Statistik im Bachelor-Studium der BWL und VWL Methoden, Anwendungen, Interpretation
|
|
- Harald Lang
- vor 7 Jahren
- Abrufe
Transkript
1
2 Saisik im Bachelor-Sudium der BWL ud VWL Mehode, Aweduge, Ierpreaio 3, akualisiere Auflage Max C Wewel
3 3 Progoseverfahre 3 Regressiosaalyse 3 Problemsellug Die Regressiosaalyse sell eie Weierewicklug der Korrelaiosaalyse dar (vgl Abschi 5), wobei hier grudsäzlich vorausgesez wird, dass die beide berachee Merkmale X ud Y quaiaiv sid Währed die Merkmale i der Korrelaiosaalyse völlig gleich behadel werde, wird i der Regressiosaalyse uersell, dass das erse Merkmal (X) uabhägig is ud das zweie Merkmal (Y) vom erse Merkmal abhägig is Diese Zusammehag beschreib die Regressiosfukio y = f(x) Welches Merkmal uabhägig ud welches abhägig is, riche sich ia ach der vermuee Kausaliä Sehr of is die im Modell erkläre (abhägige) Variable Y eie Zielgröße (Gewi, Umsaz ec) ud die erklärede (uabhägige) Variable X eie Isrumegröße (Absazpreis, Werbeausgabe ec) Als Regressiosfukio wird meis eie lieare Fukio gewähl, weil dies die eifachse Form der Abhägigkei is ud alle differezierbare Fukioe lokal durch eie lieare Fukio ageäher werde köe Ohehi habe Regressiosfukioe immer ur approximaive Charaker, weil sich Zusammehäge zwische ökoomische Merkmale, die idr das Verhale vo Wirschafssubjeke (Produzee, Kosumee ec) wiederspiegel, aurgemäß ich durch eifache Fukioe exak beschreibe lasse Dies bedeue, dass beim Eiseze vo asächliche zweidimesioale Beobachugswere ( x, y ) ( =,, ) (3) seie sie aus dem Schäz- oder Progosebereich fas immer eie Abweichug (bzw ei Fehler oder eie Sörug) u zwische dem Beobachugswer der abhägige Variable y ud dem Fukioswer f(x ) aufri Uer Berücksichigug dieser empirische Abweichug laue das allgemeie Regressiosmodell y = f( x ) + u ( =,, ) (3) bzw das lieare Regressiosmodell y = a+ b x + u ( =,, ) (33) Im Rahme eier Regressiosaalyse sid u im weseliche zwei Probleme zu behadel: Schäzproblem: Wie ka die Regressiosfukio bzw im lieare Fall wie köe die beide Regressioskoeffiziee a ud b opimal passed zu de vorliegede Beobachugswere des Schäzbereichs umerisch besimm werde? Beureilugsproblem: Wie läss sich die Aussagefähigkei der so geschäze Regressiosfukio ud dami die Güe der aus ihr abgeleiee Progose beureile? 6
4 3 Regressiosaalyse 3 Besimmug der Regressioskoeffiziee Empirischer Ausgagspuk des Schäzproblems der Regressiosaalyse sid die zweidimesioale Beobachugswere des Schäzbereichs ( x, y ) ( =,, ), welche i eiem Sreuugsdiagramm veraschaulich werde köe Die Regressiosfukio soll de uerselle lieare Zusammehag zwische diese Beobachugswere der beide Merkmale X ud Y opimal beschreibe Abbildug 3: Sreuugsdiagramm zur Umsazprogose (vgl Tabelle 3) Als Opimaliäskrierium wird das sog Kleis-Quadrae-Prizip (oder kurz: KQ- Prizip) agewad, ach dem die Summe der quadriere Fehler im Schäzbereich miimier wird Für das lieare Regressiosmodell bedeue das: = = u = ( y a bx ) = : q( a, b) mi! (3) Im Sreuugsdiagramm wird also diejeige Gerade gesuch, für die die Summe der quadriere sekreche Absäde zu de zweidimesioale Beobachugswere am kleise is Abbildug 33: Kleis-Quadrae-Prizip 7
5 3 Progoseverfahre Exkurs Exkurs Ableiug der Kleis-Quadrae-Schäzuge Gesuch wird das lokale (ud zugleich globale) Miimum der Fukio qab (, ) = ( a+ bx y) = Die owedige Bediguge für ei lokales Exremum sid die Normalgleichuge:! (, ) ( ) qa a b = a+ bx y = a+ b x y = Die hireichede Zusazbediguge für ei lokales Miimum sid erfüll: = σ > = = = a + bx y = a = y bx! q a b a bx y x a x b x x y (, ) ( ) b = + = + = = = = = + = ( ) y bx x b x = x y = a b = x x = x y xy = σ xy b = σ (, ) ud (, aa = > bb ) = > sowie = q a b q a b x (, ) (, ) ( ( aa bb ab, )) = = = = = q a b q a b q a b x x x x x x Nach dem Kleis-Quadrae-Prizip laue die geschäze Regressiosgerade also mi de Regressioskoeffiziee ud y = a + b x b σ = σ xy x â = y bx (35) (36) (37) Die Schäzformel (36) für de Asieg der Regressiosgerade zeig folgede Zusammehag zur Korrelaio der Merkmale X ud Y: seigede Regressiosgerade posiive Korrelaio fallede Regressiosgerade egaive Korrelaio horizoale Regressiosgerade keie Korrelaio 8
