Auswertung univariater Datenmengen - deskriptiv

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Auswertung univariater Datenmengen - deskriptiv"

Transkript

1 Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert; Formeln, Tabellen und Programme Verlag Vahlen

2 Varanz - Bespel Bespel: Für das Gewcht der 0 betrachteten Personen ergbt sch be enem arthmetschen Mttel von 65 g de emprsche Varanz we folgt: ame Lsa Anna Antje Mare Dörte Sven Uwe Ka Jan ls r x (x - µ) Summe.984 g² [ 0 ( 44 65) ² + ( 46 65) ² ( 0 65) ²] 98,4 g ² Infolge des Quadrerens hat de Varanz ncht de gleche Maßenhet we das Mermal selbst. De Interpretaton st daher ncht snnvoll. 3 Standardabwechung De (emprsche) Standardabwechung st de postve Wurzel aus der (emprschen) Varanz. Es glt: ² De Standardabwechung bestzt de gleche Dmenson we de Mermalsausprägungen und deren Mttelwert, se st zur Interpretaton daher besser geegnet als de Varanz. De Standardabwechung st genau dann glech ull, wenn alle Daten den glechen Wert haben (a a a ). 4

3 Standardabwechung - Bespel Bespel: Für das Gewcht der 0 betrachteten Personen ergbt sch be enem arthmetschen Mttel von 65 g de emprsche Varanz we folgt: ame Lsa Anna Antje Mare Dörte Sven Uwe Ka Jan ls r x (x - µ) Summe.984 g² [ 0 98,4 ( 44 65) ² + ( 46 65) ² ( 0 65) ²] 98,4 g ² 7,74 De Streuung des Gewchtes, gemessen mt der Standardabwechung, beträgt 7,74 g. Zum Verglech: de mttlere absolute Abwechung gegenüber dem arthmetschen Mttel beträgt 5 g. 5 Varanz und Standardabwechung - Bespel Bespel: Klausuraufgabe 3 vom Februar 003 (geürzt) In orddeutschland lebten m Jahr 00 5 Mll. Enwohner. Für de 5 Bundesländer legen für 00 folgende Ecdaten über Bevölerung, Erwerb, vor: Bundesland Bevölerungsantel Erwerbs- (%) tätge (Tsd.) HB 4,8 385 HH MV I SH,6,8 53,0 8,8 Erwerbsquote orddeutschland Erwerbsquote (%) 53,5 60, 4, 43,8 43,6 45,8 Berechnen Se Varanz und Standardabwechung der Erwerbsquote. ² (0,535-0,458)² 0, (0,60-0,458)² 0,6 + (0,4-0,458)² 0,8 + (0,438-0,458)² 0,530 + (0,436-0,458)² 0,88 ² 0,0034 0, De enzelnen Bundesländer legen durchschnttlch 5,7 Prozentpunte vom Wert der Erwerbsquote für orddeutschland entfernt. Berech EWQ 40,% bs 5,5% 6 3

4 Varanz und Standardabwechung - Bespel Bespel: Klausuraufgabe 3 vom Februar 003 (geürzt) In orddeutschland lebten m Jahr 00 5 Mll. Enwohner. Für de 5 Bundesländer legen für 00 folgende Ecdaten über Bevölerung und Bruttonlandsprodut vor: Bundesland Bevölerungsantel (%) Bruttonlands- Produt (Mrd. ) HB 4,8 3,4 HH,6 75,5 MV,8 9,7 I 53,0 80,4 SH 8,8 66,0 BIP je Enwohner orddeutschland BIP je Enwohner (Tsd. ) Berechnen Se de Varanz und Standardabwechung des BIP je Enwohner (n Tausend Euro). 3,5 43,4 6,8,7 3,4 5,0 ² (3,5-5)² 0, (43,4-5)² 0,6 + (6,8-5)² 0,8 + (,7-5)² 0,530 + (3,4-5)² 0,88 ² 53,9 7,93 De enzelnen Bundesländer legen durchschnttlch 7.93 vom Wert des BIP je Enwohner von entfernt. Berech BIP/EW 7,7 bs 3,3 (Tausend Euro). 7 Sgma-Bereche - Bespel In den Bespelen wrd ene Interpretaton der Standardabwechung vorgenommen, welche de Berechsangabe um das arthmetsche Mttel benutzt. Man benutzt dese n der beschrebenden Statst auch als anschaulche Interpretaton folgender Art: m -Sgma-Berech um das arthmetsche Mttel legen mndestens 75% der Daten, W( X-µ <)W(µ-<X< µ+) 0,75 m 3-Sgma-Berech um das arthmetsche Mttel legen mndestens 89% der Daten. W( X- µ <3)W(µ-3<X< µ+3) 0,89 Dese Aussagen gehen auf de Tschebyscheff-Unglechung der Wahrschenlchetsrechnung zurüc. Es st allerdngs Vorscht geboten be lenen Mengen, we bem Bespel hochaggregerter Regonaldaten. De Interpretaton wrd n desen Bespelen sachbezogen vorgenommen, um ene Vorstellung der Dfferenzerthet der Bundesländer zu gewnnen. De enzelnen Bundesländer legen durchschnttlch 5,7 Prozentpunte vom Wert der Erwerbsquote für orddeutschland entfernt. Berech (µ-<x<µ+) für EWQ 40,% bs 5,5% De enzelnen Bundesländer legen durchschnttlch 793 vom Wert des BIP je Enwohner von 5000 entfernt. Berech BIP/EW 7,7 bs 3,7 (Tausend Euro). 8 4

