Rainer Diaz-Bone/Harald Künemund. Einführung in die binäre logistische Regression
|
|
- Nicolas Abel
- vor 8 Jahren
- Abrufe
Transkript
1 Free Unverstät Berln Fachberech Poltk u. Sozalwssenschaften Insttut für Sozologe Abtelung Methodenlehre und Statstk Garystr Berln Raner Daz-Bone/Harald Künemund Enführung n de bnäre logstsche Regresson Mttelungen aus dem Schwerpunktberech Methodenlehre, Heft Nr. 56 ISSN Berln, Ma 2003
2 Inhalt 0 EINLEITUNG PROBLEMSTELLUNG AUSGANGSPUNKT: DAS EINFACHE LINEARE REGRESSIONSMODELL LOGIT-MODELL UND LOGISTISCHE REGRESSION ENTWICKLUNG DER LOGISTISCHEN REGRESSIONSGLEICHUNG CHARAKTERISTIK DER LOGISTISCHEN REGRESSIONSKURVE DER EFFEKT-KOEFFIZIENT E B STANDARDISIERUNG DES LOGIT-KOEFFIZIENTEN B UND DES EFFEKT-KOEFFIZIENTEN E B MULTIVARIATER FALL GÜTEKRITERIEN UND STATISTISCHE TESTS EIN EINFACHES ANWENDUNGBEISPIEL LITERATUR...25
3 1 Daz-Bone/Künemund 0 Enletung De Verwendung von multvaraten statstschen Verfahren, de abhängge Varablen mt Nomnalskalenqualtät darstellen können, st gerade für sozalwssenschaftlche Forschung bedeutsam. Denn her fnden sch vele Sachverhalte klassfkatorscher und qualtatver Art (z.b. Famlenstand oder Erwerbsstatus). Metrsche Varablen (z.b. Enkommen n oder Alter n Jahren) snd demgegenüber deutlch seltener. Selbst wo ene metrsche Varable m Prnzp denkbar wäre, stehen aus erhebungsökonomschen oder forschungspraktschen Gründen oft nur Varablen mt Nomnalskalennveau zur Verfügung (z.b. statt Wochenarbetszet nur Voll- oder Telzeterwerbstätg). Auch kann sch das Forschungsnteresse explzt auf de qualtatve Informaton rchten, auch wenn detallertere Informatonen m Prnzp verfügbar snd (z.b. ene Analyse, ob Wohnegentum vorhanden st oder ncht, auch wenn metrsche Informaton über den Wert des Immoblenbestzes vorlegen). In all desen Fällen snd Standardverfahren we de multvarate lneare Regresson ncht ohne Weteres ensetzbar. Alternatven kommen u.a. aus dem Berech der sogenannten log-lnearen Statstk. Spezelle Modelle der log-lnearen Statstk snd de Logt-Analyse und de logstsche Regresson. Spätestens set den 80er Jahren fndet de logstsche Regresson zunehmend Verwendung n der Epdemologe und Ökonome, n den 90ern nun auch n der Sozologe. De gänggen Statstk- Softwarepakete we SAS, SPSS oder STATA beten nzwschen alle entsprechende Prozeduren an, zunehmend auch Spezalsoftware we etwa SUDAAN für de Analyse z.b. von mehrfach geschchtete Stchproben, we se n der Survey-Forschung häufg snd. Deser Text st ene sehr enfach gehaltene Enführung n de bnäre logstsche Regresson mt Hnwesen auf weterführende Lteratur und Verfahren. Dabe geht es vorrangg um ene qualtatve Darstellung, das heßt, es soll so weng we möglch an formaler Darstellungen verwendet werden. 1 Das enfache lneare Regressonsmodell bldet den Bezug für de Enführung der bnären logstschen Regresson, da bede Modelle ene Rehe von Parallelen aufwesen. Anhand enes sozologschen Bespels wrd de praktsche Anwendung der logstschen Regresson besprochen. Für de Interpretaton wrd en SPSS-Output zugrunde gelegt. 1 Für formalere und vollständgere Darstellungen sehe de Lteraturhnwese, nsbesondere das Standardwerk von Hosmer und Lemeshow (2000).
4 Enführung n de bnäre logstsche Regresson 2 1 Problemstellung Ausgangsproblem der bnären logstschen Regresson st de statstsche Beurtelung des Zusammenhangs zwschen ener nomnalskalerten, dchotomen abhänggen Varablen und mndestens ener unabhänggen Varablen (Dependenzmodell). De abhängge Varable wrd mt enem großen Y bezechnet, ene Ausprägung von Y an enem Objekt wrd ndzert mt (z. B. de -te Person n ener Stchprobe) und dann bezechnet mt y. Typsche Anwendungen für de logstsche Regresson snd Fragestellungen, de untersuchen, wovon das Entreten enes Eregnsses oder enes Zustandes be Untersuchungsobjekten (we Personen) abhängt bzw. wodurch das Entreten beenflusst wrd. Das Eregns oder der Zustand wrd dann mt 1 kodert. Das Gegentel (also das Nchtentreten des Eregnsses oder des Zustandes) wrd mt 0 kodert. Solche Varablen haben also nur zwe möglche, sch ausschleßende Ausprägungen, we z.b. "Eregns trtt en " (Y = 1) und "das Eregns trtt ncht en" (Y = 0). Durch dese (gerngstmöglche) Anforderung an das Skalenveau der abhänggen Varablen erhält de bnäre logstsche Regresson en bretes Anwendungsspektrum. 2 Rchtet man de Aufmerksamket auf de Ausprägung 1, so kann man genauer fragen, n welcher Wese (we stark und n welcher Rchtung) de Entrttswahrschenlchket für Y = 1 durch bedngende Merkmale (de unabhänggen Varablen) beenflusst wrd. Weter könnte de konkrete Wahrschenlchket für das Entreten des Eregnsses P(Y = 1) be enem bestmmten Untersuchungsobjekt nteresseren, wenn man dessen Ausprägungen be den unabhänggen Varablen kennt. Man kann sch be solchen Wahrschenlchketsaussagen ener dchotomen Varablen auf de ene Ausprägung Y = 1 konzentreren. Denn de Wahrschenlchket für de andere Ausprägung Y = 0, also P(Y = 0), st dann mmer de Dfferenz zu 1. P(Y = 0) = 1- P(Y = 1) Weter nteressert zumest auch de Frage, we gut en abhängges Merkmal nsgesamt durch ene oder mehrere unabhängge Merkmale erklärbar st. Und betrachtet man Stchprobendaten, wll man oft wssen, ob en n der Stchprobe vorhandener Enfluss ener Varablen auch n der 2 Als Anwendungsvoraussetzung wrd n der Lteratur ene Fall zahl von etwa n = 100 angegeben (vgl. z.b. Backhaus u.a. 2000: 107). Weterhn setzt de logstsche Regresson de Unkorrelerthet der unabhänggen Varablen voraus. Für de Analyse kategoraler abhängger Varablen mt mehreren Ausprägungen sowe ordnaler abhängger Varablen exsteren mehrere Varanten deses Modells.
