Conjoint Measurement:

Größe: px
Ab Seite anzeigen:

Download "Conjoint Measurement:"

Transkript

1 Conjoint Measurement: Eine Erfolgsgeschichte Das Ganze ist mehr als die Summe seiner Teile Leonhard Kehl Paul Green & Vithala Rao (1971) De-Kompositionelle Messung von Präferenzstrukturen aus Gesamt-Urteilen: Regressions-Analyse Experimentelles Design Conjoint-Analyse 1

2 Card Sorting Ranking- / Rating - Scale Kompositionelle vs Dekompositionelle Präferenzmessung Untersuchung von Busching und Steffens (1978): Das weibliche Schönheitsideal aus der Sicht der Männer 2

3 Miss Conjoint vs Miss Single Miss Conjoint: Kopf ist wichtiger Conclusio: Das Ganze ist mehr als die Summe seiner Teile Miss Single: Busen ist wichtiger Rich Johnson / Sawtooth Software (1983) ACA Adaptive Conjoint Analysis Computer-Interviewing ( < 30 Attribute) Selektion des relevant set Einzelmerkmals-Bewertung Bewertung der Merkmals-Wichtigkeit Conjoint Paarvergleich ( Rating-Skala ) Kauf-Wahrscheinlichkeit / Kalibrierung 3

4 Dan McFadden (1974) Discrete Choice Modeling Nutzen (U) = gewichtete (b) Summe aller Eigenschaften (x) U = b x + b x +... b x k k + ε Entscheidung für Produkt (A) Share A = exp( U A exp( U A) ) + exp( U ) +...exp( U B N ) Logit-Funktion JA NEIN Nobel-Preis für Dan McFadden (2000) 4

5 Kenneth Train im Gespräch mit Nobel-Preis-Träger Dan McFadden Jordan Louviere and George Woodworth (1983): Choice-Based-Conjoint Discrete Choice + Experimental Design: Inferenzmöglichkeit zu neuen Merkmalen und Szenarien 5

6 Focus: Marketing A B Heterogenität? C D Chikago Academics Arnold Zellner Peter Lenk Robert McCulloch 6

7 Thomas Bayes ( ) Bayes Theorem P( A i B) = P( B Ai ) P( Ai ) P ( B A i ) P ( A i ) P(A B) : a-posteriori-wahrscheinlichkeit P(B A) : Wahrscheinlichkeit für ein Ereignis B unter der Bedingung dass A eingetreten ist P(A) : a-priori-wahrscheinlichkeit für ein Ereignis A P(B)= ΣP(B A)*P(A) : Gesetz der totalen Wahrscheinlichkeit Bayesian Statistic Frequentist: P(Ereignis Ursache) Erlaubt Umkehrung von Schlußfolgerungen Bayesian: P(Ursache Ereignis) Posterior Probabilities are proportional to Likelihoods times Prior 7

8 Markov Chain Monte Carlo Gibbs Sampler: Distribution Generator joint distribution: X,Y? Hierarchical Model for Conjoint Analysis Obere Hierarchie Individuelle Parameter Teil einer multivariaten Normalverteilung Beta=N(a,C) P=exp(U)/sum[exp(U_i)] U=sum(Beta_i) Untere Hierarchie Logit-Model 8

9 Markov Chain Monte Carlo - Konvergenz Average Respondent Part-Worths Iterations/20 Choice-Based-Conjoint / Hierarchical Bayes Pros: Individuelle id Parameterschätzung Bessere, genauere Prognosefähigkeit Komplexere Modelle Cons: o Höherer Aufwand für Modell-Erstellung o Längere Computer-Laufzeiten o mehr Kunst in der Wissenschaft notwendig 9

10 Volumetric - Conjoint Menu-Choice 10

11 Menu-Choice-Simulation Menu-Choice-Price-Response 1,90 3,90 5,90 7,90 3,9% 2,0% 0,7% 0,2% 11

12 Shelf-Display - Conjoint Shelf-Display - Conjoint 12

13 Build-Your-Own-Product - Analysis Build-Your-Own-Product - Analysis 13

14 BYOP: Item-Funneling/Selection 2nd Step BYOP: Item-Funneling/Selection 3rd Step... 14

15 Case: Customer Satisfaction Zielsetzung Hypothese: Die klassische Rating-Skala kann wertvolle Informationen liefern; wegen zugrundeliegender Inferioritäten sind solche Daten jedoch kritisch. Der alternative Weg im Conjoint-Approach ist stärker. 15

16 Case: Customer Satisfaction Case: Customer Satisfaction Mobilfunkanbieter ganz allgemein A1 Mobilkom T-Mobile One Telering 1 - sehr zufrieden 20.8% 34.3% 30.6% 28.6% % 51.4% 53.1% 47.1% 29.2% 14.3% 14.3% 15.7% 3.1%.0%.0% 7.1% 5 - völlig unzufrieden 2.1%.0% 2.0% 1.4% 16

17 Case: Customer Satisfaction Customer Satisfaction - Rating Scale 5 Völlig unzufrieden Average Rating sehr zufrieden A1 T-mobile One telering Probleme völlig unzufrieden 5 4 high end user Q2 3 2 middle-of-the-road-user sehr zufrieden fi low end user sehr zufrieden Q1 völlig unzufrieden 17

18 Bayesian Statistics and Marketing Rossi Allenby - McCulloch Case Study: Overcoming Scale Usage Heterogenity Computing: Open Source Software R, package bayesm Best- / Worst Conjoint MaxDiff-Scaling Task 1... n: Best Worst Item 1 Item 2 Item 3 Design-Wheel: min. 15i 1,5 18

19 Case: Customer Satisfaction MaxDiff-Scaling Case: Customer Satisfaction MCMC Burn-in Used for estimation 19

20 Case: Customer Satisfaction Upper Level Lower Level Case: Customer Satisfaction MaxDiff-Scaling A1 T-mobile One telering 0 20

