Experimentendefinition & Planung
|
|
- Bettina Bergmann
- vor 7 Jahren
- Abrufe
Transkript
1 endefinition & Planung Michio Hayashi Marek Steß
2 Übersicht endefinition & Planung
3 Übersicht des Planungsprozesses Defintion Context selection Validity evaluation planning Hypothesis formulation Instrumentation Variables selection design Selection of subjects design endefinition & Planung
4 Übersicht des Planungsprozesses Defintion Context selection Validity evaluation planning Hypothesis formulation Instrumentation Variables selection design Selection of subjects design endefinition
5 endefinition Festlegung der Grundlagen des s endefinition
6 endefinition Merkmale: und Vorbereitung sind aufwendig und sollen möglichst effektiv durchgeführt werden Definitionsphase legt Ziele des s nach einem festen Framework vor Hierfür wird das sogenannte Goal definition template sowie das Goal definition framework benutzt endefinition
7 Goal definition template endefinition
8 Goal definition template endefinition
9 Goal definition template - Context Context characterization # Objekte 1 >1 # Subjekte 1 Single object study Multi-object varaition study >1 Multi-test within object study Blocked subjectobject study endefinition
10 Goal definition framework Zum Ausfüllen des Goal definition templates kann ein Goal definition framework verwendet werden. Object of study Purpose Qualitiy focus Perspective Context Produkt Prozess Modell Metrik Theorie Charakter Beobachtung Bewertung Vorhersage Kontrolle Veränderung Effektivität Kosten Wartbarkeit Protabilität Zuverlässigkeit Entwickler Nutzer Projekt Manager Kunde Objekte Subjekte endefinition
11 typen Zu beachten: Alle typen sind entweder als oder Quasi- durchführbar Zum Beispiel: single object study ist ein Quasi- wenn das Objekte bzw. Subjekt nicht zufällig ausgewählt werden, ansonsten ein. endefinition
12 Beispiel endefinition : Einführung neuer Getränkeautomaten an der Leibniz Universität Hannover Object of study Purpose Qualitiy focus Perspective Context Getränkeautomat Bedienbarkeit Veränderung Verbesserung Effektivität Bedienbarkeit Dauer Kunde Nutzer Automat Studenten Mitarbeiter Besucher endefinition
13 Beispiel endefinition endefinition
14 Zusammenfassung Sinn der endefiniton: Vorbereitung für die enplanung zur effektiven Durchführung. endefinition
15 Übersicht des Planungsprozesses Defintion Context selection Validity evaluation planning Hypothesis formulation Instrumentation Variables selection design Selection of subjects design enplanung
16 Context selection (1) Um möglichst allgemeingültige Ergebnisse aus dem zu gewinnen sollte es in großen, echten Softwareprojekten mit professionellen Mitarbeitern durchgeführt werden Risiken Aufwendig Teuer Deswegen Quasi- Subjekte sind keine repräsentative Untermenge der Software Entwickler Nicht optimal / Kompromiss enplanung
17 Context Selection (2) Context kann in vier Dimensionen charakterisiert werden: 1. Off-line vs. On-line 2. Student vs. Professional 3. Toy vs. Real problems 4. Specific vs. General enplanung
18 Übersicht des Planungsprozesses Defintion Context selection Validity evaluation planning Hypothesis formulation Instrumentation Variables selection design Selection of subjects design enplanung
19 Hypothesis formulation Basis für die statistische Analyse eines es ist Entscheidungen über Gültigkeit oder Ungültigkeit von Hypothesen bezügliche des es zu treffen. Es werden Hypothesenpaare aus Nullhypothesen H0 und Alternativhypothesen H1 erstellt Die Null-Hypothesen möchten wir mit unseren en zugunsten der Alternativ-Hypothesen wiederlegen enplanung
20 Hypothesen Beispiel Nullhypothese H0: Agile Methoden haben keinen Einfluss auf den Software-Entwickelungsprozess. Alternativhypothese H1: Agile Methoden haben eine positiven Einfluss auf den Software-Entwickelungsprozess. enplanung
21 Hypothesen Fehler Beim Testen der Hypothesen können zwei Arten von Fehlern auftreten: Type-1-Fehler: Nullhypothese wiederlegt, obwohl diese richtig ist Type-2-Fehler: Nullhypothese bestätigt sich, obwohl dies nicht stimmt Die Power oder Teststärke gibt an mit welcher Wahrscheinlichkeit zugunsten der richtigen Hypothese entschieden wird enplanung
22 Übersicht des Planungsprozesses Defintion Context selection Validity evaluation planning Hypothesis formulation Instrumentation Variables selection design Selection of subjects design enplanung
23 Variablenauswahl 2 Arten von Variablen: Unabhängige Variablen: Variablen, die wir während des es kontrollieren und verändern können. Die Wahl dieser Variablen beinhaltete die Wahl der Messskala. Abhängige Variablen: Meistens nur 1. Deshalb sollte diese Variable direkt aus der Hypothese hergeleitet werden. Auch hier wird die Messskala durch die Variable bestimmt. enplanung
