Box-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8

Größe: px
Ab Seite anzeigen:

Download "Box-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8"

Transkript

1 . Aufgabe: Für zwei verschiedene Aktien wurde der relative Kurszuwachs (in % beobachtet. Aus den jeweils 20 Quartaldaten ergaben sich die folgenden Box-Plots. Box-and-Whisker Plot Aktie Aktie 2-0,2 0,8,8 2,8,8 4,8 Vergleichen Sie die Box-Plots der relativen Kurszuwächse der beiden Aktien bezüglich der Lage und der Streuung. Welche Gründe sprechen, aufgrund der Box-Plots dafür, sich für die Aktie zu entscheiden, und welche dagegen? Bei der Aktie sind meistens geringere relative Kurszuwächse beobachtet worden als bei der Aktie 2. So liegt der maximale Wert bei Aktie unter dem Median von Aktie 2. Die Streuung (der relativen Kurszuwächse ist bei der Aktie deutlich geringer als bei der Aktie 2. Für die Aktie spricht die geringere Streuung, sie ist aus dieser Sicht also sicherer. Jedoch sind bei der Aktie geringere relative Kurszuwächse zu erwarten. 2. Aufgabe: Die zufällige wöchentliche Rendite einer Aktie sei mit X bezeichnet. Man kann annehmen, dass diese Rendite normalverteilt ist mit Erwartungswert 0,5% und Standardabweichung 2,5%. (a Wie groß ist die Wahrscheinlichkeit, dass die wöchentliche Rendite über % liegt? (b In welchem Intervall symmetrisch zum Erwartungswert liegt die wöchentliche Rendite mit einer Wahrscheinlichkeit von 0,9? X N (0, 5; 2, 5 2, d.h. EX = µ = 0, 5 und VarX = σ = 2, 5. (a P (X > = ( X µ P > 0, 5 σ 2, 5 = P (Z > 0, 2 = P (Z 0, 2 Z N (0, = Φ(0, 2 = 0, 579 = 0, 42

2 (b P (µ k < X < µ + k = 0, 9 ( ( k k Φ Φ = 0, 9 2, 5 2, 5 ( k 2 Φ = 0, 9 2, 5 ( k Φ = 0, 95 2, 5 k 2, 5 = z 0,95 =, 64 = k = 4, Intervall: [µ k; µ + k] = [, 6 ; 4, 6]. Aufgabe: Die folgende Tabelle zeigt die 5 größten Länder in der Produktion von Naturdiamanten in den Jahren 2000 und (Angaben in 000 Karat Land Russland Kongo 7,5,5. Botswana 24,5 2,5 4. Australien 26,5 5,5 5. Kanada 2,5 5 Der Ginikoeffizient im Jahr 2008 ist 0,86. Bestimmen Sie den Ginikoeffizienten für das Jahr Interpretieren Sie kurz die Veränderung des Gini-Koeffizienten vom Jahr 2000 auf das Jahr G = n ( i x i i x k k= v i 2,5 2,5 0, ,5 20 0,200 24,5 44,5 0, ,5 7 0, ,000 vi = 2, v i i= = (2 2, 8 = 0, Der Ginikoeffizient war im Jahr ,248 und hat sich im Jahr 2008 auf 0,86 verringert. Die Konzentration hat also abgenommen. Die Verteilung der Anteile der 5 Länder kommt einer Gleichverteilung (G=0 näher.

3 4. Aufgabe: Eine Versicherung teilt die Kunden in Risikoklassen ein. In der ersten Risikoklasse sind 50% der Kunden, in der zweiten 0%, und die restlichen 20% befinden sich in der. Risikoklasse. Innerhalb eines Jahres tritt ein Schaden bei Kunden in der ersten Risikoklasse mit einer Wahrscheinlichkeit von 0,00, in der zweiten mit einer Wahrscheinlichkeit von 0,05 und in der dritten mit einer Wahrscheinlichkeit von 0, ein. (a Unter allen Kunden wird einer ausgewählt. Wie groß ist die Wahrscheinlichkeit, dass bei diesem Kunden ein Schaden eintritt? (b Bei einem der Kunden ist ein Schaden eingetreten. Wie groß ist die Wahrscheinlichkeit, dass der Kunde zur 2. Risikoklasse gehört? A i - Risikoklasse i, i =,.., : P (A = 0, 5, P (A 2 = 0, und P (A = 0, 2. S - Schaden: P (S A = 0, 00; P (S A 2 = 0, 05 und P (S A = 0,. (a (b P (S = P (S A i P (A i i= = 0, 5 0, , 0, , 2 0, = 0, 055 d.h., 55%. P (A 2 S = P (S A 2 P (A 2 P (S 0, 05 0, = = 0, 4225 d.h. 42, 25%. 0, Aufgabe: Auf einem Markt von 27 Unternehmen befinden sich 7 innovative Unternehmen. Drei der 27 Unternehmen sollen mit einem Innovationspreis ausgezeichnet werden. Dem Gutachter sind die Unterlagen abhanden gekommen. Um die Preisverleihung nicht ausfallen zu lassen, wählt er zufällig der 27 Unternehmen für den Preis aus. (a Wie groß ist die Wahrscheinlichkeit, dass unter den Preisträgern mindestens ein innovatives Unternehmen ist? (b Wie groß ist die erwartete Anzahl der innovativen Unternehmen unter den Preisträgern? (c Mit X sei die zufällige Anzahl der innovativen Unternehmen (unter den Preisträgern bezeichnet. Wie groß ist die Verteilungsfunktion von X an der Stelle 2,7? X - die zufällige Anzahl der innovativen Unternehmen (unter den Preisträgern ist hypergeometrischverteilt mit N = 27, M = 7 und n =. (a P (X = P (X = 0 = ( 7 ( 0 20 ( 27 = 40 = 0, 897 = 0,

