3 Zusammenhangsmaße Zusammenhangshypothesen
|
|
- Eike Beck
- vor 8 Jahren
- Abrufe
Transkript
1 3 Zusammenhangsmaße Zusammenhangshypothesen Zusammenhänge (zwischen 2 Variablen) misst man mittels Korrelationen. Die Wahl der Korrelation hängt ab von: a) Skalenniveau der beiden Variablen: 1) intervallskaliert (Größe, Gewicht, Längen, Rohscore, Temperatur...) 2) rang- oder ordinalskaliert (Noten, Rangreihen, Dienstgrade, Beliebtheit von Personen...) 3) nominalskaliert (Geschlecht, Bildungsgrad, Haarfarbe, Beruf...) b) Art der Variable 1) Quantitativ I) stetig wenn sie (theoretisch) unendlich viele Ausprägungen/Intervalle annehmen kann (wie Größe, Gewicht, Längen,...) II) diskret, wenn sie nur eine bestimmte, endliche Anzahl aufweist (z.b: Anzahl der Personen in einem Raum, Testscore,...). 2) Qualitativ wenn sie nur beschränkte Ausprägungen oder in Klassen zusammengefasst ist. I) Dichotom: 2 Ausprägungen (z.b: Geschlecht, Versuchs- Kontrollgruppe, Psychologie vs. Nicht-PsychologiestudentInnen II) Polytom: mehr als 2 Ausprägungen (z.b: Bildung, Haarfarbe, Beruf...) Intervallskala Rangskala Nominalskala Quantitativ stetig, diskret Qualitativ dichotom, polytom 3.1 Arten von Korrelationen Definitionen: Produktmomentkorrelation (Pearson) r xy : geht von 1 bis +1; Verwendung grundsätzlich bei intervallskalierten, quantitativen Variablen Rangkorrelation (Spearman) r`: geht von 1 bis +1; Verwendung grundsätzlich bei rangskalierten Variablen Kendall-Tau-Korrelation: ist der Spearmankorrelation sehr ähnlich, nützt aber die Ranginformation besser aus. (ebenfalls für rangskalierte Daten) Vierfelderkorrelation (phi): geht von 1 bis +1; Verwendung bei 2 nominalskalierten dichotomen (qualitativen) Variablen (z.b.: Geschlecht und Raucher/Nichtraucher) Partielle Korrelation: geht von 1 bis +1; Um den Einfluss einer möglichen dritten Variable (intervenierenden oder Störvariable) auszuschließen und die reine Korrelation zwischen den 2 gewünschten Variablen anzuzeigen. (Voraussetzung wie Pearson Korrelation) Kontingenzkoeffizient (CC): geht von bis 1; Verwendung bei 2 qualitativen Variablen, wobei mindestens eine polytom (mehrkategoriell) ist. Cramer V: geht von bis 1; ist dem CC sehr ähnlich und wird ebenfalls bei 2 qualitativen, dichotomen/polytomen Variablen verwendet. 16
2 3.2 Beispiele Beispiel 1: Pearson Korrelation zwischen Körpergröße (cm) und Gewicht (kg) Ein klassisches Beispiel: beide Variablen sind einerseits intervallskaliert (oder sogar verhältnisskaliert) und andererseits quantitativ (es gibt theoretisch unendlich viele Ausprägungen). Logischer Weise (wie aus der Praxis bekannt) sollten die beiden Variablen korrelieren. (Jemand der größer ist, ist in der Regel auch schwerer.) Analysieren Korrelation Bivariat... gewünschten 2 Variablen (hier Größe und Gewicht) hinzufügen Pearson wählen (=Produkt-Moment-Korrelation) signifikante Korrelationen markieren anklicken zweiseitig ok Die Korrelation ergibt,635, das Bestimmtheitsmaß (Korrelation zum Quadrat; selbsterrechnet) beträgt r 2 = 4%. Die zweiseitige Signifikanzprüfung ergibt eine Signifikanz von, bei einer Irrtumswahrscheinlichkeit von,1. Es besteht demnach ein mittelmäßiger signifikant positiver Zusammenhang zwischen Gewicht und Größe. Korrelationen CM KG CM Korrelation nach Pearson 1,,635 Signifikanz (2-seitig),, N KG Korrelation nach Pearson,635 1, Signifikanz (2-seitig),, N ** Die Korrelation ist auf dem Niveau von,1 (2-seitig) signifikant. Beispiel 2: Spearman Korrelation und Kendall-Tau zwischen Deutsch und Englischnote. Deutsch und Englischnote sind beide rangskaliert, daher Spearman bzw. Kendall-Tau Analysieren Korrelation Bivariat... die 2 gewünschten Variablen eingeben Spearman und Kendall-Tau wählen signifikante Korrelationen markieren anklicken zweiseitig ok Die Korrelation r`=,436 (Spearman) sowie Kendall-Tau mit τ =,373 ist mit einem p-wert von, signifikant bei α =,1. Es besteht also ein signifikanter positiver Zusammenhang zwischen Deutsch und Englischnote in beiden Korrelationen. Korrelationen DEUTSCH ENGLISCH Kendall-Tau-b DEUTSCH Korrelationskoeffizient 1,,373 Sig. (2-seitig),, N ENGLISCH Korrelationskoeffizient,373 1, Sig. (2-seitig),, N