5 Tschebyscheff-Unglechung Se X en Zufallsvarable mt Erwartungswert µ und Varanz ². Dann glt für alle reellen Zahlen >0: W( X µ < ) De Unglechung gbt ene untere Grenze für de Wahrschenlchet an, dass en Wert ener Zufallsvarable X mt endlcher Varanz nnerhalb enes bestmmtes Bereches um den Erwartungswert der Varable legt. Damt st auch ene obere Grenze für de Wahrschenlchet angegeben, dass de Werte außerhalb deses Bereches legen. Der Satz lässt sch auch auf Vertelungen anwenden, de ncht "glocenförmg" snd und setzt Grenzen dafür, we vele der Daten "n der Mtte" legen und we vele ncht. Untere Grenze 3 -/² 0 0,75 8/9 0,89 ur für > lefert de Unglechung ene nützlche Informaton. 9 Telgesamtheten und Grundgesamthet - Bespel Beobachtungswerte önnen n Telmengen (Telgesamtheten) vorlegen, de zu ener Gesamtmenge zusammengefasst werden önnen. Bespel: Fasst man de 50 betrachteten Fahrzeuge als Gesamtmenge auf, so lässt sch dese z. B. nach der Karossereform n Telmengen untergledern. Lmousnen, Kombs, Stufenhec- und Großraumlmousnen lassen sch umgeehrt weder zur Gesamtmenge zusammenführen (aggregeren). Allgemen: Mermalswert.. Mermalswert j.. Mermalswert Telmenge a a j a : Telmenge a a j a : Telmenge a a j a,..., j,..., 0 5

6 µ µ µ µ Varanzzerlegung µ Arthmetsches Mttel der Telgesamthet [ ( a j µ ) + ( µ µ )] j 0 ( a j µ ) j Arthmetsches Mttel der Gesamthet Aus deser Formel und mt Hlfe mathematscher Transformatonen lässt sch de Varanz der Grundgesamthet n zwe Summen zerlegen. De erste Summe lefert de durchschnttlche Varanz nnerhalb der Telgesamtheten und de zwete den durchschnttlchen Abstand (Varanz) zwschen den Telgesamtheten. Varanzzerlegungssatz Für ene Grundgesamthet, de aus Telgesamtheten mt den Umfangen,,,, den arthmetschen Mtteln µ, µ,, µ und den Standardabwechungen,,, besteht, ergbt sch de Varanz: µ µ µ oder + + ( µ µ ) ( µ µ ) mt und. Summand: Varanz nnerhalb der jewelgen Gruppe, Schcht, Telgesamthet µ µ. Summand: Varanz zwschen den Gruppen, Schchten, Telgesamtheten De Varanz der Gesamthet ergbt sch aus der Summe der Gruppenvaranzen (Telgesamtheten) und der Varanz zwschen den Gruppen (Telgesamtheten). 6

7 Varanzzerlegung - Interpretaton Be Verwendung der relatven Häufgeten der Telgesamtheten glt für de Varanz der Gesamthet: + ( µ µ )² Antelwerte für jewelge Gruppenstäre (Gruppengewcht) f + f ( µ µ )² Gewchtetes Mttel aus den Varanzen der Telgesamtheten: nterne Varanz Gewchtetes Mttel der Abwechungen der Mttelwerte der Telgesamtheten vom Gesamtmttel: externe Varanz 3 Varanzzerlegung - Bespel Bespel: De 0 Personen werden mt hren Gewchtsangaben n zwe Gruppen nach dem Geschlecht aufgetelt : 5 ame Lsa Anna Antje Mare Dörte ( x 50) x ,8 5 De Varanz für de erste Telmenge beträgt 0,8 g², der Mttelwert 50 g. 5 ame Sven Uwe Ka Jan ls ( x 80) x De Varanz für de zwete Telmenge beträgt 6 g², der Mttelwert 80 g. 0 0 (( 5 0,8) + ( 5 6) ) + ( 5 ( ) ² + 5 ( ) ² ) 73, ,4 Interne Varanz: 73,4 [g²] Externe Varanz: 5 [g²] De Varanz der Gesamtmenge beträgt 98,4 g², wobe 5 g² auf de Varanz zwschen den Telmengen zurüczuführen snd. Verglchen mt den gruppennternen Varanzen von 0,8 g² und 6 g² zegt sch, dass de Dfferenzerung zwschen den Geschlechtern größer st als nnerhalb der Gruppen. 4 7

8 Varanzzerlegung - Bespel Bespel: De Quadratmeterprese be Wohnungsmeten wurden für 85 Wohnungen n Berln untersucht. Dabe wurden entsprechend der Lage der Wohnungen zwe Gruppen gebldet (Westberln, Ostberln): Für de gesamte Erhebung stellt sch de Vertelung we folgt dar: 00 SPSS-Ausdruc für Gesamthet (Berln) 00 0 Std.abw. 5,5 Mttel 7,8 85,00 0,0 6,0 Pres (DM/m²) 46,0 4,0 38,0 34,0 30,0 6,0,0 8,0 4,0 5 Varanzzerlegung -Bespel Für de Telmengen (Westberln, Ostberln) stellt sch de Vertelung we folgt dar: 00 SPSS Ausdruc für Westberln SPSS Ausdruc für Ostberln ,0 4,0,0 0,0 8,0 6,0 4,0,0 0,0 8,0 6,0 Std.abw. 4,39 Mttel 5,6 394,00 Pres (DM/m²) Pres (DM/m²) 46,0 4,0 38,0 34,0 30,0 6,0,0 8,0 4,0 0,0 6,0 Std.abw. 4,96 Mttel 9,8 4,00 Aus den vorlegenden Angaben lässt sch de Varanz zwschen und nnerhalb der Telmengen ermtteln. 6 8