4 (b (c EX = n M N = 7 9 = 0, 78 F X (2, 7 = P (X < 2, 7 = P (X 2 = P (X > 2 ( 7 ( = P (X = = 20 0 ( 27 = 5 = 0, 020 = 0, Aufgabe: Ein Fußballspiel wird mit 2 alten Kameras aufgezeichnet. Jede dieser Kameras fällt unabhängig von den anderen Kameras mit einer Wahrscheinlichkeit von % aus. (a Wie groß ist die Wahrscheinlichkeit, dass mehr als eine Kamera ausfällt. (b Die Lebensdauer einer neuen Kamera ist exponentialverteilt mit Erwartungswert 7 Jahre. Wie groß ist die Wahrscheinlichkeit, dass die Lebendauer der neuen Kamera höchstens 2 Jahre ist? (a X - die zufällige Anzahl der Kameras, die ausfallen, ist binomialverteilt mit n = 2 und p = 0, 0. P (X > = P (X = (P (X = 0 + P (X = (( ( 2 2 = 0, 0 0 0, , 0 0, 97 0 = (0, , 2575 = 0, 049 d.h. 4, 9%. (b Y - die zufällige Lebensdauer ist exponentialverteilt. Y Exp(λ, EY = 7 = λ = λ = 7. P (Y 2 = F Y (2 = e λ 2 = e 2 7 = 0, Aufgabe: (a Für eine Stichprobe wird angegeben: Die Spannweite ist 0, der Quartilsabstand 8, das untere Quartil 4 und der maximale Stichprobenwert 5. Warum können diese Angaben nicht stimmen? Die Spannweite ist 0 und der maximale Stichprobenwert 5, damit müsste der minimale Stichprobenwert 5 sein. Damit kann das untere Quartil nicht 4 sein. Die Angaben sind also widersprüchlich und können so nicht stimmen.

5 (b Für zwei Ereignisse A und B wurden folgende Wahrscheinlichkeiten bestimmt: P (A B = 0, ; P (A B = 0, 9 ; P (A B = 0, 6 und P (A B = 0,. Warum können diese Angaben nicht stimmen? Aus P (A B = 0, folgt P (A B = P (A B = 0, 7. Andererseits gilt nach der Regel von de Morgan: A B = A B und damit P (A B = P (A B = 0, 6. Das ist aber ein Widerspruch. In den Teilaufgaben (c und (d ist jeweils eine Aussage falsch. Finden Sie diese Aussage. Falsche Aussage. (c i Die Binomialverteilung ist Grenzwert der hypergeometrischen Verteilung. ii Die Poissonverteilung ist Grenzwert der Binomialverteilung. iii Die Poissonverteilung ist Grenzwert der Normalverteilung. iv Die Normalverteilung ist Grenzwert der Binomialverteilung. (d Die Zufallsgröße X sei gleichverteilt auf [0, 2], d.h. X U[0, 2]. i P (X < = 0, 5. ii P (0, 4 X, 6 = 0, 6. iii P (X = 0, 7. iv P (X, 6 = 0, 8. In den Teilaufgaben (e und (f ist jeweils eine Aussage falsch. Finden Sie diese Aussage und begründen Sie die Fehlerhaftigkeit kurz. Falsche Aussage. Begründung. (e Es sei X normalverteilt mit Erwartungswert µ und Varianz σ 2, d.h. X N (µ, σ 2. (f i Je größer σ, desto flacher die Dichtefunktion. ii Je größer µ, desto steiler steigt die Dichtefunktion. Ein Vergrößerung vom Erwartungswert µ verändert die Lage der Dichtefunktion, nicht aber deren Form. iii Das Maximum der Dichtefunktion wird bei µ angenommen. iv Die Fläche unter der Dichtefunktion ist Eins. i Bei gleichen Schichtstärken werden durch eine varianzoptimal geschichtete Stichprobe weniger Elemente aus den Schichten mit großen Varianzen gewählt.wie man aus der Formel für die varianzoptimal geschichtete Stichprobe erkennen kann (gleiche Schichtenstärken bei k-schichten: p i = k n i = n p i σ i = p j σ j n k σ j k σ i = n σ i σ j ist der Stichprobenumfang n i in der i-ten Schicht proportional zur Standardabweichung σ i in der i-ten Schicht. In Schichten mit großen Varianzen werden also mehr Elemente gewählt als in Schichten mit kleinen Varianzen. ii Bei gleichen Schichtstärken werden durch eine varianzoptimal geschichtete Stichprobe weniger Elemente aus den Schichten mit kleinen Varianzen gewählt. iii Eine proportional geschichtete Stichprobe ist eine varianzoptimal geschichtete Stichprobe, wenn alle Schichtvarianzen gleich sind. iv Eine varianzoptimal geschichtete Stichprobe ist eine proportional geschichtete Stichprobe, wenn alle Schichtvarianzen gleich sind.

i x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1

i x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1 1. Aufgabe: Der E-Commerce-Umsatz (in Millionen Euro) der fünf größten Online- Shopping-Clubs liegt wie folgt vor: Club Nr. Umsatz 1 120 2 72 3 54 4 30 5 24 a) Bestimmen Sie den Ginikoeffizienten. b) Zeichnen

Mehr

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung Kapitel 3 Zufallsvariable Josef Leydold c 2006 Mathematische Methoden III Zufallsvariable 1 / 43 Lernziele Diskrete und stetige Zufallsvariable Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion

Mehr

Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B

Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip Sommersemester 2010 KLAUSUR Statistik B Hinweise zur Bearbeitung: Bei allen Teilaufgaben

Mehr

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt!

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! 1 Einführung 2 Wahrscheinlichkeiten kurz gefasst 3 Zufallsvariablen und Verteilungen 4 Theoretische Verteilungen (Wahrscheinlichkeitsfunktion)

Mehr

Bei vielen Zufallsexperimenten interessiert man sich lediglich für das Eintreten bzw. das Nichteintreten eines bestimmten Ereignisses.