5 3 Daz-Bone/Künemund Grundgesamthet vorhanden st. Derle Betrachtungsmöglchketen telt de logstsche Regresson mt der klassschen lnearen Regresson. Um de logstsche Regresson enzuführen, wollen wr deshalb an de klasssche Regressonsrechnung anknüpfen. 2 Ausgangspunkt: Das enfache lneare Regressonsmodell Das enfache Regressonsmodell unterstellt enen lnearen Zusammenhang zwschen abhängger Varablen (Y) und unabhängger Varablen (X). Es glt m Zwe-Varablen-Fall de Regressonsglechung y = a + b x + u bzw. ohne den stochastschen Antel u de Regressonsgerade 3 y = a + b x De Koeffzenten a und b werden unter Verwendung der Methode der klensten Quadrate geschätzt. De Regressonskoeffzenten können enfach nterpretert werden. Der Regressonskoeffzent a st graphsch betrachtet der Schnttpunkt, an dem de Regressonsgerade de Y- Achse schnedet, d.h. en konstanter Faktor, zu dem sch de Effekte der unabhänggen Varablen adderen. Der Regressonskoeffzent b gbt de Änderung von Y an, wenn de unabhängge Varable um ene Enhet erhöht wrd (unabhängg von der konkreten Ausprägung von X). Abbldung 1: Zwe enfache Regressonsgeraden y = f(x) = x und y = g(x) = 10 + x. 3 Wr vernachlässgen m Folgenden sowohl den stochastschen Antel als auch de statstschen Formulerungen für ene Grundgesamthet. Es wrd also m engeren Snne mmer der Erwartungswert von p bzw. y thematsert.
6 Enführung n de bnäre logstsche Regresson 4 Zur Verdeutlchung snd n Abbldung 1 zwe enfache Regressonsgeraden graphsch dargestellt. Aufgetragen wrd her jewels de abhängge Varable Y gegen de unabhängge Varable X. Der Koeffzent a wrd her ablesbar als Achsenabschntt: bede Graden schneden den Punkt (0; 10). Der Koeffzent b wrd her als Maß für de Stegung schtbar. Für de lneare Regresson glt, dass de Güte der Anpassung des geschätzten Modells an de n der Stchprobe vorlegenden Daten durch den Determnatonskoeffzenten r 2 ausgedrückt werden kann. Deser setzt de erklärte Varanz ns Verhältns zur Gesamtvaranz. Um so höher der Antel der erklärten Varanz, um so besser st de Erklärungslestung des Modells, d. h. dessen Anpassung an de Daten der Stchprobe. Weter glt, dass m multvaraten Fall (mehrere unabhängge Varablen wrken auf Y en) auch der Enfluss jeder enzelnen Varablen statstsch geprüft werden kann durch de Verwendung des t-tests. Das Problem aber st, dass m lnearen Regressonsmodell de abhängge Varable Y metrsch skalert sen muss und theoretsch alle Ausprägungen von - bs + realseren kann, ncht nur de Werte 0 und 1. Man könnte nun auf de Idee kommen, enfach P(Y=1) also de Wahrschenlchket, dass das Eregns entrtt, als abhängge Varable n ener enfachen Regresson zu verwenden, ene metrsche Größe. Des schetert aber zunächst daran, dass dese Wahrschenlchket, geschätzt als lneare Funkton von anderen Varablen, dann Werte > 1 und < 0 annehmen könnte. 3 Logt-Modell und logstsche Regresson 3.1 Entwcklung der logstschen Regressonsglechung De Unangemessenhet des enfachen lnearen Regressonsmodells für das oben beschrebene Ausgangsproblem be 0-1-koderten Varablen lässt sch durch de Verwendung der logstschen Regresson umgehen. 4 Wr können dese mt engen enfachen Überlegungen herleten. Das Zel soll zunächst sen, ene solche Glechung zu entwckeln, de auf der rechten Sete den Regressonsausdruck a + b x benhaltet. Er st enfach zu nterpreteren und kann von - bs + vareren. Auf der lnken Sete der Glechung muss nun aber en solcher Ausdruck stehen, der ebenso n desem Berech varert und der es ermöglcht, ene dchotome Varable enzubnden. In dre Schrtten können wr dese Enbndung lesten. 1. Schrtt Wr betrachten nur noch de Wahrschenlchket dafür, das en bestmmtes Untersuchungsobjekt de Ausprägung y = 1 aufwest. Wr kürzen dese Wahrschenlchket mt p ab. Allerdngs kann 4 Ene alternatv denkbare Modfkaton des Verfahrens der lnearen Regresson durch Gewchtung (WLS-Schätzung) dskuteren z.b. Aldrch/Nelson (1984: 14ff.).
7 5 Daz-Bone/Künemund p m Berech von 0 bs 1 vareren. Wr müssen noch zwe Transformatonen durchführen, damt en der Varatonsberech mt dem des rechtssetgen Ausdrucks überenstmmt. 2. Schrtt Wr betrachten das Verhältns der beden Wahrschenlchketen p und 1-p zuenander. Deses Verhältns nennt man Odds (auch lkelhood rato, Wahrschenlchketsverhältns): De Wahrschenlchket des Entretens dvdert durch de Wahrschenlchket des Ncht-Entretens des Eregnsses Y = 1. 5 p 1- p = Odds Deser Ausdruck varert von 0 bs +. Es st also noch en weterer Schrtt notwendg. 3. Schrtt Wenn wr nun dese Odds logarthmeren, erhalten wr enen Ausdruck, der m Berech von - bs + varert. Deser neue Ausdruck heßt Logt (wr verwenden den natürlchen Logarthmus, abgekürzt ln ). 6 p P(Y = 1) P(Y = 1) ln = ln = ln = Logt (p) 1- p 1- P(Y = 1) P(Y = 0) Wr können nun also enfach für den Zwe-Varablen-Fall schreben: p ln = a + bx 1- p Man nennt den Logt (lnke Sete) de Lnk-Funkton, da dese Konstrukton de dchotome Varable an den bekannten Regressonsausdruck (rechte Sete) vermttelt. Wenn der Ausdruck auf 5 6 Als Bespel denke man ene Münze, de geworfen wrd. Im Idealfall sollten bede Seten der Münze de gleche Wahrschenlchket haben, oben oder untern zu legen, also snd de Chancen gewssermaßen Fünfzg zu Fünfzg. De Odds snd daher 1, bede Eregnsse haben de gleche Wahrschenlchket. En anderes Bespel wäre, be enem Würfelwurf ene 6 zu würfeln. Her snd de Odds 1 (de 6) zu 5 (ene der anderen fünf Zahlen) = 0,2. Der Logarthmus st ene mathematsche Funkton. Dese sucht für en Resultat und be gegebener Bass den Exponenten, mt dem man de Bass potenzeren muss, um deses Resultat zu erhalten. Bespel der Logarthmus von 9 zur Bass 3 st 2, denn 3²=9. De ln- Funkton sucht de Exponenten, mt denen man de Eulersche Zahl e = 2, potenzeren muss.