9 Berln Ost West 85 Varanzzerlegung Bespel Anzahl Varanz 6,43 9,7 4,606 Mttelwert 7,8 5,6 9,8 85 Es glt de Bezehung: ( µ µ ) ( 394 9,7+ 4 4,606) + ( 394 ( 5,6 7,8) ² + 4 ( 9,8 7,8 ) ² ) 6,43,05 + 4,406 De Varanz der Gesamtmenge beträgt 6,43 (DM/qm)², wobe 4,4 (DM/qm)² auf de Varanz zwschen den Telmengen zurüczuführen st. Verglchen mt den gruppennternen Varanzen von 9,7 (DM/qm)² und 4,6 (DM/qm)² zegt sch, dass de Dfferenzerung nnerhalb der Telmengen größer st als zwschen den beden Gruppen. Deses Ergebns ann auch dazu benutzt werden, um Grupperungen vorzunehmen oder ncht. Der Antel der externen Varanz lefert ene Begründung für Grupperungen. + 7 Lagetransformaton der Daten Lneare Transformaton der Ursprungsdaten: Fall : Y a+ y a+ X x De Varanz der transformerten Werte st glech der Varanz der Ursprungswerte, da ledglch en Socel engefügt wrd: Y X Mttelwert Mttelwert a a De Abstände zwschen Mermalswerten und Mttelwert bleben glech, de Varanz verändert sch ncht. De Varanz st lage-nvarant. 8 9

10 Lneare Transformaton der Daten Fall : Y a+ b X y a+ b x Y b X De Varanz der transformerten Werte st um den Fator b² größer als de Varanz der Ursprungswerte, denn neben dem Socel (a) snd de Mermalswerte durch de Multplaton mt b gesprezt. y.b y a De Dfferenz zwschen Mermalswert und Mttelwert st um den Fator b größer, der Fator b geht mt senem Quadrat n de Varanz en. De Varanz st salen-äquvarant. 9 Lneare Transformaton der Daten - Bespel Frage: Beenflusst de Inflaton auch de Streuung der Konsumausgaben? Es legen für zwe Betrachtungszeträume de Konsumausgaben von prvaten Haushalten (HH) vor, dese seen von 00 auf 0 Prozent gestegen: 990 HH HH HH 3 HH 4 HH 5 HH 6 HH 7 Konsumausgaben 0 TDM TDM 8 TDM 5 TDM 3 TDM 8 TDM TDM 5,837 TDM ² und µ,4 TDM X, 998 X HH HH HH 3 HH 4 HH 5 HH 6 HH 7 Konsumausgaben 4 TDM 6,4 TDM,6 TDM 30 TDM 7,6 TDM,6 TDM 6,4 TDM 8,405 TDM ² und µ 5,37 TDM 998, 998, µ µ 0 0

11 Lneare Transformaton der Daten - Bespel De relatve Poston der Haushalte zuenander hat sch ncht verändert, ledglch aufgrund der Inflaton snd de enzelnen Verbrauchsausgaben um den Fator, gestegen (Ausgabenerhöhung um 0%). Folglch st der Abstand zwschen Mermalswert und Mttelwert um den Fator, größer, woraus sch für de Varanz der Fator,² ergbt. Y a+ b X Y b X 8,405 TDM ², 5,837 TDM ² Werden Analysen über de Vertelung von Mermalen zu verschedenen Zeten erstellt, so st ene größere (lenere) Varanz ncht zwngend en Beleg für de Zunahme (Abnahme) der Dfferenzerthet der Objete und hrer Mermale. Beurtelung von Varanz und Standardabwechung Varanz und Standardabwechung snd de gebräuchlchsten Streuungsmaße, se snd jedoch wenger anschaulch als de mttlere absolute Abwechung. Varanz und Standardabwechung snd be lnearer Transformaton (Fall ) der Ursprungswerte unempfndlch. De Transformaton (Fall ) bewrt ene um das Quadrat des Fators veränderte Varanz. De Varanz ener Gesamtmenge ergbt sch aus der Summe von nterner (nnerhalb der Gruppen) und externer (zwschen den Gruppen) Varanz.

12 Varatonsoeffzent Interessert de Streuung ncht n hrer absoluten Größe, sondern n hrer Relaton zu enem Lageparameter, ermttelt man den Varatonsoeffzenten (): µ Der Varatonsoeffzent gbt de relatve Streuung an, das Verhältns der durchschnttlchen Abwechungen aller Enzelwerte gegenüber dem Mttelwert. 3 Varatonsoeffzent - Bespel Bespel: Varert be den 50 Autos de Lestung oder der Hubraum stärer? Desrptve Statst Hubraum [ccm] Lestung [PS] Gültge Werte (Lstenwese) Standardab Mttelwert wechung ,8 770, ,37 57,48 50 vgl. auto_50.xls bzw. auto_50.sav En Verglech der beden Varanzen/Standardabwechungen lefert ene verwertbare Aussage, da Lestung und Hubraum unterschedlch dmensonert snd. De relatve Streuung, der Varatonsoeffzent, objetvert den Verglech beder Mermale. 57,478 PS Lestung 5,37 PS 0, ,6cm ³ Hubraum.947,8cm ³ 0,396 Interpretaton: De Lestung streut stärer als der Hubraum, de Varaton der Lestung st größer als de Varaton des Hubraums der 50 Autos. 4

