WISTA WIRTSCHAFTSSTATISTIK
|
|
- Andrea Straub
- vor 7 Jahren
- Abrufe
Transkript
1 WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Semiar für Theoretische Wirtschaftslehre Vorlesugsprogramm Zweidimesioale Datesätze (Fortsetzug) 3. Regressiosaalyse: lieare Regressio, Methode der kleiste Quadrate Grudlage der Zeitreiheaalyse 1. Kompoetezerlegug vo Zeitreihe 2. Tredbestimmug vo Zeitreihe 3. Glätte vo Zeitreihe Literatur: Dege, Horst / Lorscheid, Peter: Statistik-Lehrbuch, 2. Aufl., Müche-Wie 2002, S , Mosler, Karl ud Schmid, Friedrich: Beschreibede Statistik ud Wirtschaftsstatistik, 4. Aufl., Berli-Heidelberg-New York 2009, S , vo der Lippe, Peter: Deskriptive Statistik, Stuttgart 1993, Olie-Ausgabe, S , S Wewel, Max C.: Statistik im Bachelor-Studium der BWL ud VWL, 2. erw. Aufl., Müche 2011, S Übugsaufgabe: SS 08 A4. WS 08/09 A4. SS 10 A5. WS 10/11 A4. WS 11/12 A2. SS 12 A5. Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester 2013
2 Zweidimesioale Datesätze Regressiosaalyse Regressiosaalyse Die Regressiosaalyse beschäftigt sich mit der Schätzug fuktioaler Beziehuge zwische zwei oder mehr metrisch skalierte Merkmale. Hier: Zweidimesioale Datesätze Eifache Regressio Es wird uterstellt, das eie metrische Merkmal (die uabhägige Variable, im Folgede immer mit x bezeichet) beeiflusse das adere metrische Merkmal (die abhägige Variable, im Folgede immer mit y bezeichet). Gesucht ist also die Fuktio y = f x, durch welche die gegebee Wertepaare x i, y i geeriert werde. Bei der lieare Regressio wird ageomme, die gesuchte Fuktio sei liear vo der Form y = a + b x Die vorliegede Wertepaare erfülle diese Beziehug i der Regel icht exakt, d. h. es gibt Abweichuge u i = y i a + b x i, i = 1,, Die lieare Eifachregressio läuft also darauf hiaus, die durch de Datesatz gegebee Puktwolke im Streudiagramm durch eie Gerade so azuäher, dass die Abweichuge u i möglichst gerig sid. Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
3 y Zweidimesioale Datesätze Lieare Eifachregressio Zahlebeispiel 10 i x i y i u u I der Abbildug wurde i die Puktwolke mit der Freihadmethode eie Regressiosgerade eigezeichet. Die Abweichuge sid jeweils die sekrechte Abstäde zwische de Pukte ud der Gerade u 1 u 2 u x Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
4 Zweidimesioale Datesätze Lieare Eifachregressio Methode der kleiste Quadrate ach Gauß: Die Koeffiziete a ud b der Regressiosgerade y = a + b x sid so zu wähle, dass die Summe der quadratische Abweichuge miimiert wird. Uter der Voraussetzug Q a, b = u i 2 = x i x 2 0 ist die Lösug dieser Miimierugsaufgabe eideutig ud lautet: y i (a + b x i ) 2 b = x i x y i y x i x 2 = s xy s x 2 a = y b x oder alterativ: 2 b = x i y i x i y i x i 2 x i a = y b x Beweis Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
5 y Zweidimesioale Datesätze Lieare Eifachregressio Zahlebeispiel: i x i y i x i x y i y x i x y i y x i x S AM 4 5 7, b = x i x y i y x i x 2 = = 0,95 a = y b x = 5 0,95 4 = 1,2 Regressiosgerade y = 1,2 + 0,95 x x Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
6 Zweidimesioale Datesätze Lieare Eifachregressio Zwische dem Korrelatioskoeffiziete r vo Bravais-Pearso ud dem Regressioskoeffiziete b gibt es folgede Beziehug: b = r s y s x mit s x = 1 x i x 2 ud s y = 1 y i y 2 Die sich durch Awedug der Regressiosgleichug aus de Beobachtugswerte ergebede Werte y i = a + b x i heiße theoretische y-werte oder durch die Regressio erklärte Werte. Die Abweichuge u i = y i y i zwische de beobachtete y-werte ud de theoretische y-werte heiße KQ-Residue. Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
7 y Zweidimesioale Datesätze Lieare Eifachregressio Zur Eischätzug der Güte der Regressio wird der Determiatioskoeffiziet d berechet. Diese bezeichet ma auch als Bestimmtheitsmaß. Er ist wie folgt defiiert: d = y i y 2 y i y mit y i y Der Determiatioskoeffiziet misst, welcher Ateil der Variaz (quadratische Abweichug der Beobachtugswerte vom arithmetische Mittel y i y 2 ) durch die Regressio erklärt wird x Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
8 Zweidimesioale Datesätze Lieare Eifachregressio Für de Determiatioskoeffiziete gelte folgede Aussage: Der Determiatioskoeffiziet gibt a, wie groß der Ateil der durch die Regressiosgerade erklärte quadratische Abweichuge des abhägige Merkmals y vom seiem Mittelwert y a der Gesamtsumme der quadratische Abweichuge ist. d = 1 u i y i y 2 0 d 1 d = r 2 d = 1 geau da, we alle Pukte x i, y i auf der Regressiosgerade liege. d = 0 geau da, we beide Merkmale ukorreliert sid. Dies ist uter de Aahme s x 0 ud s y 0 geau da der Fall, we b = 0 ud a = y. Die Apassug durch die Regressiosgerade ist umso besser, je größer d ist. Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
9 Mege Zweidimesioale Datesätze Lieare Eifachregressio Zahlebeispiel Zahlebeispiel Obsthädler : 1 Ei Obsthädler otiert a zeh aufeiader folgede Tage de Preis (i Euro pro kg) eier bestimmte Erdbeersorte ud die verkaufte Tagesmege (i kg): Preis i Euro kg Mege i kg 4, , , , , , , , , , ,00 3,50 4,00 4,50 5,00 5,50 6,00 Preis 1 Quelle für das Zahlebeispiel: Mosler / Schmid, Beschreibede Statistik ud Wirtschaftsstatistik, 4. Aufl., Berli-Heidelberg-New York 2009, S Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
