Zeitreihenanalyse Der einfache gleitende Durchschnitt
|
|
- Kasimir Schulze
- vor 7 Jahren
- Abrufe
Transkript
1 Zeitreihenanalyse Der einfache gleitende Durchschnitt Worum geht es in diesem Lernmodul? Einleitung Erläuterung der Methode Berechnung des einfachen gleitenden Durchschnitts Der einfache gleitende Durchschnitt mit gerader Länge Glättung von Zeitreihen mit Saisonfigur Verlust von Werten durch Glättung Weiterführende Links Worum geht es in diesem Lernmodul? In diesem Lernmodul werden wir uns mit dem Verfahren des einfachen gleitenden Durchschnitts befassen. Mit Hilfe von Beispielen werden die möglichen Anwendungen des Verfahrens und Ihre Grenzen aufgezeigt. Die rechnerische Grundlage des Verfahrens wird ausführlich erklärt. Im Rahmen der Übungen haben Sie Gelegenheit, das Verfahren zu erproben. Einleitung Neben der im vorherigen Kapitel besprochenen Methode, die Trendkomponente einer Zeitreihe durch eine Trendgerade oder ein Trendpolynom zu erfassen, gibt es die Möglichkeit, die glatte Komponente einer Reihe mit Hilfe eines gleitenden Durchschnittes zu bestimmen. Wir wollen uns dieses Verfahren an Hand eines Beispieles ansehen. Beispiel: Die Entwicklung der globalen Durchschnitts-temperatur Seit geraumer Zeit steht die globale Erwärmung, also der Anstieg der bodennahen Temperatur, im Mittelpunkt der öffentlichen Diskussion um die Veränderung unseres Klimas. Die nachfolgende Grafik zeigt die Entwicklung der bodennahen Jahresmitteltemperatur von 1866 bis 1996 in Grad Celsius. Abb. TEMPERATUR 1: Die globale Durchschnittstemperatur Quelle: Janacek, Gareth: Practical Time Series, London, Arnold 2001 Page 1
2 Der Verlauf der Zeitreihe ist sehr unruhig. Möchten wir trotzdem auf der Basis dieser Daten die Frage beantworten, ob unser Klima wärmer geworden ist und wenn um wie viel Grad, so ist es sinnvoll, die Zeitreihe zu glätten. Beispiel: Glättung mit Hilfe des einfachen gleitenden Durchschnittes Zur Glättung der Reihe benutzen wir das arithmetische Mittel. Um nicht nur einen einzigen Wert zu erhalten, berechnen wir nicht den Mittelwert der gesamten Reihe, sondern bilden die Mittelwerte über gleichlange Teilstücke. In diesem Fall werden wir jeweils das Mittel über 21 Werte berechnen, d.h. wir berechnen den Mittelwert der ersten 21 Werte, dann den des 2. bis 22. Wertes, des 3. bis 23., des 4. bis 24. und sofort. Die arithmetischen Mittel werden jeweils dem zeitlichen Mittelpunkt des Teilstücks zugeordnet, d.h. der Mittelwert des ersten Teilstücks wird dem Zeitpunkt t=11, der des 2. Teilstücks dem Zeitpunkt t=12, der des dritten Teilstücks dem Zeitpunkt t=13, usw. zugeordnet. Das Ergebnis ist die geglättet Zeitreihe der globalen Durchschnittstemperatur (roter Linienzug in Abb.: TEMPERATUR 2). Abb. TEMPERATUR 2: Ausgangsreihe (blau) und geglättete Reihe (rot) der globalen Durchschnittstemperatur Quelle: Janacek, Gareth: Practical Time Series, London, Arnold 2001 Die Relevanz der Temperaturdaten ist nicht unumstritten. Nehmen wir aber die vorliegenden Daten als Grundlage, so ist nach der Glättung deutlich eine Steigung von ca. 0.6 Grad abzulesen. Dies entspricht der Einschätzung namhafter Wissenschaftler auf dem Gebiet der Klimaforschung. [Kapala, 2002] Erläuterung der Methode Die im vorangegangenen Beispiel benutzte Methode