6 3 Regressiosaalyse Ferer erke ma durch Auflöse der Schäzformel (37) ach y, dass die geschäze Regressiosgerade durch de Schwerpuk ( xy, ) geh Sez ma u i die geschäze Regressiosgerade (35) bekae bzw ageommee Were x der uabhägige Variable ei, so erhäl ma bedige Progosewere y für die abhägige Variable Sowei es sich um Ex-pos-Progose hadel, köe diese mi de (bei der Schäzug beuze) Beobachugswere vergliche werde Die dabei aufreede Differeze heiße Ex-pos-Progosefehler oder kurz Residue: u = y y ( =,, ) (38) Für die Ex-pos-Progosewere y ( =,,) gil im lieare Regressiosmodell aufgrud der og Schwerpuk-Eigeschaf: y (37) = y = ( a + bx ) = a + bx = y, = = dh die Ex-pos-Progosewere y ( =,,) espreche im Miel de Beobachugswere y ( =,,) Es ree also keie sysemaische Progosefehler auf Für die Residue gil: u = y y = Umsazprogose Beispiel Aus de Dae i Tabelle 3 soll die küfige Umsazewicklug des Uerehmes mi Hilfe eies Regressiosmodells progosizier werde, bei dem uersell wird, dass der Umsaz des Uerehmes (Y) äherugsweise eie lieare Fukio der im gleiche Zeiraum geäige Werbeausgabe (X) is Zur Schäzug der Regressioskoeffiziee die die folgede Arbeisabelle Quaral x x x (x x) y y y (x x)(y y) / / / 3 / ,,7,5 3,,,5,7,,6,,, / / / 3 / ,,9 3, 3,7,,3,5,,6 3 / 3 / 3 / 3 3 / ,6 3, 3,6 3,8,,,, , 7,,8,,, Tabelle 3: Schäzug der Regressiosgerade ach dem Kleis-Quadrae-Prizip 9
7 3 Progoseverfahre 3 Ma erhäl: [ 3 8 x = = _] σ [ 6 _ x = = ] 38, [ 6 7, y = = 3, _] σ,6 [ 9 _ ] xy = =,6 ud somi: b = =,5 [ 3 ] a = 3,,5 =,55 [ 6 _] Die geschäze Regressiosgerade laue also: y =,55 +,5 x Die Regressioskoeffiziee b ud â lasse sich hier so ierpreiere, dass jeder zusäzlich für Werbug ausgegebee Euro de Umsaz um ca 5 _ erhöh ud ohe Werbeausgabe ur mi eiem Quaralsumsaz vo,55 Mio _ zu reche is Abbildug 3: Regressiosgerade im Sreuugsdiagramm Die geschäze Regressiosgerade ka u zu bedige Progose geuz werde Für die erse vier Quarale im Progosebereich (vgl Tabelle 3) ergebe sich die folgede Ex-ae-Progosewere Quaral x / / / 3 / y, 3,5,,7 Tabelle 33: Ex-ae-Progose mi dem Regressiosmodell
8 3 Regressiosaalyse 33 Beureilug des Regressiosmodells Nach dem Kleis-Quadrae-Prizip ka gemäß de Formel (36) ud (37) immer eie opimale lieare Regressiosfukio besimm werde, selbs we aus dem Sreuugsdiagramm klar hervorgeh, dass zwische de Beobachugswere der beide Merkmale, x ud y, überhaup kei Zusammehag beseh Daher is es owedig, das Schäzergebis eier kriische Prüfug zu uerziehe Die geschäze Regressiosgerade ud die daraus abgeleiee Progose sid offebar umso zuverlässiger, je kleier die Residue beragsmäßig sid Ei Maß für die absolue Größe der Residue is dere Variaz: σ = u u = Sie häg allerdigs vo der Dimesio der abhägige Variable Y ab ud muss och geeige ormier werde Hierzu biee sich die im lieare Regressiosmodell allgemei gülige Sreuugszerlegug a: σ =σ +σ y y u (39) Diese Beziehug besag, dass die Variaz der Beobachugswere σ y addiiv zerleg werde ka i die Variaz der Ex-pos-Progosewere σ ŷ (= erkläre Sreuug) ud die Variaz der Residue σ û (= Ressreuug) Die Variaz der Ex-pos-Progosewere σ ŷ wird als erkläre Sreuug bezeiche, weil sie derjeige Teil der Sreuug der y -Were is, der aufgrud der Regressiosgerade aus der Sreuug der x -Were resulier oder aders ausgedrück mi der Sreuug der x -Were erklär werde ka Es gil der folgede i Abbildug 35 verdeuliche Zusammehag: (36) σ xy σ xy y b x x σ x σ x σ = σ = σ = Abbildug 35: Sreuugserklärug im Regressiosmodell
