Zeitreihenanalyse Das klassische Komponentenmodell
|
|
- Alwin Hauer
- vor 7 Jahren
- Abrufe
Transkript
1 Zeitreihenanalyse Das klassische Komponentenmodell Worum geht es in diesem Lernmodul? Zeitreihen mit unterschiedlichen Charakteristika Zeitreihen mit regelmäßigen Schwankungen Mittel und Niveau einer Zeitreihe Stationäre Zeitreihen Komponenten des klassischen Komponentenmodells Das additive Modell Das multiplikative Modell Transformation Weiterführende Links Worum geht es in diesem Lernmodul? In diesem Lernmodul werden Sie in erster Linie das klassische Komponentenmodell kennen lernen. Es werden die einzelnen Komponenten anhand von Beispielreihen erläutert sowie die beiden Varianten, additive und multiplikative, des Models besprochen. Sie haben die Gelegenheit, die oft notwendige Transformation des multiplikativen in das additive Modell im Rahmen einer Übungsaufgabe durchzuführen. Darüber hinaus werden die Begriffe stationäre Zeitreihe, Mittel und Niveau geklärt. Zeitreihen mit unterschiedlichen Charakteristika Die Verläufe verschiedener Zeitreihen können sehr unterschiedlich ausfallen. Wie wir im vorangegangenen Kapitel festgestellt haben, ist die grafische Darstellung der Zeitreihe, der Plot, stets der erste Schritt bei der Zeitreihenanalyse. Wir wollen nun sehen, ob wir aus den Plots der folgenden vier Zeitreihen erste Charakteristika, wie z.b. regelmäßiges Verhalten, erkennen können. Der Preisindex für die Lebenshaltungskosten privater Haushalte in Deutschland steigt seit Januar 1991 beständig. Die entsprechende Zeitreihe in der folgenden Abbildung zeigt trotz kleinerer Schwankungen eine deutlich positive Steigung. Abb. LEBENSHALTUNGSKOSTEN: Preisindex für die Lebenshaltung Quelle: Statistisches Bundesamt Page 1
2 Vielleicht ist Ihnen das auch schon passiert: Erst ist das Wasser, das aus dem Hahn kommt, zu heiß zum Baden. Dann dreht man schnell das warme Wasser zu. Schon bald ist es zu kalt, also wird das warme Wasser wieder aufgedreht. Kurz darauf ist es wieder zu heiß. Das kann unter Umständen eine ganze Weile so weiter gehen: heiß, kalt, heiß, kalt....in der Ökonomie ist ein ähnliches Phänomen für die Regulierung von Angebot und Nachfrage bekannt. Es wurde als erstes am Schweinemarkt beobachtet, daher stammt auch der Name Schweinezyklus. Ist der Preis für Schweine besonders hoch, züchten extrem viele Bauern Schweine. Wenn aber aus den Ferkeln ausgewachsene Schweine geworden sind, können sehr viele Bauern ihre Schweine am Markt anbieten. Es gibt ein Überangebot und der Preis sinkt. Kein Bauer hat mehr Interesse an der wenig lukrativen Schweinezucht und schon bald herrscht ein Mangel an Schweinen. Mit der Folge, dass für die wenigen erhältlichen Schweine horrende Preise gezahlt werden. Der Kreislauf kommt zu seinem Ausgangspunkt und so geht es weiter und weiter. [ZVEI, 2001] Die folgende Zeitreihe zeigt schematisch einen solchen mehrjährigen, zyklischen Verlauf: Abb. SCHWEINEZYKLUS: schematische Darstellung Zeitreihen mit regelmäßigen Schwankungen Es gibt aber auch Zeitreihen, die keinen zyklischen Verlauf über mehrere Jahre aufweisen, sondern relativ regelmäßig mit Jahresperiode schwanken. Ein Beispiel dafür ist die Höhe der Steuereinnahmen. Die Schwankungen der monatlichen Einnahmen sind Jahr für Jahr relativ gleich. Wie die Abbildung STEUERN zeigt, sind die Einnahmen im März, Juni und September hoch, dazwischen eher niedrig, im Dezember schließlich erreichen sie ihren absoluten Spitzenwert. Abb. STEUERN: Gemeinschaftssteuern BRD insgesamt Quelle: Statistisches Bundesamt Die letzte Zeitreihe weist keinerlei Regelmäßigkeiten auf. Es sind keine regelmäßigen Schwankungen mit Jahresperiode oder zyklische Verläufe über größere Zeitabschnitte zu erkennen. Über die gesamte Zeitspanne betrachtet ist zudem weder eine positive noch eine negative Steigung der Zeitreihe zu erkennen. Der Verlauf der Zeitreihe wirkt wie ein wildes Auf und Ab im Intervall Null bis Zehn. Abb. RAUSCHEN Mittel und Niveau einer Zeitreihe Mittel Die zentrale Lage der Werte einer Zeitreihe wird durch das arithmetische Mittel beschrieben. ist der mittlere Wert oder, anders ausgedrückt, das Mittel, um das die Beobachtungen schwanken. Niveau Page 2