3 Spearman-Rho DEUTSCH Korrelationskoeffizient 1,,436 Sig. (2-seitig),, N ENGLISCH Korrelationskoeffizient,436 1, Sig. (2-seitig),, N ** Korrelation ist auf dem Niveau von,1 signifikant (2-seitig). Beispiel 3: Phi (Vierfelder)korrelation Frage: Besteht ein Zusammenhang zwischen Geschlecht und der besuchten Schulform (AHS und HTL) der Versuchspersonen Lösung: 2 dichotome Variablen und nominalskaliert, Frage nach Zusammenhang Vierfelderkorrelation für unabhängige Daten. Analysieren deskriptive Statistiken Kreuztabellen eine dichotome Variable in die Zeile und eine dichotome in die Spalte Statistik Phi und Cramer-V wählen (ev. auch Korrelationen ) weiter ev. Gruppierte Balkendiagramme anzeigen ok Geschlecht * besuchte Schulform2 Kreuztabelle Anzahl besuchte Schulform Gesamt Ahs HTL Geschlecht männlich weiblich Gesamt Symmetrische Maße Nominal- bzgl. Nominalmaß Wert Asymptotischer Näherungsweises Näherungsweise Standardfehler T Signifikanz Phi -,72,136 Cramer-V,72,136 Der p-wert der Phi-Korrelation beträgt,136 (nicht signifikant); es bestehen daher keine signifikanten Zusammenhänge zwischen Geschlecht und Schulform. Beispiel 4: Kontingenzkoeffizient CC bzw. Cramer V Frage: besteht ein Zusammenhang zwischen der besuchten Schulform (Ahs, Htl, Hbla, Andere) und dem aktuellen Studiensemester (1-9) der Personen? Lösung: 2 qualitative, polytome Variablen CC bzw. Cramer V. Analysieren deskriptive Statistiken Kreuztabellen eine polytome Variable in die Zeile und eine polytome in die Spalte Statistik Kontingenzkoeffiezient und Cramer-V wählen weiter ev. Gruppierte Balkendiagramme anzeigen ok 18
4 Symmetrische Maße Wert Näherungsweise Signifikanz Nominal- bzgl. Nominalmaß Phi,179,962 Cramer-V,14,962 Kontingenzkoeffizient,176,962 Anzahl der gültigen Fälle 412 a Die Null-Hyphothese wird nicht angenommen. b Unter Annahme der Null-Hyphothese wird der asymptotische Standardfehler verwendet. Interpretation: 1) CC: Der Kontingenzkoeffiezient wird nur unkorrigiert ausgegeben! Man muss daher händisch folgende Berechnung (Korrektur) durchführen (da CC von der Größe der Tabelle abhängig ist). Nach der Korrektur geht CC von bis 1 und ist leichter interpretierbar: min( r, s) 1 1) Berechnung von C max : Cmax = wobei r die Reihen und s die Spalten der min( r, s) Tabelle sind. In unserem Beispiel gibt es 9 Zeilen und 4 Spalten. Min(r,s) ist also 4. 3 C max = =,86 4 C,176 2) Berechnung des korrigierten CC: C korr = = =, 24 C,86 Der korrigierte CC beträgt,24, bei einem p-wert von,962 (siehe Tabelle). Es besteht daher kein signifikanter Zusammenhang zwischen besuchter Schulform und Anzahl der Semester. max 2) Cramer-V: Auch der Cramer-V Wert ist mit,14 und einem p-wert von,962 nicht signifikant. Beispiel 5: Partielle Korrelation r xy.z Frage: Spielt das Alter eine Rolle in Bezug auf den Zusammenhang von Mathe- und Allgemeinwissen? Lösung: partielle Korrelation mit Alter als eventuelle Störvariable, welche eine Scheinkorrelation zwischen den beiden Variablen Mathe und Allgemeinwissen verursachen könnte. Falls das Alter keinen Einfluss auf die beiden Variablen ausübt, entspricht die partielle Korrelation ungefähr der Produktmomentkorrelation! Analysieren Korrelation Partiell die zwei gewünschten Variablen in Variablen einfügen (hier: Mathe und Allgemeinwissen) Störvariable in Kontrollvariable eingeben (hier: Alter) zweiseitig ok 19
5 - - - P A R T I A L C O R R E L A T I O N C O E F F I C I E N T S Controlling for.. ALLGW AGE (=Alter) MATHE ALLGW 1,,3613 ( ) ( 97) P=, P=, MATHE,3613 1, ( 97) ( ) P=, P=, Die partielle Korrelation ergibt eine Korrelation von r xy.z,3613 (B = 13%). Im Vergleich dazu ergibt die Produktmomentkorrelation r xy =336 (B = 11%) (Muss noch separat errechnet werden; siehe Beispiel 1!) Die beiden Korrelationen sind also numerisch fast gleich. Das Alter übt demnach keinen relevanten Einfluss auf den Zusammenhang der beiden Variablen mathematisches und allgemeines Wissen aus. Anmerkung: Würde beispielsweise nur das Alter verantwortlich für die Korrelation sein, müsste beim Konstanthalten der Variable Alter (also bei der partiellen Korrelation) der Zusammenhang verschwinden, also r xy.z gegen gehen, während bei der Produktmomentkorrelation der Scheinzusammenhang bestehen würde, da das Alter nicht berücksichtigt wird. 2
