dere Hlfe auch Abstäde zwsche de Mermalsauspräguge agegebe werde öe. Ma et x x + x x x das arthmetsche Mttel der reelle Zahle x. Zur Berechug des arthmetsche Mttels werde also alle Wert addert ud dese Summe durch de Azahl der Werte dvdert. Sd de x cht alle verschede, soder trete mehrere gleche Date auf, so fertgt ma zuächst ee Häufgetstabelle a. Sd da x, x,..., x alle verschedee Varablewerte mt de absolute Häufgete H, H,..., H ud de relatve Häufgete h, h,..., h, da glt: x x H + x H x H x H bzw. x x H H H + x x x h + x h x h x h Das arthmetsche Mttel st vor allem da das geegete Zetralmaß, we es um Summebldug geht, de x st jee Zahl, für de glt: x x H + x H x H x Das arthmetsche Mttel st also jee Zahl, de ma -mal addere öte, um de gleche Summe aller tatsächlche Werte x, x, x 3,..., x zu erhalte. De Formel für de arthmetsche Mttelwert uter Berücschtgug der Häufgete der Varablewerte wrd auch gewogees arthmetsches Mttel der Varablewerte x, x, x 3,..., x mt de Gewchte h, h, h 3,..., h geat. Gewogees arthmetsches Mttel: x x H x h

14 Bespele: - ad Bespel Schuhgröße 560 Schuhgröße vo x 36 bs x 46 x x 40,38 - ad Bespel Bredauer 000 Bredauer vo Glühbre vo 3000 Stude bs 6000 Stude 5 Klasse egetelt. Zur Berechug des Mttelwertes ersetzt ma de ezele Klasse durch de Mttelwert der jewelge Klassegreze: x 000 ( ) x 46,8 Stude Es wrd daher svoll se, de mttlere Bredauer der Glühbre mt ca Stude azugebe. - ad Bespel Allerger 300 Augerötug mt Medamet 4 Klasse egetelt Um de Mttelwert zu bereche, ersetzt ma de qualtatve Werte der ezele Klasse durch Zahle z.b. x ; x ; x 3 3; x 4 4 x x,58; also bem Übergag vo der. zur 3. Klasse Im Schtt hatte de Patete mt Medameteeahme ee lechte bs mttlere Augerötug

15 Der Vollstädget halber se erwäht, daß es zur Mttelwertbldug cht ur de Möglchet des arthmetsche Mttels gbt, soder auch och das geometrsche Mttel ud das harmosche Mttel. I der Statst st jedoch mest das arthmetsche Mttel vo Bedeutug. De geometrsche Mttelwert $x beötgt ma zur Durchschttsberechug be expoetelle Wachstums- oder Abahmeprozesse. Ma et x$ x x... x das geometrsche Mttel der reelle Zahle x. Bespel: I eem Betreb wurde 5 aufeaderfolgede Jahre de Produtoszahle jewels um 5%; 35%; 05%; 5% ud 30% gestegert. We groß st de durchschttlche jährlche Stegerug? Ageomme ma berechet das arthmetsche Mttel aus de Stegeruge: x So müßte also ee durchschttlche Stegerug um 40% durch alle 5 Jahre dasselbe Resultat lefer, we de tatsächlche Stegeruge. Be eer Ausgagsproduto P 0 ergbt sch da: P (ach eem Jahr) P o + 5 P 0 Po,05 00 P (ach zwe Jahre) P + 35 P P,35 P o,05,35 usw. 00 ud letztedlch für P 5 P o,05,35,05,5,3 P o 4,7 Mt 40% jährlcher Stegerug erhält ma für P 5 P 0,40 5 P o 5,378, also e wesetlch größeres Edresultat. Der arthmetsche Mttelwert st daher cht zufredestelled. Ist p de gesuchte prozetuelle Stegerug, da muß gelte: P o,05,35,05,5,3 P o (+ p 00 )5 p , 35, 05, 5, 3, 00 p +, p 36, 4 De durchschttlche prozetuelle Stegerug durch alle 5 Jahre betrug 36,4%