9 3 Progoseverfahre Im güsigse Fall lieg ei perfeker liearer Zusammehag zwische de x - ud y -Were vor (vgl Abbildug 36) Da liege alle zweidimesioale Beobachugswere auf der geschäze Regressiosgerade Die Ex-pos-Progosewere y sid mi de Beobachugswere y ideisch Für die Variaze i der Sreuugszerlegug gil somi: σ =σ y y ud σ = u I diesem Fall wird die Sreuug der y -Were mi dem Regressiosmodell also vollsädig durch die Sreuug der x -Were erklär Umgekehr is die Siuaio, we überhaup kei liearer Zusammehag erkebar is (vgl Abbildug 37) Im ugüsigse Fall völlig ukorrelierer x - ud y -Were verläuf die Regressiosgerade horizoal Alle Ex-pos-Progosewere y espreche da dem arihmeische Miel y ud es gil für die Variaze i der Sreuugszerlegug: σ = y ud σ =σ, u y dh die Sreuug der y -Were bleib vollsädig uerklär, weil sie ich auf die Sreuug der x -Were zurückgeführ werde ka Abbildug 36: Perfeker liearer Zusammehag Abbildug 37: Kei liearer Zusammehag Als Ergebis dieser Überleguge is feszuhale, dass ei Regressiosmodell umso besser is, je größer der Aeil der erkläre Sreuug a der Gesamsreuug is Dieser Aeil heiß Besimmheismaß ud esprich dem Quadra des Korrelaioskoeffiziee ach Bravais/Pearso: r σ σ σ = = = σ σ σ σ y xy u y x y y (3) Das Besimmheismaß is auf das Eiheisiervall ormier: r (3)
10 3 Regressiosaalyse Als sehr grobe Orieierug für die Ierpreaio mag die folgede Fausregel diee: r < 3 r < r kei liearer Zusammehag zwische X ud Y schwach ausgepräger liearer Zusammehag zwische X ud Y sark ausgepräger liearer Zusammehag zwische X ud Y Umsazprogose Beispiel I Forführug des Beispiels aus Tabelle 3 werde zur Beureilug des Regressiosmodells die Ex-pos-Progosewere ud Residue sowie die Kompoee der Sreuugszerlegug ermiel (vgl Tabelle 3) Dabei ergib sich wege,9 [ _,8 ] [ _,8 σ,6 ] [ _ y = = σ y = =,9 σ ] u = =,7,9 das Besimmheismaß r = =,565,,6 dh 56,5 % der Sreuug des Umsazes köe mi dem Regressiosmodell durch die Sreuug der Werbeausgabe erklär werde Somi is der uerselle lieare Zusammehag ur mäßig sark ausgepräg Ma solle daher versuche, das Regressiosmodell zb durch Verwedug eies adere Fukiosyps oder durch zusäzliche erklärede Variable zu verbesser (ich-lieares bzw muliples Regressiosmodell) Quaral y / / / 3 / 3 3,,7,5 3, y,75,9,9 3,5 u ( y y) ( y y),5,,,5,,5,9,,5,9,9,5 u,65,,6,5 / / / 3 / ,,9 3, 3,7 3,5,9 3, 3,,5,5,,9,5,9,9,5,5 3 / 3 / 3 / 3 3 / 9 3,6 3, 3,6 3,8 3,5 3,35 3,35 3,8,,5,5,6,,6,36,9,5,5,36,,5, , 38,,9,8,8 Tabelle 3: Ex-pos-Progosewere, Residue ud Sreuugszerlegug 3
11 3 Progoseverfahre 33 Zeireiheaalyse 33 Problemsellug Eie Zeireihe is eie Folge vo zeilich hiereiader, meis i regelmäßige Absäde bei demselbe Merkmalsräger erhobee Beobachugswere eies Merkmals: Typische Beispiele für Zeireihe sid y ( =,,, +, +, ) (3) die ägliche Schlusskurse eies börsegehadele Werpapiers, die moalich fesgeselle Arbeislosezahle i Deuschlad, die Quaralsumsäze eies Uerehmes oder die jährliche Produkiosmege eies Sahlwerks Üblicherweise werde solche Zeireihe i eiem Zeireihediagramm grafisch dargesell, wobei die lieare Verbidug aufeiader folgeder Were ur der bessere Veraschaulichug die Abbildug 38: Zeireihediagramm der Umsazreihe (Dae aus Tabelle 3) I der Zeireiheaalyse werde Zeireihe auf Gesezmäßigkeie uersuch, die sich aus der zeiliche Abfolge der Beobachugswere ergebe Die eifachse Verfahre ziele darauf ab, de Zeireiheverlauf so gu es geh auf sysemaische Kompoee wie Tred ud Saisoeiflüsse zurückzuführe Nebe de sysemaische Kompoee wird och eie Reskompoee berücksichig, i der alle ich-sysemaische ( zufällige ) Eiflüsse auf die Zeireihe zusammegefass werde Das addiive Modell der Zeireihezerlegug laue: y = g + s + r ( =,, ), (33)