6 4 Die einfache/multiple lineare Regression (vgl. Bortz S.174, Statistik for you S. 16) 4.1 Zweck der Regression: 1. Funktionalen Zusammenhang zwischen einer oder mehreren unabhängigen Variablen (UV) oder X und der abhängigen (AV) bzw. Y Variablen untersuchen. (vgl. Korrelation) 2. Untersuchung, ob von bestimmten Prädiktoren (X) auf die Variable Y geschlossen werden kann. (Werte prognostizieren bzw. vorhersagen) z.b.: Prädiktoren X: Geschlecht, Gewicht, Ausdauer, Alter Frage: Kann aufgrund dieser Prädiktoren die AV Sauerstoffverbrauch gut geschätzt bzw. vorausgesagt werden? 4.2 Stichworte: 1. Residuen: sind die Schätzfehler. Also die Differenz der geschätzten AV ( ŷ ) und der wahren AV (y): y ˆ i yi = ei = Re siduum wenn alle y ˆ i yi = ei dann ist die Regression sehr gut ausgefallen und der Zusammenhang der Prädiktoren und der AV ist hoch. 2. Regressionsgleichung y = x + x + x k k vgl. y = kx+d (lineare Funktion) wobei...konstante (der Abstand vom Ursprung zur Regressionsgeraden auf der y-achse; die Höhenlage der Regressionsgeraden (alternativ: d oder a yx )) (unbekannt!) 1, 2,... k...die Regressionskoeffizienten (alternativ: k oder b yx ) der Prädiktoren X (unbekannt!) x 1, x2,..., xk...die Unabhängigen Variablen, Prädiktorvariablen oder UV y...kriteriumsvariable oder AV Merke: verschiedene Bezeichnungen für : Statistik 1 SPSS Lineare Funktion Regressionskoeffizienten der b yx,,... k k (Steigung) 1 2 k Prädiktoren b = 1...k Konstante (Höhenlage der a yx, Intercept oder d (Konstante) Regressionsgeraden) Konstante Prädiktoren X Unabhängige bzw. X X= 1...n Einflussvariablen Kriterium Y Abhängige Variable Y = f(x) 21
7 3. Regressionsgerade Mit der Regressionsgeraden wird der Trend festgelegt, der die Punkte am besten beschreibt. Sie wird durch den Punkteschwarm so gelegt, dass die Abweichungen (Residuen) der einzelnen XY-Punkte zur Regressionsgerade ein Minimum werden. Da die Summe der positiven und negativen Residuen sich aber aufheben können, könnte es auch mehrere Regressionsgeraden geben (nicht eindeutig!). Daher soll die Summe der quadrierten Abweichungen (Residuen) ein Minimum ergeben. Schätzmethode: Ordinary least squares (Kleinste Quadrate Schätzung) Beispiel: 27 Personen, X-Achse: Gewicht (kg), Y-Achse: Körpergröße (cm) a yx : 124,563 b yx :,723 Eine Person die 6 Kilo wiegt ist laut dieser Regressionsgleichung wie groß?...wir setzten ein Y = kx + d y = 124,563 +,723 6 y = 167,943 Die Person ist dem Regressionsmodell zufolge ca. 168 cm groß. Eine positive Steigung bedeutet, dass die y-werte bei steigenden x-werten ebenfalls größer werden. (bei negativer Steigung umgekehrt) 22
8 4.3 Theoretisches Beispiel Frage: Kann aufgrund Geschlecht, Gewicht, Alter, Ausdauer auf den Sauerstoffverbrauch einer Person geschlossen werden? AV: Sauerstoffverbrauch UV: Geschlecht, Alter, Gewicht, Ausdauer Regressionsgleichung: Sauerstoffverbr. y= + 1 Geschlecht + 2 Alter + 3 Gewicht + 4 Ausdauer Die Regressionskoeffizienten ˆ (=Schätzer) werden geschätzt und es wird überprüft, welche ˆ optimal sind d.h. welche ˆ signifikante Einflüsse auf AV haben. Durch Einsetzen der Schätzer in das Regressionsmodell erhält man schließlich die geschätzte AV: Yˆ (geschätzter Sauerstoffverbrauch) 4.4 Praktisches Beispiel Frage: Kann aufgrund der Variablen Körpergröße der Mutter bzw. Körpergröße des Vaters auf die Körpergröße der Kinder geschlossen werden? AV: Körpergröße (des Kindes) UV: Körpergröße Mutter, Körpergröße Vater Regressionsgleichung: Körpergröße (y) = + 1iGröße _ Mutter + 2i Größe _ Vater Analysieren Regression Linear... in abhängige Variable die gewünschten AV einfügen (hier: Körpergröße des Kindes) in unabhängige Variable(n) die gewünschte(n) UV einfügen (hier: Körpergröße Mutter bzw. Vater) bei Methode schrittweise wählen Statistiken... Schätzer und Anpassungsgüte des Modells anklicken ok Tabelle 1: Modellzusammenfassung Modell R R-Quadrat Korrigiertes R-Quadrat Standardfehler des Schätzers 1,534,285,284 8,53 2,66,367,364 8,4 a Einflußvariablen : (Konstante), CM_M b Einflußvariablen : (Konstante), CM_M, CM_V Tabelle 2: ANOVA Modell Quadratsumme df Mittel der Quadrate F Signifikanz 1 Regression 11914, ,14 163,647, Residuen 29849, ,84 Gesamt 41763, Regression 15341, , ,742, Residuen 26421, ,61 Gesamt 41763, a Einflußvariablen : (Konstante), CM_M b Einflußvariablen : (Konstante), CM_M, CM_V c Abhängige Variable: CM 23