3 Der häufig gebrauchte Begriff des Niveaus einer Zeitreihe ist mathematisch nicht eindeutig bestimmt. Im Grunde meint der Begriff Niveau die Höhe, in der sich die Reihe bewegt. Wir erfassen das Niveau ebenfalls durch das arithmetische Mittel. Hat die Zeitreihe eine wachsende oder eine sinkende Tendenz, lässt sich das Niveau nicht bestimmen. Stationäre Zeitreihen Stationäre Zeitreihen weisen keine systematische Veränderung im Gesamtbild auf, d.h. es bestehen keine systematischen Änderungen im Mittel oder der Varianz, und es liegen keine streng periodischen Schwankungen vor (siehe Abb. RAUSCHEN ). Anders ausgedrückt, schwanken solche Zeitreihen nicht regelmäßig mit Jahresperiode, sie weisen keine mehrjährigen, zyklischen Verläufe auf und es lässt sich auch keine deutlich positive oder negative Steigung über einen längeren Zeitraum erkennen. Die weiterführenden Methoden der Zeitreihenanalyse beschäftigen sich größtenteils mit stationären Reihen. Deshalb ist es oft notwendig nichtstationäre in stationäre Zeitreihen zu überführen. Komponenten des klassischen Komponentenmodells Eine gängige Vorgehensweise der Analyse nichtstationärer Zeitreihen beruht auf der Annahme, dass sich die Reihe aus unterschiedlichen Komponenten zusammensetzt. Die Komponenten des klassischen Komponentenmodels 1. Trend Der Trend erfasst die langfristige Veränderung im Mittel einer Zeitreihe (siehe Abb. LEBENSHALTUNGSKOSTEN ). 2. Konjunkturkomponente Die Konjunkturkomponente ist eine mehrjährige, nicht notwendig regelmäßige Schwankung. Ökonomische Reihen z.b. können durch Geschäftszyklen mit mehrjähriger Periodendauer beeinflusst sein ( Abb. SCHWEINEZYKLUS ). 3. Saison Die Saison ist eine jahreszeitlich bedingte Schwankungskomponente, die sich nahezu unverändert jedes Jahr wiederholt. Insbesondere in ökonomischen Zeitreihen sehen wir oft ausgeprägte Saisonfiguren, d.h. zyklische Schwankungen mit Jahresperiode (siehe Abb. STEUERN ). Bei monatlich erhobenen Daten ist folglich die Periodendauer p=12, bei Quartalsdaten dementsprechend p=4. 4. Restkomponente Die Restkomponente besteht aus nicht zu klärenden Einflüssen und Störungen. Wir gehen durchweg von einem unabhängig identisch verteiltem Rest aus. Die ersten beiden Komponenten, Trend und Konjunkturkomponente, werden häufig zu einer einzigen, der sogenannten glatten Komponente, zusammengefasst. Page 3
4 Glatte Komponente = Trend + Konjunktur Die Trennung in Trend und Konjunkturkomponente ist oft problematisch. In der Ökonomie kennt man Zyklen, die sich über viele Jahre erstrecken. Hat die betrachtete Zeitreihe in einem solchen Fall nicht die entsprechende Länge, erscheinen diese Zyklen als Trend. Erst bei einer Reihe mit ausreichender Länge werden solche mehrjährigen Schwankungen als Konjunkturkomponente sichtbar. In dieser Übung haben Sie die Gelegenheit, sich etwas näher mit der Saisonkomponente einer Zeitreihe zu beschäftigen. Labordatei öffnen ( ab4.spf ) Das additive Modell Im klassischen Komponentenmodell gehen wir entweder von einer additiven oder einer multiplikativen Überlagerung der Komponenten aus. Unterstellen wir, dass sich die Komponenten additiv überlagern, erhalten wir die folgende formale Beschreibung: Reihe = Trend + Konjunktur + Saison + Rest bzw. Reihe = glatte Komponente + Saison + Rest Wir wählen für eine Zeitreihe mit Trend und Saisonkomponente das additive Modell in der Regel dann, wenn die Saisonausschläge über den gesamten Beobachtungsbereich in etwa gleich stark sind. Abb. MAUNALOA: Kohlendioxidkonzentration über Mauna Loa Quelle: Schlittgen, Rainer (2001). Angewandte Zeitreihenanalyse. München; Wien, Oldenbourg. Das multiplikative Modell Häufig steigt in empirischen Reihen die Streuung der Werte mit der glatten Komponente. Bei solchen Reihen wird in der Regel von einem multiplikativen Modell ausgegangen: Reihe = glatte Komponente * Saison * Rest bzw. Reihe = glatte Komponente * Saison * Rest Für eine Zeitreihe mit Trend und Saisonkomponente bedeutet dieses, dass das multiplikative Model dann angebracht ist, wenn mit dem Mittel auch die Größe der Saisonausschläge wächst. Abb. VERKAUF: Monatliche Verkaufszahlen einer Herstellerfirma nach Chatfield/Prothero Quelle: Gareth, Janacek (2001), Practical Time Series. London:, Arnold. Transformation Das multiplikative Modell kann durch logarithmische Transformation auf ein additives Page 4