8 Enführung n de bnäre logstsche Regresson 6 der lnken Sete zunächst auch noch etwas weng anschaulch st, so wssen wr, dass er mt der Zunahme von X um ene Enhet um b größer wrd. Außerdem wssen wr, dass er für den Fall X = 0 so groß st we a. Wr haben her also den Vortel der klaren und enfachen Interpreterbarket der Koeffzenten. Damt st das erste Zel errecht. Dese Glechung nennt man Logt- Modell. Löst man de Glechung nach p I auf, so erhält man daraus de logstsche Regressonsglechung für den Zwe-Varablen-Fall. De Glechung kann man schnell herleten. 7 Wr führen se her enfach an: 1 = 1+ e p -(a + b x ) De Regressonskoeffzenten a und b der logstschen Regressonsglechung (und des Logt- Modells) werden auch als Logt-Koeffzenten bezechnet (oft werden se aber weterhn enfach als Regressonskoeffzenten bezechnet). Unter Verwendung der Stchprobendaten werden dese Koeffzenten mt dem Maxmum-Lkelhood-Verfahren geschätzt (vgl. z.b. Elason 1993). Dabe werden de Regressonskoeffzenten so bestmmt, dass de Wahrschenlchket des Auftretens der vorhandenen Stchprobendaten maxmal st. 3.2 Charakterstk der logstschen Regressonskurve Warum verwendet man aber gerade dese Funkton? Warum hat man de gerade gezegte Entwcklung so und ncht anders durchgeführt? 7 De Umformung lautet: p ln = a + bx 1- p p 1- p p p = e + e = e p (1+ e a+ bx a+ bx p a+ bx e p = a+ 1+ e 1 p = -(a 1+ e a+ bx (1- p ) = e a+ bx bx = e ) = e + bx ) (Logt - Modell) a+ bx a+ bx a+ bx - e (nun durch e a+ bx a+ bx p kürzen) (logstsche Regressonsglechung)
9 7 Daz-Bone/Künemund De so erhaltene logstsche Regresson brngt enen ncht-lnearen Zusammenhang zwschen der dchotomen, abhänggen Varablen und mndestens ener unabhänggen Varablen als Modellprämsse en. Des seht man, wenn man de logstschen Regressonskurve zechnet. Für den Zwe-Varablen-Fall kann der Zusammenhang als zwedmensonale Graphk dargestellt werden. Bespele: zwe logstsche Regressonsglechungen lauten: 1 1+ e p = f(x) = ( x) und p = g(x) = ( x) 1 + e 1 Abbldung 2: Zwe enfache logstsche Funktonen p = f(x) mt den Logt-Koeffzenten a = 0, b = 1 und p = g(x) mt den Logt-Koeffzenten a = -20, b = 5. Abgetragen st her jewels de Wahrschenlchket des Entretens der Ausprägung y = 1 der abhänggen Varable Y (also p ) gegen de ene unabhängge Varable X. De logstsche Funktonskurve hat ene geschwungene, S-förmge Gestalt und verläuft punktsymmetrsch, wobe de Symmetre auf den jewelgen Wendepunkt der Kurve bezogen st. Deser Wendepunkt legt mmer be p = 0.5. In den mttleren Regonen von X hat dese logstsche Regressonskurve Ähnlchketen mt der klassschen lnearen Regressonsgerade. In den äußeren Regonen von X nähern sch de Werte für p den Werten 0 und 1 asymptotsch Werten an, überschreten se aber ncht. Ausgedrückt wrd damt ene Art "Sättgungs"-Effekt, der darn besteht, dass Änderungen der unabhänggen Varablen n den Extremberechen noch ncht bzw. ncht mehr zu wesentlchen Änderungen der Entrttswahrschenlchket führen. Her wrkt sch de Ncht-Lneartät aus: ene Zunahme bzw. Abnahme von X wrkt sch n verschedenen
10 Enführung n de bnäre logstsche Regresson 8 Regonen unterschedlch aus. Be sehr großen oder sehr klenen X-Werten ändert ene Zunahme von X de Wahrschenlchket p ncht mehr so stark bzw. noch kaum. We hängen nun de Werte der Logt-Koeffzenten mt der Form der logstschen Regressonskurve zusammen? Der Logt-Koeffzent a hat kenen Enfluss auf de Gestalt der logstschen Regressonskurve. Unterschedlche Ausprägungen führen zu verschedenen Lagen der Kurve n der Horzontalen, ohne hre Stegung zu verändern. Deutlch wrd durch de Abbldung 2, dass en hoher Betrag von b j für de Stelhet der logstschen Regressonskurve verantwortlch st (be klener werdendem Betrag für b j nähert sch de logstsche Regressonskurve dem Verlauf ener Geraden). En negatver Wert für b j bedeutet, dass de Kurve von lnks nach rechts abfällt. We berets erwähnt, wrkt sch de exogene Varable ncht glechförmg auf de Entrttswahrschenlchket der abhänggen Varablen aus. Gleche Veränderungen von X n unterschedlchen Berechen von X wrken sch verscheden auf p aus, so dass der Logt-Koeffzent b ncht als globales Maß für den Enfluss von X auf p angesehen werden kann, we des m Fall der lnearen Regresson glt. De Wrkung von X auf de Entrttswahrschenlchket von Y st also ncht pauschal für X angebbar und verlangt de Kenntns der Ausprägung von X. Ene praktkablere Interpretaton betet aber der sog. Effekt-Koeffzent, der Exponent der Regressonskoeffzenten exp(b) bzw. e b. 3.3 Der Effekt-Koeffzent e b Für ene anschaulchere Interpretaton des Enflusses der exogenen Varablen egnet sch der Effekt-Koeffzent e bj. Er gbt den Faktor für de Vervelfachung des Wahrschenlchketsverhältnsses (des Odds) an, wenn de Ausprägung der zugehörgen exogenen Varablen um ene Enhet erhöht wrd und wrd oft als odds-rato bezechnet. De folgende Glechung verdeutlcht desen Enfluss auf den Odds be Erhöhung der exogenen Varablen um ene Enhet (Zwe- Varablen-Fall): e a + b (x +1) = e a e b x + b = e a e b x e b p = 1- p e b. De Erhöhung der exogenen Varablen um ene Enhet bewrkt also ene Veränderung des Odds um den Faktor e b. Man schrebt auch für e bj den Ausdruck exp(b j ). Der Effektkoeffzent kann nur Werte m Berech von größer 0 bs + realseren. Des wrd veranschaulcht, wenn man sch den Verlauf der Exponentalfunkton f(b) = e b vor Augen führt.
