Grundgesamtheitsanaylsen und Stichproben. Betrachtungen zur Stichprobenfindung

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Grundgesamtheitsanaylsen und Stichproben. Betrachtungen zur Stichprobenfindung"

Transkript

1 MaMaEuSch Maagemet Mathematics for Europea Schools mamaeusch Grudgesamtheitsaaylse ud Stichprobe. Betrachtuge zur Stichprobefidug Paula Lagares Justo Puerto 1 MaMaEuSch 2 Maagemet Mathematics for Europea Schools CP DE - COMENIUS - C21 1 Uiversität Sevilla 2 Dieses Projekt wurde veröffetlicht mit Uterstützug durch die EU mittels eier teilweise Förderug im Rahme des Sokrates Programms. Der Ihalt des Projektes reflektiert icht otwedigerweise de Stadpukt der EU, och uterliegt es irgedeier Veratwortug seites der EU.

2 Kapitel 1 Grudgesamtheitsaaylse ud Stichprobe. Betrachtuge zur Stichprobefidug User Wusch ist i diesem Kapitel die bereits besprochee Stichprobe-Techike aus der deskriptive Statistik auszubaue, um die jeweils richtige i de verschiedee Zusammehäge zu fide. Stelle wir us vor, das eie Schulklasse als Stichprobe der Grudgesamtheit ausgewählt wurde. Verschiedeste Theme köe u erforscht werde, wie zum Beispiel: 1. Die Meiug über die Durchführug vo alterative Aktivitäte i der Stadt ud Vorschläge, welche diese sei köe. 2. Eie Befragug über die Meiug der verschiedee Parteivorsitzede. 3. Die Meiug über mögliche Trips für die Maturareise. Dekst du, dass deie Klasse eie gute Stichprobe für diese Fragestelluge ist? Die Atwort ist, dass speziell für die zweite Fragestellug die Klasse keie agemessee Stichprobe ist. Bezüglich der erste Frage bekomme wir wahrscheilich iteressate Iformatioe, es wird wahrscheilich aber die Gruppe zu klei sei, um eie gute Abschätzug zu bekomme, weil es viele adere Alters- ud Persoegruppe auch i der Grudgesamtheit gibt. Higege ist für die dritte Frage die Stichprobe sehr ützlich. Es scheit, dass es sehr wichtig ist die richtige Stichprobe-Strategie zu wähle um agemessee Aussage der Grudgesamtheit zu bekomme. 1.1 Grüde für eie Stichprobeauswahl. Vorhergehede Überleguge Stelle wir us vor, wir wolle Utersuchuge über die folgede zwei Theme mache: Die Prozetzahl der Spaier, die eie Iteretzugag habe. 1

3 Die durchschittliche Lebesdauer eier kokrete Batteriemarke. Im erste Fall müsste ma 40 Millioe Persoe befrage. Es ist offesichtlich, dass dies ei riesiger Aufwad wäre. Zuerst eimal würde ma sehr viel Zeit beötige ud weiters viel Geld, da ma viele Persoe zum Befrage egagiere müsste, für die ma ihre Reise a alle Orte i Spaie bezahle müsste, usw. Es gibt och eie adere Schwierigkeit: Jede Spaier zu befrage ist auch deswege schwierig, weil mache i Spitäler liege, auf Urlaub oder beruflich uterwegs sid,... Deswege ist es sicherlich geeigeter, ur eie gewisse Teil der Grudgesamtheit, eie Stichprobe, ausgewählt ach agemessee Kriterie, zu befrage, um da Rückschlüsse auf die Grudgesamtheit mache zu köe. Im zweite Fall habe wir eie adere Schwierigkeit. We wir die Lebesdauer eier bestimmte Batterie wisse wolle, da müsse wir diese beütze, bis sie leer ist. Dafür müsste wir aber die Batterie zerstöre. We wir da alle Batterie teste würde, hätte wir keie mehr umso sie zielgerichtet verwede zu köe. Auch hier wäre es also sivoller ur eie gewisse Azahl zu teste ud so eie möglichst sichere Iformatio über alle Batterie zu bekomme. Ifolge dieser Grüde ist es oft sivoll ur Stichprobe zu verwede. Um aber gut Rückschlüsse auf die Allgemeiheit durchführe zu köe, müsse wir eie gute Stichprobe wähle. Für die Fragestellug des Iteretzugags i Spaie würde zeh Persoe sicherlich icht repräsetativ für eie Azahl vo 40 Millioe Spaier sei. Auch 100 Befragte aus Madrid wäre keie gute Stichprobe, oder alle deie Verwadte ud Bekate. Deswege möchte wir u eiige Aspekte der Stichprobefidug geau beleuchte. 1. Die Auswahlmethode der Befragte eier Grudgesamtheit (Welche Stichprobemethode wird verwedet). 2. Stichprobegröße. 3. Der Verläßlichkeitsgrad der Rückschlüsse, die wir bekomme, dies ist eie Abschätzug des Fehlers, de wir habe werde (bezoge auf die Wahrscheilichkeit). Es ist offesichtlich, dass eie schlecht ausgewählte Stichprobe die Fehlerrate stark asteige läßt. Aber es gibt och adere Arte vo Fehlerquelle: Der Iterviewer köte Atworte suggeriere, oder der Befragte möchte oder ka gewisse Frage icht beatworte. Diese mögliche Fehlerquelle wolle wir u klassifiziere: 1. Auswahlfehler: Falls irgedeier der Elemete der Grudgesamtheit ei höhere Wahrscheilichkeit zur Auswahl hat als adere. Stelle wir us vor, wir möchte de Zufriedeheitsgrad der Schüler i eiem Gymasium messe. Hierfür befrage wir eiige zwische 10 ud 12 Uhr. Dies bedeutet, dass wir Schüler, die erst am Nachmittag komme, icht beachte. Das bedeutet, dass diese Stichprobe icht repräsetativ für alle Schüler ist. Ei Weg diese Fehler zu vermeide ist die Stichprobe so zu wähle, dass alle Schüler die gleiche Wahrscheilichkeit habe ausgewählt zu werde. 2. Nicht-Beatwortugs Fehler: Es ist auch möglich, dass gewisse Persoe eiige Frage icht beatworte köe oder wolle. Oder aber, dass speziell bei persoebezogee Frage die Befragte icht ehrlich atworte. Diese Fehler sid im Allgemeie sehr schwierig zu vermeide. Wir köe Kotrollfrage eibaue um solche Aspekte besser zu etdecke. Was wir bis jetzt festhalte köe ist, dass we wir eie uausgewogee Stichprobe habe ist diese icht repräsetativ für die Grudgesamtheit. 2

4 1.2 Betrachtuge zur Stichprobefidug Wir habe bereits mehrfach darauf higewiese wie wichtig die richtige Wahl der Stichprobe ist, aber wie köe wir die verschiedee Wege der Auswahl der Stichprobe klassifiziere? Es gibt drei Arte vo Stichprobe: 1. Stichprobefidug über die Wahrscheilichkeit: Jede Perso hat die gleiche Wahrscheilichkeit ausgewählt zu werde. 2. Zweckmäßige Stichprobe: Die Perso, welche die Stichprobe auswählt, versucht, ach seier Meiug ach eie repräsetative Stichprobe aus zu wähle. 3. Stichprobefidug ohe Regel: Wir wähle die Stichprobe ohe Regel. We die Gruppe homoge ist, ist auch die Stichprobe repräsetativ. Allgemei verwede wir immer die Stichprobefidug über die Wahrscheilichkeit, weil wir so jeweils eie repräsetative Stichprobe erhalte ud gute Rückschlüsse auf die Gesamtheit mache köe. Auch bei der Stichprobefidug über die Wahrscheilichkeit gibt es verschiedee Arte: Zufällige Stichprobe mit ud ohe zurücklege. Geschichtete Stichprobe. Gehäufte Stichprobe. Systematische Stichprobe. ud adere Arte der Stichprobefidug. Stelle wir us vor, dass wir bereits eie Stichprobe ausgewählt habe. Vo eiem Gymasium vo 560 Schüler, befrage wir 28, ob sie zu Hause Iteretzugag habe. Was aber bedeutet u 28 vo 560 zu befrage? Welche Ateil der Schüler befrage wir? We wir Rückschlüsse treffe wolle, wie viele Schüler werde vo eiem Befragte repräsetiert? Um das Verhältis der befragte Schüler zu bereche, dividiere wir die Stichprobeazahl durch die Schülerazahl, dies bedeutet hier: 28/560 = 0.05, daraus folgt, dass wir eie Befragug mit 5% der Schüler durchführe. Nu bereche wir wie viele Schüler werde vo eiem Befragte repräsetiert werde. Hierbei bereche wir de umgekehrte Quotiete: 560/28 = 20, dies bedeutet, dass jeder Befragte repräsetiert 20 Schüler der Schule. Die beide vorgestellte Kozepte habe folgede formale Defiitio: 1. Ateilsfaktor: Das ist der Quotiet zwische der Größe der Grudgesamtheit ud der Größe der Stichprobe, N. Es repräsetiert die Azahl der Elemete der Grudgesamtheit für jedes Mitglied der Befragte. 2. Stichprobefaktor: Das ist der Quotiet zwische der Größe der Stichprobe ud der Größe der Grudgesamtheit, N. We wir de Quotiete mit 100 multipliziere, da bekomme wir de Prozetsatz der Grudgesamtheit repräsetiert i der Stichprobe. 3