10 Zweidimesioale Datesätze Lieare Eifachregressio Zahlebeispiel Arbeitstabelle: Preis Mege i x i y i x i x y i y x i x y i y x i x 2 y i y 2 1 4, ,30-0,50-0,15 0,09 0,25 2 4, ,10 4,50-0,45 0,01 20,25 3 3, ,60 9,50-5,7 0,36 90,25 4 4, ,10 4,50 0,45 0,01 20,25 5 5, ,00-20,50-20, ,25 6 5, ,60-10,50-6,3 0,36 110,25 7 4, ,30-0,50 0,15 0,09 0,25 8 4, ,10-5,50 0,55 0,01 30,25 9 3, ,50 4,50-2,25 0,25 20, , ,40 14,50-5,8 0,16 210,25 S ,34 922,5 AM 4,40 70,5-4 0,234 92,25 Korrelatioskoeffiziet: x i x y i y r = x i x 2 y i y 2 40 = 2,34 922,5 = 0,8609 Also starke egative Korrelatio. b = x i x y i y x i x 2 = 40 2,34 = 17,0940 a = y b x = 70,5 + 17,0940 4,4 = 145,7137 Regressiosgerade: y = 145, ,0940 x Determiatioskoeffiziet: Ca. 74% der Abweichuge werde durch die Regressio erklärt. d = r 2 = 0, = 0,7412 Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
11 Mege Zweidimesioale Datesätze Lieare Eifachregressio Zahlebeispiel Die Regressiosgleichug ka zu Progosezwecke beutzt werde, we ma abschätze will, mit welchem y-wert bei eiem bestimmte x-wert zu reche ist. Im Beispiel Obsthädler ist etwa y 3,50 = 145, ,0940 3,50 = 85,8847 sodass der Obsthädler damit reche ka, ca. 86 kg Erdbeere absetze zu köe, we er de Preis auf 3,50 /kg sekt. Je kleier d ud je weiter der eigesetzte x-wert vo de bisher beobachtete Werte etfert ist, umso usicherer ist jedoch die Progose. 40 3,00 3,50 4,00 4,50 5,00 5,50 6,00 Preis Beispiel Kosumfuktio Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
12 Zeitreiheaalyse Begriff der Zeitreihe Zeitreiheaalyse Zeitreihe etstehe bei statistische Lägsschittaalyse. Ei Merkmal X wird zu verschiedee, aufeiader folgede Zeitpukte oder Zeititervalle erhobe. Dadurch erhält ma eie zeitlich geordete Abfolge vo Beobachtugswerte. Der Gegebegriff ist die statistische Querschittaalyse, bei der sich die Beobachtugswerte verschiedeer statistischer Eiheite alle auf ei- ud deselbe Zeitpukt oder Zeitraum beziehe. Defiitio: Eie Folge vo Beobachtugswerte x t mit t = 1,2,, welche i der Reihefolge x 1, x 2,, x zeitlich acheiader beobachtet wurde, heißt Zeitreihe. t = 1,2,, heißt Zeitidex. Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
13 Zeitreiheaalyse Begriff der Zeitreihe Bei Zeitreihe ist Folgedes zu beachte: Hadelt es sich bei de Beobachtugswerte um Bestadsgröße, so ist der Zeitidex t als aufeiader folgede Reihe äquidistater Zeitpukte zu iterpretiere. x t ist da der Wert der Bestadsgröße zum Zeitpukt t, also z. B. die Eiwoherzahl Deutschlads am Hadelt es sich bei de Beobachtugswerte um Stromgröße, so ist der Zeitidex t als aufeiader folgede Reihe vo Zeitperiode eiheitlicher Dauer zu iterpretiere. 1 I diesem Fall bezeichet x t de währed der Dauer der Periode t kumulierte Wert der betrachtete Stromgröße, z. B. das Bruttoiladsprodukt im zweite Quartal Empirisch gehaltvolle Aussage erforder, dass der im Zeitidex ausgedrückte Modellzeit eideutig Kalederzeiteiheite zugeordet werde köe. Der Graph eier Zeitreihe mit t a der Abszisse ud x t a der Ordiate heißt Zeitreihediagramm (Plot). 1 ) Liege aufeiader folgede Zeitperiode T 1,, T vor, so gibt es Stromgröße x 1, x. Betrachtet ma die damit korrespodierede Afags- ud Edzeitpukte der Periode, so gibt es + 1 solcher Zeitpukte, ämlich t 0, t 1,, t mit T i = t i t i 1. Der Zeitidex für die Bestadsgröße ist da t = 0,1,,. So gehöre z. B. zu + 1 aufeiader folgede äquidistate Bestadsgröße geau aufeiader folgede Wachstumsrate. Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
14 Zeitreiheaalyse Zeitreihediagramm Registrierte Arbeitslose im alte Budesgebiet, Moatswerte Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
15 Zeitreiheaalyse Zeitreihediagramm Registrierte Arbeitslose i Deutschlad, Moatswerte Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
16 Zeitreiheaalyse Kompoetezerlegug vo Zeitreihe Kompoetezerlegug vo Zeitreihe Bewegugskompoete beschreibe charakteristische Veräderuge der Beobachtugswerte im Zeitablauf: T t Z t G t = T t + Z t S t R t Tredkompoete: Beschreibt die mootoe lagfristige Etwicklug. Zyklische Kompoete: Beschreibt de Kojukturverlauf. Glatte Kompoete: Zusammefassug vo Tred ud zyklischer Kompoete. Saisokompoete: Beschreibt die saisoale Abweichug vo der glatte Kompoete. Irreguläre Kompoete: Restkompoete, beschreibt de Teil der Beobachtuge, de die vorgeate Kompoete icht erfasse. Additives Kompoetemodell: x t = T t + Z t + S t + R t G t Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
17 Zeitreiheaalyse Tredkompoete Methode der Reihehälfte Tredbestimmug mit der Methode der Reihehälfte Fall 1: Die Azahl der vorhadee Zeitreihewerte ist gerade = 2 Zeitreihe i die beide Hälfte x 1,, x ud x +1,, x aufteile. Die arithmetische Mittel x 1 = 1 x t ud x 2 = 1 t=1 t= +1 x t der beide Reihehälfte bereche. Eie Gerade durch die beide Pukte +1, x 2 1 ud Diese Gerade ist die Tredgerade , x 2 lege. Tredgerade: T t = a + b t Parameter der Tredgerade: b = x 2 x 1 ud a = x 1 b Fall 2: Die Azahl der vorhadee Zeitreihewerte ist ugerade = Mittlere Wert x +1 weglasse. Weiteres Vorgehe aalog zu Fall 1. Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
18 Zeitreiheaalyse Tredkompoete Methode der Reihehälfte Bruttoiladsprodukt, preisbereiigt (verkettet, 1991 = 100) 130,00 120,00 110,00 100,00 Ketteidex, 1991 = ,00 80,00 70,00 60,00 50,00 40, Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