24 Übersicht des Planungsprozesses Defintion Context selection Validity evaluation planning Hypothesis formulation Instrumentation Variables selection design Selection of subjects design enplanung
25 Subjektauswahl Die Auswahl der Subjekte ist wichtig, da es den Ausgang des s beeinflusst Zufallsauswahlverfahren: Simple random sampling: Zufällige Auswahl Systematic sampling: Bedingte zufällige Auswahl Stratified random sampling: Zufällige Auswahl aus Gruppen Willkürliche Auswahlverfahren: Convenience sampling: Auswahl mit geringstmöglichem Aufwand Quota sampling: Auswahl nach vorgegebenen Quoten enplanung
26 Übersicht des Planungsprozesses Defintion Context selection Validity evaluation planning Hypothesis formulation Instrumentation Variables selection design Selection of subjects design enplanung
27 Design Im endesign wird geplant wie Tests aufgebaut und durchgeführt werden Wichtig um analysierbare und aussagekräftige Ergebnisse zu erhalten Basierend auf den Hypothesen werden die Tests entworfen und Messskalen gewählt enplanung
28 Allgemeine Design-Prinzipien Randomization: Auswahl der Subjekte und Objekte sowie Reihenfolge der Tests sollten unabhängig und zufällig erfolgen. Blocking Blocking wird verwendet um unerwünschte Einflüsse zwischen verschieden Faktoren zu negieren. Beispiel: In Gruppen mit und ohne XP Erfahrung einteilen Balancing Möglichst ausgewogene Verteilung von z.b. Subjekten und Objekten enplanung
29 Standard Design-Typen Ein Faktor mit zwei Treatments Beispiel: Faktor: Softwareentwicklung Treatment: Agile Methoden Treatment: Konventionelle Methoden Ein Faktor mit mehr als zwei Treatments Zwei Faktoren mit zwei Treatments Mehr als zwei Faktoren mit jeweils zwei Treatments enplanung
30 Design Typen (1) Ein Faktor mit zwei Treatments Komplett zufälliges Design Subjekte Treatment 1 Treatment 2 1 X 2 X 3 X 4 X 5 X enplanung
31 Design Typen (2) Ein Faktor mit zwei Treatments Gepaartes Vergleichsdesign Alle Subjekte versuchen beide Treatments Unterschiedliche Reihenfolge Nicht immer praktikabel Subjekte Treatment 1 Treatment enplanung
32 Design Typen (3) Ein Faktor mit mehr als zwei Treatments Komplett zufälliges Design Subjekte Treatment 1 Treatment 2 Treatment 3 1 X 2 X 3 X 4 X 5 X zufälligeskomplettes Blockdesign: Analog zum gepaarten Vergleichsdesign Mehr als zwei Faktoren: Komplexere geschachtelte Designs enplanung
33 Übersicht des Planungsprozesses Defintion Context selection Validity evaluation planning Hypothesis formulation Instrumentation Variables selection design Selection of subjects design enplanung
34 Instrumentation Instrumentation ist die praktische Implementierung des entworfenen Experiementes Es gibt drei Typen von Instrumenten oder Werkzeugen für e: 1. Objekte (z.b. Spezifikationen oder Codedokumente) 2. Guidelines / Richtlinien 3. Messwerkzeuge Ziel ist es Möglichkeiten zur Durchführung und Messung des es bereitzustellen ohne das Ergebnis zu beeinflussen. enplanung
35 Beispiel Planung (1) Es soll die Bedienbarkeit eines neuen Getränkeautomaten im Vergleich zum alten Automaten an der Universität im getestet werden Kontextauswahl: In der Universität aufgestellter Testautomaten (neu und alt) On-line Test Subjekte sind zufällige Kunden Hypotese: Nullhypothese: Die Bedienung des neuen Automaten unterscheidet sich nicht von dem alten Automaten Alternativ-Hypothese: Die Bedienung ist schnell und einfach enplanung
36 Beispiel Planung (2) Variablen: Unabhängige Variablen: Bedienelemente, Aufstellungsort Abhängige Variablen: Dauer bis zum erfolgreichen Erwerb des gewünschten Getränks Subjekt Auswahl: Simple Random: Zufällige Kunden am Gerät, d.h. : Studenten Mitarbeiter Besucher enplanung
37 Beispiel Planung (3) Design: Beide Automaten werden aufgestellt, die dauer bis ein Subjekt sein gewünschtes Getränk erworben hat wird gemessen. Randomization: findet durch zufällige Kunden statt Blocking: Findet nicht statt, da keine Aufteilung der zufälligen Kunden möglich ist Balancing: Findet nicht statt, da keine Aufteilung möglich ist Subjekt Alter Automat Neuer Automat 1 1:30m 2 1:55m 3 3:01m Instrumentation. Werkzeug: Stoppuhr zur Zeitmessung Guideline: Jedes Subjekt zählt nur einmal enplanung
38 Zusammenfassung endefinition für Grundlagen und warum wir das durchführen wollen Dafür Goal Definition Template verwenden. enplanung in sieben Schritten wie das durchgeführt werden soll. 1. Context Selection 2. Hypothesis Formulation 3. Variable Selection 4. Subject Selection 5. Design 6. Instrumentation 7. Validity Evaluation -> Nächster Vortrag endefinition & Planung <Datum> 38
39 Literatur Titel: ation in Software Engineering: An Introduction ISBN: IEEE TRANSACTIONS ON SOFTWARE ENGINEERING, VOL. SE-13, NO. 12, DECEMBER 1987 Comparnng the Effectiveness of Software Testing Strategies VICTOR R. BASILI, SENIOR MEMBER, IEEE, AND RICHARD W. SELBY, MEMBER, IEEE enplanung