5 1.3 Zufällige Stichprobe mit ud ohe zurücklege Wir habe scho erwäht, dass um eie repräsetative Stichprobe zu erhalte, wähle wir de Wahrscheilichkeitsasatz. Wie würde das i userem Fall mit de 28 Schüler aussehe? Das leichteste wäre aus alle Name zu ziehe. So hätte jeder die gleiche Chace ausgewählt zu werde. Dieser Selektiosprozess etspricht der zufällige Stichprobe. Alle Elemete der Grudgesamtheit habe die gleiche Wahrscheilichkeit gewählt zu werde. We u ei bestimmtes Elemet ausgewählt wurde, ud dies ochmals ausgewählt werde köte, da es ach der Befragug wieder zum ziehe zurückgelegt wird spricht ma vo eier zufällige Stichprobe mit zurücklege. Im adere Fall spricht ma vo der zufällige Stichprobe ohe zurücklege. I userem Beispiel wäre es uiteressat dieselbe Perso ochmals zum Iteretzugag zu befrage, deswege würde ma hier die zufällige Stichprobe ohe zurücklege verwede. Vorausgesetzt die Gesamtheit ist uedlich groß oder wir vereifache sie zu uedlicher Größe, da führe us diese beide Methode zu sehr ähliche Ergebisse. Nichts desto trotz, we der Stichprobequotiet /N größer als 0.1 ist, (die Stichprobe ethält mehr als 10% der Grudgesamtheit) da sid die Uterschiede i de Ergebisse relevat. We wir die Schüler befrage, ob sie Iteretzugag zu Hause habe, iteressiert us icht ur die Azahl derer, soder auch de Ateil uter alle Schüler. Diese beide Werte ud i adere Fälle auch der Durchschitt (we wir zum Beispiel ach der Größe der Schüler frage) sid die Parameter, die meistes vo Itersse sid. Im Falle vo zufälliger Stichprobe mit oder ohe zurücklege habe die Abschätzugsparameter folgede Gestalt: Summe: X i X = N Durchschitt: Verhältis: X = P = Das Verhältis wäre der Durchschitt eier Variable, welche ur ull oder eis sei ka. Zur Erklärug: X i ist der Wert der Variable, die wir utersuche N ist die Größe der Gesamtheit ist die Größe der Stichprobe P i ist die Variable, die de Wert 0 oder 1 aimmt Die Abschätzug des Fehlers dieser Schätzwerte ist: Summe: Für die Stichprobe mit zurücklege: X i P i V ( X) = N 2 S2 4

6 Für die Stichprobe ohe zurücklege: V ( X) = N 2 (1 N )S2 Durchschitt: Für die Stichprobe mit zurücklege: Für die Stichprobe ohe zurücklege: V ( X) = S2 V ( X) = (1 N )S2 Verhältis: Für die Stichprobe mit zurücklege: Für die Stichprobe ohe zurücklege: V ( P ) = P Q Geschichtete Stichprobe V ( P ) = (1 P Q ) N 1 Stelle wir us vor, wir mache eie Umfrage, was die Bevölkerug userer Stadt i ihrer Freizeit macht. Wir wisse, das ältere Persoe adere Gewohheite habe wie Jügere, Familie, Schülere,... Wir sid dara iteressiert all diese Iformatioe zu bekomme um eie repräsetative Umfrage durchführe zu köe. Deswege wolle wir all diese Gruppe i userer Stichprobe vertrete habe. Diese vo us defiierte Gruppe (i userem Fall ach dem Alter) ee wir Klasse. So müsse wir jetzt usere Stichprobe so eiteile, dass wir vo alle Schichte Elemete befrage. Versuche wir diese Stichprobe u zu defiiere: Beachte wir, dass wir usere Grudgesamtheit der Größe N i k Utergruppe der Größe N 1, N 2,..., N k uterteilt habe. Diese Utergruppe sid disjukt ud N 1 + N N k = N. Jede dieser Utergruppe ee wir Klasse. We wir eie Stichprobe vo Elemete aus der Gesamtheit habe wolle, so wähle wir eie Stichprobe der Größe i so dass k =. Welche Vor- bzw. Nachteile hat die geschichtete Stichprobe? Vorteile: Wir habe geauere Iformatioe über die Variable ierhalb der Utergruppe. Wir köe die Geauigkeit der Schätzwerte der Variable der Grudgesamtheit erhöhe. Nachteile: Die Wahl der Größe der Stichprobe ierhalb der Klasse mit der Stichprobegröße. 5

7 Es ka machmal schwierig sei Klasse zu bilde. Im Allgemeie liefert die geschichtete Stichprobe bessere Ergebisse als die zufällige, we die Klasse gut ausgewählt ud ierhalb homoge sid. Nu wolle wir drei Methode der Größefidug der Klasse eier Stichprobe beschreibe: 1. Ateilsmäßig zur Größe jeder Klasse, zum Beispiel hat i der jte Klasse mit der Größe N j die Stichprobe die Größe (N j /N) mit N als die Größe der Gesamtheit ud der Größe der Stichprobe. 2. Ateilsmäßig zur Variabilität der Parameter betrachte wir für jede Klasse: Zum Beispiel, we wir wisse, dass die Variaz der Körpergröße der mäliche Schüler 15cm beträgt, für die der weibliche 5cm, ist das Verhältis zwische mäliche ud weibliche 3:1, so sollte auch die Stichprobe dieses Verhältis habe. 3. Wir kreiere die gleiche Größe aller Klasse. Als Kosequez begüstige wir die kleiere Klasse ud beachteilige die Größere. Für de Fall vo geschichtete Stichprobe sid die Hauptschätzwerte: Summe: Durchschitt: Verhältis: wobei X = X = N h X h w h X h = P = w h Ph N h N x h X h ist der Stichprobedurchschitt der Variable X i der Klasse h N h ist die Größe der Klasse h N ist die Größe der Gesamtheit h ist die Stichprobegröße i der Klasse h ist die Stichprobegröße P h ist das Stichprobeverhältis der Variable i der Klasse h ud die Fehlerabschätzug mache wir, idem wir die Gesamtheitsparameter so abschätze: Summe: V ( X) = N 2 h(1 f h )Ŝ2 h h 6

8 mit Durchschitt: f h = h N h y Ŝ 2 h = h h 1 [ 1 h h X 2 hi x h ] V ( X) = wobei w h, f h y Sh 2 sid die Gleiche wie zuvor. Verhältis: wobei Q h = 1 P h V ( P ) = 1.5 Gehäufte Stichprobe w 2 h(1 f h )Ŝ2 h h w 2 h(1 f h ) P h Qh h 1 Wir überlege jetzt eie Umfrage zu mache über die Durchschittsgröße der Schüler i userer Stadt. Astelle vo eier Stichprobe uter alle Schüler zu mache, wir köte auch überlege Viertel zu bilde, da bezoge auf die Körpergröße Viertel wie kleie Gesamtheite zu betrachte sid. Köe wir so die Stichprobe vereifache ohe a Geauigkeit zu verliere? Die Atwort ist ja. Wir präsetiere u die Methode, die dieses erlaubt: Bei der gehäufte Stichprobe, die Grudgesamtheit wird i Eiheite oder Gruppe uterteilt, die Klasse geat werde (ormaler Weise sid es Eiheite oder Bereiche, i die die Gesamtheit eigeteilt wird), welche so repräsetative als möglich für die Gesamtheit sei solle. Diese sollte eierseits die Heterogeität der Gesamtheit ud die Homogeität ierhalb der Gruppe widerspiegel. Der Grud dieser Stichprobeeiteilug ist, dass es machmal zu viele verschiede Auspräguge der Gesamtheit gibt, die es fiaziell ud ihaltlich icht möglich mache alle zu betrachte. Der Hauptachteil dieser Methode ist, we die Häufuge (Cluster) icht ierhalb homoge sid, de da wird auch die Stichprobe icht repräsetativ sei. We wir aehme, dass die Cluster gleich heteroge wie die Gesamtheit sid ud die Cluster uter sich homoge sid, da brauche wir ur eiige Cluster auswähle für die Stichprobe. Da sage wir, wir mache gehäufte Stichprobe der erste Ebee. Die Stichprobefidug erleichtert das Sammel der Stichprobeiformatioe. Betrachte wir u die Ausdrücke der Schätzwerte dieser Stichprobefidug: Summe: X = M X i M i 7