5 zurückgeführt werden. Die Transformation dient dazu, die Saisoneffekte bzw. die Varianz konstant zu machen. Im Labor wird Ihnen eine Zeitreihe vorgegeben, bei der die Saisonausschläge mit dem Mittel wachsen. Wir müssen also von einem multiplikativen Modell als Grundlage ausgehen. Transformieren Sie die Reihe logarithmisch und überführen Sie so das multiplikative Modell in ein additives. Labordatei öffnen ( b08.spf ) Weiterführende Links Zeitreihen zum Üben und Ausprobieren: vergleiche: Chatfield, Christopher (1982). Analyse von Zeitreihen. München, Hanser. Janacek, Gareth (2001). Practical Time Series. London, Arnold. Schlittgen, Rainer (2001). Angewandte Zeitreihenanalyse. München; Wien, Oldenbourg. Schlittgen, R.; Streitberg, B.H.J. (1994).Zeitreihenanalyse. München; Wien, Oldenbourg. Zentralverband Elektrotechnik- und Elektronikindustrie (ZVEI) e.v. (Hrsg.) (2001): Was ist der Schweinezyklus? Internet: (c) Projekt Neue Statistik 2003, Freie Universität Berlin, Center für Digitale Systeme Kontakt: Page 5
Zeitreihenanalyse Das Holt-Winters-Verfahren
Zeitreihenanalyse Das Holt-Winters-Verfahren Worum geht es in diesem Lernmodul? Einleitung Modellannahmen Die Prognoseformel des Holt-Winters-Verfahren Die Glättungskoeffizienten Die Startwerte Weiterführende
MehrZeitreihenanalyse Differenzenbildung
Zeitreihenanalyse Differenzenbildung Worum geht es in diesem Lernmodul? Einleitung Verfahren der einfachen Differenzenbildung Verfahren der saisonalen Differenzenbildung Kombination einfacher und saisonaler
MehrZeitreihenanalyse Saisonbereinigung
Zeitreihenanalyse Saisonbereinigung Worum geht es in diesem Lernmodul? Einleitung Die starre Saisonfigur Saisonbereinigung für Zeitreihen ohne Trend Saisonbereinigung für Zeitreihen mit Trend Warum müssen
MehrZeitreihenanalyse Der einfache gleitende Durchschnitt
Zeitreihenanalyse Der einfache gleitende Durchschnitt Worum geht es in diesem Lernmodul? Einleitung Erläuterung der Methode Berechnung des einfachen gleitenden Durchschnitts Der einfache gleitende Durchschnitt
MehrZeitreihenanalyse Exponentielles Glätten
Zeitreihenanalyse Exponentielles Glätten Worum geht es in diesem Lernmodul? Einleitung Prognose mit der Methode des exponentiellen Glättens Die Prognoseformel des exponentiellen Glättens Die Wirkung der
MehrHauptseminar Technische Informationssysteme
Hauptseminar Technische Informationssysteme Residualanalyse zur Fehlerlokalisierung und prädikativen Steuerung Vortragender: Betreuer: Tobias Fechter Dr.-Ing. Heinz-Dieter Ribbecke, Dipl.-Inf. Jakob Krause
Mehr[ 1 ] Welche der folgenden Aussagen sind WAHR? Kreuzen Sie sie an.
13 Zeitreihenanalyse 1 Kapitel 13: Zeitreihenanalyse A: Übungsaufgaben: [ 1 ] 1 a a) Nach der Formel x t+i berechnet man einen ein f achen gleitenden Durchschnitt. 2a + 1 i= a b) Die Residuale berechnet
MehrZeitreihen/Skalen. Homogenität, Inhomogenität, Datenlücken, Plausibilität. vorgetragen von Nico Beez
Zeitreihen/Skalen Homogenität, Inhomogenität, Datenlücken, Plausibilität vorgetragen von Nico Beez 28.04.2009 Gliederung 1 Charakterisierung von Zeitreihen 1.1 Was sind Zeitreihen? 1.2 Graphische Darstellung
MehrKapitel XII - Einführung in die Zeitreihenanalyse
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XII - Einführung in die Zeitreihenanalyse Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh
Mehr11. Zeitreihen mit Trend und Saisonalität
In diesem Abschnitt geht es um ZR, die in eine Trend-, eine Saisonund eine Restkomponente zerlegt werden können. (Das Niveau sei in der Trendkomponente enthalten.) Beispiele für solche ZR sind in Abb.
Mehr6. Das klassische Komponentenmodell. 6. Das klassische Komponentenmodell. 6. Das klassische Komponentenmodell. 6. Das klassische Komponentenmodell
6. Das klassische Komponentenmodell Gegeben sei eine ZR x t für die Zeitpunkte t = 1,..., T. Im additiven klassischen Komponentenmodell wird sie folgendermaßen zerlegt: x t = ˆm t + ŝ t + ε t ˆm t ist
Mehr5.6 Empirische Wirtschaftsforschung
5.6.0 Vorbemerkungen Literatur Winker, P. (2010): Empirische Wirtschaftsforschung und Ökonometrie. 3. Auflage. Springer. Insbesondere Kapitel 1, 4 und 10. Volltext-Download im Rahmen des LRZ-Netzes. Rinne,
MehrKapitel 5. Prognose. Zeitreihenanalyse wird aus drei Gründen betrieben: Beschreibung des Verlaufs von Zeitreihen.
Kapitel 5 Prognose Josef Leydold c 2006 Mathematische Methoden V Prognose 1 / 14 Lernziele Aufgabe der Prognose Problemtypen Ablauf einer Prognoseaufgabe Zeitreihe Josef Leydold c 2006 Mathematische Methoden
MehrIndexrechnung. Worum geht es in diesem Modul?