40 Anhang (1) Zwei Faktoren - 2*2 factorial design Zwei Faktoren mit jeweils zwei Treatments Zufällige Zuweisung von Subjekten für jede Kombination Factor A Treatment A1 Treatment A2 Factor B Treatment B1 Subject 4,6 Subject 1,7 Treatment B2 Subject 2,3 Subject 5,8 enplanung
41 Anhang (2) Zwei Faktoren Two Stage Nested Design Zwei Faktoren mit jeweils zwei Treatments Treatments unterscheiden sich aber je nach Faktorenkombination etwas Factor A Treatment A1 Factor B Treatment A2 Factor B Treatment B1 Treatment B2 Treatment B1 Treatment B2 Subject 1,3 Subject 6,2 Subject 7,8 Subject 5,4 Designs für mehr als zwei Faktoren: z.b. 2^k factorial design, enplanung
42 Anhang (3) Designs für mehr als zwei Faktoren: z.b. 2^k factorial design K Faktoren Beispiel für 2^3: Factor A Factor B Factor C Subjekte A1 B1 C1 2,3 A2 B1 C1 1,13 A1 B2 C1 5,6 A2 B2 C1 10,16 A1 B1 C2 7,15 A2 B1 C2 8,11 A1 B2 C2 4,9 A2 B2 C2 12,14 Es werden oft nur die Hälfte oder ein Viertel der Kombinationen gewählt enplanung
Unsystematische Störvariablen
wirken auf AV, variieren aber nicht mit UV haben keinen Einfluss auf Unterschiede zwischen den Bedingungen Unsystematische Störvariablen (Eid, Gollwitzer & Schmitt, 2010, S. 56f) Es gibt individuelle Unterschiede
MehrAnalyse 2: Hypothesentests
Analyse 2: Hypothesentests Ashkan Taassob Andreas Reisch Inhalt Motivation Statistischer Hintergrund Hypothese Nullhypothesen Alternativhypothesen Fehler beim Hypothesentesten Signifikanz-LEVEL und P-value
MehrEmpirisches Software Engineering Methoden und Relevanz
Empirisches Software Engineering Methoden und Relevanz Stefan Wagner Technische Universität München Dr. Stefan Wagner 31.10.2007 Fakultät für Informatik Lehrstuhl für Software & Systems Engineering Definition
Mehr1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests
1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests Statistische Tests dienen dem Testen von Vermutungen, so genannten Hypothesen, über Eigenschaften der Gesamtheit aller Daten ( Grundgesamtheit
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Binomialverteilung und Bernoulli- Experiment
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Binomialverteilung und Bernoulli- Experiment Das komplette Material finden Sie hier: Download bei School-Scout.de TOSSNET Der persönliche
MehrSoftwaretechnik. Prof. Dr. Rainer Koschke. Fachbereich Mathematik und Informatik Arbeitsgruppe Softwaretechnik Universität Bremen
Softwaretechnik Prof. Dr. Rainer Koschke Fachbereich Mathematik und Informatik Arbeitsgruppe Softwaretechnik Universität Bremen Wintersemester 2010/11 Überblick I Statistik bei kontrollierten Experimenten
MehrTESTEN VON HYPOTHESEN
TESTEN VON HYPOTHESEN 1. Beispiel: Kann ein neugeborenes Küken Körner erkennen oder lernt es dies erst durch Erfahrung? Um diese Frage zu entscheiden, wird folgendes Experiment geplant: Sobald das Küken
MehrRangkorrelationskoeffizient nach Spearman
Grundgesamtheit vs. Stichprobe Wer gehört zur Grundgesamtheit? Die Untersuchungseinheiten, die zur Grundgesamtheit gehören, sollten nach zeitlichen Kriterien räumlichen Kriterien sachlichen Kriterien Wie
MehrAnalyse und Bewertung der Modellgüte in Hybrid Wikis
Abschlussvortrag Bachelorarbeit Analyse und Bewertung der Modellgüte in Hybrid Wikis Betreuer: Christian Neubert 1 Mapping Hybrid Wiki zu UML 2 Überblick Ziele meiner Arbeit: 1. Welche Faktoren haben Einfluss
MehrVersuchsplanung. Teil 2 Varianzanalyse (ANOVA) Dr. Tobias Kiesling
Versuchsplanung Teil 2 Varianzanalyse (ANOVA) Dr. Tobias Kiesling Gliederung Grundlagen der Varianzanalyse Streuungszerlegung und Modellschätzer Modellannahmen und Transformationen
MehrProbeklausur zur Vorlesung Statistik II für Studierende der Soziologie und Nebenfachstudierende
Probeklausur zur Vorlesung Statistik II für Studierende der Soziologie und Nebenfachstudierende im Sommersemester 2012 Prof. Dr. H. Küchenhoff, J. Brandt, G. Schollmeyer, G. Walter Aufgabe 1 Betrachten
MehrSoftwaremetriken. 29. April 2015
Softwaremetriken 29. April 2015 Was sind Softwaremetriken? [FP] Softwaremetriken messen Qualität. besser: Softwaremetriken definieren, wie Kenngrößen der Software oder des Softwareentwicklungsprozesses
MehrSoftwaretechnik. Prof. Dr. Rainer Koschke. Fachbereich Mathematik und Informatik Arbeitsgruppe Softwaretechnik Universität Bremen
Softwaretechnik Prof. Dr. Rainer Koschke Fachbereich Mathematik und Informatik Arbeitsgruppe Softwaretechnik Universität Bremen Wintersemester 2010/11 Überblick I Kontrollierte e Kontrollierte e: Kontrollierte
Mehra) Wie hoch ist die Wahrscheinlichkeit, dass Vokale vorkommen, die länger als 140 ms sind?