19 Zeitreiheaalyse Tredkompoete Methode der Reihehälfte Jahr BIP Jahr BIP , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,08 Summe 1 313,07 Summe 1 977,47 x 1 72,9483 x 2 109,8596 b = x 2 = 36 = , x 2 1 = 9,5; 72, , x 2 2 = (27,5; 109,8596) x 1 = 109, , a = x 1 b + 1 = 2 = 72,9483 2,0506 9,5 = 53,4674 Tredgerade: T t = a + b t = 53, ,0506 t = 2,0506 Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
20 Zeitreiheaalyse Tredkompoete Methode der Reihehälfte Bruttoiladsprodukt, preisbereiigt (verkettet, 1991 = 100) 140,00 130,00 120,00 110,00 Ketteidex, 1991 = ,00 90,00 80,00 70,00 60,00 50,00 40, Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
21 Zeitreiheaalyse Tredkompoete Methode der kleiste Quadrate Tredbestimmug mit der Methode der kleiste Quadrate Die Tredgerade wird wie bei der lieare Regressio mit der Methode der kleiste Quadrate agepasst, idem die Zeitreihewerte als abhägige Variable ud die Zeit t als uabhägige Variable iterpretiert werde. Die Parameter der Tredgerade T t = a + b t resultiere da als 2 b = t x t t x t t 2 t t=1 t=1 t=1 t=1 t=1 a = 1 x t b 1 t t=1 t=1 Dabei gilt: t=1 t=1 t = ( + 1) 2 t 2 = (2 + 1) 6 Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
22 Zeitreiheaalyse Tredkompoete Methode der kleiste Quadrate Bruttoiladsprodukt (x t ), preisbereiigt (Ketteidex, 1991 = 100) Fortsetzug Jahr t x t t x t Jahr t x t t x t ,57 58, , , ,07 122, , , ,11 192, , , ,75 259, , , ,17 320, , , ,03 402, , , ,37 485, , , ,53 572, , , ,59 671, , , ,57 755, , , ,05 836, , , ,67 908, , , ,78 998, , , , , , , , , , , , , , , , , , , , , , ,88 t=1 t 2 = t=1 t = ( + 1) t=1 t=1 = = x t = 3290,56 tx t = 68459,01 = Parameter der Tredgerade: = b = tx t t x t t 2 t , , = 1,9520 a = x t b t 3290,56 1, = 36 = 55,2918 Tredgerade: T t = 55, ,9520 t = Summe : , ,01 Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
23 Zeitreiheaalyse Tredkompoete Methode der kleiste Quadrate Bruttoiladsprodukt, preisbereiigt (verkettet, 1991 = 100) 140,00 130,00 120,00 110,00 Ketteidex, 1991 = ,00 90,00 80,00 Ursprugswerte Tred, RH Tred, KQ 70,00 60,00 50,00 40, Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
24 Zeitreiheaalyse Glatte Kompoete Methode der gleitede Durchschitte Reiheglättug mit der Methode der gleitede Durchschitte Versio 1: Zum Beobachtugswert x t zu eiem Zeitpukt (oder eier Zeitperiode) t werde m Vorgäger- ud m Nachfolgewerte hizugezoge. x t ud die hizugezogee Werte bilde zusamme de Stützbereich. Dieser umfasst also immer eie ugerade Azahl vo Werte, ämlich 2m + 1 Werte. Dem Zeitpukt (oder itervall) t wird soda der Durchschitt x t dieser 2m + 1 Werte zugeordet. x t = t m t+m x t 2m + 1 = x t m + x t m x t + + x t+m 1 + x t+m 2m + 1 Versio 2: Der erste ud der letzte Wert des Stützbereichs gehe ur mit halbem Gewicht i die Berechug ei. Diese Versio ist relevat, we eie gerade Azahl (2m) uterjähriger, saisobehafteter Date geglättet werde soll, z. B. Moatsdate (2m = 12 Moate) oder Quartalsdate (2m = 4 Quartale). Die Saisofigur wird dadurch elimiiert. x t = 1 2 x t m + x t m x t + + x t+m x t+m 2m Für beide Versioe gilt: Für die erste m Werte ud die letzte m Werte der Zeitreihe ka der gleitede Durchschitt x t icht berechet werde, weil der Stützbereich zu klei ist. Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
25 Zeitreiheaalyse Glatte Kompoete Methode der gleitede Durchschitte Jahr Moat Arbeitslose Registrierte Arbeitslose i Deutschlad Gleiteder Durchschitt m = 6 Gleiteder Jahr Moat Arbeitslose Durchschitt m = Jauar Jauar Februar Februar Maerz März April April Mai Mai Jui Jui Juli Juli August August September September Oktober Oktober November November Dezember Dezember Jauar Jauar Februar Februar Maerz März April April Mai Mai Jui Jui Juli Juli August August September September Oktober Oktober November November Dezember Dezember Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
26 Zeitreiheaalyse Glatte Kompoete Methode der gleitede Durchschitte Registrierte Arbeitslose i Deutschlad, Moatswerte Origialwerte Glatte Kompoete (Versio 2) Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
27 Zeitreiheaalyse Glatte Kompoete Methode der gleitede Durchschitte Bruttoiladsprodukt (BIP) Quartalswerte (Mrd. Euro) Deutschlad Berechug des gleitede Durchschitts, beispielhaft für das dritte Quartal 2004: x 7 = , , , , ,80 = 552,88 4 Kalederzeit t Ursprugswerte Vj 1 523,00 2.Vj 2 531,80 BIP i Mrd Gleiteder Durchschitt m = 2 3.Vj 3 552,00 542,73 4.Vj 4 557,00 546, Vj 5 537,20 549,34 2.Vj 6 546,90 551,60 3.Vj 7 560,50 552,88 4.Vj 8 566,60 554, Vj 9 537,80 557,20 2.Vj ,50 559,85 3.Vj ,30 563,79 4.Vj ,00 568, Vj ,90 572,00 2.Vj ,20 577,48 3.Vj ,50 584,04 4.Vj ,60 590, Vj ,80 597,56 2.Vj ,60 3.Vj ,00 Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester
28 BIP i Mrd. Euro Zeitreiheaalyse Glatte Kompoete Methode der gleitede Durchschitte Bruttoiladsprodukt i Deutschlad, Quartalswerte Vj 2.Vj 3.Vj 4.Vj 1.Vj 2.Vj 3.Vj 4.Vj 1.Vj 2.Vj 3.Vj 4.Vj 1.Vj 2.Vj 3.Vj 4.Vj 1.Vj 2.Vj 3.Vj 4.Vj Ursprugswerte Gleiteder Durchschitt (m = 2) Prof. Dr. Rolf Hüpe Modul Statistik I Sommersemester 2013 Beispiel Erwerbslose 28
Kapitel XI - Korrelationsrechnung
Istitut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökoometrie ud Statistik Kapitel XI - Korrelatiosrechug Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Seska Carlo Siebeschuh Aufgabe der Korrelatiosrechug
MehrSo lösen Sie die Gleichung für den Korrelationskoeffizienten
8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Dabei sid Datepukte ( x 1, y 1 ),( x 2, y 2 ), ( x, y ) gegebe.