16 De Werte x, x,..., x 5 sd also cht de Prozetzahle 5, 35, 05, 5 ud 30 soder de Wachstumsfatore,05;,35;,05;,5 ud,3. Bem arthmetsche Mttel ädert sch de Summe der Datelste cht, we ma de Mttelwert -mal astatt der ezele x addert. Etspreched ädert sch bem geometrsche Mttel das Produt cht, we ma de Mttelwert -mal astatt der ezele x multplzert. Der harmosche Mttelwert ~ x st mmer da azuwede, we de Varablewerte verehrt proportoal zu jeer Größe sd, de sch durch de Durchschttsbldug cht veräder darf. Ma et ~ x x x x das harmosche Mttel der reelle Zahle x. Bespel: E Refahrer fährt htereader 6 Rude mt folgede mttlere Geschwdgete: 90 m/h, 05 m/h, 85 m/h, 08 m/h 0 m/h ud 98 m/h. We groß st de mttlere Geschwdget für alle 6 Rude? De aufgewedete Gesamtzet darf sch durch Verwedug des Mttelwertes astatt der Ezelgeschwdgete cht äder. Es glt: t s (t... Zet, s... Weg, v... Geschwdget) v v st also verehrt proportoal zu t s s s s s s 6s v ~ ~ v v ~ 97, 5 m/h Mt eer Durchschttsgeschwdget vo 97,5 m/h über alle 6 Rude hätte der Refahrer deselbe Gesamtzet errecht. Oftmals wrd gerade be der Berechug der durchschttlche Geschwdget m Alltagslebe fehlerhaft vorgegage

17 .4. Streuugsmaße De Agabe ees Zetralmaßes allee besagt mest sehr weg über de vorlegede Datelste, we cht beat st, we star de ezele Werte der Lste vom Zetralmaß abweche bzw. um das Zetralmaß streue. Ee Möglchet, de Streuug vo Date auszudrüce, st de mttlere (absolute) Abwechug s * vom Zetralmaß. Ma versteht daruter de arthmetsche Mttelwert aller Absolutbeträge der Dffereze aller Lstewerte vom Zetralmaß (Zm). De Absolutbeträge sd ötg, da sch sost m Durchschtt egatve ud postve Abwechuge aufhebe würde. Ma et s * x Zm de mttlere absolute Abwechug der reelle Zahle x vo eem Zetralmaß Zm. Wählt ma als Zetralmaß de Mttelwert x, da glt : * x x + x x x x s x x Be x, x,..., x verschedee Varablewerte mt de absolute Häufgete H, H,..., H ud de relatve Häufgete h, h,... h ergbt sch da: s * H x x h x x Zur Berechug der absolute Abwechuge st das geegetste Zetralmaß cht das arthmetsche Mttel, soder der Meda, da für de Meda de mttlere Abwechug s * x Z de leste Wert errecht. Für de arthmetsche Mttelwert errecht de Summe der Quadrate der Abwechuge hre leste Wert. Dese Behauptug, we auch der Bewes st erst ach dem Kaptel Dfferetalrechug eschtg. Aus desem Grud st für de arthmetsche Mttelwert das geegete Streumaß der Mttelwert der Quadrate der Abwechuge. Ma et dese mttlere quadratsche Abwechug vom arthmetsche Mttel (emprsche) Varaz

18 Ma et V ( x x) bzw. ( ) ( ) V x x H x x h de emprsche Varaz der reelle Zahle x. Dese Formel läßt sch och verefache zu: V H x x h x x Steerscher Verschebugssatz Bewes: V ( ) ( )... ( ) x x H + x x H + + x x H ( ) ( )... ( ) x x x+ x H + x x x+ x H + + x x x+ x H + + x H x xh x H x H x xh x + x H x x x H x Aus der Varaz läßt sch durch Wurzelzehe de sogeate emprsche Stadardabwechug s eer Lste vo Werte mt dem arthmetsche Mttel x erreche. De emprsche Stadardabwechug s beträgt: s V ( x x) x x bzw. s V H( x x) H x x h x x De emprsche Stadardabwechug st das gebräuchlchste Streuugsmaß