Modul G 20.12.2007 Zur Hausaufgabe 3 Erkläre die folgenden Plots und Berechnungen zu Wahrscheinlichkeiten aus technischer und statistischer Sicht. a) Wie hoch ist die Wahrscheinlichkeit, dass Vokale vorkommen,
MehrKipp/Opitz UdS 2007/08. Experimentalmethodik
Experimentalmethodik Alltagspsychologie & Wissenschaftliche Psychologie nicht systematisch trennend zw. Richtigem und Falschem nicht methodisch kontrolliert geeignete Werkzeuge nicht kritische Überprüfung
MehrEmpirische Strategien
Empirische Strategien Julian Raschke 07.04.2009 Übersicht Einordnung die Strategien im Detail Vergleich Kontext Software-Engineering Empirische Strategien 07.04.2009 2 Einordnung Situation: Software-Entwicklungsprozess
MehrAnalytische Statistik II
Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Grundproblem Generell sind wir nur selten in der Geographie in der Lage, Daten über die Grundgesamtheit zur Verfügung zu haben.
MehrPC-Kaufmann 2014 Endgültiger Jahresabschluss im Komplettpaket/-Pro
PC-Kaufmann 2014 Endgültiger Jahresabschluss im Komplettpaket/-Pro Impressum Business Software GmbH Primoschgasse 3 9020 Klagenfurt Copyright 2014 Business Software GmbH Die Inhalte und Themen in dieser
MehrProgrammieren I. Martin Schultheiß. Hochschule Darmstadt Wintersemester 2010/2011
Programmieren I Martin Schultheiß Hochschule Darmstadt Wintersemester 2010/2011 1 Testen von Programmen 2 Übersicht Testen ist eine der wichtigsten, aber auch eine der Zeitaufwändigsten Arbeitsschritte
MehrChange Management aresa Project Coaching GmbH
Change Management aresa Project Coaching GmbH Wir coachen Sie zum Erfolg! Change Management Unsere Change Manager begleiten Sie in Zeiten des konstanten Wandels. Wir übernehmen Leadership und erarbeiten
MehrSignifikanztests zur Prüfung von Unterschieden in der zentralen Tendenz -Teil 1-
SPSSinteraktiv Signifikanztests (Teil ) - - Signifikanztests zur Prüfung von Unterschieden in der zentralen Tendenz -Teil - t-test bei einer Stichprobe - SPSS-Output Der t-test bei einer Stichprobe wird
MehrMittelwertvergleiche, Teil I: Zwei Gruppen
FB W. Ludwig-Mayerhofer Statistik II Mittelwertvergleiche Herzlich willkommen zur Vorlesung Mittelwertvergleiche, Teil I: Zwei Gruppen FB W. Ludwig-Mayerhofer Statistik II Mittelwertvergleiche Mittelwertvergleiche:
MehrERFOLGSFAKTOREN einer nutzerzentrierte Entwicklung Umsetzung nutzerzentrierter Entwicklungsaktivitäten
ERFOLGSFAKTOREN einer nutzerzentrierte Entwicklung Umsetzung nutzerzentrierter Entwicklungsaktivitäten 3 4 Verankerung im Unternehmen 5 Nutzerzentrierte Entwicklungsaktivitäten 6 Iteration 7 Nutzerintegration
MehrSoftwaremetriken. 15. Mai 2013
Softwaremetriken 15. Mai 2013 Was sind Softwaremetriken? Softwaremetriken messen Qualität. besser: Softwaremetriken definieren, wie Kenngrößen der Software oder des Softwareentwicklungsprozesses gemessen
MehrZur Statistik im neuen Genehmigungsantrag
Zur Statistik im neuen Genehmigungsantrag 21. Essener Informationstreffen, 12. März 2014 PD Dr. Nicole Heussen nheussen@ukaachen.de Institut für Medizinische Statistik RWTH Aachen Zur Statistik im neuen
MehrKapitel 5: Einfaktorielle Varianzanalyse
Kapitel 5: Einfaktorielle Varianzanalyse Durchführung einer einfaktoriellen Varianzanalyse ohne Messwiederholung 1 Berechnung der Effektstärke und der beobachteten Teststärke einer einfaktoriellen Varianzanalyse
MehrPrüfungstutorat: Angewandte Methoden der Politikwissenschaft. Polito Seminar Carl Schweinitz 10.12.2014
Prüfungstutorat: Angewandte Methoden der Politikwissenschaft Polito Seminar Carl Schweinitz 10.12.2014 Übersicht 1. Einheiten und Variablen 2. Skalen und ihre Transformation 3. Deskriptive Statistik 4.
MehrComparison of Software Products using Software Engineering Metrics
Comparison of Software Products using Software Engineering Metrics Alexander Bätz Fakultät EIM Universität Paderborn 23. Juli 2009 1 / 28 Motivation Qualitätsbewertung von Software Vergleichbarkeit von
MehrSPSS IV Gruppenvergleiche (>2 Gruppen) A priori & post hoc-tests. H0: Die mittlere Anzahl der Seegräser (µ) hängt nicht von der Seeigel menge ab.