13 Varatonsoeffzent - Bespel Bespel: Im Sozoöonomschen Panel* wurden für de Jahre 996 und 00 u.a. das persönlche ettoerwerbsenommen und das persönlche Gesamtenommen erhoben. Es beträgt: Persönlches ettoerwerbsenommen (DM, ) Persönlches Gesamtenommen (DM, ) 996 (DM) µ µ (Euro) µ µ *Das Sozoöonomsche Panel (SOEP) st ene repräsentatve Wederholungsbefragung prvater Haushalte n Deutschland. Se wrd m jährlchen Rhythmus set 984 be denselben Personen und Famlen (Längsschnttuntersuchung) n der Bundesrepubl durchgeführt. Das SOEP dect en wetes Themenspetrum ab. Es lefert Informatonen u. a. über: Haushaltszusammensetzung, Wohnstuaton; Erwerbs- und Famlenbographen; Erwerbsbetelgung und beruflche Mobltät; Enommensverläufe; Gesundhet; Lebenszufredenhet und gesellschaftlche Partzpaton. 5 Varatonsoeffzent - Bespel Bede erhobenen Mermale snd zwar glech dmensonert, jedoch st aufgrund der zetlchen Abstände sowe der unterschedlchen Mermalsausprägungen der drete Verglech nur engeschränt möglch. Persönlches ettoerwerbsenommen (DM, ) Persönlches Gesamtenommen (DM, ) µ5.000 µ (DM) (Euro) µ µ Geegneter als de absoluten Maßzahlen st der Varatonsoeffzent: etto 96 etto ,6 etto 0 etto ,6 Gesamt 96 Gesamt ,3 Gesamt 0 Gesamt ,40 Es zegt sch, dass de relatve Streuung bem ettoerwerbsenommen unverändert st. Dagegen streut das Gesamtenommen deutlch stärer als das ettoerwerbsenommen, wobe sch dese Tendenz noch fortsetzt. 6 3

14 Beurtelung des Varatonsoeffzenten Der Varatonsoeffzent st en relatves Streuungsmaß. Er st dmensonslos, da Standardabwechung und Mttelwert de selbe, sch m Bruch wegürzende Dmenson haben. Der Varatonsoeffzent st vor allem für de verglechende Beurtelung von unterschedlchen Mermalen geegnet. Sene Berechnung st strenggenommen nur für Mermale snnvoll, de auf ener Verhältnssala gemessen werden önnen und enen absoluten ullpunt haben. 7 Zusammenfassung der behandelten Streuungsmaße Mttlere absolute Abwechung sowe Varanz und Standardabwechung baseren auf der mttleren Abwechung aller Enzelwerte von hrem Mttelwert. Spannwete und Quartlsabstand baseren auf Dfferenzen zwschen Mermalswerten. Streuungsmaße snd n Abhängget von der Salerung der Mermalswerte zu verwenden. En sehr anschaulches Maß, vor allem be öonomschen Sachverhalten, st de mttlere absolute Abwechung. 8 4

15 Zusammenfassung der behandelten Streuungsmaße Varanz und Standardabwechung fnden vor allem wegen hrer mathematschen Egenschaften brete Anwendung. Varanz und Standardabwechung haben folgende Egenschaften: Zerlegung/Aggregaton von Streuungen für Gesamthet/ Telgesamthet Reaton auf Datentransformaton st berechenbar De Summe der quadrerten Abwechungen von enem Bezugspunt p st mnmal, wenn man p arthmetsches Mttel wählt (Mnmumegenschaft gegenüber arthmetschem Mttel) 9 5

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung: Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab

Mehr

FORMELSAMMLUNG STATISTIK (I)

FORMELSAMMLUNG STATISTIK (I) Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen

Mehr

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm): Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.

Mehr

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de

Mehr

Lineare Regression (1) - Einführung I -

Lineare Regression (1) - Einführung I - Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:

Mehr

6. Modelle mit binären abhängigen Variablen

6. Modelle mit binären abhängigen Variablen 6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch

Mehr

Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i

Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i Itemanalyse und Itemkennwerte De Methoden der Analyse der Itemegenschaften st ncht m engeren Snne Bestandtel der Klassschen Testtheore Im Rahmen ener auf der KTT baserenden Testkonstrukton und -revson

Mehr

Methoden der innerbetrieblichen Leistungsverrechnung

Methoden der innerbetrieblichen Leistungsverrechnung Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den

Mehr

Lösungen zum 3. Aufgabenblock

Lösungen zum 3. Aufgabenblock Lösungen zum 3. Aufgabenblock 3. Aufgabenblock ewerber haben n enem Test zur sozalen Kompetenz folgende ntervallskalerte Werte erhalten: 96 131 11 1 85 113 91 73 7 a) Zegen Se für desen Datensatz, dass

Mehr

SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT

SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT Smulaton von Hybrdfahrzeugantreben mt optmerter Synchronmaschne 1 SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT OPTIMIERTER SYNCHRONMASCHINE H. Wöhl-Bruhn 1 EINLEITUNG Ene Velzahl von Untersuchungen hat sch

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

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

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen

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

Statistik. 1. Vorbereitung / Planung - präzise Formulierung der Ziele - detaillierte Definition des Untersuchungsgegenstandes

Statistik. 1. Vorbereitung / Planung - präzise Formulierung der Ziele - detaillierte Definition des Untersuchungsgegenstandes Statstk Defnton: Entwcklung und Anwendung von Methoden zur Erhebung, Aufberetung, Analyse und Interpretaton von Daten. Telgebete der Statstk: - Beschrebende (deskrptve) Statstk - Wahrschenlchketsrechnung

Mehr

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten Versuch r. 1: achwes des Hook schen Gesetzes und Bestmmung der Federkonstanten achwes des Hookeschen Gesetzes und Bestmmung der Federkonstanten Klasse : ame1 : ame 2 : Versuchszel: In der Technk erfüllen

Mehr

1 Definition und Grundbegriffe

1 Definition und Grundbegriffe 1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:

Mehr

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt -

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt - Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche

Mehr

Spiele und Codes. Rafael Mechtel

Spiele und Codes. Rafael Mechtel Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,

Mehr

Statistik und Wahrscheinlichkeit

Statistik und Wahrscheinlichkeit Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse

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

Anwendungsmöglichkeiten von Lernverfahren

Anwendungsmöglichkeiten von Lernverfahren Künstlche Neuronale Netze Lernen n neuronalen Netzen 2 / 30 Anwendungsmöglcheten von Lernverfahren Prnzpelle Möglcheten Verbndungsorentert 1 Hnzufügen neuer Verbndungen 2 Löschen bestehender Verbndungen