9 Durchschitt: X = X i M i Verhältis: P = A i M i wobei X i ist die Summe der Variable X im Cluster i X i ist der Stichprobedurchschitt der Variable X im Cluster i N ist die Azahl der Cluster der Gesamtheit M ist die Größe der Gesamtheit ist die Azahl der Cluster der Stichprobe M i ist die Größe des Clusters i A i ist die Summe der Variable A, welche de wert 0 oder 1 im Cluster i aehme ud die Fehlerabschätzug mache wir, idem wir diese Ausdrücke wie folgt abschätze: Summe: Durchschitt: Verhältis: V ( X) = N(N ) V ( X) = M 2 N(N ) 1 1 (X i XM i ) 1 1 (X i XM i ) V ( P ) = M 2 N(N ) 1.6 Systematische Stichprobe 1 1 (P i P M i ) Deke wir u über eie adere Stichprobefidug ach. Gehe wir zurück zu userem Gymasiums Iteretzugagsbeispiel ud erier us, dass wir 28 Schüler ausgewählt habe. I diesem Fall ist der Ateilsfaktor: 560/28 = 20. Wir ummeriere die Schüler vo 1 bis 560. Da wähle wir eie Zahl x zufällig zwische 1 ud 20 aus, welcher der erste ausgewählte Schüler ist. Da wähle wir die Zahle x + 20, x ud so weiter aus. dies ist aber keie zufällige Stichprobe, da icht alle Stichprobe die gleiche Wahrscheilichkeit habe. Defiiere wir diese Stichprobefidug: Stelle wir us vor, wir habe eie Grudgesamtheit vo N Elemete ummeriert ud sortiert vo 1 bis N ud wir wolle eie Stichprobe vo Elemete. Diese Gesamtheit ka i Teilmege geteilt werde, jede vo dee mit v = N Elemete, zum Beispiel hat jede Teilmege gleich viele Elemete, wie der Ateilsfaktor agibt. 8

10 Wir wähle u ei ummeriertes Elemet vo 1, 2, bis N aus ud ee es x 0. Da ehme wir die folgede Elemete: x 0 + v, x 0 + 2v, x 0 + 3v, x 0 + 4v,... Im Fall, dass v keie atürliche Zahl ist, etscheide wir us für die äherste gaze (kleiere) Zahl, da köe mache Stichprobe die Größe 1 habe. Diese Tatsache brigt us eie kleie Störug i die Theorie der systematische Stichprobe, die wir aber weiters icht beachte müsse, we > 50. Diese Art der Stichprobefidug verlagt, dass die geordete Elemete keie Periodizität bezoge auf die Variable aufweise, de we wir eie fide ud diese ist ahe a v, da wäre das Ergebis icht ausgewoge ud ka icht gewertet werde. Die systematische Stichprobe ist äquivalet mit der zufällige Stichprobe, we die Elemete zufällig ummeriert werde. Die Vorteile dieser Methode sid: 1. Erweitert die Stichprobe zur Grudgesamtheit. 2. Sie ist sehr leicht zu verwede. Die Nachteile sid: 1. Bei eier Periodizität bei der Nummerierug der Elemete steigt die Variaz ud eie Uausgewogeheit der Auswahl tritt auf. 2. Schwierigkeite beim Abschätze der Variaz. Betrachte wir u ei Beispiel eier Stichprobe. Jedes Cluster hat Elemete mit de Nummer i der Liste: Erster Cluster: 1, 1 + v, 1 + 2v, 1 + 3v, 1 + 4v,... Zweiter Cluster: 2, 2 + v, 2 + 2v, 2 + 3v, 2 + 4v, v-ter Cluster: v, 2v, 3v, 4v,... v Eie systematische Stichprobe ist äquivalet zur zufällige Auswahl mit eiem Cluster. Dafür ist es aber otwedig, dass alle Cluster eie ähliche Struktur wie die Gesamtheit aufweise. Wir köe die systematische Stichprobe auch als geschichtete Stihprobe mit Klasse auffasse, jede vo ihe mit v Elemete, so dass wir immer ur ei Elemet aus jeder Klasse auswähle. Bei der geschichtete Stichprobe sid alle ausgewählte Elemete zufällig, im Gegesatz zu dieser Techik, wo ur das erste Elemet zufällig ud der Rest determiistisch mit dem Faktor v ausgewählt werde. Die Schätzwerte für diese Art der Stichprobe sid: Summe: Durchschitt: X = v X i X = 1 X i 9

11 Verhältis: P = 1 wobei P eie Variable mit de Werte 0 oder 1 ist. 1.7 Adere Stichprobefidugs-Methode Die 2-Ebee Stichprobefidug ist ei Spezialfall der Cluster- Stichprobe, bei der i der zweite Ebee icht alle Elemete des Clusters gewählt werde, soder ur eiige zufällig. Cluster i der erste Ebee werde Primär-Eiheite geat, die i der zweite Sekudär-Eiheite. Mehrebee-Stichprobefidug ist eie Verallgemeierug der bisherige Techik, so dass jeder Cluster eie Gruppe vo Cluster ist, usw. Gaz allgemei ist es so, dass bei komplizierte Utersuchuge geschichtete-, Cluster- ud auch zufällige Stichprobe verwedet werde. Zum Beispiel köe die Eiwoher eies Lades i Cluster (Regioe, Städte, Viertel,...) uterteilt werde. die ach auße hi heteroge (uterschiedlich) aber ierhalb homoge sid. Aschließed ist es otwedig diese Eiheite i homogee Klasse zu teile. Diese Eiheite werde da i eue, kleiere Eiheite geteilt (z.b. Gebäudeblöcke), die sekudäre Eiheite geat werde, die wiederum i Häuser uterteilt werde. So köe wir jetzt folgede Stichprobe auswähle: 1. Wir wähle eie geschichtete Stichprobe. Wir ehme zu midest eie Klasse (ei Viertel) 2. Wir wähle zufällig eiige Gebäude vo jedem Viertel aus. 3. Wir ehme zufällig eies der Häuser vo de ausgewählte Gebäudeblöcke aus. P i 10

12 Kapitel 2 Ei Awedugsbeispiel vo der Stichprobefidug Wir habe us etschiede eie Studie i eiem Gymasium zu mache. Wir beötige Iformatioe, über die Azahl der Likshäder, über die Azahl der Schüler mit Iteretzugag zu Hause, die Körpergröße ud das wöchetliche Taschegeld. Die Sihaftigkeit über das Wisse der Likshäder ist augescheilich, da die Schule geüged agepaßte Sitzgelegeheite habe sollte. Iteretzugag zu Hause ist eie wichtige Iformatio. Dies ka verwedet werde um de Schüler zusätzliche Iformatioe zu maile oder ob sie Recherche im Iteret durchführe köe. Die Utersuchug der Körpergröße ist klassisch. Es ist auf jede Fall iteressat, ob sich die Schüler gleiche Alters über die Jahre größemäßig veräder. Taschegeld ist eie gesellschaftliche relevate Iformatio. Es ist spaed zu wisse, mit wie viel Geld die Schüler ausgestattet werde, was sie damit kaufe ud womit sie ihre Freizeit verbrige. We wir eimal etschiede habe, was wir erhebe wolle, defiiere wir die Stichprobe, damit wir icht alle Schüler befrage müsse. Die Iformatioe teile wir i Alter ud Schulklasse. A B C D E Summe 1. Jahr Jahr Jahr Jahr Jahr Jahr Isgesamt habe wir 558 Schüler i diesem Gymasium. Wir starte damit, dass wir eie Stichprobegröße vo 60 Schüler eiplae. Mehr dürfe wir icht befrage ud trotzdem soll die Utersuchug gute Ergebisse liefer. 11