des einfachen gleitenden Durchschnitts wird zur Glättung von Zeitreihen benutzt. Glättung meint die Ausschaltung von irregulären Schwankungen. Unter Annahme des klassischen Komponentenmodells kommt dies der näherungsweisen Bestimmung der glatten Komponente gleich. Bei der Anwendung des einfachen gleitenden Durchschnitts wird für gleich lange Zeitreihensegmente das zugehörige arithmetische Mittel berechnet und den jeweiligen zeitlichen Mittelpunkten der Segmente zugeordnet. Diesen Zusammenhang veranschaulicht die nachfolgende Animation. Online-Version : Flashanimation ' Animation Der einfache gleitende Durchschnitt ' siehe Berechnung des einfachen gleitenden Durchschnitts Die folgende Tabelle gibt einige Beispiele zur Berechnung einfacher gleitender Durchschnitte mit ungerader Länge wieder: Länge Formel Page 2
3 Die mathematische Formel zur Berechnung des einfachen gleitenden Durchschnitts lautet: Jeder Wert des Segmentes wird demzufolge gleich gewichtet, mit. Der Laufindex q lässt sich aus der für den einfachen gleitenden Durchschnitt gewählten Segmentlänge, also der Anzahl der zur Mittelwertsbildung einbezogenen Werte berechen:. In der Regel wird die Länge des einfachen gleitenden Durchschnittes ungerade gewählt. Beispiel: Jährliche Konkurse in den USA Die Ausgangszeitreihe in Abb. KONKURSE zeigt den prozentualen Anteil der jährlich in Konkurs gegangenen Unternehmen an allen Unternehmen in den USA von 1867 bis 1932 (blauer Linienzug). Die Zeitreihe (blauer Linienzug) wurde geglättet mit einfachen gleitenden Durchschnitten der Länge drei (dunkelroter Linienzug), sieben (orange) und dreizehn (türkis). Abb. KONKURSE Quelle: Rainer Schlittgen (1994) Sie haben hier die Möglichkeit, das Verfahren des einfachen gleitenden Durchschnitts an dem recht unruhigen Verlauf des Züricher Aktienindex zu erproben. Labordatei öffnen ( aa3.spf ) Der einfache gleitende Durchschnitt mit gerader Länge Wird der einfache gleitende Durchschnitt für eine gerade Anzahl von Werten bestimmt, liegt der Segmentmittelpunkt zwangsläufig zwischen zwei Zeitpunkten. So müsste beispielsweise der erste Wert, einer mit einem einfachen gleitenden Durchschnitt der Länge vier geglätteten Zeitreihe, dem Zeitpunkt 2.5 zugeordnet werden: Inhaltlich ist dies nicht sinnvoll, denn man enthält einen Wert für einen Zeitpunkt zu dem nie gemessen wurde. Um das Problem zu umgehen, behilft man sich mit einem kleinen Trick und erhöht die Segmentlänge um eins, lässt dafür aber die Randpunkte nur mit halbem Gewicht eingehen. Page 3
4 Beispiele einfacher gleitender Durchschnitte mit gerader Länge Länge 2 Formel Den Laufindex berechnet sich in diesem Fall entsprechend aus der halben Länge. Glättung von Zeitreihen mit Saisonfigur Liegt eine Zeitreihe mit Saisonkomponente vor, empfiehlt es sich die Länge des einfachen gleitenden Durchschnitts entsprechend der einfachen oder mehrfachen Periodendauer der Saison zu wählen. Die geglättete Zeitreihe weist dann keine Saisonfigur mehr auf. Beispiel: Umsatzzahlen mit Saisonfigur Ein Einzelhändler hat 1987 ein Lebensmittelgeschäft übernommen. In den ersten drei Jahren lief der Verkauf in den unveränderten Räumen entschloss sich der Händler zu einer Vergrößerung und Modernisierung der Verkaufräume. Jetzt liegen ihm die Umsätze der letzten 