12 33 Zeireiheaalyse wobei die Zeireihe y i eie glae Kompoee (Tred) g, eie zyklische Kompoee (zb Saisofigur) s ud eie Reskompoee r zerleg wird Wie i der Regressiosaalyse sid auch bei der Zeireiheaalyse zwei Probleme zu behadel: Schäzproblem: Wie lasse sich die sysemaische Kompoee g ud s aus de vorliegede Zeireihewere schäze? Beureilugsproblem: Wie läss sich die Güe bzw Aussagefähigkei der Zeireihezerlegug beureile? 33 Besimmug der glae Kompoee Bei der Zeireihezerlegug begi ma mi der glae Kompoee, idem ma eie besimme Fukiosyp für die Tredfukio uersell Die eifachse Aahme is die eier lieare Tredfukio g = a+ b Durch Eiseze i die Modellgleichug (33) erhäl ma die Gleichug y = a+ b+ ( s + r), die dem lieare Regressiosmodell esprich, we ma die Were der uabhägige Variable x durch die Zeiperiode ud die Söruge u durch die kombiiere Saiso- ud Reskompoee s + r ersez Demach köe die Koeffiziee a ud b der lieare Tredfukio wieder ach dem Kleis-Quadrae-Prizip geschäz werde: ( s+ r) = ( y a b) = : q( a, b) mi! = = Das Ergebis is die geschäze Tredgerade g = a+ b (3) mi de aalog zu (36) ud (37) besimme Koeffiziee b σ = σ y (35) + ud = a y b (36) Da die Were vo die Zahle,, sid, gil bei der Berechug: + = = = 5
13 Copyrigh Dae, Texe, Desig ud Grafike dieses ebooks, sowie die eveuell ageboee ebook-zusazdae sid urheberrechlich geschüz Dieses ebook selle wir lediglich als persöliche Eizelplaz-Lizez zur Verfügug! Jede adere Verwedug dieses ebooks oder zugehöriger Maerialie ud Iformaioe, eischließlich der Reprodukio, der Weiergabe, des Weierverriebs, der Plazierug im Iere, i Iraes, i Exraes, der Veräderug, des Weierverkaufs ud der Veröffelichug bedarf der schrifliche Geehmigug des Verlags Isbesodere is die Eferug oder Äderug des vom Verlag vergebee Passworschuzes ausdrücklich uersag! Bei Frage zu diesem Thema wede Sie sich bie a: ifo@pearsode Zusazdae Möglicherweise lieg dem gedrucke Buch eie CD-ROM mi Zusazdae bei Die Zurverfügugsellug dieser Dae auf usere Websies is eie freiwillige Leisug des Verlags Der Rechsweg is ausgeschlosse Hiweis Dieses ud viele weiere ebooks köe Sie rud um die Uhr ud legal auf userer Websie heruerlade: hp://ebookspearsode
Statistik im Bachelor-Studium der BWL und VWL
Max C. Wewel Saisik im Bachelor-Sudium der BWL ud VWL Mehode, Awedug, Ierpreaio., erweiere Auflage Mi herausehmbarer Formelsammlug ei Impri vo Pearso Educaio Müche Boso Sa Fracisco Harlow, Eglad Do Mills,
MehrStatistik im Bachelor-Studium der BWL und VWL
Max C. Wewel Saisik im Bachelor-Sudium der BWL ud VWL Mehode, Awedug, Ierpreaio Mi herausehmbarer Formelsammlug ei Impri vo Pearso Educaio Müche Boso Sa Fracisco Harlow, Eglad Do Mills, Oario Sydey Mexico
MehrPrognoseverfahren. 3.4 Aufgaben... 121 ÜBERBLICK
Progoseverfahre. Eiführug....................................... 8.. Wisseschafliche Progose.................... 8.. Daebasis ud saisische Progosemodelle......... Beispiel: Umsazprogose........................
MehrAufgaben zur Ökonometrie I
Aufgabe zur Ökoomerie I 3. Sigifikazess ud Kofideziervalle 3. Wie groß is der Sadardfehler der Regressio vo GASV auf VEINKR ( Eergiemodell Ib, s. Ergebisse i Aufgabe.8) (mi Ierpreaio)? Der Sadardfehler
Mehr2.3 Schätzeigenschaften der OLS-Methode
.3 Schäzeigechafe der OLS-Mehode Jede Schäzmehode wei beimme Güeeigechafe auf, die vo der Erfüllug beimmer Vorauezuge abhäge. Wa die gewöhliche Mehode der kleie Quadrae (OLS-Mehode) beriff, id beimme Schäzeigechafe
MehrDie zweite Implikation der Annahme einer skalaren Kovarianzmatrix, (2.7) 2 nxn
6. Auokorrelaio 6. Form ud Auswirkug Die zweie Implikaio der Aahme eier skalare Kovariazmarix, (.7) Cov( u) E( uu') I x is, dass sich Sörerme uerschiedlicher Beobachuge ich beeiflusse, also ukorrelier
MehrAnalyse von Zeitreihen
Aalyse vo Zeireihe Begriffe der Zeireihe Kompoee eier Zeireihe - Tred - Periodische Schwakuge - Resschwakuge Besimmug der Tredkompoee - Mehode der kleise Quadrae (MKQ) - Mehode der gleiede Durchschie Expoeielle
MehrGrundgesamtheit handelt, stellt sich die Frage nach der Unsicherheit dieser Schatzung.