Bei vielen Zufallsexperimenten interessiert man sich lediglich für das Eintreten bzw. das Nichteintreten eines bestimmten Ereignisses. XI. Binomialverteilung ================================================================== 11.1 Definitionen -----------------------------------------------------------------------------------------------------------------

Mehr

Risiko und Symmetrie. Prof. Dr. Andrea Wirth

Risiko und Symmetrie. Prof. Dr. Andrea Wirth Risiko und Symmetrie Prof. Dr. Andrea Wirth Gliederung 1. Einleitung Was ist eigentlich Risiko? 2. Risiko Mathematische Grundlagen 3. Anwendungsbeispiele Wo genau liegt der Schmerz des Risikos? 4. Sie

Mehr

Füllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge

Füllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge 2.4 Stetige Zufallsvariable Beispiel. Abfüllung von 500 Gramm Packungen einer bestimmten Ware auf einer automatischen Abfüllanlage. Die Zufallsvariable X beschreibe die Füllmenge einer zufällig ausgewählten

Mehr

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft

90-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

Mehr

Verteilungsanalyse. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/31

Verteilungsanalyse. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/31 Verteilungsanalyse Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/31 Datentypen Als Sammeln von Daten bezeichnet man in der Statistik das Aufzeichnen von Fakten. Erhobene Daten klassifziert man

Mehr

Monte Carlo Simulation (Grundlagen)

Monte Carlo Simulation (Grundlagen) Der Titel des vorliegenden Beitrages wird bei den meisten Lesern vermutlich Assoziationen mit Roulette oder Black Jack hervorrufen. Allerdings haben das heutige Thema und die Spieltische nur den Namen

Mehr

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen 4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.

Mehr

Statistik im Bachelor-Studium der BWL und VWL

Statistik im Bachelor-Studium der BWL und VWL Max C. Wewel Statistik im Bachelor-Studium der BWL und VWL Methoden, Anwendung, Interpretation Mit herausnehmbarer Formelsammlung ein Imprint von Pearson Education München Boston San Francisco Harlow,

Mehr

Zusatzaufgaben zur Vorlesung Stochastik für Informatikstudenten

Zusatzaufgaben zur Vorlesung Stochastik für Informatikstudenten Zusatzaufgaben zur Vorlesung Stochastik für Informatikstudenten I.1 Erweitertes Urnenmodell mit Zurücklegen In einer Urne befinden sich ( N Kugeln, davon M 1 der Farbe F 1, M 2 der Farbe l ) F 2,..., M

Mehr

Schleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015

Schleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015 ische Ergänzung der für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015 Ministerium für ildung und Wissenschaft des Landes Juni 2013 1 für Aufgabenpool 1 Analysis

Mehr

Verteilungsanalyse. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/35

Verteilungsanalyse. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/35 Verteilungsanalyse Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/35 Datentypen Als Sammeln von Daten bezeichnet man in der Statistik das Aufzeichnen von Fakten. Erhobene Daten klassifziert man

Mehr

Verteilungsmodelle. Verteilungsfunktion und Dichte von T

Verteilungsmodelle. Verteilungsfunktion und Dichte von T Verteilungsmodelle Verteilungsfunktion und Dichte von T Survivalfunktion von T Hazardrate von T Beziehungen zwischen F(t), S(t), f(t) und h(t) Vorüberlegung zu Lebensdauerverteilungen Die Exponentialverteilung

Mehr

Datenanalyse und Statistik

Datenanalyse und Statistik Datenanalyse und Statistik p. 1/44 Datenanalyse und Statistik Vorlesung 2 (Graphik I) K.Gerald van den Boogaart http://www.stat.boogaart.de Datenanalyse und Statistik p. 2/44 Daten Schätzung Test Mathe

Mehr

Statistik Musterlösungen

Statistik Musterlösungen Statistik Musterlösungen Regina Tüchler & Achim Zeileis Institut für Statistik & Mathematik Wirtschaftsuniversität Wien 1 Grundbegriffe (1.23) Skript Reaktionen auf Videofilm. Aussagen M, E, P, S h(m)

Mehr

Schleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015

Schleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015 ische Ergänzung der für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015 Ministerium für ildung und Wissenschaft des Landes Juni 2013 1 Inhaltsverzeichnis Vorbemerkungen

Mehr

9. StatistischeTests. 9.1 Konzeption

9. StatistischeTests. 9.1 Konzeption 9. StatistischeTests 9.1 Konzeption Statistische Tests dienen zur Überprüfung von Hypothesen über einen Parameter der Grundgesamtheit (bei einem Ein-Stichproben-Test) oder über die Verteilung einer Zufallsvariablen

Mehr

Commercial Banking. Kreditgeschäft 2. Bedingte marginale und kumulative Ausfallwahrscheinlichkeit

Commercial Banking. Kreditgeschäft 2. Bedingte marginale und kumulative Ausfallwahrscheinlichkeit Commercial Banking Kreditgeschäft Bedingte marginale und kumulative Ausfallwahrscheinlichkeit Bedingte Marginale Ausfallwahrscheinlichkeit (BMAW t ) (Saunders: MMR ) prob (Ausfall in Periode t kein Ausfall

Mehr

Schätzer (vgl. Kapitel 1): Stichprobenmittel X N. Stichprobenmedian X N

Schätzer (vgl. Kapitel 1): Stichprobenmittel X N. Stichprobenmedian X N Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.1 Schätzer für Lage- und Skalenparameter und Verteilungsmodellwahl Lageparameter (l(x + a) = l(x) + a): Erwartungswert EX Median von X

Mehr

$ % + 0 sonst. " p für X =1 $

$ % + 0 sonst.  p für X =1 $ 31 617 Spezielle Verteilungen 6171 Bernoulli Verteilung Wir beschreiben zunächst drei diskrete Verteilungen und beginnen mit einem Zufallsexperiment, indem wir uns für das Eintreffen eines bestimmten Ereignisses

Mehr

7 Wahrscheinlichkeitsverteilungen Lösungshinweise

7 Wahrscheinlichkeitsverteilungen Lösungshinweise 7 Wahrscheinlichkeitsverteilungen Lösungshinweise Aufgabe 7.: Gegeben sei ein Würfel, der die Form eines Tetraeders hat und die Augenzahlen bis aufweist. a) Bestimmen Sie die Wahrscheinlichkeitsverteilung

Mehr

Übungsaufgaben zu Kapitel 5. Aufgabe 101. Inhaltsverzeichnis:

Übungsaufgaben zu Kapitel 5. Aufgabe 101. Inhaltsverzeichnis: Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 5... 1 Aufgabe 101... 1 Aufgabe 102... 2 Aufgabe 103... 2 Aufgabe 104... 2 Aufgabe 105... 3 Aufgabe 106... 3 Aufgabe 107... 3 Aufgabe 108... 4 Aufgabe 109...