21 Pros & Cons MaxDiff liefert ähnlichen Überblick wie Rating-Skala, hat aber wesentliche bessere Diskriminierungsfähigkeit MaxDiff-Daten sind metrisch und können für weitere Analysen einwandfrei verwendet werden Respondenten müssen für jedes Merkmal eine klare Für-/Gegen-Entscheidung treffen Respondenten werden stärker herausgefordert Anzahl der Merkmale aus befragungs-psychologischen Gründen nicht ohne Grenzen Conjoint - Future Data Fusion Agent Based Modeling Reason-why-Models... and much more knowledge 21

22 Bayes Rules Choice in Marketing! 22

Institut für angewandte Datenanalyse GmbH

Institut für angewandte Datenanalyse GmbH Institut für angewandte Datenanalyse GmbH 2 Conjoint-Verfahren im Vergleich Das erwartet Sie nachfolgend: 1. Motivation 2. Wichtigste Conjoint-Verfahren 3. Bisherige Vergleichs-Studien und Erkenntnisse

Mehr

Lügen für Fortgeschrittene Bayesianische Statistik in der Ökonom(etr)ie

Lügen für Fortgeschrittene Bayesianische Statistik in der Ökonom(etr)ie Lügen für Fortgeschrittene Bayesianische Statistik in der Ökonom(etr)ie Mathias Moser Forschungsinstitut Verteilungsfragen Research Institute Economics of Inequality WU Wien AG-Tagung Mathematik St. Pölten,

Mehr

Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen

Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen Warum überhaupt Gedanken machen? Was fehlt, ist doch weg, oder? Allgegenwärtiges Problem in psychologischer Forschung Bringt Fehlerquellen

Mehr

Frailty Models in Survival Analysis

Frailty Models in Survival Analysis Aus dem Institut für Medizinische Epidemiologie, Biometrie und Informatik (Direktor: Prof. Dr. Johannes Haerting) Frailty Models in Survival Analysis Habilitation zur Erlangung des akademischen Grades

Mehr

Internetkommunikation I WS 2004/05 Rafael Birkner

Internetkommunikation I WS 2004/05 Rafael Birkner Vortrag zum Thema: Bayes'sche Filter zur SPAM-Erkennung 1. Bayes'sche Filter: Eigenschaften - englischer Mathematiker Thomas Bayes (1702 1761) - state of the art Technologie zur Bekämpfung von Spam - adaptive

Mehr

Social Business Erfolgsmessung

Social Business Erfolgsmessung Social Business Erfolgsmessung Praxisbericht aus dem Social Business Projekt bei der Robert Bosch GmbH 8.10.2013, Cordula Proefrock (Robert Bosch GmbH), Dr. Christoph Tempich (inovex GmbH) 1 The Bosch

Mehr

Projekt Define. Umfrage, Nachfrageschätzung, Elastizitäten der Haushalte, Mobilitätsgruppen

Projekt Define. Umfrage, Nachfrageschätzung, Elastizitäten der Haushalte, Mobilitätsgruppen Projekt Define Umfrage, Nachfrageschätzung, Elastizitäten der Haushalte, Mobilitätsgruppen Tibor Hanappi (Institut für höhere Studien) Sigrid Stix (Umweltbundesamt) Define Preliminary Dissemination Workshop

Mehr

Peter M. Schneider. Zum Stand der Entwicklung und Anwendung probabilistischer Software für f r die Interpretation von komplexen DNA-Mischspuren

Peter M. Schneider. Zum Stand der Entwicklung und Anwendung probabilistischer Software für f r die Interpretation von komplexen DNA-Mischspuren Zum Stand der Entwicklung und Anwendung probabilistischer Software für f r die Interpretation von komplexen DNA-Mischspuren Peter M. Schneider 35. Spurenworkshop Complex Mixtures Komplexe Mischungen Mixture

Mehr

Grundlagen der Objektmodellierung

Grundlagen der Objektmodellierung Grundlagen der Objektmodellierung Daniel Göhring 30.10.2006 Gliederung Grundlagen der Wahrscheinlichkeitsrechnung Begriffe zur Umweltmodellierung Bayesfilter Zusammenfassung Grundlagen der Wahrscheinlichkeitsrechnung

Mehr

Projektseminar Mobilkommunikation Projektseminar MIKS

Projektseminar Mobilkommunikation Projektseminar MIKS Projektseminar Mobilkommunikation Projektseminar MIKS Sommersemester 2013 Umfang Ablauf Themenvorstellung - 1 - Umfang Für Bachelor Informatik: 6. Semester Wahlpflichtmodul Mobilkommunikation 4 SWS, 5

Mehr

Risikobasiertes statistisches Testen

Risikobasiertes statistisches Testen Fabian Zimmermann Robert Eschbach Johannes Kloos Thomas Bauer Ziele von Risikobasiertem Testen Testen von Safety-kritischen Produkten Garantieren, dass das Produktrisiko geringer ist als das tolerierbare

Mehr

Monte Carlo simulation for estimating rare event probabilities and parameters in Markov process models

Monte Carlo simulation for estimating rare event probabilities and parameters in Markov process models Diss. ETH No. 19452 Monte Carlo simulation for estimating rare event probabilities and parameters in Markov process models A dissertation submitted to ETH ZURICH for the degree of Doctor of Sciences presented

Mehr

Motivation. Themenblock: Klassifikation. Binäre Entscheidungsbäume. Ansätze. Praktikum: Data Warehousing und Data Mining.

Motivation. Themenblock: Klassifikation. Binäre Entscheidungsbäume. Ansätze. Praktikum: Data Warehousing und Data Mining. Motivation Themenblock: Klassifikation Praktikum: Data Warehousing und Data Mining Ziel Item hat mehrere Attribute Anhand von n Attributen wird (n+)-tes vorhergesagt. Zusätzliches Attribut erst später

Mehr

Usability Metrics. Related Work. Von Torsten Rauschan (torsten.rauschan@haw-hamburg.de) HAW Hamburg M-Inf2 Anwendungen 2 Betreuer: Prof. Dr.