11 9 Daz-Bone/Künemund Abbldung 3: Exponentalfunkton f(b) = e b Welche Auswrkung hat nun de Erhöhung der unabhänggen Varablen um ene Enhet auf de Entrttswahrschenlchket p? Wenn man sch das obge Logt-Modell (S. 5) anseht, erkennt man, dass ene Erhöhung von X j um ene Enhet ene addtve Auswrkung auf den Logt um b j, aber keneswegs deselbe addtve Auswrkung auf de Wahrschenlchket selbst hat, da dese Auswrkung über de Lnk- Funkton vermttelt wrd. Wenn man sch de letzte Glechung anseht, wrd noch deutlcher, dass de entretende Veränderung um das e b -fache lnear das Wahrschenlchketsverhältns beenflusst, sch aber n ncht-lnearer Wese auf de Wahrschenlchket p selber auswrkt. 8 Man kann de Auswrkung der Erhöhung von e b danach unterscheden, ob se das Wahrschenlchketsverhältns zugunsten oder zuungunsten von p verändert. Der Effekt-Koeffzent kann nur Werte von größer 0 bs + realseren. Werte zwschen 0 und klener 1 verrngern das Wahrschenlchketsverhältns, Werte für e b größer als 1 vergrößern das Wahrschenlchketsverhältns. Urban 8 "Es se darauf hngewesen, dass ene Änderung des Odds auf das exp(b)-fache des Ausgangswertes mt unterschedlchen Änderungen für p verbunden st. Erhöht sch bespelswese en Odds auf das Doppelte, so bedeutet des z. B. für den Ausgangswert 1 (mt p = 0.5), dass der Odds auf 2 stegt. Dann stegt p von 0.5 auf Be enem Ausgangswert z. B. von 0.1 (mt p = ) stegt der Odds auf 0.2 und p von auf Mt anderen Worten: Der Effekt, den de Erhöhung des Wertes der exogenen Varablen um ene Enhet hat, st zwar für den Odds konstant, jedoch varabel für p. En Effekt- Koeffzent von Ens brngt zum Ausdruck, dass ene Erhöhung des Wertes der exogenen Varablen den Odds ncht ändert (b st Null), so dass de Wahrschenlchket der Zugehörgket zu ener Klasse von Y als unabhängg von der exogenen Varablen bewertet werden kann." (Tede 1995: 16).
12 Enführung n de bnäre logstsche Regresson 10 veranschaulcht de Entelung des Werteberechs des Effekt-Koeffzenten we folgt (Urban 1993: 42; her lecht abgeändert). 9 Abbldung 4: Auswrkung ener Erhöhung der exogenen Varablen auf p Erhöhung der exogenen Varablen hat kenen Enfluß auf de Entrttswahrschenlchket p. Das Verhältns der Wahrschenlchketen (der Odds) blebt konstant e b Erhöhung der exogenen Varablen vermndert Entrttswahrschenlchket für Y = 1 gegenüber Y = 0. Erhöhung der exogenen Varablen stegert Entrttswahrschenlchket für Y = 1 gegenüber Y = 0. En postver Wert für e b erhöht also p, wobe de konkrete Wrkung unter der Bedngung der Konstanthaltung der anderen Varablen von der Spezfkaton von X j abhängt. Gesagt werden kann aber: um so größer e b, desto stärker wrkt sch ene Erhöhung von X j auf p tendenzell aus (für Beträge von e b klener 1 glt de entsprechend umgekehrte Interpretaton). 3.4 Standardserung des Logt-Koeffzenten b und des Effekt-Koeffzenten e b Der Logt-Koeffzent b j bestzt de rezproke Dmenson der Varablen X j, so dass der Enfluss von e bj von der Dmenson (Skalerung) von X j abhängg st. Um dese Skalerung n hrem Enfluss auszuschalten und so de unterschedlchen Effekte der Varablen unterenander verglechbar zu machen, st von Tede (1996) ene Normerung (Standardserung) des Logt- Koeffzenten vorgeschlagen worden. Der normerte Logt-Koeffzent b berechnet sch mt b = b var (x) 9 Dese beden Bereche snd unterschedlch skalert, da dem Abschntt von 0 bs klener 1 der Abschntt von größer 1 bs + gegenüber steht. Urban schlägt zur Herstellung der Verglechbarket der beden Abschntte ene Modfzerung des Effekt-Koeffzenten vor (vgl. Urban 1993:42f).
13 11 Daz-Bone/Künemund wobe b der Logt-Koeffzent n der Stchprobe und var (x) de Standardabwechung der Werte der unabhänggen (exogenen) Varablen st. "Der normerte Logt-Koeffzent gbt de Änderung des Logt-Wertes an, falls der Wert der exogenen Varablen um var (x) erhöht wrd" (Tede 1995: 13). Entsprechend wurde en standardserter Effekt-Koeffzent s-e bj vorgeschlagen, wobe b b j var (x) j s-e = e st (Urban 1993: 44). 3.5 Multvarater Fall Das Logt-Modell für ene logstsche Regresson mt J unabhänggen Varablen lautet 10 p ln 1- p = a + b1 x1 + b2 x2 + K + b j xj + K + bj xj = a + b j xj j Für logstsche Regressonsmodell mt J verschedenen unabhänggen Varablen X j (ndzert mt j = 1, J) bedeutet des, dass de Wrkung der konkreten Ausprägung x j von X j auf de Entrttswahrschenlchket p nur unter der Bedngung der Konstanthaltung der anderen Varablen angegeben werden kann. 4 Gütekrteren und statstsche Tests We kann man de Qualtät enes logstschen Regressonsmodell beurtelen? 10 Im multvaraten (her m multplen) Modell legen J unabhängge Varablen X j (mt J > 1 und j = 1,...J) vor. Für jede Varable X j m Modell wrd en Koeffzent b j geschätzt.
14 Enführung n de bnäre logstsche Regresson 12 Zunächst gbt es enfache Strategen, we se durch de gänggen Statstk-Software-Pekete angeboten werden. Man kann mt SPSS für de logstsche Regresson optonal en Hstogramm erwarteter Entrttswahrschenlchketen erstellen, das de beobachteten Fälle mt ener Auftrttswahrschenlchket auswest. Her kann ene erste Beurtelung der Güte des Modells durch Inaugenschennahme erfolgen. Zel der Analyse st es, en solches Modell zu entwckeln, das für statstsche Enheten (bespelswese Personen) mt der Ausprägung Y = 1 ene hohe Entrttswahrschenlchket möglchst nur knapp unter p = 1 vorhersagt. Entsprechend soll für solche Enheten, de emprsch de Ausprägung Y = 0 aufwesen, ene Entrttswahrschenlchket n der Nähe von p = 0 durch das Modell berechnet werden. Insofern das Modell dese Anforderung erfüllt, dskrmnert es angemessen. Als zwete Stratege kann man sch ene Klassfzerungstabelle erstellen lassen. Herbe handelt es sch um ene Verfelder-Tabelle, de de vorhergesagten Ausprägungen von Y gegen de tatsächlch vorlegenden Ausprägungen von Y aufträgt. Auch her sollte sch zegen, dass de logstsche Regressonsfunkton überwegend de zutreffenden Ausprägungen vorhersagt, also angemessen unterschedet. Dann gbt es Maße, de de Qualtät des logstschen Regressonsmodell drekter erfassen sollen. Analog zum Determnatonskoeffzenten r 2 kann de Güte des logstschen Regressonsmodells mt enem Koeffzenten bewertet werden, der n Anlehnung an den Determnatonskoeffzenten McFaddens Pseudo-r 2 genannt wrd. Deses McFaddens Pseudo-r 2 st zunächst en globales Gütemaß, das aus den logarthmerten Maxmum-Lkelhood-Schätzungen -2lnL 0 für das Ausgangsmodell (nur mt der Konstanten a) und -2lnL 1 für das Modell unter Enschluss der unabhänggen Varablen berechnet wrd mt: ln L1 ln L1 McFadden' s - rpseudo =1- =1- = - 2 ln L ln L 0 0 ln L0 - ln L ln L 0 1 Der rechte Tel der Glechung egnet sch für de Berechnung von McFaddens Pseudo-r 2 unter Verwendung des SPSS-Outputs für de logstsche Regresson. McFaddens Pseudo-r 2 st en auf ene Alternatve bezogenes Maß, d. h. en relatves Gütemaß. Es gbt also de relatve Verbesserung des Modells gegenüber dem Ausgangsmodell an und kann nur als en relatves Maß 11 De Größe -2lnL st approxmatv χ² -vertelt mt n - J Frehetsgraden, wobe n der Stchprobenumfang und J de Anzahl der exogenen Varablen darstellt (Menard 1995: 19; Tede 1995: 22). Für ene alternatve Konstrukton von Pseudo-r² sehe Aldrch / Nelson (1984: 57).