R Lösug zu Aufgabe 4: Kofideziervall a) Abschäzug vo Erwarugswer ud adardabweichug: Wie bereis i Übugsaufgabe eigeführ, selle der Mielwer ud die reuug eier ichprobe die bese chäzwere für de Erwarugswer
MehrInvestitionsund Finanzierungsplanung mittels Kapitalwertmethode, Interner Zinsfuß
Ivesiiosud Fiazierugsplaug miels Kapialwermehode, Ierer Zisfuß Bearbeie vo Fraka Frid, Chrisi Klegel WI. Aufgabe: Eie geplae Ivesiio mi Aschaffugsausgabe vo.,- läss jeweils zum Jahresede die folgede Eiahme
Mehrrichtige Entscheidung mit Wahrscheinlichkeit 1 α Fehlentscheidung 1. Art mit Wahrscheinlichkeit α
II Lösug zu Aufgabe 7: -Tes für Erwarugswer Saisische Tess diee dazu Hypohese abzusicher oder begrüde zu verwerfe. Hypohese esehe aus eperimeelle Beobachuge oder formale Überleguge, die eier Prüfug uerzoge
MehrFormelsammlung für Investition und Finanzierung
Formelsammlug für Ivesiio ud Fiazierug (Sad: 3.2.22) Seie vo 8 Formelsammlug für Ivesiio ud Fiazierug INHALSVERZEICHNIS. Mahemaische Grudlage...3 a) Auflösug quadraischer Gleichuge mi der pq-formel...3
MehrVergleich der Schätzungen und Hypothesenprüfungen. μ=? Typische Aufgaben der Hypothesenprüfung. Typische Fragen - gebrauchte Merkmale
Hypoheseprüfuge Dr László Smeller Vergleich der Schäzuge ud Hypoheseprüfuge Schäzuge: Frage: Wie groß (is eie physikalische Größe) Bluzuckerkozeraio... Awor: Pukschäzug: z.b.: Körperhöhe, Bludruck, μ?
Mehr2. Das multiple Regressionsmodell
. Das mliple Regressiosmodell. Modellspezifikaio Bei ökoomerische Eigleichgsmodelle is eie edogee Variable vo eier oder mehrere eogee Variable abhägig. Allgemei lasse sich ökoomerische Eigleichgsmodelle
MehrInhaltsverzeichnis der Formelsammlung "Ökonometrie I"
Ihalsverzeichis der Formelsammlug "Öoomerie I" Ihalsverzeichis der Formelsammlug "Öoomerie I". Öoomerische Eigleichugsmodelle mi quaiaive Variable... 4. Öoomerie ud öoomerisches Modell... 4.. Regressiosgleichug
Mehr(5.18) Cov(u) = E(uu ) = σ² Ω.
6.4 Verallgemeiere Kleis-Quadrae-Schäzug 6.4. Auokorrelaio ud GLS-Schäzug Ei verallgemeierer Kleis-Quadrae-Schäzer (GLS-Schäzer) für de Vekor der Regressioskoeffiziee, β, ließe sich uer Spezifikaio der
Mehr17. Kapitel: Die Investitionsplanung
ABWL 17. Kapiel: Die Ivesiiosplaug 1 17. Kapiel: Die Ivesiiosplaug Leifrage des Kapiels: Welche Type vo Ivesiiosobjeke gib es? Wie läss sich die Voreilhafigkei eies Ivesiiosobjeks fesselle? Wie ka aus
Mehr= T. 1.1. Jährliche Ratentilgung. 1.1. Jährliche Ratentilgung. Ausgangspunkt: Beispiel:
E Tilgugsrechug.. Jährliche Raeilgug Ausgagspuk: Bei Raeilgug wird die chuldsumme (Newer des Kredis [Aleihe, Hypohek, Darleh]) i gleiche Teilberäge T geilg. Die Tilgugsrae läss sich ermiel als: T =.. Jährliche
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
MehrKapitel 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
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
Mehr1 Elementare Zahlentheorie. 0. Grundbegriffe
Elemeare Zahleheorie 0 Grudbegriffe Mi Z bezeiche wir de Rig der gaze Zahle Is x eie reelle Zahl, so sei x die größe gaze Zahl, die kleier oder gleich x is Beache: x is diejeige gaze Zahl z mi z x < z
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
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.
MehrMusterlösung Serie 10
Prof. D. Salamo Aalysis I MATH, PHYS, CHAB HS 04 Muserlösug Serie 0. a Wir bereche mi der biomische Formel e cos ix + e ix x = = =0 =0 e ix e i x = =0 e i x Da = gil, öe wir i der leze Summe die Terme
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.