Usability Metrics. Related Work. Von Torsten Rauschan (torsten.rauschan@haw-hamburg.de) HAW Hamburg M-Inf2 Anwendungen 2 Betreuer: Prof. Dr. Usability Metrics Related Work Von Torsten Rauschan (torsten.rauschan@haw-hamburg.de) HAW Hamburg M-Inf2 Anwendungen 2 Betreuer: Prof. Dr. Zukunft Agenda Rückblick AW1 Motivation Related work QUIM SUM

Mehr

Fachgruppe Statistik, Risikoanalyse & Computing. STAT672 Data Mining. Sommersemester 2007. Prof. Dr. R. D. Reiß

Fachgruppe Statistik, Risikoanalyse & Computing. STAT672 Data Mining. Sommersemester 2007. Prof. Dr. R. D. Reiß Fachgruppe Statistik, Risikoanalyse & Computing STAT672 Data Mining Sommersemester 2007 Prof. Dr. R. D. Reiß Überblick Data Mining Begrifflichkeit Unter Data Mining versteht man die Computergestützte Suche

Mehr

Kunden- und Mitarbeiterbeziehungen profitabel nutzen

Kunden- und Mitarbeiterbeziehungen profitabel nutzen Dr. Joseph Retzer, Director Maritz Research Oliver Skeide, Director Maritz Research Kunden- und Mitarbeiterbeziehungen profitabel nutzen Der aufregendste Satz in der Wissenschaft ist nicht Heureka ich

Mehr

Traditionelle Conjoint Analyse Übung

Traditionelle Conjoint Analyse Übung Traditionelle Conjoint Analyse Übung Verfahren der Präferenzmessung Allgemeiner Ablauf der Conjoint-Analyse 1 Eigenschaften und Eigenschaftsausprägungen 2 Erhebungsdesign festlegen 3 Bewertung der Stimuli

Mehr

Statistics, Data Analysis, and Simulation SS 2015

Statistics, Data Analysis, and Simulation SS 2015 Mainz, May 12, 2015 Statistics, Data Analysis, and Simulation SS 2015 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Dr. Michael O. Distler

Mehr

AUSFÜHRUNGEN ZUR CONJOINT ANALYSE

AUSFÜHRUNGEN ZUR CONJOINT ANALYSE AUSFÜHRUNGEN ZUR CONJOINT ANALYSE European Economic & Marketing Consultants - EE&MC GmbH Brüssel * Düsseldorf * Wien Opernring 10, A 1010 Wien Tel. + 43 (1) 7123310 www.ee-mc.com E-Mail: DHildebrand@ee-mc.com

Mehr

Adaptive Choice-Based-Conjoint: Neue Möglichkeiten in der Marktforschung

Adaptive Choice-Based-Conjoint: Neue Möglichkeiten in der Marktforschung Adaptive Choice-Based-Conjoint: Neue Möglichkeiten in der Marktforschung MAIX Market Research & Consulting GmbH Kackertstr. 20 52072 Aachen 0241 8879 0 www.maix.de Inhalt Einleitung Grundlagen zur Conjoint

Mehr

Bayesianisches Risikomanagement

Bayesianisches Risikomanagement Bayesianisches Risikomanagement Armin Haas Potsdam-Institut für Klimafolgenforschung Abschlusskonferenz des BMBF-Projektes Mainstreaming von Klimarisiken und -chancen im Finanzsektor Frankfurt, 27. November

Mehr

Modulhandbuch Diplom-Hauptstudium im Prüfungsfach Statistik

Modulhandbuch Diplom-Hauptstudium im Prüfungsfach Statistik Georg-August-Universität Göttingen Modulhandbuch Diplom-Hauptstudium im Prüfungsfach Statistik Inhaltsverzeichnis Module B.WIWI-QMW.0001: Lineare Modelle... 3 B.WIWI-VWL.0007: Einführung in die Ökonometrie...

Mehr

Sustainability Balanced Scorecard as a Framework for Eco-Efficiency Analysis

Sustainability Balanced Scorecard as a Framework for Eco-Efficiency Analysis Sustainability Balanced Scorecard as a Framework for Eco-Efficiency Analysis Andreas Möller amoeller@uni-lueneburg.de umweltinformatik.uni-lueneburg.de Stefan Schaltegger schaltegger@uni-lueneburgde www.uni-lueneburg.de/csm

Mehr

Statistics, Data Analysis, and Simulation SS 2013

Statistics, Data Analysis, and Simulation SS 2013 Mainz, 25. Juni 2013 Statistics, Data Analysis, and Simulation SS 2013 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler 8. Einführung in die Bayes-Statistik

Mehr

1. Grundidee und Ablaufschritte der Conjoint-Analyse

1. Grundidee und Ablaufschritte der Conjoint-Analyse Berechnung von Nutzenfunktionen und Marktsimulationen mit Hilfe der Conjoint-Analyse (Teil I) Prof. Dr. Bernd Skiera, Dipl.-Kffr. Sonja Gensler, Frankfurt am Main Die auf Luce/Tukey (1964) zurückgehende

Mehr

Process-Oriented Measurement of Customer Satisfaction - POMS

Process-Oriented Measurement of Customer Satisfaction - POMS Process-Oriented Measurement of Customer Satisfaction - POMS Kundenzufriedenheit (KZF) wird weithin als eine wichtige Voraussetzung für andauernden Unternehmenserfolg genannt. Wissenschaftliche Studien,

Mehr

Statistics, Data Analysis, and Simulation SS 2015

Statistics, Data Analysis, and Simulation SS 2015 Mainz, 25. Juni 2015 Statistics, Data Analysis, and Simulation SS 2015 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Dr. Michael O. Distler

Mehr

Presentation enac enabling Assessment Centers. part of the enablingsolutions product family

Presentation enac enabling Assessment Centers. part of the enablingsolutions product family Presentation enac enabling Assessment Centers part of the enablingsolutions product family Slide 00 1 Agenda Presenting papilio enac Case studies Administration site Integrating cut-e psychometrics Questions

Mehr

AS Path-Prepending in the Internet And Its Impact on Routing Decisions

AS Path-Prepending in the Internet And Its Impact on Routing Decisions (SEP) Its Impact on Routing Decisions Zhi Qi ytqz@mytum.de Advisor: Wolfgang Mühlbauer Lehrstuhl für Netzwerkarchitekturen Background Motivation BGP -> core routing protocol BGP relies on policy routing