Indexrechnung Worum geht es in diesem Modul? Verhältniszahlen Messzahlen Indexzahlen Preisindizes Mengen- und Umsatzindizes Worum geht es in diesem Modul? In diesem Modul beschäftigen wir uns mit der Bildung
Mehr3 Trend- und Saisonkomponenten
3 Trend- und Saisonkomponenten Schritte bei der Analyse von Zeitreihendaten : Plot ; Identifikation von Strukturbrüchen, Ausreißern etc. ; Modellansatz, z.b. klassisches Komponentenmodell X t = m t + s
Mehr3 Trend- und Saisonkomponenten
3 Trend- und Saisonkomponenten Schritte bei der Analyse von Zeitreihendaten : Plot ; Identifikation von Strukturbrüchen, Ausreißern etc. ; Modellansatz, z.b. klassisches Komponentenmodell X t = m t + s
MehrZeitreihenanalyse. Zerlegung von Zeitreihen Saisonindex, saisonbereinigte Zeitreihe Trend und zyklische Komponente Prognose Autokorrelation
Zeitreihenanalyse Zerlegung von Zeitreihen Saisonindex, saisonbereinigte Zeitreihe Trend und zyklische Komponente Prognose Autokorrelation Beispiel für Zeitreihe Andere Anwendungen Inventarmanagment Produktionsplanung
MehrProf. Dr. Reinhold Kosfeld Zeitreihenanalyse
Prof. Dr. Reinhold Kosfeld Zeitreihenanalyse 1. Einführung 2. Zeitreihenzerlegung und Komponentenmodell (Trend, Saisonbereinigung, Exponentielle Glättung, Korrelogramm, Test auf Autokorrelation) 3. Stochastische
MehrZeit Umsatz. t U=U(t) BS - 13 BS Modul : Analyse zeitabhängiger Daten z.b. Prof. Dr. W. Laufner Beschreibende Statistik
BS - 1 1 Modul 1 : Analyse zeitabhängiger Daten z.b. Zeit Umsatz t UU(t) BS - 1 2 Modul 1: Zeitreihenanalyse 0 70 60 Zeitreihenanalyse Umsatz (Mio ) 0 40 0 0 Q1 Q2 Q Q4 Q1 Q2 Q Q4 Q1 Q2 Q Q4 Q1 Q2 Q Q4
MehrGrundlegende Eigenschaften von Punktschätzern
Grundlegende Eigenschaften von Punktschätzern Worum geht es in diesem Modul? Schätzer als Zufallsvariablen Vorbereitung einer Simulation Verteilung von P-Dach Empirische Lage- und Streuungsparameter zur
MehrZeitreihenanalyse. Zerlegung von Zeitreihen Saisonindex, saisonbereinigte Zeitreihe Trend und zyklische Komponente Prognose Autokorrelation
Zeitreihenanalyse Zerlegung von Zeitreihen Saisonindex, saisonbereinigte Zeitreihe Trend und zyklische Komponente Prognose Autokorrelation Beispiel für Zeitreihe Zerlegung der Zeitreihe F t Trendkomponente
Mehr13. Übungswoche. Kapitel 12: Varianzanalyse (Fortsetzung)
1 13. Übungswoche Kapitel 12: Varianzanalyse (Fortsetzung) [ 3 ] Im Vorkurs Mathematik für Wirtschafstwissenschaftler vor Beginn des Sommersemesters 2009 wurde am Anfang und am Ende ein Test geschrieben,
MehrBeschreibende Statistik
Gunther Bourier Beschreibende Statistik Praxisorientierte Einfuhrung Mit Aufgaben und Losungen 7., uberarbeitete Auflage GABIER Inhaltsverzeichnis Vorwort Inhaltsverzeichnis V VII 1 Einfuhrung 1 1.1 Begriff
Mehr9.1. Lineare und nichtlineare Trends. 9. Zeitreihen mit Trend Lineare und nichtlineare Trends Transformation der Daten
9. Zeitreihen mit Trend 9.1. Lineare und nichtlineare Trends In diesem Abschnitt beschäftigen wir uns mit ZR, die einen langfristigen linearen Trend, aber keine saisonalen Schwankungen, enthalten. Das
MehrGünther Bourier. Beschreibende Statistik. Praxisorientierte Einführung - Mit. Aufgaben und Lösungen. 12., überarbeitete und aktualisierte Auflage
i Günther Bourier Beschreibende Statistik Praxisorientierte Einführung - Mit Aufgaben und Lösungen 12., überarbeitete und aktualisierte Auflage 4^ Springer Gabler Inhaltsverzeichnis Vorwort V 1 Einführung
Mehra) Nennen Sie die verschiedenen Ebenen der amtlichen Statistik in Deutschland und die dafür zuständigen Behörden.
Statistik I, SS 2005, Seite 1 von 9 Statistik I Hinweise zur Bearbeitung Hilfsmittel: - Taschenrechner (ohne Datenbank oder die Möglichkeit diesen zu programmieren) - selbst erstellte Formelsammlung für
Mehr13. Übungswoche - Lösungen
1 13. Übungswoche - Lösungen Kapitel 12: Varianzanalyse (Fortsetzung) [ 3 ] a) Es gibt deutliche Unterschiede, die Gruppen 2, 3, 7 und 9 liegen deutlich tiefer. b) F = DQ(gruppe)/DQ(Residuals) = 25.13/6.19
MehrÜberschrift. Titel Prognosemethoden
Überschrift Prognosemethoden Überschrift Inhalt 1. Einleitung 2. Subjektive Planzahlenbestimmung 3. Extrapolierende Verfahren 3.1 Trendanalyse 3.2 Berücksichtigung von Zyklus und Saison 4. Kausale Prognosen
Mehr4. Empirische Momente von ZR. 4. Empirische Momente von ZR. 4. Empirische Momente von ZR. 4. Empirische Momente von ZR
Im Allgemeinen wird sich das Verhalten einer ZR über die Zeit ändern, z.b. Trend, saisonales Verhalten, sich verändernde Variabilität. Eine ZR wird als stationär bezeichnet, wenn sich ihr Verhalten über
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
MehrResidualanalyse. Fehlerlokalisierung und prädikative Steuerung. Proseminar - Robert Lorenz
Fakultät für Informatik, Institut für Angewandte Informatik, Professur Technische Informationssysteme Residualanalyse Fehlerlokalisierung und prädikative Steuerung Proseminar - Robert Lorenz Gliederung