Mehr( ), der genau auf der Geraden ( ) 2 ( ) #( ) 8. Lineare Regression. = f i. Nach der Summe der kleinsten. mx i
8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Ziel dieses Verfahres ist es, Beziehuge zwische zwei Merkmale
Mehrs xy x i x y i y s xy = 1 n i=1 y 2 i=1 x 2 s 1 n x n i Streudiagramme empirische Kovarianz x=5,5 y=7,5
Streudiagramme für metrisch skalierte Variable paarweise Messwerte (x,y) x 5 7 y 7 5 7 5 5 7 Aussage zu Zusammehäge. empirische Kovariaz Stadardabweichug der WertPAARE x i x y Wert x Mittelwert aller x
MehrMethode der kleinsten Quadrate
Methode der kleiste Quadrate KAPITEL 5: REGRESSIONSRECHNUNG Die Methode der kleiste Quadrate (MklQ) ist ei Verfahre zur Apassug eier Fuktio a eie Puktwolke. Agewadt wird sie beispielsweise, um eie Gesetzmäßigkeit
MehrStatistik I Februar 2005
Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet
Mehr2.2.1 Lagemaße. Exkurs: Quantile. und n. p n
Ekurs: Quatile Ausgagspukt : Geordete Urliste Jeder Wert p, mit 0 < p
MehrZeitreihenanalyse. Kapitel Einführung der Zeitreihen
Kapitel 5 Zeitreiheaalyse 5.1 Eiführug der Zeitreihe Uter eier Zeitreihe versteht ma die Etwicklug eier bestimmte Größe, dere Werte im Zeitablauf zu bestimmte Zeitpukte oder für bestimmte Zeititervalle
MehrMathematik 2 für Naturwissenschaften
Has Walser Mathematik für Naturwisseschafte Modul 0 Regressiosgerade ud Korrelatio Has Walser: Modul 0, Regressiosgerade ud Korrelatio ii Ihalt Die Regressiosgerade.... Problemstellug.... Berechug der
Mehr(a) Richtig, die Varianz ist eine Summe quadratischer Größen.
Aufgabe 1 (10 Pukte) Welche der folgede Aussage sid richtig? (a) Richtig, die Variaz ist eie Summe quadratischer Größe. (b) Falsch, die Abweichug ordialer Merkmale vom Media ist icht defiiert - also auch
MehrHerleitung der Parameter-Gleichungen für die einfache lineare Regression
Herleitug der Parameter-Gleichuge für die eifache lieare Regressio Uwe Ziegehage. März 03 Historie v.0 6.03.009, erste Versio hochgelade v.0 0.03.03, eie Vorzeichefehler beseitigt, diverse Gleichuge ud
MehrFormelsammlung. zur Klausur. Beschreibende Statistik
Formelsammlug zur Klausur Beschreibede Statistik Formelsammlug Beschreibede Statistik. Semester 004/005 Statistische Date Qualitative Date Nomial skalierte Merkmalsauspräguge (Uterscheidugsmerkmale) köe
Mehr+ a 3 cos (3ωt) + b 3 sin (3ωt)
Fourier-Reihe Wir gehe aus vo eier gegebee periodische Fuktio f (t). Die Fuktio hat die Fudametalperiode ( Schwigugsdauer ) ud damit die Grud-Kreisfrequez ω = π. Zeit t Periode Die Fuktio f (t) soll zerlegt
Mehrh i :=h a i f i = h a i n Absolute Häufigkeit: Relative Häufigkeit: h 2 h 4 h 6 :=h der Elemente mit der Ausprägung i=6 zu der Anzahl n aller Werte
. Wer Rechtschreibfehler fidet, darf sie behalte. Rechefehler werde zurückgeomme. Absolute Häufigkeit: h Wie viele Elemete weise diese bestimmte Wert (= diese bestimmte Ausprägug) auf? > Azahl h der Elemete
MehrUmrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung
.3. Prozetuale Häufigkeitsverteilug (HV) Die prozetuale Häufigkeitsverteilug erlaubt de Vergleich vo Auswertuge, dee uterschiedliche Stichprobegröße zugrude liege. Es köe auch uterschiedliche Stichprobegröße
MehrFür eine n n-matrix A müssen wir die Gleichung. lösen. Falls (A λi) invertierbar ist, dann ist. Dann ist aber λ kein Eigenwert.
Geschlossees Leotief-Modell Ei Leotief-Modell für eie Volkswirtschaft heißt geschlosse, we der Kosum gleich der Produktio ist, d.h. we Kapitel 5 Eigewerte V x = x Es hadelt sich dabei um eie Spezialfall
MehrDiesen Grenzwert nennt man partielle Ableitung von f nach x i und
Bevor wir zum ächste Kapitel übergehe, werde wir de Begri eier Fuktio i mehrere Variable eiführe. Eie Fuktio vo Variable ist eie Vorschrift, die jedem Pukt (x 1,x,...,x ) eier Teilmege D des IR eie bestimmte
Mehrn 2(a + bx i y i ) = 0 und i=1 n 2(a + bx i y i )x i = 0 i=1 gilt. Aus diesen beiden Gleichungen erhalten wir nach wenigen einfachen Umformungen
Regressio Dieser Text rekapituliert die i der Aalsis ud Statistik wohlbekate Methode der kleiste Quadrate, auch Regressio geat, zur Bestimmug vo Ausgleichsgerade Regressiosgerade ud allgemei Ausgleichpolome.
MehrStatistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39
Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle
MehrMonotonie einer Folge
Mootoie eier Folge 1 E Mootoe Folge We jedes Folgeglied eier Folge größer oder gleich dem vorhergehede Folgeglied ist a 1 a ℕ so et ma die Folge mooto steiged (oder mooto wachsed). Die geometrische Folge
MehrEmpirische Verteilungsfunktion
KAPITEL 3 Empirische Verteilugsfuktio 3.1. Empirische Verteilugsfuktio Seie X 1,..., X uabhägige ud idetisch verteilte Zufallsvariable mit theoretischer Verteilugsfuktio F (t) = P[X i t]. Es sei (x 1,...,
Mehr4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa
20 I. Zahle, Kovergez ud Stetigkeit 4 Kovergete Folge 4. Dezimalzahle ud Itervallschachteluge. a) Reelle Zahle werde meist als Dezimalzahle dargestellt, etwa 7,304 = 0+7 +3 0 +0 00 +4 000. Edliche Dezimalzahle
MehrD-HEST, Mathematik III HS 2015 Prof. Dr. E. W. Farkas R. Bourquin und M. Sprecher. Lösung 1
D-HEST, Mathematik III HS 15 Prof. Dr. E. W. Farkas R. Bourqui ud M. Sprecher Lösug 1 Das erste Kapitel der Vorlesug behadelt die Theorie der Fourier-Reihe. Bearbeite Sie bitte folgede Frage olie bis Diestag,
MehrLineare Transformationen
STAT 4 FK Herleituge Lieare Trasformatioe Sei eie lieare Trasformatio vo, so gilt Allgemei: a b, () Lieare Trasformatio des arithmetische Mittels y a+b x i () Da a eie additiv verküpfte Kostate ist, ka
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meihardt 6. Stoc, Wallstr. 3 (Raum 06-206) Sprechstude jederzeit ach Vereibarug ud ach der Vorlesug. Mathematische ud statistische Methode I Dr. Malte Persie persie@ui-maiz.de http://psymet03.sowi.ui-maiz.de/
MehrLGÖ Ks VMa 12 Schuljahr 2017/2018
LGÖ Ks VMa Schuljahr 7/8 Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud ugleichuge 6 Für Experte 8 Polyomgleichuge ud -ugleichuge
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Übug 9 1 Ihalt der heutige Übug Statistik ud Wahrscheilichkeitsrechug Iformatioe zur Testatprüfug Besprechug der der Hausübug
MehrKonzentration und Disparität
Begleitede Uterlage zur Übug Deskriptive Statistik Michael Westerma Uiversität Esse Ihaltsverzeichis 6 Kozetratios- ud Disparitätsmessug................................ 2 6.1 Begriff ud Eileitug.......................................
MehrKennwerte Univariater Verteilungen
Kewerte Uivariater Verteiluge Kewerte Beschreibug vo Verteiluge durch eie (oder weige) Werte Werde auch als Parameter oder Maße vo Verteiluge bezeichet Ma uterscheidet: Lagemaße oder auch Maße der zetrale
MehrZusammenfassung: Gleichungen und Ungleichungen
Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud -ugleichuge 6 Für Eperte 9 Polyomgleichuge ud -ugleichuge Defiitio: Ei Term
MehrZusammenfassung: Gleichungen und Ungleichungen
LGÖ Ks VMa Schuljahr 6/7 Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud ugleichuge 6 Für Eperte 8 Polyomgleichuge ud -ugleichuge
MehrEinführende Beispiele Arithmetische Folgen. Datei Nr SW. Das komplette Manuskript befindet sich auf der Mathematik - CD.
ZAHLENFOLGEN Eiführede Beispiele Arithmetische Folge Datei Nr. 400 SW Das komplette Mauskript befidet sich auf der Mathematik - CD Friedrich Buckel Februar 00 Iteratsgymasium Schloß Torgelow Ihalt Eiführede
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seiar für Theoretische Wirtschaftslehre Vorlesugsprogra 14.05.2013 Streuugsaße 1. Norierte Etropie 2. Spaweite, Quartilsabstad,
MehrDritter Zirkelbrief: Ungleichungen
Matheschülerzirkel Uiversität Augsburg Schuljahr 014/015 Dritter Zirkelbrief: Ugleichuge Ihaltsverzeichis 1 Grudlage vo Ugleichuge 1 Löse vo Ugleichuge 3 3 Mittel 4 4 Mittelugleichuge 5 5 Umordugsugleichug
MehrFakultät für Wirtschafts- und Rechtswissenschaften
F A C H H O C H S C H U L E K Ö L N Fakultät für Wirtschafts- ud Rechtswisseschafte F O R M E L S A M M L U N G Deskriptive Statistik Iduktive Statistik Herausgeber: c 2004 Fachgruppe Quatitative Methode
Mehrund wird als n-dimensionaler (reeller) Vektorraum bezeichnet. heißt der von v 1,..., v k aufgespannte Unterraum des R n.
Reeller Vektorraum Kapitel Vektorräume Die Mege aller Vektore x mit Kompoete bezeiche wir mit x R =. : x i R, i x ud wird als -dimesioaler (reeller) Vektorraum bezeichet. Defiitio Ei Vektorraum V ist eie
MehrLineare Regression. Roland Heynkes. 18. April 2006, Aachen
Lieare Regressio Rolad Heykes 18. April 2006, Aache Es kommt i der Natur relativ oft vor, daß zwei Größe statistisch mit eiader verbude sid. We sich diese Verbudeheit mathematisch durch eie Fuktio beschreibe
Mehr2. Repetition relevanter Teilbereiche der Statistik
. Repetitio Statistik Ökoometrie I - Peter Stalder. Repetitio relevater Teilbereiche der Statistik (Maddala Kapitel ) Zufallsvariable ud Wahrscheilichkeitsverteiluge Zufallsvariable X (stochastische Variable)
MehrStatistik I für Studierende der Soziologie
Name: Matrikelummer: Formelsammlug zur Vorlesug Statistik I für Studierede der Soziologie Dr. Caroli Strobl & Gero Walter WS 2008/09 1 Eiführug 1.1 Orgaisatorisches 1.2 Grudbegriffe 1.2.1 Statistische
MehrKlausur 3 Kurs 11ma3g Mathematik
202-06-2 Klausur 3 Kurs ma3g Mathematik Lösug I eier Lotto-Ure befide sich 49 Kugel, die mit de Zahle vo bis 49 beschriftet sid. Eie eizige Kugel wird gezoge. Bereche Sie die Wahrscheilichkeit, dass diese
MehrPositiv denken! Lösungen
Schülerzirkel Mathematik Fakultät für Mathematik. Uiversität Regesburg Positiv deke! Lösuge Aufgabe 1 (GMAMQM (ur für die Klasse 7/8) [ Pukte]). Seie a, b reelle Zahle. 1. Sei a 0 ud b 0. Zeige, dass a
Mehr10. Grundlagen der linearen Regressionsanalyse 10.1 Formulierung linearer Regressionsmodelle