13 So bekomme wir die erste Iformatioe f = N = = Damit wolle wir 11% der Schüler befrage. Wir köe auch de Ateilsfaktor bereche: E = N = = 9.3 oder äquivalet, jeder iterviewte Schüler repräsetiert 9 Kollege. Nu müsse wir die Methode der Stichprobe etscheide. Betrachte wir folgede Aspekte: X repräsetiert die Körpergröße. Y repräsetiert das Taschegeld. Z repräsetiert die Variable Likshäder ud ist 1, we der Schüler Likshäder ist, sost 0. I repräsetiert die Variable hat Iteretzugag zu Hause ud ist 1 we der Schüler eie hat, sost 0. Wir betrachte die 4 Variable vo zwei verschiedee Ausgagspukte. Die Frage ist, ob usere willkürliche Eiteilug Auswirkuge auf das Ergebis habe köte? Die Körpergröße ud das Taschegeld wird wahrscheilich mit dem Alter mehr werde. Die Azahl der Likshäder aber icht. Auch der Iteretzugag sollte altersuabhägig sei. Deswege betrachte wir diese beide Arte uterschiedlich. Fall I: Die Variable Taschegeld ud Körpergröße Wir habe scho besproche, dass wir die Schüler i Gruppe uterteilt habe. Hier etspricht die Eiteilug i Gruppe de Schulklasse (Klasse). Weil für diese beide Variable die Schulkasse eie wichtige Rolle spielt, etscheide wir us für diese Uterteilug ud verwede die zufällig geschichtete Stichprobe. Nu müsse wir die Azahl der Stichprobe ierhalb der Klasse etscheide. Wir habe sechs Klasse mit folgede Größe: (Schul)Klasse Azahl 1. Jahrgag (Klasse 1) N 1 = Jahrgag (Klasse 2) N 2 = Jahrgag (Klasse 3) N 3 = Jahrgag (Klasse 4) N 4 = Jahrgag (Klasse 5) N 5 = Jahrgag (Klasse 6) N 6 = 127 Gewöhlich verwedet ma ateilig der Klassegröße vo der Gesamtheit die Stichprobegröße. So bereche wir diese Ateil mit. i = Ni N 12

14 ud wir bekomme folgede Stichprobegröße: 1 = = 5.84 so ehme wir 1 = 6 2 = = 7.16 so ehme wir 2 = 8 3 = = 8.27 so ehme wir 3 = 8 4 = = 8.71 so ehme wir 1 = 8 5 = = so ehme wir 5 = 16 6 = = so ehme wir 6 = 14 wobei wir berücksichtige mußte, dass die Stichprobegröße 60 sei soll. Somit habe wir die Azahl der Stichprobe ierhalb der Klasse ud führe die Befragug durch. Usere Ergebisse sid die folgede: Für die Körpergröße bekomme wir: Klasse Klasse Klasse Klasse Klasse Klasse ud für das Taschegeld: Klasse Klasse Klasse Klasse Klasse Klasse Wir fahre fort mit de Schätzwerte. Zuerst eimal bereche wir de Durchschitt ierhalb der Klasse. Aschließed de Durchschitt des Taschegeldes ud der Körpergröße gesamt. Weiters versuche wir eie Abschätzug des mögliche Fehlers zu bereche ud mache alles für beide Variable. Für die Körpergröße erhalte wir: Klasse Durchschitt Stadartabweichug 1 x 1 = S 2 x1 = x 2 = S 2 x2 = x 3 = S 2 x3 = x 4 = S 2 x4 = x 5 = S 2 x5 = x 6 = S 2 x6 = Wir erkee scho, dass der Durchschitt i jedem Jahr wächst. Das führt us zur Vermutug, dass die geschichtete Stichprobe als Methode gut gewählt ist. 13

15 Wir bereche auch das gleiche für das Taschegeld: Klasse Durchschitt Stadartabweichug 1 y 1 = 2.75 Sy1 2 = y 2 = Sy2 2 = y 3 = 8.25 Sy3 2 = y 4 = Sy4 2 = y 5 = Sy5 2 = y 6 = Sy6 2 = Nu bereche wir de geschätzte Durchschitt vo der gesamte Stichprobe ud de geschätzte Fehlerwert. Für die Körpergröße: X = 6 w h x h = 6 N h N x h = = Der Ausdruck für die Variaz ist: ud so bekomme wir: V ( X) = w 2 h(1 f h )Ŝ2 h h Klasse w h wh 2 f h 1 f h = = = = = = = = = = = = Diese Zahle ersetze wir u im vorige Ausdruck ud bekomme: V ( X) = wh(1 2 )Ŝ2 h f h = h = Für de Fall der Körpergröße habe wir jetzt die Abschätzuge. Die geschätzte Durchschittskörpergröße beträgt ud der berechete Fehlerwert ist

16 Das Gleiche führe wir für das Taschegeld durch. Wir begie mit dem Durchschitt: Y = 6 w h y h = 6 N h N y h = = Die Abschätzug der Variaz ist leicht zu bereche, da sich die Werte vo w h ud f h icht geädert habe: V (Ŷ ) = wh(1 2 )Ŝ2 h f h h = Fall II: Die Variable Likshäder ad Iteretzugag zu Hause habe Im Fall Zwei wolle wir die Variable Likshäder ud Iteretzugag zu Haus habe betrachte. Es ist leicht zu erkee, dass es i diese Fälle keie Si macht die Variable i Klasse zu uterteile. Deswege sollte wir eie adere Stichprobemethode heraziehe. Wir wolle weiterhi eie Stichprobegröße vo 60. Wir köe aber sage, dass die Schule i Schulklasse eigeteilt ist, dass diese Utergruppe die Gesamtheit darstelle. Diese Gruppe verhalte sich (hoffetlich) wie die Grudgesamtheit. Deswege ist es wesetlich eifacher 2 bis 3 Schulkasse als Gazes zu befrage als wahllos 60 Schüler aufzuspüre. Damit auch hier eie gewisse Breite gewahrt bleibt, etscheide wir us für 3 Schulklasse. Die Date der Ergebisse sid die folgede: Für die Variable Likshäder : Cluster 1: Cluster 2: Cluster 3: wobei 1 bedeutet ei Likshäder zu sei ud 0 icht (Rechtshäder). Für die Variable Iteretzugag zu Hause habe bekomme wir: Cluster 1: Cluster 2: Cluster 3: wobei 1 bedeutet eie Iteretzugag zu habe, 0 icht. 15

17 Wir begie u ab zu schätze, wie viele Likshäder i der gesamte Schule sei werde, geauso wie die Azahl der Iteretzugäge. Geauso iteressiere us die Verhältisse bezoge auf die Gesamtheit. Likshäder Iteret Cluster Summe Verhältis Summe Verhältis Nu köe wir die Abschätzuge der Summe ud des Verhältis der Variable Z ud I mache. Wir begie mit Variable Z: Ẑi Ẑ = M M i 3 Ẑi = M i = = = P Z = A i M = i = 5 68 = ud wir mache das Gleiche für die Variable I Îi Î = M M i 3 Îi = M i = = = P I = A i M = i = = Wir gehe weiter mit der Abschätzug des Fehlerwertes für die Variable Likshäder : V (Ẑ) = N(N ) 1 1 (Z i ZM i ) = 22(22 3) [( )2 +( ) 2 ]+( ) 2 = = V ( P Z ) = N(N ) M (P Zi P M i ) = 22(22 3) [( )2 +( ) 2 ]+( ) 2 = =

18 ud abschließed die Abschätzug des Fehlerwertes für die Variable Iteretzugag zu Hause habe : V (Î) = N(N ) 1 1 (I i IM i ) = 22(22 3) [( )2 +( ) 2 ]+( ) 2 = = 1211 V ( P I ) = N(N ) M (P Ii P M i ) = 22(22 3) [( )2 +( ) 2 ]+( ) 2 = =

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen: 61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl

Mehr

Statistik I/Empirie I

Statistik I/Empirie I Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass

Mehr

15.4 Diskrete Zufallsvariablen

15.4 Diskrete Zufallsvariablen .4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet

Mehr

Lernhilfe in Form eines ebooks

Lernhilfe in Form eines ebooks Ziseszisrechug Lerhilfe i Form eies ebooks apitel Thema Seite 1 Vorwort ud Eiführug 2 2 Theorie der Ziseszisrechug 5 3 Beispiele ud Beispielrechuge 12 4 Testaufgabe mit Lösuge 18 Zis-Ziseszis.de 212 Seite

Mehr

APPENDX 3 MPS Umfragebögen

APPENDX 3 MPS Umfragebögen APPENDX 3 MPS Umfrageböge Iformatio zur Mitarbeiterbefragug Liebe Mitarbeiteri, lieber Mitarbeiter, die Etwicklug eies eiheitliche Produktiossystems für Mercedes-Bez ist abgeschlosse ud seit Jauar 2000

Mehr

2 Vollständige Induktion

2 Vollständige Induktion 8 I. Zahle, Kovergez ud Stetigkeit Vollstädige Iduktio Aufgabe: 1. Bereche Sie 1+3, 1+3+5 ud 1+3+5+7, leite Sie eie allgemeie Formel für 1+3+ +( 3)+( 1) her ud versuche Sie, diese zu beweise.. Eizu5% ZiseproJahragelegtes

Mehr

SUCHPROBLEME UND ALPHABETISCHE CODES

SUCHPROBLEME UND ALPHABETISCHE CODES SUCHPROBLEME UND ALPHABETISCHE CODES Der Problematik der alphabetische Codes liege Suchprobleme zugrude, dere Lösug dem iformatiostheoretische Problem der Fidug eies (optimale) alphabetische Codes gleich

Mehr

Kryptologie: Kryptographie und Kryptoanalyse Kryptologie ist die Wissenschaft, die sich mit dem Ver- und Entschlüsseln von Informationen befasst.

Kryptologie: Kryptographie und Kryptoanalyse Kryptologie ist die Wissenschaft, die sich mit dem Ver- und Entschlüsseln von Informationen befasst. Krytologie: Krytograhie ud Krytoaalyse Krytologie ist die Wisseschaft, die sich mit dem Ver- ud Etschlüssel vo Iformatioe befasst. Beisiel Iteretkommuikatio: Versiegel (Itegrität der Nachricht) Sigiere

Mehr

2. Gleichwertige Lösungen

2. Gleichwertige Lösungen 8. Gleichwertige Lösuge Für die Lösug jeder lösbare Aufgabe gibt es eie uedliche Azahl vo (abstrakte ud kokrete) Algorithme. Das folgede Problem illustriert, dass eie Aufgabe eifacher oder kompliziert,

Mehr

Statistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S

Statistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S Statistik mit Excel 2013 Peter Wies Theme-Special 1. Ausgabe, Februar 2014 W-EX2013S 3 Statistik mit Excel 2013 - Theme-Special 3 Statistische Maßzahle I diesem Kapitel erfahre Sie wie Sie Date klassifiziere

Mehr

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008 Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe

Mehr

Kapitel 6: Statistische Qualitätskontrolle

Kapitel 6: Statistische Qualitätskontrolle Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle

Mehr

5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung

5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung Seite vo 7 5 Beroulli-Kette Jakob Beroulli 654-705 Schweizer Mathematiker ud Physiker 5. Beroulli-Exerimet 5.. Eileitug Oft iteressiert ma sich bei Zufallsexerimete icht für die eizele Ergebisse, soder

Mehr

Qualitätskennzahlen für IT-Verfahren in der öffentlichen Verwaltung Lösungsansätze zur Beschreibung von Metriken nach V-Modell XT

Qualitätskennzahlen für IT-Verfahren in der öffentlichen Verwaltung Lösungsansätze zur Beschreibung von Metriken nach V-Modell XT Qualitätskezahle für IT-Verfahre i der öffetliche Verwaltug Lösugsasätze zur Vo Stefa Bregezer Der Autor arbeitet im Bereich Softwaretest ud beschäftigt sich als Qualitätsbeauftragter mit Theme zu Qualitätssicherug

Mehr

Übungsblatt 1 zur Vorlesung Angewandte Stochastik

Übungsblatt 1 zur Vorlesung Angewandte Stochastik Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche

Mehr

PrivatKredit. Direkt ans Ziel Ihrer Wünsche

PrivatKredit. Direkt ans Ziel Ihrer Wünsche PrivatKredit Direkt as Ziel Ihrer Wüsche Erlebe Sie eue Freiräume. Leiste Sie sich, was Ihe wichtig ist. Sie träume scho seit lagem vo eier eue Aschaffug, wie z. B.: eiem eue Auto eue Möbel Oder es stehe

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

AUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2. Datenfluß und Programmablauf 2. Vorbedingung 3. Nachbedingung 3. Schleifeninvariante 3

AUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2. Datenfluß und Programmablauf 2. Vorbedingung 3. Nachbedingung 3. Schleifeninvariante 3 INHALTSVERZEICHNIS AUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2 Datefluß ud Programmablauf 2 Vorbedigug 3 Nachbedigug 3 Schleifeivariate 3 KONSTRUKTION 4 ALTERNATIVE ENTWURFSMÖGLICHKEITEN 5 EFFEKTIVE

Mehr

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:

Mehr

Die Forschungsdatenbank zu Inschriften/Scans/Bildern im. Institut für Urchristentum und Antike

Die Forschungsdatenbank zu Inschriften/Scans/Bildern im. Institut für Urchristentum und Antike Gebhard Dettmar Istitut für Urchristetum ud Atike www2.hu-berli.de/ura Die Forschugsdatebak zu Ischrifte/Scas/Bilder im Istitut für Urchristetum ud Atike Eie Etwurfsdokumetatio zum Datebaketwurf ach dem

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

Testumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen

Testumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen Testumfag für die Ermittlug ud Agabe vo Fehlerrate i biometrische Systeme Peter Uruh SRC Security Research & Cosultig GmbH peter.uruh@src-gmbh.de Eileitug Biometrische Systeme werde durch zwei wichtige

Mehr

Beschreibende Statistik Kenngrößen in der Übersicht (Ac)

Beschreibende Statistik Kenngrößen in der Übersicht (Ac) Beschreibede Statistik Kegröße i der Übersicht (Ac) Im folgede wird die Berechugsweise des TI 83 (sowie vo SPSS, s. ute) verwedet. Diese geht auf eie Festlegug vo Moore ud McCabe (00) zurück. I der Literatur

Mehr

Variiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen.

Variiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen. 3. Variazaalyse Die Variazaalyse mit eier quatitative abhägige Variable ud eier oder mehrerer qualitativer uabhägiger Variable wird auch als ANOVA (Aalysis of Variace) bezeichet. Mit eier Variazaalyse

Mehr

Baugrundstück für Individualisten

Baugrundstück für Individualisten Immobilie Baugrudstück für Idividualiste Courtage: Kaufpreis: Auf Afrage 3,57% icl. 19% MwSt für de Käufer hausudso Immobilie Moltkestr. 14 77654 Offeburg Tel. 0781 9190891 Fax 0781 9190892 Email ifo@hausudso.de

Mehr

Übungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0

Übungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0 UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Prof. Dr. Rolad Speicher M.Sc. Tobias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 01 Musterlösug zu Blatt 0 Aufgabe 1. Käpt Schwarzbart,

Mehr

Wahrscheinlichkeit & Statistik

Wahrscheinlichkeit & Statistik Wahrscheilichkeit & Statistik created by Versio: 3. Jui 005 www.matheachhilfe.ch ifo@matheachhilfe.ch 079 703 7 08 Mege als Sprache der Wahrscheilichkeitsrechug, Begriffe, Grudregel Ereigisraum: Ω Ω Mege

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

Byzantinische Einigung im Full-Information-Modell in O(log n) Runden

Byzantinische Einigung im Full-Information-Modell in O(log n) Runden Byzatiische Eiigug im Full-Iformatio-Modell i O(log ) Rude Martia Hüllma Uiversität Paderbor (martiah@upb.de) Zusammefassug. Byzatiische Eiigug stellt ei grudlegedes Problem im Bereich verteilter Systeme

Mehr

Aufgaben und Lösungen der Probeklausur zur Analysis I

Aufgaben und Lösungen der Probeklausur zur Analysis I Fachbereich Mathematik AG 5: Fuktioalaalysis Prof. Dr. K.-H. Neeb Dipl.-Math. Rafael Dahme Dipl.-Math. Stefa Wager ATECHNISCHE UNIVERSITÄT DARMSTADT SS 007 19. Jui 007 Aufgabe ud Lösuge der Probeklausur

Mehr

Auch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert.