15 Jahre vor (Abb. UMSATZ: blauer Linienzug). Abb.UMSATZ Fragestellung Der Händler möchte die Entwicklung des Umsatzniveaus in den letzten 15 Jahren abschätzen. Außerdem will er wissen, ob sich der Umbau auf die Verkaufszahlen positiv ausgewirkt hat. Er plant zudem eine zweite Erweiterung seiner Ladenfläche und würde daher gerne den zu erwartenden Umsatz prognostizieren. Antwort Zur Beantwortung dieser Fragen wird die Zeitreihe des Umsatzes mit einem einfachen gleitenden Durchschnitt der Länge 24, der doppelten Periodenlänge, geglättet (Abb. UMSATZ: roter Linienzug) Wie in der Grafik gut zu sehen ist, wird dadurch die Saisonfigur beseitigt und die glatte Komponente herausgearbeitet. Im Jahre 1987 beträgt der Umsatz im Mittel ca Euro und wächst auf ein Niveau von ca Euro im Jahre Deutlich ist ein linearer Anstieg ab dem Jahr 1990/1991 zu erkennen. Wenn der steigende Umsatz nicht Page 4
5 auf andere Einflüsse zurückgeführt werden kann, so war die Modernisierung der Verkaufsfläche offensichtlich eine gute Entscheidung. Zur Prognose der zukünftigen Umsätze ist der einfache gleitende Durchschnitt denkbar ungeeignet. Die geglättete Zeitreihe enthält nur Werte bis zum Juni Der Zeitpunkt zu dem der Händler die Zeitreihe betrachtet, ist aber der Juni Bedingt durch das Konzept des gleitenden Durchschnitts und die hier gewählte Länge 24, fehlen die letzten zwölf Werte. Auf dieser Grundlage eine Prognose zu wagen, wäre also eher spekulativ. Die Zeitreihe der Leistungsbilanz des Außenhandels zeigt deutlich eine Saisonfigur. Beseitigen Sie diese mit Hilfe eines einfachen gleitenden Durchschnittes. Labordatei öffnen ( b1e.spf ) Verlust von Werten durch Glättung Bei der Glättung durch einen einfachen gleitenden Durchschnitt gehen an beiden Rändern der Zeitreihe jeweils q Werte verloren. Das ist oft, wie im vorangegangenen Beispiel, speziell für den aktuellen Rand der Zeitreihe, nicht akzeptabel. Die folgende Animation im Statistiklabor verdeutlicht dieses Problem. Labordatei öffnen ( b26.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. (2001).Zeitreihenanalyse. München; Wien, Oldenbourg. Kapala, A. (2002): Änderung der "globalen" Temperatur. 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 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
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 Das klassische Komponentenmodell
Zeitreihenanalyse Das klassische Komponentenmodell Worum geht es in diesem Lernmodul? Zeitreihen mit unterschiedlichen Charakteristika Zeitreihen mit regelmäßigen Schwankungen Mittel und Niveau einer Zeitreihe
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
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
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
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
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
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
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
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
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
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
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
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
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.