15 13 Daz-Bone/Künemund der Anpassungsverbesserung nterpretert werden. Es gbt kene Auskunft über de absolute Anpassung des Modells an de Daten (es st nach Urban ncht "modell-transzendent"). Der Werteberech möglcher Realsatonen für McFaddens Pseudo-r² legt zwschen 0 und 1. Klene Werte drücken ene schlechte Verbesserung des erweterten Modells gegenüber dem Ausgangsmodell aus. Große Werte deuten auf ene deutlche Verbesserung hn (Urban 1993: 52; Tede 1995: 20f.). Erfahrungsgemäß snd de Werterealsatonen für McFaddens Pseudo-r² klener als dejengen des Determnatonskoeffzenten verglechbarer Modelle n der lnearen Regresson (vgl. z.b. DeMars 1992: 54). Urban zufolge drücken Realsatonen zwschen 0,2 und 0,4 berets enen starken Zusammenhang zwschen unabhängger bzw. unabhänggen und abhängger Varablen aus (Urban 1993: 62). Entsprechend dem Determnatonskoeffzent r 2 n der lnearen Regresson kann McFaddens Pseudo-r² als en PRE-Maß, also als Maß für de Vorhersageverbesserung nterpretert werden. Es kann aber auch für de Beurtelung enzelner unabhängger Varablen herangezogen werden, ndem man das bs auf de zu beurtelende exogene Varable vollständge Modell mt dem nun auch dese Varable enthaltenden Modell verglecht. De Pseudo-r²-Dfferenz deser beden Modelle wrd dann als durch de zu beurtelende exogene Varable "nduzert" angesehen (Urban 1993: 58f.). Ene Varante des Pseudo-r²-Maßes von McFadden haben Cox und Snell vorgeschlagen mt Cox und Snells - r 2 pseudo L =1- L I wobe I de Zahl der Beobachtung st (Backhaus u.a. 2000: 133). Deses Maß realsert höhere Werte, kann aber ncht den Maxmalwert von 1 errechen. Ene wetere Varante st das Pseudor² - Maß von Nagelkerke. Nagelkerkes - r 2 pseudo Cox und Snells - r = 1 2 [ L0 ]I 2 pseudo Deses Maß soll den Maxmalwert 1 errechen können und zudem ene Interpretaton we de des Determnatonskoeffzenten n der lnearen Regresson zulassen (Backhaus u. a. 2000: 133). De enzelnen Varablen X j können auf de Hypothese getestet werden, dass se n der Grundgesamthet kenen Enfluss auf de abhängge Varable ausüben und dass dementsprechend de
16 Enführung n de bnäre logstsche Regresson 14 Ausprägung des Effekt-Koeffzenten e bj n der Stchprobe nur zufällg von 1, bzw. de Ausprägung von b j nur zufällg von 0 abwecht. De entsprechenden Teststatstken snd der t-test oder der n der SPSS-Prozedur verwendete WALD-Test: B t = mt n - 1 Frehetsgraden (wobe n de Stchprobengröße st) var (B) 2 2 B W = t = de approxmatv ener χ 2 -Vertelung mt enem Frehetsgrad folgt. var (B) De WALD-Statstk sollte ncht be großen Ausprägungen von b verwendet werden. De Zahl der Frehetsgrade für nomnal skalerte Varablen beträgt df = Anzahl der Kategoren - 1 (vgl. Norušs / SPSS Inc. 1993: 5). 5 En enfaches Anwendungbespel En enfaches Anwendungsbespel der multvaraten logstschen Regresson soll Interpretatons- und Anwendungsmöglchketen verdeutlchen. Dabe geht es uns ncht vorrangg um de detallerte Darstellung und Dskusson der Koeffzenten, Modellparameter usw., sondern eher um de Demonstraton enes Anwendungsfalles, der de Möglchketen der Methode verständlch macht. Vor der Dskusson deses Modell soll en kurzer Überblck zu Fragestellung und deskrptven Befunden verdeutlchen, warum en multvarates Modell her überhaupt nötg st bzw. we der Prozess der Modellerung der Erklärung ener abhänggen Varablen ablaufen könnte. Aus der Lteratur zur poltschen Partzpaton st bekannt, dass das poltsche Interesse n den höheren Altersgruppen gernger st. Dese Befund wurde wederholt zu verschedenen Zetpunkten gestellt, so dass angenommen werden könnte, mt zunehmendem Lebensalter nehme das poltsche Interesse ab bzw. stege das poltsche Desnteresse. Enen typschen Befund vsualsert de folgende Abbldung anhand des Alters-Survey 1996 (vgl. Kohl/Künemund 2000): Der Antel der poltsch stark und sehr stark nteresserten Personen schwankt über de her betrachteten Altersgruppen hnweg, der Antel der Desnteresserten aber nmmt über dese Altersgruppen hnweg betrachtet klar zu.