Auch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert. Prof. Dr. H. Rommelfager: Etscheidugstheorie, Kaitel 3 7 3. Etscheidug bei Risiko (subjektive oder objektive) Eitrittswahrscheilichkeite für das Eitrete der mögliche Umweltzustäde köe vom Etscheidugsträger

Mehr

Kapitel 6: Quadratisches Wachstum

Kapitel 6: Quadratisches Wachstum Kapitel 6: Quadratisches Wachstum Dr. Dakwart Vogel Ui Esse WS 009/10 1 Drei Beispiele Beispiel 1 Bremsweg eies PKW Bremsweg Auto.xls Ui Esse WS 009/10 Für user Modell des Bremsweges gilt a = a + d a =

Mehr

2. Diophantische Gleichungen

2. Diophantische Gleichungen 2. Diophatische Gleichuge [Teschl05, S. 91f] 2.1. Was ist eie diophatische Gleichug ud wozu braucht ma sie? Def D2-1: Eie diophatische Gleichug ist eie Polyomfuktio i x,y,z,, bei der als Lösuge ur gaze

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

Innerbetriebliche Leistungsverrechnung

Innerbetriebliche Leistungsverrechnung Ierbetriebliche Leistugsverrechug I der Kostestellerechug bzw. im Betriebsabrechugsboge (BAB ist ach der Erfassug der primäre Kostestellekoste das Ziel, die sekudäre Kostestellekoste, also die Koste der

Mehr

Stichproben im Rechnungswesen, Stichprobeninventur

Stichproben im Rechnungswesen, Stichprobeninventur Stichprobe im Rechugswese, Stichprobeivetur Prof Dr Iree Rößler ud Prof Dr Albrecht Ugerer Duale Hochschule Bade-Württemberg Maheim Im eifachste Fall des Dollar-Uit oder Moetary-Uit Samplig (DUS oder MUS-

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

Einige Worte vorweg 11. Wohnungssuche richtig geplant 13

Einige Worte vorweg 11. Wohnungssuche richtig geplant 13 5 Ihalt Eiige Worte vorweg 11 Wohugssuche richtig geplat 13 Behalte Sie de Überblick................ 13 So fide Sie Ihre Traumwohug............ 13 Der Blick i die Zeitug................. 15 Suche im Iteret....................

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

Physikalische Grundlagen: Strahlengang durch optische Systeme

Physikalische Grundlagen: Strahlengang durch optische Systeme ieser Text ist ür iteressierte Leser gedacht, die sich über die klausur-relevate, physiologische Grudlage hiaus mit der Optik des Auges beschätige wolle! Physikalische Grudlage: Strahlegag durch optische

Mehr

Versicherungstechnik

Versicherungstechnik Operatios Research ud Wirtschaftsiformati Prof. Dr. P. Recht // Dipl.-Math. Rolf Wedt DOOR Versicherugstechi Übugsblatt 3 Abgabe bis zum Diestag, dem 03..205 um 0 Uhr im Kaste 9 Lösugsvorschlag: Vorbereituge

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

Bau- und Wohncenter Stephansplatz

Bau- und Wohncenter Stephansplatz Viele gute Grüde, auf us zu baue Bau- ud Wohceter Stephasplatz Parter der Bak Austria Silvia Nahler Tel.: 050505 47287 Mobil: 0664 20 22 354 Silvia.ahler@cityfiace.at Fiazservice GmbH Ralph Decker Tel.:

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

Allgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable

Allgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable Allgemeie Lösuge der -dimesioale Laplace-Gleichug ud ihre komplexe Variable Dr. rer. at. Kuag-lai Chao Göttige, de 4. Jauar 01 Abstract Geeral solutios of the -dimesioal Laplace equatio ad its complex

Mehr

Gebraucht, aber sicher!

Gebraucht, aber sicher! Gebraucht, aber sicher! Die Gebrauchtwage-Services: Fiazprodukte Lagzeit-Garatie Versicheruge Fiazprodukte Gaz ach meiem Geschmack. Die FLEXIBLEN Fiazprodukte der PEUGEOT Bak. Hier dreht sich alles ur

Mehr

Mit Ideen begeistern. Mit Freude schenken.

Mit Ideen begeistern. Mit Freude schenken. Mehr Erfolg. I jeder Beziehug. Mit Idee begeister. Mit Freude scheke. Erfolgreiches Marketig mit Prämie, Werbemittel ud Uterehmesausstattuge. Wo Prämie ei System habe, hat Erfolg Methode. Die Wertschätzug

Mehr

2.4.1 Grundprinzipien statistischer Hypothesentests

2.4.1 Grundprinzipien statistischer Hypothesentests 86 2.4. Hypothesetests 2.4 Hypothesetests 2.4.1 Grudprizipie statistischer Hypothesetests Hypothese: Behauptug eier Tatsache, dere Überprüfug och aussteht (Leuter i: Edruweit, Trommsdorff: Wörterbuch der

Mehr

Informatik II Dynamische Programmierung

Informatik II Dynamische Programmierung lausthal Iformatik II Dyamische Programmierug. Zachma lausthal Uiversity, ermay zach@i.tu-clausthal.de Zweite Techik für de Algorithmeetwurf Zum Name: "Dyamische " hat ichts mit "Dyamik" zu tu, soder mit

Mehr

elektr. und magnet. Feld A 7 (1)

elektr. und magnet. Feld A 7 (1) FachHochschule Lausitz Physikalisches Praktikum α- ud β-strahlug im elektr. ud maget. Feld A 7 Name: Matrikel: Datum: Ziel des Versuches Das Verhalte vo α- ud β-strahlug im elektrische ud magetische Feld

Mehr

Page-Rank: Markov-Ketten als Grundlage für Suchmaschinen im Internet

Page-Rank: Markov-Ketten als Grundlage für Suchmaschinen im Internet Humboldt-Uiversität zu Berli Istitut für Iformatik Logik i der Iformatik Prof. Dr. Nicole Schweikardt Page-Rak: Markov-Kette als Grudlage für Suchmaschie im Iteret Skript zum gleichamige Kapitel der im

Mehr

AVANTI Neuerungen. Inhalt. I. Neuerungen Version 16. 1. Pin Funktion. 2. Status für Nachtragspositionen. 3. DBD Baupreise EFB

AVANTI Neuerungen. Inhalt. I. Neuerungen Version 16. 1. Pin Funktion. 2. Status für Nachtragspositionen. 3. DBD Baupreise EFB Neueruge Software Techologie GmbH 67433 Neustadt / Weistraße Ihalt I. Neueruge Versio 16 3 1. Pi Fuktio 3 2. Status für Nachtragspositioe 5 3. DBD Baupreise EFB 6 4. Programm Eistiegs Assistet 8 5. Voreistellugs-Assistet

Mehr

LV "Grundlagen der Informatik" Programmierung in C (Teil 2)

LV Grundlagen der Informatik Programmierung in C (Teil 2) Aufgabekomplex: Programmiere i C (Teil vo ) (Strukturierte Datetype: Felder, Strukture, Zeiger; Fuktioe mit Parameterübergabe; Dateiarbeit) Hiweis: Alle mit * gekezeichete Aufgabe sid zum zusätzliche Übe

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

1. Ein Kapital von 5000 ist zu 6,5% und ein Kapital von 4500 zu 7% auf 12 Jahre angelegt. Wie groß ist der Unterschied der Endkapitalien?