19 Um Lste mteader vergleche zu öe, muß mmer das Streuugsmaß m Zusammehag mt dem Zetralmaß agegebe werde. Wll ma beurtele, be welcher Lste de Werte stärer streue, so geügt es ur da, de absolute mttlere Abwechuge bzw. de Stadardabwechuge der Lste mteader zu vergleche, we de Lste ugefähr deselbe Meda bzw. arthmetsche Mttelwert aufwese. De es st zum Bespel be eer mttlere Läge vo 0 m ee Abwechug vo mm sehr gerg; aber be eer mttlere Läge vo 0 mm wäre de Abwechug vo mm extrem groß. * s Streuuge öe daher ur verglche werde, we se durch de Varabltätsoeffzete v Z s bzw. durch de Varatosoeffzete v agegebe werde. I bede Fälle wrd üblcherwese de x Abwechug (s * bzw. s) Prozet vom Zetralmaß (Z bzw. x ) agegebe. * Ma et * s s de Varabltätsoeffzete ud v de Varatos- Z x oeffzete. v * Nachfolged solle für de Bespele Schuhgröße ud Bredauer de Streuugsmaße berechet werde. Bespele: - ad Bespel Schuhgröße x H H x Z H (x x ) , , , , , , , , , , ,0 Z 40 x 40, s *, ,50 s,

20 De Stadardabwechug läßt sch aufgrud der gegebee Häufgete lechter mt der etsprechede Formel bereche: s x H x ( ) , 38, 34 Nu lasse sch Varabltätsoeffzet ud Varatosoeffzet bereche. v 88 0, 047 4, 7% 40 *, 45, v 0, 060 6% 40, 37 Streuug um Z Streuug um x De durchschttlche Schuhgröße der Schüler beträgt 40,37 ± 6% bzw. de Schuhgröße lege mt ± 4,7% um de Größe 40. Welches Maß das aussageräftgste bzw. das svollste st, hägt przpell mmer vom orete Bespel ab. Im obge Fall st de Streuug um de Meda Z, der ja selbst ee Schuhgröße darstellt, scher de teressatere Aussage. - ad Bespel Bredauer Klassemtte x H H x Z x H 0 4 Klassemtte x H H x Z x H Z4500 x s * 437, ud s 365,95 v * 3% ud v 9,35% De mttlere Bredauer der Glühlampe beträgt also 4600 Stude ± 9,35%

21 .5. Zusammehäge zwsche Datemege (a) Regressosaalyse Be vele statstsche Erhebuge wrd de Gesamthet der Elemete auf mehrere Mermale x, y,... h utersucht, wobe m Aschluß cht ur de Auswertug der ezele Varable vo Bedeutug st, soder es wrd vo Iteresse se, Zusammehäge zwsche de ezele Varable zu utersuche. Zum Bespel wrd oft e Zusammehag hergestellt zwsche Körpergröße ud Körpermasse, zwsche Luftdruc ud Nederschlagsmege, zwsche Werbugsoste ud Umsatzstegerug, u.v.a. Bespel: ad Bespel Schuhgröße De Schüler wurde auch ach hrer Körpergröße befragt. Im folgede werde 0 solcher zusammehägeder Date herausgegrffe: x (Schuhummer) y (Körpergröße m) x (Schuhummer) y (Körpergröße m) 36,4 40,59 37,40 40,56 37,45 40,57 38,47 40,50 38,50 40,5 38,5 4,59 39,50 4,5 39,54 4,58 39,49 4,57 39,5 4,60 Z 39,5 Z,5 x 39,35 39,4 y,59,5 Aus de Date läßt sch e tedezeller Zusammehag eree; ämlch mt zuehmeder Größe der Schuhummer wrd auch de Körpergröße größer. Dese Tedez muß jedoch cht jedem Ezelfall stmme (z.b. 4/,5). Darüberhaus a auch ee Aussage über de Stäre deses Zusammehags gegebe werde. Besser als eer Tabelle läßt sch e evetueller Zusammehag eem Streudagramm eree. I eem solche Dagramm werde alle Wertepaare (x ;y ) als Pute P (x y ) dargestellt. Auf dese Wese etsteht ee Putwole, dere Schwerput durch S( x y ) gegebe st