17 15 Daz-Bone/Künemund Abbldung 5: Poltsches Interesse nach Altersgruppen Prozent Altersgruppen Sehr stark Stark Mttel Weng Überhaupt ncht Quelle: Alters-Survey 1996, n=3.989, gewchtet. Es könnte aber sen, dass ad-hoc Erklärungen, de auf generelle Alterseffekte abheben, dennoch falsch snd. Es leße sch z.b. darauf hnzuwesen, dass sch m Alter de Geschlechterproporton verschebt. Im Falle der Bundesrepublk legt des ncht nur an der höheren durchschnttlchen Lebenserwartung der Frauen, sondern zusätzlch an den Kregen, de enen erheblchen Frauenüberschuss be den Älteren hnterlassen haben. Und bsherge Studen zum poltschen Interesse haben mmer weder gezegt, dass das poltsche Interesse der Frauen deutlch unter jenem der Männer legt. Es könnte also sen, dass es gar kene nennenswerte Abnahme des poltschen Interesses m Alter gb, sondern deser Endruck nur aufgrund der Verschebung der Geschlechterproportonen entsteht. Betrachten wr allen de Männer, so lässt sch tatsächlch ken dramatscher Rückgang des poltschen Interesses ausmachen:
18 Enführung n de bnäre logstsche Regresson 16 Abbldung 6: Poltsches Interesse nach Altersgruppen Männer Prozent Altersgruppen Sehr stark Stark Mttel Weng Überhaupt ncht Quelle: Alters-Survey 1996, n=2.046, gewchtet. Im Gegentel schent das poltsche Interesse n den mttleren Altersgruppen am gerngsten zu sen, während des n den höheren Altersgruppen weder stärker st. Insgesamt bekunden 20 Prozent der Männer en nur sehr gernges oder gar ken Interesse an Poltk. Der am Aggregat ablesbare Befund enes Rückgangs des poltschen Interesses st her jedoch kaum auszumachen. Be den Frauen legt deser Antel der poltsch weng oder überhaupt ncht nteresserten hngegen be 34 Prozent. Somt kann en Tel der Zunahme wahrschenlch wrklch auf de Verschebungen der Geschlechterproportonen zurückgeführt werden. Be hnen zegen sch aber auch zusätzlch deutlche Zusammenhänge mt dem Alter: Be den 80- bs 85jährgen Frauen legt der genannte Antel nämlch sogar über 50 Prozent:
19 17 Daz-Bone/Künemund Abbldung 7: Poltsches Interesse nach Altersgruppen Frauen Prozent Altersgruppen Sehr stark Stark Mttel Weng Überhaupt ncht Quelle: Alters-Survey 1996, n=1.943, gewchtet. Der Rückgang des poltschen Interesses m Alter legt also ncht nur an der veränderten Geschlechterproporton, sondern zusätzlch am gerngeren poltschen Interesse der älteren Frauen. Bedes blebt nun wederum erklärungsbedürftg. Analog etwa zur Frage ener egenständgen weblchen Moral könnte etwa spekulert werden, Frauen hätten möglcherwese en anderes Verständns von Poltk, und des verändere sch zudem über de Altersgruppen hnweg. Wr wollen des an deser Stelle ncht m Detal klären. Wr können aber auch vermuten, dass der Untersched zwschen den Geschlechtern m poltschen Interesse zumndest n den her betrachteten Altersgruppen zum Tel banalere Gründe hat. Enen großen Enfluss auf das poltsche Interesse und de poltsche Partzpaton nsgesamt hat auch des st aus der Lteratur bestens bekannt z.b. de Bldung. Und ebenfalls bekannt st, dass gerade den älteren Frauen überwegend kene höhere formale Bldung zutel wurde (de ältesten her betrachteten Personen wurden 1911 geboren). Es könnte daher sen, dass erstens de Altersunterschede be den Frauen gernger ausfallen, sobald wr für de Bldung kontrolleren, und zwetens, dass auch der generelle Nveauuntersched zwschen den Geschlechtern n den her untersuchten Altersgruppen gernger ausfällt, sobald für Bldung kontrollert wrd. Wollte man auch dese Zusammenhänge jewels bvarat graphsch exploreren, also z.b. Abbldungen für Männer und Frauen getrennt für verscheden Bldungsnveaus erstellen und des dann womöglch noch z.b. getrennt für Ost- und Westdeutschland erhält man ncht nur ene kaum noch überschaubare Velzahl von Abbldungen oder Tabellen, sondern man stößt auch schnell an de Grenzen der Fallzahl je mehr Merkmale bzw. Merkmalsausprägungen Berückschtgung fnden, desto gernger und wenger verlässlch wrd de Bass der Prozentuerung.
20 Enführung n de bnäre logstsche Regresson 18 Mt enem multvaraten Modell lässt sch des oftmals ökonomscher und effektver angehen. Im folgenden werden de Ergebnsse ener logstschen Regresson auf das poltsche Desnteresse m Detal dargestellt, wobe wr zunächst den Standard- Output von SPSS verwenden und erläutern. Zu desem Zweck wurden de Ausprägungen sehr stark, stark und mttel zusammengefasst und fungeren dabe als Referenzgruppe, de Ausprägungen weng und überhaupt ncht wurden mt 1 codert. Das Alter wurde n neun Indkatorvarablen umkodert, de jüngste (40-45 Jahre) fungert als Referenzgruppe; d.h. de Koeffzenten der anderen Ausprägungen snd als relatve Dfferenz zu deser Altersgruppe zu nterpreteren. 12 Begnnen wr mt dem enfachsten Fall n enem schrttwesen Modell, n dem zunächst nur Alter als unabhängge Varable aufgenommen wrd, und zwar n jenen Kategoren, de berets Abbldung 5 verwendet wurden; de ermttelten Koeffzenten lassen sch daher drekt mt den dort abgebldeten Antelen verglechen. Der Befehl seht n unserem Falle we folgt aus: LOGISTIC REGRESSION VAR=d2_11 /METHOD=ENTER agegrp9 /METHOD=ENTER sex /METHOD=ENTER bld /METHOD=ENTER exddr /CONTRAST (agegrp9)=indcator(1) /CONTRAST (sex)=indcator(1) /CONTRAST (bld)=indcator(1) /CONTRAST (exddr)=indcator(1) /CRITERIA PIN(.05) POUT(.10) ITERATE(20) CUT(.5). Nach der Nennung der abhänggen Varablen fordert de Anwesung METHOD=ENTER den Enschluss nur ener Varablen nach der anderen erst Altersgruppen ( agegrp9 ), dann Geschlecht ( sex ), Bldung ( bld ) und Befragungsort Ost-/Westdeutschland ( exddr ). De Anwesungen /CONTRAST (varable)=indcator(1) legen den Umgang mt kategoralen unabhänggen Varablen fest; wr wählen her de sog. Indkator-Kontraste. Dadurch werden für jede Ausprägung der unabhänggen Varablen automatsch Indkatorvarablen gebldet, wovon ene (her: de jewels erste) konstant mt 0, de anderen jewels mt 1 für de zutreffenden Fälle codert werden (s.u.). 12 Natürlch könnte man Alter n Jahren auch als metrsche Varable n das Modell aufnehmen, man hätte dann nur enen Koeffzenten für enen lnearen Alterseffekt (der Koeffzent gbt de Veränderung des Wahrschenlchketsverhältnsses an, wenn das Alter um en Jahr stegt, unabhängg vom konkreten Alter). Wr haben des her aber ncht getan, wel es sch we schon de Abbldungen klar gezegt haben ncht um enen lnearen Zusammenhang handelt. Zwar könnte man n desem Fall auch z.b. mt enem quadrerten Alter versuchen, sch an de emprsch beobachteten Zusammenhänge mt enem möglchst sparsamen statstschen Modell anzuschmegen, aber de Interpretaton der Modellparameter sollte mt den Altersgruppen enfacher gelngen (nsbesondere durch de drektere Verglechsmöglchket mt den deskrptven Befunden). Für de Fragestellung selbst snd des weteren natürlch auch andere Verfahren denkbar, z.b. ene ordnale logstsche Regresson.
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
MehrLineare 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:
Mehr6. 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
MehrFunktionsgleichungen 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
MehrFORMELSAMMLUNG 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
MehrNetzwerkstrukturen. 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.
MehrIch habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf.
Ich habe en Bespel ähnlch dem der Ansys-Issue [ansys_advantage_vol_ssue3.pdf durchgeführt. Es stammt aus dem Dokument Rfatgue.pdf. Abbldung 1: Bespel aus Rfatgue.pdf 1. ch habe es manuell durchgerechnet
Mehr12 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:
MehrPolygonalisierung 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
MehrStatistik 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
MehrLehrstuhl 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
MehrBeim 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.
Mehr1 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)
MehrGruppe. 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
Mehr5. 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
MehrGrundlagen 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
MehrPraktikum 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
MehrMethoden 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
MehrÜbungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen
Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen
MehrEinführung 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
Mehrwird 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
MehrFlußnetzwerke - 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
Mehr2 Zufallsvariable und Verteilungen
Zufallsvarable und Vertelungen 7 Zufallsvarable und Vertelungen Wr wollen uns jetzt mt Zufallsexpermenten beschäftgen, deren Ausgänge durch (reelle) Zahlen beschreben werden können, oder be denen man jedem
Mehr4. 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,
MehrNomenklatur - 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
MehrIonenselektive 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,
Mehr2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.
. Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen
MehrKreditrisikomodellierung 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
MehrFree 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
MehrVersicherungstechnischer 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
MehrSeminar 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
MehrQualitative Evaluation einer interkulturellen Trainingseinheit
Qualtatve Evaluaton ener nterkulturellen Tranngsenhet Xun Luo Bettna Müller Yelz Yldrm Kranng Zur Kulturgebundenhet schrftlcher und mündlcher Befragungsmethoden und hrer Egnung zur Evaluaton m nterkulturellen
MehrResultate / "states of nature" / mögliche Zustände / möglicheentwicklungen
Pay-off-Matrzen und Entschedung unter Rsko Es stehen verschedene Alternatven (Strategen) zur Wahl. Jede Stratege führt zu bestmmten Resultaten (outcomes). Man schätzt dese Resultate für jede Stratege und
MehrNernstscher Verteilungssatz
Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.
MehrAuswertung 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;
Mehr1 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:
MehrERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de
ERP Cloud SFA ECM Backup E-Commerce ERP EDI Prese erfassen www.comarch-cloud.de Inhaltsverzechns 1 Zel des s 3 2 Enführung: Welche Arten von Presen gbt es? 3 3 Beschaffungsprese erfassen 3 3.1 Vordefnerte
MehrKonkave 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
MehrMehrfachregression: Einfluss mehrerer Merkmale auf ein metrisches Merkmal. Designmatrix Bestimmtheitsmaß F-Test T-Test für einzelne Regressoren
Mehrfachregresson: Enfluss mehrerer Merkmale auf en metrsches Merkmal Desgnmatrx Bestmmthetsmaß F-Test T-Test für enzelne Regressoren Mehrfachregresson Bvarat: x b b y + = 0 ˆ k k x b x b x b b y + + +
MehrKreditpunkte-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:
MehrSei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ).
Taylorentwcklung (Approxmaton durch Polynome). Problemstellung Se T( x ) de Tangente an den Graphen der Funkton f(x) m Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Dann kann man de
MehrWechselstrom. Dr. F. Raemy Wechselspannung und Wechselstrom können stets wie folgt dargestellt werden : U t. cos (! t + " I ) = 0 $ " I
Wechselstrom Dr. F. Raemy Wechselspannung und Wechselstrom können stets we folgt dargestellt werden : U t = U 0 cos (! t + " U ) ; I ( t) = I 0 cos (! t + " I ) Wderstand m Wechselstromkres Phasenverschebung:!"
MehrVERGLEICH 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
MehrDie hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)
ZZ Lösung zu Aufgabe : Ch²-Test Häufg wrd be der Bearbetung statstscher Daten ene bestmmte Vertelung vorausgesetzt. Um zu überprüfen ob de Daten tatsächlch der Vertelung entsprechen, wrd en durchgeführt.
MehrDatenträger löschen und einrichten
Datenträger löschen und enrchten De Zentrale zum Enrchten, Löschen und Parttoneren von Festplatten st das Festplatten-Denstprogramm. Es beherrscht nun auch das Verklenern von Parttonen, ohne dass dabe
Mehr18. 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
MehrBeschreibung 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
MehrEinführung in Origin 8 Pro
Orgn 8 Pro - Enführung 1 Enführung n Orgn 8 Pro Andreas Zwerger Orgn 8 Pro - Enführung 2 Überscht 1) Kurvenft, was st das nochmal? 2) Daten n Orgn mporteren 3) Daten darstellen / plotten 4) Kurven an Daten
MehrAbbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).
44 n n F F a) b) Abbldung 3.: Besetzungszahlen enes Fermgases m Grundzustand (a)) und für ene angeregte Konfguraton (b)). 3.3 Ferm Drac Statstk In desem Abschntt wollen wr de thermodynamschen Egenschaften
Mehr1 - Prüfungsvorbereitungsseminar
1 - Prüfungsvorberetungssemnar Kaptel 1 Grundlagen der Buchführung Inventur Inventar Blanz Inventur st de Tätgket des mengenmäßgen Erfassens und Bewertens aller Vermögenstele und Schulden zu enem bestmmten
MehrBedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY)
Bedngte Entrope Kaptel : Bedngte Entrope Das vorherge Theorem kann durch mehrfache Anwendung drekt verallgemenert werden H (... H ( = Ebenso kann de bedngt Entrope defnert werden Defnton: De bedngte Entrope
Mehr13.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
MehrGrundgedanke der Regressionsanalyse
Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden
MehrErwartungswert, Varianz, Standardabweichung
RS 24.2.2005 Erwartungswert_Varanz_.mcd 4) Erwartungswert Erwartungswert, Varanz, Standardabwechung Be jedem Glücksspel nteresseren den Speler vor allem de Gewnnchancen. 1. Bespel: Setzen auf 1. Dutzend
Mehr"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
MehrZinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung
Znsesznsformel (Abschntt 1.2) 3 Investton & Fnanzerung 1. Fnanzmathematk Unv.-Prof. Dr. Dr. Andreas Löffler (AL@wacc.de) t Z t K t Znsesznsformel 0 1.000 K 0 1 100 1.100 K 1 = K 0 + K 0 = K 0 (1 + ) 2
MehrME II, Prof. Dr. T. Wollmershäuser. Kapitel 2 Das IS-LM-Modell
ME II, Prof. Dr. T. Wollmershäuser Kaptel 2 Das IS-LM-Modell Verson: 26.04.2011 2.1 Der Gütermarkt De gesamte Güternachfrage Z (Verwendung des BIP) lässt sch we folgt darstellen: Z C+ I + G ME II, Prof.
MehrAuswertung 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
Mehrd da B A Die gesamte Erscheinung der magnetischen Feldlinien bezeichnet man als magnetischen Fluss. = 1 V s = 1 Wb
S N De amte Erschenng der magnetschen Feldlnen bezechnet man als magnetschen Flss. = V s = Wb Kraftflssdchte oder magnetsche ndkton B. B d da B = Wb/m = T Für homogene Magnetfelder, we se m nneren von
Mehr1.1 Grundbegriffe und Grundgesetze 29
1.1 Grundbegrffe und Grundgesetze 9 mt dem udrtschen Temperturkoeffzenten 0 (Enhet: K - ) T 1 d 0. (1.60) 0 dt T 93 K Betrchtet mn nun den elektrschen Wderstnd enes von enem homogenen elektrschen Feld
MehrBildverarbeitung Herbstsemester 2012. Bildspeicherung
Bldverarbetung Herbstsemester 2012 Bldspecherung 1 Inhalt Bldformate n der Überscht Coderung m Überblck Huffman-Coderung Datenredukton m Überblck Unterabtastung Skalare Quantserung 2 Lernzele De wchtgsten
MehrMULTIVAC Kundenportal Ihr Zugang zur MULTIVAC Welt
MULTIVAC Kundenportal Ihr Zugang zur MULTIVAC Welt Inhalt MULTIVAC Kundenportal Enletung Errechbarket rund um de Uhr Ihre ndvduellen Informatonen Enfach und ntutv Hlfrech und aktuell Ihre Vortele m Überblck
MehrWie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?