Mehrswiss marketing academy GmbH Seite 1 von 11
AUFGABE 1a Nennen Sie 3 fallbezogene Gliederungszahlen und beschreiben Sie pro Gliederungszahl die Aussagekraft. 6 Punkte Gliederungszahl = Verhältnis eines Teiles zum gleichartigen Ganzen. Nennung Beschreibung
Mehr5. Zeitreihenanalyse und Prognoseverfahren
5. Zeitreihenanalyse und Prognoseverfahren Stichwörter: Trend, Saisonalität, Noise, additives Modell, multiplikatives Modell, Trendfunktion, Autokorrelationsfunktion, Korrelogramm, Prognosehorizont, Prognoseintervall,
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
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
MehrPrognoseverfahren von Michaela Simon 7.Semester Spezialisierung Finanzwirtschaft
Prognoseverfahren von Michaela Simon 7.Semester Spezialisierung Finanzwirtschaft Inhaltsverzeichnis I. Allgemeine Aussagen II. Subjektive Planzahlenbestimmung III. Extrapolierende Verfahren 1. Trendanalyse:
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
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,
MehrZeitreihenökonometrie
Zeitreihenökonometrie Kapitel 11 - Filterverfahren Unterscheidung zwischen Wachstum und Konjunktur Wachstum: langfristige Entwicklung des Bruttoinlandsproduktes bei voller oder normaler Auslastung der
MehrDr. W. Kuhlisch Dresden, Institut für Mathematische Stochastik
Dr. W. Kuhlisch Dresden, 12. 08. 2014 Institut für Mathematische Stochastik Klausur Statistik für Studierende der Fachrichtungen Hydrologie und Altlasten/Abwasser zugelassene Hilfsmittel: Taschenrechner
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
MehrApproximationsverfahren
Fakultät Informatik, Institut für Angewandte Informatik, Professur für Technische Informationssysteme Approimationsverfahren zur Überführung nichtäquidistanter Messwertfolgen in äquidistante Zeitreihen
MehrMathe - Lernzettel: Nullstellen, Monotonie und Ableitungen
Mathe - Lernzettel: Nullstellen, Monotonie und Ableitungen Leun4m 29. April 2015 Version: 0 Ich kann nicht für Richtigkeit garantieren! Inhaltsverzeichnis 1 Themenübersicht 1 2 Funktionen und Graphen 2
MehrExplorative Zeitreihenanalyse
Kapitel 11 Explorative reihenanalyse Department of Statistics and Mathematics WU Wien c 2008 Statistik 11 Explorative reihenanalyse 0 / 66 Inhalt Beschreiben von reihen Klassische reihenzerlegung Trend,
MehrCox-Regression. Ausgangspunkt Ansätze zur Modellierung von Einflussgrößen Das Cox-Modell Eigenschaften des Cox-Modells
Cox-Regression Ausgangspunkt Ansätze zur Modellierung von Einflussgrößen Das Cox-Modell Eigenschaften des Cox-Modells In vielen Fällen interessiert, wie die Survivalfunktion durch Einflussgrößen beeinflusst
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Lineare Funktionen an der Berufsschule: Übungsaufgaben
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Lineare Funktionen an der Berufsschule: Übungsaufgaben Das komplette Material finden Sie hier: School-Scout.de SCHOOL-SCOUT Übungsaufgaben:
MehrStatistik EFA I Deskriptive Statistik Montag, 10. Februar 2014
Prof. Dr. Peter Schmidt Wintersemester 2013/14 www.schmidt-bremen.de Statistik EFA I Deskriptive Statistik Montag, 10. Februar 2014 Dieser Klausurteil ist der erste Teil der Gesamtklausur Statistik (Halbmann
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
MehrDurchschnittlicher Anstieg - momentaner Anstieg
MK 20.10.2004 D4_DeutscheBuschtrommel.mcd Durchschnittlicher Anstieg - momentaner Anstieg Aufgaben: (1) Macht ein Anleger im Monat Oktober Gewinne oder verliert er mit der oben dargestellten Aktie? (2)
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
MehrStatistik I. Hinweise zur Bearbeitung. Aufgabe 1
Statistik I, WS 2002/03, Seite 1 von 7 Statistik I Hinweise zur Bearbeitung Hilfsmittel: - Taschenrechner (ohne Datenbank oder die Möglichkeit diesen zu programmieren) - Formelsammlung im Umfang von einer
MehrQuadratische Gleichungen
Quadratische Gleichungen Alle aufgezeigten Lösungswege gelten für Gleichungen, die schon vereinfacht und zusammengefasst wurden. Es darf nur noch + vorhanden sein!!! (Also nicht + und auch nicht 3 ; bitte
Mehrswiss marketing academy GmbH Seite 1 von 8
Aufgabe 1 15 Punkte Erstellen Sie eine aussagekräftige Grafik mit der Sie den Sachverhalt (Altersstruktur und Firmentreue) auf einer DIN-A4-Seite präsentieren können. Auf eine vollständige unterstützende
MehrDie Erweiterung vom Satz des Pythagoras anhand der resultierenden Kraft FR
Michael B. H. Middendorf 1 Die Erweiterung vom Satz des Pthagoras anhand der resultierenden Kraft FR Bei meinen Überlegungen als Maschinenbauer bzgl. eines Impulsantriebes, stieß ich auf das Problem, ständig
MehrSkriptteufel Klausurvorbereitung
Skriptteufel Klausurvorbereitung Workshop Produktion Was haben wir vor? Möglichst zielgenaue Klausurvorbereitung Erklären der Aufgabentypen und zugehöriger Lösungswege Aufteilung in fünf große Blöcke:
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
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
MehrMicrosoft Excel für Windows W-EX2000S. Autorin: Bettina Uebe. Inhaltliches Lektorat: Christian Münster. Überarbeitete Ausgabe vom 25.