10. Grudlage der lieare Regressiosaalyse 10.1 Formulierug liearer Regressiosmodelle Eifaches lieares Regressiosmodell: Das eifache lieare Regressiosmodell ist die simpelste Form eies ökoometrische Modells
MehrMathematische und statistische Methoden I
Mathematische ud statistische Methode I Sprechstude jederzeit ach Vereibarug ud ach der Vorlesug Wallstr. 3, 6. Stoc, Raum 06-06 Dr. Malte Persie persie@ui-maiz.de lordsofthebortz.de twitter.com/methodelehre
MehrNormierte Vektorräume
Normierte Vektorräume Wir betrachte im Folgede ur Vektorräume über R 1. Sei also V ei Vektorraum. Wir möchte Metrike auf V betrachte, die im folgede Sie mit der Vektorraumstruktur verträglich sid:, y,
MehrGeometrische Folgen. Auch Wachstumsfolgen Viele Aufgaben. Lösungen nur auf der Mathe-CD Hier nur Ausschnitte. Datei Nr
ZAHLENFOLGEN Teil Geometrische Folge Auch Wachstumsfolge Viele Aufgabe Lösuge ur auf der Mathe-CD Hier ur Ausschitte Datei Nr. 00 Friedrich Buckel März 00 Iteretbibliothek für Schulmathematik 00 Geometrische
MehrFormelsammlung. Deskriptive Statistik und Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen
Formelsammlug Deskriptive Statistik ud Elemetare Wahrscheilichkeitsrechug Prof. Dr. Ralf Rude Statistik ud Ökoometrie, Uiversität Siege Prof. Dr. Ralf Rude - Uiversität Siege I Statistische Grudbegriffe
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Semiar für Theoretische Wirtschaftslehre Vorlesugsprogramm 30.04.203 Mittelwerte ud Lagemaße I. Quatile vo Häufigkeitsverteiluge
MehrRepetitionsaufgaben Potenzfunktionen
Repetitiosaufgabe Potezfuktioe Ihaltsverzeichis A) Vorbemerkuge/Defiitio 1 B) Lerziele 1 C) Etdeckuge (Graphe) 2 D) Zusammefassug 7 E) Bedeutug der Parameter 7 F) Aufgabe mit Musterlösuge 9 A) Vorbemerkuge
MehrEs gibt verschiedene Möglichkeiten eine Folge zu definieren. Die zwei häufigsten Methoden
Folge ud Reihe Folge Eie Folge ist eie Abbildug der atürliche Zahle N = {0, 1,,...} i die Mege der (zumidest i de meiste Fälle) reelle Zahle R. I diesem Fall ka ma sich eie Folge als Pukte i eiem Koordiatesystem
Mehr6. Übung - Differenzengleichungen
6. Übug - Differezegleichuge Beispiel 00 Gesucht sid alle Lösuge vo a) x + 3x + = 0 ud b) x + x + 7 = 0, jeweils für 0. Um diese lieare Differezegleichug erster Ordug zu löse, verwede wir die im Buch auf
MehrAnwendungen der Wahrscheinlichkeit II. Markovketten
Aweduge der Wahrscheilichkeit II 1. Fragestelluge Markovkette Markovkette sid ei häufig verwedetes Modell zur Beschreibug vo Systeme, dere Verhalte durch eie zufällige Übergag vo eiem Systemzustad zu eiem
MehrHöhere Analysis. Lösungen zu Aufgabenblatt 6. Die Funktion f sei auf ( π, π] definiert durch f(x) = x und wird 2π-periodisch fortgesetzt.
Fachbereich Iformatik Sommersemester 8 Prof. Dr. Peter Becker Höhere Aalysis Lösuge zu Aufgabeblatt 6 Aufgabe (Fourierreihe) 3+5 Pukte Die Fuktio f sei auf (, π] defiiert durch f(x) x ud wird π-periodisch
Mehrn=0 f(x) = log(1 + x) = n=1
Potez - Reihe Machmal ist es praktisch eie Fuktio f() mir Hilfe ihrer Potezreihe auszudrücke. Eie Potezreihe um de Etwicklugspukt 0 sieht im Allgemeie so aus a ( 0 ) Fuktioe, für die eie Potezreihe eistiert,
MehrWahrscheinlichkeitstheorie und Statistik vom
INSTITUT FÜR MATHEMATISCHE STOCHASTIK WS 005/06 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Klausur Wahrscheilichkeitstheorie ud Statistik vom 9..006 Musterlösuge Aufgabe A: Gegebe sei eie Urliste
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
MehrEvaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt
2.4.5 Gauss-Test ud t-test für verbudee Stichprobe 2.4.5.8 Zum Begriff der verbudee Stichprobe Verbudee Stichprobe: Vergleich zweier Merkmale X ud Y, die jetzt a deselbe Persoe erhobe werde. Vorsicht:
MehrReader Teil 1: Beschreibende Statistik
Dr. Katharia Best Sommersemester 2011 14. April 2011 Reader Teil 1: Beschreibede Statistik WiMa-Praktikum Um Date darzustelle ud eie Übersicht über die Struktur der Date zu erstelle, stellt die beschreibede
MehrK. Felten: Internet Network infrastucture Fachhochschule Kiel, Fachbereich IuE
Defiitio ach DIN4004 Als Zuverlässigkeit ( reliability ) gilt die Fähigkeit eier Betrachtugseiheit ierhalb vorgegebeer Greze dejeige durch de Awedugszweck bedigte Aforderuge zu geüge, die a das Verhalte
MehrFunktionenreihen. 1-E1 Ma 2 Lubov Vassilevskaya
Fuktioereihe Erst durch Newto wurde die Theorie uedlicher Reihe zu eiem eigestädige Forschugsgebiet i der Mathematik, das da i Britaie besodere Beachtug ud weitere Etwicklug durch Brook Taylor ud Coli
Mehr6 Vergleich mehrerer unverbundener Stichproben
6 Vergleich mehrerer uverbudeer Stichprobe 6.1 Die eifaktorielle Variazaalyse Die eifaktorielle Variazaalyse diet der Utersuchug des Eiflusses eier kategorieller (bzw. ichtmetrischer) Variable, die die
Mehr3 Vergleich zweier unverbundener Stichproben
3 Vergleich zweier uverbudeer Stichprobe 3. Der Zweistichprobe t-test Es wird vorausgesetzt, dass die beide Teilstichprobe x, x,..., x ud y, y,..., y jeweils aus (voeiader uabhägige) ormalverteilte Grudgesamtheite
MehrAufgabe 4.2. (a) lim 7 + = (b) lim. ( 2n 3 6n 2 + 3n 1. (c) lim n n 2 ( 1) n n 3) = lim. (d) n n + 1. lim. (e) n n. Aufgabe 4.3.
Folge Eie Folge ist eie Aordug vo reelle Zahle. Die eizele Zahle heiße Glieder der Folge. Kapitel 4 Folge ud Reihe Formal: Eie Folge ist eie Abbildug a : N R, a Folge werde mit a i i oder kurz a i bezeichet.
MehrStatistik I/Empirie I
Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass
Mehr= 3. = 14,38... = x neu x = 0, = 97,87...%. Wie verändert sich der arithmetische Mittelwert von 20 Zahlen, wenn...