We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de
MehrFallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum
Abgabe: Aufgabentext und Lösungen schrftlch bs zum 15. 6. 2012 I. Thema: Zehen mt und ohne Zurücklegen Lesen Se sch zunächst folgenden Text durch! Wr haben bsher Stchprobenzehungen aus Grundgesamtheten
Mehr3. 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
MehrIT- und Fachwissen: Was zusammengehört, muss wieder zusammenwachsen.
IT- und achwssen: Was zusammengehört, muss weder zusammenwachsen. Dr. Günther Menhold, regercht 2011 Inhalt 1. Manuelle Informatonsverarbetung en ntegraler Bestandtel der fachlchen Arbet 2. Abspaltung
MehrMultilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel
ultlneare Algebra und hre Anwendungen Nr. : Normalformen Verfasser: Yee Song Ko Adran Jenn Rebecca Huber Daman Hodel 9.5.7 - - ultlneare Algebra und hre Anwendungen Jordan sche Normalform Allgemene heore
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Menhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzet nach Verenbarung und nach der Vorlesung. Mathematsche und statstsche Methoden II Dr. Malte Perske perske@un-manz.de
MehrDefinition des linearen Korrelationskoeffizienten
Defnton des lnearen Korrelatonskoeffzenten r xy x y y r x xy y 1 x x y y x Der Korrelatonskoeffzent st en Indkator dafür, we gut de Punkte (X,Y) zu ener Geraden passen. Sen Wert legt zwschen -1 und +1.
MehrItemanalyse 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
MehrDie Ausgangssituation... 14 Das Beispiel-Szenario... 14
E/A Cockpt Für Se als Executve Starten Se E/A Cockpt........................................................... 2 Ihre E/A Cockpt Statusüberscht................................................... 2 Ändern
MehrStandardnormalverteilung / 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
MehrAuswertung 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;
Mehr6.5. 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
MehrWie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?
We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de
MehrStatistik und Wahrscheinlichkeitsrechnung
Statstk und Wahrschenlchketsrechnung Statstk und Wahrschenlchketsrechnung 5. Vorlesung Dr. Jochen Köhler.03.0 Statstk und Wahrschenlchketsrechnung Wchtg!!! Vorlesung Do 4.03.0 HCI G3 Übung 5 D 9.03.0 Fnk
Mehrphil omondo phil omondo Skalierung von Organisationen und Innovationen gestalten Sie möchten mehr Preise und Leistungen Workshops und Seminare
Skalerung von Organsatonen und Innovatonen gestalten phl omondo Se stehen vor dem nächsten Wachstumsschrtt hrer Organsaton oder haben berets begonnen desen aktv zu gestalten? In desem Workshop-Semnar erarbeten
MehrGrundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt
Mathematsches Insttut der Unverstät München Wntersemester 3/4 Danel Rost Lukas-Faban Moser Grundlagen der Mathematk I Lösungsvorschlag zum. Tutorumsblatt Aufgabe. a De Formel besagt, daß de Summe der umrahmten
Mehr8 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(Theoretische) Konfidenzintervalle für die beobachteten Werte: Die Standardabweichung des Messfehlers wird Standardmessfehler genannt:
(Theoretsche Konfdenzntervalle für de beobachteten Werte: De Standardabwechung des Messfehlers wrd Standardmessfehler genannt: ( ε ( 1- REL( Mt Hlfe der Tschebyscheff schen Unglechung lassen sch be bekanntem
MehrEntscheidungsprobleme der Marktforschung (1)
Prof. Dr. Danel Baer. Enführung 2. Informatonsbedarf 3. Datengewnnung 2. Informatonsbedarf Entschedungsprobleme der () Informatonsbedarf Art Qualtät Menge Informatonsbeschaffung Methodk Umfang Häufgket
MehrInstitut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban
Insttut für Stochastk Prof Dr N Bäuerle Dpl-Math S Urban Lösungsvorschlag 6 Übungsblatt zur Vorlesung Fnanzatheatk I Aufgabe Put-Call-Party Wr snd nach Voraussetzung n ene arbtragefreen Markt, also exstert
Mehr6 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.
MehrDie Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung
am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall
MehrFür 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
MehrAufgabe 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»Möglichkeiten und Grenzen der Wirkungsmessung«
»Möglchketen und Grenzen der Wrkungsmessung«18. Natonale Gesundhetsförderungs-Konferenz 19. Januar 2017, Neuenburg Prof. Dr. Alexandra Caspar caspar@fb4.fra-uas.de Fachberech 4 Sozale Arbet und Gesundhet
Mehr(2) i = 0) in Abhängigkeit des Zeitunterschieds x ZeitBus ZeitAuto für seinen Arbeitsweg.) i = 1) oder Bus ( y
5. Probt-Modelle Ökonometre II - Peter Stalder "Bnar Choce"-Modelle - Der Probt-Ansatz Ene ncht drekt beobachtbare stochastsche Varable hängt von x ab: x u 2 u ~ N(0, ( Beobachtet wrd ene bnäre Varable
MehrFranzis 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
MehrKapitel V. Parameter der Verteilungen
Kaptel V Parameter der Vertelungen D. 5.. (Erwartungswert) Als Erwartungswert ener Zufallsvarablen X bezechnet man: E( X ) : Dabe se vorausgesetzt: = = + p falls X dskret f d falls X stetg und = + p
MehrBeschreibende 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 )
MehrStreuungs-, Schiefe und Wölbungsmaße
aptel IV Streuungs-, Schefe und Wölbungsmaße B... Lagemaße von äufgketsvertelungen geben allen weng Auskunft über ene äufgketsvertelung. Se beschreben zwar en Zentrum deser Vertelung, geben aber kenen
Mehr6. Übung zur Linearen Algebra II
Unverstät Würzburg Mathematsches Insttut Prof. Dr. Peter Müller Dr. Peter Fleschmann SS 2006 30.05.2006 6. Übung zur Lnearen Algebra II Abgabe: Bs Mttwoch, 14.06.2006, 11:00 Uhr n de Brefkästen vor der
Mehrz.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel!
Aufgabe : Vorbemerkung: Ene Zufallsvarable st ene endeutge Funkton bzw. ene Abbldungsvorschrft, de angbt, auf welche Art aus enem Elementareregns ene reelle Zahl gewonnen wrd. x 4 (, ) z.b. Münzwurf: Kopf
MehrPortfoliothorie (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?
MehrBoost-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
MehrLösungen der Aufgaben zu Kapitel 2
Lösungen der Aufgaben zu Kaptel Abschntt 1 Aufgabe 1 Wr benutzen de Potenzrechenregeln, um ene Potenz von mt geradem Eponenten n oder mt ungeradem Eponenten n + 1 we folgt darzustellen: n n und n+1 n n
MehrProf. Dr. Roland Füss Statistik II SS 2008
5. Spezelle Testverfahren Zahlreche parametrsche und nchtparametrsche Testverfahren, de nach Testvertelung (Bnomal, t-test etc.), Analysezel (Anpassungs- und Unabhänggketstest) oder Konstrukton der Prüfgröße
Mehr