Mehr

Level of service estimation at traffic signals based on innovative traffic data services and collection techniques

Level of service estimation at traffic signals based on innovative traffic data services and collection techniques Level of service estimation at traffic signals based on innovative traffic data services and collection techniques Authors: Steffen Axer, Jannis Rohde, Bernhard Friedrich Network-wide LOS estimation at

Mehr

Log-lineare Analyse I

Log-lineare Analyse I 1 Log-lineare Analyse I Einleitung Die log-lineare Analysemethode wurde von L.A. Goodman in den 60er und 70er Jahren entwickelt. Sie dient zur Analyse von Zusammenhängen in mehrdimensionalen Kontingenztafeln

Mehr

Emotionen in der Mensch-Technik-Interaktion: Implikation für zukünftige Anwendungen

Emotionen in der Mensch-Technik-Interaktion: Implikation für zukünftige Anwendungen Emotionen in der Mensch-Technik-Interaktion: Implikation für zukünftige Anwendungen Sascha Mahlke Technische Universität Berlin Zentrum Mensch-Maschine-Systeme Perspektiven auf Emotionen in der MTI Nutzungserleben

Mehr

Partial Credit Model und Tutz Model

Partial Credit Model und Tutz Model November 22, 2011 Item Response Theory - Partial Credit Model Einleitung IRT-Einteilung Datenstruktur PCM - Herleitung Parameterschätzung Goodness of Fit Beispiel Sequential Models for Ordered Responses

Mehr

Software vergleichen. Andrea Herrmann AndreaHerrmann3@gmx.de. 25.11.2011 Fachgruppentreffen RE

Software vergleichen. Andrea Herrmann AndreaHerrmann3@gmx.de. 25.11.2011 Fachgruppentreffen RE Software vergleichen Andrea Herrmann AndreaHerrmann3@gmx.de 25.11.2011 Fachgruppentreffen RE Übersicht 1. Motivation 2. Stand der Forschung 3. Gap-Analyse versus Delta-Analyse 4. Grafischer Vergleich 5.

Mehr

erm: ein Open Source Paket für IRT Modelle

erm: ein Open Source Paket für IRT Modelle erm: ein Open Source Paket für IRT Modelle Reinhold Hatzinger Department für Statistik und Mathematik Wirtschaftsuniversität Wien Was ist erm? erm steht für extended Rasch modelling ist ein R package ist

Mehr

3. Rahmenbedingungen und empirische Relevanz der ethischen Produktkategorien Bio und Fairtrade 43

3. Rahmenbedingungen und empirische Relevanz der ethischen Produktkategorien Bio und Fairtrade 43 XI Verzeichnis der Übersichten. XVII Verzeichnis der Tabellen XIX Verzeichnis der Abkürzungen.. XXIII 1. Einführung und Grundlagen der Untersuchung 1 1.1. Einführung in die Problemstellung 1 1.2. Literaturüberblick:

Mehr

Künstliche Intelligenz

Künstliche Intelligenz Künstliche Intelligenz Data Mining Approaches for Instrusion Detection Espen Jervidalo WS05/06 KI - WS05/06 - Espen Jervidalo 1 Overview Motivation Ziel IDS (Intrusion Detection System) HIDS NIDS Data

Mehr

Motivation. Themenblock: Data Preprocessing. Einsatzgebiete für Data Mining I. Modell von Gianotti und Pedreschi

Motivation. Themenblock: Data Preprocessing. Einsatzgebiete für Data Mining I. Modell von Gianotti und Pedreschi Motivation Themenblock: Data Preprocessing We are drowning in information, but starving for knowledge! (John Naisbett) Was genau ist Datenanalyse? Praktikum: Data Warehousing und Data Mining Was ist Data

Mehr

Statistische Verfahren in der Künstlichen Intelligenz, Bayesische Netze

Statistische Verfahren in der Künstlichen Intelligenz, Bayesische Netze Statistische Verfahren in der Künstlichen Intelligenz, Bayesische Netze Erich Schubert 6. Juli 2003 LMU München, Institut für Informatik, Erich Schubert Zitat von R. P. Feynman Richard P. Feynman (Nobelpreisträger

Mehr

Mit Daten Mehrwert schaffen. Graz - 15/05/2014 Sepp Puwein

Mit Daten Mehrwert schaffen. Graz - 15/05/2014 Sepp Puwein Mit Daten Mehrwert schaffen Graz - 15/05/2014 Agenda Daten, Daten, Daten Ablauf eines Credit Checks Scoring Produkt Neuheit: echeck 2 Daten, Daten, Daten Identifikation & Information Bonität Publikationen

Mehr

Dokumenten-Clustering. Norbert Fuhr

Dokumenten-Clustering. Norbert Fuhr Dokumenten-Clustering Norbert Fuhr Dokumenten-Clustering (Dokumenten-)Cluster: Menge von ähnlichen Dokumenten Ausgangspunkt Cluster-Hypothese : die Ähnlichkeit der relevanten Dokumente untereinander und

Mehr

IC Power-Pricing-Tool

IC Power-Pricing-Tool www.interconnectionconsulting.com Interconnection Vienna I Oberstdorf I Lviv www.interconnectionconsulting.com www.interconnectionconsulting.com we show you the way IC Power-Pricing-Tool Der Nutzen des

Mehr

Markov-Ketten-Monte-Carlo-Verfahren

Markov-Ketten-Monte-Carlo-Verfahren Markov-Ketten-Monte-Carlo-Verfahren Anton Klimovsky 21. Juli 2014 Strichprobenerzeugung aus einer Verteilung (das Samplen). Markov- Ketten-Monte-Carlo-Verfahren. Metropolis-Hastings-Algorithmus. Gibbs-Sampler.