MehrAusgewählte Probleme der Ökonometrie
Ausgewählte Probleme der Ökonometrie Bernd Süßmuth IEW Institute für Empirische Wirtschaftsforschung Universität Leipzig November 28, 2011 Bernd Süßmuth (Universität Leipzig) APÖ November 28, 2011 1 /
MehrBeschreibende Statistik
Beschreibende Statistik von Dr. Peter M. Schulze Professor für Statistik und Ökonometrie an der Johannes Gutenberg-Universität Mainz 6., korrigierte und aktualisierte Auflage R.Oldenbourg Verlag München
MehrZUR ANWENDBARKEIT VON ZEITREIHENANALYSE AUF DIE MODELLIERUNG DER INANSPRUCHNAHME POSITIVER MINUTENRESERVE
ZUR ANWENDBARKEIT VON ZEITREIHENANALYSE AUF DIE MODELLIERUNG DER INANSPRUCHNAHME POSITIVER MINUTENRESERVE Eva Marie Kurscheid, Dr. Dana Uhlig-Düvelmeyer ABSTRACT Die Bewertung der Eignung dezentraler Klein-KWK-Anlagen
MehrThema 4: Das IS-LM-Modell. Zusammenfassung der beiden Modelle des Gütermarktes (IS) und des Geldmarktes (LM)
Thema 4: Das IS-LM-Modell Zusammenfassung der beiden Modelle des Gütermarktes (IS) und des Geldmarktes (LM) Beide Modelle gelten - so wie das zusammenfassende Modell - für die kurze Frist 1 4.1 Gütermarkt
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 05. Dezember 2012 1 Datenpaare Korrelation 2 Lineare Regression Problemstellung Beispiel Bleibelastung 3 Regression
MehrKapitel 40 Zeitreihen: Autokorrelation und Kreuzkorrelation
Kapitel 40 Zeitreihen: Autokorrelation und Kreuzkorrelation Bei Zeitreihendaten ist häufig das Phänomen zu beobachten, daß die Werte der Zeitreihe zeitverzögert mit sich selbst korreliert sind. Dies bedeutet,
MehrZeitreihenökonometrie
Zeitreihenökonometrie Kapitel 11 - Filterverfahren Unterscheidung zwischen Wachstum und Konjunktur Wachstum: langfristige Entwicklung des Bruttoinlandsproduktes bei voller oder normaler Auslastung der
MehrGemeinsame Wahrscheinlichkeitsverteilungen
Gemeinsame Wahrscheinlichkeitsverteilungen Worum geht es in diesem Modul? Gemeinsame Wahrscheinlichkeits-Funktion zweier Zufallsvariablen Randverteilungen Bedingte Verteilungen Unabhängigkeit von Zufallsvariablen
MehrZerlegung von Zeitreihen
Kapitel 7 Zerlegung von Zeitreihen Josef Leydold c 2006 Mathematische Methoden VII Zerlegung von Zeitreihen 1 / 39 Lernziele Klassische Zerlegung von Zeitreihen Saisonbereinigungsverfahren: Gleitende Durchschnitte
MehrKonjunktur und Wachstum
Konjunktur und Wachstum Skript zur 6. Sitzung, 12.05.2015 Solow: Growth Accounting Neue Wachstumstheorien I Institutionen und Wachstum S e i t e 1 10 Inhaltsverzeichnis 1. Einleitung...3 2. Growth Accounting...3
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun http://blog.ruediger-braun.net Heinrich-Heine-Universität Düsseldorf 10. Dezember 2014 1 Datenpaare Korrelation 2 Lineare Regression Problemstellung Beispiel
MehrSkiunfälle der Saison 2000/2001
Skiunfälle der Saison 2000/2001 H. Gläser Auswertungsstelle für Skiunfälle der ARAG Sportversicherung (ASU Ski) Die Auswertung der Skiunfälle der Saison 2000/2001 läßt wie schon in den vergangenen Jahren
MehrOscar A. G. Treyer. Business Forecasting. Anwendungsorientierte Theorie quantitativer Prognoseverfahren. Haupt Verlag Bern Stuttgart - Wien
Oscar A. G. Treyer Business Forecasting Anwendungsorientierte Theorie quantitativer Prognoseverfahren Haupt Verlag Bern Stuttgart - Wien INHALTSVERZEICHNIS Vorwort 5 Abkürzungsverzeichnis 13 Abbildungs-
MehrStatistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz 3., überarbeitete Auflage R.01denbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt
MehrDie Auswirkungen von Veränderungen in der Alterszusammensetzung der Migrantenfertilität auf die Erstgenerationengeburten
3.1.3.2 Die Auswirkungen von Veränderungen in der Alterszusammensetzung der Migrantenfertilität auf die Erstgenerationengeburten Wir haben bislang stets mit einer (nicht ganz) zufällig gewählten Fertilitätsverteilung
MehrBeispiel 2 (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter)
Beispiel (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter) 1 Ein Statistiker ist zu früh zu einer Verabredung gekommen und vertreibt sich nun die Zeit damit, daß er die Anzahl X der Stockwerke
MehrDynamische Systeme und Zeitreihenanalyse // Saisonbereinigung und Glättung 10 p.2/??
Dynamische Systeme und Zeitreihenanalyse Saisonbereinigung und Glättung Kapitel 10 Statistik und Mathematik WU Wien Michael Hauser Dynamische Systeme und Zeitreihenanalyse // Saisonbereinigung und Glättung
MehrZusammenhang zwischen Ölpreis und Inflation wird überschätzt
Hüfners Wochenkommentar Zusammenhang zwischen Ölpreis und Inflation wird überschätzt Der Anstieg der Ölpreise in diesem Jahr hat sich kaum in der Inflation niedergeschlagen, beobachtet Assenagon-Chefvolkswirt
MehrDie möglichen Kombinationen X1 und X2 lassen sich durch die Verbindung der beiden Achsenpunkte veranschaulichen (Budgetgerade).