9 Tabelle 3: Koeffizienten Nicht standardisierte Standardisierte T Signifikanz Koeffizienten Koeffizienten Modell B Standardfehler Beta 1 (Konstante) 58,682 9,183 6,39, CM_M,78,55,534 12,792, 2 (Konstante) 21,889 1,17 2,185,29 CM_M,512,59,386 8,725, CM_V,393,54,322 7,284, a Abhängige Variable: CM Interpretation: Die Regression wurde schrittweise gewählt, d.h. die Prädiktoren werden der Reihe nach zur Gleichung hinzugefügt. Zuerst wird die Gleichung mit Prädiktor 1 (Modell 1 in den Tabellen) aufgestellt, im Modell 2 kommt der 2. Prädiktor in die Gleichung hinzu. 1) Tabelle 1: Modellprüfung! korrigiertes R-Quadrat (korrigiertes Bestimmtheitsmaß): Wird zur Modellprüfung herangezogen (also wie gut ist die Regression, wie gut ist der Zusammenhang zwischen UV und AV; wie sinnvoll ist es, die Regression anzuwenden) Zeigt den Anteil der erklärten Varianz von Y (hier: Größe) durch die Prädiktoren an (hier: Größe Vater bzw. Mutter). Modell 1 (also nur die Größe der Mutter) erklärt 28,5% der Varianz Modell 2: kommt die Größe des Vaters als Prädiktor noch dazu wird 36,7% der Varianz erklärt. 1-36,7% = 63,3% unerklärte Varianz (Schätzfehler) bleiben jedoch noch offen. Das Modell ist daher nicht sehr gut! Es fehlen also noch weitere wichtige/relevante Prädiktoren. 2) Tabelle 2: Modellprüfung! F-Wert: wird ebenfalls zur Modellprüfung herangezogen Die Hypothesen lauten: H : ˆ ˆ... ˆ = 1 = = k = (also alle Regressionskoeffizienten sind Null, sie sind also schlechte Prädiktoren bzw. Konstante) H : ˆ 1 j (also mindestens ein ist nicht ; min. ein Prädiktor beschreibt die AV gut) Die F-Werte sind in beiden Modellen signifikant mit den p-werten von,. Die Alternativhypothese wird angenommen. Das Modell ist daher sinnvoll, weil die Körpergröße von Vater und Mutter einen Einfluss auf AV (Größe Person) hat. 3) Tabelle 3: Regressionskoeffizienten! (b yx, a yx ) Folgende 2 Hypothesen für jeden einzelnen Koeffizienten 24 ˆ j :
10 H : ˆ j = (also der Regressionskoeffizient ist Null) H : ˆ 1 j (der Koeffizient ist ungleich Null) Wenn ˆ signifikant ungleich von ist dann ist der zugehörige Prädiktor X eine j gute/sinnvolle Vorhersage für Y. (Gemessen mit der Prüfgröße t = S tan dardfehler Folgende Koeffizienten sind aus der Tabelle ablesbar: Unter Konstante wird das a yx dargestellt (also die Höhenlage der Regressionsgeraden) Unter CM_M (Größe der Mutter) wird der Koeffizient b y1 des ersten Prädiktors abgebildet. Unter CM_V (Größe des Vaters) wird der Koeffizient b y2 des zweiten Prädiktors abgebildet. Aus Tabelle 3 kann man entnehmen dass alle Koeffizienten der Prädiktoren signifikante p- Werte aufweisen. (Konstante: p =,29; CM_M: p =,; CM_V: p =,) Die Prädiktoren Größe des Vaters bzw. der Mutter sind demnach sinnvolle Schätzer für die abhängige Variable Größe der Person. Händische Berechnung zur Veranschaulichung: Die Regressionsgleichung wird wie folgt aufgestellt: ) Körpergröße (y) = + 1Größe _ Mutter + 2Größe _ Vater oder (wie in Statistik 1) Körpergröße (y) = a yx + b Größe _ Mutter by2größe _ Vater y1 + Die Größe einer Person, dessen Mutter 162 cm und Vater 184 cm groß ist, kann aufgrund der Regressionsgleichung geschätzt werden. Eingesetzt werden folgende Werte aus Tabelle 3: = 21,889 (vgl. a yx ) 1=,512 (vgl. b y1 ) =,393 (vgl. b y2 ) 2 Körpergröße (y) = 21, *, *,393 Körpergröße = 177,145 Aufgrund der Regressionsgleichung ist die Person ca. 177 cm groß. Die wahre Größe dieser Person ist 178 (aus den Daten entnommen). Das Residuum ( wahrer Wert minus Schätzer) ist demnach ,145 =,855. (Die Regressionsgleichung ist umso besser, je kleiner die Residuen werden.) y yˆ 25
11 Variationen: Speichern der vorhergesagten Werte ( ŷ ): Speichern vorhergesagte Werte nicht standardisiert anklicken weiter Speichern der Residuen ( uˆ = y yˆ): Speichern Residuen nicht standardisiert anklicken weiter 26
Korrelation - Regression. Berghold, IMI
Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines
MehrKontingenzkoeffizient (nach Pearson)
Assoziationsmaß für zwei nominale Merkmale misst die Unabhängigkeit zweier Merkmale gibt keine Richtung eines Zusammenhanges an 46 o jl beobachtete Häufigkeiten der Kombination von Merkmalsausprägungen
MehrEinfache statistische Auswertungen mit dem Programm SPSS
Einfache statistische Auswertungen mit dem Programm SPSS Datensatz: fiktive_daten.sav Dipl. Päd. Anne Haßelkus Dr. Dorothea Dette-Hagenmeyer 11/2011 Überblick 1 Deskriptive Statistiken; Mittelwert berechnen...