Mehr

Industrie 4.0 Predictive Maintenance. Kay Jeschke SAP Deutschland AG & Co. KG., Februar, 2014

Industrie 4.0 Predictive Maintenance. Kay Jeschke SAP Deutschland AG & Co. KG., Februar, 2014 Industrie 4.0 Predictive Maintenance Kay Jeschke SAP Deutschland AG & Co. KG., Februar, 2014 Anwendungsfälle Industrie 4.0 Digitales Objektgedächtnis Adaptive Logistik Responsive Manufacturing Intelligenter

Mehr

EXPLORING SERVICE DESIGN DIVE STRETCH JUMP AND WIN!! Freitag, 13. Dezember 13

EXPLORING SERVICE DESIGN DIVE STRETCH JUMP AND WIN!! Freitag, 13. Dezember 13 EXPLORING SERVICE DESIGN DIVE STRETCH JUMP AND WIN!! SERVICE DESIGN DEFINITION Use Design Thinking and Design Methods for creating services that are USEFUL, USEABLE, DESIRABLE & VALUABLE AND DIFFERENT.

Mehr

Topicmodelle. Gerhard Heyer, Patrick Jähnichen Universität Leipzig. tik.uni-leipzig.de

Topicmodelle. Gerhard Heyer, Patrick Jähnichen Universität Leipzig. tik.uni-leipzig.de Topicmodelle Universität Leipzig heyer@informa tik.uni-leipzig.de jaehnichen@informatik.uni-leipzig.de Institut für Informatik Topicmodelle Problem: je mehr Informationen verfügbar sind, desto schwieriger

Mehr

Accounting course program for master students. Institute of Accounting and Auditing http://www.wiwi.hu-berlin.de/rewe

Accounting course program for master students. Institute of Accounting and Auditing http://www.wiwi.hu-berlin.de/rewe Accounting course program for master students Institute of Accounting and Auditing http://www.wiwi.hu-berlin.de/rewe 2 Accounting requires institutional knowledge... 3...but it pays: Lehman Bros. Inc.,

Mehr

Einführung in die Bayes-Statistik. Helga Wagner. Ludwig-Maximilians-Universität München WS 2010/11. Helga Wagner Bayes Statistik WS 2010/11 1

Einführung in die Bayes-Statistik. Helga Wagner. Ludwig-Maximilians-Universität München WS 2010/11. Helga Wagner Bayes Statistik WS 2010/11 1 Einführung in die Bayes-Statistik Helga Wagner Ludwig-Maximilians-Universität München WS 2010/11 Helga Wagner Bayes Statistik WS 2010/11 1 Organisatorisches Termine: Montag: 16.00-18.00 AU115 Dienstag:

Mehr

1. Interpretation der geschätzten Nutzenfunktion im Rahmen einer Conjoint-Analyse

1. Interpretation der geschätzten Nutzenfunktion im Rahmen einer Conjoint-Analyse Berechnung von Nutzenfunktionen und Marktsimulationen mit Hilfe der Conjoint-Analyse (Teil II) Prof. Dr. Bernd Skiera, Dipl.-Kffr. Sonja Gensler, Frankfurt am Main Die Conjoint-Analyse ist heute das am

Mehr

Human Capital Management

Human Capital Management Human Capital Management Peter Simeonoff Nikolaus Schmidt Markt- und Technologiefaktoren, die Qualifikation der Mitarbeiter sowie regulatorische Auflagen erfordern die Veränderung von Unternehmen. Herausforderungen

Mehr

Ausarbeitung Iteration I

Ausarbeitung Iteration I Ausarbeitung Iteration I Domain Model siehe [Lar02], Kap. 0 2 Domain Model Illustriert relevante Konzepte des Problembereichs Das wichtigste Dokument in OOA (Use-Cases sind nicht OO; Use-Cases sind ein

Mehr

Biometrie und Medizinische Informatik Greifswalder Seminarberichte

Biometrie und Medizinische Informatik Greifswalder Seminarberichte Die Reihe Biometrie und Medizinische Informatik Greifswalder Seminarberichte wird herausgegeben von Universitätsprofessor Dr.rer.nat.habil.Karl-Ernst Biebler und Dr.rer.nat. Bernd Jäger, Institut für Biometrie

Mehr

Next Generation SEO Author Markups und Schema Integrationen Marcus Tober Köln 16.10.2013

Next Generation SEO Author Markups und Schema Integrationen Marcus Tober Köln 16.10.2013 Next Generation SEO Author Markups und Schema Integrationen Marcus Tober Köln 16.10.2013 10/21/2013 Searchmetrics Inc. 2013 Page 1 Gründer von Searchmetrics Ich liebe SEO und Search seit 2001 Informatik-Studium

Mehr

Cross-Kanal-Werbewirkung die Welt ist keine Badewanne

Cross-Kanal-Werbewirkung die Welt ist keine Badewanne Cross-Kanal-Werbewirkung die Welt ist keine Badewanne Burkhardt Funk Hamburg, 20.02.2013 Eine kurze Geschichte der Werbewirkungsmodelle BAYESIAN FORECASTING ATTRIBUTION MODELS USER JOURNEY IMPACT- RESPONSE

Mehr

PROMIDIS Fallstudien Produktivitätsmessung / Datenanalysen Softwaretechnische Umsetzung

PROMIDIS Fallstudien Produktivitätsmessung / Datenanalysen Softwaretechnische Umsetzung PROMIDIS Fallstudien Produktivitätsmessung / Datenanalysen Softwaretechnische Umsetzung Dr. Peter Weiß für Universität Hamburg 11. April 2014 1 Übersicht Fallstudien Softwaretechnische Umsetzung Productivity

Mehr

Requirements- und Usability- Engineering für Standard-Software: Beispiel StarOffice/OpenOffice.org. Matthias Müller-Prove User Experience Engineer

Requirements- und Usability- Engineering für Standard-Software: Beispiel StarOffice/OpenOffice.org. Matthias Müller-Prove User Experience Engineer Requirements- und Usability- Engineering für Standard-Software: Beispiel StarOffice/OpenOffice.org Matthias Müller-Prove User Experience Engineer Überblick Was ist StarOffice/OpenOffice.org? Prozesse und

Mehr

Emotionen als Aspekt des Nutzungserlebens: Implikation für die Praxis. Sascha Mahlke Technische Universität Berlin Zentrum Mensch-Maschine-Systeme