Mathemati macht Freu()de AB Statistische Kegröße ud Boxplot Arithmetischer Mittelwert x 1, x,..., x ist eie Liste vo reelle Zahle. Das arithmetische Mittel x der Zahle ist x = x 1 + x + + x. Arithmetischer
MehrDer Groß-O-Kalkül. Additionsregel. Zunächst ein paar einfache "Rechen"-Regeln: " ": Sei. Lemma, Teil 2: Für beliebige Funktionen f und g gilt:
Der Groß-O-Kalkül Additiosregel Zuächst ei paar eifache "Reche"-Regel: Lemma, Teil 1: Für beliebige Fuktioe f g gilt: Zu beweise: ur das rechte "=" Zu beweise: jede der beide Mege ist jeweils i der adere
MehrKapitel 4. Folgen und Reihen. Josef Leydold Auffrischungskurs Mathematik WS 2017/18 4 Folgen und Reihen 1 / 38. a : N R, n a n
Kapitel 4 Folge ud Reihe Josef Leydold Auffrischugskurs Mathematik WS 2017/18 4 Folge ud Reihe 1 / 38 Folge Eie Folge ist eie Aordug vo reelle Zahle. Die eizele Zahle heiße Glieder der Folge. Formal: Eie
MehrAbb. 1: Woher kommen die schwarzen Quadrate?
Has Walser, [0160916], [0161009] Umögliche pythagoreische Dreiecke Idee: Chr. Z., B. 1 Schwarze Quadrate Woher komme die beide schwarze Quadrate? Abb. 1: Woher komme die schwarze Quadrate? Sachverhalt
MehrAngewandte Mathematik und Programmierung
Agewadte Mathematik ud Programmierug Eiführug i das Kozept der objektorietierte Aweduge zu wisseschaftliche Reches mit C++ ud Matlab SS03 Orgaisatorisches Dozete Gruppe: Ago (.50), Ludger Buchma(.50) Webseite:
MehrÜbungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 8
Mathematisches Istitut der Uiversität Müche Prof Dr Peter Otte WiSe 203/4 Lösug 8 032203 Übuge zur Aalysis für Iformatiker ud Statistiker Lösug zu Blatt 8 Aufgabe 8 [8 Pukte] (a) Für alle N sei = (+) Wir
Mehr1. Einleitung. Uni- und bivariate Datenanalyse. Auswertung eines Merkmals. Verbundene Auswertung zweier Merkmale
. Eileitug Ui- ud ivariate Dateaalyse Uivariate Dateaalyse uswertug eies Merkmals Beispiele: Uivariate Häufigkeitsverteiluge, arithmetisches Mittel, Variaz ud Stadardaweichug Bivariate Dateaalyse Verudee
MehrKapitel 2. Kapitel 1 Skalierungen. Graphische Darstellungen. Seite 1/5 Deskriptive Statistik. Aufgabe 1 Welche Skalenniveaus liegen vor?
Seite 1/5 Deskriptive Statistik Kapitel 1 Skalieruge Aufgabe 1 Welche Skaleiveaus liege vor? Telefoummer Hausummer Ihalt vo Bierflasche i Zetiliter Haushaltsgröße i Persoe Lägegrade Nummerschilder Kapitel
MehrFolgen und Reihen. 23. Mai 2002
Folge ud Reihe Reé Müller 23. Mai 2002 Ihaltsverzeichis 1 Folge 2 1.1 Defiitio ud Darstellug eier reelle Zahlefolge.................. 2 1.1.1 Rekursive Defiitio eier Folge......................... 3 1.2
MehrStatistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte.
Statistik Vorlesug,. ärz, Statistische aßzahle Iformatio zu verdichte, Besoderheite hervorzuhebe ittelwerte Aufgabe: die Lage der Verteilug auf der Abszisse zu zeige. Der odus: derjeige Wert, der im Häufigste
MehrKreisabbildungen. S 1 f S 1. Beispiele: (1) f = id, F = id,
Kreisabbilduge Im Folgede sehe wir us eie gaz spezielle Klasse vo dyamische Systeme a: Abbilduge auf dem Kreis. Diese sid eifach geug, so dass wir sie och recht leicht aalysiere köe, habe aber adererseits
Mehr3. Einführung in die Statistik
3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 1
Techische Uiversität Müche Zetrum Mathematik Mathematik (Elektrotechik) Prof. Dr. Ausch Taraz Dr. Michael Ritter Übugsblatt Hausaufgabe Aufgabe. Bestimme Sie de Kovergezbereich M der folgede Reihe für
Mehr4 Schwankungsintervalle Schwankungsintervalle 4.2
4 Schwakugsitervalle Schwakugsitervalle 4. Bemerkuge Die bekate Symmetrieeigeschaft Φ(x) = 1 Φ( x) bzw. Φ( x) = 1 Φ(x) für alle x R überträgt sich auf die Quatile N p der Stadardormalverteilug i der Form
MehrJugendliche (18-24 Jahre) in Westdeutschland
Modus Beispiel: Modus Jugedliche (8-4 Jahre) i Westdeutschlad Parameter oder Kewerte eier Häufigkeitsverteilug sid Kegröße, mit dere Hilfe die Verteilug z.t. oder vollstädig rekostruiert werde ka D West
Mehr4. Reihen Definitionen
4. Reihe 4.1. Defiitioe Addiere wir die Glieder eier reelle Zahlefolge (a k ), so heißt diese Summe S (uedliche) (Zahle-) Reihe S (Folge: Fuktio über N; Reihe: 1 Zahl): S := a 1 + a 2 + a 3 +... := Σ a
Mehrx 1, x 2,..., x n ist eine Liste von n reellen Zahlen. Das arithmetische Mittel x der Zahlen ist x = x 1 + x x n n
Mathemati macht Freu()de AB Statistische Kegröße ud Boxplot x 1, x,..., x ist eie Liste vo reelle Zahle. Das arithmetische Mittel x der Zahle ist x = x 1 + x + + x. Arithmetischer Mittelwert Arithmetischer
Mehr8. Regressionsanalyse
8. Regressiosaalyse Beschreibug der Abhägigkeit zweier Merkmale Gegebe eie Stichprobe (X ; Y ) : : : (X ; Y ) zur Grudgesamtheit (X; Y ), = corr(x; Y ) Korrelatioskoe ziet, R empirischer Korrelatioskoe
MehrStatistik Einführung // Beschreibende Statistik 2 p.2/61
Statistik Eiführug Beschreibede Statistik Kapitel Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Beschreibede Statistik
MehrVl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3
Vl Statistische Prozess ud Qualitätskotrolle ud Versuchsplaug Übug 3 Aufgabe ) Die Schichtdicke X bei eier galvaische Beschichtug vo Autoteile sei ormalverteilt N(μ,σ ). 4 Teile werde galvaisch beschichtet.