MehrQuantitative Methoden der Bildungsforschung
Glieung Wieholung Korrelationen Grundlagen lineare Regression Lineare Regression in SPSS Übung Wieholung Korrelationen Standardisiertes Zusammenhangsmaß (unstandardisiert: Kovarianz) linearer Zusammenhang
MehrFortgeschrittene Statistik Logistische Regression
Fortgeschrittene Statistik Logistische Regression O D D S, O D D S - R A T I O, L O G I T T R A N S F O R M A T I O N, I N T E R P R E T A T I O N V O N K O E F F I Z I E N T E N, L O G I S T I S C H E
MehrMultiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren)
Multiple Regression 1 Was ist multiple lineare Regression? Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Annahme: Der Zusammenhang
MehrDas Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear":
Lineare Regression Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear": Im einfachsten Fall werden mehrere Prädiktoren (oder nur
MehrAuswerten mit Excel. Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro
Auswerten mit Excel Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro 1. Pivot-Tabellen erstellen: In der Datenmaske in eine beliebige Zelle klicken Registerkarte Einfügen
MehrModul G.1 WS 07/08: Statistik 17.01.2008 1. Die Korrelation ist ein standardisiertes Maß für den linearen Zusammenhangzwischen zwei Variablen.
Modul G.1 WS 07/08: Statistik 17.01.2008 1 Wiederholung Kovarianz und Korrelation Kovarianz = Maß für den linearen Zusammenhang zwischen zwei Variablen x und y Korrelation Die Korrelation ist ein standardisiertes
MehrProfil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8
1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen
MehrVarianzanalyse (ANOVA: analysis of variance)
Varianzanalyse (AOVA: analysis of variance) Einfaktorielle VA Auf der Basis von zwei Stichproben wird bezüglich der Gleichheit der Mittelwerte getestet. Variablen müssen Variablen nur nominalskaliert sein.
MehrWebergänzung zu Kapitel 10
Webergänzung zu Kapitel 10 10.1.4 Varianzanalyse (ANOVA: analysis of variance) Im Kapitel 10 haben wir uns hauptsächlich mit Forschungsbeispielen beschäftigt, die nur zwei Ergebnissätze hatten (entweder
Mehr3. LINEARE GLEICHUNGSSYSTEME
176 3. LINEARE GLEICHUNGSSYSTEME 90 Vitamin-C-Gehalt verschiedener Säfte 18,0 mg 35,0 mg 12,5 mg 1. a) 100 ml + 50 ml + 50 ml = 41,75 mg 100 ml 100 ml 100 ml b) : Menge an Kirschsaft in ml y: Menge an
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrTutorial: Homogenitätstest
Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite
MehrInhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1
Inhaltsverzeichnis Regressionsanalyse... 2 Lernhinweise... 2 Einführung... 2 Theorie (1-8)... 2 1. Allgemeine Beziehungen... 3 2. 'Best Fit'... 3 3. 'Ordinary Least Squares'... 4 4. Formel der Regressionskoeffizienten...
MehrStatistische Auswertung:
Statistische Auswertung: Die erhobenen Daten mittels der selbst erstellten Tests (Surfaufgaben) Statistics Punkte aus dem Punkte aus Surftheorietest Punkte aus dem dem und dem Surftheorietest max.14p.
MehrStandardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14.
Aufgabe : einfacher T-Test Statistik bei einer Stichprobe Standardfehl Standardab er des Mittelwert weichung Mittelwertes 699 39.68 76.59 2.894 Test bei einer Sichprobe Testwert = 45.5 95% Konfidenzintervall
MehrLineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrIn konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert.
Konstante Modelle: In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert. Der prognostizierte Wert für die Periode T+i entspricht
Mehra) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten.
Statistik für Kommunikationswissenschaftler Wintersemester 2009/200 Vorlesung Prof. Dr. Helmut Küchenhoff Übung Cornelia Oberhauser, Monia Mahling, Juliane Manitz Thema 4 Homepage zur Veranstaltung: http://www.statistik.lmu.de/~helmut/kw09.html
MehrKorrelation. Übungsbeispiel 1. Übungsbeispiel 4. Übungsbeispiel 2. Übungsbeispiel 3. Korrel.dtp Seite 1
Korrelation Die Korrelationsanalyse zeigt Zusammenhänge auf und macht Vorhersagen möglich Was ist Korrelation? Was sagt die Korrelationszahl aus? Wie geht man vor? Korrelation ist eine eindeutige Beziehung
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 9B a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Man kann erwarten, dass der Absatz mit steigendem Preis abnimmt, mit höherer Anzahl der Außendienstmitarbeiter sowie mit erhöhten
MehrVorkurs Mathematik Übungen zu Polynomgleichungen
Vorkurs Mathematik Übungen zu en 1 Aufgaben Lineare Gleichungen Aufgabe 1.1 Ein Freund von Ihnen möchte einen neuen Mobilfunkvertrag abschließen. Es gibt zwei verschiedene Angebote: Anbieter 1: monatl.