Emotionen als Aspekt des Nutzungserlebens: Implikation für die Praxis. Sascha Mahlke Technische Universität Berlin Zentrum Mensch-Maschine-Systeme Emotionen als Aspekt des Nutzungserlebens: Implikation für die Praxis Sascha Mahlke Technische Universität Berlin Zentrum Mensch-Maschine-Systeme Nutzungserleben (user experience) Emotionen in der Mensch-Technik-Interaktion

Mehr

Assessment of disgn-flows in water management, Classical methods, nonstationary and multidimensional extensions of Extreme Value Modeling (EVM)

Assessment of disgn-flows in water management, Classical methods, nonstationary and multidimensional extensions of Extreme Value Modeling (EVM) Assessment of disgn-flows in water management, Classical methods, nonstationary and multidimensional extensions of Extreme Value Modeling (EVM) Dr. Winfried Willems, IAWG Outline Classical Approach, short

Mehr

W-Seminar Operations Management

W-Seminar Operations Management W-Seminar V3 Bestimmung der Produkteigenschaften (Conjoint Analyse) Gymnasium Bad Königshofen Wirtschaft/Recht Schuljahr 2014-2016 Grundlegende Problemstellung Welche Produkteigenschaften soll unser Produkt

Mehr

HW/SW CODESIGN. Echtzeitverhalten. Mehmet Ozgan 0526530. 17. November 2015

HW/SW CODESIGN. Echtzeitverhalten. Mehmet Ozgan 0526530. 17. November 2015 HW/SW CODESIGN Echtzeitverhalten 17. November 2015 Mehmet Ozgan 0526530 ÜBERBLICK 1. Echtzeitsysteme 2. Hardware im Zeitbereich 3. Software im Zeitbereich 2 ECHTZEITSYSTEME REAL-TIME SYSTEM Ein Echtzeitsystem

Mehr

Naive Bayes. 5. Dezember 2014. Naive Bayes 5. Dezember 2014 1 / 18

Naive Bayes. 5. Dezember 2014. Naive Bayes 5. Dezember 2014 1 / 18 Naive Bayes 5. Dezember 2014 Naive Bayes 5. Dezember 2014 1 / 18 Inhaltsverzeichnis 1 Thomas Bayes 2 Anwendungsgebiete 3 Der Satz von Bayes 4 Ausführliche Form 5 Beispiel 6 Naive Bayes Einführung 7 Naive

Mehr

Microsofts Cloud Strategie

Microsofts Cloud Strategie Was Microsoft von den anderen Cloud-Anbietern unterscheidet 7.12.12 Swiss Cloud Day Christof Zogg, Director Developer & Platform Group Microsofts Cloud-Strategie Cloud Computing ist keine weiterer #1/5

Mehr

Performance Tuning and Optimizing SQL Databases MOC 10987

Performance Tuning and Optimizing SQL Databases MOC 10987 Performance Tuning and Optimizing SQL Databases MOC 10987 Als IT Professional, der zuständig ist für die Verwaltung und Pflege von SQL Server Datenbanken, lernen Sie in diesem Kurs die Kenntnisse und Fertigkeiten,

Mehr

Bereits seit Generationen kommt es immer wieder zu neuen Glaubenskriegen in der Wissenschaft... Heliozentrisches Weltbild Kopernikus. vs.

Bereits seit Generationen kommt es immer wieder zu neuen Glaubenskriegen in der Wissenschaft... Heliozentrisches Weltbild Kopernikus. vs. Bereits seit Generationen kommt es immer wieder zu neuen Glaubenskriegen in der Wissenschaft... Heliozentrisches Weltbild Kopernikus vs. Geozentrisches Weltbild Ptolemäus Bereits seit Generationen kommt

Mehr

Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Clusteranalyse. Tobias Scheffer Thomas Vanck

Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Clusteranalyse. Tobias Scheffer Thomas Vanck Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen Clusteranalyse Tobias Scheffer Thomas Vanck Überblick Problemstellung/Motivation Deterministischer Ansatz: K-Means Probabilistischer

Mehr

Probabilistic LCF - investigation of a steam turbine rotor under transient thermal loads

Probabilistic LCF - investigation of a steam turbine rotor under transient thermal loads Probabilistic LCF - investigation of a steam turbine rotor Dipl. -Ing. David Pusch TU Dresden Professur für Turbomaschinen und Strahlantriebe Prof. Konrad Vogeler Dr. Ralf Voß Siemens AG Steam Turbines

Mehr

Exkursion zu Capgemini Application Services Custom Solution Development. Ankündigung für Februar 2013 Niederlassung Stuttgart

Exkursion zu Capgemini Application Services Custom Solution Development. Ankündigung für Februar 2013 Niederlassung Stuttgart Exkursion zu Capgemini Application Services Custom Solution Development Ankündigung für Februar 2013 Niederlassung Stuttgart Ein Nachmittag bei Capgemini in Stuttgart Fachvorträge und Diskussionen rund

Mehr

Statistische Verfahren:

Statistische Verfahren: Statistische Verfahren: Hidden-Markov-Modelle für Multiples Alignment Stochastic Context-Free Grammars (SCFGs) für RNA-Multiples Alignment Übersicht 1 1. Hidden-Markov-Models (HMM) für Multiples Alignment

Mehr

1. In 8 Abs. 1 wird die bisherige Modulbezeichnung Geobezugssysteme durch die Modulbezeichnung Parameterschätzung und Geobezugssysteme ersetzt.