Mehr

Statistik II. Statistik II, SS 2001, Seite 1 von 5

Statistik II. Statistik II, SS 2001, Seite 1 von 5 Statistik II, SS 2001, Seite 1 von 5 Statistik II Hinweise zur Bearbeitung Hilfsmittel: - Taschenrechner (ohne Datenbank oder die Möglichkeit diesen zu programmieren) - Formelsammlung im Umfang von einer

Mehr

Klassische Risikomodelle

Klassische Risikomodelle Klassische Risikomodelle Kathrin Sachernegg 15. Jänner 2008 1 Inhaltsverzeichnis 1 Einführung 3 1.1 Begriffserklärung.................................. 3 2 Individuelles Risikomodell 3 2.1 Geschlossenes

Mehr

Evaluation der Normalverteilungsannahme

Evaluation der Normalverteilungsannahme Evaluation der Normalverteilungsannahme. Überprüfung der Normalverteilungsannahme im SPSS P. Wilhelm; HS SPSS bietet verschiedene Möglichkeiten, um Verteilungsannahmen zu überprüfen. Angefordert werden

Mehr

Analog definiert man das Nichteintreten eines Ereignisses (Misserfolg) als:

Analog definiert man das Nichteintreten eines Ereignisses (Misserfolg) als: 9-9 Die befasst sich mit der Untersuchung, wie wahrscheinlich das Eintreten eines Falles aufgrund bestimmter Voraussetzungen stattfindet. Bis anhin haben wir immer logisch gefolgert: 'Wenn diese Voraussetzung

Mehr

Sozialwissenschaftliche Methoden und Statistik I

Sozialwissenschaftliche Methoden und Statistik I Sozialwissenschaftliche Methoden und Statistik I Universität Duisburg Essen Standort Duisburg Integrierter Diplomstudiengang Sozialwissenschaften Skript zum SMS I Tutorium Von Mark Lutter Stand: April

Mehr

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18 3. Deskriptive Statistik Ziel der deskriptiven (beschreibenden) Statistik (explorativen Datenanalyse) ist die übersichtliche Darstellung der wesentlichen in den erhobenen Daten enthaltene Informationen

Mehr

Name:... Matrikel-Nr.:... 3 Aufgabe Handyklingeln in der Vorlesung (9 Punkte) Angenommen, ein Student führt ein Handy mit sich, das mit einer Wahrscheinlichkeit von p während einer Vorlesung zumindest

Mehr

Einfache Statistiken in Excel

Einfache Statistiken in Excel Einfache Statistiken in Excel Dipl.-Volkswirtin Anna Miller Bergische Universität Wuppertal Schumpeter School of Business and Economics Lehrstuhl für Internationale Wirtschaft und Regionalökonomik Raum

Mehr

Binäre abhängige Variablen

Binäre 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

Mehr

Deskriptive Statistik

Deskriptive Statistik Deskriptive Statistik In der beschreibenden Statistik werden Methoden behandelt, mit deren Hilfe man Daten übersichtlich darstellen und kennzeichnen kann. Die Urliste (=Daten in der Reihenfolge ihrer Erhebung)

Mehr

LM2. WAHRSCHEINLICHKEITSRECHNUNG/STATISTIK

LM2. WAHRSCHEINLICHKEITSRECHNUNG/STATISTIK LM2. WAHRSCHEINLICHKEITSRECHNUNG/STATISTIK III. In einer Region haben 60 % der Haushalte einen Internetanschluss. Das Diagramm veranschaulicht die Anteile der Zugangsgeschwindigkeiten unter den Haushalten

Mehr

Profil 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

Profil 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

Mehr

Einführung in die statistische Datenanalyse

Einführung in die statistische Datenanalyse Einführung in die statistische Datenanalyse Jens Röder & Matthias Wieler 8.-12. Oktober 2007 Inhaltsverzeichnis 1 Deskriptive Statistik für die Explorative Datenanalyse 3 2 Zufallsvariablen 5 2.1 Grundlegende

Mehr

Die zufällige Irrfahrt einer Aktie

Die zufällige Irrfahrt einer Aktie Die zufällige Irrfahrt einer Aktie Teilnehmer: Daniela Garske (Herder-Oberschule) Joseph Jung (Pamina-Schulzentrum Herxheim) Martin Laudien (Herder-Oberschule) Kaina Schäfer (Herder-Oberschule) Anja Seegert

Mehr

2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen

2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen 4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form

Mehr

Quantilsschätzung als Werkzeug zur VaR-Berechnung

Quantilsschätzung als Werkzeug zur VaR-Berechnung Quantilsschätzung als Werkzeug zur VaR-Berechnung Ralf Lister, Aktuar, lister@actuarial-files.com Zusammenfassung: Zwei Fälle werden betrachtet und die jeweiligen VaR-Werte errechnet. Im ersten Fall wird

Mehr

Taschenbuch Null-Fehler-Management Umsetzung von Six Sigma Herausgegeben von Franz J. Brunner

Taschenbuch Null-Fehler-Management Umsetzung von Six Sigma Herausgegeben von Franz J. Brunner Johann Wappis, Berndt Jung Taschenbuch Null-Fehler-Management Umsetzung von Six Sigma Herausgegeben von Franz J. Brunner ISBN-10: 3-446-41373-1 ISBN-13: 978-3-446-41373-3 Inhaltsverzeichnis Weitere Informationen