MehrHöhere Mathematik I für die Fachrichtung Physik
Isiu für Aalysis SS7 Arbeisgruppe Agewade Aalysis 997 PD Dr Peer Chrisia Kusma Höhere Mahemaik I für die Fachrichug Physik Lösugsvorschläge zur Bachelor-Modulprüfug Aufgabe : (a) (i) Kurze Rechug liefer
MehrAnalyse von Zeitreihen
Aalse vo Zeireihe Besiug er Saisokooee bei sseaisch saisoale Verläufe Eizelveräerug vo Zeiabschi zu Zeiabschi Durchschiliche Veräerug über ie Zeiabschie eier Zeireihe Bibliografie Prof. Dr. Kück; Saisik,
MehrIntervallschätzung. Bibliografie:
Ierallschäzug Ierallschäzug (allgemei Kofidezierall des arihmeische Miels Kofidezierall für die ifferez zweier arihmeischer Miel Lehrsuhl aisik chäzug II Bibliografie: Prof r Kück Uiersiä Rosock aisik,
MehrAufgaben zur Ökonometrie I
Aufgabe zur Ökoomerie I 5. Heeroskedasiziä 5. Was verseh ma uer Heeroskedasiziä ud wodurch ka dieser Modelldefek verursach werde? Die Aahme A. lauee, dass die Sörgröße i jeder Periode die gleiche Variaz
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 Formelsammlung (gekürzt für 5 Abende Veranstaltung)
Saisik Formelsammlug (gekür für 5 Abede Verasalug) Formel um Kurs "Saisik" a der VWA Esse vo Prof. Dr. Peer vo der Lippe Ihalsvereichis: (gesrichee Abschie sid grau markier). Häufigkeisvereiluge S.. Mielwere
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
MehrBERGISCHE UNIVERSITÄT WUPPERTAL FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS
Plaz-Nr.: Name: Vorame: Marikel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Prüfgsgebie: Eiführg i die Wirschafsiformaik (Happrüfg
Mehr1 Korrelationsanalyse
Korreaiosaayse I viee Aweduge der Sigaverarbeiug is es hireich ud häuig auch owedig, ei Maß ür die Ähichkei zweier Sigae besimmme zu köe. Ma bezeiche dieses Maß auch as de Grad der Korreaio, der zwische
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
MehrGeckos gehören zur Familie der Schuppenkriechtiere. Sie bevölkern seit etwa 50 Millionen Jahren die Erde und haben sich im Laufe ihrer Entwicklung
Gymasie, Gesamschule, Berufliche Gymasie Behörde für Schule ud Berufsbildug Haupermi Lehrermaerialie zum Leisugskurs Mahemaik II.2 Geckos LA/AG 2 Geckos gehöre zur Familie der Schuppekriechiere. Sie bevölker
MehrEntscheidungsunterstützungsmodelle für Materialwirtschaft und Produktion
Escheidusuersüzusmodelle für Maerialwirschaf ud Produio Fachebie Produio ud Supply Chai Maaeme Prof. Dr. Chrisoph Gloc Ihale der Verasalu (/2). Grudlae der Plau ud Escheidu (Grudberiffe, Modelle als Plaushilfsmiel,
Mehr3. Anwendungen der Differentialrechnung
Talorsche Formel ud Mittelwertsatz 4 Aweduge der Differetialrechug Talorsche Formel ud Mittelwertsatz Die Gleichug der Tagete = f ( ( a die Kurve = f( im Pukt (, liefert eie grobe Näherug für die Fuktio
MehrBERGISCHE UNIVERSITÄT WUPPERTAL
BERGISCHE UNIVERSITÄT WUPPERTAL Klausuraufgabe zum Grudsudium Prüfugsgebie: Eiführug i die Wirschafsiformaik (PO 2006) Grudlage vo Decisio Suppor Syseme (BWiWi 1.14) Tag der Prüfug: 08.08.2008 Name des
Mehr26 Eigenschaften der Eigenwerte, Eigenvektoren und Eigenräume
Lieare Algebra II SS 211 - Prof Dr Mafred Leiz Kapiel VIII: Das Eigewerproblem 26: Eigeschafe der Eigewere, K 26 Eigeschafe der Eigewere, Eigeveore ud Eigeräume A Eigeschafe der Eigewere B Eigeschafe der
MehrT t Tilgungsrate im Jahr t Z t Kreditzinsen im Jahr t. Weitere S Kredit bei t = 0 ( ursprüngliche Schuld ) Symbole: RS t
6. Tilggsrechg 6.. Eiführg Gegesad der Tilggsrechg is die Feslegg der Rückzahlge für eimalig asgezahle Kredie eischließlich der Kredizise d -gebühre eweder a) am Fälligkeisag i eier mme (sog. gesamfällige
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
MehrGASTBEITRAG. Das Wirtschaftswachstum in Brandenburg
Das Wirschafswachsum i Bradeburg Das eoklassische Wachsumsmodell vo Solow aus dem Jahr 956 bilde och immer die Grudlage für heuige Wachsumsmodelle. Basiered auf diesem Asaz wird versuch, die wirschafliche
MehrVerfahren der Investitionsrechnung
Umwelökoomie ud Techikbewerug WS 24/5 Kapiel 4 Verfahre der Ivesiiosrechug Umwelökoomie ud Techikbewerug WS 24/5 Sysemaik vo Erfolgskegröße I Umsazerlöse +/- Besadsveräderuge Halb-/ Ferigerzeugisse + (Akiviere)
MehrWas benötigen wir dafür?
Wahrcheilicheirechug Die Laufzei vo radomiiere zufallgeeuere lgorihme häg vo gewie zufällige reigie ab eiiel Quicor. Um die Laufzeie dieer lgorihme ueruche zu öe, udiere wir im Folgede zufällige reigie
Mehr6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $
Mathematik für Iformatiker B, SS 0 Diestag 5.6 $Id: folge.tex,v. 0/06/05 ::8 hk Exp $ 6 Folge 6.4 Folge reeller Zahle I der letzte Sitzug habe wir de Begriff des Grezwerts eier Folge i eiem metrische Raum
Mehr4 Messfehler. 4.1 Fehlerquellen und Fehlerarten
Versuchsechik Es is eie Erfahrugsasache, dass eder Messwer aufgrud vo Uvollkommeheie i der Messechik ud i de Messverfahre mehr oder weiger vo dem zureffede, wirkliche Wer der zugehörige Messgröße abweich.