Mehr

5. ZWEI ODER MEHRERE METRISCHE MERKMALE

5. ZWEI ODER MEHRERE METRISCHE MERKMALE 5. ZWEI ODER MEHRERE METRISCHE MERKMALE wenn an ener Beobachtungsenhet zwe (oder mehr) metrsche Varablen erhoben wurden wesentlche Problemstellungen: Frage nach Zusammenhang: Bsp.: Duxbury Press (sehe

Mehr

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale 3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche

Mehr

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz): LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete

Mehr

Institut für Technische Chemie Technische Universität Clausthal

Institut für Technische Chemie Technische Universität Clausthal Insttut für Technsche Cheme Technsche Unverstät Clusthl Technsch-chemsches Prktkum TCB Versuch: Wärmeübertrgung: Doppelrohrwärmeustuscher m Glechstrom- und Gegenstrombetreb Enletung ür de Auslegung von

Mehr

Boost-Schaltwandler für Blitzgeräte

Boost-Schaltwandler für Blitzgeräte jean-claude.feltes@educaton.lu 1 Boost-Schaltwandler für Bltzgeräte In Bltzgeräten wrd en Schaltwandler benutzt um den Bltzkondensator auf ene Spannung von engen 100V zu laden. Oft werden dazu Sperrwandler

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

Beschreibende Statistik Mittelwert

Beschreibende Statistik Mittelwert Beschrebende Statstk Mttelwert Unter dem arthmetschen Mttel (Mttelwert) x von n Zahlen verstehen wr: x = n = x = n (x +x +...+x n ) Desen Mttelwert untersuchen wr etwas genauer.. Zege für n = 3: (x x )

Mehr

4. Musterlösung. Problem 1: Kreuzende Schnitte **

4. Musterlösung. Problem 1: Kreuzende Schnitte ** Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,

Mehr

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung Fallstude 4 Qualtätsregelkarten (SPC) und Versuchsplanung Abgabe: Lösen Se de Aufgabe 1 aus Abschntt I und ene der beden Aufgaben aus Abschntt II! Aufgabentext und Lösungen schrftlch bs zum 31.10.2012

Mehr

Quantitatives Prognosemodell für die Anwendung des Black-Litterman-Verfahrens

Quantitatives Prognosemodell für die Anwendung des Black-Litterman-Verfahrens Quanttatves Prognosemodell für de Anwendung des Black-Ltterman-Verfahrens Franzska Felke* und Marc Gürtler** Abstract: De chätzung erwarteter Wertpaperrendten stellt ene der zentralen Aufgaben n der praktschen

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

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2 1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:

Mehr

Netzwerkstrukturen. Entfernung in Kilometer:

Netzwerkstrukturen. Entfernung in Kilometer: Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.

Mehr

3. Lineare Algebra (Teil 2)

3. Lineare Algebra (Teil 2) Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw

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

Standardnormalverteilung / z-transformation

Standardnormalverteilung / z-transformation Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ

Mehr

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com. Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener

Mehr

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression Beschrebung des Zusammenhangs zweer metrscher Merkmale Streudagramme Korrelatonskoeffzenten Regresson Alter und Gewcht be Kndern bs 36 Monaten Knd Monate Gewcht 9 9 5 8 3 4 7.5 4 3 6 5 3 6 4 3.5 7 35 5

Mehr

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher. PV - Hausaugabe Nr. 7.. Berechnen Se eakt und verglechen Se de Werte ür de Nullstelle, de mttels dem Verahren von Newton, der Regula als und ener Mttelung zu erhalten snd von der! Funkton: ( ) Lösungs

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Übung/Tutorate Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Übung/Tutorate Statistik II: Schließende Statistik SS 2007 Übung/Tutorate Statstk II: Schleßende Statstk SS 7 Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt

Mehr

H I HEIZUNG I 1 GRUNDLAGEN 1.1 ANFORDERUNGEN. 1 GRUNDLAGEN 1.1 Anforderungen H 5

H I HEIZUNG I 1 GRUNDLAGEN 1.1 ANFORDERUNGEN. 1 GRUNDLAGEN 1.1 Anforderungen H 5 1 GRUNDLAGEN 1.1 Anforderungen 1.1.1 Raumklma und Behaglchket Snn der Wärmeversorgung von Gebäuden st es, de Raumtemperatur n der kälteren Jahreszet, das snd n unseren Breten etwa 250 bs 0 Tage m Jahr,

Mehr

Konkave und Konvexe Funktionen

Konkave und Konvexe Funktionen Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage

Mehr

Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord

Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord 1 Kredtrskomodellerung und Rskogewchte m Neuen Baseler Accord erschenen n: Zetschrft für das gesamte Kredtwesen (ZfgK), 54. Jahrgang, 2001, S. 1004-1005. Prvatdozent Dr. Hans Rau-Bredow, Lehrstuhl für

Mehr

Schätzfehler in der linearen Regression (1) Einführung

Schätzfehler in der linearen Regression (1) Einführung Schätzfehler ( Reduum: Schätzfehler n der lnearen Regreon ( e Enführung Zel der Regreontattk t e, Schätzglechungen nach dem Krterum der klenten Quadrate aufzutellen und anzugeben, we groß der jewelge Schätzfehler

Mehr

Portfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe

Portfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe Portfolothore (Markowtz) Separatonstheore (Tobn) Kaptaarkttheore (Sharpe Ene Enführung n das Werk von dre Nobelpresträgern zu ene Thea U3L-Vorlesung R.H. Schdt, 3.12.2015 Wozu braucht an Theoren oder Modelle?