22 ,6 Bespel: Streudagramm zum Bespel Schuhgröße / Körpergröße Körpergröße,55,5,45 S, Schuhgröße De Regressosaalyse versucht de Zusammehag zwsche zwe Varable durch ee Futo zu beschrebe. We gut deser Zusammehag tatsächlch gegebe st, wrd durch de Korrelatosaalyse ausgedrüct. Im efachste Fall a der Zusammehag durch ee leare Futo beschrebe werde. I desem Fall sprcht ma vo learer Regresso. Ma versucht be desem Verfahre, de Putewole durch ee Gerade verefacht darzustelle. Der Graph der leare Regressosfuto st also de sogeate Regressosgerade. De Regressosgerade muß de Schwerput der Putwole S( x / y ) ethalte ud soll möglchst ahe be de ezele Pute lege. Wll ma durch leare Regresso aus de x- Werte de y-werte äherugswese bereche, so müsse de Abstäde d Y y der tatsächlche Pute vo der. Regressosgerade y-rchtug möglchst gerg se. Ma mmt als Maß für dese Abwechug cht d, d, etc., da dese für jede Gerade durch S eader aufhebe würde (Vorzeche); auch de Beträge der Abwechuge führe zu Schwerg

23 ete bem Festlege der Regressosgerade. De üblche Methode st de Fehlerquadratmethode vo C.F. GAUSS ( ). De Methode der leste Quadrate verlagt, daß de Summe aller Abwechuge d +d d e Mmum ammt, we de Regressosgerade rchtg festgelegt wrd. Es se Y X + d de Regressosfuto, P (x y ) sd de tatsächlche Pute; auf der. Regressosgerade lege de Pute R (X x Y x + d). De Summe der Abstadsquadrate ergbt sch somt: ( ) ( ) Y y x + d y F(, d) De Werte für ud d solle u so bestmmt werde, daß F(,d) ee Mmalwert ammt. De geaue Berechug erfolgt mt de Mttel der Dfferetalrechug, a deser Stelle se ur das Ergebs ageführt. Für ergbt sch: Für d ergbt sch: xy x y x x y d x De. Regressosgerade lautet Y X + d mt x y x y ud d x x y x. Uter Awedug des Zusammehags y y ud x x lasse sch obge Ausdrüce och umforme: d y x. Des st glechzetg e Bewes dafür, daß der Schwerput S( x y ) auf der Regressosgerade legt. Auch das Ergebs für läßt sch uter Verwedug des Steersche Verschebugssatzes weter verefache

24 xy x y ( ) x x xy xy x x xy x xy x ( x x) ( y y) ( x x) s s xy x I desem Zusammehag bezechet ma s ( x x) ( y y) xy als Kovaraz vo x ud y ud s x ( x x) we bsher als Varaz vo x. Damt läßt sch agebe als Kovaraz vo x ud y. Varaz vo x Da de Abstäde d y-rchtug mmert wurde, stellt de. Regressosgerade u ee Möglchet zur Abschätzug vo y-werte aus gegebee x-werte dar. Ege Tascherecher mt statstsche Futoe sd der Lage, ach Egabe der Datelste x ud y de Zetralmaße, Streuugsmaße ud Koeffzete der Regressosgerade zu bereche. Für de hädsche Berechug geht ma we bsher mt Tabelle vor. Bespel: ad Bespel Schuhgröße / Körpergröße Welche Körpergröße hat e Schüler vorausschtlch mt Schuhgröße 39 bzw. 40? I desem Bespel soll u ee Körpergröße (y) abgeschätzt werde, we de Schuhummer des Schülers (x) beat st. Dazu werde zuächst de Koeffzete der. Regressosgerade errechet. x y x y x x 0 96, , , , d 0, Y 0,0886 X + 0,383 Nu wrd mt de Werte X 39 ud X 40 der Futo egesetzt, um de vorausschtlche Körpergröße Y zu erhalte. Für Schuhgröße 39 schätzt ma ee Körpergröße,508,5m. Für Schuhgröße 40 schätzt ma ee Körpergröße,537,54m