1. In 8 Abs. 1 wird die bisherige Modulbezeichnung Geobezugssysteme durch die Modulbezeichnung Parameterschätzung und Geobezugssysteme ersetzt. Dritte Satzung zur Änderung der Studien und Prüfungsordnung für den Bachelorstudiengang Geotelematik und Navigation (Geotelematics and Navigation) an der Hochschule für angewandte Wissenschaften Fachhochschule

Mehr

Beschwerdemanagement / Complaint Management

Beschwerdemanagement / Complaint Management Beschwerdemanagement / Complaint Management Structure: 1. Basics 2. Requirements for the implementation 3. Strategic possibilities 4. Direct Complaint Management processes 5. Indirect Complaint Management

Mehr

Visionen zur Bannerwerbung mit eigenen Kundendaten

Visionen zur Bannerwerbung mit eigenen Kundendaten Visionen zur Bannerwerbung mit eigenen Kundendaten Christian Färber Fundraising Kongress Berlin, April 2014 Agenda Collaborative Targeting Case Study Automotive Diskussion & Fragen 2 Collaborative Targeting

Mehr

ONE The Revolution Press Conference

ONE The Revolution Press Conference ONE The Revolution Press Conference Munich Jaime Smith CEO Lutz Schüler Managing Director Marketing & Sales April 24th 2009 ONE The Revolution 1. Market Overview and O 2 Objectives Jaime Smith 2. ONE Concept

Mehr

Service Design. Dirk Hemmerden - Appseleration GmbH. Mittwoch, 18. September 13

Service Design. Dirk Hemmerden - Appseleration GmbH. Mittwoch, 18. September 13 Service Design Dirk Hemmerden - Appseleration GmbH An increasing number of customers is tied in a mobile eco-system Hardware Advertising Software Devices Operating System Apps and App Stores Payment and

Mehr

Statistische Methoden der Datenanalyse Wintersemester 2011/2012 Albert-Ludwigs-Universität Freiburg

Statistische Methoden der Datenanalyse Wintersemester 2011/2012 Albert-Ludwigs-Universität Freiburg Statistische Methoden der Datenanalyse Wintersemester 2011/2012 Albert-Ludwigs-Universität Freiburg Prof. Markus Schumacher Physikalisches Institut Westbau 2 OG Raum 008 Telefonnummer 07621 203 7612 E-Mail:

Mehr

Studiendesign/ Evaluierungsdesign

Studiendesign/ Evaluierungsdesign Jennifer Ziegert Studiendesign/ Evaluierungsdesign Praxisprojekt: Nutzerorientierte Evaluierung von Visualisierungen in Daffodil mittels Eyetracker Warum Studien /Evaluierungsdesign Das Design einer Untersuchung

Mehr

Anforderungskatalog an ein CDMS aus Sicht der FG Datenmanagement und FG IT des KKS Netzwerks

Anforderungskatalog an ein CDMS aus Sicht der FG Datenmanagement und FG IT des KKS Netzwerks Anforderungskatalog an ein CDMS aus Sicht der FG Datenmanagement und FG IT des KKS Netzwerks TMF-Workshop OpenClinica 10. September 2013 Berlin Dr. Michael Wittenberg / KKS Marburg KKSN 2013 10.September

Mehr

Die agile Prozesswerkstatt

Die agile Prozesswerkstatt OPITZ CONSULTING GmbH 2015 Seite 1 Mit Software Craftsmanship und Camunda BPM zu schnellen Prozesslösungen Dr. Hendrik Voigt Leiter der Competence Unit SOA/BPM OPITZ CONSULTING GmbH Frankfurt, 11.05.2015

Mehr

Markus BöhmB Account Technology Architect Microsoft Schweiz GmbH

Markus BöhmB Account Technology Architect Microsoft Schweiz GmbH Markus BöhmB Account Technology Architect Microsoft Schweiz GmbH What is a GEVER??? Office Strategy OXBA How we used SharePoint Geschäft Verwaltung Case Management Manage Dossiers Create and Manage Activities

Mehr

RP AND SP DATA-BASED TRAVEL TIME RELIABILITY ANALYSIS

RP AND SP DATA-BASED TRAVEL TIME RELIABILITY ANALYSIS DISS. ETH NO. 21670 RP AND SP DATA-BASED TRAVEL TIME RELIABILITY ANALYSIS A thesis submitted to attain the degree of DOCTOR OF SCIENCES of ETH ZURICH (Dr. sc. ETH Zurich) presented by MING LU Master of

Mehr

Software Echtzeitverhalten in den Griff Bekommen

Software Echtzeitverhalten in den Griff Bekommen Software Echtzeitverhalten in den Griff Bekommen B.Sc.Markus Barenhoff [www.embedded-tools.de] Dr. Nicholas Merriam [www.rapitasystems.com] Übersicht Reaktionszeit Nettolaufzeit Optimierung Worst-Case

Mehr

Config & Change Management of Models

Config & Change Management of Models Config & Change Management of Models HOOD GmbH Keltenring 7 82041 Oberhaching Germany Tel: 0049 89 4512 53 0 www.hood-group.com -1- onf 2007 -Config & Change Management of models Speaker HOOD Group Keltenring

Mehr

1. 3. Introduction. Definitions. What is (e-)marketing What is ebusiness? ebusiness growth Selected ebusiness models AIDA & attitude model

1. 3. Introduction. Definitions. What is (e-)marketing What is ebusiness? ebusiness growth Selected ebusiness models AIDA & attitude model 1. 3. Introduction Definitions What is (e-)marketing What is ebusiness? ebusiness growth Selected ebusiness models AIDA & attitude model WU-Wien, SS 2002 1 What 1. Introduction is (e-)marketing? Marketing

Mehr

Probabilistisches Tracking mit dem Condensation Algorithmus

Probabilistisches Tracking mit dem Condensation Algorithmus Probabilistisches Tracking mit dem Condensation Algorithmus Seminar Medizinische Bildverarbeitung Axel Janßen Condensation - Conditional Density Propagation for Visual Tracking Michael Isard, Andrew Blake

Mehr

HIR Method & Tools for Fit Gap analysis

HIR Method & Tools for Fit Gap analysis HIR Method & Tools for Fit Gap analysis Based on a Powermax APML example 1 Base for all: The Processes HIR-Method for Template Checks, Fit Gap-Analysis, Change-, Quality- & Risk- Management etc. Main processes

Mehr

Imputationsverfahren

Imputationsverfahren Minh Ngoc Nguyen Betreuer: Eva Endres München, 09.01.2015 Einführung 2 / 45 Einführung 3 / 45 Imputation Prinzip: fehlende Werte sollen durch möglichst passenden Werte ersetzt werden Vorteil Erzeugen den

Mehr

E-Business für Start-up Unternehmen

E-Business für Start-up Unternehmen E-Business für Start-up Unternehmen Reza Asghari University of Applied Sciences Braunschweig/Wolfenbüttel, Salzdahlumerstr. 46/48, 38302 Wolfenbuettel, Germany, Tel. +49-5331-9395250, Fax +49-5331- 9395002,

Mehr

Einführung in die Geostatistik (7) Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam.