Mehr

2πσ. e ax2 dx = x exp. 2πσ. 2σ 2. Die Varianz ergibt sich mit Hilfe eines weiteren bestimmten Integrals: x 2 e ax2 dx = 1 π.

2πσ. e ax2 dx = x exp. 2πσ. 2σ 2. Die Varianz ergibt sich mit Hilfe eines weiteren bestimmten Integrals: x 2 e ax2 dx = 1 π. 2.5. NORMALVERTEILUNG 27 2.5 Normalvertelung De n der Statstk am häufgsten benutzte Vertelung st de Gauss- oder Normalvertelung. Wr haben berets gesehen, dass dese Vertelung aus den Bnomal- und Posson-Vertelungen

Mehr

Kreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik)

Kreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik) Kredtpunkte-Klausur zur Lehrveranstaltung Projektmanagement (nkl. Netzplantechnk) Themensteller: Unv.-Prof. Dr. St. Zelewsk m Haupttermn des Wntersemesters 010/11 Btte kreuzen Se das gewählte Thema an:

Mehr

Operations Research II (Netzplantechnik und Projektmanagement)

Operations Research II (Netzplantechnik und Projektmanagement) Operatons Research II (Netzplantechnk und Projektmanagement). Aprl Frank Köller,, Hans-Jörg von Mettenhem & Mchael H. Bretner.. # // ::: Gute Vorlesung:-) Danke! Feedback.. # Netzplantechnk: Überblck Wchtges

Mehr

Validierung der Software LaborValidate Testbericht

Validierung der Software LaborValidate Testbericht Valderung der Software LaborValdate Tetbercht De Software LaborValdate dent dazu Labormethoden zu Valderen. Dazu mu nachgeween en, da de engeetzten Funktonen dokumentert und nachvollzehbar nd. De Dokumentaton

Mehr

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem

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

Ionenselektive Elektroden (Potentiometrie)

Ionenselektive Elektroden (Potentiometrie) III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,

Mehr

18. Dynamisches Programmieren

18. Dynamisches Programmieren 8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus

Mehr

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6 Praktkum Physkalsche Cheme I (C-2) Versuch Nr. 6 Konduktometrsche Ttratonen von Säuren und Basen sowe Fällungsttratonen Praktkumsaufgaben 1. Ttreren Se konduktometrsch Schwefelsäure mt Natronlauge und

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - deskrptv Egenschaften des arthmetschen Mttels Enfache Streuungsmaße Spannwete Quartlabstand Das Dagramm enes Boplots Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter

Mehr

Finanzwirtschaft. Kapitel 3: Simultane Investitions- und Finanzplanung. Lehrstuhl für Finanzwirtschaft - Universität Bremen 1

Finanzwirtschaft. Kapitel 3: Simultane Investitions- und Finanzplanung. Lehrstuhl für Finanzwirtschaft - Universität Bremen 1 Fnanzwrtschaft Kaptel 3: Smultane Investtons- und Fnanzplanung Prof. Dr. Thorsten Poddg Lehrstuhl für Allgemene Betrebswrtschaftslehre, nsbes. Fnanzwrtschaft Unverstät Bremen Hochschulrng 4 / WW-Gebäude

Mehr

8 Logistische Regressionsanalyse

8 Logistische Regressionsanalyse wwwstatstkpaketde 8 Logstsche Regressonsanalyse De logstsche Regressonsanalyse dent der Untersuchung des Enflusses ener quanttatven Varable auf ene qualtatve (n unserem Fall dchotomen Varable Wr gehen

Mehr

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen 196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen

Mehr

Diskrete Mathematik 1 WS 2008/09

Diskrete Mathematik 1 WS 2008/09 Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /

Mehr

UNIVERSITÄT STUTTGART INSTITUT FÜR THERMODYNAMIK UND WÄRMETECHNIK Professor Dr. Dr.-Ing. habil. H. Müller-Steinhagen P R A K T I K U M.

UNIVERSITÄT STUTTGART INSTITUT FÜR THERMODYNAMIK UND WÄRMETECHNIK Professor Dr. Dr.-Ing. habil. H. Müller-Steinhagen P R A K T I K U M. UNIVERSITÄT STUTTGART INSTITUT FÜR THERMODYNAMIK UND WÄRMETECHNIK Professor Dr. Dr.-Ing. habl. H. Müller-Stenhagen P R A K T I K U M Versuch 9 Lestungsmessung an enem Wärmeübertrager m Glech- und Gegenstrombetreb

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 2 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 7: (B. Fredmans Urnenmodell)

Mehr

Übung zur Vorlesung. Informationstheorie und Codierung

Übung zur Vorlesung. Informationstheorie und Codierung Übung zur Vorlesung Informatonstheore und Coderung Prof. Dr. Lla Lajm März 25 Ostfala Hochschule für angewandte Wssenschaften Hochschule Braunschweg/Wolfenbüttel Postanschrft: Salzdahlumer Str. 46/48 3832

Mehr

ÜbungsaufgabeN mit Lösungen

ÜbungsaufgabeN mit Lösungen ÜbngsafgabeN mt Lösngen Statstk / Grndstdm Statstk I G - 3. Fachhochschle der Detschen Bndesbank Dr. Detmar Hbrch Dr. Detmar Hbrch Statstk I Afgaben nd Lösngen Fachhochschle der G 3. Detschen Bndesbank

Mehr

Datenaufbereitung und Darstellung

Datenaufbereitung und Darstellung Datenaufberetung und Darstellung 1 Glederung: Zel der Datenaufberetung und Darstellung Datenverdchtung Tabellen und grafsche Darstellungen Darstellung unvarater Datenmengen Darstellung multvarater Daten

Mehr

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder - Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole

Mehr

Nernstscher Verteilungssatz

Nernstscher Verteilungssatz Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.