1. Ein Kapital von 5000 ist zu 6,5% und ein Kapital von 4500 zu 7% auf 12 Jahre angelegt. Wie groß ist der Unterschied der Endkapitalien? Fiazmathematik Aufgabesammlug. Ei Kapital vo 5000 ist zu 6,5% ud ei Kapital vo 4500 zu 7% auf 2 Jahre agelegt. Wie groß ist der Uterschied der Edkapitalie? 2. Wa erreicht ei Kapital eie höhere Edwert,

Mehr

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

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Istitut für tochastik Prof. Dr. N. Bäuerle Dipl.-Math.. Urba Lösugsvorschlag 9. Übugsblatt zur Vorlesug Fiazmathematik I Aufgabe Ei euartiges Derivat) Wir sid i eiem edliche, arbitragefreie Fiazmarkt,

Mehr

KUNDENPROFIL FÜR GELDANLAGEN

KUNDENPROFIL FÜR GELDANLAGEN KUNDENPROFIL FÜR GELDANLAGEN Geldalage ist icht ur eie Frage des Vertraues, soder auch das Ergebis eier eigehede Aalyse der Fiazsituatio! Um Ihre optimale Beratug zu gewährleiste, dokumetiere wir gemeisam

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

3. Einführung in die Statistik

3. Einführung in die Statistik 3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :

Mehr

Lösungen der Aufgaben zur Vorbereitung auf die Klausur Mathematik für Informatiker I

Lösungen der Aufgaben zur Vorbereitung auf die Klausur Mathematik für Informatiker I Uiversität des Saarlades Fakultät für Mathematik ud Iformatik Witersemester 2003/04 Prof. Dr. Joachim Weickert Dr. Marti Welk Dr. Berhard Burgeth Lösuge der Aufgabe zur Vorbereitug auf die Klausur Mathematik

Mehr

Prof. Dr. Günter Hellmig. Klausurenskript Finanzmathematik

Prof. Dr. Günter Hellmig. Klausurenskript Finanzmathematik Prof. Dr. Güter Hellig lausureskript Fiazatheatik Ihalt: lausur vo WS 9/. Eifache Zise: Vorschüssigkeit ud Nachschüssigkeit. Reterechug: Reteedwert ud Retebarwert 3. Tilgugsrechug: Tilgugspla bei Ratetilgug

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

Gruppe 108: Janina Bär Christian Hörr Robert Rex

Gruppe 108: Janina Bär Christian Hörr Robert Rex TEHNIHE UNIVEITÄT HEMNITZ FAULTÄT FÜ INFOMATI Hardwarepraktikum im W /3 Versuch 3 equetielle ysteme I Gruppe 8: aia Bär hristia Hörr obert ex hemitz, 7. November Hardwarepraktikum equetielle ysteme I Aufgabe

Mehr

Projekte des BTW. Deutscher Bundestag/Stephan Erfurt. Projekte des BTW

Projekte des BTW. Deutscher Bundestag/Stephan Erfurt. Projekte des BTW Projekte des BTW Deutscher Budestag/Stepha Erfurt Projekte des BTW 21 Wirtschaftsfaktor Tourismus Belastbare Zahle für eie umsatzstarke Querschittsbrache Das Jahr 2011 stad für de BTW uter aderem im Zeiche

Mehr

2. Datenbankentwurf mittels. Entity-Relationship - Modell (ERM) 2.1. Entities. Definitionen:

2. Datenbankentwurf mittels. Entity-Relationship - Modell (ERM) 2.1. Entities. Definitionen: - 2 - - 22-2. Datebaketwurf mittels Etity-Relatioship - Modell (ERM) Ursprug: Che 976, heute viele Variate Bedeutug: grafisches Hilfsmittel zur sematische Modellierug der Diskurswelt (Awedugsgebiet) (d.h.

Mehr

Musterlösung zu Übungsblatt 2

Musterlösung zu Übungsblatt 2 Prof. R. Padharipade J. Schmitt C. Schießl Fuktioetheorie 25. September 15 HS 2015 Musterlösug zu Übugsblatt 2 Aufgabe 1. Reelle Fuktioe g : R R stelle wir us üblicherweise als Graphe {(x, g(x)} R R vor.

Mehr

IM OSTEN VIEL NEUES... Kaufpreis: 350.000,00 Euro 3,57% incl. 19% MwSt für den Käufer

IM OSTEN VIEL NEUES... Kaufpreis: 350.000,00 Euro 3,57% incl. 19% MwSt für den Käufer Immobilie IM OSTEN VIEL NEUES... Courtage: Kaufpreis: 350.000,00 Euro 3,57% icl. 19% MwSt für de Käufer hausudso Immobilie Moltkestr. 14 77654 Offeburg Tel. 0781 9190891 Fax 0781 9190892 Email ifo@hausudso.de

Mehr

Linsengesetze und optische Instrumente

Linsengesetze und optische Instrumente Lisegesetze ud optische Istrumete Gruppe X Xxxx Xxxxxxxxx Xxxxxxx Xxxxxx Mat.-Nr.: XXXXX Mat.-Nr.: XXXXX XX.XX.XX Theorie Im olgede werde wir eie kurze Überblick über die Fuktio, de Aubau ud die Arte vo

Mehr

1 Einführung in die Fehlerrechnung

1 Einführung in die Fehlerrechnung Physik für Biologie ud Zwei-Fächer-Bachelor Chemie Kap.: Eiführug i die Fehlerrechug Eiführug i die Fehlerrechug Tiefemessschiee Abbildug: Messschieber. Theoretische Grudlage Bei jeder physikalische Messug

Mehr

Lerneinheit 2: Grundlagen der Investition und Finanzierung

Lerneinheit 2: Grundlagen der Investition und Finanzierung Lereiheit 2: Grudlage der Ivestitio ud Fiazierug 1 Abgrezug zu de statische Verfahre Durchschittsbetrachtug wird aufgegebe Zeitpukt der Zahlugsmittelbewegug explizit berücksichtigt exakte Erfassug der

Mehr

Arbeitsplätze in SAP R/3 Modul PP

Arbeitsplätze in SAP R/3 Modul PP Arbeitsplätze i SAP R/3 Modul PP Was ist ei Arbeitsplatz? Der Stadort eier Aktioseiheit, sowie dere kokrete räumliche Gestaltug Was ist eie Aktioseiheit? kleiste produktive Eiheit i eiem Produktiosprozess,

Mehr

IWW Studienprogramm. Vertiefungsstudium. Modul XI: Volkswirtschaftslehre. Lösungshinweise zur 1. Musterklausur

IWW Studienprogramm. Vertiefungsstudium. Modul XI: Volkswirtschaftslehre. Lösungshinweise zur 1. Musterklausur Istitut für Wirtschaftswisseschaftliche Forschug ud Weiterbildug GmbH Istitut a der FerUiversität i Hage IWW Studieprogramm Vertiefugsstudium Modul XI: Volkswirtschaftslehre Lösugshiweise zur 1. Musterklausur

Mehr

Zusammenfassung Wirtschaftsinformatik Stefan Käßmann

Zusammenfassung Wirtschaftsinformatik Stefan Käßmann I. Iformatio ud Nachricht 1. Iformatio ud Nachricht - Nachricht (Sytax), Sigale, Zeiche - Iformatio (Sematik), bit - Rausche 2. digitale Nachrichte - digitale Sigale (Sigalparameter aus edlicher Zeichevorrat)

Mehr

Studieren an der Hochschule München

Studieren an der Hochschule München Abteilug Studium Bereich Beratug ud Immatrikulatio Lothstraße 34, 80335 Müche Zimmer: A 33/34 Immatrikulatio Telefo: 089 1265-5000 E-Mail: immatrikulatio@hm.edu Besuchszeite Immatrikulatio: Motag, Diestag

Mehr

Betriebswirtschaft Wirtschaftsmathematik Studienleistung BW-WMT-S12 011110

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

Mehr

Solvency II Bewertungen, Vorbereitungen und Erwartungen deutscher Versicherungen und Pensionskassen. Studie Oktober 2012

Solvency II Bewertungen, Vorbereitungen und Erwartungen deutscher Versicherungen und Pensionskassen. Studie Oktober 2012 Solvecy II Bewertuge, Vorbereituge ud Erwartuge deutscher Versicheruge ud Pesioskasse Studie Oktober 2012 2 Eiordug der Studie Utersuchugssteckbrief Zielsetzug - Die Studie utersucht mit Blick auf Solvecy

Mehr

Höhere Finanzmathematik. Sehr ausführliches Themenheft (d. h. mit Theorie) Aber auch mit vielen Trainingsaufgaben

Höhere Finanzmathematik. Sehr ausführliches Themenheft (d. h. mit Theorie) Aber auch mit vielen Trainingsaufgaben Expoetielles Wachstum Höhere Fiazmathematik Sehr ausführliches Themeheft (d. h. mit Theorie) Aber auch mit viele Traiigsaufgabe Es hadelt sich um eie Awedug vo Expoetialfuktioe (Wachstumsfuktioe) Datei

Mehr

Logarithmus - Übungsaufgaben. I. Allgemeines

Logarithmus - Übungsaufgaben. I. Allgemeines Eie Gleichug höhere Grdes wie z. B. Gymsium / Relschule Logrithmus - Üugsufge Klsse 0 I. Allgemeies k ch ufgelöst werde, idem m die Wurzel zieht. Tritt die Uekte jedoch im Epoete eier Potez uf, spricht

Mehr

Zum Erfolg mit Dermato -Kosmetik. Unsere Angebote 2013/2014

Zum Erfolg mit Dermato -Kosmetik. Unsere Angebote 2013/2014 Zum Erfolg mit Dermato -Kosmetik Usere Agebote 2013/2014 2 Wir über us Sie möchte Umsatzeibuße im Arzeimittelbereich kompesiere ud besoders hohe Erträge erziele? Da bietet Ihe die rediteträchtige Kategorie

Mehr

cubus EV als Erweiterung für Oracle Business Intelligence

cubus EV als Erweiterung für Oracle Business Intelligence cubus EV als Erweiterug für Oracle Busiess Itelligece... oder wie Oracle-BI-Aweder mit Essbase-Date vo cubus outperform EV Aalytics (cubus EV) profitiere INHALT 01 cubus EV als Erweiterug für die Oracle

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

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

Sichtbar im Web! Websites für Handwerksbetriebe. Damit Sie auch online gefunden werden.