Mehr

Klaus-Groth-Schule - Neumünster Fachcurriculum Mathematik

Klaus-Groth-Schule - Neumünster Fachcurriculum Mathematik Jahrgang 10 Funktionen Funktionsbegriff - Definition - vielfältige Anwendungen - Umkehrbarkeit (intuitiv, Anwendungen) ganzrationale Funktionen Modellierung - Ablesen der Werte - Ungefähre Bestimmung der

Mehr

Wirtschaftsstatistik. Konzentrations- und Disparitätsmessung 16.10.2007

Wirtschaftsstatistik. Konzentrations- und Disparitätsmessung 16.10.2007 Wirtschaftsstatistik Konzentrations- und Disparitätsmessung 16.10.2007 Begriffe Konzentration und Disparität Laut Oxford Advanced Learner s Dictionary by OUP, bzw. WordNet by Princeton University concentration:

Mehr

Probeklausur (1) Biostatistische Verfahren

Probeklausur (1) Biostatistische Verfahren Ernst-Abbe-Hochschule Jena FB Grundlagenwissenschaften Probeklausur (1) Biostatistische Verfahren Tag der Prüfung Studiengang Name: Matrikel-Nr.: Bearbeitungszeit 90 min Hilfsmittel Formelsammlung, auch

Mehr

1 Übungsaufgaben. 1.1 Übungsaufgaben zu Operations Research 1 ÜBUNGSAUFGABEN 0

1 Übungsaufgaben. 1.1 Übungsaufgaben zu Operations Research 1 ÜBUNGSAUFGABEN 0 1 ÜBUNGSAUFGABEN 0 1 Übungsaufgaben In diesem Kapitel sind Übungsaufgaben zusammengestellt, die den Stoff der Vorlesung vertiefen und die für Prüfungen erforderliche Praxis und Schnelligkeit vermitteln

Mehr

Varianzanalyse ANOVA

Varianzanalyse ANOVA Varianzanalyse ANOVA Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/23 Einfaktorielle Varianzanalyse (ANOVA) Bisher war man lediglich in der Lage, mit dem t-test einen Mittelwertsvergleich für

Mehr

geben. 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 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

Mehr

1 Commercial Banking SS2002

1 Commercial Banking SS2002 1 Commercial Banking SS2002 1.1 Übung 4 - ausgewählte Lösungen 1. CDO Evaluator (Präsentation) siehe Lösungs-Excel-Sheet. Die Fragen sind zur Anregung bei der selbständigen Arbeit gedacht. 2. Collateralized

Mehr

Stichwortverzeichnis. 3-of-a-Kind (Poker) 112, 114 4-of-a-Kind (Poker) 112, 114 50-50-Irrtum 348

Stichwortverzeichnis. 3-of-a-Kind (Poker) 112, 114 4-of-a-Kind (Poker) 112, 114 50-50-Irrtum 348 3-of-a-Kind (Poker) 112, 114 4-of-a-Kind (Poker) 112, 114 50-50-Irrtum 348 50-50-Situation 36 α-stufe 249 λ 259, 264, 323 σ 190 A Abzählbar unendlich (Mengentyp) 40 Abzählproblem 106 Abzählregel 95 Additionsregel

Mehr

Multivariate Statistik

Multivariate Statistik Hermann Singer Multivariate Statistik 1 Auflage 15 Oktober 2012 Seite: 12 KAPITEL 1 FALLSTUDIEN Abbildung 12: Logistische Regression: Geschätzte Wahrscheinlichkeit für schlechte und gute Kredite (rot/blau)

Mehr

Kaufhaus-Aufgabe. aus Abiturprüfung Bayern LK (abgeändert)

Kaufhaus-Aufgabe. aus Abiturprüfung Bayern LK (abgeändert) Kaufhaus-Aufgabe aus Abiturprüfung Bayern LK (abgeändert) 5. a) Ein Kunde eines Kaufhauses benutzt mit einer Wahrscheinlichkeit von 75% die hauseigene Tiefgarage. Mit einer Wahrscheinlichkeit von 40% bleibt

Mehr

Inhaltsverzeichnis: Aufgaben zur Vorlesung Finanz- und Risikomanagement Seite 1 von 35 Prof. Dr. Gabriele Gühring, Fakultät Grundlagen

Inhaltsverzeichnis: Aufgaben zur Vorlesung Finanz- und Risikomanagement Seite 1 von 35 Prof. Dr. Gabriele Gühring, Fakultät Grundlagen Inhaltsverzeichnis: Übungsaufgaben zu Finanz- und Risikomanagement... 3 Aufgabe... 3 Aufgabe... 3 Aufgabe 3... 3 Aufgabe 4... 3 Aufgabe 5... 4 Aufgabe 6... 4 Aufgabe 7... 4 Aufgabe 8... 4 Aufgabe 9...

Mehr

Inhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Kapitel 4 Seite 1 von 23 Prof. Dr. Karin Melzer, Prof. Dr. Gabriele Gühring, Fakultät Grundlagen

Inhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Kapitel 4 Seite 1 von 23 Prof. Dr. Karin Melzer, Prof. Dr. Gabriele Gühring, Fakultät Grundlagen Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 4 3 Aufgabe 8 3 Aufgabe 9 3 Aufgabe 30 3 Aufgabe 31 3 Aufgabe 3 4 Aufgabe 33 4 Aufgabe 34 4 Aufgabe 35 4 Aufgabe 36 4 Aufgabe 37 4 Aufgabe 38 5 Aufgabe 39

Mehr

12. Vergleich mehrerer Stichproben

12. Vergleich mehrerer Stichproben 12. Vergleich mehrerer Stichproben Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Häufig wollen wir verschiedene Populationen, Verfahren, usw. miteinander vergleichen. Beipiel: Vergleich

Mehr

I. II. I. II. III. IV. I. II. III. I. II. III. IV. I. II. III. IV. V. I. II. III. IV. V. VI. I. II. I. II. III. I. II. I. II. I. II. I. II. III. I. II. III. IV. V. VI. VII. VIII.