25 Besteht e Zusammehag zwsche de Varable x ud y, so a atürlch cht ur vo x auf y geschlosse werde, soder auch aus beate y-werte auf x. Dazu sollte da allerdgs ee Regressosgerade verwedet werde, für de de Summe der Quadrate der Abstäde der tatsächlche Pute vo der Regressosgerade x-rchtug möglchst le wrd. Des st da de. Regressosgerade. De gesuchte Regressosgerade für dese Fall lautet X * Y + d *. I desem Fall müsse de Abstäde d X x bzw. geauer de Summe dere Quadrate mmert werde. Daher muß also ( ) ( ) * * * * F (, d ) X x y + d x ee Mmalwert aehme. Völlg aalog zur. Regressosgerade ergbt sch: * xy x y y y xy y xy y s s xy y ud d * x y * * x y De. Regressosgerade lautet X * Y + d * mt * x y x y y y ud d * * x y. We de obge Formel zege, legt S( xy )auch auf der.regressosgerade. De zwete Regressosgerade erlaubt es u, für e Y e vorausschtlches X zu schätze

26 Bespel: ad Bespel Schuhgröße / Körpergröße Welche Schuhgröße hat e Schüler vorausschtlch mt Körpergröße,50 m bzw.,54 m? Für deses Bespel ergbt sch folgede. Regressosgerade: * 0 96, , , 08 ( 30, 38) 4, 877 d , 0 0 * *, X 4,877 Y +,568 Nu wrd mt de Werte Y,50 ud Y,54 der Futo egesetzt, um de vorausschtlche Schuhgröße X zu erhalte. Für Körpergröße,50 m a damt de Schuhgröße 38,87 39 abgeschätzt werde. Für Körpergröße,54 m a damt de Schuhgröße 39,87 40 abgeschätzt werde. Um bede Regressosgerade m selbe Koordatesystem ezuzeche ud mteader vergleche zu öe, st es güstger, be bede Gerade Y explzt auszudrüce: sxy sxy. Regressosgerade g : Y X+ d X+ y x s s * d s. Regressosgerade g : Y X X x * y y sy sy X+ y x * * s * s s xy x xy x xy Im Falle ees perfete leare Zusammehages zwsche de Varable x ud y müsse de bede Regressosgerade zusammefalle. Der ächste Abschtt beschäftgt sch geauer mt der Utersuchug des Zusammehags zwsche de bede Regressosgerade ud daher mt dem Zusammehag zwsche de bede Datelste. Dese Utersuchug bezechet ma als Korrelatosaalyse

27 (b) Korrelatosaalyse Nahelegederwese falle de Regressosgerade zusamme, we zwsche de Varable x ud y e perfeter learer Zusammehag besteht. Das bedeutet, daß ma de Regressosgerade mt eem Wert esetze a ud da de tatsächlche Wert, ud cht ur ee Schätzug, als Ergebs beommt. Darüberhaus bedeutet es auch, daß alle Wertepaare der Datelste auf eer Gerade lege. We de Gerade zusammefalle, heßt das, daß se auch de gleche Asteg habe. Es glt also: * ud somt * Im adere Extremfall, we also überhaupt e Zusammehag zwsche de Varable x ud y besteht, ergebe sch aufeader ormal stehede Regressosgerade. I desem Fall st sowohl 0 also auch * 0 ud es glt: * 0 I jedem adere Fall schleße de bede Regressosgerade ee sptze (ud ee stumpfe) Wel α e, der umso größer se wrd, je weger der tatsächlche Zusammehag lear st (0 <α<90 ). De Utersuchug, we gut u de leare Regresso dem tatsächlche Zusammehag agepaßt st, et ma Korrelatosaalyse. Das rechte Maß dafür st also der Wel α zwsche g ud g. Aus ta(α ) ud ta(α ) läßt sch α * ud α erreche. Da st arcta() α ud arcta α, wobe α der Wel zwsche g ud der x- * Achse ud α der Wel zwsche g ud der x-achse st. Es ergbt sch da der Wel zwsche de bede Gerade als α α α. Ee zwete Berechugsmethode uter Verwedug der Vetorrechug lefert folgedes: cos( α ) * * + * + + * Üblcherwese verzchtet ma jedoch auf de Berechug der Wel ud verwedet als Bestmmthetsmaß der Korrelato das Verhälts der Steguge der bede Regressosgerade