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
Mehr18 Homogene lineare Gleichungssysteme
Lieae Algeba II SS 0 - Pof. D.. afed Leiz Kapiel V: Lieae Gleichgssyseme 8: Homogee lieae Gleichgssyseme 8 Homogee lieae Gleichgssyseme A Zm Begiff lieaes Gleichgssysem B Theoeische Gdlage C Lösgsvefahe
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
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
Mehr$Id: reihen.tex,v /06/14 13:59:06 hk Exp $
Mathematik für Iformatiker B, SS 202 Doerstag 4.6 $Id: reihe.tex,v.9 202/06/4 3:59:06 hk Exp $ 7 Reihe 7.4 Kovergezkriterie für Reihe 7.4. Alterierede Reihe Wir hatte gesehe das die harmoische Reihe divergiert,
MehrA 2. Abb. 1: Analogon zum rechtwinkligen Dreieck
Has Walser, [0076], [0080] Verallgemeierug des Satzes vo Pythagoras Hiweis: H. Sch., W. Im Raum. Aalogo zum rechtwiklige Dreieck Wir ersetze de zweidimesioale rechte Wikel durch eie Raumecke, wie sie bei
MehrFehler-in-den-Variablen Modelle
Adré Führer Fehler-i-de-Variable Modelle Semiar zur Ökoomerie im WS 998/999 vo Prof.Dr. Has-Peer Sahlecker am Isiu für Saisik ud Ökoomerie 7.8.998 Ihalsverzeichis ABKÜRZUNGS- UND SYMBOLVERZEICHNIS...II
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
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Übug 6 3.03.20 Ihalt der heutige Übug Aufgabe D.7: Reche mit Zufallsvariable Erwartugswert- ud Variazoperator Statistik ud Wahrscheilichkeitsrechug
MehrLangrange-Multiplikators und Hinreichende Bedingungen
Albert Ludwigs Uiversität Freiburg Abteilug Empirische Forschug ud Ökoometrie Mathematik für Wirtschaftswisseschaftler Dr. Sevtap Kestel Witer 008 10. November 008 14.-4 Lagrage-Multiplikators ud Hireichede
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
MehrLÖSUNGSHINWEISE ZUR ÜBUNG 2 ZUM MODUL 32581
LÖSUNGSHINWEISE ZUR ÜBUNG 2 ZUM MODUL 32581 INVESTITIONSTHEORIE UND UNTERNEHMENSBEWERTUNG WS 2018/19 Teil: Uerehmesbewerug Aufgabe 1 (Allgemeie Grezquoeermilug bei der usio): Lösug zu Aufgabe 1 a) riviale
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
MehrGliederung. Value-at-Risk
Value-at-Risk Dr. Richard Herra Nürberg, 4. Noveber 26 IVS-Foru Gliederug Modell Beispiel aus der betriebliche Altersversorgug Verteilug des Gesatschades Value-at-Risk ud Tail Value-at-Risk Risikobeurteilug
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
MehrMathematikaufgabe 114
Mahemaiaufgabe 4 Home Sarseie Impressum Koa Gäsebuch Aufgabe: Zeige Sie wie ma mi Hilfe vo üslicher Ielligez eie Börsecrash herbeiführe ud die Welwirschaf i die ähe eies Kollaps brige a Lösug: Der Geldverehr
MehrHöhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 4. Übungsblatt
UNIVERSITÄT KARLSRUHE Istitut für Aalysis HDoz. Dr. P. C. Kustma Dipl.-Math. M. Uhl WS 2008/09 Höhere Mathematik I für die Fachrichtuge Elektroigeieurwese, Physik ud Geodäsie Lösugsvorschläge zum 4. Übugsblatt
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,
MehrKreuztabellenanalyse und Assoziationsmaße
FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkomme zur Vorlesug Statistik Zusammehäge zwische omiale (ud/oder ordiale) Merkmale: aalyse ud FB 1 W. Ludwig-Mayerhofer Statistik 2 eige sich zur Darstellug
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
Mehr2. Diophantische Gleichungen
2. Diophatische Gleichuge [Teschl05, S. 91f] 2.1. Was ist eie diophatische Gleichug ud wozu braucht ma sie? Def D2-1: Eie diophatische Gleichug ist eie Polyomfuktio i x,y,z,, bei der als Lösuge ur gaze
MehrGanzrationale Funktionen
Gazratioale Fuktioe 9. Defiitio gazratioaler Fuktioe Im Folgede werde ebe lieare ud quadratische Fuktioe auch solche betrachtet, bei dee die Variable i der dritte, vierte oder auch i eier och höhere Potez
Mehr8. Übungsblatt Aufgaben mit Lösungen
8. Übugsblatt Aufgabe mit Lösuge Aufgabe 36: Bestimme Sie alle z C, für die die folgede Potezreihe kovergiere: z z a, b! +, c z +. = = Lösug 36: Wir bezeiche de Kovergezradius mit r. a Wir wede das Quotietekriterium
MehrKapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit
- 18 - (Kapitel 3 : Bedigte Wahrscheilichkeite ud Uabhägigkeit) Kapitel 3: Bedigte Wahrscheilichkeite ud Uabhägigkeit Wird bei der Durchführug eies stochastische Experimets bekat, daß ei Ereigis A eigetrete
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
MehrFormelsammlung zur Ökonometrie I (Ökonometrische Eingleichungsmodelle)
Prof. Dr. Reihold Kosfeld Isiu für Volswirschafslehre Uiversiä Kassel Formelsammlug zur Öoomerie I (Öoomerische Eigleichugsmodelle). Das muliple Regressiosmodell. Sigifiazess ud Kofideziervalle 3. Muliollieariä
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
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
MehrGrenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen
. Der Grezwert vo mootoe, beschräkte Folge Der Grezwert vo mootoe, beschräkte Folge ist eifacher verstädlich als der allgemeie Fall. Deshalb utersuche wir zuerst diese Spezialfall ud verallgemeier aschliessed.