Mehrn=1 b n, deren Summe n=1 (a n + b n ) eine konvergente Reihe ist. Die Aussage ist WAHR, ein mögliches Beispiel sind die divergenten Reihen 1
ANALYSIS WS 08/09 Vorlesug: Prof. Dr. P. Ullrich Übuge: Dr. I. Kharif/ Dr. M. Steihauer 9. ÜBUNGSBLATT- LÖSUNGSHINWEISE/Ergebisse Die folgede Bearbeituge sid - zum Teil - keie ausführliche Musterlösuge,
MehrNachklausur - Analysis 1 - Lösungen
Prof. Dr. László Székelyhidi Aalysis I, WS 212 Nachklausur - Aalysis 1 - Lösuge Aufgabe 1 (Folge ud Grezwerte). (i) (1 Pukt) Gebe Sie die Defiitio des Häufugspuktes eier reelle Zahlefolge (a ) N. Lösug:
MehrAnalysis I - Zweite Klausur
Aalysis I - Zweite Klausur Witersemester 2004-2005 Vorame: Name: Aufgabe Aufgabe 2 Aufgabe 3 Aufgabe 4 Aufgabe 5 Aufgabe 6 Aufgabe 7 Aufgabe 8 Aufgabe 9 Summe Aufgabe 4 Pukte Bestimme Sie (mit Beweis)
Mehr3 Grenzwerte. 3.1 Grenzwerte von Folgen
03-grezwerte.cdf 3 Grezwerte 3. Grezwerte vo Folge Kovergez Mache Folge zeige ei spezielles Verhalte, we der Idex sehr groß wird. Sie äher sich eier bestimmte Zahl. Betrachte wir zum Beispiel die Folge
MehrKurvenanpassung durch Regression (3) Ac nichtlineare Regression/Linearisierung -
Kurveapassug durch Regressio (3) Ac 207 - ichtlieare Regressio/Liearisierug - Für Probleme, die eie icht lieare ( ud icht polyomiale) Apassugsfuktio ahelege, ist eie direkte Berechug ach der Methode der
MehrFormelnfürdieAnzahlmöglicherQuadrateaufn*nSpielfeldern
Modrago Formel Herleitug, Azahl Quadrate ud Differeze 01.doc 1 FormelfürdieAzahlmöglicherQuadrateauf*Spielfelder Mit Erläuteruge zur Ableitug der Formel vo Dr. Volker Bagert Berli, 11.03.010 Ihaltsverzeichis
MehrAnalysis ZAHLENFOLGEN Teil 4 : Monotonie
Aalysis ZAHLENFOLGEN Teil 4 : Mootoie Datei Nr. 40051 Friedrich Buckel Juli 005 Iteretbibliothek für Schulmathematik Ihalt 1 Eiführugsbeispiele 1 Mootoie bei arithmetische Folge Defiitioe 3 3 Welche Beweistechik
Mehr1 Das Skalarprodukt und das Kreuzprodukt
Das Skalarprodukt ud das Kreuzprodukt Wir betrachte zu x = de Ausdruck y t x : = x Grud: Die rechte Seite der Gleichug ist: y t x = (y tx +... + (y ty { t x } y +... + x y x + x y (x y +... + x y x x t
MehrProseminar Lineare Algebra WS 2016/17
Prosemiar Lieare Algebra WS 2016/17 Bachelorstudium Lehramt Sekudarstufe (Allgemeibildug) Lehramtsstudium Uterrichtsfach Mathematik Kapitel 0: Grudlage 1. Wie sid die Begriffe Vereiigug, Durchschitt ud
MehrZusammenfassung: Folgen und Konvergenz
LGÖ Ks VMa Schuljahr 6/7 Zusammefassug Folge ud Kovergez Ihaltsverzeichis Defiitioe ud Beispiele für Folge Beschräkte Folge Kovergez vo Folge Grezwertsätze für Folge 5 Für Experte 7 Defiitioe ud Beispiele
MehrVorkurs Mathematik für Informatiker Folgen
Vorkurs Mathematik für Iformatiker -- 9 Folge -- 6.1.215 1 Folge: Defiitio Eie (uedliche) Folge im herkömmliche Sie etsteht durch Hitereiaderschreibe vo Zahle 1,2,3,4,5, Dabei ist die Reihefolge wichtig,
MehrAufgabe 5: Grundlagen Wahr keit, Satz von Bayes und Binomialverteilung
Klausur: Statistik Jürge Meisel Zugelassee Hilfsmittel: icht progr. Tascherecher Bearbeitugszeit: 60 Miute Amerkug zur Bearbeitug: Die Klausur besteht aus isgesamt 6 Aufgabe. Sie müsse ur 5 davo bearbeite.
MehrMaximum Likelihood Version 1.6
Maximum Likelihood Versio 1.6 Uwe Ziegehage 15. November 2005 Logarithmegesetze log a (b) + log a (c) = log a (b c) (1) log a (b) log a (c) = log a (b/c) (2) log a (b c ) = c log a (b) (3) Ableitugsregel
MehrUnsere Daten. Konzentrationsmessung. Konzentrationskurve Summenkurve der Bierkonsumierung. Statistik 2. Vorlesung, Feb. 29, 2012
Statisti. Vorlesug, Feb. 9, Usere Date Höhe Gewicht 5 5 Coctails 5 7 75 5 7 cm Gewicht Glas Schuhgrösse Mathe 5 7 -.5..5..5..5 Reisezeit y 7 9 5 cm Mi Kozetratiosmessug Was für ei Ateil der Eiomme gehört
MehrKapitel 6 Differenzierbarkeit
Kapitel 6 Differezierbarkeit Ihalt 6.1 6.1Die Defiitio 6.2 6.2Die Eigeschafte 6.3 6.3Extremwerte Seite 2 Was heißt differezierbar? Differezierbare Fuktioe sid sid glatte Fuktioe. Wir Wir beschreibe diese
MehrStrukturelle Modelle in der Bildverarbeitung Markovsche Ketten II
Strukturelle Modelle i der Bildverarbeitug Markovsche Kette II D. Schlesiger TUD/INF/KI/IS Statioäre Verteilug Verborgee Markovsche Kette (HMM) Erkeug stochastisches Automate D. Schlesiger SMBV: Markovsche
MehrReihen Arithmetische Reihen Geometrische Reihen. Datei Nr (Neu bearbeitet und erweitert) Juni Friedrich W. Buckel
Zahlefolge Teil 3 Reihe Reihe Arithmetische Reihe Geometrische Reihe Datei Nr. 4003 (Neu bearbeitet ud erweitert) Jui 005 Friedrich W. Buckel Iteretbibliothek für Schulmathematik Ihalt Defiitio eier Reihe
Mehr