SPSS IV Gruppenvergleiche (>2 Gruppen) A priori & post hoc-tests A parametrisch -- ANOVA Beispieldatei: Seegräser_ANOVA H0: Die mittlere Anzahl der Seegräser (µ) hängt nicht von der Seeigel menge ab. µ
MehrMethoden der agilen Softwareentwicklung für eingebettete Systeme
Seminarvortrag Methoden der agilen Softwareentwicklung für eingebettete Systeme Lisa Krause Aachen, 27.01.2010 Inhaltsübersicht Motivation Einführung in die Softwaretechnik - Ziele - Traditionelle Prozessmodelle
MehrPOWER YOUR BUSINESS BY QUALIFICATION
POWER YOUR BUSINESS BY QUALIFICATION im s intelligent media systems ag IM S INTELLIGENT MEDIA SYSTEMS AG Competence Manager Competence Manager MANAGE YOUR QUALIFICATION IN A SINGLE SYSTEM Qualifizierte
MehrModell zur Einflussanalyse Ein Modell zur Einflussanalyse von Methodenänderungen in Entwicklungsprozessen
Modell zur Einflussanalyse Ein Modell zur Einflussanalyse von Methodenänderungen in Entwicklungsprozessen Roland Koppe, Stefan Häusler, Axel Hahn 2 Übersicht Einleitung und Motivation Ansatz und Methodik
MehrAllgemeine Hinweise zum Labor Grundlagen Elektrotechnik
Allgemeine Hinweise zum Labor Grundlagen Elektrotechnik Hochschule Pforzheim Fakultät für Technik Studiengang: Mechatronik (MEC) Sommersemester 2012 Inhaltsverzeichnis Inhaltsverzeichnis 1. Einleitung...3
MehrTeil XI. Hypothesentests für zwei Stichproben. Woche 9: Hypothesentests für zwei Stichproben. Lernziele. Beispiel: Monoaminooxidase und Schizophrenie
Woche 9: Hypothesentests für zwei Stichproben Patric Müller Teil XI Hypothesentests für zwei Stichproben ETHZ WBL 17/19, 26.06.2017 Wahrscheinlichkeit und Statistik Patric
MehrSo berechnen Sie einen Schätzer für einen Punkt
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: SCHÄTZEN UND TESTEN htw saar 2 Schätzen: Einführung Ziel der Statistik ist es, aus den Beobachtungen eines Merkmales in einer Stichprobe Rückschlüsse über die Verteilung
MehrForschungsmethoden VORLESUNG WS 2017/2018
Forschungsmethoden VORLESUNG WS 2017/2018 SOPHIE LUKES Überblick Letzte Woche: Messen Heute: Hypothesen Warum Hypothesen? Menschliches Erleben und Verhalten? Alltag vs. Wissenschaft Alltagsvermutung Wissenschaftliche
MehrNACHHILFE MIT ERFOLG
Referate Referate Tipps für Schüler NACHHILFE MIT ERFOLG 31 Oktober 2015 Verfasst von: André Zeise Referate Referate Tipps für Schüler Hier möchte ich euch ein paar Tipps zum Thema Referate geben. Viele
MehrEinfaktorielle Varianzanalyse Vergleich mehrerer Mittelwerte
Einfaktorielle Varianzanalyse Vergleich mehrerer Mittelwerte Es wurden die anorganischen Phosphatwerte im Serum (mg/dl) eine Stunde nach einem Glukosetoleranztest bei übergewichtigen Personen mit Hyperinsulinämie,
MehrSC124 Kritische Infrastrukturen gem. ISO 27001 u. ISO 27019
SC124 Kritische Infrastrukturen gem. ISO 27001 u. ISO 27019 Kurzbeschreibung: Einführung und Aufbau eines ISMS gem. ISO 27001 unter Berücksichtigung der ISO/IEC 27019 und der EVU-typischen Organisationsstrukturen.
MehrBiometrische Planung von Versuchsvorhaben
Biometrische Planung von Versuchsvorhaben Einführung in das Prinzip der Lehrstuhl für Mathematik VIII Statistik http://statistik.mathematik.uni-wuerzburg.de/~hain Ziel des Vortrags Im nachfolgenden Vortrag
MehrÜ b u n g s b l a t t 15
Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel 2. 7. 2007 Ü b u n g s b l a t t 15 Hier ist zusätzliches Übungsmaterial zur Klausurvorbereitung quer durch die Inhalte der Vorlesung. Eine
MehrGrenzen des Homo Oeconomicus: Grundprinzipien menschlicher Entscheidungen
Grenzen des Homo Oeconomicus: Grundprinzipien menschlicher Entscheidungen Prof. Dr. Jörg Rieskamp Abteilung für Economic Psychology, Fakultät für Psychologie Universität Basel Das in der Wirtschaftstheorie
MehrLabor: Software Engineering Experiment mit XP-Projekt. Projekt. Einführung in SE-Experimente und Anmeldung. Kai Stapel
Labor: Software Engineering Experiment mit XP-Projekt Projekt Einführung in SE-Experimente und Anmeldung Kai Stapel kai.stapel@inf.uni-hannover.de 31.03.2009 XPE im SoSem 2009 Grundlagen Experimente und
MehrForschungsmethoden VORLESUNG SS 2017
Forschungsmethoden VORLESUNG SS 2017 SOPHIE LUKES Überblick Letzte Woche: Messen Heute: Hypothesen Warum Hypothesen? Menschliches Erleben und Verhalten? Alltag vs. Wissenschaft Alltagsvermutung Wissenschaftliche
MehrVom dem was Autos und Software GEMEINSAM haben. Diskussionsbeitrag zur Software-Industralisierung. Guido Brune
Vom dem was Autos und Software GEMEINSAM haben Diskussionsbeitrag zur Software-Industralisierung Guido Brune Gesellschaft für Informatik e. V. Regionalgruppe Dortmund 14. März 2011 Gliederung E I N L E
MehrUnterschiedliche Zielarten erfordern. unterschiedliche Coaching-Tools
Unterschiedliche Zielarten erfordern 2 unterschiedliche Coaching-Tools Aus theoretischer Perspektive lassen sich unterschiedliche Arten von Zielen unterscheiden. Die Art des Ziels und die dahinterliegende
MehrAdaptive Designs für Phase-II-Studien in der Onkologie. Stefan Englert, Meinhard Kieser Institut für Medizinische Biometrie und Informatik.