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de
MehrWillkommen zur Vorlesung Statistik
Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrBachelorabschlussseminar Dipl.-Kfm. Daniel Cracau
1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank
MehrRepetitionsaufgaben Wurzelgleichungen
Repetitionsaufgaben Wurzelgleichungen Inhaltsverzeichnis A) Vorbemerkungen B) Lernziele C) Theorie mit Aufgaben D) Aufgaben mit Musterlösungen 4 A) Vorbemerkungen Bitte beachten Sie: Bei Wurzelgleichungen
MehrMETHODENLEHRE I WS 2013/14 THOMAS SCHÄFER
METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede
Mehr5 Zusammenhangsmaße, Korrelation und Regression
5 Zusammenhangsmaße, Korrelation und Regression 5.1 Zusammenhangsmaße und Korrelation Aufgabe 5.1 In einem Hauptstudiumsseminar des Lehrstuhls für Wirtschafts- und Sozialstatistik machten die Teilnehmer
MehrÜbungen zur Veranstaltung Statistik 2 mit SPSS
Raum 22, Tel. 39 4 Aufgabe 5. Wird der neue Film MatchPoint von Woody Allen von weiblichen und männlichen Zuschauern gleich bewertet? Eine Umfrage unter 00 Kinobesuchern ergab folgende Daten: Altersgruppe
MehrÜberblick über die Verfahren für Ordinaldaten
Verfahren zur Analyse ordinalskalierten Daten 1 Überblick über die Verfahren für Ordinaldaten Unterschiede bei unabhängigen Stichproben Test U Test nach Mann & Whitney H Test nach Kruskal & Wallis parametrische
MehrAngewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen. Das folgende Modell ist ein GARCH(1,1)-Modell:
Angewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen LV-Leiterin: Univ.Prof.Dr. Sylvia Frühwirth-Schnatter 1 Wahr oder falsch? 1. Das folgende Modell ist ein GARCH(1,1)-Modell: Y
MehrKommentierter SPSS-Ausdruck zur logistischen Regression
Daten: POK V AG 3 (POKV_AG3_V07.SAV) Kommentierter SPSS-Ausdruck zur logistischen Regression Fragestellung: Welchen Einfluss hat die Fachnähe und das Geschlecht auf die interpersonale Attraktion einer
MehrName (in Druckbuchstaben): Matrikelnummer: Unterschrift:
20-minütige Klausur zur Vorlesung Lineare Modelle im Sommersemester 20 PD Dr. Christian Heumann Ludwig-Maximilians-Universität München, Institut für Statistik 2. Oktober 20, 4:5 6:5 Uhr Überprüfen Sie
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
MehrGleichungen und Ungleichungen
Gleichungen Ungleichungen. Lineare Gleichungen Sei die Gleichung ax = b gegeben, wobei x die Unbekannte ist a, b reelle Zahlen sind. Diese Gleichung hat als Lösung die einzige reelle Zahl x = b, falls
Mehr90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft
Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 1 Zwei Gleichungen mit zwei Unbekannten Es kommt häufig vor, dass man nicht mit einer Variablen alleine auskommt, um ein Problem zu lösen. Das folgende Beispiel soll dies verdeutlichen
MehrDokumentation. estat Version 2.0
Dokumentation estat Version 2.0 Installation Die Datei estat.xla in beliebiges Verzeichnis speichern. Im Menü Extras AddIns... Durchsuchen die Datei estat.xla auswählen. Danach das Auswahlhäkchen beim
MehrAbituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler
MehrDatenanalyse mit Excel. Wintersemester 2013/14
Datenanalyse mit Excel 1 KORRELATIONRECHNUNG 2 Korrelationsrechnung Ziel der Korrelationsrechnung besteht im bivariaten Fall darin, die Stärke des Zusammenhangs zwischen zwei interessierenden statistischen
MehrUmgekehrte Kurvendiskussion
Umgekehrte Kurvendiskussion Bei einer Kurvendiskussion haben wir eine Funktionsgleichung vorgegeben und versuchen ihre 'Besonderheiten' herauszufinden: Nullstellen, Extremwerte, Wendepunkte, Polstellen
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrB. Heger / R. Prust: Quantitative Methoden der empirischen Sozialforschung (Master Modul 1.3)
B. Heger / R. Prust: Quantitative Methoden der empirischen Sozialforschung (Master Modul 1.3) Übung 1 (mit SPSS-Ausgabe) 1. Erstellen Sie eine einfache Häufigkeitsauszählung der Variable V175 ( des/der
MehrGleichungen Lösen. Ein graphischer Blick auf Gleichungen
Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term
MehrAllgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse
Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse Univariate Varianz- und Kovarianzanlyse, Multivariate Varianzanalyse und Varianzanalyse mit Messwiederholung finden sich unter
MehrDie Näherung durch die Sekante durch die Punkte A und C ist schlechter, da der Punkt C weiter von A entfernt liegt.