Sichtbar im Web! Websites für Handwerksbetriebe. Damit Sie auch online gefunden werden. Sichtbar im Web! Websites für Hadwerksbetriebe. Damit Sie auch olie gefude werde. Professioelles Webdesig für: Hadwerksbetriebe Rudum-sorglos-Pakete Nur für Hadwerksbetriebe Webdesig zu Festpreise - ukompliziert

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

Wiederkehrende XML-Inhalte in Adobe InDesign importieren

Wiederkehrende XML-Inhalte in Adobe InDesign importieren Wiederkehrede XML-Ihalte i Adobe IDesig importiere Dieses Tutorial soll als Quick & Dirty -Kurzaleitug demostriere, wie wiederkehrede XML-Ihalte (z. B. aus Datebake) i Adobe IDesig importiert ud formatiert

Mehr

Finanzmathematische Formeln und Tabellen

Finanzmathematische Formeln und Tabellen Jui 2008 Dipl.-Betriebswirt Riccardo Fischer Fiazmathematische Formel ud Tabelle Arbeitshilfe für Ausbildug, Studium ud Prüfug im Fach Fiaz- ud Ivestitiosrechug Dieses Werk, eischließlich aller seier Teile,

Mehr

Ihre Strategie ist falsch

Ihre Strategie ist falsch Praxis ud Aweduge Security i Idustrial Cotrol Systems (ICS) Ihre Strategie ist falsch Prof. Dr. Hartmut Pohl, Geschäftsführeder Gesellschafter softscheck GmbH, Köl Sicherheit i Idustriesteueruge wird zuehmed

Mehr

Der natürliche Werkstoff Holz - Statistische Betrachtungen zum uniaxialen Zugversuch am Beispiel von Furnier

Der natürliche Werkstoff Holz - Statistische Betrachtungen zum uniaxialen Zugversuch am Beispiel von Furnier Der atürliche Werkstoff Holz - Statistische Betrachtuge zum uiaxiale Zugversuch am Beispiel vo Furier B. Bellair, A. Dietzel, M. Zimmerma, Prof. Dr.-Ig. H. Raßbach Zusammefassug FH Schmalkalde, 98574 Schmalkalde,

Mehr

Zur Definition. der wirksamen. Wärmespeicherkapazität

Zur Definition. der wirksamen. Wärmespeicherkapazität Ao. Uiv. Prof. Dipl.-Ig. Dr. tech. Klaus Kreč, Büro für Bauphysik, Schöberg a Kap, Österreich Zur Defiitio der wirksae Wärespeicherkapazität vo Ao. Uiv. Prof. Dipl.-Ig. Dr. tech. Klaus Kreč Büro für Bauphysik

Mehr

Lektion II Grundlagen der Kryptologie

Lektion II Grundlagen der Kryptologie Lektio II Grudlage der Kryptologie Klassische Algorithme Ihalt Lektio II Grudbegriffe Kryptologie Kryptographische Systeme Traspositioschiffre Substitutioschiffre Kryptoaalyse Übuge Vorlesug Datesicherheit

Mehr

Innerfamiliäre Arbeitsteilung

Innerfamiliäre Arbeitsteilung Birgit Blättel-Mik Carolie Kramer Aia Mischau Ierfamiliäre Arbeitsteilug Wusch ud Wirklichkeit Die Sicht der Fraue 22 Ei Blick auf das Verhältis vo Parterschaft ud ierfamiliärer Arbeitsteilug zeigt spezifische

Mehr

Elektrostatische Lösungen für mehr Wirtschaftlichkeit

Elektrostatische Lösungen für mehr Wirtschaftlichkeit Elektrostatische Lösuge für mehr Wirtschaftlichkeit idustrie für igeieure, profis ud techiker i etwicklug, produktio ud motage. www.kerste.de Elektrostatische Lösuge kerste ist seit über 40 Jahre der führede

Mehr

Daten und Zufall in der Jahrgangsstufe 9 Seite 1

Daten und Zufall in der Jahrgangsstufe 9 Seite 1 Date ud uall i der Jahrgagsstue Seite usammegesetzte uallsexperimete, Padregel Aubaued au de Erahruge aus de vorhergehede Jahrgagsstue beschätige sich die Schüler systematisch mit zusammegesetzte uallsexperimete

Mehr

Glücksspielverhalten in Bayern

Glücksspielverhalten in Bayern Glücksspielverhalte i Bayer 1 Zielsetzug Schätzuge aus Bevölkerugsstudie zu Glücksspiel i Deutschlad zu Folge habe um die 70% der Deutsche scho eimal gespielt (Bühriger, Kraus, Sotag, Pfeiffer-Gerschel,

Mehr

Empirische Methoden I

Empirische Methoden I Hochschule für Wirtschaft ud 2012 Umwelt Nürtige-Geislige Fakultät Betriebswirtschaft ud Iteratioale Fiaze Prof. Dr. Max C. Wewel Prof. Dr. Corelia Niederdrek-Felger Aufgabe zum Tutorium Empirische Methode

Mehr

Gliederung. Value-at-Risk

Gliederung. Value-at-Risk Value-at-Risk Dr. Richard Herra Nürberg, 4. Noveber 26 IVS-Foru Gliederug Modell Beispiel aus der betriebliche Altersversorgug Verteilug des Gesatschades Value-at-Risk ud Tail Value-at-Risk Risikobeurteilug

Mehr

Leitfaden zu den Zertifikate-Indizes. Discount-Index Outperformance-Index Bonus-Index Kapitalschutz-Index Aktienanleihen-Index

Leitfaden zu den Zertifikate-Indizes. Discount-Index Outperformance-Index Bonus-Index Kapitalschutz-Index Aktienanleihen-Index Leitfade zu de Zertifikate-Idizes Discout-Idex Outerformace-Idex Bous-Idex Kaitalschutz-Idex Aktiealeihe-Idex Fassug vom 22.02.2011 Versiosübersicht Versios- ID 1.00 1.10 1.20 1.30 Datum 28.02.2009 28.04.2009

Mehr

Das Digitale Archiv des Bundesarchivs

Das Digitale Archiv des Bundesarchivs Das Digitale Archiv des Budesarchivs 2 3 Ihaltsverzeichis Das Digitale Archiv des Budesarchivs 4 Techische Ifrastruktur 5 Hilfsmittel zur Archivierug 5 Archivierugsformate 6 Abgabe vo elektroische Akte

Mehr

Methodische Grundlagen der Kostenkalkulation

Methodische Grundlagen der Kostenkalkulation Methodische Grudlage der Kostekalkulatio Plaugsebee Gebrauchsgüter Die i der ladwirtschaftliche Produktio eigesetzte Produktiosmittel werde i Gebrauchsgüter ud Verbrauchsgüter uterteilt. Zu de Gebrauchsgüter

Mehr

LS Retail. Die Branchenlösung für den Einzelhandel auf Basis von Microsoft Dynamics NAV

LS Retail. Die Branchenlösung für den Einzelhandel auf Basis von Microsoft Dynamics NAV LS Retail Die Brachelösug für de Eizelhadel auf Basis vo Microsoft Dyamics NAV akquiet Focus auf das Wesetliche User Focus liegt immer auf der Wirtschaftlichkeit: So weig wie möglich, soviel wie ötig.

Mehr