W-EX2000S Autorin: Bettina Uebe Inhaltliches Lektorat: Christian Münster Überarbeitete Ausgabe vom 25. Mai 2007 by HERDT-Verlag für Bildungsmedien GmbH, Bodenheim Microsoft Excel 2000 für Windows Themen-Special:
MehrGibt es in Deutschland nur noch zu warme Monate?
Gibt es in Deutschland nur noch zu warme Monate? Rolf Ullrich 1), Jörg Rapp 2) und Tobias Fuchs 1) 1) Deutscher Wetterdienst, Abteilung Klima und Umwelt, D-63004 Offenbach am Main 2) J.W.Goethe-Universität,
MehrGemeinsame Wahrscheinlichkeitsverteilungen
Gemeinsame Wahrscheinlichkeitsverteilungen Worum geht es in diesem Modul? Gemeinsame Wahrscheinlichkeits-Funktion zweier Zufallsvariablen Randverteilungen Bedingte Verteilungen Unabhängigkeit von Zufallsvariablen
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
Mehr12GE1 - Wiederholung - Verbesserung Praktikum 01
12GE1 - Wiederholung - Verbesserung Praktikum 01 Raymond KNEIP, LYCÉE DES ARTS ET MÉTIERS September 2015 1 Die gleichförmige Bewegung Dritte Reihe der Tabelle: s/t (m/s) (F.I.) 0.5 0.5 0.5 0.5 a. Der Quotient
MehrMath. II, Statistik, Uebung2, Termin (AI), (BI) 1-Logistischer Trend, 2-Faktoren, 3-Expon. Glätten, 4-Häufigkeit
Math. II, Statistik, Uebung2, Termin 11.04.2013 (AI), 15.04.2013 (BI) 1-Logistischer Trend, 2-Faktoren, 3-Expon. Glätten, 4-Häufigkeit ALLGEMEINES 1d) 94,2% der Zunahme der Sättigung mit Smartphones ist
MehrVon insgesamt 50 Statistikern nehmen an allen 3 Tagen einer Tagung 30, an 2 Tagen 10 und an einem Tag ebenfalls 10 teil.
Technische Universität München SS 2006 Zentrum Mathematik Blatt 5 Prof. Dr. J. Hartl Dr. Hannes Petermeier Dr. Cornelia Eder Dipl.-Ing. Martin Nagel Höhere Mathematik 2 (Weihenstephan) 1. An einer drei
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
Mehra) Begründen Sie, dass der Graph von achsensymmetrisch zur #-Achse ist. Zeigen Sie, dass die Nullstellen der Funktion unabhängig von sind.
Aufgabe M08A2.1 Ein Klimaforscher beschreibt die Entwicklung der globalen Durchschnittstemperatur modellhaft durch die Funktion mit 2,8, 0,0311,1 0 200. Dabei gibt die Zeit in Jahren seit Beginn des Jahres
MehrErwartungswert, Varianz und Standardabweichung einer Zufallsgröße. Was ist eine Zufallsgröße und was genau deren Verteilung?