Folie 3.. - Die Budgetgerade Die Budgetgerade kennzeichnet die Wahlmöglichkeiten des Haushaltes bei gegebenem Einkommen () und gegebenen Preisen P und für die beiden Güter (-bündel) X und. Das kann für
MehrStatistik. Datenanalyse mit EXCEL und SPSS. Prof. Dr. Karlheinz Zwerenz. R.Oldenbourg Verlag München Wien. Von
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz R.Oldenbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL I GRUNDLAGEN
MehrEin- und Zweistichprobentests
(c) Projekt Neue Statistik 2003 - Lernmodul: Ein- Zweistichprobentests Ein- Zweistichprobentests Worum geht es in diesem Modul? Wiederholung: allgemeines Ablaufschema eines Tests Allgemeine Voraussetzungen
MehrEinführung in die computergestützte Datenanalyse
Karlheinz Zwerenz Statistik Einführung in die computergestützte Datenanalyse 6., überarbeitete Auflage DE GRUYTER OLDENBOURG Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL
MehrLösungen zur Klausur zur Statistik Übung am
Lösungen zur Klausur zur Statistik Übung am 28.06.2013 Fabian Kleine Staatswissenschaftliche Fakultät Aufgabe 1 Gegeben sei die folgende geordneten Urliste des Merkmals Y. 30 Punkte Y : 5 5 5 5 10 10 10
MehrTutorium Makroökonomie I. Blatt 6. Arbeitsmarkt, Okunsches Gesetz, AS AD Modell
Tutorium Makroökonomie I Blatt 6 Arbeitsmarkt, Okunsches Gesetz, AS AD Modell Aufgabe 1 (Multiple Choice: wahr/falsch) Betrachten Sie den Arbeitsmarkt einer Volkswirtschaft, auf dem die privaten Haushalte
Mehr5. Zeitreihenanalyse und Prognoseverfahren
5. Zeitreihenanalyse und Prognoseverfahren Stichwörter: Trend, Saisonalität, Noise, additives Modell, multiplikatives Modell, Trendfunktion, Autokorrelationsfunktion, Korrelogramm, Prognosehorizont, Prognoseintervall,
MehrSBWL Tourismusanalyse und Freizeitmarketing, Vertiefungskurs 2
Inhalt SBWL Tourismusanalyse und Freizeitmarketing, Vertiefungskurs 2 1. Teil: Zerlegungsmodelle und naive Prognosemethoden für Zeitreihen Regina Tüchler Einleitung 1. Einführung in das Modellieren von
MehrStatistik. Einführung in die com putergestützte Daten an alyse. Oldenbourg Verlag München B , überarbeitete Auflage
Statistik Einführung in die com putergestützte Daten an alyse von Prof. Dr. Karlheinz Zwerenz 4., überarbeitete Auflage B 366740 Oldenbourg Verlag München Inhalt Vorwort XI Hinweise zu EXCEL und SPSS XII
MehrAuswahl von Schätzfunktionen
Auswahl von Schätzfunktionen Worum geht es in diesem Modul? Überblick zur Punktschätzung Vorüberlegung zur Effizienz Vergleich unserer Schätzer für My unter Normalverteilung Relative Effizienz Einführung
MehrAusgewählte Probleme der Ökonometrie
Ausgewählte Probleme der Ökonometrie Bernd Süßmuth IEW Institute für Empirische Wirtschaftsforschung Universität Leipzig October 16, 2012 Bernd Süßmuth (Universität Leipzig) APÖ October 16, 2012 1 / 13
MehrLogarithmusfunktion zur Basis 2, Aufgaben. 7-E Vorkurs, Mathematik
Logarithmusfunktion zur Basis 2, Aufgaben 7-E Vorkurs, Mathematik Logarithmusfunktion zur Basis 2: Aufgaben 7-9 Aufgabe 7: Bestimmen Sie eine vertikale Asymptote für die folgenden Funktionen: f ( x) =
MehrRegionale Tourismusausgaben
Regionale Tourismusausgaben 1 Ausgangslage und Ziel der Arbeiten Im Juni 2017 wurde vom Bundesministerium für Wirtschaft und Energie der Ergebnisbericht Wirtschaftsfaktor Tourismus in Deutschland veröffentlicht.
MehrHauptseminar Technische Informationssysteme
Hauptseminar Technische Informationssysteme Thema: Vergleich verschiedener Prognosestrategien von Tobias Fochtmann Betreuer: Dr. Ribbecke 24.01.2008 Gliederung I. Einleitung II. Prognose allgemein und
MehrLeitthema: Klima und Wetter, langfristige Trends und kurzzeitige Fluktuationen
Leitthema: Klima und Wetter, langfristige Trends und kurzzeitige Fluktuationen Physikalische Übung zu: statistische Verteilungen, Mittelwerte, Fluktuationen, Wahrscheinlichkeiten und Signifikanz Fragen:
MehrPhallosan-Studie. Statistischer Bericht
Phallosan-Studie Statistischer Bericht Verfasser: Dr. Clemens Tilke 15.04.2005 1/36 Inhaltsverzeichnis Inhaltsverzeichnis... 2 Einleitung... 3 Alter der Patienten... 4 Körpergewicht... 6 Penisumfang...
MehrBereinigung des Schweizer BIP um die. Auswirkungen grosser internationaler. Konjunkturtendenzen
Eidgenössisches Departement für Wirtschaft, Bildung und Forschung WBF Staatssekretariat für Wirtschaft SECO Direktion für Wirtschaftspolitik Konjunktur Bereinigung des Schweizer BIP um die Sommer 2017
MehrDeskriptive Statistik
Helge Toutenburg Christian Heumann Deskriptive Statistik Eine Einführung in Methoden und Anwendungen mit R und SPSS Siebte, aktualisierte und erweiterte Auflage Mit Beiträgen von Michael Schomaker 4ü Springer
MehrKapitel 2. Mittelwerte
Kapitel 2. Mittelwerte Im Zusammenhang mit dem Begriff der Verteilung, der im ersten Kapitel eingeführt wurde, taucht häufig die Frage auf, wie man die vorliegenden Daten durch eine geeignete Größe repräsentieren
MehrInhaltsverzeichnis Grundlagen aufigkeitsverteilungen Maßzahlen und Grafiken f ur eindimensionale Merkmale
1. Grundlagen... 1 1.1 Grundgesamtheit und Untersuchungseinheit................ 1 1.2 Merkmal oder statistische Variable........................ 2 1.3 Datenerhebung.........................................