Adaptive Designs für Phase-II-Studien in der Onkologie Stefan Englert, Meinhard Kieser Institut für Medizinische Biometrie und Informatik Überblick I. Besonderheiten statistischer Designs in der Onkologie
MehrAblaufschema beim Testen
Ablaufschema beim Testen Schritt 1 Schritt 2 Schritt 3 Schritt 4 Schritt 5 Schritt 6 Schritt 7 Schritt 8 Schritt 9 Starten Sie die : Flashanimation ' Animation Ablaufschema Testen ' siehe Online-Version
MehrVortrag Iterative Prozessmodelle/SCRUM
Vortrag Iterative Prozessmodelle/SCRUM von Marcus Hörger 1 Übersicht Einleitung Prozess Der Software-Entwicklungsprozess Prozessmodelle Lineare Prozessmodelle Das Phasenmodell Iterative Prozessmodelle
MehrAnleitungen. für den Gebrauch des Glasfasermodems
Anleitungen für den Gebrauch des Glasfasermodems DSL-Port auf LAN1 umstellen, am Beispiel der FRITZ!Box 7270 Einrichten von SIP-Accounts am Beispiel der FRITZ!Box 7270 Inhalt DSL-Port auf LAN1 umstellen,
MehrPREISE UND PREISLISTEN UNTER ORGAMAX BEARBEITEN
PREISE UND PREISLISTEN UNTER ORGAMAX BEARBEITEN Inhalt 1 Einführung... 1 2 Kundenspezifische Preise für bestimmte Artikel hinterlegen... 1 3 Anlegen einer Preisliste... 5 4 Bearbeitung von Preislisten:
MehrTEIL 13: DIE LINEARE REGRESSION
TEIL 13: DIE LINEARE REGRESSION Dozent: Dawid Bekalarczyk GLIEDERUNG Dozent: Dawid Bekalarczyk Lineare Regression Grundlagen Prognosen / Schätzungen Verbindung zwischen Prognose und Zusammenhang zwischen
MehrSoftwaremodellierung innerhalb eines SAP ABAP Projekts im agilen Umfeld
Softwaremodellierung innerhalb eines SAP ABAP Projekts im agilen Umfeld 1. Die Kosten der Softwareentwicklung Warum es manchmal sinnvoll ist, am Anfang mehr zu tun, als nötig ist. Modellgetrieben Software-Entwicklung
MehrTEIL 13: DIE EINFACHE LINEARE REGRESSION
TEIL 13: DIE EINFACHE LINEARE REGRESSION Die einfache lineare Regression Grundlagen Die einfache lineare Regression ist ebenfalls den bivariaten Verfahren für metrische Daten zuzuordnen 1 Sie hat einen
MehrEine Studie zu Kreativitätstechniken tstechniken im Requirements Engineering*
Eine Studie zu Kreativitätstechniken tstechniken im Requirements * Dr. Klaus Schmid Universität Hildesheim schmid@sse.uni-hildesheim.de * Die Studie wurde als Teil eines Projekts am Fraunhofer IESE durchgeführt.
MehrChristian Klotz Alois Klotz Mario Steinwender 12. Oktober 2014. Vielen Dank, dass Sie sich für die EASY4ME-Apps entschieden haben.
Christian Klotz Alois Klotz Mario Steinwender 12. Oktober 2014 EASY4ME - Apps Willkommen! Vielen Dank, dass Sie sich für die EASY4ME-Apps entschieden haben. Dieser Guide erklärt Ihnen, wie Sie die EASY4ME-Apps
Mehrwww.gymboss.com Wir danken Ihnen, dass Sie einen GYMBOSS minimax Interval Timer gekauft haben.
www.gymboss.com Wir danken Ihnen, dass Sie einen GYMBOSS minimax Interval Timer gekauft haben. ***Entfernen Sie den Schutzschirm auf der Vorderseite des Timers. Einschalten Drücken Sie einen beliebigen
MehrExperimentelle und quasiexperimentelle
Experimentelle und quasiexperimentelle Designs Experimentelle Designs Quasi- experimenttel Designs Ex- post- facto- Desingns Experimentelle Designs 1. Es werden mindestens zwei experimentelle Gruppen gebildet.
MehrErhebungstechniken im RE
Erhebungstechniken im RE Interview Grundsätzlich können Interviews je nach Fragestellung eher offen (Orientierung nur an groben Leitfaden) oder sehr strukturiert sein (Fragenkatalog). Es sind auch Mischformen
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
MehrR. Brinkmann Seite
R. Brinkmann http://brinkmann-du.de Seite 1 17.3.21 Grundlagen zum Hypothesentest Einführung: Wer Entscheidungen zu treffen hat, weiß oft erst im nachhinein ob seine Entscheidung richtig war. Die Unsicherheit
MehrGegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen. 0 sonst.