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Mehr

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Datenträger löschen und einrichten

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

Mehr

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

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

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

Enterprise Application Integration - Ein Modell zur Bewertung von IT-Investitionen in die Integration von Anwendungssystemen

Enterprise Application Integration - Ein Modell zur Bewertung von IT-Investitionen in die Integration von Anwendungssystemen Eterpre Applcato Itegrato - E Modell zur Bewertug vo IT-Ivettoe de Itegrato vo Awedugytee Autore: Herch, Berd / Frdge, Mchael Eterpre Applcato Itegrato - E Modell zur Bewertug vo IT- Ivettoe de Itegrato

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

9 Phasengleichgewicht in heterogenen Mehrkomponentensystemen

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

Mehr

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

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

Methoden zur Bewertung von Credit Default Swaps

Methoden zur Bewertung von Credit Default Swaps Methoen zur Bewertung von Cret Default Swas Dr. Walter Gruber ( PLUS GmbH); Sylva Lause (Sarasse Hannover) Inhalt Enführung... Moell er Dscounte Sreas... 3 Moell er Ajuste Sreas... 4 Moell von JPMorgan...

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

6 Numerische Simulation von druckentlasteten Gasexplosionen

6 Numerische Simulation von druckentlasteten Gasexplosionen 6 Numersche Smulaton von drucentlasteten Gasexplosonen Explosonen von brennbaren Gasen und Dämpfen stellen omplexe Prozesse mt gegensetger Beenflussung physalscher und chemscher Prozesse dar. Se snd dadurch

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

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

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

Quant oder das Verwelken der Wertpapiere. Die Geburt der Finanzkrise aus dem Geist der angewandten Mathematik

Quant oder das Verwelken der Wertpapiere. Die Geburt der Finanzkrise aus dem Geist der angewandten Mathematik Quant der das Verwelken der Wertpapere. De Geburt der Fnanzkrse aus dem Gest der angewandten Mathematk Dmensnen - de Welt der Wssenschaft Gestaltung: Armn Stadler Sendedatum: 7. Ma 2012 Länge: 24 Mnuten

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

Leitfaden zu den Volatilitätsindizes der Deutschen Börse

Leitfaden zu den Volatilitätsindizes der Deutschen Börse Letfaden zu den Volatltätsndzes der Deutschen Börse Verson.4 Deutsche Börse AG Verson.4 Letfaden zu den Volatltätsndzes der Deutschen Börse Sete Allgemene Informaton Um de hohe Qualtät der von der Deutsche

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

11 Chemisches Gleichgewicht

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

Mehr

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

Das Magazin des OÖ FUSSBALL VERBANDES. Ausgabe 2/2014

Das Magazin des OÖ FUSSBALL VERBANDES. Ausgabe 2/2014 Das Magaz des OÖ FUSSBALL VERBANDES Ausgabe 2/2014 Saso 2013/14 Erfolg braucht starke Parter Verescoachg steht für Professoalserug Dr. Gerhard Götschhofer / Präsdet OÖ FUSSBALLVERBAND Sport fördert cht

Mehr

Was haben Schüler und Großbanken gemein?

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

Mehr

Internet-Zahlungsverfahren aus Sicht der Händler: Ergebnisse der Umfrage IZH5

Internet-Zahlungsverfahren aus Sicht der Händler: Ergebnisse der Umfrage IZH5 Iteret- aus Sicht der Hädler: Ergebisse der Umfrage IZH5 Vorab-Kurzauswertug ausgewählter Aspekte Dezember 2009 1 Gegestad ud ausgewählte Ergebisse der Studie Mit der aktuelle füfte Umfragewelle zum Thema

Mehr