Mehr

2. Eindimensionale (univariate) Datenanalyse

2. Eindimensionale (univariate) Datenanalyse 2. Eindimensionale (univariate) Datenanalyse Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Kennzahlen, Statistiken In der Regel interessieren uns nicht so sehr die beobachteten Einzeldaten

Mehr

q = 1 p = 0.8 0.2 k 0.8 10 k k = 0, 1,..., 10 1 1 0.8 2 + 10 0.2 0.8 + 10 9 1 2 0.22 1 = 0.8 8 [0.64 + 1.6 + 1.8] = 0.678

q = 1 p = 0.8 0.2 k 0.8 10 k k = 0, 1,..., 10 1 1 0.8 2 + 10 0.2 0.8 + 10 9 1 2 0.22 1 = 0.8 8 [0.64 + 1.6 + 1.8] = 0.678 Lösungsvorschläge zu Blatt 8 X binomialverteilt mit p = 0. und n = 10: a PX = = 10 q = 1 p = 0.8 0. 0.8 10 = 0, 1,..., 10 PX = PX = 0 + PX = 1 + PX = 10 10 = 0. 0 0.8 10 + 0. 1 0.8 9 + 0 1 10 = 0.8 8 [

Mehr

werden können. Wenn der Benutzer zudem eine konkrete Differenz mit praktischen Konsequenzen angibt, berechnet der Assistent den Stichprobenumfang,

werden können. Wenn der Benutzer zudem eine konkrete Differenz mit praktischen Konsequenzen angibt, berechnet der Assistent den Stichprobenumfang, Dieses White Paper ist Teil einer Reihe von Veröffentlichungen, welche die Forschungsarbeiten der Minitab-Statistiker erläutern, in deren Rahmen die im Assistenten der Minitab 17 Statistical Software verwendeten

Mehr

Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero?

Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Manche sagen: Ja, manche sagen: Nein Wie soll man das objektiv feststellen? Kann man Geschmack objektiv messen? - Geschmack ist subjektiv

Mehr

Prüfung KMU-Finanzexperte Modul 6 Risk Management Teil 2: Financial RM Prüfungsexperten: Markus Ackermann Sandro Schmid 29.

Prüfung KMU-Finanzexperte Modul 6 Risk Management Teil 2: Financial RM Prüfungsexperten: Markus Ackermann Sandro Schmid 29. Prüfung KMU-Finanzexperte Modul 6 Risk Management Teil 2: Financial RM Prüfungsexperten: Markus Ackermann Sandro Schmid 29. Januar 2008 Prüfungsmodus Prüfungsdauer schriftliche Klausur 60 Minuten Punktemaximum:

Mehr

Commercial Banking. Kreditportfoliosteuerung

Commercial Banking. Kreditportfoliosteuerung Commercial Banking Kreditportfoliosteuerung Dimensionen des Portfoliorisikos Risikomessung: Was ist Kreditrisiko? Marking to Market Veränderungen des Kreditportfolios: - Rating-Veränderung bzw. Spreadveränderung

Mehr

29. Mai 2006. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt.

29. Mai 2006. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt. L. Fahrmeir, C. Belitz Department für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit Wahlfach Statistik 29. Mai 2006 Hinweise:

Mehr

Stichprobenauslegung. für stetige und binäre Datentypen

Stichprobenauslegung. für stetige und binäre Datentypen Stichprobenauslegung für stetige und binäre Datentypen Roadmap zu Stichproben Hypothese über das interessierende Merkmal aufstellen Stichprobe entnehmen Beobachtete Messwerte abbilden Schluss von der Beobachtung

Mehr

Statistik Workshop. 12. und 14. Januar 2015. Prof. Dr. Stefan Etschberger. Outline

Statistik Workshop. 12. und 14. Januar 2015. Prof. Dr. Stefan Etschberger. Outline Workshop Mini-Einführung und Auffrischung zu einigen Teilen der angewandten. und 4. Prof. Dr. Stefan Etschberger Outline : Einführung Fehler durch Gute und schlechte Grafiken Begriff Grundbegriffe der

Mehr

SFB 833 Bedeutungskonstitution. Kompaktkurs. Datenanalyse. Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015

SFB 833 Bedeutungskonstitution. Kompaktkurs. Datenanalyse. Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015 SFB 833 Bedeutungskonstitution Kompaktkurs Datenanalyse Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015 Messen und Skalen Relativ (Relationensystem): Menge A von Objekten und eine oder mehrere Relationen

Mehr

Abschlussklausur der Vorlesung Bank I, II:

Abschlussklausur der Vorlesung Bank I, II: Seite 1 von 23 Name: Matrikelnummer: Abschlussklausur der Vorlesung Bank I, II: Bankmanagement und Theory of Banking Hinweise: o Bitte schreiben Sie Ihren Namen und Ihre Matrikelnummer auf die Klausur

Mehr

Stochastik Wahrscheinlichkeit

Stochastik Wahrscheinlichkeit Stochastik Wahrscheinlichkeit Dies ist ein Detail, das auf dem letzten 1 DM Schein abgebildet war. Es stellt die wichtigste Wahrscheinlichkeitsverteilung überhaut dar die Normalverteilung. Diese Verteilung

Mehr

LP Angewandte Mathematik ALW (Aufbaulehrgang wirtschaftliche Berufe)

LP Angewandte Mathematik ALW (Aufbaulehrgang wirtschaftliche Berufe) 5.1 ANGEWANDTE MATHEMATIK Ergänzende Bildungs- und Lehraufgabe zur Angewandten Mathematik Die Schülerin/Der Schüler - kennt die grundlegenden, allgemeinen mathematischen Strukturen; - kann selbständig

Mehr

Standardisierte kompetenzorientierte schriftliche Reifeprüfung. Mathematik. Probeklausur März 2014. Teil-1-Aufgaben

Standardisierte kompetenzorientierte schriftliche Reifeprüfung. Mathematik. Probeklausur März 2014. Teil-1-Aufgaben Standardisierte kompetenzorientierte schriftliche Reifeprüfung Mathematik Probeklausur März 2014 Teil-1-Aufgaben Beurteilung Jede Aufgabe in Teil 1 wird mit 0 oder 1 Punkt bewertet, jede Teilaufgabe in