Aufgabe 1 (2 + 4 + 2 + 1 Punkte) Gegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen X und Y : { 2x + 2y für 0.5 x 0.5, 1 y 2 f(x, y) = 3 0 sonst. a) Berechnen
MehrGrundlagen der Wahrscheinlichkeitstheorie und Statistik für Studierende der Informatik
INSTITUT FÜR STOCHASTIK WS 07/08 UNIVERSITÄT KARLSRUHE Blatt 4 Dr. B. Klar Übungen zur Vorlesung Grundlagen der Wahrscheinlichkeitstheorie und Statistik für Studierende der Informatik Musterlösungen Aufgabe
MehrForschungsmethoden VORLESUNG WS 2016/17
Forschungsmethoden VORLESUNG WS 2016/17 FLORIAN KOBYLKA, SOPHIE LUKES Organisatorisches Termine Raum 231 1 28.10.16 10:15 Sophie Lukes / Florian Einführung Kobylka 2 04.11.16 10:10 Florian Kobylka Psychologie
MehrInhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden
Inhaltsverzeichnis Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3 Warum Statistik? 3 Checkpoints 4 Daten 4 Checkpoints 7 Skalen - lebenslang wichtig bei der Datenanalyse
MehrSoftware- und Systementwicklung
Software- und Systementwicklung Seminar: Designing for Privacy 11.11.2009 Moritz Vossenberg Inhalt Vorgehensmodelle Wasserfallmodell V-Modell Phasen (Pflichtenheft) UML Klassendiagramm Sequenzdiagramm
MehrSPSS III Mittelwerte vergleichen
SPSS III Mittelwerte vergleichen A Zwei Gruppen ------------ Zwei-Stichproben t-test Beispieldatei: Seegräser Fragestellung: Unterscheidet sich die Anzahl der Seegräser in Gebieten mit und ohne Seeigelvorkommen
MehrNewsletter der Studienprogrammleitung Geschichte vom 16.02.2012. Mit diesem Newsletter möchten wir Sie über folgende Dinge informieren:
Subject: Newsletter der Studienprogrammleitung Geschichte (7) vom 16. Send reply to: To: Nachrichten der Studienprogrammleitung Geschichte: ; From:
MehrEmpirische Softwaretechnik
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006 Zwei Experimente zum Vergleich von Paarprogrammierung und Durchsichten 2 Literatur Müller. Should we use programmer
MehrAufgabe 7: Stochastik (WTR)
Abitur Mathematik: Originalprüfung Nordrhein-Westfalen 2013 GK Zugelassene Hilfsmittel: Wissenschaftlicher Taschenrechner (ohne oder mit Grafikfähigkeit) Mathematische Formelsammlung Wörterbuch zur deutschen
MehrHerzlich willkommen zum Thema SPSS
Herzlich willkommen zum Thema SPSS (SUPERIOR PERFORMING SOFTWARE SYSTEM) Qualitative und quantitative Forschungsmethoden Qualitative Methoden: Qualitative Verfahren werden oft benutzt, wenn der Forschungsgegenstand
MehrÜbung 2: Motivation: Willentliche Bewegung im Dienste von Interesse und Neugier
Übung 2: Motivation: Willentliche Bewegung im Dienste von Interesse und Neugier Erläuterung zur motivationalen Bewegung: wie wir gerade in der 1. Übung schon sehen konnten: Wenn wir alle einen Raum betrachten,
MehrAdobe Acrobat Professional - Portfolio. Leibniz Universität IT Services Anja Aue
Adobe Acrobat Professional - Portfolio Leibniz Universität IT Services Anja Aue Portfolio Bündelung von mehreren Dateien in verschiedenen Formaten in einer Datei. Mappe, in der mehrere Dateien zu einem
MehrDie neue DIN EN ISO 9001:2015 - Ziele und wichtige Änderungen
Die neue DIN EN ISO 9001:2015 - Ziele und wichtige Änderungen Im September 2015 wurde die überarbeitete ISO 9001:2015 veröffentlicht. Die wesentlichen Änderungen bzw. Neuerungen sind Themen wie Kontext/Ausrichtung
MehrPflichtlektüre: Kapitel 12 - Signifikanztest Wie funktioniert ein Signifikanztest? Vorgehensweise nach R. A. Fisher.
Pflichtlektüre: Kapitel 12 - Signifikanztest Überblick Signifikanztest Populationsparameter Ein Verfahren zur Überprüfung von Hypothesen, Grundlage bilden auch hier Stichprobenverteilungen, das Ergebnis
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrBACnet - Compare Intrinsic and Algorithmic Reporting DE 2006-12-06.doc Page 1 / 17. BACnet
BACnet - Compare Intrinsic and Algorithmic Reporting DE 2006-12-06.doc Page 1 / 17 BACnet Vergleich Intrinsic und Algorithmic Reporting - Die Sicht des Projektingenieurs - Version: DE 1.00 Autor: Uwe Haeseler
MehrGute User Stories schreiben reicht nicht Requirements Engineering-Bedarf in agilen Projekten. Olga Boruszewski,
Gute User Stories schreiben reicht nicht Requirements Engineering-Bedarf in agilen Projekten Olga Boruszewski, 23.11.2017 http://www.continental.de Tires Division Einführung Erfahrungsbericht zu Requirements
MehrEigene MC-Aufgaben 2.4 Forschungsplanung und Forschungsdesign (X aus 5) 1. Welche Aussage trifft auf die Methodenlehre der ESF zu?
Eigene MC-Aufgaben 2.4 Forschungsplanung und Forschungsdesign (X aus 5) 1. Welche Aussage trifft auf die Methodenlehre der ESF zu? Problemadäquate Erhebungsinstrumente müssen entwickelt und getestet werden.
MehrTesting in Microarray Experiments, StatisticalScience(18), Seiten
261 Literatur: I Lehmann & Romano, Kapitel 9 I Dudoit, Sha er & Boldrick (2003): Multiple Hypothesis Testing in Microarray Experiments, StatisticalScience(18), Seiten 71-103 Problem: Eine endliche Menge
MehrDIN EN (VDE ): EN 62304: A1:2015
Inhalt Vorwort...2 Europäisches Vorwort zu A1...3 Einleitung...10 1 Anwendungsbereich...14 1.1 *Zweck...14 1.2 *Anwendungsgebiet...14 1.3 Beziehung zu anderen Normen...14 1.4 Einhaltung...14 2 *Normative
MehrGlossar. Cause of Effects Behandelt die Ursache von Auswirkungen. Debriefing Vorgang der Nachbesprechung der experimentellen Untersuchung.