Erwartungswert, Varianz und Standardabweichung einer Zufallsgröße Von Florian Modler In diesem Artikel möchte ich einen kleinen weiteren Exkurs zu meiner Serie Vier Wahrscheinlichkeitsverteilungen geben
MehrStatistik I für Humanund Sozialwissenschaften
Statistik I für Humanund Sozialwissenschaften 1 Übung Lösungsvorschlag Gruppenübung G 1 Auf einer Touristeninsel in der Karibik wurden in den letzten beiden Juliwochen morgens zur gleichen Zeit die folgenden
MehrLösung Aufgabe 19. ( ) = [Mio Euro]. Empirische Varianz s 2 = 1 n
Statistik I für Statistiker, Mathematiker und Informatiker Lösungen zu Blatt 4 Gerhard Tutz, Jan Ulbricht, Jan Gertheiss WS 07/08 Lösung Aufgabe 9 (a) Lage und Streuung: Arithmetisches Mittel x = n i=
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
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Analysis - Grundlagen der Differentialrechnung: Ableitungsfunktion
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Analysis - Grundlagen der Differentialrechnung: Ableitungsfunktion Das komplette Material finden Sie hier: School-Scout.de SCHOOL-SCOUT
MehrData Mining und Maschinelles Lernen Wintersemester 2015/2016 Lösungsvorschlag für das 12. Übungsblatt
Data Mining und Maschinelles Lernen Wintersemester 2015/2016 Lösungsvorschlag für das 12. Übungsblatt 9. Februar 2016 1 Aufgabe 1: RelieF (1) Gegeben sind folgende 12 Beispiele der Wetter-Daten: ID outlook
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-
MehrDie-Hoffnung-stirbt-zuletzt GmbH
. Dennis Dierksmeyer Christina Brink Kathrin Dirksmeier Die-Hoffnung-stirbt-zuletzt GmbH 11f Herrn Broker, Mai 21, 2006 Johannes-Kepler-Gymnasium Wilhelmstraße 210 49477 Ibbenbüren Betreff: Gutachten Sie
Mehra) Was ist die statistische Gesamtheit der hier vorliegenden Untersuchung und welche Merkmale wurden erhoben?
Statistik I, WS 2005/06, Seite 1 von 8 Statistik I Hinweise zur Bearbeitung Hilfsmittel: - Taschenrechner (ohne Datenbank oder die Möglichkeit diesen zu programmieren) - Formelsammlung im Umfang von einer
Mehrb) falsch. Das arithmetische Mittel kann bei nominal skalierten Merkmalen überhaupt nicht berechnet werden.
Aufgabe 1: Nehmen Sie Stellung zu den nachfolgenden Behauptungen (richtig/falsch mit kurzer Begründung): a) Die normierte Entropie ist gleich Eins, wenn alle Beobachtungen gleich häufig sind. b) Bei einem
Mehrb) Bestimmen Sie die bedingten relativen Häufigkeiten mit dem Merkmal Abschluss als Bedingung.