Mehr1 Prognoseverfahren F H
1 Prognoseverfahren 1.1 Zielsetzung 1.2 Bedarfsverlauf von Verbrauchsfaktoren 1.3 Prognose bei regelmäßigen Bedarf 1.4 Prognosemodelle in Standard-ERP-Software 1.5 Ausblick Herrmann, Frank: Operative Planung
MehrStatistik eindimensionaler Größen
Statistik eindimensionaler Größen Michael Spielmann Inhaltsverzeichnis 1 Aufgabe der eindimensionalen Statistik 2 2 Grundbegriffe 2 3 Aufbereiten der Stichprobe 3 4 Die Kennzahlen Mittelwert und Streuung,
MehrZeitreihenanalyse. H.P. Nachtnebel. Institut für Wasserwirtschaft, Hydrologie und konstruktiver Wasserbau. Definitionen und Anwendung
.. Zeitreihenanalyse H.P. Nachtnebel Institut für Wasserwirtschaft, Hydrologie und konstruktiver Wasserbau Definitionen und Anwendung Definition Zeitreihe zeitliche Abfolge von Messwerten, deren Auftreten
MehrWIFO Konjunkturtest Befragungskonzept Auswertung Interpretation
WIFO Konjunkturtest Befragungskonzept Der WIFO-Konjunkturtest ist eine monatliche Befragung von österreichischen Unternehmen zur Einschätzung ihrer wirtschaftlichen Lage. Ziel der Erhebung ist es, die
MehrBeispiel in R: Verfahren zur Modellierung von ZR mit Saison und Trend
Beispiel in R: Verfahren zur Modellierung von ZR mit Saison und Trend Regina Tüchler November 2, 2009 Beispiel: Zeitreihenanalyse der Übernachtungs-Daten: Wir haben Daten mit monatlichen Übernachtungszahlen
MehrVorlesungsskript. Deskriptive Statistik. Prof. Dr. Günter Hellmig
Vorlesungsskript Deskriptive Statistik Prof. Dr. Günter Hellmig Prof. Dr. Günter Hellmig Vorlesungsskript Deskriptive Statistik Erstes Kapitel Die Feingliederung des ersten Kapitels, welches sich mit einigen
MehrEinführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management
Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 2013 Hochschule Augsburg Regression: 4 eindimensionale Beispiele Berühmte
Mehr3. Merkmale und Daten
3. Merkmale und Daten Ziel dieses Kapitels: Vermittlung des statistischen Grundvokabulars Zu klärende Begriffe: Grundgesamtheit Merkmale (Skalenniveau etc.) Stichprobe 46 3.1 Grundgesamtheiten Definition
MehrPuls-Code-Modulation. Thema: PCM. Ziele
Puls-Code-Modulation Ziele Mit diesen rechnerischen und experimentellen Übungen wird die Vorgehensweise zur Abtastung und linearen Quantisierung eines analogen Signals erarbeitet. Bei der Abtastung werden
MehrDemographische Situation in Schalkenmehren. Überblick. Historische Bevölkerungsentwicklung
Demographische Situation in Schalkenmehren Überblick langfristig gewachsene Ortsgemeinde Die OG Schalkenmehren hat seit 1962 deutlich an Bevölkerung gewonnen. Dass sich das langfristig zu beobachtende
MehrDer Gütermarkt Nach Einsetzen obiger Angaben in die Güternachfrage und Umformung erhalten wir:
Der ütermarkt Ausgangspunkt der folgenden Überlegungen ist eine Volkswirtschaft, die durch untenstehende (Verhaltens-)leichungen charakterisiert ist (Blanchard, Kapitel 3). Dabei wird parallel zu einem
MehrStatistik für NichtStatistiker
Statistik für NichtStatistiker Zufall und Wahrscheinlichkeit von Prof. Dr. Karl Bosch 5., verbesserte Auflage R. Oldenbourg Verlag München Wien Inhaltsverzeichnis 1. ZufalLsexperimente und zufällige Ereignisse
MehrStatistik II. Lineare Regressionsrechnung. Wiederholung Skript 2.8 und Ergänzungen (Schira: Kapitel 4) Statistik II
Statistik II Lineare Regressionsrechnung Wiederholung Skript 2.8 und Ergänzungen (Schira: Kapitel 4) Statistik II - 09.06.2006 1 Mit der Kovarianz und dem Korrelationskoeffizienten können wir den statistischen
MehrStatistik. Einführendes Lehrbuch für Wirtschafts- und Sozialwissenschaftler. Von Dr. Peter Bohley. Professor an der Universität Zürich
Statistik Einführendes Lehrbuch für Wirtschafts- und Sozialwissenschaftler Von Dr. Peter Bohley Professor an der Universität Zürich 7., gründlich überarbeitete und aktualisierte Auflage R. Oldenbourg Verlag
MehrKapitel 39 Sequenzdiagramme
Kapitel 39 Sequenzdiagramme Sequenzdiagramme bilden eine spezielle Form von Liniendiagrammen. Die Besonderheit von Sequenzdiagrammen besteht darin, daß sie stets die einzelnen Werte einer Variablen aus
MehrÜbungsaufgaben zu Statistik II