Abhängige Variable Die zu untersuchende Variable, die von den unabhängigen Variablen in ihrer Ausprägung verändert und beeinflusst wird (siehe auch unabhängige Variable). Between-Subjects-Design Wenn die
MehrWahrscheinlichkeitsverteilungen
Wahrscheinlichkeitsverteilungen 1. Binomialverteilung 1.1 Abzählverfahren 1.2 Urnenmodell Ziehen mit Zurücklegen, Formel von Bernoulli 1.3 Berechnung von Werten 1.4 Erwartungswert und Standardabweichung
MehrAngewandte Statistik 3. Semester
Angewandte Statistik 3. Semester Übung 7 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen
MehrInformationsökonomie
Informationsökonomie FS 2007 Tri Vi Dang Universität Mannheim Informationsökonomie Vorlesung (3 SWS) und integrierte Übung (1 SWS) Dienstag 13.45 15.15 (L7, 001) Donnerstag 13.45 15.15 (L7, 001) Website:
MehrAnleitung MSK 125 Software Update
Anleitung MSK 125 Software Update 1. Voraussetzungen für das Software Update Seite 2 2. Vorbereitungen Seite 2 3. Software Update Main Prozessor Seite 3 4. Software Update Slave Prozessor Seite 4 5. Problemlösungen
MehrHypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests
ue biostatistik: hypothesen, fehler 1. und. art, power 1/8 h. lettner / physik Hypothesen: Fehler 1. und. Art, Power eines statistischen Tests Die äußerst wichtige Tabelle über die Zusammenhänge zwischen
MehrThemen. Software Design and Quality Group Institute for Program Structures and Data Organization
Themen 2 28.04.2010 MODELLGETRIEBENE SOFTWARE-ENTWICKLUNG Grundlagen 3 28.04.2010 Meta-Modell: Lego Meta-Modell Bauvorschriften Building Block * connected with Modell Lego Reale Welt Haus Bilder: (c) designritter
MehrDas geplante WLAN. Standortbericht FEC Standortbericht FEC
Standortbericht FEC Dieser Standortbericht zeigt die Ergebnisse des geplanten WLANs der Funkwerk Enterprise Communications GmbH. Das SiteSurvey erfolgte am 24.12.2010. Im Folgenden werden die Unterschiede
MehrEinleitung. Komplexe Anfragen. Suche ist teuer. VA-File Verfeinerungen. A0-Algo. GeVAS. Schluß. Folie 2. Einleitung. Suche ist teuer.
Anwendung Input: Query-Bild, Ergebnis: Menge ähnlicher Bilder. Kapitel 8: Ähnlichkeitsanfragen und ihre effiziente Evaluierung Wie zu finden? Corbis, NASA: EOS Bilddatenbank Folie Folie 2 Ähnlichkeitssuche
MehrTest auf einen Anteilswert (Binomialtest) Vergleich zweier Mittelwerte (t-test)
Spezielle Tests Test auf einen Anteilswert (Binomialtest) Vergleich zweier Anteilswerte Test auf einen Mittelwert (Ein-Stichproben Gauss bzw. t-test) Vergleich zweier Mittelwerte (t-test) Test auf einen
MehrRingvorlesung Einführung in die Methoden der empirischen Sozialforschung II
Ringvorlesung Einführung in die Methoden der empirischen Sozialforschung II Auswahlverfahren - Begriffe und theoretische Grundlagen 1 USA 1936: - Wahlstudie mit 10.000.000 Probestimmzetteln - Quelle: Telefonverzeichnis
MehrTUD Computer Poker Challenge
TUD Computer Poker Challenge The Challenge of Poker Björn Heidenreich 31. März 2008 The Challenge of Poker Björn Heidenreich 1 Anforderungen an einen guten Poker-Spieler Hand Strength Hand Potential Bluffing
MehrWarum Stichproben? Vollerhebungen sind teuer Nehmen (zu)viel Zeit in Anspruch Sind evtl. destruktiv
Warum Stichproben? Vollerhebungen sind teuer Nehmen (zu)viel Zeit in Anspruch Sind evtl. destruktiv Voraussetzung für die Anwendung von Stichproben: Stichproben müssen repräsentativ sein, d.h. ein verkleinertes
MehrFAQ Unangekündigte Audits IFS Food Version 6
FAQ Unangekündigte Audits IFS Food Version 6 VERSION 6 XXX DEUTSCH FAQ Unangekündigte Audits IFS Food Version 6 1. Welche Produktionsstätten können die Option unangekündigte Audits ab dem 01. Oktober 2016
MehrR. Brinkmann Seite
R. Brinkmann http://brinkmann-du.de Seite 1 24.2.214 Grundlagen zum Hypothesentest Einführung: Wer Entscheidungen zu treffen hat, weiß oft erst im nachhinein ob seine Entscheidung richtig war. Die Unsicherheit
MehrSPI - Software Process Improvement mit CMMI, PSP/TSP und ISO 15504
SPI - Software Process Improvement mit CMMI, PSP/TSP und ISO 15504 von Ernest Wallmüller 1. Auflage Hanser München 2007 Verlag C.H. Beck im Internet: www.beck.de ISBN 978 3 446 40492 2 Zu Leseprobe schnell
Mehr