Aufgabe 1: Im Wintersemester 2007/2008 waren an der RUB 3.140 Studierende, darunter 1.168 weibliche, in wirtschaftswissenschaftlichen Studiengängen (Angestrebte Abschlüsse: Diplom, Bachelor oder Promotion)
MehrAusführliche Lösungen zu ausgewählten Aufgaben von ÜB 5 und 6. Streudiagramm
y Aufgabe 3 Ausführliche Lösungen zu ausgewählten Aufgaben von ÜB 5 und 6 a) Zur Erstellung des Streudiagramms zeichnet man jeweils einen Punkt für jedes Datenpaar (x i, y i ) aus der zweidimensionalen
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
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
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
MehrDeskriptive Statistik Erläuterungen
Grundlagen der Wirtschaftsmathematik und Statistik Erläuterungen Lernmaterial zum Modul - 40601 - der Fernuniversität Hagen 7 2.1 Einfache Lageparameter aus einer gegebenen Messreihe ablesen Erklärung
MehrZum Schluss berechnen wir die Steigung, indem wir
Einführung Grafisches Differenzieren (auch grafische Ableitung genannt) gibt uns zum einen die Möglichkeit, die Steigung des Graphen einer Funktion in einem bestimmten Punkt zu ermitteln, ohne dass wir
MehrAblaufschema beim Testen
Ablaufschema beim Testen Schritt 1 Schritt 2 Schritt 3 Schritt 4 Schritt 5 Schritt 6 Schritt 7 Schritt 8 Schritt 9 Starten Sie die : Flashanimation ' Animation Ablaufschema Testen ' siehe Online-Version
MehrStunden und mit Gegenwind in
Blatt Nr 0.09 Mathematik Online - Übungen Blatt Klasse 8 Blatt 0 Kapitel 4 LGS Textaufgabe lineare Gleichungssysteme Nummer: 49 0 00901000 Kl: 8X Grad: 10 Zeit: 0 Quelle: NW 4 W Aufgabe.1.1: (*) Ein Flugzeug
MehrInformatik-Anwender II SIZ Auswerten von Daten aus Tabellen Modul IA 42
Schweizerisches Informatik-Zertifikat Certificat suisse en informatique Certificato svizzero d'informatica SIZ, Florastrasse 44, 8008 Zürich Telefon 044 384 90 40, Fax 044 384 90 50 Internet www.siz.ch,
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2002
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2002 1. Ein Chemiestudent hat ein Set von 10 Gefäßen vor sich stehen, von denen vier mit Salpetersäure Stoff A), vier mit Glyzerin Stoff
MehrAbb. 5.10: Funktion und Tangentialebene im Punkt ( ) ( ) ( ) 3.) Die Zahlenwerte und in Gleichung (Def. 5.11) berechnen sich durch ( ) ( )
Abb. 5.0: Funktion und Tangentialebene im Punkt Aus der totalen Differenzierbarkeit folgt sowohl die partielle Differenzierbarkeit als auch die Stetigkeit von : Satz 5.2: Folgerungen der totalen Differenzierbarkeit
MehrTangente an eine Kurve
Tangente an eine Kurve Wolfgang Kippels 22. Februar 2019 Inhaltsverzeichnis 1 Vorwort 3 2 Einleitung 3 3 Tangentenbestimmung im Berührpunkt 3.1 Problemdarstellung.............................. 3.2 Zusammenfassung...............................
MehrDie Taylorreihe einer Funktion
Kapitel 6 Die Taylorreihe einer Funktion Dieser Abschnitt beschäftigt sich mit Taylorreihen, Taylorpolynomen und der Restgliedabschätzung für Taylorpolynome. Die Taylorreihe einer reellen Funktion ist
MehrDas multiple lineare Regressionsmodell
Das multiple lineare Regressionsmodell Worum geht es in diesem Lernmodul? Das Modell Schätzen der Koeffizienten Interpretation der Koeffizienten Testen der Koeffizienten Worum geht es in diesem Lernmodul?