Einführung in die Geostatistik (7) Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam. Einführung in die Geostatistik (7) Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam.de 1 Gliederung 7 Weitere Krigingverfahren 7.1 Simple-Kriging 7.2 Indikator-Kriging

Mehr

NIALM for Smart Buildings LoReMA Load Recognition Monitoring and Acting

NIALM for Smart Buildings LoReMA Load Recognition Monitoring and Acting NIALM for Smart Buildings LoReMA Load Recognition Monitoring and Acting 1st International Workshop on Non-Intrusive Load Monitoring Carnegie Mellon University, Pittsburgh, PA May 7th, 2012 Stephan Tomek

Mehr

Data. Guido Oswald Solution Architect @SAS Switzerland. make connections share ideas be inspired

Data. Guido Oswald Solution Architect @SAS Switzerland. make connections share ideas be inspired make connections share ideas be inspired Data Guido Oswald Solution Architect @SAS Switzerland BIG Data.. Wer? BIG Data.. Wer? Wikipedia sagt: Als Big Data werden besonders große Datenmengen bezeichnet,

Mehr

Scrum @FH Biel. Scrum Einführung mit «Electronical Newsletter» FH Biel, 12. Januar 2012. Folie 1 12. Januar 2012. Frank Buchli

Scrum @FH Biel. Scrum Einführung mit «Electronical Newsletter» FH Biel, 12. Januar 2012. Folie 1 12. Januar 2012. Frank Buchli Scrum @FH Biel Scrum Einführung mit «Electronical Newsletter» FH Biel, 12. Januar 2012 Folie 1 12. Januar 2012 Frank Buchli Zu meiner Person Frank Buchli MS in Computer Science, Uni Bern 2003 3 Jahre IT

Mehr

Softwareprozesse systematisch verbessern ISO15504(SPICE) und Automotive SPICE. Heinrich Dreier Elmshorn 17.04.2008

Softwareprozesse systematisch verbessern ISO15504(SPICE) und Automotive SPICE. Heinrich Dreier Elmshorn 17.04.2008 Softwareprozesse systematisch verbessern ISO15504(SPICE) und Automotive SPICE Heinrich Dreier Elmshorn 17.04.2008 Einleitung Softwareprozesse verbessern Einleitung Softwareprozesse verbessern SPI Software

Mehr

Statistische Methoden der Datenanalyse

Statistische Methoden der Datenanalyse Aktuelle Probleme der experimentellen Teilchenphysik (Modul P23.1.2b) Statistische Methoden der Datenanalyse Ulrich Husemann Humboldt-Universität zu Berlin Wintersemester 2010/2011 Vorstellung Vorlesung:

Mehr

Simulation of Longitudinal Beam Dynamics

Simulation of Longitudinal Beam Dynamics Fachgebiet Theoretische Elektrotechnik und Numerische Feldberechnung PD Dr. Markus Clemens DESY Beam Dynamics Meeting Simulation of Longitudinal Beam Dynamics, Markus Clemens Chair for Theory in Electrical

Mehr

Einige Grundbegriffe der Statistik

Einige Grundbegriffe der Statistik Einige Grundbegriffe der Statistik Philipp Mitteröcker Basic terms Statistik (statistics) stammt vom lateinischen statisticum ( den Staat betreffend ) und dem italienischen statista ( Staatsmann" oder

Mehr

Statistics, Data Analysis, and Simulation SS 2015

Statistics, Data Analysis, and Simulation SS 2015 Mainz, June 11, 2015 Statistics, Data Analysis, and Simulation SS 2015 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Dr. Michael O. Distler

Mehr

Mental Model. Basis für eine nachhaltige Informationsarchitektur. NetFlow - Karen Lindemann

Mental Model. Basis für eine nachhaltige Informationsarchitektur. NetFlow - Karen Lindemann Mental Model Basis für eine nachhaltige Informationsarchitektur NetFlow - Karen Lindemann Wie meistens vorgegangen wird 6.10.2009 Seite 2 von 48 Top-down Jesse James Garrett 6.10.2009 Seite 3 von 48 Bottom-up

Mehr

Das Bayes-Theorem. Christian Neukirchen Gleichwertige Leistungsfeststellung, Juni 2005

Das Bayes-Theorem. Christian Neukirchen Gleichwertige Leistungsfeststellung, Juni 2005 Das Bayes-Theorem Christian Neukirchen Gleichwertige Leistungsfeststellung, Juni 2005 Ein lahmer Witz Heute im Angebot: Ein praktisches Beispiel zur Einleitung Kurze Wiederholung der Überblick über Reverend

Mehr

Willkommen zur Vorlesung Statistik

Willkommen zur Vorlesung Statistik Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang

Mehr

HILCA: EIN NEUES CONJOINT-VERFAHREN ZUR VERBESSERTEN ABBILDUNG VON KAUFENTSCHEIDUNGEN KOMPLEXER PRODUKTE

HILCA: EIN NEUES CONJOINT-VERFAHREN ZUR VERBESSERTEN ABBILDUNG VON KAUFENTSCHEIDUNGEN KOMPLEXER PRODUKTE Hölscher 332 HILCA: EIN NEUES CONJOINT-VERFAHREN ZUR VERBESSERTEN ABBILDUNG VON KAUFENTSCHEIDUNGEN KOMPLEXER PRODUKTE von Raimund, Holger und Ansgar Hölscher* ABSTRACT Der Beitrag stellt mit HILCA ein

Mehr

on Software Development Design

on Software Development Design Werner Mellis A Systematic on Software Development Design Folie 1 von 22 How to describe software development? dimensions of software development organizational division of labor coordination process formalization

Mehr