LÖSUNGEN TEIL 1 Arbeitszeit: 50 min Gegeben ist die Funktion f mit der Gleichung. Begründen Sie, warum die Steigung der Sekante durch die Punkte A(0 2) und C(3 11) eine weniger gute Näherung für die Tangentensteigung
MehrEinfache Varianzanalyse für abhängige
Einfache Varianzanalyse für abhängige Stichproben Wie beim t-test gibt es auch bei der VA eine Alternative für abhängige Stichproben. Anmerkung: Was man unter abhängigen Stichproben versteht und wie diese
MehrPfadanalyse. 1. Grundlegende Verfahren. Bacher, SoSe2007
Pfadanalyse Bacher, SoSe2007 1. Grundlegende Verfahren Explorative Pfadanalyse: Kausale Beziehungen zwischen Variablen werden aufgedeckt, erforderlich ist eine kausale Anordnung der Variablen. Konfirmatorische
MehrStellen Sie bitte den Cursor in die Spalte B2 und rufen die Funktion Sverweis auf. Es öffnet sich folgendes Dialogfenster
Es gibt in Excel unter anderem die so genannten Suchfunktionen / Matrixfunktionen Damit können Sie Werte innerhalb eines bestimmten Bereichs suchen. Als Beispiel möchte ich die Funktion Sverweis zeigen.
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrErstellen von x-y-diagrammen in OpenOffice.calc
Erstellen von x-y-diagrammen in OpenOffice.calc In dieser kleinen Anleitung geht es nur darum, aus einer bestehenden Tabelle ein x-y-diagramm zu erzeugen. D.h. es müssen in der Tabelle mindestens zwei
MehrDas Mathematik-Abitur im Saarland
Informationen zum Abitur Das Mathematik-Abitur im Saarland Sie können Mathematik im Abitur entweder als grundlegenden Kurs (G-Kurs) oder als erhöhten Kurs (E-Kurs) wählen. Die Bearbeitungszeit für die
MehrDer monatliche Tarif für ein Handy wurde als lineare Funktion der Form f(x) = k x + d modelliert (siehe Grafik).
1) Handytarif Der monatliche Tarif für ein Handy wurde als lineare Funktion der Form f(x) = k x + d modelliert (siehe Grafik). Euro Gesprächsminuten Tragen Sie in der folgenden Tabelle ein, welche Bedeutung
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrSo gehts Schritt-für-Schritt-Anleitung
So gehts Schritt-für-Schritt-Anleitung Software WISO Mein Büro Thema Eigene Auswertungen, Tabellenauswertungen Version/Datum V 13.00.05.101 Über die Tabellen-Auswertungen ist es möglich eigene Auswertungen
MehrBinäre abhängige Variablen
Binäre abhängige Variablen Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Einführung Oft wollen wir qualitative Variablen
Mehr1. Einführung. 2. Alternativen zu eigenen Auswertungen. 3. Erstellen eigener Tabellen-Auswertungen
1. Einführung Über die Tabellen-Auswertungen können Sie eigene Auswertungen nach Ihren Wünschen erstellen. Diese Auswertungen werden immer anhand der aktuellen Daten aus orgamax ermittelt, Sie können also
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder
MehrDownload. Mathematik üben Klasse 8 Funktionen. Differenzierte Materialien für das ganze Schuljahr. Jens Conrad, Hardy Seifert
Download Jens Conrad, Hard Seifert Mathematik üben Klasse 8 Funktionen Differenzierte Materialien für das ganze Schuljahr Downloadauszug aus dem Originaltitel: Mathematik üben Klasse 8 Funktionen Differenzierte
MehrMathematik. UND/ODER Verknüpfung. Ungleichungen. Betrag. Intervall. Umgebung
Mathematik UND/ODER Verknüpfung Ungleichungen Betrag Intervall Umgebung Stefan Gärtner 004 Gr Mathematik UND/ODER Seite UND Verknüpfung Kommentar Aussage Symbolform Die Aussagen Hans kann schwimmen p und
Mehr2. Korrelation, lineare Regression und multiple Regression
multiple 2.2 Lineare 2.2 Lineare 1 / 130 2.2 Lineare 2 / 130 2.1 Beispiel: Arbeitsmotivation Untersuchung zur Motivation am Arbeitsplatz in einem Chemie-Konzern 25 Personen werden durch Arbeitsplatz zufällig
MehrZusammenhänge zwischen metrischen Merkmalen
Zusammenhänge zwischen metrischen Merkmalen Darstellung des Zusammenhangs, Korrelation und Regression Daten liegen zu zwei metrischen Merkmalen vor: Datenpaare (x i, y i ), i = 1,..., n Beispiel: x: Anzahl
MehrACDSee 10. ACDSee 10: Fotos gruppieren und schneller durchsuchen. Was ist Gruppieren? Fotos gruppieren. Das Inhaltsverzeichnis zum Gruppieren nutzen
In diesem Tutorial erfahren Sie, wie man Fotos gruppiert. Mit der Option "Gruppieren nach" werden die Fotos in der Dateiliste nach Gruppen geordnet. Wenn Sie beispielsweise auf "Bewertung" klicken, werden
MehrAustausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen
Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:
MehrHäufigkeitstabellen. Balken- oder Kreisdiagramme. kritischer Wert für χ2-test. Kontingenztafeln
Häufigkeitstabellen Menüpunkt Data PivotTable Report (bzw. entsprechendes Icon): wähle Data Range (Zellen, die die Daten enthalten + Zelle mit Variablenname) wähle kategoriale Variable für Spalten- oder
MehrAnalog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table("c:\\compaufg\\kredit.