MehrMerksatz Begriff der Funktion
Der Begriff Funktion Um uns klar zu machen, was eine Funktion (lateinisch functio) ist, betrachten wir uns die Gegenüberstellung nachfolgender Situationen. Die Temperatur eines Gewässers wird in verschiedenen
MehrTechnische Mathe: Problem-Lösungen: Wärmemenge in einer Flüssigkeit Seite 1 von 7
Technische Mathe: Problem-Lösungen: Wärmemenge in einer Flüssigkeit Seite 1 von 7 Diese Lerneinheit ist besonders den Schülern gewidmet, für die jede Rechenaufgabe ein Problem darstellt. Ich versuche hier
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
MehrArbeitsblatt 4: Kurvendiskussion - Von Skizzen zu Extremstellen-Bedingungen
Arbeitsblatt 4: Kurvendiskussion - Von Skizzen zu Etremstellen-Bedingungen Häufig sind Ableitungsfunktionsterme leichter zu handhaben als die Terme der Ausgangsfunktonen, weil sie niedrigere Eponenten
MehrOnline-Algorithmen. Proseminar von Prof. Dr. Rolf Klein, Dr. Elmar Langetepe, Dipl. Inform. Thomas Kamphans im Wintersemester 00/01
Online-Algorithmen Proseminar von Prof. Dr. Rolf Klein, Dr. Elmar Langetepe, Dipl. Inform. Thomas Kamphans im Wintersemester 00/01 Vortrag Bin Packing von Thilo Geertzen 25. Oktober 2000 Online Algorithmen
MehrStreuungsmaße Worum geht es in diesem Modul? Allgemeines zu Streuungsmaßzahlen Spannweite und Interquartilsabstand
Streuungsmaße Worum geht es in diesem Modul? Allgemeines zu Streuungsmaßzahlen Spannweite und Interquartilsabstand Berechnung der mittleren quadratischen Abweichung und der Varianz aus einer Urliste Standardabweichung
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
MehrLineare Funktion. Wolfgang Kippels 3. November Inhaltsverzeichnis
Lineare Funktion Wolfgang Kippels. November 0 Inhaltsverzeichnis Grundlegende Zusammenhänge. Aufbau der Linearen Funktion......................... Nullstellenbestimmung............................. Schnittpunktbestimmung............................
MehrBeispiel 4 (Einige weitere Aufgaben)
1 Beispiel 4 (Einige weitere Aufgaben) Aufgabe 1 Bestimmen Sie für die folgenden Zweierstichproben, d. h. Stichproben, die jeweils aus zwei Beobachtungen bestehen, a) den Durchschnitt x b) die mittlere
MehrDeutscher Wetterdienst zur klimatologischen Einordnung des Winters 2012/13 Durchschnittlicher Winter und kalter März widerlegen keine Klimatrends
Deutscher Wetterdienst zur klimatologischen Einordnung des Winters 2012/13 Durchschnittlicher Winter und kalter März widerlegen keine Klimatrends Offenbach, 12. April 2013 Der Winter 2012/2013 erreichte
MehrEinführung in die linearen Funktionen. Autor: Benedikt Menne
Einführung in die linearen Funktionen Autor: Benedikt Menne Inhaltsverzeichnis Vorwort... 3 Allgemeine Definition... 3 3 Bestimmung der Steigung einer linearen Funktion... 4 3. Bestimmung der Steigung
MehrSchlussrechnung, Modellbildung und Interpolation
Schlussrechnung, Modellbildung und Interpolation Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 13/7, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at Vortrag beim Lehrerfortbildungstag
Mehrifo Geschäftsklimaindex steigt
ifo Geschäftsklima Ergebnisse der ifo Konjunkturumfragen im April 217 ifo Geschäftsklimaindex steigt München, 24. April 217 Die Stimmung in den deutschen Chefetagen hat sich erneut verbessert. Der ifo
MehrÄnderung des Klimas in Bremen und Niedersachsen für *
Änderung des Klimas in Bremen und Niedersachsen für 2036-2065* Kennwerte Beobachtungen Referenzzeitraum 1971-2000 Klimaschutz -Szenario RCP2.6 (minimaler und maximaler Wert) Jahresmitteltemperatur ( C)
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
MehrPrüfungsteil 1, Aufgabe 2. Analysis. Nordrhein-Westfalen 2012LK. Aufgabe a (1) Aufgabe a (2) Aufgabe a (3) Abitur Mathematik: Musterlösung
Abitur Mathematik: Prüfungsteil 1, Aufgabe 2 Nordrhein-Westfalen 2012LK Aufgabe a (1) Anhand der Graphen ist erkennbar, dass sowohl in der Stadt als auch auf Land die Ozonbelastung im Verlauf des Morgens
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
MehrDemographie und Fußball
Demographie und Fußball Eike Emrich 1, Werner Pitsch & Christian Rullang Einleitung Die Bevölkerung Deutschlands wird sich in den kommenden Jahrzehnten nach der 12. koordinierten Bevölkerungsvorausberechnung
Mehr