Mehr

11 Diskrete Zufallsvariablen

11 Diskrete Zufallsvariablen 11 Diskrete Zufallsvariablen 11.1 Wahrscheinlichkeitsfunktion und Verteilungsfunktion In Kapitel 2 wurde zwischen diskreten und stetigen Zufallsvariablen unterschieden. Eine Zufallsvariable X wurde als

Mehr

Mini-Skript Wahrscheinlichkeitstheorie und Statistik

Mini-Skript Wahrscheinlichkeitstheorie und Statistik Mini-Skript Wahrscheinlichkeitstheorie und Statistik Peter Bühlmann Georg Grafendorfer, Lukas Meier Inhaltsverzeichnis 1 Der Begriff der Wahrscheinlichkeit 1 1.1 Rechenregeln für Wahrscheinlichkeiten........................

Mehr

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik)

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) 2 3 Klausur-Nr = Sitzplatz-Nr Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) Klausurteil 1: Beschreibende Statistik BeStat-1 (7 ) n = 400 Personen wurden gefragt, wie viele Stück eines

Mehr

Kugel-Fächer-Modell. 1fach. 3fach. Für die Einzelkugel gibt es 3 Möglichkeiten. 6fach. 3! Möglichkeiten

Kugel-Fächer-Modell. 1fach. 3fach. Für die Einzelkugel gibt es 3 Möglichkeiten. 6fach. 3! Möglichkeiten Kugel-Fächer-Modell n Kugeln (Rosinen) sollen auf m Fächer (Brötchen) verteilt werden, zunächst 3 Kugeln auf 3 Fächer. 1fach 3fach Für die Einzelkugel gibt es 3 Möglichkeiten } 6fach 3! Möglichkeiten Es

Mehr

Beispiel: Sonntagsfrage. Einführung in die induktive Statistik. Statistische Tests. Statistische Tests

Beispiel: Sonntagsfrage. Einführung in die induktive Statistik. Statistische Tests. Statistische Tests Beispiel: Sonntagsfrage Vier Wochen vor der österreichischen Nationalratswahl 1999 wurde 499 Haushalten die Sonntagsfrage gestellt: Falls nächsten Sonntag Wahlen wären, welche Partei würden Sie wählen?

Mehr

Monte Carlo Methoden in Kreditrisiko-Management

Monte Carlo Methoden in Kreditrisiko-Management Monte Carlo Methoden in Kreditrisiko-Management P Kreditportfolio bestehend aus m Krediten; Verlustfunktion L = n i=1 L i; Die Verluste L i sind unabhängig bedingt durch einen Vektor Z von ökonomischen

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung Übung 2 28.02.2008 1 Inhalt der heutigen Übung Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben 2.1: Häufigkeitsverteilung 2.2: Tukey Boxplot 25:Korrelation

Mehr

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau

Bachelorabschlussseminar 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

Mehr

Multivariate and Geostatistical Data Analysis. Multivariate and Geostatistical Data Analysis

Multivariate and Geostatistical Data Analysis. Multivariate and Geostatistical Data Analysis Multivariate and Geostatistical Data Analysis Multivariate and Geostatistical Data Analysis c 2012 Helmut Schaeben Geomathematics and Geoinformatics Technische Universität Bergakademie Freiberg, Germany

Mehr

Einführung in die Stochastik

Einführung in die Stochastik Einführung in die Stochastik Josef G. Steinebach Köln, WS 2009/10 I Wahrscheinlichkeitsrechnung 1 Wahrscheinlichkeitsräume, Urnenmodelle Stochastik : Lehre von den Gesetzmäßigkeiten des Zufalls, Analyse

Mehr

Stochastik. Simulation von Sachschäden

Stochastik. Simulation von Sachschäden Versicherungsmathematik in der Praxis Stochastik. Simulation von Sachschäden Lehrmodule mit Aufgaben und Lösungen Sekundarstufe ll Bildquellennachweis Umschlag Roman Safreider, Fotolia 2, 5, 9, 10, 17

Mehr

Johann Wappis. Berndt Jung. Null-Fehler-Management. Umsetzung von Six Sigma. 4., überarbeitete und erweiterte Auflage

Johann Wappis. Berndt Jung. Null-Fehler-Management. Umsetzung von Six Sigma. 4., überarbeitete und erweiterte Auflage Johann Wappis Berndt Jung Null-Fehler-Management Umsetzung von Six Sigma 4., überarbeitete und erweiterte Auflage Praxisreihe Qualitätswissen Herausgegeben von Franz J. Brunner HANSER Inhalt Vorwort V

Mehr

Biostatistik, Winter 2011/12

Biostatistik, Winter 2011/12 Biostatistik, Winter 2011/12 Vergleich zweier Stichproben, nichtparametrische Tests Prof. Dr. Achim Klenke http://www.aklenke.de 11. Vorlesung: 27.01.2012 1/86 Inhalt 1 Tests t-test 2 Vergleich zweier

Mehr

Taschenbuch Null-Fehler-Management

Taschenbuch Null-Fehler-Management Taschenbuch Null-Fehler-Management Umsetzung von Six Sigma von Johann Wappis, Berndt Jung, Franz J. Brunner 3., überarbeitete Auflage Hanser München 2010 Verlag C.H. Beck im Internet: www.beck.de ISBN

Mehr

Statistik Aufgabensammlung. Institut für Statistik & Mathematik Wirtschaftsuniversität Wien

Statistik Aufgabensammlung. Institut für Statistik & Mathematik Wirtschaftsuniversität Wien Statistik Aufgabensammlung Institut für Statistik & Mathematik Wirtschaftsuniversität Wien 1 Grundbegriffe Aufgaben im Skript. 2 Beschreibung von Datenlisten 1. Abb. 1 zeigt die Verteilung der Restlaufzeiten