Übungsaufgaben zu Statistik II Prof. Dr. Irene Prof. Dr. Albrecht Ungerer Die Kapitel beziehen sich auf das Buch: /Ungerer (2016): Statistik für Wirtschaftswissenschaftler Springer Gabler 4 Übungsaufgaben
MehrBio- Statistik 1. mit 87 Abbildungen, 40 Tabellen und 102 Beispielen
Bio- Statistik 1 Beschreibende und explorative Statistik - Wahrscheinlichkeitsrechnung und Zufallsvariablen - Statistische Maßzahlen - Wichtige Verteilungen - Beurteilende Statistik - Vertrauensintervalle
Mehr7. Stochastische Prozesse und Zeitreihenmodelle
7. Stochastische Prozesse und Zeitreihenmodelle Regelmäßigkeiten in der Entwicklung einer Zeitreihe, um auf zukünftige Entwicklung zu schließen Verwendung zu Prognosezwecken Univariate Zeitreihenanalyse
MehrGrundbegriffe der Funktionen aus der 9. Schulstufe
Unterrichtsfach Schulstufe Thema Fachliche Vorkenntnisse Fachliche Kompetenzen Sprachliche Kompetenzen athematik 10. Schulstufe (6. Klasse AHS Grundbegriffe der Funktionen aus der 9. Schulstufe Darstellen
MehrDidaktisches Seminar über Stochastik. Themen: ffl Korrelation von zwei Zufallsvariablen
Didaktisches Seminar über Stochastik Themen: ffl Gemeinsame Verteilung von zwei Zufallsvariablen ffl Lineare Regression ffl Korrelation von zwei Zufallsvariablen Michael Ralph Pape Mai 1998 1 1 GEMEINSAME
MehrExplorative Zeitreihenanalyse
Einheit 11 Explorative Zeitreihenanalyse Department of Statistics and Mathematics WU Wien c 2007 Statistik 11 Explorative Zeitreihenanalyse 0 / 53 Inhalt Beschreiben von Zeitreihen Klassische Zeitreihenzerlegung
MehrStatistik-Klausur vom 25. April 2003
Statistik-Klausur vom 25. April 2003 Bearbeitungszeit: 120 Minuten Aufgabe 1 Performance-Vergleich weltweit angelegter Aktienfonds im Drei-Jahres-Vergleich vom 1.1.1999 bis 31.12.2001 Investmentfonds Astra
MehrAlle Jahre wieder. Arbeitslose in West- und Ostdeutschland - Personen in Mio. Arbeitslose West. Arbeitslose Ost. Nr. 12 /
Nr. 12 / 8.5.1998 Alle Jahre wieder Saisoneffekte in der Arbeitslosigkeit Für 1998 wird zwischen dem größten und kleinsten Saisoneinfluß wieder eine Differenz von 0,6 Mio Personen erwartet q q q Die Entwicklung
MehrEinfaktorielle Varianzanalyse
Kapitel 16 Einfaktorielle Varianzanalyse Im Zweistichprobenproblem vergleichen wir zwei Verfahren miteinander. Nun wollen wir mehr als zwei Verfahren betrachten, wobei wir unverbunden vorgehen. Beispiel
MehrDas Preisniveau und Inflation
Das Preisniveau und Inflation MB Preisindex für die Lebenshaltung Preisindex für die Lebenshaltung (Consumer Price Index, CPI) Bezeichnet für eine bestimmte Periode die Kosten eines typischen Warenkorbs
Mehrdie täglichen Schlusskurse eines börsengehandelten Wertpapiers,
Wirtschaftswissenschaftliches Zentrum 5 Universität Basel Statistik Dr. Thomas Zehrt Zeitreihen Motivation Typische Beispiele für Zeitreihen sind die täglichen Schlusskurse des SMI Nummer 1 2 3 4 5 Datum
MehrBasiswerkzeuge. Kapitel 6. Lernziele. Zeitreihen-Plot. Beschreiben von Zeitreihen. Graphische Darstellungen. Univariate und bivariate Maßzahlen
Kapitel 6 Basiswerkzeuge Josef Leydold c 2006 Mathematische Methoden VI Basiswerkzeuge 1 / 29 Lernziele Beschreiben von Zeitreihen Graphische Darstellungen Univariate und bivariate Maßzahlen Transformationen
Mehr3. Leistungsdichtespektren
Stochastische Prozesse: 3. Leistungsdichtespektren Wird das gleiche Geräusch mehrmals gemessen, so ergeben sich in der Regel unterschiedliche zeitliche Verläufe des Schalldrucks. Bei Geräuschen handelt
MehrSicherheit im Skisport. Unfälle und Verletzungen im alpinen Skisport
Sicherheit im Skisport Unfälle und Verletzungen im alpinen Skisport Zahlen und Trends 2014/2015 Herausgegeben von der In Kooperation mit der Unfälle und Verletzungen im alpinen Skisport Zahlen und Trends
MehrHauptseminar zum Thema:
Fakultät Informatik Institut für angewandte Informatik Professur Technische Informationssysteme Hauptseminar zum Thema: Vergleich ARCH- und GARCH- Modelle bei der Analyse von Zeitreihen mit veränderlichen
MehrVolkswirtschaftslehre für WI ler, Bachelor 60 Pkt. SS08 -Makroökonomik- Dr. Jörg Lingens
Volkswirtschaftslehre für WI ler, Bachelor 60 Pkt. SS08 -Makroökonomik- Dr. Jörg Lingens Frage 1: Grundlagen (10 Pkt) Welche Größen sind nicht Bestandteil des Bruttonationaleinkommens (BNE)? o Faktoreinkommen
Mehr