MehrLösungsvorschlag zu den Hausaufgaben der 1. Übung
FAKULTÄT FÜR MATHEMATIK Prof. Dr. Patrizio Neff Christia Thiel 4.04.04 Lösugsvorschlag zu de Hausaufgabe der. Übug Aufgabe : (6 Pukte Bereche Sie für die Fuktio f : R R, f( : ep( a der Stelle 0 0 das Taylorpolyom
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
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
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
MehrTeil 3 und Teil 4. Einbeziehung von Steuern in Investitionsund Finanzierungsentscheidungen. Inhalt:
Teil 3 ud Teil 4 Eibeziehug vo Seuer i Ivesiiosud Fiazierugsescheiduge Ihal: Vergleichsrechuge ud Seuerbelasugsvergleiche... 2. Rechsformwahl i eiem saische Vergleich... 2.2 Veralagugssimulaio versus Teilseuerrechug...
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
MehrSimulationsbasierte stochastisch dynamische Programmierung
Simulaiobaiere ochaich dyamiche Programmierug OLIVER MUßHOFF, BERLIN NORBERT HIRSCHAUER, BERLIN Abrac Deciio ree, repreeig he backward recurive dyamic programmig approach, are ofe o flexible eough o aalyze
MehrParameter von Häufigkeitsverteilungen
Kapitel 3 Parameter vo Häufigkeitsverteiluge 3. Mittelwerte Mo Der Modus (:= häufigster Wert, Abk.: Mo) ist der Merkmalswert mit der größte Häufigkeit, falls es eie solche gibt. Er sollte ur bei eigipflige
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
MehrStreuungsmaße. Prof. Dr. Paul Reuber. Institut für Geographie. Seminar Methoden der empirischen Humangeographie
Streuugsmaße Istitut für Geographie Streuugswerte (Streuugsmaße) Die Diskussio um die Mittelwerte hat die Vorteile dieser statistische Kewerte gezeigt, aber bereits, isbesodere beim arithmetische Mittel,
MehrGrundlagen der Biostatistik und Informatik
Aalyiche Saiik Grudlage der Bioaiik ud Iformaik Saiiche Schäzuge, Kofidez, Sigifikaz Populaio N uedlich Sichprobe edlich dr. Lázló Smeller 1 Theoreiche Vereilug Erwarugwer Theoreiche Sreuug Häufigkeivereilug
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
Mehr4.1 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
MehrAllgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable
Allgemeie Lösuge der -dimesioale Laplace-Gleichug ud ihre komplexe Variable Dr. rer. at. Kuag-lai Chao Göttige, de 4. Jauar 01 Abstract Geeral solutios of the -dimesioal Laplace equatio ad its complex
MehrTEIL III OPERATIVE PLANUNGSPROBLEME
EIL III OPERAIVE PLANUNGSPROBLEME Oeraive Plaugsrobleme Plaugsarchiekure si üblicherweise i s.g. PPS-Syseme abgebile. Der erse Schri is abei ie Programmlaug auf Basis vo rogosiziere Bearfswere er ächse
Mehrn, 1 k n. (1) Darunter sind genau diejenigen primitiv, fur die ggt(n, k) = 1 gilt.
Daei: C:\VTeX\TD\MATHEM\Kreiseilugspolyome.ex 17. April 2010 Eiheiswurzel ud Kreiseilugspolyome DEFINITION 1: Eie komplexe Zahl ζ hei -e Eiheiswurzel, we ζ = 1 is. Sie hei primiive -e Eiheiswurzel, we
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
Mehr10 Aussagen mit Quantoren und
0 Aussage mit Quatore ud 0.6. Eisatz vo (bereits bekater) Eistezaussage Bisher hatte wir Eistezbeweise geführt, idem wir ei passedes Objekt agegebe habe ( Setze... ). Stattdesse ka ma auch auf bereits
Mehr24 Komplexe Vektoren und Matrizen
Lieare Algebra II SS 011 - Prof Dr afred Leit apitel VII: Der örper der komplexe Zahle 4: omplexe Vektore ud atrie 4 omplexe Vektore ud atrie A Der komplexe Vektorraum B Der ormierte Raum C Der Skalarproduktraum
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
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
MehrPhysikalische Analyse der Dimensionierungsgrundlagen zur Entwicklung einer Methode zur Konzipierung und Optimierung eines Elektromobils
Physikalische Aalyse der Dimesioierugsgrudlage zur Ewicklug eier ehode zur Kozipierug ud Opimierug eies Elekromobils Auore: K. Brikma, W. Köhler Lehrgebie Elekrische Eergieechik Feihsraße 140, Philipp-eis-Gebäude,
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
Mehr