Mehr

AUFGABEN ZUR INFORMATIONSTHEORIE

AUFGABEN ZUR INFORMATIONSTHEORIE AUFGABEN ZUR INFORMATIONSTHEORIE Aufgabe Wr betrachten das folgende Zufallsexperment: Ene fare Münze wrd so lange geworfen, bs erstmals Kopf erschent. De Zufallsvarable X bezechne de Anzahl der dazu notwendgen

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

Klausuren zum Üben. Gesamtdauer der Anrufe in [Min]: bis 20 bis 40 bis 60 bis 90 bis 120 Anzahl der Schüler/innen:

Klausuren zum Üben. Gesamtdauer der Anrufe in [Min]: bis 20 bis 40 bis 60 bis 90 bis 120 Anzahl der Schüler/innen: Klausuren zum Üben Aufgabentyp I. Unter den Schülernnen und Schülern der Klassenstufe 5 ener Realschule bestzen 40 en Handy. Unter desen wurde ene Erhebung durchgeführt über de Anzahl von Anrufen (Merkmal

Mehr

"Zukunft der Arbeit" Arbeiten bis 70 - Utopie - oder bald Realität? Die Arbeitnehmer der Zukunft

Zukunft der Arbeit Arbeiten bis 70 - Utopie - oder bald Realität? Die Arbeitnehmer der Zukunft "Zukunft der Arbet" Arbeten bs 70 - Utope - oder bald Realtät? De Arbetnehmer der Zukunft Saldo - das Wrtschaftsmagazn Gestaltung: Astrd Petermann Moderaton: Volker Obermayr Sendedatum: 7. Dezember 2012

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

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt Kaptel 3 Zwe Personen Spele 3.1 Matrxspele 3.2 Matrxspele n gemschten Strategen 3.3 B Matrxspele und quadratsche Programme 3.4 B Matrxspele und lneare Komplementartätsprobleme 3.1 Matrxspele Wr betrachten

Mehr

EAU SWH l$,0, wohngebäude

EAU SWH l$,0, wohngebäude EAU SWH l$,0, wohngebäude gemäß den $$ 6 ff, Energeensparverordnung (EnEV) :,:: Gültsbs: 09208 Gebäude Gebäudetyp Altbau Mehrfamlenhaus Adresse Hardstraße 3 33, 40629 Düsseldorf Gebäudetel Baujahr Gebäude

Mehr

Free Riding in Joint Audits A Game-Theoretic Analysis

Free Riding in Joint Audits A Game-Theoretic Analysis . wp Wssenschatsorum, Wen,8. Aprl 04 Free Rdng n Jont Audts A Game-Theoretc Analyss Erch Pummerer (erch.pummerer@ubk.ac.at) Marcel Steller (marcel.steller@ubk.ac.at) Insttut ür Rechnungswesen, Steuerlehre

Mehr

Aufgabenteil. - wird nicht mit abgegeben - 21.03.2011, 18.00-20.00 Uhr. Fakultät für Wirtschaftswissenschaft

Aufgabenteil. - wird nicht mit abgegeben - 21.03.2011, 18.00-20.00 Uhr. Fakultät für Wirtschaftswissenschaft Fakultät für Wrtschaftswssenschaft Lehrstuhl für Volkswrtschaftslehre, nsb. Makroökonomk Unv.-Prof. Dr. Helmut Wagner Klausur: Termn: Prüfer: Makroökonome 2.03.20, 8.00-20.00 Uhr Unv.-Prof. Dr. Helmut

Mehr

1.1 Das Prinzip von No Arbitrage

1.1 Das Prinzip von No Arbitrage Fnanzmärkte H 2006 Tr V Dang Unverstät Mannhem. Das Prnzp von No Arbtrage..A..B..C..D..E..F..G..H Das Framework Bespele Das Fundamental Theorem of Fnance Interpretaton des Theorems und Zustandsprese No

Mehr

1 = Gl.(12.7) Der Vergleich mit Gl. (12.3) zeigt, dass für die laminare Rohrströmung die Rohrreibungszahl

1 = Gl.(12.7) Der Vergleich mit Gl. (12.3) zeigt, dass für die laminare Rohrströmung die Rohrreibungszahl 0. STRÖMUNG INKOMPRESSIBLER FLUIDE IN ROHRLEITUNGEN Enführung Vorlesung Strömungslehre Prof. Dr.-Ing. Chrstan Olver Pascheret C. O. Pascheret Insttute of Flud Mechancs and Acoustcs olver.pascheret@tu-berln.de

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

Diplomprüfung für Kaufleute 2001/I

Diplomprüfung für Kaufleute 2001/I Dplomprüfung für Kaufleute 00/I Prüfungsfach: Unternehmensfnanzerung und Betrebswrtschaftslehre der Banken Thema : a) Warum st es trotz Rskoaverson der Markttelnehmer möglch, be der Bewertung von Optonen

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

Franzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny

Franzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny eseproben aus dem Buch "n mt en zur Elektrotechnk" Franzs Verlag, 85586 Pong ISBN 978--77-4046-8 Autor des Buches: eonhard Stny Autor deser eseprobe: eonhard Stny 005/08, alle echte vorbehalten. De Formaterung

Mehr

Die Kugel Lösungen. 1. Von einer Kugel ist der Radius bekannt. Berechne Volumen und Oberfläche der

Die Kugel Lösungen. 1. Von einer Kugel ist der Radius bekannt. Berechne Volumen und Oberfläche der De Kugel Lösungen 1. Von ener Kugel st der Radus bekannt. Berechne Volumen und Oberfläche der Kugel. r,8 cm 5, cm 18,6 cm 4, cm 5,6 cm 4,8 cm V 0 cm³ 64 cm³ 6 954 cm³ cm³ 76 cm³ 46 cm³ O 181 cm² 5 cm²