Mehr

5. MATHEMATIK, NATURWISSENSCHAFTEN UND ERNÄHRUNG 5.1 ANGEWANDTE MATHEMATIK

5. MATHEMATIK, NATURWISSENSCHAFTEN UND ERNÄHRUNG 5.1 ANGEWANDTE MATHEMATIK 72 I. Jahrgang: 1. und 2. Semester: 5. MATHEMATIK, NATURWISSENSCHAFTEN UND ERNÄHRUNG 5.1 ANGEWANDTE MATHEMATIK Zahlen und Maße: - die Bezeichnungen, den Aufbau und die Eigenschaften der Zahlenmengen (N,

Mehr

Aufgabenblatt 3: Rechenbeispiel zu Stiglitz/Weiss (AER 1981)

Aufgabenblatt 3: Rechenbeispiel zu Stiglitz/Weiss (AER 1981) Aufgabenblatt 3: Rechenbeispiel zu Stiglitz/Weiss (AER 1981) Prof. Dr. Isabel Schnabel The Economics of Banking Johannes Gutenberg-Universität Mainz Wintersemester 2009/2010 1 Aufgabe 100 identische Unternehmer

Mehr

Probeklausur Zeitreihenökonometrie (Sommersemester 2014) 1

Probeklausur Zeitreihenökonometrie (Sommersemester 2014) 1 Probeklausur Zeitreihenökonometrie (Sommersemester 2014) 1 Aufgabe 1: Betrachtet wird folgendes Modell zur Erklärung des Managergehalts salary durch den Umsatz sales, die Eigenkapitalrendite roe und die

Mehr

Lösungshinweise zur Einsendearbeit 2 SS 2011

Lösungshinweise zur Einsendearbeit 2 SS 2011 Lösungshinweise zur Einsendearbeit 2 zum Kurs 41500, Finanzwirtschaft: Grundlagen, SS2011 1 Lösungshinweise zur Einsendearbeit 2 SS 2011 Finanzwirtschaft: Grundlagen, Kurs 41500 Aufgabe Finanzierungsbeziehungen

Mehr

Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table("c:\\compaufg\\kredit.

Analog 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

Mehr

Prüfungsklausur Kreditwirtschaft

Prüfungsklausur Kreditwirtschaft Seite 1 von 7 Name: Matrikelnummer: Prüfungsklausur Kreditwirtschaft Hinweise: o Bitte schreiben Sie Ihren Namen und Ihre Matrikelnummer auf die Klausur und auf jeden Bogen. o Legen Sie die Klausur sowie

Mehr

Stochastik Abitur 2009 Stochastik

Stochastik Abitur 2009 Stochastik Abitur 2009 Stochastik Beilage ea (erhöhtes Anforderungsniveau) ga (grundlegendes Anforderungsniveau) ISBN 978-3-8120-0108-3 und ISBN 978-3-8120-0223-3 1 Aufgabe 2 (ea) Rauchen ist das größte vermeidbare

Mehr

8. Februar 2007. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt.

8. Februar 2007. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt. L. Fahrmeir, C. Belitz Department für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit Wahlfach Statistik 8. Februar 2007 Hinweise:

Mehr

Stochastik kompakt. - worauf es ankommt... Zürich 2007 1

Stochastik kompakt. - worauf es ankommt... Zürich 2007 1 Stochastik kompakt - worauf es ankommt... Zürich 2007 1 Ziel: Am Ende der Unterrichtssequenzen über Stochastik sollen die Schüler/innen Aufgaben aus folgenden Themenbereichen lösen können: 1. Umgang mit

Mehr

Statgraphics - Anleitung. Institut für Stochastik

Statgraphics - Anleitung. Institut für Stochastik Statgraphics - Anleitung Institut für Stochastik Sommer 2013 Inhaltsverzeichnis 1 Installation 4 2 Erste Schritte 6 3 Beschreibende Statistik 9 3.1 Eindimensionale Daten............................ 9 3.1.1

Mehr

Elisabeth Raab-Steiner/Michael Benesch. Der Fragebogen. Von der Forschungsidee zur SPSS/PASW-Auswertung. 2., aktualisierte Auflage. facultas.

Elisabeth Raab-Steiner/Michael Benesch. Der Fragebogen. Von der Forschungsidee zur SPSS/PASW-Auswertung. 2., aktualisierte Auflage. facultas. Elisabeth Raab-Steiner/Michael Benesch Der Fragebogen Von der Forschungsidee zur SPSS/PASW-Auswertung 2., aktualisierte Auflage facultas.wuv Inhaltsverzeichnis 1 Elementare Definitionen 11 1.1 Deskriptive

Mehr

Aufgabe 1: Bewertung von Optionen (48 Punkte)

Aufgabe 1: Bewertung von Optionen (48 Punkte) Aufgabe 1: Bewertung von Optionen (48 Punkte) Am arbitragefreien Kapitalmarkt werden europäische und amerikanische nicht dividendengeschützte Verkaufsoptionen auf eine Aktie mit einer Restlaufzeit von

Mehr

9. Schätzen und Testen bei unbekannter Varianz

9. 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,

Mehr

Modul 2 im B.Sc.-Studiengang Psychologie

Modul 2 im B.Sc.-Studiengang Psychologie LOTSE Vorläufige Musterlösungen (Stand: 30. März) zur Klausur zum Modul 2 im B.Sc.-Studiengang Psychologie Termin: 8. März 2010, 14.00-18.00 Uhr Prüfer: apl. Prof. Dr. H.-J. Mittag (Block 1) Dr. H.-G.

Mehr

Hotelbetten-Aufgabe Lösungshinweise. Auto-Aufgabe Lösungshinweise

Hotelbetten-Aufgabe Lösungshinweise. Auto-Aufgabe Lösungshinweise Stochastik Hotelbetten-Aufgabe 1. Bettbestellungen anlässlich von Kongressen werden mit der Wahrscheinlichkeit von 15% storniert. Ein Hotel stellt 55 Betten zur Verfügung und nimmt 60 Reservierungen an.

Mehr