Lösung 16.3 Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit
MehrKapitalerhöhung - Verbuchung
Kapitalerhöhung - Verbuchung Beschreibung Eine Kapitalerhöhung ist eine Erhöhung des Aktienkapitals einer Aktiengesellschaft durch Emission von en Aktien. Es gibt unterschiedliche Formen von Kapitalerhöhung.
MehrV 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,
Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen
MehrBerechnungen in Access Teil I
in Access Teil I Viele Daten müssen in eine Datenbank nicht eingetragen werden, weil sie sich aus anderen Daten berechnen lassen. Zum Beispiel lässt sich die Mehrwertsteuer oder der Bruttopreis in einer
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
Mehr9. Schätzen und Testen bei unbekannter Varianz
9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,
Mehr6.2 Scan-Konvertierung (Scan Conversion)
6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster
MehrCodierungsverfahren SS 2011. Reed-Solomon-Codes zur Mehrblock-Bündelfehler-Korrektur
Reed-Solomon-Codes zur Mehrblock-Bündelfehler-Korrektur Wie die zyklischen BCH-Codes zur Mehrbitfehler-Korrektur eignen sich auch die sehr verwandten Reed-Solomon-Codes (= RS-Codes) zur Mehrbitfehler-Korrektur.
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungsfreie Verfahren Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrKapitel 23 Lineare Regression
Kapitel 23 Lineare Regression Sowohl einfache als auch multiple Regressionsanalysen können Sie mit dem Befehl STATISTIK REGRESSION LINEAR... durchführen. Dabei lassen sich mit Hilfe diverser Optionen zahlreiche
MehrZahlen auf einen Blick
Zahlen auf einen Blick Nicht ohne Grund heißt es: Ein Bild sagt mehr als 1000 Worte. Die meisten Menschen nehmen Informationen schneller auf und behalten diese eher, wenn sie als Schaubild dargeboten werden.
MehrStatistische Thermodynamik I Lösungen zur Serie 1
Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen
MehrName: Klasse: Datum: Klassenarbeit Wachstumsvorgänge Kl10-Gruppe B
Name: Klasse: Datum: Teil B Klassenarbeit Wachstumsvorgänge Kl0-Gruppe B. Gegeben ist die Exponentialfunktion y=f x =0.8 2 x ; x R. (9P) a) Geben Sie die folgenden Eigenschaften dieser Funktion an! Wertebereich,
MehrLösung. Prüfungsteil 1: Aufgabe 1
Zentrale Prüfung 01 Lösung Diese Lösung wurde erstellt von Cornelia Sanzenbacher. Sie ist keine offizielle Lösung des Ministeriums für Schule und Weiterbildung des Landes. Prüfungsteil 1: Aufgabe 1 a)
MehrAbschlussprüfung Realschule Bayern II / III: 2009 Haupttermin B 1.0 B 1.1
B 1.0 B 1.1 L: Wir wissen von, dass sie den Scheitel hat und durch den Punkt läuft. Was nichts bringt, ist beide Punkte in die allgemeine Parabelgleichung einzusetzen und das Gleichungssystem zu lösen,
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
Mehr1. Allgemeine Hinweise Alexander.Martin.Koenig@TU-Clausthal.de
1. Allgemeine Hinweise Alexander.Martin.Koenig@TU-Clausthal.de Man sollte eine Excel-Tabelle immer so übersichtlich wie möglich halten. Dazu empfiehlt es sich, alle benötigten Daten, Konstanten und Messwerte
MehrTangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:
Tangentengleichung Wie Sie wissen, gibt die erste Ableitung einer Funktion deren Steigung an. Betrachtet man eine fest vorgegebene Stelle, gibt f ( ) also die Steigung der Kurve und somit auch die Steigung
MehrMathematischer Vorbereitungskurs für Ökonomen
Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Gleichungen Inhalt: 1. Grundlegendes 2. Lineare Gleichungen 3. Gleichungen mit Brüchen
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrDas große ElterngeldPlus 1x1. Alles über das ElterngeldPlus. Wer kann ElterngeldPlus beantragen? ElterngeldPlus verstehen ein paar einleitende Fakten
Das große x -4 Alles über das Wer kann beantragen? Generell kann jeder beantragen! Eltern (Mütter UND Väter), die schon während ihrer Elternzeit wieder in Teilzeit arbeiten möchten. Eltern, die während
MehrExcel Pivot-Tabellen 2010 effektiv
7.2 Berechnete Felder Falls in der Datenquelle die Zahlen nicht in der Form vorliegen wie Sie diese benötigen, können Sie die gewünschten Ergebnisse mit Formeln berechnen. Dazu erzeugen Sie ein berechnetes
Mehr0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )
Aufgabe 65. Ganz schön span(n)end. Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 aus Aufgabe P 6: M = v =, v =, v =, v 4 =, v 5 =, v 6 = Welche der folgenden Aussagen sind wahr? span(v,
MehrMathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011
Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h
MehrHauptprüfung Abiturprüfung 2015 (ohne CAS) Baden-Württemberg
Hauptprüfung Abiturprüfung 205 (ohne CAS) Baden-Württemberg Wahlteil Analysis Hilfsmittel: GTR und Formelsammlung allgemeinbildende Gymnasien Alexander Schwarz www.mathe-aufgaben.com März 205 Aufgabe A
Mehr