Mehr

Akademischer Lehrgang Video-Journalismus

Akademischer Lehrgang Video-Journalismus Akademscher Lehrgang Vdeo-Journalsmus www.wfwen.at WIFI Wen 200910 b www.wf.atwen l. e h r g a n g z u r w e t e r Fotograf: http:foto.frtz.st t g s f h 4 a 1. e m g l d u n g Das Fernsehen erlebt ene

Mehr

13.Selbstinduktion; Induktivität

13.Selbstinduktion; Induktivität 13Sebstndukton; Induktvtät 131 Sebstndukton be En- und Ausschatvorgängen Versuch 1: Be geschossenem Schater S wrd der Wderstand R 1 so groß gewäht, dass de Gühämpchen G 1 und G 2 gech he euchten Somt snd

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

Analytische Chemie. LD Handblätter Chemie. Bestimmung der chemischen Zusammensetzung. mittels Röntgenfluoreszenz C3.6.5.2

Analytische Chemie. LD Handblätter Chemie. Bestimmung der chemischen Zusammensetzung. mittels Röntgenfluoreszenz C3.6.5.2 SW-214-3 Analytsche Cheme Angewandte Analytk Materalanalytk LD andblätter Cheme Bestmmung der chemschen Zusammensetzung ener Messngprobe mttels Röntgenfluoreszenz Versuchszele Mt enem Röntgengerät arbeten.

Mehr

Projektmanagement / Netzplantechnik Sommersemester 2005 Seite 1

Projektmanagement / Netzplantechnik Sommersemester 2005 Seite 1 Projektmanagement / Netzplantechnk Sommersemester 005 Sete 1 Prüfungs- oder Matrkel-Nr.: Themenstellung für de Kredtpunkte-Klausur m Haupttermn des Sommersemesters 005 zur SBWL-Lehrveranstaltung Projektmanagement

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

Entscheidungsprobleme der Marktforschung (1)

Entscheidungsprobleme der Marktforschung (1) Prof. Dr. Danel Baer. Enführung 2. Informatonsbedarf 3. Datengewnnung 2. Informatonsbedarf Entschedungsprobleme der () Informatonsbedarf Art Qualtät Menge Informatonsbeschaffung Methodk Umfang Häufgket

Mehr

6 Wandtafeln. 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln. 6.3.1 Allgemeines

6 Wandtafeln. 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln. 6.3.1 Allgemeines 6 Wandtafeln 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln 6.3.1 Allgemenes Be der Berechnung der auf de enzelnen Wandtafeln entfallenden Horzontalkräfte wrd ene starre Deckenschebe angenommen.

Mehr

RAINER MAURER, Pforzheim - 1 - Prof. Dr. Rainer Maure. RAINER MAURER, Pforzheim - 3 - Prof. Dr. Rainer Maure. RAINER MAURER, Pforzheim - 5 -

RAINER MAURER, Pforzheim - 1 - Prof. Dr. Rainer Maure. RAINER MAURER, Pforzheim - 3 - Prof. Dr. Rainer Maure. RAINER MAURER, Pforzheim - 5 - Internatonale Wrtschaftsbezehungen. Internatonale Fnanzmarktkrsen Ergänzung: De Europäsche Schuldenkrse. Internatonale Fnanzmarktkrsen. Internatonale Fnanzmarktkrsen.. De Entstehung spekulatver Blasen..

Mehr

-2 Das einfache Regressionsmodell 2.1 Ein ökonomisches Modell

-2 Das einfache Regressionsmodell 2.1 Ein ökonomisches Modell Kaptel : Das enfache Regressonsmodell - Das enfache Regressonsmodell. En ökonomsches Modell Bespel: De Bezehung zwschen Haushaltsenkommen und Leensmttelausgaen Befragung zufällg ausgewählter Haushalte

Mehr

Einführung in die Finanzmathematik

Einführung in die Finanzmathematik 1 Themen Enführung n de Fnanzmathematk 1. Znsen- und Znsesznsrechnung 2. Rentenrechnung 3. Schuldentlgung 2 Defntonen Kaptal Betrag n ener bestmmten Währungsenhet, der zu enem gegebenen Zetpunkt fällg

Mehr

F A C H H O C H S C H U L E W E D E L. Seminararbeit Informatik

F A C H H O C H S C H U L E W E D E L. Seminararbeit Informatik F A C H H O C H S C H U L E W E D E L Semnararbet Informatk n der Fachrchtung Wrtschaftsnformatk Themenberech Künstlche Intellgenz Thema Nr. 3 Dskrmnanzanalyse Engerecht von: Erarbetet m: Patrck Wolf Wedeler

Mehr

IGDT: Image Processing Advanced Übungsteil 2

IGDT: Image Processing Advanced Übungsteil 2 IGDT: Imae Processn Advanced Übunstel 2 Raner Schubert Insttut für Bomednsche Bldanalse Vsualserun Ist de alorthmsche Nachbldun dessen was en Maler be der Ereuun enes realstschen Bldes tut! Grundlaen Beleuchtun

Mehr

P[bk t c se(b k) k bk t c se(b k)] 1 (5.1.3)

P[bk t c se(b k) k bk t c se(b k)] 1 (5.1.3) Kaptel 5: Inferenz m multplen Modell 5 Inferenz m multplen Modell 5. Intervallschätzung m multplen Regressonsmodell Analog zum enfachen Regressonsmodell glt: Dem Intervallschätzer der Parameter legt zugrunde,

Mehr

Messtechnik/Qualitätssicherung

Messtechnik/Qualitätssicherung Name, Vorname Matrkel-Nr. Studenzentrum Studengang Wrtschaftsngeneurwesen Fach Messtechnk/Qualtätsscherung Art der Lestung Prüfungslestung Klausur-Knz. WI-MQS-P 08053 Datum 3.05.008 Hnwes zur Rückgabe

Mehr